Anda di halaman 1dari 4

BAB IV

NILAI EIGEN DAN VEKTOR EIGEN

Definisi
Jika A adalah matrik n x n, maka vektor tak nol x di dalam Rn dinamakan vektor
eigen dari A jika Ax adalah kelipatan skalar dari x, yaitu,

Ax = x

untuk suatu skalar . Skalar  disebut nilai eigen dari A dan x dikatakan vektor
eigen yang bersesuaian dengan .
Untuk mencari nilai eigen matrik A yang berukuran n x n maka kita menuliskannya
kembali Ax = x sebagai Ax = Ix

 (I – A)x = 0
Dan persamaan di atas akan mempunyai penyelesaian jika

det(I – A)=0 ...................................................(6.1)


Persamaan (6.1) disebut persamaan karakteristik A.
Contoh
Carilah nilai – nilai eigen dan basis-basis untuk ruang eigen dari
 3 2
A=  
 1 0
Jawab:

Persamaan karakteristik
1 0  3 2   3  2 
I – A =    -   = 
0 1    1 0   1  
det(I – A) = (-3)  - (-2) = 0
= 2 - 3 + 2 = 0
1 = 2, 2 = 1
Jadi nilai – nilai eigen dari A adalah 1 = 2 dan 2 = 1
Ruang vektor:


Jika  = 2 diperoleh:

30▲Aplikom 3 Jurusan Pendidikan Matematika UMPAR


Bab 4. Nilai Eigen & Vektor Eigen 31

Dengan eliminasi diperoleh: ,


Jadi vektor-vektor eigen dari A yang bersesuaian dengan  adalah vektor-vektor
tak nol yang berbentuk:

Jadi basisnya adalah: untuk 

Cara Maple
> with(LinearAlgebra):
Mendefinisikan matriks
> A := matrix(2,2,[3,2,-1,0]);
é 3 2ù
A := ê ú
ë K1 0û

Persamaan Karakteristik
> det(lambda*(LinearAlgebra:-IdentityMatrix(2,2))-A);
K3 l C l 2 C 2

Nilai eigen
> eigenvalues(A);
2, 1

Vektor eigen
> eigenvectors(A);
[ 1, 1, { [ K1 1 ] } ] , [ 2, 1, { [ K2 1 ] } ]
Untuk  diperoleh vektor eigen = [-2, 1] dan  diperoleh vektor eigen = [-
1,1].

Aplikom 3 Jurusan Pendidikan Matematika UMPAR


Bab 4. Nilai Eigen & Vektor Eigen 32

Diagonalisasi

Definisi:
Sebuah matriks bujursangkar A dikatakan dapat didiagonalisasi jika terdapat sebuah
matriks P yang dapat dibalik sedemikian rupa sehingga adalah sebuah matriks
diagonal, P dikatakan mendiagonalisasi A

Contoh:
Tentukan sebuah matriks P yang mendiagonalisasi

Penyelesaian:
Persamaan karakteristiknya

> restart;
> with(linalg):
> A:=matrix(3,3,[0,0,-2,1,2,1,1,0,3]);
é0 0 K2 ù
ê ú
A := ê 1 2 1ú
ê ú
ë1 0 3û
> det((lambda*LinearAlgebra:-IdentityMatrix(3,3)-A));
8 l K 5 l2 C l3 K 4
> eigenvalues(A);
1, 2, 2
> eigenvectors(A);
[ 1, 1, { [ K2 1 1 ] } ] , [ 2,
2, { [ K1 0 1 ] , [ 0 1 0 ] } ]
> P:=matrix(3,3,[-2,-1,0,1,0,1,1,1,0]);
é K2 K1 0ù
ê ú
P := ê 1 0 1ú
ê ú
ë 1 1 0û
> a:=evalm(inverse(P));

Aplikom 3 Jurusan Pendidikan Matematika UMPAR


Bab 4. Nilai Eigen & Vektor Eigen 33

é K1 0 K1 ù
ê ú
a := ê 1 0 2ú
ê ú
ë 1 1 1û
> b:=evalm(A&*P);
é K2 K2 0ù
ê ú
b := ê 1 0 2ú
ê ú
ë 1 2 0û
> evalm(a&*b);
é1 0 0ù
ê ú
ê0 2 0ú
ê ú
ë0 0 2û
Diagonalisasi Ortogonal
Definisi:
Jika A adalah sebuah matriks simetriks, maka:
(a) Nilai eigen matriks A semuanya adalah bilangan real.
(b) Vektor eigen yang berasal dari ruang eigen yang berbeda saling ortogonal.

Contoh soal:
Tentukan sebuah matriks Ortogonal P yang mendiagonalisasi

Penyelesaian:

Aplikom 3 Jurusan Pendidikan Matematika UMPAR