BAB VIII

PENDAHULUAN

8.1 Defenisi Nilai Dan Vektor Eigen

Dalam Aljabar Linear, Nilai Eigen adalah nilai karakteristik dari suatu matriks berukuran
n.xn, sementara Vektor Eigen adalah vektor kolom bukan nol bila di kalikan dengan suatu
matriks yang berukuran n x n akang menghasilkan vektor lain yang memiliki nilai kelipatan
dari vektor eigen itu sendiri . secara Geometris, vektor eigen, yang bersesuaian dengan nilai
eigen bukan nol nyata, menunjukan ke arah di mana ia di gerakan oleh transformasi dan nilai
eigen adalah faktor yang denganya ia di regangkan . Jika nilai eigen negatif, arahnya terbalik.
Secara longgar, dalam ruang vektor multidimensi, vektor eigen tidak diputar. Namun, dalam
ruang vektor satu dimensi, konsep rotasi tidak ada artinya.

 jika A adalah matriks n x n maka vektor tidak - nol x di Rⁿ di sebut vektor eigen dari
A jika Ax sama dengan perkalian suatu saklar λ dengan x, yaitu
Ax = λ x
Skalar λ disebut nilai eigen dari A dan x di namakan vektor eigen yang
berekorespenden dengan λ .
 Kata “eigen berasal dari bahasa jerman yang artinya “asli” atau karakteristik, dengan
kata lain nilai eigen menyatakan nilaio karakteristik dari sebuah matriks yang
berukuran n x n.
 Vektor eigen x menyatakan matriks kolom yang apabila di kalikan dengan sebuah
matriks n x n menghasilkan vektor lain yang merupakan kelipatan vektor itu sendiri .

 Dengan kata lain operasi Ax = λ x menyebabkan vektor x menyusut atau memanjang

dengan vaktor λ dengan arah yang sama jika λ positif dan arah berkebalikan jika λ
negatif .
 Contoh: misalkan A = [ 3 0
8 −1 ] []
vektor x= 1 merupakan vektor eigen dari A dengan
2
nilai eigen yang berkoresponden λ=3 , karena

Ax=
[ 38 −10 ][ 12]=[ 36]=3 x

8.2. Cara Menetukan Nilai Dan Vektor Eigen

Diberikan sebuah matriks A berukuran n x n. Vektor eigen dan nilai eigen dari matriks
A di hitung sebagai berikut :

Ax = λx
/Ax = λ /x
(Ax = λ /x
( kalikan kedua ruas dengan I = matriks identitas )
x = 0 adalah solusi trivial dari ( λ Ι – A ) = 0

Agar ( λI − A ¿=0memiliki solusi tidak-nol, maka haruslah

det ( λI − A ¿=0

Persamaan de ( λI − A ¿=0 di sebut persamaan karakteristik dari matriks A, dan akar-akar

persamaan tersebut, yaitu λ , dinamakan akar-akar karakteristik atau nilai-nilai eigen.

Berikutnya akan menentukan vektor eigen dari matriks A. subtitusikan masing-masing λ

atau nilai eigen tersebut ke dalam persamaan (A - λI ¿=0

Di mulai dari nilai eigen pertama ;

 ( A−7 . I ) x =0

[ 53 24] – 7 . [ 10 01] x=0

[−23 −32 ] x=0
Asumsikan elemen dari solusinya adalah x1 dan x2 dapat di tuliskan sebagai berikut:

[ ]
x= x 1
x2

Tulis ulang persamaan matriks sebelumnya,

Contoh 1:
1
[]
Vector x= adalah vekror eigen dari
2

A= [ 38 −10 ]
Yang bersesuain dengan λ=3 karena

Ax = [ 38 −10 ] [ 12] = [ 36]=3 x

Secara geometris, perkalian terhadap A telah merenrangkan vektor x denngan faktor 3
(perhatikan gambar 1)
8.3 Diagonalisasi

Dalam banyak penerapan, mengetahui apakah suatu matriks kuadrat atau matriks persegi
dapat didiagonalisasi merupakan hal yang penting, misalnya untuk menghitung pangkat suatu
matriks yang besar.

 Masalah Diagonalisasi Matriks

Diketahui matriks kuadrat A, apakah terdapat matriks P yang dapat dibalik sehingga P−1

Ap diagonal

 Defenisi

Matriks kuadrat A di katakan dapat didiagonisasi, jika terdapat matriks P yang dapat di balik

sehingga P -² AP diagonal ; matriks P di katakan mendiagonalisasi A.

 Teorema

Jika A adalah matriks n x n maka pernyataan-pernyataan berikut ekivalen satu sama lain

1. A dapat didiagonalisasi

2. A mempunyai n vektor eigen yang bebas linear

Berikut adalah prosedur untuk mendiagonalkan matriks A berukuran n×n× yang dapat

didiagonalisasi.
Langkah 1. Carilah n vektor eigen bebas linear A, p1,p2,…,pn
Langkah 2. Bentuklah matriks P yang mempunyai p1,p2,…,pn sebagai vektor vektor
kolomnya.
Langkah 3. Matriks P−1AP akan diagonal dengan λ1,λ2,…,λn sebagai entri-entri
diagonalnya yang berurutan, di mana λi adalah nilai eigen yang bersesuaian dengan pi,i=1,2,
…n

Contoh 1 ; Diagonalisasi Matriks

Carilah Matriks P yang mendiagonalkan

Pembahasan
Nilai-nilai eigen dari matriks A adalah λ=1 dan λ=5 . Adapun vektor-vektor berikut;

Membentuk sebuah basis untuk ruang eigen yang bersesuain dengan λ=5, dan

Adalah sebuah basis untuk ruang eigen yang bersesuian dengan λ = 1. Dengan mudah dan
dapat memriksa bahwa {p1,p2,,p3} bebas linear, sehingga

Akan mendiagonalkan A. sebagai pemeriksaan, anda harus membuktikan bahwa

Tidak ada urutan yang diistimewakan untuk kolom-kolom P. Karena entri diagonal ke-i
dari P−1AP adalah nilai eigen untuk vektor kolom ke-i dari P, maka dengan mengubah urutan
kolom-kolom P hanyalah mengubah urutan nilai-nilai eigen pada diagonal P−1AP. Jadi,
seandainya kita tuliskan
di dalam contoh terakhir maka kita memperoleh.

Latihan 1

perhatikan bahwa matriks

Misalnya jika

A
[ ]
3 0
0 3

Maka persamaan karakteristik A adalah

( λI − A )=( λ−3 )2=0

Sehingga λ=3 adalah satu-satunya nilai eigen A. Namun A jelas dapat

didiagonalisasikan karena dengan P = I, maka

8.4 Diagonalisasi Ortogonal

Matriks A kuadrat di namakan dapat didiagonalisasikan secara ortogonal jika terdapat

matriks P yang ortogonal sehingga p-1 AP = Pt AP diagonal matriks P dikatakan
mendiagonilisasi A secara total.
 Perlu diingat bahwa matriks ortogonal adalah suatu matriks khusus di mana invers-nya

dapat diperoleh dengan mentransposkan. Dengan kata lain, sebuah matriks persegi P

dikatakan ortogonal jika transposnya sama dengan inversnya.

Defenisi ; Matriks A kuadrat kita namakan simetrik jika A=AT

8.4.1 Teorema

Jika A adalah matriks n x n, maka pernyataan berikut ekivalen satu sama lain.

1. A dapat didiagonalisasi secara ortogonal

2. A mempunyai himpunan ortonormal dari n vektor eigen.
3. A adalah simetrik

Contoh ; Diagonalisasi Ortogonal

persamaan karakteristik matriks simetrik

adalah ( λ−4 )2 ( λ−1 )2 ( λ−2 )=0

sehingga nilai-nilai eigen adalah λ=4 , λ=1 , dan λ=2, dimana λ=4 dan λ=1di ulangi dua
kali dan λ=2 terjadi sekali, jadi ruang-ruang eigen yang bersesuian dengan λ=2 adalahruang
berdimensi 1.

Latihan 1

Carilah matriks ortogonal P yang mendiagonalisasi

Pembahasan :
Persamaan karakteristik A adalah

jadi nilai-nilai eigen A adalah λ=2 dan λ=8. Adapun vektor-vektor

membentuk basis untuk ruang eigen yang bersesuain dengan λ=2. Dengan menerapkan
proses Gramm-Schmidt terhadap {{υ 1 ,υ 2} akan menghasilkan vektor-vektor eigen
ortonormal.

Ruang eigen yang bersesuaian dengan  λ=8  mempunyai

Sebagai basis. Dengan menerapkan proses Gramm-Schmidt terhadap {u3} maka akan
menghasilkan
Akhirnya, dengan menggunakan v1,v2,, dan v3 sebagai vektor-vektor kolom maka kita

dapatkan

yang akan mendiagonalisasi A secara ortogonal. (Sebagai pemeriksaan, anda bisa

membuktikan bahwa PTAPadalah matriks diagonal).

https://informatika.stei.itb.ac.id/~rinaldi.munir/AljabarGeometri/2020-2021/Algeo-18-Nilai-
Eigen-dan-Vektor-Eigen-Bagian1.pdf

Institut Teknologi Bandung

Universitas negeri di Bandung, Jawa Barat

Institut Teknologi Bandung adalah sebuah perguruan tinggi negeri yang berkedudukan di
Kota Bandung. Nama ITB diresmikan pada tanggal 2 Maret 1959. Sejak tanggal 14 Oktober
2013 ITB menjadi Perguruan Tinggi Negeri Badan Hukum yang memiliki otonomi
pengelolaan dalam akademik dan nonakademik.Wikipedia

https://jagostat.com/aljabar-linear/diagonalisasi-ortogonal-matriks
jagostat.com pertama kali diindeks oleh Google pada July 2020