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: ๐11 ๐12 ๐21 ๐22 ๐ด=[ โฎ โฎ ๐๐1 ๐๐2
โฏ ๐1๐ โฏ ๐2๐ โฑ โฎ ] atau โฏ ๐๐๐
4
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 ๐1 ๐ฏ๐ + ๐2 ๐ฏ๐ + โฏ + ๐๐ ๐ฏ๐ง = 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: 1 2 3 4 ๐ด = [โ2 4 โ3 5]. 3 0 5 3 Jika menghilangkan baris kedua dan kolom ketiga, diperoleh submatriks [
1 2 4 ]. 3 0 โ3
Matriks dapat dibagi menjadi submatriks dengan menggambar garis horizontal antara baris dan garis vertikal antara kolom. Partisi dapat dilakukan dalam berbagai cara. Misalkan: ๐11 ๐12 ๐13 | ๐14 ๐15 ๐21 ๐22 ๐23 | ๐24 ๐25 โ โ โ โ โ โ |โ โ โ โ ๐ด= ๐31 ๐32 ๐33 | ๐34 ๐35 [ ๐41 ๐42 ๐43 | ๐44 ๐45 ] dipartisi menjadi ๐ด=[
๐ด11 ๐ด21
๐ด12 ]. ๐ด22
Dapat ditulis juga menjadi ๐11 ๐12 | ๐13 ๐14 | ๐15 ๐21 ๐22 | ๐23 ๐24 | ๐25 ๐ดฬ ๐ด = โ โโ โ|โ โโ โ|โ โ = [ 11 ๐ดฬ21 ๐31 ๐32 | ๐33 ๐34 | ๐35 [ ๐41 ๐42 | ๐43 ๐44 | ๐45 ]
๐ดฬ12 ๐ดฬ22
๐ดฬ13 ]. ๐ดฬ23
(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 ๐พ ๐ ๐ด๐พ = [
๐ต 0
๐ถ ] 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 โ2 dan 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 + ๐1 ๐๐โ1 + 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 nilainilai 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 {|๐|} ๐๐๐(๐ด)
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 ๐ด๐
2 โ2๐+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 ๐โ1 ๐ด๐ 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 ๐11 ๐12 โฏ ๐1๐ ๐21 ๐22 โฏ ๐2๐ ๐=[ โฎ โฎ โฑ โฎ ] ๐๐1 ๐๐2 โฏ ๐๐๐ Sedemikian rupa sehingga ๐โ1 ๐ด๐ adalah diagonal, katakanlah ๐โ1 ๐ด๐ = ๐ท, dengan
repository.unisba.ac.id
13
๐1 0 โฏ 0 ๐ โฏ 0 ๐ท = [ 0โฎ 2 โฑ โฎ ] โฎ 0 0 โฏ ๐๐ Berdasarkan rumus ๐ โ1 ๐ด๐ = ๐ท maka ๐๐โ1 ๐ด๐ = ๐๐ท ๐ด๐ = ๐๐ท sehingga. ๐11 ๐12 โฏ ๐1๐ ๐1 0 โฏ 0 ๐21 ๐22 โฏ ๐2๐ 0 ๐2 โฏ 0 ] ๐ด๐ = [ โฎ โฎ โฑ โฎ ] [ โฎ โฎ โฑ โฎ ๐๐1 ๐๐2 โฏ ๐๐๐ 0 0 โฏ ๐๐ ๐1 ๐11 ๐2 ๐12 โฏ ๐๐ ๐1๐ ๐ ๐ ๐ ๐ โฏ๐ ๐ = [ 1 โฎ 21 2 โฎ 22 โฑ ๐ โฎ 2๐ ] ๐1 ๐๐1 ๐2 ๐๐2 โฏ ๐๐ ๐๐๐
(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 ๐1 ๐ฉ๐ , ๐2 ๐ฉ๐ , โฆ , ๐๐ ๐ฉ๐ง . 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 = ๐1 ๐ฉ๐ ,
๐ด๐ฉ๐ = ๐2 ๐ฉ๐ , โฆ ,
๐ด๐ฉ๐ง = ๐๐ ๐ฉ๐ง
(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 ๐11 ๐21 ๐=[ โฎ ๐๐1
๐12 โฏ ๐22 โฏ โฎ โฑ ๐๐2 โฏ
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 = ๐1 ๐ฉ๐ ,
๐ด๐ฉ๐ = ๐2 ๐ฉ๐ , โฆ
๐ด๐ฉ๐ง = ๐2 ๐ฉ๐ง
Sehingga ๐1 ๐11 ๐2 ๐12 โฏ ๐๐ ๐1๐ ๐ ๐ ๐ ๐ โฏ๐ ๐ ๐ด๐ = [ 1 โฎ 21 2 โฎ 22 โฑ ๐ โฎ 2๐ ] ๐1 ๐๐1 ๐2 ๐๐2 โฏ ๐๐ ๐๐๐ ๐11 ๐12 โฏ ๐1๐ ๐1 0 โฏ 0 ๐21 ๐22 โฏ ๐2๐ ๐ โฏ 0 = [ โฎ โฎ โฑ โฎ ] [ 0โฎ 2 โฑ โฎ ] = ๐๐ท โฎ ๐๐1 ๐๐2 โฏ ๐๐๐ 0 0 โฏ ๐๐
(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 ๐ โ1 ๐ด๐ = 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 ๐ฉ ๐ , ๐ฉ๐ , โฆ , ๐ฉ๐ง .
repository.unisba.ac.id
15
Langkah 2. Bentuklah matriks ๐ yang mempunyai ๐ฉ๐ , ๐ฉ๐ , โฆ , ๐ฉ๐ง sebagai vektorvektor kolomnya. Langkah 3. Matriks ๐โ1 ๐ด๐ 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 โ๐๐=1 ๐๐๐ > 0 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 โ๐ด๐ โ2 โค โ|๐ด|๐ โ2 โค โ๐ต๐ โ2
dan
1/๐ 1/๐ โ๐ด๐ โ1/๐ โค โ|๐ด|๐ โ2 โค โ๐ต๐ โ2 2
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 โ๐๐=1 ๐ฅ(๐)๐ = 1. Karena aturan dari vektor {๐ฅ (๐ ): ๐ > 0} yang terkandung dalam aturan yang telah ditentukan ๐ฅ: ๐ฅ โ ๐ถ ๐ , โ๐ฅ โ1 โค 1}, terdapat rangkaian monoton turun ๐1 , ๐2 , โฆ dengan lim ๐๐ = ๐โโ
0 sedemikian sehingga lim ๐ฅ(๐๐ ) โก ๐ฅ ada. Karena ๐ฅ (๐๐ ) > 0 untuk semua ๐ = ๐โโ
1, 2, โฆ, bahwa ๐ฅ = lim ๐ฅ(๐๐ ) โฅ 0; ๐ฅ = 0 tidak mungkin karena ๐โโ
๐
๐
โ ๐ฅ1 = lim โ ๐ฅ (๐๐ )๐ โก 1 ๐=1
๐โโ
๐=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 lim ๐(๐ด(๐๐ )) ada dan ๐ โฅ ๐(๐ด). Tetapi kenyataannya bahwa
๐โโ
๐ด๐ฅ = lim ๐ด(๐๐ ) ๐ฅ (๐๐ ) = lim (๐ด(๐๐ ))๐ฅ (๐๐ ) ๐โโ
๐โโ
= lim ๐(๐ด(๐๐ )) lim ๐ฅ(๐๐ ) = ๐๐ฅ ๐โโ
๐โโ
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) = max |๐๐ + 1| โค max |๐๐ | + 1 = 1 + ๐(๐ด). Dari Teorema 2.3, 1 + 1โค๐โค๐
1โค๐โค๐
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 ๐1 ๐ , ๐2 ๐ , โฆ , ๐๐ ๐ 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)๐โ1 ๐ฅ = [๐ผ + ๐(๐ด)]๐โ1 ๐ฅ, dan karena matriks (๐ผ + ๐ด)๐โ1 positif berdasarkanTeorema (2.1) dapat dilihat bahwa vektor (๐ผ + ๐ด)๐โ1 ๐ฅ harus positif. Demikian, ๐ฅ = [1 + ๐(๐ด)]1โ๐ (๐ผ + ๐ด)๐โ1 ๐ฅ > 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
0โค๐ก<
๐ ๐
2
๐ 2๐ โค๐ก< ๐ ๐
3
2๐ 3๐ โค๐ก< ๐ ๐
โฎ
โฎ
๐โ1
(๐ โ 2)๐ (๐ โ 1)๐ โค๐ก< ๐ ๐
๐
(๐ โ 1)๐ โค๐ก<๐ 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 ๐1 (0) ๐2 (0) ๐(0) = ๐3 (0) โฎ [ ๐๐ (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 ๐1 (1) ๐2 (1) ๐(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) = ๐1 ๐1 (๐ก) + ๐2 ๐2 (๐ก) + โฏ + ๐๐ ๐๐ (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) = ๐๐ ๐๐ (0). Jadi dapat dituliskan dalam bentuk matriks sebagai berikut, ๐1 ๐2 โฏ ๐๐โ1 ๐๐ ๐1 (0) ๐1 (1) ๐1 0 โฏ 0 0 ๐2 (0) ๐2 (1) ๐3 (1) = 0 ๐2 โฑ 0 0 ๐3 (0) โฎ โฎ โฑ โฎ โฎ โฎ โฎ 0 ๐๐โ1 0 [ ๐๐ (1)] [ 0 0 [ ๐ (0)] ] ๐ Jadi, model pertumbuhan populasi dapat dituliskan sebagai berikut: ๐(1) = ๐ฟ๐(0)
(2.2.7)
repository.unisba.ac.id
22
dengan ๐1 ๐2 โฏ ๐๐โ1 ๐๐ ๐1 0 โฏ 0 0 ๐ฟ = 0 ๐2 โฑ 0 0 โฎ โฎ โฑ โฎ โฎ 0 ๐๐โ1 0 0 [ 0 ] 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) = ๐ฟ2 ๐(0) ๐(3) = ๐ฟ๐(2) = ๐ฟ๐ฟ2 ๐(0) = ๐ฟ3 ๐(0) โฎ ๐(๐ก) = ๐ฟ๐(๐ก โ 1) = ๐ฟ๐ฟ๐กโ1 ๐(0) = ๐ฟ๐ก ๐(0) Sehingga untuk ๐ก tahun berikutnya, model pertumbuhan populasi menjadi ๐(๐ก) = ๐ฟ๐ก ๐(0)
(2.2.8)
repository.unisba.ac.id