SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf ·...

44
LAPORAN PENELITIAN BERSAMA DOSEN-MAHASISWA SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM SIGNLESS-LAPLACE, DAN SPEKTRUM DETOUR GRAF MULTIPARTISI KOMPLIT K( 1 , 2 , …, n ) Oleh: ABDUSSAKIR, M.Pd DEASY SANDHYA ELYA IKAWATI F. KURNIA NIRMALA SARI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2013 MATEMATIKA

Transcript of SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf ·...

Page 1: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

LAPORAN

PENELITIAN BERSAMA DOSEN-MAHASISWA

SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE,

SPEKTRUM SIGNLESS-LAPLACE, DAN SPEKTRUM DETOUR

GRAF MULTIPARTISI KOMPLIT K(1, 2, …, n)

Oleh:

ABDUSSAKIR, M.Pd

DEASY SANDHYA ELYA IKAWATI

F. KURNIA NIRMALA SARI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM

MALANG

2013

MATEMATIKA

Page 2: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

LAPORAN PENELITIAN BERSAMA DOSEN-MAHASISWA

1. Judul Penelitian Hibah : Spektrum Adjacency, Spektrum Laplace, Spektrum

Signless-Laplace, dan Spektrum Detour Graf

Multipartisi Komplit K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 )

2. Bidang Ilmu : Matematika

3. Judul Skripsi : (1) Persamaan Polinomial Karakteristik Matriks

Adjacency, Matriks Laplace, dan Matriks Signless-

Laplace Graf Multipartisi Komplit K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 )

(2) Spektrum Adjacency, Spektrum Laplace, dan

Spektrum Signless-Laplace Graf Multipartisi Komplit

K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 )

4. Peneliti : Abdussakir, M.Pd (NIP 19751006 200312 1 001)

Deasy Sandhya Elya Ikawati (NIM 09610067)

F. Kurnia Nirmala Sari (NIM 09610084)

5. Jurusan/Prodi Asal : Matematika

6. Lama kegiatan : 5 (Lima) Bulan

7. Biaya yang diusulkan : Rp. 4.000.000,- (Empat Juta Rupiah)

Malang, 14 Januari 2013

Ketua Jurusan Matematika, Ketua Peneliti,

Abdussakir, M.Pd Abdussakir, M.Pd

NIP 19751006 200312 1 001 NIP 19751006 200312 1 001

Page 3: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

PENGESAHAN LAPORAN

PENELITIAN BERSAMA DOSEN-MAHASISWA

Judul Penelitian : Spektrum Adjacency, Spektrum Laplace,

Spektrum Signless-Laplace, dan Spektrum

Detour Graf Multipartisi Komplit

K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 )

Bidang Ilmu : Matematika

Peneliti : Abdussakir, M.Pd (Ketua)

Deasy Sandhya Elya Ikawati (Anggota)

F. Kurnia Nirmala Sari (Anggota)

Telah disahkan pada tanggal, 14 Januari 2013.

a.n Dekan Fakultas Sains dan Teknologi

Pembantu Dekan Bidang Akademik Ketua Peneliti,

Dr. H. Agus Mulyono, S.Pd., M.Kes Abdussakir, M.Pd

NIP. 19750808 199903 1 003 NIP 19751006 200312 1 001

Mengesahkan

Ketua Lemlitbang UIN Maliki Malang,

Dr. Hj. Ulfah Utami, M.Si

NIP. 19650509 199903 2 002

Page 4: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

iii

DAFTAR ISI

Halaman Sampul

Halaman Pengesahan

Kata Pengantar .................................................................................................... i

Daftar Isi ............................................................................................................. iii

BAB I PENDAHULUAN

A. Latar Belakang ............................................................................... 1

B. Rumusan Masalah ........................................................................... 4

C. Tujuan Penelitian ............................................................................ 4

D. Manfaat Penelitian .......................................................................... 4

BAB II KAJIAN TEORI

A. Graf ................................................................................................ 6

B. Derajat Titik ................................................................................... 6

C. Graf Terhubung ............................................................................... 11

D. Matriks ........................................................................................... 13

E. Graf dan Matriks ............................................................................. 18

F. Spektrum Graf ................................................................................ 21

BAB III PEMBAHASAN

A. Spektrum Graf Multipartisi Komplit K 𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑘 dengan

𝛼𝑖 = n untuk semua i ..................................................................... 26

B. Spektrum Graf Multipartisi Komplit K 𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑘 ............... 36

BAB V PENUTUP

A. Kesimpulan .................................................................................... 59

B. Saran .............................................................................................. 60

DAFTAR PUSTAKA ......................................................................................... 61

Page 5: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

1

BAB I

PENDAHULUAN

A. Latar Belakang

Graf G adalah pasangan (V(G), E(G)) dengan V(G) adalah himpunan tidak kosong

dan berhingga dari objek-objek yang disebut titik, dan E(G) adalah himpunan (mungkin

kosong) pasangan takberurutan dari titik-titik berbeda di V(G) yang disebut sisi.

Banyaknya unsur di V(G) disebut order dari G dan dilambangkan dengan p(G), dan

banyaknya unsur di E(G) disebut ukuran dari G dan dilambangkan dengan q(G). Jika graf

yang dibicarakan hanya graf G, maka order dan ukuran dari G masing-masing cukup

ditulis p dan q. Graf dengan order p dan ukuran q dapat disebut graf-(p, q).

Sisi e = (u, v) dikatakan menghubungkan titik u dan v. Jika e = (u, v) adalah sisi di

graf G, maka u dan v disebut terhubung langsung (adjacent), v dan e serta u dan e disebut

terkait langsung (incident), dan titik u dan v disebut ujung dari e. Untuk selanjutnya, sisi e

= (u, v) akan ditulis e = uv. Derajat dari titik v di graf G, ditulis degG(v), adalah

banyaknya sisi di G yang terkait langsung dengan v. Dalam konteks pembicaraan hanya

terdapat satu graf G, maka tulisan degG(v) disingkat menjadi deg(v).

Misalkan G graf dengan order p (p 1) dan ukuran q serta himpunan titik V(G) =

{v1, v2, …, vp}. Matriks keterhubungan titik (atau matriks Adjacency) dari graf G,

dinotasikan dengan A(G), adalah matriks (p p) dengan unsur pada baris ke-i dan kolom

ke-j bernilai 1 jika titik vi terhubung langsung dengan titik vj serta bernilai 0 jika titik vi

Page 6: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

2

tidak terhubung langsung dengan titik vj. Dengan kata lain, matriks adjacency dapat

ditulis A(G) = [aij], 1 i, j p, dengan

)( jika, 0

)( jika, 1

GEvv

GEvva

ji

ji

ij

Matriks adjacency suatu graf G adalah matriks simetri dengan unsur 0 dan 1 dan memuat

nilai 0 pada diagonal utamanya (Abdussakir, dkk, 2009:73-74).

Matriks derajat dari matriks G, dinotasikan dengan D(G), adalah matriks diagonal

yang elemen baris ke-i dan kolom ke-i adalah derajat dari vi, i = 1, 2, 3, …, p. Jadi,

matriks derajat dari graf G dapat ditulis D(G) = [dij], 1 i, j p, dengan

ji

jivd

i

ij, 0

, )deg(

Matriks L(G) = D(G) – A(G) disebut matriks Laplace dan matriks L+(G) = D(G) + A(G)

disebut matriks Signless-Laplace dari graf G.

Pada graf G, lintasan-v1vn adalah barisan titik-titik berbeda v1, v2, …, vn

sedemikian hingga titik yang berurutan terhubung langsung. Suatu graf kemudian disebut

terhubung jika terdapat suatu lintasan antara sebarang dua titik di G. Misalkankan G

adalah graf terhubung dengan order p. Matriks Detour dari G adalah matriks DD(G)

sedemikian hingga elemen pada baris ke-i dan kolom ke-j adalah bilangan yang

menyatakan lintasan terpanjang dari vi ke vj di G.

Pembahasan matriks Adjacency A(G), matriks Laplace L(G), matriks Signless-

Laplace L+(G), dan matriks Detour DD(G) dari graf G dapat dikaitkan dengan konsep

nilai eigen dan vektor eigen pada topik aljabar linier yang menghasilkan konsep

Page 7: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

3

spectrum. Misalkan 1, 2, …, n dengan 1 > 2 > … > n adalah nilai eigen berbeda dari

matriks suatu graf, dan misalkan m(1), m(1), …, m(n) adalah banyaknya basis untuk

ruang vektor eigen masing-masing i. Matriks berordo (2 n) yang memuat 1, 2, …, n

pada baris pertama dan m(1), m(2), …, m(n) pada baris kedua disebut spectrum graf G,

dan dinotasikan dengan Spec(G). Jadi, spectrum graf G dapat ditulis dengan

Spec(G) =

)()()( 21

21

n

n

mmm

.

Spektrum yang diperoleh dari matriks A(G) disebut spektrum Adjacency, dari

matriks L(G) disebut spektrum Laplace, dari matriks L+(G) disebut spekturm Signless-

Laplace, dan dari matriks DD(G) disebut spektrum Detour.

Adapun penelitian sebelumnya yang sudah dilakukan para peneliti tentang

spectrum graf yaitu Shuhua Yin (2006) meneliti spektrum Adjacency dan spektrum

Laplace pada graf Gl yang diperoleh dari graf komplit Kl dengan menambahkan pohon

isomorfik berakar untuk masing-masing titik di Kl. Yuanping Zhang (2008) meneliti

tentang Q-spectrum graf lolipop. Abdussakir, dkk (2009) meneliti spektrum Adjacency

pada graf Komplit (Kn), graf Star (Sn), graf Bipartisi Komplit (Km,n), dan graf Lintasan

(Pn). Ayyaswamy dan Balachandran (2010) meneliti spectrum Detour beberapa graf.

Imam Fachruddin (2010) meneliti spektrum graf hasilkali Cartesius. Lailatul Khusnah

(2011) meneliti spektrum Detour pada Graf Komplit (𝐾𝑛 ). Bayu Tara Wijaya (2011)

meneliti spektrum Detour Graf m-Partisi Komplit.

Melihat penelitian-penelitian sebelumnya, maka peneliti merasa perlu untuk

meneliti spektrum suatu graf, yang lebih dikhususkan pada spektrum Adjacency,

Page 8: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

4

spektrum Laplace, spektrum Signless-Laplace, dan spektrum Detour pada graf

Multipartisi Komplit K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 ). Penelitian ini berusaha meneliti spektrum suatu

graf secara lengkap meliputi keempat spectrum dan mengambil graf Multipartisi Komplit

K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 ) dengan 1 2 … n dan i, n N.

B. Rumusan Masalah

Masalah dalam penelitian ini dirumuskan sebagai berikut, yaitu bagaimana

spektrum Adjacency, spektrum Laplace, spektrum Signless-Laplace, dan spektrum

Detour graf Multipartisi Komplit K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 )?

C. Tujuan Penelitian

Sesuai rumusan masalah, maka tujuan penelitian ini adalah untuk menentukan

spektrum Adjacency, spektrum Laplace, spektrum Signless-Laplace, dan spektrum

Detour graf Multipartisi Komplit K(𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑛 ).

D. Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut.

1. Memberikan informasi mengenai spektrum suatu graf sehingga dapat menjadi

acuan peneliti lain untuk menentukan spectrum graf-graf lain yang belum dikaji

dalam penelitian ini.

Page 9: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

5

2. Memberikan informasi mengenai spektrum suatu graf sehingga dapat digunakan

oleh peneliti lain untuk mengkaji lebih mendalam tentang karakteristik suatu graf

atau untuk aplikasi pada masalah yang berkaitan.

Page 10: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

26

BAB III

PEMBAHASAN

Berikut ini dipaparkan hasil penelitian terkait penentuan spectrum pada graf multi

partisi komplit K 𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑘 . Sebagaimana dijelaskan pada bab sebelumnya, jika 𝛼𝑖 =

n untuk semua i, maka K 𝛼1 ,𝛼2 ,𝛼3 ,… ,𝛼𝑘 ditulis menjadi 𝐾𝑛(𝑘). Pada pembahasan ini,

spektrum graf multipartisi komplit K 𝛼1,𝛼2,𝛼3,… ,𝛼𝑘 dibahas secara terpisah antara

𝐾𝑛(𝑘) dengan K 𝛼1,𝛼2,𝛼3,… ,𝛼𝑘 , pada saat terdapat 𝛼𝑖 𝛼𝑗 . Hasil penelitian dinyatakan

langsung dalam bentuk teorema beserta buktinya.

A. Spektrum Graf Multipartisi Komplit K 𝜶𝟏,𝜶𝟐,𝜶𝟑,… ,𝜶𝒌 dengan 𝜶𝒊 = n untuk

semua i

Teorema 1

Misalkan 𝐾𝑛(𝑘) adalah graf k-partisi komplit dengan n titik pada masing-masing

partisi. Maka spectrum Adjacency graf 𝐾𝑛(𝑘) adalah

𝑆𝑝𝑒𝑐 𝐾𝑛(𝑘) = −𝑛 0 (𝑘 − 1)𝑛

(𝑘 − 1) 𝑘(𝑛 − 1) 1

Bukti :

Matriks adjacency dari graf 𝐾𝑛 𝑘 adalah

Page 11: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

27

𝐴 𝐾𝑛(𝑘) =

0 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮

0 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1

1 ⋯ 1 0 ⋯ 0 ⋯ 1 ⋯ 1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ 1

1 ⋯ 1 0 ⋯ 0 ⋯ 1 ⋯ 1

⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮

1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 0

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮

1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 0

Setelah ditemukan matriksnya, maka akan ditentukan persamaan karakteristik dari

𝐴 𝐾𝑛(𝑘) yaitu,

det 𝜆𝐼 − 𝐴 𝐾𝑛(𝑘) =

𝜆 ⋯ 0 −1 ⋯ −1 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ 𝜆 −1 ⋯ −1 ⋯ −1 ⋯ −1−1 ⋯ −1 𝜆 ⋯ 0 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ −1−1 ⋯ −1 0 ⋯ 𝜆 ⋯ −1 ⋯ −1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ 𝜆 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ 0 ⋯ 𝜆

Dengan mereduksi matriks menggunakan metode Gaussian Elimination pada

Maple.12 maka diperoleh suatu pola pada diagonal utamanya. Karena det

𝜆𝐼 − 𝐴 adalah hasil perkalian diagonal matriks segitiga atas tersebut, maka

diperoleh polinomial karakteristiknya yaitu,

det(𝐾𝑛(𝑘)) = 𝜆𝑘(𝑛−1) 𝜆 + 𝑛 𝑘−1(𝜆 − (𝑘 − 1)𝑛)

Karena, det(𝐾𝑛(𝑘)) = 0, maka

det(𝐾𝑛(𝑘)) = 𝜆𝑘(𝑛−1) 𝜆 + 𝑛 𝑘−1(𝜆 − (𝑘 − 1)𝑛) = 0

Dan diperoleh nilai eigen

𝜆 = −𝑛 𝑎𝑡𝑎𝑢 𝜆 = 0 𝑎𝑡𝑎𝑢 𝜆 = (𝑘 − 1)𝑛

Page 12: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

28

Selanjutnya akan ditentukan basis untuk ruang vektor eigen.

Untuk 𝜆 = −𝑛 disubsitusikan ke dalam det 𝜆𝐼 − 𝐴 𝐾𝑛(𝑘) diperoleh:

−𝑛 ⋯ 0 −1 ⋯ −1 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ −𝑛 −1 ⋯ −1 ⋯ −1 ⋯ −1−1 ⋯ −1 −𝑛 ⋯ 0 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ −1−1 ⋯ −1 0 ⋯ −𝑛 ⋯ −1 ⋯ −1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ −𝑛 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ 0 ⋯ −𝑛

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

−𝑛 0 ⋯ 0 0 0 ⋯ 00 −𝑛 ⋯ 0 0 0 ⋯ 0⋮ ⋮ ⋱ ⋮ 0 0 ⋯ 00 0 ⋯ −𝑛 0 0 ⋯ 00 0 ⋯ 0 −𝑛 − (𝑘 − 1)𝑛 0 ⋯ 00 0 ⋯ 0 0 0 ⋯ 00 0 ⋯ 0 0 −𝑛 + 𝑛 ⋯ 0⋮ ⋮ ⋯ ⋮ ⋮ ⋮ ⋱ ⋮0 0 ⋯ 0 0 0 ⋯ −𝑛 + 𝑛

Matriks di atas adalah matriks berukuran 𝑘𝑛 𝑥 𝑘𝑛, untuk 𝜆 = −𝑛 yang

elemennya menghasilkan 0 semua yaitu – 𝑛 + 𝑛 sebanyak 𝑘 − 1, maka

banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆 = −𝑛

adalah 𝑘 − 1.

Untuk 𝜆 = 0 disubstitusikan ke dalam det 𝜆𝐼 − 𝐴 𝐾𝑛(𝑘) diperoleh:

Page 13: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

29

0 ⋯ 0 −1 ⋯ −1 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ 0 −1 ⋯ −1 ⋯ −1 ⋯ −1−1 ⋯ −1 0 ⋯ 0 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ −1−1 ⋯ −1 0 ⋯ 0 ⋯ −1 ⋯ −1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ 0 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ 0 ⋯ 0

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

𝑛 ⋯ 0 0 0 0 ⋯ 0⋮ ⋱ ⋮ 0 0 0 ⋯ 00 ⋯ 𝑛 0 0 0 ⋯ 00 0 0 0 ⋯ 0 ⋯ 00 0 0 ⋮ ⋱ ⋮ ⋯ 00 0 0 0 0 0 ⋯ 0⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮0 0 0 0 0 0 ⋯ −(𝑘 − 1)𝑛

Karena untuk 𝜆 = 0 hanya menghasilkan 𝑘 baris yang elemennya tidak berisi 0

semua, dan diketahui matriks di atas berukuran 𝑘𝑛 × 𝑘𝑛, maka baris yang berisi 0

semua ada 𝑘𝑛 − 𝑘. Jadi banyaknya basis untuk ruang vektor eigen yang

bersesuaian dengan 𝜆 = 0 adalah 𝑘(𝑛 − 1).

Untuk 𝜆 = (𝑘 − 1)𝑛 disubstitusikan ke dalam det 𝜆𝐼 − 𝐴 𝐾𝑛(𝑘) diperoleh:

(𝑘 − 1)𝑛 ⋯ 0 −1 ⋯ −1 ⋯ −1 ⋯ −1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ (𝑘 − 1)𝑛 −1 ⋯ −1 ⋯ −1 ⋯ −1−1 ⋯ −1 (𝑘 − 1)𝑛 ⋯ 0 ⋯ −1 ⋯ −1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ −1−1 ⋯ −1 0 ⋯ (𝑘 − 1)𝑛 ⋯ −1 ⋯ −1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ (𝑘 − 1)𝑛 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋱ ⋮−1 ⋯ −1 −1 ⋯ −1 ⋯ 0 ⋯ (𝑘 − 1)𝑛

Page 14: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

30

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

(𝑘 − 1)𝑛 ⋯ 0 0 0 0 ⋯ 0

⋮ ⋱ ⋮ 0 0 0 ⋯ 00 ⋯ (𝑘 − 1)𝑛 0 0 0 ⋯ 0

0 0 0 𝑘 − 1 𝑛 + 𝑛 ⋯ 0 ⋯ 00 0 0 ⋮ ⋱ ⋮ ⋯ 00 0 0 0 ⋯ 𝑘 − 1 𝑛 + 𝑛 ⋯ 0⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮0 0 0 0 0 0 ⋯ 𝑘 − 1 𝑛 − (𝑘 − 1)𝑛

Karena untuk 𝜆 = (𝑘 − 1)𝑛 yang elemennya menghasilkan 0 semua sebanyak 1

baris, maka banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan

𝜆 = (𝑘 − 1)𝑛 adalah 1.

Jadi terbukti bahwa

𝑆𝑝𝑒𝑐 𝐾𝑛(𝑘) = −𝑛 0 (𝑘 − 1)𝑛

(𝑘 − 1) 𝑘(𝑛 − 1) 1

Teorema 2

Misalkan 𝐾𝑛(𝑘) adalah graf k-partisi komplit dengan n titik pada masing-masing

partisi. Maka spectrum Detour graf 𝐾𝑛(𝑘) adalah

𝑆𝑝𝑒𝑐𝐷𝐷 𝐾𝑛(𝑘) = − 𝑘𝑛 − 1 𝑘𝑛 − 1 2

𝑘𝑛 − 1 1

Bukti:

Matriks detour dari graf 𝐾𝑛(𝑘) adalah

𝐷𝐷 𝐾𝑛(𝑘) =

0 𝑘𝑛 − 1 𝑘𝑛 − 1 ⋯ 𝑘𝑛 − 1𝑘𝑛 − 1 0 𝑘𝑛 − 1 ⋯ 𝑘𝑛 − 1𝑘𝑛 − 1 𝑘𝑛 − 1 0 ⋯ 𝑘𝑛 − 1

⋮ ⋮ ⋮ ⋱ ⋮𝑘𝑛 − 1 𝑘𝑛 − 1 𝑘𝑛 − 1 ⋯ 0

Page 15: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

31

Setelah ditemukan matriksnya, maka akan ditentukan persamaan karakteristik dari

𝐷𝐷 𝐾𝑛(𝑘) yaitu,

det 𝜆𝐼 − 𝐷𝐷 𝐾𝑛(𝑘) =

𝜆 −(𝑘𝑛− 1) −(𝑘𝑛− 1) ⋯ −(𝑘𝑛 − 1)−(𝑘𝑛 − 1) 𝜆 −(𝑘𝑛− 1) ⋯ −(𝑘𝑛 − 1)−(𝑘𝑛 − 1) −(𝑘𝑛− 1) 𝜆 ⋯ −(𝑘𝑛 − 1)

⋮ ⋮ ⋮ ⋱ ⋮−(𝑘𝑛 − 1) −(𝑘𝑛− 1) −(𝑘𝑛− 1) ⋯ 𝜆

Dengan mereduksi matriks menggunakan metode Gaussian Elimination pada

Maple.12 maka diperoleh suatu pola pada diagonal utamanya. Karena det 𝜆𝐼 −

𝐷𝐷 (𝐾𝑛(𝑘)) adalah hasil perkalian diagonal matriks segitiga atas tersebut, maka

diperoleh polinomial karakteristiknya yaitu,

det 𝜆𝐼 − 𝐷𝐷 (𝐾𝑛(𝑘)) = 𝜆 + 𝑘𝑛 − 1 𝑘𝑛−1(𝜆 − (𝑘𝑛 − 1)2)

Karena, det 𝜆𝐼 − 𝐷𝐷 (𝐾𝑛(𝑘)) = 0, maka

det 𝜆𝐼 − 𝐷𝐷 (𝐾𝑛(𝑘)) = 𝜆 + 𝑘𝑛 − 1 𝑘𝑛−1(𝜆 − (𝑘𝑛 − 1)2) = 0

dan diperoleh nilai eigen

𝜆 = −(𝑘𝑛 − 1) 𝑎𝑡𝑎𝑢 𝜆 = (𝑘𝑛 − 1)2

Selanjutnya akan ditentukan basis untuk ruang vektor eigen.

Untuk 𝜆 = −(𝑘𝑛 − 1) disubsitusikan ke dalam det 𝜆𝐼 − 𝐷𝐷 (𝐾𝑛(𝑘)) diperoleh:

−(𝑘𝑛− 1) −(𝑘𝑛− 1) −(𝑘𝑛− 1) ⋯ −(𝑘𝑛− 1)−(𝑘𝑛− 1) −(𝑘𝑛− 1) −(𝑘𝑛− 1) ⋯ −(𝑘𝑛− 1)−(𝑘𝑛− 1) −(𝑘𝑛− 1) −(𝑘𝑛− 1) ⋯ −(𝑘𝑛− 1)

⋮ ⋮ ⋮ ⋱ ⋮−(𝑘𝑛− 1) −(𝑘𝑛− 1) −(𝑘𝑛− 1) ⋯ −(𝑘𝑛− 1)

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

Page 16: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

32

0 0 0 0 0 0 ⋯ 00 −(𝑘𝑛)2 + 𝑘𝑛 0 0 0 0 ⋯ 00 0 0 0 0 0 ⋯ 00 0 0 0 0 0 ⋯ 00 0 0 0 0 0 ⋯ 00 0 0 0 0 0 ⋯ 0⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮0 0 0 0 0 0 ⋯ 0

Karena untuk 𝜆 = − 𝑘𝑛 − 1 hanya menghasilkan 1 baris yang elemennya tidak

berisi 0 semua, dan diketahui matriks di atas berukuran 𝑘𝑛 × 𝑘𝑛, maka baris yang

berisi 0 semua ada 𝑘𝑛 − 1. Jadi banyaknya basis untuk ruang vektor eigen yang

bersesuaian dengan 𝜆 = − 𝑘𝑛 − 1 adalah 𝑘𝑛 − 1 .

Untuk 𝜆 = (𝑘𝑛 − 1)2 disubstitusikan ke dalam det 𝜆𝐼 − 𝐷𝐷 (𝐾𝑛(𝑘)) diperoleh:

(𝑘𝑛 − 1)2 −(𝑘𝑛 − 1) −(𝑘𝑛 − 1) ⋯ −(𝑘𝑛 − 1)

−(𝑘𝑛 − 1) (𝑘𝑛 − 1)2 −(𝑘𝑛 − 1) ⋯ −(𝑘𝑛 − 1)

−(𝑘𝑛 − 1) −(𝑘𝑛 − 1) (𝑘𝑛 − 1)2 ⋯ −(𝑘𝑛 − 1)⋮ ⋮ ⋮ ⋱ ⋮

−(𝑘𝑛 − 1) −(𝑘𝑛 − 1) −(𝑘𝑛 − 1) ⋯ (𝑘𝑛 − 1)2

Dengan mereduksi matriks dengan menggunakan metode Jordan maka diperoleh

matriks baru, yaitu:

−𝑘𝑛+(𝑘𝑛)2 ⋯ 0 ⋯ 0

⋮ ⋱ ⋮ ⋯ 00 0 −𝑘𝑛+(𝑘𝑛)2 ⋯ 0⋮ ⋮ ⋮ ⋱ ⋮0 0 0 0 −(𝑘𝑛)2 − 𝑘𝑛 + 𝑘𝑛+(𝑘𝑛)2

Karena untuk 𝜆 = (𝑘𝑛 − 1)2 yang elemennya menghasilkan 0 semua sebanyak 1

baris, maka banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan

𝜆 = (𝑘𝑛 − 1)2 adalah 1.

Jadi terbukti bahwa 𝑆𝑝𝑒𝑐𝐷𝐷 𝐾𝑛(𝑘) = −(𝑘𝑛 − 1) (𝑘𝑛 − 1)2

(𝑘𝑛 − 1) 1

Page 17: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

33

Teorema 3

Misalkan 𝐾𝑛(𝑘) adalah graf k-partisi komplit dengan n titik pada masing-masing

partisi. Maka spectrum Laplace graf 𝐾𝑛(𝑘) adalah

𝑆𝑝𝑒𝑐𝐿 𝐾𝑛(𝑘) = 0 (𝑘 − 1)𝑛 𝑘𝑛1 𝑘(𝑛 − 1) (𝑘 − 1)

Bukti:

Matriks Laplace dari graf 𝐾𝑛(𝑘)

𝐿 𝐾𝑛(𝑘) =

(𝑘 − 1)𝑛 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ (𝑘 − 1)𝑛 1 ⋯ 1 ⋯ 1 ⋯ 11 ⋯ 1 (𝑘 − 1)𝑛 ⋯ 0 ⋯ 1 ⋯ 1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ 11 ⋯ 1 0 ⋯ (𝑘 − 1)𝑛 ⋯ 1 ⋯ 1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ (𝑘 − 1)𝑛 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ (𝑘 − 1)𝑛

Setelah ditemukan matriksnya, maka akan ditentukan persamaan karakteristik dari

𝐿 𝐾𝑛(𝑘) yaitu,

det 𝜆𝐼 − 𝐿 𝐾𝑛(𝑘) =

𝜆 − (𝑘 − 1)𝑛 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ 𝜆 − (𝑘 − 1)𝑛 1 ⋯ 1 ⋯ 1 ⋯ 1

1 ⋯ 1 𝜆 − (𝑘 − 1)𝑛 ⋯ 0 ⋯ 1 ⋯ 1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ 11 ⋯ 1 0 ⋯ 𝜆 − (𝑘 − 1)𝑛 ⋯ 1 ⋯ 1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 𝜆 − (𝑘 − 1)𝑛 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋱ ⋮ ⋱ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 𝜆 − (𝑘 − 1)𝑛

Dengan mereduksi matriks menggunakan metode Gaussian Elimination pada

Maple.12 maka diperoleh suatu pola pada diagonal utamanya. Karena det 𝜆𝐼 −

𝐿 (𝐾𝑛(𝑘)) adalah hasil perkalian diagonal matriks segitiga atas tersebut, maka

diperoleh polinomial karakteristiknya yaitu,

Page 18: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

34

det 𝜆𝐼 − 𝐿 (𝐾𝑛(𝑘)) = 𝜆 𝜆 − (𝑘 − 1)𝑛 𝑘(𝑛−1) 𝜆 − 𝑘𝑛 𝑘−1

Karena, det 𝜆𝐼 − 𝐿 (𝐾𝑛(𝑘)) = 0, maka

det 𝜆𝐼 − 𝐿 (𝐾𝑛(𝑘)) = 𝜆 𝜆 − (𝑘 − 1)𝑛 𝑘(𝑛−1) 𝜆 − 𝑘𝑛 𝑘−1 = 0

dan diperoleh nilai eigen

𝜆 = 0 𝑎𝑡𝑎𝑢 𝜆 = (𝑘 − 1)𝑛 𝑎𝑡𝑎𝑢 𝜆 = 𝑘𝑛

Selanjutnya akan ditentukan basis untuk ruang vektor eigen.

Untuk 𝜆 = 0 disubsitusikan ke dalam det 𝜆𝐼 − 𝐿 (𝐾𝑛(𝑘)) diperoleh:

𝑘 − 1 𝑛 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ 𝑘 − 1 𝑛 1 ⋯ 1 ⋯ 1 ⋯ 1

1 ⋯ 1 𝑘 − 1 𝑛 ⋯ 0 ⋯ 1 ⋯ 1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ 11 ⋯ 1 0 ⋯ 𝑘 − 1 𝑛 ⋯ 1 ⋯ 1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 𝑘 − 1 𝑛 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 𝑘 − 1 𝑛

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

−(𝑘 − 1)𝑛 0 0 0 0 0 ⋯ 0

0 ⋱ 0 0 0 0 ⋯ 00 0 −(𝑘 − 1)𝑛 0 0 0 ⋯ 00 0 0 −𝑛 − (𝑘 − 1)𝑛 0 0 ⋯ 00 0 0 0 ⋱ 0 ⋯ 00 0 0 0 0 −𝑛 − (𝑘 − 1)𝑛 ⋯ 0⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮0 0 0 0 0 0 ⋯ 𝑘 − 1 𝑛 − (𝑘 − 1)𝑛

Karena untuk 𝜆 = 0 yang elemennya menghasilkan 0 semua sebanyak 1 baris,

maka banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆 = 0

adalah 1.

Untuk 𝜆 = (𝑘 − 1)𝑛 disubstitusikan ke dalam det 𝜆𝐼 − 𝐿 (𝐾𝑛(𝑘)) diperoleh:

Page 19: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

35

0 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 11 ⋯ 1 0 ⋯ 0 ⋯ 1 ⋯ 1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ 11 ⋯ 1 0 ⋯ 0 ⋯ 1 ⋯ 1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 0

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

0 ⋯ 0 0 0 0 ⋯ 00 ⋱ 0 0 0 0 ⋯ 00 ⋯ 0 0 0 0 ⋯ 00 0 0 −𝑛 ⋯ 0 ⋯ 00 0 0 ⋮ ⋱ ⋮ ⋯ 00 0 0 0 ⋯ −𝑛 ⋯ 00 0 0 0 0 0 ⋱ 0⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮0 0 0 0 0 0 0 (𝑘 − 1)𝑛

Karena untuk 𝜆 = (𝑘 − 1)𝑛 hanya menghasilkan k baris yang elemennya tidak

berisi 0 semua yaitu, dan diketahui matriks di atas berukuran 𝑘𝑛 × 𝑘𝑛, maka baris

yang berisi 0 semua ada 𝑘𝑛 − 𝑘. Jadi banyaknya basis untuk ruang vektor eigen

yang bersesuaian dengan 𝜆 = (𝑘 − 1)𝑛 adalah 𝑘 𝑛 − 1 .

Untuk 𝜆 = 𝑘𝑛 disubstitusikan ke dalam det 𝜆𝐼 − 𝐿 (𝐾𝑛(𝑘)) diperoleh:

𝑘𝑛 − 𝑘 − 1 𝑛 ⋯ 0 1 ⋯ 1 ⋯ 1 ⋯ 1

⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮0 ⋯ 𝑘𝑛 − 𝑘 − 1 𝑛 1 ⋯ 1 ⋯ 1 ⋯ 1

1 ⋯ 1 𝑘𝑛 − 𝑘 − 1 𝑛 ⋯ 0 ⋯ 1 ⋯ 1⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ 11 ⋯ 1 0 ⋯ 𝑘𝑛 − 𝑘 − 1 𝑛 ⋯ 1 ⋯ 1⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 𝑘𝑛 − 𝑘 − 1 𝑛 ⋯ 0⋮ ⋱ ⋮ ⋮ ⋱ ⋮ ⋯ ⋮ ⋱ ⋮1 ⋯ 1 1 ⋯ 1 ⋯ 0 ⋯ 𝑘𝑛 − 𝑘 − 1 𝑛

Dengan mereduksi matriks menggunakan metode Jordan pada Maple.12 maka

diperoleh matriks baru, yaitu:

Page 20: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

36

𝑛 ⋯ 0 0 0 ⋯ 0⋮ ⋱ ⋮ 0 0 ⋯ 00 0 𝑛 0 0 ⋯ 00 0 0 𝑛 + (𝑘 − 1)𝑛 0 ⋯ 00 0 0 0 𝑛 − 𝑛 ⋯ 0⋮ ⋮ ⋮ ⋮ ⋮ ⋱ ⋮0 0 0 0 0 ⋯ 𝑛− 𝑛

Karena untuk 𝜆 = (𝑘 − 1)𝑛 yang elemennya menghasilkan 0 semua sebanyak

𝑘 − 1, maka banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan

𝜆 = 𝑘𝑛 adalah 𝑘 − 1.

Jadi terbukti bahwa 𝑆𝑝𝑒𝑐𝐿 𝐾𝑛(𝑘) = 0 (𝑘 − 1)𝑛 𝑘𝑛

1 𝑘 𝑛 − 1 (𝑘 − 1)

B. Spektrum Graf Multipartisi Komplit K 𝛼1,𝛼2 ,𝛼3,… ,𝛼𝑘

Graf multipartisi komplit K 𝛼1,𝛼2,𝛼3,… ,𝛼𝑘 dengan 𝛼1, = 𝛼2 = 𝛼3 = … =

𝛼𝑘−1 = 𝑚 dan 𝛼𝑘= m + 1 akan ditulis menjadi K k-1(m)(m+1). Dengan demikian, maka

K(m, m, m, …,m, m+1) dengan m sebanyak a faktor akan ditulis menjadi Ka(m)(m+1).

Teorema 4

Misal 𝐾𝑎 𝑚 (𝑚 + 1) adalah graf multipartisi komplit dengan 2 ≤ 𝑎,𝑚 ∈ 𝑁.

Maka spektrum Adjacency 𝐾𝑎 𝑚 𝑚 + 1 adalah :

2 2( 2 4) ( 2 4)( 1) ( 1)0

( )( 1) 2 2 2 2

1 ( 1) 1 1

a

am am m m am am m ma m a mm

Spec A K m m

a a m m

Bukti :

Misalkan 𝐴 𝐾𝑎 𝑚 𝑚 + 1 adalah matriks adjacency dari graf multipartisi komplit

𝐾𝑎 𝑚 𝑚 + 1 .

Page 21: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

37

0 0 1 1 1 1

0 0 1 1 1 1

1 1 0 0 1 1

( ( )( 1))1 1 0 0 1 1

1 1 1 1 0 0

1 1 1 1 0 0

aA K m m

Setelah didapatkan matriks 𝐴 𝐾𝑎 𝑚 𝑚 + 1 maka persamaan polinomial karakteristik

dari 𝐴 𝐾𝑎 𝑚 𝑚 + 1 , yaitu :

1 0 0 0 0 0 0 0 1 1 1 1

0 1 0 0 0 0 0 0 1 1 1 1

0 0 1 0 0 0 1 1 0 0 1 1

( ( )( 1)0 0 0 1 0 0 1 1 0 0 1 1

0 0 0 0 1 0 1 1 1 1 0

0 0 0 0 0 1

aI A K m m

0

1 1 1 1 0 0

am

m + 1

am m + 1

Page 22: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

38

0 0 0 0 0 0 0 1 1 1 1

0 0 0 0 0 0 0 1 1 1 1

0 0 0 0 0 1 1 0 0 1 1

det | ( ( )( 1)) |0 0 0 0 0 1 1 0 0 1 1

0 0 0 0 0 1 1

0 0 0 0 0

aI A K m m

1 1 0 0

1 1 1 1 0 0

0 1 1 1 1

0 1 1 1 1

1 1 0 1 1

det | ( ( )( 1)) |1 1 0 1 1

1 1 1 1 0

1 1 1 1 0

aI A K m m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

2

2

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

( 2 4)( 1)0 0 0 0 0

2 2

( 2 4)( 1)0 0 0 0 0

2 2

m

m

am am m ma m

am am m ma m

a(m-1)+m

a-1

1

1

a(m-1)+m a-1 1 1

am

m + 1

am m + 1

Page 23: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

39

Sehingga dari pola diagonal utama yang diperoleh dengan mengeliminasi matriks akan

membentuk suatu persamaan polinomial karakteristik, yaitu :

2 2

1( 1) ( 2 4) ( 2 4)( 1) ( 1)det( ( ( )( 1))) ( )( )

2 2 2 2

aa m m am am m m am am m ma m a mI A K m m m

Dari persamaan polinomial karakterisktik tersebut, maka untuk mendapatkan nilai

eigennya adalah :

det 1 0I A K m m

2 2

1( 1) ( 2 4) ( 2 4)( 1) ( 1)( )( ) 0

2 2 2 2

aa m m am am m m am am m ma m a mm

Sehingga diperoleh nilai eigennya adalah 𝜆1 = 0 atau 𝜆2 = −𝑚 atau 𝜆3 = 𝑎−1 𝑚

2−

𝑎𝑚 𝑎𝑚 +2𝑚+4+𝑚2

2 atau 𝜆4 =

𝑎−1 𝑚

2+

𝑎𝑚 𝑎𝑚+2𝑚+4+𝑚2

2.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆1.

Untuk 𝜆1 = 0 disubsitusikan 𝜆1 ke dalam det 𝜆𝐼 − 𝐴 𝐾𝑎 𝑚 𝑚 + 1 diperoleh :

0 0 1 1 1 1

0 0 1 1 1 1

1 1 0 0 1 1

det | ( ( )( 1)) |1 1 0 0 1 1

1 1 1 1 0 0

1 1 1 1 0 0

aI A K m m

am

m + 1

am m + 1

Page 24: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

40

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

2

2

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

( 2 4)( 1)0 0 0 0 0

2 2

( 2 4)( 1)0 0 0 0 0

2 2

m

m

am am m ma m

am am m ma m

Karena pada matriks di atas adalah matriks yang mempunyai kolom sebanyak 𝑎 +

1 𝑚 + 1 dan terdapat 𝑎 𝑚 − 1 + 𝑚 nulitas. Menurut teorema 2.4 dijelaskan bahwa

nulitas dari matriks A adalah dimensi ruang solusi dari Ax = 0. Sehingga dapat dikatakan

bahwa banyak basis ruang vektor eigen yang bersesuaian dengan 𝜆1 = 0 sebanyak

𝑎 𝑚 − 1 + 𝑚.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆2.

Untuk 𝜆2 = −𝑚 disubsitusikan 𝜆2 ke dalam det 𝜆𝐼 − 𝐴 𝐾𝑎 𝑚 𝑚 + 1 diperoleh :

a(m-1)+m

a-1

1

1

a(m-1)+m a-1 1 1

Page 25: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

41

0 1 1 1 1

0 1 1 1 1

1 1 0 1 1

det | ( ( )( 1)) |1 1 0 1 1

1 1 1 1 0

1 1 1 1 0

a

m

m

m

I A K m mm

m

m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

2

2

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

( 2 4)2 ( 1)0 0 0 0 0

2 2

( 2 4)2 ( 1)0 0 0 0 0

2 2

m

m

am am m mm a m

am am m mm a m

Pada matriks di atas dapat dilihat bahwa matriks tersebut memilik 𝑎 − 1 nulitas.

Menurut teorema 2.4 dijelaskan bahwa nulitas dari matriks A adalah dimensi ruang solusi

dari Ax = 0. Sehingga dapat dikatakan bahwa banyak basis ruang vektor eigen yang

bersesuaian dengan 𝜆2 = −𝑚 sebanyak (𝑎 − 1).

am

m + 1

am m + 1

a(m-1)+m

a-1

1

1

a(m-1)+m a-1 1 1

Page 26: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

42

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆3.

Untuk 𝜆3 = 𝑎−1 𝑚

2−

𝑎𝑚 𝑎𝑚 +2𝑚+4+𝑚2

2 disubsitusikan 𝜆3 ke dalam det 𝜆𝐼 −

𝐴 𝐾𝑎 𝑚 𝑚 + 1 .

Dengan cara yang sama dengan pembuktian sebelumnya, pada matriks dapat dilihat

bahwa matriks tersebut memilik 1 nulitas. Menurut teorema 2.4 dijelaskan bahwa nulitas

dari matriks A adalah dimensi ruang solusi dari Ax = 0. Sehingga dapat dikatakan bahwa

banyak basis ruang vektor eigen yang bersesuaian dengan

𝜆3 = 𝑎−1 𝑚

2−

𝑎𝑚 𝑎𝑚+2𝑚+4+𝑚2

2 sebanyak 1.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆4.

Untuk 𝜆4 = 𝑎−1 𝑚

2+

𝑎𝑚 𝑎𝑚 +2𝑚+4+𝑚2

2 disubsitusikan 𝜆4 ke dalam det 𝜆𝐼 −

𝐴 𝐾𝑎 𝑚 𝑚 + 1 .

Dengan cara yang sama dengan pembuktian sebelumnya, pada matriks dapat dilihat

bahwa matriks tersebut memilik 1 nulitas. Menurut teorema 2.4 dijelaskan bahwa nulitas

dari matriks A adalah dimensi ruang solusi dari Ax = 0. Sehingga dapat dikatakan bahwa

banyak basis ruang vektor eigen yang bersesuaian dengan

𝜆3 = 𝑎−1 𝑚

2+

𝑎𝑚 𝑎𝑚+2𝑚+4+𝑚2

2 sebanyak 1.

Jadi terbukti bahwa

Page 27: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

43

2 2( 2 4) ( 2 4)( 1) ( 1)0

( )( 1) 2 2 2 2

1 ( 1) 1 1

a

am am m m am am m ma m a mm

Spec A K m m

a a m m

Teorema 5

Misal 𝐾𝑎 𝑚 (𝑚 + 1) adalah graf multipartisi komplit dengan 𝑚 sebanyak a,1 ≤ 𝑚 ∈ ℕ.

Maka spektrum Laplace 𝐾𝑎 𝑚 𝑚 + 1 adalah :

0 1 ( 1) 1

( )( 1)1 ( 1)

a

am am a mSpec K m m

m a m a

Bukti :

Misalkan 𝐴 𝐾𝑎 𝑚 𝑚 + 1 adalah matriks adjacency dari graf multipartisi komplit

𝐾𝑎 𝑚 𝑚 + 1 .

0 0 1 1 1 1

0 0 1 1 1 1

1 1 0 0 1 1

( ( )( 1))1 1 0 0 1 1

1 1 1 1 0 0

1 1 1 1 0 0

aA K m m

𝐷 𝐾𝑎 𝑚 𝑚 + 1 adalah matriks derajat dari graf multipartisi komplit 𝐾𝑎 𝑚 (𝑚 + 1).

am

m + 1

am m + 1

Page 28: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

44

1 0 0 0 0 0

0 1 0 0 0 0

0 0 1 0 0 0

( ( )( 1))0 0 0 1 0 0

0 0 0 0 0

0 0 0 0 0

a

am

am

am

D K m mam

am

am

Maka matriks Laplace dari graf multipartisi komplit adalah:

𝐿 𝐾𝑎 𝑚 𝑚 + 1 = 𝐷 𝐾𝑎 𝑚 𝑚 + 1 − 𝐴 𝐾𝑎 𝑚 𝑚 + 1

1 0 0 0 0 0 0 0 1 1 1 1

0 1 0 0 0 0 0 0 1 1 1 1

0 0 1 0 0 0 1 1 0 0 1 1

( ( )( 1))0 0 0 1 0 0 1 1 0 0 1 1

0 0 0 0 0

0 0 0 0 0

a

am

am

am

L K m mam

am

am

1 1 1 1 0 0

1 1 1 1 0 0

1 0 1 1 1 1

0 1 1 1 1 1

1 1 1 0 1 1

( )( 1)1 1 0 1 1 1

1 1 1 1 0

1 1 1 1 0

a

am

am

am

L K m mam

am

am

am

m + 1

am m + 1

am

m + 1

am m + 1

Page 29: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

45

Setelah didapatkan matriks 𝐿 𝐾𝑎 𝑚 𝑚 + 1 maka persamaan polinomial karakteristik

dari 𝐿 𝐾𝑎 𝑚 𝑚 + 1 , yaitu :

1 0 0 0 0 0 1 0 1 1 1 1

0 1 0 0 0 0 0 1 1 1 1 1

0 0 1 0 0 0 1 1 1 0 1 1

( ( )( 1)0 0 0 1 0 0 1

0 0 0 0 1 0

0 0 0 0 0 1

a

am

am

am

I L K m m

1 0 1 1 1

1 1 1 1 0

1 1 1 1 0

am

am

am

0 0 0 0 0 1 0 1 1 1 1

0 0 0 0 0 0 1 1 1 1 1

0 0 0 0 0 1 1 1 0 1 1

det | ( ( )( 1)) |0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

a

am

am

am

I L K m m

1 1 0 1 1 1

1 1 1 1 0

1 1 1 1 0

am

am

am

1 0 1 1 1 1

0 1 1 1 1 1

1 1 1 0 1 1

det | ( ( )( 1)) |1 1 0 1 1 1

1 1 1 1 0

1 1 1 1 0

a

am

am

am

I L K m mam

am

am

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

am

m + 1

am m + 1

Page 30: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

46

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 1 0 0 0

0 0 0 1 0 0

0 0 0 0 0 1 1 0

0 0 0 0 0 0 1 1

am

am

am

am

a m

a m

Sehingga dari pola diagonal utama yang diperoleh dengan mengeliminasi matriks akan

membentuk suatu persamaan polinomial karakteristik, yaitu :

( 1)det( ( ( )( 1))) ( ) ( 1) 1 1a

m a m

aI L K m m am am a m

Dari persamaan polinomial karakterisktik tersebut, maka untuk mendapatkan nilai

eigennya adalah :

det 1 0aI L K m m

( 1)( ) ( 1) 1 1 0a

m a mam am a m

Sehingga diperoleh nilai eigennya adalah 𝜆1 = 0 atau 𝜆2 = 𝑎𝑚 atau 𝜆3 = 𝑎𝑚 + 1 atau

𝜆4 = 𝑎 + 1 𝑚 + 1.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆1.

Untuk 𝜆1 = 0 disubsitusikan 𝜆1 ke dalam det 𝜆𝐼 − 𝐿 𝐾𝑎 𝑚 𝑚 + 1 diperoleh :

1

a(m – 1)

a(m-1) a

m

a

1 m

Page 31: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

47

1 0 1 1 1 1

0 1 1 1 1 1

1 1 1 0 1 1

det | ( ( )( 1)) |1 1 0 1 1 1

1 1 1 1 0

1 1 1 1 0

a

am

am

am

I L K m mam

am

am

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

0 0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 1 0 0 0

0 0 0 1 0 0

0 0 0 0 0 1 1 0

0 0 0 0 0 0 1 1

am

am

am

am

a m

a m

Pada matriks di atas terdapat 1 nulitas. Menurut teorema 2.4 dijelaskan bahwa nulitas dari

matriks A adalah dimensi ruang solusi dari Ax = 0. Sehingga dapat dikatakan bahwa

banyak basis ruang vektor eigen yang bersesuaian dengan 𝜆1 = 0 sebanyak 1.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆2.

Untuk 𝜆2 = 𝑎𝑚 disubsitusikan 𝜆2 ke dalam det 𝜆𝐼 − 𝐿 𝐾𝑎 𝑚 𝑚 + 1 diperoleh :

am

m + 1

am m + 1

m

a

m a

1

a(m – 1)

1 a(m – 1)

Page 32: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

48

1 0 1 1 1 1

0 1 1 1 1 1

1 1 1 0 1 1

det | ( ( )( 1)) |1 1 0 1 1 1

1 1 1 1 0 0

1 1 1 1 0 0

aI L K m m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 0 1 0 0 0

0 0 0 1 0 0

0 0 0 0 0 1 0

0 0 0 0 0 0 1

am

m

m

Karena untuk λ2 = 𝑎𝑚 menghasilkan m nulitas (diketahui dari persamaan polinomial

𝜆 − 𝑎𝑚 𝑚 ), maka banyak basis untuk ruang vektor eigen yang bersesuaian dengan

λ2 = 𝑎𝑚 sebanyak m.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆3.

Untuk 𝜆3 = 𝑎𝑚 + 1 disubsitusikan 𝜆3 ke dalam det(𝜆𝐼 − 𝐿 𝐾𝑎 𝑚 𝑚 + 1 ) diperoleh :

am

m + 1

am m + 1

m

m a

1

a(m – 1)

1 a(m – 1)

Page 33: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

49

0 0 1 1 1 1

0 0 1 1 1 1

1 1 0 0 1 1

det | ( ( )( 1)) |1 1 0 0 1 1

1 1 1 1 1 0

1 1 1 1 0 1

aI L K m m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

1 0 0 0 0 0 0

0 1 0 0 0 0 0

0 0 1 0 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

am

m

m

Karena untuk λ3 = 𝑎𝑚 + 1 menghasilkan 𝑎 𝑚 − 1 nulitas (diketahui dari persamaan

polinomial 𝜆 − 𝑎𝑚 − 1 𝑎 𝑚−1 ), maka banyak basis untuk ruang vektor eigen yang

bersesuaian dengan λ3 = 𝑎𝑚 + 1 sebanyak 𝑎 𝑚 − 1 .

am

m + 1

am m + 1

m

a

m a

1

a(m – 1)

1 a(m – 1)

Page 34: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

50

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆4.

Untuk 𝜆4 = 𝑎 + 1 𝑚 + 1 disubsitusikan 𝜆4 ke dalam det(𝜆𝐼 − 𝐿 𝐾𝑎 𝑚 𝑚 + 1 )

diperoleh :

0 1 1 1 1

0 1 1 1 1

1 1 0 1 1

det | ( ( )( 1)) |1 1 0 1 1

1 1 1 1 1 0

1 1 1 1 0 1

a

m

m

m

I L K m mm

m

m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

1 1 0 0 0 0 0 0

0 1 0 0 0 0 0

0 0 1 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0 0

a m

m

m

m

m

am

m + 1

am m + 1

m

a

m a

1

a(m – 1)

1 a(m – 1)

Page 35: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

51

Karena untuk λ4 = 𝑎 + 1 𝑚 + 1 menghasilkan 𝑎 nulitas (diketahui dari persamaan

polinomial 𝜆 − 𝑎 + 1 𝑚 + 1 𝑎 ), maka banyak basis untuk ruang vektor eigen yang

bersesuaian dengan λ4 = (𝑎 + 1)𝑚 + 1 sebanyak 𝑎.

Jadi terbukti bahwa 0 1 ( 1) 1

( )( 1)1 ( 1)

a

am am a mSpec L K m m

m a m a

Teorema 6

Misal 𝐾 𝑚 (𝑚 + 1) adalah graf bipartisi komplit dengan 𝑚 ≥ 2,𝑚 ∈ ℕ maka

spektrum Signless-Laplace 𝐾 𝑚 𝑚 + 1 adalah :

0 1 2 1

( ( )( 1) )1 1 1

m m mSpec S K m m

m m

Bukti :

Misalkan 𝐴 𝐾 𝑚 𝑚 + 1 adalah matriks adjacency dari graf bipartisi komplit

𝐾 𝑚 𝑚 + 1 .

0 0 0 1 1 1 1

0 0 0 1 1 1 1

0 0 0 1 1 1 1

( ( )( 1)) 1 1 1 0 0 0 0

1 1 1 0 0 0 0

1 1 1 0 0 0 0

1 1 1 0 0 0 0

A K m m

m+1

am

m+1 am

Page 36: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

52

𝐷 𝐾 𝑚 𝑚 + 1 adalah matriks derajat dari graf bipartisi komplit 𝐾 𝑚 (𝑚 + 1).

1 0 0 0 0 0 0

0 1 0 0 0 0 0

0 0 1 0 0 0 0

( ( )( 1)) 0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

m

m

m

D K m m m

m

m

m

Maka matriks signless-Laplace dari graf bipartisi komplit adalah:

𝑆 𝐾 𝑚 𝑚 + 1 = 𝐷 𝐾 𝑚 𝑚 + 1 + 𝐴 𝐾 𝑚 𝑚 + 1

1 0 0 0 0 0 0 0 0 0 1 1 1 1

0 1 0 0 0 0 0 0 0 0 1 1 1 1

0 0 1 0 0 0 0 0 0 0 1 1 1 1

( ( )( 1)) 0 0 0 0 0 0 1 1 1 0 0 0 0

0 0 0 0 0 0 1 1 1 0 0 0 0

0 0 0 0 0 0 1 1 1 0 0 0 0

0 0 0 0 0 0 1 1 1 0 0 0

m

m

m

S K m m m

m

m

m

0

1 0 0 1 1 1 1

0 1 0 1 1 1 1

0 0 1 1 1 1 1

( )( 1) 1 1 1 0 0 0

1 1 1 0 0 0

1 1 1 0 0 0

1 1 1 0 0 0

m

m

m

S K m m m

m

m

m

m+1

am

am m+1

am

am

m+1

m+1

Page 37: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

53

Setelah didapatkan matriks 𝑆 𝐾 𝑚 𝑚 + 1 maka persamaan polinomial karakteristik

dari 𝑆 𝐾 𝑚 𝑚 + 1 , yaitu :

1 0 0 0 0 0 0 1 0 0 1 1 1 1

0 1 0 0 0 0 0 0 1 0 1 1 1 1

0 0 1 0 0 0 0 0 0 1 1 1 1 1

( ( )( 1) 0 0 0 1 0 0 0 1 1 1 0 0 0

0 0 0 0 1 0 0 1 1 1 0 0 0

0 0 0 0 0 1 0 1 1 1 0 0 0

0 0 0 0 0 0 1 1 1 1

m

m

m

I S K m m m

m

m

0 0 0 m

0 0 0 0 0 0 1 0 0 1 1 1 1

0 0 0 0 0 0 0 1 0 1 1 1 1

0 0 0 0 0 0 0 0 1 1 1 1 1

det | ( ( )( 1)) | 0 0 0 0 0 0 1 1 1 0 0 0

0 0 0 0 0 0 1 1 1 0 0 0

0 0 0 0 0 0 1 1 1 0 0 0

0 0 0 0 0 0

m

m

m

I S K m m m

m

m

1 1 1 0 0 0 m

1 0 0 1 1 1 1

0 1 0 1 1 1 1

0 0 1 1 1 1 1

det | ( ( )( 1)) | 1 1 1 0 0 0

1 1 1 0 0 0

1 1 1 0 0 0

1 1 1 0 0 0

m

m

m

I S K m m m

m

m

m

am

am

m+1

m+1

Page 38: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

54

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 1 0 0

0 0 0 0 1 0

0 0 0 0 0 2 1

m

m

m

m

m

Sehingga dari pola diagonal utama yang diperoleh dengan mengeliminasi matriks akan

membentuk suatu persamaan polinomial karakteristik, yaitu :

1det( ( ( )( 1))) ( ) ( 1) 2 1m mI S K m m m m m

Dari persamaan polinomial karakterisktik tersebut, maka untuk mendapatkan nilai

eigennya adalah :

det 1 0I S K m m

1( ) ( 1) 2 1 0m mm m m

Sehingga diperoleh nilai eigennya adalah 𝜆1 = 0 atau 𝜆2 = 𝑚 atau 𝜆3 = 𝑚 + 1 atau

𝜆4 = 2𝑚 + 1.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆1.

Untuk 𝜆1 = 0 disubsitusikan 𝜆1 ke dalam det 𝜆𝐼 − 𝑆 𝐾 𝑚 𝑚 + 1 diperoleh :

1

m

1 m

m – 1

m – 1

1

1

Page 39: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

55

1 0 0 1 1 1 1

0 1 0 1 1 1 1

0 0 1 1 1 1 1

det | ( ( )( 1)) | 1 1 1 0 0 0

1 1 1 0 0 0

1 1 1 0 0 0

1 1 1 0 0 0

m

m

m

I S K m m m

m

m

m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

0 0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 1 0 0

0 0 0 0 1 0

0 0 0 0 0 2 1

m

m

m

m

m

Pada matriks di atas terdapat 1 nulitas. Menurut teorema 2.4 dijelaskan bahwa nulitas dari

matriks A adalah dimensi ruang solusi dari Ax = 0. Sehingga dapat dikatakan bahwa

banyak basis ruang vektor eigen yang bersesuaian dengan 𝜆1 = 0 sebanyak 1.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆2.

Untuk 𝜆2 = 𝑚 disubsitusikan 𝜆2 ke dalam det 𝜆𝐼 − 𝑆 𝐾 𝑚 𝑚 + 1 diperoleh :

am

am

m+1

m+1

1 m m – 1 1

Page 40: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

56

1 0 0 1 1 1 1

0 1 0 1 1 1 1

0 0 1 1 1 1 1

det | ( ( )( 1)) | 1 1 1 0 0 0 0

1 1 1 0 0 0 0

1 1 1 0 0 0 0

1 1 1 0 0 0 0

I S K m m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 1 0 0

0 0 0 0 1 0

0 0 0 0 0 1

m

m

Karena untuk λ2 = 𝑚 menghasilkan m nulitas (diketahui dari persamaan polinomial

𝜆 −𝑚 𝑚 ), maka banyak basis untuk ruang vektor eigen yang bersesuaian dengan

λ2 = 𝑚 sebanyak m.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆3.

Untuk 𝜆3 = 𝑚 + 1 disubsitusikan 𝜆3 ke dalam det(𝜆𝐼 − 𝑆 𝐾 𝑚 𝑚 + 1 ) diperoleh :

am

am

m+1

m+1

1

m

1 m

m – 1

m – 1

1

1

Page 41: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

57

0 0 0 1 1 1 1

0 0 0 1 1 1 1

0 0 0 1 1 1 1

det | ( ( )( 1)) | 1 1 1 1 0 0 0

1 1 1 0 1 0 0

1 1 1 0 0 1 0

1 1 1 0 0 0 1

I S K m m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

1 0 0 0 0 0

0 1 0 0 0 0

0 0 1 0 0 0

0 0 0 0 0 0

0 0 0 0 0 0

0 0 0 0 0

m

m

Karena untuk λ3 = 𝑚 + 1 menghasilkan 𝑚− 1 nulitas (diketahui dari persamaan

polinomial 𝜆 −𝑚 − 1 𝑚−1), maka banyak basis untuk ruang vektor eigen yang

bersesuaian dengan λ3 = 𝑚 + 1 sebanyak 𝑚 − 1.

Selanjutnya akan ditentukan basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆4.

Untuk 𝜆4 = 2𝑚 + 1 disubsitusikan 𝜆4 ke dalam det(𝜆𝐼 − 𝑆 𝐾 𝑚 𝑚 + 1 ) diperoleh :

am

am

m+1

m+1

1

m

1 m

m – 1

m – 1

1

1

Page 42: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

58

0 0 1 1 1 1

0 0 1 1 1 1

0 0 1 1 1 1

det | ( ( )( 1)) | 1 1 1 1 0 0 0

1 1 1 0 1 0 0

1 1 1 0 0 1 0

1 1 1 0 0 0 1

m

m

m

I S K m m m

m

m

m

Dengan mengeliminasi matriks dengan metode Jordan yang ada pada software Maple 12,

maka akan didapatkan :

2 1 0 0 0 0 0

0 1 0 0 0 0

0 0 1 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0 0

m

m

m

m

m

Karena untuk λ4 = 2𝑚 + 1 menghasilkan 1 nulitas (diketahui dari persamaan polinomial

𝜆 − 2𝑚 + 1 ), maka banyak basis untuk ruang vektor eigen yang bersesuaian dengan

λ4 = 2𝑚 + 1 sebanyak 1.

Jadi terbukti bahwa 0 1 2 1

( )( 1)1 1 1

m m mSpec S K m m

m m

am

am

m+1

m+1

1

m

1 m

m – 1

m – 1

1

1

Page 43: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

59

BAB IV

PENUTUP

A. Kesimpulan

Berdasarkan pembahasan mengenai spektrum Adjacency, spectrum Detour,

spektrum Laplace, dan spektrum Signless-Laplace, dapat diperoleh kesimpulan

bahwa:

1. Misalkan 𝐾𝑛(𝑘) adalah graf k-partisi komplit dengan n titik pada masing-masing

partisi. Maka spectrum Adjacency graf 𝐾𝑛(𝑘) adalah

𝑆𝑝𝑒𝑐 𝐾𝑛 𝑘 = −𝑛 0 𝑘 − 1 𝑛

𝑘 − 1 𝑘 𝑛 − 1 1

2. Misalkan 𝐾𝑛(𝑘) adalah graf k-partisi komplit dengan n titik pada masing-masing

partisi. Maka spectrum Detour graf 𝐾𝑛(𝑘) adalah

𝑆𝑝𝑒𝑐𝐷𝐷 𝐾𝑛(𝑘) = − 𝑘𝑛 − 1 𝑘𝑛 − 1 2

𝑘𝑛 − 1 1

3. Misalkan 𝐾𝑛(𝑘) adalah graf k-partisi komplit dengan n titik pada masing-masing

partisi. Maka spectrum Laplace graf 𝐾𝑛(𝑘) adalah

𝑆𝑝𝑒𝑐𝐿 𝐾𝑛(𝑘) = 0 (𝑘 − 1)𝑛 𝑘𝑛1 𝑘(𝑛 − 1) (𝑘 − 1)

4. Misal 𝐾𝑎 𝑚 (𝑚 + 1) adalah graf multipartisi komplit dengan 2 ≤ 𝑎,𝑚 ∈ 𝑁.

Maka spektrum Adjacency 𝐾𝑎 𝑚 𝑚 + 1 adalah :

Page 44: SPEKTRUM ADJACENCY, SPEKTRUM LAPLACE, SPEKTRUM …repository.uin-malang.ac.id/1758/7/1758.pdf · banyaknya basis untuk ruang vektor eigen yang bersesuaian dengan 𝜆= − adalah

60

59

2 2( 2 4) ( 2 4)( 1) ( 1)0

( )( 1) 2 2 2 2

1 ( 1) 1 1

a

am am m m am am m ma m a mm

Spec A K m m

a a m m

5. Misal 𝐾𝑎 𝑚 (𝑚 + 1) adalah graf multipartisi komplit dengan 𝑚 sebanyak

a,1 ≤ 𝑚 ∈ ℕ. Maka spektrum Laplace 𝐾𝑎 𝑚 𝑚 + 1 adalah :

0 1 ( 1) 1

( )( 1)1 ( 1)

a

am am a mSpec K m m

m a m a

6. Misal 𝐾 𝑚 (𝑚 + 1) adalah graf bipartisi komplit dengan 𝑚 ≥ 2, 𝑚 ∈ ℕ

maka spektrum Signless-Laplace 𝐾 𝑚 𝑚 + 1 adalah :

0 1 2 1

( ( )( 1) )1 1 1

m m mSpec S K m m

m m

B. Saran

Berdasarkan hasil penelitian, maka penelitian selanjutnya dapat dilakukan dengan

menentukan spectrum graf multipartisi komplit yang belum dibahas dalam penelitian ini.

Selain itu, penelitian selanjutnya dapat diarahkan pada penentuan spectrum graf yang lain.