EIGEN &
VEKTOR
EIGEN
7.3 DIAGONALISASI
ORTOGONAL
o ASMAUN
o SYAHRIANI
o ALVIONITA SARI
Diagonalisasi Ortogonal
Teorema 7.3.1
Jika A adalah sebuah matriks n x n, maka pernyataan-pernyataan berikut
ini adalah equivalen.
a. A dapat didiagonalisasi secara orthogonal
b. A memiliki himpunan vector-vektor eigen yang ortonormal
c. A adalah simetrik
Bukti
(a)⇒(c). Dalam pembuktian (a)⇒(b) kita telah menunjukan bahwa sebuah matriks A,
n x n yang dapat didiagonalisasi secara ortogonal, dapat didiagonalisasi secara
ortogonal oleh matriks P, n x n yang kolom-kolomnya membentuk sebuah himpunan
ortonormal dari vektor-vektor eigen matriks A. Jika D adalah matriks diagonal
D=P−1 AP
Maka,
T
AT =( P D T PT ) =P D T PT =PD PT =A
2. Matriks Simetrik
Tujuan kita berikutnya adalah merancang sebuah prosedur untuk mendiagonalisasi
secara orthogonal sebuah matriks simetrik, namun sebelum kita dapat melakukan hal
ini, kita membutuhkan sebuah teorema yang sangat penting mengenai nilai eigen dan
vector eigen dari matriks simetrik.
Teorema 7.3.2
Jika A adalah sebuah matriks simetrik, maka:
a. Nilai eigen matriks A semuanya adalah bilangan real
b. Vector eigen yang berasal dari ruang eigen yang berbeda saling
orotgonal.
Bukti (b). Misalkan v1 dan v2 adalah vektor-vektor eigen yang terkait dengan dua
nilai eigen yang berbeda, yaitu λ1 dan λ2 dari matriks A. Kita hendak menunjukkan
bahwa v1 · v2 = 0. Pembuktian mengenai hal ini melibatkan suatu trik yang dimulai
dengan menyatakan Av1 · v2. Dari Rumus (8) Subbab 4.1 dan sifat simetrik dari A kita
memperoleh
T
A v 1 ∙ v 2=v1 ∙ A v 2=v 1 ∙ A v 2 (3)
Namun v1 adalah sebuah vektor eigen matriks A yang terkait dengan λ 1 dan v2 adalah
sebuah vektor eigen matriks A yang terkait dengan λ2 sehingga (3) menghasilkan
hubungan
λ 1 v1 ∙ v 2=v 1 ∙ λ2 v 2
Namun λ 1−λ2 ≠ 0, karena λ 1 dan λ 2 diasumsikan berbeda. Oleh karena itu, dari (4)
kita memperoleh v1 ∙ v 2=0
Pembenaran bagi prosedur ini, dapat diketahui dengan jelas: teorema 7.3.2
memastikan bahwa vector-vektor eigen dari ruang-ruang eigen yang berbeda saling
orthogonal, sedangkan penerapan proses Gram-Schmidt memastikan bahwa vector
eigen yang sama adalah ortonormal. Dengandemikian seluruh himpunan vector
eigen yang diperoleh melalui proseur ini adalah ortonormal.
CONTOH
[ ]
−2 0 −36
A= 0 −3 0
−36 0 −23
Penyelesaian:
[ ]
λ +2 0 36
det ( λI −A )=det 0 λ+ 3 0 =( λ+3 ) ( λ−25 ) ( λ+50 )
36 0 λ +23
Sehingga, nilai-nilai eigen dari A adalah λ=−3, λ=25 dan λ=−50. Melalui metode
pada Contoh 5 Subbab 7.1, dapat ditunjukan bahwa Vektor-vektor basis untuk ruang-
ruang eigen matriks A yang bersesuaian dengan λ1 = -3, λ2 = 25, λ3 = -50 berturut-
turut adalah
[] [ ] []
−4 3
0
3 4
u1 = 1 , u 2 = , danu 3=
0 0
0
1 1
Dengan menggunakan proses Gram-Schmidt terhadap {u1}, {u2}, dan {u3}, akan
menghasilkan vektor-vektor eigen matriks A yang ortonormal, yaitu:
[ ] []
−4 3
[]
0 3 5
v1 = 1 , v2 = 0 , dan v 3 = 0
0 3 3
5 5
Akhirnya dengan menempatkan v1, v2, dan v3 sebagai vektor-vektor kolom, maka kita
dapatkan matriks P yang mendiagonalisasi matriks A secara ortogonal, yaitu
[ ]
−4 3
0
5 5
P= 1 0 0
3 4
0
5 5
D=P−1 A P
[ ][ [ ]
0 1 0 −4 3
0
]
−4 3 −2 0 −36 5 5
0
¿ 5 5 0 −3 0 1 0 0
3 4 −36 0 −23 3 4
0 0
5 5 5 5
][ ]
−4 3
0
[
0 −3 0 5 5
¿ −20 0 15 1 0 0
−30 0 −50 3 4
0
5 5
[ ]
−3 0 0
¿ 0 25 0
0 0 −50
Unsur-unsur diagonal utama dari matriks diagonal D = P-1 A P adalah nilai-nilai eigen
matriks A (urutannya boleh saja berbeda-beda).