Ax = λx ⇔ Ax = λIx
⇔ (λI – A)x = 0
⇔ (A - λI)x = 0
Persamaan
Persamaan di atas akan mempunyai penyelesaian
penyelesaian tak nol (mempunyai penyelesaian
penyelesaian non
trivial) jika dan hanya jika: det (λ I – A) = 0
Persamaan det (λ I – A) = 0 dengan λ sebagai variabel disebut persam
persamaan
aan karakteri
karakteristik
stik
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,
matriks, maka kita harus menentukan dahulu persamaan
persamaan karakteristikny
karakteristiknya.
a.
Det (λ I – A) ≡ f(λ) yaitu berupa polinom dalam λ yang dinamakan polinom karakteristik.
Deng
Dengan
an de
demi
miki
kian
an jika
jika An × , ma
n maka
ka pe
pers
rsam
amaan
aan karakt
karakter
eris
isti
tik
k dari
dari matr
matriks
iks A
mempunyai derajat n dengan bentuk
Menurut
Menurut teorem
teoremaa dasar
dasar aljabar
aljabar kita
kita dapatka
dapatkan
n bahwa
bahwa persam
persamaan
aan karakte
karakteris
ristik
tik
tersebut mempunyai paling banyak n penyelesaian yang berbeda (Ingat metode Horner dan
persamaan
persamaan pangkat tinggi).
tinggi). Jadi, suatu matriks berukuran n × n pal
matriks yang berukuran paling
ing banyak
banyak
mempunyai n-nilai eigen yang berbeda.
Berikut ini diberikan contoh-contoh soal yang berkaitan dengan nilai eigen dan
persamaan
persamaan karakterist
karakteristik
ik suatu matriks
matriks..
Contoh 3.1.
1
5 − 3 2
1. Matriks A = − 4 1 mempunyai vector eigen x = 4 , karena Ax merupakan
5 − 3 2 − 2 2
kelipatan
kelipatan dari x, yaitu
yaitu Ax = − 4 1 4 = − 4 = -1 = -x. Dengan demikian
4
− 3 1 − 1
2. Tentukan nilai eigen dan vektor eigen dari matriks
matriks
− 7 5 − 1 .
− 6 6 − 2
Untuk menentukan nilai eigen dan vektor eigen, kita harus membentuk persamaan
− 3 1 − 1
karakteristik. Misal
− 7 5 − 1 = A.
− 6 6 − 2
Persamaan karakteristik: det (λI – A) = 0
1 0 0 − 3 1 − 1
⇒ det λ 0 1 0 − −7
5 − 1 = 0
− 2
0 0 1 − 6 6
λ + 3 −1 1
⇒ det 7 λ − 5 1 = 0
6 −6 λ + 2
⇒ (λ + 3)(λ – 5)(λ + 2) – 6 – 42 – 6(λ – 5) + 6(λ + 3) + 7(λ + 2) = 0
⇒ λ3 – 12λ – 46 = 0
⇒ (λ + 2)2(λ – 4) = 0
⇒ λ = -2; λ = 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
2
1 0 0 − 3 1 − 1 a
⇒ λ 0 1 0 − −7
5 − 1 b = 0
− 2
0 0 1 − 6 6 c
λ + 3 −1 1
a
⇒ 7 λ − 5 1 b = 0
6
−6 λ + 2
c
1 − 1 1 a
Untuk λ = -2 ⇒ 7 − 7 1
b = 0 .
c
6 − 6 0
1 − 1 1 0 1 − 1 1 0
Matriks yang bersesuaian:
7 − 7 1
0 → 1 − 1
1
0 →
7
6 − 6 0 0 1 − 1 0
0
00 00 1
1 0
0
7
1 − 1 0
0
Diperoleh: c = 0 dan a = b
Andai a = t, maka b = t, dan c =0.
1
Jadi vector eigen yang bersesuaian dengan λ = -2 adalah t 1 .
0
7 − 1 1 a
Untuk λ = 4 ⇒ 7 − 1 1
b
= 0 .
c
6 − 6 6
7 − 1 1 0 7 − 1 1 0
Matriks yang bersesuaian:
7 − 1 1
0 → 0 0 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
3
0
Jadi vector eigen yang bersesuaian dengan λ = 4 adalah t 1 .
1
1 1 0
3. Tentuka
Tentukan
n nilai
nilai eigen
eigen dan vekt
vektor
or eigen
eigen dari
dari matrik
matrikss 0 2 0 .
0 0 1
1 0 0 1 1 0
⇒ det λ 0 0 − 0 = 0
1
2 0
0 0 1 0 0 1
λ − 1 −1 0
⇒ det 0 λ − 2 0 = 0
0
0 λ − 1
⇒ (λ – 1)(λ – 2)(λ – 1) = 0
⇒ λ = 1; λ = 2
Jadi nilai eigen adalah 1 dan 2.
Penentuan vektor eigen sebagai berikut.
(λI – A)x = 0
1 0 1 1 0
0 a
⇒ λ 0 1 0 − 0 2 0 b = 0
0 0 1 0 0 1
c
λ − 1 − 1 0 a
⇒ 0 λ − 2 0
b = 0
0 0 λ − 1
c
0 − 1 0 a
Untuk λ = 1 ⇒ 0 − 1 0
b = 0 .
c
0 0 0
Diperoleh: a = s; b = 0; dan c = t.
4
1 0
Jadi vector eigen yang bersesuaian dengan λ = 1 adalah s 0 + t 0 .
0 1
1 − 1 0 a
Untuk λ = 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 vector eigen yang bersesuaian dengan λ = 2 adalah t 1 .
0
Ruang Eigen
Vektor eigen suatu matriks An× n yang bersesuaia
bersesuaian
n dengan
dengan nilai
nilai eigen
eigen λ berada
berada
dalam ruang penyelesaian
penyelesaian (λI – A)x = 0. Ruang penyelesaian
penyelesaian ini dinamakan ruang eige
eigen
n
(eigen space) matriks A. Secara jelas ruang eigen didefinisikan sebagai berikut.
Definisi
Definisi 3.2.
Ruang
Ruang penyelesai
penyelesaian
an sistem
sistem persam
persamaan
aan linear
linear (λI – A)x = 0 atau (A - λI)x
λI)x = 0
Contoh 3.2.
5
Penyelesaian:
Penyelesaian:
Untuk menentukan basis ruang eigen suatu matriks harus melalui langkah-langkah berikut.
♥ membentuk persamaan karakteristik
♥ menentukan vector eigen yang bersesuaian dengan nilai eigen yang diperoleh
Berdasarkan Contoh 3.1. matriks A dan matriks B sudah diperoleh nilai eigen dan vector
eigennya, yaitu:
− 3 1 − 1
1. Nilai eigen
eigen matriks
matriks A = − 7 5 − 1 adalah -2 dan 4.
− 6 6 − 2
1
Vektor eigen yang bersesuaian dengan λ = -2 adalah vector tak nol x = t 1 . Jadi,
0
1
vector 1 merupakan suatu basis untuk ruang eigen dari matriks A yang bersesuaian
0
dengan λ = 1. Sedangkan vektor eigen yang bersesuaian dengan λ = 4 adalah vector tak
0 0
nol x = t 1 .
Jadi, vektor 1 merupakan suatu basis untuk ruang eigen dari matriks A
1 1
yang bersesuaian dengan λ = 4.
1 1 0
2. Nilai eigen
eigen matriks
matriks B = 0 2
0 adalah 1 dan 2.
0 0 1
6
1 0
Vektor eigen yang bersesuaian dengan λ = 1 adalah vector tak nol x = s 0 + t 0 .
0 1
1 0
Jadi, vektor 0 dan 0 merupakan basis untuk ruang eigen dari matriks B yang
0 1
bersesuaian
bersesuaian dengan λ = 1. Sedangkan
Sedangkan vektor eigen yang bersesuaian
bersesuaian dengan λ = 2
1 1
adalah vector tak nol x = t 1 . Jadi, vektor 1 merupakan suatu basis untuk ruang
0 0
eigen dari matriks A yang bersesuaian dengan λ = 2.
DIAGONALISASI
bahwa sejumlah
sejumlah sifat yang melekat
melekat pada D juga ada di A. Dalam matriks diag
diagonal,
onal, dengan
mudah kita akan mendapatkan nilai eigen, vektor-vektor eigen dan menghitung
determinan.
7
2. Buatlah matriks P yang mempunyai p1, p2, …, pn sebagai vektor-vektor kolomnya
3. Matriks P-1AP akan diagonal dengan λ 1, λ 2, …, λ n sebagai entri-entri matriks diagonal
yang berurutan, dimana λ i adalah nilai-nilai eigen yang bersesuaian dengan vector eigen
pi, untuk I = 1, 2, … , n
Contoh:
1. Carila
Carilah
h matrik
matrikss P yang
yang mend
mendiag
iagon
onalk
alkan
an
3 −2 0
A = − 2 3 0
0 0 5
h 1.
Langkah
Langka Dapat
Dapat ditunj
ditunjukk
ukkan
an bahwa
bahwa nilai-ni
nilai-nilai
lai Eigen
Eigen untuk
untuk A adalah
adalah λ = 1 dan λ = 5
(Buktikan).
− 2 2 0 x1 0
2 − 2 0 x = 0
2
0 0 − 4 x3 0
Dengan menyelesaikan
menyelesaikan persamaan diatas,
diatas, akan kita peroleh: x3 = 0;
1
vektor eigen = t 1
misalkan x2 = t, maka x1 = t. Dan vektor
0
8
− 1 0
Dan dari λ = 5, kita
kita dapatkan vektor
vektor eigen =
r 1 + s 0
0 1
1 − 1 0
Vektor-vektor 1 , 1 dan 0 merupakan basis untuk suatu ruang vektor Eigen.
0 0 1
1 − 1 0
h 2. Dengan demikian kita dapat
Langkah
Langka dapat membentuk matriks P = 1 1
membentuk matriks 0
0 0 1
1 0 0
Langkah
Langka 3 . Dan matriks diagonal
h 3. diagonal yang dihasilkan adalah
adalah D =
0 5 0
(Periksa bahwa P-
0 0 5
1
AP = D !)
Perhatikan bahwa letak nilai eigen di matriks D harus bersesuaian dengan vektor eigen di P, jika
pemilihan vektor eigen pada
pada langkah 2 menjadi:
− 1 0 1
1 0 1
0 1 0
5 0 0
0 5 0
0 0 1
− 3 2
2. Carilah matriks diagonal untuk A = − 2
1
λ + 3 − 2
det = (λ + 3)( λ – 1) + 4 = (λ + 1)2 = 0
2 λ − 1
9
λ = -1 merupakan satu-satunya nilai eigen yang akan bersesuaian dengan vektor eigen =
1
t
1
Karena ruang eigen hanya mempunyai 1 vektor basis, maka A tidak dapat didiagonalkan.
Teorema ini tidak berlaku sebaliknya, artinya bila A dapat didiagonalisasi tidak berarti bahwa A
mempunyai n nilai eigen yang berbeda.
1 4 5 1 4 5
Jika A=
4 − 3 0 maka A = 4 − 3 0 = A
5 0 7 5 0 7
10
Contoh 13
Carilah matriks ortogonal P yang mendiagonalisasi
4 2 2
A=
2 4 2
2 2 4
11
λ − 4 −2 −2
Det(λI – A ) = det
−2 λ − 4 − 2 = (λ - 2) (λ - 8) = 0
2
− 2 −2 λ − 4
Jadi, nilai – nilai eigen A adalah λ = 8.
Kita simpulkan bagian ini dengan menyatakan dua sifat penting dari matriks simetrik.
Teorema 3
a. Pers
Persamaan
amaan karakter
karakteristi
istik
k matriks
matriks A simetrik
simetrik hanya
hanya mempunya
mempunyaii akar – ak
akar
ar riil
b. Jika nilai eigen λ dari matriks simetrik A diulangi k kali sebagai akar persamaan
karakteristik tersebut, maka ruang eigen yang bersesuaian dengan λ adalah ruang
berdimensi k.
Sumber:
http://xover5.jkt.3d.x.indowebster.com/download-
vip/11/p16fn4abdu1q0171ohgd1fgv1acj5.pdf/%5Bwww.indowebster.com%5D-
Nilai_Eigen_d
Nilai_Eigen_dan_Ve
an_Vektor_E
ktor_Eigen.pdf
igen.pdf
12