Disusun Oleh :
17113147 Muhammad Ridwan Kurnia
TI RM 17A
Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmatNYA sehingga
makalah ini dapat tersusun hingga selesai . Tidak lupa kami juga mengucapkan banyak
terimakasih atas bantuan dari pihak yang telah berkontribusi dengan memberikan sumbangan
baik materi maupun pikirannya.
Dan harapan kami semoga makalah ini dapat menambah pengetahuan dan
pengalaman bagi para pembaca, Untuk ke depannya dapat memperbaiki bentuk maupun
menambah isi makalah agar menjadi lebih baik lagi.
Penyusun
BAB I
PENDAHULUAN
Dalam kehidupan sehari-hari, banyak permasalahan dari fenomena riil yang dapat
dijelaskan melalui pembentukan model matematika Pada umumnya perumusan model
matematika ini berupa fungsi. Dalam banyak kasus, tidak semua model matematika tersebut
dapat diselesaikan secara mudah dengan menggunakan metode analitik, sehingga digunakan
analisis numerik untuk mencari penyelesaiannya. Analisis numerik adalah teknik yang
digunakan untuk memformulasikan persoalan matematik sehingga dapat dipecahkan dengan
operasi perhitungan atau aritmetik biasa (tambah, kurang, kali, dan bagi) (Munir, 2003: 5)
Salah satu bidang kajian matematika yaitu aljabar linier dimana salah satu cabangnya
adalah matriks. Matriks yaitu suatu kumpulan angka-angka (sering disebut elemen) yang
disusun menurut baris dan kolom sehingga berbentuk persegi panjang dimana panjang dan
lebarnya ditunjukan oleh banyaknya kolom dan baris. Pada dasarnya matriks merupakan
pengembangan lebih lanjut dari sistem persamaan linier sehingga aljabar matriks sering
disebut juga sebagai aljabar linier. Pada aljabar linier sendiri banyak permasalahan yang
dapat dipelajari, salah satunya adalah tentang operator linier, pemetaan linier atau pun fungsi
linier.
Salah satu penerapan dari analisis numerik ini yaitu dalam masalah nilai eigen dan
vektor eigen. Analisis numerik memberikan suatu cara alternatif yang digunakan untuk
menemukan nilai eigen dan vektor eigen dari suatu matriks. Cara yang digunakan dalam
analisis numerik ini termasuk unik karena dalam
penyelesaiannya hanya diperlukan operasi-operasi aljabar biasa. Hanya
saja, dalam penghitungannya tidak cukup dilakukan sekali tetapi harus dilakukan
berulang-ulang sampai ditemukan nilai yang konvergen ke satu nilai yang
merupakan nilai penyelesaiannya.
Salah satu metode dalam analisis numerik yang bisa digunakan untuk mencari nilai
eigen dan vektor eigen yaitu metode pangkat. Dengan metode pangkat ini, nilai eigen yang
berupa bilangan real dan vektor eigennya dapat ditemukan secara bersamaan menggunakan
proses yang sama pula sehingga jika nilai eigen dari suatu matriks ditemukan, maka secara
otomatis vektor eigen dari matriks yang bersangkutan akan diperoleh.
Dalam mencari nilai eigen dan vektor eigen menggunakan metode pangkat, akan
memerlukan proses iterasi yang sangat panjang untuk menemukan hasil yang mendekati nilai
yang sebenarnya. Semakin banyak iterasi yang dilakukan, maka semakin baik hasil yang
diperoleh. Meskipun metode pangkat bisa digunakan untuk mengaproksimasi nilai eigen dan
vektor eigen dari matriks, akan sulit untuk mengaproksimasi nilai eigen keseluruhan dari
matriks tersebut.
Aplikasi nilai eigen mencakup berbagai bidang keilmuan. Nilai eigen diperlukan
untuk memecahkan berbagai permasalahan dalam kehidupan seharihari, diantaranya dalam
hal struktur melengkungnya batang, campuran, gerak harmonik, getaran suatu bangunan, dan
lain sebagainya. Sehingga bisa dikatakan metode dalam menemukan nilai eigen merupakan
ilmu pengetahuan yang digunakan untuk membantu mempermudah kehidupan manusia
sehari-hari.
Kata vektor eigen adalah rumusan bahasa jerman dan inggris. Dalam bahasa
jermaneigen dapat diterjemahkan sebagai sebenarnya atau karakteristik, oleh karena itu,
nilaieigen dapat juga kita namakan nilai sebenarnya atau nilai karakteristik. Dalam literatur
lama kadang-kadang dinamakan akar-akar latent.
Nilai eigen dan vektor eigen mempunyai tafsiran geometrik yang bermanfaat dalam
R2 dan R3. Jika λ adalah nilai eigen dari A yang bersesuaian dengan x, maka Ax = λx,
sehingga perkalian oleh A akan memperbesar x, atau membalik arah x, yang bergantung pada
nilai λ.
Supaya λ menjadi nilai eigen, maka harus ada penyelesaian yang tidak nol dari
sistem persamaan (λI-A) x = 0. Memiliki solusi nontrivial jika dan hanya jika det (λI– A) = 0.
Ini dsebut persamaan karateristik dari A.
2.2 Persamaan Karakteristik
Untuk mencari nilai eigen dari matriks A yang berukuran nxn, maka kita perlu
memperhatikan kembali definisi vektor eigen dan nilai eigen, yaitu Ax = λx. Bentuk ini dapat
kita tulis sebagai berikut:
Supaya λ menjadi nilai eigen, maka harus ada penyelesaian yang tidak nol
dari persamaan (1) ini. Menurut teorema dalam bahasan sebelumnya, maka persamaan (1)
akan mempunyai penyelesaian tak nol (mempunyai penyelesaian non trivial) jika dan hanya
jika:
Penyelesaian:
Polinom karakteristik dari matriks Q adalah
Carilah:
1. Persamaan karakteristik dari matriks A
2. Nilai-nilai eigen dari matriks A
Penyelesaian:
1. Penyelesaian karakteristik dari matriks A adalah
2. Untuk mencari nilai-nilai eigen dari matriks A harus mencari akar-akar atau nilai-nilai
λ yang memenuhi persamaan pangkat tiga :
Sekarang kita perhatikan teorema berikut yang merupakan ikhtisar dari hasil-hasil yang telah
diperoleh melalui diskusi materi pembelajaran di atas.
Teorema 11. 1
Jika A adalah suatu matriks n n dan λ adalah suatu bilangan real,
maka pernyataan-pernyataan berikut ini adalah ekuivalen
Sekarang kita perhatikan beberapa contoh, bahwa vektor-vektor eigen suatu matriks
akan membentuk suatu basis untuk ruang eigen yang bersesuaian dengan nilai eigen dari
matriks tersebut.
Contoh 7
BAB III
PENUTUP
3.1 Kesimpulan
1. Misalkan A adalah matriks nxn, maka vektor x yang tidak nol di Rn disebut
Vektoreigen (eigen vector ) dari A jika Ax adalah kelipatan skalar dari x, yaitu Ax
= λx untuk suatu skalar λ. Skalar λ dinamakan nilai eigen (eigen value) dari A.
2. Persamaan det (λ I – A) = 0 dengan λ sebagai variabel disebut Persamaan
karakteristik dari matriks A. Akar-akar atau skalar-skalar yang
memenuhi persamaan ini adalah nilai-nilai eigen (nilai-nilai karakteristik) dari
matriks A. Det (λ I – A) ≡ f(λ) yaitu berupa polinom dalam λ yang dinamakan
polinom karakteristik.
3. Ruang penyelesaian dari sistem persamaan linear (λ I – Ax) x = 0 atau (A - λ I) x
= 0 dinamakan ruang eigen dari matriks A yang berukuran nxn.