Anda di halaman 1dari 21

BAB I

PENDAHULUAN
1.1 Latar Belakang
Mata kuliah Aljabar Linier sangat bermanfaat bagi kita dalam mempelajari matematika
lanjutan dan penerapannya dalam sains dan teknologi. Pada makalah kita kali ini kita akan
membahas lanjutan dari materi nilai eigen dan vektor eigen ,Diagonalisasi yaitu Diagonalisasi
ortogonal.
Jika T: V→ 𝑉 adalah operator linier pada sebuah ruang hasil kali dalam ,maka masalah
diagonalisasi dapat terjadi dalam cara yang berbeda, ketimbang memandang penyederhanaan
untuk sembarang basis yang menghasilkan matriks diagonal untuk T,kita dapat berpaling untuk
sebuah basis ortonormal yang menghasilkan matriks diagonal untuk T .

1.2 Rumusan Masalah


1.2.1 Bagaimana konsep dari diagonalisasi ortogonal ?
1.2.2 Apa teorema-teorema dari diagonalisasi ortogonal ?
1.2.3 Bagaimana menyelesaikan contoh-contoh dari diagonalisasi ortogonal ?

1.3 Tujuan
1.3.1 Dapat mengetahui konsep dari diagonalisasi ortogonal.
1.3.2 Dapat mengetahui teorema-teorema dari diagonalisasi ortogonal.
1.3.3 Dapat menyelesaikan contoh-contoh soal dari diagonalisasi ortogonal.
BAB II
PEMBAHASAN

2.1 Diagonalisasi Ortogonal : Matriks Simetrik


Jika T : 𝑉 → 𝑉 adalah operator linear pada sebuah ruang hasil kali dalam, maka masalah
diagonalisasi dapat terjadi dalam cara yang berbeda. Ketimbang memandang penyederhanaan
untuk sebarang basis yang menghasilkan matriks diagonal untuk T, kita dapat berpaling untuk
sebuah basis ortonormal yang menghasilkan matriks diagonal untuk T.

Masalah Diagonalisasi Ortogonal. Diberikan sebuah operator linear T : 𝑉 → 𝑉 pada


sebuah ruang hasil kali dalam berdimensi berhingga, adakah basis ortonormal untuk V yang
bertalian dengan matriks untuk T di mana ia diagonal ?
Jika A adalah matriks untuk T : 𝑉 → 𝑉 yang bertalian dengan beberapa basis ortonormal,
maka masalah ini ekivalen untuk pertanyaan jika ad perubahan basis terhadap basis ortonormal
baru seperti halnya matriks baru untuk T, maka T diagonal.
Bentuk matriks dari Masalah Diagonalisasi Ortogonal. Diberikan matriks A kuadrat,
apakah matriks P otrogonal seperti halnya P-1AP (=ptAP) diagonal ?

Definisi. Matriks A kuadrat dinamakan dapat didiagonalisasi secara ortogonal jika


terdapat matriks P yang ortogonal sehingga P-1AP (=ptAP) diagonal; matriks P dikatakan
mendiagonalisasi A secara ortogonal.

Definisi. Matriks A kuadrat kita namakan simetrik jika A=At

Contoh 1.
1 4 5
Jika A = [4 −3 0]
5 0 7

1 4 5
Maka At = [4 −3 0] = A
5 0 7
Dengan demikian A simetrik
Adalah mudah mengakui matriks simetrik dengan pemeriksaan: entri-entri pada diagonal
pertama adalah sebarang, namun “bayangan cermin” dari entri yang melintasi diagonal utama
adalah sama (Gambar 6.3).
1 4 5
[4 −3 0]
5 0 7
Gambar 6.3
Teorema selanjutnya merupakan alat utama untuk menentukan apakah sebuah matriks dapat
didiagonalisasi secara orthogonal. Dalam teorema ini dan untuk teorema selebihnya dari bagian
ini, ortogonal akan berarti ortogonal yang bertalian dengan hasil kali dalam Euclids pada Rn.

Teorema 5. Jika A adalah matriks n x n, maka pernyataan berikut ekivalen satu sama lain.
a) A dapat didiagonalisasi secara ortogonal.
b) A mempunyai himpunan ortonormal dari n vektor eigen.
c) A adalah simetrik.

Bukti (a) ⇒ (b). Karena A dapat didiagonalisasi secara ortogonal, maka terdapat matriks P
yang ortogonal sehingga P-1AP diagonal. Seperti yang diperlihatkan dalam bukti Teorema 2, maka
vektor kolom ke n dari P adalah vector eigen A. karena P ortogonal, maka vektor-vektor kolom ini
ortonormal (lihat Teorem 33 dari Bagian 4.10) sehingga A mempunyai n vektor eigen ortonormal.
(b) ⇒ (a). Anggaplah bahwa A mempunyai hmpunan ortonormal dari n vektor eigen {p1-
,p2,…,pn}. Seperti yang diperlihatkan dalam bukti Teorema 2, maka matriks P dengan vektor-
vektor eigen ini ortonormal, maka P ortogonal sehingga akan mendiagonalisasi A secara ortogonal.
(a) ⇒ (c). Dalam bukti (a) ⇒ (b) kita menunjukkan bahwa matriks A yang berukuran n x n
dapat didiagonalisasi oleh matriks P yang berukuran n x n secara ortogonal yang kolom-kolomnya
membentuk himpunan ortonormal dari vektor-vektor eigen yang berukuran A. Misalkan D adalah
matriks diagonal
D = P-1 A P
Jadi,
A = P D P-1
atau, karena P ortogonal, maka
A = P D Pt
Sehingga,
At = (P D Pt)t = P Dt Pt = P D Pt = A
yang menunjukkan bahwa A simetrik.

Teorema 6. Jika A adalah matriks simetrik, maka vektor-vektor eigen dari ruang eigen yang
berbeda akan ortogonal.
Sebagai konsekuensi dari teorema ini maka kita dapatkan prosedur berikut untuk
mendiagonalisasi matriks simetrik secara orthogonal.
Langka 1. Carilah basis untuk masing-masing ruang eigen dari A.
Langkah 2. Terapkanlah proses Gram-Schmidt ke masing-masing basis ini untuk
mendapatkan basis ortonormal untuk setiap ruang eigen.
Langkah 3. Bentuklah matriks P yang kolom-kolomnya adalah vektor-vektor basis yang dibangun
dalam langkah 2, matriks ini akan mendiagonalisasi A secara ortogonal.
Pembetulan prosedur ini sudah seharusnya jelas. Teorema 6 menjamin bahwa vektor-vektor
eigen dari ruang-ruang eigen yang berbeda akan ortogonal, sedangkan penerapan proses Gram-
Schmidt menjamin bahwa vektor-vektor eigen yang didapatkan dalam ruang eigen yang sama akan
ortonormal. Jadi, keseluruhan himpunan vektor eigen yang didapatkan dengan prosedur ini akan
ortonormal.
Contoh 2
Carilah matriks ortogonal P yang mendiagonalisasi
4 2 2
𝐴 = [2 4 2]
2 2 4
Pemecahan. Persamaan karakteristik A adalah
𝜆 − 4 −2 −2
det(𝜆𝐼 − 𝐴) = 𝑑𝑒𝑡 [ −2 𝜆 − 4 −2 ] = (𝜆 − 2)2 (𝜆 − 8) = 0
−2 −2 𝜆 − 4
Jadi, nilai-nilai eigen A adalah 𝜆 = 2 dan 𝜆 = 8. Menurut metode yang digunakan pada
Contoh 5, maka dapat diperlihatkan bahwa
−1 −1
𝑢1 = [ 1 ] dan 𝑢2 = [ 0 ]
0 1
Membentuk basis untuk ruang eigen yang bersesuaian dengan 𝜆 = 2. Dengan menerapkan
proses Gram-Schmidt terhadap {𝑢1 , 𝑢2 } akan menghasilkan vektor-vektor eigen ortonormal
(buktikan)
1

1 −
√6
√2 1
𝑣1 = [ 1 ] dan 𝑣2 = − √6
√2 2
0 [ √6 ]
Ruang eigen yang bersesuaian dengan 𝜆 = 8 mempunyai
1
𝑢3 = [1]
1
sebagai basis. Dengan menerapkan proses Gram-Schmidt terhadap {𝑢3 } maka akan
menghasilkan
1
√3
1
𝑣3 =
√3
1
[√3]
Akhirnya, dengan menggunakan 𝑣1 , 𝑣2 , 𝑣3 sebagai vektor-vektor kolom maka kita dapatkan
1 1 1
− −
√2 √6 √3
1 1 1
𝑃=
√2 √6 √3
2 1
0
[ √6 √3]
yang akan mendiagonalisasi A secara orthogonal.Kita simpulkan bagian ini dengan
menyatakan dua sifat penting dari matriks simetrik.
Teorema 7
a) Persamaan karakteristik matriks A simetrik hanya mempunyai akar-akar rill.
b) Jika nilai eigen λ dari matriks simetrik A diulangi k kali sebagai akar
persamaan karakteristik tersebut, maka ruang eigen yang bersesuaian dengan
λ adalah ruang berdimensi k.
Contoh 14
Persamaan karakteristik matriks simetrik
3 1 0 0 0
1 3 0 0 0
A= 0 0 2 1 1
0 0 1 2 1
[0 0 1 1 2]
adalah (λ − 4)2 (λ − 1)2 (λ − 2)
Sehingga nilai-nilai eigen adalah λ = 4, λ = 1 dan λ = 2, dimana λ = 4 dan λ = 1 diulangi dua
kali dan λ = 2 terjadi sekali. Jadi ruang-tuang eigen yang bersesuaian dengan λ = 4 dan λ = 1 adalah
ruang berdimensi 2 dan ruang eigen yang bersesuaian dengan λ = 2 adalah ruang berdimensi 1.
Sebelumnya kita mempunyai asumsi terhadap titik ini yang semua matriks mempunyai entri
riil. Namun, setelah dilihat pada teorema 7 bagian (a) merupakan kekeliruan apabila digunakan
untuk matriks-matriks dengan entri-entri rumit.
Pilihan
Bukti Teorema 6.
Misalkan λ₁ dan λ₂ adalah dua nilai eigen yang berbeda dari matriks A simetrik yang
berukuran n x n, dan misalkan :

𝑣₁ 𝑣 ,₁
𝑣₂ 𝑣 ,₂
V₁ = [ ⋮ ] dan V₂ = [ ⋮ ]
𝑣ₙ 𝑣,ₙ
adalah vektor-vektor eigen yang bersesuaian. Kita ingin memperlihatkan bahwa
, , ,
𝑉1 . 𝑉2= 𝑣1 𝑣1 + 𝑣2 𝑣2 + … + 𝑣𝑛 𝑣𝑛 = 0
Karena 𝑉1𝑡 𝑉2 adalah matriks 1 x 1 yang mempunyai 𝑉1 . 𝑉2 sebagai satu-satunya entrinya,
maka kita dapat melengkapi bukti tersebut dengan memperlihatkan bahwa 𝑉1𝑡 𝑉2= 0.
Karena 𝑣1 dan 𝑣2 merupakan vektpr eigen yang bersesuaian dengan nilai eigen 𝜆1 dan 𝜆2 ,
kita mempunyai
A𝑉1 = 𝜆1 𝑉1 (6.11)
A𝑉2 = 𝜆2 𝑉2 (6.12)

Dari (6.11)
(A𝑉1 )𝑡 = (𝜆1 𝑉1 )𝑡
Atau
𝑉1 𝑡 𝐴𝑡 = 𝜆1 𝑉1 𝑡
Juga karena A adalah simetrik,
𝑉1 𝑡 𝐴 = 𝜆1 𝑉1 𝑡
Dengan mengalikan kedua ruas dari persamaan ini pada bagian kanan menggunakan 𝑉2 akan
menghasilakan
𝑉1 𝑡 𝐴𝑉2 = 𝜆1 𝑉1 𝑡 𝑉2 (6.13)
Dan dengan mengalikan kedua ruas (6.12) pada bagian kiri menggunakan 𝑉1 𝑡 menghasilkan

𝑉1 𝑡 𝐴𝑉2 = 𝜆2 𝑉1 𝑡 𝑉2 (6.14)
Jadi, dari (6.13) dan (6.14)
𝜆1 𝑉1 𝑡 𝑉2= 𝜆2 𝑉1 𝑡 𝑉2
atau
(𝜆1 − 𝜆2 )𝑉1 𝑡 𝑉2 = 0
Namun, demikian 𝜆1 ≠ 𝜆2 , sehingga 𝑉1 𝑡 𝑉2 = 0.

HIMPUNAN LATIHAN 6.3


1. Gunakanlah bagian (b) dari Teorema 7 untuk mencari dimensi ruang eigen dari matriks
simetrik berikut
1 −4 2
b. [−4 1 −2]
2 −2 −2
Penyelesaian :
Langkah-langkah :
1. cari nilai eigen
2. tentukan dimensinya
Nilai eigen = det (𝜆I-A)

1 0 0 1 −4 2
= det 𝜆 [0 1 0]-[−4 1 −2]
0 0 1 2 −2 −2

λ 0 0 1 −4 2
= det [0 λ 0 −4 1 −2]
]-[
0 0 λ 2 −2 −2
λ−1 4 −2
= det [ 4 λ−1 2 ]
−2 2 λ+2

λ−1 2 4 2 2 λ−1
= λ − 1| | - 4| | + (-2)| |
2 λ+2 −2 λ + 2 −2 2

= (λ − 1)(( λ2+ λ − 2) − 4) – 4 ((4 λ + 8) + 4) − 2(8 + 2λ − 2)

= λ3+ λ2-6 λ − λ2−λ + 6 − 20λ − 60

= λ3−27λ − 54

Persamaan karakteristiknya :

= (λ − 6)( λ + 3)2 = 0

Jadi, nilai dimensi ruang eigen 𝜆 = 6 berada didimensi 1 dan 𝜆 = -3 berada pada dimensi2.

Carilah matriks P yang mendiagonalisasi A secara ortogonal, dan tentukan P-1 AP

4. A= [−𝟕 𝟐𝟒]
𝟐𝟒 𝟕
Penyelesaian :
Persamaan karakteristik A dan nilai-nilai eigen matriks A.

det(𝜆𝐼 − 𝐴) = det [𝜆 + 7 − 24] = 0


−24 𝜆 − 7
= (𝜆 + 7)(𝜆 − 7) − (−24)(−24)

= ( 𝜆2 - 7𝜆 + 7𝜆 – 49 ) – (576)
= 𝜆2 – 625
= (𝜆 − 25)(𝜆 + 25)
Jadi nilai-nilai eigen A adalah 𝜆 = 25 dan 𝜆 = −25. Jadi, diperoleh dua ruang eigen dari
A.
Menurut definisi,
𝑥1
X= [𝑥 ]
2

adalah vektor eigen A yang bersesuaian dengan 𝜆 jika dan hanya jika x adalah pemecahan
taktrivial dari (𝜆𝐼 − 𝐴)x = 0, yakni dari:
[𝜆 + 7 − 24] [𝑥1 ] = [0]
−24 𝜆 − 7 𝑥2 0
Jika 𝜆 = 25, maka
32 − 24 𝑥1 0
[ ][ ] = [ ]
−24 18 𝑥2 0
32x1 – 24x2 = 0
32x1 = 24x2
24
x1 = x2
32
3
x1 = x2
4
3
x1 = s , x2 = s
4
3 3
x = [4 𝑠 ] = [ 4] s
1𝑠 1
Jika 𝜆 = −25, maka
−18 − 24 𝑥1 0
[ ][ ] = [ ]
−24 − 32 𝑥2 0
−18x1 – 24x2 = 0
−18x1 = 24x2
24
x1 = x2
−18
4
x1 = − x2
3
4
x1 = − t , x2 = t
3
4 4
x=[
− 3 t] = [− 3] t
1𝑡 1

Sehingga dapat diperlihatkan bahwa :


3
u1 = [ 4]
1
membentuk basis untuk ruang eigen yang bersesuaian dengan 𝜆 = 25, dengan menerapkan
proses Gram-Smith terhadap {u1} akan menghasilkan vektor eigen ortonormal (Buktikan)
3 3
u1 ( , 1) ( , 1) 3 4
4 4
v1 = ||u1 ||
= 3
= 5 = (5 , 5)
√( )2 + 12 4
4
3
v1 = [ 45]
5

dan ruang eigen yang bersesuaian dengan 𝜆 = −25 mempunyai


4
u2 = [
− 3]
1
sebagai basis. Dengan menerapkan proses Gram-Smith terhadap {u2} akan menghasilkan

4 4 34 34 4
𝑢2 − <𝑢2 ,𝑣1 >𝑣1 (− ,1)− <(− ,1),( , )>,( , ) (− ,1)− 0 4 3
3 3 55 55 3
v2 = ||𝑢2 − <𝑢2 ,𝑣1 >𝑣1 ||
= 4 4 34 34 = 4
= (− 5
,5 )
||(−3,1)− <(−3,1),( 5,5)>,( 5,5)|| √(− )2 +12
3

4

5
v2 = [ 3 ]
5

Dengan menggunakan v1 dan v2 sebagai vektor-vektor kolom maka kita dapatkan


3 4

5
P= [ 45 3 ]
5 5

Yang akan mendiagonalisasi A secara orthogonal, dan

3 4 3 4
5 −7 24 5 − 5
-1 5
P AP = [ 4 3] [ ] [4 3 ]
− 24 7
5 5 5 5

3 4
15 20 − 5
=[ ] [5 ]
20 − 15 4 3
5 5

25 0
=[ ]
0 − 25
9. Carilah matriks P yang mendiagonalisasi A secara orthogonal, dan tentukanlah P-1AP
5 −2 0 0
−2 2 0 0
A= [ ]
0 0 5 −2
0 0 −2 2
Penyelesaian :
= det (𝜆I-A) = 0
λ−5 −2 0 0
= det [ −2 λ−2 0 0 ]
0 0 λ−5 −2
0 0 −2 λ−2

λ−2 0 0 −2 0 0 −2 λ − 2 0
= λ − 5| 0 λ−5 −2 | — (−2) | 0 λ − 5 −2 | + (0) | 0 0 −2 | −
0 −2 λ−2 0 −2 λ−2 0 0 λ−2
−2 λ − 2 0
(0) | 0 0 λ − 5|
0 0 −2

λ − 5 −2 0 λ−5 0 λ−5
= (λ − 5) ((λ − 2) | | − (0) | | + (0) | |) −
−2 λ − 2 0 −2 0 −2

λ − 5 −2 0 λ−5 0 λ−5
(−2) ((−2) | | − (0) | | + (0) | |) + 0 − 0
−2 λ − 2 0 −2 0 −2

= (λ − 5) ((λ − 2)((λ − 5)(λ − 2) − 4) − (0) + (0)) −(−2) ((−2)((λ − 5)(λ − 2) −

4) − (0) + (0))

= (λ − 5)(λ − 2)(λ2 − 7λ + 6) − (−2)(−2)(λ2 − 7λ + 6)

= (λ2 − 7λ + 10)(λ2 − 7λ + 6) − 4(λ2 − 7λ + 6)

= (λ2 − 7λ + 10 − 4)(λ2 − 7λ + 6)

= (λ2 − 7λ + 6)(λ2 − 7λ + 6)

= (λ − 1)( λ − 6)(λ − 1)( λ − 6)

= ( λ − 1)2 ( λ − 6)2 = 0

Maka 𝛌 = 1 dan 𝛌 = 6

λ−5 2 0 0
[ 2 λ−2 0 0 ]
0 0 λ−5 2
0 0 2 λ−2

Untuk 𝛌 = 𝟏

−4 2 0 0 0 0 0 0 0 0 0 0
[ 2 −1 0 0 ] ~(1) + 2(2) [ 2 −1 0 0 ] ~(3) + 2(4) [ 2 −1 0 0 ]
0 0 −4 2 0 0 −4 2 0 0 0 0
0 0 2 −1 0 0 2 −1 0 0 2 −1
0 0 0 0 x1
x
Sehingga[ 2 −1 0 0 ] [ 2] = 0
x3
0 0 0 0
0 0 2 −1 x4

2x1 − x2 = 0

2x3 − x4 = 0

x1 = s, x2 = 2s

x3 = t, x4 = 2t

s 1 0
2s
X = [ t ] = 𝑠 [ ] + t [ 0]
2
0 1
2t 0 2

1 0
𝐮𝟏 = [ ] dan 𝐮𝟐 = [0]
2
0 1
0 2

𝐮𝟏 (1,2,0,0) (1,2,0,0) 1 2
𝐯𝟏 = = = =( , , 0, 0)
‖𝐮𝟏 ‖ √12 +22 +02 +02 √5 √5 √5

1 2 1 2
𝐮𝟐 − <𝐮𝟐 ,𝐯𝟏 >𝐯𝟏 (𝟎,𝟎,𝟏,𝟐)− <(𝟎,𝟎,𝟏,𝟐),(
, ,0,0)>( , ,0,0) (𝟎,𝟎,𝟏,𝟐)−(𝟎) 1 2
√5 √5 √5 √5
𝐯𝟐 = ‖𝐮𝟐 − <𝐮𝟐 ,𝐯𝟏 >𝐯𝟏 ‖
= 1 2 1 2 = = (0,0, , )
‖(𝟎,𝟎,𝟏,𝟐)− <(𝟎,𝟎,𝟏,𝟐),( , ,0,0)>( , ,0,0)‖ √𝟎𝟐 +𝟎𝟐 +𝟏𝟐 +𝟐𝟐 √5 √5
√5 √5 √5 √5

Untuk 𝛌 = 𝟔

1 2 0 0 1 2 0 0 1 2 0 0
[2 4 0 0 ] ~(2) − 2(1) [0 0 0 0 ] ~(4) − 2(3) [0 0 0 0]
0 0 1 2 0 0 1 2 0 0 1 2
0 0 2 4 0 0 2 4 0 0 0 0

1 2 0 0 x1
Sehingga [0 0 0 0 ] [x2 ] = 0
0 0 1 2 x3
0 0 0 0 x4

x1 + 2x2 = 0

x3 + 2x4 = 0

x2 = s, x1 = −2s
x4 = t, x3 = −2t

−2s −2 0
X=[ s ] = 𝑠[ ] + t[ 0 ]
1
−2t 0 −2
t 0 1

−2 0
𝐮𝟑 = [ ] dan 𝐮𝟒 = [ 0 ]
1
0 −2
0 1

1 2 1 2
u3 − <u3 ,v2 >v2 (−2,1 ,0,0)− <(−2,1 ,0,0),(0,0, , )>(0,0, , ) (−2,1 ,0,0)−(0) (−2,1 ,0,0)
√5 √5 √5 √5
𝐯𝟑 = = 1 2 1 2 = = =
‖u3 − <u3 ,v2 >v2 ‖ ‖(−2,1 ,0,0)− <(−2,1 ,0,0),(0,0, , )>(0,0, , )‖ √(−2)2 +(1)2 +02 +02 √5
√5 √5 √5 √5

(−2,1 ,0,0) 2 1
= (− , , 0 , 0)
√5 √5 √5

2 1 2 1
u4 − <u4 ,v3 >v3 (0,0,−2,1)− <(0,0,−2,1),(− , ,0 ,0)>(− , ,0 ,0) (0,0,−2,1)−(0) (0,0,−2,1)
√5 √5 √5 √5
𝐯𝟒 = = 2 1 2 1 = = =
‖u4 − <u4 ,v3 >v3 ‖ ‖(0,0,−2,1)− <(0,0,−2,1),(− , ,0 ,0)>(− , ,0 ,0)‖ √02 +02 +(−2)2 +(1)2 √5
√5 √5 √5 √5

(0,0,−2,1) 2 1
= (0, 0, − , )
√5 √5 √5

Akhirnya dengan menggunakan v1 , v2 , v3 dan v4 sebagai vector-vektor kolom maka kita dapatkan
𝟏 𝟐
𝟎 − 𝟎
√𝟓 √𝟓
𝟐 𝟏
𝟎 𝟎
√𝟓 √𝟓
P= 𝟏 𝟐
𝟎 𝟎 −
√𝟓 √𝟓
𝟐 𝟏
[𝟎 √𝟓
𝟎
√𝟓 ]

Latihan Tambahan

2. Carilah nilai-nilai eigen dari

0 1 0
A=[0 0 1]
𝑘3 −3𝑘 2 3𝑘

Jawab :

Nilai eigen = det (𝜆I-A)


λ 0 0 0 1 0
= det [0 λ 0] - [ 0 0 1]
0 0 λ 𝑘3 −3𝑘 2 3𝑘

λ −1 0
= det [ 0 λ −1 ]
−𝑘 3 3𝑘 2 λ − 3𝑘

Dengan metode Sarrus, det = λ3 − 3𝑘λ2 + 3𝑘 2 - 𝑘 3 maka,

( λ − 1𝑘) ( λ − 1𝑘) ( λ − 1𝑘)

Jadi nilai eigen dari matriks tersebut adalah λ = 𝑘.

11. hal 300. Perlihatkan bahwa

𝒂 𝒃
A= [ ]
𝒄 𝒅

Mempunyai
a) dua nilai eigen berbeda jika (a − d)2 + 4bc > 0

b) satu nilai eigen jika (a − d)2 + 4bc = 0

c) tidak memiliki nilai eigen jika (a − d)2 + 4bc < 0

Jawab :

λ−𝑎 −𝑏
det (𝜆I-A) = det [ ]
−𝑐 λ−𝑑

= (𝜆-a) (𝜆-d) –bc

= 𝜆2 + (-a-d) 𝜆 + ad –bc

Dengan persamaan umum kuadrat yaitu 𝐴𝜆2 + B 𝜆 + C = 0,

Maka A = 1 , B = (-a-d) dan C = ad –bc

−𝐵 ±√𝐵2 −4𝐴𝐶
X1,2 = 2𝐶

Maka agar X1 dan X2 memiliki nilai real berbeda maka √𝐵2 − 4𝐴𝐶 > 0 atau

Diskriminan > 0
B 2 − 4AC > 0

(−a − d)2 − 4.1.(ad –bc) >0

(a2 + 2ad + d2 ) − 4ad + 4bc >0

a2 − 4ad + d2 + 4bc >0

(a − d)2 + 4bc >0

b) satu nilai eigen jika (a − d)2 + 4bc = 0

Maka agar X1 dan X2 memiliki nilai real sama maka √𝐵2 − 4𝐴𝐶 = 0

−𝐵 ±√𝐵2 −4𝐴𝐶
Maka X1,2 = 2𝐶

−𝐵
X1,2 = 2𝐴

c) tidak memiliki nilai eigen jika (a − d)2 + 4bc < 0

Maka agar X1 dan X2 memiliki nilai real sama maka √𝐵2 − 4𝐴𝐶 < 0

−𝐵 ±√−𝑢
Maka X1,2 =
2𝐶

√−𝑢 = imajiner

Sehingga,

X1,2 = 𝑖𝑚𝑎𝑗𝑖𝑛𝑒𝑟 atau tidak memiliki nilai

7. Dalam aljabar linear lanjutan, terdapat suatu pembahasan yang membuktikan Teorema Cayley-
Hamilton, yang menyatakn bahwa sebuah matriks bujur sangkar A memenuhi persamaan
karakteristiknya, yaitu jika

C0 + C1λ + C2 λ2 + …+ Cn-1 λn-1 + λn = 0

Adalah persamaan karakteristik matriks A, maka:

C0I + C1A +C2 A2 +…+ Cn-1An-1 + An = 0

Buktikan hasil tersebut untuk matriks:


0 1 0
3 6
(a) A= [ ] (b) A=[0 0 1]
1 2
1 −3 3

Penyelesaian

Teorema Cayley Hamilton

|𝐴 − 𝜆𝐼| = 0

3−𝜆 6
(a) |𝐴 − 𝜆𝐼| = 0  | |=0
1 2−𝜆

Polynomial karakterristiknya adalah :

3−𝜆 6
P( λ)= [ ]= (3- λ)(2- λ)-6 = 6- 5λ + λ2 -6
1 2−𝜆

= λ2 – 5 λ

3 6 3 6 3 6
P ( λ)= A2- 5A = [ ][ ]− 5[ ]
1 2 1 2 1 2

9 + 6 18 + 12 15 30
=[ ]− [ ]
3+2 6+4 5 10

15 30 15 30
=[ ]− [ ]
5 10 5 10

0 0
=[ ]
0 0

Jadi telah terbukti untuk torema Cayley- Hamilton P( λ) =0

0 1 0
(b) A= [0 0 1]
1 −3 3

Penyelesaian

−𝜆 1 0
|𝐴 − 𝜆𝐼| = 0  [ 0 −𝜆 1 ]=0
1 −3 3−𝜆

−𝜆 1 0 −𝜆 1
=| 0 −𝜆 1 | 0 −𝜆
1 −3 3−𝜆 1 −3
 (- λ)(- λ)(3- λ) + 1+0-0-3λ-0
 ( λ2)(3- λ)+1-3 λ
 3 λ2 – λ3 +1-3 λ
 - λ3 +3 λ2 -3 λ +1
 ( λ3- 3 λ2 +3 λ -1)
(λ3- 3 λ2 + 3 λ -1)=0
( A3-3A2+3A-1I)=0
A3= A xA xA
A2= A x A
0 1 0 0 1 0
A2= [0 0 1] [0 0 1]
1 −3 3 1 −3 3
0 0 1
A2=[1 −3 3]
3 −8 6
A3= A2 x A
0 0 1 0 1 0
A3= [1 −3 3] [0 0 1]
3 −8 6 1 −3 3
1 −3 3
A3= [3 −8 6]
6 −15 10

A3 – 3A2 +3A – I
1 −3 3 0 0 1 0 1 0 1 0 0
 = [3 −8 6 ] − 3 [1 −3 3] + 3 [ 0 0 1] − [0 1 0]
6 −15 10 3 −8 6 1 −3 3 0 0 1
1 −3 3 0 0 3 0 3 0 1 0 0
 = [3 −8 6 ] _ [0 −9 9 ] + [0 0 3] _ [0 1 0]
6 −15 10 9 −24 18 3 −9 9 0 0 1
0 0 0
 = [0 0 0]
0 0 0
Jadi, terbukti untuk teorema cagley hamiton bahwa |𝐴 − 𝜆𝐼| = 0
KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala berkat rahmat-
Nyalah sehingga penulis dapat menyelesaikan makalah ini, tentang “DIAGONALISASI
ORTOGONAL”.

Makalah ini dibuat dalam rangka memperdalam pemahaman mengenai materi diagonalisasi
ortogonal.

Proses penyusunan makalah ini, tentunya penulis mendapatkan bantuan berupa: arahan,
koreksi, dan saran dari berbagai pihak. Untuk itu penulis ucapkan terimakasih kepada semua pihak
yang telah berkontribusi dalam memperlancar pembuatan makalah ini.

Terlepas dari itu penulis menyadari bahwa sebagai manusia biasa tidak luput dari kesalahan
dan kekurangan sehingga hanya yang demikian sajalah yang dapat penulis berikan. Penulis juga
sangat mengaharapkan kritikan dan saran dari para pembaca sehingga penulis dapat memperbaiki
kesalahan-kesalahan dalam penyusunan makalah selanjutnya.

Demikian mengenai makalah ini, semoga bermanfaat dan digunakan dengan sebaik-baiknya.

Jambi, 20 November 2018

Penulis

i
DAFTAR ISI

KATA PENGANTAR......................................................................................................

DAFTAR ISI.....................................................................................................................

BAB I PENDAHULUAN

1.1. Latar belakang............................................................................................................

1.2.Rumusan masalah........................................................................................................

1.3. Tujuan.........................................................................................................................

BAB II ISI
2.1. Diagonalisasi ortogonal ; Matriks Simetrik.....................................................................

BAB III PENUTUP

3.1. Kesimpulan..................................................................................................................

3.2. Saran............................................................................................................................

DAFTAR PUSTAKA.........................................................................................................

SOAL DAN PEMBAHASAN...........................................................................................


MAKALAH ALJABAR LINEAR
DIAGONALISASI ORTHOGONAL

DISUSUN OLEH :
KELOMOK 4
1. ANDRE ALFITRAH (A1C217072)
2. CICI MEILIANA SARI (A1C117015)
3. AMALIA HUSNA (A1C217075)
4. LENI APRIYANTI (RSA1C217014)

PROGRAM STUDI PENDIDIDKAN MATEMATIKA


FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS JAMBI
2018