P. 1
BAB VII.ruang Eigen

BAB VII.ruang Eigen

|Views: 36|Likes:
Published by Rara Aya Tiara
eigen
eigen

More info:

Published by: Rara Aya Tiara on Apr 30, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/08/2013

pdf

text

original

Ruang Eigen

53

BAB VII Ruang Eigen VII.1 Nilai Eigen suatu matriks Diketahui A matriks berukuran n x n, x vektor tak–nol berukuran n x 1 , n x ∈ R . Karena A berukuran n x n , maka A x akan berupa vektor yang berukuran n x 1 juga. Bila terdapat skalar λ , λ ∈ Riil sedemikian hingga A x = λ x (A x menghasilkan vektor yang besarnya λ kali x ). Semua nilai λ yang memenuhi persamaan tersebut sehingga ada nilai x yang nyata ( bukan vektor 0 saja ) disebut nilai eigen ( karakteristik ). Untuk menentukan nilai λ , dari persamaan A x = λ x sebelumnya dirubah dahulu menjadi persamaan (A − λ I ) x = 0 = (λ I − A ) x . Agar persamaan tersebut memiliki penyelesaian tak–trivial ( sejati ) , maka dapat ditentukan melalui nilai det (A − λ I ) yaitu det (A − λ I ) = det (λ I − A ) = 0. Persamaan det (A − λ I ) = det (λ I − A ) = 0 ini disebut persamaan karakteristik. Banyaknya nilai eigen maksimal adalah n buah. Dari nilai eigen yang telah diperoleh tersebut dapat ditentukan ruang solusi untuk x dengan memasukkan nilai eigen yang yang diperoleh kedalam persamaan (A − λ I ) x = 0 . Ruang solusi yang dperoleh dengan cara demikian ini disebut juga dengan ruang eigen. Dari ruang eigen yang bersesuaian dengan nilai eigen tertentu tersebut dapat dicari minimal sebuah basis ruang eigen yang saling bebas linear. Contoh 7.1.1 Diketahui A =
 1 0 − 2  0 1 2     − 1 0 0  

Tentukan nilai Eigen beserta basis ruang eigennya ! Jawab Persamaan karakteristik dari A adalah det (λ I − A ) = 0 .
0 λ − 1  det  0 λ − 1  0  1 2 − 2  = λ 

( λ − 1 )2 λ − 2 (λ − 1 ) = ( λ − 1 ) [( λ − 1 ) λ − 2 ] = ( λ − 1 ) (λ2 − λ − 2 ) = ( λ − 1 ) ( λ + 1 ) ( λ − 2 )

Jadi nilai eigen untuk A adalah : −1, 1, 2 . Basis ruang eigen diperoleh dengan memasukkan nilai eigen yang diperoleh kedalam persamaan (A – λ I ) x = 0 .

Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom

basis ruang eigen bisa berupa  − 2  2     1  Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom . maka akan memiliki nilai eigen λk . Jika banyaknya nilai eigen dari Ak sebanyak n juga maka basis ruang eigennya tatap sama . maka salah satu nilai eigennya akan memiliki basis ruang eigen yang berbeda . jika A memiliki n buah nilai eigen = λ . tetapi jika jumlah nilai eigennya kurang dari n ( ini terjadi jika ada nilai eigen yang saling berlawanan tanda ).Ruang Eigen 54 Untuk λ = −1 Didapatkan persamaan   0 −2   1 0 0 − 2  0 −2   0  1 2 − 2  −1  − 1 0 1  ~  0 − 2 −2    0 0 0    x1   s  x  = − s . Untuk kasus yang khusus . 1 dan 2.  2       x 3   s − 2 0 2 − 2  −1   x1  x   2   x 3  1 0  0 1   0 0 = 0 − 1 1  0   1 − 1      1 ~ Ruang eigen = basis ruang eigen bisa berupa Untuk λ = 1 Didapatkan persamaan 1 0 ~  0 0  0 0  x1   Ruang eigen =  x 2  =  x 3   0 0 0 0   1 0 2 − 2  1  0 0 0 0   1 0 1 − 2  2   0 s      0  2 − 2  1  1 0 0 0   0 0  x1  x   2   x 3  0 1  0  = 0 ~  .  x1  x   2  x 3   = . basis ruang eigen bisa berupa   1   0   0 Untuk λ = 2 Didapatkan persamaan 1 0 0 1   1 0 2 − 2  2  1 0   0 0 1 0 1 0 0 1   1 0 2 − 2  0   − 2 s  2s      s   2 − 2  2   x1  x   2  x 3   = 0 ~ Ruang eigen = Jadi terdapat tiga buah basis ruang eigen yang bebas linear yang bersesuaian dengan nilai eigen –1 .

2 B=A = 2 Maka nilai eigen untuk B adalah : −12 . untuk λ = 1 .Ruang Eigen 55 Contoh 7. VII.22 dengan basis ruang eigen untuk λ=1  1  . maka basis ruang eigennya juga akan berjumlah n . Basis ruang eigen  1 − 1     1   1   1       1 0  1  ini merupakan vektor proyeksi  terhadap vektor   0 . Jadi pada saat jumlah nilai eigen sama dengan n maka matriks dapat didiagonalisasi. basis ruang eigennya :   0    1  − 2  . Karena berasal dari dua nilai eigen yang berbeda maka basis ruang eigennya juga mengalami sedikit perubahan yaitu untuk basis ruang eigen dengan λ = −1. basis ruang eigennya :   2    1  3 0 − 2 =  2  −2 1   − 1 0 2   dan      0 1  0  λ=4 Pada contoh ini. Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom . Jika A matriks bujursangkar berukuran n . P disebut matriks yang mendiagonalisasi A . masih ada dua kemungkinan yaitu jumlah nilai eigennya sama dengan n atau jumlah nilai eigennya kurang dari n . jika jumlahnya kurang dari n maka tidak dapat didiagonalisasi. Jika matriks bujur sangkar berukuran n dan basis ruang eigen yang bebas linear berjumlah n juga.1. Cara lain yang bisa digunakan untuk menentukan basis ruang eigen tentunya dengan memasukkan nilai λ = −1 kedalam persamaan karakteristik seperti cara sebelumnya. Dalam hal ini basis ruang eigen untuk λ = −1 dibuat saling orthogonal . Pada saat matriks memiliki nilai eigen sejumlah n .2 Diagonalisasi Pada pembahasan kali ini adalah mengenai penentuan matriks diagonal D dan matriks pendiagonal P yang berkaitan dengan basis ruang eigen yang telah dipelajari pada bahasan sebelumnya. sedangkan D merupakan matriks diagonal yang elemen diagonalnya merupakan semua nilai eigen dari A. dan terdapat matriks diagonal D sedemikian hingaga D = P–1AP sehingga dikatakan matriks A dapat didiagonalisasi. 12 . Tidak semua matriks bujur sangkar dapat didiagonalisasi tergantung dari jumlah basis ruang eigen yang dimiliki. maka matriks tersebut dapat didiagonalisai . P merupakan matriks n x n yang kolom – kolomnya merupakan vektor – vektor kolom dari basis ruang eigen A. memiliki dua basis ruang eigen yang berasal dari nilai eigen –1 dan 1 . sedangkan pada saat jumlah nilai eigennya kurang dari n .

x n yang bersesuaian dengan nilai eigen λ1.     1   0 0 . selanjutnya matriks D akan mengikuti urutan dari matriks P .1 Diketahui A =  1 0 − 2  0 1 2  .maka matriks pendigonal P bisa diambil sebagai . ….2 Diketahui B =  2 1 − 1  0 1 1    0  0 2  Apakah B dapat didiagonalisasi ? Jika dapat tentukan matriks yang mendiagonalisasi B beserta matriks diagonalnya ! Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom .. x 2. λn (λi tidak harus berbeda dengan λj ). λ2.1. 1. tentukan   0  − 1 0 matriks yang mendiagonalisasi A dan matriks diagonalnya ! Jawab Dari jawaban pada contoh 7. Contoh 7.2. Secara umum untuk menentukan matriks pendiagonal P dan matriks diagonal D adalah sebagai berikut : Misal A matriks bujur sangkar n x n memiliki n buah basis ruang eigen yang bebas linear x 1 . didapatkan nilai eigen : −1 . 2  dengan matriks diagonalnya adalah . dan 2 dengan basis ruang eigen yang bersesuaian berturut – turut adalah Jadi matriks pendiagonal P bisa ditentukan sebagai : P=   −1 1  1 0 − 2 2    1 0 1    1 − 1 .2. 0   − 2  2. P = [ x 1 x 2 x n ] dengan matriks diagonalnya adalah : D= λ1 0   0 λ2 : :  0 0 0  0 . : :  0 λn  0 0 Contoh 7.Ruang Eigen 56 sedangkan pada saat jumlah nilai eigen kurang dari n belum bisa ditentukan apakah matriks bisa didiagonalisasi atau tidak . . .      1      0 1 . . D =   0 1   0  −1 0 0 Kolom – kolom pada matriks P juga dapat dirubah– ubah urutannya sehingga kalau dihitung ada sebanyak 6 matriks yang memenuhi jawaban .1 .

Untuk itu akan dicari banyaknya basis ruang eigen. 2 Karena hanya ada dua nilai eigen . substitusi nilai λ = 2 ke persamaan ( λ I – B ) x = 0 1 − 1 0 1  x = 0 0 −2 2  0 −1 1  0  0 ~ − 1 0 1    0 −2 2   0 s   Ruang eigen : x =  t   t             0 −1 1 0 0 − 1 0  0  1  0  s    0   = + 0  1  t    1   1  0      0  Jadi untuk λ = 2 terdapat dua basis ruang eigen : dan 0  1      1  Untuk λ = –1 . substitusi nilai λ = –1 ke persamaan ( λ I – B ) x = 0  −3  0    0  −3  0    0 −1 −2 −2 −1 −2 −2 1 −1   x − 1  1 −1   − 1  = 0  3  0    0 1 2 0 − 1 1  0   3   0  0  0 2 0   1 0  3 2 ~ ~ Ruang eigen : x = − t  − 1 − t  = − 1 t       2t     2  − 1 − 1     2  Jadi untuk λ = −1 terdapat satu basis ruang eigen : Jadi B dapat didiagonalisasi dengan matriks yang mendiagonalisasi Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom . maka belum bisa ditentukan apakah B dapat didiagonalisasi ataukah tidak. Untuk λ = 2 .Ruang Eigen 57 Jawab Persamaan karakteristik : det (λ I – B ) = 0 Det    λ − 2 −1 λ −1 0  −2  0 1 − 1  =(λ λ  – 2 ) (λ2 – λ –2 ) = ( λ – 2 ) (λ + 1 ) ( λ –2 ) = 0 Jadi nilai eigen : –1 .

ada satu basis ruang eigen yaitu : 1  0      0  Untuk λ = 2 . substitusi nilai λ = 2 ke persamaan ( λ I – C ) x = 0           0 0 0 0 0 0 0 0 −1 0 0 −1 2 0  x − 1  2 0  − 1  = 0 1 0 0 0 1  0  Ruang eigen :  0 ~   0   0 s   x =  0    0  Jadi untuk λ = 1. substitusi nilai λ = 2 ke persamaan ( λ I – C ) x = 0  1 0  0 1    0 −1 2 0  x 0  = 0 Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom .2.3 Diketahui C =  0 1 1 0 − 2 0    0 1 2   Jawab Persamaan karakteristik : det (λ I − C ) = 0 Det 0  λ −1  0 λ −1   −1  0 2  0   =(λ λ − 2  – 1 )2 ( λ –2 ) = 0 Jadi nilai eigen : 1 . Untuk itu akan diperiksa banyaknya basis ruang eigen. Untuk λ = 1 . 2 Karena hanya ada dua nilai eigen maka belum bisa ditentukan apakah C dapat didiagonalisasi ataukah tidak.Ruang Eigen 58 P=  1 0  0 1    0 1 − 1 − 1  2  dengan matriks diagonal D =  2  0    0 0 2 0 0 0  − 1  Contoh 7.

. ada satu basis ruang eigen yaitu : Karena hanya ada dua basis ruang eigen yang bebas linear. ….3 Diagonalisasi orthogonal Sebelum membahas lebih lanjut mengenai diagonalisasi orthogonal akan didefinisikan tentang matriks orthogonal. λn kemudian u 1 .. …. x n dengan hasil kali dalam Euclides . Matriks A dapat didiagonalisasi secara orthogonal jika terdapat P orthogonal sehingga P−1 A P = D dengan D adalah matriks diagonal. u 2. yaitu : P −1 A P = D P D P −1 = A P D Pt = A ( dari sifat Pt = P−1 ) ………………………………………. . Matriks bujur sangkar P disebut matriks orthogonal bila berlaku Pt = P−1. x 2. maka C tidak dapat didiagonalisasi VII. . maka matriks yang mendiagonalisasi secara orthogonal adalah P = [ u 1 u 2. ( 2 ) Dari persamaan 1 dan 2 didapatkan agar A bisa didiagonalisasi secara orthogonal maka matriks A harus memenuhi sifat A = At ( A harus matriks simetri ). … u n ] sedangkan matriks diagonal D sama dengan matriks diagonal D pada bahasan sebelumnya. − 2  0      1 Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom .Ruang Eigen 59  1 0  0 1    0 −1 2 0  0  Ruang eigen :  1 0 ~   0 1   0 0 − 2s   x =   0     s  2 0  0  Jadi untuk λ = 1. x 2. …. Menentukan matriks P yang mendiagonalisasi secara orthogonal Cara menentukan matriks P pada diagonalisasi orthogonal ini sebenarnya hampir sama dengan penentuan P pada diagonalisasi sebelumnya yaitu didasarkan pada basis ruang eigen yang telah diperoleh sebelumnya. Misalkan x 1 . λ2. maka pada pembahasan kali ini ada sedikit perbedaan tentang matriks yang bisa didiagonalisasi ataukah tidak . Berbeda dengan masalah diagonalisasi sebelumnya . u n merupakan himpunan orthonormal hasil transformasi dari x 1 .( 1 ) (P D Pt )t = At ( kedua ruas ditransposekan ) P D Pt = At ……………………………………………………………. x n merupakan basis ruang eigen yang bersesuaian dengan nilai eigen λ1.

substitusi nilai λ = 0 ke persamaan ( λ I – A ) x = 0 − 1 0 0 0  x = 0 − 1 0 − 1  − 1 0 − 1  1 0 1   0 0 0 ~   0 0 0  − 1 0 − 1    0 0 0 − 1 − s   =  0 s Ruang eigen : x =  t        S  1             −1 0  +  1  t   0  1  0      0  0  1      1  0  Jadi untuk λ = 0 terdapat dua basis ruang eigen : dan Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom .Ruang Eigen 60 Contoh 7.1 Diketahui A = 1 0 1 0 0 0      1 0 1 Tentukan matriks yang mendiagonalisasi A secara orthogonal beserta matriks diagonalnya ! Jawab Persamaan karakteristik : det (λ I − A ) = 0 Det    λ −1 0 λ 0   −1 0 −1  0   =(λ λ − 1  − 1 )2 λ − λ = λ { ( λ − 1 )2 – 1 } = 0 Nilai eigen : 0 . 2 Untuk λ = 0 .3.

x = 0 Tentukan nilai a agar SPL memiliki solusi banyak dengan 1 atau 2 parameter ! Tulis solusi SPL dari nilai a didapat ! 3. Matriks mana saja yang dapat didiagonalkan secara orthogonal beserta matriks yang mendiagonalkan secara orthogonal ! 5. Tentukan nilai eigen dan basis ruang eigen yang bersesuaian dengan nilai eigennya dari matriks – matriks berikut ! a. s − t . 0 3 1 2 0 1  0 2 0  2 0 1 d.0 ) .1 dan 2 suatu matriks . s.( 0. Tentukan ! a. 2 3  0  0 1 0  0  0 1 0 0 0 0 0  0 1 0  0 0 0 0 0 0 2 0 2  0 2 0  2 0 1 c. Matriks yang mendiagonalkan A ! b.1) . 4. tentukan  2 3 nilai α agar x memiliki solusi banyak jika A =  ! 1 0  Diketahui SPL a.1 ) } merupakan basis ruang eigen dari nilai eigen –1. b. t ) dan ( 2s. (2.1 dan ruang eigen yang bersesuaian dengan nilai eigen tersebut adalah ( s. 0 0  − a  0 1− a 1     1 1 − a  0  2. Yuliant Sibaroni Sekolah Tinggi Teknologi Telkom .1. Diketahui persamaan A x = α x . 6.1. Diketahui matriks A 3X3 memiliki nilai eigen 0 . Matriks A ! Diketahui H = { (1. Matriks mana saja yang dapat didiagonalkan beserta matriks yang mendiagonalkan ! b. tentukan a.  1 −1 − 4 1   0 0  0 0  0 0  1  0 0 0 0 0  0 0  0 0 b.Ruang Eigen 61 Latihan 7 1.0. s ). dengan x ∈ R2 dan α skalar . Tentukan matriks yang dimaksud ! Dari soal nomor 3 .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->