Nama kelompok :
Tina Imaniar [ 103214013 ]
Arista Laili [ 103214036 ]
Ulil Iffah [103214034 ]
DAFTAR ISI.........................................................................................................................................i
KATA PENGANTAR.........................................................................................................................ii
BAB I PENDAHULUAN...................................................................................................................1
1.1 Latar Belakang...................................................................................................................1
1.2 Rumusan Masalah..............................................................................................................2
1.3 Batasan Masalah................................................................................................................2
1.4 Tujuan Penulisan................................................................................................................2
BAB II LANDASAN TEORI..............................................................................................................2
2.1 Matriks................................................................................................................................4
A. Definisi Matriks...............................................................................................................4
B. Bentuk Matriks................................................................................................................4
C. Operasi Matriks...............................................................................................................5
D. Invers Matriks..................................................................................................................6
F. Vektor................................................................................................................................6
G. Diagonalisasi...................................................................................................................7
H. Determinan........................................................................................................................7
2.2 Nilai dan Vektor Eigen......................................................................................................7
2.3 Dekomposisi LU................................................................................................................8
BAB III PEMBAHASAN....................................................................................................................9
3.1 Nilai Karakteristik..............................................................................................................9
3.2 Metode Pangkat................................................................................................................10
3.3 Metode Pangkat Invers.....................................................................................................14
3.4 Metode QR.......................................................................................................................20
BAB IV PENUTUP............................................................................................................................24
4.1 Kesimpulan......................................................................................................................24
DAFTAR PUSTAKA.........................................................................................................................25
i
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, yang telah melimpahkan dan memberikan
petunjuk sehingga penyusun dapat menyelesaikan tugas untuk membuat makalah ini.
Penyusun membuat makalah ini sebagai tugas yang diberikan oleh dosen kami untuk
melatih kami dan untuk menambah pengetahuan kami dalam memahami suatu materi.
Secara umum makalah ini menjelaskan tentang berbagai metode untuk mencari nilai eigen
beserta contoh dan pembahasan. Kami berharap dengan terselesaikannya makalah ini, pembaca
dapat mengetahui metode- metode yang dapat digunakan untuk mencari nilai eigen dan contoh soal
beserta pembahasannya. Semoga makalah ini bermanfaat bagi semua pihak. Saran dan kritik selalu
kami tunggu dalam kesempurnaan makalah ini.
Akhirnya kami ucapkan terima kasih kepada dosen dan semua pihak yang terlibat dalam
pembuatan makalah ini.
Kelompok 5
ii
BAB I
PENDAHULUAN
Dari latar belakang permasalahan di atas, dapat diambil rumusan masalah sebagai berikut:
1. Bagaimana mencari nilai eigen apabila diketahui dalam persamaan differensial?
2. Bagaimana aplikasi metode pangkat dalam mengaproksimasi nilai eigen dan vektor eigen
suatu matriks ?
3. Bagaimana aplikasi metode QR dalam mengaproksimasi nilai eigen dan vektor eigen suatu
matriks ?
2
3. Menjelaskan langkah – langkah mengaproksimasi nilai eigen pada matriks dengan
menggunakan metode QR
3
BAB II
LANDASAN TEORI
2.1 Matriks
A. Definisi Matriks
Matriks didefinisikan sebagai susunan persegi panjang dari bilangan-bilangan yang diatur dalam
baris dan kolom. Bilangan-bilangan dalam susunan tersebut dinamakan elemen dalam matriks.
a 11 a12 … a1 n
Matriks ditulis sebagai berikut : A=
[
a21 a22 … a2 n
: :
am1 am2
… :
amn
]
Susunan di atas disebut sebuah matriks m kali n (ditulis m × n) karena memiliki m baris dan n kolom.
Sebagai aturan, kurung siku [ ], kurung biasa ( ) atau bentuk || || digunakan untuk menuliskan matriks
beserta elemen-elemennya. Dalam makalah ini, penulis menggunakan kurung siku [ ] untuk
menuliskan matriks beserta elemen-elemennya.
Matriks dinotasikan dengan huruf-huruf besar. Sedangkan elemen-elemen dalam matriks dinotasikan
dengan huruf kecil yang dicetak miring. Jika A adalah sebuah matriks , maka aij menyatakan elemen
[ 10 01] ,[ ac bd ] ,[ 10 2 3
1 0 ]
B. Bentuk Matriks
a. Matriks Bujur Sangkar
Definisi 2.2. Matriks m × n dengan m = n disebut matriks bujur sangkar berordo n atau
sebuah matriks bujur sangkar n.
Dalam suatu matriks bujur sangkar, elemen-elemen a11, a22, . . . , ann disebut elemen diagonal
4
A= [ 12 −23 ]
a 11 a 12 a13 … a1n
[
0 a 22 a 23 …
A= 0
0
:
0 a 33 …
0
: : :
0 …
:
amn
a2n
a3n
]
c. Matriks Segitiga Bawah
Definisi 2.4. Matriks segitiga bawah adalah suatu matriks bujur sangkar A yang elemen-
elemen ajk = 0 untuk j < k, yaitu berbentuk:
a11 0 0 … 0
[
a 21 a22
A= a 31 a32
: :
0
a 33
an 1 an2 an 3
:
… 0
… 0
: :
… amn
]
d. Matriks Transpos
Definisi 2.5. Jika A adalah sebarang matriks m × n, maka transpos A dinyatakan oleh At
dan didefinisikan dengan matriks n × m yang kolom pertamanya adalah baris pertama dari A, kolom
keduanya adalah baris kedua dari A, demikian juga dengan kolom ketiga adalah baris ketiga dari A,
dan seterusnya.
Contoh:
2 3
[ ]
B= 1 4
5 6
B=
t
[ 32 1 5
4 6 ]
5
C. Operasi Matriks
Definisi 2.12. Jika A = [aij] adalah matriks m × p dan B = [bik] adalah matriks p× n, maka hasil
kali A dengan B yang ditulis AB didefinisikan sebagai matriks C = [cjk] yang berordo m × n dengan
elemen pada baris ke-j dari A dan dan kolom ke-k dari B. Misalkan matriks baris ke-j dari matriks A
b1k
adalah [ aj 1 aj 2 … ajp ] dan matriks B adalah
p
c jk−a j 1 b1 k +…+ a jp b pk −∑ a ji b ik
i=1
dimana, j = 1, 2, . . . , m
k = 1, 2, . . . , n
D. Invers Matriks
Definisi 2.13 Jika A dan B matriks bujur sangkar sedemikian sehingga
AB = BA = I , maka B disebut invers dari A dan ditulis B = A-1. Matriks B juga mempunyai invers
E. Vektor
Suatu matriks yang mempunyai baris atau kolom tunggal adalah sama dengan vektor,
dinotasikan dengan huruf kecil yang dicetak tebal.
Definisi 2.14. Matriks yang terdiri dari satu kolom adalah matriks m × l , disebut sebuah vektor
kolom dan ditulis :
6
u1
[]
u= u 2
:
um
Notasi uj berupa bilangan nyata, merupakan komponen vektor. uj adalah komponen ke-j dari vektor
u. Vektor kolom A yang mempunyai m baris dikatakan sebuah vektor berkomponen m atau vektor
berdimensi m.
Definisi 2.15. Sebuah matriks yang berisi satu baris adalah suatu matriks 1 × n, disebut sebuah
vektor baris dan ditulis:
Notasi vk berupa bilangan nyata, merupakan komponen vektor. vk adalah komponen ke-k
dari vektor v. Vektor baris A yang mempunyai n kolom dikatakan sebuah vektor berkomponen n atau
vektor berdimensi n.
Rn, maka hasil kali dalam Euclidis (Euclidean inner product) u . v didefinisikan dengan
norma Euclidis ( atau panjang Euclidis) vektor u = [u1, u2, . . . , un] pada Rn didefinisikan menurut :
||u||=¿¿
F. Diagonalisasi
Definisi 2.17. Matriks bujur sangkar A dinamakan dapat didiagonalisasi (diagonalizeable) jika
terdapat matriks P yang dapat dibalik sehingga P-1AP diagonal. Matriks P dikatakan mendiagonalisasi
A.
G. Determinan
7
Definisi 2.18. Permutasi himpunan bilangan-bilangan bulat {1, 2, . . . , n } adalah susunan
bilangan-bilangan bulat ini menurut suatu aturan tanpa menghilangkan atau mengulangi bilangan-
bilangan tersebut.
Definisi 2.21. Jika A adalah matriks n × n, maka vektor taknol x di dalam Rn dinamakan vektor
eigen (eigen vector) dari A jika Ax adalah kelipatan skalar dari x; yakni,
Ax = λx (2.2)
Untuk suatu skalar λ. Skalar λ dinamakan nilai eigen (eigen value) dari A dan x dikatakan vektor eigen
yang bersesuaian dengan λ.
Untuk mencari nilai eigen matriks A yang berukuran n × n maka Ax = λx dituliskan kembali sebagai
Ax = λIx
atau secara ekivalen
(λI-A)x = 0 (2.3)
supaya λ menjadi nilai eigen, maka harus ada pemecahan taknol dari persamaan ini. Persamaan (2.2)
akan mempunyai pemecahan taknol jika dan hanya jika
det(λI-A) = 0
det(λI-A) = 0 dinamakan persamaan karakteristik A. Skalar yang memenuhi persamaan ini adalah nilai
eigen dari A. Bila diperluas, maka determinan det(λI-A) adalah polinom λ yang dinamakan polinom
karakteristik dari A.
Ini dapat ditunjukkan bahwa jika A adalah matriks n × n, maka polinom karakteristik A harus berderajad
n dan koefisien adalah 1. Jadi, polinom karakteristik dari matriks n × n mempunyai bentuk
8
3. Dalam sebarang dua baris yang berurutan yang seluruhnya tidak terdiri dari nol, maka 1 utama dalam
baris yang lebih rendah terdapat lebih jauh ke kanan dari 1 utama dalam baris yang lebih tinggi
4. Masing-masing kolom yang mengandung 1 utama mempunyai nol di tempat lain.
Sebuah matriks yang mempunyai sifat-sifat 1, 2, dan 3, dikatakan berada dalam bentuk eselon baris
(row-echelon form).
Definisi 2.22. Sebuah faktorisasi matriks A bujur sangkar seperti A = LU , dimana L adalah segitiga
bawah dan U adalah segitiga atas dikatakan sebuah dekomposisi LU atau dekomposisi segitiga A.
Prosedur untuk membentuk dekomposisi LU dari matriks bujur sangkar A yang dapat direduksi terhadap
bentuk eselon baris tanpa mempertukarkan baris-baris tersebut yaitu:
Langkah 1.Reduksi A terhadap bentuk eselon baris U tanpa menggunakan pertukaran baris, dengan
mencari jejak pengali-pengali yang digunakan untuk memperkenalkan 1 utama dan pengali-
pengali yang digunakan untuk memperkenalkan nol di bawah 1 utama.
Langkah 2.Pada masing-masing kedudukan sepanjang diagonal utama L, tempatkanlah pengali yang
saling bertukar yang memperkenalkan 1 utama dalam kedudukan U.
Langkah 3.Pada masing-masing kedudukan di bawah diagonal utama L, tempatkanlah bilangan negatif
pengali yang digunakan untuk memperkenalkan nol dalam kedudukan U.
BAB III
PEMBAHASAN
Nilai Karakteristik disebut juga nilai eigen. Nilai Karakteristik dijelaskan atau diformulasikan
dalam bentuk persamaan differensial orde dua.
d2u 2
+k u=0 ;u ( 0 )=0 , u ( 1 )=0
dx 2
9
Dimana k 2 adalah parameter.
Selanjutnya persamaan differensial orde dua diatas diubah dan disajikan dalam bentuk
matriks.
Contoh:
d2u 2
+k u=0 ;u ( 0 )=0 , u ( 1 )=0 (1.1)
dx 2
Dengan menggunakan 5 subinterval, h=0,2 dan berikut adalah empat persamaan dengan empat titik.
Disajikan dalam matriks.
2−0.04 k 2 −1 0 0 u1 0
[ −1
0
0
2−0.04 k
−1
0
2
−1
2−0.04 k
−1
2
0
−1
2−0.04 k 2
][ ] [ ]
u2
u3
u4
=0
0
0
(1.2)
Persamaan matriks ( A−λI ) u=0, dimana I adalah matriks identitas dan A adalah matriks :
2 −1 0 0
[ −1 2 −1 0
0 −1 2 −1
0 0 −1 2
]
Dan λ=0.04 k 2
Solusi aproksimasi untuk permasalahan nilai karakteristik pada (1.1) dapat diselesaikan
menggunakan matriks dari (1.2). Tetapi, pada contoh adalah system persamaan homogen (ruas
kanan sama dengan 0), dan mempunyai solusi nontrivial jika det ( A−λI )=0
Pada umumnya kita menghitung nilai eigen untuk masalah nilai karakteristik dari det ( A−λI )=0
10
3.2 Metode Pangkat
A. Pengertian
Metode Pangkat ( The Power Method ) adalah suatu metode iteratif untuk mendapatkan nilai
eigen dominan dari suatu matriks dan vektor eigennya. Kami mengartikan nilai eigen dominan
sebagai nilai eigen λ 1 yang memenuhi ¿ λ1 ∨¿ ¿ λi∨¿ untuk i= 2,....,n. Jika nilai-nilai eigen dari A
memenuhi :
¿ λ1|¿ ¿ λ2|>...> ¿ λ n∨¿
maka metode pangkat dapat digunakan untuk menghitung nilai-nilai eigen satu per satu.
n
berkaitan dengan nilai eigen λ , λ , . . ., λ dan membentuk basis di R , kemudian sebarang
1 2 n
n
vektor x di R dapat dituliskan sebagai
0
x =s v +s v +...+s v .
0 1 1 2 2 n n
=s Av +s Av +...+s Av
1 1 2 2 n n
=s λ v +s λ v +...+s λ v
1 1 1 2 2 2 n n n
Kemudian hasil terakhir ini dikalikan dengan A, hal ini dilakukan berulang –ulang. Hasil sampai
dengan k kali adalah
k
A x = s1 λ1k v 1 +s 2 λ 2k v 2+ …+ sn λnk v n
0
= λ 1k ¿ (1.1)
11
λi k
Jika k makin besar, nilai ¿ akan makin kecil untuk i = 2, . . . , n, karena ¿ ∨¿ ¿< 1 Oleh
λ1
karena itu, untuk k yang cukup besar bentuk (1.1) menjadi
Ak x 0 ≈ s1 λ1k v 1
Dengan demikian telah didapatkan hampiran dari kelipatan vektor eigen v1 tersebut, yaitu vektor
Ak x 0. Vektor Ak x 0 merupakan hampiran vektor eigen yang berkaitan dengan nilai eigen terbesar
v1 . makin besar nilai k makin baik pula hampiran Ak x 0 terhadap sebuah vektor eigen dari A.
B. Langkah-Langkah
Jika harga mutlak terbesar dari nilai eigen suatu matriks adalah bilangan real dan memenuhi
| λ | > | λ | ≥ . . . | λ | > 0 , maka nilai eigen ini dapat dicari dengan menggunakan teknik iterasi
1 2 n
yang disebut metode pangkat. Rumus umum yang digunakan untuk mencari nilai eigen mutlak
terbesar ini yaitu :
(k) (k +1) (k+1 ) (k +1)
A x =y =λ x
1. Jika matriks A berukuran n × n, maka tentukanlah sebuah matriks yang berukuran n × 1 dan
bukan matriks nol.
2. Carilah nilai y (1) yang memenuhi perkalian matriks Ax(0)= y ( 1)
3. Bagi matriks y (1) dengan elemen dari matriks tersebut yang harga mutlaknya terbesar yaitu λ(1)
sehingga didapatkan y (1) =λ(1) x (1)
4. Ulangi langkah 2 dan 3 dengan x k =x k+ 1 dengan k = 0, 1, 2, 3, . . . sampai suatu iterasi yang
menunjukkan bahwa nilai λ k ≈ λ k+1 . λ k+1 merupakan nilai eigen mutlak terbesar dari matriks
tersebut, sedangkan x(k +1) adalah vektor eigen yang bersesuaian dengan λ k+1.
C. Contoh
Carilah nilai eigen mutlak terbesar dan vektor eigen yang bersesuaian dengannya pada matriks
berikut:
12
3.6 4.4 0.8 −1.6 −2.8
[4.4 2.6
A= 0.8 1.2
1.2 −0.4 0.8
0.8 −4.0 −2.8
−1.6 −0.4 −4.0 1.2
−2.8 0.8 −2.8 2.0
2.0
1.8
]
Karena matriks A diatas berukuran 5 × 5, maka matriks A mempunyai 5 nilai eigen. Sehingga
1
(0)
langkah pertama kita tentukan x = 1
1
1
1
[]
Langkah berikutnya mencari nilai y (1) yang memenuhi perkalian matriks A x(0) = y(1), yaitu :
[ 4.4 2.6
A x(0) = 0.8 1.2
1.2 −0.4 0.8
0.8 −4.0 −2.8
−1.6 −0.4 −4.0 1.2
−2.8 0.8 −2.8 2.0
2.0
1.8
][ ] [ ]
1 8.6
1 ¿ −4
1
1
0.51162790697674
(1)
λ =8.6 x(1)
=
[ 1
−0.46511627906977
−0.32558139534884
−0.11627906976744
]
3.6 4.4 0.8 −1.6 −2.8 0.51162790697674
[ 4.4 2.6
A x (1)= 0.8 1.2
1.2 −0.4 0.8 1
][
0.8 −4.0 −2.8 −0.46511627906977
−1.6 −0.4 −4.0 1.2
−2.8 0.8 −2.8 2.0
2.0 −0.32558139534884
1.8 −0.11627906976744
]
6.71627906976744
[
4.33023255813954
¿ 2.86511627906977
0.01860465116279
−0.19069767441860
]
13
1
λ(2)=6.71627906976744
[ 0.64473684210526
x(2) = 0.42659279778393
0.00277008310249
−0.02839335180055
]
3.6 4.4 0.8 −1.6 −2.8 1
[
4.4 2.6
A x (2)= 0.8 1.2
1.2 −0.4 0.8
][
0.64473684210526
0.8 −4.0 −2.8 0.42659279778393
−1.6 −0.4 −4.0 1.2
−2.8 0.8 −2.8 2.0
2.0 0.00277008310249
1.8 −0.02839335180055
]
6.85318559556787
[
6.56440443213296
¿ 1.98337950138504
−3.61772853185596
−3.52423822714681
]
1
(3)
λ =6.85318559556787
[ 0.95786176232821
x(3) = 0.28940986257074
−0.52789005658852
−0.51424818108327
]
pada iterasi selanjutnya, dengan menggunakan bantuan program matlab didapatkan hasil dalam
tabel berikut ini:
Iterasi λk x 1k x 2k x 3k x 4k x 5k
(k)
0 1 1 1 1 1
14
4 10.3306386419 1.0000000000 0.6812250567 0.5548947492 -0.4649033571 -0.4671042335
Berdasarkan tabel di atas, dapat diketahui bahwa nilai eigen terbesar dari matriks A pada iterasi
ke-38 adalah 9.9999999999 dan vektor eigen yang bersesuaian dengan nilai eigen tersebut yaitu:
15
1
[
0.6666666667
x(38)= 0.6666666667
−0.6666666667
−0.6666666667
]
3.3 Metode Pangkat Invers
A. Pengertian
Jika harga mutlak terkecil dari nilai eigen suatu matriks adalah bilangan real dan
memenuhi
¿ λ1|≥ ¿ λ2|≥... ¿ λ n∨¿ 0
maka nilai eigen ini dapat dicari dengan menggunakan variasi dari metode pangkat yang
disebut metode pangkat invers. Pada dasarnya, nilai eigen terbesar dari invers matriks A−1
adalah merupakan nilai eigen terkecil dari matriks A. Perhatikan kembali persamaan:
A x=λ x
dengan mengalikan kedua sisi persamaan tersebut dengan A−1 akan menghasilkan
Nilai eigen dari matriks A−1, yaitu λ invers berbanding terbalik dengan nilai eigen dari matriks
A, sedangkan vektor eigen dari matriks A−1 sebanding dengan vektor eigen dari matriks A.
Metode pangkat dapat digunakan untuk menemukan nilai eigen terbesar (dalam harga
mutlak) dari matriks A−1, yaitu λ invers. Kebalikan dari nilai eigen ini adalah adalah nilai
eigen terkecil (dalam harga mutlak) dari matriks A.
Dalam penggunaannya, metode LU diperlukan untuk mencari nilai eigen mutlak
terbesar dari matriks A−1. Persamaan metode pangkat yang diterapkan pada matriks A−1
(matriks invers) yaitu:
A−1 x(k) = y(k +1) (1.3)
16
dengan mengalikan persamaan (1.3) dengan A akan menghasilkan
A A−1 x (k ) ¿ A y (k+ 1)
I x (k ) ¿ A y ( k+1)
x (k )=A y (k +1)
jadi,
Ay
(k +1)
=x
(k )
(1.4)
Persamaan (1.4) adalah bentuk standard Ax = b , dimana x= y (k+1) dan b = x(k) . Sehingga
(k) (k+1)
jika x diketahui, maka y dapat dicari dengan metode LU.
B. Langkah-Langkah
(0)
3. Carilah x’ dengan substitusi ke depan pada persamaan Lx’ = x
(1)
4. Carilah y’ dengan substitusi ke belakang pada persamaan Uy = x’
(1) (1)
5. Bagi y dengan elemen y yang terbesar (dalam harga mutlak) agar diperoleh
y (1) =λ(1)invers x(1).
6. Ulangi langkah 3 sampai 5 dengan x k =x k+ 1 dengan k = 0, 1, 2, 3, . . .
Iterasi dilakukan sampai nilai x konvergen. Pada saat konvergen, λ = 1/ λ adalah
inverse
(k+1)
nilai eigen yang dicari dan x adalah vektor eigen yang bersesuaian.
C. Contoh
17
Carilah nilai eigen mutlak terkecil dan vektor eigen yang bersesuaian dengannya dari
matriks berikut:
3.6 4.4 0.8 −1.6 −2.8
[
4.4 2.6
A= 0.8 1.2
1.2 −0.4 0.8
0.8 −4.0 −2.8
−1.6 −0.4 −4.0 1.2
−2.8 0.8 −2.8 2.0
2.0
1.8
]
Penyelesaian :
Karena nilai eigen yang dicari adalah yang terkecil harga mutlaknya, maka digunakan
metode pangkat invers. Langkah pertama yaitu mencari matriks L dan U yang memenuhi
persamaan LU = A.
[ a21
a31
a41
a51
a22
a32
0
a33
a42 a43
a52 a53
0 0
0 0
a44 0
a54 a 55
][ 0 1 a23 a 24 a25
0 0
0 0
0 0
0 1 a45
0 0 1
][
1 a34 a35 =
4.4 2.6
0.8
−1.6
1.2
−0.4
1.2 −0.4 0.8
0.8 −4.0 −2.8
−4.0 1.2
−2.8 0.8 −2.8 2.0
2.0
1.8
]
Dengan metode dekomposisi LU diperoleh
3.6 0 0 0 0
[
4.4 −25/9
L= 0.8 2/9
−1.6 14 /9
0 0 0
16 /25 0 0
−88/25 −18 0
−2.8 38 /9 −46 /25 −7 125/36
]
1 11/9 2/9 −4 / 9 −7/9
0
dan U = 0
0
0
[
1
0
0
0
−2/25 −14 /25 −38/25
1 −11 /2 −23 /18
0 1 7 /18
0 0 1
]
Langkah kedua (0)t
, karena matriks A berukuran 5 × 5, maka x = [1 1 1 1 1]. Langkah
(0)
ketiga mencari x’ pada persamaan Lx’ = x
18
x 1'
][ ] [ ]
3.6 0 0 0 0 1
[
'
4.4 −25/9 0 0 0 x2 1
'
L= 0.8 2/9 16 /25 0 0 x3 = 1
−1.6 14 /9 −88/25 −18 0 x4 ' 1
−2.8 38 /9 −46 /25 −7 125/36 ' 1
x5
x 1'
[ ][ ]
5 /18
x 2' 2/25
'
Dengan metode substitusi biasa diperoleh x 3 = 19 /16
' −11/36
x4
107 /250
x 5'
(1)
Langkah keempat mencari y’ pada persamaan Uy = x’
y 1(1)
][ ] [ ]
1 11/9 2/9 −4 /9 −7/9 5 /18
[
(1)
0 1 y
−2/25 −14 /25 −38 /25 2 2/25
0 0 1 −11/2 −23/18 y 3(1) = 19 /16
0 0 0 1 7/18 y 4(1 ) −11/36
0 0 0 0 1 107 /250
y 5(1)
y 1(1)
[ ][ ][ ]
−14 /125 −0.112
y 2(1) 113 /250 0.452
(1)
diperoleh y 3 = −89/500 = −0.178
y 4(1 ) −59/125 −0.472
107/250 0.428
y 5(1)
Langkah kelima membagi y(1) dengan elemen y(1) yang terbesar (dalam harga mutlak) agar
(1) (1)
diperoleh y =λ invers x(1)
Sehingga,
0.2372881356
[
−0.9576271186
]
y (1) =−0.472 0.3771186441 . Hasil dari iterasi pertama ini digunakan untuk iterasi kedua
1
−0.9067796610
19
≈λ .
(k+1) (k)
λ
Pada iterasi selanjutnya, dengan menggunakan bantuan program matlab didapatkan hasil
dalam tabel berikut ini :
Iterasi λk x 1k x 2k x 3k x 4k x 5k
(k)
0 1 1 1 1 1
20
35 1.0000000001 -0.6666666666 0.6666666666 0.6666666666 -0.6666666667 1.0000000000
Berdasarkan tabel di atas, dapat diketahui bahwa nilai λ inverse dari matriks A pada iterasi ke-36
adalah 1. Jadi, aproksimasi terhadap nilai eigen mutlak terkecil dari matriks A adalah
1 1
λ= = =1
λinvers 1
dan vektor eigen yang bersesuaian dengan nilai eigen tersebut yaitu:
−0.6666666667
1 ×10−10
(36)
[0.6666666667
x = 0.6666666667 .
−0.6666666667
1
] Kedua nilai ini memiliki galat maksimal
3.4 METODE QR
• ada transformasi lain yang tidak mengubah nilai eigen yang sering disebut dengan
transformasi kesamaan. untuk setiap matriks nonsingular M nonsingular, perkalian M * A *
M-1 = B, mengubah A ke B, dan B memiliki nilai eigen sebagai A.
Trik untuk menemukan M:
21
7 8 6 6
1 6 1 2
A • Kedua, melakukan
1 2 5 2 ini untuk semua elemen di bawah diagonal sampai A telah menjadi
3segitiga
4 atas
3 4
d (Dalam
6 2 4 2 proses ini lambat, iterasi banyak dibutuhkan, tetapi prosedur bekerja.
) 7.21110
6
c 0A.83205
Misalkan adalah matriks 4x4, Berikut ini adalah matriks Q juga 4x 4, yang akan menciptakan nol
d
di posisi
4 a42
s 0.55470
d
Q = 11 0 0 0 00
0
00 0.c83205
0 s0 0.5547
Q
00 0 0 1 01 0
0 s 0 c
0 0.5547 0 0.83205
dimana, 2 2
d (a 22) (a22)
Contoh a 22
c
d
Diketahui a 42
s
7 d 8 6 6
2.49615 7.21110
Dimana, 0.83205 0.5547
Q* A
1 2 5 2
1.94145 0 3.05085 4.4376
22
Yang mana
Kita peroleh :
Dimana jejaknya adalah sama dengan matriks A asli sehingga nilai eigennya juga sama.
23
Diketahui
Kita dapat membuat nol pada kolom pertama dan baris ke-3 dan ke- 4 dengan B * A * B-1, di mana
1 0 0 0 1 0 0 0
1 0 0 1 0 0 0 0 11 00 01 00 0
B2 B
0 0 1 0 0 1 0 0 2 0 10 0 01 0
B1 B1
1
0 0 b03 1 b40 1 0 b03 10 b04 1
0 a42 b4 220 1 0 b4 0 1
b4 11
a31a32 2
b3 1
a21
a41 3
b 3 B *A*B -1, , kita peroleh:
Jika kitaa mengalikan
4
21 1 1 1
7 32 6 8
1 1 1 2
0 2 6 0
0 22 6 10
Yang mana bernilai nol dibawah subdiagonal dari kolom ke dan mempunyai nilai eigen yang sama
dengan matriks A. Kita lanjutkan pada kolom ke-2, dimana sekarang
7 8 6 6
1 6 1 2
A
1 2 5 2
3 4 3 4
Sekarang premultiplying matriks yang terakhir dengan B 2 and postmultiplying B2-1 menghasilkan
the lower Hassenberg matrix
7 32 60 6
1 1 21 2
B2 B1 AB11 B21
0 2 6 0
0 0 38 10
24
Bagian III- Langkah Kombinasi
Jika kita
BAB IV
PENUTUP
4.1Kesimpulan
Nilai eigen adalah Untuk mencari nilai eigen dapat menggunakan berbagai macam metode
diantaranya adalah :
1. Metode Pangkat ( The Power Method ) adalah suatu metode iteratif untuk mendapatkan
nilai eigen dominan dari suatu matriks dan vektor eigennya. Nilai eigen dominan sebagai
nilai eigen λ 1 yang memenuhi ¿ λ1 ∨¿ ¿ λi∨¿ untuk i= 2,....,n. Jika nilai-nilai eigen dari A
memenuhi :
¿ λ1|¿ ¿ λ2|>...> ¿ λ n∨¿
2. Metode Pangkat Invers (The Invers Power Method) adalah suatu metode iteratif untuk
mendapatkan nilai eigen terkecil dari suatu matriks dan vektor eigennya untuk nilai-nilai
eigen dari A yang memenuhi :
¿ λ1|≥ ¿ λ2|≥... ¿ λ n∨¿ 0
3. Metode QR adalah
25
DAFTAR PUSTAKA
http://retserv.eng.hawaii.edu/Distance_Learning/SP2010/Documents/Intro_Eigen-Value_typed.pdf
http://distance-ed.math.tamu.edu/Math640/chapter6/node6.html
http://www.astro.utu.fi/edu/kurssit/f90/f90/english/pdf/numeigen.pdf
http://lib.uin-malang.ac.id/thesis/fullchapter/03510017-noor-farida.ps
26
27