ALJABAR LINIER
Oleh:
Anita T. Kurniawati, MSi
Diktat ini berisi sistem persamaan linier (SPL), Determinan, invers, matriks, vektor,
ruang vektor, nilai eigen dan vektor eigen serta transformasi linier. Materi ini sebagai dasar dari
mata kuliah semester atas seperti Grafika komputer dan pengolahan sistem digital khusus untuk
mahasiswa jurusan Teknik Informatika. Diktat ini dibuat agar mempermudah mahasiswa untuk
mempelajari mata kuliah Aljabar Linier dengan materi yang disesuaikan dengan kurikulum di
jurusan Teknik Informatika ITATS.
Supaya dapat memahami isi yang terkandung dalam diktat ini diharapkan mahasiswa
harus menguasai teorinya dulu. Penulis menyadari bahwa isi dari diktat ini tidak luput dari
berbagai kekurangan, karena itu kritik dan saran yang membangun dari pembaca sangat
diharapkan untuk penyempurnaan pada penerbitan yang akan datang.
Kepada siapa saja yang telah membantu sehingga memungkinkan terbitnya diktat ini,
penulis mengucapkan banyak terima kasih.
Penulis
DAFTAR ISI
BAB I
Persamaan Linier
Misalkan sebuah garis dalam sebuah bidang xy ditulis secara aljabar seperti dibawah ini :
ax + by = c
maka persamaan diatas disebut persamaan linier dalam peubah x dan y. Dengan demikian
persamaan linier secara umum dapat ditulis seperti :
a1x1 + a2x2 + ...........+ anxn = b
Contoh persamaan linier
x + 3y = 7 4x1 + 3x2 - 8x3 = 6
1
y = 2x + 3z + 4 x1 + x2 + ...........+ xn = 3
Persamaan linier tidak memuat hasil kali, akar, atau fungsi-fungsi trigonometri, logaritma
maupun eksponensial
Anita T. Kurniawati 1
Bab I Sistem Persamaan Linier
y – sin x = 0 𝑥 +2y=2
Penyelesaian dari sebuah persamaan linier adalah sederet n angka s 1,s2, ……sn
sedemikian sehingga angka tersebut memenuhi persamaan linier tersebut.
Contoh
Cari himpunan penyelesaian dari
a. 3x -6y = 2
Penyelesaian:
Tentukan nilai sebarang x atau sebarang y. misal diambil sebarang nilai x=t
1 1
maka 3t - 6y = 2. Dari persamaan tersebut didapat y = 2 𝑡 − 3.
1 1
Jadi himpunan penyelesaiannya x = t dan y = 𝑡 − 3. Dengan memberi nilai t
2
2
sebarang nilai, misal t = 2, maka x =2 dan y = 3
b. x -3y + 5z = 8
penyelesaian:
tentukan nilai sebarang dari dua variable/peubah, misal s untuk y dan u untuk z
maka akan didapatkan himpunnan penyelesaian :
x = 3s – 5u +8 , y = s dan z = u.
Anita T. Kurniawati 2
Bab I Sistem Persamaan Linier
Secara ilustrasi, karena persamaan linier grafiknya berbentuk garis, maka penyelesaian
suatu sistem persamaan linier dapat dilihat dari perpaduan garis–garis nya.
a. Sistem persamaan linier yang tidak mempunyai penyelesaian, maka garis-garisnya
akan saling sejajar.
b. Sistem persamaan linier yang mempunyai satu penyelesaian, maka garisnya akan
saling memotong pada satu titik.
c. Sistem persamaan linier yang mempunyai banyak penyelesaian, maka garisnya akan
saling berimpitan.
Y y y
x x x
Sebuah sistem persamaan linier dengan m persamaan linier dan n peubah dapat ditulis
sebagai :
a11x1 + a12x2 + ...........+ a1nxn = b1
a21x1 + a22x2 + ...........+ a2nxn = b2
: : :
am1x1 + am2x2 + ...........+ amnxn = bm
serta disingkat dengan hanya menuliskan susunan angka dalam bentuk segiempat yang
disebut matriks yang diperbanyak.
a11 a12 a1 n b1
a 21 a 22 a2n b2
a bm
m1 am2 a mn
Anita T. Kurniawati 3
Bab I Sistem Persamaan Linier
Contoh :
2x1 + 4x2 + 3x3 = 11
3x1 - 2x2 + 5x3 = 9
6x1 + 4x2 - x3 = 3
Sistem persamaan linier diatas dapat ditulis sebagai
2 4 3 11
3 −2 5 9
6 4 −1 3
Anita T. Kurniawati 4
Bab I Sistem Persamaan Linier
Contoh:
Matriks dalam bentuk baris-eselon tereduksi
1 0 0 4 1 0 0 0 1 −2 0 1
0 1 0 7 0 1 0 0 0 0 1 3
0 0 1 −1 0 0 1 0 0 0 0 0
Prosedur untuk mereduksi suatu matriks yang diperbanyak menjadi bentuk baris-eselon
dinamakan eliminasi gaussian, sedangkan jika matriksnya menjadi bentuk baris-eselon
tereduksi dinamakan eliminasi gauss-jordan.
Eliminasi Gauss-jordan
Prosedur eliminasi gauss-jourdan adalah sebuah prosedur untuk mereduksi matriks yang
diperbanyak menjadi bentuk baris-eselon tereduksi.
Contoh
Selesaikan sistem persamaan berikut ini dengan eliminasi gauss-jordan
- x2 + 7x5 = 12
2x1 + 4x2 - 10x3 + 6x4 + 12x5 = 28
2x1 + 4x2 - 5x3 + 6x4 - 5x5 = -1
Penyelesaian
Matriks yang diperbanyak dari sistem diatas:
0 0 −2 0 7 12
2 4 −10 6 12 28
2 4 −5 6 −5 −1
dengan menggunakan operasi baris elementer , matriks ini direduksi menjadi matriks
baris eselon tereduksi.
0 0 −2 0 7 12 B1 B2 2 4 −10 6 12 28 1
B1
2
2 4 −10 6 12 28 0 0 −2 0 7 12
2 4 −5 6 −5 −1 2 4 −5 6 −5 −1
Anita T. Kurniawati 5
Bab I Sistem Persamaan Linier
1 2 −5 3 6 14 B3−2B1 1 2 −5 3 6 14 1
− B2
2
0 0 −2 0 7 12 0 0 −2 0 7 12
2 4 −5 6 −5 −1 0 0 5 0 −17 −29
3 6 14
1 2 −5 3 6 14
B3−5B2 1 2 −5 7 2B3
7 0 − −6
0 0 1 0 −2 −6 0 0 1 2
1
0 0 5 0 −17 −29 0 0 0 0 1
2
1 2 −5 3 6 14 7
B2+ B3 1 2 −5 3 6 14 B1−6B3
7 2
0 0 1 0 −2 −6 0 0 1 0 0 1
0 0 0 0 1 2 0 0 0 0 1 2
1 2 −5 3 0 2 B1+5B2 1 2 0 3 0 7
0 0 1 0 0 1 0 0 1 0 0 1
0 0 0 0 1 2 0 0 0 0 1 2
Matriks terakhir berbentuk matriks baris eselon tereduksi. Dengan demikian persamaan
yang sepadan adalah
x1 + 2x2 + 3x4 = 7 x1 = 7- 2x2 - 3x4
x3 = 1
x5 = 2
Eliminasi Gaussian
Prosedur eliminasi gaussian adalah sebuah prosedur untuk mereduksi matriks yang
diperbanyak menjadi bentuk baris-eselon. Sistem persamaan yang sudah dalam bentuk
baris-eselon tersebut, bisa diselesaikan dengan teknik yang disebut subsitusi-balik.
Contoh:
Selesaikan sistem persamaan berikut dengan menggunakan eliminasi gaussian
x + y +2z = 9
2x + 4y - 3z = 1
3x + 6y -5z =0
Anita T. Kurniawati 6
Bab I Sistem Persamaan Linier
Penyelesaian
Matriks yang diperbanyak dari sistem diatas adalah
1 1 2 9
2 4 −3 1
3 6 −5 0
Dengan operasi baris elementer, matriks tersebut diubah menjadi bentuk baris-eselon.
1 1 2 9 𝐵2−2𝐵1 1 1 2 9 1
𝐵2
1 1 2 9
𝐵3−3𝐵1 2 7 17 𝐵3−3𝐵2
2 4 −3 1 0 2 −7 −17 0 1 −2 −
2
3 6 −5 0 0 3 −11 −27 0 3 −11 −27
1 1 2 9 1 1 1 2 9
7 17 𝐵2
0 1 −2 − 2 2 7
0 1 −2 −
17
(bentuk baris eselon)
1 3 2
0 0 −2 −2 0 0 1 3
Setelah matriks sudah dalam bentuk baris eselon maka dilakukan substitusi terbalik
x + y + 2z = 9 x = 9 – y – 2z x=1
7 17 7 17
y− z = − y= z− y=2
2 2 2 2
z=3
Jadi himpunan penyelesaian : x = 1 , y = 2 , z = 3
” Sebuah sistem persamaan linier homogen yang mempunyai peubah lebih banyak
dari jumlah persamaan mempunyai tak hingga banyaknya penyelesaian”
Anita T. Kurniawati 7
Bab I Sistem Persamaan Linier
Contoh
Selesaikan SPL homogen berikut ini:
2x1 + 2x2 - x3 + x5 = 0
-x1 - x2 + 2x3 - 3x4 + x5 = 0
x1 + x2 - 2x3 - x5 = 0
x3 + x4 + x5 = 0
Penyelesaian
Matriks yang diperbanyak untuk sistem diatas
2 2 −1 0 1 0
−1 −1 0 −3 1 0
0 1 −2 0 −1 0
0 0 1 1 1 0
Dengan mereduksi matriks menjadi matriks baris eselon tereduksi, didapatkan:
1 1 0 0 1 0
0 0 1 0 1 0
0 0 0 1 0 0
0 0 0 0 0 0
Sistem yang sepadan adalah
x1 + x2 + x5 = 0
x3 + x5 = 0
x4 =0
sehingga didapatkan
x1 = -x2 - x5 ; x3 = -x5 ; x4 = 0
Jadi penyelesaian umumnya:
x1 = -s – t , x2 = s , x3 = -t, x4 = 0 , x5 = t.
SOAL-SOAL LATIHAN 1
1. Cari himpunan penyelesaian dari masing-masing persamaan linier berikut ini :
a. 7x – 5y = 3
b. 3x -5y + 4z = 7
c. -8x1 + 2x2 - 5x3 + 6x4 = 1
Anita T. Kurniawati 8
Bab I Sistem Persamaan Linier
2. Selesaikan Sistem Persamaan Linear (SPL) berikut dengan menggunakan metode eliminasi
gauss- Jordan :
2 x 5 y 2 z 7 2 x 3 y z 11 x yz 6
a). x 2 y 4 z 3 ; b). x y z 6 c). x 2 y 3 z 14
3 x 4 y 6 z 5 2 x y z 3 x 4 y 9 z 36
3. Selesaikan SPL berikut dengan menggunakan metode eliminasi Gaussian dan substitusi
terbalik :
3x 2 y z 4 2x y 7 4x 9 y 8
a). 2 x y 2 z 10 b). y 3 z 0 c). 8 x 6 z 1
x 3 y 4 z 5 x z 3 6 y 6 z 1
Definisi Matriks
Matriks adalah susunan berbentuk persegipanjang dari elemen-elemen bilangan yang
diatur berdasar baris dan kolom. Bilangan-bilangan dalam susunan itu disebut anggota
dalam matriks tersebut.
Anita T. Kurniawati 9
Bab I Sistem Persamaan Linier
Ukuran sebuah matriks diberikan oleh jumlah baris dan kolom yang dikandungnya. m
adalah banyak baris dari matriks A, n adalah kolom dari matriks A. Sehingga matriks
diatas dapat ditulis sebagai :
Amxn a ij mxn .
Anggota pada baris ke-i dan kolom ke-j dari sebuah matriks A pada umumnya juga dapat
dinyatakan sebagai ( A) ij atau a ij .
Contoh:
2
Bn x 1 (matriks kolom, vektor kolom). B3 x 1 3 .
3
Jenis-jenis Matriks
1. Matriks Diagonal
a11 0 0
A3 x 3 0 a 22 0
0 a 33
0
2. Matriks Skalar
2 0 0
Contoh: A3 x 3 0 2 0 .
0 0 2
Anita T. Kurniawati 10
Bab I Sistem Persamaan Linier
1 0 0
Contoh: I 3 x 3 0 1 0
0 0 1
4. Matriks Segitiga
Matriks segitiga atas adalah matriks bujur sangkar dengan aij 0 untuk i j .
Matriks segitiga bawah adalah matriks bujur sangkar dengan aij 0 untuk i < j.
Operasi-operasi Matriks
1. Dua Matriks Sama
Dua matriks dikatakan sama jika keduanya mempunyai ukuran sama dan elemen-
elemen anggotanya yang seletak sama. Dalam notasi matriks, jika A=[ a ij ] dan
B=[ bij ] mempunya ukuran sama maka A=B jika dan hanya jika a ij = bij .
2 1 5 2 1 5
Contoh: A3 x 3 3 1 1 , B 3 x 3 3 1 1 A B .
4 0 6 4 0 6
a. Am x n Bm x n C m x n .
Contoh:
1 1 2 2 4 2 3 3 0
2 2 3 1 2 4 1 0 7
Anita T. Kurniawati 11
Bab I Sistem Persamaan Linier
b. Am x n Bm x n Dm x n .
Contoh:
1 1 2 2 4 2 1 5 4
2 2 3 1 2 4 3 4 1
1 1 2 2 2 4
A 2 A
2 2 3 4 4 6
Am x p . B p x n C m x n
Contoh:
2 0
1 1 2 (1)( 2) ( 1)(1) ( 2)( 3) (1)( 0) ( 1)( 2) ( 2)(1) 7 4
1 2
2 2 3 ( 2)( 2) ( 2)(1) (3)( 3) ( 2)( 0) ( 2)( 2) (3)(1) 7 1
3 1
Pada umumnya: AB BA .
5. Transpose Matriks
Am x n a ij m x n A Tn x m a ji n x m .
Anita T. Kurniawati 12
Bab I Sistem Persamaan Linier
Sifat-sifat transpose :
a. ((A)T)T = A
b. (A B)T = AT BT
c. (kA)T = kAT , dengan k adalah sebarang skalar
d. (AB)T = BTAT
Contoh:
2 1
2 3 0
A2 x 3 A 3 x 2 3 1 .
T
1 1 3 0 3
g. (B - C)A = BA – CA h. a(B C) = aB aC
Invers Matriks
Jika A adalah sebuah matriks bujur sangkar, dan jika matriks yang berukuran sama bisa
didapatkanr ( A n x n , B n x n ) sedemikian hingga maka
A n x n .B n n I n
B n x n An1x n ; A. A 1 I .
Anita T. Kurniawati 13
Bab I Sistem Persamaan Linier
Sifat-sifat invers :
a. JIka B dan C keduanya adalah invers matriks A, maka B = C.
b. Jika A dan B adalah matriks-matriks yang dapat dibalik dan berukuran sama,
maka
i. AB dapat dibalik
ii. (AB)-1 = B-1A-1
a. A. A 1 I .
Contoh:
2 3
Dapatkan A 1 dari A .
3 5
2 3
A ( 2)( 5) (3)( 3) 1 0 mempunyai invers.
3 5
a b
Misal: A 1 A. A 1 I .
c d
2 3 a b 1 0
3 5 c d 0 1
2 a 3c 2b 3d 1 0
3a 5c 3b 5d 0 1
2 a 3c 1 2b 3 d 0
a 5, c 3 b 3, d 2
3a 5c 0 3b 5d 1
5 3
Jadi: A 1 .
3 2
Anita T. Kurniawati 14
Bab I Sistem Persamaan Linier
Jika operasi baris elementer diterapkan pada suatu matriks identitas I untuk
menghasilkan suatu matriks dasar E, maka ada operasi baris elemnter kedua yang jika
diterapkan pada E, menghasilkan I lagi. Misalnya, jika E diperoleh dengan
mengalikan baris ke-i dengan konstanta tak-nol c, maka I bisa didapatkan kembali
jika baris ke-i dari E dikalikan dengan 1/c .
Untuk mendapatkan invers matriks yang dapat dibalik A, kita harus menemukan
serangkaian operasi baris elementer yang mereduksi A menjadi matriks identitas dan
kemudian melakukan rangkaian operasi yang sama pada I untuk memperoleh A 1 .
Untuk itu, kita bisa memposisikan matriks seperti berikut :
A | I3 ~ ~ I 3 | A 1
OBE OBE
Contoh:
1 2 1
Dapatkan invers dari A 3 x 3 2 5 4 .
3 7 4
Penyelesaian:
1 2 1| 1 0 0 B 2 B 1 2 1| 1 0 0 B B 1 2 1| 1 0 0 B B
2 1 3 2 1 3
2 5 4 |0 1 0 ~ 0 1 6 | 2 1 0 ~ 0 1 6 | 2 1 0 ~
3 7 4 | 0 0 1 B3 3 B1 0 1 7 | 3 0 1 0 0 1 | 1 1 1 B 2 6 B3
1 2 0 | 0 1 1 B 2 B 1 0 0 | 8 15 13
1 2
0 1 0| 4 7 6 ~ 0 1 0| 4 7 6 ;
0 0 1|1 1 1 0 0 1| 1 1 1
8 15 13
1
Jadi: A 4 7 6 .
1 1 1
1
c. A 1 adj ( A) .
A
Contoh:
3 7
Dapatkan A 1 dari A .
2 5
Anita T. Kurniawati 15
Bab I Sistem Persamaan Linier
Penyelesaian:
3 7
A (3)( 5) (7 )( 2) 1 .
2 5
5 7 5 2
Kofaktor (A) Adj ( A) .
2 3 7 3
1 5 2
A 1 adj ( A) .
A 7 3
Jika A adalah suatu matriks n x n yang mempunyai invers, maka untuk setiap matriks b,
nx 1, sistem persamaan Ax = b tepat mempunyai satu penyelesaian yaitu
x = A-1b.
Contoh
x + 2y + 3z = 5
2x + 5y + 3z = 3
x + 8z = 17
Dalam bentuk Matriks, sistem ini bisa ditulis sebagai Ax = b, dengan
1 2 3 x 5
A 2 5 3 x y b 3
1 0 8 z 17
40 16 9
1
A 13 5 13 , maka penyelesaian system tersebut adalah
5 2 1
40 16 9 5 1
1
x A b 13 5 13 3 1 atau x = 1 , y = -1, z = 2 .
5 2 1 17 2
Anita T. Kurniawati 16
Bab I Sistem Persamaan Linier
SOAL-SOAL LATIHAN 2
1 4 1 1 2 1
1. Diketahui: P 2 0 3 , Q 2 2 0 ; a = 4 , b = -3
4 1 2 4 1 3
1 1 1 0 3 2
2. Diketahui: A 2 1 0 , B 1 4 0 ; ditanyakan: a). AB b). BA
4 2 1 5 2 1
1 2 0
1 5 3 5
-1
3. Ditanyakan A , jika: a). A b). A c). A 3 1 5
2 4 1 2 1 2 3
4 1 2 1 1 0
4. Dapatkan B dari: a). B 0 1 0
-1
b). B 1 1 1
8 4 5 0 2 1
1 0 0 0 0 0 2 0 k1 0 0 0
1 3 0 0 1 0 0 1 0 k2 0 0
a. A b. A c. A
1 3 5 0 0 1 3 0 0 0 k3 0
1 3 5 0 2 3 0 k 4
1 5 0 0
a. x+ y=2 b. 4x – 3y = -3
5x + 6y = 9 2x – 5y = 9
c. x + 3y + z = 4 d. 5x + 3y + 2z = 4
2x + 2y + z = -1 3x + 3y + 2z = 2
2x + 3y + z = 3 y+ z=5
e. - y – 2z – 3w =0 f. x + y + z = b1
x + y + 4z + 4w =7 2x + 5y + 5z = b2
x + 3y + 7z + 9w =4 3x + 5y + 8z = b3
-x – 2y - 4z – 6w =6
Anita T. Kurniawati 17
Bab II Determinan
BAB II
DETERMINAN
TUJUAN PEMBELAJARAN
Supaya mahasiswa mempunyai pengetahuan dasar dan pemahaman tentang
konsep-konsep determinan, cara menghitung determinan, aplikasi determinan
pada geometri
OUTCOME PEMBELAJARAN
Mahasiswa mempunyai kemampuan untuk melakukan perhitungan determinan,
dapat menghunakan sebagai metode untuk menyelesaikan SPL dan
mengaplikasikan pada bidang geometri
2.1. DETERMINAN
Determinan adalah sebuah fungsi yang memetakan / mengaitkan peubah matriks
bujursangkar A dengan suatu bilangan real yang disebut determinan A atau det(A)
Misalkan ada sebuah determinan seperti dibawah ini :
Anita T. Kurniawati 18
Bab II Determinan
Contoh 2.1
SIFAT-SIFAT DETERMINAN
1. Misalkan A adalah suatu matriks bujur sangkar
a. Jika A mempunyai sebuah baris atau kolom yang elemennya semuanya nol, maka
det(A)=0
Contoh 2.2
2 1 3
det( A) 1 0 2 0
0 0 0
b. Det(A)=det(AT)
Determinan Transpose diperoleh dari det(A) dengan menukar baris menjadi
kolom, kolom menjadi baris.
a b a c.
det( A) det( A )
T
c d b d
Contoh 2.3
2 1 4 2 1 3
1 0 2 1 0 2
3 2 5 4 2 5
2. Jika baris ke i ditukar dengan baris ke-j (kolom i ditukar dengan kolom ke j)
diperoleh det. Baru 1 dengan nilai 1 .
6 4 10 2 x3 2 x 2 2 x5 3 2 5
1 0 5 1 0 5 2x 1 0 5
2 1 2 2 1 2 2 1 2
Anita T. Kurniawati 19
Bab II Determinan
( x1 y1 ) b1 c1 x1 b1 c1 y1 b1 c1
( x 2 y 2 ) b2 c2 x2 b2 c2 + y 2 b2 c2
( x 3 y 3 ) b2 c3 x3 b3 c3 y3 b3 c3
Contoh 2.5
12 1 3 48 1 3 4 1 3 8 1 3
14 0 1 59 0 1 5 0 1 9 0 1
17 2 1 89 2 1 8 2 1 9 2 1
7. Jika A dan B adalah dua determinan yang berorde sama, maka det(AB)=det(A)det(B)
a11 a12 b11 b12 a11 b11 a12 b21 a11 b12 a12 b22
D1 D 2 =
a 21 a 22 b21 b22 a 21 b11 a 22 b21 a 21 b12 a 22 b22
Jika A adalah matriks bujur sangkar, maka minor dari elemen a pq dari determinan
tingkat n adalah sub determinan tingkat (n-1) yang diperoleh dengan mencoret baris ke p
dan kolom ke q, diberi lambang M pq .
C pq ( 1) p q M pq
Jika p q genap C pq M pq
Jika p q gasal C pq M pq
Contoh 2.6
NILAI DETERMINAN
Misalkan A adalah matriks bujur sangkar, maka yang dimaksud dengan Nilai
Determinan Matriks A atau det(A) adalah jumlah hasil elemen-elemen dari sebuah baris
(kolom) dengan kofaktor-kofaktor yang bersesuaian. (EXPANSI LAPLACE)
det( A) a11C11 a12 C12 a13 C13 a1n C1n (Ekspansi menurut elemen baris ke-1).
Contoh 2.7
3 1 0
Hitung determinan A = 2 4 3
5 2
4
Penyelesaian:
4 3 1 0 1 0
Det(A) = 3 - (-2) +5
4 2 4 2 4 3
ATURAN SARRUS
(Hanya berlaku untuk det.tingkat/orde 3)
det( A) (a11 a 22 a33 a12 a 23 a31 a13 a 21 a32 ) (a13 a 22 a31 a11 a 23 a32 a12 a 21 a33 )
Contoh 2.8
Dapatkan nilai determinan berikut:
4 3 2 7
3 1 2 1 2 4
8 1 4 6
a). 2 3 1 b). 3 5 7 c).
6 2 3 11
1 2 1 2 4 8
10 4 5 8
Penyelesaian:
3 1 2 3 1
a) 2 3 1 2 3 =(-9-1+8)-(-6-6+2)=8
1 2 1 1 2
Anita T. Kurniawati 21
Bab II Determinan
1 2 4
b) 3 5 7 0 , karena b3 2b1 . (Sifat 6)
2 4 8
4 3 2 7
8 1 4 6
c) 0 , karena kolom 1= -2 kali kolom 3 (Sifat 6)
6 2 3 11
10 4 5 8
3 2 1 4
15 29 2 14
Hitung determinan
16 19 3 17
33 39 8 38
Penyelesaian
3 2 1 4 0 0 1 0
k1 3 k 3 9 25 6
k 2 2 k3
15 29 2 14 k 4 4 k3 9 25 2 6
1 7 13
exp B1
5
16 19 3 17 7 13 3 5
9 23 6
33 39 8 38 9 23 8 6
0 2 0
b1 b3 7 5
7 13 5 exp
b1
( 2) 2( 42 45 ) 6 .
9 6
9 23 6
Anita T. Kurniawati 22
Bab II Determinan
Teorema:
“Jika A adalah suatu matriks segitiga n x n (segitiga atas, segitiga bawah atau
diagonal), maka det(A) adalah hasil kali anggota-anggota pada diagonal utamanya;
yaitu Det(A) = a11 a22…..ann “
Contoh 2.10
2 7 3 8 3
0 3 7 5 1
0 0 6 7 6 = (2)(-3)(6)(9)(4) = -1296
0 0 0 9 8
0 0 0 0 4
Dengan teorema diatas , suatu matriks dengan ukuran n x n dapat dijadikan /direduksi
menjadi matriks segitiga atas / bawah sehingga memudahkan untuk mendapatkan nilai
determinannya.
ax by c 0
1 1
ax by c 0
2 2
Jika ketiga persamaan diatas dihimpun menjadi satu, maka akan terbentuk sistem persamaan
linier homogen, yaitu
ax by c 0
ax by c 0
1 1
ax by c 0
2 2
Supaya sistem persamaan linier diatas punya solusi nontrivial, maka determinan matrik koefisien
harus sama dengan 0.
x y 1
x 1
y 1
10
x 2
y 2
1
Anita T. Kurniawati 23
Bab II Determinan
Contoh 2.11
Diketahui dua titik A1 = (-1 , 2 ) dan A2 = (0 ,1) pada sebuah bidang, tentukan persamaan garis
yang melalui kedua titik tersebut
Penyelesaian
x y 1
1 2 1 0
0 1 1
SOAL-SOAL LATIHAN 1
1. Dapatkan nilai determinan:
3 4 5 3 7 2
a. b. c.
2 6 4 6 25 4
2. Dapatkan nilai determinan:
4 1 1 2 2 1
a. 5 2 b. 4 5 c. 7 2
1 2 1 1 3 1
3 3 3 2 4 3
3. Dapatkan nilai determinan:
3 1 2 4
7 3 0 3 2 1
15 2 29 14
a. D 2 1 4 b. D 2 1 3 c. D
16 3 19 17
1 5 1 1 3 2
33 8 39 38
4. Dapatkan nilai determinan:
1 2 5 4 4 9 1 3
3 2 1
0 1 2 1 1 16 3 2
a. D 2 13 3 b. D c. D
4 3 7 8 1 12 5 2
1 1 2
0 3 6 3 1 8 7 2
Anita T. Kurniawati 24
Bab II Determinan
Contoh
3 2 1
Dapatkan Adjoint dari matriks dibawah ini: A = 1 6 3
2 4 0
Penyelesaian:
Kofaktor dari A adalah
6 3
M 11 0 ( 12 ) 12 C11 (1)1112 12
4 0
1 3
M 12 0 (6) 6 C12 (1)1 2 (6) 6
2 0
1 6
M 13 4 (12 ) 16 C13 ( 1)13 ( 16 ) 16
2 4
2 1
M 21 0 ( 4) 4 C 21 (1) 21 (4) 4
4 0
3 1
M 22 0 ( 2) 2 C 22 (1) 2 2 (2) 2
2 0
3 2
M 23 12 ( 4) 16 C 23 ( 1) 2 3 ( 16 ) 16
2 4
2 1
M 31 6 ( 6) 12 C 31 ( 1) 31 (12 ) 12
6 3
3 1
M 32 9 ( 1) 10 C 32 (1) 3 2 (10 ) 10
1 3
Anita T. Kurniawati 25
Bab II Determinan
3 2
M 33 18 ( 2) 16 C 33 ( 1) 33 (16 ) 16
1 6
12 6 16
Sehingga matriks kofaktornya : 4 2 16
12 10 16
12 4 12
Adj(A)= 6 2 10
16 16 16
Dari adj(A) tersebut kita bisa mendapatan invers matriks dengan menggunakan
1
A 1 adj ( A)
A
12 4 12
1
Jadi A 1 6 2 10
64
16 16 16
b1
b2
b
.
b
n
Anita T. Kurniawati 26
Bab II Determinan
Suatu sistem persamaan linier dengan 3 persamaan dan 3 variabel dibawah ini
a1 x a 2 y a3 z k1
b1 x b2 y b3 z k 2
c1 x c 2 y c3 z k 3
a1 a2 a3 k1
A b1 b2 b3 b k2
c c3 k
1 c2
, 3
a1 a2 a3 k1 a2 a3 a1 k1 a3
det( A) b1 b2 b3 0 , det( A1 ) k 2 b2 b3 , det( A2 ) b1 k2 b3 ,
c1 c2 c3 k3 c2 c3 c1 k3 c3
a1 a2 k1
det( A3 ) b1 b2 k2
c1 c2 k3
Contoh
Gunakan Aturan Cramer untuk menyelesaikan
x+ + 2z = 6
-3x + 4y + 6z = 30
-x - 2y + 3z = 8
Penyelesaian.
1 0 2 6 0 2 1 6 2
det( A) 3 4 6 44 , det( A1 ) 30 4 6 40 , det( A2 ) 3 30 6 72
1 2 3 8 2 3 1 8 3
Anita T. Kurniawati 27
Bab II Determinan
1 0 6
det( A2 ) 3 4 30 152
1 2 8
SOAL-SOAL LATIHAN 2
1. Dapatkan semua minor maupun kofaktor dari matriks dibawah ini
1 2 3
A 6 7 1
3 1 4
2. Dengan menggunakan rumus invers dari penggunaan matriks adjoin dapatkan A-1 dari:
2 5 5 2 0 3 2 3 5
A 1 1 0 A 0 3 2 A 0 1 3
2 4 3 2 0 4 0 0 2
Anita T. Kurniawati 28
Bab III Vektor dalam R2 dan R3
BAB III
Dalam bagian ini akan dibahas masalah vekto-vektor dalam ruang berdimensi 2 dan
berdimensi 3, operasi-operasi aritmetika pada vektor juga akan didefinisikan dan
beberapa sifat-sifat dasar operasi-operasi tersebut.
Ekor dari panah diatas disebut pangkal vektor dan ujung panah disebut titik ujung.
Vektor biasanya dinotasikan dengan huruf kecil tebal ( misalnya, a,k,v,w dan x )
Anita T. Kurniawati 30
Bab III Vektor dalam R2 dan R3
Operasi pada vektor
a b
b b
a a
c ab
. ab ba b
a-b a-b
b
Untuk mendapatkan selisih a-b tanpa menyusun –b, posisikan a dan b sehingga
titik-titik pangkalnya berimpitan; Vektor dari ujung b ke titik ujung a adalah
vektor a - b.
Anita T. Kurniawati 31
Bab III Vektor dalam R2 dan R3
Vektor dalam dimensi-3
r i 1, j 1, k 1 .
X r x2 y2 z2 .
Z OA a a i a j a k
1 2 3
A3
ak
3
P proyeksi A pada bidang XOY
A( a1 , a 2 , a 3 ) OA a i , OA a j , OA a k PA
1 2 2 3 3
a j
2
Y OP OA OA a i a j
1 2 1 2
A2
ai
1 a OA OP PA a i a j a k 1 2 3
P
A1
X a a a a a 2
1
2
2
2
Anita T. Kurniawati 32
Bab III Vektor dalam R2 dan R3
Contoh
Jika a = (1,-3,2) dan b = (4,2,1) maka
A + b = ( 5,-1,3) , 2a = (2,-6,4), a-b = (-3,-5,1)
SOAL-SOAL LATIHAN 1
1. Gambar vektor-vektor berikut dengan titik pangkal diletakkan pada titik asal :
a. v1 = (3, 6) b. v2 = (-4, -8) c. v3 = (3, 4, 5)
d. v4 = (3, 3, 0) e. v5 = (0, 0, 3) f. v6 = (-2, -3, -4)
2. Misalkan u = (-3, 1, 2), v = (4, 0, -8), dan w = (6, -1, -4) cari komponen dari
3.2. NORMA SUATU VEKTOR dan HASIL KALI TITIK (Dot Product)
Jika P(x1,y1,z1) dan Q(x2,y2,z2) adalah dua titik dalam ruang berdimensi-3, maka jarak
antara kedua titik tersebut adalah norma vektor
𝑃𝑄 = 𝑥1 − 𝑥2 2 + (𝑦1 − 𝑦2 )2 + (𝑧1 − 𝑧2 )2
Z Q(x2,y2,z2)
P(x1,y1,z1)
Y
Anita T. Kurniawati 33
Bab III Vektor dalam R2 dan R3
Contoh
a. Norma Vektor u = (-3,2,1) adalah
𝑢 = (−3)2 + 22 + 12 = 14
Contoh
Misalkan u (2,-1,1) dan v = (1,1,2) , dapatkan uv dan tentukan sudut antara u
dan v
Penyelesaian
Anita T. Kurniawati 34
Bab III Vektor dalam R2 dan R3
Sifat-Sifat Hasil Kali Titik
Jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi 2 atau berdimensi 3
dan k adalah suatu skalar, maka :
a. u v = v u
b. u (v + w) = u v + u w
c. k(u v) = (ku) v = u (kv)
d. v v 0 jika v 0, dan v v = 0 jika v = 0
PROYEKSI ORTOGONAL
Vektor-vektor yang tegak lurus disebut juga vektor-vektor ortogonal. Dua vektor
u dan v ortogonal (tegak lurus) jika dan hanya jika uv = 0.
u
w2 u w2
w1 a w1 a
Vektor u adalah jumlah dari w1 dan w2 , dimana w1 sejajar dengan a dan w2 tegak
lurus dengan a.
Vektor w1 disebut proyeksi ortogonal dari u pada a atau komponen vektor dari u
yang sejajar dengan . ini dinyatakan dengan
𝑢 ∙𝑎
Proya u = 2 𝑎
𝑎
Sedangkan vektor w2 disebut vektor yang ortogonal terhadap a. Karena w2= u-w,
maka vektor ini bisa ditulis sebagai
𝑢 ∙𝑎
u - Proya u = u - 2 𝑎
𝑎
Contoh
Misal u = (2,-1,3) dan a = (4,-1,2). Dapatkan komponen vektor dari u yang sejajar
vektor a dan vektor yang ortogonal terhadap a
Penyelesaian
𝑢 ∙𝑎 15 20 5 10
Proya u = 𝑎 = 21 4, −1,2 = ( 7 , − 7 , 7 )
𝑎 2
Anita T. Kurniawati 35
Bab III Vektor dalam R2 dan R3
Secara ilustrasi geometris dapat digambar seperti dibawah ini
u u
𝑢 cos a - 𝑢 cos a
𝜋 𝜋
0 2 <𝜃≤𝜋
2
3. Jika u = ( 2, -2, 3), v = (1, -3, 4), dan w = (3, 6, -4), maka tunjukkan :
a. 𝑢 + 𝑣 b. 𝑢 + 𝑣
c. −2𝑢 + 2 𝑢 d. 3𝑢 − 5𝑣 + 𝑤
4. Dapatkan uv
a. u = (2, 3), v = (5, -7) b. u = (-6,-2), v = (4, 0)
b. u = (1, -5, 4), v = (3, 3, 3) d. u = (-2, 2, 3), v = (1, 7, -4)
𝑢2 𝑢3 𝑢1 𝑢3 𝑢1 𝑢2
uxv= 𝑣2 𝑣3 , − 𝑣1 𝑣3 , 𝑣1 𝑣2
Anita T. Kurniawati 36
Bab III Vektor dalam R2 dan R3
Contoh
Dapatkan u x v, dimana u = (1,2,-2) dan v = (3,0,1)
Penyelesaian
2 −2 1 −2 1 2
uxv= , − , = (2,-7,-6)
0 1 3 1 3 0
a. u (u x v) = 0
b. v (u x v) = 0
c. 𝑢𝑥𝑣 2 = 𝑢 2 𝑣 2 − (𝑢 ∙ 𝑣)2
d. u x (v x w) = (u w)v - (u v)w
e. (u x v) x w = (u w)v - (v w)u
i j k
L u xv u1 u2 u3
v1 v2 v3
i j k
1 1
L u x v u1 u2 u3
2 2
v1 v2 v3
u1 u2 u3
V u v x w v1 v2 v3
w1 w2 w3
Contoh
1. Dapatkan luas segitiga yang titik-titik sudutnya P(2, 3, 5); Q(4, 2, -1); R(3, 6, 4)
Penyelesaian:
PQ 4 2 i 2 3 j 1 5 k 2i j 6 k
PR 3 2 i 6 3 j 4 5 k i 3 j k
1 1
Luas segitiga:
L PQ x PR 2i j 6 k x i 3 j k
2 2
i j k .
1 1 1 1
|2 1 6 | 19 i 4 j 7 k 19 4 7
2 2 2
426
2 2 2 2
1 3 1
2 3 4
V u v x w | 1 2 1 | 7 7 .
3 1 2
Anita T. Kurniawati 38
Bab III Vektor dalam R2 dan R3
SOAL-SOAL LATIHAN 3
1. Jika u = (3, 2, -1), v = (0, 2, -3), dan w = (2, 6, 7). Dapatkan
a. u x v b. u x (v x w) c. (u x v) x w
d. (u x v) x (v x w) e. u x(v – 2w) f. (u x v) – 2w
2. Dapatkan luas segitiga yang mempunyai titik-titik sudut berikut:
a). A(0,0,0); B(1,2,3); C(2,-1,4) b). D(1,0,0); E(0,1,0); F(1,1,1)
3. Dapatkan luas jajaran genjang yang dibentuk oleh dua buah vektor:
4. Dapatkan isi parallelepipedum yang sisi-sisinya OA, OB, OC dimana A(1,2,3); B(1,1,2);
C(2,1,1).
Anita T. Kurniawati 39
Bab IV Ruang-Ruang Vektor
BAB IV
RUANG-RUANG VEKTOR
Dalam bagian ini akan dibahas masalah vekto-vektor dalam ruang berdimensi yang
lebih luas lagi yaitu ruang berdimensi–n, meskipun pengambaran secara geometris
tidak melebihi ruang berdimensi-3. Untuk itu dalam hal ini akan dipelajari berdasarkan
sifat-sifat dari titik dan vektor tersebut.
Operasi-operasi pada Rn :
a. Dua Vektor u = (u1, u2,..., un) dan v = (v1, v2,..., vn) dalam Rn disebut sama jika
ku = (ku1, ku2,...,ku3)
Anita T. Kurniawati 40
Bab IV Ruang-Ruang Vektor
Ruang Berdimensi-n EUCLIDEAN
Jika u =(u1,u2,...,un) dan v = (v1,v2, ...,vn) adalah sebarang vektor dalam Rn , maka
hasil kali dalam Euclidean uv didefinisikan
Sebuah ruang Rn yang ditunjukan dengan operasi penjumlahan, perkalian skalar dan
hasil kali dalam Euclidean disebut sebagai Ruang berdimensi-n Euclidean
Jika u, v, dan w adalah vektor-vektor dalam Rn dan k adalah suatu skalar, maka :
a. uv=vu
b. u (v + w) = uv + uw
c. k(u v) = (ku) v = u (kv)
d. v v 0 jika v 0, dan v v = 0 jika v = 0
Contoh
Jika u = (1, 3, -2, 7) dan v = (0, 7, 2, 2) dalam ruang Euclidean R4, dapatkan norma u
dan jarak antara titik u dan v
penyelesaian
Anita T. Kurniawati 41
Bab IV Ruang-Ruang Vektor
Teorema
Jika u dan v adalah vektor-vektor dalam Rn dan k adalah sebarang skalar, maka:
a. 𝑢 ≥0
b. 𝑢 = 0 𝑗𝑖𝑘𝑎 𝑑𝑎𝑛 ℎ𝑎𝑛𝑦𝑎 𝑗𝑖𝑘𝑎 𝑢 = 0
c. 𝑘𝑢 = 𝑘 𝑢
d. 𝑢+𝑣 ≤ 𝑢 + 𝑣
Keortogonalan
Jika u dan v adalah vektor-vektor orthogonal dalam Rn denan hasil kali dalam
Euclidean, maka
2 2 2
𝑢+𝑣 = 𝑢 + 𝑣
SOAL LATIHAN 1
1. Misalkan u = (-3, 2, 1, 0), v = (4, 7, -3, 2), dan w = (, -2, 8, 1). Dapatkan:
a. v – w b. 2u + 7v c. –u + (v – 4v)
d. 6(u – 3v) e. –v – w f. (6v – w) – (4u + v)
2. Misalkan diberikan u = (4, 1, 2, 3), v = (0, 3, 8, -2), dan w = (3, 1, 2, 2). Hitunglah :
a. 𝑢 + 𝑣 b. 𝑢 + 𝑣 c. −2𝑢 + 2 𝑢
1 1
d. 3𝑢 − 5𝑣 + 𝑤 e. 𝑤
𝑤 f. 𝑤
𝑤
Anita T. Kurniawati 42
Bab IV Ruang-Ruang Vektor
3. Dapatkan jarak Euclidean antara u dan v
a. u = (1,-2) dan v = (2, 1) b. u = (2, -2, 2) dan v = (0, 4, -2)
c. u = (0, -2, -1, 1) dan v = (-3, 2, 4, 4) d. u = (3,-3,-2,0, -3) dan v = (-4,1,-1,5, 0)
Definisi
Misalkan V adalah sebarang himpunan tak kosong dari objek dimana dua operasi
didefinisikan, yaitu penjumlahan dan perkalian dengan skalar (bilangan).
Penjumlahan yang dimaksud adalah suatu aturan yang menghubungkan setiap objek u
dan v dalam V dengan suatu objek u + v, yang disebut jumlah u dan v. Sedangkan
perkalian scalar adalah suatu aturan yang menghubungkan setiap skalar dan setiap
objek u dalam V dengan ku, yang disebut perkalian skalar dari u dengan k.
Untuk bisa dikatakan sebagai RUANG VEKTOR, maka V harus memenuhi aksioma-
aksioma berikut, yaitu:
Anita T. Kurniawati 43
Bab IV Ruang-Ruang Vektor
Contoh ruang vektor
Tunjukkan bahwa himpunan V dari semua matriks 2 x 2 dengan anggota bilangan real
merupakan suatu ruang vektor.
Penyelesaian
Untuk menunjukkan V adalah ruang vektor, maka harus diperiksa aksioma yang
menjadi syarat ruang vektor. Untuk lebih mudahnya ambil urutan sebagai berikut : 1,
6, 2, 3, 7, 8, 9, 4, 5, dan 10.
𝑢11 𝑢12 𝑣11 𝑣12
Misal 𝑢= 𝑢 𝑢22 dan 𝑣 = 𝑣21 𝑣22
21
Aksioma 1.
Tunjukkan u + v ada dalam V atau u + v adalah matriks ukuran 2 x 2
Aksioma 6
Untuk sebarang bilangan k, maka kita dapatkan
Aksioma 2.
Untuk aksioma 5
−𝑢11 −𝑢12
−𝑢 = −𝑢 −𝑢22 , akan ditunjukan bahwa u + (-u) = 0
21
Anita T. Kurniawati 44
Bab IV Ruang-Ruang Vektor
Definisi
Suatu himpunan bagian W dari suatu ruag vektor V disebut suatu sub-ruang dari V
jika W sendiri adalah suatu ruang vektor dibawah penjumlahan danperkalian skalar
yang didefinisikan pada V.
Teorema
Jika W adalah suatu himpunan satu atau lebih vektor dari suatu ruang vektor V, maka
W adalah sub-ruang dari V jika dan hanya jika syarat-syarat berikut terpenuhi:
a. Jika u dan v adalah vektor-vektor dalam W, maka u + v ada dalam W
b. Ika k adalah sebarang skalar dan u adalah sebarang vektor dalam W, maka ku
ada dalam W
Contoh sub-ruang:
Sub-ruang dari R2
1. {0}
2. Garis-garis yang melalui titik asal
3. R2
Sub-ruang dari R3
1. {0}
2. Garis-garis yang melalui titik asal
3. Bidang-bidang yang melalui titik asal
4. R3
Jika Ax = 0 adalah suatu sistem linier homogen dari m persamaan dalam n peubah,
maka himpunan penyelesaiannya adalah sub-ruang dari Rn
Contoh
1 −2 3 𝑥 0
𝑢 = 2 −4 6 𝑦 = 0
3 −6 9 𝑧 0
Penyelesaian:
Penyelesaiannya adalah
x = 2s – 3t, y = s, z = t
yang daripadanya didapatkan bahwa
x = 2y – 3z atau x – 2y + 3z = 0
ini adalah persamaan bidang yang melalui titik asal dengan n = (1, -2, 3) sebagai suatu
vektor normalnya.
Anita T. Kurniawati 45
Bab IV Ruang-Ruang Vektor
Kombinasi Linier Vektor-vektor
Suatu vektor w disebut suatu kombinasi linier dari vektor-vektor v1, v2, … , vr jika
bisa dinyatakan dalam bentuk
Contoh
Penyelesaian.
Agar w menjadi suatu kombinasi linier, maka harus ada skalar k1 dan k2 sedemikian
sehingga w = k1u + k2v ; yaitu
(9, 2, 7) = k1(1, 2, -1) + k2(6, 4, 2) atau (9, 2, 7) = (k1 + 6k2, 2 k1 + 4k2, - k1 + 2k2)
Sehingga didapatkan
k1 + 6k2 = 9
2 k1 + 4k2 = 2
- k1 + 2k2 = 7
Dari persamaan diatas didapatkan k1 = -3 dan k2 = 2, sehingga
w = -3u +2v
demikian juga untuk w’.
(4, -1, 8) = k1(1, 2, -1) + k2(6, 4, 2) atau (4, -1, 8) = (k1 + 6k2, 2 k1 + 4k2, - k1 + 2k2)
Sehingga didapatkan
k1 + 6k2 = 4
2 k1 + 4k2 = -1
- k1 + 2k2 = 8
Dari persamaan diatas, tidak didapatka sebuah penyelesaian karena sistem tersebut
tidak konsisten, sehingga tidak ada skalar k1 dan k2 yang memenuhi.
Jika S = { v1, v2, …, vn) adalah suat himpunan vektor-vektor tak kosong, maka
persamaan vektor
k1v1 + k2v2 + ….+ knvn = 0
mempunyai paling tidak satu penyelesaian, yaitu
k1 =0, k2 =0 , …. kn = 0
Jika ini adalah satu-satunya penyelesaian, maka S disebut suatu himpunan yang bebas
secara linier. Jika ada penyelesaian-penyelesaian lainnya, maka S disebut himpunan
yang tak-bebas secara linier.
Anita T. Kurniawati 46
Bab IV Ruang-Ruang Vektor
Contoh
Tentukan apakah vektor-vektor
v1 = (1, -2, 3), v2 = (5, 6, -1), v3 = (3, 2, 1)
membentuk suatu himpunan yang tak-bebas secara linier atau himpunan yang bebas
secara linier.
Penyelesaian
Dalam bentuk komponen, persamaan vektor
k1v1 + k2v2 + k3v3 = 0
menjadi
k1(1, -2, 3) + k2(5, 6, -1) + k3(3, 2, 1) = (0, 0, 0)
atau
( k1 + 5k2 + 3k3, -2k1 + 6k2 + 2k3, 3k1 - k2 + k3 ) = ( 0, 0, 0)
Dengan menyamakan komponen yang berpadanan didapatkan
k1 + 5k2 + 3k3 = 0
-2k1 + 6k2 + 2k3 = 0
3k1 - k2 + k3 = 0
Penyelesaian sistem diatas adalah
1 1
k1 = − 2 𝑡 , k2 = − 2 𝑡 , k3 = 𝑡
Dalam R2 atau R3 , suatu himpunan du vektor bebas secara linier jika dan hanya
jika vektor-vektor terebut idak terletak pada garis yang sama jika keduanya
ditempatkan dengan titik-titik pangkalnya dititik asal.
Anita T. Kurniawati 47
Bab IV Ruang-Ruang Vektor
z z z
v2 v1 v1
v1 v2
y v2 y y
x x x
Dalam R3 , suatu himpunan tiga vektor bebas secara linier jika da hanya jika
vektor-vektor tersebut tidak terletak pada bidang yang sama jka ketiganya
ditempatkan dengan titik-titik pangkalnya pada titik asal.
z z z
v3 v3 v3
v2 v2 v2
y y y
v1 v1 v1
x x x
LATIHAN-LATIHAN SOAL 2
1. Manakah dari himpunan vektor-vektor dalam R3 berikut ini yang tak-bebas secara
linier
a. (4, -1, 2), (-4, 10, 2) b. (-3, 0, 4), (5, -1, 2), (1, 1, 3)
c. (8, -1, 3), (4, 0, 1) d. (2, 0, 1), (3, 2, 5), (6, -1, 1), (7, 0, -2)
2. Manakah dari himpunan vektor-vektor dalam R4 berikut ini yang tak-bebas secara
linier
a. (4, 8, 7, -3), (1, 5, 3, -1), (2, -1, 2, 6), (1, 4, 0, 3)
b. (0, 0, 2, 2), (3, 3, 0, 0), (1, 1, 0, -1)
c. (0, 3, -3, -6), (-2, 0, 0, -6), (0, -4, -2, -2), (0, -8, 4, -4)
d. (3, 0, -3, 6), (0, 2, 3, 1), (0, -2, -2, 0), (-2, 1, 2, 1)
Anita T. Kurniawati 48
Bab V Nilai Eigen dan Vektor Eigen
BAB V
Dalam bagian ini akan dibahas masalah vector-vektor tak nol yang dipetakan kedalam
kelipatan-kelipatan scalar dari dirinya sendiri oleh operator linier. Umumnya
permasalahan ini muncul dalam studi mengenai vibrasi, genetika, dinamika populasi,
mekanika kuantum, dan ekonomi, seperti yang biasa dipelajari dalam geometri.
6.1. Definisi
Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah vektor
kolom X. Vektor X adalah vektor dalam ruang Euklidian R n yang dihubungkan dengan
sebuah persamaan:
AX X
Dimana adalah suatu skalar dan X adalah vektor yang tidak nol Skalar dinamakan
nilai Eigen dari matriks A. Nilai eigen adalah nilai karakteristik dari suatu matriks bujur
sangkar. Vektor X dalam persamaan (7.1) adalah suatu vektor yang tidak nol yang
memenuhi persamaan (7.1) untuk nilai eigen yang sesuai dan disebut dengan vektor eigen.
Jadi vektor X mempunyai nilai tertentu untuk nilai eigen tertentu.
Contoh
1 4 0
Misalkan Sebuah vektor X dan sebuah matriks bujur sangkar orde 2 x 2 A ,
2 4 2
Apabila matriks A dikalikan dengan X maka:
4 0 1 4 0 4
AX = = =
4 2 2 4 4 8
Dimana:
Anita T. Kurniawati 49
Bab V Nilai Eigen dan Vektor Eigen
4 1
8 = 4 = X
2
4 0 1 1
4 2 2 = 4 2
Memenuhi persamaan (7.1). Konstanta 4 dikatakan nilai eigen dari matriks bujur
4 0
sangkar A
4 2
Contoh
2 1 1
Sebuah vektor X dan sebuah matriks A 0 3 .
1
1 4 2 2 4 6
AX = = =
0 3 1 0 3 3
Dimana:
6 2
3 = 3 = X
1
1 4
dengan 3. Maka 3 adalah nilai eigen dari matriks A .
0 3
Contoh
0 4 0
Sebuah vektor X dan mateiks A 8 bila matriks A dikalikan dengan X maka:
1 2
4 0 0 0 0 0
AX = = =
8 2 1 0 2 2
Dimana:
0 0 0
2 = 2 = dengan 2.
1 1
4 0 0
2 adalah nilai eigen dari matriks dan vektor X adalah vektor eigen dari
8 2 1
4 0
matriks yang bersesuaian dengan nilai eigen 2.
8 2
Anita T. Kurniawati 50
Bab V Nilai Eigen dan Vektor Eigen
Contoh
3 1 3
Sebuah vektor X dan matriks A 2 0 .
2
1 3 3 3 6 9
AX = = =
2 0 2 6 0 6
9 3 3
Dimana = 3 = .
6 2 2
1 3
Konstanta 3 adalah nilai eigen dari matriks bujur sangkar A
2 0
Contoh
1 1 0 2
Sebuah vektor X 1 dan matriks A 2 1 0 .
1 3 0 0
1 0 2 1 1 0 2 3
AX = 2 1 0 1 = 2 1 0 = 3
3 0 0 1 3 0 0 3
1 0 2
dengan 3 adalah nilai eigen matriks A 2 1 0
3 0 0
Contoh
1 2 0 0
Sebuah vektor X 2 dan matriks A = 2 1
0
3 0 0 2
Anita T. Kurniawati 51
Bab V Nilai Eigen dan Vektor Eigen
2 0 0 1 2 0 0 2
AX = 2 1 0 2 = 2 2 0 = 4
0 0 2 3 0 0 6 6
2 1
AX = 4 = 2 2 = X , dengan 2.
6 3
2 0 0
Maka 2 adalah nilai eigen dari A = 2 1 0
0 0 2
Kita tinjau perkalian matriks A dan X dalam persamaan (7.1) apabila kedua sisi
dalam persamaan tersebut dikalikan dengan matriks identitas didapatkan:
IAX = I X
AX = IX
det I A (7.3)
Dengan menyelesaikan persamaan (7.3) dapat ditentukan nilai eigen ( ) dari sebuah matriks
bujur sangkar A tersebut/
Contoh
2 1
Dapatkan nilai eigen dari matriks A =
3 2
penyelesaian
2 1
det =0
3 2
Anita T. Kurniawati 52
Bab V Nilai Eigen dan Vektor Eigen
( 2)( 2) 3 0
2 4 4 3 0
2 4 1 0
4 ( 4 ) 2 4 .1 .1 4 16 4 4 12
1, 2 = = =
2 2 2
42 3
= = 2 3
2
2 1
Nilai eigen matriks A = adalah:
3 2
1 2 3 dan 3 2 3
Contoh
4 1
Dapatkan nilai eigen dari matriks A =
1 5
Penyelesaian
4 1
det =0
1 5
maka:
( 4)( 5) 1 0
2 9 20 1 0
2 9 19 0
9 ( 9) 2 4.1.19
1, 2
2
Anita T. Kurniawati 53
Bab V Nilai Eigen dan Vektor Eigen
9 81 76
1, 2
2
9 5
1, 2
2
1 1
Didapatkan 1 4,5 5 dan 2 4,5 5 , jadi nilai eigen matriks
2 2
4 1 1
A= adalah 4,5 5
1 5 2
Contoh
0 3
Dapatkan nilai eigen dari A =
2 1
penyelesaian
det I A 0
3
det =0
2 1
( 1) 6 0
2 6 0
( 3)( 2) 0
3 0
3
dan
20
2
0 3
Jadi nilai eigen matriks A = adalah 3 dan 2 .
2 1
Anita T. Kurniawati 54
Bab V Nilai Eigen dan Vektor Eigen
Contoh .
4 0
Dapatkan nilai eigen dari A =
3 5
penyelesaian
Determinan dari I A = 0
4 0
det 0
3 5
( 4)( 5) 0 0
40 dan 5 0
4 5
4 0
Jadi nilai eigen dari matriks A = adalah: 1 4 dan 2 5 .
3 5
Contoh
2 1 0
Carilah nilai eigen dari A = 3 4 0
0 0 2
penyelesaian
det I A 0
2 1 0
det 3 4 0 0
0 0 2
( 2)( 4)( 2) 3 0
( 2) 2 6 8 3 0
( 2) 2 6 5 0
( 2)( 1)( 5) 0
Anita T. Kurniawati 55
Bab V Nilai Eigen dan Vektor Eigen
Penyelesaian persamaan adalah:
20
2
1 0
1
dan 5 0
5
2 1 0
Jadi nilai eigen yang bersesuai untuk matriks 3 4 0 adalah:
0 0 2
1 2 , 2 1 dan 3 5 .
Contoh
1 0 0
Dapatkan Nilai eigen dari matriks A 3 6 7
0 8 1
penyelesaian
det I A =0
1 0 0
det 1 6 7 =0
0 8 1
( 1)( 6)( 1) 56 =0
( 1) 2 5 6 56 =0
( 1) 2 5 62 =0
1 0
Anita T. Kurniawati 56
Bab V Nilai Eigen dan Vektor Eigen
1 1
2 5 62 0
5 25 4.62
2,3
2
1
2 2,5 273
2
1
3 2,5 273
2
1 0 0
Jadi nilai eigen dari matriks A 3 6 7 adalah:
0 8 1
1
1 1 dan 2,5 273
2
Contoh .
7 0 0
Dapatkan nilai eigen dari A = 0 3 0
0 0 3
penyelesaian
det I A 0
7 0 0
det 0 3 0 =0
0 0 3
( 7 )( 3)( 3) 0
7 0
Anita T. Kurniawati 57
Bab V Nilai Eigen dan Vektor Eigen
7
3 0
3 (2 kali)
7 0 0
Jadi nilai eigen dari matriks A = 0 3 0 adalah 3 dan 7
0 0 3
Contoh
2 0 0
Dapatkan nilai eigen dari A = 0 2 5
0 5 4
penyelesaian
2 0 0
det 0 2 5 =0
0 5 4
( 2){2 6 17} 0
20
1 2
2 6 17 0
6 36 4.17
1, 2
2
1
2,3 3 104
2
Anita T. Kurniawati 58
Bab V Nilai Eigen dan Vektor Eigen
2 0 0
Jadi nilai eigen matriks A = 0 2 5 adalah 1 2 , 2 3
1
dan
104
2
0 5 4
1
3 3 104
2
Contoh
7 0 0
Dapatkan nilai eigen dari A = 0 3 0
0 0 3
penyelesaian
7 0 0
det 0 3 0 0
0 0 3
( 7 )( 3)( 3) 0
Nilai adalah:
7 0
7
3 0
3
3 0
3
7 0 0
Jadi nilai eigen dari matriks A = 0 3 0 adalah: 1 7 dan 2 3 3 .
0 0 3
Contoh
2 0 0
Dapatkan Nilai eigen dari A = 3 3 6
3 2 4
Anita T. Kurniawati 59
Bab V Nilai Eigen dan Vektor Eigen
penyelesaian
2 0 0
det 3 3 6 0
3 2 4
( 2)[( 3)( 4) 12 ] 0
( 2)[ 2 7 12 12 ] 0
( 2)[ 2 7 ] 0
( 2) ( 7 ) 0
20
2
0
7 0
7
2 0 0
Jadi nilai-nilai eigen dari matriks A = 3 3 6 adalah: 1 2, 2 0 dan 3 7.
3 2 4
Kita tinjau kembali persamaan AX X dimana A adalah matriks bujur sangkar dan
X adalah vektor bukan nol yang memenuhi persamaan tersebut. Dalam subbab 7.1 telah
dibahas tentang perhitungan nilai eigen dari matriks A( ), pada subbab ini kita bahas vektor
yang memenuhi persamaan tersebut yang disebut vektor eigen(vektor karakteristik) yang
sesuai untuk nilai eigennya.
Anita T. Kurniawati 60
Bab V Nilai Eigen dan Vektor Eigen
a11 a12
A=
a 21 a 22
a11 a12 x1 x1
a (7.4)
21 a 22 x 2 x2
1 0 a11 a12 x1 1 0 x1
0 1 a =
21 a 22 x 2
0 1 x 2
a11 a12 x1 0 x1
a a 22 x 2 0 x 2
=
21
a11 a12 x1
a x = 0 (7.5)
21 a 22 2
( a11 ) x1 a12 x 2 0
(7.6)
a 21 x1 ( a 22 ) x 2 0
Persamaan (7.6) adalah sistem persamaan linier homogen, vektor dalam ruang R n yang tidak
nol didapatkan jika dan hanya jika persamaan tersebut mempunyai solusi non trivial untuk
nilai eigen yang sesuai.
Contoh.
0 3
Dapatkan vektor eigen dari matriks A =
2 1
penyelesaian
Pada contoh nilai eigen didapatkan 1 2 dan 2 3 , vektor eigen didapatkan dengan
persamaan:
x1 3 x 2 0
2 x1 (1 ) x 2 0
Untuk 2 maka:
Anita T. Kurniawati 61
Bab V Nilai Eigen dan Vektor Eigen
2 x1 3 x 2 0
2 x1 x 2 0
2 x1 x 2
Misalkan x1 r maka x 2 2 r
0 3
Vektor eigen matriks A = untuk 2 adalah:
2 1
r
X dimana r adalah bilangan sembarang yang tidak nol.
2r
Untuk 3 maka:
3 x1 3 x 2 0
2 x1 2 x 2 0
x1 x 2
s
X dimana s adalah senbarang bilangan yang tidak nol.
s
Contoh
4 0
Dapatkan vektor eigen dari matriks A =
3 5
penyelesaian
Pada contoh 7.10 nilai eigen matriks tersebut adalah 4 dan 5 maka vektor eigen
didapatkan dari persamaan:
( 4 ) x1 0 0
3 x1 (5 ) x 2 0
Anita T. Kurniawati 62
Bab V Nilai Eigen dan Vektor Eigen
000
3 x1 x 2 0
x2
Solusi non trivialnya adalah x1 , bila dimisalkan x 2 r didapatkan vektor eigen
3
matriks A untuk 4 adalah:
1
r
X 3 dengan r bilangan sembarang yang tidak nol.
r
Untuk 5 maka:
( 4 5) x1 0 0
3 x1 (5 5) x 2 0
x1 0 0
3 x1 0 0
Tidak ada solusi non trivial dari sistem persamaan linier tersebut, jadi tidak terdapat vektor
eigen dari matriks A untuk 5.
Contoh
1 3
Dapatkan vektor eigen dari A
2 0
penyelesaian
det I A 0
1 3
det 0
2 0
( 1) 6 0
2 6 0
( 2)( 3) 0
Anita T. Kurniawati 63
Bab V Nilai Eigen dan Vektor Eigen
2 0, maka 1 2
3 0, maka 2 3
(1 ) x1 3 x 2 0
2 x1 x 2 0
Untuk 2 maka:
x1 3 x 2 0
2 x1 2 x 2 0
3 x 2 x1
Misalkan x1 r maka x 2 3r .
r
X dengan r bilangan sembarang yang tidak nol.
3r
Untuk 3
2 x1 3 x 2 0
2 x1 3 x 2 0
2
2 x1 3 x 2 , maka x 2 x1
3
r
X 2 dengan r bilangan sembarang yang tidak nol.
3 r
Contoh
Anita T. Kurniawati 64
Bab V Nilai Eigen dan Vektor Eigen
3 2
Dapatkan vektor eigen dari A =
1 0
penyelesaian
( 3) 2
det 0
1
( 3) 2 0
2 3 2 0
( 1)( 2) 0
1 0 maka 1 1
2 0 maka 2 2
(3 ) x1 2 x 2 0
x1 (0 ) x 2 0
Untuk 1 maka:
2 x1 2 x 2 0
x1 x 2 0
x1 x 2 , jika x1 r maka x 2 r
r
X dengan r bilangan sembarang yang tidak nol.
r
Untuk 2 maka:
x1 2 x 2 0
x1 2 x 2 0
x1 2x 2
Anita T. Kurniawati 65
Bab V Nilai Eigen dan Vektor Eigen
1
Misalkan x1 r maka x 2 r
2
r
X 1
r
Contoh
2 0 0
Dapatkan vektor eigen dari A = 3 3 6
3 2 4
penyelesaian
( 2 ) 0 0 x1 0
3 (3 ) 6 x 2 0
3 2 ( 4 ) x 3 0
Untuk 2 maka:
0 0 0 x1 0
3 1 6 x 0
2
3 2 2 x 3 0
000 0
3 x1 x 2 6 x 3 0
3 x1 2 x 2 2 x 3 0
3x1 x2 6 x3 3x1 2 x2 2 x3 0
x 2 4 x3 0
x 2 4x3
Maka
Anita T. Kurniawati 66
Bab V Nilai Eigen dan Vektor Eigen
3 x1 4 x3 6 x3 0
3 x1 10 x 3 0
3 x1 10 x 3
10
x1 x3
3
2 0 0
Jadi vektor eigen matriks A = 3 3 6 untuk 2 adalah:
3 2 4
10
3 x3
X 4 x3
x3
Misalkan x3 r maka:
10
3 r
X 4 r dengan r adalah bilangan sembarang yang tidak nol.
r
Untuk 0
2 0 0 x1 0
3 3 6 x 0
2
3 2 4 x 3 0
2 x1 0 0 0
3 x1 3 x 2 6 x 3 0
3 x1 2 x 2 4 x 3 0
2 x1 0
x1 0
Anita T. Kurniawati 67
Bab V Nilai Eigen dan Vektor Eigen
0 3 x 2 6 x3 0
x 2 2x 3
2 0 0
Vektor eigen dari matriks A = 3 3 6 untuk 0 adalah:
3 2 4
0
X 2 x3
x 3
Misalkan x3 r maka:
0
X 2 r dengan r bilangan sembarang yang tidak nol.
r
Untuk 7
5 0 0 x1 0
3 4 6 x 2 0
3 2 3 x 3 0
5 x1 0 0 0
3 x1 4 x 2 6 x 3 0
3 x1 2 x 2 3 x 3 0
5 x1 0
x1 0
4 x 2 6 x3 0
3
x2 x3
2
Anita T. Kurniawati 68
Bab V Nilai Eigen dan Vektor Eigen
2 0 0
Vektor eigen matriks A = 3 3 6 untuk 7 adalah:
3 2 4
0
3
X x3
2x
3
Misalkan x3 r maka:
0
3
X r dengan r sembarang bilangan yang tidak nol.
2
r
Contoh
2 0 0
Dapatkan vektor eigen dari matriks A = 0 2 5
0 5 4
penyelesaian
Pada contoh 7. 14 diketahui nilai eigen matriks tersebut yang merupakan bilangan bulat
adalah 2 , vektor eigennya didapatkan dari persamaan:
( 2 2) 0 0 x1 0
0 ( 2 2) 5 x 2 0
0 5 ( 4 2) x 3 0
000 0
0 0 5 x3 0
0 5 x 2 2 x3 0
5 x 2 2 x 3
2
x2 x3
5
Anita T. Kurniawati 69
Bab V Nilai Eigen dan Vektor Eigen
x1 0
2 0 0
Vektor eigen matriks A = 0 2 5 yang sesuai dengan nilai eigen 2 adalah:
0 5 4
0
2
X x3
5
x3
Misalkan x3 s maka:
0
2
X s dengan s adalah bilangan sembarang yang tidak nol.
5
s
Contoh
1 0 2
Dapatkan vektor eigen dari A = 2 1 0
3 0 0
penyelesaian
( 1) 0 2
det 2 ( 1) 0 0
3 0
( 1) 2 6 0
1 0
1
20
2
Anita T. Kurniawati 70
Bab V Nilai Eigen dan Vektor Eigen
3 0
3
(1 ) 0 2 x1 0
2 (1 ) 0 x 2 0
3 0 x 3 0
Untuk 1
0 0 2 x3 0
2 x1 0 0 0
3 x1 0 x 3 0
3 x1 x 3 0
x 3 3x1
x2 0
x1
X 0
3 x1
Misalkan x1 t
t
X 0 dengan t bilangan sembarang yang tidak nol.
3t
Untuk 2
Anita T. Kurniawati 71
Bab V Nilai Eigen dan Vektor Eigen
3 x1 0 2 x 3 0
2 x1 3 x 2 0 0
3 x1 0 2 x 3 0
3 x1 2 x3 0
2
x1 x3
3
2 x1 3 x 2 0
2
x2 x1
3
x1
2
X x1
3
3
x1
2
p
2
X p dengan p bilangan sembarang yang tidak nol.
3
3
p
2
Untuk 3
2 x1 0 2 x 3 0
2 x1 2 x 2 0 0
3 x1 0 3 x 3 0
2 x1 2 x 3
x1 x3
Anita T. Kurniawati 72
Bab V Nilai Eigen dan Vektor Eigen
2 x1 2 x 2
x1 x 2
x1
X x1
x1
q
X q dengan q bilangan sembarang yang tidak nol.
q
Contoh
1 0 0
Dapatkan vektor eigen dari matriks A = 3 6 7
0 8 1
penyelesaian
Dari penyelesaian contoh 7.12 nilai eigen yang merupakan bilangan bulat adalah 1, maka
vektor eigennya didapatkan dari persamaan:
(1 1) 0 0 x1 0
3 (6 1) 7 x 2 0
0 8 ( 1 1) x 3 0
0000
3 x1 5 x 2 7 x 3 0
0 8 x 2 2 x3 0
8 x 2 2 x3
1
x2 x3
4
3 x1 5 x 2 28 x 2 0
Anita T. Kurniawati 73
Bab V Nilai Eigen dan Vektor Eigen
3 x1 33 x 2
x1 11x 2
11 x 2
X x2
4 x 2
11a
X a
4 a
Contoh
2 0 0
Dapatkan vektor eigen dari A = 2 1 0
0 0 2
penyelesaian
det I A 0
( 2) 0 0
det 2 ( 1) 0 0
0 0 ( 2)
( 1)( 2) 2 0
1 0
1
20
2
Anita T. Kurniawati 74
Bab V Nilai Eigen dan Vektor Eigen
( 2 ) 0 0 x1 0
2 (1 ) 0 x 2 0
0 0 ( 2 ) x 3 0
Untuk 1
x1 0 0 0
2 x1 0 0 0
0 0 x3 0
Tidak ada solusi non trivial dari sistem persamaan linier tersebut, maka vektor eigen tidak
terdefinisikan.
Untuk 2
000 0
2 x1 x 2 0 0
000 0
2 x1 x 2
x3 0
x1
X 2 x1
0
t
X 2t dengan t bilangan sembarang yang tidak nol.
0
Contoh
Anita T. Kurniawati 75
Bab V Nilai Eigen dan Vektor Eigen
3 2 0
Dapatkan vektor eigen dari matriks A = 2 3 0
0 0 5
penyelesaian
det I A 0
( 3) 2 0
det 2 ( 3) 0 0
0 0 ( 5)
( 5) ( 3) 2 4 0
( 5) 2 6 5 0
( 5) 2 ( 1) 0
5 0
5
1 0
1
(3 ) 2 0 x1 0
2 (3 ) 0 x 2 0
0 0 (5 ) x 3 0
Untuk 1
2 x1 2 x 2 0 0
2 x1 2 x 2 0 0
0 0 4 x3 0
Anita T. Kurniawati 76
Bab V Nilai Eigen dan Vektor Eigen
2 x1 2 x 2
x1 x 2
x3 0
x1
X x1
0
t
X t dengan t bilangan sembarang yang tidak nol.
0
Untuk 5
2 x1 2 x 2 0 0
2 x1 2 x 2 0 0
0000
2 x1 2 x 2
x1 x 2
x3 0
x1
X x1
0
r
X r dengan r bilangan sembarang yang tidak nol.
0
Anita T. Kurniawati 77
Bab V Nilai Eigen dan Vektor Eigen
Contoh
4 0 1
Dapatkan vektor eigen dari A = 2 1 0
2 0 1
penyelesaian
det I A 0
( 4) 0 1
det 2 ( 1) 0 0
2 0 ( 1)
( 4) ( 1) 2 2( 1) 0
( 1)( 1)( 4) 2 0
( 1) 2 5 6 0
( 1)( 2)( 3) 0
1 0
1
20
2
3 0
3
( 4 ) 0 1 x1 0
2 (1 ) 0 x 2 0
2 0 (1 ) x 3 0
Untuk 1
Anita T. Kurniawati 78
Bab V Nilai Eigen dan Vektor Eigen
3 x1 0 x 3 0
2 x1 0 0 0
2 x1 0 0 0
3 x1 x 3
x2 0
x1
X 0
3 x1
p
X 0 dengan p adalah bilangan sembarang yang tidak nol.
3 p
Untuk 2
2 x1 0 x 3 0
2 x1 x 2 0 0
2 x1 0 x 3 0
2 x1 x 3
2 x1 x 2
x1
X 2 x1
2 x1
Anita T. Kurniawati 79
Bab V Nilai Eigen dan Vektor Eigen
s
X 2 s dengan s bilangan sembarang yang tidak nol.
2 s
Untuk 3
x1 0 x 3 0
2 x1 2 x 2 0 0
2 x1 0 2 x 3 0
x 1 x3 0
x1 x 3
2 x1 2 x 2 0
x 2 x1
x1
X x1
x1
Misalkan x1 t maka
t
X t dengan t bilangan sembarang yang tidak nol.
t
Anita T. Kurniawati 80
Bab VI Transformasi Linier
BAB VI
TRANSFORMASI LINIER
Dalam bagian ini akan dibahas masalah penelaahan fungsi berbentuk w = F(x), dimana
peubah bebas x adalah suatu vector dalam Rn dan peubah tak-bebas w adalah suatu
vector dalam Rm. fungsi-fungsi seperti itu dinamakan TRANSFORMASI LINIER.
Transformsi linier merupakan dasar dalam telaah aljabar linier dan mempunyai banyak
penerapan penting dalam fisika, teknik, ilmu-ilmu social dan berbagai cabang
matematika.
Untuk mengilustrasikan suatu cara penting dimana transformasi bisa muncul, anggap f1, f2,
…, fn adalah fungsi-fungsi bernilai real dari n peubah real:
m persamaan tersebut menempatkan suatu titik (w1, w2, …, wm) dalam Rm ke setiap titik (x1,
x2, …, xn) dalam Rn, yang mendefinisikan suatu transformasi dari R n ke Rm, yang dapat
dinyatakan sebagai:
Anita T. Kurniawati 81
Bab VI Transformasi Linier
dimana T adalah transformasi yang terbentuk.
Contoh:
w1 = x1 + x2
w2 = 3x1x2
w3 = x12 – x22
Untuk transformasi linear, secara umum T:Rn Rm dapat didefinisikan sebagai berikut:
W = A.x
Anita T. Kurniawati 82
Bab VI Transformasi Linier
Contoh:
w3 = 4x2 + x3 + 4x4
x1
w1 2 3 5 0
x 2
w2 5 1 3 2
w 0 x3
3 4 1 4
x4
2 3 5 0
Sehingga matriks standar untuk transformasi tersebut adalah: A = 5 1 3 2
0 4 1 4
Bayangan titik (x1, x2, x3, x4) dapat dihitung dari ketiga persamaan awal atau dari notasi
matriksnya.
Jika (x1, x2, x3, x4) = (1, -1, 2, 0) maka hasil transformasinya adalah:
1
w 1 2 3 5 0 15
1
w 2 5 1 3 2 12
w 0 4 1 4 2 2
3
0
Operasi-operasi linier yang paling penting dalam R 2 dan R3 diantaranya adalah operasi-
operasi yang menghasilkan 4 operator, yaitu :
1. Refleksi (Pencerminan)
2. Proyeksi
3. Rotasi (Perputaran)
4. Dilatasi (Penskalaan)
Anita T. Kurniawati 83
Bab VI Transformasi Linier
Refleksi (Pencerminan)
Persamaan: w1 = -x
w2 = y
Matriks standar: 1 0
0 1
Persamaan: w1 = x
w2 = -y
1 0
Matriks standar:
0 1
Persamaan: w1 = y
w2 = x
1 0
Matriks standar:
0 1
Anita T. Kurniawati 84
Bab VI Transformasi Linier
Persamaan: w1 = x
w2 = y
w2 = -z
1 0 0
Matriks standar: 0 1 0
0 0 1
Persamaan: w1 = x
w2 = -y
w2 = z
1 0 0
Matriks standar: 0 1 0
0 0 1
Persamaan: w1 = -x
w2 = y
w2 = z
1 0 0
Matriks standar: 0 1 0
0 0 1
Anita T. Kurniawati 85
Bab VI Transformasi Linier
Proyeksi
Persamaan: w1 = x
w2 = 0
1 0
Matriks standar:
0 0
Persamaan: w1 = 0
w2 = y
0 0
Matriks standar:
0 1
Persamaan: w1 = x
w2 = y
w2 = 0
1 0 0
Matriks standar: 0 1 0
0 0 0
Anita T. Kurniawati 86
Bab VI Transformasi Linier
Persamaan: w1 = x
w2 = 0
w2 = z
1 0 0
Matriks standar: 0 0 0
0 0 1
Persamaan: w1 = 0
w2 = y
w2 = z
0 0 0
Matriks standar: 0 1 0
0 0 1
Rotasi (Perputaran)
cos( ) sin( )
Matriks standar:
sin( ) cos( )
cos( ) sin( )
Searah:
sin( ) cos( )
Anita T. Kurniawati 87
Bab VI Transformasi Linier
Rotasi di R3 terbagi menjadi 3 yaitu:
Rotasi berlawanan dengan jarum jam terhadap sumbu x positif dengan sudut
Titik awal: (x,y)
1 0 0
Matriks standar: 0 cos( ) sin( )
0 sin( ) cos( )
Rotasi berlawanan dengan jarum jam terhadap sumbu y positif dengan sudut
Titik awal: (x,y)
cos( ) 0 sin( )
Matriks standar: 0 1 0
sin( ) 0 cos( )
Rotasi berlawanan dengan jarum jam terhadap sumbu z positif dengan sudut
cos( ) sin( ) 0
Matriks standar: sin( ) cos( ) 0
0 0 1
Dilatasi (Penskalaan)
Titik awal: (x,y)
Dilatasi di R2 terbagi menjadi 2 yaitu:
Titik akhir: (kx,ky)
Penyempitan dengan faktor k pada R2 (0 k 1)
Persamaan: w1 = kx
w2 = ky
k 0
Matriks standar:
0 k
Anita T. Kurniawati 88
Bab VI Transformasi Linier
Pelebaran dengan faktor k pada R2 (k 1)
Titik awal: (x,y)
Persamaan: w1 = kx
w2 = ky
k 0
Matriks standar:
0 k
Persamaan: w1 = kx
w2 = ky
w3 = kz
k 0 0
Matriks standar: 0 k 0
0 0 k
Persamaan: w1 = kx
w2 = ky
w3 = kz
k 0 0
Matriks standar: 0 k 0
0 0 k
Anita T. Kurniawati 89
Bab VI Transformasi Linier
Komposisi Transformasi Linear
Komposisi transformasi linear merupakan perpaduan dua atau lebih transformasi linear.
n1 n2 n2 n3 nm 1 nm
T1 : R R , T2 : R R , …, Tz : R R
Dituliskan sebagai:
LATIHAN-LATIHAN SOAL
1. Bagaimana matriks standar untuk transformasi linier T:R 3R3 yang diberikan oleh:
w1 = 3x1 + 5x2 – x3
w2 = 4x1 – x2 + x3
w3 = 3x1 + 2x2 – x3
2. Cari matriks standar untuk transformasi linier T:R 2R2 dari (0,-3) yang direfleksikan
terhadap garis y=x! Kemudian tentukan hasil transformasinya!
3. Cari matriks standar untuk transformasi linier T:R 2R2 dari (0,-3) yang diproyeksikan
terhadap sumbu x! Kemudian tentukan hasil transformasinya!
4. Cari matriks standar untuk transformasi linier T:R 2R2 dari (1,-3) yang dirotasikan
terhadap sebesar 300! Kemudian tentukan hasil transformasinya!
5. Cari matriks standar untuk transformasi linier T:R3R3 dari (0,-3,1) yang dirotasikan
searah jarum jam sebesar 600! Kemudian tentukan hasil transformasinya!
6. Cari matriks standar untuk transformasi linier T:R 3R3 dari (0,-3,1) yang didilatasikan
sebesar 3 kali! Kemudian tentukan hasil transformasinya!
7. Cari matriks standar dan bayangan dari vektor (-2,1) yang dirotasikan searah jarum jam
dengan sudut 3/4 kemudian diproyeksikan secara ortogonal terhadap sumbu y,
kemudian dilebarkan dengan faktor k=2! Kemudian cari invers dari matriks standar
tersebut!
8. Cari matriks standar dan bayangan dari vektor (-2,1,0) yang direfleksikan terhadap bidang
xz, kemudian dirotasikan berlawanan jarum jam terhadap sumbu z dengan sudut 5/4,
kemudian disempitkan dengan faktor k=3! Kemudian cari determinan dari matriks standar
dan norm dari vektor bayangannya!
Anita T. Kurniawati 90
Daftar Pustaka