Anda di halaman 1dari 10

KELOMPOK 5

NILAI EIGEN DAN VEKTOR EIGEN

Makalah ini dibuat untuk Memenuhi Tugas Mata Kuliah Aljabar Linier

DisusunOleh :
1. Ema Apriliana 20178300003
2. Imas Nurrahmasari Putri 20178300035
3. Sabna Nurrahmawati 20178300052

PROGRAM STUDI MATEMATIKA


STKIP KUSUMA NEGARA
JAKARTA
2019
A. NILAI EIGEN

 Pengertian Nilai Eigen

Nilai Eigen (λ λ) adalah nilai karakteristik dari suatu matriks berukuran n x n.

 Persamaan Nilai Eigen

Jika A adalah suatu matriks berukuran n x n, X adalah vector eigen dan λ adalah skalar atau
nilai eigen maka dapat dibuat persamaan.

A . X= λ . X……….pers (7.1)

Kita tinjau perkalian matriks A dan X dalam persamaan (7.1) apabila kedua sisi
dalam persamaan tersebut dikalikan dengan matriks identitas yang didapatkan:

I.A.X = I.λ.X

A.X = λ.I.X

[ λ . I −A ].X = 0 ………………………………………….(7.2)

Maka persamaan tersebut dapat ditulis ulang sebagai suatu persamaan homogen.

Persamaan (7.2) terpenuhi jika dan hanya jika:

det [λ . I – A] = 0 …………(7.3)

Dengan menyelesaikan persamaan (7.3) dapat ditentukan nilai eigen (λ) dari sebuah matriks
bujur sangkar A tersebut.

Jika nilai A adalah matriks (n x n) sering kita jumpai tidak ada hubungan dengan geometri
yang nyata di antra faktor x dan bayangan Ax di bawah perkalian oleh A.

Beberapa himpunan simultan yang data dinyatakan dalam bentuk matriks : A.X = λ.X

Jika persamaan ditulis dalam bentuk lengkap ;

(A11 – λ) . X1 + A12 . X2 + ... + A1n . Xn = B1

A21 . X1 + (A22 – λ) . X2 + ... + A2n . Xn = B2

………….. + …………………. + …. + …………. = ….

An1 . Xn + An2 . Xn + ... + (Ann – λ) . Xn = Bn


Persamaan tersebut mempunyai solusi non trival hanya jika determinan dari matriks
koefisiennya tersebut sama dengan nol.

A11 - λ A12 … A 1n
|A – λ . I| = | A 21 A 22−λ … A 2n |
… … ⋱ …
An 1 An 2 … Ann−λ
Contoh

1. Dapatkan nilai eigen ordo 2 x 2 dari matriks A = [ 23 12]


Carilah:
a. Persamaan karakteristik dari matriks A
b. Nilai-nilai eigen dari matriks A

Penyelesaian :

a. Persamaan karakteristik dari matriks A

det [λ . I – A] = 0

det [ 2−λ3 1
2− λ ]
=0

(2 - λ)(2 - λ) – 3 = 0

λ² - 4λ + 4 – 3 = 0

λ² - 4λ + 1 = 0

b. Nilai – nilai eigen dari matriks A

Dengan menggunakan rumus abc didapatkan :

2
4 ± √ (−4 ) −4 .1.1
λ=
2. 1

4 ± √ 16−4
¿
2
4 ± √ 12
¿
2

4 ± 2 √3
¿
2

¿ 2 ±√3

Maka penyelesaian adalah : λ ₁ = 2+ √ 3 λ₂ = 2− √3

Nilai eigen matriks A = [ 23 12] adalah :


λ ₁ = 2+ √ 3 λ₂ = 2− √3

4 0 1
2. Diketahui untuk A= −2 1 0
−2 0 1[ ]
Carilah:
a. Persamaan karakteristik dari matriks A
b. Nilai-nilai eigen dari matriks A

Penyelesaian :

a. Penyelesaian karakteristik dari matriks A adalah

λ−4 0 −1
det (λI − A) = det 2
2 [ λ−1
0
0 =0
λ−1 ]
4−λ 0 1
atau det ( A−λI) = det −2 1−λ
−2 0 [0 =0
1− λ ]
⇔ (4-λ) |1−λ0 0
1−λ
+
−2 1−λ
| |
−2 0
=0 |
⇔ (4-λ) (1-λ)2 + 2(1-λ) = 0
⇔ (4-λ) (1-2 λ+ λ2) (2-2λ) = 0
λ 3−6 λ2 +11 λ−6 = 0

b. Untuk mencari nilai-nilai eigen dari matriks A harus mencari akar-akar atau nilai-nilai λ
yang memenuhi persamaan pangkat tiga:
λ3-6λ2+11λ-6 = 0 ……………………....................…. (2)

dengan bantuan metode Horner,

1 -6 11 -6 (koefisien-koefisien persamaan(2))
λ 1= 1 -5 6 +
1 -5 6 0
(λ-1)( λ 2−5 λ+6 ¿ = 0
(λ-1) (λ-2) (λ-3) = 0
λ 1 = 1, λ 2 = 2, λ 3 = 3

4 0 1

[ ]
Maka nilai eigen dari matriks A= −2 1 0 adalah
−2 0 1

λ 1 = 1, λ 2 = 2, λ 3 = 3
B. Ruang Eigen

Setelah kita memahami bagaimana mencari nilai-nilai eigen hubungannya dengan


persamaan karakteristik, maka sekarang akan beralih ke masalah untuk mencari vektor eigen.
Menurut definisi terdahulu bahwa vektor eigen dari matriks A yang bersesuaian dengan nilai
eigen λ adalah vektor x yang tidak nol dan haruslah memenuhi Ax = λ x. Dengan kata lain,
secara ekuivalen tentunya vektor eigen yang bersesuaian dengan nilai eigen λ adalah vektor yang
tak nol dalam ruang penyelesaian (λ I – A) x = 0. Ruang penyelesaian ini kita namakan sebagai
ruang eigen (eigen space) dari matriks A yang bersesuaian dengan nilai eigen λ. Apakah ruang
eigen ini membentuk basis?.

Definisi 3. Ruang penyelesaian dari sistem persamaan linear (λ I – A) x = 0 atau (A - λ I) x = 0


dinamakan ruang eigen dari matriks A yang berukuran n x n.

Sekarang kita perhatikan beberapa contoh, bahwa vektor-vektor eigen suatu matriks akan
membentuk suatu basis untuk ruang eigen yang bersesuaian dengan nilai eigen dari matriks
tersebut.

Contoh :

Diketahui matriks seperti dalam contoh 5, yaitu

4 0 1

[
A= −2 1 0
−2 0 1 ]
Carilah basis untuk ruang eigen dari matriks A.

Penyelesaian:

Telah diselesaikan dalam contoh 5 di atas, bahwa dari persamaan karakteristik


det (A-λI) = λ 3−6 λ2 +11 λ−6 = 0
didapat tiga buah nilai eigen matriks A, yaitu
λ 1 = 1, λ 2 = 2, dan λ 3 = 3
Sebagai konsekwensinya akan kita dapatkan tiga buah ruang eigen dari matriks A. Menurut
definisi,
x1

[]
x= x 2
x3
adalah vektor eigen dari matriks A yang bersesuaian dengan λ jika dan hanya jika x adalah suatu
penyelesaian non trivial dari sistem persamaan linear homogen:
(λ I - A) x = 0 atau (A - λ I) x = 0
4−λ 0 1 x1 0
[
⇔ −2 1−λ
−2 0
0 x2
1− λ x 3 ][ ] [ ]
= 0 ……………………………………..(3)
0

Untuk λ 1 = 1, maka persamaan (3) menjadi:

3 0 1 x1 0
[ ][ ] [ ]
−2 0 0 x 2 = 0
−2 0 0 x 3 0

⇔ 3x1 + x3 = 0
-2x1 = 0
-2x1 = 0
⇔ x1 = 0
x2 = t ϵ R
x3 = 0
Vektor-vektor eigen A yang bersesuaian dengan λ1 = 1 adalah vektor tak nol yang berbentuk
0 0
X= t
0
=
0 [][]
1 t.

0
Jadi, vektor
[]1 merupakan suatu basis untuk ruang eigen dari matriks A yang bersesuaian
0
dengan λ 1 = 1.

Untuk λ 2 = 2, maka (3) menjadi:

2 0 1 x1 0
[ −2 −1 0 x 2 = 0
−2 0 −1 x 3 0 ][ ] [ ]
⇔ 4x1 + x3 = 0
-2x1- x2 = 0
-2x1- x3= 0
2 0 1 0 b +b 2 0 1 0

[ ] [
−2 −1 0 ⋮ 0 2 1 0 −1 1 ⋮ 0
−2 0 −1 0 b 3+ b1 0 0 0 0 ]
⇔ 2x1+ x3 = 0
-x2 + x3 = 0

−1
⇔ x1 = x
2 3
x2 = x3
−1
⇔ x1 = t , x2 = t, x3 = t ϵ R
2
Jadi, vektor-vektor eigen A yang bersesuaian dengan λ2 = 2 adalah vektor-vektor tak nol yang
berbentuk
−1 −1
X=
[ ][]
t
t
t
2 =t 2
1
1

Sehingga,
−1

[] 2
1
1
Adalah basis untuk ruang eigen matriks A yang bersesuaian denganλ 2= 2.

Untuk λ 3 = 3, maka (3) menjadi:

1 0 1 x1 0
[ −2 −2 0 x 2 = 0
−2 0 −2 x 3 0][ ] [ ]
⇔ x1 + x3 = 0
-2x1- 2x2 = 0
-2x1- x3= 0
1 0 1 0 b + 2b 1 0 1 0 1 1 0 1 0

[ −2 −2 0 ⋮ 0 2
−2 0 −2 0 b 3 + ] [
2b
1

1
0 −2 2 ⋮ 0
0 0 0 0
2 ] [ b 2 0 1 −1 ⋮ 0
0 0 0 0 ]
⇔ x1+ x3 = 0
-x2 - x3 = 0
⇔ x1 = −x 3 = -t
x2 = x3= t
x3= t ϵ R
Vektor eigen untuk λ3 = 3 adalah
−t −1

t [][]
X= t =t 1
1
Jadi vektor,
−1

[] 1
1
Adalah basis untuk ruang eigen matriks A yang bersesuaian denganλ 3= 3.