Anda di halaman 1dari 32

BAB IV.

RUANG-RUANG
VEKTOR EUCLIDEAN

4.1 Ruang Euclidean


Berdimensi n
Vektor-vektor di Rn
Definisi:
¾ Jika n adalah bilangan bulat positif, maka n-pasangan
terurut adalah suatu barisan n buah bilangan riil
(a1,a2,...,an). Himpunan dari semua n-pasangan terurut
disebut ruang-n dan dinotasikan dengan Rn.
¾ Dua vector u = (u1 , u2 ,..., un ) & v = (v1 , v2 ,..., vn ) di Rn adalah
sama jika u1=v1 , u2=v2,.....,un=vn . Jumlah u + v
didefinisikan sebagai: u + v = (u1 + v1 , u2 + v2 , , un + vn )
& jika adalah k skalar, maka perkalian skalar k u
didefinisikan ku = (ku1 , ku2 , , kun )
¾ Operasi penjumlahan & perkalian skalar di atas disebut
operasi standar pada Rn. Vektor 0 di Rn dinotasikan
oleh 0 = (0, 0, , 0)
Sifat-sifat operasi di Rn
¾ u,v, w ∈ Rn k dan l skalar maka :
(a) u+v = v+u
(b) u + 0 = 0 + u = u
(c ) (u + v) + w = u + (v + w)
(d ) u + ( −u ) = 0 → u − u = 0
( e) k (lu ) = (kl )u
( f ) k (u + v) = ku + kv
( g ) (k + l )u = ku + lu
( h) 1.u = u
Ruang n euclidian
¾ Definisi:
¾ Jika u = (u1 , u2 ,..., un ) & v = (v1 , v2 ,..., vn )
adalah vector-
vektor di Rn, maka Euclidean Inner Product
(hasil kali dalam Euclidean) u.v
didefinisikan oleh: u.v = u1v1 + u2v2 + ... + unvn
Rn disebut Ruang-n Euclidean, apabila
dilengkapi dengan operasi inner product
euclidean
TEOREMA:
¾ Jika u , v , w ∈ R n dan k , l sebarang skalar :

a. u iv = v iu
b. ( u + v )i w = u i w + v i w
c. ( k u )i v = k ( u iv )
d. v iv ≥ 0, v iv = 0 ↔ v = 0
Norm & Jarak di Rn Euclidean

• Norm Euclidean vector u = (u1,u2 ,..., un )


didefinisikan oleh:
1
u = ( u .u ) 2
= u 1 2 + ... + u n 2
• Jarak Euclidean 2 titik u = (u1 , u2 ,..., un ) & v = (v1 , v2 ,..., vn )

d (u , v ) = u − v = (u1 − v1 ) 2 + ... + (un − vn ) 2

• Pertidaksamaan Cauchy-Schwarz :
Jika u = (u , u ,..., u ) & v = (v , v ,..., v ) verktor-vektor di Rn
1 2 n 1 2 n

maka:
u.v ≤ u v
Teorema :
¾ Jika u dan v vektor-vektor di Rn dan k skalar :

a. u ≥ 0
b. u = 0 ⇔ u = 0
c. k u = k u
d. u + v ≤ u + v
(Ketaksamaan segitiga Cauchy Schwarz)
Teorema :
¾ Jika u , v dan w vektor-vektor di Rn dan k skalar :

a. d ( u , v ) ≥ 0
b. d ( u , v ) = 0 ⇔ u = v
c. d ( u , v ) = d ( v , u )
d. d ( u , v ) ≤ d ( u , w ) + d ( w, v )
( disebut ketidaksamaan segitiga)
Orthogonality
¾ Vektor u dan v di Rn disebut orthogonal jika:
u•v = 0
¾ Jika u & v orthogonal, maka :
2 2 2
u+v = u + v

¾ Vektor u = (u1,u2 ,..., un ) dapat ditulis:

⎡ u1 ⎤
⎢u ⎥
u = ⎢ 2 ⎥ atau u = ⎡⎣u1,u2 ,..., un ⎤⎦
⎢ ⎥
⎢ ⎥
⎣un ⎦
Euclidean Inner Product dalam matriks:

¾ ⎡ u1 ⎤ ⎡ v1 ⎤
⎢u ⎥ ⎢v ⎥
u = ⎢ 2⎥, v = ⎢ 2⎥
⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ ⎥
⎣ n⎦
u ⎣vn ⎦
⎡ u1 ⎤
⎢u ⎥
u.v = v u = ⎡⎣ v1 … vn ⎤⎦ ⎢ 2 ⎥ = u1v1 +
T
+ un vn
⎢ ⎥
⎢ ⎥
⎣un ⎦
¾ Jika A matriks n x n,u dan v vektor di Rn
maka:

( ) ( )
( Au ) = v A u = A v
T
* Au iv = v T T T
u = u i AT v

* u i Av = ( Av ) u = ( vA ) u = v ( A u ) = A u iv
T T T T T

∴ A u iv = u i A v T

u i A v = AT u i v
¾ Contoh :
⎡ 1 −2 3⎤ ⎡ −1⎤ ⎡ −2 ⎤
A = ⎢⎢ 2 4 1⎥⎥ u = ⎢⎢ 2 ⎥⎥ v = ⎢⎢ 0 ⎥⎥
⎢⎣ −1 0 1⎥⎦ ⎢⎣ 4 ⎥⎦ ⎢⎣ 5 ⎥⎦
⎡ 1 −2 3⎤ ⎡ −1⎤ ⎡ 7 ⎤
Au = ⎢⎢ 2 4 1⎥⎥ ⎢⎢ 2 ⎥⎥ = ⎢⎢10 ⎥⎥
⎢⎣ −1 0 1⎥⎦ ⎢⎣ 4 ⎥⎦ ⎢⎣ 5 ⎥⎦
⎡1 2 −1⎤ ⎡ −2 ⎤ ⎡ −7 ⎤
AT v = ⎢⎢ −2 4 0 ⎥⎥ ⎢⎢ 0 ⎥⎥ = ⎢⎢ 4 ⎥⎥
⎢⎣ 3 1 1 ⎥⎦ ⎢⎣ 5 ⎥⎦ ⎢⎣ −1⎥⎦
Au iv = 7.(−2) + 10.0 + 5.5 = 11
u i AT v = (−1)(−7) + 2.4 + 4(−1) = 11
Au iv = u i AT v
4.2 Transformasi dari Rn ke Rm
¾ Fungsi dari Rn Æ R :
− ( x12 + x22 +...+ xn 2 )
contoh : f ( x1 , x2 ,..., xn ) = e
Fungsi dari Rn Æ Rm
¾ Jika m=n,maka f :Rn ÆRn, f disebut operator pada Rn
Misal: w1 = f1 ( x1 , x2 , , xn )
w2 = f 2 ( x1 , x2 , , xn )

wn = f n ( x1 , x2 , , xn )
∀ ( x1 , x2 , , xn ) ∈ R n didapat unik ( w1 , w2 , , wn ) ∈ R n
Persamaan tersebut mendefinisikan transformasi dari
Rn Æ Rm yaitu T: Rn Æ Rm didefinisikan :
T ( x1 , x2 , , xn ) = ( w1 , w2 , , wm )
¾ Contoh:
persamaan : w1 = x1 + x2 mendefinisikan
w2 = 3 x1 x2
w3 = x12 − x2 2
transformasi dari R2 Æ R3 , maka
transformasi dapat pula didefinisikan:
T : R2 Æ R3 sbb:
T ( x1 , x2 ) = ( x1 + x2 ,3 x1 x2 , x12 − x2 2 )
T(1,-2)=(1+(-2),3.1.(-2),12 -(-2)2 )=(-1,-6,-3)
Bila persamaan transformasi berbentuk linier,
disebut transformasi linier.
Persamaan transformasi diatas dapat
dinyatakan dalam bentuk matriks sbb:
⎡ w1 ⎤ ⎡ a11 a1n ⎤ ⎡ x1 ⎤
⎢w ⎥ ⎢ a a2 n ⎥⎥ ⎢⎢ x2 ⎥⎥
⎢ 2 ⎥ = ⎢ 21
⎢ ⎥ ⎢ ⎥⎢ ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥
⎣ wn ⎦ ⎣ am1 amn ⎦ ⎣ xn ⎦
w = Ax

Matriks A = ⎡⎣a ⎤⎦ disebut matriks standar


ij

untuk transformasi linier T.


T disebut multiplication by A.
Beberapa Notasi Penting:
* T: Rn Æ Rm ,dinotasikan TA: Rn Æ Rm artinyaTA ( x) = Ax
Terkadang matriks A ditulis : [TA ]
sehingga transformasi dapat ditulis : [TA ] x = A x
• Komposisi dari Transformasi Linier:
TA: Rn Æ Rk & TB: Rk Æ Rm adalah transformasi
linier, maka :
∀x∈Rn ∃TA(x)∈Rk &∀TA(x)∈Rk ∃ TB(TA(x))∈Rm
∴(TBiTA)( x) =TB (TA ( x) ) →transformasi linier, karena :
(TBiTA)( x) =TB (TA ( x) ) =TB ( Ax) = B( Ax) =( BA) x
∴TBiTA adalah multiplication by BA
Geometri Operator Linier
TA: Rn Æ Rn
¾ n- tuple terurut (a1 , a2 ,..., an ) dapat dipandang
sebagai suatu titik atau vector di Rn

T (x)

x T (x)
x

Transformasi nol : T0 (x)=0x=0

Transformasi Identitas : TI ( x) = I x = x
Operator Refleksi terhadap sumbu Y di R2
y w1 = − x = − x + 0 y
w2 = y = 0 x + 1 y
( − x, y ) ( x, y ) ↓
⎛ w1 ⎞ ⎛ −1 0 ⎞ ⎛ x ⎞
⎜ ⎟=⎜ ⎟⎜ ⎟
T ( x) x ⎝ w2 ⎠ ⎝ 0 1 ⎠ ⎝ y ⎠
⎛ −1 0 ⎞
x Matriks standar refleksi sb Y: ⎜ ⎟
⎝ 0 1⎠

Refleksi terhadap bidang XY :


( x, y , z )
w1 = x ⎛1 0 0 ⎞
⎜ ⎟
w2 = y ⎜ 0 1 0 ⎟
w3 = − z ⎜ 0 0 −1⎟
⎝ ⎠

( x, y , − z )
¾ Operator Proyeksi pada sumbu X :
y Persamaan transformasi :
( x, y ) w1 = x
w2 = 0
x
⎛1 0⎞
Matriks transformasi : ⎜ ⎟
⎝ 0 0 ⎠
w ( x, 0) x
¾ Operator Proyeksi Orthogonal pada bidang XZ :
Persamaan transformasi :
z
w1 = x
( x, 0, z )
w2 = 0 ( x, y , z )
w3 = z
w x
Matriks transformasi : y
⎛1 0 0⎞
⎜ ⎟
⎜ 0 0 0 ⎟
⎜0 0 1⎟ x
⎝ ⎠
¾ Operator rotasi di R2 sebesar θ
x2
w = ( w1 , w2 )

r θ
x = ( x1 , x2 )
r
θ φ x1 = r cos φ , x2 = r sin φ
x1
w1 = r cos(θ + φ ) = r cos θ cos φ − r sin θ sin φ
w2 = r sin(θ + φ ) = r sin θ cos φ + r cos θ sin φ

w1 = x1 cos θ − x2 sinθ ⎫ ⎛ w1 ⎞ ⎛ cos θ − sin θ ⎞ ⎛ x1 ⎞


⎬⇒⎜ ⎟=⎜ ⎟⎜ ⎟
w2 = x1 sin θ + x2 cos θ ⎭ ⎝ w2 ⎠ ⎝ sin θ cos θ ⎠ ⎝ x2 ⎠
¾ Operator rotasi di R3
rotasi berlawanan arah jarum jam mengelilingi
sumbu X positif sebesar θ
z

w y
x
w1 = x ⎛1 0 0 ⎞
⎜ ⎟
x w2 = y cos θ − z sin θ ⎜ 0 cos θ − sin θ ⎟
w3 = y sin θ + z cos θ ⎜ 0 sin θ cos θ ⎟⎠

¾ Rotasi berlawanan arah jarum jam mengelilingi
sumbu Y sebesar θ

y
w
θ

x
w1 = x cos θ + z sin θ ⎛ cos 0 sin ⎞
⎜ ⎟
w2 = y ⎜ 0 1 0 ⎟
w3 = − x sin θ + z cos θ ⎜ − sin θ 0 cos θ ⎟⎠

Operator Dilatasi & Kontraksi
¾ Kontraksi dengan faktor k (o < k <1), T ( x ) = k x
y
w1 = kx ⎛k 0⎞
w ( x, y ) ⇒ matriks standar = ⎜ ⎟
w2 = ky ⎝ 0 k ⎠
x (kx, ky )

x
¾ Dilatasi dengan faktor k ( k > 1) y
x
(kx, ky )
w1 = kx ⎛k 0⎞
⇒ matriks standar ⎜ ⎟ w
w2 = ky ⎝0 k⎠ ( x, y )

x
¾ Untuk R3 ⎛k 0 0⎞
⎜ ⎟
⎜ 0 k 0 ⎟
⎜0 0 k⎟
⎝ ⎠
Komposisi dari Transformasi Linier
T
¾ A : R n
→ R k
, TB : R k
→ R m
adalah transformasi linier ∀ x ∈ R n

x → TA ( x) → TB (TA ( x)), transformasi linier R n → R m


disebut komposisi dari TB dengan TA : TB • TA

TB iTA = (TB )(TA )


TB iTA ≠ TA iTB

¾ Operator Pencerminan terhadap Titik Asal :


Misal pada R2 ,
⎛ −1 0 ⎞
T ( x ) = − x, matriks transformasi ( T ) = ⎜ ⎟
⎝ 0 − 1 ⎠
Komposisi 3 atau Lebih Transformasi Linier

¾ T : R n → R k , T : R k → Rl , T : Rl → R m
1 2 3

(T3 • T2 • T1 ) ( x ) = T3 (T (T ( x ) ) )
2 1

Matriks standar :

(T3 • T2 • T1 ) = (T3 )(T2 )(T1 )


(T3 • T2 • T1 ) = (T3 )(T2 )(T1 ) dan TC • TB • TA = TCBA
Sifat-sifat transformasi linier T: R2 Æ R3

¾ Definisi:
Suatu transformasi linier T dari R2 Æ R3
disebut satu- satu jika T memetakan vektor-
vektor (titik-titik) yang berbeda di R2 ke vektor-
vektor (titik-titik) yang berbeda di R3 .

∀x ∈ R ∃ satu w ∈ R → T ( x ) = w dan
2 3

∀w ∈ R hanya ada satu x ∈ R ∋ w = T ( x )


3 2
¾ Misal An× n , TA : R n
→ R n
, Anxn matriks invertible:
sifat-sifat TA :
* A dapat dibalik (mempunyai invers)
* Ax = w konsisten ∀w
* Ax = w tepat mempunyai satu solusi, jika sistim
konsisten.
¾ Teorema :
Jika Anxn dan TA : Rn Æ Rn adalah perkalian dengan A ,
maka pernyataan berikut ekivalen :
* A dapat dibalik
* Daerah hasil dari TA adalah Rn
* TA adalah satu-satu.
Invers dari Operasi Linier
¾ Jika TA : R n → R noperasi linier satu-satu
maka A invertible.
TA−1 : R n → R n , invers TA juga operasi linier

TA (TA−1 ( x)) = TA ( A−1 x) = AA−1 x = I x = x


TA−1 (TA ( x)) = TA−1 ( Ax) = A−1 Ax = I x = x
atau
TA • TA−1 = TAA−1 = TI
TA−1 • TA = TA−1 A = TI
Contoh:
T : R 2 → R 2 , w1 = 2 x1 + x2 , w2 = 3 x1 + 4 x2 adalah transf 1-1
T −1 ( w1 , w2 ) ?
Jawab : ⎡ w1 ⎤ ⎡ 2 1 ⎤ ⎡ x1 ⎤ ⎡2 1⎤
⎢ w ⎥ ⎢ 3 4⎥ ⎢ x ⎥ [ ] ⎢ 3 4⎥
= , T =
⎣ 2⎦ ⎣ ⎦⎣ 2⎦ ⎣ ⎦

⎡ 4 −1 ⎤
⎡⎣T −1 ⎤⎦ = [T ] = ⎢ 5 5⎥
−1

⎢− 3 2 ⎥
⎣ 5 5 ⎦

⎡ 4 − 1 ⎤ ⎡ w ⎤ ⎡ 4 w1 − 1 w2 ⎤
⎡ w ⎤
⎡⎣T −1 ⎤⎦ ⎢ 1 ⎥ = ⎢ 5 5⎥ 1
= ⎢ 5 5 ⎥
⎣ w2 ⎦ ⎢ − 3 2 ⎥ ⎢⎣ w2 ⎥⎦ ⎢ − 3 w 2 w ⎥
⎣ 5 5 ⎦ ⎣ 5 1 5 2 ⎦

−1 ⎛4 1 3 2 ⎞
∴ T ( w1 , w2 ) = ⎜ w1 − w2 , − w1 + w2 ⎟
⎝5 5 5 5 ⎠
¾ Sifat-sifat kelinieran :
T : R n → R m linier, ⇔
∀u , v ∈ R n dan c skalar berlaku :
a. T (u + v ) = T (u ) + T (v )
b. T ( c u ) = c T (u )
¾ Teorema : Jika
T : R n → R n transf linier,
e1 en basis standar R , maka :n

[T ] = ⎡⎣T (e1 ) T ( e2 ) T ( en ) ⎤⎦
Secara umum :
⎡ 1⎤ ⎡ 0⎤ ⎡ 0⎤
⎢ 0⎥ ⎢ 1⎥ ⎢ 0⎥
e1 = ⎢ ⎥ , e2 = ⎢ ⎥ ,..., en = ⎢ ⎥ basis standar di R n
⎢...⎥ ⎢...⎥ ⎢...⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
0
⎣ ⎦ 0
⎣ ⎦ ⎣ 1⎦ A = [T (e1 ) T (e2 ) ... T (en )]
⎡ x1 ⎤ ⎡ x1 ⎤
⎢x ⎥ ⎢x ⎥
Jika x = ⎢ 2 ⎥ ∈ R n , A x = [T (e1 ) T (e2 ) ... T (en )] ⎢ 2 ⎥
⎢....⎥ ⎢....⎥
⎢ ⎥ ⎢ ⎥
⎣ n⎦
x ⎣ xn ⎦
Ax = x1T (e1 ) + ... + xnT (en )
Ax = T ( x1e1 ) + ... + T ( xn en )
Ax = T ( x1e1 + ... + xn en )
Ax = T ( x )
Contoh : proyeksi bid XY ( T : R → R )
3 2
¾
⎡ x1 ⎤
w1 = −2 x1 + x2 + 3 x3 ⎡ w1 ⎤ ⎡ −2 1 3⎤ ⎢ ⎥
⇒⎢ ⎥=⎢ ⎥ ⎢ x2 ⎥
w2 = 5 x1 + 4 x2 + x3 ⎣ w2 ⎦ ⎣ 5 4 1⎦ ⎢ x ⎥
⎣ 3⎦
⎛ ⎡1 ⎤ ⎞ ⎛ ⎡0⎤ ⎞ ⎛ ⎡0⎤ ⎞
⎜ ⎢ ⎥ ⎟ ⎡ −2 ⎤ ⎜ ⎢ ⎥ ⎟ ⎡1 ⎤ ⎜ ⎢ ⎥ ⎟ ⎡ 3⎤
T (e1 ) = T ⎜ ⎢ 0 ⎥ ⎟ = ⎢ ⎥ , T (e2 ) = T ⎜ ⎢1 ⎥ ⎟ = ⎢ ⎥ , T (e3 ) = T ⎜ ⎢ 0 ⎥ ⎟ = ⎢ ⎥ →
⎜ ⎢0⎥ ⎟ ⎣ 5 ⎦ ⎜ ⎢0⎥ ⎟ ⎣ 4⎦ ⎜ ⎢ 1 ⎥ ⎟ ⎣1 ⎦
⎝⎣ ⎦⎠ ⎝⎣ ⎦⎠ ⎝⎣ ⎦⎠
⎡ −2 1 3 ⎤
T =⎢ ⎥
⎣ 5 4 1 ⎦

⎡1 0 0 ⎤ ⎡ x1 ⎤ ⎡ x1 ⎤
⎢ ⎥ ⎢ ⎥ ⎡ −2 1 3⎤ ⎢ ⎥
Ax = Tx → ⎢0 1 0 ⎥ ⎢ x2 ⎥ = ⎢ ⎥ ⎢ x2 ⎥
⎣ 5 4 1⎦
⎢⎣0 0 0 ⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣ x3 ⎥⎦

Beri Nilai