MAKALAH

Menentukan Nilai Eigen dan Vektor Eigen Dalam Penyelesaian Sistem

Persamaan Linear Menggunakan Power Method dan Inverse Power Method

Disusun Oleh :

Nama: Husnatun Nufus

Nim : 60600118043

Kelas : C Analisis Numerik

JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI ALAUDDIN MAKASSAR
2020
 KATA PENGANTAR

Puji syukur kehadirat Allah atas segala rahmat dan karunia-Nya sampai dengan
diberikan kemudahan penyusunan makalah yang berjudul “Menentukan Nilai Eigen dan
Vektor Eigen Dalam Penyelesaian Sistem Persamaan Linear Menggunakan Power Method
dan Inverse Power Method.” sebagai syarat untuk memenuhi tugas Mata kuliah Analisis
numerik, Jurusan matematika di fakultas Sains dan tekhnologi, Universitas Islam Negeri
Alauddin Makassar .

Penulis menyadari makalah ini masih jauh dari kesempurnaan. Oleh karena itu, kritik
dan saran yang membangun sangat penulis harapkan. Semoga makalah ini dapat memberikan
manfaat bagi penulis dan para pembaca.

Bima,

Penulis
Husnatun Nufus
 DAFTAR ISI

KATA PENGANTAR............................................................................................. 1
DAFTAR ISI……………………………………………………………….................…………………….2
BAB I PENDAHULUAN……………………....................……………………….......................... 3
A,Latar Belakang………………......…………………………………………………………………….……..…4
B.Rumusan Masalah…………….....…………………………………………………………………………….5
C.Tujuan……………………..………………………………………………………………………………………..6
BAB II PEMBAHASAN…………………….................…………………………………….…………7
A.Defenisi nilai eigen dan vector eigen………………….………………………….....…………………8
B.Pembahasan………………..…………………………………………………………………………………….9

BAB III PENUTUP…………………...............………………………………………………………10

A .Kesimpulan……………………………………………....…………………………………………………….11
B.saran……………………………………………………………………………………………………………….12
DAFTAR PUSTAKA………...................……………………………………………………………...13
 BAB 1

PENDAHULUAN

A. LATAR BELAKANG
Dalam kehidupan sehari-hari, ada banyak permasalahan yang dihadapi oleh
manusia. Berbagai masalah yang ada sering kali menjadi fokus beberapa kalangan
yang tentunya terkait dengan masalah tersebut, untuk dapat menyelesaikannya dengan
mudah. Untuk menyelesaikan masalah-masalah yang ada, membawa masalah tersebut
ke dalam model matematika dapat menjadi salah satu solusi. Permasalahan-
permasalahan yang riil tersebut dibawa ke dalam model matematika untuk
diselesaikan dan kemudian dikembalikan ke bentuk riil semula dan diaplikasikan ke
kehidupan sehari-hari.
Beberapa permasalahan di kehidupan sehari-hari yang dapat diambil sebagai
contoh adalah masalah-masalah yang berhubungan dengan nilai eigen. Suatu skalar
disebut nilai eigen atau nilai karakteristik (characteristic value) dari suatu matriks jika
terdapat suatu vektor taknol , sehingga = . Vektor disebut vektor eigen atau vektor
karakteristik dari .
Salah satu metode dalam metode numerik untuk menentukan nilai eigen
dominan dan vektor eigen adalah metode pangkat (power method) dan metode
pangkat inversi (inverse power method). Metode pangkat adalah suatu langkah iteratif
untuk menentukan nilai eigen dominan terbesar. Ide dasar metode ini adalah
mendapatkan hubungan , di mana A matriks bujursangkar, λ nilai eigen dari A dan
adalah vektor eigen yang bersesuaian dengan nilai eigen λ. Proses iterasi akan terus
berlangsung sampai proses perhitungan yang dilakukan konvergen menuju solusi
numeris sesuai batasan yang diinginkan. Metode pangkat inversi (inverse power
method) melengkapi metode pangkat (power method) untuk menentukan nilai eigen
dominan terkecil. Jika , maka nilai eigen dari B adalah kebalikan dari nilai eigen A.
[9].
Dengan metode pangkat (power method) dan metode pangkat inversi
(inverse power method), nilai eigen yang berupa bilangan riil dan vektor eigennya
dapat ditentukan secara bersamaan menggunakan proses yang sama sehingga apabila
nilai eigen dari suatu matriks dapat ditentukan maka vektor eigen juga dapat
ditentukan. Dalam mencari nilai eigen dominan dan vektor eigen menggunakan
metode pangkat (power method) dan metode pangkat inversi (inverse power method),
semakin kecil (error atau galat) yang diberikan menyebabkan semakin banyak iterasi
yang terjadi sehingga semakin baik hasil yang diperoleh.

B. Perumusan Masalah
 Berdasarkan latar belakang di atas, masalah yang akan dibahas dalam
makalah ini adalah menentukan nilai eigen dan vektor eigen dengan menggunakan
metode pangkat (power method) dan dengan menggunakan metode pangkat inversi
(inverse power method).

C. Tujuan Penulisan

Tujuan penulisan makalah adalah menentukan nilai eigen dan vektor eigen
dengan menggunakan metode pangkat (power method) dan dengan menggunakan
metode pangkat inversi (inverse power method).
 BAB II

PEMBAHASAN

A. Definisi Nilai Eigen dan Vektor Eigen

Definisi 1. Jika A adalah matriks n × n, maka sebuah vektor tak nol x di dalam Rn ,
dinamakan vektor eigen dari A jika Ax adalah kelipatan skalar dari x, yakni,
Ax=λ x
Untuk suatu skalar λ yang dinamakan nilai eigen dari A. Dalam hal ini dikatakan x adalah
vektor eigen yang bersesuaian dengan nilai eigen λ 1.
 Untuk mencari nilai eigen matriks A yang berukuran n x n maka kita menuliskannya kembali
Ax=λ x sebagai Ax=λ I x ,
 (λ I − A ¿ x=0
 Persamaan di atas akan mempunyai penyelesaian jika det
( λ I − A ) =0 … … … … … … … .(i)

Persamaan (i) disebut persamaan karakteristik A.

1
Contoh 2 : Tentukan nilai eigen dan vektor eigen dari matriks A berukuran 3 x 3

5 −3 3

[
A= 4 −2 3
4 −4 5 ]
Jawab :

Persamaan karakteristik A adalah ,

¿
¿−¿

¿−()2+8( )2−17+10

=   5  2 1  0

Jadi,dari hasil diatas diperoleh tiga eigen value A, 1=5 , 2 = 2 dan 3=1.

Untuk mendapatkan eigenvektor A yang bersesuaian dengan 1 = 5, kita harus menyelesaikan

persamaan Ax=5x, sedemikian hingga diperoleh sistem persamaan sebagai berikut,

5 −3 3 x 1 x1

[ ][ ] [ ]
4 −2 3 x 2 =5 x 2
4 −4 5 x 3 x3

Yang ekuivalen dengan persamaan-persamaan :

5 x 1−3 x2 +3 x 3=5 x 1

4 x1 −2 x 2 +3 x3 =5 x 2
4 x1 −4 x 2 +5 x3 =5 x 3

Atau

x 2=x 3 … … … ( a )

4 x1 −3 x 3=7 x 2 … … … ( b )

x 2=x 2 … … … ( c )

Dari persamaan (a), misal jika kita ambil x2 = 1 maka x3 = 1, sehingga dengan persamaan (c)
diperoleh dan x1 = 1 . Sehingga eigenvektor dari A yang bersesuaian dengan 1 = 5 adalah x = x=¿

Dari persamaan x2 = x3 dan x1 = x2 , anda dapat mengambil sembarang x2 yang lain, pasti akan
memenuhi persamaan tersebut. Dari hal ini dapat dikatakan bahwa eigenvektor tidak tunggal.
Dengan cara yang sama, sekarang untuk 2 = 2, kita harus menyelesaikan persamaan Ax=2x,
sedemikian hingga diperoleh sistem persamaan sebagai berikut,

5 x 1−3 x2 +3 x 3=2 x1

4 x1 −2 x 2 +3 x3 =2 x 2

4 x1 −4 x 2 +5 x3 =2 x 3

Akan terpenuhi jika x1 = 1 , x2 = 1 maka x3 = 0 . Sehingga eigenvektor dari A yang bersesuaian

dengan 2 = 2 adalah x = ¿ . Dan untuk 3 = 1, kita harus menyelesaikan persamaan Ax=x,
sedemikian hingga diperoleh sistem persamaan sebagai berikut ,

5 x 1−3 x2 +3 x 3=x 1

4 x1 −2 x 2 +3 x3 =x 2

4 x1 −4 x 2 +5 x3 =x3

Dari persamaan diatas kita peroleh :

−3 x 2+3 x 3=−4 x 1

4 x1 +3 x 3=3 x 2

4 x1 −4 x 2=−4 x 3

Akan terpenuhi jika x1 = 0 , x2 = 1 maka x3 = 1 . Sehingga eigenvektor dari A yang bersesuaian

dengan 3 = 1 adalah x =¿.

Dari ketiga eigenvektor tersebut kita dapatkan eigenvektor yang ternormalisasi : Panjang
eigenvektor yang bersesuaian dengan 1 = 5 adalah :

√ 12+ 12+12= √3
Panjang eigenvektor yang bersesuaian dengan ❑2 = 2 adalah :

√ 12+ 12+0=√ 2
Panjang eigenvektor yang bersesuaian dengan ❑3 = 1 adalah :

√ 0+12 +12=√ 2
Sehinga eigenvektor yang ternormalisasi yang berhubungan dengan 2 eigenvalue 5,2,1.

1 1 1 T
( , , )
√3 √3 √ 3
T
1 1
( , , 0)
√2 √ 2
1 1 T
(0 , , )
√2 √ 2

B. Power Method

Power method digunakan untuk mencari nilai eigen dominan dan vektor eigen yang
bersesuaian Sebuah nilai eigen dari sebuah matriks A dinamakan nilai eigen dominan
(dominant eigenvalue) A jika nilai mutlaknya lebih besar dari nilai mutlak dari nilai-nilai
eigen yang lainnya. Sedangkan vektor eigen yang bersesuaian dengan nilai eigen dominan
dinamakan vektor eigen dominan (dominant eigen vector) A.

 Percepatan Aitken

Percepatan Aitken digunakan untuk menghampiri nilai eigen dengan lebih cepat
dibandingkan dengan menggunakan r Rumus percepatan Aitken ,

k k ( r k −r k−1 )
s =r − ;k ≥3
r k −2r k−1 −r k−2

Langkah power method:

1. Pilih sebuah vektor hampiran awal yang tidak nol ( x (k ) ¿

2. Tetapkan fungsional linear 𝜑
3. Hitung nilai Ax( k )= x (k +1)
ɸ( x( k+1 ))
(k )
4. Hitung ʎ =r k = dengan ɸ adalah suatu fungsional linear.
ɸ(x (k ))
5. Ulangi langkah 3 – 4 sampai 𝑟 konvergen ke solusi eksak

Contoh :

2
Tentukan nilai eigen dominan dari matriks 𝑨 berikut dengan menggunakan power method
dan percepatan Aitken .

6 5 −5

[
A= 2 6 −2
2 5 −1 ]
Penyelesaian : Diperoleh solusi eksak : ❑1 = 6, ❑2= 4, ❑3= 1

−1
Langkah 1 :
(0 )
x = 1
1 []
Langkah 2 : 𝜑 𝒙 = x2

Langkah 3 : x(k +1)= A x k ; k=0,1,2 , … …

6 5 −5 −1 −6
(1)

2 5 −1 1
(0)
x = A x = 2 6 −2 1 = 2
2 [ ][ ] [ ]
6 5 −5 −6 −36
(2)

2 5 −1 2
(1 )
x =A x = 2 6 −2 2 = −4
−4 [ ][ ] [ ]
⋮

6 5 −5 −13060694016 −78364164096

[
x(14) =A x (13)= 2 6 −2 −12926476288 = −77827293184
2 5 −1 −12926476288 −77827293184 ][ ][ ]
⋮

(k ) ɸ( x( k+1 ))
Langkah 4 : ʎ =r k = ; k=0,1,2,3,...
ɸ(x (k ))

x 2( 1 ) 2
r0 = = =2
x2 (0 )
1

x 2 ( 2) −4
r 1= = =−2
x2 ( 1)
2

x 2(14) −77827293184
r 13= ( 13 )
= =6.021
x2 −1292647288
Solusi hampiran dengan percepatan Aitken :

( r 3−r 2 )2
s3=r 3−
r 3−2 r 2 +r 1

( 8.9091−22 )2
¿ 8.9091− =13.5294
8.9091−2 ( 22 ) + (−2 )

(r 4−r 3)2
s4 =r 4 −
r 4−2r 3 +r 2

( 7.3061−8.9091 )2
¿ 7.3061− =7.0825
7.3061−2.8 .9091+22

Nilai eigen dominan = 𝒓 = 𝒔 = 6

Vektor eigen hampiran yang bersesuaian ,

x1 1

[][ ]
x 2 = 0.9969
x3 0.9969

C. INVERS POWER METHOD

• Metode untuk mencari nilai eigen terkecil secara iteratif.
• Memiliki konsep yang sama seperti power method dengan syarat matriks 𝑨 memiliki
1
invers. 𝑨𝒙 = 𝝀𝒙 ↔ 𝒙 = A−1(𝝀𝒙) ↔ A−1x= x
λ

Langkah - Langkah Invers Power Method

1. Tetapkan vektor eigen awal x 0 tak nol.
2. Tetapkan fungsional linear 𝜑.
3. Hitung matriks A−1, atau tentukan dekomposisi 𝐿𝑈 dari 𝑨.
4. Hitung A−1 x (k )= x (k +1); 𝑘 = 1,2, … Jika menggunakan invers.
5. Hitung L x( k+1 )=U −1 x( k ) ; 𝑘 = 1,2, … Jika menggunakan dekomposisi 𝐿𝑈.
φ( x (k+ 1))
6. Hitung r k = ; 𝑘 = 1,2, …
φ( x ( k ) )
7. Ulangi langkah ke – 4 sampai ke – 6 sampai 𝑟 konvergen ke solusi eksak.

Contoh ;
Misalkan diberikan matriks, nilai awal, dan fungsional linear sebagai berikut .
−154 528 407

[
A= 55
−132 396
−144 −121
318 ]
1

[]
x 0= 2
3

φ (x)=x 2

Penyelesaian :

−59 40

[ ]
17
11 3
23 −341
A−1= −12
6 36
52
−7 22
3

−59 40

[ ]
17
11 3
1 6 8.63
−1
x 1= A x 0 =
23

−7
6
−12

22
−341
36
52
2 = −48.58
3 89 [][ ]
3

−59 40

[ []
17
11 3
6 8.63 −7.39
−1
x 2= A x 1 =
23

−7
6
−12

22
−341
36
52
−48.58 = 3.07
89 −6.62 ][ ]
3
 BAB III
PENUTUP
A. Kesimpulan
Berdasarkan hasil yang telah diperoleh pada Bab III, dapat disimpulkan bahwa :
1. Metode pangkat (Metode Power) dan Metode pangkat inversi (Inverse Power Method)
adalah suatu langkah iteratif untuk mendapatkan hampiran nilai eigen dominan terbesar
dan hampiran nilai eigen dominan terkecil. Semakin kecil (eror atau galat) yang diberikan,
semakin banyak iterasi yang terjadi dan akibatnya semakin baik hasil yang akan diperoleh.

2. Dalam menentukan nilai eigen dominan terbesar yang terpenting adalah hubungan
sehingga didapatkan langkah-langkah atau algoritma dalam menentukan nilai eigen
dominan terbesar menggunakan metode pangkat (power method).

B. Saran
 Penulis sangat menyadari dan memahami bahwa pembuatan makalah ini
jauh dari kekurangan dan kelemahan dalam pembuatanya.Maka dari itu,penulis
pun tidak menolak adanya saran dan kritik yang sifatnya mendukung dan
membangun dari para pembaca agar Makalah selanjutnya nanti, jauh lebih
sempurna dan layak untuk dibaca olleh para pembaca sekian

DAFTAR PUSTAKA

1. Anton, H., 1987, “Elementary Linear Algebra”, John Wiley & Son, New York

2. Novita Eka Chandra dan Wiwin Kusniati . “APLIKASI METODE PANGKAT DALAM MENGAPROKSIMASI
NILAI EIGEN KOMPLEKS PADA MATRIKS” . Jurnal UJMC, Volume 2, Nomor 1, Hal. 36 – 40 .

3. R. Munir. 2003. Metode Numerik pada Penerbit Informatika Bandung.

4. https://www.academia.edu/7730008/Nilai_Eigen_dan_Ruang_Eigen