You are on page 1of 14

Approximating Eigenvalues

Wielandt Deflation Method


Nilai eigen dari matrix A (NxN)
adalah bilangan real atau bilangan
komplex sedemikian sehingga

Eigenvalue Ax x
problem : eigenvalue I x = 0
x : eigenvector

Yang mempunya solusi non-trivial 1 ,


2 , ,
Eigenvalue
= 0

if det 0 x = 0(trivial solution)


untuk mendapatkan solusi nontrivial
det = 0

a11 a12 a1n


a21 a22 a2 n
0
a11
an1 an 2 ann
Eigenvector

Vektor Eigen dari matrix A adalah himpunan vektor-N =


yang memiliki solusi non-trivial dari =

=
Properties of Eigenvalue and Eigenvector
Jika A adalah singular (noninvertible) matrix maka nilai eigen sama
dengan nol (0)
Jika A adalah nxn triangular matrix (upper triangular, lower
triangular) atau diagonal matrix maka nilai eigen dari A adalah
diagonal entries dari A.
A dan matriks transpose memiliki nilai eigen yang sama.
Nilai eigen dari matriks simetri merupakan bilangan real
Vektor eigen dari matiks simetri adalah ortogonal.
Vektor eigen dominan dari sebuah matriks merupakan vektor eigen
yang bersesuaian terhadap nilai eigen paling besar dari matriks
tersebut.
Untuk matriks transisi, nilai eigen dominannya selalu satu
Nilai eigen paling kecil dari matriks A sama seperti inverse dari nilai
eigen paling besar dari A.
Similar Matrices
Eigenvalues and eigenvectors of similar matrices
Deflation techniques
Teknik deflasi melibatkan pembentukan matriks B baru yang nilai
eigennya sama seperti nilai eigen dari matriks A, kecuali nilai eigen
dominan A diganti dengan nilai eigen 0 pada B.
Deflated matrices

Eg. Wielandts deflation


CONTOH SOAL
pada buku, sebuah matriks A memiliki nilai eigen
dominan 1 = 6 vektor eigennya (1) =
1, 1,1 . asumsikan bahwa nilai eigen domninan ini
diketahui dan apply deflation to aproksimasi nilai eigen
dan vektor eigen lainnya.
Eg. Using Deflation(I)
Eg. Using Deflation(II)
OUTPUT
Input the dimension n. WIELANDT DEFLATION
3
Input a positive tolerance Number Iterations for Power Method = 20
for the power method. The reduced matrix B:
2.0000000000e+00 -1.0000000000e+00
10^-8
-1.0000000000e+00 2.0000000000e+00
Input the maximum
number of iterations for The Eigenvalue = 2.99999999 to Tolerance =
the power method. 1.0000000000e-08
100
Eigenvector is:
-2.00000000 -1.00000001 1.00000000
Hotelling's deflation method

Misalkan A adalah matriks n n dan misalkan nilai eigen i, dengan


Vektor eigen xi
1
= 2 , 1 = 1
2

Iteration formula:
Ai 1 Ai i xi xiT i , xi
given
for symmetric matrices
deflation from large to small

You might also like