Assalamu’alaikum Warahmatullahi

Wabarakaatuh
 NILAI EIGEN DAN VEKTOR EIGEN
Oleh: Agtya Jacklione Sabrina (A410190076/2B)

Mata Kuliah : Aljabar Linear

Dosen Pengampu : Naufal Ishartono, S.Pd., M.Pd

FKIP Pendidikan Matematika

Universitas Muhammadiyah Surakarta
Juni 2020
 Nilai Eigen dan Vektor Eigen

Jika 𝐴 adalah sebuah matriks 𝑛 × 𝑛, maka sebuah vektor tak nol 𝒙 pada R𝑛 disebut vektor
eigen (vektor karakteristik) dari 𝐴 jika 𝐴𝒙 adalah sebuah kelipatan skalar dari 𝒙; jelasnya:
𝐴𝒙 = 𝜆𝒙
Untuk skalar sebarang 𝜆. Skalar 𝜆 ini disebut nilai eigen (nilai karakteristik) dari 𝐴, dan
disebut sebagai vektor eigen (vektor karakteristik) dari 𝐴 yang terkait dengan 𝜆.
Contoh :
2 0 1
Matriks A = , maka vektor x = adalah vektor eigen dari matriks A, sebab Ax
6 −1 2
adalah kelipatan dari x yaitu,
2 0 1 2 1
Ax = = =2 = 2x
6 −1 2 4 2
Dalam hal ini λ = 2 adalah nilai eigen dari matriks A.
 Persamaan Karakteristik
Untuk memperoleh nilai eigen dari sebuah matriks 𝐴 berukuran 𝑛 ×𝑛, persamaan 𝐴𝒙 = 𝜆𝒙 dapat
dituliskan kembali menjadi
𝐴𝒙 = 𝜆𝐼𝒙
𝐴𝒙−𝜆𝐼𝒙 = 𝟎
(𝐴−𝜆𝐼) 𝒙 = 𝟎

• Agar 𝜆 dapat menjadi nilai eigen, harus terdapat satu solusi tak nol dari persamaan ini. Persamaan
ini memiliki solusi taknol jika dan hanya jika det 𝐴−𝜆𝐼 = 0
Persamaan di atas disebut sebagai persamaan karakteristik dari matriks 𝐴. Skalar-skalar yang
memenuhi persamaan ini adalah nilai-nilai eigen dari matriks 𝐴. Persamaan karakteristik di atas
juga bisa dituliskan: det (𝜆𝐼 −𝐴) = 0
Apabila diperluas lagi, det(𝐴−𝜆𝐼) ≡ f(𝜆) atau det(𝜆𝐼 −𝐴) ≡ f(𝜆) adalah sebuah polinomial 𝑝 dalam
variabel 𝜆 yang disebut sebagai polinomial karakteristik dari matriks 𝐴.
• Dari pemahaman definisi di atas, jelas bahwa A adalah matriks n x n, maka persamaan karakteristik
dari matriks A mempunyai derajat n dengan bentuk
det (𝜆𝐼 – A) = f(𝜆) = a0 + a1x1 + a2x2 + … + an - 1xn - 1 + anxn = 0
Menurut teorema dasar aljabar kita dapatkan bahwa persamaan karakteristik tersebut mempunyai
paling banyak n penyelesaian yang berbeda (Ingat metode Horner dan persamaan pangkat tinggi).
Jadi, suatu matriks yang berukuran n x n paling banyak mempunyai n-nilai eigen yang berbeda.
Contoh 1 : Menentukan Persamaan Karakteristik dan Nilai Eigen
4 0 1
Diketahui matriks A = −2 1 0
−2 0 1
Carilah : a. Persamaan karakteristik dari matriks A
b. Nilai-nilai eigen dari matriks A
Penyelesaian :

𝜆−4 0 1
Det (𝜆𝐼 – A) = det 2 𝜆−1 0 =0
2 0 𝜆−1
4−𝜆 0 1
Atau Det (A- 𝜆𝐼) = det −2 1−𝜆 0 =0
−2 0 1−𝜆
1−𝜆 0 −2 1−𝜆
(4-𝜆) +1 =0
0 1−𝜆 −2 0
(4– 𝜆) (1 – 𝜆)2 + 2(1 – 𝜆) = 0
(4– 𝜆) (1 – 2 𝜆 + 𝜆 2) (2 – 2 𝜆) = 0
𝜆 3 - 6 𝜆2 + 11𝜆 - 6 = 0 Persamaan karakteristik dari matriks A
Untuk mencari nilai-nilai eigen dari matriks A melalui persamaan karakteristik matriks A yaitu
𝜆 3 - 6 𝜆2 + 11𝜆 - 6 = 0 dapat menggunakan cara horner yaitu sebagai berikut :
1 6 11 -6
𝜆= 1 -5 6
1 -5 6 0
(𝜆 -1)(𝜆2 - 5𝜆 + 6) = 0
(𝜆 - 1)(𝜆 - 2)(𝜆 – 3) = 0
𝜆1 = 1, 𝜆2 = 2, 𝜆3 = 3 adalah nilai-nilai eigen dari matriks A.
 Ruang Eigen

Setelah kita memahami bagaimana mencari nilai-nilai eigen hubungannya dengan

persamaan karakteristik, maka sekarang akan beralih ke masalah untuk mencari vektor eigen.
Menurut definisi terdahulu bahwa vektor eigen dari matriks A yang bersesuaian dengan nilai
eigen 𝜆 adalah vektor x yang tidak nol dan haruslah memenuhi Ax = 𝜆x. Dengan kata lain,
secara ekuivalen tentunya vektor eigen yang bersesuaian dengan nilai eigen 𝜆 adalah vektor
yang tak nol dalam ruang penyelesaian (𝜆I – A) x = 0. Ruang penyelesaian ini kit anamakan
sebagau ruang eigen (eigen space) dari matriks A yang bersesuaian dengan nilai eigen λ.
Apakah ruang eigen ini membentuk basis?
Ruang penyelesaian dari sistem persamaan linear (𝜆 I – A) x = 0 atau (A - 𝜆I) x = 0 dinamakan
ruang eigen dari matriks A yang berukuran n x n.
Contoh 2 : Menentukan Basis untuk Ruang Eigen

4 0 1
Diketahui matriks A = −2 1 0 . Carilah basis untuk ruang eigen dari matriks A.
−2 0 1
Telah diselesaikan dalam Contoh 1, bahwa dari persamaan karakteristik
det (A - λ I) = λ3 - 6 λ2 + 11 λ1 - 6 = 0
didapat tiga buah nilai eigen matriks A, yaitu λ1 = 1, λ2 = 2, dan λ3 = 3.
𝑥1
Sehingga didapatkan tiga buah ruang eigen dari matriks A. Menurut definisi, x = 𝑥2
𝑥3
adalah vektor eigen dari matriks A yang bersesuaian dengan λ jika dan hanya jika x adalah suatu
penyelesaian non trivial dari sistem persamaan linear homogen:
(λI - A) x = 0 atau (A - λI) x = 0

4−𝜆 0 1 𝑥1 0
−2 1−𝜆 0 𝑥2 = 0 ........................(1)
−2 0 1−𝜆 𝑥3 0
 3 0 1 𝑥1 0
Untuk λ1 = 1, maka pers (1) menjadi −2 0 0 𝑥2 = 0 3𝑥1 +𝑥3 = 0
−2 0 0 𝑥3 0
−2𝑥1 = 0
−2𝑥1 = 0
Didapat 𝑥1 = 0
𝑥2 = t ∈ 𝑅
𝑥3 = 0

Vektor-vektor eigen A yang bersesuaian dengan λ1 = 1 adalah vektor tak nol yang berbentuk

0 0
X= 𝑡 =t 1 .
0 0
0
Jadi vektor 1 merupakan basis untuk ruang eigen dari matriks A yang bersesuaian dengan
0
λ1 =1.
 2 0 1 𝑥1 0
Untuk λ2 = 2, maka pers (1) menjadi −2 −1 0 𝑥2 = 0 2𝑥1 +𝑥3 = 0
−2 0 −1 𝑥3 0
−2𝑥1 - 𝑥2 = 0
−2𝑥1 - 𝑥3 = 0

2 0 1 ⋮ 0 (𝑏2 + 𝑏1 )
−2 −1 1 ⋮ 0
−2 0 −1 ⋮ 0 (𝑏3 + 𝑏1 )

2 0 1 ⋮ 0
0 −1 1 ⋮ 0 2𝑥1 + 𝑥3 = 0
0 0 0 ⋮ 0
−𝑥2 + 𝑥3 = 0
1
Didapat 𝑥1 = − 2 𝑥3 , 𝑥2 = 𝑥3 , misal 𝑥3 = t ∈ 𝑅
Vektor-vektor eigen A yang bersesuaian dengan λ2 = 2 adalah vektor tak nol yang berbentuk
1 1 1
− 𝑡 − −
2 2 2
X= 𝑡 = t 1 . Jadi vektor 1 merupakan basis untuk ruang eigen dari matriks A yang bersesuaian
𝑡 1 1

dengan λ 2 = 2.
 1 0 1 𝑥1 0
Untuk λ3 = 3, maka pers (1) menjadi −2 −2 0 𝑥2 = 0 𝑥1 +𝑥3 = 0
−2 0 −2 𝑥3 0
−2𝑥1 - 2𝑥2 = 0
−2𝑥1 - 2𝑥3 = 0
Didapatkan 𝑥1 = -𝑥3
𝑥2 = 𝑥3
misal 𝑥3 = t ∈ 𝑅
−𝑡 −1
Vektor eigen untuk λ3 = 3 adalah x = 𝑡 = t 1 .
𝑡 1
−1
Jadi vektor 1 adalah basis untuk ruang eigen matriks A yang bersesuaian dengan λ3 = 3.
1
1
0 − −1
2
Jadi vektor basis untuk ruang eigen matriks A adalah 1 , 1 , dan 1 yang bersesuaian
0 1 1
berurutan dengan nilai eigen λ1 = 1, λ2 = 2, λ3 = 3.
 Nilai Eigen, Vektor Eigen, dan Transformasi Linear

Definisi : 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.
Dari definisi ini dapat diperlihatkan, bahwa jika V adalah ruang vektor yang berdimensi berhingga
dan λ adalah nilai eigen dari matriks T untuk transformasi linear T : V → V terhadap sebarang
basis B, maka
T(x) = λ(x)
[T(x)]B = [λ(x)]B
A[x]B = λ[x]B

Hal ini berarti:

1. Nilai eigen λ dari T adalah nilai eigen matriks A
2. Vektor x adalah vektor eigen T yang bersesuaian dengan λ jika dan hanya jika matriks
koordinat-koordinatnya [x]B adalah vektor eigen A yang bersesuaian dengan λ.
Contoh 3 :
Misalkan T : 𝑃2 → 𝑃2 yang didefinisikan (dirumuskan) oleh
T (𝑎0 + 𝑎1 x + 𝑎2 𝑥 2 ) = (4𝑎0 + 𝑎2 ) + (−2𝑎0 +𝑎1 )x + (−2𝑎0 + 𝑎2 )𝑥 2 .
Carilah : a. Nilai-nilai eigen T
b. basis-basis untuk ruang eigen T
Penyelesaian :
Basis standar (basis baku) untuk 𝑃2 adalah B = {1, x, 𝑥 2 },
T(1) = 4 – 2x - 2𝑥 2 = 4 – 2x - 2𝑥 2
T(x) = 0 + x + 0𝑥 2 = x
T(𝑥 2 ) = 1 + 0x + 1𝑥 2 = 1 + 𝑥 2

4 0 1
[T(1)]B = −2 , [T(x)]B = 1 , [T(𝑥 )]B = 0
2

−2 0 1
4 0 1
Jadi matriks T terhadap basis B {1, x, 𝑥 } adalah A = −2 1
2
0 .
−2 0 1
Nilai eigen dari T adalah nilai eigen dari matriks A, yaitu λ1 = 1, λ2 = 2, dan λ3 = 3 (Contoh 1).
Juga telah didapatkan dari Contoh 2, bahwa ruang eigen A yang bersesuaian
0
dengan λ1 = 1 mempunyai basis {𝑢1 } = 1 ,
0
1
−2
ruang eigen yang bersesuaian dengan λ2 = 2 mempunyai basis {𝑢2 } = 1 ,
1
−1
dan ruang eigen yang bersesuaian dengan λ3 = 3 mempunyai basis {𝑢3 } = 1
1
Matriks-matriks ini adalah matriks-matriks koordinat terhadap basis standar B yang berbentuk
1
𝑝1 = x, 𝑝2 = − + x + 𝑥 2 dan 𝑝3 = -1 + x + 𝑥 2
2
Jadi, basis-basis untuk ruang eigen T yang bersesuaian dengan nilai eigen atau λ adalah
λ1 = 1 adalah {x}
1
λ2 = 2 adalah {− + x + 𝑥 2 }
2
λ3 = 3 adalah {-1 + x + 𝑥 2 }
Contoh 4 :

0 −1 −3
Tentukan nilai eigen dan vektor eigen untuk matriks A = 2 3 3 !
−2 1 1
Penyelesaian :
Nilai Eigen :
𝐴 − λ𝐼 = 0

0 −1 −3 λ 0 0 −λ −1 −3
2 3 3 − 0 λ 0 =0 → 2 3−λ 3 =0
−2 1 1 0 0 λ −2 1 1−λ
-λ((3- λ)(1- λ)-3.1) + 1(2(1- λ)-(3(-2))) + (-3)(2.1-(3- λ)(-2)) = 0
-λ((3- λ)(1- λ)-3) + (2(1- λ)-(-6)) + (-3)(2-(-6+2 λ)) = 0
-λ(λ2 -4 λ+3-3) + (2- 2λ +6) + (-3)(2+6-2 λ) = 0
-λ(λ2 -4 λ) + (-2λ + 8) + (-6-18+6λ) = 0
-λ(λ2 -4 λ) + (-2λ + 8) + (-24+6λ) = 0
-λ3 + 4λ2 - 2λ + 8 – 24 + 6λ = 0
-λ3 + 4λ2 + 4λ - 16 = 0
Menggunakan Metode Horner
-1 4 4 -16
-2 2 -12 16
-1 6 -8 0

(λ + 2)(2λ2 - 12λ + 16) = 0

(λ + 2)(2λ – 4)(λ − 4) = 0 didapatkan λ = -2, λ = 2, dan λ = 4

Vektor Eigen :

−λ −1 −3 𝑥1
Untuk λ = -2 maka 2 3−λ 3 𝑥2 = 0
−2 1 1 − λ 𝑥3

−(−2) −1 −3 𝑥1 2 −1 −3 𝑥1
2 3 − (−2) 3 𝑥2 = 0 → 2 5 3 𝑥2 = 0
−2 1 1 − (−2) 𝑥3 −2 1 3 𝑥3
2𝑥1 − 𝑥2 − 3𝑥3 = 0
2𝑥1 + 5𝑥2 + 3𝑥3 = 0
-2𝑥1 + 𝑥2 + 3𝑥3 = 0
Diperoleh 𝑥1 = 1, 𝑥2 = -1, dan 𝑥3 = 1

1
Maka untuk λ = -2 diperoleh vektor eigen: x = −1 .
1
−1
Untuk λ = 2 dengan cara yang sama diperoeh vektor eigen: x = −1 .
1
−1
Untuk λ = 4 dengan cara yang sama diperoeh vektor eigen: x = 1 .
1
Teorema 1
Jika 𝐴 adalah sebuah matriks segitiga (atas/bawah) atau matriks diagonal,
maka nilai-nilai eigen dari 𝐴 adalah entri-entri yang terletak pada diagonal utama
matriks 𝐴.

Contoh 5 :

3 7
−2 −9 10
4
2
Tentukan nilai-nilai eigen dari matriks B = 0 3
29 2
0 0 −1 3
0 0 0 −6
Berdasarkan Teorema 1, maka nilai-nilai eigen dari matriks B adalah
3
𝜆1 = 4 , 𝜆2 = 23, 𝜆3 = -1, 𝜆4 = -6
 Teorema 2
Jika A adalah suatu matriks n x 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 (λI – A)x = 0 mempunyai penyelesaian tak trivial (non trivial).
c) Ada vektor x yang tidak nol dalam Rn sedemikian sehingga Ax = λx.
d) λ adalah suatu penyelesaian real dari persamaan karakteristik det (λI – A) = 0

Bukti :
a, b, c dan d ekuivalen satu sama lainnya dengan membuktikan urutan implikasi a→ 𝑏 → 𝑐 →
𝑑 → 𝑎.
a→ 𝑏. Karena λ adalah nilai-nilai eigen dari matriks A, maka menurut definisi nilai eigen
berlaku :
Ax = λx dengan x tak nol.
λIx - Ax = 0
(λI - A)x = 0
karena x tak nol maka sistem persamaan linear homogen (λI – A)x = 0 harus
mempunyai penyelesaian non-trivial.
b→ 𝑐. Karena (λI – A)x = 0 maka
Ax = λIx
Ax = λx
c→ 𝑑. Karena Ax = λx
Ax = λIx
(λI – A)x = 0
karena ada x tidak nol, maka sistem persamaan linear homogen (λI – A)x = 0
haruslah det (λI – A) = 0 dengan λ adalah suatu penyelesaian realnya.
d→ 𝑎. Karena λ adalah penyelesaian real dari persamaan det (λI – A) = 0 , maka λ adalah
penyelesaian dari persamaan karakteristik det (λI – A) = 0 atau dengan kata lain λ
adalah nilai eigen dari matriks A.
Teorema 3
Jika 𝑘 adalah bilangan bulat positif, 𝜆 adalah nilai eigen dari suatu matriks 𝐴, dan 𝒙
adalah vektor eigen yang terkait dengan 𝜆, maka 𝜆𝑘 adalah nilai eigen dari 𝐴𝑘 dan 𝒙
adalah vektor eigen yang terkait dengannya.

Contoh 6 :
0 0 −2
Matriks A = 1 2 1
1 0 3
Persamaan karakteristik dari matriks 𝐴 adalah:
− λ3 +5 λ2 −8𝜆 +4 = 0 Atau λ3 −5 λ2 + 8𝜆 −4 = 0
2
Dengan menggunakan pemfaktoran, didapatlah: (𝜆−1) (𝜆−2) = 0
Sehingga nilai-nilai eigen dari 𝐴 adalah: 𝜆 = 1 dan λ2 = 2
Berdasarkan Teorema 3, apabila diinginkan nilai eigen dari matriks 𝐴7 adalah
𝜆 = 17 = 1 dan λ2 = 27 = 128.
Maka, berdasarkan Teorema 3, vektor-vektor eigen dari matriks 𝐴 yang terkait dengan λ2 = 2 akan
sama dengan vektor-vektor eigen dari matriks 𝐴7 yang terkait dengan λ2 = 27 = 128. Begitu pula untuk
vektor-vektor eigen dari matriks 𝐴 yang terkait dengan 𝜆 = 1 akan sama dengan vektor-vektor eigen
dari matriks 𝐴7 yang terkait dengan 𝜆 = 17 = 1.
 Diagonalisasi

• Jika A matriks bujur sangkar berukuran n x n (A matriks simetris), dan terdapat matriks
diagonal D sedemikian hingga D = P–1AP sehingga dikatakan matriks A dapat
didiagonalisasi.
• P merupakan matriks n x n yang kolom – kolomnya merupakan vektor – vektor kolom dari
basis ruang eigen A.
• P disebut matriks yang mendiagonalisasi A , sedangkan D merupakan matriks diagonal yang
elemen diagonalnya merupakan semua nilai eigen dari A.
• Tidak semua matriks bujur sangkar dapat didiagonalisasi tergantung dari jumlah basis ruang
eigen yang dimiliki.
• Jika matriks bujur sangkar berukuran n dan basis ruang eigen yang bebas linear berjumlah n
juga, maka matriks tersebut dapat didiagonalisai , jika jumlahnya kurang dari n maka tidak
dapat didiagonalisasi. Pada saat matriks memiliki nilai eigen sejumlah n , maka basis ruang
eigennya juga akan berjumlah n , sedangkan pada saat jumlah nilai eigennya kurang dari n ,
masih ada dua kemungkinan yaitu jumlah nilai eigennya sama dengan n atau jumlah nilai
eigennya kurang dari n. Jadi pada saat jumlah nilai eigen sama dengan n maka matriks
dapat didiagonalisasi, sedangkan pada saat jumlah nilai eigen kurang dari n belum bisa
ditentukan apakah matriks bisa didiagonalisasi atau tidak.
Secara umum untuk menentukan matriks pendiagonal P dan matriks diagonal D adalah sebagai
berikut :
Misal A matriks bujur sangkar n x n memiliki n buah basis ruang eigen yang bebas linear
𝑥1 , 𝑥2 , …, 𝑥𝑛 yang bersesuaian dengan nilai eigen λ1 , λ2 , λ3 , ..., λ𝑛 , (λ𝑖 tidak harus berbeda
dengan λ𝑗 ), 𝑥1 maka matriks pendigonal P bisa diambil sebagai P = [𝑥1 , 𝑥2 , …, 𝑥𝑛 ] yaitu hasil
vektor basis ruang eigen. Rumus Matriks diagonal D = P–1AP.

λ1 0 0 0
0 λ2 0 0
D= → elemen matriks D adalah nilai eigen matriks A.
։ ։ ։ ։
0 0 0 λ𝑛

Langkah-langkah menentukan matriks P dan D adalah sebagai berikut :

1) Hitung persamaan karakteristik A sehingga menghasilkan λ (nilai eigen).
2) Carilah vektor basis ruang eigen bebas linear A sesuai nilai eigen.
3) Bentuklah matriks pendiagonal P = [𝑥1 , 𝑥2 , …, 𝑥𝑛 ] dan hitunglah P–1 (Invers P).
4) Hitung matriks diagonal D dengan rumus D = P–1AP yang memiliki elemen matriks nilai eigen matriks A.
Contoh 7 :
4 0 1
Diketahui matriks A = −2 1 0 , tentukan matriks yang mendiagonalisasi A dan matriks
−2 0 1
diagonalnya!
Penyelesaian:
Dari jawaban pada contoh 1 dan 2 didapatkan nilai eigen 𝜆1 = 1, 𝜆2 = 2, 𝜆3 = 3 dengan basis
1
0 − −1
2
ruang eigen yang bersesuaian berturut-turut adalah 1 , 1 , 1 .
0 1 1
Kolom – kolom pada matriks P juga dapat dirubah– ubah urutannya sehingga kalau dihitung ada
sebanyak 6 matriks yang memenuhi jawaban, selanjutnya matriks D akan mengikuti urutan dari
matriks P.
1
0 −2 −1 0 1 −1
−1
Jadi matriks pendiagonal P = 1 1 1 →𝑃 = 2 0 2
0 1 1 −2 0 −1
1 0 0
Dan matriks diagonalnya adalah D = P–1AP = 0 2 0 .
0 0 3
Matriks diagonal mengandung elemen nilai eigen matriks A.
Contoh 8 :

2 −2 −2
Diketahui A = 1 5 2 . Tentukan matriks yang mendiagonalisasi A beserta matriks
1 2 5
diagonalnya!
Penyelesaian :
Menentukan nilai eigen A dan vektor eigennya.

−λ + 2 −2 −2
Persamaan karakteristik A diperoleh dari : det (A − λI) = 0 → 1 −λ + 5 2
1 2 −λ + 5
= (-λ+2)(λ2 -10λ+21) + (-1)(2λ −6) + (1)(-2λ+6)
= (−λ3 + 12λ2 −41λ+42) + (-2λ + 6) + (-2λ + 6)
= −λ3 + 12λ2 −45λ+54
Diperoleh λ1 = λ2 = 3 dan λ3 = 6.
 −1 −2 −2 𝑥1
Untuk λ1 = λ2 = 3 substitusi ke persamaan (A − λ 𝐼) 𝑥= 0 → 1 2 2 𝑥2 =0
1 2 2 𝑥3
−1 −2 −2 1 2 2 𝑥1
1 2 2 ~ 0 0 0 𝑥2 =0
1 2 2 0 0 0 𝑥3
𝑥1 +2𝑥2 +2𝑥3 = 0
𝑥1 = -2𝑥2 −2𝑥3
𝑥2 = 𝑥 2
𝑥3 = 𝑥3
𝑥1 −2s − 2𝑡 −2 −2
misal 𝑥2 = s dan 𝑥3 = t → Ruang eigen : 𝑥 = 𝑥2 = 𝑠 =s 1 +t 0
𝑥3 𝑡 0 1

−2 −2
Jadi untuk λ1 = λ2 = 3 terdapat dua vektor basis ruang eigen yaitu 1 dan 0 .
0 1
 −4 −2 −2 𝑥1
Untuk λ3 = 6 substitusi ke persamaan (A − λ 𝐼) 𝑥= 0 → 1 −2 2 𝑥2 =0
1 2 −2 𝑥3
−4 −2 −2 1 0 1 𝑥1
1 −2 2 ~ 0 1 −1 𝑥2 =0
1 2 −2 0 0 0 𝑥3
𝑥1 +𝑥3 = 0
𝑥2 − 𝑥3 = 0
→ 𝑥1 = −𝑥3
→ 𝑥2 = 𝑥3
→ 𝑥3 = 𝑥3
𝑥1 −1
misal 𝑥3 = t → Ruang eigen : 𝑥 = 𝑥2 = t 1
𝑥3 1

−1
Jadi untuk λ3 = 6 terdapat satu vektor basis ruang eigen yaitu 1 .
1
−2 −2 −1
Jadi untuk λ1 = λ2 = 3 dan λ3 = 6 ada tiga vektor basis yaitu 1 , 0 , dan 1 .
0 1 1
 −2 −2 −1
Vektor basis eigen 𝑥1 = 1 , 𝑥2 = 0 , 𝑥3 = 1 .
0 1 1
1 1 2
−3 −3
−2 −2 −1 3
1 2 1
Menentukan P = [ 𝑝1 , 𝑝2 , 𝑝3 ] = 1 0 1 → 𝑃 −1 = − 3 −3 3
0 1 1 1 2 2
3 3 3
1 1 2
−3 −3
3 2 −2 −2 −2 −2 −1
1 2 1
D = P–1AP = − 3 −3 3
. 1 5 2 . 1 0 1
1 2 2 1 2 5 0 1 1
3 3 3

3 00 λ1 0 0 0
= 0 0 → 0 λ2 0 0
3
։ ։ ։ ։
0 60 0 0 0 λ𝑛
Nilai matriks diagonal mengandung elemen nilai eigen yaitu λ1 = λ2 = 3 dan λ3 = 6.
Jadi matriks yang mendiagonalisasi A adalah
1 1 2
−3
−1 −2 −1 3 3
1 2 1
P = [ 𝑝1 , 𝑝2 , 𝑝3 ] = 1 0 1 → 𝑃 −1 = − 3 −3 3
0 1 1 1 2 2
3 3 3
3 0 0
Dan nilai matriks diagonal adalah D = 0 3 0 .
0 0 6
 Diagonalisasi Orthogonal

Matriks bujur sangkar P disebut matriks orthogonal bila berlaku 𝑃 𝑡 = 𝑃 −1 . Matriks A dapat
didiagonalisasi secara orthogonal jika terdapat P orthogonal sehingga 𝑃 −1 A P = D dengan D adalah
matriks diagonal.
Berbeda dengan masalah diagonalisasi sebelumnya, kali ini ada sedikit perbedaan tentang
matriks yang bisa didiagonalisasi ataukah tidak , yaitu :
𝑃 −1 A P = D
P D 𝑃 −1 = A
P D 𝑃𝑡 = A ( dari sifat 𝑃 𝑡 = 𝑃 −1 ) …………………………………..(1)
𝑡
(P D 𝑃 𝑡 ) = 𝐴𝑡 (kedua ruas ditransposekan)
P D 𝑃𝑡 = 𝐴𝑡 …………………………………………………………….(2)
Dari persamaan 1 dan 2 didapatkan : agar A bisa didiagonalisasi secara orthogonal maka matriks A
harus memenuhi sifat A = 𝐴𝑡 (A harus matriks simetri).
Jika A adalah matriks n x n, maka pernyataan berikut ekuivalen yakni :
1) A dapat didiagonalisasi secara ortogonal,
2) A matriks simetris,
3) A mempunyai himpunan ortonormal n vektor eigen.

Langkah-langkah menenentukan matriks P dan D adalah sebagai berikut :

1) Carilah n vektor eigen A yang bebas linear 𝑥1 , 𝑥2 , …, 𝑥𝑛 ,
2) Terapkan proses Gram – Schmidt , hasil kali dalam Euclides untuk membentuk basis
orthonormal dari vektor basis pada langkah 1 yang bersesuaian dengan nilai eigen
λ1 , λ2 , λ3 , ..., λ𝑛 dan menghasilkan P = [𝑝1 , 𝑝2 , …, 𝑝𝑛 ] dan ubah ke 𝑃 𝑇 ,
3) Cari matriks D dengan rumus 𝐷 = 𝑃 𝑇 A P dengan P dihaslikan sama dengan
diagonalisasi sebelumnya yaitu hasil vektor basis eigen.
Menentukan matriks P yang mendiagonalisasi secara orthogonal
Cara menentukan matriks P pada diagonalisasi orthogonal ini sebenarnya hampir sama
dengan penentuan P pada diagonalisasi sebelumnya yaitu didasarkan pada basis ruang
eigen yang telah diperoleh sebelumnya. Misalkan 𝑥1 , 𝑥2 , …, 𝑥𝑛 merupakan basis ruang
eigen yang bersesuaian dengan nilai eigen λ1 , λ2 , λ3 , ..., λ𝑛 , kemudian 𝑝1 , 𝑝2 , …, 𝑝𝑛
merupakan himpunan orthonormal hasil transformasi dari vektor basis 𝑥1 , 𝑥2 , …, 𝑥𝑛 dengan
hasil kali dalam Euclides , maka matriks yang mendiagonalisasi secara orthogonal adalah
P = [𝑝1 , 𝑝2 , …, 𝑝𝑛 ]
sedangkan matriks diagonal D sama dengan matriks diagonal D pada bahasan sebelumnya.
𝑃 −1 A P = D sama dengan 𝑃 𝑇 A P = D dengan P dihaslikan sama dengan diagonalisasi
sebelumnya yaitu hasil vektor basis eigen.
Contoh 9 :
1 0 1
Diketahui A = 0 0 0 . Tentukan matriks yang mendiagonalisasi A secara orthogonal
1 0 1
beserta matriks diagonalnya!
Penyelesaian :
Persamaan karakteristik: det (A − λI) 𝑥 = 0
Persamaan karakteristik: det (A − λI) 𝑥= 0

1−λ 0 1
det 0 −λ 0 = (λ − 1)2 λ – λ = λ {(λ − 1) − 1} = 0
1 0 1−λ
Didapatkan λ1 = λ2 = 0 dan λ3 = 2.

1 0 1
Untuk λ1 = 0 substitusi ke persamaan (A − λ 𝐼) 𝑥= 0 → 0 0 0 𝑥=0
1 0 1
1 0 1 1 0 1
0 0 0 ~ 0 0 0
1 0 1 0 0 0
Misal, 𝑥1 = 𝑥3 = s dan 𝑥2 = t

−𝑠 −1 0
Ruang eigen : 𝑥 = 𝑡 = s 0 +t 1
𝑠 1 0

−1 0
Jadi untuk λ1 = 0 terdapat dua vektor basis ruang eigen yaitu 0 dan 1 .
1 0
 −1 0 1
Untuk λ3 = 2 substitusi ke persamaan (A − λ 𝐼) = 0 → 0 −2 0 𝑥 = 0
1 0 −1
−1 0 1 1 0 −1
0 −2 0 ~ 0 1 0
1 0 −1 0 0 0
misal., 𝑥1 = 𝑥3 = s

𝑠 1
Ruang eigen : 𝑥 = 0 = 𝑠 0
𝑠 1
1
Jadi untuk λ3 = 2 memiliki satu vektor basis ruang eigen yaitu 0 .
1
0 −1 1
Untuk λ1 = λ2 = 0 dan λ3 = 2 ada tiga vektor basis yaitu 1 , 0 , dan 0 .
0 1 1

0 −1 1
Vektor basis eigen 𝑥1 = 1 , 𝑥2 = 0 , 𝑥3 = 0 .
0 1 1
Menentukan P = [ 𝑝1 , 𝑝2 , 𝑝3 ]
Menghitung 𝑝1
𝑥1 [0, 1,0]
𝑝1 = = = [0, 1, 0]
𝑥1 1
1
→ 𝑥1 = < 0, 1, 0 > = 02 + 12 + 02 = 1
2

Menghitung 𝑝2
𝑣2 [ −1, 0, 1] 1 1
𝑝2 = = = [− , 0, ]
𝑣2 2 2 2

→ 𝑣2 = 𝑥2 - [𝑥2 , 𝑝1 ] 𝑝1
= [ -1, 0, 1] –[([-1, 0, 1],[0, 1, 0])[0, 1, 0]] = [ -1, 0, 1] – [0, 0, 0] = [ -1, 0, 1]
Menghitung 𝑝3
[4 , 0, 34]
3
𝑣3 1 1
𝑝3 = = = [ , 0, ]
𝑣3 9 2 2
4

→ 𝑣3 = 𝑥3 - [𝑥3 , 𝑝1 ] 𝑝1 - [𝑥3 , 𝑝2 ] 𝑝2
→ [𝑥3 , 𝑝1 ] 𝑝1 = [([1, 0, 1],[0, 1, 0])[0, 1, 0]] = [0, 0, 0,]
1 1 1 1 1 1
→ [𝑥3 , 𝑝2 ] 𝑝2 = [([1, 0, 1],[− , 0, ])[− , 0, ]] = [ , 0, ]
2 2 2 2 4 4
1 1 3 3
→ 𝑣3 = 𝑥3 - [𝑥3 , 𝑝2 ] 𝑝2 = [1, 0, 1] - [ , 0, ] = [ , 0, ]
4 4 4 4
 0 −2
1 1 0 1 0
2 1 1
P = [ 𝑝1 , 𝑝2 , 𝑝3 ] = 1 0 0 →𝑃 =
𝑇 − 2
0 2
1 1 1 1
0 2 2 2
0 2

0 1 0
1 1 1 0 1 0 −1 1
D= 𝑃 AP =
𝑇 − 2
0 2 . 0 0 0 . 1 0 0
1 1 1 0 1 0 1 1
0
2 2
0 0 0 0 −1 1
= 0 0 0 . 1 0 0
1 0 1 0 1 1
λ1 0 0 0
0 0 0
0 λ2 0 0
= 0 0 0 →
։ ։ ։ ։
0 0 2
0 0 0 λ𝑛
Nilai matriks diagonal mengandung elemen nilai eigen yaitu λ1 = λ 2 = 0 dan λ3 = 2.
Jadi matriks yang mendiagonalisasi A secara orthogonal adalah

0 −2
1 1 0 1 0
2 1 1
P = [ 𝑝1 , 𝑝2 , 𝑝3 ] = 1 0 0 →𝑃 =
𝑇 − 2
0 2
1 1 1 1
0 0
2 2 2 2

0 0 0
Dan nilai matriks diagonal adalah D = 0 0 0
0 0 2
 Latihan Soal
3 0
1) Carilah persamaan karakteristik dari matriks A = !
8 −1
2) Carilah nilai-nilai eigen matriks A dari soal nomor satu diatas!
3) Carilah basis-basis untuk ruang eigen dari matriks A pada soal nomor satu diatas!
4) Diketahui T : 𝑃1 → 𝑃1 yang didefinisikan atau dirumuskan oleh :
T(𝑎0 + 𝑎1 x) = (2𝑎0 -𝑎1 )+(−2𝑎0 +3𝑎1 )x. Tentukan nilai-nilai eigen T!
5) Tentukanlah basis untuk ruang eigen T dari soal nomor empat di atas!