KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN
|
|
- Harjanti Sudirman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN
2 TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat menghitung eigen value dan eigen vector suatu matriks Dapat mengetahui contoh aplikasi dari eigen value dan eigen vektor suatu matriks Surabaya, 3 September 2012 EIGEN VALEU DAN EIGEN 2 KALKULUS DAN ALJABAR LINEAR Page 2
3 eigenvalues eigenvectors EIGEN VALEU DAN EIGEN 3
4 Definisi: Matriks A (n n); x R n dan Ax = λx maka λ disebut eigenvalue A, dan x disebut eigenvector dari A yang berpasangan dengan λ Jika diketahui matriks A (n n), bagaimana mencari eigenvalue(s) dari matriks A? 1. Bentuk persamaan karakteristik determinan ( λi A ) = 0 (akan terbentuk persamaan derajat n) 2. Cari akar-akar persamaan karakteristik di atas, ada n akar; akar-akar ini merupakan eigenvalue(s) dari matriks A EIGEN VALEU DAN EIGEN 4
5 Jika diketahui matriks A (n n), maka vektor tak nol x di dalam R n dinamakan vektor eigen dari A jika Ax adalah kelipatan skalar dari x; yakni, Ax = λ x Skalar λ dinamakan nilai eigen (eigen value) dari A. Vekto x = 1 adalah vektor eigen dari A = Yang bersesuain dengan nilai eigen λ = 3, karena: Ax = = 3 = 3x EIGEN VALUE DAN EIGEN VECTOR 5
6 Jika diketahui matriks A (n n), bagaimana mencari eigenvalue(s) dari matriks A? 1. Bentuk persamaan karakteristik determinan ( λi A ) = 0 (akan terbentuk persamaan derajat n) 2. Cari akar-akar persamaan karakteristik di atas, ada n akar; akar-akar ini merupakan eigenvalue(s) dari matriks A Contoh: A = 3 0 (λi A) = λ = λ λ+1 8 λ+1 Det ( λi A ) = 0 ( λ 3 ) ( λ + 1 ) + 0 = 0 maka λ 1 = 3 & λ 2 = 1 EIGEN VALUE DAN EIGEN VECTOR 6
7 Contoh: A = 3 2 (λi A) = λ = λ (-1) λ-0 1 λ det (λi A) = det λ 3-2 = 0 1 λ = λ 2 3 λ + 2 = 0 λ = 1 dan λ = 2 EIGEN VALUE DAN EIGEN VECTOR 7
8 EIGEN VALEU DAN EIGEN 8
9 Definisi: Matriks A (n n); x R n dan Ax = λx maka λ disebut eigenvalue A, dan x disebut eigenvector dari A yang berpasangan dengan λ Jika diketahui matriks A (n n), bagaimana mencari eigenvector(s) dari matriks A? Setelah eigenvalue λ k dari matriks A diperoleh, maka eigenvector(s) x k yang berpasangan dengan λ k ditentukan dari persamaan ( λi A ) x k = 0 EIGEN VALUE DAN EIGEN VECTOR 9
10 Jika diketahui matriks A (n n), bagaimana mencari eigenvector(s) dari matriks A? Setelah eigenvalue λ k dari matriks A diperoleh, maka eigenvector x k yang berpasangan dengan λ k ditentukan dari persamaan ( λi A ) x k = 0 Contoh: dari soal terdahulu A = 3 0 λ 1 = 3 & λ 2 = eigenvector x 1 : (λ 1 I A ) x 1 = 0 (3I A ) x 1 = 0 Untuk λ 1 = x 11 = x x 11 = 0 x 12 = 2x x 12 0 x 11 = skalar s EIGEN VALUE DAN EIGEN VECTOR eigenspace = himpunan eigenvector x 1 = { ( s, 2s ) } 10
11 Jika diketahui matriks A (n n), bagaimana mencari eigenvector(s) dari matriks A? Setelah eigenvalue λ k dari matriks A diperoleh, maka eigenvector x k yang berpasangan dengan λ k ditentukan dari persamaan ( λi A ) x k = 0 Contoh: dari soal terdahulu A = 3 0 λ 1 = 3 & λ 2 = eigenvector x 2 : (λ 2 I A ) x 2 = 0 ( 1 I A ) x 2 = 0 Untuk λ 1 = x 21 = x x 21 = 0 x 21 = x 22 0 x 22 = skalar s EIGEN VALUE DAN EIGEN VECTOR eigenspace = himpunan eigenvector x 2 = { ( 0, s ) } 11
12 EIGEN VALEU DAN EIGEN 12
13 EIGEN VALEU DAN EIGEN 13
14 Contoh: Carilah Eigen Value (λ) dari: EIGEN VALEU DAN EIGEN 14
15 Diagonalisasi: Matriks A (n n) akan dicari matriks P yang invertibel sedemikian sehingga P 1 AP = matriks diagonal Matriks A disebut diagonalizable Matriks P disebut mendiagonalisasi (diagonalizes) matriks A Teorema: Matriks A (n n) Matriks A disebut diagonalizable A memiliki n eigenvectors yang linearly independent EIGEN VALEU DAN EIGEN 15
16 Algoritma untuk menentukan matriks P Matriks A (n n) diagonalizable, maka langkah-langkah untuk menentukan P sbb.: 1. Bentuk fungsi karakteristik determinan ( λi A ) = 0 2. Tentukan eigenvalues dari A: λ 1, λ 2, λ 3,., λ n 3. Tentukan eigenspaces yang berpasangan dengan eigenvalues λ 1, λ 2, λ 3,., λ n tersebut 4. Tentukan basis-basis dari eigenspaces di atas 5. Matriks P diperoleh dengan menuliskan basis-basis tersebut sebagai vektor kolom EIGEN VALEU DAN EIGEN 16
17 Contoh: EIGEN VALUE DAN EIGEN VECTOR 17
18 Diagonalisasi Akan dibuktikan bahwa Eigen Vector EIGEN VALUE DAN EIGEN VECTOR 18
19 EIGEN VALEU DAN EIGEN 19
20 EIGEN VALEU DAN EIGEN 20
21 KarenaA adalahmatrix 3x3 danhanyaada2 vektorbasis, makaa tidakdiagonalizable EIGEN VALEU DAN EIGEN 21
22 Diagonalisasi Ortogonal: Matriks A (n n) akan dicari matriks P yang ortogonal (P 1 = P T ) sedemikian sehingga P 1 AP = P T AP = matriks diagonal Matriks A disebut orthogonally diagonalizable Matriks P disebut mendiagonalisasi secara ortogonal (orthogonally diagonalizes) matriks A EIGEN VALEU DAN EIGEN 22
23 Algoritma untuk menentukan matriks P Matriks A (n n) orthogonally diagonalizable, maka langkahlangkah untuk menentukan P sbb.: 1. Bentuk fungsi karakteristik determinan ( λi A ) = 0 2. Tentukan eigenvalues dari A: λ 1, λ 2, λ 3,., λ n 3. Tentukan eigenspaces yang berpasangan dengan eigenvalues λ 1, λ 2, λ 3,., λ n tersebut 4. Tentukan basis-basis dari eigenspaces di atas 5. Aplikasikan metode Gram-Schmidt untuk mendapatkan basis-basis ortonormalnya 6. Matriks P diperoleh dengan menuliskan basis-basis hasil langkah 5 tersebut sebagai vektor kolom EIGEN VALEU DAN EIGEN 23
24 Teorema: Jika matriks A (n n), maka yang berikut ini ekivalen a) Matriks A simetrik b) Matriks A orthogonallly diagonalizable c) Matriks A memiliki n eigenvectors yang ortonormal Jika a) benar maka b) dan c) benar, dsb Jika a) salah maka b) dan c) salah, dsb EIGEN VALEU DAN EIGEN 24
25 Contoh: A = determinan ( λi A ) = 0 ( λ 2 ) 2 ( λ 8 ) = 0 eigenvector x 1 : (λ 1 I A ) x 1 = 0 ( 2I A ) x 1 = 0 EIGEN VALEU DAN EIGEN eigenspace (λ 1 ) x 12 x 13 = x x 13 1 x x
26 Contoh: A = determinan ( λi A ) = 0 ( λ 2 ) 2 ( λ 8 ) = 0 eigenvector x 2 : (λ 2 I A ) x 2 = 0 ( 8I A ) x 2 = eigenspace (λ 2 ) x 23 = x 23 1 x 23 1 EIGEN VALEU DAN EIGEN x
27 Basis eigenspace (λ 1 ) 1, -1 dengan Gram-Schmidt 1/ 2, 1/ & normalisasi 1/ 2 1/ / 6 Basis eigenspace (λ 2 ) 1 dengan Gram-Schmidt 1/ 3 1 & normalisasi 1/ 3 1 1/ 3 Maka matriks P yang 1/ 2 1/ 6 1/ 3 orthogonally diagonalizes 1/ 2 1/ 6 1/ 3 matriks (A) adalah 0 2/ 6 1/ 3 EIGEN VALEU DAN EIGEN 27
28 A = Maka matriks P yang 1/ 2 1/ 6 1/ 3 orthogonally diagonalizes 1/ 2 1/ 6 1/ 3 matriks (A) adalah 0 2/ 6 1/ 3 EIGEN VALEU DAN EIGEN 28
29 CONTOH: Sistem persamaan perpindahan penduduk, C = 0,85C + 0,10S n+ 1 n n S = 0,15C + 0,90S n+ 1 n n untukn 0 Dalamhalini: x n C n = S n Matriks transisinya: 0,85 0,10 A = 0,15 0,90 Persamaan karakteristik dari A: Surabaya, 3 September 2012 EIGEN VALEU DAN EIGEN 29 KALKULUS DAN ALJABAR LINEAR Page 29
30 Persamaan karakteristik dari A : λ λ = = 0 ( λ )( λ ) λ λ = 0 λ λ = 0 ( )( ) λ 1 4λ 3 = 0 λ = 1, λ = 0, ; Surabaya, 3 September 2012 EIGEN VALEU DAN EIGEN 30 KALKULUS DAN ALJABAR LINEAR Page 30
31 *)Untukλ1,pers.(A-λI)=0 0,15 0,10 x 0 = x1 = 0,15 0,10 y 0 S ( ) 2,3, *)Untukλ2=0,75,pers.(A-λI)=0 0,10 0,10 x 0 0,15 0,15 y 0 = 2 = x S ( ) 1,1, Surabaya, 3 September 2012 EIGEN VALEU DAN EIGEN 31 KALKULUS DAN ALJABAR LINEAR Page 31
32 A = PDP, P =, D 3, P 3 1 = = untuk k >> k = A k k = = Dengan k yang cukup besar, ,4 k 1 C xk = A x0 ( C0 S0 ) = + S 0 0,6 Surabaya, 3 September 2012 EIGEN VALEU DAN EIGEN 32 KALKULUS DAN ALJABAR LINEAR Page 32
33 Untuk waktu yang lama (k >>) karena vector (0,4,0,6) dengan λ=1, pembagian penduduk antara kota dan pinggiran tidak mengalami perubahan lagi, yaitu menjadi 40% berada di kota dan 60% berada di pinggiran Surabaya, 3 September 2012 EIGEN VALEU DAN EIGEN 33 KALKULUS DAN ALJABAR LINEAR Page 33
34 LATIHAN: 1. a. A = b. A = Surabaya, 3 September a. A = b. A = Tentukanlah apakah A dapat didiagonalisasi. Jika ya, maka carilah matriks P yang mendiagonalisasi A secara ortogonal. EIGEN VALEU DAN EIGEN 34 KALKULUS DAN ALJABAR LINEAR Page 34
Eigen value & Eigen vektor
Eigen value & Eigen vektor Hubungan antara vektor x (bukan nol) dengan vektor Ax yang berada di R n pada proses transformasi dapat terjadi dua kemungkinan : 1) 2) Tidak mudah untuk dibayangkan hubungan
Lebih terperinci7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal
7. NILAI-NILAI VEKTOR EIGEN Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal Nilai Eigen, Vektor Eigen Diketahui A matriks nxn dan x adalah suatu vektor pada R n, maka biasanya tdk ada
Lebih 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 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 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 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 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 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 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 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 terperinciKS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN
KS091206 KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat mengetahui definisi dan sifat-sifat dari ruang vektor
Lebih terperinciSTK 500. Pengantar Teori Statistika. Eigenvalues and Eigenvectors
STK 5 Pengantar Teori Statistika Eigenvalues and Eigenvectors Eigenvalues and Eigenvectors Example : if we have a matrix A: then A or A 4 4-4 I 4 4-4 4-4 4 6 4-4 - which implies there are two roots or
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 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 terperinciBAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU
BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU Sistem persamaan linear orde/ tingkat satu memiliki bentuk standard : = = = = = = = = = + + + + + + + + + + Diasumsikan koefisien = dan fungsi adalah menerus
Lebih 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 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 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 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 terperinciKS KALKULUS DAN ALJABAR LINEAR Independensi Linear Basis & Dimensi TIM KALIN
KS091206 Independensi Linear Basis & Dimensi TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat mengetahui apakah suatu vektor bebas linier atau tak bebas
Lebih terperinciDIAGONALISASI MATRIKS KOMPLEKS
Buletin Ilmiah Mat Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 337-346 DIAGONALISASI MATRIKS KOMPLEKS Heronimus Hengki, Helmi, Mariatul Kiftiah INTISARI Matriks kompleks merupakan matriks
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari
BAB 2 LANDASAN TEORI 21 Analisis Komponen Utama 211 Pengantar Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari tulisan Karl Pearson pada tahun 1901 untuk peubah non-stokastik Analisis
Lebih terperinciBAB II 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 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 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 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 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 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 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 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 terperinciMenentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift
Jurnal Penelitian Sains Volume 14 Nomer 1(A) 14103 Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift Yuli Andriani Jurusan Matematika FMIPA,
Lebih 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 terperinciGARIS-GARIS BESAR PROGRAM PEMBELAJARAN
GARIS-GARIS BESAR PROGRAM PEMBELAJARAN Mata Kuliah : Aljabar Linear Kode / SKS : TIF-5xxx / 3 SKS Dosen : - Deskripsi Singkat : Mata kuliah ini berisi Sistem persamaan Linier dan Matriks, Determinan, Vektor
Lebih terperinciBAB 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 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 terperinciBAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data
A. Model Matematika BAB II KAJIAN TEORI Pemodelan matematika adalah proses representasi dan penjelasan dari permasalahan dunia real yang dinyatakan dalam pernyataan matematika (Widowati dan Sutimin, 2007:
Lebih terperinciBAB 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 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 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 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 terperinciKS KALKULUS DAN ALJABAR LINEAR Vektor di Ruang N TIM KALIN
KS091206 KALKULUS DAN ALJABAR LINEAR Vektor di Ruang N TIM KALIN TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan: Dapat mengetahui definisi dan dapat menghitung perkalian
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 terperinciPenerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika
Penerapan Diagonalisasi Matriks untuk Menyelidiki Pewarisan Genotip pada Generasi ke-n dalam Genetika Nurmia,a), Muhammad Abdy,b), Syafruddin Side 3,c),,3 Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih 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 terperinciMAKALAH ALJABAR LINIER
MAKALAH ALJABAR LINIER Transformasi Linier Makalah Ini Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linier Dosen Pengampu : Abdul Aziz Saefudin, S.Pd.I, M.Pd Disusun Oleh: III A4 Kelompok 12 1. Ria
Lebih terperinciA 10 Diagonalisasi Matriks Atas Ring Komutatif
A 10 Diagonalisasi Matriks Atas Ring Komutatif Joko Harianto 1, Puguh Wahyu Prasetyo 2, Vika Yugi Kurniawan 3, Sri Wahyuni 4 1 Mahasiswa S2 Matematika FMIPA UGM, 2 Mahasiswa S2 Matematika FMIPA UGM, 3
Lebih 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 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 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 Analytic Hierarchy Process (AHP) Sumber kerumitan masalah keputusan bukan hanya dikarenakan faktor ketidakpasatian atau ketidaksempurnaan informasi saja. Namun masih terdapat penyebab
Lebih terperinciAljabar Linier Elementer. Kuliah 27
Aljabar Linier Elementer Kuliah 27 Materi Kuliah Transformasi Linier Invers Matriks Transformasi Linier Umum //24 Yanita, Matematika FMIPA Unand 2 Transformasi Linier Satu ke satu dan Sifat-sifatnya Definisi
Lebih terperinciMatriks 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 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 terperinciAPLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS
Jurnal UJMC, Volume, Nomor, Hal 36-40 pissn : 460-3333 eissn : 579-907X APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS Novita Eka Chandra dan Wiwin Kusniati Universitas
Lebih terperinciTrihastuti Agustinah
TE 9467 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 TEORI CONTOH 4 SIMPULAN
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 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 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 terperinciMENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE
MENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE Rini Pratiwi 1*, Rolan Pane 2, Asli Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah : Matematika Diskrit 2 Kode / SKS : IT02 / 3 SKS Program Studi : Sistem Komputer Fakultas : Ilmu Komputer & Teknologi Informasi. Pendahuluan 2. Vektor.. Pengantar mata kuliah aljabar linier.
Lebih terperinciBAB II 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 terperinciPENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI
PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih 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 terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Diagonalisasi Matrik Sistem Anxn
Institut Teknologi Seuluh Noember Surabaya Diagonalisasi Matrik Sistem Ann Materi Contoh Soal Latihan Materi Contoh Soal Eigenvalue Matrik Ann Eigenvektor Diagonalisasi Matrik Ann Latihan Materi Contoh
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 terperinciBAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta
BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori-teori yang digunakan sebagai acuan dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta teorema-teorema
Lebih 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 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 terperinciRUANG VEKTOR. Nurdinintya Athari (NDT)
1 RUANG VEKTOR Nurdinintya Athari (NDT) RUANG VEKTOR Sub Pokok Bahasan Ruang Vektor Umum Subruang Basis dan Dimensi Basis Subruang Beberapa Aplikasi Ruang Vektor Beberapa metode optimasi Sistem kontrol
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2 Analisis Korelasi Analisis korelasi adalah alat statistik yang dapat digunakan untuk mengetahui deraat hubungan linear antara satu variabel dengan variabel lain (Algifari, 997)
Lebih 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 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 terperinciProf.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta
SIMILARIAS Similaritas Pendiagonalan Matriks Similaritas dari Matriks Simetri Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta Pengantar Cari akar dan vektor karakteristik kt tik dari A = 2
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 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(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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan diuraikan mengenai landasan teori yang akan digunakan dalam bab selanjutnya. 2.1 Matriks Sebuah matriks, biasanya dinotasikan dengan huruf kapital tebal seperti A,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Konvek Definisi 2.1.1. Suatu himpunan C di R n dikatakan konvek jika untuk setiap x, y C dan setiap bilangan real α, 0 < α < 1, titik αx + (1 - α)y C atau garis penghubung
Lebih terperinciBAB II 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 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 terperinciSpektrum Graf Hyperoctahedral Melalui Matriks Sirkulan Dengan Visual Basic 6.0
Jurnal Sainsmat, September 2013, Halaman 131-139 Vol. II. No. 2 ISSN 2086-6755 http://ojs.unm.ac.id/index.php/sainsmat Spektrum Graf Hyperoctahedral Melalui Matriks Sirkulan Dengan Visual Basic 6.0 Hyperoctahedral
Lebih terperinciHASIL PRESENTASI ALJABAR LINIER ( SUB RUANG VEKTOR ) Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linier. Dosen Pengampu : Darmadi, S,Si, M.
HASIL PRESENTASI ALJABAR LINIER ( SUB RUANG VEKTOR ) Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linier Dosen Pengampu : Darmadi, S,Si, M.Pd Disusun oleh Matematika 5F Kelompok 5: ARLITA ROSYIDA 08411.081
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 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 terperinciS I L A B U S. Kode Mata Kuliah : SKS : 3. Dosen Pembimbing : M. Soenarto
081316373780 S I L A B U S Mata Kuliah : ALJABAR LINIER Kode Mata Kuliah : SKS : 3 Prasyarat : MATEMAA DASAR Dosen Pembimbing : M. Soenarto Prodi / Jenjang : MATEMAA / S1 Buku Sumber : Singapore : Mc-Graw-
Lebih terperinciBAB II KAJIAN PUSTAKA. operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas
BAB II KAJIAN PUSTAKA Pada bab ini akan diuraikan mengenai matriks (meliputi definisi matriks, operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas aljabar max-plus, dan penyelesaian
Lebih 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 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 terperinciAplikasi Aljabar Vektor dalam Algoritma Page Rank
Aplikasi Aljabar Vektor dalam Algoritma Page Rank Albertus Kelvin / 13514100 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS. Dosen Pengampu: DARMADI, S.Si, M.Pd. Oleh: Kelompok III
ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS Dosen Pengampu: DARMADI, SSi, MPd Oleh: Kelompok III 1 Andik Dwi S (06411008) 2 Indah Kurniawati (06411090) 3 Mahfuat M (06411104)
Lebih 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 terperinciKARAKTERISASI ALJABAR PADA GRAF BIPARTIT. Soleha, Dian W. Setyawati Institut Teknologi Sepuluh Nopember, Surabaya
KARAKTERISASI ALJABAR PADA GRAF BIPARTIT Soleha, Dian W. Setyawati Institut Teknologi Sepuluh Nopember, Surabaya ABSTRAK. Pada artikel ini dibahas penggunaan teknik aljabar linier untuk mempelajari graf
Lebih terperinciRuang Vektor. Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Ruang Vektor. Syarat agar V disebut sebagai ruang vektor. Aljabar Linear dan Matriks 1
Ruang Vektor Kartika Firdausy UAD blog.uad.ac.id/kartikaf Syarat agar V disebut sebagai ruang vektor 1. Jika vektor vektor u, v V, maka vektor u + v V 2. u + v = v + u 3. u + ( v + w ) = ( u + v ) + w
Lebih 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 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 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 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 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 terperinciPerluasan Teorema Cayley-Hamilton pada Matriks
Vol. 8, No.1, 1-11, Juli 2011 Perluasan Teorema Cayley-Hamilton pada Matriks Nur Erawati, Azmimy Basis Panrita Abstrak Teorema Cayley-Hamilton menyatakan bahwa setiap matriks bujur sangkar memenuhi persamaan
Lebih 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 terperinci