55

BAB III
__________________________________________

NILAI EIGEN DAN VEKTOR EIGEN

Bab III membahas mengenai definisi nilai eigen dan vektor eigen, sifat-sifat
nilai eigen, cara menganalisis nilai eigen, sifat-sifat vektor eigen, cara menganalisis
vektor eigen, pendiagonalan matriks wakilan, vektor-vektor eigen operator komute,
reduksi persamaan deferensial terkopel terhadap masalah nilai eigen, Lembaran Kerja
Siswa (LKS), dan soal-soal yang berkaitan dengan kajian nilai eigen dan vektor eigen.
Setelah mempelajari bab ini, mahasiswa diharapkan memiliki kemampuan dasar
tentang operator linear yang sangat diperlukan sebagai prasyarat dalam memprogram
fisika kuantum. Kemampuan dasar tersebut adalah “menerapkan, menganalisis,
mensintesis, dan menilai konsep-konsep” nilai eigen dan vektor eigen secara konseptual
dan kontekstual. Konsep kontekstual dipergunakan mengkaji konsep-konsep fisika
kuantum yang terkait dengan persamaan Schrodinger bebas waktu.
Setelah mahasiswa mempelajari bab ini, mereka diharapkan memiliki
kompetensi sebagai berikut.

1. Menjelaskan definisi nilai eigen dari suatu operator.

2. Menjelaskan sifat-sifat nilai eigen dari suatu operator.
3. Menganalisis nilai eigen suatu operator.
4. Menjelaskan nilai eigen suatu operator.
5. Menjelaskan sifat-sifat penting dari vektor eigen dari suatu operator
6. Menganalisis vektor eigen dari suatu operator.
7. Melakukan pendiagonalan terhadap matriks wakilan dari suatu operator.
8. Mensitesis vektor-vektor eigen dari operator komute.
9. Melakukan reduksi persamaan defferensial terkopel terhadap masalah nilai eigen.

Bab III: Nilai eigen dan vektor eigen

 56

3.1 Definisi
Misalkan A = Aij adalah sebuah matriks wakilan berbentuk bujur sangkar

berordo N. Jika dilakukan perkalian antara matriks A dengan vektor kolom tak nol x ,
maka terpenuhi persamaan berikut.
 
Ax = x (3.1)
dengan  adalah skalar. Dengan perkataan lain, transformasi yang dilakukan oleh

matriks wakilan A hanyalah perkalian antara vektor x dengan skalar  . Terkait dengan

persamaan (3.1),  disebut nilai eigen dan x adalah vektor eigen dari operator ̂ .
Vektor eigen sebuah operator sering diistilahkan sebagai fungsi eigen. Secara
keseluruhan, persamaan (3.1) disebut persamaan nilai eigen. Persamaan nilai eigen
sering dijumpai dalam fisika kuantum.

3.2 Cara Menentukan Nilai Eigen


Berdasarkan persamaan (3.1), jika vektor kolom x dinotasikan sebagai
{x1 , x 2 ,.... x N } , maka secara eksplisit persamaan tersebut dapat dituliskan sebagai

berikut.

 A11 A12 ... A1N   x1   x1 

     
 A21 A22 ... A2 N   x2   x2 
 ... =  (3.2)
... ... ...   ...   ... 
     
A ... ANN  x  x 
 N1 AN 2  N  N
Dalam bentuk terpisahnya, persamaan (3.2) dapat ditulis dalam bentuk berikut.
( A11 −  ) x1 + A12 x 2 + .... + A1N x N = 0

A21 x1 + ( A22 −  ) x 2 + .... + A2 N x N = 0

……………………………………… (3.3)
………………………………………
AN 1 x1 + A2 N x 2 + .... + ( ANN −  ) x N = 0

Bab III: Nilai eigen dan vektor eigen

 57

Dalam bentuk persamaan matriks, persaan (3.3) dapat ditulis sebagai berikut.
N

(Aj
ij −  k  ij ) x kj = 0 (3.4a)

dan bentuk lainnya adalah sebagai berikut.

( A − k I ) xk = 0 (3.4b)

dengan I ij =  ij . Persamaan (3.3) atau persamaan (3.4) menyatakan N persamaan dalam

sistem persamaan linear dengan x merupakan peubah yang memiliki cacah sebanyak N
buah. Sistem persamaan linear dengan N peubah akan memiliki penyelesaian tak nol
jika dan hanya jika determinan matriks koefesien sama dengan nol. Jadi, terpenuhi
persamaan berikut.
Det( A − I ) = 0 (3.5a)

A11 −  A12 ... A1N

A21 A22 −  ... A2 N
= 0 (3.5b)
... ... ... ...
AN 1 AN 2 ... ANN − 

Persamaan (3.5) merupakan polinum berderajat N dalam  yang sering disebut

polinum karakteristik operator ̂ . Polinum karakteristik tersebut memenuhi persamaan
berikut.
D( ) = C 0  N + C1 N −1 + C 2  N − 2 + .... + C N −1 + C N (3.6)

Koefisien Ci pada persamaan (3.6) merupakan fungsi unsur Aij yang memenuhi
persaaman berikut.
C 0 = (−1) N (3.7a)

C1 = (−1) N −1 ( A11 + A22 + .... + ANN ) (3.7b)

….
….
C N = D(0) = Det ( A) (3.7c)

Berdasarkan persamaan (3.5), diperoleh pula bentuk lainnya sebagai berikut.

Bab III: Nilai eigen dan vektor eigen

 58

C 0  N + C1 N −1 + C 2  N − 2 + .... + C N −1 + C N (3.8)

Persamaan (3.5) dan persamaan (3.8) dikenal sebagai persamaan karakteristik operator
̂ . Berdasarkan teori polinum, setiap polinum berderajat N secara eksak memiliki
akar-akar sebanyak N buah. Untuk persamaan (3.8), 1 ,  2 , ….,  N adalah akar-akar

polinum tersebut. Akar-akar tersebut adalah nilai-nilai  pada mana det( A − ) = 0 .
Dengan perkataan lain, setiap matriks wakilan bujur sangkar secara eksak memiliki nilai
eigen yang tidak lain adalah akar-akar persamaan karakteristik matriks wakilan tersebut.
Oleh sebab itu, polinum karakteristik dapat ditulis dalam bentuk sebagai berikut.
. C 0  N + C1 N −1 + .... + C N = (1 −  )(  2 −  )....(  N −  ) (3.9)

yang berarti pula bahwa akan berlaku persamaan berikut.

C1 = (−1) N −1 (1 +  2 + ....  N ) (3.10a)

C N = 1 2 ....  N (3.10b)

Pasangan nilai eigen suatu operator disebut spektrum nilai eigen. Konsep spektrum nilai
eigen sering dijumpai dalam fisika kuantum. Misalnya dalam sistem osilator harmonis
simetri yang memiliki persamaan nilai eigen H n = E n n dengan H adalah operator

hamiltonan,  n adalah vektor eigen, dan E n adalah spektrum tenaga osilator tersebut.

Sekarang kita bandingkan persamaan (3.7) dengan persaaan (3.10). Berdasarkan

persamaan (3.7b) dan persaan (3.10a) demikian pula persamaan (3.7c) dan persamaan
(3.10b), dapat disimpulkan sebagai berikut.
(1) Jumlah nilai eigen suatu matriks wakilan sama dengan jumlah unsur-unsur
dagonalnya, yang berarti pula sama dengan Trace matriks tersebut.
N


i =1
= A11 + A22 + .... + ANN = Tr ( A) (3.11)

(2) Perkalian nilai-nilai eigen suatu matriks wakian sama dengan determinannya.
N


i =1
i = Det ( A) (3.12)

Bab III: Nilai eigen dan vektor eigen

 59

Contoh 3.1
Diketahui sebuah matriks wakilan A yang memenuhi persamaan berikut.
1 1 0 
 
A =  2 2 − 2
0 1 1 
 
Untuk matriks tersebut, jawablah pertanyaan-pertanyaan berikut.
(a) Tentukan nilai eigen matriks wakilan tersebut!
(b) Apakah determinan matriks wakilan tersebut sama dengan perkalian semua nilai
eigennya? Buktikan!
(c) Apakah jumlah unsur-unsur diagonal matriks wakilan tersebut sama dengan jumlah
ketiga nilai eigennya?

Penyelesaian
1−  1 0
2− 2 1 0
(a) 2 2− − 2 = (1 −  ) − (2)
1 1−  1 1− 
0 1 1− 

= (1 −  ){(2 −  )(1 −  ) − 2} − (2){(1)(1 −  ) − 0}

= (1 −  )( − 2)( − 1)

Jadi diperoleh nilai-nilai eigen 1 = 1 , 2 = 2 , dan 3 = 1

1 1 0
2 −2 1 0
(b) 2 2 − 2 = 1 −2 = 4−2 = 2
1 1 1 1
0 1 1

Det ( A) = 2 = 1 2 3 = 1  2  1 = 2

Jadi determinan matriks wakilan tersebut sama dengan hasil kali ketiga nilai
eigennya.

Bab III: Nilai eigen dan vektor eigen

 60

(c) A11 + A22 + A33 = 1 + 2 + 1 = 4 = 1 +  2 + 3 = 1 + 2 + 1 = 4

Jadi jumlah unsur-unsur diagonal matriks wakilan tersebut sama dengan jumlah
ketiga nilai eigennya.

Contoh 3.2
Jika A adalah matriks wakilan operator ̂ yang bersifat nonsingular, buktikanlah
ˆ −1 adalah kebalikan (reciprocal) dari ̂ dan setiap vektor eigen
bahwa nilai eigen 
ˆ −1 !
̂ juga merupakan vektor eigen 

Pembuktian:

Misalkan  adalah sebuah nilai eigen ̂ yang bersesuaian dengan vektor eigen x ,
maka
 
̂x = x (3.13)
ˆ −1 , diperoleh sebagai
Dengan mengalikan persamaan (3.13) dari kiri dengan 
berikut.
ˆ x = 
ˆ −1 
 ˆ −1x (3.14a)
 ˆ −1 x
x =  (3.14b)
Oleh karena matriks A adalah nonsingular yang berarti bahwa determinannya tidak
nol dan pasti memiliki inversi, maka  tidak pernah bernilai nol. Dengan membagi
persamaan (3.14b) dengan  , maka diperoleh hasil berikut.

ˆ −1 x = 1 x
 (3.15)

yang merupakan hasil pembuktian contoh 3.2.

Bab III: Nilai eigen dan vektor eigen

 61

Contoh 3.3
Buktikan bahwa matriks wakilan yang bersifat unitari memiliki nilai eigen yang
besarnya adalah satu (unity)!

Pembuktian:
Misalkan U adalah matriks wakilan operator Uˆ yang bersifat unitari dan  adalah
nilai eigennya, maka berlaku persamaan berikut.
 
Uˆx = x (3.16)
Persamaan (3.16) memiliki konjugate hermit yang memiliki bentuk sebagai berikut.
 
x +Uˆ + =  x + (3.17)
Jika persamaan (3.16) dari kiri dikalikan dengan persamaan (3.17), maka diperoleh
persamaan berikut.
   
x +Uˆ +Uˆx =   x + x (3.18)
+
Oleh karena operator Uˆ bersifat unitari yang berarti bahwa U Û = ˆ , maka
berdasarkan persamaan (3.18) diperoleh hasil-hasil sebagai berikut.
   
x + x =  x + x (3.19a)
   
 x + x − x + x = 0 (3.19b)
 
(  − 1) x + x = 0 (3.19c)
 
(  − 1) x + x = 0
2
(3.19d)
 
Apabila diperhatian persamaan (3.19d), ternyata bentuk x + x = x adalah kuadrat
2


norma vektor eigen x , sehingga tidak perah memiliki nilai nol, kecuali kalau
 
x sendiri yang merupakan vektor nol. Jika x bukan vektor nol, maka berdasarkan
 
persamaan (3.19d), x + x tidak pernah bernilai nol. Oleh sebab itu, maka haruslah
terpenuhi hasil-hasil berikut.

 −1 = 0
2
(3.20)

Bab III: Nilai eigen dan vektor eigen

 62

yang berarti akan berlaku pula:

 =1
2
(3.21)

Menurut aturan aljabar, nilai eigen  adalah  1 , namun secara absolut, besarnya 
= 1 (unity).

3.3 Vektor Eigen dan Sifat-Sifatnya

Walaupun secara eksak dinyatakan bahwa setiap matriks wakilan bujur sangkar
ordo N selalu memiliki nilai eigen sebanyak N buah, namun bukan jaminan akan selalu
terdapat N buah vektor eigen yang saling bebas linear.
 
Apabila x adalah vektor eigen operator ̂ , maka semua hasil dari kelipatan x

juga merupakan vektor eigen operator ̂ dengan nilai eigen yang sama. Hal ini dapat
dibuktikan dengan cara mengalikan dari kiri persamaan (3.16) dengan suatu konstanta
searang C, sehingga diperoleh persamaan berikut.
 
C̂x = Cx (3.21)
Oleh karena setiap matriks wakilan akan komute terhadap suatu skalar, yang berarti
bahwa C ˆ =ˆ C , maka berdasarkan persaaan (3.21), diperoleh persaman berikut.
ˆ (Cx ) =  (Cx )
 (3.22)

Berdasarkan persamaan (3.22), tampak bahwa Cx juga merupakan sebuah vektor eigen

operator ̂ dengan nilai eigen yang sama, yaitu  . Tetapi, Cx bergantung linear

terhadap x dan jika dihitung semua vektor eigennya secara terpisah, maka diperoleh
vektor eigen yang jumlahnya tak terbatas. Hal ini disebabkan karena setiap konstanta
baru akan menghasilkan vektor eigen yang baru pula.
Nilai-nilai eigen sebuah matriks wakailan tidak selamanya berbeda. Jika
polinum karakteristik memiliki dua akar yang identik, maka terdapat sepasang nilai
eigen yang sama, demikian pula seterusnya. Jika sebuah operator memiliki k buah nilai

Bab III: Nilai eigen dan vektor eigen

 63

eigen yang sama, maka sebanyak-banyaknya terdapat k buah vektor eigen yang bebas
linear. Dalam hal ini, k disebut multiplisitas nilai eigen tersebut.
Jika  dipilih sebagai nilai-nilai eigen yang sama dari operator ̂ , misalkan
 i , dan matriks wakilan A yang memiliki sifat det(A-  i I) = 0 memiliki tataran

sebanyak s dengan s  n , maka dari sistem persamaan linear (Persamaan 3.3) hanya
ada s persamaan yang saling bebas linear dan sistem persamaan tersebut hanya memiliki
penyelesaian yang bebas linear sebanyak (n-s) buah.
Sekarang, andaikan sebuah nilai eigen  i memiliki multiplitas sebanyak k buah,

maka matriks ( A −   ) memiliki tataran s = n – k, sehingga sistem persamaan linear

(Persamaan 3.3) secara eksak memiliki k = n – s penyelesaian yang bebas linear. Jadi,
jika A adalah matriks wakilan yang dapat didiagonalisasi yang memiliki niai eigen
dengan multiplisitas sebanyak k, maka matriks tersebut akan memiliki k vektor eigen
yang saling bebas linear. Vektor-vektor eigen yang bebas linear yang memiliki nilai
eigen yang sama tersebut disebut vektor-vektor eigen yang merosot (degenarate).

Contoh 3.4
Tentukan nilai-nilai egien dan vektor-vektor eigen matriks wakilan berikut.
q p p
 
A=p q p (3.23)
p q 
 p

dengan p dan q adalah skalar-salar dan p  0 .

Penyelesaian:
Polinum karakteristik matriks wakilan A adalah sebagai berikut.
q− p p
A −  = p q− p = (q − p −  )[2 − (2 p + q) + (q 2 + qp − 2 p 2 )]
p p q−

Bab III: Nilai eigen dan vektor eigen

 64

= (q − p −  ) 2 (q + 2 p −  ) (3.24)
Berdasarkan polinum persamaan (3.24) diperoleh nilai-nilai eigen matriks wakilan A
sebagai berikut.
1 = q − p ,  2 = q − p , dan 3 = q + 2 p (3.25)

Tampak, bahwa nilai eigen q-p memiliki multiplisitas sebanyak dua buah dan nilai
eigen q+2p memiliki multiplisitas sebanyak satu buah.

Menentukan Vektor Eigen

Untuk 3 = q + 2 p

(  − 3 ) x = 0

− 2p p p  x1   0 
    
 p − 2p p  x 2  =  0  (3.26)
 p − 2 p  x3   0 
 p

Persamaan (3.26) dapat dibentuk dalam tiga buah persamaan linear. Persamaan-
persamaan linear tersebut adalah sebagai berikut.
− 2 px1 + px2 + px3 = 0

px1 − 2 px2 + px3 = 0 (3.27)

px1 + px2 − 2 px3 = 0

Matriks persamaan (3.26) memiliki tataran sebanyak 2 buah, sehingga hanya 2 buah
persamaan dari persamaan (3.27) yang bebas linear dan hanya satu persamaan yang
saling bergantung linear. Jika persamaan (3.27) dipecahkan, maka diperoleh hasil
berikut.
x3 = x 2 = x1 , x1 = sebarang (3.28)

Misalkan x1 = a , maka vektor eigen yang bersesuaian dengan nilai eigen

3 = q + 2 p adalah sebagai berikut.

x3 = {a a a} (3.29)

Bab III: Nilai eigen dan vektor eigen

 65

Tentu saja untuk a = 1 secara eksplisit diperoleh vektor eigen untuk nilai eigen
3 = q + 2 p adalah sebagai berikut.

x3 = {1 1 1} (3.30)

Jika persamaan (3.30) dinormalisasi, maka diperoleh hasil sebagai berikut.

 1
x3 = (1 1 1) (3.31)
3
Untuk 1 = 2 = q − p

[ − (q − p)]x = 0

p p p  x1   0 
    
p p p  x 2  =  0  (3.32)
p p  x3   0 
 p

Oleh karena multiplisitas q-p adalah 2, maka matriks persamaan (3.32) memiliki
tataran sebanyak 1 buah, sehingga hanya ada satu persamaan yang bebas linear,
sedangkan yang lainnya saling bergantung linear. Persamaan yang bebas linear adalah
sebagai berikut.
px1 + px2 + px3 = 0 (3.33)

Untuk nilai p  0 , maka penyelesaian persamaan (3.33) adalah sebagai berikut.

x3 = − x1 − x 2 , x1 dan x 2 adalah sebarang. (3.34)

Misalkan x1 = 1 dan x2 = 0 , maka x3 = −1 , sehingga diperoleh vektor eigen sebagai

berikut.

x1 = {1 0 -1} (3.35)
dan bentuk ternormalisasinya adalah sebagai berikut.
 1
x1 = (1 0 -1) (3.36)
2
Vektor eigen yang kedua dipilih x1 = 0 dan x 2 = 1 , sehingga diperoleh x3 = −1 .

Dengan demikian, diperoleh vektor eigen sebagai berikut.

Bab III: Nilai eigen dan vektor eigen

 66


x 2 = {0 1 -1} (3.7)
dan bentuk ternormalisasinya adalah sebagai berikut.
 1
x2 = (0 1 -1) (3.38)
2

Bab III: Nilai eigen dan vektor eigen

 67

Contoh 3.5
Buktikan bahwa semua nilai eigen operator hermitian adalah real dan semua vektor
eigen yang bersesuaian dengan nilai eigen yang berbeda adalah ortogonal.

Pembuktian:

Misalkan ̂ adalah operator hermitian dan x adalah vektor eigen dari operator ̂
dengan nilai eigen  , sehingga terpenuhi persamaan berikut.
 
̂x = x (3.39)
ˆ+ =
Oleh karena ̂ adalah operator hermitian yang berarti terpenuhi sifat  ˆ , maka
konjugate hermit persamaan (3.39) adalah sebagai berikut.
 ˆ 
x + = * x + (3.40)

Jika dari kiri persamaan (3.39) dikalikan dengan x + dan dari kanan persamaan (3.40)

dikalikan dengan x , maka diperoleh dua persamaan berikut.
 ˆ 
x + x = x + x (3.41)
 ˆ  
x + x = * x + x (3.42)
Jika persamaan (3.41) dikurangi persamaan (3.42), diperoleh hasil sebagai berikut.
 
( − * ) x + x = 0 (3.43)
 
Berdasarkan persamaan (3.43), tampak bahwa x + x tidak sama dengan nol. Oleh
sebab itu, haruslah ( − * ) = 0 , yang berarti pula bahwa  = * . Dengan demikian,
dapat disimpulkan bahwa  adalah real.

 
Sekarang misalkan x1 dan x 2 adalah dua vektor eigen dari operator ̂ yang secara

berturut-turut memiliki nilai-nilai eigen 1 dan  2 yang berbeda, sehingga diperoleh

hasil sebagai berikut.

Bab III: Nilai eigen dan vektor eigen

 68

ˆ x =  x
 (3.44)
1 1 1

ˆ x =  x
 3.45)
2 2 2

Persamaan (3.45) memiliki konjugate hermit sebagai berikut.

 ˆ 
x 2+  =  2 x 2+ (3.46)

Persamaan (3.46) masih berlaku mengingat operator ̂ bersifat hermitian dan nilai

eigen  2 adalah real. Jika dari kiri persamaan (3.44) dikalikan dengan x 2+ dan dari

kanan persamaan (3.46) dikalikan dengan x1 , diperoleh persamaan-persamaan
berikut.
 ˆ  
x 2+  x1 = 1 x 2+ x1 (3.47)
 ˆ  
x 2+  x1 =  2 x 2+ x1 (3.48)
Jika persamaan (3.47) dikurangi dengan persamaan (3.48), diperoleh persamaan
berikut.
(1 −  2 ) x 2+ x1 = 0 (3.49)
 
Oleh karena 1   2 , haruslah x 2+ x1 = 0 supaya terpenuhi persamaan (3.49), dan
 
berdasarkan hasil ini, dapat disimpulkan bahwa vektor-vektor eigen x1 dan x 2 adalah
saling ortogonal.

3.4 Pendiagonalan Matriks Wakilan

Misalkan A adalah matriks wakilan operator ̂ yang berbentuk bujur sangkar
berordo n dengan unsur-unsurnya aij dan memiliki n vektor eigen yang bebas linear.

Jika x1 adalah vektor eigen operator ̂ dan  i adalah nilai-nilai eigennya yang

bersesuaian, maka terpenuhi persamaan berikut.

 
̂xi = i xi (3.50)
 
Vektor eigen x i dapat dinyatakan dengan vektor kolom xi = {x1i , x 2i ,.... x ni } dan

persamaan nilai eigennya dapat ditulis dalam bentuk berikut.

Bab III: Nilai eigen dan vektor eigen

 69

 a11 a12 .... a1n  x1i   x1i 

    
 a 21 a 22 .... a 2 n  x2i  x 
 .... ....   = i  2 i  (3.51)
.... .... .... ....
    
a .... a nn  xni  x 
 n1 a n 2  ni 
Secara eksplisit persamaan ke-j dapat ditulis sebagai berikut.
n

a
k =1
ij x kj = i x ji (3.52)

Sekarang susunlah matriks P yang berordo n  n yang vektor-vektor kolomnya


adalah vektor-vektor x i . Dengan demikian, matriks P memenuhi persamaan berikut.

 x11 .... x1i .... x1n 

 
 x 21 .... x 2i .... x2n 
P = ( x1 x2 .... x n ) =  .... .... .... .... ....  (3.53a)
 
 .... .... .... .... .... 
x x nn 
 n1 .... x ni ....

( P ) ji = x ji (3.53b)

Persamaan (3.53) berlaku apabila vektor-vektor x i bebas linier dan matriks P bersifat

nonsingular. Sebuah matriks bersifat nonsingular apabila matriks tersebut memiliki

determinan, sehingga matriks itu akan memiliki inversi. Jadi matriks P memiliki P-1.
Sekarang kita nyatakan matriks P-1AP adalah diagonal yang memiliki unsur-unsur
diagonal. Unsur-unsur diagonal tersebut adalah nilai-nilai eigen operator ̂ .
Untuk lebih memperjelas bahwa P-1AP adalah matriks diagonal, kita notasikan
matriks diagonal tersebut dengan A yang memiliki unsur-unsur diagonal  i menurut

persamaan berikut.
 1 0 .... 0 
 
 0 2 .... 0 
A = (3.54)
.... .... .... .... 
 
0 0 .... i 


Kita dapat buktikan bahwa akan berlaku persamaan berikut.

Bab III: Nilai eigen dan vektor eigen

 70

Pˆ −1 
ˆ Pˆ = A (3.55)
Jika dari kiri persamaan (3.55) dikalikan dengan P̂ , diperoleh persamaan berikut.
ˆ Pˆ = Pˆ A
 (3.56)
Ambilah unsur ke-ji dari kiri persamaan (3.56), akan diperoleh persamaan berikut.
n n
(AP) ji =  (A) jk ( P) ki =  a jk xki = i x ji (3.57)
k =1 k =1

Unsur ke-ji dari persamaan (3.56) adalah sebagai berikut.

n n
(P A)ji =  ( P) jk ( A)ki =
k =1
x
k =1
jk i  ki = i x ji (3.58)

Persamaan (3.57) dan persamaan (3.58) adalah pembuktian persamaan (3.56) yang
sekaligus merupakan pembuktian untuk matriks diagonal P-1 A P . Proses-proses untuk
membuktikan matriks diagonal P-1 A P disebut pendiagonalan matriks.

Contoh 3.6
Lakukanlah pendiagonalan terhadap matriks A yang memenuhi persamaan berikut.
q p p
 
A=p q p
p q 
 p

Penyelesaian:
Telah diperoleh sebelumnya bahwa nilai-nilai eigen operator ̂ adalah
1 = 2 = q − p dan 3 = q + 2 p . Vektor-vektor eigen yang bersesuaian dengan
 
nilai-nilai eigen tersebut adalah x1 = (1 0 − 1) , x2 = (0 1 − 1) , dan

x3 = (1 1 1) . Jika vektor-vektor eigen ini disusun sebagai kolom-kolom matriks,

maka diperoleh matriks P berordo tiga sebagai berikut.

1 0 1
 
P =  0 1 1 (3.59)
 − 1 − 1 1
 

Bab III: Nilai eigen dan vektor eigen

 71

Diterminan matriks P adalah 3 dan matriks adjoinnya adalah sebagai berikut.

 2 − 1 − 1
 
Adj P =  − 1 2 − 1 (3.60)
1 1 
 1

Matriks inversinya memenuhi persamaan berikut.

 2 − 1 − 1
1 
P −1 =  − 1 2 − 1 (3.61)
3
1 1 1 

Lakukan operasi perkalian antara matriks inversi P-1 dengan matriks A dan dengan
matriks P , sehingga diperoleh persamaan berikut.
 2 − 1 − 1 q p p  1 0 1
1    
P −1 AP =  − 1 2 − 1 p q p  0 1 1
3
1 1 1  p p q  − 1 − 1 1

q − p 0 0 
 
= 0 q− p 0  (3.62)
 0 q + 2 p 
 0

Persamaan (3.62) merupakan hasil pendiagonalan matriks A yang unsur-unsur

diagonalnya adalah nilai-nilai eigen operator A. Dapat disimpulkan bahwa: “jika
sebuah matriks berordo n memiliki n vektor yang saling bebas linear, maka
padanya dapat dilakukan pendiagonalan dengan unsur-unsur diagonalnya adalah
nilai-nilai eigen matriks tersebut.

Perlu diperhatikan bahwa berdasarkan hasil pembahasan pada Contoh 3.6

ternyata matriks P yang dapat mendiagonalisasi matriks A tidak bersifat tungal
  
(unique). Hal ini karena kita dapat menyusun vektor-vektor eigen x1 , x 2 , dan x 3 dalam

membentuk matriks P dapat dilakukan dengan beberapa cara. Cara yang ditetapkan
tersebut tergantung kepada cara kita menetapkan urutan-urutan 1 ,  2 , dan  3 . Pada

Bab III: Nilai eigen dan vektor eigen

 72

contoh tersebut, jika 1 = q + 2 p dan  2 = 3 = q − p , maka diperoleh matriks P

sebagai berikut.
1 1 0
 
P = 1 0 1  (3.63)
1 − 1 − 1
 
  
Atau cara penyusunan yang lainnya, misalnya P = x3 x1 x 2  . Berdasarkan salah

satu cara tersebut, maka diperoleh hasil pendiagonalan sebagai berikut.

q + 2p 0 0 
−1
 
P AP =  0 q− p 0  (3.64)
 0 q − p 
 0

Dapat disimpulkan bahwa: “Dalam proses pendiagonalan P −1AP = A, orde nilai-nilai

eigen dalam A hendaknya bersesuaian dengan orde vektor-vektor eigen operator ̂ di
dalam penyusunan matriks P.

3.5 Vektor-Vektor Eigen Operator Komute

Sekarang kita akan membuktikan suatu teori yang sangat esensial dalam aljabar
matriks dan dalam mekanika kuantum. Teori tersebut adalah sebagai berikut.
Ada peluang untuk menemukan pasangan bersama vektor eigen untuk dua
operator yang saling komute
Untuk membuktikan teori tersebut, kita misalkan matriks-matriks A dan B adalah dua
buah matriks wakilan bujur sangkar masing-masing berordo n dan satu dengan yang
lainnya adalah saling komute, sehingga terpenuhi persamaan berikut.
AB − BA = [ A, B] = 0 (3.65)
Sebagai langkah pertama yang kita lakukan, kita misalkan bahwa  adalah nilai eigen

operator ̂ dengan multiplisitas = 1 yang bersesuaian dengan vektor eigen x . Untuk
operator tersebut, persamaan nilai eigen yang dipenuhi adalah sebagai berikut.
 
̂x = x (3.66)

Bab III: Nilai eigen dan vektor eigen

 73

Selanjutnya kita lakukan operasi perkalian dari kiri pada kedua ruas persamaan (3.66)
dengan operator ̂ , maka dengan menggunakan persamaan (3.65), persamaan (3.66)
akan menjadi berikut.
ˆ
 ˆ x =  ˆ x ) =  (
ˆ ( ˆ x ) (3.67)

Berdasarkan persamaan (3.67) dan oleh karena operator ̂ adalah matriks wakilan
 
n  n dan x adalah vektor n 1 , maka ̂x merupakan vektor n 1 yang juga

merupakan vektor eigen operator ̂ . Nilai eigen operator ̂x sama dengan nilai eigen

operator ̂ yaitu  . Tetapi, x adalah vektor eigen operator ̂ yang tidak
mengalami degenerasi (merosot). Sebab itu, tentu akan ada vektor eigen yang lain yang

juga merupakan vektor eigen operator ̂ dengan nilai eigen  , dan x yang merupakan
vektor eigennya harus merupakan kelipatan yang memenuhi persamaan berikut.
 
̂ x = x (3.68)

dengan  adalah skalar. Berdasarkan persamaan (3.68), tampak bahwa vektor eigen x

juga merupakan vektor eigen operator ̂ dengan nilai eigennya adalah  . Jadi, dapat
disimpulkan bahwa “jika dua buah matriks wakilan bersifat saling komute, maka setiap
vektor eigen yang tidak merosot yang satu juga merupakan vektor eigen yang lain,
demikian sebaliknya”.
Selanjutnya, kita misalkan bahwa  adalah nilai eigen operator ̂ dengan

multiplisitas = k. Ini berarti bahwa operator ̂ memiliki vektor eigen yang bersifat
  
bebas linear sebanyak k, katakanlah x1 , x 2 , …., x k , masing-msing bersesuaian dengan

nilai eigen  , atau dapat ditulis dalam persamaan berikut.

 
̂xi = xi , 1  i  k (3.69)

Jika persamaan (3.69) dari kiri dikalikan dengan operator ̂ , diperoleh persamaan
berikut.
 ˆ x ) =  ( Bx )
ˆ ( (3.70)
i i

Bab III: Nilai eigen dan vektor eigen

 74


yang menunjukkan bahwa ̂x juga merupakan sebuah vektor eigen dari operator ̂
dengan nilai eigen yang sama, yaitu  . Secara umum, kebanyakan vektor eigen

operator ̂ memiliki nilai eigen  yang harus merupakan kombinasi linear vektor-
  
vektor eigen yang merosot yaitu: x1 , x 2 , …., x k , sehingga terpenuhi persamaan

berikut.

ˆ xi =  cij x j , 1  i  k
k
 (3.71)
j =1

dengan c ij adalah koefisien-koefisien skalar tertentu. Definisikan matriks C  [c ij ]

berorde k dan misalkan matriks C dapat didiagonalisasi dalam bentuk berikut.

 u1 .... o 
 
Dˆ Cˆ Dˆ −1
=  .... .... .... = Qˆ (3.72a)
 0 .... u 
 k 

atau dalam bentuk persamaan berikut.

Dˆ Cˆ = Qˆ Dˆ (3.72b)

Berdasarkan persamaan (3.72), operator Q̂ dapat diwakili oleh matriks diagonal dengan

unsur-unsur diagonalnya adalah  i . Misalkan unsur ke-ij dari matriks wakilan D

adalah dij, kemudian dengan menyamakan unsur ke-ij pada kedua ruas persamaan
(3.72), akhirnya diperoleh persamaan berikut.
( DC ) ij = (QD ) ij (3.73a)

yang dapat pula dituliskan dalam bentuk persamaan berikut.

k k

 d il clj =   i il d lj =  i d ij
l =1 l =1
(3.73b)


Sekarang kita definisikan vektor y i yang memenuhi persamaan berikut.

 k
y i =  d il xl , 1  i  k (3.74)
l =1


Persamaan (3.74) merupakan kombinasi linear dari vektor x i . Apabila matriks wakilan

D bersifat nonsingular, maka vektor y i yang memiliki jumlah sebanyak k akan

Bab III: Nilai eigen dan vektor eigen

 75


bersifat saling bebas linear satu dengan yang lainnya. Untuk vektor-vektor y i yang

merupakan kombinasi linear dari vektor-vektor eigen yang mengalami degenerasi, maka

masing-masing y i juga merupakan vektor-vektor eigen operator ̂ dengan nilai eigen

yang sama, yaitu  . Dengan bantuan persamaan-persamaan (3.71), (3.73), dan (3.74),

maka operasi ̂ pada y i menghasilkan persamaan berikut.

ˆ y i =  d il 
ˆ xl =
k k

l =1
d
l , j =1
il clj x j

k
=   i d ij x j =  i y j , 1  i  k (3.75)
j =1


Berdasarkan persamaan (3.75), tampak bahwa y i ( 1  i  k ) juga merupakan vektor

eigen dari operator ̂ dengan nilai eigen  i . Vektor-vektor eigen y i yang memiliki

jumlah sebanyak k buah merupakan vektor-vektor eigen operator ̂ dan operator ̂ .

Berdasarkan uraian tersebut, dapat disimpulkan bahwa: “Jika ̂ memiliki

vektor-vektor eigen x i yang mengalami degenerasi dengan derajat degenerasi adalah k,

maka akan ada peluang untuk memperoleh pasangan bersama kombinasi bebas linear
 
sebanyak k dari vektor-vektor eigen x i , dengan x i juga merupakan vektor-vektor

eigen dari operator ̂ ”.

Apabila proses-proses tersebut dilanjutkan untuk setiap nilai eigen operator ̂ ,
maka akan diperoleh peluang untuk mendapatkan pasangan bersama vektor eigen dua
matriks wakilan yang saling komute.
Secara umum, dapat ditarik suatu kesimpulan bahwa untuk matriks-matriks
wakilan yang saling komute, akan terdapat peluang untuk menemukan pasangan
bersama vektor-vektor eigen, atau semua matriks wakilan komute bersama dapat
didiagonalisasi secara serempak.

Contoh 3.7

Bab III: Nilai eigen dan vektor eigen

 76

Tentukan pasangan bersama vektor-vektor eigen dua buah matriks berikut.

 −1 6 2  10 6 − 2
   
A= 6 0 3, B =  6 9 3  (3.76)
   
 2 3 − 2  − 2 3 11 

Penyelesaian:
Secara mudah dapat diverifikasi bahwa matriks wakilan A dan B saling komute,
karena apabila dihitung akan diperoleh hasil berikut.
 − 6 9 6 15 2 
 
AB = BA =  9 6 9 9 3 (3.77)
 
15 2 9 3 − 21 
Nilai eigen matriks wakilan A adalah 3, -3, -3. Nilai eigen 3 memiliki
multiplisitas 1, sementara nilai eigen –3 memiliki multiplisitas 2. Vektor eigen yang
bersesuaian dengan nilai eigen 3 adalah

x1 = 2 3 1  
(3.78)

Untuk vektor eigen x1 yang tidak mengalami degenerasi, maka vektor eigen tersebut

juga merupakan vektor eigen operator ̂ . Hal ini dapat dibuktikan sebagai berikut.
 10 6 − 2  2  12 2   2
      
 6 9 3  3  = 12 3  = 12 3  (3.79)
      
− 2 3 11  1   12   1 
Berdasarkan persamaan (3.79), tampak bahwa salah satu nilai eigen operator ̂

adalah 12 yang bersesuaian dengan vektor eigen x1 .
Untuk nilai eigen yang degenerasi, yaitu –3, matriks wakilan A memiliki vektor
eigen sebagai berikut.


x = a b − ( 2 )a − ( 3)b  (3.80)

Berdasarkan persamaan (3.80), tampak bahwa terdapat konstanta sebarang sebanyak

dua buah. Dalam hal ini, kita dapat menganalisis dua vektor eigen yang bebas linear

Bab III: Nilai eigen dan vektor eigen

 77

yang juga merupakan vektor eigen operator ̂ . Kita akan mencoba mencari

konstanta-konstanta a dan b untuk x yang merupakan vektor eigen operator ̂
dengan cara berikut.
 10 6 − 2  a   12a + 2 6b 
   
ˆx = 6
 9 3  b = 6b  (3.81)
   
− 2 3 11  − 2a − 3b   − 12 2a − 10 3b 

Untuk x yang merupakan vektor eigen operator ̂ , kita temukan tiga buah
persamaan linear berikut.
12 a + 2 6b = a (3.82a)
6b = b (3.82b)

12 2a + 10 3b =  ( 2a + 3b) (3.82c)
Berdasarkan persamaan (3.82b), diperoleh  = 6 dan b = 0 . Untuk b = 0 , maka
persamaan (3.82a) dan (3.82c) akan terpenuhi jika  = 12 . Vektor eigen yang
bersesuaian dengan a = 1 adalah sebagai berikut.

x2 = 1 0 − 2   (3.83)
Misalkan ditetapkan  = 6 , maka persamaan (3.82a) dan (3.82c) akan terpenuhi

3a
apabila b = − . Pilih a = 2 , maka vektor eigen yang bersesuaian adalah sebagai
2
berikut.

x3 = 3 − 3 1  (3.84)
  
Tiga vektor eigen x1 , x 2 , dan x 3 yang diberikan oleh persamaan-persamaan (3.78),

(3.83) dan (3.84) adalah pasangan bersama vektor-vektor eigen matriks-matriks

wakilan A dan B. Nilai-nilai eigen matriks wakilan A adalah 3, -3, dan –3 dan

matriks wakilan B adalah 12, 12, dan 6. Perlu diingat bahwa, kombinasi linear x 2

dan x 3 akan merupakan vektor eigen operator ̂ , tetapi bukan vektor eigen dari

Bab III: Nilai eigen dan vektor eigen

 78

operator ̂ . Dengan cara yang sama akan ditemukan pula bahwa kombinasi linear
 
antara x1 dan x 2 akan merupakan vektor eigen matriks wakilan B, tetapi bukan
vektor eigen matriks wakilan A.

3.6 Reduksi Persamaan Defferensial Terkopel terhadap

Masalah Nilai Eigen
Dengan melakukan substitusi secara sederhana, maka sangatlah memungkinkan
untuk mereduksi sistem persamaan defferensial terkopel terhadap masalah nilai eigen,
sehingga kita dapat memecahkan persamaan tersebut secara lebih mudah dan lebih
akurat. Suatu penyelesaian akhir dapat ditemukan jika persamaan yang akan dipecahkan
dilengkapi dengan syarat batas. Sebagai ganti bangunan teori umum, dalam bagian ini
akan diilustrasikan masalah nilai eigen dengan mengambil dua contoh sederhana.

Contoh 3.8
Selesaikan persamaan defferensial terkopel berikut:


y 1 = −11 y1 − 10 y 2 + 5 y3

y 2 = 5 y1 + 4 y 2 − 5 y3 (3.85)

y 3 = −20 y1 − 20 y 2 + 4 y 3

dengan y i adalah funsi parameter t dan notasi dot (titik) di atasnya menyatakan

turunan pertamanya terhadap t. Untuk menyelesaikan persamaan defferensial

terkopel persamaan (3.85), diberikan syarat batas y1 (0) = 5 , y 2 (0) = −4 , dan
y 3 (0) = 4 .

Bab III: Nilai eigen dan vektor eigen

 79

Penyelesaian:

Definisikan vektor kolom y sebagai berikut.

y (t ) = y1 (t ) y 2 (t ) y 3 (t ) (3.86)

Selanjutnya, persamaan (3.85) dapat dituliskan dalam bentuk matriks seperti berikut.
dy ˆ 
= y (3.87a)
dt
dengan operator ̂ diwakili oleh matriks A yang memenuhi persamaan berikut.
 − 11 − 10 5 
 
A= 5 4 − 5 (3.87b)
 − 20 − 20 4 
 
  
Kita coba suatu penyelesaian y = x e t , dengan x adalah vektor kolom yang
 
memenuhi persamaan x = x1 x 2 x3  , x dan  tidak bergantung kepada t.

dy 
Selanjutnya = xet dan persamaan (3.87) menjadi berikut.
dt
 ˆ y = 
 x e t =  ˆ xe t , sehingga ̂x = x (3.88)

Persamaan (3.88) merupakan persamaan nilai eigen. Jadi nilai-nilai  yang mungkin

merupakan nilai-nilai eigen operator ̂ dan vektor-vektor eigen yang bersesuaian


akan memberikan penyelesaian y = xet . Dengan memecahkan matriks wakilan A

pada persamaan (3.87), diperoleh nilai-nilai eigen  = 4, -6, -1 dan vektor-vektor

eigennya berturut-turut memenuhi persamaan berikut.

x1 = 1 − 1 1

x2 = 0 1 2 (3.89)

x2 = 1 − 1 0

Berdasarkan persamaan (3.89), ditemukan penyelesaian paling umum untuk y
adalah sebagai berikut.
   
y i (t ) = ax1e 4t + bx 2 e −6t + cx3 e − t (3.90)

Bab III: Nilai eigen dan vektor eigen

 80

dengan

y1 (t ) = ae 4t + ce −t

y 2 (t ) = −ae 4t + be −6t − ce −t (3.91)

y 3 (t ) = ae 4t + 2be −6t

Persamaan (3.91) melibatkan tiga buah konstanta sebarang, karena terdapat tiga
persamaan defferensial berorde satu.
Sekarang kita akan mencari penyelesaian akhir persamaan (3.91) dengan bantuan
syarat batas yang telah diberikan, yaitu y1 (0) = 5 , y 2 (0) = −4 , dan y 3 (0) = 4 .

Dengan mensubstitusi syarat-syarat batas tersebut ke persamaan (3.91) dan untuk t =

0, maka diperoleh nilai-nilai konstanta sebagai berikut.
a + c = 5 , − a + b − c = −4 , dan a + 2b = 4 (3.92)
dan akhirnya diperoleh a = 2 , b = 1 , dan c = 3 . Dengan mensubstitusi nilai-nilai
konstanta tersebut ke persamaan (3.91), diperoleh persamaan-persamaan berikut.

y1 (t ) = 2e 4t + 3e − t

y 2 (t ) = −2e 4t + e −6t − 3e −t (3.93)

y 3 (t ) = 2e 4t + 2e −6t

Bab III: Nilai eigen dan vektor eigen