NILAI & VEKTOR EIGEN

Perkalian vektor dengan matriks

2 0 5 10  5 2 0 1  1  2 0 0 0

4 1  4  24   k 4 4 1  4  24 4 1  4  1 4
                

Au ≠ ku Av = 2v Aw = 1w
10
y Au    y 2  y
4 Av   
8 

1 
v 
5  4  0 
u  w  Aw   
4  4 

x x x

2
Perkalian vektor dengan matriks

A x = λx

Ax
x

Ax

x dan Ax sejajar

3
 Definisi: nilai dan vektor eigen
Definisi Nilai eigen dan vektor eigen
Diberikan matriks Anxn, vektor tak nol v di Rn disebut vektor eigen dari
A jika terdapat skalar sedemikian hingga Av = λv,
λ disebut nilai eigen, x adalah vektor eigen dari A yang bersesuaian
dengan λ .

(disyaratkan bahwa v ≠ 0)

Av
v
v v
v Av
Av Av
(1) λ ≥ 1 (2) 0 ≤ λ ≤ 1 (3) -1 ≤ λ ≤ 0 (4) λ ≤ - 1

4
 Latihan: vektor nol dan nilai eigen nol

a. Mengapa disyaratkan vektor eigen tidak boleh nol?

Jawab:
Misalkan vektor v = 0, maka untuk semua matriks Anxn, dan skalar λ
berlaku Ax = λx, maka tidak memberikan informasi yang berarti yang
diberikan oleh persamaan tersebut.

b. Apakah nilai eigen bisa bernilai nol?

Jawab:
Nilai eigen bisa nol. Jika matriks memiliki nilai eigen nol maka matriks
tersebut tidak mempunyi inverse.

5
 Latihan: SPL homogen dengan Anxnx = 0

1. A adalah matriks nxn dan spl Ax = 0 mempunyai penyelesaian trivial

saja. Apa kesimpulanmu tentang A?
Jawaban:
a. A mempunyai inverse.
b. det(A) ≠ 0

2. A adalah matriks nxn dan SPL Ax = 0 mempunyai penyelesaian TIDAK

trivial. Apa kesimpulanmu tentang A dan det(A)?
Jawaban:
a. A tidak mempunyai inverse.
b. det(A) = 0

6
 Masalah vektor eigen

Diberikan matriks persegi A,

A x sejajar x

A x = λ x

Temukan semua vektor tidak nol x sedemikian hingga Ax kelipatan skalar x

(atau Ax sejajar dengan x).
atau

Temukan semua vektor tak nol x sedemikian hingga Ax = λx untuk suatu skalar λ

7
 Masalah nilai eigen

Diberikan matriks persegi A.

A x = λ x
x vektor tak nol

Temukan semua skalar λ sedemikian hingga Ax = λx untuk suatu vektor tak nol x.
atau
Temukan semua vektor skalar λ sedemikian hingga persamaan Ax = λx mempunyai
penyelesaian tidak trivial.

8
 Pernyataan-pernyataan ekuivalen

Jika A matriks persegi nxn, maka kalimat-kalimat berikut ekuivalen

1.  nilai eigen A

2. terdapat vektor tak nol x sedemikian hingga Ax = x

3. Spl (A – I)x = 0 mempuyai solusi tidak nol (non-trivial)

4.  adalah penyelesaian persamaan det(A – I) = 0

Mencari nilai eigen A sama dengan mencari penyelesaian persamaan det(I-A) = 0

9
 Persamaan karakteristik
Jika diuraikan, det(A - λI) merupakan suku banyak berderajat n dalam
λ, p   n  cn1 n1  cn2n2    c1   c0 suku banyak karakteristik

Persamaan det  A  I     cn1   cn2    c1   c0  0 disebut

n n1 n2

persamaan karakteristik

A - λI = A-λI

=   cn1   cn2    c1   c0  0
n n1 n2
det A-λI

Persamaan dengan derajat n mempunyai paling banyak n penyelesaian, jadi

matriks nxn paling banyak mempunyai n nilai eigen berbeda.

10
 Latihan: mencari nilai-nilai eigen

Tentukan semua nilai eigen A   2 0 

4 1
 
Jawab:
Pertama ditentukan persamaan karakteristik dari persamaan det(A- λ I) = 0
2   0 
det    0
 4 1   

Diperoleh persamaan karakteristik

2   1     0.4  0
2   1     0

Penyelesaian persamaan karakteristik tersebut merupakan nilai eigen dari A

yaitu: 1  2
2  1
11
 Prosedur menentukan nilai eigen

Diberikan matriks persegi A, maka nilai-nilai eigen A dapat diperoleh

sebagai berikut

1. Tentukan persamaan karakteristik det(A - λI) = 0

p   n  cn1 n1  cn2n2    c1   c0  0

2. Ubahlah persamaan karakteristik ke dalam persamaan suku

banyak karakteristik yang mudah diselesaikan.

3. Selesaikan persamaan di atas untuk memperoleh nilai-nilai eigen

dari A.

12
 Latihan: menentukan nilai eigen
 1 1 1
 
Tentukan semua nilai eigen dari matriks persegi A   0 3 3 
2 1 1
 
Jawab:
1. Tentukan persamaan karakteristik det(A - λI) = 0
1   1 1 
 
det  A  I   det  0 3 3   1   2 3     6  23     31   
 2 1 1   

2. Ubahlah persamaan karakteristik ke dalam persamaan sukubanyak karakteristik:
1   2 3     6  23     31     0
3. Selesaikan persamaan di atas untuk memperoleh nilai-nilai eigen

1   2 3     3     0 Nilai-nilai eigen A:
1  0
   23     0
2  2
3  3
13
 Nilai eigen matriks diagonal
2 0 0 0
 
0 5 0 0
Diberikan matriks diagonal A  
0 0 6 0
 
0 0 0 1 


2   0 0 0 
 
 0 5 0 0 
A  I  
0 0 6 0 
 
 0 0 0 1   

Persamaan karakteristik: det  A  I   2   5   6   1     0

Nilai-nilai eigen 2, 6, 5, 1 (merupakan entri diagonal utama)

Nilai-nilai eigen matriks diagonal adalah elemen-elemen diagonal utamanya.

14
 Latihan : menentukan nilai eigen
1. Diberikan matriks segitiga atas berikut ini. Tentukan nilai-nilai eigennya.
1 1 3 0
 
0 5 2 0
A
0 0 6 7
 
0 0 0 7 

2. Tentukan semua nilai eigen matriks segitiga bawah berikut ini.
 a11 0  0 
 
 a21 a22  0 
A
    
 
a an2  ann 
 n1

3. Berapa nilai eigen matriks identitas?

4. Suku banyak karakteristik matriks B adalah (λ-1)3(λ-1) λ, berapa ukuran matriks B?

15
 jawaban
1 1 3 0
 
1. Nilai-nilai eigen matriks 0 5 2 0
adalah 1, 5, 6, 7
A
0 0 6 7
 
0 0 0 7 


 a11 0  0 
 
 a21 a22  0 
2. Nilai-nilai eigen matriks A adalah a11, a22,…ann
    
 
a an2  ann 
 n1

3. Nilai eigen matriks identitas adalah 1

4. Suku banyak karakteristik matriks B adalah (λ-1)3(λ-1) λ, maka B berordo 5x5

16
 Apakah λ nilai eigen A?

2 2 0 Jika ditanyakan apakah 2, 4, 8 merupakan nilai eigen matriks A,

 
A  0 4 0 maka dapat diselesaikan dengan melihat apakah 2, 4, 8 masing-
0 1 0 masing penyelesaian persamaan karakteristik.
 

λ = 2, 4, 8. Jika det(A-λI) = 0, maka λ merupakan nilai eigen, kalau ≠ 0, maka λ bukan nilai
eigen dari A.
2  2 2 0 
 
det  A  2I   det  0 42 0 0 2 adalah nilai eigen A
 0 1 0  2 


2  4 2 0 
 
det  A  4I   det  0 44 0 0 4 adalah nilai eigen A
 0 1 0  4 

2  8 2 0 
 
det  A  0I   det  0 48 0   192 8 bukan nilai eigen A
 0 1 0  8 

17
 Latihan: menentukan vektor eigen

• Diberikan matriks A dan dua vektor tak nol u, x, y dan vektor nol z. Tentukan
apakah u, x, y, z merupakan vektor eigen A.

 1 1 1  0   4   2 0 2
               
A   0 3 3 , u    2 , x    6 , y   1  z   0 , w   1 
2 1 1  2   2   1  0 0
           

• Tentukan dan gambarkan vektor-vektor u, x, y, z dan Au, Ax, Ay, Az

• [Petunjuk: x vektor eigen bersesuaian dengan nilai eigen 2,

u vektor eigen dengan nilai eigen nol,
y bukan vektor eigen,
z vektor nol, jadi bukan vektor eigen.]

18
 Latihan

Tentukan apakah pernyataan di bawah ini bernilai benar atau salah

1. Suatu matriks mungkin memiliki nilai eigen nol, dan vektor nol pasti
bukan vektor eigen untuk matriks manapun.
– Kunci jawaban: BENAR
– Vektor nol bukan vektor eigen, nilai eigen bisa nol. Nanti akan diperlihatkan
bahwa vektor dengan nilai eigen nol adalah matriks singular (tidak
mempunyai inverse)

2. Vektor x dan y adalah vektor eigen A, maka x = y.

– Kunci jawaban: SALAH

3. λ1 dan λ2 adalah nilai-nilai eigen A, maka det(A - λ1I) = det(A - λ2I)

– Kunci jawaban: BENAR

19
 Nilai eigen matriks pangkat

• Teorema
Jika n adalah bilangan bulat positif, λ nilai eigen matriks A, maka λn
adalah nilai eigen An

• Diberikan sembarang matriks A dan diketahui bahwa λ adalah nilai

eigennya. Maka terdapat vektor tak nol x sedemikian hingga
Ax = λx kalikan kedua ruas dengan matriks A
A.Ax = A λx
A2x = λ(Ax) substitusi Ax dengan λx
A2x = λ2x jadi, λ2 merupakan nilai eigen A2

20
 Nilai eigen matriks pangkat
 1 1 1
 
• Nilai eigen dari A adalah 0, 2, dan 3. A   0 3 3
2 1 1
 

 1 5 5 
 
Akan dihitung nilai eigen untuk A2    6 12 12 , A13 , A20
 4 2 2 
 
Nilai eigen untuk A2 adalah: 0, 4, dan 9
Nilai eigen untuk A13 adalah: 0, 213, dan 313

Nilai eigen untuk A20 adalah 0, 220, dan 320

• Jika nilai eigen A diketahui, maka nilai An bisa langsung ditentukan tanpa
menghitung An terlebih dahulu.

21
 Nilai eigen matriks singular
• Misalkan  = 0 merupakan nilai eigen dari A.
Maka 0 merupakan penyelesaian persamaan karakteristik:
dengan menganti  dengan 0, diperoleh c0 = 0.
Padahal det(A- I) = 0, dengan = 0, maka det(A) = c0 = 0.
Karena det(A) = 0 maka A tidak mempunyai inverse.

• Sebaliknya, det(A) = det(A - I) dengan mengambil  = 0.

Jadi det(A) = c0.
Jika A tidak mempunyai inverse, maka det(A) = 0 = c0.
Sehingga  = 0 merupakan salah satu penyelesaian persamaan karakteristik.
 = 0 merupakan salah satu nilai eigen dari A.

Teorema:
0 adalah nilai eigen A jika dan hanya jika A tidak mempunyai inverse.
22
 Nilai eigen matriks transpose

det(B) = det(BT)
(A- I)T = (AT- I)

Misalkan  merupakan nilai eigen dari A, maka det(A-  I)= 0.

Karena matriks dan transposenya mempunyai determinan yang sama,
maka det(A-  I)T= 0. Karena (A-  I)T = (AT- I) , maka det(AT-  I)= 0. Jadi,  adalah
nilai eigen dari AT. Kesimpulan: A dan AT mempunyai nilai eigen yang sama

Teorema
A dan AT mempuyai nilai eigen yang sama

23
 Latihan
Tentukan apakah pernyataan di bawah ini bernilai benar atau salah!
1. Jika Ax – ax = 0 untuk skalar tak nol a, maka x adalah vektor eigen.
2. Jika a bukan nilai eigen A, maka spl (aI –A)x = 0 mempunyai tepat satu
penyelesaian.
3. Setiap matriks identitas mempunyai satu nilai eigen 1
4. Matriks dengan nilai eigen 1 saja adalah matriks identitas.
5. Jika berikut ini adalah suku banyak karakteristik matriks A
p     12   23   3, maka A berukuran 5x5

6. Jika berikut ini adalah suku banyak karakteristik matriks A

p     12   23   3 , maka A2 tidak mempunyai inverse.

24
 Jawaban

Kunci:
1. SALAH, jika x vektor nol maka x bukan vektor eigen
2. BENAR
3. BENAR
4. SALAH
5. SALAH
6. SALAH

25
 Kelipatan skalar vektor eigen
• Diberikan A. Diketahui bahwa x adalah vektor eigen A yang bersesuaian dengan nilai
eigen 2. Selidiki apakah 1/2x, 10x, 5x juga vektor-vektor eigen A
 1 1 1  4   2   40    20 
    1      
A   0 3 3 x   6 x    3  10x    60  5x    30 
2 1 1  2  2  1   20   10 
         

 1 1 1   4    8   1 1 1   40    80 
         
Ax   0 3 3   6     12   2x A10 x    0 3 3   60     120   210 x 
  2 1 1  2   4    2 1 1  20   40 
         

Ax = 2 x A(10x) = 2 (10x)

A x = λ x

A (10) x = λ (10) x

26
Kelipatan skalar vektor eigen (lanjutan)
 1 1 1  4   2
    1  
A   0 3 3 x   6 x   3
2 1 1  2  2  1 
     

 1 1 1   4    8   1 1 1   2    4 
1      1
    
Ax   0 3 3   6     12   2x A x    0 3 3   3     6   2 x 
2    1   2  2 
  2 1 1  2   4    2 1 1    
    
1 1
Ax  2 x A x  2 x
2 2

A x = λ x A (1/2) x = λ (1/2) x

Kelipatan skalar (tak nol) dari vektor eigen adalah vektor eigen yang
bersesuaian dengan nilai eigen yang sama

27
 Menentukan semua vektor eigen Eλ
• Diberikan vektor matriks A dan salah satu nilai eigennya, misalnya λ. Tentukan
semua vektor eigen yang bersesuaian dengan λ.

• Vektor-vektor eigen A yang bersesuaian dengan λ = 3 dapat diperoleh dengan

menyelesaikan spl (A - λ I)x = 0. Vektor eigen adalah anggota Null(A - λ I)

Null(A - λ I) Himpunan semua penyelesaian

spl (A - λ I)x = 0

0 Himpunan semua vektor eigen

bersesuaian dengan λ

Null(A - λ I)-{0}

28
 Ruang eigen
• Ruang eigen A yang bersesuaian dengan λ terdiri atas semua vektor eigen
yang bersesuaian dengan λ dan vektor nol

Ruang penyelesaian spl (A - λ I)x = 0

Null(A - λ I)x

0
Ruang Eigen
Eλ

Null(A - λ I) = Eλ

• Menentukan Eλ sama dengan menentukan himpunan penyelesaian spl:

(A - λ I)x = 0

29
 Prosedur menentukan ruang eigen

Diberikan A dan nilai eigen λ.

E λ ruang eigen A yang bersesuaian dengan λ diperoleh sbb:

1. Dibentuk spl homogen (A - λI)x = 0

2. Selesaikan SPL homogen tersebut, diperoleh ruang Null(A - λI)

3. Ruang eigen Eλ adalah ruang penyelesaian SPL homogen (A - λI)x = 0

E λ= Null(A – λI)

30
 Contoh: Menentukan ruang eigen Eλ
Diberikan matriks A dan salah satu nilai eigennya, yaitu λ = 3. Akan ditentukan
semua vektor eigen yang bersesuaian dengan λ = 3.
 1 1 1 1  3 1 1 
   
A   0 3 3 A  I   0 33 3 
2 1 1  2 1 1  3 
  

Dibentuk spl  A  3I x  0
1  3 1 1  x1   0   2 x1  x 2  x 3  0
    
 A  3I x   0 3  3 3  x2    0  3 x3  0
 2 1 1  3  x 3   0   2 x1  x 2  2 x 3  0

x1  a  1  
Penyelesai an umum : x 2  2a    
Himpunan penyelesai an : a2, a  R 
x3  0  0 
   
 1  
   
Himpunan vektor eigen A bersesuaia n dengan   3 : a2, a  0, a  R 
 0 
   

31
 Latihan: Menentukan ruang eigen

1. Apa hubungan ruang eigen Eλ dengan ruang Null(A - λ I)

2. Apakah setiap elemen ruang eigen merupakan vektor eigen?
3. Buatlah prosedur untuk menentukan basis ruang eigen matriks A yang
bersesuaian dengan nilai eigen λ.

Jawaban:
1. Eλ = Null(A - λ I)
2. TIDAK, ada satu elemen ruang eigen yaitu 0 yang bukan vektor eigen.
Salah satu syarat vektor eigen adalah vektor tersebut tidak boleh nol.
3. [Petunjuk: carilah basis dari Null(A - λI)]

32
 Diagonalisasi
Definisi diagonalisasi
Matriks persegi A dapat didiagonalkan jika terdapat matriks yang mempunyai
inverse sedemikian hingga P-1AP = D adalah matriks diagonal

Contoh 2:
5  6 2 1  1 1
A    P    P 1
  
 3  4   1 1    1 2  Matriks
diagonal
 1  1  5  6  2 1   2 0 
      
  1 2  3  4  1 1   0  1 
P-1 A P D

A dapat didiagonalkan

33
 Kapan matriks A dapat didiagonalkan?

Teorema
Jika A adalah matriks nxn, maka kalimat-kalimat berikut ini ekuivalen:
1. A dapat didiagonalkan
2. A mempunyai n vektor-vektor eigen yang bebas linier

 a11 a12  a1 n 
Bukti (1)  (2)  
 a21 a22  a2 n 
A
Diberikan A    
 
a an2  ann 
 n1

 p11 p12  p1 n   p11 p12  p1 n 

   
Misalkan A dapat didiagonalkan,  p21 p22  p2 n   p21 p22  p2 n 
P  AP  PD  
maka terdapat matriks P yang        
   
p pn2  pnn  p pn2  pnn 
mempunyai inverse  n1  n1

 1 0  0
 
0 2  0
Sedemikian hingga P-1 AP = D D
   
matriks diagonal 
0

 0   n 

34
 Kapan matriks A dapat didiagonalkan?
(lanjutan)
P-1AP = D, kalikan dengan P-1,
AP = PD
 p11 p12  p1 n   1 0  0    1 p11  2 p12   n p1 n 
    
 p21 p22  p2 n  0 2  0    1 p21  2 p22   n p2 n 
PD  
     

         1 p 1  2p 2   np n 
    
p pn2  pnn  0 0   n    1 pn1  2 pn 2   n pnn 
 n1

 a11 a12  a1 n  p11 p12  p1 n 

  
 a21 a22  a2 n  p21 p22  p2 n 
AP     Ap 1 Ap 2  Ap n 
       
  
a an2  ann  pn1 pn2  pnn 
 n1
AP = PD, jadi Ap1  1p1 Ap2  2p2  Ap n  np n
Karena P mempunyai inverse, maka kolom-kolomnya bukan kolom nol.
Berdasarkan definisi nilai eigen, maka λ1, λ2, λ3, …,λn merupakan nilai-nilai eigen A,
dan kolom-kolom P adalah vektor-vektor eigen A yang bebas linier (karena P
mempunyai inverse)

Bukti untuk (2)  (1) kerjakanlah sebagai latihan untuk memperdalam pemahaman.
35
 Prosedur mendiagonalkan matriks

Diberikan matriks Anxn. Akan dicari P sedemikian hingga PAP-1 = D.

Prosedur
1. Tentukan n vektor eigen A yang bebas linier, misalkan p1, p2, p3, …, pn

2. Dibentuk matriks P yang kolom-kolomnya adalah p1, p2, p3, …, pn

3. Mariks D = P-1AP adalah matriks diagonal yang entri diagonal

utamanya adalah λ1, λ2, λ3, …,λn dengan λj adalah nilai eigen
bersesuaian dengan pj untuk j = 1, 2, 3, …, n

36
 Contoh: mendiagonalkan matriks
Diberikan matriks Anxn. Akan dicari P sedemikian hingga PAP-1 = D.
5  6
A   
 3  4 
Prosedur
1. Tentukan 2 vektor eigen A yang bebas linier. Pertama kita tentukan nilai-nilai eigennya
yaitu λ1= 2 dan λ2= -1 (telah dihitung sebelumnya). Tentukan vektor eigen bersesuaian
dengan nilai eigen, dengan menyelesaiakn spl (A - λ I)x =0. Diperoleh
2 1 
p 1    p 2   
1  1 
2. Dibentuk matriks P yang kolom-kolomnya adalah vektor-vektor eigen di atas.
2 1 1  1 1
P    P   
 1 1    1 2 
3. Matriks D = P-1A P adalah matriks diagonal yang entri diagonal utamanya adalah λ1, λ2
berturut-turut
 1  1  5  6  2 1   2 0 
D        
  1 2  3  4  1 1   0  1 

37
 Masalah diagonalisasi dan masalah vektor
eigen
• Masalah vektor eigen
Diberikan matriks Anxn, apakah terdapat basis di Rn terdiri atas vektor-vektor
eigen dari A?

• Masalah diagonalisasi
Diberikan matriks Anxn apakah terdapat matriks yang mempunyai inverse P
sedemikian hingga P-1AP adalah matriks diagonal?

Teorema 7.4:
Anxn dapat didiagonalkan jika dan hanya jika terdapat n vektor eigen yang bebas
linier.

Padahal, setiap n vektor yang saling bebas linier di Rn merupakan basis Rn.
Kesimpulan: masalah vektor eigen sama dengan masalah diagonalisasi

38
 Masalah diagonalisasi matriks
(lanjutan)

Teorema:
Jika v1, v2, …,vk adalah vektor-vektor eigen dari A yang berpadanan dengan
nilai-nilai eigen yang berbeda-beda λ1, λ2, … λk, maka { v1, v2, …,vk } adalah
himpunan bebas linier

Akibat dari teorema tersebut dituangkan pada teorema berikut ini.

Teorema
Jika matriks Anxn mempunyai n nilai eigen yang berbeda-beda, maka A
dapat didiagonalkan.

39
 Contoh: Matriks dapat didiagonalikan
a. Diberikan 0 1 0
 
A  0 0 1
 4  17 8 
 
mempunyai tiga nilai eigen yang berbeda yaitu, λ = 4, λ = 2+3, λ = 2 -
3. Dengan demikian, A dapat didiagonalkan.

b. Matriks B memiliki persamaan karakteristik λ4 + 6λ3 + 11λ2 – 6λ = 0.

Jadi B memiliki nilai–nilai eigen: λ = 0, λ = 1, λ = 2, dan λ = 3. maka B
dapat didiagonalkan.

c. Matriks C memiliki persamaan karakteristik (5-λ)4 (2-λ)3 = 0.

C memiliki nilai–nilai eigen: λ = 5 dan λ = 2. Ternyata jika dim(E5) = 4
DAN dim (E2) = 3 maka C dapat didiagonalkan.
 Multiplisitas geometris dan aljabar
Definisi
• Jika suatu λ0 adalah nilai eigen matriks A, nxn, maka dimensi ruang eigen
yang berpadanan dengan λ0 disebut multiplisitas geometri dari λ0.
• Jumlah berapa kali λ – λ0 muncul sebagai suatu faktor dalam polinom
karakteristik dari A disebut multiplisitas aljabar dari A.

Misalkan A adalah matriks 6x6 yang memiliki persamaan karakteristik λ2 (λ-1) (λ-
2)3 = 0. Multiplisitas aljabar untuk nilai-nilai eigen eigen 0, 1, dan 2 berturut-turut
2, 1, dan 3.

Jika dimensi ruang eigen E0 adalah 2, maka multiplisitas geometri untuk nilai
eigen 0 adalah 2.

41
 Multiplisitas geometri dan aljabar

Teorema:
Jika A adalah matriks bujur sangkar, maka:
1. Untuk setiap nilai eigen dari A, multiplisitas geometrisnya kurang dari
atau sama dengan multiplisitas aljabarnya.
2. A dapat didiagonalkan jika dan hanya jika multiplisitas geometrisnya
sama dengan multiplisitas aljabarnya untuk setiap nilai eigen.

Teorema di atas menyatakan bahwa matriks dapat didiagonalkan apabila

jumlahan semua multiplisitas geometri sama dengan jumlahan semua
multiplisitas aljabar.

42
 Latihan: informasi dari persamaan karakteristik

Misalkan A adalah matriks 6x6 yang memiliki persamaan karakteristik

λ2 (λ-1) (λ-2)3 = 0. Sebutkan kemungkinan-kemungkinan dimensi dari ruang-ruang
eigen dari A?

Jawaban:

Ruang eigen untuk λ = 0 dapat memiliki dimensi 1 atau 2.

Selanjutnya, ruang eigen untuk λ = 1 harus memiliki dimensi 1.

Ruang eigen untuk λ = 2 dapat memiliki dimensi 1, 2, atau 3.

43
 Multiplisitas geometris dan aljabar

Persamaan karakteristik dari A adalah (1-λ) (6-λ)2 = 0. Jadi A memiliki

nilai–nilai eigen: λ = 1, λ = 6. Misalnya diketahui bahwa basis ruang-ruang
eigennya adalah:

1   2  1   2 1  

    3  4       
basis E1 : B1  1   basis E6 : B2   1 , 3 4   atau B*2  3, 3 
1    1   1    3  4  
            

Maka A dapat didiagonalkan karena multiplisitas geometri = multiplisitas

aljabar masing-masing nilai Eigen,
1 2 1 
 
P  1 3 3 
1 3 4 

44
 Diagonalisasi matriks dipangkatkan
Diagonalisasi dapat dipakai untuk menyederhanakan perhitungan berikut ini:
1. Jika A adalah suatu matriks n x n dan P adalah matriks yang invertible, maka:
(P-1AP)2 = P-1APP-1AP = P-1AIAP = P-1A2P

2. Secara umum, untuk bilangan bulat positif k:

(P-1AP)k = P-1AkP

3. Jika A dapat didiagonalkan, dan P-1AP = D adalah suatu matriks diagonal, maka:
P-1AkP = (P-1AP)k = Dk

4. Sehingga Ak dapat didiagonalisasi menjadi Dk, oleh matriks P:

Ak = PDkP-1

45
 Latihan: diagonalisasi

Diberikan matriks A
0 0 0
 
A  0 0 0
3 0 1
 

• Selidiki apakah A dapat didiagonalisasi.

• Jika demikian, maka cari matriks P yang mendiagonalkan A serta

tentukan P-1AP.

46
 Jawaban

Persamaan karakteristiknya adalah λ2 (λ - 1) = 0, sehingga nilai eigennya

hanya λ = 0 dan λ = 1. Basis ruang eigen yang berasosiasi dengan λ = 0
(Eλ = 0 ) adalah  1  0 
    
 0 , 1  
 3  0 
    
0 
Basis Eλ = 1 adalah 0. 
1  
  

 1 0 0 0 0 0 
Maka P   0 1 0 danP 1 AP  0 0 0  D
   
 3 0 1  0 0 1 

47
 Diagonalisasi ortogonal
Teorema
Jika A adalah matriks nxn, maka pernyataan berikut ekuivalen:
a. A merupakan matriks yang terdiagonalisasi secara ortogonal
b. A memiliki himpunan ortonormal yang terdiri atas n vektor eigen
c. A simetris

Catatan: secara umum, matriks yang simetris dapat didiagonalkan.

48
 Contoh: Diagonalisasi ortogonal
Karakteristik persamaan A adalah:
  4  2 2 
 
det(I  A)  det   2   4  2   (  2)2 (  8)  0
  2  2   4 

Sehingga, nilai eigen dari A adalah λ1,2 = 2 dan λ3 = 8. Tentukan ruang eigen dari
masing-masing nilai eigen. Setelah ditentukan ruang eigen ternyata diperoleh

 1   1 
vektor- vektor u1 =   dan u2 =   membentuk basis dari ruang eigen Eλ = 2.
1  0
 0   1 

Terapkan Proses Gram-Schmidt pada {u1,u2} sehingga menghasilkan

Himpunan vektor eigen ortonormal sebagai berikut: {v1 , v2 } dengan

 1 
1
v1 =  2  dan v2 = 
 1
6

1   6
 2
 2 
 0   6 
49
 Diagonalisasi ortogonal (lanjutan)
1  
  
Ruang untuk λ = 8 memiliki basis B = { u3 }= 1  
1    1 
    3 
 1 
Terapkan normalisasi ke {u3} sehingga menghasilkan: B = {v3 }=  3 
 1 
 3  


Terakhir, dengan menggunakan v1, v2, dan v3 sebagai kolom vektor, kita
memperoleh: yang mendiagonalisasi A secara ortogonal.
 12  16 13 
 
P   12  16 13 
0 2 1 
 6 3

50
 Prosedur diagonalisasi ortogonal

Berikut ini merupakan prosedur untuk mendiagonalisasi matriks simetris A

secara ortogonal:
1. Untuk setiap nilai eigen dari A, tentukan basis untuk setiap ruangnya.
2. Terapkan proses Gram-Schmidt dan normalisasi pada masing masing
basis tersebut untuk membentuk basis orthonormal.
3. Bentuk matrik P yang kolomnya adalah vektor yang membentuk basis
orthonormal di langkah 2. Maka P akan mendiagonalkan A secara
orthogonal

51
 Referensi

Junus, Kasiyah. 2016. Modul E-Learning Aljabar Linear. Nilai dan Vektor
Eigen. Fakultas Ilmu Komputer. Universitas Indonesia.

52