BAB III
__________________________________________
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.
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.
berikut.
……………………………………… (3.3)
………………………………………
AN 1 x1 + A2 N x 2 + .... + ( ANN − ) x N = 0
Dalam bentuk persamaan matriks, persaan (3.3) dapat ditulis sebagai berikut.
N
(Aj
ij − k ij ) x kj = 0 (3.4a)
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)
Koefisien Ci pada persamaan (3.6) merupakan fungsi unsur Aij yang memenuhi
persaaman berikut.
C 0 = (−1) N (3.7a)
….
….
C N = D(0) = Det ( A) (3.7c)
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)
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.
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)
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 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.
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 −1x (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.
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)
=1
2
(3.21)
Menurut aturan aljabar, nilai eigen adalah 1 , namun secara absolut, besarnya
= 1 (unity).
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.
Ĉx = Cx (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
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,
(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
= (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.
− 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
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)
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)
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)
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 .
x 2 = {0 1 -1} (3.7)
dan bentuk ternormalisasinya adalah sebagai berikut.
1
x2 = (0 1 -1) (3.38)
2
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
ˆ x = x
(3.44)
1 1 1
ˆ x = x
3.45)
2 2 2
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.
a
k =1
ij x kj = i x ji (3.52)
( P ) ji = x ji (3.53b)
Persamaan (3.53) berlaku apabila vektor-vektor x i bebas linier dan matriks P bersifat
persamaan berikut.
1 0 .... 0
0 2 .... 0
A = (3.54)
.... .... .... ....
0 0 .... i
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
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,
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
membentuk matriks P dapat dilakukan dengan beberapa cara. Cara yang ditetapkan
tersebut tergantung kepada cara kita menetapkan urutan-urutan 1 , 2 , dan 3 . Pada
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
Jika persamaan (3.69) dari kiri dikalikan dengan operator ̂ , diperoleh persamaan
berikut.
ˆ x ) = ( Bx )
ˆ ( (3.70)
i i
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 xi = cij x j , 1 i k
k
(3.71)
j =1
Berdasarkan persamaan (3.72), operator Q̂ dapat diwakili oleh matriks diagonal dengan
adalah dij, kemudian dengan menyamakan unsur ke-ij pada kedua ruas persamaan
(3.72), akhirnya diperoleh persamaan berikut.
( DC ) ij = (QD ) ij (3.73a)
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
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 xl =
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
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
Contoh 3.7
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)
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),
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.
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
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 = xet dan persamaan (3.87) menjadi berikut.
dt
ˆ y =
x e t = ˆ xe t , sehingga ̂x = x (3.88)
Persamaan (3.88) merupakan persamaan nilai eigen. Jadi nilai-nilai yang mungkin
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 .