Lihat sumber Nilai eigen

Dalam [[aljabar linear]], nilai eigen adalah sebuah skalar yang menunjukkan seberapa besar suatu vektor akan berubah panjang atau arah ketika dikenai transformasi linier tertentu. Nilai eigen sering digunakan bersama dengan [[vektor eigen]], yaitu vektor non-nol yang arah dan proporsinya dipertahankan oleh transformasi tersebut. Konsep ini memiliki peran penting dalam berbagai bidang matematika, fisika, dan teknik, terutama dalam analisis matriks dan sistem persamaan diferensial.

== Definisi Formal ==
Secara formal, diberikan suatu [[matriks]] persegi <math>A</math> dan vektor non-nol <math>v</math>, vektor tersebut disebut sebagai vektor eigen dari <math>A</math> jika memenuhi persamaan:
<math>
A v = \lambda v
</math>
di mana <math>\lambda</math> adalah nilai eigen yang bersesuaian. Nilai eigen <math>\lambda</math> dapat berupa bilangan riil atau kompleks, tergantung pada sifat matriksnya. Definisi ini menjadi dasar dalam berbagai metode analisis matriks.

== Sifat-sifat Nilai Eigen ==
Nilai eigen memiliki beberapa sifat penting yang berguna dalam analisis:
# Jumlah dari semua nilai eigen suatu matriks sama dengan [[jejak matriks]] (trace) dari matriks tersebut.
# Hasil kali semua nilai eigen sama dengan [[determinan]] dari matriks.
# Nilai eigen dapat berulang, dan jumlah pengulangannya disebut sebagai [[multipisitas aljabar]].
# Nilai eigen dapat bersifat riil atau kompleks, tergantung pada jenis matriks.

== Perhitungan Nilai Eigen ==
Untuk menghitung nilai eigen, biasanya digunakan persamaan karakteristik. Persamaan ini diperoleh dengan menyelesaikan:
<math>
\det(A - \lambda I) = 0
</math>
di mana <math>I</math> adalah [[matriks identitas]]. Akar-akar dari persamaan tersebut adalah nilai eigen dari <math>A</math>. Proses ini dapat dilakukan secara analitik untuk matriks berukuran kecil, atau secara numerik menggunakan [[algoritma]] tertentu untuk matriks besar.

== Hubungan dengan Vektor Eigen ==
Setiap nilai eigen memiliki satu atau lebih vektor eigen yang bersesuaian. Vektor eigen menunjukkan arah transformasi yang tidak berubah, sementara nilai eigennya menunjukkan skala perubahan. Dalam praktik, penentuan vektor eigen dilakukan setelah nilai eigen diketahui, dengan menyelesaikan sistem persamaan:
<math>
(A - \lambda I) v = 0
</math>.

== Aplikasi dalam Ilmu Pengetahuan ==
Nilai eigen digunakan dalam berbagai bidang:
# Dalam [[mekanika kuantum]], nilai eigen dari operator Hamilton merepresentasikan tingkat energi sistem.
# Dalam [[statistik]], analisis komponen utama (PCA) menggunakan nilai eigen untuk menentukan varians maksimum dalam data.
# Dalam [[graf teori]], nilai eigen dari [[matriks ketetanggaan]] digunakan untuk menganalisis sifat struktural graf.
# Dalam [[rekayasa]], nilai eigen digunakan untuk mempelajari getaran dan resonansi sistem mekanis.

== Nilai Eigen Matriks Simetris ==
Matriks simetris memiliki sifat khusus: semua nilai eigennya adalah bilangan riil, dan vektor eigennya dapat dipilih sehingga saling ortogonal. Hal ini membuat matriks simetris sangat penting dalam analisis data dan optimisasi, karena sifat ortogonalitas mempermudah perhitungan dan interpretasi.

== Nilai Eigen Kompleks ==
Jika matriks memiliki entri kompleks atau tidak simetris, nilai eigennya dapat berupa bilangan kompleks. Hal ini sering muncul dalam sistem yang melibatkan osilasi atau rotasi, di mana bagian riil dan imajiner dari nilai eigen memberikan informasi tentang amplitudo dan frekuensi.

== Spektrum Matriks ==
Kumpulan semua nilai eigen dari suatu matriks disebut sebagai spektrum matriks. Spektrum memberikan gambaran global tentang sifat transformasi yang diwakili oleh matriks tersebut. Analisis spektrum digunakan dalam berbagai cabang matematika, seperti [[analisis fungsional]].

== Nilai Eigen dalam Persamaan Diferensial ==
Nilai eigen sering muncul dalam solusi [[persamaan diferensial]] linear. Misalnya, pada sistem
<math>
\frac{dx}{dt} = A x
</math>
nilai eigen dari <math>A</math> menentukan sifat pertumbuhan atau peluruhan solusi. Nilai eigen positif menunjukkan pertumbuhan eksponensial, sedangkan nilai eigen negatif menunjukkan peluruhan.

== Metode Numerik untuk Nilai Eigen ==
Untuk matriks yang besar, metode analitik menjadi sulit dilakukan. Oleh karena itu, digunakan metode numerik seperti:
# [[Metode daya]] (Power method) untuk memperkirakan nilai eigen terbesar.
# [[Metode QR]] untuk menghitung semua nilai eigen secara efisien.
# [[Iterasi subruang]] untuk matriks sparse.  
Metode ini memungkinkan analisis nilai eigen pada sistem dengan jutaan variabel.

== Nilai Eigen dan Stabilitas Sistem ==
Dalam [[teori kontrol]], nilai eigen digunakan untuk menentukan stabilitas sistem dinamis. Sistem dikatakan stabil jika semua nilai eigen dari matriks keadaan memiliki bagian riil negatif. Analisis ini penting dalam perancangan sistem otomasi, pesawat terbang, dan robot.

== Kesimpulan ==
Nilai eigen adalah konsep fundamental yang menghubungkan struktur internal suatu transformasi linier dengan perilaku sistem yang direpresentasikannya. Dari teori matriks hingga aplikasi kompleks dalam sains dan teknologi, nilai eigen dan vektor eigen memberikan alat analisis yang kuat untuk memahami dan memecahkan berbagai masalah. Dengan memahami sifat dan metode perhitungannya, para peneliti dan insinyur dapat memanfaatkan konsep ini secara optimal dalam pekerjaan mereka.