Invers Matriks Vandermonde Tanpa Eliminasi Gauss–Jordan: Pendekatan FINE Berbasis Basis Lagrange

Jika Anda pernah berurusan dengan interpolasi polinomial, pencarian rumus suku ke-$n$ ($U_n$) dari barisan aritmetika tingkat $k$, atau formulasi deret pangkat, Anda pasti tidak asing dengan Matriks Vandermonde.

Matriks ini terkenal dengan strukturnya yang anggun namun rumit ketika kita mencoba mencari inversnya. Metode konvensional, seperti eliminasi Gauss–Jordan dan Aturan Cramer, menjadi semakin rumit ketika diterapkan pada matriks Vandermonde berukuran besar karena memerlukan banyak operasi aritmetika yang harus dilakukan dengan tingkat ketelitian tinggi.

Namun, ada sudut pandang menarik dalam kerangka FINE (Formula for Interpolated Newton Expansion): koefisien basis interpolasi yang dibangun oleh FINE setelah dikalikan bobot skalarnya secara langsung membentuk entri dari matriks invers Vandermonde tanpa perlu melakukan eliminasi Gauss-Jordan. Lebih praktis lagi, koefisien-koefisien ini dapat diekstrak secara cepat menggunakan kombinasi pembagian sintetik (skema Horner) dan perkalian bobot.

1. Struktur Matriks Vandermonde ($a_k$ ke $a_0$)

Dalam mencari model polinomial berderajat $k$ untuk barisan suku $U_1, U_2, \dots, U_{k+1}$, kita menyusun urutan koefisien dari derajat tertinggi ke terendah:

$$U_n = a_k n^k + a_{k-1} n^{k-1} + \dots + a_1 n + a_0$$

Sistem persamaan linear $\mathbf{V} \mathbf{a} = \mathbf{U}$ dibentuk oleh matriks koefisien $\mathbf{V}$ berukuran $(k+1) \times (k+1)$:

$$\mathbf{V} = \begin{bmatrix} 1^k & 1^{k-1} & \dots & 1 & 1 \\ 2^k & 2^{k-1} & \dots & 2 & 1 \\ \vdots & \vdots & \ddots & \vdots & \vdots \\ (k+1)^k & (k+1)^{k-1} & \dots & (k+1) & 1 \end{bmatrix}$$

Untuk mendapatkan vektor koefisien $\mathbf{a} = [a_k, a_{k-1}, \dots, a_0]^T$, secara formal kita membutuhkan $\mathbf{a} = \mathbf{V}^{-1} \mathbf{U}$.

Rumus eksplisit invers Vandermonde telah lama dikenal dalam literatur, antara lain melalui formulasi berbasis polinomial Lagrange maupun fungsi simetris elementer. Akan tetapi, bentuk-bentuk klasik tersebut relatif kurang praktis untuk dihitung secara manual karena melibatkan notasi fungsi simetris atau rekurensi yang panjang. Alih-alih memulai dari invers matriks, artikel ini mengambil arah sebaliknya: berangkat dari bentuk eksplisit interpolasi FINE, kemudian menunjukkan bahwa koefisien-koefisien hasil ekspansi basis Lagrange yang telah diskalakan oleh bobot FINE, ketika dikelompokkan menurut pangkat $n$ tepat membentuk baris-baris matriks invers Vandermonde.

2. Mengenal FINE: Basis Lagrange & Bobot Skalar

FINE mengekspresikan solusi sistem Vandermonde melalui basis interpolasi Lagrange yang dituliskan secara eksplisit. Dari ekspansi basis tersebut, entri-entri matriks invers Vandermonde dapat dibaca secara langsung.

$$U_n = \sum_{j=0}^k w_{j+1} \cdot L_{j+1}(n)$$

Di mana $w_{j+1}$ adalah bobot skalar FINE yang didefinisikan sebagai:

$$w_{j+1} = \frac{(-1)^{k-j}}{k!} \binom{k}{j}$$

Dan $L_{j+1}(n)$ diperoleh langsung dari pembagian polinomial induk $P(n) = \prod_{m=1}^{k+1} (n-m)$ dengan faktor linear $(n - (j+1))$:

$$L_{j+1}(n) = \frac{P(n)}{n - (j+1)}$$

Jika bagian perkalian rasional di depan penjumlahan dijabarkan, kita melihat ekspansi faktor linear tersembunyi $(n-1)(n-2)\dots(n-(k+1))$:

$$U_n = \sum_{j=0}^k \left[ \frac{(-1)^{k-j}}{k!} \binom{k}{j} \prod_{\substack{m=1 \\ m \neq j+1}}^{k+1} (n-m) \right] U_{j+1}$$

Suku di dalam kurung siku di atas tidak lain adalah Polinomial Basis Lagrange $L_{j+1}(n)$, yang diungkapkan secara sistematis menggunakan kombinasi dari faktorial turun dan koefisien binomial $\binom{k}{j}$.

Secara aljabar, jika $L_{j+1}(n)$ dijabarkan ke dalam suku-suku pangkat $n$, FINE secara eksplisit menyerap seluruh proses pembentukan invers matriks tanpa operasi baris elementer.

3. Contoh Ilustratif ($k=2$): Mengonstruksi Baris-Baris Invers

Mari kita cermati bagaimana koefisien basis Lagrange yang muncul dalam FINE identik dengan baris-baris matriks invers Vandermonde untuk kasus $k=2$ (sistem $3 \times 3$).

Sesuai formulasi FINE untuk $k=2$:

$$U_n = \frac{1}{2} (n-1)(n-2)(n-3) \left[ \frac{\binom{2}{0} U_1}{n-1} - \frac{\binom{2}{1} U_2}{n-2} + \frac{\binom{2}{2} U_3}{n-3} \right]$$

$$U_n = \frac{1}{2} (n-1)(n-2)(n-3) \left[ \frac{U_1}{n-1} - \frac{2U_2}{n-2} + \frac{U_3}{n-3} \right]$$

kita menjabarkan kontribusi dari setiap sampel $U_{j+1}$ melalui polinomial $L_{j+1}(n)$:

• Kontribusi $U_3$ ($j=2$):

  $$L_3(n) = \frac{(-1)^0}{2!} (n-1)(n-2) = \frac{1}{2}(n^2-3n+2) = \frac{1}{2}n^2 - \frac{3}{2}n + 1$$

• Kontribusi $U_2$ ($j=1$):

  $$L_2(n) = \frac{(-1)^1}{2!} 2(n-1)(n-3) = -1(n^2-4n+3) = -n^2 + 4n - 3$$

• Kontribusi $U_1$ ($j=0$):

  $$L_1(n) = \frac{(-1)^2}{2!}(n-2)(n-3) = \frac{1}{2}(n^2-5n+6) = \frac{1}{2}n^2 - \frac{5}{2}n + 3$$

Sekarang, kita kelompokkan seluruh persamaan berdasarkan derajat pangkat $n$

• Suku Kuadrat ($n^2$): $\frac{1}{2}U_1 - 1U_2 + \frac{1}{2}U_3 \implies$ Koefisien: $[\frac{1}{2}, -1, \frac{1}{2}]$

• Suku Linear ($n^1$): $-\frac{5}{2}U_1 + 4U_2 - \frac{3}{2}U_3 \implies$ Koefisien: $[-\frac{5}{2}, 4, -\frac{3}{2}]$

• Suku Konstan ($n^0$): $3U_1 - 3U_2 + 1U_3 \implies$ Koefisien: $[3, -3, 1]$

Setiap vektor koefisien di atas tepat membentuk baris demi baris dari matriks invers Vandermonde $\mathbf{V}_3^{-1}$:

$$\mathbf{V}_3^{-1} = \begin{bmatrix} \frac{1}{2} & -1 & \frac{1}{2} \\ -\frac{5}{2} & 4 & -\frac{3}{2} \\ 3 & -3 & 1 \end{bmatrix}$$

4. Algoritma Praktis: Pembagian Sintetik + Perkalian Bobot ($k=2$)

Selain cara di atas, kita juga dapat mengamati alur perhitungan untuk barisan tingkat 2 ($k=2$) dengan sampel data awal $U_1 = 3$, $U_2 = 8$, dan $U_3 = 15$. Kita ingin menentukan koefisien $\mathbf{a} = [a_2, a_1, a_0]^T$.

Langkah A — Tentukan Polinomial Induk $P(n)$

Untuk $k=2$, perkalian seluruh faktor titik sampel adalah:

$$P(n) = (n-1)(n-2)(n-3) = n^3 - 6n^2 + 11n - 6$$

Diperoleh koefisien polinomial induk: $\mathbf{[1, -6, 11, -6]}$.

Langkah B — Hitung Bobot Skalar FINE ($w_{j+1}$)

Gunakan rumus $w_{j+1} = \frac{(-1)^{k-j}}{k!} \binom{k}{j}$:

• Bobot $w_1$ ($j=0$): $\frac{(-1)^2}{2}\binom{2}{0} = \mathbf{\frac{1}{2}}$

• Bobot $w_2$ ($j=1$): $\frac{(-1)^1}{2}\binom{2}{1} = \mathbf{-1}$

• Bobot $w_3$ ($j=2$): $\frac{(-1)^0}{2}\binom{2}{2} = \mathbf{\frac{1}{2}}$

Langkah C — Pembagian Sintetik (Skema Horner)

Bagi polinomial induk $P(n)$ dengan $(n - (j+1))$ untuk mendapatkan koefisien masing-masing basis $L_{j+1}(n)$:

• Pembagian sintetik (Skema Horner) untuk menghitung $\frac{P(n)}{n-1}$

  
  

  
  $$\text{Hasil: } \mathbf{[1, -5, 6]}$$

• Skema Horner untuk menghitung $\frac{P(n)}{n-2}$

        $$\text{Hasil: } \mathbf{[1, -4, 3]}$$

• Skema Horner untuk menghitung $\frac{P(n)}{n-3}$

• 
  $$ \text{Hasil: } \mathbf{[1, -3, 2]}$$

Langkah D — Perkalian Bobot & Penjumlahan Vertikal

Kalikan koefisien hasil pembagian sintetik dengan bobotnya masing-masing, lalu jumlahkan berdasarkan derajat (mulai dari $a_2$, $a_1$, hingga $a_0$):

$$\frac{1}{2} \cdot [1, -5, 6] = \left[ \frac{1}{2}, -\frac{5}{2}, 3 \right]$$ 

 $$-1 \cdot [1, -4, 3] = [-1, 4, -3]$$ 

 $$\frac{1}{2} \cdot [1, -3, 2] = \left[ \frac{1}{2}, -\frac{3}{2}, 1\right]$$

Jika ketiga vektor koefisien tersebut disusun sebagai kolom, diperoleh invers matriks Vandermonde $\mathbf{V}_3^{-1}$:

$$\mathbf{V}_3^{-1} = \begin{bmatrix} \frac{1}{2} & -1 & \frac{1}{2} \\ -\frac{5}{2} & 4 & -\frac{3}{2} \\ 3 & -3 & 1 \end{bmatrix}$$

Dengan demikian, pendekatan sintetik menghasilkan matriks invers Vandermonde yang sama dengan pendekatan ekspansi aljabar, tetapi melalui prosedur komputasi yang lebih sistematis.

Contoh Perhitungan

Diberikan tiga nilai awal suatu barisan aritmetika tingkat 2:

$$U_1 = 1, \quad U_2 = 4, \quad U_3 = 11$$

Tentukan koefisien $\mathbf{a} = [a_2, a_1, a_0]^T$ pada rumus $U_n = a_2 n^2 + a_1 n + a_0$.

Jawaban

Kita telah membuktikan bahwa matriks invers Vandermonde $3 \times 3$ berstruktur:

$$\mathbf{V}_3^{-1} = \begin{bmatrix}  \frac{1}{2} & -1 & \frac{1}{2} \\  -\frac{5}{2} & 4 & -\frac{3}{2} \\  3 & -3 & 1  \end{bmatrix}$$

Dengan mengalikan $\mathbf{V}_3^{-1}$ secara langsung ke vektor $\mathbf{U} = [1, 4, 11]^T$:

$$\begin{bmatrix} a_2 \\ a_1 \\ a_0 \end{bmatrix} = \begin{bmatrix}  \frac{1}{2} & -1 & \frac{1}{2} \\  -\frac{5}{2} & 4 & -\frac{3}{2} \\  3 & -3 & 1  \end{bmatrix} \begin{bmatrix} 1 \\ 4 \\ 11 \end{bmatrix}$$

$a_2$ (koefisien $n^2$): $\frac{1}{2}(1) - 1(4) + \frac{1}{2}(11) = \frac{1}{2} - 4 + \frac{11}{2} = 6 - 4 = \mathbf{2}$

$a_1$ (koefisien $n^1$): $-\frac{5}{2}(1) + 4(4) - \frac{3}{2}(11) = -\frac{5}{2} + 16 - \frac{33}{2} = -19 + 16 = \mathbf{-3}$

$a_0$ (koefisien $n^0$): $3(1) - 3(4) + 1(11) = 3 - 12 + 11 = \mathbf{2}$

 

Sehingga kita peroleh: $U_n = 2n^2 -3n + 2$.

Perlu ditekankan bahwa matriks invers Vandermonde di atas hanya bergantung pada titik-titik interpolasi $n = 1, 2, 3$, bukan pada nilai suku-suku barisannya. Oleh karena itu, untuk sembarang barisan aritmetika tingkat 2 yang diketahui tiga suku pertamanya pada titik tersebut, vektor koefisien polinomial selalu dapat diperoleh cukup dengan menghitung $\mathbf{a} = \mathbf{V}_3^{-1}\mathbf{U}$.

5. Mengapa Ini Bekerja? Perspektif Aljabar Linear

Proses pembagian sintetik dan perkalian bobot di atas pada dasarnya adalah rekonstruksi langsung entri matriks invers Vandermonde baris demi baris, sejalan dengan urutan $[a_2, a_1, a_0]^T$:

$$\begin{bmatrix} a_2 \\ a_1 \\ a_0 \end{bmatrix} = \begin{bmatrix} \frac{1}{2} & -1 & \frac{1}{2} \\ -\frac{5}{2} & 4 & -\frac{3}{2} \\ 3 & -3 & 1 \end{bmatrix} \begin{bmatrix} U_1 \\ U_2 \\ U_3 \end{bmatrix}$$

Secara umum, jika vektor koefisien disusun dari derajat tertinggi ke terendah $\mathbf{a} = [a_k, a_{k-1}, \dots, a_0]^T$, maka setiap baris matriks invers Vandermonde $\mathbf{V}^{-1}$ dibentuk oleh koefisien hasil pembagian sintetik $L_{j+1}(n)$ dikalikan dengan faktor rasional $\frac{w_{j+1}}{U_{j+1}}$:

$$\mathbf{V}^{-1} = \begin{bmatrix} \text{koef. } L_1 \text{ terskala (pangkat } n^k) \\ \text{koef. } L_2 \text{ terskala (pangkat } n^{k-1}) \\ \vdots \\ \text{koef. } L_{k+1} \text{ terskala (konstan)} \end{bmatrix}$$

Kerangka FINE memberikan cara terstruktur dan langsung untuk membangkitkan entri matriks invers Vandermonde tanpa perlu melakukan manipulasi matriks numerik konvensional.

6. Hubungan dengan Struktur Pascal–Bernoulli

Dari sudut pandang aljabar linear, matriks invers yang muncul dari FINE bukanlah kumpulan angka acak. Pada pengembangan lebih lanjut, invers tersebut dapat difaktorkan ke dalam beberapa matriks klasik—matriks beda, matriks Pascal, dan transformasi yang melibatkan bilangan Bernoulli:

$$\mathbf{V}^{-1} = \mathbf{B} \cdot \mathbf{P} \cdot \mathbf{D}$$

Struktur inilah yang menjelaskan mengapa FINE juga muncul secara alami pada rumus Faulhaber dan teori beda hingga. Penjelasan lengkap mengenai faktorisasi tersebut berada di luar cakupan artikel ini, tetapi menjadi landasan teoritis dari kerangka FINE yang lebih luas.

Penutup

FINE tidak ditujukan untuk menggantikan algoritma numerik modern yang dioptimalkan untuk komputasi floating-point berskala besar. Nilai utamanya terletak pada representasi simbolik yang eksplisit: ia memperlihatkan bagaimana interpolasi Lagrange, pembagian sintetik Horner, invers matriks Vandermonde, koefisien binomial, dan struktur Pascal–Bernoulli saling terhubung dalam satu kerangka yang ringkas dan praktis.

Dengan demikian, FINE bukan hanya sebuah rumus teoritis, tetapi juga menawarkan teknik komputasi manual yang efisien untuk menentukan rumus barisan maupun invers matriks Vandermonde.

Menurunkan Rumus Selisih dan Jumlah Dua Kubik dari Ekspansi Binomial

Hubungan Ekspansi Binomial dan Pola Selisih

Seperti yang kita ketahui dari pembahasan dasar ekspansi binomial, kita memiliki bentuk umum untuk penjabaran pangkat dua dan pangkat tiga sebagai berikut:

$$(a+b)^2 = a^2 + 2ab + b^2$$

$$(a+b)^3 = a^3 + 3a^2b + 3ab^2 + b^3$$

Untuk membuat pola selisih, kita dapat memanipulasi bentuk $(a-b)$ dengan menulisnya sebagai penjumlahan dengan bilangan negatif, yaitu $(a + (-b))$. Dengan mensubstitusikan nilai $(-b)$ ke dalam rumus di atas, kita dapat melihat pola yang terbentuk sebagai berikut, 

Untuk pangkat dua:

$$(a - b)^2 = (a + (- b))^2$$

$$(a - b)^2 = a^2 + 2a(-b)+ (-b)^2$$

$$(a - b)^2 = a^2 - 2ab + b^2$$

Untuk pangkat tiga:

$$(a-b)^3 = (a + (- b))^3$$

$$(a-b)^3 = a^3 + 3a^2(-b)+ 3a(-b)^2 + (-b)^3$$

$$(a-b)^3 = a^3 - 3a^2b+ 3ab^2 - b^3$$

Jika kita rapikan, pola penjumlahan dan selisihnya akan saling berpasangan dengan rapi seperti ini:

$$(a+b)^2 = a^2 + 2ab + b^2$$

$$(a - b)^2 = a^2 - 2ab + b^2$$

$$(a+b)^3 = a^3 + 3a^2b + 3ab^2 + b^3$$

$$(a-b)^3 = a^3 - 3a^2b+ 3ab^2 - b^3$$

Menurunkan Rumus Selisih Dua Kubik ($a^3 - b^3$)

Berdasarkan penjabaran $(a-b)^3$ yang telah kita temukan di atas, kita bisa memanipulasinya untuk menemukan rumus baku pemfaktoran dari selisih dua kubik.

Mari kita tulis ulang rumusnya:

$$(a-b)^3 = a^3 - 3a^2b+ 3ab^2 - b^3$$

Pindah ruaskan dan kelompokkan suku $a^3$ dan $-b^3$ di satu sisi:

$$a^3 - b^3 = (a-b)^3 + 3a^2b - 3ab^2$$

Faktorkan suku $3ab$ dari dua suku terakhir:

$$a^3 - b^3 = (a-b)^3 + 3ab(a-b)$$

Karena kedua suku memiliki unsur $(a-b)$, kita bisa mengeluarkannya:

$$a^3 - b^3 = (a-b) \left[ (a-b)^2 + 3ab \right]$$

Jabarkan kembali bentuk $(a-b)^2$ di dalam kurung siku:

$$a^3 - b^3 = (a-b) \left[ (a^2 - 2ab + b^2) + 3ab \right]$$

Selesaikan operasi pada suku yang sejenis ($-2ab + 3ab = ab$), sehingga didapat hasil akhir:

$$a^3 - b^3 = (a-b)(a^2 + ab + b^2)$$

Kita bisa faktorkan $8x^3 - 27$ menjadi $(2x - 3)(4x^2 + 6x + 9)$ dengan memanfaatkan rumus di atas.

Menurunkan Rumus Jumlah Dua Kubik ($a^3 + b^3$)

Selain selisih, kita juga bisa menemukan rumus pemfaktoran untuk jumlah dua kubik. Pendekatannya persis sama, namun kali ini kita berangkat dari ekspansi binomial $(a+b)^3$:

$$(a+b)^3 = a^3 + 3a^2b + 3ab^2 + b^3$$

Kelompokkan suku $a^3$ dan $b^3$ di satu ruas:

$$a^3 + b^3 = (a+b)^3 - 3a^2b - 3ab^2$$

Faktorkan suku $-3ab$ dari dua suku terakhir:

$$a^3 + b^3 = (a+b)^3 - 3ab(a+b)$$

Keluarkan faktor yang sama, yaitu $(a+b)$:

$$a^3 + b^3 = (a+b) \left[ (a+b)^2 - 3ab \right]$$

Jabarkan kembali $(a+b)^2$ di dalam kurung siku:

$$a^3 + b^3 = (a+b) \left[ (a^2 + 2ab + b^2) - 3ab \right]$$

Selesaikan operasi pada suku yang sejenis ($2ab - 3ab = -ab$), sehingga didapat hasil akhir:

$$a^3 + b^3 = (a+b)(a^2 - ab + b^2)$$

Dengan menerapkan rumus tersebut, kita bisa memfaktorkan $8x^3 + 27$ menjadi $(2x + 3)(4x^2 - 6x + 9)$ 

Catatan Tambahan 

1. Bentuk jumlah kuadrat $a^2 + b^2$ tidak bisa difaktorkan lebih lanjut menjadi perkalian dua binomial dalam himpunan bilangan real. Namun, bentuk ini bisa dituliskan dalam bentuk ekuivalen menggunakan manipulasi aljabar:

$$a^2 + b^2 = (a+b)^2 - 2ab$$

atau

$$a^2 + b^2 = (a-b)^2 + 2ab$$ 

2. Secara umum, untuk $(a - b)^n$, tanda suku akan bergantian mengikuti koefisien binomial. Namun, perlu diingat bahwa bentuk  $a^n - b^n$ bisa difaktorkan dengan memunculkan bentuk (a - b)  untuk semua n bilangan asli, sedangkan $a^n + b^n$ hanya bisa difaktorkan dengan memunculkan bentuk (a + b) jika n ganjil. 

Rumus Faulhaber Tanpa Bilangan Bernoulli

 

Rumus Faulhaber menyatakan bahwa jumlah pangkat 

$$ \sum_{k=1}^{n} k^p = 1^p + 2^p + 3^p + \cdots + n^p $$

adalah sebuah polinomial dalam $n$ berderajat $p+1$. Sebelum bilangan Bernoulli dipakai secara sistematis, salah satu cara aljabar untuk menurunkan rumus ini adalah metode teleskopis yang memanfaatkan identitas binomial untuk selisih pangkat berurutan.

---

1. Identitas Dasar dan Gagasan Umum

Gunakan identitas binomial untuk selisih pangkat:

$$(m+1)^{k+1} - m^{k+1} = \sum_{j=0}^{k} \binom{k+1}{j} m^j$$

Jika kita jumlahkan persamaan ini untuk $m = 1$ sampai $n$, sisi kiri akan menjadi deret teleskopis:

$$\sum_{m=1}^{n} \left[(m+1)^{k+1} - m^{k+1}\right] = (n+1)^{k+1} - 1$$

Sisi kanan adalah kombinasi dari jumlah pangkat $S_j = \sum_{m=1}^{n} m^j$ untuk $j = 0, 1, \dots, k$. Dengan mengisolasi $S_k$, kita memperoleh ekspresi polinomial untuk $\sum_{m=1}^{n} m^k$.

Rumus Umum yang Dipakai

Dari penjumlahan teleskopis tersebut, diperoleh hubungan linear:

$$(n+1)^{k+1} - 1 = \sum_{j=0}^{k} \binom{k+1}{j} S_j$$

Karena $S_0 = n$ dan nilai $S_1, S_2, \dots, S_{k-1}$ dapat ditentukan secara berurutan, kita dapat menyelesaikan persamaan ini untuk mencari $S_k$.

---

2. Contoh Terperinci

Kasus $p = 2$ (Jumlah Kuadrat)

Identitas binomial:

$$(m+1)^3 - m^3 = 3m^2 + 3m + 1$$

Jumlahkan dari $m = 1$ sampai $n$ dan substitusi notasi $S_j$:

$$(n+1)^3 - 1 = 3S_2 + 3S_1 + S_0$$

$$(n+1)^3 - 1 = 3S_2 + 3S_1 + n$$

Masukkan $S_1 = \dfrac{n(n+1)}{2}$ dan selesaikan untuk $S_2$:

$$3S_2 = (n^3 + 3n^2 + 3n + 1) - 1 - n - 3\left(\frac{n^2+n}{2}\right)$$

$$3S_2 = n^3 + 3n^2 + 2n - \frac{3n^2+3n}{2} = \frac{2n^3 + 3n^2 + n}{2}$$

$$S_2 = \frac{2n^3 + 3n^2 + n}{6} = \frac{n(n+1)(2n+1)}{6}$$

Kasus $p = 3$ (Jumlah Pangkat Tiga)

Identitas binomial:

$$(m+1)^4 - m^4 = 4m^3 + 6m^2 + 4m + 1$$

Jumlahkan dan substitusi $S_1, S_2$:

$$(n+1)^4 - 1 = 4S_3 + 6S_2 + 4S_1 + n$$

Setelah melakukan substitusi $S_1$ dan $S_2$ serta penyederhanaan aljabar, diperoleh:

$$4S_3 = n^4 + 2n^3 + n^2 = n^2(n+1)^2$$

$$S_3 = \frac{n^2(n+1)^2}{4} = \left(\frac{n(n+1)}{2}\right)^2$$

Ini membuktikan identitas terkenal bahwa

$$S_3 = (S_1)^2.$$

Metode yang sama dapat diterapkan untuk setiap $p$. Namun, karena setiap $S_p$ diperoleh dari $S_0, S_1, \ldots, S_{p-1}$, metode teleskopis pada dasarnya merupakan algoritma rekursif untuk menurunkan rumus Faulhaber, bukan sebuah rumus tertutup yang langsung berlaku untuk semua pangkat.

3. Pendekatan Barisan Aritmetika Bertingkat (Newton–Gregory)

Metode selisih maju (forward differences) Newton–Gregory dapat digunakan untuk menurunkan rumus Faulhaber melalui dua sudut pandang, yaitu dari barisan jumlah parsial maupun dari barisan suku-sukunya secara langsung. Rumus-rumus Newton–Gregory yang digunakan pada bagian ini telah dibahas dan diturunkan pada artikel sebelumnya, sehingga di sini hanya ditampilkan penerapannya untuk memperoleh rumus Faulhaber.

Metode A: Mencari Suku ke-$n$ dari Deret Parsial (Jumlah Kumulatif)

Untuk $p = 2$, deret parsialnya (jumlah kumulatif) adalah:

$$U_n = 1,\ 5,\ 14,\ 30,\ 55,\ \dots$$

Pola selisih majunya disusun sebagai berikut:

Dengan mengambil nilai ujung kiri dari setiap tingkat, kita peroleh:

$$U_1 = 1, \quad \Delta U_1 = 4, \quad \Delta^2 U_1 = 5, \quad \Delta^3 U_1 = 2$$

Rumus umum suku ke-$n$:

$$U_n = U_1 + \binom{n-1}{1}\Delta U_1 + \binom{n-1}{2}\Delta^2 U_1 + \binom{n-1}{3}\Delta^3 U_1$$

Substitusi nilai selisih ke dalam rumus:

$$U_n = 1 + 4(n-1) + \frac{5(n-1)(n-2)}{2} + \frac{2(n-1)(n-2)(n-3)}{6}$$

Jabarkan setiap suku dan samakan penyebut menjadi $6$:

$$U_n = \frac{6}{6} + \frac{24(n-1)}{6} + \frac{15(n^2-3n+2)}{6} + \frac{2(n^3-6n^2+11n-6)}{6}$$

$$= \frac{6 + (24n-24) + (15n^2-45n+30) + (2n^3-12n^2+22n-12)}{6}$$

$$= \frac{2n^3 + 3n^2 + n}{6}$$

Faktorkan pembilang untuk mendapatkan bentuk standar:

$$U_n = \frac{n(2n^2+3n+1)}{6} = \frac{n(n+1)(2n+1)}{6}$$

Karena $U_n$ merepresentasikan deret parsial, terbukti bahwa

$$\sum_{k=1}^{n} k^2 = \frac{n(n+1)(2n+1)}{6}.$$

Metode B: Rumus Langsung Penjumlahan Deret

Kita tinjau langsung barisan suku-sukunya:

$$U_n = 1, 4, 9, 16, 25, \dots$$

Pola selisih majunya adalah:

Nilai ujung kiri: $U_1 = 1, \ \Delta U_1 = 3, \ \Delta^2 U_1 = 2$.

Rumus umum jumlah deret ($S_n$):

$$S_n = nU_1 + \binom{n}{2}\Delta U_1 + \binom{n}{3}\Delta^2 U_1 + \cdots$$

Karena $\Delta^3 U_1 = 0$, kita cukup substitusi hingga tingkat 2:

$$S_n = n(1) + \frac{n(n-1)}{2}(3) + \frac{n(n-1)(n-2)}{6}(2)$$

Sederhanakan masing-masing suku dan samakan penyebut menjadi $6$:

$$S_n = \frac{6n}{6} + \frac{3(3n^2-3n)}{6} + \frac{2(n^3-3n^2+2n)}{6}$$

$$= \frac{6n + 9n^2 - 9n + 2n^3 - 6n^2 + 4n}{6} = \frac{2n^3 + 3n^2 + n}{6}$$

Faktorkan pembilang:

$$S_n = \frac{n(2n^2+3n+1)}{6} = \frac{n(n+1)(2n+1)}{6}$$

Secara umum, pendekatan menggunakan deret selisih berhingga ini dapat diperluas untuk sembarang pangkat $p$. Karena jumlah parsial dari barisan pangkat ke-$p$ selalu membentuk polinomial berderajat $p+1$, ekspansi selisih hingga akan berhenti pada suku ke-$(p+1)$ (yakni $\Delta^{p+1} U_1 = 0$), sehingga bentuk tertutup untuk sembarang nilai $p$ dapat selalu ditentukan secara eksak menggunakan deret Newton-Gregory atau rumus FINE tanpa harus bergantung pada Bilangan Bernoulli.

4. Pendekatan FINE

Pendekatan lain untuk menurunkan rumus Faulhaber adalah menggunakan Formula Interpolasi Newton Eksplisit (FINE). Rumus umum barisan aritmetika tingkat k FINE ditulis:

$$ U_n^{(k)} = (-1)^k \frac{1}{k!} \prod_{j=1}^{k+1} (n - j) \sum_{i=0}^{k} (-1)^i \binom{k}{i} \frac{U_{i+1}}{n - (i + 1)} $$

Karena jumlah parsial $ \sum_{k=1}^{n} k^p$ merupakan polinomial berderajat $p+1$, bentuk tertutupnya dapat diperoleh dengan menginterpolasi nilai-nilai awal deret parsial menggunakan rumus FINE. Penerapan metode ini ditunjukkan pada contoh berikut.

---

Kasus $p = 2$: $S_2(n) = 1^2+2^2+\cdots+n^2$

Nilai awal: $S_2(1)=1$, $S_2(2)=5$, $S_2(3)=14$, $S_2(4)=30$. Terapkan FINE $k=3$:

$$S_2(n) = -\frac{1}{6}\cdot\frac{n!}{n(n-5)!}\cdot\left[\frac{1}{n-1}-\frac{15}{n-2}+\frac{42}{n-3}-\frac{30}{n-4}\right].$$

Dengan mengalikan faktor $(n-1)(n-2)(n-3)(n-4)$ ke dalam kurung, kemudian menyederhanakan hasilnya, diperoleh

$$S_2(n) = -\frac{1}{6}\cdot(-n)(2n+1)(n+1) = \frac{n(n+1)(2n+1)}{6}$$

---

Kasus $p = 3$: $S_3(n) = 1^3+2^3+\cdots+n^3$

Nilai awal: $S_3(1)=1$, $S_3(2)=9$, $S_3(3)=36$, $S_3(4)=100$, $S_3(5)=225$. Terapkan FINE $k=4$:

$$S_3(n) = \frac{1}{24}\cdot\frac{n!}{n(n-6)!}\cdot\sum_{i=0}^{4}(-1)^i\binom{4}{i}\frac{S_3(i+1)}{n-(i+1)}.$$

Dengan menyederhanakan jumlah pada pembilang dan menghilangkan faktor-faktor yang sama, diperoleh

$$S_3(n) = \frac{n^2(n+1)^2}{4}$$

Pendekatan Formula Interpolasi Newton Eksplisit (FINE) ini dapat diterapkan secara umum untuk sembarang pangkat $p$. Karena jumlah parsial dari barisan pangkat ke-$p$ selalu membentuk polinomial berderajat $p+1$, kita cukup menetapkan orde barisan aritmetika sebesar $k = p+1$, menghitung $(p+2)$ buah nilai awal pertama, dan mensubstitusikannya ke dalam rumus umum FINE untuk mendapatkan bentuk tertutupnya secara eksak tanpa perlu bergantung pada Bilangan Bernoulli. 

Kesimpulan

Rumus Faulhaber untuk jumlah pangkat

$$\sum_{k=1}^{n} k^p$$

Dapat diturunkan melalui berbagai pendekatan matematis. Pada tulisan ini telah dibahas tiga pendekatan, yaitu metode teleskopis berbasis identitas binomial, metode selisih maju Newton–Gregory, dan Formula Interpolasi Newton Eksplisit (FINE). Meskipun berangkat dari sudut pandang yang berbeda, ketiga pendekatan tersebut sama-sama memanfaatkan sifat bahwa jumlah parsial $\sum_{k=1}^{n} k^p$ merupakan polinomial berderajat $p+1$, sehingga bentuk tertutupnya dapat ditentukan secara sistematis. 

Metode teleskopis menghasilkan hubungan rekursif yang menurunkan rumus Faulhaber secara bertahap dari jumlah pangkat yang lebih rendah. Sementara itu, metode Newton–Gregory dan FINE memperoleh bentuk tertutup melalui teori selisih hingga dan interpolasi polinomial. Secara khusus, FINE dapat dipandang sebagai bentuk eksplisit dari interpolasi Newton yang menggunakan sejumlah nilai awal untuk langsung merekonstruksi polinomial jumlah parsial. Sebagai ilustrasi, ketiga pendekatan tersebut menghasilkan rumus yang sama untuk

$$\sum_{k=1}^{n} k^2 = \frac{n(n+1)(2n+1)}{6}$$

dan$$\sum_{k=1}^{n} k^3 = \frac{n^2(n+1)^2}{4}.$$

Lebih umum lagi, ketiga metode tersebut dapat diterapkan untuk setiap $p \in \mathbb{N}$, sehingga memberikan cara sistematis untuk memperoleh rumus Faulhaber tanpa harus menggunakan bilangan Bernoulli.Perlu dicatat bahwa ketiga metode ini bukanlah satu-satunya cara untuk menurunkan rumus Faulhaber. Dalam literatur terdapat berbagai pendekatan lain, seperti penggunaan bilangan Bernoulli, fungsi pembangkit (generating functions), interpolasi polinomial, teori operator, metode selisih hingga, serta teknik kombinatorial. Masing-masing memiliki kelebihan dan konteks penerapan yang berbeda. Pendekatan yang disajikan pada tulisan ini dipilih karena bertumpu pada identitas binomial, selisih hingga, dan interpolasi Newton, sehingga penurunan rumus Faulhaber dapat dilakukan secara elementer tanpa bergantung pada bilangan Bernoulli.

Tags: #Deret Pangkat #Barisan Aritmetika bertingkat #Deret Aritmetika bertingkat #Newton-Gregory #Deret Teleskopis # FINE #Formula interpolasi Newton Eksplisit #Formula for Iterpolated Newton Expansion