Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta
|
|
- Inge Hermanto
- 6 tahun lalu
- Tontonan:
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 6. Tentukan polinomial karakteristik dari matriks transformasi A=. Andaikan A adalah matriks persegi berdimensi x. Polinom karakteristik
Lebih terperinciProf.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 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 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 terperincivektor 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 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 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 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 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 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 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 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 terperinciMATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI
MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI SAP (1) Buku : Suryadi H.S. 1991, Pengantar Aljabar dan Geometri analitik Vektor Definisi, Notasi, dan Operasi Vektor Susunan
Lebih terperinciBAB 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 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 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 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 terperinciPertemuan 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 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 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 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 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 terperinciTINJAUAN 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 terperinciBAB 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 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 terperinciSATUAN 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 terperinciPenggunaan 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 terperinciTeori kendali. Oleh: Ari suparwanto
Teori kendali Oleh: Ari suparwanto Minggu Ke-1 Permasalahan oleh : Ari Suparwanto Permasalahan Diberikan sistem dan sinyal referensi. Masalah kendali adalah menentukan sinyal kendali sehingga output sistem
Lebih terperinciSATUAN 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 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 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 terperinciInstitut 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 terperinci1.1 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 terperinciPENDAHULUAN 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 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 terperinciBab 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 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 terperinci1.1. 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 terperinciKARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 4 Mei 0 KARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI
Lebih terperinciMatriks. 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 terperinciAljabar 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 terperinciBAB 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 terperinciANALISIS 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 terperinciPeperiksaan 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 terperinciReduksi 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 terperinciBAB 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 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 terperinciCandi 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 terperinciGARIS-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 terperinciBAB 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 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 terperinciSISTEM 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 terperinciUNIVERSITI 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 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 terperinciMATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT. Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya
MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINIER WAKTU DISKRIT Soleha, Dian Winda Setyawati Jurusan Matematika, FMIPA Institut Teknologi Surabaya Abstract. Matrix is diagonalizable (similar with matrix
Lebih terperinciMateri 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 terperinciREDUKSI 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 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 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
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 terperinciBAB II MATRIKS POSITIF. Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi
BAB II MATRIKS POSITIF Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi dari seorang matematikawan German, Oskar Perron. Perron menerbitkan tulisannya tentang sifat-sifat
Lebih terperinciSimilaritas 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 terperinciAnalisis 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 terperinciMUH1G3/ 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 terperinciSOLUSI 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 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 terperinciTEKNIK 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 terperinciMK. 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 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 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 terperinciCompany 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 terperinciBAB 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 terperinci3.6. 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 terperinciGaris 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 terperinciSOAL-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
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 terperinciGENERALISASI 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 terperinciTINJAUAN 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 terperinciBab 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 terperinciMATRIKS 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 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 terperinciSoal-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 terperinciP2.1 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 terperinciAljabar Linier Elementer. Kuliah 27
Aljabar Linier Elementer Kuliah 27 Materi Kuliah Transformasi Linier Invers Matriks Transformasi Linier Umum //24 Yanita, Matematika FMIPA Unand 2 Transformasi Linier Satu ke satu dan Sifat-sifatnya Definisi
Lebih terperincig(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 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 terperinciPENYELESAIAN 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 terperinciVektor. 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 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 terperinciTRANSFORMASI 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 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 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 terperinciSoal-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 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 terperinciSOAL 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 terperinciMODUL 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 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 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 terperinciMATRIKS 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