bab 2 landasan teori 2.1 matriks - unisba
TRANSCRIPT
4
BAB 2
LANDASAN TEORI
Dalam bab ini akan diberikan beberapa materi yang akan diperlukan di dalam
pembahasan, seperti: matriks secara umum; matriks yang dipartisi; matriks
tereduksi dan taktereduksi; matriks primitif; nilai eigen, vektor eigen, dan
diagonalisasi matriks; teorema Perron-Frobenius; serta model populasi Leslie.
2.1 Matriks
Matriks adalah susunan bilangan atau fungsi yang diletakkan atas baris dan
kolom serta diapit oleh dua kurung siku. Bilangan atau fungsi tersebut disebut entri
atau elemen matriks. Lambang matriks dilambangkan dengan huruf besar,
sedangkan entri (elemen) dilambangkan dengan huruf kecil.
Definisi 2.1. Sebuah matriks adalah susunan segi empat siku-siku dari
bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut dinamakan entri
dalam matriks. (Anton, 2004)
Dalam matriks dikenal ukuran matriks yang disebut ordo, yaitu banyak baris
ร banyak kolom (tanda ร bukan menyatakan perkalian, tetapi hanya sebagai tanda
pemisah).
Secara umum sebuah matriks dapat ditulis:
๐ด = [
๐11
๐21
โฎ๐๐1
๐12
๐22
โฎ๐๐2
โฏโฏโฑโฏ
๐1๐
๐2๐
โฎ๐๐๐
] atau
repository.unisba.ac.id
5
penulisan yang lebih singkat ๐ด = [๐๐๐] dengan ๐ = 1, 2,โฆ , ๐ dan ๐ = 1, 2,โฆ , ๐.
Indeks pertama (๐) menyatakan baris ke-๐ dan indeks kedua (๐) menyatakan kolom
ke-๐.
Dua matriks disebut sama, jika ordonya sama dan entri yang seletak bernilai
sama, matriks ๐ด dan ๐ต sama dapat ditulis ๐ด = ๐ต.
Definisi 2.2. Misalkan ๐ adalah suatu himpunan tak kosong dari objek-objek
sebarang, dengan dua operasinya didefinisikan, yaitu penjumlahan dan perkalian
dengan skalar (bilangan). Operasi penjumlahan dapat diartikan sebagai suatu
aturan yang mengasosiasikan setiap pasang objek ๐ฎ dan ๐ฏ pada ๐ dengan suatu
objek ๐ฎ + ๐ฏ, yaitu disebut jumlah dari ๐ฎ dan ๐ฏ. Operasi perkalian skalar, dapat
diartikan sebagai suatu aturan yang mengasosiasikan setiap skalar ๐ dan setiap
objek ๐ฎ pada ๐ dengan suatu objek ๐๐ฎ, yang disebut kelipatan skalar dari ๐ฎ oleh
๐. Jika aksioma-aksioma berikut dipenuhi oleh semua objek ๐ฎ, ๐ฏ, ๐ฐ pada ๐ dan
semua skalar ๐ dan ๐, maka kita menyebut ๐ sebagai ruang vektor dan objek-objek
pada ๐disebut sebagai vektor. (Anton, 2004)
Definisi tersebut terdiri dari 10 aksioma.
(1) Jika ๐ฎ dan ๐ฏ adalah objek-objek pada ๐, maka ๐ฎ + ๐ฏ berada pada ๐.
(2) ๐ฎ + ๐ฏ = ๐ฏ + ๐ฎ
(3) ๐ฎ + (๐ฏ + ๐ฐ) = (๐ฎ + ๐ฏ) + ๐ฐ
(4) Di dalam ๐ terdapat suatu objek ๐, yang disebut vektor nol untuk ๐,
sedemikian rupa sehingga 0 + ๐ฎ = ๐ฎ + 0 = ๐ฎ untuk semua ๐ฎ pada ๐.
repository.unisba.ac.id
6
(5) Untuk setiap ๐ฎ pada ๐, terdapat suatu objek โ ๐ฎ pada ๐, yang disebut
sebagai negatif dari ๐ฎ, sedemikian rupa sehingga ๐ฎ + (โ๐ฎ) =
(โ๐ฎ) + ๐ฎ = ๐
(6) Jika ๐ adalah skalar sebarang dan ๐ฎ adalah objek sebarang pada ๐,
maka ๐๐ฎ terdapat pada ๐.
(7) ๐(๐ฎ + ๐ฏ) = ๐๐ฎ + ๐๐ฏ
(8) (๐ + ๐ผ)๐ฎ = ๐๐ฎ + ๐๐ฎ
(9) ๐(๐๐ฎ) = (๐๐)(๐ฎ)
(10) ๐๐ฎ = ๐ฎ
Skalar dapat berupa bilangan real atau bilangan kompleks, tergantung pada
aplikasinya. Ruang vektor dengan skalar-skalarnya adalah bilangan kompleks
disebut ruang vektor kompleks, dan ruang vektor dengan skalar-skalarnya
merupakan bilangan real disebut ruang vektor real.
Definisi dari suatu ruang vektor tidak menyebutkan sifat dari vektor maupun
operasinya. Objek apa saja dapat menjadi suatu vektor dan operasi penjumlahan
dan perkalian skalar kemungkinan tidak memiliki hubungan atau kemiripan apapun
dengan operasi-operasi vektor standar pada โ๐. Satu-satunya syarat adalah
terpenuhinya kesepuluh aksioma ruang vektor.
Definisi 2.3. Subhimpunan ๐ dari sebuah ruang vektor ๐ dinamakan
subruang ๐ jika ๐ itu sendiri adalah ruang vektor di bawah penambahan dan
perkalian skalar yang didefinisikan pada ๐. (Anton, 2004)
Umumnya, dibuktikan kesepuluh aksioma ruang vektor untuk
memperlihatkan bahwa himpunan ๐ dengan penambahan dan perkalian skalar
repository.unisba.ac.id
7
membentuk sebuah vektor. Akan tetapi, jika ๐ adalah bagian dari himpunan ๐
yang lebih besar, yang dikenal sebagai ruang vektor, aksioma-aksioma tertentu
tidak perlu dibuktikan untuk ๐ karena aksioma-aksioma tersebut diwarisi dari ๐.
Misalnya, tidak perlu untuk memeriksa bahwa ๐ฎ + ๐ฏ = ๐ฏ + ๐ฎ (Aksioma 2) untuk
๐ karena ini berlaku untuk semua vektor pada ๐ dan sebagai konsekuensinya akan
berlaku juga untuk semua vektor pada ๐. Aksioma-aksioma lain yang diwarisi oleh
๐ dan ๐ adalah aksioma 3, 7, 8, 9, dan 10. Jadi, untuk memperlihatkan bahwa
himpunan ๐ adalah subruang dari ruang vektor ๐, hanya perlu dibuktikan Aksioma
1, 4, 5, dan 6.
Definisi 2.4. Jika ๐ = {๐ฏ๐, ๐ฏ๐, โฆ , ๐ฏ๐ง} adalah himpunan vektor, maka
persamaan vektor
๐1๐ฏ๐ + ๐2๐ฏ๐ + โฏ+ ๐๐๐ฏ๐ง = 0
Mempunyai paling sedikit satu pemecahan, yakni
๐1 = 0, ๐2 = 0, โฆ ๐๐ = 0
(Anton, 2004)
Jika ini adalah satu-satunya pemecahan, maka ๐ dinamakan himpunan bebas
linear. Jika ada pemecahan lain, maka ๐ dinamakan himpunan tak-bebas linear.
2.1.1 Matriks yang Dipartisi
Jika ๐ด = [๐๐๐] adalah matriks ๐ ร ๐ dan kemudian mencoret beberapa baris
atau kolom, diperoleh submatriks dari ๐ด.
repository.unisba.ac.id
8
Misalkan:
๐ด = [1
โ23
240
3โ35
453].
Jika menghilangkan baris kedua dan kolom ketiga, diperoleh submatriks
[13 20
4โ3
].
Matriks dapat dibagi menjadi submatriks dengan menggambar garis
horizontal antara baris dan garis vertikal antara kolom. Partisi dapat dilakukan
dalam berbagai cara.
Misalkan:
๐ด =
[ ๐11
๐21
โ โ๐31
๐41
๐12
๐22
โ โ๐32
๐42
๐13
๐23
โ โ๐33
๐43
|||||
๐14
๐24
โ โ๐34
๐44
๐15
๐25
โ โ๐35
๐45 ]
dipartisi menjadi
๐ด = [๐ด11 ๐ด12
๐ด21 ๐ด22].
Dapat ditulis juga menjadi
๐ด =
[ ๐11
๐21
โ โ๐31
๐41
๐12
๐22
โ โ๐32
๐42
|||||
๐13
๐23
โ โ๐33
๐43
๐14
๐24
โ โ๐34
๐44
|||||
๐15
๐25
โ โ๐35
๐45 ]
= [๏ฟฝฬ๏ฟฝ11 ๏ฟฝฬ๏ฟฝ12 ๏ฟฝฬ๏ฟฝ13
๏ฟฝฬ๏ฟฝ21 ๏ฟฝฬ๏ฟฝ22 ๏ฟฝฬ๏ฟฝ23
].
(Kollman dan Hill, 2000)
repository.unisba.ac.id
9
2.1.2 Matriks Tereduksi dan Tak Tereduksi
Definisi 2.5. Matriks ๐ด berukuran ๐ ร ๐ dikatakan tereduksi jika memenuhi:
(a) ๐ = 1 dan ๐ด = 0; atau
(b) ๐ โฅ 2, terdapat matriks permutasi ๐พ โ ๐๐, dan terdapat beberapa
bilangan bulat ๐ dengan 1 โค ๐ โค ๐ โ 1, sehingga
๐พ๐๐ด๐พ = [๐ต ๐ถ0 ๐ท
]
dimana ๐ต โ ๐๐, ๐ท โ ๐๐โ๐, ๐ถ โ ๐๐,๐โ๐, dan 0 โ ๐๐โ๐, r matriks nol.
(Horn dan Johnson, 1985)
Suatu matriks dikatakan tak tereduksi jika matriks tersebut tidak tereduksi.
Teorema 2.1. Misalkan matriks ๐ด berukuran ๐ ๐ฅ ๐ dan ๐ด โฅ 0. Maka ๐ด
taktereduksi jika dan hanya jika (๐ผ + ๐ด)๐โ1 > 0.
Bukti Teorema (2.1) dapat dilihat di (Horn dan Johnson, 1985)
2.2 Nilai Eigen dan Vektor Eigen
Nilai Eigen (๐) adalah nilai karakteristik dari suatu matriks berukuran ๐ ร
๐.
Definisi 2.6. Jika ๐ด adalah sebuah matriks ๐ ร ๐, maka sebuah vektor taknol
๐ฑ pada โ๐ disebut vektor eigen dari ๐ด jika ๐ด๐ adalah sebuah kelipatan skalar dari
๐ฑ; jelasnya,
๐ด๐ฑ = ๐๐ฑ
repository.unisba.ac.id
10
Untuk skalar sebarang ๐. Skalar ๐ disebut nilai eigen dari ๐ด, dan ๐ฑ disebut sebagai
vektor eigen dari ๐ด yang terkait dengan ๐. (Anton, 2004)
Nilai eigen dan vektor eigen mempunyai tafsiran geometrik yang bermanfaat
dalam โ2dan โ3. Jika ๐ adalah nilai eigen dari ๐ด yang bersesuaian dengan ๐ฑ, maka
๐ด๐ฑ = ๐๐ฑ, sehingga perkalian oleh ๐ด akan memperbesar ๐ฑ, atau membalik arah ๐ฑ
yang bergantung pada nilai ๐ (Gambar 1).
(a) Dilatasi (Pembesaran) ๐ > 1. (b) Kontraksi 0 < ๐ < 1.
(c) Pembalikan arah ๐ < 0.
Untuk mencari nilai eigen matriks ๐ด yang berukuran ๐ x ๐ maka dapat
dituliskan kembali ๐ด๐ฑ = ๐๐ฑ sebagai
๐ด๐ฑ = ๐๐ฑ
๐๐ฑ โ ๐ด๐ฑ = ๐
atau secara ekivalen
(๐๐ผ โ ๐ด)๐ฑ = ๐ (2.2.1)
Agar ๐ menjadi nilai eigen, maka harus ada pemecahan taknol dari persamaan ini.
Persamaan (2.2.1) akan mempunyai pemecahan taknol jika dan hanya jika
det(๐๐ผ โ ๐ด) = 0 (2.2.2)
repository.unisba.ac.id
11
Persamaan (2.2.2) dinamakan persamaan karakteristik ๐ด karena skalar nilai ๐ yang
memenuhi persamaan ini adalah nilai eigen dari ๐ด. Bila diperluas maka determinan
det (๐๐ผ โ ๐ด) adalah polinom ๐ yang kita namakan polinom karakteristik dari ๐ด.
Jika ๐ด adalah matriks ๐ ร ๐, maka polinom karakteristik ๐ด = 0 dan
koefisien ๐๐ adalah 1. Jadi, polinom karakteristik dari matriks ๐ x ๐ mempunyai
bentuk
det (๐๐ผ โ ๐ด) = ๐๐ + ๐1๐๐โ1 + โฏ + ๐๐.
Untuk mencari vektor eigen ๐ด yang bersesuaian dengan nilai eigen ๐ adalah
vektor taknol ๐ฑ yang memenuhi ๐ด๐ฑ = ๐๐ฑ. Secara ekivalen, vektor eigen yang
bersesuaian dengan ๐ adalah vektor taknol dalam ruang pemecahan dari
(๐๐ผ โ ๐ด)๐ฑ = ๐. Ruang pemecahan ini dinamakan sebagai ruang eigen dari ๐ด yang
bersesuaian dengan ๐.
Definisi 2.7 (Nilai Eigen Dominan). Sebuah nilai eigen dari sebuah matriks
๐ด dinamakan nilai eigen dominan ๐ด jika nilai mutlaknya lebih besar dari nilai-
nilai mutlak dari nilai-nilai eigen yang lainnya. (Anton, 2004)
Jika matriks ๐ด berukuran ๐ ร ๐ yang mempunyai nilai-nilai eigen yang
berbeda didefinisikan nilai modulusnya dan dipilih yang terbesar, maka nilai eigen
modulus yang terbesar disebut sebagai radius spektral dari ๐ด dan dinotasikan
dengan ๐(๐ด). Atau ditulis
๐(๐ด) =๐๐๐ฅ
๐๐๐(๐ด){|๐|}
Definisi 2.8 (Matriks Primitif). Matriks ๐ด taknegatif berukuran ๐ ร ๐
dikatakan primitif jika matriks tersebut taktereduksi dan hanya mempunyai satu
nilai eigen modulus maksimum. (Horn dan Johnson, 1985)
repository.unisba.ac.id
12
Teorema 2.2. Jika matriks ๐ด berukuran ๐ ร ๐ adalah taknegatif, maka
matriks ๐ด adalah primitif jika dan hanya jika ๐ด๐2โ2๐+2 > 0.
Bukti Teorema (2.3) dapat dilihat di (Horn dan Johnson, 1985)
2.3 Diagonalisasi Matriks
Diagonalisasi matriks adalah mengenai penentuan matriks yang dapat dibalik
sedemikian sehingga dapat membentuk matriks pendiagonal.
Definisi 2.9. Sebuah matriks persegi ๐ด dikatakan dapat didiagonalisasi jika
terdapat sebuah matriks ๐ yang dapat dibalik sedemikian rupa sehingga ๐โ1๐ด๐
adalah sebuah matriks diagonal maka matriks ๐ dikatakan mendiagonalisasi ๐ด.
(Anton, 2004)
Teorema 2.3. Jika A adalah sebuah matriks ๐ ร ๐ mempunyai ๐ nilai eigen
yang berbeda, maka kedua pernyataan berikut ini adalah ekuivalen.
(a) ๐ด dapat didiagonalisasi.
(b) ๐ด memiliki ๐ vektor eigen yang bebas linier.
Bukti (๐) โ (๐). Karena ๐ด diasumsikan dapat didiagonalisasi, maka terdapat
sebuah matriks yang dapat dibalik
๐ = [
๐11
๐21
โฎ๐๐1
๐12
๐22
โฎ๐๐2
โฏโฏโฑโฏ
๐1๐
๐2๐
โฎ๐๐๐
]
Sedemikian rupa sehingga ๐โ1๐ด๐ adalah diagonal, katakanlah ๐โ1๐ด๐ = ๐ท,
dengan
repository.unisba.ac.id
13
๐ท = [
๐1
0โฎ0
0๐2
โฎ0
โฏโฏโฑโฏ
00โฎ
๐๐
]
Berdasarkan rumus ๐โ1๐ด๐ = ๐ท
maka
๐๐โ1๐ด๐ = ๐๐ท
๐ด๐ = ๐๐ท
sehingga.
๐ด๐ = [
๐11
๐21
โฎ๐๐1
๐12
๐22
โฎ๐๐2
โฏโฏโฑโฏ
๐1๐
๐2๐
โฎ๐๐๐
] [
๐1
0โฎ0
0๐2
โฎ0
โฏโฏโฑโฏ
00โฎ
๐๐
]
= [
๐1๐11
๐1๐21
โฎ๐1๐๐1
๐2๐12
๐2๐22
โฎ๐2๐๐2
โฏโฏโฑโฏ
๐๐๐1๐
๐๐๐2๐
โฎ๐๐๐๐๐
] (2.2.3)
Misalkan bahwa ๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง dinotasikan sebagai vektor-vektor kolom dari
matriks ๐, maka dari persamaan (2.2.3) urutan kolom-kolom ๐ด๐ adalah
๐1๐ฉ๐, ๐2๐ฉ๐, โฆ , ๐๐๐ฉ๐ง. Akan tetapi, dengan melakukan perkalian matriks dengan
kolom dan dengan baris maka urutan kolom-kolom ๐ด๐ adalah ๐ด๐ฉ๐, ๐ด๐ฉ๐, โฆ , ๐ด๐ฉ๐ง
sehingga dapat diperoleh
๐ด๐ฉ๐ = ๐1๐ฉ๐, ๐ด๐ฉ๐ = ๐2๐ฉ๐, โฆ , ๐ด๐ฉ๐ง = ๐๐๐ฉ๐ง (2.2.4)
Karena ๐ dapat dibalik, vektor-vektor kolomnya semua taknol sehingga
berdasarkan persamaan (2.2.4), ๐1, ๐2, โฆ , ๐๐ adalah nilai-nilai eigen dari ๐ด, dan
๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง adalah vektor-vektor eigen yang bersesuaian dengan ๐1, ๐2, โฆ , ๐๐.
Karena ๐ dapat dibalik, maka ๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง bebas linear. Dengan demikian, ๐ด
memiliki ๐ vektor eigen yang bebas linear.
repository.unisba.ac.id
14
(๐) โ (๐). Asumsikan bahwa ๐ด memiliki ๐ vektor eigen ๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง yang bebas
linear, dengan nilai-nilai eigen ๐1, ๐2, โฆ , ๐๐ yang terkait, dan misalkan
๐ = [
๐11
๐21
โฎ๐๐1
๐12
๐22
โฎ ๐๐2
โฏโฏโฑโฏ
๐1๐
๐2๐
โฎ ๐๐๐
]
adalah sebuah matriks yang vektor-vektor kolomnya ๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง. Vektor-vektor
kolom dari matriks hasilkali ๐ด๐ adalah
๐ด๐ฉ๐, ๐ด๐ฉ๐, โฆ , ๐ด๐ฉ๐ง
Namun
๐ด๐ฉ๐ = ๐1๐ฉ๐, ๐ด๐ฉ๐ = ๐2๐ฉ๐, โฆ ๐ด๐ฉ๐ง = ๐2๐ฉ๐ง
Sehingga
๐ด๐ = [
๐1๐11
๐1๐21
โฎ๐1๐๐1
๐2๐12
๐2๐22
โฎ๐2๐๐2
โฏโฏโฑโฏ
๐๐๐1๐
๐๐๐2๐
โฎ๐๐๐๐๐
]
= [
๐11
๐21
โฎ๐๐1
๐12
๐22
โฎ๐๐2
โฏโฏโฑโฏ
๐1๐
๐2๐
โฎ๐๐๐
] [
๐1
0โฎ0
0๐2
โฎ0
โฏโฏโฑโฏ
00โฎ๐๐
] = ๐๐ท (2.2.5)
๐ท adalah matriks diagonal yang memiliki nilai-nilai eigen ๐1, ๐2, โฆ , ๐๐ sebagai
entri-entri diagonal utamanya. Karena vektor-vektor kolom matriks ๐ bebas linear,
๐ dapat dibalik sehingga, persamaan (2.2.5) dapat ditulis kembali sebagai ๐โ1๐ด๐ =
๐ท. Jadi, ๐ด dapat didiagonalisasi.โ
Berdasarkan bukti tersebut maka didapatkan prosedur untuk mendiagonalisasi
matriks ๐ด yang berukuran ๐ ร ๐ dapat didiagonalisasi.
Langkah 1. Carilah vektor-vektor eigen dari ๐ด yang bebas linier sebanyak ๐, yaitu
๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง.
repository.unisba.ac.id
15
Langkah 2. Bentuklah matriks ๐ yang mempunyai ๐ฉ๐, ๐ฉ๐, โฆ , ๐ฉ๐ง sebagai vektor-
vektor kolomnya.
Langkah 3. Matriks ๐โ1๐ด๐ akan diagonal dengan ๐1, ๐2, โฆ , ๐๐ sebagai entri-entri
diagonalnya yang berurutan, dengan ๐๐ adalah nilai eigen yang bersesuaian dengan
๐ฉ๐ข, ๐ = 1,2,โฆ , ๐.
2.4 Teorema Perron-Frobenius
Teori Perron Frobenius, yaitu teori hasil kontribusi dari seorang
matematikawan asal German, Oskar Perron dan Ferdinand Georg Frobenius. Teori
ini pada dasarnya membahas sifat-sifat dari matriks positif dan negatif berdasarkan
sifat spektralnya.
Akibat 2.1. Misalkan matriks ๐ด berukuran ๐ ร ๐ dan โ ๐๐๐ > 0๐๐=1 untuk
semua ๐ = 1, 2,โฆ , ๐ maka ๐(๐ด)>0. Khususnya, ๐(๐ด) > 0 jika ๐ด > 0 atau jika ๐ด
taktereduksi dan nonnegatif.
Teorema 2.4. Misalkan matriks ๐ด dan ๐ต berukuran ๐ ร ๐. Jika |๐ด| โค |๐ต|,
maka ๐(|๐ด|) โค ๐(๐ต).
Bukti. Untuk setiap ๐ = 1, 2,โฆ didapatkan |๐ด๐| โค |๐ด|๐ โค ๐ต๐ dengan |๐ด๐| โค
|๐ด|๐ dan jika 0 โค ๐ด โค ๐ต, maka 0 โค ๐ด๐ โค ๐ต๐. Demikian jika |๐ด| โค |๐ต|, maka
โ๐ดโ2 โค โ๐ตโ2 dan โ๐ดโ2 = โ|๐ด|โ2 didaptkan
โ๐ด๐โ2 โค โ|๐ด|๐โ2 โค โ๐ต๐โ2 dan โ๐ด๐โ21/๐
โค โ|๐ด|๐โ21/๐
โค โ๐ต๐โ21/๐
untuk setiap ๐ = 1, 2,โฆ . Jika dimisalkan ๐ โ โ dapat disimpulkan bahwa
๐(๐ด) โค ๐(|๐ด|) โค ๐(๐ต). โ
repository.unisba.ac.id
16
Teorema 2.5. Jika matriks ๐ด berukuran ๐ ร ๐ dan ๐ด โฅ 0, maka ๐(๐ด) adalah
nilai-nilai eigen dari ๐ด dan terdapat vektor nonegatif ๐ฅ โฅ 0, ๐ฅ โ 0, sehingga ๐ด๐ฑ =
๐(๐ด)๐ฑ.
Bukti. Untuk setiap ๐ > 0, menjelaskan ๐ด(๐) โก [๐๐๐ + ๐] > 0. Dinotasikan
dengan ๐ฅ(๐) vektor dari ๐ด(๐). Jadi ๐ฅ(๐) > 0 dan โ ๐ฅ(๐)๐ = 1๐๐=1 . Karena aturan
dari vektor {๐ฅ(๐): ๐ > 0} yang terkandung dalam aturan yang telah ditentukan
๐ฅ: ๐ฅ โ ๐ถ๐, โ๐ฅโ1 โค 1}, terdapat rangkaian monoton turun ๐1, ๐2, โฆ dengan lim๐โโ
๐๐ =
0 sedemikian sehingga lim๐โโ
๐ฅ(๐๐) โก ๐ฅ ada. Karena ๐ฅ(๐๐) > 0 untuk semua ๐ =
1, 2,โฆ, bahwa ๐ฅ = lim๐โโ
๐ฅ(๐๐) โฅ 0; ๐ฅ = 0 tidak mungkin karena
โ๐ฅ1
๐
๐=1
= lim๐โโ
โ๐ฅ
๐
๐=1
(๐๐)๐ โก 1
Dari Teorema (2.4), ๐(๐ด(๐๐)) โฅ ๐(๐ด(๐๐+1)) โฅ โฏ โฅ ๐(๐ด) untuk ๐ = 1, 2, โฆ, jadi
urutan bilangan real { ๐(๐ด(๐๐))}๐=1,2,โฆ adalah monoton turun. Demikian, ๐ โก
lim๐โโ
๐(๐ด(๐๐)) ada dan ๐ โฅ ๐(๐ด). Tetapi kenyataannya bahwa
๐ด๐ฅ = lim๐โโ
๐ด(๐๐) ๐ฅ(๐๐) = lim๐โโ
(๐ด(๐๐))๐ฅ(๐๐)
= lim๐โโ
๐(๐ด(๐๐)) lim๐โโ
๐ฅ(๐๐) = ๐๐ฅ
dan faktanya bahwa ๐ฅ โ 0, dapat disimpulkan bahwa ๐ adalah nilai eigen dari ๐ด.
Tetapi ๐ โค ๐(๐ด), jadi ๐ = ๐(๐ด). โ
Lemma 2.1. Misalkan matriks ๐ด berukuran ๐ ร ๐ dan misalkan ๐1, ๐2, โฆ , ๐๐
nilai eigen dari ๐ด. Kemudian ๐1 + 1, ๐2 + 1,โฆ , ๐๐ + 1 adalah nilai eigen dari ๐ผ +
๐ด dan ๐(๐ผ + ๐ด) โค 1 + ๐(๐ด). Jika ๐ด > 0, maka ๐(๐ผ + ๐ด) = 1 + ๐(๐ด).
repository.unisba.ac.id
17
Bukti. Jika ๐ โ ๐(๐ด) adalah sebarang ๐, maka ๐ adalah akar karakteristik ๐๐ด(๐ก) =
det(๐ก๐ผ โ ๐ด) = 0 dari sebarang ๐. Tetapi ๐ + 1 adalah akar dari ๐๐ด+1(๐ ) =
det[๐ ๐ผ โ (๐ด + ๐ผ)] = 0 dari sebarang ๐ karena det(๐ก๐ผ โ ๐ด) = det[(๐ก + 1)๐ผ โ
(๐ด + ๐ผ)]. Jadi ๐1 + 1, ๐2 + 1,โฆ , ๐๐ + 1 adalah nilai eigen dari ๐ด + ๐ผ. Oleh karena
itu, ๐(๐ผ + ๐ด) = max1โค๐โค๐
|๐๐ + 1| โค max1โค๐โค๐
|๐๐| + 1 = 1 + ๐(๐ด). Dari Teorema 2.3, 1 +
๐(๐ด) adalah nilai eigen dari ๐ผ + ๐ด dimana ๐ด โฅ 0, jadi dalam kasus ini ๐(๐ผ + ๐ด) =
1 + ๐(๐ด). โ
Lemma 2.2. Jika matriks ๐ด berukuran ๐ ร ๐, dimana ๐ด โฅ 0 dan ๐ด๐ > 0
untuk setiap ๐ โฅ 1 maka ๐(๐ด) adalah persamaan aljabar nilai eigen sederhana
dari ๐ด.
Bukti. Jika ๐1, ๐2, โฆ , ๐๐ adalah nilai eigen dari ๐ด, maka ๐1๐, ๐2
๐ , โฆ , ๐๐๐ adalah
nilai eigen dari ๐ด๐. Menurut Teorema (2.5) diketahui bahwa ๐(๐ด) adalah nilai eigen
dari ๐ด, jadi jika ๐(๐ด) adalah perkalian nilai eigen dari ๐ด, maka ๐(๐ด)๐ = ๐(๐ด๐)
akan menjadi perkalian nilai eigen dari ๐ด๐. Tetapi ini tidak mungkin karena ๐(๐ด๐)
nilai eigen dari ๐ด๐. โ
Teorema 2.6 (Perron-Frobenius). Misalkan matriks ๐ด berukuran ๐ ร ๐ dan
jika ๐ด taktereduksi dan nonnegatif, maka
(a) ๐(๐ด) > 0;
(b) ๐(๐ด) adalah nilai eigen dari ๐ด;
(c) terdapat vektor positif ๐ฑ sehingga ๐ด๐ฑ = ๐(๐ด)๐ฑ; dan
(d) ๐(๐ด) adalah nilai eigen dari ๐ด yang multiplisitas dan aljabar geometrinya 1.
(e) |๐๐| < ๐(๐ด) dimana ๐๐ adalah nilai-nilai eigen dari matriks Leslie yang lain.
repository.unisba.ac.id
18
Bukti. Akibat (2.1) menunjukkan bahwa (a) mengikuti kondisi yang lebih kecil dari
taktereduksi. Pernyataan (b) untuk semua matriks nonnegatif ๐ด dari Teorema (2.5),
yang mana juga dijamin bahwa terdapat vektor nonnegatif ๐ฅ โ 0 sehingga ๐ด๐ฑ =
๐(๐ด)๐ฑ. Tetapi kemudian (๐ผ + ๐ด)๐โ1๐ฅ = [๐ผ + ๐(๐ด)]๐โ1๐ฅ, dan karena matriks
(๐ผ + ๐ด)๐โ1 positif berdasarkanTeorema (2.1) dapat dilihat bahwa vektor
(๐ผ + ๐ด)๐โ1๐ฅ harus positif.
Demikian, ๐ฅ = [1 + ๐(๐ด)]1โ๐(๐ผ + ๐ด)๐โ1๐ฅ > 0. Untuk membuktikan (d) dapat
dilihat dari Lemma (2.1) untuk menunjukkan bahwa jika ๐(๐ด) adalah nilai eigen
dari ๐ด, kemudian 1 + ๐(๐ด) = ๐(๐ผ + ๐ด) adalah perkalian nilai eigen dari ๐ผ + ๐ด.
Tetapi ๐ผ + ๐ด โฅ 0 dan (๐ผ + ๐ด)๐โ1 > 0 dari Teorema (2.1), jadi 1 + ๐(๐ด) nilai eigen
sederhana dari ๐ผ + ๐ด mengikuti Lemma (2.2). โ
Pada matriks primitif, teorema Perron Frobenius berlaku karena matriks
primitif tersebut merupakan matriks taktereduksi dan taknegatif. Namun, matriks
primitif memiliki satu sifat tambahan yaitu, radius spektralnya (๐(๐ด)) juga
merupakan nilai eigen dominan. (Horn dan Johnson, 1985)
2.5 Model Populasi Leslie
Salah satu model pertumbuhan populasi yang digunakan adalah model Leslie.
Model ini menggunakan suatu matriks yang disebut matriks Leslie. Populasi yang
digunakan pada perhitungan dengan matriks Leslie adalah populasi betina dari
populasi yang diamati. Matriks Leslie ini menggambarkan proyeksi suatu populasi
repository.unisba.ac.id
19
yang dibangun dari hasil pengamatan tingkat kesuburan betina dan tingkat ketahan
hidup dari suatu jenis populasi pada daerah tertentu.
Dalam matriks Leslie ini faktor perubahan jumlah suatu populasi yang
digunakan adalah faktor internal dari populasi, yaitu kelahiran, kematian, dan
ketahanan hidup. Matriks Leslie memiliki bentuk yang unik yaitu matriks Leslie
berbentuk matriks persegi dengan entri baris pertama dari matriks Leslie terdiri dari
tingkat kesuburan betina, sub diagonalnya berisi tingkat ketahanan hidup betina dan
entri yang lain bernilai nol.
Misalkan umur maksimum hidup dari betina pada suatu populasi adalah ๐
tahun, dan populasi dibagi menjadi ๐ kelas umur, maka masing-masing kelas umur
memiliki rentang umur ๐/๐ tahun. (Pratama, 2013)
Seperti yang terlihat pada Tabel 1. Menunjukkan penentuan kelas umur dalam
model populasi Leslie.
Tabel 1. Penentuan Kelas Umur
Kelas umur Rentang umur
1 0 โค ๐ก <๐
๐
2 ๐
๐โค ๐ก <
2๐
๐
3 2๐
๐โค ๐ก <
3๐
๐
โฎ โฎ
๐ โ 1 (๐ โ 2)๐
๐โค ๐ก <
(๐ โ 1)๐
๐
๐ (๐ โ 1)๐
๐โค ๐ก < ๐
repository.unisba.ac.id
20
Misalkan diketahui jumlah populasi betina pada masing-masing dari ๐ kelas tersebut
pada saat ๐ก = 0, dan ๐๐(0) adalah jumlah betina di kelas umur ke-๐, maka jumlah
keseluruhan populasi betina adalah
๐(0) = ๐1(0) + ๐2(0) + ๐3(0) + โฏ+ ๐๐(0).
Dengan ๐ bilangan-bilangan ini dapat dibentuk sebuah vektor kolom
๐(0) =
[ ๐1(0)๐2(0)๐3(0)
โฎ๐๐(0)]
Vektor ๐(0) dinamakan vektor distribusi umur awal.
Prediksi jumlah populasi tahun berikutnya dipengaruhi oleh batas hidup dari
suatu betina, tingkat kesuburan betina, dan tingkat ketahanan hidup betina.
Dimisalkan ๐๐ sebagai tingkat kesuburan betina yaitu rata-rata jumlah anak betina
yang lahir dari tiap betina yang ada dalam kelas umur ke-๐ saat waktu ke-๐ก.
Dimisalkan ๐๐ sebagai tingkat ketahanan hidup betina yaitu peluang betina yang
dapat bertahan hidup dari kelas umur ke ๐ sampai ๐ + 1 saat waktu ke ๐ก.
๐๐ โฅ 0, untuk ๐ = 1,2,โฆ , ๐
0 < ๐๐ โค 1, untuk ๐ = 1,2, โฆ , ๐ โ 1
Berdasarkan batasan-batasan diatas maka paling sedikit satu kelas umur dari
๐๐ > 0, karena jika ๐๐ = 0 untuk setiap ๐, maka pada kelas tersebut tidak ada
kelahiran yang terjadi. Kelas umur yang memiliki nilai ๐๐ > 0, disebut kelas usia
subur. Kemudian untuk ๐๐ menunjukkan peluang betina yang bertahan hidup pada
kelas umur berikutnya, sehingga untuk ๐๐ = 1 untuk setiap ๐, maka tidak ada
kematian yang terjadi pada kelas tersebut.
repository.unisba.ac.id
21
Berikutnya untuk waktu ๐ก = 1 dan ๐๐(๐ก = 1) adalah jumlah betina di kelas
umur ke-๐, maka jumlah keseluruhan populasi betina pada waktu ๐ก = 1 adalah
๐(1) = ๐1(1) + ๐2(1) + ๐3(1) + โฏ + ๐๐(1).
Vektor distribusi umur ๐ saat waktu ๐ก = 1 dapat ditulis
๐(1) =
[ ๐1(1)๐2(1)
๐3(1)โฎ
๐๐(1)]
Jumlah betina pada kelas umur ke-1 adalah banyaknya betina yang lahir
antara waktu ๐ก = 0 dan ๐ก = 1 sehingga populasi pada kelas umur ke-1 adalah
๐1(1) = ๐1๐1(๐ก) + ๐2๐2(๐ก) + โฏ + ๐๐๐๐(๐ก).
Populasi betina pada kelas umur ke-๐ + 1 saat ๐ก = 1 adalah jumlah betina yang
berada pada kelas umur ke-๐ pada saat ๐ก yang dapat bertahan hidup saat ๐ก = 1
dengan kata lain ๐๐+1(1) = ๐๐๐๐(0). Jadi dapat dituliskan dalam bentuk matriks
sebagai berikut,
[ ๐1(1)๐2(1)๐3(1)
โฎ๐๐(1)]
=
[ ๐1
๐1
0โฎ0
๐2
0๐2
โฎ0
โฏโฏโฑโฑ0
๐๐โ1
00โฎ
๐๐โ1
๐๐
00โฎ0
]
[ ๐1(0)๐2(0)๐3(0)
โฎ๐๐(0)]
Jadi, model pertumbuhan populasi dapat dituliskan sebagai berikut:
๐(1) = ๐ฟ๐(0) (2.2.7)
repository.unisba.ac.id
22
dengan
๐ฟ =
[ ๐1
๐1
0โฎ0
๐2
0๐2
โฎ0
โฏโฏโฑโฑ0
๐๐โ1
00โฎ
๐๐โ1
๐๐
00โฎ0
]
Matriks ๐ฟ yang demikian dinamakan Matriks Leslie.
Model pertumbuhan populasi pada Persamaan (2.2.7) digunakan untuk
memprediksi jumlah populasi 1 tahun berikutnya. Untuk mengetahui prediksi
jumlah pertumbuhan populasi hingga ๐ก tahun berikutnya dilakukan beberapa
pengembangan.
Dari Persamaan (2.2.7) diperoleh
๐(1) = ๐ฟ๐(0)
๐(2) = ๐ฟ๐(1) = ๐ฟ๐ฟ๐(0) = ๐ฟ2๐(0)
๐(3) = ๐ฟ๐(2) = ๐ฟ๐ฟ2๐(0) = ๐ฟ3๐(0)
โฎ
๐(๐ก) = ๐ฟ๐(๐ก โ 1) = ๐ฟ๐ฟ๐กโ1๐(0) = ๐ฟ๐ก๐(0)
Sehingga untuk ๐ก tahun berikutnya, model pertumbuhan populasi menjadi
๐(๐ก) = ๐ฟ๐ก๐(0) (2.2.8)
repository.unisba.ac.id