PERSAMAAN LINEAR SIMULTAN

(GAUSS JORDAN DAN GAUSS-SEIDEL)

Anggota Kelompok :
Andhieka Rizky Kurnianto 21050116120057
Maulana Ismudiaji 21050116120059
Andre Refaldo Pratama 21050116130075
Putut Yoga Pradiptya 21050116130077
Arifin Aziz 21050116130086
David Setianto Kadarman 21050116130093
 Sistem Persamaan Linear

 Misal terdapat SPL dengan n buah variabel bebas

a11 x1  a12 x2  a13 x3    a1n xn  C1

a21 x1  a22 x2  a23 x3    a2 n xn  C2

am1 x1  am 2 x2  am3 x3    amn xn  Cn
 a11 a12  a1n   x1   C1 
a  a2 n   x2  C2 
 21 a22
Matriks:  a a32  a3n   x3   C3 
31
    
         
an1 an 2  ann   xn  Cn 
Penyelesaian Sistem
Persamaan Linear (SPL)
 Algoritma Gauss Naif
 Algoritma Gauss Jordan
 Algoritma Gauss Seidel
Algoritma Eliminasi Gauss/
Gauss Naif
1. Membagi persamaan pertama dengan koefisien a11.
Langkah tersebut disebut normalisasi. Tujuan
normalisasi ini adalah agar koefisien dari x1 berubah
menjadi 1.
2. Kalikan persamaan yang telah dinormalisasi (dalam
hal ini persamaan pertama) dengan koefisien pertama
dari persamaan kedua (yaitu a21).
3. Mengurangkan baris kedua dan ketiga dengan baris
pertama.
Algoritma Gauss Naif

4. Kalikan persamaan pertama yang sudah dinormalisasi

dengan koefisien tertentu sehingga a11 = a31.
5. Kurangkan persamaan ketiga dengan hasil dari yang
didapat dari langkah 4.
6. Baris kedua dibagi dengan koefisien a22. Langkah ini
disebut NORMALISASI untuk persamaan kedua.
Tujuannya adalah agar koefisien x2 berubah menjadi
1.
Algoritma Gauss Naif

7. Kalikan persamaan kedua yang sudah dinormalisasi

pada langkah ke-6 dengan suatu koefisien tertentu
sehingga a22 = a32.
8. Kurangkan persamaan ketiga dengan persamaan
kedua hasil dari langkah ke-7.
Algoritma Gauss Naif (Ex.)

 Diketahui SPL:
2x1 + 2x2 + x3 = 4
3x1 - x2 + x3 = 1
x1 + 4x2 - x3 = 2
 Bagaimana penyelesaiannya?
Algoritma Gauss Naif (Ex.)

 Matriks yang terbentuk:

2 2 1   x1  4
    
 3  1 1   x2   1
1 4  1  x3  2
 Langkah:
1.
1 1 1   x1  2
1  2    
b1  3  1 1   x2   1
2 1 4  1  x  2
  2   
 Algoritma Gauss Naif (Ex.)

1 1 1 
 2   x1   2 
2. dan 3.    
b2  3b1  0  4  1   x2    5
 2
1 4  1   x3   2 


4. dan 5. 1 1 1 
 2   x1   2 
   
b3  b1  0  4  1   x2    5
 2
0 3  3   x3   0 
 2
 Algoritma Gauss Naif (Ex.)

1 1 1 
6.  2   x1   2 
1    
 b2  0 1 1   x2   5 
4  8  4
0 3  3   x3   0 
  
 2

7. dan 8. 1 1 1  x  2 
 2   1   
 
1  x2   5 
b3  3b2  0 1
 8    4 
0 0  15   x3   15 
 8  4
Algoritma Gauss Naif (Ex.)

 Hasil:

 15  x3   15 x2  1 x3  5
8 4 8 4
x3  2 x2  5  1  2  1
4 8

x1  x2  1 x3  2
2
 
x1  2  1  1  2  0
2
Algoritma Gauss Jordan

 Dengan metode Gauss Jordan matriks A diubah

sedemikian rupa sampai terbentuk identitas dengan
cara :
 A | I  X  C diubah menjadi  I | A1  X  C 
C* merupakan matriks C yang sudah mengalami
beberapa kali transformasi, sehingga:
1 0 0  0   x1  C1  
      x1  C1
0 1 0  0   x2  C2  
0 0 1  0 A 1   x3   C3   x2  C2
     
           xn  Cn
0 0 0 1   x  C  
  n  n 
Algoritma Gauss Jordan (Ex.)

 Diketahui SPL:
2x1 + 2x2 + x3 = 4
3x1 - x2 + x3 = 1
x1 + 4x2 - x3 = 2
 Bagaimana penyelesaiannya?
Algoritma Gauss Jordan (Ex.)

 Langkah:
1.
2 2 1 1 0 0  x1  4
    
3  1 1 0 1 0  x2   1 
1 4  1 0 0 1  x3  2 
    

2.
1 1 1 1 0 0  x1  2
1  2 2    
b1 3  1 1 0 1 0  x2   1
2    x  2
1 4  1 0 0 1   3   
 Algoritma Gauss Jordan (Ex.)

 1 1 0 0  x   2 
3. 1 1 2 2  1
   
b2  3b1 0  4  1  3 1 0  x2    5
 2 2 
b3  b1 0 3  3  1 0 1  x3   0 
 2 2 

4.  1 1 0 0  x   2 
1 1 2 2  1
1  3    
 b2 0 1 1 1 0  x2   5 
4  8 8 4  4
0 3  3  1 0 1  x3   0 
  
 2 2 
 Algoritma Gauss Jordan (Ex.)

5.  3 1 1 0  x   3 
b1  b2
1 0 8 8 4  1  4 
3  
0 1 1 1 0  x 2    5 
b3  3b2  8 8 4   4 
0 0  15  13 3  
1  x3   15 
 8 8 4   4

 3 1 1 0   x  3 
6. 1 0 8 8 4  1  4
8 3  
 b3 0 1 1 1 0   x2   5 
15  8 8 4   4
0 0 1 13 6  8   x3   2 
 15 15 15  
Algoritma Gauss Jordan (Ex.)

b1  3 b3
 21 2 1 
7.
8 1 0 0 5 5 5   x1  0
b2  1 b3
0 1 0 4 1 1   x2   1
8  15 5 15     
0 0 1 13 6  8   x3  2
 15 15 15
Jadi: x1 = 0, x2 = 1, x3 = 2
Tugas
 Selesaikan persamaan linier simultan dibawah ini dengan Algorithma
Eliminasi Gauss dan Eliminasi Gauss Jordan.
 Selesaikan menggunakan Excel.
Algoritma Gauss Seidel

 Sering dipakai untuk menyelesaikan

persamaan yang berjumlah besar.
 Dilakukan dengan suatu iterasi yang
memberikan harga awal untuk x1 = x2 = x3 = ...
= xn = 0.
 Metode ini berlainan dengan metode Gauss
Jordan dan Gauss Naif karena metode ini
menggunakan iterasi dalam menentukan
harga x1, x2, x3, ..., xn.
 Kelemahan metode eliminasi dibandingkan
metode iterasi adalah metode eliminasi sulit
untuk digunakan dalam menyelesaikan SPL
berukuran besar.
Algoritma Gauss Seidel

1. Beri harga awal x1 = x2 = x3 = ... = xn = 0

C1   a12 x2  a13 x3  a14 x 4    a1n x n 

2. Hitung
x1 
a11
Karena x2 = x3 = x4 = ... = xn = 0, maka

C1
x1 
a11
Algoritma Gauss Seidel

3. x1 baru yang didapat dari tahap 2

digunakan untuk menghitung x2.
Baris 2  a21x1 + a22x2 + a23x3 + ... +
a2nxn = C2
C2  a21 x1  a23 x3    a2n x n
x2 
a22
C2  a21 x1
x2 
a22
Algoritma Gauss Seidel

4. Menghitung x3
Baris 3  a31x1 + a32x2 + a33x3 + ... +
a3nxn = C3
a33x3 = C3 – a31x1 – a32x2 – … – a3nxn

C 3  a31 x1  a32 x2  a34 x 4    a3n x n

x3 
a33

C3  a31 x1  a32 x2
x3 
a33
Algoritma Gauss Seidel

5. Cara ini diteruskan sampai ditemukan xn.

6. Lakukan iterasi ke-2 untuk menghitung x1, x2, x3, ...,
xn baru

C1  a12 x2  a13 x3    a1n x n

x1 
a11
C2  a21 x1  a23 x3    a2n x n
x2 
a22

C n  a11 x1  a12 x2  a13 x3    a1 n1 x n 1
xn 
ann
 Algoritma Gauss Seidel

7. Mencari kesalahan iterasi |a| dengan cara:

x i  baru   x i (lama)
xi   a   100%
x i  baru 

x n  baru   x n(lama)
xn   a   100%
x n  baru 
8. Iterasi diteruskan sampai didapat |a| < |s|
Algoritma Gauss Seidel (Ex.)

 Diketahui SPL:
x1 + 7x2 – 3x3 = –51 1 7  3  x1   51
4x1 – 4x2 + 9x3 = 61      
 4  4 9 x
 2    61 
12x1 – x2 + 3x3 = 8 12  1 3   x3   8 
dan a = 5 %
Algoritma Gauss Seidel (Ex.)

 Iterasi ke-0
x 1 = x2 = x3 = 0
 Iterasi ke-1

51 61  4 x1 61  4  51
x1   51 x2    66,25
1 4 4

8  12 x1  x2 8    51    66,25
x3    184,58
3 3
 Algoritma Gauss Seidel (Ex.)
 Iterasi ke-2

 51  7 x2  3x3  51  7  66,25  3184,58

x1    966,49
1 1
61  4 x1  9 x3 61  4 966,49  9184,58
x2    1366,55
4 4
8  12 x1  x2 8  12 966,49  1366,55
x3    3407,78
3 3
 Algoritma Gauss Seidel (Ex.)

 Iterasi ke-3
 51  7 x2  3x3  51  71366,55  3  3407,78
x1    19840,19
1 1
61  4 x1  9 x3 61  4  19840,19  9  3407,78
x2    27522,94
4 4
8  12x1  x2 8  12  19840,19    27522,94
x3    70189,11
3 3
 Perhitungan x1, x2, x3 diteruskan sampai semua |a| < |s|