LN06 - Nilai Eigen Dan Vektor Eigen
LN06 - Nilai Eigen Dan Vektor Eigen
MATH6162 - Mathematics
Minggu 6
MATH6162 – Mathematics
LEARNING OUTCOMES
1. Peserta diharapkan mampu memahami konsep nilai eigen dan vektor eigen
OUTLINE MATERI :
MATH6162 – Mathematics
ISI MATERI
Nilai Eigen dan Vektor Eigen
1. Nilai Eigen
det(λ I − A) = 0
MATH6162 – Mathematics
Contoh 2 : Tentukan nilai eigen dari matriks berikut :
3 −2
A= ( )
1 0
Penyelesaian :
Langkah 1 : Tentukan Persamaan Karakteristik.
Berdasarkan definisi, det(𝜆 I - A) = 0
Perhatikan
1 0 3 −2
det(𝜆 I - A) = |𝜆 ( )−( ) |
0 1 1 0
𝜆−3 2
= |( ) |
−1 𝜆
= (𝜆 - 3) 𝜆 - 2(-1)
= 𝜆2 - 3 𝜆 + 2.
dengan det(𝜆 I - A) = 0, maka dinyatakan bahwa 𝜆 2 - 3 𝜆 + 2 = 0
Langkah 2 : Tentukan akar Persamaan Karakteristik.
Selanjutnya akan ditentukan solusi dari det(𝜆 I - A) = 0 yaitu
dengan
menentukan akar persamaan karakteristiknya.
𝜆2 - 3 𝜆 + 2. = 0
(𝜆 - 1)( 𝜆 - 2) = 0
𝟑 𝟎 −𝟏
B= ( 𝟐 𝟑 𝟏)
−𝟑 𝟒 𝟓
Penyelesaian
1 0 0 𝟑 𝟎 −𝟏
det(𝜆 I - B) = |𝜆 (0 1 0) − ( 𝟐 𝟑 𝟏 )|
0 0 1 −𝟑 𝟒 𝟓
MATH6162 – Mathematics
𝜆−𝟑 𝟎 𝟏
𝜆−𝟑 −1
=| −𝟐 𝜆 − 𝟑 −𝟏 | = (𝜆 − 𝟑)| |-
−4 𝜆−𝟓
𝟑 −𝟒 𝜆 − 𝟓
−𝟐 −1 −𝟐 𝜆 − 𝟑
0| |+| |
3 𝜆−𝟓 3 −𝟒
= (𝜆 − 𝟑)(( 𝜆2 - 8 𝜆 + 15)-4) + (8 - 3(𝜆 - 3))
7+√33 7−√33
Hasil perhitungan diperoleh bahwa nilai eigen 𝜆 = 4, 𝜆 = ,𝜆 =
2 2
2. Vektor Eigen
Definisi . Misalkan matriks A. Ruang eigen A yang bersesuaian dengan nilai eigen 𝜆
adalah ruang solusi dari sistem homogen (𝜆 I - A) x = 0. Vektor taknol pada ruang
eigen tersebut disebut vektor eigen.
𝟎 𝟎 −𝟐
A = (𝟏 𝟐 𝟏)
𝟏 𝟎 𝟑
Penyelesaian
Persamaan karakteristik dari matriks A yaitu 𝜆3 − 5𝜆2 + 8𝜆 − 4 = 0, faktorisasi
dari persamaan ini adalah (𝜆 − 𝟏) (𝜆 − 𝟐)=0. Sehingga diperoleh nilai eigen
berbeda 𝜆 = 1 dan 𝜆 = 2
𝑥1
𝑥 = (𝑥2 )
𝑥3
𝒙 merupakan vektor eigen yang bersesuaian dengan 𝜆 jika dan hanya jika 𝒙
merupakan solusi notrivial (𝜆 I - A) x = 0
MATH6162 – Mathematics
𝜆 𝟎 𝟐 𝑥1 0
(−𝟏 𝜆 − 𝟐 −𝟏 ) (𝑥2 ) = (0) ……(2)
−𝟏 𝟎 𝜆 − 𝟑 𝑥3 0
➢ untuk nilai 𝜆 = 2, persamaan (2) menjadi
2 𝟎 𝟐 𝑥1 0
(−𝟏 0 −𝟏 ) ( 𝑥2 ) = ( 0)…(3)
−𝟏 𝟎 −𝟏 𝑥3 0
3. Gunakan Metode Eliminasi Gauss-Jordan untuk menyelesaikan persamaan
Sehingga diperoleh 𝑥1 = −𝑠, 𝑥2 = 𝑡, 𝑥3 = 𝑠
1 𝟎 𝟐 𝑥1 0
(−𝟏 −1 −𝟏) (𝑥2 ) = (0)…(4)
−𝟏 𝟎 −𝟐 𝑥3 0
4. Gunakan Metode Eliminasi Gauss-Jordan untuk menyelesaikan persamaan 4,
−2𝑠 −2
𝑥 = ( 𝑠 ) = 𝑠( 1 )
𝑠 1
−2
sehingga ( 1 ) merupakan vektor eigen yang bersesuaian dengan 𝜆 = 1.
1
MATH6162 – Mathematics
5. Diagonalisasi Matriks
Teorema Matriks 𝐴 berukuran n×n dikatakan terdiagonalisasi jika dan hanya jika
matriks A mempunyai vektor eigen yang bebas linear sebanyak n. Matriks A
terdiagonalisasi dinyatakan dengan A = PDP-1 dengan matriks D adalah matriks diagonal
dengan semua entri diagonalnya adalah nilai eigen dari A dan matriks P adalah matriks
yang kolom matriksnya adalah vektor eigen yang bebas linear dari matriks A.
Catatan
Matriks diagonal, pada entri diagonalnya bisa berupa nol atau lainnya sedangkan
entri selain pada diagonal tersebut bernilai nol . Contoh
1 𝟎 𝟎
𝑫 = (𝟎 −1 𝟎 )
𝟎 𝟎 −𝟐
Setiap kolom matriks P memuat vektor eigen yang bebas linear. Matriks P-1
diperoleh dari invers matriks P
A = PDP-1 dapat dinyatakan pula D = P-1AP.
1 𝟑 𝟑
Misalkan 𝑨 = (−𝟑 −5 −𝟑)
𝟑 𝟑 𝟏
1. Tentukan nilai eigen dari matriks A
Nilai eigen dari matriks A yaitu 𝜆 = 1 dan 𝜆 = -2 sebanyak 2 atau dapat dikatakan
multiplitas 𝜆 = 1 adalah 1 dan multiplisitas dari 𝜆 =-2 adalah 2.
2. Tentukan tiga vektor eigen yang bebas linear. Vektor eigen bersesuaian dengan 𝜆 =
1
1 adalah 𝒗𝟏 (−1)
1
−1 −1
Vektor eigen bersesuaian dengan 𝜆 = -2 adalah 𝒗𝟐 ( 1 ) dan 𝒗𝟑 ( 0 )
0 1
MATH6162 – Mathematics
3. Konstruksi P dari vektor yang diperoleh pada langkah 2.
𝟏 −𝟏 −𝟏
(𝒗𝟏 𝒗𝟐 𝒗𝟑 ) = (−𝟏 𝟏 𝟎)
𝟏 𝟎 𝟏
4. Konstruksi D dari nilai eigen yang bersesuaian. urutan nilai eigen pada entri
diagonal disesuaikan dengan penempatan vektor eigennya.
𝟏 𝟎 𝟎
(𝟎 −𝟐 𝟎 )
𝟎 𝟎 −𝟐
Bisa kita cek bahwa matriks diagonalisasi D = P-1AP, dengan P-1 menotasikan
invers dari matriks P
MATH6162 – Mathematics
KESIMPULAN
1. Suatu vektor eigen dari matriks A berukuan n × n . Skalar λ disebut nilai eigen A
yang bersesuaian dengan vektor eigen x
2. Matriks 𝐴 berukuran n×n dikatakan terdiagonalisasi jika dan hanya jika matriks A
mempunyai vektor eigen yang bebas linear sebanyak n. Matriks A terdiagonalisasi
dinyatakan dengan A = PDP-1 dengan matriks D adalah matriks diagonal dengan
semua entri diagonalnya adalah nilai eigen dari A dan matriks P adalah matriks yang
kolom matriksnya adalah vektor eigen yang bebas linear dari matriks A.
MATH6162 – Mathematics
DAFTAR PUSTAKA
1. Anton, H. and Rorres, C., 2013. Elementary Linear Algebra, Applications Version.
John Wiley & Sons.
MATH6162 – Mathematics