bab iv matriks
TRANSCRIPT
-
5/24/2018 Bab IV Matriks
1/25
72
BAB IV
GAUSS-JORDAN, MATRIKS INVERSIDAN GAUSS SEIDEL
A. PENDAHULUANDalam bab ini, kami menerangkan dua metode tambahan untuk
penyelesaian persamaan linear simultan. Metode pertama, Gauss-Jordan,sangat menyerupai eliminasi Gauss. Motivasi pokok kami untuk
memperkenalkan metode ini kepada anda adalah karena teknik Gauss-
Jordan memberikan suatu metode numerik yang sederhana dan
menyenangkan untuk perhitungan matriks inversi. Inversi memiliki
sejumlah aplikasi yang berharga dalam praktik teknik. Ia juga
memberikan suatu cara untuk mengevaluasikan kondisi sistem.
Metode kedua, Gauss-Seidel, mempunyai perbedaan yang mendasar dan
eliminasi Gauss, dan metode Gauss-Jordan dalam hal ini adalah suatu
metode iteratif aproksimasi. Artinya, ia melakukan tebakan-tebakan
awal dan kemudian berulangkali mendapatkan taksiran solusi yang
diperhalus. Metode Gauss-Seidel terutama sangat cocok bagi
persamaan-persamaan dalam jumlah besar. Dalam hal ini, metode
eliminasi dapat mengalami kesalahan-kesalahan pembulatan. Karena
kesalahan dari metode Gauss-Seidel dikontrol oleh banyaknya iterasi,
kesalahan pembulatan bukanlah suatu hal yang terkait dengan metode
ini. Tetapi terdapat keadaan-keadaan di mana teknik Gauss-Seidel tidak
akan konvergen pada jawaban yang tepat. Keadaan ini dan kompromi
lainnya antara metode eliminasi dengan iteratif akan dibahas pada
halaman-halaman berikutnya.
Tujuan Pembelajaran
Selesainya pembelajaran matriks maka diharapkan mahasiswa dapat :
1. Menuliskan algoritma komputer untuk metode Gauss - Jordan
-
5/24/2018 Bab IV Matriks
2/25
73
2. Menyelesaikan kasus fisis menggunakan metode matriks gauss-Jordan
3. Membuat diagram alir menentukan algoritma matriks invers4. Menentukan matriks inversi5. Menuliskan algoritma metode Gauss-Seidel6. Menentukan konvergensi untuk metode Gauss seidel7. Menyelesaikan masalah fisis menggunakan metode Gauss-Seidel
B. URAIAN MATERI
4.1. METODE GAUSS-JORDAN
Metode Gauss-Jordan adalah suatu variasi dari eliminasi Gauss.
Perbedaan utama adalah bilamana sebuah yang tidak diketahui
dieliminasikan dalam metode Gauss-Jordan, ia dieliminasikan dari setiap
persamaan lainnya ketimbang hanya dari persamaan berikutnya. Jadi,
Iangkah eliminasi dihasilkan dalam sebuah matriks kesatuan ketimbang
sebuah matriks triangular (Gambar 8.1). Konsekuensinya, tidak perlu
melakukan substitusi ke belakang untuk mendapatkan solusi. Metode
tersebut digambarkan secara baik oleh sebuah contoh.
[ ]
[1 0 00 1 00 0 1
]
= =
=
-
5/24/2018 Bab IV Matriks
3/25
74
Gambar. 4.1 Penjelasan grafik metode Gauss Jordan. Bandingkan
dengan sebelumnya untuk melihat letak pebedaan di antara teknik ini
dengan eliminasi Gauss. Tanda asterisk menyatakan bahwa elemen-
elemen dari ruas sebelah kanan vektor telah dimodifikasi beberapa kali.
soIusi: Pertama, nyatakan kembali koefisien-koefisien dari ruas
sebelah kanan sebagai sebuah matriks yang diperluas:
[ 3 0,1 0,20,1 7 0,30,3 0,2 10 7,8519,371,4 ]Ialu normalisasikan baris pertama dengan membaginya dengan
elemenpivot, 3,menjadi:
[ 1 0,0333333 0,06666670,1 7 0,30,3 0,2 10
2,6166719,371,4
]Sukudapat dieliminasikan dari baris kedua dengan mengurangkan 0,Ikali baris pertama dari baris kedua. Dengan cara serupa, mengurangkan0,3 kali baris pertama dari baris ketiga akan mengeliminasikan suku dari baris ketiga:
[1 0,0333333 0,06666670 7,00333 0,293333
0 0,190000 10,0200
2,6166719,5617
70,6150
]
3 0,1 0,2 =7,850,1 + 7 0,3 =19,30,3 0,2 +10 =71,4
CONTOH 4.1
Metode Gauss-Jordan
Pernyataan Masalah: (gunakan teknik Gauss-Jordan untuk
menyelesaikan sistern yang serupa seperti pada Contoh 7.5:
-
5/24/2018 Bab IV Matriks
4/25
75
berikutnya, normalisasikan baris kedua dengan membaginya dengan
7,00333:
[1 0,0333333 0,06666670 1 0,04188480 0,190000 10,0200 2,616672,7932070,6150 ]Reduksi suku dari persamaan pertama dan ketiga memberikan:
[1 0 0,06806290 1 0,04188480 0 10,0120 2,523562,7932070,0843 ]
Baris ketiga kemudian dinormalisasikan dengan membaginya dengan10,0120:
[1 0 0,06806290 1 0,04188480 0 1 2,523562,793207,00003 ]
Akhirnya, sukudapat direduksi dari persamaan pertama dan kedua,memberikan:
[1 0 00 1 00 0 1 3,000002,500017,00003]Jadi, seperti dijelaskan dalam Gambar 8.1, matriks koefisien telah
ditransformasikan menjadi matriks kesatuan, dan solusi diperoleh pada
vektor di ruas kanan. Perhatikanlah bahwa substitusi ke belakang tidak
diperlukan untuk memperoleh solusi.
Semua materi dalam Bab 7 tentang jebakan dan perbaikan dalameliminasi Gauss juga diterapkan terhadap metode Gauss-Jordan.
Misalnya, suatu strategi pivoting yang serupa dapat dipakai untuk
mencegah pembagian dengan nol dan mereduksi (mengurangi)
kesalahan pembulatan.
Walaupun teknik Gauss-Jordan dan eliminasi Gauss kelihatannya hampir
identik, yang pertama memerlukan kirakira 50% pengoperasian Iebih
banyak. Karenanya, eliminasi Gauss adalah metode sederhana yang
disukai guna memperoleh solusi yang eksak dari persamaan linear
-
5/24/2018 Bab IV Matriks
5/25
76
simultan. Salah satu alasan utama kami memperkenalkan Gauss-Jordan
adalah bahwa ia memberikan cara yang gamblang untuk memperoleh
matniks inversi, seperti dijelaskan dalam Pasal 8.2.
4.1 .1 Algoritma Komputer untuk Metode Gauss-Jordan
Suatu diagram alir untuk rnetode Gauss-Jordan tanpa pivoting parsial
terlihat pada Gambar 4.2. Sebuah skema pivoting, serupa dengan skema
yang ditunjukkan pada Gambar 7.10, dapat disertakan dalam algoritma
ini.
4.2 MATRIKS INVERSI
Dalam pengantar tentang pengoperasian matriks (Pasal III.2.2), kami
telah memperkenalkan catatan bahwa jika sebuah matriks [A] adalah
bujur sangkar, terdapat matriks Iainnya ;, yang disebut matriksinversi dari [A], untuk [Persamaan (III.3)]:; = ; = Kami telah menunjukkan juga bagaimana inversi dapat digunakan untuk
menyelesaikan sekumpulan persamaan simultan, seperti pada
[Persamaan (III.6)]:
= ; (4.1)
-
5/24/2018 Bab IV Matriks
6/25
77
Suatu aplikasi dan inversi terjadi bila diperlukan untuk menyelesaikan
beberapa sistem persamaan dalam bentuk:
=
hanya dibedakan oleh vektor di ruas kanan [C]. Ketimbang
menyelesaikan setiap sistem secara individu, suatu pendekatan alternatif
akan menentukan inversi dari matriks koefisien. Lalu, Persamaan (8.1)
dapat digunakan untuk mendapatkan setiap solusi secara mudah dengan
mengalikan ;dengan vektor [C] di ruas kanan tertentu. Karenaperkalian matriks lebih cepat daripada inversi, kita hanya rnelakukan
langkah yang memakan tempo sekali, lalu diperoleh solusi tambahan
dalam sebuah bentuk yang efisien. Seperti telah diperluas juga dalamPasal 8.2.1, elemen-elemen inversi sangat berguna sekali.
[
1 0 00 1 00 0 1]
1 0 00 1 00 0 1; ; ;; ; ;; ; ;
;GAMBAR 4.3 . Penjelasan grafik dan metode Gauss-Jordan, dengan
matriks inversi.
Satu cara yang gamblang untuk menghitung inversi ialah dengan
menggunakan metode Gauss-Jordan. Untuk melakukan ini, matriks
koefisien diperluas dengan sebuah matriks kesatuan (Gambar 8.3).
Kemudian metode Gauss-Jordan diterapkan agar mengurangi matriks
koefisien menjadi sebuah matriks kesatuan. Jika ini telah selesai, ruas
kanan matriks yang diperluas akan mengandung inversi. Teknik tersebut
diilustrasikan dalam contoh berikut ini.
-
5/24/2018 Bab IV Matriks
7/25
78
Solusi: Perluas matriks koefisien dengan sebuah matriks kesatuan
= [ 3 0,1 0,20,1 7 0,3
0,3 0,2 10
1 0 00 1 0
0 0 1
]Gunakan sebagai elemen pivot, normalisasikan baris pertama dangunakan untuk mengelinasi dan baris-baris lainnya:
[1 0,0333333 0,06666670 7,03333 0,2933330 0,190000 10,0200 0,333333 0 00,0333333 1 00,0999999 0 1]
beriikutnya, dapat digunakan sebagai elemen pivot dandieliminasikan dari baris-baris lainnya :
[1 0 0,0680570 1 0,04170610 0 10,0121 0,333175 0,004739329 00,00473933 0,142180 00,10090 0,0270142 1]Akhirnya, digunakan sebagai elemen pivot dan
dieliminasikan dari baris-baris Iainnya :
[1 0 10 1 00 0 1
0,332489 0,00492297 0,006798130,0051644 0,142293 0,004183460,0100779 0,00269816 0,0998801 ]
CONTOH 4.2
Penggunaan Metode Gauss-Jordan untuk Menghitung
Matriks inversi
Pernyataan Masalah: Tentukan matriks inversi dari sistem
yang telah diselesaikan sebelumnya dalam Contoh 7.5.
Dapatkan solusi dengan mengalikan ;dengan vektordi ruas kanan:
= [7,85 19,3 71 ,4]. Tambahan pula, dapatkan solusiuntuk sebuah vektor yang berlainan di ruas kanan:
=20 50 15
-
5/24/2018 Bab IV Matriks
8/25
79
Karenanya, inversi adalah:
; = [0,332489 0,00492297 0,00679813
0,0051644 0,142293 0,004183460,0100779 0,00269816 0,0998801 ]
Sekarang, inversi dapat dikalikan dengan vektor di ruas kanan
pertama untuk menentukan solusi:
=7,850,332489 19,30,00492297 + 71,40,00679813= 3,00041181
=7,850,0051644 19,30,142293 +71,40,00418346 =2,48809640 = 785,010779 19,30,00269816+ 71,40,0998801 =7,00025314Solusi kedua dengan mudah diperoleh dengan melakukan perkalian
Iainnya seperti dalam:
= 200,332489 + 500,00492297 + 150,00679813=6,99790045 = 20( , 0051644) + 500,142293 +150,00418346 = 7,0741139 = 200,0100779 + 500,00269816 + 150,0998801= 1,43155150
4.2.1 Komputasi RangsanganTanggapan
Seperti telah dibahas dalam Pasal III.1.2, kebanyakan sistem persamaan
linear yang dihadapkan dalam praktik teknik diturunkan dari hukum-
hukum kekekalan. Pernyataan matematika dan hukum-hukum ini adalah
beberapa bentuk dari persamaan keseimbangan untuk meyakinkan
bahwa suatu perilaku tertentumassa, gaya, momentum, atau lainnya
adalah kekal. Untuk keseimbangan gaya dalam sebuah struktur, perilaku
dapat berupa komponen-komponen horizontal atau vertikal dari gaya-
-
5/24/2018 Bab IV Matriks
9/25
80
gaya yang bekerja pada setiap simpul dari struktur (lihat Studi Kasus
9.3). Untuk keseimbangan massa, perilaku dapat berupa massa dalam
setiap reaktor dari sebuah proses kimia. Bidang-bidang teknik lainnya
mengandung contoh-contoh yang serupa.
Sebuah persamaan keseimbangan tunggal dapat ditulis untuk setiap
bagian sistem, menghasilkan sekumpulan persamaan yang
mendefinisikan tingkah perilaku keseluruhan sistem. Persamaan-
persamaan ini saling berhubungan, atau bergandengan, dalam hal bahwa
setiap persamaan meliputi satu atau lebih variabel dari persamaan-
persamaan Iainnya. Untuk banyak kasus, sistem-sistem ini adalah linear
dan karenanya, bentuk eksak ditangani dalam bab ini.
= (4.2)Sekarang, untuk persamaan keseimbangan, suku-suku dan Persamaan
(4.2) mempunyai interpretasi fisis tertentu. Misalnya, elemen-elemen
dari [X] adalah besaran sebuah struktur, mereka menunjukkan gaya-gaya
horizontal dan vertikal dalam setiap anggota. Untuk keseimbangan
massa, mereka adalah massa dari bahan kimia dalam setiap reaktor.
Dalam kasus Iainnya, mereka menyatakan keadaan atau tanggapansistem yang sedang kita coba untuk menentukannya.
Vektor [C] di ruas kanan mengandung elemen-elemen dari
keseimbangan yang tidak tergantung dari perilaku sistemartinya,
semua adaIah konstanta. Karenanya, ia seringkali menyatakan gaya-
gaya luar atau rangsangan yang menggerakkan sistem.
Akhirnya, matriks koefisien [A] biasanya mengandung parameter-
parameter yang menyatakan bagaimana setiap bagian sistem berinteraksiatau digandengkan. Konsekuensinya, Persamaan (8.2) boleh dinyatakan
kembali sebagai:
[Interaksi] [Tanggapan] = [Rangsanganj
Sekarang, seperti telah kita ketahui dari bab ini, terdapat pelbagai cara
untuk menyelesaikan Persamaan (8.2). Tetapi dengan menggunakan
matriks inversi akan mengandung hasil tertentu yang menarik. Solusi
formal [Persamaan (8.1)] dapat dinyatakan sebagai:
-
5/24/2018 Bab IV Matriks
10/25
81
= ;atau (ingat definisi kita tentang perkalian matriks dalam Kotak III.2):
= ; + ; + ; = ; + ; + ; = ; + ; + ;
Jadi, kita menemukan bahwa matriks yang diinversikan itu sendiri,
selain memberikan sebuah solusi, memiliki perilaku yang sangat
berguna. Artinya, setiap elemennya menyatakan tanggapan sebuah
bagian tunggal dari sistem terhadap sebuah satuan rangsangan darisembarang bagian sistem.
Perhatikan bahwa formulasi ini adalah linear dan karenanya, superposisi
dan proporsionalitas dipegang. Superposisi berarti jika sebuah sistem
dikenai oleh beberapa rangsangan yang berbeda (harga-harga c),
tanggapan dapat dihitung secara individu dan hasilnya dijumlahkan
untuk memperoleh suatu tanggapan total. Proporsionalitas
(kesebandingan) berarti bahwa perkalian rangsangan dengan suatu hasilbesaran menghasilkan jawaban terhadap rangsangan yang sedang
dikalikan oleh besaran yang sama. Jadi, koefisien ; adalah suatukonstanta kesebandingan yang memberikan harga dikarenakan satusatuan tingkat . Hasil ini tidak bergantung kepada efek dan terhadap , yang masing-masing ditimbulkan oleh koefisien ; dan;. Karenanya, kita dapat menarik kesimpulan bahwa elemen ;darimatriks inversi menyatakan harga dan
disebabkan satu satuan besaran
dari . Dengan menggunakan contoh struktur, elemen ; dari matriksinversi menyatakan gaya pada anggota i disebabkan satu satuan gayaluar pada simpul j. Bahkan untuk sistem-sistem yang kecil, perilaku
interaksi dari rangsangan-tanggapan tentunya tidak akan terjadi secara
intuitif. Dengan demikian, matriks inversi memberikan suatu teknik
yang berdayaguna untuk mengartikan hubungan bagian-bagian
komponen dari sistem yang rumit. Kemampuan ini akan ditunjukkan
pada Studi Kasus 9.3.
-
5/24/2018 Bab IV Matriks
11/25
82
4.2.2 Enversi dan Kondisi Timpang (Dur-Kondisi)
Di samping pemakaiannya dalam teknik, inversi juga memberikan suatu
cara untuk melihat apakah sistem adalah kondisi-timpang. Tiga cara
kisedia untuk keperluan ini:
1. Skalakan matriks koefisien, [A], sedemikian agar elemenyang terbesar pada setiap kolom adalah 1. Jika terdapat
elemen dari ;yang beberapa orde lebih besar darielemen-elemen matriks semuIa, kelihatannya sistem adalah
kondisi-timpang.
2. Kalikan inversi dengan matriks koefisien semula dan periksaapakah hasilnya mendekati matriks satuan. Jika tidak, iamenunjukkan kondisi-timpang.
3. Inversikan matriks inversi dan periksa apakah hasilnya cukupmen
1. dekati matriks koefisien semula. Jika tidak, ia kembalimenunjukkan bahwa sistem adalah kondisi-timpang.
4.2.3 Algonitma Komputer untuk Matriks Inversi
AIgoritrna komputer dari Gambar 8.2 dapat dimodifikasikan untuk
menghitung matriks inversi. Ini meliputi perluasan matriks koefisien
dengan sebuah matriks satuan pada awal pemrograman. Ditambahkan,
beberapa dan indeks loop harus dilipatduakan supaya komputasi
dilakukan untuk semua kolom dari matriks koefisien yang diperluas.
Jika pivoting parsial diikut sertakan ke dalam algoritma Gauss-Jordan,
diperlukan modifikasi yang lebih banyak. Ini disebabkan oleh kenyataan
bahwa setiap kali sebuah baris dari matriks koefisien dipivotkan, kolomdari matriks inversi harus digeser dengan cara yang serupa.
Gambar 8.4 menggambarkan fenomena ini. Misalnya, kalau baris ketiga
di-pivot-kan atau digeser di antara baris 1 dan 2, arti atau
interpretasi mengenai kolom 2 dari matriks yang diinversikan
berubah. Ketimbang menunjukkan pengaruh dari satu satuan peubahan terhadap setiap harga x, ia akan menunjukkan pengaruh dari satusatuan perubahan
terhadap setiap harga x.
-
5/24/2018 Bab IV Matriks
12/25
83
Tambahan terhadap ciri di atas, program komputer harus didesain guna
mencari solusi untuk sembarang jumlah vektor di ruas kanan, seperti
telah dibicarakan pada awal Pasal 8.2. Ini dengan mudah dapat
dilakukan dengan sebuah loop yang ditempatkan setelah komputasimatriks invensi. Loop ini segera memberitahu pemakai untuk sebuah
vektor di ruas kanan yang kemudian dapat dikalikan dengan ;untukmendapatkan solusi. Proses tersebut dapat di!anjutkan sampai pemakai
menanggapi bahwa solusi sudah tidak diperlukan lebih lama lagi.
GAMBAR 4.4 Penjelasan grafik tentang bagaimana menggerakkan
sebuah baris dan matriks koefisien (yaitu pivoting parsial)
mempunyai dampak pada interpretasi mengenai elemen-elemen
matriks inversi yang dihasilkan.
4.3 METODE GAUSS-SEIDEL
Metode eliminasi eksak yang telah dibahas sebelumnya dapat digunakan
untuk menyelesaikan kira-kira 25 sampai 50 persamaan linear simu!tan.
Jumlah ini seringkali dapat diperluas dan jika sistem berkondisi baik,
strategi pivot dilakukan, persamaan kesalahan digunakan, atau matriks
adalah sparsi. Tetapi karena kesalahan pembulatan, metode eliminasi
seringkali membuktikan kurang pantas untuk sistem-sistem yang besar.
Untuk jenis masalah ini, metode iteratif atau aproksimasi sering
menguntungkan untuk dipergunakan.
Kita telah mempergunakan jenis teknik yang serupa untuk mendapatkan
akar dari sebuah persamaan tunggal dalam Bab 5. Pendekatan itu terdiri
dari penebakan suatu harga kemudian menggunakan sebuah metode
-
5/24/2018 Bab IV Matriks
13/25
84
sistematis untuk mendapatkan suatu taksiran akar yang diperhalus.
Karena bagian buku ini menangani suatu masalah yang serupa
mendapatkan harga-harga secara simultan yang memenuhi sekumpulan
persamaan kita dapat menduga bahwa metode aproksimasi demikianakan berguna dalam konteks ini.
Alasan bahwa metode iteratif berguna untuk kemudahan sistem
pembulatan adalah bahwa suatu metode aproksimasi dapat diteruskan
sampai ia konvergen dalam toleransi kesalahan praspesifikasi. Jadi,
pembulatan merupakan hal yang tidak lebih lama, karena anda
mengontrol tingkat kesalahan yang dapat diterima.
Metode Gauss-Seidel adalah metode yang paling sering memakai caraiteratif. Anggaplah bahwa kita diberi sekumpulan n persamaan:
= Jika semua elemen diagonal tidak nol, persamaan pertama dapat
diselesaikan untuk x, persamaan kedua untuk , dan seterusnyamenurut:
= ;;; ; (8.3a) = ;;; ; (8.3b) = ;;; ;
(4.3c)
=;;; ;,
(4.3d)
Sekarang kita dapat memulai proses solusi dengan menggunakan
tebakan untuk setiap harga x. Cara yang mudah untuk mendapatkan
tebakan-tebakan awal ialah dengan menganggap bahwa harga semuanya
adalah nol. Harga-harga nol ini dapat dimasukkan ke dalam Persamaan
(4.3a) agar dapat dipergunakan untuk menghitung harga baru =/
. Kemudian kita memasukkan harga baru
ini bersama-sama
dengan tebakan-tebakan nol sebelumnya bagi , ..., , ke dalam
-
5/24/2018 Bab IV Matriks
14/25
85
Persamaan (4.3b) untuk menghitung suatu harga baru bagi . Prosestersebut diulangi untuk setiap persamaan, sehingga kita memakai
Persamaan (4.3d) untuk menghitung taksiran baru untuk
. Lalu kita
kembali pada persamaan pertama dan mengulangi prosedur keseluruhansampai solusi kita konvergen dan cukup dekat dengan harga yang
sebenarnya. Konvergensi itu dapat dicek dengan menggunakan kriteria
[ingat Persamaan (3.5)]:
, = ; 1 0 0 % < (8.4)
untuk semua i, di mana j dan j 1 adalah iterasi-iterasi sekarang dansebelumnya.
Solusi: Pertama, selesaikan tiap persamaan untuk yang tidak
diketahui pada diagonal :
= , : ,: , [C8.3.l]
3 0,1 0,2 = 7,850,1 + 7 0,3 =19,30,3 0,2 + 1 = 71,4
CONTOH
Metode Gauss-Seidel
Pernyataan Masalah: Gunakan metode Gauss-Seidel untuk
mendapatkan solusi dan sistem yang sama dengan Contoh 7.5 dan
8.1:
Ingatlah bahwa solusi yang sebenarnya adalah = 3, = 2,5dan
= 7
-
5/24/2018 Bab IV Matriks
15/25
86
= ;, ; ,: , [C8.3.2]
= , ; ,: , [C4.3.3]Dengan menganggap bahwa dan adalah nol, Persamaan(C4.3.1)
dapat dipakai untuk menghitung:
= 7,853 =2,616666667Harga ini, bersama dengan harga anggapan dari = 0, dapatdimasukkan ke dalam Persamaan (C8.3.2) untuk menghitung:
= 19,3 0, 12,616666667 + 07 =2,794523810
Iterasi pertama diselesaikan dengan memasukkan harga-harga yang
dikalkulasikan untuk dan ke dalam Persamaan (C8.3.3) agarmemenuhi: = 71,4 0, 32,616666667 + 0,2 2,79452381010=7,005609524
untuk iterasi kedua, proses yang sama diulangi untuk menghitung:
= 7,85 + 0,12,794523810 + 0,27,0056095243 =2,990556508 || =0,31%
= 19,3 0,12,990556508 + 0,37,0056095247 =2,499624684 || =0,015%
-
5/24/2018 Bab IV Matriks
16/25
87
= 71,4 0, 32,990556508 + 0,2 2,499624684
10
=7,00029081 || =0,0042%Karenanya, metode adalah konvergen pada solusi yang sebenarnya.
Iterasi tambahan dapat diterapkan untuk memperbaiki jawaban. Tetapi,
dalam masalah sebenarnya, kita sebelumnya tidak akan mengetahui
jawaban yang sesungguhnya. Konsekuensinya, Persamaan (8.4)
memberikan suatu cara untuk menaksir kesalahan:
, = 2,990556508 2,6166666672,990556508 100%=12,5%, = 2,499624684 2,7945238102,499624684 100%= 11,8%, = 7,000290811 7,005609524
7,000290811 100% = 0,076%
Perhatikan, seperti halnya ketika menentukan akar-akar dari sebuah
persamaan tunggal, formulasi sebagai Persamaan (4.4) biasanya
memberikan suatu harapan konservatif dan konvergensi. Jadi, bila
ditemukan, ia meyakinkan bahwa hasil tersebut diketahui sekurang-
kurangnya dalam batas toleransi yang dispesifikasikan oleh .Perhatikan bahwa untuk metode Gauss-Seidel, jika setiap harga x yang
baru dihitung, ia segera dipakai untuk persamaan berikutnya guna
menentukan harga x yang lainnya. Jadi, kalau solusinya konvergen,taksiran tersedia yang terbaik akan dikerjakan. Sebuah pendekatan
alternatif, dinamakan iterasi Jacobi, memanfaatkan beberapa taktik yang
berbeda. Ketimbang menggunakan setiap harga x terakhir yang tersedia,
teknik ini menggunakan Persamaan (4.3) untuk menghitung sekumpulan
tiap harga x yang baru berdasarkan sekumpulan harga x yang lama. Jadi,
jika harga yang baru dihasilkan, ia tidak segera dipakai, tetapi agak
ditahan untuk iterasi berikutnya.
-
5/24/2018 Bab IV Matriks
17/25
88
Perbedaan antara metode Gauss-Seidel dan iterasi Jacobi dijelaskan
dalam Gambar 4.5. Walaupun terdapat sejumlah kasus dimana metode
Jacobi konvergen lebih cepat, pemanfaatan dari taksiran yang terbaik
biasanya membuat metode Gauss-Seidel disukai.
GAMBAR 4.5 Penjelasan grafik dan perbedaan antara metode (a)
Gauss-Seidel dan (b) metode iterasi Jacobi untuk menyelesaikan
persamaan aijabar linear sitmultan.
4.3.1 Kriteria Konvergensi untuk Metode Gauss-Seidel
Catat bahwa metode Gauss-Seidel mempunyai maksud yang serupa
dengan teknik iterasi satu titik sederhana yang dipakai dalam Pasal 5.1
untuk menyelesaikan akar-akar suatu persamaan tunggal. Ingatlah
bahwa iterasi satu titik sederhana memiliki dua masalah yang mendasar:
(1) ia seringkali tidak konvergen, dan (2) kalaupun konvergen, sering
melakukannya secara perlahan. Metode Gauss-Seidel dapat juga
memperlihatkan kelemahan-kelemahan ini.
Suatu kondisi untuk konvergensi adalah bahwa koefisien diagonal pada
setiap persamaan lebih besar daripada jumlah koefisien lainnya dalam
persamaan. Suatu pernyataan kuantitatif dari kriteria ini adalah:
-
5/24/2018 Bab IV Matriks
18/25
89
, > , [4.5]dimana sumasinya diambil dari j = 1 sampai n, tidak termasuk j = i.
Persamaan (4.5) adalah suatu kriteria yang memadai, tetapi tidak perlusuatu kriteria konvergensi. Artinya, walaupun metode tersebut kadang-
kadang bisa bekerja jika Persamaan (4.5) tidak dipenuhi, konvergensi
dijamin kalau kondisi tersebut dipenuhi. Sistem di mana Persamaan
(4.5) dipegang, disebut dominan secara diagonal. Untunglah, banyak
masalah praktis teknik yang memenuhi persyaratan.
8.3.2 Perhaikan Konvergensi Menggunakan Relaksasi
Relaksasi memperlihatkan sedikit modifikasi pada metode Gauss-Seideldan didesain guna memperbaiki konvergensi. Setelah setiap harga yang
haru dari x dicari dengan menggunakan Persamaan (8.3), harga tersebut
diubah oleh suatu rata-rata yang diboboti dari hasil sebelumnya dan
iterasi yang sekarang:
= + 1 [4.6]dimana
adalah suatu faktor bobot yang diberi harga antara 0 dan 2.
Jika = 1, 1 adalah nol dan hasil itu tidak dimodifikasikan.Tetapi jika diberi harga antara 0 dan 1, hasil tersebut adalah suatu rata-rata yang diboboti dan hasil yang sekarang dan yang terdahulu. Jenis
modifikasi ini disebut under-relaksasi.Pilihan jenis ini dilakukan untuk
membuat konvergensi suatu sistem yang tidak konvergen.
Untuk harga-harga dari 1 sampai 2, bobot ekstra ditempatkan padaharga yang sekarang. Dalam hal ini, terdapat suatu anggapan implisit
bahwa harga baru bergerak ke arah yang betul menuju solusi yang
sesungguhnya, tetapi pada kelajuan yang terlalu perlahan. Jadi, bobot
yang ditambahkan pada diharapkan guna memperbaiki estimasidengan mendorongnya Iebih dekat pada yang sebenarnya. Jadi, jenis
modifikasi yang demikian, dinamakan over-relaksasi, didesain untuk
mempercepat konvergensi dari suatu sistem yang telah konvergen.
Pemilihan dan suatu harga yang baik untuk
merupakan masalah
spesifik yang tinggi dan seringkali ditentukan melalui uji-coba (trial and
-
5/24/2018 Bab IV Matriks
19/25
90
error). Untuk suatu solusi tunggal dari sekumpulan pertama, ia
seringkali tidak diperlukan. Tetapi jika sistem yang tengah dipelajari
akan diselesaikan secara berulangkali, efisiensi yang diperkenalkan oleh
suatu pemilihan yang bijaksana dari sangat penting sekali. Contoh-contoh yang baik adalah sistem yang sangat besar dari persamaandiferensial parsial yang sering muncul waktu memodelkan variasi
variabel yang kontinu (ingatlah sistem berskala mikro yang dijelaskan
pada Gambar (III.1b). Studi kasus kedua dalam Bab 9 memberikan suatu
contoh mengenai perlakuan relaksasi dalam suatu konteks masalah
teknik.
4.3.3 Algoritma Komputer untuk Metode Gauss-Seidel
Suatu algoritma komputer untuk metode Gauss-Seidel, dengan relaksasi,
diperlihatkan pada Gambar 8.6. Catatlah, algoritma ini tidak dijamin
akan mengandung suatu hasil yang layak jika persamaan tidak
dimasukkan ke dalam suatu bentuk yang dominan secara diagonal.
Suatu cara untuk memodifikasikan algoritma tersebut supaya
memperhitungkan sebagian dari kelemahan ini adalah dengan cara
mencari koefisien-koefisien setiap persamaan selama iterasi agarmenandai koefisien yang terbesar. Persamaan yang ditanyakan lalu dapat
diselesaikan untuk harga-harga x yang bersesuaian dengan koefisien ini.
Untuk komputasi yang berikutnya, koefisien-koefisien dari harga x
sisanya akan dicari untuk menandai koefisien yang terbesar. Persamaan
tersebut akan dapat diselesaikan untuk harga x yang sesuai.
Dengan mengikuti bentuk ini, kita sekurang-kurangnya akan
memaksimalkan kesempatan kita memperoleh dominansi diagonal.
Tetapi rencana tersebut tidak akan menjadikan trivial terhadap program.
-
5/24/2018 Bab IV Matriks
20/25
91
Gambar. 4.6 Diagram alir untuk metode Gauss-Seidel
8.3.4 Konteks Masalah untuk Metode Gauss-Seidel
Di samping mengatasi dilema pembulatan, teknik Gauss-Seidel memiliki
sejumlah keuntungan lain yang terutama membuatnya menarik dalam
konteks masalah teknik tertentu. Misalnya, kalau matriks yang
ditanyakan sangat besar dan sangat sparsi atau jarang (artinya:
kebanyakan elemen-elemennya adalah nol), metode eliminasi
menghabiskan sejumlah besar memori komputer yang mengandung nol.
Dalam Kotak 7.2, kita melihat bagaimana kelemahan ini dapat diatasi,
jika koefisien matriks tersebut berpita (banded). Untuk sistem yang tidak
berpita tidak terdapat cara yang sederhana guna mencegah kebutuhan
memori yang besar jika menggunakan metode eliminasi. Karena setiap
komputer memiliki sejumlah memori yang terhingga, ketidakefisienan
-
5/24/2018 Bab IV Matriks
21/25
92
ini dapat menempatkan suatu kendala yang riil pada ukuran sistem,
dimana untuk metode eliminasi adalah praktis.
Meskipun suatu algoritma yang umum semacam algoritma yang terdapat
pada Gambar 8.6 cenderung pada kendala yang serupa, struktur
persamaan Gauss-Seidel [Persamaan (8.3)] memberi suatu program yang
jelas untuk dikembangkan bagi sistem tertentu. Karena banyak koefisien
yang tidak nol dibutuhkan dan dimasukkan ke dalam Persamaan (8.3),
penghematan memori komputer yang sangat besar memang
memungkinkan. Walaupun keperluan ini diutamakan sekali dalam
investasi pengembangan piranti lunak, keuntungan jangka panjang
adalah mutlak jika berhadapan dengan sistem yang besar, dimana
banyak simulasi yang dilakukan. Kedua sistem variabel makro dan
variabel mikro dapat menghasilkan matriks yang besar dan sparsi,
dimana untuk metode Gauss-Seidel memang menarik. Dalam Studi
Kasus 9.2, kita sedikit akan lebih memperluas hal-hal ini.
C.PENUTUP
Rangkuman
Metode Gauss-Jordan adalah suatu variasi dari eliminasi Gauss.
Perbedaan utama adalah bilamana sebuah yang tidak diketahui
dieliminasikan dalam metode Gauss-Jordan, ia dieliminasikan dari setiap
persamaan lainnya ketimbang hanya dari persamaan berikutnya. Jadi,
Iangkah eliminasi dihasilkan dalam sebuah matriks kesatuan ketimbang
sebuah matriks triangular (Gambar 8.1). Konsekuensinya, tidak perlu
melakukan substitusi ke belakang untuk mendapatkan solusi.
Matriks inversi : Telah diperkenalkan catatan bahwa jika sebuah
matriks [A] adalah bujur sangkar, terdapat matriks Iainnya ;, yangdisebut matriks inversi dari [A], untuk [Persamaan (III.3)]:
; = ; = Juga telah ditunjukkan bagaimana inversi dapat digunakan untuk
menyelesaikan sekumpulan persamaan simultan
-
5/24/2018 Bab IV Matriks
22/25
93
Algoritrna komputer dari Gambar 4.2 dapat dimodifikasikan untuk
menghitung matriks inversi. Ini meliputi perluasan matriks koefisien
dengan sebuah matriks satuan pada awal pemrograman. Ditambahkan,
beberapa dan indeks loop harus dilipatduakan supaya komputasidilakukan untuk semua kolom dari matriks koefisien yang diperluas.
Metode Gauss-Seidel. Metode eliminasi eksak yang telah dibahas
sebelumnya dapat digunakan untuk menyelesaikan kira-kira 25 sampai
50 persamaan linear simu!tan. Jumlah ini seringkali dapat diperluas dan
jika sistem berkondisi baik, strategi pivot dilakukan, persamaan
kesalahan digunakan, atau matriks adalah sparsi. Tetapi karena
kesalahan pembulatan, metode eliminasi seringkali membuktikan kurang
pantas untuk sistem-sistem yang besar. Untuk jenis masalah ini, metode
iteratif atau aproksimasi sering menguntungkan untuk dipergunakan.
Evaluasi
Kalkulasi Tangan
4.1 Gunakan metode Gauss-Jordan untuk menyelesaikan Soal 7.6.
4.2 Tentukan matriks inversi untuk Soal 7.6. Periksa hasil-hasil anda
dengan mengalikan [A] dengan; agar memberikan matriksidentitas.
4.3 Gunakan metode Gauss-Jordan, dan ulangi Soal 7.9.
SOAL-SOAL
4.4 Tentukan matriks inversi untuk Soal 7.9. Periksa hasil-hasil anda
dengan mengubah ; =1 Jangan menggunakan strategipivoting.
4.5 Gunakan metode Gauss-Jordan dengan pivoting parsial, hitunglah
matriks inversi untuk Soal 7.10. Atur kembali, inversikan sedemikian
sehingga baris dan kolom memastikan urutan dari matriks semula
-
5/24/2018 Bab IV Matriks
23/25
94
sebelum dipivot-kan (lihat Gambar 8.4 dan pembahasan pada Pasal
4.2.3).
4.6 Gunakan metode Gauss Jordan untuk menyelesaikan
10 3 + 6 = 24,51 + 8 2 = 92 + 4 9 =50
4.7 Tentukan matriks inversi untuk Soal 8.6. Gunakan inversi untuk
menyelesaikan masalah semula maupun untuk menyelesaikan kasus
tambahan dimana vektor sisi ruas kanan adalah =110 55 105.4.8 Selesaikan Soal 8.6 dengan menggunakan metode Gauss-Seidel,
dengan suatu kriteria berhenti =10%4.9 Selesaikan Soal 7.8 dengan menggunakan metode Gauss - Seidel
dengan suatu kriteria berhenti =10%4.10 Gunakan metode Gauss-Seidel untuk menyelesaikan =0,90 = 5% + 7 3 =51
4 4 + 9 = 6112 3 = 8
4.11 Gunakan metode Gauss-Seidel untuk menyelesaikan
=0,90 = 5% 6 + = 604 = 2
6 8 = 444.12 Diberikan sekumpulan persamaan yang berikut:
-
5/24/2018 Bab IV Matriks
24/25
95
4 2 = 39 6 + 2 =28 3 +12 =86
Selesaikan dengan menggunakan (a) eliminasi Gauss, (b) metode
Gauss-Jordan, dan (c) metode Gauss-Seidel = 5%4.13 Diberikan sekumpulan persamaan berikut:
3 +12 = 105 12 + 2 =33 14 =103
Selesaikan dengan menggunakan (a) eliminasi Gauss, (b) metode
Gauss-Jordan, dan (c) metode Gauss-Seidel = 5%Soal-soal yang Berhubungan dengan Komputer
4.14 Kembangkan suatu program akrab-pemakai untuk metode Gauss-
Jordan, berdasarkan Gambar 4.2. Sertakan suatu rencana serupa
dengan yang dilukiskan pada Gambar 7.10, sehingga pivoting
parsial digunakan.
4.15 Uji program yang dikembangkan dalam Soal 4.14 dengan cara
mengulangi komputasi dari Contoh 4.1.
4.16 Ulangi Soal 7.6 dan 7.8 sampai 7.11, dengan menggunakan piranti
luoak yang dibuat dalam Soal 4.14.
4.17 Kembangkan sebuah program akrab-pemakai untuk metode Gauss-
Jordan dengan matriks inversi dan pivoting parsial. Masukkan segi-
segi yang disarankan dalam Pasal 4.2.3 ke dalam program anda.
4.18 Ulangi Soal 4.5 dan 4.7 dengan menggunakan piranti lunak yang
telah dibuat pada Soal 4.17.
4.19 Kembangkan sebuah program komputer yang akrab-pemakai untuk
metode Gauss-Seidel berdasarkan Gambar 4.6 . Jalankan program
-
5/24/2018 Bab IV Matriks
25/25
96
itu Untuk mengecek kriteria konvergensi yang dinyatakan oleh
Persamaan (8.5), Tambahan piila, masukkan relaksasi seperti pada
Persamaan (8,6).
4.20 Uji program yang telah dibuat pada Soal 8419 dengan
menggunakannya untuk mengulangi Contoh 4.3.
4.21 Gunakan piranti lunak yang dibuat dalam Soal 8.19, dan ulangi
Soal 4.8 sampai 4.11.
Literatur
Alan R. Pascal , 1992. Program for sciences and engineers.Sybex Inc.
Burden and Faires, 1989. Numerical analysis, PWS-KENT Publishing
Company
Marry.L Boas,1996. Mathematical Methods in the physical sciences.Jhon
Wiley and Sons
R.Soegeng. 2002. Dasar-dasar Visualisasi 2D menggunakan Pascal turbo
dan delphi. Salemba Teknika
Steven.C and Raymond.P. 1991. Numerical methods for engineers.Mc Graw-Hill Book Company.
Suarga,M. 2007. Fisika komputasi Solusi Problema Fisika dengan
MatlaB.Andi Jogyakarta
Steven.K. 1986. Computational Physics, Addison Wesley publishing
Company,Inc.