Tugas Metnum 2017 - Ringkasan Matriks Khusus
Tugas Metnum 2017 - Ringkasan Matriks Khusus
Matriks – Matriks
Khusus
MATERI :
Matriks Diagonal Dominan
Matriks Definit Positif
Faktorisasi LDL
Teorema Cholesky
Matriks Tridiagonal
Teorema Crout
DIBUat oleh :
Detasya avri magfira 1606894894
Fahira khairunnisa 1606900846
Ika marta sari 1606902050
JIDAN yUSAN Zenadin 1606900871
Nabila indah safira
dimana
Sedangkan, matriks
dimana :
Artinya, baris pertama dan ketiga gagal memenuhi kondisi dominasi diagonal.
Untuk matriks
disebut matriks strictly diagonally dominant, karena :
dimana
Dari definisi tersebut harus ditentukan baha matrix 1 x 1 yang dihasilkan oleh operasi xTAx
memiliki nilai positif untuk satu entri. Dimana, operasinya sebagai berikut :
Bukti :
(i) Jika x memenuhi Ax = 0, maka xTAx = 0. Ketika A adalah matriks positif definite, ini
mengakibatkan x = 0. Oleh sebab itu Ax = 0 memiliki nol solusi. Dengan menggunakan
teorema 6.17 di halaman 398 buku Burden, ini ekuivalen dengan A yang nonsingular.
(ii) Untuk suatu i, misalkan x = (xj) didefinisikan oleh xi = 1 dan xj = 0, jika j ≠ i. Ketika x ≠
0, 0 < xTAx = aii
Ketika x ≠ 0 ,
Definisi : Leading Principal Submatrix dari matriks A adalah matriks dengan bentuk
untuk 1 ≤ k ≤ n.
Teorema : Sebuah matriks simetrik A adalah positife definite jika dan hanya jika sebagian dari
leading Principal Submatrix mempunyai determinan yang positif.
Teorema : Matriks simetrik A adalah positif definite jika dan hanya jika eliminasi Gauss tanpa
petukaran baris dapat ditunjukkan dengan system linier Ax=b dengan semua element
pivot positif.
Corollary : matriks A positif definite jika dan hanya jika A bisa di faktorkan dengan LDLT , dimana L
adalah matriks segitiga bawah dengan 1s di diagonal dan D adalah matriks dengan entri
diagonalnya positif.
Corollary :Matriks A positif definite jika dan hanya jika A bisa difaktorkan dengan LLT , dimana L
adalah matriks segitiga bawah dengan entri diagonal bukan nol.
Faktorisasi LDLT
Ax=b
LDLT x = b ; misal LTx = y ( L matriks segitiga atas dan P matriks dengan semua elemen selain
diagonal utama 0)
LD y = b ; misal Dy = z
Lz = b
Pertama cari solusi z, kemudian y, lalu akan didapati solusi x
Faktorisasi LLT
Ax=b
LLT x = b ; misal LTx = y
Ly = b
Pertama cari solusi y, lalu akan didapati solusi x
Terakhir, system persamaan segitiga atas Lx = z dapat dilakukan dengan step berikut
IV. Matriks Tridiagonal
Matriks tridiagonal adalah matriks yang elemen pada 3 diagonal utamanya adalah tak nol.
Sebagaimana terlihat seperti matriks dibawah ini :
Untuk melakukan faktorisasi terhadap matriks tridiagonal kita bisa gunakan dekomposisi LU.
Misalkan A = LU . Dimana matriks A,L,U dalam form tridiagonal.
A=LxU
V. Dekomposisi LU (Crout)
Eliminasi maju
Subtitusi mundur
Penurunan rumus :
Metode Crout merupakan alternatif lain dalam menyelesaikan suatu system persamaan linear.
Meode Dekomposisi LU ini menurut saya lebih ringkas dalam penyelesaiannya dan
perhitungannya pun lebih mudah. Metode ini dapat digunakan untuk menyelesaiakan
persamaan linear dengan ukuran matrik yang tak terhingga.
Pada metode Dekomposisi LU Decomposition, matriks A ditulis sebagai perkalian matriks L dan
U. Dimana matrik L adalah matrik segitiga bawah (Lower) dan U adalah matrik segitiga atas
(upper). Jika kita mengalikan matrik L dan U akan menghasilkan matrik A kembali.