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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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) = A.x, utk setiap x R n dengan A adalah matriks ukuran nxn. Masalah : Dapatkah ditentukan vektor x s.d.h x dan Ax sejajar? Pertanyaan ini jika dituliskan secara matematis menjadi : Dapatkah ditentukan x sedemikian hingga Ax = x, utk suatu skalar.

2 7// Perhatikan gambar berikut: Masalah yang dikemukakan di atas merupakan awal munculnya istilah Nilai Eigen dan Vektor Eigen Masalah diatas merupakan permasalahan yang sering muncul di bidang selain matematik, misalnya dibidang fisika (fisika nuklir dan elastisitas), teknik (elektro dan kimia), biologi, mekanika kuantum. Definisi Misalkan A adalah matriks ukuran nxn. Suatu skalar yang memenuhi persamaan A.x = x disebut nilai eigen dari matriks A, dan vektor x R n disebut vektor eigen yang bersesuaian dengan nilai eigen.

3 7//. Masalah Nilai Eigen dan Penyelesaiannya Masalah Nilai eigen : Masalah mencari penyelesaian persamaan A.x =.x, dimana A adalah matriks sebarang ukuran nxn (diketahui), x vektor di R n dan adalah sebarang skalar di R (dicari). Ilustrasi Misalkan Maka yang berarti dan = ½. A A x

4 7// Gambarnya. Ax x Definisi Jika A adalah matriks berukuran nxn, maka nilai eigen dari A adalah akar-akar dari persamaan karakteristik matriks A.

5 7// Definisi Misalkan A = [a ij ] adalah matriks berukuran nxn. Polinomial Karakteristik dari A adalah p() = (det(i n A)) = a a : an a a a Persamaan karakteristik dari A adalah a a a det(i n A) = Penyelesaian dari persamaan diatas disebut akar-akar karakteristik dari matriks A. : n :... : n n nn Catatan: Polinomial karakteristik dari matriks berukuran nxn merupakan polinomial berderajad n, dan bisa dituliskan : p() = ( - a ) ( - a ) ( - a nn ) = n + c n- + c n- + + c n

6 7// 6 Contoh : Misalkan Tentukan polinomial karakteristik dan akar-akar karakteristik dari A. Penyelesaian: 7 A 7 det ) ( A I p 6, p Contoh Untuk nilai eigen = : dibentuk SPL (I A)x = Jadi vektor eigen: x = /x x x Tentukan nilai eigen dan vektor eigen untuk matriks pada contoh. Penyelesaian: / v Utk nilai eigen = : dibentuk SPL (I A)x = Jadi vektor eigen: x x x = x v

7 7// Teorema Jika A adalah sebuah matriks berukuran nxn dan λ adalah sebuah bilangan real, maka pernyataanpernyataan berikut ini ekivalen.. λ adalah sebuah nilai eigen dari A. Sistem persamaan (λi-a)x =, mempunyai solusi nontrivial. Terdapat sebuah vektor taknol x pada R n sedemikian rupa sehingga Ax=λx. λ adalah sebuah solusi dari persamaan karakteristik det (λi-a) = Teorema Jika k adalah bilangan bulat positif, λ adalah nilai eigen dai suatu matriks A, dan x adalah vektor eigen yang terkait dengan λ, maka λ k adalah nilai eigen dari A k dan x adalah vektor eigen yang terkait dengannya. 7

8 7// Contoh Dapatkan nilai eigen dan vektor eigen dari A dengan A seperti contoh. Nilai eigen dari matriks A berdasarkan contoh adalah = dan =. Maka berdasarkan Teorema, nilai eigen dari A adalah = = 8 dan = = 7 dengan vektor eigen sama seperti pada contoh. Nilai eigen dan keterbalikan (invers) Teorema: Sebuah matriks bujursangkar A dapat dibalik ( mempunyai invers) jika dan hanya jika c = bukan merupakan nilai eigen dari A. Contoh : Pada contoh matriks A mempunyai invers karena nilai eigen tidak nol. 8

9 7// 9 Soal latihan Dapatkan nilai eigen dan vektor eigen dari soal berikut serta apakah matris tersebut mempunyai invers: D C B A D C B A Anita T. Kurniawati MASALAH PENDIAGONALAN

10 7// MATRIKS SIMILAR Definisi Diberikan matriks A dan B berukuran nxn. Matriks B dikatakan similar dengan matriks A jika ada matriks P sedemikian sehingga B = P - AP Misalkan Misalkan juga Maka : P A Jadi B similar dengan A. Contoh : P B P AP

11 7// Masalah Pendiagonalan? Diberikan matriks A ukuran nxn. Apakah ada matriks s.d.h matriks A similar dengan matriks diagonal? Definisi Suatu matriks A nxn dikatakan dapat didiagonalkan (diagonalizable) jika ada matriks s.d.h. P - AP = D, dengan D adalah matriks diagonal.

12 7// Teorema Suatu matriks A nxn dapat didiagonalkan (diagonalizable) jika dan hanya jika A mempunyai n vektor eigen yang bebas linier. Diketahui matriks Contoh : A Nilai eigen dari A : = dan =. Vektor eigen yang bersesuaian dengan dan adalah : dan x p Dapat dibuktikan bahwa x dan x bebas linier. Selanjutnya, A dapat didiagonalkan, dengan P x p (Lihat contoh )

13 7// Prosedur Pendiagonalan Matriks Misalkan A adalah matriks ukuran nxn dan mempunyai n vektor eigen yang bebas linier. Langkah Carilah n vektor eigen yang bebas linier, misalkan v, v,, v n. Langkah Susunlah vektor-vektor v i menjadi suatu matriks P. Langkah Kalikan P - AP, maka A akan similar dengan matriks diagonal D. Contoh : Diagonalkan matriks Penyelesaian: Persamaan karakteristik: A Vektor eigen yang bersesuaian dengan = : v

14 7// Vektor eigen yang bersesuaian dengan = - adalah Dapat dibuktikan bahwa {v, v, v } adalah bebas linier (coba cek). Selanjutnya bentuk matriks P : dan dapat dihitung bahwa, v v P AP P Teorema Jika v, v,, v k adalah vektor eigen yang bersesuaian dengan nilai-nilai eigen,,, k, maka {v, v,, v k } adalah bebas linier. Teorema Jika A adalah matriks ukuran nxn dan mempunyai n nilai eigen real yang berbeda (tanpa pengulangan), maka A (pasti) dapat didiagonalkan.

15 7// Misalnya. Pada Contoh, matriks A x mempunyai nilai eigen yang berbeda, maka A dapat didiagonalkan. Pada Contoh, matriks A x mempunyai nilai eigen berbeda (dengan = - adalah pengulangan), maka A dapat didiagonalkan karena A mpy vektor eigen yang bebas linier (Teorema ) Diberikan matriks Contoh : A Persamaan karakteristik dari A : p() = ( - ) = Shg nilai eigen dari A : = dan = =. Vektor eigen yang bersesuaian dengan = : vektor yang bersesuaian dengan = : Jadi menurut Teorema, A tidak dapat didiagonalkan.

16 7// 6 Soal Latihan Jika mungkin, diagonalkanlah matriks berikut: D C B A

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

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

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

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

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

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

Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks

Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks 6. Tentukan polinomial karakteristik dari matriks transformasi A=. Andaikan A adalah matriks persegi berdimensi x. Polinom karakteristik

Lebih terperinci

Pertemuan 8 Aljabar Linear & Matriks

Pertemuan 8 Aljabar Linear & Matriks Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b

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

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

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR 7//5 RUANG VEKTOR UMUM Yang dibahas.. Ruang vektor umum. Subruang. Hubungan dependensi linier 4. Basis dan dimensi 5. Ruang baris, ruang kolom, ruang nul, rank dan nulitas AKSIOMA RUANG VEKTOR V disebut

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

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 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

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

DIAGONALISASI MATRIKS HILBERT

DIAGONALISASI MATRIKS HILBERT Jurnal UJMC, Volume 3, Nomor 2, Hal 7-24 pissn : 2460-3333 eissn : 2579-907X DIAGONALISASI MATRIKS HILBERT Randhi N Darmawan Universitas PGRI Banyuwangi, randhinumeric@gmailcom Abstract The Hilbert matrix

Lebih terperinci

Matematika Teknik INVERS MATRIKS

Matematika Teknik INVERS MATRIKS INVERS MATRIKS Dalam menentukan solusi suatu SPL selama ini kita dihadapkan kepada bentuk matriks diperbesar dari SPL. Cara lain yang akan dikenalkan disini adalah dengan melakukan OBE pada matriks koefisien

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

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

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

Soal Ujian Komprehensif

Soal Ujian Komprehensif Soal Ujian Komprehensif Bahan ujian komprehensif memuat konsep-konsep penting pada bidang: Kalkulus, dan Matriks / Aljabar Linear. Logika, Soal ujian disediakan secara terbuka, dapat diperoleh setiap saat

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

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift Jurnal Penelitian Sains Volume 14 Nomer 1(A) 14103 Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift Yuli Andriani Jurusan Matematika FMIPA,

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

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 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

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

Aljabar Linier Elementer. Kuliah 7

Aljabar Linier Elementer. Kuliah 7 Aljabar Linier Elementer Kuliah 7 Materi Kuliah Ekspansi kofaktor Aturan Cramer 2 2.4 Espansi Kofaktor; Aturan Cramer Definisi: Jika A adalah matriks bujur sangkar, maka minor dari entri a ij dinyatakan

Lebih terperinci

ALJABAR LINIER DAN MATRIKS

ALJABAR LINIER DAN MATRIKS ALJABAR LINIER DAN MATRIKS MATRIKS (DETERMINAN, INVERS, TRANSPOSE) Macam Matriks Matriks Nol (0) Matriks yang semua entrinya nol. Ex: Matriks Identitas (I) Matriks persegi dengan entri pada diagonal utamanya

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

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

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 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

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

MATRIKS. Matematika. FTP UB Mas ud Effendi. Matematika

MATRIKS. Matematika. FTP UB Mas ud Effendi. Matematika MATRIKS FTP UB Mas ud Effendi Pokok Bahasan Transpos suatu matriks Matriks khusus Determinan suatu matriks bujursangkar Invers suatu matriks bujursangkar Penyelesaian set persamaan linier Nilai-eigen dan

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

BAB II LANDASAN TEORI. yang biasanya dinyatakan dalam bentuk sebagai berikut: =

BAB II LANDASAN TEORI. yang biasanya dinyatakan dalam bentuk sebagai berikut: = BAB II LANDASAN TEORI 2.1 Matriks Definisi 2.1 (Lipschutz, 2006): Matriks adalah susunan segiempat dari skalarskalar yang biasanya dinyatakan dalam bentuk sebagai berikut: Setiap skalar yang terdapat dalam

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Persamaan Linier Sistem Persamaan dengan m persamaan dan n bilangan tak diketahui ditulis dengan : Dimana x 1, x 2, x n : bilangan tak diketahui a,b : konstanta Jika SPL

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 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

BAB II DETERMINAN DAN INVERS MATRIKS

BAB II DETERMINAN DAN INVERS MATRIKS BAB II DETERMINAN DAN INVERS MATRIKS A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU MATRIKS Matriks A = berdimensi mxn dapat dibentuk matriks baru dengan menggandakan perubahan bentuk baris dan/atau

Lebih terperinci

BAB II LANDASAN TEORI. pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan

BAB II LANDASAN TEORI. pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan BAB II LANDASAN TEORI Pada bab ini akan dijelaskan mengenai landasan teori yang akan digunakan pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan matematika, teorema Taylor, nilai eigen,

Lebih terperinci

BAB 2. DETERMINAN MATRIKS

BAB 2. DETERMINAN MATRIKS BAB. DETERMINAN MATRIKS DETERMINAN MATRIKS . Definisi DETERMINAN Determinan : produk (hasil kali) bertanda dari unsur-unsur matriks sedemikian hingga berasal dari baris dan kolom yang berbeda, kemudian

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

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

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

Aljabar Linier Elementer

Aljabar Linier Elementer Aljabar Linier Elementer Kuliah 15 dan 16 11/11/2014 1 Materi Kuliah Kebebasan Linier Basis dan Dimensi 11/11/2014 Yanita, Matematika Unand 2 5.3 Kebebasan Linier Definisi Jika S = v 1, v 2,, v r adalah

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

Determinan. Untuk menghitung determinan ordo n terlebih dahulu diberikan cara menghitung determinan ordo 2

Determinan. Untuk menghitung determinan ordo n terlebih dahulu diberikan cara menghitung determinan ordo 2 Determinan Determinan Setiap matriks bujur sangkar A yang berukuran (nxn) dapat dikaitkan dengan suatu skalar yang disebut determinan matriks tersebut dan ditulis dengan det(a) atau A. Untuk menghitung

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Analytic Hierarchy Process (AHP) Sumber kerumitan masalah keputusan bukan hanya dikarenakan faktor ketidakpasatian atau ketidaksempurnaan informasi saja. Namun masih terdapat penyebab

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

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

MATRIKS Matematika Industri I

MATRIKS Matematika Industri I MATRIKS TIP FTP UB Mas ud Effendi Pokok Bahasan Matriks definisi Notasi matriks Matriks yang sama Panambahan dan pengurangan matriks Perkalian matriks Transpos suatu matriks Matriks khusus Determinan suatu

Lebih terperinci

BAB II KAJIAN PUSTAKA. operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas

BAB II KAJIAN PUSTAKA. operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas BAB II KAJIAN PUSTAKA Pada bab ini akan diuraikan mengenai matriks (meliputi definisi matriks, operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas aljabar max-plus, dan penyelesaian

Lebih terperinci

Aljabar Linier Elementer. Kuliah 1 dan 2

Aljabar Linier Elementer. Kuliah 1 dan 2 Aljabar Linier Elementer Kuliah 1 dan 2 1.3 Matriks dan Operasi-operasi pada Matriks Definisi: Matriks adalah susunan bilangan dalam empat persegi panjang. Bilangan-bilangan dalam susunan tersebut disebut

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

TEKNIK INFORMATIKA FENI ANDRIANI

TEKNIK INFORMATIKA FENI ANDRIANI EKNIK INFORMIK FENI NDRINI Definisi: Matriks adalah sekumpulan bilangan yang disusun dalam sebuah empat persegi panjang, secara teratur, di dalam baris-baris dan kolom-kolom. a a... a n a a... a n... a

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

a11 a12 x1 b1 Lanjutan Mencari Matriks Balikan dengan OBE

a11 a12 x1 b1 Lanjutan Mencari Matriks Balikan dengan OBE a11 a12 x1 b1 a a x b 21 22 2 2 Lanjutan Mencari Matriks Balikan dengan OBE a11 a12 x1 b1 a a x b 21 22 2 2 Untuk DIPERHATIKAN! a A c Untuk mencari Matriks INVERS ordo 2, rumus: 1 1 d b A a d b c c a b

Lebih terperinci

Matriks. Baris ke 2 Baris ke 3

Matriks. Baris ke 2 Baris ke 3 Matriks A. Matriks Matriks adalah susunan bilangan yang diatur menurut aturan baris dan kolom dalam suatu jajaran berbentuk persegi atau persegi panjang. Susunan bilangan itu diletakkan di dalam kurung

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

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

ALJABAR LINEAR ELEMENTER

ALJABAR LINEAR ELEMENTER BAHAN AJAR ALJABAR LINEAR ELEMENTER Disusun oleh : Indah Emilia Wijayanti Al. Sutjijana Jurusan Matematika Fakultas MIPA Universitas Gadjah Mada Desember, 22 ii Daftar Isi Sistem Persamaan Linear dan Matriks.

Lebih terperinci

II. TINJAUAN PUSTAKA. nyata (fenomena-fenomena alam) ke dalam bagian-bagian matematika yang. disebut dunia matematika (mathematical world).

II. TINJAUAN PUSTAKA. nyata (fenomena-fenomena alam) ke dalam bagian-bagian matematika yang. disebut dunia matematika (mathematical world). 5 II. TINJAUAN PUSTAKA 2.1. Pemodelan Matematika Definisi pemodelan matematika : Pemodelan matematika adalah suatu deskripsi dari beberapa perilaku dunia nyata (fenomena-fenomena alam) ke dalam bagian-bagian

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

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

BAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta

BAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori-teori yang digunakan sebagai acuan dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta teorema-teorema

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

MATRIKS Matematika Industri I

MATRIKS Matematika Industri I MATRIKS TIP FTP UB Mas ud Effendi Pokok Bahasan Matriks definisi Notasi matriks Matriks yang sama Panambahan dan pengurangan matriks Perkalian matriks Transpos suatu matriks Matriks khusus Determinan suatu

Lebih terperinci

MODUL IV SISTEM PERSAMAAN LINEAR

MODUL IV SISTEM PERSAMAAN LINEAR MODUL IV SISTEM PERSAMAAN LINEAR 4.. Pendahuluan. Sistem Persamaan Linear merupakan salah satu topik penting dalam Aljabar Linear. Sistem Persamaan Linear sering dijumpai dalam semua bidang penyelidikan

Lebih terperinci

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI 214 MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI Astri Fitria Nur ani Aljabar Linear 1 1/1/214 1 DAFTAR ISI DAFTAR ISI... i BAB I MATRIKS DAN SISTEM PERSAMAAN A. Pendahuluan... 1 B. Aljabar

Lebih terperinci

BAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan.

BAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan. BAB II TINJAUAN PUSTAKA Dalam bab ini akan dibahas mengenai dasar teori untuk menganalisis simulasi kestabilan model predator-prey tipe Holling II dengan faktor pemanenan. 2.1 Persamaan Diferensial Biasa

Lebih terperinci

8 MATRIKS DAN DETERMINAN

8 MATRIKS DAN DETERMINAN 8 MATRIKS DAN DETERMINAN Matriks merupakan pengembangan lebih lanjut dari sistem persamaan linear. Oleh karenanya aljabar matriks sering juga disebut dengan aljabar linear. Matriks dapat digunakan untuk

Lebih terperinci

dimana a 1, a 2,, a n dan b adalah konstantakonstanta

dimana a 1, a 2,, a n dan b adalah konstantakonstanta Persamaan linear adalah persamaan dimana peubahnya tidak memuat eksponensial, trigonometri (seperti sin, cos, dll.), perkalian, pembagian dengan peubah lain atau dirinya sendiri. Secara umum persamaan

Lebih terperinci

BAB 4 RUANG VEKTOR EUCLID. Dr. Ir. Abdul Wahid Surhim, MT.

BAB 4 RUANG VEKTOR EUCLID. Dr. Ir. Abdul Wahid Surhim, MT. BAB 4 RUANG VEKTOR EUCLID Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN 1. Ruang n Euclid 2. Transformasi Linier dari R n dan R m 3. Sifat-sifat Transformasi Linier 4.1 RUANG N EUCLID Jika di bab

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

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial merupakan persamaan yang melibatkan turunanturunan dari fungsi yang tidak diketahui (Waluya, 2006). Contoh 2.1 : Diberikan persamaan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan di perlukan pada Bab 3. Tinjauan pustaka yang dibahas adalah mengenai yang mendukung

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

APLIKASI MATRIKS KOMPANION PADA PENYELESAIAN SISTEM PERSAMAAN DIFERENSIAL LINIER NON HOMOGEN TUGAS AKHIR

APLIKASI MATRIKS KOMPANION PADA PENYELESAIAN SISTEM PERSAMAAN DIFERENSIAL LINIER NON HOMOGEN TUGAS AKHIR APLIKASI MATRIKS KOMPANION PADA PENYELESAIAN SISTEM PERSAMAAN DIFERENSIAL LINIER NON HOMOGEN TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika

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

Dalam bentuk SPL masalah ini dapat dinyatakan sebagai berikut:

Dalam bentuk SPL masalah ini dapat dinyatakan sebagai berikut: SISTEM PERSAMAAN LINIER Persamaan linier adalah persamaan dimana peubahnya tidak memuat fungsi eksponensial, trigonometri, logaritma serta tidak melibatkan suatu hasil kali peubah atau akar peubah atau

Lebih terperinci

BAB II LANDASAN TEORI. dalam matriks (Anton, 2000:45). kolom (garis vertikal) yang dikandungnya. Suatu matriks dengan hanya

BAB II LANDASAN TEORI. dalam matriks (Anton, 2000:45). kolom (garis vertikal) yang dikandungnya. Suatu matriks dengan hanya BAB II LANDASAN TEORI A. Matriks. Pengertian Matriks Definisi II.A. Matriks adalah suatu susunan bilangan-bilangan berbentuk segiempat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks

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

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel.

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel. 1. Persamaan Linier 5. PERSAMAAN LINIER Persamaan linier adalah suatu persamaan yang variabel-variabelnya berpangkat satu. Disamping persamaan linier ada juga persamaan non linier. Contoh : a) 2x + 3y

Lebih terperinci

SPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI KOMPLIT ( ) DENGAN

SPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI KOMPLIT ( ) DENGAN PROSIDING ISBN : 978 979 6353 3 SPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI OMPLIT ( ) A. DENGAN Oleh Imam Fahcruddin Mahasiswa Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri

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

PAM 252 Metode Numerik Bab 3 Sistem Persamaan Linier

PAM 252 Metode Numerik Bab 3 Sistem Persamaan Linier PAM 252 Metode Numerik Bab 3 Sistem Persamaan Linier Mahdhivan Syafwan Jurusan Matematika FMIPA Universitas Andalas Semester Genap 2013/2014 1 Mahdhivan Syafwan Metode Numerik: Sistem Persamaan Linier

Lebih terperinci

(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66

(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66 MATRIKS Departemen Matematika FMIPA-IPB Bogor, 2012 (Departemen Matematika FMIPA-IPB) Matriks Bogor, 2012 1 / 66 Topik Bahasan 1 Matriks 2 Operasi Matriks 3 Determinan matriks 4 Matriks Invers 5 Operasi

Lebih terperinci

Pertemuan 1 Sistem Persamaan Linier dan Matriks

Pertemuan 1 Sistem Persamaan Linier dan Matriks Matriks & Ruang Vektor Pertemuan Sistem Persamaan Linier dan Matriks Start Matriks & Ruang Vektor Outline Materi Pengenalan Sistem Persamaan Linier (SPL) SPL & Matriks Matriks & Ruang Vektor Persamaan

Lebih terperinci

BAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi

BAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang landasan teori yang digunakan pada bab selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi yang diuraikan berupa definisi-definisi

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

Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk :

Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk : Persamaan Linear Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk : a x + a y = b Persamaan jenis ini disebut sebuah persamaan linear dalam peubah x dan y. Definisi

Lebih terperinci

uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg

uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg uiopasdfghjklzxcvbnmqwertyuiopasd Qwertyuiopasdfghjklzxcvbnmqwerty cvbnmqwertyuiopasdfghjklzxcvbnmq fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg

Lebih terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUHG3/ MATRIKS DAN RUANG VEKTOR TIM DOSEN Determinan Matriks Determinan Matriks Sub Pokok Bahasan Permutasi dan Determinan Matriks Determinan dengan OBE Determinan dengan Ekspansi Kofaktor Beberapa Aplikasi

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

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