nilai eigen dan vektor eigen - gunadarmasabri.staff.gunadarma.ac.id/downloads/files/65320/... ·...
TRANSCRIPT
Definisi. Jika A adalah matriks 𝑛 × 𝑛, maka vektor tak nol dalam 𝑅𝑛
disebut vektor eigen dari A jika berlaku 𝐴𝐱 = 𝜆𝐱 untuk suatu skalar 𝜆.
Dalam hal ini 𝜆 disebut nilai eigen dari A, dan 𝐱 disebut vektor eigen yang bersesuaian dengan 𝜆.
Contoh:
𝐴 =3 08 −1
, 𝐱 =12
𝐴𝐱 =3 08 −1
12
=36
= 312
= 3𝐱
nilai eigen
vektor eigen yang bersesuaian untuk 𝜆 = 3
Menentukan nilai eigen
Diberikan matriks 𝐴 berukuran 𝑛 × 𝑛. Jika berlaku 𝐴𝐱 = 𝜆𝐱, maka𝐴𝐱 = 𝜆𝐼𝐱 sehingga 𝜆𝐼 − 𝐴 𝐱 = 𝟎.
Agar 𝜆 menjadi nilai eigen, maka persamaan di atas harus memilikisolusi non-trivial, yaitu jika det 𝜆𝐼 − 𝐴 = 0.
Persamaan det 𝜆𝐼 − 𝐴 = 0 disebut juga sebagai persamaankarakteristik.
Tentukan nilai eigen dari matriks 𝐴 =3 2−1 0
Jawab:
𝜆𝐼 − 𝐴 =𝜆 00 𝜆
−3 2−1 0
=𝜆 − 3 −21 𝜆
det 𝜆𝐼 − 𝐴 = 0𝜆 − 3 −21 𝜆
= 0
𝜆 − 3 𝜆 − −2 1 = 0𝜆2 − 3𝜆 + 2 = 0𝜆 − 1 𝜆 − 2 = 0𝜆1 = 1, 𝜆2 = 2
Tentukan nilai eigen dari matriks 𝐴 =4 0 1−2 1 0−2 0 1
Jawab:
det 𝜆𝐼 − 𝐴 = 0𝜆 − 4 0 −12 𝜆 − 1 02 0 𝜆 − 1
= 0
𝜆 − 4 𝜆 − 1 2 + 0 + 0 − −1 𝜆 − 1 2 − 0 − 0 = 0
𝜆3 − 6𝜆2 + 11𝜆 − 6 = 0
𝜆 − 1 𝜆 − 2 𝜆 − 3 = 0
𝜆1 = 1, 𝜆2 = 2, 𝜆3 = 3
Tentukan nilai eigen dari 𝐴 =3 −2 0−2 3 00 0 5
Jawab:
det 𝜆𝐼 − 𝐴 = 0𝜆 − 3 2 02 𝜆 − 3 00 0 𝜆 − 5
= 0
𝜆 − 3 2 𝜆 − 5 + 0 + 0 − 0 − 0 − 2 2 𝜆 − 5 = 0
𝜆3 − 11𝜆2 + 35𝜆 − 25 = 0
𝜆 − 1 𝜆 − 5 2 = 0
𝜆1 = 1, 𝜆2 = 5
Teorema. Jika 𝐴 adalah matriks 𝑛 × 𝑛, maka pernyataan-pernyataanberikut ekivalen satu sama lain:
a) 𝜆 adalah nilai eigen dari 𝐴
b) Sistem persamaan 𝜆𝐼 − 𝐴 𝐱 = 𝟎 mempunyai solusi non-trivial
c) Terdapat vektor taknol 𝐱 dalam 𝑅𝑛 sehingga 𝐴𝐱 = 𝜆𝐱
d) 𝜆 adalah solusi riil dari persamaan karakteristik det 𝜆𝐼 − 𝐴 = 0
Menentukan vektor eigen
• Vektor eigen yang bersesuaian dengan 𝜆 adalah vektor taknol dalamruang solusi dari 𝜆𝐼 − 𝐴 𝐱 = 𝟎
• Ruang solusi ini dinamakan ruang eigen dari 𝐴 yang bersesuaiandengan 𝜆.
Tentukan basis-basis untuk ruang eigen dari 𝐴 =3 −2 0−2 3 00 0 5
Jawab:
Dari contoh sebelumnya, nilai-nilai eigen untuk 𝐴 adalah 𝜆 = 1 dan 𝜆 =5. Setiap nilai eigen membentuk ruang eigen tersendiri.
Ruang eigen untuk 𝜆 = 1:
𝜆𝐼 − 𝐴 =𝜆 − 3 2 02 𝜆 − 3 00 0 𝜆 − 5
=−2 2 02 −2 00 0 −4
…(lanjut)
Vektor eigen yang bersesuaian dengan 𝜆 = 1 diperoleh dari solusi 𝜆𝐼 − 𝐴 𝐱 = 𝟎sebagai berikut:
𝜆𝐼 − 𝐴 𝐱 = 𝟎
−2 2 02 −2 00 0 −4
𝑥1𝑥2𝑥3
=000
dengan operasi baris elementer (sudah dibahas) diperoleh:
𝑥1 = 𝑡, 𝑥2 = 𝑡, 𝑥3 = 0
atau secara vektor: 𝐱 =𝑡𝑡0
= 𝑡110
Maka, basis ruang eigen untuk 𝜆 = 1 adalah110
Berikutnya, ruang eigen untuk 𝜆 = 5:
𝜆𝐼 − 𝐴 =𝜆 − 3 2 02 𝜆 − 3 00 0 𝜆 − 5
=2 2 02 2 00 0 0
𝜆𝐼 − 𝐴 𝐱 = 𝟎
2 2 02 2 00 0 0
𝑥1𝑥2𝑥3
=000
diperoleh 𝑥1 = −𝑠, 𝑥2 = 𝑠, 𝑥3 = 𝑡
diperoleh vektor 𝐱 =−𝑠𝑠𝑡
= 𝑠−110
+ 𝑡001
Maka, basis ruang eigen untuk 𝜆 =5 adalah −110
dan 001
Resume:
Untuk 𝜆 = 1, basis ruang eigen adalah110
Untuk 𝜆 = 5, basis ruang eigen adalah−110
dan 001
Vektor-vektor eigennya adalah kombinasi linier dari basis-basis masing-masing ruang eigen.
Permasalahan diagonalisasi
Diberikan sebuah matriks persegi 𝐴, apakah terdapat matriks 𝑃 yang invertibel sehingga 𝑃−1𝐴𝑃 diagonal?
Definisi. Matriks persegi 𝐴 dikatakan dapat didiagonalisasi jika terdapatmatriks 𝑃 yang invertibel sehingga 𝑃−1𝐴𝑃 diagonal. Dalam hal inimatriks 𝑃 dikatakan mendiagonalisasi 𝐴.
Teorema. Jika 𝐴 adalah matriks 𝑛 × 𝑛, maka pernyataan-pernyataanberikut ekivalen satu sama lain:
a) 𝐴 dapat didiagonalisasi
b) 𝐴 mempunyai 𝑛 vektor eigen bebas linier.
Prosedur diagonalisasi
1. Temukan 𝑛 vektor eigen bebas linier 𝐩1, 𝐩2, … , 𝐩𝑛2. Bentuklah matriks 𝑃 di mana 𝐩1, 𝐩2, … , 𝐩𝑛 sebagai kolom-kolomnya
3. Matriks 𝑃−1𝐴𝑃 adalah matriks diagonal dengan entri-entridiagonalnya 𝜆1, 𝜆2, … , 𝜆𝑛, di mana 𝜆𝑖 adalah nilai eigen yang bersesuaian dengan 𝐩𝑖.
Contoh:
Temukanlah matriks 𝑃 yang mendiagonalkan 𝐴 =3 −2 0−2 3 00 0 5
.
Jawab:
• Dari penyelesaian sebelumnya, nilai eigen untuk 𝐴 adalah 𝜆 = 1, dengan vektor
eigen 𝐩1 =110
, dan 𝜆 = 5 dengan vektor eigen 𝐩2 =−110
dan 𝐩3 =001
.
• 𝐴 matriks berukuran 3 × 3, yang memiliki 3 vektor eigen bebas linier, sehinggaberdasarkan teorema sebelumnya, 𝐴 dapat didiagonalisasi.
• Matriks 𝑃 yang dimaksud adalah: 𝑃 = 𝐩1 𝐩2 𝐩3 =1 −1 01 1 00 0 1
Hasil tersebut dapat dikonfirmasi dari hasil 𝑃−1𝐴𝑃, di mana:
𝑃 =1 −1 01 1 00 0 1
, 𝑃−1 =0,5 0,5 0−0,5 0,5 00 0 0,5
, 𝐴 =3 −2 0−2 3 00 0 5
Diperoleh:
𝑃−1𝐴𝑃 =0,5 0,5 0−0,5 0,5 00 0 0,5
3 −2 0−2 3 00 0 5
1 −1 01 1 00 0 1
=1 0 00 5 00 0 5
yang merupakan matriks diagonal
Matriks Ortogonal
Definisi. Matriks persegi 𝐴 dikatakan matriks ortogonal jika 𝐴−1 = 𝐴𝑇
Contoh:
1. 𝐴 =
1
2
1
21
2−
1
2
, 𝐴−1 =
1
2
1
21
2−
1
2
= 𝐴𝑇
2. 𝐵 =
2/3 −2/3 1/31/3 2/3 2/32/3 1/3 −2/3
, 𝐵−1 =
2/3 1/3 2/3−2/3 2/3 1/31/3 2/3 −2/3
= 𝐵𝑇
Diagonalisasi ortogonal
Definisi. Matriks persegi 𝐴 dikatakan terdiagonalisasi secara ortogonaljika terdapat matriks ortogonal 𝑃 sehingga 𝑃−1𝐴𝑃 (= 𝑃𝑇𝐴𝑃) diagonal; dalam hal ini 𝑃 dikatakan mendiagonalisasi 𝐴 secara ortogonal.
Teorema. Jika 𝐴 adalah matriks 𝑛 × 𝑛, maka pernyataan berikutekivalen satu sama lain:
a) 𝐴 dapat didiagonalisasi secara ortogonal
b) 𝐴 mempunyai himpunan ortonormal dari 𝑛 vektor eigen
c) 𝐴 adalah simetris
Ket: vektor-vektor yang ortonormal adalah vektor-vektor yang salingortogonal dengan norm = 1.
Teorema. Jika 𝐴 adalah matriks simetris, maka vektor-vektor eigen dariruang eigen yang berbeda adalah saling ortogonal.
Proses Gram-Schmidt
Digunakan untuk membentuk vektor-vektor basis yang ortonormal.
Misalkan 𝐮1, 𝐮2, … , 𝐮𝑛 adalah basis yang tidak ortonormal dari ruangvektor berdimensi 𝑛. Basis ortonormal 𝐯𝟏, 𝐯2, … , 𝐯𝑛 dapat dibentukdengan langkah berikut:
Langkah 1: 𝐯1 = 𝐮1/ 𝐮1
Langkah 2: 𝐯2 =𝐮2− 𝐮𝟐 ⋅𝐯𝟏 𝐯1
𝐮2− 𝐮𝟐 ⋅𝐯𝟏 𝐯𝟏
Langkah 3: 𝐯3 =𝐮3− 𝐮𝟑⋅𝐯𝟏 𝐯𝟏− 𝐮3⋅𝐯𝟐 𝐯𝟐
𝐮3− 𝐮𝟑⋅𝐯𝟏 𝐯𝟏− 𝐮𝟑⋅𝐯𝟐 𝐯𝟐
Langkah 𝑛: 𝐯𝑛 =𝐮𝑛− 𝐮𝐧⋅𝐯𝟏 𝐯𝟏− 𝐮𝑛⋅𝐯𝟐 𝐯𝟐−⋯− 𝐮𝒏⋅𝐯𝒏−𝟏 𝐯𝒏−𝟏
𝐮𝑛− 𝐮𝒏⋅𝐯𝟏 𝐯𝟏− 𝐮𝒏⋅𝐯𝟐 𝐯𝟐…− 𝐮𝒏⋅𝐯𝒏−𝟏 𝐯𝒏−𝟏
Contoh: Temukanlah matriks ortogonal 𝑃 yang mendiagonalisasi 𝐴 =4 2 22 4 22 2 4
, dan tentukan hasil 𝑃−1𝐴𝑃
Jawab: Dari persamaan simetriknya diperoleh nilai-nilai eigen: (buktikan)
• 𝜆 = 2 dengan vektor eigen 𝐮1 =−110
, 𝐮2 =−101
• 𝜆 = 8 dengan vektor eigen 𝐮3 =111
Dengan Gram-Schmidt, diperoleh basis-basis ortogonal 𝐯1 =−1/ 2
1/ 20
, 𝐯2 =
−1/ 6
1/ 6
2/ 6
, 𝐯3 =
1/ 3
1/ 3
1/ 3
Diperoleh matriks 𝑃 =
−1/ 2 −1/ 6 1/ 3
1/ 2 1/ 6 1/ 3
0 2/ 6 1/ 3
𝑃−1𝐴𝑃 = 𝑃𝑇𝐴𝑃 =2 0 00 2 00 0 8