Modul 6 Vector Eigen Dan Nilai Eigen.

MODUL PERKULIAHAN
W582100003 –
Metode Numerik
Persamaan karakteristik,
vector Eigen dan nilai Eigen.
Abstrak Sub-CPMK 2.2
Pendekatan kemiringan pada Mampu mengaplikasi persamaan

karakteristik, vector eigen dan nilai Eigen.
Fakultas Program Studi Tatap Muka Disusun

Oleh
Fakultas Teknik Magister Teknik Mesini
06 Dr. Ir. Haftirman. MEng
Pendahuluan
Masalah nilai Eigen (Eigenvalue) atau nilai karakteristik adalah kelas tertentu dari masalah nilai batas
yang umum dalam konteks masalah Teknik yang melibatkan getaran, elastisitas, dan system osilasi
lainnya. Selain itu, Eigenvalue digunakan dalam berbagai konteks rekayasa diluar masalah nilai batas.
Beberapa informasi latar belakang umum termasuk diskusi tentang signifikansi matematika dan rekayasa
dari nilai Eigen. Dalam aljabar linier, vektor eigen (/ˈaɪɡənˌvɛktər/) atau vektor karakteristik dari
transformasi linier adalah vektor bukan nol yang berubah paling banyak oleh faktor skalar ketika
transformasi linier diterapkan padanya. Nilai eigen yang sesuai, sering dilambangkan dengan {\
displaystyle \lambda }\lambda , adalah faktor yang digunakan untuk menskalakan vektor eigen. Nilai
eigen dan vektor eigen menonjol dalam analisis transformasi linier. Awalan eigen- diadopsi dari kata
Jerman eigen ( serumpun dengan kata bahasa Inggris sendiri ) untuk "benar", "karakteristik", "milik"..[5]
[6] Awalnya digunakan untuk mempelajari sumbu utama gerak rotasi benda tegar, nilai eigen dan vektor
eigen memiliki berbagai aplikasi, misalnya dalam analisis stabilitas, analisis getaran, orbital atom,
pengenalan wajah, dan diagonalisasi matriks.
Pada dasarnya, vektor eigen v dari transformasi linier T adalah vektor bukan nol yang, ketika T diterapkan
padanya, tidak berubah arah. Menerapkan T ke vektor eigen hanya menskalakan vektor eigen dengan nilai
skalar , yang disebut nilai eigen. Kondisi ini dapat ditulis sebagai persamaan:
T (v )=λv
disebut sebagai persamaan nilai eigen atau persamaan eigen. Secara umum, λ dapat berupa skalar apa pun.
Misalnya, λ mungkin negatif, dalam hal ini vektor eigen membalikkan arah sebagai bagian dari
penskalaan, atau mungkin nol atau kompleks.
Gambar 1 menunjukkan Gambar Mona Lisa yang digambarkan di sini memberikan ilustrasi sederhana.
Setiap titik pada lukisan dapat direpresentasikan sebagai vektor yang menunjuk dari pusat lukisan ke titik
tersebut. Transformasi linier dalam contoh ini disebut pemetaan geser. Titik-titik di bagian atas digeser ke
kanan, dan titik di bagian bawah digeser ke kiri, sebanding dengan seberapa jauh mereka dari sumbu
horizontal yang melalui tengah lukisan. Oleh karena itu, vektor yang menunjuk ke setiap titik pada gambar
asli dimiringkan ke kanan atau ke kiri, dan dibuat lebih panjang atau lebih pendek dengan transformasi.
Titik di sepanjang sumbu horizontal tidak bergerak sama sekali ketika transformasi ini diterapkan. Oleh
karena itu, setiap vektor yang menunjuk langsung ke kanan atau kiri tanpa komponen vertikal adalah
vektor eigen dari transformasi ini, karena pemetaan tidak mengubah arahnya. Selain itu, semua vektor
eigen ini memiliki nilai eigen sama dengan satu, karena pemetaan juga tidak mengubah panjangnya.
Transformasi linier dapat mengambil banyak bentuk yang berbeda, memetakan vektor dalam berbagai
ruang vektor, sehingga vektor eigen juga dapat mengambil banyak bentuk. Misalnya, transformasi linier
d
dapat berupa operator diferensial seperti dalam hal ini vektor eigennya adalah fungsi yang disebut
dx
d λx λx
fungsi eigen yang diskalakan dengan operator diferensial itu, seperti : e =λ e
dx
Alternatifnya, transformasi linier dapat berbentuk matriks n kali n, di mana vektor eigennya adalah matriks
n kali 1. Jika transformasi linier dinyatakan dalam bentuk n oleh n matriks A, maka persamaan nilai eigen
untuk transformasi linier di atas dapat ditulis ulang sebagai perkalian matriks: Av=λv
di mana vektor eigen v adalah matriks n kali 1. Untuk sebuah matriks, nilai eigen dan vektor eigen dapat
digunakan untuk menguraikan matriks—misalnya dengan mendiagonalisasinya.
Nilai eigen dan vektor eigen memunculkan banyak konsep matematika yang terkait erat, dan awalan eigen-
diterapkan secara bebas saat menamainya:
 Himpunan semua vektor eigen dari transformasi linier, masing-masing dipasangkan dengan nilai
eigennya yang sesuai, disebut sistem eigen dari transformasi tersebut.
 Himpunan semua vektor eigen dari T yang berkorespondensi dengan nilai eigen yang sama,
2021 Nama Mata Kuliah dari Modul
2
Biro Bahan Ajar E-learning dan MKCU
Dr. Ir. Haftirman, MEng http://pbael.mercubuana.ac.id/
bersama dengan vektor nol, disebut ruang eigen, atau ruang karakteristik dari T yang terkait
dengan nilai eigen tersebut.
 Jika himpunan vektor eigen dari T membentuk basis dari domain T, maka basis ini disebut basis
eigen.
Gambar 1. Perubahan gambar dalam Gerakan geser (Shear

mapping)
Pada Gambar 2 Matriks transformasi A = mempertahankan arah vektor sejajar dengan V λ=1 = [1
1]T (berwarna ungu) dan Vλ=3 = [1 1]T (berwarna biru). Vektor berwarna merah tidak sejajar dengan salah
satu vektor eigen, jadi, arahnya diubah oleh transformasi. Vektor biru setelah transformasi tiga kali
panjang aslinya (nilai eigennya 3), sedangkan panjang vektor ungu tidak berubah (mencerminkan nilai
eigen 1). Lihat juga: Versi yang diperluas, menampilkan keempat kuadran.

3
Gambar 2 Eigen Vektor
Gambar 3 Matrik 2x2
Matriks nyata dan simetris 2x2 mewakili peregangan dan geser bidang. Vektor eigen dari matriks (garis
merah) adalah dua arah khusus sehingga setiap titik di atasnya hanya akan meluncur padanya.
Mathematical Background
4
Persamaan aljabar linear dalam bentuk umum: [ A ] [ X ] ={ B }
Persamaan disebut dengan nonhomogeneous karena vector { B }berada pada bagian kanan dari persamaan.
Jika persamaan yang terdiri dari seperti sistem bebas linier, mereka akan memiliki solusi yang unik.
Dengan kata lain, ada satu set nilai x yang akan membuat persamaan menjadi seimbang. Sebaliknya,
sistem aljabar linier homogen memiliki bentuk umum: [ A ] [ X ]=0.
Eigenvalues problems berkaitan dengan engineering dengan bentuk umum:
( a 11−λ ) x 1+ a12 x 2 ++a1 n x n=0
a 21 x1 + ( a11−λ ) x 2 ++a2 n x n=0
. . .
. . .
a n1 x 1+ an 2 x 2 ++ ( a nn−λ ) x n=0
Dimana λ adalah parameter tidak diketahui disebut eigenvalue atau nilai karakteristik
{ X } adalah system disebut sebagai vektor eigen.
Persamaan diatas dapat ditulis sebagai:
[ [ A ] −λ [I ] ] [ X ] =0.
Penyelesaian persamaan iniadalah menentuka λ berdasarkan determinan matrik :
[ [ A ] −λ [I ] ]
Gambar 4 adalah matriks A bekerja dengan meregangkan vektor x, tidak mengubah arahnya,
sehingga x adalah vektor eigen dari A.
Gambar 4 Matrik 2x2
Contoh Hitunglah dimensi-n dari vector yang dibentuk dari scalar n seperti vector tiga
dimensi
[] [ ]
1 −20
x= −3 dan y= 60
4 −80
Vektor-vektor ini dikatakan kelipatan skalar satu sama lain, atau paralel atau collinear, jika ada
skalar sedemikian rupa sehingga:
5
x=λy
Dalam hal ini

−1
λ=
20
Sekarang perhatikan transformasi linier dari vektor n-dimensi yang didefinisikan oleh n oleh n
matriks A,
Av=w=λv (1)
Kemudian v adalah vektor eigen dari transformasi linier A dan faktor skala adalah nilai eigen
yang sesuai dengan vektor eigen tersebut. Persamaan diatas adalah persamaan nilai eigen
untuk matriks A.
Persamaan diatas dapat dinyatakan secara ekuivalen sebagai:
[ A− λI ] v =0(2)
Eigenvalue dan Characteristic polynomial
Persamaan (2) memiliki solusi tak nol v jika dan hanya jika determinan matriks [ A− λI ]adalah
nol. Oleh karena itu, nilai eigen dari A adalah nilai yang memenuhi persamaan:
[ A− λI ]=0(3)
Dengan menggunakan rumus Leibniz untuk determinan, ruas kiri Persamaan (3) adalah fungsi
polinomial dari variabel dan derajat polinomial ini adalah n, orde matriks A. Koefisiennya
bergantung pada entri A, kecuali bahwa suku derajat n selalu (−1)nλn. Polinomial ini disebut
polinomial karakteristik A. Persamaan (3) disebut persamaan karakteristik atau persamaan
sekuler A.
Teorema dasar aljabar menyiratkan bahwa polinomial karakteristik dari matriks n-kali-n A, yang
merupakan polinomial derajat n, dapat difaktorkan ke dalam produk n suku-suku linier.
| A−λI |=( λ1−λ ) ( λ2 −λ ) … …( λn− λ)
di mana setiap i mungkin nyata tetapi secara umum adalah bilangan kompleks. Bilangan 1, 2, ...,
n, yang mungkin tidak semuanya memiliki nilai yang berbeda, adalah akar dari polinomial dan
merupakan nilai eigen dari A.
Contoh:
A= 2 1
12 [ ]
Determinan ( A−λI ) karakteristik polynomial A
|12− λ|
| A−λI |= 2−λ 1 =3−4 λ+ λ2
Det ([12−λ
2− λ ] )
1 =( 2−λ ) ( 2−λ )−( 1 ) ( 1 )=( 4−4 λ + λ ) −1
2
2
¿ λ −4 λ+3
λ 1 , λ2 = √
2
4 ± 4 −4 (1)(3) 4 ± √ 4
= =2 ±1
2 2
λ=1 dan λ=3
( A−λI ) v=0
6
v λ=1= 1[ ]
−1
v λ=3= 1
1[]
Tentukan nilai eigen dari [ 34 11]

Det ([ 3−
4 1− λ ] )
λ 1 =( 3−λ ) ( 1−λ )−( 1 ) ( 4 )=( 3−4 λ+ λ )−4 2
2
¿ λ −4 λ−1
4 ± √ 4 −4 (1)(−1) 4 ± √ 20
2
λ 1 , λ2 = = =2 ± √ 5
2 2
Physical Background
Sistem massa pegas pada Gambar 5 adalah ilustrasi sederhana bagaimana eigenvalue (nilai
eigen) terjadi dalam pronlem physical. Analisa sederhana mengassumsikan setia massa tidak
adan gaya-gaya luar (external) atau damping yang bekerja. Assumsi panjamg pegas (spring) l
dan konstanta pegas k. Kedaan posisi pegas adalah setimbang. Hukum Newton kedua
digunakan untuk kesetimbangan gaya setiap massa:
d2 x1
m1 =−k x 1 +k (x 2−x 1 )
d t2
dan
2
d x1
m1 2
=−k ( x 2−x 1 )−k x2
dt
Dimana x1 adalah perpindahan massa i dari posisi setimbangnya dan persamaannya menjadi:
2
d x1
m1 2
−k (−2 x 1+ x2 ) =0
dt
d2 x2
m2 −k ( x 1−2 x 2 )=0
d t2

7
Gambar 5 Menempatkan massa jauh dari keseimbangan menciptakan kekuatan di pegas yang
pada saat dilepaskan menyebabkan osilasi massa.
Dari persamaan vibrasi dimana persamaannya:
x 1= Ai sin ⁡(ωt)
Dimana: Ai =amplitudo getaran massa
ω=frekwensi getaran massa
2π
ω= dimanaT p adalah periode
Tp
} =- {A} rsub {i} {ω} ^ {2} sin⁡ (ωt ¿

xi
Penggabungan persamaan diatas menjadi:
( 2mk −ω ) A − mk A =0
1
2
1
1
2
−k
m2
A 1+
2k
m2 (2
−ω A 2=0
)
Contoh: Eigenvalue dan Eigenvektor untuk suatu system massa pegas
Problem statement
Evaluasi eigenvalue dan eigenvector dimana m1 =m2 = 40 kg dan k = 200 N/m
Penyelesaian: Masukkan nilai parameter kedalam persamaan ;
( 2mk −ω ) A − mk A =0
1
2
1
1
2

8
( 2(200)
40
−ω ) A −
200
40
A =0 2
1 2
( 10−ω2 ) A1−5 A 2=0
−k
A+
2k
m2 1 m2
2
(
−ω A 2=0
)
−200
40
A1 +
2(200)
40 (
−ω2 A2=0 )
2
−5 A 1 +(10−ω ) A 2=0
Sehingga:
( 10−ω2 ) A1−5 A 2=0

2
−5 A 1 +(10−ω ) A 2=0
Determinan dari system ini adalah:
D=
| | a11 a12
a21 a22
=a 11 a22−a12 a 21
|
D= ( 10−ω ) A1 −5
|
2
A 2 =¿
2
−5 A 1 (10−ω ) A2
¿
(10 A1 −A 1 ω )(10 A2− A 2 ω 2 )−25 A1 A 2=0
2
2 2 4
100 A 1 A 2−10 A 1 A 2 ω −10 A 1 A 2 ω + A 1 A2 ω −25 A1 A 2=0
2 4
75 A 1 A 2−20 A 1 A 2 ω + A 1 A 2 ω =0
4 2
A1 A 2 ω −20 A 1 A 2 ω +75 A 1 A2=0
2 2 2
(ω ) −20 ω + 75=0
2 −1
ω =15 dan 5 s
−1 −1
ω=3,873 s san 2,236 s
Dari system persamaan:
2π
ω=
Tp
Diperoleh :
2π 2π
T p= = =¿ T p =1,62 s dan T p=2,81 s
ω 3,873
Masukkan nilai-nilai
2 −1
ω =15 dan 5 s
Ke persamaan
9
( 10−ω2 ) A 1−5 A2=0
−5 A 1 + ( 10−ω2 ) A 2=0
ω =15 s =¿ ( 10−ω ) A1−5 A 2=( 10−15 ) A1−5 A 2=−5 A 1−5 A2=¿ A 1=− A2
2 −1 2
2 −1
dan ω =5 s =¿−5 A 1 + ( 10−5 ) A2 =−5 A 1+ 5 A 2=¿ A 1= A 2
Contoh ini memberikan informasi berharga mengenai perilaku sistem. Selain periodenya,
diketahui bahwa jika sistem bergetar dalam mode pertama, amplitudo massa kedua akan sama
tetapi berlawanan tanda dengan amplitudo pertama. Seperti Gambar 6a massa bergetar terpisah
dan kemudian bersama-sama tanpa batas. Dalam mode kedua, kedua massa memiliki
amplitudo yang sama setiap saat. Jadi, seperti pada Gambar 6b, massa bergetar bolak-balik
secara serempak. Perlu dicatat bahwa konfigurasi amplitudo memberikan panduan tentang cara
mengatur nilai awalnya untuk mencapai gerakan murni di salah satu dari dua mode. Konfigurasi
lain apa pun akan mengarah ke superposisi mode.
Gambar 6 Modus getaran utama dari dua massa yang sama dihubungkan oleh tiga pegas
identik antara dinding tetap
A boundary-value problem
Telah diperkenalkan dengan nilai eigen, sekarang beralih ke jenis masalah yang menjadi subjek bab ini:
masalah nilai batas untuk persamaan diferensial biasa. Gambar menunjukkan sistem fisik yang dapat
berfungsi sebagai konteks untuk memeriksa jenis masalah ini. Pada Gambar 7 menunjukkan a) kondisi
batang (cplumn) pipih, b) free body diagram bebas:

10
Gambar 7. a) kondisi batang (cplumn) pipih, b) free body diagram bebas
Kelengkungan kolom ramping yang dikenai beban aksial P dapat dimodelkan dengan:
d2 y M
=
dx 2 EI
d2 y
Dimana : 2 = spesifik curvature, M = bending moment, E = modulus elastisitas, I = momen
dx
inersia. Bending momen pada x adalah M = - Py. Masukkan ke persamaan diatas sehingga
menjadi:
2 2
d y M d y 2
= =¿ 2 + p y=0
dx 2
EI dx
2 P
Dimana: p =
EI
Kondisi batas (boundary condition) y(0) = 0 dan
y= A sin ( px )+ B cos ( px )
A dan B adalah konstanta dievaluasi dengan boundary condition, menurut persamaan y(0) = 0
0=A sin ( 0 ) + B cos ( 0 ) dengan ini B =0
Menurut kondisi y(L) =0
0=A sin ( pL ) + B cos ( pL ) untuk B = 0, Asin(pL) = 0karena A = 0 maka (pL) = 0
Untuk ini pL=nπ n=1,2,3 , ….. π
nπ
p= n=1,2,3 , … ini eigenvalue untuk column
L

11
Gambar 8 Empat nilai Eigenvalue pertama batang pipih
Gambar 8 menunjukkan eigenvalue dari batang pipih terjadi pembengkokan (tekuk). Kombinasi
2 P nπ
persamaan dari p = dengan p= n=1,2,3 , … diperoleh menjadi ;
EI L
2 2
n π EI
P= untuk n=1,2,3 …
L2
Beban kritis ;
π 2 EI
Pcr = 2
L
Contoh
Eigenvalue analysis of anaxially loaded column
Kolom kayu yang dibebani secara aksial memiliki karakteristik sebagai berikut: E = 10x 109 Pa
I = 1,25x10-5 m4, dan L = 3 m.
Tentukan delapan nilai eigen pertama dan beban tekuk yang sesuai. (the first eight eigenvalues).
n p,m-2 P,N P(KN)

P
1 1,0472 137077,8386 137,078 critical
2 2,0944 548311,3544 548,311
3 3,1416 1233700,5473 1233,701
4 4,1888 2193245,4175 2193,245
5 5,2360 3426945,9648 3426,946
6 6,2832 4934802,1893 4934,802
12
7 7,3304 6716814,0909 6716,814
8 8,3776 8772981,6698 8772,982
Daftar Pustaka
Steven C. Chopra dan Raymond P. Canale, 2002, Numerical Methods for Engineers,
McGraw-Hill

13

Modul 6 Vector Eigen Dan Nilai Eigen.

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 6 Vector Eigen Dan Nilai Eigen.

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PERKULIAHAN

Abstrak Sub-CPMK 2.2

Pendekatan kemiringan pada Mampu mengaplikasi persamaan

Fakultas Program Studi Tatap Muka Disusun

Gambar 1. Perubahan gambar dalam Gerakan geser (Shear

2021 Nama Mata Kuliah dari Modul

Gambar 3 Matrik 2x2

Gambar 4 Matrik 2x2

Dalam hal ini

Tentukan nilai eigen dari [ 34 11]

2021 Nama Mata Kuliah dari Modul

Dari persamaan vibrasi dimana persamaannya:

} =- {A} rsub {i} {ω} ^ {2} sin⁡ (ωt ¿

Penyelesaian: Masukkan nilai parameter kedalam persamaan ;

2021 Nama Mata Kuliah dari Modul

( 10−ω2 ) A1−5 A 2=0

( 10−ω2 ) A1−5 A 2=0

2021 Nama Mata Kuliah dari Modul

Kondisi batas (boundary condition) y(0) = 0 dan

Untuk ini pL=nπ n=1,2,3 , ….. π

2021 Nama Mata Kuliah dari Modul

n p,m-2 P,N P(KN)

2021 Nama Mata Kuliah dari Modul

Anda mungkin juga menyukai