DIAGONALISASI BENTUK KUADRATIK ATAS VARIABEL REAL ABSTRAK Pada penulisan Tugas Akhir ini, akan dibahas proses

diagonalisasi 4 (empat) Bentuk Kuadratik khusus, yaitu:

q1 (x) =
1.

i, j =1 n

min {i, j} x x = min {i, j} x x

i j i =1 j =1 n i n i =1 j =1

2. 3.

q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j ,

i, j =1 n

q 3 (x) = (i + j ) x i x j = (i + j ) x i x j
i, j =1 n i =1 j =1 n n

dan

q 4 (x) = i j x i x j = i j x i x j . i, j =1 i =1 j =1 4. Pada diagonalisasi bentuk kuadratik diperlukan proses perubahan bentuk kuadratik ke dalam jumlahan kuadrat variabel-variabelnya, tanpa memuat hasil kali silang antar variabel. Akan dijelaskan dengan cara yang berbeda, yaitu dengan menjabarkan setiap suku-sukunya sehingga dapat dibentuk suatu rumus bentuk kuadratik yang telah didiagonalisasi. Tujuan utama proses diagonalisasi adalah mengubah ke-empat bentuk di atas ke dalam bentuk q(y) = k i y i2
i =1 n

dimana y merupakan kombinasi linear dari {x1 , x 2 , , x n }. Di dalam skripsi ini juga akan dibahas tentang hubungan antar empat Bentuk Kuadratik tersebut, yaitu q1 (x) dengan q 2 (x) dan q 3 (x) dengan q 4 (x) .
2 i

Kata Kunci: Bentuk Kuadratik, Matriks Simetri dan Diagonalisasi. THE DIAGONALIZATION OF QUADRATIC FORMS OVER REAL VARIABLES ABSTRACT

This final project will discuss how to diagonalize four kinds of Quadratic Forms, i.e:
q1 (x) =

1. 2. 3. 4.

i, j =1 n

min {i, j} x x = min {i, j} x x

i j i =1 j =1 n n i i =1 j =1

q 2 (x) = max {i, j} x i x j = max {i, j} x i x j ,

i, j =1 n

q 3 (x) = (i + j ) x i x j = (i + j ) x i x j
i, j =1 n i =1 j =1 n

and

q 4 (x) = i j x i x j = i j x i x j .
i, j =1 i =1 j =1

On the diagonalization of Quadratic Forms, it is needed a process of transformation of a Quadratic Forms into the sum of its variables square, without containing the result of crossed multiplication between its variable. The process of four kinds of these Quadratic Forms will be explained differently, that is by extending every its terms so that it can be formed by a formula Quadratic Forms which has been diagonalized. The first aim of the diagonalization of Quadratic Forms process is changing the four of Quadratic Forms above, that is q1 (x), q2 (x), q 3 (x) and
q 4 (x) forms into the form of

q(y) = k i y i2
i =1

where y is a linear combination from {x1 , x 2 , , x n }. This final project also will discuss about a q (x) relation between q1 (x) with q 2 (x) forms and 3 with q 4 (x) forms.
2 i

Keywords : Symmetrical Matrix, The Quadratic Forms and Diagonalization. KATA PENGANTAR

Alhamdulillah, puji syukur atas segala nikmat, karunia dan hidayah dari Allah SWT, hanya dengan ijin-Nya, penyusunan Tugas Akhir ini dapat selesai dengan baik. Sholawat serta salam semoga selalu tercurah kepada uswah kita Rasulullah SAW, keluarga, sahabat dan para penerus perjuangannya yang senantiasa istiqomah hingga hari akhir. Skripsi berjudul Diagonalisasi Bentuk Kuadratik Atas Variabel Real (The Diagonalization Of Quadratic Forms Over Real Variables) ini disusun sebagai salah satu syarat untuk mendapatkan gelar Sarjana Sains dalam bidang Matematika di Fakultas MIPA Universitas Brawijaya. Penyusunan skripsi ini tidak lepas dari bantuan yang diberikan oleh beberapa pihak. Sebagai wujud rasa syukur atas kesempatan dan kepercayaan yang telah diberikan, penulis mengucapkan banyak terimakasih kepada: 1. Drs. Noor Hidayat, M.Si, selaku dosen pembimbing I dan Kwardiniya A., S.Si, M.Si, selaku dosen pembimbing II, atas bimbingan dan nasehat yang telah diberikan selama penyusunan skripsi. 2. Dr. Agus Suryanto, M.Sc, selaku Ketua Jurusan Matematika Fakultas MIPA Universitas Brawijaya, atas segala fasilitas yang telah diberikan selama studi. 3. Drs. Marji, M.T, selaku Penasehat Akademik, atas nasehat dan masukan yang telah diberikan selama studi. 4. Dosen-dosen penguji dan pengajar Jurusan Matematika sebagai Suri Tauladan, atas bekal ilmu pengetahuan yang telah diberikan selama ini. 5. Seluruh Staf Tata Usaha Jurusan Matematika dan Fakultas MIPA atas kerjasama dan bantuan administrasinya selama ini. 6. Keluarga Besar di Pangkalan Bun, Palangka Raya, Magetan dan Malang, terima kasih atas segala dukungannya. 7. Semua pihak yang disadari atau tidak, yang tidak dapat disebutkan namanya dan telah banyak membantu tersusunnya skripsi ini dengan baik. Terima kasih banyak. Penulis menyadari bahwa tulisan ini masih jauh dari sempurna, sehingga kritik dan saran diharapkan dari pembaca. Semoga tulisan ini bermanfaat bagi para pecinta Matematika. Malang, Maret 2007

Penulis

DAFTAR ISI

Halaman
LEMBAR JUDUL LEMBAR PENGESAHAN LEMBAR PERNYATAAN ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR SIMBOL BAB I. PENDAHULUAN 1.1. Latar Belakang Masalah 1.2. Rumusan Masalah 1.3 Tujuan Penulisan BAB II. TINJAUAN PUSTAKA 2.1. Matriks dan Operasi Matriks 2.2. Ruang Vektor 2.3. Vektor Eigen dan Nilai Eigen 2.4. Diagonalisasi Matriks 2.5. Bentuk Kuadratik BAB III. PEMBAHASAN

i ii iii iv v vi viii xi 1 2 2 3 8 13 14 18

3.1. 3.2. 3.3 3.4.

Macam-macam Bentuk Kuadratik Diagonalisasi 4 (Empat) Bentuk Kuadratik Hubungan Antar Bentuk Kuadratik q1 (x) dengan q 2 (x) dan q 3 (x) dengan q 4 (x)

23 23 44

Perbedaan Antara Proses Pendiagonalisasian Secara Ortogonal Pada Matriks Simetri dengan Proses Pendiagonalisasian Bentuk Kuadratik dan Penjabaran Suku-sukunya BAB IV. PENUTUP 4.1. Kesimpulan DAFTAR PUSTAKA
DAFTAR SIMBOL

50 53 55

Simbol/Singkatan Adj A A-1 A-t |A| K

||u||
ui < u, u >

Keterangan Adjoint dari matriks A Invers dari matriks A Transpos dari matriks A Determinan dari matriks A Kofaktor matriks Nilai eigen suatu matriks Panjang (Norma) dari suatu vektor u, yaitu
2 atau < u, u > Jarak (nilai) dari suatu vektor u i

sama dengan

2 u12 + u 2

Hasil kali dalam Euclidis u, u = u u = u1 u1 + u 2 u 2 + + u n u n .

BAB I PENDAHULUAN

1.1

Latar Belakang Masalah

Matematika merupakan salah satu bagian dari ilmu dasar (basic science) yang memiliki banyak cabang di dalamnya. Salah satunya adalah Ilmu Aljabar yang masih dibagi menjadi Aljabar Linear dan Aljabar Abstrak. Salah satu materi yang sering dibahas dalam Aljabar Linear adalah bentuk linear, yang memuat variabel berpangkat satu dan tidak ada hasil kali silang antar variabel-variabelnya. Namun, pada skripsi ini akan dibahas fungsi-fungsi, dimana suku-sukunya terdiri dari kuadrat variabel dan hasil kali 2 (dua) variabel, yang kemudian lebih dikenal dengan nama Bentuk Kuadratik. Fungsi-fungsi tersebut muncul dalam berbagai aplikasi, termasuk geometri, getaran sistem mekanis, statistik dan perekayasaan elektris. Pada Bentuk Kuadratik dapat dilakukan diagonalisasi. Pada pendiagonalisasian bentuk kuadratik diperlukan proses perubahan bentuk kuadratik ke dalam jumlahan kuadrat variabelvariabelnya, tanpa memuat hasil kali silang antar variabel. Cara pendiagonalisasiannya adalah dengan mencari suatu matriks ortogonal yang bersesuaian dengan nilai eigen, kemudian mensubstitusikan variabel-variabel baru sehingga membentuk suatu bentuk kuadratik yang telah didiagonalisasi. Pada skripsi ini akan dibahas 4 (empat) Bentuk Kuadratik khusus, yaitu jumlahan suku-suku hasil kali antara indeks minimum atau maksimum dari dua variabel dan jumlahan suku-suku hasil kali antara jumlah atau selisih (dalam harga mutlak) indeks dari 2 (dua) variabel. Juga akan dibahas mengenai hubungan antar 4 (empat) Bentuk Kuadratik tersebut. Proses pendiagonalisasian ke-empat bentuk kuadratik akan dijelaskan dengan cara yang berbeda, yaitu dengan menjabarkan setiap suku-sukunya sehingga dapat dibentuk suatu rumus bentuk kuadratik yang telah didiagonalisasi. Oleh karena itu, akan dikaji juga mengenai perbedaan antara proses pendiagonalisasian bentuk kuadratik dengan cara membentuk matriks dan penjabaran suku-sukunya. 1.2 Rumusan Masalah Rumusan permasalahan yang muncul dalam pembahasan ini adalah sebagai berikut: 1. Bagaimanakah proses pendiagonalisasian ke-empat Bentuk Kuadratik khusus, yaitu: a.

q1 (x) =

i, j =1 n

min {i, j} x x = min {i, j} x x

i j i =1 j =1 n i n i =1 j =1

b. c. d. 2.

q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j ,

i, j =1 n

q 3 (x) = (i + j ) x i x j = (i + j ) x i x j
i, j =1 n i =1 j =1 n

dan

q 4 (x) = i j x i x j = i j x i x j .
i, j =1 i =1 j =1

Bagaimanakah hubungan antara Bentuk Kuadratik q1 (x) dengan q 2 (x) dan Bentuk Kuadratik q 3 (x) dengan q 4 (x) ? Tujuan Penulisan Sesuai dengan rumusan masalah di atas, maka tujuan yang ingin dicapai dalam penulisan

1.3

skripsi ini adalah untuk: 1. 2. Menganalisis proses pendiagonalisasian ke-empat Bentuk Kuadratik khusus, sehingga dapat dihasilkan suatu rumus Bentuk Kuadratik yang telah didiagonalisasi. Mengkaji hubungan antara Bentuk Kuadratik q1 (x) dengan q 2 (x) dan Bentuk Kuadratik
q 3 (x) dengan q 4 (x) ?

BAB II TINJAUAN PUSTAKA

Berkaitan dengan pembahasan mengenai Pendiagonalisasian Bentuk Kuadratik, diperlukan beberapa teori, baik berupa definisi atau juga teorema yang akan digunakan sebagai bahan acuan, seperti masalah matriks dan operasinya, ruang vektor, nilai eigen, pendiagonalisasian matriks dan bentuk kuadratik yang akan dikaji dalam teori pendukung ini. 2.1 Matriks dan Operasi Matriks Berikut akan diberikan definisi tentang matriks; antara lain operasi, jenis-jenis dan sifat-sifat matriks yaitu transpos, invers dan determinan suatu matriks. Definisi 2.1.1 (Anton, 2000) Matriks adalah suatu susunan bilangan berbentuk segiempat. Bilangan-bilangan dalam susunan itu disebut entri (anggota) dalam matriks tersebut. Ukuran matriks ditentukan oleh jumlah baris (garis horisontal) dan kolom (garis vertikal) yang dikandungnya. Dalam suatu uraian ukuran, angka pertama selalu menyatakan jumlah baris dan angka kedua menyatakan jumlah kolom. Sebuah matriks dengan hanya 1 (satu) kolom disebut matriks kolom dan sebuah matriks dengan hanya 1 (satu) baris disebut matriks baris. Definisi 2.1.2 (Anton, 2000) Dua buah matriks didefinisikan sama jika keduanya mempunyai ukuran yang sama dan entri-entri yang bersesuaian di dalamnya juga sama. Definisi 2.1.3 (Anton, 2000) Jika A dan B merupakan dua matriks berukuran sama, maka jumlah A + B merupakan matriks yang diperoleh dengan menambahkan entri-entri yang bersesuaian di
dalam kedua matriks tersebut. Dua buah matriks yang ukurannya (jumlah baris dan kolomnya) berbeda tidak dapat dijumlahkan.

Definisi 2.1.4 (Supranto, 1984) Jika A merupakan sebarang matriks dan c merupakan sebarang skalar, maka hasil kali skalar cA berupa matriks yang diperoleh dengan mengalikan setiap entri
matriks A dengan c. Dalam notasi matriks, jika suatu matriks A = (a ij ) , maka cA = c (a ij ).

ij merupakan suatu matriks yang berukuran Definisi 2.1.5 (Spiegel, 1994) Jika matriks m r dan matriks B = (bij ) merupakan suatu matriks yang berukuran r n, maka hasil kali

A= a

( )

matriks AB = C , dimana matriks C merupakan suatu matriks berukuran m n , yaitu C ij = ( AB )ij = a i1b1 j + ai 2 b2 j + + air brj .

Secara umum, pada perkalian matriks, hukum komutatif tidak berlaku, yaitu AB BA .
Definisi 2.1.6 (Anton, 2000) Suatu matriks berukuran n n dikatakan sebagai matriks elementer jika matriks tersebut dapat diperoleh dari matriks satuan yang berukuran n n dengan menggunakan Operasi Baris Elementer (OBE) tunggal. Operasi Baris Elementer dapat dilakukan dengan cara sebagai berikut: a. Mengalikan suatu baris dengan sebuah konstanta yang tidak sama dengan nol. b. Menukarkan dua baris. c. Menambah perkalian dari suatu baris ke baris lainnya. Definisi 2.1.7 (Leon, 2001) Suatu matriks dikatakan memiliki Bentuk Eselon Baris (BEB), jika: a. Jika suatu baris tidak seluruhnya terdiri dari 0 (nol), maka angka tak-nol pertama dalam baris tersebut adalah sebuah angka 1 (satu), kemudian disebut sebagai utama 1 (satu). b. Jika baris k tidak seluruhnya mengandung 0 (nol), maka banyaknya entri 0 (nol) di bagian muka pada baris k+1 lebih besar dari banyaknya entri 0 (nol) di bagian muka pada baris k. c. Jika terdapat baris-baris yang entrinya semuanya adalah 0 (nol), maka baris-baris ini berada di bawah baris-baris yang memiliki entri bukan 0 (nol). Contoh:

Matriks berikut merupakan Matriks Bentuk Eselon Baris: 1 2 3 1 4 2 0 0 1 . 0 1 3 0 0 1 dan 0 0 0 Matriks berikut merupakan matriks yang bukan Bentuk Eselon Baris: 2 4 6 0 3 5 0 1 . 0 0 4 dan 1 0
Definisi 2.1.8 (Leon, 2001) Suatu matriks dikatakan memiliki Bentuk Eselon Baris Tereduksi (BEBT), jika: a. Matriks tersebut memiliki Bentuk Eselon Baris. b. Entri bukan 0 (nol) pertama dalam setiap baris merupakan satu-satunya entri bukan 0 (nol) dalam kolom yang bersangkutan. Contoh:

Matriks berikut adalah Matriks Bentuk Eselon Baris Tereduksi: 1 0 0 3 0 1 2 0 0 1 0 2 0 0 0 1 . 0 0 1 1 dan 0 0 0 0

Definisi 2.1.9 (Anton, 2000) Suatu matriks yang berukuran n n, disebut matriks diagonal jika entri-entri yang terletak pada diagonal utamanya tidak semuanya nol, sedangkan entri yang lain nol.

Definisi 2.1.10 (Anton, 2000) Matriks identitas merupakan matriks diagonal dimana entri-entri yang terletak pada diagonal utamanya adalah bilangan 1 (satu). Biasanya matriks ini disimbolkan dengan I.

Definisi 2.1.11 (Anton, 2000) Jika A merupakan suatu matriks yang berukuran m n, maka t matriks transpos A, dinyatakan sebagai A , didefinisikan sebagai matriks berukuran n m, yang diperoleh dengan cara mempertukarkan baris dan kolom dari matriks A, atau dapat ditulis: (At )ij = ( A) ji . Definisi 2.1.12 (Sugiarto dan Tiurmaida, 2005) Suatu matriks berukuran n n, dikatakan t sebagai suatu matriks simetri, jika matriks A = A . Dengan kata lain,

a ij = a ji , i, j = 1, 2, , n R n . matriks A = [a ij ] simetri

Definisi 2.1.13 (Anton, 2000) Suatu bentuk kuadratik dalam 2 (dua) variabel, yaitu x dan y, didefinisikan sebagai a ax 2 + 2bxy + cy 2 = [x y ] = b b = x c y (2.1.13.1) Anggota-anggota diagonal pada matriks simetri adalah koefisien dari suku-suku kuadrat dan

anggota di luar diagonal utamanya masing-masing adalah kali xy.

Contoh:

1 2

(setengah) dari koefisien suku hasil

2 x 2 + 6 xy 7 y 2 = [x

y ] = 2 37 = x 3 y

(2.1.13.2)

Definisi 2.1.14 (Leon, 2001) Misalkan A merupakan matriks yang berukuran n n . Jika dapat ditemukan sebuah matriks B sedemikian sehingga AB = BA = I , maka matriks A dikatakan
1 invertibel dan matriks B merupakan matriks invers dari matriks A, ditulis B = A .
1 t Definisi 2.1.15 (Anton, 2000) Suatu matriks A berukuran n n yang mempunyai sifat A = A disebut sebagai matriks ortogonal.

Definisi 2.1.16 (Anton, 2000) Jika A adalah suatu matriks bujur sangkar, maka minor anggota aij M dinyatakan oleh ij atau |M| dan didefinisikan sebagai determinan sub-matriks yang masih tersisa setelah baris ke-i dan kolom ke-j dihilangkan dari matriks A.

Definisi 2.1.17 (Supranto, 1984) Jika matriks bujur sangkar Ann dihilangkan baris ke-i dan kolom ke-j, maka determinan dari matriks dengan (n-1) baris dan (n-1) kolom adalah minor a matriks dari entri ij . Determinan dari matriks Ann diberi simbol |A| atau det(A). Angka det(A)

disebut determinan matriks A. Apabila pada setiap minor ditambahkan tanda (+) atau () sebagai tanda pada determinan (1) i + j M ij a maka diperoleh kofaktor dari entri ij dan biasanya diberi kemudian diberi simbol k simbol ij . Jadi, k = (1) i + j M ij . kofaktor ij Hal ini berarti bahwa setiap entri mempunyai kofaktor sendiri-sendiri. Nilai determinan dari matriks A sama dengan penjumlahan dari hasil kali semua entri-entri dari suatu baris atau kolom dari matriks A tersebut, dengan kofaktor masing-masing, yaitu: 1. Dengan menggunakan entri-entri dari baris ke-i, yaitu:
j =1 det , dimana i = 1, 2, , n . (2.1.13.1) Dengan menggunakan entri-entri dari kolom ke-j, yaitu:

A = a ij k ij
n

2.

det

A = a ij k ij
i =1

, dimana j = 1, 2, , n .

(2.1.13.2)

2.2

Ruang Vektor

Pada bagian ini akan diberikan definisi ruang vektor beserta hasil kali dalam Euclidis, norma suatu vektor, sifat kombinasi linear, merentang (span), bebas linear, basis, himpunan ortogonal, dimensi, peringkat (rank) dan kernel (nullspace).
Definisi 2.2.1 (Anton, 2000) Jika n adalah suatu bilangan bulat positif, maka tupel-n terurut adalah sederet n bilangan real (v1 , v 2 , , v n ). Himpunan semua tupel-n terurut disebut sebagai
n ruangn dan dinyatakan sebagai R .

Definisi 2.2.2 (Anton, 1995) Jika u = (u1 , u 2 , , u n ) dan v = (v1 , v 2 , , v n ) adalah sebarang n vektor pada R , maka hasil kali dalam Euclidis u v didefinisikan sebagai: u v = u1 v1 + u 2 v 2 + + u n v n .

Dua vektor tersebut dikatakan ortogonal apabila u v = 0 . Untuk selanjutnya u v biasa ditulis <u,v>.

Definisi 2.2.3 (Anton, 1995) Jika V adalah sebuah ruang hasil kali dalam, maka norma vektor u dinyatakan oleh ||u|| dan didefinisikan oleh:

|| u ||=< u, u > 2 .
n Definisi 2.2.4 (Leon, 2001) Jika u dan v sebarang vektor di R dan v 0 , maka: a. Komponen vektor u sepanjang v: < u, v > v proy v u = 2 v

b.

Komponen vektor u yang ortogonal dengan v: u proy v u = u < u, v > v

2

Definisi 2.2.5 (Leon, 2001) Jika (v1 , v 2 , , v n ) adalah vektor-vektor di dalam ruang vektor V dan k1 , k 2 , , k n adalah skalar-skalar, maka disebut sebagai suatu Kombinasi Linear dari vektor-vektor (v1 , v 2 , , v n ) . Definisi 2.2.6 (Anton, 1995) Jika (v1 , v 2 , , v n ) merupakan vektor-vektor pada ruang vektor V dan jika masing-masing vektor pada ruang vektor V dapat dinyatakan sebagai suatu Kombinasi Linear terhadap (v1 , v 2 , , v n ) dikatakan bahwa vektor-vektor ini merentang (span) ruang vektor
w = k1 v1 + k 2 v 2 + + k n v n

V.
Definisi 2.2.7 (Anton, 1995) Jika S = {v1 , v 2 , , v r } merupakan himpunan vektor pada ruang vektor V , maka persamaan vektor
k1 v1 + k 2 v 2 + + k r v r = 0

mempunyai paling sedikit satu pemecahan, yaitu k1 = 0, k 2 = 0, , k r = 0 . Jika ini adalah satu-satunya pemecahan, maka S dinamakan himpunan bebas linear (linearly independent). Jika ada pemecahan lain, maka S dinamakan himpunan tak bebas linear (non linearly dependent). Definisi 2.2.8 (Anton, 1995) Jika V adalah sebarang ruang vektor dan S = {v1 , v 2 , , v r } merupakan himpunan berhingga dari vektor-vektor pada V , maka S dinamakan basis untuk V jika S bebas linear dan S merentang V . Definisi 2.2.9 (Anton, 1995) Sebuah himpunan vektor pada ruang hasil kali dalam dinamakan himpunan ortogonal jika semua pasangan vektor-vektor yang berbeda dalam himpunan tersebut t ortogonal, yaitu u v = u v = 0 . Sebuah himpunan ortogonal yang setiap vektornya mempunyai norma 1 (satu) dinamakan ortonormal.
Teorema 2.2.1 (Anton, 1995) Jika S = {v1 , v 2 , , v n } merupakan himpunan ortogonal vektor tak nol pada ruang hasil kali dalam, maka S bebas linear.

Bukti:

Dimisalkan S = {v1 , v 2 , , v n }V adalah vektor-vektor tak nol yang saling ortogonal dan kS = < k , v > = k v = k1 v1 + k 2 v 2 + + k n v n = 0 (2.2.1.1) Jika 1 j n , maka dengan mengambil hasil kali dalam dari v j = 0 dengan kedua ruas dari persamaan (2.2.1.1), dapat dilihat bahwa: kS = < k , v > = k v = k1 v j , v1 + k 2 v j , v 2 + + k n v j , v n = 0 dan

kj vj

=0

sehingga k1 , k 2 , , k n harus bernilai 0 (nol) atau k1 = 0, k 2 = 0, , k n = 0 . Jadi, S bebas linear (linearly independent).

Definisi 2.2.10 (Leon, 2001) Dimisalkan bahwa V adalah ruang vektor. Jika V memiliki basis yang terdiri dari n vektor, maka didefinisikan bahwa V memiliki dimensi n. Ruang bagian {0} dari V didefinisikan memiliki dimensi 0 (nol). V didefinisikan memiliki dimensi hingga jika terdapat himpunan berhingga vektor yang merentang V ; jika tidak demikian halnya, maka didefinisikan bahwa V memiliki dimensi tak hingga. Teorema 2.2.2 (Anton, 1995) Setiap ruang hasil kali dalam berdimensi berhingga tak nol mempunyai sebuah basis ortonormal.

Bukti:

Misalkan V adalah sebarang ruang hasil kali dalam berdimensi n tak nol, dan misalkan S = {u1 , u 2 , , u n } adalah sebarang basis untuk V . <u,v> adalah ruang perkalian dalam Euclidis, jika u u= 1 u 2 dan maka
< u, v > = u1v1 + u 2 v 2 .

v = [v1

v2 ]

Urutan langkah-langkah berikut akan menghasilkan basis ortonormal {v1 , v 2 , , v n } untuk

V.

Langkah 1.

Misalkan v1 = u1 . u1

Vektor v1 mempunyai norma 1. Langkah 2. Untuk membangun vektor v2 yang normanya 1 (satu) yang ortogonal terhadap v1, dihitung terlebih dahulu

Langkah 3.

Analog dengan langkah 2, diperoleh: u proy w2 u 3 v3 = 3 u 3 proy w2 u 3

= u 3 u 3 , v1 v1 u 3 , v 2 v 2 u 2 u 2 , v1 v1 u 3 , v 2 v 2

Dan seterusnya hingga didapatkan himpunan ortonormal dari vektor-vektor {v1 , v 2 , , v n }. Karena V berdimensi n dan setiap himpunan ortonormal bebas linear (Teorema 2.2.10), maka himpunan {v1 , v 2 , , v n } merupakan basis ortonormal untuk V . Pembentukan langkah demi langkah untuk mengubah sembarang basis ke basis ortonormal dinamakan proses Gram-Schmidt.
n Definisi 2.2.11 (Anton, 2000) Jika A adalah suatu matriks m n , maka sub-ruang dari R yang terentang oleh vektor-vektor baris dari A disebut ruang baris dari A dan sub-ruang kolom dari R m yang terentang oleh vektor-vektor kolom disebut ruang kolom dari A Ruang penyelesaian n dari sistem persamaan homogen Ax = 0 , yang merupakan suatu sub-ruang dari R , disebut ruang kosong dari A.

Definisi 2.2.11 (Anton, 2000) Dimensi bersama dari ruang baris dan ruang kolom dari suatu matriks A disebut peringkat (rank) dari A dan dinyatakan dengan rank(A); dimensi dari ruang kosong dari A disebut kernel (nullspace) dari A dan dinyatakan dengan kernel(A). Contoh:

Cari rank dan kernel dari matriks 5 3 1 2 0 4 1 4 3 7 2 0 A= 2 5 2 4 6 1 4 9 2 4 4 7

Jawab:

Dengan menggunakan Operasi Baris Elementer (OBE), diperoleh suatu Matriks Bentuk Eselon Baris Tereduksi (MBEBT) dari matriks A, yaitu: 1 0 4 28 37 13 0 1 2 12 16 5 0 0 0 0 0 0 0 0 0 0 0 0 (2.2.11.1) Karena ada 2 (dua) baris tak-nol (atau secara ekuivalen, dua utama 1), maka ruang baris dan kolom keduanya berdimensi 2 (dua), sehingga rank(A) = 2.

Untuk mencari kernel dari matriks A, harus dicari dimensi ruang penyelesaian dari sistem linear Ax = 0 dengan cara mereduksi matriks yang diperbanyak menjadi MBEBT. Matriks yang dihasilkan akan identik dengan persamaan (2.2.11.1), kecuali dengan tambahan sebuah kolom nol terakhir dan sistem persamaan yang berpadanan akan menjadi x1 4 x 3 28 x 4 37 x 5 + 13 x 6 = 0

x 2 2 x 3 12 x 4 16 x 5 + 5 x 6 = 0

atau dengan menyelesaikan untuk variabel-variabel utama x1 = 4 x 3 + 28 x 4 + 37 x 5 13 x 6 x 2 = 2 x 3 + 12 x 4 + 16 x 5 5 x 6 Diperoleh penyelesaian umum dari sistem tersebut, yaitu: x1 = 4r + 28s + 37t 13u x 2 = 2r + 12 s + 16t 5u x3 = r x4 = s x5 = t x6 = u
atau ekuivalen dengan
x1 13 x 2 4 28 37 5 2 12 16 x 3 1 + s 0 + t 0 + u 0 =r 0 0 0 x 4 0 1 1 0 0 x5 0 0 0 1 x6

(2.2.11.2)

(2.2.11.3)

Empat vektor di sebelah kanan dari persamaan (2.2.11.3) di atas membentuk suatu basis untuk ruang penyelesaian, sehingga N(A) = kernel(A) = 4.

2.3

Vektor Eigen dan Nilai Eigen

Sub bab ini memaparkan mengenai definisi dan teorema mengenai Vektor Eigen dan Nilai Eigen.
Definisi 2.3.1 (Stroud, 1988) Jika A merupakan suatu matriks yang berukuran n n , maka vektor tak nol x pada ruang vektor V disebut sebagai suatu vektor eigen dari A jika Ax merupakan suatu pergandaan skalar dari x, yaitu Ax = x . Untuk semua skalar, tersebut

dinamakan sebagai suatu nilai eigen dari A, dan x disebut sebagai suatu vektor eigen dari A yang bersesuaian dengan .
Teorema 2.3.1 (Anton, 1995) Jika A adalah matriks berukuran n n , maka pernyataanpernyataan berikut ekivalen satu sama lain: adalah nilai eigen dari matriks A. (a). (b). Sistem persamaan (I A) x = 0 mempunyai pemecahan non trivial.

(c). (d).

n Ada vektor tak nol x di dalam R sehingga Ax = x .

adalah pemecahan real dari persamaan karakteristik det (I A) = 0 .

Bukti:

(a ) (b) Diketahui 0 adalah nilai eigen dari matriks A. Akan dibuktikan bahwa sistem persamaan (I A) x = 0 mempunyai pemecahan non trivial. Diambil x A merupakan sebarang solusi non trivial dari

(A 0 I )x = 0 ,

maka
Ax = 0 Ix = 0 x .

Jadi, terbukti bahwa sistem persamaan (I A) x = 0 mempunyai pemecahan non trivial.

2.4

Diagonalisasi Matriks

Sebelum dibahas mengenai diagonalisasi bentuk kuadratik, perlu ditinjau terlebih dahulu tentang diagonalisasi matriks dan diagonalisasi ortogonal.
Definisi 2.4.1 (Anton, 2000) Matriks A berukuran n n , dinamakan dapat didiagonalisasi 1 (diagonalizable) jika terdapat matriks P yang dapat dibalik (invertibel) sehingga P AP merupakan suatu matriks diagonal; matriks P dikatakan mendiagonalisasi matriks A. Teorema 2.4.1 (Anton, 2000) Jika sebuah matriks A merupakan sebuah matriks berukuran n n , maka pernyataan-pernyataan berikut ekuivalen satu sama lain. 1. A dapat didiagonalisasi. 2. A mempunyai n vektor bebas linear. Bukti:

(1 2) Karena A dianggap dapat didiagonalisasi, maka akan terdapat sebuah matriks P invertibel yang berukuran n n , yaitu p11 p12 p1n P = p 21 p 22 p 2 n p n1 p n 2 p nn
1 sehingga P AP diagonal, dan misalkan

P 1 AP = D,
dimana

1 D= 0 0

0 0 n .

Maka matriks AP = PD, yaitu sebagai berikut: p11 p12 p1n 1 0 0 AP = p 21 p 22 p 2 n 0 2 0 p n1 p n 2 p nn 0 0 n

1 p11 = 1 p 21 p 1 n1

2 p12 2 p 22 2 p n 2

n p1n n p2n . n p nn

Jika dimisalkan p1 , p 2 , , p n menyatakan suatu vektor-vektor kolom P, maka kolom-kolom AP secara berurutan adalah 1 p1 , 2 p 2 , , n p n . Akan tetapi, kolom-kolom AP secara berurutan juga merupakan Ap1 , Ap 2 ,..., Ap n . Diperoleh: Ap1 = 1 p1 ; Ap 2 = 2 p 2 ; ; Ap n = n p n . Karena P matriks invertibel, maka vektor-vektor kolomnya semuanya tidak nol. Jadi diperoleh p1 , p 2 , , p n bahwa bebas linier. Jadi, A mempunyai n vektor eigen bebas linier. (2 1) Anggap A mempunyai n vektor eigen vektor bebas linier, maka p1 , p 2 , , p n dengan nilai eigen yang bersesuaian 1 , 2 , , n dan dimisalkan p11 P = p 21 p n1 p12 p 22 pn2 p1n p2n p nn Tetapi

adalah matriks yang vektor-vektor kolomnya adalah p1 , p 2 , , p n . Kolom-kolom dari hasil kali AP adalah Ap1 , Ap 2 , , Ap n .
Ap1 = 1 p1 ; Ap 2 = 2 p 2 ; ; Ap n = n p n ,

sehingga
1 p11 AP = 1 p 21 p 1 n1 p11 = p 21 p n1 2 p n 2 n p nn p12 p1n 1 0 p 22 p 2 n 0 2 p n 2 p nn 0 0

2 p12 2 p 22

n p1n n p 2n

0 0 = PD n

dimana D adalah matriks diagonal yang mempunyai nilai-nilai eigen 1 , 2 , , n pada diagonal utamanya. Karena vektor-vektor kolom dari P bebas liniar, maka P invertibel. Jadi, diperoleh 1 matriks P AP = D , yakni matriks A dapat didiagonalisasi. Dari bukti tersebut, didapatkan prosedur untuk mendiagonalkan suatu matriks A yang

berukuran n n , yaitu: Langkah 1. Cari n vektor eigen bebas secara linier dari matriks A, lalu sebut sebagai p1 , p 2 , , p n . Langkah 2. Bentuk sebuah matriks P yang mempunyai
p1 , p 2 , , p n

sebagai vektor-vektor kolomnya.

Langkah 3.

1 Matriks P AP = D akan menjadi matriks diagonal dengan 1 , 2 , , n berturut-turut sebagai anggota

diagonalnya, dimana i merupakan nilai-nilai eigen yang bersesuaian dengan p i , untuk i = 1, 2, 3, dan n .
Definisi 2.4.2 (Anton, 2000) Matriks A berukuran n n , dinamakan dapat didiagonalisasi secara ortogonal jika terdapat matriks P yang ortogonal sedemikian sehingga P 1 AP = ( P t AP) ;

matriks P dikatakan mendiagonalisasi A secara ortogonal.

Teorema 2.4.2 (Anton, 2000) Jika matriks A berukuran n n , maka pernyataan berikut ekivalen satu sama lain. (a). A dapat didiagonalisasi secara ortogonal. (b). A mempunyai himpunan ortonormal dari n vektor eigen. (c). A adalah matriks simetri.

Bukti:

Dikarenakan matriks A dapat didiagonalisasikan secara ortogonal, maka terdapat 1 matriks P yang ortogonal sehingga P AP merupakan sebuah matriks diagonal. Seperti yang diperlihatkan pada bukti dari Teorema 2.4.1, maka vektor kolom ke-n dari matriks P adalah vektor eigen dari matriks A. Dikarenakan matriks P ortogonal, maka vektor-vektor kolom ini ortonormal sehingga matriks A mempunyai n vektor eigen ortonormal.

(a ) (b ).

(b ) (a ). Dianggap bahwa matriks A mempunyai himpunan ortonormal dari n vektor eigen {p 1 , p 2 , , p n }. Seperti yang diperlihatkan pada bukti dari Teorema 2.4.1, maka matriks P
dengan vektor eigen ini sebagai kolom-kolom akan mendiagonalisasi matriks A. Karena vektorvektor eigen ini ortonormal, maka matriks P ortogonal sehingga akan mendiagonalisasi matriks A secara ortogonal. n n dapat didiagonalisasikan oleh matriks P yang berukuran n n secara ortogonal yang kolom-kolomnya membentuk himpunan ortonormal dari vektor-vektor eigen yang berukuran seperti matriks A. 1 Dimisalkan bahwa matriks D adalah matriks diagonal D = P AP sedemikian sehingga A = PDP 1 atau dikarenakan matriks P adalah matriks diagonal, maka A = PDP t . Oleh karena itu, A t = (PDP t ) = PD t P t = PDP t = A
t

(a ) (c ). Pada bukti (a ) (b ) , telah ditunjukkan bahwa matriks A yang berukuran

Bukti:

Sebagai konsekuensi dari teorema ini, maka didapatkan prosedur untuk mendiagonalisasi matriks simetri secara ortogonal. Langkah 1. Langkah 2. Cari basis untuk masing-masing ruang eigen A. Terapkan proses Gram-Schmidt ke masing-masing basis untuk mendapatkan basis ortonormal untuk setiap ruang eigen. Bentuklah matriks P yang kolom-kolomnya adalah vektor-vektor basis yang dibangun dalam langkah 2, sehingga P mendiagonalisasi A secara ortogonal.

Langkah 3.

2.5

Bentuk Kuadratik

Pada bagian ini, akan dikaji mengenai suatu bentuk kuadratik yang didefinisikan ke dalam 2 (dua) macam bentuk yaitu matriks dan jumlahan suku-suku kuadrat variabel dan hasil kali dari dua variabel. Di dalam skripsi ini juga akan dibahas mengenai proses diagonalisasinya.
Definisi 2.5.1 (Anton, 1995) Bentuk kuadratik pada x1 , x 2 , , x n adalah ekspresi yang dapat ditulis sebagai berikut: x1 [x1 x 2 x n ] A x 2 = x t Ax x n

dimana A = [a ij ] adalah matriks simetri yang berukuran n n .

Definisi 2.5.2 (Supranto, 1984) Suatu bentuk kuadratik dalam n-variabel x1 , x 2 , , x n adalah suatu ekspresi yang dapat ditulis sebagai berikut:

q(x) = aij xi x j = aij xi x j = a11 x1 x1 + a12 x1 x 2 + + a1n x1 x n + a 21 x 2 x1 + a 22 x 2 x 2 + + a 2 n x 2 x n + + a n1 x n x1 + a n 2 x n x 2 + + a nn x n x n

Definisi 2.5.3 (Lam, 1999) Proses pendiagonalisasian bentuk kuadratik adalah mengubah bentuk
q(x) =
ij i , j = 1, i j

i, j =1 n n

i =1 j =1

a
n

xi x j

menjadi bentuk
q(y) = k i y i2
i =1

dengan y i span {x1 , x 2 , , x n } atau dapat disebut juga bahwa yi merupakan suatu kombinasi linear dari {x1 , x 2 , , x n }.
t Teorema 2.5.1 (Anton, 1995) Misalkan x Ax adalah bentuk kuadratik dalam variabel-variabel x1 , x 2 , , x n , dengan A matriks simetri. Jika P mendiagonalkan A secara ortogonal dan jika

variabel-variabel baru y1 , y 2 , , y n didefinisikan oleh persamaan x = Py , maka substitusi t persamaan ini dalam x Ax menghasilkan: 2 2 2 x t Ax = y t Dy = 1 y1 + 2 y 2 + ... + n y n
t dengan 1 , 2 , , n adalah nilai-nilai eigen dari A dan D = P AP .

Contoh:

Diagonalisasikanlah bentuk kuadratik 2 2 x1 x 3 4 x1 x 2 + 4 x 2 x 3 .

Jawab:

Bentuk kuadratik tersebut dapat dituliskan sebagai:

[x

x2

1 2 0 x1 2 x2 . x3 ] 2 0 2 1 x 3 0

Persamaan karakteristik pada matriks berukuran 3 3 yaitu

 1
2 0

0 2 = 3 9 = ( + 3)( 3) = 0 2 +1

sehingga nilai-nilai eigennya adalah = 0 , = 3 dan = 3 . Kemudian, diperoleh basis ortonormal untuk 3 (tiga) ruang eigen yaitu: 2 3 1 3 2 = 0 , basis ortonormalnya 3 , a. 1 3 2 3 2 = 3 , basis ortonormalnya 3 dan b. 2 3 2 3 1 = 3 , basis ortonormalnya 3 . Jadi substitusi x = Py , yang dapat menghilangkan (mengeliminasi) suku-suku hasil kali

c.

silang dua variabelnya adalah: x1 2 1 2 y1 3 3 3 2 x2 = 1 2 y2 3 3 3 x 2 2 1 y 3 3 3 3 3 atau ekivalen dengan x1 = 2 y1 1 y 2 2 y 3 3 3 3 x 2 = 1 y1 2 y 2 + 2 y 3 3 3 3

2 2 x 3 = 3 y1 + 3 y 2 + 1 y 3 . 3

Dengan demikian proses pendiagonalisasian bentuk kuadratik tersebut adalah menghasilkan bentuk kuadratik baru, yaitu: 0 0 0 y1 [ y1 y 2 y 3 ] 0 3 0 y 2 0 0 3 y 3 atau ekivalen dengan
2 2 2 2 q(y) = i y i2 = 1 y12 + 1 y 2 + 3 y 3 = 0 y12 3 y 2 + 3 y 3 i =1 2 2 = 3 y 2 + 3 y3 3

BAB III PEMBAHASAN

Pada bagian ini, akan dikaji mengenai 4 (empat) bentuk kuadratik beserta langkah pendiagonalisasiannya dan hubungan di antara 4 (empat) bentuk kuadratik tersebut. Di dalam skripsi ini juga akan dibahas mengenai perbedaan antara proses pendiagonalisasian secara ortogonal pada matriks simetri dengan proses pendiagonalisasian bentuk kuadratik dan penjabaran suku-sukunya.

3.1 Macam-macam Bentuk Kuadratik

Bentuk Kuadratik pada kajian ini merupakan suatu bentuk kuadratik khusus, yang terdiri dari 4 (empat) Bentuk Kuadratik yang berbeda, sebagai berikut: 1. 2. 3. 4. q1 (x) =
i, j =1 n

min {i, j} x x = min {i, j} x x

i j i =1 j =1 n i n i =1 j =1

q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j ,

i, j =1 n

q 3 (x) = (i + j ) x i x j = (i + j ) x i x j
i, j =1 n i =1 j =1 n

dan

q 4 (x) = i j x i x j = i j x i x j .
i, j =1 i =1 j =1

3.2 Diagonalisasi 4 (Empat) Bentuk Kuadratik Khusus

Seperti yang telah diketahui, proses pendiagonalisasian bentuk kuadratik adalah mengubah bentuk
q(x) =
ij i , j = 1, i j

a
n

xi x j

menjadi bentuk
q(y) = k i y i2 ,
i =1

dengan y i span {x1 , x 2 , , x n } atau dapat disebut juga bahwa yi merupakan suatu kombinasi linear dari {x1 , x 2 , , x n }. Pada bagian ini, akan dijelaskan bagaimana proses pendiagonalisasian 4 (empat) Bentuk Kuadratik melalui penjabaran setiap suku-sukunya.

3.2.1 Diagonalisasi bentuk kuadratik q1 (x)

Sebelum dibahas tentang proses pendiagonalisasian bentuk kuadratik q1 (x) , akan dijabarkan terlebih dahulu proses penyusunan dari bentuk kuadratik:

q1 (x) =

i, j =1

min {i, j} xi x j = min {i, j} xi x j .

i =1 j =1

Kata min pada min{i, j}xi x j , menyatakan bahwa entri-entri pada Matriks Bentuk Kuadratik q1 (x) diperoleh dari sebuah bilangan yang paling kecil nilainya di antara i dan j, misalnya sebagai berikut: a. min {1, j}x1 x j , 1) untuk j = 1, maka min {1,1}x1 x1 , bilangan yang paling kecil adalah 1 (satu), sehingga bilangan 1 (satu) diletakkan pada baris ke-1 dan kolom ke-1; 2) untuk j = 2, 3, , n, maka min {1, 2}x1 x 2 , bilangan yang paling kecil adalah 1 (satu), sehingga bilangan 1 (satu) diletakkan pada baris ke-1 dan kolom ke-2, demikian seterusnya. min {2, j}x 2 x j , 1) untuk j = 1, maka min {2,1}x 2 x1 , bilangan yang paling kecil adalah 1 (satu), sehingga bilangan 1 (satu) diletakkan pada baris ke-2 dan kolom ke-1; 2) untuk j = 2, 3, , n, maka min {2, 2}x 2 x 2 , bilangan yang paling kecil adalah 2 (dua), sehingga bilangan 2 (dua) diletakkan pada baris ke-2 dan kolom ke-2, demikian seterusnya.

b.

c.

min {n, j}x n x j ,

1) untuk j = 1, maka min {n,1}x n x1 , bilangan yang paling kecil adalah 1 (satu), sehingga bilangan 1 (satu) diletakkan pada baris ke-n dan kolom ke-1; 2) untuk j = 2, maka min {n, 2}x n x 2 , bilangan yang paling kecil adalah 2 (dua), sehingga bilangan 2 (dua) diletakkan pada baris ke-n dan kolom ke-2,
2 3) untuk j = n, maka min {n, n}x n , bilangan yang paling kecil adalah n, sehingga bilangan n diletakkan pada baris ke-n dan kolom ke-n.

Oleh karena itu, dapat disusun suatu matriks bentuk kuadratik q1 (x) dengan cara sebagai berikut: q1 (x) =
i, j =1

min {i, j} x x = min {i, j} x x

i j i =1 j =1 i

= min {1, 1}x1 x1 + + min {1, n}x1 x n + min {2, 1}x 2 x1 + + min {2, n}x 2 x n + + min {n,1}x n x1 + + min {n, n}x n x n

= 1 x12 + + 1 x1 x n 2 + 1 x 2 x1 + 2 x 2 + + 2 x 2 x n + 2 + 1 x n x1 + 2 x n x 2 + + (n 1) x n x n 1 + n x n = x12 + + x1 x n 2 + x 2 x1 + 2 x 2 + + 2 x 2 x n + 2 + x n x1 + 2 x n x 2 + + (n 1)x n x n 1 + nx n

Dengan demikian bentuk kuadratik q1 (x) dapat ditulis ke dalam bentuk matriks, seperti berikut ini: 1 1 1 1 x1 1 2 2 2 x 2 q1 (x) = [x1 x 2 x 3 x n ] 1 2 3 3 x 3 . 1 2 3 n x n
Untuk mendapatkan diagonalisasi dari bentuk kuadratik q1 (x) akan dilakukan suatu proses penurunan rumus bentuk diagonalisasi. q1 (x) =
i, j =1

min {i, j} x x = min {i, j} x x

i j i =1 j =1 i

= (x1 x1 + + x1 x n ) + (x 2 x1 + + x n x1 ) + = x1 + (2 x1 x 2 + + 2 x1 x n ) +
2

i, j = 2

min {i, j} x x
i i j

] min {i, j} x x
n i, j = 2 n i, j = 2 i

= x1 + 2 x1 ( x 2 + x 3 + + x n ) +
2

] min {i, j} x x
2 2
2 n n

= x + + x 1 n

) (x + + x ) + ( 2x
2
2

+ + 2 x2 xn
i j

+ (2 x 3 x 2 + + 2 x n x 2 ) + = x + + x 1 n

+ 2 x 2 + (4 x 2 x 3 + + 4 x 2 x n ) +
2

) (x + + x )
2 2
2 n

i, j = 3

min {i, j} x x

i, j = 3

min {i, j} x x
i

= x + + x 1 n +
n i, j = 3

) (x + + x ) + [2x
2 2
2 n i j

2
2

+ 4 x2 x + + x
3

)]

min {i, j} x x
2

) (x + + x ) + 2[(x + + x ) (x + + x ) ]+ min {i, j} x x = (x + + x ) (x + + x ) + 2 (x + + x ) 2 (x + + x ) + min {i, j} x x

= x + + x 1 n
2

i, j = 3

i, j = 3

= x + + x
1

) + (x + + x )
2
2

2 + x + x + xn n 1 n

Contoh:
Diagonalisasikanlah bentuk kuadratik

q1 (x) = i , j = 1 min{i, j}x i x j .

3

Jawab: Jika bentuk kuadratik q1 (x) ditulis ke dalam sebuah bentuk matriks, yaitu: 1 1 1 x1 q1 (x) = [x1 x 2 x 3 ] 1 2 2 x 2 . 1 2 3 x 3 Bentuk diagonalisasinya diperoleh dengan menerapkan proses penurunan rumus bentuk diagonalisasi untuk bentuk kuadratik q1 (x) , yaitu sebagai berikut: q1 (x) = min {i, j} x i x j = min {i, j} x i x j
i, j =1 i =1 j =1
3 3 3

= (x1 x1 + x1 x 2 + x1 x 3 ) + (x 2 x1 + x 3 x1 ) + = x1 + (2 x1 x 2 + 2 x1 x 3 ) +
2

i, j = 2

min {i, j} x x
i i j

] min {i, j} x x
3

i, j = 2

= x1 + 2 x1 (x 2 + x 3 ) +
2

= (x1 + x 2 + x 3 )2 + (2 x 3 x 2 ) +

] min {i, j} x x (x + x ) + ( 2 x + 2 x x )
3

i, j = 2

i, j = 3

min {i, j} x x
i

= (x1 + x 2 + x3 )2 (x 2 + x 3 )2 + 2 x 2 + 4 x 2 x 3
2

i, j = 3

min {i, j} x x
i
3

= (x1 + x 2 + x3 )2 (x 2 + x 3 )2 + 2 x 2 [x 2 + 2 x 3 ] +
i, j = 3

min {i, j} x x
i

2 = (x1 + x 2 + x3 )2 + (x 2 + x 3 )2 2 x 32 + 3x 3 2 = (x1 + x 2 + x3 )2 + (x 2 + x 3 )2 + x 3

Misalkan maka

y1 = x + x + x , y 2 = x + x
1 2 3 2

) dan y

= x3 ,

q1 (y) = i = 1 k i y i , y i span {x1 , x 2 , x 3 }

3 2 2 = y12 + y 2 + y 32 , dengan k 1 = k 2 = k 3 = 1.

3.2.2

Diagonalisasi bentuk kuadratik q 2 (x)

Sebelum dibahas tentang proses pendiagonalisasian bentuk kuadratik q 2 (x) , akan dijabarkan terlebih dahulu proses penyusunan dari bentuk kuadratik: q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j
i, j =1 i =1 j =1 n n n

Kata maks pada menyatakan bahwa entri-entri pada Matriks Bentuk Kuadratik q 2 (x) diperoleh dari sebuah bilangan yang paling besar nilainya di antara i dan j, misalnya sebagai berikut:

maks {i, j}x i x j ,

a.

maks {1, j}x1 x j , 1) untuk j = 1, maka maks {1, 1}x1 x1 , bilangan yang paling besar adalah 1 (satu), sehingga bilangan 1 (satu) diletakkan pada baris ke-1 dan kolom ke-1; 2) untuk j = 2, 3, , n, maka maks {1, 2}x1 x 2 , bilangan yang paling besar adalah 2 (dua), sehingga bilangan 2 (dua) diletakkan pada baris ke-1 dan kolom ke-2, demikian seterusnya. maks {2, j}x 2 x j , 1) untuk j = 1, maka maks {2, 1}x 2 x1 , bilangan yang paling besar adalah 2 (dua), sehingga bilangan 2 (dua) diletakkan pada baris ke-2 dan kolom ke-1; 2) untuk j = 2, 3, , n, maka maks {2, 2}x 2 x 2 , bilangan yang paling besar adalah 2 (dua), sehingga bilangan 2 (dua) diletakkan pada baris ke-2 dan kolom ke-2, demikian seterusnya.

b.

c.

maks {n, j}x n x j , 1) untuk j = 1, maka maks {n,1}x n x1 , bilangan yang paling besar adalah n, sehingga bilangan n diletakkan pada baris ke-n dan kolom ke-1; 2) untuk j = 2, maka maks {n, 2}x n x 2 , bilangan yang paling besar adalah n, sehingga bilangan n diletakkan pada baris ke-n dan kolom ke-2; maks {n, n}x 2 , n 3) untuk j = n, maka bilangan yang paling kecil adalah n, sehingga bilangan n diletakkan pada baris ke-n dan kolom ke-n.

Oleh karena itu, dapat disusun suatu matriks bentuk kuadratik q 2 (x) dengan cara sebagai berikut: q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j
i, j =1 i =1 j =1 n n n

= maks {1, 1}x1 x1 + + maks {1, n}x1 x n + maks {2,1}x 2 x1 + + maks {2, n}x 2 x n + + maks{n, 1}x n x1 + + maks{n, n}x n x n
= 1 x12 + + n x1 x n 2 + 2 x 2 x1 + 2 x 2 + 3 x 2 x 3 + + n x 2 x n + 2 + n x n x1 + + n x n

= x12 + + nx1 x n 2 + 2 x 2 x1 + 2 x 2 + 3x 2 x 3 + + nx 2 x n + 2 + nx n x1 + + nx n

Dengan demikian bentuk kuadratik q 2 (x) dapat ditulis ke dalam bentuk matriks, seperti berikut ini: 1 2 3 n x1 2 2 3 n x 2 q 2 (x) = [x1 x 2 x 3 x n ] 3 3 3 n x 3 . n n n x n Untuk selanjutnya, akan ditunjukkan proses diagonalisasi bentuk kuadratik q 2 (x) , yang dimulai dari suku terakhir. q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j
i, j =1 i =1 j =1 n n n

= (nx n x n + + nx n x1 ) + (nx1 x n + + nx n 1 x n ) +
i, j =1
2

maks{i, j} x x
i

n 1

j
n 1

= nx n + (2nx n x n 1 + + 2nx n x1 ) +

= n (x1 + + x n ) (x1 + + x n 1 )
2

+ (n 1) (x n 1 ) + + (x1 ) +
2

i, j =1

maks {i, j} x x
i

= n ( x1 + + x n )
2 n2

+ (n 1) (x n 1 ) + 2 (n 1) (x n 1 x n 2 )+ + (x n 1 x1 ) +
i, j =1

] maks{i, j} x x (x + + x ) ]
n2 i, j =1
n 1

maks{i, j} x x
i 2

j 2

= n ( x1 + + x n ) (x1 + + x n 1 )

+ (n 1) (x n 1 ) + 2 (x n 1 ) (x n 2 ) + + (x1 )
2

]]

n2

i, j =1

maks{i, j} x x
i

= n ( x1 + + x n ) ( x1 + + x n 1 )
2

+ (n 1) (x n 1 ) (x n 1 ) + 2 (x n 2 )+ + ( x1 ) +
n2 i, j =1

[
[

]]

maks{i, j} x x
i
2

j
2

= n (x1 + + x n ) (x1 + + x n 1 )
2 n2 i, j =1

+ (n 1) (x1 + + x n 1 ) + maks {i, j} xi x j = n (x1 + + x n ) (x1 + + x n 1 )

2 2 n2

+ (n 1) (x1 + + x n 1 ) (n 1) (x1 + + x n 2 )
i, j =1

maks{i, j} x x
i
2

= n (x1 + + x n ) (x1 + + x n 1 ) (x1 + x 2 ) 2 x12 + x12

2 2

= n (x1 + + x n ) (x1 + + x n 1 ) (x1 + x 2 ) x12

2 2 2

Contoh:
Diagonalisasikanlah bentuk kuadratik q 2 (x) = maks {i, j} x i x j .
i, j =1 4

Jawab:
Jika ditulis bentuk kuadratik q 2 (x) ke dalam sebuah bentuk matriks, yaitu: 1 2 3 4 x1 x q 2 (x) = [x1 x 2 x 3 x 4 ] 2 2 3 4 2 . 3 3 3 4 x 3 4 4 4 4 x 4 Dengan menerapkan rumus pendiagonalisasian untuk bentuk kuadratik q 2 (x) , akan diperoleh bentuk diagonalisasinya seperti berikut: q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j
i, j =1 i =1 j =1 4 4 4

= (4 x 4 x 4 + 4 x 4 x 3 + 4 x 4 x 2 + 4 x 4 x1 ) + (4 x1 x 4 + 4 x 2 x 4 + 4 x 3 x 4 + 4 x 3 x 4 ) +
i, j =1

maks {i, j} x x
i 3 i, j =1

4 1

= 4 (x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) +
2 2

] maks{i, j} x x
i

= 4 (x1 + x 2 + x3 + x 4 ) 4(x1 + x 2 + x3 )
2

+ (4 1)(x3 ) + (4 1)(x3 x 2 ) + (4 1)(x3 x1 )

2 42

+ [(4 1)(x1 x3 ) + (4 1)(x 2 x3 )] + maks {i, j} xi x j = 4 (x1 + x 2 + x 3 + x 4 ) 4(x1 + x 2 + x 3 )

2

+ 3 (x 3 ) + 3 (x 3 x 2 ) + 3 (x 3 x1 )
2

[
[

i, j =1

]
j

+ [3 ( x1 x 3 ) + 3 (x 2 x 3 )] +
2

i, j =1

maks {i, j} x x
i
2

= 4 ( x1 + x 2 + x 3 + x 4 ) 4(x1 + x 2 + x 3 ) + 3 (x 3 ) + 2 x 3 (x1 x 2 ) +
2 2 1 2 3 4

] maks{i, j} x x = [4 ( x + x + x + x ) 4(x + x + x ) ] + 3 [ (x + x + x ) (x + x ) ]+ maks {i, j} x x

2

i, j =1

i, j =1
2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 3 (x1 + x 2 )
2

i, j =1

maks {i, j} x x
i

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 3 (x1 + x 2 )
2 2

+ (x1 ) + 2 ( x1 x 2 ) + 2 ( x 2 x1 ) + 2 (x 2 )
2 2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 3 (x1 + x 2 )
2

+ (x1 ) + 2 ( x1 x 2 ) + (x 2 ) + 2 ( x 2 x1 ) + (x 2 )
2 2 2 2

2 2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 3 (x1 + x 2 ) + (x1 + x 2 ) + 2 ( x1 x 2 ) + (x 2 )

2 2 2 2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 2 (x1 + x 2 ) + 2 ( x1 x 2 ) + (x 2 )
2 2 2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 2 (x1 + x 2 ) + 2 ( x1 x 2 ) + (x 2 ) + (x1 ) (x1 )

2 2 2 2 2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 2 (x1 + x 2 ) + (x1 ) + 2 ( x1 x 2 ) + (x 2 ) (x1 )

2 2 2 2 2 2 2 2

2 2 2

= 4 ( x1 + x 2 + x 3 + x 4 ) (x1 + x 2 + x 3 ) 2 (x1 + x 2 ) + ( x1 + x 2 ) ( x1 )

= 4 (x1 + x 2 + x 3 + x 4 ) ( x1 + x 2 + x 3 ) (x1 + x 2 ) ( x1 ) Misalkan maka

y1 = (x1 + x 2 + x 3 + x 4 ), y 2 = (x1 + x 2 + x 3 ), y 3 = (x1 + x 2 ) dan y 4 = x1 ,

q 2 (y) = i = 1 k i y i , y i span {x1 , x 2 , x 3 , x 4 }

4 2

= 4 y1 + y 2 + y 3 + y 4 , dengan k1 = 4 dan k 2 = k 3 = k 4 = 1.

3.2.3 Diagonalisasi bentuk kuadratik q3 (x) Sebelum dibahas tentang proses pendiagonalisasian bentuk kuadratik q3 (x) , akan dijabarkan terlebih dahulu proses penyusunan dari bentuk kuadratik: q 3 (x) = (i + j ) x i x j = (i + j ) x i x j
i, j =1 i =1 j =1 n n n

Pada Bentuk Kuadratik q 3 (x) , (i + j ) x i x j menyatakan bahwa entri-entri pada Matriks Bentuk Kuadratik q 3 (x) diperoleh dari penjumlahan i dan j, yaitu sebagai berikut: a.

(1 + j ) x1 x j ,

2 1) untuk j = 1, maka (1 + 1) x1 x1 = 2 x1 , hasil penjumlahan i dan j adalah 2 (dua), dan bilangan 2 (dua) diletakkan pada baris ke-1 dan kolom ke-1; 2) untuk j = 2, maka (1 + 2 ) x1 x 2 , hasil penjumlahan i dan j adalah 3 (tiga) sehingga bilangan

3 (tiga) diletakkan pada baris ke-1 dan kolom ke-2; 3) untuk j = n, maka (1 + n ) x1 x n , hasil penjumlahan i dan j adalah (1+n) sehingga (1+n) diletakkan pada baris ke-1 dan kolom ke-n. (2 + j ) x 2 x j , b. 1) untuk j = 1, maka (2 + 1) x 2 x1 , hasil penjumlahan i dan j adalah 3 (tiga) sehingga bilangan

3 (tiga) diletakkan pada baris ke-2 dan kolom ke-1; 2) untuk j = 2, maka (1 + 2 ) x1 x 2 , hasil penjumlahan i dan j adalah 3 (tiga) sehingga bilangan 3 (tiga) diletakkan pada baris ke-1 dan kolom ke-2; 3) untuk j = n, maka (1 + n ) x1 x n , hasil penjumlahan i dan j adalah (1+n) sehingga (1+n) diletakkan pada baris ke-1 dan kolom ke-n.

c.

(n + j ) x n x j ,
1) untuk j = 1, maka (n + 1) x n x1 , hasil penjumlahan i dan j adalah (n+1) sehingga bilangan (n+1) diletakkan pada baris ke-n dan kolom ke-1; 2) untuk j = 2, maka (n + 2 ) x n x 2 , hasil penjumlahan i dan j adalah (n+2) sehingga bilangan 3) untuk j = n, maka (n + 2 ) x n x 2 , hasil penjumlahan i dan j adalah (n+n)=2n sehingga 2n diletakkan pada baris ke-n dan kolom ke-n. (n+2) diletakkan pada baris ke-n dan kolom ke-2;

Oleh karena itu, dapat disusun suatu matriks bentuk kuadratik q3 (x) dengan cara sebagai berikut: q 3 (x) = (i + j ) x i x j = (i + j ) x i x j
i, j =1 i =1 j =1 n n n

= (1 + 1) x1 x1 + + (1 + n ) x1 x n + (2 + 1) x 2 x1 + + (2 + n ) x 2 x n + + (n + 1) x n x1 + + (n + n ) x n x n = 2 x12 + + (1 + n ) x1 x n + 3 x 2 x1 + + (2 + n ) x 2 x n + 2 + (n + 1) x n x1 + + 2n x n Dengan demikian bentuk kuadratik q3 (x) dapat ditulis ke dalam bentuk matriks, seperti berikut ini: 3 1 + n x1 2 4 2 + n x2 . 3 q 3 (x) = [x1 x 2 x n ] 2n x n n + 1 n + 2

Untuk mempermudah proses pendiagonalisasian bentuk kuadratik q 3 (x) , dilakukan dengan cara menganggap
i, j =1

ix x
i

= jx i x j
i, j =1

atau dapat pula ditulis sebagai

q 3 (x) = 2 f (x)

untuk suatu bentuk kuadratik

n n n f (x) = ix i x j = ix i x j . i, j =1 i =1 j =1

Dimisalkan

u = ix i
i =1

n v = x j , i = 1 kemudian digunakan identitas: dan (u + v )2 (u v )2 uv = 4

sehingga diperoleh:
q 3 (x) = 2 f (x) = 2uv

=2

(u + v )2 (u v )2
4
2

2 n n n 1 n = 2 ix i + x j ix i x j j =1 j =1 4 i = 1 i =1

1 2 1 2

[[(x [[(x
[

+ + nx n ) + ( x1 + + x n )]

[(x1 + + x n ) (x1 + + x n )]
1

+ + nx n ) + ( x1 + + x n )]

[(x1 + + x n ) x1 x n ]

]
]

1 (2 x1 + + (n + 1) x n )2 (x 2 + + (n 1) x n )2 2

Contoh: Diagonalisasikanlah bentuk kuadratik Jawab: q 3 (x) =

i, j =1

(i + j )x x
i

Jika bentuk kuadratik q3 (x) ditulis ke dalam sebuah bentuk matriks, yaitu: 2 3 4 5 x1 4 6 x q 3 (x) = [x1 x 2 x 3 x 4 ] 3 5 5 7 2 . 6 x3 4 5 6 7 8 x 4

Dengan menerapkan rumus pendiagonalisasian untuk bentuk kuadratik q 3 (x) , akan diperoleh bentuk diagonalisasinya seperti berikut: 2 2 4 4 4 1 4 = 2 ix i + x j ix i x j j =1 j =1 4 i = 1 i =1 q3 (x) 1 (2 x1 + 3x 2 + 4 x3 + (4 + 1) x 4 )2 (x 2 + 2 x3 + (4 1) x 4 )2 2 1 2 2 = (2 x1 + 3 x 2 + 4 x 3 + 5 x 4 ) (x 2 + 2 x 3 + (4 1) x 4 ) 2 1 2 2 = (2 x1 + 3 x 2 + 4 x 3 + 5 x 4 ) (x 2 + 2 x 3 + 3x 4 ) 2 Misalkan y1 = (2 x1 + 3 x 2 + 4 x 3 + 5 x 4 ) dan y 2 = (x 2 + 2 x 3 + 3 x 4 ), =

[ [ [

maka

q3 (y) = k i y i , y i span {x1 , x 2 }

2 i =1

1 2 1 1 2 1 2 y1 + y 2 = y12 + y 2 , dengan k1 = k 2 = . 2 2 2 2

3.2.4 Diagonalisasi bentuk kuadratik q 4 (x) Sebelum dibahas tentang proses pendiagonalisasian bentuk kuadratik q 4 (x) , akan dijabarkan terlebih dahulu proses penyusunan dari bentuk kuadratik: q 4 (x) = i j x i x j = i j x i x j .
i, j =1 i =1 j =1 n n n

i j xi x j Pada Bentuk Kuadratik q 4 (x) , menyatakan bahwa entri-entri suatu Matriks q 3 (x) diperoleh dari selisih (dalam harga mutlak) indeks (yaitu i dan j), sebagai Bentuk Kuadratik berikut: 1 j x1 x j , a. 1 1 x1 x1 = 0 x12 = 0, sehingga hasil mutlak selisih i dan j adalah 0 1) untuk j = 1, maka (nol), dan bilangan 0 (nol) diletakkan pada baris ke-1 dan kolom ke-1; 1 2 x1 x 2 = 1 x1 x 2 = 1 x1 x 2 = x1 x 2 , 2) untuk j = 2, maka hasil mutlak selisih i dan j adalah 1 (satu) sehingga bilangan 1 (satu) diletakkan pada baris ke-1 dan kolom ke-2; 1 n x1 x n , 1 n hasil mutlak selisih i dan j adalah sehingga bilangan 3) untuk j = n, maka 1 n diletakkan pada baris ke-2 dan kolom ke-n.

b.

2 j x2 x j , 2 1 x 2 x1 = 1 x 2 x1 = x 2 x1 , hasil mutlak selisih i dan j adalah 1 (satu), 1) untuk j = 1, maka dan bilangan 1 (satu) diletakkan pada baris ke-2 dan kolom ke-1; 2 2 2 x 2 x 2 = 0 x 2 = 0, hasil mutlak selisih i dan j adalah 0 (nol) 2) untuk j = 2, maka sehingga 0 (nol) diletakkan pada baris ke-2 dan kolom ke-2; 1 n x1 x n , 1 n hasil mutlak selisih i dan j adalah sehingga bilangan 3) untuk j = n, maka 1 n diletakkan pada baris ke-2 dan kolom ke-n.

c.

n j xn x j , n 1 x n x1 , n 1 hasil mutlak selisih i dan j adalah sehingga bilangan 1) untuk j = 1, maka n 1 diletakkan pada baris ke-n dan kolom ke-1; n 2 xn x2 , n2 2) untuk j = 2, maka hasil mutlak selisih i dan j adalah sehingga bilangan n2 diletakkan pada baris ke-n dan kolom ke-2;
2 n n xn xn = n n xn = 0 , hasil mutlak selisih i dan j adalah 0 (nol) 3) untuk j = n, maka sehingga 0 (nol) diletakkan pada baris ke-n dan kolom ke-n.

Oleh karena itu, dapat disusun suatu matriks bentuk kuadratik q 4 (x) dengan cara sebagai berikut: q 4 (x) = i j x i x j = i j x i x j
i, j =1 i =1 j =1 n n n

= 1 1 x1 x1 + + 1 n x1 x n + 2 1 x 2 x1 + + 2 n x 2 x n + + n 1 x n x1 + + n (n 1) x n x n 1 + n n x n x n
= 0 x12 + 1 x1 x 2 + + 1 n x1 x n 2 + 1 x 2 x1 + 0 x 2 + + 2 n x 2 x n + 2 + n 1 x n x1 + n 2 x n x 2 + + n n + 1 x n x n 1 + 0 x n = 0 + x1 x 2 + + 1 n x1 x n + x 2 x1 + 0 + + 2 n x 2 x n + + n 1 x n x1 + n 2 x n x 2 + + 1 x n x n 1 = x1 x 2 + + 1 n x1 x n + x 2 x1 + + 2 n x 2 x n + + n 1 x n x1 + n 2 x n x 2 + + 1 x n x n 1

Dengan demikian, bentuk kuadratik q 4 (x) dapat ditulis ke dalam suatu matriks, seperti berikut ini: 0 1 1 n x1 1 0 2 n x2 . q 4 (x) = [x1 x 2 x n ] x 0 n n 1 n 2 Bentuk kuadratik q 4 (x) merupakan hasil dari proses pengurangan dari: q 2 (x) = maks {i, j} x i x j = maks {i, j} x i x j
i, j =1 i =1 j =1 n n n

dan q1 (x) = yaitu

q 4 (x) = q 2 (x) q1 (x) ,
i, j =1

min {i, j} xi x j = min {i, j} xi x j ,

i =1 j =1

dengan

q1 (x) = x + + x
1

) + (x + + x )
2 2
n
2

2 + + x + x + xn n 1 n
2 2

dan

q 2 (x) = n (x1 + + x n ) (x1 + + x n 1 ) (x1 + x 2 ) x12 .

Begitu pula bentuk kuadratik q3 (x) dapat ditulis ke dalam bentuk q 3 (x) = q1 (x) + q 2 (x) , sehingga
q2 (x) = q3 (x) q1 (x).

Maka
q4 (x) = q3 (x) 2q1 (x) ,

dengan
q 3 (x) =

1 (2 x1 + + (n + 1)x n )2 (x 2 + + (n 1)x n )2 2

dan

q1 (x) = x + + x
1

) + (x + + x ) + + x
2 2 2
n

2 + x + xn . n 1 n

Misalkan dibentuk suatu variabel baru z i = x i + x i +1 + + x n , dengan (1 i n ) . Jadi, diagonalisasi bentuk kuadratiknya dapat disajikan sebagai berikut: q 4 (x) = q 3 (x) 2q1 (x) = 2 z1 ( z1 + + z n ) 2 z1 + + z n
2

= 2 z1 ( z 2 + + z n

( ) 2(z

2 2

2 2

+ + zn

) )

2 z1 2 z1 2 = 2 z1 z i + z i + 2(n 1) i = 2 2 2
n

=
=

1 (x1 x n )2 2 2 1 1 2 2 (x1 + x 2 x 3 x n ) (x1 + x 2 + x 3 x 4 x n ) 2 2 1 2 (x1 + + x n 1 x n ) 2 x1 + + x n )

2

(n 1) (

n 1 2 1 n 2 z1 ( z1 2 z i ) 2 2 i=2

Contoh:

Diagonalisasikanlah bentuk kuadratik dari q 4 (x) = i j x i x j .

i, j =1

Jawab:

Persamaan di atas, jika ditulis ke dalam sebuah bentuk matriks menjadi: 0 1 2 3 x1 0 2 x q 4 (x) = [x1 x 2 x3 x 4 ] 1 1 1 1 2 . 0 x3 2 3 2 1 0 x 4

Dengan menerapkan rumus pendiagonalisasian untuk bentuk kuadratik q 4 (x) , akan diperoleh bentuk diagonalisasinya seperti berikut: (4 1) (x + x + x + x )2 1 (x x x x )2 q 4 (x) = 1 2 3 4 1 2 3 4 2 2 1 1 2 2 (x1 + x 2 x3 x 4 ) (x1 + x 2 + x3 x 4 ) 2 2 3 1 2 2 = ( x1 + x 2 + x 3 + x 4 ) ( x1 x 2 x 3 x 4 ) 2 2 1 1 2 2 ( x1 + x 2 x 3 x 4 ) ( x1 + x 2 + x 3 x 4 ) 2 2 3 1 2 2 = ( x1 + x 2 + x 3 + x 4 ) ( x1 x 2 x 3 x 4 ) 2 2 1 1 2 2 ( x1 + x 2 x 3 x 4 ) ( x1 + x 2 + x 3 x 4 ) 2 2 Misalkan y1 = (x1 + x 2 + x3 + x 4 ), y 2 = (x1 x 2 x3 x 4 ), y 3 = (x1 + x 2 x3 x 4 ) dan y 4 = (x1 + x 2 + x3 x 4 )
maka

q 4 (y) = k i y i , y i span {x1 , x 2 }

2 i =1

=
dengan

3 2 1 2 1 2 1 2 3 2 1 2 2 2 y1 y 2 y 3 y 4 = y1 y 2 + y 3 + y 4 , 2 2 2 2 2 2

1 3 k1 = dan k 2 = k 3 = k 4 = . 2 2

3.3

Hubungan antar Bentuk Kuadratik q1 (x) dengan q 2 (x) , dan Bentuk Kuadratik q 3 (x) dengan q 4 (x) .

Pada sub bab berikut ini, akan diperlihatkan hubungan antara bentuk kuadratik q1 (x) dengan q 2 (x) dan bentuk kuadratik q 3 (x) dengan q 4 (x) , seperti berikut ini.

3.3.1 Hubungan antar Bentuk Kuadratik q1 (x) dengan q 2 (x)

Dimulai dari bentuk kuadratik q1 (x) . Untuk mendiagonalisasikan bentuk kuadratik berikut, diketahui q1 (x) = x1 + 2 x1 (x 2 + + x n ) +
2

= x + + x 2 x + + x 2 1 n n 2 + [(2 x 2 x 2 + + 2 x 2 x n ) + (2 x 3 x 2 + + 2 x n x 2 )] +

) (
i

i, j = 2

min {i, j}x x

i

= x + + x
1

i, j = 3

min {i, j}x x

2

j
2 2

n n

) ( x + + x ) + 2x
2 2

+ 4 x2 x + + x
3

= x + + x
1

i, j = 3

min {i, j}x x

i
2

n n

) ( x + + x ) 2 (x
2 2

+ + x
n

i, j = 3

min {i, j}x x

i

Dengan mengulang proses di atas hingga akhir, akan diperoleh: q1 (x) = x + + x

1

2 2 (n 1) x n + nx n

) + (x + + x ) + + x
2 2 2
n

+x n 1 n

= x + + x
1
n

) + (x + + x ) + + x
2 2 2
n

2 + x + xn n 1 n

Persamaan di atas dapat diperiksa secara langsung dengan membandingkan koefisienxx koefisien i j pada kedua sisinya. Hal ini berarti bahwa bentuk kuadratik q1 (x) mempunyai peringkat sebanyak n. Untuk bentuk kuadratik q 2 (x) , dimulai dengan proses pendiagonalisasian dari variabel terakhir:
2 q 2 (x) = nx n + 2nx n (x1 + + x n 1 ) +
2

i, j =1

maks {i, j}x x

i
2

n 1

j
2

= n (x1 + + x n ) n (x1 + + x n 1 ) + (n 1)(x1 + + x n 1 ) (n 1)( x1 + + x n 2 ) +

2 i, j =1

maks {i, j}x x

i

n2

= n (x1 + + x n ) ( x1 + + x n 1 ) (n 1) (x1 + + x n 2 )
2 2

i, j =1

maks {i, j}x x

i

n2

Dengan mengulang proses di atas hingga akhir, akan dijumpai pendiagonalisasian seperti berikut: 2 2 2 q 2 (x) = n (x1 + + x n ) (x1 + + x n 1 ) (x1 + x 2 ) x12 yang dapat diperiksa secara langsung dengan membandingkan beberapa koefisien-koefisiennya. Secara khusus, bentuk kuadratik q 2 (x) mempunyai rank sebanyak 1 (n 1) = 2 n . q 2 ( x1 , x 2 , , x n ) Di sini, diperoleh sebagai tambahan suatu kriteria agar bentuk kuadratik x , x , , xn , yaitu: menjadi non negatif untuk bilangan-bilangan real 1 2 2 2 2 n (x1 + + x n ) (x1 + + x n 1 ) + (x1 + + x n 2 ) + + x12 . Suatu jalan alternatif untuk memperoleh pendiagonalisasian pada bentuk kuadratik q2 (x) adalah dengan menggunakan relasi (hubungan) timbal balik di antara bentuk kuadratik q1 (x) dengan q 2 (x) .

Lihat persamaan berikut:

q1 ( x , , x ) = x + + x
1
n

2 + x + xn 1 1 2 n n n n 1 n 2 2 2 q 2 ( x , , x ) = n ( x1 + + x n ) ( x1 + + x n 1 ) (x1 + x 2 ) x12
2 2

) + (x + + x ) + + x
1
n

q1 ( x , , x ) + q 2 ( x , , x ) = (n + 1) ( x + + x ) 2
n

(3.3.1.1) Hal di atas dapat dibuktikan dari manapun dengan menggunakan bentuk yang jelas (eksplisit) pada matriks-matriks simetri untuk 2 (dua) bentuk pada bagian kiri dari persamaan
1
n n

atau q 2 ( x , , x ) + q1 ( x , , x ) = (n + 1) ( x + + x ) 2
1
n

(3.3.1.1). Atau dapat pula dengan menamakan kembali secara mundur variabel-variabel di dalam bentuk kuadratik q2 (x) dan menggunakan hubungan (relasi) maksimum-minimum:
maks {n i + 1, n j + 1}= n + 1 min {i, j}.

Diberikan persamaan (3.3.1.1), diperoleh 2 q 2 x , , x = (n + 1) x + + x q1 x , , x

) ( ) ( = (n + 1) (x + + x ) (x + + x ) x + + (x + x ) + x ),
1 n n 1 2 2 1 n n 1 2 2 1 2 1

+ + x 1 n 1

dikerjakan dengan cara seperti sebelumnya. Pendiagonalisasian secara eksplisit untuk bentuk kuadratik q1 (x) dan q 2 (x) di atas juga mengarah pada keragaman rumus yang menghubungkan bentuk kuadratik q i (x) dari n hingga versi (n 1) -nya.

3.3.2 Hubungan antar Bentuk Kuadratik q 3 (x) dengan q 4 (x)

Menuju pada bentuk kuadratik q 3 (x) , analog dengan persamaan (3.3.1.1), diketahui bahwa bentuk kuadratik q 3 (x) = q1 (x) + q 2 (x) , yaitu:
2 + x + xn 1 2 n n n 1 n 2 2 2 q 2 (x) = n (x1 + + x n ) (x1 + + x n 1 ) (x1 + x 2 ) x12 + 1 2 2 q 3 (x) = (2 x1 + 3x 2 + + (n + 1) x n ) (x 2 + 2 x3 + + (n 1) x n ) 2 atau 1 2 2 q 3 (x) = (2 x1 + + (n + 1) x n ) (x 2 + + (n 1) x n ) 2 (3.3.2.1) Akan tetapi, kedua pendiagonalisasian yang diperoleh untuk bentuk kuadratik q1 (x) dan q 2 (x) tidak dapat dibandingkan terhadap bentuk kuadratik q 3 (x) . Oleh karena itu, jika q1 (x) = x + + x
2 2

) + (x + + x ) + + x

hanya dengan menambahkan bentuk kuadratik q1 (x) dan q 2 (x) , tidak mengarah pada pendiagonalisasian bentuk kuadratik q 3 (x) . Jadi, harus dihubungkan dengan proses pendiagonalisasian sebelumnya seperti pada langkah berikut. Diketahui bahwa

i, j =1

ixi x j = jxi x j
i, j =1

dapat ditulis ke dalam bentuk kuadratik

q 3 (x) = 2 f (x)

dimana bentuk kuadratik f (x) = ix i x j = jx i x j

i, j =1 i, j =1 n n

Sekarang, bentuk kuadratik f (x) difaktorkan menjadi n n ix i x j . i =1 j =1

Oleh karena itu, dengan menggunakan identitas (u + v )2 (u v )2 , uv = 4 diperoleh 2 2 n n n 1 n q 3 (x) = 2 ix i + x j ix i x j j =1 j =1 4 i = 1 i =1 1 2 2 = (2 x1 + + (n + 1) x n ) (x 2 + + (n 1) x n ) 2

Bentuk tersebut menghasilkan pendiagonalisasian 1 2 2 q 3 (x) = z1 z 2 2 dengan

z 1 = 2 x1 + + (n + 1) x n

dan

z 2 = x 2 + + (n 1) x n .

Secara khusus, Bentuk Kuadratik q 3 (x) mempunyai rank sebanyak 2 (dua), dan diperoleh x , x , , xn , suatu kesimpulan bahwa, untuk variabel- variabel real 1 2 diperoleh
i, j =1

(i + j ) x x
i

jika dan hanya jika

2 x1 + + (n + 1) x n x 2 + + (n 1) x n .

Dari suatu pengamatan untuk menyelesaikan bentuk kuadratik, diketahui bahwa metode di atas sebenarnya dapat digunakan untuk menyelesaikan bentuk umum lainnya dari q(x) = (a i + b j ) x i x j ,
n i, j =1

untuk sebarang elemen a i + b j pada suatu field.

Sebuah himpunan ki =

(ai + bi )
2

ditulis kembali menjadi bentuk kuadratik q (x) sebagai bentuk kuadratik 2 g (x) untuk
g (x) =
i , j =1

k x x
i i

setelah diproses dengan cara yang sama seperti sebelumnya. Akhirnya, sekarang menuju pada bentuk kuadratik q 4 (x) . Proses pendiagonalisasian bentuk kuadratik q 4 (x) lebih sulit tanpa menyajikan yang di atas. Dimulai lagi dengan mengetahui bahwa bentuk kuadratik q 4 (x) = q 2 (x) - q1 (x) . Hal tersebut dengan sendirinya tidak menghasilkan suatu pendiagonalisasian bagi bentuk kuadratik q 4 (x) , tetapi dapat mengganti bentuk kuadratik q 2 (x) dengan bentuk kuadratik
q 3 (x) - q1 (x) sehingga bentuk kuadratik q 4 (x) dapat ditulis kembali menjadi bentuk kuadratik q 4 (x) = q 3 (x) - 2q1 (x) .

Sekarang, dibentuk sebuah variabel baru y i = x i + x i + 1 + + x n (1 i n )

Dengan menggunakan hasil lebih awal pada bentuk kuadratik q1 (x) dan q 3 (x), dapat ditulis 2 q 4 (x) = 2 (x1 + + x n )(x1 + + nx n ) 2 ( y12 + + y n )
2 = 2 y1 ( y1 + + y n ) 2 ( y12 + + y n ) 2 n y 2 y1 2 1 ( y1 y i ) + y i + 2 (n 1) = 2 2 i = 2 2

(n 1) y 2 1 n (y 2 y )2 i 1 1
2 2 i = 2 2 2
2

= (n 1)

(x1 + + x n )
2

(x1 x n )2

(x1 + x 2 x 2 x n )

(x

+ + xn 1 xn ) 2

(3.3.2.2)

Hal ini merupakan pendiagonalisasian yang diinginkan terhadap bentuk kuadratik q 4 (x) (atas bilangan rasional). Secara khusus, disimpulkan bahwa, seperti pada bentuk kuadratik q 2 (x) , bentuk kuadratik q 4 (x) juga memiliki rank sebanyak n. Diketahui bahwa pendiagonalisasian (3.3.2.2) mengarah pada suatu patokan agar bentuk kuadratik q 4 (x) dapat juga menjadi non negatif terhadap suatu vektor real x tertentu.
3.4 Perbedaan Antara Proses Pendiagonalisasian Secara Ortogonal Pada Matriks Simetrik dengan Proses Pendiagonalisasian Bentuk Kuadratik dan Penjabaran Suku-

sukunya.

Pada bagian ini, akan dipaparkan mengenai perbedaan antara proses pendiagonalisasian secara ortogonal pada matriks simetrik dengan pendiagonalisasian bentuk kuadratik dan penjabaran suku-sukunya, yaitu:
3.4.1 Pendiagonalisasian Ortogonal Matriks Simetrik

Matriks A berukuran n n dapat didiagonalisasikan secara ortogonal jika terdapat matriks P yang ortogonal sehingga (P 1 AP) = (P t AP) . Jadi, matriks P dikatakan mendiagonalisasikan A secara ortogonal. Terdapat suatu prosedur untuk mendiagonalisasikan matriks simetrik berukuran n n secara ortogonal, yaitu sesuai dengan pembuktian pada Teorema (2.4.3).
3.4.2 Pendiagonalisasian Bentuk Kuadratik

Proses pendiagonalisasian ke-empat bentuk kuadratik di atas dilakukan dengan cara menjabarkan setiap suku-sukunya sehingga dapat dibentuk suatu rumus diagonalisasi bentuk kuadratik, yaitu mengubah bentuk kuadratik
q(x) =
ij i , j = 1, i j

xi x j

menjadi bentuk kuadratik

q(y) = k i y i2
i =1 n

dengan y i span {x1 , x 2 , , x n } atau dapat disebut juga bahwa yi merupakan suatu kombinasi linear dari {x1 , x 2 , , x n }.

BAB IV

PENUTUP

4.1 Kesimpulan

Bentuk Kuadratik yang dibahas pada tugas akhir ini ada 4 (empat) macam, yaitu Bentuk Kuadratik q1 (x) yang berupa jumlahan suku-suku hasil perkalian antara indeks minimum dari dua variabel; q 2 (x) yang berupa jumlahan suku-suku hasil perkalian antara indeks maksimum dari dua variabel; q 3 (x) yang berupa jumlahan suku-suku hasil perkalian antara jumlah indeks dari dua variabel dan q 4 (x) yang berupa jumlahan suku-suku hasil perkalian antara selisih (dalam harga mutlak) indeks dari dua variabel. Proses pendiagonalisasian bentuk kuadratik adalah mengubah bentuk kuadratik
q(x) =
ij i , j = 1, i j

a
n

xi x j

menjadi bentuk kuadratik

q(y) = k i y i2
i =1

dengan y i span {x1 , x 2 , , x n } atau dapat disebut juga bahwa yi merupakan suatu kombinasi {x , x , , x n } . Kemudian diperoleh rumus bentuk kuadratik untuk q1 (x) , q 2 (x) , linear dari 1 2
q 3 (x) dan q 4 (x) .

Hubungan antara bentuk kuadratik q1 (x) dengan q 2 (x) adalah adanya relasi timbal balik pada q1 (x) dan q 2 (x) agar diperoleh suatu pendiagonalisasian pada bentuk kuadratik q 2 (x) , yaitu: q 2 ( x , , x ) + q1 ( x , , x ) = (n + 1) ( x + + x ) 2
1 n n 1 1 n

(3.3.1.1)

atau dapat pula dengan mengerjakan secara mundur variabel-variabel pada q2 (x) dan menggunakan relasi maksimum-minimum: maks {n i + 1, n j + 1}= n + 1 min {i, j}. Demikian pula, diketahui bahwa bentuk kuadratik q 3 (x) dengan q 4 (x) sama-sama diperoleh dari bentuk kuadratik q1 (x) dan q 2 (x) . Bentuk kuadratik q 3 (x) diperoleh dari penjumlahannya, yaitu
q 3 (x) = q1 (x) + q 2 (x)

dan bentuk kuadratik q 4 (x) diperoleh dari selisihnya, yaitu q 4 (x) = q 2 (x) - q1 (x) .

DAFTAR PUSTAKA

Anton, H. 1995. Aljabar Linear Elementer. Edisi Kelima, Terjemahan Pantur Silaban dan I Nyoman Susila. Erlangga. Jakarta. Anton, H. 2000. Dasar-dasar Aljabar Linear Elementer. Edisi Ketujuh, Jilid Pertama. Interaksara. Batam. Lam, T.Y. 1999. On The Diagonalization Of Quadratic Forms. Mathematics Magazine. 72 (3):231-235. Leon, S.J. 2001. Aljabar Linear dan Aplikasinya. Edisi Kelima, Erlangga. Jakarta. Spiegel, M.R. 1994. Matematika Lanjutan Untuk Para Insinyur dan Ilmuwan. Edisi SI (Metrik). Terjemahan Koko Martono. Erlangga. Jakarta. Stroud, K.A.1988. Matematika Teknik. Edisi Kedua, Terjemahan Erwin Sucipto. Erlangga. Jakarta. Sugiarto, I. dan Tiurmaida, 2005. Diagonalisasi Bentuk Kuadratik. Integral. 10(1):18-24. Supranto, J. 1984. Pengantar Matriks. Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. Jakarta.

DIAGONALISASI BENTUK KUADRATIK ATAS VARIABEL REAL

TUGAS AKHIR

oleh : ELOK RETNO OETAMI 0001100184-94

PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2007

DIAGONALISASI BENTUK KUADRATIK ATAS VARIABEL REAL

TUGAS AKHIR Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains dalam bidang Matematika

oleh : ELOK RETNO OETAMI 0001100184-94

PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2007

LEMBAR PENGESAHAN TUGAS AKHIR DIAGONALISASI BENTUK KUADRATIK ATAS VARIABEL REAL

oleh : ELOK RETNO OETAMI 0001100184-94

Setelah dipertahankan di depan Majelis Penguji pada tanggal 12 April 2007 dan dinyatakan memenuhi syarat untuk memperoleh gelar Sarjana Sains dalam bidang matematika Pembimbing I Pembimbing II

Drs. Noor Hidayat, M.Si NIP. 131 837 971

Kwardiniya A., S.Si, M.Si NIP. 132 206 317 Mengetahui, Ketua Jurusan Matematika Fakultas MIPA Universitas Brawijaya

Dr. Agus Suryanto, M.Sc NIP. 132 126 049LEMBAR PERNYATAAN

Saya yang bertanda tangan dibawah ini : Nama NIM Jurusan Penulis Tugas Akhir berjudul : Elok Retno Oetami : 0001100184-94 : Matematika : Diagonalisasi Bentuk Kuadratik Atas Variabel Real.

Dengan ini menyatakan bahwa : 1. Isi dari Tugas Akhir yang saya buat adalah benar-benar karya sendiri dan tidak menjiplak karya orang lain, selain nama-nama yang termaktub di isi dan tertulis di daftar pustaka dalam Tugas Akhir ini. 2. Apabila dikemudian hari ternyata Tugas Akhir yang saya tulis terbukti hasil jiplakan, maka saya akan bersedia menanggung segala resiko yang akan saya terima. Demikian pernyataan ini dibuat dengan segala kesadaran.

Malang, 12 Maret 2007 Yang menyatakan,

(Elok Retno Oetami) NIM. 0001100184-94

LEMBAR RALAT

1.

Pada LEMBAR PENGESAHAN TUGAS AKHIR, halaman tertulis NIP Drs. Noor Hidayat, M.Si adalah 131 837 971, seharusnya NIP Drs. Noor Hidayat, M.Si adalah 131 759 590.