Nilai Eigen dan Vektor Eigen

Matematika Lanjut 1

Dr. Ahmad Sabri

Universitas Gunadarma
Definisi. Jika A adalah matriks 𝑛 × 𝑛, maka vektor tak nol dalam 𝑅𝑛
disebut vektor eigen dari A jika berlaku 𝐴𝐱 = 𝜆𝐱 untuk suatu skalar 𝜆.
Dalam hal ini 𝜆 disebut nilai eigen dari A, dan 𝐱 disebut vektor eigen
yang bersesuaian dengan 𝜆.

Contoh:
3 0 1
𝐴= ,𝐱= nilai eigen
8 −1 2
3 0 1 3 1
𝐴𝐱 = = =3 = 3𝐱
8 −1 2 6 2
vektor eigen yang
bersesuaian untuk 𝜆 = 3
Interpretasi geometris
Menentukan nilai eigen
Diberikan matriks 𝐴 berukuran 𝑛 × 𝑛. Jika berlaku 𝐴𝐱 = 𝜆𝐱, maka
𝐴𝐱 = 𝜆𝐼𝐱 sehingga 𝜆𝐼 − 𝐴 𝐱 = 𝟎.

Agar 𝜆 menjadi nilai eigen, maka persamaan di atas harus memiliki

solusi non-trivial, yaitu jika det 𝜆𝐼 − 𝐴 = 0.

Persamaan det 𝜆𝐼 − 𝐴 = 0 disebut juga sebagai persamaan

karakteristik.
 3 2
Tentukan nilai eigen dari matriks 𝐴 =
−1 0

Jawab:
𝜆 0 3 2 𝜆 − 3 −2
𝜆𝐼 − 𝐴 = − =
0 𝜆 −1 0 1 𝜆
det 𝜆𝐼 − 𝐴 = 0
𝜆 − 3 −2
=0
1 𝜆
𝜆 − 3 𝜆 − −2 1 = 0
𝜆2 − 3𝜆 + 2 = 0
𝜆−1 𝜆−2 =0
𝜆1 = 1, 𝜆2 = 2
 4 0 1
Tentukan nilai eigen dari matriks 𝐴 = −2 1 0
−2 0 1
Jawab:
det 𝜆𝐼 − 𝐴 = 0
𝜆−4 0 −1
2 𝜆−1 0 =0
2 0 𝜆−1
𝜆 − 4 𝜆 − 1 2 + 0 + 0 − −1 𝜆 − 1 2 − 0 − 0 = 0
𝜆3 − 6𝜆2 + 11𝜆 − 6 = 0
𝜆−1 𝜆−2 𝜆−3 =0
𝜆1 = 1, 𝜆2 = 2, 𝜆3 = 3
 3 −2 0
Tentukan nilai eigen dari 𝐴 = −2 3 0
0 0 5
Jawab:
det 𝜆𝐼 − 𝐴 = 0
𝜆−3 2 0
2 𝜆−3 0 =0
0 0 𝜆−5
𝜆−3 2 𝜆−5 +0+0−0−0− 2 2 𝜆−5 =0
𝜆3 − 11𝜆2 + 35𝜆 − 25 = 0
𝜆−1 𝜆−5 2 =0
𝜆1 = 1, 𝜆2 = 5
Teorema. Jika 𝐴 adalah matriks 𝑛 × 𝑛, maka pernyataan-pernyataan
berikut ekivalen satu sama lain:
a) 𝜆 adalah nilai eigen dari 𝐴
b) Sistem persamaan 𝜆𝐼 − 𝐴 𝐱 = 𝟎 mempunyai solusi non-trivial
c) Terdapat vektor taknol 𝐱 dalam 𝑅𝑛 sehingga 𝐴𝐱 = 𝜆𝐱
d) 𝜆 adalah solusi riil dari persamaan karakteristik det 𝜆𝐼 − 𝐴 = 0
Menentukan vektor eigen
• Vektor eigen yang bersesuaian dengan 𝜆 adalah vektor taknol dalam
ruang solusi dari 𝜆𝐼 − 𝐴 𝐱 = 𝟎
• Ruang solusi ini dinamakan ruang eigen dari 𝐴 yang bersesuaian
dengan 𝜆.
 3 −2 0
Tentukan basis-basis untuk ruang eigen dari 𝐴 = −2 3 0
0 0 5
Jawab:
Dari contoh sebelumnya, nilai-nilai eigen untuk 𝐴 adalah 𝜆 = 1 dan 𝜆 =
5. Setiap nilai eigen membentuk ruang eigen tersendiri.
Ruang eigen untuk 𝜆 = 1:
𝜆−3 2 0 −2 2 0
𝜆𝐼 − 𝐴 = 2 𝜆−3 0 = 2 −2 0 …(lanjut)
0 0 𝜆−5 0 0 −4
Vektor eigen yang bersesuaian dengan 𝜆 = 1 diperoleh dari solusi 𝜆𝐼 − 𝐴 𝐱 = 𝟎
sebagai berikut:
𝜆𝐼 − 𝐴 𝐱 = 𝟎
−2 2 0 𝑥1 0
2 −2 0 𝑥2 = 0
0 0 −4 𝑥3 0
dengan operasi baris elementer (sudah dibahas) diperoleh:
𝑥1 = 𝑡, 𝑥2 = 𝑡, 𝑥3 = 0
𝑡 1
atau secara vektor: 𝐱 = 𝑡 = 𝑡 1
0 0
1
Maka, basis ruang eigen untuk 𝜆 = 1 adalah 1
0
Berikutnya, ruang eigen untuk 𝜆 = 5:
𝜆−3 2 0 2 2 0
𝜆𝐼 − 𝐴 = 2 𝜆−3 0 = 2 2 0
0 0 𝜆−5 0 0 0
𝜆𝐼 − 𝐴 𝐱 = 𝟎
2 2 0 𝑥1 0
2 2 0 𝑥2 = 0
0 0 0 𝑥3 0
diperoleh 𝑥1 = −𝑠, 𝑥2 = 𝑠, 𝑥3 = 𝑡
−𝑠 −1 0
diperoleh vektor 𝐱 = 𝑠 = 𝑠 1 + 𝑡 0
𝑡 0 1
−1 0
Maka, basis ruang eigen untuk 𝜆 =5 adalah 1 dan 0
0 1
Resume:
1
Untuk 𝜆 = 1, basis ruang eigen adalah 1
0
−1 0
Untuk 𝜆 = 5, basis ruang eigen adalah 1 dan 0
0 1
Vektor-vektor eigennya adalah kombinasi linier dari basis-basis masing-
masing ruang eigen.
Diagonalisasi
Permasalahan diagonalisasi
Diberikan sebuah matriks persegi 𝐴, apakah terdapat matriks 𝑃 yang
invertibel sehingga 𝑃−1 𝐴𝑃 diagonal?

Definisi. Matriks persegi 𝐴 dikatakan dapat didiagonalisasi jika terdapat

matriks 𝑃 yang invertibel sehingga 𝑃−1 𝐴𝑃 diagonal. Dalam hal ini
matriks 𝑃 dikatakan mendiagonalisasi 𝐴.
Teorema. Jika 𝐴 adalah matriks 𝑛 × 𝑛, maka pernyataan-pernyataan
berikut ekivalen satu sama lain:
a) 𝐴 dapat didiagonalisasi
b) 𝐴 mempunyai 𝑛 vektor eigen bebas linier.
Prosedur diagonalisasi
1. Temukan 𝑛 vektor eigen bebas linier 𝐩1 , 𝐩2 , … , 𝐩𝑛
2. Bentuklah matriks 𝑃 di mana 𝐩1 , 𝐩2 , … , 𝐩𝑛 sebagai kolom-kolomnya
3. Matriks 𝑃−1 𝐴𝑃 adalah matriks diagonal dengan entri-entri
diagonalnya 𝜆1 , 𝜆2 , … , 𝜆𝑛 , di mana 𝜆𝑖 adalah nilai eigen yang
bersesuaian dengan 𝐩𝑖 .
Contoh:
3 −2 0
Temukanlah matriks 𝑃 yang mendiagonalkan 𝐴 = −2 3 0 .
0 0 5
Jawab:
• Dari penyelesaian sebelumnya, nilai eigen untuk 𝐴 adalah 𝜆 = 1, dengan vektor
1 −1 0
eigen 𝐩1 = 1 , dan 𝜆 = 5 dengan vektor eigen 𝐩2 = 1 dan 𝐩3 = 0 .
0 0 1
• 𝐴 matriks berukuran 3 × 3, yang memiliki 3 vektor eigen bebas linier, sehingga
berdasarkan teorema sebelumnya, 𝐴 dapat didiagonalisasi.
1 −1 0
• Matriks 𝑃 yang dimaksud adalah: 𝑃 = 𝐩1 𝐩2 𝐩3 = 1 1 0
0 0 1
Hasil tersebut dapat dikonfirmasi dari hasil 𝑃−1 𝐴𝑃, di mana:
1 −1 0 0,5 0,5 0 3 −2 0
𝑃 = 1 1 0 , 𝑃−1 = −0,5 0,5 0 , 𝐴 = −2 3 0
0 0 1 0 0 0,5 0 0 5
Diperoleh:
0,5 0,5 0 3 −2 0 1 −1 0 1 0 0
𝑃−1 𝐴𝑃 = −0,5 0,5 0 −2 3 0 1 1 0 = 0 5 0
0 0 0,5 0 0 5 0 0 1 0 0 5

yang merupakan matriks diagonal

Matriks Ortogonal
Definisi. Matriks persegi 𝐴 dikatakan matriks ortogonal jika 𝐴−1 = 𝐴𝑇

Contoh:
1 1 1 1
2 2 2 2
1. 𝐴 = 1 1 , 𝐴−1 = 1 1 = 𝐴𝑇
− −
2 2 2 2
2/3 −2/3 1/3 2/3 1/3 2/3
2. 𝐵 = 1/3 2/3 2/3 , 𝐵−1 = −2/3 2/3 1/3 = 𝐵𝑇
2/3 1/3 −2/3 1/3 2/3 −2/3
Diagonalisasi ortogonal
Definisi. Matriks persegi 𝐴 dikatakan terdiagonalisasi secara ortogonal
jika terdapat matriks ortogonal 𝑃 sehingga 𝑃−1 𝐴𝑃 (= 𝑃𝑇 𝐴𝑃) diagonal;
dalam hal ini 𝑃 dikatakan mendiagonalisasi 𝐴 secara ortogonal.
Teorema. Jika 𝐴 adalah matriks 𝑛 × 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 simetris

Ket: vektor-vektor yang ortonormal adalah vektor-vektor yang saling

ortogonal dengan norm = 1.
Teorema. Jika 𝐴 adalah matriks simetris, maka vektor-vektor eigen dari
ruang eigen yang berbeda adalah saling ortogonal.
Proses Gram-Schmidt
Digunakan untuk membentuk vektor-vektor basis yang ortonormal.
Misalkan 𝐮1 , 𝐮2 , … , 𝐮𝑛 adalah basis yang tidak ortonormal dari ruang
vektor berdimensi 𝑛. Basis ortonormal 𝐯𝟏 , 𝐯2 , … , 𝐯𝑛 dapat dibentuk
dengan langkah berikut:
Langkah 1: 𝐯1 = 𝐮1 / 𝐮1
𝐮2 − 𝐮𝟐 ⋅𝐯𝟏 𝐯1
Langkah 2: 𝐯2 =
𝐮2 − 𝐮𝟐 ⋅𝐯𝟏 𝐯𝟏
𝐮3 − 𝐮𝟑 ⋅𝐯𝟏 𝐯𝟏 − 𝐮3 ⋅𝐯𝟐 𝐯𝟐
Langkah 3: 𝐯3 =
𝐮3 − 𝐮𝟑 ⋅𝐯𝟏 𝐯𝟏 − 𝐮𝟑 ⋅𝐯𝟐 𝐯𝟐
𝐮𝑛 − 𝐮𝐧 ⋅𝐯𝟏 𝐯𝟏 − 𝐮𝑛 ⋅𝐯𝟐 𝐯𝟐 −⋯− 𝐮𝒏 ⋅𝐯𝒏−𝟏 𝐯𝒏−𝟏
Langkah 𝑛: 𝐯𝑛 =
𝐮𝑛 − 𝐮𝒏 ⋅𝐯𝟏 𝐯𝟏 − 𝐮𝒏 ⋅𝐯𝟐 𝐯𝟐 …− 𝐮𝒏 ⋅𝐯𝒏−𝟏 𝐯𝒏−𝟏
 4 2 2
Contoh: Temukanlah matriks ortogonal 𝑃 yang mendiagonalisasi 𝐴 = 2 4 2 , dan tentukan hasil 𝑃−1 𝐴𝑃
2 2 4

Jawab: Dari persamaan simetriknya diperoleh nilai-nilai eigen: (buktikan)

−1 −1
• 𝜆 = 2 dengan vektor eigen 𝐮1 = 1 , 𝐮2 = 0
0 1
1
• 𝜆 = 8 dengan vektor eigen 𝐮3 = 1
1
−1/ 2 −1/ 6 1/ 3
Dengan Gram-Schmidt, diperoleh basis-basis ortogonal 𝐯1 = 1/ 2 , 𝐯2 = 1/ 6 , 𝐯3 = 1/ 3
0 2/ 6 1/ 3
−1/ 2 −1/ 6 1/ 3
Diperoleh matriks 𝑃 = 1/ 2 1/ 6 1/ 3
0 2/ 6 1/ 3
2 0 0
𝑃−1 𝐴𝑃 = 𝑃𝑇 𝐴𝑃 = 0 2 0
0 0 8