Anda di halaman 1dari 21

MATRIKS &

SOLUSI PERSAMAAN
3 LINEAR

Pada bab ini dibahas konsep dasar dan metode di dalam menyelesaikan
persamaan linear dengan pendekatan matriks terutama berkaitan dengan kasus-kasus
khusus dalam fisika. Disajikan beberapa metode komputasi numerik, meliputi
metode eliminasi Gauss dengan pivoting, metode Gauss-Seidel, dan matriks
Tridiagonal yang cukup familiar di terapkan dalam masalah nilai eigen dalam fisika
kuantum, sebagai stimulan untuk pemahaman yang lebih intensif terhadap metode-
metode yang lain menyangkut solusi fenomena fisis dalam formulasi persamaan
linear.

A. SASARAN UMUM
Sasaran umum dari perkuliahan ini adalah memberikan pemahaman kepada
mahasiswa mengenai proses penyelesaian kasus fisika dalam formulasi persamaan
linear secara komputasi numerik, dan memberikan keleluasaan wawasan tentang
beberapa metode dari sekian banyak metode yang bisa diimplementasikan.

B. SASARAN KHUSUS
Setelah perkuliahan selesai dilaksanakan, mahasiswa diharapkan mampu:
1. Memformulasikan fenomena fisis bentuk persamaan linear ke dalam formula
iteratif komputasi numerik.
2. Menyebutkan beberapa metode komputasi numerik dalam kasus penyelesaian
persamaan linear
3. Menjelaskan perilaku metode eliminasi Gauss, metode Gauss-Seidel dan matriks
Tridiagonal di dalam menanga ni kasus persamaan linear yang ditangani.
4. Mengembangkan pemahaman dengan menggunakan karakteristik metode-metode
komputasi numerik yang lain.

Äfisika-komputasi ⊇ 47

5. Meng-implementasikan metode komputasi numerik bercirikan matriks untuk
persamaan linear dalam program komputer.

C. URAIAN MATERI
Tinjau sistem linear Ax=b, yang mempunyai satu dan hanya satu
penyelesaian untuk setiap sisi kanan b, dan batasi perhatian pada sistem yang
mempunyai jumlah persamaan tepat sama dengan jumlah variabelnya, yakni untuk
matriks yang koefisiennya A dan dapat diinvers-kan.
Suatu uji coba yang seringkali dikutip untuk meneliti dapat tidaknya suatu
matriks diinverskan, didasarkan pada konsep determinan. Teorema penting yang
bersangkutan menyatakan bahwa matriks A dapat diinverskan, jika hanya jika
det(A)≠ 0 sebagaimana Dalil Cramer yang menyatakan penyelesaian dari Ax=b
dalam determinan. Nsmun demikian, determinan tidak penting untuk praktek
penyelesaian sistem linear, karena perhitungan determinan biasanya mempunyai
kesulitan yang sama dengan penyelesaian sistem linear. Karena alasan tersebut tidak
digunakan determinan dalam penyelesaian sistem linear dan juga tidak perlu
mendefinisikan determinan itu sendiri.
Metode komputasi numerik untuk penyelesaian sistem persamaan linear
dapat dibagi dalam dua jenis, langsung (direct) dan iterasi(iterative). Metode
langsung adalah metode dengan tidak adanya kesalahan pembulatan atau lain-
lainnya, akan memberikan penyelesaian yang tepat dalam jumlah operasi aritmetika
elementer yang terbatas banyaknya. Metode dasar yang digunakan adalah eliminasi
Gauss dan ada berbagai pilihan metode yang bervariasi dalam efisiensi dan
kecermatan hitungan. Metode iterasi adalah dimulai dengan pendekatan permulaan
menggunakan algoritma yang sesuai, untuk mendapatkan hasil pendekatan yang
lebih baik. Metode iterasi bervariasi dalam algoritma dan kecepatan konvergensi.
Kelebihan metode iterasi adalah kesederhanaan dan keseragamannya dari operasi
yang dilakukan.
Matriks yang berkaitan dengan sistem linear juga digolongkan dalam padat
(dense) atau longgar (sparse). Matriks padat mempunyai sedikit sekali unsur-unsur
nol, dan orde matriks itu cenderung menjadi relatif kecil– mungkin berorde 100 atau
lebih kecil. Biasanya lebih efisien untuk menangani masalah yang melibatkan

Äfisika-komputasi ⊇ 48

. .. Breadth of Application:General. ÄEliminasi Gauss (dengan pivoting) (Stability:– .. Biasanya timbul dari usaha -usaha untuk menyelesaiakan persamaan diferensial dengan metode selisih terhingga. Tingkat matriks semacam ini mungkin besar sekali. . Programming Effort:Moderat) c......  (3. ÄDekomposisi LU (Matriks Spesial–Tridiagonal) (Stability:– . Kaidah Cramer b. a1 N b1  a a 22 . Programming Effort:Mode rat) e.b] dan sistem linear itu dinyatakan sebagai berikut:  a11 a12 .. Programming Effort:Easy) 3. . Matriks longgar mempunyai sedikit sekali unsur-unsur tak nol. Koefisien-koefisien b disimpan dalam kolom N+1 dari deret ( yaitu ai....... b2 N b2   21  [ A .   a N 1 aN 2 .1)    . Precision:Excellent. ... .1 Eliminasi Gauss (dengan pivoting) Matriks menjadi skema yang efisien ketika semua koefisien sistem linear Ax=b berada dalam deret berorde Nx(N+1)... Matriks lengkap dinyatakan oleh [A.. Gauss Jordan d.N+1=bi ).. Breadth of Application:General. . antara lain: a.matriks semacam itu dengan metode langsung.Precision:Affected by Round-off error...Precision:Affected by Round-off error... dan secara ideal sangat cocok untuk penyelesaian dengan metode iterasi.. Berikut ini adalah beberapa metode di dalam menyelesaikan persamaan linear dengan pendekatan matriks. . Breadth of Application:Appropriate only for diagonally dominant system. b ] =  . a NN b N  Äfisika-komputasi ⊇ 49 . Tiap baris memuat semua koefisien yang diperlukan untuk menyatakan satu persamaan dalam sistem linear. . ÄGauss Seidel (Stability:may not converge if not diagonally dominant.

2) a 31 x1 + a 32 x2 + a 33 x 3 = b3 P(3 ) selesaikan persamaan linear silmultan diatas menggunakan metode eliminasi Gauss Solusi Tahap Pertama: Eliminasi Maju langkah pertama.b]. dapat diselesaikan dengan melakukan OBE (operasi-operasi baris elementer) pada matriks lengkap [A. Kedua. Sistem Ax=b. a21 a 31 Definisikan P21 = dan P31 = a11 a11 Äfisika-komputasi ⊇ 50 . Jika akk=0. Pertama.1 Sistem persamaan umum dengan n=3.k+2. Var iabel-variabel xk adalah pemegang posisi untuk koefisien-koefisien dan dapat dihilangkan sampai akhir perhitungan. Jika ini tidak dapat dilakukan maka sistem persamaan tidak mempunyai selesaian tunggal. Tumpuan (pivoting) adalah salah satu bentuk penyelesaian eliminasi Gauss dengan menentukan bilangan akk pada posisi (k. dituliskan sebagai berikut a11 x1 + a12 x2 + a13 x 3 = b1 P(1) a21 x1 + a 22 x 2 + a23 x 2 = b 2 P(2 ) (3. tahap eliminasi maju (forward elimination) bertujuan mengubah matriks koefisien menjadi matriks segitiga atas. adalah eliminasi xi dari P(2) dan P(3) dengan asumsi a11≠0. dan baris k harus ditukar dengan baris lainnya di bawah diagonal untuk memperoleh elemen tumpuan yang tidak nol.N.….k) untuk mengeliminasi xk dalam baris k+1. maka baris k tidak dapat dipakai untuk menghilangkan elemen-elemen pada kolom k. Operasi berikut merupakan operasi baris elementar yang dapat diterapkan pada matriks lengkap dan menghasilkan sistem yang setara. Metode eliminasi Gauss memerlukan dua tahap di dalam menyelesaikan sua tu sistem persamaan linear. adalah subtitusi balik (back subtitution). meliputi: (a) Pertukaran : urutan dua baris dapat ditukar (b) Penskalaan : Perkalian sebuah baris dengan tetapan tidak nol (c) Penggantian : Sebuah baris dapat digantikan oleh jumlah baris itu dengan kelipatan sebarang baris lainnya. Contoh 3.

Asumsikan bahwa a22’≠ 0 a 32 ' Definisikan P32 = a22 ' lakukan operasi-operasi berikut P(3) – P32* P(2) maka persamaan linear pada (3.2 Gunakan eliminasi Gauss untuk menyelesaikan 3 x1 − 0 .5) x1 = (b1 − a12 x2 − a13 x 3 ) / a11 Contoh 3.2) menjadi: a11 x 1 + a12 x 2 + a13 x 3 = b1 P(1) a 22 ' x 2 + a 23 ' x2 = b2 ' P(2 ) (3.1 x1 + 7 x 2 − 0 .1 x 2 − 0 . j = 2 .3) a 32 ' x2 + a 33 ' x 3 = b 3 ' P(3 ) koefisien-koefisien aij’ didefinisikan oleh a ij ' = a ij − Pi1 a1 j i. 3 P(2 ) (3. 4 P(3 ) bawa 6 angka signifikan selama komputasi Äfisika-komputasi ⊇ 51 .lakukan operasi-operasi berikut P(2) – P 21 * P(1) dan P(3) – P 31 * P(1).4) a 33 " x 3 = b 3 " P(3 ) koefisien-koefisien yang baru didefinisikan oleh a 33 "= a 33 ' −P32 a 23 ' i.2 x 3 = 7. 2 x2 + 10 x 3 = 71 . maka persamaan linear pada (3. j = 2 . secara beruntun didapatkan x1 . 85 P(1) 0 .x2 dan x3 : x 3 = b 3 " / a 33 " x 2 = (b2 ' − a23 ' x 3 ) / a 22 ' (3. 3 x 3 = −19 .6) 0 .3) menjadi: a11 x 1 + a12 x 2 + a13 x 3 = b1 P(1) a 22 ' x 2 + a 23 ' x2 = b2 ' P(2 ) (3. 3 b i ' = b i − Pi1 b1 i = 2 . 3 x1 − 0.3 Tahap Kedua: Subtitusi Balik Dengan subtitusi balik.3 Langkah kedua adalah eliminasi x2 dari P(3). 3 b 3 " = b2 ' −P32 b2 i = 2 .

+ a 2 n ' x n = b2 ' (3. 00000 3 Langkah-langkah untuk n=3 pada contoh 3. 293333 x 3 = −19 .1(−2 . sehingga sistem tereduksi menjadi bentuk segitiga atas sebagai berikut: 3 x1 − 0.7) − 0 .19000/7. 5617 P(2 ) (3.2 (7.85 + 0 .3/3*P(1) akan memberikan perubahan pada persamaan 3. 50000 ) + 0 .2 secara mudah dapat diimplementasikan untuk sistem n persamaan linear yang tidak singular.. 00333 7. 00003 ) x1 = = 3. x2 harus dihilangkan dari P(3) dengan operasi P(3)–0.. Äfisika-komputasi ⊇ 52 . 85 P(1) 7. 0843 P(3 ) Tahap Kedua: Subtitusi Balik 70 . + a1 n x n = b1 a 22 ' x 2 + a23 ' x 2 + . 2 x 3 = 7.0200 x 3 = 70 . dimana matriks segitiga atas karena proses eliminasi dituliskan. 0200 x 3 = 70 .6 menjadi: 3 x1 − 0 . + a 3 n " x n = b 3 " .1 dan 3.190000 x 2 + 10 .8) 10 . 00003 ) x2 = = −2 .. 00333 x 2 − 0 .1 x2 − 0.solusi Tahap Pertama: Eliminasi Maju Operasi-operasi eliminasi adalah P(2)–0.2 x 3 = 7.. 0843 x3 = = 7..1 x 2 − 0 . . 0200 − 19 ..00333*P(2).. 00333 x 2 − 0 . 50000 7.1/3*P(1) dan P(3)–0.85 P(1) 7..9) a33 " x 3 + ..6150 P(3 ) Untuk melengkapi eliminasi maju.293333 (7.293333 x 3 = −19 . 00003 10 . 5617 + 0 . a11 x1 + a12 x 2 + a13 x 3 + . 5617 P(2 ) (3. a nn ( n −1 ) x n = b n ( n −1 ) dan persamaan subtitusi balik..

.xj END DO xi=(bi–sum)/a i.3 Buatlah program untuk menyelesaikan set persamaan simultan dalam bentuk matriks berikut dengan eliminasi Gauss ! 0 −1 2 0 − 2 2 − 1 0   − 2 4 3 1  Solusi Äfisika-komputasi ⊇ 53 ... dengan formula: n bi ( i −1 ) − ∑a ij ( i −1 ) xj j = i +1 xi = ( i −1 ) untuk i = n − 1.11) a ij Algoritma Eliminasi Gauss Pseudocode untuk implementasi eliminasi Gauss dan proses subtitusi balik disajikan dibawah ini: DO k=1.n factor=a i k/a k.bk END DO END DO xn=b n/an.a k.j=a i.1. b n ( n −1 ) xn = ( n −1 ) (3.n DO i=n–1.j END DO b i=b i–factor.j.10) a nn Hasilnya kemudian disubtitusi balik pada persamaan yang ke (n–1).–1 sum=0 DO j=i+1.1 (3.j–factor..k DO j=k+1 to n a i.n sum=sum+ai.j END DO Contoh 3.n–1 DO i=k+1. Prosedurenya akan berulang untuk mengevaluasi nilai-nilai x. n − 2.

1} }. } void gauss (n.h> #include <math. i<=n. exit(0). printf ( “ ----------------------------------------------------------------\n”). } printf ( “\n”). static float a_init[10][11]= { { 0. a) int n. printf ( “ -----------------------------------------------------------------\n\n”). a). i++ ) printf ( “ %5d %16. i++) { for ( j=1. kc<= (n+1).h> #define TRUE 1 /* a[i][j] : elemen matriks. a[I.j] n : orde matriks */ main() { int i. r.h> #include <stdlib. jr<=n. static int _aini = 1. for ( i=1./* Eliminasi Gauss */ #include <stio. for ( i = 1. {–2. i++){ for (jr = i+1. printf ( “ Solusi\n”). for ( i=1. } gauss ( n. i. 4. for (kc = i + 1. –1. jc. a[i] [n+1] ). –1. j<= n+1. printf (“ Elemen Matriks\n”). 2. va. pv. double a[ ] [11]. i < =(n-1). 3. 0}. a[i][j] ). { int i. _r. temp. static n=3. kc. a[jr][kc] = a[jr][kc] – r* a[i][kc]. void gauss(). i<=n. printf ( “ Eliminasi Gauss \n\n”). j. tm. j.6e\n”. printf( “ %12. {–2. nv. _i. 2.5”. jr++){ /* eliminasi dibawah diagonal */ if ( a[jr][i] ! = 0 ) { r = a[jr][i] / a[i][i]. } Äfisika-komputasi ⊇ 54 . printf ( “ ----------------------------------------------------------------\n”). 0}. j++ ) { a[i][j]=a_init[i– 1][j– 1]. double a[10][11]. k. printf ( “ i x(i)\n”). kc++){ temp = a[jr][kc].

} } } for ( i=1. Äfisika-komputasi ⊇ 55 . k++) { va=va–a[nv][k]*a[k][n+1].250000e –01 --------------------------------------------------------------------------------- 3. nv >=1. for ( k=nv+1. ditunjukkan berikut ini. k <= n.750000e+00 3 1.00000e+00 1.00000e+00 0. persamaan kedua sebagai x2 dan persamaan ketiga sebagai x3. for ( nv=n–1.00000e+00 –2.2 Metode Gauss-Seidel Dalam sub-bahasan ini akan dibahas metode penyelesaian sistem persamaan linear secara tak langsung atau iteratif. i++){ /* subtitusi balik */ a[n][n+1] = a[n] [n+1]/a[n][n]. Metode perhitungan secara langsung sudah dibahas dalam sub-bahasan di depan. } a[nv][n+1] = va/a[nv][nv].00000e+00 Solusi -------------------------------------------------------------------------------- I x[i] --------------------------------------------------------------------------------- 1 2. nv– –){ va = a[nv][n+1]. i<=n.00000e+00 0.00000e+00 3.00000e+00 4. yaitu eliminasi Gauss. dengan asumsi merupakan persamaan 3x3.00000e+00 –1.187500e+00 2 1.00000e+00 –2. Metode Gauss-Seidel adalah metode iteratif yang secara luas telah digunakan sebagai alternatif metode eliminasi.0000e+00 2. } return. Tinjau satu set dari n persamaan: [A]{X}={B}. } } Hasil program Elemen matriks 0.00000e+00 –1.00000e+00 2. persamaan pertama bisa diselesaikan sebagai x1. Jika elemen diagonal tidak nol dan nilainya tidak diketahui.

15) 0 . 3 (3.1 x 2 + 0 .13b) 7 Äfisika-komputasi ⊇ 56 .1 x 2 + −0 .1 x1 + 0 . maka didapatkan nilai baru untuk x1=b 1/a 11.13a) 3 − 19 . x2=–2.5 dan x3=7 Solusi pertama. 3 x1 − 0.12c) untuk mendapatkan nilai baru x3. Langkah sederhana untuk menentukan nilai coba dengan mengasumsikan bahwa semua nilai awal adalah nol.85 0 . Kemudian kita subtitusikan nilai baru x1 dan nilai awal bernilai nol untuk x3 pada persamaan (3. Jika disubtitusikan pada persamaan (3. dimana j dan j– 1 adalah iterasi saat itu dan sebelumnya. Kemudian kembali diulang untuk persamaan dan prosedur berulang sampai penyelesaian konvergen cukup rapat untuk nilai kebenaran. 2 x 3 x1 = (3.1 x1 + 7 x 2 − 0 .12c) a 33 Tahap selanjutnya dimulai proses penyelesaian dengan memilih nilai coba untuk x.12a) a11 b 2 − a 21 x1 − a23 x 3 x2 = (3. i = j 100 % < e s xi untuk semua i. Konvergensi bisa dicek menggunakan kriteria x i j − x i j −1 e a. 4 solusi acuan yang benar adalah x1=3. b1 − a12 x 2 − a13 x 3 x1 = (3.3 x 3 x2 = (3.12b) a 22 b 3 − a 31 x1 − a 32 x2 x3 = (3. Contoh 3.12a).4 Pandang suatu sistem persamaan 3 x1 − 0 .85 + 0 . 3 x 3 = −19 . 2 x2 + 10 x 3 = 71 . 3 − 0 .12b) untuk menghitung nilai baru x2.2 x 3 = 7. selesaikan setiap persamaan untuk diagonal yang belum diketahui 7. Proses diulang pada persamaan (3.

n.3 x1 + 0 .794524 ) x3 = = 7.85 + 0 + 0 x1 = = 2.imax.13c) 10 dengan asumsi x2 dan x3 adalah nol. 71 .2 (7.2 x2 x3 = (3.1(−2 .2( −2. 499625 et = 0.990557 ) + 0.n Äfisika-komputasi ⊇ 57 .lambda) DO i=1. konvergen pada nilai benar. 3(2.1(2.794524 7 iterasi pertama dilengkapi dengan subtitusi hasil perhitungan nilai x1 dan x2 ke dalam persamaan (3. proses yang sama berulang dan memberikan hasil berikut: 7. 499625 ) x3 = = 7.j=a i.13a) menjadi 7. 31 % 3 − 19 .3(7.b.i DO j=1. Kelanjutan iterasi akan memberikan jawaban yang lebih tepat. 3(2. 61667 ) + 0.005610 ) x2 = = −2. 4 − 0 .n sum= bi DO j=1.3 − 0.4 − 0 . 042 % 10 metode ini. 000291 et = 0. 990557 ) + 0 .616667 3 nilai ini dan asumsi x3=0.x. 005610 ) x1 = = 2.794524 ) + 0 . 2( −2. 990557 e t = 0 .n dummy =a i. lebih jauh.12b) memberikan hitungan − 19 .616667 ) + 0 x2 = = −2.85 + 0 . 4 − 0 .es. 015 % 7 71 . disubtitusikan pada (3.j /dummy END DO b i=b i /dummy END DO DO i=1.3 − 0. Algoritma Gauss-Seidel Pseudocode untuk implementasi metode Gauss-Seidel disajikan dibawah ini: SUBROUTINE Gseid(a.1(2. n a i. maka (3.12c) berikut 71 . 005610 10 Untuk iterasi kedua.

THEN ea=ABS((xi–old)/xi)*100. Matriks pita yang terkecil adalah yang lebar pitanya tiga atau dikenal sebagai matriks tridiagonal. Lebar pita adalah maksimum banyaknya elemen taknol pada baris- baris suatu matriks pita.–lambda)*0ld IF sentinel= 1 AND xi ≠ 0. Äfisika-komputasi ⊇ 58 .n old=x i sum=bi DO j=1. IF ea>es THEN sentinel=0 END IF END DO iter=iter+1 IF sentinel=1 OR (iter ≥ imax) EXIT END DO END Gseid 3. IF i≠j THEN sum=sum–a i. seperti ditunjukkan pada persamaan (3.xj END DO xi=sumj END DO iter=1 DO sentinel=1 DO i=1. Salah satu bentuk matriks yang elemen nolnya berpola adalah matriks pita (banded matrix).n IF i≠j THEN sum=sum– a i.12) sebagai Sistem linear tridiagonal NxN.xj END DO xi=lambda*sum+(1.j.3 Matriks spesial Tridiagonal & Nilai Eigen Banyak masalah terapan melibatkan matriks dengan kebanyakan elemennya nol.j.

Pivoting tidak diperlukan. Setelah eliminasi akan dihasilkan matriks bidiagonal atas.12) .   .   . .. Agar metode lebih efisien diperlukan modifikasi. Seperti pada dekomposisi konvensial LU. karena pada umumnya persamaan (3. Beberapa metode bisa digunakan untuk menyelesaikan sistem tridiagonal.   . subtitusi maju dan subtitusi balik. .. .rk–1 END DO (c) Subtitusi Balik xn=rn/fn DO k=n –1.12) yang dijumpai dalam praktek bersifat dominan secara diagonal. algoritma terdiri dari tiga langkah yaitu dekomposisi.12) maka banyak operasi yang sebenarnya tidak perlu dilakukan. diantaranya adalah Secant. . Metode yang efisien untuk menyelesaikan sistem tridiagonal diantaranya adalah algortima Thomas (Thomas Algorithm).    .–1 Äfisika-komputasi ⊇ 59 .n ek=ek/fk–1 fk=fk –ek..   ...   . Berikut ini adalah algoritma Thomas: (a) Dekomposisi DO k=2. Akhir bahasan pada studi kasus akan disinggung tentang nilai eigen dan fungsi eigen untuk partikel yang berada dalam sumur potensial.  f1 g1   x1   r1  e f2 g2   x   r  2   2   2   e3 f3 g3   x 3   r3         . Di fisika seringkali dijumpai kasus penyelesaian nilai eigen dan fungsi eigen dari suatu fungsi keadaan.      =  (3. ....gk–1 END DO (b) Subtitusi Maju DO k=2.. .       e N −1 f N −1 g N −1   x N −1  rN −1     x N   rN   eN f N      Jika eliminasi Gauss langsung diterapkan pada sistem (3.1. Gauss Seidel dan lainnya tergantung dari korelasi perilaku elemen matriks tridiagonal.   .n rk=rk–ek.

xk=(rk–gk.8    T 4  200 . 323  dan dekomposisi LU memberikan  1  2 .717 f 4 = 2.645 1.645 )(−1) = 1.717 )(−1 ) = 1. 49 )40 . 996 Äfisika-komputasi ⊇ 60 . 8 = 20 .04 − (−0 .04  Solusi Pertama. 645 f 3 = 2 . 323 kemudian matriks bertransformasi menjadi  2. dekomposisi diimplementasikan sebagai berikut e2 = −1 / 2.717 1  1.4 Selesaikan sistem tridiagonal berikut dengan algoritma Thomas 2 .04       =  (3.13)  −1 2 .550 −1  [ A ] = [L ][U ] =      − 0 .8   2 . 04 −1  − 0 .8   −1 2 . 550 −1     − 0 . 49 1   1. 8   −1 −1   T 2   0 . 04 −1  − 0 . 04 −1   T 3   0 . 395 e 4 = −1 / 1.8 − ( −0 . 04 −1   T 1   40 . 49 1. 395 −1     − 0 . 550 = −0 . 8 r3 = 0 .xk+1)/fk END DO Contoh 3. 550 e3 = −1 / 1. 645 1   1. 04 = −0 .8 − ( −0 . 49 )(−1 ) = 1. 8 − (−0 . 49 f 2 = 2 .221 r4 = 200 .645 )20 . 395 −1       − 0 . 04 − (−0 .717 )14 .8 = 14 . 04 − (−0 .221 = 210 . 395 = −0 .323  Subtitusi maju me mberikan perhitungan: r2 = 0 .717 1.

dalam hal ini dipilih MATLAB (MATrix LABoratory ) sebagai fasilitas manipulasi matriks. T 4 = 210 . dan sistem tridiagonal pada persamaan (3.1. 1 proses MATLAB dalam menyelesaikan sistem tridiagonal ::: Studi Kasus Fisika::: Äfisika-komputasi ⊇ 61 .800 − (−1 )124 .778 T 1 = [40 . 996 / 1.221  210 . 538 ] / 1.323 = 159 . 48 ] / 1. 480 T 3 = [14 . 395 = 124 . seperti pada gambar 3.8    dan modifikasi vektor    14 .13) diselesaikan dengan sangat akurat.778 ] / 2. 970 Jawaban dari algoritma Thomas ini bisa dicek dengan menggunakan software komputasi populer.800 − (−1 )93 . 8   20 . 550 = 93 .  40 . 538 T 2 = [20 . Gambar 3.996  yang kemudian digunaka n dalam konjungsi dengan matriks U dalam subtitusi balik dan memberikan solusi. 040 = 65 .221 − (−1)159 .

15) − i65 R 65 − i 52 R 52 + i12 R 12 − 200 = 0 Lebih lanjut sejumlah permasalahan diselesaikan dengan enam set persamaan dimana terdapat enam besaran arus yang tidak diketahui. maka asumsi arah tentunya diperbaiki. 2. Jika hasil dari kaidah Kirchoff negatif. kaidah Kirchoff tentang arus pada setiap node memberikan: i12 + i 52 + i 32 = 0 i 65 − i52 − i 54 = 0 (3. arah dicari pada tiap aliran arus. digunakan kaidah Kirchoff tentang arus dengan formulasi: ∑i = 0 dan kaidah Kirchoff tentang tegangan dalam loop: ∑ξ − ∑ iR = 0 . dimana ξ adalah gaya gerak listrik dari sumber tegangan.14) i 43 − i32 = 0 i 54 − i 43 = 0 dan kaidah tegangan pada 2 loop adalah: − i 54 R 54 − i 43 R 43 − i 32 R 32 + i 52 R 52 = 0 (3. 3 10 Ω 2 5Ω 1 3 2 1 V1=200 V i32 i12 5Ω 10 Ω i43 i52 i54 i65 V6=0 V 4 15 Ω 5 20 Ω 66 4 5 6 [a] [b] Gambar 3. Arus dalam rangkaian belum diketahui baik besar maupun arahnya.Bukan menjadi persoalan yang rumit karena dengan asumsi yang sederhana. Tinjau rangkaian pada gambar 3. seperti terlihat pada pemodelan Äfisika-komputasi ⊇ 62 . Arus dan Tegangan dalam Rangkaian Resistor Untuk menentukan besar arus dan tegangan pada rangkaian kombinasi resistor. 2 [a] Rangkaian resistor dievaluasi dengan persamaan linear simultan. dan [b] Asumsi arah arus Berdasarkan asumsi pada gambar 3.2 [b].

15 V 123.6154 i 32 = −1. sistem ini amat mudah ditangani dengan metode eliminasi.matriks. tipe kasus seperti ini menjadi lebih sederhana. 5385 i 65 = −6 .5385 i=6. Nilai Eigen dan Fungsi Eigen pada Sumur Potensial Solusi Persamaan Schrodinger Dimensi Satu dalam sistem Kuantum Äfisika-komputasi ⊇ 63 . 3 Besar dan arah arus dan tegangan pada rangkaian resistor Lebih lanjut. 1 1 1 0 0 0   i12   0  0    0  −1 0 1 −1 0  i 52      0 0 −1 0 0 1  i 32   0    =  0 0 0 0 1 − 1  i 65   0  0 10 − 10 0 − 15 − 5  i54   0       5 − 10 0 − 20 0 0  i 43  200  Selanjutnya dalam kasus ini. 5385 besar dan arah arus dan tegangan pada node dan loop ditunjukkan pada gambar dibawah: 153.23 V V1=200 V i=1. 5385 i 43 = −1.08 V 6 Gambar 3.1538 i 54 = −1.1538 V6=0 V 146. Disamping tidak praktis diselesaikan dengan tangan. dengan menggunakan algoritma komputasi numerik dan pemrograman komputer. solusi didapatkan: i12 = 6 .85 V 169.1538 i 52 = −4 .

18) ψ1 + h 2 (λ − v 2 ) − 2 ψ2 +ψ3 = 0 (3. ∂ 2ψ( x ) 2 m + (E − V )ψ( x ) = 0 (3.20) dimana v1 adalah potensial di titik i. (3.18). 2 mb 2 2 mb 2 maka diperoleh ∂ 2ψ( y) + (λ − v )ψ(y ) = 0 (3. dan Vo E adalah nilai eigen. Dengan menerapkan syarat batas ψo = 0 pada x=–b atau y=–1 dan ψn = 0 pada x=b atau y=1.20) yaitu sistem tridiagonal sebagai berikut. Äfisika-komputasi ⊇ 64 .V=∞ V=∞ Persamaan Schrodinger tak tergantung waktu menjadi acuan dalam kasus ini.16) ∂x 2 h dimana ψ(x ) adalah fungsi eigen.19) dan (3.V = v dan x = by . Dilakukan normalisasi de ngan –b –a 0 a b mensubtitusikan: h2 h2 E=λ .19) dan seterusnya hingga ψn −2 + h 2 ( λ − v n −1 ) − 2 ψn −1 +ψn = 0 (3.17) ∂y2 dengan mengubah persamaan (3. memberikan persamaan iterasi berikut: ψo + h 2 (λ − v1 ) − 2 ψ1 +ψ2 = 0 (3.17) ke dalam bentuk komputasi numerik. maka didapatkan bentuk lain dari persamaan (3.

24) dan seterusnya hingga diperoleh aturan umum untuk mencari setiap sub determinan ini. .22)  . Agar tidak trivial maka determinan tidak boleh sama dengan nol. sehingga Äfisika-komputasi ⊇ 65 .  ψn −2    ψn −1  Perkalian matriks koefisien dalam sistem tridiagonal dengan matriks fungsi sama dengan nol.P1 − 1 (3.23)   P2 = h 2 (λ − v2 ) − 2 . h 2 (λ − v1 ) − 2 1    h (λ − v2 ) − 2 2  1 1   1 h (λ − v 3 ) − 2 2 1     . Penyelesaian matriks diatas akan trivial jika determinan matriks paling kiri tidak sama dengan nol.26) 1 Persamaan (3. Determinan matriks dapat dihitung dengan cara membuat sub-sub determinan yang dihitung sebagai berikut: P1 = h (λ − v1 ) − 2 2 (3... yaitu   Pn = h (λ − v n ) − 2 .21) dengan matriks fungsi sebagai berikut :  ψ1  ψ   2   ψ3    (3.21) adalah n −1 P = C Pi = 0 (3. ..26) ini merupakan polinom sehingga untuk menyelesaikannya dapat digunakan metode Secant dalam mencari akar-akar sebuah polinom.Pn −1 − Pn −2 2 (3.   1 h (λ − v n −2 ) − 2 2 1     1 h 2 (λ − v n −1 ) − 2  (3.25) Sehingga determinan keseluruhan dari matriks pada persamaan (3.

2) Carilah parabol y=A+Bx+Cx2 yang melalui tiga titik: (1. Untuk setiap nilai λ disubtitusikan ke matriks (3.26). Äfisika-komputasi ⊇ 66 . D.3) Menggunakan eliminasi Gauss dengan pivoting selesaikan sistem persamaan linear berikut: 2 x1 + 4 x2 − 6 x 3 = −4 x1 + 5 x 2 + 3 x 3 = 10 x1 + 3 x 2 + 2 x 3 = 5 (3.1) Selesaikan sistem segitiga atas berikut ini: 4 x1 − x2 + 2 x3 − 2 x4 − x 5 = 4 3 x1 − 2 x 2 + x 3 − x 4 = 8 − 2 x2 + 6 x3 + 2 x 4 + 7 x5 = 0 4 x 2 − x 3 + 2 x 4 = −3 x3 − x 4 − 2 x5 = 3 2 x 3 + 3 x 4 = 15 2 x 4 − x 5 = 10 5 x 4 = 15 3x 5 = 6 (3.27) merupakan nilai-nilai eigen dari partikel-partikel pada kasus sumur potensial. y dan z sampai iterasi ke -tiga pada matriks berikut .27) P( λi ) − P(λi −1 ) Nilai-nilai λ yang diperoleh dari persamaan (3. Adapun subtitusi nilai awal untuk metode Gauss Seidel (sebagaimana lazimnya metode Gauss Seidel) diberikan nilai –1 dan seterusnya. (2. Adapun metode Secant dalam formula iteratifnya adalah λi − λi −1 λi +1 = λi − P(λi ) (3. dan dengan menggunakan metode Gauss Seidel bisa diperoleh fungsi eigen gelombang untuk λ terkait.4) Mulai dengan semua nila i awal nol gunakan iterasi Gauss-Seidel untukmencari nilai x.4).didapat nilai-nilai λ yang memenuhi persamaan (3. Dengan demikian proses penyelesaian secara komputasi numerik memenuhi persyaratan penyelesaian sebagaimana penyelesaian analitik untuk persamaan Schrodinger. hingga akhirnya diperoleh satu buah nilai coba yang dapat memberikan nilai fungsi-fungsi gelombang yang ternornalkan.21). SOAL_SOAL (3.14) (3.7) dan (3.

. and J. D. Prentice -Hall Inc. and F.M. Computational Physics. Addison-Wesley Inc. Science and Engineering . dengan metode yang dimaksud. R.. Computing for Engineers and Scientists with Fortran 77. An Introduction to Numerical Computations.5) Buatlah program untuk studi kasus pertama dan kedua. S. Numerical Methods for Mathematics.C. E. 1993 Yakowitz..C. and Canale. Szidarovszky. 1984 Morris. DAFTAR PUSTAKA Chapra.. 1985 Koonin.. 1998 James. Applied Numerical Methods for Digital Computations. S. 3rd ed.H. Applied Numerical Methods in C . D.. 1983 Nakamura.L. M. Smith. Wiley. 1992 McCracken. J.. Macmillan. Numerical Methods for Engineers . McGraw-Hill.. Wolford. S..J. Computational Methods in Elementary Numerical Analysis.P.. Harper & Row.E. G. Wiley. 1986 Äfisika-komputasi ⊇ 67 . 1986 Mathews.L. 5 x − y + z = 10 2 x + 8 y − z = 11 − x + y + 4z = 3 Apakah iterasi Gauss Seidel akan konvergen ke selesaian? (3. Prentice-Hall Inc. S.