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
Jadi, Ruang Eigen merupakan sekumpulan vektor eigen yang diasosiasikan dengan
sebuah nilai eigen khusus, bersama-sama dengan vektor nol.
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.
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.
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
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
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
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:
Menentukan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh.
Contoh
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:
Menentukan vektor eigen yang bersesuaian dengan nilai eigen yang diperoleh.
0 1 3
A= 2 3 3
2 1 1
DAFTAR PUSTAKA
Anton Howard, (1987), Elementary Linear Algebra, 5th Edition New York: John
Wiley & Sons.
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