NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A =
|
|
- Hengki Kurniawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 sebuah kelipatan skalar dari x; jelasnya: Ax λx untuk skalar sebarang λ. Skalar λ ini disebut nilai eigen (nilai karakteristik) dari A, dan x disebut sebagai vektor eigen (vektor karakteristik) dari A yang terkait dengan λ. Diberikan vektor x Maka, vektor x nilai eigen λ. dan matriks A 8. Ax 8 6 x disebut vektor eigen dari matriks A 8 yang terkait dengan Untuk memperoleh nilai eigen dari sebuah matriks A berukuran n n, persamaan Ax λx dapat dituliskan kembali menjadi Ax λix Ax λix A λi x Agar λ dapat menjadi nilai eigen, harus terdapat satu solusi taknol dari persamaan ini. Persamaan ini memiliki solusi taknol jika dan hanya jika det A λi Persamaan di atas disebut sebagai persamaan karakteristik dari matriks A; skalar-skalar yang memenuhi persamaan ini adalah nilai-nilai eigen dari matriks A. Persamaan karakteristik di atas juga bisa dituliskan: det λi A Apabila diperluas lagi, det(a λi) atau det(λi A) adalah sebuah polinomial p dalam variabel λ yang disebut sebagai polinomial karakteristik dari matriks A. Tentukan nilai-nilai eigen dari Pertama, cari dahulu matriks A λi. A λi A λi A λ λ λ λ λ λ λ
2 Selanjutnya, cari det( A I). d et ( A I) (8 ) (8 ) Dengan menggunakan persamaan karakteristik, diperoleh det( AI) ( 4)( 4 ) Dengan menggunakan rumus kuadratik, maka solusi untuk dan TEOREMA adalah ( 4 ), sehingga didapatlah nilai-nilai eigen dari matriks A, yaitu: λ 4, λ +, λ Jika A adalah sebuah matriks segitiga (atas/bawah) atau matriks diagonal, maka nilai-nilai eigen dari A adalah entri-entri yang terletak pada diagonal utama matriks A. Tentukan nilai-nilai eigen dari matriks B 6 Berdasarkan Teorema, maka nilai-nilai eigen dari matriks B adalah TEOREMA λ 4, λ. λ, λ 6 Jika A adalah suatu matriks n n dan λ adalah suatu bilangan riil, maka pernyataanpernyataan berikut ini adalah ekuivalen. () λ adalah suatu nilai eigen dari A. () Sistem persamaan A λi x memiliki solusi nontrivial. () Terdapat suatu vektor taknol x pada R n sedemikian rupa sehingga Ax λx. (4) λ adalah suatu solusi dari persamaan karakteristik det(a λi). >> MENENTUKAN BASIS UNTUK RUANG EIGEN Setelah mengetahui bagaimana cara mencari nilai eigen, selanjutnya adalah mempelajari bagaimana cara mencari vektor eigen. Vektor-vektor eigen matriks A yang terkait dengan suatu nilai eigen λ adalah vektor-vektor taknol x yang memenuhi persamaan
3 Ax λx. Dengan kata lain, vektor-vektor eigen yang terkait dengan λ adalah vektor-vektor di dalam ruang solusi A λi x. Ruang solusi ini disebut sebagai ruang eigen dari matriks A yang terkati dengan λ. Tentukanlah basis-basis untuk ruang eigen dari matriks A Persamaan karakteristik dari matriks A adalah: Atau λ + 5λ 8λ + 4 λ 5λ + 8λ 4 Dengan menggunakan pemfaktoran, didapatlah: sehingga, nilai-nilai eigen dari A adalah: λ λ λ & λ Berdasarkan definisi, x x x x adalah suatu vektor eigen dari matriks A yang terkait dengan λ jika dan hanya jika Ax λx. Hal ini berarti bahwa x dikatakan sebagai suatu vektor eigen dari matriks A jika dan hanya jika x merupakan suatu solusi nontrivial dari persamaan A λi x, yaitu: x x x Jika λ, maka diperoleh λ λ λ x x x Dengan menggunakan operasi baris elementer, didapatlah x + x x x Karena dari hasil yang didapat, tidak terdapat keterangan mengenai x, maka x dapat dianggap sebagai suatu parameter; misalkan x t. Dan, misalkan pula x s, maka: x s, x t, x s sehingga, vektor eigen dari A yang terkait dengan λ adalah vektor-vektor taknol yang berbentuk x s s x x t + t s + t x s s Karena &
4 bebas linier (mengapa?), vektor-vektor ini membentuk suatu basis untuk ruang eigen yang terkait dengan λ. Jika λ, maka diperoleh x x x Dengan menggunakan operasi baris elementer, didapatlah Misalkan x s, maka x + x x x x x x x x s, x s, x s sehingga, vektor eigen dari A yang terkait dengan λ adalah vektor-vektor taknol yang berbentuk x s x x s s x s Karena bebas linier (mengapa?), vektor di atas membentuk suatu basis yang terkait dengan λ. Untuk menentukan vektor-vektor eigen yang bersesuaian dengan nilai eigen (λ), harus ditentukan terlebih dahulu basis-basis untuk ruang eigennya. Perhatikan kembali contoh di atas. Untuk vektor eigen dari A yang terkait dengan λ adalah vektor-vektor taknol yang berbentuk x s + t Misalkan s dan t, maka didapatlah vektor eigen yang terkait dengan λ adalah: x + Sementara, untuk vektor eigen dari A yang terkait dengan λ adalah vektor-vektor taknol yang berbentuk x s Misalkan s, maka didapatlah vektor eigen yang terkait dengan λ adalah: x + 4 4
5 TEOREMA Jika k adalah bilangan bulat positif, λ adalah nilai eigen dari suatu matriks A, dan x adalah vektor eigen yang terkait dengan λ, maka λ k adalah nilai eigen dari A k dan x adalah vektor eigen yang terkait dengannya. Pada contoh sebelumnya telah ditunjukkan bahwa nilai-nilai eigen dari matriks A adalah λ dan λ, sehingga berdasarkan Teorema, nilai-nilai eigen dari matriks A 7 adalah: λ 7 8 & λ 7 Selain itu, telah ditunjukkan juga bahwa vektor eigen dari A yang terkait dengan λ adalah vektor-vektor taknol yang berbentuk x s Maka, berdasarkan Teorema, vektor-vektor eigen dari matriks A yang terkait dengan λ akan sama dengan vektor-vektor eigen dari matriks A 7 yang terkait dengan λ 7 8. Begitu pula untuk λ 7. Telah ditunjukkan bahwa vektor eigen dari A yang terkait dengan λ adalah vektor-vektor taknol yang berbentuk x s Maka, berdasarkan Teorema, vektor-vektor eigen dari matriks A yang terkait dengan λ akan sama dengan vektor-vektor eigen dari matriks A 7 yang terkait dengan λ 7. Soal A:. Tentukan nilai-nilai eigen dari + t 9 S jika diketahui 7 S. Tentukan nilai eigen dan basis untuk ruang eigen T 5 T jika diketahui 5
6 >> DIAGONALISASI Sebuah matriks persegi A dikatakan dapat didiagonalisasi jika terdapat suatu matriks P yang dapat dibalik sedemikian rupa sehingga P AP adalah suatu matriks diagonal. Matriks P dikatakan mendiagonalisasi matriks A. Berikut ini adalah prosedur untuk mendiagonalisasi suatu matriks. ) Tentukan n vektor eigen dari A yang bebas linier; misalkan p, p,, p n. ) Bentuklah suatu matriks P dengan p, p,, p n sebagai vektor-vektor kolomnya. ) Matriks P AP kemudian akan menjadi diagonal dengan λ, λ,, λ n sebagai entri-entri diagonalnya secara berurutan, dengan λ i adalah nilai-nilai eigen yang terkait dengan p i untuk i,,, n. Tentukan suatu matriks P yang mendiagonalisasi matriks A Dari contoh sebelumnya, telah didapat nilai-nilai eigen dari A adalah λ dan λ, serta basis-basis berikut untuk ruang eigen λ p & p λ p Terdapat tiga vektor basis secara keseluruhan sehingga matriks A dapat didiagonalisasi dan P Mendiagonalisasi A. Untuk memastikan kebenarannya, carilah P AP. P AP Tidak terdapat urutan yang khusus untuk kolom-kolom matriks P. Karena entri ke-i matriks P AP adalah suatu nilai eigen untuk vektor kolom ke-i matriks P, maka jika urutan dari kolom-kolom matriks P diubah, hal ini hanya akan mengubah urutan dari nilai-nilai eigen pada diagonal matriks P AP. Jadi, sebagai contoh, dengan menuliskan matriks P untuk contoh yang di atas maka, P P AP. 6
7 TEOREMA 4 Jika suatu matriks A n n memiliki n nilai eigen yang berbeda, maka A dapat didiagonalisasi. >> MENGHITUNG PANGKAT SUATU MATRIKS Jika diketahui matriks persegi A dapat didiagonalisasi oleh matriks P sedemikian rupa sehingga P AP D, maka: A k PD k P Tentukan A jika A Pada contoh sebelumnya, matriks A di atas dapat didiagonalisasi oleh dan Maka, Soal B: A PD P A PD P P P AP D Diberikan matriks A sebagai berikut. Tentukan matriks A. 8 A 7
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 terperinci7. 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 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 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 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 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 LANDASAN TEORI
5 BAB II LANDASAN TEORI 2.1 Matriks Matriks (matrix) adalah jajaran empat persegi panjang dan bilanganbilangan. Bilangan-bilangan dalam jajaran tersebut disebut entri dari matriks. Berikut ini beberapa
Lebih 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 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 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 terperinciBAB 3 FUNGSI MONOTON MATRIKS
BAB 3 FUNGSI MONOTON MATRIKS Pada bab ini akan dibahas fungsi monoton matriks. Dalam mengkontruksi fungsi monoton matriks banyak istilah yang harus kita ketahui sebelumnya. Beberapa konsep yang akan dibahas
Lebih 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 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 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 terperinciNilai dan Vektor Eigen
Nilai dan Vekto Eigen Mengingat kembali: pekalian matiks Dibeikan matiks A x dan vekto-vekto u, v, dan w 0 1 u 0 5 A v w u 1 Hitunglah Au, Aw, Av. Manakah dai hasil kali tesebut yang hasilnya adalah vekto
Lebih 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 terperinciBAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil
BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Diagonalisasi Sub bab ini membahas tentang faktorisasi matriks A berorde nn ke dalam hasil kali berbentuk PDP, di mana D adalah matriks diagonal. Jika diperoleh
Lebih 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 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 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 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 terperinciII. TINJAUAN PUSTAKA. Sistem dinamik adalah sistem yang berubah dari waktu ke waktu (Farlow,et al.,
II. TINJAUAN PUSTAKA 2.1 Sistem Dinamik Sistem dinamik adalah sistem yang berubah dari waktu ke waktu (Farlow,et al., 2002). Salah satu tujuan utama dari sistem dinamik adalah mempelajari perilaku dari
Lebih 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembahasan mendasar mengenai matriks terutama yang berkaitan dengan matriks yang dapat didiagonalisasi telah jelas disajikan dalam referensi yang biasanya digunakan
Lebih terperinciLampiran 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 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan di perlukan pada Bab 3. Tinjauan pustaka yang dibahas adalah mengenai yang mendukung
Lebih 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 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 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 terperinciAljabar 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(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 terperinciPart 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 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 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 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 terperinciBAB II LANDASAN TEORI. pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan
BAB II LANDASAN TEORI Pada bab ini akan dijelaskan mengenai landasan teori yang akan digunakan pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan matematika, teorema Taylor, nilai eigen,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Analytic Hierarchy Process (AHP) Sumber kerumitan masalah keputusan bukan hanya dikarenakan faktor ketidakpasatian atau ketidaksempurnaan informasi saja. Namun masih terdapat penyebab
Lebih terperinci5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel.
1. Persamaan Linier 5. PERSAMAAN LINIER Persamaan linier adalah suatu persamaan yang variabel-variabelnya berpangkat satu. Disamping persamaan linier ada juga persamaan non linier. Contoh : a) 2x + 3y
Lebih terperinciSebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk :
Persamaan Linear Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk : a x + a y = b Persamaan jenis ini disebut sebuah persamaan linear dalam peubah x dan y. Definisi
Lebih 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 terperinciMAKALAH ALJABAR LINIER
MAKALAH ALJABAR LINIER Transformasi Linier Makalah Ini Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linier Dosen Pengampu : Abdul Aziz Saefudin, S.Pd.I, M.Pd Disusun Oleh: III A4 Kelompok 12 1. Ria
Lebih terperinciDIAGONALISASI 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 terperinciPenerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika
Penerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika Nurmia,a), Muhammad Abdy,b), Syafruddin Side 3,c),,3 Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih 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 terperinciALJABAR LINIER DAN MATRIKS
ALJABAR LINIER DAN MATRIKS MATRIKS (DETERMINAN, INVERS, TRANSPOSE) Macam Matriks Matriks Nol (0) Matriks yang semua entrinya nol. Ex: Matriks Identitas (I) Matriks persegi dengan entri pada diagonal utamanya
Lebih 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 terperinciBAB II DETERMINAN DAN INVERS MATRIKS
BAB II DETERMINAN DAN INVERS MATRIKS A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU MATRIKS Matriks A = berdimensi mxn dapat dibentuk matriks baru dengan menggandakan perubahan bentuk baris dan/atau
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa definisi dan teorema dengan atau tanpa bukti yang akan digunakan untuk menentukan regularisasi sistem singular linier. Untuk itu akan diberikan terlebih
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Analisis Regresi Tidak jarang dihadapkan dengan persoalaan yang melibatkan dua atau lebih peubah atau variabel yang ada atau diduga ada dalam suatu hubungan tertentu. Misalnya
Lebih terperinciMULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS
MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS 1 Kirana Permata Putri, 2 Ardi Pujiyanta(0529056601) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan Prof. Dr. Soepomo, S.H., Janturan, Umbulharjo,
Lebih terperinci& & # = atau )!"* ( & ( ( (&
MATRIKS ======PENGERTIAN====== Matriks merupakan Susunan bilangan-bilangan yang membentuk segi empat siku-siku. Susunan bilangan-bilangan tersebut dinamakan entri dalam matriks. Matriks dinotasikan dengan
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 terperinciModul 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 terperinciPENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI
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
Lebih terperinciAljabar 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 terperinciDeterminan. Untuk menghitung determinan ordo n terlebih dahulu diberikan cara menghitung determinan ordo 2
Determinan Determinan Setiap matriks bujur sangkar A yang berukuran (nxn) dapat dikaitkan dengan suatu skalar yang disebut determinan matriks tersebut dan ditulis dengan det(a) atau A. Untuk menghitung
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Dalam bab ini akan dibahas beberapa poin tentang sistem dinamik, kestabilan sistem dinamik, serta konsep bifurkasi. A. Sistem Dinamik Secara umum Sistem dinamik didefinisikan
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 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 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 terperinciBAB II TINJAUAN PUSTAKA. tegak, perlu diketahui tentang materi-materi sebagai berikut.
BAB II TINJAUAN PUSTAKA Sebelum pembahasan mengenai irisan bidang datar dengan tabung lingkaran tegak, perlu diketahui tentang materi-materi sebagai berikut. A. Matriks Matriks adalah himpunan skalar (bilangan
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 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 terperinciBAB II KAJIAN TEORI. dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai nilai eigen dan vektor eigen, sistem dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan sistem dinamik, kriteria Routh-Hurwitz,
Lebih 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 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 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 terperinciBab 2 LANDASAN TEORI
17 Bab 2 LANDASAN TEORI 2.1 Aljabar Matriks 2.1.1 Definisi Matriks Matriks adalah suatu kumpulan angka-angka yang juga sering disebut elemen-elemen yang disusun secara teratur menurut baris dan kolom sehingga
Lebih terperinciMUH1G3/ 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 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 terperinciALJABAR 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 terperinciDiagonalisasi 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 terperinciMatematika 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 terperinciPart II SPL Homogen Matriks
Part II SPL Homogen Matriks SPL Homogen Bentuk Umum SPL homogen dalam m persamaan dan n variabel x 1, x 2,, x n : a 11 x 1 + a 12 x 2 + + a 1n x n = 0 a 21 x 1 + a 22 x 2 + + a 2n x n = 0 a m1 x 1 + a
Lebih terperinciBAB 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 terperinciBAB 2. DETERMINAN MATRIKS
BAB. DETERMINAN MATRIKS DETERMINAN MATRIKS . Definisi DETERMINAN Determinan : produk (hasil kali) bertanda dari unsur-unsur matriks sedemikian hingga berasal dari baris dan kolom yang berbeda, kemudian
Lebih terperinciAljabar Linier Elementer. Kuliah 1 dan 2
Aljabar Linier Elementer Kuliah 1 dan 2 1.3 Matriks dan Operasi-operasi pada Matriks Definisi: Matriks adalah susunan bilangan dalam empat persegi panjang. Bilangan-bilangan dalam susunan tersebut disebut
Lebih terperinciBAB 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 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 terperinciPertemuan 8 Aljabar Linear & Matriks
Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b
Lebih terperinci3. RUANG VEKTOR. dan jika k adalah sembarang skalar, maka perkalian skalar ku didefinisikan oleh
. RUANG VEKTOR. VEKTOR (GEOMETRIK) PENGANTAR Jika n adalah sebah bilangan blat positif maka tpel-terorde (ordered-n-tple) adalah sebah rtan n bilangan riil (a a... a n ). Himpnan sema tpel-terorde dinamakan
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 terperinciMATRIKS. Slide : Tri Harsono PENS - ITS. 1 Politeknik Elektronika Negeri Surabaya (PENS) - ITS
MATRIKS Slide : Tri Harsono PENS - ITS 1 Sifat Matriks Perkalian dua matriks tidak komutatif Perkalian dua matriks bersifat assosiatif dan distributif tidak komutatif AB BA (AB)C = A(BC) A(B+C) = AB +
Lebih terperinciFisika Matematika II 2011/2012
Fisika Matematika II 2/22 diterjemahkan dari: Mathematical Methods for Engineers and Scientists, 2, dan 3 K. T. Tang Penterjemah: Imamal Muttaqien dibantu oleh: Adam, Ma rifatush Sholiha, Nina Yunia, Yudi
Lebih terperinciMENENTUKAN 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 terperinciI. Sistem Persamaan Diferensial Linier Orde 1 (Review)
I. Sistem Persamaan Diferensial Linier Orde (Review) November 0 () I. Sistem Persamaan Diferensial Linier Orde (Review) November 0 / 6 Teori Umum Bentuk umum sistem persamaan diferensial linier orde satu
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 terperinciII. M A T R I K S ... A... Contoh II.1 : Macam-macam ukuran matriks 2 A. 1 3 Matrik A berukuran 3 x 1. Matriks B berukuran 1 x 3
11 II. M A T R I K S Untuk mencari pemecahan sistem persamaan linier dapat digunakan beberapa cara. Salah satu yang paling mudah adalah dengan menggunakan matriks. Dalam matematika istilah matriks digunakan
Lebih terperinciMATRIKS. 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 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 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 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 terperinciBAB II LANDASAN TEORI. dalam matriks (Anton, 2000:45). kolom (garis vertikal) yang dikandungnya. Suatu matriks dengan hanya
BAB II LANDASAN TEORI A. Matriks. Pengertian Matriks Definisi II.A. Matriks adalah suatu susunan bilangan-bilangan berbentuk segiempat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks
Lebih terperinciBAB 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 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 terperinciSuatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut:
Bagian 5. RUANG VEKTOR 5.1 Lapangan (Field) Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut: 1. dan 2., 3.,
Lebih terperinciBAB II DASAR DASAR TEORI
BAB II DASA DASA TEOI.. uang ruang Vektor.. uang Vektor Umum Defenisi dan sifat sifat sederhana Defenisi : Misalkan V adalah sebarang himpunan benda yang didefenisikan dua operasi, yakni penambahan perkalian
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 terperinci