MUH1G3 Matriks dan Ruang Vektor

Dosen NDK

RUANG
EIGEN
 • Beberapa Aplikasi Ruang Eigen
 Uji Kestabilan dalam sistem dinamik
 Optimasi dengan SVD pada pengolahan Citra
 Sistem Transmisi
 dan lain-lain.

• Definisi :
• Misalkan Anxn matriks matriks bujur sangkar
• v adalah vektor tak nol di Rn dan λ adalah skalar Rill
• sehingga memenuhi :
Av   v
22/02/2024 11:22 AM

• maka λ dinamakan nilai eigen dari A,

• sedangkan v dinamakan vektor eigen dari A
2

MUH1G3 Matriks dan Ruang Vektor

 Contoh :
Nilai eigen= λ
1 2 1  5  1
AX=         5    5 X
 4 3   2   10   2

X=Vektor eigen
22/02/2024 11:22 AM

MUH1G3 Matriks dan Ruang Vektor

 Perhatikan !!!

Av   v
Av   v  0
A v  I v  0
 A  I  v  0
Ingat….
v merupakan vektor tak nol
Ini Berarti
Persamaan Karakteristik
22/02/2024 11:22 AM

det  A  I   0
4

MUH1G3 Matriks dan Ruang Vektor

 Contoh :
Tentukan nilai eigen dari matriks
 1 0 -2 
 
A 0 1 2 
 -1 0 0 

Persamaan Karakteristik det (A – λI) = 0

 1 0 -2   1 0 0 
 0 1 2     0 1 0   0
 
- 1 0 0   0 0 1 

1-  0 -2
22/02/2024 11:22 AM

0 1-  2 0
-1 0 -
5

MUH1G3 Matriks dan Ruang Vektor

 » Dengan ekspansi kofaktor sepanjang kolom ke-2
(1− λ) ( (1−λ) (−λ) − 2 ) = 0
(1 − λ) ( λ² − λ − 2) = 0
(1 − λ) ( λ − 2) ( λ + 1) = 0

Jadi, matriks A memiliki tiga buah nilai eigen yaitu :

λ = −1, λ = 1, dan λ = 2.

Contoh :
Tentukan basis ruang eigen dari :

 2 1 1 
 
22/02/2024 11:22 AM

A 1 2 1 
 1 1 2 
 
6

MUH1G3 Matriks dan Ruang Vektor

 Jawab :
Nilai eigen dari A diperoleh saat det I  A   0
 -2 -1 -1
-1  -2 -1  0
-1 -1  -2

   2  - 2 -1

-1 -1

-1  -2
0
-1  -2 -1  -2 -1 -1
 (λ – 2){( λ – 2)2 –1} + (–λ +1) – (1+( λ–2)) = 0
 (λ – 2){ λ2 – 4 λ + 3} – (λ – 1) – (λ – 1) = 0
 (λ – 2){( λ – 3)( λ – 1 )} – 2 (λ – 1) = 0
 (λ – 1)(( λ – 2)( λ – 3) – 2) = 0
22/02/2024 11:22 AM

 (λ – 1)( λ2 – 5 λ + 4) = 0
 (λ – 1)2( λ – 4) = 0
7

MUH1G3 Matriks dan Ruang Vektor

 Nilai Eigen dari matriks tersebut adalah 1 dan 4.
» Untuk λ = 1
 -1 -1 -1   x   0 
     
 -1 -1 -1   y   0 
 -1 -1 - 1   z   0 
    

1 1 1 0
Dengan OBE diperoleh  
0 0 0 0
0 0 0 0 

maka
 x  s t   1   1
   
22/02/2024 11:22 AM

   
 y   s    1  s 0 t
z  t  0 1
       
8

dimana s, t adalah parameter

MUH1G3 Matriks dan Ruang Vektor
 Jadi Basis ruang eigen yang bersesuaian dengan =1
adalah

   1   1 
     
  1 ,  0  
 0 1 
     

Ingat bahwa…
Vektor eigen merupakan kelipatan dari
unsur basis tersebut
22/02/2024 11:22 AM

MUH1G3 Matriks dan Ruang Vektor

 » Untuk λ = 4
 2 -1 -1   x   0 
     
 -1 2 -1   y  0 
 -1 -1 2   z   0 
    

Dengan OBE diperoleh 1 0 1 0

 
0 1 1 0
1 0 0 0 0 

 
1
maka 1
 

Jadi basis ruang eigen yang bersesuaian dengan =4 adalah

22/02/2024 11:22 AM

 x   1 
   
 y    1 s
 z   1 
   
10

MUH1G3 Matriks dan Ruang Vektor

 Diagonalisasi
Definisi :
Suatu matriks kuadrat dikatakan dapat
didiagonalkan (diagonalizable)
jika terdapat matriks P yang mempunyai invers
sehingga P–1AP merupakan matriks diagonal.

» Matriks P dinamakan matriks yang

mendiagonalkan (pendiagonal) dari A.
22/02/2024 11:22 AM

» Vektor-vektor kolom dari matriks P adalah

vektor-vektor eigen dari A. 11

MUH1G3 Matriks dan Ruang Vektor

 Contoh :
Tentukan matriks yang mendiagonalkan
1 0 0
 
A  0 1 1
0 1 1
 
Jawab :
Persamaan karakteristik dari matriks A adalah :
.I  A  0
atau
 0 0  1 0 0 
22/02/2024 11:22 AM


    
det   0  0   0 1 1   0
  0 0   0 1 1 
     12

MUH1G3 Matriks dan Ruang Vektor

    1 0 0 
 
det  0   1 1   0
 0 1   1


Dengan menggunakan ekspansi kofaktor :

Pilih Baris I
det  .I  A  a11 c11  a12 c12  a13c13

   1     2   0  0

   1     2 
22/02/2024 11:22 AM

Sehingga diperoleh nilai eigen

  0 ;  1 ;   2 13

MUH1G3 Matriks dan Ruang Vektor

 Untuk   0
Dengan OBE maka
1 0 0  1 0 0  1 0 0
.I  A ~  0  1  1 ~  0 1 1  ~  0 1 1

 0  1  1
 
 0  1  1 0 0 0 
  
 x1   0 
   
 x2    1  t , dimana t adalah parameter tak nol
 x    1
 3  
Jadi vektor eigen yang bersesuaian dengan   0
22/02/2024 11:22 AM

adalah 0
 
P1   1 
  1
  14

MUH1G3 Matriks dan Ruang Vektor

 Untuk   1
Dengan OBE maka
0 0 0   0 0 0 0 1 0
.I  A ~      
 0 0  1 ~  0 0 1  ~  0 0 1 
0 1 0   0 1 0 0 0 0
     
 x1   1 
   
 x2    0  t , dimana t adalah parameter tak nol
 x  0
 3  

Jadi vektor eigen yang bersesuaian dengan   1

22/02/2024 11:22 AM

adalah 1
 
P2   0 
0
  15

MUH1G3 Matriks dan Ruang Vektor

 Untuk 2
Dengan OBE maka
1 0 0  1 0 0 
   
.I  A ~  0 1  1 ~  0 1  1
0 1 1  0 0 0 
   
 x1   0 
   
 x2    1  t , dimana t adalah parameter tak nol
 x  1
 3  

Jadi vektor eigen yang bersesuaian dengan   2

22/02/2024 11:22 AM

adalah  0
 
P3   1 
1
  16

MUH1G3 Matriks dan Ruang Vektor

 Perhatikan
k1 P1  k 2 P2  k 3 P3  0

 0 1 0   k1   0 
    
 1 0 1   k2    0 
 1 0 1   k   0
   3  
Dengan OBE
 0 1 0  1 0 1 1 0 1 1 0 1 1 0 0
         
 1 0 1 ~
  0 1 0  ~  0 1 0 ~  0 1 0 ~  0 1 0
 1 0 1  1 0 1 0 0 2   
       0 0 1   0 0 1 

Jadi P , P , P 
22/02/2024 11:22 AM

1 2 3

merupakan himpunan yang bebas linear

17

MUH1G3 Matriks dan Ruang Vektor

 Jadi, Matriks yang mendiagonalkan A adalah :
 0 1 0
 
P   1 0 1
 1 0 1
  0 0 0
 
Matriks diagonal yang dihasilkan adalah : D  P 1 AP   0 1 0 
 0 0 2
 

1 0 0
Hal yang perlu diperhatikan, matriks P   0 1 1 
 
 0 1 1 
 
Juga mendiagonalkan A.
Tapi matriks diagonal yang terbentuk adalah :
22/02/2024 11:22 AM

1 0 0
1
 
D  P AP   0 0 0 
 0 0 2
  18

MUH1G3 Matriks dan Ruang Vektor

» Contoh lain baca buku Howard Anton hal.287-290
» Contoh 8,9,11
 DIAGONALISASI ORTOGONAL
dikatakan matriks ortogonal jika B–1 = Bt

Pernyataan berikut adalah ekivalen :

» adalah matriks ortogonal.
» Vektor-vektor baris dari B membentuk himpunan
ortonormal di Rn dalam RHD Euclides.
» Vektor-vektor kolom dari B membentuk himpunan
ortonormal di Rn dalam RHD Euclides.
Misalkan P merupakan matriks ortogonal maka
berlaku :
22/02/2024 11:22 AM

• P tP = I
 Px  x , untuk setiap x di Rn 20

MUH1G3 Matriks dan Ruang Vektor

 Contoh :
Berikut adalah contoh matriks ortogonal :

 12 1

A 1 2 
 1 
 2 2 
 1 0  1
 2  2
B 0 1 0 
 1 1 
 2 0 2 
22/02/2024 11:22 AM

Terlihat bahwa setiap vektor baris/kolom

merupakan vektor satuan
Dan hasil kali dalam antar vektor tersebut adalah
21
nol
MUH1G3 Matriks dan Ruang Vektor
 Perhatikan bahwa :
At A  I 2 x 2 dan B t B  I 3x 3
Sementara itu,
 Px  x

 12 1
 8  142 
 1 2     2 
 1  6  
 2 2    2
196 4
 
2 2
 100
22/02/2024 11:22 AM

8
  
 6
22

MUH1G3 Matriks dan Ruang Vektor

 Definisi :
Suatu matriks dikatakan dapat didiagonalkan
secara ortogonal
jika terdapat matriks ortogonal P
sedemikian hingga
P–1AP (=PtAP) merupakan matriks diagonal.
22/02/2024 11:22 AM

23

MUH1G3 Matriks dan Ruang Vektor

 Perhatikan bahwa :
D = P–1AP = Pt AP
Misalkan P merupakan matriks ortogonal (PtP=PPt =I)
maka
A = PDPt
Sehingga diperoleh hubungan
At = (PDPt)t
= (Pt )t Dt Pt
= PDPt
=A
22/02/2024 11:22 AM

A dapat didiagonalkan secara ortogonal

jika dan hanya jika A matriks simetri (A= At)
24

MUH1G3 Matriks dan Ruang Vektor

 Misal , cara menentukan matriks ortogonal P yang
mendiagonalkan A :
» Tentukan nilai eigen
» Tentukan basis ruang eigen untuk setiap nilai
eigen yang diperoleh
» Ubah setiap basis pada (b) menjadi basis ruang
eigen yang ortonormal.
» Bentuk matriks P dimana vektor-vektor kolomnya
berupa basis ruang eigen yang ortonormal.
Contoh :
Tentukan matriks yang mendiagonalkan secara
22/02/2024 11:22 AM

ortogonal matriks 1 0 0
 
A  0 1 1
0 1 1
  25

MUH1G3 Matriks dan Ruang Vektor

 Jawab :
Basis ruang eigen :
» Untuk   0 adalah
 0   0 
   1 
 1   2 
 1   1 
 
 2 
» Untuk   1 adalah
 1   1 
   
 0   0 
 0   0 
   
» Untuk   2 adalah
22/02/2024 11:22 AM

 0   0 
   1 
 1   2 
 1   1 
 
 2  26

MUH1G3 Matriks dan Ruang Vektor

 Dengan demikian, secara berurutan
basis ruang eigen yang ortonormal matriks tersebut
 0   1   0 
 1     
  dan  1 
 2   0  2
  1   0   1 
 2 
   2 

Sehingga
,
matriks ortogonal yang mendiagonalkan A
adalah :
, 0 1 0 
 
P 1 2 0 1
2
 1 
22/02/2024 11:22 AM

 2
0 1
2

27

MUH1G3 Matriks dan Ruang Vektor

 Latihan Bab 8  1 0 3
 
A   0 2 0
1. Tentukan basis 3ruang eigen dari  1 0 3
  2 0  
 
B 0 1 0
2. Diketahui :  4
 4 1 

Apakah B matriks dapat didiagonalkan, jelaskan

3. Suatu Matriks A2x2 memiliki basis ruang eigen :
1 
 
• λ=–3  3 
22/02/2024 11:22 AM

  1
•  
λ= 1  2 
39

Tentukan matriks A !
MUH1G3 Matriks dan Ruang Vektor