LECTURE NOTES

MATH6162 - Mathematics

Minggu 6

Nilai Eigen dan Vektor Eigen

MATH6162 – Mathematics
 LEARNING OUTCOMES
1. Peserta diharapkan mampu memahami konsep nilai eigen dan vektor eigen

2. Peserta diharapkan menguasai teknik penentuan nilai eigen dan vektor

OUTLINE MATERI :

1. Penentuan nilai eigen dan vektor eigen

2. Diagonalisasi

MATH6162 – Mathematics
 ISI MATERI
Nilai Eigen dan Vektor Eigen
1. Nilai Eigen

adalah vektor taknol sehingga Ax = λx dengan skalar λ.

Skalar λ disebut nilai eigen A yang bersesuaian dengan vektor eigen x.

nilai eigen dari A jika dan hanya jika memenuhi persamaan

det(λ I − A) = 0

dengan I adalah matriks identitas.

Persamaan 1 disebut persamaan karakterisktik.

Pada Persamaan 1, , determinan disingkat det. Selanjutnya

determinan suatu matriks dinotasikan dengan ||. Pada Contoh
berikut diberikan suatu matriks dan vektor eigennnya.
Contoh 1
3 0 1 1
Misalkan A= ( ) dan vektor 𝑥 = ( ) adalah
8 −1 2
vektor eigen dari A. Perhatikan perhitungan berikut :
3 0 1 3
( )( ) = ( )
8 −1 2 6
1
=3( )
2

Berdasarkan definisi, nilai eigen 𝜆 = 3 bersesuaian dengan

vektor
1
𝑥= ( )
2

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

Maka diperoleh nilai eigen 𝜆 = 1 dan 𝜆 = 2.

𝑪𝒐𝒏𝒕𝒐𝒉 𝟑. Tentukan nilai eigen dari matriks berikut :

𝟑 𝟎 −𝟏
B= ( 𝟐 𝟑 𝟏)
−𝟑 𝟒 𝟓
Penyelesaian

Langkah 1 : Tentukan Persamaan Karakteristik.

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))

= (𝜆 − 𝟑)( 𝜆2 - 8 𝜆 + 11)+ (17 - 3𝜆) = 𝜆3 − 11𝜆2 + 29𝜆 − 16 = 0

Langkah 1 : Tentukan Akar Persamaan Karakteristik.

𝜆3 − 11𝜆2 + 29𝜆 − 16 = 0

Selanjutnya ditentukan akar persamaan karakteristik dari persamaan tersebut.

Penentuan akar persamaan karakteristik untuk persamaan dengan pangkat
tertingginya lebih dari bisa menggunakan Metode Horner.

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.

Contoh : Tentukan vektor eigen dari matriks berikut

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

Maka vektor eigen yang bersesuaian dengan 𝜆 = 2 merupakan vektor taknol

sebagai berikut :
−𝑠 −𝑠 0 −1 0
𝑥 = ( 𝑡 ) = ( 0 ) + ( 𝑡 ) = 𝑠 ( 0 ) + 𝑡 (1 )
𝑠 𝑠 0 1 0
−1 0
Sehingga diperoleh ( 0 ) 𝑑𝑎𝑛 (1).
1 0
➢ Selanjutnya untuk 𝜆 = 1, persamaan 2 menjadi

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,

Sehingga diperoleh 𝑥1 = −2𝑠, 𝑥2 = 𝑠, 𝑥3 = 𝑠

Maka vektor eigen yang bersesuaian dengan 𝜆 = 1 merupakan vektor

taknol sebagai berikut :

−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