MAKALAH
SISTEM PERSAMAAN LINEAR
OLEH :
KELOMPOK IV (EMPAT)
Persamaan Linear” tepat pada waktunya. Tujuan makalah ini ialah agar dapat
menambah pengetahuan para mahasiswa. Selain itu juga harapan penulis setelah
membuat makalah ini agar mahasiswa lebih mengetahui dan memahami lebih
yang Tak Retak”, begitu juga dalam pembuatan makalah ini masih jauh dari
kesempurnaan. Oleh karena itu penulis menerima kritik serta saran yang bersifat
mendatang.
Penulis
i
DAFTAR ISI
SAMPUL .........................................................................................................
KATA PENGANTAR ..................................................................................... i
DAFTAR ISI .................................................................................................... ii
BAB I PENDAHULUAN ................................................................................ 1
1.1. Latar Belakang .......................................................................................... 2
1.2. Rumusan Masalah ..................................................................................... 2
1.3. Tujuan ....................................................................................................... 2
1.4. Manfaat ..................................................................................................... 2
BAB II PEMBAHASAN ................................................................................. 3
2.1. Matriks Dan Operasi Matriks .................................................................... 3
2.2. Eliminasi Gauss Naif................................................................................ 6
2.3. Metode Iteratif ........................................................................................... 13
BAB III PENUTUP ......................................................................................... 23
3.1. Kesimpulan ............................................................................................... 23
3.2. saran .......................................................................................................... 24
DAFTAR PUSTAKA
ii
BAB I
PENDAHULUAN
1.1. Latar Belakang
1
Komputasi adalah kegiatan mendapatkan penyelesaian atau solusi atas
persoalan yang dinyatakan dalam model matematis. Teknik komputasi adalah
perangkat ilmu tentang alat (biasanya sebuah komputer), metode (yang disebut
algoritma) dan teori (bukti matematis bahwa komputasi memberi hasil yang
benar) yang diperlukan untuk melaksanakan komputasi tersebut. Teori Komputasi
dapat dianggap sebagai model penciptaan dari seluruh cabang dalam bidang ilmu
komputer (computer science). Maka dari itu, logika dan matematika digunakan
dalam teori komputasi sehingga diperkenalkan konsep-konsep pemrograman yang
sering digunakan, tool untuk melakukan perhitungan, dan beberapa algoritma
pada matematika komputasi.
1.2. Rumusan Masalah
2
BAB II
PEMBAHASAN
untuk yang tidak diketahui 𝑥1, 𝑥2, . . . , 𝑥𝑛, diberi koefisien 𝑎𝑖𝑗, 𝑖, 𝑗 = 1, 2 , . . . , 𝑛
DEFINISI 4.1 Matriks n oleh m adalah array persegi panjang dari bilangan real
atau kompleks yang dapat ditulis sebagai :
3
𝑎𝑖𝑗 menunjukkan elemen atau entri yang terjadi di baris 𝑖 dan kolom 𝑗 dari
𝐴, dan Ukuran matriks dijelaskan dengan menentukan jumlah baris dan kolom itu
terjadi dalam matriks. Jika sebuah matriks hanya memiliki satu baris, kita
menyebutnya vektor baris, dan 𝑎 matriks yang hanya memiliki satu kolom disebut
vektor kolom. Huruf kapital akan menjadi digunakan untuk menunjukkan matriks
dan huruf kecil untuk menunjukkan entri mereka.
Matriks 𝐴 dengan 𝑛 baris dan kolom 𝑛 disebut matriks kuadrat dari urutan
𝑛, dan elemen 𝑎11, 𝑎22, . . . , 𝑎𝑛𝑛 disebut diagonal utama 𝐴.
Contoh 4.1
Membiarkan
−1 3 4 0 𝜋
𝐴 = [ 5 − 6 2 7 ] , 𝐵 = [1 −3 4 2], 𝐶 = [3 ]
3 0 1 2 0
DEFINISI 4.2
𝑖) Jika 𝐴 dan 𝐵 adalah dua matriks orde 𝑛 × 𝑚, maka jumlah 𝐴 dan 𝐵 adalah
𝑛 × 𝑚 matrix 𝐶 = 𝐴 + 𝐵 yang isinya adalah
𝑖𝑖) Jika 𝐴 adalah matriks orde 𝑛 × 𝑚 dan 𝜆 bilangan real, maka produk dari 𝜆
dan 𝐴 adalah n × m matrix 𝐶 = 𝜆𝐴 yang isinya adalah
𝑐𝑖𝑗 = 𝜆𝑎𝑖𝑗
𝑖𝑖𝑖) Jika 𝐴 adalah matriks orde 𝑛 × 𝑚 dan 𝐵 adalah matriks orde 𝑚 × 𝑝, maka
matriks produk dari 𝐴 dan 𝐵 adalah matriks 𝑛 × 𝑝,𝐶 = 𝐴𝐵 yang isinya
𝑚
4
𝑐𝑖𝑗 = 𝑎𝑗𝑖
Jika
1 −2 4 0 3 −7
𝐴=[ ],𝐵 = [ ]
3 5 −6 1 −3 8
Maka
1 1 −3 0 −9 21
𝐴+𝐵 =[ ] , −3𝐵 = [ ],
4 2 2 −3 9 − 24
1 3
1 −5 11
𝐴−𝐵 =[ ] , 𝐴𝑇 = [−2 5]
2 8 − 14
4 −6
Jika
1 3 −1 2 1
𝐴 = [2 0 − 1 ] , 𝐵 = [−3 2]
4 2 −2 3 0
Maka
−10 7 3 1 −2
𝐴𝐵 = [ 1 2 ] , 𝐴𝐴 = 𝐴2 [ −2 4 0]
−4 8 0 8 −2
Jadi,
1 −2 −1
𝑈=[0 3 6]
0 0 2
5
main diagonal adalah nol, matriks disebut matriks diagonal. Contoh dari 𝑎 matriks
diagonal adalah
1 0 ⋯ 0
0 1 ⋱ ⋮
𝐼𝑛 = [ ]
⋮ ⋱ ⋱ 0
0 ⋯ 0 1
Program Matlab
clc;
clear;
A=input('Masukkan elemen matriks A = ');
B=input('Masukkan elemen matriks B = ');
A
B
disp('Penjumlahan matriks')
C=A+B
disp('Perkalian dengan skalar')
D=3.*A
disp('Transpose matriks')
E=transpose(A);
E
Hasil run:
𝐴𝑥 = 𝑏.
6
(1) (1) (1) (1)
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑥1 𝑏1
⋯ 𝑎2𝑛 [𝑥2 ] = 𝑏2
(1) (1) (1) (1)
𝑎21 𝑎22 (4.3)
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(1) (1) (1) 𝑥𝑛 (1)
[𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 ] [𝑏𝑛 ]
(1)
Langkah 1: Asumsi 𝑎11 ≠ 0. Maka penggandaan baris dengan
(1)
𝑎𝑖1
𝑚𝑖1 = (1)
𝑎11
Lipat gandakan baris pertama dengan 𝑚𝑖1 dan kurangi dari baris ke-𝑖(𝑖 =
2, . . . , 𝑛) untuk mendapatkan
Di sini, baris pertama 𝐴 dan 𝑏 dibiarkan tidak berubah, dan entri dari kolom
(1)
pertama dari 𝐴 di bawah ini 𝑎11 diatur ke nol.
(𝑘)
Langkah 𝑘: Asumsikan 𝑎𝑘𝑘 ≠ 0. Maka pengganda baris dengan
(𝑘)
𝑎𝑖𝑘
𝑚𝑖𝑘 = (𝑘)
𝑎𝑘𝑘
7
Lipat gandakan baris k dengan mik dan kurangi dari baris ke-𝑖(𝑖 = 𝑘 +
1, . . . , 𝑛) untuk mendapatkan
Pada langkah ini, entri kolom 𝑘 di bawah elemen diagonal diatur ke nol, dan baris
1 sampai 𝑘 dibiarkan tidak terganggu. Hasil dari sistem yang ditransformasikan
adalah
(𝑛)
𝑏𝑛
𝑥𝑛 = (𝑛)
𝑎𝑛𝑛
(𝑛−1) (𝑛−1)
𝑏𝑛−1 − 𝑎𝑛−1,𝑛 𝑥𝑛
𝑥𝑛−1 = (𝑛−1)
𝑎𝑛−1,𝑛−1
(𝑖) (𝑖) (𝑖)
𝑏𝑖 − (𝑎𝑖,𝑖+1 𝑥𝑖+1 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 )
𝑥𝑖 = (𝑖)
𝑎𝑖𝑖
8
(𝑖) (𝑖)
𝑏𝑖 − ∑𝑛𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
= (𝑖)
, 𝑖 = 𝑛 − 2, 𝑛 − 3, … ,1.
𝑎𝑖𝑖
Keterangan : Dalam algoritma eliminasi Gaussian yang dijelaskan di
atas, kami menggunakan persamaan dalam tatanan alami mereka dan kami
(𝑘)
mengasumsikan pada setiap langkah bahwa elemen pivot 𝑎𝑘𝑘 = 0. Jadi algoritma
gagal jika elemen pivot menjadi nol selama proses eliminasi. Untuk menghindari
pivot nol yang tidak disengaja, kami menggunakan metode Eliminasi gaussian
dengan pivot parsial berskala. Metode ini akan dijelaskan di bagian selanjutnya.
Langkah 𝑘 membutuhkan
Dan
𝑛3 −𝑛
operasi yang diterapkan pada matriks A
3
dan
9
𝑛2 −𝑛
operasi yang diterapkan pada matriks b
2
𝑛(𝑛+1)
operasi untuk solusi sistem segitiga
2
LEMMA 4.1
𝑛3 𝑛
+ 𝑛2 −
3 3
Oleh karena itu, untuk 𝑛 besar jumlah total operasi adalah sekitar 𝑛3 / 3.
Contoh Soal:
1 1 1 1 𝑥1 10
2 3 1 5 𝑥2
[−1 ] [ ] = [ 31 ]
1 −5 3 𝑥3 −2
3 1 7 −2 𝑥4 18
Matriks yang diperbesar bersama dengan pengganda baris mi1 adalah
Pivot elemen→ 1 1 1 1 10
𝑚21 = 2 2 3 1 5 31
𝑚31 = -1 [−1 | ]
1 −5 3 −2
𝑚41 = 3 3 1 7 −2 18
10
Mengurangi kelipatan dari persamaan pertama dari tiga lainnya memberi
Pivot elemen→ 1 1 1 1 10
𝑚32 = 2 0 1 −1 3 11
[0 | ]
𝑚42 = -2 2 −4 4 8
0 −2 4 −5 −12
Mengurangi kelipatan, dari persamaan kedua dari dua yang terakhir, berikan
Pivot elemen→ 1 1 1 1 10
𝑚43 = -1 0 1 −1 3 11
[0 | ]
0 −2 −1 −14
0 0 2 1 10
Mengurangi kelipatan, dari persamaan kedua dari dua yang terakhir, berikan...
𝑥4= −4
=4
−1
𝑥3= −14+2𝑥4 −6
= −2=4
−2
𝑥2= 11+𝑥3−3𝑋3=11+3−12=2
𝑥1= 10−𝑥2−𝑋3−𝑥4=10−2−3−4=1
11
A=[1 1 1 1;2 3 1 5;-1 1 -5 3;3 1 7 -2];
b=[10 31 -2 18]';
A
B
n=length(b);
x=zeros(n,1);
fprintf('\n');
disp(' The augmented matrix is')
augm =[A b]
for k=1:n-1
for i=k+1:n
m=A(i,k)/A(k,k);
for j=k+1:n
A(i,j)=A(i,j)-m*A(k,j);
end
A(i,k)=m;
b(i)=b(i)-m*b(k);
end
end
x(n)=b(n)/A(n,n);
for i=n-1:-1:1
S=b(i);
for j=i+1:n
S=S-A(i,j)*x(j);
end
x(i)=S/A(i,i);
end
% Print the results
fprintf('\n');
disp(' The transformed upper triangular augmented matrix C is =')
fprintf('\n');
for i=1:n
for j=1:n
if (j<i) A(i,j)=0; end
end
end
C=[A b]
fprintf('\n');
disp(' The vector solution is =')
x
12
Hasil run:
13
metode berulang lebih menarik daripada metode langsung.Skema berulang untuk
sistem linier terdiri dari konversi sistem (2.1) keformulir.
x b1 Bx
14
n aij x j bi
xi ,
a i 1,2, ...., n
j 1 aii ii
j 1
a b
n k 1
j 1 ij xj i
k j 1
xi , i 1, 2,.....,n (2.12)
aii
CONTOH 2.11
Selesaikan sistem berikut ini dengan menggunakan metode iteratif
Jacobi. Gunakan EPS = 10-3ITMAX =30 , dan x (0) = 0 sebagai vektor awal.
7𝑥1 − 2𝑥2 + 𝑥3 = 17
𝑥1 − 9𝑥2 + 3𝑥3 − 𝑥4 = 13
2𝑥1 + 10𝑥3 + 𝑥4 = 15
𝑥1 − 𝑥2 + 𝑥3 − 6𝑥4 = 10
Persamaan ini dapat diatur ulang untuk diberikan
𝑥1 = (17 + 2𝑥2 − 𝑥3 )/7
𝑥2 = (−13 + 𝑥1 + 3𝑥3 − 𝑥4 )/9
𝑥3 = (15 − 2𝑥1 − 𝑥4 )/10
𝑥4 = (10 − 𝑥1 + 𝑥2 − 𝑥3 )/6
15
yang menyediakan proses berulang Jacobi berikut:
𝑥1 (𝑘+1) = (17 + 2𝑥2 (𝑘) − 𝑥3 (𝑘) )/7
𝑥2 (𝑘+1) = (−13 + 𝑥1 (𝑘) + 3𝑥3 (𝑘) − 𝑥4 (𝑘) )/9
𝑥3 (𝑘+1) = (15 − 2𝑥1 (𝑘) − 𝑥4 (𝑘) )/10
𝑥4 (𝑘+1) = (10 − 𝑥1 (𝑘) + 𝑥2 (𝑘) − 𝑥3 (𝑘) )/6
Pengganti 𝒙 (0) = (0 , 0 , 0 , 0) ke sisi kanan masing-masing persamaan ini
untuk mendapatkan
17 + 2(0) − 0
𝑥1 (1) = = 2.428571429
7
−13 + 0 + 3(0) − 0
𝑥2 (1) = = −1.444444444
9
15 − 2(0) − 0
𝑥3 (1) = = 1.5
10
10 − 0 + 0 − 0
𝑥4 (1) = = 1.666666667
6
dan 𝒙 (1) = (2 . 428 571 429 , − 1 . 444 444 444 , 1 . 5 , 1 . 666 666 667) 𝑇 .
Prosedur serupa menghasilkan urutan yang konvergen ke (lihat Tabel 4.4)
𝒙 (9) = (2 . 000.127.203 , − 1 . 000.100.162 , 1 . 000.118.096 , 1 . 000.162.172) T .
Program Matlab:
16
A=[7 -2 1 0;1 -9 3 -1;2 0 10 1;1 -1 1 6];
b=[17 13 15 10]';
x0=[0 0 0 0]';
n=length(b);
x=zeros(n,1);
fprintf('\n');
disp(' The augmented matrix is =')
Augm=[A b]
Y=zeros(n,1);
Y=x0;
itmax=100;tol=0.00001;
for k=1:itmax+1
for i=1:n
S=0;
for j=1:n
if (j~=i)
S=S+A(i,j)*x0(j);
end
end
if(A(i,i)==0)
break
end
x(i)=(-S+b(i))/A(i,i);
end
err=abs(norm(x-x0));
rerr=err/(norm(x)+eps);
x0=x;
Y=[Y x];
if(rerr<tol)
break
end
end
% Print the results
if(A(i,i)==0)
disp(' division by zero')
elseif (k==itmax+1)
disp(' No convergence')
else
fprintf('\n');
disp(' The solution vectors are:')
fprintf('\n');
disp('iter # 0 1 2 3 4 ...')
fprintf('\n');
for i=1:n
fprintf('x%1.0f = ',i)
fprintf('%10.6f',Y(i,[1:k+1]))
fprintf('\n');
end
fprintf('\n');
disp(['The method converges after ',num2str(k),' iterations
to']);
x
end
Tabel 2.4 Metode berulang Jacobi untuk Contoh 2.11.
17
Hasil run:
untuk setiap 𝑖 = 1 , 2 , . . . , 𝑛 .
Komentar yang mengikuti algoritma Jacobi mengenai kriteria berhenti dan start-
vektor juga berlaku untuk algoritma Gauss-Seidel. Karena nilai-nilai baru bisa
disimpan di lokasi yang memiliki nilai lama, kebutuhan penyimpanan
untuk x dengan metode Gauss-Seidel adalah setengah dari apa yang akan terjadi
dengan Jacobimetode dan laju konvergensi lebih cepat.
CONTOH 2.12
18
𝑥3 (𝑘+1) = (15 − 2𝑥1 (𝑘+1) − 𝑥4 (𝑘) )/10
𝑥4 (𝑘+1) = (10 − 𝑥1 (𝑘+1) + 𝑥2 (𝑘+1) − 𝑥3 (𝑘+1) )/6
Pengganti 𝒙 (0) = (0 , 0 , 0 , 0) ke sisi kanan masing-masing persamaan ini
untuk mendapatkan
17 + 2(0) − 0
𝑥1 (1) = = 2.428571429
7
−13 + 2.428571429 + 3(0) − 0
𝑥2 (1) = = −1.1746031746
9
15 − 2(2.428571429) − 0
𝑥3 (1) = = 1.0142857143
10
10 − 2.428571429 − 1.1746031746 − 1.0142857143
𝑥4 (1) = = 0.8970899472
6
dan sebagainya
𝑥 (1) = (2.428571429, −1.1746031746,1.0142857143,0.8970899472)𝑇
prosedur serupa menghasilkan urutan yang konvergen ke (lihat Tabel 4.5)
𝑥 (5) = (2.000025, −1.000130,1.000020,0.999971)𝑇
Program Octave
A=[7 -2 1 0;1 -9 3 -1;2 0 10 1;1 -1 1 6];
b=[17 13 15 10]';
x0=[0 0 0 0]';
n=length(b);
x=zeros(n,1);
fprintf('\n');
disp(' The augmented matrix is =')
Augm=[A b]
Y=zeros(n,1);
Y=x0;
tmax=100;tol=0.00001;
for k=1:tmax+1;
for i=1:n
S=0;
for j=1:i-1
S=S+A(i,j)*x(j);
end
for j=i+1:n
S=S+A(i,j)*x0(j);
end
if(A(i,i)==0)
break
end
x(i)=(-S+b(i))/A(i,i);
19
end
err=abs(norm(x-x0));
rerr=err/(norm(x)+eps);
x0=x;
Y=[Y x];
if(rerr<tol)
break
end
end
% Print the results
if(A(i,i)==0)
disp(' division by zero')
elseif (k==tmax+1)
disp(' No convergence')
else
fprintf('\n');
disp(' The solution vectors are:')
fprintf('\n');
disp('iter # 0 1 2 3 4 ...')
fprintf('\n');
for i=1:n
fprintf('x%1.0f = ',i)
fprintf('%10.6f',Y(i,[1:k+1]))
fprintf('\n');
end
fprintf('\n');
disp(['The method converges after ',num2str(k),' iterations to']);
x
end
Hasil run:
20
Tabel 2.5 Metode iteratif Gauss-Seidel untuk Contoh 4.12.
2.5.3 Konvergensi
Formulasi matriks dari metode iteratif Jacobi dan Gauss-Seidel dapat dilakukan
diperoleh dengan memecah matriks A menjadi jumlah
𝐴 = 𝐷 + 𝐿 + 𝑈
(𝐷 + 𝐿 + 𝑈)𝒙 = 𝒃.
Metode Jacobi dalam bentuk matriks adalah
𝐷 𝒙 ( 𝑘 ) = − ( 𝐿 + 𝑈 ) 𝒙 ( 𝑘 − 1) + 𝒃
( 𝐷 + 𝐿 ) 𝒙 ( 𝑘 ) = − 𝑈 𝒙 ( 𝑘 − 1) + 𝒃 .
DEFINISI 2.3
Kami sekarang memberikan kondisi yang cukup untuk Jacobi dan Gauss-Seidel
untuk konvergensi.
21
Jika A benar-benar dominan secara diagonal, maka metode Jacobi dan Gauss-
Seidel bertemupilihan vektor awal x (0) .
Bukti: Bukti dapat ditemukan dalam teks lanjutan tentang analisis numerik.
CONTOH 2.13
Oleh karena itu, jika metode Jacobi atau Gauss-Seidel digunakan untuk
menyelesaikan sistem persamaan,maka itu akan bertemu untuk setiap pilihan
vektor awal x ( 0 ).
22
BAB III
PENUTUP
3.1. Kesimpulan
Kesimpulan yang di peroleh pada makalah ini yaitu sebagai berikut:
1. Ukuran matriks dijelaskan dengan menentukan jumlah baris dan kolom itu
terjadi dalam matriks. Jika sebuah matriks hanya memiliki satu baris, kita
menyebutnya vektor baris, dan 𝑎 matriks yang hanya memiliki satu kolom
disebut vektor kolom. Huruf kapital akan menjadi digunakan untuk
menunjukkan matriks dan huruf kecil untuk menunjukkan entri mereka.
Matriks persegi tertentu memiliki sifat khusus. Misalnya kalau elemen di
bawah diagonal utama adalah nol, matriksnya disebut matriks segitiga. adalah
segitiga atas. Matriks kuadrat, 𝐴 di mana semua elemen di atas utama
diagonal adalah nol, disebut segitiga bawah. Kalau saja elemen-elemen di
main diagonal adalah nol, matriks disebut matriks diagonal.
2. Pertimbangkan sistem (4.1) dalam bentuk matriks
𝐴𝑥 = 𝑏.
Mari kita menunjukkan sistem aslinya dengan 𝐴(1) 𝑥 = 𝑏 (1) . Itu adalah,
(1) (1) (1) (1)
𝑎11 𝑎12 ⋯ 𝑎1𝑛𝑥1 𝑏1
(1) (1) (1) 𝑥 (1)
𝑎21 𝑎22 ⋯ 𝑎2𝑛 [ 2 ] = 𝑏2
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(1) (1) (1) 𝑥𝑛 (1)
[𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 ] [𝑏𝑛 ]
Eliminasi Gaussian terdiri dari pengurangan sistem (2.3) menjadi setara
sistem 𝑈𝑥 = 𝑑, di mana 𝑈 adalah matriks segitiga atas. Sistem baru ini bisa
mudah diselesaikan dengan substitusi kembali.
3. Metode langsung menjadi kurang efisien daripada iteratifmetode ketika
mereka diterapkan pada sistem besar, kadang-kadang dengan sebanyak
100.000variabel. Contoh dari sistem besar ini muncul dalam solusi diferensial
parsialpersamaan. Dalam kasus ini, metode berulang lebih disukai. Selain
pembulatankesalahan, jumlah ruang penyimpanan yang diperlukan untuk
solusi berulang pada komputerjauh lebih sedikit daripada yang diperlukan
untuk metode langsung ketika koefisien matriksSistem jarang, yaitu, matriks
23
yang mengandung proporsi nol yang tinggi. Jadi,untuk matriks jarang,
metode berulang lebih menarik daripada metode langsung.Skema berulang
untuk sistem linier terdiri dari konversi sistem (2.1) keformulir.
x b1 Bx
3.2 Saran
Dengan penjelasan yang dapat penulis jabarkan, semoga bermanfaat bagi
kita semua. Besar harapan penulis kepada pembaca untuk dapat memahami dan
mampu untuk mengaplikasikannya dengan baik.
24
DAFTAR PUSTAKA
25