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 Info: Jurnal MSA Vol. 3 No. 2 Edisi: Juli Desember 205 Artikel No.: 9 Halaman: 64-74 ISSN: 2355-083X Prodi Matematika UINAM ABSTRAK Metode numerik memberikan suatu cara alternatif yang digunakan untuk menemukan nilai eigen dan vektor eigen dari suatu matriks. Tujuan dari penelitian ini adalah menentukan nilai eigen dan vektor eigen pada matriks dengan menggunakan metode pangkat dan metode deflasi.metode pangkat yang digunakan adalah metode pangkat langsung.metode pangkat langsung digunakan untuk menentukan nilai eigen mutlak terbesar dari suatu matriks dan vektor eigen yang bersesuaian. Dengan menggabungkan metode pangkat langsung dan metode deflasi, nilai eigen dari suatu matriks yang semuanya berbeda dan berupa bilangan real akan dapat ditemukan. Penggunaan metode pangkat masih terbatas pada matriks yang seluruh nilai eigennya adalah bilangan real. Oleh sebab itu, peneliti mengharapkan ada penelitian tentang metode pangkat untuk mencari nilai eigen kompleks. Kata Kunci: metode pangkat, metode deflasi, nilai eigen, vektor eigen. PENDAHULUAN Latar belakang Permasalahan dari fenomena riil yang dapat dijelaskan melalui pembentukan model matematika, biasa ditemukan dalam kehidupan sehari-hari, untuk menyelesaikan masalahmasalah yang melibatkan penaksiran dari sebuah fungsi yang diketahui dengan fungsi-fungsi yang lebih sederhana. Masalah-masalah yang demikian muncul dalam berbagai penerapan sain dan teknologi. Dalam banyak kasus, tidak semua model matematika tersebut dapat diselesaikan secara mudah dengan menggunakan metode analitik. Sehingga digunakan metode numerik untuk mencari penyelesaiannya, dan hasil Perhitungan dengan metode numerik cukup dapat memberikan solusi pada persoalan yang dihadapi. Penerapan dari metode numerik ini salah satunya yaitu dalam masalah nilai eigen dan vektor eigen. Metode numerik adalah suatu metode untuk menyelesaikan masalah-masalah matematika dengan menggunakan sekumpulan operasi aritmetika sederhana dan operasi logika pada sekumpulan bilangan atau data numerik yang diberikan. Metode numerik memberikan suatu cara alternatif yang digunakan untuk menemukan nilai eigen dan vektor eigen dari suatu matriks. Cara yang digunakan dalam metode numerik ini termasuk unik karena dalam penyelesaiannya hanya diperlukan operasi-operasi aljabar biasa. Hanya saja, dalam penghitungannya tidak cukup dilakukan sekali tetapi harus dilakukan berulangulang sampai ditemukan nilai yang konvergen ke satu nilai yang merupakan nilai penyelesaiannya. Dalam penyelesaian soal-soal praktis, suatu matriks seringkali begitu besar sehingga penentuan persamaan karakteristik tidak praktis pada penggunaan metode determinan. Akibatnya, digunakan berbagai metode aproksimasi yaitu metode pangkat dan metode deflasi untuk menyelesaikannya. Dengan metode pangkat ini, nilai eigen yang berupa bilangan real dan vektor eigennya dapat ditemukan secara bersamaan menggunakan 64
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 proses yang sama pula sehingga jika nilai eigen dari suatu matriks ditemukan, maka secara otomatis vektor eigen dari matriks yang bersangkutan akan diperoleh. Mencari nilai eigen dan vektor eigen menggunakan metode pangkat, akan memerlukan proses iterasi yang sangat panjang untuk menemukan hasil yang mendekati nilai yang sebenarnya. Semakin banyak iterasi yang dilakukan, maka semakin baik hasil yang diperoleh. Meskipun metode pangkat bisa digunakan untuk menentukan nilai eigen dan vektor eigen dari matriks, tetapi sulit untuk menentukan nilai eigen keseluruhan dari matriks tersebut. Oleh sebab itu, diperlukan metode deflasi berturut-turut untuk menemukannya. Pada penelitian ini, jika metode determinan sangat sulit digunakan untuk matriks berordo di atas 3 3, maka metode pangkat yang digabungkan dengan metode deflasi dapat digunakan dengan mudah untuk mencari nilai eigen dan vektor eigen pada matriks berordo di atas 3 3. Dengan demikian, metode pangkat dan metode deflasi merupakan salah satu metode yang dapat mempermudah dalam mencari nilai eigen dan vektor eigen suatu matriks. Berdasarkan latar belakang di atas, penulis mengangkat permasalahan tentang Metode Pangkat dan Metode Deflasi dalam Menentukan Nilai Eigen dan Vektor Eigen dari Matriks. Rumusan Masalah Berdasarkan latar belakang yang telah diuraikan di atas, maka permasalahan pada penelitian ini adalah menentukan nilai eigen dan vektor eigen suatu matriks dengan menggunakan metode pangkat dan metode deflasi? Tujuan penelitian Tujuan dari penelitian ini adalah menentukan nilai eigen dan vektor eigen pada matriks dengan menggunakan metode pangkat dan metode deflasi.. 2. TINJAUAN PUSTAKA Matriks Definisi Matriks Definisi 2.. Sebuah matriks adalah susunan segiempat sikusiku dari bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri dalam matriks. Matriks ditulis sebagai berikut: a a 2 a n a 2 a 22 a 2n A = ] a m a m2 a mn Susunan di atas disebut sebuah matriks m kali n (ditulis m n) karena memiliki m baris dan n kolom. Sebagai aturan, kurung siku ], kurung biasa ( ) atau bentuk kurung mutlak digunakan untuk menuliskan matriks beserta elemenelemennya. Pada penelitian ini, penulis menggunakan kurung siku ] untuk menuliskan matriks beserta elemen-elemennya. Matriks dinotasikan dengan huruf-huruf besar. Sedangkan elemen-elemen dalam matriks dinotasikan dengan huruf kecil yang dicetak miring. Jika A adalah sebuah matriks, maka aij menyatakan elemen yang terdapat dalam baris i dan kolom j dari A. Sehingga A = a ij ] terdiagonalisasi. Nilai Eigen dan Vektor Eigen Definisi 2.2. Jika A adalah matriks n n, maka vektor taknol x di dalam R n dinamakan vektor eigen (eigen vector) dari A jika Ax adalah kelipatan skalar dari x; yakni, Ax = λx untuk suatu skalar λ. Skalar λ dinamakan nilai eigen (eigen value) dari A dan x dikatakan vektor eigen yang bersesuaian dengan λ. Contoh : Vektor x = ] adalah vektor eigen dari 2 A= 3 0 ] yang bersesuaian dengan nilai eigen 8 λ = 3 karena 65
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 Ax = 3 0 8 ] 2 ] = 3 6 ] = 3x Untuk mencari nilai eigen matriks A yang berukuran n n maka Ax = λx dituliskan kembali sebagai Ax = λix 0 = λix - Ax 0 = (λi A)x atau secara ekivalen (λi-a)x = 0 supaya λ menjadi nilai eigen, maka harus ada pemecahan taknol dari persamaan ini. Persamaan (2.6) akan mempunyai pemecahan taknol jika dan hanya jika det(λi-a) = 0 det(λi-a) = 0 dinamakan persamaan karakteristik A. Skalar yang memenuhi persamaan ini adalah nilai eigen dari A. Bila diperluas, maka determinan det(λi-a) adalah polinom λ yang dinamakan polinom karakteristik dari A. Ini dapat ditunjukkan bahwa jika A adalah matriks n n, maka polinom karakteristik A harus berderajad n dan koefisien λ n adalah. Jadi, polinom karakteristik dari matriks n n mempunyai bentuk Misalkan diketahui vektor A berukuran n n dan dapat didiagonalkan. Misalkan pula λ, λ2,..., λn nilai eigen dari A yang memenuhi hubungan λ > λ2... λn > 0 Maka nilai eigen dominannya adalah λn Karena A dapat didiagonalkan, terdapat vektor eigen v, v2,., vn yang masing-masing berkaitan dengan nilai eigen λ, λ2,..., λn dan (vektor eigen yang bersesuaian dengan nilai eigen dominan yaitu vn, maka vn dinamakan vektor eigen dominan) membentuk basis di R n. kemudian sebarang vektor x0 di R n dapat dituliskan sebagai x0 = s v + s2 v2 +... + sn vn dengan mengalikan A diperoleh Ax0 = (λ, λ2,..., λn ) (s v + s2 v2 +... + sn vn ) = s λ v+ s2 λ2 v2+... + sn λn vn Kemudian hasil terakhir ini dikalikan lagi dengan A, hal ini dilakukan berulang ulang. Hasil sampai dengan k kali adalah. A k x0= s λ k v+ s2 λ2 k v2+... + sn λn k vn 2. = λ k ( s v+ s2 λ 2 λ ] k v2+... + sn λ n λ ] k vn ) det (λi-a) = λ n + c λ n- + + cn Metode Pangkat Langsung Metode pangkat menghasilkan sebuah aproksimasi terhadap nilai eigen dengan nilai mutlak terbesar dan vektor eigen yang bersesuaian. Definisi 2.3. Sebuah nilai eigen dari sebuah matriks A dinamakan nilai eigen dominan (dominant eigen value) A jika nilai mutlaknya lebih besar dari nilai-nilai mutlak dari nilai-nilai eigen yang selebihnya. Sedangkan vektor eigen yang bersesuaian dengan nilai eigen dominan dinamakan vektor eigen dominan (dominant eigen vector) A. Jika k makin besar, nilai λ i λ ] k untuk i = 2,..., n, karena λ i λ < i. Oleh karena itu, untuk k yang cukup besar bentuk persamaan (2.9) menjadi A k x0 s λ k v Dengan demikian telah didapatkan hampiran dari kelipatan vektor eigen v tersebut, yaitu vektor A k x0. Vektor A k x0 merupakan hampiran vektor eigen yang berkaitan dengan nilai eigen terbesar v. Makin besar nilai k makin baik pula hampiran A k x0 terhadap sebuah vektor eigen dari A. Setelah vektor eigen v atau kelipatannya didapatkan, nilai eigen yang berkaitan dapat dihitung sebagai berikut. Karena A v = λv, maka A v v = λv v 66
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 Atau λ = Av v 2 v v 2 Rumus nilai eigen ini disebut rumus pembagian Rayleigh. Metode Deflasi Peneliti akan memerlukan teorema berikut, dan menyatakan teorema ini tanpa bukti. Teorema 2. Misalkan A adalah matriks n n yang bujur sangkar dengan nilai-nilai eigen λ, λ2,..., λn. Jika v () adalah vektor eigen yang bersesuaian dengan λ, dan v =, maka: (a). Matriks B = A λ v v t mempunyai nilainilai eigen 0, λ2,..., λn (b). Jika v adalah vektor eigen B yang bersesuaian dengan nilai eigen tak nol dalam himpunan { λ2,..., λn } maka v adalah juga vektor eigen A yang bersesuaian dengan nilai eigen ini. Contoh: Mencari matriks baru pada matriks A dengan menggunakan metode deflasi 3 2 0 A = 2 3 0] 0 0 5 Matriks di atas mempunyai nilai-nilai eigen λ = 5, λ2 = 5, λ3 =, dan V = ] adalah vektor eigen 0 yang bersesuaian dengan λ = 5. Dengan menormalisasikan v maka akan 2 2 menghasilkan v = ] = ] yang 0 2 0 merupakan vektor eigen yang bersesuaian dengan λ = 5. Menurut teorema 2.3, maka matriks 3 2 0 B = A λ v v t = 2 3 0 ] - 5 0 0 5 2 2 0 ] 2 3 2 0 /2 /2 0 = 2 3 0 ] - 5 /2 /2 0] = 0 0 5 /2 /2 0 0 0 5 /2 /2 0] 0 0 5 seharusnya mempunyai nilai-nilai eigen 5, dan. Hubungan Pada Konteks Keagamaan Allah menghendaki kemudahan bagi manusia, sehingga Allah akan memberikan kemudahan atas kesulitan yang dihadapi manusia. Jika ada kesulitan, maka akan ada solusinya. Manusia sebagai makhluk yang serba terbatas, terkadang belum mampu menemukan solusi dari permasalahan yang ada. 3. HASIL DAN PEMBAHASAN Hasil Penelitian Menentukan nilai eigen dan vektor eigen dengan menggunakan metode pangkat langsung dan metode deflasi A = 2 4 5 3 0 2 3 3 2 03 3 4 3 0 2 2 3 0 3] Karena matriks A diatas berukuran 5 5, maka matriks A mempunyai 5 nilai eigen. Sehingga langkah pertama kita tentukan x (0) = ] Langkah berikutnya mencari nilai y () memenuhi perkalian matriks A x (0) = y () A x (0) = 2 4 5 3 0 2 3 3 2 03 3 4 3 0 2 2 3 0 3] = 3 5 4 9 ] 3 ] 2 0 ] yang elemen vektor y () yang terbesar adalah 3 sehingga () = 3 67
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 x () = y() 3 5 4 9 = 3 ] () 3 0.384 x () = 0.307 0.692 0.230] selanjutnya mengulangi langkah-langkah sebelumnya untuk mencari lamda dan vektor yang kedua A x () = y (2) A x () = 2 4 5 3 0 2 3 3 0.384 2 03 3 4 0.307 3 0 2 0.692 2 3 0 3] 0.230] 5.54.538 = 2.692 3.538 2.769] elemen vektor y (2) yang terbesar adalah 5.54 sehingga (2) = 5.54 x (2) = y(2) 5.54.538 2.692 = 3.538 2.769] (2) 5.54 0.298 x (2) = 0.522 0.686 0.537] selanjutnya mengulangi langkah-langkah sebelumnya untuk mencari lamda dan vektor yang ketiga A x (2) = y (3) Ax (2) = 2 4 5 3 6.73 0 2 3 3 0.298 3.268 2 0 3 4 0.522 = 3.268 3 3 0 2 0.686 4.537 2 3 0 3] 0.537].805 ] elemen vektor y (3) yang terbesar adalah 6.73 sehingga (3) = 6.73 x (3) = y(3) 0.485 x (3) = 0.485 0.674 0.268] 6.73 3.268 3.268 = 4.537.805 ] (3) 6.73 berikut ini adalah hasil iterasi untuk mendapatkan nilai eigen yang pertama dengan menggunakan program matlab. Tabel 3. Hasil iterasi pertama metode pangkat langsung pada program matlab, hasil iterasi yang selengkapnya dapat dilihat pada lampiran 3 Iterasi X X 2 X 3 X 4 X 5 3 0.3846 0.30769 0.6923 0.23076 2 5.5385 0.2985 0.52238 0.68656 0.5373 3 6,7334 0.48558 0.48558 0.67405 0.26829 4 6,08869 0.32265 0.3768 0.73088 0.5529 5 6.35032 0.43462 0.57690 0.64990 0.2837 6 6,27589 0.3768 0.32694 0.733 0.48299 7 6,747 0.39039 0.59666 0.6600 0.32495 8 6,44239 0.404 0.33680 0.7574 0.43353 9 6,04737 0.36477 0.56875 0.67942 0.37494 0 6,52653 0.4260 0.37890 0.69723 0.3889 6,0207 0.35684 0.5756 0.69640 0.4365 68
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 2 6,50696 0.42668 0.43005 0.68396 0.3607 3 6.07553 0.36258 0.46690 0.70637 0.43255 4 6.42228 0.4722 0.4727 0.67788 0.3543 5 6.6898 0.37540 0.43208 0.7088 0.43282 6 6.3266 0.40380 0.49732 0.67832 0.35747 7 6.26087 0.38893 0.4787 0.70570 0.4207 8 6.240 0.3970 0.50253 0.68298 0.3796 9 6.32437 0.39894 0.420 0.69993 0.40506 20 6.977 0.3843 0.49327 0.68906 0.3877 2 6.34983 0.40375 0.43467 0.6943 0.39095 22 6.8976 0.3884 0.47723 0.69424 0.39954 23 6.34244 0.40376 0.4504 0.69000 0.3822 24 6.20834 0.3837 0.4659 0.69726 0.4052 88 6.26903 0.3932 0.45999 0.6930 0.39264 89 6.2698 0.3934 0.45996 0.69300 0.39262 90 6.26906 0.3932 0.45997 0.6930 0.39264 9 6.2695 0.3933 0.45998 0.69300 0.39262 92 6.26909 0.3932 0.45996 0.6930 0.39264 93 6.2692 0.3933 0.45998 0.69300 0.39262 94 6.269 0.3933 0.45995 0.69302 0.39264 Berdasarkan tabel 3. di atas, dapat diketahui bahwa nilai eigen terbesar dari matriks A pada iterasi ke-94 adalah 6.269 iterasi berhenti karena galat maksimal yang digunakan dalam program adalah x 0-5 dan vektor eigen yang bersesuaian dengan nilai eigen tersebut yaitu: 0.3933 x (94) = 0.45995 0.69302 0.39264] masuk ke metode deflasi Langkah pertama yaitu mencari nilai eigen mutlak terbesar (λ = λlargest) dan vektor eigen (v () ) yang bersesuaian dari matriks A. Dengan metode pangkat langsung, diperoleh bahwa nilai eigen terbesar dari matriks A pada iterasi ke-94 adalah 6.269 dan vektor eigen yang bersesuaian dengan nilai eigen tersebut yaitu: 0.3933 v () = 0.45995 0.69302 0.39264] Langkah kedua yaitu menormalisasikan v (), v = normalisasi v () yaitu 2 v = 0.3933 0.45995 0.69302 0.5455 = 0.255 0.48027 = 2,00053 = 2.00053 =.444 maka 0.39264] 0.547] 0.7070 0.3933 0.27794 v = 0.45995 = 0.3259,444 0.69302 0.48997 0.39264] 0.27760] Langkah ketiga, menghitung elemen-elemen matriks B dengan menggunakan persamaan B = A λvv t = B = 4.3369 0.76805 2.55862 2.82830.76958.2394 2.4843 2.43335 0.4624 2.5629 0.55863 0.56664 3.66297 0.000 3.43405.770 0.76958 2.4624 2.5628 2.000 0.43406.50502 0.85270.4730 3.483] Matriks B ini seharusnya memiliki nilai eigen dibawah (λ) = 6.269 Langkah berikutnya mencari nilai eigen mutlak terbesar (λ2) dan vektor eigen (v 2 ) yang bersesuaian dari matriks B dengan metode pangkat langsung. Dengan menggunakan deskripsi program pada lampiran. 69
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 Tabel 3.2 Hasil iterasi kedua metode pangkat langsung pada program matlab, hasil iterasi yang selengkapnya dapat dilihat pada lampiran 4 Iterasi X X 2 X 3 X 4 X 5 3.79086 0.36393-0.0622 0.69058-0.6246 2.63535 -.43556 -.58697 0.044 -.06450 3 8.0609 0.43305 0.429 0.2999-0.94587 4 6.2954-0.9780-0.69695-0.8276 0.9562 5 6.74857 0.07243 0.3752-0.30620-0.87646 6 4.73859 0.02692-0.7496 -.4444 0.45770 7 8.8386-0.0997-0.05989-0.324-0.55662 8 2.4964 0.42539 0.5939-2.3285 0.75774 9.850-0.28392-0.40634-0.33798-0.29526 0 3.00024 0.6472 -.53509 0.5438 0.6988 6.0087-0.66585 -.08467-0.38447 0.2537 2 6.43402 0.5862-0.467 0.9879-0.50203 3 4.36565-0.69806 -.24945-0.09999-0.0579 4 6.2286 0.52627 0.669-0.3332 -.4936 5 7.32534-0.29030-0.60548-0.90667 0.2368 6 6.93637 0.239 0.380-0.28585-0.83985 7 4.49838-0.00022-0.4757 -.48027 0.44596 8 8.94025-0.09720-0.073-0.3347-0.54556 9 2.3428 0.4494 0.5676-2.36880 0.76999 20 2.04435-0.29380-0.4222-0.338-0.2830 76 3.52897 0.6373 -.223 0.4474-0.0880 77 4.9582-0.8906 -.4856-0.4290 0.5397 78 8.4443 0.57364-0.8432 0.2742-0.6457 79 5.00377-0.56952 -.04626-0.35455 0.03545 80 5.00753 0.509 0.99043-0.23840 -.34562 diperoleh nilai eigen terbesar dari matriks B pada iterasi ke-80 adalah (λ2) = 5.00752 iterasi berhenti karena galat maksimal yang digunakan dalam program adalah x 0-3 dan vektor eigen yang bersesuaian dengan nilai eigen tersebut yaitu: 0.509 (v 2 0.99043 ) = 0.23840.34562] Langkah kedua yaitu menormalisasikan v (2) v 2 = 2.02494 0.509 0.99043 = 0.24786 0.489 0.49384 0.23840 0.773.34562] 0.66452] Langkah ketiga, menghitung elemen-elemen matriks B dengan menggunakan persamaan B = A λ2v2v2 t = B = 4.4434 0.6097.94567 2.97442 2.59438.83903 3.68227.2238 0.43459 4.4387 0.05432.7768 4.88420 0.29224 5.07737.02557 2.43459 2.29224.57443 0.75554.59438 4.4387 2.07737.24446 5.69439] Matriks B ini seharusnya memiliki nilai eigen dibawah (λ2) = 5.00752 Langkah berikutnya mencari nilai eigen mutlak terbesar (λ3) dan vektor eigen (v 3 ) yang bersesuaian dari matriks B dengan metode pangkat langsung. Dengan menggunakan deskripsi program pada lampiran, 70
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 Tabel 3.3 Hasil iterasi ketiga metode pangkat langsung pada program matlab, hasil iterasi yang selengkapnya dapat dilihat pada lampiran 5 Iterasi X X2 X3 X4 X5 3.234 0.08687-0.459 0.8924 0.270 2 3.45969-0.54407-0.33447-0.85724-0.4562 3 3.46240 0.6946 0.35004 -.9654 0.87926 diperoleh nilai eigen terbesar dari matriks B pada iterasi ke-3 adalah (λ3) = 3.46240 iterasi berhenti karena galat maksimal yang digunakan dalam program adalah x 0-3 dan vektor eigen yang bersesuaian dengan nilai eigen tersebut yaitu: v (3) = 0.6946 0.35004.9655 0.87926 ] Langkah kedua yaitu menormalisasikan v (3). v3 = 2.02494 0.6946 0.35004.9655 0.87926 ] = 0.07045 0.4552 0.8696 0.36553 0.4572] Langkah ketiga, menghitung elemen-elemen matriks B dengan menggunakan persamaan B = A λ3v3v3 t = B = 4.45852 0.2547.87452 3.75560 0.4495.36455.474 2.2504.49298 3.93440 2.4495 2.88526 2.49297.63544 0.2504 3.9344 7.9508.3269 6.25330 3.32620 2.03704 0.22939 3.25330.7706 6.29278] Matriks B ini seharusnya memiliki nilai eigen dibawah (λ3) = 3.46240 Langkah berikutnya mencari nilai eigen mutlak terbesar (λ4) dan vektor eigen (v 4 ) yang bersesuaian dari matriks B dengan metode pangkat langsung. Dengan menggunakan deskripsi program pada lampiran, Iterasi 2 3 4 5 6 7 8 9 Tabel 3.4 Hasil iterasi keempat metode pangkat langsung pada program matlab, Hasil iterasi yang selengkapnya dapat dilihat pada lampiran 6 X X2 X3 X4 X5 3.904 0.05960-0.2680 0.8320 0.9350 4.26074 - - - - 0.49983 0.36540 0.8289 0.42599 5.20538 0.779 0.39629-0.8909 2.0252 2.4640 0.00052 - - - 0.04467 0.3545 0.58848 7.4092 - - - 0.5452 0.04763 0.0823.52299 7.99765 0.05072 0.0928 - - 0.3346 0.69727 8.73846 - - - 0.469 0.088 0.942.38929 7.42 0.07094 0.565 - - 0.3338 0.739 9.662 - - - 0.4479 0.073 0.22328.35435 6.88200 0.07735 0.6946 - - 0 0.33035 0.7476 9.2888 - - - 0.44402 0.056 0.236.34490 6.8895 0.0795 0.735 - - 2 0.33004 0.74448 9.32200 - - - 0.44295 3 0.0667 0.2333.34232 6.8074 0.07964 0.746 - - 4 0.32995 0.74524 9.3328 - - - 0.44265 5 0.0696 0.23390.346 6.79704 0.07977 0.7444 - - 6 0.32993 0.74544 9.3338 - - - 0.44257 7 0.0705 0.23406.3442 6.79576 0.0798 0.745 - - 8 0.32992 0.74549 9.33450 - - - 0.44255 9 0.0706 0.2340.3436 20 6.7904 0.07982 0.7453-0.32992-0.7455 95 9.33476 - - - 0.44254 0.0707 0.2342.3434 96 6.79528 0.07982 0.7454-0.32992-0.7455 97 9.33476 - - - 0.44254 0.0707 0.2342.3434 98 6.79528 0.07982 0.7454-0.32992-0.7455 99 9.33476 - - - 0.44254 0.0707 0.2342.3434 00 6.79528 0.07982 0.7454-0.32992-0.7455 diperoleh nilai eigen terbesar dari matriks B pada iterasi ke-00 adalah (λ4) = 6.7953 iterasi berhenti karena iterasi maksimal yang digunakan dalam program adalah iterasi 00 dan vektor tersebut yaitu: v (4) = 0.07983 0.7454 0.32993 0.74552] Langkah kedua yaitu menormalisasikan v (4). v 4 = 2.02494 0.07983 0.7454 = 0.0620 0.338 0.76663 0.32993 0.25293 0.74552] 0.5754] Langkah ketiga, menghitung elemen-elemen matriks B dengan menggunakan persamaan B = A λ4v4v4 t = B = 4.5242 0.0206 2.0206 4.05632 0.64303 3.08748 0.85476 2.8885 2.08043 5.2887.35697 3.4524 3.08043 0.08747 0.8885 5.2887 7.06603 4.58287 3.6227 6.58287 3.5 2.9852 0.6227 4.9852.77902] Matriks B ini seharusnya memiliki nilai eigen dibawah (λ4) = 6.7953 Langkah berikutnya mencari nilai eigen mutlak terbesar (λ5) dan vektor eigen (v 5 ) yang bersesuaian dari matriks B dengan metode pangkat langsung. Dengan menggunakan deskripsi program pada lampiran, 7
Tabel 3.5 Hasil iterasi pertama metode pangkat langsung pada program matlab, Hasil iterasi yang selengkapnya dapat dilihat pada lampiran 7 Iterasi X X 2 X 3 X 4 X 5 3.23693 0.9498-0.03649-0.40635 0.59748 2 20.36924 0.00862 0.0924-0.3934-0.67647 3 20.8928-0.09624-0.236 -.36450 0.46082 4 39.6050 0.07868 0.7086-0.335-0.74486 5 2.83327-0.0708-0.23348 -.33747 0.44273 6 39.870 0.08039 0.7538-0.33097-0.74830 7 2.89878-0.0752-0.23458 -.33609 0.4429 8 39.09572 0.08050 0.756-0.33096-0.74848 9 2.90220-0.0755-0.23463 -.33602 0.4426 0 39.0945 0.08050 0.7562-0.33095-0.74849 2.90239-0.0755-0.23463 -.33602 0.4426 2 39.09444 0.08050 0.7562-0.33095-0.74849 3 2.90240-0.0755-0.23463 -.33602 0.4426 4 39.09444 0.08050 0.7562-0.33095-0.74849 5 2.90240-0.0755-0.23463 -.33602 0.4426 6 39.09444 0.08050 0.7562-0.33095-0.74849 7 2.90240-0.0755-0.23463 -.33602 0.4426 8 39.09444 0.08050 0.7562-0.33095-0.74849 9 2.90240-0.0755-0.23463 -.33602 0.4426 20 39.09444 0.08050 0.7562-0.33095-0.74849 95 2.90240-0.0755-0.23463 -.33602 0.4426 96 39.09444 0.08050 0.7562-0.33095-0.74849 97 2.90240-0.0755-0.23463 -.33602 0.4426 98 39.09444 0.08050 0.7562-0.33095-0.74849 99 2.90240-0.0755-0.23463 -.33602 0.4426 00 39.09444 0.08050 0.7562-0.33095-0.74849 diperoleh nilai eigen terbesar dari matriks B pada iterasi ke-00 adalah (λ5) = 39.09444 iterasi berhenti karena iterasi maksimal yang digunakan dalam program adalah iterasi 00 dan vektor tersebut yaitu: v (5) = 4. PEMBAHASAN. 0.08050 0.7562 0.33095 0.74849] Pada penelitian ini, peneliti akan mencari nilai eigen dan vektor eigen dengan menggunakan metode pangkat langsung yang digabungkan dengan metode deflasi. Dalam penelitian ini matriks yang diangkat pada contoh yaitu matriks 5x5, A = 2 4 5 3 0 2 3 3 2 03 3 4 3 0 2 2 3 0 3] dengan menggunakan iterasi pada metode pangkat langsung pada matriks tersebut kita akan menemukan nilai iegen dan vektor eigen yang pertama, nilai eigen yang pertama 6.269 dan vektor tersebut yaitu: v () = 0.3933 0.45995 0.69302 0.39264]. Kemudian vektor eigen yang di dapat pada itetasi pertama, dapat dicari matriks 5x5 selanjutnya dengan menggunakan metode deflasi. Sehingga di dapatlah matriks kedua Setelah mendapatkan matriks 5x5 yang kedua, akan di iterasi lagi menggunakan metode pangkat langsung, 72
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 Langkah ini diulang sebanyak jumlah kolom atau jumlah baris pada matriks, karena banyaknya nilai eigen dan vektor eigen yang didapat berdasarkan jumlah kolom atau jumlah baris pada matriks. Berikut adalah hasil keseluruhan perhitungan dengan menggunakan metode pangkat langsung dan metode deflasi. Tabel 3.6 Nilai Eigen dari Metode Pangkat Langsung dan Metode Deflasi dengan Bantuan Matlab Nilai eigen Banyak iterasi λ 6.269 94 λ 2 5.00752 80 λ 3 3.46240 3 λ 4 6.7953 00 λ 5 39.09444 00 Tabel 3.7 Vektor Eigen dari Metode Pangkat Langsung dan Metode Deflasi dengan Bantuan Matlab Vektor Eigen v () v (2) v (3) v (4) v (5) 0.509 0.6946 0.07983 0.08050 0.3933 0.99043 0.35004 0.7454 0.7562 0.45995.9655 0.69302 0.23840 0.87926 0.32993 0.33095 6.269.34562 0.74552 0.74849 λ = 6.269-6.2692 = -0.0000 = 0.0000 =.0 x 0-5 λ2 = 5.00753-5.00377 = 0.00376 = 0.00376 = 3.76 x 0-3 λ3 = 3.46240-3.45969 = 0.0027 = 0.0027 = 2.7 x 0-3 Pada λ4 dan λ5 iterasinya melebihi batas iterasi maksimal yaitu pada iterasi ke-00 sehinggan iterasinya berhenti, dan tidak memiliki nilai eror. 5. KESIMPULAN Berdasarkan contoh yang diangkat pada penelitian, pada matriks 5 x 5 yaitu 2 4 5 3 0 2 3 3 A = 2 03 3 4 dapat di 3 0 2 2 3 0 3] simpulkan bahwa nilai eigen dan vektor eigen dapat ditentukan dengan menggunakan metode pangkat dan metode deflasi yaitu:. Nilai eigen yang pertama 6.269 dan vektor 0.3933 tersebut yaitu (v ) = 0.45995 pada iterasi 0.69302 0.39264] ke-94. 2. Nilai eigen yang kedua 5.00752 dan vektor 0.509 0.99043 tersebut yaitu (v 2 ) = pada iterasi 0.23840.34562] ke-80. 3. Nilai eigen yang ketiga 3.46240 dan vektor 0.6946 0.35004 tersebut yaitu (v 3 ) =.9655 pada iterasi 0.87926 ] ke-3. 4. Nilai eigen yang keempat 6.7953 dan vektor 0.07983 0.7454 tersebut yaitu (v 4 ) = pada iterasi 0.32993 0.74552] ke-00. 5. Nilai eigen yang kelima 39.09444 dan vektor tersebut yaitu (v 5 ) = ke-00. 6. SARAN 0.08050 0.7562 0.33095 0.74849] pada iterasi Penggunaan metode pangkat dan metode deflasi masih terbatas pada matriks yang seluruh nilai eigennya adalah bilangan real. Oleh sebab itu, peneliti mengharapkan ada penelitian tentang 73
Jurnal MSA Vol. 3 No. 2 Ed. Juin-Desember 205 metode pangkat untuk mencari nilai eigen kompleks. 7. DAFTAR PUSTAKA Anton, Howard. 997. Aljabar Linear Elementer. Jakarta: Erlangga. Anton, Howard. 2005. Aljabar Linear Elementer. Edisi ketga, Jakarta: Erlangga. Ayres, Frank. 984. Matriks. Jakarta: Erlangga. Budhi, Wono Setya. 995. Aljabar Linear. Jakarta: PT Gramedia Pustaka Utama Farida, Noor. 2007. Aplikasi Metode Pangkat Dan Metode Deflasi Dalam Mengaproksimasi Nilai eigen dan Vektor Eigen Dari Matriks. Skripsi tidak diterbitkan. Malang: Fakultas Sains Dan Teknologi UIN Malang Hadley, G. 992. Aljabar Linear. Jakarta: Erlangga. Hidayah, Nikmatul. 2004. Penggunaan Metode Householder dan Metode-QR untuk Mengaproksimasi Nilai-Nilai Eigen Matriks Setangkup Nyata. Skripsi tidak diterbitkan. Malang: Fakultas Sains dan Teknologi UIN Malang Karso. Penerapan Aljabar Linear. 6 Desember 202 http://file.upi.edu/direktori/fpmipa/ju R._PEND._MATEMATIKA/95509099 8002- KARSO/MODUL_2_ALJABAR_LINEA R_2006.pdf Karso. Nilai Eigen, Vektor Eigen Dan Diagonalisasi Matriks. 4 Februari 203 http://file.upi.edu/direktori/fpmipa/ju R._PEND._MATEMATIKA/95509099 8002- KARSO/MODUL ALJABAR_LINEA R_2006.pdf Leon, Steven J. 200. Aljabar Linear dan Aplikasinya. Jakarta: Erlangga Munir, Rinaldi. 2006. Metode Numerik. Bandung: Informatika Sahid. 2005. Pengantar Komputasi Numerik Dengan Matlab. Yogyakarta: ANDI. Simmons, Bruce. Invers of matrix multiplicative invers of a Matrikx. 3 Desember 202. http://www.mathwords.com/i/inverse_of _a_matrix.htm Soejeoti, Zalbawi, dkk. 998. Al-Islam & Iptek. Jakarta: PT RajaGrafindo Persada Spiegel, Murray. 994. Matematika Lanjutan untuk Para Insinyur dan Ilmuwan. Jakarta: Erlangga Weber, Jean E. 999. Analisis Matematika Penerapan Bisnis dan Ekonomi. Jakarta: Erlangga Wikipedia Aljabar Linier, 0 juli 202 http://id.wikipedia.org/wiki/aljabar_line ar Mathews, John H. 4 April 202. Numerical Analysis & Numerical Methods. http://math.fullerton.edu/mathews/softwa re/software.html 74