PENDAHULUAN
Sistem persamaan linear merupakan sekumpulan persamaan linear yang terdiri dari
beberapa variabel. Dengan diketahuinya suatu sistem persamaan linear, kita dapat
menentukan solusi nilai variabel yang ingin diketahui. Dalam hal ini, sistem
persamaan linear
B. TINJAUAN PUSTAKA
1. Sistem Persamaan Linear
ax + by = c
dx+ey = f
a11x1+a12x2+a13x3+ … + a1nxn = b1
a21x1+a22x2+a23x3+ … + a2nxn = b2
⋮
an1x1+an2x2+an3x3+ … + annxn = bn (1)
Contoh
x1 + 2x2 + 3x3 =1
1
x1 = x2 = 0, x3 =
3
persamaan sistem linear (1) secara lengkap ditentukan dengan mengetahui koefisien
aij dan bi. koefisien-koefisien ini diatur sebagai elemen-elemen dari sebuah matrix:
Kita nyatakan aij adalah elemen (i, j) elemen atau entri dari matrix A. Sama halnya, bi
diatur dalam bentuk vector
[]
b1
b2
b= (6)
b3
b4
huruf a dan b adalah nama-nama yang diberikan untuk matrix dan vector.
Angka-angka A dan b adalah nama untuk matriks dan vector. Indeks aij sekarang
memberi sejumlah baris dan kolom dari A yang mengandung aij. Solusi x1, …, xn
ditulis demikian
[]
x1
x2
x= (7)
x3
x4
contoh 2
A = [1 2 3; 2 2 3; 3 3 3];
A = [1, 2, 3; 2, 2, 3; 3, 3, 3];
A = [1 2 3
2 2 3
3 3 3];
Dan koma bisa digunakan pada kasus terakhir untuk mengganti spasi sebagai
pembatas. Vector b dibuat dengan
B = ones(3,1);
Lebih umumnya, untuk sistem (1) untuk (2), kita membuat matriks sebagai berikut
A = zeros(n,n);
For i = 1:n
A (I,1:i)= i;
end
b = ones(n,1);
dengan notasi dinyatakan pada (5), (6), dan (7) sistem linear 1 kemudian ditulis pada
sebuah bentuk
Ax = b (9)
Seorang pembaca dengan beberapa pengetahuan aljabar linear akan langsung
mengakui bahwa sisi kiri (9) adalah matriks A dikali dengan vector x, dan (9)
menyatakan kesetimbangan antara dua vector Ax dan b. sistem (9) terdiri atas n
hubungan, untuk i= 1, …,n hubungan ke I adalah dengan tepat adalah persamaan ke I
pada sistem (1)
[ ]
b 11 … b1 n
B= ⋮ ⋱ ⋮ (9)
bm 1 … b mn
Itu dinyatakan memiliki order m×n jika m adalah sejumlah baris dan n adalah
sejumlah kolom.
[ ]
b 11 … b m 1
B = ⋮ ⋱
T
⋮ (10)
b1 n … bmn
Yang didapatkan dari perubahan baris-baris dan kolom-kolom dari B. order dari BT
adalah n×m.
Operasi-operasi Aritmatika
Ada tiga operasi dasar aritmatika berhubungan dengan matriks. Operasi aritmatika
pertama adalah perkalian dari matriks. Misalkan B adalah matriks m×n diberikan
pada (10) san misalkan a adalah sembarang bilangan real. Maka aB adalah matriks
dari order m×n didefinisikan dengan
[ ]
ab11 … ab 1n
aB = ⋮ ⋱ ⋮
b m 1 … bmn
setiap elemen dari B dikalikan dengan a untuk mendapatkan elemen seimbang pada
Ab. Dengan a = -1
[ ]
−b11 … −b1 n
(-1) B = ⋮ ⋱ ⋮
−bm 1 … −bmn
Matriks baru disebut negative dari B dan dinyatakan dengan –B, yaitu
-1B = (-1) B
Operasi aritmatika yang kedua adalah penjumlahan matriks dengan order yang sama.
Misalkan A dan B adalah matriks order m×n. Maka A+B adalah matriks baru dari
order m×n yang didefinisikan dengan
[ ]
a11 +b11 … a1 n +b1 n
A+B = ⋮ ⋱ ⋮
am 1 +b m 1 … amn +bmn
Elemen (I,j) dari A+B adalah aij + bij. Untuk matriks tambahan, ada sebuah matriks
nol. Definisikan matriks nol dari order m×n memiliki entri –entri nol. Itu dinyatakan
dengan 0m×n atau lebih umumnya 0. Itu memiliki sifat yaitu
A+0 = 0+A = A
Kita bisa mendefiniskan pengurangan matriks –matriks yang memiliki order yang
sama yaitu:
A-B = A+ (-B)
A-A= A+(-A)=0
Operasi aritmatika ketiga, matriks perkalian . misalkan A memiliki order m×n dan B
memiliki order n×p. maka C = AB, hasil dari A dan B, matriks order m×p, dan
elemen-elemen umumnya cij yang didefinikan dengan
n
cij = ∑ aik b kj, 1 ≤ i ≤ m, 1 ≤ j ≤ p (11)
k =1
ini adalah jumlah dari produk elemen yang sesuai dari baris i pada A dan kolom j dari
B. Jika A dan B adalh matriks persegi, maka AB adalah matriks persegi yang
memiliki order yang sama.
Definisi dari perkalian matriks diasosiakaikan dengan komposisi dari fungsi linear.
Fungsi linear memetakan vector dengar order n ke vector dengan order m.
[ ] []
a11 x1 +…+ a1 n x n x1
f(x) = ⋮ untuk x = ⋮
am 1 x1 +…+ amn xn xn
f(x) = Ax
dengan
[ ]
a11 ⋯ a1 n
A= ⋮ ⋱ ⋮
am 1 … a mn
[]
x1
f(x) = Ax untuk x = ⋮
xn
[]
y1
g(y) = Bx untuk y = ⋮
yn
Terdapat tiga operasi baris dasar pada matriks persegi panjang umum, yaitu:
Kita menambahkan baris ke 2 dikali (-1), dan maka tambahkan baris 3 dikali (-1) ke
baris 2 untuk memperoleh matix:
[ ]
1 1 00
1 0 00
1 2 31
Tambahkan baris 2 dikali (-1) pada baris 1 dan pada baris 3 seperti
[ ]
0 1 00
1 0 00
0 2 31
[ ]
0 1 00
1 0 00
0 0 31
[ ]
1 0 00
0 1 00
0 0 31
1
Terakhir, kita kalikan baris 3 dengan
3
[ ]
1 0 0 0
0 1 0 0
0 0 1 1/3
Ini adalah matriks yang diperoleh dari matriks A melalui operasi-operasi baris dasar.
AIn = A
Im A = A
AI =IA = A
Misalkan A adalah matriks persegi. Jika ada matriks B persegi sedemikian sehingga
AB = I, BA = I
Contoh :
[ ]
3 −1 1
[ ]
4 2 4
2 1 0
−1 −1
a) A = 1 2 1 , A-1 = 1
2 2
0 1 2
1 −1 3
4 2 4
b) Misalkan
A= [ ]
a b
c d
Maka, A-1 =
1
[
d −b
ad−bc −c a ]
, dengan ad – bc ≠ 0
Misal A dan B adalah matriks persegi Panjang dengan order yang sama:
(A+ B) + C = A + (B+C)
(AB)C = A(BC)
A+B = B+A
A(B+C) = AB+AC
(A+B)C = AC+BC
(AB)T = BTAT
(A+B)T = AT + BT
1
(cA)T = A-1, c = konstanta tidak nol
C
(AB) = B-1 A-1
-1
Misalkan sistem linear, Ax = b, dimana A adalah matriks persegi dari order n. Pada
teori penyelesaian dari sistem linear, sebuah peran penting dari sistem yang khusus
dimana dengan bi = 0. Dengan definisi dari b, sistem ini disebut homogeneous, semua
sitem lainnya disebut nonhomogenous.
Teorema 6.2.10 misalkan n adalah sebuah bilangan bulat positif, dan misalkan A
adalah matriks persegi dengan order n. maka dibawah ini adalah pernyataan-
pernyataan equivalent tentang sistem linear
S1. Untuk setiap sisi kanan b, sistem Ax = b memiliki tepat satu solusi x.
S2. Untuk setiap sisi kanan b, sistem Ax = b memiliki setidaknya satu solusi x.
X1 = x2 =x3= … = xn =0
X1 +2x2+x3=0 E(1)
2x1+2s2+3x3=3 E(2)
-x1-3x2 =2 E(3)
Langkah 1 Eliminasi x1 dari E(2) dan E(3). Kurangkan 2 dikali E(1) dari E(2); dan
kurangkan (-1) dikali E(1) dari E(3).
X1+2x2+x3=0 E(1)
-2X2 + X3 = 3 E (2)
-x2+x3 = 2 E(3)
1
Langkah 2 Eliminasikan x2 dari E(3). Kurangkan dikali E(2) dari E(3).
2
X1+2x2+x3 = 0 E(1)
-2x2+x3 = 3 E(2)
1 1
x3 = E(3)
2 2
X3 = 1
-2x2 + 1 = 3
X2 = -1
X1+ 2(-1) +1 = 0
X1 = 1
[ ]
1 2 10
[A | b] = 2 2 33
−1 −3 0 2
Untuk mengeliminsi x1 dari E(2) dan E(3), kita kalikan baris 1 dengan (-2) dan
tambahkan itu pada baris 2, lalu jumlahkan baris 1 ke bari 3, diperoleh
[ ]
1 2 10
0 −2 1 3
0 −1 1 2
Lalu, untuk mengeliminasi x2 dari E(3), baris 2 dikalikan (-1/2) dan dijumlahkan
bada baris3.
[ ]
1 2 1 0
0 −2 1 3
0 0 1/2 1 /2
[ ][ ] [ ]
1 2 1 x1 0
0 −2 1 x2 = x2
0 0 1/2 x3 x3
Untuk melihat struktur formal dari Eliminasi Gauss, kita dapat melihat pada kasus
n=3, tapi dengan koefisien-koefisien umum. Sistem ini dapat diselesaikan :
a11x1+a12x2+a13x3=b1 E(1)
a21x1+a22x2+a23x3=b2 E(2)
a31x1+a32x2+a33x3=b3 E(3)
a21 a31
m21 = m31 =
a11 a11
kurangkan m21 dikali E(1) dari E(2), dan kurangkan m31 dikali E(1) dari E(3). Ini
berubag menjadi sistem yang equivalen:
a11x1+a12x2+a13x3=b1 E(1)
Langkah 2 Eliminasikan x2 dari E(3). Asumsikan lagi dengan singkat bahwa a22(2) ≠
0. Definisikan:
(2)
a21
M32 =
a22(2)
a11x1+a12x2+a13x3=b1 E(1)
langkah 3. Gunakan kembali substitusi untuk mendapatkan nilai x3, x2, x1.
b3
X3 =
a 33
b3−a 23 x 3
X2 =
a22
b3−a 23 x 3−a13 x 3
X1 =
a11
Untuk persamaan I = k+1, …, n, dikurang mik dikali E(k) dari E(i), eliminasi sk dari
E(i). koefisien baru dan angka-angka sebelah kanan pada E(k+1) melalui E(n)
didefinisikan dengan
ketika langkah n-1 dilengkapi, sistem linear akan nbentuk upper triangular. Kita akan
menyatakannya dengan
u11x1+…+u1nxn = g1
Unnxn =gn
gn
Xn =
unn
n
g i− ∑ uij x j
Xi = j =i +1 , I = n-1, …,1
uii
Catat bahwa setiap langkah dari prosedur eliminasi dapat diselesaikan melalui operasi
dari matriks yang ditambah
[ A∨b ]
Contoh :
Selesaikan sistem
4x1 + 3x2+2x3+x4 = 1
3x1 + 4x2+3x3+2x4 = 1
4x1 + 3x2+2x3+x4 = -1
x1 + 2x2+3x3+4x4 = -1
pertama, kita mengatur matriks yang ditambajan dan memberikan hasil dari langkah
1, 2, 3 dari eliminasi Gauss untuk sistem ini
[ ]
4 3 2 1 1
3 4 3 2 1
2 3 4 3 −1
1 2 3 4 −1
[ ]
4 2 2 1 1
[ ]
4 2 2 1 1 7 3 3 1
0
3 4 3 2 1 4 2 2 4
2 3 4 3 −1 3 3 5 −3
0
1 2 3 4 −1 4 2 2 2
0
2 3 4 −1
[ ]
4 2 2 1 1
0 7/2 3/2 5/ 4 1/4
0 3 /4 3 5/2 −1
1 2 3 4 −1
[ ]
4 3 2 1 1
7 3 5 1
0
4 2 4 4
3 5 3
0 3 −
2 2 2
5 5 15 5
0 −
4 2 4 4
[ ]
4 3 2 1 1
7 3 5 1
0
4 2 4 4
12 10 12
0 0 −
7 7 2
10 20 10
0 0 −
7 7 7
[ ]
4 3 2 1 1
7 3 5 1
0
4 2 4 4
12 10 12
0 0 −
7 7 2
5
0 0 0 0
3
Menggunakan substitusi untuk menghasilkan solusi dari x4, x3, x2, x1, kita peroleh
solusi
X1 = 0, x2 = 1, x3 = -1, x4 = 0
Partial Pivoting
Kita dapat mengubah posisi dua baris ketika dipenuhi kondisi-kondisi seperti berikut.
Contoh
6x1+2x2+2x3=-2
2 1
2x3+ x2+ x3 = 1
3 3
X1+2x2-x3=0
[ ]
6.000 2.000 2.000 −2.000
2.000 0.667 0.333 1.000
1.000 2.000 −1.000 0.0
[ ]
6.000 2.000 2 .000 −2 .000
0.0 0.0001000 −0. 3333 1.667
0.0 1.667 −1.333 0.3334
[ ]
6.000 2.000 2.000 −2.000
0.0 0.0001000 −0.3333 1.667
0.0 0.0 5555 −2.7790
Menggunakan substitusi, kita peroleh perkiraasn solusi
X1=2.602 x2=-3.801 x3=-5.003
Kesulitan dari proses eliminasi ini adalah, elemen pada baris 2, kolom 2 haruslah 0,
tapi kesalahan pembulatan mencegahnya. Ini berarti koefisien pada posisi (2,2) ini
pada dasarnya memiliki kesalahan relative yang tak terbatas, dan ini dikerjakan
melalui komputasi yang melibatkan koefisien-koefisien ini. Untuk menghindari hal
ini, ubah posisi baris ke 2 dan ke 3, dan kemudian lanjutkan eliminasinya. Berikut
adalah matriks yang dimaksud:
[ ]
6.000 2. 000 2.000 −2.000
0.0 1. 667 −1.333 0.3334
0.0 0.0 −0.3332 −1.667
Dan pengali akhirnya adalah m32 = 0.00005999. dengan substitusi-substitusi, kita
kemudai peroleh perkiraan solusi
Untuk menghindari masalah yang disajikan oleh contoh di atas, kita gunakan strategi
berikut.
max
C= k ≤i ≤ n|akk|
Ini adalah ukuran maksimum dari elemen-elemen pada kolom k dari matriks
koefisien dari langkah k, dimulai dari baris k dan ke bawah. Jika elemen |akk(k)|< c,
maka tukar E(k) dengan satu persamaan berikut, untuk memperoleh sebuah
persamaan E(k) diman |akk(k)|=c. strategi ini membuat akk(k) jauh dari kemungkinan
0. Elemen akk(k) disebut pivot elemen untuk langkah k dari eliminasi, dan proses
yang dideskripsikan pada paragraph yang disebut partial pivoting atau lebih
sederhananya, pivoting.
|mik|≤1 1≤k<i≤n
Ini akan membantu mengurangi hilangnya kesalahan, karena perkalian dengan mik
tidak akan menyebabkan angka yang jauh lebih besar.
Contoh
0.729x1+0.81x2+0.9x3=0.6867
X1+x2+x3= 0.8338
1.331x1+1.21x2+1.1x3=1.000
[ ]
0.7290 0.8100 0.9000 0.6867
1.000 1.000 1.000 0.8338
1.331 1.210 1.100 1.000
[ ]
0.7290 0 .8100 0.9000 0 .6867
0.0 −0.1110 −0.2350 −0.1084
0.0 −0.2690 0.5430 −0.2540
[ ]
0.7290 0.8100 0.9000 0.6867
0.0 −0.1110 −0.2350 −0.1084
0.0 0.0 0.02640 −0.008700
Solusinya adalah
Untuk menunjukan pertukaran dari baris I dan j, kita akan menggunakan notasi ri↔rj.
Untuk menghitung A-1, kita dapat menggunakan metode eliminasi gauss. Misalkan
matriks dengan order n=3. Misalkan X dinyatakan dengan x*1, x*2, x*3. Misalkan kolom
dari I3 dinyatakan dengan e1,e2,e3
[] [] []
1 0 0
E1= 0 e1= 1 e1= 0
0 0 1
Pernyataan ini
AX=I
Menjadi
[ ][ ][ ]
a11 a 12 a13 x11 x 12 x 13 1 0 0
a21 a 22 a23 x21 x 22 x 23 = 0 1 0
a31 a 32 a33 x31 x 32 x 33 0 0 1
[ ]
a11 x 11 a 12 x 21 a11 x 3 1
a21 x 11 a 22 x 21 a 21 x31 = Ax*1
a31 x 21 a 32 x 21 a 31 x31
Dengan sama, kolom dari AX kedua dan ketiga adalah Ax*2 dan Ax*3. Maka dapat
ditulis dengan:
Maka, kolom X adalah solusi-solusi dari tiga kolom simultan sistem linear, semuanya
dengan matriks yang dama dari koefisien A. Eliminasi Gauss bida digunakan untuk
menyelesaikan sistem ini.
Contoh
[ ]
1 1 −1
A = 1 2 −2
−2 1 1
[ ]
1 1 −1 1 0 0
1 2 −2 0 1 0
−2 1 1 0 0 1
[ ]
1 1 −1 1 0 0
0 1 −1 −1 1 0
0 3 −1 2 0 1
[ ]
1 1 −1 1 0 0
0 1 −1 −1 1 0
0 0 2 5 −3 1
Menggunakan substitusi, kita selesaikan sistem dengan x*1 sebagai solusinya. Itu
adalah
X11+x21-x31 =1
x21-x31 =-1
2x31=5
3 5
x11=2, x21= , x31=
2 2
[ ]
1 1 −1 1 0 0
0 1 −1 −1 1 0
0 0 2 5 −3 1
[ ]
1 1 −1 1 0 0
0 1 −1 −1 1 0
5 3 1
0 0 1 −
2 2 2
[ ]
7 3 1
1 1 0 −
2 2 2
3 1 1
0 1 0 −
2 2 2
5 3 1
0 0 1 −
2 2 2
[ ]
1 0 0 2 −1 0
3 1 1
0 1 0 −
2 2 2
5 3 1
0 0 1 −
2 2 2
AX=I
Ditransformasi menjadi
[ ]
2 −1 0
3 1 1
−
2 2 2
5 3 1
−
2 2 2
IX =
r = b - A ^x
ini disebut residual pada aproksimasi dari b oleh A ^x . Jika ^x adalah solusi yang tepat,
maka r sama dengan nol. Untuk menghubungkan r ke kesalahan pada x, substitusikan
b = Ax, didapat:
r = Ax - A ^x = A(x- ^x )
Ae = r
Kesalahan tersebut memenuhi sistem linear dengan koefisien matriks A yang sama
sebagai sistem asal asal Ax=b.
Pada implementasi praktis dari prosedur ini untuk menghitung error e, ada dua
kemungkinan sumber dari kesulitan. Pertama, perhitungan dari residual r akan
melibatkan hilangnya kesalahan yang signifikan. Secara umum, setiap komponen
n
Ri =bi -∑ aij ^x j
j=1
Sumber kedua dari kesulitan pada menemukan e adalah menyelesaikan Ae=r yang
akan melibatkan kesalahan pembulatan yang menunjukkan pada selasahan nilai ^x
yang dikalkulasi. Maka, kita tidak akan mendapatkan e tetapi mendapatkan perkiraan
e^ dari e.
Contoh
0.729x1+0.81x2+0.9x3=0.6867
X1+x2+x3=0.8338
1.331x1+1.21x2+1.1x3=1.000
Untuk mengilustrasikan estimasi dari error e, kita menemukan solusi dari sistem
dengan eliminasi Gauss pivoting. Berikut adalah solusinya
R(0) = b – Ax(0)
Maka
Selesaikan dengan eliminasi Gauss, kita peroleh nilai perkiaraan e^ (0) ≈ e(0), kita
definisikan peningkatan aproksimasi
r(1) = b – Ax(1)
x(2) = x(1) + e^ (1)
Lanjutkan proses ini hingga tidak ada penurunan dari ukuran e^ (k), k≥0 lebih lanjut.
Contoh
Gunakan 4 digit pembulatan desimal, dan gunakan eliminasi Gauss dengan pivoting.