MENENTUKAN BASIS

RUANG EIGEN

Pengertian Ruang Eigen

Pada bagian ini dibahas tentang ruang eigen (eigen space) dari suatu
matriks persegi yang berpadanan dengan nilai eigen dari matriks
tersebut.
Misalkan 𝐴 sebarang matriks persegi, maka vektor-vektor eigen dari

matriks 𝐴 yang berpadanan dengan nilai eigen 𝜆 adalah vektor-vektor tak

nol 𝒙 yang memenuhi persamaan 𝐴𝒙 = 𝜆𝒙. Dengan perkataan lain,

vektor-vektor eigen yang berkaitan dengan matriks 𝐴 adalah vektor-

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.

Menentukan Basis untuk Ruang Eigen

Seperti telah diberikan pada bagian sebelumnya untuk menentukan
basis ruang eigen yang berkaitan dengan matriks persegi 𝐴, yang harus

dilakukan terlebih dahulu adalah mencari nilai-nilai eigen dari matriks 𝐴.

Banyaknya nilai egien matriks 𝐴 ini memberikan banyaknya ruang eigen

dari matriks 𝐴 tersebut.

Langkah berikutnya menyelesaikan sistem persamaan (𝜆𝐼 − 𝐴)𝒙 = 𝟎,

untuk menentukan vektor-vektor eigen yang bersesuaian dengan nilai
eigen 𝜆. Dari vektor-vektor eigen ini dapat ditentukan basis untuk vektor
eigen secara keseluruhan.
Untuk lebih memperjelas bagaimana mencari basis ruang eigen ini
diberikan beberapa contoh berikut ini.
Contoh 3
Tentukan basis untuk ruang-ruang eigen dari matriks
2 0
𝐴=[ ].
6 −1

Pembahasan :
Dari pembahasan pada Contoh 2, diperoleh persamaan karakteristik
matriks 𝐴 adalah 𝑝(𝜆) = (𝜆 − 2)(𝜆 + 1) = 0, sehingga diperoleh nilai-nilai

eigen untuk 𝐴 adalah 𝜆1 = −1 dan 𝜆2 = 2 . Dengan demikian terdapat

dua ruang eigen untuk 𝐴.

𝑥1
Perhatikan bahwa vektor 𝒙 = [
𝑥2 ] adalah vektor eigen dari 𝐴 yang
bersesuaian dengan nilai eigen λ jika dan hanya jika 𝒙 adalah
penyelesaian tak trivial dari persamaan (𝜆𝐼 − 𝐴)𝒙 = 𝟎, yaitu
𝜆−2 0 𝑥1 0
[ ] [𝑥 ] = [ ] (3)
−6 𝜆 + 1 2 0
Untuk 𝜆 = 𝜆1 = −1, maka persamaan (3) menjadi
−3 0 𝑥1 0
[ ] [𝑥 ] = [ ]
−6 0 2 0
yang menghasilkan dua persamaan −3𝑥1 = 0 dan −6𝑥1 = 0, yaitu

diperoleh 𝑥1 = 0 dan 𝑥2 = 𝑘 , dengan 𝑘 bernilai sebarang. Dengan

demikian vektor eigen dari 𝐴 yang bersesuaian dengan nilai eigen 𝜆1 =

−1 adalah vektor-vektor tak nol yang berbentuk

𝑥1 0 0
𝒙 = [𝑥 ] = [ ] = 𝑘 [ ],
2 𝑘 1
dengan 𝑘 bernilai sembarang dan tidak boleh nol.
0
Selanjutnya karena vektor [ ] bebas linier, maka vektor ini membentuk
1
basis untuk ruang eigen yang berpadanan dengan nilai eigen 𝜆1 = −1.

Dengan demikian ruang eigen untuk 𝐴 yang berpadanan dengan 𝜆1 = −1

adalah
 0
𝐸𝜆1 = {𝑠 [ ] |𝑠 ∈ ℝ},
1
0
dengan basis untuk ruang eigen ini adalah ℬ = {[ ]}.
1
Selanjutnya untuk 𝜆 = 𝜆2 = 2, persamaan (3) menjadi
0 0 𝑥1 0
[ ] [𝑥 ] = [ ]
−6 3 2 0
yang menghasilkan persamaan −6𝑥1 + 3𝑥2 = 0 yang ekivalen dengan

−2𝑥1 + 𝑥2 = 0, yang bilamana diselesaikan memberikan 𝑥1 = 𝑘 dan 𝑥2 =

2𝑘 dengan 𝑘 bernilai sebarang. Dengan demikian vektor eigen dari 𝐴
yang bersesuaian dengan nilai eigen 𝜆2 = 2 adalah vektor-vektor tak nol
yang berbentuk
𝑥1 𝑘 1
𝒙 = [𝑥 ] = [ ] = 𝑘 [ ],
2 2𝑘 2
dengan 𝑘 bernilai sembarang dan tidak boleh nol.
1
Selanjutnya karena vektor [ ] bebas linier, maka vektor ini membentuk
2
basis untuk ruang eigen yang berpadanan dengan nilai eigen 𝜆2 = 2.

Dengan demikian ruang eigen untuk 𝐴 yang berpadanan dengan 𝜆2 = 2

adalah
1
𝐸𝜆2 = {𝑠 [ ] |𝑠 ∈ ℝ},
2
1
dengan basis untuk ruang eigen ini adalah ℬ = {[ ]}.
2

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

𝑝(𝜆) = det(𝜆𝐼 − 𝐵) = 𝜆3 − 5𝜆2 + 8𝜆 − 4 = 0

yang dapat difaktorkan menjadi 𝑝(𝜆) = (𝜆 − 1)(𝜆 − 2)2 = 0, sehingga

nilai-nilai eigen matriks 𝐵 adalah 𝜆1 = 1 dan 𝜆2 = 2. Dengan demikian

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

sembarang, misalkan 𝑥2 = 𝑠, maka diperoleh 𝑥1 = −2𝑥2 = −2𝑠 dan 𝑥3 =

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

sebanyak 𝑛 − 1 = 2 peubah bernilai sembarang, misalkan 𝑥2 = 𝑠 dan

𝑥3 = 𝑡, maka diperoleh 𝑥1 = −𝑥3 = −𝑡 . Dengan demikian vektor eigen

yang bersesuaian dengan nilai eigen 𝜆 = 2 adalah
𝑥1 −𝑡 0 −𝑡 0 −1
𝑥
𝒙 = [ 2 ] = [ 𝑠 ] = [ 𝑠 ] + [ 0 ] = 𝑠 [1] + 𝑡 [ 0 ],
𝑥3 𝑡 0 𝑡 0 1
dengan 𝑠 dan 𝑡 bernilai sembarang dan keduanya tidak boleh nol secara
0 −1
bersamaan. Karena vektor [1] dan [ 0 ] bebas linier, maka vektor-vektor
0 1
ini membentuk basis untuk ruang eigen yang berpadanan dengan 𝜆 = 2.
Dengan demikian basis untuk ruang eigen ini adalah
0 −1
ℬ = {[1] , [ 0 ] }
0 1
dan ruang eigen yang bersesuaian adalah
0 −1
𝐸𝜆2 = {𝑠 [1] + 𝑡 [ 0 ] |𝑠, 𝑡 ∈ ℝ}.
0 1
Soal Latihan
Tentukan basis untuk ruang-ruang eigen dari matriks-matriks berikut:
1 0
1. 𝐴 = [ ]
0 1
−2 −7
2. 𝐵 = [ ]
1 2
4 0 1
3. 𝐶 = [−2 1 0]
−2 0 1
5 6 2
4. 𝐷 = [0 −1 8]
1 0 −2