B
[x]
,B
= [x]
B
dan [T]
B
[x]
,B
= [T(x)]
B
melalui contoh-contoh.
11
Catatan:
a. Masalah pencarian matriks transformasi linear sebaiknya digambarkan melalui contoh soal. Sebuah contoh soal
yang dilengkapi diagram komutatif dan penjelasannya diberikan dalam Lampiran IV.
SubBab 8.4 Anton, Rorres [1] berisi materi transformasi linear di ruang vektor umum, bukan sekedar ruang Euclid
11
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 6.6):
1. Hubungan antara sifat ortogonal A, sifat ortonormal baris/kolom matriks A sebagai vektor di ruang Euclid.
2. Ekuivalensi antara sifat ortogonal A berukuran n n dengan kesamaan |Ax| = x dan AxAy = xy, x, y e R
n
.
4
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 7.1 - 7.2):
1. Hubungan antara nilai eigen dari matriks persegi A, SPL homogin (I A)x = 0, dan det(I A).
2. Polinom karateristik matriks A
3. Hubungan antara keberadaan invers matriks persegi A dengan nilai eigen matriks persegi A.
4. Definisi matriks terdiagonal dan hubungannya dengan sifat kebebasan linear vektor-vektor eigennya.
5. Penentuan matriks tak singulir P yang membuat P
1
AP diagonal
12
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 7.3):
1. Hubungan antara matriks terdiagonal dengan multiplisitas geometris dan multiplisitas aljabar nilai-nilai eigennya.
2. Ekuivalensi sifat ortogonal terdiagonal dengan bentuk simetri dan sifat ortonormal vektor-vektor eigen matriks A.
3. Implikasi dari bentuk simetri matriks A terhadap nilai eigen dan sifat ortogonal vektor-vektor eigen matriks A.
4
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 8.1):
1. Definisi transformasi linear di ruang vektor umum V yang dilengkapi contoh-contoh: dilasi, kontraksi, projeksi
ortogonal, transformasi linear pengawanan setiap vektor di V ke koordinat vektor tersebut relatif terhadap suatu
basis, dari Pn ke Pn+1, operator linear pada Pn, transformasi linear yang didefinisikan oleh hasil kali dalam, dari
C(,) ke C
1
(,). Perlu diberikan satu-dua contoh fungsi yang bukan transformasi linear.
2. Sifat-sifat dasar transformasi linear
3. Komposisi beberapa transformasi linear
12
13
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 8.2):
1. Definisi kernel dan daerah jangkauan transformasi linear dilengkapi contoh-contoh: transformasi linear sebagai
perkalian matrix T(x) = Ax, transformasi nol, operator identitas, projeksi ortogonal, rotasi, penurunan (diferensiasi)
2. Sifat-sifat dasar kernel dan daerah jangkauan transformasi linear
3
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 8.2):
1. Perbedaan dan ekuvalensi antara nulitas dan rank suatu matriks A dengan nulitas dan rank transformasi linear T
A
yang diwakili oleh matriks A tersebut.
2. Teorema Dimensi dan penerapannya
14
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 8.3):
1. Transformasi linear yang bersifat 1-1 dan contoh-contohnya: perkalian matrix T(x) = Ax dengan A tak singulir,
T(p(x)) = xp(x), contoh penyangkal sifat 1-1 tidak ekuivalen dengan sifat pada, contoh transformasi linear yang
tidak 1-1 (diferensiasi)
2. Kernel, daerah jangkauan dan nulitas transformasi linear yang bersifat 1-1
4
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 8.3 8.4):
1. Komposisi dua tranformasi linear dan balikan transformasi linear yang bersifat 1-1
2. Hubungan antara dimensi domain, kodomain dan transformasi linear 1-1
3. Review dan pendalaman matriks penyajian dari transformasi linear relatif terhadap perubahan basis (Minggu 10,
pertemuan II) khususnya verifikasi dari implikasi: Jika B adalah basis untuk U, B adalah basis untuk V, B adalah
basis untuk W, T
1
: U V, T
2
: V W adalah transformasi linear, maka diperoleh kesamaan matriks [T
2
T
1
]
B,B
=
[T
2
]
B,B
[T
1
]
B,B
.
15
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 8.5):
1. P = [I]
B,B
, matriks transisi perubahan basis dari B ke B adalah matriks transisi dari operator identitas
2. Verifikasi kesamaan matriks: [T]
B
= [I]
B,B
[T]
B
[I]
B, B
= P
1
[T]
B
P yaitu matriks dari fungsi komposisi ITI di
mana basis untuk domain pertama dan kodomain terakhir (keduanya dari fungsi identitas I) adalah B sedangkan
basis untuk domain dan kodomain T adalah B.
3. Keserupaan, dua matriks yang serupa.
3
13
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 8.5 8.6):
1. Besaran dan konsep yang invariant terhadap keserupaan: determinan, memiliki balikan, rank, nulitas, trace,
polinom karakteristik, nilai eigen, dimensi ruang eigen yang bersesuaian dengan nilai eigen ,
2. Matriks diagonal yang mewakili operator linear
Persyaratan dimensi V dan W agar terdapat operator linear T: V W yang bijektif atau isomorf. Contoh-contoh.
16 - 20
UJIAN AKHIR + REMEDIAL
25
Referensi :
[1]. Horward Anton, Chris Rorres, 2005. Elementary Linear Algebra, Applications Version, Edisi 9, John Wiley & Sons.
[2]. Jack L. Goldberg. MatrixTheory, McGraw-Hill, 1991.
[3]. Seymour Lipschutz, Marc L. Lipson, 2004. Schaums Outline of Linear Algebra, Edisi 3.
14
C. CARA PENILAIAN
1. Bobot Penilaian: Mid: 25%, Fin: 25%. Bobot penilaian dari masing-masing dosen (quiz, tugas, praktikum, dsb): 50%
2. Mid dan Final Menggunakan Soal Bersama.
3. Rumusan transformasi nilai. Misalkan rentang nilai mentah akhir adalah [x
min
, x
max
]. Nilai akhir tertinggi Y
max
disepakati berada pada
rentangan 90 99 dan nilai akhir terendah y
min
disepakati berada pada rentangan 35 40 sesuai dengan rumus transformasi dari nilai
mentah x ke nilai akhir y :
y =
max min
max max
max min
( )
Y Y
x X Y
X X
(atau y =
max min
min min
max min
( )
Y Y
x X Y
X X
)
Contoh : Dengan x
min
= 30, x
max
= 75, y
min
= 35 dan y
max
= 95, mahasiswa dengan nilai mentah x = 57 akan mendapat nilai akhir y = 71.
15
Lampiran I. Contoh Eliminasi Gauss Dengan Kontrasi Antara Notasi Persamaan dan Notasi Matriks
SPL dengan notasi persamaan (dengan peubah x, y, z)
a. x + 2y + 3z = 4; b.2x + 4y + z = 13;
2x + 3y + z = 11; x + 2y 3z = 10;
3x + 5y + 2z = 19. x + 2y + 4z = 3.
SPL dengan notasi matriks (matriks pertambahan SPL)
a.
1 2 3 | 4
2 3 1 | 11
3 6 2 | 19
(
(
(
(
b.
2 4 1 | 13
1 2 3 | 10
1 2 4 | 3
(
(
(
(
Catatan:
- Mahasiswa biasanya lebih sulit memahami SPL yang kedua (SPL b)yang banyak solusinya tak hingga. Satu solusi
(3, 2, 1) sudah dibayangkan oleh instruktur ketika menentukan ruas kanan 13, 10 dan 3 dari SPL b. Instruktur bisa
(dianjurkan) untuk mengubah-ubah ruas kanan dari SPL dengan membayangkan solusi lain.
- Langkah-langkah pencarian solusi SPL b dalam kedua notasi perlu dikontraskan, seperti contoh berikut:
i. Tukar persamaan pertama dengan persamaan ketiga
x + 2y + 4z = 3;
x + 2y 3z = 10;
2x + 4y + z = 13.
ii. Persamaan kedua dikurangi 1 persamaam pertama
x + 2y + 4z = 3;
7z = 7;
2x + 4y + z = 13.
iii. Persamaan ketiga dikurangi 2 persamaan pertama
x + 2y + 4z = 3;
7z = 7;
7z = 7.
i. B1 B3
1 2 4 | 3
1 2 3 | 10
2 4 2 | 13
(
(
(
(
ii. B2 + (1)B1
1 2 4 | 3
0 0 7 | 7
2 4 2 | 13
(
(
(
(
iii. B3 + (2)B1
1 2 4 | 3
0 0 7 | 7
0 0 7 | 7
(
(
(
(
16
iii. SPL bisa diubah ke SPL dengan hanya dua persamaan
x + 2y + 4z = 3;
7z = 7.
iv. Persamaan kedua di kali 1/7
x + 2y + 4z = 3;
z =1.
(SPL dalam bentuk eselon)
iii. SPL di atas ekuivalen dengan SPL
1 2 4 | 3
0 0 7 | 7
(
(
(kelak akan dijelaskan dengan konsep independen)
iv. B2(1/7)
1 2 4 | 3
0 0 1 | 1
(
(
(matriks berbentuk eselon)
Sampai di sini, dilakukan substitusi balik: Nilai
variabel terakhir (nilai 1 dari variabel z) pada
persamaan paling akhir disubstitusikan ke dalam
persamaan sebelumnya sehingga diperoleh:
x + 2y + 4(1)= 3;
z =1
sehingga diperoleh SPL eselon tereduksi
x + 2y = 7;
z =1.
Setelah mencapai bentuk matriks eselon, ada dua pilihan:
a. Melanjutkan sampai ke bentuk matriks eselon tereduksi
atau,
b. meninggalkan notasi matriks dan kembali ke notasi
persamaan untuk melakukan substitusi balik (seperti
yang dikerjakan di sebelah kiri).
LANGKAH ALTERNATIF (tanpa substitusi
balik):Dalam persamaan yang diperoleh setelah
langkah iv,
variabel z bisa dihapus dengan operasi elementer
v. Persamaan pertama dikurangi 4 persamaan kedua
x + 2y = 7;
z = 1
LANGKAH ALTERNATIF (tanpa substitusi balik),
matriks eselon dibawa ke matriks eselon tereduksi
dengan OBE berikut:
v. B1 + (4)B2
1 2 0 | 7
0 0 1 | 1
(
(
17
Lampiran II. Solusi Umum SPL Sebagai Garis Lurus, Bidang Datar, dst.
SOLUSI UMUM dari SPL bisa berbentuk garis lurus, bidang datar, dst. Untuk solusi SPL dalam Lampiran I,
setelah mencapai bentuk eselon (tereduksi), kedua variabel x dan z yang koefisiennya 1 disebut variabel utama
sedangkan kedua koefisien 1 oleh Anton, Rorres [1] disebut entri 1 utama, walaupun bentuk eselon versi Lipschutz
[3] tidak mengharuskan koefisiennya bilangan 1, cukup tidak sama dengan 0. Variabel yang bukan variabel utama,
yaitu variabel y, disebut variabel bebas. Variabel y dinamakan variabel bebas karena bebas diisi nilai apapun,
katakan y diberi nilai t sehingga
y = t.
Setelah substitusi y = t ke dalam semua persamaan dalam SPL eselon tereduksi, diperoleh solusi umum:
x = 7 2t, y = t dan z = 1. (1)
Dalam notasi matriks, solusi umum bisa ditulis sebagai matriks kolom baris atau kolom, misalnya dalam matriks
kolom ditulis sebagai
x
y
z
(
(
(
(
=
2
1
0
(
(
(
(
t +
7
0
1
(
(
(
(
. (2)
Catatan:
a. Kelak banyak variabel bebas disebut dimensi dari ruang solusi.
b. Mahasiswa perlu memahami bahwa kesamaan matriks di ruas kiri (2) dengan matriks di ruas kanan (2)
diperolehberdasarkan definisi kesamaan matriks dan persamaan (1).
c. Mahasiswa perlu memahami bahwa persamaan (2) adalah persamaan garis lurus di di R
3
. Peran gradien m
dalam bentuk konvensional y = mt + n di R
2
digantikan oleh matriks Jacobi d(x, y, z)/dt berukuran 3 1, yaitu
oleh matriks
/
/
/
dx dt
dy dt
dz dt
(
(
(
(
=
2
1
0
(
(
(
(
.
18
Lampiran III. Contoh Mencari A
1
Sekaligus Menyatakan A
1
Sebagai Hasil Kali Matriks Elementer
Input :
A =
1 2 3
2 3 1
3 5 2
(
(
(
(
I
3
=
1 0 0
0 1 0
0 0 1
(
(
(
(
Langkah 1: Mengerjakan OBE 1
B2 + (2)B1
Matriks elementer yang
sesuai dengan OBE 1
E
1
=
1 0 0
2 1 0
0 0 1
(
(
(
(
Hasil 1:
E
1
A =
1 2 3
0 1 5
3 5 2
(
(
(
(
E
1
I
3
= E
1
=
1 0 0
2 1 0
0 0 1
(
(
(
(
Langkah 2: Mengerjakan OBE 2
B3 + (3)B1
Matriks elementer yang
sesuai dengan OBE 2
E
2
=
1 0 0
0 1 0
3 0 1
(
(
(
(
Hasil 2:
E
2
E
1
A =
1 2 3
0 1 5
0 1 7
(
(
(
(
E
2
E
1
=
1 0 0
2 1 0
3 0 1
(
(
(
(
Langkah 3: Mengerjakan OBE 3
B3 + (1)B2
Matriks elementer yang
sesuai dengan OBE 3
E
3
=
1 0 0
0 1 0
0 1 1
(
(
(
(
19
Hasil 3:
E
3
E
2
E
1
A =
1 2 3
0 1 5
0 0 2
(
(
(
(
E
3
E
2
E
1
=
1 0 0
2 1 0
1 1 1
(
(
(
(
Langkah 4: Mengerjakan OBE 4
B3(
1
2
)
Matriks elementer yang
sesuai dengan OBE 4
E
4
=
1
2
1 0 0
0 1 0
0 0
(
(
(
(
Hasil 4:
E
4
E
3
E
2
E
1
A =
1 2 3
0 1 5
0 0 1
(
(
(
(
E
4
E
3
E
2
E
1
=
1 1
2 2
1
2
1 0 0
2 1 0
(
(
(
(
Langkah 5: Mengerjakan OBE 5
B1 + (2)B2
Matriks elementer yang
sesuaian dengan OBE 5
E
5
=
1 2 0
0 1 0
0 0 1
(
(
(
(
Hasil 5:
E
5
E
4
E
3
E
2
E
1
A =
1 0 7
0 1 5
0 0 1
(
(
(
(
E
5
E
4
E
4
E
3
E
2
E
1
=
1 1
2 2
1
2
3 2 0
2 1 0
(
(
(
(
Langkah 6: Mengerjakan OBE 6
B2(1)
Matriks elementer yang
sesuai dengan OBE 6
E
6
=
1 0 0
0 1 0
0 0 1
(
(
(
(
Hasil 6:
Matriks
eselon
E
6
E
5
E
4
E
3
E
2
E
1
A =
1 0 7
0 1 5
0 0 1
(
(
(
(
E
6
E
5
E
4
E
4
E
3
E
2
E
1
=
1 1
2 2
1
2
3 2 0
2 1 0
(
(
(
(
20
Langkah 7: Mengerjakan OBE 7
B1 + (7)B3
Matriks elementer yang
sesuai dengan OBE 7
E
7
=
1 0 7
0 1 0
0 0 1
(
(
(
(
Hasil 7:
E
7
E
6
E
5
E
4
E
3
E
2
E
1
A =
1 0 0
0 1 5
0 0 1
(
(
(
(
E
7
E
6
E
5
E
4
E
4
E
3
E
2
E
1
=
7 1 1
2 2 2
1 1
2 2
1
2
5
2 1 0
(
(
(
(
Langkah 8: Mengerjakan OBE 8
B2 + (5)B3
Matriks elementer yang
sesuai dengan OBE 8
E
8
=
1 0 0
0 1 5
0 0 1
(
(
(
(
Hasil 8:
Matriks
identitas I
3
E
8
E
7
E
6
E
5
E
4
E
3
E
2
E
1
A =
1 0 0
0 1 0
0 0 1
(
(
(
(
E
8
E
7
E
6
E
5
E
4
E
4
E
3
E
2
E
1
=
7 1 1
2 2 2
7 5 1
2 2 2
1 1
2 2
1
2
5
(
(
(
(
=
1
2
1 11 7
1 7 5
1 1 1
(
(
(
(
KESIMPULAN:
(E
8
E
7
E
6
E
5
E
4
E
3
E
2
E
1
)A = I
3
:
a. A
1
= E
8
E
7
E
6
E
5
E
4
E
3
E
2
E
1
=
1
2
1 11 7
1 7 5
1 1 1
(
(
(
(
; dan
b. A = E
1
1
E
2
1
E
3
1
E
4
1
E
5
1
E
6
1
E
7
1
E
8
1
.
21
Lampiran IV: Contoh Soal Matriks Perubahan Basis dengan Diagram Komutatif
Contoh Soal :
Diberikan operator linear (diferensiasi)
D: P
3
(x) P
2
(x)
dengan D(a+bx + cx
2
+ dx
3
) = b + 2cx + 3dx
2
dan dua basis untuk R
3
:
B = {(0, 1, 1),(1, 0, 1),(0, 1, 1)}
dan
S = {(1, 1, 1),(1, 1, 1),(1, 1, 1)}.
Jika x = 3 + 2x + x
2
dan P adalah matriks transisi dari B ke S, tulis semua besaran
(vektor D(x), vektor [x]B, [x]S, matriks L = [D]B, matriks M = [D]S, ..., dsb) yang
ada di dalam diagram tersebut. (Matriks A, matriks koefisien dari SPL
A[x]
B
=[D(x)]
S
, disebut matriks yang mewakili operator linear T relatif terhadap
pasangan basis B dan S. Notasi untuk matriks A adalah [D]
S,B
).
Keterangan Diagaram Komutatif:
Setiap garis lurus menyatakan suatu transformasi linear atau menyatakan matriks yang mewakili transformasi linear tersebut.
Dalam contoh di atas, setiap garis mewakili satu operator linear/
matriks perubahan basis sehingga operator linear tersebut tak singulir dan bisa diwakili oleh suatu matriks persegi tak singulir.
Pada gambar di samping, kedua garis lurus yang ujungnya bertemu di y menyatakan fungsi
komposisi T
2
T
1
atau hasil kali matriks SR di mana
- z = T
2
(y) =T
2
(T
1
(x)) = [T
2
T
1
](x),
- Jika x, y dan z adalah vektor kolom, maka z = Sy = SRx.
- matriks R adalah matriks yang mewakili T relatif terhadap basis A,
- matriks S adalah matriks yang mewakili T relatif terhadap basis B
Diagram disebut komutatif jika untuk setiap vektor x diperoleh komposisi T
2
T
1
(x) = T
3
(x) (atau diperoleh hasil kali matriks RSx =
Tx). Diagram dalam contoh soal di atas komutatif, sebab setiap subdiagramnya komutatif. Misalnya untuk setiap x e P
3
berlaku
MP
1
3
P
L (x) = P
2
P
L D
(x)
, L
3
P
L (x) =
2
P
L D
(x), ...., dsb.
A
x= 3 + 2x + x
2
T(x)
[x]
B
[D(x)]
B
[D(x)]
S
[x]
S
P
1
P
1
L = [D]
B
D
M = [D]
S
P
P
3
P
L
2
P
L
x
S =[T
2
]
B
y
z
R = [T
1
]
A
T =[T
3
]
B,A
22
Untuk prodi statistik:
1. Notasi singkat untuk matriks kovarians dari X
1
, X
2
, ..., X
n
adalah matriks simetri
= (
i
ij
)
di mana
i
adalah simpangan baku dari X
i
dan
ij
adalah korelasi antara X
i
dengan X
j
. Di sini
ij
=
i
ij
menyatakan kovarians
antara X
i
dan X
j
.
2. Misalkan fungsi kerapatan peluang bersama dari n peubah acak Y
1
, Y
2
, ..., Y
n
dan n peubah acak X
1
, X
2
, ..., X
n
adalah f dan g.
Misalkan lagi kedua himpunan peubah acak memenuhi hubungan transformasi variable Y
i
= y
i
(X
1
, X
2
, ..., X
n
) (atau X
i
= adalah
x
i
(Y
1
, Y
2
, ..., Y
n
)), maka kaitan f dan g sering ditulis dalam notasi
g(y
1
, y
2
, ..., y
n
) = f(x
1
, x
2
, ..., x
n
)J(y
1
, y
2
, ..., y
n
),
di mana J(y
1
, y
2
, ..., y
n
) adalah nilai mutlak dari determinan matrriks Jacobian
J(y
1
, y
2
, ..., y
n
) = |det
i
j
x
y
| |
c
|
|
c
\ .
|.
jusmawati@gmail.com
nurdin1701@gmail.com
hasma_ba@gmail.com