Makalah

Diagonalisasi Matriks Persegi
Kuliah Aljabar Linier Semester Ganjil 2015-2016
MZI
Fakultas Informatika
Telkom University
FIF Tel-U
November 2015
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 1 / 46

Acknowledgements
Slide ini disusun berdasarkan materi yang terdapat pada sumber-sumber berikut:
1 Aplikasi Matriks dan Ruang Vektor, Edisi 1, 2014, oleh Adiwijaya.
2 Elementary Linear Algebra, 10th Edition, 2010, oleh H. Anton dan C. Rorres.
3 Slide kuliah Aljabar Linier di Telkom University oleh Jondri.
4 Slide kuliah Aljabar Linier di Fasilkom UI oleh Kasiyah M. Junus dan Siti
Aminah.
5 Slide kuliah Aljabar Linier di Fasilkom UI oleh L. Y. Stefanus.
Beberapa gambar dapat diambil dari sumber-sumber di atas. Slide ini ditujukan
untuk keperluan akademis di lingkungan FIF Telkom University. Jika Anda
memiliki saran/ pendapat/ pertanyaan terkait materi dalam slide ini, silakan kirim
email ke <pleasedontspam>@telkomuniversity.ac.id.

Bahasan
1 Motivasi: Menghitung Pangkat Sebuah Matriks
2 Masalah Diagonalisasi
3 Prosedur Diagonalisasi Matriks
4 Aplikasi Diagonalisasi Matriks: Menghitung Pangkat Matriks
5 Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks
6 Diagonalisasi Ortogonal

Motivasi: Menghitung Pangkat Sebuah Matriks
Bahasan

Motivasi: Menghitung Pangkat Sebuah Matriks
Pangkat Sebuah Matriks Persegi

Salah satu dari penerapan diagonalisasi matriks adalah untuk menghitung pangkat
(yang cukup besar) dari sebuah matriks dan menentukan solusi dari permasalahan
logaritma matriks.
Permasalahan
Jika 2 3
0 0 2
A=4 1 2 1 5,
1 0 3
tentukan A13 .
Permasalahan
2 3
1 0 0
Jika B = 4 0 1 1 5, carilah bilangan bulat n sehingga
0 1 1
2 3n 2 3
1 0 0 1 0 0
4 0 1 1 5 = 4 0 1024 1024 5.
0 1 1 0 1024 1024
Masalah Diagonalisasi
Bahasan

Ingat kembali bahwa suatu matriks D dikatakan sebagai matriks diagonal apabila
D berbentuk 2 3
d11 O
6 d22 7
6 7
D=6 . 7.
4 .. 5
O dnn
Permasalahan
Misalkan A adalah sebuah matriks persegi berorde n, apakah terdapat matriks P
yang invertibel dan memenuhi sifat
1
P AP = D
dengan D adalah sebuah matriks diagonal.

Permasalahan
1
Apakah terdapat matriks invertibel P sedemikian hingga P AP = D untuk
1 1
suatu matriks diagonal D apabila A = .
0 1

Permasalahan
1
1 1
0 1
1
2 1 1 0 1
Pilih P = , sehingga P = 1 , tinjau bahwa
1 0 1 2
1
1 0 1 1 1 2 1
P AP = 1 =
1 2 0 1 1 0

Permasalahan
1
1 1
0 1
1
2 1 1 0 1
1 0 1 2
1
1 0 1 1 1 2 1 1 0
P AP = 1 =
1 2 0 1 1 0 0 1

Permasalahan
1
1 1
0 1
1
2 1 1 0 1
1 0 1 2
1
1 0 1 1 1 2 1 1 0
P AP = 1 =
1 2 0 1 1 0 0 1
1 0
adalah matriks diagonal yang entri-entri diagonalnya adalah nilai
0 1
eigen dari A (yaitu 1 dan 1).

Permasalahan
1
1 1
0 1
1
2 1 1 0 1
1 0 1 2
1
1 0 1 1 1 2 1 1 0
P AP = 1 =
1 2 0 1 1 0 0 1
1 0
adalah matriks diagonal yang entri-entri diagonalnya adalah nilai
0 1
1
eigen dari A (yaitu 1 dan 1). Anda juga bisa memeriksa bahwa 2 adalah
1
1
salah satu vektor basis bagi E 1 dan adalah salah satu vektor basis bagi
0
E1 .

1
Perhatikan bahwa penempatan dari P maupun P berpengaruh, karena bila
posisi dari P dan P 1 ditukar diperoleh

1
1
2 1 1 1 0 1
1 =
1 0 0 1 1 2

1
1 3 5
2 1 1 1 0 1 2 4
1 = 3 ,
1 0 0 1 1 2 1 2
yang bukan matriks diagonal.

Matriks yang Terdiagonalkan

De…nisi
Sebuah matriks persegi A berorde n disebut terdiagonalkan (dapat didiagonalkan,
diagonalizable) apabila terdapat matriks invertibel P dan matriks diagonal D
sedemikian hingga
P 1 AP = D. (1)
Ketika kondisi (1) terpenuhi, maka P dikatakan mendiagonalkan A (Inggris: P
diagonalize A).
Permasalahan


De…nisi
sedemikian hingga
P 1 AP = D. (1)
diagonalize A).
Permasalahan
Syarat apa yang diperlukan agar sebuah matriks persegi A terdiagonalkan?
Teorema


De…nisi
sedemikian hingga
P 1 AP = D. (1)
diagonalize A).
Permasalahan
Syarat apa yang diperlukan agar sebuah matriks persegi A terdiagonalkan?
Teorema
Jika A adalah sembarang matriks persegi berorde n, maka kedua pernyataan
berikut ekivalen
1 A terdiagonalkan.
2 A memiliki himpunan n vektor eigen yang bebas linier.
Bukti (1 ) 2)
Asumsikan A terdiagonalkan.

Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis

Bukti (1 ) 2)
1
P AP = D, (2)
untuk suatu matriks invertibel P dan matriks diagonal D.

Bukti (1 ) 2)
1
P AP = D, (2)
untuk suatu matriks invertibel P dan matriks diagonal D. Misalkan entri-entri

diagonal dari D adalah d1 ; d2 : : : ; dn . Ekspresi (2) juga dapat ditulis sebagai
AP = PD.
Misalkan P = p1 p2 pn .

Bukti (1 ) 2)
1
P AP = D, (2)

AP = PD.
Misalkan P = p1 p2 pn . Mengingat P invertibel, maka

rank (P) =

Bukti (1 ) 2)
1
P AP = D, (2)

AP = PD.

rank (P) = n. Ini artinya himpunan vektor-vektor kolom fp1 ; pn : : : ; pn g bebas
linier. Dari sifat perkalian matriks, kita memiliki
AP = A p1 p2 pn =

Bukti (1 ) 2)
1
P AP = D, (2)

AP = PD.

AP = A p1 p2 pn = Ap1 Ap2 Apn .
Kemudian karena D adalah matriks diagonal kita memiliki
PD = p1 p2 pn D=

Bukti (1 ) 2)
1
P AP = D, (2)

AP = PD.

AP = A p1 p2 pn = Ap1 Ap2 Apn .
Kemudian karena D adalah matriks diagonal kita memiliki
PD = p1 p2 pn D= d1 p1 d2 p2 dn pn .

Karena AP = PD kita memperoleh

Ap1 Ap2 Apn = d1 p1 d2 p2 dn pn atau


Api = di pi untuk setiap 1 i n:


Ini berarti pi (vektor kolom dari matriks P) adalah vektor eigen dari A, dan
entri-entri diagonal utama dari D adalah nilai-nilai eigen yang bersesuaian dengan
vektor-vektor eigen untuk setiap vektor pi dengan 1 i n.


Ini berarti pi (vektor kolom dari matriks P) adalah vektor eigen dari A, dan
entri-entri diagonal utama dari D adalah nilai-nilai eigen yang bersesuaian dengan
vektor-vektor eigen untuk setiap vektor pi dengan 1 i n. Kemudian karena
fp1 ; pn : : : ; pn g bebas linier, maka A memiliki himpunan n vektor eigen yang
bebas linier.

Bukti (2 ) 1)
Asumsikan A memiliki himpunan n vektor eigen yang bebas linier.

Bukti (2 ) 1)
Asumsikan A memiliki himpunan n vektor eigen yang bebas linier. Akan
dibuktikan bahwa A terdiagonalkan. Dari asumsi A memiliki himpunan n vektor
eigen yang bebas linier, misalkan himpunan n vektor eigen yang bebas linier itu
adalah fv1 ; v2 ; : : : ; vn g. Masing-masing vi bersesuaian dengan nilai eigen i
untuk 1 i n. Kita memiliki

Bukti (2 ) 1)
Avi = vi untuk setiap 1 i n.
Selanjutnya konstruksi matriks P yang vektor-vektor kolomnya adalah

v1 ; v2 ; : : : ; vn , yaitu
P=

Bukti (2 ) 1)
Avi = vi untuk setiap 1 i n.
Selanjutnya konstruksi matriks P yang vektor-vektor kolomnya adalah

v1 ; v2 ; : : : ; vn , yaitu
P = v1 v2 vn .

Perhatikan bahwa
AP = A v1 v2 vn
=

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
=

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
=

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P
dengan adalah matriks diagonal yang entri-entri diagonalnya adalah

1; 2; : : : ; n.

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P

1 ; 2 ; : : : ; n . Jadi kita memperoleh AP = P . Karena fv1 ; v2 ; : : : vn g bebas
linier maka dim (col (P)) = rank (P) = n.

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P

linier maka dim (col (P)) = rank (P) = n. Akibatnya P invertibel. Jadi kita
memiliki

Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P

linier maka dim (col (P)) = rank (P) = n. Akibatnya P invertibel. Jadi kita
memiliki
P 1 AP = .
Dengan demikian A dapat didiagonalkan.

Matriks yang Tak Terdiagonalkan

Permasalahan
Apakah ada matriks yang tak terdiagonalkan?


Permasalahan
2 3
1 1 1
Ada, matriks A = 4 0 1 1 5 tidak terdiagonalkan. Persamaan
0 0 1
3
karakteristik dari A adalah pA ( ) = ( 1) = 0. Sehingga diperoleh nilai eigen
1 dengan ma (1) = 3. Untuk mencari vektor-vektor eigen dari A akan ditinjau
E1 = ker (I A).


Permasalahan
2 3
1 1 1
0 0 1
3
E1 = ker (I A). Tinjau bahwa
2 32 3 2 3
0 1 1 x1 0
4 0 0 1 5 4 x2 5 = 4 0 5 ,
0 0 0 x3 0
sehingga diperoleh


Permasalahan
2 3
1 1 1
0 0 1
3
2 32 3 2 3
0 1 1 x1 0
4 0 0 1 5 4 x2 5 = 4 0 5 ,
0 0 0 x3 0
sehingga diperoleh x2 = x3 = 0, x1 = t 2 R. Jadi jika

E1 = ker (I A) = span


Permasalahan
2 3
1 1 1
0 0 1
3
2 32 3 2 3
0 1 1 x1 0
4 0 0 1 5 4 x2 5 = 4 0 5 ,
0 0 0 x3 0

E1 = ker (I A) = span f(1; 0; 0)g.


Permasalahan
2 3
1 1 1
0 0 1
3
2 32 3 2 3
0 1 1 x1 0
4 0 0 1 5 4 x2 5 = 4 0 5 ,
0 0 0 x3 0

E1 = ker (I A) = span f(1; 0; 0)g. Akibatnya semua vektor eigen dari A pasti
berbentuk (t; 0; 0) dengan t 6= 0, t 2 R. Jadi tidak mungkin A memiliki
himpunan 3 vektor yang bebas linier. Berdasarkan teorema sebelumnya, A tidak
terdiagonalkan.
Diagonalisasi – Multiplisitas Aljabar dan Geometri Nilai

Eigen
Pada ilustrasi sebelumnya kita melihat bahwa A tak terdiagonalkan dan memiliki
nilai eigen 1 dengan ma (1) = 3 dan mg (1) = 1. Secara umum, kita memiliki
teorema berikut.
Teorema
Matriks persegi A terdiagonalkan jika dan hanya jika mg ( ) = ma ( ) untuk
setiap nilai eigen dari matriks A.

Himpunan Vektor Eigen dari Nilai Eigen Berbeda
Teorema
Jika v1 ; v2 ; : : : ; vn adalah n vektor eigen yang masing-masing bersesuaian dengan
nilai eigen 1 ; 2 ; : : : ; n yang berbeda, maka fv1 ; v2 ; : : : ; vn g bebas linier.
Akibat
Jika A adalah matriks n n dengan n nilai eigen berbeda, maka A dapat
didiagonalkan.
Bukti
Karena A adalah matriks n n dengan n nilai eigen berbeda, maka A memiliki
himpunan n vektor eigen yang bersifat bebas linier. Akibatnya A dapat
didiagonalkan.

Prosedur Diagonalisasi Matriks
Bahasan


Dari teorema yang telah dijelaskan kita dapat mengkonstruksi prosedur
diagonalisasi matriks sebagai berikut.
Misalkan A adalah sebuah matriks persegi berorde n.


Langkah 1: Tentukan nilai eigen dari A. Selanjutnya carilah (jika ada) n
vektor eigen dari A yang bebas linier dan bersesuaian dengan suatu nilai
eigen tertentu. Vektor-vektor eigen tersebut dapat diperoleh dari basis-basis
bagi ruang eigen untuk A. Jika tidak ada n vektor dari A yang bebas linier,
maka A tidak dapat didiagonalkan.


Langkah 2: Misalkan n vektor eigen yang diperoleh dari langkah 1 adalah
p1 ; p2 ; : : : ; pn . Konstruksi matriks P = p1 p2 pn . Karena
fp1 ; p2 ; : : : ; pn g bebas linier, maka P invertibel.


Langkah 2: Misalkan n vektor eigen yang diperoleh dari langkah 1 adalah
p1 ; p2 ; : : : ; pn . Konstruksi matriks P = p1 p2 pn . Karena
fp1 ; p2 ; : : : ; pn g bebas linier, maka P invertibel.
Langkah 3: Tentukan matriks P 1 . Selanjutnya matriks P 1 AP adalah
matriks diagonal yang entri-entri diagonal utamanya adalah nilai-nilai eigen
1 ; 2 ; : : : ; n . Setiap vektor eigen pi bersesuaian dengan nilai eigen i
untuk setiap 1 i n. Biasanya matriks diagonal P 1 AP ditulis dengan
= diag ( 1 ; 2 ; : : : ; n ).
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
Solusi:

Latihan
Latihan
1 1
0 1
Solusi: Untuk matriks A, kita memiliki persamaan karakteristik

pA ( ) = ( 1) ( + 1) = 0.

Latihan
Latihan
1 1
0 1

pA ( ) = ( 1) ( + 1) = 0. Jadi diperoleh nilai eigen 1 = 1 dan 2 = 1.
Pertama kita akan menentukan basis bagi E 1 = ker ( I A). Tinjau SPL

Latihan
Latihan
1 1
0 1

2 1 x1 0
= ,
0 0 x2 0
1
diperoleh 2x1 + x2 = 0, jadi jika x2 = s maka x1 = 2 s. Akibatnya
E 1 = span

Latihan
Latihan
1 1
0 1

2 1 x1 0
= ,
0 0 x2 0

1
E 1 = span 2 ; 1 . Selanjutnya kita akan menentukan basis bagi
E1 = ker (I A). Tinjau SPL

Latihan
Latihan
1 1
0 1

2 1 x1 0
= ,
0 0 x2 0

1
0 1 x1 0
= ,
0 2 x2 0
diperoleh x2 = 0 dan x1 = t 2 R. Akibatnya E1 = span

Latihan
Latihan
1 1
0 1

2 1 x1 0
= ,
0 0 x2 0

1
0 1 x1 0
= ,
0 2 x2 0
diperoleh x2 = 0 dan x1 = t 2 R. Akibatnya E1 = span f(1; 0)g.

1
Perhatikan bahwa 2 ; 1 dan (1; 0) adalah dua vektor eigen dari A yang bebas
linier. Jadi kita dapat memilih
P=

1
1
2 1
P= .
1 0
1
Akibatnya P =

1
1
2 1
P= .
1 0
1 0 1
Akibatnya P = 1 . Oleh karena itu diperoleh matriks diagonal
1 2
sebagai berikut
1
1 0 1 1 1 2 1
= P AP = 1
1 2 0 1 1 0

1
1
2 1
P= .
1 0
1 0 1
Akibatnya P = 1 . Oleh karena itu diperoleh matriks diagonal
1 2
sebagai berikut
1
1 0 1 1 1 2 1
= P AP = 1
1 2 0 1 1 0
1 0
=
0 1
1
Perhatikan bahwa 2 adalah vektor eigen yang bersesuaian dengan nilai
1
1
eigen 1 dan adalah vektor eigen yang bersesuaian dengan nilai eigen 1.
0

Aplikasi Diagonalisasi Matriks: Menghitung Pangkat Matriks
Bahasan

Permasalahan
Misalkan A adalah sebuah matriks persegi berorde n yang terdiagonalkan.
Bagaimana cara yang e…sien untuk menghitung Ak , k 2 N?
Misalkan A adalah matriks n n yang terdiagonalkan, maka kita memiliki matris
invertibel P dan matriks diagonal yang memenuhi
1
P AP = =

Permasalahan
2 3
1 O
6 7
6 2 7
P 1 AP = = 6 .. 7, (3)
4 . 5
O n
dengan 1 ; 2 ; : : : ; n adalah nilai-nilia eigen dari A. Karena adalah matriks

diagonal, maka kita memiliki
k
=

Permasalahan
2 3
1 O
6 7
6 2 7
P 1 AP = = 6 .. 7, (3)
4 . 5
O n
dengan 1 ; 2 ; : : : ; n adalah nilai-nilia eigen dari A. Karena adalah matriks

diagonal, maka kita memiliki
2 k 3
1 O
6 k 7
k 6 2 7
= 6 . 7 , untuk setiap k 2 N.
4 .. 5
k
O n

Dengan mengkuadratkan kedua ruas pada (3) diperoleh

1 2 2
P AP =

1 2 2
P AP =
1 1 2
P AP P AP =

1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =

1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1
P A2 P = 2
Secara umum melalui induksi matematika, kita memiliki

1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1
P A2 P = 2

1
P Ak P = k
untuk setiap k 2 N, jadi
k
A =

1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1
P A2 P = 2

1
P Ak P = k
untuk setiap k 2 N, jadi
k k 1
A = P P untuk setiap k 2 N.

Latihan: Menentukan Pangkat dari Matriks

Latihan
2 3
0 0 2
Dengan metode diagonalisasi matriks, tentukan A13 apabila A = 4 1 2 1 5.
1 0 3
Solusi:


Latihan
2 3
0 0 2
1 0 3
Solusi: A memiliki persamaan karakteristik sebagai berikut

0 2
0 = pA ( ) = j I 1 Aj = 2 1
1 0 3
dengan ekspansi baris pertama
0 =


Latihan
2 3
0 0 2
1 0 3

0 2
0 = pA ( ) = j I 1 Aj = 2 1
1 0 3
2 1 1 2
0 = +2
0 3 1 0
= ( 2) ( 3) + 2 ( 2)
= ( 2) ( ( 3) + 2)
2 2
= ( 2) 3 +2 =( 2) ( 2) ( 1) = ( 2) ( 1) .


Latihan
2 3
0 0 2
1 0 3

0 2
0 = pA ( ) = j I 1 Aj = 2 1
1 0 3
2 1 1 2
0 = +2
0 3 1 0
= ( 2) ( 3) + 2 ( 2)
= ( 2) ( ( 3) + 2)
2 2
= ( 2) 3 +2 =( 2) ( 2) ( 1) = ( 2) ( 1) .
Jadi diperoleh nilai eigen 1 = 1 dan 2 = 3 = 2.

Pertama akan ditentukan E1 = ker (I A).

2 32 3 2 3
1 0 2 x1 0
4 1 1 1 5 4 x2 5 = 4 0 5 .
1 0 2 x3 0


2 32 3 2 3
1 0 2 x1 0
4 1 1 1 5 4 x2 5 = 4 0 5 .
1 0 2 x3 0
x1 + 0x2 + 2x3 = 0
Diperoleh , akibatnya jika x3 = s maka x1 = 2s dan
x1 + x2 + x3 = 0
x2 = s dengan s 2 R. Jadi E1 = span


2 32 3 2 3
1 0 2 x1 0
4 1 1 1 5 4 x2 5 = 4 0 5 .
1 0 2 x3 0
x1 + 0x2 + 2x3 = 0
x1 + x2 + x3 = 0
x2 = s dengan s 2 R. Jadi E1 = span f( 2; 1; 1)g. Selanjutnya akan ditentukan
E2 = ker (2I A).
2 32 3 2 3
2 0 2 x1 0
4 1 0 1 5 4 x2 5 = 4 0 5 .
1 0 1 x3 0


2 32 3 2 3
1 0 2 x1 0
4 1 1 1 5 4 x2 5 = 4 0 5 .
1 0 2 x3 0
x1 + 0x2 + 2x3 = 0
x1 + x2 + x3 = 0
E2 = ker (2I A).
2 32 3 2 3
2 0 2 x1 0
4 1 0 1 5 4 x2 5 = 4 0 5 .
1 0 1 x3 0
Diperoleh x1 + x3 = 0, akibatnya jika x3 = t maka x1 = t. Kemudian

x2 = u 2 R. Jadi jika ~x 2 ker (2I A), maka
~x = ( t; u; t) = t ( 1; 0; 1) + u (0; 1; 0) dengan t; u 2 R. Oleh karenanya
E2 = span


2 32 3 2 3
1 0 2 x1 0
4 1 1 1 5 4 x2 5 = 4 0 5 .
1 0 2 x3 0
x1 + 0x2 + 2x3 = 0
x1 + x2 + x3 = 0
E2 = ker (2I A).
2 32 3 2 3
2 0 2 x1 0
4 1 0 1 5 4 x2 5 = 4 0 5 .
1 0 1 x3 0
Diperoleh x1 + x3 = 0, akibatnya jika x3 = t maka x1 = t. Kemudian

x2 = u 2 R. Jadi jika ~x 2 ker (2I A), maka
~x = ( t; u; t) = t ( 1; 0; 1) + u (0; 1; 0) dengan t; u 2 R. Oleh karenanya
E2 = span f( 1; 0; 1) ; (0; 1; 0)g.

Kita dapat memiliki fp1 ; p2 ; p3 g yang bebas linier, dengan p1 = ( 2; 1; 1),

p2 = ( 1; 0; 1), dan p3 = (0; 1; 0). Sehingga


p2 = ( 1; 0; 1), dan p3 = (0; 1; 0). Sehingga
2 3 2 3
2 1 0 1 0 1
P=4 1 0 1 5 dan P 1 = 4 1 0 2 5 (tunjukkan!)
1 1 0 1 1 1
2 3
1 0 0
Tinjau bahwa P 1 AP = 4 0 2 0 5= .
0 0 2


p2 = ( 1; 0; 1), dan p3 = (0; 1; 0). Sehingga
2 3 2 3
2 1 0 1 0 1
P=4 1 0 1 5 dan P 1 = 4 1 0 2 5 (tunjukkan!)
1 1 0 1 1 1
2 3
1 0 0
Tinjau bahwa P 1 AP = 4 0 2 0 5= . Akibatnya P 1
A13 P = 13
, jadi
0 0 2
A13 = P 13 P 1
A13 =


p2 = ( 1; 0; 1), dan p3 = (0; 1; 0). Sehingga
2 3 2 3
2 1 0 1 0 1
P=4 1 0 1 5 dan P 1 = 4 1 0 2 5 (tunjukkan!)
1 1 0 1 1 1
3 2
1 0 0
Tinjau bahwa P 1 AP = 4 0 2 0 5 = . Akibatnya P 1 A13 P = 13 , jadi
0 0 2
A13 = P 13 P 1
2 32 32 3
2 1 0 1 0 0 1 0 1
A13 = 4 1 0 1 5 4 0 213 0 54 1 0 2 5
1 1 0 0 0 213 1 1 1
2 3
8190 0 16 382
= 4 8191 8192 8191 5 .
8191 0 16 383

Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks
Bahasan

Masalah Logaritma Matriks
Permasalahan
2 3
1 0 0
Jika B = 4 0 1 1 5, carilah bilangan bulat n sehingga
0 1 1
2 3n 2 3
1 0 0 1 0 0
4 0 1 1 5 = 4 0 1024 1024 5. (Petunjuk: cari terlebih dulu matriks
0 1 1 0 1024 1024
yang mendiagonalkan B).

Solusi:

Solusi: B memiliki persamaan karakteristik sebagai berikut
1 0 0
0 = pB ( ) = j I 0Bj = 1 1
0 1 1
0 =

1 0 0
0 = pB ( ) = j I 0 Bj = 1 1
0 1 1
1 1
0 = ( 1)
1 1
2
= ( 1) ( 1) 1
2
= ( 1) 2 =( 1) ( ) ( 2)
= ( 1) ( 2) .

1 0 0
0 = pB ( ) = j I 0 Bj = 1 1
0 1 1
1 1
0 = ( 1)
1 1
2
= ( 1) ( 1) 1
2
= ( 1) 2 =( 1) ( ) ( 2)
= ( 1) ( 2) .
Jadi diperoleh nilai eigen 1 = 0, 2 = 1, dan 3 = 2.

Pertama akan ditentukan E0 = ker (0I B) = ker ( B).

2 32 3 2 3
1 0 0 x1 0
4 0 1 1 5 4 x2 5 = 4 0 5 .
0 1 1 x3 0


2 32 3 2 3
1 0 0 x1 0
4 0 1 1 5 4 x2 5 = 4 0 5 .
0 1 1 x3 0
3 2
1 0 0 0
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB: 4 0 1 1 0 5,
0 0 0 0
x1 = 0
akibatnya diperoleh SPL . Akibatnya x1 = 0 dan bila x3 = r 2 R,
x2 + x3 = 0
maka x2 = r. Jadi E0 =


2 32 3 2 3
1 0 0 x1 0
4 0 1 1 5 4 x2 5 = 4 0 5 .
0 1 1 x3 0
3 2
1 0 0 0
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB: 4 0 1 1 0 5,
0 0 0 0
x1 = 0
akibatnya diperoleh SPL . Akibatnya x1 = 0 dan bila x3 = r 2 R,
x2 + x3 = 0
maka x2 = r. Jadi E0 = ker (0I B) = span f(0; 1; 1)g = span f(0; 1; 1)g.

Selanjutnya akan ditentukan E1 = ker (I B).

2 32 3 2 3
0 0 0 x1 0
4 0 0 1 54 x2 5 = 4 0 5 .
0 1 0 x3 0


2 32 3 2 3
0 0 0 x1 0
4 0 0 1 54 x2 5 = 4 0 5 .
0 1 0 x3 0
Diperoleh x2 = x3 = 0 dan x1 = s 2 R karena nilai x1 tidak terkait x2 dan x3 .

Oleh karenanya E1 = span


2 32 3 2 3
0 0 0 x1 0
4 0 0 1 54 x2 5 = 4 0 5 .
0 1 0 x3 0

Oleh karenanya E1 = span f(1; 0; 0)g.
Terakhir akan ditentukan E2 = ker (2I B).

2 32 3 2 3
1 0 0 x1 0
4 0 1 1 5 4 x2 5 = 4 0 5 .
0 1 1 x3 0


2 32 3 2 3
0 0 0 x1 0
4 0 0 1 54 x2 5 = 4 0 5 .
0 1 0 x3 0


2 32 3 2 3
1 0 0 x1 0
4 0 1 1 5 4 x2 5 = 4 0 5 .
0 1 1 x3 0
Dengan
2 OBE diperoleh
3 matriks diperbesar dalam bentuk EB:
1 0 0 0
4 0 1 x1 = 0
1 0 5, akibatnya diperoleh SPL . Akibatnya
x2 x3 = 0
0 0 0 0
x1 = 0 dan bila x3 = t 2 R, maka x2 = t. Jadi
E2 =

2 32 3 2 3
0 0 0 x1 0
4 0 0 1 54 x2 5 = 4 0 5 .
0 1 0 x3 0


2 32 3 2 3
1 0 0 x1 0
4 0 1 1 5 4 x2 5 = 4 0 5 .
0 1 1 x3 0
Dengan
2 OBE diperoleh
3 matriks diperbesar dalam bentuk EB:
1 0 0 0
4 0 1 x1 = 0
1 0 5, akibatnya diperoleh SPL . Akibatnya
x2 x3 = 0
0 0 0 0
x1 = 0 dan bila x3 = t 2 R, maka x2 = t. Jadi
E2 = ker (2I B) = span f(0; 1; 1)g.
Kita dapat memiliki fp1 ; p2 ; p3 g yang bebas linier, dengan p1 = (0; 1; 1),
p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga

p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
2 3 2 1 1
3
0 1 0 0 2 2
P = 4 1 0 1 5 dan P 1 = 4 1 0 0 5 (tunjukkan!)
1 1
1 0 1 0 2 2
Tinjau bahwa
1
P BP =

p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
2 3 2 1 1
3
0 1 0 0 2 2
P = 4 1 0 1 5 dan P 1 = 4 1 0 0 5 (tunjukkan!)
1 1
1 0 1 0 2 2
Tinjau bahwa
2 32 32 3 2 3
1 1
0 2 2 1 0 0 0 1 0 0 0 0
P 1 BP = 4 1 0 0 54 0 1 1 54 1 0 1 5=4 0 1 0 5= .
1 1
0 2 2 0 1 1 1 0 1 0 0 2
1 1 n
Kita memiliki P BP = ,B=P P , sehingga Bn = P P 1
. Kita
memiliki
Bn =

p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
2 3 2 1 1
3
0 1 0 0 2 2
P = 4 1 0 1 5 dan P 1 = 4 1 0 0 5 (tunjukkan!)
1 1
1 0 1 0 2 2
Tinjau bahwa
2 32 32 3 2 3
1 1
0 2 2 1 0 0 0 1 0 0 0 0
P 1 BP = 4 1 0 0 54 0 1 1 54 1 0 1 5=4 0 1 0 5= .
1 1
0 2 2 0 1 1 1 0 1 0 0 2
1 1 n
Kita memiliki P BP = ,B=P P , sehingga Bn = P P 1
. Kita
memiliki
2 32 32 1 1
3
0 1 0 0 0 0 0 2 2
Bn = 4 1 0 1 54 0 1 0 54 1 0 0 5
1 1
1 0 1 0 0 2n 0 2 2
2 3
1 0 0
4 0 1 n
2 1 n 5
= 2 22
1 n 1 n
0 2 2 22

2 3
1 0 0
Karena Bn = 4 0 1024 1024 5, maka
0 1024 1024
2 3 2 3
1 0 0 1 0 0
4 0 1 n 1 n 5 4 0 1024 5
22 2 2 = 1024
1 n 1 n
0 22 22 0 1024 1024
Akibatnya

2 3
1 0 0
Karena Bn = 4 0 1024 1024 5, maka
0 1024 1024
2 3 2 3
1 0 0 1 0 0
4 0 1 n 1 n 5 4 0 1024 5
22 2 2 = 1024
1 n 1 n
0 22 22 0 1024 1024
Akibatnya 12 2n = 1024, jadi 2n = 2048 sehingga n = 11.

Diagonalisasi Ortogonal
Bahasan

De…nisi Matriks Ortogonal
De…nisi
Sebuah matriks persegi Q disebut matriks ortogonal apabila Q invertibel dan
inversnya sama dengan transposnya, yaitu

De…nisi
1
Q = QT .
Akibat

De…nisi
1
Q = QT .
Akibat
Q adalah matriks ortogonal jika dan hanya jika QQT = QT Q = I.

Latihan
Periksa apakah matriks-matriks
2 berikut adalah
3 matriks ortogonal.
2 3 0 1 0 0 " #
0 0 1 6 0 p1 p1
0 1 0 7
A = 4 1 0 0 5, B = 6 4 1
7, C = 2 2 ,
0 0 0 5 p1 p1
0 1 0 2 2
0 0 0 1
2 1 1 1 1
3
2 2 2 2
6 1 1 1 1 7 cos sin
D=6
4
2
1
2
1
2
1
2
1
7, E =
5 .
2 2 2 2 sin cos
1 1 1 1
2 2 2 2
Solusi:

Latihan
Periksa apakah matriks-matriks
2 berikut adalah
3 matriks ortogonal.
2 3 0 1 0 0 " #
0 0 1 6 0 p1 p1
0 1 0 7
A = 4 1 0 0 5, B = 6 4 1
7, C = 2 2 ,
0 0 0 5 p1 p1
0 1 0 2 2
0 0 0 1
2 1 1 1 1
3
2 2 2 2
6 1 1 1 1 7 cos sin
D=6
4
2
1
2
1
2
1
2
1
7, E =
5 .
2 2 2 2 sin cos
1 1 1 1
2 2 2 2
Solusi: A; B; C; D; E semuanya adalah matriks ortogonal (tunjukkan!).

Perhatikan bahwa baris-baris matriks A maupun B diperoleh dari permutasi baris
matriks identitas. Matriks seperti ini dikatakan sebagai matriks permutasi.

Beberapa Sifat Matriks Ortogonal
Teorema
Misalkan Q adalah sebuah matriks persegi berorde n, maka
pernyataan-pernyataan berikut ekivalen.
1 Q matriks ortogonal.
2 Jika R = fr1 ; r2 ; : : : ; rn g adalah himpunan vektor-vektor baris dari Q, maka
R adalah himpunan ortonormal.
3 Jika C = fc1 ; c2 ; : : : ; cn g adalah himpunan vektor-vektor kolom dari Q,
maka C adalah himpunan ortonormal.

Invers dan Hasil Kali Matriks Ortogonal

Teorema
1
Jika Q adalah matriks ortogonal, maka Q juga matriks ortogonal.
Bukti


Teorema
1
Bukti
1
Karena Q matriks ortogonal, maka Q =


Teorema
1
Bukti
1
Karena Q matriks ortogonal, maka Q = QT . Tinjau bahwa
T
Q 1 Q 1=


Teorema
1
Bukti
1
Karena Q matriks ortogonal, maka Q = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 =


Teorema
1
Bukti
Karena Q matriks ortogonal, maka Q 1 = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 = QQ 1 = I. Jadi Q 1 juga matriks
ortogonal.
Teorema
Jika P dan Q adalah matriks ortogonal, maka PQ juga matriks ortogonal.
Bukti
1
Karena P dan Q adalah matriks ortogonal, maka P = PT dan Q 1
= QT .
Tinjau bahwa
1
(PQ) =


Teorema
1
Bukti
T T
ortogonal.
Teorema
Bukti
1
Karena P dan Q adalah matriks ortogonal, maka P = PT dan Q 1
= QT .
Tinjau bahwa
1
(PQ) = Q 1 P 1 =


Teorema
1
Bukti
T T
ortogonal.
Teorema
Bukti
Karena P dan Q adalah matriks ortogonal, maka P 1 = PT dan Q 1
= QT .
Tinjau bahwa
1
(PQ) = Q 1 P 1 = QT PT =


Teorema
1
Bukti
T T
ortogonal.
Teorema
Bukti
Karena P dan Q adalah matriks ortogonal, maka P 1 = PT dan Q 1
= QT .
Tinjau bahwa
1 T
(PQ) = Q 1 P 1 = QT PT = (PQ) ,
jadi PQ juga matriks ortogonal.
Determinan Matriks Ortogonal
Teorema
Jika Q adalah matriks ortogonal, maka det (Q) = 1.
Bukti
Karena Q matriks ortogonal, maka QT Q = I, akibatnya
1 = det QT Q =

Teorema
Bukti
1 = det QT Q = det QT det (Q)

=

Teorema
Bukti
1 = det QT Q = det QT det (Q)

= det (Q) det (Q)
2
= (det (Q))
Jadi det (Q) = 1.

Matriks Ortogonal dan Hasil Kali Titik
Permasalahan
Misalkan Q adalah sebuah matriks ortogonal berukuran n n dan x; y 2 Rn .
Apa kaitan antara Qx Qy dan x y? Apa kaitan antara kQxk dan kxk?
Teorema
Jika Q adalah sebuah matriks berukuran n n dan x; y 2 Rn , maka
pernyataan-pernyataan berikut ekivalen.
1 Q ortogonal
2 kQxk = kxk
3 Qx Qy = x y

De…nisi
Suatu matriks persegi A dikatakan dapat didiagonalkan secara ortogonal jika
terdapat matriks ortogonal P yang mendiagonalkan A. Dengan perkataan lain
terdapat matriks ortogonal P dengan sifat
1
P AP = D, dengan D matriks diagonal.
Akibat

De…nisi
Suatu matriks persegi A dikatakan dapat didiagonalkan secara ortogonal jika
terdapat matriks ortogonal P yang mendiagonalkan A. Dengan perkataan lain
terdapat matriks ortogonal P dengan sifat
1
P AP = D, dengan D matriks diagonal.
Akibat
Jika A dapat didiagonalkan secara ortogonal, maka terdapat matriks ortogonal P
sehingga
PT AP = D, dengan D matriks diagonal.
Bukti
Karena P matriks ortogonal, maka P 1
= PT , akibatnya
PT AP = P 1
AP = D.

Syarat Diagonalisasi Ortogonal
Teorema
Suatu matriks persegi A dapat didiagonalkan secara ortogonal jika dan hanya jika
A matriks simetris.
Perhatikan bahwa jika A adalah matriks yang dapat didiagonalkan secara
ortogonal, maka terdapat matriks diagonal D sehingga
A = PT DP, sehingga
T
AT = PT DP
= PT DT P = PT DP (karena DT = D)
= A.

Prosedur Diagonalisasi Secara Ortogonal
Prosedur pendiagonalan matriks simetris secara ortogoal hampir sama dengan

prosedur pendiagonalan matriks seperti biasa. Misalkan A adalah matriks simetris
berukuran n n yang akan didiagonalkan secara ortogonal, maka prosedur yang
dapat dilakukan adalah:
1 Tentukan nilai eigen dari A, kemudian buat matriks yang diagonalnya
adalah nilai-nilai eigen dari A
2 Tentukan basis tiap ruang eigen, misalkan diperoleh himpunan n vektor eigen
fp1 ; p2 ; : : : ; pn g yang bebas linier.
3 Ubah himpunan fp1 ; p2 ; : : : ; pn g menjadi himpunan ortonormal
fq1 ; q2 ; : : : ; qn g. Hal ini dapat dilakukan dengan prosedur Gram-Schmidt.
4 Bentuk matriks P yang vektor-vektor kolomnya adalah q1 ; q2 ; : : : ; qn , yaitu
P = q1 q2 qn .
5 Matris P dan A akan memenuhi PT AP = D = .

Contoh Diagonalisasi Secara Ortogonal

Latihan
2 3
1 0 0
Carilah matriks P yang mendiagonalkan A = 4 0 1 1 5 secara ortogonal.
0 1 1
Solusi:


Latihan
2 3
1 0 0
0 1 1
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 =


Latihan
2 3
1 0 0
0 1 1
E0 = span f(0; 1; 1)g
E1 =


Latihan
2 3
1 0 0
0 1 1
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 =


Latihan
2 3
1 0 0
0 1 1
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 = span f(0; 1; 1)g
Kita memiliki himpunan 3 vektor yang bebas linier, yaitu
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g. Untuk memperoleh himpunan ortonormal dari
himpunan ini, kita dapat melakukan prosedur Gram-Schmidt.


Latihan
2 3
1 0 0
0 1 1
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 = span f(0; 1; 1)g
himpunan ini, kita dapat melakukan prosedur Gram-Schmidt. Namun karena
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g adalah himpunan ortogonal, maka himpunan
ortonormal dari himpunan ini dapat diperoleh dengan cara membagi setiap vektor
dengan norm-nya masing-masing, sehingga diperoleh himpunan


Latihan
2 3
1 0 0
0 1 1
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 = span f(0; 1; 1)g
himpunan ini, kita dapat melakukan prosedur Gram-Schmidt. Namun karena
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g adalah himpunan ortogonal, maka himpunan
ortonormal dari himpunan ini dapat diperoleh dengan cara membagi setiap vektor
dengan norm-nya masing-masing, sehingga diperoleh himpunan
1 1 1 1
0; p ; p ; (1; 0; 0) ; 0; p ; p .
2 2 2 2
2 3
0 1 0
Akibatnya diperoleh matriks P = 4 p1 0 p1 5. Matriks P adalah matriks
2 2
p1 0 p1
2 2
ortogonal karena PPT = PT P = I. Kemudian matriks P juga mendiagonalkan
A karena 2 3
0 0 0
PT AP = D = = 4 0 1 0 5 .
0 0 2

Makalah

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Makalah

Diunggah oleh

Hak Cipta:

Format Tersedia

Diagonalisasi Matriks Persegi

Kuliah Aljabar Linier Semester Ganjil 2015-2016

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 1 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 2 / 46

1 Motivasi: Menghitung Pangkat Sebuah Matriks

3 Prosedur Diagonalisasi Matriks

4 Aplikasi Diagonalisasi Matriks: Menghitung Pangkat Matriks

5 Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 3 / 46

1 Motivasi: Menghitung Pangkat Sebuah Matriks

3 Prosedur Diagonalisasi Matriks

4 Aplikasi Diagonalisasi Matriks: Menghitung Pangkat Matriks

5 Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 4 / 46

Pangkat Sebuah Matriks Persegi

1 Motivasi: Menghitung Pangkat Sebuah Matriks

3 Prosedur Diagonalisasi Matriks

4 Aplikasi Diagonalisasi Matriks: Menghitung Pangkat Matriks

5 Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 6 / 46

dengan D adalah sebuah matriks diagonal.

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 7 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 8 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 8 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 8 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 8 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 8 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 9 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 9 / 46

yang bukan matriks diagonal.

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 9 / 46

Matriks yang Terdiagonalkan

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 10 / 46

Matriks yang Terdiagonalkan

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 10 / 46

Matriks yang Terdiagonalkan

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

untuk suatu matriks invertibel P dan matriks diagonal D.

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

untuk suatu matriks invertibel P dan matriks diagonal D. Misalkan entri-entri

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

untuk suatu matriks invertibel P dan matriks diagonal D. Misalkan entri-entri

Misalkan P = p1 p2 pn . Mengingat P invertibel, maka

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

untuk suatu matriks invertibel P dan matriks diagonal D. Misalkan entri-entri

Misalkan P = p1 p2 pn . Mengingat P invertibel, maka

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

untuk suatu matriks invertibel P dan matriks diagonal D. Misalkan entri-entri

Misalkan P = p1 p2 pn . Mengingat P invertibel, maka

AP = A p1 p2 pn = Ap1 Ap2 Apn .

Kemudian karena D adalah matriks diagonal kita memiliki

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

untuk suatu matriks invertibel P dan matriks diagonal D. Misalkan entri-entri

Misalkan P = p1 p2 pn . Mengingat P invertibel, maka

AP = A p1 p2 pn = Ap1 Ap2 Apn .

Kemudian karena D adalah matriks diagonal kita memiliki

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 11 / 46

Karena AP = PD kita memperoleh

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 12 / 46

Karena AP = PD kita memperoleh

Ap1 Ap2 Apn = d1 p1 d2 p2 dn pn atau

MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 12 / 46

Karena AP = PD kita memperoleh