• Muhammad Julfidan Daka

• Syaid Za’far Hussin

BAB 8
• NILAI DAN VEKTOR EIGEN
• DIAGONALISASI
• DIAGONALISASI ORTOGONAL
 Nila Dan Vektor

Vektor egien (eigenvector) atau vektor arakteristikdari suatu matriks berukuran nxn adalah
vektor tak nol yang hanya mengalami perubahan panjang ketika dikali dengan matriks tersebut.
Nilai eigen (eigenvalue) yang berasosiasi dengan vektor tersebut, umumnya dilambangkan
dengan ,menyatakan besar perubahan panjang vektor yang terjadi. Secara umum dalam ruang
vektor multidimensi, vektor eigen tidak mengalami rotasi ketika ditransformasikan oleh matriks.
Hal ini berlaku untuk matriks dengan elemen bilangan real, dan akan mengalami rotasi ketika
[1][ 2]
elemen berupa bilangan kompleks. Nilai eigen dan vektor eigen berguna dalam proses
kalkulasi matriks, yang keduanya diterapkan dalam bidang matematika murni dan matematika
terapan, contohnya pada transformasi linear.
[3]
Ruang eigen  dari merupakan ruang vektor
yang dibentuk dari gabungan vektor nol dan kumpulan vektor eigen yang berasosiasi dengan  [ 4]
CONTOH VEKTOR BERDIMENSI 3
1  20
 3  60 
X= Y=  
 
 4    80 

Kedua vektor ini dikatakan saling berkelipatan skalar, atau paralel atau kolinear,
1
jika terdapat skalar  sehingga X  Y Dalam kasus ini 
20 . Sekarang
misalkan pemetaan linear dari vektor dimensi n
yang didefinisikan oleh sebuah
matriks A
berukuran nxn
Av  w.
Jika v dan wsaling berkelipatan skalar, yakni jika terdapat  sehingga
Av  w  v
A
maka v adalah vektor eigen dari pemetaan linear dan skalar  adalah
Nilai eigen yang berasosiasi dengan vektor eigen tersebut.
( A  I) v  0,
Dengan I AdalahMatriks Identitas dan 0 adalah vektor nol
 DIAGONALISASI

merupakan sebuah prosedur untuk mengubah matriks persegi menjadi matriks diagonal ,dengan
memanfaatkan matriks non singular . Diagonalisasi matriks ini dapat digunakan ketika menghitung
pangkat dari sebuah matriks. Terlebih jika pangkatnya lumayan besar, sehingga sulit jika dihitung
secara manual.
 0 0  2 
 
Contoh Soal = A  1 2 1 
1 0 3   1 0
P1  0 , P2  1
Nilai-nilai eigen dari matriks A adalah λ=1 dan λ=5 Adapun  1  0
vektor-vektor berikut
  2
membentuk sebuah basis untuk ruang eigen yang p3  1 
bersesuaian dengan λ=5, dan
 1 

adalah sebuah basis untuk ruang eigen yang bersesuaian dengan   1 0  2

λ=1.Dengan mudah anda dapat memeriksa bahwa P   0 1 1 
{p1,p2,p3} bebas linear, sehingga  1 0 1 
 akan mendiagonalkan A. Sebagai pemeriksaan,  1 0 2  0 0  2    1 0  2   2 0 0 
anda harus membuktikan bahwa P  1AP   1 1 1  1 2 1   0 1 1   0 2 0
     
 1 0  1 1 0 3   1 0 1  0 0 1

Tidak ada urutan yang diistimewakan untuk kolom-kolom P.

 1  2 0 1
Karena entri diagonal ke-i dari P AP adalah nilai eigen untuk
P   0 1 1 vektor kolom ke-i dari P, maka dengan mengubah urutan kolom-kolom
P hanyalah mengubah urutan nilai-nilai eigen pada diagonal P 1 AP.
 1 1 0 Jadi, seandainya kita tuliskan

2 0 0
di dalam contoh terakhir, maka kita akan memperoleh P 1 AP  0 1 0
0 0 2
Diagonalisasi Ortogonal
Matriks A kuadrat dikatakan dapat didiagonalisasi secara ortogonal jika terdapat matriks P
yang ortogonal sehinggaP 1 AP  P T AP diagonal; matriks P dikatakan mendiagonalisasi A
secara ortogonal.
Perlu diingat bahwa matriks ortogonal adalah suatu matriks khusus di mana invers-nya dapat
diperoleh dengan mentransposkan. Dengan kata lain, sebuah matriks persegi P dikatakan
ortogonal jika transposnya sama dengan inversnya.
Carilah matriks ortogonal P yang mendiagonalisasi
 4 2 2
A  2 4 2
2 2 4
Pembahasan:

Persamaan karakteristik A adalah

  4  2 2 
det( I  A)  det   2   4  2   (  2) 2 (  8)  0
  2  2   4

Jadi, nilai-nilai eigen A adalah λ=2 dan λ=8 Adapun vektor-vektor

 1  1
u1   1   
and u 2   0 
 0   1 
membentuk basis untuk ruang eigen yang bersesuaian dengan λ=2. Dengan menerapkan
proses Gramm-Schmidt terhadap {u1,u2} akan menghasilkan vektor-vektor eigen ortonormal

 1   1 
 2   
   6 
1 1
v1    and v 2   
 2   6
 0   2 
   
   6  1
Ruang eigen yang bersesuaian dengan λ=8 mempunyai U 3  1
1
sebagai basis. Dengan menerapkan proses Gramm-Schmidt terhadap {u3}
maka akan menghasilkan
 1 
 
 3
1 
V3  
 3
 1 
 
 3
Akhirnya, dengan menggunakan v1,v2,dan v3 sebagai vektor-vektor kolom
maka kita dapatkan
 1 1 1 
  
 2 6 3
1 1 1 
P 
 2 6 3
 2 1 
 0 
 6 3

yang akan mendiagonalisasi A secara ortogonal.

T
(Sebagai pemeriksaan, anda bisa membuktikan bahwa P AP adalah matriks diagonal).
 1 1   1 1 1 
 0    
 2 2  4 2 2  2 6 3 2 0 0
1 1 2  1 1 1 
P T AP     2 4 2

  
 0 2 0

 6 6 6  2 6 3 
 1 1 1  2 2 4
 2 1  
0 0 8

   0 
 3 3 3  6 3