Jenis jenis matriks Metodologi Penelitian

Elemen ij a yang disebut entri ij atau elemen ij, muncul pada baris i dan kolom j. Matriks tersebut seringkali dituliskan hanya sebagai A=[a ij ] Schaum’s, 2006.

2.1.2. Jenis jenis matriks

1. Matriks Bujursangkar Matriks bujursangkar adalah matriks yang memiliki baris dan kolom yang sama banyak. Matriks bujursangkar n x n dikatakan sebagai matriks dengan orde n. Contoh:       = 1 3 4 2 A 2. Matriks Nol Matriks nol adalah suatu matriks yang semua elemennya mempunyai nilai nol.       = A 3. Matriks Diagonal Matriks diagonal adalah suatu matriks bujursangkar dimana semua elemen diluar diagonal utama mempunyai nilai nol dan paling tidak ada satu elemen diagonal utama ≠ 0 disimbol D. Contoh :           = 5 2 4 D 4. Matriks Segitiga Atas Matriks segitiga atas adalah matriks dimana semua entri dibawah diagonal utama bernilai nol. Universitas Sumatera Utara Contoh:           = 8 7 2 3 5 4 A 5. Matriks Segitiga Bawah Matriks segitiga bawah adalah matriks dimana semua entri diatas diagonal utama bernilai nol. Contoh:           = 8 3 6 2 7 4 A 6. Matriks Identitas Matriks identitas atau matriks satuan bujursangkar-n ditulis I n atau hanya I adalah matriks bujursangakar-n dengan bilangan 1 pada diagonalnya dan 0 pada entri-entri lainnya. Contoh:           = 1 1 1 I 7. Matriks Skalar Skalar ialah suatu bilangan konstan. Jika k suatu bilangan konstan maka hasil kali k I dinamakan scalar matriks. Contoh: k I 3 , k=3           =           = 3 3 3 1 1 1 3 kI Universitas Sumatera Utara 8. Matriks Simetri Apabila matriks A yang berisikan a ij Dimana i=j=1,2,…,n. dan berlaku a ij= a ji maka matriks A disebut matriks simetri Contoh:           − − − = 8 7 5 7 6 3 5 3 2 A Keterangan: melalui pengamatan, elemen-elemen simetri di dalam A sama, atau A T =A. Jadi A adalah matriks simetri. 9. Transpos Matriks Transpos dari suatu matriks A=a ij ialah suatu matriks baru dengan menukarkan baris menjadi kolom dan kolom menjadi baris. Apabila suatu matriks ditranspos kepada dirinya sendiri maka disebut matriks simetri. Contoh:           = →           = 8 7 5 3 7 3 5 4 2 8 3 5 7 7 4 5 3 2 T A A 10. Matriks Ortogonal Matriks real A disebut matriks ortogonal jika A T =A -1 , yaitu, jika AA T = A T A=I. Jadi A haruslah matriks bujursangkar dan dapat dibalik. Contoh: Misalkan                 − − − = 9 4 9 1 9 8 9 7 9 4 9 4 9 4 9 8 9 1 A . Mengalikan A dengan A T menghasilkan I, yaitu AA- T =I. ini juga berarti bahwa A T A=I . Maka A T = A -1 ; dengan demikian, A adalah matriks ortogonal. Universitas Sumatera Utara 11. Matriks Trace Misalkan A=[a ij ] adalah matriks bujursangkar-n, diagonal dari A terdiri dari elemen- elemen subskrip bilangan kembar yaitu: a 11, a 22, a 33, …, a nn Trace dari A ditulis trA adalah jumlah dari elemen-elemen diagonal yaitu: trA = a 11 + a 22 + a 33 + … + a nn contoh :           − − − = 8 7 5 7 8 3 5 3 2 A Maka trA = a 11 + a 22 + a 33 = 2 + 8 + -8 = 2 2.1.3. Penjumlahan matriks dan perkalian skalar matriks Misalkan A=[a ij ] dan B=[b ij ] adalah dua matriks dengan ukuran yang sama, misalnya matriks mxn. Jumlah A dan B ditulis A+B adalah matriks yang diperoleh dengan menjumlahkan elemen-elemen yang bersesuaian dari A dan B. Yaitu             + + + + + + + + + = + mn mn m m m m n n n n b a b a b a b a b a b a b a b a b a B A ... ... ... ... ... ... ... 2 2 1 1 2 2 22 22 21 21 1 1 12 12 11 11 Hasilkali dari matriks A dengan suatu skalar k ditulis k.A atau hanya kA adalah matriks yang diperoleh dengan cara mengalikan setiap elemen A dengan k. Yaitu             = mn m m n n ka ka ka ka ka ka ka ka ka kA ... ... ... ... ... ... ... 2 1 2 22 21 1 12 11 Universitas Sumatera Utara

2.1.4. Determinan

Dokumen yang terkait

Perbandingan Penggunaan Metode Analisis Regresi Ridge dan Metode Analisis Regresi Komponen Utama dalam Menyelesaikan Masalah Multikolinieritas (Studi Kasus Data PDRB Propinsi Sumatera Utara)

12 128 69

ANALISIS METODE PRINCIPAL COMPONENT ANALYSIS (KOMPONEN UTAMA) DAN REGRESI RIDGE DALAM MENGATASI DAMPAK MULTIKOLINEARITAS DALAM ANALISIS REGRESI LINEAR BERGANDA

13 88 144

Analisis penerapan metode kuadrat terkecil dan regresi komponen utama dalam multikolinearitas

1 8 78

METODE ANALISIS REGRESI KOMPONEN UTAMA DALAM MENGATASI MASALAH MULTIKOLINIERITAS.

0 0 6

(ABSTRAK) ANALISIS METODE PRINCIPAL COMPONENT ANALYSIS (KOMPONEN UTAMA) DAN REGRESI RIDGE DALAM MENGATASI DAMPAK MULTIKOLINEARITAS DALAM ANALISIS REGRESI LINEAR BERGANDA.

0 1 2

Penerapan Metode Generalized Ridge Regression dalam Mengatasi Masalah Multikolinearitas.

0 0 7

Regresi Komponen Utama, Regresi Ridge, dan Regresi Akar Laten dalam Mengatasi Masalah Multikolinieritas.

1 7 8

PERBANDINGAN REGRESI KOMPONEN UTAMA DENGAN REGRESI RIDGE UNTUK MENGATASI MASALAH MULTIKOLINIERITAS -

1 0 74

BAB 2 LANDASAN TEORI 2.1 Aljabar Matriks - Perbandingan Penggunaan Metode Analisis Regresi Ridge dan Metode Analisis Regresi Komponen Utama dalam Menyelesaikan Masalah Multikolinieritas (Studi Kasus Data PDRB Propinsi Sumatera Utara)

0 0 18

Perbandingan Regresi Ridge (Regresi Gulud) dan Principal Component Analysis (Analisis Komponen Utama) dalam Mengatasi Masalah Multikolinearitas - Repositori UIN Alauddin Makassar

0 1 115