MODUL PERKULIAHAN

Matematika III
1. Nilai Eigen
2. Persamaan Karakteristik Vektor Eigen

Fakultas Program Studi Tatap Muka Kode MK Oleh

13
Teknik Teknik Sipil W111700035 Satria Wibawa, S.Si., MM

Abstract Kompetensi
Agar Mahasiswa :
Di Modul ini akan dipelajari tentang 1. Mengerti apa yang dimaksud
nilai eigen dan bagaimana dengan nilai Eigen.
menentukan nilai eigen serta akan 2. Dapat menentukan nilai Eigen.
dipelajari pula bagaimana 3. Dapat menentukan persamaan
menentukan persamaan karakteristik nilai Eigen.
karakteristika nilai eigen
 1. Nilai Eigen, Vektor Eigen dan Persamaan Karakteristik.

Nilai eigen dan vektor eigen suatu matriks didefinisikan sebagai berikut :
Misalkan An  n, maka vektor x ≠ 0 di Rn disebut vektor eigen (eigen vektor) dari A jika
Ax adalah kelipatan skalar dari x, yaitu Ax = λx untuk suatu skalar λ. Skalar λ
dinamakan nilai eigen (eigen value) dari A.

Ax = λx  Ax = λIx

 (λI – A)x = 0

 (A - λI)x = 0

Persamaan di atas akan mempunyai penyelesaian tak nol (mempunyai penyelesaian

non trivial) jika dan hanya jika: det (λ I – A) = 0
Persamaan det (λ I – A) = 0 dengan λ sebagai variabel disebut persamaan
karakteristik dari matriks A. Akar-akar atau skalar-skalar yang memenuhi persamaan ini
adalah nilai-nilai eigen (nilai-nilai karakteristik) dari matriks A. Dengan kata lain, untuk
menentukan nilai eigen suatu matriks, maka kita harus menentukan dahulu persamaan
karakteristiknya. Det (λ I – A) ≡ f(λ) yaitu berupa polinom dalam λ yang dinamakan
polinom karakteristik.
Dengan demikian jika An  n, maka persamaan karakteristik dari matriks A mempunyai
derajat n dengan bentuk

det (λ I – A) = f(λ) = a0 + a1x1 + a2x2 + … + an - 1xn - 1 + anxn = 0

Menurut teorema dasar aljabar kita dapatkan bahwa persamaan karakteristik

tersebut mempunyai paling banyak n penyelesaian yang berbeda (Ingat metode Horner
dan persamaan pangkat tinggi). Jadi, suatu matriks yang berukuran n  n paling
banyak mempunyai n-nilai eigen yang berbeda.
Berikut ini diberikan contoh-contoh soal yang berkaitan dengan nilai eigen dan
persamaan karakteristik suatu matriks.

Contoh 1:
 5  3  2
Matriks A =  mempunyai vektor eigen x =   , karena Ax merupakan
 4 1   4

 5  3  2   2  2
kelipatan dari x, yaitu Ax =     =   = -1   = -x. Dengan demikian λ
 4 1   4   4  4
= -1 adalah nilai eigen dari matriks A.

2020 Matematika III

2 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Contoh 2 :
 3 1  1
  1  .
Tentukan nilai eigen dan vektor eigen dari matriks  7 5
  6 6  2

Jawab :
Untuk menentukan nilai eigen dan vektor eigen, kita harus membentuk persamaan

 3 1  1
  1  = A.
karakteristik. Misal  7 5
  6 6  2

Persamaan karakteristik : det (I – A) = 0

 1 0 0   3 1  1 
  
 det   0 1 0   7 5  1    0
 0 0 1   6 6  2 
 

   3  1 1 
 
 det   7  5 1   = 0
 6  6   2 


 ( + 3)( – 5)( + 2) – 6 – 42 – 6( – 5) + 6( + 3) + 7( + 2) = 0

 3 – 12 – 46 = 0
 ( + 2)2(– 4) = 0
  = -2;  = 4
Jadi nilai eigen adalah -2 dan 4.
Untuk menentukan vektor eigen kita misalkan vektor eigen tersebut x = (a,b,c), dan kita
mencari x yang memenuhi (λI – A)x = 0
 1 0 0   3 1  1   a 
   
   0 1 0   7 5  1   b   0
 0 0 1   6 6  2  c 
 

   3  1 1   a 
  
  7  5 1   b   0
 6  6   2  c 


 1 1 1   a 
  
Untuk  = -2   7 7 1   b   0 .
 6 6 0  c 


2020 Matematika III

3 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1 1 1 0 1  1 1 0
7  1 
Matriks yang bersesuaian:  7 1 0  1  1 7 0 
6 6 0 0 1  1 0 0


0 0 1 0
 1 
0 0 7
0
1  1 0 0

Diperoleh: c = 0 dan a = b
Andai a = t, maka b = t, dan c =0.
1 
 
Jadi vektor eigen yang bersesuaian dengan  = -2 adalah t 1  .

0 


 7 1 1  a 
  
Untuk  = 4   7 1 1  b   0 .
 6 6 6  c 


7 1 1 0 7 1 1 0
7 1 0 0 0
Matriks yang bersesuaian:  1   0 0 
6 6 6 0 
1 1 1 0


6 0 0 0
0 0 0 0
 

1 1 1 0

Diperoleh: a = 0 dan b = c
Andai c = t, maka b = t, dan a = 0.
0 
 
Jadi vektor eigen yang bersesuaian dengan  = 4 adalah t 1  .

1 


Contoh 3 :
1 1 0
 0
Tentukan nilai eigen dan vektor eigen dari matriks 0 2 .

0 0 1


Persamaan karakteristik: det (I – A) = 0

2020 Matematika III

4 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
  1 0 0  1 1 0 
  
 det   0 1 0  0 2 0   0
 0 0 1 0 0 1 
 

   1 1 0 
 
 det   0  2 0   = 0
 0 0   1 


 ( – 1)( – 2)( – 1) = 0
  = 1;  = 2
Jadi nilai eigen adalah 1 dan 2.
Penentuan vektor eigen sebagai berikut.
(λI – A)x = 0
 1 0 0  1 1 0  a 
   
   0 1 0  0 2 0  b   0
 0 0 1 0 0 1  c 
 

   1 1 0   a 
  
  0 2 0   b   0
 0 0   1  c 


 0  1 0  a 
  
Untuk  = 1   0  1 0  b   0 .
 0 0 0  c 

Diperoleh: a = s; b = 0; dan c = t.
1 0 
0   
Jadi vektor eigen yang bersesuaian dengan  = 1 adalah s   + t 0 .

0 
 
1

 1  1 0  a 
  
Untuk  = 2   0 0 0  b   0 .
 0 0 1   c 

Diperoleh: a = b dan c = 0
Andai b = t, maka a = t, dan c =0.
1 
 
Jadi vektor eigen yang bersesuaian dengan  = 2 adalah t 1  .

0 


2. Ruang Eigen

2020 Matematika III

5 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Vektor eigen suatu matriks Ann yang bersesuaian dengan nilai eigen λ berada dalam
ruang penyelesaian (λI – A)x = 0. Ruang penyelesaian ini dinamakan ruang eigen
(eigen space) matriks A. Secara jelas ruang eigen didefinisikan sebagai berikut.
Ruang penyelesaian sistem persamaan linear (λI – A)x = 0 atau (A - λI)x = 0
dinamakan ruang eigen dari matriks Ann.

Contoh 1 :
Tentukan basis untuk ruang eigen dari matriks:
 3 1  1
  1  .
A =  7 5
  6 6  2

1 1 0
 0
B = 0 2 

0 0 1

Jawab :
Untuk menentukan basis ruang eigen suatu matriks harus melalui langkah-langkah
berikut :
1) Membentuk persamaan karakteristik
2) Menentukan nilai eigen dengan menyelesaikan persamaan karakteristik
3) Menentukan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh
Berdasarkan Contoh 1. matriks A dan matriks B sudah diperoleh nilai eigen dan
vektor eigennya, yaitu:
 3 1  1
  1  adalah -2 dan 4.
1. Nilai eigen matriks A =  7 5
  6 6  2

1 
 
Vektor eigen yang bersesuaian dengan  = -2 adalah vektor tak nol x = t 1  . Jadi,

0 


1 
1 
vektor   merupakan suatu basis untuk ruang eigen dari matriks A yang

0 


bersesuaian dengan λ = -2. Sedangkan vektor eigen yang bersesuaian dengan  = 4

0  0 
1  
adalah vektor tak nol x = t   . Jadi, vektor 1 merupakan suatu basis untuk ruang
1
  1
 
eigen dari matriks A yang bersesuaian dengan λ = 4.

2020 Matematika III

6 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1 1 0
 0
2. Nilai eigen matriks B = 0 2  adalah 1 dan 2.

0 0 1


1 0 
0   
Vektor eigen yang bersesuaian dengan  = 1 adalah vektor tak nol x = s   + t 0 .
0 
  1 
 

1 0 
0   
Jadi, vektor   dan 0 merupakan basis untuk ruang eigen dari matriks B yang

0 
 
1

bersesuaian dengan λ = 1. Sedangkan vektor eigen yang bersesuaian dengan  = 2

1  1 
1   
adalah vektor tak nol x = t   . Jadi, vektor 1  merupakan suatu basis untuk ruang

0 
 
0 

eigen dari matriks A yang bersesuaian dengan λ = 2.

3. Diagonalisasi Matriks

Salah satu penerapan dari nilai eigen dan vektor eigen adalah menentukan
matriks diagonal dan matriks pendiagonalisasi suatu matriks. Matriks diagonal adalah
matriks persegi dengan unsur-unsur pada diagonal utama tidak semuanya nol dan
unsur-unsur di luar diagonal utama sama dengan nol. Bentuk umum matriks diagonal
adalah:

a 11 0 0 ... 0 
0 a 22 0 ... 0 

D=  0 0 a 33 ... 0  dengan paling sedikit satu di antara aij  0 untuk i = j
 
 ... ... ... ... 0 
 0 0 0 ... a nn 

Untuk membahas diagonalisasi matriks diawali dengan definisi berikut.

Suatu matriks persegi (matriks bujursangkar) A dikatakan dapat didiagonalkan
(dapat didiagonalisasi) jika ada suatu matriks P yang invertibel sedemikian rupa
sehingga P-1AP adalah suatu matriks diagonal. Matriks P dikatakan
mendiagonalkan A (mendiagonalisasi) matriks A. Matriks yang dapat
didiagonalkan disebut diagonalizable.
Langkah-langkah yang digunakan untuk mendiagonalisasi suatu matriks sama
dengan menentukan basis ruang eigen suatu matriks, yaitu:

2020 Matematika III

7 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1) membentuk persamaan karakteristik
2) menentukan nilai eigen dengan menyelesaikan persamaan karakteristik
3) menentukan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh
4) menentukan basis ruang eigen yang bersesuaian dengan nilai eigen

Contoh :
 3 2 0
 0
Diketahui matriks M =  2 3
 0 0 5

Tentukkan :
a matriks P yang mendiagonalisasi M.
b matriks diagonal D = P-1MP.
Jawab :
Persamaan karakteristik matriks M adalah:
det (I – M) = 0
 1 0 0  3 2 0 
  
 det   0 1 0   2 3 0   0
 0 0 1  0 0 5 
 

   3 2 0 
 
 det   2  3 0   = 0
 0 0   5 


 ( – 3)( – 3)( – 5) – 4( – 5) = 0

 ( – 1)( – 5)2 = 0
  = 1;  = 5
Jadi nilai eigen adalah 1 dan 5.
Penentuan vektor eigen sebagai berikut.
(λI – A)x = 0
 1 0 0  3 2 0  a 
   
   0 1 0   2 3 0  b   0
 0 0 1  0 0 5  c 
 

   3 2 0   a 
  
  2  3 0   b   0
 0 0   5  c 


  2 2 0   a 
  
Untuk  = 1    2 2 0   b   0 .
 0 0  4  c 


2020 Matematika III

8 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
  2 2 0 0 1 1 0 0
 2 2 0 0  
 0
Matriks yang bersesuaian:  0 0 0 
 0 0 4 0 
0 0 1 0


Diperoleh: a = b; dan c = 0.
Jika b = t, maka a = t dan c = 0.
1 
 
Vektor eigen yang bersesuaian dengan  = 1 adalah t 1  .

0 


1 
 
Jadi basis ruang eigen yang bersesuaian dengan  = 1 adalah 1  .

0 


 2 2 0  a 
  
Untuk  = 5   2 2 0  b   0 .
 0 0 0  c 


2 2 0 0 1 1 0 0
2 2 0 0  0 0 0 0
Matriks yang bersesuaian: 
0 0 0 0 0 0 0 0

Diperoleh: a = -b dan c = -t
Andai b = s, maka a = -s, dan c = t.
  1 0 
 1   
Jadi vektor eigen yang bersesuaian dengan  = 5 adalah s   + t 0 .
 0 
   
1 

  1 0 
 1   
Jadi basis ruang eigen yang bersesuaian dengan  = 5 adalah   dan 0 .

 0  
1 


1 1 0
 0
a Dengan demikian matriks P yang mendiagonalisasi M adalah 1 1 .
0
 0 1

b. Matriks diagonal yang terbentuk adalah: D = P-1MP.

2020 Matematika III

9 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Untuk menentukan D, kita harus menentukan dahulu P-1. Melalui perhitungan dalam

 1 1 
 2 0
2
 1 1 
menentukan invers suatu matriks diperoleh P-1 =  0 . Anda dapat buktikan
 2 2 
 0 0 1
 

1 0 0
 0
sendiri bahwa PP = P P = 0
-1 -1 1 .

0 0 1

Dengan demikian D = P-1MP
 1 1 
 2 0
2  3 2 0 1 1 0
 1 1 
 2 0 1 0
 D =  0  3  1 
 2 2   0 0 5  1
 0 0 1 0 0 
 

 1 1 
 2 0
2 1 5 0 1 0 0
 1 1 
1 0 = 
 0
=  0  5 0 5 
 2 2   5  5
 0 0 1 0 0  0 0 
 

Tidak semua matriks dapat didiagonalisasi. Berikut ini merupakan teorema yang dapat
memudahkan kita untuk mengetahui suatu matriks dapat didiagonalisasi atau tidak.
1. Jika v1, v2, v3, ... , vk adalah vektor-vektor eigen dari matriks A yang bersesuaian dengan
nilai-nilai eigen λ1, λ2, λ3, ... , λk yang berbeda, maka {v1, v2, v3, ... , vk} adalah himpunan
yang bebas linear.
2. Jika suatu matriks A berukuran n  n mempunyai nilai-nilai eigen yang berbeda-beda,
maka A dapat didiagonalisasi.

Contoh :
 3 1  1
  1  tidak dapat didiagonalisasi. Berdasarkan
Perhatikan bahwa matriks A =  7 5
  6 6  2

Contoh 1. diperoleh:
1) nilai eigen matriks A adalah -2 dan 4

2020 Matematika III

10 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1 
 
2) vektor eigen yang bersesuaian dengan  = -2 adalah vektor tak nol x = t 1 

0 


1 
 
3) basis ruang eigen yang bersesuaian dengan λ = -2 adalah 1 
0 
 

0 
 
4) vektor eigen yang bersesuaian dengan  = 4 adalah vektor tak nol x = t 1

1

0 
 
basis ruang eigen A yang bersesuaian dengan λ = 4 adalah 1

1
Karena basis ruang eigen berdimensi dua atau hanya terdapat dua vektor yang bebas linear
( 3), maka A tidak dapat didiagonalisasi.

Soal Latihan

2020 Matematika III

11 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 1. Tentukan nilai Eigen dan vector Eigen dari matriks

4  1
A= 
2 1 

2. Tentukan nilai Eigen dan vector Eigen dari matriks

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

3. Buatlah menjadi matriks A menjadi matriks diagonal

 7,3 0,2  3,7 

 5,5 
A =   11,5 1,0 

 17,7 1,8  9,3

Daftar Pustaka:

Purcell,Edwin J., Kalkulus dan Geometri Analitik II, Erlangga, Jakarta, 2003

2020 Matematika III

12 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Yusuf Yahya, D.Suryadi H.S., Agus Sumin, Matematika dasar Untuk Perguruan Tinggi,
Ghalia Indonesia, 2004

Anton, Howard, Chris Rerres .,Elementery Linear Algebra,John Wiley & Sons, 2005.

Kreyzig, Erwin. (2003). Matematika Teknik Lanjutan. Edisi ke-6, Jakarta: Erlangga

2020 Matematika III

13 Satria Wibawa, S.Si., MM
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id