Bab 5

Solusi Sistem Persamaan Linier

dan Nilai Eigen

5.1. Pendahuluan

Bab ini membahas metode penyelesaian sistem n persamaan linier simultan dengan n nilai yang
tidak diketahui x1, x2, ……, xn yang dinyatakan sebagai berikut:

f1 ( x1, x2, …… , xn) = 0

f2 ( x1, x2, …… , xn) = 0
f3 (x1, x2, …… , xn) = 0
.
.
.
fn ( x1, x2, …… , xn) = 0 (5-1)

Sistem persamaan linier simultan dapat dituliskan sebagai berikut:

b11 x1 + b12 x2+ …… + b1n xn = u1

b21 x1 + b22 x2+ …… + b2n xn = u1
b31 x1 + b32 x2+ …… + b3n xn = u1
.
.
.
bn1 x1 + bn2 x2+ …… + bnn xn = u1 (5-2)

selanjutnya secara singkat ditulis :

Bx = u atau [B]{x} = {u} (5-3)

B, x dan u masing-masing adalah matrik koefisien, vektor solusi dan vektor nilai yang diketahui.
Berikut ini akan diberikan beberapa metode penyelesaian sistem persamaan linier simultan linier
dengan operasi matrik.

5.2. Metoda Eliminasi GAUSS-JORDAN

Untuk membei gambaran tentang metode ini, berikut diberikan contoh sebuah sistem persamaan
linier simultan.

2 x 1 - 7 x2 + 4 x 3 = 9
x1 + 9 x 2 - 6 x 3 = 1
-3 x1 + 8 x2 + 5 x3 = 6 (5-4)

Untuk itu matrik koefisien, vektor nilai yang diketahui serta matrik satuan ditulis bersama dengan
simbol  B u I  dalam bentuk sebagai berikut:
V-1
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
  2 7 4 9 1 0 0 
 1 9 6 1 0 1 0  (5-5)
 
  3 8 5 6 0 0 1 

Langkah-langkah metode eliminasi Gauss-Jordan diberikan sebagai berikut:

 Step 1 : normalisasi baris pertama dengan cara membagi elemen-elemen baris pertama
dengan nilai pivot (nilai elemen diagonal) baris pertama, yaitu 2.
 Step 2 : reduksi elemen baris berikutnya (baris kedua), sehingga nilai elemen baris kedua
kolom pertama menjadi nol, dengan cara operasi baris, yaitu mengurangi elemen-
elemen baris kedua dengan elemen-elemen baris pertama hasil step 1.
 Step 3 : ulangi step 2 untuk elemen-elemen baris berikutnya (baris ketiga) dengan cara
operasi baris, yaitu mengurangi elemen-elemen baris ketiga dengan 3 kali elemen-
elemen baris pertama hasil step 1. Setelah step ini, maka elemen-elemen matrik
menjadi berikut:

 7 9 1 
1  2 2
2 2
0 0
 
0 25 8 
7

1
1 0 (5-6)
 2 2 2 
 5 39 3 
0  11 0 1
 2 2 2 

 Step 4 : ulangi step 1 untuk baris kedua: normalisasi baris kedua dengan cara membagi
elemen-elemen baris kedua dengan nilai pivot (nilai elemen diagonal) baris kedua,
yaitu 25/2.
 Step 5 : reduksi elemen-elemen baris pertama, sehingga nilai elemen baris pertama kolom
kedua menjadi nol, dengan cara operasi baris, yaitu mengurangi elemen-elemen
baris pertama dengan -7/2 kali elemen-elemen baris kedua yang baru hasil step 4.
 Step 6 : ulangi step 2 untuk baris ketiga: reduksi elemen-elemen ketiga, sehingga nilai
elemen baris ketiga kolom kedua menjadi nol, dengan cara operasi baris, yaitu
mengurangi elemen-elemen baris ketiga dengan -5/2 kali elemen-elemen baris
kedua yang baru hasil step 4. Setelah step ini, maka elemen-elemen matrik menjadi
berikut:

 6 88 9 7 
1 0  25 25 25 25
0
 
0 1  16  7  1 2
0 (5-7)
 25 25 25 25 
 47 94 7 1 
0 0 1 
 5 5 5 5 

 Step 7 : ulangi step 1 untuk baris ketiga: normalisasi baris ketiga dengan cara membagi
elemen-elemen baris ketiga dengan nilai pivot (nilai elemen diagonal) baris ketiga,
yaitu 47/5.
 Step 8 : ulangi step 5: reduksi elemen-elemen baris pertama, sehingga nilai elemen baris
pertama kolom ketiga menjadi nol, dengan cara operasi baris, yaitu mengurangi
elemen-elemen baris pertama dengan -6/25 kali elemen-elemen baris ketiga yang
baru hasil step 7.

V-2
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
 Step 9 : ulangi step 8: reduksi elemen-elemen baris kedua, sehingga nilai elemen baris
kedua kolom ketiga menjadi nol, dengan cara operasi baris, yaitu mengurangi
elemen-elemen baris kedua dengan -16/25 kali elemen-elemen baris ketiga yang
baru hasil step 7. Setelah step ini, maka elemen-elemen matrik menjadi
 I x B 1  berikut:
 

 93 67 6 
1 0 0 4
235 235 235 
 
0 1 0 1 
13 22 16 
(5-8)
 235 235 235 
 7 1 5 
0 0 1 2 
 47 47 47 

B-1, u, x dan I masing-masing adalah matrik koefisien invers, vektor nilai yang diketahui, vektor
solusi serta matrik satuan. Secara umum matrik  B u I  dalam algoritma metoda eliminasi
Gauss-Jordan membentuk matrik A dengan orde n x (n+m) yang terdiri dari matrik koefisien n x n
ditambah dengan m kolom yang terdiri dari vektor nilai yang diketahui serta matrik satuan yang
dituliskan dengan simbo berikut.

a11 a12 .... a1n a1,n 1 a1,n  2 .... a1,n m 

 
a 21 a 22 .... a 2n a 2 ,n 1 a 2 ,n  2 .... a 2 ,n m 
.  (5-9)
 
. 
a an 2 .... a nn a n ,n 1 a n ,n  2 .... a n ,n m 
 n1 

Misal k = 1,2, …… ,n adalah index atau penghitung (counter) pivot, maka algoritma metoda
eliminasi Gauss-Jordan dapat dituliskan sebagai berikut:

a kj 
Normalisasi : a kj  , j  n  m , n  m  1, ....., k 
a kk  k  1,2 ,.....n
Re duksi : aij  aij  aik a kj , j  n  m , n  m  1, ....., k  i  1,2 ,...,n dim ana i  k 


(5-10)

Catatan :

1. Jika elemen-elemen di sebelah kiri akk sama dengan nol pada baris ke k di awal baris yang
akan dinormalkan, maka tidak perlu menormalkan akj untuk j < k.
2. Untuk menghindari modifikasi elemen-elemen terlalu dini pada kolom pivot, maka index atau
penghitung kolom j selalu diturunkan dari nilai (n + m) tertinggi sampai dicapai nilai kolom pivot.

V-3
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
5.3. Metoda Iterasi Gauss-Siedel

Persamaan (5-2) dapat dimodifikasi menjadi persamaan berikut:

x1 = (u1 – b12x2 – b13x3 - … - b1nxn) / b11,

x2 = (u2 – b21x1 – b23x3 - … - b2nxn) / b22,
.
.
.
xn = (un – bn1x1 – bn2x2 - … - bn,n-1xn,n-1) / bnn (5-11)

Contoh :

4 x1 + 2 x2 + x3 = 11
- x1 + 2 x 2 = 3
2 x1 + x2 + 4 x3 = 16 (5-12)

Sesuai persamaan (5-11), maka persamaan (5-12) dapat dimodifikasi menjadi sebagai berikut:

11 1 1
x1   x 2  x3
4 2 4
3 1
x 2   x1
2 2
1 1
x3  4  x1  x 2 (5-13)
2 4

Untuk iterasi pertama, maka vektor solusi awal ditentukan dengan x0 = [1, 1, 1]. Proses
perhitungan vektor solusi pada iterasi pertama ditunjukkan sebagai berikut:

11 1 1
x11   . ( 1)  . ( 1)  2
4 2 4
3 1 5
x 21   . ( 2 ) 
2 2 2
1 1  5  19
x31  4  . ( 2 )  .   (5-14)
2 4 2 8

Jadi setelah iterasi pertama vektor solusi mempunyai nilai:

 5 19 
x 1  2 , ,  (5-15)
 2 8

Selanjutnya setelah iterasi kedua dan ketiga diperoleh vektor solusi sebagai berikut:

 29 125 783 
x2   , , (5-16)
 32 64 256 
 1033 4095 24541
x3   , , (5-17)
 1024 2048 8192 

V-4
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
Jadi algoritma metoda iterasi Gauss-Siedel secara simbolik dapat dituliskan sebagai berikut:

n
bij
xi  u i  b
j 1 ii
xj (5-18)
j i

5.4. Metoda Dekomposisi LU

Sebuah matrik dapat didekomposisi menjadi dua matrik masing-masing matrik L dan matrik U sbb:

A=L.U (5-19)

dimana :

L : elemen-elemen matrik pada segitiga bagian bawah (mulai dari diagonal ke bawah)
U : elemen-elemen matrik pada segitiga bagian atas (mulai dari diagonal ke atas)

Persamaan (5-19) ditulis dalam bentuk lebih rinci menjadi beikut:

 a 11 a 12 a 13 a 14  α 11 o 0 0  β 11 β 12 β 13 β 14 
a a 22 a 23  
a 24  α 21 α 22 0 0   0 β 22 β 23 β 24 
 21 = . (5-20)
a 31 a 32 a 33 a 34  α 31 α 32 α 33 0   0 0 β 33 β 34 
     
a 41 a 42 a 43 a 44  α 41 α 42 α 43 α 44   0 0 0 β 44 

Dekomposisi matrik pada persamaan (5-19) dapat dipakai untuk menyelesaikan sistem persamaan
linier yang secara simbolik dinyatakan sebagai berikut:

A . x = (L . U) . x = L . (U . x) = b (5-21)

Keunggulan metoda dekomposisi adalah penyelesaian sistem persamaan menjadi lebih mudah,
karena sistem persamaan dapat dipecah (dekomposisi) menjadi 2 buah sistem persamaan yang
masing-masing akan dapat disajikan dalam sepasang matrik dengan elemen-elemen yang berupa
segitiga (triangular set of equations). Penyelesaian matrik dengan elemen-elemen segitiga ini
menjadi lebih sederhana dengan menggunakan cara substitusi.

Algoritma umum metoda dekomposisi adalah sebagai berikut:

 Step 1: penyelesaian vektor y sedemikian rupa sehingga memenuhi persamaan berikut:

L.y=b (5-22)

Penyelesaian sistem persamaan ini dapat menggunakan cara substitusi ke depan (forward
substitution) yang dinyatakan dengan rumus berikut:

1  
i 1


b1
y1  dan yi  bi  α ij y j  untuk i  1, 2 , 3, ..........., n (5-23)
α 11 α ii  
 j 1

V-5
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
 Step 2: penyelesaian vektor x dalam persamaan berikut:

U.x=y (5-24)

Penyelesaian sistem persamaan ini dapat menggunakan cara substitusi ke belakang (back
substitution) yang dinyatakan dengan rumus berikut:

1  
n


yn
xn  dan xi   yi  β ij x j  untuk i  n  1, n  2 , n  3, ............, 1 (5-25)
β nn β ii  
 j  i 1

Pelaksanaan Dekomposisi

Pelaksanaan dekomposisi didasarkan pada persamaan (5-20), sehingga elemen-elemen dalam

matrik A mempunyai harga seperti ditunjukkan dalam rumus berikut:

aij  α i1β 1 j  ....... (5-26)

Bentuk-bentuk penjumlahan tergantung pada hubungan antara harga i dan harga j sebagai berikut:

untuk i < j : aij  α i1β 1 j  α i 2β 2 j  ..... α iiβ ij (5-27)

untuk i = j : aij  α i1β 1 j α i 2β 2 j  ..... α iiβ jj (5-28)
untuk i > j : aij  α i1β 1 j  α i 2β 2 j  .....α ijβ ij (5-29)

Persamaan (5-27) s.d. (5-29) total berjumlah n2 persamaan untuk n2+n bilangan  dan  yang
tidak diketahui (elemen diagonal dihitung dua kali). Jumlah komponen yang tidak diketahui lebih
besar dari jumlah persamaannya, sehingga untuk itu n bilangan yang tidak diketahui ditentukan
secara coba-coba. Pada kenyataannya, dimungkinkan menentukan harga berikut:

 ii  1 untuk i  1 ,... n (5-30)

Penyelesaian n2+n bilangan  dan  yang tidak diketahui didasarkan pada algoritma Crout
sebagai berikut:

Algoritma Crout:

 Step 1: tentukan  ii  1 untuk i  1,....,n (persamaan (5-30))

 Step 2: untuk setiap j = 1, 2, 3, … , n kerjakan 2 buah step berikut:
 Step 21: untuk i = 1, 2, …, j berdasar persamaan (5-27), (5-28) dan (5-30) hitung
 ij dengan rumus
berikut:

 i 1




β ij   a ij  α ik β kj 
k 1


(5-31)

Jika i = 1 dalam rumus berikut ini, berarti penjumlahan menghasilkan harga sama
dengan nol.
V-6
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS
  Step 22: untuk i = j + 1, j + 2, … , n berdasar persamaan (5-29) hitung  ij dengan rumus
berikut
ini:

1  
j 1
α ij 
β jj  
a ij  α ik β kj 
k 1


(5-32)

Metode Crout akan menghasilkan elemen-elemen matrik yang merupakan kombinasi

antara  dan  berikut:

β 11 β 12 β 13 β 14 
α β 22 β 23 β 24 
 21 (5-33)
α 31 α 32 β 33 β 34 
 
α 41 α 42 α 43 β 44 

5.5. Solusi Nilai dan Vektor Eigen dengan Metode Iterasi Balik

Ekspresi sistem persamaan linier simultan dengan nilai eigen diberikan sebagai berikut:

Ax  λ x (5-34)

A λ I x  0 (5-35)

det A  λI   0 (5-36)

Misalkan vektor {y} adalah solusi sistem persamaan linier berikut ini:

A λ i I y  xi  (5-37)

Solusi dilakukan secara iteratif dengan langkah-langkah iterasi dilakukan sebagai berikut:

 Pada setiap iterasi diberikan harga i dan {xi} yang menghasilkan {yi}.
 Harga {xi+1} pada iterasi selanjutnya dinyatakan sebagai berikut:

y i 
xi 1   (5-38)
y i 

dan harga i+1 pada iterasi selanjutnya dinyatakan sebagai berikut:

xi  2
λ i 1  λ i  (5-39)
xi . y i 

 Kondisi terminasi iterasi dapat diberikan dengan ekspresi berikut ini.

λ i 1  λ i  ε (5-40)

V-7
Catatan Kuliah – Dr.Ir. Lilik Eko Widodo, MS