slide03s

Upload: raimundo-suherdin

Post on 12-Feb-2018

214 views

Category:

Documents


0 download

TRANSCRIPT

  • 7/23/2019 Slide03S

    1/36

    2013/9/9

    T O P I C : G A U S S - S E I D E L M E T H O D

    SIMULTANEOUS LINEAR EQUATIONS

  • 7/23/2019 Slide03S

    2/36

    GAUSS-SEIDEL METHOD

    Adalah metode ITERASI

    Prosedur dasar:

    - Menyelesaikan tiap persamaan linier secara aljabar untuk xi

    - Membuat nilai asumsi solusi

    - Selesaikan untuk tiap xidan ulangi

    - Gunakan perkiraan kesalahan relatif tiap akhir iterasi untukmengecek apakah error sudah mencapai angka toleransi.

  • 7/23/2019 Slide03S

    3/36

    GAUSS-SEIDEL METHOD

    Kenapa?

    Untuk mengatasi round-off error(kesalahan pembulatan).

    Metode eliminasi seperti Gaussian Elimination and LU

    Decomposition(*) rawan terhadap kesalahan pembulatan.

  • 7/23/2019 Slide03S

    4/36

    GAUSS-SEIDEL METHOD

    AlgorithmSistem persamaan linier

    11313212111 ... bxaxaxaxa nn

    2323222121 ... bxaxaxaxa n2n

    nnnnnnn bxaxaxaxa ...332211

    . .

    . .

    . . Kita mengubah sistempersamaan [A]{X}={B}untuk menyelesaikanx1

    dengan persamaanpertama, menyelesaikanx2 dengan persamaankedua, dan seterusnya.

  • 7/23/2019 Slide03S

    5/36

    GAUSS-SEIDEL METHOD

    AlgorithmGeneral Form of each equation

    11

    11

    11

    1a

    xac

    x

    n

    jj

    jj

    22

    21

    22

    2a

    xac

    x

    j

    n

    jj

    j

    1,1

    11

    ,11

    1

    nn

    n

    njj

    jjnn

    na

    xac

    x

    nn

    n

    njj

    jnjn

    na

    xac

    x

    1

  • 7/23/2019 Slide03S

    6/36

    MENJADI:

    33

    2321313

    3

    22

    3231212

    2

    11

    3132121

    1

    a

    xaxabx

    a

    xaxab

    x

    a

    xaxabx

    Now we can start the solution process bychoosing guesses for the xs. A simple way toobtain initial guesses is to assume that they arezero. These zeros can be substituted into

    x1equation to calculate a newx1=b1/a11.

    Untuk sistempersamaan 3x3

  • 7/23/2019 Slide03S

    7/36

  • 7/23/2019 Slide03S

    8/36

    BATAS AKHIR ITERASI

    New x1is substituted to calculate x2and x3. The procedure isrepeated until the convergence criterion is satisfied:

    kandiperkenanbaru

    i

    lama

    i

    baru

    i

    ia x

    xx 100

    t

    a

    approximation error, sering digunakan, seringkali

    disebut sebagai galata

    bsolut.

    True error, kurang berarti. digunakan Relative error,

    dalam prosentase

  • 7/23/2019 Slide03S

    9/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    2.279

    2.177

    8.106

    x

    x

    x

    112144

    1864

    1525

    3

    2

    1

    Diketahui sistem persamaan

    Initial Guess: asumsi nilai awal,

    5

    2

    1

    3

    2

    1

    x

    x

    x

  • 7/23/2019 Slide03S

    10/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    2.279

    2.177

    8.106

    x

    x

    x

    112144

    1864

    1525

    3

    2

    1

    Tulis ulang untuk aplikasi

    Gauss-Seidel

    25

    58.106 321

    xxx

    8

    642.177 312

    xxx

    1

    121442.279 213

    xxx

  • 7/23/2019 Slide03S

    11/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    Masukkan nilai perkiraan awal untuk selesaikan xi

    5

    2

    1

    3

    2

    1

    x

    x

    x

    6720.325

    )5()2(58.1061

    x

    8510.7

    8

    56720.3642.1772

    x

    36.155

    1

    8510.7126720.31442.279

    3

    xInitial Guess

  • 7/23/2019 Slide03S

    12/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    36.155

    8510.7

    6720.3

    3

    2

    1

    a

    a

    a

    100x

    xxnew

    i

    old

    i

    new

    i

    ia

    %76.72100x6720.3

    0000.16720.31

    a

    %47.125100x8510.7

    0000.28510.72

    a

    %22.103100x36.155

    0000.536.1553

    a

    Finding the absolute relative approximate error

    At the end of the first iteration

    The maximum absolute

    relative approximate error is

    125.47%

  • 7/23/2019 Slide03S

    13/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    36.155

    8510.7

    6720.3

    3

    2

    1

    a

    a

    a

    Iteration #2Using

    056.1225

    36.1558510.758.1061

    a

    882.54

    8

    36.155056.12642.1772

    a

    34.798

    1

    882.5412056.121442.2793

    a

    from iteration #1

    the values of aiare found:

  • 7/23/2019 Slide03S

    14/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    Hitung the absolute relative approximate error

    %542.69100x056.12

    6720.3056.121

    a

    %695.85100x

    882.54

    8510.7882.542

    a

    %54.80100x34.79836.15534.7983 a

    Akhir iterasi kedua

    34.798

    882.54

    056.12

    3

    2

    1

    a

    a

    a

    Galat absolut terbesar

    85.695%

  • 7/23/2019 Slide03S

    15/36

    GAUSS-SEIDEL METHOD: EXAMPLE 1

    Tersukan iterasi, kita dapatkan nilai berikut.

    Iteration a1 a2 a3

    1

    2

    3

    4

    5

    6

    3.672

    12.056

    47.182

    193.33

    800.53

    3322.6

    72.767

    67.542

    74.448

    75.595

    75.850

    75.907

    -7.8510

    -54.882

    -255.51

    -1093.4

    -4577.2

    -19049

    125.47

    85.695

    78.521

    76.632

    76.112

    75.971

    -155.36

    -798.34

    -3448.9

    -14440

    -60072

    -249580

    103.22

    80.540

    76.852

    76.116

    75.962

    75.931

    %1a

    %2a

    %3

    a

    ! Lho, kok?Error nya nggak berkurang?

  • 7/23/2019 Slide03S

    16/36

    GAUSS-SEIDEL METHOD: PITFALL

    Salahnya dimana?

    Contoh tadi mengilustrasikan kemungkinan kesalahan pada

    Gauss-Siedel method: tidak semua sistem persamaan akan

    konvergen.Is there a fix?

    One class of system of equations always converges: One with a

    diagonally dominant coefficient matrix.

    Diagonally dominant: [A] in [A] [X] = [C] is diagonally dominant

    if:

    n

    jj

    ijaa

    i1

    ii

    n

    ijj

    ijii aa1

    Untuk semua i ; DAN Untuk minimal

    sebuah i

  • 7/23/2019 Slide03S

    17/36

    GAUSS-SEIDEL METHOD: PITFALL

    116123

    14345

    3481.52

    A

    1293396

    55323

    5634124

    ][

    B

    Diagonally dominant: Koefisien pada diagonal harus sama atau lebihbesar dari jumlah semua koefisien pada baris itu, dan minimal satu baris

    harus memiliki diagonal yang lebih besar dari jumlah koefisien pada

    baris itu.

    Manakah matriks yang diagonally dominant?

  • 7/23/2019 Slide03S

    18/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    Sistem persamaan linier

    15x-3x12x 321

    283x5xx 321

    7613x7x3x 321

    1

    0

    1

    3

    2

    1

    x

    x

    x

    Dengan asumsi nilai awal

    Matriks Koefisien nya

    adalah

    1373351

    5312

    A

    Akan konvergen kah?

  • 7/23/2019 Slide03S

    19/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    1373

    351

    5312

    A

    Cek apakah matriks nya diagonally dominant

    43155 232122 aaa

    10731313 323133 aaa

    8531212 131211 aaa

    Benar. Seharusnya konvergen dengan Gauss-Siedel Method

  • 7/23/2019 Slide03S

    20/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    76

    28

    1

    1373

    351

    5312

    3

    2

    1

    a

    a

    a

    1

    0

    1

    3

    2

    1

    x

    x

    x

    Tulis ulang

    12

    531 321

    xxx

    5

    328 312

    xxx

    13

    7376 213

    xxx

    Asumsi nilai awal

    50000.0

    12

    150311

    x

    9000.4

    5

    135.028

    2

    x

    0923.3

    13

    9000.4750000.03763

    x

  • 7/23/2019 Slide03S

    21/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    The absolute relative approximate error

    %662.6710050000.0

    0000.150000.01a

    %00.1001009000.4

    09000.42a

    %662.671000923.3

    0000.10923.33a

    Galat absolut terbesar di akhir iterasi pertama adalah 100%

  • 7/23/2019 Slide03S

    22/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    8118.3

    7153.3

    14679.0

    3

    2

    1

    x

    x

    x

    0923.3

    9000.4

    5000.0

    3

    2

    1

    x

    x

    x

    Setelah iterasi #1

    14679.0

    12

    0923.359000.4311

    x

    7153.35

    0923.3314679.0282 x

    8118.3

    13

    7153.3714679.03763

    x

    Masukkan nilai x pada persamaan Setelah iterasi #2

  • 7/23/2019 Slide03S

    23/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    Galat absolut dari Iterasi #2

    %62.24010014679.0

    50000.014679.01

    a

    %887.311007153.3

    9000.47153.32 a

    %876.181008118.3

    0923.38118.33

    a

    Galat absolut maksimum 240.62%

    Lebih besar dari iterasi #1. Is this a problem?

  • 7/23/2019 Slide03S

    24/36

    GAUSS-SEIDEL METHOD: EXAMPLE 2

    Ulangi iterasi, didapatkan

    1a

    2a

    3a

    Iteration a1 a2 a3

    1

    23

    4

    5

    6

    0.50000

    0.146790.74275

    0.94675

    0.99177

    0.99919

    67.662

    240.6280.23

    21.547

    4.5394

    0.74260

    4.900

    3.71533.1644

    3.0281

    3.0034

    3.0001

    100.00

    31.88717.409

    4.5012

    0.82240

    0.11000

    3.0923

    3.81183.9708

    3.9971

    4.0001

    4.0001

    67.662

    18.8764.0042

    0.65798

    0.07499

    0.00000

    4

    3

    1

    3

    2

    1

    x

    x

    x

    0001.4

    0001.3

    99919.0

    3

    2

    1

    x

    x

    x

    Hasil akhir Mendekati solusi sejati

  • 7/23/2019 Slide03S

    25/36

    LATIHAN

    1

    0

    1

    3

    2

    1

    x

    x

    x

    Sistem persamaan linier

    7613x7x3x321

    283x5xx 321

    15x-3x12x 321 With an initial guess of

  • 7/23/2019 Slide03S

    26/36

    GAUSS-SEIDEL METHOD

    1373

    351

    5312

    A

    The Gauss-Seidel Method can still be used

    The coefficient matrix is not

    diagonally dominant

    5312

    351

    1373

    A

    But this is the same set of

    equations used in example #2,

    which did converge.

    If a system of linear equations is not diagonally dominant, check to see if

    rearranging the equations can form a diagonally dominant matrix.

  • 7/23/2019 Slide03S

    27/36

    GAUSS-SEIDEL METHOD

    Not every system of equations can be rearranged to have a

    diagonally dominant coefficient matrix.

    Observe the set of equations

    3321 xxx

    9432 321 xxx

    97 321 xxx

    Which equation(s) prevents this set of equation from having a

    diagonally dominant coefficient matrix?

  • 7/23/2019 Slide03S

    28/36

    GAUSS-SEIDEL METHOD

    Summary

    -Advantages of the Gauss-Seidel Method

    -Algorithm for the Gauss-Seidel Method

    -Pitfalls of the Gauss-Seidel Method

  • 7/23/2019 Slide03S

    29/36

    GAUSS-SEIDEL METHOD

    Questions?

  • 7/23/2019 Slide03S

    30/36

    METODE PENYELESAIAN

    Metode grafik

    Eliminasi Gauss

    Metode GaussJourdan

    Metode GaussSeidel LU decomposition

  • 7/23/2019 Slide03S

    31/36

    LU DECOMPOSITION

    A=LU

    Ax=bLUx=b

    Define Ux=yLy=b Solve y by forward substitution

    Ux=y Solve x by backward substitution

  • 7/23/2019 Slide03S

    32/36

    LU DECOMPOSITION BY GAUSSIAN

    ELIMINATION

    )(

    )(

    1

    )(

    11

    )3(

    3

    )3(

    33

    )2(

    2

    )2(

    23

    )2(

    22

    )1(

    1

    )1(

    13

    )1(

    12

    )1(

    11

    4,3,2,1,

    3,12,11,1

    2,31,3

    1,2

    0000

    000

    00

    0

    1

    1

    0

    001

    000100001

    n

    nn

    n

    nn

    n

    nn

    n

    n

    n

    nnnn

    nnn

    a

    aa

    aa

    aaaaaaa

    mmmm

    mmm

    mm

    m

    A

    Compact storage:The diagonal entries of L matrix are all 1s,they dont need to be stored. LU is stored in a single matrix.

    There are infinitely many different ways to decompose A.Most popular one: U=Gaussian eliminated matrix

    L=Multipliers used for elimination

  • 7/23/2019 Slide03S

    33/36

    NEXT: SOLUSI PERSAMAAN NON

    LINIER

    Persamaan matematis yang sulit diselesaikandengan tangananalitis, sehingga diperlukanpenyelesaian pendekatannumerik

    Metode Numerik: Teknik menyelesaikan masalahmatematika dengan pengoperasian hitungan,umumnya mencakup sejumlah besar kalkulasiaritmetika yang sangat banyak dan menjenuhkan

    Diselesaikan dengan algoritma (serangkaianperintah untuk menyelesaikan masalah), sehinggadiperlukan bantuan komputer untukmelaksanakannya

  • 7/23/2019 Slide03S

    34/36

    SUMBER GALAT / ERROR

    Kesalahan pemodelan

    contoh: penggunaan hukum Newton

    asumsi benda adalah partikel

    Kesalahan bawaancontoh: kekeliruan dlm menyalin data

    salah membaca skala

    Ketidaktepatan data

    Kesalahan pemotongan / penyederhanaanpersamaan(truncation error)

    Kesalahan pembulatan (round-off error)

  • 7/23/2019 Slide03S

    35/36

    SOLUSI PERSAMAAN NON

    LINEAR1)Metode Akolade (bracketing method)/ Closed method

    Metode Bagi dua (Bisection Method)Metode Regula Falsi (False Position

    Method)

    Metode Grafik

    Keuntungan: selalu konvergen

    Kerugian: relatif lambat konvergen

  • 7/23/2019 Slide03S

    36/36

    SOLUSI PERSAMAAN NON

    LINEAR2) Metode Terbuka

    Contoh: Iterasi Titik-Tetap (Fix Point Iteration)

    Metode Newton-RaphsonMetode Secant

    Keuntungan: cepat konvergen

    Kerugian: tidak selalu konvergen