MATEMATIKA DASAR 2B

Submodul 5:6 - Pemetaan Linier, Nilai Eigen, dan

Vektor Eigen

Tim Matematika

TAHAP PERSIAPAN BERSAMA

INSTITUT TEKNOLOGI SUMATERA - LAMPUNG SELATAN
25 JANUARI 2020
 1
PENDAHULUAN

Banyak aplikasi dari aljabar linier yang melibatkan sistem yang terdiri dari 𝑛
persamaan linier dengan 𝑛 variabel yang dinyatakan dalam bentuk:
𝐴𝐱 = 𝜆𝐱
dengan 𝜆 adalah suatu skalar. Dalam hal ini, sistem persamaan linier
dinyatakan dalam bentuk perkalian matriks berukuran 𝑛 × 𝑛 dengan matriks
kolom berukuran 𝑛 × 1 (untuk selanjutnya disebut vektor berdimensi 𝑛 ).
Persamaan semacam ini biasanya muncul dalam studi mengenai vibrasi,
genetika, dinamika populasi, mekanika kuantum, dan ekonomi.

Pada modul ini, akan dipelajari penyelesaian dari sistem-sistem semacam itu
melalui pendekatan aljabar yang dikenal dengan istilah nilai eigen dan
vektor eigen. Namun demikian, pembahasan akan dibatasi pada vektor
berdimensi dua.

Tujuan Instruksional Khusus yang harus dicapai pada pembelajaran ini antara
lain:

Mahasiswa mengetahui representasi geometri

dari vektor

Mahasiswa mampu menjelaskan konsep

pemetaan linier beserta sifat-sifatnya

Mahasiswa mampu menentukan nilai eigen

dan vektor eigen dari suatu matriks
 2
MATERI PERKULIAHAN

Pada modul ini, pembahasan difokuskan pada pemetaan linier, nilai eigen,
dan vektor eigen. Namun demikian, sebelum membahas hal tersebut,
diperlukan pengetahuan mengenai vektor yang akan digunakan dalam
pembahasan materi utama modul ini.

5.1. Vektor
Vektor adalah suatu kuantitas fisik yang memiliki besar dan arah. Suatu vektor
dapat dinyatakan secara geometri sebagai ruas garis berarah atau anak
panah pada ruang berdimensi dua atau ruang berdimensi tiga. Arah anak
panah menunjukkan arah vektor, sedangkan panjang anak panah
menyatakan besarannya. Pangkal anak panah disebut sebagai titik awal
dan ujung anak panah disebut sebagai titik akhir dari vektor. Suatu vektor
dinotasikan dengan huruf kecil tebal (misalnya 𝐚, 𝐱, 𝐯) atau huruf kecil yang
diberi tanda panah di bagian atasnya (misalnya 𝑎⃗, 𝑥⃗, 𝑣⃗).

Contoh 5.1:
3
Vektor 𝐱 = [ ] dapat digambarkan pada sistem koordinat Cartesius
4
berdimensi dua (bidang-𝑥1 𝑥2 ) sebagai ruas garis berarah dengan titik
awal (0, 0) dan titik akhir (3, 4). Hal ini dapat dilihat pada Gambar 5.1
berikut.

𝑥2
(𝑥1 , 𝑥2 ) = (3,4)

𝑟 sin 𝛼
𝛼
𝑟 cos 𝛼 𝑥1

Gambar 5.1
 3
Jika titik awal suatu vektor tidak berada di (0, 0), maka identifikasi suatu vektor
dilakukan dengan menggeser titik awal vektor tersebut ke (0, 0). Misalkan 𝐱
adalah suatu vektor dengan titik awal (𝑎1 , 𝑎2 ) dan titik akhir (𝑏1 , 𝑏2 ), maka
𝑏1 − 𝑎1
vektor 𝐱 dinyatakan sebagai 𝐱 = [ ].
𝑏2 − 𝑏2

Contoh 5.2:
Vektor 𝐱 dengan titik awal (−1, 2) dan titik akhir (1, 3) dinyatakan sebagai
1 − (−1) 2
𝐱=[ ] = [ ]. Hal ini dapat dilihat pada Gambar 5.2 berikut.
3−2 1

𝑥2

(1, 3)
(−1, 2)
(2, 1)

𝑥1

Gambar 5.2

𝑥1
Misalkan 𝐱 adalah suatu vektor berdimensi dua dengan 𝐱 = [𝑥 ] untuk suatu
2

skalar 𝑥1 dan 𝑥2 . Panjang dari vektor 𝐱 , yang dinotasikan dengan ‖𝐱‖ ,

dinyatakan sebagai
‖𝐱‖ = √𝑥1 2 + 𝑥2 2
dan arah 𝛼 (dengan 0 ≤ 𝛼 ≤ 2𝜋) memenuhi
𝑥2
tan 𝛼 = .
𝑥1
Sudut 𝛼 selalu diukur berlawanan arah jarum jam dari sumbu-𝑥1 positif.

Contoh 5.3:
3
Vektor 𝐱 = [ ] memiliki panjang ‖𝐱‖ = √32 + 42 = √9 + 16 = 5. Sedangkan
4
−2
vektor 𝐲 = [ ] memiliki panjang ‖𝐲‖ = √(−2)2 + 62 = √4 + 36 = 2√10.
6
 4
Jika panjang dari vektor 𝐱 dinyatakan sebagai 𝑟 , yaitu 𝑟 = ‖𝐱‖ , dan 𝛼
menyatakan sudut antara vektor 𝐱 dengan sumbu- 𝑥1 positif, maka
berdasarkan Gambar 5.1 diketahui bahwa 𝑥1 = 𝑟 cos 𝛼 dan 𝑥2 = 𝑟 sin 𝛼 .
Dengan demikian, vektor 𝐱 dapat dinyatakan sebagai
𝑟 cos 𝛼
𝐱=[ ].
𝑟 sin 𝛼

Berdasarkan penjelasan di atas, dapat disimpulkan bahwa setiap vektor

dapat direpresentasikan pada bidang dalam dua cara berbeda, yaitu
sebagai (𝑥1 , 𝑥2 ) yang dikenal sebagai koordinat Cartesius dan sebagai (𝑟, 𝛼)
yang dikenal sebagai koordinat polar.

Contoh 5.4:
𝑥1
Jika panjang vektor 𝐱 = [𝑥 ] adalah 4 dan membentuk sudut 120°
2

dengan sumbu- 𝑥1 positif (diukur searah jarum jam). Tentukan

representasi vektor 𝐱 dalam koordinat Cartesius.

Jawab:
Sudut 120° dengan sumbu-𝑥1 positif yang diukur searah jarum jam setara
dengan sudut 360° − 120° = 240° (𝛼 = 240°) jika diukur berlawanan arah
jarum jam. Karena panjang vektor 𝐱 adalah 4 (𝑟 = 4), diperoleh
1
4 (− )
4 cos(240°) 2 ] = [ −2 ].
𝐱=[ ]=[
4 sin(240°) 1 −2√3
4 (− √3)
2
Dengan demikian, representasi vektor 𝐱 dalam koordinat Cartesius
−2
adalah 𝐱 = [ ].
−2√3

Operasi penjumlahan dan perkalian skalar pada vektor dijelaskan sebagai

berikut.
𝑥1 𝑦1
Misalkan 𝐱 = [𝑥 ] dan 𝐲 = [𝑦 ] adalah vektor dan 𝑎 suatu skalar. Maka
2 2
𝑥 +𝑦
𝐱 + 𝐲 = [𝑥1 + 𝑦1 ]
2 2
 5
dan
𝑎𝑥1
𝑎𝐱 = [𝑎𝑥 ].
2

Jika ‖𝐱‖ menyatakan panjang dari vektor 𝐱 , maka panjang dari 𝑎𝐱

dinyatakan sebagai nilai mutlak dari 𝑎 dikalikan dengan panjang dari vektor
𝐱, yaitu ‖𝑎𝐱‖ = |𝑎|‖𝐱‖.

Contoh 5.5:
3 −2 −3
Misalkan 𝐱 = [ ] , 𝐲 = [ ], dan 𝐳 = [ ] . Tentukan nilai dari −𝐱, 𝐱 + 𝐲, 3𝐳,
1 −1 2
dan ‖−2𝐲‖.

Jawab:
3 −3
−𝐱 = − [ ] = [ ]
1 −1
3 −2 1
𝐱+𝐲=[ ]+[ ]=[ ]
1 −1 0
−3 −9
3𝐳 = 3 [ ] = [ ]
2 6
‖−2𝐲‖ = |−2|‖𝐲‖ = 2√(−2)2 + (−1)2 = 2√5.

Secara umum, suatu vektor 𝐱 pada ruang riil berdimensi 𝑛, 𝐱 ∈ ℝ𝑛 , dinyatakan

sebagai:
𝑥1
𝑥2
𝐱 = [ ⋮ ].
𝑥𝑛
Informasi ini akan dimanfaatkan untuk pembahasan selanjutnya mengenai
pemetaan linier.

5.2. Pemetaan Linier

Ingat kembali pembahasan mengenai fungsi pada Matematika Dasar 1.
Fungsi adalah suatu aturan yang menghubungkan setiap unsur pada domain
dengan tepat satu unsur pada kodomain. Misalkan domain dari fungsi 𝑓
 6
adalah ruang riil berdimensi 𝑛 ( ℝ𝑛 ) dan kodomainnya adalah ruang riil
berdimensi 𝑚 (ℝ𝑚 ), yaitu
𝑓 ∶ ℝ𝑛 → ℝ𝑚
maka dikatakan bahwa fungsi 𝑓 memetakan ℝ𝑛 ke ℝ𝑚 .

Misalkan 𝑓 ∶ ℝ𝑛 → ℝ𝑚 adalah suatu pemetaan. Pemetaan 𝑓 dikatakan suatu

pemetaan linier jika untuk setiap 𝐱 dan 𝐲 di ℝ𝑛 dan untuk setiap skalar 𝑘
berlaku:
1. 𝑓(𝐱 + 𝐲) = 𝑓(𝐱) + 𝑓(𝐲), dan
2. 𝑓(𝑘𝐱) = 𝑘𝑓(𝐱).

Berdasarkan definisi di tersebut, dapat disimpulkan bahwa suatu pemetaan

dikatakan linier jika pemetaan 𝐱 + 𝐲 oleh 𝑓 sama dengan pemetaan 𝐱 oleh 𝑓
ditambahkan dengan pemetaan 𝐲 oleh 𝑓 dan pemetaan 𝑘𝐱 oleh 𝑓 sama
dengan 𝑘 dikalikan dengan pemetaan 𝐱 oleh 𝑓.

Namun demikian, pada modul ini pembahasan dibatasi pada pemetaan 𝑓 ∶

ℝ2 → ℝ2 . Berikut dikemukakan contoh pemetaan linier, khususnya yang
melibatkan perkalian matriks.

Perhatikan suatu pemetaan

𝑓 ∶ ℝ2 → ℝ2
yang didefinisikan sebagai 𝑓(𝐱) = 𝐴𝐱 dengan 𝐴 suatu matriks berukuran 2 × 2
dan 𝐱 suatu matriks kolom berukuran 2 × 1 (vektor pada ruang berdimensi
dua).

Berdasarkan sifat perkalian matriks, diperoleh bahwa untuk setiap 𝐱 dan 𝐲 di

ℝ2 dan untuk setiap skalar 𝜆 berlaku:
1. 𝑓(𝐱 + 𝐲) = 𝐴(𝐱 + 𝐲) = 𝐴𝐱 + 𝐴𝐲 = 𝑓(𝐱) + 𝑓(𝐲), dan
2. 𝑓(𝜆𝐱) = 𝐴(𝜆𝐱) = 𝜆(𝐴𝐱) = 𝜆𝑓(𝐱).
Dengan demikian, 𝑓 merupakan suatu pemetaan linier.
 7
Beberapa pemetaan khusus yang melibatkan matriks berukuran 2 × 2 adalah
rotasi (perputaran), refleksi (pencerminan), translasi (pergeseran), dan
dilatasi (perubahan ukuran). Namun demikian, pada modul ini pemetaan
yang dibahas difokuskan pada rotasi dan refleksi. Rotasi dan refleksi yang
dimaksud dilakukan pada bidang- 𝑥1 𝑥2 . Pemetaan tersebut dijelaskan
sebagai berikut.

1. Rotasi
Setiap vektor di bidang-𝑥1 𝑥2 dapat dirotasikan dengan sudut tertentu.
Hal ini dikemukakan sebagai berikut.

Matriks
cos 𝜃 − sin 𝜃
𝑅𝜃 = [ ]
sin 𝜃 cos 𝜃
merotasikan suatu vektor dengan sudut 𝜃.

Jika 𝜃 > 0 maka arah rotasi berlawanan arah jarum jam. Jika 𝜃 < 0
maka arah rotasi searah jarum jam dengan sudut |𝜃|.

Berdasarkan penjelasan sebelumnya, suatu vektor 𝐱 dapat dinyatakan

sebagai
𝑟 cos 𝛼
𝐱=[ ]
𝑟 sin 𝛼
dengan 𝑟 menyatakan panjang dari vektor 𝐱 dan 𝛼 menyatakan sudut
antara vektor 𝐱 dengan sumbu-𝑥1 positif.

Dengan mengalikan vektor ini pada matriks 𝑅𝜃 , diperoleh

cos 𝜃 − sin 𝜃 𝑟 cos 𝛼
𝑅𝜃 𝐱 = [ ][ ]
sin 𝜃 cos 𝜃 𝑟 sin 𝛼
𝑟(cos 𝜃 cos 𝛼 − sin 𝜃 sin 𝛼)
=[ ]
𝑟(sin 𝜃 cos 𝛼 − cos 𝜃 sin 𝛼)
𝑟 cos(𝜃 + 𝛼)
=[ ].
𝑟 sin(𝜃 + 𝛼)
 8
Persamaan terakhir diperoleh dengan memanfaatkan identitas
trigonometri (penjumlahan dua sudut):
cos(𝜃 + 𝛼) = cos 𝜃 cos 𝛼 − sin 𝜃 sin 𝛼
sin(𝜃 + 𝛼) = sin 𝜃 cos 𝛼 + cos 𝜃 sin 𝛼.

Dengan demikian, dihasilkan vektor baru 𝑅𝜃 𝐱 dengan panjang yang

sama, yaitu 𝑟, dan sudut antara vektor 𝑅𝜃 𝐱 dengan sumbu-𝑥1 positif
sebesar 𝜃 + 𝛼. Jika 𝜃 > 0, vektor 𝐱 dirotasikan berlawanan arah jarum
jam dengan sudut 𝜃. Hal ini dapat dilihat pada Gambar 5.3 berikut.

Gambar 5.3

2. Refleksi
Berikut dikemukakan beberapa refleksi yang dapat dilakukan pada
vektor di bidang-𝑥1 𝑥2 .
• Matriks refleksi terhadap sumbu- 𝑥1 dinyatakan sebagai 𝑀1 =
1 0
[ ].
0 −1
• Matriks refleksi terhadap sumbu- 𝑥2 dinyatakan sebagai 𝑀2 =
−1 0
[ ].
0 1
• Matriks refleksi terhadap garis 𝑥1 = 𝑥2 dinyatakan sebagai 𝑀3 =
0 1
[ ].
1 0

𝑥1
Sebagai contoh, mengalikan matriks 𝑀1 dengan vektor 𝐱 = [𝑥 ] berarti
2

melakukan refleksi vektor 𝐱 terhadap sumbu-𝑥1 . Diperoleh

1 0 𝑥1 𝑥1
𝑀1 𝐱 = [ ] [𝑥 ] = [−𝑥 ].
0 −1 2 2
 9
Dengan demikian, dihasilkan vektor baru 𝑀1 𝐱 sebagai hasil refleksi
vektor 𝐱 terhadap sumbu-𝑥1 . Hal ini dapat dilihat pada Gambar 5.4
berikut.

𝑥2
(𝑥1 , 𝑥2 )

𝑥1
𝑀1 𝐱

(𝑥1 , −𝑥2 )

Gambar 5.4

Dengan cara serupa, vektor hasil refleksi terhadap sumbu- 𝑥2 dan

terhadap garis 𝑥1 = 𝑥2 berturut turut dapat dilihat pada Gambar 5.5
dan Gambar 5.6 berikut.
𝑥2

(−𝑥1 , 𝑥2 ) (𝑥1 , 𝑥2 )

𝑀2 𝐱 𝐱

𝑥1

Gambar 5.5

𝑥2
(𝑥2 , 𝑥1 )

𝑀1 𝐱 (𝑥1 , 𝑥2 )
𝐱
𝑥1

Gambar 5.6
 10
Contoh 5.6:
1. Gunakan matriks rotasi untuk merotasikan vektor berikut sesuai sudut
yang diberikan.
1 𝜋
a. Vektor 𝐱 = [ ] berlawanan arah jarum jam dengan sudut 3 .
3
2 𝜋
b. Vektor 𝐲 = [ ] searah jarum jam dengan sudut 4 .
1
2
2. Gunakan matriks refleksi untuk merefleksikan vektor 𝐱 = [ ].
5
a. Terhadap sumbu-𝑥1 .
b. Terhadap sumbu-𝑥2 .
c. Terhadap garis 𝑥1 = 𝑥2 .
3. Misalkan
1 2
𝐱 = [ ], 𝐲 = [ ].
−1 1
Gunakan matriks refleksi untuk merefleksikan vektor 𝐱, 𝐲 dan 𝐱 + 𝐲
terhadap sumbu- 𝑥1 . Kemudian berikan kesimpulan tentang
hubungan antara ketiga vektor hasil refleksi yang diperoleh.

Jawab:
1. Proses rotasi vektor tersebut dijelaskan sebagai berikut.
𝜋
a. Matriks rotasi untuk sudut (berlawanan arah jarum jam) adalah
3

𝜋 𝜋 1 √3
cos ( ) − sin ( ) −
𝑅𝜋 = [ 3 3 2 2 .
𝜋 𝜋 ]= 1
3 sin ( ) cos ( ) √3
3 3 [2 2 ]
Sehingga vektor hasil rotasi memiliki koordinat
1 √3
−
𝑅𝜋 𝐱 = 2 2 [1] = 1 [1 − 3√3].
3 √3 1 3 2 √3 + 3
[2 2 ]

𝜋
b. Matriks rotasi untuk sudut (searah jarum jam) adalah
4

𝜋 𝜋 √2 √2
cos (− ) − sin (− )
𝑅−𝜋 =[ 4 4 2 2 .
𝜋 𝜋 ]=
4 sin (− ) cos (− ) √2 √2
4 4 −
[ 2 2]
 11
Sehingga vektor hasil rotasi memiliki koordinat
√2 √2
𝑅−𝜋 𝐲 = 2 2 [2] = 1 [ 3√2 ].
4 √2 √2 1 2 −√2
−
[ 2 2]

2. Proses refleksi vektor tersebut dijelaskan sebagai berikut.

1 0
a. Matriks refleksi terhadap sumbu-𝑥1 adalah 𝑀1 = [ ].
0 −1
Sehingga vektor hasil refleksi memiliki koordinat
1 0 2 2
𝑀1 𝐱 = [ ] [ ] = [ ].
0 −1 5 −5

−1 0
b. Matriks refleksi terhadap sumbu-𝑥2 adalah 𝑀2 = [ ].
0 1
Sehingga vektor hasil refleksi memiliki koordinat
−1 0 2 −2
𝑀2 𝐱 = [ ] [ ] = [ ].
0 1 5 5

0 1
c. Matriks refleksi terhadap garis 𝑥1 = 𝑥2 adalah 𝑀3 = [ ].
1 0
Sehingga vektor hasil refleksi memiliki koordinat
0 1 2 5
𝑀3 𝐱 = [ ] [ ] = [ ].
1 0 5 2

1 0
3. Matriks refleksi terhadap sumbu-𝑥1 adalah 𝑀1 = [ ].
0 −1
Sehingga vektor hasil refleksi memiliki koordinat
1 0 1 1
𝑀1 𝐱 = [ ] [ ] = [ ],
0 −1 −1 1
1 0 2 2
𝑀1 𝐲 = [ ] [ ] = [ ],
0 −1 1 −1
1 0 1 2 1 0 3 3
𝑀1 (𝐱 + 𝐲) = [ ] ([ ] + [ ]) = [ ] [ ] = [ ].
0 −1 −1 1 0 −1 0 0
Berdasarkan hasil tersebut, diperoleh
𝑀1 (𝐱 + 𝐲) = 𝑀1 𝐱 + 𝑀1 𝐲.
 12
5.3. Nilai Eigen dan Vektor Eigen
Telah dijelaskan bahwa suatu pemetaan 𝐱 → 𝐴𝐱 mendefinisikan suatu
pemetaan linier. Secara umum, perkalian vektor 𝐱 dengan matriks 𝐴
menghasilkan vektor baru dengan besaran dan arah yang berbeda. Dalam
kasus-kasus tertentu, 𝐴𝐱 dapat dinyatakan sebagai kelipatan skalar dari 𝐱,
yaitu 𝐴𝐱 = 𝜆𝐱, untuk suatu skalar 𝜆. Kondisi ini dijelaskan sebagai berikut.

Misalkan 𝐴 suatu matriks bujursangkar. Suatu vektor tak-nol 𝐱 disebut sebagai

vektor eigen dari 𝐴 jika 𝐴𝐱 merupakan suatu kelipatan skalar dari 𝐱, yaitu
𝐴𝐱 = 𝜆𝐱
untuk suatu skalar 𝜆. Skalar 𝜆 disebut sebagai nilai eigen dari 𝐴 dan 𝐱 disebut
sebagai vektor eigen yang terkait dengan 𝜆.

Ingat bahwa 𝐱 haruslah berupa vektor tak-nol, sedangkan 𝜆 dapat bernilai

nol. Pengaruh nilai 𝜆 terhadap vektor 𝐱 dapat dilihat pada Gambar 5.7
berikut.

Gambar 5.7

Contoh 5.7:
1
Vektor 𝐱 = [ ] merupakan suatu vektor eigen dari
2
3 0
𝐴=[ ]
8 −1
yang terkait dengan nilai eigen 𝜆 = 3 karena
3 0 1 3
𝐴𝐱 = [ ] [ ] = [ ] = 3𝐱.
8 −1 2 6
 13
Selanjutnya akan dijelaskan mengenai prosedur umum untuk menentukan
nilai eigen dan vektor eigen dari suatu matriks bujursangkar.

Perhatikan bahwa persamaan 𝐴𝐱 = 𝜆𝐱 dapat dituliskan sebagai

𝐴𝐱 − 𝜆𝐱 = 𝟎.
Berdasarkan penjelasan pada modul sebelumnya tentang Sistem Persamaan
Linier, bentuk ini dapat dinyatakan sebagai
𝐴𝐱 − 𝜆𝐼𝐱 = 𝟎
sehingga
(𝐴 − 𝜆𝐼)𝐱 = 𝟎.
……………………………………(5.1)

Ingat kembali hubungan antara nilai determinan matriks koefisien dengan

solusi sistem persamaan linier pada modul sebelumnya tentang Sistem
Persamaan Linier. Karena vektor eigen haruslah berupa vektor tak-nol, yaitu
𝐱 ≠ 𝟎 , maka persamaan (5.1) memiliki solusi jika dan hanya jika 𝐴 − 𝜆𝐼
merupakan matriks yang tidak invertible (singular), yaitu
det(𝐴 − 𝜆𝐼) = 0.
……………………………………(5.2)

Persamaan (5.2) disebut sebagai persamaan karakteristik dari 𝐴. Dengan

menyelesaikan persamaan tersebut, akan diperoleh nilai 𝜆 sebagai solusi dari
persamaan karakteristik. Selanjutnya, masing-masing nilai 𝜆 dimanfaatkan
untuk menentukan vektor eigen yang terkait dengan nilai eigen 𝜆.

Contoh 5.8:
Tentukan semua nilai eigen dan vektor eigen dari
1 2
𝐴=[ ].
3 2

Jawab:
Persamaan karakteristik dari 𝐴 adalah
det(𝐴 − 𝜆𝐼) = 0.
 14
Karena
1 2 1 0 1 2 𝜆 0 1−𝜆 2
𝐴 − 𝜆𝐼 = [ ]−𝜆[ ]=[ ]−[ ]=[ ]
3 2 0 1 3 2 0 𝜆 3 2−𝜆
dan
det(𝐴 − 𝜆𝐼) = (1 − 𝜆)(2 − 𝜆) − (2)(3)
= 2 − 3𝜆 + λ2 − 6
= λ2 − 3𝜆 − 4
= (𝜆 + 1)(𝜆 − 4).

Persamaan det(𝐴 − 𝜆𝐼) = 0 menyebabkan

(𝜆 + 1)(𝜆 − 4) = 0
sehingga diperoleh 𝜆1 = −1 dan 𝜆2 = 4. Kedua nilai ini adalah nilai-nilai
eigen dari 𝐴.

Untuk memperoleh vektor eigen yang terkait dengan masing-masing

nilai eigen dari 𝐴, dilakukan prosedur umum dengan melihat persamaan
𝐴𝐱 = 𝜆𝐱 sebagai berikut.
𝑥1
• Untuk 𝜆1 = −1, akan ditentukan vektor 𝐱 = [𝑥 ] sehingga
2
𝑥1 𝑥1
𝐴 [𝑥 ] = (−1) [𝑥 ],
2 2

yaitu
1 2 𝑥1 𝑥1
[ ] [𝑥 ] = (−1) [𝑥 ].
3 2 2 2

Diperoleh sistem persamaan linier

𝑥1 + 2𝑥2 = −𝑥1
3𝑥1 + 2𝑥2 = −𝑥2
yang dapat disederhanakan menjadi
2𝑥1 + 2𝑥2 = 0
3𝑥1 + 3𝑥2 = 0
……………………………………(5.3)
 15
Dengan menyelesaikan sistem (5.3) diperoleh bahwa sistem tersebut
memiliki tak-terhingga banyaknya solusi, yaitu
{(𝑥1 , 𝑥2 ) | 𝑥1 = −𝑡, 𝑥2 = 𝑡 untuk suatu 𝑡 ∈ ℝ ∖ {0}}.
Dalam notasi vektor, solusi ini dapat dinyatakan sebagai kelipatan dari
−1
vektor [ ], yaitu
1
−1
{𝑡 [ ] | 𝑡 ≠ 0}.
1

Dengan demikian, terdapat tak-terhingga banyaknya vektor eigen dari

−1
𝐴 yang terkait dengan nilai eigen 𝜆1 = −1. Sebagai contoh, [ ] dan
1
3
[ ] adalah vektor-vektor eigen dari 𝐴 yang terkait dengan nilai eigen
−3
𝜆1 = −1.

𝑦1
• Untuk 𝜆2 = 4, akan ditentukan vektor 𝐲 = [𝑦 ] sehingga
2
𝑦1 𝑦1
𝐴 [𝑦 ] = 4 [𝑦 ],
2 2

yaitu
1 2 𝑦1 𝑦1
[ ] [𝑦 ] = 4 [𝑦 ].
3 2 2 2

Diperoleh sistem persamaan linier

𝑦1 + 2𝑦2 = 4𝑦1
3𝑦1 + 2𝑦2 = 4𝑦2
yang dapat disederhanakan menjadi
−3𝑦1 + 2𝑦2 = 0
3𝑦1 − 2𝑦2 = 0
……………………………………(6.4)

Dengan menyelesaikan sistem (5.4) diperoleh bahwa sistem tersebut

memiliki tak-terhingga banyaknya solusi, yaitu
2
{(𝑦1 , 𝑦2 ) | 𝑦1 = 𝑡, 𝑦 = 𝑡 untuk suatu 𝑡 ∈ ℝ ∖ {0}}.
3 2
 16
Dalam notasi vektor, solusi ini dapat dinyatakan sebagai kelipatan dari
2
vektor [ ], yaitu
3
2
{𝑡 [ ] | 𝑡 ≠ 0}.
3

Dengan demikian, terdapat tak-terhingga banyaknya vektor eigen dari

2 −4
𝐴 yang terkait dengan nilai eigen 𝜆2 = 4. Sebagai contoh, [ ] dan [ ]
3 −6
adalah vektor-vektor eigen dari 𝐴 yang terkait dengan nilai eigen 𝜆2 =
4.

Lebih jauh, vektor-vektor eigen dari 𝐴 yang terkait dengan nilai eigen
𝜆1 = −1 dan 𝜆2 = 4 dapat dilihat pada Gambar 5.8 berikut.

Gambar 5.8
 17
RANGKUMAN

1. Setiap vektor dapat direpresentasikan pada bidang dalam dua cara

berbeda, yaitu sebagai (𝑥1 , 𝑥2 ) yang dikenal sebagai koordinat Cartesius
dan sebagai (𝑟, 𝛼) yang dikenal sebagai koordinat polar.
2. Suatu pemetaan dikatakan linier jika pemetaan 𝐱 + 𝐲 oleh 𝑓 sama dengan
pemetaan 𝐱 oleh 𝑓 ditambahkan dengan pemetaan 𝐲 oleh 𝑓 dan
pemetaan 𝑘𝐱 oleh 𝑓 sama dengan 𝑘 dikalikan dengan pemetaan 𝐱 oleh
𝑓.
3. Misalkan 𝐴 suatu matriks bujursangkar. Suatu vektor tak-nol x disebut
sebagai vektor eigen dari 𝐴 jika 𝐴x merupakan suatu kelipatan skalar dari
x, yaitu
𝐴x = 𝜆x
untuk suatu skalar 𝜆 . Skalar 𝜆 disebut sebagai nilai eigen dari 𝐴 dan x
disebut sebagai vektor eigen yang terkait dengan 𝜆.
 18
SOAL LATIHAN

1. Misalkan
2 1 𝑥1 𝑦1
𝐴=[ ], 𝐱 = [𝑥 ] , 𝐲 = [𝑦 ].
3 4 2 2

a. Tunjukkan bahwa 𝐴(𝐱 + 𝐲) = 𝐴𝐱 + 𝐴𝐲.

b. Tunjukkan bahwa 𝐴(𝜆𝐱) = 𝜆(𝐴𝐱).

𝑥1
Untuk soal 2-4, representasikan setiap vektor 𝐱 = [𝑥 ] yang diberikan pada
2

bidang-𝑥1 𝑥2 . Kemudian tentukan panjang vektor serta sudut antara vektor

dengan sumbu-𝑥1 positif (jika diukur berlawanan arah jarum jam).
2
2. 𝐱 = [ ].
2
0
3. 𝐱 = [ ].
3

4. 𝐱 = [−√3].
1

Untuk soal 5-7, diberikan vektor dalam representasi koordinat polar dengan
panjang 𝑟 dan sudut antara vektor dengan sumbu- 𝑥1 positif adalah 𝛼 .
𝑥1
Tentukan representasi dari vektor 𝐱 = [𝑥 ] dalam koordinat Cartesius.
2

5. 𝑟 = 2, 𝛼 = 30° (jika diukur berlawanan arah jarum jam).

6. 𝑟 = 1, 𝛼 = 120°(jika diukur berlawanan arah jarum jam).
7. 𝑟 = 3, 𝛼 = 15°(jika diukur searah jarum jam).

Untuk soal 8-10, misalkan

3 −1 1
𝐮 = [ ], 𝐯=[ ], 𝐰 = [ ].
4 −2 −2
8. Tentukan nilai 𝐮 + 𝐯 dan gambarkan hasilnya dalam bentuk grafik.
9. Tentukan nilai 𝐰 − 𝐮 dan gambarkan hasilnya dalam bentuk grafik.
10. Tentukan nilai 𝐮 + 𝐯 + 𝐰 dan gambarkan hasilnya dalam bentuk grafik.
 19
Untuk soal 11-13, berikan interpretasi geometri dari pemetaan 𝐱 → 𝐴𝐱 untuk
masing-masing 𝐴 berikut.
1 0
11. 𝐴 = [ ].
0 1
0 −1
12. 𝐴 = [ ].
1 0
−1
13. 𝐴 = 2 [√3
1
].
1 √3

14. Gunakan matriks rotasi untuk merotasikan vektor berikut sesuai sudut yang
diberikan.
−1 𝜋
a. Vektor 𝐱 = [ ] berlawanan arah jarum jam dengan sudut 6 .
2
5 𝜋
b. Vektor 𝐲 = [ ] berlawanan arah jarum jam dengan sudut 12.
2
5 𝜋
c. Vektor 𝐳 = [ ] searah jarum jam dengan sudut 7 .
−3

−7
15. Gunakan matriks refleksi untuk merefleksikan vektor 𝐱 = [ ].
1
a. Terhadap sumbu-𝑥1 .
b. Terhadap sumbu-𝑥2 .
c. Terhadap garis 𝑥1 = 𝑥2 .

Untuk soal 16-19, tentukan semua nilai eigen dan vektor eigen dari matriks
yang diberikan.
2 3
16. 𝐴 = [ ].
0 −1
1 0
17. 𝐵 = [ ].
0 −1
−4 2
18. 𝐶 = [ ].
−3 1
2 1
19. 𝐷 = [ ].
2 3

𝑎 0
20. Tentukan semua nilai eigen dari matriks 𝐴 = [ ].
𝑐 𝑏
 20
DAFTAR PUSTAKA

Neuhauser, C. 2000. Calculus for Biology and Medicine, 3rd Edition. Pearson
Education,Inc.
Anton, H. and Rorres, C. 2010. Elementary Linear Algebra, 10th Ed. Wiley.