UNIVERSITAS TRUNOJOYO

Slides:



Advertisements
Presentasi serupa
Eigen value & Eigen vektor
Advertisements

Nilai dan Vektor Eigen Selamat datang di Modul 7 dengan judul Nilai dan Vektor Eigen Masalah nilai eigen amat penting dalam matematika dan banyak aplikasinya.
Transformasi Linier.
MATRIKS 1. Pengertian Matriks
Jurusan Teknik Informatika Universitas Ahmad Dahlan 2004
Determinan Trihastuti Agustinah.
NILAI EIGEN DAN VEKTOR EIGEN
INVERS MATRIKS (dengan adjoint)
Ortogonal.
Aljabar Linear Elementer
ALJABAR LINIER & MATRIKS
DETERMINAN 2.1. Definisi   DETERMINAN adalah suatu bilangan ril yang diperoleh dari suatu proses dengan aturan tertentu terhadap matriks bujur sangkar.
Univ. INDONUSA Esa Unggul INF-226 FEB 2006 Pertemuan 13 Tujuan Instruksional Umum : Sistem Persamaan Linier Tujuan Instruksional Khusus : Mahasiswa mampu.
DETERMINAN DAN INVERSE MATRIKS.
Aturan Cramer Jika determinan D = det X dari sebuah sistem n buah persamaan linier. a11x1 + a12x a1nxn = b1 a21x1 + a22x
Determinan Matrik dan Transformasi Linear
PERMUTASI Merupakan suatu himpunan bilangan bulat {1,2,…,n} yang disusun dalam suatu urutan tanpa penghilangan atau pengulangan. Contoh : {1,2,3} ada 6.
Pemecahan Persamaan Linier 1
PERSAMAAN LINEAR DETERMINAN.
Sistem Persamaan Linier Non Homogin
ALJABAR MATRIKS pertemuan 12 Oleh : L1153 Halim Agung,S.Kom 1.
NILAI DAN VEKTOR EIGEN.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
BAB 3 DETERMINAN.
DETERMINAN Route Gemilang routeterritory.wordpress.com.
Review Review Aljabar Linear Matrix Operations Transpose
BAB VIII RUANG HASILKALI DALAM (lanjutan).
ALJABAR LINEAR DAN MATRIKS
REVIEW ALJABAR MATRIX Pertemuan 1
BAB 3 DETERMINAN.
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK INFORMATIKA STMIK HANDAYANI MAKASSSAR MATRIKS Novita Dwi Maharani S, S.Si, M.Pd.
MATRIKS & TRANSFORMASI LINIER
Determinan Matriks Kania Evita Dewi.
PERTEMUAN 5 1. MATRIKS 2. METODE ELIMINASI GAUSS 3. METODE ITERASI GAUSS SEIDEL 4. METODE DEKOMPOSISI LU.
Pertemuan 2 Alin 2016 Bilqis Determinan, Cramer bilqis.
Ruang Eigen dan Diagonalisasi
MODUL VIII NILAI EGIEN DAN VEKTOR EIGEN
Pertemuan VIII: NILAI PRIBADI DAN VEKTOR PRIBADI
Determinan Matriks Kania Evita Dewi.
NILAI EIGEN DAN VEKTOR EIGEN Definisi :
MATRIKS.
Kelas XII Program IPA Semester 1
Pertemuan 10 INVERS MATRIK.
Matriks Kekakuan Elemen Pertemuan 2
Core Teknik Informatika Kode MK/SKS : TIF /2
MATRIKS dan DETERMINASI
Core Teknik Informatika Kode MK/SKS : TIF /2
UNIVERSITAS TRUNOJOYO
MATRIKS Materi - 7 Pengertian Matriks Operasi Matriks
Pertemuan 6 Penyelesaian Persamaan Linear (Metode Gauss) - 2
UNIVERSITAS TRUNOJOYO
Widita Kurniasari, SE, ME Universitas Trunojoyo
Penyelesaian Persamaan Linier dengan Matriks
Widita Kurniasari, SE, ME Universitas Trunojoyo
DITERMINAN MATRIK 2 TATAP MUKA SENIN, 9 APRIL 2012 BY NURUL SAILA.
Widita Kurniasari Universitas Trunojoyo
EIGEN VALUE and EIGEN VECTOR DIAGONALIZATION
Widita Kurniasari, SE Bahan Ajar di Universitas Trunojoyo
PERTEMUAN 14 DETERMINAN LANJUT.
Widita Kurniasari Universitas Trunojoyo
Widita Kurniasari Universitas Trunojoyo
Widita Kurniasari Universitas Trunojoyo Madura
Aljabar Linier TIF 206 Mohammad Nasucha, S.T., M.Sc.
NILAI EIGEN DAN VEKTOR EIGEN
Aljabar Linier TIF 206 Mohammad Nasucha, S.T., M.Sc.
BAB 6: TRANSFORMASI LINIER
Widita Kurniasari Universitas Trunojoyo
Widita Kurniasari Universitas Trunojoyo
Widita Kurniasari Universitas Trunojoyo
Penggunaan Matriks Langkah untuk menyelesaikan soal kehidupan sehari-hari: Mengubah soal cerita dan menyusun sistem persamaannya Menyelesaikan sistem persamaan.
Transcript presentasi:

UNIVERSITAS TRUNOJOYO DIAGONALISASI TEKNIK INFORMATIKA UNIVERSITAS TRUNOJOYO FIKA HASTRITA R, ST AHMAD SAHRU R, S.Kom

Transformasi diagonalisasi : Jika sebuah matrik A berukuran nxn mempunyai eigenvector yanag memiliki kebebasan linier sebanyak n, x(1), x(2) ,… x(m), maka jika ditentukan bahwa x = x(1), x(2),… x(m) (yaitu matrik yang kolomnya merupakan eigenvector dari A), didapatkan: X-1 AX = adalah matrik diagonal berukuran nxn:

= yaitu matrik yang elemen-elemen diagonalnya merupakan eigenvalue dari matrik A dan seluruh elemen yang lain adalah 0

Contoh: A = Bagaimana transformasi diagonalisasinya?

Penyelesaian: Eigenvalue dari A adalah : 1,3,6 Eigenvector dari A adalah: x (1) = (-2,1,0)T x (2) = (0,0,1)T, x( 3) = (1,2,0)T Maka: ; X-1 = X=

X-1 AX = =

Contoh: 1 -1 -4 -2 A = λ -1 1 -4 λ+2 (λI - A) = 1 -1 -4 -2 1 0 0 1 λ = det (λI – A) = (λ -1) (λ + 2) – 4.1 = (λ2 + λ - 2) -4 = λ2 + λ - 6 = (λ + 3) (λ - 2) = λ = -3 V λ = 2

Ket : λ = -3 diperoleh -3 -1 1 4 -3+2 (λI - A) = -4 1 4 -1 = (λI - A) = 0 -4 1 4 -1 x1 x2 = -4x1 + x2 = 0 4x1 – x2 = 0  x2 = 4x1

Misal : x2 = t x2 = 4x1 t = 4x1 x1 = ¼ t t x1 x2 ¼ 1 = Basis

λ = 2 diperoleh 2 -1 1 4 2+2 (λI - A) = 1 1 4 4 = (λI - A) = 0 1 1 4 4 x1 x2 = x1 + x2 = 0 4x1 – 4x2 = 0  x2 = - x1

Misal : x1 = t - x1 = x2 -t = x2 x2 = - t t x1 x2 1 -1 = Basis

P matriks mendiagonalisir matriks A ¼ 1 1 -1 P = -1 -1 -1 ¼ P -1 = (¼. -1) – (1.1) 1 -1 -1 1 ¼ = - 4/5 4/5 4/5 4/5 -1/5 =

D = P-1 A P 4/5 4/5 4/5 -1/5 1 -1 -4 -2 ¼ 1 1 -1 = = -3 0 0 2

TUGAS Diagonalisasikan 0 4 9 0 a 0 0 1 0 2 0 3 0 0 b