MAKALAH MATRIKS DAN RUANG VEKTOR

“NILAI EIGEN DAN VEKTOR EIGEN”

Disusun Untuk Memenuhi Tugas Mata Kuliah Matriks dan Ruang Vektor.
Dosen : Jeferson Siahaan, S.Si., M.M.

Disusun Oleh :
17113147 Muhammad Ridwan Kurnia
TI RM 17A

PROGRAM STUDI TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNOLOGI BANDUNG
2018
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmatNYA sehingga
makalah ini dapat tersusun hingga selesai . Tidak lupa kami juga mengucapkan banyak
terimakasih atas bantuan dari pihak yang telah berkontribusi dengan memberikan sumbangan
baik materi maupun pikirannya.

Dan harapan kami semoga makalah ini dapat menambah pengetahuan dan
pengalaman bagi para pembaca, Untuk ke depannya dapat memperbaiki bentuk maupun
menambah isi makalah agar menjadi lebih baik lagi.

Karena keterbatasan pengetahuan maupun pengalaman kami, Kami yakin masih

banyak kekurangan dalam makalah ini, Oleh karena itu kami sangat mengharapkan saran dan
kritik yang membangun dari pembaca demi kesempurnaan makalah ini.

Cimahi, 5 Januari 2019

Penyusun
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam kehidupan sehari-hari, banyak permasalahan dari fenomena riil yang dapat
dijelaskan melalui pembentukan model matematika Pada umumnya perumusan model
matematika ini berupa fungsi. Dalam banyak kasus, tidak semua model matematika tersebut
dapat diselesaikan secara mudah dengan menggunakan metode analitik, sehingga digunakan
analisis numerik untuk mencari penyelesaiannya. Analisis numerik adalah teknik yang
digunakan untuk memformulasikan persoalan matematik sehingga dapat dipecahkan dengan
operasi perhitungan atau aritmetik biasa (tambah, kurang, kali, dan bagi) (Munir, 2003: 5)
Salah satu bidang kajian matematika yaitu aljabar linier dimana salah satu cabangnya
adalah matriks. Matriks yaitu suatu kumpulan angka-angka (sering disebut elemen) yang
disusun menurut baris dan kolom sehingga berbentuk persegi panjang dimana panjang dan
lebarnya ditunjukan oleh banyaknya kolom dan baris. Pada dasarnya matriks merupakan
pengembangan lebih lanjut dari sistem persamaan linier sehingga aljabar matriks sering
disebut juga sebagai aljabar linier. Pada aljabar linier sendiri banyak permasalahan yang
dapat dipelajari, salah satunya adalah tentang operator linier, pemetaan linier atau pun fungsi
linier.
Salah satu penerapan dari analisis numerik ini yaitu dalam masalah nilai eigen dan
vektor eigen. Analisis numerik memberikan suatu cara alternatif yang digunakan untuk
menemukan nilai eigen dan vektor eigen dari suatu matriks. Cara yang digunakan dalam
analisis numerik ini termasuk unik karena dalam
penyelesaiannya hanya diperlukan operasi-operasi aljabar biasa. Hanya
saja, dalam penghitungannya tidak cukup dilakukan sekali tetapi harus dilakukan
berulang-ulang sampai ditemukan nilai yang konvergen ke satu nilai yang
merupakan nilai penyelesaiannya.
Salah satu metode dalam analisis numerik yang bisa digunakan untuk mencari nilai
eigen dan vektor eigen yaitu metode pangkat. Dengan metode pangkat ini, nilai eigen yang
berupa bilangan real dan vektor eigennya dapat ditemukan secara bersamaan menggunakan
proses yang sama pula sehingga jika nilai eigen dari suatu matriks ditemukan, maka secara
otomatis vektor eigen dari matriks yang bersangkutan akan diperoleh.
 Dalam mencari nilai eigen dan vektor eigen menggunakan metode pangkat, akan
memerlukan proses iterasi yang sangat panjang untuk menemukan hasil yang mendekati nilai
yang sebenarnya. Semakin banyak iterasi yang dilakukan, maka semakin baik hasil yang
diperoleh. Meskipun metode pangkat bisa digunakan untuk mengaproksimasi nilai eigen dan
vektor eigen dari matriks, akan sulit untuk mengaproksimasi nilai eigen keseluruhan dari
matriks tersebut.
Aplikasi nilai eigen mencakup berbagai bidang keilmuan. Nilai eigen diperlukan
untuk memecahkan berbagai permasalahan dalam kehidupan seharihari, diantaranya dalam
hal struktur melengkungnya batang, campuran, gerak harmonik, getaran suatu bangunan, dan
lain sebagainya. Sehingga bisa dikatakan metode dalam menemukan nilai eigen merupakan
ilmu pengetahuan yang digunakan untuk membantu mempermudah kehidupan manusia
sehari-hari.

1.2 Rumusan Masalah

1. Bagaimana Cara Menentukan Nilai Eigen?

2. Bagaimana Cara Menentukan Nilai Eigen dengan Persamaan Karakteristik?
3. Bagaimana Cara Menentukan Vektor Eigen?

1.3 Tujuan Masalah

1. Menjelaskan Cara Menentukan Nilai Eigen.

2. Menjelaskan Cara Menentukan Nilai Eigen dengan Persamaan Karakteristik.
3. Menjelaskan Cara Menentukan Vektor Eigen.
 BAB II
ISI

2.1 Nilai Eigen

Kata vektor eigen adalah rumusan bahasa jerman dan inggris. Dalam bahasa
jermaneigen dapat diterjemahkan sebagai sebenarnya atau karakteristik, oleh karena itu,
nilaieigen dapat juga kita namakan nilai sebenarnya atau nilai karakteristik. Dalam literatur
lama kadang-kadang dinamakan akar-akar latent.
Nilai eigen dan vektor eigen mempunyai tafsiran geometrik yang bermanfaat dalam
R2 dan R3. Jika λ adalah nilai eigen dari A yang bersesuaian dengan x, maka Ax = λx,
sehingga perkalian oleh A akan memperbesar x, atau membalik arah x, yang bergantung pada
nilai λ.

A. Dilatasi (pembesaran) λ > 1.

B. Kontraksi 0 < λ < 1.
C. Pembalikan arah λ < 0

Jika A adalah matriks n x n, maka vektor tak nol x di dalam Rn dinamakan

vektoreigen (eigen vector) dari A jika Ax adalah kelipatan skalar dari x; yaitu Ax = x
untuk suatu skalar λ. Skalar λ dinamakan nilai eigen (eigen value) dari A dan x
dikatakanvektor eigen yang bersesuaian dengan λ.
Jika A adalah sebuah matriks nxn maka sebuah vektor tak nol x di dalam Rn
dinamakan vektor eigen (eigen vector) dari A jika Ax adalah kelipatan skalar dari x: Ax =
λA. Dimana λ adalah suatu skalar dan x adalah vektor yang tidak nol. Skalar λ dinamakan
nilai Eigen dari matriks A
Nilai eigen adalah nilai karakteristik dari suatu matriks bujur sangkar. Vektor x dalam
persamaan di atas adalah suatu vektor yang tidak nol yang memenuhi persamaandi atas untuk
nilai eigen yang sesuai dan disebut dengan vektor eigen. Jadi vektor x mempunyai nilai
tertentu untuk nilai eigen tertentu.
Untuk mencari nilai eigen dari matriks A yang berukuran n x n, maka kita perlu
memperhatikan kembali definisi nilai eigen dan vektor eigen, yaitu Ax =λx. Bentuk ini dapat
kita tulis sebagai berikut :

Supaya λ menjadi nilai eigen, maka harus ada penyelesaian yang tidak nol dari
sistem persamaan (λI-A) x = 0. Memiliki solusi nontrivial jika dan hanya jika det (λI– A) = 0.
Ini dsebut persamaan karateristik dari A.
2.2 Persamaan Karakteristik

Untuk mencari nilai eigen dari matriks A yang berukuran nxn, maka kita perlu
memperhatikan kembali definisi vektor eigen dan nilai eigen, yaitu Ax = λx. Bentuk ini dapat
kita tulis sebagai berikut:

Supaya λ menjadi nilai eigen, maka harus ada penyelesaian yang tidak nol
dari persamaan (1) ini. Menurut teorema dalam bahasan sebelumnya, maka persamaan (1)
akan mempunyai penyelesaian tak nol (mempunyai penyelesaian non trivial) jika dan hanya
jika:

Persamaan det (λ I – A) = 0 dengan λ sebagai variabel disebut Persamaan

karakteristik dari matriks A. Akar-akar atau skalar-skalar yang memenuhi persamaan ini
adalah nilai-nilai eigen (nilai- nilai karakteristik) dari matriks A. Det (λ I – A) ≡ f(λ)
yaitu berupa polinom dalam λ yang dinamakan polinom karakteristik
 Dari pemahaman definisi di atas, jelas bahwa jika A adalah matriks nxn,
maka persamaan karakteristik dari matriks A mempunyai derajat n dengan bentuk
det (λ I – A) = f(λ) = a0 + a1x1 + a2x2 + … + an - 1xn - 1+ a nxn = 0.
Menurut teorema dasar aljabar kita dapatkan bahwa persamaan karakteristik tersebut
mempunyai paling banyak n penyelesaian yang berbeda (Ingat metode Horner
dan persamaan pangkat tinggi). Jadi, suatu matriks yang berukuran nxn paling banyakmempu
nyai n-nilai eigen yang berbeda.
Setelah kita memperhatikan uraian di atas, tentunya para pembaca berharap untuk
meninjau ulang Contoh 1 atau Contoh 2 di atas sehingga kita mendapatkan nilainilai eigen
dari matriks 2 2 dengan menyelesaikan persamaan karakteristiknya

Penyelesaian:
Polinom karakteristik dari matriks Q adalah

Dan persamaan karakteristik dari matriks Q adalah

λ2 - 3λ + 2 = 0
Penyelesaian dari persamaan ini adalah λ1 = 1 dan λ2 = 2.
Jadi, nilai-nilai eigen dari matriks Q adalah 1 dan 2

Carilah:
1. Persamaan karakteristik dari matriks A
2. Nilai-nilai eigen dari matriks A
Penyelesaian:
1. Penyelesaian karakteristik dari matriks A adalah

2. Untuk mencari nilai-nilai eigen dari matriks A harus mencari akar-akar atau nilai-nilai
λ yang memenuhi persamaan pangkat tiga :

Jika himpunan penyelesaian dari persamaan polinom dengan koefisienkoefisien

bilangan bulat.
an λn – an - 1 λn - 1 + ... + a 0 = 0

 Harus atau pasti merupakan pembagi dari suku konstanta a 0. Jadi,

penyelesaianpenyelesaian bilangan bulat yang mungkin dari persamaan (2)
adalah pembagipembagi dari 6, yaitu 1, 2, 3, dan 6. Selanjutnya substitusikan
nilai-nilai ini berturut-turut pada persamaan (2) sehingga kita dapatkan akar-
akarnya, dan tentunya memerlukan bantuan teorema sisa atau metode horner
untuk persamaan pangkat tinggi. Dalam hal ini λ = 1 memenuhi persamaan
(2), sebab 13 – 6 . 12 + 11 . 1 – 6 = 0.
 Sebagai akibatnya (λ – 1) haruslah merupakan factor dari ruas kiri persamaan
(2). Dengan bantuan teorema sisa, yaitu membagi persamaan (2) oleh (x – 1)
kita dapatkan dua nilai λ lainnya, yaitu λ2 = 2 dan λ3 = 3, sehingga akar dari
persamaan (2), yaitu λ1 = 1, λ2 = 2, dan λ3 = 3 adalah nilai-nilai eigen dari
matriks A.
  Untuk menyelesaikan persamaan (2) dapat pula dilakukan dengan bantuan
metode Horner, dengan langkah pertama sema seperti di atas yaitu sampai
mendapatkan λ1 = 1 dan langkah berikutnya sebagai berikut

(nilai-nilai eigennya adalah bilangan imajiner).

Karena nilai-nilai eigen dari matriks T adalah bilangan imajiner, sedangkan

menurut definisi λ adalah skalar atau bilangan real. Maka
matriks T tidak mempunyai nilai eigen.

Sekarang kita perhatikan teorema berikut yang merupakan ikhtisar dari hasil-hasil yang telah
diperoleh melalui diskusi materi pembelajaran di atas.
Teorema 11. 1
Jika A adalah suatu matriks n n dan λ adalah suatu bilangan real,
maka pernyataan-pernyataan berikut ini adalah ekuivalen

a) λ adalah nilai-nilai eigen dari matriks A.

b) Sistem persamaan (λ I – A)x = 0 mempunyai penyelesaian tak trivial (non
trivial).
c) Ada vektor x yang tidak nol dalam Rn sedemikian sehingga Ax = λx.
d) λ adalah suatu penyelesaian real dari persamaan karakteristik det (λ I – A) = 0
Bukti
Kita akan memperlihatkan bahwa (a), (b), (c), dan (d) ekuivalen satu sama lainnya dengan
membuktikan urutan implikas

Karena ada x tidak nol, maka sistem persamaan linear homogen

(λ I – A) x = 0 haruslah det (λ I – A) = 0 dengan λ adalah suatu penyelesaian realnya.
2.3 Ruang Eigen
Setelah kita memahami bagaimana mencari nilai-nilai eigen hubungannya dengan
persamaan karakteristik, maka sekarang akan beralih ke masalah untuk mencari vektor eigen.
Menurut definisi terdahulu bahwa vektor eigen dari matriks A yang bersesuaian dengan nilai
eigen λ adalah vektor x yang tidak nol dan haruslah memenuhi Ax = λx. Dengan kata lain,
secara ekuivalen tentunya vektor eigen yang bersesuaian dengan nilai eigen λ adalah vektor
yang tak nol dalam ruang penyelesaian (λI – A) x= 0. Ruang penyelesaian ini kita namakan
sebagai ruang eigen (eigen space) dari matriks A yang bersesuaian dengan nilai eigen λ.
Apakah ruang eigen ini membentuk basis?. Ruang penyelesaian dari sistem persamaan linear
(λ I – A) x = 0 atau (A - λ I) x = 0 dinamakan ruang eigen dari matriks A yang berukuran n x
n.

Sekarang kita perhatikan beberapa contoh, bahwa vektor-vektor eigen suatu matriks
akan membentuk suatu basis untuk ruang eigen yang bersesuaian dengan nilai eigen dari
matriks tersebut.

Contoh 7
 BAB III

PENUTUP

3.1 Kesimpulan

1. Misalkan A adalah matriks nxn, maka vektor x yang tidak nol di Rn disebut
Vektoreigen (eigen vector ) dari A jika Ax adalah kelipatan skalar dari x, yaitu Ax
= λx untuk suatu skalar λ. Skalar λ dinamakan nilai eigen (eigen value) dari A.
2. Persamaan det (λ I – A) = 0 dengan λ sebagai variabel disebut Persamaan
karakteristik dari matriks A. Akar-akar atau skalar-skalar yang
memenuhi persamaan ini adalah nilai-nilai eigen (nilai-nilai karakteristik) dari
matriks A. Det (λ I – A) ≡ f(λ) yaitu berupa polinom dalam λ yang dinamakan
polinom karakteristik.
3. Ruang penyelesaian dari sistem persamaan linear (λ I – Ax) x = 0 atau (A - λ I) x
= 0 dinamakan ruang eigen dari matriks A yang berukuran nxn.