6-BukuAlin2016 KKNI
6-BukuAlin2016 KKNI
Version 1.0
12 Pebruari 2016
Subiono
an Matem
us
r
ati
* Ju
ka
M
Matematika
F MI
ya *
A
ba
P
- IT a
S, S u r
Copyright
c 2016 The Author.
an Matem
us
r
ati
* Ju
ka
M
Matematika
F MI
ya *
A
ba
P
- IT a
S, S u r
Kata Pengantar
Alhamdulillahirabbilalamin, segala puji hanyalah milikmu ya Allah yang telah meberikan "kebe-
basan bertanggung jawab" kepada manusia untuk suatu kebaikan dalam melaksanakan amanat-
nya di hamparan bumi yang dihuni manusia. Sholawat dan Salam kepadamu ya Nabi Muhammad
beserta para keluarganya dan para pengikutnya sampai nanti di hari akhir.
Buku ini disusun dengan maksud untuk digunakan sebagi buku rujukan mata kuliah Al-
jabar Linear Elementer dan Aljabar Linear pada Jurusan Matematika, Institut Teknologi Sepuluh
Nopember, Surabaya. Materi disusun untuk kebutuhan struktur dalam Kurikulum tahun 2009-
2014 guna menunjang matakuliah yang ada pada semester yang lebih tinggi. Selain dari pada itu
materi dari buku ini disusun supaya pengguna yang lainnya bisa memanfaatkan buku ini sesuai
dengan yang dibutuhkannya.
Dalam buku ini diberikan beberapa konsep pengertian dari materi yang disajikan setelah itu
diikuti dengan beberapa contoh untuk mempermudah pemahaman, selain itu juga diberikan be-
berapa contoh aplikasi yang mungkin dan beberapa soal sebagai latihan.
Penulis pada kesempatan ini menyampaikan keaktifan pembaca dalam mengkaji buku ini
untuk menyampaikan kritik dan saran guna perbaikan buku ini, sehingga pada versi yang men-
datang "mutu buku" yang baik bisa dicapai. Kritik dan saran ini sangat penting karena selain
alasan yang telah disebutkan tadi, penulis percaya bahwa dalam sajian buku ini masih kurang dari
sempurnah bahkan mungkin ada suatu kesalahan dalam sajian buku ini baik dalam bentuk redak-
sional, pengetikan dan materi yang menyebabkan menjadi suatu bacaan kurang begitu bagus.
Kritik dan saran bisa disampaikan ke alamat email : subiono2008@matematika.its.ac.id
Buku ini dapat diperoleh secara gratis oleh siapapun tanpa harus membayar kepada penulis.
Hal ini berdasarkan pemikiran penulis untuk kebebasan seseorang mendapatkan suatu bacaan
yang tersedia secara bebas dengan maksud "kemanfaatan" dan "kejujuran". Yang dimaksud den-
gan kemanfaatan adalah bergunanya bacaan ini untuk kemudahan pembaca memperoleh infor-
masi penting yang diperlukannya dan untuk pembelajaran. Sedangkan kejujuran adalah ikatan
i
ii
moral dari pembaca untuk tidak memdistribusi buku in dengan tujuaan yang tidak bermanfaat.
Penulis menulis buku ini berdasarkan pemikiran "kebebasan menulis" (tidak harus menggu-
nakan media cetak penerbit) dengan asas "kemanfaatan" menggunakan media yang tersaji masa
kini. Beberapa alat bantu untuk penulisan buku ini juga didapat secara gratis, yaitu perangkat lu-
nak LATEX dan WinEdt sebagai salah satu media LATEX editor. Beberapa gambar yang ada dalam
buku ini menggunakan perangkat lunak LaTexDraw yang juga didapat secara gratis. Begitu juga
beberapa bahan rujukan didapat secara gratis lewat internet. Selain itu untuk menyelesaikan be-
berapa contoh yang dibahas digunakan alat bantu perangkat lunak SAGE versi 6.9, perangkat
lunak ini juga didapat dari internet secara gratis.
Akhirnya, dengan segala kerendahan hati penulis memohon kepada Allah semoga penulisan
ini bisa berlanjut untuk versi mendatang yang tentunya lebih "baik" dari Versi 1 yang tersedia
saat ini dan semoga benar-benar buku yang tersaji ini bermanfaat bagi pembaca.
ka
M
Matematika
F MI
b
ya *
A
ba
P
- IT a
S, S u r
Penulis
Daftar Isi
Kata Pengantar i
1 Pengenalan Vektor 1
1.1 Vektor dan Kombinasi Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Hasil kali titik dan Panjang vektor . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Determinan 79
3.1 Fungsi Determinan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2 Sifat-sifat Determinan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.3 Metode Kofaktor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.4 Reduksi Baris Untuk Menghitung Determinan . . . . . . . . . . . . . . . . . . . 79
iii
iv
4 Ruang-n Euclide 81
4.1 Vektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2 Perkalian Titik dan Perkalian Silang . . . . . . . . . . . . . . . . . . . . . . . . 81
4.3 Ruang-n Euclide . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4 Transformasi Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.5 Contoh-contoh Transformasi Linear . . . . . . . . . . . . . . . . . . . . . . . . 81
5 Ruang Vektor 83
5.1 Lapangan(Field) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.2 Ruang Vektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.3 Ruang Bagian (Subspace) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.4 Pembentang (Span) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.5 Bebas Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.6 Basis dan Dimensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.7 Perubahan Basis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.8 Ruang Bagian Fundamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.9 Ruang Hasil Kali Dalam . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.10 Basis Orthonormal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.11 Kuadrat Terkecil (Least Square) . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.12 Dekomposisi QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.13 Matriks Orthogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.14 General Invers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
Dalam bab ini dikenalkan pengertian vektor, khususnya vektor pada bidang R2 dan pada ruang
R3 . Beberapa pengertian dan hasil-hasil pembahasan nantinya digunakan dalam bab berikut-
nya khususnya untuk menyelesaikan sistem persamaan linear. Beberapa contoh yang dibahas
juga dihitung menggunakan perangkat lunak Sage Notebook Version 6.9. Perangkat lunak ini
setara dengan perangkat lunak Matlab, Maple dan Mathematica. Sage Notebook selain mampu
melakukan komputasi secara numerik juga mampu melakukan komputasi secara simbolik. Gam-
bar 1.1 adalah tampilan perangkat lunak Sage Notebook Version 6.9.
1
2
Dalam bagian ini dibahas pengertian suatu kombinasi linier dari vektor-vektor di bidang R2
dan R3 . Pengertian ini bisa diperluas untuk vektor di Rn . Himpunan semua vektor di Rn dina-
makan ruang vektor Rn atas himpunan semua bilangan riil R dan dinamakan ruang-n Euclide
yang akan dibahas di Bab 4. Mengenai pengertian ruang vektor secara umum atas suatu la-
pangan (himpunan skalar) akan dibahas dalam Bab 5. Ruang vektor Rn sangat penting, sebab
dalam pembahasan di Bab 5 ditunjukkan bahwa sebarang ruang vektor V atas suatu lapangan F
berdimensi n isomorpik dengan Rn .
Vektor pada bidang atau ruang dimensi dua R2 disajikan sebagai vektor kolom yang terdiri
dari dua komponen, ditulis sebagai:
v1 w1
v= ,w
w=
v2 w2 .
Dalam hal ini komponen vektor v dan w masing-masing adalah bilangan riil v1 , v2 dan w1 , w2 .
Dua vektor v dan w ini pada R2 digambar sebagai garis berarah dari pangkal pusat koordinat
bidang ke ujung vektor dengan koordinat komponen vektor. Dengan demikian panjang suatu
vektor adalah panjang garis dari pangkal ke ujung vektor dan dua vektor sama bila dua vektor
ini mempunyai arah dan panjang yang sama. Adakalanya vektor v disajikan sebagai v = (v1 , v2 ).
Secara rinci nanti vektor dibahas lagi dalam bab selanjutnya yaitu berkaitan dengan pembahasan
w = (w1 , w2 )
u = (u1 , u2 )
u + 4vv
u
2w
w
4vv
w = x . Kombinasi linier ini diberikan dalam Gambar 1.4. Masing-masing vektor u ,vv,w
u + 4vv 2w w
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 5
dan x adalah:
1 1 2 1
0 , 2 , 3 dan 2
3 1 1 9
yang memenuhi
1 1 1
1uu + 4vv 2w
w = 1 0 + 4 2 2 2
3 1 9
1+44 1
= 0 + 8 6 = 2 = x .
3+4+2 9
Sebelum mengakhiri bagian ini, perlu diingatkan bahwa pengertian dari kombinasi linier
sangat penting. Sebab istilah ini akan sering digunakan pada hampir keseluruhan pembahasan.
O
u
Gambar 1.5: u vv = 0
Perintah untuk menghitung hasil kali titik dan panjang vektor dalam sel SAGE Notebook di-
lakukan sebagai berikut:
u=vector(QQ,[4,-2])
v=vector(QQ,[3,6])
w=vector(QQ,[1,2,3])
pretty_print(html("Vektor : $\pmb{u} = %s$"%latex(u.column())))
print
pretty_print(html("Vektor : $\pmb{v} = %s$"%latex(v.column())))
print
pretty_print(html("Hasil kali titik : $\pmb{u}\\cdot\pmb{u} =
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 7
%s$"%latex(u.dot_product(v))))
print
pretty_print(html("Vektor : $\pmb{w} = %s$"%latex(w.column())))
print
pretty_print(html("Panjang vektor : $|\pmb{w}| = %s$"%latex(w.norm())))
Berikut ini diberikan suatu sifat berkenaan dengan dua vektor tegak lurus.
v
vu
O
u
Bukti Misalkan vektor u ,vv di R2 dengan u v sebagaimana diberikan dalam Gambar 1.6. Se-
lanjutnya, dengan menggunakan dalil Pythagoras didapat
kuuk2 + kvvk2 = kvv uuk2
atau
(u21 + u22 ) + (v21 + v22 ) = (v1 u1 )2 + (v2 u2 )2
= (u21 + u22 ) + (v21 + v22 ) 2u1 v1 2u2 v2 .
Jadi
2u1 v1 2u2 v2 = 0 atau u1 v1 + u2 v2 = 0.
8
Dengan demikian
u vv = u1 v1 + u2 v2 = 0.
Untuk vektor
2
u= R2
5
gambar vektor u diberikan oleh Gambar 1.7. Terlihat bahwa u = u 1 +uu 2 dan u uu = 4 + 25 = 29.
u = (2, 5)
u 2 = (0, 5)
O u 1 = (2, 0)
v3 = (0, 0, 6)
5, 0)
(0, v=(2,5,6)
v2 =
O v1 + v2
v1 =
(2, 0
, 0)
Suatu vektor satuan u adalah vektor yang mempunyai panjang sama dengan satu, yaitu u uu =
1. Contoh 1
2
1
u = 21
R4 ,
2
1
2
maka
1 1 1 1
u uu =
+ + + =1
4 4 4 4
dan kuuk = 1 = 1. Bila suatu vektor tak nol u dibagi dengan kuuk, yaitu
u
w= ,
kuuk
maka w adalah vektor satuan. Sebab
u
kuuk
kw
wk =
kuuk
= kuuk = 1.
Dalam hal ini w dinamakan hasil penormalan dari vektor u . Contoh vektor
1
v = 1 R3
1
maka
1
v 1
w= = 1
kvvk 3 1
10
wk = 1 3 = 1. Perintah dalam sel SAGE Notebook untuk melakukan penormalan vektor
dan kw 3
lakukan sebagai berikut:
u=vector(QQ,[1,1,1])
w=u/u.norm()
pretty_print(html("$\pmb{u} = %s$"%latex(u.column())))
print
pretty_print(html("$\pmb{w} = %s$"%latex(w.column())))
print
pretty_print(html("$|\pmb{w}| = %s$"%latex(w.norm())))
maka i , j dan u adalah vektor satuan. Bila = 0, maka u = i dan bila = 2 , maka u = j .
Gambar 1.9 adalah gambar vektor satuan i , j dan u .
O i = (1, 0)
(ii.) Karena
cu1
cuu = , maka
cu2
(cuu) vv = cu1 v1 + cu2 v2 = c(u1 v1 + u2 v2 ) = c(uu vv).
Bukti: untuk sebarang bilangan real x dan menggunakan hasil Teorema 1.2.2 didapat
0 ax2 + bx + c.
Hal ini berarti bahwa bentuk kuadrat tsb. tidak mempunyai akar-akar real kecuali nol, yaitu
ekivalen dengan
b2 4ac 0 atau b2 4ac.
Jadi
4(uu vv)2 4kuuk2 kvvk2 atau |uu vv| kuukkvvk.
Pertaksamaan Minkowski:
kuu +vvk kuuk + kvvk.
Bukti: dengan menggunakan pertaksamaan Schwarz dan sifat-sifat sebelumnya didapat
kuu +vvk2 = (uu +vv) (uu +vv) = kuuk2 + 2(uu vv) + kvvk2
kuuk2 + 2kuukkvvk + kvvk2
= (kuuk + kvvk)2 .
Jadi
kuu +vvk kuuk + kvvk.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 13
v u
v
Berikut ini diberikan hubungan sudut diantara dua vektor dengan hasil kali titik. Misalkan
vektor u dan v membentuk sudut sebesar sebagaimana diberikan oleh Gambar 1.10. Dengan
menggunakan aturan kosinus didapat
atau
Didapat
cos = u vv
kuu kkvv k .
Hasil sifat-sifat yang telah dibahas berlaku juga untuk vektor di ruang Rn . Contoh-contoh:
x = 2 dan 3 = x + y x = 2 dan y = 1.
2. Diberikan vektor
5 1
u = 4 ,vv = 2 ,
1 3
dapatkan u vv dan simpulkan hasilnya.
Jawab: u vv = 5 8 + 3 = 0. Jadi u v .
14
3. Untuk vektor
1 2
u= x
dan v = 5 ,
3 4
tentukan nilai x R supaya u v .
Jawab: u v , maka u vv = 2 5x 12 = 0. Didapat 5x = 10 x = 2.
4. Misalkan
1 3
u = 3 dan v = 4 .
4 7
Bila adalah sudut antara u dan v , maka hitung cos .
Jawab:
u vv 19
cos = = .
kuukkvvk 26 74
Perintah penghitungan sudut diantara dua vektor dalam Maxima dilakukan sebagai berikut:
(%i60) uv:u=columnvector([1,-3,4]); vv:v=columnvector([3,4,7]);
print( cos(theta),"=",dotproduct(rhs(uv),rhs(vv))/
(mat_norm(rhs(uv),frobenius)*mat_norm(rhs(vv),frobenius)))$
1
(%o60) u = 3
4
3
19
(%o61) v = 4 , cos () =
7 26 74
Latihan
Latihan 1.2.1 Tentukan mana vektor-vektor berikut yang sama
1 2 1 2
u = 2 , v = 3 , w = 3 dan x = 3 .
3 1 2 1
Dapatkan
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 15
(a) 3u-5v.
(b) 2u+5v-7w.
1 8
Hitung kuk.
8
1
2
2 .
(c) w = 3
14
Latihan 1.2.9 Hitung cos bila adalah sudut diantara dua vektor
1 2
(a) u = 2 dan 4 ,
5 3
1 1
2 2
5 dan 3 .
(b) u =
3 6
Bab 2
Sistem Persamaan Linear
Dalam bab ini dibahas Sistem Persamaan Linear (SPL) dan Matriks. Pembahasan dimulai dari
Sistem Persamaan Linear yang disajikan dalam Bagian 2.1. Pembahasan dilajutkan meyelidiki
penyelesaian dari sistem persamaan diberikan dalam Bagian 2.2.
Pengertian mengenai matriks diberikan dalam bagian 2.4 dilajutkan dengan Aritmatika dan
Operasi Matriks yang diberikan dalam Bagian 2.5 diikuti oleh Sifat-sifat Aritmatika Matriks
diberikan dalam Bagian 2.7.
Pengertian Matriks Invers dan Matriks Elementer diberikan dalam Bagian 2.8 sedangkan cara
memperoleh matriks invers dibahas dalam bagian 2.9.
Hal-hal yang berkaitan dengan Matriks-matriks Khusus diberikan dalam Bagian 2.6 dan
pendekomposisian matriks menjadi matriks segitiga atas dan segitiga bawah disajikan dalam
Bagian 2.10. Dalam bab ini diakhiri oleh pembahasan mengenai peninjauan ulang sistem per-
samaan yang diberikan dalam Bagian 2.11.
17
18
Baris dan kolom nantinya erat kaitannya dengan kajian matriks. Sebagai contoh dua persamaan
linear dengan dua peubah :
2x y = 0
x + 2y = 3
Disini SPL terdiri dari dua baris. Baris pertama adalah persamaan : 2x y = 0 dan baris kedua
adalah persamaan x+2y = 3. Gambar persamaan baris pertama dan kedua diberikan oleh Gam-
bar 2.1 Tampak bahwa titik (1, 2) memenuhi sistem persamaan linear baris pertama 2x y = 0
Secara geometris hasil ini diberikan oleh Gambar 2.2. Pada Gambar 2.2 tampak bahwa
0 2 1
= +2 = u + 2vv.
3 1 2
Dua vektor
2 1
u= dan v =
1 2
adalah vektor yang penting di ruang R2 sebab semua vektor di R2 dapat dinyatakan sebagai
kombinasi linear dari u dan v yang mana hal ini sama untuk vektor
1 0
i= dan j =
0 1
bahwa setiap vektor di R2 adalah kombinasi linear dari i dan j , yaitu untuk setiap x, y R
1 0 x
x +y = .
0 1 y
Selanjutnya dibahas suatu kajian yang sama suatu contoh untuk SPL dengan tiga persamaan dan
tiga peubah, yaitu SPL
x + 2y + 3z = 6
x + 2y z = 0
3y + 4z = 1
Disini sistem persamaan linear terdiri dari tiga baris persamaan bidang.
Gambar 2.3 adalah, gambar tiga persamaan baris tsb. Tiga bidang dalam Gambar 2.3 berpotong-
an di titik (x, y, z) = (1, 1, 1). Berikutnya dibahas gambar kolom dari sistem persamaan linear tsb.
Sistem persamaan linear yang telah dibahas dapat ditulis sebagai kombinasi linear vektor kolom
sebagai berikut:
1 2 3 6
x 1 + y 2 + z 1 = 0 ,
0 3 4 1
dengan x, y dan z adalah bilangan riil. Dari hasil sebelumnya didapat bahwa yang memenuhi
adalah x = 1, y = 1 dan z = 1. Dengan demikian didapat kombinasi linear vektor kolom berikut:
1 2 3 6
1 1 + 1 2 + 1 1 = 0 .
0 3 4 1
Sebelum membahas penyelesaian SPL secara umum diberikan arti geometri dari apa yang
telah dibahas terutama yang berkenaan dengan gambar baris persamaan SPL. Secara geometri,
Persamaan (2.1) menyatakan persamaan dua garis a1 x + b1 y = c1 dan a2 x + b2 y = c2 . Sehingga
bila dua garis ini berpotongan pada satu titik (x1 , y1 ), maka nilai x = x1 dan y = y1 merupakan
penyelesaian tunggal dari persamaan (2.1). Sedangkan bila dua garis tsb. sejajar, maka tidak
akan ada titik (x, y) yang berpotongan dengan dua garis ini. Jadi sistem Persamaan (2.1) tidak
mempunyai penyelesaian. Tetapi bila salah satu garis merupakan kelipatan dari garis yang lain-
nya (berimpit), maka akan ada banyak takhingga titik yang memenuhi sistem Persamaan (2.1),
yaitu persamaan ini, mempunyai penyelesaian yang tidak tunggal. Masing-masing Gambar 2.4
bagian (i), (ii) dan (iii) menunjukkan bahwa dua garis a1 x + b1 y = c1 dan a2 x + b2 y = c2 adalah
berpotongan, sejajar dan berimpit.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 21
y a1 x + b1 y = c1
y y
(x1 , y1 ) a1 x + b1 y = c1
0 x 0 x 0 x
a1 x + b1 y = c1
a2 x + b2 y = c2 a2 x + b2 y = c2
a2 x + b2 y = c2
(i) (ii) (iii)
Berikut ini diberikan contoh dari bentuk sistem Persamaan (2.1) untuk tiga kasus yang telah
dibahas, yaitu mempunyai penyelesaian tunggal, tidak mempunyai penyelesaian dan mempunyai
penyelesaian yang tidak tunggal.
Jelas bahwa, sistem Persamaan (2.3) adalah menyatakan persamaan dua garis x + y = 3 dan x +
y = 4 yang sejajar. Kedua garis ini secara geometri, bila digambar dalam bidang dengan sumbu
koordinat x dan y tidak akan berpotongan. Hal ini bisa ditunjukkan secara logika matematik
sebagai berikut; andaikan dua garis x + y = 3 dan x + y = 4 berptongan di titik x = a dan y = b,
jadi b = 3a dan b = 4a 3a = 4a 3 = 4. hal ini kontradiksi dengan kenyataan bahwa
3 6= 4. Jadi benar bahwa tidak akan ada titik (a, b) yang terletak pada kedua garis x + y = 3 dan
x + y = 4. Hal ini menunjukkan bahwa sistem Persamaan (2.3) tidak mempunyai penyelesaian.
Untuk kasus yang terakhir, diberikan sistem persamaan
x+y = 3
. (2.4)
2x + 2y = 6
Sistem Persamaan (2.4) menyatakan dua garis x + y = 3 dan 2x + 2y = 6 yang saling berimpit.
Bila persamaan yang pertama y = 3 x disubstitusi ke persamaan yang kedua didapat 2x + 2(3
x) = 6 6 = 6. Hal ini menunjukkan bahwa selalu benar bahwa titik (x, y) dengan y = 3 x akan
22
selalu memenuhi sistem Persamaan (2.4). Jadi ada banyak x dan y yang memenuhi Persamaan
(2.4). Himpunan semua titik (x, y) yang memenuhi Persamaan (2.4) adalah {(x, y) | y = 3 x, x
R}, misalnya titik (0, 3), (1, 2) dan (1, 4) adalah titik-titik yang memenuhi sistem Persamaan
(2.4).
Bahasan berikut adalah berkaitan dengan sistem persamaan linear yang terdiri dari tiga per-
samaan dengan tiga peubah, yaitu
ax + by + cz = p
dx + ey + f z = q (2.5)
gx + hy + iz = r
= r
hy + iz
gx +
z
0
dx
+e
y+
p
+ cz =
fz =
b y
ax +
q
tunggal. Intepretasi geometri dari kasus ini diberikan dalam Gambar 2.5. Contoh berikut menje-
laskan bahwa sistem Persamaan (2.5) mempunyai penyelesaian tunggal.
dx
+
z
ey
gx + h
+
y + iz
=r
fz
=
q
y
x
ax + by + cz = p
g : garis potong
Kasus yang kedua, adalah sistem Persamaan (2.5) mempunyai penyelesaian banyak . Intepretasi
geometri dari kasus ini diberikan dalam Gambar 2.6. Contoh berikut menjelaskan bahwa sistem
Persamaan (2.5) mempunyai penyelesaian banyak.
Contoh 2.1.3 Untuk kasus yang kedua, diberikan sistem persamaan
x+y+z = 6
x+y = 2 . (2.7)
2x + 2y z = 0
Untuk menyelesaikan sistem Persamaan (2.7) bisa disubstitusikan persamaan kedua x + y = 2
kepersamaan yang pertama x + y + z = 6 sehingga didapat 2 + z = 6 z = 4. Untuk z = 4,
semua persamaan dalam sistem Persamaan (2.7) menjadi persamaan x + y = 2. Hal, ini menje-
laskan bahwa ketiga bidang x + y + z = 6, x + y = 2 dan 2x + 2y z = 0 berpotongan pada satu
garis g yang diberikan oleh persamaan z = 4, x + y = 2. Semua titik yang berada pada garis
ini merupakan penyelesaian sistem Persamaan (2.7). Jadi himpunan penyelesaiannya adalah
{(x, y, z) | z = 4, x + y = 2}. Beberapa penyelesaian sistem Persamaan (2.7) adalah x = 0, y =
2, z = 4; x = 1, y = 1, z = 4 dan x = 1, y = 3, z = 4.
24
dx +
ey +
fz =
q
z
g3 : garis potong
gx +
hy +
y iz =
0 ax r
+ by
+ cz
=p g2 : garis potong
x
g1 : garis potong
Kasus yang Terakhir, adalah sistem Persamaan (2.5) tidak mempunyai penyelesaian. Suatu in-
tepretasi geometri dari kasus ini diberikan dalam Gambar 2.7. Yaitu menyatakan bahwa tiga
bidang berpotongan pada tiga garis yang saling sejajar dalam ruang. Hal ini menjelaskan bahwa
tiga garis ini tidak pernah mempunyai titik potong. Jadi untuk kasus ini, sistem Persamaan
(2.5) tidak akan pernah mempunyai penyelesaian. Contoh berikut menjelaskan bahwa sistem
Persamaan (2.5) tidak mempunyai penyelesaian.
Contoh 2.1.4 Untuk kasus yang terakhir ini, diberikan sistem ersamaan
x+y+z = 6
x+y = 2 . (2.8)
x+yz = 0
Persamaan (2.8) tidak mempunyai penyelesaian. Hal ini bisa ditunjukkan dengan suatu kon-
trakdiksi sebagai berikut. Andaikan (2.8) mempunyai penyelesaian di x = x0 , y = y0 dan z = z0 ,
sehingga didapat x0 + y0 = 2, z0 = 6 (x0 + y0 ) = 6 2 = 4 dan z0 = (x0 + y0 ) = 2. Terjadi suatu
kontradiksi bahwa 4 = 2. Hal ini menunjukkan bahwa tidak akan ada x, y dan z yang memenuhi
sistem Persamaan (2.8) yaitu sistem persamaan ini tidak mempunyai penyelesaian.
Kajian gambar kolom SPL 2.5 dari tiga kasus yang telah dibahas memberikan gambaran
bahwa,
1. Kasus yang pertama tiga bidang berpotongan di satu titik, maka kombinasi linear berikut
a b c p
x d + y e + z f = q
g h i r
hanya dipenuhi untuk satu nilai tunggal x, y dan z.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 25
2. Kasus yang kedua tiga bidang berpotongan di satu garis potong g, maka kombinasi linear
berikut
a b c p
x d + y e + z f = q
g h i r
dipenuhi untuk beberapa nilai x, y dan z.
3. Kasus yang ketiga, tiga bidang berpotongan di tiga garis, maka tidak ada nilai x, y dan c
yang memenuhi kombinasi linear berikut
a b c p
x d + y e + z f = q .
g h i r
Sebegitu jauh apa yang telah dibahas dalam bagian ini hanyalah sebagai awal bahasan sis-
tem persamaan linear. Telah diuraikan bahwa dalam awal bagian ini, diberikan contoh-contoh
sistem linear serta menyelesaikan sistem persamaan ini dan memberikan arti geometri dari sis-
tem persamaan linear yang dibahas dalam beberapa kasus yang umum yaitu, sistem persamaan
linear mempunyai penyelesaian tunggal, mempunyai banyak penyelesaian dan tidak mempunyai
penyelesaian. Pembahasan dimulai dengan sistem persamaan linear dengan dua persamaan dan
dua peubah dan dilanjutkan dengan tiga persamaan dengan tiga peubah. Yaitu banyaknya per-
samaan dengan banyaknya yang ditanyakan adalah sama. Cara menyelesaikan sistem linear yang
telah dibahas ini menggunakan substitusi yang banyak dikenal sbelumnya. Untuk contoh-contoh
yang telah dibahas masih memungkinkan menggunakan cara substitusi, tetapai untuk masalah
yang lebih umum dan rumit tentunya hal ini tidak memadai/mudah menggunakan cara substitusi
untuk menyelesaikannya. Untuk itu, dalam Bab 2.2 yang dibahas berikutnya, akan dijelaskan se-
cara rinci cara untuk menyelesiakan sistem persamaan linear yang lebih umum dari pembahasan
sebelumnya.
Sebagai akhir dari bagian ini diberikan beberapa latihan soal. Latihan soal ini diberikan agar
supaya menambah kemampuan dasar menyelesiakan sistem persamaan linear teridiri dari dua
persamaan dengan dua peubah serta tiga persamaan dengan tiga peubah.
Latihan
Latihan 2.1.1 Selesaikan sistem persamaan berikut serta berikan arti geometrinya.
x+y = 7 x + 2y = 3 2x 5y = 2
a). b). c).
2x + 4y = 18 3x + 6y = 3 4x + 10y = 4
Latihan 2.1.3 Selesaikan sistem persamaan berikut serta berikan arti geometrinya.
x + 2y + 2z = 4 x y + 2z = 1 x + 2y + 3z = 1
a). x + 3y = 5 b). 2x + y + z = 8 c). 4x + 5y + 6z = 2
2x + 6y + 5z = 6 x+y = 5 7x + 8y + 9z = 3
Ada tiga macam himpunan penyelesaian dari sistem persamaan (2.9) yaitu, pertama himpunan
dengan satu anggota yang menyatakan sistem persamaan (2.9) mempunyai penyelesaian tunggal,
kedua himpunan dengan tak-hingga banyak anggota yang menyatakan sistem persamaan (2.9)
mempunyai banyak penyelesaian. Dalam hal sistem persamaan (2.9) mempunyai penyelesaian
dinamakan konsisten. Ketiga, himpunan kosong yang menyatakan sistem persamaan (2.9) tidak
mempunyai penyelesaian. Dalam hal ini sistem persamaan (2.9) disebut tidak konsisten. Dua
sistem persamaan linear dengan banyak persamaan dan banyak peubah sama dikatakan ekivalen
bila kedua sistem persamaan linear tsb. yang satu bisa diperoleh dari persamaan yang lain-
nya dan mempunyai himpunan penyelesian yang sama. Sistem persamaan linier (2.9) dikatakan
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 27
S1 = {(x, y) | y = 1 x, x R}
Terlihat bahwa S1 = S2 , jadi persamaan (2.11) ekivalen dengan persamaan (2.12). Begitu juga
dua sistem persamaan berikut adalah ekivalen
x+y = 2
(2.13)
2x 5y = 3
dan
2x 5y = 3
(2.14)
x+y = 2
sebab persamaan (2.14) bisa diperoleh dari persamaan (2.13), yaitu menukar persamaan yang
pertama dengan persamaan yang kedua dan sebaliknya dalam persamaan (2.13). Bisa diselidiki
bahwa kedua persamaan mempunyai peyelesaian x = 1 dan y = 1. Selanjutnya, persamaan (2.13)
dan persamaa
x+y = 2
(2.15)
7y = 7
adalah ekivalen, sebab persamaan (2.15) dapat diperoleh dari persamaan (2.13), yaitu persamaan
kedua dalam persamaan (2.15) diperoleh dari kedua ruas persamaan pertama (2.13) dikalikan
dengan 2 dan hasilnya ditambahkan pada persamaan kedua dari persamaan (2.13). Jelas bahwa
28
persamaan (2.15) mempunyai penyelesaian y = 1 dan x = 1 yang sama dengan penyelesaian dari
persamaan (2.13).
Pengertian sistem persamaan linear ekivelen ini berguna untuk menyelesaikan sistem per-
samaan (2.9) terutama pada saat menggunakan cara eleminasi Gauss. Pada dasarnya metode
eliminasi Gauss adalah suatu cara dari transformasi suatu sistem persamaan linear menjadi suatu
sistem persamaan linear lainya yang lebih sederhana lewat pengeleminasian peubah, tetapi ke-
duanya ekivalen. Cara pengeliminasian ini meliputi tiga operasi sederhana yang mentransformasi
satu sistem persamaan ke sistem persamaan lainnya yang ekivalen.
Untuk menjelaskan operasi ini, misalkan Pk menyatakan persamaan ke-k dalam persamaan
(2.9), yaitu
Pk : ak,1 x1 + ak,2 x2 + + ak,n xn = bk
dengan 1 k m dan ditulis sistem persamaan linear (2.9) sebagai
P1
P
2
..
.
S= .
Pk
..
.
Pm
Untuk suatu sistem persamaan linear S, masing-masing tiga operasi elementer menghasilkan
suatu sistem persamaan linear S yang ekivalen.
1. Pertukaran persamaan ke-i dan ke- j sedangkan persamaan yang lainnya tetap, yaitu
P1
P1
..
..
.
.
i
P
P
j
.
. .
.
S=
. S = . . (2.16)
Pj
Pi
.
.
..
.
.
Pm Pm
2. Kedua ruas persamaan ke-i dikalikan dengan suatu konstata tidak-nol R sedangkan
persamaan yang lainnya tetap, yaitu
P1
P1
..
..
.
.
S= Pi S = Pi , dimana 6= 0 . (2.17)
.
..
.
..
Pm Pm
Dalam hal ini Pi dinamakan kelipatan dari Pi .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 29
3. Menambah persamaan ke- j dengan kelipatan dari persamaan ke-i sedangkan persamaan
yang lain tetap, yaitu
P1
P1
..
..
.
.
Pi
Pi
.. ..
S=
. S = .
. (2.18)
Pj
Pj + Pi
..
..
.
.
Pm Pm
Tiga operasi elementer, mentransformasi suatu sistem persamaan linear ke bentuks sistem per-
samaan linear lainnya yang yang ekivalen. Tiga operasi yang dilakukan dalam (2.16), (2.17) dan
(2.18) dinamakan Operasi Baris Elementer (OBE). Berikut ini diberikan suatu teorema tentang
OBE.
Teorema 2.2.1 Bila dalam Sistem Persamaan Linier (2.9) S dilakukan OBE sehingga didapat
persamaan S dan S mempunyai penyelesaian, maka peyelesaian dalam S adalah sama dengan
penyelesaian dalam S.
(r1 , r2 , . . . , rn ) Rn
yang memenuhi
a1,1 r1 + a1,2 r2 + + a1,n rn = b1
a2,1 r1 + a2,2 r2 + + a2,n rn = b2
..
.
ai,1r1 + ai,2 r2 + + ai,n rn = bi
.. (2.19)
.
a j,1 r1 + a j,2 r2 + + a j,n rn = b j
..
.
am,1 r1 + am,2 r2 + . . . + am,n xn = bm
Bila dalam Sistem Persamaan Linier (2.9) dilakukan OBE (2.16), maka didapat sistem persamaan
30
Tetapi berdasarkan hipotesis ada (r1 , r2 , . . ., rn ) Rn yang memenuhi Persamaan 2.10, sehingga
didapat
a1,1 r1 + a1,2 r2 + + a1,n rn = b1
a2,1 r1 + a2,2 r2 + + a2,n rn = b2
..
.
a j,1 r1 + a j,2 r2 + + a j,n rn = b j
.. (2.21)
.
ai,1r1 + ai,2 r2 + + ai,n rn = bi
..
.
am,1 r1 + am,2 r2 + . . . + am,n rn = bm
Hal ini menunjukkan bahwa (r1 , r2 , . . . , rn ) Rn adalah penyelesaian dari Sistem Persamaan 2.20.
Berikutnya, bila dalam Sistem Persamaan Linier (2.9) dilakukan OBE (2.17), maka didapat
sistem persamaan S yang diberikan oleh
a1,1 x1 + a1,2 x2 + + a1,n xn = b1
a2,1 x1 + a2,2 x2 + + a2,n xn = b2
..
.
ai,1x1 + ai,2 x2 + + ai,n xn = bi
.. (2.22)
.
a j,1 x1 + a j,2 x2 + + a j,n xn = b j
..
.
am,1 x1 + am,2 x2 + . . . + am,n xn = bm
Tetapi berdasarkan hipotesis ada (r1 , r2, . . . , rn ) Rn yang memenuhi Persamaan 2.10, yang
diberikan oleh Persamaan 2.21. Dengan demikian bila persamaan yang ke-i dalam Persamaan 2.21
kedua ruas dikalikan dengan didapat
sehingga didapat
a1,1 r1 + a1,2 r2 + + a1,n rn = b1
a2,1 r1 + a2,2 r2 + + a2,n rn = b2
..
.
ai,1r1 + ai,2r2 + + ai,n rn = bi
.. (2.23)
.
a r
j,1 1 + a j,2 2 + a j,n rn = b j
r +
..
.
am,1 r1 + am,2 r2 + . . . + am,n rn = bm
Hal ini menunjukkan bahwa (r1 , r2 , . . . , rn ) Rn adalah penyelesaian dari Sistem Persamaan 2.22.
Terakhir, bila dalam Sistem Persamaan Linier (2.9) dilakukan OBE (2.18), maka didapat
sistem persamaan S yang diberikan oleh
a1,1 x1 + a1,2 x2 + + a1,n xn = b1
a2,1 x1 + a2,2 x2 + + a2,n xn = b2
..
.
ai,1 x1 + ai,2 x2 + + ai,n xn = bi
.. (2.24)
.
(a j,1 + ai,1 )x1 + (a j,2 + ai,2)x2 + + (a j,n + ai,n )xn = b j + bi
..
.
am,1 x1 + am,2 x2 + . . . + am,n xn = bm
Tetapi berdasarkan hipotesis ada (r1 , r2, . . . , rn ) Rn yang memenuhi Persamaan 2.10, yang
diberikan oleh Persamaan 2.21. Dengan demikian bila persamaan yang ke- j dalam Persamaan 2.21
ditambah kali persamaan yang ke-i ruas didapat
sehingga didapat
a1,1 r1 + a1,2 r2 + + a1,n rn = b1
a2,1 r1 + a2,2 r2 + + a2,n rn = b2
..
.
ai,1 r1 + ai,2 r2 + + ai,n rn = bi
.. (2.25)
.
(a j,1 + ai,1 )r1 + (a j,2 + ai,2 )r2 + + (a j,n + a1,n )rn = bi + bi
..
.
am,1 r1 + am,2 r2 + . . . + am,n rn = bm
Hal ini menunjukkan bahwa (r1 , r2 , . . . , rn ) Rn adalah penyelesaian dari Sistem Persamaan 2.24.
32
Jadi berdasarkan Teorema 2.2.1, tiga operasi baris elementer tidak akan mengubah himpunan
penyelesaian dari sistem persamaan linear aslinya. Berikut ini diberikan suatu contoh sederhana
sistem persamaan linear
2x + y + z = 1
6x + 2y + z = 1 (2.26)
2x + 2y + z = 7
Pada setiap langkah, cara untuk menyelesaikan persamaan (2.26) difokuskan pada suatu posisi
koefisien tak-nol yang dinamakan pivot dan untuk mengeliminasi semua suku dibawah pivot
menggunakan tiga operasi baris elementer. Bila elemen pivot sama dengan nol, maka persamaan
pivot ditukar dengan persamaan dibawahnya untuk mendapat elemen pivot yang tidak nol. Bila
koefisien dari x pada persamaan tak-nol, maka elemen ini diambil sebagai pivot. Pada contoh ini,
elemen
2 dalam sistem berikut adalah pivot untuk langkah yang pertama
x 2 +y+z = 1
6x + 2y + z = 1
2x + 2y + z = 7
Langkah 1: Eliminasi semua suku dibawah pivot.
Persamaan kedua kurangi 3 kali persamaan pertama
x 2 +y+z = 1
y 2z = 4 (P2 3P1 )
2x + 2y + z = 7
Persamaan ketiga ditambah persamaan pertama
x
2 +y+z = 1
y 2z = 4
3y + 2z = 8 (P3 + P1 )
Langkah 2: Pilih suatu pivot baru.
Untuk memilih pivot baru, pindah kebawah dari posisi pivot yang sudah ada dan
kekanannya. Bila koefisien ini tak-nol, maka kpefisien ini adalah pivot. Bila nol,
maka tukar dengan persamaan dibawahnya. Dalam hal ini
-1 adalah pivot yang baru.
2x + y + z = 1
y
-1 2z = 4
3y + 2z = 8
Langkah 3: Eliminasi semua suku dibawah pivot yang kedua.
Persamaan ketiga tambah 3 kali persamaan kedua
2x + y + z = 1
y
-1 2z = 4 (2.27)
4z = 4 (P3 + 3P2 )
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 33
Umumnya, pada setiap langkah pindahkan kebawah pivot terdahulu dan gerakan
kekanan untuk memperoleh pivot yang berikutnya, kemudian eliminasi semua suku
dibawah pivot ini sampai tidak ada lagi yang bisa diproses untuk pengeliminasian.
Jadi pivot yang ketiga adalah 4 dan tidak ada lagi elemen dibawah pivot ini untuk
dieliminasi. Jadi proses dihentikan.
Pada akhir dari Langkah 3, dikatakan sistem persamaan menjadi bentuk segitiga atas. Su-
atu sistem persamaan berbentuk segi tiga atas mudah diselesaikan dengan menggunakan cara
mensubstitusi mumdur, yaitu persamaan terakhir diselesaikan, kemudian hasilnya substitusikan
kepersamaan yang diatasnya, dst. sampai semua peubah didapatkan. Untuk contoh ini, sele-
saikan persamaan terakhir dari persamaan (2.27), didapat
z = 1.
Substitusikan z = 1 kepersamaan kedua dari persamaan (2.27), didapat
y = 4 2z = 4 2(1) = 2.
Akhirnya, substitusikan z = 1, y = 2 kepersamaan yang pertama dari persamaan (2.27), didapat
1 1
x = (1 y z) = (1 2 1) = 1.
2 2
Hasil yang didapat menunjukkan bahwa sistem persamaan (2.26) dan sistem persamaan (2.27)
berdasarkan Teorema 2.2.1 adalah ekivalen, jadi penyelesaian dari sistem persamaan (2.26)
adalah x = 1, y = 2 dan z = 1.
Jelas bahwa tidak ada suatu alasan untuk menuliskan simbol "x", "y" dan "z" serta "=" pada
setiap langkah yang mana hanya memperlakukan koefisien dalam penghitungan. Bila simbol-
simbol tsb. dihilangkan, maka suatu sistem persamaan linear ditampilkan kesuatu susunan dalam
bentuk persegi panjang berisi bilangan-bilangan yang mana setiap baris horizontal menyatakan
satu persamaan. Misalnya, sistem persamaan linear (2.26) bila dituliskan dalam bentuk susunan
persegi panjang adalah:
2 1 1 1
6 2 1 1 . (Tanda garis tegak menyatakan = .)
2 2 1 7
Susunan koefien disebalah kiri garis tegak dinamakan matriks koefisien daris sistem per-
samaan. Keseluruhan elemen dalam susunan dinamakan matriks diperbesar (augmented ma-
trix) dari sistem persamaan linear. Bila koefisien matriks dinyatakan oleh A dan elemen disebe-
lah kanan garis tegak oleh b , maka matriks diperbesar dari sistem persamaan linear dinotasikan
A|bb].
oleh [A
Secara formal, suatu skalar dari bilangan real atau kompleks dan matriks adalah suatu
susunan berbentuk persegi panjang dari skalar. Matriks A biasanya ditulis sebagai
a1,1 a1,2 a1,n
a2,1 a2,2 a2,n
A = .. .. .. .. .
. . . .
am,1 am,2 am,n
34
Elemen-elemen dari matriks A dinyatakan oleh ai, j dengan i m dan j n, dimana m = {1, 2, , m}
dan n = {1, 2, , n}. Elemen ai, j menyatakan elemen dari matriks A yang terletak pada baris
ke-i kolom ke- j. Suatu contoh
2 1 3 4
A = 8 6 5 9 , maka a1,1 = 2, a1,2 = 1, , a3,4 = 7. (2.28)
3 8 3 7
Suatu submatriks dari matriks A adalah suatu susunan yang diperoleh dari menghapus se-
barang kombinasi dari baris dan kolom matriks A . Suatu contoh matriks
2 4
B=
3 7
adalah suatu submatriks dari matriks A pada (2.28) dengan menghapus baris kedua dan kolom
kedua, dan ketiga dari matriks A .
Matriks A dikatakan berukuran m n bila A mempunyai baris sebanyak m dan kolom se-
banyak n. Dengan demikian, matriks berukuran 1 1 adalah skalar, sebaliknya suatu skalar
adalah matriks yang berukuran 1 1. Untuk penekanan bahwa matriks A berukuran m n juga
ditulis sebagai Amn . Bila m = n, maka matriks A dikatakan matriks persegi. Suatu matriks
yang hanya terdiri dari satu baris dinamakan vektor baris dan bila hanya terdiri dari satu kolom
dinamkan vektor kolom.
Simbol A i, digunakan untuk menyatakan baris ke-i dan A , j menyatakan kolom ke- j dari
matriks A . Contoh bila A matriks pada (2.28), maka
3
A 3, = 3 8 3 7 dan A ,3 = 5 .
3
Untuk persamaan sistem linear (2.9) eliminasi Gauss bisa dilakukan melalui matriks diperbe-
sar (augmented matrix) [A A|bb] dengan menggunakan operasi baris elementer pada [A A|bb]. Operasi
elementer ini meliputi tiga operasi baris elementer yang diberikan pada (2.16), (2.17) dan (2.18).
Untuk matriks berukuran m n
M 1,
..
.
M i,
.
M = .. ,
M
j,
.
..
M m,
tiga macam operasi baris elementer pada M adalah sebagai berikut.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 35
Macam III: Tambah baris ke- j dengan kelipatan baris ke-i menghasilkan
M 1,
..
.
M i,
.
M = .. .
(2.31)
M + M M
j, i,
..
.
M m,
Untuk menyelesaikan sistem persamaan linear (2.9) menggunakan operasi baris elementer,
mulai dengan matriks diperbesar [AA|bb] dan jadikan bentuk segitiga atas matriks koefisien A de-
ngan melakukan operasi baris elementer pada [A A|bb]. Kembali pada contoh yang diberikan oleh
sistem persamaan linear (2.26), dengan melakukan operasi baris elementer pada matriks diperbe-
A|bb] didapat
sar [A
2 1 1 1 2 1 1 1
6 2 1 1 B2 3B1 0
-1 2 4
2 2 7 7 B3 + B1 0 3 2 8 B3 + 3B2
2 1 1 1
0 1 2 4 .
0 0 4 4
36
Matriks diperbesar yang terakhir menyatakan bentuk segitiga atas dari sistem persamaan linear
2x + y + z = 1
y 2z = 4
4z = 4
Dengan substitusi mundur, didapat hasil seperti sebelumnya z = 1, y = 2 dan x = 1. Umumnya,
bila suatu sistem persamaan linear n n mempunyai bentuk segitiga atas
t1,1 t1,2 t1,n c1
0 t2,2 t2,n c2
. . . (2.32)
.. . . . .. ..
0 0 tn,n cn
dimana masing-masing ti,i 6= 0, maka algoritma umum untuk substitusi mundur diberikan sebagai
berikut.
Suatu cara untuk menaksir effisiensi suatu algorithma adalah menghitung banyaknyanya ope-
rasi aritmatika yang digunakan. Untuk berbagai alasan, tidak dibedakan tambah dan kurang,
dan kali dan bagi. Lagi pula kali/bagi dihitung secara terpisah dari tambah/kurang. Bahkan
bila secara rinci menggunakan suatu algoritma, penting bahwa mengetahui banyaknya operasi
untuk eliminasi Gauss dengan substitusi mundur sehingga akan didapat suatu dasar perbandingan
ketika menggunakan algoritma yang lain. Berikut ini diberikan banyaknya operasi aritmatika
yang digunakan dalam eliminasi Gauss.
Eliminasi Gauss dengan substitsusi mundur untuk sistem persamaan linear n n membutuhkan
n3 n
+ n2 , kali/bagi
3 3
dan
n3 n2 5n
+ , tambah/kurang.
3 2 6
Bila n meningkat, suku n3 /3 mendominasi suku yang lainnya. Oleh karena itu, hal yang penting
Eliminasi Gauss dengan substitusi mundur untuk sistem persamaan linear n n membutuhkan
sekitar n3 /3 operasi kali/bagi dan membutukan juga sekitar n3 /3 operasi tambah/kurang.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 37
Contoh 2.2.1 Selesaikan sistem persamaan berikut menggunakan eliminasi Gauss dengan sub-
stitusi mundur:
x2 x3 = 3
2x1 + 4x2 x3 = 1
2x1 + 5x2 4x3 = 2
Penyelesaian : Matriks diperbesar dari sistem persamaan linear adalah
0 1 1 3
2 4 1 1 .
2 5 4 2
Karena pivot pertama adalah
,0 maka tukar baris pertama dengan baris kedua dan sebaliknya,
selanjutnya lakukan eliminasi elemen elemen dibawah pivot yang dipilih sehingga didapat
-2 4 1 1 2 4 1 1 2 4 1 1
0 1 1 3 B 3 B1 B3 B2
0
1 1 3 0 1 1 3 .
2 5 4 2 0 1 3 3 0 0 2 6
Contoh 2.2.2 Misalkan bahwa 100 serangga terdistribusi dalam suatu ruang tertutup terdiri dari
empat ruang dengan jalur-lintas diantaranya sebagaimana dalam Gambar 2.8. Pada akhir satu
#3
#4 #2
#1
menit, serangga terdistribusi kembali dengan sendirinya. Asumsikan bahwa satu menit tidak
cukup waktu untuk suatu serangga pindah ke lebih dari satu ruang dan pada akhir satu menit 40%
serangga disetiap ruang tidak meninggalkan ruangan, mereka tetap pada awal menit. Serangga
yang meninggalkan ruangan secara seragam menyebar diantara ruangan, serangga ini secara
langsung dapat mencapai keadaan semula mereka tinggal., misalnya # 3 separuh bergerak ke # 2
38
dan separuh ke # 4. Bila diakhir satu menit terdapat 12, 25, 26 dan 37 serangga masing-masing
di ruang # 1, # 2, # 3 dan # 4, maka tentukan apa seharusnya distribusi awal.
Jawab Bila xi adalah banyaknya keadaan awal dalam ruangan # i dengan i = 1, 2, 3, 4, didapat
sistem persamaan linear
0.4x1 + 0x2 + 0x3 + 0.2x4 = 12
0x1 + 0.4x2 + 0.3x3 + 0.2x4 = 25
0x1 + 0.3x2 + 0.4x3 + 0.2x4 = 26
0.6x1 + 0.3x2 + 0.3x3 + 0.4x4 = 37
dengan menggunakan eliminasi Gauss dan substitusi mundur didapat x1 = 10, x2 = 20, x3 = 30
dan x4 = 40.
Latihan
Latihan 2.3.1 Gunakan Eliminasi Gauss dengan substitusi mundur pada sistem persamaan lin-
ear berikut
(a)
2x1 x2 = 0
x1 + x2 x3 = 0
x2 +x3 = 1
(b)
4x2 3x3 = 3
x1 + 7x2 5x3 = 4
x1 + 8x2 6x3 = 5
(a) Dapatkan nilai a dan b supaya sistem persamaan linear mempunyai penyelesaian tunggal.
(b) Dapatkan nilai a dan b supaya sistem persamaan punya penyelesaian tidak tunggal.
Latihan 2.3.4 Suatu jaringan dari aliran terdiri dari 4 titik A, B, C dan D yang dihubungkan
oleh garis. Dengan asumsi bahwa
Total aliran yang masuk ke suatu titik sama dengan total aliran yang keluar dari suatu
titik.
Total aliran yang masuk kedalam jaringan sama dengan total aliran yang keluar dari
jaringan.
40
Bila gambar dari suatu jaringan aliran diberikan oleh gambar berikut
x1
x2 200
200 b b
A B 300
x3 x4
b
C D b 500
300 x5
400
300
Latihan 2.3.5 Diberikan tiga sistem persamaan linear dimana koefisennya sama untuk setiap
sistem tetapi bagian kanan persamaan berbeda:
4x 8y + 5z = 1 0 0
4x 7y + 4z = 0 1 0
3x 4y + 2z = 0 0 1
Selesaikan semua tiga persamaan sistem linear tsb. dengan menggunakan eliminasi Gauss pada
bentuk matriks yang diperbesar
A |bb1 |bb2 |bb3 ] .
[A
dimana 0 2, 0 2 dan 0 2.
Usahakan menyelesaikan sistem persamaan linear ini menggunakan eliminasi Gauss dan je-
laskan mengapa sistem persamaan linear tsb. tidak mungkin untuk diselesaikan.
Latihan 2.3.9 Gunakan sistem persamaan linear 3 3 untuk memperoleh koefisien suatu per-
samaan parabola y = + x + x2 yang melalui tiga titik (1, 1), (2, 2) dan (3, 0).
Latihan 2.3.10 Diketahui seperti Contoh 2.2.2 dan bila distribusi awal adalah 20, 20, 20 dan
40, maka tentukan distribusi akhir pada satu menit.
Latihan 2.3.11 Terangkan mengapa suatu sistem persamaan linear tidak akan pernah mem-
punyai tepat dua penyelesaian yang berbeda. Perluas pernyataan ini, untuk menerangkan fakta
bahwa bila suatu sistem persamaan linear mempunyai lebih dari satu penyelesaian, maka penye-
lesaian itu haruslah banyak takhingga penyelesaian.
Latihan 2.3.12 Misalkan bahwa [A A|bb] adalah matriks diperbesar dari suatu sistem persamaan
linear. Telah diketahui bahwa operasi baris elementer tidak mengubah penyelesaian sistem per-
samaan linear. Bagaimanapun, tidak disebutkan bahwa bila operasi kolom dapat mempengaruhi
suatu penyelesaian suatu sistem persamaan linear.
(a) Uraikan akibat pada penyelesaian suatu sistem persamaan linear bila kolom A, j dan A,k
saling dipertukarkan.
(b) Uraikan akibat pada penyelesaian suatu sistem persamaan linear bila kolom A, j diganti
oleh A
A, j dengan 6= 0.
(c) Uraikan akibat pada penyelesaian suatu sistem persamaan linear bila kolom A, j diganti
oleh A, j + A
A,k .
Petunjuk : Lakukan suatu percobaan dengan matriks berukuran 2 2 dan 3 3.
Pada akhir bagian ini dibahas metode menyelesaiakna sistem persamaan linear menggunakan
apa yang dinamakan Gauss-Jordan. Metode ini mengenalkan suatu variasi eleminasi Gauss yang
dikenal dengan nama Metode Gauss-Jordan. Walaupun ada beberapa yang membingungkan
ketika Jordan menerima penghargaan untuk algoritma ini, sekarang jelas bahwa faktanya metode
ini dikenalkan oleh seorang geodesi yang bernama Wilhelm Jordan (1842-1899) dan bukan oleh
yang telah banyak dikenal oleh matematikawan yaitu Marie Ennemond Camille Jordan (1838-
1922). Dua keutamaan dari metode Gauss-Jordan yang membedakan dengan Eleminasi Gauss
sebagai berikut.
Pada setiap langkah, semua suku-suku diatas pivot dan juga dibawahnya dieliminasi.
42
Tampak bahwa penyelesaian diberikan oleh kolom terakhir, yaitu xi = ci , i = 1, 2, , n dan tanpa
melakukan substitusi mundur.
Contoh 2.3.1 Gunakan metode Gauss-Jordan untuk menyelesaikan persamaan linear berikut.
2x1 + 2x2 + 6x3 = 4
2x1 + x2 + 7x3 = 6
2x1 6x2 7x3 = 1
Jawab
2 2 6 4
B1 /2
1 1 3 2
2 1 7 6
2 1 7 6 B2 2B1
2 6 7 1 2 6 7 1 B3 + 2B1
1 1 3 2
1 1 3 2
B1 B2
0 1 1 2 (B2 ) 0
1 1 2
0 4 1 3 0 4 1 3 B3 + 4B2
1 0 4 4 1 0 4 4
B1 4B3
0
1 1 2 0 1 1 2
B2 + B3
0 0 5 5 (B3 /5) 0 0
1 1
1 0 0 0
0 1 0 1 .
0 0
1 1
x1 0
Jadi, penyelesaiannya adalah x2 = 1 .
x3 1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 43
Dari apa yang telah dibahas kelihatannya bahwa ada tidak begitu banyak perbedaan di-
antara metode Gauss-Jordan dan eliminasi Gauss dengan substitusi mundur disebabkan pen-
geliminasian suku-suku diatas pivot dengan metode Gauss-Jordan kelihatnnya ekivalen dengan
melakukan substitusi mundur. Tetapi hal ini tidak benar. Metode Gauss-Jordan membutuhkan
lebih banyak penghitungan dari pada eliminasi Gauss dengan substitusi mundur. Hal ini bisa dil-
ihat dari banyaknya operasi yang digunakan dalam metode Gauss-Jordan sebagaimana berikut.
Ingat dalam pembahasan sebelumnya eliminasi Gauss dengan substitusi mundur hanya mem-
butuhkan sekitar n3 /3 operasi kali/bagi begitu juga hal nya sama untuk operasi tambah/kurang.
Bandingkan dengan n3 /2 operasi kali/bagi begitu juga untuk operasi tambah/kurang yang dibu-
tuhkan ketika melakukan metode Gauss-Jordan, bisa dilihat bahwa metode Gauss-Jordan mem-
butuhkan sekitar lebih 50% upaya dari pada eliminasi Gauss dengan substitusi mundur. Untuk
suatu sistem persamaan linear yang kecil misalnya n = 3, perbedaan ini tidak begitu cukup be-
sar berarti. Tetapi dalam praktis sistem persamaan linear sering muncul dengan n cukup besar.
Dalam hal ini, eliminasi Gauss dengan substitusi mundur lebif effisien dibandingkan dengan
metode Gauss-Jordan. Misalnya untuk n = 100, maka n3 /3 sekitar 333333 sedangkan n3 /2
adalah 500000 dalam hal ini selisihnya adalah 166667 operasi kali/bagi begitu juga sama untuk
operasi tambah/kurang.
Walaupun metode Gauss-Jordan dalam praktis banyak dihindari untuk menyelesaiakan sis-
tem persamaan linear, metode ini mempunyai kegunaan dalam teori. Kegunaannya adalah masalah
teknik dari pada masalah komputasinya. Selain itu metode Gauss-Jordan dapat digunakan untuk
menentukan invers dari suatu matriks.
Untuk mengakhiri bagian ini, diberikan cara menyelesaiakan sistem persamaan linear menggu-
nakan Maxima untuk Metode Gauss-Jordan. Pada Contoh 2.2.2 diselesaikan dengan cara metode
Gauss-Jordan, dalam Maxima ketik sbb:
A=matrix([[4/10,0,0,2/10],[0,4/10,3/10,2/10],
[0,3/10,4/10,2/10],[6/10,3/10,3/10,4/10]])
b=matrix([[12],[25],[26],[37]])
44
Ab = A.augment(b,subdivide=True)
html("Matrik diperbesar $[A|b]=%s$"%latex(Ab))
print
html("OBE Gauss-Jordan : $%s$"%latex(Ab.rref()))
0 0 0 1 40
Sehingga dengan menggunakan OBE metode Gauss-Jordan, didapat x1 = 10, x2 = 20, x3 = 30
dan x4 = 40. Terlihat hasilnya sama seperti pada hasil penghitungan sebelumnya.
Hasil penghitungan numerik untuk suatu sistem persamaan linear terhadap perubahan nilai
yang kecil bisa mempengaruhi konsistensi hasil hitungan, bila sistem persamaan linear terhadap
suatu perubahan nilai yang sangat kecil merubah hasil yang sangat besar (sangat sensitif) hal ini
membuat kecenderungan hitungan numerik sangat jauh hasilnya dari yang semestinya, bahkan
akan sangat jauh bedanya dengan jawab (solusi) eksaknya. Maxima Toolbox dapat mengatasi
kesensitifan ini. Sebagai contoh diberikan sistem persamaan berikut
.835x + .667y = .168,
(2.33)
.333x + .266y = .067.
Penyelesaian eksaknya adalah x = 1 dan y = 1. Bila diadakan perubahan kecil dari nilai 0.067
menjadi 0.066 sehingga didapat suatu sistem persamaan yang hampir sama yaitu
.835x + .667y = .168,
(2.34)
.333x + .266y = .066.
Penyelesaian eksak dari Persamaan (2.34) adalah x = 666 dan y = 834. Terlihat bahwa hasil
eksak dari Persamaan (2.33) dan (2.34) sangat jauh berbeda, sedangkan Persamaan (2.33) dan
(2.34) hampir sangat sama, hanya ada beda sangat kecil pada satu nilai 0.067 menjadi 0.066. Se-
lanjutnya kedua persamaan tsb. diselesaikan dengan menggunakan Sage NoteBook sbb:
(%i5)
kill(all)$ ab:matrix([0.835,0.667,0.168],[0.333,0.266,0.067])$
ab:echelon(ab)$ ab:rowop(ab,1,2,667/835);
1 0 1
(%o4)
0 1 1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 45
Latihan
Latihan 2.3.13 Gunakan metode Gauss-Jordan untuk menyelesaikan sistem persamaan berikut:
(a)
4x2 3x3 = 3
x1 + 7x2 5x3 = 4
x1 + 8x2 6x3 = 5
(b)
x1 + x2 + x3 + x4 = 1
x1 + 2x2 + 2x3 + 2x4 = 0
x1 + 2x2 + 3x3 + 3x4 = 0
x1 + 2x2 + 3x3 + 4x4 = 0.
(c)
5x2 + 15x4 = 5
x1 + 4x2 + 7x3 + x5 = 3
x1 + 2x2 + 3x3 = 1
x1 + 2x2 + 4x3 + x4 = 2.
(d)
2x1 + x2 + 3x3 + 2x4 = 5
x1 + 3x2 + 2x3 + 4x4 = 1
3x1 + 2x2 = 2.
Latihan 2.3.14 Gunakan metode Gauss-Jordan untuk menyelesaikan secara bersama sistem
persamaan linear berikut:
2x1 x2 = 1 0 0
x1 + 2x2 x3 = 0 1 0
x2 + x3 = 0 0 1.
46
Latihan 2.3.17 Selidiki apakah sistem persamaan linear berikut mempunyai jawab atau tidak!
x1 + 2x2 + x3 = 1
2x1 + 4x2 + 2x3 = 3
2.4 Matriks
Disini dikenalkan beberapa ide dasar yang mencakup pengkajian matriks. Dalam bagian se-
belumnya digunakan matriks diperbesar untuk menyatakan sistem persamaan linear. Susunan
bilangan ini sering kita jumpai juga dalam bentuk yang lain, misalnya susunan bilangan de-
ngan tiga baris dan tujuh kolom yang menyatakan berapa jam waktu yang digunakan seorang
mahasiswa setiap hari untuk mempersiapkan tiga mata kuliah yang ditempuhnya sebagaimana
diberikan oleh Tabel 2.1 berikut.
Bila judul matakuliah dan hari dalam Tabel 2.1 dihapus, maka didapat susunan bilangan real
dalam bentuk pesegi panjang dengan tiga baris dan tujuh kolom:
1 3 2 1 4 4 2
2 0 1 3 5 0 2 , (2.35)
4 3 1 1 0 2 0
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 47
Ukuran suatu matriks adalah banyaknya baris dan banyaknya kolom. Bila banyak baris
adalah m dan banyaknya kolom n, maka ukuran matriks ditulis sebagai m n. Jadi ukuran
matriks pada contoh diatas berturut-turut adalah 5 4, 3 3, 5 1, 1 5 dan 1 1. Suatu
matriks A ukuran m n biasanya dinotasikan dengan A = [ai, j ], i = 1, 2, . . ., m, j = 1, 2, . . ., n
atau secara singkat [ai, j ]mn (bila ukuran matriks penting untuk diketahui). Bila ukuran matriks
tidak penting untuk diketahui cukup ditulis [ai, j ]. Selanjutnya ai, j menyatakan elemen baris ke-i
kolom ke- j dari suatu matriks A dengan ai, j R atau ai, j C yang mana R menyatakan him-
48
punan bilangan real dan C menyatakan himpunan bilangan kompleks. Untuk matriks berukuran
1 1 yaitu [a] cukup ditulis a.
Suatu matriks yang hanya mempunyai satu kolom dinamakan matriks kolom (vektor kolom)
sedangkan bila hanya mempunyai satu baris dinamakan matriks baris (vektor baris). Suatu
matriks A dengan n baris dan n kolom dinamakan matriks persegi ukuran n
a1,1 a1,2 . . . a1,n
a2,1 a2,2 . . . a2,n
A = .. .. .. .. ,
. . . .
an,1 an,2 . . . an,n
elemen-elemen a1,1 , a2,2 , . . . , an,n dinamakan elemen-elemen di diagonal utama matriks A. Berikut
ini diberikan pengertian dua matriks adalah sama. Diberikan matriks A = [ai, j ] dan B = [bi, j ], ma-
triks A dan B dikatakan sama bila kedua ukuran matriks A dan B sama dan ai, j = bi, j untuk semua
i dan j. Contoh, matriks-matriks berikut
1 2 x 2 1 2 3
A= ,B = dan C =
3 4 3 4 3 4 5
Maka daftar total siswa SMP dan SMA keseluruhan kota diberikan oleh tabel berikut
Tabel 2.3: Daftar total siswa SMP dan SMA seluruh wilayah
Bila daftar keadaan siswa wilayah Utara dan Selatan di tuliskan sebagai matrik, didapat matriks:
2234 2105 2001 2105 1866 1509
U= dan S =
1973 1873 1762 1877 1689 1574
Terlihat bahwa Tabel 2.3 bentuk matriksnya diberikan oleh matriks U + S. Hasil pembahasan ini
menjelaskan penambahan dua matriks. Hal yang serupa bisa dilakukan untuk pengurangan dua
matriks.
Berikut ini diberikan definisi secara umum untuk penambahan dan pengurangan dua matriks.
Penambahan dan pengurangan dua matriks A dan B bisa dilakukan bila kedua matriks mem-
punyai ukuran yang sama dan elemen-elemen dari A + B dan A B masing-masing diberikan
oleh
[A + B]i, j = ai, j + bi, j dan [A B]i, j = ai, j bi, j .
Bila ukuran A dan B tidak sama, maka penambahan dan pengurangan dari A dan B tidak di-
definisikan. Berikut ini diberikan contoh penambahan dan pengurangan matriks. Diberikan
matriks-matriks:
1 2 0 2 3 11 1 2
A= , B= dan C = .
0 7 3 3 6 4 3 4
Maka
1 1 11 3 5 11
A+B = , AB =
3 1 1 3 13 7
sedangkan A +C dan B +C tidak terdefinisi, begitu juga A C dan B C tidak terdefinisi. Untuk
melakukan operasi tambah dan kurang bagi matriks dalam Maxima lakukan sebagai berikut:
(%i5) a:A=matrix([1,-2,0],[0,7,-3]);b:B=matrix([-2,3,11],[3,-6,4]);
c:C=matrix([1,-2],[3,-4]);"A+B"= rhs(a)+rhs(b);"A-B"= rhs(a)-rhs(b);
50
1 2 0
(%o1) A =
0 7 3
2 3 11
(%o2) B =
3 6 4
1 2
(%o3) C =
3 4
1 1 11
(%o4) A + B =
3 1 1
3 5 11
(%o5) A B =
3 13 7
Untuk A +C dan B C tidak terdifinisi, hal ini bisa dilihat hasil output dalam Maxima sebagai
berikut:
(%i9) "A+C"=rhs(a)+rhs(c);"B-C"=rhs(b)+rhs(c);
fullmap: arguments must have same formal structure.
an error. To debug this try: debugmode(true);
fullmap: arguments must have same formal structure.
an error. To debug this try: debugmode(true);
Contoh 2.5.1
Diberikan matriks-matriks
0 1 3 8 0 6 10 2 5
A= , B= dan C =
2 4 6 4 14 2 1 4 3
maka
0 1 3 1 4 0 3 30 6 15
(1)A = , B= dan 3C = .
2 4 6 2 2 7 1 3 12 9
Perkalian skalar dengan matriks dalam Maxima dilakukan sebagai berikut:
(%i6) a: A=matrix([0,-1,-3],[2,4,6]);b:B=matrix([8,0,6],[4,14,-2]);
c: C=matrix([10,2,-5],[1,4,3]);"(-1)A"= -1*rhs(a);
"1/2B"= 1/2*rhs(b);"3C"=3*rhs(c);
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 51
0 1 3
(%o1) A=
2 4 6
8 0 6
(%o2) B=
4 14 2
10 2 5
(%o3) C=
1 4 3
0 1 3
(%o4) (1)A =
2 4 6
1 4 0 3
(%o5) B=
2 2 7 1
30 6 15
(%o6) 3C =
3 12 9
k1 A1 + k2 A2 + . . . + kn An
dan
b1,1 z1 + b1,2 z2 = x1
b2,1 z1 + b2,2 z2 = x2 (2.37)
b3,1 z1 + b3,2 z2 = x3
52
Bila diinginkan y1 dan y2 bergantung pada peubah z1 dan z2 , maka didapat sistem persamaan
(a1,1 b1,1 + a1,2 b2,1 + a1,3 b3,1 )z1 + (a1,1 b1,2 + a1,2 b2,2 + a1,3 b3,2 )z2 = y1
(2.38)
(a2,1 b2,1 + a2,2 b2,1 + a2,3 b3,1 )z1 + (a2,1 b1,2 + a2,2 b2,2 + a2,3 b3,2 )z2 = y2
Selanjutnya bila
c1,1 = a1,1 b1,1 + a1,2 b2,1 + a1,3 b3,1 c1,2 = a1,1 b1,2 + a1,2 b2,2 + a1,3 b3,2
c2,1 = a2,1 b2,1 + a2,2 b2,1 + a2,3 b3,1 c2,2 = a2,1 b1,2 + a2,2 b2,2 + a2,3 b3,2
def
dan didefinisikan perkalian matriks AB = C, dengan elemen-elemen matriks C diberikan oleh
Persamaan (2.39), maka Persamaan (2.38) dapat ditulis sebagai perkalian matriks
z1 y1
CZ = Y, dengan Z = dan Y = .
z2 y2
Perhatikan bahwa Persamaan (2.39) mengisyaratkan banyaknya kolom dari A harus sama de-
ngan banyaknya baris B dalam hal ini keduanya sama dengan 3 dan ukuran matriks hasil kali
adalah 2(banyaknya baris A) 2(banyaknya kolom B). Jadi syarat dua matriks bisa dikalikan
banyaknya kolom matriks yang pertama sama dengan banyaknya baris matriks yang kedua dan
elemen-elemen matriks hasil kali diberikan seperti dalam Persamaan (2.39). Oleh karena itu bila
matriks Am,p dan matriks B p,n , maka perkalian kedua matriks ini diberikan oleh
p
Am,p B p,n = Cm,n , dengan ci, j = ai,k bk, j , i = 1, 2, . . ., m dan j = 1, 2, . . ., n.
k=1
Contoh 2.5.2
Diberikan matriks-matriks
2 1
1 2 3
A= ,B = 3 7
5 3 4
5 6
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 53
Elemen baris ke-1 kolom ke-2 dan baris ke-2 kolom ke-1 matriks perkalian AB diberikan sebagai
berikut
2 1
1 2 3 33
AB = 3 7 =
5 3 4 43
5 6
(1 1) + (2 7) + (3 6) = 33
(5 2) + (3 3) + (4 6) = 43
Dengan melakukan hal yang serupa didapat
2 1
1 2 3 23 33
AB = 3 7 =
5 3 4 39 50
5 6
dan perkalian matriks BA diberikan oleh
2 1 7 7 10
1 2 3
BA = 3 7 = 38 27 37
5 3 4
5 6 35 28 39
terlihat bahwa AB 6= BA. Perkalian matriks tsb. dalam Maxima lakukan sebagai berikut:
(%i1) a:A=matrix([1,2,3],[5,3,4]); b:B=matrix([2,1],[3,7],[5,6]);
ab:AB=rhs(a).rhs(b);ba:BA=rhs(b).rhs(a);
1 2 3
(%o1) A=
5 3 4
2 1
(%o2) B = 3 7
5 6
23 33
(%o3) AB =
39 50
7 7 10
(%o4) BA = 38 27 37
35 28 39
Diberikan dua matriks Am,p dan B p,n dan C = Am,pB p,n , maka matriks baris ke-i dari C
diberikan oleh Ci, = Ai, B dan matriks kolom ke- j dari C diberikan oleh C, j = AB, j .
Contoh 2.5.3
Diberikan matriks-matriks
2 1 1
1 2 0 7 0 2 2
A= 2 5 0 8 .
3 2 10 , B =
5 11 1 8
1 12 9
54
1 12 9
(%o3) A2, = 2 3 2 10 , C2, = A2, B = 24 128 66
1
2 66
(%o5) 8 , C,3 = A B,3 = 66
B,3 =
47
9
Perkalian matriks dan kombinasi linear sangat penting bila dihubungkan dengan sistem per-
samaan linear yang diberikan oleh Persamaan (2.9). Persamaan ini dapat ditulis dalam bentuk
perkalian matriks sebagai berikut
a1,1 a1,2 . . . a1,n x1 b1
a2,1 a2,2 . . . a2,n x2 b2
.. .. .. .. .. = .. . (2.40)
. . . . . .
am,1 am,2 . . . am,n xn bm
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 55
Bila
a1,1 a1,2 . . . a1,n x1 b1
a2,1 a2,2 . . . a2,n
x2
b2
A= .. .. .. .. , =
x .. dan =
b .. ,
. . . . . .
am,1 am,2 . . . am,n xn bm
maka Persamaan (2.40) dapat ditulis sebagai Axx = b . Selanjutnya bila
a1, j
a2, j
A, j = .. , j = 1, 2, . . ., n,
.
am, j
dan sistem persamaaan linear (2.40) mempunyai penyelesaian, maka matriks b dapat ditulis se-
bagai kombinasi linear berikut
Pembahasan yang lebih mendalam mengenai kombinasi linear akan diberikan pada bagian yang
berikutnya, terutama saat pembahasan ruang vektor.
Suatu matriks transpose adalah matriks yang diperoleh dari matriks yang lain dengan elemen
baris menjadi elemen kolom dan sebaliknya. Matriks transpose dari suatu matriks A ditulis AT ,
jadi bila A = [ai, j ], maka AT = [a j,i ]. Contoh
1 0
1 2 3 4 2 2
A= , AT =
3 3 .
0 2 3 5
4 5
Perintah untuk melakukan matriks transpose dalam Maxima lakukakan sebagai berikut:
(%i2) a:A=matrix([1,2,-3,-4],[0,-2,3,5]);at:A^("T")=transpose(rhs(a));
1 2 3 4
(%o2) A=
0 2 3 5
1 0
2 2
(%o3) AT = 3 3
4 5
Suatu matriks persegi A dinamakan matriks simetri bila A = AT . Contoh
0 1 7 0 1 7
A = 1 2 3 , AT = 1 2 3 .
7 3 1 7 3 1
58
Suatu matriks persegi A dinamakan simetri miring (skew symmetry) bila A = AT . Contoh
0 1 T 0 1 0 1
A= , A = = = A.
1 0 1 0 1 0
Perintah mendapatkan trace dari suatu matriks dalam Maxima dilakukan sebagai berikut:
(%i7) load(functs)$ a:A=matrix([1,1,2],[-3,2,0],[2,5,4]);
tra:"trace(A)"=tracematrix(rhs(a));
1 1 2
(%o8) A = 3 2 0
2 5 4
(%o9) trace(A) = 7.
Bila suatu matriks elemen-elemennya adalah bilangan kompleks, maka dikenal suatu matriks
dengan nama konjugate transpose atau transpose konjugate. Hal ini berkenaan dengan suatu
dari bilangan kompleks. Misalkan suatu bilangan kompleks z C dengan z = a +
konjugate
bi, i = 1, maka konjugate dari z ditulis z diberikan oleh z = a bi. Diberikan suatu matriks
A = [ai, j ], ai, j C,
maka
2i 3i
2 + i 5 3i 2 + 7i
A= , AT = 5 + 3i 1 + 4i
3i 1 4i 2 3i
2 7i 2 + 3i
dan
2 + i 3i
(A)T = 5 3i 1 4i = AT = A .
2 + 7i 2 3i
(%i4) ac:conjugate(rhs(a));
i+2 53i 7i+2
(%o4)
3 i 1 4 i 2 3 i
(%i7) at:transpose(rhs(a));
2i 3i
(%o7) 3 i + 5 4 i + 1
27i 3i+2
(%i6) transpose(ac);
i+2 3 i
(%o6) 5 3 i 1 4 i
7i+2 23i
(%i8) conjugate(at);
i+2 3 i
(%o8) 5 3 i 1 4 i
7i+2 23i
(%i12) A^("*")=conjugate(at);
60
i+2 3 i
(%o12) A = 5 3 i 1 4 i
7i+2 23i
(%i13) A^("*")=transpose(ac);
i+2 3 i
(%o13) A = 5 3 i 1 4 i
7i+2 23i
Teorema 2.7.1 Bila A, B dan C adalah matriks dengan ukuran yang sama dan elemen-elemennya
adalah bilangan real atau kompleks, maka
(1) A + B = B + A,
(1) didapat
A + B = [ai, j + bi, j ] = [bi, j + ai, j ] = B + A
(2) dan
Teorema 2.7.2 Ada dengan tunggal matriks M berukuran m n sedemikian hingga untuk setiap
matriks A berukuran m n berlaku A + M = A.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 61
Bukti:
Misalkan matriks M = [mi, j ] dengan mi, j = 0 untuk semua i dan j. Maka untuk setiap matriks
A = [ai, j ] didapat
A + M = [ai, j + mi, j ] = [ai, j + 0] = [ai, j ] = A.
Untuk menentukan ketunggalan dari M, misalkan bahwa matriks B = [bi, j ] juga memenuhi A +
B = A untuk setiap A, maka khususnya didapat M + B = M, dilain pihak M + B = B. Jadi B = M.
Teorema 2.7.3 Bila A dan B masing-masing berukuran m n, maka untuk setiap skalar dan
1. (A + B) = A + B,
2. ( + )A = A + A,
3. (A) = ()A,
4. (1)A = A
5. 0A = 0mn .
Bukti:
Misalkan A = [ai, j ] dan B = [bi, j ] didapat
5. 0ai, j = 0 0A = 0mn .
Bukti:
Elemen ke-(i, j) dari matriks A(BC) adalah
n
[A(BC)]i, j = ai,r [BC]r, j
r=1
!
n p
= ai,r br,scs, j
r=1 s=1
n p
= ai,r br,scs, j .
r=1 s=1
p
[(AB)C]i, j = [AB]i,scs, j
s=1
!
p n
= ai,r br,s cs, j
s=1 r=1
p n
= ai,r br,scs, j
s=1 r=1
n p
= ai,r br,scs, j .
r=1 s=1
Didapat
[A(BC)]i, j = [(AB)C]i, j untuk semua i, j.
Dari hasil Teorema 2.7.4, maka matriks A(BC) dan (AB)C cukup ditulis ABC. Juga matriks
sebanyak n
z }| {
AAA A,
Bukti:
Elemen [A(B +C)]i, j diberikan oleh
n
[A(B +C)]i, j = ai,k[B +C]k, j
k=1
n
= ai,k(bk, j + ck, j )
k=1
n n
= ai,kbk, j + ai,k ck, j )
k=1 k=1
= [AB]i, j + [AC]i, j
= [AB + AC]i, j .
Terlihat bahwa A(B +C) = AB + AC.
Hal serupa dapat dibuktikan bahwa bila matriks A, B dan C dengan ukuran yang sesuai, maka
(B +C)A = BA +CA.
Bukti:
Elemen ke-(i, j) dari tiga hasil kali tsb. adalah
!
n n n
ai,k bk, j = (ai,k)bn, j = ai,k (bk, j ).
k=1 k=1 k=1
Teorema 2.7.7 Ada dengan tunggal matriks M berukuran n n dengan sifat untuk setiap ma-
triks A berukuran n n, maka
AM = A = MA.
Bukti:
Misalkan matriks berukuran n n
1 0 0
0
0
1 0
0
M = 0
0 0
1 .
.. .. ....
. . ..
0 0 0 1
64
Khususnya didapat MP = M = PM, tetapi M juga mempunyai sifat PM = P = MP. Hal ini
menunjukkan bahwa P = M.
Sebagaimana telah dibahas sebelumnya, matriks M adalah matriks identitas (satuan) dan se-
lanjutnya dinotasikan oleh Inn .
Bukti:
Bila A = [ai, j ] dan B = [bi, j ] didapat
Hasil Teorema 2.7.8 memeberikan suatu kesimpulan bahwa untuk sebarang matriks persegi
A, maka matriks A + AT adalah matriks simetri dan matriks A AT adalah matriks simetri miring
(skew symmstric). Sebab
(A + AT )T = AT + (AT )T = AT + A = A + AT ,
dan
(A AT )T = AT (AT )T = AT A = (A AT ).
Definisi 2.8.1 Bila untuk suatu matriks persegi A bisa didapat matriks persegi yang lain B
sedemikian hingga memenuhi
AB = BA = I,
maka B dinamakan invers dari A, dalam hal ini matriks A dinamakan matriks nonsingulir.
Sebaliknya bila tidak ada matriks B tsb., maka matriks A dinamakan matriks singulir.
Perluh diperhatikan bahwa pembahasan disini berkaitan dengan matriks invers hanya untuk ma-
triks persegi. Dalam pengertian matriks invers, maka matriks B juga nonsingulir dan mempunyai
invers A.
Berikut ini diberikan sifat ketunggalan dari matriks invers.
Teorema 2.8.1 Misalkan A nonsingulir dan B begitu juga C masing-masing adalah invers dari
A, maka B = C.
Bukti:
Karena B adalah invers dari A, maka AB = I. Bila kedua ruas dari AB = I dikalikan dengan C
didapat
C(AB) = CI = C.
Tetapi dengan menggunakan sifat assosiatif didapat
C(AB) = (CA)B = IB = B.
dan
1 2 1 1 2 1 0
A A= 3 = = I22
2 21 3 4 0 1
An = (A1 )n = A 1 1 1
| A {z A }
sebanyak n
Teorema 2.8.2 Misalkan matriks A dan B masing-masing adalah matriks nosingulir, maka
Bukti:
1.
(AB)(B1A1 ) = A(BB1)A1 = AIA1 = AA1 = I
dan
(B1A1 )(AB) = B1(AA1 )B = B1 IB = B1 B = I
Terlihat bahwa invers dari AB, yaitu (AB)1 = B1 A1 .
(A1 )1 A1 = I = A1 (A1 )1
Tetapai juga
AA1 = I = A1 A
Terlihat bahwa (A1 )1 = A.
An An = AA A} |A1 A1
| {z
1
{z A }
sebanyak n sebanyak n
= AA A} (AA1 ) A
| {z
1 1 1 1
| A {z A } , tetapi AA = I
sebanyak n1 sebanyak n1
= AA A} |A1 A1
| {z
1
{z A }
sebanyak n1 sebanyak n1
..
.
= (AA)(A1A1 )
= A(AA1)A1 , juga AA1 = I
= AA1
= I.
Dengan cara serupa dapat ditunjukkan bahwa An An = I, dengan demikian invers dari An
yaitu (An )1 = An .
68
1 1
(A)( A1 ) = ( )(AA1) = 1I = I.
Juga
1 1
( A1 )(A) = ( )(A1A) = 1I = I.
Terlihat bahwa invers dari A yaitu (A)1 = 1 A1 .
AT (A1 )T = (A1A)T = I T = I,
juga
(A1 )T AT = (AA1)T = I T = I.
Terlihat bahwa invers dari AT yaitu (AT )1 = (A1 )T .
Catatan, hasil (AB)1 = B1 A1 dapat diperluas untuk lebih dari dua matriks, misalnya
(ABC)1 = C1 B1 A1 .
Sebegitu jauh pembahasan sifat-sifat belum membahas suatu hukum penghapusan atau pem-
faktoran dari suatu matriks nol. Kedua sifat ini diberikan berikut.
Teorema 2.8.3 Misalkan A adalah matriks nonsingulir dan B,C dan D matriks yang berukuran
sama seperti matriks A. Maka
Bukti:
A1 AB = A1 AC
IB = IC
B = C.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 69
A1AD = A1 0
ID = 0
D = 0.
Perhatikan bahwa Teorema ini disyaratkan untuk A nonsingulir. Perluh diingat kembali
bahwa perkalian dua matriks tidak komutatif. Oleh karena itu bila AB = CA tidak ada alasan
menyimpulkan B = C bahkan untuk matriks A yang nonsingulir. Hal ini bisa dilihat sebagai
berikut
A1 AB = A1CA
B = A1CA
atau
ABA1 = CAA1
ABA1 = C
Definisi 2.8.2 Suatu matriks persegi dinamakan matriks Elementer bila matriks ini diperoleh
dari matriks identitas dengan melakukan suatu operasi baris elementer pada matriks identitas
tsb.
0 0 0 1 0 0 4 1
70
Operasi Baris Elementer dari suatu matriks juga khususnya matriks identits ada tiga macam,
yaitu pertukaran antar baris, suatu baris kalikan dengan skalar taknol dan tambahkan suatu baris
dengan hasil dari suatu baris yang lain kali dengan skalar tak nol.
Misalkan A matriks berukuran m n dan e menyatakan suatu baris elementer pada A. Matriks
hasil dari OBE e pada A ditulis e(A) dan hasil matriks OBE e pada matriks identitas Imm ditulis
e(Imm . Jelas bahwa e(Imm adalah matriks elementer. Sifat berikut menjelaskan hubungan e(A)
dengan e(Imm .
Bukti: Misalkan untuk i = 1, 2, m, Ai, , adalah baris ke-i dari matriks A dan Ii, adalah baris
ke-i dari matriks identitas Imm , maka Ii, A = Ai, .
1. Misalkan e adalah OBE dari pertukaran antara baris ke-i dengan baris ke- j, didapat
I1, A1,
I2, A2,
.. ..
. .
I j, A j,
E = e(Imm ) = .. dan e(A) = .. .
. .
I A
i, i,
. .
.. ..
Im, Am,
Jadi
I1, A A1,
I2, A A2,
.. ..
. .
I j, A A j,
EA = .. = ..
= e(A).
. .
I A A
i, i,
. .
.. ..
Im, A Am,
2. Misalkan e adalah OBE dari baris ke-i dikalikan dengan skalar taknol , didapat
I1, A1,
I2, A2,
. .
. .
. .
E = e(Imm ) = dan e(A) = .
Ii, Ai,
. .
.. ..
Im, Am,
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 71
Jadi
I1, A A1, A1, I1, A
I2, A
A2, A2,
. I2, A
..
.. . ..
.
. . .
EA = = = = = e(A)
(Ii, )A (Ii, A) (Ii,)A Ai,
. .. ... ...
.. .
Im, A Am, Im, A Am,
3. Misalkan e adalah OBE dari baris ke- j menjadi kali baris ke-i ditambah baris ke- j dengan
6= 0, didapat
I1, A1,
I2, A2,
.
.. .
..
Ii, Ai,
E = e(Imm ) = . dan e(A) = . .
..
..
I + I A + A
i, j, i, j,
.
.
.
.
. .
Im, Am,
Jadi
I1, A A1, A1,
I2, A
A2,
A2,
.. .. ..
. . .
Ii, A Ai, Ai,
EA =
.. =
.
.
=
.
.
= e(A).
. . .
(I + I ) A (I A) + I A A + A
i, j, i, j, i, j,
.. .. ..
. . .
Im, A Am, Am,
Hasil penting Teorema 2.8.4 adalah suatu operasi baris elementer dapat diganti oleh matriks
elementer yang sesuai yaitu
e(A) = EA
pada persamaan ini, e menyatakan suatu operasi baris elementer yang dikenakan pada matriks A
sedangkan E adalah matriks elementer yang sesuai dan memberikan hasil matriks E dikalikan
dengan A yaitu EA sama dengan e(A). Hasil-hasil yang telah didapat ini berlaku juga untuk
serangkaian operasi baris elementer, misalnya e(1) , e(2) , , e(k) yang dikenakan pada matriks A
yaitu
e(k) e(k1) e(1) (A),
72
bila matriks elementer yang sesuai dengan rangakaian operasi baris elementer tsb. adalah
E1 , E2 , , EK ,
maka
e(k) e(k1) e(1) (A) = (Ek Ek1 E1 )A.
Sebagaimana telah diketahui bahwa metoda Gauss ataupun Gauss Jordan untuk menyelesaikan
suatu sistem persamaan linear pada dasarnya mengubah sistem persamaan ini kebentuk sistem
persamaan linear lainnya yang ekivalen dengan melakukan serangkaian operasi baris elementer.
Berikut ini dibahas lagi Contoh2.2.1 yaitu
x2 x3 = 3
2x1 + 4x2 x3 = 1 ,
2x1 + 5x2 4x3 = 2
Matriks -matriks elementer yang sesuai sebagaimana telah dilakukan OBE pada Contoh 2.2.1
adalah
0 1 0 1 0 0 1 0 0
E1 = 1
0 0 , E2 = 0 1 0 , E3 = 0 1 0 .
0 0 1 1 0 1 0 1 1
Didapat
1 0 0 1 0 0 0 1 0 0 1 1 3
E3 E2 E1 Ab = 0 1 0 0 1 0 1 0 0 2 4 1 1
0 1 1 1 0 1 0 0 1 2 5 4 2
2 4 1 1
= 0 1 1 3
0 0 2 6
Terlihat memberikan hasil yang sama seperti telah dibahas pada Contoh 2.2.1.
Berikut ini diberikan sifat dari matriks elementer yang berkaitan dengan invers matriks.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 73
Bukti:
Ada tiga macam operasi baris elementer, pertama OBE yang berkenaan dengan pertukaran antara
baris ke-i dengan baris ke- j pada suatu matriks A. Misalkan operasi ini dinotasisikan dengan e
dan bila dilakukan sekali lagi e pada e(A) menghasilakn matriks A lagi. Bila I adalah matriks
identitas ukuran n n, didapat matriks elementer
I1,
I2,
..
.
I j,
E1 = e(I) =
...
I
i,
.
..
In,
dan
I1,
I2,
..
.
Ii,
e(E1 ) =
... = I,
I
j,
.
..
In,
tetapi e(E1 ) = e(I)E1 = E1 E1 . Jadi E1 E1 = I, dengan demikian E11 = E1 atau E1 adalah non
singulir. Selanjutnya, misalkan e(1) adalah OBE pada suatu matriks, yaitu mengalikan 6= 0
dengan baris ke-i dan e(2) adalah OBE pada suatu matriks, yaitu mengalikan 1 dengan baris ke-i.
Bila I adalah matriks identitas ukuran n n, didapat matriks elementer
I1,
I2,
.
.
.
E1 = e(1) (I) =
Ii,
.
..
In,
74
dan
I1, I1,
I2, I2,
.. .
.
(2) . .
e (E1 ) = 1 = = I,
(Ii,) Ii,
. .
.. ..
In, In,
tetapi juga
e(2) (E1 ) = e(2) (I)E1.
Bila e(2) (I) = E2 , maka E2 E1 = I, dengan demikian E11 = E2 atau E1 adalah non singulir. Ter-
akhir, misalkan e(1) adalah OBE pada suatu matriks, yaitu mengalikan 6= 0 dengan baris ke-i
ditambahkan pada baris ke- j dan e(2) adalah OBE pada suatu matriks, mengalikan dengan
baris ke-i ditambahkan pada baris ke- j Bila I adalah matriks identitas ukuran n n, didapat
matriks elementer
I1,
I2,
..
.
(1)
Ii,
E1 = e (I) = ..
.
I + I
i, j,
..
.
In,
dan
I1, I1,
I2, I2,
.. ..
. .
(2)
Ii, Ii,
e (E1 ) =
.. = . = I,
..
.
I + I + I I
i, i, j, j,
.
..
.
..
In, In,
tetapi juga
e(2) (E1 ) = e(2) (I)E1.
Bila e(2) (I) = E2 , maka E2 E1 = I, dengan demikian E11 = E2 atau E1 adalah non singulir.
Contoh 2.8.3 Perluh diperhatikan bahwa OBE dari pertukaran diantara baris i dengan baris j
tidak selalu bahwa i dan j tidak sama. Secara umum boleh sama boleh tidak. Diberikan matriks
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 75
elementer
0 0 1 1 0 0 1 0 5
E1 = 0 1 0 , E2 = 0 2 0 , dan E3 = 0 1 0 ,
1 0 0 0 0 1 0 0 1
maka
0 0 1 1 0 0 1 0 5
E11 = 0 1 0 , E21 = 0 2 0 , dan E31 = 0 1 0 .
1 0 0 0 0 1 0 0 1
Telah dibahas bahwa, bila serangkaian OBE dikenakan pada suatu Sistem Persamaan Linear
(SPL) didapat suatu sistem persamaan linear yang ekivalen dengan SPL sebelumnya dan dari
SPL yang terakhir ini didapat penyelesaian (bila ada) dari SPL yang dibahas. Juga, telah dike-
tahui bahwa rangkaian OBE yang dikenakan pada SPL dapat diganti oleh serangkaian matriks
elementer yang sesuai selanjutnya dikalikan dengan matriks diperbesar dari SPL tsb. Hasil
akhirnya adalah suatu matriks yang tepat sama seperti hasil akhir dari bila serangkaian OBE
dikenakan pada SPL yang ada. Oleh karena itu, tidak berlebihann bila didefinisikan hal berikut.
Definisi 2.8.3 Bila A adalah suatu matriks berukuran m n dan pada A dikenakan serangkaian
matriks elementer E1 , E2 , , Ek , maka dikatakan A ekivalen-baris dengan matriks
E1 E2 Ek A.
A baris B.
Teorema 2.8.5 menjelaskan bahwa, suatu matriks elementer E adalah nonsingulir, artinya ada
E 1 sehingga E 1 E = I = EE 1 , Disini matriks E 1 juga merupakan matriks elementer dengan
tipe yang sama seperti tipe dari matriks elementer E. Berikut ini ditunjukkan bahwa ekivalen-
baris adalah suatu relasi ekivalen.
Bukti:
Misalkan Mmn (C) adalah himpunan dari semua matriks berukuran mn dengan elemen-elemen
di C dan baris relasi pada Mmn (C). Ditunjukkan bahwa baris relasi ekivalen. Misalkan A, B
dan C di Mmn (C), didapat
1. jelas bahwa matriks identitas I = Inm juga merupakan matriks elementer. Didapat
A = IA dan A = I 1A.
2.10 Dekomposisi LU
disini dibahas suatu cara untuk memfaktorkan suatu matriks bujur sangkar menjadi suatu produk
dari suatu matriks segitiga bawah L dan matriks segitiga atas U . Pemfaktoran yang demikian
bisa digunakan untuk menyelesaikan sistem persamaan.
79
80
Bab 4
Ruang-n Euclide
4.1 Vektor
disisni dikenalkan vektor dalam ruang-2 dan ruang-3 begitu juga beberapa ide penting mengenai
vektor-vektor ini.
81
82
Bab 5
Ruang Vektor
5.1 Lapangan(Field)
Suatu lapangan adalah suatu himpunan K 6= 0/ 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).
(a.b) K (tertutup).
a.b = ba (komutatif).
Contoh-contoh Lapangan
1. Himpunan bilangan rasional Q, himpunan bilangan riil R dan himpunan bilangan kom-
pleks C.
83
84
Contoh 1. adalah lapangan takhingga sedangkan Contoh 2. lapangan hingga. Dalam Contoh 2.,
bila p bukan bilangan prima, maka Z p bukan lapangan.
u +vv = v +uu
(uu +vv) +w
w = u + (vv +w
w)
Ada 0 V sehingga v +00 = v = 0 +vv, vv V
Untuk setiap v V ada w V sehingga v +w
w = w +vv = 0 (biasanya w ditulis sebagai
vv).
dan
x1 def ax1 x1
a = , a K dan R2 .
x2 ax2 x2
2. Himpunan Rn juga ruang vektor atas R dengan definisi operasi tambah dan kali diberikan
seperti di Contoh 1. Penambahan dalam Contoh 1. dinamakan penambahan secara kom-
ponen yang bersesuaian.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 85
V = { f : F F}
dengan
def
( f + g)(x) = f (x) + g(x), x F
dan
def
( f )(x) = f (x), F .
Maka V adalah ruang vektor atas F.
5. Misalkan F adalah suatu lapangan dan himpunan semua polinomial berderajad kurang atau
sama dengan n yaitu
Pn (F) = {p(x) = a0 + a1 x + . . . + an xn | ai F}
dengan
def
(p + q)(x) = p(x) + q(x), x F
dan
def
(p)(x) = p(x), F .
Maka Pn (F) adalah ruang vektor atas F.
86
6. Himpunan
l = {a = (a1 , a2 , . . .) | an R, sup(|an |) < }
dengan
def
a + b = (a1 + b1 , a2 + b2 , . . .)
dan
def
a = (a1 , a2, . . .), R.
Maka l adalah ruang vektor atas lapangan R.
7. Himpunan fungsi terdifferensial tak berhingga kali pada interval [a, b], yaitu C [a, b],
definisi penambahan fungsi dan perkalian skalar dengan fungsi seperti dalam Contoh 4.
merupakan ruang vektor atas lapangan riil R.
8. Himpunan fungsi-fungsi
2
d f
V= f : R R 2 + f = 0
dx
definisi penambahan fungsi dan perkalian skalar dengan fungsi seperti dalam Contoh 4.
merupakan ruang vektor atas lapangan riil R.
Berikut ini diberikan beberapa sifat dari suatu ruang vektor V atas lapangan K. Misalkan V
adalah suatu ruang vektor atas lapangan K, maka
Bukti
(1). v = (1 + 0)vv = v + 0vv, kedua ruas tambahkan dengan vektor w yang memenuhi w +vv = 0 ,
didapat: w +vv = w +vv + 0vv atau 0 = 0 + 0vv. Terlihat bahwa 0vv = 0 .
(2). (1vv) +vv = (1 + 1)vv = 0vv = 0 .
(3). 00 = (000) = ( 0)00 = 000 = 0 .
1. Himpunan
x
B= y
x + y + z = 0
z
adalah ruang bagian dari ruang vektor R3 atas R.
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = { f : R R}
dan D V , dengan 2
d f
D= f V 2 + f =0 ,
dx
maka D adalah ruang bagian dari ruang vektor V atas R.
3. Himpunan P3 (R) adalah ruang bagian dari ruang vektor Pn (R) atas lapangan R dengan
n 3.
4. Himpunan n o
S = (an ) l lim an = x, x R
n
adalah ruang bagian dari ruang vektor l atas lapangan R.
5. Himpunan
S = {x Rn | Ax = 0 , A Mm,n (R)}
adalah ruang bagian dari ruang vektor Rn atas lapangan R.
6. Himpunan titik yang melalui garis 3x + 2y = 0 yaitu
S = (2t, 3t) R2 | t R
Berikut ini diberikan suatu sifat (pernyataan) yang ekivalen dengan pernyataan dari suatu ruang
bagian.
88
Himpunan S adalah suatu ruang bagian dari suatu ruang vektor V atas lapangan K bila dan hanya
bila
x1s1 + x2s2 S
untuk setiap x1 , x2 K dan s 1 ,ss2 S.
Bukti
Misalkan S ruang bagian dan
x1 , x2 K juga s 1 ,ss2 S,
maka
x1s 1 S dan x2s 2 S.
Oleh karena itu,
x1s 1 + x2s 2
juga di S. Sebaliknya, misalkan
x1s 1 + x2s 2 S
untuk setiap x1 , x2 K dan s 1 ,ss2 S. Akan ditunjukkan bahwa S adalah ruang vektor atas K.
Sifat 2. dari ruang vektor otomatis diwarisi dari V , begitu juga sifat komutatif, assosiatif di sifat
1., diwarisi dari V . Untuk x1 = x2 = 1, didapat
Untuk x1 = x2 = 0 didapat
0ss1 + 0ss2 = 0(ss1 +ss2 ) = 0 S.
Oleh karena itu, untuk x1 = x2 = 1 dan setiap s S, didapat
Catatan Pernyataan x1s 1 + x2s 2 S untuk setiap x1 , x2 K dan s 1 ,ss2 S, dapat diganti oleh
1. Himpunan
x
3
B= y R x + y + z = 0
z
adalah ruang bagian dari ruang vektor R3 atas R. Sebab, untuk setiap v 1 ,vv2 B, maka
x1 y1 z1 1 1
v 1 = y1 = y1 = y1 1 + z1 0 ,
z1 z1 0 1
x2 y2 z2 1 1
v 2 = y2 = y2 = y2 1 + z2 0 .
z2 z2 0 1
Sehingga untuk a, b R, didapat:
1 1
avv1 + bvv2 = (ay1 + by2 ) 1 + (az1 + bz2 ) 0 B.
| {z } | {z }
R 0 R 1
Bukti
Misalkan
v = x1s 1 + . . . + xns n
dan
w = xn+1s n+1 + . . . + xms m
di < S > dan a, b K, maka
w < S >, oleh karena itu < S > adalah ruang bagian dari V .
Terlihat bahwa avv + bw
Contoh
1. Misalkan V ruang vektor atas K untuk setiap v V , maka h{vv}i = {kvv | k K}.
2. Misalkan ruang vektor R3 atas R, maka h{ee1 ,ee2 }i = R2 dimana e 1 = (1, 0, 0) dan e 2 =
(0, 1, 0). Sebab,
x
2
R = y x, y R
0
1 0
= x 0 + y 1 x, y R
0 0
= {xee1 + yee2 | x, y R} = h{ee1 ,ee2 }i .
3. Misalkan V = Rn ruang vektor atas R dan diberikan suatu matriks A Mn (R). Didefini-
sikan suatu himpunan
S = {xx V | Axx = 0 },
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 91
maka S adalah ruang bagian dari V . Sebab bila untuk sebarang z ,yy S dan sebarang
a, b R didapat
A(ayy + bzz) = a(Ayy) + b(Azz) = a 00 + b 00 = 0 .
Jadi ayy + bzz S, maka dari itu S merupakan sub ruang dari V .
Ruang bagian hSi dari suatu ruang vektor V juga dinamakan ruang vektor yang dibangun oleh
S. Berikut ini diberikan sifat dari suatu himpunan pembentang.
Misalkan V suatu ruang vektor atas K dan hSi adalah suatu himpunan pembentang dari S dan
v V , maka
hSi = hS {vv}i
bila dan hanya bila v hSi.
Bukti
Misalkan hSi = hS {vv}i, jelas bahwa v hS {vv}i. Jadi juga v hSi. Sebaliknya misalkan
bahwa v hSi, akan ditunjukkan bahwa hSi = hS {vv}i. Jelas bahwa S hS {vv}i. Tinggal
menunjukkan bahwa hS {vv}i hSi.Tulis
v = a0s 0 + . . . + ans n
dan misalkan
w hS {vv}i .
Didapat
Didapat v 3 = 2vv1 + 3vv2 , jadi v 3 h{vv1 ,vv2 }i. Maka dari itu
Hasil bentangan h{vv1 ,vv2 }i adalah bidang dalam ruang R3 yang diberikan oleh gambar berikut.
z
y B
i da
ng
h{v
1 ,v
2 }i
v
v1 + 3 2
v2 v3 = 2
v1
x
Sifat dari suatu himpunan pembentang (span) yang dibahas sebelumnya, menyatakan bahwa
suatu vektor v di S bisa
dihapus
untuk memperoleh himpunan baru S dengan himpunan pemben-
tang yang sama yaitu S = hSi bila dan hanya bila v adalah kombinasi linear dari vektor-vektor
di S. Jadi dengan pengertian ini, suatu himpuan S V adalah minimal bila dan hanya S tidak
memuat vektor-vektor yang merupakan kombinasi linear dari vektor-vektor yang lainnya dalam
himpunan tersebut (vektor-vektor di S yang demikian ini nantinya dinamakan bebas linear). De-
ngan demikian bila hasil bentangan S diinginkan lebih luas dari bentangan S, yaitu
hSi hS {vv}i = S ,
Misalkan v1 , . . .,vvn adalah vektor di suatu ruang vektor atas suatu lapangan K dan misalkan
W = h{vv1 , . . . ,vvn }i. Bila vektor vn adalah suatu kombinasi linier dari v1 , . . . ,vvn1 , maka
W = h{vv1 , . . .,vvn1 }i .
Bukti
Bila diberikan sebarang v h{vv1 , . . . ,vvn1 }i, maka dapat dipilih skalar k1 , . . ., kn1 yang memenuhi
v = k1v1 + + kn1vn1
sehingga didapat
v = k1v1 + + kn1vn1 + 0.vvn .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 93
Bukti
Misalkan s i S, i = 1, 2 . . ., n bebas linier dan andaikan x1s 1 + . . . + xns n = 0 tetapi untuk bebe-
rapa i, xi 6= 0. Didapat
x1 xi1 xi+1 xn
si = s1 + . . . + s i1 + s i+1 + . . . + sn.
xi xi xi xi
94
Terlihat bahwa s i merupakan kombinasi linier dari vektor-vektor s j , j 6= i. Hal ini bertentangan
dengan kenyataan bahwa s i , i = 1, 2, . . ., n bebas linier. Jadi haruslah
x1s 1 + . . . + xns n = 0
x1s 1 + . . . + xns n = 0 , xi K
s i , i = 1, 2 . . . , n
atau
0 = c1s 1 + . . . + ci1s i1 + cis i + ci+1s i+1 + . . . + cns n
dengan ci = 1. Ini bertentangan dengan kenyataan bahwa
s i , i = 1, 2 . . . , n
x1s 1 + . . . + xns n = 0 , xi K
V = Rn dan K = R,
maka vektor-vektor s i , i = 1, 2 . . ., n dalam ruang vektor Rn atas R bebas linier mempunyai arti
bahwa sistem persamaan linier homogin
x1s 1 + . . . + xns n = 0
yaitu vektor s merupakan kombinasi linier dari vektor-vektor s 1 , . . . ,ssn . Hal ini berarti bahwa
sistem persamaan linier tak homogin
s = x1s 1 + . . . + xns n ,
Contoh
1. Dalam R4 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
x1 + x2 = 2
2x1 + x2 = 6
x2 = 0
4x1 + 3x2 = 9
mudah diselidiki bahwa sistem persamaan linier ini tidak mempunyai jawab.
ingat bahwa
cos 2x = 2 cos2 x 1
dan
cosh2 x sinh2 x = 1.
Tulis (x, y, z) = (x1 + 3x2 + 3x3 , 2x1 + 2x2 + 3x3 , 3x1 + x2 + 3x3 ) . Didapat:
x 1 3 3 x1
y = 2 2 3 x2 ,
z 3 1 3 x3
96
x 1 3 3 x1
(1 2 1) y = (1 2 1) 2 2 3 x2 = 0,
z 3 1 3 x3
atau x 2y + z = 0. Catatan 3vv1 + 3vv2 4vv3 = 0 dan juga
1 3 3
det 2 2 3 = 0.
3 1 3
Terlihat bahwa vektor-vektor v1 ,vv2 ,vv3 bergantungan linear. Jadi persamaan homogin :
x1 = 3, x2 = 3 dan x3 = 4.
x1v 1 + x2v 2 = 0
5. Diberikan S R3 dengan
1 0 1 0 3
S= 0 , 2 , 2 , 1 , 3
0 0 0 1 0
1. Dalam R2 , B1 = {(2, 4), (1, 1)} adalah suatu basis dari R2 , basis yang lainnya adalah
B2 = {(1, 0), (0, 1) }. Secara umum B3 = {(a11 , a21 ) , (a12 , a22 ) } adalah suatu basis dari
R2 bila
a11 a12
det 6= 0.
a21 a22
2. Diberikan ruang vektor V = {x1 cos + x2 sin | x1 , x2 R} atas R, maka suatu basis dari
V adalah
{cos , sin }.
Sebab
x1 cos() + x2 sin() = 0
x1 sin() + x2 cos() = 0
Didapat
x1 cos() sin() 0 0
= = .
x2 sin() cos() 0 0
Jadi cos(), sin() adalah bebas linear dan juga
V = h{cos(), sin()}i ,
3. Dalam ruang vektor P3 (x), maka {1, x, x2 , x3 } adalah suatu basis dari P3 (x). Sedangkan
{1, x, x2 , x3 , x4 . . .} adalah suatu basis dari ruang vektor P (x).
4. Dalam ruang vektor M2,2 (R), yaitu himpunan matriks berukuran 2 2 dengan elemen-
elemen di R, maka
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 99
didapat
x1 x2 0 0
= .
x3 x4 0 0
Terlihat bahwa x1 = x2 = x3 = x4 = 0. Jadi
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
didapat
a1,1 a1,2 1 0 0 1 0 0 0 0
= a1,1 + a1,2 + a2,1 + a2,2 .
a2,1 a2,2 0 0 0 0 1 0 0 1
Terlihat bahwa
a1,1 a1,2 1 0 0 1 0 0 0 0
, , , .
a2,1 a2,2 0 0 0 0 1 0 0 1
Diberikan B = {vv1 , . . . ,vvn } adalah suatu basis dari suatu ruang vektor V atas suatu lapangan K
dan k adalah suatu skalar taknol di K. Maka
Bukti
Bila v sebarang vektor di V , maka karena B adalah suatu basis dari V dengan demikian dapat
dipilih skalar k1 , . . ., kn di K yang memenuhi
a1 k = 0, a2 = 0, . . . , an = 0.
Karena k 6= 0, maka a1 = 0. Dengan demikian Bk adalah bebas linier, jadi Bk adalah suatu basis
dari V .
Contoh.
Misalkan W adalah ruang bagian dari M22 (R) yang merupakan himpunan matriks-matriks den-
gan trace sama dengan nol. Selanjutnya bila
1 0 0 1 0 0
S= , , ,
0 1 0 0 1 0
maka tunjukkan bahwa S adalah suatu basis dari W . Pertama ditunjukkan bahwa hSi = W .
Diberikan sebarang matriks
a b
A=
c d
mempunyai trace sama dengan nol bila dan hanya bila a + d = 0, jadi
a b
A=
c a
Sehingga didapat
a b 1 0 0 1 0 0
A= =a +b +c .
c a 0 1 0 0 1 0
Terlihat bahwa sebarang matriks A di W adalah kombinasi linier dari matriks-matriks di S. Jadi
hSi = W . Selanjutnya ditunjukkan bahwa S adalah bebas linier sebagai berikut. Tinjau sistem
persamaan linier berikut
1 0 0 1 0 0 0 0
k1 + k2 + k3 = .
0 1 0 0 1 0 0 0
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 101
Hal ini memberikan penyelesaian trivial k1 = k2 = k3 = 0. Jadi S adalah bebas linier. Karena
hSi = W dan vektor-vektor di S adalah bebas linier, maka S adalah suatu basis dari W .
Sifat Misalkan V suatu ruang vektor atas K dan {vv1 , . . . ,vvn } adalah suatu basis dari V , maka
sebarang elemen v V dapat diungkapkan secara tunggal sebagai kombinasi linier:
Bukti
Misalkan vektor v dapat diungkapkan sebagai dua kombinasi linier
v = a1v 1 + . . . + anv n
dan
v = x1v 1 + . . . + xnv n ,
didapat:
(x1 a1 )vv1 + . . . + (xn an )vvn = 0,
karena vektor-vektor v 1 , . . . ,vvn bebas linier, maka haruslah x1 a1 = 0, . . . , xn an = 0. Den-
gan demikian didapat x1 = a1 , . . . , xn = an . Jadi pengungkapan sebarang vektor v di V sebagai
kombinasi linier
v = x1v1 + . . . + xnvn , dimana x1 , . . . , xn K
adalah tunggal.
Komentar:
Pernyataan
v = x1v1 + x2v2 + + xnvn ,
dapat ditulis secara tunggal mempunyai arti yang ekivalen dengan sistem persamaan linear tak-
homogin
v = x1v1 + x2v2 + + xnvn
mempunyai jawab tunggal. Misalnya, pada contoh sebelumnya yaitu dalam R2 ,
B = {(2, 4) , (1, 1) }
adalah suatu basis dari R2 . Misalkan diberikan sebarang v = (a, b) R2 ,vv 6= 0, maka dengan
basis B, vektor v dapat ditulis sebagai kombinasi linear
v = x1 (2, 4) + x2 (1, 1)
102
Berikut ini, diberikan suatu sifat untuk ruang vektor Rn atas R, yaitu misalkan
v i Rn , i = 1, 2, . . ., m.
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 xk , k = 1, 2, . . ., m yang tidak semuanya sama dengan nol. Jadi v j , j = 1, 2, . . ., m
bergantungan linier.
Contoh
Dalam ruang vektor R2 atas R, Misalkan v 1 = (a11 , a21 ) ,vv2 = (a12 , a22 ) R2 . Bila vektor-
vektor v 1 ,vv2 , bebas linier, maka persamaan: x1v 1 + x2v 2 = 0 atau dalam bentuk matriks: Axx = 0
dengan
a11 a12 x1 0
A= ,x= dan 0 =
a21 a22 x2 0
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 103
mempunyai jawab trivial hanya bila det(A) 6= 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 {vv1 ,vv2 } adalah suatu basis dari R2 dengan dimensi 2. Hal ini dijelaskan
dalam gambar berikut.
y y
v1
v1
v2
v2
0 x 0 x
Sifat. Misalkan V suatu ruang vektor atas K dan {vv1 , . . . ,vvn } suatu basis dari V . Bila vektor-
vektor u 1 , . . . ,uum dengan m > n, maka vektor-vektor u 1 , . . . ,uum bergantungan linier.
Bukti
Karena {vv1 , . . . ,vvn } suatu basis dari V , didapat:
u 1 = a11v 1 + . . . + an1v n
..
.
u m = a1mv 1 + . . . + anmv n ,
dengan ai j K, i = 1, 2, . . ., n dan j = 1, 2, . . ., m. Vektor-vektor {vv1 , . . . ,vvn } bebas linier, untuk
x1 , . . ., xm K didapat:
0 = x1u 1 + . . . + xmu m
= x1 (a11v 1 + . . . + an1v n ) + . . . + xm (a1mv 1 + . . . + anmv n )
= (a11 x1 + . . . + a1m xm )vv1 + . . . + (an1 x1 + . . . + anm xm )vvn
dan haruslah a11 x1 + . . . + a1m xm = 0, . . ., an1 x1 + . . . + anm xm = 0 atau dengan notasi matriks:
a11 . . . a1m x1 0
.. .. .. = .. .
. . . .
an1 . . . anm xm 0
Persamaan homogin diatas mempunyai jawab non-trivial (sebab m > n). Jadi vektor-vektor
u 1 , . . . ,uum bergantungan linier.
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.
104
Contoh
1. Dalam ruang vektor P3 (R) atas R, B = {1, x, x2 , x3 } adalah suatu basis baku dari P3 (R).
Basis yang lainnya adalah B2 = {1, 1 + x, 1 + x + x2 , 1 + x + x2 + x3 }.
Sifat
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 diperluas sampai merupakan suatu basis dari V .
Bukti. Misalkan S = {vv1 , . . . ,vvm } dengan v i , i = 1, . . ., m adalah vektor-vektor yang bebas linier.
Karena hSi = 6 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 = {vv1 , . . . ,vvm ,vvm+1 }, bila hT i = V , maka T
adalah basis dan sudah tidak bisa lagi diperluas menjadi vektor-vektor yang bebas linier. Bila
hT i =
6 V , lakukan lagi cara perluasan seperti sebelumnya sehingga diperoleh himpunan vektor-
vektor yang bebas linier di U yang memenuhi hU i = V .
Kesimpulan. Misalkan V ruang vektor atas K berdimensi n, maka setiap himpunan dari n vektor
yang bebas linier adalah suatu basis dari V .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 105
Contoh
Misalkan
S = {(1, 1, 1), (0, 1, 0)} R3 ,
jelas bahwa vektor-vektor di S bebas linier dan
maka x3 = x1 . Oleh karena itu (x, y, z) / hSi bila x 6= 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 R3 .
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 = {uu +vv |uu U,vv V }.
Bukti. Misalkan {zz1 , . . . ,zzr } suatu basis dari U V perluas basis ini masing-
masing menjadi
{zz1 , . . . ,zzr ,uu1 , . . . ,uum }
adalah suatu basis dari U dan
dim(U +V ) = r + m + n = (r + m) + (r + n) r
= dim(U) + dim(V ) dim(U V ).
106
w = u +vv
= (a1 + c1 )zz1 + . . . + (ar + cr )zzr + b1u 1 + . . . + bmu m + d1v 1 + . . . + dmv n
terlihat bahwa
w h{zz1 , . . . ,zzr ,uu1 , . . . ,uum,vv1 , . . . ,vvn}i .
Maka dari itu didapat
Diberikan
didapat
w = xr+m+1v 1 + . . . xr+m+nv n.
Terlihat bahwa w U dan w V , jadi w U V . Tetapi {zz1, . . . ,zzr } adalah suatu
basis dari U V , jadi
w = b1z 1 + . . . + brz r
untuk beberapa skalar bi . Sehingga didapat
atau
b1z 1 + . . . + brz r + xr+m+1v 1 + . . . + xr+m+nv n = 0 .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 107
Tetapi
{zz1 , . . . ,zzr ,vv1 , . . . ,vvn}
adalah suatu basis dari V , maka dari itu haruslah
b1 = . . . = br = xr+m+1 = . . . = xr+m+n = 0,
sehingga persamaan
menjadi
x1z1 + . . . + xr zr + xr+1u1 + . . . + xr+mum = 0.
Tetapi
{zz1 , . . . ,zzr ,uu1 , . . . ,uum }
juga adalah suatu basis dari U. Jadi haruslah
x1 = . . . = xr = xr+1 = . . . = xr+m = 0.
Sehingga didapat
xk = 0, k = 1, 2, . . . , r + m + n.
Jadi vektor-vektor
z 1 , . . . ,zzr ,uu1 , . . . ,uum,vv1, . . . ,vvn
bebas linier.
Contoh
Misalkan
dan
V = {(x1, x2 , x3 , 0) | xi R}.
Vektor-vektor
u 1,uu2
108
Catatan. Bila U,V ruang bagian berdimensi hingga masing-masing dengan ba-
sis {uu1 , . . . ,uum } dan {vv1 , . . . ,vvn}. Misalkan W = U + V dan sebarang w W .
Didapat
w = u +vv = a1u 1 + . . . + amu m + b1v 1 + . . . + bnv n
atau
W = h{uu1, . . . ,uum ,vv1 , . . . ,vvn }i .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 109
Bila U dan V adalah ruang bagian berdimensi hingga dengan U V = {00}, maka
U +V dinamakan jumlahan langsung dari U dan V .
Contoh.
Himpunan
U = {(x1 , x2 , 0) | x1, x2 R}
dan
V = {(0, 0, x3 ) | x3 R}
adalah ruang bagian dari ruang vektor R3 atas R dengan U V = {00}. Jadi U +V
adalah jumlahan langsung dari U dan V , sedangkan
U +V = {(x1 , x2 , 0) + (0, 0, x3 ) = (x1 , x2 , x3 ) | x1, x2 , x3 R}
= {x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1) | x1 , x2 , x3 R} = R3 ,
terlihat bahwa dim(U +V ) = 3. Perhatikan bahwa
U = {(x1 , x2 , 0) | x1, x2 R}
= {x1 (1, 0, 0) + x2(0, 1, 0) | x1 , x2 R}
= {(1, 0, 0) , (0, 1, 0) } ,
terlihat bahwa dim(U) = 2. Juga,
V = {(0, 0, x3 ) | x3 R}
= {x3(0, 0, 1) | x3 R}
= {(0, 0, 1) }
dan dim(V ) = 1. Makna U + V merupakan jumlahan langsung dari U dan V
tampak dari dimensi, yaitu
dim(U +V ) = dim(U)+dim(V )dim(U V ) = 2+10 = 3 = dim(U)+dim(V )
110
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 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.
Berikut ini diberikan suatu sifat yang lain dari ruang jumlahan langsung. Setiap
w W = U +V dengan U V = {00} mempunyai penulisan tunggal w = u +vv, u
U,vv V .
Bukti
Misalkan
w = u +vv = u + vv,
maka
u u = v vv.
Tetapi
u u U,
v v V
dan U V = {00}. Maka haruslah
u u = 0
dan
v v = 0
atau
u = u
dan
v = vv.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 111
Koordinat. Misalkan
{vv1 , . . . ,vvn}
adalah suatu basis dari suatu ruang vektor atas K. Jadi setiap v V dapat ditulis
secara tunggal oleh
v = x1v 1 + . . . + xnv n
untuk beberapa skalar x1 , . . . , xn K. Dalam hal ini skalar-skalar x1 , . . . , xn dina-
makan koordinat dari vektor v relatif terhadap basis {vv1, . . . ,vvn}.
Contoh.
Misalkan V = R3 dengan basis baku {ee1 = (1, 0, 0) ,ee2 = (0, 1, 0) ,ee3 = (0, 0, 1) }
dan misalkan sebarang v = (x, y, z) V , maka v = xee1 + yee2 + zee3 . Jadi koordi-
nat dari v relatif terhadap basis {ee1 ,ee2 ,ee3 } adalah skalar x, y dan z. Tetapi untuk
basis yang lain dari V , misalkan
maka
x + y + z xy+z x+yz
v= v1 + v2 + v 3.
2 2 2
Koordinat dari vektor v relatif terhadap basis
adalah skalar
x + y + z x y + z x+yz
, dan .
2 2 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 koordinat dan vektor basis. Bila urutan dari vektor-vektor dalam
suatu basis dipersoalkan dalam hal ini dinamakan basis terurut dan basis ini
112
ditulis sebagai suatu barisan. Bila urutan dari vektor basis takdipersoalkan, ba-
sis tersebut ditulis sebagai 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 ma-
triks, 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. Dikaji ulang penulisan ko-
ordinat dari suatu vektor relatif terhadap basis terurut. Diberikan basis teru-
rut B = v1 ,vv2 , . . . ,vvn dari suatu ruang vektor V atas suatu lapangan K. Misal-
kan sebarang vektor v di V , maka dapat dipilih dengan tunggal skalar-skalar
k1 , k2 , . . . , kn di K yang memenuhi
Contoh 1
Misalkan V = R2 dan B adalah basis terurut
1 1
B= , .
1 1
1
Dapatkan koordinat dari vektor v = relatif terhadap basis B. Penyelesaian-
5
nya sebagai berikut. Koordinat k1 dan k2 didapat melalui menuliskan v sebagai
kombinasi linier dari vektor-vektor di B, yaitu menyelesaikan sistem persamaan
linier takhomogin
1 1 1
k1 + k2 = .
1 1 5
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 113
Contoh 2
Misalkan V = P2(R) = {a0 + a1x + a2 x2 | a0 , a1 , a2 R} dan B adalah basis teru-
rut
B = 1, x 1, (x 1)2 .
Dapatkan koordinat v = p(x) = 2x2 2x+1 relatif terhadap basis B. Persoalan ini
dijawab sebagai berikut. Kita harus mendapatkan k1, k2 dan k3 yang memenuhi
Contoh 3
Diberikan ruang bagian W himpunan dari semua matriks simetri dalam ruang
vektor M22(R). Misalkan B adalah vektor-vektor terurut
1 0 0 1 0 0
B= , , .
0 0 1 0 0 1
114
Tunjukkan bahwa B adalah suatu basis untuk W dan dapatkan koordinat dari
2 3
v=
3 5
didapat
1 0 0 1 0 0 a b
a +b +c = =A
0 0 1 0 0 1 b c
Terlihat bahwa sebarang A di W juga di hBi. Jadi hBi = W . Selanjutnya di-
tunjukkan bahwa B adalah bebas linier di W sebagai berikut. Tinjau persamaan
homogin berikut
1 0 0 1 0 0 0 0
k1 + k2 + k3 = .
0 0 1 0 0 1 0 0
didapat
k1 k2 0 0
= .
k2 k3 0 0
Dari persamaan terakhir didapat k1 = k2 = k3 = 0. Jadi B adalah bebas linier.
Dengan demikian B adalah basis terurut di W . Perhatikan matriks v terhadap
basis terurut B dapat ditulis sebagai kombinasi linier:
2 3 1 0 0 1 0 0
v= =2 +3 +5 .
3 5 0 0 1 0 0 1
Banyak masalah dalam matematika terapan menjadi lebih mudah melalui pe-
rubahan suatu basis dari suatu ruang vektor ke basis yang lainnya. Sebagai ilus-
trasi yang sederhana ditinjau suatu ruang vektor V berdimensi dua atas suatu
skalar K. Diberikan ruang vektor V berdimensi dua atas suatu lapangan K dan
misalkan
B = v1 ,vv2 dan B = u1 ,uu2
adalah dua basis terurut dari V . Misalkan sebarang vektor v di V terhadap basis
B vektor koordinatnya adalah
x
[vv]B = 1 yaitu v = x1v1 + x2v2 .
x2
Untuk menentukan vektor koordinat dari v relatif terhadap basis B . Tulis v1 dan
v2 dalam suku-suku u1 dan u2 . Karena B adalah suatu basis dari V , maka dapat
diplih skalar a1 , a2, b1 dan b2 di K yang memenuhi
v1 = a1u1 + a2u2
v2 = b1u1 + b2u2 .
adalah vektor [vv1 ]B dan [vv2 ]B . Dalam hal yang demikian matriks tersebut dina-
makan matriks transisi dari B ke B dan dinotasikan oleh [I]BB . Jadi
[vv]B = [I]BB [vv]B .
Contoh 1
Diberikan V = R2 dengan basis terurut
1 1 2 1
B= , dan B = , .
1 1 1 1
b. Karena
[vv]B = [I]BB [vv]B ,
maka
2 0 3 6
[vv]B = = .
3 1 2 11
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 117
Perhatikan bahwa vektor yang sama relatif terhadap basis yang berbeda
adalah diperoleh dari vektor koordinat [vv ]B dan [vv]B . Yaitu
1 1 1 2 1
3 2 = =6 + 11 .
1 1 5 1 1
Prosedur untuk mendapatkan matriks transisi diantara dua basis dari suatu ruang
vektor V berdimensi dua atas suatu skalar K dapat digeneralisasi ke ruang vektor
Rn atas R. Hal ini dinyatakan sebagai berikut.
Misalkan V adalah suatu ruang vektor berdimensi n atas suatu lapangan K de-
ngan basis terurut
B = v1 ,vv2 , . . . ,vvn dan B = u1 ,uu2 , . . . ,uun .
Maka matriks transisi dari B ke B diberikan oleh
[I]BB = v1 v2 vn .
B B B
Lagipula, vektor perubahan koordinat diberikan oleh
[vv]B = [I]BB [vv]B .
Contoh 2
Misalkan ruang vektor V = P2 (x) dengan basis terurut
B = 1, x, x2 dan B = 1, 1 + x, 1 + x + x2 .
a. Dapatkan matriks transisi [i]BB .
b. Misalkan p(x) = 3 x + 2x2 P2 (x), maka dapatkan [p(x)]B .
Jawab
a. Untuk memperoleh vektor kolom yang pertama dari matriks transisi harus
dipilih skalar a1 , a2 dan a3 yang memenuhi
a1(1) + a2 (1 + x) + a3 (1 + x + x2 ) = 1,
118
b. Basis B adalah basis terurut baku, maka vektor koordinat dari p(x) = 3 x +
2x2 relatif terhadap B adalah
3
[p(x)]B = 1 .
2
Jadi
1 1 0 3 4
[p(x)]B = 0 1 1 1 = 3 .
0 0 1 2 2
Perhatikan bahwa 3 x + 2x2 = 4(1) 3(1 + x) + 2(1 + x + x2 ).
Contoh 3
Diberikan basis baku terurut B = e1 ,ee2 untuk ruang vektor R2 atas R, sedangkan
basis terurut B diberikan oleh
1 1
B = u1 ,uu2 = ,
1 1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 119
3
dan misalkan v = .
4
a. Dapatkan matriks transisi dari B ke B .
b. Dapatkan [vv]B .
c. Tulis vektor v sebagai kombinasi linier dari e1 dan e2 dan juga sebagai kom-
binasi linier dari u1 dan u2 .
d. Tunjukkan hasil dari bagian (c) secara grafik.
Jawab
b. Karena B adalahbasis
baku, maka vektor koordinat dari v relatif terhadap B
3
adalah [vv]B = . Jadi vektor koordinat dari v relatif terhadap basis B
4
adalah 1 1 1
3
[vv]B = 12 12 = 27
2 2 4 2
d. Gambar berikut menunjukkan bahwa lokasi titik akhir (3, 4) dari vektor v
relatif terhadap sumbu e1e2 dan sumbu u1u2 .
120
u1 e2 u2
v
e1
x1[vv1 ]B + + xn[vvn ]B .
Karena B adalah basis, maka vektor vi untuk 1 i n adalah bebas linier. Juga
dengan begitu vektor-vektor [vv1 ]B , . . . , [vvn ]B adalah bebas linier. Jadi x1 = x2 =
= xn = 0. Karena penyelesaian persamaan homogin [I]BB x = 0 hanyalah mem-
punyai penyelesaian trivial, maka matriks [I]BB mempunyai invers. Lagi pula,
karena 1
B
[v ]B = [I]B [v ]B dan bahwa
v v [I]BB [vv]B = [vv ]B ,
maka 1
[I]BB = [I]BB .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 121
Sifat
Misalkan V suatu ruang vektor berdimensi n atas suatu lapangan K dengan basis
terurut
B = v1 ,vv2 , . . . ,vvn dan B = u1 ,uu2 , . . . ,uun .
Maka matriks transisi [I]BB mempunyai invers dan
1
[I]B = [I]BB
B
.
Diisini dibahas ruang bagian fundamental dari suatu matriks yang mencakup ru-
ang null, Range, ruang baris dan ruang.
disini dibahas suatu ruang vektor khusus dan diberikan pengertian hasil kali
dalam.
disini diberikan suatu aplikasi dari beberapa ide yang akan dibahas.
122
5.12 Dekomposisi QR
disini dibahas eksistensi dari suatu nilai karakteristik dan vektor karakteristik.
123
124
Bab 7
Transformasi Linear
Bila V dan W adalah ruang vektor atas suatu lapangan K, maka suatu pemetaan
T dari V ke W adalah suatu fungsi mengaitkan setiap vektor v V dengan tung-
gal kesuatu vektor w W . Dalam hal ini dikatakan T memetakan V kedalam W
dan ditulis T : V W . Untuk masing-masing v V , maka vektor w = T (vv ) di
W adalah image dari v oleh pemetaan T .
Contoh 1.
Didefinisikan suatu pemetaan T : R2 R2 oleh
x x+y
T = .
y xy
a. Dapatkan image dari vektor koordinat e1 dan e2 oleh pemetaan T .
b. Berikan suatu uraian dari semua vektor di R2 yang dipetakan ke vektor nol.
c. Tunjukkan bahwa T memenuhi
T (uu +vv) = T (uu) + T (vv) (mempertahankan penjumlahan ruang vektor)
dan
T (kvv ) = kT (vv ) (mempertahankan perkalian skalar),
untuk semua vektor u dan v di R2 dan semua skalar k R.
Jawab.
125
126
1 0
a. Karena e1 = dan e2 = , maka didapat
0 1
1+0 1 0+1 1
T (ee1 ) = = dan T (ee2 ) = = .
10 1 01 1
Contoh yang baru saja dibahas adalah suatu pemetaan T dari ruang vektor V ke
ruang vektor W atas suatu lapangan K yang memenuhi dua sifat
untuk semua u ,vv di V dan semua k di K. Dua sifat ini digabung menjadi satu,
maka diperoleh pengertian berikut.
Contoh 2
Diberikan matriks A berukuran m n. Didefinisikan pemetaan T : Rn Rm oleh
T (xx ) = Axx , xx Rn .
Jawab
a. Diskusikan tindakan dari T pada suatu vektor di R3 dan berikan suatu in-
tepretasi geometri dari persamaan
1 0 1 0
T 0 + 1 = T 0 + 1 .
1 1 1 1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 129
d. Uraikan himpunan
x
S3 = 0 x, z R
z
dan dapatkan imagenya.
Jawab
z T y
v3
b
v2 b
T (vv3 )
v1
b b
y x
b
x
130
1
3
b. Himpunan S1 adalah suatu bidang dalam ruang R dengan vektor arah 2.
1
Dengan definisi dari T didapat
1
T (S1 ) = k kR
2
adalah suatu garis dalam bidang R2 melalui titik asal dengan gradien sama
dengan 2.
c. Himpunan S2 adalah suatu bidang dalam ruang R3 diatas 3 satuan sejajar
dengan bidang-xy. Dalam hal ini
x
T (S2 ) = x, y R .
y
Jadi image dari S2 adalah seluruh bidang-xy hal ini sesuai uraian T sebagai
suatu proyeksi sebagai mana yang diharapkan.
d. Himpunan S3 adalah bidang-xz dalam ruang R3 . Dalam hal ini didapat
x
T (S3 ) = xR
0
yang merukan sumbu-x. Lagi, hal ini sesuai uraian T sebagai suatu proyeksi
sebagai mana yang diharapkan.
Contoh berikut digunakan turunan dari suatu fungsi untuk mendefinisikan suatu
transformasi linier diantara ruang vektor dari polinomial.
Contoh 4
Didefinisikan suatu pemetaan T : P3(R) P2(R) oleh
d p(x)
T (p(x)) = , p(x) P3(R).
dx
a. Tunjukkan bahwa T adalah suatu transformasi linier
b. Dapatkan image dari polinomial p(x) = 3x3 + 2x2 x + 2.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 131
Jawab
Perhatikan bahwa sebarang p(x) P3(R) mempunyai bentuk
p(x) = ax3 + bx2 + cx + d,
jadi
d p(x)
T (p(x)) = = 3ax2 + 2bx + c.
dx
d p(x)
Karena dx di P2 (R), maka T adalah suatu pemetaan dari P3(R) ke P2(R).
Proposisi 1
Misalkan suatu transformormasi linier T : V W , maka T (00V ) = 0W .
Bukti
Karena T adalah transformasi linier didapat
T (00V ) = T (00V +00V ) = T (00V ) + T (00V ).
132
Jawab
Karena 0
0 e 1
T (00R2 ) = T = 0 = ,
0 e 1
maka dengan menggunakan Proposisi 1 pemetaan T bukan suatu transformasi
linier.
Contoh 6
Didefinisikan suatu pemetaan T : Mmn(R) Mnm oleh
T (A) = At , A Mmn(R),
Jawab
Sebagai mana diketahui untuk setiap A, B Mmn(R), maka (A + B)t = At + Bt .
Dengan demikian didapat
T (A + B) = (A + B)t = At + Bt = T (A) + T (B).
Juga
Contoh 7
Misalkan V adalah suatu ruang vektor atas suatu lapangan K dengan dim(V ) = n
dan
B = v1 ,vv2 , . . . ,vvn
adalah suatu basis terurut untuk V . Misalkan T : V K n adalah pemetaan yang
memetakan suatu vektor v di V ke vektor koordinatnya di K n relatif terhadap
basis B. Yaitu
T (vv ) = [vv]B .
Pemetaan ini terdefinisi dengan baik sebab vektor koordinat dari v relatif ter-
hadap basis B adalah tunggal. Tunjukkan bahwa pemetaan T adalah suatu pemetaan
linier.
Jawab
Misalkan u dan v sebarang vektor di V dan sebarang k K. Karena B adalah su-
atu basis terurut, maka dapat dipilih dengan tunggal skalar c1 , . . . , cn dan d1 , . . . , dn
di K yang memenuhi
Fakta bahwa suatu transformasi linier T diantara ruang vektor V dengan ruang
vektor W atas suatu lapangan K mempertahankan kombinasi linier adalah suatu
yang berguna dalam perhitungan ketika T bertindak pada vektor-vektor dari su-
atu basis dari V diketahui. Hal ini dijelaskan dalam contoh berikut.
Contoh 8
Diberikan T : R3 R2 adalah suatu transformasi linier dan misalkan B adalah
suatu basis terurut baku untuk R3. Bila
1 1 0
T (ee1 ) = , T (ee2 ) = dan T (ee3 ) = ,
1 2 1
Jawab
Untuk mendapatkan image dari vektor v tulis vektor tersebut sebagai kombinasi
linier dari vektor-vektor basis terurut B, didapat
v = e1 + 3ee2 + 2ee3 .
Gunakan T pada kombinasi linier tersebut dan gunakan sifat kelinieran dari T ,
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 135
didapat
T (vv) = T (ee1 + 3ee2 + 2ee3 )
= T (ee1 ) + 3T (ee2 ) + 2T (vv3 )
1 1 0
= +3 +2
1 2 1
2
= .
9
Contoh 9
Misalkan T : R3 R3 adalah suatu operator linier dan B adalah suatu basis
terurut untuk R3 diberikan oleh
1 1 1
B = 1 , 2 , 1 .
1 3 2
Bila
1 1 1 1 1 2
T = 1 = 1 , T = 2 = 2 dan T = 1 = 2 ,
1 1 3 3 2 4
maka dapatkan
2
T= 3 .
6
Jawab
Karena B adalah suatu basisuntuk R3 , pilih skalar k1 , k2 dan k3 yang memenuhi
persamaan
1 1 1 2
k1 1 + k2 2 + k3 1 = 3 .
1 3 2 6
Selesaikan persamaan ini, didapat k1 = 1, k2 = 1 dan k3 = 2. Jadi
2 1 1 1
T 3 = T 1 1 + 2 + 2 1 .
6 1 3 2
136
Kemudian didefinisikan
def def
(S + T )(vv ) = S(vv) + T (vv) dan (kT )(vv ) = k(T (vv)), vv R2 , k R.
2
Untuk mengilustrasikan definisi ini, misalkan v = , maka
1
2 + (1) 2(2) (1) 6
(S + T )(vv ) = S(vv ) + T (vv ) = + = .
2 2 + 3(1) 3
Teorema 7.0.1 Misalkan V dan W adalah ruang vektor atas suatu skalar K dan
S, T : V W adalah transformasi linier. Pemetaan S + T yang didefinisikan oleh
def
(S + T )(vv ) = S(vv ) + T (vv ), vv V
adalah suatu transformasi linier dari V ke W . Bila c adalah sebarang skalar di K,
maka pemetaan cT didefinisikan oleh
def
(cT )(vv ) = cT (vv ), vv V
adalah transformasi linier dari V ke W .
Teorema 7.0.2 Misalkan U,V dan W adalah ruang vektor atas suatu lapangan
yang sama. Bila T : V U dan S : U W adalah transformasi linier, maka
pemetaan komposisi S T : V W , didefinisikan oleh
def
(S T )(vv ) = S(T (vv )), vv V
S T (vv )
Bukti
Untuk membuktikan S T adalah suatu transformasi linier, misalkan sebarang
vektor v1 dan v2 di V dan sebarang skalar k K. Gunakan S T pada kvv1 + v2 ,
didapat
Misalkan V dan W adalah ruang vektor atas suatu lapangan K. Untuk suatu trans-
formasi linier T : V W ruang null dari T atau disebut juga kernel dinotasikan
oleh N(T ) adalah
N(T ) = {vv V | T (vv) = 0W } V.
Sedangkan range dari T dinotasikan oleh R(T ), didefinisikan oleh
R(T ) = {T (vv ) W |vv V } W.
Ruang null dari suatu pemetaan linier adalah himpunan semua vektor-vektor di V
yang dipetakan ke vektor nol 0W , sedangkan range adalah himpunan dari semua
image dari pemetaan sebagai mana diberikan oleh gambar berikut.
T T
V W V W
0W
N(T ) R(T )
Teorema berikut menyatkan bahwa ruang null dan range adalah ruang bagian.
Teorema 7.1.1 Misalkan V dan W adalah ruang vektor atas suatu lapangan K
dan T : V W adalah suatu transformasi linier. Maka
(1) Ruang Null N(T ) adalah ruang bagian dari V .
(2) Range R(T ) adalah ruang bagian dari R(T ).
Bukti
(1) Diberikan sebarang v1 dan v2 di N(T ) dan skalar c K, maka dengan meng-
gunakan kelinieran didapat
T (cvv1 +vv2 ) = cT (vv1 ) + T (vv2 ) = c00W +00W = 0W .
140
Jadi cvv1 +vv2 di N(T ) dengan demikian N(T ) adalah subruang dari V .
(2) Diberikan sebarang w1 dan w2 di R(T ), maka dapat dipilih v1 dan v2 di
V yang memenuhi T (vv1 ) = w1 dan T (vv2 ) = w2 . Sehingga untuk sebarang
c K didapat
w1 +w
Jadi cw w2 R(T ) dengan demikian R(T ) adalah ruang bagian dari ru-
ang vektor W .
Jawab
(a) Ruang N(T ) adalah didapat dengan menjadikan komponen dari imagenya
sama dengan nol. Dengan demikian didapat sistem persamaan linier homo-
gin:
a+b = 0
bc = 0
a+d = 0
Sistem persamaan linier homogin ini mempunyai banyak penyelesaian diberikan
oleh
t
t
S= t t R .
t
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 141
Jadi
* 1 +
1
1 .
N(T ) =
1
Suatu basis di N(T ) hanya memuat satu vektor
1
1
1
1
akibatnya , dim(N(T )) = 1.
(c) Karena R(T ) adalah suatu ruang bagian dari R3 , maka dim(R(T )) 3. Ak-
ibatnya, empat vektor yang dihasilkan dalam (b) adalah bergantungan linier
dan tidak membentuk suatu basis dari R(T ). Perhatikan bahwa tiga vektor
pertama dari vektor-vektor tersebut adalah bebas linier. Jadi
1 1 0
B = 0 , 1 , 1
1 0 0
adalah bebas linier. Dengan demikian B adalah suatu basisi dari R(T ) dan
dim(R(T )) = 3. Perhatikan juga B membangun R3 , jadi R(T ) = R3 .
142
Teorema 7.1.2 Bila V dan W adalah ruang vektor berdimensi hingga atas suatu
lapangan K dan
B = {vv1 ,vv2 , . . . ,vvn }
adalah suatu basis untuk V . Bila T : V W adalah suatu pemetaan linier, maka
Contoh 3 Misalkan T : |R3 R3 adalah suatu operator linier dan B = {vv1 ,vv2 ,vv3 }
adalah suatu basis untuk R3 yang memenuhi
1 1 2
T (vv1 ) = 1 , T (vv2 ) = 0 , T (vv3 ) = 1 .
0 1 1
1
a. Apakah 2 di R(T )?
1
b. Dapatkan suatu basis untuk R(T ).
c. Dapatkan ruang null N(T ).
Jawab
1
a. Dari Teorema 7.1.2 vektor w = 2 di R(T ) bila ada skalar k1 , k2 dan k3 di
1
R yang memenuhi
1
k1 T (vv1 ) + k2 T (vv2 ) + k3 T (vv3 ) = 2 ,
1
yaitu
1 1 2 1
k1 1 + k2 0 + k3 1 = 2 .
0 1 1 1
Himpunan penyelesaian dari sistem persamaan linier ini diberikan oleh
S = {(2 r, 1 r, r) | r R}.
Khususnya bila r = 0, maka k1 = 2, k2 = 1 dan k3 = 0. Jadi w R(T ).
b. Untuk mendapatkan suatu basis dari R(T ), lakukan operasi baris elementer
matriks
1 1 2 1 0 1
1 0 1 untuk memperoleh 0 1 1 .
0 1 1 0 0 0
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 145
Karena koefisien pivot dalam kolom ke-1 dan ke-2, maka suatu basis untuk
R(T ) diberikan oleh
*1 1 +
R(T ) = 1 , 0
.
0 1
Perhatikan bahwa karena R(T ) dibangun oleh dua vektor yang bebas linier,
maka R(T ) adalah suatu bidang dalam R3 (lihat gambar!).
c. Karena B adalah suatu basis untuk R3 , maka ruang null adalah himpunan
semua vektor k1v1 + k2v2 + k3v3 yang memenuhi
0
k1 T (vv1 ) + k2 T (vv2 ) + k3 T (vv3 ) = 0 .
0
R(T )
x N(T ) y x y
146
Teorema 7.1.3 Diberikan V dan W adalah ruang vektor berdimensi hingga atas
suatu lapangan yang sama yaitu K. Bila T : V W adalah suatu transformasi
linier, maka
dim(V ) = dim(R(T )) + dim(N(T )).
Bukti Misalkan bahwa dim(V ) = n. Untuk pembuktian teorema ditinjau tiga ka-
sus. Pertama, untuk dim N(T ) = dimV = n. Dalam kasus ini, bayangan (image)
dari setiap vektor di V adalah vektor nol 0W W , dengan demikian R(T ) = {0V }.
Sehingga didapat
Selanjutnya, untuk 1 r = dim N(T ) < n. Misalkan v 1,vv2, . . . ,vvr adalah suatu
basis untuk N(T ). Perluas basis ini di V sehingga dapat dipilih vektor-vektor di
V
v r+1 ,vvr+2 , . . . ,vvn
yang semuanya bukan di N(T ) dan memenuhi
R(T ) = h{T (vv 1), T (vv2 ), . . . , T (vvr ), T (vvr+1 ), T (vv r+2 ), . . . , T (vvn )}i .
Jadi
S = h{T (vvr+1 ), T (vvr+2 ), . . . , T (vv n)}i = R(T ).
Untuk menunjukkan bahwa S bebas linier, tinjau persamaan
Tetapi {vv1 ,vv2 , . . . ,vvr } adalah suatu basis di N(T ), maka dapat dipilih skalar
k1 , k2 , . . . , kr di K yang memenuhi
Sehingga didapat
Karena {vv1,vv2, . . . ,vvr ,vvr+1 ,vvr+2, . . . ,vvn} adalah suatu basis di V , maka bebas lin-
ier dan
k1 = k2 = = kr = kr+1 = kr+2 = = kn = 0.
Khususnya didapat kr+1 = kr+2 = = kn = 0. Jadi n r vektor
Terakhir, untuk N(T ) = {0V }, maka dim(N(T )) = 0. Bila {vv1 ,vv2 , . . . ,vvn } adalah
suatu basis di V , maka dengan menggunakan Teorema 7.1.2 didapat
d 2 p(x)
def
T (p(x)) = .
dx2
Dapatkan dimensi dari range T dan berikan diskripsi dari range.
7.2 Isomorpisma
Banyak ruang vektor yang sudah dibahas deri pandangan aljabar adalah sama.
Dalam bagian ini ditunjukkan bahwa suatu isomorpisma yang merupakan su-
atu transformasi linier khusus dapat digunakan untuk menjelaskan hubungan di-
antara dua ruang vektor. Secara esensi pembahasan berkaitan dengan pemetaan
satu-satu (injektif) dan pada (surjektif).
Definisi 7.2.1 Misalkan U dan V adalah ruang vektor atas suatu lapangan K dan
T : U V adalah suatu transformasi linier.
Ketika untuk menunjukkan bahwa suatu pemetaan adalah satu-satu, suatu perny-
ataan ekivelen dapat digunakan. Yaitu, T adalah satu-satu bila T (uu ) = T (vv ) be-
rakibat bahwa u = v . Untuk menunjukkan bahwa suatu pemetaan pada, haruslah
ditunjukkan bahwa bila sebarang v di V , maka ada beberapa elemen u U yang
memenuhi T (uu ) = v .
Maka,
1 1 a1 a1 + b1
T (uu1) = =
1 0 b1 a1
dan
1 1 a2 a2 + b2
T (uu 2) = = .
1 0 b2 a2
Jadi, bila T (uu1 ) = T (uu2 ), maka
a1 + b1 a2 + b2
= .
a1 a2
150
Berikut ini diberikan suatu kegunaan dari ruang nul untuk menunjukkan bahwa
suatu transformasi linier adalah satu-satu.
Teorema 7.2.1 Suatu transformasi linier T : U V adalah satu-satu bila dan
hanya bila ruang nul terdiri dari hanya vektor nol di U.
adalah juga suatu basis untuk R(T )? Teorema berikut menjawab pertanyaan ini.
Definisi 7.2.2 Misalkan U dan V adalah ruang vektor atas suatu lapangan K dan
T : U V adalah suatu transformasi linier dimana T adalah satu-satu dan pada,
maka T dinamakan isomorpisma. Dalam hal ini ruang vektor U dan V adalah
isomorpik dan dinotasikan oleh U
= V.
Maka x = A1b (di domain T ) preimage dari b. Jadi, pemetaan T adalah pada.
Untuk menunjukkan bahwa T pada, perhatikan bahwa persamaan Axx = 0 hanya
mempunyai penyelesaian trivial x = A10 = 0. Jadi N(T ) = {00}, dengan demikian
T adalah satu-satu. Jadi T adalah satu-satu dan pada. Sehingga T adalah iso-
morpisma. Sebaliknya, misalkan bahwa T adalah suatu isomorpisma. Maka
T : Rn Rn adalah pada, maka vektor kolom dari A membangun Rn dan karena
Rn berdimensi n, makavektor-vektor kolom dari A adalah bebas linier. Akibatnya
det(A) 6= 0, jadi A punya invers.
Teorema berikut merupakan hasil utama bahasan pada bagian ini yang berkaitan
dengan ruang vektor brdimensi hingga.
Teorema 7.2.3 Bila V adalah ruang vektor atas suatu lapangan K berdimensi n,
maka V dan Rn adalah isomorpik.
Bukti Misalkan B = {vv1,vv2, . . . ,vvn } adalah suatu basis terurut untuk V . Misalkan
T : V Rn adalah transformasi koordinat didefinisikan oleh T (vv) = [vv]B . Di-
tunjukkan bahwa T adalah isomorpisma. Pertama ditunjukkan bahwa T adalah
satu-satu. Misalkan bahwa T (vv) = 0 Rn . Karena B adalah suatu basis, dapat dip-
ilih dengan tunggal skalar c1 , c2 , . . . , cn yang memenuhi
Jadi,
c1 0
c 0
2
T (vv) = [vv ]B = .. = .. ,
. .
cn 0
terlihat bahwa c1 = c2 = = cn = 0. Dengan demikian N(T ) = {00V }, jadi T
adalah satu-satu. Selanjutnya mislkan bahwa
k1
k
2
w = ..
.
kn
154
Definisi 7.2.3 Misalkan U dan V adalah ruang vektor atas suatu lapangan K dan
T : U V adalah suatu transformasi linier satu-satu. Pemetaan
T 1 : R(T ) U,
didefinisikan oleh
Proposisi 7.2.2 Misalkan U dan V adalah ruang vektor atas suatu lapangan K
dan T : U V suatu pemetaan linier satu-satu. Maka pemetaan T 1 : R(T ) U
adalah juga suatu transformasi linier.
Bukti Misalkan v 1,vv2 R(T ) dan skalar c K. Pilih vektor u 1 ,uu2 U yang
memenuhi v 1 = T (uu1 ) dan v 2 = T (uu2). Karena T adalah suatu pemetaan linier
maka
T (cuu1 +uu2 ) = cT (uu 1) + T (uu2 ) = cvv1 +vv2 .
Jadi
T 1(cvv 1 +vv2 ) = cuu1 +uu2 = cT 1 (vv1 ) + T 1(vv 2).
Akibatnya T 1 adal suatu pemetaan linier.
Teorema 7.2.4 Bila U dan V adalah ruang vektor berdimensin atas suatu lapan-
gan K, maka U dan V adalah isomorpik.
T2
= T21 T1 : U V.
Untuk menunjukkan bahwa adalah pemetaan linier, ingat bahwa T21 adalah
pemetaan linier (Proposisi 7.2.2). Dengan menggunakan Teorema 7.0.2, maka
komposisi T21 T1 adalah suatu pemetaan linier. Pemetaan adalah satu-satu
dan pada sebab berdasarkan Gambar 7.1 maka = T1 . Jadi adalah suatu iso-
morpisma, akibatnya U = V.
Contoh 7.2.3 Diberikan ruang vektor P2(R) dan ruang vektor mariks simetri
a b
S22 (R) = a, b, c R .
b c
Dapatkan secara langsung suatu isomorpisma dari P2(R) ke S22(R).
Jawab Misalkan basis terurut baku di P2(R) dan S22(R) masing diberikan oleh
0 0 0 1 1 0
B1 = {1, x, x3 } dan B2 = , , .
0 1 1 0 0 0
Misalkan masing-masing T1 dan T2 adalah pemetaan koordinat dari P2 (R) dan
S22(R) ke R3 . Maka
a a
2 a b
T1 (a + bx + cx ) = b dan T2 = b .
b c
c c
156
dimana A i adalah vektor kolom dari A dan vi adalah komponen ke-i dari vektor v
untuk 1 i n. Dalam hal yang demikian, R(T ) yang merupakan ruang bagian
dari Rm adalah sama dengan ruang kolom dari A, yaitu
R(T ) = kol(A).
Dimensi dari ruang kolom A dinamakan rank kolom dari A. Juga dapat
N(T ) = {vv Rn | Avv = 0Rm } = N(A).
Dimensi dari N(A) dinamakan nullitas dari A dan menggunakan Teorema 7.1.3
didapat
rank kolom(A) + nullitas(A) = n.
Suatu ruang bagian yang lain dari Rn dikaitkan dengan A adalah ruang baris dari
A, dinotasikan oleh bar(A) dan merupakan hasil bentangan dari vektor-vektor
baris dari A. Karena operasi tanspose memetakan vektor-vektor baris dari A ke
vektor-vektor klom dari A, ruang baris dari A adalah sama dengan dengan ruang
kolom dari At (tanda t adalah transpose), sehingga didapat
bar(A) = kol(At ).
Dengan demikian suatu basis dari A dapat diperoeleh dengan melakukan reduksi
baris. Kususnya, basis-basis ini adalah vektor-vektor baris taknol dari hasil pere-
duksian baris. Sebagai kesimulan adalah
Kesimpulan 7.3.1 rank baris dan rank kolom dari suatu matriks A adalah sama.
Matriks sudah memainkan peranan penting dalam kajian aljabar linier. Dalam
nagian ini dijelaskan keterkaitan diantara matriks dengan transformasi linier. Un-
tuk mengilustrasikan ide ini, misalkan diberikan sebarang matriks A berukuran
m n, dapat didefinisikan suatu transformasi linier T : Rn Rm diberikan oleh
T (vv) = Avv, vv Rn .
158
Dengan demikian vektor koordinat dari vektor T (vv) pada Persamaan 7.2 menjadi
a1,1 a1,2 a1,n
a a a
2,1 2,2 2,n
[T (vv )]B = c1 .. + c2 .. + + cn .. (7.3)
. . .
am,1 am,2 am,n
atau dalam bentuk persamaan matriks
a1,1 a1,2 . . . a1,n c1
a
2,1 a2,2 . . . a2,n c2
[T (vv )]B = .. .. .. .. .. . (7.4)
. . . . .
am,1 am,2 . . . am,n cn
Matriks sebelah kanan Perasamaan 7.4 dinotasikan oleh [T ]BB , sehingga didapat
[T ]BB = [T (vv1 )]B [T (vv2 )]B [T (vv n )]B .
Matriks [T ]BB dinamakan matriks dari T relatif terhadap basis B dan B . Dalam
kasus T : V V adalah suatu operator linier dan B adalah suatu basis terurut
tetap untuk V representasi matriks untuk pemetaan T dinotasikan oleh [T ]B.
Apa yang telah dibahas ini diringkas dalam kesimpulan berikut:
Kesimpulan 7.3.2 Misalkan V dan W ruang vektor bedimensi hingga dengan
masing-masing basis terurut
B = {vv1,vv2 , . . . ,vvn} dan B = {w
w1 ,w wm }
w2, . . . ,w
dan misalkan T : V W adalah suatu transformasi linier. Maka matriks [T ]BB
adalah representasi matriks dari T relatif terhadap basis B dan B . Lagipula,
koordinat dari T (vv ) relatif terhadap basis B diberikan oleh
[T (vv )]B = [T ]BB [vv ]B.
Misalkan dalam Kesimpulan 7.3.2 ruang vektor V = W B dan B adalah dua basis
terurut yang berbedauntuk V dan T : V V adalah suatu operator identitas yaitu
T (vv) = v , f orallvv V . Maka [T ]BB adalah suatu matriks perubahan basis [I]BB
(matriks transisi) yang telah dibahas dalam Bagian 5.7.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 161
Jawab
a. Misalkan B = {ee1 ,ee2 ,ee3 } adalah basis baku untuk R3 . Karena
1 0 0
[T (ee1 )]B = 0 , [T (ee 2)]B = 1 dan [T (ee3 )]B = 0 ,
0 0 1
maka
1 0 0
[T ]B = 0 1 0 .
0 0 1
b. Karena B adalah basis baku untuk R3 , maka
1
[vv]B = v = 2 .
3
Sehingga didapat
1 0 0 1 1
T (vv) = [T (vv )]B = 0 1 0 2 = 2 .
0 0 1 3 3
162
1. Untuk basis B = {vv1 ,vv2 , . . . ,vvn}, dapatkan T (vv 1), T (vv2 ), . . . , T (vv n).
2. Dapatkan masing-masing koordinat dari T (vv 1), T (vv2 ), . . . , T (vvn ) relatif ter-
hadap basis
B = {w
w1 ,w wm }.
w2 , . . . ,w
Yaitu, dapatkan
[T (vv1 )]B , [T (vv 2)]B , . . . , [T (vvn )]B .
3. Hitung [vv]B .
Berikutnya, untuk menggunakan matriks [T ]BB pada bagian (a) diperlukan koor-
dinat dari v relatif terhadap basis B. Perhatikan bahwa, penyelesaian dari per-
samaan
1 3 3 3 4
a1 + a2 = adalah a1 = , a2 = .
2 1 2 5 5
3
Jadi, vektor koordinat dari v = relatif terhadap basis B adalah
2
3
3 5
[vv]B == == .
2 B 45
Jawab Karena basis baku untuk P2(R) adalah B = {1, x, x2 }, maka pertama di-
hitung
Karena basis baku untuk P3(R) adalah B = {1, x, x2 , x3 }, maka koordinat dari
vektor T (1), T (x), T (x2 ) relatif terhadap basis B adalah:
0 2 0
, [T (x)]B = 0 dan [T (x2 )]B = 4 .
1
[T (1)]B = 0 1 2
0 0 1
0 0 1
Akibat 7.3.1 Misalkan V dan W adalah ruang vektor berdimensi hingga dengan
msaing-masin basis terurut B dan B . Bila S dan T adalah transformasi linier dari
V ke W , maka 1. [S + T ]BB = [S]BB + [T ]BB
2. [kT ]BB = k[T ]BB , untuk sebarang skalar k K.
Akibat 7.3.2 Misalkan U,V dan W adalah ruang vektor berdimensi hingga den-
gan masing-msing basis terurut B, B dan B . Bila T : U V dan S : V W
adalah transformasi linier, maka
[S T ]BB = [S]BB [T ]BB .
[T n ]B = ([T ]B)n .
Kesimpulan 7.3.4 Misalkan T adalah suatu operator linier yang mempunyai in-
vers pada suatu ruang vektor V berdimensi hingga dan B adalah suatu basis teru-
rut untuk V . Maka
[T 1 ]B = ([T ]B)1 .
7.4 Similaritas
suatu representasi matriks relatif terhadap basis B. Matriks yang tertentu un-
tuk T bergantung pada pilihan basis yang ditentutkan. Sebagai akibat matriks
yang berkaitan dengan suatu transformasi linier tidak tunggal. Apapun hal ini,
tindakan dari operator T pada V tampa memperhatikan representasi matriks ter-
tentu adalah selalu sama. Hal ini dijelaskan oleh contoh berikut.
Contoh 7.4.1 Misalkan T : R2 R2 adalah operator linier didefinisikan oleh
x x+y
T = .
y 2x + 4y
Juga, misalkan
diberikan
dua basis terurut untuk R2 yaitu basis B1 = {ee1 ,ee2 }
baku
1 1 2
dan B2 , . Selidiki bahwa tindakan pada vektor v = oleh operator
1 2 3
T adalah sama terhadap pilihan basis B1 ataupun basis B2 dari representasi ma-
triks T yang digunakan.
Teorema 7.4.1 Misalkan V adalah suatu ruang vektor berdimensi hingga, B1 dan
B2 adalah dua basis terurut yang berbeda untuk V ; dan T : V V adalah suatu
operator linier. Misalkan P = [I]BB12 adalah matriks transisi dari B2 ke B1 . Maka
Contoh 7.4.1 Misalkan bahwa T, B1 dan B2 adalah operator linier dan basis-
basis terurut sebagaimana dalam Contoh 7.4.1. Maka
1 1
[T ]B1 = .
2 4
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 169
[vv]B1 [T (vv)B1
[T ]B1
P P1
[T ]B2
[vv]B2 [T (vv)]B2
Jawab Karena B1 adalah basis baku untuk R2 , maka matriks transisi dari B2 ke
B1 adalah
B1 1 1
P = [I]B2 = ,
1 2
sehingga didapat
2 1
P1 = .
1 1
Jadi,
2 1 1 1 1 1 2 0
P1 [T ]B1 P = = = [T ]B2 .
1 1 2 4 1 2 0 3
Jawab Karena
2 4 1 1
T = dan T = ,
1 5 0 3
didapat
4 1 5 3
[T ]B1 = = .
5 B 3 B 6 5
1 1
Secara umum, bila A dan B matriks persegi adalah representasi untuk opera-
tor linier yang sama, maka kedua matriks tersebut dinamakan similar. Den-
gan menggunakan Teorema 7.4.1 dapat didefinisikan similaritas untuk matriks-
matriks persegi tampa merujuk pada suatu operator linier.
Pengertian dari similaritas menjelaskan suatu relasi diantara matriks persegi yang
mempunyai sifat:
Contoh 7.5.1 Misalkan representasi matriks dari suatu pemetaan linier terhadap
basis baku terurut, diberikan oleh:
1 2 3
A = 2 3 1 .
3 5 4
Dapatkan basis-basis terurut dari V dan W supaya dengan basis-basis ini pemetaan
linier mempunyai representasi matriks berbentuk normal diagonal satuan.
adalah basis terurut dari ruang vektor W . Selanjutnya selidiki dengan basis-
basis terurut B dan B , matriks representasi berbentuk normal diagonal satuan
sebagaimana berikut ini. Persamaan-persamaan yang memberikan matriks
P1 = (T, B, B)
IV (v2 ) = v2 = (0, 1, 0)
dan
IV (v3 ) = v 3 = (7, 5, 1) .
Sehingga didapat:
1 0 7
P1 = 0 1 5 .
0 0 1
Dengan cara serupa, persamaan-persamaan yang memberikan matriks Q1 =
(T, B , B) dengan B basis terurut baku adalah:
IW (w 1 ) = w 1 = (1, 2, 3) ,
IW (w 2 ) = w 2 = (2, 3, 5)
dan
IW (w 3 ) = w 3 = (1, 0, 0) .
Sehingga didapat:
1 2 1 0 5 3
Q1 = 2 3 0 Q = 0 3 2
3 5 0 1 1 1
Teorema 7.6.1 Bila T : U U suatu pemetaan linier dan masing masing matriks
A = (T, B, B) dan A = (T, B, B) adalah representasi dari T dengan basis terurut
yang berbeda, maka nilai-eigen dari A sama dengan nilai-eigen dari A.
Untuk = 2 didapat:
2 1 x1 0 1
= x2 = 2x1 x = ,
2 1 x2 0 2
sedangkan untuk = 1 didapat:
1 1 x1 0 1
= x1 = x2 x = .
2 2 x2 0 1
Pendiagonalan matriks persegi merupakan suatu alat yang berguna bagi matriks
yang bisa didiagonalkan dan banyak aplikasinya. Berikut ini diberikan sifat me-
ngenai pendiagonalan suatu matriks persegi.
Teorema 7.7.1 Suatu matriks A berukuran n n dengan elemen-elemen di F
similar dengan matriks diagonal bila dan hanya bila eigenvektor-eigenvektornya
membentang ruang Fn (span Fn ).
0 . . . . . . n
= QA A = Q1 AQ A = PAP1.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 177
Sehingga didapat
atau
a1 1X 1 + a22X 2 + . . . + ak kX k + ak+1k+1X k+1 = 0. (7.7)
Kalikan k+1 pada Persamaan 7.6 selanjutnya hasilnya kurangkan pada Per-
samaan 7.7 didapat:
a1(1 k+1)X
X 1 + a2 (2 k+1)X
X 2 + . . . + ak (k k+1)X
X k = 0.
a1 = a2 = . . . = ak = 0
. Sehingga Persamaan 7.6 menjadi ak+1X k+1 = 0 dan karena X k+1 6= 0 , maka
haruslah ak+1 = 0. Terlihat bahwa bila dari kenyataan Persamaan 7.6 menjadi
ak+1X k+1 = 0 dan karena dipenuhi maka berakibat
a1 = a2 = . . . = ak = ak+1 = 0,
X 1 ,X
X 1 , . . . ,X
X k ,X
X k+1
atau
p() = (2 6) + 11 6 = 3 62 + 11 6 = ( 3)( 2)( 1).
Didapat 1 = 3, 2 = 2 dan 3 = 1. Sehingga didapat pasangan eigenvalue-
eigenvektor:
1 1 1
1 = 3,X
X 1 = 3 ; 2 = 2,X
X 2 = 2 ; 3 = 1,X
X3 = 1 .
9 4 1
dan
1 1 1 1 32 12
Q = [XX 1 X 2 X 3 ] = 3 2 1 Q1 = 3 4 1 .
9 4 1 3 25 12
Matriks A = Q1 AQ adalah matriks diagonal dengan elemen-elemen diagonal
1 = 3, 2 = 2 dan 3 = 1.
MATRIKS INVARIAN
Suatu matriks persegi invarian adalah suatu sifat dari matriks yang tidak berubah
bila matriks ditransformasi dengan suatu cara tertentu. Eigenvalue-eigenvalue
dari suatu matriks adalah invarian dibawah suatu transformasi kesemilaran, be-
gitu juga trace dan determinannya. (Trace suatu matriks A adalah jumlah keselu-
n
ruhan eleme-elemen diagonalnya: tr(A) = ai,i ).
i=1
180
Teorema 7.7.3 Bila adalah eigenvalue dari matriks A, maka juga eigenvalue
dari suatu matriks PAP1
Bukti Misalkan
X = X
AX X dan Y = PX
X
dengan P matriks yang punya invers, jadi X = P1Y . Sehingga didapat
Teorema 7.7.4 Bila ABC adalah hasil kali matriks persegi, maka tr(ABC) =
tr(BCA).
Bukti !
n n
(ABC)i,l = ai, j b j,k ck,l .
k=1 j=1
Didapat
!!
n n n n
tr(ABC) = (ABC)i,i = ai, j b j,k ck,i
i=1 i=1 k=1 j=1
!!
n n n
= b j,k ck,iai, j = tr(BCA).
j=1 i=1 k=1
Teorema 7.7.5 Trace dan determinan dari suatu matriks persegi adalah invarian
dalam suatu tranformasi similar. Lagi pula bila matriks A dapat didiagonalkan
dengan eigenvalue i , i = 1, . . . , n, maka
n n
tr(A) = i dan det(A) = i .
i=1 i=1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 181
Bukti Dari hasil sebelumnya, tr(PAP1 ) = tr(P1 PA) = tr(A). Sehingga dida-
pat
det(PAP1 ) = det(P)det(A)det(P1)
= det(A)(det(P)det(P1 ))
= det(A)det(PP1 )
= det(A)det(I) = det(A).
Sehinggadidapat
1 0
det(A) = 6 =6
0 1
det(A) = 123.
123 = 3(2)(1) = 6
182
Sehingga didapat
* 0 +
2 1 0
E4 (R3 ) = ker( 0 2 0 ) = 0
0 0 0 1
dan
0 1 0 * 1 +
E2(R3 ) = ker( 0 0 0 ) = 0 .
0 0 2 0
Terlihat bahwa untuk = 4 multiplisitas geometri = multiplisitas aljabar, tetapi
untuk = 2 multiplisitas geometri < multiplisitas aljabar. Dengan demikian
matriks A tidak dapat didiagonalkan.
Bukti Bila PAP1 = D dimana matriks D adalah matriks diagonal dengan elemen-
elemen diagonal i , i = 1, . . . , n adalah eigenvalue-eigenvalue dari matriks A.
Maka didapat :
7.8 Orthogonal
Misalkan V suatu ruang vektor atas lapangan riil R. Hasil kali dalam riil (real
inner product) juga dinamakan bilinier adalah fungsi dari VV ke R dinotasikan
oleh hu, vi yang memenuhi
, huu,uui 0 untuk semua u V dan huu,uui = 0 bila dan hanya bila u = 0 (semi
definit positip).
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 185
Bila
x = (x1 , . . . , xn ) , y = (y1 , . . . , yn ) Rn ,
maka hasil kali dalam baku diberikan oleh
n
xiyi
def
hxx,yyi =
i=1
(juga dinamakan dot product dalam geometri Euclide). Bila vektor-vektor x dan
y disajikan dalam vektor kolom, maka
hxx,yyi = xy.
Suatu norm dari ruang vektor V ke lapangan riil R adalah suatu fungsi dino-
tasikan oleh k k yang memenuhi
kvvk 0 untuk semua v V dan kvvk = 0 bila dan hanya bila u = 0 (Definit
2
positip).
krvvk = |r| kvvk untuk semua v V, r R
2
kuu +vvk kuuk + kvvk untuk semua u ,vv V (Pertaksamaan segitiga).
2
NORM EUCLIDE
|ui|
def p
kuuk p =
i=1
kuuk = |ui| 2
i=1
- Suatu himpunan dari vektor-vektor adalah orthogonal bila setiap dua pasang
vektor orthogonal.
u
Setiap vektor u V bisa dinormalisir kedalam bentuk .
kuuk
adalah orthogonal. Himpunan yang terakhir ini dapat dijadikan orthonormal se-
bagai mana himpunan berikut ini
1 1 1 1
, , , .
2 2 2 2
dimana x adalah konjuget dari x bila x adalah bilangan kompleks. Suatu basis
orthonormal dari suatu ruang vektor mempunyai beberapa kemanfaatan dan basis
baku dari ruang vektor Rn adalah orthonormal, yaitu basis baku dari ruang vektor
R3 adalah himpunan
(1, 0, 0) , (0, 1, 0) , (0, 0, 1) .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 187
Teorema 7.8.1 Bila matriks A simetri dengan elemen-elemen riil dan berlaku
Axx = xx
MATRIKS ORTHOGONAL
A1 = A .
Teorema 7.8.3 Bila Bi dan K j masing-masing menyatakan baris ke-i dan kolom
ke- j dari suatu matriks orthogonal A berukuran n n, maka
{Bi , i = 1, . . . , n} dan {K j , j = 1, . . . , n}
maka
0 1 0 0 0 1 1 0 0
AA = 0 0 1 1 0 0 = 0 1 0 = I
1 0 0 0 1 0 0 0 1
. Juga dapat dicek bahwa A A = I. Jadi A adalah matriks orthogonal.
190
maka
0 1 1
0 1 0 1 0 0
2 2 1
0 2 0
1
AA = 1 0 2 = 0 1 0 =I .
0 1 1 1 0 1 0 0 1
2 2 2 2
Teorema 7.8.4 Suatu pemetaan linier yang direpresentasikan oleh suatu matriks
orthogonal adalah mempertahankan jarak dari suatu vektor, yaitu bila A suatu
matriks orthogonal, maka kAxxk = kxk untuk semua x Rn .
didapat
kxxk2 = x x .
Oleh karena itu
maka dapat ditunjukkan bahwa kAxx k = kxxk sebagai mana berikut ini:
1
0 1
1 1
x2 + x3
x1
2 2 2 2
x2 =
1 0 0 x1 =
1 1 x3 1 1
0 x2 + x3
2 2 2 2
r
1 1 1 1
( x2 + x3 )2 + x21 + ( x2 + x3)2 =
2 2 2 2
r
1 2 1 1 1
x2 x2x3 + x23 + x21 + x22 + x2 x3 + x23
2 2 2 2
q
x21 + x22 + x23 = kxx k.
KOMENTAR:
0 1 2
1 2 1 2
A= = .
2 2 0 2 2 2 2
2 1
.
x1 = dan x2 =
1 2
Sehingga diperoleh
2 1
3
x1 3 x2
= dan = .
kxx1 k kxx2k
1 2
3 3
Bila matriks
x1 x2
P= ,
kxx1 k kxx2 k
berikut
2 1 2 1
3 3 3 3
1 2
=
2 2
1 2 1 2
3 3 3 3
2 2 2 2 2 1
3 + 3 3 + 3 3 3
=
1 2 2 2 2 1 2
+ +
3 3 3 3 3 3
2 1
0 0 3 3
0 0
= 0 3
3 3 2
1 2
3 3
3 3
CATATAN:
Terlihat bahwa hxx1 ,xx3 i = hxx 2,xx3 i = 0 tetapi hxx1,xx2 i = 1 6= 0. Penormalan dari x 2
dan x 3 didapat :
1
0
3 3
x2 x 3
p2 = = 12 2 dan p 3 = = 13 3 .
kx 2 k
x kx 3 k
x
12 2 1
3 3
Untuk memperoleh suatu vektor x1 supaya hx1 ,xx2 i = 0, sebagai berikut. Mis-
alkan x1 + axx2 = x1 , didapat
x 2x1 + axx 2x 2 = x 2x 1
atau
hxx1 ,xx2 i
hx1 ,xx2 i + a hxx2 ,xx2 i = hxx1,xx2 i a = .
hxx2 ,xx2 i
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 195
Sehingga didapat
hxx1 ,xx2i
x1 = x 1 x 2.
hxx2 ,xx2i
Jadi
1 0 1
1
x1 = 0 1 = 12 .
2
1 1 12
Dengan menormalkan vektor x1 didapat:
q
1 3
3 2
x 1 q3
p1 = 1 3 q2
= .
kx1 k 1
3
3 2
Jadi matriks P = [pp1 | p 2 | p 3] diberikan oleh:
2
q
3 1
0 3
3 q2
3
P = 3 2 2 2 3 3 P P = I = PP (P matriks orthogonal).
1 3 1 1
1
q
3 1
1
3 2 2 2 3 3
Sehingga didapat :
q q q
2
q
3 1
2 3 1 3 1 3 0 3
1 1 1 3 q2 3
3 2 3 2 3 3
P AP = 1 1 1 1 1 31 32 1
2 1
3
0
2 2 2 2 2 3
1 1 1 1 1 1
q
3 3 3 3 3 3 1 3
12 2 1
3
3 2 3
2 0 0
= 0 2 0
0 0 1
196
S = {X
X 1 ,X X n },
X 2, . . . ,X
T = {T
T 1,T T n}
T 2 , . . . ,T
sebagi berikut:
t1
t1 = X1 T 1 =
ktt 1 k
hXX ,X X i t
t2 = X2 2 1 t1 T 2 = 2
hXX 1 ,X X 1i ktt 2 k
..
.
..
.
hXX n ,tt 1 i hXX n ,tt 2i hXX n,tt n1 i tn
tn =Xn t1 t 2 . . . t n1 T n =
htt 1 ,tt 1 i htt 2 ,tt 2i htt n1,tt n1 i ktt nk
Didapat matriks orthogonal
T 1 |T
T = [T T 2 | . . . |T
T n] .
Misalkan X 1 ,X
X 2 dan X 3 adalah vektor-vektor kolom dari A, maka
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 197
1 1
t1
t1 = X 1 = 0 T 1 =
= 0
kt 1 k
t
0 0
1 0 0
hXX 2 ,tt 1 i t 2
t2 = 1 t1 = 1 T 2 = = 1
htt 1,tt 1 i ktt 2k
0 0 0
1 0 0
hXX 3 ,tt 1 i hXX 3 ,tt 2 i t 3
t3 = 1 t1 t2 = 0 T 3 = = 0
htt 1,tt 1 i htt 2 ,tt 2 i ktt 3 k
1 1 1
Terlihat bahwa matriks T = [T T 1 T 2 T 3 ] adalah matriks orthogonal.
PEMBAHASAN MASALAH :
Jadi
2 4 3 2 1
= + .
2 5 1 5 3
2 3
kyy yyk
=
2 r
1
4 3 2 1 3
=
5 1 + r
5 3 1
4 3 2 1
,
=
( r) +
5 1 5 3
3 1 4
dan karena dan orthogonal, maka haruslah r = . Dengan demikian
1 3 5
didapat
2 4 3 6 4 3
y = Proyw = =0 + .
2 5 1 2 5 1
4
Terlihat bahwa penyelesaian pendekatan adalah x1 = 0 dan x2 = .
5
Teorema 7.9.1 Misalkan W suatu ruang bagian dari Rn , maka vektor y W yang
dekat ke y Rn adalah y = Proyw (yy ).
Suatu cara singkat untuk menentukan proyeksi dari suatu rauang bagian W yang
dibangun hanya oleh satu vektor w , dengan V = W W diberikan oleh
< y ,w
w>
Proyw (yy) = w. (7.14)
< w ,w
w>
Dalam hal ini adalah:
< y ,w
w>
1. w W.
< w ,ww>
< y,ww>
2. y w W
< w ,ww>
< y,w
w> < y,ww>
3. y = w+ y w
< w ,w
w> < w ,w
w>
Persoalan sebelumnya dapat diselesaikan menggunakan hasil dalam (7.14) dida-
pat
2 2.3 + 2.1 3 4 3
Proyw = = .
2 3.3 + 1.1 1 5 1
Teorema 7.9.2 Misalkan W suatu ruang bagian dari Rn dibangun oleh basis or-
thogonal
w 1, . . . ,w
wk
dan misalkan y Rn , maka
hyy,w
w1 i hyy,w
wk i
Proyw (yy) = w1 + . . . + w . (7.15)
hw
w1 ,ww1 i hw wk i k
wk ,w
Bukti Misalkan
hyy,w
w1i hyy,w
wk i
y1 = w1 + . . . + w .
hw
w1 ,ww1 i hw wk i k
wk ,w
Maka untuk 1 i k didapat
hyy,w
wi i
hyy yy1 ,w
wi i = hyy,w
wi i hw wi i = 0.
wi ,w
hw wi i
wi ,w
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 201
Jadi
y yy1 W dan y 1 = Proyw (yy ).
Bila W suatu ruang bagian dari Rn dengan basis orthonormal
w 1 , . . . ,w
wk ,
maka Persamaan (7.15) menjadi
Proyw (yy ) =< y ,w
w1 > w 1 + . . . + < y ,w
wk > w k . (7.16)
Contoh 7.9.2 Dapatkan elemen dari ruang bagian W yang dekat dengan vek-
tor (1, 2, 3) , yang mana W dibangun oleh vektor-vektor (1, 2, 1) , (1, 4, 1) .
Dari gambar diatas, vektor p di bidang W = h{(1, 2, 1) , (1, 4, 1) }i adalah
Contoh 7.9.3 Misalkan dipunyai suatu supply dari 5000 unit S, 4000 unit T dan
2000 unit U. Bahan digunakan dalam pabrik untuk memproduksi 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?
Jawab Model matematika dari persoalan yang ada diberikan oleh persamaan:
2 3 5000
0 4 p = 4000 .
q
0 1 2000
Persamaan dari model tidak mempunyai jawab eksak (analitik) sebab vektor
5000
4000
2000
bukan merupakan kombinasi linier dari vektor- vektor
2
0
0
dan
3
4 .
1
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 203
Sehingga diperoleh:
5000 1 0
16000 2000 1
Proyw 4000 = 5000 0 + ( + ) 4
2000 0 17 17 17 1
1 0
18000
= 5000 0 + 4
17
0 1
2 3
3 18000 18000
= (2500 ( )( )) 0 + 4 .
2 17 17
0 1
3 18000 18000
Terlihat bahwa p = 2500 ( )( ) = 911.76 dan q = = 1058.82.
2 17 17
Sehingga didapat
1 1 0 0 0 0
Proyw 0 = 0 , Proyw 1 = 16
17
, Proyw 0 = 4 .
17
0 0 0 4 1 1
17 17
2 3 0 16
0 4 x = 16 x = 417
17
0 1 4 17
17
2 3 0 3
0 4 x = 4 x = 134
17
0 1 1 17
17
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 205
Contoh 7.9.5 Dengan general invers cari garis lurus y = ax + b yang paling
mendekati titik
(1, 2), (2, 3) dan (3, 1).
Jawab
1 1 1
1 1 2
2 1 a = 3 A =
1 2 3
2 1
1 2 3
b 1 1 1 1 1 1
3 1 1 3 1
2 1 2 1 1
2
1 1 2 3 0
A 3 = 2
7
3 = 4
2
1
2
2
3
1 3 1 1 1 3 3 3
1 1 1
Didapat a = 1 + 12 = 21 dan b = 83 + 1 32 = 3.
- Psedo invers dan General Invers secara umum berbeda. Umumnya Psedo
invers matrix berukuran m n, sedangkan General invers matriks persegi.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 207
Nilai eigen dari A didapat dari polininomial karakteristik matriks A yatitu p()
dengan menyelesaikan det( I A) = 0, didapat
p() = 3 17 2 + 90 144
= ( 8) ( 6) ( 3) .
dan
hvv1,vv2i = 0, hvv1,vv3 i = 0 dan hvv2 ,vv3i = 0 .
Terlihat bahwa vektor-vektor v 1 ,vv2 ,vv3 saling orthogonal. Dengan melakukan
penormalan didapat
1 1 1
2 2 6 3 3 3
v1 v 2 1 v 3 1
u1 = = 12 2 , u 2 = = 6 6 , u 3 =
3 3
kvv1 k kvv2 k kv
v 3 k 1
0 31 6 3 3
dan matriks
1 1 1
2 2 6 6 3 3
P = [uu1 u 2 u 3] = 21 2 1
6 6
1
3 3
.
0 31 6 1
3 3
0 0 0 3 0
Sedangkan proyeksi dari x pada huu1i diberikan oleh
(hxx,uu1 i / huu1,uu1 i)uu 1,
yaitu:
1
1 21
1 2 1 2
(hxx,uu1 i / huu1 ,uu1 i)uu 1 = 1 2 3 = 12
2 2
0
0 0
Terlihat bahwa
(uu 1u 1 )xx = (hxx,uu1 i / huu1 ,uu1i)uu1 .
Juga bisa ditunjukkan bahwa vektor
x (uu 1u 1 )xx
orthogonal dengan vektor u 1 dan
x = (uu1u 1 )xx + (xx (uu1u 1 )xx ).
Vektor x (uu1u 1 )xx dan u 1 adalah
1
3
2 2
x (uu1u 1 )xx = 32 1
.
dan u1 =
2
3 0
Terlihat bahwa vektor x (uu 1u 1 )xx orthogonal dengan u 1.
210
Latihan:
BENTUK KUADRAT
Bentuk kuadrat memainkan suatu peranan penting dalam masalah optimasi. Se-
bagai motifasi dan ide bentuk kuadrat, diberikan contoh berikut. misalkan fungsi
dari R2 ke R diberikan oleh
q((x1 , x2 ) ) = 8x21 4x1x2 + 5x22
Tentukan apakah q((0, 0) ) = 0 adalah maksimum global atau minimum global
atau tidak kedua-duanya. Ingat bahwa q((0, 0) ) adalah minimum global bila
q((0, 0) ) q((x1 , x2 ) )
untuk semua (x1 , x2 ) R2 . Maksimum global didefinisikan dengan cara analogi
(mengganti dengan ).
Ada beberapa cara untuk menyelesaikan masalah pada contoh yang diberikan.
Disini akan digunakan matriks untuk menyelesaikannya. Dalam hal ini, dapat
ditulis
x
q 1 = 8x21 4x1x2 + 5x22
x2
8x1 2x2
= x1 x2
2x1 + 5x2
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 211
Selanjutnya dari ide yang telah dibahas disajikan lebih general sebagai berikut.
Suatu fungsi dari Rn ke R yaitu
q((x1 , x2 , . . . , xn ) )
212
dinamakan suatu bentuk kuadrat bila ia adalah suatu kombinasi linear dari bentuk
xi x j dengan i mungkin sama dengan j. Suatu bentuk kuadrat dapat ditulis sebagai
q(xx ) = hxx , Axx i = x Axx ,
untuk suatu matrik simetri A tunggal yang dinamakan matriks dari q. Himpunan
Qn dari bentuk kuadrat
q((x1 , x2 , . . . , xn ) )
adalah suatu ruang bagian dari ruang linear dari semua pemetaan linear dari Rn
ke R.
Pembahasan yang telah dibuat pada Contoh 7.10.2 dapat digeneralisasi sebagai
berikut.
Diberikan suatu bentuk kuadrat q(xx ) = x Axx, dengan matriks A berukuran n
n. Misalkan B adalah suatu basis-eigen orthonormal yang bersesuaian dengan
nilai-eigen 1, 2 . . . , n. Maka
q(xx) = x Axx,
q(xx ) = kAxxk2
adalah suatu bentuk kuadrat, dapatkan matriks dari q dan tentukan kedefinitan-
nya.
Teorema 7.10.1 Suatu matriks simetri A adalah definit positip bila dan hanya
bila semua nilai-eigen dari matriks A positip, Matriks A adalah semidefinit posi-
tip bila dan hanya bila nilai-eigen dari A positip atau nol.
Contoh 7.10.4 Diberikan suatu transformasi linear L(xx ) = Axx dengan matriks
6 2
A= .
7 6
(a) Dapatkan suatu basis orthonormal v1 , v2 di R2 sedemikian hingga L(vv1 ) dan
L(vv2 ) orthogonal.
(b) Tunjukkan bahwa image dari lingkaran satuan oleh transformasi L dijadikan
ellips. Dapatkan sumbu-sumbu ellips dalam nilai-eigen matriks A A.
Jawab
(a) Menggunakan ide contoh pertama, basis-eigen orthonormal dari A A diper-
oleh sebagai berikut.
6 7 6 7 85 30
AA= = .
2 6 2 6 30 40
Polinomial karakteristik dari A A adalah
p() = 2 125 + 2500 = ( 100)( 25),
jadi nilai-eigen dari A adalah 1 = 100 dan 2 = 25 dan vektor-eigen yang
bersesuaian adalah
2 1
x1 = dan x2 = .
1 2
Penormalan dari x1 dan x2 didapat
" 2 # " #
1
v1 = 5 dan v2 = 5 .
1
2
5 5
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 215
x = cos(t)vv1 + sin(t)vv2 , 0 t 2,
7.11 Faktorisasi QR
216
0
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 217
12
1
w2,vv1i / hvv1 ,vv1i)vv1 =
v 2 = w 2 (hw 1
2
0
Untuk menghindari pecahan v 2 kalikan dengan 2, didapat
1
2
v2 =
1
0
Selanjutnya dihitung
w3,vv1i / hvv1,vv1i)vv1 (hw
v 3 = w 3 (hw w3 ,vv2 i / hvv2,vv2 i)vv2
1
3
1
= 3
1
3
1
Juga, untuk menghindari pecahan v 3 kalikan dengan 3, didapat
1
1
v3 = 1
3
Normalisasi v 1,vv2 dan v 3 didapat
1 1
1
2 3
2 6
2 1
0 2
3 .
u 1 = 1 ,uu2 = 6 dan u 3 =
1 1
2 6 2 3
0 0 3
2
Dengan demikian matriks Q = [uu1 u 2 u 3] adalah:
1
1 1
2 2 6 2 3
1
0
Q = [uu1 u 2 u 3 ] = 6 2 3 .
1 1 1
2 6 2 3
3
0 0 2
218
0 0 1
diberikan oleh
x = R1Qb
yang mana matriks Q dan R memenuhi A = QR.
Bukti
Axx = b (A A)xx = Ab .
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 219
R Rxx = R Qb
x = R1 Qb .
Selanjutnya, dapat dilihat seberapa dekat nilai Axx dengan b sebagai berikut
3.125000000000008 3
9.125 dan b = 9 .
Axx =
7.375000000000014 7.5
4.874999999999994 5
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 221
Latihan
p() = 2 6 + 8 = ( 4) ( 2) ,
222
Telah dibahas bahwa semua nilai-eigen dari matriks A A adalah nonnegatif. Did-
ifinisikan hal berikut. Misalkan A adalah matriks berukuran m n dan
1 2 k > k+1 = = n = 0
adalah nilai eigen dari A A ditulis dengan urutan menurun. Bila i = i ,maka
1 2 k > k+1 = = n = 0
v 1 ,vv2 , . . . ,vvn
Bukti
L : Rn Rm
1 2 k > k+1 = = n = 0,
Avvk+1 = = Avvn = 0 Rm
224
dan merupakan suatu basis dari image L. Suatu peranan penting dari basis image
L sebagai mana diberikan dalam difinisi dan teorema berikut.
1 2 k > k+1 = = n = 0,
1 2 k > k+1 = = n = 0,
1. rank(A) = k.
2. Vektor u i untuk i = 1, 2, . . . , k adalah suatu basis orthonormal dari L.
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 225
Jawab Dihitung dulu A A, sehingga didapat nilai-nilai singular dari A dan vektor-
vektor singular kanan dari A.
3 1
A A =
1 3
Polinomial karakteristik dari matriks A A adalah
p() = 2 6 + 8 = ( 4) ( 2)
didapat nilai eigen 1 = 4 dan 1 = 2. Vektor-eigen yang bersesuaian adalah
1 1
v1 = dan v 2 =
1 1
Penormalan vektor-vektor eigen didapat matriks orthogonal V
1 1 1
V=
2 1 1
226
Nilai singular dari A adalah 1 = 1 = 4 = 2 dan 2 = 2 = 2. Didapat
matriks
1 0 2 0
= 0 2 = 0 2 .
0 0 0 0
dan
1 1 " 1 # 1
1 1 2
u2 = Avv2 = 1 1 1 = 0 .
2 2 1 1
2 0
Perluas vektor-vektor u 1 ,uu2 menjadi u 1 ,uu2 ,uu3 sehingga vektor vektor ini adalah
suatu basis dari R3 . Dalam kasus ini vektor u 3 bisa dipilih sebagai
0
u 3 = 1
0
LATIHAN
Lakukan langkah-langkah pembahasan Contoh Dekomposisi Nilai Singular meng-
gunakan SAGE. Perintah dalam sel SAGE sebagai berikut:
A=matrix(RDF,[[1,-1],[1,1],[-1,-1]])
U,S,V=A.SVD()
html("Matriks $A=%s$"%latex(A))
print
html("$U=%s$<p>$S=%s$<p>$V=%s$"%(latex(U),latex(S),latex(V)))
print
html("$U\Sigma V=%s$"%latex(U*S*transpose(V)))
print
html("$A-U\Sigma V=%s$"%latex(A-U*S*transpose(V)))
A = 1u 1u 1 + 2u 2u 2 + + nu nu n .
Timbul pertanyaan bagaimana bila matriks A tidak simetri atau secara umum
matriks A berukuran mn apakah A bisa didekomposisi seperti cara dekomposisi
spektral. Hal ini bisa dilakukan dengan menggunakan hasil-hasil dekomposisi
nilai singular sebagai berikut.
Sebagaimana telah dibahas bila A mempunyai rank sama dengan k , maka A
dapat didekomposisi sebagai A = U V , dengan U adalah vektor singular kiri
dan V vektor singular kanan dan v i , i = 1, 2, . . . , n adalah suatu basis orthormal
dari Rn , maka untuk 1 i k didapat
!
k
i ui vi vi = 0 + + iui + + 0
i=1
1
= i Avvi = Avvi .
i
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 229
k
Jadi i u i v i = A. Pada Contoh sebelumnya matriks
i=1
1 1
A= 1 1
1 1
dan rank(A) = k = 2. Juga 1 = 2 dan 1 = 2, didapat vektor singular kiri
0 1
1
u 1 = 2 ,uu2 = 0
1 0
2
sedangkan vektor singular kanan adalah
"1 # " #
1
v1 = 2 ,vv2 = 2 .
1 1
2 2
Sehingga didapat
0
1 1 1 1 h 1 1 i
h i
1u 1v 1 + 2u 2v 2 = 2 2 2 2 + 2 0 2 2
1 0
2
0 0 1 1 1 1
= 1 1 + 0 0 = 1 1 = A.
1 1 0 0 1 1
LATIHAN
Lakukan langkah-langkah yang dibahas dalam Contoh ini dengan menggunakan
SAGE.
Jawab Matriks
2 3
2 0 0 4 6
A A = 0 4 = .
3 4 1 6 26
0 1
Polinomial karakteristik dari matriks A A adalah:
p() = 2 30 + 68
didapat
1 = 15 + 157 = 27.52996408614167
dan
2 = 15 157 = 2.470035913858332.
Vektor eigen orthonormal yang bersesuaian adalah
0.24708746132252
v1 =
0.96899318184247
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 231
dan
0.96899318184247
v2 =
0.24708746132252
Nilai singular dari A adalah
p
1 = 1 = 5.246900426551058
dan p
2 = 2 = 1.571634790229057
Matriks V dan p adalah
0.24708746132252 0.96899318184247
V=
0.96899318184247 0.24708746132252
dan
" #
1
1 0 0 0.19058871308853 0 0
p = = .
0 12 0 0 0.63628013722848 0
dan
U
p
Ap = V
0.5 0.35294117647059 0.088235294117646
=
5.9813265451680317 1015 0.23529411764707 0.058823529411767
. Sehingga didapat
x = A pb
5000
0.5 0.35294117647059 0.088235294117646
= 15 4000
5.9813265451680324 10 0.23529411764707 0.058823529411767
2000
911.764705882348
=
1058.823529411844
. Hasil yang didapat sama dengan hasil yang telah dibahas pada Contoh sebelum-
nya.
Latihan
Lakukan langkah-langkah yang telah dibahas dalam Contoh menggunakan SAGE.
Jawab Matriks
1 1 1 1 2 2
A A = = .
1 1 1 1 2 2
Perhatikan bahwa matriks A A tidak mempunyai invers, dengan demikian seti-
daknya ada satu nilai eigen dari A A sama dengan nol. Polinomial karakteristik
dari matriks A A adalah
p() = 2 4 = ( 4)
Subiono,
c Jurusan Matematika-ITS : Aljabar Linear sebagai pintu masuk memahami Matematika 233
didapat
p 1 1
1 = 4 dan 2 = 0 1 = 1 = 2, = .
1 2
Vektor-eigen yang bersesuaian adalah
"1 # " #
1
v1 = 2 dan v 2 = 2 .
1 1
2 2
Didapat matriks " #
1 1
1
0
V= 2 2 dan = 2 p
.
1 1
0 0
2 2
Sedangkan vektor " #
1 1
u1 = Avv1 = 2 ,
1 1
2
dengan demikian vektor u 2 dapat dipilih sebagai
" 1 #
u2 = 2 .
1
2
Didapat matriks " #
1 1
U= 2 2 .
1 1
2 2
Jadi matriks 1
1
A p = V P U = 4
1
4
1 .
4 4
Dengan demikian didapat
1 1
5
p 4 4 2
x=A b= 1 1 = 45 .
4 4 3 4
Bandingkan nilai 1 5
1
4 4 2
Axx = 1 1 = 45
4 4 3 4
dengan
2
b= .
3
234
237