RUANG EIGEN

Suatu Ruang eigen merupakan kumpulan dari vektor eigen yang diasosiaikan
dengan setiap nilai eigen untuk transformasi linier yang digunakan terhadap vektor eigen.
Transformasi linier sering merupakan suatu matriks bujur sangkar (sebuah matriks yang
memiliki jumlah kolom yang sama sebagaiamana dengan baris). Penentuan ruang eigen
membutuhkan penyelesaian untuk pertama sekali nilai eigen sebagai berikut:

Persamaan 1:

(A - λI)x = 0

Persamaan 2

det(A - λI) = 0

Persamaan 3

A - λI

Dimana A merupakan matriks bujur sangkar, λ merupakan nilai eigen, I merupakan

matriks identitas dan x merupakan vektor eigen. Persamaan 1 merupakan persamaan
yang digunakan untuk menyelesaiakan bahwa akan memberikan kita nilai eigen dan
vektor eigen . Persamaan 2 merupakan determinan dari matriks (A- λI) dan digunakan
untuk menyelesaian untuk nilai eigen. Disana menjadi bisa sebanyak nilai eigen
sebagaimana banyaknya baris dalam matrik A. Sekali nilai eigen dihitung, gunakan
mereka dalam Persamaan 3 untuk menentukan vektor eigen. Pasangkan dalam setiap
nilai eigen dan hitung matrik Persamaan 3. Turunkan atau normalisasikan elemen-elemen
dari matriks dan ruang eigen bisa diekstraksi dari sana. Mengetahui ruang eigen
memberikan semua kemungkinan vektor eigen untuk setiap nilai eigen.

Jadi, Ruang Eigen merupakan sekumpulan vektor eigen yang diasosiasikan dengan
sebuah nilai eigen khusus, bersama-sama dengan vektor nol.

Kegunaan praktis dari sebuah Ruang Eigen:

Pengolahan Gambar (Citra):

vektor eigen, atau bidang eigen, digunakan untuk menyatakan kecerahan dari setiap
piksel dalam Gambar (Citra) dari sebuah wajah untuk guna dalam pengenalan wajah
cabang dari biometrics.

Geology: ruang eigen dapat digunakan untuk meringkaskan dalam ruang 3-D orientasi
dari glast dari glacial till
Vibration Analysis: ruang eigen menggambarkan bentuk dari mode vibrasi dari sebuah
objek untuk setiap nilai eigen atau frekuensi alami, berkaitan dengan dalam konteks ini
sebagai sebuah frekuensi eigen.

A. Nilai Eigen dan Vektor Eigen

Sebuah matriks A yang berukuran n n dan sebuah vektor x pada Rn dan

biasanya secara umum tidak ada hubungan antara vektor x dengan vektor Ax
(Gambar 1a). Namun, ada beberapa vektor x tak nol sehingga x dan Ax merupakan
penggandaan satu sama lainnya (Gambar 1b).

Ax
Ax
x x

(a) (b)

Gambar 1

1. Jika A matriks m n, maka vektor x yang tidak nol di Rn disebut vektor eigen
(eigen vector) dari A jika Ax adalah kelipatan skalar dari x, yaitu Ax = λ x untuk
suatu skalar λ. Skalar λ dinamakan nilai eigen (eigen value) dari A.

2.Persamaan det (λ I – A) = 0 dengan λ sebagai variabel disebut persamaan

karakteristik dari matriks A. Akar-akar atau skalar-skalar yang memenuhi
persamaan ini adalah nilai-nilai eigen (nilai-nilai karakteristik) dari matriks A.
Det(λ I – A) ≡ f(λ) yaitu berupa polinom dalam λ yang dinamakan polinom
karakteristik.

3. Jika A adalah suatu matriks n n dan λ adalah suatu bilangan real, maka
pernyataan-pernyataan berikut ini adalah ekuivalen
(a) λ adalah nilai-nilai eigen dari matriks A.
(b) Sistem persamaan (λ I – A)x = 0 mempunyai penyelesaian tak trivial (non
trivial).
(c) Ada vektor x yang tidak nol dalam R n sedemikian sehingga Ax = λx.
 (d) λ adalah suatu penyelesaian real dari persamaan karakteristik det (λ I – A) = 0

4. Ruang penyelesaian dari sistem persamaan linear (λ I – A) x = 0 atau

(A - λ I) x = 0 dinamakan ruang eigen dari matriks A yang berukuran n n.

5. Skalar k dinamakan nilai eigen dari transformasi linear T: V → V jika ada vektor
x yang tidak nol dalam V sehingga Tx = λx. Vektor x dinamakan vektor eigen T
yang bersesuaian dengan λ. Secaa ekuivalen, maka vektor eigen T yang
bersesuaian dengan nilai eigen λ adalah vektor tak nol dalam ruang eigen T.

Contoh 1
3 2
Diketahui matriks P = .
1 0

2 1
Vektor x1 = dan x2 = adalah vektor-vektor eigen dari matriks P, sebab
1 1

3 2 2 4 2
Px1 = = =2 = 2 x1
1 0 1 2 1

3 2 1 1 1
dan Px1 = = =1 = 1 x2
1 0 1 1 1
Nilai-nilai eigen dari matriks P adalah λ1 = 2 dan λ2 = 1.

Contoh 2
3 2
Carilah nilai-nilai eigen dari matriks Q =
1 0
Penyelesaian:
Polinom karakteristik dari matriks Q adalah

1 0 3 2
det (λ I – Q) = det
0 1 1 0

3 2
= det
1
= λ2 - 3λ + 2
dan persamaan karakteristik dari matriks Q adalah
λ2 - 3λ + 2 = 0
Penyelesaian dari persamaan ini adalah λ1 = 1 dan λ2 = 2.
Jadi, nilai-nilai eigen dari matriks Q adalah 1 dan 2

Contoh 3
4 0 1
Diketahui untuk A = 2 1 0
2 0 1

Carilah: a) Persamaan karakteristik dari matriks A

b) Nilai-nilai eigen dari matriks A

Penyelesaian:
a) Persamaan karakteristik dari matriks A adalah
4 0 1
det (λ I – A) = det 2 1 0 =0
2 0 1
 4 0 1
atau det (A - λ I) = det 2 1 0 =0
2 0 1

1 0 2 1
(4 – λ) =0
0 1 2 0

(4 – λ) (1 – λ)2 + 2(1 – λ) = 0
(4 – λ) (1 – 2λ + λ2) (2 – 2λ) = 0
λ3 - λ2 + 11 λ - 6 = 0

- Untuk menyelesaikan persamaan dapat pula dilakukan dengan bantuan metode

Horner, dengan langkah pertama sema seperti di atas yaitu sampai mendapatkan
λ1 = 1 dan langkah berikutnya sebagai berikut:
1 -6 11 -6 (koefisien-koefisien persamaan )

λ1 = 1 -5 6 +

1 -5 6 0 (λ – 1)
(λ2 - 5λ + 6) = 0
(λ – 1) (λ – 2) (λ - 3) = 0
λ1 = 1, λ2 = 2, dan λ3 = 3
adalah nilai-nilai eigen dari matriks A.

B. Ruang Eigen

Vektor Eigen suatu matriks Anxn yang bersesuaian dengan nilai  berada dalam ruang
penyelesaian (I-A)x=0. Ruang penyelesaian ini dinakaman Ruang Eigen (Eigenspace) matriks
A. Secara jelas Ruang Eigen didefenisikan sebagai berikut.

Defenisi

Ruang penyelesaian sistem persamaan linier (I-A)x=0 atau (I-A)x=0 dinamakan Ruang
Eigen dari matriks Anxn.
Untuk menentukan Basis Ruang Eigen suatu matriks harus melalui langkah-langkah berikut:

 Membentuk persamaan karakteristik ,

 Menentukan nilai Eigen dengan menyelesaikan persamaan karakteristik,

 Menentukan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh.

Contoh

Tentukan Basis untuk ruang eigen matriks:

  3 1 1
 
4. A=   7 5  1 
  6 6  2
 

1 1 0
 
5 . B=  0 2 0 
0 0 1
 
Penyelesaian:

Untuk menentukan Basis Ruang Eigen suatu matriks harus melalui langkah-langkah berikut:

 Membentuk persamaan karakteristik ,

 Menentukan nilai Eigen dengan menyelesaikan persamaan karakteristik,

 Menentukan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh.

4. Basis untuk ruang eigen matriks A

5. Basis untuk ruang eigen matriks A
Contoh 6.
Soal:

1. Diketahui matriks A, yaitu:

 0  1  3
 
A=  2 3 3 
 2 1 1 


Carilah basis untuk ruang eigen dari matriks A.

DAFTAR PUSTAKA

Ayres, Frank, JR.Ph.D, (1982). Theory and Problems of Matrices, Singapore:

Schaum’s Outline, Mc-Graw Hill Book Company.

Anton Howard, (1987), Elementary Linear Algebra, 5th Edition New York: John
Wiley & Sons.

Drs. H. Karso, M.M.Pd,

http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/195509091980021-
KARSO/MODUL_11_ALJABAR_LINEAR_2006.pdf

Larry Smith. (1998). Linear Algebra. Gottingen: Springer.

Raisinghania & Aggarwal, R.S, (1980), Matrices, New Delhi: S.Chan & Company
 Ltd.

Roman Steven (1992). Advanced Linear Algebra, New York, Berlin, Herdelberg,
London, Paris, Tokyo, Hongkong, Barcelona, Budapest: Springer-Velag.

Seymour Lipschutz. (1981). Linear Algebra, Singapore: Schaum’s Outline, Mc- Graw
Hill Book Company.
https://www.academia.edu/5564460/Nilai_eigen