Anda di halaman 1dari 7

Nilai Eigen dan Vektor Eigen

1.0 Nilai Eigen


Nilai eigen merupakan nilai karakteristik suatu matriks. Secara sederhana, nilai eigen
merupakan nilai yang mewakilkan suatu matriks dalam perkalian dengan suatu vector.
Ia dapat ditulis sebagai:



di mana A suatu matriks iatu nxn, x merupakan vektor yang tidak nol, dan merupakan
satu scalar atau nilai eigen dari matriks A. Nilai eigen matriks A dapat dicari dengan

IAX = X I
AX = IX
| | 0 = X A I
Oleh itu,
det | | A I = 0
persamaan di atas dipanggil persamaan karakteristik A.
Cara khusus untuk memperoleh polinomial karakteristik matriks 2x2 dan 3x3 ialah:
- 2x2 -> det(A) - .trace(A) +
2

- 3x3 -> det(A) - .(M
11
+ M
22
+ M
33
) +
2
.trace(A) -
3








Contoh mencari nilai eigen:

Contoh 1(a):
Carikan nilai eigen dari A =
(
(
(

2 0 0
0 4 3
0 1 2

Penyelesaian:
det | | 0 = A I ; dimana I adalah matriks identiti.
det 0
2 0 0
0 4 3
0 1 2
=
(
(
(


{ } ) 2 ( 3 ) 2 )( 4 )( 2 ( = 0
{ } 0 3 ) 2 )( 4 ( ) 2 ( =
{ } 0 3 8 6 ) 2 (
2
= +
{ } 0 5 6 ) 2 (
2
= +
0 ) 5 )( 1 )( 2 ( =
Penyelesaian persamaan adalah:

2
0 2
=
=


0 1=
1 =

dan
Faktorkan persamaan linear
untuk mendapatkan nilai
0 5 =
5 =
Jadi nilai eigen yang bersesuai untuk matriks
(
(
(

2 0 0
0 4 3
0 1 2
adalah:
2
1
= , 1
2
= dan 5
3
= .

2.0 Vektor Eigen

Vektor eigen(x) merupakan penyelesaian dari matriks (A-) untuk setiap
nilai yang ada di mana x 0. Misalkan pada matriks A tadi mempunyai tiga nilai
eigen, maka vektor eigennya juga ada tiga.

Untuk mencari nilai eigen seperti contoh 1, nilai eigen dapat diselesaikan dengan
kaedah penghapusan Gauss atau Gauss-Jordan. Kaedah peraturan Crammer tidak
dapat digunakan kerana matriks di atas tidak memiliki solusi sejati (determinannya = 0).
Jadi kita hanya dapat memperoleh solusi trivialnya dengan menyatakan a, b,
dan c misalkan dalam c.

Contoh pengiraan dengan matriks A (2x2):
A =
(

22 21
12 11
a a
a a

Persamaan X AX = dapat dituliskan:
(

22 21
12 11
a a
a a

(

=
(

2
1
2
1
x
x
x
x
(2.1)
Persamaan (2.1) dikalikan dengan identiti maka menghasilkan:

(

1 0
0 1

(

22 21
12 11
a a
a a

(

2
1
x
x
=
(

1 0
0 1

(

2
1
x
x


(

22 21
12 11
a a
a a

(

2
1
x
x
=
(

0
0

(

2
1
x
x


(

22 21
12 11
a a
a a
(

2
1
x
x
= 0 (2.2)
Persamaan (2.2) dalam bentuk sistem persamaan linier ditulis:

0 ) (
0 ) (
2 22 1 21
2 12 1 11
= +
= +
x a x a
x a x a

(2.3)

Persamaan (2.3) adalah sistem persamaan linier homogen, vektor dalam ruang R
n
yang
tidak nol terhasil jika dan hanya jika persamaan tersebut mempunyai solusi non trivial
untuk nilai eigen yang sesuai.



Contoh untuk mencari vektor eigen daripada nilai eigen:

Contoh 2(a):

Dapatkan vektor eigen dari A =
(
(
(

2 0 0
0 1 2
0 0 2

Penyelesaiannya:
Mencari nilai eigen matriks:
| | 0 det = A I
0
) 2 ( 0 0
0 ) 1 ( 2
0 0 ) 2 (
det =
(
(
(


0 ) 2 )( 1 (
2
=
Nilai eigennya adalah:
0 1=
1 =
0 2 =
2 =
Vektor eigen yang terhasil daripada persamaan di atas:

(
(
(

=
(
(
(

(
(
(

0
0
0
) 2 ( 0 0
0 ) 1 ( 2
0 0 ) 2 (
3
2
1
x
x
x


Untuk 1 =
Sistem persamaan liniernya dapat ditulis seperti:

0 0 0
0 0 0 2
0 0 0
3
1
1
= + +
= + +
= + +
x
x
x

Tidak ada solusi non trivial dari sistem persamaan linier tersebut, maka vektor eigen
tidak terdefinisikan.
Untuk 2 =
Sitem persamaan liniernya adalah:
0 0 0 0
0 0 2
0 0 0 0
2 1
= + +
= +
= + +
x x
Solusi non trivial sistem persamaan liniernya adalah:

2 1
2 x x =
0
3
= x
Vektor eigen yang sesuai adalah:

(
(
(

=
0
2
1
1
x
x
X
Misalkan t x =
1
maka vektor eigennya menjadi:

(
(
(

=
0
2t
t
X dengan t bilangan sembarang yang tidak nol.

INTERPRETASI GEOMETRIK DARI VEKTOR EIGEN

DEFINISI: Jika adalah suatu operator linear T: R
n
R
n
, maka skalar disebut nilai
eigen dari T jika terdapat taknol x di R
n
sehingga () ().
Vektor taknol x yang memenuhi disebut vektor eigen dari T yang berkaitan dengan .

INTERPRETASI: perkalian A memetakan vektor eigen x pada suatu vektor yang
terletak di garis yang sama dengan x.




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

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 berbeza saling ortogonal.