MA-2073 Matematika Rekayasa B

Institut Teknologi Bandung

Minggu Ke 5 & 6: Transformasi Linear, Diagonalisasi

Cakupan

• M5 & 6:
➔ Transformasi Linear
➔ Masalah Eigen: nilai dan vector eigen
➔ (Opsional) Diagonalisasi: * 𝐴 = 𝑃𝐷𝑃−1
* Menghitung 𝐴𝑛
Motivasi

A0

30%

20%

B0
Model perubahan lahan
Tahun ke 2
Perubahan komposisi tiap tahun

• Transformasi:
* 𝑇 𝑥ҧ = 𝑄 𝑥ҧ dengan 𝑄 matrik penyajian
* Pada motivasi
𝐴𝑛 0.7 0.2 𝐴𝑛+1
𝑥ҧ = ,𝑄= , 𝑇 𝑥ҧ =
𝐵𝑛 0.3 0.8 𝐵𝑛+1
𝐴𝑛 luas tanah yang ditanami jenis I
𝐵𝑛 luas tanah yang ditanami jenis II
Transformasi Linear

• Transformasi
𝑇 𝑥ҧ = 𝐴𝑥ҧ bersifat linear
jika 𝑇 𝑎𝑥ҧ + 𝑏𝑦ത = 𝑎𝑇 𝑥ҧ + 𝑏𝑇 𝑦ത , 𝑎, 𝑏 konstan
• Pada contoh
0.7 0.2 0.7𝑥1 + 0.2𝑥2
𝑇 𝑥ҧ = 𝑥ҧ =
0.3 0.8 0.3𝑥1 + 0.8𝑥2
Pemeriksaan sifat linear:

𝑥1 𝑦1
• 𝑥ҧ = 𝑥 dan 𝑦ത = 𝑦
2 2
(𝑎𝑥1 +𝑏𝑦1 )
• 𝑇 𝑎𝑥ҧ + 𝑏𝑦ത = 𝑇
(𝑎𝑥2 +𝑏𝑦2 )

0.7(𝑎𝑥1 +𝑏𝑦1 ) + 0.2(𝑎𝑥2 +𝑏𝑦2 )

=
0.3(𝑎𝑥1 +𝑏𝑦1 ) + 0.8(𝑎𝑥2 +𝑏𝑦2 )

0.7𝑎𝑥1 + 0.2𝑎𝑥2 0.7𝑏𝑦1 + 0.2𝑏𝑦2

= + = 𝑎𝑇 𝑥ҧ + 𝑏𝑇 𝑦ത
0.3𝑎𝑥1 + 0.8𝑎𝑥2 0.3𝑏𝑦1 + 0.8𝑏𝑦2
Peninjauan kasus

7000 4900 + 600 5500

• Bila 𝑥ҧ = maka 𝑇 𝑥ҧ = =
3000 2100 + 2400 4500
4000
• Apa yang terjadi bila pembagian awalnya 𝑥ҧ =
6000
2800 + 1200 4000
➔ 𝑇 𝑥ҧ = =
1200 + 4800 6000
* Tahun-tahun berikutnya akan tetap komposisinya, hanya tergeser
daerahnya
• Pertanyaan: bagaimana mendapatkan komposisi awal 4000 dan 6000
sehingga komposisi tersebut tidak berubah
Contoh
Hasil pemetaan 𝑒1ҧ , 𝑒2ҧ

• Dari hasil perhitungan

1 0
1 0
𝑇 = −1 dan 𝑇 = −2
0 1
−1 1

1 0
Sedangkan 𝑄 = −1 −2
−1 1
1 0
Bila kita tahu transformasi dari basis standar 𝑒1ҧ = , 𝑒2ҧ = maka
1 0 0 1
matrik penyajian 𝑄 = 𝑇 𝑇
0 1
Secara umum
Contoh transformasi

𝑥
𝑥 + 𝑦 − 2𝑧
• 𝑇 𝑦 =
−𝑥 − 2𝑦 + 𝑧
𝑧
• Linear:
𝑥1 𝑥2
𝑎𝑥1 + 𝑏𝑥2 + 𝑎𝑦1 + 𝑏𝑦2 − 2(𝑎𝑧1 + 𝑏𝑧2 )
𝑦
𝑇 𝑎 1 +𝑏 2 𝑦 =
𝑧1 𝑧2 − 𝑎𝑥1 + 𝑏𝑥2 − 2 𝑎𝑦1 + 𝑏𝑦2 + 𝑎𝑧1 + 𝑏𝑧2
𝑥1 𝑥2
𝑥1 + 𝑦1 − 2𝑧1 𝑥2 + 𝑦2 − 2𝑧2
=𝑎 +𝑏 = 𝑎𝑇 𝑦1 + 𝑏𝑇 𝑦2
−𝑥1 − 2𝑦1 + 𝑧1 −𝑥2 − 2𝑦2 + 𝑧2 𝑧1 𝑧2
Matrik penyajian

𝑥 𝑥
𝑥 + 𝑦 − 2𝑧 1 1 −2
• 𝑇 𝑦 = = 𝑦
−𝑥 − 2𝑦 + 𝑧 −1 −2 1
𝑧 𝑧
• 𝑇: 𝑅 3 → 𝑅2
• Matrik penyajian ukuran 2 × 3
1 1 −2
• 𝑄=
−1 −2 1
Contoh transformasi

• 𝑇 transformasi linear dengan

−2 1
2 −1
𝑇 = 0 ,𝑇 = 1
−1 0
2 1
𝑥 𝑥
Tentukan matrik penyajian 𝐴 sehingga 𝑇 𝑦 = 𝐴 𝑦
1 0
𝐴= 𝑇 𝑇
0 1
−1
1 2 −1 1
• =𝑎 +𝑏 ➔ 𝑎 = 0, 𝑏 = −1 ➔ 𝑇 = −1
0 −1 0 0
−1
−2 1 0
0 2 −1 0
• =𝑐 +𝑑 ➔ 𝑐 = −1, 𝑑 = −2 ➔ 𝑇 = − 0 − 2 1 = −2
1 −1 0 1
2 1 −4
−1 0
• 𝐴 = −1 −2
−1 −4
Contoh lain

• 𝑇: 𝑅3 → 𝑅2 , transformasi linear dengan

2 0 −3
• 𝑇 𝑒1ҧ = , 𝑇 𝑒2ҧ = , 𝑇 𝑒3ҧ =
11 −2 2
• Hitung 𝑇 −2 . Ada 2 cara…..
4
• Dari basis standar:
1 1
2 0 −3 −10
−2 = 𝑒1ҧ − 2𝑒2ҧ + 4𝑒3ҧ ➔ 𝑇 −2 = −2 +4 =
1 −2 2 13
4 4
• Matrik penyajian
𝑥 𝑥 1
𝑇 𝑦 =
2 0 −3 𝑦 ➔ 𝑇 −2 = −10
𝑧 1 −2 2 𝑧 13
4
Transformasi khusus

𝑥 cos 𝜃 − sin 𝜃 𝑥
•𝑇 𝑦 =
sin 𝜃 cos 𝜃 𝑦 rotasi sebesar 𝜃
• Pemeriksaan
−1 0 1 −1 0 0
𝜃=𝜋➔𝐴= , → , → (biru)
0 −1 0 0 1 −1
1 1 1
2 − 2 1 2
2
𝜃 = 𝜋/4 ➔ 𝐴 = 1 2
, → 1 2
(Kuning)
1
2 2 2 0 2
2 2
Transformasi pencerminan

• 1. Terhadap sumbu 𝑥
1 1
→
0 0 ൢ 𝑇 𝑥 = 1 0 𝑥
0 0 𝑦 0 −1 𝑦
→
1 −1
1 1 −1 −1
Tes 𝑇 = , →
3 −3 −2 2
2. (Latihan) Tentukan matrik penyajian dari transformasi berupa
pencerminan terhadap garis 𝑦 = 𝑥
3. Ulangi no. 2 untuk 𝑦 = −𝑥
Selesai
Masalah Eigen

• Merupakan masalah khusus pada transformasi:

* 𝑇: 𝑅 𝑛 → 𝑅 𝑛 linear dengan matrik penyajian 𝐴𝑛×𝑛
* Kita menginginkan vector-vector yang hasil petanya merupakan
kelipatannya, yaitu 𝑇 𝑥ҧ = 𝜆𝑥.ҧ Sehingga diperoleh 𝐴𝑥ҧ = 𝜆𝑥ҧ
* 𝜆 konstanta dinamakan nilai eigen
* 𝑥ҧ tak nol yang memenuhi disebut vector eigen
Menghitung

• 𝑇 𝑥ҧ = 𝜆𝑥ҧ ➔ 𝐴𝑥ҧ = 𝜆𝑥ҧ ➔ SPLH 𝐴 − 𝜆𝐼 𝑥ҧ = 0

• Syarat SPLH punya jawab tak nol bila 𝐴 − 𝜆𝐼 = 0
• 𝑃 𝜆 = 𝐴 − 𝜆𝐼 disebut polinom karakteristik
• Untuk 𝐴𝑛×𝑛 akar karakteristik ada sebanyak 1 sampai 𝑛 berbeda
• Tiap akar akan memberikan vector eigen, dan dengan
menggabungkan vector nol ➔ membentuk ruang eigen
Contoh

1 2
• 𝐴=
0 −2
• Tentukan nilaieigen 𝜆 dan vectoreigen dari 𝐴
• Hubungan: 𝐴𝑥ҧ = 𝜆𝑥ҧ
➔ SPLH: 𝐴 − 𝜆𝐼 𝑥ҧ = 0 mempunyai jawab tak trivial
➔ syarat P λ = 𝐴 − 𝜆𝐼 = 0,
1−𝜆 2
= 0 ⇔ 1 − 𝜆 −2 − 𝜆 = 0
0 −2 − 𝜆
➔ Nilaieigen 𝜆 = 1 dan 𝜆 = −2
Vektor eigen

• Untuk 𝜆 = 1 SPLH menjadi

1−1 2 𝑥1 0 2 𝑥1
𝑥 =0⟺ 𝑥 = 0, 𝑥2 = 0, 𝑥1 sebarang
0 −2 − 1 2 0 −3 2
1 1
Vektoreigen 𝑥ҧ = 𝛼 , 𝛼 ≠ 0, dan 𝛼 , 𝛼 ∈ 𝑅 ruang eigen
0 0
• Untuk 𝜆 = −2 SPLH menjadi
1+2 2 𝑥1 3 2 𝑥1
=0⟺ = 0, 𝑥1 = −2/3𝑥2
0 −2 + 2 𝑥2 0 0 𝑥2
−2/3 −2 −2
Vektoreigen 𝑥ҧ = 𝛽 =𝛾 , 𝛾 = 𝛽/3 ≠ 0 ➔ 𝛾 ,𝛾 ∈ 𝑅
1 3 3
Ruang eigen
Nilaieigen kembar

−2 2 −3
• 𝐴= 2 1 −6
−1 −2 0
−2 − 𝜆 2 −3
• Polinom karakteristik 𝑃 𝜆 = 2 1 − 𝜆 −6 = −𝜆3 − 𝜆2 + 21𝜆 + 45
−1 −2 −𝜆
• Akar persamaan −𝜆3 − 𝜆2 + 21𝜆 + 45 = 0 ➔ 𝜆1 = 5, 𝜆2,3 = −3
Vektor eigen terkait 𝜆 = 5

• SPLH:
−7 2 −3 −7 2 −3
2 −4 −6 𝑥ҧ = 0 ➔ 0 −24/7 −48/7 𝑥ҧ = 0
−1 −2 −5 0 0 0
Vektor eigen
1
𝑥ҧ = 𝛼 2 , 𝛼 ≠ 0
−1
Ruang-eigen:
1
𝑥ҧ = 𝛼 2 ; 𝛼 ∈ 𝑅 dimensi 1 (vector nol masuk di sini)
−1
Vektor eigen terkait 𝜆 = −3

• SPLH
1 2 −3 1 2 −3
• 2 4 −6 𝑥ҧ = 0 ➔ 0 0 0 𝑥ҧ = 0
−1 −2−2 3 3 0 0 0
➔𝑥ҧ = 𝛼 1 + 𝛽 0 , 𝛼, 𝛽 tidak nol Bersama
0 1 −2 3
➔Ruang-eigen 𝑥ҧ = 𝛼 1 + 𝛽 0 ; 𝛼, 𝛽 ∈ 𝑅 dimensi 2.
0 1
➔vector nol dimasukan pada ruang-eigen
Catatan:
Total dimensi Ruang-Eigen (unt 𝜆 = 5 dan 𝜆 = −3) sama dengan ukuran matrik
Masalah Lahan

0.7 0.2
• 𝑇 𝑥ҧ = 𝑄 𝑥ҧ dengan 𝑄 =
0.3 0.8
5000 4500 4250
• 𝑥ҧ = ➔ 𝑄 𝑥ҧ = , 𝑄 2 𝑥ҧ = tiap tahun berubah
5000 5500 5750
komposisinya
• Dapatkah kita membuat pembagian luas lahan 𝐴0 dan 𝐵0 sehingga
tidak mengalami perubahan?
➔Masalah eigen 𝑄𝑥ҧ = 𝜆𝑥ҧ apakah mungkin 𝜆 = 1?
Jika ya kemudian berapa 𝐴0 dan 𝐵0
Masalah eigen

• Menghitung nilai eigen

• 𝑄 − 𝜆𝐼 = 0 ➔ 0.7 − 𝜆 0.8 − 𝜆 − 0.06 = 0 ➔ 𝜆 = 1 dan 𝜆 = 0.5
• Vektor eigen untuk 𝜆 = 1
−0.3 0.2 2/3 2
• 𝑥ҧ = 0 ➔ 𝑥ҧ = 𝛼 =𝛽
0.3 −0.2 1 3
• Dengan lahan 10000 hektar maka 𝐴0 = 25∗10000=4000 dan 𝐵0 = 6000
• Catatan:
• 𝜆 = 0.5 tidak digunakan, karen komposisi lahan akan berubah dan
1
nilainya negatip (tidak ada artinya) ➔ vektoreigen: 𝑥ҧ = 𝛼
−1
 Baru
Nilai-eigen dari 𝐴 , 𝐴 dst
2 3

• Perhatikan 𝐴 matrik yang mempunyai pasangan nilai-vector eigen

𝜆 dan 𝑥ҧ ➔ berlaku 𝐴𝑥ҧ = 𝜆𝑥ҧ
• Kalikan kedua ruas dengan 𝐴 ➔ 𝐴 𝐴𝑥ҧ = 𝜆𝑥ҧ
* hasil 𝐴2 𝑥ҧ = 𝜆𝐴𝑥ҧ
* hasil sebelumnya 𝐴2 𝑥ҧ = 𝜆 𝐴𝑥ҧ = 𝜆2 𝑥ҧ
* pangkat lebih tinggi
𝐴 𝐴2 𝑥ҧ = 𝜆2 𝑥ҧ ➔ 𝐴3 𝑥ҧ = 𝜆2 𝐴𝑥ҧ = 𝜆3 𝑥ҧ
• Secara umum 𝐴𝑛 𝑥ҧ = 𝜆𝑛 𝑥ҧ (nilai-eigen dari 𝐴𝑛 adalah 𝜆𝑛 , tetapi
vector-eigennya tepat 𝑥ҧ
 Baru
Contoh

• Perhatikan contoh sebelumnya

1 2
𝐴=
0 −2
* mempunyai nilai-eigen 𝜆𝐴 = 1 dan 𝜆𝐴 = −2
1 −2
* vector-eigen dan
0 3
• Berapa nilai-eigen dan vector-eigen dari 𝐴5 ?
* Dari uraian sebelumnya:
* Nilai-eigen 𝜆𝐵 = 1 dan 𝜆𝐵 = −2 5 = −32 berpadanan dengan
1 −2
vector-eigen (tidak berubah) dan
0 3
 Baru
Cek hasil

1 2 1 22
• Dari 𝐴 = ➔ 𝐴5 =
0 −2 0 −32
• Nilai-eigen
1−𝜆 22
* = 0 memberikan 𝜆 = 1 dan 𝜆 = −32
0 −32 − 𝜆
* vector-eigen:
0 22 1
# 𝜆 = 1 memberikan 𝑥ҧ = 0 ➔ 𝑥ҧ =
0 −33 0
33 22 −2/3
# 𝜆 = −32 memberikan 𝑥ҧ = 0 ➔ 𝑥ҧ =
0 0 1
−2
atau (dalam bilangan bulat) 𝑥ҧ =
3
 Baru
Contoh lain

• Jika 𝐴 matrik yang mempunyai nilai-eigen 𝜆 = −1 dan vector-eigen

−1
𝑥ҧ = 0 maka 𝐵 = 𝐴3 mempunyai
1
−1
Nilai-eigen 𝜆𝐵 = −1 3 = −1, dan vector-eigen 𝑥ҧ𝐵 = 0
1
Pangkat dari matrik

• Dalam keperluan perhitungan (pem-pangkat-an) matrik

1 2
• 𝐴= ➔ berapa matrik 𝐴5 ? Atau Pangkat lebih tinggi
0 −2
1 0 1 0
• 𝐴2 = , 𝐴3 = dan seterusnya….
−2 4 6 −8
• Dengan nilai dan vector eigen, akan lebih mudah ➔ diagonalisasi
 Matrik diagonal

𝑛
𝑎11 0 0 𝑎11 0 0
𝑛
𝐵= 0 𝑎22 0 ➔ 𝐵𝑛 = 0 𝑎22 0
0 0 𝑎33 𝑛
0 0 𝑎33
mudah dilakukan, juga berlaku untuk ukuran lebih besar
Diagonalisasi (Opsional)

• Dari matrik bujursangkar 𝐴 = 𝑎𝑖𝑗

• Hitung nilaieigen 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑛 dan vektoreigennya 𝑣ҧ1 , 𝑣ҧ2 , ⋯ , 𝑣𝑛ҧ
• Bentuk matrik dengan kolomnya dari vektoreigen 𝑃 = 𝑣ҧ1 𝑣ҧ2 ⋯ 𝑣𝑛ҧ
• Hubungan yang berlaku 𝑃−1 𝐴𝑃 = 𝐷
• 𝐷 matrik diagonal, dengan elemen diagonalnya nilaieigen
𝜆1 0 0
• 𝐷 = 0 𝜆2 0
0 0 𝜆3
Contoh

1 2
• 𝐴=
0 −2
1 −2
• mempunyai nilai-vector eigen: 𝜆1 = 1, 𝑣ҧ1 = dan 𝜆2 = −2 𝑣ҧ1 =
0 3
1 −2 1 3 2
• Bentuk 𝑃 = ➔ 𝑃−1 =
0 3 3 0 1
• Berlaku 𝐴 = 𝑃𝐷𝑃−1 atau 𝑃−1 𝐴𝑃 = 𝐷
1 2 1 −2 1 0 1 3 2
• =
0 −2 0 3 0 −2 3 0 1
Pem-pangkat-an matrik

• Untuk menghitung 𝐴𝑛 lakukan dari 𝐴 = 𝑃𝐷𝑃−1

• 𝐴2 = 𝑃𝐷𝑃−1 𝑃𝐷𝑃−1 = 𝑃𝐷 2 𝑃−1 begitu juga untuk Pangkat lebih
tinggi ➔ 𝐴𝑚 = 𝑃𝐷 𝑚 𝑃−1
• 𝐷 𝑚 = diag 𝜆1𝑚 , 𝜆𝑚 𝑚
2 , ⋯ , 𝜆𝑛
Contoh

1 2
• Hitung 𝐴5 jika 𝐴 =
0 −2
• Dari diagonalisasi (menggunakan masalah eigen) diperoleh
1 2 1 −2 1 0 1 3 2
• =
0 −2 0 3 0 −2 3 0 1
5 5
1 2 1 −2 1 0 1 3 2
• 𝐴5 = =
0 −2 0 3 0 −2 3 0 1
1 −2 15 0 1 3 2 1 −2 1 0 1 3 2
• = =
0 3 0 −2 5 3 0 1 0 3 0 −32 3 0 1
1 0
• 𝐴5 =
22 −32
Nilai-vector eigen dari 𝐴 𝑛

• Dari hubungan 𝐴𝑥ҧ = 𝜆𝑥ҧ

• 𝐴 𝐴𝑥ҧ = 𝐴𝜆𝑥ҧ = 𝜆 𝐴𝑥ҧ = 𝜆2 𝑥ҧ
• begitu juga untuk 𝐴𝑛 berlaku 𝐴𝑛 𝑥ҧ = 𝜆𝑛 𝑥ҧ
• Jika 𝜆, 𝑥ҧ nilai-vector eigen dari 𝐴 maka 𝜆𝑛 , 𝑥ҧ nilai-vector eigen dari 𝐴𝑛

• Selesai M6