W142100002

14
Modul ke:

Aljabar Linier

Fakultas Nilai Eigen pada Diagonalisasi Matriksi

TEKNIK

Program Studi
Teknik Elektro
Ellisa Agustina, ST., MT.
Pembuka Daftar Pustaka Akhiri Presentasi
 1. Diagonalisasi
• 1. 1 Definisi

• Diagonalisasi adalah suatu sifat bentuk matriks yang digunakan untuk menyederhanakan
perhitungan numerik pada matriks atau pada perhitungan yang melibatkan matriks.

• Jika pada transformasi linier T:V→ V, kita harus menganalisa, apakah merupakan matriks
diagonal?

• Jika T:V→ V pada vektor berdimensi, kita selesaikan dengan mencari basis dari V sehingga
matriks T merupakan matriks diagonal atau tidak, dengan menghitung P-1 A P dari transformasi
tersebut.

• Atau jika T:V→ V adala transformasi linier pada suatu ruang perkalian berdimensi berhingga,
kemudian menyelesaikan basis orthogonalnya sehingga T merupakan matriks diagonal atau
bukan, dengan syarat matriks tersebut orthogonal dan hasil dari P-1 A P (atau PT A P) hasilnya
diagonal.

<
← MENU AKHIRI >
→
• Secara definisi menurut Imrona,2013, p.115-116:

• Pada matriks A berordo n x n , matriks ini disebut dapat didiagonalisasi jika terdapat
matriks Pnxn sehingga perkalian tiga matriks P-1 A P membentuk matriks diagonal.

• Matriks Anxn dapat didiagonalisasikan jika dan hanya jika mempunyai n vektor eigen
yang bebas linier.

• Teoremanya:

• Pada matriks A berordo n x n, maka:

• 1. Matriks A dapat didiagonalisasikan

• 2. Matriks A mempunyai mempunyai n vektor eigen yang bebas linier.

<
← MENU AKHIRI >
→
Pembuktiannya (https://www.academia.edu/33138934/Nilai_dan_Vektor_Eigen ):

𝑎11 𝑎21 𝑎31 … 𝑎𝑛1

𝑎12 𝑎22 𝑎32 … 𝑎𝑛2
𝑎13 𝑎23 𝑎33 … 𝑎𝑛3
A= . . . . .
. . . . .
. . . . .
𝑎1𝑛 𝑎2𝑛 𝑎3𝑛 … 𝑎𝑛𝑛

Jika matriks A dapat didiagonalkan, maka terdapat matriks P yang dapt diinvers-kan

𝑝11 𝑝21 𝑝31 … 𝑝𝑛1 𝑝11 𝑝21 𝑝31 … 𝑝𝑛1

𝑝12 𝑝22 𝑝32 … 𝑝𝑛2 𝑝12 𝑝22 𝑝32 … 𝑝𝑛2
𝑝13 𝑝23 𝑝33 … 𝑝𝑛3 𝑝13 𝑝23 𝑝33 … 𝑝𝑛3
P= . . . . . AP = PD = . . . . .
. . . . . . . . . .
. . . . . . . . . .
𝑝1𝑛 𝑝2𝑛 𝑝3𝑛 … 𝑝𝑛𝑛 𝑝1𝑛 𝑝2𝑛 𝑝3𝑛 … 𝑝𝑛𝑛

Sedemikan hingga P-1 A P = D matriks diagonalnya

𝜆1 𝑝11 𝜆2 𝑝21 𝜆3 𝑝31 … 𝜆𝑛 𝑝𝑛1 𝜆1 0 0 … 0

𝜆1 𝑝12 𝜆2 𝑝22 𝜆3 𝑝32 … 𝜆𝑛 𝑝𝑛2 0 𝜆2 0 … 0
𝜆1 𝑝13 𝜆2 𝑝23 𝜆3 𝑝33 … 𝜆𝑛 𝑝𝑛3 0 0 𝜆3 … 0
. . . . . maka D = . . . . .
. . . . . . . . . .
. . . . . . . . . .
𝜆1 𝑝1𝑛 𝜆2 𝑝2𝑛 𝜆3 𝑝3𝑛 … 𝜆𝑛 𝑝𝑛𝑛 0 0 0 … 𝜆𝑛

<
← MENU AKHIRI >
→
Kapan matriks A dapat didiagonalkan?

Jika P-1 A P = D, dan AP = PD

𝑝11 𝑝21 𝑝31 … 𝑝𝑛1 𝜆1 0 0 … 0

𝑝12 𝑝22 𝑝32 … 𝑝𝑛2 0 𝜆2 0 … 0
𝑝13 𝑝23 𝑝33 … 𝑝𝑛3 0 0 𝜆3 … 0
PD = . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
𝑝1𝑛 𝑝2𝑛 𝑝3𝑛 … 𝑝𝑛𝑛 0 0 0 … 𝜆𝑛

𝜆1 𝑝11 𝜆2 𝑝21 𝜆3 𝑝31 … 𝜆𝑛 𝑝𝑛1

𝜆1 𝑝12 𝜆2 𝑝22 𝜆3 𝑝32 … 𝜆𝑛 𝑝𝑛2
𝜆1 𝑝13 𝜆2 𝑝23 𝜆3 𝑝33 … 𝜆𝑛 𝑝𝑛3
= . . . . .
. . . . .
. . . . .
𝜆1 𝑝1𝑛 𝜆2 𝑝2𝑛 𝜆3 𝑝3𝑛 … 𝜆𝑛 𝑝𝑛𝑛

= 𝜆1 𝑝1 𝜆2 𝑝2 𝜆3 𝑝3 … 𝜆𝑛 𝑝𝑛

<
← MENU AKHIRI >
→
 𝑎11 𝑎21 𝑎31 … 𝑎𝑛1 𝑝11 𝑝21 𝑝31 … 𝑝𝑛1
𝑎12 𝑎22 𝑎32 … 𝑎𝑛2 𝑝12 𝑝22 𝑝32 … 𝑝𝑛2
𝑎13 𝑎23 𝑎33 … 𝑎𝑛3 𝑝13 𝑝23 𝑝33 … 𝑝𝑛3
AP = PD, maka AP = . . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
𝑎1𝑛 𝑎2𝑛 𝑎3𝑛 … 𝑎𝑛𝑛 𝑝1𝑛 𝑝2𝑛 𝑝3𝑛 … 𝑝𝑛𝑛

= 𝐴𝑝1 A𝑝2 A𝑝3 … A𝑝𝑛

𝐴𝑝1 = 𝜆1 𝑝1 A𝑝2 = 𝜆2 𝑝2 A𝑝3 = 𝜆3 𝑝3 … A𝑝𝑛 𝜆𝑛 𝑝𝑛

Karena P memiliki invers, maka kolom-kolomnya bukan kolom nol. Nilai 𝜆1 , 𝜆2 , 𝜆3 , … , 𝜆𝑛

adalah nilai – nilai eigen matriks A, dan kolom – kolom P adalah vektor – vektor eigen A
yang bebas linier karena P memiliki invers.

<
← MENU AKHIRI >
→
• Adapun cara untuk mendiagonalkan suatu matriks A yang berukuran n x n adalah (Santosa,2008,
p.162):

1) Cari n vektor eigen yang bebas linier dari A, yaitu 𝒑𝟏 , 𝒑𝟐 , 𝒑𝟑 … 𝒑𝒏

2) Kemudian bentuk matriks P dari 𝒑𝟏 , 𝒑𝟐 , 𝒑𝟑 … 𝒑𝒏 sebagai vektor kolomnya

3) Sehingga matriks P-1 A P akan didiagonalkan dengan 𝜆1 , 𝜆2 , 𝜆3 , …, 𝜆𝑛 sebagai elemen-elemen

diagonalnya yang berurutan, dimana 𝜆𝑖 adalah nilai Eigen yang bersesuaian dengan 𝒑𝒊 dimana i =
1, 2, 3, …, n

• 1.2 Contoh Soal

• Contoh 1.1

• Apakah matriks ini dapat didagonalisasikan? Jika dapat, maka tentukan P dan matriks diagonal P-1

2 3 2 2 1 0
AP, dimana a. 𝐴 = b. 𝐵 = c. C =
2 1 2 2 3 1

<
← MENU AKHIRI >
→
Penyelesaian:

2 3
a. 𝐴 =
2 1

Nilai eigen untuk matriks A adalah akar-akar persamaan karakteristik det(A-λI) = 0

2 3 1 0 2 3 𝜆 0
Cari terlebih dahulu det(A-λI) = det − 𝜆 = det −
2 1 0 1 2 1 0 𝜆

2−𝜆 3
= det = (2 − 𝜆)(1 − 𝜆) – 3.2
2 1−𝜆

= 2 - 2 𝜆 – 𝜆 + 𝜆2 – 6

= 𝜆2 - 3 𝜆 – 4

Polinominal karakteristik dari A adalah 𝜆2 - 3 𝜆 – 4 = 0 atau cari akar persamaannya, dimana

a = 1, b = -3, c = -4

Maka cari akar – akar persamaannya dengan mencari dua buah bilangan yang jika
dikalikan menghasilkan -4 dan jika dijumlahkan menghasilan -3.

Nilai yang sesuai adalah 1 x (-4) = -4 dan 1 + (-4) = -3

Sehingga diperoleh faktornya adalah (λ + 1) ( λ - 4) = 0, atau λ1 = -1 dan λ2 = 4.

Maka, nilai – nilai eigen dari A adalah -1 dan 4.

<
← MENU AKHIRI >
→
Vektor eigen matriks C adalah basis ruang penyelesaian SPL homogen (C-λI)𝑥 = 0 untuk
nilai eigen λ tertentu.

2 − (−1) 3 𝑥1 0 3 3 𝑥1
Untuk λ1 = -1, didapatkan SPL homogen 𝑥2 = → 𝑥2 =
2 1 − (−1) 0 2 2
0
0

Sehingga didapatkan persamaan nya 3𝑥1 + 3𝑥2 = 0 dan 2𝑥1 + 2𝑥2 = 0 atau 3𝑥1 = - 3𝑥2

➔𝑥1 = - 𝑥2 , dan 2𝑥1 = - 2𝑥2 ➔𝑥1 = - 𝑥2 , atau 𝑥1 = - 𝑡 , 𝑥2 = 𝑡

−𝑡 −1
𝑥1 = =t
𝑡 1

−1
Sehingga untuk nilai eigen λ1 = -1 didapatkan vektor eigen 𝑥1 = .
1

2 − (4) 3 𝑥1 0 −2 3 𝑥1 0
Untuk λ1 = 4, didapatkan SPl homogen
2 1 − (4) 𝑥2 = 0 → 2 −3 𝑥2 = 0

Sehingga didapatkan persamaan nya -2𝑥1 - 3𝑥2 = 0 atau 𝑥2 = - 2𝑥1 /3, dan 2𝑥1 - 3𝑥2 = 0

<
← MENU AKHIRI >
→
• ➔𝑥1 = 3𝑥2 /2, ➔atau 𝑥1 = 3𝑠 , 𝑥2 = 2𝑠

3𝑠 3
• 𝑥2 = =s
2𝑠 2

3
• Sehingga untuk nilai eigen λ2 = 4 didapatkan vektor eigen 𝑥2 = .
2

• Karena vektor Eigen matriks A ada 2, dan ordo matriks A adalah 2x2, maka matriks A dapat
didiagonalisasikan.

−1 3
• Sehingga P =
1 2

2 𝟑
1 1 𝑑 −𝒄 1 2 −𝟑 1 2 −𝟑 −
• P −1 = 𝑎𝑑𝑗(𝐴) ➔ P −1 = = = = 𝟏5 𝟓
1
det 𝐴 𝑎𝑑 – 𝑏𝑐 −𝒃 a −1 .2 – 3.1 𝟏 −1 −5 𝟏 −1 −
𝟓 5

1 2 −𝟑 2 3 −1 3 1 2 −𝟑 1 12 1 1 0
• dan matriks diagonal P-1 A P = = =
−5 𝟏 −1 2 1 1 2 −5 𝟏 −1 1 8 5 𝟎 4

<
← MENU AKHIRI >
→
 2 2
b. 𝐵 =
2 2

Nilai eigen untuk matriks A adalah akar-akar persamaan karakteristik det(B-λI) = 0

2 2 1 0 2 2 𝜆 0
Cari terlebih dahulu det(B-λI) = det − 𝜆 = det −
2 2 0 1 2 2 0 𝜆

2−𝜆 2
= det = (2 − 𝜆)(2 − 𝜆) – 2.2
2 2−𝜆

= (2 − 𝜆)2 – 4

= 𝜆2 - 4 𝜆

Polinominal karakteristik dari A adalah 𝜆2 - 4 𝜆 = 0

𝜆1,2 = 4.

Maka, nilai – nilai eigen dari B adalah 4.

2−𝜆 2 𝑥1 0 −2 2 𝑥1 0
Untuk λ = 4, didapat SPL homogen =
2 2−𝜆 𝑥2 = 0 → 2 −2 𝑥2 = 0

1
Sehingga 𝑥1 = 𝑥2 ➔ 𝑥1 = 𝑡, 𝑥2 = 𝑡, didapatkan vektor eigen 𝑥 =
1

Karena vektor eigennya hanya ada 1 sedangkan ordo (B) = 2 x 2 maka matriks B tidak
dapat didiagonalisasi.

<
← MENU AKHIRI >
→
 1 0
c. C =
3 1

Nilai eigen untuk matriks C adalah akar-akar persamaan karakteristik det(C-λI) = 0

1 0 1 0 1 0 𝜆 0
Cari terlebih dahulu det(C-λI) = det − 𝜆 = det −
3 1 0 1 3 1 0 𝜆

1−𝜆 0
= det = (1 − 𝜆)(1 − 𝜆) – 0 = (1 − 𝜆)2
3 1−𝜆

Polinominal karakteristik dari A adalah (1 − 𝜆)2 = 0

𝜆1,2 = 1.

Maka, nilai – nilai eigen dari C adalah 1.

1−𝜆 0 𝑥1 0 0 0 𝑥1 0
Untuk λ = 1, didapat SPL homogen =
3 1−𝜆 𝑥2 = 0 → 3 0 𝑥2 = 0

0
Sehingga 3𝑥1 = 0 ➔ 𝑥1 = 0, 𝑥2 = 𝑡, didapatkan vektor eigen 𝑥 =
1

Karena vektor eigennya hanya ada 1 sedangkan ordo (C) = 2 x 2 maka matriks C tidak
dapat didiagonalisasi.

<
← MENU AKHIRI >
→
✓ Contoh 1.2

2 2 0
• Carilah matriks P yang mendiagionalisasi matriks A = 2 2 0
0 0 4

• Penyelesaian:

• Cari determinannya matriks A

2 2 0 1 0 0 2−𝜆 2 0
• det(A - λ I) = det 2 2 0 − 𝜆 0 1 0 =det 2 2−𝜆 0
0 0 4 0 0 1 0 0 4−𝜆

2−𝜆 2
• = (4 − 𝜆)
2 2−𝜆

• = (4 − 𝜆) (2 − 𝜆) (2 − 𝜆) – 4

• = (4 − 𝜆)( 𝜆2 - 4 𝜆)

• Sehingga 𝜆1,2 = 4, λ = 0

<
← MENU AKHIRI >
→
Vektor eigen matriks C adalah basis ruang penyelesaian SPL homogen (C-λ I) 𝑥 = 0 untuk
nilai eigen λ tertentu.

Untuk 𝜆1,2 = 4, didapatkan SPL homogen

2−𝜆 2 0 𝑥1 0 2−4 2 0 𝑥1 0
2 2−𝜆 0 𝑥2 = 0 ➔ 2 2−4 0 𝑥2 = 0
0 0 4 − 𝜆 𝑥3 0 0 0 4 − 4 𝑥3 0

−2 2 0 𝑥1 0 −2𝑥1 + 2𝑥2 0
➔ 2 −2 0 𝑥2 = 0 ➔ 2𝑥1 − 2𝑥2 = 0
0 0 2 𝑥3 0 2𝑥3 0

Sehingga 2𝑥1 − 2𝑥2 = 0 ➔ 2𝑥1 = 2𝑥2 ➔ 𝑥1 = 𝑥2 ➔ 𝑥1 = 𝑠, 𝑥2 = 𝑠, 𝑥3 = 𝑡

1 0
Sehingga nilai eigen 𝜆1,2 = 4 didapatkan vektor-vektor eigen 𝑥1 = 1 dan 𝑥2 = 0
0 1

<
← MENU AKHIRI >
→
Untuk 𝜆3 = 0, didapatkan SPL homogen

2−𝜆 2 0 𝑥1 0 2−0 2 0 𝑥1 0
2 2−𝜆 0 𝑥2 = 0 ➔ 2 2−0 0 𝑥2 = 0
0 0 4−𝜆 𝑥3 0 0 0 4−0 𝑥3 0

2 2 0 𝑥1 0 2𝑥1 + 2𝑥2 0
➔ 2 2 0 𝑥2 = 0 ➔ 2𝑥1 + 2𝑥2 = 0
0 0 4 𝑥3 0 4𝑥3 0

Sehingga 2𝑥1 + 2𝑥2 = 0 ➔ 2𝑥1 = −2𝑥2 ➔ 𝑥1 = −𝑥2 ➔ 𝑥1 = −𝑟, 𝑥2 = 𝑟, 𝑥3 = 0

−1
Sehingga nilai eigen 𝜆3 = 0 didapatkan vektor-vektor eigen 𝑥3 = 1
0

Karena vektor-vektor eigen C ada 3 yang bebas linier,dan ordo C = 3 x 3, maka matriks C
1 0 −1
dapat didiagonalisasikan dengan P = 1 0 1
0 1 0

<
← MENU AKHIRI >
→
 1 0 −1
• Matriks Diagonal = D = P-1 A P bagaimana? Kita cari P-1 dari P = 1 0 1
0 1 0
0 𝟏
𝑃11 =(-1)(1+1) = (0*0) – (1*1) = -1
𝟏 0
𝑃11 𝑃21 𝑃31
1 𝟏 1 1
𝑃12 =(-1)(1+2) = - ( 1*0 – (1*0)) = 0 P -1
= 𝑎𝑑𝑗(𝑃) = = 𝑎𝑑𝑗 𝑃12 𝑃22 𝑃32
𝟎 0 𝑃 𝑃
𝑃13 𝑃23 𝑃33
1 𝟎
𝑃13 =(-1)(1+3) = 1*1 – 0*0 = 1 −1 1 0
𝟎 1 1
Maka Matriks P-1 = −2 0 0 2
0 −1 1 −1 0
𝑃21 =(-1)(2+1) = -(0*0 – (-1)*1 )= 1
1 0
−1 1 0 2 2 0 1 0 −1 4 0 0
1
1 −1 Maka D = P-1 A P = −2 0 0 2 2 2 0 1 0 1 = 0 4 0
𝑃22 =(-1)(2+2) = 1*0 – (-1)*0 = 0
0 0 1 −1 0 0 0 4 0 1 0 0 0 0
1 0
𝑃23 =(-1)(2+3) = -(1*1 – 0*0) = -1
0 1
0 −1
𝑃31 =(-1)(3+1) = 0*1 – (-1)*0 = 0
0 1
1 −1
𝑃32 =(-1)(3+2) = -(1*1 – (-1)*1) = 2
1 1
1 0
𝑃33 =(-1)(3+3) = 1*0 – 0*1 = 0
1 0

|P| = a11P11 + a12P12 + a13P13 = 1*(-1) + 0*0 + (-1)*1 = -2

<
← MENU AKHIRI >
→
 2. Diagonalisasi Ortogonal dan Matriks Simetris

• 2.1 Definisi

• Seperti pada definisi diagonalisasi matriks sebelumnya, jika T:V→ V adalah

transformasi linier pada suatu ruang perkalian berdimensi berhingga, kemudian
menyelesaikan basis orthogonalnya sehingga T merupakan matriks diagonal dengan
syarat matriks tersebut orthogonal dan hasil dari P-1 A P (atau PT A P) hasilnya
diagonal. Atau dengan kata lain, matriks P mendiagonalisasi matriks A secara
orthogonal.

• Pada bab materi Matriks sebelumnya, kita mengetahui bahwa dikatakan suatu matriks
berordo n x n adalah matriks simetris, jika matriks tersebut memenuhi syarat AT = A.

• Dan dikatakan matriks orthogonal jika pada matriks berordo n x n memiliki syarat AT =
A-1.

<
← MENU AKHIRI >
→
 −1 0 1
• Misal pada matriks A adalah matriks simetris = 0 2 0 ,
1 0 1

1 1
− 0
2 2
1
• maka A-1 = 0
2
0 didapat dari cara metode Gauss-Jordan dengan mengalikan
1 1
0
2 2
menambahkan matriks A dengan matriks Identitas, atau bisa didapat dari metode
Adjoin-Kofaktor.

−1 0 1
• Dan AT = 0 2 0
1 0 1

<
← MENU AKHIRI >
→
• Untuk mendapatkan syarat matriks yang dapat didiagonalisakan secara
orthogonal, pada matriks Anxn, maka berlaku:

• P-1 A P = PT A P = D atau AP = PD atau A = PD P-1 = PD PT

• Dengan demikian, AT = (PD PT) T = (PT)TDT PT = PD PT = A

• Jadi Matriks A merupakan matriks simetri berordo n x n, dapat

didiagonalisasikan jika dan hanya jika A merupakan matriks simetri
(Imrona,2013, p.1120).

<
← MENU AKHIRI >
→
• Adapun langkah-langkah untuk mendiagonalisasikan secara orthogonal
suatu matriks Anxn adalah:

1) Carilah nilai eigen pada matriks A

2) Carilah vektor eigen matriks A

3) Gunakan proses Gramm-Schmidt pada setiap baris dengan menggunakan

hasil-kali titik sehingga didapatkan vektor-vektor eigen yang orthonormal.

4) Bentuklah matriks P dengan elemen kolom-kolomnya adalah vektor-vektor

eigen dari hasil langkah 3), sehingga matriks ini akan mendiagonalisasikan
matriks A secara orthogonal.

<
← MENU AKHIRI >
→
• 2.2 Contoh Soal

✓ Contoh 2.1:

• Apakah matriks-matriks dibawah ini matriks orthogonal? Jelaskan:

1 1 −4 0
• a. 𝐴 = b. B =
−1 1 0 2

<
← MENU AKHIRI >
→
• Penyelesaian:

1 1
• a. 𝐴 =
−1 1

1
1 1 1 −1 1 1 −1 ½ −2
• Pertama-tama, kita acari A-1 = 𝑎𝑑𝑗 𝐴 = =2 = 1 1
𝐴 1.1−1.(−1) 1 1 1 1
2 2

1 −1
• Kemudian kit acari AT= , ternyata A-1 ≠ AT, maka matriks A bukan matriks orthogonal.
1 1

−4 0
• b. B =
0 2

1 1 2 0 1 2 0 ¼ 0
• Pertama-tama, kita acari A-1 = 𝑎𝑑𝑗 𝐴 = =−8 = 1
𝐴 −4 .2−0.0 0 −4 0 −4 0 2

−4 0
• Kemudian kit acari AT= , ternyata A-1 ≠ AT, maka matriks A bukan matriks orthogonal.
0 2

<
← MENU AKHIRI >
→
✓ Contoh 2.2

1 2
• Tentukan matriks orthogonal matriks-matriks berikut: A =
2 1

• Penyelesaian:

• Carilah nilai eigen dari matriks A. Nilai eigen untuk matriks A adalah akar-akar persamaan karakteristik det(A-λI) = 0

1 2 1 0 1 2 𝜆 0
• Cari terlebih dahulu det(A-λI) = det − 𝜆 = det −
2 1 0 1 2 1 0 𝜆

1−𝜆 2
• = det = (1 − 𝜆)(1 − 𝜆) – 2.2
2 1−𝜆

• = 1 - 𝜆 – 𝜆 + 𝜆2 - 4

• = 𝜆2 - 2 𝜆 - 3

• Polinominal karakteristik dari A adalah 𝜆2 - 2 𝜆 - 3 = 0 atau cari akar persamaannya, dimana a = 1, b = -2, c = 3,
maka (λ + 1)(λ − 3)=0

• Sehingga diperoleh faktornya adalah λ1 = 3 dan λ2 = -1.

<
← MENU AKHIRI >
→
• Maka, nilai – nilai eigen dari A adalah 3 dan -1.

• Kemudian carilah vektor eigen matriks A.

• Vektor eigen matriks A adalah basis ruang penyelesaian SPL homogen (A-λI) 𝑥 = 0 untuk nilai
eigen λ tertentu.

1−𝜆 2 𝑥1 0 1−3 2 𝑥1 0
• Untuk λ1 = 3, didapatkan SPL homogen 𝑥2 = → 𝑥2 =
2 1−𝜆 0 2 1−3 0

−2 2 𝑥1 0
➔ 𝑥2 = 0
2 −2

• Sehingga didapat SPL adalah −2𝑥1 + 2𝑥2 = 0 dan 2𝑥1 − 2𝑥2 = 0, didapatkan 𝑥1 = 𝑠, 𝑥2 = 𝑠

𝑟 1 1
• maka 𝑥 = =r , didapatkan vektor eigen 𝑥1 =
𝑟 1 1

<
← MENU AKHIRI >
→
 1−𝜆 2 𝑥1 0 1 − (−1) 2 𝑥1
• Untuk λ2 = -1, didapatkan SPl homogen 𝑥2 = → 𝑥2 =
2 1−𝜆 0 2 1 − (−1)

0 2 2 𝑥1 0
→ 𝑥2 =
0 2 2 0

• Sehingga didapat SPL adalah 2𝑥1 + 2𝑥2 = 0 dan 2𝑥1 + 2𝑥2 = 0, didapatkan 𝑥1 = −𝑡, 𝑥2 = 𝑡

−𝑡 −1 −1
• maka 𝑥 = =t , didapatkan vektor eigen 𝑥2 =
𝑡 1 1

• Selanjutnya adalah proses Gramm-Schmidt pada setiap baris dengan menggunakan hasil-kali titik
sehingga didapatkan vektor-vektor eigen yang orthonormal.

1 1
1 −1 −
𝒙𝟏 1 2 𝒙𝟐 1 2
• p1 = = = 1 p2 = = = 1
𝒙𝟏 2 𝒙𝟐 2
2 2

<
← MENU AKHIRI >
→
 1 1
−
2 2
• Sehingga P= 1 1 ,
2 2

1 1 1 1 1 1 3 1
1 2 − − 3 0
2 2 2 2 2 2 2 2
• dan PTAP = 1 1 1 1 = 1 1 3 1 =
− 2 1 − − 0 −1
2 2 2 2 2 2 2 2

<
← MENU AKHIRI >
→
✓ Contoh 2.3

4 2 2
• Carilah matriks P yang orthogonal yang akan mendiagonalkan matriks A = 2 4 2
2 2 4

• Penyelesaian:

• Cari determinannya matriks C

4 2 2 1 0 0 4−𝜆 2 2 4−𝜆 2
• det(C - λ I) = det 2 4 2 − 𝜆 0 1 0 = 2 4− 𝜆 2 2 4− 𝜆
2 2 4 0 0 1 2 2 4−𝜆 2 2

• ➔metode Sarrus, didapatkan = (𝜆 − 2)2(𝜆 − 8) = 0, kemudian sesuai persamaan karakteristik

det(C - λ I) = 0

• Jadi, nilai eigen dari A adalah 𝜆 = 2 dan 𝜆 = 8.

<
← MENU AKHIRI >
→
 4−𝜆 2 2 𝑥1 0
Untuk 𝜆1 = 2, 2 4− 𝜆 2 𝑥2 = 0
2 2 4−𝜆 𝑥3 0

4−2 2 2 𝑥1 0 2 2 2 𝑥1 0
2 4− 2 2 𝑥2 = 0 → 2 2 2 𝑥2 = 0
2 2 4−2 𝑥3 0 2 2 2 𝑥3 0

1 1 1
Dengan eliminasi Gauss, didapat 0 0 0
2 2 2

−1 −1
Sehingga diperoleh basis 𝑥1 = 1 𝑥2 = 0
0 1

Lakukan proses Gramm-Schmidt pada {𝑥1 , 𝑥2 }, sehingga dihasilkan vektor-vektor eigen

1
−
1 − 6
𝒙𝟏 2
1
yang orthogonal, u1 = = 1 , u2 = 6
|𝒙𝟏 | 2
2
0 6

<
← MENU AKHIRI >
→
 1
Sedangkan untuk ruang eigen 𝜆2 = 8, diperoleh basis 𝑥3 = 1
1

Lakukan proses Gramm-Schmidt pada {𝑥3 }, sehingga dihasilkan vektor-vektor eigen yang
1
3
1
orthogonal, u3 = 3
1
3

1 1 1
− −
2 6 3
1 1 1
Dari ketiga vektor eigen tersebut, didapat matriks P = 2 6 3
yang akan
2 1
0
6 3

mendiagonalkan matriks A secara orthogonal.

1 1 1 1 1 1 1 1 1 2 2 8
− − − − − −
2 6 3 2 6 3 2 6 3 2 6 3
1 1 1
4 2 2 1 1 1 1 1 1 2 6 8
T
P AP = 2 6 3
2 4 2 2 6 3
= 2 6 3 2 6 3
2 1 2 2 4 2 1 2 1 8 6
0 0 0 0
6 3 6 3 6 3 6 3

<
← MENU AKHIRI >
→
 3. Latihan Soal
• 1. Apakah matriks – matriks berikut bisa didiagonalikasikan secara orthogonal? Jika dapat,
tentukan matriks P orthogonalnya.

1 3 9
−4 0 6 8
• a. b. c. 3 2 0
0 2 8 −6
9 0 2

• 2. Apakah matriks – matriks berikut bisa didiagonalikasikan? Jika dapat, tentukan matriks P
orthogonalnya.

5 6 2
2 2 2 5
• a. b. c. 0 −1 −8
0 2 −1 −2
1 0 −2

𝑎 𝑐
• 3. Tentukan syarat agar matriks dapat didiagonalisasi
𝑏 𝑑

<
← MENU AKHIRI >
→
 Daftar Pustaka
1. Anton, Howard., C. Rorres. (1992). Aljabar Linear Elementer Terjemahan.
Jakarta: Penerbit Erlangga.
2. Said-Houari, Belkacem. (2016). Linear Algebra. Abu Dhabi: Birkhauser.
3. Sibarani, Maslen. (2014). Aljabar Linier Edisi Kedua. Depok: Rajagrafindo
Persada.
4. Santosa, R.Gunawan. (2009). Aljabar Linier Dasar. Yogyakarta : Andi Offset.
5. Imrona, Mahmud. (2013). Aljabar Linier Dasar. Jakarta: Penerbit Erlangga
6. Sutojo,T., et al. (2010). Teori dan Aplikasi Aljabar Linier & Matriks. Semarang:
Penerbit Andi.
7. E. Kreyszig. (2011). Advanced Engineering Mathematics – 10th Edition. John
Wiley.

<
← MENU AKHIRI
 Daftar Pustaka
8. S. J. Leon. (2009). Linear Algebra with Applications – 8th Edition. Pearson.
9. Lipschutz, Seymour., Lipson,Marc. (2004). Schaum’s Outlines Aljabar Linear
Edisi Ketiga. Jakarta: Penerbit Erlangga.
10. Nur’aini, Astri Fitria. (2014). Modul Aljabar Linear 1. Retrieved from
https://www.academia.edu/36507247/MODUL_ALJABAR_LINEAR_1_Disusu
n_oleh_ASTRI_FITRIA_NURANI_2014.
11. Sibaroni, Yuliant. (2002). Buku Ajar Aljabar Linear. Retrieved from
https://www.academia.edu/11338832/Aljabar_Linear_Buku_Ajar_Aljabar_Line
ar_PROGRAM_PERKULIAHAN_DASAR_UMUM_SEKOLAH_TINGGI_TEKN
OLOGI_TELKOM_BANDUNG_2002.
12. Kariadinata, Rahayu. (2019). Pengantar Aljabar Linear Disertai Peta Konsep.
Bandung: CV Pustaka Setia.
<
← MENU AKHIRI
Terima Kasih
Ellisa Agustina, ST., MT.