ISSN 2089-8703 (Print) Vol. 6, No.

2 (2017)
ISSN 2442-5419 (Online)

ALGORITMA POLINOMIAL MINIMUM UNTUK MEMBENTUK MATRIKS

DIAGONAL DARI MATRIKS PERSEGI

Himmatul Mursyidah
Universitas Muhammadiyah Surabaya
E-mail: himmatul.pendmat@fkip.um-surabaya.ac.id

Abstract
In mathematics, matrices have many uses, they are finding solutions of a linear
equation system, looking for specific solutions of differential equations, determining
state classification on Markov chains, and so on. There is a special matrix in matrix
theory, that is a diagonal matrix. The diagonal matrix is a matrix whose all non-
diagonal entries are primarily zero so that the product of the diagonal matrix can be
computed by considering only the components along the main diagonal. A square
matrix can sometimes be formed into a diagonal matrix. If a non-diagonal square
matrix can be conjugated with a diagonal matrix, then there is an invertible matrix
so , where is a diagonal matrix and is said to diagonalize . To find a
square matrix diagonalizable or not, many researchers usually use eigenvalues and
eigenvectors evaluation. In this study, we discuss that the other way to form a diagonal
matrix by using Minimum Polynomial Algorithm.

Keywords: diagonal matrix, matrices, minimum polynomial

PENDAHULUAN Matriks diagonal merupakan matriks

Teori matriks dan aplikasinya
telah mengalami perkembangan yang
sangat luas. Perkembangan teori matriks
terjadi baik dalam matematika sendiri
maupun dalam aplikasi yang digunakan
untuk mengembangkan ilmu-ilmu lain.
Terdapat banyak kegunaan matriks
dalam matematika, khususnya yang
berkaitan dengan aplikasi aljabar linear.
Solusi dari suatu sistem persamaan
linear dapat dicari dengan menggunakan
matriks. Pada persamaan differensial,
solusi partikulir atau penyelesaian
khusus dapat dicari dengan metode
matriks. Sedangkan matriks peluang
transisi digunakan untuk menentukan
klasifikasi state pada rantai markov
(Langi, 2011).
Terdapat bentuk matriks yang
memiliki keistimewaan dalam teori
matriks, yaitu matriks diagonal.
Keistimewaan dari matriks diagonal
terletak pada operasi aljabarnya.
persegi dengan seluruh entri non-
diagonal utamanya sama dengan nol
(Lipschutz & Lipson, 2009). Operasi
aljabar maupun produk dari matriks
diagonal dapat dihitung dengan hanya
memperhatikan komponen sepanjang
diagonal utamanya, sehingga kerumitan
dari operasi aljabar matriks berkurang
ketika bekerja dengan matriks diagonal.
Adakalanya suatu matriks yang
tidak berbentuk diagonal dapat dibentuk
menjadi matriks diagonal. Jika suatu
matriks persegi tidak berbentuk
diagonal tetapi dapat dikonjugasikan
dengan matriks diagonal, maka terdapat
matriks invertible sehingga
, dengan adalah matriks diagonal
dan dikatakan mendiagonalisasi
(Anton & Rorres, 2005). Ada juga
matriks yang tidak dapat dibentuk
kembali menjadi matriks diagonal.
Matriks tersebut cukup dapat dibentuk

282 | Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

menjadi matriks yang similar dengan Definisi 1. Sebuah polinomial atas

matriks yang hampir diagonal. adalah jumlahan
Untuk mengetahui suatu matriks dengan merupakan koefisien dari
persegi dapat didiagonalisasi atau tidak, polinomial tersebut untuk ,
banyak peneliti menggunakan dan adalah derajat polinomial (deg).
pengevaluasian terhadap nilai eigen dan
vektor eigen matriks selama ini. Berdasarkan derajatnya,
Dimensi dari ruang eigen yang polinomial satu variabel terdiri dari
menunjukkan jumlah vektor-vektor beberapa jenis. Berikut diberikan
eigen yang bersesuaian dengan suatu penjelasan dan bentuk dari beberapa
nilai eigen dinamakan multiplisitas jenis polinomial satu varibel.
geometri. Sedangkan jumlah nilai eigen 1. Polinomial konstanta tak nol, yaitu
yang sama (kembar) dinamakan polinomial berderajat dengan
multiplisitas aljabar. Suatu matriks koefisien tidak sama dengan nol.
dapat didiagonalisasi apabila Bentuk dari polinomial konstanta
multiplisitas geometri sama dengan tak nol adalah ( ) , dengan
mltiplisitas aljabar. anggota dari suatu lapangan.
Dalam penelitian ini, dibahas 2. Polinomial nol, merupakan
bahwa untuk mendeteksi suatu matrik polinomial berderajat dengan
persegi juga dapat digunakan suatu koefisien sama dengan nol. Bentuk
polinomial khusus, yaitu polinomial polinomial nol yaitu ( ) .
minimum. Diketahui bahwa untuk 3. Polinomial linear, yaitu polinomial
mendapatkan vektor-vektor eigen dari berderajat yang mempunyai
suatu matriks bukan hal yang mudah. bentuk ( ) , dengan
Dengan menggunakan polinomial dan anggota dari suatu
minimum, maka tidak harus mencari lapangan.
vektor-vektor eigen yang bersesuaian 4. Polinomial kuadratik, merupakan
dengan masing-masing nilai eigen suatu polinomial berderajat . Bentuk
matriks terlebih dahulu. Lebih lanjut, polinomial kuadratik yaitu ( )
dalam penelitian ini disusun pula suatu , dengan , , dan
algoritma untuk membentuk matriks anggota dari suatu lapangan.
diagonal dari matriks persegi dengan 5. Polinomial kubik, merupakan
menggunakan polinomial minimum. polinomial berderajat . Bentuk
polinomial kubik yaitu ( )
POLINOMIAL DAN MATRIKS , dengan
Polinomial merupakan pernyataan , , , dan anggota dari suatu
matematika yang memuat jumlahan dari lapangan,
satu atau lebih varibel berpangkat dan masih banyak jenis polinomial satu
dengan koefisien. Berdasarkan variabel berdasarkan derajatnya.
pernyataan tersebut, polinomial dapat Himpunan dari polinomial-polinomial
dibagi menjadi polinomial dengan satu satu variabel (misal ) atas suatu
variabel dan polinomial lebih dari satu lapangan dinotasikan dengan , -.
variabel. Untuk polinomial dengan satu Terdapat jenis khusus polinomial
variabel, pangkat tertinggi dari variabel satu variabel berdasarkan koefisien dari
menunjukkan orde atau derajat variabel dengan pangkat tertingginya.
polinomial. Definisi polinomial satu Polinomial tersebut dinamakan
variabel dapat ditulis, polinomial monik.

Aksioma | 283
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

Definisi 2. Polinomial monik adalah , - dengan √ sedemikian

suatu polinomial dengan koefisien hingga ( )( ).
utamanya atau koefisien dari variabel
yang memiliki pangkat tertinggi sama Operasi aljabar seperti
dengan 1 (Riyanto, 2008). penjumlahan dan pengurangan,
perkalian, maupun pembagian juga
Untuk memperjelas definisi dari berlaku pada polinomial. Dalam operasi
polinomial monik, berikut diberikan pembagian polinomial, dikenal teorema
contoh dari polinomial monik dan tidak. pembagian yang mengulas mengenai
hasil bagi dan sisa hasil bagi.
Contoh 3. Polinomial
merupakan polinomial monik berderajat Teorema 6. Diberikan suatu
dua. Sedangkan lapangan, dan polinomial ( ) ( )
adalah polinomial berderajat tiga yang , - dengan ( ) , maka terdapat
bukan monik. dengan tunggal ( ) ( ) , -
sedemikian hingga
Polinomial ada yang dapat ( ) ( ) ( ) ( )
direduksi dan ada yang tidak. dengan ( ) atau ( )
Polinomial yang dapat direduksi adalah ( ).
polinomial yang dapat dinyatakan
sebagai perkalian antara dua polinomial Setelah diberikan uraian mengenai
berderajat positif. Sedangkan pengertian polinomial, jenis, dan operasinya yang
dari polinomial tak tereduksi, diberikan
digunakan dalam proses penelitian.
pada definisi berikut, Selanjutnya, diberikan penjelan tentang
matriks dan beberapa jenis matriks
Definisi 4. Polinomial ( ) , -
khusus. Matriks merupakan susunan
disebut tak tereduksi jika ( ) bilangan berbentuk persegi panjang,
berderajat positif dan ( ) tidak dapat dengan bilangan-bilangan dalam
dinyatakan sebagai perkalian antara dua susunan tersebut atas suatu lapangan
polinomial berderajat positif. Dengan tertentu. Bilangan yang menyusun suatu
kata lain, jika ( ) ( ) ( ) maka matriks disebut sebagai entri dari
( ) konstan atau ( ) konstan matriks. Ukuran dari suatu matriks
(Riyanto, 2008). ditentukan dari jumlah baris dan
kolomnya.
Pada contoh berikut, diberikan
polinomial tak tereduksi sekaligus Definisi 7. Sebuah matriks berukuran
tereduksi. Hal tersebut tergantung pada adalah himpunan beberapa
lapangan dari koefisien maupun bilangan yang tersusun dalam persegi
konstanta polinomial. panjang berukuran baris dan kolom
yang dapat ditulis sebagai
Contoh 5. Polinomial
merupakan polinomial tak tereduksi di
, - sebab polinomial tersebut tidak [ ]
dapat dinyatakan sebagai perkalian dua
polinomial berderajat positif anggota (Eves, 1968).
dari , -. Akan tetapi, polinomial
merupakan polinomial tereduksi Dalam teori matriks, terdapat
di , - sebab terdapat beberapa jenis matriks khusus yang

284 | Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

memiliki keistimewaan. Jenis-jenis matriks diagonal dengan seluruh entri

matriks khusus tersebut, yaitu matriks diagonal utamanya sama dengan 1
nol, vektor baris, vektor kolom, matriks disebut matriks identitas. Matriks
persegi, matriks diagonal, matriks identitas dinotasikan dengan .
identitas, dan matriks segitiga
atas/bawah. Keistimewaan dari matrik-
matriks khusus tersebut diantaranya Contoh 9. Matriks [ ]
dalam hal nilai-nilai entri matriks,
operasi aljabar, perhitungan komponen- adalah contoh matriks persegi berorder
komponen dari matriks, dan sebagainya. 3, sekaligus matriks diagonal.
Berikut dibahas satu persatu jenis-jenis
matriks khusus. Sedangkan matriks [ ]
Suatu matriks dengan seluruh
merupakan matriks identitas berukuran
entri sama dengan nol disebut matriks
.
nol, dan dinotasikan dengan . Dilihat
dari ukurannya, matriks berukuran
Suatu matriks persegi yang semua
yaitu matriks yang terdiri dari 1
entri di bawah diagonal utamanya sama
baris dan kolom disebut vektor baris.
dengan nol disebut sebagai matriks
Sedangkan matriks dengan ukuran
segitiga atas. Sedangkan matriks persegi
yaitu matriks yang terdiri dari
yang semua entri di atas diagonal
baris dan 1 kolom disebut vektor kolom.
utamanya sama dengan nol disebut
matriks segitiga bawah. Untuk
Contoh 8. Matriks [ ] memperjelas pengertian tersebut,
diberikan masing-masing contoh
adalah contoh matriks nol berukuran matriks segitiga atas dan bawah.
. Adapun , - merupakan
Contoh 10. Matriks [ ] dan
vektor baris dan [ ] merupakan vektor

kolom. [ ] merupakan contoh

matriks segitiga atas. Sedangkan

Suatu matriks yang mempunyai
ukuran baris sama dengan ukuran
kolom disebut matriks persegi.
Misalkan suatu matriks persegi terdiri
dari baris dan kolom, maka dapat
diartikan bahwa matriks tersebut
memiliki order . Secara umum bentuk
matriks persegi adalah
[ ]
dengan merupakan
diagonal utama dari matriks . dengan | | atau
Matriks persegi dengan entri non-
diagonal utamanya sama dengan nol
disebut matriks diagonal. Lebih lanjut,
matriks [ ] dan
[ ] adalah contoh matriks
segitiga bawah.
Setiap matriks persegi mempunyai
determinan. Determinan merupakan
pemetaan dengan domain matriks
persegi dan kodomain berupa suatu nilai
skalar. Misal diberikan matriks ,
determinan dari matriks dinotasikan
. Untuk
mendapatkan determinan dari suatu
matriks, dapat digunakan aturan sarrus
(hanya untuk matriks berorder 2 dan 3)

Aksioma | 285
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

maupun metode minor-kofaktor. vektor eigen. Nilai eigen adalah nilai

Determinan suatu matriks dapat karakteristik dari suatu matriks persegi,
digunakan untuk menganalisa suatu nilai eigen dinotasikan dengan .
matriks, salah satunya yaitu untuk Sedangkan vektor eigen adalah vektor
memeriksa keberadaan invers dari kolom bukan nol yang apabila dikalikan
matriks tersebut. dengan suatu matriks persegi beroder
akan menghasilkan vektor lain yang
Definisi 11. Suatu matriks persegi mempunyai kelipatan dari vektor eigen
berorder dikatakan invertible jika tersebut.
terdapat suatu matriks sedemikian
hingga dengan Definisi 13. Diberikan matriks persegi
merupakan matriks identitas berukuran berukuran dengan entri di suatu
, dan adalah invers dari lapangan . Jika ada vektor tak nol
matriks (Koryanov, 2015). dan skalar yang
memenuhi , maka disebut
Suatu matriks persegi mempunyai sebagai vektor eigen dari matriks
invers jika dan hanya jika determinan yang bersesuaian dengan nilai eigen
dari matriks tersebut tidak sama dengan (Subiono, 2012).
nol. Untuk memperjelas penjelasan
tersebut, diberikan contoh perhitungan Kumpulan pasangan nilai dan vektor
invers matriks menggunakan eigen dari suatu matriks persegi disebut
determinan. sistem eigen dari matriks tersebut.
Sedangkan kumpulan dari vektor eigen
Contoh 12. Diberikan matriks yang bersesuaian dengan suatu nilai
[ ]. Determinan dari sama dengan eigen digabungkan dengan vektor nol
disebut ruang eigen dari , dan dapat
dan adjoint sama dengan dinotasikan dengan . Tidak semua
[ ], sehingga untuk menghitung matriks mempunyai nilai eigen dan
vektor eigen. Hal tersebut tergantung
invers dari matriks tersebut digunakan
rumus: pada lapangan dari entri matriks.

Contoh 14. Diberikan matriks

[ ] atas lapangan real . Nilai eigen
[ ]
dari matriks dapat dihitung melalui
formula berikut:
[ ]
( )
Diperoleh invers dari matriks sama diperoleh nilai eigen dari matriks
yaitu dan . Selanjutnya,
dengan [ ]. Jadi apabila vektor eigen yang bersesuaian dengan
determinan suatu matriks bernilai nol, nilai-nilai eigen dari matriks
maka terdapat pembagian 1 dengan 0 diperoleh dengan menggunakan
sehingga invers dari matriks tersebut formula:
tidak terdefinisi. ( )
Sehingga didapat vektor eigen yang
Dalam pembahasan mengenai bersesuaian dengan adalah
matriks persegi, terdapat dua hal yang [ ] dengan , dan vektor
perlu dipahami yaitu nilai eigen dan

286 | Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

eigen yang bersesuaian dengan yang bersesuaian dengan adalah

adalah [ ] dengan . ⟨[ ]⟩. Berdasarkan hasil perhitungan
Berdasarkan uraian tersebut diketahui nilai eigen dan vektor eigen dari matriks
bahwa matriks atas lapangan tersebut diperoleh multiplisitas
mempunyai nilai eigen dan vektor aljabar dari sama dengan 1 sebab
eigen. Adapun untuk matriks nilai eigen dari matriks yang sama
[ ] atas lapangan real tidak dengan 1 sejumlah satu, sedangkan
multiplisitas geometri sama dengan 1
mempunyai nilai eigen sebab dengan sebab dimensi ruang eigen dari sama
menggunakan formula untuk dengan 1. Adapun multiplisitas aljabar
menghitung nilai eigen, didapatkan nilai dari sama dengan 1 dan multiplisitas
eigen dari matriks yaitu dan geometri juga sama dengan 1.
dengan √ merupakan
elemen bilangan kompleks. Hal tersebut Contoh 16. Misal diberikan matriks
berakibat matriks tersebut juga tidak
mempunyai vektor eigen. Lebih lanjut, [ ] atas lapangan . Nilai
matriks atas lapangan kompleks eigen dari matriks adalah
mempunyai nilai eigen, yaitu dengan vektor eigen yang bersesuaian
dan . Vektor eigen yang dengan dan adalah [ ] ,
bersesuaian dengan adalah
[ ] dengan , dan vektor sedemikian hingga ⟨[ ]⟩ .
eigen yang yang bersesuaian dengan Dari uraian tersebut didapatkan bahwa
matriks mempunyai dua nilai eigen
adalah [ ] dengan dan keduanya bernilai sama yaitu 1
. sehingga multiplisitas aljabar dari nilai
eigen tersebut sama dengan 2.
Misal adalah suatu nilai eigen Sedangkan multiplisitas geometri dari
dari suatu matriks . Multiplisitas maupun sama dengan 1 sebab
aljabar dari adalah banyaknya dimensi ruang eigen dari maupun
sebagai akar dari persamaan polinomial masing-masing sama dengan 1.
. Sedangkan multiplisitas geometri
adalah dimensi ruang eigen yang METODE PENELITIAN
bersesuaian dengan nilai eigen Penelitian ini merupakan
(Anton & Rorres, 2005). Multiplisitas
geometri masing-masing nilai eigen dari penelitian studi literatur. Metode yang
suatu matriks kurang dari atau sama digunakan adalah dengan
dengan multiplisitas aljabarnya. mengumpulkan bahan penelitian dari
buku-buku, jurnal, maupun dokumen
Contoh 15. Diberikan matriks dari website yang membahas mengenai
[ ] seperti pada Contoh 14. polinomial dan salah satu jenisnya yaitu
Berdasarkan pembahasan pada Contoh polinomial minimum, matriks khusus
14 diperoleh nilai eigen dari matriks yaitu matriks diagonal, serta cara untuk
adalah dan , dengan mendiagonalisasi matriks persegi
ruang eigen yang bersesuaian dengan
menjadi matriks diagonal yang selama
adalah ⟨[ ]⟩ dan ruang eigen ini umum digunakan. Selanjutnya, dari

Aksioma | 287
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

literatur-literatur yang diperoleh geometri dari nilai eigen kurang dari

dilakukan kajian terhadap konsep- multiplisitas aljabarnya.
konsep tersebut untuk mengkontruksi Pada bagian pendahuluan telah
dijelaskan bahwa suatu matriks persegi
suatu algoritma polinomial minimum yang tidak berbentuk diagonal tetapi
sebagai cara lain untuk membentuk dapat dikonjugasikan dengan matriks
matriks diagonal dari suatu matriks diagonal, jika terdapat matriks
persegi. invertible sehingga ,
dengan adalah matriks diagonal dan
dikatakan mendiagonalisasi .
ALGORITMA POLINOMIAL
Sehingga untuk dapat membentuk
MINIMUM UNTUK matriks diagonal dari matriks persegi
MENDIAGONALISASI MATRIKS yang sudah diidentifikasi dapat
PERSEGI didiagonalkan adalah dengan menyusun
Suatu matriks persegi adakalanya matriks invertible kemudian
dapat dijadikan bentuk matriks digunakan rumus:
diagonal. Cara yang biasa digunakan
untuk memeriksa suatu matriks dapat
didiagonalkan adalah dengan Contoh 18. Pada pembahasan
menggunakan multiplisitas aljabar dan sebelumnya, didapatkan bahwa matriks
multiplisitas geometri. [ ] merupakan matriks yang
dapat didiagonalkan. Untuk
Teorema 17. Misal adalah matriks
mendapatkan bentuk diagonal dari
persegi. Matriks dapat didiagonalisasi
matriks terlebih dahulu disusun
jika dan hanya jika untuk setiap nilai
matriks invertible
eigen dari multiplisitas geometri sama , -, yaitu:
dengan multiplisitas aljabarnya
(Lipschutz & Lipson, 2009). [ ]

Berdasarkan Contoh 15, matriks dengan [ ], sedemikian

[ ] mempunyai dua buah nilai
eigen yaitu dan , dengan hingga diperoleh bentuk diagonal dari
multiplisitas geometri sama dengan matriks adalah
multiplisitas aljabarnya yaitu 1. Begitu
pula untuk nilai eigen , multiplisitas
geometri juga sama dengan multiplisitas [ ][ ][ ]
aljabarnya yaitu 1. Dengan
menggunakan Teorema 17, dapat
disimpulkan bahwa matriks [ ]
merupakan matriks yang dapat
Jika dicermati bentuk matriks diagonal
didiagonalkan. Adapun matriks
merupakan matriks dengan entri
[ ] yang mempunyai dua buah diagonal utama merupakan nilai-nilai
nilai eigen pada Contoh 16 eigen dari matriks .
merupakan matriks yang tidak dapat
didiagonalkan sebab multiplisitas Selain menggunakan multiplisitas
geometri dan multiplisitas aljabar, untuk

288 | Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

dapat menentukan suatu matriks persegi

dapat didiagonalisasi atau tidak, dapat ∑
digunakan polinomial minimum.
Misalkan adalah suatu matriks persegi terdapat koefisien yang tidak
dengan order berhingga atas suatu semuanya sama dengan nol dengan
lapangan , dan , - melambangkan . Jika dan
himpunan semua polinomial dari , ∑ adalah polinomial berderajat
terdapat polinomial minimum dalam paling rendah dalam , - yang
, - yang pengertiannya diberikan pada memenuhi ∑ untuk
Definisi 19. , maka dari persamaan
berikut
Definisi 19. Polinomial disebut
polinomial minimum dari atas , ∑
yaitu apabila merupakan polinomial
monik berderajat paling rendah di diperoleh
dalam , - yang memenuhi ( ) ,
dengan adalah matriks nol (Robinson, ∑
2006).
Sehingga didapatkan polinomial monik
Suatu matriks persegi atas lapangan
pasti mempunyai polinomial minimum. ( ) ∑
Lebih lanjut, keberadaan polinomial
minimum tersebut adalah tunggal. Hal elemen , - yang merupakan
tersebut dibuktikan pada Teorema 20. polinomial minimum.
Selanjutnya, ditunjukkan ketunggalan
Teorema 20. Diberikan suatu matriks polinomial minimum, yaitu misalkan
persegi dengan order berhingga atas ( ) polinomial monik dengan derajat
suatu lapangan . Terdapat dengan paling rendah dan ( ) , - adalah
tunggal ( ) , - yaitu polinomial polinomial monik lain berderajat yang
monik berderajat paling rendah yang memenuhi ( ) . Akan ditunjukkan
memenuhi ( ) . Dengan kata ( ) ( ), untuk setiap
lain, mempunyai polinomial sebagai berikut:
minimum tunggal (Fuhrmann, 2012). Misalkan terdapat suatu polinomial
( ) , - dengan ( ) ( )
Bukti. Pertama, akan dibuktikan ( ). Polinomial ( ) dan ( )
eksistensi polinomial minimum dari keduanya merupakan polinomial monik
matriks persegi dengan membuktikan berderajat , maka ( ) adalah
adanya polinomial monik untuk matriks polinomial berderajat kurang dari
tersebut. Misalkan matriks berdimensi dengan
atas lapangan . Himpunan ( ) ( ) ( ) ... (1)
* + adalah saling bergantungan .
linear sebab beberapa matriks dapat Akan tetapi, menurut pernyataan yang
ditulis sebagai kombinasi linear dari diketahui, adalah derajat terendah
matriks-matriks yang lain (misal untuk polinomial dalam , - yang
, dst). Sedemikian hingga memenuhi sama dengan saat
untuk disubstitusikan , sehingga ( )
jika dan hanya jika ( ) . Oleh
karena itu, persamaan (1) menjadi

Aksioma | 289
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

( ) ( ) faktor-faktor yang berbeda. Hal tersebut

dan diperoleh dibuktikan pada teorema berikut.
( ) ( ),
Jadi terbukti ( ) , - adalah Teorema 22. Misalkan adalah
tunggal. Dengan kata lain, polinomial matriks persegi dengan order berhingga
minimum dari matriks adalah atas lapangan . Matriks dapat
tunggal. didiagonalisasi jika dan hanya jika
polinomial minimumnya dapat
Polinomial minimum suatu difaktorkan menjadi faktor-faktor yang
matriks membagi polinomial berbeda (Fuhrmann, 2012).
karakteristik dari matriks tersebut.
Dengan kata lain, persamaan Bukti. ( ) Jika matriks dapat
karakteristik merupakan kelipatan dari didiagonalisasi, maka terdapat matriks
polinomial minimum suatu matriks. invertible yang berlaku ,
sedemikian hingga matriks similar
Teorema 21. Diberikan matriks persegi dengan matriks . Misal
dengan order berhingga atas lapangan adalah entri diagonal yang berbeda-beda
. Suatu polinomial ( ) , - dari matriks , maka nilai-nilai tersebut
memenuhi ( ) jika dan hanya merupakan nilai eigen dari . Diberikan
jika ( )| ( ) (Fuhrmann, 2012). polinomial ( ) ( ) (
), substitusi matriks pada dalam
Bukti. ( ) Polinomial ( ) dengan polinomial ( ) sama dengan substitusi
Teorema 6 (Teorema Pembagian) dapat untuk sebab adalah
ditulis sebagai matriks diagonal. Hal tersebut
( ) ( ) ( ) ( ) ... (2) menyebabkan setiap entri diagonal dari
dengan ( ) ( ) , - dan ( ) ( ) sama dengan nol, sehingga
atau ( ) ( ). Substitusi diperoleh ( ) . Setiap nilai eigen
pada persamaan (2) dan misal dari matriks adalah akar dari
( ) didapatkan ( ) . polinomial minimumnya, sehingga tidak
Berdasarkan Teorema 20, ( ) adalah boleh ada faktor dari ( ) yang
polinomial minimum tunggal atau tidak dihilangkan. Karena ( ) merupakan
ada lagi polinomial monik dengan polinomial monik berderajat terendah
derajat lebih rendah dari pada ( ) yang memenuhi ( ) dan memuat
yang memenuhi sama dengan saat setiap nilai eigen dari matriks maka
disubtitusikan ke dalam polinomial dapat disimpulkan
tersebut. Oleh karena itu, untuk ( )
( ) jika dan hanya jika ( ) , ( ) ( )
dan persamaan (2) menjadi yang tidak mempunyai akar-akar
( ) ( ) ( ) berulang. Duah buah matriks yang
Dengan kata lain, ( )| ( ). similar mempunyai polinomial
( ) Misalkan ( )| ( ), maka dapat minimum yang sama. Sehingga
ditulis ( ) ( ) ( ). Substitusi ( ) ( ) atau
pada persamaan tersebut didapatkan polinomial minimum dari dapat
( ) . dibagi menjadi faktor-faktor yang
Suatu matriks persegi dapat berbeda.
didiagonalisasi apabila polinomial ( ) Misalkan mempunyai polinomial
minimumnya dapat difaktorkan menjadi minimum yang dapat difaktorkan

290 | Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

menjadi faktor-faktor yang berbeda, utama dari matriks diagonal ,

yaitu sehingga diperoleh matriks diagonal
( ) ( ) yang similar dengan matriks
dengan adalah nilai-nilai eigen yaitu
dari . Jelas matriks similar dengan
matriks yaitu matriks yang entri [ ]
diagonalnya sama dengan
yang juga merupakan nilai-nilai eigen dan tahapan selesai.
dari matriks . Jadi matriks dapat
didiagonalisasi. Untuk memperjelas penggunaan
Algoritma 23 (Algoritma Polinomial
Berdasarkan uraian tersebut, dapat Minimum), diberikan beberapa contoh.
disusun suatu algoritma untuk
menentukan suatu matriks persegi dapat Contoh 24. Diberikan matriks
didiagonalisasi atau tidak dengan [ ] seperti pada Contoh 14, 15, dan
menggunakan polinomial minimum.
Lebih lanjut, jika suatu matriks persegi 18. Berikut digunakan tahapan-tahapan
dapat didiagonalisasi, maka dapat Algoritma Polinomial Minimum untuk
disusun bentuk matriks diagonalnya. diagonalisasi matriks :
1. Matriks [ ] merupakan
Algoritma 23. (Algoritma Polinomial matriks persegi berorder 2 atas
Minimum) lapangan real .
1. Ambil sebarang matriks persegi 2. Didapatkan , - *
dengan order berhingga atas ( ) +.
lapangan . 3. Elemen dari , - yang sama
2. Dapatkan , - yang meliputi dengan apabila disubtitusikan
polinomial karakteristik ( ) dan adalah
polinomial-polinomial lain yang ( ) .
membagi polinomial karakteristik. 4. Polinomial minimum dari adalah
3. Dapatkan semua ( ) , - yang ( ) ( ) .
memenuhi ( ) . ( )
5. Polinomial minimum
4. Tentukan polinomial minimum ( )( ) mempunyai faktor-
( ) dari langkah 3. faktor yang berbeda sehingga dapat
5. Evaluasi ( ) mempunyai faktor- didiagonalisasi.
faktor yang berbeda atau tidak. 6. Menentukan akar-akar dari
a. Jika ( ) mempunyai faktor- polinomial karakteristik ( )
faktor yang berbeda, maka
, yaitu dan
matriks dapat didiagonalisasi
.
dan lakukan langkah 6. 7. Akar-akar polinomial karakteristik
b. Jika ( ) mempunyai faktor disusun dalam entri diagonal ,
kembar, maka dapat
diperoleh matriks diagonal yang
disimpulkan matriks tidak
similar dengan matriks adalah
dapat didiagonalisasi, dan
tahapan selesai. [ ]
6. Tentukan akar-akar dari polinomial
karakteristik ( ), misal . Contoh 25. Berikut digunakan tahapan-
7. Susun akar-akar dari polinomial tahapan Algoritma Polinomial
karakteristik dalam entri diagonal Minimum untuk menentukan matriks

Aksioma | 291
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)

2. Didapat , - *
persegi [ ] dapat
( ) +.
didiagonalisasi atau tidak. Lebih lanjut, 3. Elemen dari , - yang sama
jika matriks dapat didiagonalisasi, dengan apabila disubtitusikan
dapat ditentukan bentuk diagonal yang adalah
similar dengan matriks . ( ) .
1. Matriks merupakan matriks 4. Polinomial minimum dari adalah
persegi berorder 3 atas lapangan real ( ) ( )
. .
2. Didapat , - * 5. Polinomial minimum ( )
( ) ( ) mempunyai faktor
( ) +. kembar sehingga tidak dapat
3. Elemen-elemen dari , - yang didiagonalisasi.
sama dengan apabila
disubtitusikan adalah
KESIMPULAN DAN SARAN
* ( )
+. Berdasarkan pembahasan
4. Polinomial minimum dari adalah diperoleh bahwa terdapat cara lain
( ) . untuk menunjukkan secara tepat suatu
( ) matriks persegi dapat didiagonalisasi
5. Polinomial minimum
( )( atau tidak, yang dilanjutkan dengan
) mempunyai faktor-
tahapan untuk menyusun bentuk matriks
faktor yang berbeda sehingga dapat
diagonal yang similar dengan matriks
didiagonalisasi.
persegi yang diketahui tanpa
6. Menentukan akar-akar dari
menggunakan multiplisitas aljabar dan
polinomial karakteristik ( )
geometri. Cara lain tersebut mengadopsi
, yaitu ,
dari sifat polinomial minimum dari
, dan .
suatu matriks persegi adalah tunggal
7. Akar-akar polinomial karakteristik
dan membagi polinomial
disusun dalam entri diagonal ,
karakteristiknya, serta suatu matriks
diperoleh matriks diagonal yang
persegi dapat didiagonalisasi jika dan
similar dengan matriks adalah
hanya jika polinomial minimumnya
dapat difaktorkan menjadi faktor-faktor
[ ]
yang berbeda. Tahapan diagonalisasi
suatu matriks persegi dengan
Contoh 26. Diberikan matriks persegi menggunakan polinomial minimum
selanjutnya dapat disebut sebagai
[ ]. Untuk menentukan Algoritma Polinomial Minimum.

matriks dapat didiagonalisasi atau DAFTAR PUSTAKA

tidak digunakan tahapan Algoritma Anton, H., & Rorres, C. (2005).
Polinomial Minimum. Elementary Linear Algebra with
1. Matriks merupakan matriks Applications, Ninth Edition:
persegi berorder 3 atas lapangan real Application Version. New York:
. John Wiley & Sons, Inc.

292 | Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
ISSN 2089-8703 (Print) Vol. 6, No. 2 (2017)
ISSN 2442-5419 (Online)
Eves, H. (1968). Elementary Matrix
Theory. Boston: Allyn and
Bacon, Inc.
Fuhrmann, P. A. (2012). A Polynomial
Approach to Linear Algebra,
Second Edition. New York:
Springer.
Koryanov, A. G. (2015). The Computer
Program "Inverse Matrices".
International Journal of
Computer Discovered
Mathematics (ICDM) , 0 (0), 49-
53.
Langi, Y. A. (2011). Penentuan
Klasifikasi State pada Rantai
Markov dengan Menggunakan
Nilai Eigen dari Matriks Peluang
Transisi. Jurnal Ilmiah Sains ,
11 (1), 124-130.
Aksioma
Jurnal Pendidikan Matematika FKIP Univ. Muhammadiyah Metro
Lipschutz, S., & Lipson, M. (2009).
Schaum's Outlines, Linear
Algebra, Fourth Edition. New
York: Mc Graw Hill.
Riyanto, M. Z. (2008). Retrieved Juli
10, 2017, from
http://wahid.web.ugm.ac.id/dow
nload/paper/Lapangan_Berhingg
a_(Finite_Field).pdf
Robinson, D. J. (2006). A Course in
Linear Algebra with Application,
2nd ed. Hackensack: World
Scientific Publishing Co. Pte.
Ltd.
Subiono. (2012). Aljabar Linier.
Retrieved August 5, 2017, from
Universitas Gunadarma Staff
Site:
http://aris_gunaryati.staff.gunada
rma.ac.id/Downloads
| 293