KOMPUTASI GEOFISIKA
MODUL KE – 02
Oleh:
Asisten :
2019
I.Tujuan
Adapun tujuan dari praktikum ini antara lain:
1.Mahasiswa dapat melakukan operasi matriks menggunakan metode dekomposisi LU
2.Mahasiswa dapat menyelesaikan system persamaan linear (SPL) dengan
menggunakan metode dekomposisi LU
II.Dasar Teori
2.1 Metode LU Decomposition
Jika matrik A non singular maka A dapat difaktorkan (diuraikan atau
didekomposisi menjadi matriks segitiga bawah (lower) dan matriks segitiga atas U
(upper) :
A=LU
Dalam bentuk matriks, pemfaktoran ini ditulis sebagai berikut, matriks yang
dicontohkan adalah 3 x 3
a11 a 12 a13
[
A= a21 a 22 a23
a31 a 32 a33 ]
1 0 0 U 11 U 12 U 13
L
[
L= 21 1 0
L31 L32 1 ] [ U= 0 U 22 U 23
0 0 U 33 ]
Pada matriks segitiga bawah L, semua elemen diagonal adalah 1, sedangkan
pada matriks U tidak ada aturan khusus pada elemen diagonalnya.
Metode ini dinamakan juga metode-metode pemfaktoran segitiga (triangular
factorization). Metode eliminasi Gauss merupakan suatu dekomposisi LU dari
matriks A.
Penyelesaian Ax = b dengan metode dekomposisi LU adalah sebagai berikut:
Ax = b
Faktorkan A menjadi L dan U sedememikian rupa, sehingga
A= LU
Jadi, LU x = b. Misalkan Ux=y, maka Ly = b
Untuk memperoleh y1,y2 ,y3,…yn menggunakan Lower
1 0 0 y1 b1
Ly = b
[L31 L32 1][][]
L= L21 1 0 x y 2 = b2
y3 b3
[
a31 a 32 a33 x3 ] [] []
A= a21 a 22 a23 ; X= x 2 ; b= b2
b3
[
A= 0 1 a23
0 0 1 ]
Selanjutnya untuk mendapatkan nilai x1, x2 dan x3 dapat dihitung degan cara
berikut:
1 a12 a13 x 1 b1
[ ][ ]
0 1 a23 x 2 = b2
0 0 1 x 3 b3
1 x1 +a 12 x 2+ a13 x 3=b 1
0 x 1+ 1 x 2+ a13 x 3=b2
0 x 1+ 0 x 2 +1 x3 =b3
Sehingga dari persamaan perhitungan diatas kita mendapatkan nilai x1, x2 dan x3.
III.Langkah Kerja
1.Metode LU Gauss
import numpy as np
import copy
#dekomposisi LU
l=np.eye(n)
u=copy.deepcopy(a)
for i in range (n):
if j < i :
l[i,j]=u[i,j]/u[j,j]
if l[i,j] !=np.inf:
for k in range(n):
if k >=j:
u[i,k]=u[i,k]-l[i,j]*u[j,k]
else: #pivoting
temp=copy.deepcopy(u[i,:])
u[i,:]=copy.deepcopy(u[j,:])
u[j,:]=copy.deepcopy(temp)
temp2=copy.deepcopy(l[i,0:j])
l[i,0:j]=copy.deepcopy(l[i,0:j])
l[j,0:j]=copy.deepcopy(temp2)
temp3=copy.deepcopy(b[i])
b[i]=copy.deepcopy(b[i])
b[j]=copy.deepcopy(temp3)
l[i,j]=u[i,j]/u[j,j]
for k in range(n):
if k>=j:
u[i,k]=u[i,k]-l[i,j]*u[j,k]
2.Metode Crout
import numpy as np
import copy
#dekomposisi LU
l=np.eye(n)
u=np.zeros((n,n))
for p in range(n):
for j in np.arange(p,n):
if p==0:
u[p,j]=copy.deepcopy(a[p,j])
else:
sum=0
for k in range(p):
sum += l[p,k]*u[k,j]
u[p,j]=a[p,j]-sum
for i in np.arange(p+1,n):
if p < n-1:
sum=0
for k in range (p):
sum += l[i,k]*u[k,p]
l[i,p]=(a[i,p]-sum)/u[p,p]
IV.Hasil
1.SOAL 1
1.1 Metode LU Gauss
1.2 Metode Crout
2.SOAL 2
2.1 Metode LU Gauss
2.2 Metode Crout
V.Analisis
Sistem persamaan linier merupakan bagian dari materi aljabar linier. Sistem
persamaan linier yang mempunyai m persamaan dan n variable disebut sistem
persamaan linier orde mxn , sedangkan bila jumlah persamaan sama dengan jumlah
variable disebut dengan sistem persamaan linier orde nxn . Asa berbagai macam metode
untuk menyelesaikan sistem persamaan linier orde mxn dan orde nxn , oleh karena itu
perlu dicari metode yang paling efektif dan efisien.
Terdapat dua metode untuk memfaktorkan A atas L dan U yaitu Metode LU Gauss
dan Metode reduksi Crout. Metode dekomposisi LU akan efektif bila digunakan untuk
menyelesaikan sejumlah sistem persamaan linier dengan matriks A yang sama tetapi
dengan b berbeda. Sekali A difaktorkan menjadi L dan U, keduanya dapat digunakan
untuk menghitung solusi sejumlah sistem persamaan linier tersebut. Metode
dekomposisi LU merupakan metode yang paling popular untuk memecahkan sistem
persamaan linear. Metode crout mendekomposisi suatu matriks untuk memperoleh
elemen diagonal utama matriks segitiga atas (U) bernilai satu dan elemen lainnya
bernilai bebas.
VI.Kesimpulan
Hasil perhitungan dari permasalahan yang dibahas memiliki hasil yang sama baik antara
metode Eliminasi Gauss dan metode LU Decomposition. Kedua metode tersebut
memiliki tingkat akurasi yang sama. Namun setelah diperhatikan pada percobaan ini
dapat ditarik kesimpulan bahwa metode eliminasi Gauss lebih efisien dan efektif dalam
menyelesaikan sistem persamaan linear. Perbandingan ini dapat dilihat dari banyaknya
langkah penyelesaian, jumlah operasi matriks dan ketepatan dalam menentukan solusi
sistem persamaan linear.
DAFTAR PUSTAKA