dan Vektor
Eigen
B Y N O O R H I D AY AT
D E P A R T E M E N M AT E M AT I K A F M I P A U B
2023
Jika 𝐴 suatu matriks berordo 𝑛 × 𝑛, maka suatu vektor tak nol 𝒙 dalam 𝑅𝑛 disebut vektor eigen dari 𝐴 jika
𝐴𝑥 merupakan perkalian skalar dari 𝒙, dalam hal ini
𝐴𝒙 = 𝜆𝒙
untuk suatu skalar 𝜆. Selanjutnya 𝜆 disebut sebagai nilai eigen dari 𝐴, dan 𝒙 dikatakan sebagai suatu
vektor eigen berkaitan dengan 𝜆.
Persamaan Karakteristik
Jika 𝐴 matriks berordo 𝑛 × 𝑛, maka 𝜆 suatu nilai eigen dari 𝐴 jika dan hanya
jika 𝜆 memenuhi persamaan
det 𝜆𝐼 − 𝐴 = 0
Persamaan ini disebut sebagai persamaan karakteristik dari A.
Polinomial Karakteristik
Persamaan karakteristik berbentuk suatu persamaan polynomial dalam 𝜆,
dalam hal ini berbentuk
𝜆𝑛 + 𝑐𝑛−1 𝜆𝑛−1 + ⋯ + 𝑐2 𝜆2 + 𝑐1 𝜆 + 𝑐0 = 0
Akar-akar karakteristiknya disebut sebagai nilai eigen.
Sementara itu polynomial yang berbentuk
𝑃 𝜆 = 𝜆𝑛 + 𝑐𝑛−1 𝜆𝑛−1 + ⋯ + 𝑐2 𝜆2 + 𝑐1 𝜆 + 𝑐0
disebut sebagai polinomial karakteristik (characteristic polynomial) dari 𝐴
Contoh 2
3 0
Tentukan nilai eigen dari matriks 𝐴 berikut: 𝐴 =
8 −1
Jawab: tentukan persamaan karateristik dari 𝐴 sebagai berikut:
𝜆−3 0
𝜆𝐼 − 𝐴 =
−8 𝜆 + 1
𝜆−3 0
det 𝜆𝐼 − 𝐴 = 0 ⟹ det =0⟹ 𝜆−3 𝜆+1 =0
−8 𝜆+1
Persamaan karakteristiknya adalah 𝜆 − 3 𝜆 + 1 = 0. Akar karakteristik:
𝜆 = 3 atau 𝜆 = −1, sehingga nilai eigen dari 𝐴 adalah 𝜆 = 3 atau 𝜆 = −1
Contoh 3
Tentukan nilai eigen dari matriks 𝐴.
Diperoleh
polinomial karakteristik dan
persamaan karakteristik
Salah satu kesulitan dalam mendapatkan nilai eigen adalah menentukan akar
karakteristik.
Semakin besar ordo matriksnya, maka semakin tinggi derajat polinomial yang
selanjutnya semakin sulit menentukan akar karakteristiknya.
Cara di atas, dengan terlebih dahulu mencari penyelesaian bilangan bulat yang
diperkirakan dari pembagi suku konstanta dari polinomialnya.
Apabila pembagi tersebut merupakan penyelesaian, maka bagilah polinomial
dengan faktor dari polinomial tersebut.
Hasil pembagan akan berupa polinomial dengan derajat kurang satu dari derajat
polinomial asalnya.
Nilai eigen dari Matriks Segitiga Atas
det 𝜆𝐼 − 𝐴
Persamaan Karakteristikanya
0𝑥3 = 0; 𝑥2 − 𝑥3 = 0; 𝑥1 + 2𝑥3 = 0
Misal 𝑥3 = 𝑠; 𝑥2 = 𝑥3 = 𝑠;
𝑥1 = −2𝑥3 = −2𝑠
𝑥1 −2𝑠 −2
𝑥2 = 𝑠 =𝑠 1
𝑥3 𝑠 1
Teorema 5.1.4 Suatu matriks bujur
sangkar 𝐴 invertible jika dan hanya
jika 𝜆 = 0 bukan merupakan nilai
eigen dari 𝐴.
Pernyataan
ekivalen
❑ Akan dibahas masalah mencari basis untuk 𝑹𝒏 yang terdiri vektor eigen
dari matriks 𝐴 berordo 𝑛 × 𝑛.
❑ Basis demikian dapat digunakan untuk memahami sifat geometri dari 𝑨
dan menyederhanakan bermacam-macam komputasi numerik.
❑ Basis tersebut digunakan dalam bermacam-macam aplikasi.
Masalah
Diagonalisasi Matriks
Langkah 2
Jika matriks diagonalizable, selanjutnya bentuk
matriks
𝑃 = 𝑃1 𝑃2 … 𝑃𝑛
yang memiliki vector kolom 𝑛 vector basis yang
diperoleh dalam Langkah 1.
Langkah 3
𝑃−1 𝐴𝑃 merupakan matriks diagonal yang entri
diagonalnya berturut-turut nilai eigen 𝜆1 , 𝜆2 , … , 𝜆𝑛
yang berkaitan berturut-turut dengan kolom dari 𝑃
Nilai Eigen dari Perpangkatan Matriks