KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

dokumen-dokumen yang mirip
On A Generalized Köthe-Toeplitz Duals

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA

MATEMATIKA INTEGRAL RIEMANN

NORM VEKTOR DAN NORM MATRIKS

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

PELABELAN HARMONIS GANJIL PADA GRAF KINCIR ANGIN BELANDA DAN GABUNGAN GRAF KINCIR ANGIN BELANDA

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

INTERVAL KREDIBEL BAYESIAN OBYEKTIF DARI PARAMETER POPULASI BERDISTRIBUSI POISSON DAN EKSPONENSIAL

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

H dinotasikan dengan B H

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

EKSISTENSI BASIS ORTHONORMAL PADA RUANG HASIL KALI DALAM

BAB III PERSAMAAN PANAS DIMENSI SATU

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

PERLUASAN METODE NEWTON DENGAN PENDEKATAN PARABOLIK

SIFAT ASIMTOTIK NORMALITAS DAN KETAKBIASAN PENDUGA KEMUNGKINAN MAKSIMUM PARAMETER DISTRIBUSI GENERALIZED GAMMA

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

PROSIDING ISBN :

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

TE Dasar Sistem Pengaturan

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)

PELABELAN KONSEKUTIF (CONSECUTIVE LABELING) PADA GRAF STAR S n DAN GRAF DOUBLE STAR S n,n+1 (n Bilangan Asli) SKRIPSI. Oleh: ABDUL MUIS NIM.

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon

Konsistensi dan Asimtotik Normalitas Model Multivariate Adaptive Regression Spline (Mars) Respon Biner

KARAKTERISTIK FUNGSI DISTRIBUSI FOUR-PARAMETER GENERALIZED-t

Hidraulika Komputasi

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

Edge Anti-Magic Total Labeling dari

V. PENDEKATAN BAYES PADA MODEL ACAK

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

Solusi Persamaan Schrodinger 1-dimensi untuk Potensial Deng Fan MenggunakanKonstruksi Supersimetri

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM

UKURAN LOKASI, VARIASI & BENTUK KURVA

Metode Iterasi Orde Konvergensi Enam Untuk Penyelesaian Persamaan Nonlinear

METODE SECANT-MIDPOINT NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Supriadi Putra

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM

TEOREMA WEYL UNTUK OPERATOR HYPONORMAL

Metode Iterasi Tiga Langkah dengan Orde Konvergensi Enam untuk Menyelesaikan Persamaan Nonlinear

FORMULA BINET DAN JUMLAH n SUKU PERTAMA PADA GENERALISASI BILANGAN FIBONACCI DENGAN METODE MATRIKS. Purnamayanti 1 Thresye 2 Na imah Hijriati 3

Modifikasi Varian Metode Newton dengan Orde Konvergensi Tujuh

USAHA KONVEKSI PAKAIAN JADI

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Lampiran : Kekonvergenan Barisan Alternating Projection pada Himpunan yang tak Semuanya Konveks

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 1, 41-48, April 2003, ISSN : MATRIKS STOKASTIK GANDA DAN SIFAT-SIFATNYA

BAB 1 ERROR PERHITUNGAN NUMERIK

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

BAB III ISI. x 2. 2πσ

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

Regresi & Korelasi Linier Sederhana

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Kata kunci : Regresi logistik, Susenas, menikah muda

BAB X RUANG HASIL KALI DALAM

OPERASI GABUNGAN, JOIN, KOMPOSISI DAN HASIL KALI KARTESIAN PADA GRAF FUZZY SERTA KOMPLEMENNYA. Tina Anggitta Novia 1 dan Lucia Ratnasari 2

PELABELAN TOTAL SISI TAK BERATURAN PADA GRAF GABUNGAN BIPARTIT LENGKAP

JMP : Volume 5 Nomor 1, Juni 2013, hal SPEKTRUM PADA GRAF REGULER KUAT

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

Transformasi Fourier Waktu Diskrit

BAB II TINJAUAN PUSTAKA

REGRESI & KORELASI LINIER SEDERHANA

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

Oleh : Diar Ekawati

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

KOMBINASI METODE NEWTON DENGAN METODE ITERASI YANG DITURUNKAN BERDASARKAN KOMBINASI LINEAR BEBERAPA KUADRATUR UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR

FUNGSI EKSPONEN, TRIGONOMETRI DAN HYPERBOLIK BAB I FUNGSI EKSPONEN

SAP. Pertemu Materi Pokok Sub-Materi Tugas KBM Bentuk. Matriks. Projector/Vie proses penunjang. software. pembelajaran. Sistem

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

0,8 9 0,9 4 1,2 4 7,1 6 %

MENENTUKAN POLINOMIAL MINIMAL ATAS GF p YANG MEMBANGUN GF p. Nunung Andriani 1 dan Bambang Irawanto 2

BAB II LANDASAN TEORI

MODIFIKASI SEDERHANA DARI VARIAN METODE NEWTON UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR ABSTRACT

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

Sudaryatno Sudirham. Permutasi dan Kombinasi

BAB 4 IMPLEMENTASI DAN EVALUASI

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

Metode Iterasi Tiga Langkah Bebas Turunan Orde Konvergensi Delapan untuk Menyelesaikan Persamaan Nonlinear

Transkripsi:

Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus Kputh Sukollo Surabaa 6 Jawa Tmur sus_grl@ahoo.co. aprl@matmatka.ts.ac. Abstrak Plasa mga ruag orm tlah baak ka olh para matmatkawa. Bak kaa alam ruag orm ruag orm- a ruag orm-. Kaa ttag ortogoaltas alam ruag orm lham olh Ruag hasl kal alam. Dfs ortogoaltas alam ruag orm uga tlah baak kmbagka olh para matmatkawa. Paa papr ga mgguaka aspk ortogoaltas laska bahwa ka trfs suatu ruag orm- maka ruag orm-(-) trfs ga. Brkuta ka kovrgs barsa ruag orm-(-). Kata kuc: Ortogoaltas Ruag orm- Ruag orm-(-) Abstract A scrpto of th spac orm has b wl stu b mathmatcas. Both stus wth th orm a orm- a a orm-. Stus o orthogoalt spac orm s spr b th r prouct spac. Th fto of orthogoalt spac orm also b vlop b mathmatcas. I ths papr b usg th orthogoalt aspcts pla that wh fg a spac of orm- th spac orm-(-) f b. Nt am covrgc squc spac orm-(-). Kwors: Orthogoalt orm- Spac Spac orm-(-).. Pahulua Plasa mga ruag orm tlah baak ka olh para matmatkawa. Bak kaa alam ruag orm ruag orm- a ruag orm-. Kaa ttag ortogoaltas alam ruag orm lham olh Ruag hasl kal alam. Dfs ortogoaltas alam ruag orm uga tlah baak kmbagka olh para matmatkawa. Bbrapa fs ortogoaltas ag kutp ar Kkat (8) ataraa aalah Dfs Ortogoaltas Pthagoras Isoscls a Brkhoff-Jams. Msal X aalah ruag orm- ga ms ( + ) atau lbh.. Pthagoras-ortogoaltas: kataka P-ortogoal trhaap (otaska ga p ) ka a haa ka aa subruag V X ga com(v) = smka hgga ; V. Gamatka. No. M. Isoscls-ortogoaltas: kataka I-ortogoal trhaap (otaska ga I ) ka a haa ka aa subruag V X ga com(v) = smka hgga ; V.

Kaa Kovrgs Barsa Ruag Norm-(-) Dga 3. Brkhoff-Jams-ortogoaltas: kataka BJ-ortogoal trhaap (otaska ga BJ ) ka a haa ka aa subruag V X ga com(v) = smka hgga ; V a R. Msal X aalah ruag hasl kal alam-. utuk stap X maka aalah G-ortogoal trhaap (otaska ga G ) ka a haa ka aa subruag V X ga com(v) = smka hgga V. (Guawa 6) Paa papr ga mgguaka aspk ortogoaltas aka laska bahwa ka trfs suatu ruag orm- maka harus trfs trlbh ahulu ruag orm-(-) ga. Brkuta aka ka kovrgs barsa a lgkap paa ruag orm- a ruag orm-(-).. Pmbahasa. Ruag Norm- Dfs.a Msal X aalah ruag lar ral ga m X a suatu fugs : X X sbut ruag orm- lar ka R maka (N-) ka a haa ka brgatug lr; (N-) (N 3) (N-) utuk stap prmutas ar = ; R a X. ; Fugs sbut orm- paa X. (Chu kk 8) Dfs.b Msal X aalah ruag orm- ga ms ( + ) atau lbh maka. Pthagoras-ortogoaltas: kataka P-ortogoal trhaap (otaska ga p ) ka a haa ka aa subruag V X ga com(v) = smka hgga V.. Isoscls-ortogoaltas: kataka I-ortogoal trhaap (otaska ga I ) ka a haa ka aa subruag V X ga com(v) = smka hgga V. 3. Brkhoff-Jams-ortogoaltas: kataka BJ-ortogoal trhaap (otaska ga BJ ) ka a haa ka aa subruag V X ga com(v) = smka hgga V a R.(Chu kk 8) Dfs.c Msal X aalah ruag hasl kal alam-. brms atau lbh. Utuk X maka aalah G-ortogoaltas trhaap (otaska ga G ) ka a haa ka aa suatu subruag V Gamatka. No. M

Kaa Kovrgs Barsa Ruag Norm-(-) Dga X ga com(v) = smka hgga utuk stap V. (Guawa 6). Ortogoaltas Ruag Norm- a Ruag Norm-(-) Paa baga aka laska bahwa ga ka suatu ruag orm- trfs maka ruag orm-(-) trfs ga mau ar aspk ortogoaltas Pthagoras Isoscls Brkhoff-Jams a Guawa. maksua ka trfs a ortogoal orm- maka a ortogoal orm- (-) trfs. Torma. Jka a ortogoal orm- maka ortogoal orm-(- ) ga a ortogoal trhaap a. Bukt: Dktahu : a ortogoal orm- arta. Ortogoaltas_ Pthagoras:.. Ortogoaltas_ Isoscls:. 3. Ortogoaltas_ Brkhoff-Jams: a R.. Ortogoaltas_ Guawa:. a ortogoal trhaap arta a 3 3 maka brakbat a. 3 Aka tuukka a ortogoal orm- arta:. Ortogoaltas_ Pthagoras:.. Ortogoaltas_ Isoscls:. 3. Ortogoaltas_ Brkhoff-Jams: a R.. Ortogoaltas_ Guawa:.. Dktahu. Aka buktka bahwa. Dar (Guawa 6) prolh 3 Gamatka. No. M 3

Kaa Kovrgs Barsa Ruag Norm-(-) Dga Gamatka. No. M Kara a ortogoal trhaap. Dktahu. Aka buktka bahwa. Dar (Guawa 6) prolh Kara a ortogoal trhaap 3. Dktahu a R. Aka buktka bahwa a R. Dar (Guawa 6) prolh

. Dktahu. Aka buktka bahwa. Kaa Kovrgs Barsa Ruag Norm-(-) Dga Dar (Guawa 6) prolh Ja apat kataka apabla trfs suatu orm- maka orm-(-) trfs..3 Kovrgs Barsa Ruag Norm- a Ruag Norm-(-) Slauta aka ka krtra kovrgs barsa ruag orm- sbagamaa fs brkut Dfs.3a Msal X ruag orm- suatu barsa m X kataka kovrg k X ka lm m X. m Dalam hal apat tuls lm m m a sbut lmt barsa m. (Guawa ) Dar fs kovrgs barsa ruag orm- apat kmbagka suatu torma sbaga brkut Torma.3b Msal X aalah ruag orm-. X brms maa. Msal m X aalah kovrg k X bass ar X. Barsa ka a haa ka lm m.(guawa ) Bukt : m X aalah kovrg k X Dktahu barsa arta lm m m Atau murut fs kovrgs barsa alam orm- lm m X m Aka tuukka bahwa lm m Utuk maka ssua ga fs barsa kovrg alam orm- prolh Gamatka. No. M 5

Kaa Kovrgs Barsa Ruag Norm-(-) Dga a a m lm m m lm m a lm m m Shgga lm m m. Utuk maka ssua ga fs barsa kovrg alam orm- prolh a lm m a 3 m m lm 3 m a lm m m a lm m a m lm m m a lm m m Shgga lm. Dktahu bass ar X a lm m Aka tuukka bahwa barsa m lm m X m. X kovrg k X atau X apat tuls a maa R k ga sfat orm (N ) a kombas lar prolh m m m m m m lm m m k Gamatka. No. M 6

Kaa Kovrgs Barsa Ruag Norm-(-) Dga lm m ; N Shgga lm m m m kovrg k. Ja trbukt bahwa barsa m ka lm m X ga kata la barsa X aalah kovrg k X ka a haa. Slauta aka ka bahwa apakah ka barsa paa ruag orm- kovrg maka barsa paa ruag orm-(-) uga kovrg. Torma.3c Msal X aalah ruag orm-. X brms maa bass ar X. Jka barsa ruag orm- kovrg maka barsa ruag orm-(-) kovrg. Bukt : Dktahu barsa paa ruag orm- kovrg arta lm m X m. Msal Aka tuukka barsa paa ruag orm-(-) kovrg arta lm m X m Dar (Guawa ) prolh m m ; m lm m m Dktahu bass ar X a lm m ( ). X apat tuls a maa R k ( ) lm m m lm m m m m m m k Gamatka. No. M 7

Kaa Kovrgs Barsa Ruag Norm-(-) Dga lm m m lm m ; N Shgga m m lm X ga kata la barsa m kovrg k. Ja trbukt bahwa ka barsa ruag orm- kovrg maka barsa ruag orm-(-) kovrg. 3. Ksmpula Dar hasl plta ag lakuka maka prolh ksmpula sbaga brkut:. Dga mgguaka aspk ortogoaltas Pthagoras Isoscls Brkhoff- Jams a Guawa mmbuktka bahwa ka trfs suatu ruag orm- maka ruag orm-(-) trfs ga.. Trbukt bahwa ka m aalah barsa ag kovrg ruag orm- maka m barsa ag kovrg ruag orm-(-). 3. Trbukt bahwa ka ruag orm- lgkap maka ruag orm-(-) lgkap. Daftar Pustaka Chu Hahg-Yu Sug Ku Cho a Dog Sug Kag. (8). Mappg of Cosrvatv Dstacs Lar -Norm Spacs. Elsvr. Guawa H. (6). G-Orthogoalt -Ir Prouct Spacs. Smposum Matmatka Aalss a Aplkasa. ITS. Surabaa. Guawa H a M. Masha. (). O -Norm Spacs. It. J. Math. Math. Sc. 7. 63 639. Guawa H. (). O -Ir Proucts -Norm a Th Cauch Schwarz Iqualt. Sctal Matmatcal Japacal. Japa. 53 6. Guawa H Masha S. Gmawat a I. Shwagrum. (6). O Orthogoalt -Norm Spacs Rvst. Sctal Matmatcal Japacal. Japa. 53 6. Guawa H. E. Kkat Masha S. Gmawat a I. Shwagrum. (6). Orthogoalt -Norm Spacs. Submtt to J. Ios. Math. Soc. (MIHMI). Kkat Er. (8). Noto of Orthogoalt Norm Spacs. Vctora Uvrst. Mlbour. Krszg Erw. (978). Itrouctor Fuctoal Aalss wth Applcatos. Joh Wl & Sos. Nw York. Mazahr H. a S. Golsta Nzhar. (7). Som Rsults o b-orthogoalt -Norm Lar Spacs. It. Joural of Math. Aalss. Vol.. 68 687. Gamatka. No. M 8