power,s methode
TRANSCRIPT
SEMINAR MATEMATIKA
METODE PANGKAT UNTUK MENGAPROKSIMASI NILAIEIGEN DOMINAN DAN VEKTOR EIGEN YANG
BERSESUAIAN DENGAN NILAI EIGEN YANG DIPEROLEH
OLEH :
LUH PUTU ARYA PUTRI ADNYANI
NIM 1013011052
DOSEN PEMBIMBING
Drs. DJOKO WALUYO, M.Sc
JURUSAN PENDIDIKAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2012
ii
KATA PENGANTAR
Rasa syukur penulis haturkan kehadirat Tuhan Yang Maha Esa karena atas
rahmat-Nyalah penulis dapat menyelesaikan sebuah makalah seminar matematika
di bidang teori Numerik, yang berjudul : ”Metode Pangkat untuk
Mengaproksimasi Nilai Eigen Dominan serta Vektor Eigen Dominan yang
Bersesuaian dengan Nilai Eigen yang Diperoleh”.
Dalam kesempatan yang berbahagia ini, tak lupa penulis mengucapkan
terimakasih yang sebesar-besarnya kepada Bapak Drs. I Gusti Ngurah Pujawan,
M.Kes selaku koordinator mata kuliah seminar matematika, Bapak Drs. Djoko
Waluyo, M.Sc selaku dosen pembimbing yang dengan sangat sabar telah
membimbing penulis sehingga penulis dapat menyelesaikan makalah ini tepat
pada waktunya, Bapak Prof. Dr. I Made Candiasa, M.I Kom selaku dosen penguji
seminar ini yang telah memberikan sangat banyak masukan untuk perbaikan
makalah, Saudara I Gede Giriyasa selaku pembahas mahasiswa yang juga
memberikan banyak kontribusi untuk meningkatkan kualitas tulisan ini, keluarga
dan rekan-rekan penulis yang senantiasa memberi dukungan sehingga penulis
terus termotivasi untuk melangkah lebih maju.
Penulis begitu menyadari bahwa makalah seminar ini masih jauh dari
sempurna. Oleh karena itu, kritik dan saran yang membangun dari pembaca sangat
penulis harapkan demi kemajuan penulis untuk ke depannya. Apabila terdapat hal
yang kurang berkenan terhadap isi makalah ini penulis memohon maaf yang
sebesar-besarnya. Atas perhatian pembaca penulis ucapkan terima kasih.
Singaraja, 20 Desember 2012
Penulis
iii
DAFTAR ISI
HALAMAN JUDUL ………………………………………………………… iKATA PENGANTAR ………………………………………………………. iiDAFTAR ISI ………………………………………………………………… iiiDAFTAR GAMBAR ………………………………………………………... ivDAFTAR TABEL …………………………………………………………… vABSTRAK …………………………………………………………………… vi
BAB IPENDAHULUAN1.1 Latar Belakang …………………………………………………………... 11.2 Rumusan Masalah ……………………………………………………….. 21.3 Tujuan Penulisan ………………………………………………………… 21.4 Manfaat Penulisan ……………………………………………………….. 3
BAB IIKAJIAN TEORI2.1 Definisi Matriks ……………………………………………………….... 42.2 Matriks Bujur Sangkar ………………………………………………… 52.3 Operasi Matriks ………………………………………………………… 52.4 Vektor …………………………………………………………………… 62.5 Nilai Eigen dan Vektor Eigen …………………………………………… 62.6 Nilai Eigen dan Vektor Eigen Dominan ………………………………… 72.7 Diagonalisasi Matriks …………………………………………………… 72.8 Metode Numerik ………………………………………………………… 92.9 Metode Pangkat ……………………………………………………….... 11
BAB IIIPEMBAHASAN3.1 Langkah-Langkah Mencari Nilai Eigen Dominan dengan Metode
Pangkat ………………………………………………………………….. 133.2 Algoritma Metode Pangkat ……………………………………………… 183.3. Diagram Alir/Flow Chart Metode Pangkat …………………………….. 20
BAB IVPENUTUP4.1 Simpulan ………………………………………………………………… 234.2 Saran …………………………………………………………………….. 23
DAFTAR PUSTAKA
vi
ABSTRAK
METODE PANGKAT UNTUK MENGAPROKSIMASI NILAI EIGENDOMINAN SERTA VEKTOR EIGEN YANG BERSESUAIAN DENGAN
NILAI EIGEN YANG DIPEROLEH
Oleh :Luh Putu Arya Putri Adnyani
NIM 1013011052Jurusan Pendidikan Matematika
Kegunaan nilai eigen telah digunakan di berbagai bidang ilmu. Nilai eigendiperlukan untuk memecahkan beragam masalah dalam kehidupan sehari-hari,diantaranya untuk analisis sinyal suara, gerak harmonik, getaran suatu bangunan,rekontruksi wajah (eigen face), dan lainnnya. Pada pemakaiannya, biasanyahanya diperlukan nilai eigen terbesar dan vektor eigen yang berkaitan. Dalampengambilan keputusan menggunakan metode PHA, dan rekrontruksi wajahdengan menggunakan nilai eigen dan vektor eigen (eigen face), nilai eigen yangdiperlukan hanya nilai eigen dominannya. Sehingga bisa dikatakan metode dalammenemukan nilai eigen merupakan ilmu pengetahuan yang digunakan untukmembantu mempermudah kehidupan manusia sehari-hari. Metode pangkat adalahmetode iterasi yang dapat digunakan untuk mengaproksimasi nilai eigen riil yangdominan. Pada makalah ini akan disajikan dan dikaji cara menentukan nilai eigendominan dari suatu matriks bujur sangkar berserta vektor eigen yang bersesuaiandengan menggunakan metode pangkat.
Kata kunci: Nilai Eigen, Vektor Eigen, Matriks Bujur Sangkar, MetodePangkat.
1
BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Ilmu matematika dalam penerapannya banyak digunakan dalam
kehidupan sehari-hari. Penyelesaian dari masalah-masalah yang terjadi
disekitar dan penerapannya pada cabang ilmu lain telah mengalami
perkembangan mengikuti perkembangan zaman. Dalam beberapa kasus, tidak
semua masalah-masalah matematika dapat diselesaikan secara mudah dengan
menggunakan metode analitik, sehingga digunakan metode numerik dalam
mencari penyelesaiannya. Metode numerik adalah teknik-teknik yang
digunakan untuk merumuskan masalah matematika agar dapat diselesaikan
hanya dengan operasi hitungan yang terdiri dari operasi tambah, kurang, kali,
dan bagi (Nyoman Susila, 1993 : 1). Dalam perhitungan numerik biasanya
yang diperoleh adalah suatu nilai pendekatan yang nilainya cukup dekat
dengan nilai eksak. Walaupun demikian, hasil perhitungan dengan
menggunakan metode numerik cukup dapat memberikan solusi yang diminta.
Salah satu penerapan metode numerik adalah dalam masalah nilai
eigen dan vektor eigen. Nilai eigen telah digunakan diberbagai bidang ilmu.
Nilai eigen diperlukan untuk memecahkan beragam masalah dalam kehidupan
sehari-hari, diantaranya untuk analisis sinyal suara, gerak harmonik, getaran
suatu bangunan, rekontruksi wajah (eigen face), dan lainnnya. Pada
pemakaiannya, biasanya hanya diperlukan nilai eigen dominannya dan vektor
eigen yang berkaitan. Contohnya dalam pengambilan keputusan
menggunakan metode PHA, dan rekrontruksi wajah dengan menggunakan
nilai eigen dan vektor eigen (eigen face), nilai eigen yang diperlukan hanya
nilai eigen dominannya.
Menentukan nilai eigen dominan dan vektor eigen yang bersesuaian
dari suatu matriks bujur sangkar dapat dilakukan dengan menentukan
persamaan karakteristiknya terlebih dahulu. Persamaan karakteristiknya
berbentuk ( − ) =
2
yang nantinya akan memperoleh persamaan dalam bentuk+ +⋯+ = 0yang disebut sebagai polinom karakteristik. Dengan merupakan nilai-nilai
eigen dari matriks A. Untuk mencari nilai kita harus mencari solusi dari
polinom karakteristiknya, setelah diperoleh semua nilai eigennya kemudian
dipilih nilai eigen dominannya. Cara ini tidak efisien jika yang akan dicari
hanyalah nilai eigen dominannya beserta vektor eigen yang bersesuian dan
jika dimensi matriksnya cukup besar, karena akan menyulitkan mencari nilai-
nilai yang memenuhi polinom karakteristik jika derajat polinomnya cukup
besar (derajat lebih dari 2).
Metode numerik dapat memberikan alternatif untuk menentukan nilai
eigen dan vektor eigen terbesar dari suatu matriks. Metode yang digunakan
adalah dengan metode iterasi yang disebut metode pangkat. Dalam mencari
nilai eigen dan vektor eigen dominan dengan menggunakan metode pangkat
akan memerlukan proses iterasi yang panjang untuk memperoleh hasil yang
mendekati nilai sebenarnya. Semakin banyak iterasi yang dilakukan, semakin
baik hasil yang akan diperoleh.
Berdasarkan pemaparan di atas maka penulis mengangkat judul
“Metode Pangkat untuk Mengaproksimasi Nilai Eigen Dominan serta Vektor
Eigen yang Bersesuaian dengan Nilai Eigen yang Diperoleh”
1.2 Rumusan Masalah
Berdasarkan uraian latar belakang di atas, maka dapat dirumuskan
masalah yaitu, bagaimana langkah-langkah mengaproksimasi nilai eigen
dominan dan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh
dengan menggunakan metode pangkat?
1.3 Tujuan Penulisan
Berdasarkan rumusan masalah di atas maka tujuan dari penulisan
makalah ini adalah untuk mengetahui cara mengaproksimasi nilai eigen
3
dominan dan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh
dengan menggunakan metode pangkat.
1.4 Manfaat Penulisan
Manfaat yang dapat diperoleh dari penulisan makalah ini adalah
sebagai berikut.
1. Bagi Pembaca
Pembaca memperoleh informasi mengenai cara mengaproksimasi
nilai eigen dominan dan vektor eigen yang bersesuaian dengan
menggunakan metode pangkat.
2. Bagi Penulis
Menambah wawasan penulis di bidang aplikasi numerik serta
menerapkan materi-materi perkulihaan dalam memahami berbagai
materi pengembangan.
4
BAB II
KAJIAN TEORI
2.1 Definisi Matriks
Definisi:
Sebuah matriks adalah susunan segiempat siku-siku dari bilangan-
bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri
dalam matriks.
Matriks ditulis sebagai berikut: ⋯⋯⋮ ⋮ ⋮⋯Ukuran matriks dijelaskan dengan menyatakan banyaknya baris dan
banyaknya kolom yang terdapat pada matriks tersebut. Matriks di atas
memiliki ukuran × .
Matriks dinotasikan dengan huruf besar dan entrinya dengan huruf kecil.
Jika A adalah sebuah matriks, maka adalah entri dari matriks A yang
terletak di dalam baris i dan kolom j.
Contoh := 1 24 1 = 2 1 73 4 2 = 1 2 32 5 31 0 8Matriks A adalah matriks berukuran 2 x 2, dengan entri-entrinya adalah:= 1 , = 2 ;= 4 , = 1 ;Matriks B adalah matriks berukuran 2 x 3, dengan entri-entrinya adalah:= 2, = 1 , = 7 ;= 3 , = 4 , = 2 ;Matriks C adalah matriks berukuran 3 x 3 , dengan entri-entrinya adalah:= 1 , = 3 , = 3 ;= 2, = 5, = 3;= 1, = 0, = 8 ;
5
2.2 Matriks Bujur Sangkar
Sebuah matriks dengan n baris dan n kolom dinamakan matriks bujur
sangkar (matriks kuadrat) berorde n, dan entri-entri , , , … ,dinamakan entri diagonal utama, karena terletak pada diagonal utama
matriks.
Contoh bentuk matriks bujur sangkar: ⋯⋯⋮ ⋮ ⋮⋯2.3 Operasi Matriks
Definisi 1:
Jika A dan B adalah sebarang dua buah matriks yang ukurannya sama
maka jumlah (selisih) A ± B adalah matriks yang diperoleh dengan
menambahkan (mengurangkan) bersama-sama entri yang bersesuaian
dalam kedua matriks tersebut. Matriks-matriks yang ukurannya berbeda
tidak dapat dijumlahkan.
Definisi 2:
Jika A adalah suatu matriks dan c adalah suatu skalar riil, maka hasil kali
(product) cA adalah matriks yang diperoleh dengan mengalikan masing-
masing entri dari A oleh c.
Definisi 3:
Jika A adalah matriks m × r dan B adalah matriks r × n maka hasil kali AB
adalah matriks m× yang entri-entrinya ditentukan sebagai berikut. Untuk
mencari entri dalam baris ke i dan kolom ke j dari AB, pilihlah baris i dari
matriks A dan kolom j dari matriks B. Kalikanlah entri-entri yang
bersesuaian dari baris dan kolom tersebut bersama-sama dan kemudian
jumlahkan hasil kalinya.
6
Misalkan entri baris ke i dari matriks A adalah : [ … ] dan
entri kolom ke j dari matriks B adalah : ⎣⎢⎢⎡ ⋮ ⎦⎥⎥⎤
; maka untuk hasil kali AB
misalkan matriks C, entri pada matriks C pada baris ke i dan kolom ke j
adalah = . + . + …+ .2.4 Vektor
Definisi 1:
Himpunan seluruh tupel-n yang terdiri dari bilangan-bilangan riil,
dinyatakan dengan Rn, disebut sebagai ruang-n. Suatu tupel-n tertentu
pada Rn misalnya = [ , , … , ]disebut titik atau vektor. Bilangan-bilangan disebut koordinat,
komponen, entri, atau elemen dari u.
Definisi 2:
Dua vektor u dan v dikatakan sama, ditulis u = v , jika kedua vektor
tersebut memiliki komponen yang sama banyak dan jika komponen-
komponen yang bersesuaian juga sama.
Definisi 3:
Vektor [0,0, … ,0] yang semua entrinya adalah 0 disebut vektor nol.
2.5 Nilai Eigen dan Vektor Eigen
Definisi:
Jika A adalah matriks n × n maka vektor tak nol x di dalam Rn dinamakan
vektor eigen dari A jika Ax adalah kelipatan skalar dari x; yakni,=Untuk suatu skalar . Skalar dinamakan nilai eigen dari A dan x
dikatakan vektor eigen yang bersesuaian dengan .
7
2.6 Nilai Eigen dan Vektor Eigen Dominan
Definisi:
Sebuah nilai eigen dari sebuah matriks A kita namakan nilai eigen
dominan A jika nilai mutlaknya lebih besar dari nilai-nilai mutlak dari
nilai-nilai eigen yang selebihnya. Sedangkan vektor eigen yang
bersesuaian dengan nilai eigen dominan kita namakan vektor-eigen
dominan A.
Contoh 1:
Jika matriks A berukuran 4 x 4 mempunyai nilai-nilai eigen= −4 , = 3 , = −2 , = 2 , maka nilai = −4 adalah nilai
eigen dominan karena |−4| > |3|, |−4| > |−2|, |−4| > |2|.Contoh 2 :
Sebuah matriks A berukuran 3 x 3 dengan nilai-nilai eigen= −7 , = 7 , = −2Tidak mempunyai nilai eigen dominan.
2.7 Diagonalisasi Matriks
Definisi:
Matriks kuadrat dinamakan dapat didiagonalisasi (diagonalizable) jika
terdapat matriks yang dapat dibalik sehingga diagonal, matriks
dikatakan mendiagonalisasi .
Teorema 1:
Jika adalah matriks × , maka pernyataan-pernyataan berikut
ekivalen satu sama lain.
a. dapat didiagonalisasi.
b. mempunyai vektor eigen bebas linier.
Bukti:
(a) → ( )
8
Karena dianggap dapat didiagonalisasi, maka terdapat matriks yang
dapat dibalik
= ……… … ⋮…Sehingga diagonal, katakanlah = , dimana
= 0 …0 …… … 00⋮0 0 …Maka, = ; yakni
= ……… … ⋮…0 …0 …… … 00⋮0 0 …
= ……… … ⋮… ……….. (*)
Jika sekarang misalkan , , … , menyatakan vektor-vektor kolom
maka bentuk (*) kolom-kolom yang berurutan adalah, , … , . Akan tetapi, kolom-kolom yang berurutan adalah, , … , . Jadi harus diperoleh= ; = ; … ; = …….. (**)
Karena P dapat dibalik, maka vektor-vektor kolomnya semuanya tak nol,
jadi pada (**) , , … , adalah nilai-nilai eigen , dan , , … ,adalah vektor-vektor eigen yang bersesuaian. Karena dapat dibalik maka
diperoleh bahwa , , … , bebas linier. Jadi, mempunyai vektor
eigen bebas linier.
(b) → ( )Anggaplah bahwa mempunyai vektor eigen bebas linier, maka, , … , dengan nilai eigen yang bersesuaian , , … , dan
misalkan
9
= ……… … ⋮…adalah matriks yang vektor-vektor kolomnya adalah , , … , . Maka
kolom-kolom hasil kali AP akan memberikan, , … ,Tetapi = ; = ; … ; =Sehingga
= ……… … ⋮…= ……… … ⋮…
0 …0 …… … 00⋮0 0 … …(#)
=Dimana adalah matriks diagonal yang mempunyai nilai-nilai eigen, , … , pada diagonal utama. Karena vektor-vektor kolom dari
bebas linier, maka dapat dibalik jadi (#) dapat dituliskan sebagai= , yakni terdiagonalisasi. ∎2.8 Metode Numerik
Metode Numerik adalah teknik-teknik yang digunakan untuk
merumuskan masalah matematika agar dapat diselesaikan hanya dengan
operasi hitung yang terdiri dari operasi tambah, kurang, kali, dan bagi.
Secara umum terdapat langkah-langkah yang harus ditempuh dalam
menyelesaikan masalah matematika secara numerik dan memakai alat
bantu komputer. Langkahnya adalah sebagai berikut:
a. Pemodelan, yaitu penetapan model matematis, yakni
merumuskan masalah dalam istilah matematis, mendefinisikan
variabel-variabel dan persamaan yang terlibat.
10
b. Pemilihan Metode (Algoritma) Numerik, yaitu perumusan
penyelesaian secara matematis dan dilanjutkan dengan
merancang algoritma serta analisis galat awal.
c. Pemrograman, yaitu suatu langkah yang biasanya dimulai
dengan diagram alir yang menunjukan diagram blok dari
prosedur yang harus dijalankan oleh komputer, kemudian
penulisan program (coding/koding), pencarian dan perbaikan
kesalahan dan pengujian.
d. Operasi, dokumentasi, penyimpanan, dan perawatan.
e. Penafsiran hasil, yaitu mencakup keputusan untuk menjalankan
ulang jika diperlukan data lebih jauh.
Dalam menyelesaikan masalah secara numerik yang paling penting
untuk diperhatikan adalah perancangan algoritma dan diagram alir
sebelum nanti akan direalisasikan ke dalam program.
Algoritma adalah prosedur yang terdiri atas himpunan berhingga
aturan yang tak taksa yang merinci suatu rangkaian berhingga operasi
yang menyediakan penyelesaian atas suatu masalah atau suatu kelas
masalah. Setiap algoritma mempunyai ciri-ciri sebagai berikut :
1. Tiap langkah dalam algoritma didefinisikan secara persis,
sehingga tidak menimbulkan ketaktaksaan. Aksi yang harus
dilakukan dirinci secara jelas untuk tiap kasus.
2. Harus sampai pada selesaian masalah setelah berhingga
langkah.
3. Tiap algoritma yang berarti mempunyai nol atau lebih masukan
dan mempunyai satu atau lebih keluaran.
4. Algoritma haruslah seumum mungkin.
Menyatakan suatu algoritma dapat dilakukan dengan memakai
kode-pseudo yakni kalimat-kalimat yang kata-katanya telah memiliki
makna tertentu atau dengan cara menggambarkannya dalam bentuk suatu
bagan -alir.
11
Dalam pembuatan bagan/diagram alir ada beberapa ketentuan, yaitu:
Tabel 1: Simbol Flow chart dan fungsinya
Bentuk Fungsi
Mewakili suatu proses
Mewakili kondisiyang ada di suatuproses
Mewakili data inputatau output
Simbol penghubungdari diagram alir yangterputus di halamanyang berbeda atauyang masih sama
Menunjukan awal danakhir dari suatu proses
Menunjukkan arahsuatu proses
Memberi nilai awalatau besaran
2.9 Metode Pangkat
Metode pangkat adalah suatu pendekatan iteratif untuk
menentukan nilai eigen dominan.
Misalkan diketahui vektor A berukuran × dan dapat
didiagonalkan. Misalkan pula , , … , adalah nilai eigen dari A yang
memenuhi hubungan| | > | | ≥ ⋯ ≥ | | > 0
12
Karena A dapat didiagonalkan, terdapat vektor eigen , … ,yang masing-masing berkaitan dengan nilai eigen , … , dan
membentuk basis di ℝ . Kemudian sebarang vektor di ℝ dapat
dituliskan sebagai = + +⋯+Dengan mengalikan kedua ruas dengan A diperoleh= ( + +⋯+ )= + +⋯+= + +⋯+Kemudian kita kalikan lagi hasil terakhir ini dengan A, hal ini kita lakukan
berulang-ulang. Hasil sampai dengan kali adalah= + v +⋯+ s λ v= λ (s v + s v + ⋯+ s v ) …(1)
Jika semakin besar, nilai akan semakin kecil untuk =2,… , karena < 1. Oleh karena itu, untuk yang cukup besar bentuk
(1) kurang lebih menjadi ≈ ̅Dengan demikian kita telah mendapatkan hampiran dari kelipatan
vektor eigen tersebut, yaitu vektor . Vektor merupakan
hampiran vektor eigen yang berkaitan dengan nilai eigen terbesar .
Semakin besar nilai makin baik pula hampiran terhadap sebuah
vektor eigen dari A.
Setelah memperoleh vektor eigen atau kelipatannya, nilai eigen
yang berkaitan dapat dihitung sebagai berikut.
Karena = maka. = . atau= ..Dan rumus nilai eigen di atas disebut rumus pembagian Rayleigh.
13
BAB III
PEMBAHASAN
3.1 Langkah-langkah mencari nilai eigen dominan dengan menggunakan
metode pangkat.
Jika harga mutlak terbesar (dominan) dari nilai eigen suatu matriks adalah
bilangan riil dan memenuhi | | > | | ≥ ⋯ ≥ | | > 0, maka nilai eigen ini
dapat dicari dengan menggunakan teknik iterasi yang disebut metode pangkat.
Rumus umum iterasi yang digunakan untuk mencari nilai eigen dominan ini
adalah:
( ) = ( ) = ( ) ( )Berikut adalah langkah-langkah penggunaan metode pangkat:
Asumsikan A adalah matriks bujur sangkar yang dapat didiagonalisasi.
1. Jika matriks A berukuran × , maka tentukanlah sebuah matriks yang
tak nol yang berukuran × 1.2. Carilah nilai yang memenuhi perkalian matriks = .
3. Bagi setiap elemen matriks dengan elemen dari matriks tersebut yang
harga mutlaknya terbesar misalkan sehingga diperoleh = . .
4. Lakukan pembagian Rayleigh untuk mencari aproksimasi nilai eigennya
dengan cara = ..Ulangi langkah 2, 3, dan 4 dengan = , dengan = 0, 1, 2, 3,…
sampai suatu iterasi yang menunjukan bahwa nilai ( ) ≈ ( ). ( )merupakan nilai eigen dominan dari matriks tersebut, sedangkan adalah
vektor eigen yang bersesuaian dengan .
14
Contoh:
Dengan menggunakan metode pangkat melalui langkah-langkah di atas,
tentukanlah nilai eigen dominan dari matriks A, dengan = 2 1 01 2 00 0 10Solusi:
1. Ambil sebuah matriks yang tak nol, misalnya = 1112. Maka diperoleh = .= 2 1 01 2 00 0 10 . 111 = 33103. Harga mutlak terbesar dari elemen adalah |10|, sehingga diperoleh= | | . = 3310 = 0.30.314. Aproksimasi nilai eigen untuk iterasi 1 adalah:= .. = ⟨[0.9, 0.9, 10]. [0.3, 0.3, 1]⟩⟨[0.3, 0.3, 1]. [0.3, 0.3, 1]⟩= 10.541.18= 8.93220339
Iterasi 2:= 2 1 01 2 00 0 10 . 0.30.31 = 0.90.910= 1|10| . = 110 0.90.910 = 0.090.091= .. = ⟨[0.27, 0.27, 10]. [0.09, 0.09, 1]⟩⟨[0.09, 0.09, 1]. [0.09, 0.09, 1]⟩= 10.04861.0162= 9.888407794
15
Iterasi 3:= 2 1 01 2 00 0 10 . 0.090.091 = 0.270.2710= 1|10| . = 110 0.270.2710 = 0.0270.0271= .. = ⟨[0.081, 0.081, 10]. [0.027, 0.027, 1]⟩⟨[0.027, 0.027, 1]. [0.027, 0.027, 1]⟩= 10.0043741.001458= 9.989808859Iterasi 4:= 2 1 01 2 00 0 10 . 0.0270.0271 = 0.0810.08110= 1|10| . = 110 0.0810.08110 = 0.00810.00811= .. = ⟨[0.0243, 0.0243, 10]. [0.0081, 0.0081, 1]⟩⟨[0.0081, 0.0081, 1]. [0.0081, 0.0081, 1]⟩= 10.000393661.00013122= 9.999081581Iterasi 5:= 2 1 01 2 00 0 10 . 0.00810.00811 = 0.02430.024310= 1|10| . = 110 0.02430.024310 = 0.002430.002431= .. = ⟨[0.00729, 0.00729, 10]. [0.00243, 0.00243, 1]⟩⟨[0.00243, 0.00243, 1]. [0.00243, 0.00243, 1]⟩= 10.000035431.00001181= 9.999917331
16
Iterasi 6:= 2 1 01 2 00 0 10 . 0.002430.002431 = 0.007290.0072910= 1|10| . = 110 0.007290.0072910 = 0.0007290.0007291= .. = ⟨[0.002187, 0.002187, 10]. [0.000729, 0.000729, 1]⟩⟨[0.000729, 0.000729, 1]. [0.000729, 0.000729, 1]⟩= 10.000003191.000001063= 9.99999256Iterasi 7:= 2 1 01 2 00 0 10 . 0.0007290.0007291 = 0.0021870.00218710= 1|10| . = 110 0.0021870.00218710 = 0.00021870.00021871= ..= ⟨[0.0006561, 0.0006561, 10]. [0.0002187, 0.0002187, 1]⟩⟨[0.0002187, 0.0002187, 1]. [0.0002187, 0.0002187, 1]⟩= 10.000000291.000000096= 9.999999327
Iterasi 8:= 2 1 01 2 00 0 10 . 0.00021870.00021871 = 0.00065610.000656110= 1|10| . = 110 0.00065610.000656110 = 0.000065610.000065611= ..
17
= ⟨[0.000019683, 0.000019683, 10]. [0.00006561, 0.00006561, 1]⟩⟨[0.00006561, 0.00006561, 1]. [0.00006561, 0.00006561, 1]⟩= 10.0000000001.000000009= 9.999999991Iterasi 9:= 2 1 01 2 00 0 10 . 0.00065610.00065611 = 0.000196830.0001968310= 1|10| . = 110 0.000196830.0001968310 = 0.0000196830.0000196831= ..= ⟨[0.0000058914, 0.0000058914, 10]. [0.000019683, 0.000019683, 1]⟩⟨[0.000019683, 0.000019683, 1]. [0.000019683, 0.000019683, 1]⟩= 10.0000000001.000000001= 9.999999999Iterasi 10:= 2 1 01 2 00 0 10 . 0.0000196830.0000196831 = 0.00000589140.000005891410= 1|10| . = 110 0.00000589140.000005891410 = 0.000000589140.000000589141= ..= ⟨[0.0000001767, 0.0000001767, 10]. [0.00000058914, 0.00000058914, 1]⟩⟨[0.00000058914, 0.00000058914, 1]. [0.00000058914, 0.00000058914, 1]⟩= 10.0000000001.000000000= 10.00000000
18
Iterasi 11:= 2 1 01 2 00 0 10 . 0.000000589140.000000589141 = 0.00000017670.000000176710= 1|10| . = 110 0.00000017670.000000176710 = 0.000000017670.000000017671= ..= ⟨[0.00000005301, 0.00000005301, 10]. [0.00000001767, 0.00000001767, 1]⟩⟨[0.00000001767, 0.00000001767, 1]. [0.00000001767, 0.00000001767, 1]⟩= 10.0000000001.000000000= 10.00000000Perhatikan bahwa, aproksimasi vektor-eigennya pada iterasi ke -11 adalah= 0.000000017670.000000017671 yang jika dibulatkan kebawah sebanyak tiga
angka, aproksimasinya akan memberikan ≈ 001Jadi sampai Iterasi ke-11 aproksimasi nilai eigen dominannya adalah 10
dengan vektor eigen dominan adalah001 .
3.2 Algoritma Metode Pangkat
Algoritma dari Metode Pangkat adalah sebagai berikut:
Input : , 0 , , , i,j = 1,2,3,…n, M = 1, 2, 3, … k
Output :
(vektor eigen dominan), (nilai eigen dominan)
Proses :
Untuk It = 1 ... M lakukan
Untuk i = 1 … n lakukan
Sum = 0
19
Untuk j = 1 … n lakukan
Sum= sum + (a[ij] * x[j])
y[i] = sum
j = 1
maks [it] = abs(y[j])
untuk i = 2 … n lakukan
jika abs(y[i]) >= abs(y[j]) maka
j = i
maks[it] = abs(y[j])
jika abs(y[i]) < abs(y[j]) maka
j = j
maks[it] = abs(y[j])
l = j
Untuk k = 1 … n lakukan
Jika k ≠ L lakukan
Jika abs(y[k]) = abs(y[L]) maka “Tidak Ditemukan
nilai eigen maksimum”
Untuk i=1…n lakukan
x[i]=y[i]/maks[it]
untuk i = 1 … n lakukan
jum=0
untuk j = 1 … n lakukan
jum = jum + (a[ij] *x[j])
c[i] = jum
v0 = 0
untuk i = 1 … n lakukan
v0 = v0 + (c[i] *x[i])
v = v0
u0 = 0
untuk i = 1…n lakukan
u0 = u0 + (x[i]*x[i])
u = u0
20
D
T Yj =iMaks [it] = abs( y[j])l = j
j = jmaks [it] = abs( y[j])l = j
It = 1 … Mi = 1, 2, … nsum = 0
j = 1, 2, … nsum = sum +a[ij]*x[j]
y[i] = sum
n, aij (elemen matriks) ,x[i] (matriks kolom awal)M(maks iterasi),i,j = 1, 2, … , n
Mulai
Jika abs(y[i])>= abs (y[j])
Tolg[0]
A
B
j = 1i = 2, … nmaks[it] = abs (y[j])
g [it] = v/u
jika abs(g[it] – g[it – 1] ) < tol maka
“Nilai eigen dominan = g[it]”
3.3 Diagram Alir/Flow Chart Metode Pangkat
21
“tidakditemukannilai eigendominan.Mungkin salahinput vektorawal.
T
Y
T
Y
i = 1, 2, …, nx[i] = y[i] / maks [it]
i = 1, 2, …, nv0 = 0
j = 1, 2, …, nv0 = v0 + a[ij] * x[j]
c[i] = v0
i = 1, 2, …, nv = 0v = v + c[i] * x[i]
k = 1, 2, … njika k<> l
abs (y[k]) = abs (y[l])
“ iterasi ke- it,nilai eigendominanadalah g[it]”
C
B
i = 1, 2, …, nu0 = 0u0 = u0 + x[i] * x[i]u = u0
g[it] = v / u
Selesai
InginCobalagi?
A
22
g[it] = nilaieigendominanI = 1, 2, … nX[i] = vektoreigendominan
T
T
Y
TT
Y
Y
Y
Abs (G[it] – g[it-1]) < tol
A
C
It = M
g[it] = nilaieigen dominanI = 1, 2, … nx[i] = vektoreigen dominan
Selesai
InginCobalagi?
A
Selesai
InginCobalagi?
A
23
Hasil dengan program untuk = 2 1 01 2 00 0 10 dan vektor awal111 adalah
sebagai berikut.
Gambar . 1
Jadi dengan mengambil pembulatan sebanyak 4 angka, aproksimasi nilai eigen
dominan yang diperoleh adalah 10 dengan vektor eigen dominannya adalah001 .
Dalam beberapa kasus, kesalahan pemilihan vektor awal menyebabkan
hasilnya tidak konvergen. Hal ini dikarenakan metode pangkat adalah suatu
metode iterasi yang tergolong kedalam metode terbuka (open metodhe). Metode
terbuka adalah suatu metode numerik yang dalam proses perhitungannya tidak
menjamin ditemukannya hasil. Hal ini yang menyebabkan penggunaan metode
pangkat tidak akan selalu memberikan hasil.
23
BAB IV
PENUTUP
4.1 Simpulan
Berdasarkan rumusan masalah yang telah diuraikan, maka dapat
disimpulkan bahwa langkah-langkah dalam mengaproksimasi nilai eigen
dominan dan vektor eigen dominan dari suatu matriks bujur sangkar yang
dapat didiagonalisasi dengan menggunakan metode pangkat adalah sebagai
berikut.
1. Jika matriks A berukuran × dan dapat didiagonalisasikan, maka
tentukanlah sebuah matriks yang tak nol yang berukuran × 1.2. Carilah nilai yang memenuhi perkalian matriks = .
3. Bagi matriks dengan elemen dari matriks tersebut yang harga
mutlaknya terbesar misalkan sehingga diperoleh = . .
4. Lakukan pembagian Rayleigh untuk mencari aproksimasi nilai
eigennya dengan cara = ..Ulangi langkah 2, 3, dan 4 dengan = , dengan = 0, 1, 2,
3,… sampai suatu iterasi yang menunjukan bahwa nilai ( ) ≈ ( ).( ) merupakan nilai eigen dominan dari matriks tersebut,
sedangkan adalah vektor eigen yang bersesuaian dengan .
4.2 Saran
Pada makalah ini penulis membahas mengenai cara
mengaproksimasi nilai eigen dominan dan vektor eigen dominan dari suatu
matriks bujur sangkar yang dapat didiagonalisasikan dengan menggunakan
metode pangkat. Namun terdapat kemungkinan bahwa hasil yang diberikan
salah karena kesalahan dalam memilih vektor awal dan kondisi lain yang
mungkin terjadi. Bagi pembaca yang tertarik dapat membahas syarat yang
harus dipenuhi agar penggunaan metode ini valid.
DAFTAR PUSTAKA
Anonim.Modul 6 Flow Chart. www.google.ac.id. diakses pada tanggal 13 Desember
2012.
Anton, Howard. 2000. Dasar-Dasar Aljabar Linier Edisi 7 Jillid 1. Interaksara
Budhi, Wono Setya. 1995. Aljabar Linier. Jakarta: PT. Gramedia
Chapra, Steven C & Canale, Raymond P. 2002. Numerical Methods For Engineers.
Lipson, Marc & Lipschutz, Seymour. 2004. Aljabar Linier Edisi 3 Schaum’s Outlines.
Erlangga
Susila, Nyoman. 1993. Dasar-Dasar Metode Numerik. Departemen Pendidikan dan
Kebudayaan