12/02/20

Selamat datang di Modul 7 dengan judul Nilai dan Vektor Eigen

Masalah nilai eigen amat penting dalam matematika dan banyak aplikasinya pada ilmu
lain dan
penyelesaian masalah di berbagai bidang.
Definisi nilai dan vektor eigen
Berikut ini adalah definisi formal nilai dan vektor eigen: Jika A adalah matriks persegi
n kali n, vektor tak nol u di Rn sedemikian hingga Au = λ u, untuk suatu skalar λ,
maka u disebut vektor eigen untuk A
yang bersesuaian dengan λ, dan λ disebut nilai eigen dari A.

Mengapa disyaratkan x tidak boleh nol? Perhatikan bahwa jka x = 0 maka Ax = λx

berlaku untuk matriks persegi A yang manapun dan skalar λ yang manapun. Sehingga
tidak ada informasi penting yang dapat kita petik.
Ada 4 kemungkinan nilai lambda.
(1) λ ≥ 1, Ax searah dan lebih panjang dari x
Diberikan sembarng matriks persegi A. Masalah nilai dan vektor eigen adalah:
temukan semua vektor tak nol x sedemikian Ax adalah kelipatan skalar x, atau
temukan semua vektor tidak nol x yang memenuhi persamaan Ax = lambda x, untuk
suatu skalar lambda.

Dari pelajaran yang lalu mengenai SPL homogen, kita tahu bahwa persamaan Ax =
lambda x mempunyai penyelesaian tidak nol sama sja dengan mengatakan Persamaan
linier homogen (A-lamba I)x = 0 mempunyai penyelesaian tidak nol, dan ini dipenuhi
jika dan hanya jika matriks koefisiennya,
Yaitu determinan matriks (A- lambda I) = 0.
Diberikan sembarng matriks persegi A. Masalah nilai eigen adalah menemukan semua
skalar lambda, sedemikian hingga persamaan Ax = lambda x untuk suatu vektor tak
nol x. Dengan kata lain, persamaan Ax = lambda x mempunyai penyelesaian yang
tidak nol.

Persamaan Ax = λx dapat dinyatakan sebagai persamaan Ax – λx =0

Marilah kita ulangi lagi makna dari definisi nilai dan vektor eigen.
Jika A matriks persegi nxn, mk kalimat berikut ini mempunyai nilai kebenaran yang
sama (ekuivalen)
1. nilai eigen A
2.terdpt vector tak nol x sdmkn hg Ax = x
3.SPL (I –A)x = 0 memp solusi non-trivial
4. adalah penyelesaian persm karakteristik det(I- A) =0

Berdasarkan pernyataan ke empat, mencari nilai eigen sama saja dengan mencari
penyelesaian persamaan determinan (A- lambda I) = 0 atau determinan (lambda I –A)
= 0.
Ingat dari pelajaran yang lalu bahwa jika v tidak sama I dengan 0 merupakan
penyelesaian(A - I)x = 0, maka pasti (A - λ I) tidak mempunyai inverse, atau det(A -
λI ) = 0. Persamaan ini disebut persamaan karakteristik.
det((A - λ I) merupakan suku banyak dalam λ yang berderajat n. Penyelesaian
persamaan ini merupakan nilai-nilai eigen dari A. Jadi, nilai-nilai eigen dari A dapat
diperloleh dengan menyelesaiakan persamaan tersebut.

Karena suku banyak berderajat n mempunyai paling banyak n penyelesaian berbeda,

maka matriks persegi nxn paling banyak mempunyai n nilai eigen berbeda.
Diberikan matriks A. tentukan semua nilai eigen dari A.
Pertama, bentuklah matrik A-lambda I, dan hitunglah determinannya.
Uraikan determinan tersebut ke dalam persamaan karakteristik.
Nilai-nilai eigen dari A adalah penyelesaian dari persamaan karakterstik tersebut.
Dari uraian tadi, kita dapat membuat prosedur untuk menentukan nilai eigen
matriks persegi sebagai berikut:
Pertama, tentukan persamaan karakteristiknya yaitu dengan membentuk matriks A,
dengan terlebih dahulu membentuk
matriks A-lambda I. Kemudian hitung nilai determinannya.
Determinan matriks tersebut merupakan persamaan berderajat n dalam λ. Selesaiakan
persamaan tersebut dalam λ untuk mendapatkan nilai-nilai eigennya.
Sebagai contoh, marilah kita terapkan prosedur di atas pada matriks berikut ini.
Diberikan matriks A.
Kita tentukan determinan matriks A – λI. Menyelesaiakn persamaan karakteristik akan
menghasilkan 3 nilai eigen yatu 0, 2, 3.
Untuk menentukan nilai eigen matriks, kita tidak selalu harus melalui prosedur yang
panjang tadi. Untuk matriks-matriks tertentu,
nilai eigennya mudah sekali diperoleh, meskipun ukuran matriknya besar.
Sebagsi contoh, untuk matriks diagonal A, maka persamaan karakteristiknya hanya
merupakan hasil kali diagonal utama matriks A - λI)
Masalah nilai eigen bisa muncul dalam bentuk pertanyaan, apakah suatu skalar
merupakan nilai eigen suatu matriks.
Untuk menjawab pertanyaan tersebut kita menghitung determinan (A-λI) . Jika
nilainya nol, maka λ adalah nilai eigen A,
jika determinan (A-λI) tidak sama dengan nol maka detλ bukan nilai eigen A.
Sebagai contoh, untuk menentukan apakah 2 adalah nilai eigen A, maka kita hitung
determinan det(A-2I)
Ternyata, determinannya sama dengan nol. Jadi, 2 adalah nilai eigen untuk A.
demikian juga 4. Sedangkan 8
bukanlah nilai eigen untuk A.
Himpunan vektor2 eigen
Ambil A dan vektor eigen x, tunjukkan bahwa kelipatan skalar dari vektor eigen juga
vektor eigen,
ambil contoh2 2x, 5x, 10x ds, tunjukkan persamaan A(2x) = 1(2x) dsb.
Dapat disimpulkan bahwa: jika x adalah vektor eigen dari A yang bersesuaian dengan
niali eigen .
Maka kelipatan skalar yang tidak nol dari x juga merupakan vektro eigen dari A yang
bersesuaian dengan .
Himpunan semua kelipatan skalar dari , (yaitu semua vektor eigen dan vektor nol)
memmbentuk ruang eigen E.
Himpunan vektor2 eigen
Perhatikan contoh berikut. Apa kesimpulanmu?
Jika x adalah vektor eigen dari A yang bersesuaian dengan niali eigen .
Maka kelipatan skalar yang tidak nol dari x juga merupakan vektro eigen dari A yang
bersesuaian dengan .
Himpunan semua kelipatan skalar dari , (yaitu semua vektor eigen dan vektor nol)
membentuk ruang eigen E.
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) Tetapi tidak semua anggota ruang Null(A -
λ I) merupakan vektor eigen.
Satu-satunya anggota Null(A - λ I) yang bukan vektor eigen adalah vektor nol.
Ruang eigen A yang bersesuaian dengan λ terdiri atas semua vektor eigen yang
bersesuaian dengan λ dan vektor nol.
Jadi, Ruang eigen Elambda sama dengan Null(A - λ I).
Diberikan matriks a dan salah satu nilai eigen lambda, tentukan ruang eigen yang
berssuaian dengan lambda.
Caranya adalah sebagai berikut: Bentukalah SPL homogen (A-lambda I)x = 0, atau
SPL dengan (A - λ I) matriks koefisien.
Ruang eigen adalah ruang penyelesaian SL tersebut. Pada contoh ini, setiap
penyelesaian dapat dituliskan sebagai
hasil kali vektor [ 1 2 0]. Jad, Ruang eigen E lambda adalah himpunan semua vektor di
R3 yang memenuhi
syarat keanggotaan tersebut.
Telah kita ketahui bahwa matriks A memiliki nilai eigen 0, 2, dan 3. Berapakah nilai
eigen untuk A2, A13, A20? Tentu saja kita bisa mendapatkannya dengan memangkatkan
matriks, membentuk persamaan karakteristiknya dan menyelesaikannya. Namun ada
cara yang lebih elegan. Inilah indahnya matematika. Kita akan mengembangkan rumus
umum yang bisa diterapkan secara luas.
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, maka akan diperoleh
A kuadrat xx sama dengan lambda kuadrat x. Berdasarkan definisi nilai eigen,
disimpulkan bahwa
Jika n adalah bilangan bulat positif, λ nilai eigen matriks A, maka λn adalah nilai eigen
An
Nilai eigen nol
Jika A tidak mempunyai inverse, maka salah satu nilai eigennya adalah 0. Sebaliknya,
jika 0 adalah nilai eigen Anxn, maka A tdak mempunyai inverse. A mungkin memiliki
nilai eigen lain.
Telah kita pelajari pada modul 3 bahwa A dan AT mempunyai deteminan yang sama.
Misalkan diketahui bahwa  = 0 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

Kesimpulannya: A dan AT mempunyai nilai eigen yang sama

Diagonalisasi
Perhitungan dengan matriks diagonal lebih sederhana. Determinannya dapt dihitung
dengan mengalikan elemen diagonal utama.
Nilai eigennya merupakan elemen-elemen diagonal utama. Ada prosedur untuk
mengalikan matriks A dengan matriks tertentu
untuk memperoleh matriks diagonal.
Dikatakan A dapat didiagonalkan (ada matriks yang mempunyai inverse P sedemikian
hingga P-1AP = D.
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
Bukti teorema di atas sekaligus menunjukkan prosedur bagaimana menentukan
matriks yang mendiagonalkan
A dan hasil diagonalisasinya.
P-1AP = A, kalikan kedua sisi dengan P-1 di depan
AP = PD
AP = PD, maka Ap = lambda p
Karena P mempunyai inverse, maka kolom-kolmnya bukan kolom nol.
Berdasarkan deinisi 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 mempunya inverse)

Bukti untuk (2)  (1) kerjakanlah sebagai latihan untuk memperdalam

pemahaman.
Berdasarkan penjelasan sebelumnya, D adalah matriks diagonal yang entri diagonal
utamanya adalah nilai-nilai eigen.
P adalah matriks yang kolom-kolomnya adalah vektor-vektor eigen yang bersesuaian.
Sehingga, untuk menentukan matriks yang mendiagonalkan A, yaitu P dan matriks
hasil diagonalisasinya,
yaitu D, langkah-langkahnya adalah sebagai berikut:
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

-1
Diberikan matriks bberikut ini, marilah kita mendiagonalkan matriks A. Tentukan
nilai-nilai eigen dari A,
dengan menyelesaikn persamaan karakteristik. Diperoleh dua nilai eigen yaitu 2 dan 1.
untuk
masing-masing nilai eigen, tentukan satu vektor eigen dengan cara menyelesaiakan
SPL homogen.
Langkah ke dua, bentuk matriks P yang kolom-kolomnya adalah vektor2 eigen yang
diperoleh sebelumnya.
Matriks diagonal D adalah hasil kali
Masalah vektor eigen
Diberikan matriks Anxn, apakah terdapat basis di Rn terdiri atas vektor-vektor
eigen?

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

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