BAB III

NILAI EIGEN DAN VEKTOR EIGEN

Eigen dan vektor eigen yang special fungsi didefinisikan secara implisit dari unsur-unsur matriks persegi.
Dalam banyak aplikasi yang melibatkan analisis matriks persegi, informasi kunci dari analisis disediakan
oleh beberapa atau semua nilai eigen ini dan vektor eigen. Ini adalah konsekuensi dari beberapa sifat nilai
eigen dan vektor eigen. Perlu di pamahami bagaimana nilai eigen dan vektor eigen didefinisikan dan
bagaimana menghitungnya.

2. Nilai eigen, vektor eigen, dan ruang eigen

Jika A adalah matriks mxm, maka setiap skalar A memenuhi persamaan

Aλ = λx, (3.1)

untuk beberapa mx1 vektor x ≠ 0, disebut nilai eigen dari A. Vektor x disebut vektor eigen dari A yang
terkait dengan nilai eigen λ, dan persamaan (3.1) disebut nilai eigen-vektor eigen persamaan A. Nilai-nilai
Eigen dan vektor eigen juga kadang-kadang disebut sebagai akar laten dan vektor atau akar karakteristik dan
vektor. Persamaan (3.1) dapat dipersamakan dinyatakan sebagai

( A – λI )x = 0 (3.2)

Perhatikan bahwa jika |A - λI| ≠ 0, maka (A - λI)-1 akan ada dan begitu praperkalian persamaan (3.2) dengan
invers akan mengakibatkan kontradiksi yang sudah menyatakan asumsi bahwa x ≠ 0. Dengan demikian,
setiap nilai eigen λ harus memenuhi persamaan determinan

|A - λI| = 0

yang dikenal sebagai persamaan karakteristik dari A. Menggunakan definisi determinan, bahwa persamaan
karakteristik adalah polinomial derajat ke-m di A; yaitu, ada skalar α0,… ,αm-1 sehingga persamaan
karakteristik di atas dapat dinyatakan sebagai ekuivalen

Karena sebuah polinomial derajat mth memiliki akar m, maka bahwa matriks mxm memiliki nilai-nilai
eigen m; yaitu, ada m scalar λ1,…, λm, yang memenuhi persamaan karakteristik. Ketika semua nilai eigen
dari A adalah nyata, kadang-kadang mengidentifikasi ke-i nilai eigen terbesar dari matriks A sebagai λi(A).
Dengan kata lain, dalam hal ini nilai-nilai eigen A dapat ditulis sebagai λ1(A) ≥ … ≥ λm(A). Persamaan
karakteristik dapat digunakan untuk mendapatkan nilai-nilai eigen dari matriks A.

Contoh 3.1

Tentukan nilai eigen dan vektor eigen dari 3 x 3 matriks A diberikan oleh
 [ ]
5 −3 3
A= 4 −2 3
4 −4 5

Persamaan karakteristik A adalah

5−λ −3 3
|A−λI|=| 4 −2−λ 3 |
4 −4 5− λ
= -(5 – λ)2(2+λ) – 3(4)2 – 4(3)2 + 3(4)(2+λ) + 3(4)(5 – λ) + 3(4)(5 – λ)

= - λ3 + 8λ2 – 17 λ + 10

= - (λ – 5)(λ – 2)(λ – 1) =0

sehingga tiga nilai eigen dari A adalah 1, 2, dan 5. Untuk menemukan vektor eigen dari A yang terkait
dengan nilai eigen λ = 5, kita harus memecahkan persamaan Ax = 5x untuk x, yang menghasilkan sistem
persamaan

Yang pertama dan ketiga persamaan menyiratkan bahwa x2 = x3 dan x1 = x2 , yang bila digunakan dalam
persamaan kedua menghasilkan identitas x2 = x2. Dengan demikian, setiap x memiliki x1 = x2 = x3, seperti
vektor (1, 1, 1)T , adalah vektor eigen dari A yang terkait dengan akar 5. Dengan cara yang sama, dengan
memecahkan persamaan Ax = λx, ketika λ = 2 dan λ = 1, diperoleh bahwa (1,1,0)T adalah vektor eigen yang
terkait dengan nilai eigen 2, dan (0,1, 1)T adalah vektor eigen yang sesuai dengan nilai eigen 1.

Perhatikan bahwa jika vektor tidak nol x memenuhi (3.1) untuk nilai yang diberikan dari λ, maka hal ini
akan (αx) untuk setiap skalar tak nol α. Dengan demikian, vektor eigen tidak didefinisikan secara unik
kecuali kita memaksakan beberapa kendala skala, misalnya, kita mungkin hanya mempertimbangkan vektor
eigen, x, memenuhi x'x = I. Dalam kasus ini. untuk contoh sebelumnya kita akan memperoleh tiga vektor
eigen yang dinormalisasi (1/√3, 1/√3, 1/√3)T , (l/√2, 1/√2, 0)T , dan (0, 1/√2, 1/√2)T sesuai dengan nilai
eigen masing-masing 5, 2, dan 1. Ini vektor eigen yang dinormalisasi yang unik kecuali untuk tanda, karena
masing-masing vektor eigen ini, bila dikalikan dengan -1, menghasilkan vektor eigen normal lain.