7.

Nilai dan Vektor

Eigen
Sasaran pemelajaran

Jika diberikan matriks persegi A, diharapkan pemelajar

memiliki kemampuan sebagai berikut.
1. Menentukan nilai-nilai eigen dan vektor-vektor eigen yang
bersesuaian,
2. melakukan diagonalisasi terhadap matriks A,
3. mengidentifikasi sifat-sifat matriks berdasarkan nilai eigen,
4. menjelaskan ruang eigen sebagai ruang null suatu matriks.

2
Cakupan materi

Nilai dan vektor eigen

Ruang eigen

Diagonalisasi

Diagonalisasi ortogonal

3
Pre-test modul
Pre-test
• Jawablah pertanyaan berikut ini:

Diberikan
Diberikan matriks
matriks A
A2x2 dan vektor-vektor u, v, dan w
2x2 dan vektor-vektor u, v, dan w

2 0  5  1  0

A   u   v   w  
 4 1 4 4 4

Hitunglah
Hitunglah Au,
Au, Aw,
Aw, Av.
Av.

Manakah
Manakah dari
dari hasil
hasil kali
kali tersebut
tersebut yang
yang hasilnya
hasilnya adalah
adalah vektor
vektor
yang
yang sejajar
sejajar dengan
dengan vektor
vektor semula?
semula?

5
Jawaban soal pre-test

2 0  5  1  0

A   u   v   w  
4 1 4 4 4

 2 0 5 10  untuksemuak R

Au   
     ku u dan Au TIDAK sejajar
4 1 4 24

 2 0 1 2 1 

Av   
     2.4  2v v dan Av sejajar
4 1 4 8  

 2 0 0 0 
Aw    4  4  1w w dan Aw sejajar
 4 1    

6
Nilai dan vektor eigen

Ruang eigen

Diagonalisasi

Diagonalisasi ortogonal

7.1 Nilai eigen dan

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

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

x x x

8
Perkalian vektor dengan
matriks

A x = λ
x

Ax
x

Ax

x dan Ax sejajar

9
Definisi: nilai dan vektor
eigen
D
Definisi
efinisi 7.1:
7.1: Nilai
Nilai eigen
eigen dan
dan vektor
vektor eigen
eigen
Diberikan
Diberikan matriks
matriks A Anxn , vektor tak nol v di Rnn disebut vektor
nxn, vektor tak nol v di R disebut vektor
eigen
eigen dari
dari AA jika
jika terdapat
terdapat skalar
skalar sedemikian
sedemikian hingga
hingga Av
Av =
= λv,
λv,
λλ disebut
disebut nilai
nilai eigen,
eigen, xx adalah
adalah vektor
vektor eigen
eigen dari
dari A
A yang
yang
bersesuaian
bersesuaian dengan
dengan λλ ..

(disyaratkan
(disyaratkan bahwa
bahwa v
v≠≠ 0)
0)

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

10
Latihan 1: 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.

11
Latihan 2: 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

12
Masalah vektor eigen

Diberikan matriks persegi A,

A x sejaja x
r

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 13
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.

14
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

15
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  suku
c0 banyak karakteristik

Persamaan det A I  n  c n1  c n2    c   c  0 disebut

n1 n 2 1 0
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.
16
Latihan 3: mencari nilai-
nilai eigen
Tentukan semua nilai eigen  2 0
A   
 4 1
Jawab:
Pertama ditentukan persamaan karakteristik dari persamaan
det(A- λ I) = 0
2  0 
det   0
 4 1   

Diperoleh
 2    1persamaan
   0.4  0 karakteristik
 2    1     0

1  2
Penyelesaian
2  1 persamaan karakteristik tersebut merupakan nilai
eigen dari A yaitu:
17
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.

18
Latihan 4: 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     3     6  2 3     3 1     0
2

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
19
Nilai eigen matriks
diagonal
2 0 0 0
 
0 5 0 0
A 
Diberikan matriks diagonal
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 utamany

20
Latihan 5 : 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?

21
Kunci jawaban Latihan 5
1 1 3 0
 
0 5 2 0
1. Nilai-nilai eigen matriks
A  adalah 1, 5, 6, 7
0 0 6 7
 
0 0 0 7 


 a11 0  0
 
 a21 a22  0
2. Nilai-nilai eigen matriksA   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

22
Apakah λ nilai eigen A?

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

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

λ = 2, 4, 8. Jika det(A-λI)
2 2 2= 0, 0maka

λ merupakan nilai eigen, kalau ≠ 0, maka
λ bukan nilai eigen  dari A. 
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 

23
Latihan 6 : 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.]

24
Latihan 7

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 25
Nilai eigen matriks
pangkat
TTeorema
eorema 7.1
7.1::
Jika
Jika nn adalah
adalah bilangan
bilangan bulat
bulat positif,
positif, λλ nilai
nilai eigen
eigen matriks
matriks A,
A,
maka
maka λλnn adalah
adalah nilai
nilai eigen
eigen A
Ann

• 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
A2 x = λ 2 x jadi, λ2 merupakan nilai eigen A2

26
Nilai eigen matriks
pangkat
 1 1 1
 
• Nilai eigen dari A adalah 0, 2, danA 3. 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.

27
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.
T
Teorema
eorema 7.2:
7.2:
00 adalah
adalah nilai
nilai eigen
eigen A
A jika
jika dan
dan hanya
hanya jika
jika A
A tidak
tidak mempunyai
mempunyai
inverse.
inverse.
28
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
TTeorema
eorema 7.3:
7.3:
A
A dan
dan A
ATT mempuyai
mempuyai nilai
nilai eigen
eigen yang
yang sama.
sama.

29
Latihan 8
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. pJika
   berikut
   1 2   ini
 2 3adalah
   3 suku banyak karakteristik matriks A
, 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.

30
Kunci jawaban Latihan 8

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

31
Nilai dan vektor eigen

Ruang eigen

Diagonalisasi

Diagonalisasi ortogonal

7.2 Ruang eigen

32
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 10x   0 3 3   60    120  2 10x
  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

33
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  2x 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

34
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 - Himpunan semua penyelesaian

λ I)
spl (A - λ I)x = 0

0 Himpunan semua vektor eigen

bersesuaian dengan λ

Null(A - λ I)-{0}

35
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

36
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)

37
 Contoh 1: 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
  

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

38
Latihan 9: 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)]

39
Nilai dan vektor eigen

Ruang eigen

Diagonalisasi

Diagonalisasi ortogonal

7.3 Diagonalisasi
Diagonalisasi
D
Definisi
efinisi 7.2:
7.2: diagonalisasi
diagonalisasi
Matriks
Matriks persegi
persegi A
A dapat
dapat didiagonalkan
didiagonalkan jika
jika terdapat
terdapat matriks
matriks
yang
yang mempunyai
mempunyai inverse
inverse sedemikian
sedemikian hingga
hingga PP-1-1AP
AP =
=DD adalah
adalah
matriks
matriks diagonal.
diagonal.
Contoh 2:
 5  6  2 1  1  1
A    P    1
P   
 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

41
Kapan matriks A dapat
didiagonalkan?
TTeorema
eorema 7.3.
7.3.
Jika
Jika A
A adalah
adalah matriks
matriks nxn,
nxn, maka
maka kalimat-kalimat
kalimat-kalimat berikut
berikut ini
ini ekuivalen:
ekuivalen:
1.
1. A
A dapat
dapat didiagonalkan
didiagonalkan
2.
2. A
A mempunyai
mempunyai nn vektor-vektor
vektor-vektor eigen
eigen yang
yang bebas
bebas linier
linier
 a11 a12  a1n 
Bukti (1)  (2)  
 a21 a22  a2n 
A 
Diberikan A   
 
a an2  ann 
 n1

 p11 p12  p1n   p11 p12  p1n 

   
Misalkan A dapat  p21 p22  p2n   p21 p22  p2n 
P AP  PD  
didiagonalkan, maka      
   
terdapat matriks P yang p pn2  pnn  p pn2  pnn 
 n1  n1
mempunyai inverse
 1 0  0
 
0 2  0 
D 
Sedemikian hingga P-1 AP =   
 
0 0   n 
D matriks diagonal 

42
Kapan matriks A dapat
didiagonalkan? (lanjutan)
P-1AP = D, kalikan dengan P-1,
AP = PD
 p11 p12  p1n   1 0  0    1 p11  2p12   np1n 
    
 p21 p22  p2n  0  2  0    1 p21  2p22   np2n 
PD       1 p1  2p2   npn 
           
    
p pn2  pnn  0 0   n    1 pn1  2pn2   npnn 
 n1

 a11 a12  a1n  p11 p12  p1n 

  
 a21 a22  a2n  p21 p22  p2n 
AP     Ap1 Ap2  Apn 
      
  
a an2  ann  pn1 pn2  pnn 
 n1
AP = PD, jadiAp1  1p1 Ap2  2p2  Apn  npn
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.
43
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
44
Contoh 3: 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 - 2λ I)x =0. Diperoleh
1
p1    p2   
1  1

 2 1  1  1
P    P 1   
2. Dibentuk matriks P yang 1 1
 kolom-kolomnya
  1 2
 adalah  vektor-vektor eigen di
atas.

 1  1  5  6  2 1   2 0 
D        
  1 2  3  4  1 1   0  1 

3. Matriks D = P-1A P adalah matriks diagonal yang entri diagonal utamanya

45
adalah λ1, λ2 berturut-turut
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?

TTeorema
eorema 7.4:
7.4:
A
Anxn dapat didiagonalkan jika dan hanya jika terdapat n vektor eigen
nxn dapat didiagonalkan jika dan hanya jika terdapat n vektor eigen
yang
yang bebas
bebas linier.
linier.
Padahal, setiap n vektor yang saling bebas linier di Rn merupakan
basis Rn.
Kesimpulan: masalah vektor eigen sama dengan masalah
diagonalisasi

46
Masalah diagonalisasi matriks
(lanjutan)
TTeorema
eorema 7.5:
7.5:
Jika
Jika vv11,, vv22,, …,v
…,vkk adalah
adalah vektor-vektor
vektor-vektor eigen
eigen dari
dari A
A yang
yang
berpadanan
berpadanan dengan dengan nilai-nilai
nilai-nilai eigen
eigen yang
yang berbeda-beda
berbeda-beda λλ11,, λλ22,, …
…
λλkk,, maka
maka {{ vv11,, vv22,, …,v
…,vkk }} adalah
adalah himpunan
himpunan bebas
bebas linier.
linier.

Akibat dari teorema tersebut dituangkan pada teorema

berikut ini.

TTeorema
eorema 7.6.:
7.6.:
Jika
Jika matriks
matriks A
Anxn mempunyai n nilai eigen yang berbeda-beda,
nxn mempunyai n nilai eigen yang berbeda-beda,
maka
maka AA dapat
dapat didiagonalkan.
didiagonalkan.

47
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
D
Definisi
efinisi 7.3.:
7.3.:
•• Jika
Jika suatu
suatu λλ00 adalah
adalah nilai
nilai eigen
eigen matriks
matriks A,
A, nxn,
nxn, maka
maka dimensi
dimensi
ruang
ruang eigen
eigen yang
yang berpadanan
berpadanan dengan
dengan λλ00 disebut
disebut multiplisitas
multiplisitas
geometri
geometri dari
dari λλ00..
•• Jumlah
Jumlah berapa
berapa kali
kali λλ –– λλ00 muncul
muncul sebagai
sebagai suatu
suatu faktor
faktor dalam
dalam
polinom
polinom karakteristik
karakteristik dari
dari A A disebut
disebut multiplisitas
multiplisitas aljabar
aljabar dari
dari
A.
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.

49
Multiplisitas geometri dan
aljabar
TTeorema
eorema 7.4:
7.4:
Jika
Jika A
A adalah
adalah matriks
matriks bujur
bujur sangkar,
sangkar, maka:
maka:
1.
1. Untuk
Untuk setiap
setiap nilai
nilai eigen
eigen dari
dari A,
A, multiplisitas
multiplisitas geometrisnya
geometrisnya kurang
kurang
dari
dari atau
atau sama
sama dengan
dengan multiplisitas
multiplisitas aljabarnya.
aljabarnya.
2.
2. AA dapat
dapat didiagonalkan
didiagonalkan jika
jika dan
dan hanya
hanya jika
jika multiplisitas
multiplisitas
geometrisnya
geometrisnya sama
sama dengan
dengan multiplisitas
multiplisitas aljabarnya
aljabarnya untuk
untuk setiap
setiap
nilai
nilai eigen.
eigen.

Teorema di atas menyatakan bahwa matriks dapat didiagonalkan

apabila jumlahan semua multiplisitas geometri sama dengan
jumlahan semua multiplisitas aljabar.

50
Latihan 10: 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.

51
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      
basisE1 : B1  1  basisE6 : 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

52
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

53
Latihan 12: 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.

54
Jawaban Latihan 12

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

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

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

55
Nilai dan vektor eigen

Ruang eigen

Diagonalisasi

Diagonalisasi ortogonal

7.4 Diagonalisasi
ortogonal
56
Diagonalisasi ortogonal

TTeorema
eorema 7.7:
7.7:
Jika
Jika A
A adalah
adalah matriks
matriks nxn,
nxn, maka
maka pernyataan
pernyataan berikut
berikut ekuivalen:
ekuivalen:
a.
a. AA merupakan
merupakan matriks
matriks yang
yang terdiagonalisasi
terdiagonalisasi secara
secara ortogonal
ortogonal
b.
b. AA memiliki
memiliki himpunan
himpunan ortonormal
ortonormal yang
yang terdiri
terdiri atas
atas nn vektor
vektor eigen
eigen
c.
c. AA simetris
simetris

Catatan: secara umum, matriks yang simetris dapat didiagonalkan.

57
Contoh 6: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
   
1 0
vektor- vektor u1 0= dan 1u 2 = membentuk basis dari ruang
eigen Eλ = 2.

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

 1 
 1   6
 2  1 
 1 
Himpunan vektor eigen ortonormal sebagai berikut:
 2{v
 1 , v2 } dengan

 2
6

 0   6 
58
v1 =
Diagonalisasi ortogonal
(lanjutan)
1 
  
1u
Ruang untuk λ = 8 memiliki basis B ={  3 }=  1  
1  
   3
 1  
Terapkan normalisasi ke {u3} sehingga menghasilkan:B =3{v
  3 }=
 1  
 3  


Terakhir, dengan menggunakan v1, v2, dan v3 sebagai kolom vektor,

kita memperoleh:
 1 1 1  yang mendiagonalisasi
 2
A secara ortogonal. 6 3
P 1 1 1 
 2 6 3
 0 2 1 
 6 3 

59
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

60
Refleksi

Buatlah diagram yang menggambarkan keterkaitan konsep-

konsep yang telah kamu pelajari: vektor pada bidang dan
ruang, perkalian matriks dan vektor, sistem persamaan linier
homogen, determinan, persamaan suku banyak, nilai eigen,
vektor eigen, ruang eigen, diagonalisasi.

61
Ringkasan materi

Buatlah ringkasan materi yang baru saja kamu pelajari.

Periksalah hasil ringkasanmu, apakah sudah mencakup semua

konsep kunci berikut ini?
 nilai eigen
 vektor eigen
 persamaan karakteristik
 ruang eigen
 multiplisitas geometri
 multiplisitas aljabar
 diagonalisasi
 diagonalisasi ortogonal

62
Post-test modul

Copyright © 2004-2005 NameOfTheOrganization. All rights reserved.

Post-test

1.
1. Bagaimana
Bagaimana menentukan
menentukan nilai-nilai
nilai-nilai eigen
eigen matriks
matriks A?
A?
2.
2. Jika
Jika diberikan
diberikan matriks
matriks A
A dan
dan nilai
nilai eigen
eigen k,
k, bagaimana
bagaimana
menentukan
menentukan ruang
ruang eigennya?
eigennya?
3.
3. Apakah
Apakah ruang
ruang eigen
eigen memuat
memuat hanya
hanya vektor
vektor eigen?
eigen?
4.
4. Dua
Dua matriks
matriks mempunyai
mempunyai persamaan
persamaan karakteristik
karakteristik sama,
sama, apa
apa
kesimpulanmu?
kesimpulanmu? Apakah
Apakah mereka
mereka memiliki
memiliki ruang-ruang
ruang-ruang eigen
eigen
yang
yang sama?
sama?
5.
5. Terdapat
Terdapat basis
basis dari
dari R
Rnn yang
yang terdiri
terdiri atas
atas vektor-vektor
vektor-vektor eigen
eigen
dari
dari A.
A. Apa
Apa kesimpulanmu?
kesimpulanmu?
6.
6. A
A dapat
dapat didiagonalkan
didiagonalkan secara
secara ortogonal,
ortogonal, apa
apa kesimpulanmu?
kesimpulanmu?

64
Selamat, Anda telah menyelesaikan
modul 7.
Bersiaplah untuk modul selanjutnya