NILAI EIGEN dan VEKTOR EIGEN

Nilai Eigen dan Vektor Eigen

 Nilai eigen
eigen dan vektor
vektor eigen
eigen suatu matriks
matriks didefinisikan
didefinisikan sebagai
sebagai berikut.
berikut.
 Definisii 3.1
 Definis
Misalkan An × n, maka vektor x ≠ 0 di R n disebut vektor eigen (eigen vektor ) dari A
 jika Ax adalah kelipatan
kelipatan skalar
skalar dari x, yaitu Ax = λx untuk suatu skalar λ. Skalar λ 
dinamakan nilai eigen (eigen value)
value) dari A.

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 

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

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

λ = -1 adalah nilai eigen dari matriks A.

− 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
 

Andai c = t, maka b = t, dan a = 0.

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 

Persamaan karakteristik: det (λI – A) = 0

  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

dinamakan ruang eigen dari matriks An× n.

Contoh 3.2.

Tentukan basis untuk ruang eigen dari matriks:

 − 3 1 − 1
A=
− 7 5 − 1 .

− 6 6 − 2
1 1 0
B=
0 2 0

 
0 0 1 

5
 

 Penyelesaian:
 Penyelesaian:
Untuk menentukan basis ruang eigen suatu matriks harus melalui langkah-langkah berikut.
♥ membentuk persamaan karakteristik 

♥ menentukan nilai eigen dengan menyelesaikan 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

Definisi : Matriks kuadrat A dinamakan dapat didiagonalisasi jika terdapat matriks P

yang mempunyai invers sehingga P-1AP adalah matriks diagonal; matriks P dikatakan
mendiagonalisasi A.

Diagonalisasi bertujuan untuk mencari matriks P sehingga P -1AP menjadi matriks

diagonal misalkan D, dimana A akan similar dengan D sehingga kita dapat mengatakan

 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.

Teorema. Jika A adalah matriks kuadrat n x n, maka pernyataan-pernyataan berikut

ekivalen:
a. A dapat
dapat did
didia
iago
gona
nali
lisa
sasi
si

Prosedur pendiagonalan matriks A adalah:

1. Carilah n vektor eigen yang bebas linier, namakan p1, p2, …, pn.

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).

Dari λ = 1, kita dapatkan:

− 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

Maka matriks diagonalnya menjadi:

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. Jika matriks A yang berukuran n x n mempunyai n nilai eigen

yang berbeda, maka A dapat didiagonalisasi.

Teorema ini tidak berlaku sebaliknya, artinya bila A dapat didiagonalisasi tidak berarti bahwa A
mempunyai n nilai eigen yang berbeda.

DIAGONALISASI ORTOGONAL ; MATRIKS SIMETRIK 

 Definisi:
Matriks A kuadrat dinamakan dapat didiagonalisasi secara ortogonal jika terdapat matriks P yang
ortogonal sehingga P-1 AP = ( Pt AP ) diagonal ; matriks P dikatakan mendiagonalisasi A secara
ortogonal
Kita mempunyai dua pertanyaan yang akan ditinjau:
1. Matriks
Matriks – matriks
matriks manakah
manakah yang
yang dapat
dapat didiagon
didiagonalisa
alisasi
si secara
secara ortogon
ortogonal?
al?
2. Bagaimana
Bagaimana kita
kita mencari
mencari matriks
matriks ortogonal
ortogonal untuk
untuk melaksana
melaksanakan
kan diag
diagonal
onalisasi
isasi??
Untuk membantu kita menjawab pertanyaan pertama kita akan memerlukan definisi berikut.
i :
 Definisi 
 Definis
Matriks A kuadrat kita namakan simetrik jika A = At
Contoh:

1 4 5 1 4 5
Jika A=
4 − 3 0 maka A = 4 − 3 0 = A
   
5 0 7 5 0 7

Dengan demikian A simetrik.

Teorema selanjutnya merupakan alat utama untuk menentukan apakah sebuah matriks
dapat didiagonalisasi secara ortogonal. Dalam teorema ini dan untuk teorema selebihnya dari

10
 

 bagian ini, ortogonal

ortogonal akan berarti ortogonal yang be
bertalian
rtalian dengan hasil k
kali
ali dalam Euclidis pada
R n.
Teorema 1:
Jika matriks A adalah matriks n x n, maka pernyataan berikut ekivalen satu sama lain.
a. A dapat
dapat didia
didiagon
gonali
alisas
sasii sec
secara
ara orto
ortogon
gonal
al

 b. A mempunyai himpunan ort

ortonormal
onormal dari n vektor eigen
c. A ad
adal
alah
ah si
simetr
metrik 
ik 
Teorema 2:
Jika A adalah matriks simetrik, maka vektor – vektor eigen dari ruang eigen yang berbeda akan
ortogonal.
Sebagai konsekuensi dari teorema ini maka kita dapatkan prosedur berikut untuk 
mendiagonalisasi matriks simetrik secara ortogonal.
h 1. Carilah basis untuk masing – masing ruang eigen dari A
 Langkah
 Langka
h 2. Terapkanlah proses Gram Schmidt ke masing – masing basis ini untuk mendapatkan
 Langkah
 Langka

basis ortonormal untuk setiap ruang eigen.

h 3. Bentuklah matriks P yang kolom – kolomnya adalah vektor – vektor basis yang
 Langkah
 Langka
Dibangun dalam langkah 2, matriks ini akan mendiagonalkan
mendiagonalkan A secara ortogonal
Pembetulan dalam prosedur ini sudah seharusnya jelas. Teorema 2 menjamin bahwa
vektor – vektor eigen dari ruang – ruang eigen yang berbeda akan ortogonal, sedangkan
 penerapan proses Gram-Schmidt menjamin
menjamin bahwa vektor – vektor eigen yan
yang
g didapatkan dalam
ruang eigen yang sama akan ortonormal. Jadi, keseluruhan himpunan vektor eigen yang
didapatkan dengan prosedur ini akan ortonormal.

Contoh 13
Carilah matriks ortogonal P yang mendiagonalisasi

4 2 2
A=
2 4 2
 
2 2 4

Pemecahan: Persamaan karakteristik A adalah

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