Nilai, Vektor, dan Ruang Eigen - Telkom...
Transcript of Nilai, Vektor, dan Ruang Eigen - Telkom...
Nilai, Vektor, dan Ruang EigenKuliah Aljabar Linier Semester Ganjil 2015-2016
MZI
Fakultas InformatikaTelkom University
FIF Tel-U
November 2015
MZI (FIF Tel-U) Ruang Eigen November 2015 1 / 41
Acknowledgements
Slide ini disusun berdasarkan materi yang terdapat pada sumber-sumber berikut:
1 Aplikasi Matriks dan Ruang Vektor, Edisi 1, 2014, oleh Adiwijaya.2 Elementary Linear Algebra, 10th Edition, 2010, oleh H. Anton dan C. Rorres.3 Slide kuliah Aljabar Linier di Telkom University oleh Jondri.4 Slide kuliah Aljabar Linier di Fasilkom UI oleh Kasiyah M. Junus dan SitiAminah.
5 Slide kuliah Aljabar Linier di Fasilkom UI oleh L. Y. Stefanus.
Beberapa gambar dapat diambil dari sumber-sumber di atas. Slide ini ditujukanuntuk keperluan akademis di lingkungan FIF Telkom University. Jika Andamemiliki saran/ pendapat/ pertanyaan terkait materi dalam slide ini, silakan kirimemail ke <pleasedontspam>@telkomuniversity.ac.id.
MZI (FIF Tel-U) Ruang Eigen November 2015 2 / 41
Bahasan
1 Motivasi: Pengenalan Wajah
2 Definisi Nilai dan Vektor Eigen
3 Metode Mencari Vektor Eigen
4 Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
MZI (FIF Tel-U) Ruang Eigen November 2015 3 / 41
Motivasi: Pengenalan Wajah
Bahasan
1 Motivasi: Pengenalan Wajah
2 Definisi Nilai dan Vektor Eigen
3 Metode Mencari Vektor Eigen
4 Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
MZI (FIF Tel-U) Ruang Eigen November 2015 4 / 41
Motivasi: Pengenalan Wajah
Eigenfaces
EigenfacesEigenfaces adalah himpunan vektor-vektor eigen yang digunakan dalam computervision untuk mengenali tipe-tipe wajah manusia. Metode ini dikembangkan olehSirovich dan Kirby pada tahun 1987 dan digunakan oleh Turk dan Pentland untukmelakukan klasifikasi terhadap tipe-tipe wajah. Vektor-vektor eigen yangdigunakan diperoleh dari suatu matriks kovariansi (mungkin dipelajari pada kuliahProbabilitas dan Statistika) yang terkait kemungkinan tipe wajah-wajah manusia.
MZI (FIF Tel-U) Ruang Eigen November 2015 5 / 41
Motivasi: Pengenalan Wajah
MZI (FIF Tel-U) Ruang Eigen November 2015 6 / 41
Definisi Nilai dan Vektor Eigen
Bahasan
1 Motivasi: Pengenalan Wajah
2 Definisi Nilai dan Vektor Eigen
3 Metode Mencari Vektor Eigen
4 Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
MZI (FIF Tel-U) Ruang Eigen November 2015 7 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
[2 04 1
], vektor u =
[14
], v =
[04
], dan
w =
[54
]. Periksa apakah
1 terdapat α ∈ R sehingga Au = αu
2 terdapat β ∈ R sehingga Av = βv
3 terdapat γ ∈ R sehingga Aw = γw
Solusi: Perhatikan bahwa
Au =
[2 04 1
] [14
]= 2
[14
]
Av =
[2 04 1
] [04
]= 1
[04
]
Aw =
[2 04 1
] [54
]=
[1024
]6= γ
[54
]untuk γ berapapun (jika ada γ yang
memenuhi, maka diperoleh 10 = 5γ dan 24 = 4γ, akibatnya γ = 2 dan γ = 6).
MZI (FIF Tel-U) Ruang Eigen November 2015 8 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
[2 04 1
], vektor u =
[14
], v =
[04
], dan
w =
[54
]. Periksa apakah
1 terdapat α ∈ R sehingga Au = αu
2 terdapat β ∈ R sehingga Av = βv
3 terdapat γ ∈ R sehingga Aw = γw
Solusi: Perhatikan bahwa
Au =
[2 04 1
] [14
]= 2
[14
]
Av =
[2 04 1
] [04
]= 1
[04
]
Aw =
[2 04 1
] [54
]=
[1024
]6= γ
[54
]untuk γ berapapun (jika ada γ yang
memenuhi, maka diperoleh 10 = 5γ dan 24 = 4γ, akibatnya γ = 2 dan γ = 6).
MZI (FIF Tel-U) Ruang Eigen November 2015 8 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
[2 04 1
], vektor u =
[14
], v =
[04
], dan
w =
[54
]. Periksa apakah
1 terdapat α ∈ R sehingga Au = αu
2 terdapat β ∈ R sehingga Av = βv
3 terdapat γ ∈ R sehingga Aw = γw
Solusi: Perhatikan bahwa
Au =
[2 04 1
] [14
]= 2
[14
]
Av =
[2 04 1
] [04
]= 1
[04
]
Aw =
[2 04 1
] [54
]=
[1024
]6= γ
[54
]untuk γ berapapun (jika ada γ yang
memenuhi, maka diperoleh 10 = 5γ dan 24 = 4γ, akibatnya γ = 2 dan γ = 6).
MZI (FIF Tel-U) Ruang Eigen November 2015 8 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
[2 04 1
], vektor u =
[14
], v =
[04
], dan
w =
[54
]. Periksa apakah
1 terdapat α ∈ R sehingga Au = αu
2 terdapat β ∈ R sehingga Av = βv
3 terdapat γ ∈ R sehingga Aw = γw
Solusi: Perhatikan bahwa
Au =
[2 04 1
] [14
]= 2
[14
]
Av =
[2 04 1
] [04
]= 1
[04
]
Aw =
[2 04 1
] [54
]=
[1024
]6= γ
[54
]untuk γ berapapun (jika ada γ yang
memenuhi, maka diperoleh 10 = 5γ dan 24 = 4γ, akibatnya γ = 2 dan γ = 6).MZI (FIF Tel-U) Ruang Eigen November 2015 8 / 41
Definisi Nilai dan Vektor Eigen
Secara geometris kita memiliki
MZI (FIF Tel-U) Ruang Eigen November 2015 9 / 41
Definisi Nilai dan Vektor Eigen
Definisi Nilai dan Vektor Eigen
DefinisiDiberikan sebuah matriks persegi A yang berukuran n× n. Vektor tak nol~v ∈ Rn dikatakan sebagai vektor eigen (atau vektor karakteristik) dari A apabilaA~v adalah kelipatan skalar dari ~v, yaitu
A~v = λ~v, (1)
untuk suatu λ ∈ R. Nilai λ selanjutnya dinamakan nilai eigen (atau nilaikarakteristik) dari A, dan ~v disebut sebagai vektor eigen yang bersesuaian dengannilai eigen λ.
Catatan
Vektor eigen adalah vektor tak nol. Hal ini dilakukan mengingat vektor nolsenantiasa memenuhi persamaan (1). Jika ~v = ~0, kita memperolehA~v = A~0 = ~0 = λ~0 = λ~v untuk sembarang matriks persegi A dan λ ∈ R, yangtidak memberikan informasi penting apapun.
MZI (FIF Tel-U) Ruang Eigen November 2015 10 / 41
Definisi Nilai dan Vektor Eigen
Definisi Nilai dan Vektor Eigen
DefinisiDiberikan sebuah matriks persegi A yang berukuran n× n. Vektor tak nol~v ∈ Rn dikatakan sebagai vektor eigen (atau vektor karakteristik) dari A apabilaA~v adalah kelipatan skalar dari ~v, yaitu
A~v = λ~v, (1)
untuk suatu λ ∈ R. Nilai λ selanjutnya dinamakan nilai eigen (atau nilaikarakteristik) dari A, dan ~v disebut sebagai vektor eigen yang bersesuaian dengannilai eigen λ.
CatatanVektor eigen adalah vektor tak nol. Hal ini dilakukan mengingat vektor nolsenantiasa memenuhi persamaan (1). Jika ~v = ~0, kita memperolehA~v = A~0 = ~0 = λ~0 = λ~v untuk sembarang matriks persegi A dan λ ∈ R, yangtidak memberikan informasi penting apapun.
MZI (FIF Tel-U) Ruang Eigen November 2015 10 / 41
Definisi Nilai dan Vektor Eigen
Persamaan Karakteristik
PermasalahanDiberikan sebuah matriks persegi A yang berorde n. Bagaimana cara menentukansemua nilai eigen dari A? Apakah kita harus mengetahui semua vektor eigen dariA terlebih dulu?
Teorema
Diberikan matriks persegi A yang berorde n, suatu bilangan λ adalah nilai eigendari A jika dan hanya jika
det (λI−A) = 0. (2)
CatatanPersamaan (2) disebut persamaan karakteristik dari suatu matriks persegi A.Kondisi det (λI−A) = 0 juga setara dengan kondisi det (A− λI) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 11 / 41
Definisi Nilai dan Vektor Eigen
Persamaan Karakteristik
PermasalahanDiberikan sebuah matriks persegi A yang berorde n. Bagaimana cara menentukansemua nilai eigen dari A? Apakah kita harus mengetahui semua vektor eigen dariA terlebih dulu?
TeoremaDiberikan matriks persegi A yang berorde n, suatu bilangan λ adalah nilai eigendari A jika dan hanya jika
det (λI−A) = 0. (2)
CatatanPersamaan (2) disebut persamaan karakteristik dari suatu matriks persegi A.Kondisi det (λI−A) = 0 juga setara dengan kondisi det (A− λI) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 11 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat
A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔
A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔
(λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika
λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular
(jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0).
Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jika
det (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Bukti
Tinjau bahwa λ adalah nilai eigen dari A jika dan hanya jika terdapat ~v 6= ~0,~v ∈ Rn dengan sifat A~v = λ~v. Tinjau bahwa
A~v = λ~v
⇔ A~v = λI~v
⇔ (λI−A)~v = ~0.
Karena ~v 6= ~0 maka (λI−A)~v = ~0 jika dan hanya jika λI−A singular (jikaλI−A invertibel, maka kita memiliki (λI−A)−1 (λI−A)~v = (λI−A)−1~0,sehingga ~v = ~0). Akibatnya λ adalah nilai eigen dari A jika dan hanya jikaλI−A singular. Mengingat λI−A singular jika dan hanya jikadet (λI−A) = 0, maka λ adalah nilai eigen dari A jika dan hanya jika
det (λI−A) = 0.
MZI (FIF Tel-U) Ruang Eigen November 2015 12 / 41
Definisi Nilai dan Vektor Eigen
Latihan: Kalkulasi Nilai Eigen
LatihanTentukan persamaan karakteristik dari matriks-matriks persegi berikut. Kemudian,tentukan pula nilai eigen dari setiap matriks.
A =
[3 08 −1
], B =
4 0 1−2 1 0−2 0 1
, C = 0 0 121 0 130 1 0
,D =
0 0 0 −361 0 0 00 1 0 130 0 1 0
.Solusi:
Untuk matriks A, kita memiliki persamaan karakateristik
det (λI−A) =∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0. Jadi Nilai eigen dari Aadalah λ1 = −1 dan λ2 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 13 / 41
Definisi Nilai dan Vektor Eigen
Latihan: Kalkulasi Nilai Eigen
LatihanTentukan persamaan karakteristik dari matriks-matriks persegi berikut. Kemudian,tentukan pula nilai eigen dari setiap matriks.
A =
[3 08 −1
], B =
4 0 1−2 1 0−2 0 1
, C = 0 0 121 0 130 1 0
,D =
0 0 0 −361 0 0 00 1 0 130 0 1 0
.Solusi: Untuk matriks A, kita memiliki persamaan karakateristik
det (λI−A) =∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0. Jadi Nilai eigen dari Aadalah λ1 = −1 dan λ2 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 13 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks B, kita memiliki persamaan karakteristik
det (λI−B) =
∣∣∣∣∣∣λ− 4 0 −1
2 λ− 1 02 0 λ− 1
∣∣∣∣∣∣ = 0.
Melalui ekspansi kofaktor di baris
pertama diperoleh
0 = (λ− 4)∣∣∣∣ λ− 1 0
0 λ− 1
∣∣∣∣− 1 ∣∣∣∣ 2 λ− 12 0
∣∣∣∣= (λ− 4) (λ− 1)2 − 1 (−2 (λ− 1)) = (λ− 4) (λ− 1)2 + 2 (λ− 1)= (λ− 1) ((λ− 1) (λ− 4) + 2)= (λ− 1)
(λ2 − 5λ+ 6
)= (λ− 1) (λ− 2) (λ− 3)
Jadi diperoleh nilai eigen λ1 = 1, λ2 = 2, dan λ3 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 14 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks B, kita memiliki persamaan karakteristik
det (λI−B) =
∣∣∣∣∣∣λ− 4 0 −1
2 λ− 1 02 0 λ− 1
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di barispertama diperoleh
0 = (λ− 4)∣∣∣∣ λ− 1 0
0 λ− 1
∣∣∣∣− 1 ∣∣∣∣ 2 λ− 12 0
∣∣∣∣= (λ− 4) (λ− 1)2 − 1 (−2 (λ− 1)) = (λ− 4) (λ− 1)2 + 2 (λ− 1)= (λ− 1) ((λ− 1) (λ− 4) + 2)= (λ− 1)
(λ2 − 5λ+ 6
)= (λ− 1) (λ− 2) (λ− 3)
Jadi diperoleh nilai eigen λ1 = 1, λ2 = 2, dan λ3 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 14 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0.
Melalui ekspansi kofaktor di kolom
pertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 =
12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 =
0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 =
(λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)=
(λ− 4) (λ+ 1) (λ+ 3).Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks C, kita memiliki persamaan karakteristik
det (λI−C) =
∣∣∣∣∣∣λ 0 −12−1 λ −130 −1 λ
∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama, diperoleh
0 = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 −12−1 λ
∣∣∣∣= λ
(λ2 − 13
)+ 1 (−12) = λ3 − 13λ− 12. (3)
Dari pengetahuan yang didapat di sekolah menengah, kita mengetahui bahwa jikaλ1, λ2, λ3 adalah akar-akar dari (3), maka λ1λ2λ3 = 12 dan λ1 + λ2 + λ3 = 0.Dengan aturan Horner, kita akan mencoba λ1 = 4,
4 1 0 −13 −12↓ 4 16 12 (+)1 4 3 0
Jadi λ3 − 13λ− 12 = (λ− 4)(λ2 + 4λ+ 3
)= (λ− 4) (λ+ 1) (λ+ 3).
Akibatnya nilai eigen dari C adalah λ1 = −3, λ2 = −1, dan λ3 = 4.
MZI (FIF Tel-U) Ruang Eigen November 2015 15 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks D, kita memiliki persamaan karakteristik
det (λI−D) =
∣∣∣∣∣∣∣∣λ 0 0 36−1 λ 0 00 −1 λ −130 0 −1 λ
∣∣∣∣∣∣∣∣ = 0.
Melalui ekspansi kofaktor di kolom
pertama diperoleh
0 = λ
∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣− (−1)∣∣∣∣∣∣
0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣
MZI (FIF Tel-U) Ruang Eigen November 2015 16 / 41
Definisi Nilai dan Vektor Eigen
Untuk matriks D, kita memiliki persamaan karakteristik
det (λI−D) =
∣∣∣∣∣∣∣∣λ 0 0 36−1 λ 0 00 −1 λ −130 0 −1 λ
∣∣∣∣∣∣∣∣ = 0. Melalui ekspansi kofaktor di kolompertama diperoleh
0 = λ
∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣− (−1)∣∣∣∣∣∣
0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣
MZI (FIF Tel-U) Ruang Eigen November 2015 16 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ =
λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ = − (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 = λ(λ(λ2 − 13
))+ 36
= λ4 − 13λ2 + 36 =(λ2 − 9
) (λ2 − 4
)= (λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ =
− (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 = λ(λ(λ2 − 13
))+ 36
= λ4 − 13λ2 + 36 =(λ2 − 9
) (λ2 − 4
)= (λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ = − (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 =
λ(λ(λ2 − 13
))+ 36
= λ4 − 13λ2 + 36 =(λ2 − 9
) (λ2 − 4
)= (λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ = − (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 = λ(λ(λ2 − 13
))+ 36
=
λ4 − 13λ2 + 36 =(λ2 − 9
) (λ2 − 4
)= (λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ = − (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 = λ(λ(λ2 − 13
))+ 36
= λ4 − 13λ2 + 36 =
(λ2 − 9
) (λ2 − 4
)= (λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ = − (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 = λ(λ(λ2 − 13
))+ 36
= λ4 − 13λ2 + 36 =(λ2 − 9
) (λ2 − 4
)=
(λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣λ 0 0−1 λ −130 −1 λ
∣∣∣∣∣∣ = λ
∣∣∣∣ λ −13−1 λ
∣∣∣∣− (−1) ∣∣∣∣ 0 0−1 λ
∣∣∣∣ = λ(λ2 − 13
).
Kemudian dengan ekspansi kofaktor di kolom pertama kita memiliki∣∣∣∣∣∣0 0 36−1 λ −130 −1 λ
∣∣∣∣∣∣ = − (−1)∣∣∣∣ 0 36−1 λ
∣∣∣∣ = 36. Jadi diperoleh persamaankarakteristik
0 = λ(λ(λ2 − 13
))+ 36
= λ4 − 13λ2 + 36 =(λ2 − 9
) (λ2 − 4
)= (λ− 3) (λ+ 3) (λ− 2) (λ+ 2) .
Jadi nilai-nilai eigen untuk D adalah λ1 = −3, λ2 = −2, λ3 = 2, dan λ4 = 3.
MZI (FIF Tel-U) Ruang Eigen November 2015 17 / 41
Definisi Nilai dan Vektor Eigen
Nilai Eigen Matriks Segitiga
LatihanBerikan persamaan karakteristik untuk setiap matriks berikut dan tentukan pulanilai eigen dari setiap matriks.
A =
a11 · · · · · · a1n
a22...
. . ....
O ann
, B =b11 O... b22...
. . .bn1 · · · · · · bnn
,
C =
c11 O
c22. . .
O cnn
MZI (FIF Tel-U) Ruang Eigen November 2015 18 / 41
Definisi Nilai dan Vektor Eigen
Solusi:
Untuk matriks A persamaan karakteristiknya adalah
det (λI−A) =n∏i=1
(λ− aii) = 0,
jadi nilai eigennya adalah a11, a22, . . . , ann. Untuk matriks B persamaankarakteristiknya adalah
det (λI−B) =n∏i=1
(λ− bii) = 0,
jadi nila eigennya adalah b11, b22, . . . , bnn. Untuk matriks C persamaankarakteristiknya adalah
det (λI−C) =n∏i=1
(λ− cii) = 0,
jadi nilai eigennya adalah c11, c22, . . . , cnn.
MZI (FIF Tel-U) Ruang Eigen November 2015 19 / 41
Definisi Nilai dan Vektor Eigen
Solusi: Untuk matriks A persamaan karakteristiknya adalah
det (λI−A) =n∏i=1
(λ− aii) = 0,
jadi nilai eigennya adalah
a11, a22, . . . , ann. Untuk matriks B persamaankarakteristiknya adalah
det (λI−B) =n∏i=1
(λ− bii) = 0,
jadi nila eigennya adalah b11, b22, . . . , bnn. Untuk matriks C persamaankarakteristiknya adalah
det (λI−C) =n∏i=1
(λ− cii) = 0,
jadi nilai eigennya adalah c11, c22, . . . , cnn.
MZI (FIF Tel-U) Ruang Eigen November 2015 19 / 41
Definisi Nilai dan Vektor Eigen
Solusi: Untuk matriks A persamaan karakteristiknya adalah
det (λI−A) =n∏i=1
(λ− aii) = 0,
jadi nilai eigennya adalah a11, a22, . . . , ann.
Untuk matriks B persamaankarakteristiknya adalah
det (λI−B) =n∏i=1
(λ− bii) = 0,
jadi nila eigennya adalah b11, b22, . . . , bnn. Untuk matriks C persamaankarakteristiknya adalah
det (λI−C) =n∏i=1
(λ− cii) = 0,
jadi nilai eigennya adalah c11, c22, . . . , cnn.
MZI (FIF Tel-U) Ruang Eigen November 2015 19 / 41
Definisi Nilai dan Vektor Eigen
Solusi: Untuk matriks A persamaan karakteristiknya adalah
det (λI−A) =n∏i=1
(λ− aii) = 0,
jadi nilai eigennya adalah a11, a22, . . . , ann. Untuk matriks B persamaankarakteristiknya adalah
det (λI−B) =n∏i=1
(λ− bii) = 0,
jadi nila eigennya adalah
b11, b22, . . . , bnn. Untuk matriks C persamaankarakteristiknya adalah
det (λI−C) =n∏i=1
(λ− cii) = 0,
jadi nilai eigennya adalah c11, c22, . . . , cnn.
MZI (FIF Tel-U) Ruang Eigen November 2015 19 / 41
Definisi Nilai dan Vektor Eigen
Solusi: Untuk matriks A persamaan karakteristiknya adalah
det (λI−A) =n∏i=1
(λ− aii) = 0,
jadi nilai eigennya adalah a11, a22, . . . , ann. Untuk matriks B persamaankarakteristiknya adalah
det (λI−B) =n∏i=1
(λ− bii) = 0,
jadi nila eigennya adalah b11, b22, . . . , bnn.
Untuk matriks C persamaankarakteristiknya adalah
det (λI−C) =n∏i=1
(λ− cii) = 0,
jadi nilai eigennya adalah c11, c22, . . . , cnn.
MZI (FIF Tel-U) Ruang Eigen November 2015 19 / 41
Definisi Nilai dan Vektor Eigen
Solusi: Untuk matriks A persamaan karakteristiknya adalah
det (λI−A) =n∏i=1
(λ− aii) = 0,
jadi nilai eigennya adalah a11, a22, . . . , ann. Untuk matriks B persamaankarakteristiknya adalah
det (λI−B) =n∏i=1
(λ− bii) = 0,
jadi nila eigennya adalah b11, b22, . . . , bnn. Untuk matriks C persamaankarakteristiknya adalah
det (λI−C) =n∏i=1
(λ− cii) = 0,
jadi nilai eigennya adalah c11, c22, . . . , cnn.
MZI (FIF Tel-U) Ruang Eigen November 2015 19 / 41
Definisi Nilai dan Vektor Eigen
Teorema terkait Persamaan KarakteristikTeoremaJika A adalah matriks segitiga, maka persamaan karakteristik dari A adalah
0 = det (λI−A) = (λ− (A)11) (λ− (A)22) · · · (λ− (A)nn)
=
n∏i=1
(λ− (A)ii)
dan nilai eigen dari A adalah (A)11 , (A)22 , . . . , (A)nn.
DefinisiSuatu polinom dalam variabel x dengan derajat maksimal n dikatakan monik(monic) apabila koefisien dari xn adalah 1.
ContohPolinom x2 + 2x+ 1
adalah polinom monik, polinom x2015 + 2x2014 + 3x2013
adalah polinom monik, dan polinom x2013 + 2x2014 + 3x2015 bukan polinommonik.
MZI (FIF Tel-U) Ruang Eigen November 2015 20 / 41
Definisi Nilai dan Vektor Eigen
Teorema terkait Persamaan KarakteristikTeoremaJika A adalah matriks segitiga, maka persamaan karakteristik dari A adalah
0 = det (λI−A) = (λ− (A)11) (λ− (A)22) · · · (λ− (A)nn)
=
n∏i=1
(λ− (A)ii)
dan nilai eigen dari A adalah (A)11 , (A)22 , . . . , (A)nn.
DefinisiSuatu polinom dalam variabel x dengan derajat maksimal n dikatakan monik(monic) apabila koefisien dari xn adalah 1.
ContohPolinom x2 + 2x+ 1 adalah polinom monik, polinom x2015 + 2x2014 + 3x2013
adalah polinom monik, dan polinom x2013 + 2x2014 + 3x2015 bukan polinommonik.
MZI (FIF Tel-U) Ruang Eigen November 2015 20 / 41
Definisi Nilai dan Vektor Eigen
Teorema terkait Persamaan KarakteristikTeoremaJika A adalah matriks segitiga, maka persamaan karakteristik dari A adalah
0 = det (λI−A) = (λ− (A)11) (λ− (A)22) · · · (λ− (A)nn)
=
n∏i=1
(λ− (A)ii)
dan nilai eigen dari A adalah (A)11 , (A)22 , . . . , (A)nn.
DefinisiSuatu polinom dalam variabel x dengan derajat maksimal n dikatakan monik(monic) apabila koefisien dari xn adalah 1.
ContohPolinom x2 + 2x+ 1 adalah polinom monik, polinom x2015 + 2x2014 + 3x2013
adalah polinom monik, dan polinom x2013 + 2x2014 + 3x2015
bukan polinommonik.
MZI (FIF Tel-U) Ruang Eigen November 2015 20 / 41
Definisi Nilai dan Vektor Eigen
Teorema terkait Persamaan KarakteristikTeoremaJika A adalah matriks segitiga, maka persamaan karakteristik dari A adalah
0 = det (λI−A) = (λ− (A)11) (λ− (A)22) · · · (λ− (A)nn)
=
n∏i=1
(λ− (A)ii)
dan nilai eigen dari A adalah (A)11 , (A)22 , . . . , (A)nn.
DefinisiSuatu polinom dalam variabel x dengan derajat maksimal n dikatakan monik(monic) apabila koefisien dari xn adalah 1.
ContohPolinom x2 + 2x+ 1 adalah polinom monik, polinom x2015 + 2x2014 + 3x2013
adalah polinom monik, dan polinom x2013 + 2x2014 + 3x2015 bukan polinommonik.
MZI (FIF Tel-U) Ruang Eigen November 2015 20 / 41
Definisi Nilai dan Vektor Eigen
DefinisiJika A adalah suatu matriks persegi berorde n, maka pA (λ) = det (λI−A)disebut polinom karakteristik (characteristic polynomial) dari A.
TeoremaUntuk sembarang matriks persegi A yang berorde n, polinom karakteristik dari A,yaitu pA (λ) = det (λI−A), adalah polinom monik dalam variabel λ. Denganperkataan lain
pA (λ) = det (λI−A)= λn + c1λ
n−1 + · · ·+ cn.
MZI (FIF Tel-U) Ruang Eigen November 2015 21 / 41
Definisi Nilai dan Vektor Eigen
PermasalahanApakah ada matriks persegi A dengan entri-entri real yang tidak memiliki nilaieigen real?
Solusi: Tinjau matriks A =
[0 −11 0
]. Kita memiliki
pA (λ) = det (λI−A) =∣∣∣∣ λ 1−1 λ
∣∣∣∣ = λ2 + 1. Tidak ada nilai λ ∈ R sedemikian
hingga λ2 + 1 = 0. Jadi A tidak memiliki nilai eigen real.
AkibatSetiap matriks persegi A yang berorde n paling banyak memiliki n nilai eigenreal.
MZI (FIF Tel-U) Ruang Eigen November 2015 22 / 41
Definisi Nilai dan Vektor Eigen
PermasalahanApakah ada matriks persegi A dengan entri-entri real yang tidak memiliki nilaieigen real?
Solusi: Tinjau matriks A =
[0 −11 0
]. Kita memiliki
pA (λ) = det (λI−A) =∣∣∣∣ λ 1−1 λ
∣∣∣∣ = λ2 + 1. Tidak ada nilai λ ∈ R sedemikian
hingga λ2 + 1 = 0. Jadi A tidak memiliki nilai eigen real.
Akibat
Setiap matriks persegi A yang berorde n paling banyak memiliki n nilai eigenreal.
MZI (FIF Tel-U) Ruang Eigen November 2015 22 / 41
Definisi Nilai dan Vektor Eigen
PermasalahanApakah ada matriks persegi A dengan entri-entri real yang tidak memiliki nilaieigen real?
Solusi: Tinjau matriks A =
[0 −11 0
]. Kita memiliki
pA (λ) = det (λI−A) =∣∣∣∣ λ 1−1 λ
∣∣∣∣ = λ2 + 1. Tidak ada nilai λ ∈ R sedemikian
hingga λ2 + 1 = 0. Jadi A tidak memiliki nilai eigen real.
AkibatSetiap matriks persegi A yang berorde n paling banyak memiliki n nilai eigenreal.
MZI (FIF Tel-U) Ruang Eigen November 2015 22 / 41
Definisi Nilai dan Vektor Eigen
Pernyataan-pernyataan yang Ekivalen
TeoremaJika A adalah sebuah matriks berukuran n× n, maka pernyataan-pernyataanberikut ekivalen.
1 λ adalah nilai eigen dari A2 SPL (λI−A) ~x = ~0 memiliki solusi tak trivial3
{~0}⊂ ker (λI−A), akibatnya nulitas (λI−A) ≥ 1
4 Ada vektor tak nol ~v yang memenuhi A~v = λ~v
5 λ adalah solusi dari persamaan karakteristik pA (λ) = det (λI−A) = 0.
BuktiLatihan.
MZI (FIF Tel-U) Ruang Eigen November 2015 23 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
1 1 10 3 3−2 1 1
, vektor ~u = (0,−2, 2), ~v = (−4,−6, 2),dan ~w = (−2, 1, 1). Periksa apakah ~u, ~v, maupun ~w merupakan vektor eigen dariA. Jika ya, tentukan nilai eigen yang bersesuaian dengan vektor-vektor eigentersebut.
Solusi:
Kita memiliki
A~u =
1 1 10 3 3−2 1 1
0−22
= 000
= 0 0−22
,jadi ~u adalah nilai eigen yang bersesuaian dengan niliai eigen 0. Kemudian
A~v =
1 1 10 3 3−2 1 1
−4−62
= −8−12
4
= 2 −4−6
2
,jadi ~v adalah nilai eigen yang bersesuaian dengan nilai eigen 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 24 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
1 1 10 3 3−2 1 1
, vektor ~u = (0,−2, 2), ~v = (−4,−6, 2),dan ~w = (−2, 1, 1). Periksa apakah ~u, ~v, maupun ~w merupakan vektor eigen dariA. Jika ya, tentukan nilai eigen yang bersesuaian dengan vektor-vektor eigentersebut.
Solusi: Kita memiliki
A~u =
1 1 10 3 3−2 1 1
0−22
= 000
= 0 0−22
,jadi ~u adalah nilai eigen yang bersesuaian dengan niliai eigen 0. Kemudian
A~v =
1 1 10 3 3−2 1 1
−4−62
= −8−12
4
= 2 −4−6
2
,jadi ~v adalah nilai eigen yang bersesuaian dengan nilai eigen 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 24 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
1 1 10 3 3−2 1 1
, vektor ~u = (0,−2, 2), ~v = (−4,−6, 2),dan ~w = (−2, 1, 1). Periksa apakah ~u, ~v, maupun ~w merupakan vektor eigen dariA. Jika ya, tentukan nilai eigen yang bersesuaian dengan vektor-vektor eigentersebut.
Solusi: Kita memiliki
A~u =
1 1 10 3 3−2 1 1
0−22
= 000
= 0 0−22
,jadi ~u adalah nilai eigen yang bersesuaian dengan niliai eigen 0. Kemudian
A~v =
1 1 10 3 3−2 1 1
−4−62
= −8−12
4
= 2 −4−6
2
,jadi ~v adalah nilai eigen yang bersesuaian dengan nilai eigen 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 24 / 41
Definisi Nilai dan Vektor Eigen
Latihan
Diberikan matriks A =
1 1 10 3 3−2 1 1
, vektor ~u = (0,−2, 2), ~v = (−4,−6, 2),dan ~w = (−2, 1, 1). Periksa apakah ~u, ~v, maupun ~w merupakan vektor eigen dariA. Jika ya, tentukan nilai eigen yang bersesuaian dengan vektor-vektor eigentersebut.
Solusi: Kita memiliki
A~u =
1 1 10 3 3−2 1 1
0−22
= 000
= 0 0−22
,jadi ~u adalah nilai eigen yang bersesuaian dengan niliai eigen 0. Kemudian
A~v =
1 1 10 3 3−2 1 1
−4−62
= −8−12
4
= 2 −4−6
2
,jadi ~v adalah nilai eigen yang bersesuaian dengan nilai eigen 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 24 / 41
Definisi Nilai dan Vektor Eigen
Terakhir
A~w =
1 1 10 3 3−2 1 1
−211
= 066
6= λ
−211
untuk sembarang λ ∈ R. Jadi ~w = (−2, 1, 1) bukan vektor eigen dari A.
MZI (FIF Tel-U) Ruang Eigen November 2015 25 / 41
Definisi Nilai dan Vektor Eigen
Terakhir
A~w =
1 1 10 3 3−2 1 1
−211
= 066
6= λ
−211
untuk sembarang λ ∈ R. Jadi ~w = (−2, 1, 1) bukan vektor eigen dari A.
MZI (FIF Tel-U) Ruang Eigen November 2015 25 / 41
Metode Mencari Vektor Eigen
Bahasan
1 Motivasi: Pengenalan Wajah
2 Definisi Nilai dan Vektor Eigen
3 Metode Mencari Vektor Eigen
4 Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
MZI (FIF Tel-U) Ruang Eigen November 2015 26 / 41
Metode Mencari Vektor Eigen
Mencari Vektor EigenPermasalahanDiberikan sebuah matriks persegi A dan λ∗ adalah suatu nilai eigen dari A.Bagaimana cara mencari semua vektor eigen yang bersesuaian dengan nilai eigenλ∗?
Misalkan ~v∗ adalah sembarang vektor eigen dari A yang bersesuaian dengan nilaieigen λ∗, maka ~v∗ dan λ∗ memenuhi hubungan
A~v∗ = λ∗~v∗ atau (λ∗I−A)~v∗ = ~0.
Ini berarti ~v∗ ∈ ker (λ∗I−A). Dengan demikian mencari semua kemungkinanvektor eigen ~v∗ cukup dilakukan dengan menentukan basis bagi ker (λ∗I−A).
CatatanUntuk setiap matriks persegi A berorde n, jika λ∗ adalah nilai eigen dari A, makavektor eigen ~v∗ yang bersesuaian dengan λ∗ pastilah memenuhi
~v∗ ∈ ker (λ∗I−A) dan ~v∗ 6= ~0.
MZI (FIF Tel-U) Ruang Eigen November 2015 27 / 41
Metode Mencari Vektor Eigen
Mencari Vektor EigenPermasalahanDiberikan sebuah matriks persegi A dan λ∗ adalah suatu nilai eigen dari A.Bagaimana cara mencari semua vektor eigen yang bersesuaian dengan nilai eigenλ∗?
Misalkan ~v∗ adalah sembarang vektor eigen dari A yang bersesuaian dengan nilaieigen λ∗, maka ~v∗ dan λ∗ memenuhi hubungan
A~v∗ = λ∗~v∗ atau (λ∗I−A)~v∗ = ~0.
Ini berarti ~v∗ ∈
ker (λ∗I−A). Dengan demikian mencari semua kemungkinanvektor eigen ~v∗ cukup dilakukan dengan menentukan basis bagi ker (λ∗I−A).
CatatanUntuk setiap matriks persegi A berorde n, jika λ∗ adalah nilai eigen dari A, makavektor eigen ~v∗ yang bersesuaian dengan λ∗ pastilah memenuhi
~v∗ ∈ ker (λ∗I−A) dan ~v∗ 6= ~0.
MZI (FIF Tel-U) Ruang Eigen November 2015 27 / 41
Metode Mencari Vektor Eigen
Mencari Vektor EigenPermasalahanDiberikan sebuah matriks persegi A dan λ∗ adalah suatu nilai eigen dari A.Bagaimana cara mencari semua vektor eigen yang bersesuaian dengan nilai eigenλ∗?
Misalkan ~v∗ adalah sembarang vektor eigen dari A yang bersesuaian dengan nilaieigen λ∗, maka ~v∗ dan λ∗ memenuhi hubungan
A~v∗ = λ∗~v∗ atau (λ∗I−A)~v∗ = ~0.
Ini berarti ~v∗ ∈ ker (λ∗I−A). Dengan demikian mencari semua kemungkinanvektor eigen ~v∗ cukup dilakukan dengan menentukan basis bagi ker (λ∗I−A).
CatatanUntuk setiap matriks persegi A berorde n, jika λ∗ adalah nilai eigen dari A, makavektor eigen ~v∗ yang bersesuaian dengan λ∗ pastilah memenuhi
~v∗ ∈ ker (λ∗I−A) dan ~v∗ 6= ~0.
MZI (FIF Tel-U) Ruang Eigen November 2015 27 / 41
Metode Mencari Vektor Eigen
PermasalahanJika Eigλ∗ (A) adalah himpunan seluruh vektor eigen dari A yang bersesuaiandengan nilai eigen λ∗, apa kaitan antara Eigλ∗ (A) dan ker (λ
∗I−A)?
Kita memiliki Eigλ∗ (A) = ker (λ∗I−A)r
{~0}.
MZI (FIF Tel-U) Ruang Eigen November 2015 28 / 41
Metode Mencari Vektor Eigen
PermasalahanJika Eigλ∗ (A) adalah himpunan seluruh vektor eigen dari A yang bersesuaiandengan nilai eigen λ∗, apa kaitan antara Eigλ∗ (A) dan ker (λ
∗I−A)?
Kita memiliki Eigλ∗ (A) = ker (λ∗I−A)r
{~0}.
MZI (FIF Tel-U) Ruang Eigen November 2015 28 / 41
Metode Mencari Vektor Eigen
Ruang Eigen
DefinisiMisalkan A adalah sebuah matriks persegi berorde n dan λ∗ adalah suatu nilaieigen dari A, maka ruang eigen (eigenspace) dari A yang bersesuaian dengan λ∗,dinotasikan dengan Eλ∗ , didefinisikan sebagai
Eλ∗ = ker (λ∗I−A) .
LatihanTentukan ruang eigen dari matriks-matriks berikut
A =
[3 08 −1
], B =
0 0 −21 2 11 0 3
, C = 1 0 −2
0 1 2−1 0 0
MZI (FIF Tel-U) Ruang Eigen November 2015 29 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk A adalah
pA (λ) =
∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0,sehingga nilai eigen untuk A adalah λ1 = −1 dan λ2 = 3. Pertama kita akanmenentukan ker (λ1I−A) = ker (−I−A).[
−4 0−8 0
] [x1x2
]=
[00
]Cukup jelas bahwa jika ~x ∈ ker (−I−A), maka ~x = (0, s), s ∈ R. JadiE−1 = span {(0, 1)}.
Selanjutnya kita akan menentukan ker (λ2I−A) = ker (3I−A).[0 0−8 4
] [x1x2
]=
[00
]Jika ~x ∈ ker (3I−A), maka ~x = (x1, x2) dengan −8x1 + 4x2 = 0. Dengandemikian ~x pasti berbentuk
(12 t, t
)dengan t ∈ R. Jadi E3 = span {(1, 2)}
MZI (FIF Tel-U) Ruang Eigen November 2015 30 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk A adalah
pA (λ) =
∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0,sehingga nilai eigen untuk A adalah λ1 = −1 dan λ2 = 3.
Pertama kita akanmenentukan ker (λ1I−A) = ker (−I−A).[
−4 0−8 0
] [x1x2
]=
[00
]Cukup jelas bahwa jika ~x ∈ ker (−I−A), maka ~x = (0, s), s ∈ R. JadiE−1 = span {(0, 1)}.
Selanjutnya kita akan menentukan ker (λ2I−A) = ker (3I−A).[0 0−8 4
] [x1x2
]=
[00
]Jika ~x ∈ ker (3I−A), maka ~x = (x1, x2) dengan −8x1 + 4x2 = 0. Dengandemikian ~x pasti berbentuk
(12 t, t
)dengan t ∈ R. Jadi E3 = span {(1, 2)}
MZI (FIF Tel-U) Ruang Eigen November 2015 30 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk A adalah
pA (λ) =
∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0,sehingga nilai eigen untuk A adalah λ1 = −1 dan λ2 = 3. Pertama kita akanmenentukan ker (λ1I−A) = ker (−I−A).[
−4 0−8 0
] [x1x2
]=
[00
]Cukup jelas bahwa jika ~x ∈ ker (−I−A), maka ~x = (0, s), s ∈ R. JadiE−1 =
span {(0, 1)}.
Selanjutnya kita akan menentukan ker (λ2I−A) = ker (3I−A).[0 0−8 4
] [x1x2
]=
[00
]Jika ~x ∈ ker (3I−A), maka ~x = (x1, x2) dengan −8x1 + 4x2 = 0. Dengandemikian ~x pasti berbentuk
(12 t, t
)dengan t ∈ R. Jadi E3 = span {(1, 2)}
MZI (FIF Tel-U) Ruang Eigen November 2015 30 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk A adalah
pA (λ) =
∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0,sehingga nilai eigen untuk A adalah λ1 = −1 dan λ2 = 3. Pertama kita akanmenentukan ker (λ1I−A) = ker (−I−A).[
−4 0−8 0
] [x1x2
]=
[00
]Cukup jelas bahwa jika ~x ∈ ker (−I−A), maka ~x = (0, s), s ∈ R. JadiE−1 = span {(0, 1)}.
Selanjutnya kita akan menentukan ker (λ2I−A) = ker (3I−A).[0 0−8 4
] [x1x2
]=
[00
]Jika ~x ∈ ker (3I−A), maka ~x = (x1, x2) dengan −8x1 + 4x2 = 0. Dengandemikian ~x pasti berbentuk
(12 t, t
)dengan t ∈ R. Jadi E3 = span {(1, 2)}
MZI (FIF Tel-U) Ruang Eigen November 2015 30 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk A adalah
pA (λ) =
∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0,sehingga nilai eigen untuk A adalah λ1 = −1 dan λ2 = 3. Pertama kita akanmenentukan ker (λ1I−A) = ker (−I−A).[
−4 0−8 0
] [x1x2
]=
[00
]Cukup jelas bahwa jika ~x ∈ ker (−I−A), maka ~x = (0, s), s ∈ R. JadiE−1 = span {(0, 1)}.
Selanjutnya kita akan menentukan ker (λ2I−A) = ker (3I−A).[0 0−8 4
] [x1x2
]=
[00
]Jika ~x ∈ ker (3I−A), maka ~x = (x1, x2) dengan −8x1 + 4x2 = 0. Dengandemikian ~x pasti berbentuk
(12 t, t
)dengan t ∈ R. Jadi E3 =
span {(1, 2)}
MZI (FIF Tel-U) Ruang Eigen November 2015 30 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk A adalah
pA (λ) =
∣∣∣∣ λ− 3 0−8 λ+ 1
∣∣∣∣ = (λ− 3) (λ+ 1) = 0,sehingga nilai eigen untuk A adalah λ1 = −1 dan λ2 = 3. Pertama kita akanmenentukan ker (λ1I−A) = ker (−I−A).[
−4 0−8 0
] [x1x2
]=
[00
]Cukup jelas bahwa jika ~x ∈ ker (−I−A), maka ~x = (0, s), s ∈ R. JadiE−1 = span {(0, 1)}.
Selanjutnya kita akan menentukan ker (λ2I−A) = ker (3I−A).[0 0−8 4
] [x1x2
]=
[00
]Jika ~x ∈ ker (3I−A), maka ~x = (x1, x2) dengan −8x1 + 4x2 = 0. Dengandemikian ~x pasti berbentuk
(12 t, t
)dengan t ∈ R. Jadi E3 = span {(1, 2)}
MZI (FIF Tel-U) Ruang Eigen November 2015 30 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk B adalah
pB (λ) = det (λI−B) =
∣∣∣∣∣∣λ 0 2−1 λ− 2 −1−1 0 λ− 3
∣∣∣∣∣∣ = 0.Melalui ekspansi kofaktor di baris pertama kita memiliki∣∣∣∣∣∣
λ 0 2−1 λ− 2 −1−1 0 λ− 3
∣∣∣∣∣∣ = λ
∣∣∣∣ λ− 2 −10 λ− 3
∣∣∣∣+ 2 ∣∣∣∣ −1 λ− 2−1 0
∣∣∣∣= λ (λ− 2) (λ− 3) + 2 (λ− 2)= (λ− 2) (λ (λ− 3) + 2) = (λ− 2)
(λ2 − 3λ+ 2
)= (λ− 2) (λ− 2) (λ− 1) .
Jadi nilai eigen dari B adalah λ1 = 1, λ2 = λ3 = 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 31 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk B adalah
pB (λ) = det (λI−B) =
∣∣∣∣∣∣λ 0 2−1 λ− 2 −1−1 0 λ− 3
∣∣∣∣∣∣ = 0.Melalui ekspansi kofaktor di baris pertama kita memiliki
∣∣∣∣∣∣λ 0 2−1 λ− 2 −1−1 0 λ− 3
∣∣∣∣∣∣ = λ
∣∣∣∣ λ− 2 −10 λ− 3
∣∣∣∣+ 2 ∣∣∣∣ −1 λ− 2−1 0
∣∣∣∣= λ (λ− 2) (λ− 3) + 2 (λ− 2)= (λ− 2) (λ (λ− 3) + 2) = (λ− 2)
(λ2 − 3λ+ 2
)= (λ− 2) (λ− 2) (λ− 1) .
Jadi nilai eigen dari B adalah λ1 = 1, λ2 = λ3 = 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 31 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk B adalah
pB (λ) = det (λI−B) =
∣∣∣∣∣∣λ 0 2−1 λ− 2 −1−1 0 λ− 3
∣∣∣∣∣∣ = 0.Melalui ekspansi kofaktor di baris pertama kita memiliki∣∣∣∣∣∣
λ 0 2−1 λ− 2 −1−1 0 λ− 3
∣∣∣∣∣∣ = λ
∣∣∣∣ λ− 2 −10 λ− 3
∣∣∣∣+ 2 ∣∣∣∣ −1 λ− 2−1 0
∣∣∣∣= λ (λ− 2) (λ− 3) + 2 (λ− 2)= (λ− 2) (λ (λ− 3) + 2) = (λ− 2)
(λ2 − 3λ+ 2
)= (λ− 2) (λ− 2) (λ− 1) .
Jadi nilai eigen dari B adalah λ1 = 1, λ2 = λ3 = 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 31 / 41
Metode Mencari Vektor Eigen
Pertama kita akan menentukan ker (λ1I−B) = ker (I−B). 1 0 2−1 −1 −1−1 0 −2
x1x2x3
= 000
Kita memiliki SPL
x1 + 0x2 + 2x3 = 0x1 + x2 + x3 = 0
. Misalkan x3 = s, maka x1 = −2s,
x2 = −x1 − x3 = 2s− s = s. Jadi jika ~x ∈ ker (I−B), ~x berbentuk
~x = (−2s, s, s) , s ∈ R.
Akibatnya E1 =
span {(−2, 1, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 32 / 41
Metode Mencari Vektor Eigen
Pertama kita akan menentukan ker (λ1I−B) = ker (I−B). 1 0 2−1 −1 −1−1 0 −2
x1x2x3
= 000
Kita memiliki SPL
x1 + 0x2 + 2x3 = 0x1 + x2 + x3 = 0
. Misalkan x3 = s, maka x1 = −2s,
x2 = −x1 − x3 = 2s− s = s. Jadi jika ~x ∈ ker (I−B), ~x berbentuk
~x = (−2s, s, s) , s ∈ R.
Akibatnya E1 = span {(−2, 1, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 32 / 41
Metode Mencari Vektor Eigen
Selanjutnya kita akan menentukan ker (λ2I−B) = ker (λ3I−B) = ker (2I−B). 2 0 2−1 0 −1−1 0 −1
x1x2x3
= 000
Kita memiliki SPL x1 + 0x2 + x3 = 0. Nilai x2 tidak terkait dengan x1 maupunx3, jadi x2 = t ∈ R. Jika x3 = u ∈ R, maka x1 = −u. Akibatnya jika~x ∈ ker (2I−B), ~x berbentuk
~x = (−u, t, u) , p, q ∈ R= t (0, 1, 0) + u (−1, 0, 1) .
Sehingga E2 =
span {(0, 1, 0) , (−1, 0, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 33 / 41
Metode Mencari Vektor Eigen
Selanjutnya kita akan menentukan ker (λ2I−B) = ker (λ3I−B) = ker (2I−B). 2 0 2−1 0 −1−1 0 −1
x1x2x3
= 000
Kita memiliki SPL x1 + 0x2 + x3 = 0. Nilai x2 tidak terkait dengan x1 maupunx3, jadi x2 = t ∈ R. Jika x3 = u ∈ R, maka x1 = −u. Akibatnya jika~x ∈ ker (2I−B), ~x berbentuk
~x = (−u, t, u) , p, q ∈ R= t (0, 1, 0) + u (−1, 0, 1) .
Sehingga E2 = span {(0, 1, 0) , (−1, 0, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 33 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk C adalah
pC (λ) = det (λI−C) =
∣∣∣∣∣∣λ− 1 0 2
0 λ− 1 −21 0 λ
∣∣∣∣∣∣ = 0.Melalui ekspansi kofaktor di kolom kedua kita memiliki∣∣∣∣∣∣
λ− 1 0 20 λ− 1 −21 0 λ
∣∣∣∣∣∣ = 0 + (λ− 1) (−1)2+2∣∣∣∣ λ− 1 2
1 λ
∣∣∣∣+ 0= (λ− 1) [(λ− 1) (λ)− 2]= (λ− 1)
(λ2 − λ− 2
)= (λ− 1) (λ− 2) (λ+ 1) .
Jadi nilai eigen dari C adalah λ1 = −1, λ2 = 1, dan λ3 = 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 34 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk C adalah
pC (λ) = det (λI−C) =
∣∣∣∣∣∣λ− 1 0 2
0 λ− 1 −21 0 λ
∣∣∣∣∣∣ = 0.Melalui ekspansi kofaktor di kolom kedua kita memiliki
∣∣∣∣∣∣λ− 1 0 2
0 λ− 1 −21 0 λ
∣∣∣∣∣∣ = 0 + (λ− 1) (−1)2+2∣∣∣∣ λ− 1 2
1 λ
∣∣∣∣+ 0= (λ− 1) [(λ− 1) (λ)− 2]= (λ− 1)
(λ2 − λ− 2
)= (λ− 1) (λ− 2) (λ+ 1) .
Jadi nilai eigen dari C adalah λ1 = −1, λ2 = 1, dan λ3 = 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 34 / 41
Metode Mencari Vektor Eigen
Persamaan karakteristik untuk C adalah
pC (λ) = det (λI−C) =
∣∣∣∣∣∣λ− 1 0 2
0 λ− 1 −21 0 λ
∣∣∣∣∣∣ = 0.Melalui ekspansi kofaktor di kolom kedua kita memiliki∣∣∣∣∣∣
λ− 1 0 20 λ− 1 −21 0 λ
∣∣∣∣∣∣ = 0 + (λ− 1) (−1)2+2∣∣∣∣ λ− 1 2
1 λ
∣∣∣∣+ 0= (λ− 1) [(λ− 1) (λ)− 2]= (λ− 1)
(λ2 − λ− 2
)= (λ− 1) (λ− 2) (λ+ 1) .
Jadi nilai eigen dari C adalah λ1 = −1, λ2 = 1, dan λ3 = 2.
MZI (FIF Tel-U) Ruang Eigen November 2015 34 / 41
Metode Mencari Vektor Eigen
Pertama kita akan menentukan ker (λ1I−C) = ker (−I−C). −2 0 20 −2 −21 0 −1
x1x2x3
= 000
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB: 1 0 −1 00 1 1 00 0 0 0
, akibatnya diperoleh SPL x1 − x3 = 0x2 + x3 = 0
. Misalkan
x3 = s, maka x1 = s dan x2 = −s. Akibatnya jika ~x ∈ ker (−I−C), ~x berbentuk
~x = (s,−s, s) , s ∈ R= s (1,−1, 1) .
Sehingga E−1 =
span {(1,−1, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 35 / 41
Metode Mencari Vektor Eigen
Pertama kita akan menentukan ker (λ1I−C) = ker (−I−C). −2 0 20 −2 −21 0 −1
x1x2x3
= 000
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB: 1 0 −1 00 1 1 00 0 0 0
, akibatnya diperoleh SPL x1 − x3 = 0x2 + x3 = 0
. Misalkan
x3 = s, maka x1 = s dan x2 = −s. Akibatnya jika ~x ∈ ker (−I−C), ~x berbentuk
~x = (s,−s, s) , s ∈ R= s (1,−1, 1) .
Sehingga E−1 = span {(1,−1, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 35 / 41
Metode Mencari Vektor Eigen
Selanjutnya kita akan menentukan ker (λ2I−C) = ker (I−C). 0 0 20 0 −21 0 1
x1x2x3
= 000
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB:
1 0 0 00 0 1 00 0 0 0
,akibatnya diperoleh SPL
x1 = 0x3 = 0
. Nilai x2 tidak terkait dengan x1 dan x3.
Misalkan x2 = t ∈ R, maka ~x ∈ ker (I−C), ~x berbentuk
~x = (0, t, 0) , t ∈ R= t (0, 1, 0) .
Sehingga E1 =
span {(0, 1, 0)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 36 / 41
Metode Mencari Vektor Eigen
Selanjutnya kita akan menentukan ker (λ2I−C) = ker (I−C). 0 0 20 0 −21 0 1
x1x2x3
= 000
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB:
1 0 0 00 0 1 00 0 0 0
,akibatnya diperoleh SPL
x1 = 0x3 = 0
. Nilai x2 tidak terkait dengan x1 dan x3.
Misalkan x2 = t ∈ R, maka ~x ∈ ker (I−C), ~x berbentuk
~x = (0, t, 0) , t ∈ R= t (0, 1, 0) .
Sehingga E1 = span {(0, 1, 0)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 36 / 41
Metode Mencari Vektor Eigen
Terakhir kita akan menentukan ker (λ3I−C) = ker (2I−C). 1 0 20 1 −21 0 2
x1x2x3
= 000
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB: 1 0 2 00 1 −2 00 0 0 0
, akibatnya diperoleh SPL x1 + 2x3 = 0x2 − 2x3 = 0
. Misalkan
x3 = u ∈ R, maka x2 = 2u dan x1 = −2u. Akibatnya ~x ∈ ker (2I−C), ~xberbentuk
~x = (−2u, 2u, u) , u ∈ R= u (−2, 2, 1) .
Sehingga E3 =
span {(−2, 2, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 37 / 41
Metode Mencari Vektor Eigen
Terakhir kita akan menentukan ker (λ3I−C) = ker (2I−C). 1 0 20 1 −21 0 2
x1x2x3
= 000
Dengan OBE diperoleh matriks diperbesar dalam bentuk EB: 1 0 2 00 1 −2 00 0 0 0
, akibatnya diperoleh SPL x1 + 2x3 = 0x2 − 2x3 = 0
. Misalkan
x3 = u ∈ R, maka x2 = 2u dan x1 = −2u. Akibatnya ~x ∈ ker (2I−C), ~xberbentuk
~x = (−2u, 2u, u) , u ∈ R= u (−2, 2, 1) .
Sehingga E3 = span {(−2, 2, 1)}.
MZI (FIF Tel-U) Ruang Eigen November 2015 37 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Bahasan
1 Motivasi: Pengenalan Wajah
2 Definisi Nilai dan Vektor Eigen
3 Metode Mencari Vektor Eigen
4 Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
MZI (FIF Tel-U) Ruang Eigen November 2015 38 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Multiplisitas Aljabar Suatu Nilai Eigen
DefinisiMisalkan A adalah sebuah matriks persegi berorde n dengan polinom karakteristik
pA (λ) = λn + c1λn−1 + · · ·+ c1.
Multiplisitas aljabar dari suatu nilai eigen λ∗, ditulis ma (λ∗), adalah banyaknya
kemunculan λ∗ dalam himpunan penyelesaian pA (λ) = 0.
Latihan
Berikan semua nilai eigen dari matriks A =
1 0 10 1 00 0 2
dan tentukanmultiplisitas aljabar dari nilai-nilai eigen tersebut.
Solusi:
karena A adalah matriks diagonal, maka diperolehpA (λ) = (λ− 1)2 (λ− 2). Nilai-nilai eigen dari A adalah λ1 = 1, denganma (1) = 2, dan λ2 = 2, dengan ma (2) = 1.
MZI (FIF Tel-U) Ruang Eigen November 2015 39 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Multiplisitas Aljabar Suatu Nilai Eigen
DefinisiMisalkan A adalah sebuah matriks persegi berorde n dengan polinom karakteristik
pA (λ) = λn + c1λn−1 + · · ·+ c1.
Multiplisitas aljabar dari suatu nilai eigen λ∗, ditulis ma (λ∗), adalah banyaknya
kemunculan λ∗ dalam himpunan penyelesaian pA (λ) = 0.
Latihan
Berikan semua nilai eigen dari matriks A =
1 0 10 1 00 0 2
dan tentukanmultiplisitas aljabar dari nilai-nilai eigen tersebut.
Solusi: karena A adalah matriks diagonal, maka diperolehpA (λ) = (λ− 1)2 (λ− 2).
Nilai-nilai eigen dari A adalah λ1 = 1, denganma (1) = 2, dan λ2 = 2, dengan ma (2) = 1.
MZI (FIF Tel-U) Ruang Eigen November 2015 39 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Multiplisitas Aljabar Suatu Nilai Eigen
DefinisiMisalkan A adalah sebuah matriks persegi berorde n dengan polinom karakteristik
pA (λ) = λn + c1λn−1 + · · ·+ c1.
Multiplisitas aljabar dari suatu nilai eigen λ∗, ditulis ma (λ∗), adalah banyaknya
kemunculan λ∗ dalam himpunan penyelesaian pA (λ) = 0.
Latihan
Berikan semua nilai eigen dari matriks A =
1 0 10 1 00 0 2
dan tentukanmultiplisitas aljabar dari nilai-nilai eigen tersebut.
Solusi: karena A adalah matriks diagonal, maka diperolehpA (λ) = (λ− 1)2 (λ− 2). Nilai-nilai eigen dari A adalah λ1 = 1, denganma (1) = 2, dan λ2 = 2, dengan ma (2) = 1.
MZI (FIF Tel-U) Ruang Eigen November 2015 39 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Multiplisitas Geometri Suatu Nilai Eigen
DefinisiMisalkan A adalah sebuah matriks persegi dan λ∗ adalah suatu nilai eigen dari A.Multiplisitas geometri dari λ∗, ditulis mg (λ
∗), adalah dimensi dari ruang eigenEλ∗ . Dengan perkataan lain mg (λ
∗) = dim (Eλ∗).
LatihanTentukan multiplisitas aljabar dan muliplisitas geometri dari setiap nilai eigenuntuk matriks A apabila
A =
1 −1 −10 1 −10 0 1
.
MZI (FIF Tel-U) Ruang Eigen November 2015 40 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) =
(λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah 1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi x2 = x3 = 0 dan x1 = t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 = span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) = (λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah
1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi x2 = x3 = 0 dan x1 = t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 = span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) = (λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah 1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi
x2 = x3 = 0 dan x1 = t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 = span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) = (λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah 1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi x2 = x3 = 0 dan x1 =
t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 = span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) = (λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah 1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi x2 = x3 = 0 dan x1 = t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 =
span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) = (λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah 1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi x2 = x3 = 0 dan x1 = t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 = span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41
Multiplisitas Aljabar dan Multiplisitas Geometri Nilai Eigen
Solusi: polinom karakteristik dari A adalah pA (λ) = (λ− 1)3. Diperolehpersamaan karakteristik pA (λ) = (λ− 1)3 = 0. Jadi nilai eigen dari A adalah 1dan ma (1) = 3. Selanjutnya kita akan menentukan E1 = ker (I−A). Dari 0 1 1
0 0 10 0 0
x1x2x3
= 000
diperoleh
x2 + x3 = 0x3 = 0
, jadi x2 = x3 = 0 dan x1 = t ∈ R. Akibatnya jika
~x ∈ E1, maka ~x = (t, 0, 0), t ∈ R. Jadi E1 = span {(1, 0, 0)}. Akibatnyamg (1) = dim (E1) = 1.
PermasalahanPada latihan ini, kita melihat bahwa mg (1) ≤ ma (1). Apakah ini berlaku untuksetiap nilai eigen pada sembarang matriks persegi?
TeoremaJika A adalah matriks persegi dan λ adalah nilai eigen dari A, makamg (λ) ≤ ma (λ).
MZI (FIF Tel-U) Ruang Eigen November 2015 41 / 41