P. 1
Nilai Eigen Dan vektor Eigen

Nilai Eigen Dan vektor Eigen

|Views: 5,631|Likes:
Dipublikasikan oleh No Name
aljabar linear
aljabar linear

More info:

Published by: No Name on Nov 24, 2009
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/15/2013

pdf

text

original

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 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 Ruang vektor: Jika = 2 diperoleh:

2

2

=1

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 tak nol yang berbentuk:

adalah vektor-vektor

Jadi basisnya adalah:

untuk

Cara Maple > with(LinearAlgebra): Mendefinisikan matriks > A := matrix(2,2,[3,2,-1,0]); 3 A := K1 Persamaan Karakteristik > det(lambda*(LinearAlgebra:-IdentityMatrix(2,2))-A);

2 0

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 1,1]. diperoleh vektor eigen = [-2, 1] dan diperoleh vektor eigen = [-

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]);

0 A := 1 1

0 K2 2 0 1 3

> 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]);

K2 K1 P := 1 1
> a:=evalm(inverse(P));

0 1 0

0 1

Aplikom 3

Jurusan Pendidikan Matematika UMPAR

Bab 4. Nilai Eigen & Vektor Eigen

33
K1 a := 1 1 0 K1 0 1 2 1 0 2 0

> b:=evalm(A&*P);

K2 K2 b := 1 1
> evalm(a&*b);

0 2
0 2 0 0 0 2

1 0 0

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

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->