BAB 8

R
R
U
U
A
A
N
N
G
G
E
E
I
I
G
G
E
E
N
N



Masalah nilai dan vektor eigen banyak sekali dijumpai
dalam bidang rekayasa, seperti maslah kestabilan sistem, optimasi
dengan SVD, kompresi pada pengolahan citra, dan lain-lain.
Untuk lebih memahami masalah nilai dan vektor eigen, pada bab
ini akan dijelaskan melalui definisinya dan beberapa contoh yang
terkait, sampai pada basis ruang eigen dari suatu matriks. Pada
bagian akhir, untuk menambah wawasan dari aplikasi nilai dan
vektor eigen buku ini akan memaparkan tentang aplikasi nilai dan
vektor eigen pada penentuan solusi sistem persamaan diferensial.

8.1 NILAI EIGEN DAN VEKTOR EIGEN

Sebelum kita melangkah lebih jauh, kita awali pembahasan
materi bab ini dengan pemahaman defnisi dari nilai dan vektor
eigen suatu matriks. Misalkan sebuah matriks A dan v
nxn
adalah
vektor tak nol di R
n
dan skalar merupakan skalar Rill sehingga
memenuhi :
v v A = (8.1)
maka dinamakan nilai eigen, sedangkan v dinamakan vektor
eigen.

Contoh 8.1 :
Perhatikan perkalian matriks berikut :

116 Bab 8 Nilai dan Vektor Eigen

=

2
1
3 4
2 1

2
1
5
Skalar 5 dan vektor , masing-nasing dinamakan nilai
eigen dan vektor eigen dari matriks A

2
1

v v A = Perhatikan bahwa :
0 = v v A
,
0 = v I v A
merupakan matriks identitas. dimana I
nxn
( ) 0 = v I A
(8.2)
Dengan mengingat kembali pembahasan tentang SPL homogen,
maka SPL (8.2) akan mempunyai solusi tunggal ( v adalah vektor
nol) jika dan hanya jika det (A I) 0. Karena menurut definisi,
vektor v merupakan vektor tak nol, maka kondisi ini akan
dipenuhi jika dan hanya jika . Dengan demikian,
kita bisa mengetahui nilai eigen dari suatu matriks A, yakni skalar
() yang memenuhi :
( ) 0 det = I A
det (A I) = 0. (8.3)
Selanjutnya, persamaan ini dinamakan persamaan karakteristik.
Jadi, nilai eigen merupakan akar-akar dari persamaan
karakteristik tersebut.

Contoh 8.2 :
Tentukan nilai eigen dari matriks :

=
0 0 1 -
2 1 0
2 - 0 1
A
Jawab :
Akan ditentukan nilai eigen, yakni saat det (A I) = 0

Aljabar Linear Elementer Adiwijaya 117

0
1 0 0
0 1 0
0 0 1
0 0 1 -
2 1 0
2 - 0 1
=

0
- 0 1 -
2 - 1 0
2 - 0 - 1
=

Dengan ekspansi kopaktor sepanjang kolom ke-2
(1 ) ( (1) () 2 ) = 0
(1 ) ( 2) = 0
(1 ) ( 2) ( + 1) = 0
Jadi, matriks A memiliki tiga buah nilai eigen yaitu :
= 1, = 1, dan = 2.

Jangan dilupakan, bahwa inti dari pencarian nilai eigen adalah
mencari akar dari persamaan karakteristik det (A I) 0.
Kadang-kadang mahasiswa terjebak untuk membentuk
persamaan tersebut menjadi polinom orde tinggi, selanjutnya
mereka kesusahan dalam mencari akar persamaan polinom
tersebut.

Contoh 8.3 :

Tentukan nilai eigen dan vektor eigen dari matriks

=
2 1 1
1 2 1
1 1 2
A
Jawab :
Nilai eigen dari A dapat diperoleh saat det (I A) = 0
Det
0
2 - 1 - 1 -
1 - 2 - 1 -
1 - 1 - 2 -
=

Dengan ekspansi kofaktork sepanjang baris pertama :

118 Bab 8 Nilai dan Vektor Eigen


( ) 0
1 - 1 -
2 - 1 -
2 - 1 -
1 - 1 -
2 - 1 -
1 - 2 -
2 = +

( 2)(( 2)
2
1) + ( +1) (1+( 2)) = 0
( 2)( 4 + 3) ( 1) ( 1) = 0
2
( 2)( 3)( 1 ) 2 ( 1) = 0
( 1)(( 2)( 3) 2) = 0
( 1)( 5 + 4) = 0
2
( 1) ( 4) = 0
2
Nilai Eigen dari matriks tersebut adalah 1 dan 4.


Untuk = 1

0
0
0
z
y


1 - 1 - 1 -
1 - 1 - 1 -
1 - 1 - 1 - x
Dengan operasi baris elementer, mariks yang diperbesar
dari SPL homogen menjadi :

0
0
0
0 0 0
0 0 0
1 1 1

Misal s dan t adalah parameter, solusi SPL homogen
tersebut adalah :

t
s
t s
z
y
x
=
t s

1
0
1
0
1
1
Jadi, vektor eigen yang bersesuaian dengan nilai eigen
= 1 adalah :
dan

0
1
1

1
0
1


Aljabar Linear Elementer Adiwijaya 119

Untuk = 4

0
0
0



2 1 - 1 -
1 - 2 1 -
1 - 1 - 2
z
y
x
Dengan operasi baris elementer, mariks yang diperbesar
dari SPL homogen menjadi :

0
0
0
0 0 0
1 1 0
1 0 1

Misal s adalah parameter, solusi SPL homogen tersebut
adalah:

s
z
y
x

1
1
1



Jadi, vektor eigen yang bersesuaian dengan nilai eigen =
4 adalah .

1
1
1
Vektor eigen yang bersesuaian dengan suatu nilai eigen
merupakan vektor tak nol dalam ruang solusi dari SPL
( ) 0 = v A I . Ruang solusi ini dinamakan ruang eigen dari A
yang bersesuaian dengan nilai eigen . Dengan demikian, basis
dari ruang eigen matriks A dapat dinyatakan sebagai berikut :
Basis ruang eigen yang bersesuaian dengan nilai eigen = 1
adalah :
,

0
1
1

1
0
1
Sementara itu , basis ruang eigen yang bersesuaian dengan nilai
eigen = 4 adalah :


120 Bab 8 Nilai dan Vektor Eigen

.

1
1
1

8.2 DIAGONALISASI

Suatu matriks kuadrat A
nxn
dikatakan dapat
didiagonalkan (diagonalizable) jika terdapat matriks P yang
mempunyai invers sehingga PP
1
AP merupakan matriks diagonal.
Matriks P dinamakan matriks yang mendiagonalkan matriks A.
Perlu diperhatikan bahwa vektor-vektor kolom pada mtriks P
merupakan vektor vektor eigen dari matriks A. Karena P
memiliki invers berarti det (A) 0. Ini menunjukan bahwa vektor-
vektor eigen tersebut saling bebas linear. Dengan demikian
diperoleh kesimpulan bahwa :
A dapat didiagonalkan jika dan hanya jika A
nxn
memiliki n
buah vektor eigen yang bebas linear
Misal A , cara menentukan P :
nxn
o Tentukan nilai eigen
o Tentukan n vektor eigen yang bebas linear, p
1
, p , p
2 n

o Bentuk matriks P dimana vektor-vektor kolomnya adalah
vektor-vektor p , p
1 2
, p
n


Contoh 8.4 :
Tentukan apakah

=
2 1 1
1 2 1
1 1 2
A

dapat didiagonalkan ? Jika ya, tentukan matriks
pendiagonal P dan matrix diagonal D !


Aljabar Linear Elementer Adiwijaya 121

Jawab :
Seperti telah dijelaskan pada contoh sebelumnya bahwa :
Vektor eigen yang bersesuaian dengan nilai eigen = 1
adalah :
dan

0
1
1

1
0
1
Sementara itu, vektor eigen yang bersesuaian dengan n.e.
= 4 adalah .

1
1
1
Sehingga diperoleh :
P =

1 1 0
1 0 1
1 1 1
Karena det (P) = 1 0. Ini menunjukan bahwa vektor-
vektor eigen tersebut saling bebas linear. Dengan argument
tersebut disimpulkan bahwa A dapat didiagonalkan.
Sementara itu, matriks diagonalnya berbentuk :
D = P AP
1
=

4 0 0
0 1 0
0 0 1
Matriks diagonal D = P
-1
AP, unsur diagonalnya merupakan
nilai nilai eigen yang bersesuaian dengan vektor vektor eigen
p , p , p
1 2 n
. Perlu diketahui bahwa jika A
nxn
, mempunyai n
buah nilai eigen yang berbeda maka A dapat didiagonalisasi.

Contoh 8.5 :

Tentukan matriks yang mendiagonalkan matriks


122 Bab 8 Nilai dan Vektor Eigen

=
1 1 0
1 1 0
0 0 1
A

Jawab :

Persamaan karakteristik dari matriks A adalah :
0 . = A I

0
1 1 0
1 1 0
0 0 1
0 0
0 0
0 0
det =

( )
( )
( )
0
1 1 0
1 1 0
0 0 1
det =

Dengan menggunakan ekspansi kofaktor :
Pilih Baris I
{ }
13 13 12 12 11 11
. det c a c a c a A I + + =
( ) ( ) ( ) 0 0 2 1 + + =
( ) ( ) ( ) 2 1 =
Diperoleh : 2 ; 1 ; 0 = = =
0 = Untuk
( ) 0 . = v A I
Dengan OBE maka

0 0 0
1 1 0
0 0 1
~
( )

1 1 0
1 1 0
0 0 1

1 1 0
1 1 0
0 0 1
~
~ . A I
Jadi

3 2
3 2
1
0
0
x x
x x
x
=
= +
=

Aljabar Linear Elementer Adiwijaya 123

Dengan demikian, vektor eigen yang bersesuaian
dengan 0 = adalah vektor tak nol yang berbentuk
, dimana t adalah parameter
t
x
x
x

1
1
0
3
2
1

0 = Jadi vektor eigen yang bersesuaian dengan

adalah :

=
1
1
0
1
P

1 = Untuk
( ) 0 . = v A I
Dengan OBE maka

0 1 0
1 0 0
0 0 0
~

0 0 0
1 0 0
0 1 0
~ ( )

0 1 0
1 0 0
0 0 0
~ . A I
0
0
3
2
1
=
=
=
x
x
t x

Jadi vektor eigen yang bersesuaian dengan
1 = adalah vektor tak nol yang berbentuk
, t
x
x
x

0
0
1
3
2
1

dimana t adalah parameter.

1 = Jadi vektor eigen yang bersesuaian dengan
adalah :


124 Bab 8 Nilai dan Vektor Eigen

=
0
0
1
2
P
2 = Untuk
( ) 0 . = v A I
Dengan OBE maka

( )

1 1 0
1 1 0
0 0 1
~ . A I

0 0 0
1 1 0
0 0 1
~
t x
x x
x x
x
=
=
=
=
2
3 2
3 2
1
0
0

Jadi vektor eigen yang bersesuaian dengan
2 = adalah vektor tak nol yang berbentuk
, t
x
x
x

1
1
0
3
2
1

dimana t adalah parameter

2 = Jadi vektor eigen yang bersesuaian dengan
adalah

=
1
1
0
3
P
Pandang 0
3 3 2 2 1 1
= + + P k P k P k
0
1 0 1
1 0 1
0 1 0
3
2
1
=

k
k
k


Aljabar Linear Elementer Adiwijaya 125

Perhatikan OBE berikut :

2 0 0
0 1 0
1 0 1
~

1 0 0
0 1 0
1 0 1
~

1 0 1
0 1 0
1 0 1
~
1 0 1
1 0 1
0 1 0

1 0 0
0 1 0
0 0 1
~
{ }
3 2 1
, , P P P merupakan himpunan yang bebas linear Jadi
Dengan demikian matriks yang mendiagonalkan A
adalah :

=
1 0 1
1 0 1
0 1 0
P

Pada pembahasan berikutnya adalah masalah
diagonalisasi dari suatu matriks simetri. Namun sebelumnya kita
perlu tahu beberapa definisi tentang matriks ortogonal. Suatu
matriks B
nxn
dikatakan matriks ortogonal jika invers dari matriks
tersebut sama dengan transpose dari matriks yang bersangkutan
(B
1
= B
t
). Untuk memahami sifat dari suatu matriks ortogonal,
perhatikan bahwa pernyataan berikut adalah ekivalen satu sama
lain :
a. B adalah matriks ortogonal
nxn
b. Vektor-vektor baris dari B membentuk himpunan
ortonormal di R
n
dalam RHD Euclides.
c. Vektor-vektor kolom dari B membentuk himpunan
ortonormal di R
n
dalam RHD Euclides.

Suatu matriks A
nxn
dikatakan dapat didiagonalkan secara
ortogonal jika terdapat matriks ortogonal P sedemikian hingga
P
1
AP (dengan kata lain P
t
AP) merupakan matriks diagonal.
Sebagai ilustrasi, kita dapat melihat gambaran tentang matriks
yang didiagonalkan secara ortogonal, sebagai berikut :


126 Bab 8 Nilai dan Vektor Eigen

D = P AP (8.4)
1
atau
PDP = A (8.5)
1
Karena P merupakan matriks ortogonal, maka pernyataan diatas
dapat ditulis menjadi :
A = PDP
t
(8.6)
Sehingga diperoleh hubungan
A
t
= (PDP
t
) = (P
t t
)
t
DP
t
= PDP
t
= A (8.7)
Dengan demikian, suatu matriks bujur sangkar A dikatakan dapat
didiagonalkan secara ortogonal jika dan hanya jika matriks A
tersebut merupakan matriks simetri. Masalahnya, kita tak dapat
serta merta menebak suatu matriks ortogonal yang memenuhi
definisi diatas. Berikut ini adalah langkah-langkah menentukan
matriks ortogonal yang mendiagonalkan secara ortogonal suatu
matriks kuadrat.
Misal A , cara menentukan P :
nxn
a. Tentukan nilai eigen
b. Tentukan basis ruang eigen untuk setiap nilai eigen yang
diperoleh
c. Gunakan proses Gram Schmidt untuk merubah setiap
basis pada (b) menjadi basis ruang eigen yang ortonormal.
d. Bentuk matriks P dimana vektor-vektor kolomnya berupa
basis ruang eigen yang ortonormal.

Contoh 8.6 :
Tentukan matriks yang mendiagonalkan secara ortogonal
matriks

=
1 1 0
1 1 0
0 0 1
A

Jawab :
2 ; 1 ; 0 = = = Kita mempunyai nilai eigen
Basis ruang eigen :

Aljabar Linear Elementer Adiwijaya 127

Untuk 0 = adalah

1
1
0
Untuk 1 = adalah

0
0
1
Untuk 2 = adalah

1
1
0
Dengan demikian basis ruang eigen yang ortonormal dari
matriks diatas secara berturutan adalah

2
1
2
1
0

2
1
2
1
0
, ,

0
0
1
.
Dengan demikian matriks yang mendiagonalkan A secara
ortogonal adalah :

=
2
1
2
1
2
1
2
1
0
0
0 1 0
P


8.3 SISTEM PERSAMAAN DIFERENSIAL LINEAR

Pada kuliah ini, sistem persamaan diferensial yang akan
dibahas hanya sistem persamaan diferensial linear orde satu
dengan koefisien konstan.
Misalkan,
) (
) (
t y a
dt
t dy
= (8.8)
merupakan persamaan diferensial orde 1 dengan koefisien
konstan. Solusi dari persamaan diferensial tersebut berbentuk
dimana c merupakan suatu konstanta yang bergantung
at
ce t y = ) (


128 Bab 8 Nilai dan Vektor Eigen

pada kondisi awal tertentu. Masalah sistem persamaan yang
dilengkapi dengan sutu kondisi awal tertentu dinamakan masalah
nilai awal. Jika kondisi awal dari persamaan diferensial tersebut
adalah 2 ) 0 ( = y maka solusi dari sistem persamaan diferensial (1)
adalah
at
e t y
2
1
) ( =
Berikut ini merupakan bentuk umum dari sistem
persamaan diferensial orde satu dengan koefisien konstan yang
terdiri dari n persamaan dan n buah peubah.
( )
( )
( )
n nn n n n
n
n n
n n
x a x a x a x a
dt
x d
x a x a x a x a
dt
x d
x a x a x a x a
dt
x d
+ + + + =
+ + + + =
+ + + + =
...
...
...
3 3 2 1 1 1
2 3 23 2 21 1 21
2
1 3 13 2 11 1 11
1
M M M M M
(8.9)

Sistem persamaan diferensial tersebut dapat di tulis dalam bentuk
:

n nn n n
n
n
n
x
x
x
a a a
a a a
a a a
x
x
x
M
L
M O M M
L
L
M
2
1
2 1
2 22 21
1 12 11
2
1
'
'
'
(8.10)
atau
(8.11) AX X = '

Contoh 8.7 :
Tuliskan sistem persamaan diferensial berikut dalam
bentuk perkalian matriks :

Aljabar Linear Elementer Adiwijaya 129

) (
) (
) ( 3
) (
) ( 2
) (
3
3
2
2
1
1
t r
dt
t dr
t r
dt
t dr
t r
dt
t dr
=
=
=


Tentukan solusinya jika sistem tersebut mempunyai nilai
awal , dan ! 1 ) 0 (
1
= r 2 ) 0 (
2
= r 3 ) 0 (
3
= r

Jawab :
Sistem persamaan diferensial tersebut berbentuk :

3
2
1
3
2
1
1 0 0
0 3 0
0 0 2
'
'
'
r
r
r
r
r
r

Sehingga solusi sistem tersebut adalah :

t
t
t
e
e
e
r
r
r
3
2
3
2
3
2
1

Masalahnya, suatu sistem persamaan diferensial tidak selalu
memberikan matriks koefisien yang berbentuk matriks diagonal.
Misalkan,

=
nn n n
n
n
p p p
p p p
p p p
P
L
M O M M
L
L
2 1
2 22 21
1 12 11

merupakan matriks yang dapat mendiagonalkan matriks koefisien
dari suatu sistem persamaan diferensial A, sehingga AP P D
1
=
berbentuk matriks diagonal.
Tulis :


130 Bab 8 Nilai dan Vektor Eigen

) (
) (
) (
) (
) (
) (
2
1
2 1
2 22 21
1 12 11
2
1
t u
t u
t u
p p p
p p p
p p p
t x
t x
t x
n nn n n
n
n
n
M
L
M O M M
L
L
M
(8.12)
atau
PU X = (8.13)

dimana U merupakan suatu matriks yang berisi fungsi syang
bergatung pada t. Dengan mendiferensialkan setiap persamaan
pada sistem (8.13) diperoleh :
(8.14) ' ' PU X =
Dengan mensubstitusikan persamaan (8.13) pada persamaan
(8.11) maka :
( ) PU A PU = ' (8.15)
Karena P merupakan matriks yang mendiagonalkan A, ini berarti
P memiliki invers. Oleh karena itu pernyataan diatas dapat ditulis
dalam bentuk :
APU P U
1
'

= (8.16)
atau
(8.17) DU U = '
D merupakan matriks diagonal, dengan demikian solusi untuk U
dapat diperoleh. Dengan kembali mensubstitusikan solusi U pada
(8.13), sehingga menjadi :
PU X =
Langkah-langkah dalam menyelesaikan sistem persamaan
diferensial :
1. Menentukan nilai eigen dari matriks koefisien A.
2. Menentukan matriks P yang mendiagonalkan A.
3. Tulis sistem persamaan diferensial yang baru dalam
bentuk AP P D
1
= dimana . DU U = '
4. Tentukan solusi sistem persamaan diferensial . DU U = '
5. Tentukan solusi X yang diperoleh dari sistem persamaan
PU X =


Aljabar Linear Elementer Adiwijaya 131

Contoh 8.8 :

Tentukan solusi dari sistem persamaan diferensial
2 1
2
2 1
1
2 4
x x
dt
dx
x x
dt
dx
+ =
=

Jawab :
Sistem persamaan diferensial tersebut dapat ditulis dalam
bentuk :

2
1
2
1
1 1
2 4
'
'
x
x
x
x

Tulis

=
1 1
2 4
A

maka
det(I A) = 0
0
1 1
2 4
=

( 4) (1) (1)(2) = 0
5 + 4 + 2 = 0
2
5 + 6 = 0
2
( 3) (2) = 0
Nilai eigen dari A adalah = 2 dan = 3.
Basis ruang eigen yang bersesuaian dengan nilai eigen =
3 adalah

1
2
Basis ruang eigen yang bersesuaian dengan nilai eigen =
2 adalah

1
1
Dengan demikian diperoleh matriks :

=
1 1
1 2
P


132 Bab 8 Nilai dan Vektor Eigen

yang mendiagonalkan A, sehingga diperoleh :

= =

2 0
0 3
1
AP P D
sehingga diperoleh sistem persamaan diferensial yang
baru yaitu :

2
1
2
1
2 0
0 3
'
'
u
u
u
u
dengan solusi dan .
t
e c u
3
1 1
=
t
e c u
2
2 2
=
Dengan demikian solusi dari sistem persamaan diferensial
kita adalah :
PU X =
atau

t
t
e c
e c
x
x
2
2
3
1
2
1
1 1
1 2

atau
t t
e c e c x
2
2
3
1 1
2 + =
t t
e c e c x
2
2
3
1 2
+ =

Contoh 8.9 :

Tentukan solusi dari masalah nilai awal :
( ) ) ( 2 t q t p
dt
dp
+ =

( ) ) ( 2 t q t p
dt
dq
+ =

( ) 3 0 = q
dengan kondisi awal dan .
( ) 1 0 = p

Jawab :
Kita punya

=
2 1
1 2
A
Karena

Aljabar Linear Elementer Adiwijaya 133

( ) A I .

=
2 1
1 2
0
0

( )
( )

=
2 1
1 2

Maka
{ } 0 = A I . det
( )
( ) 2 1
1 2
0


=

( )( ) 1 2 2 0 =
( ) 1 4 4 0
2
+ =
3 4 0
2
+ =
( )( ) 3 1 0 =
Akhirnya diperoleh
3 ; 1 = =
1 = Untuk
( )

0 0
1 1
~
1 1
1 1
~ . A I
t x
x x
x x
=
=
= +
2
2 1
2 1
0

Jadi vektor eigen yang bersesuaian dengan
1 = adalah vektor tak nol yang berbentuk
, t
x
x

1
1
2
1

dimana t merupakan parameter.

1 = Jadi basis ruang eigen yang bersesuaian dengan
adalah

=
1
1
1
P


134 Bab 8 Nilai dan Vektor Eigen

3 = Untuk
( )

0 0
1 1
~
1 1
1 1
~ . A I
t x
x x
x x
=
=
=
2
2 1
2 1
0

Jadi vektor eigen yang bersesuaian dengan
3 = adalah vektor tak nol yang berbentuk
, t
x
x

1
1
2
1

dimana t merupakan parameter

3 = Jadi basis ruang eigen yang bersesuaian dengan
adalah

=
1
1
2
P
Sehingga Solusi Umum dari sstem persamaan
diferensial U = D U adalah

=
t
t
e
e
U
3
Dengan demikian solusi dari sistem persamaan
diferensial kita adalah :
PU X =
atau

t
t
e c
e c
x
x
3
2
1
2
1
1 1
1 1

sehingga
t t
e c e c x
3
2 1 1
+ =
t t
e c e c x
3
2 1 2
+ =
0 = t Untuk

Aljabar Linear Elementer Adiwijaya 135

+
+
=

2 1
2 1
3
1
C C
C C
2 ; 1
2 1
= = C C Dengan Eliminasi didapat
Jadi solusi masalah nilai awal tersebut adalah :

t t
e e t p =
3
2 ) (

t t
e e t q + =
3
2 ) (































136 Bab 8 Nilai dan Vektor Eigen

Latihan Bab 8

1. Tentukan basis ruang eigen dari A =

3 0 1
0 2 0
3 0 1

2. Apakah B = dapat didiagonalkan, jelaskan!

1 1 0
1 1 0
0 0 0
3. Misal . Apakah A dapat didiagonalkan ?

=
1 4 4
0 1 0
0 2 3
A
(jelaskan)
Jika YA, tentukan matriks pendiagonal (P) dan matriks
diagonal (D)
4. Suatu Matriks A
2x2
memiliki Basis Ruang Eigen yang
secara berturutan bersesuaian dengan

3
1

= 3 dan
bersesuian dengan = 1. Tentukan matriks A

2
1
5. Suatu operator linear di didefinisikan oleh
3

+
+ =

c b
c b
c
b
a
T
2
0

Aljabar Linear Elementer Adiwijaya 137

Jika A merupakan matriks transformasi dari operator linear
tersebut dan adalah nilai eigen dari A. Tentukan basis
kernel dari transformasi yang didefinisikan oleh matriks
transformasi (I A ) untuk setiap
2

6. Tentukan solusi dari masalah nilai awal :
) ( 2 ) (
) ( ) ( 2
t q t p
dt
dq
t q t p
dt
dp
+ =
+ =


dan . dengan kondisi awal 1 ) 0 ( = p 3 ) 0 ( = q

7. Misalkan aliran TCP yang melewati suatu router didefinisikan
oleh :
) ( 10 ) ( 14 t q t w
dt
dw
+ =
) ( ) ( 5 t q t w
dt
dq
+ =
dimana w = rata-rata ukuran window TCP (paket) dan q = rata-
rata panjang antrian pada bottleneck router (paket). Jika pada
saat t = 0, ukuran window TCP yang dikirim adalah 60 paket
dan panjang antrian pada bottleneck router adalah 100 paket.
Tentukan rata-rata panjang antrian pada bottleneck router
untuk setiap waktu (t)










138 Bab 8 Nilai dan Vektor Eigen


DAFTAR PUSTAKA




[1] Anton H., Rorres, C., 1995, Elementary Linear Algebra :
Applications Version, 6
th
edition, John Willey and Sons, New
York
[2] Arifin, A., 2001, Aljabar Linear, edisi kedua, Penerbit ITB,
Bandung
[3] Durbin, J. R., 1992, Modern Algebra : An Introduction, 3
rd

edition, John Willey and Sons, Singapore
[4] Kreyszig E.,, Advanced Enginereeng Mathematics, 8
th
edition,
John Willey & Sons, Toronto, 1993
[5] Leon, S. J., 2001, Aljabar Linear dan Aplikasinya, terjemahan
Penerbit Erlangga, Jakarta ,
[6] Roman, S., 1992, Edvanced Linear Algebra, Springer Verlag,
New York