Jika suatu matriks bujur sangkar A dikalikan terhadap suatu vektor kolom x yang tidak nol, sehingga

menyebabkan vektor kolom x memanjang/memedek sebesar  kali, maka vektor kolom x tersebut
dinamakan sebagai vektor eigen/karakteristik, dan  yang dihasilkan dinamakan sebagai nilai
eigen/karakteristik.
Perkalian tersebut secara matematis dituliskan :

Ax  x

Dapat ditulis : Ax  Ix

Bentuk implisitnya : Ix - Ax  0
Atau : (I - A)x  0
Ruas kanan nol disebut SPL homogen yang syarat penyelesaiannya adalah : det(I - A)  0.

Terdapat dua syarat yang harus dipenuhi, yaitu :

1. det (I - A)  0  berarti matriks (I - A) adalah matriks singular yang tidak memiliki invers.
2. x  0  berarti solusi tak nol

3 0  1
Misalkan matriks A    dikalikan terhadap vektor x    , maka ditulis :
8 - 1  2

3 0  1 3 1

Ax          3   3x
8 - 1 2 6  2
Nilai eigen-nya : λ = 3. Apa artinya ?
Artinya vektor X memanjang 3 kali lipat searah.
Kalau λ = -1 artinya vektor X panjangnya tetap tetapi berlawanan arah.

λ=-1
Contoh 1 :
3 0 
Diketahui matriks : A   
8 - 1
Tentukan :
a.Nilai eigen.
b.Vektor eigen dan basis ruang eigen.
(Basis suatu ruang vektor adalah vektor-vektor bebas linier yang membangun ruang vektor tersebut.
Misal : {(1, 0, 0), (0, 1, 0), (0,0, 1)} adalah basis standar dari R3).
Jawab:
1 0 3 0 
   -    0
 0 1   8 - 1 
 0  3 0 
  -    0
 0    8 - 1
 -3 0
 (  3)(  1)  2  2  3  0  Persamaan karakteristik dari A.
-8  1
a.Nilain eigen : 1  3 dan  2  1.
x 
b. Vektor eigen : x   1 
x2 
 3 - 3 0   x1   0  1
Untuk : 1  3  (I - A)x          - 8x 1  4 x 2  0  x 1  x 2
 - 8 3  1  x 2   0  2
1
Misal : x 2  t , maka x 1  t , sehingga :
2
 x 1   1 t   1 
Vektor eigen x     2  t 2
 x 2   t   1 
1
Jadi basis ruang eigen   2 
 
1

 -1- 3 0   x1   0 
Untuk :  2  1  (I - A)x          - 4x 1  0  x 1  0
 - 8 - 1  1  x 2   0 
 x  0 0
Vektor eigen x   1      t  
 x 2   t  1
0
Jadi basis ruang eigen   
1
Contoh 2 :
0 0 - 2 
Diketahui matriks : A  1 2 1  . Carilah nilai eigen dan basis ruang eigennya.
1 0 3 
Jawab :
1 0 0 0 0 - 2
 0 1 0 - 1 2 1   0
0 0 1 1 0 3 
 0 2
1   2 1  0
1 0  3
( )(  2)(  3)  0  0 (2)(  2)(1)  0  0  0
( 2  2 )(  3)  2  4  3  2 2  3 2  6  2  4
3  5 2  8  4  0 Misal :
3  42  3  0
1
1 -5 8 -4  (2  4  3)  0
1 -4 4  (  1)(  3)  0
1 -4 4 0
(  1)(  4  4)  (  1)(  2) 2
2

Nilai eigen : 1  1 ;  2   3  2.
1 0 2   x 1  0  x 1  2x 3  0  x 1  2x 3
     
Untuk : 1  1   1 1  2  1   x 2   0  - x 1  x 2  x 3  0  x 2  x 3
 1 0 1  3  x 3  0 - x 1  2x 3  0  x 1  2x 3
Misal : x 3  t
 x 1  - 2x 3   2 - 2 
Vektor eigen : x   x 2    x 3    1  t  basis ruang eigen - nya   1 
     
 x 3   x 3   1   1 

2 0 2   x 1  0  2x 1  2x 3  0  x 1   x 3
     
Untuk :  2  2   1 2  2  1   x 2   0  - x 1 - x 3  0  x 1   x 3
 1 0 2  3  x 3  0  x1  x 3  0  x1  x 3
Misal : x 3  s dan x 2  t, maka x 1  -s
 x 1    s    s  0   1 0
Vektor eigen : x   x 2    t    0    t   s  0   t 1
       
 x 3   s   s  0  1  0
- 1 0 
Jadi basis ruang eigen - nya :  0  dan 1
 
 1  0
DIAGONALISASI MATRIKS
Adalah mengubah suatu matriks menjadi matriks diagonal.
Suatu matriks bujur sangkar A dapat didiagonalisasi oleh matriks P yang memiliki invers dan ordonya
sama dengan matriks A untuk menghasilkan matriks diagonal D, jika dipenuhi syarat :
P-1AP = D

Tidak semua matriks A dapat didiagonalisasi.

Tidak semua matriks P dapat mendiagonalisasi.
Contoh 3 :
3 0
Diketahui matriks : A   
8 1
 1 0
Apakah matriks : P    dapat mendiagonalisasi matriks A ?
 2 1

Jawab :
1  1 0  1 0
P -1    
(1)(1)  (2)(0)  - 2 1   - 2 1 
 1 0 3 0  1 0  3  0 0  0  1 0  3 0
P -1 AP                bukan matriks diagonal
 - 2 1 8 1  2 1   6  8 0  1  2 1  4 1
Jadi matriks P tidak dapat mendiagonalisasi matriks A.

Contoh 4 :
 0 0 - 2
 
Diketahui matriks : A   1 2 1 
1 0 3 
 
 - 1 0 - 2
 
Apakah matriks : P   0 1 1  dapat mendiagonalisasi matriks A ?
1 0 1
 
Jawab :
Kolom matriks P merupakan basis ruang eigen dari matriks A (lihat contoh 2).
Kita cari invers matriks P terlebih dulu :
1 0  2 1 0 0  1 0  2 1 0 0  b b
  b b   b 2  2 b3
 0 1 1 0 1 0   3
1  0 1 1 0 1 0   1
3 
1 0 1 0 0 1  0 0  1 1 0 1 
  
  1 0 0 - 1 0 - 2  b ( 1)  1 0 0 1 2 
0
  b1 ( 1)  
 0 1 0 1 1 1   3
 0 1 0 1 1 
1
 0 0 1 1 0 1  0 0 1 - 1 0 - 1 
  
1 0 2
 
P  1 1 1 
-1

  1 0  1
 
 1 0 2  0 0 - 2 - 1 0 - 2
   
P AP   1 1 1   1
-1
2 1  0 1 1 
  1 0  1  1 0 3   1 0 1 
 
 2 0 4  -1 0 2
  
 2 2 2  0 1 1
 - 1 0 - 1  1 0 1 
 
 2 0 0
 
  0 2 0  matriks diagonal
0 0 1
 
Jadi matriks P dapat mendiagonalisasi matriks A

Contoh 5 :
 1 0 0
 
Tentukan, apakah matriks A  1 2 0 dapat didiagonalisasi ?
 
 3 5 2
Jawab :
 -1 0 0
det(I - a)  - 1  - 2 0  (  1)(  2)(  2)  1  1 ;  2  3  2
3 -5  -2
1  1 0 0   x 1  0 

Untuk 1  1    1 1  2 0   x 2   0  - x1  x 2  0  x1  x 2
 3  5 1  2  x 3  0 3x  5x  x  0  x   1 x
1 2 3 2 3
8
  x1   1/8 x 3   1 / 8 
Vektor eigennya : x   x 2   - 1/8 x 3    1 / 8 x 3
 x 3   x 3   1 

2  1 0 0   x 1  0  x1  0

Untuk 2  2    1 2  2     
0   x 2   0    x1  0
 3  5 2  2  x 3  0 3x1  5x 2  0  5x 2  3x1  x 2  0
 x 1   0  0 
Vektor eigennya : x   x 2    0   0 x 3
 x 3   x 3  1

Karena hanya memiliki dua vektor eigen yang bebas linier, sedangkan ordonya 3x3 maka matriks A
tersebut tidak dapat didiagonalisasi.

- 1 2 4 0 
0 3 1 7 
Contoh 6 : A   nilai eigen - nya : 1  1 ;  2  3 ; 3  5 ;  4  2
0 0 5 8 
 
0 0 0  2
Karena memiliki empat nilai eigen yg berbeda, sedangkan matriksnya berordo 4x4, maka matriks A
tersebut dapat didiagonalisasi.