(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS
|
|
- Fanny Atmadja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 Padjadjaran, Jl. Raya Bandung-Sumedang KM. 2 Jatinangor euis_hartini@yahoo.co.id Abstrak Di dalam persamaan A x = λ x, di mana matriks A ε M (C), diperoleh skalar λ ε C adalah nilai coneigen dari nilai A dan x ε C adalah vektor coneigen (vektor coninvarian) dari A yang berkaitan dengan λ. Tidak setiap matriks di M (C) mempunyai vektor coninvarian. Dengan demikian, didefinisikan subruang L ε C dan L subruang coninvarian dari matriks A jika A L L dengan L = {x x ε L } di mana x adalah konjugat dari vektor kolom x. Pada paper ini akan dibuktikan untuk setiap matriks A ε M (C) (n 3) mempunyai subruang coninvarian dimensi- atau 2. Sedangkan untuk A matriks normal konjugat (A ε CN ), jika setiap subruang coninvarian dari A ε CN maka berlaku juga subruang coninvarian dari A. Kata Kunci : Nilai coneigen, vektor coninvarian, subruang coninvarian, dan matriks normal konjugat.. PENDAHULUAN Sebarang vektor x yang ditransformasikan oleh matriks kuadrat A berordo n n atas lapangan F kedalam λx, sehingga Ax = λx, di mana x disebut vektor invarian atau vektor karakteristik atau vektor eigen dari A yang berkaitan dengan skalar λ (nilai eigen) dari matriks A. Untuk menentukan λ nilai eigen dari matriks A berordo n n, yaitu melalui persamaan karakteristik det(λi A) = 0 dan untuk menentukan x vektor invarian yang berkaitan dengan λ yaitu (λi A)x = 0. Menurut sifat jika λ, λ,, λ adalah nilai eigen yang berlainan dari matriks A berordo n n dan jika x, x,, x merupakan vektor-vektor invarian tak nol yang masing-masing berkaitan dengan nilai eigennya, maka {x } untuk i=, 2,, k adalah bebas linier. Jika λ nilai eigen dari A berordo n n maka rank λ I A adalah n dan dimensi ruang vektor invarian yang berkaitan dengan λ adalah. Selanjutnya untuk skalar λ C dan vektor tak nol x C masing-masing disebut nilai coneigen dan vektor coninvarian yang berkaitan dengan λ dari matriks A M (C), berlaku Jurusan Statistika-FMIPA-Unpad
2 Seminar Nasional Statistika 2 November 20 Vol 2, November 20 Ax = λx. Di dalam ruang vektor yang skalarnya bilangan real disebut ruang vektor real dan ruang vektor yang skalarnya kompleks disebut suatu ruang vektor kompleks. Dengan demikian di dalam ruang vektor yang skalarnya coneigen invarian dari matriks kuadrat kompleks disebut ruang vektor coneigen invarian matriks kuadrat kompleks. 2. PEMBAHASAN Dalam pembahasan paper ini diberikan definisi-definisi untuk menunjang pembuktian teorema berikutnya, yaitu sebagai berikut Definisi. Kenormalan suatu matriks kuadrat A adalah AA = A A () Definisi 2. Suatu matriks A M (C) dikatakan normal konjugat jika AA = A (2) Misalkan matriks A, B M (C) dikatakan consingular jika B = SAS untuk matriks S nonsingluar. Didefinisikan matriks perkalian berikut ini. berikut ini : A = A A dan A = AA = A (3) Karena tidak setiap matriks di M (C) mempunyai vektor coneigen maka didefinisikan Definisi 3. Subruang L ε C dan L subruang coninvarian dari matriks A M (C) jika A L L (4) dengan L = {x x ε L } di mana x adalah konjugat dari vektor kolom x. Hal khusus, jika dimensi L =, maka untuk setiap vektor tak nol x coneigen (vektor coninvarian) dari A. Berikut ini contoh dari Definisi 3. L disebut vektor Contoh. 2 + i A = maka i 3 det (λi A) = λ 2 i + i λ 3 = (λ 2)(λ 3) 2 = λ 5λ + 4 = (λ )(λ 4) = 0 Jadi, nilai coneigen matriks A adalah λ = dan λ = 4 Jurusan Statistika-FMIPA-Unpad
3 Seminar Nasional Statistika 2 November 20 Vol 2, November 20 i Untuk λ = λ =, maka + i 2 x x = 0 0 diperoleh x = ( i)s dan x = s. Jadi, x = ( i)s i = s merupakan ruang eigen ( ruang solusi/ coninvarian) yang s i berdimensi satu dengan basis u =, u merupakan vektor coninvarian dari A. 2 i Untuk λ = λ = 4 maka x + i x = 0 0 diperoleh x = dan x = s. Jadi, x = s s = s merupakan ruang eigen (ruang solusi/coninvarian) yang berdimensi satu dengan basis v =, v merupakan vektor coninvarian dari A. 2 + i i Dengan demikian, A L = = + i dan L = i 3 Jadi, berlaku A L L. Sebagai dasar pada subruang coninvarian diberikan teorema berikut ini. Teorema. Untuk setiap matriks A ε M (C) (n 3) mempunyai subruang coninvarian dimensi atau 2. Bukti : Misalkan x merupakan vektor eigen A dengan A x = A Ax = λx (5) untuk suatu λ ε C. Didefinisikan y = Ax (6) Andaikan y dan x adalah bergantung linier, yaitu Ax = μx (7) Untuk suatu μ ε C, maka x adalah vektor coninvarian dari A dan L = span{x} merupakan subruang coninvarian dimensi-. Persamaan (7) akan berlaku A x = A Ax = μ x, sedangkan persamaan (5) nilai eigen λ merupakan bilangan nonnegatif. Diasumsikan bahwa y dan x adalah bebas linier. Maka persamaan (6) dapat ditulis sebagai Ax = y dan persamaan (5) dapat ditulis sebagai berikut Ay = λ x, (8) hal ini berarti L = span{x, y} adalah subruang coninvarian dimensi-2 dari A. Sehingga didapat hubungan matriks berikut ini A{x, y} = {x, y} 0 λ. (9) 0 Dengan y vektor eigen dari A dari persamaan(6) dan perkalian persamaan (8) dengan A diperoleh Jurusan Statistika-FMIPA-Unpad
4 Seminar Nasional Statistika 2 November 20 Vol 2, November 20 A y = A Ay = λax = λ y. (0) Jadi vektor x berkaitan dengan nilai eigen λ, dan vektor y berkaitan λ. Dengan demikian L subruang dimensi-2, dalam hal ini subruang invarian dari invarian A dibangun oleh dua vektor eigen yaitu pasangan nilai eigen konjugat kompleks. Jika λ 0 maka dari (9) berlaku μ = λ dan untuk (6) dapat didefinisikan Maka diperoleh dan y = Ax () Ax = μy, Ay = μx A[x y] = [x y] 0 μ. (2) μ 0 Diberikan contoh untuk matriks berordo 3 x 3 atas bilangan kompleks. Contoh 2. i A = i i untuk menentukan nilai coninvarian λ dari matriks A dengan melalui i λ + i det (λi A) = 0 yaitu i λ i = 0 i λ + (λ + )(λ )(λ + ) + i + i (λ ) i (λ + ) i (λ + ) = 0 λ + λ = 0 λ (λ + ) = 0 Jadi, nilai coninvarian dari A adalah λ = 0 dan λ = x i 0 Untuk λ = 0 maka i i x = 0 diperoleh x =, x = 0, dan x =. Jadi, i x 0 x = 0 merupakan ruang eigen (ruang solusi/coninvarian) yang berdimensi satu dengan basis u = 0, u merupakan vektor coninvarian dari A. 0 i x 0 Untuk λ = maka i 2 i x = 0 diperoleh x = i, x =, dan x = 0. Jadi, i 0 x 0 i x = merupakan ruang eigen (ruang solusi/coninvarian) yang berdimensi satu dengan 0 i basis v =, v merupakan vektor coninvarian dari A. 0 Jurusan Statistika-FMIPA-Unpad 20 26
5 Seminar Nasional Statistika 2 November 20 Vol 2, November 20 Sifat. Misalkan A. i submatriks dari baris i,, i (i i i ) dari suatu matriks A M (C). Jika A C ℵ maka A = A,...,,, Selanjutnya akan diberikan matriks normal konjugat Cℵ, di mana jika A ε Cℵ maka A ε ℵ dan A ε ℵ. Sifat subruang coninvarian dari berikut ini. A ε Cℵ diberikan pada teorema Teorema 2. Jika untuk setiap subruang coninvarian dari A ε C ℵ maka berlaku juga subruang coninvarian dari A. Bukti : Misalkan L merupakan subruang coninvarian dimensi-k dari A ( k n). Misalkan basis ortonomal q,, q di L dan q,, q, q,, q merupakan elemen ruang C dan didefinisikan Q = Q Partisi B yang bersesuaian dengan Q B = B B B B dimana B adalah blok k k. Dari (3) dapat ditulis Q = [q q ], B = Q AQ (3) AQ = QB. (4) maka menurut definisi subruang coninvarian B = 0. Misalkan B ε Cℵ berlaku (3) B = 0. dari (3), diperoleh B = Q A Q dan A Q = QB (5) Persamaan (5) berarti L adalah subruang coninvarian dari A. Contoh 3. 2 i A = i 2 maka 2 i A = i 2 = A, A = A 2 + i = + i 2, A 2 i = i 2 = A, dan A 2 + i = = A + i 2 Jadi, AA 2 i = i i + i 2 A = A 2 i = i i + i 2 Jurusan Statistika-FMIPA-Unpad
6 Seminar Nasional Statistika 2 November 20 Vol 2, November 20 Dengan demikian AA =A, sehingga A merupakan matriks normal conjugate. Selanjutnya, untuk menentukan nilai coneigen λ dan vektor invariant dari matriks di atas diperoleh det (λi A) = 0 λ 2 + i + i λ 2 = (λ 2) ( + i) = 0 Jadi, nilai-nilai coneigen dari matriks A adalah λ 2 = + i λ = i + Untuk λ = i + 3 i + + i (λ 2) + ( + i)((λ 2) ( + i) = 0 + i i + x x = 0 0 maka diperoleh x = t dan x = t λ 2 = ( + i) λ = i + 3 dan Jadi, x = t = t merupakan ruang eigen (ruang solusi/coninvarian) yang t berdimensi satu dengan basis u =, u merupakan vektor coninvarian dari A. Untuk λ = i + 3 i + + i + i i + x x = 0 0 maka diperoleh x = s dan x = s Jadi, x = s = s merupakan ruang eigen (ruang solusi/coninvarian) yang s berdimensi satu dengan basis v =, v merupakan vektor coninvarian dari A. Karena A matriks normal conjugate, maka nilai coneigen dan vektor coninvarian dari matriks A sama halnya dengan nilai coneigen dan vektor coninvarian dari matriks A. 3. KESIMPULAN Untuk setiap matriks A berordo 2 x 2 atas bilangan komplek mempunyai subruang coninvarian berdimensi -. Sedangkan untuk setiap matriks A berordo n x n atas bilangan kompleks dengan n 3 mempunyai subruang coninvarian berdimensi - atau 2. Untuk A matriks normal conjugate, subruang coninvarian A sama halnya dengan subruang coninvarian A. 4. DAFTAR PUSTAKA Anton, Howard, 2000, Dasar dasar Aljabar Linear, diterjemkan pleh Ir. Hari Suminto, Interaksara, Batam Ayres, Frank,Jr.PhD, 994, Matriks, diterjemahkan oleh I Nyoman Susila, Erlangga, JakartaFaϐbender,H dan Ikramov,Kh. D.,2006, Some observation on the Youla form and conjugate-normal matrices. (diakses pada bulan Juni 20) Faϐbender, H, dan Kh. D. Ikramov, 30 November 2007, Conjugate-normal matrices A Survey. bs.de/~hfassben/papers/youla.pdf (diakses pada bulan Juni 20) Jurusan Statistika-FMIPA-Unpad
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 terperinciPerluasan 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 terperinciBAB 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 terperinciMETODE 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 terperinciBAB 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 terperinciSUMMARY 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 terperinciKAJIAN 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 terperinciMenentukan 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 terperinciMATRIKS 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 terperinciBAB 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 terperinciMATRIKS 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 terperinciSOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2014), hal 91 98. SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Febrianti,
Lebih terperinciAljabar 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 terperinciAPLIKASI 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 terperinciMATERI ALJABAR LINEAR LANJUT RUANG VEKTOR
MATERI ALJABAR LINEAR LANJUT RUANG VEKTOR Disusun oleh: Dwi Lestari, M.Sc email: dwilestari@uny.ac.id JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA
Lebih terperinciBAB 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 terperinciBAB II TEORI KODING DAN TEORI INVARIAN
BAB II TEORI KODING DAN TEORI INVARIAN Pada bab 1 ini akan dibahas definisi kode, khususnya kode linier atas dan pencacah bobot Hammingnya. Di samping itu, akan dijelaskanan invarian, ring invarian dan
Lebih terperinciMATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL. Anis Fitri Lestari. Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK
MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL Anis Fitri Lestari Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK Matriks normal merupakan matriks persegi yang entri-entrinya bilangan kompleks
Lebih terperinciBAB 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 terperinciDIAGONALISASI 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 terperinciBAB 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 terperinciBAB 5 RUANG VEKTOR A. PENDAHULUAN
BAB 5 RUANG VEKTOR A. PENDAHULUAN 1. Definisi-1. Suatu ruang vektor adalah suatu himpunan objek yang dapat dijumlahkan satu sama lain dan dikalikan dengan suatu bilangan, yang masing-masing menghasilkan
Lebih terperinciTINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep mendasar meliputi ruang vektor,
II. TINJAUAN PUSTAKA Dalam bab ini akan dibahas beberapa konsep mendasar meliputi ruang vektor, ruang Bernorm dan ruang Banach, ruang barisan, operator linear (transformasi linear) serta teorema-teorema
Lebih terperinciI 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 terperinciSIFAT-SIFAT KESETARAAN PADA MATRIKS SECONDARY NORMAL ABSTRACT
SIFAT-SIFAT KESETARAAN PADA MATRIKS SECONDARY NORMAL Nursyahlina 1, S. Gemawati, A. Sirait 1 Mahasiswa Program Studi S1 Matematika Laboratorium Matematika Terapan, Jurusan Matematika Fakultas Matematika
Lebih terperinciBAB 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 terperinciOperasi perkalian skalar merupakan suatu aturan yang mengasosiasikan setiap skalar k dan setiap objek u pada v dengan suatu objek ku, yang disebut
RUANG VEKTOR REAL Aksioma ruang vektor, dinyatakan dlam definisi beikut, dimana aksiona merupakan aturan permainan dalam ruang vektor. Definisi : Jika V merupakan suatu himpunan tidak kosong dari objek
Lebih terperinciSTABILISASI SISTEM KONTROL LINIER DENGAN PENEMPATAN NILAI EIGEN
Jurnal Matematika UNAND Vol 2 No 3 Hal 126 133 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND STABILISASI SISTEM KONTROL LINIER DENGAN PENEMPATAN NILAI EIGEN FAURI Program Studi Matematika, Fakultas
Lebih terperinciRuang Baris, Ruang Kolom, dan Ruang Null (Kernel)
Ruang Baris, Ruang Kolom, dan Ruang Null (Kernel) Kuliah Aljabar Linier Semester Ganjil 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U November 2015 MZI (FIF Tel-U) Ruang Baris, Kolom,
Lebih terperinciKAJIAN 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 terperinciSATUAN 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 terperinciBAB 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 terperinciPertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:
Dimensi dari Suatu Ruang Vektor Jika suatu ruang vektor V memiliki suatu himpunan S yang merentang V, maka ukuran dari sembarang himpunan di V yang bebas linier tidak akan melebihi ukuran dari S. Teorema
Lebih terperinciLatihan 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 terperinciEKSISTENSI DAN KONSTRUKSI GENERALISASI
Jurnal Matematika UNAND Vol. V No. Hal. 77 85 SSN : 2303 290 c Jurusan Matematika FMPA UNAND KSSTNS DAN KONSTRUKS GNRALSAS {}-NVRS DAN {, 2}-NVRS ZAHY DL FTR, YANTA, NOVA NOLZA BAKAR Program Studi Matematika,
Lebih terperinciMENENTUKAN 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 terperinciRuang Vektor. Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Ruang Vektor. Syarat agar V disebut sebagai ruang vektor. Aljabar Linear dan Matriks 1
Ruang Vektor Kartika Firdausy UAD blog.uad.ac.id/kartikaf Syarat agar V disebut sebagai ruang vektor 1. Jika vektor vektor u, v V, maka vektor u + v V 2. u + v = v + u 3. u + ( v + w ) = ( u + v ) + w
Lebih terperinciEigen 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 terperinciALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS. Dosen Pengampu: DARMADI, S.Si, M.Pd. Oleh: Kelompok III
ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS Dosen Pengampu: DARMADI, SSi, MPd Oleh: Kelompok III 1 Andik Dwi S (06411008) 2 Indah Kurniawati (06411090) 3 Mahfuat M (06411104)
Lebih terperinciYang 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 terperinciMATRIKS A = ; B = ; C = ; D = ( 5 )
MATRIKS A. DEFINISI MATRIKS Matriks adalah suatu susunan bilangan berbentuk segi empat dari suatu unsur-unsur pada beberapa sistem aljabar. Unsur-unsur tersebut bisa berupa bilangan dan juga suatu peubah.
Lebih terperinciSUBRUANG VEKTOR. Disusun Untuk Memenuhi Mata Kuliah Aljabar Linier. Dosen Pembimbing: Abdul Aziz Saefudin, M.Pd
SUBRUANG VEKTOR Disusun Untuk Memenuhi Mata Kuliah Aljabar Linier Dosen Pembimbing: Abdul Aziz Saefudin, M.Pd Disusun Oleh : Kelompok 6/ III A4 1. Nina Octaviani Nugraheni 14144100115 2. Emi Suryani 14144100126
Lebih terperinciBAB 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 terperinciDIAGONALISASI 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 terperinciTRANSFORMASI LINIER PADA RUANG BANACH
TRANSFORMASI LINIER PADA RUANG BANACH Nur Aeni, S.Si., M.Pd Jurusan Matematika, Fakultas Sains dan Teknologi, UINAM nuraeniayatullah@gmail.com ABSTRAK Info: Jurnal MSA Vol. 2 No. 1 Edisi: Januari Juni
Lebih terperinciPENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL MENGGUNAKAN METODE PANGKAT
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 6, No. 0 (017), hal 17 6. PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL MENGGUNAKAN METODE PANGKAT Yuyun Eka Pratiwi, Mariatul Kiftiah,
Lebih terperinciEKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH
EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH Nur Aeni Prodi Matematika, Fakultas Sains dan Teknologi, UINAM nuraeniayatullah@gmailcom Info: Jurnal MSA Vol 3 No 1 Edisi: Januari
Lebih terperinciALJABAR 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 terperinciTujuan. 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 terperinciPENGHITUNGAN VEKTOR-KHARAKTERISTIK SECARA ITERATIF MENGGUNAKAN TITIK TETAP BROUWER
J. Math. and Its Appl. ISSN: 829-65X Vol. 8, No. 2, November 2, 8 PENGHITUNGAN VEKTOR-KHARAKTERISTIK SECARA ITERATIF MENGGUNAKAN TITIK TETAP BROUWER Subiono Jurusan Matematika FMIPA Institut Teknologi
Lebih terperinciCreated By Aristastory.Wordpress.com BAB I PENDAHULUAN. Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk memeriksa kelakuan sistem dinamik kompleks, biasanya dengan menggunakan persamaan diferensial
Lebih terperinciBAB 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 terperinciTrihastuti 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 terperinciAljabar Linier Elementer. Kuliah 26
Aljabar Linier Elementer Kuliah 26 Materi Kuliah Transformasi Linier Umum Kernel dan Range 10/11/2014 Yanita, Matematika FMIPA Unand 2 Transformasi Linier Umum Definisi Misalkan V dan W adalah ruang vektor
Lebih terperinciSPECTRUM 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 terperinciAPLIKASI 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 terperinciA 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 terperinciBAB 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 terperinciNilai Eigen dan Vektor Eigen Universal Matriks Interval Atas Aljabar Max-Plus
Nilai Eigen dan Vektor Eigen Universal Matriks Interval Atas Aljabar Max-Plus Fitri Aryani 1, Tri Novita Sari 2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau e-mail: khodijah_fitri@uin-suska.ac.id
Lebih terperinciSISTEM 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 terperinciRANK MATRIKS ATAS RING KOMUTATIF
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 1 (2013), hal. 63 70. RANK MATRIKS ATAS RING KOMUTATIF Eka Wulan Ramadhani, Nilamsari Kusumastuti, Evi Noviani INTISARI Rank dari matriks
Lebih terperinciUNIVERSITAS PENDIDIKAN INDONESIA
Ruang Norm Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Definisi. Misalkan suatu ruang vektor atas. Norm pada didefinisikan sebagai fungsi. : yang memenuhi N1. 0 N2. 0 0 N3.,, N4.,, Kita dapat
Lebih terperinciPROGRAM 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 terperinciAljabar Linier Elementer. Kuliah 27
Aljabar Linier Elementer Kuliah 27 Materi Kuliah Transformasi Linier Invers Matriks Transformasi Linier Umum //24 Yanita, Matematika FMIPA Unand 2 Transformasi Linier Satu ke satu dan Sifat-sifatnya Definisi
Lebih terperinciMatriks - 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 terperinciGARIS-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 terperinciBAB II MATRIKS POSITIF. Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi
BAB II MATRIKS POSITIF Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi dari seorang matematikawan German, Oskar Perron. Perron menerbitkan tulisannya tentang sifat-sifat
Lebih terperinciBAB 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 terperinciRUANG HASIL KALI DALAM (RHKD) Makalah Ini Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu: Abdul Aziz Saefudin, M.
RUANG HASIL KALI DALAM (RHKD) Makalah Ini Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu: Abdul Aziz Saefudin, M.Pd Disusun oleh: Kelompok 5 1. Nurita Cahyaningtyas (14144100112)
Lebih terperinciKAJIAN 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 terperinciuntuk 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(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 terperinciBAB 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 terperinciBAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik
BAB II LANDASAN TEORI Pada bab ini, akan dijelaskan landasan teori yang akan digunakan dalam bab selanjutnya sebagai bahan acuan yang mendukung dan memperkuat tujuan penelitian. Landasan teori yang dimaksud
Lebih terperinciMENGHITUNG 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 terperinci04-Ruang Vektor dan Subruang
04-Ruang Vektor dan Subruang Vektor (1) Dosen: Anny Yuniarti, M.Comp.Sc Gasal 2011-2012 Anny2011 1 Agenda Bagian 1: Ruang Vektor Bagian 2: Nullspace of A: Solusi Ax = 0 Bagian 3: Rank dan Row-reduced-form
Lebih terperinciAljabar Linier Sistem koordinat, dimensi ruang vektor dan rank
Aljabar Linier Sistem koordinat, dimensi ruang vektor dan rank khozin mu tamar 9 Oktober 2014 PERTEMUAN-4 : SISTEM KOORDINAT, DIMEN- SI RUANG VEKTOR DAN RANK 1. Sistem koordinat (a) Ketunggalan scalar
Lebih terperinciBAB 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 terperinciII. TINJAUAN PUSATAKA
4 II. TINJAUAN PUSATAKA 2.1 Operator Definisi 2.1.1 (Kreyszig, 1989) Suatu pemetaan pada ruang vektor khususnya ruang bernorma disebut operator. Definisi 2.1.2 (Kreyszig, 1989) Diberikan ruang Bernorm
Lebih terperinciKS KALKULUS DAN ALJABAR LINEAR Ruang Baris Ruang Kolom Ruang Nol TIM KALIN
KS96 KALKULUS DAN ALJABAR LINEAR Ruang Baris Ruang Kolom Ruang Nol TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat mencari ruang baris, ruang kolom,
Lebih terperinciKARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 4 Mei 0 KARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI
Lebih terperinciMENENTUKAN 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 terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Konvek Definisi 2.1.1. Suatu himpunan C di R n dikatakan konvek jika untuk setiap x, y C dan setiap bilangan real α, 0 < α < 1, titik αx + (1 - α)y C atau garis penghubung
Lebih terperinciKS 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 terperinciPertemuan 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 terperinciMatriks 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 terperinciKonstruksi Matriks NonNegatif Simetri dengan Spektrum Bilangan Real
J. Math. and Its Appl. ISSN: 189-605X Vol. 4, No. 1, May 007, 17 5 Konstruksi Matriks NonNegatif Simetri dengan Spektrum Bilangan Real Bambang Sugandi 1 dan Erna Apriliani 1 Jurusan Matematika, FMIPA Unibraw,
Lebih terperinciPenyelesaian Penempatan Kutub Umpan Balik Keluaran dengan Matriks Pseudo Invers
Penyelesaian Penempatan Kutub Umpan Balik Keluaran dengan Matriks Pseudo Invers Agung Wicaksono Program Studi Matematika Jurusan Matematika FSM UNDIP Onforest212@gmail.com Abstrak: Metode matriks pseudo
Lebih terperinciSEMINAR NASIONAL BASIC SCIENCE II
ISBN : 978--97-- PROSEDING SEMINAR NASIONAL BASIC SCIENCE II Konstribusi Sains Untuk Pengembangan Pendidikan, Biodiversitas dan Metigasi Bencana Pada Daerah Kepulauan SCIENTIFIC COMMITTEE: Prof. H.J. Sohilait,
Lebih terperinciMODUL 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 terperinciKS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN
KS091206 KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat mengetahui definisi dan sifat-sifat dari ruang vektor
Lebih terperinciBAB 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 terperinciMATEMATIKA 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 terperinciBAB 2 RUANG HILBERT. 2.1 Definisi Ruang Hilbert
BAB 2 RUANG HILBERT Pokok pembicaraan kita dalam tugas akhir ini berpangkal pada teori ruang Hilbert. Untuk itu di bab ini akan diberikan definisi ruang Hilbert dan ciri-cirinya, separabilitas ruang Hilbert,
Lebih terperinciTeori kendali. Oleh: Ari suparwanto
Teori kendali Oleh: Ari suparwanto Minggu Ke-1 Permasalahan oleh : Ari Suparwanto Permasalahan Diberikan sistem dan sinyal referensi. Masalah kendali adalah menentukan sinyal kendali sehingga output sistem
Lebih terperinciBAB III OPERATOR LINEAR TERBATAS PADA RUANG HILBERT. Operator merupakan salah satu materi yang akan dibahas dalam fungsi
BAB III OPERATOR LINEAR TERBATAS PADA RUANG HILBERT 3.1 Operator linear Operator merupakan salah satu materi yang akan dibahas dalam fungsi real yaitu suatu fungsi dari ruang vektor ke ruang vektor. Ruang
Lebih terperinciRUANG FAKTOR. Oleh : Muhammad Kukuh
Muhammad Kukuh, Ruang RUANG FAKTOR Oleh : Muhammad Kukuh Abstraksi Pada struktur aljabar dikenal istilah grup faktor yaitu Jika grup dan N Subgrup normal G, maka grup faktor dengan operasi Apabila G ruang
Lebih terperinciSpektrum 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 terperinciSISTEM PERSAMAAN LINEAR
Pokok Bahasan : Sistem persamaan linier Sub Pokok Bahasan : Sistem persamaan linier Eliminasi Gauss Eliminasi Gauss Jordan Penyelesaian SPL dengan invers SISTEM PERSAMAAN LINEAR Tujuan : Menyelesaikan
Lebih terperinci