Date uploaded
May 08, 2013
Download !
Original Title
makalah nilai eigen
Copyright
© Attribution Non-Commercial (BY-NC)
NILAI EIGEN
Available Formats
DOCX, PDF, TXT or read online from Scribd
Facebook Twitter
$ Nama kelompok :
Tina Imaniar [ 103214013 ]
% Useful
DAFTAR ISI
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
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, yang telah melimpahkan dan memberikan
petunjuk sehingga penyusun dapat menyelesaikan tugas untuk membuat makalah ini.
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.
Penyusun
ii
BAB I
PENDAHULUAN
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. Oleh sebab itu,
diperlukan metode QR berturut-turut untuk menemukannya.
Dalam makalah ini, jika metode determinan sangat sulit digunakan untuk matriks berordo di atas 3 ×
3, maka metode QR dapat digunakan dengan mudah untuk mencari nilai eigen dan vektor eigen pada
matriks berordo di atas 3 × 3. Dengan demikian, metode pangkat dan metode QR merupakan salah satu
metode yang dapat mempermudah dalam mencari nilai eigen dan vektor eigen suatu matriks.
Aplikasi nilai eigen mencakup berbagai bidang keilmuan. Nilai eigen diperlukan untuk memecahkan
berbagai permasalahan dalam kehidupan sehari-hari, 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.
Berdasarkan latar belakang di atas, penulis mengangkat permasalahan tentang “Macam – macam
suatu matriks ?
3. Bagaimana aplikasi metode QR dalam mengaproksimasi nilai eigen dan vektor eigen suatu
matriks ?
BAB II
LANDASAN TEORI
2.1 Matriks
A. Definisi Matriks
Matriks didefinisikan sebagai susunan persegi panjang dari bilangan-bilangan yang diatur dalam
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 a menyatakan elemen
ij
*# 6$-
Contoh :
A=
$7
4
"## : : % :
jk
kali A dengan B yang ditulis AB didefinisikan sebagai matriks C = [c ] yang berordo m × n dengan
jk
IJ#KJ$KJGK' L
elemen pada baris ke-j dari A dan dan kolom ke-k dari B. Misalkan matriks baris ke-j dari matriks A
adalah E"F# "F$ % "FGH dan matriks B adalah , maka elemen baris ke-j dan kolom ke-k
D. Invers Matriks
Definisi 2.13 Jika A dan B matriks bujur sangkar sedemikian sehingga
-1
AB = BA = I , maka B disebut invers dari A dan ditulis B = A . Matriks B juga mempunyai invers
-1
yaitu ditulis A = B
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
W9IWXW+W4' L
kolom dan ditulis :
Notasi u berupa bilangan nyata, merupakan komponen vektor. u adalah komponen ke-j dari vektor u.
j j
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:
v = [v , v , . . . , v ]
1 2 n
Notasi v berupa bilangan nyata, merupakan komponen vektor. v adalah komponen ke-k dari
k k
vektor v. Vektor baris A yang mempunyai n kolom dikatakan sebuah vektor berkomponen n atau
vektor berdimensi n.
vektor berdimensi n.
Contoh: v = [-2, 3, -1] adalah vektor berdimensi 3.
n
Definisi 2.16. Jika u = [u , u , . . . , u ], dan v = [v , v , . . . , v ] adalah sebarang vektor pada R ,
1 2 n 1 2 n
maka hasil kali dalam Euclidis (Euclidean inner product) u . v didefinisikan dengan
6
u.v=u v +u v +...+u v
1 1 2 2 n n
n
norma Euclidis ( atau panjang Euclidis) vektor u = [u , u , . . . , u ] pada R didefinisikan menurut :
F. Diagonalisasi
Definisi 2.17. Matriks bujur sangkar A dinamakan dapat didiagonalisasi (diagonalizeable) jika
-1
terdapat matriks P yang dapat dibalik sehingga P AP diagonal . Matriks P dikatakan mendiagonalisasi
A.
G. Determinan
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.
Ax = λx (2.2)
Untuk suatu skalar λ. Skalar λ dinamakan ni lai eigen (eigen value) dari A dan x dikatakan vektor eigen
yang bersesuai an 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 per samaan kar akteri sti k A. Skalar yang memenuhi persamaan ini adalah nilai
eigen dari A. Bila diperluas, maka determinan det(λ I-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
det(ab68^9ac QMPacdP QRQMc 7
Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions!
Sebuah matriks yang mempunyai sifat-sifat 1, 2, dan 3, dikatakan berada dalam bentu k esel on bari s
(r ow-echelon f orm) .
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.
Langkah 4.Bentuklah dekonposisi A = LU.
Search
BAB III
PEMBAHASAN
Contoh:
i (1.1)
hhkji
[UdPQ6$[Km__[9:U Q[Ulg[\P QK:^9:/_[U 9:[\#^9:
Solusi khususnya adalah :
Dengan menggunakan 5 subinterval, h=0,2 dan berikut adalah empat persamaan dengan empat titik.
Disajikan dalam matriks.
#
6#$ 6#$6#: :: L
Persamaan matriks , dimana I adalah matriks identitas dan A adalah matriks :
I
Millions of titles at your fingertips
: 6#a9:]
Only Rp70,000/month. 6#:$@K_ anytime.
: 6$#Cancel
Dan
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
Pada umumnya kita menghitung nilai eigen untuk masalah nilai karakteristik dari
pqr\86ab^ 9: pqr\86ab^ 9:
Read free for 30 days 9
Learn more
maka metode pangkat dapat digunakan untuk menghitung nilai-nilai eigen satu per satu.
|aP|s |a_|s ] ] s |ac|
Misalkan diketahui vektor A berukuran n × n dan dapat didiagonalkan. Misalkan pula λ , λ ,
1 2
Karena A dapat didiagonalkan, terdapat vektor eigen v1, v2, . . ., vn yang masing-masing
n
berkaitan dengan nilai eigen λ , λ , . . ., λ dan membentuk basis di R , kemudian sebarang vektor
1 2 n
n
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
\vw^
karena itu, untuk k yang cukup besar bentuk (1.1) menjadi
8Oz{ | tPaPOuP | vw |
10
terbesar
dari A.
. makin besar nilai k makin baik pula hampiran 8Oz{ terhadap sebuah vektor eigen
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
| 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 :
8}\O^ 9~\OlP^ 9a\OlP^}\OlP^
Berikut adalah langkah-langkah penggunaan metode pangkat :
1. Jika matriks A berukuran n × n, maka tentukanlah sebuah matriks yang berukuran n × 1 dan
bukan matriks nol.
2. Carilah nilai
3. Bagi matriks
••\P\^P^ 8f\{^ 9•\P^
yang memenuhi perkalian matriks
dengan elemen dari matriks tersebut yang harga mutlaknya terbesar yaitu
a\P^ sehingga didapatkan •\P^ 9afO\P9f^f\POlP^
4. Ulangi langkah 2 dan 3 dengan dengan k = 0, 1, 2, 3, . . . sampai suatu iterasi yang
menunjukkan bahwa nilai merupakan nilai eigen mutlak terbesar dari
C. Contoh
Carilah nilai eigen mutlak terbesar dan vektor eigen yang bersesuaian dengannya pada matriks
berikut:
Karena matriks A diatas berukuran 5 × 5, maka matriks A mempunyai 5 nilai eigen. Sehingga
#
Ç\P^ 9Ä]B 7]B @]@z\P^ 9[:]Ä6:]6#]#7@#B$ÉÑ:BÑÉBÉ@@] BA##B$ÉÑ:BÑÉÉ
$AAÄ#7ÑA7@ÄÄ@
8z\P^ 9 6#]:]@]BÄ@ 6:]$]#]B$@ 6@]#]:]$Ä: 6:]6@]#]B@$: 6$]6$]:]$]ÄÄ:Ä 6:]6:]:]A@7##B$ÉÑ:BÑÉBÉ@ BA##B$ÉÑ:BÑÉÉ
$AAÄ#7ÑA7@ÄÄ@ #
9[6$][ B]@]$]:]ÄÉ7Ä:#B$ÉÑ:BÑÉBÉ@@
:]Ä 6$]Ä $]: #]Ä][6:]##B$ÉÑ:BÑÉBÉ@@]
7:$7$AAÄ#7ÑA@
BA##B$ÉÑ:BÑÉÉ
6:]##ÄB:@BA##B$ÉÑÑ:BÑÉBÉ@@#ÄB:]
Ç\_^ 9 B]É#B$ÉÑ:BÑÉBÉ@@ z\_^ 9 [6:]:]:@B::$ÉÉ::Ä7#:$@Ñ @@É7BÄ@$#:A$B
$BAÑ$ÉÑÉÉÄ7Ñ7
# ]
$Ä7Ñ77A#Ä::AA
8z\_^ 9 [6#]6$]:]@]7]BÄ@B 6:]$]@]#]:]B@$Ä 6@]6$]#]:]$Ä: 6:]6#]6@]#]$]@B$: 6$]:]$]#]Ä:][6:]:]:@B:$ÉÉ::Ä7#:$@Ñ
@@É7BÄ@$#:A$B
$BAÑ$ÉÑÉÉÄ7Ñ7
# ]
$Ä7Ñ77A#Ä::AA
12
B]B]ÄAA7#ÄAAÑAABÉÄÉ
B@@:@@7$#7$ÑB
9[67]#]ÑABÄ77ÉÑA:#7ÄA:@
#ÉÉ$ÄA7#ÄAAÑB
$@$7Ä$$É#@BÄ#]
#
Ç\n^ 9B]ÄA7#ÄAAÑAABÉÄÉ z\n^ 9 :]:]Ñ$AÉÄB#ÉB$7$Ä$#
ÄÑ@:ÑÄB$AÉ:É@
[6:]A#@$@Ä#Ä#:Ä7$É]
$ÉÄÑ::ABAÄÄA$
pada iterasi selanjutnya, dengan menggunakan bantuan program matlab didapatkan hasil dalam
tabel berikut ini:
Iterasi
(k)
aO zPO z_O znO zoO zÖ O
0 1 1 1 1 1
13
Improve Your Experience '
Rating will help us to suggest even better
related documents to all of our readers!
% Useful
laporan praktikum
metode numerik
SAFRIADI
Magazines Podcasts
Sheet Music
Metode Jacobi
saiaririn
Vektor Eigen
Qaishum Mardhiyati
[Modul 5 Nilai Eigen]
Bryan Andi Putra
Nata Adriya
Eliminasi gauss
Bayu رمضان
Bab 4 - Faktorisasi QR
adhiarman
Show more
About Support
Press Accessibility
Contact us Publishers
Invite friends
Social
Gibs
Twitter
Legal
Facebook
Terms Pinterest
Privacy
Copyright
Cookie Preferences
Language: English