Aljabar Linear
Aljabar Linear
Aljabar linear adalah bidang studi matematika yang mempelajari sistem persamaan linear dan
solusinya, vektor, serta transformasi linear. Matriks dan operasinya juga merupakan hal yang
berkaitan erat dengan bidang aljabar linear.
Daftar isi
2 Determinan
o
-2
-5
-3
Penyelesaian persamaan linier dalam bentuk matriks dapat dilakukan melalui beberapa cara,
yaitu dengan eliminasi Gauss atau dapat juga dengan cara eliminasi Gauss-Jordan. Namun,
suatu sistem persamaan linier dapat diselesaikan dengan eliminasi Gauss untuk mengubah
bentuk matriks teraugmentasi ke dalam bentuk eselon-baris tanpa menyederhanakannya. Cara
ini disebut dengan substitusi balik.
Sebuah sisitem persamaan linier dapat dikatakan homogen apabila mempunyai bentuk :
Bentuk Eselon-baris
Matriks dapat dikatakan Eselon-baris apabila memenuhi persyaratan berikut :
1.) Di setiap baris, angka pertama selain 0 harus 1 (leading 1).
2.) Jika ada baris yang semua elemennya nol, maka harus dikelompokkan di baris akhir
dari matriks.
3.) Jika ada baris yang leading 1 maka leading 1 di bawahnya, angka 1-nya harus berada
lebih kanan dari leading 1 di atasnya.
4.) Jika kolom yang memiliki leading 1 angka selain 1 adalah nol maka matriks tersebut
disebut Eselon-baris tereduksi
Contoh: syarat 1: baris pertama disebut leading 1
1
-2
-5
-3
-8
-2
-5
-3
-2
-3
syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi
1
Jawab:
Bentuk persamaan tersebut ke dalam matriks:
Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama
dan setiap elemen yang seletak sama.
Jika A dan B adalah matriks yang mempunyai ordo sama, maka penjumlahan dari A + B adalah
matriks hasil dari penjumlahan elemen A dan B yang seletak. Begitu pula dengan hasil
selisihnya. Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan.
Jumlah dari k buah matriks A adalah suatu matriks yang berordo sama dengan A dan besar tiap
elemennya adalah k kali elemen A yang seletak. Didefinisikan: Jika k sebarang skalar maka kA =
A k adalah matriks yang diperoleh dari A dengan cara mengalikan setiap elemennya dengan k.
Negatif dari A atau -A adalah matriks yang diperoleh dari A dengan cara mengalikan semua
elemennya dengan -1. Untuk setiap A berlaku A + (-A) = 0. Hukum yang berlaku dalam
penjumlahan dan pengurangan matriks :
a.) A + B = B + A
b.) A + ( B + C ) = ( A + B ) + C
c.) k ( A + B ) = kA + kB = ( A + B ) k , k = skalar
Hasil kali matriks A yang ber-ordo m x p dengan matriks B yang berordo p x n dapat dituliskan
sebagi matriks C = [ cij ] berordo m x n dimana cij = ai1 b1j + ai2 b2j + ... + aip bpj
JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I , maka B disebut
balikan atau invers dari A dan dapat dituliskan B = A 1 ( B sama dengan invers A ). Matriks B
juga mempunyai invers yaitu A maka dapat dituliskan A = B 1. Jika tidak ditemukan matriks B,
maka A dikatakan matriks tunggal (singular). Jika matriks B dan C adalah invers dari A maka B
= C.
Matriks A =
Dengan Rumus =
Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat di-invers dan (AB)
1
= B 1A 1
Contoh 1:
Matriks
A=
dan B =
AB =
= I (matriks identitas)
BA =
= I (matriks identitas)
Matriks
A=
dan B =
AB =
BA =
A=
Tentukan Nilai dari A-1
Jawab:
Contoh 4:
Matriks
A=
,B=
, AB =
Maka
=
Ini membuktikan bahwa (AB) 1 = B 1A 1
Transpose Matriks
Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen
dalam matriks, dari yang baris menjadi kolom, dan yang kolom di ubah menjadi baris.
Contoh:
Matriks
A=
ditranspose menjadi AT =
Matriks
B=
ditranspose menjadi BT =
Matriks Diagonal
Sebuah matriks bujursangkar yang unsur-unsurnya berada di garis diagonal utama dari matriks
bukan nol dan unsur lainnya adalah nol disebut dengan matriks diagonal. Contoh :
D 1=
DD 1 = D 1D = I
jika D adalah matriks diagonal dan k adalah angka yang positif maka
Dk=
Contoh :
A=
maka
A5=
Matriks Segitiga
Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol.
Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks
segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol.
Matriks segitiga
Teorema
Transpos pada matriks segitiga bawah adalah matriks segitiga atas, dan transpose pada
matriks segitiga atas adalah segitiga bawah.
Produk pada matriks segitiga bawah adalah matriks segitiga bawah, dan produk pada
matriks segitiga atas adalah matriks segitiga atas.
Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol.
Inverse pada matriks segitiga bawah adalah matriks segitiga bawah, dan inverse pada
matriks segitiga atas adalah matriks segitiga atas.
Contoh :
Matriks segitiga yang bisa di invers
A=
Inversnya adalah
A 1=
Matriks yang tidak bisa di invers
B=
Matriks Simetris
Matriks kotak A disebut simetris jika A = AT
Contoh matriks simetris
Teorema
Jika A dan B adalah matriks simetris dengan ukuran yang sama, dan jika k adalah skalar
maka
A=
lalu
ATA =
AAT =
Jika A adalah Matriks yang bisa di inverse, maka AAT dan ATA juga bisa di inverse
Determinan
Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu
matriks bujursangkar.
Sebagai contoh, kita ambil matriks A2x2
A=
tentukan determinan A
A=
tentukan determinan A
M11 =
M32 =
A=
maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah,
det(A) = a11
- a12
+ a13
= a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 - a22a31)
= a11a22a33 + a12a23a31 + a13a21a32 - a13a22a31 - a12a21a33 - a11a23a32
Contoh Soal:
A=
Jawab:
det(A) =
=1
-2
+3
A=
maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah,
det(A) = a11
- a21
+ a31
= a11(a22a33 - a23a32) - a21(a21a33 - a23a31) + a31(a21a32 - a22a31)
= a11a22a33 + a21a23a31 + a31a21a32 - a22(a31)2 - (a21)2a33 - a11a23a32
Contoh Soal:
A=
pertama
Jawab:
det(A) =
=1
-4
+3
Adjoin Matriks 3 x 3
Bila ada sebuah matriks A3x3
A=
Kofaktor dari matriks A adalah
C11 = -12 C12 = 6 C13 = -16
C21 = 4 C22 = 2 C23 = 16
C31 = 12 C32 = -10 C33 = 16
maka matriks yang terbentuk dari kofaktor tersebut adalah
untuk mencari adjoint sebuah matriks, kita cukup mengganti kolom menjadi baris dan baris
menjadi kolom
adj(A) =
Determinan Matriks Segitiga Atas
Jika A adalah matriks segitiga nxn (segitiga atas, segitiga bawah atau segitiga diagonal) maka
det(A) adalah hasil kali diagonal matriks tersebut
Contoh
= (2)(-3)(6)(9)(4) = -1296
Metode Cramer
jika Ax = b adalah sebuah sistem linear n yang tidak di ketahui dan det(A) 0 maka persamaan
tersebut mempunyai penyelesaian yang unik
dimana A j adalah matrik yang didapat dengan mengganti kolom j dengan matrik b
Contoh soal:
Gunakan metode cramer untuk menyelesaikan persoalan di bawah ini
x1 + 2x3 = 6
-3x1 + 4x2 + 6x3 = 30
-x1 - 2x2 + 3x3 = 8
Jawab:
A=
b=
A1 =
A2 =
A3 =
dengan metode sarrus kita dapat dengan mudah mencari determinan dari matrik-matrik
di atas
maka,
A=
karena det(A) = 0. Maka A adalah dapat diinvers.
A=
tentukan determinan A
A=
kemudian hitung kofaktor dari matrix A
C11 = 12 C12 = 6 C13 = -16
C21 = 4 C22 = 2 C23 = 16
C31 = 12 C32 = -10 C33 = 16
menjadi matrix kofaktor
cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor diatas, sehingga
menjadi
adj(A) =
det(A) = 64
sistem linear tersebut dapat juga ditulis dengan x-Ax=0, atau dengan memasukkan matrix
identitas menjadi
(I - A) x = 0
contoh:
diketahui persamaan linear
x1 + 3x2 = x1
4x1 + 2x2 = x2
A=
dan x =
I - A =
det ( I - A) =
= 0
atau ^2 - 3 - 10 = 0
dan dari hasil faktorisasi di dapat 1 = -2 dan 2 = 5
dengan memasukkan nilai pada persamaan ( I - A) x = 0, maka eigenvector bisa didapat bila
= -2 maka diperoleh
x =
Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif, sebuah n- grup topel
adalah sekuens dari n bilangan real (a1.a2.....an). Set dari semua grup yang terdiri dari n- grup
topel dinamakan n-ruangdan dituliskan sebagai Rn.
Jika n = 2 atau 3, sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup
dari tiga secara respektif, daripada 2-grup topel atau 3- grup topel. Keitka n = 1, setiap n grup
topel terdiri dari satu bilangan real, sehingga R1 bisa dilihat sebagai set dari bilangan real. Kita
akan menuliskan R daripada R1 pada set ini.
Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1, a2, a3) mempunyai dua
interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai titik, yang dalam kasus ini
a2, a2, a3 merupakan koordinat, atau ini bisa diinterpretasikan sebagai vector, dimana a1, a2, a3
merupakan komponen vector. Selanjutnya kita bisa melihat bahwa n grup topel (a1, a2, ...., an)
bisa dilihat sebagai antara sebuah poin umum atau vector umum- perbedaan antara keduanya
tidak penting secara matematis. Dan juga kita bisa menjelaskan 5- topel (-2, 4, 0 ,1 ,6) antara
poin dalam R5 atau vector pada R5.
u1 = v1 u2 = v2 un = vn
Penjumlahan u + v didefinisikan oleh
0 = (0, 0,...., 0)
Jika u = (u1, u2, ...., un) dalam setiap vector dalam Rn, maka negative (atau invers aditif) dari u
dituliskan oleh u dan dijelaskan oleh
v u = v + (-u)
atau, dalam istilah komponen,
adalah vektor
(a) u + v = v + u
(b) u + 0 = 0 + u = u
(c) u + (v + w) = (u + v) + w
(d) u + (-u) = 0 ; berarti, u - u = 0
(e) k (m u) = (k m) u
(f) k (u + v) = k u + k v
(g) (k + m) u = k u + m u
(h) 1u = u
didefinisikan sebagai
jumlah truk dalam depot pertama dan x2 adalah jumlah pada depot kedua., dan
seterusnya.
Rangkaian listrik Chip prosesor didesain untuk menerima 4 tegangan input dan
mengeluarkan 3 tegangan output. Tegangan input bisa ditulis sebagai vector dalam R4 dan
tegangan output bisa ditulis sebagaiR3. Lalu, chip bisa dilihat sebgai alat yang mengubah
setiap vektor input v = (v1,v2,v3,v4) dalam R4 ke vector keluaran w = (w1,w2,w3) dalamR3.
Analisis citra Satu hal dalam gambaran warna dibuat oleh layar komputer dibuat oleh
layar komputer dengan menyiapkan setiap [pixel] (sebuah titik yang mempunyai alamat
dalam layar) 3 angka yang menjelaskan hue, saturasi, dan kecerahan dari pixel. Lalu
sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk v =
(x,y,h,s,b) dalam x dan y adalah kordinat layar dari pixel dan h,s,b adalah hue, saturation,
dan brightness.
Sistem Mekanis Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang
sama sehingga pada waktu t koordinat mereka adalahx1,x2,...,x6 dan kecepatan mereka
adalah v1,v2,...,v6. Informasi ini bisa direpresentasikan sebagai vector
V = (x1,x2,x3,x4,x5,x6,v1,v2,v3,v4,v5,v6,t) Dalam R13. Vektor ini disebut kondisi dari sistem partikel
pada waktu t.
Fisika - Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya
bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar. Dimana jagat
waktu Einstein adalah 4 dimensi, sedangkan benang ada dalam dunia 11-dimensi
Bentuk Newton
interpolasi polinominal p(x)=anxn+an-1xn-1+...+a1x+a0 adalah bentuk standar. Tetapi ada juga yang
menggunakan bentuk lain . Contohnya , kita mencari interpolasi titik dari data (x0,y0),(x1,y1),
(x2,y2),(x3,y3).
Jika kita tuliskan P(x)=a3x3+a2x2+a1x+a0
bentuk equivalentnya : p(x)=a3(x-x0)3+p(x)=a2(x-x0)2+p(x)=a1(x-x0)+a0
dari kondisi interpolasi p(x0)=yo maka didapatkan a0=yo , sehingga dapat kita tuliskan menjadi
p(x)=b3(x-x0)(x-x1)(x-x2)+b2(x-x0)(x-x1)+b1(x-x0)+b0 inilah yang disebut newton form dari
interpolasi , sehingga kita dapatkan :
p(x0)=b0
p(x1)=b1h1+b0
p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0
p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0
sehingga jika kita tuliskan dalam bentuk matrix:
Operator Refleksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap
sumbu y, dimisalkan w=T(x), maka persamaan yang berhubungan dengan x dan w adalah:
x1 = -x = -x + 0y
x2 = y = 0x + y
Operator Proyeksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus
terhadap sumbu x, dimisalkan w=T(x), maka persamaan yang berhubungan dengan x dan w
adalah:
x1 = x = x + 0y
x2 = 0 = 0x + y
Secara umum, sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan
tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya.
Operator Rotasi
Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut disebut operator rotasi pada
R2. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap
vektor searah jarum jam melalui sudut positif yang tetap. Unutk menemukan persamaan
hubungan x dan w=T(x), dimisalkan adalah sudut dari sumbu x positif ke x dan r adalah jarak x
dan w. Lalu, dari rumus trigonometri dasar x = r cos ; y = r cos dan w1 = r cos ( + ) ; w2=
r sin ( + )
Interpolasi Polinomial
Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0,y0)....,
(xn,yn). Maka, kita diminta untuk menemukan kurva p(x) = amxm + am-1xm 1 + ... + a1x + a0 dari
sudut minimum yang melewati setiap dari titik data. Kurva ini harus memenuhi
karena xi diketahui, ini akan menuju pada sistem matrik di bawah ini
(1)
Matrix di atas diketahui sebagai Matrix Vandermonde; kolom j merupakan elemen pangkat j-1.
Sistem linier pada (1) disebut menjadi Sistem Vandermonde.
Contoh soal:
Cari interpolasi polinomial pada data (-1,0),(0,0),(1,0),(2,6) menggunakan Sistem Vandermonde.
Jawab:
Bentuk Sistem Vandermonde(1):
=
Untuk data di atas, kita mempunyai