NILAI EIGEN
De…nisi
Ax = x:
Vektor x disebut vektor eigen atau vektor karakte-
ristik yang berpadanan dengan (atau vektor eigen
dari ):
Nilai Eigen 1
Ilustrasi:
Misalkan
! !
3 0 1
A= dan x =
8 1 2
maka x adalah vektor eigen yang berpadanan dengan
nilai eigen = 3 karena
! ! !
3 0 1 3
Ax = = = 3x
8 1 2 6
Ax x = 0
(A I) x = 0
) adalah nilai eigen dari A jika dan hanya jika
(A I ) x = 0 mempunyai solusi taktrivial.
Nilai Eigen 2
2. Berarti solusi SPL homogen (A I ) x = 0, yaitu
ruang nol N (A I ) ; tidak sama dengan f0g :
! det (A I) = 0
Catatan:
Nilai Eigen 3
2. (A I ) x = 0 mempunyai solusi taktrivial
3. N (A I ) 6= f0g
5. det (A I) = 0
p ( ) = det (A I)
disebut polinom karakteristik dari matriks A:
Contoh 6.1.1
0 1 0 1
3 1 2 5 0 1
B C B C
(d) @ 2 0 2 A, (e) @ 1 1 0 A.
2 1 1 7 1 0
Jawab:
3 0
jA Ij = = (3 )( 1 )=0
8 1
Nilai eigen: 1 = 3 dan 2 = 1:
(A 3I ) x = 0
! ! !
0 0 x1 0
=
8 4 x2 0
dan diperoleh 8x1 4x2 = 0; berarti x2 = 2x1; se-
hingga
! !
x1 1
x= = x1 :
2x1 2
Nilai Eigen 5
Jadi semua kelipatan taknol dari (1; 2)T merupakan
vektor eigen yang berpadanan dengan 1 = 3:
Basis dari
n ruang oeigen yang berpadanan dengan 1 = 3
adalah (1; 2)T :
Nilai Eigen 6
Vektor eigen yang berpadanan dengan 1 = 0
0 10 1 0 1
3 1 2 x1 0
B CB C B C
Ax = @ 2 0 2 A @ x2 A = @ 0 A
2 1 1 x3 0
Dengan operasi baris dasar diperoleh matriks gandeng
0 1
3 1 2 0
B C
@ 0 2 2 0 A
0 0 0 0
2x2 2x3 = 0 =) x2 = x3
3x1 x2 2x2 = 0 =) x1 = x2
Jadi vektor-vektor eigennya
0 1 0 1
x1 1
B C B C
x = @ x1 A = x1 @ 1 A
x1 1
Vektor eigen: kelipatan taknol dari (1; 1; 1)T ;
n o
T
basis ruang eigen: (1; 1; 1) :
2x1 x2 2x3 = 0:
Misalkan x1 = s; x3 = t; dengan s dan t bilangan
real sembarang. Maka x2 = 2s 2t; sehingga vektor-
vektor eigennya adalah
0 1 0 1 0 1 0 1
x1 s 1 0
B C B C B C B C
x = @ x2 A = @ 2s 2t A = s @ 2 A + t @ 2 A
x3 t 0 1
Basis
n untuk ruang eigen yango berpadanan dengan =
1 : (1; 2; 0)T ; (0; 2; 1)T :
1 2 n = det (A)
1 + 2+ + n = tr (A)
dengan tr (A) (trase dari matriks A) adalah jumlah
semua elemen diagonal utama dari A:
Contoh: Jika
!
10 9
A=
4 3
Nilai Eigen 9
maka
det (A) = 30 ( 36) = 6
tr (A) = 10 + ( 3) = 7
Polinom karakteristik dari matriks A adalah
10 9
= (10 )( 3 ) ( 36)
4 3
= 2 7 +6
sehingga persamaan karakteristiknya adalah
( 1) ( 6) = 0
dan nilai eigennya 1 = 1 dan 2 = 6:
Perhatikan bahwa
1 2 = 1 6 = 6 = det (A)
1 + 2 = 1 + 6 = 7 = tr (A) :
Soal Latihan
Teorema 6.1.1
Bukti:
Contoh 6.1.2
Perhatikan bahwa
! ! !
1 2 10 9 5 2
A =
2 5 4 3 2 1
!
120 51
=
266 113
sehingga B serupa dengan A: Dari Teorema 6.1.1 nilai
eigen dari matriks A juga 1 dan 6 (periksa!).
Nilai Eigen 12
6.2 Sistem Persamaan Diferensial Linear
6.3 Pendiagonalan/Diagonalisasi
Akan dibahas:
Nilai Eigen 13
Teorema 6.3.1
Nilai Eigen 14
De…nisi
X 1AX = D:
Matriks X dikatakan mendiagonalkan A:
Catatan:
Teorema 6.3.2
Nilai Eigen 15
Bukti:
Jadi
AX = A (x1; x2; : : : ; xn)
= (Ax1; Ax2; : : : ; Axn)
= ( 1x1; 2x2; : : : ; nxn)
0 1
1 0 0 0
B 0 C
B
= (x1; x2; : : : ; xn) B 2 0 0 C
C
@ 0 0 ... 0 A
0 0 0 n
= XD
Nilai Eigen 16
Karena X mempunyai n vektor kolom yang bebas li-
near, maka X adalah taksingular sehingga X 1 ada.
Akibatnya:
AX = XD =) X 1AX = X 1XD = D
Jadi
X 1AX = D;
yang berarti A dapat didiagonalkan.
X 1AX = D () AX = XD:
Jika x1; x2; : : : ; xn adalah vektor-vektor kolom dari X;
maka
Axj = j xj j = djj ; 8j
Nilai Eigen 17
Jadi untuk setiap j; j adalah nilai eigen dari A dan
xj adalah vektor eigen yang berpadanan dengan j :
Catatan:
Nilai Eigen 18
2. Matriks pendiagonal X tidak tunggal.
Nilai Eigen 19
karena
! 1 ! !
1 0 3 0 1 0
X 1AX =
2 1 8 1 2 1
! ! !
1 0 3 0 1 0
=
2 1 8 1 2 1
!
3 0
=
0 1
= D
Nilai Eigen 20
3. An n mempunyai n nilai eigen yang berbeda
+ Teorema 6.3.1
+ Teorema 6.3.2
A dapat didiagonalkan
Tetapi, jika:
)
nilai eigen A % A dapat didiagonalkan, ATAU
ada yang sama & A tak dapat didiagonalkan
Nilai Eigen 21
vektor eigen yang bersesuaian dengan
= 0 ! (1; 1; 1)T
= 1 ! (1; 2; 0)T ; (0; 2; 1)T
Misalkan
0 1
1 1 0
B C
X=@ 1 2 2 A;
1 0 1
maka
XDX 1
0 10 10 1
1 1 0 0 0 0 2 1 2
B CB CB C
= @ 1 2 2 A@ 0 1 0 A@ 3 1 2 A
1 0 1 0 0 1 2 1 1
0 1
3 1 2
B C
= @ 2 0 2 A
2 1 1
= A
Nilai Eigen 22
4. A dapat didiagonalkan =) A = XDX 1
Akibatnya
Ak = XDk X 1
Catatan:
0 1
d1 0 0
B 0 d2 0 C
B C
D = B ... ... . . . ... C
@ A
0 0 dn
0 1
dk1 0 0
B C
B 0 dk2 0 C
) Dk = B
B ... ... . . . ...
C
C
@ A
0 0 dkn
Nilai Eigen 23
A4 = XD4X 1
! !4 ! 1
1 0 3 0 1 0
=
2 1 0 1 2 1
! ! !
1 0 34 0 1 0
=
2 1 0 ( 1)4 2 1
! ! ! !
1 0 81 0 1 0 81 0
= =
2 1 0 1 2 1 160 1
De…nisi
Nilai Eigen 24
Contoh 6.3.5 Misalkan
0 1 0 1
2 0 0 2 0 0
B C B C
A = @ 0 4 0 A; B = @ 1 4 0 A
1 0 2 3 6 2
A dan B mempunyai nilai eigen 1 = 4; 2 = 3 = 2:
Matriks A :
= 4 ! (0; 1; 0)T
= 2 ! (0; 0; 1)T
Matriks B
= 4 ! (0; 1; 3)T
= 2 ! (2; 1; 0)T ; (0; 0; 1)T
Nilai Eigen 25
B mempunyai 3 vektor eigen bebas linear ! takde-
fektif ! dapat didiagonalkan
Catatan:
A = XDX 1
Ak = XDk X 1; untuk k = 1; 2; : : :
Nilai Eigen 27
sehingga
1 2
eA = I + A + A +
2!
1
= I + XDX 1
+ XD2X 1 +
2!
1
= X I + D + D2 + X 1
2!
= XeD X 1
Contoh 6.3.6
A = XDX 1
! ! !
1 0 3 0 1 0
=
2 1 0 1 2 1
Nilai Eigen 28
Eksponensial matriks
eA = XeD X 1
! ! !
1 0 e3 0 1 0
=
2 1 0 e 1 2 1
!
e3 0
=
2e 1 + 2e3 e 1
Soal Latihan
1. matriks defektif.
! ! !
2 0 2 3 1 0
(i) (ii) (iii)
1 2 1 1 6 1
! ! !
14 12 0 1 5 6
(iv) (v) (vi)
20 17 1 0 2 2
0 1 0 1
3 0 0 1 0 0
B C B C
(vii) @ 0 2 0 A (viii) @ 0 1 1 A
0 1 2 0 1 1
0 1 0 1
2 0 2 1 0 1
B C B C
(ix) @ 0 3 0 A (x) @ 1 3 0 A
0 0 3 4 13 1
Nilai Eigen 30
Lanjutan Soal Latihan
Akan dibahas
Nilai Eigen 31
sifat-sifat matriks de…nit positif
! terutama: dekomposisi
f (x) = xT Ax
yang dinamakan bentuk kuadrat(ik) (quadratic form)
yang berpadanan dengan matriks A:
Nilai Eigen 32
Contoh 6.6.1
Nilai Eigen 33
De…nisi (Kede…nitan Bentuk Kuadrat)
3. Bentuk kuadrat
f (x) = 2x1x2
dengan x = (x1; x2)T di R2 dikatakan inde…nit
karena untuk x = ( 1; 1)T ; maka f (x) = 2 <
0; dan untuk x = (1; 1)T ; maka f (x) = 2 > 0:
Nilai Eigen 36
Contoh 6.6.3
2. Dari contoh
! sebelumnya, diperoleh bahwa matriks
1 0
adalah semide…nit positif sedangkan ma-
0 0
!
0 1
triks adalah matriks yang inde…nit.
1 0
Nilai Eigen 37
Teorema 6.5.1
Bukti:
xT Ax = xT ( x) = xT x = kxk2 :
Akibatnya:
xT Ax
= 2
> 0:
kxk
(() Untuk bukti sebaliknya, lihat Leon halaman 222.
Nilai Eigen 38
Catatan:
Contoh 6.6.4
Bukti
Nilai Eigen 40
Sifat II Jika A adalah matriks de…nit positif simetrik,
maka det (A) > 0:
Bukti:
Nilai Eigen 41
De…nisi (Submatriks Utama)
Ilustrasi: Misalkan
0 1
1 2 3
B C
A = @ 4 5 6 A;
7 8 9
maka
!
1 2
A1 = (1) ; A2 = ; A3 = A:
4 5
Bukti:
Nilai Eigen 42
Misalkan xr = (x1; : : : ; xr )T adalah sembarang vek-
tor taknol di Rr ; dengan 1 r n; dan misalkan
Ilustrasi:
Nilai Eigen 43
Dari tiga sifat tersebut diperoleh bahwa jika Ar
adalah submatriks utama dari matriks de…nit posi-
tif simetrik A; maka Ar adalah matriks taksingular
dan det (Ar ) > 0:
Nilai Eigen 45
Pada langkah ini submatriks utama A2 telah berubah
menjadi:
0 1
a11 a12
B C
B C:
@ A
(1)
0 a22
Karena OBD III tidak mengubah nilai determinan, maka
(1)
det (A2) = a11a22 ;
sehingga
(1) det (A2) det (A2)
a22 = = > 0 (mengapa? )
a11 det (A1)
(1) (1)
Karena a22 6= 0; maka a22 dapat digunakan seba-
gai elemen poros pada proses eliminasi langkah kedua
menjadi:
0 1
a11 a12 a13 a14
B C
B C
B (1) (1) (1) C
B C
B 0 a22 a23 a24 C
(2) B C
A =B B
C:
C
B (2) (2) C
B
B
0 0 a33 a34 C
C
B C
@ A
(2) (2)
0 0 a43 a44
Nilai Eigen 46
Dalam proses ini submatriks utama A3 berubah men-
jadi
0 1
a11 a12 a13
B C
B C
B C
B (1) (1) C
B 0 a22 a23 C ;
B C
B C
@ A
(2)
0 0 a33
dan karena hanya menggunakan OBD III:
(1) (2)
det (A3) = a11a22 a33
dan mengakibatkan
(2) det (A3) det (A3) det (A3)
a33 = (1)
= det(A2 )
= > 0:
a11a22 det (A1) det(A ) det (A 2 )
1
(2) (2)
Karena a33 6= 0; maka a33 dapat digunakan sebagai
elemen poros untuk proses eliminasi terakhir dan
(3) det (A4)
a44 = > 0:
det (A3)
Nilai Eigen 47
Implikasi dari Sifat IV
l32 = 3;
dan matriks segitiga atasnya menjadi
0 1
2 2 1
B
U = A(2) = @ 0 1 3 C
A:
0 0 1
2
Matriks L dinyatakan sebagai
0 1
1 0 0
B C
L = @ 1 1 0 A;
1 3 1
2
Nilai Eigen 49
dan jika diuji:
0 10 1
1 0 0 2 2 1
B CB
LU = @ 1 1 0 A@ 0 1 3 C
A
1 3 1 0 0 1
0 2 1 2
2 2 1
B C
= @ 2 3 2 A = A:
1 2 10
Nilai Eigen 50
0 1
u11 u12 u1n
B 0 u u2n C
B 22 C
U = B .. ... ... ... C
@ . A
0 0 unn
= DU1
0 10 u12 u13 u1n 1
u11 0 0 1 u11 u11 u11
B CB u23 u2n C
B 0 u22 0 CB 0 1 C
= B ... ... ... ... CB u22 u22 C
@ AB
@ ... ... ... ... ... C
A
0 0 unn 0 0 0 1
Akibatnya A dapat difaktorisasi menjadi
A = LDU1;
dengan D adalah matriks diagonal yang elemen-elemen-
nya adalah elemen poros pada proses eliminasi. Dapat
ditunjukkan bahwa faktorisasi ini adalah tunggal. Dari
Sifat IV, elemen-elemen poros ini semuanya positif.
A = LDLT
dengan L matriks segitiga bawah dengan elemen diag-
onal utamanya adalah 1 dan D adalah matriks diagonal
yang semua elemen diagonal utamanya positif.
Contoh 6.6.6
Nilai Eigen 52
Dengan memfaktorkan entri-entri diagonal dari U diper-
oleh
0 10 10 1
1 0 0 2 0 0 1 1 1
B CB CB 2 C
A = @ 1 1 0 A@ 0 1 0 A@ 0 1 3 A
1 3 1 0 0 1
2 2 0 0 1
= LDLT :
= L1LT
1
Nilai Eigen 53
Faktorisasi ini dikenal dengan dekomposisi Cholesky dari
matriks A: Untuk selanjutnya, matriks L1 cukup ditu-
liskan dengan L saja.
Contoh 6.6.7
A = B T B:
Nilai Eigen 55
Teorema 6.6.1
Soal Latihan
Nilai Eigen 58