Catatan Kuliah

MA 5021 Analisis Matriks

Semester II 2021/2022
Nama: Amira Novalinda, Luthfia Nurhalimah
NIP: 20121309, 20121308

1. Mencari Nilai Eigen Melalui Algoritma QR

Pada sesi kali ini, akan dicari nilai eigen melalui Algoritma QR.
Diberikan A, akan dicari nilai eigennya secara iteratif.
(1) A0 = A = Q0 R0 , Ak = Qk Rk
Ak+1 = Rk Qk
Observasi:
Rk = Q−1
k Ak
Ak+1 = Q−1
k Ak Qk
untuk setiap k, Ak serupa uniter dengan A
(2) Dengan starat tertentu : Ak kovergen ke matriks segitiga atas

Sifat 6.1.1 Untuk k = 0, 1, . . . , n, berlaku

(1) Ak+1 = (Q(k) )∗ AQ(k)
(2) AQK = (Q(k+1) R(k+1)
(3) A(k+1) = Q(k) R(k) adalah faktorisasi QR untuk pangkat ke-k
dari A

Perhatikan:
A0 = Q0 R0
A1 = R0 Q0 = Q−1 0 AA0
−1
A2 = Q1 A1
.
.
.
Ak+1 = Q∗k Q∗k+1 . . . Q∗1 Q∗0 AQ0 Q1 . . . Qk+1 Qk

Definisikan :
Q(k) := Q0 Q1 . . . Qk
1
2

Bisa ditulis :
Ak+1 = (Q(k) )∗ )A(Q(k) )
AQ(k) = Q(k) Ak+1 = Q(k) Qk+1 Rk+1
AQ(k) = Q(k+1) Rk+1
Klaim :
Ak+1 = Q(k) R(k) ; dengan R(k) = Rk . . . R1 R0
Untuk k = 0 benar

A1 = A0 = Q0 R0 = Q(0) R(0) .
Misalkan :
Ak = Q(k−1) R(k−1)
A(k+1) = A.Ak
A(k+1) = A.Q(k−1) .
Lema 1. Matriks segitiga atas yang uniter adalah matriks diagonal
D = diag(d1 , d2 , . . . , dn) dengan |d1 | = . . . = |dn |.
Akibat 1. Jika A = Q1 R1 = Q2 = R2 adalah dekomposisi QR bagi
A, maka:
Q1 = Q2 D
Untuk suatu matriks diagonal D = diag(d1 , . . . , dn) dengan |di | = 1
untuk setiap i

Proof. Misal A adalah matriks segitiga atas. Diklaim bahwa A−1 juga
matriks segitiga atas. Matriks A dapat ditulis
A=D+T
Dengan D adalah matriks diagonal dan T adalah matriks segitiga atas
dengan entri diagonalnya adalah nol.

Observasi, karena A matriks segitiga maka det(A) adalah hasil perkalian

entri diagonal A. Karena A uniter, maka A non-singular sehingga
det(A) ̸= 0, jadi entri diagonal A tak saling menghabiskan, begitu pula
dengan entri pada D.Maka dari itu D invertible sehingga dapat ditulis
A = D(I + D−1 T ).
Selanjutnya perhatikan bahwa D−1 T adalah matriks segitiga atas den-
gan entri diagonal nol, akibatnya D−1 T nilpoten atau dapat ditulis
(D−1 T )n = 0,
 3

dimana n = orde(A). Sehingga dapat dituliskan invers dari I + D−1 T

n−1
X
−1
(I + D T ) (−D−1 T )k = I
0
n−1
X
−1
(I + D T ) = (−D−1 T )k
0

Karena (−D−1 T )k matriks segitiga, dapat dilihat bahwa (I + D−1 T )−1

juga matriks segitiga atas,
A−1 = (I + D−1 T )−1 D−1

menunjukkan bahwa A−1 matriks segitiga atas. A diklaim uniter se-

hingga A∗ = A−1 , dapat ditulis
¯ T ))T
A∗ = (Ā)T = ((D +
A∗ = (D̄ + T̄ )T = (D̄)T + (T̄ )T .
Dapat dilihat bahwa A∗ adalah matriks segitiga bawah apabla A adalah
matriks segitiga atas, tetapi A−1 adalah matriks segitiga atas. Maka
agar terpenuhi A∗ = A−1 haruslah T = 0. Dengan ini dapat dilihat
bahwa
A = D.
Dan karena A matriks segitiga dan uniter maka kolom A memiliki pan-
jang 1 dan saling ortogonal.

Akibatnya, jika Q1 R1 = Q2 R2 maka Q2 −1 Q1 = R2 R1 −1 uniter dan

segitiga atas.
Sehingga Q2 −1 Q1 = D dengan D = diag(d1 , ..., dn ) dan |d1 | = ... =
|dn | = 1. Akibatnya
Q1 = Q2 D
□
Teorema 1. Misal A ∈ Cnxn dapat didiagonalkan, sehingga A =
P DP − 1 dengan D = diag(λ1 , ..., λn ) dan |λ1 | > ... > |λn | > 0.
Misalkan pula P − 1 = LR untuk suatu matriks segitiga bawah L dan
matriks segitiga atas R. Maka untuk i = 1, 2, ..., n entri di bawah diag-
onal dari matriks Ak konvergen ke nol. Atau dapat dituliskan
ak,ij → 0, i > j
4

Proof. Entri diagonal L dapat dipilih 1

Ak = P Dk P −1
Ak = U T Dk LR (dengan U T = P dekomposisi QR dari P)
k k −k
A = U T (D LD )Dk R
Ak = U T L k D k R
dimana:
λi
Lk = (lk,ij ) dengan lk,ij = λkj


0,
 jika i < j
lk,ij = 1, jika i = j
 λi k , jika i > j

λj

karena i > j maka |λj | > |λi | sehingga | λλji | dan ( λλji ) konvergen ke 0.
Jadi, Lk konvergen ke matriks identitas.
Tulis:
Lk = I + F k
P
Jika A dominan : |aii | > j̸=i |aij | maka A invertible.
Akibatnya untuk k cukup besar, Lk invertible.
Tulis:

T Lk = T + T Fk
Lk = (I + T Fk T −1 )
Untuk k cukup besar, I + T FK T −1 punya invers dan bisa dituliskan
sebagai:
I + T Fk T −1 = Uk Tk
dengan Uk uniter dan Tk segitiga atas.

(1) T Lk = Uk Tk T
Karena Uk uniter, maka barisan Uk norma matriksnya terbatas. Aki-
batnya, ada subbarisan Ukj yang konvergen. Akibatnya, untuk indeks
yang sama subbarisan Tkj konvergen.
Misalkan:

Ukj → U dan Tkj → T

 5

Maka, U dan T masing-masing uniter dan segitiga atas.

Tk = Uk∗ (I + T Fk T −1 )
Ambil limit subbarisan

I = UT
Di sisi lain I = I.I adalah dekomposisi QR juga untuk I. Karena entri
diagonal T semuanya positif, maka:

I = UT
adalah dekomposisi QR yang tunggal untuk I.
Jadi haruslah:

U =I=T
Perhatikan kembali:
Ak = T Lk Dk R
Ak = U (Uk Tk T )Dk R
Ak = (U Uk )(Tk T Dk R)

dimana U Uk uniter dan Tk T Dk R segitiga atas.

Disisi lain Ak = Q(k−1) R(k−1) .
Jadi,
Q(k−1) = U Uk △k
dengan △k = diag(dk,1 , . . . , dk,n ) yang |dk,1 | = . . . = |dk,n | = 1
Sekarang:

Ak = (Q(k−1) )∗ AQ(k−1)
Ak = (U Uk △k )∗ A(U Uk △k )
Ak = △∗k Uk∗ U ∗ AU Uk △k
Klaim:

A = U T DT −1 U −1
6

Sehingga:

Ak = △∗k Uk∗ U ∗ (U T DT −1 U −1 )U Uk △k
Ak = △k Uk∗ T DT −1 Uk △k
konvergen ke △∗k T DT −1 △k yang merupakan matriks segitiga atas.
Sekarang perlu ditunjukkan bahwa entri diagonal dari △∗ (T DT −1 )△
sama dengan nilI eigen D.
Jadi, Ak konvergen ke matriks segitiga atas yang entri diagonalnya
adalah nilai eigen dari A.
□
Definisi 1. Suatu matriks A ∈ Cnxn disebut strictly dominan, jika
untuk setiap i = 1, ..., n berlaku
n
X
|aij | > |aij |
j̸=i

Teorema 2. Matriks yang strictly dominan mempunyai invers

Proof. Andaikan A strictly dominan dan tidak mempunyai invers. Maka
ada x ̸= 0 sehingga Ax = 0. Misalkan |xk | = max|xj |. Perhatikan
bahwa entri ke-k dari Ax adalah
Xn n
X
0= akk xk + akj xj
j=1 j̸=k
n
X
−akk xk = akj xj
j̸=k
Xn n
X
|akk ||xk | = |Akk xk | = | akj xj | ≤ |akj ||xj |
j̸=k j̸=k
n n
X |xj | X
|akk | ≤ |akj | ≤ |akj |
j̸=k
|xk | j̸=k
Pn
Hal ini kontradiksi dengan A strictly dominan karena terdapat j̸=k |akj |
sedemikian sehingga |akk | ≤ nj̸=k |akj |
P
□
Contoh 1. Berikut contoh-contoh matriks yang strictly dominan dan
bukan strictly dominan
(1) Misal A ∈ C4x4 dengan entri
 7
 
2022 1 −1 2
 0 2022 1000 i 
A=
1000 1000 2022

1 
1 5 4 2022
Dapat dilihat bahwa
(a)
4
X
|a11 | > |a1j |
j̸=1

|a11 | > |a12 | + |a13 | + |a14 |

|2022| > |1| + | − 1| + |2|
|2022| > |4|
(b)
4
X
|a22 | > |a2j |
j̸=2

|2022| > |101|

(c)
4
X
|a33 | > |a3j |
j̸=3

|2022| > |2001|

(d)
4
X
|a44 | > |a4j |
j̸=4

|2022| > |10|

Pn dapat disimpulkan untuk setiap i = 1, ..., n berlaku |aij | >

maka
j̸=i |aij |. Sehingga A strictly dominan. Akibarnya A memiliki
invers.
(2) Misal B ∈ C4x4 dengan entri
 
5 6 0 1
1 9 8 2
B= 1 1 10 3

1 1 1 8
Karena terdapat |b11 | < nj̸=1 |bij | dan |b22 | < nj̸=2 |bij | maka
P P
8

B tidak strictly dominan. Namun

 berbeda halnya untuk B T .
5 1 1 1
 6 9 1 1
Pandang B T =  0 8 10 1.

1 2 3 8
Dapat dilihat bahwa matriks B T strictly dominan sehingga B T
invertible. Akibatnya B juga invertible.
Definisi 2. Misalkan A = (aij ) ∈ Cnxn . Cakram Gershgorin le-i adalah
Xn
Di = {z ∈ C |z − aii | ≤ |aij |}
j̸=i

Teorema 3. Misal A ∈ Cnxn dan λ adalah nilai eigen dari A. Maka

λ termuat di suatu cakram Gershgorin.
Proof. Karena λ nilai eigen dari A, maka (A = λI)x = 0 artinya A−λI
singular. Akibatnya A − λI tidak strictly dominan. Yaitu terdapat i
sedemikian sehingga
n
X
|aii − λ| ≤ |aij |
j̸=i

Jadi λ ∈ Di □
Teorema 4. Jika Di1 ∪ Di2 ∪ ... ∪ Dim tidak beririsan dengan n − m
cakram lainnya, maka akan terdapat tepat sebanyak m nilai eigen di
Di1 ∪ Di2 ∪ ... ∪ Din .
Proof. Kita gunakan fakta bahwa determinan merupakan fungsi kon-
tinu dari entri-entri matriks. Akibatnya nilai eigen juga merupakan
fungsi kontinu dari entri-entri matriks. Misalkan D = diag(a11 , a22 , ..., ann )
dan N = A−D. Tulis A = D+N . Didefinisikan A(t) = D+Nt dengan
0 ≤ t ≤ 1. Perhatikan bahwa A(0) = D dan A(1) = A. Mula-mula
gabungan cakram Di1 ∪ Di2 ∪ ... ∪ Dim memuat m nilai eigen dari A(0).
Misalkan λ(t) nilai eigen dari A(t). Karena λ1 (1) merupakan lintasan
kontinu, maka λ1 (t) merupakan himpunan yang connected, maka λ1 (t)
seluruhnya berada di Di1 ∪ Di2 ∪ ... ∪ Din . Khususnya nilai eigen dari
A(1) = A ada di gabungan cakram. Jadi ada tepat terdapat m nilai
eigen dari A di gabungan cakram □
4x4
 2. Misal 1A ∈1C
Contoh  dengan entri
4 0 2 2
0 3 + 4i 1 1 
A= 
i 0 −3 1 
1 1
0 2 3
2
 9

Akan ditunjukkan A dapat didiagonalkan.

6 Im(z)

2
Re(z)
−6 −4 −2 2 4 6
−2

−4

Dapat terlihat pada gambar bahwa terdapat 4 cakram Gershgorin yang

disjoint. Bersadarkan teorema sebelumnya maka akan terdapat tepat
4 nilai eigen yang berbeda sehingga A dapat didiagonalisasi.

Teorema 5. Jika aii real dan cakram Di dengan pusat di aii disjoint
dengan cakram lainnya, maka ada tepat satu nilai eigen real di Di .

Proof. Pertama kita tahu ada tepat satu nilai eigen di Di . Jika λ =
x + iy merupakan nilai eigen dari A, maka λ̄ = x − iy juga merupakan
nilai eigen dari A. Hal ini karena, bila diasumsikan A adalah matriks
real. Misal x adalah vektor yang berkorespondensi dengan λ. Maka
kita punya

Ax = λx.

Bila kedua ruas dikonjugasi, maka kita punya

¯
¯ = λx
Ax
Ax̄ = λ̄x̄.

Perhatikan bahwa x adalah vektor tak nol karena x adalah vektor eigen.
Maka x̄ juga vektor tak nol. Sehingga jika Ax̄ = λ̄x̄ maka λ̄ adalah
nilai eigen dari A yang berkorespondensi dengan vektor x̄.
10

λ̄

Dari ilustrasi di atas, andaikan λ nilai eigen tidak real yang termuat di
Di , maka λ̄ juga termuat di Di . Akibatnya Di memuat dua nilai eigen.
Hal ini kontradiksi dengan ada tepat satu nilai eigen real di Di . Jadi
haruslah nilai eigen yang termuat di Di real. □