Makalah Nilai Eigen

Uploaded by Hilmi Nur Ardian on May 08, 2013

" 100% (1) · 3K views · 28 pages

Document Information #

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

Share this document

Facebook Twitter

$ Nama kelompok :
Tina Imaniar [ 103214013 ]

Email Arista Laili [ 103214036 ]

Ulil Iffah [103214034 ]

UNIVERSITAS NEGERI SURABAYA

Did you find this document useful? FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN MATEMATIKA
2012

Is this content inappropriate? Report this Document

Improve Your Experience '
Rating will help us to suggest even better
related documents to all of our readers!

% Useful

& Not useful

DAFTAR ISI

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 .............................................................................................................. 4
2.1 Matriks ................................................................................................................................ 4

A. Definisi Matriks .............................................................................................................. 4

B. Bentuk Matriks ................................................................................................................ 4
C. Operasi Matriks ............................................................................................................... 5
D. Invers Matriks ................................................................................................................. 6
F. Vektor ............................................................................. Error! Bookmark not defined.
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

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.

Surabaya, 21 November 2012

Penyusun

ii

BAB I
PENDAHULUAN

1.1 Latar Belakang

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).
Pada umumnya analisis numerik tidak mengutamakan diperolehnya jawab yang eksak (tepat), tetapi
mengusahakan perumusan metode yang menghasilkan jawab pendekatan yang berbeda dari jawab yang
eksak sebesar suatu nilai yang merupakan galat dari metode yang digunakan. Namun demikian, hasil
perhitungan dengan analisis numerik cukup dapat memberikan solusi pada persoalan yang dihadapi.
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. 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

metode yang dapat digunakan untuk mencari nilai eigen”.

1.2 Rumusan Masalah

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 ?

1.3 Batasan Masalah

Permasalahan yang dibahas dalam skripsi ini dibatasi pada :
1. Metode digunakan hanya pada matriks yang semua nilai eigennya adalah bilangan real. Matriks
yang sesuai dalam hal ini yaitu matriks simetri yang elemennya tidak ada yang memuat
bilangan kompleks
2. Dalam mencari nilai eigen dan vektor eigen, digunakan bantuan program Matlab karena proses
penghitungan secara manual terlalu panjang
3. Metode pangkat dalam makalah ini meliputi metode pangkat langsung dan metode pangkat
invers.

1.4 Tujuan Penulisan

Adapun penulisan makalah ini bertujuan untuk :
1. Menjelaskan langkah-langkah mencari nilai eigen dari persamaan differensial.
2. Menjelaskan langkah – langkah mengaproksimasi nilai eigen pada matriks dengan
menggunakan metode pangkat.

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.

Matriks ditulis sebagai berikut : A=

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

yang terdapat dalam baris i dan kolom j dari A. Sehingga A = [a ].

ij

Contoh: Berikut ini adalah matriks

*,+ +-, / *02 3-1 / *,+ +4 ,-5

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 a , a , . . . , a disebut elemen diagonal karena
11 22 nn

berada pada diagonal utama matriks.

*# 6$-
Contoh :

A=

$7
4

b. Matriks Segitiga Atas

Definisi 2.3. Matriks segitiga atas adalah suatu matriks bujur sangkar A yang elemen-elemen
a = 0 untuk j > k, yaitu berbentuk
a = 0 untuk j > k, yaitu berbentuk
jk

89 "##::' "#$"$$::' "77"$7"#7' '% "7&"$&"#&;

:%"(&
c. Matriks Segitiga Bawah
Definisi 2.4. Matriks segitiga bawah adalah suatu matriks bujur sangkar A yang elemen-
elemen a = 0 untuk j < k, yaitu berbentuk:

"## : : % :
jk

89 ["$#"7#' "$$"7$' ":'7 '%7 %:; : ]

"&# "&$ "&7 % "(&
d. Matriks Transpos
t
Definisi 2.5. Jika A adalah sebarang matriks m × n, maka transpos A dinyatakan oleh A 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:

>9?$#A 7@BC >D 9*7$ @# B-A

C. Operasi Matriks
Definisi 2.12 . Jika A = [a ] adalah matriks m × p dan B = [b ] adalah matriks p× n, maka hasil
ij ik

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

dari matriks AB = C adalah:

MNO 6"NPJPO QRQ"NSJSO 6∑"UVSP NUJUO

dimana, j = 1, 2, . . . , m
k = 1, 2, . . . , n

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 :

Y|[|Y9\[][^P_ 9√[#_ Q[$_ QRQ[&_ 1 2 n

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.

2.2 Nilai Eigen dan Vektor Eigen

n
Definisi 2.21. Jika A adalah matriks n × n, maka vektor taknol x di dalam R 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 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

Trusted by over 1 million members

Try Scribd FREE for 30 days to access over 125 million titles without ads or interruptions!

Start Free Trial

Cancel Anytime.
 2.3 Dekomposisi LU
Matriks dinyatakan dalam bentu k eselon bari s tereduk si (r educed row-echelon form) jika matriks
tersebut mempunyai sifat-sifat berikut
1. Jika baris tidak terdiri seluruhnya dari nol, maka bilangan taknol pertama dalam baris tersebut adalah
1. (dinamakan 1 utama)
2. Jika terdapat baris yang seluruhnya terdiri dari nol, maka semua baris seperti itu dikelompokkan
bersama-sama di bawah matriks
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 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

Download 3.1 Nilai Karakteristik !

Nilai Karakteristik disebut juga nilai eigen. Nilai Karakteristik dijelaskan atau diformulasikan
dalam bentuk persamaan differensial orde dua.
Diberikan persamaan differensial homogen orde dua:
e_[_ Q K_[9: g[\:^9:/ [\#^9:
Dimana adalah parameter.
K_ ef
Selanjutnya persamaan differensial orde dua diatas diubah dan disajikan dalam bentuk
matriks.

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#:@K_$6:]6#:@K_$6:]66#:#@K_$6:]6:#@K )I[Pn_L9I:L (1.2)

 !$6:]6#:@K_$6:]6#:\@K86ab_$6:]^66#[:#9:@K_$6:]6:#@K_)I[Pn_oL9I:L (1.2)

#
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

3.2 Metode Pangkat

Home Books A. Pengertian Audiobooks Documents

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
memenuhi :
aP yang memenuhi |aP|s|aU| untuk i= 2,....,n. Jika nilai-nilai eigen dari A

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

. . ., λ nilai eigen dari A yang memenuhi hubungan

n

|aP|s |a_|s ] ] s |ac| >0

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

dengan mengalikan A diperoleh

Ax = A (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
Ax =
0 tPaPOuP Qt_a_Ou_ QRQtcacOuc
= aPO\tPuP Qt_\vviw^Ou_ QRQtc\vvxw^Ouc^ (1.1)

Jika k makin besar, nilai

vy O akan makin kecil untuk i = 2, . . . , n, karena
vy O < 1 Oleh

\vw^
karena itu, untuk k yang cukup besar bentuk (1.1) menjadi

8Oz{ | tPaPOuP | vw |
10

Dengan demikian telah didapatkan hampiran dari kelipatan vektor eigen

8Oz{ uP 8Oz{. Vektor merupakan hampiran vektor eigen yang berkaitan dengan nilai eigen
uP tersebut, yaitu vektor

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

matriks tersebut, sedangkan

fa\OlP^O |aOlP] aOlP adalah vektor eigen yang bersesuaian dengan
aOlP .

C. Contoh
Carilah nilai eigen mutlak terbesar dan vektor eigen yang bersesuaian dengannya pada matriks
berikut:

89 [6#]:]7]@]BÄB@ 6:]@]$]#]@B$@ :]#]:]Ä$Ä 6#]6:]6@]B@: 6$]6$]:]ÄÄ

6@]6$]:Ä #]$]$: $]#]:Ä]
6$]Ä :]Ä
11

Karena matriks A diatas berukuran 5 × 5, maka matriks A mempunyai 5 nilai eigen. Sehingga

langkah pertama kita tentukan z\{^ 9 [###]

Langkah berikutnya mencari nilai Å\P^ #
yang memenuhi perkalian matriks 8z\{^ 9 Å\P^ , yaitu :

8z\{^ 9 [6#]6$]:]@]7]BÄÄ@B 6:]$]@]#]:]B@$Ä 6@]6$]#]:]$Ä:Ä 6:]6#]6@]#]$]@B$:: 6$]:]$]#]Ä:Ä][##] 9 [6$]6@Ä]@]6#B@Ä]

elemen vektor z\{^ :]A##B$ÉÑ:BÑÉBÉ@
yang terbesar adalah 8.6 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

1 8.6 0.5116279070 1.0000000000 -0.4651162791 -0.3255813953 -0.1162790698

2 6.7162790698 1.0000000000 0.6447368421 0.4265927978 0.0027700831 -0.0283933518

3 6.8531855956 1.0000000000 0.9578617623 0.2894098626 -0.5278900566 -0.5142481811

4 10.3306386419 1.0000000000 0.6812250567 0.5548947492 -0.4649033571 -0.4671042335

5 9.0930432741 1.0000000000 0.7312553787 0.5750430293 -0.6141135972 -0.6135811102

6 9.9781669535 1.0000000000 0.6760857181 0.6325833597 -0.6170244329 -0.6171263119

7 9.7960366135 1.0000000000 0.6808908424 0.6444872762 -0.6508192977 -0.6507980024

13
Improve Your Experience '
Rating will help us to suggest even better
related documents to all of our readers!

% Useful

& Not useful

Share this document
( ) * $ +

You might also like

laporan praktikum
metode numerik
SAFRIADI

Nilai Eigen Dan vektor

Eigen
No Name
 nilai-eigen
R-on Stiki

Magazines Podcasts

Sheet Music

11.Nilai Eigen Vektor

Eigen
Intan Permata Sari Karma

Bab 7 Masalah Nilai Eigen

Nugrafindo Yanto
Problem Set 8
Puji Hartono

Metode Jacobi
saiaririn

Per Banding An Metode

Iterasi Jacobi, Siedel SOR
ashari_dayat

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

About Scribd Help / FAQ

Press Accessibility

Our blog Purchase help

Join our team! AdChoices

Contact us Publishers

Invite friends
Social
Gibs

Scribd for enterprise Instagram

Twitter
Legal
Facebook

Terms Pinterest

Privacy

Copyright

Cookie Preferences

Get our free apps

Books • Audiobooks • Magazines • Podcasts • Sheet Music •

Documents • Snapshots • Directory

Language: English

Copyright © 2021 Scribd Inc.