PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI"

Transkripsi

1 PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Penentuan Nilai Eigen dan Vektor Eigen dari Matriks Tridiagonal 2-Toeplitz dengan Pendekatan Polinomial Chebyshev adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2013 Meliza Dita Utami NIM G

4 ABSTRAK MELIZA DITA UTAMI. Penentuan Nilai Eigen dan Vektor Eigen dari Matriks Tridiagonal 2-Toeplitz dengan Pendekatan Polinomial Chebyshev. Dibimbing oleh NUR ALIATININGTYAS dan TEDUH WULANDARI MAS OED. Nilai eigen dan vektor eigen dari suatu matriks dapat ditentukan dengan mencari polinomial karakteristiknya. Polinomial karakteristik dari matriks tridiagonal 2-Toeplitz ditunjukkan memiliki hubungan yang erat dengan polinomial yang memenuhi hubungan rekursif Chebyshev. Ketika orde dari matriks tersebut ganjil, nilai eigennya dapat ditentukan secara eksplisit dengan ketentuan dari akar Chebyshev dan vektor eigennya ditentukan dengan ketentuan polinomial yang memenuhi hubungan rekursif tersebut. Untuk matriks berorde genap, situasinya lebih rumit. Permasalahan dari kasus ini adalah walaupun formula rekursif Chebyshev tetap digunakan, nilai awalnya tidak menghasilkan polinomial Chebyshev. Kata kunci: matriks tridiagonal 2-Toeplitz, nilai eigen, polinomial Chebyshev, polinomial karakteristik, vektor eigen ABSTRACT MELIZA DITA UTAMI. Calculating the Eigenvalues and Eigenvectors of a Tridiagonal 2-Toeplitz Matrix with Chebyshev Polynomial Approach. Supervised by NUR ALIATININGTYAS and TEDUH WULANDARI MAS OED. The eigenvalues and eigenvectors of a matrix can be determined by finding its characteristic polynomials. The characteristic polynomials of a tridiagonal 2- Toeplitz matrix is shown to be closely connected to polynomials which satisfy the Chebyshev recurrence relationship. If the order of the matrix is odd, then the eigenvalues are found explicitly in terms of the Chebyshev zeros and the eigenvectors are found in terms of the polynomials satisfying the recurrence relationship. For even ordered matrices, the situation is more complicated. The problem in these cases is that although the Chebyshev recurrence formula is still applied, its initial values are not generating Chebyshev polynomials. Keywords: characteristic polynomial, Chebyshev polynomial, eigenvalues, eigenvectors, tridiagonal 2-Toeplitz matrix

5 PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013

6

7 Judul Skripsi : Penentuan Nilai Eigen dan Vektor Eigen dari Matriks Tridiagonal 2-Toeplitz dengan Pendekatan Polinomial Chebyshev Nama : Meliza Dita Utami NIM : G Disetujui oleh Dra Nur Aliatiningtyas, MS Pembimbing I Teduh Wulandari Mas oed, MSi Pembimbing II Diketahui oleh Dr Berlian Setiawaty, MS Ketua Departemen Tanggal Lulus:

8 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala anugerah- Nya sehingga karya ilmiah ini berhasil diselesaikan dengan baik. Bidang yang dipilih dalam karya ilmiah yang mulai dikerjakan oleh penulis sejak bulan Desember 2012 ini adalah matematika murni, yang berjudul Penentuan Nilai Eigen dan Vektor Eigen dari Matriks Tridiagonal 2-Toeplitzdengan Pendekatan Polinomial Chebyshev. Terima kasih penulis ucapkan kepada Ibu Dra Nur Aliatiningtyas, MS dan Ibu Teduh Wulandari Mas oed, MSi selaku dosen pembimbing, serta Ibu Dra Farida Hanum, MSi selaku dosen penguji yang telah banyak memberi saran. Di samping itu, terima kasih kepada seluruh dosen dan staf Departemen Matematika atas segala ilmu yang diberikan dan bantuannya selama masa perkuliahan. Ungkapan terima kasih juga disampaikan kepada mama, papa, kedua adik dan seluruh keluarga besar, atas segala dukungan, doa dan kasih sayangnya. Tak lupa ucapan terima kasih untuk sahabat Matematika 46, kakak dan adik kelas, sahabat SMA dan SMP, teman kos Wisma Gajah serta seluruh pihak yang telah mendukung dan mendoakan penulis hingga terselesaikannya karya ilmiah ini. Mohon maaf karena penulis tidak dapat menyebutkannya satu per satu. Semoga karya ilmiah ini bermanfaat. Bogor, Juli 2013 Meliza Dita Utami

9 DAFTAR ISI PENDAHULUAN 1 Latar Belakang 1 Tujuan 1 TINJAUAN PUSTAKA 2 Matriks 2 Determinan dan Sifat-Sifatnya 3 Nilai Eigen dan Vektor Eigen 4 Polinomial Chebyshev 4 HASIL DAN PEMBAHASAN 5 Nilai Eigen 5 Vektor Eigen 15 Contoh Aplikasi 24 SIMPULAN DAN SARAN 28 Simpulan 28 Saran 28 DAFTAR PUSTAKA 28 RIWAYAT HIDUP 29

10

11 PENDAHULUAN Latar Belakang Istilah eigen di dalam bahasa Jerman mempunyai arti asli. Beberapa penulis menamakan nilai eigen dengan nilai asli, nilai karakteristik (characteristic value), atau akar laten (latent root). Dalam bahasa yang lebih mudah, nilai eigen merupakan suatu nilai yang menunjukkan seberapa besar pengaruh suatu variabel terhadap pembentukan karakteristik sebuah matriks. Dalam aljabar linear, sering kali ditemukan persamaan Ax λx dengan A merupakan suatu matriks dan jika persamaan tersebut mempunyai solusi taknol x, maka λ disebut sebagai nilai eigen dari A dan x merupakan vektor eigen dari A yang bersesuaian dengan λ. Dalam karya ilmiah ini akan dicari nilai eigen dan vektor eigen dari matriks tridiagonal 2-Toeplitz yang berukuran n n, dengan n merupakan suatu bilangan bulat. Matriks tridiagonal adalah matriks yang mempunyai entri bernilai nol pada selain diagonal utama, di bawah diagonal utama (subdiagonal) dan di atas diagonal utama (superdiagonal). Untuk mencari nilai eigen dan vektor eigen dari suatu matriks dibutuhkan polinomial karakteristik, sehingga dalam karya ilmiah ini terlebih dahulu akan dibahas polinomial karakteristik dari suatu matriks tridiagonal 2-Toeplitz. Polinomial karakteristik yang dimaksud adalah polinomial yang memenuhi suatu sifat dari formula rekursif Chebyshev setelah dilakukan beberapa tranformasi sederhana. Karya ilmiah ini merupakan rekonstruksi tulisan MJC Gover (1994) yang berjudul The Eigenproblem of a Tridiagonal 2-Toeplitz Matrix. Tujuan Tujuan dari karya ilmiah ini adalah untuk mencari nilai eigen dan vektor eigen dari matriks tridiagonal 2-Toeplitz berorde genap dan ganjil dengan pendekatan polinomial Chebyshev untuk polinomial karakteristiknya.

12 2 TINJAUAN PUSTAKA Pada bab ini akan dijelaskan mengenai definisi dari berbagai istilah yang akan digunakan pada bab hasil dan pembahasan, seperti matriks, determinan dan sifat-sifatnya, nilai eigen dan vektor eigen, serta polinomial Chebyshev yang juga akan dilengkapi dengan contohnya. Matriks Berikut ini akan dibahas mengenai definisi matriks tridiagonal dan contohnya, matriks tridiagonal r-toeplitz dan contohnya, serta matriks tridiagonal 2-Toeplitz dan contohnya. Dalam (Zhang 1999), suatu matriks tridiagonal yang berukuran, dinotasikan sebagai T n, adalah matriks dengan entri-entri t ij 0 jika i j > 1 seperti matriks (1) berikut ini. T n (1) Contoh: Berikut merupakan contoh untuk matriks tridiagonal dengan n 3. T 3. Entri-entri tepat di bawah diagonal utama dari matriks tridiagonal disebut subdiagonal dan entri-entri tepat di atas diagonal utama dari matriks tridiagonal disebut superdiagonal (Kouachi 2006). Dalam (Gover 1994), suatu matriks tridiagonal r-toeplitz yang berukuran, dinotasikan sebagai C n, adalah matriks tridiagonal dengan entri-entri c ij yang memenuhi c i+r, j+r c ij dengan i, j 1, 2,..., n - r seperti matriks (2) berikut ini. C n (2)

13 Contoh: Berikut ini akan dibahas contoh untuk r 1, 2, dan 3 jika diberikan matriks tridiagonal dengan n 5. Jika r 1, maka diperoleh matriks C 5 seperti di bawah ini 3 C 5 Jika r 2, maka diperoleh matriks C 5 seperti di bawah ini C 5 (3) Jika r 3, maka diperoleh matriks C 5 seperti di bawah ini C 5 Dalam (Gover 1994), suatu matriks tridiagonal 2-Toeplitz yang berukuran, dinotasikan sebagai B n, adalah matriks tridiagonal dengan entri-entri b ij yang memenuhi b i+2, j+2 b ij dengan i, j 1, 2,..., n -2seperti matriks (4) berikut ini. B n (4) Contoh untuk matriks tridiagonal 2-Toeplitz dengan n 5 sama seperti pada matriks (3). Determinan dan Sifat-Sifatnya Berikut ini akan dibahas mengenai definisi dari determinan dan sifatsifatnya. Determinan dari suatu matriks A berorde n n, dinotasikan sebagai det(a), adalah suatu skalar yang diasosiasikan dengan matriks A dan didefinisikan secara induktif sebagai: det(a) dengan A 1j (-1) 1 + j det (M 1j ), j 1,..., n adalah kofaktor-kofaktor yang diasosiasikan dengan entri-entri dalam baris pertama dari Adan M 1j menyatakan

14 4 matriks yang diperoleh dari A dengan menghapus baris dan kolom yang mengandung. Determinan dari M 1j disebut minor dari (Leon 2001). Operasi Baris I. Pertukaran dua baris (atau kolom) dari suatu matriks akan mengubah tanda dari determinan. II. Mengalikan satu baris atau kolom dari suatu matriks dengan suatu skalar sama akibatnya dengan mengalikan nilai dari determinan dengan skalar tersebut. III. Menjumlahkan perkalian dari satu baris (atau kolom) pada baris lain (atau kolom lain) tidak akan mengubah nilai dari determinan (Leon 2001). Nilai Eigen dan Vektor Eigen Berikut ini akan dibahas mengenai definisi dari nilai eigen, vektor eigen, persamaan karakteristik dan polinomial karakteristik dari suatu matriks. Misalkan A adalah suatu matriks. Skalar λ disebut nilai eigen atau nilai karakteristik dari A jika terdapat suatu vektor taknol x, sehingga Ax λx. Vektor x disebut vektor eigen atau vektor karakteristik yang berpadanan dengan nilai eigen λ. Persamaan Ax λx dapat dituliskan dalam bentuk (A λi)x 0. (5) Persamaan (5) akan mempunyai penyelesaian taktrivial jika dan hanya jika A λi singular atau secara ekivalen det(a λi) x 0. (6) Jika determinan pada persamaan (6) diuraikan, maka diperoleh suatu polinomial berderajat n dalam peubah λ p(λ) det(a λi). Polinomial ini disebut polinomial karakteristik dan persamaan (6) disebut persamaan karakteristik untuk matriks A. Akar dari polinomial karakteristik adalah nilai eigen dari A (Leon 2001). Polinomial Chebyshev Berikut ini akan dibahas mengenai definisi dan contoh dari polinomial Chebyshev dan akarnya. Dalam (Gover 1994), polinomial Chebyshev merupakan suatu polinomial yang memenuhi formula rekursif.akar dari polinomial Chebyshev p n (µ) dengan polinomial awal dan adalah, r 1, 2,..., n. Contoh: Untuk n 3, diperoleh:

15 5,, dan. Akar dari ialah sebagai berikut: r 1, maka 2, r 2, maka 0, r 3, maka 2. HASIL DAN PEMBAHASAN Nilai Eigen Misalkan diberikan matriks tridiagonal 2-Toeplitz berorde n n dalam bentuk sebagai berikut: B n, (7) sehingga untuk matriks tridiagonal 2-Toeplitz dengan orde genap dapat dituliskan seperti di bawah ini B 2m (8) dan untuk orde ganjil yaitu

16 6 B 2m+1. (9) Salah satu nilai eigen dari matriks tridiagonal 2-Toeplitz berorde ganjil tersebut adalah λ seperti yang dinyatakan dalam Lema 1 berikut ini. Lema 1 Jika n 2m + 1, matriks B n pada (7) mempunyai nilai eigen yaitu λ. Bukti: Akan dibuktikan λ merupakan nilai eigen dari matriks tridiagonal 2- Toeplitz berorde ganjil. Untuk membuktikannya,cukup dibuktikan bahwa B n - I B 2m+1 - I 0. B 2m+1 - I Selanjutnya akan dilakukan operasi: baris(2i + 1) c baris(2i - 1), untuk i 1, 2,..., m secara berurutan pada baris terbaru, dengan Untuk i 1, maka baris(3) akan menjadi c. (10)

17 baris(3) baris(1). Untuk i 2, maka baris(5) akan menjadi baris(5) baris(3). Untuk i 3, maka baris(7) akan menjadi baris(7) baris(5). Operasi tersebut hanya dilakukan pada baris ganjil dan akan berakhir pada baris terakhir yaitu baris 2m + 1, sehingga diperoleh hasil sebagai berikut: 7 B 2m+1 - I Karena semua elemen pada baris terakhir bernilai nol, maka terbukti bahwa B 2m+1 - I 0. Hal tersebut membuktikan bahwa merupakan salah satu nilai eigen dari B 2m+1. Hasil dari Lema 1 di atas menunjukkan bahwa merupakan faktor dari B 2m+1 - I. Untuk menentukan nilai eigen selanjutnya dari matriks B 2m+1 pada (9) dan nilai eigen dari matriks B n pada (8), maka akan dicari terlebih dahulu polinomial karakteristik untuk kedua matriks tersebut. Polinomial karakteristik untuk matriks tridiagonal 2-Toeplitz akan dibahas pada Teorema 1 berikut ini. Sebelumnya didefinisikan terlebih dahulu sehingga akan diperoleh hasil berikut ini., (11) Teorema 1 Jika diberikan matriks B n seperti pada (7) dan v pada (11), maka untuk setiap m, berlaku dengan dan adalah polinomial berderajat m yang memenuhi formula rekursif (14) dan, (15) dengan polinomial awal dan, serta c seperti yang didefinisikan pada (10) dan. (16)

18 8 Bukti: Orde genap Akan dibuktikan polinomial karakteristik dari B n adalah. B 2m - I ( ( B 2m-1 - I ( B 2m-1 - I B 2m-2 - I Selanjutnya akan dilakukan induksi matematik untuk membuktikan persamaan

19 9 B 2m - I ( B 2m-1 - I B 2m-2 - I. Basis Induksi : Untuk m 1, berlaku B 2 - I Hipotesis Induksi :Anggap benar B 2m-1 - I (. dan B 2m-2 - I, untuk m 2. Langkah Induksi : B 2m I ( B 2m-1 I - B 2m-2 I (. Jadi, terbukti bahwa polinomial karakteristik dari matriks tridiagonal 2-Toeplitz berorde genap adalah. Orde ganjil Akan dibuktikan polinomial karakteristik dari B 2m+1 adalah. B 2m+1 - I

20 10 ( ( B 2m - I - ( B 2m - I - B 2m-1 - I Selanjutnya akan dilakukan induksi matematik untuk membuktikan persamaan B 2m+1 - I ( B 2m - I - B 2m-1 - I. Basis Induksi : Untuk m 0, berlaku B 1 - I. Hipotesis Induksi : Anggap benar B 2m-1 - I untuk m 1. Langkah Induksi : B 2m+1 - I ( B 2m - I - B 2m-1 - I ( -

21 11 ( ( ( ( ( ( ( Jadi, terbukti bahwa polinomial karakteristik dari matriks tridiagonal 2-Toeplitz berorde ganjil adalah Selanjutnya akan dibuktikan bahwa dan pada (15) dan (14) memenuhi formula rekursif baru setelah dilakukan transformasi sederhana untuk kedua persamaan tersebut yang akan ditunjukkan oleh Teorema 2 berikut. Teorema 2 Jika dan memenuhi (15) dan (14) secara berturut-turut, dengan dan, maka, (17), (18) dan, (19) dengan c dan d seperti yang didefinisikan pada (10) dan (16). Bukti: Akan dibuktikan persamaan (17), (18), dan (19). Bukti persamaan (17) Diketahui persamaan (15) yaitu, maka akan diperoleh. (20) Substitusikan persamaan di atas ke (14), sehingga. (21) Dari (20) diperoleh. Selanjutnya persamaan di atas dapat disubstitusikan ke (21) dan diperoleh

22 12. Bukti persamaan (18) Diketahui persamaan (14) yaitu., maka Dari persamaan di atas, diperoleh. Selanjutnya substitusikan dan ke (15) dan diperoleh. Bukti persamaan (19) Untuk m 1, maka dari (14) dan (15) akan diperoleh 1 dan Selanjutnya akan ditunjukkan bahwa dengan melakukan beberapa substitusi, persamaan (17) dan (18) dapat direduksi menjadi formula rekursif Chebyshev yang disajikan dalam Lema 2 berikut ini. Lema 2 Diberikan matriks B n pada (7). Jika didefinisikan dengan dan maka persamaan (17) dan (18) berturut-turut menjadi dan dengan polinomial awal sebagai berikut (22) (23),, (24) (25), (26),,, dan. (27)

23 13 Bukti: Akan dibuktikan persamaan (25), (26), dan polinomial awal untuk dan seperti pada (27). Persamaan dapat diubah dalam bentuk berikut ini Akibatnya, persamaan (24) untuk. (28) dapat dituliskan menjadi, (29) dan diperoleh pula persamaan untuk berikut Dengan menyubstitusikan persamaan (17) ke persamaan di atas, maka akan diperoleh.. Persamaan (24) untuk dapat dituliskan menjadi, (30) dan diperoleh pula persamaan untuk berikut Dengan menyubstitusikan persamaan (18) ke persamaan di atas, maka akan diperoleh. Dengan menyubstitusikan persamaan (19) ke persamaan (29) dan (30), maka diperoleh hasil sebagai berikut:.

24 14 1,, 1, dan. Berdasarkan polinomial awal di atas, jelas bahwa merupakan suatu polinomial Chebyshev, sedangkan bukan polinomial Chebyshev karena. Karena adalah merupakan suatu polinomial Chebyshev, maka akar dari, r 1, 2,..., m. (31) Dengan menyubstitusikan persamaan (31) di atas ke persamaan (28), maka akan diperoleh, r 1, 2,..., m. (32) Selanjutnya dari persamaan (11) dan (32) dapat ditentukan nilai eigen lainnya untuk matriks tridiagonal 2-Toeplitz orde ganjil yang akan dijelaskan oleh Teorema 3 di bawah ini. Teorema 3 Nilai eigen dari matriks tridiagonal 2-Toeplitz dengan orde 2m + 1 pada (9) adalah dan solusi dari persamaan kuadratik berikut ( r 1, 2,..., m. (33) Bukti: Dari persamaan (11) dan (32) diperoleh hasil berikut ini,

25 15 ( ( ( ( (. Sementara itu, karena bukan merupakan polinomial Chebyshev, maka dimisalkan bahwa akar dari adalah. Dengan merupakan suatu fungsi dari r. Dengan menyubstitusikannya ke persamaan (28), maka akan diperoleh, r 1, 2,..., m. (34) Selanjutnya dari persamaan (11) dan (34) dapat ditentukan nilai eigen untuk matriks tridiagonal 2-Toeplitz orde genap yang akan dijelaskan oleh Teorema 4 di bawah ini. Teorema 4 Nilai eigen dari matriks tridiagonal 2-Toeplitz dengan orde 2m pada (8) adalah solusi dari persamaan kuadratik berikut (, r 1, 2,..., m. (35) Bukti: Dari persamaan (11) dan (34) diperoleh hasil berikut ini ( ( ( ( (. Vektor Eigen Pada Teorema 5 berikut ini akan ditentukan vektor eigen yang bersesuaian dengan setiap nilai eigen yang diperoleh untuk matriks tridiagonal 2-Toeplitz orde ganjil. Teorema 5 Vektor eigen dari matriks B 2m+1 pada (9) yang bersesuaian dengan nilai eigen adalah

26 16 x 1. Vektor eigen yang bersesuaian dengan nilai eigen persamaan kuadratik pada (33) adalah yang merupakan solusi dari x 2, (36) dengan s dan P r 2 cos yang merupakan akar dari. Bukti: Untuk membuktikan Teorema 5 di atas sama halnya dengan membuktikan dan. Akan dibuktikan *. Untuk membuktikan bahwa setiap baris dari hasil adalah nol, akan ditentukan dari dua kasus berikut: (i) Baris ganjil (1, 3, 5,..., ) Untuk setiap baris ganjil dari, dari perkalian matriks tersebut jelas diperoleh hasil yang bernilai nol. (ii) Baris genap (2, 4, 6,..., m) Untuk setiap baris genap dari, diperoleh hasil sebagai berikut: 0 Jadi, terbukti bahwa setiap baris dari adalah nol.

27 17 Akan dibuktikan *. Untuk membuktikan bahwa setiap baris dari hasil adalah nol, akan ditentukan dari empat kasus berikut: (i) Baris 1 Akan dibuktikan baris pertama dari Baris pertama dari adalah Karena, maka diperoleh Jadi, terbukti bahwa baris pertama dari (ii) Baris Akan dibuktikan setiap baris genap dari Untuk setiap baris genap akan diperoleh: bernilai nol.. adalah nol. bernilai nol. Karena (37), maka persamaan di atas dapat dituliskan menjadi.

28 18 Dari persamaan (24) diperoleh dan. (38) Selanjutnya substitusikan persamaan di atas ke sehingga diperoleh, Dengan menyubstitusikan persamaan di atas ke persamaan (37), maka diperoleh: 0. Jadi, terbukti setiap baris genap dari (iii) Baris Akan dibuktikan setiap baris ganjil dari baris terakhir akan bernilai nol. Untuk setiap baris tersebut akan diperoleh: bernilai nol., kecuali pada (39) Dari persamaan (38), maka persamaan (15) dapat dituliskan menjadi

29 19. (40) Selanjutnya dengan menyubstitusikan persamaan di atas ke persamaan (39), maka akan diperoleh hasil berikut ini (41) Karena, maka. Akibatnya, persamaan (41) menjadi nol. Jadi, terbukti untuk setiap baris ganjil, kecuali pada baris terakhir dari bernilai nol. (iv) Baris Akan dibuktikan baris terakhir dari bernilai nol. Untuk baris atau baris terakhir dari akan diperoleh hasil sebagai berikut

30 20 (42) Dari persamaan (40) diperoleh. Dengan menyubstitusikannya ke persamaan (42), diperoleh hasil berikut (43) Karena dan merupakan akar dari, maka hasil dari persamaan (43) adalah nol. Jadi, terbukti bahwa baris terakhir dari Akibatnya, semua baris dari adalah nol. bernilai nol. Karena setiap baris dari dan bernilai nol, maka terbukti bahwa merupakan vektor eigen yang bersesuaian dengan nilai eigen dan merupakan vektor eigen yang bersesuaian dengan nilai eigen. Selanjutnya untuk memperoleh vektor eigen dari matriks tridiagonal 2- Toeplitz orde genap akan dibahas pada Teorema 6 berikut ini. Teorema 6 Vektor eigen dari matriks B 2m pada (8) yang bersesuaian dengan nilai eigen nilai eigen yang merupakan solusi dari (35) adalah x, (44)

31 21 dengan s dan merupakan akar dari. Bukti: Akan dibuktikan *. Untuk membuktikan bahwa setiap baris dari hasil adalah nol, akan ditentukan dari empat kasus berikut: (i) Baris 1 Akan dibuktikan baris pertama dari bernilai nol. Baris pertama dari adalah Karena, maka diperoleh. Jadi, terbukti bahwa baris pertama dari adalah nol. (ii) Baris Akan dibuktikan setiap baris genap, kecuali pada baris terakhir dari bernilai nol. Untuk setiap baris genap, kecuali baris terakhir akan diperoleh: (45)

32 22 Karena, maka persamaan di atas dapat dituliskan menjadi. Dari persamaan (24) diperoleh Selanjutnya substitusikan persamaan di atas ke, sehingga diperoleh dan. (46) Dengan menyubstitusikan persamaan di atas ke persamaan (45), maka diperoleh: 0. Jadi, terbukti setiap baris genap dari (iii) Baris Akan dibuktikan setiap baris ganjil dari Untuk setiap baris tersebut akan diperoleh: bernilai nol. adalah nol. (47)

33 23 Dari persamaan (46), maka persamaan (15) dapat dituliskan menjadi. (48) Selanjutnya dengan menyubstitusikan persamaan di atas ke persamaan (47), maka akan diperoleh hasil berikut ini (49) Karena, maka. Akibatnya, persamaan (49) menjadi nol. Jadi, terbukti untuk setiap baris ganjil dari bernilai nol. (iv) Baris 2m Akan dibuktikan bahwa baris terakhir dari adalah nol. Untuk baris terakhir dari diperoleh hasil berikut ini

34 24 (50) Pada poin (ii) sebelumnya telah ditunjukkan bahwa sehingga persamaan (3.47) menjadi, (51) Karena merupakan akar dari polinomial, maka persamaan (51) menjadi nol. Jadi, terbukti baris terakhir dari adalah nol. Contoh Aplikasi Selanjutnya akan dibahas mengenai contoh aplikasi dari matriks tridiagonal 2-Toeplitz yaitu nilai eigen dan vektor eigen yang diperoleh dengan menyelesaikan sistem persamaan linear yang diperoleh dari persamaan karakteristik dan yang diperoleh dengan menggunakan Lema dan Teorema yang telah dibuktikan dalam bab Hasil dan Pembahasan. Misal diberikan matriks B 3 dengan m 1 berikut ini. B 3. Terlebih dahulu akan dicari nilai eigen dari B 3 dengan mencari solusi untuk λ dari seperti di bawah ini (52) Selanjutnya akan dicari vektor eigen yang bersesuaian dengan setiap nilai eigen di atas yaitu mencari solusi untuk x dari. 0.

35 25 Untuk 1 1, maka vektor eigen yang bersesuaian dengan 1 adalah dengan mencari solusi SPL dari 3 persamaan berikut: 0 0 0, dan diperoleh solusi yaitu. Untuk 2 8, maka vektor eigen yang bersesuaian dengan 2 adalah dengan mencari solusi SPL dari 3 persamaan berikut: 0 0 0, dan diperoleh solusi yaitu. Untuk 3-5, maka vektor eigen yang bersesuaian dengan 3 adalah dengan mencari solusi SPL dari 3 persamaan berikut: 0 0 0, dan diperoleh solusi yaitu. Selanjutnya akan ditunjukkan bahwa dengan menggunakan Lema dan Teorema yang telah dibahas sebelumnya akan menghasilkan nilai eigen dan vektor eigen yang sama seperti di atas. Berdasarkan Lema 1, salah satu nilai eigen dari matriks tridiagonal 2- Toeplitz orde ganjil adalah λ. Karena matriks B 3 memiliki yaitu 1, maka salah satu nilai eigen untuk B 3 adalah λ 1. Pada Teorema 1 dikatakan bahwa polinomial karakteristik untuk B 2m+1 adalah, maka B 3 akan memiliki polinomial karakteristik yaitu. Selanjutnya akan ditunjukkan bahwa polinomial karakteristik yang dihasilkan dengan menggunakan Teorema 1 sama dengan polinomial pada (52). Karena, maka,

36 26 sehingga diperoleh. Selanjutnya dengan menggunakan Teorema 3, akan ditunjukkan nilai eigen lainnya untuk B 3 merupakan solusi dari persamaan ( dengan r 1 akan menghasilkan nilai eigen yaitu 8 dan -5. ( 0 ( 0 ( 0 0 ( 0 Akibatnya, diperoleh solusi untuk nilai eigen B 3 dengan r 1 yaitu 8 dan -5. Dengan menggunakan Teorema 5, akan diperoleh vektor eigen yang bersesuaian dengan nilai eigen dari Teorema 3 sebagai berikut. (i) Untuk nilai eigen dengan m 1, vektor eigen yang bersesuaian dengannya adalah., 0 Karena dan, maka. (ii) Untuk nilai eigen 8, vektor eigen yang bersesuaian dengannyamenurut Teorema 5 adalah x dengan, sehingga 1,,

37 27 2. Jadi, vektor eigen yang bersesuaian dengan 8 adalah x. (iii) Untuk nilai eigen -5, vektor eigen yang bersesuaian dengannya menurut Teorema 5 adalah x dengan, sehingga 1,, 2. Jadi, vektor eigen yang bersesuaian dengan -5 adalah.

38 28 SIMPULAN DAN SARAN Simpulan Berdasarkan pembahasan yang telah diuraikan sebelumnya, dapat disimpulkan bahwa polinomial karakteristik dari matriks tridiagonal 2-Toeplitz sangat erat hubungannya dengan polinomial Chebyshev. Ketika matriks tridiagonal 2-Toeplitz berorde ganjil, maka nilai eigen dan vektor eigennya dapat ditentukan secara eksplisit dari aturan akar polinomial Chebyshev. Untuk matriks tridiagonal 2-Toeplitz berorde genap, kondisinya lebih kompleks. Untuk mencari nilai eigen dan vektor eigennya, formula rekursif Chebyshev tetap digunakan, walaupun nilai awalnya tidak menghasilkan polinomial Chebyshev. Saran Bagi yang berminat untuk memperluas tema dari karya ilmiah ini, penulis menyarankan untuk melanjutkan pembahasan mengenai nilai eigen dan vektor eigen dari matriks tridiagonal 2-Toeplitz orde genap yaitu dengan menemukan akar dari polinomial, membahas nilai eigen dan vektor eigen dari matriks tridiagonal r-toeplitz, serta dapat pula membahas invers dari matriks Toeplitz. DAFTAR PUSTAKA Gover MJC The eigenproblem of a tridiagonal 2-Toeplitz matrix. Linear Algebra and Its Applications.198(1):63-78.doi: / (94) Kouachi S Eigenvalues and eigenvectors of tridiagonal matrices. ELA. 15(1): doi: /am Leon SJ Aljabar Linear dan Aplikasinya. Ed ke-5. Bondan A, penerjemah. Jakarta (ID): Erlangga. Terjemahan dari: Linear Algebra with Applications. Zhang F Matrix Theory: Basic Results and Techniques. New York (US): Springer-Verlag.

39 29 RIWAYAT HIDUP Penulis dilahirkan di Tangerang pada tanggal 20 Mei Penulis merupakan putri pertama dari tiga bersaudara dari Bapak Asmitrial dan Ibu Netkornita. Tahun 2009 penulis lulus dari SMA Negeri 32 Jakarta dan pada tahun yang sama penulis diterima sebagai mahasiswi Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis tercatat sebagai mahasiswi Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA). Selama mengikuti perkuliahan, penulis aktif di berbagai kegiatan organisasi dan kepanitiaan. Penulis aktif tergabung dalam kepengurusan Gugus Mahasiswa Matematika (Gumatika) selama dua periode, yaitu 2011 dan Selama dua tahun tersebut, penulis diamanahi sebagai Bendahara Biro Kesekretariatan dan Bendahara Umum. Selain itu, penulis juga aktif dalam kegiatan kepanitiaan, diantaranya menjadi salah satu anggota divisi konsumsi dari kegiatan Political Training tahun 2010, bendahara divisi Publikasi, Dekorasi, dan Dokumentasi (PDD) dari Sport and Art Competition on MIPA Faculty (SPIRIT) tahun 2011, anggota divisi Penanggung Jawab Keluarga (PJK) dari Masa Perkenalan Departemen Matematika (MPD) tahun 2011, anggota divisi Publikasi, Dekorasi, dan Dokumentasi (PDD) dari Masa Perkenalan Fakultas MIPA (MPF) tahun 2011, anggota divisi Dana Usaha (Danus) dari Matematika Ria yang merupakan bagian dari kegiatan Pesta Sains Nasional 2011, anggota divisi Acara Math Camp2011, anggota divisi Dekorasi dan Dokumentasi (DDD) dari Matematika Ria 2012.

INVERSE EIGENVALUE PROBLEM UNTUK MATRIKS TRIDIAGONAL SIMETRIK NURFAUZIAH

INVERSE EIGENVALUE PROBLEM UNTUK MATRIKS TRIDIAGONAL SIMETRIK NURFAUZIAH INVERSE EIGENVALUE PROBLEM UNTUK MATRIKS TRIDIAGONAL SIMETRIK NURFAUZIAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI SKRIPSI

Lebih terperinci

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS CIRCULANT, CIRCULANT SIMETRIK, DAN BLOCK CIRCULANT HARYONO HERMANA

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS CIRCULANT, CIRCULANT SIMETRIK, DAN BLOCK CIRCULANT HARYONO HERMANA PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS CIRCULANT, CIRCULANT SIMETRIK, DAN BLOCK CIRCULANT HARYONO HERMANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL NISA RACHMANI G

NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL NISA RACHMANI G NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL NISA RACHMANI G54103051 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2008 ABSTRACT NISA RACHMANI.

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

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

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

EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH

EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007 ABSTRAK RUDIANSYAH. Evaluasi

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

Perluasan Teorema Cayley-Hamilton pada Matriks

Perluasan Teorema Cayley-Hamilton pada Matriks Vol. 8, No.1, 1-11, Juli 2011 Perluasan Teorema Cayley-Hamilton pada Matriks Nur Erawati, Azmimy Basis Panrita Abstrak Teorema Cayley-Hamilton menyatakan bahwa setiap matriks bujur sangkar memenuhi persamaan

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

MENENTUKAN NILPOTENT ORDE 4 PADA MATRIKS SINGULAR MENGGUNAKAN TEOREMA CAYLEY HAMILTON TUGAS AKHIR

MENENTUKAN NILPOTENT ORDE 4 PADA MATRIKS SINGULAR MENGGUNAKAN TEOREMA CAYLEY HAMILTON TUGAS AKHIR MENENTUKAN NILPOTENT ORDE 4 PADA MATRIKS SINGULAR MENGGUNAKAN TEOREMA CAYLEY HAMILTON TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh: IRMA

Lebih terperinci

PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO

PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

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

Matriks Leslie dan Aplikasinya dalam Memprediksi Jumlah dan Laju pertumbuhan Penduduk di Kota Makassar

Matriks Leslie dan Aplikasinya dalam Memprediksi Jumlah dan Laju pertumbuhan Penduduk di Kota Makassar Matriks Leslie dan Aplikasinya dalam Memprediksi Jumlah dan Laju pertumbuhan Penduduk di Kota Makassar Wahidah Sanusi 1, Sukarna 1 dan Nur Ridiawati 1, a) 1 Jurusan Matematika, Fakultas Matematika dan

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

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

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

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

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

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

MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG

MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI

Lebih terperinci

ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM PERSAMAAN INTERVAL LINEAR

ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM PERSAMAAN INTERVAL LINEAR Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 313 322. ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM

Lebih terperinci

MATRIKS KUASIDEFINIT SUGENG MULYADI

MATRIKS KUASIDEFINIT SUGENG MULYADI MATRIKS KUASIDEFINIT SUGENG MULYADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009 ABSTRAK SUGENG MULYADI. Matriks Kuasidefinit. Dibimbing oleh FARIDA

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 1.1 Latar Belakang Matriks merupakan istilah yang digunakan untuk menunjukkan jajaran persegi panjang dari bilangan-bilangan dan setiap matriks akan mempunyai baris dan kolom. Salah satu

Lebih terperinci

SIFAT NILAI EIGEN MATRIKS ANTI ADJACENCY DARI GRAF SIMETRIK

SIFAT NILAI EIGEN MATRIKS ANTI ADJACENCY DARI GRAF SIMETRIK Faktor Exacta 10 (2): 154-161, 2017 SIFAT NILAI EIGEN MATRIKS ANTI ADJACENCY DARI GRAF SIMETRIK NONI SELVIA noni.selvia@gmail.com Program Studi Teknik Informatika Fakultas Teknik,Matematika dan Ilmu Pengetahuan

Lebih terperinci

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN Saintia Matematika ISSN: 2337-997 Vol 02, No 0 (204), pp 85 94 INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN Bakti Siregar, Tulus, Sawaluddin Abstrak: Pencarian invers matriks adalah suatu hal

Lebih terperinci

MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU

MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU DENGAN Andi Bahota 1*, Aziskhan 2, Musraini M. 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen JurusanMatematika Fakultas Matematika dan Ilmu Pengetahuan

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

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

MENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE

MENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE MENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE Rini Pratiwi 1*, Rolan Pane 2, Asli Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu

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

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah : Matematika Diskrit 2 Kode / SKS : IT02 / 3 SKS Program Studi : Sistem Komputer Fakultas : Ilmu Komputer & Teknologi Informasi. Pendahuluan 2. Vektor.. Pengantar mata kuliah aljabar linier.

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

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

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

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

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

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN MATRIKS SKRIPSI BAKTI SIREGAR

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN MATRIKS SKRIPSI BAKTI SIREGAR INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN MATRIKS SKRIPSI BAKTI SIREGAR 090803067 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013

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

Matematika Teknik I: Matriks, Inverse, dan Determinan. Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015

Matematika Teknik I: Matriks, Inverse, dan Determinan. Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015 Matematika Teknik I: Matriks, Inverse, dan Determinan Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015 Dadang Amir Hamzah (STT) Matematika Teknik I Semester 3, 2015 1 / 33 Outline 1 Matriks Dadang

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

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

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

(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

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

PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA

PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

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

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

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

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

Modul 2.2 Matriks dan Sistem Persamaan Linear (Topik 3) A. Pendahuluan Matriks dan Sistem Persamaan Linear

Modul 2.2 Matriks dan Sistem Persamaan Linear (Topik 3) A. Pendahuluan Matriks dan Sistem Persamaan Linear Modul 2.2 Matriks dan Sistem Persamaan Linear (Topik 3) A. Pendahuluan Salah satu kajian matematika sekolah menengah yang memiliki banyak aplikasinya dalam menyelesaikan permasalahan yang ada dalam kehidupan

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

(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

APROKSIMASI FUNGSI SINUS DAN KOSINUS SEBAGAI KOMBINASI LINEAR DARI FUNGSI EKSPONENSIAL MUHAMMAD ADAM AZHARI

APROKSIMASI FUNGSI SINUS DAN KOSINUS SEBAGAI KOMBINASI LINEAR DARI FUNGSI EKSPONENSIAL MUHAMMAD ADAM AZHARI APROKSIMASI FUNGSI SINUS DAN KOSINUS SEBAGAI KOMBINASI LINEAR DARI FUNGSI EKSPONENSIAL MUHAMMAD ADAM AZHARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

MATRIKS Nuryanto, ST., MT.

MATRIKS Nuryanto, ST., MT. MateMatika ekonomi MATRIKS TUJUAN INSTRUKSIONAL KHUSUS Setelah mempelajari bab ini, anda diharapkan dapat : 1. Pengertian matriks 2. Operasi matriks 3. Jenis matriks 4. Determinan 5. Matriks invers 6.

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

PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO

PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

KONSTRUKSI MATRIKS SINGULAR DARI SUATU MATRIKS YANG MEMENUHI SIFAT KHUSUS TUGAS AKHIR

KONSTRUKSI MATRIKS SINGULAR DARI SUATU MATRIKS YANG MEMENUHI SIFAT KHUSUS TUGAS AKHIR KONSTRUKSI MATRIKS SINGULAR DARI SUATU MATRIKS YANG MEMENUHI SIFAT KHUSUS TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh : EKA WAHYUDININGSIH

Lebih terperinci

PENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: WULAN ANGGRAENI G

PENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: WULAN ANGGRAENI G PENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM Oleh: WULAN ANGGRAENI G54101038 PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dipaparkan mengenai konsep dasar tentang matriks meliputi definisi matriks, jenis-jenis matriks, operasi matriks, determinan, kofaktor, invers suatu matriks, serta

Lebih terperinci

PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH

PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011

Lebih terperinci

Spektrum Graf Hyperoctahedral Melalui Matriks Sirkulan Dengan Visual Basic 6.0

Spektrum Graf Hyperoctahedral Melalui Matriks Sirkulan Dengan Visual Basic 6.0 Jurnal Sainsmat, September 2013, Halaman 131-139 Vol. II. No. 2 ISSN 2086-6755 http://ojs.unm.ac.id/index.php/sainsmat Spektrum Graf Hyperoctahedral Melalui Matriks Sirkulan Dengan Visual Basic 6.0 Hyperoctahedral

Lebih terperinci

Modul Praktikum. Aljabar Linier. Disusun oleh: Machudor Yusman IR., M.Kom. Ucapan Terimakasih:

Modul Praktikum. Aljabar Linier. Disusun oleh: Machudor Yusman IR., M.Kom. Ucapan Terimakasih: Modul Praktikum Aljabar Linier Disusun oleh: Machudor Yusman IR., M.Kom. Ucapan Terimakasih: David Abror Gabriela Minang Sari Hanan Risnawati Ichwan Almaza Nuha Hanifah Riza Anggraini Saiful Anwar Tri

Lebih terperinci

Lampiran 1 Pembuktian Teorema 2.3

Lampiran 1 Pembuktian Teorema 2.3 LAMPIRAN 16 Lampiran 1 Pembuktian Teorema 2.3 Sebelum membuktikan Teorema 2.3, terlebih dahulu diberikan beberapa definisi yang berhubungan dengan pembuktian Teorema 2.3. Definisi 1 (Matriks Eselon Baris)

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

MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM

MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK RIDWAN IDHAM. Model

Lebih terperinci

MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL TUGAS AKHIR

MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL TUGAS AKHIR MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika oleh DEVI SAFITRI 10654004470 FAKULTAS

Lebih terperinci

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN

PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN PENERAPAN DAN PERBANDINGAN CARA PENGUKURAN RESPON PADA ANALISIS KONJOIN (Studi Kasus: Preferensi Mahasiswa Statistika IPB Angkatan 44, 45, dan 46 terhadap Minat Bidang Kerja) DONNY ARIEF SETIAWAN SITEPU

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

Pasangan Baku Dalam Polinomial Monik

Pasangan Baku Dalam Polinomial Monik SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 Pasangan Baku Dalam Polinomial Monik Zulfia Memi Mayasari Jurusan Matematika FMIPA Universitas Bengkulu zulfiamemimaysari@yahoo.com A - 7

Lebih terperinci

PENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO

PENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO PENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK

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

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 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

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

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

KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS

KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 279 284. KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS Adrianus Sumitro, Nilamsari Kusumastuti, Shantika Martha

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang 1 BAB I PENDAHULUAN 1.1. Latar Belakang Pembelajaran matematika merupakan pembelajaran yang harus diikuti siswa mulai dari sekolah dasar hingga perguruan tinggi. Matematika harus dipelajari siswa sejak

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

POLINOMIAL KARAKTERISTIK MATRIKS DALAM ALJABAR MAKS-PLUS. 1. Pendahuluan

POLINOMIAL KARAKTERISTIK MATRIKS DALAM ALJABAR MAKS-PLUS. 1. Pendahuluan POLINOMIAL KARAKTERISTIK MATRIKS DALAM ALJABAR MAKS-PLUS Maryatun, Siswanto, dan Santoso Budi Wiyono Program Studi Matematika FMIPA UNS Abstrak Polinomial dalam aljabar maks-plus dapat dinotasikan sebagai

Lebih terperinci

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Semi Definit dan Indefinit Menggunakan Metode Kuasa Invers dengan Shift

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Semi Definit dan Indefinit Menggunakan Metode Kuasa Invers dengan Shift Menentukan Nilai Eigen Tak Dominan Suatu Matriks Semi Definit dan Indefinit Menggunakan Metode Kuasa Invers dengan Shift Arif Bijaksana 1, Irma Suryani 2 Jurusan Matematika Terapan, Fakultas Sains dan

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

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

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

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

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

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 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

SISTEM PERSAMAAN LINEAR

SISTEM PERSAMAAN LINEAR SISTEM PERSAMAAN LINEAR BAB 1 Dr. Abdul Wahid Surhim POKOK BAHASAN 1.1 Pengantar Sistem Persamaan Linear (SPL) 1.2 Eliminasi GAUSS-JORDAN 1.3 Matriks dan operasi matriks 1.4 Aritmatika Matriks, Matriks

Lebih terperinci

Contoh. C. Determinan dan Invers Matriks. C. 1. Determinan

Contoh. C. Determinan dan Invers Matriks. C. 1. Determinan C. Determinan dan Invers Matriks C.. Determinan Suatu matriks persegi selalu dapat dikaitkan dengan suatu bilangan yang disebut determinan. Determinan dari matriks persegi dinotasikan dengan. Untuk matriks

Lebih terperinci

Analisis Instruksional (AI) dan Silabus. MAT100 Pengantar Matematika. Program Studi S-1 Matematika Departemen Matematika Institut Pertanian Bogor

Analisis Instruksional (AI) dan Silabus. MAT100 Pengantar Matematika. Program Studi S-1 Matematika Departemen Matematika Institut Pertanian Bogor Analisis Instruksional (AI) dan Silabus MAT100 Pengantar Matematika Program Studi S-1 Matematika Departemen Matematika Institut Pertanian Bogor ANALISIS INSTRUKSIONAL (AI) DAN SILABUS MATA KULIAH MAT100

Lebih terperinci

Aljabar Linear. & Matriks. Evangs Mailoa. Pert. 5

Aljabar Linear. & Matriks. Evangs Mailoa. Pert. 5 Aljabar Linear & Matriks Pert. 5 Evangs Mailoa Pengantar Determinan Menurut teorema 1.4.3, matriks 2 x 2 dapat dibalik jika ad bc 0. Pernyataan ad bc disebut sebagai determinan (determinant) dari matriks

Lebih terperinci

APLIKASI MATRIKS LESLIE UNTUK MEMPREDIKSI JUMLAH DAN LAJU PERTUMBUHAN SUATU POPULASI

APLIKASI MATRIKS LESLIE UNTUK MEMPREDIKSI JUMLAH DAN LAJU PERTUMBUHAN SUATU POPULASI Buletin Ilmiah Math Stat Dan Terapannya (Bimaster) Volume 02, No 3 (2013), hal 163-172 APLIKASI MATRIKS LESLIE UNTUK MEMPREDIKSI JUMLAH DAN LAJU PERTUMBUHAN SUATU POPULASI Yudha Pratama, Bayu Prihandono,

Lebih terperinci

Penerapan Teorema Mesh dalam Penyederhanaan Arus Bolak Balik serta Penyelesaian Matriks (Minor, Kofaktordan Determinan)

Penerapan Teorema Mesh dalam Penyederhanaan Arus Bolak Balik serta Penyelesaian Matriks (Minor, Kofaktordan Determinan) RESUME RANGKAIAN LISTRIK II Penerapan Teorema Mesh dalam Penyederhanaan Arus Bolak Balik serta Penyelesaian Matriks (Minor, Kofaktordan Determinan) Tujuan 1. Mahasiswa dapat menyederhanakan rangkaian dengan

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

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

Aljabar Linear Elementer MA SKS. 07/03/ :21 MA-1223 Aljabar Linear 1

Aljabar Linear Elementer MA SKS. 07/03/ :21 MA-1223 Aljabar Linear 1 Aljabar Linear Elementer MA SKS 7//7 : MA- Aljabar Linear Jadwal Kuliah Hari I Hari II jam jam Sistem Penilaian UTS 4% UAS 4% Quis % 7//7 : MA- Aljabar Linear Silabus : Bab I Matriks dan Operasinya Bab

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 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

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