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.