Laporan Awal Praktikum

Algoritma dan Pemrograman

AKN - 5
Nilai dan Vektor Eigen

Nama
NPM
: Rialdy Fahmi
: 140310180034
FISIKA
Hari/Tanggal : Selasa, 26 Maret 2018
Waktu/Sesi : 7.00-12.00 / 1
Asisten :

LABORATORIUM KOMPUTASI
DEPARTEMEN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
2019
 LEMBAR PENGESAHAN

AKN - 5

Nilai dan Vektor Eigen

Nama : Rialdy Fahmi

NPM : 140310180034
Hari / Tanggal : Selasa, 26 Maret 2019
Waktu / Sesi : 7.00-12.00 / 1
Asisten :

Laporan
Laporan Awal Presentasi Praktikum
Akhir

Jatinangor, 26 Maret 2019

Asisten

( )
 Nilai dan Vektor Eigen
I. Tujuan
1.1 Mahasiswa diharapkan mampu menghitung nilai dan vektor eigen dari
suatu matriks bujursangkar menggunakan metode pangkat (Power Method)
dan metode pangkat inversi (Invers Power Method).
II. Teori Dasar
2.1 Nilai Eigen dan Vektor Eigen

Nilai Eigen ( 𝜆) adalah nilai karakteristik dari suatu matriks

berukuran n x n, sementara vektor Eigen ( 𝜆) adalah vektor kolom bukan

nol yang bila dikalikan dengan suatu matriks berukuran n x n akan
menghasilkan vektor lain yang memiliki nilai kelipatan dari vektor Eigen
itu sendiri. Definisi tersebut berlaku untuk matriks dengan elemen
bilangan real dan akan mengalami pergeseran ketika elemen berupa
bilangan kompleks. Untuk setiap nilai Eigen ada pasangan vektor Eigen
yang berbeda, namun tidak semua persamaan matriks memiliki nilai Eigen
dan vektor Eigen. Nilai Eigen dan vektor Eigen berguna dalam proses
kalkulasi matriks, di mana keduanya dapat diterapkan dalam bidang
Matematika murni dan Matematika terapan seperti transformasi linear.
Kumpulan pasangan nilai dan vektor Eigen dari suatu matriks
berukuran n x n disebut sistem Eigen dari matriks tersebut. Ruang Eigen

dari ( 𝜆) kumpulan vektor Eigen yang berpasangan dengan ( 𝜆) yang

digabungkan dengan vektor nol. Istilah Eigen seringkali diganti dengan
istilah karakteristik, di mana kata ‘Eigen’ yang berasal dari bahasa Jerman
memiliki arti ’asli’ dalam konteks menjadi ciri khas atau karakteristik dari
suatu sifat.
Nilai eigen atau nilai karakteristik dan vektor eigen atau vektor
karakteristik yang sesuai dari suatu matriks 𝑁×𝑁 yaitu A didefinisikan
sebagai nilai skalar 𝜆 dan vektor 𝒗 yang bukan nol dan memenuhi
Persamaan 3.1
𝐴𝑣=𝜆𝑣↔(𝐴−𝜆𝐼)𝑣=0 (𝑣≠0) (3.1)
dengan(𝜆,𝒗) disebut sebagai pasangan eigen danada sejumlah N pasangan
eigen dari matriks 𝑁×𝑁. Bagaimana cara menentukan nilai eigen? Ada
beberapa hal yang perlu diperhatikan, yaitu :
a. Agar Persamaan 3.1 berlaku untuk matriks bukan nol 𝒗, matriks
[𝐴−𝜆𝐼] harus bersifat singular. Artinya, nilai determinan dari matriks
[𝐴−𝜆𝐼]harus bernilai 0.

b. Determinan dari matriks [𝐴−𝜆𝐼] merupakan deret polynomial

derajat N dalam bentuk 𝜆.
Hal yang pertama kali harus dilakukan untuk menghitung nilai eigen 𝜆𝑖
adalah menemukan solusi dari persamaan karakteristik seperti pada
Persamaan 3.2.
|𝐴−𝜆𝐼|=𝜆𝑁+𝑎𝑁−1𝜆𝑁−1+⋯+𝑎1𝜆+𝑎0=0 (3.2)
Lalu substitusikan nilai 𝜆𝑖, satu per satu, kedalam Persamaan 3.1 untuk
menentukan vektor eigen 𝒗𝒊.

2.2 Metode Pangkat (Power Method)

Secara teoritis, metode pangkat dapat dijelaskan sebagai berikut :

• Untuk matriks persegi A yang berukuran 𝑁×𝑁 mempunyai nilai eigen

𝜆1, 𝜆2, …, 𝜆𝑁 dimana |𝜆1|>|𝜆2|>⋯>|𝜆𝑁| dengan N vektor eigen bebas 𝒗1,
𝒗2, …, 𝒗𝑁, maka ada suatu vektor 𝒗 yang dapat dituliskan sebagai
penjumlahan dari vektor-vektor eigen tersebut.

N
𝒗 = 𝐶1𝒗1 + 𝐶2𝒗2 + ⋯ +𝐶𝑁𝒗𝑁 = ∑ Civi (3.3)
i=1

Dengan mengalikan kedua sisi Persamaan 3.3 dengan 𝐴,𝐴2,𝐴3,…,𝐴𝑘dan

menggunakan 𝐴𝑣𝑖=𝜆𝑖𝑣𝑖, 𝑖 = 1,2,…,𝑁, kita bisa peroleh Persamaan 3.4.

(3.4)

Faktorkan nilai eigen terbesar keluar

(3.5)
 Tetapi karena |𝜆1|>|𝜆𝑖| untuk 𝑖 = 1,2,…,𝑁, jika 𝑘→∞maka →0dan
Persamaan 3.5 berubah menjadi Persamaan 3.6.
(3.6)
Pada Persamaan 3.6 dengan menggunakan 𝐶1 = 1 dapat diekspresikan
𝐶1𝒗1 = 𝒗𝟏, sehingga diperoleh Persamaan 3.7 untuk nilai salah satu
vektor eigen.
(3.7)

Setelah dihitung, diambil dari nilai elemen terbesar vektor

sehingga 𝒗1 akan mempunyai sebuah elemen unitas. Proses ini terus
diulang hingga memenuhi kondisi rasio perbedaan nilai eigen lebih kecil
dari toleransi yang diinginkan sesuai dengan Persamaan 3.8.

(3.8)
2.3 Metode Pangkat Inversi (Invers Power Method)
Tujuan dari penggunaan metode pangkat inversi adalah untuk menentukan
nilai eigen terkecil dengan menerapkan metode pangkat pada matriks A−1.
Metode ini digunakan pada kasus dimana matriks A bersifat non singular
dan tidak memiliki nilai eigen bernilai nol. Asal pemikiran dari metode ini
adalah Persamaan 3.9

(3.9)
Ini berarti bahwa matriks invers A−1 memiliki nilai-nilai eigen yang
merupakan kebalikan dari nilai-nilai eigen matriks A.

(3.10)
2.4 Metode Geser
  Teorema Metode Pangkat Balik Tergeser

III. Tugas Pendahuluan

1. Buatlah program dengan menggunakan Bahasa matlab untuk mencari

invers dari sebuah matriks 3 x 3.
%Menghitung determinan
m = input('masukkan matriks 5x3: ');
a = m(1,1);
b = m(1,2);
c = m(1,3);
d = m(2,1);
e = m(2,2);
f = m(2,3);
g = m(3,1);
h = m(3,2);
i = m(3,3);
detA = a*(e*i-f*h);
detB = b*(d*i-f*g);
detC = c*(d*h-e*g);
det = detA - detB + detC;

%menghitung nilai kofaktor

a2 = e*i-h*f;
b2 = -d*i-g*f;
c2 = d*h-g*e;
d2 = -(b*i-h*c);
e2 = a*i-g*c;
f2 = -(a*h-g*b);
g2 = b*f-e*c;
h2 = -(a*f-d*c);
i2 = a*e-d*b;
detA2 = a2*(e2*i2-f2*h2);
detB2 = b2*(d2*i2-f2*g2);
detC2 = c2*(d2*h2-e2*g2);
cof = detA2 - detB2 + detC2;
 %matriks kofaktor

n = [a2 b2 c2; d2 e2 f2; g2 h2 i2];

%menghitung transpose matriks kofaktor

v(:,1) = n(1,:);
v(:,2) = n(2,:);
v(:,3) = n(3,:);

%menghitung invers matriks

if(det ~= 0)
inv = (1/det)*v;
disp(inv);
else
fprintf('matriks tak memiliki bentuk inverse.\n');
end;

2. Hitung nilai dan vektor eigen dari matriks no (a) yang terdapat pada
bagian percobaan secara analitik menggunakan bantuan persamaan
karakteristik

Cari determinan dari Matriks eigen

Cari determinan dari Matriks eigen :

Faktorkan Fungsi :

Cari nilai akar di bagian kuadrat menggunakan rumus ABC , Hasil akar :
 Masukkan nilai untuk tiap lamda ke matriks eigen, menghasilkan :

IV. Algoritma Program

4.1 Metode Pangkat

4.2 Metode Invers
Daftar Pustaka
Bartle, R.G. & Sherbert, D. R. (2000). Introduction to real analysis. Third
Edition.

John Wiley & Sons, Inc. Fitzpatrick, P. M. (1996). Advanced calculus.

Boston: PWS Publishing Company.

Kreyszig, E. (1999). Advanced engineering mathematics. Eight Edition.

New York: John Wiley and Sons Inc.

Mathews, J. H. (1992). Numerical methods for mathematics, science, and

engineering. Second Edition. Englewood Cliffs, New Jersey: Prentice-Hall
International, Inc.

John H. Mathews & Kurtis D.Fink. (1999). Numerical Methods Using

Matlab Third Edition. Prentice Hall