At

1.1. Definisi
Fungsi eksponensial merupakan salah satu pembahasan yang terdapat dalam ilmu
matematika. Fungsi eksponensial merupakan suatu fungsi yang memuat bentuk eksponen
dengan pangkat berupa variabel ditulis dengan notasi e x (Thomas dkk., 2014). Salah satu
konstantanya adalah konstanta 𝑒 yang merupakan basis dari logaritma natural. Nilai dari 𝑒
merupakan bilangan irasional yang nilainya tidak dapat dipastikan, yaitu 𝑒 = 2,71828⋯.
Dalam kehidupan sehari-hari, fungsi eksponensial dapat diterapkan salah satunya dalam bidang
biologi dan ekonomi (Saputro, 2019). Sebagai contoh, dalam bidang biologi fungsi eksponensial
dapat digunakan untuk menghitung jumlah perkembangan bakteri dalam waktu tertentu. Sedangkan
fungsi eksponensial pada bidang ekonomi biasanya digunakan dalam menghitung bunga majemuk di
perbankan.
Secara umum nilai fungsi eksponensial dapat diekspansikan menggunakan deret
∞
xn
Maclaurin dari e dan menghasikan deret pangkat e =∑
x x
(Varberg dkk., 2007). Pada
n=0 n !

matriks, fungsi eksponensial dapat diperluas menjadi matriks eksponensial.

Matriks merupakan susunan dari bilangan-bilangan yang berbentuk persegi empat
(Anton & Rorres, 2004). Gagasan mengenai matriks pertama kali diperkenalkan pada tahun
1895 oleh Arthur Cayley di Inggris dalam sebuah studi sistem persamaan linear dan
transformasi linear.
Lebih lanjut, matriks eksponensial merupakan deret pangkat dari fungsi eksponensial
yang konstantanya diganti menjadi suatu matriks persegi (Edwards & Penney, 2008). Deret
yang terbentuk pada matriks eksponensial sama dengan deret yang terbentuk pada fungsi
eksponensial. Salah satu penggunaan matriks eksponensial yaitu untuk menyelesaikan sistem
persamaan diferensial.
Matriks Eksponensial
Matriks eksponensial terbentuk dari ekspansi deret Maclaurin untuk e x dimana 𝑥
e dengan 𝐴
A
merupakan bilangan real. Matriks eksponensial dilambangkan dengan
merupakan suatu matriks berukuran 𝑛×𝑛 (Bladt & Nielsen, 2017). Berikut diberikan
definisi dari matriks eksponensial.
 Defenisi 1 : (Chorianopoulos & Guo, 2016) Misalkan 𝐴 matriks berukuran 𝑛 × 𝑛
dengan entri-entri bilangan real. Eksponensial dari 𝛢 dilambangkan dengan e Aatau
𝑒𝑥𝑝(𝐴) adalah matriks 𝑛 × 𝑛 yang diberikan oleh deret pangkat:
∞
An 2
A A
3
e A =∑ =I +A+ + + … (1)
n=0 n! 2! 3 !

Dengan I merupakan suatu matriks identitas.

diberikan definisi mengenai deret pangkat matriks eksponensial:

Definisi 2: (Edwards & Penney, 2008) Jika 𝑡 merupakan skalar dan 𝐴 merupakan
matriks 𝑛×𝑛, maka deret pangkat dari matriks eksponensial adalah

∞ 2 3
An ( At ) ( At )
e At =∑ =I + At + + +…
n =0 n! 2! 3!

2 2 3 3
A t A t
¿ I+ A + + +…
2! 3!

Deret tak terhingga untuk eAt selalu konvergen untuk setiap matriks persegi A dan
setiap skalar t.

Meskipun definisi deret untuk e At secara matematis sempurna dan mendasar, pendekatan
ini sangat tidak praktis untuk perhitungan eksplisit atau manual. Beberapa alasannya
meliputi:

 Perhitungan Pangkat Matriks yang Berulang: Menghitung suku-suku deret

memerlukan perhitungan pangkat matriks yang semakin tinggi: A2 A 3 A 4 , dan
seterusnya. Operasi perkalian matriks, terutama untuk matriks berukuran n × n di
mana n cukup besar, adalah proses yang memakan waktu dan rentan kesalahan
komputasi jika dilakukan secara manual. Misalnya, untuk menghitung A k, diperlukan
k −1 perkalian matriks. Jumlah operasi ini bertambah secara drastis seiring dengan
meningkatnya k.
 Penjumlahan Deret Tak Terhingga: Secara definisi, ini adalah deret yang memiliki
jumlah suku tak terhingga. Dalam praktik, kita tidak mungkin menjumlahkan semua
suku. Meskipun deret ini konvergen, untuk mencapai tingkat akurasi yang memadai,
 kita mungkin memerlukan sejumlah besar suku pertama. Ini berarti komputasi yang
sangat panjang bahkan hanya untuk mendapatkan aproksimasi yang baik.

Karena tantangan-tantangan ini, pendekatan langsung menggunakan deret tak terhingga

hanya bersifat teoritis atau digunakan dalam komputasi numerik dengan algoritma yang
efisien. Dalam praktiknya, untuk mendapatkan bentuk eksplisit dari e At , kita harus beralih ke
metode-metode lain yang memanfaatkan struktur aljabar matriks untuk menyederhanakan
perhitungan menjadi serangkaian langkah yang berhingga dan lebih mudah dikelola.

Keterbatasan perhitungan deret tak terhingga telah mendorong pengembangan berbagai

metode alternatif untuk menghitung a At Beberapa metode yang paling umum dan efektif
meliputi:

 Diagonalisasi Matriks: Jika matriks A dapat didiagonalisasi (yaitu, dapat ditulis

sebagai A=PD P−1 di mana D adalah matriks diagonal yang berisi nilai-nilai
eigen, maka e At dapat dihitung dengan mudah menggunakan formula e At =
Dt −1 Dt
P e P .Perhitungan e sangat sederhana karena melibatkan eksponensial dari
setiap elemen diagonal.
 Transformasi Laplace: Eksponensial matriks dapat ditemukan sebagai invers
transformasi Laplace dari ¿, yaitu e At=L−1 {(sI −A )−1 }. Metode ini sangat populer
karena mengubah masalah eksponensial matriks menjadi masalah aljabar linear
dan invers transformasi Laplace.
 Teorema Hamilton-Cayley: Teorema ini menyatakan bahwa setiap matriks
persegi memenuhi persamaan karakteristiknya sendiri. Teorema ini sangat
berguna untuk menghitung pangkat tinggi dari sebuah matriks. Karena p( A)=0,
kita bisa mengekspresikan An (atau bahkan pangkat yang lebih tinggi dari A )
sebagai kombinasi linear dari pangkat A yang lebih rendah (hingga An−1).
Misalnya, jika p(λ)=λn + cn−1 λn−1 +⋯+c 0 , maka An =−c n−1 A n−1−⋯−c 0 I . Ini
adalah kunci untuk mengurangi setiap pangkat matriks yang lebih tinggi menjadi
kombinasi linear dari matriks I , A , A3 , … , A n−1.
1.1. Teori Komputasi (Teori Kunci)
 Teorema 1
Jika A adalah matriks yang memiliki n baris dan n kolom maka

At n−1 n−1 n−2 n−2 2 2

e =α n−1 A t +α n−2 A t +⋯+ α 2 A t +α 1 At +α 0 I

Dimana α 0 , α 1 ,⋯ , α n−1 merupakan fungsi-fungsi dari t yang harus ditentukan

untuk setiap A .
Contoh:
Ketika A memiliki dua baris dan dua kolom, maka n=2 sehingga
At
e =α 1 At + α 0 I
Ketika A memiliki tiga baris dan tiga kolom, maka n=3 sehingga
At 2 2
e =α 2 A t +α 1 At +α 0 I
 Teorema 2
Anggaplah A seperti dalam Teorema 1 dan definisikan
n−1 n−1 n−2 n −2 2
r ( λ )=α n−1 λ t + α n−2 λ t +⋯+ α 2 λ +α 1 λ+ α 0
Maka jika λ i merupakan nilai karakteristik dari At
λi
e =r ( λ i )
λi n−1 n−1 n−2 n −2 2
e =r ( λi ≡ α n−1 λ t + α n−2 λ t +⋯+ α 2 λ +α 1 λ+ α 0)
Jika λ imerupakan nilai karakteristik dari At dengan multiplisitas k (k >1),
maka persamaan berikut berlaku
ⅆ
ⅇλ = i
r ( λ )| λ=λi
ⅆλ
ⅆ2
ⅇλ = i
r ( λ )| λ= λi
ⅆλ 2
⋯ ⋯⋯ ⋯ ⋯⋯ ⋯ ⋯ ⋯⋯
k−1
d
r ( λ )| λ= λi
λi
ⅇ =
ⅆλ k−1
Contoh:
1. Anggap A memiliki empat baris dan empat kolom nilai karakteristiknya At
adalah λ=5 t dan λ=2 t dengan multiplisitas masing-masing tiga dan satu.
 Maka n=4 sehingga
3 2
r ( λ )=α 3 λ + α 2 λ + α 1 λ+α 0
' ( λ) 2
r =3 α 1 λ +2 α 2 λ+α 1
' ' ( λ)
r =6 α 3 λ+ 2 α 2
Karna λ=5 t merupakan nilai karakteristik degan multiplisitas tiga, maka
5t
e =r (5 t)
5t
e =r ' (5 t ) dan
5t
e =r ' ' (5 t)
Sehingga
5t 3 2
e =α 3 (5 t) + α 2 (5 t) +α 1 (5t )+ α 0
5t 2
e =3 α 1 (5 t) +2 α 2 (5 t)+ α 1
5t
e =6 α 3 (5 t )+2 α 2
Juga, karna λ=2 t merupakan nilai karakteristik dengan multiplitas satu,
maka e 2 t=r (2 t ) atau
5t 3 2
e =α 3 (2 t) +α 2 (2 t) + α 1 ( 2 t ) + α 0

2. Hitunglah e At untuk A=
1 1
9 1 [ ]
Di sini n=2. sesuai dengan Teorema 1
At
e =α 1 At + α 0 I =
[ α 1 t+ α 0 α1 t
9 α 1 t α 1 t+ α 0 ]
Sesuai dengan Teorema 2, r ( λ )=α 3 λ+ α 0.
Nilai-nilai karakteristik dari At adalah λ 1=4 t dan λ 2=−2 t yang
keduanya memiliki multiplisitas satu.
Dengan memasukkan nilai-nilai karakteristik berturut-turut ke dalam
λi
e =r ( λi ) kita memperoleh dua persamaan
4t
e =4 t α 1+ α 0
−2 t
e =−2t α 1 + α 0
Jika kedua persamaan ini diselesaikan untuk memperoleh α 1dan α 0kita
memperoleh
 1 4 t −2 t
α 1= ( e −e ) dan α 0= 1 ( e 4 t −2 e−2 )
6t 3
Dengan memasukkan nilai-nilai ini dan menyederhanakannya, kita
memperoleh

( )
4t −2t 4t −2 t
At 1 3e +3e e −e
e = −2 t
4t
6 9 e −9 e 3 e4 t +3 e−2 t
1.2. Langkah-langkah Komputasi dan Contoh Sederhana
1. Menentukan Nilai Eigen Matriks A
 Hitung nilai eigen λ 1 dan λ 2dari matriks A dengan mencari akar karakteristik
¿ A−λI ∨.
2. Menentukan Persamaan Linear untuk Koefisien
 Tuliskan e At sebagai kombinasi linear matriks:
At
e =α 1 ( t ) I + α 2 ( t ) A
 Koefisien α 1 ( t ), α 2 ( t )adalah fungsi waktu yang akan ditentukan.
3. Menyelesaikan Sistem Persamaan untuk Mendapatkan Koefisien
 Gunakan persamaan diferensial dan sifat nilai eigen untuk menentukan
persamaan linear untuk α 1 (t) dan α 2 (t)
 Sistem ini biasanya diperoleh dari substitusi teori nilai eigen dan matriks ke
dalam persamaan diferensial untuk e At .
4. Mensubstitusikan Kembali ke dalam Bentuk Eksponensial
 Setelah koefisien diperoleh, substitusikan ke dalam bentuk:
At
e =α 1 ( t ) I + α 2 ( t ) A
 Ini memberikan bentuk eksplisit dari e At .

Contoh:

1. Missal A2 × 2maka n=2

Sehingga e At=α 1 At + α 0 I
2.
2.1. Komputasi untuk Kasus Khusus (Multiplisitas)
Nilai eigen merupakan konsep fundamental dalam aljabar linear dan
analisis sistem dinamis. Secara umum, nilai eigen diperoleh dari akar
polinomial karakteristik suatu matriks. Namun, terdapat kondisi khusus
ketika suatu nilai eigen muncul lebih dari sekali, yang disebut sebagai
nilai eigen dengan multiplikitas. Multiplikitas sendiri terbagi menjadi
dua: algebraic multiplicity (AM), yaitu jumlah pengulangan nilai eigen
sebagai akar persamaan karakteristik, dan geometric multiplicity (GM),
yaitu dimensi ruang vektor eigen yang bersesuaian dengan nilai eigen
tersebut. Pada kasus ideal, AM = GM sehingga matriks dapat
didiagonalisasi. Namun, jika AM > GM, maka jumlah eigenvector tidak
mencukupi dan matriks tidak dapat didiagonalisasi. Untuk mengatasinya
digunakan pendekatan dengan generalized eigenvector dan Jordan
Normal Form.
'
Dalam sistem persamaan diferensial linier x =Ax , solusi umum
dinyatakan melalui matriks eksponensial e At . Jika suatu nilai eigen λ
memiliki multiplikitas k > 1, maka solusi tidak hanya berbentuk e λt,
melainkan harus diperluas dengan faktor turunan hingga orde k −1. Hal ini
2 k−1
λt t λt t λt
berarti muncul suku tambahan berupa te , ; e ,;…, e . Faktor –
2! ( k−1 ) !
faktor ini muncul karena untuk membentuk ruang solusi yang lengkap
dibutuhkan generalized eigenvectors w ,u , … yang memenuhi
( A−λI ) w=v , ( A−λI ) u=w , dan seterusnya. Dengan demikian, meskipun
jumlah eigenvector biasa kurang dari yang dibutuhkan, basis solusi tetap
dapat diperoleh dengan melibatkan generalized eigenvectors.
Metode sistematis yang digunakan untuk menghitung solusi kasus ini
adalah melalui Jordan Normal Form (JNF). Prosedurnya dimulai dengan
menentukan nilai eigen beserta AM dan GM. Jika GM < AM, maka
generalized eigenvector dicari dengan menghitung nullspace dari ( A−λI ) p
untuk p ≤ k . Selanjutnya, dibentuk matriks transformasi P yang terdiri atas
eigenvector dan generalized eigenvector, sehingga matriks A dapat
dituliskan dalam bentuk Jordan : A=JPJ −1. Matriks eksponensial kemudian
dihitung melalui e At=Pe Jt P−1 untuk blok Jordan berukuran k × k , bentuk
eksponensialnya di perluas dengan deret segitiga atas yang mengandung
2 k−1
t t
faktor t , , … , .
2! ( k−1 ) !

Sebagai ilustrasi, pertimbangkan matriks

A= ( 20 12) .
x (t )=c1 e
2t
(10)+c e (t (10)+( 01)) .
2
2t

Dengan demikian, dapat disimpulkan bahwa komputasi nilai eigen

dengan multiplikitas memerlukan pendekatan khusus, karena jumlah
eigenvector tidak selalu mencukupi. Generalized eigenvectors dan Jordan
Normal Form menjadi alat utama dalam penyelesaian kasus ini.
Pendekatan ini tidak hanya memberikan solusi teoretis yang lengkap,
tetapi juga menjadi dasar dalam komputasi numerik modern, seperti pada
penyelesaian sistem diferensial linier, stabilitas sistem dinamis, serta
analisis struktur matriks.

Contoh:

Hitunglah e At untuk A=
0 1
−9 6 [ ]
Di sini n=2.

At
e =α 1 At + α 0 I =
[ α0 α1 t
−9 α 1 t +α 0 ]
(1)

dr (λ)
Dari r ( λ )=α 1 λ+ α 0 . Jadi, =α 1. Nilai eigen At adalah λ 1=λ2= λ3=3 t , yang
dλ
merupakan nilai eigen tunggal dari multiplisitas dua. Maka, dapat disimpulkan bahwa

3t
e =3t α 1 +α 0

3t
e =α 1
 Solusi persamaan ini untuk α 1dan α 0, kita menemukan bahwa
3t 3t
α 1=e dan α 0=e (1−3t )
Dengan mensubstitusikan nilai-nilai ini ke dalam persamaan (1) dan
menyederhanakannya, kita memperoleh
At
e =e
3t
[1−3
−9 t
t t
1+ 3t ]
2.2. Contoh lanjutan (kompleks)
 Contoh 1

[ ]
3 1 0
Hitunglah e untuk A= 0 3 1 .
At

0 0 3
Di sini n=3.
At 2 2
e =α 2 A t +α 1 At +α 0 I

[ ] [ ] [ ]
9 6 1 3 1 0 1 0 0
2
¿ α 2 0 9 6 t +α 1 0 3 1 t +α 0 0 1 0
0 0 9 0 0 3 0 0 1

[ ]
9 α 2 t 2 +3 α 1 t+ α 0 6 α 2 t 2+ α 1 t α 2t2
¿ 0 9 α 2 t 2+ 3 α 1 t+ α 0 6 α 2 t 2 +α 1 t (1)
2
0 0 9 α 2 t +3 α 1 t +α 0

Dan r ( λ )=α 2 λ 2+ α 1 λ+ α 0. Jadi,

dr (λ) dr (λ)
=2 α 2 λ +α 1 =2 α 2 λ+ α 1
dλ dλ
Nilai eigen dari At adalah λ 1=λ2= λ3=3 t , maka nilai eigennya adalah multiplisitas
tiga, maka:
3t 2
e =α 2 9 t + α 1 3 t +α 0
3t
e =α 2 6 t+ α 1
3t
e =2α 2
Solusi untuk rangkaian persamaan ini adalah
 1
2
9
(
α 2= e 3 t α 1= ( 1−3 t ) e 3 t α 0= 1−3 t+ t 2 e3 t
2 )
Dengan mensubstitusikan nilai-nilai ini ke dalam persamaan (1) dan
menyederhanakannya, kita memperoleh

[ ]
2
1 t t /2
At 3t
e =e 0 1 t
0 0 1
 Contoh 2

[ ]
0 1 0
Hitunglah e untuk A= 0 0 1 .
At

0 −1 2

Di sini n=3.

At 2 2
e =α 2 A t +α 1 At +α 0 I

[ ]
α0 α1 t α2 t 2
¿ 0 −α 2 t 2 +α 0 2 α 2 t 2 +α 1 t (1)
0 −2 α 2 t 2−α 1 t 3 α 2 t 2 +2 α 1 t+ α 0

Dari persamaan contoh 1, r ( λ )=α 2 λ 2+ α 1 λ+ α 0. Nilai eigen At adalah λ 1=0 dan

λ 2=λ3 =t adalah nilai eigen multiplisitas dua, sedangkan λ 1=0 adalah nilai eigen
multiplisitas satu. Dapat disimpulkan bahwa e t =r ( t ) , et =r ' ( t ) , dan e 0=r ( 0 ) karena
'
r ( λ )=2α 2 λ+α 1, persamaan ini menjadi

t 2
e =α 2 t + α 1 t+ α 0

t
e =2 α 2 t+ α 1

0
e =α 0

Yang memiliki solusinya

t t t t
t e −e +1 −t e +2 e −2
α 2= 2
α 1= α 0 =1
t t
 Dengan mensubstitusikan nilai-nilai ini ke dalam persamaan (1) dan
menyederhanakannya, kita memperoleh

[ ]
1 −t e t +2 e t−2 te t−et +1
e At = 0 t
−t e + e
t
te
t

0 −t et t e t + et

 Contoh 3

[ ]
0 1 0
At
Carilah e untuk A= 0 −2 −5 .
0 1 2

Di sini n=3.

At 2 2
e =α 2 A t +α 1 At +α 0 I

[ ]
α0 −2 α 2 t 2 +α 1 t −5 α 2 t 2
¿ 0 −α 2 t 2 −2 α 1 t+α 0 −5 α 1 t (1)
2
0 −α 1 t −α 2 t +2 α 1 t +α 0

Dari contoh 1, r ( λ )=α 2 λ 2+ α 1 λ+ α 0. Nilai eigen At adalah λ 1=0 , λ 2=¿, dan λ 3=−¿
. Dengan mensubstitusikan nilai-nilai ini secara berurutan ke dalam (16.6), kita
memperoleh tiga persamaan

0 2
e =α 2 (0) +α 1(0)+ α 0

¿ 2
e =α 2 (¿) +α 1 (¿)+α 0

−¿ 2
e =α 2 (−¿) + α 1 (−¿)+ α 0

Yang memiliki solusi

¿ −¿
e +e −2 1−cos t
α 2= 2
= 2
−2t t
¿ −¿
e −e
α 1=
sin t
2¿= ¿
t
 α 0=1

Dengan mensubstitusikan nilai-nilai ini ke dalam persamaan (1) dan

menyederhanakannya, kita memperoleh

[ ]
1 −2+ 2cos t+sin t −5+ 5 cos t
At
e =0 cos t−2 sin t −5 sin t
0 sin t cos t+2 sin t