Nilai dan Vektor Eigen

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Mengingat kembali: perkalian matriks
• Diberikan matriks A2x2 dan vektor-vektor u, v, dan w
 2 0  1    0    5
A  v  w  u 
4 1  4  4  4

• Hitunglah Au, Aw, Av. Manakah dari hasil kali tersebut yang hasilnya adalah vektor
yang sejajar dengan vektor semula

Jawab:   2 0  1   2 1  
Av   
      2 4  2 v v dan Av sejajar
 4 1   4  8   
 2 0 0 0 
Aw   
  4  4  1. w w dan Aw sejajar
 4 1     
  2 0   5  10  
Au          ku u dan Au TIDAK sejajar
 4 1   4   24 
untuk semua k  R

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Mengingat kembali: SPL homogen dan
determinan
1. A adalah matriks nxn dan SPL Ax = 0 mempunyai penyelesaian trivial saja.
Apa kesimpulanm tentang A?

Jawaban:
A mempunyai inverse. 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 tidak mempunyai inverse.
Det(A) = 0

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Perkalian vektor dengan matriks

A x = λ x

Ax
x

Ax

x dan Ax sejajar

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Perkalian vektor dengan matriks
 2 0 1  1  2 0 0 0 2 0 5 10  5 
4 1 4 =2  4 4 1 4 =1  4 4 1 4 =  24  k 4
                 

Au = 2u Av = v Aw ≠ kw
y y y 10
2 24
8

1 0
4 4
5
4

x x x

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Definisi: Nilai dan Vektor Eigen
Definisi:
Diberikan matriks A nxn, 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 .

Syarat perlu: v ≠ 0

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

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Masalah Vektor Eigen
Diberikan matriks persegi A,

A x sejajar x

A x = λ x

Temukan semua vektor tidak nol x sedemikian hingga Ax

adalah kelipatan skalar x (Ax sejajar dengan x).

atau

Temukan semua vektor tak nol x sedemikian hingga Ax = λx

untuk suatu skalar λ
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
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
Ax == λx
λx mempunyai penyelesaian tak nol

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
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 saja mencari penyelesaian

persamaan det(I-A) = 0
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Persamaan Karakteristik
Jika diuraikan, det((A - λI) merupakan suku banyak berderajat n dalam λ,
p(λ ) = λⁿ + cn-1λn-1 +cn-2 λn-2 + …+ c1λ+ c0 suku banyak karakteristik

Persamaan det((A - λI) = λⁿ + cn-1λn-1 +cn-2 λn-2 + …+ c1λ+ c0 = 0 disebut

persamaan karakteristik

A - λI = A-λI
•persamaan
karakteristik

det A-λI = λⁿ + cn-1λn-1 +cn-2 λn-2 + …+ c1λ+ c0 =0

Persamaan dengan derajat n mempunyai paling banyak n penyelesaian, jadi

matriks nxn paling banyak mempunyai n nilai eigen.
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Contoh
 2 0
Mencari semua nilai eigen A=  4 1 
 

2-λ 0
Mencari semua penyelesaian persamaan det =0
4 1-λ

Mencari penyelesaian persamaan karakteristik (2 - λ)(1 - λ ) = 0

1  2,
Nilai eigen A adalah
2  1

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Prosedur: menentukan nilai eigen
Diberikan matriks persegi A.
Nilai-nilai eigen A dapat diperoleh sebagai berikut:
1. Tentukan persamaan karakteristik det((A - λI) = 0
tuliskan A dan matriks yang elemen diagonal utamanya dikurangi λ

2. (Jika diperlukan) uraikan persamaan karakteristik ke dalam persamaan

sukubanyak karakteristik:
λⁿ + cn-1λn-1 +cn-2 λn-2 + …+ c1λ+ c0 = 0

3. Selesaikan persamaan yang diperoleh pada langkah di atas. Nilai-nilai eigen

merupakan penyelesaian persamaan tersebut.

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Contoh: Menentukan nilai eigen
 1 1 1
Diberikan matriks persegi A   0 3 3
 2 1 1

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

1   1 1 
det( A   I )  det  0 3 3 
 2 1 1   
(1   ) 2 (3   )  6  2(3   )  3(1   )  0

2. Ubahlah persamaan karakteristik ke dalam persamaan sukubanyak karakteristik:

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

(1   )2 (3   )  (3   )  0 Nilai-nilai eigen A:
 (  2)(3   )  0 λ1 = 0
λ2 = 2
Kuliah Jarak Jauh Program e-Learning Inherent
λ3 = 3
Fakultas Ilmu Komputer Universitas Indonesia
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: (2   )(5   )(6   )(1   )  0

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

Nilai-nilai eigen matriks diagonal adalah elemen diagonal

utamanya.

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
 Bagaimana menentukan apakah suatu
skalar merupakan nilai eigen?
• Tentukan apakah 2, 0, 4 merupakan nilai eigen A.

2 2 0
A   0 4 0 
 0 1 0 

Jawab:
Bentuk det(A-λI) untuk λ = 2, 0, 4. Jika det(A-λI) ≠ 0, maka merupakan nilai eigen, kalau = 0,
maka bukan nilai eigen. Kunci: 2, 4 nilai eigen A, 0 bukan nilai eigen A.
2  2 2 0 

det( A  2 I )  det  0 42 0   0 2 adalah nilai eigen A
 0 1 0  2 

2  0 2 0 

det( A  0 I )  det  0 40 0   8  0
0 bukan nilai eigen A
 0 1 0  0 

2  4 2 0 
4 nilai eigen A
det( A  4 I )  det  0 44 0   0
 0 1 0  4 
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
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 
       
A   0 3 3 , x   6  1 x  3 10 x   60  5 x   30 
2  
 2 1 1  2   1   20   10 

 1 1 1  4   8   1 1 1  40   80 
      120   2(10 
Ax   0 3 3  6    12   2 x A(10 x)   0 3 3  60   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
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Kelipatan skalar vektor eigen
 1 1 1  4   2 
     
A   0 3 3 , x   6  1 x  3
2  
 2 1 1  2   1 

 1 1 1  4   8   
 1 1 1  2   4 
  
A( 12 x)   0 3 3  3   6   2( 1 
Ax   0 3 3  6    12   2 x   2
x)
 2 1 1  2   4   2 1 1  1   2 

Ax = 2 x A(1/2 x) = 2 (1/2 x)

A x = λ x A (1/2) x = λ (1/2) x

Kelipatan skalar (tak nol) dari vektor eigen adalah

vektor eigen terhadap nilai eigen yang sama

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
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

Himpunan semua vektor eigen

bersesuaian dengan λ
0

Null(A - λ I)-{0}
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
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

Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Menentukan ruang eigen Eλ
• Diberikan vektor matriks A dan salah satu nilai eigennya, misalnya λ = 3. Tentukan
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

SPL (A - 3 I)x = 0
1  3 1 1   x1  0 2 x1  x2  x3  0
 
( A  3I ) x   0 3  3 3   x2   0 
 
3x3  0
 2 1 1  3  x3  0  2 x1  x2  2 x3  0

 1  
Penyelesaian x1  a    
Himpunan penyelesaian a  2  , a  R 
x2  2a  0 
   
x3  0
 1  
Himpunan vektor eigen A bersesuaian dengan λ =3 : a  2  , a  0, a  R 
  
 0 
   
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Nilai eigen matriks pangkat
• Nilai eigen dari A adalah 0, 2, dan 3.
 1 1 1
A   0 3 3
 2 1 1
• Tentukan nilai eigen untuk

 1 5 5 
A2   6 12 12  , A13 , A20
 4 2 1 
• 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
• Teorema: Jika n adalah bilangan bulat positif, λ nilai eigen matriks A, maka λn
adalah nilai eigen An

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
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.

0 adalah nilai eigen A jika dan hanya jika A

tidak mempunyai inverse.

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Nilai eigen matriks transpose
det(B) = det(BT)
(A-  I)T = (AT- I)

Misalkan  = 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
A dan AT mempunyai nilai eigen yang sama

A dan A-1 mempuyai nilai

eigen yang sama
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Diagonalisasi
Definisi: Matriks persegi A dapat didiagonalkan jika terdapat matriks yang
mempunyai inverse sedemikian hingga P-1AP = D adalah matriks diagonal.

5 6 
Contoh: A   
3 4 

 2 1  1 1
P  P 1   
 1 1  1 2 

 1 1 5 6   2 1 2 0 
P-1AP=  1 2  
3 4   1 1   0 1  D
       

Matriks
diagonal
A dapat didiagonalkan
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
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

Bukti (1)  (2)  a11 a12  a1n 

 a22  a2n 
Diberikan A A   a21
   
 
 an1 an2  ann 
Misalkan A dapat didiagonalkan, maka terdapat matriks P yang mempunyai inverse
 p11 p12  p1n   p11 p12  p1n 
p p22  p2 n  p p22  p2 n 
P   21 AP=PD   21
         
   
 pn1 pn 2  pnn   pn1 pn 2  pnn 

Sedemikian hingga P-1AP = D matriks diagonal

 1 p11 2 p12  n p1n   1 0  0 
 p  0   0 
 1 21 2 p22  n p2n  D 2 
       
   
 1 pn1 2 pn 2  n pnn   0 0  n 

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
Kapan matriks A dapat didiagonalkan?
(lanjt)
P-1AP = D, kalikan dengan P-1,
AP = PD
 p11 p12  p1n  1 0  0   1 p11 2 p12  n p1n 
p 0   0   p 
p22  p2 n   2   1 21 2 p22  n p2 n 
PD   21    
  1 p1 2 p2  n pn 
            
     
 pn1 pn 2  pnn   0 0  n   1 pn1 2 pn 2  n pnn 

 a11 a12  a1n   p11 p12  p1n 

a a  a2 n  p p22  p2n    
AP   21 22  21   A p1 A p2  A pn 
        
   
 an1 an 2  ann   pn1 pn 2  pnn 

AP = PD, jadi
     
A p1  1 p1 A p2  2 p2  A pn  n pn
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.

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
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

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia
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
p1    p2   
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
2 0 
D 
 0 1
Kuliah Jarak Jauh Program e-Learning Inherent
Fakultas Ilmu Komputer Universitas Indonesia
Masalah Diagonalisasi dan masalah
vektor eigen
• 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 hingga nP-1AP adalah matriks diagonal?

Teorema:
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

Kuliah Jarak Jauh Program e-Learning Inherent

Fakultas Ilmu Komputer Universitas Indonesia