Trihastuti Agustinah

dokumen-dokumen yang mirip
Trihastuti Agustinah

TE 1467 Teknik Numerik Sistem Linear

Transformasi Linear dari R n ke R m

TE Teknik Numerik Sistem Linear

Reduksi Rank pada Matriks-Matriks Tertentu

REDUKSI RANK PADA MATRIKS-MATRIKS TERTENTU

TE Teknik Numerik Sistem Linear. Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember

PENDAHULUAN LANDASAN ANALISIS

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability)

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

ANALISIS REDUKSI DATA CITRA MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR

SISTEM PERSAMAAN LINEAR ( BAGIAN II )

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

Matriks. Baris ke 2 Baris ke 3

TINJAUAN PUSTAKA. dianalisis dan hasilnya ditransformasi menjadi matriks berukuran??

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR

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

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

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU

TINJAUAN PUSTAKA Analisis Biplot Biasa

Eigen value & Eigen vektor

Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri 2017 ISSN ITN Malang, 4 Pebruari 2017

BAB II TINJAUAN PUSTAKA

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

PENYELESAIAN SISTEM PERSAMAAN LINEAR KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR (SVD) TUGAS AKHIR. Oleh : DEWI YULIANTI

MATRIKS. Notasi yang digunakan NOTASI MATRIKS

Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR

Matriks Jawab:

BAB 3 : INVERS MATRIKS

MENYELESAIKAN SISTEM PERSAMAAN LINIER MENGGUNAKAN ANALISIS SVD SKRIPSI. Oleh : Irdam Haidir Ahmad J2A

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

BAB I PENDAHULUAN 1.1 Latar Belakang

KS KALKULUS DAN ALJABAR LINEAR Eigen Value Eigen Vector TIM KALIN

Watermarking dengan Metode Dekomposisi Nilai Singular pada Citra Digital

BAB II TINJAUAN PUSTAKA. menjadi populer dan cocok dilakukan dengan bantuan komputer. Hal ini

APLIKASI MATRIKS DAN RUANG VEKTOR, oleh Dr. Adiwijaya Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta Telp: ;

MATRIKS. a A mxn = 21 a 22 a 2n a m1 a m2 a mn a ij disebut elemen dari A yang terletak pada baris i dan kolom j.

DETERMINAN. Determinan matriks hanya didefinisikan pada matriks bujursangkar (matriks kuadrat). Notasi determinan matriks A: Jika diketahui matriks A:

TINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai

PERBANDINGAN ANALISIS BIPLOT KLASIK DAN ROBUST BIPLOT PADA PEMETAAN PERGURUAN TINGGI SWASTA DI JAWA TIMUR

MATRIKS. Matematika. FTP UB Mas ud Effendi. Matematika

Kompresi Citra Menggunakan Truncated Singular Value Decomposition (TSVD), Sebuah Eksplorasi Numerik

Eigenvector dan eigenvalues

PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY MENGGUNAKAN METODE DEKOMPOSISI NILAI SINGULAR (SVD) TUGAS AKHIR. Oleh : SABRINA INDAH MARNI

BAB 2 LANDASAN TEORI

WATERMARKING DENGAN METODE DEKOMPOSISI NILAI SINGULAR PADA CITRA DIGITAL

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :

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

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

Analisis Reduksi Model pada Sistem Linier Waktu Diskrit

BAB 2 LANDASAN TEORI

Institut Teknologi Sepuluh Nopember Surabaya. Keteramatan (Observability)

Institut Teknologi Sepuluh Nopember Surabaya. Diagonalisasi Matrik Sistem Anxn

MATRIKS. 3. Matriks Persegi Matriks persegi adalah matriks yang mempunyai baris dan kolom yang sama.

Matematika Teknik DETERMINAN

MENENTUKAN INVERS MOORE PENROSE DARI SUATU MATRIKS DENGAN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR SKRIPSI. Disusun oleh : DINA MARIYA J2A

BAB II TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA

MATRIKS Matematika Industri I

a11 a12 x1 b1 Kumpulan Materi Kuliah #1 s/d #03 Tahun Ajaran 2016/2016: Oleh: Prof. Dr. Ir. Setijo Bismo, DEA.

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis

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

MATRIKS VEKTOR DETERMINAN SISTEM LINEAR ALJABAR LINEAR

DEKOMPOSISI NILAI SINGULAR PADA SISTEM PENGENALAN WAJAH

Trihastuti Agustinah

Contoh. C. Determinan dan Invers Matriks. C. 1. Determinan

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

LEMBAR AKTIVITAS SISWA MATRIKS (WAJIB)

MATRIKS Matematika Industri I

BAB I PENDAHULUAN Latar Belakang Masalah

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

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

Lampiran 1 Pembuktian Teorema 2.3

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

BAB IV PERSAMAAN INTEGRAL FREDHOLM BENTUK KEDUA

Part II SPL Homogen Matriks

INFORMASI YANG BISA DIAMBIL DARI BIPLOT

Abstrak. Keywords: correspondence analysis, alumni, service.

Implementasi Content Based Image Retrieval Untuk Menganalisa Kemiripan Bakteri Yoghurt Menggunakan Metode Latent Semantic Indexing

BAB II TINJAUAN PUSTAKA. digunakan untuk menganalisis data dengan lebih dari satu peubah bebas

MATRIKS. 2. Matriks Kolom Matriks kolom adalah matriks yang hanya mempunyai satu kolom. 2 3 Contoh: A 4 x 1 =

Pembuatan Kakas Komunikasi Antar Pengembang Perangkat Lunak

SISTEM PERSAMAAN LINEAR

SUMMARY ALJABAR LINEAR

Pertemuan 13 persamaan linier NON HOMOGEN

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

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

Penyelesaian Penempatan Kutub Umpan Balik Keluaran dengan Matriks Pseudo Invers

TINJAUAN PUSTAKA Analisis Gerombol

BAB II SISTEM PERSAMAAN LINEAR. Sistem persamaan linear ditemukan hampir di semua cabang ilmu

BAB III PROSEDUR DAN METODOLOGI

BENTUK NORMAL JORDAN UNTUK MENENTUKAN INVERS MOORE PENROSE

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

BAB 2 LANDASAN TEORI

PENYISIPAN WATERMARK PADA CITRA GRAYSCALE BERBASIS SVD

METODE ANALYTICAL HIERARCHY PROCESS DALAM PENGAMBILAN KEPUTUSAN PEMILIHAN GALANGAN KAPAL UNTUK PEMBANGUNAN KAPAL TANKER DI PULAU BATAM

APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI NILAI EIGEN KOMPLEKS PADA MATRIKS

Pemetaan Akibat Kecelakaan dan Jenis Kriminalitas di Wilayah Surabaya Menggunakan Pendekatan korespondensi

Matematika Teknik INVERS MATRIKS

Transkripsi:

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 5 LATIHAN

OBJEKTIF Teori Contoh Simpulan Latihan Tujuan Pembelajaran Mahasiswa mampu:. Mendekomposisi matriks menggunakan metode singular value decomposition (SVD). Menghitung invers menggunakan SVD

Objektif TEORI Contoh Simpulan Latihan Pendahuluan Dekomposisi matriks singular dapat dilakukan dengan menggunakan metode Singular Value Decomposition (SVD).

Objektif TEORI Contoh Simpulan Latihan Singular Value Decomposition (SVD) Dekomposisi matriks A R m n dua matriks ortonormal U dan V matriks quasidiagonal S A USV T dengan U R m m V R n n S diag(σ,, σ ρ )

Objektif TEORI Contoh Simpulan Latihan Bentuk matriks S S adalah elemen diagonal berupa nilai singular A tidak negatif dengan urutan menurun σ σ σ ρ dengan ρ min(m, n) Matriks S memiliki bentuk m < n [ ] diag,, ) ( σ σ ρ m ( nm) m n m > n [ diag( σ,, σ ρ )] diag σ σ (,, ρ ( mn) n )

Objektif TEORI Contoh Simpulan Latihan Prosedur dekomposisi () Diberikan matriks A (m n) Langkah. Definisikan matriks B Jika m n B AA T Jika m > n B A T A B adalah matriks bujursangkar dimensi m atau n (ukuran yang lebih kecil antara baris dan kolom) Langkah. Dapatkan eigenvalue B melalui pers. karakteristik I - B

Objektif TEORI Contoh Simpulan Latihan Prosedur dekomposisi () Langkah. Dapatkan nilai singular A (akar kuadrat positif eigenvalue matriks B) σ i i Langkah 4. Bentuk matriks S dengan cara Jika m < n S σ σ σ m

Prosedur dekomposisi () Objektif TEORI m S σ σ σ Jika m n Langkah 4. (lanjutan) Jika m > n n S σ σ σ Contoh Simpulan Latihan

Objektif TEORI Contoh Simpulan Latihan Prosedur dekomposisi (4) Langkah 5. Dapatkan matriks U dan V Kolom matriks U dibentuk dari eigenvektor normalisasi dari C C AA T Kolom matriks V dibentuk dari eigenvektor normalisasi dari matriks D D A T A

Objektif TEORI Contoh Simpulan Latihan Invers matriks melalui SVD Review: sifat matriks ortonormal U dan V U - U T dan V - V T Invers matriks A (m n) A - (V T ) - S - U - V (diag(/σ,, /σ ρ )) U T

Objektif Teori CONTOH Simpulan Latihan Contoh () Matriks A dan inversnya menggunakan SVD A 4 4 Dapatkan: a) SVD dari matriks A b) Invers matriks A menggunakan SVD

Contoh () Langkah. Karena ukuran matriks A adalah (mn), maka 8 4 4 4 4 T AA B Langkah. Eigenvalue B 8) )( ( 8 det B I dan 8 Objektif Teori CONTOH Simpulan Latihan

Objektif Teori CONTOH Simpulan Latihan Contoh () Langkah. Nilai singular A: σ dan σ 8 Langkah 4. Bentuk matriks S: S 8 Langkah 5. Matriks U dan V Matriks U: dibentuk dari eigenvektor normalisasi matriks CB

Contoh (4) Langkah 5. Sistem homogen: 4 u 4 u U 8 ) ( B I Eigenvektor normalisasi untuk matriks U 8 Objektif Teori CONTOH Simpulan Latihan

Contoh (5) Matriks V: dibentuk dari eigenvektor normalisasi matriks D 5 7 7 5 4 4 4 4 A A D T 8) )( ( 5 7 7 5 det D I Persamaan karakteristik matriks D dan 8 Eigenvalue matriks D Objektif Teori CONTOH Simpulan Latihan

Contoh (6) 7 7 7 7 7 7 7 7 V v v Matriks V: Eigenvektor normalisasi untuk matriks V 8 Sistem homogen: 5 7 7 5 ) ( B I Objektif Teori CONTOH Simpulan Latihan

Contoh (7) SVD dari matriks A: T A USV T 8 4 4 Objektif Teori CONTOH Simpulan Latihan

Contoh (8) Invers matriks A T U diag V A )),/, (/ ( σ ρ σ 8 6 8 6 8 Objektif Teori CONTOH Simpulan Latihan

Objektif Teori CONTOH Simpulan Latihan Contoh () Dapatkan SVD untuk matriks berikut: A dapatkan juga invers matriks A melalui SVD

Contoh () Langkah. Eigenvalue matriks B Langkah. Matriks B AA T ukuran matriks A adalah m < n T AA B ) )( ( det B I Nilai eigen: dan Objektif Teori CONTOH Simpulan Latihan

Langkah. Nilai singular A: σ dan σ S ) ( B I T ] u [ T ] [ u U Langkah 4. Matriks S: Langkah 5. Matriks U dan V dibentuk dari eigenvektor normalisasi matriks C (karena m<n, maka CB) dan D Contoh () Objektif Teori CONTOH Simpulan Latihan

Contoh (4) Pers. karakteristik matriks D Matriks D A T A Eigenvalue matriks D:,, A A D T ) )( ( det D I Objektif Teori CONTOH Simpulan Latihan

Contoh (5) Sistem homogen: ) ( D I v Hitung eigenvektor normalisasi untuk matriks V: Objektif Teori CONTOH Simpulan Latihan

Contoh (6) Matriks V: v v V Objektif Teori CONTOH Simpulan Latihan

Contoh (7) SVD dari matriks A: T A USV Objektif Teori CONTOH Simpulan Latihan

Contoh (8) Invers matriks A: T U diag V A )),, ( ( σ ρ σ / / Objektif Teori CONTOH Simpulan Latihan

Objektif Teori Contoh SIMPULAN Latihan Singular Value Decomposition ) SVD mendekomposisi matriks ke dalam perkalian dua matriks ortonormal dan satu matriks quasidiagonal ) Bentuk matriks quasidiagonal bergantung pada ukuran baris dan kolom dari matriks yang akan didekomposisi ) Invers matriks dapat dihitung menggunakan metode SVD

Objektif Teori Contoh Simpulan LATIHAN Soal Latihan Dapatkan invers matriks A A

Objektif Teori Contoh Simpulan Latihan