Teorema 3.2
(a) nilai eigen dari AT adalah sama dengan nilai eigen dari A.
(b) A adalah singular jika dan hanya jika setidaknya satu nilai eigen dari A adalah sama
dengan 0. (c) unsur diagonal dari A adalah nilai eigen dari A, jika A adalah matriks
segitiga. (d) nilai eigen dari BAB-1 adalah sama dengan nilai eigen
dari A, jika B adalah matriks mxm nonsingular. (e) Setiap nilai eigen dari A adalah baik +1
atau -1, jika A adalah matriks ortogonal.
Dapat dilihat pada Contoh 3.4 bahwa adalah mungkin untuk dimensi dari ruang eigen
yang terkait dengan nilai eigen λ kurang dari kelipatan λ . Teorema berikut menunjukkan
bahwa jika dim {SA (λ)) ≠ r. dimana r menunjukkan banyaknya λ, maka dim{SA (λ)} <r.
Teorema 3.3
Misalkan λ adalah nilai eigen, dengan banyaknya r ≥ 1, dari mxm matriks A. Maka
1 ≤ dim {SA(λ)} ≤ r
Teorema 3.4
Misalkan A adalah nilai eigen dari mxm matriks A dan x menjadi vektor eigen yang
sesuai. Maka
(a) Jika n adalah bilangan bulat ≥1, λn adalah nilai eigen dari An yang sesuai dengan vektor
eigen x.
(b) Jika A nonsingular, λ-1 adalah nilai eigen dari A-1 yang sesuai dengan vektor eigen x.
x = λA-1x
(3.3)
A-1x = λ-1x
yang merupakan persamaan nilai eigen-vektor eigen untuk A-1 , dengan nilai eigen λ-1 dan
vektor eigen x.
Teorema 3.5
Teorema 3.6
Misalkan x1 , ..., xr , adalah vektor eigen dari m x m matriks A, di mana r ≤ m. Jika nilai-nilai
eigen yang sesuai λ1 , ..., λr , sedemikian rupa sehingga λi ≠ λj untuk semua i ≠ j, maka vektor
x1,…, xr adalah bebas linear.
Jelas, ketika matriks dapat didiagonalisasi, peringkatnya sama dengan jumlah nilai eigen nol nya,
karena
Teorema 3.7
yaitu, jika (- λ)m + αm-1(- λ)m-1 + … + α1(- λ) + α0 = 0 adalah persamaan karakteristik A, maka
Teorema 3.8
Misalkan A adalah mxm simetris real matriks. Kemudian nilai-nilai eigen dari A
adalah nyata, dan sesuai dengan setiap nilai eigen terdapat vektor eigen yang nyata.
Teorema 3.9
Misalkan A adalah matriks simetris mx m dan x setiap mx1 vektor tidak nol. Maka
untuk beberapa r ≥ 1, ruang vektor yang direntang oleh vektor-vektor x, Ax, ...., Ar-1 x, berisi
vektor eigen dari A.
Teorema 3.10
Jika mxm matriks A adalah simetris, maka adalah mungkin untuk membangun satu
set m vektor eigen dari A sedemikian rupa sehingga himpunan ortonormal.
Definisi 3.1
Misalkan λ adalah nilai eigen dari mxm matriks A simetris dengan banyaknya r ≥ 1. Jika x1,
…,xr adalah himpunan vektor eigen ortonormal sesuai dengan λ, maka eigenprojection dari
A yang terkait dengan nilai eigen λ diberikan oleh
r
P A ( λ )=∑ xi x Ti
i=1
SISTEM PERSAMAAN LINIER
k tidak diketahui x1, x2, … , xk disebut sistem persamaan linier tidak homogen. Bila c1 = c2 =
… = ck = 0 maka sistem persamaan linier adalah homogen. Sistem persamaan linier dikatakan
konsisten jika mempunyai penyelesaian, jika tidak maka tidak konsisiten.
Teorema 3.21
Vektor penyelesaian pada sistem persamaan linier homogen membentuk ruang vector
berdimensi k – rank(A), dimana k adalah jumlah vektor yang tidak diketahui.
Teorema 3.22
Sistem persamaan linier homogen mempunyai penyelesaian tidak trivial jika dan hanya
jika matriks koefisien adalah singular.
Teorema 3.23
System persamaan tidak homogeny Ax = C adalah konsisten jika dan hanya jika rank dari A
sama dengan rank matriks yang diperbesar (ditambah) yaitu
¿
A =( A⋮C )
Dimana A* adalah matriks A dengan C dimasukkan sebagai vector kolom.
Teorema 3.24
Teorema 3.25
Himpunan persamaan linier tidak homogeny Ax = C dalam n tidak diketahui X = (x1, x2,
… , xn )T mempunyai penyelesaian unik jika dan hanya koefisien mxm matriks A adalah tidak
singular.
b. Bila rank(A) ≤ n < k, system memiliki jumlah tak tentu pada penyelesaian tidak
nol.
a. Bila rank ( A )<rank ( A⋮C ) , sistem tidak konsisten dan tidak ada penyelesaian.
X = AL-1C ada.
iii. Rank(A) = k > n dimana k adalah jumlah vektor tidak diketahui, A invers
kanan AR-1 ada dan