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:

30Aplikom 3

Jurusan Pendidikan Matematika UMPAR

31

Bab 4. Nilai Eigen & Vektor Eigen

Dengan eliminasi diperoleh:

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

Jadi basisnya adalah:

adalah vektor-vektor

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);

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].

Aplikom 3

diperoleh vektor eigen = [-2, 1] dan

diperoleh vektor eigen = [-

Jurusan Pendidikan Matematika UMPAR

32

Bab 4. Nilai Eigen & Vektor Eigen

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]);

A := 1

0 K2

2
1

0
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
0

1
1

> a:=evalm(inverse(P));

Aplikom 3

Jurusan Pendidikan Matematika UMPAR

33

Bab 4. Nilai Eigen & Vektor Eigen

K1

a := 1

0 K1

0
2

1
1

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

K2 K2

b := 1
0

2
1

> evalm(a&*b);

0
2
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