• Nilai Eigen dan Vektor Eigen
• Diagonalisasi
• Diagonalisasi Ortogonal
7. NILAI-NILAI VEKTOR EIGEN
Diketahui A matriks nxn dan x adalah suatu vektor pada Rn, maka biasanya tdk ada hubungan antara vektor x dengan vektor Ax.
Namun , dapat terjadi vektor x tertentu sedemikian sehingga x dan Ax merupakan penggandaan satu sama lain
Nilai Eigen, Vektor Eigen
Ax
x
Ax x
Jika A adalah matriks nxn,
• Vektor-vektor tidak nol pada Rn disebut vektor eigen dari A jika Ax adalah suatu penggandaan skalar dari x, yaitu:
Ax = x
• Untuk semua skalar .
• Skalar disebut eigenvalue A, dan x disebut juga eigenvector A bersepadanan dengan .
Nilai Eigen, Vektor Eigen
Apabila diberikan transformasi linier A : Rn Rn, maka kita perlu menentukan skalar sehingga Ax = x mempunyai solusi tak nol.
Nilai Eigen, Vektor Eigen
Jika diketahui vektor adalah suatu vektor eigen
maka tentukan nilai eigen dari vektor tersebut.
λ =3 Ax = x
Menghitung λ
A nn Ax = x
Ax = Ix (I – A)x = 0.
det ( I – A ) = 0
Persamaan karakteristik dari A, dimana skalar yang memenuhi persamaan ini adalah nilai eigen dari A
.
det (I – A) merupakan persamaan polinomial p dalam
dan disebut polinomial karakteristik dari A.
Untuk mencari nilai eigen dari matriks A yang berukuran nxn, maka:
Menghitung λ
det ( I – A ) = 0
Nilai Eigen, Vektor Eigen Tentukan nilai eigen dari
• Polinomial karakteristik A didapat melalui:
• Nilai eigen value diperoleh melalui 3 – 82 + 17 – 4 =0
0 1 0
0 0 1
4 17 8 A
3 2
1 0
det( ) det 0 1 8 17 4
4 17 8
I A
3 – 82 + 17 – 4 =0 (-4)(2-4 +1) = 0
Nilai Eigen, Vektor Eigen Tentukan nilai eigen dari
• Nilai eigen value = ½ , = 2/3, dan = -1/4
4 8 1
5
3 0 1 2
0 2 0
1
A
det ( I – A ) = 0
Jika A adalah matriks segitiga nn triangular matrix ( segitiga atas, segitiga bawah atau diagonal) maka nilai eigen dari A adalah anggota diagonal A.
Teorema Eigen
Jika A
nndan adalah bilangan real maka pernyataan berikut adalah ekuivalen:
• adalah nilai eigen dari A .
• Sistem persamaan ( I – A )x = 0 memiliki solusi tak-trivial.
• Ada suatu vektor tak-nol x pada R
nsedemikian sehingga A x = x.
• merupakan suatu penyelesaian dari persamaan
karakteristik det( I – A ) = 0.
Basis Ruang Eigen
• Eigenvectors A bersepadanan dengan eigenvalue adalah vektor tak-nol x yang memenuhi Ax = x.
• Eigenvectors yang bersepadanan dengan adalah vektor tak-nol dalam ruang penyelesaian (I – A)x = 0 ruang eigen A yang berhubungan dengan .
(I – A)x = 0
Mencari nilai eigen det (I – A) = 0
Mencari vektor eigen
Basis Ruang Eigen
Cara menentukan nilai eigen dan vektor eigen matriks A ukuran nxn :
1. Tentukan polinomial karakteristik det(I – A)=0 dari matriks A.
2. Tentukan nilai eigen A dengan menyelesaikan persamaan karakteristik det (I – A) = 0 untuk .
3. Untuk tiap nilai eigen tentukan ruang null dari matriks
A-I. Vektor tak nol yang berhubungan dengan itu merupakan vektor eigen A.
4. Tentukan basis untuk ruang eigen tersebut.
Contoh Basis Ruang Eigen
Cari basis-basis untuk ruang eigen dari
0 0 2 1 2 1 1 0 3 A
1 2 3
0 2 0
1 2 1 0 (3)
1 0 3 0
x x x
(I – A)x = 0
3 – 52 + 8 – 4 = 0
( – 1)( – 2)2 = 0 = 1 and = 2
• Mencari nilai eigen det (I – A) = 0
• Mencari vektor eigen
Contoh Basis Ruang Eigen
1 2 3
2 0 2 0
1 0 1 0
1 0 1 0
x x x
• Menentukan ruang solusi dan basis untuk = 2
x1= -s, x2 = t, x3 = s
Vektor eigen dari A yang bersepadanan dengan = 2 adalah vektor tak nol berbentuk:
0 1 0
0 0 1
0 1 0
s s
t t s t
s s
x
Cek : apakah bebas linier.
Jika iya, maka vektor-vektor tersebut membentuk suatu basis untuk ruang eigen yang berpadanan dengan = 2
Contoh Basis Ruang Eigen
• Dengan cara yang sama, ditentukan ruang solusi dan basis untuk
= 1
Vektor eigen dari A yang bersepadanan dengan = 1 adalah vektor tak nol berbentuk:
basis untuk ruang eigen yang berpadanan dengan
= 2
Nilai Eigen Dari Pangkat Suatu Matriks
Jika k : bilangan bulat positif,
: eigenvalue matriks A, x : eigenvector
k adalah eigenvalue dari Ak dan x is a corresponding
eigenvector.
A
2x= A (Ax) –A ( x) = (Ax) - ( x) =
2x
Teorema:
Jika k adalah suatu bilangan bulat positif, adalah suatu nilai eigen dari suatu matriks A, dan x adalah suatu vektor eigen yang berpadanan, maka k adalah suatu nilai eigen dari Ak dan x adalah suatu vektor eigen yang berpadanan.
Nilai Eigen Dari Pangkat Suatu Matriks
Contoh:
Nilai Eigen dari adalah
0 0 2 1 2 1 1 0 3 A
= 1 and = 2
Vektor eigen dari A untuk nilai = 2 adalah
Nilai eigen untuk A7 : = 27 = 128 dan = 17 = 1
Vekor eigen untuk A7 yang bersepadanan dengan = 27 = 128
Vekor eigen untuk A7 yang bersepadanan dengan = 17 = 1
Vektor eigen dari A untuk nilai = 1 adalah
Matriks Balikan pada Nilai Eigen
Suatu matriks bujursangkar A dapat dibalik jika dan hanya jika = 0 bukanlah suatu nilai eigen dari A.
Ringkasan
Jika A mn matrix, dan jika TA : Rn Rn adalah perkalian dengan A;
• A dapat di-invers.
• Ax = 0 hanya memiliki persamaan trivial.
• Bentuk baris tereduksi dari A adalah In.
• A dapat dinyatakan sebagai hasil kali matriks-matriks dasar.
• Ax = b konsisten untuk setiap matriks b, n1.
• Ax = b tepat mempunyai satu solusi untuk setiap matriks b, n1.
• det(A)≠0.
• Range (daerah hasil) TA adalah Rn.
• TA satu satu.
• Vektor kolom A bebas linier.
• Vektor baris A bebas linier.
• Vektor kolom A merentang Rn.
• Vektor baris A merentang Rm.
• Vektor kolom dari A membentuk suatu basis untuk Rn.
• Vektor baris dari A membentuk suatu basis untuk Rn.
• A berpangkat n.
• A mempunyai kekosongan 0.
• Komplemen orthogonal dari ruang kosong A adalah Rn.
• Komplemen orthogonal dari ruang baris A adalah {0}.
• ATA bisa dibalik
• = 0 bukanlah suatu nilai eigen dari A
DIAGONALISASI
Diagonalisasi Matriks
Suatu matriks bujursangkar A dikatakan diagonalizable
• Jika ada matriks P yang dapat diinvers sehingga P-1AP =D adalah matriks diagonal
• Matriks P dikatakan mendiagonalkan ( diagonalize) A.
Jika A nn maka:
• A dapat didiagonalkan.
• A mempunyai n vektor eigen yang bebas secara linier.
Prosedur Diagonalisasi Matriks
Suatu matriks Anxn dengan n vektor eigen yang bebas linier dapat didiagonalkan dengan langkah sbb: .
• Step 1. Cari n vektor eigen yang bebas secara linier dari A, yaitu p1, p2, …, pn.
• Step 2. Bentuk matriks P yang mempunyai p1, p2, …, pn sebagai vektor-vektor kolomnya.
• Step 3. Matriks P-1AP akan menjadi matriks diagonal
dengan 1, 2, …, n sebagai anggota diagonalnya dimana i adalah nilai eigen yang berpadanan dengan pi, untuk i = 1, 2, …, n.
Contoh Diagonalisasi Matriks
Cari matriks P yang mendiagonalkan :
0 0 2
1 2 1
1 0 3
A
1 2 3
0 2 0
1 2 1 0 (3)
1 0 3 0
x x x
(I – A)x = 0
3 – 52 + 8 – 4 = 0
( – 1)( – 2)2 = 0 = 1 and = 2
• Mencari nilai eigen det (I – A) = 0
• Mencari vektor eigen
Contoh Diagonalisasi Matriks
1 2 3
2 0 2 0
1 0 1 0
1 0 1 0
x x x
• Menentukan ruang solusi dan basis untuk = 2
x1= -s, x2 = t, x3 = s
Vektor eigen dari A yang bersepadanan dengan = 2 adalah vektor tak nol berbentuk:
0 1 0
0 0 1
0 1 0
s s
t t s t
s s
x
Cek : apakah bebas linier.
Jika iya, maka vektor-vektor tersebut membentuk suatu basis untuk ruang eigen yang berpadanan dengan = 2
Contoh Diagonalisasi Matriks
• Dengan cara yang sama, ditentukan ruang solusi dan basis untuk
= 1
Vektor eigen dari A yang bersepadanan dengan = 2 adalah vektor tak nol berbentuk:
basis untuk ruang eigen yang berpadanan dengan
= 2
Contoh Diagonalisasi Matriks
0 1 0 ,
1 0 1
2
1 p
p
1 1 2 p3
Sehingga didapat basis untuk ruang eigen adalah sebagai berikut:
= 2:
= 1:
1 0 1
1 1 0
2 0
1 P
Cek apakah matriks A dapat didiagonalkan dan mendiagonalkan A:
D AP
P
1 0 0
0 2 0
0 0 2
1 0 1
1 1 0
2 0
1
3 0 1
1 2 1
2 0
0
1 0
1
1 1 1
2 0 1
1
Contoh Diagonalisasi Matriks
Cari matriks P yang mendiagonalkan
2 5 3
0 2 1
0 0 1
A
Polinominal karakteristik dari A dicari dengan :
det (I – A) = 0 2
1 0 0
det( ) 1 2 0 ( 1)( 2)
3 5 2
I A
Persamaan karakteristik:
Nilai eigen dan basis ruang eigen adalah:
Karena A matriks 3X3 dan P hanya terdiri dari 2 vektor basis, maka A tidak dapat didiagonalkan.
Teorema Diagonalisasi Matriks
Jika v1, v2, …, vk, adalah vektor-vektor eigen dari A yang berpadanan dengan nilai eigen yang berbeda-beda 1, 2, …,
k, maka {v1, v2, …, vk} adalah suatu himpunan yang bebas secara linier.
Jika suatu matriks Ann mempunyai nilai-nilai eigen yang berbeda-beda, maka A dapat didiagonalkan.
Diagonalisasi Matriks
Contoh :
0 1 0
0 0 1
4 17 8 A
Cari matriks P yang mendiagonalkan
• Polinomial karakteristik A didapat melalui:
3 – 82 + 17 – 4 =0 (-4)(2-4 +1) = 0
3 2
1 0
det( ) det 0 1 8 17 4
4 17 8
I A
Matriks A3x3 mempunyai nilai- nilai eigen yang berbeda-beda, maka A dapat didiagonalkan.
1
4 0 0
0 2 3 0
0 0 2 3
P AP
Diagonalisasi Matriks Segitiga
Ingat: Jika A adalah matriks segitiga nn triangular matrix ( segitiga atas, segitiga bawah atau diagonal) maka nilai eigen dari A adalah anggota diagonal A.
Matriks A berikut adalah sebuah matriks yang bisa didiagonalkan.
1 2 4 0 0 3 1 7 0 0 5 8 0 0 0 2 A
DIAGONALISASI
ORTOGONAL
Masalah Diagonalisasi Ortogonal (Bentuk Matriks)
Diketahui suatu matriks A, nxn, dan suatu matriks ortogonal P sedemikian sehingga :
P
-1AP = P
TAP=D
maka A disebut dapat didiagonalkan secara ortogonal
dan P disebut mendiagonalkan A secara ortogonal.
Masalah Diagonalisasi Ortogonal (Bentuk Matriks)
Setiap matriks simetris dapat didiagonalkan secara ortogonal
.
Jika A adalah matriks nn maka pernyataan berikut ekuivalen:
• A dapat didiagonalkan secara ortogonal.
• A mempunyai suatu himpunan n vektor eigen yang ortonormal.
• A simetris.
AT = (PDPT)T=PDTPT = PDPT = A Jika A adalah suatu matriks simetris, maka:
– Nilai eigen dari A semuanya bilangan real.
– Vektor-vektor eigen dari ruang eigen yang berbeda ortogonal.
Diagonalisasi Matriks Simetris
Prosedur mendiagonalkan secara ortogonal suatu matriks simetris:
• Step 1. Cari basis untuk setiap ruang eigen dari A.
• Step 2. Terapkan proses Gramm Schmidt pada setiap
basis-basis ini untuk mendapatkan suatu basis ortonormal untuk setiap ruang eigen.
• Step 3. Bentuk matriks P yang kolom-kolomnya adalah vektor-vektor basis yang disusun pada step-2, matriks ini mendiagonalkan A secara ortogonal
Masalah Diagonalisasi Ortogonal (Bentuk Matriks)
• Cari suatu matriks ortogonal P yang mendiagonalkan
• Solusi:
– Persamaan karakteristik A adalah:
– Basis ruang eigien yang bersepadanan dengan = 2 adalah
– :
4 2 2 2 4 2 2 2 4 A
2
4 2 2
det( ) det 2 4 2 ( 2) ( 8) 0
2 2 4
I A
1 2
1 1
1 and 0
0 1
u u
Masalah Diagonalisasi Ortogonal (Bentuk Matriks)
Terapkan proses Gram Schmidt pada {u1, u2untuk menghasilkan vektor eigen yang ortonormal berikut:
1 2
1/ 2 1/ 6
1/ 2 and 1/ 6
0 2 / 6
v v
Ruang eigen yang bersepadanan dengan = 8 adalah 3
1 1 1
u
Terapkan proses Gram Schmidt pada {u3} didapat: 3
1/ 3 1/ 3 1/ 3
v
sehingga
3 / 1 6 / 2 0
3 / 1 6 / 1 2
/ 1
3 / 1 6 / 1 2
/ 1
3 2
1 v v
v P
P mendiagonalkan A secara ortogonal. Cek bahwa PTAP=D