RUANG EIGEN
vektor tak nol yang merupakan penyelesaian dari sistem (𝜆𝐼 − 𝐴)𝒙 = 𝟎.
Himpunan (ruang) penyelesaian sistem tersebut dinamakan ruang eigen
(eigen space) dari matriks 𝐴 yang berpadanan dengan nilai eigen 𝜆.
Pembahasan :
Dari pembahasan pada Contoh 2, diperoleh persamaan karakteristik
matriks 𝐴 adalah 𝑝(𝜆) = (𝜆 − 2)(𝜆 + 1) = 0, sehingga diperoleh nilai-nilai
Contoh 4
Tentukan basis untuk ruang-ruang eigen matriks
0 0 −2
𝐵 = [1 2 1 ].
1 0 3
Pembahasan :
Perhatikan bahwa persamaan karakteristik untuk matriks 𝐵 adalah
terdapat dua ruang eigen untuk 𝐵 . Perhatikan bahwa vektor tak nol 𝒙 =
𝑥1
[𝑥2 ] merupakan vektor eigen dari 𝐵 yang berpadanan dengan nilai eigen
𝑥3
𝜆 jika dan hanya jika 𝒙 merupakan penyelesaian tak trivial dari sistem
persamaan linier (𝜆𝐼 − 𝐵)𝒙 = 𝟎, yaitu merupakan penyelesaian dari
sistem persamaan linier :
𝜆 0 2 𝑥1 0
[−1 𝜆 − 2 𝑥
−1 ] [ 2 ] = [0] (4)
−1 0 𝜆 − 3 𝑥3 0
Untuk 𝜆 = 1, sistem persamaan (4) menjadi
1 0 2 𝑥1 0 1 0 2 𝑥1 0
[−1 1 − 2 −1 ] [𝑥2 ] = [0] ⇒ [−1 −1 −1] [𝑥2 ] = [0]
−1 0 1 − 3 𝑥3 0 −1 0 −2 𝑥3 0
𝑏2 + 𝑏1 1 0 2 𝑥1 0 1 2 0 𝑥1 0
⇒ [0 −1 1] [ 2 ] = [0] 𝑏1 − 2𝑏2
𝑥 𝑥
[0 −1 1] [ 2 ] = [0]
𝑏3 + 𝑏1 0 0 0 𝑥3 ⇒
0 0 0 0 𝑥3 0
𝑥1 + 2𝑥2 = 0
⇒ }
−𝑥2 + 𝑥3 = 0
Dari sistem persamaan terakhir dengan memberikan peubah 𝑥2 bernilai
𝑥2 = 𝑠.
Dengan demikian vektor eigen dari 𝐵 yang bersesuaian dengan nilai eigen
𝑥1 −2𝑠 −2
𝑥
𝜆 = 1 adalah 𝒙 = [ 2 ] = [ 𝑠 ] = 𝑠 [ 1 ], dengan 𝑠 bernilai sembarang
𝑥3 𝑠 1
dan tidak sama dengan nol.
−2
Dengan demikian karena vektor [ 1 ] bebas linier, maka vektor ini
1
membentuk basis untuk ruang eigen yang berpadanan dengan nilai eigen
𝜆 = 1, yaitu
−2
𝐸𝜆1 = {𝑠 [ 1 ] |𝑠 ∈ ℝ},
1
−2
dengan basisnya adalah ℬ = {[ 1 ]}.
1
Selanjutnya untuk 𝜆 = 2, sistem persamaan (4) menjadi
2 0 2 𝑥1 0 2 0 2 𝑥1 0
𝑥
[−1 2 − 2 −1 ] [ 2 ] = [0] ⇒ [−1 0 𝑥
−1] [ 2 ] = [0]
−1 0 2 − 3 𝑥3 0 −1 0 −1 𝑥3 0
2 0 2 𝑥1 0 𝑏1 − 2𝑏2 0 0 0 𝑥1 0
(−1)𝑏2
[ 1 0 1 ] [𝑥2 ] = [0] ⇒ [1 0 1] [𝑥2 ] = [0]
⇒
−1 0 −1 𝑥3 0 𝑏3 + 𝑏2 0 0 0 𝑥3 0
yang menghasilkan persamaan linier 𝑥1 + 𝑥3 = 0. Dengan memberikan