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
yaitu materi Diagonalisasi.
Suatu matriks dapat didiagonalisasi jika vektor eigen dari matriks tersebut
bebas linier tetapi tidak semua vektor eigen yang diperoleh bebas linier. Oleh
karena itu tidak semua matriks dapat didiagonalisasikan sehingga untuk
menyelesaikannya, matriks tersebut perlu diubah menjadi bentuk kanonik Jordan
P−1 AP ( dimana P−1 adalah invers matriks nonsingular, A adalah matriks persegi
dan P adalah matriks nonsingular). Jika perkalian invers matrik dari P dan matriks
A dan P menghasilkan matriks diagonal maka dia diagonalisasi dan jika tidak
maka bukan diagonalisasi.

1.2 Rumusan Masalah

1. Apa definisi dari diagonalisasi?
2. Apa teorema-teorema dari diagonalisasi?
3. Bagaimana menyelesaikan contoh-contoh dari diagonalisasi ?

1.3 Tujuan
1. Dapat mengetahui definisi dari diagonalisasi.
2. Dapat mengetahui teorema-teorema dari diagonalisasi.
3. Dapat menyelesaikan contoh-contoh soal dari diagonalisasi.

1
 BAB II

PEMBAHASAN

2.1 Diagonalisasi

Masalah Diagonalisasi. Diberikan sebuah operator linier T :V →V pada sebuah

ruang vektor berdimensi berhingga, apakah terdapat sebuah basis untuk V terhadap
mana matriks T diagonal ?

Jika A adalah matriks untuk T :V →V yang bertalian dengan beberapa basis

sebarang, maka soal ini ekivalen dengan menanyalkan apakah terdapat perubahan
basis sehingga matriks baru untuk T diagonal. Menurut Teorema 8 dalam bagian 5.5,
matriks baru untuk T akan sama dengan P−1 AP dimana P adalah matriks transisi
yang sesuai. Jadi, kita sampai kepada perumusan matriks berikut yang berbentuk
masalah diagonalisasi.

Bentuk Matriks dari Masalah Diagonalisasi. Diketahui matriks kuadrat A, apakah

terdapat matriks P yang dapat dibalik sehingga P−1 AP diagonal ?

Masalah ini menyarankan definisi-definisi berikut.

Definisi : Matriks Kuadrat A dinamakan dapat didiagonalisasi ( diagonalizable ) jika

terdapat matriks P yang dapat dibalik sehingga P−1 AP diagonal matriks P dikatakan
diagonalisasi A.

Teorema berikut adalah alat dasar dalam pengkajian diagonalisasai, buktinya akan
mengungkapkan bagaimana mendiagonalkan matriks.

Teorrema 2. Jika A adalah matriks nxn, maka pernyataan-pernyataan berikut ekivalen

satu sama lain.

a) A dapat didiagonalisasi.
b) A mempunyai n vektor eign bebas linier.

Bukti (a)→(b). Karena A dianggap dapat didiagonalisasi, maka terdapat matriks

yang dapat dibalik

p11 p 12 … p1 n

[
P= p 21 p 22 … p2 n pn 2 ¿ … ¿ pnn ¿
⋮ ⋮ ¿ ¿ ]
Sehingga P−1 AP diagonal, katakanlah P−1 AP=D , dimana

2
 λ1 0 … 0
D= 0
⋮[ λ2 … 0 0 ¿ … ¿ λ n ¿
⋮ ¿ ¿ ]
Maka, AP=PD , yakni

p11 p12 … p1 n λ1 0 … 0 λ1 p 11 λ2 p12 … λ n p1 n

AP= p21
⋮ [ p22 …
⋮ ¿ ¿ ][⋮ ⋮ ¿ ¿ ][
p2 n p32 ¿ … ¿ pnn ¿ 0 λ2 … 0 0 ¿ … ¿ λ n¿ = λ1 p21 λ2 p22 … λ n p2 n λ2 p n2 ¿ … ¿
⋮ ⋮ ¿ ¿

Jika sekarang kita misalkan p1 , p2 ,… p n menyatakan vektor-vektor kolom P, maka

bentuk (6.4) kolom-kolom AP yang berurutan adalah λ 1 p1 , λ2 p 2 ,… λ n p n. Akan tetapi,
dari contoh 18 bagian 1.4 kolom-kolom AP yang berurutan adalah
A p1 , A p2 , … , A pn .

A p1=λ 1 p1 , A p2= λ2 p2 , … , A p n=λn pn

Karena P dapat dibalik, maka vektor-vektor kolomnya tak nol ; jadi menurut (6.5),
λ 1, λ2 ,… , λ n adalah nilai-nilai eign A, dan P1 , P2 , … , P n adalah vektor-vektor eogn
yang bersesuaian. Karena P dapat dibalik, maka dari Teorema 15 dalam Bagian 4.6 di
peroleh bahwa P1 , P2 , … , P n bebas linier. Jadi, A mempunyai n vektor eogn bebas
linier.

(b)→(a) Anggaplah bahwa A mempunyai n vektor eign bebas linier, maka

P1 , P2 , … , P ndengan nilai eign yang bersesuaian λ 1, λ2 ,… , λ n dan misalkan

p11 p 12 … p1 n

[
P= p 21 p 22 … p2 n pn 2 ¿ … ¿ pnn ¿
⋮ ⋮ ¿ ¿ ]
adalah matriks vektor – vektor kolomnya adalah p1, p2, . . . ,pn . Menurut contoh 17
pada bagian 1.4., kolom-kolom dari hasil kali AP adalah

Ap1,Ap2, . . . , Apn

Tetapi

3
Ap1 = λ 1 p1, Ap2 = λ 2 p2, . . . , Apn = λ n pn

Sehingga

λ1 p11 λ 2 p12 … λn pn p11 p12 … p1 n λ1 0 …0

[
λ p
AP = 1 21
⋮
λ 2 p22 … λ n p2 n
⋮
λ1 p n 1 λ2 p n 2
⋯ ⋮
λn p nn ][
p
= 21
⋮
pn 1
= PD
p22 … p2 n
⋮ … ⋮
pn 2 p nn ][ ]
0
⋮
0
λ2 ⋯ 0
⋮ ⋯ ⋮
0 λn

(6.6)

dimana D adalah matriks diagonal yang mempunyai nilai-nilai eigen λ 1, λ 2, . . . , λ n

pada diagonal utama. Karena vektor-vektor kolom dari P bebas linear, maka P dapat
dibalik ; jadi (6.6) dapat ditulis kembali sebagai P -1AP = D; yakni, A
terdiagonalisasi.

Dari bukti ini kita dapatkan prosedur berikut untuk mendiagonalkan matriks A yang
berukuran n x n dapat didiagonalisasi.

Langkah 1. Carilah n vektor eigen bebas linear A, p1, p2, . . . , pn.

Langkah 2. Bentuklah matriks P yang mempunyai p1, p2, . . ., pn sebagai vektor –
vektor kolomnya.
Langkah 3. Matriks P -1AP akan diagonal dengan λ 1, λ 2, . . . , λ n sebagai entri –
entri diagonalnya yang berurutan dimana λ 1 adalah nilai eigen yang
bersesuaian dengan pi i = 1, 2, . . ., n.

Contoh 7

Carilah matriks P yang mendiagonalkan

3 −2 0

[
A = −2 3 0
0 0 5 ]
Pemecahan.

4
Dari Contoh 5 nilai – nilai eigen A adalah λ = 1 dan λ = 5. Juga dari contoh tersebut
maka vektor – vector

−1 0

[]
p1 = 1
0
dan p2 = 0
1 []
membentuk sebuah basis untuk ruang eigen yang bersesuaian dengan λ = 5, dan

1
p3 = 1
0[]
adalah sebuah basis untuk ruang eigen yang bersesuaian dengan λ = 1. Dengan
mudah anda dapat memeriksa bahwa {p1, p2, p3} bebas linear, sehingga

−1 0 1

[
P = 1 0 1
0 1 0 ]
akan mendiagonalkan A. sebagai pemeriksaan, anda harus membuktikan bahwa

−1 1

[ ][
0
2 2 3 −2 0 −1 0 1 5 0 0
-1
P AP = 0
1
2
0
1
2
0
0 0 5 0 1 0 ][
1 −2 3 0 1 0 1 = 0 5 0
0 0 1 ][ ]
Tidak ada orde yang diistimewakan untuk kolom-kolom P. karena entri diagonal ke –
I dari P-1AP adalah nilai eige untuk vektor kolom ke-I dari P, maka dengan mengubah
orde kolom-kolom P hanyalah mengubah orde nilai-nilai eigen pada diagonal P-1AP.
Jadi, seandainya kita tuliskan

−1 1 0

[
P= 1 1 0
0 0 1 ]
di dalam contoh terakhir, maka akan diperoleh

5
 5 0 0
-1
P AP = 0 1 0
0 0 5 [ ]
Contoh 8

2
Persamaan karakteristik dari A = [−3
−2 1 ]
adalah

det(λI – A) = 0

det [ λ+32 −2
λ−1]=0

(λ + 1)2 = 0

Jadi, λ=−1 adalah satu-satunya nilai eigen A ; vektor-vektor eigen yang bersesuaian
dengan λ=−1 adalah pemecahan-pemecahan dari (λI -A)x = 0; yakni, dari

2x1 – 2x2 = 0

2x1 – 2x2 = 0

Pemecahan sistem ini adalah x1 = t, x2 = t ; maka ruang eigen tersebut terdiri dari
semua vektor yang berbentuk

[ tt ]=t [11]
Karena ruang ini berdimensi 1, maka A tidak mempunyai dua vektor eigen bebas
linear, sehingga tidak dapat didiagonalisasi.

Contoh 9

Misalkan T : R3 → R3 adalah operator linear yang diberikan oleh

6
 x1 3 x 1−2 x 2
T x2
x3([ ]) [
= −2 x 1 +3 x 2
5 x3 ]
Carilah basis untuk R3 relatif terhadap mana matriks T diagonal.

Pemecahan. Jika B ={e1, e2, e3} menyatakan basis buku untuk R3, maka

1 3 1 1

0( [ ]) [ ]
T(e1) = T 0 = −2
0 ( [ ]) [ ]
T(e2) = T 0 = 0
0 0

0 0

1 ( [ ]) [ ]
T(e3) = T 0 = 0
5

Sehingga matriks baku untuk T adalah

3 −2 0

[
A = −2 3 0
0 0 5 ]
Sekarang ingin mengubah basis baku ke basis baru B’ = {u’1, u’2, u’3} supaya
mendapatkan matriks diagonal A’ untuk T. Jika kita misalkan P adalah matriks
transisi dari basis B’ yang tak diketahui ke basis baku B, maka menurut Teorema 8
dari bagian 5.5, A dan A’ akan dihubungkan oleh

A’ = p-1 AP

Dengan kata lain, matriks transisi P mendiagonalkan A. Matriks pada contoh yaitu:

−1 0 1 5 0 0

[
P= 1 0 1
0 1 0 ] dan
[ ]
A’= 0 5 0
0 0 1

7
Karena p menyatakan matriks transisi dari basis B’ = {u’1, u’2, u’3} ke basis baku B =
{u1, u2, u3} maka kolom-kolom P adalah [u’1]B, [u’2]B, dan [u’3]B, sehingga

−1 0 1

[]
[u’1]B, = 1 ,
0 [] []
[u’2]B, = 0 , [u’3]B = 1
1 0

Jadi,

−1

[]
U’1 = (-1)e1 + (1)e2 + (0)e3 = 1
0

[]
U’2 = (0)e1 + (0)e2 + (1)e3 = 0
1

[]
U’3 = (1)e1 + (1)e2 + (0)e3 = 1
0

Adalah vektor-vektor basis yang menghasilkan matriks diagonal A’ untuk T

Dalam banyak penerapan tidaklah penting menghitung matriks transisi P yang

mendiagonalisasikan matriks A secara aktual. Sebaliknya, yang istimewa adalah
mengetahui apakah A dapat didiagonalisasi, jika memang demikian, apakah matriks
diagonal itu. Sering, informasi ini dapat dilabatkan secara langsung dari nilai eigen
tanpa melakukan kerja penghitungan vektor eigen. Untuk melihat mengapa ini
sedemikian, maka dibutuhkan teorema-teorema sebagai berikut :

Teorema 3

Jika v1, v2, ....., vk adalah vektor-vektor eigen A yang bersesuain dengan nilai-nilai
eigen yang berbeda λ1, λ2,...., λk , maka {v1, v2, ....., vk} adalah himpunan bebas linear.

8
Bukti . misalkan v1 , v2 , ….. , vk adalah vektor-vektor eigen A yang bersesuaian
dengan nilai-nilai eigen yang berbeda 1 , 2 , …. , k. kita akan menganggap bahwa v1
, v2 , ….. , vk takbebas linear dan mendapat sebuah kontradiksi. Dengan demikian, kita
dapat menyimpulkan bahwa v1 , v2 , ….. , vk bebas linear.
Karena menurut defnisi, vektor eigenakan taknol, maka {v1} bebas linear.
Misalkan r adalah bilangan bulat terbesar sehingga { v 1 , v2 , ….. , vr} bebas linear.
Karena kita anggap bahwa { v1 , v2 , ….. , vk} tak bebas linear, maka r memenuhi
1  r < k. lagi pula , menurut definisi dari r, maka { v1 , v2 , ….. , vr+1} tak bebas
linear. Jadi terdapat skalar-skalar c1, c2 ,…., cr+1 yang tidak semuanya nol, seperti
c1v1 + c2v2 + …. + cr+1vr+1 = 0 (6.7)
dengan mengalikan kedua ruas (6.7) dengan A dan dengan menggunakan
Av1 = 1v1 , Av2 = 2v2,….., Avr+1 = r+1vr+1
Maka kita dapatkan
c11v1 + c22v2 + …. + cr+1r+1vr+1 = 0 (6.8)
dengan mengalikan kedua ruas (6.7) dengan r+1 dan dengan mengurangan persamaan
yang dihasilkan dari (6.8) maka akan menghasilkan
c1 (1 - r+1) v1 + c2(2 - r+2) v2 + …. + cr(r - r+1) vr = 0
karena { v1 , v2 , ….. , vr} bebas linear, maka pernyataan ini menyatakan bahwa
c1 (1 - r+1) v1 = c2(2 - r+2) v2 = …. = cr(r - r+1) vr = 0
dan karena 1 , 2 , …. , r+1 berbeda satu sama lain , maka diperoleh bahwa
c1=c2=….= cr = 0
dengan mensubstitusikan nilai-nilai ini dlam (6.7) maka akan menghasilkan
cr+1vr+1 = 0 (6.9)
karena vektor eigen vr+1 taknol maka diperoleh bahwa
cr+1 = 0 (6.10)
persamaan-persamaan (6.9) dan (6.10) bertentangan dengan kenyataan bahwa c1, c2 ,
…., cr+1 tidak semuanya nol ; ini melengkapi bukti tersebut.

9
Teorema 4

Jika matriks A yang berukuran n x n mempunyai n nilai eigen yang berbeda, maka A
dapat didiagonalisasi

Bukti :

Jika v1, v2, ....., vn adalah vektor-vektor eigen yang bersesuian dengan nilai-nilai eigen
yang berbeda λ1, λ2,...., λn, maka menurut teorema 3, v1, v2, ....., vn bebas linear. Jadi, A
dapat didiagonalisasi, oleh teorema 2.

Contoh 10

Kita lihat dalam contoh 4 bahwa

0 1 0
A= 0
[
0 1
4 −17 8 ]
Mempunyai 3 nilai egain yang berbeda, λ=4, λ=2+√3, λ=2-√3. Maka, A dapat
didiagonalisasi. Selanjutnya,

4 0 0
-1

0 [
p AP = 0 2+√ 3
0
0
2−√ 3 ]
untuk suatu matriks P yang dapat dibalik. Jika diinginkan, maka matriks P dapat
dicari dengan menggunakan metode yang diperlihatkan pada contoh 7.

Contoh 11
Kebalikan Teorema 4 tidak benar ; yaakni, matriks A yang berukuran n x n dapat
didiagonalisasi walaupun matriks tersebut tidak mempunyai nilai eigen yang berbeda.
Misalnya, jika

A= [ 30 30]
10
Maka persamaan karakteristik A adalah
det (I – A) = ( - 3)2 = 0
sehingga  = 3 adalah satu satunya eigen A. namun A jelas dapat didiagonalisis
karena dengan p = I , maka

P-1 AP = I-1 AI = A = [ 30 30]

Jika a adalah matriks n x n dengan nilai eigen yang lebih kecil dari n, maka
kita memperoleh teorema-teorema yang akan kita telaah dalam pelajaran lebih lanjut
yang dapat digunakan untuk menentukan apakah A dapat didiagonalisis. Akan tetapi,
teorema ini tidak dapat memberi prosedur perhitungan yang sederhana untuk
membuat determinasi ini ; sesungguhnya kita dapat melakkan perhitungan apabila
diperlukan untuk melihat apakah A mempunyai n nilai eigen yang bebas linear.

11
PEMBAHASAN SOAL-SOAL :

(1) latihan 6.2 hal 291 nomor 4

Perlihatkan bahwa matriks berikut tidak dapat didiagonalisasi
−1 0 1

[
A = −1 3 0
−4 13 −1 ]
Penyelesaian :
Pertama, mencari n vektor eigen bebas linear dari A
1 0 0 −1 0 1 λ+1 0 −1

0 0 1[ ][
Karena, (λI – A) = λ 0 1 0 - −1 3 0 = 1
−4 13 −1 4
λ−3
−13 ][ 0
λ+1 ]
Maka polinom karakteristik dari A adalah
λ+1 0 −1
det (λI – A) = det
[ 1
4
λ−3
−13
0
λ+1 ]
Dapat dicari dengan ekspansi kofaktor, sehingga

λ+1 λ−3 0 1 0 1 λ−3

[
−13 λ+1] [
–0
4 λ+ 1 ]
+ (-1) [
4 −13 ]
λ+1 [(λ-3)( λ+1)-0] – 0 – 1 [(-13-(4(λ-3)))]
λ+1 [λ2 +λ-3λ-3] -1 [(-13-4λ+12)]
λ+1 [λ2 -2λ-3] -1 [-1-4λ]
λ3 - 2 λ2 - 3 λ + λ2 – 2 λ – 3 + 1 + 4 λ
λ3 – λ2 – λ - 2
= (λ2 + λ + 1) (λ-2)
dan persamaan karakteristik dari A adalah
(λ2 + λ + 1) (λ-2) = 0
Penyelesaian persamaan ini adalah λ = 2 dan λ = I (bilangan imajiner). Karena
kita menganggap bahwa semua skalarnya adalah bilangan riil, maka A tidak
mempunyai nilai eigen. Sehingga A terbukti tidak dapat didiagonalisasi

12
(2) Soal no 7 latihan 6.2 hal 291
Carilah matriks P yang mendiagonalisasi A, dan tentukanlah P-1AP dari
1 0 0

[ ]
A= 0 1 1
0 1 1
Penyelesaian :
Pertama, mencari n vektor eigen bebas linear dari A.
1 0 0 1 0 0 λ−1 0 0

[ ][ ][
Karena λI – A = λ 0 1 0 - 0 1 1 = 0
0 0 1 0 1 1 0
λ−1 −1
−1 λ−1 ]
Maka polinom karakteristik A adalah
λ−1 0 0

[
det (λI – A) = det 0
0
λ−1 −1
−1 λ−1 ]
Dapat dicari dengan ekspansi kofaktor, sehingga

= λ-1 [ λ−1
−1
−1
λ−1] [
–0
0
0
−1
λ−1] [
+0
0
0
λ−1
−1 ]
= λ-1((λ-1)( λ-1)-1) – 0 + 0
= λ-1 (λ2 - 2 λ + 1 – 1)
= λ-1 (λ2 - 2 λ)
= (λ-1) λ(λ – 2)
= λ(λ-1)( λ-2)
Dan persamaan dari A adalah
= λ(λ-1)( λ-2) = 0
Sehingga, didapatkan nilai-nilai eigen = λ1 = 0, λ2 = 1 dan λ3 = 2. Untuk
menentukan vektor-vektor eigen A.
 Untuk λ1 = 0, vektor eigennya didapat dari pemecahan (λI – A)x = 0
λ−1 0 0 x1 0

[ 0
0
λ−1 −1
−1 λ−1 ][ ] [ ]
x2 = 0
x3 0

13
 −1 0 0 x1 0

[ 0 −1 −1
0 −1 −1 ][ ] [ ]
x2 = 0
x3 0
-x1 = 0
-x2 – x3 = 0
-x2 – x3 = 0
Pemecahannya adalah x1 = 0, x2 = s, dan x3 = -s
Maka vektor eigennya adalah
0 0

[] []
P1 = s = s 1
−s −1
 Untuk λ2 = 1, vektor eigennya didapat dari pemecahan (λI – A)x = 0
λ−1 0 0 x1 0

[ 0
0
λ−1 −1
−1 λ−1 ][ ] [ ] x2
x3
= 0
0

0 0 0 x1 0

[ 0 0 −1
0 −1 0 ][ ] [ ]
x2 = 0
x3 0
Persamaannya 0x1 + 0x2 + 0x3 = 0
Karena dalam persamaan ini tidak ditemukan variabel untuk dipecahkan
sehingga persamaan ini adalah identitas dan semua bilangan riil adalah
solusinya maka :
X1 = t
X2 = 0
X3 = 0
Maka vektor eigennya adalah
t 1

0[] []
P2 = 0 = t 0
0
 Untuk λ3 = 2, vektor eigennya didapat dari pemecahan (λI – A)x = 0

14
 λ−1 0 0 x1 0

[ 0
0
λ−1 −1
−1 λ−1 ][ ] [ ]
x2 = 0
x3 0

−1 0 0 x1 0

[ 0 −1 −1
0 −1 −1 ][ ] [ ]
x2 = 0
x3 0
X1 = 0
X 2 - x3 = 0
-x3 + X3 = 0
Pemecahannya adalah x1 = 0, x2 = s dan x3 = s, maka vektor eigenny adalah

0 0

s [] []
P3 = s = t 1
1
Kedua, dapat dibentuk matriks P yang mempunyai P1, P2,....,Pn sebagai vektor-
vektor kolomnya
0 1 0

[
P= 1 0 1
−1 0 1 ]
Yang mana matriks P akan mendiagonalisasikan A . sebagai pemeriksaan,

1
dibuktikan dengan P-1 = adj (p)
det (P)
0 −1 0
=
1
−2 [
−2 0 0
0 −1 −1 ]
0 1 /2 −1/2

[
= 1 0 0
0 1 /2 1/2 ]
Sehingga,
0 1 /2 −1/2 1 0 0 0 1 0
-1
P AP = 1 0
[ 0 0 1 1 0 0 1
0 1 /2 1/2 0 1 1 −1 0 1 ] [ ][ ]
15
 0 0 0

[ ]
= 0 1 0
0 0 2

(3) Soal no 10 latihan 6.2 hal 291

Tentukan apakah A dapat didiagonalisasi. Jika demikianhalnya, carilah P yang
mendiagonalisasi A, dan tentukanlah P-1AP
−1 4 −2

[
A = −3 4 0
−3 1 3 ]
Penyelesian :
Mencari nilai vektor eigen bebas linear
det (λI – A) = 0

1 0 0 −1 4 −2

( [ ] [ ])
det λ 0 1 0 − −3 4 0 = 0
0 0 1 −3 1 3

λ+1 −4 2

[
det 3
3
λ−4
−1 ] 0 =0
λ−3
mencari det (λI – A) dengan ekspansi kofaktor

λ+1 [ λ−4
−1
0
λ−3
+4
3
] [ 0
3 λ−3
+2
3 λ−4
3 −1] [ ]
= λ + 1 [(λ – 4)( λ-3) – 0] + 4 [3(λ-3) – 0] + 2 [ -3 - (3(λ-4)) ]
= λ + 1 [λ2 - 7λ + 12] + 4 [ 3λ – 9] + 2 [-3 - 3λ + 12]
= λ3 - 6λ2 5λ + 12 + 12λ – 36 + 18 - 6λ
= λ3 - 6λ2 + 11λ – 6
(λ-1) (λ-2) (λ-3)
Persamaan dari A adalah (λ-1) (λ-2) (λ-3) = 0
Sehingga didapatkan nilai-nilai eigen λ1 = 1, λ2 = 2 dan λ3 = 3 untuk menentukan
vektor-vektor eigen A
 Untuk λ1 = 1, vektor eigennya didapat dari
Pemecahan (λI – A)x = 0

16
 λ+1 −4 2 x1 0

[ 3
3
λ−4
−1 ][ ] [ ]
0
λ−3
x2 = 0
x3 0

2 −4 2 x1 0

[ 3 −3 0
3 −1 −2 ][ ] [ ]
x2 = 0
x3 0
Dapat dipecahkan dengan menggunakan OBE
2 −4 2 2 −4 2

[ 3 −3 0
3 −1 −2 ] [
(3) – (2) 3 −3 0
0 2 −2 ] (1) + (3)

2 −2 0

[ 3 −3 0
0 2 −2 ]
0 0 0

[
3(1) – 2(2) 3 −3 0
0 2 −2 ]
3x1 - 3x2 = 0
2x2 - 2x3 = 0
x2 = x3
x1 = x2
Pemecahannya adalah x1 = t, x2 = t, dan x3 = t. Maka vektor eigennya adalah
t 1

t[] [ ]
P1 = t = t 1
1
 Untuk λ2 = 2, vektor eigennya didapat dari pemecahan (λI – A)x = 0
λ+1 −4 2 x1 0

[ 3
3
λ−4
−1
0
λ−3 ][ ] [ ]
x2 = 0
x3 0

17
 3 −4 2 x1 0

[ 3 −2 0
3 −1 −1 ][ ] [ ]
x2 = 0
x3 0
Dapat dipecahkan dengan menggunakan OBE
3 −4 2 0 −2 2

[ 3 −2 0
3 −1 −1 ] [
(3) – (2) dan (1) – (2) 3 −2 0
0 1 −1 ]
0 −2 2

[
2(3) + (1) 3 −2 0
0 0 0 ]
-2x2 + 2x3 = 0
3x1 – 2x1 = 0
x2 = x3
2
x1 = x2
3
misalkan x3 = 3t
x1 = 2t
x2 = 3t
pemecahannya adalah x1 = 2t, x2 = 3t dan x3 = 3t.
Maka vektor eigennya adalah
2t 2

[ ] []
P2 = 3 t = t 3
3t 3
 Untuk λ3 = 3, vektor eigennya didapat dari pemecahan (λI – A)x = 0
λ+1 −4 2 x1 0

[ 3
3
λ−4
−1 ][ ] [ ]
0
λ−3
x2 = 0
x3 0

4 −4 2 x1 0

[ 3 −1 0
3 −1 0 ][ ] [ ]
x2 = 0
x3 0
Dapat dipecahkan dengan menggunakan OBE

18
 4 −4 2 4 −4 2

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

−8 0 2 −4 0 1

[ 0 0 0
3 −1 0 ] [
1
2
(1) 0 0 0
3 −1 0 ]
-4x1 + x3 = 0
3x1 – x2 = 0
Misalkan x3 = 4t
-4x1 + x3 = 0
1
x1 = (4t)
4
x1 = t
3x1 – x2 = 0
x2 = 3x1
x2 = 3t
Pemecahannya adalah x1 = t, x2 = 3t dan x3 = 4t. Maka vektor eigennya adalah

t 1

4t [ ] []
P3 = 3 t = t 3
4
Sehingga dapat dibentuk matriks P yang mempunyai P1, P2,...Pn sebagai
vektor-vektor kolomnya.
1 2 1
P= 1 3 3
1 3 4[ ]
Yang mana matriks P akan mendiagonalkan A. Sebagai pemeriksaan
dibuktikan dengan P-1 AP
1
Dimana P-1 = adj (P)
det (P)
3 −5 3
=
1
1 [
−1 3 −2
0 −1 1 ]
19
 3 −5 3

[
= −1 3 −2
0 −1 1 ]
Sehingga,
3 −5 3 −1 4 −2 1 2 1
-1

[ ][
P AP = −1 3 −2 −3 4 0 1 3 3
0 −1 1 −3 1 3 1 3 4 ][ ]
1 0 0

[ ]
= 0 2 0
0 0 3
Jadi, matriks P dapat mendiagonalkan matriks A. Sehingga matriks A dapat
didiagonalisasi.

16. Misalkan T : R3  R3 adalah operator linear yang diberikan oleh

x1 2 x 1−x 2−x 3

( [ ]) [
x2 =
x3
x1− x3
−x 1+ x 2 +2 x 3 ]
Carilah basis untuk R3 relatif terhadap mana matriks T diagonal

x1 2 x 1−x 2−x 3

( [ ]) [
T x2 =
x3
x1− x3
−x 1+ x 2 +2 x 3 ]
Pemecahan :

1 2 0 −1 0 −1
T (e1) = T
([ ]) [ ]
0 = 1
0 −1
T (e2) = T
([ ]) [ ]
1 = 0
0 1
T (e1) = T
([ ]) [ ]
0 = −1
1 2

Sehingga matriks baku T adalah

2 −1 −1
A= 1
[
−1 1
0 −1
2 ]
A’ = P-1AP

(I-A)x = 0
20
Cari vektor eigen

0 0 2 −1 −1

[ ][
Det 0 ¿ 0 ¿ - 1
0 ¿ −1 1
0 −1 = 0
2 ]
1 1 −1 −2
Det [−2
−1 ¿ ¿
¿ ¿ ]
Cari determinan dengan sarus

1 1 −1 −2 −2 1−1
([−2
−1 ¿ ¿
¿ ¿
−1 ¿| ¿ ])
{(−2 ¿(¿ (−2 ¿ + (1)(1)(1) + (1)(-1)(-1)} – {(1) (¿ (1) + (−2 ¿(1)(-1) + (1)(-1)(-1) }

❑3−42 +5−2 = 0  (−2 ¿ (−1 ¿ (−1 ¿

Jadi, nilai eigennya ¿ 2 dan=1

 Untuk ¿ 2

0 1 1 x1 0

[ −1 2 1
1 −1 0 ][ ] [ ]
x2 = 0
x3 0

Dengan OBE dapat mendapatkan vektor eigennya

0 1 1 0 0 1 1 0 0 1 1 0
[ ] [ ]
−1 2 1 0 (2) – (1) −1 1 0 0  (2) + (3) 0 0 0 0
1 −1 0 0 1 −1 0 0 1 −1 0 0 [ ]
 x 2+ x3 = 0
 x 1−x 2=0
x1 = x2
x 2 = −x 3

Dimisalkan x 2=s jadi

x 1=s x 2=s x 3=−s

21
 s 1

−s [] []
Maka s = s 1
−1

P1

 ¿1
−1 1 1 x1 0

[ −1 1 1
1 −1 −1 ][ ] [ ]
x2 = 0
x3 0
Dengan OBE dapat dicari vektor eigennya
−1 1 1 0 0 0 0 0

[
−1 1
1 −1 −1 0 ]
1 0 (1) – (2) (2) + (1) 0 0
[
0 0
1 −1 −1 0 ]
 x 1−x 2−x 3=0
x 1 = x 2+ x3
x 2=x 2
x 3=x 3
x 2=s
x 3=t
s +t 1 1
[ ] [] []
Jadi, s = s
t
1
0
+t 0

P2
1
P3

1 1 1
[
P= 1 1 0
−1 0 1 ]
1
P-1 = adj P
det p

Sebelum mencari P-1 terlebih dahulu kita mencari det P dan ajd P nya

Det P = 1

Adj P

C11 =1 C12 = -1 C13 = 1

C21 = -2 C22 = 1 C23 = -1

22
 C31 = -1 C32 = 0 C33 = -1

1 −1 1 1 −2 −1

[ ]
−2 1 −1 adj P = −1 1
−1 0 −1
0
1 −1 −1 [ ]
1 1 −2 −1 1 −2 −1
1
-1
P = −1 1
[
0 = −1 1
1 −1 −1
0
1 −1 −1 ][ ]
A’ = P-1AP

1 −2 −1 2 −1 −1 1 1 1

[
= −1 1
][
0
][
1 0 −1 1 1 0
1 −1 −1 −1 1 1 −1 0 1 ]
−1 2 1 1 1 1

[ ][ ]
= 1 −1 0 1 1 0
−2 2 2 −1 0 1

1 0 0

[ ]
= 0 1 0
0 0 2

1 1 1 1 0 0
Jadi P = 1 1 0
−1 0 1 [ ] dan
[ ]
A’ = 0 1 0
0 0 2

Karena p menyatakan matriks transisi dari basis B’ = {u'1 ,u '2 , u'3} ke basis baku B = {
e 1 ,e 2 , e3 } maka kolom-kolom P adalah [ u'1 ] B , [ u '2 ]B , [ u '3 ]B sehimgga

1 1 1
[ u'1 ] B = 1
−1[] [ u'2 ] B = []
1
0
[ u'3 ]B = [] 0
1

Jadi ,

23
 1
u'
1=(1)(e 1 ¿+ ( 1 ) ( e2 ) −(1) ( e3 ) =
[]1
−1

1
[]
u'2 =(1)(e 1 ¿+ ( 1 ) ( e2 ) +(0) ( e3 ) = 1
0

1
[]
u'3 =(1)(e 1 ¿+ ( 1 ) ( e2 ) +(1) ( e 3 )= 0
1

Adalah vektor vektor basis yang menghasilkan matriks diagonal A’ untuk T

24
 BAB III

PENUTUP

3.1 Kesimpulan
1. Diagonalisai adalah proses transformasi matriks persegi menjadi matriks
diagonal.
2. Teorema-teorema yang dapat digunakan diantaranya P−1 AP yaitu
perkalian invers matriks dari P dengan matriks A dan P akan
menghasilkan matriks identitas.
3. Untuk menyelesaikan soal-soal dari diagonalisasi terlebih dahulu kita
harus memahami bagaimana mencari Nilai Eign dan Vektor Eign.

3.2 Saran
Sebelum mempelajari diagonalisasi ada baiknya kita mempelajari nilai eign
dan vektor eign agar lebih mudah dalam mempelajari memahami dan
mengaplikasikan ini terhadap soal-soal yang ada.

25
26