Halo, Sobat Matematika! Bagaimana kabarmu hari ini? Saya harap semangatmu untuk belajar tetap membara, apalagi di tahun 2026 ini, di mana kemampuan analisis data dan pemahaman algoritma—yang akarnya adalah aljabar linear—menjadi sangat krusial. Salah satu topik yang sering dianggap “momok” namun sebenarnya sangat cantik logikanya adalah Eigen Vektor dan Eigen Value.
Baca juga:Kumpulan Contoh Soal TKB Terbaru dan Tips Menjawabnya dengan Benar
Mungkin kamu pernah melihat persamaan $A\mathbf{v} = \lambda\mathbf{v}$ di buku teks dan merasa sedikit pusing. Tenang saja! Di artikel ini, kita tidak akan sekadar membahas rumus kering, tapi saya akan mengajakmu memahami “jiwa” dari eigen vektor melalui contoh soal yang dikemas secara sederhana. Kita akan belajar cara menyelesaikannya dengan langkah-langkah yang mudah diikuti, bahkan jika kamu merasa bukan seorang “jenius matematika”. Mari kita mulai!
Apa Itu Sebenarnya Eigen Vektor dan Eigen Value?
Sebelum masuk ke soal, bayangkan sebuah matriks $A$ sebagai sebuah mesin transformasi. Jika kamu memasukkan sebuah vektor ke dalam mesin ini, biasanya vektor tersebut akan diputar (rotated) dan ditarik atau dipendekkan (scaled).
Namun, ada beberapa vektor istimewa yang jika dimasukkan ke mesin tersebut, arahnya tidak berubah sama sekali. Vektor tersebut mungkin menjadi lebih panjang atau lebih pendek, tapi ia tetap berada di jalur (garis) yang sama. Vektor “setia” inilah yang kita sebut sebagai Eigen Vektor. Sedangkan faktor pengali (seberapa banyak ia memanjang atau memendek) disebut sebagai Eigen Value ($\lambda$).
Secara matematis, rumusnya adalah:
$$A\mathbf{v} = \lambda\mathbf{v}$$
Untuk menemukan mereka, kita harus menyelesaikan persamaan karakteristik:
$$\det(A – \lambda I) = 0$$
Di mana $I$ adalah matriks identitas.
Langkah-Langkah Umum Penyelesaian
Agar kamu tidak bingung, selalu ikuti urutan “Sakti” ini:
- Cari Nilai Eigen ($\lambda$): Selesaikan determinan dari matriks $A$ yang dikurangi $\lambda$ pada diagonal utamanya.
- Cari Vektor Eigen ($\mathbf{v}$): Masukkan nilai $\lambda$ yang sudah didapat kembali ke persamaan $(A – \lambda I)\mathbf{v} = 0$.
- Selesaikan Sistem Persamaan Linear (SPL): Temukan hubungan antar variabel dalam vektor tersebut.
Contoh Soal 1: Matriks Ordo $2 \times 2$ (Dasar)
Mari kita mulai dengan yang paling sederhana agar logikanya tertanam kuat.
Diketahui matriks:
$$A = \begin{pmatrix} 1 & 2 \\ 2 & 4 \end{pmatrix}$$
Tentukan nilai eigen dan vektor eigennya!
Penyelesaian Langkah 1: Mencari Nilai Eigen
Kita susun persamaan determinan:
$$\det \begin{pmatrix} 1-\lambda & 2 \\ 2 & 4-\lambda \end{pmatrix} = 0$$
$$(1-\lambda)(4-\lambda) – (2 \times 2) = 0$$
$$\lambda^2 – 5\lambda + 4 – 4 = 0$$
$$\lambda^2 – 5\lambda = 0$$
$$\lambda(\lambda – 5) = 0$$
Kita dapatkan dua nilai eigen: $\lambda_1 = 0$ dan $\lambda_2 = 5$.
Penyelesaian Langkah 2: Mencari Vektor Eigen untuk $\lambda = 5$
Substitusikan $\lambda = 5$ ke dalam $(A – \lambda I)\mathbf{v} = 0$:
$$\begin{pmatrix} 1-5 & 2 \\ 2 & 4-5 \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$$
$$\begin{pmatrix} -4 & 2 \\ 2 & -1 \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$$
Dari baris kedua, kita dapatkan persamaan: $2x_1 – x_2 = 0$, yang berarti $x_2 = 2x_1$.
Jika kita pilih $x_1 = 1$, maka $x_2 = 2$.
Maka vektor eigen pertama adalah $\mathbf{v}_1 = \begin{pmatrix} 1 \\ 2 \end{pmatrix}$.
Penyelesaian Langkah 3: Mencari Vektor Eigen untuk $\lambda = 0$
$$\begin{pmatrix} 1-0 & 2 \\ 2 & 4-0 \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$$
$$\begin{pmatrix} 1 & 2 \\ 2 & 4 \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$$
Didapat persamaan: $x_1 + 2x_2 = 0$, yang berarti $x_1 = -2x_2$.
Jika kita pilih $x_2 = 1$, maka $x_1 = -2$.
Maka vektor eigen kedua adalah $\mathbf{v}_2 = \begin{pmatrix} -2 \\ 1 \end{pmatrix}$.
Contoh Soal 2: Matriks dengan Nilai Eigen Kembar (Analisis Lebih Dalam)
Bagaimana jika nilai eigennya sama? Mari kita lihat matriks berikut:
$$B = \begin{pmatrix} 3 & 0 \\ 0 & 3 \end{pmatrix}$$
Penyelesaian:
Persamaan karakteristiknya adalah $(3-\lambda)(3-\lambda) – 0 = 0$, sehingga $(3-\lambda)^2 = 0$.
Nilai eigennya adalah $\lambda = 3$ (kembar).
Jika kita masukkan ke persamaan vektor eigen:
$$\begin{pmatrix} 3-3 & 0 \\ 0 & 3-3 \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$$
$$\begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} x_1 \\ x_2 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$$
Artinya, semua vektor di ruang ini adalah eigen vektor! Ini adalah kasus khusus di mana matriks hanya melakukan skala pada semua arah tanpa mengubah orientasi apa pun.
Tips Menyelesaikan dengan Mudah
Agar kamu tidak terjebak dalam hitungan yang rumit, berikut adalah beberapa tips “curang” yang sangat berguna:
- Cek Jumlah Diagonal: Jumlah nilai-nilai eigen ($\lambda_1 + \lambda_2$) harus sama dengan jumlah diagonal utama matriks (disebut Trace). Pada Contoh 1: $0 + 5 = 1 + 4$. Pas sekali!
- Cek Determinan: Hasil kali nilai-nilai eigen ($\lambda_1 \times \lambda_2$) harus sama dengan determinan matriks asli. Pada Contoh 1: $0 \times 5 = (1 \times 4) – (2 \times 2) = 0$. Cocok lagi!
- Redundansi Baris: Saat mencari vektor eigen, matriks $(A – \lambda I)$ harus menghasilkan baris yang saling berkelipatan. Jika kamu mendapatkan baris yang berbeda (misal $x=1$ dan $x=2$ secara bersamaan), pasti ada kesalahan hitung pada nilai $\lambda$.
Mengapa Belajar Eigen Vektor Itu Penting di Tahun 2026?
Mungkin kamu bertanya, “Untuk apa saya menghitung ini secara manual?”. Di era kecerdasan buatan sekarang, eigen vektor adalah pahlawan di balik layar:
- Google PageRank: Algoritma Google menggunakan eigen vektor untuk menentukan seberapa penting sebuah halaman web.
- Kompresi Gambar (PCA): Saat kamu mengecilkan ukuran foto tanpa merusak kualitasnya secara drastis, komputer sedang mencari eigen vektor dari data pixel foto tersebut.
- Analisis Getaran: Insinyur menggunakan ini untuk memastikan jembatan atau gedung tidak runtuh saat terkena gempa atau angin kencang.
Tabel Ringkasan Prosedur
| Langkah | Cara Kerja | Hal yang Harus Diperhatikan |
| Persamaan Karakteristik | $\det(A – \lambda I) = 0$ | Jangan salah tanda minus saat perkalian silang. |
| Faktorisasi | Cari akar-akar $\lambda$ | Gunakan rumus ABC jika sulit difaktorkan secara manual. |
| Substitusi | Masukkan $\lambda$ ke matriks | Pastikan matriks hasil menjadi singular (ada baris nol). |
| Solusi Vektor | Temukan rasio $x_1, x_2, \dots$ | Vektor eigen tidak boleh berupa vektor nol $\begin{pmatrix} 0 \\ 0 \end{pmatrix}$. |
Baca juga:Universitas Teknokrat Indonesia Masuk Daftar Kampus Terbaik Nasional 2025 Versi UniRanks
Penutup
Belajar matematika, terutama aljabar linear, memang membutuhkan ketelitian. Namun, setelah kamu memahami polanya, kamu akan melihat betapa rapinya dunia ini disusun oleh angka-angka. Contoh-contoh soal di atas adalah gerbang awalmu. Jangan takut mencoba soal dengan angka yang lebih “berantakan” karena prinsipnya akan selalu sama.
Penulis: marfel
Post Comment