Escolar Documentos
Profissional Documentos
Cultura Documentos
NUMERIS ALJABAR
LINIER
OOM HUMAIROH
SYIFA QOLBI S
FATHIRACHMA K
8.1 Pembandingan Prosedur Untuk Pemecahan Sistem Linear
kita akan menelaah empat metode untuk memecahkan sistem linear, 𝐴x = 𝑏, dari 𝑛 pers
amaan pada 𝑛 bilangan takdiketahui.
Pecahkanlah 𝐴x = 𝑏 sebagai x =
𝑛 3 − 𝑛2 𝑛 3 + 𝑛2
𝐴−1 𝑏
Carilah det(A) dengan reduksi ba 1 3 1 2 1 1 3 2
ris 3
𝑛 − 𝑛 + 𝑛
2 6 3
𝑛 + 𝑛−1
3
Pecahkanlah 𝐴x = 𝑏 dengan atu
1 4 1 3 1 2 1 1 4 1 3 2 2 1
ran Cremer 𝑛 − 𝑛 − 𝑛 + 𝑛 𝑛 + 𝑛 + 𝑛 − 𝑛−1
3 6 3 6 3 3 3 3
Untuk mengilustrasikan bagaimana hasil pada Tabel 8.1 diperhitungkan, kita mem
peroleh jumlah operasi untuk eliminasi Gauss-Jordan. Untuk membahas ini kita p
erlukan rumus berikut untuk jumlah 𝑛 pertama bilangan bulat positif dan jumlah ku
adrat 𝑛 pertama bilangan bulat positif
𝑛 𝑛+1
1 + 2 + 3 + ⋯+ 𝑛 = (8.1)
2
𝑛 𝑛 + 1 2𝑛 + 1
12 + 22 + 32 + ⋯ + 𝑛2 = (8.2)
6
Di samping itu, kita juga membutuhkan rumus untuk penjumlahan 𝑛 − 1 pertama b
ilangan bulat positif dan penjumlahan kuadrat dari 𝑛 − 1 pertama bilangan bulat p
ositif. Ini dapat kita peroleh dengan menyulihkan 𝑛 − 1 untuk 𝑛 dalam (8.1) dan (8.
2)
𝑛 𝑛+1
1 + 2 + 3 + ⋯ + (𝑛 − 1) = (8.3)
2
𝑛 𝑛 + 1 2𝑛 + 1
12 + 22 + 32 + ⋯ + (𝑛 − 1)2 = (8.4)
6
Jumlah operasi untuk Eliminasi Gauss-Jordan. Misalkan 𝐴x = 𝑏 adala
h sebuah sistem 𝑛 persamaan linear dalam 𝑛 bilangan takdiketahui, dan a
nggaplah bahwa 𝐴 dapat dibalik, sehingga sistem tersebut mempunyai pe
mecahan unik. Untuk penyederhanaan, anggap juga bahwa tidak ada per
tukaran baris yang diperlukan untuk menempatkan matriks yang diperbes
ar ሾ𝐴 ȁ𝑏] dalam bentuk eselon baris tereduksi. Asumsi ini dapat dipenuhi d
engan kenyataan bahwa pertukaran baris yang dilakukan sebagai operasi
perhitungan pada komputer dan banyaknya waktu yang terbuang dari sua
tu operasi aritmatik
Karena tidak ada pertukaran baris yang diperlukan, maka langkah awal dalam pro
ses eliminasi Gauss-Jordan memperkenalkan 1 utama dalam baris pertama deng
an mengalikan unsur-unsur dalam baris tersebut dengan mempertukarkan entri p
aling kiri pada baris itu. Kita akan menyajikan langkah ini secara skematis sebagai
berikut
Jadi, jumlah operasi yang diperlukan untuk melengkapi langkah yang berurutan ini adalah sebagai ber
ikut:
Langkah 1 dan 1a
Perkalian : 𝑛 + 𝑛 𝑛 − 1 = 𝑛2
Penjumlahan : 𝑛 𝑛 − 1 = 𝑛2 − 𝑛
Langkah 2 dan 2a
Perkalian : (𝑛 − 1) + 𝑛 − 1 (𝑛 − 2) = (𝑛 − 1)2
Penjumlahan : 𝑛−1 𝑛−2 = 𝑛−1 2− 𝑛−1
Langkah 3 dan 3a
Perkalian : (𝑛 − 2) + 𝑛 − 2 (𝑛 − 3) = (𝑛 − 2)2
Penjumlahan : 𝑛−2 𝑛−3 = 𝑛−2 2− 𝑛−2
Langkah (𝒏 − 𝟏) dan (𝒏 − 𝟏)a
Perkalian : 4 = (22 )
Penjumlahan : 2 = (22 − 2)
Langkah 𝒏
Perkalian : 1 = (12 )
Penjumlahan : 0 = (12 − 1)
Sehingga, total jumlah operasi yang diperlukan untuk mereduksi ሾ𝐴 ȁ𝑏] terhadap bentuk eselon baris a
dalah:
Perkalian : 𝑛2 + 𝑛 − 1 2 + 𝑛 − 2 2 + ⋯ + 12
Penjumlahan : 𝑛 2 + 𝑛 − 1 2 + 𝑛 − 2 2 + ⋯ + 12
−ሾ𝑛 + 𝑛 − 1 + 𝑛 − 2 + ⋯ + 1]
Atau, pada penerapan rumus (8.1) dan (8.2)
𝑛 𝑛+1 2𝑛+1 𝑛3 𝑛2 𝑛
Perkalian : = + +6 (8.5)
6 3 2
Pecahkanlah 𝐴x = 𝑏 sebagai x 𝑛3 𝑛3
−1
=𝐴 𝑏 ≈ ≈
3 3
Carilah det(A) dengan reduksi 𝑛3 𝑛3
baris ≈ ≈
3 3
Pecahkanlah 𝐴x = 𝑏 dengan a
𝑛4 𝑛4
turan Cremer ≈ ≈
3 3
8.2 Dekomposisi LU
Dengan menggunakan eliminasi Gauss dan eliminasi Gauss-Jordan suatu sistem linear dapat dipeca
hkan dengan mengoprasikan matriks yang diperbesar secara sistematis. Pada bagian ini kita akan m
embahas pendekatan yang lain, yang satu didasarkan atas pemaktoran matriks koefisien ke dalam ha
sil kali matriks segitiga bagian bawah dan bagian atas. Metode ini sangat bermanfaat untuk komputer
digital dan merupakan basis untuk banyak program komputer praktis.
Kita akan mengolahnya dalam dua tahapan. Mula-mula kita akan menunjukkan bagaimana sistem lin
ear 𝐴x = 𝑏 dapat dipersiapkan untuk memecahkan 𝐴 dengan memaktorkannya ke hasil kali matriks s
egitiga bawah dan atas. Kemudian kita akan menunjukkan bagaimana membentuk faktorisasi.
Jika matriks 𝐴 berukuran 𝑛 × 𝑛 dapat difaktorkan sebagai
𝐴 = 𝐿𝑈
di mana 𝐿 adalah segitiga bawah dan 𝑈 adalah segitiga atas, maka sistem linear 𝐴x = 𝑏 dapat dipeca
hkan sebagai berikut:
Langkah 1. Tuliskan kembali sistem 𝐴x = 𝑏 sebagai 𝐿𝑈x = b (8.11)
Langkah 2. Definisikanlah matriks baru 𝑦 yang berukuran 𝑛 × 1 dengan 𝑈x = 𝑦 (8.12)
Langkah 3. Gunakanlah (8.12) untuk menulis kembali (8.11) dan pecahkanlah
sistem ini untuk 𝑦.
Langkah 4. Tuliskanlah 𝑦 dalam (8.12) dan pecahkan untuk 𝑥.
Teorema 1. Jika 𝑨 adalah matriks kuadrat yang dapat direduksi terhadap bentuk eselon baris U
tanpa menggunakan pertukaran baris, maka A dapat difaktorkan sebagai 𝑨 = 𝑳𝑼 di mana L ada
lah matriks segitiga bawah.
Definifi. Sebuah faktorisasi matriks 𝐴 kuadrat seperti 𝐴 = 𝐿𝑈, di mana 𝐿 adalah segi tiga bawah dan
𝑈 adalah segitiga atas dikatakan sebuah dekomposisi 𝑳𝑼 atau dekomposisi segitiga 𝑨.
Contoh
Carilah dekomposisi-𝐿𝑈 dari
2 6 2
𝐴 = −3 −8 0
4 9 2
Ringkasnya, kita mempunyai prosedur berikut untuk membentuk dekomposisi-LU dari matriks kuadrat
A yang dapat direduksi terhadap bentuk eselon baris tanpa mempertukarkan baris-baris tersebut.
Langkah 1. Reduksi 𝐴 terhadap bentuk eselon baris 𝑈 tanpa menggunakan pertukaran bar
is, dengan mencari jejak pengali-pengali yang digunakan untuk memperkenalkan 1 utama dan pengali
-pengali yang digunakan untuk memperkenalkan nol di bawah 1 utama.
Langkah 2. Pada masing-masing kedudukan sepanjang diagonal utama 𝐿, tempatkanlah p
engali yang saling bertukar yang memperkenalkan 1 utama dalam kedudukan 𝑈,
Langkah 3. Pada masing-masing kedudukan di bawah diagonal utama 𝐿, tempatkanlah bil
angan negatif pengali yang digunalkan untuk memperkenalkan nol dalam kedudukan 𝑈,
Langkah 4. Bentuklah dekomposisi 𝐴 = 𝐿𝑈.
Contoh
Carilah dekomposisi-𝐿𝑈 dari
6 −2 0
𝐴 = 9 −1 1
3 7 5
8.3 METODE GAUSS-SEIDEL DAN METODE JACOBI
Definisi. Sebuah nilai eigen dari sebuah matriks A kita namakan nilai
eigen dominan (dominant eigenvalue) A jika nilai mutlaknya lebih
besar dari nilai nilai mutlak dari nilai- nilai eigen yang selebihnya.
Sedangkan vector eigen yang bersesuaian dengan nilai eigen dominan
kita namakan vektor eigen dominan (dominant eigen vector) A.
CONTOH
𝜆1 = −4, 𝜆2 = 3 , 𝜆3 = −2 , 𝜆4 = 2
Langkah 0
Pilihlah sebarang vector taknol
Langkah 1
Hitunglah 𝐴𝑥0 dan skalakanlah kebawahuntuk mendapatkan aproksimasi pertama terhadap vector
eigen dominan. Namakanlah vector eigen tersebut 𝑥1
Langkah 2
Hitunglah 𝐴𝑥1 dan skalakanlah kebawah untuk mendapatkan aproksimasi kedua, 𝑥2
Langkah 3
Hitunglah 𝐴𝑥2 skalakanlah kebawah untuk mendaptkan aproksimasiketiga , 𝑥3
Jika 𝑥 adalah aproksimasi terhadap vector eigen dominan, maka nilai
eigen dominan 𝜆1 dapat diaproksimasi oleh
𝑥,
𝐴𝑥
𝜆1 ≈
𝑥,
𝑥
Langkah 0 1 2 3 4 5 6 7
i
𝑥𝑖 = aproksima
si terhadap ve
ctor eigen yan
g diskalakan k
1 1 1 1 1 1 1 1
e bawah
1 −0,2 −0,385 −0,448 −0,475 −0,448 −0,494 −0,497
Aproksimasi te
rhadap 𝜆1
- 2,692 2,278 2,125 2,060 2,029 2,014 -
8.6 MENGAPROSIMASI NILAI EIGEN TAKDOMINAN: DEFLASI
DAN METODE PANGKAT INVERS