BAB IV

SISTEM PERSAMAAN LINIER

4.1

PENDAHULUAN

Penyelesaian suatu sistem n persamaan dengan n bilangan tak diketahui banyak dijumpai
dalam permasalahan ilmu pengetahuan dan teknologi, seperti penyelesaian numeris
persamaan diferensial biasa dan diferensial parsiil, analis struktur, analisis jaringan dan
sebagainya.
Di dalam penyelesaian sistem persamaan akan dicari nilai x1,x2,........,xn yang memenuhi
sistem persamaan berikut :
f 1 ( x1 , x 2 ,........, x n ) 0
f 2 ( x1 , x 2 ,........, x n ) 0

f 3 ( x1 , x 2 ,........, x n ) 0

Sistem persamaan diatas dapat linier atau tak linier. Penyelesaian sistem persamaan tak
linier adalah sulit. Untungnya, sebagian besar permasalahan yang ada merupakan
persamaan linier. Di dalam bab ini akan dipelajari sistem persamaan linier, yang
mempunyai bentuk umum berikut ini.
a11 x1 a12 x2 ...... a1n xn b1
a21 x1 a 22 x2 ...... a 2 n xn b2

an1 x1 a n 2 x2 ...... ann xn bn

(4.1)

Dengan a adalah koefisien konstan, b adalah konstan, n adalah jumlah persamaan, dan
x1,x2,......,xn adalah bilangan tak diketahui.
4.2

Notasi Matriks

Matriks adalah suatu larikan bilangan bilangan yang berbentuk empat persegi panjang.
Matriks tersebut mempunyai bentuk sebagai berikut ini :

 a11 a12 a13 .... a1n

a21 a22 a23 .... a2n

.

am1 am2 am3 .... amn

Di dalam bentuk diatas, A adalah notasi matriks sedang aij adalah elemen matriks.
Deretan horisontal elemen elemen tersebut disebut baris dan deretan vertikal disebut
kolom. Subkrip pertama i menunjukkan nomor baris dimana elemen berada. Subkrip
kedua j menunjukkan kolom. Misalkan elemen a23 adalah elemen yang terletak pada baris
2 dan kolom 3.
Matriks diatas mempunyai m baris dan n kolom, dan disebut mempunyai dimensi m kali
n (m x n). Matriks dengan dimensi baris m = 1, seperti :
B

b1

b 2 .... b n

Disebut vektor baris. Untuk menyederhanakan penulisan, subkrip pertama dari setiap
elemen dihilangkan. Matriks dengan dimensi kolom n = 1, seperti:
c1

c2
.

.
.
c
m

Disebut vektor kolom. Untuk menyederhanakan penulisan, subkrip kedua dihilangkan.

Matriks dimana m = n disebut matriks bujur sangkar. Misalnya matriks 4 x 4 adalah :
a 11 a12 a13 a14

a 21 a22 a23 a24

a 31 a32 a33 a34

a a a a
41 42 43 44

Diagonal yang terdiri dari elemen a11,a12, a33 dan a44 adalah diagonal utama matriks.

4.3

Beberapa tipe matriks bujur sangkar

Ada beberapa bentuk khusus dari matriks bujur sangkar, seperti diberikan berikut :
1.

Matriks simetris, apabila aij = aji Misalnya matrik simetris 3 x 3

5 1 2
1 3 7

A
2.

2 7 8

Matriks diagonal adalah matriks bujur sangkar di mana semua elemen

kecuali diagonal utama adalah nol.

a11 0

a22

a33

a44

3.

Matriks identitas, adalah matriks diagonal di mana semua elemen di atas

dan dibawah diagonal utama adalah nol

1 0 0 0

0 1 0 0
0 0 1 0

0 0 0 1
4.

Matriks segitiga atas, matriks di mana semua elemen di dibawah

diagonal utama adalah nol

a11 a12 a13 a14

0
0

5.

a22 a23 a24

0
0

a33 a34
0

a44

Matriks segitiga bawah adalah matriks dimana semua elemen di atas

diagonal utama adalah nol

 a11 0

a21 a22 0

a31 a32 a33 0

a a a a
41 42 43 44

6.

Matriks pita adalah matriks yang mempunyai elemen sama dengan nol,
kecuali pada satu jalur yang berpusat pada diagonal utama

a11 a12 0

a21 a22 a23 0

a32 a33 a34

4.4

a43 a44

Operasi matriks
1.

Kesamaan dua matriks

Dua matriks A dan B dikatakan sama apabila elemen elemen matriks A sama
dengan elemen elemen matriks B dan ukuran keduanya adalah sama, aij =
bij untuk semua i dan j.

2.

Penjumlahan matriks
Apabila A = [aij] dan B = [bij] adalah dua matriks m x n, penjumlahan
(pengurangan) dari dua matriks tersebut A B , adalah sama dengan matriks
C = [cij] dengan dimensi m x n, dimana tiap elemen matriks C adalah jumlah
(selisih) dari elemen elemen yang berkaitan dari A dan B.
C = A B = [aij bij] = [cij]
Contoh 1
Jika
A

1 2 3

0 1 4
1 2

AB

1 2 5

2 3 3 0

3 5 3

0 ( 1) 1 2 4 5

1 3 9

AB

2 3 0

2 3 3 0

1 1 3

0 ( 1) 1 2 4 5

1 1 1

12

AAA

3.

1 2 3

0 1 4

1 2 3 1 2 3

0 1 4 0 1 4

3 6 9

0 3 12

Perkalian matriks
Perkalian matriks A dengan skalar g diperoleh dengan mengalikan semua
elemen dari A dengan skalar g
jika g.A = C , maka cij = g aij
Perkalian dua matriks A dan B dapat dilakukan apabila cacah kolom A sama
dengan cacah baris B, dan kedua matriks disebut dengan conformable
operasi perkalian adalah baris dengan kolom; tiap elemen dari baris dikalikan
dengan elemen dari kolom dan kemudian dijumlahkan.
Contoh 2

2 1 4

1 3 2 dan

1 3

x2

x3
17 3

1( 1) 3( 1) 2( 4) 1( 2) 3( 3) 2( 1)

4 5

1( 2)

2( 1)

1( 2) 3( 1)

2( 2) 1( 3) 4( 1)

1( 1)

2( 3)

1( 1) 3( 3)

2( 2)

1( 4) 3( 2)

2 1 4

x1

1( 4)

4( 2) ( 1) ( 1) 4( 1) ( 1) ( 3) 4( 4) (1) 2

x2
1 3 2
x3

4 1

2( 1) 1( 1) 4( 4)

BA

4.

AB

x1

5
9

1 14

2x1 x2 4x3
x1 3x2 2x3

Matriks transpose
matriks tranpose adalah matriks yang terbentuk dengan mengganti baris
menjadi kolom dan kolom menjadi baris. Matriks ini diberi notasi AT

 a11 a12 .... a1n

a21 a22 .... a2n

am1 am2 .... amn

Taranspose matriks diatas adalah AT , yang berbentuk :

a11 a21 .... am1
A

a12 a22 .... am2

a1n a2n .... amn

5.

Matriks inversi
Di dalam matriks, operasi pembagian matriks tidak didefinisikan. Akan tetapi
operasi matriks yang mirip dengan pembagian adalah matriks inversi.
Apabila A adalah matriks, maka matriks inversinya adalah A-1 , demikian
sehingga :
AA-1 = A-1A = I

4.5

Sistem Persamaan dalam bentuk matriks

Sistem persamaan linier dapat ditulis dalam bentuk matriks. Misalnya sistem persamaan
(3.1) dapat ditulis dalam bentuk :
a11 a12 .... a1n x1
a21 a22 .... a2n x2

.
.
.
.

.
an1 an2 .... amn xn

b 1
b2

.
bn

Atau
A.X = B
Dengan :
A : matriks koefisien n x n
X : kolom vektor n x 1 dari bilangan tak diketahui
B : kolom vektor n x 1 dari konstanta

(4.2)

Di dalam penyelesaian sistem persamaan, dicari vektor kolom X berdasarkan persamaan

(3.2). Salah satu cara untuk menyelesaikannya adalah mengalikan kedua ruas persamaan
dengan matriks invers.
A-1A X = A-1 B
Karena : A-1A = I
Maka : X = A-1B
Dengan demikian nilai X dapat dihitung.
Contoh penyelesaian metoda matrik dengan program MathCad

2x1

6x2 10x3

x1 3x2 3x3
3x1

14x2 28x3

A 1 3

AX

10
3

3 14 28

B 2

8
1

X A

x1

X x2

x3
2

4.6

Metode Eliminasi Gauss

Metode Eliminasi Gauss adalah salah satu metode yang paling awal dikembangkan dan
banyak digunakan dalam penyelesaian sistem persamaan linier. Prosedur penyelesaian
metode ini adalah mengurangi sistem persamaan ke bentuk segitiga atas sehingga salah
satu dari persamaan persamaan tersebut hanya mengandung satu bilangan tak diketahui,
dan setiap persamaan berikutnya hanya terdiri dari salah satu tambahan bilangan tak
diketahui baru. Dalam hitungan dengan tangan, bentuk segitiga diselesaikan dengan

penambahan dan pengurangan dari beberapa persamaan, setelah persamaan tersebut

dikalikan dengan suatu faktor (konstan).
Untuk memudahkan penjelasan, diberikan suatu sistem dari 3 persamaan dengan 3
bilangan tak diketahui berikut ini :
a11 x1 a12 x2 a13 x3 b1

(4.3.a)

a 21 x1 a22 x2 a 23 x3 b2

(4.3.b)

a31 x1 a32 x 2 a33 x3 b3

(4.3.c)

Persamaan pertama dari sistem dibagi koefisien pertama dari persamaan pertama, yaitu
a11 , sehingga menjadi :
x1

a
a12
b
x 2 13 x3 1
a11
a11
a11

(4.4)

Persamaan (4.4) dikalikan dengan koefisien pertama dari persamaan kedua

a 21 x1 a 21

a
a12
b
x 2 a 21 13 x3 a 21 1
a11
a11
a11

(4.5)

Persamaan (4.3.b) dikurangi Persamaan (4.5) sehingga didapat :

(a 22 a 21

a
a12
b
) x 2 (a 23 a 21 13 ) x3 (b2 a 21 1 )
a11
a11
a11

Atau
a22x2 + a23x3 = b2
Langkah berikutnya, yang telah dinormalkan (Persamaan 4.4) dikalikan dengan koefisien
pertama dari persamaan ketiga, dan hasilnya dikurangkan dengan persamaan ketiga dari
sistem persamaan asli (Persamaan 3.3.c). Hasilnya adalah :
a32x2 + a33x3 =b3
Dengan melakukan prosedur hitungan tersebut diatas, akhirnya didapat sistem persamaan
berikut ini :
a11x1 + a12x2 + a13x3 =b1

(4.6.a)

a22x2 + a23x3 = b2

(4.6.b)

a32x2 + a33x3 =b3

(4.6.c)

Persamaan (4.6) ekivalen dengan persamaan aslinya, tetapi variabel x1 hanya muncul
pada persamaan pertama. Dua persamaan terakhir hanya mengandung dua bilangan tak
diketahui. Apabila dua persamaan terakhir dapat diselesaikan untuk nilai x1 dan x2, maka

hasilnya dapat disubtitusikan ke dalam persamaan pertama untuk mendapatkan nilai x1.
Permasalahan menjadi lebih sederhana, dari menyelesaikan 3 persamaan dengan 3
bilangan tak diketahui menjadi penyelesaian 2 persamaan dengan 2 bilangan tak
diketahui.
Prosedur berikutnya adalah mengeliminasi x2 dari salah satu dari dua persamaan terakhir.
Untuk itu Persamaan (4.6.b) dibagi dengan koefisien pertama dari persamaan (4.6.b),
yaitu a22 sehingga menjadi :
a ' 23
b'
x3 2
(4.7)
a' 22
a' 22
Persamaan (4.7) dikalikan dengan koefisien pertama dari persamaan (4.6.c) :
x2

a '32 x 2 a '32

a ' 23
b'
x3 a'32 2
a ' 22
a ' 22

(4.8)

Persamaan (4.6.c) dikurangi persamaan (4.8), sehingga menjadi :

(a '33 a '32

a ' 23
b'
x3 ) (b' 3 a '32 2 )
a ' 22
a ' 22

Atau
a33x3 = b3
dengan demikian sistem persamaan menjadi :
a11x2 + a12x2 + a3x3 = b1
a22x2 + a23x3 = b2
a33x3 = b3

(4.9.a)
(4.9.b)
(4.9.c)

Sistem persamaan diatas mempunyai kofisien matriks yang berbentuk segitiga atas (aij =
0 untuk i > j). Dari sistem persamaan tersebut dapat dihitung nilai x1, x2 dan x3, yaitu:
b' ' 3
a ' '33
b' a ' 23 x3
x2 2
a ' 22
b a12 x 2 a13 x3
x1 1
a11
x3

Dengan demikian sistem persamaan telah dapat diselesaikan.

Contoh :

3x + y z

=5

4x +7y 3z = 20
2x 2y + 5z = 10
Penyelesaian Eliminasi Gauss dengan program MathCad
ORIGIN 1
Gauss_B( A B)

n rows ( A)
k cols ( B)
for i 1 n 1
for j ( i 1) n
m

Aj i
Ai i

for k1 i n
A j k1 Aj k1 mAi k1
for k2 1 k
Bj k2 Bj k2 mBi k2
for k1 1 k
xn k1

Bn k1
An n

for i ( n 1) 1
for k1 1 k
xi k1

Bi k1
Ai i

for j ( i 1) n
xi k1 xi k1
x

Ai jxj k1
Ai i

A 4 7 3

2 2 5

x1

X x2

B 20

Gauss_B( A B)

1.506

3.1325
2.6506

10

x3

4.7

Metode Iterasi

Beberapa metode yang telah dipelajari di depan termasuk dalam metode langsung. Dalam
sub bab ini akan dipelajari metode lain, yaitu metode iterasi. Dalam hal tertentu metode
ini lebih baik dibanding dengan metode langsung, misalnya untuk matriks yang tersebar
yaitu matriks dengan banyak elemen nol. Metode ini juga dapat digunakan untuk
menyelsesaikan sistem persamaan tidak linier.
Dalam sub bab ini dipelajari dua metode iteratif, yaitu metode Jacobi dan Gauss-Seidel.
1. Metode Jacobi
Dipandang sistem 3 persamaan dengan 3 bilangan tak diketahui :
a11x1 + a12x2 + a13x3 = b1
a211x1 + a22x2 + a33x3 = b2

(3.26)

a31x1 + a32x2 + a33x3 = b3

Persamaan pertama dari sistem diatas dapat digunakan untuk menghitung x1
sebagai fungsi dari x2 dan x3. Demikian juga persamaan kedua dan ketiga untuk
menghitung x2 dan x3, sehingga didapat :
x1

(b1 a12 x 2 a13 x3 )

a11

x2

(b2 a 21 x1 a 23 x3 )
a 22

x3

(b3 a 31 x1 a 32 x 2 )
a33

(3.27)

Hitungan dumulai dengan nilai perkiraan awal sembarang untuk varisbel yang
dicari (biasanya semua variabel diambil sama dengan nol). Nilai perkiraan awal
tersebut disubtitusikan ke dalam ruas kanan dari sistem Persamaan (3.27).
Selanjutnya nilai variabel yang didapat tersebut disubtitusikan ke ruas kanan dari
sistem (3.27) lagi untuk mendapatkan nilai perkiraan kedua. Prosedur tersebut
diulangi lagi sampai nilai setiap variabel pada iterasi ke n mendekati nilai pada
iterasi ke n 1. Apabila superskrip n menunjukkan jumlah iterasi, maka
persamaan (3.27) dapat ditulis menjadi :
x1n

(b1 a12 x 2n 1 a13 x3n 1 )

a11

(b2 a 21 x1n 1 a 23 x3n 1 )

x
a 22
n
2

x3n

(3.28)

(b3 a31 x1n 1 a32 x3n 1 )

a33

Iterasi hitungan berakhir setelah :

x1n 1 x1n , x 2n 1 x 2n

dan

x3n 1 x3n

Atau telah terpenuhi kriteria berikut :

xin xin i
a = |
| 100% < s
xin
dengan s adalah batas ketelitian yang dikehendaki
2. Metode Gauss Siedel
Di dalam metode Jacobi, xilai x1 yang dihitung dari persamaan pertama tidak
digunakan untuk menghitung nilai x2 dengan persamaan kedua. Demikian juga
nilai x2 tidak digunakan untuk mencari x3, sehingga nila nilai tersebut tidak
dimanfaatkan. Sebenarnya nilai nilai baru tersebut lebih baik dari nilai nilai
yang lama. Di dalam metode Gauss Siedel nilai nilai tersebut dimanfaatkan
untuk menghitung variabel berikutnya.
Seperti dalam metode Jacobi sistem persamaan (3.26) diubah menjadi sistem
persamaan (3.27). Kemudian kedalam persamaan pertama dari sistem (2)
0
disubtitusikan nilai sembarang x 20 , x3 (biasanya diambil nol) sehingga :

(b1 a12 x 20 a13x30 )

x
a11
1
1

(3.29.a)

Nilai baru dari x11 tersebut kemudian disubtitusikan kedalam persamaan kedua
dari sistem (3.27), sehingga :
(b2 a 21x11 a 23x30 )
x
a 22
1
2

(3.29.b)

Demikian juga kedalam persamaan ketiga dari sistem (3.27) disubtitusikan nilai
baru x11 dan x 12 , sehingga didapat :

(b3 a31x11 a32 x 12 )

x
a33
1
3

(3.29.c)

Dengan cara seperti ini nilai x1,x2,x3 akan diperoleh nilai lebih cepat dari pada
metode Jacobi.