Anda di halaman 1dari 7

NILAI EIGEN DAN VEKTOR EIGEN

>> DEFINISI NILAI EIGEN DAN VEKTOR EIGEN

Jika adalah sebuah matriks , maka sebuah vektor taknol pada disebut vektor
eigen (vektor karakteristik) dari jika adalah sebuah kelipatan skalar dari ; jelasnya:
=
untuk skalar sebarang . Skalar ini disebut nilai eigen (nilai karakteristik) dari , dan
disebut sebagai vektor eigen (vektor karakteristik) dari yang terkait dengan .

Contoh:
1 3 0
Diberikan vektor = dan matriks = .
2 8 1
3 0 1 3 1
= = =3 = 3
8 1 2 6 2
1 3 0
Maka, vektor = disebut vektor eigen dari matriks = yang terkait dengan
2 8 1
nilai eigen = 3.

Untuk memperoleh nilai eigen dari sebuah matriks berukuran , persamaan


= dapat dituliskan kembali menjadi
=
=
=
Agar dapat menjadi nilai eigen, harus terdapat satu solusi taknol dari persamaan ini.
Persamaan ini memiliki solusi taknol jika dan hanya jika
det = 0
Persamaan di atas disebut sebagai persamaan karakteristik dari matriks ; skalar-skalar
yang memenuhi persamaan ini adalah nilai-nilai eigen dari matriks . Persamaan
karakteristik di atas juga bisa dituliskan: det = 0
Apabila diperluas lagi, det( ) atau det( ) adalah sebuah polinomial
dalam variabel yang disebut sebagai polinomial karakteristik dari matriks .

Contoh:
Tentukan nilai-nilai eigen dari
0 1 0
= 0 0 1
4 17 8
Pertama, cari dahulu matriks .
0 1 0 1 0 0 0 1 0 0 0
= 0 0 1 0 1 0 = 0 0 1 0 0
4 17 8 0 0 1 4 17 8 0 0
1 0
= 0 1
4 17 8

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


1
Selanjutnya, cari det( A I ) .

det( A I ) 8 11 4 0 0 17 0 4 1 17 1 0 (8 )
(8 2 3 ) 4 0 0 17 0
8 2 3 4 17
3 8 2 17 4
Dengan menggunakan persamaan karakteristik, diperoleh
det( A I ) 0
8 2 17 4 0
3

3 8 2 17 4 0
( 4)( 2 4 1) 0
Dengan menggunakan rumus kuadratik, maka solusi untuk ( 2 4 1) 0 adalah 2 3
dan 2 3 , sehingga didapatlah nilai-nilai eigen dari matriks , yaitu:
= 4, = 2 + 3, = 2 3

TEOREMA 1

Jika adalah sebuah matriks segitiga (atas/bawah) atau matriks diagonal, maka nilai-nilai
eigen dari adalah entri-entri yang terletak pada diagonal utama matriks .

Contoh:
Tentukan nilai-nilai eigen dari matriks
34 2 78 10
0 2 29 2
B 3
0 0 1 3

0 0 0 6
Berdasarkan Teorema 1, maka nilai-nilai eigen dari matriks B adalah
3 2
= , = . = 1, = 6
4 3

TEOREMA 2

Jika adalah suatu matriks dan adalah suatu bilangan riil, maka pernyataan-
pernyataan berikut ini adalah ekuivalen.
(1) adalah suatu nilai eigen dari .
(2) Sistem persamaan = memiliki solusi nontrivial.
(3) Terdapat suatu vektor taknol pada sedemikian rupa sehingga = .
(4) adalah suatu solusi dari persamaan karakteristik det( ) = 0.

>> MENENTUKAN BASIS UNTUK RUANG EIGEN

Setelah mengetahui bagaimana cara mencari nilai eigen, selanjutnya adalah


mempelajari bagaimana cara mencari vektor eigen. Vektor-vektor eigen matriks yang
terkait dengan suatu nilai eigen adalah vektor-vektor taknol yang memenuhi persamaan

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


2
= . Dengan kata lain, vektor-vektor eigen yang terkait dengan adalah vektor-vektor
di dalam ruang solusi = . Ruang solusi ini disebut sebagai ruang eigen dari
matriks yang terkati dengan .

Contoh:
Tentukanlah basis-basis untuk ruang eigen dari matriks
0 0 2
= 1 2 1
1 0 3
Persamaan karakteristik dari matriks adalah:
3 + 52 8 + 4 = 0
Atau
3 52 + 8 4 = 0
Dengan menggunakan pemfaktoran, didapatlah:
2
1 2 =0
sehingga, nilai-nilai eigen dari adalah:
=1 & =2
Berdasarkan definisi,
1

= 2
3
adalah suatu vektor eigen dari matriks yang terkait dengan jika dan hanya jika = .
Hal ini berarti bahwa dikatakan sebagai suatu vektor eigen dari matriks jika dan hanya
jika merupakan suatu solusi nontrivial dari persamaan = , yaitu:
0 2 1 0
1 2 1 2 = 0
1 0 3 3 0
Jika = 2, maka diperoleh
2 0 2 1 0
1 0 1 2 = 0
1 0 1 3 0
Dengan menggunakan operasi baris elementer, didapatlah
1 + 3 = 0 1 = 3
Karena dari hasil yang didapat, tidak terdapat keterangan mengenai 2 , maka 2 dapat
dianggap sebagai suatu parameter; misalkan 2 = . Dan, misalkan pula 3 = , maka:
1 = , 2 = , 3 =
sehingga, vektor eigen dari yang terkait dengan = 2 adalah vektor-vektor taknol yang
berbentuk
1 0 1 0
= 2 = = 0 + = 0 + 1
3 0 1 0
Karena
1 0
0 & 1
1 0

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


3
bebas linier (mengapa?), vektor-vektor ini membentuk suatu basis untuk ruang eigen yang
terkait dengan = 2.

Jika = 1, maka diperoleh


1 0 2 1 0
1 1 1 2 = 0
1 0 2 3 0
Dengan menggunakan operasi baris elementer, didapatlah
1 + 23 = 0 1 = 23
2 3 = 0 2 = 3
Misalkan 3 = , maka
1 = 2, 2 = , 3 =
sehingga, vektor eigen dari yang terkait dengan = 1 adalah vektor-vektor taknol yang
berbentuk
1 2 2
= 2 = = 1
3 1
Karena
2
1
1
bebas linier (mengapa?), vektor di atas membentuk suatu basis yang terkait dengan = 1.

Untuk menentukan vektor-vektor eigen yang bersesuaian dengan nilai eigen (), harus
ditentukan terlebih dahulu basis-basis untuk ruang eigennya.
Perhatikan kembali contoh di atas. Untuk vektor eigen dari yang terkait dengan = 2
adalah vektor-vektor taknol yang berbentuk
1 0
= 0 + 1
1 0
Misalkan = 1 dan = 1, maka didapatlah vektor eigen yang terkait dengan = 2 adalah:
1 0 1 0 1
=1 0 +1 1 = 0 + 1 = 1
1 0 1 0 1
Sementara, untuk vektor eigen dari yang terkait dengan = 1 adalah vektor-vektor
taknol yang berbentuk
2
= 1
1
Misalkan = 2, maka didapatlah vektor eigen yang terkait dengan = 1 adalah:
2 4
= 2 1 = 2
1 2

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


4
TEOREMA 3

Jika adalah bilangan bulat positif, adalah nilai eigen dari suatu matriks , dan adalah
vektor eigen yang terkait dengan , maka adalah nilai eigen dari dan adalah vektor
eigen yang terkait dengannya.

Contoh:
Pada contoh sebelumnya telah ditunjukkan bahwa nilai-nilai eigen dari matriks
0 0 2
= 1 2 1
1 0 3
adalah = 2 dan = 1, sehingga berdasarkan Teorema 3, nilai-nilai eigen dari matriks 7
adalah:
= 27 = 128 & = 17 = 1
Selain itu, telah ditunjukkan juga bahwa vektor eigen dari yang terkait dengan = 2
adalah vektor-vektor taknol yang berbentuk
1 0
= 0 + 1
1 0
Maka, berdasarkan Teorema 3, vektor-vektor eigen dari matriks yang terkait dengan = 2
akan sama dengan vektor-vektor eigen dari matriks 7 yang terkait dengan = 27 = 128.
Begitu pula untuk = 17 = 1. Telah ditunjukkan bahwa vektor eigen dari yang terkait
dengan = 1 adalah vektor-vektor taknol yang berbentuk
2
= 1
1
Maka, berdasarkan Teorema 3, vektor-vektor eigen dari matriks yang terkait dengan = 1
akan sama dengan vektor-vektor eigen dari matriks 7 yang terkait dengan = 17 = 1.

Soal A:

1. Tentukan nilai-nilai eigen dari S 9 jika diketahui


1 3 3 0
0 1 7 2
S 2

0 0 1 3
2
0 0 0 3

2. Tentukan nilai eigen dan basis untuk ruang eigen T 50 jika diketahui
1 2 2
T 1 2 1
1 1 0

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


5
>> DIAGONALISASI

Sebuah matriks persegi dikatakan dapat didiagonalisasi jika terdapat suatu matriks yang
dapat dibalik sedemikian rupa sehingga 1 adalah suatu matriks diagonal.
Matriks dikatakan mendiagonalisasi matriks .

Berikut ini adalah prosedur untuk mendiagonalisasi suatu matriks.


1) Tentukan vektor eigen dari yang bebas linier; misalkan 1 , 2 , , .
2) Bentuklah suatu matriks dengan 1 , 2 , , sebagai vektor-vektor kolomnya.
3) Matriks 1 kemudian akan menjadi diagonal dengan 1 , 2 , , sebagai entri-entri
diagonalnya secara berurutan, dengan adalah nilai-nilai eigen yang terkait dengan
untuk = 1,2, , .

Contoh:
Tentukan suatu matriks yang mendiagonalisasi matriks
0 0 2
= 1 2 1
1 0 3
Dari contoh sebelumnya, telah didapat nilai-nilai eigen dari adalah = 2 dan = 1, serta
basis-basis berikut untuk ruang eigen
1 0
= 2 1 = 0 & 2 = 1
1 0
2
= 1 3 = 1
1
Terdapat tiga vektor basis secara keseluruhan sehingga matriks dapat didiagonalisasi dan
1 0 2
= 0 1 1
1 0 1
Mendiagonalisasi . Untuk memastikan kebenarannya, carilah 1 .
1 0 2 0 0 2 1 0 2 2 0 0
1 = 1 1 1 1 2 1 0 1 1 = 0 2 0
1 0 1 1 0 3 1 0 1 0 0 1

Tidak terdapat urutan yang khusus untuk kolom-kolom matriks . Karena entri ke-i
matriks 1 adalah suatu nilai eigen untuk vektor kolom ke-i matriks , maka jika urutan
dari kolom-kolom matriks diubah, hal ini hanya akan mengubah urutan dari nilai-nilai
eigen pada diagonal matriks 1 . Jadi, sebagai contoh, dengan menuliskan matriks
untuk contoh yang di atas
1 2 0
= 0 1 1
1 1 0
maka,
2 0 0
1 = 0 1 0 .
0 0 2

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


6
TEOREMA 4

Jika suatu matriks memiliki nilai eigen yang berbeda, maka dapat didiagonalisasi.

>> MENGHITUNG PANGKAT SUATU MATRIKS

Jika diketahui matriks persegi dapat didiagonalisasi oleh matriks sedemikian rupa
sehingga 1 = , maka:
= 1

Contoh:
Tentukan 13 jika
0 0 2
= 1 2 1
1 0 3
Pada contoh sebelumnya, matriks di atas dapat didiagonalisasi oleh
1 0 2
= 0 1 1
1 0 1
dan
2 0 0
1 = 0 2 0 =
0 0 1
Maka,
1 0 2 2 0 0 13 1 0 2
13 = 13 1 = 0 1 1 0 2 0 1 1 1
1 0 1 0 0 1 1 0 1
1 0 2 213 0 0 1 0 2
13 = 13 1 = 0 1 1 0 213 0 1 1 1
1 0 1 0 0 113 1 0 1
8190 0 16382
= 8191 8192 8191
8191 0 16383

Soal B:
Diberikan matriks A sebagai berikut.
1 2 8
A 0 1 0
0 0 1
Tentukan matriks A1000 .

MATEMATIKA INFORMATIKA 2 - Srava Chrisdes


7

Anda mungkin juga menyukai