PERTEMUAN 10
DIAGONALISASI
DEFINISI
Sebuah matriks bujursangkar A dikatakan dapat didiagonalkan (diagonalizable)
Jika ada matriks P yang dapat dibalik (invertible) sehingga .
D merupakan suatu matriks diagonal yang entri-entri diagonal utamanya adalah
nilai eigen dari A.
Matriks P dikatakan mendiagonalkan A
Matriks P kumpulan vektor eigen yang bebas linear dari A
DIAGONALISASI
TEORAMA
Jika A adalah matriks yang berukuran nxn, maka pernyataan berikut ini ekuivalen
Satu sama lain:
1. A dapat didiagonalisasi
2. A mempunyai n vektor eigen yang bebas linear
PROSEDUR DIAGONALISASI
TEOREMA
Jika adalah vektor-vektor eigen dari A yang berkorespondensi
dengan nilai eigen yang berbeda , maka adalah
himpunan yang bebas linear
PROSEDUR DIAGONALISASI
LANGKAH 1
cari n vektor eigen yang bebas linear dari A yaitu
LANGKAH 2
bentuk matriks P yang mempunyai sebagai vektor kolomnya
LANGKAH 3
matriks akan didiagonalisasi dengan sebagai elemen elemen diagonal-
nya yang berurutun, dimana nilai eigen yang
bersesuian dengan , .
CONTOH
Carilah matriks P yang mendiagonalkan matriks
Penyelesaian
Diperoleh nilai eigen dari A yaitu dan
CONTOH
untuk maka
CONTOH
untuk maka
CONTOH
Dibentuk matriks dengan bebas linear
CONTOH
Carilah matriks P yang mendiagonalkan matriks
Penyelesaian
Diperoleh nilai eigen dari A yaitu , dan
CONTOH
untuk maka
CONTOH
untuk maka
CONTOH
Karena ordo P tidak sama dengan ordo A. maka A tidak dapat
didiagonalkan
Sifat-sifat Keterangan
Determinan dan memiliki determinan yang sama
Invers A invertible jika dan hanya jika
Rank dan memiliki rank yang sama
Nullity dan memiliki nullity yang sama
Trace dan memiliki trace yang sama
Polinomial karakteristik dan memiliki polynomial karakteristik yg sama
Nilai eigen dan memiliki nilai eigen yang sama
Dimensi ruang eigen Jika adalah nilai eigen dari dan maka ruang eigen dari A
berkorespondensi ke dan ruang eigen dari berkorespon-
densi ke yang masing-masing memiliki dimensi yang sama
TEOREMA
Jika k adalah bilangan bulat positif dan dan x adalah nilai eigen dan vektor eigen
dari A, maka , dengan D adalah matriks diagonal dengan diagonal utama
memuat nilai eigen dari A.
CONTOH
Carilah matriks P yang mendiagonalkan matriks
Penyelesaian
Diperoleh nilai eigen dari A yaitu dan
CONTOH
Maka
DIAGONALISASI ORTOGONAL MATRIKS SIMETRIS
DEFINISI
Matriks A berukuran nxn dikatakan matriks yang dapat didiagonalkan secara
orthogonal jika ada matriks P yang orthogonal sehingga adalah matriks diago-
nal. Matriks P disebut mendiagonalkan A secara orthogonal
TEOREMA
A matriks yang dapat didiagonalisasi secara orthogonal jika dan hanya jika
vektor eigen dari matriks A adalah himpunan orthogonal
DIAGONALISASI ORTOGONAL MATRIKS SIMETRIS
TEOREMA
A matriks yang dapat didiagonalisasi secara orthogonal jika dan hanya jika
matriks A adalah matriks simetris (
TEOREMA
Jika A adalah matriks simetris, maka vektor-vektor eigen dari ruang-ruang eigen
berbeda akan orthogonal
PROSEDUR DIAGONALISASI MATRIKS
SIMETRIS SECARA ORTOGONAL
PENYELESAIAN
Dengan
Sehingga diperoleh
Dengan
Sehingga diperoleh
PENYELESAIAN
,,
CONTOH
Untuk
Sehingga diperoleh
Sehingga diperoleh
DEFINISI
Jika A adalah matriks berukuran mxn, dan jika adalah nilai eigen dari maka ter-
dapat
Penyelesaian
(Persamaan Karakteristik)
dan
dan
SINGULAR VALUE DECOMPOSITION (SVD)
TEOREMA
1. Nilai eigen yang positif dari dan identik
TEOREMA
Jika A adalah matriks berukuran mxn dengan rank(A)= r>0, terdapat matriks
ortogonal P dan Q yang masing-masing berukuran mxm dan nxn, sehingga
A=PDQT dan D=PTAQ dengan matriks D berukuran mxn, maka terdapat matriks
dengan
(a) jika r=m=n (b) , jika r=m < n
AKIBAT
Jika A adalah matriks mxn dengan rank(A)= r>0, terdapat matriks ortogonal P1
dan Q1 yang masing-masing berukuran mxr dan nxr, dengan dan dengan adalah
matriks diagonal berukuran rxr dengan elemen diagonalnya adalah bilangan
positif.
SINGULAR VALUE DECOMPOSITION (SVD)
atau
SINGULAR VALUE DECOMPOSITION (SVD)
Langkah-Langkah mencari SVD (1)
1. Cari rank(A)
2. Cara matriks atau
3. Untuk matriks
a. Cari nilai eigen dan
b. Vector eigen (basis ortonormal) bersadarkan nilai eigen
c. Bentuk matriks Q dari vector eigen yang sudah ortonormal dengan proses GS
dan
d. Bentuk matriks diagonal dengan entri-entri diagonal adalah akar positif dari nilai
eigen
e. Hitunglah
f. Cari basis ortonormal dari dengan
g. Matriks
SINGULAR VALUE DECOMPOSITION (SVD)
3. Untuk matriks
a. Cari nilai eigen dan
b. Vector eigen (basis ortonormal) bersadarkan nilai eigen
c. Bentuk matriks P dari vector eigen yang sudah ortonormal dengan proses GS
dan
d. Bentuk matriks diagonal dengan entri-entri diagonal adalah akar positif dari nilai
eigen
e. Hitunglah
f. Cari basis ortonormal dari dengan
g. Matriks
CONTOH
Tentukan singular value dari matriks
Penyelesaian
CONTOH
Nilai eigen
(Persamaan Karakteristik)
,
dan
CONTOH
Untuk
Sehingga
Contoh
Contoh
𝑷 𝟏 = 𝑨𝑸 𝟏 𝚺− 𝟏
Contoh
Contoh
Contoh
LATIHAN
1. Cari basis untuk ruang eigen berikut:
2. Diketahui