7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal
|
|
- Hendri Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 7. NILAI-NILAI VEKTOR EIGEN Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal
2 Nilai Eigen, Vektor Eigen Diketahui A matriks nxn dan x adalah suatu vektor pada R n, maka biasanya tdk ada hubungan antara vektor x dengan vektor Ax. Ax x Namun, dapat terjadi vektor x tertentu sedemikian sehingga x dan Ax merupakan penggandaan satu sama lain Ax x
3 Jika A adalah matriks nxn, Vektor-vektor tidak nol pada R n disebut vektor eigen dari A jika Ax adalah suatu penggandaan skalar dari x, yaitu: Untuk semua skalar. Nilai Eigen, Vektor Eigen Apabila diberikan transformasi linier A : Rn Rn, maka kita perlu menentukan skalar sehingga Ax = x mempunyai solusi tak nol. Ax = x Skalar disebut eigenvalue A, dan x disebut juga eigenvector A bersepadanan dengan.
4 Nilai Eigen, Vektor Eigen Jika diketahui vektor adalah suatu vektor eigen maka tentukan nilai eigen dari vektor tersebut. Ax = x λ =3
5 Menghitung λ Untuk mencari nilai eigen dari matriks A yang berukuran nxn, maka: A nn Ax = x Ax = Ix (I A)x =. det (I A) = Persamaan karakteristik dari A, dimana skalar yang memenuhi persamaan ini adalah nilai eigen dari A. det (I A) merupakan persamaan polinomial p dalam dan disebut polinomial karakteristik dari A.
6 Menghitung λ det (I A) =
7 Nilai Eigen, Vektor Eigen Tentukan nilai eigen dari A Polinomial karakteristik A didapat melalui: det( I A) det Nilai eigen value diperoleh melalui = = (-4)(2-4 +) =
8 Nilai Eigen, Vektor Eigen Tentukan nilai eigen dari Nilai eigen value = ½, = 2/3, dan = -/ A det (I A) = Jika A adalah matriks segitiga nn triangular matrix ( segitiga atas, segitiga bawah atau diagonal) maka nilai eigen dari A adalah anggota diagonal A.
9 Teorema Eigen Jika A nn dan adalah bilangan real maka pernyataan berikut adalah ekuivalen: adalah nilai eigen dari A. Sistem persamaan (I A)x = memiliki solusi tak-trivial. Ada suatu vektor tak-nol x pada R n sedemikian sehingga Ax = x. merupakan suatu penyelesaian dari persamaan karakteristik det(i A) =.
10 Basis Ruang Eigen Eigenvectors A bersepadanan dengan eigenvalue adalah vektor tak-nol x yang memenuhi Ax = x. Eigenvectors yang bersepadanan dengan adalah vektor tak-nol dalam ruang penyelesaian (I A)x = ruang eigen A yang berhubungan dengan. Mencari nilai eigen det (I A) = Mencari vektor eigen (I A)x =
11 Basis Ruang Eigen Cara menentukan nilai eigen dan vektor eigen matriks A ukuran nxn :. Tentukan polinomial karakteristik det(i A)= dari matriks A. 2. Tentukan nilai eigen A dengan menyelesaikan persamaan karakteristik det (I A) = untuk. 3. Untuk tiap nilai eigen tentukan ruang null dari matriks A-I. Vektor tak nol yang berhubungan dengan itu merupakan vektor eigen A. 4. Tentukan basis untuk ruang eigen tersebut.
12 Contoh Basis Ruang Eigen Cari basis-basis untuk ruang eigen dari 2 A 2 3 Mencari nilai eigen det (I A) = = ( )( 2) 2 = = and = 2 Mencari vektor eigen (I A)x = 2 x 2 x (3) 2 3 x 3
13 Contoh Basis Ruang Eigen Menentukan ruang solusi dan basis untuk = x x 2 x 3 x = -s, x 2 = t, x 3 = s Vektor eigen dari A yang bersepadanan dengan = 2 adalah vektor tak nol berbentuk: x s s t t s t s s Cek : apakah bebas linier. Jika iya, maka vektor-vektor tersebut membentuk suatu basis untuk ruang eigen yang berpadanan dengan = 2
14 Contoh Basis Ruang Eigen Dengan cara yang sama, ditentukan ruang solusi dan basis untuk = Vektor eigen dari A yang bersepadanan dengan = adalah vektor tak nol berbentuk: basis untuk ruang eigen yang berpadanan dengan = 2
15 Nilai Eigen Dari Pangkat Suatu Matriks Jika k : bilangan bulat positif, : eigenvalue matriks A, x : eigenvector k adalah eigenvalue dari A k dan x is a corresponding eigenvector. A 2 x= A (Ax) A (x) = (Ax) - (x) = 2 x Teorema: Jika k adalah suatu bilangan bulat positif, adalah suatu nilai eigen dari suatu matriks A, dan x adalah suatu vektor eigen yang berpadanan, maka k adalah suatu nilai eigen dari A k dan x adalah suatu vektor eigen yang berpadanan.
16 Nilai Eigen Dari Pangkat Suatu Matriks Contoh: Nilai Eigen dari 2 A 2 3 Vektor eigen dari A untuk nilai = 2 adalah adalah = and = 2 Nilai eigen untuk A 7 : = 2 7 = 28 dan = 7 = Vekor eigen untuk A 7 yang bersepadanan dengan = 2 7 = 28 Vektor eigen dari A untuk nilai = adalah Vekor eigen untuk A 7 yang bersepadanan dengan = 7 =
17 Matriks Balikan pada Nilai Eigen Suatu matriks bujursangkar A dapat dibalik jika dan hanya jika = bukanlah suatu nilai eigen dari A.
18 Ringkasan Jika A mn matrix, dan jika T A : R n R n adalah perkalian dengan A; A dapat di-invers. Ax = hanya memiliki persamaan trivial. Bentuk baris tereduksi dari A adalah I n. A dapat dinyatakan sebagai hasil kali matriks-matriks dasar. Ax = b konsisten untuk setiap matriks b, n. Ax = b tepat mempunyai satu solusi untuk setiap matriks b, n. det(a). Range (daerah hasil) T A adalah R n. T A satu satu. Vektor kolom A bebas linier. Vektor baris A bebas linier. Vektor kolom A merentang R n. Vektor baris A merentang R m. Vektor kolom dari A membentuk suatu basis untuk R n. Vektor baris dari A membentuk suatu basis untuk R n. A berpangkat n. A mempunyai kekosongan. Komplemen orthogonal dari ruang kosong A adalah R n. Komplemen orthogonal dari ruang baris A adalah {}. A T A bisa dibalik = bukanlah suatu nilai eigen dari A
19 DIAGONALISASI
20 Diagonalisasi Matriks Suatu matriks bujursangkar A dikatakan diagonalizable Jika ada matriks P yang dapat diinvers sehingga P - AP =D adalah matriks diagonal Matriks P dikatakan mendiagonalkan ( diagonalize) A. Jika A nn maka: A dapat didiagonalkan. A mempunyai n vektor eigen yang bebas secara linier.
21 Prosedur Diagonalisasi Matriks Suatu matriks A nxn dengan n vektor eigen yang bebas linier dapat didiagonalkan dengan langkah sbb:. Step. Cari n vektor eigen yang bebas secara linier dari A, yaitu p, p 2,, p n. Step 2. Bentuk matriks P yang mempunyai p, p 2,, p n sebagai vektor-vektor kolomnya. Step 3. Matriks P - AP akan menjadi matriks diagonal dengan, 2,, n sebagai anggota diagonalnya dimana i adalah nilai eigen yang berpadanan dengan p, i untuk i =, 2,, n.
22 Contoh Diagonalisasi Matriks Cari matriks P yang mendiagonalkan : 2 A 2 3 Mencari nilai eigen det (I A) = = ( )( 2) 2 = = and = 2 Mencari vektor eigen (I A)x = 2 x 2 x (3) 2 3 x 3
23 Contoh Diagonalisasi Matriks Menentukan ruang solusi dan basis untuk = x x 2 x 3 x = -s, x 2 = t, x 3 = s Vektor eigen dari A yang bersepadanan dengan = 2 adalah vektor tak nol berbentuk: x s s t t s t s s Cek : apakah bebas linier. Jika iya, maka vektor-vektor tersebut membentuk suatu basis untuk ruang eigen yang berpadanan dengan = 2
24 Contoh Diagonalisasi Matriks Dengan cara yang sama, ditentukan ruang solusi dan basis untuk = Vektor eigen dari A yang bersepadanan dengan = 2 adalah vektor tak nol berbentuk: basis untuk ruang eigen yang berpadanan dengan = 2
25 Contoh Diagonalisasi Matriks, p p 2 2 p 3 Sehingga didapat basis untuk ruang eigen adalah sebagai berikut: = 2: = : 2 P Cek apakah matriks A dapat didiagonalkan dan mendiagonalkan A: D AP P
26 Contoh Diagonalisasi Matriks Cari matriks P yang mendiagonalkan A Polinominal karakteristik dari A dicari dengan : det (I A) = Persamaan karakteristik: Nilai eigen dan basis ruang eigen adalah: det( I A) 2 ( )( 2) Karena A matriks 3X3 dan P hanya terdiri dari 2 vektor basis, maka A tidak dapat didiagonalkan.
27 Teorema Diagonalisasi Matriks Jika v, v 2,, v k, adalah vektor-vektor eigen dari A yang berpadanan dengan nilai eigen yang berbeda-beda, 2,, k, maka {v, v 2,, v k } adalah suatu himpunan yang bebas secara linier. Jika suatu matriks Ann mempunyai nilai-nilai eigen yang berbeda-beda, maka A dapat didiagonalkan.
28 Diagonalisasi Matriks Contoh : Cari matriks P yang mendiagonalkan A Polinomial karakteristik A didapat melalui: 3 2 det( I A) det = (-4)(2-4 +) = Matriks A 3x3 mempunyai nilainilai eigen yang berbeda-beda, maka A dapat didiagonalkan. P AP
29 Diagonalisasi Matriks Segitiga Ingat: Jika A adalah matriks segitiga nn triangular matrix ( segitiga atas, segitiga bawah atau diagonal) maka nilai eigen dari A adalah anggota diagonal A. Matriks A berikut adalah sebuah matriks yang bisa didiagonalkan A 5 8 2
30 DIAGONALISASI ORTOGONAL
31 Masalah Diagonalisasi Ortogonal (Bentuk Matriks) Diketahui suatu matriks A, nxn, dan suatu matriks ortogonal P sedemikian sehingga : P - AP = P T AP=D maka A disebut dapat didiagonalkan secara ortogonal dan P disebut mendiagonalkan A secara ortogonal.
32 Masalah Diagonalisasi Ortogonal (Bentuk Matriks) Setiap matriks simetris dapat didiagonalkan secara ortogonal. Jika A adalah matriks nn maka pernyataan berikut ekuivalen: A dapat didiagonalkan secara ortogonal. A mempunyai suatu himpunan n vektor eigen yang ortonormal. A simetris. A T = (PDP T ) T =PD T P T = PDP T = A Jika A adalah suatu matriks simetris, maka: Nilai eigen dari A semuanya bilangan real. Vektor-vektor eigen dari ruang eigen yang berbeda ortogonal.
33 Diagonalisasi Matriks Simetris Prosedur mendiagonalkan secara ortogonal suatu matriks simetris: Step. Cari basis untuk setiap ruang eigen dari A. Step 2. Terapkan proses Gramm Schmidt pada setiap basis-basis ini untuk mendapatkan suatu basis ortonormal untuk setiap ruang eigen. Step 3. Bentuk matriks P yang kolom-kolomnya adalah vektor-vektor basis yang disusun pada step-2, matriks ini mendiagonalkan A secara ortogonal
34 Masalah Diagonalisasi Ortogonal (Bentuk Matriks) Cari suatu matriks ortogonal P yang mendiagonalkan A Solusi: Persamaan karakteristik A adalah: det( I A) det ( 2) ( 8) Basis ruang eigien yang bersepadanan dengan = 2 adalah u and u 2 :
35 Masalah Diagonalisasi Ortogonal (Bentuk Matriks) Terapkan proses Gram Schmidt pada {u, u 2 untuk menghasilkan vektor eigen yang ortonormal berikut: v / 2 / 6 / 2 and v / 6 2 / 6 2 Ruang eigen yang bersepadanan dengan = 8 adalah u3 Terapkan proses Gram Schmidt pada {u 3 } didapat: v3 sehingga P v v2 v3 / / 2 2 / / 2 / / / / / 3 / 3 / 3 P mendiagonalkan A secara ortogonal. Cek bahwa P T AP=D
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 terperinciNILAI 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 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 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 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 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 terperinciMODUL 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 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 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 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 terperinciChapter 5 GENERAL VECTOR SPACE Row Space, Column Space, Nullspace 5.6. Rank & Nullity
Chapter 5 GENERAL VECTOR SPACE 5.5. Row Space, Column Space, Nullspace 5.6. Rank & Nullity 5.5. Row Space, Column Space, Nullspace Vektor-Vektor Baris & Kolom Vektor baris A (dalam R n ) Vektor kolom A
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 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 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 terperinciYang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR
Ortogonal Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR Ortogonal Himpunan vektor {v, v,.., v k } dalam R n disebut himpunan
Lebih terperinciDIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks
DIKTAT PERKULIAHAN EDISI 1 Aljabar Linear dan Matriks Penulis : Ednawati Rainarli, M.Si. Kania Evita Dewi, M.Si. JURUSAN TEKNIK INFORMATIKA UNIVERSITAS KOMPUTER INDONESIA BANDUNG 011 IF/011 1 DAFTAR ISI
Lebih 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 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 terperinciMATRIKS. Notasi yang digunakan NOTASI MATRIKS
MATRIKS Beberapa pengertian tentang matriks : 1. Matriks adalah himpunan skalar (bilangan riil atau kompleks) yang disusun atau dijajarkan secara empat persegi panjang menurut baris-baris dan kolom-kolom.
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciBAB 7 NILAI EIGEN DAN VEKTOR EIGEN. Dr. Ir. Abdul Wahid Surhim, MT.
BAB 7 NILAI EIGEN DAN VEKTOR EIGEN Dr. Ir. Abdul Wahid Surhim, MT. KERANGKA PEMBAHASAN. Nilai Eigen dan Vekor Eigen. Diagonalisasi. Diagonalisasi secara Orogonal 7. NILAI EIGEN DAN VEKTOR EIGEN Definisi
Lebih terperinciAljabar Matriks. Aljabar Matriks
Aljabar Matriks No No Unit Unit Kompetensi 1 Menerapkan keamanan web dinamis 2 Membuat halaman web dinamis dasar 3 Membuat halaman web dinamis lanjut 4 Menerapkan web hosting 5 Menerapkan konten web memenuhi
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 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 terperinciMODUL 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 terperincidimana a 1, a 2,, a n dan b adalah konstantakonstanta
Persamaan linear adalah persamaan dimana peubahnya tidak memuat eksponensial, trigonometri (seperti sin, cos, dll.), perkalian, pembagian dengan peubah lain atau dirinya sendiri. Secara umum persamaan
Lebih 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 terperinciMUH1G3/ MATRIKS DAN RUANG VEKTOR
MUHG/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 8 VEKTOR DAN NILAI EIGEN /5/7 9.9 Beberapa Aplikasi Ruang Eigen Uji Kesabilan dalam sisem dinamik Opimasi dengan SVD pada pengolahan Cira Sisem Transmisi dan lain-lain.
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 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 terperinciMAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR
MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR Disusun oleh : 1. Supriyani (0903040095) 2. Sri Hartati (0903040113) 3. Anisatul M. (0903040065) TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS
Lebih 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 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 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 I MATRIKS DEFINISI : NOTASI MATRIKS :
BAB I MATRIKS DEFINISI : Matriks adalah himpunan skalar (bilangan riil atau kompleks) yang disusun/dijajarkan berbentuk persegi panjang (menurut baris dan kolom). Skalar-skalar itu disebut elemen matriks.
Lebih terperinciMatriks. Baris ke 2 Baris ke 3
Matriks A. Matriks Matriks adalah susunan bilangan yang diatur menurut aturan baris dan kolom dalam suatu jajaran berbentuk persegi atau persegi panjang. Susunan bilangan itu diletakkan di dalam kurung
Lebih terperinciChapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES
Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES Definisi : VECTOR SPACE Jika V adalah ruang vektor dimana u,v,w merupakan objek dalam V sebagai vektor, dan terdapat skalar k dan
Lebih terperinciM AT E M AT I K A E K O N O M I MATRIKS DAN SPL I N S TITUT P ERTA N I A N BOGOR
M AT E M AT I K A E K O N O M I MATRIKS DAN SPL TO N I BAKHTIAR I N S TITUT P ERTA N I A N BOGOR 2 0 1 2 Kesetimbangan Dua Pasar Permintaan kopi bergantung tidak hanya pada harganya tetapi juga pada harga
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 Linear Elementer
Silabus : Aljabar Linear Elemener MA SKS Bab I Mariks dan Operasinya Bab II Deerminan Mariks Bab III Sisem Persamaan Linear Bab IV Vekor di Bidang dan di Ruang Bab V Ruang Vekor Bab VI Ruang Hasil Kali
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sistem Persamaan Linier Sistem Persamaan dengan m persamaan dan n bilangan tak diketahui ditulis dengan : Dimana x 1, x 2, x n : bilangan tak diketahui a,b : konstanta Jika SPL
Lebih terperinciBAB III MENENTUKAN PRIORITAS DALAM AHP. Wharton School of Business University of Pennsylvania pada sekitar tahun 1970-an
BAB III MENENTUKAN PRIORITAS DALAM AHP Pada bab ini dibahas mengenai AHP yang dikembangkan oleh Thomas L Saaty di Wharton School of Business University of Pennsylvania pada sekitar tahun 970-an dan baru
Lebih 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 terperinciTRANSFORMASI MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ
TRANSFORMAS MATRKS Agustina Pradjaningsih, M.Si. Jurusan Matematika FMPA UNEJ agustina.fmipa@unej.ac.id Definisi : BEBAS LNER Suatu himpunan vektor-vektor v, v, v k dikatakan bebas linier jika persamaan
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 terperinci8.3 Inverse Linear Transformations
8.3 Inverse Linear Transformations Definition One to One Transformasi linear T:V W dikatakan one-to-one jika T memetakan vektor-vektor berbeda pada V ke vektorvektor berbeda pada W. Jika A adalah suatu
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 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 terperinciPertemuan 2 Matriks, part 2
Pertemuan 2 Matriks, part 2 Beberapa Jenis Matriks Khusus 1. Matriks Bujur Sangkar Suatu matriks dengan banyak baris = banyak kolom = n disebut matriks bujur sangkar berukuran n (berordo n). Barisan elemen
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 terperinciMENENTUKAN INVERS MOORE PENROSE DARI SUATU MATRIKS DENGAN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR SKRIPSI. Disusun oleh : DINA MARIYA J2A
MENENTUKAN INVERS MOORE PENROSE DARI SUATU MATRIKS DENGAN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR SKRIPSI Disusun oleh : DINA MARIYA J2A 004 011 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
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 terperinciBab 4 RUANG VEKTOR. 4.1 Ruang Vektor
Bab RUANG VEKTOR. Ruang Vektor DEFINISI.. Suatu ruang vektor (V, +,, F) atas field (F, +), ditulis singkat V(F), adalah suatu himpunan tak kosong V dengan elemenelemennya disebut vektor, yang dilengkapi
Lebih terperinciMATRIKS 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 terperinciRUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR
7//5 RUANG VEKTOR UMUM Yang dibahas.. Ruang vektor umum. Subruang. Hubungan dependensi linier 4. Basis dan dimensi 5. Ruang baris, ruang kolom, ruang nul, rank dan nulitas AKSIOMA RUANG VEKTOR V disebut
Lebih 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 terperinciSoal Ujian Komprehensif
Soal Ujian Komprehensif Bahan ujian komprehensif memuat konsep-konsep penting pada bidang: Kalkulus, dan Matriks / Aljabar Linear. Logika, Soal ujian disediakan secara terbuka, dapat diperoleh setiap saat
Lebih 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 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 terperinciCHAPTER 6. Ruang Hasil Kali Dalam
CHAPTER 6. Ruang Hasil Kali Dalam Hasil Kali Dalam Sudut dan Ortogonal dalam Ruang Hasil Kali Dalam Orthonormal Bases; Gram-Schmidt Process; QR-Decomposition Best Approximation; Least Squares Orthogonal
Lebih 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 terperinciLatihan 5: Inner Product Space
Latihan 5: Inner Product Space Diketahui vektor u v w ϵ R di mana u = v = Hitunglah : a b c d e f Diketahui vektor u v ϵ R di mana u = dan v = Carilah
Lebih 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 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 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 terperinciII. TINJAUAN PUSTAKA. nyata (fenomena-fenomena alam) ke dalam bagian-bagian matematika yang. disebut dunia matematika (mathematical world).
5 II. TINJAUAN PUSTAKA 2.1. Pemodelan Matematika Definisi pemodelan matematika : Pemodelan matematika adalah suatu deskripsi dari beberapa perilaku dunia nyata (fenomena-fenomena alam) ke dalam bagian-bagian
Lebih 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 terperinciCatatan Kuliah Aljabar Linier
Catatan Kuliah Suryadi Siregar Sekolah Tinggi Manajemen Informatika dan Komputer Bandung BANDUNG 018 Kata Pengantar Bagian pertama, buku ini membahas tentang, operasi vektor dan aplikasi perkalian vektor.
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 terperinciMODUL IV SISTEM PERSAMAAN LINEAR
MODUL IV SISTEM PERSAMAAN LINEAR 4.. Pendahuluan. Sistem Persamaan Linear merupakan salah satu topik penting dalam Aljabar Linear. Sistem Persamaan Linear sering dijumpai dalam semua bidang penyelidikan
Lebih terperinciMATRIKS 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 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 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 terperinciSISTEM 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 terperinciPengantar Vektor. Besaran. Vektor (Mempunyai Arah) Skalar (Tidak mempunyai arah)
Pengantar Vektor Besaran Skalar (Tidak mempunyai arah) Vektor (Mempunyai Arah) Vektor Geometris Skalar (Luas, Panjang, Massa, Waktu dan lain - lain), merupakan suatu besaran yang mempunyai nilai mutlak
Lebih terperinciKumpulan Soal,,,,,!!!
Kumpulan Soal,,,,,!!! Materi: Matriks & Ruang Vektor 1. BEBAS LINEAR S 3. BASIS DAN DIMENSI O A L 2. KOMBINASI LINEAR NeXt FITRIYANTI NAKUL Page 1 1. BEBAS LINEAR Cakupan materi ini mengkaji tentang himpunan
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 terperinciSPECTRUM DETOUR GRAF n-partisi KOMPLIT
SPECTRUM DETOUR GRAF n-partisi KOMPLIT Desy Norma Puspita Dewi Jurusan Matematika UIN Maulana Malik Ibrahim Malang e-mail:phyta_3@yahoo.co.id ABSTRAK Matriks detour dari graf G adalah matriks yang elemen
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 terperinciMATRIKS VEKTOR DETERMINAN SISTEM LINEAR ALJABAR LINEAR
MATRIKS VEKTOR DETERMINAN SISTEM LINEAR ALJABAR LINEAR 7.1 Matriks DEFINISI Susunan bilangan (fungsi) berbentuk persegi panjang yang ditutup dengan tanda kurung. Bilangan (fungsi) disebut entri-entri matriks.
Lebih terperinciBAB II SISTEM PERSAMAAN LINEAR. Sistem persamaan linear ditemukan hampir di semua cabang ilmu
BAB II SISTEM PERSAMAAN LINEAR Sistem persamaan linear ditemukan hampir di semua cabang ilmu pengetahuan. Di bidang ilmu ukur, diperlukan untuk mencari titik potong dua garis dalam satu bidang. Di bidang
Lebih terperinci