Aljabar Linear Kartika

Pendahuluan
Pendahuluan
Kartika Firdausy - UAD
Tujuan
Melatih mahasiswa untuk berpikir secara logis

dan sistematis yang akan sangat dibutuhkan
untuk dapat membuat program-program
komputer.
Menguasai teknik dasar aljabar linear dan
mampu menggunakannya untuk menyelesaikan
SPL, dapat menentukan basis dan dimensi
suatu ruang vektor, dapat mencari nilai dan
vektor eigen serta dapat mentransformasikan
secara linear
Aljabar Linear dan Matriks
Pendahuluan
Materi (1)
Sistem Persamaan Linear
1.
Operasi Baris Elementer

Eliminasi Gauss
SPL Homogen
Penerapan SPL
Matriks
2.
Operasi Matriks
Jenis Matriks
Aturan-aturan Ilmu Hitung Matriks
SPL dan Matriks Invers
3
Materi (2)
3.
Determinan, Kofaktor, dan Aturan Cramer
4.
Vektor
5.
Perhitungan Determinan dengan Reduksi Baris

Sifat-sifat Determinan
Kofaktor dan Aturan Cramer dalam Penyelesaian
SPL
Norma dan Ilmu Hitung Vektor
Hasil Kali Titik
Hasil Kali Silang
Ruang n-Euclidis
Operasi Ruang n-Euclidis

4
Pendahuluan
Materi (3)
Ruang Vektor
6.
Ruang vektor umum

Sub Ruang
Kebebasan Linear
Basis dan Dimensi
Ruang Baris dan Kolom Matriks
Rank
Basis Ortonormal
7.
Proses Gram-Schmidt
8.
Nilai Eigen dan Vektor Eigen
Diagonaliasi
Diagonalisasi Ortogonal; Matriks Simetrik
5
Ilustrasi Matriks
These windows in Philadelphia represent a beautiful block matrix.

(Photo courtesy Gail Corbett)
http://ocw.mit.edu/OcwWeb/Mathematics/18-06Spring-2005/CourseHome/
Pendahuluan
Application
Matrices
in Engineering
Graphs and Networks
Markov Matrices, Population, and Economics
Linear Programming
Fourier Series: Linear Algebra for Functions
Linear Algebra for Statistics and Probability
Computer Graphics
Contoh (1)
Akan dibuat 2 macam produk A dan B.
Produk A memerlukan bahan 10 blok B1
dan 2 blok B2, sedangkan produk B
memerlukan bahan 5 blok B1 dan 6 blok
B2. Berapa jumlah produk yang dapat
dihasilkan bila tersedia 80 blok bahan B1
dan 36 blok bahan B2.
Pendahuluan
Contoh (2)
rotates a pixel by about the origin (0, 0)
scales an image in x and y directions by Sx and Sy.
Referensi
Diktat Aljabar Linear dan Matriks,

Dewi Soyusiawaty, Teknik Informatika UAD
Howard Anton, Elementary Linear Algebra, Wiley.
Schaum Outlines Series, Linear Algebra.
Jacob, Bill, Linear Algebra, Addison Wesley.
Stahler, Wendy, Beginning Math and Physics for Game
Programmers, New Riders.
Steven J.Leon, Aljabar Linear dan Aplikasinya, Erlangga,
Jakarta,2001
Introduction to Linear Algebra, 4th Edition, Gilbert Strang,
http://math.mit.edu/linearalgebra/
Gilbert Strang, MIT OpenCourseWare, 18.06 Linear Algebra
Spring 2005 http://ocw.mit.edu/OcwWeb/Mathematics/1806Spring-2005/CourseHome/
Steve Johnson, 18.06 Linear Algebra, Spring 2009
http://web.mit.edu/18.06/www/
10
Matriks
Matriks
Kartika Firdausy - UAD
Definisi
Sebuah matriks adalah serangkaian
elemen dalam bentuk persegi panjang.
Elemen ke-(i,j) aij dari matriks A berada
dibaris ke-i dan kolom ke-j dari rangkaian
tersebut.
Order (dimensi/ukuran) dari sebuah
matriks dikatakan sebesar (m x n) jika
matriks tersebut memiliki m baris dan n
kolom.
Misalnya:
a11
a21
:
:
am1
a12
a22
:
:
am1
a1n
... a2n
:
:
... amn
2
Matriks
Operasi
1.
2.
3.
4.
Penjumlahan dimensi sama

Pengurangan dimensi sama
Perkalian matriks dengan skalar
Perkalian matriks dengan matriks
jumlah banyaknya kolom matriks
pertama sama dengan jumlah
banyaknya baris matriks kedua
Misal:
A memiliki dimensi ( m x r ),
maka B harus memiliki dimensi ( r x n ),
m dan n adalah ukuran sembarang.
Perkalian matriks dengan matriks

Jika matriks A berukuran mxp dan B matriks
pxn maka hasil perkalian A*B adalah suatu
matriks C=(cij ) berukuran mxn dengan
cij = ai1b1j + ai2b2j + ai3b3j + .+ aipbpj
Hukum Perkalian Matriks :

Hukum Distributif, A*(B+C) = AB + AC
Hukum Assosiatif, A*(B*C) = (A*B)*C
Tidak Komutatif, A*B B*A
Matriks
Transpose
Jika matriks A=aij berukuran m x n
maka transpose A adalah matriks AT = n x m
yang di dapat dari A dengan menuliskan baris
ke-i dari A sebagai kolom ke-i dari AT.
Contoh: A =
-2
1
4
3
7
0
5
1
maka AT =
5
Beberapa Sifat Matriks Transpose :

(A+B)T =
(AT) = A
AT + BT
k(AT) = (kA)T
(AB)T = BT AT
Matriks
Jenis Matriks
Matriks Bujursangkar, adalah
matriks yang jumlah baris dan jumlah
kolomnya sama.
Barisan elemen a11, a22, a33, .ann
disebut diagonal utama dari matriks
bujursangkar tersebut.
Matriks Nol, adalah matriks yang
semua elemennya nol
Sifat-sifat :
A+0=A, jika ukuran matriks A = ukuran matriks

0
A*0=0, begitu juga 0*A=0.
7
Jenis Matriks
Matriks Diagonal, adalah matriks
bujursangkar yang semua elemen di
luar diagonal utamanya nol.
3
0
0
0
1
0
0
0
5
Matriks Identitas/Satuan, adalah

matriks diagonal yang semua elemen
diagonalnya adalah 1.
1
0
0
0
1
0
0
0
1
Sifat-sifat matriks identitas :
A*I=A
I*A=A
8
Matriks
Jenis Matriks
Matriks Skalar, matriks diagonal

dengan semua elemen diagonal
utamanya sama dengan k
3
0
0
0
3
0
0
0
3
Matriks segitiga atas / segitiga bawah,

matriks bujursangkar yang semua elemen
di atas diagonal utamanya sama dengan
nol atau sebaliknya
1
0
0
0
3
1
0
0
2
2
4
0
1
3
0
1
1
4
1
1
0
2
2
3
0
0
3
2
0
0
0
1
Transformasi Elementer
1.
Penukaran tempat baris ke-i dan baris ke-j atau penukaran

kolom ke-i dan kolom ke-j
ditulis
Hij(A) untuk transformasi baris

Kij(A) untuk transformasi kolom
2.
Mengalikan baris ke-i dengan skalar h0, ditulis Hi (h) (A)

mengalikan kolom ke-j dengan skalar k0, ditulis Kj (k) (A)
3.
Menambah kolom ke-i dengan k kali kolom ke-j, ditulis

Kij(k)(A)
menambah baris ke-i dengan h kali baris ke-j, ditulis
Hij(h)(A).
10
Determinan
Determinan
Kartika Firdausy UAD

blog.uad.ac.id/kartikaf
Misalkan A adalah matriks bujur sangkar.

Fungsi determinan dinyatakan oleh det(A),
dan didefinisikan sebagai jumlah semua hasil
kali elementer bertanda dari A.
Jumlah det(A) disebut sebagai determinan A.
Det(A) sering pula dinotasikan dengan |A|
Determinan
Jika matriks A berukuran 2x2,

determinan matriks A didefinisikan
sebagai:
det
a11
a21
a12
a22
a11 a12
= a11a22 a12a21
a21 a22
Contoh
B=
3
2
4
1
Jika matriks A berukuran 3x3,

determinan matriks A didefinisikan
sebagai:
A=
a11
a21
a31
a12
a22
a32
a13
a23
a33
det (A) =
a11
a21
a31
a12
a22
a32
a13
a23
a33
Ilustrasi Metode Sarrus

a11
a21
a31
a12
a22
a32
a13
a23
a33
a11
a21
a31
a12
a22
a32
det(A) = a11a22 a33 + a12a23 a31 + a13a21 a32

- a31a22 a13 - a32a23 a11 - a33a21 a12
4
Determinan
Contoh:
C =
1
4
3
2
1
2
3
5
4
Hitung det(C)
Beberapa sifat determinan
Apabila semua unsur dalam satu baris atau satu kolom

= 0, maka harga determinan = 0.
Harga determinan tidak berubah apabila semua baris
diubah menjadi kolom atau semua kolom diubah
menjadi baris. Dengan kata lain |A|=|A|T .
Nilai determinan tidak berubah jika baris dan kolom
dipertukarkan.
Jika B diperoleh dari A dengan mempertukarkan setiap
dua barisnya(atau kolomnya), maka |B| = - |A|.
Jika dua baris (atau kolomnya) dari A adalah identik,
maka |A| = 0.
Apabila semua unsur pada sembarang baris atau kolom
dikalikandengan sebuah faktor (yang bukan 0), maka
harga determinannya dikalikan dengan faktor tersebut.
Jika A dan B adalah dua matriks bujur sangkar maka :
|AB| = |A| |B|
6
Determinan
Minor
Jika ada sebuah determinan dengan orde ke-n
maka yang dimaksud dengan MINOR unsur aij
adalah determinan yang berasal dari determinan
orde ke-n tadi dikurangi dengan baris ke-i dan
kolom ke-j.
D=
a11
a21
a31
a41
a12
a22
a32
a42
a13
a23
a33
a43
a14
a24
a34
a44
Maka MINOR elemen a32 adalah minor baris ke-3 kolom ke-2
M32 =
a11
a21
a41
a13
a23
a43
a14
a24
a44
Kofaktor
Kofaktor suatu unsur determinan aij adalah
cij = (-1)i+j Mij

Misal: kofaktor elemen a32 = c32 = (-1)3+2 M32
Matriks kofaktor:
c11
c21
:
:
cn1
c12
c22
:
:
cn2
c1n
... c2n
:
:
... cnn
8
Determinan
Teorema LAPLACE
Determinan dari suatu matriks sama dengan jumlah
perkalian elemen-elemen dari sembarang baris
atau kolom dengan kofaktor-kofaktornya
Ekspansi Baris
n
|A| = aijcij = ai1ci1+ai2ci2+..+ aincin

j=1
Ekspansi Kolom
n
|A| = aijcij = a1jc1j+a2jc2j+..+ anjcnj

j=1
9
Contoh:
1
2
1
2
3
5
3
4
7
Hitung determinan matriks A dengan minor dan

kofaktor
Misal minor dan kofaktor dicari dengan melakukan
ekspansi kolom ke-1
10
Determinan
Matriks Adjoin
transpose dari matriks kofaktor
adj(A)
11
Invers Matriks
adj(A)
A-1 =
det(A)
A-1
= invers matriks A
adj(A) = matriks adjoin dari matriks A
det(A) = determinan matriks A
12
Aturan Cramer
Aturan Cramer

Aturan Cramer
Apabila [A] [X] = [B]
maka nilai x dapat dicari dengan
xk =
| Ak |
|A|
| Ak | adalah harga determinan elemen matriks

bujursangkar [A] dengan kolom ke-k diganti
dengan elemen [B]
| A | adalah harga determinan matriks
bujursangkar [A]
2
Aturan Cramer
Misal diketahui persamaan:

a11x1+ a12x2 + a13x3 =b1
a21x1+ a22x2 + a23x3 =b2
a31x1+ a32x2 + a33x3 =b3
| A1 |=
| A3 | =
x1 =
b1 a12 a13
b2 a22 a23
b3 a32 a33
a11
a21
a31
| A1 |
|A|
a12
a22
a32
| A2 |=
a11 b1 a13
a21 b2 a23
a31 b3 a33
b1
b2
b3
x2 =
| A2 |
|A|
x3 =
| A3 |
|A|
3
Invers Matriks
Invers Matriks

Jika diketahui 2 besaran a dan x

sedemikian sehingga ax = 1,
maka dikatakan x adalah kebalikan
dari a dan nilai x = 1/a = a-1
Matriks satuan (identitas) I beroperasi
sebagai besaran 1 dalam aljabar biasa
Jika [A] dan [I] keduanya matriks
bujursangkar dan ordenya sama maka
[I] [A] = [A] [I] = [A]

2
Invers Matriks
Jika terdapat suatu matriks

bujursangkar [X] yang berorde
sama sehingga
[A] [X] = [I]
maka dikatakan bahwa [X]
kebalikan atau invers matriks
dari [A] dan dituliskan
[X] = [A]-1
Contoh:
Cari invers matriks A
2
4
A =
1
3
misal
x1
x3
X =
x2
x4
maka [A] [X] = [I]

2
4
x1
x2
x3
x4
1
0
0
1
Invers Matriks
Matriks-matriks yang mempunyai

invers adalah matriks Non Singular,
yaitu matriks yang determinannya 0
Berlaku sifat :
1. (A-1) -1 = A
2. (AB) -1 = B-1 A-1
Matriks Adjoin untuk

Mencari Invers
adj(A)
A-1 =
det(A)
A-1
= invers matriks A
adj(A) = matriks adjoin dari matriks A
det(A) = determinan matriks A
6
Invers Matriks
Teorema 15
Jika A adalah matriks nxn, maka
inversnya dapat dicari dengan cara
mereduksi A menjadi matriks
identitas (I) dengan menggunakan
operasi-operasi baris dan
menerapkan operasi-operasi ini
secara serempak pada I untuk
menghasilkan A-1.
Transformasi Elementer
untuk mencari Invers
[A|I]~[I|X]
setelah melalui transformasi elementer
[ A-1 ] = [ X ]
Invers Matriks
Hitung A-1 jika diketahui

1
2
1
A =
2
5
0
3
3
8
menggunakan Transformasi Elementer

Dibentuk matriks
[A|I]~[I|X]
1
2
1
2
5
0
3
3
8
1
0
0
0
1
0
0
0
1
1
0
0
0
1
0
0
0
1
x11
x21
x31
x12
x22
x32
x13
x23
x33
9
SPL dan Matriks Invers

Teorema 16
Jika A matriks nxn yang memiliki
invers, maka untuk setiap matriks B
yang berukuran nx1, sistem
persamaan AX = B memiliki tepat
satu penyelesaian yaitu
X = A-1 B
10
Invers Matriks
Contoh:
Diketahui sistem persamaan linier sebagai berikut :
x1 + 2x2 + 3x3 =5
2x1 + 5x2 + 3x3 =3
x1 + 8x3 = 17
Akan dicari solusi untuk x1, x2, dan x3
1
A = 2
1
2
5
0
3
3
8
x1
X = x2
x3
5
B = 3
17
X = A-1 B
11
Sistem Persamaan Linear (1)
Sistem
Persamaan
Linier (1)
x2
x1
Garis lurus pada bidang x1 dan x2 dapat dinyatakan

sebagai persamaan a1x1 + a2x2 + b = 0
persamaan linier karena pangkat-pangkat dari x1 dan x2

paling besar adalah 1
persamaan x12 + x2 5 = 0
bukan persamaan linier
Ruang dimensi 3, persamaan linier

dalam x1, x2, dan x3
a1x1+a2x2+a3x3+b=0
Persamaan linier dalam ruang dimensi n
dapat dinyatakan dalam bentuk
a1x1+ a2x2.+anxn+b=bn
3
Contoh 1
Persamaan x1+x2=1
x2
(0,1)
x1 + x2 = 1
(1,0)
x1
penyelesaian persamaan garis adalah

titik x1=1 dan x2=0
titik x1=0 dan x2=1
4
Contoh 2
(0,1)
-x1 + x2 = 1
x1 + x2 = 1
(-1,0)
(1,0)
x1=0 dan x2=1 adalah satu-satunya penyelesaian
Sistem persamaan linier dalam dimensi 2

mempunyai beberapa alternatif penyelesaian,
yaitu:
1.
2.
3.
Mempunyai penyelesaian tunggal

Mempunyai banyak penyelesaian
Tidak mempunyai penyelesaian
Sistem Persamaan Linear (SPL)

a11x1+ a12x2.+a1nxn =b1
a21x1+ a22x2.+a2nxn =b2
:
:
:
:
:
am1x1+ am2x2.+amnxn =bm

aij dan bi masing-masing merupakan koefisien-koefisien
dan konstanta persamaan linier tersebut
7
Persamaan-persamaan linier tersebut dapat

diungkapkan dalam bentuk matriks
a11
a21
:
:
am1
a12
a22
:
:
am1
[A]
a1n
... a2n
:
:
... amn
x1
x2
:
:
xn
[x]
b1
b2
:
:
bm
[b]
[A] adalah matriks berorde (m,n)

[x] adalah matriks berorde (n,1)
[b] adalah matriks berorde (m,1)
8
AUGMENTED MATRIX
a11
a21
:
:
am1
a12
a22
:
:
am1
a1n
... a2n
:
:
... amn
b1
b2
bn
Operasi Baris Elementer (OBE)

1.
2.
3.
Kalikan persamaan dengan

konstanta 0
Pertukarkan kedua persamaan
Tambahkan kelipatan satu
persamaan ke persamaan lainnya
10
Contoh
2x + y = 8
4x 3y = 6
11
Eliminasi Gauss
Jika diketahui [A][X]=[B] maka dengan menyusun matriks
baru yaitu matriks [A.B] akan didapat matriks berorde (n,
n+1) dimana matriks baru tersebut dikenai OBE berkalikali sehingga diperoleh matriks [A] menjadi matriks
segitiga atas yang diagonal utama elemennya bernilai 1.
Metode penyelesaian SPL dengan menggunakan
metode Eliminasi Gauss:
1. Membentuk matriks lengkap SPL
2. Mengubah matriks lengkap menjadi matriks eselon
dengan sejumlah OBE
3. Mendapat jawaban SPL
12
Contoh
a11x1+ a12x2 + a13x3 =b1
a21x1+ a22x2 + a23x3 =b2
a31x1+ a32x2 + a33x3 =b3
Matriks awal
a11
a21
a31
a12
a22
a32
a13
a23
am3
x1
x2
x3
b1
b2
b3
Matriks lengkap SPL

a11
a21
a31
a12
a22
a32
a13
a23
am3
b1
b2
b3
13
Matriks lengkap dikenai OBE

membentuk matriks eselon
1
a12
a13
b1
a23
b2
b3
Nilai 1 pada diagonal utama adalah variabel x-nya

sehingga diperoleh
x3= b3
x2+ a23x3 =b2
x2= b2- a23x3

x1+ a12x2+ a13x3 =b1
x1= b1-a12x2- a13x3
14
Contoh
Selesaikan sistem persamaan linier berikut :
x1 + 3x2 - 2x3 + 2x5 = 0

2x1 + 6x2 - 5x3 - 2x4 + 4x5 - 3x6 = -1
5x3 + 10x4 + 15x6 = 5
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6
15
Contoh
Diketahui sistem persamaan linier sebagai berikut :
x1+x2+x3=6
x1+2x2-x3=2
2x1+x2+2x3=10
Akan dicari solusi untuk x1, x2, dan x3
16
Perkalian Silang 2 Vektor di R3
Perkalian silang
dua vektor di R3
Perkalian silang antara dua vektor di R3

Diketahui u = ( u1,u2,u3 ) dan v = ( v1,v2,v3 )
Perkalian silang antara u dan v didefinisikan sebagai :
u x v=
=
i
u1
v1
u2 u3
v2 v3
j
u2
v2
i-
k
u3
v3
u1 u3
v1 v3
j+
u1 u2
v1 v2
u x v = (u2v3 u3v2)i + (u1v3 u3v1)j + (u1v2 u2v1)k

Hasil kali silang dari dua buah vektor akan menghasilkan
suatu vektor tegak lurus terhadap u dan v
2
Panjang Vektor Hasil Perkalian Silang

Kuadrat dari norm u x v adalah:
|u x v|2
= ( u2.v3 u3.v2 )2 + (u1.v3 u3.v1)2 + ( u1.v2 u2.v1)2
= (u12 + u22 + u32 ) ( v12 + v22 + v32 ) (u1v1 + u2v2 + u3v3 )2

= |u|2 |v|2 (u . v)2
identitas Lagrange
Dari identitas Lagrange

|u x v|2 = |u|2 |v|2 (u . v)2
= |u|2 |v|2 ( |u| . |v| cos )2
( sudut yang dibentuk oleh u dan v )
= |u|2 |v|2 (1 cos )2

|u x v|2 = |u|2 |v|2 sin 2
atau
|u x v| = |u|. |v|. sin
4
Perhatikan vektor u dan v berikut
|u x v| = |u|. |v|. sin

merupakan luas segi empat yang dibentuk u dan v
Luas segi empat
= panjang alas x tinggi

=
|v|
x |u| sin
= |u| |v| sin
Hasil kali silang dua vektor u dan v akan
menghasilkan suatu vektor yang tegak lurus terhadap
u dan v serta memiliki panjang sama dengan luas dari
segi empat yang dibentuk oleh vektor u dan v .
Contoh
Diketahui a = ( 1,2,1 ) dan b = ( 2,2,3 )
Hitung luas segi empat yang dibentuk
oleh a dan b
Contoh
Diketahui segitiga ABC dengan titik titik
sudut adalah :
A (2,1,2 ) , B ( 0,1,0 ) dan C ( 1,2,1 )
Hitung luas segitiga ABC
Ruang Vektor
Ruang Vektor
Syarat agar V disebut sebagai ruang vektor

1. Jika vektor vektor u , v V , maka vektor u + v V
2. u + v = v + u
3. u + ( v + w ) = ( u + v ) + w
4. Ada 0 V sehingga 0 + u = u + 0 untuk semua u V , 0 :
vektor nol
5. Untuk setiap u V terdapat u V sehingga u + ( u ) = 0
6. Untuk sembarang skalar k , jika u V maka ku V
7. k ( u + v ) = k u + k v , k sembarang skalar
8. (k + l) u = k u + l u , k dan l skalar
9. k( l u ) = ( kl ) u
10. 1 u = u
Ruang Vektor
Contoh ruang vektor :

1.
V adalah himpunan vektor euclidis dengan operasi standar

(operasi penjumlahan dan operasi perkalian dengan skalar )
Notasi: Rn .
2. V adalah himpunan polinom pangkat n dengan operasi standar

Bentuk umum polinom orde n
pn(x) = a0 + a1x + + anxn
qn(x) = b0 + b1x + + bnxn
Operasi standar pada polinom orde n
pn(x) + qn(x) = a0+ b0 + (a1 + b1)x + + (an + bn)xn
k pn = ka0 + ka1x + + kanxn
Notasi: Pn
3. V adalah himpunan matriks berukuran mxn dengan operasi standar

( penjumlahan matriks dan perkalian matriks dengan skalar )
Notasi: Mmn
Subruang vektor
Diketahui V ruang vektor dan U subhimpunan V.
U dikatakan subruang dari V jika memenuhi dua
syarat berikut :
1. Jika u ,v U maka u + v U
2. Jika u U , untuk skalar k berlaku ku U
Ruang Vektor
Kombinasi linier
Vektor v dikatakan merupakan kombinasi
linier dari vektor vektor v 1, v 2,,v n bila
v bisa dinyatakan sebagai :
v = k1 v 1 + k2 v 2++ kn v n ,
k1,k2,,kn adalah skalar
Contoh
Diketahui a = ( 1,2 ) , b = ( 2,3 ) dan c = ( 1,3 )
Apakah c merupakan kombinasi linier dari a dan b ?
Ruang Vektor
Contoh
Tunjukkan bahwa v =(3,9,-4,-2)
merupakan kombinasi linier
u1= (1,-2,0,3), u2 = (2,3,0,-1) dan u3= (2,-1,2,1)
Jawab:
Bila v merupakan kombinasi linier dari u1, u2, dan u3
maka dapat ditentukan x, y dan z sehingga:
v = xu1 + yu2 + zu3
(3,9,-4,-2) = x(1,-2,0,3)+ y(2,3,0,-1) + z (2,-1,2,1)
(3,9,-4,-2) = (1x,-2x, 0x, 3x)+ (2y,3y,0y,-1y) +
(2 z,-1z,2z,1z)
7
(3,9,-4,-2) = (x+2y+2z, -2x+3y-z, 2z, 3x-y+z)

Diperoleh persamaan:
x + 2 y + 2z = 3
2 x + 3 y z = 9
2 z = 4
3 x y + z = 2
8
Ruang Vektor
Penyelesaian:
x =1, y = 3 dan z = -2
Jadi v = u1 + 3u2 2u3
Jika sistem persamaan di atas tidak
memiliki penyelesaian maka v tidak
dapat dinyatakan sebagai kombinasi
linier dari u1, u2, dan u3
9
Diketahui V ruang vektor

dan S = { s 1, s 2 ,, s n }
s 1, s 2 ,, s n V
S dikatakan membangun/merentang V
bila untuk setiap v V,
v merupakan kombinasi linier dari S ,yaitu :
v = k1 s1 + k2 s2++ knsn
k1,k2,,kn adalah skalar
10
Ruang Vektor
Contoh
Apakah u = ( 1,2,3 ) , v = ( 2,4,6 )
dan w = ( 3,4,7 ) membangun R3
11
Kebebasan Linier
Vektor vektor di S dikatakan bebas linier
(linearly independent) jika persamaan
0 = k1 s 1 +k2 s 2++ kn sn
hanya memiliki penyelesaian
k1= k2 == kn = 0
jika ada penyelesaian lain untuk nilai
k1,k2,,kn selain 0 maka dikatakan
vektor vektor di S bergantung linier
(linearly dependent)
12
Ruang Vektor
Contoh
Diketahui u = ( 1,2 ) , v = ( 2,2 ) , w = ( 1,3 )
a. Apakah u , v dan w membangun R2 ?
b. Apakah u , v dan w bebas linier ?
13
Basis dan Dimensi

Misalkan V ruang vektor dan S = { s 1, s 2 ,, s n }.
S disebut basis dari V bila memenuhi dua syarat ,
yaitu :
1. S bebas linier
2. S membangun V
Basis dari suatu ruang vektor tidak harus tunggal
tetapi bisa lebih dari satu.
Ada dua macam basis yang kita kenal yaitu
basis standar dan basis tidak standar
14
Ruang Vektor
Contoh basis standar :

1. S = { e1, e2,, en } , dengan e1, e2,, en Rn
e1 = ( 1,0,,0) ,e2 = ( 0,1,0,,0 ),,en = ( 0,0,,1 )
merupakan basis standar dari Rn
2. S = { 1, x, x2,xn } merupakan basis standar untuk Pn
( polinom orde n )
3. S =
1
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
merupakan basis standar untuk M22
15
Contoh
Misal v1=(1,2,1), v2=(2,9,0), dan v3=(3,3,4).
Tunjukkan bahwa himpunan S=(v1,v2,v3) adalah
basis untuk R3
Syarat:
1. S bebas linier
2. S membangun V
Sebarang vektor b dapat dinyatakan sebagai kombinasi linier
b = k1 v 1 +k2 v 2+ k3 v3
Sistem memiliki pemecahan untuk semua pilihan b= (b1 ,b2 ,b3 )
k1 v 1 +k2 v 2+ k3 v3 = 0
Pembuktian bebas linier pembuktian sistem homogen
S bebas linier dan membangun R3 matriks koefisien dapat
dibalik, karena det A = .
16
Ruang Vektor
Basis ruang baris dan basis ruang kolom

Suatu matriks berukuran mxn dapat dipandang sebagai
susunan bilangan yang tersusun dari bilangan dalam kolom 1
sampai kolom n atau dalam baris 1 sampai baris m.
a11
a21
:
am1
Jika A =
a12
a22
:
am1
a1n
... a2n
:
... amn
Maka A tersusun atas vektor vektor baris r i

dengan r i = (ai1,ai2,,ain ) atau bisa juga dikatakan
A tersusun atas vektor vektor kolom c j = (c1j,c2j,,cmj }
dengan i = 1,2,,m dan j =1,2,,n
Subruang Rn yang dibangun oleh vektor vektor baris disebut
ruang baris dari A
Subruang Rm yang dibangun oleh vektor vektor kolom disebut
ruang kolom dari A
17
Contoh
A=
2
3
1
1
0
-4
Vektor baris A adalah

Vektor kolom A adalah
18
Ruang Vektor
Menentukan basis ruang kolom / baris

Basis ruang kolom A didapatkan dengan melakukan
OBE pada A, sedangkan basis ruang kolom A
didapatkan dengan melakukan OBE pada At
Banyaknya unsur basis ditentukan oleh banyaknya
satu utama pada matriks eselon baris tereduksi.
Dimensi ( ruang baris ) = dimensi ( ruang kolom ) =
rank matriks
19
10
Vektor
Vektor
Vektor
Kuantitas fisis yang memiliki
besar dan arah
Luas
Gaya
Panjang
Kecepatan
Massa
Percepatan
Suhu
Perubahan Letak
Skalar
Vektor
2
Vektor
Jenis Vektor
Vektor Fisik
v
Vektor Aljabar
v = (a, b)
Vektor Geometri
(a, b)
b
v
Penyajian vektor geometri

Segmen garis terarah (anak panah) di ruang-2 atau ruang-3
A
y
Vektor AB
B
AB
c = AB
B
A
Vektor ekivalen punya panjang dan arah yang sama

Misal: v = w
4
Vektor
Penyajian vektor aljabar

y
A(2, 3)
B(7,4)
v = (5, 1)
Q(7, 3)
5 dan 1 adalah komponen dari v
P(5, 1)
v2
v = ( v1 , v2 ) =
v1
v2
komponen dari v.
v1
5
Menentukan komponen vektor

y
B(c, d)
v = (c-a, d-b)
A(a, b)
P(c-a, d-b)
z
B(d, e, f)
Vektor dengan titik pangkal (a, b)

titik akhir (c, d),
maka vektor tersebut secara
aljabar adalah (c-a, d-b),
komponen-komponen vektor:
c-a dan d-b
f-c
A(a, b, c)
e-b
d-a
Komponen vektor: d-a, e-b, f-c

6
Vektor
Kesamaan dua vektor geometri
Dua vektor sama jika dan hanya jika panjang

dan arahnya sama, tidak tergantung
posisinya pada sistem koordinat.
7
Kesamaan dua vektor aljabar
Dua vektor aljabar sama jika dan hanya jika komponenkomponen yang bersesuaian sama.
a1
a2
a1
a2
a3
b1
b2
b1
b2
b3
Jika dan hanya jika a1 = b1

dan a2 = b2
Jika dan hanya jika a1 = b1,

a2 = b2 dan a3 = b3
Vektor
Jumlahan Vektor
Menjumlahkan dua vektor geometri:
y
b
a+b
a
Jumlahan Vektor
Menjumlahkan dua vektor aljabar
Misalnya a = (a1, a2), b = (b1, b2), maka a+ b = (a1 + b1, a2 +b2)
y
y
a
A(a1, a2)
C(a1+b1, a2+b2)
B(b1, b2)
x
a = (a1, a2)
a+b
x
b = (b1, b2)
x
a+b = (a1+b1, a2+b2)
10
Vektor
Contoh
1.
u
Manakah vektor yang merupakan u+v ?
Jawab: a
a
u
11
Contoh
2.
a
Manakah vektor yang merupakan a+b ?
Jawab: e
a
b
e
12
Vektor
Contoh
3.
u = (5, 6) dan v = (3, 2)

Vektor yang merupakan hasil dari u+v adalah
a = (2, 4)
b = (8, 8)
Jawab: b
c = (15, 12)
d = (8, 4)
4. u = (5, 6) dan v = (3, 2)

Vektor yang merupakan hasil dari u v adalah
a = (2, 4)
b = (8, 8)
c = (15, 12)
Jawab: a
d = (8, 4)
13
Contoh
5.
b
a
tentukan vektor c sedemikian hingga b = a + c
Jawab: h
?h
b
a
14
Vektor
Vektor nol
Vektor nol adalah vektor dengan panjang nol,
digambarkan sebagai titik, vektor nol 0.
Secara aljabar vektor nol adalah
vektor yang semua komponennya nol:
0 = (0, 0) pada bidang
0 =(0, 0, 0) pada ruang
0 vektor nol
x
0 vektor nol
x
15
Vektor satuan
Vektor satuan adalah vektor dengan panjang 1
y
c
a
j=(0, 1)
i=(1, 0)
16
Vektor
Perkalian vektor dengan skalar

b
b searah dengan a, panjang b lima kali panjang a, ditulis b = 5a

-a
a
Jika
Jika
2a
-1/2a
1/3a
k > 0 maka ka searah dengan a,

dengan panjang k kali panjang a
k<0, ka berlawanan arah dengan a,

dengan panjang k kali panjang a.
Jika
k = -1, maka ka = -a (negative dari a).

a + a = 0 (vektor nol) dapat dilihat pada sifat-sifat
aritmetika vektor
Dua vektor sejajar, maka yang satu merupakan perkalian
skalar yang lain.
Sifat
17
Pengurangan
Tentukan a b dan b-a

b
-b
a
-a
a
-b
a-b
b
a
-a
b-a
-b
a-b
-a
b-a
a
u-v
v-u
u
18
Vektor
Hubungan tiga vektor pada bidang

Diberikan a, b, c
ka
c
a
c
a
lb
b
c
ka
c = ka + lb
lb
19
Basis standar bidang R2
Basis standard bidang R2 adalah:
{i = (1, 0), j = (0, 1)}
Setiap vektor v = (v1, v2) dapat dinyatakan secara

tunggal sebagai kombinasi linier v = v1i + v2j
y
v=(v1, v2)
v = (v1 v2)
v2j
v1i
j=(0, 1)
i=(1, 0)
v = v1i + v2j
20
10
Vektor
Basis standar R3
Basis standard bidang R3 adalah:
{i = (1, 0, 0), j = (0, 1,0), k = (0, 0, 1)}
Setiap vektor (a, b, c) dapat dinyatakan secara
tunggal sebagai kombinasi linier ai + bj +ck
y
P(ai, bj, ck)
P(a, b, c)
k
j
x
z
21
Sifat-sifat Aritmetika Vektor

Jumlahan vektor bersifat tertutup, yaitu: jumlahan
dua vektor selalu menghasilkan tepat satu vektor
Jumlahan dua vektor bersifar komutatif.
1.
2.
b
a
x
a = (a1, a2), b = (b1, b2)
a+b = (a1+b1, a2+b2)
b+a = (b1+a1, b2+a2)
=
+b
a
b+
x
a1+b1 = b1+a1 dan a2+b2 = b2+a2
( sifat komutatif penjumlahan skalar)
22
11
Vektor
Sifat Assosiatif Penjumlahan

3. Penjumlahan vektor bersifat assosiatif
y
=
c)
b+
(
a+
c b
a = (a1, a2), b = (b1, b2), c = (c1, c2)
c
)+
+b
(a
x
a+(b+c) = (a1+(b1+c1), a2+(b2+c2))
(a+b)+c = ((a1+b1)+c1, (a2+b2)+c2)
(sifat assosiatif penjumlahan skalar)
23
Vektor nol: elemen identitas

4. vektor nol merupakan elemen identitas terhadap
jumlahan.
y
b
0
b+0
b = (b1, b2), 0 = (0,0)
b+0 = (b1, b2)
b+0 = (b1+0, b2+0)
( sifat identitas penjumlahan skalar)
24
12
Vektor
Negatif vektor
5. Penjumlahan vektor dengan negatifnya menghasilkan
vektor nol.
y
b
0
-b
x
b = (b1, b2), -b = (-b1,-b2)
x
b+(-b) = (0, 0) = 0
b+(-b) = (b1+(-b1), b2+(-b2))
25
Sifat-sifat Aritmetika Vektor

6. perkalian vektor dengan dua skalar berturut-turut, dapat
dilakukan dengan mengalikan skalarnya terlebih dahulu
y
y
3u
y
u = (v1,v2)
v = 3u = 3(v1,v2) = (3v1,3v2)
w = 2v = 2(3v1,3v2) = (6v1,6v2)
6u
x = (3x2)u = 6(v1,v2) = (6v1,6v2) = w
26
13
Vektor
Sifat aritmetika
7. hasil kali skalar dengan jumlahan dua vektor dapat dilakukan dengan
mengalikan masing-masing vektor dengan skalar, baru kemudian
dijumlahkan.
y
2(u+v)
u+v
2u+2v
2v
2u
x
2(u+v) = (2(u1+v1),2(u2+v2))
u = (u1,u2), v = (v1,v2)
u+v = (u1+v1,u2+v2)
2u+2v = 2(u1,u2)+2(v1,v2)
= 2(u1+v1,u2+v2)
= (2(u1+v1),2(u2+v2))
27
Sifat Aritmetika
8. Hasil kali vektor dengan jumlahan dua skalar, sama
dengan jumlahan dua vektor setelah dikalikan dengan
masing-masing skalar.
y
3u
u
y
u = (u1, u2)
3u = (3u1, 3u2)
(2+1)u = 2u + u
= 2(u1, u2)+(u1, u2)
2u
= (3u1, 3u2)
28
14
Vektor
Sifat Aritmetika
9. Perkalian vektor dengan skalar nol, menghasilkan vektor nol.
10.Mengalikan vektor dengan skalar 1 tidak mengubah vektor tersebut
y
u
0(u)
x
y
u = (u1, u2)
0u = 0(u1, u2)
= (0, 0)
1u
1u = 1(u1, u2)
= (u1, u2)
29
Norm (panjang) vektor

y
norm/panjang vektor v adalah ||v|| =
v12 + v22
x
y
norm/panjang vektor v adalah ||v|| =
v 12 + v 22 + v 32
x
z
30
15
Vektor
Norm vektor sebagai jarak dua titik

y
Q(a2, b2, c2)
P(a1, b1, c1)
z
panjang vektor v adalah jarak antara titik P ke Q
31
Hasil kali titik (dot product)

y
jika titik pangkalnya berimpit

maka sudut antar dua vektor
dapat ditentukan.
Definisi 1: Jika adalah sudut antara a dan b, maka didefinisikan

a.b
0 jika a = 0 atau b = 0
||a|| ||b|| cos .

a, b tidak nol, dengan 0.
Dapat ditunjukkan bahwa hasil kali titik dapat didefinisikan juga dengan rumus lain
Definisi 2: jika a, b vektor-vektor di R2, maka a. b = a1b1 + a2b2
32
16
Vektor
Hasil kali titik di R3
b
A
x
B
Definisi 1:hasil kali titik (dot product)

Jika adalah sudut antara a dan b, maka didefinisikan
0 jika a = 0 atau b = 0
a.b =
||a|| ||b|| cos .
untuk a, b vektor tak nol dengan 0 .
Definisi 2: jika a, b vektor-vektor di R3, maka a.b = a1b1 + a2b2 + a3b3

33
Soal latihan
1. Benar atau Salah: hasil kali titik dua vektor hasilnya vektor lain
2. Diketahui a dan panjangnya dua kali b, panjang b sama dengan k
satuan, a dan b membentuk sudut 45 derajat. Tentukan a.b.
c. 2k2
e. 22k
a. 2k2
b. 22k2
d. 62k
3.
(0, 6)
Maka a.b adalah

a. 0
c. (5, 6)
b. 30
d. 1
b
a
e. (6, 5)
(5, 0)
4. Hitunglah u.v, jika u = (10, 0) dan v = (25, 0)

a. 0
c. (35, 0)
e. (10, 25)
b. 250
d. (250, 0)
5. Diketahui ||a|| = 5, ||b|| = 6, dan sudut antara keduanya 120. Hitung
a.b
a. 0
c. (5, 6)
e. -15
b. 153
d. 15
34
17
Vektor
Sudut dan hasil kali titik dua vektor

Perhatikan kembali rumus pertama hasil kali titik
a.b = ||a|| ||b|| cos dengan 0.
Panjang vektor selalu positif atau nol, sedangkan
cos bisa positif, negatif atau nol tergantung pada
nilai
< 0, jika sudutnya tumpul
y
cos =0
cos <0
u.v
cos >0
= 0, jika u dan v ortogonal
> 0 jika sudutnya lancip

35
Contoh:
||b||=7
||b||=7
||a||=8
||a||=5
||a||=5
||b||=8
a.b= ?
a.b=?
a.b=?
Jawab:35 cos
Jawab: 64x0=0
Jawab: -35cos(-)
Jika dua vektor berimpit, maka hasil kali titiknya ..
hasil kali panjangnya

Jika salah satu vektor adalah nol, maka hasil kali titiknya .
0
36
18
Vektor
Norm dan hasil kali titik

v = (v1, v2)
||v|| = (v.v)1/2 =
v12 + v22
Misal, diberikan 2 vektor v, cosinus sudut antara v dengan v adalah 1.

Maka v.v = ||v|| ||v|| atau ||v|| = ( v.v)1/2
Di R3: norm/panjang vektor v adalah ||v|| = (v.v)1/2 =
v12 + v 22 + v 32
37
Hasil kali titik dan perkalian matriks
Berdasarkan definisi, jika a, b vektor-vektor

di R2, maka a. b = a1b1 + a2b2. Jika a dan b,
dipandang sebagai vektor-vektor baris maka
a.b = abT
a = (a1,a2) dan b = (b1,b2)

a.b = a1b1 + a2b2 =
[a 1
b
a 2 ] 1
b2
= abT
Jika a, b vektor-vektor di R3
b1
Maka
a. b = a1b1 + a2b2 + a3b3 = [ a1 a 2 a 3 ] b 2 = abT

b3
38
19
Vektor
Sifat-sifat hasil kali titik

Diberikan u = (5,3), dan v = (4,6)
Tentukan u.v dan v.u.
Perkalian titik memenuhi sifat simetri,

yaitu u.v = v.u
39
Latihan:
Diberikan u = (5, 3), v = (4, 6), dan skalar k = 4.
Hitunglah (ku).v dan k(u.v)
Perkalian titik memenuhi sifat

(ku).v = k(u.v)
40
20
Vektor
Latihan:
Diberikan u = (5,3), v = (4,6), dan w = (4,7).
Tentukan u.(v+w) dan u.v + u.w
Apakah u.(v+w) = u.v + u.w?
Perkalian titik memenuhi sifat yaitu

u.(v+w) = u.v + u.w
41
Sifat-sifat hasil kali titik

Diberikan v = (4, 6, 1) dan u = (0, 0, 0)
Tentukan v.v dan u.u
Diberikan v = (a, b, c) vektor pada ruang
Tentukan v.v?
kapan v.v = 0?
42
21
Vektor
4 sifat penting hasil kali titik
Perkalian titik memenuhi sifat:

u.v = v.u
(ku).v = k(u.v)
u.(v+w) = u.v + u.w
v.v = ||v||||v||, dan 0 untuk v = 0
43
Hasil kali silang

u = (u1,u2,u3), v = (v1,v2,v3)
=
u2 u3
v2 v3
u1 u3
v1 v3
u1 u2
v1 u2
Prosedur menentukan u x v
u1 u2 u3
v1 v2 v3
Komponen pertama (i):
u2 u3
v2 v3
det
u2
u3
v2
v3
44
22
Vektor
Hasil kali silang

Komponen kedua (j):
u1 u3
det
v1 v3
Komponen ketiga (k):
u1 u2
det
v1 v2
u1 u3
v1 v3
u1 u2
v1 v2
Contoh: hitung v x w dengan v = (1,4,-4) dan w = (0,3,2)

vxw=
-4
-4
= (20, -2, 3) = 20i -2j +3k

45
Hasil kali silang

Prosedur menentukan uxv
u1 u2 u3
v1 v2 v3
Komponen kedua (j):
u2 u3
u2 u3
v2 v3
v2 v3
u1 u3
u1 u3
v1 v3
v1 v3
u1 u2
u1 u2
v1 v2
v1 v2
46
23
Vektor
Prosedur menentukan v x u
Prosedur menentukan vxu
v1 v2 v3
u1 u2 u3
v2 v3
u2 u3
v1 v3
Komponen kedua (j):
u1 u3
v1 v2
u1 u2
47
Prosedur
Jika dua baris A ditukat tempat maka nilai
determinannya dikalikan -1, jadi
u2 u3
v2 v3
u1 u3
v1 v3
u1 u2
v1 v2
v2 v3
v1 v3
v1 v2
u2 u3
u1 u3
u1 u2
Terlihat bahwa u x v = - (v x u)
48
24
Vektor
Hasil kali silang vektor satuan standard

z
i
k
(0, 0, 1)
i
(1, 0, 0)
(0, 1, 0)
x
ixj = (0x0-1x0)i (1x0 0x0)j +(1x1 0x0)k = k
jxi= -k
jxk = i
kxj = -i
kxk = ?
kxi = ?
ixk = ?
49
Bentuk determinan hasil kali silang

i
A=
u1 u2 u3
v1 v2 v3
u x v = det(A)
=
+
i
+ +
j
u1 u2 u3
u1 u2
v1 v2 v3
v1 v2
50
25
Vektor
Sifat-sifat hasil kali silang
uxv = -v x u
Jika u // v maka uxv = -v x u= 0,
akibatnya u x u = 0
(ku) x v = u x (kv) = k(u x v)
u x (v+w) = u x v + u x w
u.(v x w) = (u x v).w (hasil kali triple skalar)
ixj
(0, 0, 1)
j
j
i
(1, 0, 0)
(0, 1, 0)
(1, 0, 0)
(0, 1, 0)
i
jxi
(0, 0, -1)
51
Contoh 1
Diketahui vektor:
p = 2i + 4j + 3k
q = i + 5j 2k
Tentukan pxq
52
26
Vektor
Contoh 2
Diketahui vektor a = ( 1, 3 ) dan b = ( 3k, 1 )
Tentukan nilai k jika a dan b saling tegak lurus
Jawab
Agar a dan b saling tegak lurus, maka
a.b=0
a . b = 3k + 3 = 0
k = 1
53
Contoh 3
Diketahui u = ( 2, 1,1 ) dan v = ( 1,1,2 )
Tentukan besar sudut yang dibentuk oleh u dan v !
Jawab
u . v = 2 1 + 2 = 3
||u|| = 22 + (1)2 +12 = 6
||v|| = 12 +12 + 22 = 6
u . v = ||u|| . ||u|| . cos
cos = u.v / (||u|| . ||u|| )
= 3/6 = 1/2 = 60o
Jadi sudut yang dibentuk antara u dan v adalah 60o
54
27
Basis Ortonormal
Basis
Ortonormal
Hasil kali dalam

Hasil kali dalam adalah fungsi yang mengaitkan
setiap pasangan vektor di ruang vektor V,
misal pasangan u dan v, dinotasikan 
dengan bilangan riil dan memenuhi 4 aksioma,
yaitu :
1. Simetris : = < v ,u >
2. Aditivitas : < u+ v , w > = + < v ,w >
3. Homogenitas : < k u ,v > = k , k skalar
4. Positivitas : 0 dan ( = 0 u = 0 )
Ruang vektor yang dilengkapi hasil kali dalam disebut
Ruang hasil kali dalam (RHD)
Basis Ortonormal
Pembuktian Simetris
Misal
a = ( a1,a2,a3 )
b = ( b1,b2,b3 )
c = ( c1,c2,c3 ) maka a , b , c R3
< a ,b > = ( a . b )
= (a1b1 + a2b2 + a3b3 )
= (b1a1 + b2a2 + b3a3 )
=<b,a>
Basis ortonormal
Diketahui V ruang hasil kali dalam
dan v 1, v 2,, v n adalah vektor vektor dalam V
Beberapa definisi penting:
a.
H = { v 1, v 2,, v n } disebut himpunan ortogonal
bila setiap vektor dalam V saling tegak lurus,
yaitu < v i, v j > = 0 untuk i j dan i,j = 1,2,,n.
b.
G = { v 1, v 2,, v n } disebut himpunan ortonormal

bila
- G himpunan ortogonal
- Norm dari vi = 1 , i = 1,2,,n atau < v i, v i > = 1
Basis Ortonormal
Metode GramSchmidt
mengubah suatu himpunan vektor yang bebas
linier menjadi himpunan yang ortonormal
Syarat:
Himpunan yang ditransformasikan ke himpunan
ortonormal adalah himpunan yang bebas linier
Jika yang akan ditransformasikan adalah
himpunan vektor yang merupakan basis dari
ruang vektor V maka metode GrammSchimdt
akan menghasilkan basis ortonormal
untuk V.
5
Proyeksi ortogonal
vektor terhadap ruang yang
dibangun oleh himpunan vektor
Diketahui H = { v 1, v 2,, v n }
adalah himpunan vektor yang bebas linier
dari ruang vektor V dengan dim n
dan S = { w 1, w 2,, w n }
merupakan himpunan yang ortonormal
Jika W menyatakan ruang yang dibangun
oleh w 1, w 2,, w n maka
untuk setiap vektor z 1 dalam W ,
dapat dituliskan z 1 = k1 w 1 + k2 w 2 ++ kn w n
dengan k1, k2, ,kn skalar.
Basis Ortonormal
Jika u adalah sembarang vektor dalam V ,

dapat dituliskan sebagai jumlah dari dua vektor yang saling
tegak lurus misalkan z 1 dan z 2 ,
jadi dapat dituliskan u = z 1 + z 2 .
Karena z 1 dalam W , maka sebenarnya z 1 merupakan
proyeksi ortogonal u terhadap W ,
sedangkan z 2 merupakan komponen vektor u
yang tegak lurus terhadap W.
Jadi untuk menentukan z 1 , maka harus ditentukan nilai
k1, k2, ,kn sedemikian hingga nilai k1 merupakan panjang
proyeksi u terhadap w 1 , k2 merupakan panjang proyeksi u
terhadap w 2 dan seterusnya sehingga kn merupakan
panjang proyeksi u terhadap w n
Proyeksi orthogonal u terhadap w i adalah
proy Wi ( u ) = , dikarenakan w 1, w 2,, w n
merupakan vektor vektor yang ortonormal .
7
Proyeksi ortogonal u terhadap W

proyw ( u ) = z 1
= w 1 + w 2 ++ wn
{ w 1, w 2,, w n } merupakan himpunan ortonormal
Komponen u yang tegak lurus terhadap W
z 2 = u ( w 1 + w 2 ++ w n )
Basis Ortonormal
Misal diketahui K = { v 1, v 2, , v n } adalah

himpunan yang bebas linier,
maka K dapat dirubah menjadi
himpunan S = { w 1, w 2, ,w n } yang ortonormal
dengan menggunakan metode GramSchmidt
Metode GramSchmidt
v1
1. w1 =
|v1|
proses normalisasi yang paling sederhana

karena hanya melibatkan satu vektor saja.
Pembagian dengan |v| bertujuan agar w i memiliki
panjang = 1
akan diperoleh w 1 ortonormal
10
Basis Ortonormal
2. w2 =
v2 -< v2,w1> w1
| v2 -< v2,w1> w1 |
diperoleh dua vektor w 1 dan w 2 yang ortonormal
3. w3 =
n. wn =
v3 -< v3,w1> w1 -< v3,w2> w2

| v3 -< v3,w1> w1 -< v3,w2> w2 |
vn -< vn,w1> w1 -< vn,w2> w2 -< vn,wn-1> wn-1
| vn -< vn,w1> w1 -< vn,w2> w2 -< vn,wn-1> wn-1 |
11
Secara umum
wi =
vi proy W (vi )
| vi proyW (vi ) |
dengan W merupakan ruang yang

dibangun oleh w1 .wi-1
12
Basis Ortonormal
Contoh
Diketahui H = { a , b , c }
dengan a = ( 1,1,1 ) , b = ( 1,2,1 ) , c = (1,1,0 )
a. Apakah H basis R3 ?
b. Jika ya, transformasikan H menjadi basis
orthonormal dengan menggunakan hasil kali
dalam Euclides
13
Contoh
Diketahui dan a , b ,c R3 dengan a = ( 2,1,1 ) ,
b = ( 2,5,1 ) , c = ( 1,0,2 ) .Jika R3 merupakan
RHD Euclides,
transformasikan a , b , c ke basis ortonormal
14
Basis Ortonormal
Perubahan Basis
suatu ruang vektor bisa memiliki

beberapa basis
jika terdapat sembarang vektor x

dalam suatu ruang vektor V yang
memiliki himpunan vektor A dan B
sebagai basisnya maka x tentunya
merupakan kombinasi linier dari
vektor vektor di A dan B.
15
Jika V ruang vektor, S : { s 1, s 2,, s n }

merupakan basis V maka untuk sembarang
x V, dapat dituliskan :
x = k1 s 1 + k2 s 2+kn s n
dengan k1, k2, , kn skalar.
k1, k2, , kn juga disebut koordinat x relatif
terhadap basis S.
16
Basis Ortonormal
k1
[x]S = k2
:
kn
disebut matriks x relatif terhadap basis S
Jika S merupakan basis ortonormal , maka
[x]S =
<x, s1>
<x, s2>
:
<x, sn>
17
Diketahui A = { v , w } dan B = { x , y } berturut turut

merupakan basis R2 ,
dengan v = ( 2, 2 ) , w = ( 3, 1 ) , x = ( 1 , 3 ) dan y = ( 1 , 1 )
Tentukan:
Matriks transisi dari basis A ke basis B
18
Ruang-n Euclidis
Ruangn Euclidis

Definisi 1
Jika n adalah sebuah bilangan bulat
positif maka n-pasangan terurut adalah
(a1,a2,..,an)
dimana ai , i = 1,..,n adalah bilangan riil.
Himpunan semua n-pasangan terurut ini
dinamakan ruang-n dan dinyatakan
dengan n
Ruang-n Euclidis
Teorema 1
Dua vektor u = (u1,u2,...,un) dan v = (v1,v2,..,vn) pada n
Dua vektor dinyatakan sama bila u1= v1, u2 = v2,...,un = vn

Jumlahan u + v = (u1 + v1, u2 + v2 , , un + vn)
Jika terdapat k , k 0 maka perkalian skalar
ku = (k u1, k u2,,k un)
Vektor Nol : 0 = (0,0,,0)
Invers aditif (negatif) : -u = (-u1,-u2,..., -un)
Pengurangan : u v = (u1 - v1, u2 - v2 , , un - vn)
Teorema 2
Jika U, V, W n , k,l maka :
(a) Jika u,v V, maka u + v V
(b) u+v = v+u
(c) u+(v+w) = (u+v)+w
(d) Jika 0 V sehingga 0 + u = u+ 0, u V
(e) u V , - u V (negatif u).
sehingga u + (-u) = (-u) + u = 0
(f) Jika k,l , u V, maka k u V

(g) k (u + v) = k u + k v
(h) (k+l) u = k u + l u
(i) k(l u) =(kl) u
(j) 1 u = u
4
Ruang-n Euclidis
Definisi 2
Jika U, V n maka yang disebut
sebagai Euclidean Inner product
adalah
U.V = u1 v1 + u2 v2 + ... + un vn
Jika
U =
u1
V =
un
v1
Maka U.V = U.V T
vn
5
Definisi 3
Norm Euclidis (panjang euclidis)
vektor u = (u1,u2,...,un) pada n adalah:
||u|| = (u.v) =
u12 + u22 + + un2
Jarak Euclidis di antara titik u = (u1,u2,...,un) dan

titik v = (v1,v2,...,vn) pada n adalah:
d(u,v)=||u-v|| =
(u1-v1)2 + (u2-v2)2 + + (un-vn)2

6
Ruang-n Euclidis
Contoh 1
Diketahui a = ( 1,1,2,3 ) dan b = ( 2,2,1,1 )
Tentukan jarak antara a dan b !
Jawab
a b = (1, 1,1,2 )
d ( a , b ) = (1)2 + (1)2 +12 + 22
= 7
Nilai Eigen dan

Vektor Eigen
Nilai eigen suatu matriks

Diketahui A matriks berukuran n x n,
x vektor taknol berukuran n x 1 , x Rn
Karena A berukuran n x n , maka A x akan berupa vektor
yang berukuran n x 1 juga. Bila terdapat skalar ,
Riil sedemikian hingga
Ax = x
(Ax menghasilkan vektor yang besarnya kali x )
Semua nilai yang memenuhi persamaan tersebut
sehingga ada nilai x yang nyata ( bukan
vektor 0 saja ) disebut nilai eigen ( karakteristik ).
Untuk menentukan nilai , dari persamaan A x =

x sebelumnya dirubah dahulu menjadi
persamaan
(A I ) x = 0 = ( I A ) x
det (A I )
yaitu det (A I ) = det ( I A ) = 0.
Persamaan
det (A I ) = det ( I A ) = 0
disebut persamaan karakteristik.
Dari nilai eigen yang telah diperoleh tersebut dapat

ditentukan ruang solusi untuk x dengan memasukkan
nilai eigen yang diperoleh ke dalam persamaan
(A I ) x = 0
Ruang solusi yang diperoleh dengan cara
demikian ini disebut juga dengan ruang eigen
Dari ruang eigen yang bersesuaian dengan nilai eigen
tertentu tersebut dapat dicari minimal sebuah basis
ruang eigen yang saling bebas linear.
4
Untuk kasus yang khusus,

jika A memiliki n buah nilai eigen = ,
maka akan memiliki nilai eigen k
Jika banyaknya nilai eigen dari Ak sebanyak n juga
maka basis ruang eigennya tatap sama,
tetapi jika jumlah nilai eigennya kurang dari n
(terjadi jika ada nilai eigen yang saling berlawanan
tanda ), maka salah satu nilai eigennya akan
memiliki basis ruang eigen yang berbeda .
Diagonalisasi
penentuan matriks diagonal D dan
matriks pendiagonal P yang berkaitan
dengan basis ruang eigen
Jika A matriks bujursangkar berukuran n,

dan terdapat matriks diagonal D sedemikian hingga
D = P1AP
sehingga dikatakan matriks A dapat didiagonalisasi.
P merupakan matriks n x n yang kolom kolomnya
merupakan vektor vektor kolom dari basis ruang
eigen A. P disebut matriks yang mendiagonalisasi A ,
sedangkan D merupakan matriks diagonal yang
elemen diagonalnya merupakan semua nilai eigen
dari A.
Diagonalisasi ortogonal
matriks ortogonal
Matriks bujur sangkar P disebut

matriks ortogonal bila berlaku
Pt = P1
Matriks A dapat didiagonalisasi secara
ortogonal jika terdapat P ortogonal sehingga
P1 A P = D
dengan D adalah matriks diagonal

Aljabar Linear Kartika

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Aljabar Linear Kartika

Diunggah oleh

Hak Cipta:

Format Tersedia

Pendahuluan

Kartika Firdausy - UAD

Melatih mahasiswa untuk berpikir secara logis

Aljabar Linear dan Matriks

Operasi Baris Elementer

Determinan, Kofaktor, dan Aturan Cramer

Perhitungan Determinan dengan Reduksi Baris

Operasi Ruang n-Euclidis

Aljabar Linear dan Matriks

Ruang vektor umum

Nilai Eigen dan Vektor Eigen

These windows in Philadelphia represent a beautiful block matrix.

Aljabar Linear dan Matriks

Aljabar Linear dan Matriks

rotates a pixel by about the origin (0, 0)

scales an image in x and y directions by Sx and Sy.

Diktat Aljabar Linear dan Matriks,

Aljabar Linear dan Matriks

Kartika Firdausy - UAD

Aljabar Linear dan Matriks

Penjumlahan dimensi sama

Perkalian matriks dengan matriks

Hukum Perkalian Matriks :

Aljabar Linear dan Matriks

Beberapa Sifat Matriks Transpose :

Aljabar Linear dan Matriks

A+0=A, jika ukuran matriks A = ukuran matriks

Matriks Identitas/Satuan, adalah

Sifat-sifat matriks identitas :

Aljabar Linear dan Matriks

Matriks Skalar, matriks diagonal

Matriks segitiga atas / segitiga bawah,

Penukaran tempat baris ke-i dan baris ke-j atau penukaran

Hij(A) untuk transformasi baris

Mengalikan baris ke-i dengan skalar h0, ditulis Hi (h) (A)

Menambah kolom ke-i dengan k kali kolom ke-j, ditulis

Aljabar Linear dan Matriks

Kartika Firdausy UAD

Misalkan A adalah matriks bujur sangkar.

Aljabar Linear dan Matriks

Jika matriks A berukuran 2x2,

Jika matriks A berukuran 3x3,

Ilustrasi Metode Sarrus

det(A) = a11a22 a33 + a12a23 a31 + a13a21 a32

Aljabar Linear dan Matriks

Beberapa sifat determinan

Apabila semua unsur dalam satu baris atau satu kolom

Aljabar Linear dan Matriks

cij = (-1)i+j Mij

Aljabar Linear dan Matriks

|A| = aijcij = ai1ci1+ai2ci2+..+ aincin

|A| = aijcij = a1jc1j+a2jc2j+..+ anjcnj

Hitung determinan matriks A dengan minor dan

Aljabar Linear dan Matriks

Aljabar Linear dan Matriks

Kartika Firdausy UAD

| Ak | adalah harga determinan elemen matriks

Aljabar Linear dan Matriks

Misal diketahui persamaan:

Aljabar Linear dan Matriks

Kartika Firdausy UAD

Jika diketahui 2 besaran a dan x

[I] [A] = [A] [I] = [A]

Aljabar Linear dan Matriks