NILAI EIGEN DAN VEKTOR EIGEN

Makalah Ini Dibuat Untuk Memenuhi Tugas

Mata Kuliah Aljabar Linear Elementer

Dosen Pengampu : Dewi Ambarsari, S.Pd., M.Pd.

Disusun oleh:

Anisa Firdaus Ulfa : 23070200015

PROGRAM STUDI TADRIS MATEMATIKA

FAKULTAS TARBIYAH DAN ILMU KEGURUAN

INSTITUT AGAMA ISLAM NEGERI SALATIGA

2021
 KATA PENGANTAR

Assalamualaikum Wr, Wb

Puji dan syukur kita panjatkan kehadirat Allah SWT karena berkat limpahan
Rahmat dan Karunia-nya sehingga kami dapat menyusun makalah ini dengan baik.
Dalam makalah ini kami membahas Aljabar Linear Elementer Bagian Nilai Eigen dan
Vektor Eigen

Makalah ini dibuat dengan berbagai pencarian dan beberapa bantuan dari
berbagai pihak untuk membantu menyelesaikan tantangan dan hambatan selama
mengerjakan makalah ini. Oleh karena itu, kami mengucapkan terima kasih yang
sebesar-besarnya kepada semua pihak yang telah membantu dalam penyusunan
makalah ini.

Kami menyadari bahwa masih banyak kekurangan yang mendasar pada makalah
ini. Oleh karena itu kami mengundang pembaca untuk memberikan saran serta kritik
yang dapat membangun kami. Kritik konstruktif dari pembaca sangat kami harapkan
untuk penyempurnaan makalah selanjutnya. Akhir kata semoga makalah ini dapat
memberikan manfaat bagi kita sekalian.

Wassalamu,alaikum Wr. Wb.

Salatiga, 25 Mei 2021

Penulis

i
 DAFTAR ISI

KATA PENGANTAR................................................................................................. i

DAFTAR ISI............................................................................................................. ii

BAB I Pendahuluan

a. Latar Belakang Masalah................................................................................ 1

b. Rumusan Masalah......................................................................................... 1
c. Tujuan Penulisan........................................................................................... 1

BAB II Pembahasan

a. Definisi Nilai Eigen Dan Vektor Eigen............................................................ 2

b. Nilai Eigen Suatu Matriks............................................................................... 2
c. Vektor Eigen.................................................................................................. 4
d. Diagonalisasi.................................................................................................. 6
e. Latihan Soal................................................................................................... 8

BAB III Penutup

Kesimpulan.................................................................................................... 9

Daftar Pustaka............................................................................................................ 10

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

dalam kehidupan sehari-hari,banyak permasalahan dari fenomena riil yang dapat
dijelaskan melalui pembentukan model matematika. Mata kuliah aljabar linear
elementer sangat bermanfaat bagi kita dalam ketika mempelajari matematika
lanjutan dan penerapannya dalam sains dan teknologi. Pada makalah ini akan
membahas materi lanjuta yaitu nilai eigen (eigen value) dan vektor eigen (eigen
vektor)
pada umumnya perumusan model matematika ini berupa fungsi. Dalam banyak
kasus, tidak semua model matematika tersebut dapat diselesaikan secara mudah
dengan menggunakan metode analitik, sehingga digunakan metode numerik untuk
penyelesaiannya. Pada umumnya penyelesaian numerik tidak mengutamakan
diperolehnya jawaban yang eksak (tepat) tetapi mengusahakan perumusan metode
yang menghasilkan jawaban pendekatan yang berbeda dari jawaban yang eksak
sebesar suatu nilai yang merupakan galat dari metode yang digunakan. Namun
dengan demikian hasil perhitungan dengan metode numerik cukup dapat
memberikan solusi pada persoalan yang dihadapi.
Salah satu penerapan metode numerik yaitu dalam masalah eigen dan vektor eigen
metode numerik memberikan suatu cara alternatif yang digunakan untuk
menemukan nilai eigen dan vektor eigen dari suatu matriks. Cara numerik yang
digunakan termasuk cara yang unik karena dalam penyelesaiannya hanya diperlukan
dengan operasi aljabar biasa. Hanya dalam perhitungannya tidak cukup dilakukan
sekali tetapi harus mengulang – ulang sampai ditemukannya nilai yang konvergen ke
satu nilai yang merupakan nilai penyelesaiannya.

1.2 Rumusan Masalah

a. Mengetahui tentang apa itu nilai eigen
b. Mengetahui tentang apa itu basis ruang eigen
c. Mengetahui tentang apa itu diagonalisali

1.3 Tujuan Penulisan

Adapun tujuan makalah ini adalah:
Diharapkan pembaca khususnya minimal mengetahui tentang apa itu nilai eigen dan
vektor eigen atau lebih bagusnya lagi jika memahami tentang nilai dan vektor eigen
itu sendiri

1
 BAB II
PEMBAHASAN

2.1 DEFINISI NILAI EIGEN DAN VEKTOR EIGEN

Kata “eigen” berasal dari Bahasa Jerman yang artinya “asli” atau “karakteristik”.
Dengan kata lain, nilai eigen menyatakan nilai karakteristik dari sebuah matrik yang
berukuran n × n. Sedangkan vektor eigen adalah vektor kolom bukan nol yang bila
dikalikan dengan suatu matirks berukuran n × n akan menghasilkan vektor lain yang
memiliki nilai kelipatan dari vektor eigen itu sendiri.

2.2 NILAI EIGEN SUATU MATRIKS

Contoh: 1

Diberikan vektor x= [12] [ 38 −10 ]

dan matriks A=

Ax=[ ] ∙ [ ]=[ ]=3 [ ] =3 x

3 0 1 3 1
8 −1 2 6 2

Jadi, vektor x= [12] disebut vektor eigen dari matriks A dan nilai eigen λ=3.

Untuk memperoleh nilai eigen dari sebuah matriks A berukuran n × n, persamaan Ax=λ
x dapat dituliskan kembali menjadi:
Ax=λIx
Ax−λIx=0
( A−λI ) x=0
Agar λ dapat menjadi nilai eigen, harus terdapat satu solusi taknol dari persamaan ini.
Persamaan ini memiliki solusi taknol jika dan hanya jika
det ( A−λI )=0

2
Persamaan di atas disebut persamaan karakteristik dari matriks A; skalar – skalar yang
memenuhi persamaan ini adalah nilai – nilai eigen dan matriks A. Persamaan
karakteristik di atas juga bisa dituliskan det ( λI −A )=0.
Apabila diperluas lagi det ( A−λI )=0 atau det ( λI −A )=0 adalah sebuah polinomial p
dalam variabel A yang disebut sebagai polinomial karakteristik dari matriks A.
Contoh: 2

[ ]
0 1 0
Tentukan nilai eigen dari A= 0 0 1
4 −17 8
Pertama, cari dahulu matriks A−λI

[ ] [ ][ ][ ]
0 1 0 1 0 0 0 1 0 λ 0 0
A−λI = 0 0 1 − λ 0 1 0 = 0 0 −
1 0 λ 0
4 −17 8 0 0 1 4 −17 8 0 0 λ

[ ]
−λ 1 0
¿ 0 −λ 1
4 −17 8−λ
Selanjutnya cari det ( A−λI )
det ( A-λI ) = ( -λ ) ( -λ )( 8-λ ) + (1)(1) ( 4 ) + ( 0 )( 0 ) ( -17 ) - ( 0 )( -λ ) ( 4 ) - ( -λ )( 1 ) ( -17 ) - (1)(0)(8-λ)
= ( 8 λ - λ ) + 4 + 0 - 0 - 17λ - 0
2 3

= - λ 3 + 8λ2 - 17λ + 4
Dengan menggunakan persamaan karakteristik dapat diperoleh,
det ( A−λI )=0
3 2
−λ + 8 λ −17 λ +4=0
3 2
λ −8 λ +17 λ−4=0
( λ−4 ) ( λ2−4 λ +1 )=0
Dengan menggunakan rumus kuadrat, maka solusi untuk ( λ 2−4 λ+1 ) =0 adalah2+√ 3
dan 2−√ 3, sehingga di dapat nilai eigen dari matriks A,yaitu
λ=2+ √ 3 λ=2−√ 3 λ=4

Contoh: 3
Tentukan nilai eigen dari matriks:

3
Berdasarkan teorema 1, maka nilai nilai eigen dari matriks B adalah
3 2 λ=−1 λ=−6
λ= λ=
4 3

2.3 VEKTOR EIGEN

Setelah mengetahui bagaimana cara mencari nilai eigen, selanjutnya adalah
mempelajari bagaimana cara mencari vektor eigen. Vektor vektor eigen matriks A yang
terkait dengan suatu nilai eigen λ adalah vektor – vektor taknol x yang memenuhi
persamaan Ax=λx . Dengan kata lain, vektor - vektor eigen yang terkait dengan λ
adalah vektor – vektor di dalam ruang solusi ( A−λI )=0. Ruang solusi ini disebut
sebagai ruang eigen dari matriks A yang terkait dengan A.
Contoh: 4
Tentukanlah basis-basis untuk ruang eigen dari matriks:

[ ]
0 0 −2
A= 1 2 1
1 0 3
3 2
Persamaan karakteristik dari matriks 𝐴 adalah: −λ +5 λ −8 λ+ 4=0 atau
3 2
λ −5 λ +8 λ−4=0 sehingga nilai eigen dari A adalah 𝜆 = 1 dan 𝜆 = 2. Jadi diperoleh
dua ruang eigen dari A.

[]
x1
Berdasarkan definisi x= x 2 adalah vektor eigen A yang bersesuaian dengan 𝜆 jika
x3

hanya jika x adalah pemecahan tak trivial dari ( λI − A ) x=0 , yakni dari:

4
 [ ][ ] [ ]
λ 0 −2 x1 0
−1 λ−2 −1 x 2 = 0
−1 0 λ−3 x3 0

Jika 𝜆 = 2, maka

[ ][ ] [ ][ ] [ ]
2 0 −2 x1 2 0 2 x1 0
=
−1 2−2 −1 x2 −1 0 −1 x2 = 0
−1 0 2−3 x3 −1 0 −1 x3 0

Dengan operasi baris elementer, didapat x 1+ x3 =0 → x 1=−x 3 . karena dari hasil yang
didapat, tidak terdapat keterangan mengenai x2, maka x2 di anggap sebagai suatu
parameter; misalkan x2 = t. Dan misalkan pula x3 = s, maka:
x 1=−s x 2=t x 3=s
Sehingga, vektor eigen dari A yang terkait dengan 𝜆 = 2 adalah vektor – vektor taknol
yang berbentuk:

[ ][ ][ ][] [ ] []
x 1 −s −s 0 −1 0
x= x 2 = t = 0 + t =s 0 +t 1
x3 s s 0 1 0

[ ] []
−1 0
Karena 0 dan 1 merupakan bebas linear, karena vektor – vektor ini membentuk
1 0
suatu basis untuk ruang eigen yang terkait dengan 𝜆 = 2
Jika 𝜆 = 1, maka diperoleh

[ ][ ] [ ][ ] [ ]
1 0 −2 x1 1 0 2 x1 0
−1 1−2 −1 x2 = −1 −1 −1 x 2 = 0
−1 0 1−3 x 3 −1 0 −2 x 3 0

Dengan menggunakan operasi baris elementer, didapatlah

x 1+ 2 x 3=0 → x 1=−2 x 3
x 2−x 3=0 → x2 =x3
Misalkan x3 = s, maka
x 1=−2 s x 2=s x 3=s
Sehingga, vektor eigen dari A yang terkait dengan 𝜆 = 1 adalah vektor taknol yang
berbentuk

[][ ] [ ]
x 1 −2 s −2
x= x 2 = s =s 1
x3 s 1

5
 []
−2
Karena 1 bebas linier, karena vektor di atas membentuk suatu basis yang terkait
1
dengan 𝜆 = 1.
Untuk menentukan vektor-vektor eigen yang bersesuaian dengan nilai eigen (𝜆), harus
ditentukan terlebih dahulu basis-basis untuk ruang eigennya. Perhatikan kembali contoh
di atas. Untuk vektor eigen dari 𝐴 yang terkait dengan 𝜆=2 adalah vektor-vektor taknol
yang berbentuk

[ ] []
−1 0
x=s 0 + t 1
1 0
Misalkan 𝑠=1 dan 𝑡=1, maka didapat vektor eigen yang terkait dengan 𝜆=2 adalah:

[ ] [] [ ][] [ ]
−1 0 −1 0 −1
x=1 0 +1 1 = 0 + 1 = 1
1 0 1 0 1
Sementara, untuk vektor eigen dari 𝐴 yang terkait dengan 𝜆=1 adalah vektor-vektor
taknol yang berbentuk

[]
−2
x=s 1
1
Misalkan 𝑠=−2, maka didapatlah vektor eigen yang terkait dengan 𝜆=1 adalah:

[ ][ ]
−2 4
x=−2 1 = −2
1 −2

Contoh: 5
Pada contoh 4 telah ditunjukkan bahwa nilai-nilai eigen dari matriks

[ ]
0 0 −2
A= 1 2 1
1 0 3
adalah 𝜆 = 2 dan 𝜆 = 1, sehingga berdasarkan Teorema 3, nilai-nilai eigen dari matriks 𝐴7
adalah:
𝜆 = 27 = 128 dan 𝜆 = 17 = 1

6
Selain itu, telah ditunjukkan juga bahwa vektor eigen dari 𝐴 yang terkait dengan 𝜆 = 2
adalah vektor-vektor taknol yang berbentuk

[ ] []
−1 0
x=s 0 + t 1
1 0
Berdasarkan Teorema 3, vektor-vektor eigen dari matriks 𝐴 yang terkait dengan 𝜆 = 2
akan sama dengan vektor-vektor eigen dari matriks 𝐴7 yang terkait dengan 𝜆 = 27 = 128.
Begitu pula untuk 𝜆 = 17 = 1. Telah ditunjukkan bahwa vektor eigen dari 𝐴 yang terkait
dengan 𝜆 = 1 adalah vektor-vektor taknol yang berbentuk

[]
−2
x=s 1
1
Berdasarkan Teorema 3, 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.

2.4 DIAGONALISASI

Berikut ini adalah prosedur untuk mendiagonalisasi suatu matriks

a. Tentukan 𝑛 vektor eigen dari 𝐴 yang bebas linier; misalkan 𝒑1,𝒑2,…,𝒑𝑛.
b. Bentuklah suatu matriks 𝑃 dengan 𝒑1,𝒑2,…,𝒑𝑛 sebagai vektor-vektor kolomnya.
c. Matriks 𝑃−1𝐴𝑃 kemudian akan menjadi diagonal dengan 𝜆1,𝜆2,…,𝜆𝑛 sebagai
entri-entri diagonalnya secara berurutan, dengan 𝜆𝑖 adalah nilai-nilai eigen yang
terkait dengan 𝒑𝑖 untuk 𝑖=1,2,…,𝑛.

Contoh: 6
Tentukan suatu matriks 𝑃 yang mendiagonalisasi matriks

[ ]
0 0 −2
A= 1 2 1
1 0 3
Dari contoh 4, telah didapat nilai-nilai eigen dari 𝐴 adalah 𝜆 = 2 dan 𝜆 = 1, serta basis-
basis berikut untuk ruang eigen

7
 [ ] []
−1 0
λ=2 → P1= 0 dan P 2= 1
1 0

[]
−1
λ=1 → P3= 0
1
Terdapat tiga vektor basis secara keseluruhan sehingga matriks 𝐴 dapat didiagonalisasi

[ ]
−1 0 −2
dan P= 0 1 1 Mendiagonalisasi 𝐴. Untuk memastikan kebenarannya, carilah
1 0 1
𝑃−1𝐴𝑃.

[ ][ ][ ][ ]
1 0 2 0 0 −2 −1 0 −2 2 0 0
−1
P AP = 1 1 1 ∙ 1 2 1 ∙ 0 1 1 = 0 2 0
−1 0 −1 1 0 3 1 0 1 0 0 1
Tidak terdapat urutan yang khusus untuk kolom-kolom matriks 𝑃. Karena entri ke-i
matriks 𝑃−1𝐴𝑃 adalah suatu nilai eigen untuk vektor kolom ke-i matriks 𝑃, maka jika
urutan dari kolom-kolom matriks 𝑃 diubah, hal ini hanya akan mengubah urutan dari
nilai-nilai eigen pada diagonal matriks 𝑃−1𝐴𝑃. Jadi, sebagai contoh, dengan menuliskan
matriks 𝑃 untuk contoh yang di atas

[ ] [ ]
−1 0 −2 2 0 0
−1
P= 0 1 1 maka P AP= 0 2 0
1 0 1 0 0 1

8
2.5 LATIHAN SOAL
1. Tentukan nilai eigen dari matriks:

[ ]
A= 2 1
1 2
2. Tentukan Vektor Eigen dari matriks berikut ini:

[ ]
−1 4 −2
B= −3 4 0
−3 1 3
3. Diketahui sebuah matriks:

[ ]
2 −2 −2
C= 1 5 2
1 2 5
Tentukan:
a. Matriks P yang mendiagonalisasi matriks A
b. Matriks diagnal dari P−1 AP

9
 BAB III
PENUTUP

KESIMPULAN
Kata “eigen” berasal dari Bahasa Jerman yang artinya “asli” atau “karakteristik”.
Dengan kata lain, nilai eigen menyatakan nilai karakteristik dari sebuah matrik yang
berukuran n × n. Sedangkan vektor eigen adalah vektor kolom bukan nol yang bila
dikalikan dengan suatu matirks berukuran n × n akan menghasilkan vektor lain yang
memiliki nilai kelipatan dari vektor eigen itu sendiri.
Jika A adalah matriks n × n maka vektor tidak-nol x di R n disebut vektor eigen
dari A jika Ax sama dengan perkalian suatu skalar 𝜆 dengan x, yaitu Ax = 𝜆x. Skalar 𝜆
disebut nilai eigen dari A dan x dinamakan vektor eigen yang berkoresponden dengan 𝜆.
Sebuah matriks persegi A dikatakan didiagonalisasi jika terdapat suatu matriks P
yang dapat dibalik sedemikian rupa sehingga P-1AP adalah suatu matriks diagonal.
Matriks P dikatakan mendiagonalisasi matriks A

10
 DAFTAR PUSTAKA

https://repository.dinus.ac.id/docs/ajar/NilaiEigendanVektorEIgen.pdf
https://risalandi.com/nilai-eigen-dan-vektor-eigen/

11