OLEH :
KELOMPOK 4 DAN 5
JURUSAN MATEMATIKA
i
KATA PENGANTAR
Puji dan syukur kami panjatkan pada kehadirat Tuhan Yang Maha Esa atas rahmat
dan hidayah-Nya sehingga kami dapat menyelesaikan tugas makalah yang berjudul
“Diagonalisasi-Diagonalisasi Matriks Simetrik”.Penyusunan makalah ini dilakukan untuk
memenuhi salah satu tugas mata kuliah “Aljabar Linear”.
Makalah ini telah kami susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak maupun sumber sehingga dapat memperlancar pembuatan makalah ini. Untuk
itu kami mengucapkan banyak terimakasih kepada dosen pengampu yang telah memberikan
materi,serta kami juga berterimakasih kepada orang tua dan semua pihak yang telah
mendukung dalam pengerjaan makalah ini sehingga tugas ini dapat terselesaikan tepat waktu.
Terlepas dari semua itu, kami menyadari sepenuhnya bahwa masih ada kekurangan
baik dari segi isi, susunan kalimat maupun tata bahasanya. Oleh karena itu dengan tangan
terbuka kami menerima segala saran dan kritik dari pembaca guna kesempurnaan tugas ini.
Akhir kata kami ucapkan terimakasih dan semoga makalah ini dapat memberikan manfaat
serta menambah wawasan bagi pembaca maupun penulis.
Penulis
iii
DAFTAR ISI
DAFTAR PUSTAKA.............................................................................................................16
ii iii
BAB I
PENDAHULUAN
Salah satu bidang kajian matematika adalah ajabar linear di mana salah satu cabangnya
adalah matriks. Matriks adalah suatu kumpulan angka-angka (sering disebut elemen) yang
disusun menurut baris dan kolom sehingga berbentuk persegi panjang di mana panjang dan
lebarnya ditunjukan oleh banyaknya kolom dan baris.
Pada matriks kita mengenal diagonalisasi matriks yaitu proses pembentukan suatu
matriks menjadi matriks diagonal dengan melibatkan nilai eigen dan vektor eigen. Sebuah
matriks bujursangkar A dikatakan dapat didiagonalisasi (diagonalizable) jika terdapat sebuah
matriks nonsingular P sedemikian rupa sehingga 𝑃−1 𝐴𝑃 adalah sebuah matriks diagonal;
matriks 𝑃 dikatakan mendiagonalisasi (diagonalize) A(Anton dan Rorres, 2000). Untuk
membentuk matriks nonsingularP diperlukan nilai eigen dari matriks bujursangkar A yang
memiliki multiplisitas aljabar dan multiplisitas geometri (dimensi ruang eigen) yang sama
tetapi tidak semua matriks bujursangkar memilki nilai eigen seperti demikian. Oleh karena
itu, tidak semua matriks bujursangkar dapat didiagonalisasikan. Proses diagonalisasi
digunakan salah satunya pada konsep keserupaan (similaritas) dua matriks.
Dua matriks bujursangkar A dan B dikatakan serupa jika ada matriks nonsigularP
dengan 𝐴 = 𝑃 −1 𝐵𝑃 dimana 𝑃−1 adalah invers matriks nonsigularP. Dua matriks yang mirip
memiliki banyak sifat yang sama yang disebut dengan sifat Invarian-invarian Keserupaan
meliputi Determinan, Keterbalikan (Invers), Rank, Nulitas, Trace, Polinomial karakteristik,
Nilai Eigen, dan Dimensi ruang eigen.
Konsep similaritas matriks banyak digunakan pada pembahasan aljabar linear tingkat
lanjut diantaranya yaitu pada matrik-matriks dengan sifat khusus, fungsi matriks, bentuk
kuadrat, dan masih banyak lainnya
1
1.3 Tujuan Penulisan
a. Untuk mengetahui apa itu diagonalisasi
b. Untuk mengetahui diagonalisasi matriks
c. Untuk mengetahui Diagonalisasi Ortogonal
d. Menyelesaikan salah satu tugas mata kuliah aljabar linear
2
BAB II
PEMBAHASAN
2.1 Diagonalisasi
Pada bahasan pembelajaran berikut kita akan mendiskusikan masalah mencari suatu
baris untuk 𝑅 𝑛 yang terdiri dari vektor-vektor eigen dari suatu matriks A yang diketahui
berukuran 𝑛 × 𝑛. Basis-basis ini dapat dipakai untuk menelaah sifat-sifat geometris dari
matriks A dan sekaligus dipakai untuk menyederhanakan berbagai perhitungan numerik yang
melibatkan matriks A. Basis-basis sangat penting dalam berbagai penerapan aljabar linear,
dan beberapa diantaranya akan kita diskusikan dalam bahasan pembelajaran modul
berikutnya.
Seperti telah kita ketahui dalam bahasan modul-modul sebelumnya tentang matriks,
bahwa salah satu teoremanya adalah pengkombinasian banyak persamaan menjadi satu. Cara
penulisan sistem persamaan linear yang terdiri dari m persamaan dengan n variabel menjadi
sebuah persamaan matriks telah kita pelajari dalam Modul 2 (Sistem Persamaan Linear).
Sedangkan cara menyelesaikan sistem persamaan linear AX = b dengan A matriks
berukuran𝑛 × 𝑛 yang invertibel dapat dilakukan dengan bantuan matriks 𝐴−1, sehingga
terjadi pengkombinasian 𝐴−1 AX = 𝐴−1 b atau X = 𝐴−1b
Berdasarkan ide yang sama seperti di atas, maka dalam bagian ini kita akan
mengkombinasikan persamaan nilai eigen untuk beberapa vektor eigen yang berlainan ke
dalam persamaan matriks yang tunggal. Untuk lebih jelasnya kita perhatikan penjelasan
berikut ini.
atau
P = (𝑢1 𝑢2 . .. 𝑢𝑘 )
Dengan 𝑢𝑖 adalah kolom ke-i dari P. Selanjutnya persamaan (1) dapat ditulis menjadi
bentuk:
3
= (𝑢1 𝑢2 . .. 𝑢𝑘 )D
Bentuk ini merupakan bentuk yang ringkas dari persamaan nilai eigen untuk k vektor
eigen.
Dengan demikian jika suatu matriks A yang berukuran n× n mempunyai n vektor eigen
yang bebas linear, maka terdapat matriks P yang inverstibel dan matriks diagonal D sehingga
D dapat difaktorkan dalam bentuk persamaan (3). Keadaan ini dinamakan A dapat
didiagonalkan (diagonalizable).
Dari penjelasan dan definisi di atas, jelaskah bahwa masalah diagonalisasi dari suatu
vektor A yang berukuran n× n adalah ekuivalen dengan pertanyaan: ”Apakah ada matriks P
yang invertibel sehingga 𝑃 −1A P adalah matriks diagonal D?”. Prosedur berikut
menunjukkan bahwa masalah vektor-vektor eigen dan asalahan diagonalisasi adalah setara.
Dengan kata lain prosedur berikut adalah tahapan untuk mendiagonalkan matriks yang
berukuran n× n.
Tahap 1. Carilah n vektor eigen yang bebas linear dari matriks A yang berukuran n× n.
Misalnya 𝑝1, 𝑝2 , ... , 𝑝𝑛 .
4
Contoh 11. 8
1 0
Diketahui matriks A = [ ]
6 −1
Carilah:
Penyelesaian:
0 0 𝑥1 0
⟺[ ] [𝑥 ] = [ ]
−6 2 2 0
⟺ −6𝑥1 + 2𝑥2 = 0
1
⟺ 𝑥1 = 𝑥2
3
1
𝑥1 = 𝑡
⇔{ 3
𝑥2 = 𝑡 ∈ 𝑅
1 1
𝑡
⇔ 𝑥 = [3 ] = [3] 𝑡.
1𝑡 1
1
Jadi, basis untuk ruang eigen yang bersesuaian dengan 𝜆1 = 1 adalah 𝑝1 = [3].
𝑡
(𝜆 𝐼 − 𝐴)𝑥 = 𝑂
−2 0 𝑥1 0
⇔[ ][ ] = [ ]
−6 2 𝑥2 0
2𝑥1 = 0
⇔{
−6𝑥1 = 0
5
𝑥1 = 0
⇔{
𝑥2 = 𝑡 ∈ 𝑅
0
Jadi, basis untuk ruang eigen yang bersesuaian dengan 𝜆1 = −1 adalah 𝑝2 = [ ].
1
Dengan demikian kita dapatkan bahwa (𝑝1 , 𝑝2 ) adalah bebas linear, sehingga
1
0
𝑃 = [3 ] akan mendiagonalkan matriks 𝐴.
0 1
1 0
=[ ]
0 −1
Catatan : Dalam contoh ini tidak ada urutan yang diistimewakan untuk kolom-kolom
𝑃. Karena unsur-unsur diagonal ke-𝑖 dan 𝐷 = 𝑃 −1 𝐴 𝑃 adalah nilai-nilai eigen untuk vector
kolom dari matriks 𝑃, maka dengan mengubah urutan kolom-kolom matriks 𝑃 hanyalah
mengubah urutan nilai-nilai eigen pada diagonal untuk 𝐷 = 𝑃−1 𝐴 𝑃. Jadi, seandainya matriks
𝑃 nya ditulis sebagai berikut :
1
𝑃 = [0 3]
1 1
1 0
Maka kita akan memperoleh matriks diagonal 𝐷 = 𝑃 −1 𝐴 𝑃 = [ ].
−1 0
Contoh 11.9 :
4 0 1
Carilah matriks 𝑃 yang mendiagonalkan matriks 𝑎 = [−2 1 0]
−2 0 1
Penyelesaian :
6
1
0 −2 −1
𝑝1 = [1] , 𝑝2 = [ 1 ], dan 𝑝3 = [ 1 ],
0 1 1
1
0 − −1
𝑃=[ 2 ]
1 1 1
0 1 1
1
0 1 −1 4 0 1 0 −1
𝐷 = 𝑃−1 𝐴 𝑃 = [ 2 0 2 ] [−2 1 −] [ 2 ]
1 1 1
−2 0 −1 −2 0 1
0 1 1
1
0 1 −1 0 − 2 −1
=[ 4 0 4 ] [0 1 1]
−6 0 −3 0 1 1
1 0 0
= [0 2 0]
0 0 3
Contoh 11.10
2 0
Perlihatkan bahwa matriks 𝐴 = [ ] tidak dapat didiagonalisasi.
1 2
Bukti :
2−𝜆 0
𝑑𝑒𝑡 [ ]=0
1 2−𝜆
⇔ (2 − 𝜆)(2 − 𝜆) = 2
(𝐴 − 𝜆𝐼)𝑥 = 0
7
0 0 𝑥1 0
⇔[ ] [𝑥 ] = [ ]
1 0 2 0
𝑥1 = 0, 𝑥2 = 𝑡 ∈ 𝑅
0 0
[ ] = [ ]𝑡
𝑡 1
Basis untuk ruang eigen yang berseuaian dengan 𝜆 = 2 adalah vector yang bebas linear,
yaitu
0
𝑝=[ ]
1
Karena basis ruang eigen berdimensi satu suatu matriks 𝐴 tidak mempunyai dua vector
eigen yang bebas linear, sehingga 𝐴 tidak dapat didiagonalisasi.
Perlu diketahui, bahwa dari ketiga contoh terakhir di atas tadi (contoh 11.8, 11.9 dan
11.10) kita beranggapan bahwa vector-vektor kolom dari matriks 𝑃 yang disusun dari vector-
vektor basis dari berbagai ruang eigen dari matriks 𝐴 adalah bebas linear. Teorema berikut ini
akan membahas asumsi tersebut.
Teorema 11.2
Bukti :
Karena berdasarkan definisi, suatu vector eigen tentunya tidak nol, maka {𝑣1 } bebas
linear. Misalkan 𝑟 adalah bilangan bulat terbesar sehingga {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑘 } bebas linear.
Karena kita mengasumsikan bahwa {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑘 } tak bebas linear, maka 𝑟 memenuhi
1 ≤ 𝑟 < 𝑘. Lebih jauh berdasarkan definisi 𝑟 maka {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑘 } tak bebas linear. Jadi,
terdapat skalar-skalar 𝑐1 , 𝑐2 , 𝑐3 , … , 𝑐𝑟+1 yang tidak semuanya nol, sehingga
Dengan mengalikan kedua ruas persamaan (1) oleh A dan dengan menggunakan
8
Kita dapatkan :
Selanjutnya dengan mengalikan kedua ruas persamaan (1) dengan 𝜆𝑟+1 dan mengurangi
persamaan (2) dengan persamaan yang didapatkan,maka kita akan mendapatkan :
𝑐1 = 𝑐2 = ⋯ = 𝑐𝑟 = 0 … … … . . … … … … … (3)
𝑐𝑟+1 𝑣𝑟+1 = 0
𝑐𝑟+1 = 0 … … … … … … . … … … … … (4)
Persamaan (3) dan (4) kontradiksi dengan fakta bahwa 𝑐1 , 𝑐2 , … , 𝑐𝑟+1 tidak semuanya
nol.
Sebagai implikasi dari teorema 11.2 ini,kita mendapatkan hasil penting berikut ini:
Teorema 11.3. jika suatu matriks A berukuran nxn mempunyai nilai-nilai eigen yang
berbeda-beda,maka A dapat didiagonalisasi.
Bukti :
Contoh 11.11
Kita perhatikan kembali matriks Q dan A dalam contoh 11.4 dan 11.6,yaitu:
3 2
𝑄=[ ]
−1 0
9
1 0
𝐷 = 𝑃 −1 𝑄𝑃 = [ ]
0 2
4 0 1
𝐴 = [−2 1 0]
−2 0 1
1 0 0
𝐷 = 𝑃 −1 𝐴𝑃 = [0 2 0]
0 0 3
Dengan matriks P invertible. Jika diinginkan matriks P ini dapat dicari dengan
menggunakan metode seperti yang ditunjukkan dalam contoh-contoh diagonalisasi.
Sekarang kita akan mendiskusikan bagaimana mencari suatu basis ortonormal dengan
hasil kali dalam eeuclid yang terdiri vector-vektor eigen dari suatu matriks A yang berukuran
n x n. sedangkan untuk menunjang pembahasan materi ini adalah pemahaman tentang
matriks-matriks simetris dan pengertian orthogonal yang telah kita pelajari dari modul
sebelumnya.
Untuk lebih jelasnya kita perhatikan dua masalah berikut yang ekuivalen.
Sebagai akibat dari permasalahan ini mendorong kita untuk membuat definisi berikut :
Dari definisi dan dua permasalahan diatas ada dua pelajaran yang perlu ,mendapat
perhatian kita,yaitu :
10
2. Bagaimana kita mencari suatu matriks orthogonal untuk melakukan diagonalisasi?
𝑃𝑡 𝐴𝑃 = 𝐷 … . . … … … … … … … … . . (1)
𝑃𝑡 𝑃 = 𝐼
A = P D P t ...................................................................... (2)
𝐴𝑡 = (𝑃 𝐷 𝑃𝑡 )𝑡 = (𝑃𝑡 )𝑡 𝐷𝑡 𝑃𝑡 = 𝑃 𝐷 𝑃𝑡 = 𝐴
Sekarang kita perhatikan teorema berikut merupakan alat utama untuk menentukan
apakah sebuah matriks dapat didiagonalisasi secara ortogonal. Teoremaberikut juga
menunjukkan bahwa setiap matriks simetris, pada kenyataannya dapat didiagonalisasi secara
ortogonal. Perlu pula diketahui bahwa pada teorema ini dan teorema berikutnya dari bahasan
ini, pengertian ortogonal akan berarti ortogonal berkenaan dengan hasil kali dalam Euclid.
Teorema 11. 4. Jika A adalah suatu matriks n n, maka pernyataan berikut adalah
ekuivalen.
Teorema 11. 5. Jika A adalah suatu matriks simetris, maka vektor-vektor eigen dari
ruang eigen yang berbeda akan ortogonal.
Bukti:
Misal λ1 dan λ2 adalah nilai-nilai eigen yang berbeda dari matriks simetris A yang
berukurann n, dan misalkan x1 dan x2 adalah vektor-vektor eigen yang bersesuaian berturut-
turut dengan λ1 dan λ2. Karena x1 dan x2 merupakan vektor-vektor eigen yang bersesuaian
dengan nilai eigen λ1 dan λ2, maka tentunya untuk matriks A berlaku:
11
A X1 = λ1 X 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (1)
A X2 = λ2 X2 . . . . . . . . . . . . . . … . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2)
(A X1 )t = (𝜆1 𝑋1 )𝑡
𝑋1𝑡 𝐴𝑡 = 𝜆1 𝑋1𝑡
Selanjutnya kedua ruas persamaan (2) dikalikan dengan 𝑋1𝑡 dan dari sebelah kir
sehingga kita dapatkan:
Namun 𝜆1 − 𝜆2 ≠ 0, karena 𝜆1 𝑑𝑎𝑛 𝜆2dianggap berbeda. Jadi dari persamaan (5) kita
dapatkan bahwa:𝑋1𝑡 𝑋2 = 0, atau 𝑋1 . 𝑋2 = 0 atau 𝑋1 ortogonal terhadap 𝑋2 (terbukti).
Sebagai implikasi dari Teorema 11. 5 ini, maka kita dapatkan prosedur berikut untuk
mendiagonalisasi suatu matriks simetris secara ortogonal.
Tahap 1. Carilah suatu basis untuk setiap ruang eigen dari matriks A.
Tahap 2.Terapkan proses Gran-Schmidt pada setiap basis-basis ini untuk mendapatkan
suatu basis ortonormal untuk setiap ruang eigen.
Prosedur ini dan Teorema 11. 5 memastikan bahwa vektor eigen dari ruang eigen yang
berbeda adalah ortogonal, sedangkan penerapan proses Gram-Schmidt memastikanbahwa
vektor-vektor eigen yang didapatkan dalam ruang eigen yang sama adalah ortonomal. Jadi
keseluruhan himpunan vektor eigen yang didapat melalui prosedur ini adalah ortonormal.
Contoh 11.12
−7 24
Diketahui Matriks A =[ ]
24 7
12
a) Carilah matriks P yang mendiagonalisasi A secara ortogonal
b) Tentukanlah matriks P-1 A P
Penyelesaian :
det (A−𝜆 I) = 0
−7 − 𝜆 24
⟺ det[ ]=0
24 7−𝜆
⟺ 𝜆2 − 625 = 0
⟺ 𝜆 = ±25
𝑥1
Misal 𝑥 = [𝑥 ] adalah vektor eigen A yang bersesuaian dengan λ jika dan hanya jika x
2
adalah penyelesaian non trivial dari sistem persamaan linear :
(A−𝜆 I) = 0
−7 − 𝜆 24 𝑥1 0
⟺[ ] [𝑥 ] = [ ] ..................................................................................(1)
24 7−𝜆 2 0
−32 24 𝑥1 0
[ ][ ] = [ ]
24 −18 𝑥2 0
−32𝑥1 + 24𝑥2 = 0 3
⟺{ ⟺ 4𝑥1 − 3𝑥2 ⟺ 𝑥1 = 𝑡, 𝑥2 = 𝑡
24𝑥1 − 18𝑥2 = 0 4
3
Jadi vektor eigen A yang bersesuaian dengan λ = 25 adalah 𝑥1 = [ 4 ] membentuk basis
1
untuk ruang tiga. Dengan menerapkan proses Gram-Schmidt akan menghasilkan vektor eigen
3
𝑥1 5
ortonormal, yaitu 𝑣1 = |𝑥 | = [44] , 𝑠𝑒𝑏𝑎𝑏 |𝑥1 | = 4
1
5
Untuk λ1 = -25, akan didapatkan vektor eigen yang merupakan basis untuk ruang
4
−
eigen, yaitu 𝑥2 = [ 3] sehingga dengan proses Gram-Schmidt dapat diubah menjadi vektor
1
eigen yang ortonormal, yaitu :
13
4
𝑥2
−5 5
𝑣2 = |𝑥 = [ 3 ] , 𝑠𝑒𝑏𝑎𝑏 |𝑥2 | = akhirnya dengan menggunakan v1 dan v2 sebagai
2 | 3
5
vektor-vektor kolom, maka kita dapat matriks yang mendiagonalisasi A secara ortogonal,
yaitu :
3 4
−
𝑃 = [5 5]
4 3
5 5
3 4 3 4
−5
5 5 −7 24 5
Matriks P-1 A P = 1 . [ 4 3] [ 24 ][ 3 ]
−5 7 4
5 5 5
3 4
−
15 20 5 5]
=[ ][
20 −15 4 3
5 5
25 0
=[ ]
0 −25
Matriks ini adalah matriks diagonal dengan unsur-unsur diagonal utamanya adalah
nilai-nilai eigen dari matriks A.
14
BAB III
KESIMPULAN
a) Tahap 1. Carilah n vektor eigen yang bebas linear dari matriks A yang berukuran n x
n Misalnya p1,p2,...,pn.
b) Tahap 2. Bentuklah matriks P yang mempunyai p1,p2,...,pn sebagai vektor-vektor
kolomnya
c) Tahap 3. Matriks D = P-1 A P adalah matriks diagonal dengan λ1,λ2,...,λnsebagai
unsur-unsur diagonal yang berurutannya dan λi adalah nilai-nilai eigen yang bersesuaian
dengan pi untuk i = 1,2,3,...,n
Untuk memeriksa bahwa P adalah matriks yang mendiagonalisasi matriks A dapat
dilakukan dengan menentukan matriks diagonal D = P-1 A P dengan unsur-unsur diagonal
utamanya adalah nilai-nilai eigen dari matriks A yang urutannya adalah nilai-nilai eigen dari
matriks A yang urutannya sesuai urutan vektor-vektor kolom matriks P. Jika v1,v2,..,vk adalah
vektor-vektor eigen dari matriks A yang bersesuaian dengan nilai-nilai eigen λ1,λ2,...,λk yang
berbeda maka {v1,v2,..,vk } adalah himpunan yang bebas linear. Jika suatu matriks A
berukuran n x n mempunyai nilai-nilai eigen yang berbeda-beda. Maka A dapat
didiagonalisasi.
Matriks A yang berukuran n x n dikatakan dapat didiagonalisasi secara ortogonal jika
terdapat matriks P yang ortogonal, dan matriks P dikatakan mendiagonalisasi A secara
Ortogonal. Jika A adalah suatu matriks n xn, maka pernyataan berikut adalah ekuivalen :
a) A dapat didiagonalisasi secara ortogonal
b) A merupakan suatu himpunan n vektor eigen yang ortonormal
c) A adalah matriks Simetrik
Jika A adalah suatu matriks simetris, maka vektor-vektor eigen dari ruang eigen yang
berbeda akan ortogonal. Prosedur untuk mendiagonalisasi suatu matriks simetris secara
ortogonal adalah :
a) Carilah suatu basis untuk setiap ruang eigen dari matriks A;
b) Selanjutnya Terapkan proses Gram-Schmidt pada setiap basis-basis ini untuk
mendapatkan suatu basis ortonormal untuk setiap ruang eigen;
c) Kemudian bentuklah matriks P yang kolom-kolomnya adalah vektor-vektor basis
yang disusun pada tahap sebelumnya dan matriks inilah yang mendiagonalisasi A secara
ortogonal.
15
DAFTAR PUSTAKA
Anton Howard.(1987).Elementary Linear Algebra 5th Edition.New York:John Wiley & Sons
16