Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

Ukuran: px
Mulai penontonan dengan halaman:

Download "Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta"

Transkripsi

1 SIMILARIAS Similaritas Pendiagonalan Matriks Similaritas dari Matriks Simetri Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

2 Pengantar Cari akar dan vektor karakteristik kt tik dari A = B =

3 Similaritas il it Dua matriks transformasi A dan B dikatakan similar jika terdapat matriks nonsingular R sehingga B = R -1 AR Contoh : A = dan B = adalah similar sebab terdapat matriks P = 1 4 3, sehingga B = P -1 AP

4 Sifat : 1) dua matriks yang similar mempunyai akar karakteristik yang sama 2 ) jika Y adalah vektor karakteristik dari B yang berhubungan dengan akar karakteristik λ i i, maka X = PY adalah vektor invarian A yang berhubungan dengan akar karakteristik λ i.

5 Persoalannya sekarang adalah : Jika diketahui dua matriks A dan B, bagaimana mendapatkan matriks tik P sehingga berlaku P -1 AP = B?

6 Cari akar dan vektor karakteristik dari D =

7 Matriks Diagonal D = Akar dan vektor karakteristik dari matriks D adalah λ 1 = -3, λ 2 = 7, dan λ 3 = 9. Dengan vektor karakteristiknya bertutut-turut adalah 1 0, , dan

8 Setiap matriks diagonal berdimensi nxn pasti mempunyai n vektor yang bebas linear.

9 Similar dengan Matriks Diagonal : Pendiagonalan Matriks eorema : Setiap matrik A bedimensi nxn yg mempunyai n vektor yang bebas b linear similar dengan matriks diagonal.

10 Bukti: Andaikan X 1 1, X 2 2, X 3 3,, X n adalah vektor invarian yg berhubungan dng akar karakteristik λ 1, λ 2, λ 3,.., λ n sehingga AX i = λ i X i (i = 1, 2, 3,, n). Andaikan P = [X 1 X 2 X 3 X n ], maka AP = A[X 1 X 2 X 3 X n ] = [AX 1 AX 2 AX 3 AX n ] AP = [λ 1 X 1 λ 2 X 2 λ 3 X 3 λ n X n ]

11 Bukti AP = [X 1 X 2 X 3 X n ] λ λ λ λn AP = [X 1 X 2 X 3 X n ]diag(λ 1, λ 2, λ 3,.., λ n ) AP = P D P -1 AP = P -1 P D P -1 AP = D Jadi matriks A similar dengan matriks diagonal D, sebab ada matriks non singular P sehingga P -1 AP = D.

12 Matriks A nxn yg mempunyai n vektor invarian yg bebas linear dinamakan diagonalisabel (dapat didiagonalkan / similar il dengan matriks diagonal).

13 Algoritma utk mendiagonalkan matriks Anxn : (1) cari akar-akar karakteristik dari matriks A, yaitu λ i (i = 1,2, 3,, n) (2) cari vektor-vektor karakteristik dari A yg berhubungan dengan akar-akar karakteritik λ i. (3) Jika banyaknya vektor invarian < n, maka A tidak diagonalisabel. l Selesai. (4) Jika banyaknya vektor invarian = n, maka A diagonalisabel. Selanjutnya : (4.1). Ambil P = [X1 X2 X3 Xn], dengan X adalah vektor invarian dari A. (4.2). Cari P -1 (4.3). P -1 AP = D = diag(λ 1, λ 2, λ 3,..,λ λ n ), dengan λ i adalah akar-akar karakteristik dari A. (4.4). selesai.

14 contoh Apakah matriks A = diagonalisabel?. Jika ya, cari matriks P sehingga P -1 AP = D(diagonal).

15 contoh Apakah matriks A = diagonalisabel?. Jika ya, cari matriks P sehingga P -1 AP = D (diagonal).

16 contoh 3 2 Apakah matriks A = 2 6 diagonalisabel l? Jika ya, cari matriks P sehingga P - 1 AP = D (Didagonal).

17 contoh Apakah matriks B = diagonalisabel l? Jika ya, cari matriks P sehingga P - 1 BP = D (Diagonal).

18 Similaritas dari matriks-matriks Simetri Jika A matriks simetri, yaitu A = A, maka dapat ditemukan matriks ortogonal R sehingga R - 1 AR = D (diagonal). eorema : Vektor-vektor invarian dari matriks simetri yg berasal dari akar karakteristik yg berbeda adalah saling ortogonal

19 bukti Andaikan X 1 dan X 2 adalah vektor invarian yg berasal dari λ 1 dan λ 2 (dengan λ 1 λ 2 )d dari matriks tik simetri tia, maka : AX 1 = λ 1 X 1 X 2 AX 1 = X 2 λ 1 X 1 (1) ( X 2 AX 1 ) = (λ 1 X 1 A X 2 = λ 1 X 1 A X 2 = λ 1 X 2 X 1 ) X 1 X 2 X 1 X 2 (2)

20 bukti Sementara itu juga : AX 2 = λ 2 X 2 X A λ X 1 AX 2 = λ 2 X 1 X 2 (3) ( X 1 AX 2 ) = (λ 2 X 1 X 2 ) X 2 A X 1 = λ 2 X 2 A X 1 = λ 2 X 2 X 1 2 A X 1 λ 2 X 2 X 1 (4) dari (2) dan (3) : λ 1 X 1 X 2 = λ 2 X 1 X 2 λ 1 X 1 X 2 - λ 2 X 1 X 2 = 0 (λ 1 - λ 2 ) X 1 X 2 = 0 atau X 1 X 2 = 0 Ini berarti X 1 ortogonal X 2.

21 Untuk matrik simetri A, algoritma untuk mendapatkan matriks ortogonal R sehingga R - 1 AR = D (diagonal) adlh (1) cari akar karakteristik dari A (2) cari vektor invarian dari A (3) jika semua akar karakteristik berbeda, maka vektor invarian X1,.., Xn adalah saling ortogonal. (3.1) normalisir vektor-vektor X1,, Xn sehingga menjadi Y1, Y2,, Yn. (3.2) Matriks ortogonal R = [Y1 Y2 Yn]. (3.3) R - 1 AR = D (diagonal). Selesai. (4) Jika ada akar karakteristik yg sama,, misalnya λ 1 = λ 2, maka X1 dan X2 belum ortogonal; sedangkan X3,, Xn sudah ortogonal. (4.1) lakukan proses Gram-Schmidt thd X1 dan X2 sehingga menjadi W1 dan W2 yang saling ortogonal. (4.2) Ambil W3 = X3,, Wn = Xn (4.3) Normalisir vektor-vektor W1, W2, W3,, Wn sehingga menjadi Y1, Y2, Y3,.., Yn. (4.4) Matriks ortogonal R = [Y1 Y2 Yn]. (4.5) R - 1 AR = D (diagonal). Selesai.

22 contoh Cari matriks ortogonal R sehingga R - 1 AR = D A =

23 contoh Cari matriks ortogonal R sehingga R - 1 BR = D B =

24 contoh Cari matriks ortogonal R sehingga R - 1 CR = D C =

25 contoh Cari matriks ortogonal R sehingga R - 1 FR = D F =

26 Latihan Cari matriks ortogonal R sehingga R - 1 AR = D (diagonal), jika matriks transformasi A =

27 Latihan Cari matriks ortogonal R sehingga R -1 BR = D (diagonal), jika matriks transformasi B=

28 Latihan Cari matriks ortogonal R sehingga R -1 CR = D (diagonal), jika matriks transformasi C =

29 Latihan Cari matriks ortogonal R sehingga R -1 ER = D (diagonal), jika matriks transformasi E =

30 Latihan Cari matriks ortogonal R sehingga R -1 FR = D (diagonal), jika matriks transformasi F =

31 Latihan Cari matriks ortogonal R sehingga R -1 GR = D (diagonal), jika matriks transformasi G =

32 Latihan Cari matriks ortogonal R sehingga R -1 HR = D (diagonal), jika matriks transformasi H =

33 Latihan Cari matriks ortogonal R sehingga R -1 KR = D (diagonal), jika matriks transformasi K =

34 Latihan Cari matriks ortogonal R sehingga R -1 LR = D (diagonal), jika matriks transformasi L =

Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks

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

Lebih terperinci

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta BASIS DAN DIMENSI Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta Basis dan Dimensi Ruang vektor V dikatakan mempunyai dimensi terhingga n (ditulis dim V = n) jika ada vektor-vektor e, e,,

Lebih terperinci

Eigen value & Eigen vektor

Eigen value & Eigen vektor Eigen value & Eigen vektor Hubungan antara vektor x (bukan nol) dengan vektor Ax yang berada di R n pada proses transformasi dapat terjadi dua kemungkinan : 1) 2) Tidak mudah untuk dibayangkan hubungan

Lebih terperinci

Latihan 5: Inner Product Space

Latihan 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 terperinci

vektor u 1, u 2,, u n.

vektor u 1, u 2,, u n. KOMBINASI LINEAR BEBAS LINEAR BERGANTUNG LINEAR Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta Kombinasi Linear (linear combination) Andaikan ruang vektor V melalui field F, dengan vektor-vektor

Lebih terperinci

7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal

7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal 7. NILAI-NILAI VEKTOR EIGEN Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal Nilai Eigen, Vektor Eigen Diketahui A matriks nxn dan x adalah suatu vektor pada R n, maka biasanya tdk ada

Lebih terperinci

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

Yang dipelajari. 1. Masalah Nilai Eigen dan Penyelesaiannya 2. Masalah Pendiagonalan. Referensi : Kolman & Howard Anton. Ilustrasi 7// NILAI EIGEN dan VEKTOR EIGEN Yang dipelajari.. Masalah Nilai Eigen dan Penyelesaiannya. Masalah Pendiagonalan Referensi : Kolman & Howard Anton. Ilustrasi Misalkan t : R n R n dengan definisi t(x)

Lebih terperinci

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN KS091206 KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat menghitung eigen value dan eigen vector

Lebih terperinci

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR A. DEFINISI DASAR 1. Definisi-1 Suatu pemetaan f dari ruang vektor V ke ruang vektor W adalah aturan perkawanan sedemikian sehingga setiap vektor v V dikawankan

Lebih terperinci

DIAGONALISASI MATRIKS KOMPLEKS

DIAGONALISASI MATRIKS KOMPLEKS Buletin Ilmiah Mat Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 337-346 DIAGONALISASI MATRIKS KOMPLEKS Heronimus Hengki, Helmi, Mariatul Kiftiah INTISARI Matriks kompleks merupakan matriks

Lebih terperinci

MODUL V EIGENVALUE DAN EIGENVEKTOR

MODUL V EIGENVALUE DAN EIGENVEKTOR MODUL V EIGENVALUE DAN EIGENVEKTOR 5.. Pendahuluan Biasanya jika suatu matriks A berukuran mm dan suatu vektor pada R m, tidak ada hubungan antara vektor dan vektor A. Tetapi seringkali kita menemukan

Lebih terperinci

Aljabar Linier & Matriks

Aljabar Linier & Matriks Aljabar Linier & Matriks 1 Pendahuluan Ruang vektor tidak hanya terbatas maksimal 3 dimensi saja 4 dimensi, 5 dimensi, dst ruang n-dimensi Jika n adalah bilangan bulat positif, maka sekuens sebanyak n

Lebih terperinci

MATRIKS A = ; B = ; C = ; D = ( 5 )

MATRIKS 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 terperinci

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI SAP (1) Buku : Suryadi H.S. 1991, Pengantar Aljabar dan Geometri analitik Vektor Definisi, Notasi, dan Operasi Vektor Susunan

Lebih terperinci

BAB III MENENTUKAN PRIORITAS DALAM AHP. Wharton School of Business University of Pennsylvania pada sekitar tahun 1970-an

BAB 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 terperinci

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT Oleh: APRILLIANTIWI NRP. 1207100064 Dosen Pembimbing: 1. Soleha, S.Si, M.Si 2. Dian Winda S., S.Si, M.Si LATAR BELAKANG Matriks dan

Lebih terperinci

MATRIKS 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 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 terperinci

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT Nama Mahasiswa : Aprilliantiwi NRP : 1207100064 Jurusan : Matematika Dosen Pembimbing : 1 Soleha, SSi, MSi 2 Dian Winda Setyawati,

Lebih terperinci

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR Ingat : Vektor dan Matriks Ortogonal vektor dan a dan b saling ortogonal jika a dan b saling ortonormal jika a dan b di normalisasi (normalized)

Lebih terperinci

MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI

MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 6, No. (17), hal 7 34. MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER Ardiansyah, Helmi, Fransiskus Fran INTISARI Pada

Lebih terperinci

SUMMARY ALJABAR LINEAR

SUMMARY ALJABAR LINEAR SUMMARY ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2010 2 KATA PENGANTAR Bismillahirrahmanirrahim Segala puji bagi Allah Rabb semesta alam. Shalawat serta

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pembahasan mendasar mengenai matriks terutama yang berkaitan dengan matriks yang dapat didiagonalisasi telah jelas disajikan dalam referensi yang biasanya digunakan

Lebih terperinci

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO PERANGKAT PEMBELAJARAN MATA KULIAH : ALJABAR LINIER 2 KODE : MKK414515 DOSEN PENGAMPU : Annisa Prima Exacta, M.Pd. PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS

Lebih terperinci

TINJAUAN PUSTAKA. pendugaan modelnya. Salah satu metode statistika yang dapat mengatasinya adalah

TINJAUAN PUSTAKA. pendugaan modelnya. Salah satu metode statistika yang dapat mengatasinya adalah TINJAUAN PUSTAKA Metode Kuadrat Terkecil Parsial Kolinearitas dalm analisis regesi akan menyebabkan ketidaktepatan dalarn pendugaan modelnya. Salah satu metode statistika yang dapat mengatasinya adalah

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkalian skalar perplectic merupakan bagian dari teori perkalian skalar indefinite. Untuk menjelaskan pengertian perkalian skalar perplectic, terlebih dahulu

Lebih terperinci

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Diagonalisasi Sub bab ini membahas tentang faktorisasi matriks A berorde nn ke dalam hasil kali berbentuk PDP, di mana D adalah matriks diagonal. Jika diperoleh

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT / 2 SKS SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT0143231 / 2 SKS Deskripsi: - Mata kuliah ini mempelajari konsep aljabar linear sebagai dasar untuk membuat algoritma dalam permasalahan

Lebih terperinci

Penggunaan Dekomposisi QR Dalam Estimabilitas Parameter-Parameter Model Linier

Penggunaan Dekomposisi QR Dalam Estimabilitas Parameter-Parameter Model Linier Penggunaan Dekomposisi QR Dalam Estimabilitas Parameter-Parameter Model Linier Sigit Nugroho Jurusan Matematika FMIPA Universitas Bengkulu E-mail: sigit.nugroho.1960@gmail.com Abstrak.Artikel ini membahas

Lebih terperinci

Teori kendali. Oleh: Ari suparwanto

Teori 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 terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2.

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2. SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 3 Minggu Ke Pokok Bahasan dan TIU Sub Pokok Bahasan Sasaran Belajar Cara Pengajaran Media Tugas Referens i 1

Lebih terperinci

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

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

Lebih terperinci

BAB II TEORI KODING DAN TEORI INVARIAN

BAB 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 terperinci

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability)

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability) Institut Teknologi Sepuluh Nopember Surabaya Keterkendalian (Controlability) Contoh Soal Ringkasan Latihan Contoh Soal Ringkasan Latihan Vektor Bebas Linear Keterkendalian Keadaan Secara Sempurna dari

Lebih terperinci

1.1 MATRIKS DAN JENISNYA Matriks merupakan kumpulan bilangan yang berbentuk segi empat yang tersusun dalam baris dan kolom.

1.1 MATRIKS DAN JENISNYA Matriks merupakan kumpulan bilangan yang berbentuk segi empat yang tersusun dalam baris dan kolom. Bab MATRIKS DAN OPERASINYA Memahami matriks dan operasinya merupakan langkah awal dalam memahami buku ini. Beberapa masalah real dapat direpresentasikan dalam bentuk matriks. Masalah tersebut antara lain

Lebih terperinci

PENDAHULUAN LANDASAN ANALISIS

PENDAHULUAN LANDASAN ANALISIS 10 PENDAHULUAN Latar Belakang Biplot merupakan metode eksplorasi analisis data peubah ganda yang dapat memberikan gambaran secara grafik tentang kedekatan antar objek, keragaman peubah, korelasi antar

Lebih terperinci

MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS

MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS 1 Kirana Permata Putri, 2 Ardi Pujiyanta(0529056601) 1,2 Program Studi Teknik Informatika Universitas Ahmad Dahlan Prof. Dr. Soepomo, S.H., Janturan, Umbulharjo,

Lebih terperinci

Bab 7 Sistem Pesamaan Linier. Oleh : Devie Rosa Anamisa

Bab 7 Sistem Pesamaan Linier. Oleh : Devie Rosa Anamisa Bab 7 Sistem Pesamaan Linier Oleh : Devie Rosa Anamisa Pendahuluan Bentuk umum dari aljabar linier sebagai berikut: a11x1 + a12a 12X2 +... + a1na 1nXn = b1b a21x1 + a22a 22X2 +... + a2na 2nXn = b2b...............

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

1.1. Definisi, Notasi, dan Operasi Vektor 1.2. Susunan Koordinat Ruang R n 1.3. Vektor di dalam R n 1.4. Persamaan garis lurus dan bidang rata

1.1. Definisi, Notasi, dan Operasi Vektor 1.2. Susunan Koordinat Ruang R n 1.3. Vektor di dalam R n 1.4. Persamaan garis lurus dan bidang rata SATUAN ACARA PERKULIAHAN (SAP) MATA KULIAH : MATEMATIKA INFORMATIKA 2 JURUSAN : S1-TEKNIK INFORMATIKA KODE MATA KULIAH : IT-045214 Referensi : [1]. Yusuf Yahya, D. Suryadi. H.S., Agus S., Matematika untuk

Lebih terperinci

KARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI

KARAKTERISTIK 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 terperinci

Matriks. Modul 1 PENDAHULUAN

Matriks. Modul 1 PENDAHULUAN Modul Matriks Dra. Sri Haryatmi Kartiko, M.Sc. I PENDAHULUAN lmu pengetahuan dewasa ini menjadi semakin kuantitatif. Data numerik dengan skala besar, hasil pengukuran berupa angka sering dijumpai oleh

Lebih terperinci

Aljabar Linier. Kuliah

Aljabar Linier. Kuliah Aljabar Linier Kuliah 13 14 15 Materi Kuliah Transformasi Linier dari F n ke F m Perubahan Matriks Basis Matriks dari Transformasi Linier Perubahan Basis untuk Transformasi Linier Matriks-matriks Ekivalen

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Ruang vektor adalah suatu grup abelian yang dilengkapi dengan operasi pergandaan skalar atas suatu lapangan. Suatu ruang vektor dapat dikawankan dengan ruang

Lebih terperinci

ANALISIS KEAMANAN KRIPTOSISTEM KUNCI PUBLIK BERDASARKAN MATRIKS INVERS TERGENERALISASI

ANALISIS KEAMANAN KRIPTOSISTEM KUNCI PUBLIK BERDASARKAN MATRIKS INVERS TERGENERALISASI ANALISIS KEAMANAN KRIPTOSISTEM KUNCI PUBLIK BERDASARKAN MATRIKS INVERS TERGENERALISASI Oleh Budi Murtiyasa FKIP Universitas Muhammadiyah Surakarta Abstract The paper addresses a security analysis of the

Lebih terperinci

Peperiksaan Semester Kedua Sidang Akademik 2004/2005. Mac Masa : 3 jam

Peperiksaan Semester Kedua Sidang Akademik 2004/2005. Mac Masa : 3 jam UNlVERSlTl SAINS MALAYSIA Peperiksaan Semester Kedua Sidang Akademik 2004/2005 Mac 2005 MAT 11 1 - ALJABAR LINEAR Masa : 3 jam Sila pastikan bahawa kertas peperiksaan ini mengandungi ENAM [6] muka surat

Lebih terperinci

Reduksi Rank pada Matriks-Matriks Tertentu

Reduksi Rank pada Matriks-Matriks Tertentu Reduksi Rank pada Matriks-Matriks Tertentu E. Apriliani, B. Ari Sanjaya September 6, 7 Abstract. Dekomposisi nilai singular (Singular Value Decomposition - SVD) adalah suatu metode untuk menuliskan suatu

Lebih terperinci

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA Analisis komponen utama adalah metode statistika multivariat yang bertujuan untuk mereduksi dimensi data dengan membentuk kombinasi linear

Lebih terperinci

BAB 2 LANDASAN TEORI. yang dibicarakan yang akan digunakan pada bab selanjutnya. Bentuk umum dari matriks bujur sangkar adalah sebagai berikut:

BAB 2 LANDASAN TEORI. yang dibicarakan yang akan digunakan pada bab selanjutnya. Bentuk umum dari matriks bujur sangkar adalah sebagai berikut: BAB 2 LANDASAN TEORI Pada bab ini dibicarakan mengenai matriks yang berbentuk bujur sangkar dengan beberapa definisi, teorema, sifat-sifat dan contoh sesuai dengan matriks tertentu yang dibicarakan yang

Lebih terperinci

Candi Gebang Permai Blok R/6 Yogyakarta Telp. : ; Fax. :

Candi Gebang Permai Blok R/6 Yogyakarta Telp. : ; Fax. : ii Aljabar Linear Kata Pengantar iii iv Aljabar Linear ALJABAR LINEAR Oleh : Setiadji Edisi Pertama Cetakan Pertama, 2008 Hak Cipta 2008 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 1

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 1 GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 1 Berlaku mulai: Gasal/2010 MATA KULIAH : MATRIK DAN TRANSFORMASI LINEAR KODE MATA KULIAH / SKS : 410102042 / 3 SKS MATA

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Sebelum melakukan pembahasan mengenai permasalahan dari skripsi ini, pada bab ini akan diuraikan beberapa teori penunjang yang dapat membantu dalam penulisan skripsi

Lebih terperinci

BAB III MATRIKS HERMITIAN. dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks

BAB III MATRIKS HERMITIAN. dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks BAB III MATRIKS HERMITIAN Pada bab ini, akan dibahas beberapa konsep penting dari matriks Hermitian dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks Hermitian merupakan kelas

Lebih terperinci

SISTEM HUKUM KEKEKALAN LINEAR

SISTEM HUKUM KEKEKALAN LINEAR Bab 3 SISTEM HUKUM KEKEKALAN LINEAR 3.1 Sistem Linear Hiperbolik Sistem linear dalam pengertian Tugas Akhir ini adalah suatu sistem hukum kekekalan dengan bentuk umum, t u + d A α (t) xα u = 0 (3.1.1)

Lebih terperinci

UNIVERSITI SAINS MALAYSIA. Peperiksaan Kursus Semasa Cuti Panjang Sidang Akademik 2004/2005. Mei 2005 MAT ALJABAR LINEAR.

UNIVERSITI SAINS MALAYSIA. Peperiksaan Kursus Semasa Cuti Panjang Sidang Akademik 2004/2005. Mei 2005 MAT ALJABAR LINEAR. UNIVERSITI SAINS MALAYSIA Peperiksaan Kursus Semasa Cuti Panjang Sidang Akademik 2004/2005 Mei 2005 MAT 111 - ALJABAR LINEAR Masa : 3 jam Sila pastikan bahawa kertas peperiksaan ini mengandungi ENAM [6]

Lebih terperinci

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

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

Lebih terperinci

MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT. Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya

MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT. Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya Abstract. Matrix is diagonalizable (similar with matrix

Lebih terperinci

Materi 2: Matriks dan Operasi Matriks

Materi 2: Matriks dan Operasi Matriks Materi 2: Matriks dan Operasi Matriks I Nyoman Kusuma Wardana Sistem Komputer STMIK STIKOM Bali Amatilah contoh jumlah jam yang dihabiskan oleh siswa di sekolah dlm satu minggu berikut: Jika kita menghilangkan

Lebih terperinci

REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU

REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU J. Math. and Its Appl. ISSN: 89-65X Vol. 4, No., November 7, 8 REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU Erna Apriliani, Bandung Arry Sanjoyo Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember,

Lebih terperinci

Aljabar Linear Elementer

Aljabar Linear Elementer BAB I RUANG VEKTOR Pada kuliah Aljabar Matriks kita telah mendiskusikan struktur ruang R 2 dan R 3 beserta semua konsep yang terkait. Pada bab ini kita akan membicarakan struktur yang merupakan bentuk

Lebih terperinci

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR

SOLUSI 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 terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUHG3/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 6 Ruang Hasil Kali Dalam Sub Pokok Bahasan Definisi Ruang Hasilkali Dalam Himpunan ortonormal Proses Gramm Schmidt Aplikasi RHD Metode Optimasi seperti metode

Lebih terperinci

BAB 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 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 terperinci

Similaritas Uniter Matriks Repesentasi Grup Berhingga

Similaritas Uniter Matriks Repesentasi Grup Berhingga Similaritas Uniter Matriks Repesentasi Grup Berhina Oleh: Musthofa Jurusan Pendidikan Matematika FMIPA UNY Abstrak Misalkan G sembaran rup berhina dan GLm(C himpunan semua matriks nonsinular berukuran

Lebih terperinci

Analisis Matriks. Ahmad Muchlis

Analisis Matriks. Ahmad Muchlis Analisis Matriks Ahmad Muchlis January 22, 2014 2 Notasi Pada umumnya matriks yang kita bicarakan dalam naskah ini adalah matriks kompleks. Himpunan semua matriks kompleks [real] berukuran m n dinyatakan

Lebih terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUH1G3/ MATRIKS DAN RUANG VEKTOR TIM DOSEN 1 Matriks dan Operasinya MATRIKS DAN OPERASINYA Sub Pokok Bahasan Matriks Jenis-jenis Matriks Operasi Matriks Operasi Baris Elementer Matriks Invers (Balikan)

Lebih terperinci

SOLUSI SISTEM PERSAMAAN LINEAR

SOLUSI SISTEM PERSAMAAN LINEAR SOLUSI SISTEM PERSAMAAN LINEAR Bentuk umum persamaan linear dengan n peubah diberikan sebagai berikut : a1 x1 + a2 x2 +... + an xn = b ; a 1, a 2,..., a n R merupakan koefisien dari persamaaan dan x 1,

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A =

NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A = NILAI EIGEN DAN VEKTOR EIGEN >> DEFINISI NILAI EIGEN DAN VEKTOR EIGEN Jika A adalah sebuah matriks n n, maka sebuah vektor taknol x pada R n disebut vektor eigen (vektor karakteristik) dari A jika Ax adalah

Lebih terperinci

TEKNIK INFORMATIKA FENI ANDRIANI

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

Lebih terperinci

MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS

MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS Oleh: Prof.Dr.Ir.Soemarno,M.S Obyek Pengamatan Variabel X4 Variabel X1 Variabel X2 Variabel X3 Variabel Xn Multi-Variabel Metode analisis

Lebih terperinci

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks

DIKTAT 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 terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI A. Matriks 1. Pengertian Matriks Definisi II.A.1 Matriks didefinisikan sebagai susunan persegi panjang dari bilangan-bilangan yang diatur dalam baris dan kolom. Contoh II.A.1: 9 5

Lebih terperinci

Company LOGO ANALISIS BIPLOT

Company LOGO ANALISIS BIPLOT Company LOGO ANALISIS BIPLOT Pendahuluan Company name Data : ringkasan berupa nilai beberapa peubah pada beberapa objek Objek n Nilai Peubah X X.. Xp Company name Penyajian Data dalam bentuk matriks =

Lebih terperinci

BAB II KESTABILAN SISTEM PERSAMAAN DIFERENSI

BAB II KESTABILAN SISTEM PERSAMAAN DIFERENSI BAB II KESTABILAN SISTEM PERSAMAAN DIFERENSI Pada bab ini diberikan teori pendukung untuk memperoleh hasil yang diinginkan yang antara lain dibahas mengenai solusi sistem persamaan diferensi, matriks fundamental

Lebih terperinci

3.6. NILAI SAMPEL DARI KOMBINASI LINEAR DARI VARIABEL

3.6. NILAI SAMPEL DARI KOMBINASI LINEAR DARI VARIABEL 3.6. NILAI SAMPEL DARI KOMBINASI LINEAR DARI VARIABEL Kita sudah memperkenalkan Kombinasi linear p variabel di pasal 2.6. Pada kebanyakan prosedur multivariat, kita pasti dengan sendirinya menganggap kombinasi

Lebih terperinci

Garis Entry Behavior. Mata kuliah: Matriks dan Ruang Vektor (IT ) / 2 sks CAPAIAN PEMBELAJARAN MATA KULIAH MATRIKS DAN RUANG VEKTOR:

Garis Entry Behavior. Mata kuliah: Matriks dan Ruang Vektor (IT ) / 2 sks CAPAIAN PEMBELAJARAN MATA KULIAH MATRIKS DAN RUANG VEKTOR: Mata kuliah: Matriks dan Ruang Vektor (IT 043331) / 2 sks CAPAIAN PEMBELAJARAN MATA KULIAH MATRIKS DAN RUANG VEKTOR: 1. Mahasiswa mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif (KU1);

Lebih terperinci

SOAL-SOAL dan PEMBAHASAN UN MATEMATIKA SMA/MA IPA TAHUN PELAJARAN 2011/2012

SOAL-SOAL dan PEMBAHASAN UN MATEMATIKA SMA/MA IPA TAHUN PELAJARAN 2011/2012 SOAL-SOAL dan PEMBAHASAN UN MATEMATIKA SMA/MA IPA TAHUN PELAJARAN 0/0. Akar-akar persamaan kuadrat x +ax - 40 adalah p dan q. Jika p - pq + q 8a, maka nilai a... A. -8 B. -4 C. 4 D. 6 E. 8 BAB III Persamaan

Lebih terperinci

(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS

(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS Seminar Nasional Statistika 2 November 20 Vol 2, November 20 (MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS Euis Hartini Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas

Lebih terperinci

GENERALISASI METODE GAUSS-SEIDEL UNTUK MENYELESAIKAN SISTEM PERSAMAAN LINEAR ABSTRACT

GENERALISASI METODE GAUSS-SEIDEL UNTUK MENYELESAIKAN SISTEM PERSAMAAN LINEAR ABSTRACT GENERALISASI METODE GAUSS-SEIDEL UNTUK MENYELESAIKAN SISTEM PERSAMAAN LINEAR Andri Ramadhan 1, Syamsudhuha 2, Asli Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Laboratorium Matematika Terapan, Jurusan

Lebih terperinci

TINJAUAN PUSTAKA Analisis Biplot Biasa

TINJAUAN PUSTAKA Analisis Biplot Biasa TINJAUAN PUSTAKA Analisis Biplot Biasa Analisis biplot merupakan suatu upaya untuk memberikan peragaan grafik dari matriks data dalam suatu plot dengan menumpangtindihkan vektor-vektor dalam ruang berdimensi

Lebih terperinci

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

Bab 1 PENDAHULUAN. 1.1 Latar Belakang Bab 1 PENDAHULUAN 1.1 Latar Belakang Teori himpunan fuzzy banyak diterapkan dalam berbagai disiplin ilmu seperti teori kontrol dan manajemen sains, pemodelan matematika dan berbagai aplikasi dalam bidang

Lebih terperinci

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH MATEMATIKA TEKNIK 1

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH MATEMATIKA TEKNIK 1 Mata : MATEMATIKA TEKNIK 1 Jurusan : TEKNIK ELEKTRO SKS : 2 Sks Kode Mata : KD-041205 MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH MATEMATIKA TEKNIK 1 Minggu Ke Pokok Bahasan dan TIU 1 Vektor tentang pengertian

Lebih terperinci

8.3 Inverse Linear Transformations

8.3 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 terperinci

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012 Soal-Soal dan Pembahasan Matematika IPA SNMPTN 01 Tanggal Ujian: 13 Juni 01 1. Lingkaran (x + 6) + (y + 1) 5 menyinggung garis y 4 di titik... A. ( -6 4 ). ( -1 4 ) E. ( 5 4 ) B. ( 6 4) D. ( 1 4 ) BAB

Lebih terperinci

P2.1 Teori. Secara umum, matriks Amxn = Pada matriks A di atas a23 menyatakan elemen matriks A pada baris ke-2 dan kolom ke Jenis-Jenis Matriks

P2.1 Teori. Secara umum, matriks Amxn = Pada matriks A di atas a23 menyatakan elemen matriks A pada baris ke-2 dan kolom ke Jenis-Jenis Matriks Pertemuan 2 Matriks Objektif: 1. Praktikan memahami konsep matriks. 2. Praktikan dapat mencari penjumlahan matriks, perkalian matriks dari 2 buah matriks. 3. Praktikan dapat membuat program tentang penjumlahan

Lebih terperinci

Aljabar Linier Elementer. Kuliah 27

Aljabar 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 terperinci

g(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1

g(x, y) = F 1 { f (u, v) F (u, v) k} dimana F 1 (F (u, v)) diselesaikan dengan: f (x, y) = 1 MN M + vy )} M 1 N 1 Fast Fourier Transform (FFT) Dalam rangka meningkatkan blok yang lebih spesifik menggunakan frekuensi dominan, akan dikalikan FFT dari blok jarak, dimana jarak asal adalah: FFT = abs (F (u, v)) = F (u,

Lebih terperinci

MATRIKS. Slide : Tri Harsono PENS - ITS. 1 Politeknik Elektronika Negeri Surabaya (PENS) - ITS

MATRIKS. 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 terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI

PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI Sandra Roza 1*, M. Natsir 2, Asli Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen JurusanMatematika Fakultas Matematika dan

Lebih terperinci

Vektor. Vektor. 1. Pengertian Vektor

Vektor. Vektor. 1. Pengertian Vektor Universitas Muhammadiyah Sukabumi Artikel Aljabar Vektor dan Matriks Oleh : Zie_Zie Vektor Vektor 1. Pengertian Vektor a. Definisi Vektor adalah suatu besaran yang mempunyai nilai (besar) dan arah. Contohnya

Lebih terperinci

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse Matriks Tujuan Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse Pengertian Matriks Adalah kumpulan bilangan yang disajikan secara teratur dalam

Lebih terperinci

TRANSFORMASI LINEAR. Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear. Dosen Pengampu : Abdul Aziz Saefudin, M.Pd

TRANSFORMASI LINEAR. Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear. Dosen Pengampu : Abdul Aziz Saefudin, M.Pd TRANSFORMASI LINEAR Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu : Abdul Aziz Saefudin, M.Pd Disusun oleh : Kelompok 7/ Kelas III A Endar Alviyunita 34400094 Ahmat Sehari ---------------

Lebih terperinci

Fisika Matematika II 2011/2012

Fisika Matematika II 2011/2012 Fisika Matematika II 2/22 diterjemahkan dari: Mathematical Methods for Engineers and Scientists, 2, dan 3 K. T. Tang Penterjemah: Imamal Muttaqien dibantu oleh: Adam, Ma rifatush Sholiha, Nina Yunia, Yudi

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012

Soal-Soal dan Pembahasan Matematika IPA SNMPTN 2012 Tanggal Ujian: 13 Juni 2012 Soal-Soal dan Pembahasan Matematika IPA SNMPTN 01 Tanggal Ujian: 13 Juni 01 1. Lingkaran (x + 6) + (y + 1) 5 menyinggung garis y 4 di titik... A. ( -6, 4 ). ( -1, 4 ) E. ( 5, 4 ) B. ( 6, 4) D. ( 1, 4 )

Lebih terperinci

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks 1.1 LATAR BELAKANG BAB I PENDAHULUAN Teori matriks merupakan salah satu cabang ilmu aljabar linier yang menjadi pembahasan penting dalam ilmu matematika. Sejalan dengan perkembangan ilmu pengetahuan, aplikasi

Lebih terperinci

SOAL UN DAN PENYELESAIANNYA 2008

SOAL UN DAN PENYELESAIANNYA 2008 1. Ingkaran dari pernyataan, "Beberapa bilangan prima adalah bilangan genap." adalah... Semua bilangan prima adalah bilangan genap Semua bilangan prima bukan bilangan genap Beberapa bilangan prima bukan

Lebih terperinci

MODUL 3 FAKTORISASI LU, PARTISI MATRIK DAN FAKTORISASI QR

MODUL 3 FAKTORISASI LU, PARTISI MATRIK DAN FAKTORISASI QR MODUL 3 FAKTORISASI LU, PARTISI MATRIK DAN FAKTORISASI QR KOMPETENSI: 1. Memahami penggunaan faktorisasi LU dalam penyelesaian persamaan linear.. Memahami penggunaan partisi matrik dalam penyelesaian persamaan

Lebih terperinci

MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR

MAKALAH 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 terperinci

Nilai dan Vektor Eigen

Nilai 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 terperinci

MATRIKS Nuryanto, ST., MT.

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

Lebih terperinci