P. 1
Gbrp Aljabar Linear 2012

Gbrp Aljabar Linear 2012

|Views: 81|Likes:
Dipublikasikan oleh Mahdiyah M. Said

More info:

Published by: Mahdiyah M. Said on Oct 06, 2012
Hak Cipta:Attribution Non-commercial

Availability:

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

10/06/2012

pdf

text

original

1

A. GBRP ALJABAR LINEAR 2012

GBRP Matakuliah : Aljabar Linear,
Kode MK/SKS : 204H1103/3SKS,
Semester : Awal (Tahun II)
Prasyarat : Matematika Dasar II
Kompetensi Utama : Setelah menyelesaikan kuliah ini, mahasiswa diharapkan mampu menerapkan prinsip-prinsip
deduksi matematis (cf. elemen kompetensi a) dilengkapi dengan kemampuan simbolik dan abstraksi
(cf. elemen kompetensi c) dalam proses analisis dan sintesis (cf. elemen kompetensi e dan f)
terhadap berbagai masalah baku (standard problem-solvings) yang bisa diselesaikan dengan
menggunakan Aljabar Linear.
Kompetensi Pendukung : Setelah menyelesaikan matakuliah ini, mahasiswa diharapkan dapat melakukan komputasi matriks
dan Aljabar Linear dengan menggunakan paket-paket komputasi dalam MAPLE, MATLAB, dsb.
Minggu
ke :
Sasaran Pembelajaran Materi Pembelajaran
Strategi
Pembelajaran
Indikator Penilaian
Bobot
Nilai
(%)
1 2 3 4 5 6
1 Mhs memahami hak dan tugas/kewajiban
serta sistem pembelajaran, termasuk
sistem penilaian melalui Kontrak
Pembelajaran. Mhs bisa menulis matriks
secara simbolik (notasi singkat) dan
secara lengkap, bisa mencari balikan
matriks serta bisa menghitung determinan
matriks persegi.
Kontrak Pembelajaran.
Pengenalan matriks, notasi singkat
matriks A = (a
ij
) dan contoh-contoh
aplikasi notasi dalam Kalkulus dsb.
Operasi tambah dan kali antar matriks,
balikan suatu matriks, determinan matriks
persegi. Jenis2 matriks (persegi, simetri,
diagonal, segitiga, tak singulir, dsb).
Kuliah
+
Pemberian tugas
esei atau program
komputer
Keakuratan mengubah notasi lengkap
matriks ke notasi singkat dan
sebaliknya, ketrampilan melakukan
operasi antara matriks. mencari
balikan suatu matriks dengan matriks
adjoint (cara tidak efisien) dan
ketrampilan menghitung determinan
matriks persegi.
3
2 Mampu mencari balikan matriks A
dengan menggunakan matriks adjoin
Adan menerapkannya dalam pencarian
solusi tunggal Sistem Persamaan Linear
(SPL) Ax = b dengan A tak singulir.
Minor, kofaktor dan adjointA, balikan
matriks A dan aplikasinya untuk mencari
solusi SPLAx = b dengan A tak singulir,
determinan, Aturan Cramer.
Kuliah
+
Pemberian tugas
esei atau program
komputer
Keakuratan dan ketelitian ketika
menurunkan A
÷1
, balikan dari matriks
A,dan ketika menerapkan A
÷1
untuk
menyelesaikan SPL Ax = b dengan
solusi tunggal.
4
2

3 Mampu mengerjakan langkah-langkah
prosedur baku eliminasi Gauss(-Jordan)
untuk menyelesaikan SPL Ax = b dengan
A dan b masing-masing berukuran m ×n
danm × 1.
Mampu menentukan menguraikan setiap
matriks sebagai hasil kali matriks-matriks
elementer dan menerapkannya dalam
pencarian balikan matriks.
Matriks koefisien SPLdan berbagai
definisi dan konsep terkait: SPL
konsisten, SPL homogen., matriks eselon
(tereduksi), operasi baris/kolom
elementer, eliminasi Gauss-Jordan,
matriks elementer dan balikannya
Kuliah
+
Pemberian tugas
esei atau program
komputer.


Ketepatan memilih dan mengerjakan
langkah-langkah prosedur eliminasi
Gauss(-Jordan)untuk mendapatkan
balikan suatu matriks dan uraiannya
atas matriks-matriks elementerdan
ketepatan menjelaskan semua konsep
yang terkait dengan SPL.
5



4




Mampu melakukan manipulasi dan
perhitungan yang terkait konsep-konsep
transformasi linear dan matriks pada ruang
Euclid, misalnya manipulasi dan
perhitungan vektor/nilai eigen serta
mampu menerapkannya pada geometri
Euclid dimensi 2 dan 3.
Transformasi linear dari R
n
ke R
m
, sifat-
sifat tranformasi linear, matriks baku
transformasi linear, nilai dan vektor eigen
transformasi linear, pemantulan, projeksi,
perputaran, dilasi, kontraksi dan
komposisinya
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer.
Kemampuan mendefiinisikan dan
menerapkan konsep transformasi
linear dalam bahasa matriks, bahasa
fungsi atau pun bahasa geometri
(pemantulan, projeksi, perputaran,
dilasi, kontraksi), kemampuan
menentukan nilai dan vektor eigen.
3
5 Mampu mendefinisikan dan membuktikan
suatu himpunan sebagai (sub)ruang vektor,
mampu menyatakan ruang vektor yang
direntang oleh beberapa vektor,
penentuanhimpunan bebas atau tak bebas
linear sebagai penentuan tunggal atau
tidak tunggalnya solusi SPL homogin
Aksioma ruang vektor, subruang vektor,
kombinasi linear, himpunan perentang,
kebebasan linear dan kaitannya dengan
SPL homogin, kebebasan linear fungsi-
fungsi: determinan Wronski.
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer.
Keakuratan membuktikan kebenaran
atau penyangkalan suatu himpunan
adalah (sub)ruang vektor, keakuratan
mencari solusi SPL homogin dalam
penentuan kebebasan linear,
keakuratan menerapkan determinan
Wronski untuk menentukan kebebasan
linear himpunan fungsi-fungsi.
3
6 Mampu menyatakan syarat perlu dan
cukup agar sebuah vektor di V bisa
dinyatakan secara tunggal sebagai
kombinasi linear beberapa vektor-vektor.


Basis baku (untuk R
n
, untuk P
n
, untuk
M
mn
dsb), vektor koordinat (v)
S
dari v
relatif terhadap basis S, dimensi ruang
vektor
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer.
Kemampuan membuktikan apakah
suatu himpunan merentang sebuah
ruang vektor atau bebas linear,
kemampuan menghitung dimensi
ruang vektor, menghi-tung rank,
mencari ruang baris dan ruang kolom
suatu matriks, kemampuan melakukan
4

3

7 Mahasiswa mampu merumuskan ruang
kolom dan ruang baris, menyatakan
kaitan antara solusi SPL dengan sifat-
sifat matriks koefisien SPL tersebut,
terlatih dalam pembuktian dalil-dalil
sederhana dalam proses penurunan
sifat-sifat bebas atau tergantung linear
dan kaitannya dengan vektor-vektor
baris dan kolom pada suatu matriks.
Basis dan dimensi (sub-)ruang vektor,
rank dan nolitas dari suatu tranformasi
linear (atau dari matriks penyajiannya).
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer.
Keakuratan mengerjakan OBE-OBE
ketika menentukan rank atau basis
ruang baris, ruang kolom atau ruang
nol suatu matriks.
3
8
Ujian Tengah Semester
25
9

Mahasiswa mampu menyatakan ruang
hasil kali dalam (RHKD) sebagai bentuk
khusus ruang vektor,mampu memilih
vektor-vektor basis satuan yang saling
ortogonal,merumuskan jarak antara dua
vektor dan proyeksi suatu vektorke suatu
subruang, baik secara geometri(di ruang
R
n
) atau pun berdasarkan definisi
aksiomatik di ruang vektor umum,.
Ruang Hasil Kali Dalam (RHKD),
panjang /norm, jarak, besar sudut antara
dua vektor dan sifat orthogonal dalam RH-
KD, ruang yang saling komplemen
ortogonal, basis ortonormal, proses Gram-
Schmidt, dekomposisi-QR, metoda least-
square dalam bahasa aljabar (aplikasi),
beberapa sifat-sifat matriks ortogonal
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer
Keakuratan mengerjakan proses
Gram-Schmidt, menguraikan metoda
kuadrat terkecil sebagai projeksi,
menguraikan dekomposisi-QR,
menghitung sudut antara dua vektor.
3
10




Mampu menerapkan konsep projeksi
ortogonal untuk memilih sebuah titik di
dalam subruang W agar ‘jarak’-n,ya
dengan titik b e W minimal, mampu
menafsirkan konsep least square secara
geometri, mampu menyatakan setiap
vektor di dalam ruang vektor umum
berdimensi n sebagai vektor di dalam R
n

relatif terhadap suatu basis, dan mampu
menyatakan perubahan vektor di dalam
R
n
akibat perubahan basis sebagai SPL
perkalian matriks dengan vektor.
Projeksi ortogonal sebagai best
approximation, istem normal, solusi
tunggal untukmasalah kuadrat terkecil
(least squares problem), projeksi b pada
ruang kolom W sebagai transformasi
linear,matriks baku untuk projeksi
ortogonal b pada W, vektor kolom [v]
S

sebagai koordinat dari v relatif terhadap
basis S, perubahan koordinat akibat
perubahan basis, matriks transisi dari
perubahan basis B
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer
Keakuratan menerapkan konsep
projeksi ortogonal dalam penentuan
‘titik terdekat’ di dalam W dengan
titik b e W, keakuratan penerapan
SPL untuk mencari koordinat suatu
vektor relatif terhadap sebuah basis,
keakuratan menentukan matriks
transisi.
4

4

11 Mampu memberi definisi yang ekuivalen
dari matriks ortogonal sekaligus memberi
contohnya, mampu mendefinisikan dan
memberi contoh vektor-vektor ortogonal,
ortonormal, mampu menentukan nilai dan
vektor eigen suatu matriks, mampu
menurunkan polinom karakteristik suatu
matriks, mampu menghitung multiplisitas
aljabar dan multiplisitas geometri setiap
nilai eigen dari matriks, mampu mencari
matriks tak singulir P yang membuat
P
÷1
AP diagonal (P mendiagonalkan A),
Matriks ortogonal A, beberapa kriteria
yang ekuivalen dengan sifat ortogonal
matriks A, vektor-vektor ortogonal,
ortonormal, nilai dan vektor eigen
sebagai solusi SPL homogin, persamaan
karakteristik, matriks terdiagonal dan
kebebasan linear vektor-vektor
eigennya, matriks tak singulir P yang
membuat P
÷1
AP diagonal, multiplisitas
geometris dan multiplisitas aljabar
matriks
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer.
Keakuratan menurunkan |Ax| = ‖x‖
dan Ax·Ay = x·y jika A ortogonal,
keakuratan menentukan nilai dan
vektor eigen dari polinom karateristik
matriks, keakuratan memberikan
syarat cukup/perlu kebebasan linear
vektor-vektor eigen suatu matriks,
keakuratan penurunan mariks tak
singulir P yang membuat P
÷1
AP
diagonal, keakuratan menghitung
multiplisitas geometris dan
multiplisitas aljabar nilai-nilai
eigennya.
4
12 Mampu membuktikan bahwa sifat untuk
setiap matriks persegi berukuran n × n
berlaku: sifat ortogonal terdiagonal
matriks A ekuivalen dengan sifat simetri
matriks A, juga ekuivalen dengan
keberadaan n vektor-vektor eigen yang
ortonormal, mampu memberikan banyak
contoh transformasi linear di ruang vektor
umum, mampu menyatakan dan memberi
contoh sifat-sifat dasar transformasi linear
dan menerapkannya untuk membuktikan
suatu fungsi bukan transformasi linear,
mampu memberi contoh beberapa
komposisi beberapa transformasi linear.
Ekuivalensi sifat ortogonal terdiagonal
dengan bentuk simetri dan sifat
ortonormal vektor-vektor eigen matriks
A, transformasi linear di ruang vektor
umum V dan contoh-contonya, sifat-
sifat dasar transformasi linear,
komposisi beberapa transformasi linear
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer.
Keakuratan pembuktian ekuivalensi
antara sifat ortogonal terdiagonal A
dengan fakta semua vektor eigen
membentuk himpunan ortonormal dan
dengan bentuk simetri A, keakuratan
dan kelayakan contoh transformasi
linear di ruang vektor umum,
keakuratan pembuktian bahwa suatu
pemetaan adalah transformasi linear
atau bukan transformasi linear,
keakuratan memberi contoh verifikasi
bahwa komposisi transformasi linear
juga transformasi linear.
4




5

13 Mampu menentukan kernel, daerah
jangkauan pemetaan linear dan sekaligus
melakukan verifikasi bahwa dimensi
keduanya (nulitas dan rank) memenuhi
Teorema Dimensi.
kernel dan daerah jangkauan
transformasi linear dan sifat-sifat
dasarnya, nulitas dan rank suatu matriks
A, nulitas dan rank suatu transformasi
linear T
A
yang diwakili oleh matriks A,
Teorema Dimensi

Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer
Keakuratan dan kelayakan memberi
contoh-contoh transformasi linear
dilengkapi dengan kernel dan daerah
jangkauannya, ketepatan menghitung
nulitas dan rank transformasi linear
tersebut, kelayakan contoh- contoh
untuk verifikasi Teorema Dimensi
3
14 Mampu menentukan apakah transformasi
linear T bersifat 1-1, menentukan syarat-
syarat dengan contoh apakah suatu sifat
1-1 dari T ekuivalen dengan sifat pada,
bisa merumuskan hubungan sifat 1-1
transformasi linear T dengan kernel dan
daerah jangkauan T, dengan dimensi,
domain dan kodomain T, bisa menyatakan
sifat 1-1 transformasi sebagai komposisi
dua transformasi linear, mampu mencari
matriks pernyajian transformasi linear.
Transformasi linear yang bersifat 1-1,
perkalian matrix T(x) = Ax dengan A
tak singulir, contoh penyangkal sifat 1-
1 tidak ekuivalen dengan sifat pada,
kernel, daerah jangkauan dan nulitas
transformasi linear yang bersifat 1-1,
komposisi tranformasi linear dan
balikan transformasi linear yang
bersifat 1-1, dimensi domain, kodomain
dan transformasi linear 1-1, matriks
penyajian dari transformasi linear relatif
terhadap perubahan basis.
Kuliah
+
Pemberian tugas
esei atau
pemrograman
komputer
Kecermatan menyatakan syarat perlu
dan cukup suatu transformasi linear
bersifat 1-1, keakuratan menentukan
balikan transformasi 1-1 T, yaitu
mencari T
÷1
: range(T) → domain(T),
kecermatan melakukan verifikasi
dengan contoh-contoh dari implikasi:
Jika basis B _ U, B” _ V, T
1
: U → V,
T
2
: V → W linear maka [T
2
○T
1
]
B’,B
=
[T
2
]
B’,B”
[T
1
]
B”,B

4
15 Mampu memilih basis dalam V agar
bentuk matriks perwakilan operator linear
T pada V mempunyai bentuk sesederhana
mungkin (diagonal), mampu menyatakan
transformasi linear dari ruang vektor
umum berdimensi n ke ruang vektor
umum berdimensi n sebagai transformasi
linear antara dua ruang vektor Euclid R
n

ke R
m
dengan menggunakan matriks
transisi, bahkan mampu menyatakan
isomorfisma dua ruang vektor yang sama
dimensinya.
Keserupaan, perubahan basis untuk
pendiagonalan matriks operator linear,
besaran/konsep yang invariant terhadap
keserupaan, matriks diagonal yang
mewakili operator linear, contoh-contoh
dua ruang vektor yang isomorf.
Kuliah
+
Pemberian tugas
esei atau program
komputer
Ketepatan menjelaskan definisi nilai
eigen, vektor eigen dan polinom
karakteristik dari suatu matriks,
akurasi menyatakan syarat perlu-
cukup suatu matriks bisa terdiagonal
berdasarkan konsep multiplisitas
aljabar dan geometris, akurasi
mendiagonalkan secara ortogonal
suatu matriks simetri.
3
16-20
Ujian Akhir Semester + Remedial Treatments
25
6

B. SATUAN ACARA PEMBELAJARAN (SAP) MATAKULIAH ALJABAR LINEAR S1
BERDASARKAN RANCANGAN GBRP ALJABAR LINEAR TAHUN 2012

Minggu
ke :
Materi Pembelajaran
Bobot
Nilai (%)
1 2 3 4 5 6
1
PERTEMUAN I : (Ref: Anton, Rorres [1], SubBab 1.3)
1. Kontrak Pembelajaran. Memperkenalkan hak dan tugas/kewajiban serta sistem pembelajaran, termasuk sistem
penilaian melalui Kontrak Pembelajaran.
2. Pengenalan matriks, notasi singkat matriks A = (a
ij
).
Contoh penggunaan notasi singkat dalam Kalkulus: Matriks Jacobian adalah matriks
1 2
1 2
( , ,..., )
( , ,..., )
m
n
f f f
x x x
c
c
=
i
j
f
x
| |
c
|
|
c
\ .

(ruas kiri sekedar simbol, ruas kanan adalah notasi singkat) di mana f
1
, f
2
, ..., f
m
adalah mfungsi peubah banyak dalam
n peubah x
1
, x
2
, ..., x
n
). Lihat penggunaan matriks Jacobi berukuran 3 × 1 sebagai solusi SPL melalui pers

Contoh Soal/Tugas:
a. Jika matriks 2× 3 ditulis dalam notasi singkat A = (
2
1
i
j +
), tulis matriks Adalam notasi lengkap.
b. Simbol matriks Jacobian untuk 3 fungsi dalam 3 peubah: f(x, y, z), g(x, y, z), h(x, y, z) adalah
( , , )
( , , )
f g h
x y z
c
c
.
Instruktur merumuskan fungsi f, g dan h, mahasiswa diminta menulis matriks Jacobiannya dalam notasi lengkap.
c. Lihat juga soal-soal dalam SubBab 1.3, no. 20 – 22.

3



7


3. Transpose dan balikan matriks, matriks persegi, simetri, diagonal, segitiga, dsb. dan definisi kesamaan dua matriks.
4. Definisi operasi tambah/kali antara matriks A= (a
ij
) dengan matriks B = (b
ij
) yang menghasilkan matriks C =
(c
ij
)dengan c
ij
= ... (rumusan skalar c
ij
).
5. Minor, matriks kofaktor, matriks adjoint dan balikan suatu matriks berdasarkan matriks adjoint.
PERTEMUAN II: (Ref: Anton, Rorres [1] SubBab 1.3 - 1.4, 1.6 - 1.7)
1. Determinan matriks persegi: menghitung determinan dengan ekspansi pada salah satu baris atau kolom. Perlakuan
khusus untuk determinan matriks 2 × 2 dan determinan matriks 3 × 3
2. Sifat-sifat dan keberadaan inversi suatu matriks-matriks persegi tak singulir: (AB)
÷1
= B
÷1
A
÷1
, dsb.
3. Sistem Persamaan Linier (SPL)Ax = b;A ≡ matriks koefisien SPL, [A | b]≡matriks pertambahan (augmented) SPL.
4. Solusitunggal SPL Ax = bdengan A tak singulir adalah x = A
÷1
b. (Contoh: SPL a dalam dua contoh SPL di bawah).
Solusi tunggal SPL Ax = b dengan A tak singulir menggunakan Aturan Cramer

2
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 2.1):
1. Sifat-sifat fungsi determinan
2. SPL berbentuk Ax = λx, nilai dan vektor eigen dari matriks A
5. Definisi determinan matriks A melalui hasil kali elementer entri-entri matriks, hasil kali elementer bertanda dan
kaitannya dengan permutasi ganjil dan genap pada himpunan {1, 2, ..., n}

PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 1.1 - 1.2, SubBab 2.1, 2.3 – 2.4):
1. Tiga jenis operasi baris elementer (OBE) pada matriks dan aplikasinya untuk menghitung determinan matriks persegi
(metoda reduksi baris)
2. SPL konsisten dan SPL homogin
3. Aplikasi OBE pada matriks pertambahan suatu SPL untuk mencari solusi SPL tersebut (Eliminasi Gauss-Jordan).
Catatan:
Instruktur sebaiknya mencari contoh SPL yang determinan matriks koefisiennya ±1 atau ±2 (agar entri-entri inversnya
banyak yang bulat) dan membayangkan satu solusi (dalam contoh berikut, membayangkan solusi (3, 2, ÷1)) untuk
dapat mengubah-ubah ruas kanan dari SPL. Tampilkan sekontras mungkin kedua notasi, seperti contoh langkah-
langkah eliminasi Gauss(-Jordan) pada Lampiran I dan interpretasi solusinya sebagai garis lurus pada Lampiran II

4
8

3
PERTEMUAN I: (Ref: Anton, Rorres [1]), SubBab 1.1 – 1.2, SubBab 2.2)
1. Definisi matriks elementer Eyang sesuai dengan suatu OBE:I
n
OBE
÷ Edan balikannya:E
÷1
.
2. Matriks hasil kali EAsebagai hasil OBE terhadap matriks A;danAEsebagai hasil OKE terhadap matriks A.
4
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 1.5):
1. Diberikan matriks tak singulirA, tentukan A
÷1
dengan menggunakan prosedur eliminasi Gauss-Jordan dan sekaligus
mendapatkan uraian A
÷1
sebagai hasil kali matriks-matriks elementer
2. Berdasarkan uraian matriks tak singulirA
÷1
sebagai hasil kali matriks-matriks elementer, A juga bisa
dinyatakansebagai hasil kali matriks-matriks elementer.
Catatan:
Mahasiswa perlu contoh penggunaan prosedur eliminasi Gauss-Jordan untuk mencari A
÷1
dan sekaligus
menguraikan A
÷1
ke dalam bentuk hasil kali matriks-matriks elementer semacam contoh pada Lampiran III.
4
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 4.1 – 4.2):
1. Hasil kali dalam u·v antara dua vektor di ruang Euclid R
n
(optional)
2. Panjang/norm vektor, jarak antara dua vektor dan definisi dua vektor saling tegak lurus di ruang Euclid R
n
(optional)
3. Transformasi linear T dari R
n
ke R
m
, operator linear pada R
n

4. Transformasi nol, transformasi identitas, pemantulan, projeksi, perputaran, dilasi, kontraksi dan komposisinya.
5. Ekuivalensi sifat 1-1 dan sifat pada: operator linear T pada R
n
bersifat 1-1 jika dan haya jika bersifat pada.
5
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 4.3 – 4.4):
1. Definisi dan contoh matriks baku A untuk transformasi linear T dari R
n
ke R
m
, yaitu T: x eR
n
→ Ax e R
m
.
2. Sifat-sifat dasar transformasi linear T
3. Interpretasi geometri dari vektor eigen dan nilai eigen dari operator linear,
4. Asosiasi antara polinom derajat n di P
n
dengan vektor di R
n+1
: a
n
x
n
+ a
n÷1
x
n÷1
+ ... + a
1
x + a
0
≈ (a
n
, a
n÷1
, ... , a
1
, a
0
)
T
.

9

5
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 5.1 – 5.2):
1. Aksioma Ruang Vektor Umum
2. Ruang vektor nol (trivial), ruang Euklid R
n
, ruang matriks M
mn
, ruang fungsi-fungsi bernilai real, bidang datar
melalui titik asal, ruang fungsi-fungsi real kontinyu C(÷·,·), ruang fungsi-fungsi terdiferensial k kali C
k
(÷·,·).
3. Subruang vektor: semua polinom berderajat ≤ n, subruang fungsi-fungsi real terdiferensial i kali C
i
(÷·,·) _
C(÷·,·), subruang semua solusi SPL homogin Ax = 0.
3

PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 5.2 – 5.3):
1. Definisi dan contoh-contoh kombinasi linear, himpunan perentang S _ ruang vektor V
2. Kebebasan linear dan hubungannya dengan ketunggalan SPL homogin
3. Kebebasan linear himpunan fungsi-fungsi, determinan Wronski W(x)

6
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 5.3):
1. Definisi dan contoh-contoh basis baku (untuk R
n
, untuk P
n
, untuk M
mn
dsb), vektor baris K
U
(v) = (v)
S
sebagai
koordinat v e U relatif terhadap basis S atau sebagai hasil peta dari transformasi linear K
U
: v e U → K
U
(v) e R
n

2. Dimensi ruang vektor
4
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 5.4):
1. Mengkonstruksi basis B jika B ≠ S & B _ S atau B ≠ S & B _ S untuk subruang span(S)
2. Beberapa contoh ruang vektor dimensi hingga dan tak hingga
3. Mengkonstruksi basis dengan menambah atau mengurangi vektor di dalam himpunan vektor-vektor
7
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 5.5):
1. Basis untuk ruang baris, ruang kolom dan ruang nol dari matriks
2. Ekuivalensi baris antara dua matriks
3. Solusi SPL sebagai jumlah vektor solusi khusus SPL + kombinasi linear vektor-vektor solusi SPL homogin
3
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 5.6):
1. Rank dari matriks
2. Rank(A) + Nulitas(A) = n, di mana A berukuran m ×n.
3. Implementasi dalam SPL: banyak variabel utama + banyak variabel bebas = n.
4. Syarat perlu-cukup agarSPL Ax = b konsisten.
10


8
UJIAN TENGAH SEMESTER
25
9
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 6.1 - 6.2):
1. Ruang Hasil Kali Dalam (RHKD)
2. Perumusan panjang vektor, jarak dan sudut antara dua vektor di R
n
dan di RHKD
3. Pertaksamaan Cauchy-Schwarz
4. Ruang yang saling komplemen ortogonal: ruang nol dan ruang baris dari suatu matriks adalah ruang yang saling
komplemen ortogonal di R
n
.
5. Hubungan kedua basis ruang yang saling komplemen ortogonal
3
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 6.3):
1. Basis ortonormal
2. Projeksi ortogonal
3. Proses Gram-Schmidt
4. Dekomposisi-QR
10
PERTEMUAN I (Ref: Anton, Rorres [1] SubBab 6.4): (NB: Materi penting untuk program studi statistik)
1. Sistem normal A
T
Ax = A
T
b yang bersesuaian dengan SPL Ax = b, projeksi ortogonal sebagai best approximation
2. Diskusi solusi tunggal untuk masalah kuadrat terkecil (least squares problem) adalah x = (A
T
A)
÷1
A
T
b dan projeksi
b pada ruang kolom W dari matriks A adalah transformasi linear T: xeR
n
→ Ax = A(A
T
A)
÷1
A
T
b e W _ R
m

3. Matriks baku untuk projeksi ortogonal b pada W
4

PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 6.5, 8.4; Lipschutz, Lipson [3] Theorem 6.6 - 6.13):
1. Vektor kolom L
U
(v) = [v]
S
: koordinat dari v relatif terhadap basis S atau hasil peta L
U
: v e U → L
U
(v) e R
n

2. perubahan koordinat akibat perubahan basis
3. P = [[u
1
’]
B
, [u
2
’]
B
, ..., [u
n
’]
B
], matriks transisi perubahan basis dari B’ = {u
1
’, u
2
’, ..., u
n
’} ke B = {u
1
, u
2
, ..., u
n
},
matriks T terhadap basis B dan B’ : [T]
B’,B
= [[T(u
1
)]
B’
, [T(u
2
)]
B’
, ..., [T(u
n
)]
B’
]. Untuk operator linear T dengan B’ =
B, matriks [T]
B’,B
menjadi [T]
B
= [[T(u
1
)]
B
, [T(u
2
)]
B
, ..., [T(u
n
)]
B
].
4. Verifikasi perumusan SPL: P·[v]
B’
= [v]
B
, [T]
B’
·
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 Ax·Ay = x·y, ¬x, y e R
n
.
4
PERTEMUAN II (Ref: Anton, Rorres [1] SubBab 7.1 - 7.2):
1. Hubungan antara nilai eigen λ dari matriks persegi A, SPL homogin (λI ÷ A)x = 0, dan det(λI ÷ 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 I○T○I 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 λ,
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. Schaum’s 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
∑ = (σ
i
σ
j
ρ
ij
)
di mana σ
i
adalah simpangan baku dari X
i
dan ρ
ij
adalah korelasi antara X
i
dengan X
j
. Di siniσ
ij
= σ
i
σ
j
ρ
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

You're Reading a Free Preview

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