II. TEORI DASAR
2.1 Persamaan dan Pertidaksamaan
Persamaan didefinisikan sebagai suatu pernyataan matematika dalam bentuk simbol yang menyatakan bahwa dua hal adalah persis sama. Dimana
persamaanya ditulis dengan tanda sama dengan. Misalnya : 8 3 2 ) 1 ( 5 3 2 2 y x x x x x
Pertidaksamaan didefinisikan sebagai kalimat matematika yang
menunjukkan perbandingan ukuran dua objek atau lebih. Dimana persamaan menggunakan 2 tanda dasar yaitu kurang dari (<) dan tanda lebih dari (>). Misalnya : 8 3 2 0 4 5 1 2 2 y x x x (Wikipedia, 16 Januari 2010).
Definisi 2.1.1 Persamaan Linear
Persmaan linear dengan n varibel x1,x2,x3xnsebagai pesamaan yang
dapat dinyatakan dalam bentuk b x a x a x a x a1 1 2 2 3 3 n n
Dimana a1, a2, a3,...an dan b merupakan konstanta real. Variabel-variabel dalam persamaan linier seringkali disebut sebagai faktor yang tidak diketahui (Anton-Rorres, 2004) .
2.2 Sistem Persamaan Linear
Sistem persamaan linear atau disebut juga sebagai sistem linear merupakan persamaan linear dengan jumlah tertentu dalam variabel x1,x2,x3xn
(Anton-Rorres, ).
Dimana sistem persamaan linear dengan n-variabel dinyatakan sebagai :
n n nn n n n n n n n n n b x a x a x a x a b x a x a x a x a b x a x a x a x a b x a x a x a x a 3 3 2 2 1 1 3 3 3 33 2 32 1 31 2 2 3 23 2 22 1 21 1 1 3 13 2 12 1 11 (Munir, 2006) .
2.3 Matriks Persegi
Matriks persegi yaitu himpunan unsur-unsur yang disusun berdasarkan penggolongan terhadap dua sifat yang disebut sebagai baris dan lajur (kolom) yang sama atau dilambangkan dengan Mnxn. Suatu matrik juga merupakan himpunan beberapa vektor baris atau vektor kolom.
Suatu matriks ditulis dengan menggunakan tanda kurung siku dan disimbolkan dengan huruf besar abjad Latin.
nn n n n n n nxn a a a a a a a a a a a a a a a A 3 2 1 33 32 31 2 23 22 21 1 13 12 11
Penulisan matriks persegi dapat disederhanakan yaitu
nxn ij nnA(a )
(Triatmojo, 1992)
Definisi 2.3.1 Matriks Segitiga Atas
Suatu matriks persegi n x n dikatakan matriks segi tiga atas (upper-triangular) U(uij) jika unsur pada uij 0 untuk ij1,j2,...n
baris
Contoh matriks segitiga atas : 9 0 0 0 6 3 0 0 6 0 2 0 7 5 3 1 A (Nasution, 1980).
Definisi 2.3.2 Matriks Segitiga Bawah
Suatu matriks persegi n x n dikatakan matriks segitiga bawah (lower-triangular) L(lij) jika unsur pada lij 0 untuk i1,.2,3j1
Contoh matriks segitiga bawah :
3 8 7 3 0 5 3 0 0 0 4 2 0 0 0 1 A (Nasution, 1980 ).
Definisi 2.3.3 Matriks Diagonal
Suatu matriks persegi n x n dikatakan matriks diagonal D(dij) dimana 0
ij
d untuk i j, tau dapat dinyatakan dengan skema berikut :
imal satuunsur jika i j j i jika ijd
0 min 0Bentuk umum matriks diagonal : nn d d d A 0 0 0 0 0 0 0 0 0 0 0 0 22 11 (Burden, 1997).
Definisi 2.3.4 Matriks Tridiagonal
Matriks tridiagonal yaitu sutu matriks bujursangkar yang memiliki 3 jalur diagonal. Bentuk umum : nn nn n n n n n n a a a a a a a a a a a a a A 1 1 1 1 2 1 34 33 32 23 22 21 12 22 0 0 0 0 0 0 0 0 0 0 0 0 (Triatmojo, 1992).
Definisi 2.3.5 Matriks Jarang
Suatu matriks persegi n x n dikatakan matriks jarang jika elemen-elemennya didominasi oleh elemen nol.
Contoh matriks jarang : 2 0 0 1 0 0 4 0 0 2 0 0 5 0 0 1 2 0 3 0 0 1 0 0 1 A
(Conte & Boor, 1993).
Definisi 2.3.6 Minor Matriks Persegi
Jika A adalah matriks bujur sangkar, maka minor dari A dinyatakan sebagai
ij
M dan didefinisikan sebagai determinan dari submatriks yang tersisa setelah baris ke-i dan kolom ke-j dihilangkan dari A. Bilangan (1)ijMij dinyatakan sebagai Cij dan disebut sebagai kofaktor dari entri aij.
Misalkan pada : 33 32 31 23 22 21 13 12 11 3 3 a a a a a a a a a A x
Maka matriks minornya adalah :
32 31 22 21 13 33 31 23 21 12 33 32 23 22 11 a a a a M a a a a M a a a a M (Anton-Rorres, 2004)
Definisi 2.3.7 Kofaktor Matriks Persegi
Dengan menggunakan aturan papan catur maka akan diperoleh
ij j i ij M C (1) sebagai berikut : maka diperoleh :C11M11 C12M12 C13 M13 C14M14 Misalkan pada : 33 32 31 23 22 21 13 12 11 3 3 a a a a a a a a a A x
Maka matriks kofaktornya adalah :
32 31 22 21 13 33 31 23 21 12 33 32 23 22 11 a a a a C a a a a C a a a a C (Anton-Rorres, 2004)
Definisi 2.3.8 Determinan Matriks
Determinan matriks persegi n x n didefinisikan sebagai berikut : 1. Jika A
a adalah matriks yang berukuran 1 x 1 maka detAa.2. Jika A adalah matriks berukuran n x n, dengan matriks minor Mij adalah
determinan matriks berukuran (n-1) x (n-1) yang merupakan submatrik A yang diperleh dengan menghapus baris ke-i dan kolom ke-j .
3. Kofaktor Aij merupakan persekutuan dari Mij yang didefinisikan dengan ij j i ij M A (1) .
4. Determinan dari matriks A yang berukuran n x n dimana n>1 dinyatakan dengan
n j ij ij j i n j ij ij A a M a A 1 1 ) 1 ( det Untuk i=1, 2, 3 ....n (Burden, 1997).Jika sebarang matriks A
aij berukuran n x n , maka determinan dari A adalah sebagai berikut :n n nn n n n n n n C a C a C a C a a a a a a a a a a a a a a a a a A 1 1 13 13 12 120 11 11 3 2 1 3 33 32 31 2 23 22 21 1 13 12 11 ) det( Misal : ) ( ) ( ) ( ) det( 22 31 32 21 13 23 31 33 21 23 23 32 33 22 11 32 31 22 21 13 33 31 23 21 12 33 32 23 22 11 33 32 31 23 22 21 13 12 11 a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a A (Anton-Rorres, 2004)
Misalkan A merupakan sebuah matriks persegi berukuran n x n maka berlaku :
1. Jika terdapat baris atau kolom yang semua unsurnya adalah nol maka 0
detA .
2. Jika
~
A adalah matriks yang diperoleh dengan menukar baris atau kolom
matriks A (EiEj) dengan i j, maka detA detA
~
.
3. Jika A memiliki dua baris atau kolom yang sama atau sebanding, maka det A = 0.
4. Jika
~
A adalah matriks yang diperoleh dengan mengalikan salah satu
baris dengan konstanta yaitu (EiEi), maka detA detA
~
.
5. Jika
~
A adalah matriks yang diperoleh dengan cara menembakan kolom atau baris dengan kolom atau baris yang lain yaitu
EiEi Ej
maka determinannya sama.(Burden, 1997)
Definisi 2.3.9 Matriks Dominan Diagonal
Suatu matriks persegi A yang berukuran n x n dikatakan dominan diagonal jika :
n i j j ij ii a a 1 untuk i = 1, 2, 3, ...nContoh matriks dominan diagonal : 6 5 0 1 5 3 0 2 7 A Karena : 5 0 6 1 3 5 0 2 7
(Gerald & Wheatley, 1997)
Definisi 2.3.10 Invers Matriks
Apabila A didefinisikan sebagai matriks maka matriks inversnya adalah A-1, sedemikian sehingga : ) ( det 1 1 A Adjoin A A
Invers matriks diagonal dituliskan dengan :
1 1 1 1 i ii D d a D atau Bentuk umum : n d d d d D 0 0 0 0 0 0 0 0 0 0 0 0 3 2 1 maka n d d d d D / 1 0 0 0 0 / 1 0 0 0 0 / 1 0 0 0 0 / 1 3 2 1 1
Berlaku jika dan hanya jika semua entri pada diagonalnya merupakan bilangan tak nol.
(Triatmojo, 1992).
Definisi 2.3.11 Nilai Eigen
Suatu sekalar yang dilambangkan dengan
yang merupakan nilai karakteristik dari suatu matriks dimana nilai ini yang menentukan suatu matriks memiliki solusi yang nontrivial (solusi selain nol)Persamaan karakteristik didefinisikan sebagai : 0 ) (
det IA
Dan kita dapat mencari nilai
dari persamaan ini. (Anton-Rorres, 2004 ) .Definisi 2.3.12 Jari-jari Spectral
Jari-jari spectral ( A) dari suatu matriks A didefinisikan dengan :
(A)max , dimana adalah nilai eigen dari A.
(Untuk nilai eigen berupa bilangan kompleks i maka kita memiliki
2 / 1 2 2 ) ( ) (Burden, 1997).
2.4 Sistem Persamaan dalam Bentuk Matriks
Sistem persamaan linear (SPL) dapat ditulis dalam bentuk mariks yaitu : Misal terdapat SPL
n n nn n n n n n n n n n b x a x a x a x a b x a x a x a x a b x a x a x a x a b x a x a x a x a 3 3 2 2 1 1 3 3 3 33 2 32 1 31 2 2 3 23 2 22 1 21 1 1 3 13 2 12 1 11
Maka sistem persamaan di atas dapat ditulis dalam bentuk :
n n nn n n n n n n b b b b x x x x a a a a a a a a a a a a a a a a 3 1 1 3 2 1 3 2 1 3 33 32 31 2 23 22 21 1 13 12 11 Atau
b
Ax
Dimana : A : Matriks koefisien nxn x : vektor kolom nx1 variable B : vektor kolom nx1 dari kostanta (Triatmojo, 1992)Jika A adalah sebuah matriks berukuran n x n maka pernyataan beikut ekuivalen :
2. Suatu sistem persamaan Ax0 memiliki solusi tunggal untuk vektor kolom b berdimensi n.
3. Matriks A dikatakan matriks nonsingular jika A-1 ada dan detA0.
Suatu matriks koefisien
nn n n n n n n a a a a a a a a a a a a a a a a A 3 2 1 3 33 32 31 2 23 22 21 1 13 12 11
dapat diubah menjadi :
U L D a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a a A n n n n n n n n n n nn n n n n n n n n n n nn nn n n n n n n 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 2 1 2 1 1 1 21 1 2 23 1 13 12 33 22 11 1 2 1 2 1 1 1 21 1 2 23 1 13 12 33 22 11 3 2 1 3 33 32 31 2 23 22 21 1 13 12 11 (Faires-Burden, 1998).
2.5 Metode Iterative
Metode iterative merupakan teknik penghitungan secara numerik untuk menyelesaikan suatu sistem persamaan linear n x n yang dinyatakan dengan
b
Ax
. Pada metode iterative ini, proses dimulai dari sebarang nilai awal x(o) yang dipenuhi dengan
X(k) k1 yang akan konvergen ke suatu nilai x.Metode iterative menggunakan proses konvers sistem
Ax
b
ke dalam sistem yang ekuivalen xTxc dengan T adalah suatu matriks berukuran n x n dan c merupakan suatu vektor solusi. Setelah itu nilai awal x(o) yang dipilih disubstitusikan ke dalam persamaan iterativec Tx
x(k) (k1) Untuk k= 1, 2, 3, ...
Dan dilakukan berulang-ulang sampai mendapat hasil yang konvergen ( Faires - Burden, 1998).
a. Metode Jacobi
Metode Jacobi merupakan salah satu metode iterative dimana pada proses iterasinya menggunakan algoritma yang sangat sederhana. Pada iterasi Jacobi, unsur- unsur dari x(m) hanya digunakan dalam perhitungan dari iterasi berikutnya (Conte & Boor, 1993).
Misal diberikan suatu sistem persamaan linear : n n nn n n n n n n n n n b x a x a x a x a b x a x a x a x a b x a x a x a x a b x a x a x a x a 3 3 2 2 1 1 3 3 3 33 2 32 1 31 2 2 3 23 2 22 1 21 1 1 3 13 2 12 1 11
Dan diberikan nilai awal
x
(0)
x
1(0),
x
2(0),
,
x
n(0)
Maka konsideran yang dapat dibentuk dengan metode Jacobi adalah :
nn k n nn k n k n n k n k n n k k k k n n k k k a x a x a x a b x a x a x a x a b x a x a x a x a b x ) ( ) ( ) ( ) ( ) ( 2 2 ) ( 1 1 ) 1 ( 22 ) ( 2 ) ( 3 23 ) ( 1 21 2 ) 1 ( 2 11 ) ( 1 ) ( 3 13 ) ( 2 12 1 ) 1 ( 1 Dengan k= 0, 1, 2, 3.... Atau dapat disingkat dengan :
ii i ii n i n j j ij i k i a x a x a b x
1 1 ) 1 ( (Munir, 2006).Metode Jacobi juga sama artinya dengan metode iterasi titik tetap dimana untuk suatu sistem persamaan dapat dibentuk suatu konsideran dalam bentuk ) ( ) ( ) 1 ( ' ) ( i i i i G x b Bx x dimana i = 1, 2, 3, ....n
Yang identik dengan bentuk iterasi titik tetap ) ( 1 i i g x Dengan menggunakan definisi
U L D
A
Maka sistem persamaan linear
Ax
b
dapat dinyatakan dengan :b D x U L D x b x U L D Dx D b x U L Dx b x U L D Ax 1 1 1 1 ) ( ) ) (( ) ( ) (
Dari bentuk di atas maka proses itersi Jacobi dapat dinyatakan dengan
b D x U L D x(i1) 1( ) (i) 1
(Gerald & Wheatley, 1997)
b. Metode Gauss-Seidel
Jika diketahui sistem persamaan linier
Ax
b
berordo n dengan matriks koofisienA
(
a
ij)
mempunyai elemen-elemen diagonal yangsemuanya tidak nol, maka berlaku algoritma Gauss-Seidel sebagai berikut : ii n j n i j k j ij k j ij i k i a x a x a b x
1 1 ) ( ) 1 ( ) 1 (Atau dalam matriks formulasi b D L Ux D L x b U L Ux D L x D L D L b Ux x D L 1 1 1 1 1 ) ( ) ( ) ( ) ( ) ( ) ( ) (
Dalam bentuk iterasi dapat di tulis :
b D L Ux D L x(i1)( )1 (i)( )1
Misal diberikan sistem persamaan linear sebagai berikut :
5
8
5
5
4
2
1
3
3 2 1 3 2 1 3 2 1
x
x
x
x
x
x
x
x
x
Maka konsideran Gauss-Seidel adalah sebagai berikut : 1) iterasi -1 ) 1 ( 2 ) 1 ( 1 ) 1 ( 3 ) 0 ( 3 ) 1 ( 1 ) 1 ( 2 ) 0 ( 3 ) 0 ( 2 ) 1 ( 1
5
5
2
5
1
x
x
x
x
x
x
x
x
x
2) iterasi-2
) 2 ( 2 ) 2 ( 1 ) 2 ( 3 ) 1 ( 3 ) 2 ( 1 ) 2 ( 2 ) 1 ( 3 ) 1 ( 2 ) 2 ( 15
5
2
5
1
x
x
x
x
x
x
x
x
x
c. Metode SOR (Successive Over-Relaxation)
Metode SOR merupakan metode iterative yang merupakan metode yang dikembangkan menggunakan prinsip kerja yang sama dengan metode Jacobi dan Metode Gauss-Seidel. Dimana pada Metode SOR
menggunkan iterasi sebagai berikut :
) ( ) 1 ( ) 1 ( ) 1 ( 1 ) 1 ( 1 1 ) ( ) 1 ( ) ( 1 ) 1 ( 1 1 ) ( ) 1 ( ) ( 1 ) 1 ( ) 1 ( 1 1 ) ( ) (
n i j i k j ij i j k j ij ii k i k i ii n i j i k j ij i j k j ij k i ii k i n i j i k j ij k i ii i j k j ij k i ii b x a x a a x x a b x a x a x a x b x a x a x a x a Dengan k = 1, 2, 3, .... dimana 1Atau dapat dinyatakan dalam bentuk vektor :
b b 1 ) 1 ( 1 ) ( ) 1 ( ) ( ) ( ) 1 ( ) ( ) 1 ( ) ( L D x U D L D x x U D x L D k k k kAtau dapat ditulis :
x c T x(k) (k1) Dimana : T = (DL)1
(1)DU
c = (DL)1b = faktor skalarContoh iterasi dengan metode SOR :
Misal diberikan sistem persamaan linear dengan memisalkan 1,2 sebagai berikut :
5
8
5
5
4
2
1
3
3 2 1 3 2 1 3 2 1
x
x
x
x
x
x
x
x
x
Maka, 1). Iterasi-1 ) 5 5 )( 2 , 1 ( ) 2 , 1 1 ( ) 2 5 )( 2 , 1 ( ) 2 , 1 1 ( ) 1 )( 2 , 1 ( ) 2 , 1 1 ( ) 1 ( 2 ) 1 ( 1 ) 0 ( 3 ) 1 ( 3 ) 0 ( 3 ) 1 ( 1 ) 0 ( 2 ) 1 ( 2 ) 0 ( 3 ) 0 ( 2 ) 0 ( 1 ) 1 ( 1 x x x x x x x x x x x x 2) Iterasi-2 ) 5 5 )( 2 , 1 ( ) 2 , 1 1 ( ) 2 5 )( 2 , 1 ( ) 2 , 1 1 ( ) 1 )( 2 , 1 ( ) 2 , 1 1 ( ) 2 ( 2 ) 2 ( 1 ) 1 ( 3 ) 2 ( 3 ) 1 ( 3 ) 2 ( 1 ) 1 ( 2 ) 2 ( 2 ) 1 ( 3 ) 1 ( 2 ) 1 ( 1 ) 2 ( 1 x x x x x x x x x x x x Sampai iterasi konvergen (Faires-Burden, 1998) .
2.6 Tata Ancang Pivoting
Ada dua macam tata ancang pivoting yaitu : 1. Pivoting Sebagian (partial pivoting)
Pada tata ancang pivoting sebagian, pivot dipilih dari semua elemen pada kolom p yang memiliki nilai mutlak nterbesar.
2. Pivoting Lengkap
Pada tata ancang pivoting lengkap baris juga diikut sertakan dalam pencarian elemen terbesar kemudian dipertukarkan . pada tata ancang pivoting lengkap, pivot dipilih dari semua elemen baris dan kolom dimana nilai diagonal harus memiliki mutlak terbesar dari mutlak jumlah elemen barisnya (Munir, 2006).
2.7 Galat/Error ()
Penyelesaian numerik dari suatu persamaan matematika hanya memberikan nilai perkiraan yang mendekati nilai eksak dari sustu penyelesaian analitik. Hal ini akan menyebabkan adanya selisih antara nilai dari penyelesaian analitik dengan nilai dalam penyelesaian secara numerik yang biasa disebut sebagai galat (error). Error yang dihasilaknan dari sustu penyelesaian secara numerik dapat disebabkan karena beberapa hal yaitu :
1. Kesalahan Bawaan
Adalah kesalahan dari nilai data yang biasanya disebabkan karena kesalahan penyalinan data , salah dalam membaca skala, atau
kurangnya pengetian dalam mengenal hukum-hukum fisika (terutama dalam masalah pengukuran).
2. Kesalahan Pembulatan
Adalah kesalahan yang terjadi karena tidak diperhitungkanya beberapa angka terakhir dari suatu bilangan. Hal ini terjadi apabila bilangan perkiraan digunakan untuk menggantikan bilangan eksak.
Contoh :
8632574 dapat dibulatkan menjadi 8633000 3.1415926 dapat dibulatkan menjadi 3.14
3. Kesalahan Pemotongan
Yaitu kesalahan yang terjadi akibat tidak dilakukannya perhitungan sesuai dengan prosedur matematika yang benar. Misalnya pada suatu proses perhitungan tak hingga yang diganti dengan proses terhingga. Contoh : ! 4 ! 3 ! 2 1 4 3 2 x x x x ex
Nilai eksak diperoleh apabila semua suku diperhitungkan namun dalam prakteknya sangat sulit memperhitungkan bilangan tak hingga. (Triatmojo,2002)
Terdapat 2 jenis kesalahan (error) yaitu : 1. Kesahan Absolut (absoluth error)
Didefinisikan sebagai berikut :
eksak nilai perkiraan nilai abs
2. Kesalahan Relatif
Didefinisikan sebagai berikut :
eksak nilai eksak nilai perkiraan nilai rel
Dengan presentase kesalahan yaitu :
% 100 /rel x abs prc
(Purcell & Verberg, 1998)
Namun pada pendekatan numerik secara ietratif, perkiraan sekarang berdasar pada perkiraan sebelumnya. Maka error merupakan selisih antara perkiraan sebelumnya dan perkiraan sekarang sehingga error relatif yang digunakan didefinisikan sebagai berikut :
n ke iterasi dari perkiraan P n ke iterasi dari perkiraan P Dengan x P P P n n n n n rel : 1 : : % 100 1 1 1 (Munir, 2006)
2.8 Syarat Konvergensi Metode Iterative
1. Kovergensi Metode Jacobi
Iterasi Metode Jacobi akan konvergen ke suatu nilai x jika memenuhi karakteristik berikut :
b. Diagonalnya tidak ada unsur nol, atau aii0
c. Matriks koefisien sistem persamaan linearnya dominan diagonal Suatu matriks dikatakan dominan diagonal (baris) jika :
n i j j ija
d
1 1d. Iterasi dikatakan konvergen pada suatu nilai x jika ) ( ) 1 ( ) ( k k k x x x
2. Konvergensi Metode Gauss-Seidel
a. Metode Gauss-Seidel konvergen jika sistem persamaan linear konvergen pada Metode Jacobi
b. Jika radius spektral (T)1
Teorema 1 :
Untuk sebarang nilai awal n R x(0) pada
( ) 0 k k x Didefinisikan dengan c T x(k) (k1) untuk k1akan konvergen pada solusi tunggal jika dan hanya jika (T)1.
Bukti :
c T T x T c c c Tx T T c c Tx T c Tx x k k k k k k ) 1 ( ) ) ( ( ) ( ) 1 ( ) 0 ( ) 1 ( ) 1 ( ) 1 ( ) (
Selama (T)1 matriks T konvergen dan 0 ) 0 ( x T im l k k
3. Konvergensi Metode SOR
a. Metode SOR akan konvergen jika sistem persamaan linear(SPL) konvergen pada metode Jacobi dan metode Gauss-Seidel
b. Jika matriks koefisien memenuhi aii 0 untuk i=1, 2, 3, ...n dan 1
) (T
maka SPL akan konvergen untuk 0 2.
c. Jika A adalah matriks koefisien yang definit positif dan 0 2 maka metode SOR akan konvergen untuk berapapun nilai awal x(0). d. Jika A adalah matrik koefisien yang definit positif dan merupakan
matriks tridiagonal maka