Bab 6 Nilai Eigen, Vektor Eigen

6.1 Nilai Eigen dan Vektor Eigen Sub bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai hubungan tertentu dengan suatu matriks A. Hubungan tersebut dinyatakan dalam bentuk Ax = x. Bagaimana kita memperoleh x dan dimaksud akan dibahas lebih lanjut dalam bagian ini. Definisi : Jika A adalah matrik n x n, maka vektor tak nol x di dalam Rn dinamakan vector eigen dari A jika Ax adalah kelipatan skalar dari x, yaitu :

Ax = x

untuk suatu skalar . Skalar disebut nilai eigen dari A dan x dikatakan vektor eigen yang bersesuaian dengan . Contoh : Vektor x = [ ] adalah vektor eigen dari A = [ = 3, karena Ax = [ ] [ ] = [ ] = 3x. ] yang bersesuaian dengan nilai eigen

Untuk mencari nilai eigen matriks A yang berukuran n x n maka kita menuliskan kembali Ax = x sebagai : Ax = Ix

yang dapat ditulis atau berekivalen (I A)x = 0

Bentuk terakhir ini dapat dipandang sebagai system persamaan linear yang homogen. Karena x adalah vektor eigen, maka x bernilai tidak nol. Ini berarti sistem persamaan linear homogen di atas harus mempunyai penyelesaian tidak nol. Hal ini dapat diperoleh jika dan hanya jika det(I A) = 0

Persamaan ini dinamakan persamaan karakteristik dari A. Jika ruas kiri diekspansikan, maka det(I A) adalah sebuah polinomial di dalam yang kita namakan polinomial karakteristik dari A. Teorema berikut mengikhtisarkan hasil-hasil yang telah kita peroleh sampai sejauh ini.

Teorema 1 : Jika A adalah sebuah matriks n x n, maka pernyataan-pernyataan yang berikut ekivalen satu sama lain. (a) adalah nilai eigen dari A (b) Sistem persamaan (I A)x = 0 mempunyai penyelesaian yang tak trivial (c) Ada sebuah vektor tak nol x di dalam Rn sehingga Ax = x (d) adalah penyelesaian real dari persamaan karakteristik det (I A) = 0

Contoh : Jika matriks A=[ ]

tentukan polynomial karakteristik, persamaan karakteristik, nilai karakteristik, dan vector karakteristik dari A.

Jawab : Karena I A = [ ][ ]=[ ]

maka polinomial karakteristik dari A adalah det(I A) = det [

]=

dan persamaan karakteristik dari A adalah

. Pemecahan-pemecahan persamaan

ini adalah = 1 dan = 2. Inilah nilai-nilai eigen dari A.

Menurut definisi, x=[ ]

adalah vektor eigen yang bersesuaian dengan jika dan hanya jika x adalah penyelesaian tak nol dari (I A)x = 0, yakni [

][

]=[ ]

Untuk = 1, persamaan menjadi [ ][ ]=[ ]

Ini berarti -2x1 + x2 = 0, yang menghasilkan x2 = 2x1. Jika x1 = t, maka x2 = 2t. Jadi vektor eigen yang bersesuaian dengan = 1 adalah x=[ ]=t[ ] Untuk = 2, persamaan menjadi [ ][ ]=[ ]

Ini berarti x1 + 2x2 = 0, yang menghasilkan x1 = -2x2. Jika x2 = t, maka x1 = -2t. Jadi vektor eigen yang bersesuaian dengan = 2 adalah x=[ ]=t[ ]

6.2 Diagonalisasi Sub bab ini membahas tentang faktorisasi matriks A berorde n x n ke dalam hasil kali berbentuk PDP1, di mana D adalah matriks diagonal. Jika diperoleh hubungan P1AP = D maka dikatakan bahwa matriks A dapat didiagonalisasi. Bagaimana memperoleh matriks P dan D yang dimaksud akan dibahas lebih lanjut dalam bagian ini. Definisi : Suatu matriks persegi (matriks bujursangkar) A dinamakan dapat didiagonalkan (dapat didiagonalisasi) jika ada suatu matriks P yang invertibel sedemikian rupa sehingga P-1 A P adalah suatu matriks diagonal, matriks P dikatakan mendiagonalkan A (mendiagonalisasi) matriks A.

Dari penjelasan dan definisi di atas, jelaskah bahwa masalah diagonalisasi dari suatu vektor A yang berukuran n n adalah ekuivalen dengan pertanyaan: Apakah ada matriks P yang invertibel sehingga P-1 A P adalah matriks diagonal D?. Prosedur berikut menunjukkan bahwa masalah vektor-vektor eigen. diaginalisasi adalah setara. Dengan kata lain prosedur berikut adalah tahapan untuk mendiagonalkan matriks yang berukuran n x n.

Tahap 1. Carilah n vektor eigen yang bebas linear dari matriks A yang berukuran n x n. Misalnya p1, p2, ... , pn. Tahap 2. Bentuklah matriks P yang mempunyai p1, p2, ... , pn sebagai vektorvektor kolomnya. Tahap 3. Matriks D = P-1AP adalah matriks diagonal dengan 1, 2, ... , n sebagai unsur-unsur diagonal yang berurutannya dan i adalah nilai-nilai eigen yang bersesuaian dengan pi untuk I = 1, 2, 3, , n.

Contoh : Carilah sebuah matriks P yang mendiagonalkan matriks A=[ Penyelesaian : Matriks A ini mempunyai nilai-nilai eigen, = 1 dan = 5 . Untuk = 1 diperoleh vektor-vektor karakteristik p1 = [ ] dan p2 = [ ] ]

Untuk = 5 diperoleh vektor karakteristik p3 = [ ]

Mudah untuk memeriksa bahwa {p1, p2, p3} bebas linear, sehingga dapat dibentuk matriks P=[ ] yang mendiagonalkan matriks A.

Hal ini dapat ditunjukkan dengan membuktikan bahwa P1AP = D, yaitu : P1AP = [ ][ ][ ]=[ ]

Terlihat bahwa entri-entri pada diagonal pokok adalah nilai-nilai eigen dari matriks A. Jadi dapat dikatakan bahwa matriks P mendiagonalkan matriks A. 6.3 Diagonalisasi Ortogonal Sekarang kita akan mendiskusikan bagaimana mencari suatu basis ortonormal dengan hasil kali dalam Euclid yang terdiri dari vektor-vektor eigen dari suatu matriks A yang berukuran n x n. Untuk lebih jelasnya kita perhatikan dua masalah berikut yang ekuivalen. 1. Masalah vektor eigen ortonormal Jika diketahui suatu matriks A yang berukuran n n, apakah ada suatu basis ortonormal untuk Rn dengan hasil kali dalam (Euclid) yang terdiri dari vektorvektor eigen dari matriks A? 2. Masalah diagonalisasi ortogonal Jika diketahui suatu matriks A yang berukuran n x n, apakah ada suatu matriks diagonal P sedemikian sehingga matriks D = P-1 A P = Pt A P adalah matriks diagonal? Sebagai akibat dari permasalahan ini mendorong kita untuk membuat definisi berikut : Definisi : Matriks A yang berukuran n n dinamakan dapat didiagonalisasi secara ortogonal jika terdapat matriks P yang ortogonal, dan matriks P dikatakan mendiagonalisasi A secara ortogonal.

Dari definisi dan dua permasalahan di atas ada dua pelajaran yang perlu mendapat perhatian kita, yaitu : 1. Matriks manakah yang dapat didiagonalisasi secara ortogonal? 2. Bagaimana kita mencari suatu matriks ortogonal untuk melakukan diagonalisasi? Teorema berikut juga menunjukkan bahwa setiap matriks simetris, pada kenyataannya dapat didiagonalisasi secara ortogonal. Perlu pula diketahui bahwa pada teorema ini dan teorema berikutnya dari bahasan ini, pengertian ortogonal akan berarti ortogonal berkenaan dengan hasil kali dalam Euclid. Teorema 2 : Jika A adalah suatu matriks n n, maka pernyataan berikut adalah ekuivalen. (a) A dapat didiagonalisasi secara ortogonal. (b) A merupakan suatu himpunan n vector eigen yang ortonormal (c) A adalah matriks simetrik.

Bukti: (a) (b). Karena A dapat didiagonalisasi, maka terdapat matriks yang ortogonal, sedemikian hingga P-1 A P adalah matriks diagonal. Seperti telah diperlihatkan pada bahasan yang lalu bahwa n vektor kolom dari P adalah vektor-vekor eigen dari A. (b) (a). Misalkan A mempunyai himpunan n vektor eigen yang ortonormal {p1, p2, ..., pn}. Seperti telah diperlihatkan bahwa untuk P dengan vektorvektor eigen ini sebagai kolomkolomnya akan mendiagonalisasi A.

Karena vektor-vektor eigen ini ortonormal, maka P ortogonal sehingga akan mendiagonalisasi A secara ortogonal. (a) (c). Pada pembuktian (a) (b)kita telah memperlihatkan bahwa suatu matriks A berukuran n n dapat didiagonalisasi oleh matriks P yang berukuran n n secara orthogonal yang kolom-kolomnya membentuk himpunan ortonormal dari vector-vektor eigen matriks A. Selanjutnya, misalkan O matriks diagonal, maka D = P-1 A P Jadi, A = P D P-1 atau karena P orthogonal, maka A = P D Pt Dengan demikian,

At = (P D Pt)t = P Dt Pt = P D Pt = A
yang menunjukkan bahwa matriks A adalah matriks simetris. (c) (a). Bukti bagian ini di luar ruang lingkup bahasan pembelajaran modul ini, dan pembuktiannya akan diabaikan.

Sekarang kita beralih ke masalah mencari prosedur untuk mendapatkan matriks P yang ortogonal untuk mendiagonalisasi matriks simetris. Namun sebelumnya kita perlu suatu teorema kritis yang berikut sebagai kunci yang berkaitan dengan nilai eigen dan vektor eigen dari matriks-matriks simetris.

Teorema 3. Jika A adalah suatu matriks simetris, maka vektor-vektor eigen dari ruang eigen yang berbeda akan ortogonal.

Sebagai konsekuensi dari teorema ini maka kita dapatkan prosedur berikut untuk mendiagonalisasi matriks simetrik secara ortogonal.

Langkah 1 : Carilah basis untuk masing-masing ruang eigen dari A. Langkah 2 : Terapkanlah proses Gram-Schmidt ke masing-masing basis ini untuk mendapatkan basis ortonormal untuk setiap ruang eigen.

Langkah 3 : Bentuklah matriks P yang kolom-kolomnya adalah vektor-vektor basis yang dibangun dalam langkah 2; matriks ini akan mendiagonalisasi A secara ortogonal.

Pembetulan prosedur ini sudah seharusnya jelas. Teorema 6 menjamin bahwa vektor-vektor eigen dari ruang-ruang eigen yang berbeda akan ortogonal, sedangkan penerapan proses GramSchmidt menjamin bahwa vektor-vektor eigen yang didapatkan dalam ruang eigen yang sama akan ortonormal. Jadi, keseluruhan himpunan vektor eigen yang didapatkan dengan prosedur ini akan otonormal. Contoh : Diketahui matriks A = [ ].

a) Carilah matriks P yang mendiagonalisasi A secara ortogonal. b) Tentukanlah matriks P-1 A P.

Penyelesaian: a) Persamaan karakteristik matriks A adalah det (A I) = 0 det [

2 625 = 0 = 25. Jadi, nilai-nilai eigen dari matriks A adalah 1 = 25 dan 2 = - 25. Misal x = [ ]

Adalah vektor eigen A yang bersesuaian dengan jika dan hanya jika x adalah penyelesaian non trivial dari sistem persamaan linear: (A - I) = 0 [

][

] = [ ] ....................................... (1)

Untuk 1 = 25, maka persamaan (1) menjadi [ { 4x1 3x2 = 0 ][ ]=[ ]

 x1 =

x2 = t

Jadi vektor eigen A yang bersesuaian dengan = 25 adalah x1 =

[ ]

membentuk basis untuk ruang tiga. Dengan menerapkan proses Gram-Schmidt akan menghasilkan vektor eigen ortonormal, yaitu v1 = = [ ], sebab | |=

Untuk 1 = -25, akan didapatkan vektor eigen yang merupakan basis untuk ruang eigen, yaitu x2 =

] (silakan dicoba dicari).

(Silakan dicoba dicari dengan cara yang sama seperti untuk 1), sehingga dengan proses Gram-Schmidt dapat diubah menjadi vektor eigen yang ortonormal, yaitu: =[

v2 =

], sebab |

|=

Akhirnya dengan menggunakan v1 dan v2 sebagai vektor-vektor kolom, maka kita dapat matriks yang mendiagonalisasi A secara ortogonal, yaitu:

P=[

b) Menentukan matriks P-1 A P = 1 . [

][

][

=[

][

=[