(MS.3) SUBRUANG CONINVARIAN DARI MATRIKS KUADRAT KOMPLEKS

dokumen-dokumen yang mirip
NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A =

Perluasan Teorema Cayley-Hamilton pada Matriks

BAB II LANDASAN TEORI

METODE PANGKAT DAN METODE DEFLASI DALAM MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS

BAB 2 LANDASAN TEORI

SUMMARY ALJABAR LINEAR

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift

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

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR

MATRIKS BENTUK KANONIK RASIONAL DENGAN MENGGUNAKAN PEMBAGI ELEMENTER INTISARI

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

Aljabar Linear Elementer

APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS

MATERI ALJABAR LINEAR LANJUT RUANG VEKTOR

BAB II TINJAUAN PUSTAKA

BAB II TEORI KODING DAN TEORI INVARIAN

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

BAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data

DIAGONALISASI MATRIKS KOMPLEKS

BAB II LANDASAN TEORI

BAB 5 RUANG VEKTOR A. PENDAHULUAN

TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep mendasar meliputi ruang vektor,

I PENDAHULUAN II LANDASAN TEORI

SIFAT-SIFAT KESETARAAN PADA MATRIKS SECONDARY NORMAL ABSTRACT

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

Operasi perkalian skalar merupakan suatu aturan yang mengasosiasikan setiap skalar k dan setiap objek u pada v dengan suatu objek ku, yang disebut

STABILISASI SISTEM KONTROL LINIER DENGAN PENEMPATAN NILAI EIGEN

Ruang Baris, Ruang Kolom, dan Ruang Null (Kernel)

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

BAB II KAJIAN PUSTAKA. operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas

Pertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:

Latihan 7 : Similaritas, Pendiagonalan Matriks, Polinom Matriks

EKSISTENSI DAN KONSTRUKSI GENERALISASI

MENENTUKAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL TUGAS AKHIR

Ruang Vektor. Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Ruang Vektor. Syarat agar V disebut sebagai ruang vektor. Aljabar Linear dan Matriks 1

Eigen value & Eigen vektor

ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS. Dosen Pengampu: DARMADI, S.Si, M.Pd. Oleh: Kelompok III

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

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

SUBRUANG VEKTOR. Disusun Untuk Memenuhi Mata Kuliah Aljabar Linier. Dosen Pembimbing: Abdul Aziz Saefudin, M.Pd

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

DIAGONALISASI MATRIKS HILBERT

TRANSFORMASI LINIER PADA RUANG BANACH

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS INTERVAL MENGGUNAKAN METODE PANGKAT

EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I)

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

PENGHITUNGAN VEKTOR-KHARAKTERISTIK SECARA ITERATIF MENGGUNAKAN TITIK TETAP BROUWER

Created By Aristastory.Wordpress.com BAB I PENDAHULUAN. Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk

BAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta

Trihastuti Agustinah

Aljabar Linier Elementer. Kuliah 26

SPECTRUM PADA GRAF STAR ( ) DAN GRAF BIPARTISI KOMPLIT ( ) DENGAN

APLIKASI MATRIKS LESLIE UNTUK MEMPREDIKSI JUMLAH DAN LAJU PERTUMBUHAN SUATU POPULASI

A 10 Diagonalisasi Matriks Atas Ring Komutatif

BAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan.

Nilai Eigen dan Vektor Eigen Universal Matriks Interval Atas Aljabar Max-Plus

SISTEM PERSAMAAN LINEAR ( BAGIAN II )

RANK MATRIKS ATAS RING KOMUTATIF

UNIVERSITAS PENDIDIKAN INDONESIA

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

Aljabar Linier Elementer. Kuliah 27

Matriks - Definisi. Sebuah matriks yang memiliki m baris dan n kolom disebut matriks m n. Sebagai contoh: Adalah sebuah matriks 2 3.

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

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

BAB 2 LANDASAN TEORI. Analisis Komponen Utama (AKU, Principal Componen Analysis) bermula dari

RUANG HASIL KALI DALAM (RHKD) Makalah Ini Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu: Abdul Aziz Saefudin, M.

KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS

untuk setiap x sehingga f g

(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66

BAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi

BAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik

MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU

04-Ruang Vektor dan Subruang

Aljabar Linier Sistem koordinat, dimensi ruang vektor dan rank

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU

II. TINJAUAN PUSATAKA

KS KALKULUS DAN ALJABAR LINEAR Ruang Baris Ruang Kolom Ruang Nol TIM KALIN

KARAKTERISTIK PERSAMAAN ALJABAR RICCATI DAN PENERAPANNYA PADA MASALAH KENDALI

MENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE

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

BAB 2 LANDASAN TEORI

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN

Pertemuan 1 Sistem Persamaan Linier dan Matriks

Matriks Leslie dan Aplikasinya dalam Memprediksi Jumlah dan Laju pertumbuhan Penduduk di Kota Makassar

Konstruksi Matriks NonNegatif Simetri dengan Spektrum Bilangan Real

Penyelesaian Penempatan Kutub Umpan Balik Keluaran dengan Matriks Pseudo Invers

SEMINAR NASIONAL BASIC SCIENCE II

MODUL E LEARNING SEKSI -1 MATA KULIAH : ALJABAR LINIER KODE MATA KULIAH : ESA 151 : 5099 : DRA ENDANG SUMARTINAH,MA

KS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN

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

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

BAB 2 RUANG HILBERT. 2.1 Definisi Ruang Hilbert

Teori kendali. Oleh: Ari suparwanto

BAB III OPERATOR LINEAR TERBATAS PADA RUANG HILBERT. Operator merupakan salah satu materi yang akan dibahas dalam fungsi

RUANG FAKTOR. Oleh : Muhammad Kukuh

Spektrum Graf Hyperoctahedral Melalui Matriks Sirkulan Dengan Visual Basic 6.0

SISTEM PERSAMAAN LINEAR

Transkripsi:

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 Padjadjaran, Jl. Raya Bandung-Sumedang KM. 2 Jatinangor Email : euis_hartini@yahoo.co.id Abstrak Di dalam persamaan A x = λ x, di mana matriks A ε M (C), diperoleh skalar λ ε C adalah nilai coneigen dari nilai A dan x ε C adalah vektor coneigen (vektor coninvarian) dari A yang berkaitan dengan λ. Tidak setiap matriks di M (C) mempunyai vektor coninvarian. Dengan demikian, didefinisikan subruang L ε C dan L subruang coninvarian dari matriks A jika A L L dengan L = {x x ε L } di mana x adalah konjugat dari vektor kolom x. Pada paper ini akan dibuktikan untuk setiap matriks A ε M (C) (n 3) mempunyai subruang coninvarian dimensi- atau 2. Sedangkan untuk A matriks normal konjugat (A ε CN ), jika setiap subruang coninvarian dari A ε CN maka berlaku juga subruang coninvarian dari A. Kata Kunci : Nilai coneigen, vektor coninvarian, subruang coninvarian, dan matriks normal konjugat.. PENDAHULUAN Sebarang vektor x yang ditransformasikan oleh matriks kuadrat A berordo n n atas lapangan F kedalam λx, sehingga Ax = λx, di mana x disebut vektor invarian atau vektor karakteristik atau vektor eigen dari A yang berkaitan dengan skalar λ (nilai eigen) dari matriks A. Untuk menentukan λ nilai eigen dari matriks A berordo n n, yaitu melalui persamaan karakteristik det(λi A) = 0 dan untuk menentukan x vektor invarian yang berkaitan dengan λ yaitu (λi A)x = 0. Menurut sifat jika λ, λ,, λ adalah nilai eigen yang berlainan dari matriks A berordo n n dan jika x, x,, x merupakan vektor-vektor invarian tak nol yang masing-masing berkaitan dengan nilai eigennya, maka {x } untuk i=, 2,, k adalah bebas linier. Jika λ nilai eigen dari A berordo n n maka rank λ I A adalah n dan dimensi ruang vektor invarian yang berkaitan dengan λ adalah. Selanjutnya untuk skalar λ C dan vektor tak nol x C masing-masing disebut nilai coneigen dan vektor coninvarian yang berkaitan dengan λ dari matriks A M (C), berlaku Jurusan Statistika-FMIPA-Unpad 20 258

Seminar Nasional Statistika 2 November 20 Vol 2, November 20 Ax = λx. Di dalam ruang vektor yang skalarnya bilangan real disebut ruang vektor real dan ruang vektor yang skalarnya kompleks disebut suatu ruang vektor kompleks. Dengan demikian di dalam ruang vektor yang skalarnya coneigen invarian dari matriks kuadrat kompleks disebut ruang vektor coneigen invarian matriks kuadrat kompleks. 2. PEMBAHASAN Dalam pembahasan paper ini diberikan definisi-definisi untuk menunjang pembuktian teorema berikutnya, yaitu sebagai berikut Definisi. Kenormalan suatu matriks kuadrat A adalah AA = A A () Definisi 2. Suatu matriks A M (C) dikatakan normal konjugat jika AA = A (2) Misalkan matriks A, B M (C) dikatakan consingular jika B = SAS untuk matriks S nonsingluar. Didefinisikan matriks perkalian berikut ini. berikut ini : A = A A dan A = AA = A (3) Karena tidak setiap matriks di M (C) mempunyai vektor coneigen maka didefinisikan Definisi 3. Subruang L ε C dan L subruang coninvarian dari matriks A M (C) jika A L L (4) dengan L = {x x ε L } di mana x adalah konjugat dari vektor kolom x. Hal khusus, jika dimensi L =, maka untuk setiap vektor tak nol x coneigen (vektor coninvarian) dari A. Berikut ini contoh dari Definisi 3. L disebut vektor Contoh. 2 + i A = maka i 3 det (λi A) = λ 2 i + i λ 3 = (λ 2)(λ 3) 2 = λ 5λ + 4 = (λ )(λ 4) = 0 Jadi, nilai coneigen matriks A adalah λ = dan λ = 4 Jurusan Statistika-FMIPA-Unpad 20 259

Seminar Nasional Statistika 2 November 20 Vol 2, November 20 i Untuk λ = λ =, maka + i 2 x x = 0 0 diperoleh x = ( i)s dan x = s. Jadi, x = ( i)s i = s merupakan ruang eigen ( ruang solusi/ coninvarian) yang s i berdimensi satu dengan basis u =, u merupakan vektor coninvarian dari A. 2 i Untuk λ = λ = 4 maka x + i x = 0 0 diperoleh x = dan x = s. Jadi, x = s s = s merupakan ruang eigen (ruang solusi/coninvarian) yang berdimensi satu dengan basis v =, v merupakan vektor coninvarian dari A. 2 + i i Dengan demikian, A L = = + i dan L = i 3 Jadi, berlaku A L L. Sebagai dasar pada subruang coninvarian diberikan teorema berikut ini. Teorema. Untuk setiap matriks A ε M (C) (n 3) mempunyai subruang coninvarian dimensi atau 2. Bukti : Misalkan x merupakan vektor eigen A dengan A x = A Ax = λx (5) untuk suatu λ ε C. Didefinisikan y = Ax (6) Andaikan y dan x adalah bergantung linier, yaitu Ax = μx (7) Untuk suatu μ ε C, maka x adalah vektor coninvarian dari A dan L = span{x} merupakan subruang coninvarian dimensi-. Persamaan (7) akan berlaku A x = A Ax = μ x, sedangkan persamaan (5) nilai eigen λ merupakan bilangan nonnegatif. Diasumsikan bahwa y dan x adalah bebas linier. Maka persamaan (6) dapat ditulis sebagai Ax = y dan persamaan (5) dapat ditulis sebagai berikut Ay = λ x, (8) hal ini berarti L = span{x, y} adalah subruang coninvarian dimensi-2 dari A. Sehingga didapat hubungan matriks berikut ini A{x, y} = {x, y} 0 λ. (9) 0 Dengan y vektor eigen dari A dari persamaan(6) dan perkalian persamaan (8) dengan A diperoleh Jurusan Statistika-FMIPA-Unpad 20 260

Seminar Nasional Statistika 2 November 20 Vol 2, November 20 A y = A Ay = λax = λ y. (0) Jadi vektor x berkaitan dengan nilai eigen λ, dan vektor y berkaitan λ. Dengan demikian L subruang dimensi-2, dalam hal ini subruang invarian dari invarian A dibangun oleh dua vektor eigen yaitu pasangan nilai eigen konjugat kompleks. Jika λ 0 maka dari (9) berlaku μ = λ dan untuk (6) dapat didefinisikan Maka diperoleh dan y = Ax () Ax = μy, Ay = μx A[x y] = [x y] 0 μ. (2) μ 0 Diberikan contoh untuk matriks berordo 3 x 3 atas bilangan kompleks. Contoh 2. i A = i i untuk menentukan nilai coninvarian λ dari matriks A dengan melalui i λ + i det (λi A) = 0 yaitu i λ i = 0 i λ + (λ + )(λ )(λ + ) + i + i (λ ) i (λ + ) i (λ + ) = 0 λ + λ = 0 λ (λ + ) = 0 Jadi, nilai coninvarian dari A adalah λ = 0 dan λ = x i 0 Untuk λ = 0 maka i i x = 0 diperoleh x =, x = 0, dan x =. Jadi, i x 0 x = 0 merupakan ruang eigen (ruang solusi/coninvarian) yang berdimensi satu dengan basis u = 0, u merupakan vektor coninvarian dari A. 0 i x 0 Untuk λ = maka i 2 i x = 0 diperoleh x = i, x =, dan x = 0. Jadi, i 0 x 0 i x = merupakan ruang eigen (ruang solusi/coninvarian) yang berdimensi satu dengan 0 i basis v =, v merupakan vektor coninvarian dari A. 0 Jurusan Statistika-FMIPA-Unpad 20 26

Seminar Nasional Statistika 2 November 20 Vol 2, November 20 Sifat. Misalkan A. i submatriks dari baris i,, i (i i i ) dari suatu matriks A M (C). Jika A C ℵ maka A = A,...,,, Selanjutnya akan diberikan matriks normal konjugat Cℵ, di mana jika A ε Cℵ maka A ε ℵ dan A ε ℵ. Sifat subruang coninvarian dari berikut ini. A ε Cℵ diberikan pada teorema Teorema 2. Jika untuk setiap subruang coninvarian dari A ε C ℵ maka berlaku juga subruang coninvarian dari A. Bukti : Misalkan L merupakan subruang coninvarian dimensi-k dari A ( k n). Misalkan basis ortonomal q,, q di L dan q,, q, q,, q merupakan elemen ruang C dan didefinisikan Q = Q Partisi B yang bersesuaian dengan Q B = B B B B dimana B adalah blok k k. Dari (3) dapat ditulis Q = [q q ], B = Q AQ (3) AQ = QB. (4) maka menurut definisi subruang coninvarian B = 0. Misalkan B ε Cℵ berlaku (3) B = 0. dari (3), diperoleh B = Q A Q dan A Q = QB (5) Persamaan (5) berarti L adalah subruang coninvarian dari A. Contoh 3. 2 i A = i 2 maka 2 i A = i 2 = A, A = A 2 + i = + i 2, A 2 i = i 2 = A, dan A 2 + i = = A + i 2 Jadi, AA 2 i = i 2 2 + i + i 2 A = A 2 i = i 2 2 + i + i 2 Jurusan Statistika-FMIPA-Unpad 20 262

Seminar Nasional Statistika 2 November 20 Vol 2, November 20 Dengan demikian AA =A, sehingga A merupakan matriks normal conjugate. Selanjutnya, untuk menentukan nilai coneigen λ dan vektor invariant dari matriks di atas diperoleh det (λi A) = 0 λ 2 + i + i λ 2 = (λ 2) ( + i) = 0 Jadi, nilai-nilai coneigen dari matriks A adalah λ 2 = + i λ = i + Untuk λ = i + 3 i + + i (λ 2) + ( + i)((λ 2) ( + i) = 0 + i i + x x = 0 0 maka diperoleh x = t dan x = t λ 2 = ( + i) λ = i + 3 dan Jadi, x = t = t merupakan ruang eigen (ruang solusi/coninvarian) yang t berdimensi satu dengan basis u =, u merupakan vektor coninvarian dari A. Untuk λ = i + 3 i + + i + i i + x x = 0 0 maka diperoleh x = s dan x = s Jadi, x = s = s merupakan ruang eigen (ruang solusi/coninvarian) yang s berdimensi satu dengan basis v =, v merupakan vektor coninvarian dari A. Karena A matriks normal conjugate, maka nilai coneigen dan vektor coninvarian dari matriks A sama halnya dengan nilai coneigen dan vektor coninvarian dari matriks A. 3. KESIMPULAN Untuk setiap matriks A berordo 2 x 2 atas bilangan komplek mempunyai subruang coninvarian berdimensi -. Sedangkan untuk setiap matriks A berordo n x n atas bilangan kompleks dengan n 3 mempunyai subruang coninvarian berdimensi - atau 2. Untuk A matriks normal conjugate, subruang coninvarian A sama halnya dengan subruang coninvarian A. 4. DAFTAR PUSTAKA Anton, Howard, 2000, Dasar dasar Aljabar Linear, diterjemkan pleh Ir. Hari Suminto, Interaksara, Batam Ayres, Frank,Jr.PhD, 994, Matriks, diterjemahkan oleh I Nyoman Susila, Erlangga, JakartaFaϐbender,H dan Ikramov,Kh. D.,2006, Some observation on the Youla form and conjugate-normal matrices. http://www.icm.tu-bs.de/~hfassben/papers/youla.pdf (diakses pada bulan Juni 20) Faϐbender, H, dan Kh. D. Ikramov, 30 November 2007, Conjugate-normal matrices A Survey. http://www.icm.tu- bs.de/~hfassben/papers/youla.pdf (diakses pada bulan Juni 20) Jurusan Statistika-FMIPA-Unpad 20 263