1
Dasar-Dasar Eliminasi Gauss
MATH007Lesson 6
00:00
Bayangkan tantangan menyelesaikan sistem dengan ribuan variabel. Bagaimana kita mengungkap kebenaran dari kumpulan koefisien yang kacau? Eliminasi Gauss adalah alat dasar kita, suatu proses sistematik "pembersihan" variabel yang menyederhanakan sistem kompleks menjadi bentuk segitiga yang transparan, di mana solusi dapat diperoleh satu per satu melalui substitusi mundur.

Arsitektur Sistem Linear

Dalam analisis numerik, kita merepresentasikan sistem $n$ persamaan linear sebagai perkalian matriks $Ax = \mathbf{b}$. Di sini, $A$ adalah matriks koefisien berukuran $n \times n$, $x$ adalah vektor variabel tak diketahui, dan $\mathbf{b}$ adalah vektor konstanta. Untuk melakukan operasi secara efisien, kita menggunakan Matriks Augmentasi $[A, \mathbf{b}]$.

Tujuan Utama
Melalui rangkaian Operasi Baris Elementer (ERO), kita bertujuan mengubah keadaan sistem menjadi bentuk yang setara Segitiga Atas berupa matriks $U$: $$[A, \mathbf{b}] \rightarrow [U, \mathbf{b}']$$ sehingga semua elemen di bawah diagonal $u_{ii}$ bernilai nol.

Operasi Baris Elementer (ERO)

Integritas himpunan solusi kita bergantung pada tiga gerakan yang menjaga invariansi:

  • Pertukaran: $(E_i) \leftrightarrow (E_j)$ — Menukar baris untuk memindahkan pivot yang lebih baik.
  • Skala: $(\lambda E_i) \rightarrow (E_i)$ — Mengalikan baris dengan skalar non-nol.
  • Penggantian: $(E_i + \lambda E_j) \rightarrow (E_i)$ — Inti dari eliminasi. Secara khusus, kita menggunakan pengali $m_{j1} = a_{j1}/a_{11}$ untuk menghitung $(E_j - m_{j1} E_1) \rightarrow (E_j)$.

Anatomis dan Sifat Matriks

Berdasarkan Teorema 6.8, operasi matriks mengikuti hukum aljabar tertentu, seperti Asosiatif ($A(BC) = (AB)C$), namun secara terkenal tidak memiliki Komutatif ($AB \neq BA$ secara umum). Mengenali struktur khusus seperti Matriks Simetris ($A = A^t$) dan Matriks Identitas ($I_n$) memungkinkan metode faktorisasi khusus yang lebih cepat seperti $LDL^t$.

🎯 Prinsip Utama: Invariansi
ERO tidak mengubah himpunan solusi karena setiap operasi dapat dibalik secara sempurna. Dengan menerapkan operasi ini pada matriks augmentasi, kita menyelesaikan semua persamaan secara bersamaan tanpa kehilangan hubungan logis antara koefisien dan konstanta tujuan.