Anda di halaman 1dari 132

Home Page

Title Page


Page 1 of 132
Go Back
Full Screen
Close
Quit
Catatan Kuliah Aljabar Linier
Subiono
subiono2003@telkom.net
24 Agustus 2009
Abstrak
Dalam catatan kuliah ini diberikan beberapa materi dari mata ku-
liah Aljabar Linier untuk program Sarjana (S1) jurusan matema-
tika FMIPA-ITS. Materi kuliah berupa perencanaan yang disajikan
agar mempermudah peserta ajar dalam proses belajar mengajar.
Peserta ajar diharapkan mempersiapkan diri melalui pemahaman
yang dipunyai sebelumnya dan menambah kekurangan pemahaman
pengetahuannya yang dirasa kurang saat proses belajar mengajar
di kelas. Juga agar mempermudah proses belajar mengajar digu-
nakan alat bantu perangkat lunak Euler. Selain itu materi kuliah
ini disesuai dengan Kurikulum 2009.
Home Page
Title Page


Page 2 of 132
Go Back
Full Screen
Close
Quit
Rencana materi yang akan dibahas dalam kelas adalah:
Lapangan dan Ruang Vektor.
Ruang-bagian Vektor.
Himpunan Pembentang, Bebas linier dan Basis.
Dimensi, Jumlahan Langsung, Koordinat dan Basis Teru-
rut.
Pemetaan linier pada Ruang Vektor.
Pemetaan linier dan Aljabar matriks.
Perubahan dari Basis.
Rank, Determinan dan Invers.
Bentuk Echelon dari suatu Matriks.
Eigenvektor dan Eigenvalue.
Orthogonalitas (Proses Orthogonalitas Gram-Schmidt).
General Invers.
Home Page
Title Page


Page 3 of 132
Go Back
Full Screen
Close
Quit
Lapangan(Field)
Suatu lapangan adalah suatu himpunan K ,= bersama-sama
dengan dua operasi tambah (+) dan kali (.) sehingga untuk
semua a, b, c K memenuhi:
(a + b) K (tertutup).
a + b = b + a (komutatif ).
(a + b) + c = a + (b + c) (assosiatif).
Ada 0 K sehingga a + 0 = 0 + a (elemen netral).
Ada suatu a K sehingga a + (a) = a + a = 0 (invers).
(a.b) K (tertutup).
a.b = ba (komutatif ).
(a.b).c = a.(b.c) (assosiatif).
Ada 1 K sehingga a.1 = 1.a = a (elemen identitas).
Bila a ,= 0, maka ada a
1
K sehingga a.a
1
= a
1
.a = 1
(invers).
a.(b + c) = (a.b) + (a.c) (distributif).
Home Page
Title Page


Page 4 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Himpunan bilangan rasional Q, himpunan bilangan riil R
dan himpunan bilangan kompleks C.
2. Himpunan bilangan bulat modulo p dinotasikan oleh Z
p
,
dengan p bilangan prima.
Contoh 1. adalah lapangan takhingga sedangkan Contoh 2.
lapangan hingga. Dalam Contoh 2., bila p bukan bilangan
prima, maka Z
p
bukan lapangan.
Ruang Vektor
Suatu himpunan V dengan dua operasi tambah dan kali
dikatakan suatu ruang vektor atas lapangan K bila memenuhi:
1. Bila u, v, w V , maka u + v V dan
u + v = v + u
(u + v) + w = u + (v + w)
Ada 0 V sehingga v + 0 = 0 + v, v V
Untuk setiap v V ada w V sehingga v +w = w+v = 0
Home Page
Title Page


Page 5 of 132
Go Back
Full Screen
Close
Quit
2. Bila a, b K dan u, v V , maka av V dan
(a + b)v = av + bv
a(u + v) = av + au
(ab)v = a(bv)
1v = v
Contoh
1. Himpunan R
2
adalah ruang vektor atas lapangan R, dimana
_
x
1
x
2
_
+
_
y
1
y
2
_
def
=
_
x
1
+ y
1
x
2
+ y
2
_
,
_
x
1
x
2
_
,
_
y
1
y
2
_
R
2
dan
a
_
x
1
x
2
_
def
=
_
ax
1
ax
2
_
, a K dan
_
x
1
x
2
_
R
2
.
2. Himpunan R
n
juga ruang vektor atas R dengan denisi ope-
rasi tambah dan kali diberikan seperti di Contoh 1. Pe-
nambahan dalam Contoh 1. dinamakan penambahan secara
komponen yang bersesuaian.
Home Page
Title Page


Page 6 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh............
3. Himpunan matriks mn dengan elemen elemennya bilangan
riil
M
m,n
(R) =
_
_
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_

a
ij
R
_
_
_
dimana penambahan matriks diberikan oleh:
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
+
_
_
b
11
. . . b
1n
.
.
.
.
.
.
.
.
.
b
m1
. . . b
mn
_
_
def
=
_
_
a
11
+ b
11
. . . a
1n
+ b
1n
.
.
.
.
.
.
.
.
.
a
m1
+ b
m1
. . . a
mn
+ b
mn
_
_
sedangkan perkalian skalar R dengan matriks diberikan
oleh:

_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
def
=
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
.
Maka M
m,n
(R) adalah suatu ruang vektor atas lapangan R.
Home Page
Title Page


Page 7 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh............
4. Misalkan F adalah suatu lapangan dan himpunan semua
fungsi, yaitu V = f : F F dimana (f + g)(x)
def
= f(x) +
g(x), x F dan (f)(x)
def
= f(x), dimana F. Maka V
adalah ruang vektor F.
5. Misalkan F adalah suatu lapangan dan himpunan semua
polinomial berderajad kurang atau sama dengan n yaitu
P
n
(F) = p(x) = a
0
+a
1
x+. . . +a
n
x
n
[ a
i
F dimana (p +q)(x)
def
=
p(x) + q(x), x F dan (p)(x)
def
= p(x), dimana F. Maka
P
n
(F) adalah ruang vektor atas F.
6. Himpunan l

= a = (a
1
, a
2
, . . .) [ a
n
R, sup([a
n
[) < dimana
a+b
def
= (a
1
+b
1
, a
2
+b
2
, . . .) dan a
def
= (a
1
, a
2
, . . .), R. Maka
l

adalah ruang vektor atas lapangan R.


7. Himpunan fungsi terdierensial tak berhingga pada inter-
val [a, b], yaitu C

[a, b], dimana denisi penambahan fungsi


dan perkalian skalar dengan fungsi seperti dalam Contoh 4.
merupakan ruang vektor atas lapangan riil R.
8. Himpunan fungsi-fungsi V = f : R R [
d
2
f
dx
2
+ f = 0 di-
mana denisi penambahan fungsi dan perkalian skalar de-
ngan fungsi seperti dalam Contoh 4. merupakan ruang vek-
tor atas lapangan riil R.
Home Page
Title Page


Page 8 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan beberapa sifat dari suatu ruang vektor V
atas lapangan K. Misalkan V adalah suatu ruang vektor atas
lapangan K, maka
(1). 0v = 0, 0 adalah elemen netral di K dan v V .
(2). (1v) + v = 0, dimana 1 K.
(3). 0 = 0, dimana K.
Bukti
(1). v = (1 + 0)v = v + 0v, kedua ruas tambahkan dengan vektor
w yang memenuhi w + v = 0, didapat: w + v = w + v + 0v
atau 0 = 0 + 0v. Terlihat bahwa 0v = 0.
(2). (1v) + v = (1 + 1)v = 0v = 0.
(3). 0 = (00) = (0)0 = 00 = 0.
Ruang Bagian
Misalkan V suatu ruang vektor atas lapangan K. Himpunan
S V (S ,= ) dikatakan suatu ruang bagian bila S sendiri
dengan operasi tambah dan kali seperti di V tetap merupakan
ruang vektor atas K.
Home Page
Title Page


Page 9 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Himpunan
B =
_
_
_
_
_
x
y
z
_
_

x + y + z = 0
_
_
_
adalah ruang bagian dari ruang vektor R
3
atas R.
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = f : R R dan D V , dimana
D =
_
f V

d
2
f
dx
2
+ f = 0
_
, maka D adalah ruang bagian dari
ruang vektor V atas R.
3. Himpunan P
3
(R) adalah ruang bagian dari ruang vektor
P
n
(R) atas lapangan R dengan n 3.
4. Himpunan S =
_
(a
n
) l

[ lim
n
a
n
= x, x R
_
adalah ruang
bagian dari ruang vektor l

atas lapangan R.
Home Page
Title Page


Page 10 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan suatu sifat (pernyataan) yang ekivalen
dengan pernyataan dari suatu ruang bagian.
Himpunan S adalah suatu ruang bagian dari suatu ruang
vektor V atas lapangan K bila dan hanya bila x
1
s
1
+ x
2
s
2
S
untuk setiap x
1
, x
2
K dan s
1
, s
2
S.
Bukti Misalkan S ruang bagian dan x
1
, x
2
K juga s
1
, s
2
S,
maka x
1
s
1
S dan x
2
s
2
S. Oleh karena itu, x
1
s
1
+ x
2
s
2
juga di S. Sebaliknya, misalkan x
1
s
1
+ x
2
s
2
S untuk setiap
x
1
, x
2
K dan s
1
, s
2
S. Akan ditunjukkan bahwa S adalah
ruang vektor atas K. Sifat 2. dari ruang vektor otoma-
tis diwarisi dari V , begitu juga sifat komutatif, assosiatif
di sifat 1., diwarisi dari V . Untuk x
1
= x
2
= 1, didapat
1s
1
+ 1s
2
= s
1
+ s
2
S (tertutup). Untuk x
1
= x
2
= 0 didapat
0s
1
+ 0s
2
= 0(s
1
+ s
2
) = 0 S. Oleh karena itu, untuk x
1
= x
2
= 1
dan setiap s S, didapat 1s +10 = s +0 = s = 0 +s = 10 +1s S.
Selanjutnya untuk x
1
= 1, x
2
= 1 dan setiap s S didapat
1s + (1)s = (1 + (1))s = 0s = 0 (s punya invers yaitu s).
Catatan Pernyataan x
1
s
1
+ x
2
s
2
S untuk setiap x
1
, x
2
K dan
s
1
, s
2
S, dapat diganti oleh x
1
s
1
+ x
2
s
2
+ . . . + x
n
s
n
S untuk
setiap x
1
, x
2
, . . . , x
n
K dan s
1
, s
2
, . . . , s
n
S.
Home Page
Title Page


Page 11 of 132
Go Back
Full Screen
Close
Quit
Contoh penggunaan sifat ruang bagian
1. Himpunan
B =
_
_
_
_
_
x
y
z
_
_

x + y + z = 0
_
_
_
adalah ruang bagian dari ruang vektor R
3
atas R. Sebab,
untuk setiap v
1
, v
2
B, maka
v
1
=
_
_
x
1
y
1
z
1
_
_
=
_
_
y
1
z
1
y
1
z
1
_
_
= y
1
_
_
1
1
0
_
_
+ z
1
_
_
1
0
1
_
_
,
v
2
=
_
_
x
2
y
2
z
2
_
_
=
_
_
y
2
z
2
y
2
z
2
_
_
= y
2
_
_
1
1
0
_
_
+ z
2
_
_
1
0
1
_
_
.
Sehingga untuk a, b R, didapat:
av
1
+ bv
2
= (ay
1
+ by
2
)
_
_
1
1
0
_
_
+ (az
1
+ bz
2
)
_
_
1
0
1
_
_
B.
Home Page
Title Page


Page 12 of 132
Go Back
Full Screen
Close
Quit
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = f : R R dan D V , dimana
D =
_
f V

d
2
f
dx
2
+ f = 0
_
, maka D adalah ruang bagian dari
ruang vektor V atas R. Sebab, misalkan f, g D dan a, b R,
maka
d
2
(af + bg)
dx
2
+ (af + bg) = a
d
2
f
dx
2
+ af + b
d
2
g
dx
2
+ bg
= a(
d
2
f
dx
2
+ f) + b(
d
2
g
dx
2
+ g) = a0 + b0 = 0.
Jadi af + bg D.
3. Himpunan P
3
(R) adalah ruang bagian dari ruang vektor
P
n
(R) atas lapangan R dengan n 3. Sebab, misalkan
p(x), q(x) P
3
(R) dan a, b R, maka
ap(x) + bq(x) = a(a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
) + b(b
0
+ b
1
x + b
2
x
2
+ b
3
x
3
)
= (aa
0
+ bb
0
) + (aa
1
+ bb
1
)x + (aa
2
+ bb
2
)x
2
+(aa
3
+ bb
3
)x
3
.
Jadi ap(x) + bq(x) P
3
(R).
Home Page
Title Page


Page 13 of 132
Go Back
Full Screen
Close
Quit
Himpunan Pembentang, Bebas linier dan Basis
Misalkan V suatu ruang vektor atas K dan S V . Himpunan
pembentang dari S adalah himpunan:
< S >
def
= x
1
s
1
+ . . . + x
n
s
n
[ x
1
, . . . , x
n
K, s
1
, . . . , s
n
S.
Penulisan x
1
s
1
+. . . +x
n
s
n
juga dinamakan kombinasi linier dari
vektor-vektor s
1
, . . . , s
n
. Berikutini diberikan sifat dari suatu
< S > sebgaimana berikut.
Bila V merupakan suatu ruang vektor atas K dan S V , maka
< S > adalah suatu ruang bagian dari V .
Bukti Misalkan v = x
1
s
1
+. . . +x
n
s
n
dan w = x
n+1
s
n+1
+. . . +x
m
s
m
di < S > dan a, b K, maka
av + bw = a(x
1
s
1
+ . . . + x
n
s
n
) + b(x
n+1
s
n+1
+ . . . + x
m
s
m
)
= (ax
1
)s
1
+ . . . + (ax
n
)s
n
+ (bx
n+1
)s
n+1
+ . . . + (bx
m
)s
m
.
Terlihat bahwa av + bw < S >, oleh karena itu < S > adalah
ruang bagian dari V .
Home Page
Title Page


Page 14 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Misalkan V ruang vektor atas K untuk
setiap v V , maka < v >= kv [ k K.
2. Misalkan ruang vektor R
3
atas R, maka
< e
1
, e
2
>= R
2
dimana e
1
= (1, 0, 0)
/
dan
e
2
= (0, 1, 0)
/
. Sebab,
R
2
=
_
_
_
_
_
x
y
0
_
_

x, y R
_
_
_
=
_
_
_
x
_
_
1
0
0
_
_
+ y
_
_
0
1
0
_
_

x, y R
_
_
_
= xe
1
+ ye
2
[ x, y R =< e
1
, e
2
> .
Home Page
Title Page


Page 15 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan sifat dari suatu him-
punan pembentang. Misalkan V suatu
ruang vektor atas K dan S) adalah suatu
himpunan pembentang dari S dan v V ,
maka S) = S v) bila dan hanya bila
v S)
Bukti. Misalkan S) = S v), jelas
bahwa v S v). Jadi juga v S).
Sebaliknya misalkan bahwa v S), akan
ditunjukkan bahwa S) = S v). Je-
las bahwa S S v). Tinggal menun-
jukkan bahwa S v) S).Tulis v =
a
0
s
0
+ . . . + a
n
s
n
dan misalkan w S v).
Didapat w = b
0
v + a
n+1
s
n+1
+ . . . + a
m
s
m
=
(b
0
a
0
)s
0
+. . . +(b
0
a
n
)s
n
+a
n+1
s
n+1
+. . . +a
m
s
m
.
Terlihat bahwa w S). Jadi S v) S)
dan karena S) S v), oleh karena itu
haruslah S) = S v).
Home Page
Title Page


Page 16 of 132
Go Back
Full Screen
Close
Quit
Contoh Misalkan dalam R
3
, vektor-vektor
v
1
=
_
_
1
0
0
_
_
, v
2
_
_
0
1
0
_
_
dan v
3
=
_
_
2
3
0
_
_
.
Didapat v
3
= 2v
1
+ 3v
2
, jadi v
3
v
1
, v
2
). Maka dari itu,
v
1
, v
2
) = v
1
, v
2
, v
3
).
Sifat dari suatu himpunan pembentang
yang dibahas sebelumnya, mengatakan
bahwa suatu vektor v bisa dihapus un-
tuk memperoleh himpunan baru S de-
ngan himpunan pembentang yang sama
bila dan hanya bila v merupakan kombinasi
linier dari vektor-vektor di S. Jadi den-
gan pengertian ini, suatu himpunan S
V adalah minimal bila dan hanya bila ia
tidak memuat vektor-vektor yang meru-
pakan kombinasi linier dari vektor-vektor
yang lainnya dalam himpunan tersebut.
Home Page
Title Page


Page 17 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan suatu pengertian mengenai bebas lin-
ier. Vektor-vektor v
1
, v
2
, . . . , v
n
di suatu ruang vektor V atas
lapangan K dikatakan bebas linier bila vektor v
i
, i = 1, 2, . . . , n
bukan merupakan suatu kombinasi linier dari vektor-vektor
yang lainnya. Bila tidak demikian, maka vektor-vektor
v
j
, j = 1, 2, . . . , n dikatakan bergantungan linier.
Misalkan Vektor-vektor s
1
, . . . , s
n
S V , dengan V suatu
ruang vektor atas K, vektor-vektor s
i
, i = 1, 2 . . . , n bebas linier
bila dan hanya bila x
1
s
1
+ . . . + x
n
s
n
= 0, x
i
K dipenuhi hanya
untuk x
1
= . . . = x
n
= 0.
Bukti
Misalkan s
i
S, i = 1, 2 . . . , n bebas linier dan andaikan x
1
s
1
+. . .+
x
n
s
n
= 0 tetapi untuk beberapa i, x
i
,= 0. Didapat s
i
= (
x
1
x
i
)s
1
+
. . . + (
x
i1
x
i
)s
i1
+ (
x
i+1
x
i
)s
i+1
+ . . . + (
x
n
x
i
)s
n
. Terlihat bahwa s
i
merupakan kombinasi linier dari vektor-vektor s
j
, j ,= i. Hal ini
bertentangan dengan kenyataan bahwa s
i
, i = 1, 2, . . . , n bebas
linier. Jadi haruslah x
1
s
1
+ . . . + x
n
s
n
= 0 dipenuhi hanya untuk
x
1
= . . . = x
n
= 0. Selanjutnya misalkan x
1
s
1
+. . .+x
n
s
n
= 0, x
i
K
dipenuhi hanya untuk x
1
= . . . = x
n
= 0, maka jelas bahwa
s
i
, i = 1, 2 . . . , n bebas linier. Bila tidak berarti bahwa untuk
beberapa i, s
i
= c
1
s
1
+ . . . + c
i1
s
i1
+ c
i+1
s
i+1
+ . . . + c
n
s
n
atau
0 = c
1
s
1
+. . . +c
i1
s
i1
+c
i
s
i
+c
i+1
s
i+1
+. . . +c
n
s
n
dengan c
i
= 1. Ini
bertentangan dengan kenyataan bahwa 0 = c
1
s
1
+. . . +c
i1
s
i1
+
c
i
s
i
+c
i+1
s
i+1
+. . . +c
n
s
n
dipenuhi hanya unuk c
i
= 0, i = 1, 2, . . . , n.
Home Page
Title Page


Page 18 of 132
Go Back
Full Screen
Close
Quit
Komentar Pernyataan vektor-vektor s
i
, i =
1, 2 . . . , n dalam ruang vektor V atas K be-
bas linier ekivalen dengan x
1
s
1
+. . . +x
n
s
n
=
0, x
i
K dipenuhi hanya untuk x
1
= . . . =
x
n
= 0. Bila V = R
n
dan K = R, maka
vektor-vektor s
i
, i = 1, 2 . . . , n dalam ruang
vektor R
n
atas R bebas linier mempunyai
arti bahwa sistem persamaan linier homo-
gin x
1
s
1
+. . . +x
n
s
n
= 0 mempunyai penyele-
saian trivial, yaitu x
i
= 0, i = 1, 2, . . . , n. Bila
persamaan homogin ini mempunyai jawab
non trivial, yaitu x
i
,= 0 untuk beberapa i,
maka hal ini berarti bahwa vektor-vektor
s
i
tsb. tidak bebas linier atau bergantung-
an linier. Bila vektor s ,= 0 di ruang vek-
tor R
n
dan memenuhi s = x
1
s
1
+ . . . + x
n
s
n
,
yaitu vektor s merupakan kombinasi linier
dari vektor-vektor s
1
, . . . , s
n
. Hal ini berarti
bahwa sistem persamaan linier tak homo-
gin s = x
1
s
1
+ . . . + x
n
s
n
, mempunyai jawab
x = (x
1
, . . . , x
n
)
/
.
Home Page
Title Page


Page 19 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Dalam R
4
vektor (1, 4, 2, 6)
/
adalah kombinasi linier dari
dua vektor (1, 2, 0, 4)
/
dan (1, 1, 1, 3)
/
, sebab: (1, 4, 2, 6)
/
=
3(1, 2, 0, 4)
/
2(1, 1, 1, 3)
/
. Sedangkan vektor (2, 6, 0, 9)
/
bukan
kombinasi linier (1, 2, 0, 4) dan (1, 1, 1, 3)
/
, sebab bila (2, 6, 0, 9)
/
=
x
1
(1, 2, 0, 4)
/
+ x
2
(1, 1, 1, 3)
/
ekivalen dengan sistem persamaan
linier
x
1
+ x
2
= 2
2x
1
+ x
2
= 6
x
2
= 0
4x
1
+ 3x
2
= 9
mudah dicek bahwa sistem persamaan linier ini tidak mem-
punyai jawab.
2. Misalkan ruang vektor V = f : R R atas R, maka
fungsi cos 2x merupakan kombinasi linier dari fungsi-fungsi
cos
2
x, sinh
2
x dan cosh
2
x, sebab cos 2x = 2 cos
2
x+sinh
2
xcosh
2
x,
ingat bahwa cos 2x = 2 cos
2
x 1 dan cosh
2
x sinh
2
x = 1.
3. Dilanjutkan halaman berikutnya!
Home Page
Title Page


Page 20 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh
3. Misalkan tiga vektor v
1
= (1, 2, 3)
/
, v
2
= (3, 2, 1)
/
dan v
3
=
(3, 3, 3)
/
di R
3
. Maka
v
1
, v
2
, v
3
) = x
1
v
1
+ x
2
v
2
+ x
3
v
3
[ x
1
, x
2
, x
3
R
= (x
1
+ 3x
2
+ 3x
3
, 2x
1
+ 2x
2
+ 3x
3
, 3x
1
+ x
2
+ 3x
3
)
/

Tulis (x, y, z)
/
= (x
1
+ 3x
2
+ 3x
3
, 2x
1
+ 2x
2
+ 3x
3
, 3x
1
+ x
2
+ 3x
3
)
/
.
Didapat:
_
_
x
y
z
_
_
=
_
_
1 3 3
2 2 3
3 1 3
_
_
_
_
x
1
x
2
x
3
_
_
,
(1 2 1)
_
_
x
y
z
_
_
= (1 2 1)
_
_
1 3 3
2 2 3
3 1 3
_
_
_
_
x
1
x
2
x
3
_
_
= 0,
atau x 2y + z = 0. Catatan 3v
1
+ 3v
2
4v
3
= 0 dan juga
det
_
_
1 3 3
2 2 3
3 1 3
_
_
= 0.
4. Dilanjutkan halaman berikutnya!
Home Page
Title Page


Page 21 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh
4. Dua vektor v
1
=
_
40 15
_
/
, v
2
=
_
50 25
_
/
R
2
sebab x
1
v
1
+
x
2
v
2
= 0 dipenuhi hanya untuk x
1
= x
2
= 0, hal ini bisa dicek
sbb:
40x
1
50x
2
= 0
15x
1
+ 25x
2
= 0
_

15
40
B
1
+ B
2
40x
1
50x
2
= 0
175
4
x
2
= 0
_
didapat x
2
= 0 dan x
1
= 0.
5. Diberikan S R
3
dimana
S =
_
_
_
_
_
1
0
0
_
_
,
_
_
0
2
0
_
_
,
_
_
1
2
0
_
_
,
_
_
0
1
1
_
_
,
_
_
3
3
0
_
_
_
_
_
Perhatikan persamaan berikut:
x
1
_
_
1
0
0
_
_
+x
2
_
_
0
2
0
_
_
+x
3
_
_
1
2
0
_
_
+x
4
_
_
0
1
1
_
_
+x
5
_
_
3
3
0
_
_
=
_
_
0
0
0
_
_
.
Himpunan penyelesaiannya adalah:
_

_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
_
= x
3
_
_
_
_
_
_
_
1
1
1
0
0
_
_
_
_
_
_
_
+ x
5
_
_
_
_
_
_
_
3
3/2
0
0
1
_
_
_
_
_
_
_

x
3
, x
5
R
_

_
Home Page
Title Page


Page 22 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh 5.
Himpunan penyelesaiannya adalah:
_

_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
_
= x
3
_
_
_
_
_
_
_
1
1
1
0
0
_
_
_
_
_
_
_
+ x
5
_
_
_
_
_
_
_
3
3/2
0
0
1
_
_
_
_
_
_
_

x
3
, x
5
R
_

_
Hal ini menunjukkan bahwa semua vektor di S saling bergan-
tungan linier. Untuk x
3
= 0, x
5
= 1, didapat bahwa vektor yang
ke-5 dalam S merupakan kombinasi linier dari dua vektor yang
pertama. Gunakan sifat yang telah dipunyai untuk menghapus
vektor yang ke-5 sehingga didapat:
S
1
=
_
_
_
_
_
1
0
0
_
_
,
_
_
0
2
0
_
_
,
_
_
1
2
0
_
_
,
_
_
0
1
1
_
_
_
_
_
,
dalam hal ini < S >=< S
1
>. Juga terlihat bahwa vektor yang
ke-3 dalam S
1
merupakan kombinasi linier dari dua vektor yang
pertama, sehingga vektor ke-3 ini bisa dihapus dan didapat:
S
2
=
_
_
_
_
_
1
0
0
_
_
,
_
_
0
2
0
_
_
,
_
_
0
1
1
_
_
_
_
_
.
Juga, dalam hal ini < S
1
>=< S
2
>. Jadi < S >=< S
2
>.
Home Page
Title Page


Page 23 of 132
Go Back
Full Screen
Close
Quit
6. Misalkan tiga vektor v
1
= (1, 1, 0)
/
, v
2
= (5, 1, 3)
/
dan v
3
=
(2, 7, 4)
/
di R
3
, maka
v
1
, v
2
, v
3
) = x
1
v
1
+ x
2
v
2
+ x
3
v
3
[ x
1
, x
2
, x
3
R
= x
1
(1, 1, 0)
/
+ x
2
(5, 1, 3)
/
+ x
3
(2, 7, 4)
/
[ x
1
, x
2
, x
3
R
= (x
1
+ 5x
2
+ 2x
3
, x
1
+ x
2
+ 7x
3
, 3x
2
+ 4x
3
)
/
[x
1
, x
2
, x
3
R.
Tulis (x, y, z)
/
= (x
1
+5x
2
+2x
3
, x
1
+x
2
+7x
3
, 3x
2
+4x
3
)
/
, didapat:
_
_
x
y
z
_
_
=
_
_
1 5 2
1 1 7
0 3 4
_
_
_
_
x
1
x
2
x
3
_
_
.
Sehingga diperoleh:
_
_
25 26 33
4 4 5
3 3 4
_
_
_
_
x
y
z
_
_
=
_
_
25 26 33
4 4 5
3 3 4
_
_
_
_
1 5 2
1 1 7
0 3 4
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
1
x
2
x
3
_
_
.
Terlihat bahwa, untuk setiap (x, y, z)
/
R
3
selalu bisa diper-
oleh x
1
, x
2
, x
3
R sehingga v
1
, v
2
, v
3
) = x
1
v
1
+ x
2
v
2
+ x
3
v
3
.
Jadi v
1
, v
2
, v
3
) = R
3
.
Home Page
Title Page


Page 24 of 132
Go Back
Full Screen
Close
Quit
Basis dan Dimensi
Misalkan B = b
1
, b
2
, . . . V dimana V adalah ruang vektor
atas K. Bila b
1
, b
2
, . . .) = V dan vektor-vektor b
1
, b
2
, . . . bebas
linier maka B dikatakan suatu basis dari V . Banyaknya anggota
dari B dinamakan dimensi dari ruang vektor V .
Contoh:
1. Dalam R
2
, B
1
= (2, 4)
/
, (1, 1)
/
adalah suatu basis dari R
2
,
basis yang lainnya adalah B
2
= (1, 0)
/
, (0, 1)
/
. Secara umum
B
3
= (a
11
, a
21
)
/
, (a
12
, a
22
)
/
adalah suatu basis dari R
2
bila
det
_
a
11
a
12
a
21
a
22
_
,= 0.
2. Ruang vektor V = x
1
cos + x
2
sin [ x
1
, x
2
R atas R, maka
suatu basis dari V adalah cos , sin .
3. Dalam ruang vektor P
3
(x), maka 1, x, x
2
, x
3
adalah suatu
basis dari P
3
(x). Sedangkan 1, x, x
2
, x
3
, x
4
. . . adalah suatu
basis dari ruang vektor P

(x).
4. Dalam ruang vektor M
2,2
(R), yaitu himpunan matriks uku-
ran 2 2 dengan elemen-elemen di R, maka
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
adalah suatu basis dari M
2,2
(R).
Home Page
Title Page


Page 25 of 132
Go Back
Full Screen
Close
Quit
Sifat Misalkan V suatu ruang vektor atas K dan
v
1
, . . . , v
n
adalah suatu basis dari V , maka setiap ele-
men v V dapat diungkapkan secara tunggal sebagai:
v = x
1
v
1
+ . . . + x
n
v
n
, x
1
, . . . , x
n
K.
Bukti
Misalkan v = a
1
v
1
+. . . +a
n
v
n
, dan v = x
1
v
1
+. . . +x
n
v
n
, didapat:
(x
1
a
1
)v
1
+ . . . + (x
n
a
0
)v
n
= 0, karena vektor-vektor v
1
, . . . , v
n
bebas linier, maka haruslah x
1
a
1
= 0, . . . , x
n
a
n
= 0. Sehingga
diperoleh x
1
= a
1
, . . . , x
n
= a
n
.
Berikut ini, diberikan suatu sifat untuk ruang vektor R
n
atas
R, yaitu misalkan v
i
R
n
, i = 1, 2, . . . , m. Bila m > n, maka
vektor-vektor v
i
, i = 1, 2, . . . , m bergantungan linier.
Bukti Untuk setiap j = 1, 2, . . . , m, tulis vektor v
j
=
(a
1j
, a
2j
, . . . , a
nj
)
/
, sehingga persamaan x
1
v
1
+. . . +x
m
v
m
= 0 dalam
bentuk matriks adalah:
_
_
a
11
. . . a
1m
.
.
.
.
.
.
a
n1
. . . a
nm
_
_
_
_
x
1
.
.
.
x
m
_
_
=
_
_
0
.
.
.
0
_
_
.
Terlihat bahwa, persamaan homogin terdiri dari n persamaan
dengan variabel yang takdiketahui sebanyak m. Karena m >
n, maka persamaan mempunyai suatu solusi yang nontrivial,
yaitu ada beberapa x
k
, k = 1, 2, . . . , m yang tidak semuanya sama
dengan nol. Jadi v
j
, j = 1, 2, . . . , m bergantungan linier.
Home Page
Title Page


Page 26 of 132
Go Back
Full Screen
Close
Quit
Contoh
Dalam ruang vektor R
2
atas R, Misalkan
v
1
= (a
11
, a
21
)
/
, v
2
= (a
12
, a
22
)
/
R
2
. Bila
vektor-vektor v
1
, v
2
, bebas linier, maka per-
samaan: x
1
v
1
+ x
2
v
2
= 0 atau dalam bentuk
matriks: Ax = 0 dengan
A =
_
a
11
a
12
a
21
a
22
_
, x =
_
x
1
x
2
_
dan 0 =
_
0
0
_
mempunyai jawab trivial hanya bila det(A) ,=
0. Secara geometris, hal ini menyatakan
bahwa luas daerah jajaran genjang yang
dibentuk oleh dua vektor v
1
dan v
2
sama
dengan [ det(A)[. Sebaliknya bila det(A) =
0, maka luas daerah ini sama dengan 0.
Hal ini menunjukkan bahwa dua vektor v
1
dan v
2
terletak pada satu garis yang sama
atau dengan kata lain dua vektor v
1
dan
v
2
bergantungan linier. Jadi v
1
, v
2
adalah
suatu basis dari R
2
dengan dimensi 2 (me-
ngapa?).
Home Page
Title Page


Page 27 of 132
Go Back
Full Screen
Close
Quit
Sifat. Misalkan V suatu ruang vektor atas K dan v
1
, . . . , v
n

suatu basis dari V . Selanjutnya, bila vektor-vektor u


1
, . . . , u
m
dengan m > n, maka vektor-vektor u
1
, . . . , u
m
bergantungan
linier.
Bukti
Karena v
1
, . . . , v
n
suatu basis dari V , didapat:
u
1
= a
11
v
1
+ . . . + a
n1
v
n
.
.
.
u
m
= a
1m
v
1
+ . . . + a
nm
v
n
,
dimana a
ij
K, i = 1, 2, . . . , n dan j = 1, 2, . . . , m. Untuk
x
1
, . . . , x
m
K dan diketahui bahwa v
1
, . . . , v
n
bebas linier,
didapat:
0 = x
1
u
1
+ . . . + x
m
u
m
= x
1
(a
11
v
1
+ . . . + a
n1
v
n
) + . . . + x
m
(a
1m
v
1
+ . . . + a
nm
v
n
)
= (a
11
x
1
+ . . . + a
1m
x
m
)v
1
+ . . . + (a
n1
x
1
+ . . . + a
nm
x
m
)v
n
dan haruslah a
11
x
1
+ . . . + a
1m
x
m
= 0, . . . , a
n1
x
1
+ . . . + a
nm
x
m
= 0
atau dengan notasi matriks:
_
_
a
11
. . . a
1m
.
.
.
.
.
.
a
n1
. . . a
nm
_
_
_
_
x
1
.
.
.
x
m
_
_
=
_
_
0
.
.
.
0
_
_
.
Persamaan homogin diatas mempunyai jawab non-trivial (se-
bab m > n). Jadi vektor-vektor u
1
, . . . , u
m
bergantungan linier.
Home Page
Title Page


Page 28 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan Misalkan V suatu ruang vektor atas K dengan
dimensi hingga. Maka setiap dua basis yang berbeda dari V
harus mempunyai banyak elemen yang sama.
Contoh
1. Dalam ruang vektor P
3
(R) atas R, B = 1, x, x
2
, x
3
adalah
suatu basis baku dari P
3
(R). Basis yang lainnya adalah B
2
=
1, 1 + x, 1 + x + x
2
, 1 + x + x
2
+ x
3
.
2. Persamaan homogin Ax = 0, diberikan oleh :
_
_
_
_
_
1 3 5 1 5
1 4 7 3 2
1 5 9 5 9
0 3 6 2 1
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
x
3
x
4
x
5
_
_
_
_
_
_
_
=
_
_
_
_
_
0
0
0
0
_
_
_
_
_
.
Himpunan penyelesaiannya adalah:
v
1
, v
2
) =
_

_
x = x
1
_
_
_
_
_
_
_
1
2
1
0
0
_
_
_
_
_
_
_
+ x
2
_
_
_
_
_
_
_
1
3
0
5
1
_
_
_
_
_
_
_

x
1
, x
2
R
_

_
merupakan suatu ruang vektor atas R dengan dimensi dua.
Home Page
Title Page


Page 29 of 132
Go Back
Full Screen
Close
Quit
Misalkan V suatu ruang vektor atas K
berdimensi hingga. Maka setiap himpunan
hingga S V yang terdiri dari vektor-
vektor bebas linier di V tetapi S bukan
merupakan suatu basis dari V dapat diper-
luas sampai merupakan suatu basis dari V .
Bukti. Misalkan S = v
1
, . . . , v
m
den-
gan v
i
, i = 1, . . . , m adalah vektor-vektor
yang bebas linier. Karena S) ,= V ,
maka pilih vektor v
m+1
V sehingga v
m+1
bukan kombinasi linier dari vektor-vektor
v
j
, j = 1, 2, . . . , m. Selanjutnya namakan
T = v
1
, . . . , v
m
, v
m+1
, bila T) = V , maka
T adalah basis dan sudah tidak bisa lagi
diperluas menjadi vektor-vektor yang be-
bas linier. Bila T) , = V , lakukan lagi
cara perluasan seperti sebelumnya sehingga
diperoleh himpunan vektor-vektor yang be-
bas linier di U yang memenuhi U) = V .
Home Page
Title Page


Page 30 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan. Misalkan V ruang vektor atas
K berdimensi n, maka setiap himpunan
dari n vektor yang bebas linier adalah su-
atu basis dari V .
Contoh
Misalkan S = (1, 1, 1)
/
, (0, 1, 0)
/
R
3
, jelas
bahwa vektor-vektor di S bebas linier dan
S) = x(1, 1, 1)
/
+y(0, 1, 0)
/
= (x, xy, x)
/
[x, y
R, jelas bahwa bila (x
1
, x
2
, x
3
)
/
S), maka
x
3
= x
1
. Oleh karena itu (x, y, z)
/
/ S) bila
x ,= z. Pilih vektor (1, 0, 0) sehingga dida-
pat T = (1, 1, 1)
/
, (0, 1, 0)
/
, (1, 0, 0)
/
dimana
vektor-vektor di T bebas linier, maka dari
itu T merupakan suatu basis dari R
3
.
Home Page
Title Page


Page 31 of 132
Go Back
Full Screen
Close
Quit
Jumlahan Langsung.
Misalkan U dan V adalah ruang bagian dari suatu ruang
vektor W atas K dengan dimensi hingga, maka dim(U + V ) =
dim(U) +dim(V ) dim(U V ), dimana U +V = u+v [ u U, v V .
Bukti. Misalkan z
1
, . . . , z
r
suatu basis dari U V perluas basis
ini masing-masing menjadi z
1
, . . . , z
r
, u
1
, . . . , u
m
adalah suatu
basis dari U dan z
1
, . . . , z
r
, v
1
, . . . , v
n
suatu basis dari V . Ter-
lihat bahwa, dim(U V ) = r, dim(U) = r + m dan dim(V ) = r + n.
Selanjutnya, ditunjukkan bahwa z
1
, . . . , z
r
, u
1
, . . . , u
m
, v
1
, . . . , v
n

adalah suatu basis dari U +V . Sehingga, dalam hal ini didapat


dim(U + V ) = r + m + n = (r + m) + (r + n) r = dim(U) + dim(V )
dim(U V ). Misalkan sebarang w U +V , maka w = u+v untuk
beberapa u U dan beberapa v V . Dengan kenyataan bahwa
u = a
1
z
1
+. . . +a
r
z
r
+b
1
u
1
+. . . +b
m
u
m
untuk beberapa skalar a
i
, b
j
dan v = c
1
z
1
+. . . +c
r
z
r
+d
1
v
1
+. . . +d
m
v
n
untuk beberapa skalar
c
k
, d
l
, didapat:
w = u+v = (a
1
+c
1
)z
1
+. . .+(a
r
+c
r
)z
r
+b
1
u
1
+. . .+b
m
u
m
+d
1
v
1
+. . .+d
m
v
n
terlihat bahwa w z
1
, . . . , z
r
, u
1
, . . . , u
m
, v
1
, . . . , v
n
). Maka dari
itu didapat z
1
, . . . , z
r
, u
1
, . . . , u
m
, v
1
, . . . , v
n
) = U + V .
Home Page
Title Page


Page 32 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Bukti......
Diberikan
x
1
z
1
+. . . +x
r
z
r
+x
r+1
u
1
+. . . +x
r+m
u
m
+x
r+m+1
v
1
+. . . +x
r+m+n
v
n
= 0
untuk beberapa skalar x
j
. Tulis w = x
1
z
1
+. . .+x
r
z
r
+x
r+1
u
1
+. . .+
x
r+m
u
m
, didapat w = x
r+m+1
v
1
+. . . x
r+m+n
v
n
. Terlihat bahwa
w U dan w V , jadi w U V . Tetapi z
1
, . . . , z
r
adalah
suatu basis dari U V , jadi w = b
1
z
1
+. . . +b
r
z
r
untuk beberapa
skalar b
i
. Sehingga didapat b
1
z
1
+ . . . + b
r
z
r
= x
r+m+1
v
1
+ . . .
x
r+m+n
v
n
atau b
1
z
1
+ . . . + b
r
z
r
+ x
r+m+1
v
1
+ . . . + x
r+m+n
v
n
= 0.
Tetapi z
1
, . . . , z
r
, v
1
, . . . , v
n
adalah suatu basis dari V , maka
dari itu haruslah b
1
= . . . = b
r
= x
r+m+1
= . . . = x
r+m+n
= 0,
sehingga persamaan x
1
z
1
+ . . . + x
r
z
r
+ x
r+1
u
1
+ . . . + x
r+m
u
m
+
x
r+m+1
v
1
+ . . . + x
r+m+n
v
n
= 0 menjadi x
1
z
1
+ . . . + x
r
z
r
+ x
r+1
u
1
+
. . . +x
r+m
u
m
= 0. Tetapi z
1
, . . . , z
r
, u
1
, . . . , u
m
juga adalah suatu
basis dari U. Jadi haruslah x
1
= . . . = x
r
= x
r+1
= . . . = x
r+m
= 0.
Sehingga didapat x
k
= 0, k = 1, 2, . . . , r+m+n. Jadi vektor-vektor
z
1
, . . . , z
r
, u
1
, . . . , u
m
, v
1
, . . . , v
n
bebas linier.
Home Page
Title Page


Page 33 of 132
Go Back
Full Screen
Close
Quit
Contoh
Misalkan W = R
2
, u
1
= (1, 1, 0, 0)
/
, u
2
= (3, 7, 2, 1)
/
, U = u
1
, u
2
)
dan V = (x
1
, x
2
, x
3
, 0)
/
[x
i
R. Vektor-vektor u
1
, u
2
bebas linier,
sebab bila a
1
u
1
+ a
2
u
2
= 0 atau a
1
(1, 1, 0, 0)
/
+ a
2
(3, 7, 2, 1)
/
= 0
didapat a
1
= a
2
= 0. Jadi dim(U) = 2. Suatu basis
dari V adalah e
1
= (1, 0, 0, 0)
/
, e
2
= (0, 1, 0, 0)
/
, e
3
= (0, 0, 1, 0)
/
.
Jadi dim(V ) = 3. Perhatikan bahwa e
4
= (0, 0, 0, 1)
/
=
(3, 7, 2, 1)
/
+3(1, 0, 0, 0)
/
7(0, 1, 0, 0)
/
2(0, 0, 0, 1)
/
= u
2
+3e
1
7e
2
2e
3
.
Jadi e
4
U+V . Karena e
1
, e
2
, e
3
juga di U+V , maka e
1
, e
2
, e
3
, e
4

adalah suatu basis dari U + V . Jadi dim(U + V ) = 4. Sehingga


didapat: dim(U V ) = dim(U) +dim(V ) dim(U +V ) = 2 +3 4 = 1.
Bisa dicek secara langsung bahwa vektor-vektor di UV adalah
vektor-vektor di U dengan komponen ke-empat sama dengan
nol, yaitu vektor b
1
u
1
+ b
2
u
2
= (b
1
3b
2
, b
1
+ 7b
2
, 2b
2
, b
2
)
/
dimana
b
2
= 0. Jadi U V = u
1
). Terlihat bahwa dim(U V ) = 1.
Catatan. Bila U, V ruang bagian berdimensi hingga masing-
masing dengan basis u
1
, . . . , u
m
dan v
1
, . . . , v
n
. Misalkan
W = U + V dan sebarang w W. Didapat w = u + v =
a
1
u
1
+. . .+a
m
u
m
+b
1
v
1
+. . .+b
n
v
n
atau W = u
1
, . . . , u
m
, v
1
, . . . , v
n
).
Selanjutnya reduksi vektor-vektor u
1
, . . . , u
m
, v
1
, . . . , v
n
menjadi
vektor-vektor yang bebas linier (sampai minimal) dan himpun
kedalam himpunan S, sehingga didapat W = S). Jadi di-
mensi dari W sama dengan banyaknya vektor-vektor di S.
Home Page
Title Page


Page 34 of 132
Go Back
Full Screen
Close
Quit
Bila U dan V adalah ruang bagian berdimensi hingga dengan
U V = 0, maka U + V dinamakan jumlahan langsung dari
U dan V .
Contoh. Himpunan U = (x
1
, x
2
, 0)
/
[ x
1
, x
2
R dan
V = (0, 0, x
3
)
/
[ x
3
R adalah ruang bagian dari ruang vektor R
3
atas R dimana UV = 0. Jadi U+V adalah jumlahan langsung
dari U dan V , U+V = (x
1
, x
2
, 0)
/
+(0, 0, x
3
)
/
= (x
1
, x
2
, x
3
)
/
[x
1
, x
2
, x
3

R = x
1
(1, 0, 0)
/
+ x
2
(0, 1, 0)
/
+ x
3
(0, 0, 1)
/
[ x
1
, x
2
, x
3
R = R
3
,
terlihat bahwa dim(U + V ) = 3. Perhatikan bahwa
U = (x
1
, x
2
, 0)
/
[ x
1
, x
2
R = x
1
(1, 0, 0)
/
+ x
2
(0, 1, 0)
/
[ x
1
, x
2

R = (1, 0, 0)
/
, (0, 1, 0)
/
), terlihat bahwa dim(U) = 2. Begitu
juga, V = (0, 0, x
3
)
/
[ x
3
R = x
3
(0, 0, 1)
/
[ x
3
R = (0, 0, 1)
/
)
dan dim(V ) = 1. Makna U + V merupakan jumlahan lang-
sung dari U dan V tampak dari dimensi, yaitu dim(U + V ) =
dim(U) +dim(V ) dim(U V ) = 2 +1 0 = 3 = dim(U) +dim(V ). Hal
ini juga bisa dilihat dari pengertian basis yaitu, himpunan
(1, 0, 0)
/
, (0, 1, 0)
/
adalah suatu basis dari U dan himpunan
(0, 0, 1)
/
adalah suatu basis dari V sedangkan himpunan
(1, 0, 0)
/
, (0, 1, 0)
/
, (0, 0, 1)
/
sudah bebas linier (tidak bisa lagi
direduksi menjandi himpunan yang lebih kecil lagi sehingga
bebas linier). Jadi, dari sini juga langsung didapat bahwa
dim(U + V ) = dim(U) + dim(V ).
Kesimpulan. Dimensi dari suatu ruang jumlahan langsung
sama dengan jumlah dari masing-masing dimensi ruang.
Home Page
Title Page


Page 35 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan suatu sifat yang lain
dari ruang jumlahan langsung. Setiap w
W = U + V dengan U V = 0 mempunyai
penulisan tunggal w = u + v, u U, v V .
Bukti. Misalkan w = u + v = u + v, maka
u u = v v. Tetapi u u U, v v V
dan U V = 0. Maka haruslah u u = 0
dan v v = 0 atau u = u dan v = v.
Koordinat. Misalkan v
1
, . . . , v
n
adalah su-
atu basis dari suatu ruang vektor atas K.
Jadi setiap v V dapat ditulis secara tung-
gal oleh v = x
1
v
1
+. . . +x
n
v
n
untuk beberapa
skalar x
1
, . . . , x
n
K. Dalam hal ini skalar-
skalar x
1
, . . . , x
n
dinamakan koordinat dari
vektor v terhadap basis v
1
, . . . , v
n
.
Home Page
Title Page


Page 36 of 132
Go Back
Full Screen
Close
Quit
Contoh.
Misalkan V = R
3
dengan basis baku e
1
= (1, 0, 0)
/
, e
2
=
(0, 1, 0)
/
, e
3
= (0, 0, 1)
/
dan misalkan sebarang v = (x, y, z)
/
V ,
maka v = xe
1
+ ye
2
+ ze
3
. Jadi koordinat dari v terhadap basis
e
1
, e
2
, e
3
adalah x, y dan z. Tetapi untuk basis yang lain
dari V , misalkan v
1
= (0, 1, 1)
/
, v
2
= (1, 0, 1)
/
, v
3
= (1, 1, 0)
/
, maka
v = (
x+y+z
2
)v
1
+ (
xy+z
2
)v
2
+ (
x+yz
2
)v
3
. Koordinat dari vektor
v terhadap basis v
1
, v
2
, v
3
adalah
x+y+z
2
,
xy+z
2
dan
x+yz
2
.
Terlihat bahwa vektor v terhadap dua basis yang berbeda dari
ruang vektor V mempunyai dua koordinat yang berbeda pula.
Basis terurut.
Adalah perlu dijamin bahwa suatu vektor dikaitkan dengan
suatu vektor basis yang sesuai, cara baku untuk melakukan
hal ini adalah menggunakan penyajian terurut untuk koordi-
nat dan vektor basis. Bila urutan dari vektor-vektor dalam
suatu basis dipersoalkan dalam hal ini dinamakan basis teru-
rut dan basis ini ditulis sebagai suatu barisan. Bila urutan
dari vektor basis takdipersoalkan, basis tersebut ditulis seba-
gai suatu himpunan, dalam hal ini penekanan mengenai diskusi
dari suatu vektor basis, urutan tidak bergantung pada urutan.
Tetapi, bila koordinat dari suatu vektor disajikan sebagai baris
atau kolom dalam suatu matriks, maka secara esensi penyajian
bergantung pada urutan vektor-vektor basis. Begitu juga, bila
suatu pemetaan linier disajikan sebagai suatu matriks, maka
sangatlah penting menggunakan vektor basis terurut.
Home Page
Title Page


Page 37 of 132
Go Back
Full Screen
Close
Quit
Pemetaan Linier pada Ruang Vektor
Misalkan U dan V adalah ruang vektor atas K, suatu pemetaan
: U V adalah suatu pemetaan linier atau transformasi lin-
ier bila dan hanya bila memenuhi (k
1
u
1
+k
2
u
2
) = k
1
(u
1
)+k
2
(u
2
)
untuk semua k
1
, k
2
K dan u
1
, u
2
U.
Sifat. Bila : U V suatu pemetaan linier, maka (0) = 0.
Bukti (0) = (0 + 0) = (0) + (0), didapat (0) (0) = (0),
jadi 0 = (0).
Contoh
1. Misalkan : U V , U = R
3
dan V = R
2
dengan
((x, y, z)
/
)
def
= (2x y, y + z)
/
. Maka adalah pemetaan
linier, sebab (k
1
u
1
+ k
2
u
2
) = (k
1
(x
1
, y
1
, z
1
)
/
+ k
2
(x
2
, y
2
, z
2
)
/
) =
((k
1
x
1
+ k
2
x
2
, k
1
y
1
+ k
2
y
2
, k
1
z
1
+ k
2
z
2
)
/
) = (2k
1
x
1
+ 2k
2
x
2
k
1
y
1

k
2
y
2
, k
1
y
1
+k
2
y
2
+k
1
z
1
+k
2
z
2
)
/
= (2k
1
x
1
k
1
y
1
, k
1
y
1
+k
1
z
1
)
/
+(2k
2
x
2

k
2
y
2
, k
2
y
2
+ k
2
z
2
)
/
= k
1
(2x
1
y
1
, y
1
+ z
1
)
/
+ k
2
(2x
2
y
2
, y
2
+ z
2
)
/
=
k
1
((x
1
, y
1
, z
1
)
/
) + k
2
((x
2
, y
2
, z
2
)
/
).
2. Misalkan : R
3
R
2
dengan ((x, y, z)
/
)
def
= (x
2
, y + z)
/
,
pemetaan bukan pemetaan linier, sebab (2(1, 0, 0)
/
) =
((2, 0, 0)
/
) = (4, 0)
/
,= (2, 0)
/
= 2(1, 0)
/
= 2((1, 0, 0)
/
).
Home Page
Title Page


Page 38 of 132
Go Back
Full Screen
Close
Quit
Kernel dan Image
Misalkan : U V suatu pemetaan linier
Image dari adalah Im()=(U)
def
= (u) [ u U V .
Kernel dari adalah ker()
def
= u U [ (u) = 0 U.
Contoh. Dalam Contoh 1. sebelumnya Im() = ((x, y, z)
/
) =
(2x y, y + z)
/
[ x, y, z R, sedangkan ker() = (x, y, z)
/
[ 2x y =
0, y + z = 0, x, y, z R = y(
1
2
, 1, 1)
/
[ y R.
Beberapa sifat Misalkan U dan V adalah ruang vektor atas K
dan : U V suatu pemetaan linier, maka
1. Im() adalah ruang bagian dari V .
2. Ker() adalah ruang bagian dari U.
3. Pemetaan satu-satu bila dan hanya bila ker() = 0.
Bukti
1. Jelas bahwa Im() V . Misalkan sebarang v
1
, v
2
Im()
dan sebarang k
1
, k
2
K. Untuk beberapa u
1
, u
2
U, maka
kombinasi linier berikut dipenuhi k
1
v
1
+ k
2
v
2
= k
1
(u
1
) +
k
2
(u
2
) = (k
1
u
1
) + (k
2
u
2
) = (k
1
u
1
+ k
2
u
2
) Im(). Jadi
Im() adalah ruang bagian dari V .
Home Page
Title Page


Page 39 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Bukti........
2. Jelas bahwa ker() U. Misalkan se-
barang u
1
, u
2
ker() dan sebarang k
1
, k
2

K, maka (k
1
u
1
+k
2
u
2
) = k
1
(u
1
)+k
2
(u
2
) =
k
1
0+k
2
0 = 0. Terlihat bahwa k
1
u
1
+k
2
u
2

ker(). Jadi ker() adalah ruang bagian
dari U.
3. Misalkan pemetaan satu-satu dan se-
barang u ker(), maka (0) + (u) =
(0 + u) = (u) = 0. Sehingga didapat
(u) = (0) = (0) = (0). Karena
pemetaan satu-satu haruslah u = 0.
Jadi 0 = ker(). Selanjutnya misalkan
ker() = 0 dan u
1
, u
2
U, maka untuk
(u
1
) = (u
2
) didapat, 0 = (u
1
) (u
2
) =
(u
1
u
2
). Terlihat bahwa u
1
u
2
ker().
Tetapi, ker() = 0. Maka dari itu harus-
lah u
1
u
2
= 0 atau u
1
= u
2
. Jadi
pemetaan adalah satu-satu.
Home Page
Title Page


Page 40 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Misalkan V ruang vektor atas K dan U = K
n
. Diberikan
matriks T = [a
ij
], a
ij
K dan T bertindak pada ruang vektor
U dengan aturan untuk setiap x U:
T(x)
def
=
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
=
_
_
y
1
.
.
.
y
n
_
_
,
dimana y
i
=
n

j=1
a
ij
x
j
, i = 1, 2, . . . , n. Maka T adalah suatu
transformasi linier dari U ke U, sebab untuk sebarang x, x
U dan sebarang k
1
, k
2
K berlaku:
T(k
1
x + k
2
x) =
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
_
k
1
_
_
x
1
.
.
.
x
n
_
_
+ k
2
_
_
x
1
.
.
.
x
n
_
_
_
_
_
= k
1
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
+k
2
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
= k
1
T(x) + k
2
T( x).
Home Page
Title Page


Page 41 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh...........
2. Dalam Contoh 1. sebelumnya, maka
Im(T) =
_
_
_
_
_
y
1
.
.
.
y
n
_
_
=
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
_
.
Bila T punya invers, maka ker(T) = 0, yaitu persamaan
homogin
_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
=
_
_
0
.
.
.
0
_
_
hanya mempunyai jawab trivial x
1
= . . . = x
n
= 0. Bila T
tidak punya invers, maka
ker(T) =
_
_
_
_
_
x
1
.
.
.
x
n
_
_

_
_
a
11
. . . a
1n
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
x
1
.
.
.
x
n
_
_
=
_
_
0
.
.
.
0
_
_
_
_
_
Home Page
Title Page


Page 42 of 132
Go Back
Full Screen
Close
Quit
Misalkan U dan V ruang vektor berdimensi hingga atas K dan
: U V suatu pemetaan linier.
1 Bila u
1
, . . . , u
n
) = U, maka (u
1
), . . . , (u
n
)) = Im().
2. dim(U) = dim(ker()) + dim(Im())
Bukti.
1. Misalkan sebarang v Im(), pilih u U yang memenuhi
(u) = v. Tetapi u = k
1
u
1
+. . .+k
n
u
n
, maka dari itu v = (u) =
(k
1
u
1
+. . .+k
n
u
n
) = k
1
(u
1
)+. . .+k
n
(u
n
) (u
1
), . . . , (u
n
)).
Jadi Im() = (u
1
), . . . , (u
n
)).
2. Misalkan u
1
, . . . , u
m
basis dari ker(), perluas basis ini
sampai didapat u
1
, . . . , u
m
, w
1
, . . . , w
n
adalah suatu basis
dari U. Jelas bahwa dim(ker()) = m dan dim(U) =
m + n. Misalkan v
i
= (w
i
), i = 1, 2 . . . , n. Akan di-
tunjukkan bahwa v
i
, i = 1, 2 . . . , n adalah suatu basis dari
Im(). Dengan menggunakan hasil 1. didapat Im() =
(u
1
), . . . , (u
m
), (w
1
), . . . , (w
n
)) = 0, . . . , 0, v
1
, . . . , v
n
) =
v
1
, . . . , v
n
). Selanjutnya selidiki apakah vektor-vektor
v
i
, i = 1, 2 . . . , n bebas linier, yaitu k
1
v
1
+ . . . + k
n
v
n
= 0 atau
k
1
(w
1
) + . . . + k
n
(w
n
) = 0. Sehingga didapat (k
1
w
1
+ . . . +
k
n
w
n
) = 0. Jadi k
1
w
1
+ . . . + k
n
w
n
ker(). Oleh karena itu
k
1
w
1
+ . . . + k
n
w
n
=

k
1
u
1
+ . . . +

k
m
u
m
untuk beberapa

k
i
, atau

k
1
u
1
+. . . +

k
m
u
m
k
1
w
1
+. . . k
n
w
n
= 0. Karena vektor-vektor
u
1
, . . . , u
m
, w
1
, . . . , w
n
bebas linier maka

k
1
= . . . =

k
m
= k
1
=
. . . = k
n
= 0, Jadi vektor-vektor v
1
, . . . , v
n
bebas linier.
Home Page
Title Page


Page 43 of 132
Go Back
Full Screen
Close
Quit
Adakalanya kernel dari suatu pemetaan linier disebut null
space dan dimensi dari kernel dinamakan nullity dari pemetaan
linier, sedangkan dimensi dari image suatu pemetaan linier
dinamakan rank dari pemetaan linier. Sehingga didapat
dim(U) = nullity() + rank().
Contoh. Misalkan pemetaan linier : R
3
R
2
dengan
((x, y, z)
/
) = (x +z, 2x y +z)
/
untuk setiap (x, y, z)
/
R
3
. Kernel
dari adalah penyelesaian dari persamaan vektor ((x, y, z)
/
) =
(x +z, 2x y +z)
/
= (0, 0)
/
atau penyelesaian persamaan homogin
_
1 0 1
2 1 1
_
_
_
x
y
z
_
_
=
_
0
0
_
yang mempunyai penyelesaian x = x, y = x, z = x, x R. Jadi
ker() = x(1, 1, 1)
/
[ x R = (1, 1, 1)
/
). Terlihat bahwa
nullity() = 1. Sedangkan Im() = (x + z, 2x y + z)
/
[ x, y, z
R = x(1, 2)
/
y(0, 1)
/
+z(1, 1)
/
[ x, y, z R = (1, 2)
/
, (0, 1)
/
, (1, 1)
/
) =
(1, 2)
/
= (0, 1)
/
+ (1, 1)
/
, (0, 1)
/
, (1, 1)
/
) = (0, 1)
/
, (1, 1)
/
). Terlihat
bahwa rank() = 2. Sehingga didapat dim(R
3
) = nullity() +
rank() = 1 + 2 = 3.
Home Page
Title Page


Page 44 of 132
Go Back
Full Screen
Close
Quit
Misalkan : U V suatu pemetaan linier dari ruang vektor
U ke ruang vektor V masing-masing atas K. Bila pemetaan
satu-satu dan pada yaitu pemetaan mempunyai invers,
maka dinamakan suatu isomorpisma dari U ke V . Dalam
hal ini, U dan V dikatakan isomorpik dan dinotasikan oleh
U

= V . Perhatikan bahwa, karena pemetaan satu-satu dan
pada, maka Im() = V dan ker() = 0.
Misalkan U dan V ruang vektor berdimensi hingga atas
K masing-masing dengan basis u
1
, . . . , u
m
dan v
1
, . . . , v
n
.
Maka U dan V isomorpik bila dan hanya bila dim(U) = dim(V )
(m = n). Lagipula, ada suatu isomorpisma tunggal : U V
yang memenuhi (u
i
) = v
i
, i = 1, . . . , n.
Bukti
Bila : U V suatu isomorpisma, maka satu-satu dan pada.
Maka dari itu, ker() = 0 dan Im() = V . Sehingga didapat
dim(U) = dim(ker()) + dim(Im()) = 0 + dim(V ) = dim(V ). Se-
baliknya, misalkan m = n dan suatu pemetaan linier yang
memenuhi (u
i
) = v
i
, i = 1, . . . , n. Akan ditunjukkan bahwa
satu-satu dan pada.
Home Page
Title Page


Page 45 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Bukti......
Misalkan sebarang u ker(), maka (u) = 0. Tetapi
u = k
1
u
1
+ . . . + k
m
u
m
. Sehingga didapat 0 = (u) =
(k
1
u
1
+ . . . + k
m
u
m
) = k
1
(u
1
) + . . . + k
m
(u
m
) = k
1
v
1
+ . . . + k
m
u
m
dan karena v
1
, . . . , v
m
suatu basis dari V , maka harus-
lah k
1
= . . . = k
n
= 0. Jadi u = 0. Maka dari itu
ker() = 0. Jadi pemetaan satu-satu. Selanjutnya,
misalkan sebarang v V , maka v = a
1
v
1
+ . . . + a
n
v
n
un-
tuk beberapa skalar a
i
. Tetapi v
i
= (u
i
), i = 1, . . . , n. Jadi
v = a
1
(u
i
) + . . . + a
n
(u
n
) = (a
1
u
1
+ . . . + a
n
u
n
) Im(). Se-
hingga didapat V = Im() atau pemetaan adalah pada.
Kerena pemetaan linier adalah satu-satu dan pada, maka
U dan V isomorpik. Berikutnya, ditunjukkan bahwa iso-
morphisma yang memenuhi (u
i
) = v
i
, i = 1, . . . , n adalah
tunggal. Misalkan : U V adalah suatu isomorphisma
yang juga memenuhi (u
i
) = v
i
, i = 1, . . . , n dan misalkan se-
barang u = k
1
u
1
+ . . . + k
n
u
n
U untuk beberapa skalar k
i
K,
maka (u) (u) = (k
1
u
1
+ . . . + k
n
u
n
) (k
1
u
1
+ . . . + k
n
u
n
) =
k
1
(u
1
) +. . . +k
n
(u
n
) k
1
(u
1
) . . . k
n
(u
n
) = k
1
v
1
+. . . +k
n
v
n

k
1
v
1
. . . k
n
v
n
= 0. Sehingga didapat (u) = (u), u U. Jadi
= .
Misalkan U dan V ruang vektor atas K, himpunan L(U, V, K)
menyatakan himpunan semua pemetaan linier dari U ke V .
Home Page
Title Page


Page 46 of 132
Go Back
Full Screen
Close
Quit
Misalkan , L(U, V, K) pemetaan +
didenisikan sebagai (+)(u)
def
= (u)+(u)
untuk semua u U dan pemetaan k
didenisikan sebagai (k)(u)
def
= k(u) untuk
semua u U. Maka L(U, V, K) adalah ruang
vektor atas K.
Misalkan , L(U, V, K) dan komposisi
dari adalah ()(u)
def
= ((u)) untuk
semua u U, maka L(U, V, K).
Bukti
()(k
1
u
1
+ k
2
u
2
) = ((k
1
u
1
+ k
2
u
2
))
= (k
1
(u
1
) + k
2
(u
2
))
= k
1
((u
1
)) + k
2
((u
2
))
= k
1
()(u
1
) + k
2
()(u
2
).
Home Page
Title Page


Page 47 of 132
Go Back
Full Screen
Close
Quit
Pemetaan Linier dan Aljabar Matriks
Misalkan U, V ruang vektor berdimensi
hingga atas K masing-masing dengan di-
mensi m dan n. Misalkan Bu = u
1
, . . . , u
m
basis terurut di U, Bv = v
1
, . . . , v
n
basis
terurut di V dan L(U, V, K). Untuk
j = 1, . . . , m, (u
j
) V , sehingga ada skalar
a
i,j
K sehingga (u
j
) = a
1,j
v
1
+. . . +a
n,j
v
n
.
Bila indeks i dan j dalam skalar a
i,j
me-
nyatakan elemen baris ke-i dan kolom ke-j
dari suatu matriks A, hal ini mendenisikan
matriks representasi dari pemetaan linier
diberikan oleh:
A =
_
_
a
1,1
. . . a
1,m
.
.
.
.
.
.
.
.
.
a
n,1
. . . a
n,m
_
_
.
Perhatikan bahwa, skalar-skalar a
i,j
dalam
persamaan (u
j
) menyatakan kolom ke-j
dari matriks A.
Home Page
Title Page


Page 48 of 132
Go Back
Full Screen
Close
Quit
Sekali matriks-matriks representasi ini di konstruksi sesuai
dengan basis-basis yang ada, matriks-matriks ini bisa digu-
nakan tanpa lagi merujuk pada basis-basis yang ada, kecuali
ada perubahan basis, maka matriks A juga berubah. Un-
tuk menjelaskan hal ini, misalkan sebarang u U, maka
u = x
1
u
1
+. . .+x
m
u
m
dan v = (u) V . Tetapi v = y
1
v
1
+. . .+y
n
v
n
.
Sehingga didapat
(u) = x
1
(u
1
) + . . . + x
m
(u
m
)
= x
1
(a
1,1
v
1
+ . . . + a
n,1
v
n
) + . . . + x
m
(a
1,m
v
1
+ . . . + a
n,m
v
n
)
= (a
1,1
x
1
+ . . . + a
1,m
x
m
)v
1
+ . . . + (a
n,1
x
1
+ . . . + a
n,m
x
m
)v
n
= y
1
v
1
+ . . . + y
n
v
n
atau y = Ax, dimana
y =
_
_
y
1
.
.
.
y
n
_
_
, A =
_
_
a
1,1
. . . a
1,m
.
.
.
.
.
.
.
.
.
a
n,1
. . . a
n,m
_
_
dan x =
_
_
x
1
.
.
.
x
m
_
_
.
Home Page
Title Page


Page 49 of 132
Go Back
Full Screen
Close
Quit
Misalkan L(U, V, K) dan L(V, W, K) dimana
dim(U) = m, dim(V ) = n dan dim(W) = p. Representasi matriks
dari dan masing-masing diberikan oleh A = (, u
j
, v
i
)
berukuran n m dan B = (, v
i
, w
k
) beruran p n. Maka
representasi matriks dari komposisi L(U, W, K) diberikan
oleh C = (, u
j
, w
k
) dimana C = BA dengan c
k,j
=
n

i=1
b
k,i
a
i,j
.
Bukti
Gunakan denisi representasi matriks dari suatu pemetaan,
didapat (u
j
) =
n

i=1
a
i,j
v
i
dan (v
i
) =
p

k=1
b
k,i
w
k
. Maka dari itu
(((u
j
)) =
n

i=1
a
i,j
(v
i
) =
n

i=1
a
i,j
_
p

k=1
b
k,i
w
k
_
=
p

k=1
_
n

i=1
b
k,i
a
i,j
_
w
k
.
Tetapi ()(u
j
) =
p

k=1
c
k,j
w
k
, sehingga dengan menyamakan koe-
sien masing-masing persamaan didapat c
k,j
=
n

i=1
b
k,i
a
i,j
.
Home Page
Title Page


Page 50 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Diberikan suatu transformasi linier : R
3
R
3
oleh
((x, y, z)
/
) = (x y z, x + y + z, z)
/
dengan basis baku teru-
rut didapat: ((1, 0, 0)
/
) = (1, 1, 0)
/
, ((0, 1, 0)
/
) = (1, 1, 0)
/
dan
((0, 0, 1)
/
) = (1, 1, 1)
/
, sehingga matriks representasi dari
terhadap basis baku terurut diberikan oleh:
_
_
1 1 1
1 1 1
0 0 1
_
_
.
Selanjutnya bila digunakan basis terurut B =
(1, 0, 0)
/
, (1, 1, 0)
/
, (1, 0, 1)
/
didapat ((1, 0, 0)
/
) = (1, 1, 0)
/
=
0(1, 0, 0)
/
+ 1(1, 1, 0)
/
+ 0(1, 0, 1)
/
= (0, 1, 0)
/
B
, ((1, 1, 0)
/
) = (0, 2, 0)
/
=
2(1, 0, 0)
/
+ 2(1, 1, 0)
/
+ 0(1, 0, 1)
/
= (2, 2, 0)
/
B
dan ((1, 0, 1)
/
) =
(0, 2, 1)
/
= 3(1, 0, 0)
/
+ 2(1, 1, 0)
/
+ 1(1, 0, 1)
/
= (3, 2, 1)
/
B
. Se-
hingga matriks representasi dari dengan basis terurut B
diberikan oleh:
_
_
0 2 3
1 2 2
0 0 1
_
_
.
Home Page
Title Page


Page 51 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan pemetaan linier : P
3
(R) P
1
(R) oleh (p(x)) =
d
2
p(x)
dx
2
.
a. Matriks representasi A dari dengan basis terurut B
1
=
1, x, x
2
, x
3
untuk P
3
(R) dan basis terurut B
2
= 1, x+2 untuk
P
1
(R) diberikan sebagai berikut: (1) = 0 = 0.1 + 0(x + 2) =
(0, 0)
/
B
2
, (x) = 0 = 0.1 + 0(x + 2) = (0, 0)
/
B
2
, (x
2
) = 2 = 2.1 +
0(x+2) = (2, 0)
/
B
2
dan (x
3
) = 6x = 12.1+6(x+2) = (12, 6)
/
B
2
,
A =
_
0 0 2 12
0 0 0 6
_
.
b. Misalkan p(x) = a+bx+cx
2
+dx
3
ker(), maka 0 = (p(x)) =
2c + 6dx, x R. Sehingga didapat c = 0, d = 0. Jadi
ker() = a.1 + bx [ a, b R = 1, x). Terlihat bahwa
dim(ker()) = 2.
c. Sedangkan dimensi dari image diberikan oleh:
dim(Im()) = dim(P
3
(R)) dim(ker()) = 4 2 = 2. Hal
ini bisa dicek sebagai berikut, misalkan sebarang q(x) =
+ x + x
2
+ x
3
P
3
(R), maka (q(x)) = 2 + 6x =
2.1 + 6.x 1, x). Jadi Im() = 1, x) dan terlihat
bahwa dimensi Im() sama dengan dua.
Home Page
Title Page


Page 52 of 132
Go Back
Full Screen
Close
Quit
3. Misalkan u
1
, u
2
, u
3
basis terurut dari U, v
1
, v
2
, v
3
dan w
1
, w
2
adalah suatu basis terurut dari W. Selanjutnya diberikan
pemetaan linier : U V dan : V W masing-masing
oleh (u
1
) = v
1
+2v
2
v
3
, (u
2
) = v
2
+2v
3
, (u
3
) = v
1
+v
2
+3v
3
dan (v
1
) = 2w
1
w
2
, (v
2
) = w
1
+ w
2
, (v
3
) = 2w
1
+ 3w
2
.
Bila A = (, u
j
, v
i
) dan B = (, v
i
, w
k
), maka didapat matriks
representasi:
A =
_
_
1 0 1
2 1 1
1 2 3
_
_
, B =
_
2 1 2
1 1 3
_
dan matriks representasi C = (, u
j
, w
k
) diberikan oleh
C = BA =
_
2 1 2
1 1 3
_
_
_
1 0 1
2 1 1
1 2 3
_
_
=
_
6 3 7
2 7 11
_
.
Bisa dicek langsung lewat vektor-vektor basis
()(u
1
) = (v
1
+ 2v
2
v
3
) = 6w
1
2w
2
()(u
2
) = (v
2
+ 2v
3
) = 3w
1
+ 7w
2
()(u
3
) = (v
1
+ v
2
+ 3v
3
) = 7w
1
+ 11w
2
.
Home Page
Title Page


Page 53 of 132
Go Back
Full Screen
Close
Quit
Pemetaan Identitas
Pementaan I
U
: U U adalah pemetaan identitas bila I
U
(u) = u
untuk semua u U.
Bila pemetaan : U V suatu isomorpisma (satu-satu dan
pada), maka ada pemetaan invers
1
: V U sehingga

1
= I
U
dan
1
= I
V
.
Bila : U V suatu isomorpisma, maka
1
: V U adalah
pemetaan linier. Bila matriks representasi adalah A dan
matriks representasi dari
1
adalah B, maka BA = I dan
AB = I.
Contoh. Misalkan u
i
, i = 1, 2, 3 adalah basis terurut dari U dan
v
j
, j = 1, 2, 3 adalah basis terurut dari V . Pemetaan linier :
U V diberikan oleh: (u
1
) = v
1
+ 2v
2
v
3
, (u
2
) = v
2
+ 2v
3
dan
(u
3
) = v
1
+ v
2
+ 3v
3
, maka A = (, u
i
, v
j
) diberikan oleh
A =
_
_
1 0 1
2 1 1
1 2 3
_
_
didapat B = A
1
adalah matriks representasi dari
1
dimana:
B =
_
_
0.25 0.5 0.25
1.75 0.5 0.75
1.25 0.25 0.25
_
_
Home Page
Title Page


Page 54 of 132
Go Back
Full Screen
Close
Quit
Perubahan dari suatu basis
Perubahan basis dari suatu transformasi
linier adalah penting. Sebagaimana
telah diketahui dari pembahasan sebelum-
nya bahwa, suatu transformasi linier
memberikan suatu matriks representasi
melalu suatu basis yang telah ditentukan.
Tentunya matriks representasi ini akan
berbeda bila digunakan basis lain yang
berbeda tetapi tetap merupakan suatu ma-
triks representasi dari suatu transformasi
linier yang sama. Perubahan basis tu-
juan utamanya adalah mendapatkan su-
atu matriks represenatsi yang mudah untuk
penghitungan (komputasi) dan bisa men-
jelaskan makna perubahan bentuk suatu
benda dalam domainnya menjadi bentuk
yang lainnya dalam kodomainnya.
Home Page
Title Page


Page 55 of 132
Go Back
Full Screen
Close
Quit
Misalkan B = u
1
, . . . , u
n
adalah basis terurut dari suatu ruang
vektor U atas K dan sebarang u U dapat diungkapkan
sebagai u = x
1
u
1
+ . . . + x
n
u
n
dimana skalar-skalar x
i
meru-
pakan n-pasang berbentuk (x
1
, . . . , x
n
)
/
K
n
. Maka pemetaan

B
: U K
n
dinamakan suatu pemetaan koordinat dan

B
(u)
def
= (x
1
, . . . , x
n
)
/
dinamakan suatu vektor koordinat dari
u U terhadap basis terurut B. Dalam hal ini
B
adalah suatu
isomorpisma maka dari itu U

= K
n
.
Bukti Misalkan sebarang u = x
1
u
1
+ . . . + x
n
u
n
U, v =
y
1
u
1
+ . . . + y
n
u
n
V dan k
1
, k
2
K, maka didapat
B
(k
1
u +
k
2
v) =
B
(k
1
x
1
u
1
+ . . . + k
1
x
n
u
n
+ k
2
y
1
u
1
+ . . . + k
2
y
n
u
n
) =
B
((k
1
x
1
+
k
2
y
1
)u
1
+ . . . + (k
1
x
n
+ k
2
y
n
)u
n
) = (k
1
x
1
+ k
2
y
1
, . . . , k
1
x
n
+ k
2
y
n
)
/
=
k
1
(x
1
, . . . , x
n
)
/
+k
2
(y
1
, . . . , y
n
)
/
= k
1

B
(u)+k
2

B
(v). Terlihat bahwa
B
adalah pemetaan linier. Karena untuk setiap (x
1
, . . . , x
n
)
/
K
n
vektor u = x
1
u
1
+. . . +x
n
u
n
memenuhi
B
(u) = (x
1
, . . . , x
n
)
/
, maka
pemetaan
B
adalah pada. Selanjutnya misalkan sebarang
u = x
1
u
1
+ . . . + x
n
u
n
ker(
B
), maka
B
(u) = (x
1
, . . . , x
n
)
/
=
(0, . . . , 0)
/
. Didapat x
1
= 0, . . . , x
n
= 0. Jadi u = 0. Maka dari
itu pemetaan
B
adalah satu-satu. Karena pemetaan linier
B
adalah satu-satu dan pada, maka
B
adalah suatu isomorpisma
atau U

= K
n
.
Home Page
Title Page


Page 56 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Misalkan diberikan dua basis terurut
B
1
= (1, 0)
/
, (0, 1)
/
dan B
2
= (1, 1)
/
, (1, 1)
/
dari ruang vektor R
2
. Terhadap ba-
sis B
1
, sebarang (x, y)
/
R
2
didapat
(x, y)
/
= x(1, 0)
/
+ y(0, 1)
/
. Sehingga dida-
pat
B
1
((x, y)
/
) = (x, y)
/
. Terhadap basis
B
2
, (x, y)
/
= k
1
(1, 1)
/
+ k
2
(1, 1)
/
, didapat
x = k
1
+ k
2
, y = k
1
k
2
. dari sini diperoleh
k
1
=
x + y
2
, k
2
=
x y
2
. Jadi
B
2
((x, y)
/
) =
_
x + y
2
,
x y
2
_
/
. Sehingga
B
2
((1, 0)
/
) =
_
1
2
,
1
2
_
/
dan
B
2
((0, 1)
/
) =
_
1
2
,
1
2
_
/
.
Home Page
Title Page


Page 57 of 132
Go Back
Full Screen
Close
Quit

-
V
C
?
K
n
- K
m
?
U
B
A
P
C
P
B
1
Misalkan B = u
1
, . . . , u
m
suatu basis terurut dari ruang vektor
U, C = v
1
, . . . , v
n
suatu basis terurut dari ruang vektor V , kedua
ruang vektor atas skalar K. Suatu pemetaan linier : U V
dengan matriks representasi A = (, B, C). Misalkan (u) = v
dimana u = x
1
u
1
+. . .+x
m
u
m
U dan v = y
1
v
1
+. . .+y
n
v
n
V . Dari
pembahasan sebelumnya dijelaskan bahwa v = (u) dapat disa-
jikan oleh persamaan matriks y = Ax, dimana x = (x
1
, . . . , x
m
)
/
dan y = (y
1
, . . . , y
n
)
/
. Misalkan P adalah pemetaan koordinat,
maka x = P
B
(u), y = P
C
(v) dan matriks representasi dari per-
samaan vektor v = (u) adalah P
C
(v) = AP
B
(u). Sehingga di-
dapat, v = (u) = P
1
C
AP
B
(u), u U. Jadi = P
1
C
AP
B
atau
A = P
C
P
1
B
. Hasil-hasil yang didapat ini dijelaskan dalam di-
agram diatas.
Home Page
Title Page


Page 58 of 132
Go Back
Full Screen
Close
Quit
-
-
U
B
U
B
V
C
V
C
? ?

I
U
I
V
1
Misalkan : U V suatu pemetaan linier, B dan

B dua ba-
sis terurut yang berbeda dari U sedangkan C dan

C dua basis
terurut yang berbeda dari V . Bila matiks-matriks representasi
dari adalah A = (, B, C) dan

A = (,

B,

C), maka perubahan
basis tidak berpengaruh pada suatu pemetaan linier sehingga
hal ini berkaitan dengan pemetaan identitas. Tetapi peruba-
han basis mempunyai pengaruh terhadap matriks-matriks rep-
resentasi A = (, B, C) dan

A = (,

B,

C) melalui pemetaan iden-
titas terhadap dua basis yang berbeda. Bila basis berubah
pada domain dan kodomain dari , maka umumnya diper-
lukan matriks representasi dari pemetaan identitas pada do-
main dan kodomain yang dinotasikan oleh P = (I
U
, B,

B)
dan Q = (I
V
, C,

C). Hubungan diantara ruang vektor den-
gan basis-basis berbeda diberikan secara diagram diatas. Se-
hingga didapat hubungan (,

B,

C) = (I
V
, C,

C)(, B, C)(I
U
,

B, B)
atau

A = QAP
1
. Selanjutnya misalkan x, x vektor-vektor ko-
ordinat dari u U relatif terhadap basis B dan

B dan y, y
vektor-vektor koordinat dari v = (u) V relatif terhadap
basis C dan

C, maka x = Px dan y = Qy. Bila y = Ax,
maka y = Qy = QAx = QAP
1
x =

A x. Terlihat bahwa vektor-
vektor koordinat dan matriks-matriks transformasi konsisten
terhadap perubahan basis.
Home Page
Title Page


Page 59 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Diberikan pemetaan linier : R
2
R
2
dengan ((x, y)
/
) =
(2x+y, x+3y)
/
. Dengan basis B = (1, 0)
/
, (1, 1)
/
, maka
B
(1, 0) =
(2, 1) = 1(1, 0)
/
+ 1(1, 1)
/
= (1, 1)
/
dan
B
((1, 1)
/
) = (3, 4)
/
=
1(1, 0)
/
+ 4(1, 1)
/
= (1, 4)
/
, sehingga diperoleh matriks re-
presentasi dari :
A = (, B, B) =
_
1 1
1 4
_
.
Misalkan sebarang (x, y)
/
R
2
, maka
B
((x, y)
/
) = a(1, 0)
/
+
b(1, 1)
/
= (a, b)
/
dimana skalar a, b memenuhi:
_
x
y
_
=
_
1 1
0 1
__
a
b
_

_
a
b
_
=
_
1 1
0 1
__
x
y
_
,
sehingga didapat a = x y dan b = y. Jadi
B
((x, y)
/
) =
(x y, y)
/
. Dicek apakah pemetaan konsisten terhadap
basis B sebagai berikut:
((x, y)
/
) = A
B
((x, y)
/
) =
_
1 1
1 4
__
x y
y
_
=
_
x 2y
x + 3y
_
= (x 2y)
_
1
0
_
+ (x + 3y)
_
1
1
_
=
_
2x + y
x + 3y
_
.
Home Page
Title Page


Page 60 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan pemetaan linier : P
3
(R) P
3
(R) dimana
(p(x)) = (a + b) + (b + c)x + (c + d)x
2
+ (a + d)x
3
, p(x) P
3
(R)
dengan p(x) = a + bx + cx
2
+ dx
3
. Misalkan B = 1, x, x
2
, x
3
dan

B = 1, 1 + x, 1 + x + x
2
, 1 + x + x
2
+ x
3
dua basis dari
P
3
(R). Maka (1) = 1 + x
3
= 1(1) + 0(x) + 0(x
2
) + 1(x
3
),
(x) = 1 + x = 1(1) + 1(x) + 0(x
2
) + 0(x
3
), (x
2
) = x + x
2
=
0(1) +1(x) +1(x
2
) +0(x
3
), (x
3
) = x
2
+x
3
= 0(1) +0(x) +1(x
2
) +1(x
3
)
dan I
P
3
(R)
(1) = 1 = 1 + 0(1 +x) + 0(1 +x +x
2
) + 0(1 +x +x
2
+x
3
),
I
P
3
(R)
(x) = x = 1(1) + 1(1 +x) + 0(1 +x +x
2
) + 0(1 +x +x
2
+x
3
),
I
P
3
(R)
(x
2
) = x
2
= 0(1) 1(1 +x) + 1(1 +x +x
2
) + 0(1 +x +x
2
+x
3
),
I
P
3
(R)
(x
3
) = x
3
= 0(1) + 0(1 + x) 1(1 + x + x
2
) + 1(1 + x + x
2
+ x
3
)
Sehingga didapat matriks representasi A = (, B, B), P =
(I
P
3
(R)
, B,

B) dan P
1
diberikan oleh:
A =
_
_
_
_
_
1 1 0 0
0 1 1 0
0 0 1 1
1 0 0 1
_
_
_
_
_
, P =
_
_
_
_
_
1 1 0 0
0 1 1 0
0 0 1 1
0 0 0 1
_
_
_
_
_
danP
1
=
_
_
_
_
_
1 1 1 1
0 1 1 1
0 0 1 1
0 0 0 1
_
_
_
_
_
.
Matriks representasi

A = (,

B,

B) diberikan oleh

A = PAP
1
=
_
_
_
_
_
1 1 0 0
0 1 1 0
1 1 0 0
1 1 1 2
_
_
_
_
_
.
Home Page
Title Page


Page 61 of 132
Go Back
Full Screen
Close
Quit
3. Diberikan ruang vektor U dengan dua basis terurut B =
u
1
, u
2
, u
3
dan B = u
1
, u
2
, u
3
dimana u
1
= u
2
, u
2
= u
3
, u
3
= u
1
.
Serta ruang vektor V dengan dua basis terurut C = v
1
, v
2
dan C = v
1
, v
2
dimana v
1
= v
1
+ v
2
, v
2
= v
1
v
2
. Suatu
pemetaan linier : U V diberikan oleh (u
1
) = 2v
1

v
2
, (u
2
) = v
1
+v
2
, (u
3
) = 2v
1
+3v
2
, sehingga diperoleh suatu
matriks representasi
A = (, B, C) =
_
2 1 2
1 1 3
_
.
Misalkan P adalah matriks dari pemetaan identitas di U
dari basis B ke basis B, yaitu I
U
(u
1
) = u
1
= u
3
= 0 u
1
+0 u
2
+1 u
3
,
I
U
(u
2
) = u
2
= u
1
= 1 u
1
+0 u
2
+0 u
3
, I
U
(u
3
) = u
3
= u
2
= 0 u
1
+1 u
2
+
0 u
3
. Sehingga didapat P dan P
1
:
P =
_
_
0 1 0
0 0 1
1 0 0
_
_
dan P
1
=
_
_
0 0 1
1 0 0
0 1 0
_
_
.
Begitu juga, karena I
V
( v
1
) = v
1
= 1v
1
+ 1v
2
, I
V
( v
2
) = v
2
=
1v
1
1v
2
, maka didapat matriks Q
1
dari pemetaan identitas
pada V dari basis C ke basis C dan juga didapat matriks Q
diberikan oleh:
Q
1
=
_
1 1
1 1
_
dan Q =
_
1
2
1
2
1
2

1
2
_
.
Home Page
Title Page


Page 62 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh 3.......
Matriks representasi

A = (, B, C) diberikan
oleh:

A = QAP
1
=
_
_
1
1
2
1
2
0
5
2
3
2
_
_
.
Hasil ini bisa dicek secara langsung
pemetaan didenisikan relatif terhadap
basis

B dan

C sebagai berikut:
( u
1
) = (u
2
) = v
1
+ v
2
= v
1
= 1 v
1
+ 0 v
2
( u
2
) = (u
3
) = 2v
1
+ 3v
2
=
1
2
v
1

5
2
v
2
( u
3
) = (u
1
) = 2v
1
v
2
=
1
2
v
1
+
3
2
v
2
.
Dua matriks bujur sangkar A dan B
dikatakan similar bila ada matriks P yang
punya invers sehingga B = PAP
1
. Kesemi-
laran matriks () adalah suatu relasi eki-
valen.
Home Page
Title Page


Page 63 of 132
Go Back
Full Screen
Close
Quit
Diberikan pemetaan linier : U V terhadap basis terurut
B dari ruang vektor U dan basis terurut C dari ruang vektor
V , bagaimana cara memilih basis terurut B dari ruang vektor
U dan basis terurut C dari ruang vektor V supaya represen-
tasi matriks

A = (, B, C) mempunyai bentuk normal diagonal
satuan yang sederhana, yaitu matriks:
_
_
_
I
r
.
.
. 0
. . . . . . . . .
0
.
.
. 0
_
_
_
,
dimana I
r
adalah matriks satuan berukuran r r dengan
r mindim(U), dim(V ). Untuk memperoleh cara yang di-
maksud ini digunakan sifat berikut.
Misalkan pemetaan linier : U V , masing-masing dimensi
U dan V adalah m dan n dengan dim(Im()) = r. Maka ada
basis terurut B dari U dan basis terurut C dari V sehingga
representasi matriks dari berbentuk normal diagonal satuan,
yaitu

A = (, B, C) =
_
_
_
I
r
.
.
. 0
. . . . . . . . .
0
.
.
. 0
_
_
_
r
n r

r mr
Home Page
Title Page


Page 64 of 132
Go Back
Full Screen
Close
Quit
Bukti
Dari sifat dimensi pemetaan linier didapat, dim(ker()) =
dim(U) dim(Im()) = m r. Misalkan u
r+1
, . . . , u
m
adalah su-
atu basis terurut dari ker(). Perluas basis ini sampai diper-
oleh basis terurut B = u
1
, . . . , u
r
, u
r+1
, . . . , u
m
dari ruang vek-
tor U. Dari pengertian kernel didapat (u
r+1
) = 0, . . . , (u
m
) =
0. Selanjutnya pilih vektor-vektor v
1
, . . . , v
r
Im() se-
hingga (u
1
) = v
1
, . . . , (u
r
) = v
r
. Jelas bahwa vektor-vektor
v
1
, . . . , v
r
adalah suatu basis terurut dari Im(). Selanjut-
nya perluas basis ini sampai diperoleh basis terurut C =
v
1
, . . . , v
r
, v
r+1
, . . . , v
n
dari ruang vektor V . Jadi, terhadap basis
terurut B dari ruang vektor U dan basis terurut C dari ruang
vektor V , pemetaan didenisikan oleh (u
1
) = v
1
, . . . , (u
r
) =
v
r
, (u
r+1
) = 0, . . . , (u
m
) = 0. Dari denisi ini terlihat bahwa
representasi matriks

A = (, B, C) adalah:

A = (, B, C) =
_
_
_
I
r
.
.
. 0
. . . . . . . . .
0
.
.
. 0
_
_
_
r
n r

r mr
Home Page
Title Page


Page 65 of 132
Go Back
Full Screen
Close
Quit
Contoh
Misalkan representasi matriks dari suatu pemetaan linier ter-
hadap basis baku terurut, diberikan oleh:
A =
_
_
1 2 3
2 3 1
3 5 4
_
_
.
Dapatkan basis-basis terurut dari U dan V supaya dengan
basis-basis ini pemetaan linier mempunyai representasi ma-
triks berbentuk normal diagonal satuan.
Penyelesaian Pertama, tentukan kernel dari A dengan menyele-
saikan persamaan Ax = 0, didapat: ker(A) = x(7, 5, 1)
/
[ x R
atau ker(A) = (7, 5, 1)
/
). Perluas basis dari kernel sehingga
diperoleh basis terurut B = (1, 0, 0)
/
, (0, 1, 0)
/
, (7, 5, 1)
/
. Selanjut-
nya dapatkan basis terurut dari Image A sebagai berikut:
_
_
1 2 3
2 3 1
3 5 4
_
_
_
_
1
0
0
_
_
=
_
_
1
2
3
_
_
,
_
_
1 2 3
2 3 1
3 5 4
_
_
_
_
0
1
0
_
_
=
_
_
2
3
5
_
_
.
Perluas basis terurut ini sehingga diperoleh:
Home Page
Title Page


Page 66 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh................
C = (1, 2, 3)
/
, (2, 3, 5)
/
, (1, 0, 0)
/
adalah basis terurut dari ruang vek-
tor V . Selanjutnya cek dengan basis-basis terurut B dan C,
representasi matriks berbentuk normal diagonal satuan seba-
gaimana berikut ini. Persamaan-persamaan yang memberikan
matriks P
1
= (, B, B) dengan B basis terurut baku adalah:
I
U
( u
1
) = u
1
= (1, 0, 0)
/
, I
U
( u
2
) = u
2
= (0, 1, 0)
/
dan I
U
( u
3
) = u
3
=
(7, 5, 1)
/
. Sehingga didapat:
P
1
=
_
_
1 0 7
0 1 5
0 0 1
_
_
.
Dengan cara serupa, persamaan-persamaan yang memberikan
matriks Q
1
= (, C, C) dengan C basis terurut baku adalah:
I
V
( v
1
) = v
1
= (1, 2, 3)
/
, I
V
( v
2
) = v
2
= (2, 3, 5)
/
dan I
V
( v
3
) = v
3
=
(1, 0, 0)
/
. Sehingga didapat:
Q
1
=
_
_
1 2 1
2 3 0
3 5 0
_
_
Q =
_
_
0 5 3
0 3 2
1 1 1
_
_
dan matriks

A = QAP
1
diberikan oleh:

A =
_
_
0 5 3
0 3 2
1 1 1
_
_
_
_
1 2 3
2 3 1
3 5 4
_
_
_
_
1 0 7
0 1 5
0 0 1
_
_
=
_
_
1 0 0
0 1 0
0 0 0
_
_
.
Home Page
Title Page


Page 67 of 132
Go Back
Full Screen
Close
Quit
Rank suatu matriks.
Suatu matriks A berukuran n m den-
gan elemen-elemen di K mendenisikan
suatu pemetaan linier dari K
m
ke K
n
sedemikian hingga A = (, E
m
, E
n
) dimana
E
m
dan E
n
masing-masing adalah basis
baku dari K
m
dan K
n
. Rank dari matriks A
adalah rank dari , jadi rank(A) = rank() =
dim(Im()). Ruang bagian dari K
m
yang
dibentangkan oleh vektor-vektor baris dari
A dinamakan ruang baris dari A dan mem-
punyai dimensi rank baris dari A yang
merupakan banyaknya vektor-vektor baris
dari A yang bebas linier. Ruang bagian dari
K
n
yang dibentangkan oleh vektor-vektor
kolom dari A dinamakan ruang kolom dari
A dan mempunyai dimensi rank kolom
dari A yang merupakan banyaknya vektor-
vektor kolom dari A yang bebas linier.
Home Page
Title Page


Page 68 of 132
Go Back
Full Screen
Close
Quit
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi
rank kolom dari suatu matriks sama dengan rank matriksnya.
Bukti.
Misalkan A berukuran n A dan suatu pemetaan linier dari
K
m
ke K
n
sedemikian hingga A = (, E
m
, E
n
), dimana E
m
=
e
1
, . . . , e
m
dan E
n
= e
1
, . . . , e
n
masing-masing adalah basis baku
terurut dari K
m
dan K
n
. Misalkan bahwa matriks
A =
_
_
a
1,1
. . . a
1,m
. . . . . . . . .
a
n,1
. . . a
n,m
_
_
,
maka untuk j = 1, . . . , m,
(e
j
) =
n

i=1
a
i,j
e
i
=
_
_
a
1,j
.
.
.
a
n,j
_
_
adalah kolom ke-j dari matriks A. Tetapi, Im() dibangun oleh
(e
1
), . . . , (e
m
), oleh karena itu Im() = ruang kolom(A). Jadi
rank(A)=rank kolom(A).
Home Page
Title Page


Page 69 of 132
Go Back
Full Screen
Close
Quit
Jawaban Quiz
1. Bila M
n
(R) adalah himpunan matriks berukuran n n de-
ngan elemen-elemen di R dan untuk suatu X tetap di M
n
(R)
didenisikan pemetaan : M
n
(R) M
n
(R) dengan (A) =
XAX
1
, A M
n
(R), maka :
a. Tunjukkan bahwa adalah suatu pemetaan linier.
b. Dapatkan Im() dan Ker().
c. Dari hasil b. tentukan sifat dari pemetaan .
Jawab
a. Misalkan A, B M
n
(R) dan a, b R, maka (aA + bB) =
X(aA + bB)X
1
= X(aA)X
1
+ X(bB)X
1
= a(XAX
1
) +
b(XBX
1
) = a(A) + b(B).
b. Im() = Y M
n
(R) [ Y = XAX
1
, A M
n
(R) dan Ker()
= A M
n
(R) [ XAX
1
= 0 = 0.
c. Dari hasil b. terlihat bahwa satu-satu (sebab Ker() =
0). Pemetaan juga pada sebab, diberikan sebarang
Y M
n
(R) (kodomain), pilih X
1
Y X M
n
(R) (domain)
sehingga didapat (X
1
Y X) = X(X
1
Y X)X
1
= Y .
Home Page
Title Page


Page 70 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan pemetaan linier : R
3
R
3
oleh
(
_
_
x
y
z
_
_
) =
_
_
x 2y + 3z
x + 3y 2z
5z
_
_
,
_
_
x
y
z
_
_
R
3
.
Terhadap basis terurut
B =
_
_
1
0
0
_
_
,
_
_
1
1
0
_
_
,
_
_
1
1
1
_
_
dapatkan matriks representasi dari
pemetaan linier .
Home Page
Title Page


Page 71 of 132
Go Back
Full Screen
Close
Quit
Jawab
(
_
_
1
0
0
_
_
) =
_
_
1
1
0
_
_
= 0
_
_
1
0
0
_
_
+ 1
_
_
1
1
0
_
_
+ 0
_
_
1
1
1
_
_
=
_
_
0
1
0
_
_
B
(
_
_
1
1
0
_
_
) =
_
_
1
4
0
_
_
= 5
_
_
1
0
0
_
_
+ 4
_
_
1
1
0
_
_
+ 0
_
_
1
1
1
_
_
=
_
_
5
4
0
_
_
B
(
_
_
1
1
1
_
_
) =
_
_
2
2
5
_
_
= 0
_
_
1
0
0
_
_
3
_
_
1
1
0
_
_
+ 5
_
_
1
1
1
_
_
=
_
_
0
3
5
_
_
B
Jadi
A = (, B, B) =
_
_
0 5 0
1 4 3
0 0 5
_
_
.
Home Page
Title Page


Page 72 of 132
Go Back
Full Screen
Close
Quit
3. Diberikan suatu ruang vektor V = a+b

2+c

3[(a, b, c) Q
3

atas Q, dimana Q adalah himpunan bilangan rasional.


a. Tunjukkan bahwa vektor-vektor 1,

2,

3 adalah bebas
linier.
b. Ungkapkan
1
1

2
+
2

12 2
sebagai kombinasi linier dari
vektor-vektor 1,

2,

3.
Jawab
a. Misalkan, a + b

2 + c

3 = 0, assumsikan a
2
+ b
2
+ c
2
,= 0. Bila
ac ,= 0, maka b

2 = a c

3 2b
2
= a
2
+ 2ac

3 + 3c
2

3 =
2b
2
a
2
3c
2
2ac
(tidak mungkin bilangan irrasional sama dengan
bilangan rasional). Jadi haruslah ac = 0, didapat a = 0 dan
andaikan c ,= 0, maka b

2 + c

3 = 0
b
c
=

2
(dengan alasan
sama seperti sebelumnya tidak mungkin terjadi). Jadi harus-
lah c = 0. Sehingga didapat b

2 = 0 b = 0. Jadi, diperoleh
a = b = c = 0.
b.
1
1

2
+
2

12 2
=
1 +

2
1 2
+
2

12 + 4
12 4
= 1

2 +
1
2

3 +
1
2
=
1
2
(1) 1(

2) +
1
2
(

3).
Home Page
Title Page


Page 73 of 132
Go Back
Full Screen
Close
Quit
4. Dapatkan suatu matriks representasi dari pemetaan linier
: R
2
R
2
terhadap basis terurut standart (baku) bila
Ker() = Im() dan
(
_
1
1
_
) =
_
2
3
_
.
Jawab
Perhatikan bahwa
_
2
3
_
Im() = Ker() (
_
2
3
_
) =
_
0
0
_
.
Sehingga terhadap basis terurut baku di R
2
, didapat
(
_
1
0
_
) = (3
_
1
1
_

_
2
3
_
) = 3(
_
1
1
_
) (
_
2
3
_
) =
_
6
9
_
(
_
0
1
_
) = (
_
2
3
_
2
_
1
1
_
) = (
_
2
3
_
) 2(
_
1
1
_
) =
_
4
6
_
.
Sehingga didapat, matriks representasi dari pemetaan
adalah:
A =
_
6 4
9 6
_
.
Home Page
Title Page


Page 74 of 132
Go Back
Full Screen
Close
Quit
Rank suatu matriks.
Suatu matriks A berukuran n m de-
ngan elemen-elemen di K mendenisikan
suatu pemetaan linier dari K
m
ke K
n
sedemikian hingga A = (, E
m
, E
n
) dimana
E
m
dan E
n
masing-masing adalah basis
baku dari K
m
dan K
n
. Rank dari matriks A
adalah rank dari , jadi rank(A) = rank() =
dim(Im()). Ruang bagian dari K
m
yang
dibentangkan oleh vektor-vektor baris dari
A dinamakan ruang baris dari A dan mem-
punyai dimensi rank baris dari A yang
merupakan banyaknya vektor-vektor baris
dari A yang bebas linier. Ruang bagian dari
K
n
yang dibentangkan oleh vektor-vektor
kolom dari A dinamakan ruang kolom dari
A dan mempunyai dimensi rank kolom
dari A yang merupakan banyaknya vektor-
vektor kolom dari A yang bebas linier.
Home Page
Title Page


Page 75 of 132
Go Back
Full Screen
Close
Quit
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi
rank kolom dari suatu matriks sama dengan rank matriksnya.
Bukti.
Misalkan A berukuran n m dan suatu pemetaan linier dari
K
m
ke K
n
sedemikian hingga A = (, E
m
, E
n
), dimana E
m
=
e
1
, . . . , e
m
dan E
n
= e
1
, . . . , e
n
masing-masing adalah basis baku
terurut dari K
m
dan K
n
. Misalkan bahwa matriks
A =
_
_
a
1,1
. . . a
1,m
. . . . . . . . .
a
n,1
. . . a
n,m
_
_
,
maka untuk j = 1, . . . , m,
(e
j
) =
n

i=1
a
i,j
e
i
=
_
_
a
1,j
.
.
.
a
n,j
_
_
adalah kolom ke-j dari matriks A. Tetapi, Im() dibangun oleh
(e
1
), . . . , (e
m
), oleh karena itu Im() = ruang kolom(A). Jadi
rank(A)=rank kolom(A).
Home Page
Title Page


Page 76 of 132
Go Back
Full Screen
Close
Quit
Rank baris dan rank kolom dari setiap matriks adalah sama.
Bukti
Misalkan matriks A berukuran n m dengan eleme-elemen di
K diberikan oleh
_
_
a
11
. . . a
1m
.
.
.
.
.
.
.
.
.
a
n1
. . . a
nm
_
_
dan misalkan B
i
, i = 1, 2, . . . , n menyatakan baris ke-i dari ma-
triks A. Selanjutnya misalkan rank baris(A) = r dan S
j
, j =
1, 2, . . . , r adalah basis dari ruang baris matriks A. Maka, un-
tuk setiap i = 1, 2, . . . , n, B
i
=
r

j=1
k
ij
S
j
untuk beberapa k
ij
K.
Komponen ke-l dari vektor B
i
mempunyai bentuk a
il
=
r

j=1
k
ij
s
jl
dengan i = 1, . . . , n, l = 1, . . . , m. Sehingga didapat kolom ke-l
dari matriks A adalah C
l
=
r

j=1
L
j
s
jl
=
r

j=1
s
jl
L
j
, dimana L
j
adalah
vektor kolom dengan komponen ke-i adalah k
ij
. Terlihat bahwa
setiap kolom dari A adalah merupakan kombinasi linier dari se-
banyak r vektor. Jadi rank kolom(A) rank baris(A). Dengan
menggunakan argumentasi (alasan yang sama) untuk matriks
A
/
(matriks transpose dari A), didapat rank baris(A) rank
kolom(A). Jadi rank baris(A) = rank kolom(A).
Home Page
Title Page


Page 77 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan:
1. Suatu matriks A berukuran n n dengan
elemen-elemen di lapangan F mempunyai
invers bila dan hanya bila rank(A) = n.
2. Misalkan A matriks berukuran nm den-
gan elemen-elemen di lapangan F, bila
Ax = 0, maka himpunan penyelesaian
dari sistem linier homogin tsb. meru-
pakan ruang bagian dari F
m
dengan di-
mensi m rank(A). Hal ini mempun-
yai arti bahwa ada sebanyak mrank(A)
parameter dalam himpunan penyelesaian
dari Ax = 0.
3. Persamaan tak homogin Ax = b, mem-
punyai penyelesaian bila dan hanya bila
rank(A) = rank(A, b). Himpunan penye-
lesaian ini mempunyai sebanyak m
rank(A) parameter.
Home Page
Title Page


Page 78 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks
A =
_
_
1 2 1 1
0 1 0 1
0 0 0 3
_
_
.
Vektor vektor kolom dari A tidak bebas linier. Hanya sebanyak
3 vektor kolom yang bebas linier, yaitu kolom ke-1, kolom ke-2
dan kolom ke-4. Jadi rank kolom(A) = 3 dan semua vektor baris
dari A bebas linier (sebanyak 3). Penyelesaian dari Ax = 0 akan
memuat sebanyak 4 3 = 1 paramater yaitu
x =
_
_
_
_
_
t
0
t
0
_
_
_
_
_
. Bila b =
_
_
2
1
9
_
_
,
rank(A, b) = 3. Jadi penyelesaian Ax = b akan memuat se-
banyak 4 3 = 1 parameter yaitu
x =
_
_
_
_
_
7 t
4
t
3
_
_
_
_
_
.
Home Page
Title Page


Page 79 of 132
Go Back
Full Screen
Close
Quit
Eigen-vektor dan eigen-value.
Misalkan : U U suatu pemetaan lin-
ier pada ruang vektor U berdimensi n
atas lapangan F. Bila u U dan F
memenuhi (u) = u, maka u dinamakan
suatu eigen-vektor dari yang bersesuaian
dengan eigen-value .
Misalkan A suatu matriks ukuran n n de-
ngan elemen-elemennya di suatu lapangan
F. Bila ada vektor tak nol x F
n
dan skalar
F yang memenuhi Ax = x, maka x
dikatakan suatu eigen-vektor dari matriks
A yang bersesuaian dengan eigen-value .
Home Page
Title Page


Page 80 of 132
Go Back
Full Screen
Close
Quit
Misalkan matriks A = (, B, B) adalah re-
presentasi dari pemetaan linier : U U
terhadap basis terurut B dari ruang vektor
U. Selanjutnya bila
B
adalah pemetaan ko-
ordinat dari U ke F
n
, maka A =
B

1
B
dan
x =
B
(u). Jadi Ax = x (
B

1
B
)(
B
(u)) =

B
(u)
B
((u)) =
B
(u) (u) = u.
Bila : U U suatu pemetaan linier dan masing masing
matriks A = (, B, B) dan

A = (, B, B) adalah representasi dari
dengan basis terurut yang berbeda, maka eigenvalue dari A
sama dengan eigenvalue dari

A.
Bukti
Misalkan P = (I
U
, B, B) matriks perubahan basis dari basis B ke
basis B, maka

A = PAP
1
. Bila Ax = x didapat (PAP
1
)(Px) =
(Px). Sehingga diperoleh

A x = x dimana x = Px. Terlihat
bahwa matriks A dan

A mempunyai eigenvalue yang sama.
Home Page
Title Page


Page 81 of 132
Go Back
Full Screen
Close
Quit
Cara menghitung eigenvalue dan eigenvektor
Misalkan A suatu matriks berukuran n n dan Ax = x
dengan x ,= 0 dan x F
n
, maka (I A)x = 0, dimana I adalah
matriks identitas dengan ukuran n n. Persamaan homogin
(I A)x = 0 mempunyai jawab nontrivial bila dan hanya
bila det(I A) = 0. Persamaan det(I A) = 0 dinamakan
persamaan kharakteristik dari matriks A yang merupakan
persamaan polinomial dalam dengan derajad n.
Contoh Diberikan matriks
A =
_
0 1
2 3
_
det(
_
1
2 3
_
) =
2
3 + 2 = ( 1)( 2).
Untuk = 1 didapat:
_
1 1
2 2
__
x
1
x
2
_
=
_
0
0
_
x
1
= x
2
x =
_
1
1
_
,
sedangkan untuk = 2 didapat:
_
2 1
2 1
__
x
1
x
2
_
=
_
0
0
_
x
2
= 2x
1
x =
_
1
2
_
.
Home Page
Title Page


Page 82 of 132
Go Back
Full Screen
Close
Quit
Pendiagonalan suatu matriks
Suatu matriks A berukuran n n dengan elemen-elemen
di F similar dengan matriks diagonal bila dan hanya bila
eigenvektor-eigenvektornya membentang ruang F
n
(span F
n
).
Bukti
Misalkan x
1
, x
2
, . . . , x
n
adalah eigenvektor-eigenvektor dari ma-
triks A dimana x
1
, x
2
, . . . , x
n
) = F
n
. Jadi matriks Q =
[x
1
[ x
2
[ . . . [ x
n
] mempunyai invers, misalkan Q
1
= P. Sehingga
didapat
AQ = A[x
1
[ x
2
[ . . . [ x
n
]
= [Ax
1
[ Ax
2
[ . . . [ Ax
n
]
= [
1
x
1
[
2
x
2
[ . . . [
n
x
n
]
= [x
1
[ x
2
[ . . . [ x
n
]
_
_
_
_
_

1
. . . . . . 0
.
.
.
2
. . .
.
.
.
.
.
. . . .
.
.
.
.
.
.
0 . . . . . .
n
_
_
_
_
_
= Q

A

A = Q
1
AQ

A = PAP
1
.
Home Page
Title Page


Page 83 of 132
Go Back
Full Screen
Close
Quit
Selidiki apakah matriks dibawah ini bisa didiagonalkan!
A =
_
0 1
2 3
_
.
Dalam pembahasan sebelum didapat bahwa
AX
1
=
1
X
1
dan AX
2
=
2
X
2
dimana

1
= 1, X
1
=
_
1
1
_
dan
2
= 2, X
2
=
_
1
2
_
.
Untuk matriks
Q = [X
1
X
2
] =
_
1 1
1 2
_
didapat

A = Q
1
AQ =
_
2 1
1 1
__
0 1
2 3
__
1 1
1 2
_
=
_
1 0
0 2
_
.
Terlihat bahwa matriks A dapat didiagonalkan menjadi matriks

A.
Home Page
Title Page


Page 84 of 132
Go Back
Full Screen
Close
Quit
Bila matriks A berukuran n n mempunyai n eigenvalue
yang berbeda satu dengan yang lainnya, maka eigenvektor-
eigenvektornya bebas linier.
Bukti
Misalkan
1
,
2
, . . . ,
n
adalah eigenvalue-eigenvalue yang
berbeda satu dengan yang lainnya dan X
1
, X
2
, . . . , X
n
adalah
eigenvektor-eigenvektor yang bersesuaian. Dengan menggu-
nakan induksi dibuktikan bahwa eigenvektor-eigenvektor tsb.
bebas linier. Misalkan bahwa X
1
, X
2
, . . . , X
k
bebas linier dan
untuk
a
1
X
1
+ a
2
X
2
+ . . . + a
k
X
k
+ a
k+1
X
k+1
= 0. (1)
Sehingga didapat
A(a
1
X
1
+ a
2
X
2
+ . . . + a
k
X
k
+ a
k+1
X
k+1
) = 0
atau
a
1

1
X
1
+ a
2

2
X
2
+ . . . + a
k

k
X
k
+ a
k+1

k+1
X
k+1
= 0. (2)
Kalikan
k+1
pada persamaan (1) selanjutnya hasilnya ku-
rangkan pada persamaan (2), didapat:
Home Page
Title Page


Page 85 of 132
Go Back
Full Screen
Close
Quit
a
1
(
1

k+1
)X
1
+ a
2
(
2

k+1
)X
2
+ . . . + a
k
(
k

k+1
)X
k
= 0.
Karena X
1
, . . . , X
k
bebas linier dan
i
,=
j
, i ,= j, maka harus-
lah a
1
= a
2
= . . . = a
k
= 0. Sehingga persamaan (1) menjadi
a
k+1
X
k+1
= 0 dan karena X
k+1
,= 0, maka haruslah a
k+1
= 0. Ter-
lihat bahwa bila dari kenyataan persamaan (1) dipenuhi maka
berakibat a
1
= a
2
= . . . = a
k
= a
k+1
= 0, hal ini menunjukkan
bahwa vektor-vektor X
1
, X
1
, . . . , X
k
, X
k+1
adalah bebas linier.
Kesimpulan
Bila matriks A berukuran n n dengan elemen-elemen di
lapangan F mempunyai eigenvalue-eigenvalue yang berbeda,
maka matriks A dapat didiagonalkan.
Bukti
Dengan menggunakan dua hasil sebelumnya didapat bahwa,
eigenvektor-eigenvektor yang bersesuaian dengan eigenvalue-
eigenvalue merupakan vektor-vektor yang bebas linier. Se-
hingga vektor-vektor ini membentangkan keseluruhan ruang
F
n
. Akibatnya matriks A dapat didiagonalkan.
Home Page
Title Page


Page 86 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks
A =
_
_
0 1 0
0 0 1
6 11 6
_
_
.
Polinomial kharakteristik A adalah
p() =

1 0
0 1
6 11 6

1
11 6

+ 1

0 1
6 6

p() = (
2
6) +116 =
3
6
2
+116 = (1)(2)(3).
Didapat
1
= 1,
2
= 2 dan
3
= 3. Sehingga didapat pasangan
eigenvalue-eigenvektor:

1
= 1, X
1
=
_
_
1
1
1
_
_
;
2
= 2, X
2
=
_
_
1
2
4
_
_
;
3
= 3, X
3
=
_
_
1
3
9
_
_
.
dan
Q = [X
1
X
2
X
3
] =
_
_
1 1 1
1 2 3
1 4 9
_
_
Q
1
=
_
_
3
5
2
1
2
3 4 1
1
3
2
1
2
_
_
.
Matriks

A = Q
1
AQ adalah matriks diagonal dengan elemen-
elemen diagonal
1
= 1,
2
= 2,
3
= 3.
Home Page
Title Page


Page 87 of 132
Go Back
Full Screen
Close
Quit
Matriks invarian
Suatu matriks bujur sangkar invarian
adalah suatu sifat dari suatu matriks yang
tidak berubah bila matriks ditransformasi
dengan suatu cara tertentu. Eigenvalue-
eigenvalue dari suatu matriks adalah in-
varian dibawah suatu transformasi kesemi-
laran, begitu juga trace dan determinan-
nya. (Trace suatu matriks A adalah jum-
lah keseluruhan eleme-elemen diagonalnya:
tr(A) =
n

i=1
a
i,i
).
Home Page
Title Page


Page 88 of 132
Go Back
Full Screen
Close
Quit
Bila adalah eigenvalue dari matriks A,
maka juga eigenvalue dari suatu matriks
PAP
1
Bukti Misalkan AX = X dan Y = PX
dengan P matriks yang punya invers,
jadi X = P
1
Y. Sehingga didapat
A(P
1
Y) = (P
1
Y) (PAP
1
)Y = Y.
Terlihat bahwa juga eigenvalue dari ma-
triks PAP
1
.
Bila ABC adalah haasil kali matriks bujur
sangkar, maka tr(ABC) = tr(BCA).
Home Page
Title Page


Page 89 of 132
Go Back
Full Screen
Close
Quit
Bukti
(ABC)
i,l
=
n

k=1
_
_
n

j=1
a
i,j
b
j,k
c
k,l
_
_
.
Didapat
tr(ABC)=
n

i=1
(ABC)
i,i
=
n

i=1
_
_
n

k=1
_
_
n

j=1
a
i,j
b
j,k
c
k,i
_
_
_
_
=
n

j=1
_
_
n

i=1
_
_
n

k=1
b
j,k
c
k,i
a
i,j
_
_
_
_
=tr(BCA).
Home Page
Title Page


Page 90 of 132
Go Back
Full Screen
Close
Quit
Trace dan determinan dari suatu matriks
bujur sangkar adalah invarian dalam suatu
tranformasi similar. Lagi pula bila matriks
A dapat didiagonalkan dengan eigenvalue

i
, i = 1, . . . , n, maka tr(A) =
n

i=1

i
dan
det(A) =
n

i=1

i
.
Bukti Dari hasil sebelumnya,
tr(PAP
1
) = tr(P
1
PA) = tr(A). Dan
det(PAP
1
) = det(P)det(A)det(P
1
) =
det(A)(det(P)det(P
1
)) = det(A)det(PP
1
) =
det(A)det(I) = det(A). Jelas bahwa bila
PAP
1
=

A dimana

A matriks diagonal den-
gan elemen-elemen diagonal
i
, i = 1, . . . , n,
maka tr(A) =
n

i=1

i
dan det(A) =
n

i=1

i
.
Home Page
Title Page


Page 91 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks matriks
A =
_
_
0 1 0
0 0 1
6 11 6
_
_

1
= 1,
2
= 2,
3
= 3.
tr(A) = 0 + 0 + 6 = 6

1
+
2
+
3
= 1 + 2 + 3 = 6
_
tr(A) =
1
+
2
+
3
.
det(A) = 6

1 0
0 1

= 6

3
= 1(2)(3) = 6
_

_
det(A) =
1

3
.
Home Page
Title Page


Page 92 of 132
Go Back
Full Screen
Close
Quit
Misalkan adalah sutu eigenvalue dari
pemetaan linier : U U. Himpunan
semua eigenvektor-eigenvektor yang bers-
esuaian dengan eigenvalue beserta vek-
tor nol dinamakan ruang eigen dari U dino-
tasikan dengan E

(U). Ruang eigen E

(U)
adalah ruang bagian dari ruang vektor
U, sebab merupakan kernel dari pemetaan
(I
U
). Dimensi dari subruang E

(U) di-
namakan multiplisitas geometri dari dan
dan banyaknya yang sama (kembar) di-
namakan multiplisitas aljabar dari . Mis-
alkan multiplisitas geometri dari adalah
a dan multiplisitas aljabar dari adalah b,
maka a b.
Home Page
Title Page


Page 93 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Diberikan matriks
A =
_
_
2 1 1
0 3 1
0 1 3
_
_
det(IA) = (2)
2
(4).
E
2
(R
3
) = ker(
_
_
0 1 1
0 1 1
0 1 1
_
_
) =
_
_
_
1
0
0
_
_
,
_
_
0
1
1
_
_
_
E
4
(R
3
) = ker(
_
_
2 1 1
0 1 1
0 1 1
_
_
) =
_
_
_
1
1
1
_
_
_
Terlihat bahwa untuk = 2 ataupun = 4
multiplisitas geometri = multiplisitas al-
jabar.
Home Page
Title Page


Page 94 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan matriks
A =
_
_
2 1 0
0 2 0
0 0 4
_
_
det(I A) = (2)
2
(4).
E
2
(R
3
) = ker(
_
_
0 1 0
0 0 0
0 0 2
_
_
) =
_
_
_
1
0
0
_
_
_
E
4
(R
3
) = ker(
_
_
2 1 0
0 2 0
0 0 0
_
_
) =
_
_
_
0
0
1
_
_
_
Terlihat bahwa untuk = 2 multiplisitas ge-
ometri < multiplisitas aljabar tetapi untuk
= 4 multiplisitas geometri = multiplisitas
aljabar.
Home Page
Title Page


Page 95 of 132
Go Back
Full Screen
Close
Quit
Bila det(I A) =
n
+ c
n1

n1
+ . . . + c
0
,
maka A
n
+ c
n1
A
n1
+ . . . + c
0
I = 0.
Bukti
Bila PAP
1
= D dimana matriks D adalah
matriks diagonal dengan elemen-elemen di-
agonal
i
, i = 1, . . . , n adalah eigenvalue-
eigenvalue dari matriks A. Sehingga dida-
pat :
A
n
+ c
n1
A
n1
+ . . . + c
0
I =
P
1
(D
n
+ c
n1
D
n1
+ . . . + c
0
I)P =
P
1
_
_

n
1
+ c
n1

n1
1
+ . . . + c
0
. . . 0
.
.
.
.
.
.
.
.
.
0 . . .
n
n
+ c
n1

n1
n
+ . . . + c
0
_
_
P = 0.
Home Page
Title Page


Page 96 of 132
Go Back
Full Screen
Close
Quit
Contoh Diberikan matriks
A =
_
_
0 1 0
0 0 1
6 11 6
_
_
det(IA) =
3
6
2
+116.
Sehingga didapat matriks A
3
6A
2
+11A6I
adalah:
_
_
6 11 6
36 60 25
150 239 90
_
_

_
_
0 0 6
36 66 36
216 360 150
_
_
+
_
_
0 11 0
0 0 11
66 121 66
_
_

_
_
6 0 0
0 6 0
0 0 6
_
_
=
_
_
(6 6) (11 + 11) (6 6)
(36 36) (60 + 66 6) (25 36 + 11)
(150 216 + 66) (239 + 360 121) (90 150 + 66 6)
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
Home Page
Title Page


Page 97 of 132
Go Back
Full Screen
Close
Quit
Ke-Orthogonalan
Misalkan V suatu ruang vektor atas lapangan riil R. Hasil kali
dalam riil (real inner product) juga dinamakan bilinier adalah
fungsi dari V V ke R dinotasikan oleh u, v) yang memenuhi
r
1
u
1
+ r
2
u
2
, v) = r
1
u
1
, v) +r
2
u
2
, v) untuk semua u
1
, u
2
, v V
dan r
1
, r
2
R (Linier).
u, v) = v, u) untuk semua u, v V (Simetri).
u, u) 0 untuk semua u V dan u, u) = 0 bila dan hanya
bila u = 0 (semi denit positip).
Bila x = (x
1
, . . . , x
n
), y = (y
1
, . . . , y
n
) R
n
maka hasil kali dalam
baku diberikan oleh x, y)
def
=
n

i=1
x
i
y
i
(juga dinamakan dot
product dalam geometri Euclide). Bila vektor-vektor x dan y
disajikan dalam vektor kolom, maka x, y) = x
/
y.
Suatu norm dari ruang vektor V ke lapangan riil R adalah
suatu fungsi dinotasikan oleh [[ [[ yang memenuhi
[[v[[ 0 untuk semua v V dan [[v[[ = 0 bila dan hanya bila
u = 0 (Denit positip).
[[rv[[ = [r[ [[v[[ untuk semua v V, r R
[[u + v[[ [[u[[ + [[[v[[ untuk semua u, v V (Pertaksamaan
segitiga).
Home Page
Title Page


Page 98 of 132
Go Back
Full Screen
Close
Quit
Untuk setiap u R
n
norm Euclide diberikan oleh
[[u[[
p
def
=
_
n

i=1
[u
i
[
p
_1
p
dalam hal ini dinamakan norm-p. Khusus
untuk p = 2 cukup ditulis [[u[[ =
_
n

i=1
[u
i
[
2
_1
2
Misalkan V suatu ruang vektor atas lapangan R.
1. Dua vektor u, v V dikatakan orthogonal bila u, v) = 0.
2. Suatu himpunan dari vektor-vektor adalah orthogonal bila
setiap dua pasang vektor orthogonal.
3. Suatu vektor u V adalah ternormalisir bila [[u[[ = 1.
4 Dua vektor u, v V dikatakan orthonormal bila [[u[[ = [[v[[ =
1 dan u, v) = 0.
Setiap vektor u V bisa dinormalisir kedalam bentuk
u
[[u[[
.
Home Page
Title Page


Page 99 of 132
Go Back
Full Screen
Close
Quit
Contoh
Himpunan vektor-vektor (1, 0), (0, 1) adalah orthonormal,
tetapi (1, 1), (1, 1) adalah orthogonal. Himpunan yang
terakhir ini dapat dijadikan orthonormal sebagai himpunan
berikut ini
__
1

2
,
1

2
_
,
_

2
,
1

2
__
Suatu basis orthonormal dari suatu ruang vektor mempunyai
beberapa kemanfaatan dan basis baku dari ruang vektor R
n
adalah orthonormal, yaitu basis baku dari ruang vektor R
3
adalah himpunan (1, 0, 0), (0, 1, 0), (0, 0, 1).
Diberikan matriks A berukuran n n, matriks A dikatakan
matriks simetri bila A = A
/
dan dikatakan anti-simetri (skew-
symmetric) bila A = A
/
. Matriks simetri bermaanfaat dalam
bentuk kuadrat, misalnya
_
x y
_
_
a
1,1
a
1,2
a
1,2
a
2,2
__
x
y
_
= a
1,1
x
2
+ 2a
1,2
xy + a
2,2
y
2
Home Page
Title Page


Page 100 of 132
Go Back
Full Screen
Close
Quit
Bila matriks A simetri dengan elemen-elemen riil dan berlaku
Ax = x dengan x ,= 0, maka selalu merupakan bilangan riil.
Bukti
Digunakan tanda

untuk menyatakan komplek sekawan (com-
plex conjugate). Kedua ruas dari Ax = x kalikan dengan x

/
didapat
x

/
Ax = (x

/
x) (3)
Persamaan (3) kedua ruas ditranspose-konjuget didapat
x

/
Ax =

(x

/
x) (4)
Persamaan (4) dikurangi persamaan (3) didapat
0 = (

)(x

/
x) 0 =

(sebab x ,= 0). Jadi

= , maka
dari itu merupakan bilangan riil.
Home Page
Title Page


Page 101 of 132
Go Back
Full Screen
Close
Quit
Misalkan A matriks simetri berukuran n n dengan elemen-
elemen riil. Bila dan adalah sebarang dua eigenvalue dari
matriks A dengan masing-masing eigenvektor adalah x dan y
dan ,= , maka x, y) = 0.
Bukti
Kedua ruas persamaan Ax = x kalikan dengan y
/
didapat
y
/
Ax = (y
/
x). (5)
Kedua ruas persamaan Ay = y kalikan dengan x
/
didapat
x
/
Ay = (x
/
y). (6)
Kedua ruas persamaan (6) ditranspose didapat
y
/
Ax = (y
/
x). (7)
Persamaan (7) dikurangi persamaan (5) didapat
0 = ( )(y
/
x) 0 = y
/
x = x, y) (sebab ,= ).
Home Page
Title Page


Page 102 of 132
Go Back
Full Screen
Close
Quit
Matriks A berukuran n n dikatakan orthogonal bila
AA
/
= I = A
/
A yaitu A
1
= A
/
.
Bila B
i
dan K
j
masing-masing menyatakan baris ke-i dan
kolom ke-j dari suatu matriks orthogonal A berukuran n n,
maka B
i
, i = 1, . . . , n dan K
j
, j = 1, . . . , n adalah himpunan
dari vektor-vektor orthonormal.
Bukti
Dari elemen perkalian matriks (AA
/
)
i,j
= B
i
, B
j
) dan fakta AA
/
=
I didapat B
i
, B
j
) =
_
1 i = j
0 yang lainnya
, terlihat bahwa baris-
baris dari A adalah orthonormal. Bila A orthogonal, maka A
/
juga orthogonal, jadi kolom-kolom dari A juga orthonormal.
Contoh
Bila matriks A diberikan oleh
A =
_
_
0 1 0
0 0 1
1 0 0
_
_
, maka AA
/
=
_
_
0 1 0
0 0 1
1 0 0
_
_
_
_
0 0 1
1 0 0
0 1 0
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
= I.
Juga dapat dicek bahwa A
/
A = I. Jadi A adalah matriks or-
thogonal.
Home Page
Title Page


Page 103 of 132
Go Back
Full Screen
Close
Quit
Contoh
Bila matriks A diberikan oleh
A =
_
_
_
_
_
_
0
1

2
1

2
1 0 0
0
1

2
1

2
_
_
_
_
_
_
,
maka matriks A adalah orthogonal, sebab
AA
/
=
_
_
_
_
_
_
0
1

2
1

2
1 0 0
0
1

2
1

2
_
_
_
_
_
_
_
_
_
_
_
_
0 1 0

2
0
1

2
1

2
0
1

2
_
_
_
_
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
= I.
Juga dapat dicek bahwa A
/
A = I
Home Page
Title Page


Page 104 of 132
Go Back
Full Screen
Close
Quit
Suatu pemetaan linier yang direpresentasikan oleh suatu ma-
triks orthogonal adalah mempertahankan jarak dari suatu vek-
tor, yaitu bila A suatu matriks orthogonal, maka [[Ax[[ = [[x[[
untuk semua x R
n
.
Bukti
Dari persamaan [[x[[ =
_
x, x) dan x, x) = x
/
x, didapat [[x[[
2
=
x
/
x. Oleh karena itu [[Ax[[
2
= x
/
A
/
Ax = x
/
x = [[x[[
2
[[Ax[[ = [[x[[.
Contoh
Diberikan matriks orthogonal
A =
_
_
_
_
_
_
0
1

2
1

2
1 0 0
0
1

2
1

2
_
_
_
_
_
_
dan sebarang x =
_
_
x
1
x
2
x
3
_
_
R
n
,
maka dapat ditunjukkan bahwa [[Ax[[ = [[x[[ sebagai mana
berikut ini:
Home Page
Title Page


Page 105 of 132
Go Back
Full Screen
Close
Quit

_
_
_
_
_
_
0
1

2
1

2
1 0 0
0
1

2
1

2
_
_
_
_
_
_
_
_
x
1
x
2
x
3
_
_

_
_
_
_
_
_

2
x
2
+
1

2
x
3
x
1
1

2
x
2
+
1

2
x
3
_
_
_
_
_
_

=
_
(
1

2
x
2
+
1

2
x
3
)
2
+ x
2
1
+ (
1

2
x
2
+
1

2
x
3
)
2
_
1
2
x
2
2
x
2
x
3
+
1
2
x
2
3
+ x
2
1
+
1
2
x
2
2
+ x
2
x
3
+
1
2
x
2
3
_
x
2
1
+ x
2
2
+ x
2
3
= [[x[[.
Home Page
Title Page


Page 106 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan yang bisa diperoleh dari matriks simetri berkaitan
dengan pendiagonalan matriks diberikan sebagaimana berikut
ini.
Kesimpulan
Bila matriks simetri A berukuran nn mempunyai eigenvalue-
eigenvalue yang berbeda, maka A dapat didiagonalkan melalui
suatu matriks orthogonal.
Komentar : Karena matriks A mempunyai eigenvalue-
eigenvalue yang berbeda, maka dapat didiagonalkan men-
jadi matriks Q
1
AQ dimana matriks Q = [x
1
[x
2
[ . . . [x
n
] dengan
x
i
, i = 1, . . . , n adalah eigenvektor-eigenvektor dari A yang sesuai
dengan eigenvaluenya. Berdasarkan hasil sebelumnya vektor-
vektor x
i
, i = 1, . . . , n saling orthogonal. Bila vektor-vektor ini
dinormalkan maka didapat matriks orthogonal
P =
_
x
1
[[x
1
[[

x
2
[[x
2
[[

. . .

x
n
[[x
n
[[
_
, sehingga matriks P
/
AP juga meru-
pakan matriks diagonal.
Home Page
Title Page


Page 107 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks simetri
A =
_
1

2 2
_

_
0
0
_

_
1

2 2
_

_
1

2 2
_

.
Sehingga didapat polinomial kharakteristik dari matriks A
adalah p() = ( 1)( 2) 2 =
2
3 = ( 3). Untuk
eigenvalue
1
= 0 dan
2
= 3 didapat masing-masing eigenvek-
tor yang sesuai adalah:
x
1
=
_

2
1
_
dan x
2
=
_
1

2
_
.
Sehingga diperoleh
x
1
[[x
1
[[
=
_
_
_
_
_
_

3
1

3
_
_
_
_
_
_
dan
x
2
[[x
2
[[
=
_
_
_
_
_
_
1

3
_
_
_
_
_
_
.
Bila matriks P =
_
x
1
[[x
1
[[
x
2
[[x
2
[[
_
, maka pendiagonalan dari ma-
triks A adalah P
/
AP dan hasilnya diberikan sebagai berikut
Home Page
Title Page


Page 108 of 132
Go Back
Full Screen
Close
Quit
_
_
_
_
_
_
_

3
1

3
1

3
_
_
_
_
_
_
_
_
1

2 2
_
_
_
_
_
_
_
_

3
1

3
1

3
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_

3
+

3
+
2

3
1

3
+
2

3
+
2

3
_
_
_
_
_
_
_
_
_
_
_
_
_
_

3
1

3
1

3
_
_
_
_
_
_
_
=
_
_
_
_
0 0
3

3
3

3
_
_
_
_
_
_
_
_
_
_
_

3
1

3
1

3
_
_
_
_
_
_
_
=
_
0 0
0 3
_
Home Page
Title Page


Page 109 of 132
Go Back
Full Screen
Close
Quit
Berkaitan dengan matriks simetri dengan elemen-elemen riil.
Sebagaimana telah diketahui matriks simetri pasti semua
eigenvaluenya adalah riil, tetapi tidak menjamin bahwa se-
mua eigenvalue-eigenvalue ini berbeda satu dengan yang lain-
nya, bila semuanya berbeda maka pasti matriks simetri tsb.
bisa didiagonalkan. Bila ada yang rangkap, maka hal ini
ada dua kasus. Yang pertama bila masing-masing multi-
plisitas geometri = multiplisitas aljabar, maka pendiagonalan
matriks bisa dilakukan. Kedua, bila masing-masing multi-
plisitas geometri < multiplisitas aljabar, maka pendiagonalan
tidak dapat dilakukan. Pada khasus yang kedua tentunya
hanya beberapa eigenvektor yang orthogonal satu dengan yang
lainnya, yaitu yang berkaitan dengan eigenvalue-eigenvalue
yang saling berbeda satu dengan lainnya. Tetapi untuk
eigenvalue yang rangkap walaupun memberikan eigenvektor-
eigenvektor yang saling bebas linier tetapi tidak menjamin
bahwa eigenvektor-eigenvektor ini orthogonal. Oleh karena
itu matriks yang kolom-kolomnya merupakan eigenvektor-
eigenvektor bukan matriks orthogonal. Tetapi dengan be-
berapa modikasi matriks tsb. bisa dijadikan matriks or-
thogonal, cara pengorthogonalan ini mengarah apa yang di-
namakan proses Pengorthogonalan Gram-Schmidt. Contoh
berikut memberikan kejelasan mengenai pengorthogonalan su-
atu matriks.
Home Page
Title Page


Page 110 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan suatu matriks simetri
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
I A =
_
_
1 1 1
1 1 1
1 1 1
_
_
.
Polinomial kharakteristik dari A diberikan oleh
p() = det(I A) = ( 2)
2
( + 1). Pasangan eigenvalue eigen-
vektor diberikan oleh

1
= 2, x
1
=
_
_
1
0
1
_
_
;
2
= 2, x
2
=
_
_
1
1
0
_
_
;
3
= 1, x
3
=
_
_
1
1
1
_
_
.
Terlihat bahwa x
1
, x
3
) = x
2
, x
3
) = 0 tetapi x
1
, x
2
) = 1 ,= 0.
Penormalan dari x
2
dan x
3
didapat :
p
2
=
x
2
[[x
2
[[
=
_
_
_
_
_
_

2
1

2
0
_
_
_
_
_
_
danp
3
=
x
3
[[x
3
[[
=
_
_
_
_
_
_
_
1

3
1

3
1

3
_
_
_
_
_
_
_
.
Home Page
Title Page


Page 111 of 132
Go Back
Full Screen
Close
Quit
Untuk memperoleh suatu vektor x
1
supaya x
1
, x
2
) = 0, adalah
sebagai berikut. Misalkan x
1
+ ax
2
= x
1
, didapat x
/
2
x
1
+ ax
/
2
x
2
=
x
/
2
x
1
atau x
1
, x
2
) + a x
2
, x
2
) = x
1
, x
2
) a =
x
1
, x
2
)
x
2
, x
2
)
. Sehingga
didapat
x
1
= x
1

x
1
, x
2
)
x
2
, x
2
)
x
2
.
Jadi
x
1
=
_
_
1
0
1
_
_

1
2
_
_
1
1
0
_
_
=
_
_
_
_
_

1
2

1
2
1
_
_
_
_
_
Dengan menormalkan vektor x
1
didapat:
p
1
=
x
1
[[ x
1
[[
=
_
_
_
_
_
_
_

6
2

6
_
_
_
_
_
_
_
.
Jadi matriks P = [p
1
[ p
2
[ p
3
] diberikan oleh:
Home Page
Title Page


Page 112 of 132
Go Back
Full Screen
Close
Quit
P =
_
_
_
_
_
_
_

2
1

6
1

2
1

3
2

6
0
1

3
_
_
_
_
_
_
_
P
/
P = I = PP
/
(P matriks orthogonal).
Sehingga didapat :
P
/
AP =
_
_
_
_
_
_
_

6
2

2
1

2
0
1

3
1

3
1

3
_
_
_
_
_
_
_
_
_
1 1 1
1 1 1
1 1 1
_
_
_
_
_
_
_
_
_

2
1

6
1

2
1

3
2

6
0
1

3
_
_
_
_
_
_
_
=
_
_
2 0 0
0 2 0
0 0 1
_
_
Home Page
Title Page


Page 113 of 132
Go Back
Full Screen
Close
Quit
Proses orthogonalisasi Gram-Schmidt
Diberikan himpunan vektor-vektor yang bebas linier S =
X
1
, X
2
, . . . , X
n
, dari S dibentuk himpunan vektor-vektor or-
thormal T = T
1
, T
2
, . . . , T
n
sebagi berikut:
t
1
= X
1
T
1
=
t
1
[[t
1
[[
t
2
= X
2

X
2
, X
1
)
X
1
, X
1
)
t
1
T
2
=
t
2
[[t
2
[[
.
.
.
.
.
.
t
n
= X
n

X
n
, t
1
)
t
1
, t
1
)
t
1

X
n
, t
2
)
t
2
, t
2
)
t
2
. . .
X
n
, t
n1
)
t
n1
, t
n1
)
t
n1
T
n
=
t
n
[[t
n
[[
Didapat matriks orthogonal
T = [T
1
[ T
2
[ . . . [ T
n
] .
Home Page
Title Page


Page 114 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks dengan kolom-kolom merupakan vektor-
vektor yang bebas linier, yaitu
A =
_
_
1 1 1
0 1 1
0 0 1
_
_
Misalkan X
1
, X
2
dan X
3
merupakan vektor-vektor kolom dari
A, maka
t
1
= X
1
=
_
_
1
0
0
_
_
T
1
=
t
1
[[t
1
[[
=
_
_
1
0
0
_
_
t
2
=
_
_
1
1
0
_
_

X
2
, t
1
)
t
1
, t
1
)
t
1
=
_
_
0
1
0
_
_
T
2
=
t
2
[[t
2
[[
=
_
_
0
1
0
_
_
t
3
=
_
_
1
1
1
_
_

X
3
, t
1
)
t
1
, t
1
)
t
1

X
3
, t
2
)
t
2
, t
2
)
t
2
=
_
_
0
0
1
_
_
T
3
=
t
3
[[t
3
[[
=
_
_
0
0
1
_
_
Terlihat bahwa matriks T = [T
1
T
2
T
3
] adalah matriks ortho-
gonal.
Home Page
Title Page


Page 115 of 132
Go Back
Full Screen
Close
Quit
Proyeksi dan General Invers
Proses orthogonal Gram-Schmid erat kaitannya dengan apa
yang dinamakan proyeksi sebagaimana akan terlihat dalam
pembahasan berikut ini. Ada kalanya sistem persamaan
linier Ax = y tidak mempunyai penyelesaian secara analitik
(eksak). Tetapi bila model linier yang dikaji ini merupakan
suatu problem nyata yang dijumpai, maka diperlukan suatu
alternatif penyelesaian untuk menjawab problem yang ada
sehingga penyelesaian yang didapat cukup untuk menjawab
problem. Suatu contoh berikut menjelaskan hal ini:
Diberikan sistem persamaan linier Ax = y:
_
6 3
2 1
__
x
1
x
2
_
=
_
2
2
_
. (8)
Jawab eksak dari persamaan ini tidak ada. Dalam hal ini,
selalu bisa didapat penyelesaian pendekatan x melalui peng-
gantian y dengan vektor y
/
di ruang kolom dalam A yang
dekat dengan y dan sebagi penggantinya selesaikan persamaan
Ax = y
/
. Untuk khasus yang diberikan dalam persamaan (8)
ruang kolom dari A adalah span:
W =
_
r
_
3
1
_

r R
_
.
Home Page
Title Page


Page 116 of 132
Go Back
Full Screen
Close
Quit
Dengan demikian dipilih y
/
= r
_
3
1
_
sehingga panjang
| y y
/
|=

_
2
2
_
r
_
3
1
_

sekecil mungkin. Gambar berikut secara geometri menjelaskan


pilihan dari vektor y
/
.
*
y =

2
2

= Proj
w
(y)

3
1

1
Sebelum menyelesaikan problem yang ada diberikan penger-
tian berikut. Misalkan W suatu ruang bagian dari R
n
dan
tulis y R
n
= W W

sebagai y = y
1
+ y
2
, dimana y
1
W
dan y
2
W

, maka y
1
dikatakan proyeksi dari y pada W dan
dinotasikan oleh y
1
= Proj
w
(y).
Home Page
Title Page


Page 117 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diselesaikan masalah persamaan linier
_
6 3
2 1
__
x
1
x
2
_
=
_
2
2
_
.
Pilih W =
__
3
1
__
sehingga didapat W

=
__
1
3
__
. Jadi
_
2
2
_
=
4
5
_
3
1
_
+
2
5
_
1
3
_
. Untuk meminimumkan panjang
| y y
/
| =

_
2
2
_
r
_
3
1
_

4
5
_
3
1
_
+
2
5
_
1
3
_
r
_
3
1
_

(
4
5
r)
_
3
1
_
+
2
5
_
1
3
_

,
dan karena
_
3
1
_
dan
_
1
3
_
orthogonal, maka haruslah r =
4
5
.
Sehingga didapat y
/
= Proj
w
_
2
2
_
=
4
5
_
3
1
_
= 0
_
6
2
_
+
4
5
_
3
1
_
.
Terlihat bahwa penyelesaian pendekatan adalah x
1
= 0 dan x
2
=
4
5
.
Home Page
Title Page


Page 118 of 132
Go Back
Full Screen
Close
Quit
Misalkan W suatu ruang bagian dari R
n
, maka vektor y
/
W
yang dekat ke y R
n
adalah y
/
= Proj
w
(y).
Bukti
Tulis y = y
1
+y
2
dengan y
1
W dan y
2
W

. Jadi y
1
= Proj
w
(y).
Untuk sebarang w W jarak kuadrat | y w |
2
diberikan oleh
| (y
1
w) + y
2
|
2
= < (y
1
w) + y
2
, (y
1
w) + y
2
>
= < y
1
w, y
1
w > + < y
2
, y
2
>
= | y
1
w |
2
+ | y
2
|
2
,
akan minimal bila w = y
1
= Proj
w
(y).
Suatu cara singkat untuk menentukan proyeksi dari suatu
rauang bagian W yang dibangun hanya oleh satu vektor w,
dimana V = W W

diberikan oleh
Proj
w
(y) =
< y, w >
< w, w >
w. (9)
Dalam hal ini adalah:
1.
< y, w >
< w, w >
w W.
2. y
< y, w >
< w, w >
w W

3. y =
< y, w >
< w, w >
w +
_
y
< y, w >
< w, w >
w
_
Home Page
Title Page


Page 119 of 132
Go Back
Full Screen
Close
Quit
Dengan menggunakan hasil dalam (9) didapat
Proj
w
_
2
2
_
=
2.3 + 2.1
3.3 + 1.1
_
3
1
_
=
4
5
_
3
1
_
.
Berikut ini diberikan suatu sifat bila ruang bagian W dibangun
oleh lebih dari satu vektor.
Misalkan W suatu ruang bagian dari R
n
dibangun oleh basis
orthogonal w
1
, . . . , w
k
dan misalkan y R
n
, maka
Proj
w
(y) =
< y, w
1
>
< w
1
, w
1
>
w
1
+ . . . +
< y, w
k
>
< w
k
, w
k
>
w
k
. (10)
Bukti
Misalkan y
1
=
< y, w
1
>
< w
1
, w
1
>
w
1
+. . .+
< y, w
k
>
< w
k
, w
k
>
w
k
. Maka untuk 1
i k didapat < yy
1
, w
i
>=< y, w
i
>
< y, w
i
>
< w
i
, w
i
>
< w
i
, w
i
>= 0.
Jadi y y
1
W

dan y
1
= Proj
w
(y).
Bila W suatu ruang bagian dari R
n
dengan basis orthonormal
w
1
, . . . , w
k
, maka persamaan (10) menjadi
Proj
w
(y) =< y, w
1
> w
1
+ . . . + < y, w
k
> w
k
. (11)
Home Page
Title Page


Page 120 of 132
Go Back
Full Screen
Close
Quit
Contoh
Dapatkan elemen dari ruang bagian W yang dekat den-
gan vektor (1, 2, 3)
/
, dimana W dibangun oleh vektor-vektor
(1, 2, 1)
/
, (1, 4, 1)
/
.
Jawab
Dengan menggunakan proses Gram-Schmidt, didapat basis or-
thonormal:
1

6
(1, 2, 1)
/
,
1

3
(1, 1, 1)
/
. Sehingga proyeksi dari
(1, 2, 3)
/
pada W adalah:
Proj
w
_
_
1
2
3
_
_
=
1

6
(1 + 4 3)
1

6
_
_
1
2
1
_
_
+
1

3
(1 + 2 + 3)
1

3
_
_
1
1
1
_
_
=
1
3
_
_
1
2
1
_
_
+
4
3
_
_
1
1
1
_
_
=
_
_
1
2
1
_
_
.
Sehingga didapat vektor
_
_
1
2
3
_
_
=
_
_
1
2
1
_
_
+
_
_
2
0
2
_
_
W W

,
elemen dari W dekat ke
_
_
1
2
3
_
_
adalah Proj
w
_
_
1
2
3
_
_
=
_
_
1
2
1
_
_
.
Home Page
Title Page


Page 121 of 132
Go Back
Full Screen
Close
Quit
Misalkan dipunyai suatu supply dari 5000 unit S, 4000 unit T
dan 2000 unit U. Bahan digunakan dalam pabrik untuk mem-
produksi P dan Q. Bila setiap unit dari P menggunakan 2 unit
S, 0 unit T dan 0 unit U; dan setiap unit dari Q menggunakan
3 unit S, 4 unit T dan 1 unit U. Berapa banyak unit p dari
P dan q dari Q yang harus dibuat supaya keseluruhan supply
digunakan?
Model matematika dari persoalan yang ada diberikan oleh per-
samaan:
_
_
2 3
0 4
0 1
_
_
_
p
q
_
=
_
_
5000
4000
2000
_
_
.
Persamaan dari model tidak mempunyai jawab eksak (anali-
tik) sebab vektor
_
_
5000
4000
2000
_
_
bukan merupakan kombinasi linier
dari vektor- vektor
_
_
2
0
0
_
_
dan
_
_
3
4
1
_
_
. Untuk meyelesaikan per-
samaan secara pendekatan, dilakukan hal berikut: Cari vektor
didalam ruang bagian W yang merupakan bentuk kombinasi
linier p
_
_
2
0
0
_
_
+ q
_
_
3
4
1
_
_
yang dekat dengan vektor
_
_
5000
4000
2000
_
_
Home Page
Title Page


Page 122 of 132
Go Back
Full Screen
Close
Quit
Dengan melakukan proses Gram-Schmidt di vektor-vektor
pembangun yang merupakan basis dari W, didapat basis or-
thonormal:
w
1
=
_
_
1
0
0
_
_
, w
2
=
1

17
_
_
0
4
1
_
_
.
Sehingga diperoleh:
Proj
w
_
_
5000
4000
2000
_
_
= 5000
_
_
1
0
0
_
_
+ (
16000

17
+
2000

17
)
1

17
_
_
0
4
1
_
_
= 5000
_
_
1
0
0
_
_
+
18000
17
_
_
0
4
1
_
_
= (2500 (
3
2
)(
18000
17
))
_
_
2
0
0
_
_
+
18000
17
_
_
3
4
1
_
_
.
Terlihat bahwa p = 2500 (
3
2
)(
18000
17
) = 911.76 dan q =
18000
17
=
1058.82.
Home Page
Title Page


Page 123 of 132
Go Back
Full Screen
Close
Quit
Pendekatan invers dari suatu matriks berukuran mn
Untuk setiap matriks A berukuran mn dengan elemen-elemen
riil, matriks A

berukuran nn dinamakan pendekatan invers


(psedoinverse) yang memenuhi A

y merupakan penyelesaian
pendekatan dari persamaan Ax = y. Kolom-kolom dari ma-
triks A

adalah penyelesaian pendekatan dari Ax = e


i
, dimana
e
i
, i = 1, . . . , m merupakan basis baku dari R
m
.
Contoh
Dapatkan matriks A

bila A =
_
_
2 3
0 4
0 1
_
_
dan hitung A

_
_
5000
4000
2000
_
_
.
Jawab Ruang kolom orthonormal dari matriks A adalah span
dari vektor-vektor: w
1
=
_
_
1
0
0
_
_
, w
2
=
1

17
_
_
0
4
1
_
_
. Sehingga di-
dapat
Proj
w
_
_
1
0
0
_
_
=
_
_
1
0
0
_
_
, Proj
w
_
_
0
1
0
_
_
=
_
_
0
16
17
4
17
_
_
, Proj
w
_
_
0
0
1
_
_
=
_
_
0
4
17
1
17
_
_
.
Dan kolom-kolom matriks A

didapat sebagai berikut


_
_
2 3
0 4
0 1
_
_
x =
_
_
1
0
0
_
_
x =
_
1
2
0
_
Home Page
Title Page


Page 124 of 132
Go Back
Full Screen
Close
Quit
_
_
2 3
0 4
0 1
_
_
x =
_
_
0
16
17
4
17
_
_
x =
_

16
17
4
17
_
_
_
2 3
0 4
0 1
_
_
x =
_
_
0
4
17
1
17
_
_
x =
_

3
34
1
17
_
Sehingga didapat matriks A

adalah:
A

=
_
1
2

6
17

3
34
0
4
17
1
17
_
.
Penyelesaian pendekatan dari persamaan
_
_
2 3
0 4
0 1
_
_
_
p
q
_
=
_
_
5000
4000
2000
_
_
diberikan oleh
_
p
q
_
= A

_
_
5000
4000
2000
_
_
=
_
1
2

6
17

3
34
0
4
17
1
17
_
_
_
5000
4000
2000
_
_
=
_
911.76
1058.82
_
.
Hasil yang didapat sama dengan hasil perhitungan sebelum-
nya.
Home Page
Title Page


Page 125 of 132
Go Back
Full Screen
Close
Quit
Soal UAS GASAL 2006/2007
1. 1.Selidiki apakah matriks berikut bisa didiagonalkan atau
tidak bisa didiagonalkan?
_
_
0 1 3
0 1 2
1 1 0
_
_
Berikan alasan dari jawaban!
JawabPolinomial kharakteristik dari matriks diberikan
oleh:
p() =

1 3
0 1 2
1 1

= ( 1)
2
( + 1)
Untuk = 1, didapat:
E
1
(R
3
) = Ker(
_
_
1 1 3
0 0 2
1 1 1
_
_
) =
_
_
_
1
1
0
_
_
_
.
Terlihat bahwa untuk = 1
multiplisitas geometri = 1 < 2 = multiplisitas aljabar.
Jadi matriks tidak bisa didiagonalkan.
Home Page
Title Page


Page 126 of 132
Go Back
Full Screen
Close
Quit
2. Bila vektor-vektor v
1
, v
2
, . . . , v
n
adalah orthogonal, maka
tunjukkan bahwa :
[[v
1
+ v
2
+ . . . + v
n
[[
2
= [[v
1
[[
2
+ [[v
2
[[
2
+ . . . + [[v
1
[[
2
.
Jawab

i=1
v
i

2
=
_
n

j=1
v
j
,
n

k=1
v
k
_
=
n

j=1
n

k=1
v
j
, v
k
) =
n

j=1
[[v
j
[[
2
.
3. Dengan general invers cari garis lurus y = ax+b yang paling
mendekati titik-titik (1, 2), (2, 3) dan (3, 1).
Jawab:
_
_
1 1
2 1
3 1
_
_
_
a
b
_
=
_
_
2
3
1
_
_
A

=
_
_
_
_
1 2 3
1 1 1
_
_
_
1 1
2 1
3 1
_
_
_
_
_
1
_
1 2 3
1 1 1
_
A

_
_
2
3
1
_
_
=
__
1
2
1
1
7
3
__
1 2 3
1 1 1
__
_
_
2
3
1
_
_
=
_

1
2
0
1
2
4
3
1
3

2
3
_
_
_
2
3
1
_
_
Didapat a = 1 +
1
2
=
1
2
dan b =
8
3
+ 1
2
3
= 3.
Home Page
Title Page


Page 127 of 132
Go Back
Full Screen
Close
Quit
4. Bila V adalah ruang vektor dari himpunan polinomial-
polinomial dengan derajad kurang atau sama dengan 3
dan hasil kali dalam diberikan oleh p, q) =
1
_
1
p(x)q(x)dx.
Lakukan poses orthogonalisasi Gram-Schmidt terhadap
basis 1, x, x
2
, x
3
.
Jawab
p
1
(x) = 1 p
1
(x) =
1

< p
1
, p
1
>
p
1
(x) =
1

2
p
2
(x) = x < x, p
1
> p
1
(x) p
2
(x) =
1

< p
2
, p
2
>
p
2
(x) =
_
3
2
x
p
3
(x) = x
2
< x
2
, p
1
> p
1
(x) < x
2
, p
2
> p
2
(x)
p
3
(x) =
1

< p
3
, p
3
>
p
3
(x) =
_
5
8
(3x
2
1)
p
4
(x) = x
3
< x
3
, p
1
> p
1
(x) < x
3
, p
2
> p
2
(x) < x
3
, p
3
> p
3
(x)
p
4
(x) =
1

< p
4
, p
4
>
p
4
(x) =
_
7
8
(5x
3
3x)
Home Page
Title Page


Page 128 of 132
Go Back
Full Screen
Close
Quit
5. Diberikan pemetaan linier : R
2
R
2
dengan
((x, y)
/
) = (2x + y, x + 3y)
/
.
Dengan basis B = (1, 0)
/
, (1, 1)
/
tentukan matriks representasi
dari .
Jawab

B
((1, 0)
/
) = (2, 1)
/
= 1(1, 0)
/
+ 1(1, 1)
/
= (1, 1)
/
dan

B
((1, 1)
/
) = (3, 4)
/
= 1(1, 0)
/
+ 4(1, 1)
/
= (1, 4)
/
,
sehingga diperoleh matriks representasi dari :
A = (, B, B) =
_
1 1
1 4
_
.
Home Page
Title Page


Page 129 of 132
Go Back
Full Screen
Close
Quit
Dengan general invers dapatkan parabola y = ax
2
+ bx + c yang
mendekati titik-titik (3, 0), (2, 0), (1, 2), (1, 12). Jelaskan apakah
hasilnya pendekatan atau tidak!
Jawab :
Untuk titik (3, 0), (2, 0), (1, 2), (1, 12) didapat empat persamaan :
9a + 3b + c = 0, 4a + 2a + c = 0, a + b + c = 2, a b + c = 12
atau dalam bentuk matriks
_

_
9 3 1
4 2 1
1 1 1
1 1 1
_

_
_
_
a
b
c
_
_
=
_

_
0
0
2
12
_

_
_
a
b
c
_
_
=
_

_
_
_
9 4 1 1
3 2 1 1
1 1 1 1
_
_
_

_
9 3 1
4 2 1
1 1 1
1 1 1
_

_
_

_
1
_
_
9 4 1 1
3 2 1 1
1 1 1 1
_
_
_

_
0
0
2
12
_

_
=
_
_
1
5
6
_
_
.
Cek!
_

_
9 3 1
4 2 1
1 1 1
1 1 1
_

_
_
_
1
5
6
_
_
=
_

_
0
0
2
12
_

_
.
Terlihat, hasilnya eksak bukan pendekatan (kita coba
melakukan penghitungan dengan MAXIMA).
Home Page
Title Page


Page 130 of 132
Go Back
Full Screen
Close
Quit
Cara lain mencari invers matriks
Misalkan matriks :
A =
_
_
9 4 1 1
3 2 1 1
1 1 1 1
_
_
_

_
9 3 1
4 2 1
1 1 1
1 1 1
_

_
=
_
_
99 35 15
35 15 5
15 5 4
_
_
.
Selanjutnya tentukan polinomial kharakteristik A :
p(x) = [xI A[ = x
3
118x
2
+466x440 A
3
118A
2
+466A440I = 0
Didapat A
1
=
1
440
(A
2
118A + 466I) :
A
1
=
1
440
_
_
_
_
11251 4065 1720
4065 1475 620
1720 620 266
_
_
188
_
_
99 35 15
35 15 5
15 5 4
_
_
+ 466
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
=
1
440
_
_
_
_
35 65 50
65 171 30
50 30 260
_
_
_
_
=
_

_
7
88

13
88

5
44

13
88

171
440
3
44

5
44
3
44
13
22
_

_
Home Page
Title Page


Page 131 of 132
Go Back
Full Screen
Close
Quit
Jawaban UAS Aljabar linear semester gasal 2007/2008
1.) Diberikan matriks :
A =
_
1 1
1 1
_
.
Diagonalkan matriks A dengan menggunakan basis orthonor-
mal dari eigenvector-eigenvector matriks A.
Jawab :
Eigenvalue dan eigenvector dari A diberikan oleh : [A I[ =

2
2 + 2 = 0, didapat
1
= 1 i,
2
= 1 + i. Nullspace(A
1
I) =
< (1, i) > dan Nullspace(A
2
I) = < (1, i) >. Terlihat bahwa
eigenvector-eigenvector yang bersesuaian dengan
1
= 1i dan

2
= 1 + i, masing-masing diberikan oleh :
v
1
=
_
1
i
_
dan v
2
=
_
1
i
_
.
Vektor v
1
dan v
2
orthogonal, sebab < v
1
, v
2
>= 0. Sehingga
basis orthonormalnya adalah :
v
1
[v
1
[
,
v
2
[v
2
[
. Dengan P = [
v
1
[v
1
[
[
v
2
[v
2
[
]
didapat :
P
1
AP =
_
1

2

i

2
1

2
i

2
_
_
1 1
1 1
_
_
1

2
1

2
i

2

i

2
_
=
_
1 i 0
0 1 + i
_
.
Home Page
Title Page


Page 132 of 132
Go Back
Full Screen
Close
Quit