BAB I

PENDAHULUAN

1.1 Latar Belakang

Pembahasan ini akan mendiskusikan beberapa konsep yang berguna bagi kita sebagai
bahan pengetahuan teknik. Selain itu akan sangat bermanfaat pula bagi kita ketika
mempelajari materi-materi matematika lanjut dan penerapan-penerapan matematika dalam
sains dan teknologi. Cakupan materi pembelajaran dalam tulisan ini meliputi nilai eigen (eigen
value), vektor eigen (eigen vector). Kesemua materi bahasan ini akan terkait dengan vektor,
dan vektor-vektor tersebut muncul secara alami dalam sebuah getaran, sistem elektrik,
genetik, reaksi kimia, mekanika kuantum, tekanan mekanis, geometri, reaksi kimia, geometri
dan ekonomi. Sedangkan bahasan secara khusus tentang konsep vektor baik di ruang dua (R2)
maupun di ruang tiga (R3) dan ruang (Rn). Sebagai tujuan instruksional umum setelah
mempelajari materi dalam tulisan ini diharapkan dapat memahami nilai eigen, vektor eigen.
Seringkali dalam penerapan matriks untuk persoalan teknik yang menyangkut dan dengan
osilasi atau vibrasi, kita jumpai persamaan dalam bentuk
𝐴. 𝑥 = 𝑥
Dengan 𝐴 = [𝑎𝑖𝑗 ] adalah matriks bujur sangkar dan  adalah bilangan (scalar). Jelas
bahwa x = 0 adalah solusi untuk berapapun harga  dan biasanya solusi ini tidak banyak
gunanya. Untuk solusi non-trivial, yaitu x ≠ 0, harga  yang memenuhi persamaan itu disebut
nilai eigen atau nilai karakteristik, atau akar laten dati matriks A dan solusi yang bersesuaian
dengan persamaan yang diberikan 𝐴. 𝑥 = 𝑥 disebut vector eigen atau vector karakter.

1.2 Pembatasan Masalah

Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah vektor kolom
X. Vektor X adalah vektor dalam ruang Euklidian R n yang dihubungkan dengan sebuah
persamaan:

AX  X (1.1)

Dimana  adalah suatu skalar dan X adalah vektor yang tidak nol Skalar  dinamakan nilai
Eigen dari matriks A. Nilai eigen adalah nilai karakteristik dari suatu matriks bujur sangkar.

1
Vektor X dalam persamaan (1.1) adalah suatu vektor yang tidak nol yang memenuhi
persamaan (1.1) untuk nilai eigen yang sesuai dan disebut dengan vektor eigen. Jadi vektor X
mempunyai nilai tertentu untuk nilai eigen tertentu.

Dalam penulisan ini akan dibahas perhitungan untuk mencari nilai eigen suatu matriks
secara teoritis maupun dengan menggunakan perangkat lunak Qbasic.

1.3 Tujuan penulisan

 Mempermudah pemahaman dalam menghitung nilai eigen suatu matriks.
 Mengaplikasikan cara mendapatkan nilai eigen suatu matriks kedalam bentuk
program Qbasic.

2
 BAB II
PEMBAHASAN

2.1 Definisi
Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah vektor kolom
X. Vektor X adalah vektor dalam ruang Euklidian R n yang dihubungkan dengan sebuah
persamaan:

AX  X (2.1)

Dimana  adalah suatu skalar dan X adalah vektor yang tidak nol Skalar  dinamakan nilai
Eigen dari matriks A. Nilai eigen adalah nilai karakteristik dari suatu matriks bujur sangkar.
Vektor X dalam persamaan (2.1) adalah suatu vektor yang tidak nol yang memenuhi
persamaan (2.1) untuk nilai eigen yang sesuai dan disebut dengan vektor eigen. Jadi vektor X
mempunyai nilai tertentu untuk nilai eigen tertentu.

Contoh 1

1  4 0
Misalkan Sebuah vektor X    dan sebuah matriks bujur sangkar orde 2 x 2 A   ,
 2  4 2
Apabila matriks A dikalikan dengan X maka:

4 0  1   4  0  4 
AX =     =   =  
 4 2  2   4  4  8 

Dimana:

4 1 
8  = 4  = X
  2

Dengan konstanta   4 dan

4 0  1  1 
 4 2  2  = 4  2 
     

3
Memenuhi persamaan (2.1). Konstanta   4 dikatakan nilai eigen dari matriks bujur
4 0
sangkar A   
 4 2

Contoh 2

 2 1 1
Sebuah vektor X    dan sebuah matriks A   .
1  0 3

Apabila matriks A dikalikan X didapat:

1 4  2  2  4 6 
AX =    =   =  
0 3   1   0  3   3 

Dimana:

6   2
3 = 3  = X
  1 

1 4
dengan   3. Maka   3 adalah nilai eigen dari matriks A   .
0 3 

2.2 Perhitungan Nilai Eigen

Kita tinjau perkalian matriks A dan X dalam persamaan (2.1) apabila kedua sisi dalam
persamaan tersebut dikalikan dengan matriks identitas didapatkan:

IAX = IX

AX = IX

I  AX  0 (2.2)

Persamaan (2.2) terpenuhi jika dan hanya jika:

det I  A =0 (2.3)

4
Dengan menyelesaikan persamaan (2.3) dapat ditentukan nilai eigen (  ) dari sebuah matriks
bujur sangkar A tersebut.

Contoh 3

2 1 
Dapatkan nilai eigen dari matriks A =  
 3 2

Jawab:

Dari persamaan (2.3) maka:

  2 1 
det 
  2
=0
 3

(  2)(  2)  3  0

2  4  4  3  0

2  4  1  0

Dengan menggunakan rumus abc didapatkan:

4  (4) 2  4.1.1
1, 2 =
2

4  16  4
=
2

4  12
=
2

42 3
=
2

= 2 3

Maka penyelesaian adalah: 1  2  3 dan  2  2  3 .

5
 2 1 
Nilai eigen matriks A =   adalah:
 3 2

1  2  3 dan 3  2  3

2.3 Perhitungan Vektor Eigen

Kita tinjau kembali persamaan AX  X dimana A adalah matriks bujur sangkar dan X
adalah vektor bukan nol yang memenuhi persamaan tersebut. Dalam sub bab 2.1 telah
dibahas tentang perhitungan nilai eigen dari matriks A(  ), pada subbab ini kita bahas vektor
yang memenuhi persamaan tersebut yang disebut vektor eigen(vektor karakteristik) yang
sesuai untuk nilai eigennya.

Kita tinjau sebuah matriks bujur sangkar orde 2 x 2 berikut:

a a12 
A =  11 
a 21 a 22 

Persamaan AX  X dapat dituliskan:

 a11 a12   x1  x 
a      1  (2.4)
 21 a 22   x2   x2 

Persamaan (2.4) dikalikan dengan identitas didapatkan:

1 0  a11 a12   x1  1 0  x1 
0 1   a    =    
   21 a 22   x 2  0 1   x 2 

 a11 a12   x1   0   x1 
a    =   
 21 a 22   x 2   0    x 2 

a11   a12   x1 
 a a22    x  = 0 (2.5)
 21  2

6
Persamaan (2.5) dalam bentuk sistem persamaan linier dituliskan:

(a11   ) x1  a12 x2  0
(2.6)
a 21 x1  (a 22   ) x2  0

Persamaan (2.6) adalah sistem persamaan linier homogen, vektor dalam ruang Rn yang tidak
nol didapatkan jika dan hanya jika persamaan tersebut mempunyai solusi non trivial untuk
nilai eigen yang sesuai.

2.4 Algoritma Program

Algoritma program untuk menghitung Nilai Eigen adalah sebagai berikut:

1. Matriks Orde 2 x 2

2. Tentukan Variabel A1, A2, B1, B2 kemudian Vektor X1 dan X2

3. Hitung K1 = (A1) x (X1) + (A2) x (X2)

4. Hitung K2 = (B1) x (X1) + (B2) x (X2)

5. Cetak Nilai K1 dan K2

6. Hitung Nilai A = K1 / X1

7. Selesai

7
2.5 Flow Chart Menghitung Nilai dan Vektor Eigen

START

INPUT NILAI

A1, A2, B1, B2, X1, X2

K1 = (A1* X1) + (A2 * X2)

K2 = (B1* X1) + (B2 * X2)

CETAK HASIL

K1 K2

HITUNG NILAI

A = K1/X1

END

8
2.6 Program Menghitung Nilai Eigen

CLS
PRINT "------------------------------------------------------------------------"
PRINT " MENCARI NILAI EIGEN ....!!"
PRINT " DISUSUN OLEH "
PRINT " KELOMPOK 1 "
PRINT "------------------------------------------------------------------------"
PRINT "DIKETAHUI:"

INPUT " A1 = ", A1

INPUT " A2 = ", A2
INPUT " B1 = ", B1
INPUT " B2 = ", B2
INPUT " X1 = ", X1
INPUT " X2 = ", X2
K1 = (A1 * X1) + (A2 * X2)
K2 = (B1 * X1) + (B2 * X2)

PRINT "PENYELESAIAN :"

PRINT USING "NILAI K1 = ###.###"; K1

PRINT USING "NILAI K2 = ###.###"; K2
A = K1 / X1
PRINT USING "MAKA NILAI EIGEN = ###.###"; A

PRINT "-------------------------------------------------------------------------"
END

9
2.7 Hasil Running Program

10
 BAB III
PENUTUP

3.1. Kesimpulan
Menghitung nilai Eigen suatu matriks dapat diaplikasikan kedalam program perangkat
lunak Qbasic dan menghasilkan hasil hitungan dengan ketelitian yang akurat.

3.2. Saran
Tulisan ini dapat menjadi bahan belajar untuk lebih memahami tentang cara
menghitung nilai eigen dan vektor eigen.

11
 DAFTAR PUSTAKA

1. Heri Purwanto, Gina Indriani, 2005, Aljabar Linier, Penerbit Ercontara Rajawali,
Jakarta.
2. S. Graham Kelly, 1976, Cangage Learning, Stamford USA.
3. William Thompson, 1986, Teori Getaran dengan Penerapan, Penerbit Erlangga,
Jakarta.
4. W. Kultz, 1982, Matematika Teknik, Penerbit Erlangga, Jakarta.

12