Diktat Aljabar Linear 8.

VEKTOR DAN NILAI EIGEN

Vektor & Nilai Eigen

8.1. PENGANTAR DEFINISI 8.1: Jika A adalah matriks bujur sangkar berukuran n x n, maka vektor tak nol x Cn dikatakan sebagai vektor eigen dari A jika Ax = x (8.1) dengan C, dinamakan sebagai nilai eigen dari A sedangkan x dikatakan sebagai vektor eigen yang bersesuaian dengan . Persamaan (8.1) ekivalen dengan sistem persamaan linear homogen (A - I) x = 0 karena x nontrivial jika atau A I = 0 n n f() = (-1) ( + a1 n-1 + a2 n-2 + ...+ an-1 + an) = 0 ! ! n + a1 n-1 + a2 n-2 + ...+ an-1 + an = 0 dengan : - a1 = Tr(A) =

(8.2) (8.3) (8.4)

a
i =1

ii

ISTILAH-ISTILAH 8.2: Jika persamaan (8.1) terpenuhi, maka (a) (A) = { | adalah nilai eigen dari A} dinamakan sebagai spektrum dari A ! (A) " x 0 sedemikian hingga (A-I) x = 0 " A -I adalah singular " p() := |A-I| = 0 (b) p() disebut sebagai polinomial karakteristik dari A dengan derajat p = n (c) Persamaan p() = 0 disebut sebagai persamaan karakteristik TEOREMA 8.3: Dari teori dasar pada aljabar dapat disimpulkan bahwa: Jika (A) = {1 2 ... n} merupakan himpunan diskrit dari bilangan kompleks i C, dan p() =

i =1

( i )

maka p(0) = det(A) =

n

i =1

(8.5)

Selanjutnya dari: p() := |A-I| =

n

(a
i =1 n

ii

) + q ( )

dengan derajat q 2

maka akan didapat Teorema Vieta sebagai berikut :

i =1

i =Trace(A) =

a
i =1

ii

(8.6)

Siana Halim- Teknik Industri UK. Petra 37

Vektor & Nilai Eigen

Diktat Aljabar Linear

TEOREMA 8.4: Misalkan i , i = 1,2,...,n adalah nilai-nilai eigen yang berbeda dari matriks A = (aij) Cnxn dan misalkan xi ,i = 1,2,..,n adalah vektor vektor eigen yang bersesuaian maka B={x1, x2,..,xn} bebas linear dan dapat membentuk basis untuk Cn

TEOREMA 8.5: Jika A dan B adalah matriks matriks yang serupa, maka A dan B memiliki karakteristik polinomial yang sama yang berarti pula memiliki nilai-nilai eigen yang sama Bukti: Karena A dan B serupa, maka terdapatlah matriks nonsingular X sedemikian hingga B=X-1 A X. Det (B - I) = Det (X-1 A X - X-1X) = Det (X-1 (A - I) X) = Det (X-1 ) Det (A - I) Det(X) = Det (A - I) TEOREMA 8.6: Misalkan A xi = i xi , xi 0, i = 1,...,n dan X := [x1, x2 , ...,xn] Cnxn, maka AX = X dimana = diag (1, 2,..., n} Jika x1, x2 , ...,xn bebas linear, berarti X tak singular dan didapat X-1AX = maka A dikatakan dapat didiagonalkan

8.2. PERMASALAHAN VEKTOR DAN NILAI EIGEN Dari uraian di atas tampak jelas ada dua masalah utama dalam bahasan vektor dan nilai eigen yaitu: (1) Mendapatkan nilai eigen itu sendiri bukanlah hal yang mudah, karena nilai eigen didapat dari pemecahan akar-akar polinomial karakteristik. (2) Akar-akar polinomial karakteristik tidak selalu berbeda, sehingga bila persamaan (8.1) digunakan untuk mencari vektor vektor eigen yang bersesuaian dengan nilai eigen yang ada maka belum tentu vektor vektor eigen ini saling bebas linear. Dengan kata lain bila terdapat nilai-nilai eigen yang sama, maka dengan hanya menggunakan persamaan (8.1) maka vektor vektor eigen yang didapat pasti saling bergantung linear. Untuk menyelesaikan masalah pertama digunakan metode aljabar linear numerik, seperti , Specktum Slicing, Bisection, Devide and Conquer, Power Method, Invers Iteration, QR Decomposition, Rayleigh-Ritz Method, Arnoldi,BiCG, GMRES, dan lain-lain. TIDAK DIBAHAS PADA KULIAH INI !!!

38

Siana Halim- Teknik Industri UK. Petra

Diktat Aljabar Linear

Vektor & Nilai Eigen

Sedangkan untuk menyelesaiakan masalah kedua digunakan metode generalized eigen vector. 8.3. GENERALIZED EIGEN VECTORS DEFINISI 8.7: Vektor tak nol x dikatakan sebagai generalized eigen vector dari A dengan rank k yang bersesuaian dengan nilai eigen jika dan hanya jika (8.7) (A - I)k x = 0 dan (A-I)k-1 x 0. Dalam hal ini k merupakan jumlah nilai eigen yang sama.

CATATAN CATATAN 8.8: Jika k = 1, maka didapat persamaan vektor eigen biasa, persaman (8.1) Himpunan vektor {x1, x2, ...,xk} yang didefinisikan pada persmaan (8.7) disebut rantai dari generalized eigen vectors yang bersesuaian dengan nilai-nilai eigennya. TEOREMA 8.9: Himpunan dari generalized eigenvetors , S ={x1, x2, ...,xk} bebas linear.

8.4. JORDANS CANONICAL FORM Jika TEOREMA 8.6 tidak dapat terpenuhi karena matirks A tidak simetris, ataupun memiliki nilai-nilai eigen yang berulang, sehingga vektor vektor eigen yang saling bebas linear tidak didapat, maka teorema berikut (tanpa pembuktian) menjamin matriks yang tidak terdiagonalisasi tersebut dapat ditransformasi menjadi hampir diagonal. TEOREMA 8.10: Setiap matriks bujur sangkar A dapat ditrasnformasikan oleh matriks nonsingular X sedemikian hingga : X-1 A X = J Dimana J adalah :
J1 0 ! ! 0 i 1 i 0 0 i 1 i 0 J2 0 0 # 0 " ! " ! 0 0 Jp 0 # i 1 0 i 0 0 0 0 0 i 0 1 i

Ji disebut Jordan Blok

Matriks matriks ini berbentuk :

[i ] [i ]

i 1
1

... atau Dalam satu blok hanya terdapat 1 nilai-nilai

i 0

eigen yang sama pada diagonal utamanya.

Siana Halim- Teknik Industri UK. Petra 39

Vektor & Nilai Eigen

Referensi

Diktat Aljabar Linear

40

Siana Halim- Teknik Industri UK. Petra