MAKALAH ALJABAR LINIER

DIAGONALISASI MATRIKS

Di susun oleh :
1. Anggila Ruly Eka Putri 2215010007
2. Anita Maharani 2215010009
3. Iqhlil Sekti Nugroho 2215010012
4. Ruli Setyorini 2215010013
5. Hellen Putri Octa Ardilla 2115010015

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS ILMU KESEHATAN DAN SAINS
UNIVERSITAS NUSANTARA PGRI KEDIRI
2023/2024
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah memberikan rahmat serta hidayah-Nya
sehingga kami dapat menyelesaikan makalah Aljabar Linier tentang “Diagonalisasi Matriks”
ini tepat waktu. Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas
dosen pada mata kuliah Aljabar Linier.
Kami mengucapkan terimakasih kepada Ibu Dian Devita Yohanie, M.Pd., selaku
dosen mata kuliah Aljabar Linier yang telah memberikan tugas ini sehingga dapat menambah
wawasan dan pengetahuan sesuai dengan bidang studi yang ditekuni. Kami juga ucapkan
terimakasih kepada semua pihak yang telah membantu dan membagi sebagian
pengetahuannya sehingga kami dapat menyelesaikan makalah ini.
Kami menyadari bahwa laporan yang kami tulis ini masih jauh dari kata sempurna.
Oleh karena itu, kritik dan saran yang membangun akan kami nantikan demi kesempurnaan
makalah ini.

Kediri, 25 November 2023

Penulis

2
 DAFTAR ISI

KATA PENGANTAR.........................................................................................................................2
DAFTAR ISI........................................................................................................................................3
BAB I....................................................................................................................................................4
PENDAHULUAN................................................................................................................................4
BAB II..................................................................................................................................................5
ISI.........................................................................................................................................................5
2.1 DEFINISI DIAGONALISASI .....................................................................................................5
2.2 TEOREMA 7.2.1...........................................................................................................................5
2.3 TEOREMA 7.2.2...........................................................................................................................7
2.4 TEOREMA 7.2.3...........................................................................................................................8
2.5 TEOREMA 7.2.4...........................................................................................................................9
BAB III...............................................................................................................................................11
PENUTUP..........................................................................................................................................11
3.1 Kesimpulan..................................................................................................................................11
3.2 Saran.............................................................................................................................................11
DAFTAR PUSTAKA........................................................................................................................12

3
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Salah satu bidang kajian matematika adalah aljabar linier dimana salah satu
cabangnya adalah matriks. Matriks adalah suatu kumpulan angka-angka (sering disebut
elemen) yang disusun menurut baris dan kolom sehingga berbentuk persegi panjang
dimana panjang dan lebarnya ditunjukkan oleh banyaknya kolom dan baris.

Pada matriks kita mengenal diagonalisasi matriks yang proses pembentukan suatu
matriks menjadi matriks diagonal dengan melibatkan nilai eigen dan vektor eigen. Sebuah
matriks bujur sangkar A dikatakan dapat didiagonalisasikan (diagonalizable) jika
terdapat sebuah matriks P yang dapat dibalik sedemikian rupa sehingga P−1 AP adalah
sebuah matriks diagonal . Matrik P dikatakan mendiagonalisasi (diagonalize) A. (Anton
dan Rorres, 2000). Untuk membentuk matriks nonsingular P diperlukan nilai eigen dari
matriks bujur sangkar A yang memiliki multiplisitas aljabar dan multiplisitas geometri
(dimensi ruang eigen) yang sama tetapi tidak semua matriks bujur sangkar dapat
didiagonalisasikan. Proses diagonalisasi digunakan salah satunya pada konsep keserupaan
(similaritas) dua matriks.
1.2 Rumusan Masalah
1. Apa devinisi dari Diagonalisasi Matriks?
2. Bagaimana pembuktian teorema 7.2.1 dan contohnya?
3. Bagaimana pembuktian teorema 7.2.2 dan contohnya?
4. Bagaimana pembuktian teorema 7.2.3 dan contohnya?
5. Bagaimana pembuktian teorema 7.2.4 dan contohnya?

1.3 Tujuan
1. Untuk mengetahui devinisi dari Diagonalisasi Matriks
2. Untuk mengetahui pembuktian dari teorema 7.2.1 dan contohnya
3. Untuk mengetahui pembuktian dari teorema 7.2.2 dan contohnya
4. Untuk mengetahui pembuktian dari teorema 7.2.3 dan contohnya
5. Untuk mengetahui pembuktian dari teorema 7.2.4 dan contohnya

4
 BAB II

ISI

2.1 DEVINISI DIAGONALISASI

Sebuah matriks bujur sangkar A dikatakan dapat didiagonalisasikan
(diagonalizable) jika terdapat sebuah matriks P yang dapat dibalik sedemikian rupa
sehingga P−1 AP adalah sebuah matriks diagonal .
Matrik P dikatakan mendiagonalisasi (diagonalize) A.

Teorema berikut ini menunjukkan bahwa masalah vector eigen dan masalah
diagonalisasi adalah sama.

2.2 TEOREMA 7.2.1

Jika A sebuah matriks n × n , maka kedua pernyataan berikut ini adalah
ekuivalen.
a) A dapat didiagonalisasikan
b) A memiliki n vector eigen yang bebas linier.

Pernyataan a dan b adalah ekuivalen, yang berarti bahwa jika salah satu pernyataan
terpenuhi, maka pernyataan yang lainnya juga terpenuhi. Artinya jika matriks A dapat
didiagonalisasi, maka matriks A juga memiliki n vector eigen yang bebas linier.
Sebaliknya, jika matriks A memiliki n vektor eigen yang bebas linier, maka matriks A
dapat didiagonalisasi.
CONTOH SOAL
Contoh 1
1. Tentukan sebuah matriks P yang mendiagonalisasi

[ ]
0 0 −2
A= 1 2 1
1 0 3

Dengan menggunakan det ( Ax−λI )=0 maka didapatkan persamaan karakteristik dari
matriks A yaitu
( λ−1 ) ( λ−2 )2
Dan kita meperoleh basis-basis berikut ini untuk ruang eigen :

[] [] []
−1 0 −2
λ=2; P 1= 0 P 2= 1 λ=1 ; P 1= 1
1 0 1

5
 Terdapat tiga vector basis secara keseluruhan, sehingga matriks A dapat
didiagonalisasikan dan didapatkan

[ ]
−1 0 −2
P= 0 1 1
1 0 1
Mendiagonalisasikan A. Untuk memastikan kebenarannya, Anda dapat membuktikan
bahwa
−1
P AP=D
−1
D=P AP

[ ][ ][ ]
1 0 2 0 0 −2 −1 0 −2
D= 1 1 1 1 2 1 0 1 1
−1 0 −1 1 0 3 1 0 1

[ ]
2 0 0
D= 0 2 0
0 0 1

Dimana D adalah matriks diagonal yang memiliki nilai nilai eigen λ 1 dan λ 2 sebagai
entri-entri diagonal utamanya. Karena vektor-vektor kolom matriks P bebas linier, P
dapat dibalik, sehingga dapat dituliskan P−1 AP=D. Jelasnya A dapat
didiagonalisasikan.

Contoh 2
2. Diberikan matriks A. apakah A dapat didiagonalisasikan? Jika dapat, tentukan matriks
yang mendiagonalisasi A beserta matriks diagonalnya!

A=
[ 32 12]
Langkah pertama kita menentukan nilai eigennya. Dengan menggunakan
det ( Ax−λI )=0 maka didapatkan persamaan karakteristik dari matriks A yaitu
( λ−4 ) ( λ−1 )
Jadi didaparkan λ 1=4 dan λ 2=1
Kemudian menetukan vector eigen bersesuaian dengan nilai eigen, dengan
( A−λI ) x=0.
Didapatkan vector eigen [] [ ]
1
1
dan
1
−2
Dapat dibentuk matriks P yang kolom-kolomnya adalah vector-vektor eigen di atas
P=
[ 1 1
1 −2 ]
(matriks yang mendiagonalisasi A)
Kemudian kita mencari matriks diagonal
−1
D=P PA

6
 [ ]
2 1
−1 3 3
P =
1 −1
3 3

[ ][
2 1
D=
3
1
3 3 1 1 1
−1 2 2 1 −2 ][ ]
3 3

[ ][
8 4
D=
3
1
3 1 1
−1 1 −2 ]
3 3

D=
[ 40 01 ]
2.3 TEOREMA 7.2.2

Jika v 1 , v 2 , … , v k adalah vektor eigen dari matriks A yang terkait dengan nilai−nilai eigen yang berbeda
bebas linear .

Bukti.
Misalkan v 1 , v 2 , … , v k adalah vektor eigen dari matriks A yang berkaitan dengan
beragam nilai eigen λ 1 , λ2 , … , λk . Kita akan mengasumsikan bahwa v 1 , v 2 , … , v k tidak
bebas linear dan menimbulkan suatu kontradiksi. Oleh karena itu kita dapat
menyimpulkan bahwa v 1 , v 2 , … , v k bebas linear.

Karena sebuah vektor eigen menurut definisi adalah taknol, { v 1 } adalah bebas
linear. Misalkan r integer terbesar sehingga { v 1 , v2 , … , v k } bebas linear. Karena kita
mengasumsikan bahwa { v 1 , v2 , … , v k } tidak bebas linear, r memenuhi 1 ≤r < k .
Selanjutnya, sesuai definisi dari r, { v 1 , v2 , … , v r +1 } tidak bebas linear. Dengan
demikian, skalar c 1 , c2 , … , c r+1 , tidak semuanya nol, sehigga
c 1 v 1 +c 2 v 2+ …+c r +1 v r+ 1=0 (4)
Dengan mengalikan kedua sisi pada (4) dengan matriks A dan menerapkan
Av1 =λ1 v 1 , Av 2=λ 2 v 2 , … , Av r +1=λ r +1 v r+1
Kita memperoleh
c 1 λ1 v 1 +c 2 λ 2 v 2+ …+c r +1 λ r +1 v r+1=0 (5)
Dengan mengalikan kedua sisi (4) dengan λ r+1 dan mengurangkan persamaan yang
diperoleh dari (5) menghasilkan

7
 c 1 ( λ1− λr +1 ) v 1+ c 2 ( λ 2−λ r+1 ) v 2+ …+c r ( λr −λ r+1 ) v r=0

Karena {V 1 , V 2 , … , V r } merupakan himpunan bebas linear, persamaan ini

mengimplikasikan bahwa
c 1 ( λ1− λr +1 )=c 2 ( λ2− λr +1 )=…=c r ( λ r− λr +1 )=0

dan karena λ 1 , λ2 , … , λr +1 berbeda, maka diperoleh

c 1=c 2=…=cr =0 (6)
Substitusi nilai-nilai ini pada (4) akan menghasilkan
c r +1 v r +1=0
Karena vektor eigen λ r+1 taknol, maka
c r +1=0 (7)
Persamaan 6 dan 7 bertentangan dengan fakta bahwa c 1 , c2 , … , c r+1 tidak semuanya
bernilai nol; hal ini melengkapi pembuktian.

CATATAN.
Teorema 7.2.2 adalah sebuah kasus yang spesifik dari sebuah hasil yang lebih umum:
Misalkan bahwa λ 1 , λ2 , … , λk adalah nilai-nilai eigen yang berbeda dan bahwa kita
memilih sebuah himpunan yang bebas linear di dalam setiap ruang eigen yang terkait
dengan nilai-nilai tersebut. Apabila kita kemudian menggabungkan semua vektor ini
ke dalam satu himpunan Tunggal, hasilnya akan tetap merupakan sebuah himpunan
yang bebas linear. Sebagai contoh, apabila kita memilih tiga vektor yang bebas linear
dari salah satu ruang eigen dan dua vektor yang bebas linear dari ruang eigen lainnya,
maka kelima vektor ini secara Bersama-sama membentuk sebuah himpunan yang
bebas linear. Kita akan mengabaikan pembuktiannya.

Sebagai konsekuensi dari Teorema 7.2.2, kita dapat menurunkan sebuah hasil
penting berikut ini.

2.4 TEOREMA 7.2.3

Jika sebuah matriks A,n x n memiliki n nilai eigen yang berbeda, maka A dapat
didiagonalisasi.
Bukti.
Jika V 1 ,V 2 , … , V n adalah vector-vektor eigen yang terkait dengan nilai-nilai eigen
yang berbeda λ 1 , λ2 , … , V n , maka berdasarkan teorema 7.2.2 V 1 ,V 2 , … , V n bebas
linear. Sehingga A dapat didiagonalisasi menurut teorema 7.2.1.

CONTOH SOAL
Contoh 3 ( menggunakan teorema 7.3.2 )

8
 Kita telah melihat didalam contoh 2 subbab sebelumnya bahwa

[ ]
0 1 0
A= 0 0 1
4 −17 8
Memiliki tiga nilai eigen yang berbeda, λ=4 , λ=2+ √ 3 , λ=2−√ 3. Oleh karena itu, A
dapat didiagonalisasi. Lebih lanjut lagi,

[ ]
4 0 0
−1
P AP= 0 2+ √ 3 0
0 0 2−√ 3
Untuk suatu matriks P yang dapat dibalik. Jika diinginkan, matriks P dapat diperoleh
dengan menggunakan metode seperti yang ditunjukkan dalam contoh 1 subbab ini.

Contoh 4 ( matriks yang dapat didiagonalisasi )

Dari teorema 7.1.1 nilai-nilai eigen sebuah matriks segitiga adalah entri-entri yang
terdapat pada diagonal utamanya. Sehingga, sebuah matriks segitiga yang memiliki
entri-entri diagonal utama yang berbeda dapat didiagonalisasi. Sebagai contoh,

[ ]
−1 2 4 0
0 3 1 7
A=
0 0 5 8
0 0 0 −2
Adalah sebuah matriks yang dapat didiagonalisasi.

2.5 TEOREMA 7.2.4

Keanekaragaman Geometri dan Aljabar
Jika A adalah sebuah matriks bujur sangkar, maka:
a) Untuk setiap nilai eigen dari matriks A, keanekaragaman geometriknya adalah
kurang dari atau sama dengan keanekaragaman aljabarnya.
b) Matriks A dapat didiagonalisasi jika dan hanya jika keanekaragaman geometrik
setiap nilai eigen adalah sama dengan keanekaragaman aljabarnya.
Bukti
Jika A adalah sebuah matriks n × n dan P adalah sebuah matriks yang dapat dibalik,
maka
−1 2 −1 −1 −1 2
( P AP) =P AP P AP=P A P
Secara lebih umum, untuk bilangan bulat positif sebarang k
−1 k −1 k
(P AP) =P A P ……….(8)

9
Dari persamaan ini, jika A dapat didiagonalisasi dan P−1 AP=D adalah sebuah
matriks diagonal, maka
−1 k −1 k k
P A P=(P AP) =D ……….(9)

Dengan menyelesaikan persamaan ini untuk memperoleh A k akan menghasilkan

k k −1
A =P D P ……….(10)
Persamaan terakhir ini menyatakan pangkat ke- k matriks A dalam konteks pangkat
ke-k sebuah matriks diagonal D . Akan tetapi Dk sangat mudah dihitung; sebagai
contoh, jika

[ ] [ ]
k
d1 0 ⋯ 0 d1 0 ⋯ 0
0 d2 ⋯ 0 k
⋯ 0
D= ¿ maka Dk = 0 d 2 ¿
⋮ ⋮ ¿⋮ d ⋮ ⋮ ¿ ⋮d k
0 0 ¿ n 0 0 ¿ n

CONTOH SOAL
Contoh 5 : Pangkat sebuah Matriks
Gunakan (10) untuk memperoleh A13, di mana

[ ]
0 0 −2
A= 1 2 1
1 0 3

Penyelesaian.
Kita telah menunjukkan pada Contoh 1 bahwa matriks A dapat didiagonalisasi oleh
matriks

[ ]
−1 0 −2
P= 0 1 1
1 0 1

Dan bahwa

[ ]
2 0 0
−1
D=P AP= 0 2 0
0 0 1

Sehingga, dari (10) diperoleh

[ ][ ][ ]
13
−1 0 −2 2 0 0 1 0 2
13 13 −1
13
A =P D P = 0 1 1 0 2 0 1 1 1 ……….(11)
1 0 1 0 0 113 −1 0 −1

[ ]
−8190 0 −16382
¿ 8190 1 8191
8191 0 16383

10
 Catatan. Dengan metode yang disajikan pada contoh di atas, hal terpenting yang
harus dilakukan adalah mendiagonalisasikan matriks A . Setelah pekerjaan ini selesai
dilakukan, hasilnya dapat digunakan untu menghitung pangkat berapapun dari
matriks A . Sehingga, untuk menghitung A1000 kita hanya perlu mengubah eksponen
pada (11), dari 13 menjadi 1000.

BAB III

PENUTUP
3.1 Kesimpulan
Sebuah matriks persegi (matriks bujur sangkar) A dikatakan dapat
didiagonalisasikan (diagonalizable) jika terdapat sebuah matriks P yang dapat dibalik
sedemikian rupa sehingga P−1 AP adalah sebuah matriks diagonal .
Matrik P dikatakan mendiagonalisasi (diagonalize) A. Tahapan untuk
mendiagonalisasikan matriks yang berukuran n x n :
a) Tahap 1. Carilah n vector eigen yang bebas linier dari matriks A yang
berukuran n x n misalnya p1, p2,….,pn
b) Tahap 2. Bentuklah matriks P yang mempunyai p 1, p2,….,pn sebagai vector-
vektor kolomnya
c) Tahap 3. Matriks D = P-1 A P adalah matriks diagonal dengan λ 1 , λ2 , … , λk
sebagai unsur-unsur diagonal yang berurutan dan λ iadalah nilai-nilai eigen
yang bersesuaian dengan p1 untuk i = 1,2,3,…,n
Untuk memeriksa bahwa P adalah matriks yang mendiagonalisasi matriks A dapat
dilakukan dengan menentukan matriks diagonal D = P-1 A P dengan unsur-unsur
diagonal utamanya adalah nilai-nilai eigen dari matriks A yang urutannya adalah
nilai-nilai eigen dari matriks A yang urutannya sesuai urutan vector-vektor kolom
matriks P.
Jika v 1 , v 2 , … , v k adalah vektor eigen dari matriks A yang terkait dengan nilai−nilai eigen yang berbeda
bebas linear . Jika suatu matriks A berukuran n x n mempunyai nilai-nilai eigen yang
berbeda . Maka A dapat didiagonalisasikan.
Teorema 7.2.2 adalah sebuah kasus yang spesifik dari sebuah hasil yang lebih
umum: Misalkan bahwa λ 1 , λ2 , … , λk adalah nilai-nilai eigen yang berbeda dan bahwa
kita memilih sebuah himpunan yang bebas linear di dalam setiap ruang eigen yang
terkait dengan nilai-nilai tersebut. Apabila kita kemudian menggabungkan semua
vektor ini ke dalam satu himpunan Tunggal, hasilnya akan tetap merupakan sebuah
himpunan yang bebas linear. Sebagai contoh, apabila kita memilih tiga vektor yang
bebas linear dari salah satu ruang eigen dan dua vektor yang bebas linear dari ruang
eigen lainnya, maka kelima vektor ini secara Bersama-sama membentuk sebuah
himpunan yang bebas linear.

11
3.2 Saran
Penulisan makalah ini tidak lepas dari beberapa pemikiran yang kami
kumpulkan dari berbagai sumber. Jika isi maupun bahasa mungkin tertulis
secara kurang baik, penulis mohon maaf secara sungguh-sungguh. Oleh
karena itu, penulis berharap pembaca dapat menilai makalah ini secara
objektif dan dapat menyampaikan kritik serta saran kepada penulis.

12
 DAFTAR PUSTAKA

Anton, Howard.(2004). Aljabar Linier Elementer Versi Aplikasi. Jakarta: Erlangga.

https://youtu.be/D7JAWeiSbG4?si=Yo00gdsmYXIBvIzV

https://youtu.be/nRtibHxEToc?si=UpK-ML0P5gk_oLLL

13