Analisis Numerik: Keterbatasan Polinomial Karakteristik

Meskipun polinomial karakteristik $p(\lambda) = \det(A - \lambda I)$ merupakan dasar teoretis untuk mendefinisikan nilai eigen, secara numerik ia bersifat "buruk kondisi" dan tidak efisien secara komputasi pada sistem berdimensi tinggi. Dalam aplikasi praktis—seperti menyelesaikan sistem Sturm-Liouville untuk propagasi gelombang—sensitivitas akar-akar polinomial terhadap gangguan koefisien membuat ekspansi langsung menjadi pilihan kedua.

Dari Gelombang Kontinu ke Matriks Diskret

Getaran senar atau membran dikendalikan oleh persamaan gelombang:

$$\rho(x) \frac{\partial^2 v}{\partial t^2}(x, t) = \frac{\partial}{\partial x} \left[ p(x) \frac{\partial v}{\partial x}(x, t) \right]$$

Untuk mencari solusi $v(x, t) = \sum_{k=0}^{\infty} c_k u_k(x) \cos \sqrt{\lambda_k}(t - t_0)$, kita harus menyelesaikan sistem Sturm-Liouville:

$$\frac{d}{dx} \left[ p(x) \frac{du_k}{dx}(x) \right] + \lambda_k \rho(x) u_k(x) = 0$$

Kompleksitas Diskretisasi

Diskretisasi operator menghasilkan persamaan matriks seperti $Aw = -0.04 \frac{\rho}{p} \lambda w$. Untuk matriks tridiagonal $4 \times 4$, $p(\lambda)$ masih dapat dikelola. Namun, seiring pemodelan menjadi lebih halus ($n$ meningkat), kita menghadapi dua batasan:

Batasan Abel-Ruffini: Tidak ada solusi aljabar untuk akar-akar polinomial dengan derajat $n \ge 5$.
Sensitivitas Pembulatan: Pada sistem berdimensi tinggi, perubahan pada angka desimal $10^{-10}$ dari satu entri dapat menggeser nilai eigen hingga beberapa orde besar (fenomena polinomial Wilkinson).

Kebutuhan Numerik dan Perpustakaan Profesional

Perpustakaan numerik profesional (IMSL, NAG) menghindari polinomial karakteristik langsung. Sebaliknya, mereka menggunakan rutin iteratif untuk pendekatan:

Perpustakaan IMSL: Menggunakan kuadrat terkecil linear, spline kubik, dan transformasi Fourier cepat.
Perpustakaan NAG: Menggunakan pendekatan polinomial kuadrat terkecil dan penyesuaian dalam arti $l_1/l_{\infty}$.

Ketika mendekati nilai eigen untuk sistem $\lambda_i = 1 + 4\alpha\left(\sin \frac{\pi i}{2m}\right)^2$, kita bergantung pada kuadrat terkecil diskret dan pencarian iteratif, bukan pencarian akar.

🎯 Alat Teoretis vs. Bahaya Numerik

Polinomial karakteristik $p(\lambda) = \det(A - \lambda I)$ sangat penting untuk pembuktian tetapi berbahaya untuk perhitungan. Masalah nilai eigen praktis dalam fisika diselesaikan melalui transformasi iteratif (seperti QR) yang mempertahankan stabilitas.

PERTANYAAN 1

Dalam Contoh Utama, sistem $Aw = -0.04(\rho/p)\lambda w$ diselesaikan. Carilah nilai eigen $\mu_1, \dots, \mu_4$ dari matriks $4 \times 4$ $A$ dengan entri diagonal 2 dan entri sub/diagonal atas -1.

0,38197, 1,38197, 2,61803, 3,61803

1,00000, 2,00000, 3,00000, 4,00000

0,50000, 1,50000, 2,50000, 3,50000

0,12560, 1,22340, 2,88910, 3,99210

PERTANYAAN 2

Jika $A$ dan $B$ adalah matriks nonsingular $n \times n$, matriks $S$ mana yang menunjukkan bahwa $AB$ mirip dengan $BA$?

$S = B$

$S = A$

$S = AB$

$S = I$

PERTANYAAN 3

Mengapa polinomial karakteristik dianggap sebagai 'bahaya numerik' untuk matriks berdimensi tinggi?

Gangguan kecil pada koefisien menyebabkan pergeseran besar pada akar (kondisi buruk).

Determinan matriks tidak dapat dihitung untuk $n > 5$.

Nilai eigen dari polinomial berderajat tinggi selalu kompleks.

Polinomial karakteristik hanya berlaku untuk matriks simetris.

PERTANYAAN 4

Perpustakaan profesional mana yang disebutkan sebagai menyediakan rutin yang kokoh untuk pendekatan numerik alih-alih pencarian akar langsung?

IMSL dan NAG

PyTorch dan TensorFlow

DirectX dan OpenGL

MATLAB dan Excel saja

PERTANYAAN 5

Teorema Abel-Ruffini menyatakan bahwa:

Tidak ada solusi aljabar umum untuk akar-akar polinomial dengan derajat $n \ge 5$.

Setiap matriks memiliki setidaknya satu nilai eigen real.

Nilai eigen harus dicari menggunakan Metode Pangkat untuk $n > 2$.

Determinan matriks sama dengan jumlah nilai eigennya.