METODE NUMERIK Kelompok

SISTEM PERSAMAAN LINIER

SIMULTAN 2
Riski Maulana 21050116120025
Kani Lihardo Nicholasta 21050116120026
Adam Indra Prasetya 21050116120027
Ilham Prasetya Putra 21050116120030
Martin Butarbutar 21050116120035
Mikhael Horas Boby Silalahi 21050116120054
Sistem Persamaan Linear
 Misal terdapat SPL dengan n buah variabel bebas
ax
111ax
122ax
133a
1x
n nC1

ax
211ax
222ax
233a
2x
n nC2


a
m1x1a
m2x2a
m3x3a
mnx
nCn

a11 a12  a1nx1 C1

    
a21 a22  a2nx2 C2
Matriks: a31 a32  a3nx3  C3
    
      
a an2  ann   
 n1 xn Cn
Penyelesaian Sistem Persamaan
Linear (SPL)
 Algoritma Gauss Jordan
 Algoritma Gauss Seidel
 Algoritma Gauss Naif
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  0A1x3 C3 x2  C2
     
         xn  Cn
 1  x  C
0 0 0  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. 
22 1100
x1 4
  
 
  
3
 1 1010
x21
 

1 4 1001
x  
2 
 
 3  

1 1 11 00 
x 2
 
2. 1 2 2  1
  
b
131 1 0 10
x21

2 
1 4 
1 0 01
x 
 
2



 
 3
Algoritma Gauss Jordan (Ex.)

 1 1 00
1
 1 2 2 x
  2
3. b 2  3 b1 
041 3 10
x
1
   
5
 2 2  2 
b 3  b1  03 3 1 01

x
 3

 
0

 2 2 

 1 1 00
1
 1 2 2 x
1 2
1    
b20 11 3  10
x 5
  4
4 8 8 4 2

4. 03


31 01
2 2



x
3

 
0

Algoritma Gauss Jordan (Ex.)

 3 1 1  3 
5. b1  b 2 10 8 8 40

 1 3 1


x
1  4
  5 
01  0 x
 
b3  3 b2  8 8 4 2
 4
00
 1513
 3 
1
x
3 15
 
 
 8 8 4   4

 31 1 0 3
 
1
 0 8 8 4 
x
1 4
 
8 13  
1 0x  5
 b0 1  
15
3
 8 8 4 
 
2 4
 
6. 0


0113
15
6
15
8 
 x
3
15


 2
 
Algoritma Gauss Jordan (Ex.)

7.  21 2 1
b1  3 b3 1 00 5 5 
5x 0
8  1
 4   
1 1 
b2  1 b3 0 10  x 1

8  15 5 15
2

001
 136 8
x
 
3 2


 15 15 15


Jadi: x1 = 0, x2 = 1, x3 = 2
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
2. Hitung x

C
1 a
x
12
2ax

13
3ax

14
4
a
1x
n
n
1
a
11

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
C
2ax
21
1ax
23
3
ax
2
nn
x
2
a
22

C2a x
x
2  211
a22
Algoritma Gauss Seidel
4. Menghitung x3
Baris 3  a31x1 + a32x2 + a33x3 + ... + a3nxn = C3
a33x3 = C3 – a31x1 – a32x2 – … – a3nxn

C
3ax

31
1ax

32
2ax

34
4
a
3x
nn
x

3
a
33

C
3ax
311ax
322
x
3
a
33
Algoritma Gauss Seidel
5. Cara ini diteruskan sampai ditemukan xn.
6. Lakukan iterasi ke-2 untuk menghitung x1,
x2, x3, ..., xn baru
C1 a
12x2 a
13x3 a
1nxn
x1 
a11

C2 a
21x1 a
23x3 a
2nxn
x2 
a22


Cn a
11x1 a
12x2 a x3 
13 a
1 n1 xn1
xn 
ann
Algoritma Gauss Seidel
7. Mencari kesalahan iterasi |a| dengan cara:
xi baru
 xi(lama
)
xi a  100
%
xi baru


xn baru
 xn(lama
)
xn a  100
%
xn 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
   
 x261
12x1 – x2 + 3x3 = 8 
12
 1 3

x3

 
 8

dan a = 5 %
Algoritma Gauss Seidel (Ex.)
 Iterasi ke-0
x1 = x2 = x3 = 0
 Iterasi ke-1
51
x
61

4x

1 
61

4 
51

66
,
2
x
1 
51 2
1 
4 
4

x

8
12
x
1
x
28


 

51
 
66
,25

18
,
5
3
3 3
 Algoritma Gauss Seidel (Ex.)
 Iterasi ke-2
x
51
7x
23x3 

51 766, 25 184
3 , 
58
966
,49
1
1 1
x
61
4x
19x3 61


4  966
,
49   9184
,
58  1366
,55
2

4  4
x
8
12x
1x2 8

 
12 966, 
49  1366, 
55
 3407
,
78
3
3 3
 Algoritma Gauss Seidel (Ex.)
 Iterasi ke-3

x

51
7x23x
3 

51 71366
,
55  3
3407
,
78 
198
,19
1
1 1
x
61
4
x19x
3 61

4 
19840
,
19  
9 3407
,78 
275
,94
2
4  4
x
8
12
x1x2 8

 
12 19840
,
19  
27522
,
94 7018
,
11
3
3 3

 Perhitungan x1, x2, x3 diteruskan sampai

semua |a| < |s|
Algoritma Gauss Seidel (Ex.)
Iterasi ke- Nilai x a
x1 = 0
0 x2 = 0
x3 = 0
x1 = 51
1 x2 = 66,25
x3 = 184,58
x1 = 966,49 a = 105,28 %
2 x2 = 1366,55 a = 104,85 %
x3 = 3407,78 a = 105,42 %
x1 = 19840,19 a = 104,87 %
3 x2 = 27522,94 a = 104,97 %
Koefisien Relaksasi ()
 Tujuan:
Perbaikan konvergensi dalam Gauss Seidel.
 Biasanya koefisien relaksasi dipilih sendiri
berdasarkan masalah yang dihadapi.
 Jika SPL tidak konvergen,  yang bernilai antara 0
s/d 1 disebut Under Relaksasi.
  antara 1 dan 2 biasanya digunakan untuk
mempercepat konvergensi suatu sistem persamaan
yang konvergen, disebut Over Relaksasi.
Koefisien Relaksasi ()
 Rumus (nilai SPL) dengan menggunakan 

x
i
xi1
baru

baru
ix
lam

Koefisien Relaksasi () (Ex.)
Iterasi dengan
Nilai x Contoh perhitungan :
ke-  (1,5)
x1 baru
x1 = 0
0 x2 = 0 = 1,5 . 6 + (1 – 1,5) . 10
= 9 + (–0,5) . 10
x1 = 10
1 =4
x2 = 15
x1 = 6 x1 baru = 4
2 x2 = 7,5 x2 baru = 3,75
x1 = 4
3 x2 = 3,75
Terima Kasih