Aljabar Linear PDF
Aljabar Linear PDF
J I
Page 1 of 132
Abstrak
Go Back
Dalam catatan kuliah ini diberikan beberapa materi dari mata ku-
liah Aljabar Linier untuk program Sarjana (S1) jurusan matema-
tika FMIPA-ITS. Materi kuliah berupa perencanaan yang disajikan
Full Screen agar mempermudah peserta ajar dalam proses belajar mengajar.
Peserta ajar diharapkan mempersiapkan diri melalui pemahaman
yang dipunyai sebelumnya dan menambah kekurangan pemahaman
pengetahuannya yang dirasa kurang saat proses belajar mengajar
Close di kelas. Juga agar mempermudah proses belajar mengajar digu-
nakan alat bantu perangkat lunak Euler. Selain itu materi kuliah
ini disesuai dengan Kurikulum 2009.
Quit
Home Page
Rencana materi yang akan dibahas dalam kelas adalah:
• Lapangan dan Ruang Vektor.
Title Page • Ruang-bagian Vektor.
• Himpunan Pembentang, Bebas linier dan Basis.
JJ II
• Dimensi, Jumlahan Langsung, Koordinat dan Basis Teru-
rut.
J I
• Pemetaan linier pada Ruang Vektor.
• Pemetaan linier dan Aljabar matriks.
Page 2 of 132
Quit
Lapangan(Field)
Home Page
Suatu lapangan adalah suatu himpunan K 6= ∅ bersama-sama
dengan dua operasi tambah (+) dan kali (.) sehingga untuk
Title Page
semua a, b, c ∈ K memenuhi:
• (a + b) ∈ K (tertutup).
JJ II
• a + b = b + a (komutatif ).
• (a + b) + c = a + (b + c) (assosiatif ).
J I
Close
• Bila a 6= 0, maka ada a−1 ∈ K sehingga a.a−1 = a−1.a = 1
(invers).
Quit
• a.(b + c) = (a.b) + (a.c) (distributif ).
Contoh
Home Page
J I
1. Himpunan R2 adalah ruang vektor atas lapangan R, dimana
x1 y1 def x1 + y1 x1 y1
+ = ,∀ , ∈ R2
Page 5 of 132 x2 y2 x2 + y2 x2 y2
dan
Go Back
x1 def ax1 x1
a = , ∀a ∈ K dan ∀ ∈ R2 .
x2 ax2 x2
Full Screen
Title Page
3. Himpunan matriks m×n dengan elemen elemennya bilangan
riil
a11 . . . a 1n
. . .
JJ II Mm,n(R) = .. . . .. aij ∈ R
am1 . . . amn
J I dimana penambahan matriks diberikan oleh:
a11 . . . a1n b11 . . . b1n a11 + b11 . . . a1n + b1n
Page 6 of 132 ... . . . ... + ... . . . ... def
= ... ... ...
am1 . . . amn bm1 . . . bmn am1 + bm1 . . . amn + bmn
Go Back
sedangkan perkalian skalar α ∈ R dengan matriks diberikan
oleh:
Full Screen
a11 . . . a1n αa11 . . . αa1n
α .. . . . .. = ...
. . ... ... .
def
Quit
Lanjutan Contoh............
JJ II
(3). α0 = 0, dimana α ∈ K.
Bukti
J I (1). v = (1 + 0)v = v + 0v, kedua ruas tambahkan dengan vektor
w yang memenuhi w + v = 0, didapat: w + v = w + v + 0v
Page 8 of 132
atau 0 = 0 + 0v. Terlihat bahwa 0v = 0.
(2). (−1v) + v = (−1 + 1)v = 0v = 0.
Go Back (3). α0 = α(00) = (α0)0 = 00 = 0.
Contoh
Title Page
1. Himpunan
x
B = y x + y + z = 0
JJ II z
adalah ruang bagian dari ruang vektor R3 atas R.
J I
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = {f
: R → R}2 dan D ⊂V , dimana
df
D = f ∈ V 2 + f = 0 , maka D adalah ruang bagian dari
Page 9 of 132
dx
ruang vektor V atas R.
Go Back
Quit
Berikut ini diberikan suatu sifat (pernyataan) yang ekivalen
dengan pernyataan dari suatu ruang bagian.
Home Page
Full Screen ap(x) + bq(x) = a(a0 + a1x + a2x2 + a3x3) + b(b0 + b1x + b2x2 + b3x3)
= (aa0 + bb0) + (aa1 + bb1)x + (aa2 + bb2)x2
Close +(aa3 + bb3)x3.
Go Back
Bukti Misalkan v = x1s1 + . . . + xnsn dan w = xn+1sn+1 + . . . + xmsm
di < S > dan a, b ∈ K, maka
Full Screen av + bw = a(x1s1 + . . . + xnsn) + b(xn+1sn+1 + . . . + xmsm)
= (ax1)s1 + . . . + (axn)sn + (bxn+1)sn+1 + . . . + (bxm)sm.
Close
Terlihat bahwa av + bw ∈< S >, oleh karena itu < S > adalah
ruang bagian dari V .
Quit
Home Page
Contoh
1. Misalkan V ruang vektor atas K untuk
Title Page
setiap v ∈ V , maka < {v} >= {kv | k ∈ K}.
JJ II
2. Misalkan ruang vektor R3 atas R, maka
< {e1, e2} >= R2 dimana e1 = (1, 0, 0)0 dan
J I e2 = (0, 1, 0)0. Sebab,
x
Page 14 of 132
R2 = y x, y ∈ R
0
Go Back
1 0
Full Screen
= x 0 + y 1 x, y ∈ R
Close
0 0
= {xe1 + ye2 | x, y ∈ R} =< {e1, e2} > .
Quit
Berikut ini diberikan sifat dari suatu him-
punan pembentang. Misalkan V suatu
Home Page
ruang vektor atas K dan hSi adalah suatu
himpunan pembentang dari S dan v ∈ V ,
Title Page
J I
Bukti. Misalkan hSi = hS ∪ {v}i, jelas
bahwa v ∈ hS ∪ {v}i. Jadi juga v ∈ hSi.
Page 15 of 132
Sebaliknya misalkan bahwa v ∈ hSi, akan
ditunjukkan bahwa hSi = hS ∪ {v}i. Je-
Go Back
las bahwa S ⊂ hS ∪ {v}i. Tinggal menun-
jukkan bahwa hS ∪ {v}i ⊂ hSi.Tulis v =
Full Screen
a0s0 + . . . + ansn dan misalkan w ∈ hS ∪ {v}i.
Didapat w = b0v + an+1sn+1 + . . . + amsm =
Close
(b0a0)s0 + . . . + (b0an)sn + an+1sn+1 + . . . + amsm.
Terlihat bahwa w ∈ hSi. Jadi hS ∪ {v}i ⊂ hSi
Quit
dan karena hSi ⊂ hS ∪ {v}i, oleh karena itu
haruslah hSi = hS ∪ {v}i.
Contoh Misalkan dalam R3, vektor-vektor
Home Page
1 0 2
v1 = 0 , v2 1 dan v3 = 3 .
Title Page 0 0 0
J I
Sifat dari suatu himpunan pembentang
yang dibahas sebelumnya, mengatakan
bahwa suatu vektor v bisa dihapus un-
Page 16 of 132
tuk memperoleh himpunan baru S de-
ngan himpunan pembentang yang sama
Go Back bila dan hanya bila v merupakan kombinasi
linier dari vektor-vektor di S. Jadi den-
Full Screen
gan pengertian ini, suatu himpunan S ⊂
V adalah minimal bila dan hanya bila ia
tidak memuat vektor-vektor yang meru-
Close
pakan kombinasi linier dari vektor-vektor
yang lainnya dalam himpunan tersebut.
Quit
Berikut ini diberikan suatu pengertian mengenai bebas lin-
ier. Vektor-vektor v1, v2, . . . , vn di suatu ruang vektor V atas
lapangan K dikatakan bebas linier bila vektor vi, i = 1, 2, . . . , n
Home Page
bukan merupakan suatu kombinasi linier dari vektor-vektor
yang lainnya. Bila tidak demikian, maka vektor-vektor
vj , j = 1, 2, . . . , n dikatakan bergantungan linier.
Title Page
Bukti
Page 17 of 132 Misalkan si ∈ S, i = 1, 2 . . . , n bebas linier dan andaikan x1s1 +. . .+
xnsn = 0 tetapi untuk beberapa i, xi 6= 0. Didapat si = (− xx1i )s1 +
x xi+1 xn
Go Back
. . . + (− xi−1
i
)si−1 + (− x i
)si+1 + . . . + (− xi )sn . Terlihat bahwa si
merupakan kombinasi linier dari vektor-vektor sj , j 6= i. Hal ini
bertentangan dengan kenyataan bahwa si, i = 1, 2, . . . , n bebas
Full Screen linier. Jadi haruslah x1s1 + . . . + xnsn = 0 dipenuhi hanya untuk
x1 = . . . = xn = 0. Selanjutnya misalkan x1s1 +. . .+xnsn = 0, xi ∈ K
dipenuhi hanya untuk x1 = . . . = xn = 0, maka jelas bahwa
Close
si, i = 1, 2 . . . , n bebas linier. Bila tidak berarti bahwa untuk
beberapa i, si = c1s1 + . . . + ci−1si−1 + ci+1si+1 + . . . + cnsn atau
Quit
0 = c1s1 + . . . + ci−1si−1 + cisi + ci+1si+1 + . . . + cnsn dengan ci = −1. Ini
bertentangan dengan kenyataan bahwa 0 = c1s1 + . . . + ci−1si−1 +
cisi + ci+1si+1 + . . . + cnsn dipenuhi hanya unuk ci = 0, i = 1, 2, . . . , n.
Komentar Pernyataan vektor-vektor si, i =
1, 2 . . . , n dalam ruang vektor V atas K be-
Home Page bas linier ekivalen dengan x1s1 + . . . + xnsn =
0, xi ∈ K dipenuhi hanya untuk x1 = . . . =
Title Page xn = 0. Bila V = Rn dan K = R, maka
vektor-vektor si, i = 1, 2 . . . , n dalam ruang
JJ II
vektor Rn atas R bebas linier mempunyai
arti bahwa sistem persamaan linier homo-
gin x1s1 + . . . + xnsn = 0 mempunyai penyele-
J I
saian trivial, yaitu xi = 0, i = 1, 2, . . . , n. Bila
persamaan homogin ini mempunyai jawab
Page 18 of 132
non trivial, yaitu xi 6= 0 untuk beberapa i,
maka hal ini berarti bahwa vektor-vektor
Go Back
si tsb. tidak bebas linier atau bergantung-
an linier. Bila vektor s 6= 0 di ruang vek-
Full Screen
tor Rn dan memenuhi s = x1s1 + . . . + xnsn,
yaitu vektor s merupakan kombinasi linier
dari vektor-vektor s1, . . . , sn. Hal ini berarti
Close
bahwa sistem persamaan linier tak homo-
gin s = x1s1 + . . . + xnsn, mempunyai jawab
Quit
x = (x1, . . . , xn)0.
Contoh
Home Page 1. Dalam R4 vektor (1, 4, −2, 6)0 adalah kombinasi linier dari
dua vektor (1, 2, 0, 4)0 dan (1, 1, 1, 3)0, sebab: (1, 4, −2, 6)0 =
Title Page
3(1, 2, 0, 4)0 − 2(1, 1, 1, 3)0. Sedangkan vektor (2, 6, 0, 9)0 bukan
kombinasi linier (1, 2, 0, 4) dan (1, 1, 1, 3)0, sebab bila (2, 6, 0, 9)0 =
x1(1, 2, 0, 4)0 + x2(1, 1, 1, 3)0 ekivalen dengan sistem persamaan
JJ II
linier
x1 + x2 = 2
J I
2x1 + x2 = 6
x2 = 0
Page 19 of 132
4x1 + 3x2 = 9
Go Back mudah dicek bahwa sistem persamaan linier ini tidak mem-
punyai jawab.
Full Screen 2. Misalkan ruang vektor V = {f : R → R} atas R, maka
fungsi cos 2x merupakan kombinasi linier dari fungsi-fungsi
cos2 x, sinh2 x dan cosh2 x, sebab cos 2x = 2 cos2 x + sinh2 x − cosh2 x,
Close
ingat bahwa cos 2x = 2 cos2 x − 1 dan cosh2 x − sinh2 x = 1.
3. Dilanjutkan halaman berikutnya!
Quit
Lanjutan Contoh
Home Page
3. Misalkan tiga vektor v1 = (1, 2, 3)0, v2 = (3, 2, 1)0 dan v3 =
(3, 3, 3)0 di R3. Maka
Title Page h{v1, v2, v3}i = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}
= {(x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3)0}
JJ II
Tulis (x, y, z)0 = (x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3)0.
Didapat:
J I x 1 3 3 x1
y = 2 2 3 x2 ,
z 3 1 3 x3
Page 20 of 132
x 1 3 3 x1
(1 − 2 1) y = (1 − 2 1) 2 2 3 x2 = 0,
Go Back
z 3 1 3 x3
atau x − 2y + z = 0. Catatan 3v1 + 3v2 − 4v3 = 0 dan juga
Full Screen
1 3 3
det 2 2 3 = 0.
Close
3 1 3
didapat x2 = 0 dan x1 = 0.
JJ II
5. Diberikan S ⊂ R3 dimana
1 0 1 0 3
J I
S = 0 , 2 , 2 , −1 , 3
0 0 0 1 0
Page 21 of 132
Perhatikan persamaan berikut:
Go Back
1 0 1 0 3 0
x1 0 + x2 2 + x3 2 + x4 −1 + x5 3 = 0 .
0 0 0 1 0 0
Full Screen
Tulis (x, y, z)0 = (x1 + 5x2 + 2x3, x1 + x2 + 7x3, −3x2 + 4x3)0, didapat:
JJ II
x 1 5 2 x1
y = 1 1 7 x2 .
J I
z 0 −3 4 x3
Page 23 of 132
Sehingga diperoleh:
−25 26 −33 x −25 26 −33 1 5 2 x1
Go Back
4 −4 5 y = 4 −4 5 1 1 7 x2
3 −3 4 z 3 −3 4 0 −3 4 x3
Full Screen
1 0 0 x1 x1
= 0 1 0 x2 = x2 .
0 0 1 x3 x3
Close
1. Dalam R2, B1 = {(2, 4)0, (1, 1)0} adalah suatu basis dari R2,
basis yang lainnya adalah B2 = {(1, 0)0, (0, 1)0}. Secara umum
JJ II
B3 = {(a11, a21)0, (a12, a22)0} adalah suatu basis dari R2 bila
a11 a12
J I det 6= 0.
a21 a22
Page 24 of 132 2. Ruang vektor V = {x1 cos θ + x2 sin θ | x1, x2 ∈ R} atas R, maka
suatu basis dari V adalah {cos θ, sin θ}.
Go Back 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
Full Screen
basis dari ruang vektor P∞(x).
4. Dalam ruang vektor M2,2(R), yaitu himpunan matriks uku-
Close
ran 2 × 2 dengan elemen-elemen di R, maka
1 0 0 1 0 0 0 0
, , ,
Quit
0 0 0 0 1 0 0 1
adalah suatu basis dari M2,2(R).
Sifat Misalkan V suatu ruang vektor atas K dan
{v1, . . . , vn} adalah suatu basis dari V , maka setiap ele-
men v ∈ V dapat diungkapkan secara tunggal sebagai:
v = x1v1 + . . . + xnvn, x1, . . . , xn ∈ K.
Home Page
Bukti
Misalkan v = a1v1 + . . . + anvn, dan v = x1v1 + . . . + xnvn, didapat:
Title Page (x1 − a1)v1 + . . . + (xn − a0)vn = 0, karena vektor-vektor v1, . . . , vn
bebas linier, maka haruslah x1 − a1 = 0, . . . , xn − an = 0. Sehingga
diperoleh x1 = a1, . . . , xn = an.
JJ II
ngapa?).
Sifat. Misalkan V suatu ruang vektor atas K dan {v1, . . . , vn}
suatu basis dari V . Selanjutnya, bila vektor-vektor u1, . . . , um
dengan m > n, maka vektor-vektor u1, . . . , um bergantungan
linier.
Home Page Bukti
Karena {v1, . . . , vn} suatu basis dari V , didapat:
Title Page
u1 = a11v1 + . . . + an1vn
...
JJ II um = a1mv1 + . . . + anmvn,
0 = x1 u1 + . . . + xm um
= x1(a11v1 + . . . + an1vn) + . . . + xm(a1mv1 + . . . + anmvn)
Go Back
= (a11x1 + . . . + a1mxm)v1 + . . . + (an1x1 + . . . + anmxm)vn
Quit
an1 . . . anm xm 0
Contoh
Title Page 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}.
JJ II
Quit
Jumlahan Langsung.
Home Page Misalkan U dan V adalah ruang bagian dari suatu ruang
vektor W atas K dengan dimensi hingga, maka dim(U + V ) =
Title Page
dim(U ) + dim(V ) − dim(U ∩ V ), dimana U + V = {u + v | u ∈ U, v ∈ V }.
Lanjutan Bukti......
Diberikan
Title Page
Quit
Contoh
Misalkan W = R2, u1 = (1, 1, 0, 0)0, u2 = (−3, 7, 2, 1)0, U = h{u1, u2}i
dan V = {(x1, x2, x3, 0)0 |xi ∈ R}. Vektor-vektor u1, u2 bebas linier,
Home Page
sebab bila a1u1 + a2u2 = 0 atau a1(1, 1, 0, 0)0 + a2(−3, 7, 2, 1)0 = 0
didapat a1 = a2 = 0. Jadi dim(U ) = 2. Suatu basis
Title Page
dari V adalah e1 = (1, 0, 0, 0) , e2 = (0, 1, 0, 0) , e3 = (0, 0, 1, 0)0.
0 0
Contoh
1. Misalkan α : U → V , U = R3 dan V = R2 dengan
Page 37 of 132
def
α((x, y, z)0) = (2x − y, y + z)0. Maka α adalah pemetaan
Go Back
linier, sebab α(k1u1 + k2u2) = α(k1(x1, y1, z1)0 + k2(x2, y2, z2)0) =
α((k1x1 + k2x2, k1y1 + k2y2, k1z1 + k2z2)0) = (2k1x1 + 2k2x2 − k1y1 −
Full Screen
k2y2, k1y1 + k2y2 + k1z1 + k2z2)0 = (2k1x1 − k1y1, k1y1 + k1z1)0 + (2k2x2 −
k2y2, k2y2 + k2z2)0 = k1(2x1 − y1, y1 + z1)0 + k2(2x2 − y2, y2 + z2)0 =
k1α((x1, y1, z1)0) + k2α((x2, y2, z2)0).
Close
def
2. Misalkan α : R3 → R2 dengan α((x, y, z)0) = (x2, y + z)0,
pemetaan α bukan pemetaan linier, sebab α(2(1, 0, 0)0) =
Quit
α((2, 0, 0)0) = (4, 0)0 6= (2, 0)0 = 2(1, 0)0 = 2α((1, 0, 0)0).
Kernel dan Image
Misalkan α : U → V suatu pemetaan linier
Home Page def
• Image dari α adalah Im(α)=α(U ) = {α(u) | u ∈ U } ⊆ V .
def
• Kernel dari α adalah ker(α) = {u ∈ U | α(u) = 0} ⊆ U .
Title Page
Quit
Tetapi, ker(α) = {0}. Maka dari itu harus-
lah u1 − u2 = 0 atau u1 = u2. Jadi
pemetaan α adalah satu-satu.
Contoh
1. Misalkan V ruang vektor atas K dan U = K n. Diberikan
matriks T = [aij ], aij ∈ K dan T bertindak pada ruang vektor
Home Page
U dengan aturan untuk setiap x ∈ U :
Title Page
a11 . . . a1n x1 y1
def .
T (x) = .
.. . . . .. .. = ... ,
.
an1 . . . ann xn yn
JJ II
P
n
dimana yi = aij xj , i = 1, 2, . . . , n. Maka T adalah suatu
J I j=1
transformasi linier dari U ke U , sebab untuk sebarang x, x̄ ∈
U dan sebarang k1, k2 ∈ K berlaku:
Page 40 of 132
a11 . . . a1n x1 x̄1
T (k1x + k2x̄) = ... . . . ... k1 ... + k2 ...
Go Back
an1 . . . ann xn x̄n
a11 . . . a1n x1
Full Screen
= k1 ... . . . ... ...
an1 . . . ann xn
Close a11 . . . a1n x̄1
+k2 ... . . . ... ...
Quit
an1 . . . ann x̄n
= k1T (x) + k2T (x̄).
Home Page
Lanjutan Contoh...........
2. Dalam Contoh 1. sebelumnya, maka
Title Page
y1 a11 . . . a1n x1
Im(T ) = .. = .. . . . .. ... .
. . .
JJ II
yn an1 . . . ann xn
J I
Bila T punya invers, maka ker(T ) = {0}, yaitu persamaan
homogin
a11 . . . a1n x1 0
Page 41 of 132 ... . . . ... ... = ...
an1 . . . ann xn 0
Go Back
hanya mempunyai jawab trivial x1 = . . . = xn = 0. Bila T
tidak punya invers, maka
x1
Full Screen
a11 . . . a1n x1 0
ker(T ) = ... ... . . . ... ... = ...
Close xn an1 . . . ann xn 0
Quit
Misalkan U dan V ruang vektor berdimensi hingga atas K dan
α : U → V suatu pemetaan linier.
1 Bila h{u1, . . . , un}i = U , maka h{α(u1), . . . , α(un)}i = Im(α).
Home Page
2. dim(U ) = dim(ker(α)) + dim(Im(α))
Bukti.
Title Page
1. Misalkan sebarang v ∈ Im(α), pilih u ∈ U yang memenuhi
α(u) = v. Tetapi u = k1u1 +. . .+knun, maka dari itu v = α(u) =
JJ II α(k1u1 +. . .+knun) = k1α(u1)+. . .+knα(un) ∈ h{α(u1), . . . , α(un)}i.
Jadi Im(α) = h{α(u1), . . . , α(un)}i.
J I 2. Misalkan {u1, . . . , um} basis dari ker(α), perluas basis ini
sampai didapat {u1, . . . , um, w1, . . . , wn} adalah suatu basis
dari U . Jelas bahwa dim(ker(α)) = m dan dim(U ) =
Page 42 of 132
m + n. Misalkan vi = α(wi), i = 1, 2 . . . , n. Akan di-
tunjukkan bahwa vi, i = 1, 2 . . . , n adalah suatu basis dari
Go Back Im(α). Dengan menggunakan hasil 1. didapat Im(α) =
h{α(u1), . . . , α(um), α(w1), . . . , α(wn)}i = h{0, . . . , 0, v1, . . . , vn}i =
Full Screen
h{v1, . . . , vn}i. Selanjutnya selidiki apakah vektor-vektor
vi, i = 1, 2 . . . , n bebas linier, yaitu k1v1 + . . . + knvn = 0 atau
k1α(w1) + . . . + knα(wn) = 0. Sehingga didapat α(k1w1 + . . . +
Close
knwn) = 0. Jadi k1w1 + . . . + knwn ∈ ker(α). Oleh karena itu
k1w1 + . . . + knwn = k̄1u1 + . . . + k̄mum untuk beberapa k̄i, atau
Quit k̄1u1 + . . . + k̄mum − k1w1 + . . . − knwn = 0. Karena vektor-vektor
{u1, . . . , um, w1, . . . , wn} bebas linier maka k̄1 = . . . = k̄m = k1 =
. . . = kn = 0, Jadi vektor-vektor v1, . . . , vn bebas linier.
Adakalanya kernel dari suatu pemetaan linier disebut null
Home Page
space dan dimensi dari kernel dinamakan nullity dari pemetaan
linier, sedangkan dimensi dari image suatu pemetaan linier
dinamakan rank dari pemetaan linier. Sehingga didapat
Title Page
dim(U ) = nullity(α) + rank(α).
Bukti
Bila α : U → V suatu isomorpisma, maka α satu-satu dan pada.
Full Screen
Maka dari itu, ker(α) = {0} dan Im(α) = V . Sehingga didapat
dim(U ) = dim(ker(α)) + dim(Im(α)) = 0 + dim(V ) = dim(V ). Se-
Close
baliknya, misalkan m = n dan α suatu pemetaan linier yang
memenuhi α(ui) = vi, i = 1, . . . , n. Akan ditunjukkan bahwa α
satu-satu dan pada.
Quit
Lanjutan Bukti......
Misalkan sebarang u ∈ ker(α), maka α(u) = 0. Tetapi
u = k1u1 + . . . + kmum. Sehingga didapat 0 = α(u) =
Home Page α(k1u1 + . . . + kmum) = k1α(u1) + . . . + kmα(um) = k1v1 + . . . + kmum
dan karena {v1, . . . , vm} suatu basis dari V , maka harus-
Title Page
lah k1 = . . . = kn = 0. Jadi u = 0. Maka dari itu
ker(α) = {0}. Jadi pemetaan α satu-satu. Selanjutnya,
misalkan sebarang v ∈ V , maka v = a1v1 + . . . + anvn un-
JJ II
tuk beberapa skalar ai. Tetapi vi = α(ui), i = 1, . . . , n. Jadi
v = a1α(ui) + . . . + anα(un) = α(a1u1 + . . . + anun) ∈ Im(α). Se-
J I hingga didapat V = Im(α) atau pemetaan α adalah pada.
Kerena pemetaan linier α adalah satu-satu dan pada, maka
Page 45 of 132
U dan V isomorpik. Berikutnya, ditunjukkan bahwa iso-
morphisma α yang memenuhi α(ui) = vi, i = 1, . . . , n adalah
tunggal. Misalkan β : U → V adalah suatu isomorphisma
Go Back
yang juga memenuhi β(ui) = vi, i = 1, . . . , n dan misalkan se-
barang u = k1u1 + . . . + knun ∈ U untuk beberapa skalar ki ∈ K,
Full Screen maka α(u) − β(u) = α(k1u1 + . . . + knun) − β(k1u1 + . . . + knun) =
k1α(u1) + . . . + knα(un) − k1α(u1) − . . . − knα(un) = k1v1 + . . . + knvn −
Close
k1v1 − . . . − knvn = 0. Sehingga didapat α(u) = β(u), ∀u ∈ U . Jadi
β = α.
Go Back
Bukti
Full Screen
(βα)(k1u1 + k2u2) = β(α(k1u1 + k2u2))
Close
= β(k1α(u1) + k2α(u2))
= k1β(α(u1)) + k2β(α(u2))
Quit
= k1(βα)(u1) + k2(βα)(u2).
Pemetaan Linier dan Aljabar Matriks
Misalkan U, V ruang vektor berdimensi
hingga atas K masing-masing dengan di-
Home Page
mensi m dan n. Misalkan Bu = u1, . . . , um
basis terurut di U , Bv = v1, . . . , vn basis
terurut di V dan α ∈ L(U, V, K). Untuk
Title Page
JJ II
j = 1, . . . , m, α(uj ) ∈ V , sehingga ada skalar
ai,j ∈ K sehingga α(uj ) = a1,j v1 + . . . + an,j vn.
J I Bila indeks i dan j dalam skalar ai,j me-
nyatakan elemen baris ke-i dan kolom ke-j
Page 47 of 132
dari suatu matriks A, hal ini mendefinisikan
matriks representasi dari pemetaan linier α
Go Back
diberikan oleh:
Full Screen a1,1 . . . a1,m
A = .. .. .. .
Close
an,1 . . . an,m
Quit Perhatikan bahwa, skalar-skalar ai,j dalam
persamaan α(uj ) menyatakan kolom ke-j
dari matriks A.
Home Page Sekali matriks-matriks representasi ini di konstruksi sesuai
dengan basis-basis yang ada, matriks-matriks ini bisa digu-
Title Page
nakan tanpa lagi merujuk pada basis-basis yang ada, kecuali
ada perubahan basis, maka matriks A juga berubah. Un-
tuk menjelaskan hal ini, misalkan sebarang u ∈ U , maka
JJ II
u = x1u1 +. . .+xmum dan v = α(u) ∈ V . Tetapi v = y1v1 +. . .+ynvn.
Sehingga didapat
J I
α(u) = x1α(u1) + . . . + xmα(um)
= x1(a1,1v1 + . . . + an,1vn) + . . . + xm(a1,mv1 + . . . + an,mvn)
Page 48 of 132
= (a1,1x1 + . . . + a1,mxm)v1 + . . . + (an,1x1 + . . . + an,mxm)vn
= y 1 v 1 + . . . + y n vn
Go Back
Close
yn an,1 . . . an,m xm
Quit
Home Page
Quit
Contoh
Home Page
1. Diberikan suatu transformasi linier α : R3 → R3 oleh
α((x, y, z)0) = (x − y − z, x + y + z, z)0 dengan basis baku teru-
Title Page rut didapat: α((1, 0, 0)0) = (1, 1, 0)0, α((0, 1, 0)0) = (−1, 1, 0)0 dan
α((0, 0, 1)0) = (−1, 1, 1)0, sehingga matriks representasi dari α
terhadap basis baku terurut diberikan oleh:
JJ II
1 −1 −1
1 1 1 .
J I
0 0 1
Page 50 of 132
Selanjutnya bila digunakan basis terurut B =
(1, 0, 0)0, (1, 1, 0)0, (1, 0, 1)0 didapat α((1, 0, 0)0) = (1, 1, 0)0 =
0(1, 0, 0)0 + 1(1, 1, 0)0 + 0(1, 0, 1)0 = (0, 1, 0)0B , α((1, 1, 0)0) = (0, 2, 0)0 =
Go Back
−2(1, 0, 0)0 + 2(1, 1, 0)0 + 0(1, 0, 1)0 = (−2, 2, 0)0B dan α((1, 0, 1)0) =
(0, 2, 1)0 = −3(1, 0, 0)0 + 2(1, 1, 0)0 + 1(1, 0, 1)0 = (−3, 2, 1)0B . Se-
Full Screen hingga matriks representasi dari α dengan basis terurut B
diberikan oleh:
0 −2 −3
Close
1 2 2 .
0 0 1
Quit
2. Diberikan pemetaan linier α : P3(R) → P1(R) oleh α(p(x)) =
d2p(x)
.
Home Page
dx2
a. Matriks representasi A dari α dengan basis terurut B1 =
Title Page
1, x, x2, x3 untuk P3(R) dan basis terurut B2 = 1, x + 2 untuk
P1(R) diberikan sebagai berikut: α(1) = 0 = 0.1 + 0(x + 2) =
(0, 0)0B2 , α(x) = 0 = 0.1 + 0(x + 2) = (0, 0)0B2 , α(x2) = 2 = 2.1 +
JJ II
0(x+2) = (2, 0)0B2 dan α(x3) = 6x = −12.1+6(x+2) = (−12, 6)0B2 ,
J I 0 0 2 −12
A= .
0 0 0 6
Page 51 of 132 b. Misalkan p(x) = a+bx+cx2 +dx3 ∈ ker(α), maka 0 = α(p(x)) =
2c + 6dx, ∀x ∈ R. Sehingga didapat c = 0, d = 0. Jadi
Go Back
ker(α) = {a.1 + bx | a, b ∈ R} = h{1, x}i. Terlihat bahwa
dim(ker(α)) = 2.
c. Sedangkan dimensi dari image α diberikan oleh:
Full Screen
dim(Im(α)) = dim(P3(R)) − dim(ker(α)) = 4 − 2 = 2. Hal
ini bisa dicek sebagai berikut, misalkan sebarang q(x) =
Close
α + βx + γx2 + δx3 ∈ P3(R), maka α(q(x)) = 2γ + 6δx =
2γ.1 + 6δ.x ∈ h{1, x}i. Jadi Im(α) = h{1, x}i dan terlihat
Quit bahwa dimensi Im(α) sama dengan dua.
3. Misalkan u1, u2, u3 basis terurut dari U , v1, v2, v3 dan w1, w2
adalah suatu basis terurut dari W . Selanjutnya diberikan
Home Page
pemetaan linier α : U → V dan β : V → W masing-masing
oleh α(u1) = v1 + 2v2 −v3, α(u2) = v2 + 2v3, α(u3) = −v1 +v2 + 3v3
Title Page dan β(v1) = 2w1 − w2, β(v2) = w1 + w2, β(v3) = −2w1 + 3w2.
Bila A = (α, uj , vi) dan B = (β, vi, wk ), maka didapat matriks
JJ II
representasi:
1 0 −1
2 1 −2
J I A = 2 1 1 , B =
−1 1 3
−1 2 3
Page 52 of 132 dan matriks representasi C = (βα, uj , wk ) diberikan oleh
1 0 −1
2 1 −2 6 −3 −7
Go Back
C = BA = 2 1 1 = .
−1 1 3 −2 7 11
−1 2 3
Full Screen
Bisa dicek langsung lewat vektor-vektor basis
Close
(βα)(u1) = β(v1 + 2v2 − v3) = 6w1 − 2w2
(βα)(u2) = β(v2 + 2v3) = −3w1 + 7w2
Quit
(βα)(u3) = β(−v1 + v2 + 3v3) = −7w1 + 11w2.
Pemetaan Identitas
Pementaan IU : U → U adalah pemetaan identitas bila IU (u) = u
untuk semua u ∈ U .
Home Page
Bila pemetaan α : U → V suatu isomorpisma (satu-satu dan
pada), maka ada pemetaan invers α−1 : V → U sehingga
α−1α = IU dan αα−1 = IV .
Title Page
−0.25 0.5 −0.25
Quit
B = 1.75 −0.5 0.75
−1.25 0.25 −0.25
Home Page
Perubahan dari suatu basis
Perubahan basis dari suatu transformasi
linier adalah penting. Sebagaimana
Title Page
telah diketahui dari pembahasan sebelum-
nya bahwa, suatu transformasi linier
JJ II memberikan suatu matriks representasi
melalu suatu basis yang telah ditentukan.
J I Tentunya matriks representasi ini akan
berbeda bila digunakan basis lain yang
Page 54 of 132
berbeda tetapi tetap merupakan suatu ma-
triks representasi dari suatu transformasi
linier yang sama. Perubahan basis tu-
Go Back
juan utamanya adalah mendapatkan su-
atu matriks represenatsi yang mudah untuk
Full Screen penghitungan (komputasi) dan bisa men-
jelaskan makna perubahan bentuk suatu
Close benda dalam domainnya menjadi bentuk
yang lainnya dalam kodomainnya.
Quit
Misalkan B = u1, . . . , un adalah basis terurut dari suatu ruang
Home Page vektor U atas K dan sebarang u ∈ U dapat diungkapkan
sebagai u = x1u1 + . . . + xnun dimana skalar-skalar xi meru-
pakan n-pasang berbentuk (x1, . . . , xn)0 ∈ K n. Maka pemetaan
Title Page
ρB : U → K n dinamakan suatu pemetaan koordinat dan
def
ρB (u) = (x1, . . . , xn)0 dinamakan suatu vektor koordinat dari
JJ II
u ∈ U terhadap basis terurut B. Dalam hal ini ρB adalah suatu
isomorpisma maka dari itu U ∼ = K n.
J I
Bukti Misalkan sebarang u = x1u1 + . . . + xnun ∈ U , v =
y1u1 + . . . + ynun ∈ V dan k1, k2 ∈ K, maka didapat ρB (k1u +
Page 55 of 132 k2v) = ρB (k1x1u1 + . . . + k1xnun + k2y1u1 + . . . + k2ynun) = ρB ((k1x1 +
k2y1)u1 + . . . + (k1xn + k2yn)un) = (k1x1 + k2y1, . . . , k1xn + k2yn)0 =
k1(x1, . . . , xn)0 +k2(y1, . . . , yn)0 = k1ρB (u)+k2ρB (v). Terlihat bahwa ρB
Go Back
adalah pemetaan linier. Karena untuk setiap (x1, . . . , xn)0 ∈ K n
vektor u = x1u1 + . . . + xnun memenuhi ρB (u) = (x1, . . . , xn)0, maka
Full Screen
pemetaan ρB adalah pada. Selanjutnya misalkan sebarang
u = x1u1 + . . . + xnun ∈ ker(ρB ), maka ρB (u) = (x1, . . . , xn)0 =
(0, . . . , 0)0. Didapat x1 = 0, . . . , xn = 0. Jadi u = 0. Maka dari
Close itu pemetaan ρB adalah satu-satu. Karena pemetaan linier ρB
adalah satu-satu dan pada, maka ρB adalah suatu isomorpisma
atau U ∼ = K n.
Quit
Contoh
Home Page
1. Misalkan diberikan dua basis terurut
Title Page
B1 = (1, 0)0, (0, 1)0 dan B2 = (1, 1)0, (1, −1)0
dari ruang vektor R2. Terhadap ba-
JJ II sis B1, sebarang (x, y)0 ∈ R2 didapat
(x, y)0 = x(1, 0)0 + y(0, 1)0. Sehingga dida-
J I
pat ρB1 ((x, y)0) = (x, y)0. Terhadap basis
B2, (x, y)0 = k1(1, 1)0 + k2(1, −1)0, didapat
Page 56 of 132
UB α - V
C
Title Page
PB PC
? ?
K m - Kn
JJ II A
Quit
α
UB - V
C
IU IV
? α ?
UB̄ - V
C̄
Home Page
J I
Misalkan P adalah matriks dari pemetaan identitas di U
dari basis B ke basis B, yaitu IU (u1) = u1 = ū3 = 0ū1 +0ū2 +1ū3,
IU (u2) = u2 = ū1 = 1ū1 + 0ū2 + 0ū3, IU (u3) = u3 = ū2 = 0ū1 + 1ū2 +
Page 61 of 132
0ū3. Sehingga didapat P dan P −1:
0 1 0 0 0 1
P = 0 0 1 dan P −1 = 1 0 0 .
Go Back
1 0 0 0 1 0
Full Screen
JJ II 0 − 52 32
Hasil ini bisa dicek secara langsung
J I
pemetaan α didefinisikan relatif terhadap
Page 62 of 132
basis B̄ dan C̄ sebagai berikut:
α(ū1) = α(u2) = v1 + v2 = v̄1 = 1v̄1 + 0v̄2
Go Back α(ū2) = α(u3) = −2v1 + 3v2 = 12 v̄1 − 52 v̄2
α(ū3) = α(u1) = 2v1 − v2 = 12 v̄1 + 23 v̄2.
Full Screen
J I
dimana Ir adalah matriks satuan berukuran r × r dengan
r ≤ min{dim(U ), dim(V )}. Untuk memperoleh cara yang di-
maksud ini digunakan sifat berikut.
Page 63 of 132
Quit
Perluas basis terurut ini sehingga diperoleh:
Lanjutan Contoh................
C = (1, 2, 3)0, (2, 3, 5)0, (1, 0, 0)0 adalah basis terurut dari ruang vek-
tor V . Selanjutnya cek dengan basis-basis terurut B dan C,
representasi matriks berbentuk normal diagonal satuan seba-
Home Page
gaimana berikut ini. Persamaan-persamaan yang memberikan
matriks P −1 = (α, B, B) dengan B basis terurut baku adalah:
Title Page IU (ū1) = ū1 = (1, 0, 0)0, IU (ū2) = ū2 = (0, 1, 0)0 dan IU (ū3) = ū3 =
(7, −5, 1)0. Sehingga didapat:
JJ II 1 0 7
P −1 = 0 1 −5 .
J I
0 0 1
Dengan cara serupa, persamaan-persamaan yang memberikan
Page 66 of 132 matriks Q−1 = (α, C, C) dengan C basis terurut baku adalah:
IV (v̄1) = v̄1 = (1, 2, 3)0, IV (v̄2) = v̄2 = (2, 3, 5)0 dan IV (v̄3) = v̄3 =
(1, 0, 0)0. Sehingga didapat:
Go Back
1 2 1 0 5 −3
Full Screen
Q−1 = 2 3 0 ⇒ Q = 0 −3 2
3 5 0 1 1 −1
Title Page
Bukti.
Misalkan A berukuran n × A dan α suatu pemetaan linier dari
K m ke K n sedemikian hingga A = (α, Em, En), dimana Em =
JJ II
e1, . . . , em dan En = e1, . . . , en masing-masing adalah basis baku
terurut dari K m dan K n. Misalkan bahwa matriks
J I
a1,1 . . . a1,m
A = ... ... ... ,
Page 68 of 132 an,1 . . . an,m
maka untuk j = 1, . . . , m,
Go Back
n
X a1,j
α(ej ) = ai,j ei = ...
Full Screen
i=1 an,j
Close
adalah kolom ke-j dari matriks A. Tetapi, Im(α) dibangun oleh
α(e1), . . . , α(em), oleh karena itu Im(α) = ruang kolom(A). Jadi
rank(A)=rank kolom(A).
Quit
Jawaban Quiz
Home Page
1. Bila Mn(R) adalah himpunan matriks berukuran n × n de-
ngan elemen-elemen di R dan untuk suatu X tetap di Mn(R)
Title Page didefinisikan pemetaan α : Mn(R) → Mn(R) dengan α(A) =
XAX −1, ∀A ∈ Mn(R), maka :
JJ II a. Tunjukkan bahwa α adalah suatu pemetaan linier.
b. Dapatkan Im(α) dan Ker(α).
J I c. Dari hasil b. tentukan sifat dari pemetaan α.
Jawab
Page 69 of 132
a. Misalkan A, B ∈ Mn(R) dan a, b ∈ R, maka α(aA + bB) =
X(aA + bB)X −1 = X(aA)X −1 + X(bB)X −1 = a(XAX −1) +
Go Back b(XBX −1) = aα(A) + bα(B).
b. Im(α) = {Y ∈ Mn(R) | Y = XAX −1, ∀A ∈ Mn(R)} dan Ker(α)
Full Screen
= {A ∈ Mn(R) | XAX −1 = 0} = {0}.
c. Dari hasil b. terlihat bahwa α satu-satu (sebab Ker(α) =
{0}). Pemetaan α juga pada sebab, diberikan sebarang
Close
Y ∈ Mn(R) (kodomain), pilih X −1Y X ∈ Mn(R) (domain)
sehingga didapat α(X −1Y X) = X(X −1Y X)X −1 = Y .
Quit
Home Page
J I
z 5z z
Terhadap basis terurut
Page 70 of 132
1 1 1
Go Back B = 0,1,1
0 0 1
Full Screen
Quit
Home Page
Jawab
Title Page
1 1 1 1 1 0
JJ II α( 0 ) = 1 = 0 0 + 1 1 + 0 1 = 1
0 0 0 0 1 0
B
J I
1 −1 1 1 1 −5
α( 1 ) = 4 = −5 0 + 4 1 + 0 1 = 4
0 0 0 0 1 0
Page 71 of 132 B
1 2 1 1 1 0
α( 1 ) = 2 = 0 0 − 3 1 + 5 1 = −3
Go Back
1 5 0 0 1 5 B
Jadi
Full Screen 0 −5 0
A = (α, B, B) = 1 4 −3 .
Close
0 0 5
Quit
√ √
3. Diberikan suatu ruang vektor V = {a+b 2+c 3|(a, b, c) ∈ Q3}
atas Q, dimana Q adalah himpunan bilangan rasional.
√ √
a. Tunjukkan bahwa vektor-vektor 1, 2, 3 adalah bebas
linier.
Home Page
1 2
b. Ungkapkan √ +√ sebagai kombinasi linier dari
1 − √2 √ 12 − 2
Title Page vektor-vektor 1, 2, 3.
Jawab √ √
JJ II a. Misalkan, a √ +b 2+c 3√ = 0, assumsikan a2 +√b2 + c2 6= 0. √Bila
ac 6= 0, maka b 2 = −a − c 3 ⇔ 2b2 = a2 + 2ac 3 + 3c2 ⇔ 3 =
2b2 − a2 − 3c2
J I (tidak mungkin bilangan irrasional sama dengan
2ac
bilangan rasional). Jadi haruslah ac = 0, didapat
√ a = 0 dan
√ √ b 3
Page 72 of 132
andaikan c 6= 0, maka b 2 + c 3 = 0 ⇔ − = √ (dengan alasan
c 2
sama seperti sebelumnya tidak √ mungkin terjadi). Jadi harus-
Go Back
lah c = 0. Sehingga didapat b 2 = 0 ⇔ b = 0. Jadi, diperoleh
a = b = c = 0.
Full Screen b.
√ √
1 2 1 + 2 2 12 + 4
√ +√ = +
Close 1− 2 12 − 2 1−2 12 − 4
√ 1√ 1
= −1 − 2 + 3+
2 2
Quit
1 √ 1 √
= − (1) − 1( 2) + ( 3).
2 2
4. Dapatkan suatu matriks representasi dari pemetaan linier
α : R2 → R2 terhadap basis terurut standart (baku) bila
Home Page Ker(α) = Im(α) dan
1 2
α( )= .
Title Page
1 3
JJ II
Jawab
Perhatikan bahwa
2 2 0
J I ∈ Im(α) = Ker(α) ⇒ α( )= .
3 3 0
Title Page
Bukti.
Misalkan A berukuran n × m dan α suatu pemetaan linier dari
K m ke K n sedemikian hingga A = (α, Em, En), dimana Em =
JJ II
e1, . . . , em dan En = e1, . . . , en masing-masing adalah basis baku
terurut dari K m dan K n. Misalkan bahwa matriks
J I
a1,1 . . . a1,m
A = ... ... ... ,
Page 75 of 132 an,1 . . . an,m
maka untuk j = 1, . . . , m,
Go Back
n
X a1,j
α(ej ) = ai,j ei = ...
Full Screen
i=1 an,j
Close
adalah kolom ke-j dari matriks A. Tetapi, Im(α) dibangun oleh
α(e1), . . . , α(em), oleh karena itu Im(α) = ruang kolom(A). Jadi
rank(A)=rank kolom(A).
Quit
Rank baris dan rank kolom dari setiap matriks adalah sama.
Bukti
Home Page
Misalkan matriks A berukuran n × m dengan eleme-elemen di
K diberikan oleh
a11 . . . a1m
... ... ...
Title Page
an1 . . . anm
JJ II
dan misalkan Bi, i = 1, 2, . . . , n menyatakan baris ke-i dari ma-
triks A. Selanjutnya misalkan rank baris(A) = r dan Sj , j =
J I 1, 2, . . . , r adalah basis dari ruang baris matriks A. Maka, un-
P
r
tuk setiap i = 1, 2, . . . , n, Bi = kij Sj untuk beberapa kij ∈ K.
j=1
Page 76 of 132
P
r
Komponen ke-l dari vektor Bi mempunyai bentuk ail = kij sjl
j=1
Go Back dengan i = 1, . . . , n, l = 1, . . . , m. Sehingga didapat kolom ke-l
P r P
r
dari matriks A adalah Cl = Lj sjl = sjl Lj , dimana Lj adalah
j=1 j=1
Full Screen
vektor kolom dengan komponen ke-i adalah kij . Terlihat bahwa
setiap kolom dari A adalah merupakan kombinasi linier dari se-
Close
banyak r vektor. Jadi rank kolom(A) ≤ rank baris(A). Dengan
menggunakan argumentasi (alasan yang sama) untuk matriks
A0 (matriks transpose dari A), didapat rank baris(A) ≤ rank
Quit kolom(A). Jadi rank baris(A) = rank kolom(A).
Kesimpulan:
1. Suatu matriks A berukuran n × n dengan
Home Page
elemen-elemen di lapangan F mempunyai
invers bila dan hanya bila rank(A) = n.
Title Page
2. Misalkan A matriks berukuran n × m den-
gan elemen-elemen di lapangan F , bila
JJ II
Ax = 0, maka himpunan penyelesaian
J I
dari sistem linier homogin tsb. meru-
pakan ruang bagian dari Fm dengan di-
Page 77 of 132 mensi m − rank(A). Hal ini mempun-
yai arti bahwa ada sebanyak m − rank(A)
Go Back
parameter dalam himpunan penyelesaian
dari Ax = 0.
Full Screen
0 0 0 −3
Title Page
B )(ρB(u)) =
J I
λρB(u) ⇔ ρB(α(u)) = ρB(λu) ⇔ α(u) = λu.
Page 80 of 132
Bila α : U → U suatu pemetaan linier dan masing masing
matriks A = (α, B, B) dan Ā = (α, B, B) adalah representasi dari
Go Back α dengan basis terurut yang berbeda, maka eigenvalue dari A
sama dengan eigenvalue dari Ā.
Full Screen
Bukti
Misalkan P = (IU, B, B) matriks perubahan basis dari basis B ke
Close basis B, maka Ā = P AP −1. Bila Ax = λx didapat (P AP −1)(P x) =
λ(P x). Sehingga diperoleh Āx̄ = λx̄ dimana x̄ = P x. Terlihat
bahwa matriks A dan Ā mempunyai eigenvalue yang sama.
Quit
Cara menghitung eigenvalue dan eigenvektor
Home Page
Misalkan A suatu matriks berukuran n × n dan Ax = λx
dengan x 6= 0 dan x ∈ Fn, maka (λI − A)x = 0, dimana I adalah
matriks identitas dengan ukuran n × n. Persamaan homogin
Title Page
(λI − A)x = 0 mempunyai jawab nontrivial bila dan hanya
bila det(λI − A) = 0. Persamaan det(λI − A) = 0 dinamakan
JJ II persamaan kharakteristik dari matriks A yang merupakan
persamaan polinomial dalam λ dengan derajad n.
J I
Contoh Diberikan matriks
0 1 λ −1
Page 81 of 132
A= ⇒ det( ) = λ2 − 3λ + 2 = (λ − 1)(λ − 2).
−2 3 2 λ−3
Go Back Untuk λ = 1 didapat:
1 −1 x1 0 1
= ⇒ x1 = x2 ⇒ x = ,
Full Screen
2 −2 x2 0 1
sedangkan untuk λ = 2 didapat:
Close
2 −1 x1 0 1
= ⇒ x2 = 2x1 ⇒ x = .
2 −1 x2 0 2
Quit
Pendiagonalan suatu matriks
Bukti
JJ II
Misalkan x1, x2, . . . , xn adalah eigenvektor-eigenvektor dari ma-
triks A dimana hx1, x2, . . . , xni = Fn. Jadi matriks Q =
J I [x1 | x2 | . . . | xn] mempunyai invers, misalkan Q−1 = P . Sehingga
didapat
Page 82 of 132
AQ = A [x1 | x2 | . . . | xn]
= [Ax1 | Ax2 | . . . | Axn]
Go Back
= [λ1x1 | λ2x2 | . . . | λnxn]
λ1 . . . ... 0
.. ...
Full Screen . λ2 ...
= [x1 | x2 | . . . | xn] .. ... ...
. ...
Close
0 ... ... λn
= QĀ ⇔ Ā = Q−1AQ ⇒ Ā = P AP −1.
Quit
Selidiki apakah matriks dibawah ini bisa didiagonalkan!
Home Page
0 1
A= .
−2 3
Title Page
dimana
J I
1 1
λ1 = 1, X1 = dan λ2 = 2, X2 = .
1 2
Page 83 of 132
Untuk matriks
1 1
Q = [X1 X2] =
Go Back
1 2
didapat
Full Screen
2 −1 0 1 1 1 1 0
Ā = Q−1AQ = = .
−1 1 −2 3 1 2 0 2
Close
Title Page
Bukti
Misalkan λ1, λ2, . . . , λn adalah eigenvalue-eigenvalue yang
JJ II berbeda satu dengan yang lainnya dan X1, X2, . . . , Xn adalah
eigenvektor-eigenvektor yang bersesuaian. Dengan menggu-
nakan induksi dibuktikan bahwa eigenvektor-eigenvektor tsb.
J I
bebas linier. Misalkan bahwa X1, X2, . . . , Xk bebas linier dan
untuk
Page 84 of 132
a1X1 + a2X2 + . . . + ak Xk + ak+1Xk+1 = 0. (1)
Sehingga didapat
Go Back
Kesimpulan
Page 85 of 132
Bila matriks A berukuran n × n dengan elemen-elemen di
lapangan F mempunyai eigenvalue-eigenvalue yang berbeda,
Go Back maka matriks A dapat didiagonalkan.
Bukti
Full Screen
Dengan menggunakan dua hasil sebelumnya didapat bahwa,
eigenvektor-eigenvektor yang bersesuaian dengan eigenvalue-
Close
eigenvalue merupakan vektor-vektor yang bebas linier. Se-
hingga vektor-vektor ini membentangkan keseluruhan ruang
Fn. Akibatnya matriks A dapat didiagonalkan.
Quit
Contoh
Diberikan matriks
0 1 0
Home Page A = 0 0 1 .
6 −11 6
Title Page Polinomial kharakteristik A adalah
λ −1 0
λ −1 0 −1
JJ II p(λ) = 0 λ −1 = λ + 1
⇒
−6 11 λ − 6 11 λ − 6 −6 λ − 6
J I
p(λ) = λ(λ2 − 6λ) + 11λ − 6 = λ3 − 6λ2 + 11λ − 6 = (λ − 1)(λ − 2)(λ − 3).
Didapat λ1 = 1, λ2 = 2 dan λ3 = 3. Sehingga didapat pasangan
Page 86 of 132 eigenvalue-eigenvektor:
1 1 1
Go Back
λ1 = 1, X1 = 1 ; λ2 = 2, X2 = 2 ; λ3 = 3, X3 = 3 .
1 4 9
Full Screen
dan
1 1 1 3 − 52 1
2
Q = [X1 X2 X3] = 1 2 3 ⇒ Q = −3 4 −1 .
−1
Close
1 4 9 1 − 32 21
Quit
Matriks invarian
Title Page Suatu matriks bujur sangkar invarian
adalah suatu sifat dari suatu matriks yang
JJ II
tidak berubah bila matriks ditransformasi
dengan suatu cara tertentu. Eigenvalue-
J I
eigenvalue dari suatu matriks adalah in-
Page 87 of 132
varian dibawah suatu transformasi kesemi-
laran, begitu juga trace dan determinan-
Go Back nya. (Trace suatu matriks A adalah jum-
lah keseluruhan eleme-elemen diagonalnya:
Full Screen n
P
tr(A) = ai,i).
Close
i=1
Quit
Home Page
Quit
Home Page
Bukti
Title Page n
X Xn
(ABC)i,l = ai,j bj,k ck,l .
JJ II
k=1 j=1
J I Didapat
n
X X n X
n X n
(ABC)i,i = ai,j bj,k ck,i
Page 89 of 132
tr(ABC)=
i=1 i=1 k=1 j=1
Go Back
Xn Xn Xn
Full Screen
= bj,k ck,iai,j= tr(BCA).
j=1 i=1 k=1
Close
Quit
Trace dan determinan dari suatu matriks
bujur sangkar adalah invarian dalam suatu
Home Page
tranformasi similar. Lagi pula bila matriks
A dapat didiagonalkan dengan eigenvalue
Title Page
n
P
λi, i = 1, . . . , n, maka tr(A) = λi dan
JJ II i=1
n
Q
J I
det(A) = λi.
i=1
Bukti Dari hasil sebelumnya,
tr(P AP −1) = tr(P −1P A) = tr(A).
Page 90 of 132
Dan
Go Back
det(P AP −1) = det(P )det(A)det(P −1) =
det(A)(det(P )det(P −1)) = det(A)det(P P −1) =
Full Screen det(A)det(I) = det(A). Jelas bahwa bila
P AP −1 = Ā dimana Ā matriks diagonal den-
Close gan elemen-elemen diagonal λi, i = 1, . . . , n,
n
P n
Q
Quit
maka tr(A) = λi dan det(A) = λi.
i=1 i=1
Contoh
Home Page
Quit
Contoh
Home Page
1. Diberikan matriks
Title Page 2 −1 −1
A = 0 3 1 ⇒ det(λI−A) = (λ−2)2(λ−4).
JJ II
0 1 3
* +
J I 0 1 1 1 0
E2(R3) = ker( 0 −1 −1 ) = 0 , 1
Page 93 of 132
0 −1 −1 0 −1
* +
Go Back
2 1 1 1
E4(R3) = ker( 0 1 −1 ) = −1
Full Screen
0 −1 1 −1
Close
Terlihat bahwa untuk λ = 2 ataupun λ = 4
multiplisitas geometri = multiplisitas al-
jabar.
Quit
2. Diberikan matriks
Home Page
2 1 0
Title Page A = 0 2 0 ⇒ det(λI −A) = (λ−2)2(λ−4).
0 0 4
JJ II * +
0 −1 0 1
J I E2(R3) = ker( 0 0 0 ) = 0
0 0 −2 0
Page 94 of 132 * +
2 −1 0 0
Go Back
E4(R3) = ker( 0 2 0 ) = 0
0 0 0 1
Full Screen
Terlihat bahwa untuk λ = 2 multiplisitas ge-
ometri < multiplisitas aljabar tetapi untuk
Close
λ = 4 multiplisitas geometri = multiplisitas
aljabar.
Quit
Home Page
JJ II Bukti
Bila P AP −1 = D dimana matriks D adalah
J I matriks diagonal dengan elemen-elemen di-
agonal λi, i = 1, . . . , n adalah eigenvalue-
Page 95 of 132
eigenvalue dari matriks A. Sehingga dida-
pat :
Go Back An + cn−1An−1 + . . . + c0I =
P −1(Dn + cn−1Dn−1 + . . . + c0I)P =
n
λ1 + cn−1λn−1
1 + . . . + c 0 . . . 0
Full Screen
P −1 .
.. ... ... P = 0.
0 . . . λnn + cn−1λn−1
n + . . . + c0
Close
Quit
Contoh Diberikan matriks
Home Page 0 1 0
A = 0 0 1 ⇒ det(λI−A) = λ3−6λ2+11λ−6.
Title Page
6 −11 6
JJ II Sehingga didapat matriks A3 − 6A2 + 11A − 6I
adalah:
J I 6 −11 6 0 0 6
36 −60 25 − 36 −66 36
150 −239 90 216 −360 150
Page 96 of 132
0 11 0 6 0 0
+ 0 0 11 − 0 6 0 =
Go Back
66 −121 66 0 0 6
(6 − 6) (−11 + 11) (6 − 6)
Full Screen (36 − 36) (−60 + 66 − 6) (25 − 36 + 11) =
(150 − 216 + 66) (−239 + 360 − 121) (90 − 150 + 66 − 6)
Close
0 0 0
0 0 0
0 0 0
Quit
Ke-Orthogonalan
Misalkan V suatu ruang vektor atas lapangan riil R. Hasil kali
dalam riil (real inner product) juga dinamakan bilinier adalah
Home Page fungsi dari V × V ke R dinotasikan oleh hu, vi yang memenuhi
• hr1u1 + r2u2, vi = r1 hu1, vi + r2 hu2, vi untuk semua u1, u2, v ∈ V
Title Page dan r1, r2 ∈ R (Linier).
• hu, vi = hv, ui untuk semua u, v ∈ V (Simetri).
JJ II
• hu, ui ≥ 0 untuk semua u ∈ V dan hu, ui = 0 bila dan hanya
bila u = 0 (semi definit positip).
J I
Bila x = (x1, . . . , xn), y = (y1, . . . , yn) ∈ Rn maka hasil kali dalam
def P
n
baku diberikan oleh hx, yi = xiyi (juga dinamakan dot
Page 97 of 132 i=1
product dalam geometri Euclide). Bila vektor-vektor x dan y
disajikan dalam vektor kolom, maka hx, yi = x0y.
Go Back
J I
Misalkan V suatu ruang vektor atas lapangan R.
1. Dua vektor u, v ∈ V dikatakan orthogonal bila hu, vi = 0.
Page 98 of 132 2. Suatu himpunan dari vektor-vektor adalah orthogonal bila
setiap dua pasang vektor orthogonal.
Go Back 3. Suatu vektor u ∈ V adalah ternormalisir bila ||u|| = 1.
4 Dua vektor u, v ∈ V dikatakan orthonormal bila ||u|| = ||v|| =
Full Screen 1 dan hu, vi = 0.
u
Setiap vektor u ∈ V bisa dinormalisir kedalam bentuk .
Close
||u||
Quit
Contoh
Home Page
Himpunan vektor-vektor {(1, 0), (0, 1)} adalah orthonormal,
tetapi {(1, 1), (−1, 1)} adalah orthogonal. Himpunan yang
Title Page
terakhir inidapat dijadikan
orthonormal
sebagai himpunan
1 1 1 1
berikut ini √ , √ , −√ , √
2 2 2 2
JJ II
Go Back
Diberikan matriks A berukuran n × n, matriks A dikatakan
matriks simetri bila A = A0 dan dikatakan anti-simetri (skew-
symmetric) bila A = −A0. Matriks simetri bermaanfaat dalam
Full Screen
bentuk kuadrat, misalnya
a1,1 a1,2 x
Close x y = a1,1x2 + 2a1,2xy + a2,2y 2
a1,2 a2,2 y
Quit
Home Page
Bukti
JJ II
Digunakan tanda ∗ untuk menyatakan komplek sekawan (com-
0
plex conjugate). Kedua ruas dari Ax = λx kalikan dengan x∗
J I didapat
0 0
x∗ Ax = λ(x∗ x) (3)
Page 100 of 132
Persamaan (3) kedua ruas ditranspose-konjuget didapat
0 0
x∗ Ax = λ∗(x∗ x) (4)
Go Back
Close
Quit
Home Page
Misalkan A matriks simetri berukuran n × n dengan elemen-
elemen riil. Bila λ dan µ adalah sebarang dua eigenvalue dari
Title Page matriks A dengan masing-masing eigenvektor adalah x dan y
dan λ 6= µ, maka hx, yi = 0.
JJ II
Bukti
Kedua ruas persamaan Ax = λx kalikan dengan y0 didapat
J I
y0Ax = λ(y0x). (5)
Quit
Matriks A berukuran n × n dikatakan orthogonal bila
AA0 = I = A0A yaitu A−1 = A0.
Home Page
Bukti
Dari elemen perkalianmatriks (AA0)i,j = hBi, Bj i dan fakta AA0 =
J I
1 i=j
I didapat hBi, Bj i = , terlihat bahwa baris-
0 yang lainnya
Page 102 of 132 baris dari A adalah orthonormal. Bila A orthogonal, maka A0
juga orthogonal, jadi kolom-kolom dari A juga orthonormal.
Go Back
Contoh
Bila matriks A diberikan oleh
Full Screen
0 1 0 0 1 0 0 0 1 1 0 0
A = 0 0 1 , maka AA0 = 0 0 1 1 0 0 = 0 1 0 = I.
Close
1 0 0 1 0 0 0 1 0 0 0 1
Quit
Juga dapat dicek bahwa A0A = I. Jadi A adalah matriks or-
thogonal.
Home Page
Contoh
Title Page Bila matriks A diberikan oleh
1 1
0 − √2 √2
JJ II
A= 1 0 0 ,
1 1
J I 0 √ √
2 2
maka matriks A adalah orthogonal, sebab
Page 103 of 132
1 1 0 1 0
0 − √2 √2 1 1 1 0 0
− √ 0 √
AA0 =
2 = 0 1 0 = I.
Go Back
1 0 0 2
1 1 1 1 0 0 1
0 √ √ √ 0 √
Full Screen 2 2 2 2
Juga dapat dicek bahwa A0A = I
Close
Quit
Home Page
Suatu pemetaan linier yang direpresentasikan oleh suatu ma-
triks orthogonal adalah mempertahankan jarak dari suatu vek-
tor, yaitu bila A suatu matriks orthogonal, maka ||Ax|| = ||x||
Title Page
untuk semua x ∈ Rn.
JJ II Bukti p
Dari persamaan ||x|| = hx, xi dan hx, xi = x0x, didapat ||x||2 =
J I
x0x. Oleh karena itu ||Ax||2 = x0A0Ax = x0x = ||x||2 ⇒ ||Ax|| = ||x||.
Contoh
Page 104 of 132
Diberikan matriks orthogonal
1 1
Go Back
0 − √ 2 √2 x1
A= 1 0 0 dan sebarang x = x2 ∈ Rn,
1 1 x3
Full Screen
0 √ √
2 2
Close maka dapat ditunjukkan bahwa ||Ax|| = ||x|| sebagai mana
berikut ini:
Quit
1 1 1 1
Home Page
0 − √ √ − √ x2 + √ x3
2 2 x1 2 2
1 0 0 =
x2 = x1
Title Page
1 1 x3 1 1
0 √ √ √ x2 + √ x3
JJ II
2 2 2 2
J I
r
1 1 2 1 1
(− √ x2 + √ x3) + x1 + ( √ x2 + √ x3)2
2
Page 105 of 132
2 2 2 2
Go Back
r
1 2 1 2 2 1 2 1 2
x2 − x2 x3 + x3 + x1 + x2 + x2 x3 + x3
Full Screen
2 2 2 2
q
Close
x21 + x22 + x23 = ||x||.
Quit
Home Page
Kesimpulan yang bisa diperoleh dari matriks simetri berkaitan
dengan pendiagonalan matriks diberikan sebagaimana berikut
Title Page ini.
Kesimpulan
JJ II
Bila matriks simetri A berukuran n × n mempunyai eigenvalue-
eigenvalue yang berbeda, maka A dapat didiagonalkan melalui
J I suatu matriks orthogonal.
Quit
Contoh
Diberikan matriks simetri
√ √ √
Home Page
1 2 λ 0 1
2 λ− 1 − 2
A= √ ⇒ − √ = √ .
2 2 0 λ 2 2 − 2 λ−2
Title Page
Sehingga diperoleh
√
2 1
Go Back
√
−√ 3
x1 3
= dan x2 = .
||x1|| 1 ||x2|| 2
√
Full Screen
√ √
3 3
Close
x1 x2
Bila matriks P = , maka pendiagonalan dari ma-
||x1|| ||x2||
Quit triks A adalah P 0AP dan hasilnya diberikan sebagai berikut
√ √
Home Page
2 1 2 1
− √ √ √ − √ √
3 3 3 3
√1 2
Title Page √ √ =
2 2
1 2 1 2
√ √ √ √
JJ II 3 3 3 3
√ √ √
2 2 2 2 2 1
J I −√ + √ −√ + √ −√ √
3 3 3 3 3 3
√ √ √ =
Page 108 of 132 1 2 2 2 2 1 2
√ +√ √ + √ √ √
3 3 3 3 3 3
Go Back
√
2 1
0 0 −√ √
3 3 0 0
Full Screen
√
3 3 2 √
=
0 3
√ √ 1 2
Close 3 3 √ √
3 3
Quit
Berkaitan dengan matriks simetri dengan elemen-elemen riil.
Sebagaimana telah diketahui matriks simetri pasti semua
eigenvaluenya adalah riil, tetapi tidak menjamin bahwa se-
Home Page mua eigenvalue-eigenvalue ini berbeda satu dengan yang lain-
nya, bila semuanya berbeda maka pasti matriks simetri tsb.
Title Page
bisa didiagonalkan. Bila ada yang rangkap, maka hal ini
ada dua kasus. Yang pertama bila masing-masing multi-
plisitas geometri = multiplisitas aljabar, maka pendiagonalan
JJ II
matriks bisa dilakukan. Kedua, bila masing-masing multi-
plisitas geometri < multiplisitas aljabar, maka pendiagonalan
J I tidak dapat dilakukan. Pada khasus yang kedua tentunya
hanya beberapa eigenvektor yang orthogonal satu dengan yang
Page 109 of 132
lainnya, yaitu yang berkaitan dengan eigenvalue-eigenvalue
yang saling berbeda satu dengan lainnya. Tetapi untuk
eigenvalue yang rangkap walaupun memberikan eigenvektor-
Go Back
eigenvektor yang saling bebas linier tetapi tidak menjamin
bahwa eigenvektor-eigenvektor ini orthogonal. Oleh karena
Full Screen itu matriks yang kolom-kolomnya merupakan eigenvektor-
eigenvektor bukan matriks orthogonal. Tetapi dengan be-
berapa modifikasi matriks tsb. bisa dijadikan matriks or-
Close
thogonal, cara pengorthogonalan ini mengarah apa yang di-
namakan proses Pengorthogonalan Gram-Schmidt. Contoh
Quit
berikut memberikan kejelasan mengenai pengorthogonalan su-
atu matriks.
Contoh
Diberikan suatu matriks simetri
Home Page
1 −1 −1 λ−1 1 1
A = −1 1 −1 ⇒ λI − A = 1 λ − 1 1 .
Title Page
−1 −1 1 1 1 λ−1
Polinomial kharakteristik dari A diberikan oleh
JJ II
p(λ) = det(λI − A) = (λ − 2)2(λ + 1). Pasangan eigenvalue eigen-
vektor diberikan oleh
J I
−1 −1 1
λ1 = 2, x1 = 0 ; λ2 = 2, x2 = 1 ; λ3 = 1, x3 = 1 .
Page 110 of 132 1 0 1
Quit
Proses orthogonalisasi Gram-Schmidt
Home Page
hX2, X1i t2
t2 = X2 − t1 ⇒ T2 =
Page 113 of 132 hX1, X1i ||t2||
...
...
Go Back hXn, t1i hXn, t2i hXn, tn−1i tn
tn = Xn − t1 − t2 − . . . − tn−1 ⇒ Tn =
ht1, t1i ht2, t2i htn−1, tn−1i ||tn||
Full Screen
Didapat matriks orthogonal
T = [T1 | T2 | . . . | Tn] .
Close
Quit
Contoh
Diberikan matriks dengan kolom-kolom merupakan vektor-
Home Page
vektor yang bebas linier, yaitu
Title Page
1 1 1
A=0 1 1
0 0 1
JJ II
Misalkan X1, X2 dan X3 merupakan vektor-vektor kolom dari
A, maka
J I
1 1
t 1
t1 = X1 = 0 ⇒ T1 = =0
Page 114 of 132
||t1||
0 0
1 0 0
hX 2 , t1 i t 2
Go Back
t2 = 1 − t1 = 1 ⇒ T2 = =1
ht1, t1i ||t2||
0 0 0
Full Screen 1 0 0
hX ,
3 1 t i hX ,
3 2t i t 3
t3 = 1 − t1 − t2 = 0 ⇒ T3 = =0
ht1, t1i ht2, t2i ||t3||
1 1 1
Close
Jawab eksak dari persamaan ini tidak ada. Dalam hal ini,
selalu bisa didapat penyelesaian pendekatan x melalui peng-
Full Screen
gantian y dengan vektor y0 di ruang kolom dalam A yang
dekat dengan y dan sebagi penggantinya selesaikan persamaan
Close Ax = y0. Untuk khasus yang diberikan dalam persamaan (8)
ruang kolom dari A adalah span:
Quit 3
W = r r∈R .
1
3
Dengan demikian dipilih y0 = r sehingga panjang
1
Home Page
2 3
k y − y0 k= −r
Title Page
2 1
sekecil mungkin. Gambar berikut secara geometri menjelaskan
JJ II
pilihan dari vektor y0.
J I
µ ¶
2
y=
Page 116 of 132 2 µ ¶
3
1
*
Go Back
y0 = Projw (y)
Full Screen
Bukti
Home Page
Tulis y = y1 +y2 dengan y1 ∈ W dan y2 ∈ W ⊥. Jadi y1 = Projw (y).
Untuk sebarang w ∈ W jarak kuadrat k y − w k2 diberikan oleh
Title Page
k (y1 − w) + y2 k2 = < (y1 − w) + y2, (y1 − w) + y2 >
= < y1 − w, y1 − w > + < y2, y2 >
JJ II
= k y1 − w k2 + k y2 k2,
Jawab
Title Page Dengan menggunakan proses Gram-Schmidt, didapat basis or-
1 1
thonormal: √ (1, 2, −1)0, √ (−1, 1, 1)0. Sehingga proyeksi dari
6 3
JJ II 0
(1, 2, 3) pada W adalah:
1 1 −1
J I 1 1 1 1
Projw 2 = √ (1 + 4 − 3) √ 2 + √ (−1 + 2 + 3) √ 1
3 6 6 −1 3 3 1
Page 120 of 132
1 −1 −1
1 4
= 2 + 1 = 2 .
3 3
Go Back −1 1 1
Sehingga didapat vektor
Full Screen
1 −1 2
2 = 2 + 0 ∈ W ⊕ W ⊥,
Close
3 1 2
1 1 −1
Quit
elemen dari W dekat ke 2 adalah Projw 2 = 2 .
3 3 1
Misalkan dipunyai suatu supply dari 5000 unit S, 4000 unit T
dan 2000 unit U. Bahan digunakan dalam pabrik untuk mem-
produksi P dan Q. Bila setiap unit dari P menggunakan 2 unit
Home Page
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
Title Page
digunakan?
0 1
Close samaan secara pendekatan, dilakukan hal berikut: Cari vektor
didalam ruang
bagian
W yang merupakan bentuk kombinasi
2 3 5000
Quit
linier p 0 + q 4 yang dekat dengan vektor 4000
0 1 2000
Dengan melakukan proses Gram-Schmidt di vektor-vektor
Home Page pembangun yang merupakan basis dari W , didapat basis or-
thonormal:
1 0
1
w1 = 0 , w2 = √ 4 .
Title Page
0 17 1
JJ II
Sehingga diperoleh:
5000 1 0
J I 16000 2000 1
Projw 4000 = 5000 0 + ( √ + √ ) √ 4
2000 0 17 17 17 1
Page 122 of 132
1 0
18000
= 5000 0 + 4
17
Go Back 0 1
2 3
3 18000 18000
Full Screen
= (2500 − ( )( )) 0 + 4 .
2 17 17
0 1
Close 3 18000 18000
Terlihat bahwa p = 2500 − ( )( ) = 911.76 dan q = =
2 17 17
1058.82.
Quit
Pendekatan invers dari suatu matriks berukuran m × n
Untuk setiap matriks A berukuran m×n dengan elemen-elemen
riil, matriks A− berukuran n × n dinamakan pendekatan invers
(psedoinverse) yang memenuhi A−y merupakan penyelesaian
Home Page
pendekatan dari persamaan Ax = y. Kolom-kolom dari ma-
triks A− adalah penyelesaian pendekatan dari Ax = ei, dimana
ei, i = 1, . . . , m merupakan basis baku dari Rm.
Title Page
Contoh
JJ II 2 3 5000
Dapatkan matriks A− bila A = 0 4 dan hitung A− 4000 .
0 1 2000
J I
0 17 1
Go Back dapat
1 1 0 0 0 0
Full Screen
Projw 0 = 0 , Projw 1 = 16
17
, Projw 0 = 4 .
17
4 1
0 0 0 17 1 17
Close
Dan kolom-kolom matriks A− didapat sebagai berikut
2 3 1 1
Quit
0 4 x = 0 ⇒ x = 2
0
0 1 0
2 3 0 16
0 − 17
4 x = 17
16
⇒x= 4
4 17
Home Page 0 1
17
2 3 0 3
0 − 34
Title Page
4
4 x = 17 ⇒x= 1
1 17
0 1 17
Full Screen
diberikan oleh
5000 1 6 3
5000
p − − 911.76
Close
= A− 4000 = 2 417 134 4000 = .
q 0 17 17 1058.82
2000 2000
Quit Hasil yang didapat sama dengan hasil perhitungan sebelum-
nya.
Soal UAS GASAL 2006/2007
1. 1.Selidiki apakah matriks berikut bisa didiagonalkan atau
Home Page
tidak bisa didiagonalkan?
0 1 3
Title Page
0 1 2
1 −1 0
JJ II
Berikan alasan dari jawaban!
−1 1 λ
Go Back
Untuk λ = 1, didapat:
* 1 +
1 −1 −3
Full Screen
E1(R3) = Ker( 0 0 −2 ) = 1 .
−1 1 1 0
Close
Jawab
n * n +
Title Page X 2 X n
X
v i = vj , vk
i=1 j=1 k=1
JJ II
n X
X n n
X
= hvj , vk i = ||vj ||2.
J I j=1 k=1 j=1
Go Back
Jawab:
−1
1 1 2
1 1
2 1 a 1 2 3 1 2 3
Full Screen
= 3 ⇒ A− = 2 1
b 1 1 1 1 1 1
3 1 1 3 1
Close
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
Quit 1 1 1
Didapat a = −1 + 12 = − 12 dan b = 38 + 1 − 32 = 3.
4. Bila V adalah ruang vektor dari himpunan polinomial-
Home Page
polinomial dengan derajad kurang atau sama dengan 3
R1
dan ”hasil kali dalam” diberikan oleh hp, qi = p(x)q(x)dx.
−1
Title Page
Lakukan poses orthogonalisasi Gram-Schmidt terhadap
basis 1, x, x2, x3.
JJ II
Jawab
J I 1 1
p̄1(x) = 1 ⇒ p̄1(x) = √ p1(x) = √
< p1, p1 > 2
1 q
Page 127 of 132
p̄2(x) = x− < x, p̄1 > p̄1(x) ⇒ p̄2(x) = √ p̄2(x) = 32 x
< p̄2, p̄2 >
Go Back p̄3(x) = x2− < x2, p̄1 > p̄1(x)−q < x2
, p̄2 > p̄2(x) ⇒
1
p̄3(x) = √ p̄3(x) = 58 (3x2 − 1)
< p̄3, p̄3 >
Full Screen
Quit
Home Page
J I Jawab
Quit
Dengan general invers dapatkan parabola y = ax2 + bx + c yang
mendekati titik-titik (3, 0), (2, 0), (1, 2), (−1, 12). Jelaskan apakah
hasilnya pendekatan atau tidak!
Jawab :
Home Page
Untuk titik (3, 0), (2, 0), (1, 2), (−1, 12) didapat empat persamaan :
9a + 3b + c = 0, 4a + 2a + c = 0, a + b + c = 2, a − b + c = 12
Title Page
440
1720 620 266 15 5 4 0 0 1
Go Back
7 13 5
− −
88 88 44
Full Screen
35 −65 −50
1 13 171 3
= −65 171 30
=− −
440 88 440 44
Close
−50 30 260
5 3 13
−
Quit 44 44 22
Jawaban UAS Aljabar linear semester gasal 2007/2008
1.) Diberikan matriks :
1 −1
A= .
Home Page 1 1
Diagonalkan matriks A dengan menggunakan basis orthonor-
Title Page
mal dari eigenvector-eigenvector matriks A.
Jawab :
JJ II Eigenvalue dan eigenvector dari A diberikan oleh : |A − λI| =
λ2 − 2λ + 2 = 0, didapat λ1 = 1 − i, λ2 = 1 + i. Nullspace(A − λ1I) =
{< (1, i) >} dan Nullspace(A − λ2I) = {< (1, −i) >}. Terlihat bahwa
J I
eigenvector-eigenvector yang bersesuaian dengan λ1 = 1 − i dan
λ2 = 1 + i, masing-masing diberikan oleh :
Page 131 of 132
1 1
v1 = dan v2 = .
i −i
Go Back
Title Page
JJ II
J I
Go Back
Full Screen
Close
Quit