Matriks v4 2011
Matriks v4 2011
aij xj = bi , i = 1, 2, , m,
(1.1)
j=1
dimana aij disebut koefisien, xj disebut peubah dan bi disebut konstanta ruas kanan.
Jika bi = 0 untuk semua i, maka (1.1) dinamakan SPL homogen. Jika ada i sehingga
bi = 0, maka (1.1) dinamakan SPL tak homogen. Bentuk (1.1) dapat dituliskan
dalam bentuk perkalian matriks sebagai
a11
..
Ax = b .
a1n
..
.
...
am1 amn
x1
..
. =
b1
..
. .
xn
bm
(1.2)
Matriks A disebut matriks koefisien. Matriks yang diperbesar atau matriks perluasan
dari SPL (1.1) didefinisikan oleh
a11
..
[A|b] atau .
..
.
a1n
..
.
b1
..
. .
(1.3)
am1 amn bm
2. OBE. Teknik dasar untuk menyelesaikan suatu SPL adalah mengganti SPL yang
diberikan dengan suatu SPL baru yang memiliki himpunan solusi sama tetapi lebih
mudah diselesaikan. SPL baru ini secara umum diperoleh dengan menerapkan tiga
jenis operasi, yang dinamakan Operasi Baris Elementer (OBE), yaitu
(a) Mengalikan sebuah baris (persamaan) dengan suatu konstanta tak nol,
(b) Menukar urutan dua baris (persamaan),
(c) Menjumlahkan kelipatan sebuah baris terhadap satu baris lainnya.
3. Bentuk eselon baris. Bentuk SPL (matriks perluasan) baru yang lebih sederhana
untuk diselesaikan adalah bentuk eselon baris tereduksi yang memenuhi sifat:
(a) Jika suatu baris memuat elemen tak nol, maka elemen tak nol pertama pada
baris tersebut adalah 1. Bilangan 1 ini selanjutnya disebut utama-1.
(b) Jika terdapat baris-baris yang memuat semua elemennya nol, maka baris-baris
tersebut dikelompokkan pada bagian bawah matriks.
(c) Untuk setiap dua baris berurutan yang masing-masing memuat elemen tak
nol, maka utama-1 baris yang di bawah terletak di sebelah kanan dari utama-1
baris di atasnya.
(d) Setiap kolom yang memuat utama-1, maka elemen-elemen lainnya adalah 0.
Bentuk eselon baris tereduksi suatu matriks bersifat tunggal. Jika hanya tiga sifat
pertama yang dipenuhi, maka matriks disebut bentuk eselon baris.
4. Eliminasi Gauss. Teknik eliminasi yang mengubah SPL (matriks perluasan) semula menjadi bentuk eselon baris dinamakan teknik eliminasi Gauss, sedangkan
teknik eliminasi yang menghasilkan bentuk eselon baris tereduksi dinamakan teknik
eliminasi Gauss-Jordan. Untuk menyelesaikan suatu SPL, teknik eliminasi ini biasa digabungkan dengan teknik substitusi mundur. Untuk suatu SPL, maka SPL
tersebut kemungkinannya memiliki
(a) solusi tunggal, atau
(b) solusi tak berhingga banyak, atau
(c) tidak ada solusi.
Jika SPL memiliki solusi, maka SPL dikatakan konsisten. Jika SPL tidak memiliki
solusi, maka SPL dikatakan tak konsisten.
5. Matriks elementer. Suatu matriks berukuran nn disebut matriks elementer jika
matriks tersebut diperoleh dari matriks identitas berukuran nn dengan melakukan
satu kali OBE. Matriks elementer memiliki balikan (invers), dan balikannya juga
merupakan matriks elementer. Representasi matriks elementer berukuran 2 2
untuk setiap OBE adalah
(a) Mengalikan baris pertama dengan konstanta tak nol c:
(
)
c 0
0 1
(b) Menukar urutan dua baris:
0 1
1 0
6. Ekivalen baris. Matriks A dikatakan ekivalen baris dengan matriks B, jika matriks A dapat diperoleh dari matriks B dengan melakukan sejumlah hingga OBE.
Misalkan Ei menyatakan matriks elementer yang menyajikan OBE pada tahap ke-i.
Matriks A ekivalen baris dengan matriks B, jika A = En En1 E1 B.
7. Balikan. Matriks persegi A berukuran n n dikatakan dapat dibalik (tak singular )
jika ada matriks persegi B berukuran n n sehingga AB = BA = In dengan In
matriks identitas berukuran n n. Matriks B dinamakan matriks balikan (invers)
dari A, yang selanjutnya matriks balikan dari A dinotasikan oleh A1 .
(a) Jika matriks A memiliki balikan, maka A ekivalen baris dengan matriks identitas, yaitu In = En En1 E1 A.
(b) Karena ketunggalan matriks balikan maka A1 = En En1 E1 .
8. Determinan suatu matriks. Misalkan A = (aij ) suatu matrik persegi berukuran
n n. Misalkan pula Mij menyatakan matriks persegi berukuran (n 1) (n 1)
yang diperoleh dari matriks A dengan menghilangkan barik ke-i dan kolom ke-j.
Determinan dari matriks Mij disebut minor dari aij , dan kofaktor Aij didefinisikan
sebagai
Aij = (1)i+j det(Mij ).
Determinan dari matriks A didefinisikan oleh
jika n = 1;
a11 ,
n
n
det(A) =
aij Aij , atau
aij Aij , jika n 2.
j=1
(1.4)
i=1
Teknik mencari determinan suatu matriks dengan menggunakan (1.4) disebut teknik
perluasan kofaktor.
9. Determinan matriks elementer. Misalkan E sebuah matriks elementer dan I
matriks identitas.
(a) Jika E adalah matriks yang diperoleh dari I hasil dari perkalian suatu baris
oleh konstanta tak nol c, maka det(E)=c.
(b) Jika E adalah matriks yang diperoleh dari I hasil penukaran dua baris, maka
det(E)=1.
(c) Jika E adalah matriks yang diperoleh dari I hasil penjumlahan dari kelipatan
suatu baris dengan baris lainnya, maka det(E)=1.
10. Sifat determinan. Jika A dan B masing-masing matriks persegi berukuran sama,
maka
3
det(A), i = k;
aij Akj =
0,
i=
k.
j=1
11. Matriks Adjoint. Misalkan A suatu matriks persegi
Adjoint dari A didefinisikan oleh
berukuran n n. Matriks
det(Aj )
.
det(A)
Latihan 1
1. Gunakan operasi baris elementer untuk mencari solusi dari SPL berikut:
(a)
x1 + 3x2 + x3 + x4 = 3
2x1 2x2 + x3 + 2x4 = 8
3x1 + x2 + 2x3 x4 = 1
(b)
x1
2x1
x1
5x1
3x2
+ x2
+ 4x2
8x2
+ x3
x3
2x3
+ 2x3
=
=
=
=
1
2
1
5
= 1
x1
x2
x3
2
3
8
+
+
= 0
x1
x2
x3
9
10
1
+
+
= 5
x1
x2
x3
2. Tentukan, jika ada, syarat untuk bilangan real a, b, dan c agar SPL berikut:
x1 + x2 + 2x3 = a
3x1 + 4x2 + 7x3 = b
x1 + 2x2 + 3x3 = c
(a) memiliki solusi tunggal.
(b) memiliki solusi banyak.
(c) tidak memiliki solusi.
5
(
)
1 1 1 3
1 2
2 1 2 1
, 2
1 1 1 .
1 , 3
2 2 1 0
5 8
2 1 2 1
7. Gunakan operasi baris elementer untuk menghitung matriks balikan dari matriksmatriks berikut:
2 0 5
1
0
1
1 0 1
1 , 3 3 4 .
0 3 0 , 1 1
1 0 3
1 2 3
2 2 3
8. Diberikan matriks
2 1 1
A = 6 4 5 .
4 1 3
6
1
a b
A=
0
1
2
3
1
1
1
1
2 2 3
3
1
2 2 3
Det
0
1
2
3
2 2 3
3
1
2 2 3
1
1
1
1
+ Det
0
1
2
3
1
1
1
1
1 1 4
4
2
3 1 2
x y 1
a1 b 1 1
Ruang Vektor Rn
1. Definisi. Misalkan n sebuah bilangan asli.
(a) Ruang Rn adalah himpunan semua pasangan terurut (a1 , , an ) dengan ai
bilangan real, yaitu Rn = {(a1 , , an )|ai R}.
(b) Dua vektor x = (x1 , , xn ) dan y = (y1 , , yn ) dikatakan sama jika xi = yi
untuk setiap i.
(c) Jumlah x + y didefinisikan oleh x + y = (x1 + y1 , , xn + yn ) dan jika skalar
maka perkalian skalar x didefinisikan oleh x = (x1 , , xn ).
2. Ruang vektor Rn . Misalkan x = (x1 , , xn ), y = (y1 , , yn ), z = (z1 , , zn ),
dan 0 = (0, , 0) vektor-vektor di Rn dan , skalar. Operasi penjumlahan dan
perkalian skalar memenuhi
(a) x + y = y + x
(b) x + (y + z) = (x + y) + z
(c) x + 0 = x
(d) x + (x) = 0
(e) (x) = ()x
(f) (x + y) = x + y
(g) ( + )x = x + x
(h) 1x = x
Himpunan Rn yang dilengkapi oleh operasi penjumlahan dan perkalian skalar dengan sifat-sifat (a)-(h) membentuk sebuah Ruang vektor.
3. Ruang bagian/Subruang. Himpunan S dikatakan ruang bagian/subruang dari
ruang vektor Rn , jika
(a) S himpunan tak hampa.
(b) jika x, y S, maka x + y S.
(c) jika x S dan R, maka x S.
4. Kombinasi linear. Misalkan y, x1 , , xn vektor-vektor di Rn . Vektor y dikatakan
kombinasi linear dari x1 , , xn , jika ada skalar-skalar 1 , , n sehingga
y = 1 x1 + + n xn .
U =
11 12 1n
21 22 2n
..
..
..
...
.
.
.
n1 n2 nn
Latihan 2
1. Periksa apakah himpunan V berikut dilengkapi dengan operasi jumlah dan perkalian
skalar seperti pada R3 merupakan ruang vektor (jelaskan jawaban Anda):
(a) V = {(a1 , a2 , a3 ) R3 |a1 = a3 }.
(b) V = {(a1 , a2 , a3 ) R3 |a3 = 1 + a1 a2 }.
(c) V = {(a1 , a2 , a3 ) R3 |a1 = a2 = a3 }.
(d) V = {(a1 , a2 , a3 ) R3 |a1 = a2 a3 }.
2. Periksa apakah himpunan S berikut dilengkapi dengan operasi jumlah dan perkalian
skalar seperti pada Rn merupakan subruang (jelaskan jawaban Anda):
(a) S = {(a1 , a2 , , an ) Rn |a1 = a22 }.
(b) S = {(a1 , a2 , , an ) Rn |a1 < a2 }
(c) S = {(a1 , a2 , , an ) Rn |a1 + a2 + + an = 1}.
10
1 0 1 0 1
1 1 2 0 1
0 1 0 1 1
2 2 5 0 3
A=
.
, B =
1 1 1 1 0
0 0 0 1 3
8 11 19 0 11
11
0 0 1 1 0
Ruang Euclid Rn
1. Hasil Kali Titik (HKT). Jika x = (x1 , , xn ) dan y = (y1 , , yn ) vektor-vektor
di Rn , maka Hasil Kali Titik x y didefinisikan oleh
xy =
xi yi = xt y = yt x.
i=1
Hasil Kali Titik di Rn biasa disebut pula sebagai Hasil Kali Dalam Euclid. Ruang
vektor Rn yang dilengkapi dengan HKT biasa disebut Ruang Euclid Rn . Jika x, y,
z vektor-vektor Rn dan skalar, maka
(a) x y = y z
(b) (x + y) z = x z + y z
(c) (x) y = (x y)
(d) x x 0, dan x x = 0 x = 0
(x y) (x y)
xy
.
||x||||y||
dimana pk =
1
(xk+1 pk ), k = 2, , n 1,
||xk+1 pk ||
i=1
Latihan 3
1. Tentukan semua vektor satuan yang ortogonal terhadap kedua vektor berikut: u1 =
(1, 0, 1) dan u2 = (0, 1, 1).
2. Hitung jarak antara titik (3, 1) dengan garis 4x + 3y + 4 = 0.
13
1 1
7
(a) A = 1 1 , b = 0 .
1 2
7
2
2 2
(b) A = 1 1 , b = 1 .
1
3 1
8. Tentukan proyeksi ortogonal u pada subruang di R3 yang dibangun oleh vektorvektor x1 dan x2 :
(a) u = (2, 1, 3), x1 = (1, 1, 0), x2 = (1, 2, 1).
(b) u = (1, 6, 1), x1 = (1, 2, 1), x2 = (2, 2, 4).
9. Tentukan proyeksi ortogonal u = (5, 6, 7, 2) pada ruang solusi SPL Homogen:
x1 +
x2 + x3
= 0
2x2 + x3 + x4 = 0
10. Diberikan himpunan vektor X = {(1, 1, 2, 1), (2, 2, 3, 2), (1, 2, 0, 1), (1, 0, 0, 1)}.
(a) Perlihatkan bahwa X merupakan basis ortogonal di ruang Euclid R4 .
(b) Hitung kordinat vektor y = (1, 1, 1, 1) terhadap basis terurut X.
11. Cari basis ortonormal untuk subruang di ruang Euclid R3 yang dibangun oleh
vektor-vektor x1 = (0, 1, 2), x2 = (1, 0, 1), dan x1 = (1, 1, 3).
14
12. Misalkan S subruang di ruang Euclid R3 dan S = Span{(4/5, 0, 3/5), (0, 1, 0)}.
Nyatakan y = (1, 2, 3) dalam bentuk y = y1 + y2 dengan y1 S dan y2 S .
13. Misalkan Y = {y1 , y2 } basis untuk subruang S di Rn . Definisikan sebuah matriks
A sehingga A = y1 y2t + y2 y1t . Perlihatkan
(a) A matriks simetri.
(b) N (A) = S .
(c) Rank(A)=2.
14. Misalkan matriks A berukuran m n. Perlihatkan
(a) Jika y N (At A), maka Ay K(A)
(b) N (At A) = N (A).
(c) Rank (A)=Rank (At A).
15
N (At ).
linear. Jika nilai L(vi ) diketahui untuk i = 1, , n, maka peta setiap vektor y V
dapat ditentukan; jika y = 1 v1 + +n vn , maka L(y) = 1 L(v1 )+ +n L(vn ).
5. Matriks penyajian. Jika L : Rn Rm suatu transformasi linear, maka ada
matriks A berukuran m n sehingga L(x) = Ax untuk setiap x Rn .
Lebih jauh lagi, vektor kolom ke-j dari matriks A, dinotasikan aj , adalah aj = L(ej )
dengan ej basis baku di Rn . Jadi A = [L(e1 )|L(e2 )| |L(en )]. Matriks A seperti ini
biasa disebut sebagai matriks penyajian L terhadap basis baku, atau secara singkat
disebut matriks baku.
Teorema matriks penyajian terhadap sebarang basis. Misalkan L : Rn Rm
suatu transformasi linear, himpunan X = {x1 , , xn } merupakan basis terurut di
Rn dan Y = {y1 , , ym } merupakan basis terurut di Rm . Misalkan pula A matriks
berukuran m n adalah matriks penyajian L terhadap basis X dan basis Y . Maka,
vektor kolom matriks A, dinotasikan aj , j = 1, , n, diberikan oleh
aj = B 1 L(xj )
dimana vektor kolom matriks B adalah yi , i = 1 , m. Jadi, B = [y1 |y2 | |ym ].
Bukti: untuk j = 1, , n,
L(xj ) = a1j y1 + a2j y2 + + amj ym = Baj ,
dengan aj = (a1j , a2j , , amj ). Matriks B bersifat tak singular karena vektorvektor kolomnya adalah vektor basis di Rm . Akibatnya, aj = B 1 L(xj ).
Akibat. Bentuk eselon baris tereduksi [B|L(x1 ), , L(xn )] adalah [I|A].
Bukti:
B 1 [B|L(x1 ), , L(xn )] = B 1 [I|B 1 L(x1 ), , B 1 L(xn )]
= [I|a1 , , an ]
= [I|A]
Jadi untuk menentukan matriks penyajian A terhadap basis X dan Y dapat dilakukan dengan cara di atas.
6. Inti dan peta. Misalkan L : V W suatu transformasi linear. Inti/ kernel dari
L, dinotasikan inti(L) atau ker(L), didefinisikan oleh
inti(L) = ker(L) = {v V |L(v) = 0W }.
Peta dari L, dinotasikan peta(L) atau R(L), didefinisikan oleh
peta(L) = R(L) = {w W |w = L(v) untuk suatu v V }.
Dapat diperlihatkan bahwa
17
(a) inti(L) adalah subruang di V . Dimensi dari inti(L) dinamakan nolitas dari L
(b) peta(L) adalah subruang di W . Dimensi dari peta(L) dinamakan rank dari L.
Jika L : Rn Rm suatu transformasi linear dan A matriks penyajiannya berukuran
m n, maka
(a) rank(L) = rank(A) dan nolitas(L) = nolitas(A).
(b) rank(L) + nolitas(L) = n.
7. Transformasi satu-satu dan pada. Transformasi linear L : V W dikatakan
satu-satu, jika L(v1 ) = L(v2 ) maka L(v1 ) = L(v2 ).
Transformasi linear L : V W dikatakan pada, jika peta(L) = W .
8. Kaitan antara transformasi linear dan matriks penyajian. Misalkan diketahui L : Rn Rm suatu transformasi linear serta himpunan X dan Y masingmasing secara berurutan basis terurut di Rn dan Rm . Misalkan pula A matriks
berukuran m n adalah matriks penyajian L terhadap basis X dan Y . Jika (v)X
menyatakan kordinat vektor vX terhadap basis X dan (w)Y menyatakan kordinat
vektor w terhadap basis W , maka
(a) v inti(L) jika dan hanya jika (v)X N (A).
(b) w peta(L) jika dan hanya jika (w)Y berada di ruang kolom matriks A.
Latihan 4
1. Perlihatkan bahwa yang berikut adalah operator linear di R2 . Kemudian berikan
interpretasi geometrinya:
(a) L((x, y)) = (x, y).
(b) L((x, y)) = (x, y).
(c) L((x, y)) = (y, x).
(d) L((x, y)) = (x/2, y/2).
(e) L((x, y)) = (0, y).
2. Misalkan a adalah vektor tetap di R2 . Suatu transformasi berbentuk L(x) = x + a
dinamakan translasi. Perlihatkan bahwa translasi bukan suatu transformasi linear.
3. Diberikan transformasi linear L : R2 R2 dengan L((1, 2)) = (2, 3) dan L((1, 1)) =
(5, 2). Tentukan nilai L((7, 5)).
18
4. Perhatikan X = {(1, 2, 1), (2, 9, 0), (3, 3, 4)} basis untuk R3 dan misalkan L : R3
R2 transformasi linear sedemikian sehingga L((1, 2, 1))) = (1, 0), L((2, 9, 0)) = (1, 1)
dan L((3, 3, 4)) = (0, 1). Hitung L((x, y, z)) untuk setiap (x, y, z) R3 .
5. Misalkan X = {x1 , , xn } adalah basis terurut di Rn . Misalkan pula L1 dan L2
masing-masing operator linear di Rn . Perlihatkan, jika L1 (xi ) = L2 (xi ) untuk setiap
i = 1, , n, maka L1 (v) = L2 (v) untuk setiap v Rn .
6. Misalkan L1 : U V dan L2 : V W masing-masing transformasi linear. Misalkan pula L = L2 L1 adalah transformasi yang didefinisikan oleh L(u) = L2 (L1 (u))
untuk setiap u U . Perlihatkan bahaw L : U W suatu transformasi linear.
7. Tentukan domain dan kodomain L = L2 L1 serta rumus L(x, y) jika
(a) L1 (x, y) = (2x, 3y), L2 (x, y) = (x y, x + y).
(b) L1 (x, y) = (2x, 3y, x + y), L2 (x, y, z) = (x y, y + z).
(c) L1 (x, y) = (x 3y, 0), L2 (x, y) = (4x 5y, 3x 6y).
8. Misalkan L1 : V V suatu operator dilatasi yang didefinisikan L1 (v) = 4v. Cari
operator L2 : V V sehingga L1 L2 = I = L2 L1 .
9. Misalkan P : R3 R3 operator proyeksi ortogonal dari R3 pada bidang xy. Perlihatkan P P = P .
10. Tentukan inti dan peta dari setiap operator linear di R3 berikut :
(a) L((x, y, z)) = (z, y, x).
(b) L((x, y, z)) = (x, y, 0).
(c) L((x, y, z)) = (x, x, x).
11. Perlihatkan bahwa transformasi linear L : V W adalah transformasi satu-satu
jika dan hanya jika inti(T ) = 0V .
12. Selidiki apakah operator linear T : Rn Rn satu-satu. Jika operator satu-satu,
tentukan transformasi balikan/inversnya:
(a) T (x1 , x2 , , xn ) = (0, x1 , , xn1 ).
(b) T (x1 , x2 , , xn ) = (x2 , x3 , , xn , x1 ).
13. Periksa apakah L((x, y, z)) = (x, x + y, x + y + z) merupakan operator linear pada
di R3 .
19
14. Misalkan A matriks berukuran 2 2 dan LA operator linear yang didefinisikan oleh
LA (x) = Ax. Perlihatkan
(a) LA adalah pemetaan dari R2 ke ruang kolom matriks A.
(b) Jika A matriks tak singular, maka LA adalah pemetaan pada dari R2 ke R2 .
15. Tentukan matriks baku untuk transformasi linear berikut:
(a) operator linear di R2 yang merotasikan setiap titik sebesar 45 derajat searah
jarum jam.
(b) operator linear di R2 yang mencerminkan setiap titik terhadap sumbu x dan
dilanjutkan dengan merotasikan titik tersebut sebesar 90 derajat berlawanan
arah jarum jam.
(c) operator linear di R2 yang mencerminkan setiap titik terhadap garis y = x dan
dilanjutkan dengan memproyeksikan titik tersebut pada sumbu x.
16. Misalkan v1 = (1, 1, 0), v2 = (1, 0, 1), v3 = (0, 1, 1) dan L : R2 R3 transformasi
linear yang didefinisikan oleh L((x, y)) = xv1 + yv2 + (x + y)v3 . Tentukan matriks A
yang menyajikan transformasi L terhadap basis baku di R2 dan basis {v1 , v2 , v3 }.
17. Misalkan v1 = (1, 0, 1), v2 = (1, 2, 1), v3 = (1, 1, 1) dan w1 = (1, 1), w2 =
(2, 1). Untuk setiap transformasi linear L : R3 R2 berikut, tentukan matrik
penyajian L terhadap basis terurut X = {v1 , v2 , v3 } dan Y = {w1 , w2 }:
(a) L(x, y, z) = (z, x).
(b) L(x, y, z) = (2y, x).
(c) L(x, y, z) = (x + y, x z).
18. Matriks A adalah matriks penyajian dari transformasi linear L. Tentukan basis
untuk inti dan peta dari L:
(
)
2 0 1
4 1 5 2
A=
, A = 4 0 2 .
1 2 3 0
0 0 0
19. Tentukan inti dan peta dari transformasi linear berikut:
(a) proyeksi ortogonal pada bidang xz.
(b) proyeksi ortogonal pada bidang dengan persamaan y = x.
(c) proyeksi ortogonal pada bidang dengan persamaan x + y z = 0.
20
1 3 4
A = 3 4 7 .
2 2 0
(a) Perlihatkan bahwa inti dari L adalah garis yang melalui titik asal, kemudian
cari persamaan parameter garis tersebut.
(b) Perlihatkan bahwa peta dari L adalah bidang yang melalui titik asal, kemudian
cari persamaan bidang tersebut.
21. (Konstruksi pemetaan linear). Jika V = {v1 , , vr } basis untuk ruang vektor
V dan w1 , , wr vektor-vektor di W (tidak perlu berbeda), maka ada pemetaan
linear L : V W sehingga L(v1 ) = w1 , , L(vr ) = wr .
21
22
(b) Jika matriks persegi A berukuran n n memiliki n nilai eigen berbeda, maka
A dapat didiagonalkan.
4. Tahap diagonalisasi. Untuk melakukan diagonalisasi suatu matriks perlu dilakukan tahap-tahap berikut:
(a) Cari n buah vektor eigen yang bebas linear, misalnya vektor-vektor eigen tersebut x1 , , xn .
(b) Bentuk matriks P dengan vektor-vektor kolomnya adalah x1 , , xn .
(c) Matriks P 1 AP merupakan matriks diagonal dengan 1 , , n secara berurutan adalah elemen-elemen diagonal dimana i adalah nilai eigen yang berpasangan dengan vektor eigen xi .
5. Multiplisitas. Ruang vektor yang dibangun oleh vektor-vektor eigen disebut ruang
eigen. Misalkan 0 adalah nilai eigen dari matriks persegi A, maka
(a) dimensi ruang eigen yang berpadanan dengan nilai eigen 0 disebut multiplisitas geometri dari 0 , notasi mg (0 ).
(b) banyaknya faktor ( 0 ) yang muncul pada sukubanyak karakteristik disebut
multiplisitas aljabar dari 0 , notasi ma (0 ).
Jika A matriks persegi, maka
(a) untuk setiap nilai eigen dari A, mg (0 ) ma (0 ).
(b) A dapat didiagonalkan jika dan hanya jika mg (0 ) = ma (0 ).
6. Diagonalisasi ortogonal. Matriks persegi P dikatakan matriks ortogonal jika
P 1 = P t . Untuk matriks persegi A, jika ada matriks ortogonal P sehingga P t AP
merupakan matriks diagonal, maka A dikatakan dapat didiagonalkan secara ortogonal. Selanjutnya, matriks P dikatakan mendiagonalkan secara ortogonal matriks
A. Untuk matriks persegi A, pernyataan berikut ekuivalen:
(a) A dapat didiagonalkan secara ortogonal
(b) A mempunyai himpunan ortonormal dengan anggotanya n buah vektor-vektor
eigen
(c) A adalah matriks simetri (At = A).
7. Kekhasan matrisk simetri. Jika A matriks simetri, maka
(a) Nilai eigen dari A semuanya bilangan real.
(b) Vektor-vektor eigen dari ruang eigen berbeda saling ortogonal.
23
Latihan 5
1. Cari nilai dan vektor
0
0
0 1 0
2 1
3 1 , 0 0 1 ,
0 0 0
5 1
berikut:
2 0 1
1 0 1 .
0 1 1
25