Sistem persamaan linier merupakan salah satu model dan masalah matematika yang banyak dijumpai dalam berbagai disiplin ilmu, termasuk matematika, statistika, fisika, biologi, ilmu-ilmu sosial, teknik dan bisnis. Sistem-sistem persamaan linier muncul secara langsung dari masalah-masalah nyata dan merupakan bagian dari proses penyelesaian masalah-masalah lain misalnya penyelesaian sistem persamaan nonlinier simultan.
Sistem persamaan linier merupakan salah satu model dan masalah matematika yang banyak dijumpai dalam berbagai disiplin ilmu, termasuk matematika, statistika, fisika, biologi, ilmu-ilmu sosial, teknik dan bisnis. Sistem-sistem persamaan linier muncul secara langsung dari masalah-masalah nyata dan merupakan bagian dari proses penyelesaian masalah-masalah lain misalnya penyelesaian sistem persamaan nonlinier simultan.
Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau pada persoalan rekayasa. Seringkali model matematika tersebut muncul dalam bentuk yang rumit yang terkadang tidak dapat diselesaikan dengan rumus-rumus aljabar yang sudah baku. Solusi SPL secara numeris umumnya selalu (harus) lebih efisien dan cepat dibandingkan dengan metode-metode analitis, seperti metode Cramer. Namun demikian, solusi numerik ini secara teknis adakalanya juga berkendala, karena: (1) ada beberapa persamaan yang mendekati kombinasi linier, akibat adanya “round off error” dari mesin penghitung pada, (2) suatu tahap perhitungan adanya akumulasi “round off error” pada proses komputasi akan berakibat domain bilangan nyata (fixed point) dalam perhitungan akan terlampaui (overflow), biasanya akibat dari jumlah persamaan yang terlalu besar.
Persoalan yang melibatkan model matematika banyak muncul dalam berbagai disiplin ilmu pengetahuan, seperti dalam bidang fisika, kimia, ekonomi, atau pada persoalan rekayasa. Seringkali model matematika tersebut muncul dalam bentuk yang rumit yang terkadang tidak dapat diselesaikan dengan rumus-rumus aljabar yang sudah baku. Solusi SPL secara numeris umumnya selalu (harus) lebih efisien dan cepat dibandingkan dengan metode-metode analitis, seperti metode Cramer. Namun demikian, solusi numerik ini secara teknis adakalanya juga berkendala, karena: (1) ada beberapa persamaan yang mendekati kombinasi linier, akibat adanya “round off error” dari mesin penghitung pada, (2) suatu tahap perhitungan adanya akumulasi “round off error” pada proses komputasi akan berakibat domain bilangan nyata (fixed point) dalam perhitungan akan terlampaui (overflow), biasanya akibat dari jumlah persamaan yang terlalu besar.
- Solving linear systems using Gaussian elimination;
- Gauss-Jordan row reduction and reduced row echelon form;
- Equivalent systems, rank, and row space;
- Inverses of matrices.
03.03. Menentukan Penyelesaian Sistem Persamaan Linear Dua Variabel Menggunak...BayuYudhaSaputra
Menentukan Penyelesaian Sistem Persamaan Linear Dua Variabel Menggunakan Bahasa Pemrograman C++ akan dibahas dalam postingan ini. Contoh program c++ ini termasuk contoh program c++ sederhana, contoh program c++ matematika, contoh program c++ sistem persamaan linear, dan contoh program c++ aturan cramer.
Masalah yang akan diselesaikan adalah menentukan penyelesaian dari sistem persamaan linier dua variabel menggunakan aturan Cramer. Program menawarkan input kepada pengguna untuk menginput koefisien persamaan linier dan konstanta.
Langkah pertama untuk menyelesaikan masalah ini adalah menawarkan prompt kepada pengguna untuk menginput nilai koefisien dan konstanta. Input ini disimpan dalam variabel koefx1, koefy1, konstan1, koefx2, koefy2 dan konstan2.
Langkah kedua adalah menampilkan sistem persamaan linier sesuai dengan input dari pengguna.
Langkah ketiga mengecek hasil operasi dari koefx1 * koefy2 – koefy1 * koefx2, apakah hasilnya 0 atau bukan.
Jika pernyataan koefx1 * koefy2 – koefy1 * koefx2 == 0 bernilai true maka nilai konstan1 * koefy2 – konstan2 * koefy1 == 0 || koefx1 * konstan2 – koefx2 * konstan1 == 0 dicek kembali. Jika pernyataan ini bernilai true maka pesan “Penyelesaian sistem persamaan linier tidak tunggal”. Jika nilai ini bernilai false maka muncul pesan “Sistem persamaan linier ini tidak mempunyai penyelesaian”.
Jika pernyataan koefx1 * koefy2 – koefy1 * koefx2 == 0 bernilai false maka ditentukan nilai penyelesaianX = (konstan1 * koefy2 – konstan2 * koefy1) / (koefx1 * koefy2 – koefy1 * koefx2). Kemudian, nilai penyelesaianY = (koefx1 * konstan2 – koefx2 * konstan1)/ (koefx1 * koefy2 – koefy1 * koefx2). Kemudian, kedua penyelesaian ini ditampilkan di layar console.
Masalah ini dapat diakses di:
Liang. 2014. Introduction to Programming with C++ 3rd Edition. London: Pearson Education yang bisa diakses pada tautan berikut:
https://www.pearson.com/en-us/subject-catalog/p/Liang-Companion-Website-for-Introduction-to-Programming-with-C-Access-to-Videonotes-3rd-Edition/P200000003422/978013338026
Baris kode ini bisa diakses pada tautan berikut:
https://github.com/bayuYudhaSaputra/introduction-programming-CPP-liang/blob/main/03.03.SolveLinearEquation.cpp
Oleh : #bayuyudhasaputra
Fungsi Eksponensial & Logaritma, Barisan & Deret, Sistem Persamaan LinearKristantoMath
Dokumen ini berisi soal-soal latihan untuk topik fungsi eksponensial dan logaritma, barisan dan deret (aritmetika dan geometri), dan sistem persamaan linear.
Metode numerik untuk menyelesaikan sistem persamaan linier
1. METODE NUMERIK UNTUK MENYELESAIKAN
SISTEM PERSAMAAN LINIER
AHMAD PUJI ARDI
12313079
PROGRAM STUDI TEKNIK GEOFISIKA
FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG
2015
2. A.Eliminasi Gauss
Setiap sistem persamaan linier aljabar dapat diekspresikan secara umum sebagai
11212111 ... bxaxaxa nn
22222121 ... bxaxaxa nn
... ...
... ...
... ...
nnnnnn bxaxaxa ...2211
Penyelesaian Eliminasi Gauss dilakukan melalui dua langkah utama penyelesaian
secara berurutan, yakni :
Forward Elimination of unknowns
Langkah pertama ini digunakan untuk mengurangi set persamaan sehingga
nantinya terbentuk sistem triangular atas. Langkah awalnya berupa :
1. Mengeliminasi variabel pertama ( 1x ) pada baris kedua sampai baris
terakhir dengan cara mengurangi koefisien semua variabel pada semua
baris dengan
n
n
a
a
a
1
11
1
sehingga nantinya menghasilkan nol pada koefisien
1x untuk baris kedua hingga terakhir . Didapatkan persamaan baris semua
baris :
11212111 ... baaa nn xxx
1
11
21
21
11
21
2212
11
21
221 ...0 b
a
a
bnnn xa
a
a
axa
a
a
ax
... ... ... ... ...
1
11
1
1
11
1
212
11
1
21 ...0 b
a
a
b n
nnn
n
nn
n
n xa
a
a
axa
a
a
ax
Atau dinyatakan dengan
11212111 ... baaa nn xxx
222221 '''0 ... baa nn xxx
... ... ...
nnnnn baa xxx '''0 ...221
2. Dari hasil langkah (1), eliminasi variabel kedua ( 2x ) pada baris ketiga
sampai baris terakhir dengan cara mengurangi koefisien semua variabel
3. pada semua baris dengan
n
n
a
a
a
2
22
2
'
'
'
sehingga nantinya menghasilkan nol
pada koefisien 2x untuk baris ketiga hingga terakhir. Didapatkan hasil pada
semua baris :
11212111 ... baaa nn xxx
1
11
21
21
11
21
2212
11
21
221 ...0 b
a
a
bnnn xa
a
a
axa
a
a
ax
2
22
32
32
22
32
3323
22
32
3321 '
'
'
''
'
'
'...'
'
'
'00 b
a
a
bnnn xa
a
a
axa
a
a
axx
... ... ... ... ...
2
22
2
2
22
2
32
22
2
321 '
'
'
''
'
'
'...'
'
'
'00 b
a
a
b n
nnn
n
nnn
n
n xa
a
a
axa
a
a
axx
Atau dinyatakan dengan
11212111 ... baaa nn xxx
222221 '''0 ... baa nn xxx
2221 ''''00 ... ba nn xxx
... ... ...
nnnn ba xxx ''''00 ...21
3. Lakukan langkah dengan prinsip yang sama diatas sampai menyisakan satu
buah variabel dan satu buah konstanta
11212111 ... baaa nn xxx
22222 ''' ... baa nn xx
33333 ''''''''' ... baa nn xx
... ...
)1()1(
n
nn
n
nn ba x
Backward subtitution
Setelah mendapatkan persamaan yang terakhir cari nilai variabel terakhir
tersebut dengan membagi konstanta dengan koefisien variabel tersebut
)1(
)1(
n
nn
n
n
n
a
b
x
Kemudian substitusikan nilai nx ke persamaan diatasnya sehingga
memperoleh nilai untuk variabel lainnya.
4. 1
11
21
2 R
a
a
R
1
11
21
3 R
a
a
R
ROUND MAP ELIMINASI GAUSS (UNTUK MATRIKS 3X3)
3
2
1
333231
232221
131211
b
b
b
aaa
aaa
aaa
3
2
1
3332
2322
131211
'
'
''0
''0
b
b
b
aa
aa
aaa
3
2
1
33
2322
131211
"
'
"00
''0
b
b
b
a
aa
aaa
33
3
3
"
"
a
b
x
2323222 ''' baa xx
22
3232
2
'
''
a
xab
x
1313212111 baaa xxx
11
2123131
1
a
xaxab
x
pivot
pivot
1
22
32
3
'
'
R
a
a
R
FORWARD ELIMINATION
BACKWARD SUBSTITUTION
5. 2
12
1
1
'
R
a
R 2
32
3
1
'
R
a
R
11
1
a
R
1
21
2
1
R
a
R
1
21
3
1
R
a
R 22
2
'a
R
33
3
"a
R
B.Eliminasi Gauss-Jordan
Metode eliminasi Gauss-Jordan merupakan modifikasi dari metode eliminasi Gauss
dimana pada metode ini dilakukan normalisasi oleh koefisien pivotnya sehingga
menghasilkan matrik identitas bukan lagi matriks triangular lagi seperti eliminasi
Untuk lebih jelasnya dapat lihat langkah penyelesaian dengan metode Gauss-Jordan :
3
2
1
333231
232221
131211
b
b
b
aaa
aaa
aaa
3
2
1
333231
232221
1312 '''1
b
b
b
aaa
aaa
aa
3
2
1
3332
23
1312
'
"
'
''0
"10
''1
b
b
b
aa
a
aa
3
2
1
3332
2322
1312
'
'
'
''0
''0
''1
b
b
b
aa
aa
aa
3
2
1
33
23
13
"
"
"
"00
"10
"01
b
b
b
a
a
a
3
2
1
23
13
"'
"
"
100
"10
"01
b
b
b
a
a
3
2
1
'"
'"
'"
100
010
001
b
b
b
11 '"bx 22 '"bx 33 '"bx
3
23
2
1
"
R
a
R
3
13
1
1
"
R
a
R
6. C. Gauss-Siedel
Metode Gauss-Siedel merupakan metode iterasi atau aproksimasi yang mengasumsikan
bahwa persoalan dianalogikan seperti matrik BXA dengan batasan bahwa
matriknya merupakan matriks 3X3, elemen diagonalnya tidak sama dengan nol, dan
persamaannya bersifat konvergen.
Untuk lebih jelasnya lihat langkah penyelesaian persamaan linier dengan metode
Gauss-Siedel :
Sistem Persamaan Linier :
3333232131
2323222121
1313212111
baaa
baaa
baaa
xxx
xxx
xxx
33
2321313
3
a
xaxab
x
22
3231212
2
a
xaxab
x
11
2123131
1
a
xaxab
x
Iterasi pertama :
Mencari nilai 1x dengan mengasumsikan 02 x dan 03 x
11
2123131
1
a
xaxab
x
11
1
1
a
b
x
Mencari nilai 2x dengan mengasumsikan 03 x dan 1x (baru)
22
3231212
2
a
xaxab
x
22
1212
2
a
xab
x
Mencari nilai 3x dengan menggunakan nilai 2x (baru) dan 1x (baru)
33
2321313
3
a
xaxab
x
Iterasi kedua :
Mencari nilai 1x dengan menggunakan 3x (baru) dan 2x (baru)
11
2123131
1
a
xaxab
x
Mencari nilai 2x dengan menggunakan dan 1x (baru) dan 3x (baru)
22
3231212
2
a
xaxab
x
Mencari nilai 3x dengan menggunakan dan 2x (baru) dan 1x (baru)
33
2321313
3
a
xaxab
x
Iterasi selanjutnya .....
7. Selanjutnya kita harus mengecek konvergensi dari nilai yang didapat dengan nilai
sebenarnya yakni dengan rumus :
s
j
i
j
i
j
i
ia
x
xx
%100
1
,
D. LU Decomposition
LU Decomposition merupakan metode dimana matriks yang berada disebelah kiri A
dimanipulasi menjadi matriks lower ( L ) dan matriks upper ( U ). Metode ini
merupakan pengembangan dari eliminasi Gauss dengan eliminasi Gauss-Jordan dengan
beberapa modifikasi.
BXA
U L
L BD
D
U X D
X
U
33
2322
131211
"00
''0
a
aa
aaa
L
1
01
001
3231
21
ff
f
Metode Eliminasi Gauss
11
21
21
a
a
f ,
11
31
31
a
a
f ,
22
32
32
'
'
a
a
f
10. C. Menggunakan Gauss-Siedel
Sistem persamaan :
66
425
24
321
321
321
xxx
xxx
xxx
4
2 23
1
xx
x
1
254 31
2
xx
x
1
66 21
3
xx
x
Iterasi Pertama :
Mencari nilai 1x dengan mengasumsikan 02 x dan 03 x
4
)0()0(2
1
x 50,0
4
2
1
x
Mencari nilai 2x dengan mengasumsikan 03 x dan 5,01 x
1
)0(2)5,0(54
2
x 50,11
1
5,74
2
x
Mencari nilai 3x dengan menggunakan nilai 50,112 x dan 5,01 x
1
)5,11()5,0(66
3
x 5,2
1
5,1136
3
x
Iterasi Kedua :
Mencari nilai 1x dengan menggunakan nilai 50,112 x dan 50,23 x
4
)5,11()5,2(2
1
x 4
4
16
1
x %5,872,1 x
Mencari nilai 2x dengan menggunakan nilai 41 x dan 50,23 x
1
)5,2(2)4(54
2
x 29
1
29
2 x %34,602,2 x
Mencari nilai 3x dengan menggunakan nilai 292 x dan 41 x
1
)29()4(66
3
x 1
1
1
3 x %3502,3 x
Iterasi Ketiga :
Mencari nilai 1x dengan menggunakan nilai 292 x dan 13 x
4
)29()1(2
1
x 5,7
4
30
1
x %67,463,1 x
Mencari nilai 2x dengan menggunakan nilai 5,71 x dan 13 x
1
)1(2)5,7(54
2
x 5,39
1
5,39
2 x %58,263,2 x
Mencari nilai 3x dengan menggunakan nilai 5,392 x dan 5,71 x
1
)5,39()5,7(66
3
x 5,11
1
5,11
3 x %30,913,3 x
12. Kesimpulan dari aplikasi metode –metode tersebut pada satu soal yang sama
a. Eliminasi Gauss
Kelebihan :
Dapat menentukan kekonsistenan sistem persamaan
Mengilangkan kebutuhan untuk menulis ulang variabel setiap angka
Lebih mudah dipecahkan
Kekurangan :
Masalah akurasi nilai jika terjadi pembulatan pecahan
Sulit untuk penggunaan sistem persamaan dengan variabel yang banyak
b. Gauss-Jordan
Kelebihan :
Mengubah sistem persamaan linier menjadi matriks identitas yang
sederhana
Dapat menyelesaikan persamaan dengan matriks invers
Mudah dalam menyelesaikan persamaan dengan banyak variabel
Dapat mengurangi kesalahan dalam perhitungan
Kekurangan :
Nilai konstanta yang dimasukkan terbatas
Pada keadaan tertentu, tidak dapat menunjukkan nilai x secara langsung
c. Gauss-Siedel
Kelebihan :
Pembulatan dapat diperkecil
Ketelitiannya maksimal
Kekurangan :
Hanya terbatas pada matriks 3x3
Tidak dapat menunjukkan nilai dengan baik jika sistem persamaan bersifat
divergen (hanya untuk sistem yang konvergen)
Rawan terjadi kesalahan pivot
d. LU Decomposition
Kelebihan :
Lebih mudah dipecahkan
Dapat mengurangi kesalahan dalam perhitungan
Dapat menentukan kekonsistenan sistem persamaan
Mudah dalam menyelesaikan persamaan dengan banyak variabel
Kekurangan :
Banyak dalam penulisan variabel
Butuh ketelitian lebih untuk setiap langkah penyelesaian