PENDAHULUAN
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
Teorema berikut adalah alat dasar dalam pengkajian diagonalisasai, buktinya akan
mengungkapkan bagaimana mendiagonalkan matriks.
a) A dapat didiagonalisasi.
b) A mempunyai n vektor eign bebas linier.
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
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.
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
[
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)
Dari bukti ini kita dapatkan prosedur berikut untuk mendiagonalkan matriks A yang
berukuran n x n dapat didiagonalisasi.
Contoh 7
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
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
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
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
c11v1 + c22v2 + …. + cr+1r+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
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
11
PEMBAHASAN SOAL-SOAL :
[
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
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
[
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.
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
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) }
Untuk ¿ 2
0 1 1 x1 0
[ −1 2 1
1 −1 0 ][ ] [ ]
x2 = 0
x3 0
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
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
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
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