∗ juanitaadrika@gmail.com
ABSTRACT
ABSTRAK
1. PENDAHULUAN
Ax = b, (1)
dalam bentuk iterasi, diberikan tebakan awal x0 ∈ ℜn sehingga persamaan (2) dapat
ditulis menjadi
xk+1 = (D − L)−1 U xk + (D − L)−1 b, (3)
dimana T = (D − L)−1 U pada persamaan (3) disebut matriks iterasi Gauss-Seidel.
Bila matriks A pada SPL (1) berbentuk Z-matriks yang strictly diagonally
dominant . Kotakemori et al.[4] menggunakan matriks prekondisi
Pβ = I + βU, (4)
dimana I adalah matriks identitas, β adalah bilangan real positif dan U adalah
matriks segitiga strictly upper pada A. Dengan mensubstitusikan persamaan (4) ke
Ax = b,
(I + βU )Ax = (I − βU )b,
Aβ x = bβ . (5)
Aβ = I − L − U + βU − βU L − βU 2 . (6)
Aβ = I − βD − L − βE − (U − βU + βU 2 + βF ), (7)
Tβ = (I − βD − L − βE)−1 (U − βU + βU 2 + βF ). (9)
Lema 1 [4]
Jika A adalah sebuah Z-matriks yang strictly diagonally dominant dengan elemen-
elemen diagonal satu, maka xi ≥ 0, yi ≥ 0, zi ≤ 0 dan xi + yi + zi ≤ 0.
Teorema 2 [4]
Misalkan A adalah sebuah Z-matriks yang strictly diagonally dominant dengan
diagonal utamanya satu. Maka untuk 0 ≤ β ≤ 1, Aβ c juga merupakan sebuah
Z-matriks yang strictly diagonally dominant.
P = (I − U )−1 . (10)
P = (I − U )−1
P = (I + U + (U + . . . + U n−2 )U ). (11)
kQk ≤ kU k + kU k2 + . . . + kU kn−2
!
kU k − kU kn−1
= .
1 − kU k
kU k
p ≃ kQk ≤ , (12)
1 − kU k
diperoleh
Pβ c = (I + U + pU )
= (I + (1 + p)U ).
Pβ c = I + βc U. (13)
Matriks prekondisi persamaan (13) setara dengan matriks prekondisi pada persamaan
(4).
Dengan mensubstitusikan persamaan (13) ke SPL (1), diperoleh Aβ c = Pβ c A
dan bβ c = Pβ c b. Kemudian diperoleh
Aβ c = I − L − U + βc U − βc U L − βc U 2 . (15)
Aβ c = I − βc D − L − βc E − (U − βc U + βc U 2 + βc F ), (16)
maka (I −βc D−L−βc E)−1 ada dan matriks Gauss-Seidel Tβ c untuk Aβ c didefinisikan
dengan
Tβ c = (I − βc D − L − βc E)−1 (U − βc U + βc U 2 + βc F ). (17)
M = (I − βc D − L − βc E)−1 , (18)
2
N = (U − βc U + βc U + βc F ). (19)
Tβ c = Mβ c −1 Nβ c . (20)
4. UJI KOMPUTASI
Pada bagian ini akan dilakukan komputasi numerik untuk melihat keunggulan metode
Backward Gauss-Seidel Prekondisi (BGSP) yang dibandingkan dengan metode Gauss-
Seidel Prekondisi (GSP) dan metode Gauss-Seidel (GS) standar menggunakan
software Matlab R2010a untuk menyelesaikan SPL (1) dimana A adalah Z-matriks
yang strictly diaagonally dominan dengan diagonal utamanya satu.
2
∂ 2u wi−1,j − 2wi,j + ki+1,j
≈ , (22)
∂x2 h2
Pada bagian ini dilakukan simulasi numerik yang bertujuan untuk membandingkan
jumlah iterasi (N ) dan spektral radius (ρ) dari GS,GSP dan BGSP dalam mene-
mukan solusi SPL (1) dimana A adalah Z-matriks yang strictly diagonally domi-
nan dengan diagonal utamanya satu. Dalam prosesnya, metode-metode tersebut
W W W6
4 5
W7 W8 W9
memerlukan tebakan awal dan nilai β untuk GSP dan nilai p untuk BGSP. Hal ini
dilakukan untuk mengetahui apakah prekondisi berpengaruh terhadap keberhasi-
lan dalam mempercepat konvergensi. Tabel 1 menunjukkan penggunaan GS, GSP
1
dengan nilai estimasi β = 1−kU k
dan BGSP dengan p diperoleh dari percobaan
numerik sebagai parameter optimum bilangan real positif. Dengan menggunakan
tebakan awal x(0) adalah vektor maka dapat dilihat pada Tabel 1 nilai spektral
radius (ρ) dari ketiga metode mempunyai nilai perbedaan yang signifikan, dengan
ρ(Tβ c ) < ρ(Tβ ) < ρ(T ) < 1. Untuk ukuran matriks 9 × 9 diperoleh perbandingan
spektral radius dari ketiga metode yaitu 0.1269 < 0.2181 < 0.5000 < 1. Dalam
(x−2)2
2
y2 (y−1)
2
x
0
2
1.5 1
0.8
1 0.6
0.5 0.4
0.2
0 0
1 1 1
10 10 10
0 0 0
10 10 10
−1 −1 −1
10 10 10
−2 −2 −2
10 10 10
−3 −3 −3
10 10 10
−4 −4 −4
10 10 10
−5 −5 −5
10 10 10
−6 −6 −6
10 10 10
−7 −7 −7
10 10 10
0 5 10 15 20 0 2 4 6 8 10 12 14 0 2 4 6 8
Gambar 4: (a) Jumlah Iterasi pada persoalan Poisson untuk metode GS dengan
ukuran matriks 9 × 9, (b) Jumlah Iterasi pada persoalan Poisson untuk metode
GSP dengan ukuran matriks 9 × 9, (c) Jumlah Iterasi pada persoalan Poisson untuk
metode BGSP dengan ukuran matriks 9 × 9.
DAFTAR PUSTAKA
[1] Allaire, G. & Kaber, S. M. 2008. Texts in Applied Mathematics. Numerical
Linear Algebra. Springer, New York.
[2] Burden, R. L. & Faires, J. D. 2010. Numerical Analysis, Ninth Edition. Cengage
Learning, Canada.
[4] Kotakemori, H., Niki, H. & Okamoto, N. 1996. Accelerated Iterative Method
for Z-Matrices. Journal of Computational and Applied Mathematics, 75: 87–97.
[5] Meyer, C. D. 2000. Matrix Analysis and Applied Linear Algebra. SIAM,
Philadelphia.
[6] Niki, H., Hirano, H. & Kohno, T. The Preconditioned Gauss-Seidel Method: 1–
6. http://metronu.ulb.ac.be/imacs/lausanne/CP/314-8.pdf, 20 Februari 2014.