individu. Untuk memahami vektor eigen kita perlu memahami fungsi operasional
dasar dari sebuah matriks. Secara umum, matriks linier mengubah arah dan besaran
vektor. Eigenanalysis berguna dalam aplikasi seperti diagonalisasi dari korelasi
matriks, pemrosesan sinyal radar, ekstraksi fitur, pengenalan pola, coding sinyal,
estimasi kebisingan, dan pemisahan biomedis campuran atau sinyal komunikasi.
Eigenvector dan eigenvalues
Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah
vektor kolom X. Vektor X adalah vektor dalam ruang Euklidian R yang
dihubungkan dengan sebuah persamaan:
Dimana adalah suatu skalar dan X adalah vektor yang tidak nol Skalar
dinamakan nilai Eigen (eigenvalue) dari matriks A. Nilai eigen adalah nilai
karakteristik dari suatu matriks bujur sangkar. Vektor X dalam persamaan (1)
adalah suatu vektor yang tidak nol yang memenuhi persamaan (1) untuk nilai eigen
yang sesuai dan disebut dengan vektor eigen. Jadi vektor X mempunyai nilai
tertentu untuk nilai eigen tertentu.
Perhitungan eigenvector
Kita tinjau kembali persamaan dimana A adalah matriks bujur
sangkar dan X adalah vector bukan nol yang memenuhi persamaan tersebut.
Kita tinjau sebuah matriks bujur sangkar orde 2 x 2 berikut:
0 komentar:
Posting Komentar