Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

dokumen-dokumen yang mirip
Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

Eigen value & Eigen vektor

Latihan 5: Inner Product Space

vektor u 1, u 2,, u n.

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

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

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR

DIAGONALISASI MATRIKS KOMPLEKS

MODUL V EIGENVALUE DAN EIGENVEKTOR

Aljabar Linier & Matriks

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

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

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

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL. Anis Fitri Lestari. Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR

MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI

SUMMARY ALJABAR LINEAR

BAB I PENDAHULUAN 1.1 Latar Belakang

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

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

BAB I PENDAHULUAN Latar Belakang Masalah

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

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

Penggunaan Dekomposisi QR Dalam Estimabilitas Parameter-Parameter Model Linier

Teori kendali. Oleh: Ari suparwanto

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

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

BAB II TEORI KODING DAN TEORI INVARIAN

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability)

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

PENDAHULUAN LANDASAN ANALISIS

MULTIMEDIA PEMBELAJARAN DIAGONALISASI MATRIKS

Bab 7 Sistem Pesamaan Linier. Oleh : Devie Rosa Anamisa

BAB 2 LANDASAN TEORI

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

KARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI

Matriks. Modul 1 PENDAHULUAN

Aljabar Linier. Kuliah

BAB I PENDAHULUAN Latar Belakang Masalah

ANALISIS KEAMANAN KRIPTOSISTEM KUNCI PUBLIK BERDASARKAN MATRIKS INVERS TERGENERALISASI

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

Reduksi Rank pada Matriks-Matriks Tertentu

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

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

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

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

BAB II TINJAUAN PUSTAKA

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

SISTEM HUKUM KEKEKALAN LINEAR

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

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

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

Materi 2: Matriks dan Operasi Matriks

REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU

Aljabar Linear Elementer

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

MUH1G3/ MATRIKS DAN RUANG VEKTOR

BAB II MATRIKS POSITIF. Pada bab ini akan dibahas mengenai Teorema Perron, yaitu teori hasil kontribusi

Similaritas Uniter Matriks Repesentasi Grup Berhingga

Analisis Matriks. Ahmad Muchlis

MUH1G3/ MATRIKS DAN RUANG VEKTOR

SOLUSI SISTEM PERSAMAAN LINEAR

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

TEKNIK INFORMATIKA FENI ANDRIANI

MK. PERENCANAAN LINGKUNGAN ANALISIS PEUBAH GANDA MULTIVARIATE ANALYSIS

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks

BAB II LANDASAN TEORI

Company LOGO ANALISIS BIPLOT

BAB II KESTABILAN SISTEM PERSAMAAN DIFERENSI

3.6. NILAI SAMPEL DARI KOMBINASI LINEAR DARI VARIABEL

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

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

(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS

GENERALISASI METODE GAUSS-SEIDEL UNTUK MENYELESAIKAN SISTEM PERSAMAAN LINEAR ABSTRACT

TINJAUAN PUSTAKA Analisis Biplot Biasa

Bab 1 PENDAHULUAN. 1.1 Latar Belakang

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH MATEMATIKA TEKNIK 1

8.3 Inverse Linear Transformations

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

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

Aljabar Linier Elementer. Kuliah 27

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

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

PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI

Vektor. Vektor. 1. Pengertian Vektor

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

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

Fisika Matematika II 2011/2012

BAB II TINJAUAN PUSTAKA

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

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

SOAL UN DAN PENYELESAIANNYA 2008

MODUL 3 FAKTORISASI LU, PARTISI MATRIK DAN FAKTORISASI QR

MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR

Nilai dan Vektor Eigen

MATRIKS Nuryanto, ST., MT.

Transkripsi:

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 2 1 1 3 1 1 2 2 B = 5 14 13 0 1 0 0 0 1

Similaritas il it Dua matriks transformasi A dan B dikatakan similar jika terdapat matriks nonsingular R sehingga B = R -1 AR Contoh : 2 2 1 5 14 13 1 3 1 0 1 0 0 0 1 1 2 2 A = dan B = adalah similar sebab terdapat matriks P = 1 4 3, sehingga B = P -1 AP. 1 3 4 1 3 3

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.

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

Cari akar dan vektor karakteristik dari D = 5 0 0 0 4 0 0 0 3

Matriks Diagonal D = 3 0 0 7 0 0 0 9 0. 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, 0 0 0 1, dan 0 0. 1

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

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

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 ]

Bukti AP = [X 1 X 2 X 3 X n ] λ1 0 0 0 λ2 0 0 0 λ3......... 0 0 0.............. 0 0 0... 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.

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

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.

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

contoh Apakah matriks A = 1 1 2 0 2 2 1 1 3 0 diagonalisabel?. Jika ya, cari matriks P sehingga P -1 AP = D (diagonal).

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

contoh Apakah matriks B = diagonalisabel l? 2 4 2 4 2 2 2 2 1 Jika ya, cari matriks P sehingga P - 1 BP = D (Diagonal).

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

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)

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.

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.

contoh Cari matriks ortogonal R sehingga R - 1 AR = D A = 1 4 3 2

contoh Cari matriks ortogonal R sehingga R - 1 BR = D B = 1 3 3 0 5 6 0 3 4

contoh Cari matriks ortogonal R sehingga R - 1 CR = D C = 1 2 0 2 2 2 0 2 3

contoh Cari matriks ortogonal R sehingga R - 1 FR = D F = 3 1 1 2 4 2 1 1 3

Latihan Cari matriks ortogonal R sehingga R - 1 AR = D (diagonal), jika matriks transformasi A = 1 2 2 2 1 2 2 2 1

Latihan Cari matriks ortogonal R sehingga R -1 BR = D (diagonal), jika matriks transformasi B= 2 0 1 0 2 0 1 0 2

Latihan Cari matriks ortogonal R sehingga R -1 CR = D (diagonal), jika matriks transformasi C = 2 0 1 0 3 0 1 0 2

Latihan Cari matriks ortogonal R sehingga R -1 ER = D (diagonal), jika matriks transformasi E = 3 2 2 2 2 0 2 0 4

Latihan Cari matriks ortogonal R sehingga R -1 FR = D (diagonal), jika matriks transformasi F = 4 1 1 1 4 1 1 1 4

Latihan Cari matriks ortogonal R sehingga R -1 GR = D (diagonal), jika matriks transformasi G = 3 1 1 1 0 2 1 2 0

Latihan Cari matriks ortogonal R sehingga R -1 HR = D (diagonal), jika matriks transformasi H = 2 2 2 2 5 4 2 4 5

Latihan Cari matriks ortogonal R sehingga R -1 KR = D (diagonal), jika matriks transformasi K = 7 4 4 4 1 4 8 1 8

Latihan Cari matriks ortogonal R sehingga R -1 LR = D (diagonal), jika matriks transformasi L = 7 2 1 2 10 2 1 2 7