5/20/2018 Nilai Dan Vektor Eigen-ES
1/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Nilai dan Vektor Eigen
5/20/2018 Nilai Dan Vektor Eigen-ES
2/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Mengingat kembali: perkalian matriks
Diberikan matriksA2x2dan vektor-vektor u, v, dan w
Hitunglah Au,Aw,Av. Manakah dari hasil kali tersebut yang hasilnya adalah vektoryang sejajar dengan vektor semula
2 0 1 0 5
4 1 4 4 4A v w u
2 0 1 2 12 2
4 1 4 8 4Av v
2 0 5 104 1 4 24
untuksemua
Au k u
k R
2 0 0 01.
4 1 4 4Aw w
vdanAv sejajarJawab:
wdanAw sejajar
udanAu TIDAK sejajar
5/20/2018 Nilai Dan Vektor Eigen-ES
3/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Mengingat kembali: SPL homogen dan
determinan1. Aadalah matriks nxndan SPL Ax= 0 mempunyai penyelesaian trivial saja.
Apa kesimpulanm tentang A?
2. Aadalah matriks nxn dan SPL Ax= 0 mempunyai penyelesaian TIDAK
trivial. Apa kesimpulanmu tentang A dan det(A)?
Jawaban:
Amempunyai inverse. Det(A) 0
Jawaban:
Atidak mempunyai inverse.
Det(A) = 0
5/20/2018 Nilai Dan Vektor Eigen-ES
4/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Ax
Perkalian vektor dengan matriks
A x = x
x
Ax
x
xdanAxsejajar
5/20/2018 Nilai Dan Vektor Eigen-ES
5/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Perkalian vektor dengan matriks
y
x
1
4
y
x
y
x
28
0
4
1
4
= 22 0
4 1
1
4
2 0
4 1
0
4
= 10
4
2 0
4 1
5
4
=
10
24
5
4
k
5
4
10
24
Au= 2u Av= v Aw kw
5/20/2018 Nilai Dan Vektor Eigen-ES
6/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Definisi: Nilai dan Vektor Eigen
Definisi:
Diberikan matriksAnxn, vektor tak nol v diRndisebut vektor eigen
dariAjika terdapat skalar sedemikian hingga
Av= v.
disebut nilai eigen, xadalah vektor eigen dariA yang
bersesuaian dengan .
Syarat perlu: v 0
(1) 1 (2) 0 1 (3) -1 0 (4) - 1
5/20/2018 Nilai Dan Vektor Eigen-ES
7/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Masalah Vektor Eigen
Diberikan matriks persegiA,
Temukan semua vektor tidak nol xsedemikian hinggaAx
adalah kelipatan skalar x(Axsejajar dengan x).
atau
Temukan semua vektor tak nol x sedemikian hinggaAx = x
untuk suatu skalar
A x sejajar x
A x = x
5/20/2018 Nilai Dan Vektor Eigen-ES
8/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Masalah Nilai Eigen
Diberikan matriks persegiA.
A =
Temukan semua skalar sedemikian hinggaAx = x untuk suatu
vektor tak nolx.
atau
Temukan semua vektorskalar sedemikian hingga persamaan
Ax = xmempunyai penyelesaian tak nol
x x
xvektor tak nol
Ax = x
5/20/2018 Nilai Dan Vektor Eigen-ES
9/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Pernyataan-pernyataan ekuivalen
JikaAmatriks persegi nxn, maka kalimat-kalimat berikut ekuivalen
1. nilai eigenA
2. terdapat vektor tak nol x sedemikian hinggaAx= x
3. SPL (A I)x= 0 mempuyai solusi tidak nol (non-trivial)
4. adalah penyelesaian persamaan det(A I) = 0
Mencari nilai eigenAsama saja mencari penyelesaian
persamaan det(I-A) = 0
5/20/2018 Nilai Dan Vektor Eigen-ES
10/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Persamaan Karakteristik
Jika diuraikan, det((A - I) merupakan suku banyak berderajat ndalam ,
p() = n+ cn-1n-1+cn-2n-2+ +c1+ c0 suku banyak karakteristik
Persamaan det((A - I) = n+ cn-1n-1+cn-2
n-2+ +c1+ c0= 0 disebut
persamaan karakteristik
Persamaan dengan derajat nmempunyai paling banyak npenyelesaian, jadi
matriks nxnpaling banyak mempunyai nnilai eigen.
A-Idet + cn-1n-1+cn-2n-2+ +c1+ c0
IA -
= = 0
persamaan
karakteristik
A-I=
5/20/2018 Nilai Dan Vektor Eigen-ES
11/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Contoh
Mencari semua nilai eigenA=2 0
4 1
Mencari semua penyelesaian persamaan
Mencari penyelesaian persamaan karakteristik
Nilai eigenA adalah 1
2
2,
1
det2 - 0
= 04 1 -
( )( ) = 0
2 -
1 - 4
0
2 - 1 -
5/20/2018 Nilai Dan Vektor Eigen-ES
12/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Prosedur: menentukan nilai eigen
Diberikan matriks persegiA.
Nilai-nilai eigenAdapat diperoleh sebagai berikut:
1. Tentukan persamaan karakteristik det((A - I) = 0
tuliskanAdan matriks yang elemen diagonal utamanya dikurangi
2. (Jika diperlukan) uraikan persamaan karakteristik ke dalam persamaan
sukubanyak karakteristik:
n+ cn-1n-1+cn-2
n-2+ +c1+ c0= 0
3. Selesaikan persamaan yang diperoleh pada langkah di atas. Nilai-nilai eigen
merupakan penyelesaian persamaan tersebut.
5/20/2018 Nilai Dan Vektor Eigen-ES
13/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Contoh: Menentukan nilai eigen
Diberikan matriks persegi
1. Tentukan persamaan karakteristik det(A - I) = 0
2. Ubahlah persamaan karakteristik ke dalam persamaan sukubanyak karakteristik:
3. Selesaikan persamaan di atas untuk memperoleh nilai-nilai eigen
1 1 1
0 3 3
2 1 1
A
2
1 1 1
det( ) det 0 3 3
2 1 1
(1 ) (3 ) 6 2(3 ) 3(1 )
A I
2(1 ) (3 ) (3 ) 0
2(1 ) (3 ) 6 2(3 ) 3(1 ) 0
( 2)(3 ) 0
Nilai-nilai eigenA:
1 = 0
2= 2
3= 3
5/20/2018 Nilai Dan Vektor Eigen-ES
14/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Nilai eigen matriks diagonal
Diberikan matriks diagonal
2 0 0 0
0 5 0 0
0 0 6 0
0 0 0 1
A
Nilai-nilai eigen matriks diagonal adalah elemen diagonal
utamanya.
Persamaan karakteristik:
Nilai-nilai eigen 2, 6, 5, 1(merupakan entri diagonal utama)
2 0 0 0
0 5 0 0
0 0 6 00 0 0 1
A I
(2 )(5 )(6 )(1 ) 0
5/20/2018 Nilai Dan Vektor Eigen-ES
15/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Bagaimana menentukan apakah suatu
skalar merupakan nilai eigen? Tentukan apakah 2, 0, 4 merupakan nilai eigenA.
Jawab:
Bentuk det(A-I) untuk = 2, 0, 4. Jika det(A-I) 0, maka merupakan nilai eigen, kalau = 0,maka bukan nilai eigen. Kunci: 2, 4 nilai eigenA, 0 bukan nilai eigenA.
2 adalah nilai eigenA
0 bukan nilai eigenA
4 nilai eigenA
2 2 0
0 4 0
0 1 0
A
2 2 2 0
det( 2 ) det 0 4 2 0 0
0 1 0 2
A I
2 4 2 0
det( 4 ) det 0 4 4 0 0
0 1 0 4
A I
2 0 2 0
det( 0 ) det 0 4 0 0 8 0
0 1 0 0
A I
5/20/2018 Nilai Dan Vektor Eigen-ES
16/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Kelipatan skalar vektor eigen
Diberikan A. Diketahui bahwa x adalah vektor eigenAyang bersesuaian dengan nilai
eigen 2. Selidiki apakah 1/2x, 10x, 5xjuga vektor-vektor eigenA
1 1 1
0 3 3 ,
2 1 1
A
1 1 1 4 80 3 3 6 12 2
2 1 1 2 4
Ax x
1 1 1 40 80(10 ) 0 3 3 60 120 2(10 )
2 1 1 20 40
A x x
1
2
2
3
1
x
4
6
2
x
20
5 30
10
x
40
10 60
20
x
Ax= 2x A(10x) = 2 (10x)
A =x x
A =(10) (10) xx
5/20/2018 Nilai Dan Vektor Eigen-ES
17/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Kelipatan skalar vektor eigen
1 1 1
0 3 3 ,2 1 1
A
1 1 1 4 8
0 3 3 6 12 2
2 1 1 2 4
Ax x
1 12 2
1 1 1 2 4
( ) 0 3 3 3 6 2( )
2 1 1 1 2
A x x
1
2
2
3
1
x
4
6
2
x
Ax= 2x A(1/2 x) = 2 (1/2 x)
A =x x
Kelipatan skalar (tak nol) dari vektor eigen adalahvektor eigen terhadap nilai eigen yang sama
A =(1/2) (1/2) xx
5/20/2018 Nilai Dan Vektor Eigen-ES
18/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Menentukan semua vektor eigen E
Diberikan vektor matriksAdan salah satu nilai eigennya, misalnya . Tentukan semua
vektor eigen yang bersesuaian dengan .
Vektor-vektor eigenAyang bersesuaian dengan = 3 dapat diperoleh dengan
menyelesaikan SPL (A-I)x = 0. Vektor eigen adalah anggota Null(A- I)
Null(A- I)
Null(A- I)-{0}
Himpunan semua penyelesaian
SPL (A-I)x = 0
Himpunan semua vektor eigen
bersesuaian dengan0
5/20/2018 Nilai Dan Vektor Eigen-ES
19/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Ruang Eigen
0
Ruang penyelesaian SPL (A-I)x = 0
Null(A-I)x
Ruang Eigen
E
Ruang eigenAyang bersesuaian dengan terdiri atas semua
vektor eigen yang bersesuaian dengan danvektor nol
Null(A-I) = E
Menentukan Esama dengan menentukan himpunan penyelesaian SPL(A-I)x =0
5/20/2018 Nilai Dan Vektor Eigen-ES
20/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Menentukan ruang eigen E
Diberikan vektor matriksAdan salah satu nilai eigennya, misalnya = 3. Tentukan
semua vektor eigen yang bersesuaian dengan= 3.
1 2 3
3
1 2 3
2 0
3 0
2 2 0
x x x
x
x x x
1
2 ,
0
a a R
1
2
3
1 3 1 1 0
( 3 ) 0 3 3 3 0
2 1 1 3 0
x
A I x x
x
SPL (A- 3I)x = 0
Penyelesaian 1
2
3
2
0
x a
x a
x
Himpunan vektor eigen Abersesuaian dengan =3 :
Himpunan penyelesaian
1
2 , 0,
0
a a a R
1 3 1 1
0 3 3 3
2 1 1 3
A I
1 1 1
0 3 3
2 1 1
A
5/20/2018 Nilai Dan Vektor Eigen-ES
21/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Nilai eigen matriks pangkat
Nilai eigen dariAadalah 0, 2, dan 3.
Tentukan nilai eigen untuk
Diberikan sembarang matriksAdan diketahui bahwa adalah nilai eigennya.
Maka terdapat vektor tak nol x sedemikian hingga
Ax = x kalikan kedua ruas dengan matriksA
A.Ax=AxA2x= (Ax) substitusiAxdengan x
A2x = 2x jadi, 2merupakan nilai eigenA2
Teorema: Jika n adalah bilangan bulat positif, nilai eigen matriksA, maka n
adalah nilai eigenAn
1 1 1
0 3 3
2 1 1
A
2 13 20
1 5 5
6 12 12 , ,
4 2 1
A A A
5/20/2018 Nilai Dan Vektor Eigen-ES
22/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Nilai eigen matriks singular
Misalkan = 0 merupakan nilai eigen dariA.
Maka 0 merupakan penyelesaian persamaan karakteristik:
dengan menganti dengan 0, diperoleh c0 = 0.
Padahal det(A- I) = 0, dengan = 0, maka det(A) = c0 = 0.
Karena det(A) = 0 maka A tidak mempunyai inverse.
Sebaliknya, det(A) = det(A - I) dengan mengambil = 0.Jadi det(A) = c0.JikaAtidak mempunyai inverse, maka det(A) = 0 = c0.
Sehingga = 0 merupakan salah satu penyelesaian persamaan karakteristik;
= 0 merupakan salah satu nilai eigen dariA.
0 adalah nilai eigenAjika dan hanya jikaA
tidak mempunyai inverse.
5/20/2018 Nilai Dan Vektor Eigen-ES
23/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Nilai eigen matriks transpose
Misalkan = 0 merupakan nilai eigen dariA,
maka det(A- I)= 0
Karena matriks dan transposenya mempunyai determinan yang sama,
maka det(A- I)T= 0
Karena (A- I)T= (AT-I) ,
maka det(AT- I)= 0
Jadi, adalah nilai eigen dariAT
AdanATmempunyai nilai eigen yang sama
det(B) = det(BT)
(A- I)T= (AT-I)
AdanA-1mempuyai nilai
eigen yang sama
5/20/2018 Nilai Dan Vektor Eigen-ES
24/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Diagonalisasi
Definisi: Matriks persegiAdapat didiagonalkan jika terdapat matriks yang
mempunyai inverse sedemikian hinggaP-1AP=Dadalah matriks diagonal.
5 6
3 4A
Contoh:
1 1 1
1 2P
2 1
1 1P
2 0
0 1D
P
-1AP=2 1
1 1
1 1
1 2
5 6
3 4
Matriks
diagonal
Adapat didiagonalkan
5/20/2018 Nilai Dan Vektor Eigen-ES
25/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Kapan matriks Adapat didiagonalkan?
Teorema:
Jika Aadalah matriks nxn, maka kalimat-kalimat berikut ini ekuivalen:
1. Adapat didiagonalkan
2. Amempunyai n vektor-vektor eigen yang bebas linier
Bukti (1)(2)
DiberikanA
MisalkanAdapat didiagonalkan, maka terdapat matriks P yang mempunyai inverse
Sedemikian hingga P-1AP = D matriks diagonal
11 12 1
21 22 2
1 2
n
n
n n nn
a a a
a a aA
a a a
11 12 1
21 22 2
1 2
n
n
n n nn
p p p
p p pP
p p p
11 12 1
21 22 2
1 2
AP=PD
n
n
n n nn
p p p
p p p
p p p
1
2
0 0
0 0
0 0 n
D
1 11 2 12 1
1 21 2 22 2
1 1 2 2
n n
n n
n n n nn
p p p
p p p
p p p
5/20/2018 Nilai Dan Vektor Eigen-ES
26/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Kapan matriks Adapat didiagonalkan?
(lanjt)P-1AP=D, kalikan denganP-1,
AP = PD
AP = PD,jadi
Karena P mempunyai inverse, maka kolom-kolmnya bukan kolom nol.Berdasarkan deinisi nilai eigen, maka
1,
2,
3, ,
nmerupakan nilai-nilai
eigenA, dan kolom-kolom P adalah vektor-vektor eigenAyang bebas linier(karena P mempunya inverse)
Bukti untuk (2)(1) kerjakanlah sebagai latihan untuk memperdalampemahaman.
1
2
0 0
0 0
0 0 n
11 12 1
21 22 2
1 2
n
n
n n nn
a a a
a a aAP
a a a
11 12 1
21 22 2
1 2
n
n
n n nn
p p p
p p p
p p p
11 12 1
21 22 2
1 2
n
n
n n nn
p p p
p p pPD
p p p
1 1 2 2 n np p p
1 11 2 12 1
1 21 2 22 2
1 1 2 2
n n
n n
n n n nn
p p p
p p p
p p p
1 2 nAp Ap Ap
1 1 1 2 2 2 n n nA p p A p p A p p
5/20/2018 Nilai Dan Vektor Eigen-ES
27/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Prosedur mendiagonalkan matriks
Diberikan matriksAnxn. Akan dicari P sedemikian hinggaPAP-1=D.
Prosedur
1. Tentukan n vektor eigenAyang bebas linier, misalkan p1, p2, p3, , pn
2. Dibentuk matriksPyang kolom-kolomnya adalah p1, p2, p3, , pn
3. MariksD = P-1APadalah matriks diagonal yang entri diagonal utamanya
adalah 1, 2, 3, ,n dengan j adalah nilai eigen bersesuaian denganpjuntuk
j = 1, 2, 3, , n
5/20/2018 Nilai Dan Vektor Eigen-ES
28/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Contoh: mendiagonalkan matriks
Diberikan matriksAnxn. Akan dicari P sedemikian hinggaPAP-1= D.
Prosedur
1. Tentukan 2 vektor eigenAyang bebas linier. Pertama kita tentukan nilai-nilai eigennya
yaitu 1= 2 dan 2= -1 (telah dihitung sebelumnya). Tentukan vektor eigen bersesuaian
dengan nilai eigen, dengan menyelesaiakn SPL (A - I)x =0. Diperoleh
2. Dibentuk matriksPyang kolom-kolomnya adalah vektor-vektor eigen di atas.
3. MatriksD = P-1APadalah matriks diagonal yang entri diagonal utamanya adalah1, 2
berturut-turut
2 1
1 1
P
1 1 1
1 2
P
5 6
3 4A
12
1p
2
1
1p
2 0
0 1D
M l h Di li i d l h
5/20/2018 Nilai Dan Vektor Eigen-ES
29/29
Kuliah Jarak Jauh Program e-Learning InherentFakultas Ilmu Komputer Universitas Indonesia
Masalah Diagonalisasi dan masalah
vektor eigen Masalah vektor eigen
Diberikan matriksAnxn, apakah terdapat basis di Rnterdiri atas vektor-vektor
eigen?
Masalah diagonalisasi
Diberikan matriksAnxnapakah terdapat matriks yang mempunyai inverse P
sedemikian hingga nP-1AP adalah matriks diagonal?
Teorema:
Anxndapat didiagonalkan jika dan hanya jika terdapat nvektor eigen yang bebas
linier.
Padahal, setiap n vektor yang saling bebas linier di Rnmerupakan basis Rn.
Kesimpulan: masalah vektor eigen sama dengan masalah diagonalisasi