7.1.

2 Peryataan-Peryataan yang ekuivalen

Jika A adalah matriks berukuran n×n, dan λ adalah sebuah bilangan real maka pernyataan berikut
adalah ekuivalen.
a. λ adalah sebuah nilai eigen dari A
b. λ adalah sebuah solusi dari persamaan karakteristik det (λI−A) = 0.
c. Sistem persamaan (λI−A)x = 0 mempunyai solusi taktrivial.
d. Terdapat sebuah vektor x yang taknol sehingga Ax = λx

Menentukan Basis Untuk Ruang Eigen

Vektor-vektor matriks A yang terkait dengan sebuah nilai eigen λ adalah vektor-vektor taknol x
yang memenuhi persamaan Ax = λx. Vektor-vektor yang terkait dengan λ adalah vektor-vektor
taknol didalam ruang solusi (λ I – A) x = 0 atau atau (A - λ I) x = 0. Ruang solusi disebut juga
ruang eigen.

Contoh Soal
Tentukan basis-basis untuk ruang eigen dari matriks.

[ ]
0 0 −2
A= 1 2 1
1 0 3

Penyelesaian
Persamaan karakteristik matriks A adalah λ3-λ2+8λ-4 = 0 atau dalam bentuk terfaktorkan (λ-1)
( λ-2)2 = 0 (Buktikan); sehingga nilai-nilai eigen dari A adalah λ = 1 dan λ = 2 dan dengan
demikian terdapat dua ruang eigen dari A.
Menurut definisinya

[]
x1
X = x2
x3

Adalah sebuah vector eigen dari matriks A yang terkait dengan λ jika dan hanya jika x adalah
sebuah solusi nontrivial dari (λ I – A) x = 0 yaitu

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

Jika λ = 2 maka (3) menjadi

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

Dengan meyelesaikan system ini akan menghasilkan (buktikan)

x1 = -s x2 = t x3= s
sehingga vector eigen dari A yang terkait dengan λ=2adalah vector-vektor taknol yag berbentuk

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

Karena

[ ] []
−1 0
0 dan 1
1 0

Bebas linear vector-vektor ini membentuk sebuah basis untuk ruang eigen yang terkait dengan λ
= 2
Jika λ = 1 maka (3) menjadi

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

Dengan menyelesaikan system ini akan menghasilkan (buktikan)

x1 = -2s x2 = s x3 = s
Dengan demikian vector eigen yang terkait dengan λ=1 adalah vector-vektor taknol yang
berbentuk

[ ] [] []
−2 s −2 −2
s =s 1 sehingga 1
s 1 1

Adalah sebuah basis untuk ruang eigen yang terkait dengan λ=1.
 1. Tentukan nilai eigen vector eigen dan basis untuk ruang eigen dari matriks

[ ]
−3 1 −1
A = −7 5 −1
−6 6 −2

2. Diketahi matriks seperti dalam gambar carilah basis untuk ruang eigen dari matriks A

[ ]
0 −1 −3
A= 2 3 3
−2 1 1

1. carilah matriks diagonal dari matriks A =

2. apakah matriks A dapat didiagonalisasi, jika bisa tentukan matriks diagonalnya!

3. carilah matriks diagonal dari matriks

4. Carilah matriks diagonal dari matriks A =

Jawaban
1. Carilah:
a) Persamaan karakteristik dari matriks A
b) Nilai-nilai eigen dari matriks A

Penyelesaian: a) Persamaan karakteristik dari matriks A adalah

[( )( )]
1 0 0 −3 1 −1
det (λ I – A) = det λ 0 1 0 − −7 5 −2 = 0
0 0 1 −6 6 −2
 [( )]
λ +3 −1 1
= det 7 λ−5 1 ¿0
6 −6 λ+ 2

| |
λ +3 −1 1 λ +3 −1
= det 7 λ−5 1 7 λ−5
6 −6 λ+2 6 −6

= λ 3−12 λ−46=0
= ( λ+ 2¿ 2 ( λ−4 ¿=0
= λ=−2 ; λ=4
Jadi nilai eigennya adalah -2 dan 4
Untuk menentukan vector eigen dimisalkan vector eigen tersebut x =(a b c) dan kita mencari x
yang memenuhi (λ I – A) x = 0

[ ( ) ( )] ( )
1 0 0 −3 1 −1 a
= λ 0 1 0 − −7 5 −2 b =0
0 0 1 −6 6 −2 c

[( )] ( )
λ +3 −1 1 a
= 7 λ−5 1 b =¿ 0
6 −6 λ+ 2 c

[( )]
1 −1 1
Untuk λ=−2 = 7 −7 1 0
6 −6 0

( )
1 −1 1 0
Matriks yang bersesuaian = 7 −7 1 0
6 −6 0 0

( )
1 −1
1
0
−1
= 7 −1 0
7
0
1 −1 0

Diperoleh : a = b dan c = 0
 || ||
1 1
Jadi vector eigen yang bersesuaian dengan λ=−2 adalah t 1 jadi basisnya 1
0 0

[ ]
7 −1 1 0
Untuk λ=4 = 7 −1 1 0
6 −6 6 0

[ ]
7 −1 1 0
= 7 −1 1 0
6 −6 6 0

[ ]
6 0 0 0
= 0 0 0 0
1 −1 1 0

Diperoleh : a = 0 dan b = c

[] ||
0 0s
Andai c = t maka b = t yang bersesuaian dengan λ=4 adalah t 1 jadi basisnya 1
1 1

2. Nilai Eigen dan Vektor Eigen Berordo 3x3

Tentukan Nilai Eigen dan Vektor Eigen untuk matriks A =

[ ]
0 −1 −3
A= 2 3 3
−2 1 1

Jawab
Nilai Eigen

[ ]( )
0 −1 −3 λ 0 0
A = det 2 3 3 – 0 λ 0 =0
−2 1 1 0 0 λ

[( )]
− λ −1 −3
det 2 3−λ 3 =0
−2 1 1−λ

– λ ((3 – λ)(1 – λ) – 3.1) + (1) (2(1 – λ) – (3 * – 2)) + (–3) (2*1 – (3 – λ)(-2)) = 0

– λ ((3 – λ)(1 – λ) – 3) + (2(1 – λ) – (–6)) + (–3) (2 – (– 6 + 2 λ)) = 0
– λ (λ2 – 4λ + 3 – 3) + (2 – 2λ + 6) + (–3) (2 + 6 – 2 λ) = 0
– λ (λ2 – 4λ) + (– 2λ + 8) + (– 6 – 18 + 6λ) = 0
– λ (λ2 – 4λ) + (– 2λ + 8) + (– 24 + 6λ) = 0
– λ3 + 4λ2 – 2λ + 8 – 24 + 6λ = 0
– λ3 + 4λ2 + 4λ – 16 = 0
Metode Horner

−2 −1 4 4 −16 6 ¿−8 0 ¿
¿ 2 ¿ ¿

(λ + 2) (2λ2 – 12λ + 16) = 0

(λ + 2) (2λ – 4) (λ – 4) = 0
λ+2=0→λ=–2
2λ – 4 = 0 → 2λ = 4 → λ = 2
λ–4=0→λ=4

Vektor Eigen
Untuk λ = – 2 maka

[( )] ( )
− λ −1 −3 x1
2 3−λ 3 x 2 =¿ 0
−2 1 1−λ x3

[( )] ( )
−−2 −1 −3 x1
2 3−−2 3 x 2 =¿ 0
−2 1 1−−2 x3

[( )] ( )
2 −1 −3 x1
2 5 3 x 2 =¿ 0
−2 1 3 x3

2x1 – x2 – 3x3 = 0
2x1 + 5x2 + 3x3 = 0
Bila persamaan tersebut dijumlahkan diperoleh 4x1 + 4x2 = 0 atau x1 = – x2, dan
Bila persamaan tersebut dikurangkan diperoleh – 6x2 – 6x3 = 0 atau – x2 = x3

[] []
−1 −1
Maka diperoleh vektor eigen: x = 1 maka basisnya 1
−1 −1

[] []
1 1
Begitu juga untuk λ = 2 dengan cara yang sama diperoleh x = 1 maka basisnya 1
−1 −1

[] []
−1 −1
Dan untuk λ = 4 diperoleh x = = 1 maka basisnya 1
1 1