Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks

Ukuran: px
Mulai penontonan dengan halaman:

Download "Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks"

Transkripsi

1 Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks 6. Tentukan polinomial karakteristik dari matriks transformasi A=. Andaikan A adalah matriks persegi berdimensi x. Polinom karakteristik dari matriks A adalah P(λ) = A λi = λ + bλ + c. Tunjukkan bahwa b = trace(a) dan c = det(a). x y. Andaikan matriks transformasi T =. Syarat apa yang harus dipenuhi z t untuk x, y, z, dan t, jika matriks transformasi T tersebut: (a) mempunyai dua buah akar karakteristik (eigenvalue) real yang berbeda. (b) hanya mempunyai satu buah akar karakteristik. (c) tidak mempunyai akar karakteristik real.. Tentukan akar dan vektor karakteristik (eigen value and eigen vectors) dari matriks transformasi B = 7.. Buktikan bahwa matriks A dan A T mempunyai akar karakteristik yang sama 6. Andaikan berturut-turut X, X,.., Xn adala vektor karakteristik dari akar-akar karakteristik yang berbeda λ, λ,.., λn dari suatu matriks transformasi A, buktikan bahwa vektor-vektor X, X,.., Xn adalah bebas linear (linearly independence). 7. Jika λ, λ,.., λn adalah akar-akar karakteristik dari suatu matriks transformasi A, serta k adalah sembarang skalar, tunjukkan bahwa kλ, kλ,.., kλn adalah akarakar karakteristik dari suatu matriks transformasi ka 8. Jika X adalah vektor satuan (unit vector) dan AX = λx, buktikan bahwa X T AX = λ. 9. Jika D adalah matrks diagonal, tunjukkan bahwa akar-akar karakteristik dari matriks D adalah elemen-elemen diagonal matriks D tersebut, dan vektor-vektor invariannya adalah basis natural {e}.. Andaikan matriks A = dan matriks B =. Tunjukkan bahwa A dan B mempunyai akar karakteristik yang sama, tetapi A dan B tidak similar. Andaikan A dan B adalah matriks yang similar. Buktikan bahwa : (a) A T dan B T adalah similar

2 (b) A invertibel jika dan hanya jika B invertibel. Jika A similar B, buktikan bahwa A - juga similar dengan B -. if A and B are similar, prove that A and B have same characteristics root (eigen value). JIka matriks persegi A berdimensi nxn mempunyai n vektor invariant yang bebas linear, buktikan bahwa mariks A similar dengan matriks diagonal. Jika A similar dengan B, dan B similar dengan C, buktikan bahwa A similar dengan C 6. Apakah matiks A berikut ini diagonalisabel?. Jika ya, carilah matriks P sedemikian hingga P - AP = D (matriks diagonal yang mempunyai elemen diagonal akar karakteristik dari A). (a) A = (b) A = (c) A = 7. Diketahui matriks transformasi A =. Apakah A diagonalisabel?. Jika matriks transformasi A tersebut diagonalisabel, carilah matriks nonsingular P sedemikian hingga P - AP = D (matriks diagonal yang mempunyai elemen diagonal akar karakteristik dari A). 8. Andaikan transformasi T : R R dengan rumus transformasinya adalah x x y z T y = x y z. Tentukan nilai eigen dan vektor eigen dari matriks z x y z transformasi T tersebut. Apakah matriks T diagonalisabel? Jika ya, cari matriks P sedemikian hingga P - TP = D, dengan D adalah matriks diagonal dengan elemen-elemennya akar karakteristik dari T a b 9. Andaikan diketahui matriks A =. Syarat apa yang harus dipenuhi bagi a, c d b, c, dan d, supaya matriks A tersebut diagonalisabel (dapat didiagonalkan)?

3 . Apakah matriks A = diagonalisabel?. Jika ya, cari matriks P sedemikian hingga P - AP = D, dengan D adalah matriks diagonal dengan elemenelemennya akar karakteristik dari A. Andaikan matriks A =. Apakah A diagonalisabel?, jika ya, cari P sehingga P - AP = D (diagonal).. Diketahui matriks transformasi A =. Apakah A diagonalisabel?. Jika matriks transformasi A tersebut diagonalisabel, carilah matriks nonsingular P sedemikian hingga P - AP = D (matriks diagonal yang mempunyai elemen diagonal akar karakteristik dari A).. Diketahui matriks transformasi A =. Apakah matriks A diagonalisabel? Jika ya, carilah matriks P sedemikian hingga P - AP = Diagonal. Apakah matriks A = diagonalisabel?. Jika ya, carilah matriks P sedemikian hingga P - AP = D (matriks diagonal).. Apakah matriks A = diagonalisabel?. Jika ya, carilah matriks P sedemikian hingga P - AP = D (matriks diagonal). 6. Diketahui matrik transformasi A =. Apakah matriks A diagonalisabel? Jika ya, carilah matriks P sedemikian hingga P - AP = Diagonal 7. Jika matriks transformasi A adalah matriks simetri, serta X dan X adalah vektor karakteristik (eigen vectors) dari matriks A yang berasal dari akar karakteristik yang berbeda, buktikan bahwa X dan X adalah saling orthogonal.

4 8. Andaikan matriks transformasi A = 7. Untuk matriks A tersebut, mengapa pasti terdapat matriks orthogonal R sedemikian hingga R T AR = D (matriks diagonal yang elemen diagonalnya akar karakteristik dari A)?. Kemudian carilah matriks R tersebut. 9. Andaikan matriks transformasi B =. Untuk matriks B tersebut, mengapa pasti terdapat matriks orthogonal R sedemikian hingga R T BR = D (matriks diagonal yang elemen diagonalnya akar karakteristik dari B)?. Kemudian carilah matriks R tersebut.. Diketahui matrik transformasi A =. (a) Apakah matriks A diagonalisabel? Jika ya, carilah matriks P sedemikian hingga P - AP = Diagonal (b) Untuk matriks A tersebut di atas, tentukan juga matriks ortogonal R sedemikian hingga R T AR = diagonal. Andaikan matriks transformasi A =. Carilah matriks ortogonal P yang mendiagonalkan matriks A sedemikian hingga P T AP = D. Andaikan matriks transformasi B =. Carilah matriks ortogonal R sehingga R T BR = D (diagonal)... Carilah matriks ortogonal P sedemikian hingga P T AP = D (matriks diagonal), jika A =. Carilah matriks ortogonal P sedemikian hingga P T AP = D (matriks diagonal), jika A =

5 . Andaikan matriks transformasi A =. Carilah matriks ortogonal P yang mendiagonalkan matriks A sedemikian hingga P T AP = D 6. Cari matriks ortogonal R dan matriks diagonal D sedemikian hingga R T AR = D, jika A = 6 7. Jika A adalah matriks simetri dan P adalah matriks orthogonal, tunjukkan bahwa P - AP adalah matriks simetri. 8. Tentukan polinom karakteristik dan polinom minimum dari matriks : (a) P = (b) Q = 7 9. Tentukan polinom karakteristik dan polinom minimum dari matriks : (a) A = (b) B = 6 8 (c) C = 7. Diketahui matriks A = dan B =. (a) Carilah masing-masing polinom karakteristik dari matriks A dan matriks B. (b) Carilah masing-masing plinom minimum dari matriks A dan matriks B. (c) Apa yang dapat disimpulkan dari hasil (a) dan (b) tersebut?. Diketahui matriks transformasi A =. Carilah : (a). Polinom karakteristik dari A.

6 (b). Polinom minimum dari A. (c). berdasarkan hasil (a) atau (b) tersebut, cari invers dari A.. Tunjukkan bahwa matriks A dan A T mempunyai polinomial minimum yang sama

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta SIMILARIAS Similaritas Pendiagonalan Matriks Similaritas dari Matriks Simetri Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta Pengantar Cari akar dan vektor karakteristik kt tik dari A = 2

Lebih terperinci

Eigen value & Eigen vektor

Eigen value & Eigen vektor Eigen value & Eigen vektor Hubungan antara vektor x (bukan nol) dengan vektor Ax yang berada di R n pada proses transformasi dapat terjadi dua kemungkinan : 1) 2) Tidak mudah untuk dibayangkan hubungan

Lebih terperinci

7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal

7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal 7. NILAI-NILAI VEKTOR EIGEN Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal Nilai Eigen, Vektor Eigen Diketahui A matriks nxn dan x adalah suatu vektor pada R n, maka biasanya tdk ada

Lebih terperinci

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN KS091206 KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat menghitung eigen value dan eigen vector

Lebih terperinci

Yang dipelajari. 1. Masalah Nilai Eigen dan Penyelesaiannya 2. Masalah Pendiagonalan. Referensi : Kolman & Howard Anton. Ilustrasi

Yang dipelajari. 1. Masalah Nilai Eigen dan Penyelesaiannya 2. Masalah Pendiagonalan. Referensi : Kolman & Howard Anton. Ilustrasi 7// NILAI EIGEN dan VEKTOR EIGEN Yang dipelajari.. Masalah Nilai Eigen dan Penyelesaiannya. Masalah Pendiagonalan Referensi : Kolman & Howard Anton. Ilustrasi Misalkan t : R n R n dengan definisi t(x)

Lebih terperinci

MODUL V EIGENVALUE DAN EIGENVEKTOR

MODUL V EIGENVALUE DAN EIGENVEKTOR MODUL V EIGENVALUE DAN EIGENVEKTOR 5.. Pendahuluan Biasanya jika suatu matriks A berukuran mm dan suatu vektor pada R m, tidak ada hubungan antara vektor dan vektor A. Tetapi seringkali kita menemukan

Lebih terperinci

Latihan 5: Inner Product Space

Latihan 5: Inner Product Space Latihan 5: Inner Product Space Diketahui vektor u v w ϵ R di mana u = v = Hitunglah : a b c d e f Diketahui vektor u v ϵ R di mana u = dan v = Carilah

Lebih terperinci

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse Matriks Tujuan Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse Pengertian Matriks Adalah kumpulan bilangan yang disajikan secara teratur dalam

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A =

NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A = NILAI EIGEN DAN VEKTOR EIGEN >> DEFINISI NILAI EIGEN DAN VEKTOR EIGEN Jika A adalah sebuah matriks n n, maka sebuah vektor taknol x pada R n disebut vektor eigen (vektor karakteristik) dari A jika Ax adalah

Lebih terperinci

SUMMARY ALJABAR LINEAR

SUMMARY ALJABAR LINEAR SUMMARY ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam. Shalawat serta

Lebih terperinci

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR A. DEFINISI DASAR 1. Definisi-1 Suatu pemetaan f dari ruang vektor V ke ruang vektor W adalah aturan perkawanan sedemikian sehingga setiap vektor v V dikawankan

Lebih terperinci

DIAGONALISASI MATRIKS KOMPLEKS

DIAGONALISASI MATRIKS KOMPLEKS Buletin Ilmiah Mat Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 337-346 DIAGONALISASI MATRIKS KOMPLEKS Heronimus Hengki, Helmi, Mariatul Kiftiah INTISARI Matriks kompleks merupakan matriks

Lebih terperinci

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT Oleh: APRILLIANTIWI NRP. 1207100064 Dosen Pembimbing: 1. Soleha, S.Si, M.Si 2. Dian Winda S., S.Si, M.Si LATAR BELAKANG Matriks dan

Lebih terperinci

MATRIKS A = ; B = ; C = ; D = ( 5 )

MATRIKS A = ; B = ; C = ; D = ( 5 ) MATRIKS A. DEFINISI MATRIKS Matriks adalah suatu susunan bilangan berbentuk segi empat dari suatu unsur-unsur pada beberapa sistem aljabar. Unsur-unsur tersebut bisa berupa bilangan dan juga suatu peubah.

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 5 BAB 2 TINJAUAN PUSTAKA 2.1 Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemenelemen yang disusun secara teratur menurut baris dan kolom berbentuk

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pembahasan mendasar mengenai matriks terutama yang berkaitan dengan matriks yang dapat didiagonalisasi telah jelas disajikan dalam referensi yang biasanya digunakan

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer BAB I RUANG VEKTOR Pada kuliah Aljabar Matriks kita telah mendiskusikan struktur ruang R 2 dan R 3 beserta semua konsep yang terkait. Pada bab ini kita akan membicarakan struktur yang merupakan bentuk

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI A. Matriks 1. Pengertian Matriks Definisi II. A. 1 Matriks didefinisikan sebagai susunan segi empat siku- siku dari bilangan- bilangan yang diatur dalam baris dan kolom (Anton, 1987:22).

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI A. Matriks 1. Pengertian Matriks Definisi II.A.1 Matriks didefinisikan sebagai susunan persegi panjang dari bilangan-bilangan yang diatur dalam baris dan kolom. Contoh II.A.1: 9 5

Lebih terperinci

II. TINJAUAN PUSTAKA. Sistem dinamik adalah sistem yang berubah dari waktu ke waktu (Farlow,et al.,

II. TINJAUAN PUSTAKA. Sistem dinamik adalah sistem yang berubah dari waktu ke waktu (Farlow,et al., II. TINJAUAN PUSTAKA 2.1 Sistem Dinamik Sistem dinamik adalah sistem yang berubah dari waktu ke waktu (Farlow,et al., 2002). Salah satu tujuan utama dari sistem dinamik adalah mempelajari perilaku dari

Lebih terperinci

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT Nama Mahasiswa : Aprilliantiwi NRP : 1207100064 Jurusan : Matematika Dosen Pembimbing : 1 Soleha, SSi, MSi 2 Dian Winda Setyawati,

Lebih terperinci

A 10 Diagonalisasi Matriks Atas Ring Komutatif

A 10 Diagonalisasi Matriks Atas Ring Komutatif A 10 Diagonalisasi Matriks Atas Ring Komutatif Joko Harianto 1, Puguh Wahyu Prasetyo 2, Vika Yugi Kurniawan 3, Sri Wahyuni 4 1 Mahasiswa S2 Matematika FMIPA UGM, 2 Mahasiswa S2 Matematika FMIPA UGM, 3

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Sistem Persamaan Diferensial Definisi 2.1.1 Persamaan Diferensial Persamaan diferensial adalah persamaan yang memuat variabel bebas, variabel tak bebas dan derivative-derivatif

Lebih terperinci

MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS

MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS 1 Kirana Permata Putri, 2 Ardi Pujiyanta(0529056601) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan Prof. Dr. Soepomo, S.H., Janturan, Umbulharjo,

Lebih terperinci

Nilai dan Vektor Eigen

Nilai dan Vektor Eigen Nilai dan Vekto Eigen Mengingat kembali: pekalian matiks Dibeikan matiks A x dan vekto-vekto u, v, dan w 0 1 u 0 5 A v w u 1 Hitunglah Au, Aw, Av. Manakah dai hasil kali tesebut yang hasilnya adalah vekto

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI 17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga

Lebih terperinci

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR Ingat : Vektor dan Matriks Ortogonal vektor dan a dan b saling ortogonal jika a dan b saling ortonormal jika a dan b di normalisasi (normalized)

Lebih terperinci

(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS

(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS Seminar Nasional Statistika 2 November 20 Vol 2, November 20 (MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS Euis Hartini Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

Lebih terperinci

METODE PANGKAT DAN METODE DEFLASI DALAM MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS

METODE PANGKAT DAN METODE DEFLASI DALAM MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS METODE PANGKAT DAN METODE DEFLASI DALAM MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS Arif Prodi Matematika, FST- UINAM Wahyuni Prodi Matematika, FST-UINAM Try Azisah Prodi Matematika, FST-UINAM

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga

Lebih terperinci

CHAPTER 6. Ruang Hasil Kali Dalam

CHAPTER 6. Ruang Hasil Kali Dalam CHAPTER 6. Ruang Hasil Kali Dalam Hasil Kali Dalam Sudut dan Ortogonal dalam Ruang Hasil Kali Dalam Orthonormal Bases; Gram-Schmidt Process; QR-Decomposition Best Approximation; Least Squares Orthogonal

Lebih terperinci

MATRIKS. Slide : Tri Harsono PENS - ITS. 1 Politeknik Elektronika Negeri Surabaya (PENS) - ITS

MATRIKS. Slide : Tri Harsono PENS - ITS. 1 Politeknik Elektronika Negeri Surabaya (PENS) - ITS MATRIKS Slide : Tri Harsono PENS - ITS 1 Sifat Matriks Perkalian dua matriks tidak komutatif Perkalian dua matriks bersifat assosiatif dan distributif tidak komutatif AB BA (AB)C = A(BC) A(B+C) = AB +

Lebih terperinci

SISTEM PERSAMAAN LINEAR ( BAGIAN II )

SISTEM PERSAMAAN LINEAR ( BAGIAN II ) SISTEM PERSAMAAN LINEAR ( BAGIAN II ) D. FAKTORISASI MATRIKS D2 2. METODE ITERASI UNTUK MENYELESAIKAN SPL D3 3. NILAI EIGEN DAN VEKTOR EIGEN D4 4. POWER METHOD Beserta contoh soal untuk setiap subbab 2

Lebih terperinci

BAB II MATRIKS POSITIF. Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi

BAB II MATRIKS POSITIF. Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi BAB II MATRIKS POSITIF Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi dari seorang matematikawan German, Oskar Perron. Perron menerbitkan tulisannya tentang sifat-sifat

Lebih terperinci

MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI

MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 6, No. (17), hal 7 34. MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER Ardiansyah, Helmi, Fransiskus Fran INTISARI Pada

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis

Lebih terperinci

Matriks. Modul 1 PENDAHULUAN

Matriks. Modul 1 PENDAHULUAN Modul Matriks Dra. Sri Haryatmi Kartiko, M.Sc. I PENDAHULUAN lmu pengetahuan dewasa ini menjadi semakin kuantitatif. Data numerik dengan skala besar, hasil pengukuran berupa angka sering dijumpai oleh

Lebih terperinci

Teori kendali. Oleh: Ari suparwanto

Teori kendali. Oleh: Ari suparwanto Teori kendali Oleh: Ari suparwanto Minggu Ke-1 Permasalahan oleh : Ari Suparwanto Permasalahan Diberikan sistem dan sinyal referensi. Masalah kendali adalah menentukan sinyal kendali sehingga output sistem

Lebih terperinci

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Diagonalisasi Sub bab ini membahas tentang faktorisasi matriks A berorde nn ke dalam hasil kali berbentuk PDP, di mana D adalah matriks diagonal. Jika diperoleh

Lebih terperinci

Kriteria Unjuk Kerja. Besaran vektor. Vektor satuan Menggambar Vektor

Kriteria Unjuk Kerja. Besaran vektor. Vektor satuan Menggambar Vektor DESKRIPSI KOMPETENSI MATA KULIAH Mata Kuliah : Matematika Kode Mata Kuliah : TKF 201 SKS : 2 Unit Kompetensi : Memecahkan persoalan matematika dasar. Kompetensi 1. Menguasai teori a) Menggambar Vektor

Lebih terperinci

MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR

MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR Disusun oleh : 1. Supriyani (0903040095) 2. Sri Hartati (0903040113) 3. Anisatul M. (0903040065) TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS

Lebih terperinci

Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES

Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES Definisi : VECTOR SPACE Jika V adalah ruang vektor dimana u,v,w merupakan objek dalam V sebagai vektor, dan terdapat skalar k dan

Lebih terperinci

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI SAP (1) Buku : Suryadi H.S. 1991, Pengantar Aljabar dan Geometri analitik Vektor Definisi, Notasi, dan Operasi Vektor Susunan

Lebih terperinci

Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut:

Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut: Bagian 5. RUANG VEKTOR 5.1 Lapangan (Field) Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut: 1. dan 2., 3.,

Lebih terperinci

ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS

ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam Shalawat serta salam

Lebih terperinci

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks 1.1 LATAR BELAKANG BAB I PENDAHULUAN Teori matriks merupakan salah satu cabang ilmu aljabar linier yang menjadi pembahasan penting dalam ilmu matematika. Sejalan dengan perkembangan ilmu pengetahuan, aplikasi

Lebih terperinci

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO PERANGKAT PEMBELAJARAN MATA KULIAH : ALJABAR LINIER 2 KODE : MKK414515 DOSEN PENGAMPU : Annisa Prima Exacta, M.Pd. PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS

Lebih terperinci

BAB 2 LANDASAN TEORI. yang dibicarakan yang akan digunakan pada bab selanjutnya. Bentuk umum dari matriks bujur sangkar adalah sebagai berikut:

BAB 2 LANDASAN TEORI. yang dibicarakan yang akan digunakan pada bab selanjutnya. Bentuk umum dari matriks bujur sangkar adalah sebagai berikut: BAB 2 LANDASAN TEORI Pada bab ini dibicarakan mengenai matriks yang berbentuk bujur sangkar dengan beberapa definisi, teorema, sifat-sifat dan contoh sesuai dengan matriks tertentu yang dibicarakan yang

Lebih terperinci

BAB III MATRIKS HERMITIAN. dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks

BAB III MATRIKS HERMITIAN. dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks BAB III MATRIKS HERMITIAN Pada bab ini, akan dibahas beberapa konsep penting dari matriks Hermitian dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks Hermitian merupakan kelas

Lebih terperinci

BAB II TEORI KODING DAN TEORI INVARIAN

BAB II TEORI KODING DAN TEORI INVARIAN BAB II TEORI KODING DAN TEORI INVARIAN Pada bab 1 ini akan dibahas definisi kode, khususnya kode linier atas dan pencacah bobot Hammingnya. Di samping itu, akan dijelaskanan invarian, ring invarian dan

Lebih terperinci

Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan

Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan Fitri Aryani 1, Rahmadani 2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau e-mail: khodijah_fitri@uin-suskaacid Abstrak

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT / 2 SKS SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT0143231 / 2 SKS Deskripsi: - Mata kuliah ini mempelajari konsep aljabar linear sebagai dasar untuk membuat algoritma dalam permasalahan

Lebih terperinci

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai BAB IV NILAI EIGEN DAN VEKTOR EIGEN Bab ini membahas suau vekor idak nol dan skalar l yang mempunyai hubungan erenu dengan suau mariks A. Hubungan ersebu dinyaakan dalam benuk A λ. Bagaimana kia memperoleh

Lebih terperinci

Part II SPL Homogen Matriks

Part II SPL Homogen Matriks Part II SPL Homogen Matriks SPL Homogen Bentuk Umum SPL homogen dalam m persamaan dan n variabel x 1, x 2,, x n : a 11 x 1 + a 12 x 2 + + a 1n x n = 0 a 21 x 1 + a 22 x 2 + + a 2n x n = 0 a m1 x 1 + a

Lebih terperinci

Aljabar Linier Elementer. Kuliah 27

Aljabar Linier Elementer. Kuliah 27 Aljabar Linier Elementer Kuliah 27 Materi Kuliah Transformasi Linier Invers Matriks Transformasi Linier Umum //24 Yanita, Matematika FMIPA Unand 2 Transformasi Linier Satu ke satu dan Sifat-sifatnya Definisi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Dalam bab ini akan diberikan beberapa materi yang akan diperlukan di dalam pembahasan, seperti: matriks secara umum; matriks yang dipartisi; matriks tereduksi dan taktereduksi; matriks

Lebih terperinci

MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL. Anis Fitri Lestari. Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK

MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL. Anis Fitri Lestari. Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL Anis Fitri Lestari Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK Matriks normal merupakan matriks persegi yang entri-entrinya bilangan kompleks

Lebih terperinci

DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN INTISARI

DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN INTISARI Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal. 183-190 DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN Fidiah Kinanti, Nilamsari Kusumastuti, Evi Noviani

Lebih terperinci

BAB III MENENTUKAN PRIORITAS DALAM AHP. Wharton School of Business University of Pennsylvania pada sekitar tahun 1970-an

BAB III MENENTUKAN PRIORITAS DALAM AHP. Wharton School of Business University of Pennsylvania pada sekitar tahun 1970-an BAB III MENENTUKAN PRIORITAS DALAM AHP Pada bab ini dibahas mengenai AHP yang dikembangkan oleh Thomas L Saaty di Wharton School of Business University of Pennsylvania pada sekitar tahun 970-an dan baru

Lebih terperinci

Ruang Vektor. Adri Priadana. ilkomadri.com

Ruang Vektor. Adri Priadana. ilkomadri.com Ruang Vektor Adri Priadana ilkomadri.com MEDAN SKLAR Misalkan diketahui bahwa K adalah himpunan, dan didefinisikan 2 buah operasi penjumlahan (+) dan perkalian (*). Maka K dikatakan medan skalar jika dipenuhi

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam

Lebih terperinci

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU Sistem persamaan linear orde/ tingkat satu memiliki bentuk standard : = = = = = = = = = + + + + + + + + + + Diasumsikan koefisien = dan fungsi adalah menerus

Lebih terperinci

BAB II KAJIAN TEORI. dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan

BAB II KAJIAN TEORI. dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai nilai eigen dan vektor eigen, sistem dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan sistem dinamik, kriteria Routh-Hurwitz,

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2.

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2. SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 3 Minggu Ke Pokok Bahasan dan TIU Sub Pokok Bahasan Sasaran Belajar Cara Pengajaran Media Tugas Referens i 1

Lebih terperinci

untuk setiap x sehingga f g

untuk setiap x sehingga f g Jadi ( f ( f ) bernilai nol untuk setiap x, sehingga ( f ( f ) fungsi nol atau ( f ( f ) Aksioma 5 Ambil f, g F, R, ( f g )( f g ( g( g( ( f g)( Karena ( f g )( ( f g)( untuk setiap x sehingga f g Aksioma

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 5 BAB II LANDASAN TEORI 2.1 Matriks Matriks (matrix) adalah jajaran empat persegi panjang dan bilanganbilangan. Bilangan-bilangan dalam jajaran tersebut disebut entri dari matriks. Berikut ini beberapa

Lebih terperinci

Trihastuti Agustinah

Trihastuti Agustinah TE 467 Teknik Numerik Sistem Linear Trihastuti Agustinah Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember O U T L I N E OBJEKTIF 2 3 CONTOH 4 SIMPULAN

Lebih terperinci

Part III DETERMINAN. Oleh: Yeni Susanti

Part III DETERMINAN. Oleh: Yeni Susanti Part III DETERMINAN Oleh: Yeni Susanti Perhatikan determinan matriks ukuran 2x2 berikut: Pada masing-masing jumlahan dan Terdapat wakil dari setiap baris dan setiap kolom. Bagaimana dengan tanda + (PLUS)

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Diagonalisasi Matrik Sistem Anxn

Institut Teknologi Sepuluh Nopember Surabaya. Diagonalisasi Matrik Sistem Anxn Institut Teknologi Seuluh Noember Surabaya Diagonalisasi Matrik Sistem Ann Materi Contoh Soal Latihan Materi Contoh Soal Eigenvalue Matrik Ann Eigenvektor Diagonalisasi Matrik Ann Latihan Materi Contoh

Lebih terperinci

Fisika Matematika II 2011/2012

Fisika Matematika II 2011/2012 Fisika Matematika II 2/22 diterjemahkan dari: Mathematical Methods for Engineers and Scientists, 2, dan 3 K. T. Tang Penterjemah: Imamal Muttaqien dibantu oleh: Adam, Ma rifatush Sholiha, Nina Yunia, Yudi

Lebih terperinci

STK 500. Pengantar Teori Statistika. Eigenvalues and Eigenvectors

STK 500. Pengantar Teori Statistika. Eigenvalues and Eigenvectors STK 5 Pengantar Teori Statistika Eigenvalues and Eigenvectors Eigenvalues and Eigenvectors Example : if we have a matrix A: then A or A 4 4-4 I 4 4-4 4-4 4 6 4-4 - which implies there are two roots or

Lebih terperinci

Minggu II Lanjutan Matriks

Minggu II Lanjutan Matriks Minggu II Lanjutan Matriks Pokok Bahasan Sub Pokok Bahasan Tujuan Instruksional Umum Tujuan Instruksional Khusus Jumlah Pertemuan : Matriks : A. Transformasi Elementer. Transformasi Elementer pada baris

Lebih terperinci

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I)

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I) ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I) 1 MATERI ALJABAR LINIER VEKTOR DALAM R1, R2 DAN R3 ALJABAR VEKTOR SISTEM PERSAMAAN LINIER MATRIKS, DETERMINAN DAN ALJABAR MATRIKS, INVERS MATRIKS

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA A Matriks 1 Pengertian Matriks Definisi 21 Matriks adalah kumpulan bilangan bilangan yang disusun secara khusus dalam bentuk baris kolom sehingga membentuk empat persegi panjang

Lebih terperinci

Aljabar Linier. Kuliah

Aljabar Linier. Kuliah Aljabar Linier Kuliah 13 14 15 Materi Kuliah Transformasi Linier dari F n ke F m Perubahan Matriks Basis Matriks dari Transformasi Linier Perubahan Basis untuk Transformasi Linier Matriks-matriks Ekivalen

Lebih terperinci

Matriks - Definisi. Sebuah matriks yang memiliki m baris dan n kolom disebut matriks m n. Sebagai contoh: Adalah sebuah matriks 2 3.

Matriks - Definisi. Sebuah matriks yang memiliki m baris dan n kolom disebut matriks m n. Sebagai contoh: Adalah sebuah matriks 2 3. MATRIKS Pokok Bahasan Matriks definisi Notasi matriks Matriks yang sama Panambahan dan pengurangan matriks Perkalian matriks Transpos suatu matriks Matriks khusus Determinan suatu matriks bujursangkar

Lebih terperinci

RUANG VEKTOR. Nurdinintya Athari (NDT)

RUANG VEKTOR. Nurdinintya Athari (NDT) 1 RUANG VEKTOR Nurdinintya Athari (NDT) RUANG VEKTOR Sub Pokok Bahasan Ruang Vektor Umum Subruang Basis dan Dimensi Basis Subruang Beberapa Aplikasi Ruang Vektor Beberapa metode optimasi Sistem kontrol

Lebih terperinci

1.1. Definisi, Notasi, dan Operasi Vektor 1.2. Susunan Koordinat Ruang R n 1.3. Vektor di dalam R n 1.4. Persamaan garis lurus dan bidang rata

1.1. Definisi, Notasi, dan Operasi Vektor 1.2. Susunan Koordinat Ruang R n 1.3. Vektor di dalam R n 1.4. Persamaan garis lurus dan bidang rata SATUAN ACARA PERKULIAHAN (SAP) MATA KULIAH : MATEMATIKA INFORMATIKA 2 JURUSAN : S1-TEKNIK INFORMATIKA KODE MATA KULIAH : IT-045214 Referensi : [1]. Yusuf Yahya, D. Suryadi. H.S., Agus S., Matematika untuk

Lebih terperinci

Penerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika

Penerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika Penerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika Nurmia,a), Muhammad Abdy,b), Syafruddin Side 3,c),,3 Jurusan Matematika Fakultas Matematika dan Ilmu

Lebih terperinci

APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS

APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS Jurnal UJMC, Volume, Nomor, Hal 36-40 pissn : 460-3333 eissn : 579-907X APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS Novita Eka Chandra dan Wiwin Kusniati Universitas

Lebih terperinci

Matriks biasanya dituliskan menggunakan kurung dan terdiri dari baris dan kolom: A =

Matriks biasanya dituliskan menggunakan kurung dan terdiri dari baris dan kolom: A = Bab 2 cakul fi080 by khbasar; sem1 2010-2011 Matriks Dalam BAB ini akan dibahas mengenai matriks, sifat-sifatnya serta penggunaannya dalam penyelesaian persamaan linier. Matriks merupakan representasi

Lebih terperinci

SISTEM DINAMIK KONTINU LINEAR. Oleh: 1. Meirdania Fitri T 2. Siti Khairun Nisa 3. Grahani Ayu Deca F. 4. Fira Fitriah 5.

SISTEM DINAMIK KONTINU LINEAR. Oleh: 1. Meirdania Fitri T 2. Siti Khairun Nisa 3. Grahani Ayu Deca F. 4. Fira Fitriah 5. SISTEM DINAMIK KONTINU LINEAR Oleh: 1. Meirdania Fitri T 2. Siti Khairun Nisa 3. Grahani Ayu Deca F. 4. Fira Fitriah 5. Lisa Risfana Sari Sistem Dinamik D Sistem dinamik adalah sistem yang dapat diketahui

Lebih terperinci

8.1 Transformasi Linier Umum. Bukan lagi transformasi R n R m, tetapi transformasi linier dari

8.1 Transformasi Linier Umum. Bukan lagi transformasi R n R m, tetapi transformasi linier dari 8.1 Transformasi Linier Umum Bukan lagi transformasi R n R m, tetapi transformasi linier dari ruang vektor V vektor W. Definisi Jika T: V W adalah suatu fungsi dari suatu ruang vektor V ke ruang vektor

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability)

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability) Institut Teknologi Sepuluh Nopember Surabaya Keterkendalian (Controlability) Contoh Soal Ringkasan Latihan Contoh Soal Ringkasan Latihan Vektor Bebas Linear Keterkendalian Keadaan Secara Sempurna dari

Lebih terperinci

BAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data

BAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data A. Model Matematika BAB II KAJIAN TEORI Pemodelan matematika adalah proses representasi dan penjelasan dari permasalahan dunia real yang dinyatakan dalam pernyataan matematika (Widowati dan Sutimin, 2007:

Lebih terperinci

MODUL E LEARNING SEKSI -1 MATA KULIAH : ALJABAR LINIER KODE MATA KULIAH : ESA 151 : 5099 : DRA ENDANG SUMARTINAH,MA

MODUL E LEARNING SEKSI -1 MATA KULIAH : ALJABAR LINIER KODE MATA KULIAH : ESA 151 : 5099 : DRA ENDANG SUMARTINAH,MA MODUL E LEARNING SEKSI - MATA KULIAH : ALJABAR LINIER KODE MATA KULIAH : ESA DOSEN : : DRA ENDANG SUMARTINAH,MA TUJUAN MATA KULIAH : A.URAIAN DAN TUJUAN MATA KULIAH : Mahasiswa mempelajari Matriks, Determinan,

Lebih terperinci

Candi Gebang Permai Blok R/6 Yogyakarta Telp. : ; Fax. :

Candi Gebang Permai Blok R/6 Yogyakarta Telp. : ; Fax. : ii Aljabar Linear Kata Pengantar iii iv Aljabar Linear ALJABAR LINEAR Oleh : Setiadji Edisi Pertama Cetakan Pertama, 2008 Hak Cipta 2008 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak

Lebih terperinci

MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT. Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya

MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT. Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya Abstract. Matrix is diagonalizable (similar with matrix

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB 2 LANDASAN TEORI 2 Analisis Korelasi Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui deraat hubungan linear antara satu variabel dengan variabel lain (Algifari, 997)

Lebih terperinci

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN 4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN 4.1 Persamaan Garis a. Bentuk umum persamaan garis Garis lurus yang biasa disebut garis merupakan kurva yang paling sederhana dari semua kurva. Misalnya titik A(2,1)

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkalian skalar perplectic merupakan bagian dari teori perkalian skalar indefinite. Untuk menjelaskan pengertian perkalian skalar perplectic, terlebih dahulu

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN GARIS-GARIS BESAR PROGRAM PEMBELAJARAN Mata Kuliah : Aljabar Linear Kode / SKS : TIF-5xxx / 3 SKS Dosen : - Deskripsi Singkat : Mata kuliah ini berisi Sistem persamaan Linier dan Matriks, Determinan, Vektor

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 10 BAB 2 LANDASAN TEORI 2.1 Kemiskinan Menurut Badan Pusat Statistik (BPS) dan Departemen Sosial kemiskinan adalah ketidakmampuan individu untuk memenuhi kebutuhan dasar minimal untuk hidup layak (baik

Lebih terperinci

Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR

Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR Ortogonal Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR Ortogonal Himpunan vektor {v, v,.., v k } dalam R n disebut himpunan

Lebih terperinci

MATRIKS. Matriks adalah himpunan skalar (bilangan riil/kompleks) yang disusun secara empat persegi panjang (menurut baris dan kolom)

MATRIKS. Matriks adalah himpunan skalar (bilangan riil/kompleks) yang disusun secara empat persegi panjang (menurut baris dan kolom) MTRIKS DEFINISI Bentuk umum =(aij),i=,,...m J=,,...m a a a n baris a a..a n baris MTRIKS Matriks adalah himpunan skalar (bilangan riil/kompleks) yang disusun secara empat persegi panjang (menurut baris

Lebih terperinci

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2014), hal 91 98. SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Febrianti,

Lebih terperinci

MAKALAH ALJABAR LINIER

MAKALAH ALJABAR LINIER MAKALAH ALJABAR LINIER Transformasi Linier Makalah Ini Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linier Dosen Pengampu : Abdul Aziz Saefudin, S.Pd.I, M.Pd Disusun Oleh: III A4 Kelompok 12 1. Ria

Lebih terperinci

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT. BAB 7 NILAI EIGEN DAN VEKTOR EIGEN Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Nilai Eigen dan Vekor Eigen. Diagonalisasi. Diagonalisasi secara Orogonal 7. NILAI EIGEN DAN VEKTOR EIGEN Definisi

Lebih terperinci

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks DIKTAT PERKULIAHAN EDISI 1 Aljabar Linear dan Matriks Penulis : Ednawati Rainarli, M.Si. Kania Evita Dewi, M.Si. JURUSAN TEKNIK INFORMATIKA UNIVERSITAS KOMPUTER INDONESIA BANDUNG 011 IF/011 1 DAFTAR ISI

Lebih terperinci

BAB 3 FUNGSI MONOTON MATRIKS

BAB 3 FUNGSI MONOTON MATRIKS BAB 3 FUNGSI MONOTON MATRIKS Pada bab ini akan dibahas fungsi monoton matriks. Dalam mengkontruksi fungsi monoton matriks banyak istilah yang harus kita ketahui sebelumnya. Beberapa konsep yang akan dibahas

Lebih terperinci