y anyak dijumpai dalam berbagai hal. Bab ini membahi dan teknik pendekatan numerik untuk mencari nilai eigen. Pemb konsep vektor secara umum kemudian dilanjutkan dengan persamaart teknik pencarian eigen. 9.1 PENGERTIAN VEKTOR Vektor : Dalam fisika dasar yektor didefinikan sebagai besaran yang ™ (magnitude) dan arah. Contoh besaran vektor adalah kecepat: sebagainya. Besaran vektor dilambangkan dengan @ (a vektor). empunyai nilai an, gaya dan Sebenarnya definisi vektor lebih luas dari itu. Misalkan V adalah himpunan dan Vi, V2. «> =~ adalah anggota V. Jika anggota V memenuhi sejumlah axioma penjumlahan ® dan perkalian @ tertentu maka vj, v2, v3, ..... adalah vektor dan V adalah ruang: vektor. Tenta'), aksioma vector dan sifat-sifat penting vektor lihat lampiran A. Berdasarkan definisi tersebut, maka setiap himpunan objek mungkin dapat dijadikan vektor asalkan kita dapat membuat aturan sehingga memenuhi axioma vektor. Contoh vektor : 1. Vektor yang didefinisikan dalam fisika dasar adalah vektor karena memenuhi axioma vektor. 2. Himpunan n-tupel dengan operasi ® dan @ matrik standar membentuk ruang vektor, artinya tiap n-tupel adalah vektor. a 4, of a b & a=|a, b=|b, é=lc, a, b, G a, b, 6 Dalam hal ini a, adalah komponen vector 4 9.2 EIGENVALUE DAN EIGENVEKTOR Pandang persamaan AX =AX (9.1) A: matrix X : vektor kolom = matrix kolom A: skalar . Dalam persamaan (9.1) A bertindak sebagai operator linear. A disebut eigenvalue dari A dan X disebut eigenvectorCARE jadi dipenuhi AX = 2-4, schingga X adalah vektor eigen matrix Persoalannya adalah mencari dan A jika diketahui matrix A. a Solusi persamaan (9.1) jelas dipenuhi pada X = 0. Solusi ini merupakan solusi ti suatu solusi yang tidak menarik. Catatan : Eigenvalue dan cigenvektor suatu matrix biasanya tidak tungeal dan boleh jadi komplex, — 9.3 SOLUSI DASAR EIGENVALUE PROBLEM Kembali pada persamaan (9.1) AX =1X dapat ditulis menjadi = AX =Aa1lXxX atau 4 (A-11)¥=0 (9.2) karena tidak diinginkan solusi trivial (X¥ =0) maka yang akan dicari adalah solusi nontrivial (X ¥ 0). Solusi persamaan (9.2) akan ada jika det(A-AN=0 (ingat syarat solusi SPLH). Syarat ini memberikan aA cal cuaiees ls eer Gy Oy SA Persamaan (9.3) disebut persamaan karakteristik (atau sculer) matrix A. Persamaan (9.3) memperlihatkan persamaan polinons derajat n dari A. Rie aaleu + an) = lena ay 0y,) 2 | Hen +n) 4 ei lue dan ei ‘Ktor A = Contoh 9.2 Cari eigenvalue dan eigenvektor (; i} Jawab : Persamaan karakteristik 4-4 2 a ea =0 (4-4) (1-a)-4=0 n2-5K=0A(A-5)=0 A =0,A2=5 Mencari cigenvektor : Kita tulis kembali pers. (9.2) (A - IA) ¥ =0 4 Ps untuk Ay = 0 ; Persamaan (9.2) memberi AX =0 a 4 2Vx)_ 94 +2x, =0 Lae 4 2 1px, 2x, +x, =0 (4. she memberi x) = -2x), maka eigenvektor ¥ adalah Bi ift x ; : F=(_3, J-n{ 1] seneann <0 “ x1 dapat dipilih sebarang. Jadi ada tak hingga eigenyektor dengan eigen value=0 Biasanya dipilih agar ¥ ternormalisasi. Jika kita pilih keadaan ternormalisasi_ m: [4], = veta+4) = 4,75 =1sf ay 2 Eigenvektor X = =Al) Bs ’ 5 = 5 =1,di leh a Normalisasi ||, = fee) =<.45 1, diperoleh x = 7 Maka eigenvektornya x Jodi singkatnya matrix A mempunyai : Eigenvalue 4 = 0 dengan cigenvektor X = eal? Eigenvalue 2 = 5 dengan eigenvektor X = (1) on Pada contoh di atas kita mencari eigenvektor dan eigenvalue dari matrik berukuran 2x2 yang melalui persamaan kuadrat dapat kita perolel cigenvaluenya secara mudah. Dalim banyak kasus matriks tersebut berukuran lebih dari 2 x 2 sehingga pencarian cigenvalue nya menjadi sukar. Berikut akan dibahas _metode pencarian eigenvalue yang sering digunakan yaitu power method dan QR method. tersebut. Namun sebelum membahas kedua metode tersebut kita bahas beberapa sifat nilai eigen 9.4 SIFAT SIFAT NILALEIGEN at sejumlah Teorema-yarig berkaitan dengan sifat-sifat nilai eigen tetapi di sini hanya dibahas beberapa teorema yang dipeslukan untuk meneati nila eigen dengat metode yang akan dibahas nanti. f Theorema | Matrix riil yang simetri mempunyai eigenvalue yang rill Theorema 2: Pandang matriks A yang riil-simetri dan misalkan X, eigenvektor A dengan eigenvalue Ay X, eigenvektor A dengan eigenvalue 42Lt = aay R=Aatk en Ax yang terakhir ini menyatakan bahwa matriks A~' mempunyai nilai ¢ Persamaan i a dengan vector eigen X. Jadi dengan vektor eigen yang sama (9.5) Theorema 4 Jika elemen diagonal suatu matrix A dikurangi s, maka eigenvaluenya menjadi (X - s) dengan eigenvektor tetap X Bukti Mengurangi elemen diagonal A dengan scalar s sama dengan A ~ sI =B Misalkan A mempunyai vector eigen X dengan nilai eigen A schingga AX =AX. (A-sl) X = AX - sl¥ =A - sk =(A-s)X Jadi (A-sI)¥ =BX (4-s)X Persamaan ini mengartikan bahwa matriks B atau (A —sI) mempunyai vektor eigen X_ dengan nilai eigen (A —s) Jadi A, =A,-s5 dengan vektor eigen yang sama (9.6) ane Sebelum melanjutkan pada sifat-sifat berikut diberikan contoh sebagai ilustrasi , Kedua sifat tersebut3 Me: ta SO 1 OY, ¥,-0 onic 0 eandainya clemen diagonal A dikurangi | maka ter 200 B=/0 1 1]. 404 Jika dihitung nilai eigen B adalah 1, 4, dan 2 dengan yektor eigen F, = (0.3333 - 0,6667 - 0,667)" =(0 1 oJ", F=(0 03162 0,9487). i sesuai dengan pers.(9.6), nilai eigen A dikurangi | dan vektor eigennya tetap, Sekarang kita hitung invers A, hasilnya 0,3333 0 0 0,1333 0,5000 —0,1000 : & — 0,2667 0 0,2000 Nilai eigen matrik A“! adalah 0,5000 ; 0,2000 dan 0,3333. Nilai sesuai dengan pers.(9.5) yaitu 1/2 = 0,5000 ; 1/5 =0,2000; dan 1/3 = 0,3333 Dapat dihitung bahwa vektor eigen A*'adalah Z,=(0 1 0)’, Z,=(0 0.3162 0,9487)', Z, =(0,3333 -0,6667 0,667)" 1 2 yang sama dengan X,, X,,dan X, aan Theorema 5 Nilai eigen matriks segi tiga adalah elemen diagonalnya. Bukti a ieee aera URE yee tl oC) Misalkan ee 0 earieer adalah matriks segi tiga atas. Oh Oca OaDeterminan suku pertama persamaan di atas diuraikan alas kolom 1, dipet vol ]-0 (,, - A) (a2 - A) (a5; - A) (a, - 4) =0 sehingga a: Proses di atas dapat diperluas untuk matriks bujur sangkar berukuran sebarang. Hal yang sama jika matriks A adalah segi tiga bawah. ama | ale a. fear." Ulangi pekerjaan tersebut maka diperoleh 3A, = Oni A=ay, A= Oy ‘Theorema 6 (Theorema Gerschgorin) Nilai cigen matrix A terletak di dalam suatu lingkaran bidang komplex yang pusatnya adalah titik a,, dan radiusnya= )ola,| j= 1,2... nsj#i Theorema Gerschgorin dapat memberi estimasi nilai eigen jika ada strong diagonal yang dominant. Pembuktian teorema ini agak panjang maka pembahasan ini tidak dibuktikan tetapi kita beri iiustrasi untuk memperjelas theorema tersebut. Contoh 9.4 Misalkan alent A=|1 1 1 | periksa apakah nilai eigen A memenuhi teorema Gerschgorin ? -2 0 -6 Jawab Posisi eigen valuenya adalah Baris | : pusat pada 4, R =|-1]+|I| =2 Baris 2: pusat pada 1, =||+|I|=2 Baris 3 : pusat pada -6, R =|-2)+0=2Gambar 9.1. Lingkaran Gerschgorin untuk matriks A contoh 9.4. Lingkaran (a), (b) dan adalah lingkaran untuk baris 1, 2 dan 3 matriks A. Tanda ¢ menyatakan pusat lingkaran dan tanda x menyatakan nilai eigen. matriks A tersebut adalah -5,7685, _ Dengan suatu cara diperoleh bahwa nilai eigen bE 3,4694, dan 1,2992. Karena nilainya riil maka nilai tersebut berada pada sumbu ri x seperti diperlihatkan pada gambar 9.1. Pada gambar tersebut terlihat bahwa nilateigen berada dalam daerah setiap lingkaran. Jadi memenuhi teorema Gerschgorin. aa : Contoh 9.5 Sepenti contoh 9.4 untuk Jawab Lingkaran Gerschgorin untuk matriks tersebut terlihat pada gambar 9.2. khayal Saal ns ilaat (b) (a) . — a (e) Gambar 9.2. Lingkaran Gerschgorin untuk matriks A pusat lingkaran dan tanda x menyatakan nilai ci contoh 9.5. Tanda e menyatakan igen. xBere opetinisi keserupaan Gi Bet we A piel Da . bujur sangkar dan M adalah matrix hivcwanle ae pa motiks J dan B adalah similar stew B dapat. diperaiehatirt nana dengan Ee msformasi similar. Bukti a‘ Misalkan nilai eigen A adalah 2 dengan vektor eigen X dan x adalah nilai eigen rix B= M"AM = dengan vektor eigen Y¥Jadi Bora Ax wal Bf=«F — yangakandibuktikan adalah « = 2 pi=(m'AM)P=(M"'A )MP= KF Bentuk MY’ adalah suatu vektor dan tulis My =2 (mA )Z =P Kalikan kedua ruas persamaan dengan M maka mat AZ=xM Mengacu ke pers.(*) diperoleh Z=X danx=A Kesimpulan : Nilai eigen matriks B yang similar adalah tetap A dengan vektor eigen ¥=MxX or Perlu diperhatikan bahwa dari matriks A ada banyak matriks similar yang dapat dibuat. Theorema 8 Jumlah eigen value suatu matriks tepat sama dengan trace matriks tersebut. Trace suatu matriks bujur sangkat adalah jumlah elemen diagonal matriks tersebut. Setelah membahas beberapa sifat nilai eigen maka tiba saatnya kita membahas metode yang akan dibahas | metode untuk mendapat nilai eigen. Pada dasamya ada dua yaitu power method dan metode QR 9.5 POWER METHOD aluc problem sering hanya dibutuhkan ei Dalam beberapa kasus cigeny: serta cigenvektornya nilai mutlaknya terbesar. Mencari eigenvalue ini power method. Langkah dasar power method scbagai berikul :1; k adalah banyaknya iterast AX=B =n C hasil perkalian 4X tr peroleh dengan membuat max| elemen © = vektor kolom yang di oO menjadi | : 7) = adalah factor normalisasi Misalnya diperoleh 3] 10 = ve B 2 maka aL a ole 3 Na De pe Be yea ( 1 Me 4 r q 10 “Gy = faktor normalisasi dan =(2/10 1 2/10 1/10)" 4 L-3. Hitung G=C-¥ Hitung mg =max|g,| dimana g, adalah komponen G Hitung er=|7 — 2 | =H L-4. IF (mg <8) OR (er batas iterasi) Then Goto L-5 Rn goto L-2 ENDIFa= es 225 Jadi dalam power method yang kita cari adalah A; dan Xx, Jawab Dengan power method , misalkan diambil 6 = 0,1 dane = 0,1 Ll. Awal, dipilih X =(1 1 1)’ dan a=1 Ditentukan (diambil) €=0,1 dan 6=0,1 L2. Iterasil,k=1 SOM YM af 3) 1 Dre wy a 0,6 ome Salk -1 -0,2 10) (1 0,0 L3, G=| 06 |-|1} =|-0,4 -0,2) (1) (-08 Hitung mg =max|g,| =08 Hing er =|9-4 \=|5-1=44) 4,6 L2, |o 2 1 |] 06 =| Lo |=46) 0217 0 1 -1)l-02) \o2 co n=46 1,0 1,000 0,0000 G =| 0,6 |-| 0,217 | =| 0,3830 0,2} {0,0435)° \-0,2435 mg = 0,3830 er= |4,6-5|=0,4 Apakah (mg < 0,1) OR (er < 0,1) OR (k > 30) ? Belum, maka Goto L-2 Demikian seterusnya Hasil perhitungan tersebut ditabelkan seperti tabel 9.1 4 Tabel 9.1. Hasil perhitungan power method contoh 9.3 ater ey a, eigerivekior 0 1 (1,00 1,00 1,00)" 1 5 (1,90 0,6 -0,2)' 2 4,6 (ciamnO zi 0,0435)" | 0,3830 3 42174 (01134 -0,0103)" | 0,1036 4 4,1134 (10,0526 0,0025)" | 0,0608 5 4,0526 (I (00266 -0,0006)" | 0,0260 dan proses perhitungan di atas disusun algoritma berikut Tentukan 8, € dan batas_iterasi F . Baca matrix A ; misalkan A berukuran n xn xt Tentukan (perkirakan ) X yaitu vektor/matriks kolom berukuran 1 Dalam menduga X , elemen max | x) harus | A= suatu nilai. Jika tidak punya informasi tentang X dan 2, maka isikan Gla tal Bee ay ian vet iter = 0 REPEAT iter := iter +1 Hitung B:= AX {cari lokasi max | bj } besar :=| bi] k=1 For j:=1ton IF besar <| bj then besar :=| bj) kj ENDIF END_For { menghitung matriks C dan factor normalisasi } n= bk Forj:= 1 toN b/n For END _| { menghitung error } Hitung G = | C-X | = max ( g; )e . Tulis ® sampai iterasi ke ‘ . Meskipun power method hanya dapat mencari satu nilai eigen tetapi dengan ~ yenggunakan sifat-sifat nilai eigen metode tersebut dapat digunakan untuk mencari Meenvalue yang lain, meskipun tidak semuanya, Sebagai ilustrasi misalkan matrix A empunyai nilai eigen : 8 5 4; 1; -5 (nilai eigen ini tentu saja belum diketahui). Dengan ver method diperoleh nilai cigen 8 ( nila absolut terbesar) dan vektor eigen Xe - atikan bahwa indeks 8 hanya untuk menyatakan nilai eigennya 8. Gunakan teorema 4 (9.6) dengan memilih s = 8 untuk mendapatkan matriks B=A-sI. Nilai eigen mnatriks ini adalah 0, -4 ; -7; dan -13 ( tentu saja nilai ini belum diketahui). Pada matriks B gunakan power method, akan diperoleh nilai eigen A, = —13 (nilai absolut terbesar),dan 13+8=—5 dengan vektor yektor eigen Y)- Berdasarkan pers.(9.6) akan diperoleh 2, = cigen ¥_, =~ J2di kita mendapat nilai eigen dan vektor eigen yang lain dari matriks ‘A. Dengan memilih s yang lain masih dimungkinkan mencari nilai eigen dan vektor eigen yang lain. p Disamping menggunakan teorema 4 kita dapat juga menggunakan teorema 3 pers.(9.5) meskipun lebih susah. Pada kasus ini hitung A“ dan nilai eigen matriks invers ini adalah 1/8; 1/4 ; 1; dan -1/5 . Gunakan power method pada matriks invers ini, akan diperoleh nilai eigen 2,,=1 dan vektor eigen Z,. Berdasarkan pers.(9.5) diperoleh Idan X, =Z, Teknik mencari nilai eigen A melalui A” dengan power method disebut inverse power method. Kita ilustrasikan pencarian eigenvalue matrix dengan metode yang berbasis power method dengan contoh berikut Contoh 9.7 Bee meeil | 1 | cari eigenvalue dan eigenvektor A dengan power method oo 0° —6 Jawab : 1 1)’ memberi hasil seperti table 9.2. Dengan power method untuk vector eigen awal (I ‘Terasi dihentikan ketika er <0,0001 ‘ Oi ee: Jadi hasilnya ; . oe Eigenvalue A ~-5.76849 dengan cigenvckior X= (-0,1157 ~0,1306 1,000) Sekarang matrix A digeser dengan mengurangi elemen diagonal = 4+5.76849 1 1 B= 1 14 5.76849 1 ~2 0 ~6 + 5.76849 Dengan power method diperoleh nilai eigen 1,00000 Ag = 9,23759 dan ¥, = | 0,31963 -0,21121 ini berarti nilai eigen matrix A adalah : : A, = 9,23759 + (—5,76849) = 3,46910 dengan vektor eigen Fy. Sekarang cari A", hasilnya 0,2308 0,2308 0,0769 | A‘ =|-0,1538 08462 0,1154 -0,0769 ~0,0769 041923) Dari matrix A“, gunakan power method, diperoleh : 0,4121 4, =0,76989 dengan 2 =| 1,0000 =0,1129 al Ini berarti cigenvektor matrix A, adalah i A 0,76989 =1,29923 dengan eigenvekior yang sama. Kesimpulan :ae i ‘Matrix A=] 1 1 1 | mempenyai oh 0, 6 eigenvalue eigenvektor -5,16849 1157 -0,1306 1,00000 )" 3,4691 (1,0000 0.31963 -0,21121)" 1,29923 (0,4121 1 -0,1129 J" . Kita dapat mengkombinasikan teorema 3 dan 4 untuk mendapatkan nilai eigen dan vektor eigen yang lain. a Catatan power method Salah satu masalah power method adalah lambatnya konvergensi. Pada contch 9.7 terdahulu : 2 =-5,76849 memerlukan 22 iterasi A= 3,4691 memerlukan 32 iterasi A=1,29923 memerlukan 9 iterasi Iterasi dapat dipercepat dengan cara : a. Misal eigenvalue yang akan dicari mendekati s; s adalah suatu bilangan yang diperkirakan mendekati eigenvalue b. Geser matrix A sejauhs, artinya B= A - si c. Cari nilai eigen dan vector cigenB d. Dari (c) diperoleh nilai eigen dan vector eigen A . Cara ini lebih cepat dibanding mencari langsung dari A. Kuncinya adalah pendugaan nilai eigen yang dapat dilakukan dengan teorema 6 (Teorema Gerschgorin ).