BAB 7

NILAI EIGEN & VEKTOR EIGEN

7.1 Nilai Eigen & Vektor Eigen ACHMAD FAHRUROZI

7.2 Diagonalisasi
7.3 Diagonalisasi Ortogonal
Achmad Fahrurozi
Universitas Indonesia
 ACHMAD FAHRUROZI

7.1 Nilai Eigen & Vektor Eigen

• Definisi
Jika A adalah suatu matriks berukuran nxn, maka suatu vektor tak-
nol x dalam Rn disebut sebagai vektor eigen dari A jika Ax adalah
perkalian skalar dari x, atau dapat ditulis:
Ax = x
untuk suatu skalar . Skalar  disebut nilai eigen dari A, dan x
disebut vektor eigen dari A berkorespondensi dengan .
 ACHMAD FAHRUROZI

Contoh 1
1
• Vektor x =   adalah vektor eigen dari matriks
 2
3 0 
A 
 8 1 
dan berkorespondensi dengan nilai eigen = 3, karena

 3 0  1   3 
Ax         3x
 8 1 2   6 
 ACHMAD FAHRUROZI

Mencari Nilai Eigen

• Untuk menemukan nilai eigen dari suatu matriks persegi A (artinya
matriks A diketahui), maka tulis ulang persamaan Ax = x dalam
Definisi sebelumnya menjadi:
Ax = Ix
atau equivalen dengan,
(I-A)x = 0
Agar  menjadi nilai eigen dari A, maka harus terdapat solusi non-
trivial dari SPL homogen di atas.
Berdasarkan subbab 6.4, SPL homogen di atas akan memiliki solusi
non-trivial jika dan hanya jika
det(I-A) = 0
• Persamaan di atas disebut persamaan karakteristik dari A.
Sedangkan skalar yang memenuhi persamaan di atas disebut nilai
eigen dari A.
 ACHMAD FAHRUROZI

Contoh 2
Tentukan nilai eigen dari matriks:

 0 1 0
 
A  0 0 1
 4 17 8 
 
 ACHMAD FAHRUROZI

Contoh 3
Persamaan karakteristik dari matriks:
 2 1
A 
 5 2 
adalah
  2 1 
det( I  A)      2
1  0
 5   2 
memiliki solusi berupa bilangan imaginer, yaitu  = i dan  = -i .

Note: Dimungkinkan terdapat nilai eigen yang merupakan bilangan

kompleks. Namun, dalam pembahasan kita, hanya dibatasi
nilai eigen bernilai riil.
 ACHMAD FAHRUROZI

Teorema 7.1.1
Jika A adalah matriks segitiga (atas ataupun bawah) atau matriks
diagonal berukuran nxn, maka nilai eigen dari A adalah entri-entri
pada diagonal utama matriks A tersebut.
 ACHMAD FAHRUROZI

Contoh 4
Dengan inspeksi, maka nilai eigen untuk matriks segitiga bawah

 12 0 0 
 
A   1 23 0 
 5 8  1 
 4

1 2 1
adalah 1 = , 2 = , dan 3 = 
2 3 4
 ACHMAD FAHRUROZI

Teorema 7.1.2
Pernyataan-pernyataan berikut equivalen:

(a)  adalah nilai eigen dari A.

(b) SPL homogen (I-A)x = 0 memiliki solusi non-trivial.
(c) Terdapat vektor tak-nol x dalam Rn sedemikian sehingga Ax = x.
(d)  adalah solusi dari persamaan karakteristik det(I-A) = 0.
 ACHMAD FAHRUROZI

Mencari vektor eigen

• Vektor eigen dari A yang berkorespondensi dengan nilai eigen 
adalah vektor tak-nol x yang memenuhi Ax = x.

• Hal tersebut equivalen dengan mengatakan bahwa vektor eigen

yang berkorespondensi dengan nilai eigen  adalah vektor-vektor
tak nol dalam ruang solusi dari SPL (I-A)x = 0, yaitu ruang null
dari matriks (I-A).

• Kita sebut ruang solusi tersebut sebagai ruang eigen dari A yang
berkorespondensi dengan . Basis dari ruang eigen ini adalah vektor
eigen yang berkorespondensi dengan .
 ACHMAD FAHRUROZI

Contoh 5
Tentukan basis dari ruang eigen dari

 0 0 2 
 
A  1 2 1 
1 0 3 
 

Penyelesaian:
Langkah 1: Tentukan nilai-nilai eigen dari A
Langkah 2: Tentukan ruang solusi untuk SPL homogen (I-A)x = 0
untuk setiap  yang diperoleh pada Langkah 1.
 ACHMAD FAHRUROZI

Teorema 7.1.3
Jika k adalah suatu integer positif,  adalah nilai eigen dari matriks A,
dan x adalah vektor eigen dari A yang berkorespondensi dengan ,
maka k adalah nilai eigen dari matriks Ak dan x adalah vektor eigen
yang berkorespondensi dengan k.
 ACHMAD FAHRUROZI

Contoh 6
Tentukan nilai eigen dan vektor eigen dari matriks A7, dimana

 0 0 2 
 
A  1 2 1 
1 0 3 
 
 ACHMAD FAHRUROZI

Teorema 7.1.4
Suatu matriks persegi A invertibel jika dan hanya jika = 0 bukanlah
nilai eigen dari A.
 ACHMAD FAHRUROZI

7.2 Diagonalisasi
• Definisi
Suatu matriks persegi A dikatakan terdiagonaliasi jika terdapat
suatu matriks invertibel P sedemikian sehingga P-1AP adalah
matriks diagonal. Matriks P tersebut dikatakan mendiagonalisasi A.
 ACHMAD FAHRUROZI

Teorema 7.2.1
Jika A adalah matriks berukuran nxn, maka pernyataan-pernyataan
berikut equivalen:
(a) A terdiagonalisasi.
(b) A memiliki n buah vektor eigen yang bebas linier.

Note: teorema di atas menunjukkan bahwa masalah vektor eigen dan

masalah diagonalisasi adalah equivalen.
 ACHMAD FAHRUROZI

Prosedur mendiagonalisasi matriks

• Teorema sebelumnya menggaransi bahwa matriks persegi A
berukuran nxn dengan n buah vektor eigen yang bebas linier adalah
matriks terdiagonaliasi.
• Bukti dari teorema tersebut dapat digunakan untuk menentukan
prosedur dalam mendiagonalisasi matriks A.

Langkah 1: Cari n buah vektor eigen yang bebas linier, sebut saja
p1, p2, …, pn.
Langkah 2: Bentuk matriks P dengan vektor-vektor kolomnya
adalah p1, p2, …, pn.
Langkah 3: Matriks P-1AP akan menjadi matriks diagonal dengan
entri-entri pada diagonal utamanya berturut-turut adalah i, yaitu
nilai eigen yang berkorespondensi dengan pi, i =1,2, …, n.
 ACHMAD FAHRUROZI

Contoh 1
Tentukan matriks P yang mendiagonalisasi matriks

 0 0 2 
 
A  1 2 1 
1 0 3 
 
 ACHMAD FAHRUROZI

Contoh 2: Matriks tak terdiagonalisasi

Tentukan matriks P yang mendiagonaliasi matriks

 1 0 0
 
A   1 2 0
 3 5 2 
 
 ACHMAD FAHRUROZI

Teorema 7.2.2
Jika p1, p2, …, pk adalah vektor-vektor eigen dari A yang
berkorespondensi dengan nilai-nilai eigen berbeda 1, 2, …, k, maka
{p1, p2, …, pk} adalah himpunan yang bebas linier.
 ACHMAD FAHRUROZI

Teorema 7.2.3
Jika matriks A yang berukuran nxn memiliki n buah nilai eigen yang
berbeda, maka matriks A terdiagonalisasi.
 ACHMAD FAHRUROZI

Definisi
• Jika 0 adalah nilai eigen dari suatu matriks A berukuran nxn, maka
dimensi dari ruang eigen yang berkorespondensi dengan 0 disebut
geometric multiplicity dari 0. Sedangkan jumlah kemunculan (-
0) sebagai faktor dari persamaan karakteristik dari A disebut
algebraic multiplicity dari A.
 ACHMAD FAHRUROZI

Teorema 7.2.4
Jika A adalah matriks persegi, maka:

(a) Untuk setiap nilai eigen dari A, maka geometric multiplicity dari A
akan selalu lebih kecil atau sama dengan algebraic multiplicity
dari A.
(b) A terdiagonalisasi jika dan hanya jika untuk setiap nilai eigen dari
A berlaku: geometric multiplicity = algebraic multiplicity.
 ACHMAD FAHRUROZI

Contoh
• Jika A adalah matriks berukuran nxn dan P matriks invertibel,
maka untuk setiap integer positif k, berlaku:
(P-1AP)k = P-1AkP
Sehingga, jika A adalah matriks yang terdiagonalisasi, dimana
P-1AP = D adalah matriks hasil diagonaliasi, maka
P-1AkP = (P-1AP)k = Dk
Atau
Ak = PDkP-1
 ACHMAD FAHRUROZI

Contoh
• Gunakan hasil yang diperoleh di atas untuk menentukan A13,
dimana

 0 0 2 
 
A  1 2 1 
1 0 3 
 
 ACHMAD FAHRUROZI

7.3 Diagonalisasi Ortogonal

• Definisi
Suatu matriks A berukuran nxn dikatakan terdiagonalisasi
ortogonal jika terdapat matriks invertibel P yang merupakan
matriks ortogonal, sedemikian sehingga P-1AP adalah matriks
diagonal. Atau dengan kata lain P-1AP = PTAP.
 ACHMAD FAHRUROZI

Teorema 7.3.1
Jika A adalah matriks berukuran nxn, maka pernyataan-pernyataan
berikut equivalen:
(a) A terdiagonaliasi ortogonal.
(b) Himpunan vektor-vektor eigen dari A merupakan himpunan
ortonormal.
(c) A adalah matriks simetrik.
 ACHMAD FAHRUROZI

Teorema 7.3.2
Jika A adalah matriks simetrik, maka:

(a) Nilai-nilai eigen dari A adalah bilangan riil.

(b) Vektor-vektor eigen dari A yang berasal dari ruang eigen berbeda
adalah ortogonal.
 ACHMAD FAHRUROZI

Contoh
Tentukan matriks ortogonal P yang mendiagonaliasi matriks

 4 2 2
 
A   2 4 2
 2 2 4
 