1

I. NILAI EIGEN DAN VEKTOR EIGEN

Pengertian
1. Misalkan T operator linier pada V, skalar α disebut nilai eigen dari T, jika
terdapat vektor tak nol x pada V sehingga berlaku:

T(x) = α x , selanjutnya x disebut vektor eigen dari T

2. Misalkan [T] = A, maka nilai eigen dari A adalah α dan vektor eigen dari
A adalah X sehingga berlaku:
AX = α X

3. Definisi : ( Definisi eigen value)

Jika A matriks berukuran nxn , bilangan real  dinamakan nilai eigen untuk A
Jika memenuhi A x = x , untuk suatu vektor tak nol X R dan X
n

dinamakan vektor eigen untuk A yang bersesuain dengan nilai eigen  .

Contoh:
1. I : R2 R2
I(x, y) = (x, y) nilai eigen = 1

vektor eigen = [ ]

2. O : R3 R3
(x, y, z) (0, 0, 0) nilai eigen = 0

vektor eigen = [ ]

3. A :[ ]

misalkan: nilai eigen: α ektor eigen: [ ] ≠ [ ]

berlaku:

[ ][ ] = α[ ]

AX=αX

[ ]=[ ]

(1 – α) x + 2y = 0
SPL Homogen …………………(*)
3x + (2 – α) y = 0
 2

[ ][ ] = [ ]

karena [ ] ≠ 0 berarti AX = 0

X≠0 |A| = 0
sehingga:

| | =0

( )( ) =0
=0
nilai eigen = 4 dan
a. Untuk α = 4 (*) diperoleh:
-3x + 2y = 0 3x – 2y = 0 𝑥
Jadi X1 = [𝑦] = [ ]
3x – 2y =0 3x = 2y

b. Untuk α = (*) diperoleh:

2x + 2y =0 x+y=0 𝑥
Jadi X2 = [𝑦] = [ ]
3x + 3y =0 x = -y

4. A =[ ] ; tentukan nilai eigen dan vektor eigen !

Penyelesaian:
misal AX= αX

[ ][ ] =α[ ]

( )
[ ]= [ ]  ( ) [ ] [ ]=[ ]
( )

dari matriks A di atas diperoleh det(A) = 0, sehingga:

| | =0

( )( )( ) =0
α = 1, α = 2, α = 3
nilai eigen: α1 = 1; α2 = 2; α3 = 3
 3

a. Untuk α = 1
0x =0 𝑥
[𝑦 ]
2y + 4z =0 Jadi X1 = [ ]
𝑧
2z =0

b. Untuk α = 2
=0 𝑥
0y + 4z = 0 [𝑦 ] jadi X2 = [ ]
𝑧
z =0

c. Untuk α = 3
-2x =0 𝑥
-y + 4z =0 [𝑦 ] jadi X3 = [ ]
𝑧
0z =0
{X1, X2, X3} merupakan basis.
Ruang vektor yang dibangun oleh basis di atas disebut ruang eigen.

A. Diagonalisasi
Definisi : ( Definisi eigen value)
Jika A matriks berukuran nxn, bilangan real  dinamakan nilai eigen untuk A
Jika memenuhi A x = x , untuk suatu vektor tak nol x R
n
dan x dinamakan
vektor eigen untuk A yang bersesuain dengan nilai eigen  .

Contoh:
1. Dari contoh 3 di atas dengan

A=[ ]

α1 = 4 diperoleh X1 = [ ] = [ ]

α2 = diperoleh X2 = [ ] = [ ]

P-1 A P = B
⁄ ⁄
P = [X1 : X2] = [ ] ; P-1 = [ ]=[ ]
⁄ ⁄
 4

⁄ ⁄
P-1A P =[ ][ ][ ]
⁄ ⁄

⁄ ⁄
=[ ][ ]=[ ]=B
⁄ ⁄

2. Dari contoh 4 dengan

A=[ ] [ ] , [ ];

[ ]

B=[ ] , P=[ ] dan P-1 = [ ]

P-1A P =[ ][ ][ ]

=[ ][ ]=[ ] = B.

 0 0  2
 
3. Jika A = 1 2 1 
1 0 3 
 

a. Carilah basis untuk ruang eigen matriks A .

ruang eigen = ruang vektor yang dibangun oleh vektor-vektor eigen.
b. Apakah A dapat didiagonalkan .
c. Hitung A13 .

Jawab a. :
Ax = x = Ix
Ax -Ix= 0
(A -  I ) x = 0
Diperoleh SPL homogen A’x = 0 dengan A’ = ( A -  I )
Ada 2 kemungkinan :
(i). Hanya mempunyai penyelesaian trivial x = 0 jika  A’  0 atau
 5

A -I   0
(ii). Mempunyai banyak penyelesaian jika  A’ = 0 atau A -  I = 0

  0 2 
 
A -  I=  1 2 1 
 1 3   
 0

 A -  I  = 0 maka (  - 1 ) (  - 2 ) (  - 2 ) = 0
(  - 1 ) (  - 2 ) (  - 2 ) = 0 (dinamakan persamaan
Karakteristik atau
polinomial karakteristik  )
Persamaan karakteristik dipenuhi oleh 1 = 1 dan 2 = 3 = 2 .
Untuk  = 2 = 3 = 2 diperoleh SPL Homogen,
  0 2   x
   
( A -  I ) x = 0 atau  1 2 1   y = 0
 1 3    z
 0  
dengan Augmented Matriks,

  0 2    2 0  2  0 0 0
     
 1 2 1  = 1 0 1  ∼ 1 0 1
 1 3     1 0 1   0 0 0
 0    

Jadi SPL mempunyai solusi

 x - s
   
HP = {  y   x = - z , y , z  R } = { t   s, t  R }
z  s
   

 - 1 0
   
= {s  0  + t  1   s , t  R }
1 0
   

Untuk  = 1 = 1 diperoleh SPL Homogen,

1 0 2   x
   
(A -I) x=0 atau  1 2 1 1   x = 0 dengan
1 3  1  x
 0  
Augmented Matriks,
  1 0  2 1 0 2  1 0 2  1 2 0 
       
 1 1 1  ∼ 1 1 1  ∼  0 1  1 ∼  0 1  1
1 0 2  1 0 2  0 0 0  0 0 0 
       
 6

Jadi SPL mempunyai solusi

 x - 2 s
   
HP = {  y   x = -2y , z = y , y R } = {  s   s  R }
z  s 
   

- 2
 
= {r  1   r R } .
1
 

Himpunan vektor-vektor eigen matriks A adalah

   1  0    2  
       
  0  , 1 ,  1   bebas linear .
  1   0  1  
       

   1  0    2  
       
Jadi   0  , 1 ,  1   adalah basis ruang eigen matriks A.
  1   0  1  
       

Jawab b. :
  1 0  2 1 0 2
Pilih P  
=  0 1 1  sehingga P -1 =  1 1 1 
 1 0 1   1 0  1

1 02 0 0  2    1 0  2   2 0 0
P 1AP =  1 1 1
 1 2 1   0 1 1  = 
    0 2 0

 1 0  1 1 0 3   1 0 1  0 0 1

Jadi P 1AP = D matriks diagonalkan .

Jadi A dapat didiagonalkan .

Jawab c. :
P 1AP = D

( P 1AP )( P 1AP ) = D D

P 1A2 P = D
2

( P 1AP ) P 1A2 P = D D
2

P 1A3 P = D
3

.
 7

.
.

 213 0 0
 
P 1A13 P = D
13
=  0 2 13
0
 0 0 1 


  1 0  2   213 0 0   1 0 2 
   
A13 = P D P 1 =
13  0 1 1   0 213
0   1 1 1 
 1 0 1   0 0 1    1 0  1
   

  8190 0  16382
13  
A =  8191 8192 8191 
 8191 16383 
 0

Definisi : ( Definisi matriks diagonalisable )

Matriks A berukuran nxn dikatakan diagonalizable jika ada matriks invertible P
sehingga P 1AP =D, dengan D matriks diagonal.
Dalam hal ini P mendiagonalkan A .

Teorema 7.2.1 hal. 395.

Jika A matriks berukuran nxn maka pernyataan berikut ekivalen
(a) A diagonalizable ( dapat didiagolkan ) .
(b) A mempunyai n vektor eigen linearly independent ( bebas linear ).