Home Page

Catatan Kuliah Aljabar Linier

Subiono
Title Page
subiono2003@telkom.net
24 Agustus 2009
JJ II

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

• Perubahan dari Basis.

Go Back
• Rank, Determinan dan Invers.
• Bentuk Echelon dari suatu Matriks.
Full Screen
• Eigenvektor dan Eigenvalue.
• Orthogonalitas (Proses Orthogonalitas Gram-Schmidt).
Close
• General Invers.

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

• Ada 0 ∈ K sehingga a + 0 = 0 + a (elemen netral).

Page 3 of 132 • Ada suatu −a ∈ K sehingga a + (−a) = −a + a = 0 (invers).
• (a.b) ∈ K (tertutup).
Go Back
• a.b = ba (komutatif ).
• (a.b).c = a.(b.c) (assosiatif ).
Full Screen
• Ada 1 ∈ K sehingga a.1 = 1.a = a (elemen identitas).

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

1. Himpunan bilangan rasional Q, himpunan bilangan riil R

dan himpunan bilangan kompleks C.
Title Page

2. Himpunan bilangan bulat modulo p dinotasikan oleh Zp,

dengan p bilangan prima.
JJ II
Contoh 1. adalah lapangan takhingga sedangkan Contoh 2.
lapangan hingga. Dalam Contoh 2., bila p bukan bilangan
J I
prima, maka Zp bukan lapangan.

Page 4 of 132 Ruang Vektor

Suatu himpunan V dengan dua operasi tambah dan kali
Go Back
dikatakan suatu ruang vektor atas lapangan K bila memenuhi:
1. Bila u, v, w ∈ V , maka u + v ∈ V dan
Full Screen • u+v =v+u
• (u + v) + w = u + (v + w)
Close • Ada 0 ∈ V sehingga v + 0 = 0 + v, ∀v ∈ V
• Untuk setiap v ∈ V ada w ∈ V sehingga v + w = w + v = 0
Quit
 2. Bila a, b ∈ K dan u, v ∈ V , maka av ∈ V dan
Home Page
• (a + b)v = av + bv
• a(u + v) = av + au
Title Page
• (ab)v = a(bv)
• 1v = v
JJ II
Contoh

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

2. Himpunan Rn juga ruang vektor atas R dengan definisi ope-

rasi tambah dan kali diberikan seperti di Contoh 1. Pe-
Close
nambahan dalam Contoh 1. dinamakan penambahan secara
komponen yang bersesuaian.
Quit
 Home Page
Lanjutan Contoh............

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

am1 . . . amn αam1 . . . αamn

Close

Maka Mm,n(R) adalah suatu ruang vektor atas lapangan R.

Quit
 Lanjutan Contoh............

4. Misalkan F adalah suatu lapangan dan himpunan semua

def
Home Page
fungsi, yaitu V = {f : F → F} dimana (f + g)(x) = f (x) +
def
g(x), ∀x ∈ F dan (αf )(x) = αf (x), dimana α ∈ F. Maka V
Title Page adalah ruang vektor F .
5. Misalkan F adalah suatu lapangan dan himpunan semua
JJ II polinomial berderajad kurang atau sama dengan n yaitu
def
Pn(F) = {p(x) = a0 + a1x + . . . + anxn | ai ∈ F} dimana (p + q)(x) =
def
J I p(x) + q(x), ∀x ∈ F dan (αp)(x) = αp(x), dimana α ∈ F. Maka
Pn(F) adalah ruang vektor atas F.
Page 7 of 132 6. Himpunan l∞ = {a = (a1, a2, . . .) | an ∈ R, sup(|an|) < ∞} dimana
def def
a + b = (a1 + b1, a2 + b2, . . .) dan αa = (αa1, αa2, . . .), α ∈ R. Maka
Go Back
l∞ adalah ruang vektor atas lapangan R.
7. Himpunan fungsi terdifferensial tak berhingga pada inter-
Full Screen
val [a, b], yaitu C ∞[a, b], dimana definisi penambahan fungsi
dan perkalian skalar dengan fungsi seperti dalam Contoh 4.
merupakan ruang vektor atas lapangan riil R.
Close 2
8. Himpunan fungsi-fungsi V = {f : R → R | ddxf2 + f = 0} di-
mana definisi penambahan fungsi dan perkalian skalar de-
Quit
ngan fungsi seperti dalam Contoh 4. merupakan ruang vek-
tor atas lapangan riil R.
 Berikut ini diberikan beberapa sifat dari suatu ruang vektor V
atas lapangan K. Misalkan V adalah suatu ruang vektor atas
Home Page
lapangan K, maka
(1). 0v = 0, 0 adalah elemen netral di K dan v ∈ V .
Title Page

(2). (−1v) + v = 0, dimana −1 ∈ K.

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.

Full Screen Ruang Bagian

Misalkan V suatu ruang vektor atas lapangan K. Himpunan

Close
S ⊂ V (S 6= ∅) dikatakan suatu ruang bagian bila S sendiri
dengan operasi tambah dan kali seperti di V tetap merupakan
Quit
ruang vektor atas K.
 Home Page

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

3. Himpunan P3(R) adalah ruang bagian dari ruang vektor

Pn(R) atas lapangan R dengan n ≥ 3.
Full Screen
n o
4. Himpunan S = (an) ∈ l∞ | lim an = x, x ∈ R adalah ruang
n→∞
Close bagian dari ruang vektor l∞ atas lapangan R.

Quit
 Berikut ini diberikan suatu sifat (pernyataan) yang ekivalen
dengan pernyataan dari suatu ruang bagian.
Home Page

Himpunan S adalah suatu ruang bagian dari suatu ruang

vektor V atas lapangan K bila dan hanya bila x1s1 + x2s2 ∈ S
Title Page
untuk setiap x1, x2 ∈ K dan s1, s2 ∈ S.

JJ II Bukti Misalkan S ruang bagian dan x1, x2 ∈ K juga s1, s2 ∈ S,

maka x1s1 ∈ S dan x2s2 ∈ S. Oleh karena itu, x1s1 + x2s2
J I
juga di S. Sebaliknya, misalkan x1s1 + x2s2 ∈ S untuk setiap
x1, x2 ∈ K dan s1, s2 ∈ S. Akan ditunjukkan bahwa S adalah
ruang vektor atas K. Sifat 2. dari ruang vektor otoma-
Page 10 of 132
tis diwarisi dari V , begitu juga sifat komutatif, assosiatif
di sifat 1., diwarisi dari V . Untuk x1 = x2 = 1, didapat
Go Back 1s1 + 1s2 = s1 + s2 ∈ S (tertutup). Untuk x1 = x2 = 0 didapat
0s1 + 0s2 = 0(s1 + s2) = 0 ∈ S. Oleh karena itu, untuk x1 = x2 = 1
dan setiap s ∈ S, didapat 1s + 10 = s + 0 = s = 0 + s = 10 + 1s ∈ S.
Full Screen
Selanjutnya untuk x1 = 1, x2 = −1 dan setiap s ∈ S didapat
1s + (−1)s = (1 + (−1))s = 0s = 0 (s punya invers yaitu −s).
Close

Catatan Pernyataan x1s1 + x2s2 ∈ S untuk setiap x1, x2 ∈ K dan

s1, s2 ∈ S, dapat diganti oleh x1s1 + x2s2 + . . . + xnsn ∈ S untuk
Quit
setiap x1, x2, . . . , xn ∈ K dan s1, s2, . . . , sn ∈ S.
 Contoh penggunaan sifat ruang bagian
Home Page
1. Himpunan    
 x  
Title Page B =  y  x + y + z = 0
 
z 
JJ II adalah ruang bagian dari ruang vektor R3 atas R. Sebab,
untuk setiap v1, v2 ∈ B, maka
       
J I x1 −y1 − z1 −1 −1
v 1 =  y1  =  y1  = y1  1  + z1  0  ,
Page 11 of 132
z1 z1 0 1
       
x2 −y2 − z2 −1 −1
Go Back v 2 =  y2  =  y2  = y2  1  + z2  0  .
z2 z2 0 1
Full Screen Sehingga untuk a, b ∈ R, didapat:
   
−1 −1
Close
av1 + bv2 = (ay1 + by2)  1  + (az1 + bz2)  0  ∈ B.
0 1
Quit
 2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
Home Page V = {f
 : R → R}2 dan D ⊂V , dimana
df
D = f ∈ V  2 + f = 0 , maka D adalah ruang bagian dari
dx
Title Page
ruang vektor V atas R. Sebab, misalkan f, g ∈ D dan a, b ∈ R,
maka
JJ II
d2(af + bg) d2 f d2g
+ (af + bg) = a 2 + af + b 2 + bg
dx2 dx dx
2
J I df d2g
= a( 2 + f ) + b( 2 + g) = a0 + b0 = 0.
dx dx
Page 12 of 132
Jadi af + bg ∈ D.
3. Himpunan P3(R) adalah ruang bagian dari ruang vektor
Go Back
Pn(R) atas lapangan R dengan n ≥ 3. Sebab, misalkan
p(x), q(x) ∈ P3(R) dan a, b ∈ R, maka

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.

Jadi ap(x) + bq(x) ∈ P3(R).

Quit
 Himpunan Pembentang, Bebas linier dan Basis
Home Page
Misalkan V suatu ruang vektor atas K dan S ⊂ V . Himpunan
pembentang dari S adalah himpunan:
Title Page
def
< S > = {x1s1 + . . . + xnsn | x1, . . . , xn ∈ K, s1, . . . , sn ∈ S}.

JJ II Penulisan x1s1 + . . . + xnsn juga dinamakan kombinasi linier dari

vektor-vektor s1, . . . , sn. Berikutini diberikan sifat dari suatu
< S > sebgaimana berikut.
J I

Bila V merupakan suatu ruang vektor atas K dan S ⊂ V , maka

Page 13 of 132
< S > adalah suatu ruang bagian dari V .

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

maka hSi = hS ∪ {v}i bila dan hanya bila

JJ II
v ∈ hSi

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

Didapat v3 = 2v1 + 3v2, jadi v3 ∈ h{v1, v2}i. Maka dari itu,

JJ II
h{v1, v2}i = h{v1, v2, v3}i.

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

Misalkan Vektor-vektor s1, . . . , sn ∈ S ⊂ V , dengan V suatu

JJ II ruang vektor atas K, vektor-vektor si, i = 1, 2 . . . , n bebas linier
bila dan hanya bila x1s1 + . . . + xnsn = 0, xi ∈ K dipenuhi hanya
J I
untuk x1 = . . . = xn = 0.

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

Quit 4. Dilanjutkan halaman berikutnya!

 Lanjutan Contoh

0
0
4. Dua vektor v1 = 40 15 , v2 = −50 25 ∈ R2 sebab x1v1 +
x2v2 = 0 dipenuhi hanya untuk x1 = x2 = 0, hal ini bisa dicek
Home Page
sbb:
 
40x1 − 50x2 = 0 15 40x1 − 50x2 = 0
− B1 + B2 175
Title Page
15x1 + 25x2 = 0 40 4 x2 = 0

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

Himpunan penyelesaiannya adalah:

      
 x1 −1 −3  
Close

  


        

  x2   −1   −3/2   
     
 x3  = x3  1  + x5  0   x3, x5 ∈ R
Quit

       


  x 4   0   0   


 x  

5 0 1 
 Lanjutan Contoh 5.
Himpunan penyelesaiannya adalah:
      
 x1 −1 −3  

  


        

Home Page   x2   −1   −3/2   
     
 x3  = x3  1  + x5  0   x3, x5 ∈ R

       


  x 4   0   0   

Title Page 
 x  

5 0 1 

JJ II Hal ini menunjukkan bahwa semua vektor di S saling bergan-

tungan linier. Untuk x3 = 0, x5 = 1, didapat bahwa vektor yang
ke-5 dalam S merupakan kombinasi linier dari dua vektor yang
J I
pertama. Gunakan sifat yang telah dipunyai untuk menghapus
vektor yang ke-5 sehingga didapat:
Page 22 of 132        
 1 0 1 0 
S1 =  0  ,  2  ,  2  ,  −1  ,
 
Go Back
0 0 0 1
dalam hal ini < S >=< S1 >. Juga terlihat bahwa vektor yang
Full Screen
ke-3 dalam S1 merupakan kombinasi linier dari dua vektor yang
pertama, sehingga vektor ke-3 ini bisa dihapus dan didapat:
Close      
 1 0 0 
S2 =  0  ,  2  ,  −1  .
 
Quit
0 0 1
Juga, dalam hal ini < S1 >=< S2 >. Jadi < S >=< S2 >.
 6. Misalkan tiga vektor v1 = (1, 1, 0)0, v2 = (5, 1, −3)0 dan v3 =
(2, 7, 4)0 di R3, maka
Home Page
h{v1, v2, v3}i = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}
= {x1(1, 1, 0)0 + x2(5, 1, −3)0 + x3(2, 7, 4)0 | x1, x2, x3 ∈ R}
Title Page = {(x1 + 5x2 + 2x3, x1 + x2 + 7x3, −3x2 + 4x3)0|x1, x2, x3 ∈ R}.

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

Terlihat bahwa, untuk setiap (x, y, z)0 ∈ R3 selalu bisa diper-

Quit
oleh x1, x2, x3 ∈ R sehingga h{v1, v2, v3}i = x1v1 + x2v2 + x3v3.
Jadi h{v1, v2, v3}i = R3.
 Basis dan Dimensi
Misalkan B = {b1, b2, . . .} ⊂ V dimana V adalah ruang vektor
atas K. Bila h{b1, b2, . . .}i = V dan vektor-vektor b1, b2, . . . bebas
Home Page
linier maka B dikatakan suatu basis dari V . Banyaknya anggota
dari B dinamakan dimensi dari ruang vektor V .
Contoh:
Title Page

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

Berikut ini, diberikan suatu sifat untuk ruang vektor Rn atas

J I R, yaitu misalkan vi ∈ Rn, i = 1, 2, . . . , m. Bila m > n, maka
vektor-vektor vi, i = 1, 2, . . . , m bergantungan linier.
Page 25 of 132

Bukti Untuk setiap j = 1, 2, . . . , m, tulis vektor vj =

(a1j , a2j , . . . , anj )0, sehingga persamaan x1v1 + . . . + xmvm = 0 dalam
Go Back
bentuk matriks adalah:
    
a11 . . . a1m x1 0
Full Screen
 ... ...   ...  =  ...  .
an1 . . . anm xm 0
Close

Terlihat bahwa, persamaan homogin terdiri dari n persamaan

dengan variabel yang takdiketahui sebanyak m. Karena m >
Quit n, maka persamaan mempunyai suatu solusi yang nontrivial,
yaitu ada beberapa xk , k = 1, 2, . . . , m yang tidak semuanya sama
dengan nol. Jadi vj , j = 1, 2, . . . , m bergantungan linier.
 Contoh
Dalam ruang vektor R2 atas R, Misalkan
v1 = (a11, a21)0, v2 = (a12, a22)0 ∈ R2. Bila
Home Page
vektor-vektor v1, v2, bebas linier, maka per-
Title Page
samaan: x1v1 + x2v2 = 0 atau dalam bentuk
matriks: Ax = 0 dengan
     
JJ II
a11 a12 x1 0
A= , x= dan 0 =
a21 a22 x2 0
J I

mempunyai jawab trivial hanya bila det(A) 6=

Page 26 of 132 0. Secara geometris, hal ini menyatakan
bahwa luas daerah jajaran genjang yang
Go Back dibentuk oleh dua vektor v1 dan v2 sama
dengan | det(A)|. Sebaliknya bila det(A) =
Full Screen
0, maka luas daerah ini sama dengan 0.
Hal ini menunjukkan bahwa dua vektor v1
dan v2 terletak pada satu garis yang sama
Close
atau dengan kata lain dua vektor v1 dan
v2 bergantungan linier. Jadi {v1, v2} adalah
suatu basis dari R2 dengan dimensi 2 (me-
Quit

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,

dimana aij ∈ K, i = 1, 2, . . . , n dan j = 1, 2, . . . , m. Untuk

J I
x1, . . . , xm ∈ K dan diketahui bahwa {v1, . . . , vn} bebas linier,
didapat:
Page 27 of 132

0 = x1 u1 + . . . + xm um
= x1(a11v1 + . . . + an1vn) + . . . + xm(a1mv1 + . . . + anmvn)
Go Back
= (a11x1 + . . . + a1mxm)v1 + . . . + (an1x1 + . . . + anmxm)vn

Full Screen dan haruslah a11x1 + . . . + a1mxm = 0, . . . , an1x1 + . . . + anmxm = 0

atau dengan notasi matriks:
    
Close a11 . . . a1m x1 0
 ... ...   ...  =  ...  .

Quit
an1 . . . anm xm 0

Persamaan homogin diatas mempunyai jawab non-trivial (se-

bab m > n). Jadi vektor-vektor u1, . . . , um bergantungan linier.
 Kesimpulan Misalkan V suatu ruang vektor atas K dengan
dimensi hingga. Maka setiap dua basis yang berbeda dari V
harus mempunyai banyak elemen yang sama.
Home Page

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

2. Persamaan homogin Ax = 0, diberikan oleh :

 
J I   x  
1
1 3 −5 1 5   0
   x2   
 1 4 −7 3 −2    0
   x3  =   .
Page 28 of 132
 1 5 −9 5 −9    0
 x4 
0 3 −6 2 −1 0
x5
Go Back

Himpunan penyelesaiannya adalah:

     
Full Screen
 1 1  

  


  −2   3  

     
   
Close h{v1, v2}i = x = x1  −1  + x2  0  x1, x2 ∈ R

     


  0   −5  


  

Quit
0 −1 

merupakan suatu ruang vektor atas R dengan dimensi dua.

 Misalkan V suatu ruang vektor atas K
Home Page berdimensi hingga. Maka setiap himpunan
hingga S ⊂ V yang terdiri dari vektor-
Title Page
vektor bebas linier di V tetapi S bukan
merupakan suatu basis dari V dapat diper-
luas sampai merupakan suatu basis dari V .
JJ II
Bukti. Misalkan S = {v1, . . . , vm} den-
gan vi, i = 1, . . . , m adalah vektor-vektor
J I
yang bebas linier. Karena hSi 6= V ,
maka pilih vektor vm+1 ∈ V sehingga vm+1
Page 29 of 132
bukan kombinasi linier dari vektor-vektor
vj , j = 1, 2, . . . , m. Selanjutnya namakan
Go Back T = {v1, . . . , vm, vm+1}, bila hT i = V , maka
T adalah basis dan sudah tidak bisa lagi
Full Screen
diperluas menjadi vektor-vektor yang be-
bas linier. Bila hT i = 6 V , lakukan lagi
Close
cara perluasan seperti sebelumnya sehingga
diperoleh himpunan vektor-vektor yang be-
Quit
bas linier di U yang memenuhi hU i = V .
 Home Page Kesimpulan. Misalkan V ruang vektor atas
K berdimensi n, maka setiap himpunan
Title Page
dari n vektor yang bebas linier adalah su-
JJ II
atu basis dari V .
Contoh
Misalkan S = {(1, 1, 1)0, (0, −1, 0)0} ⊂ R3, jelas
J I

bahwa vektor-vektor di S bebas linier dan

Page 30 of 132
hSi = {x(1, 1, 1)0 +y(0, −1, 0)0 = (x, x−y, x)0 |x, y ∈
R}, jelas bahwa bila (x1, x2, x3)0 ∈ hSi, maka
Go Back
x3 = x1. Oleh karena itu (x, y, z)0 ∈ / hSi bila
x 6= z. Pilih vektor (1, 0, 0) sehingga dida-
pat T = {(1, 1, 1)0, (0, −1, 0)0, (1, 0, 0)0} dimana
Full Screen

vektor-vektor di T bebas linier, maka dari

itu T merupakan suatu basis dari R3.
Close

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 }.

Bukti. Misalkan {z1, . . . , zr } suatu basis dari U ∩ V perluas basis

JJ II
ini masing-masing menjadi {z1, . . . , zr , u1, . . . , um} adalah suatu
basis dari U dan {z1, . . . , zr , v1, . . . , vn} suatu basis dari V . Ter-
J I lihat bahwa, dim(U ∩ V ) = r, dim(U ) = r + m dan dim(V ) = r + n.
Selanjutnya, ditunjukkan bahwa {z1, . . . , zr , u1, . . . , um, v1, . . . , vn}
adalah suatu basis dari U + V . Sehingga, dalam hal ini didapat
Page 31 of 132
dim(U + V ) = r + m + n = (r + m) + (r + n) − r = dim(U ) + dim(V ) −
dim(U ∩ V ). Misalkan sebarang w ∈ U + V , maka w = u + v untuk
Go Back
beberapa u ∈ U dan beberapa v ∈ V . Dengan kenyataan bahwa
u = a1z1 + . . . + ar zr + b1u1 + . . . + bmum untuk beberapa skalar ai, bj
Full Screen
dan v = c1z1 + . . . + cr zr + d1v1 + . . . + dmvn untuk beberapa skalar
ck , dl , didapat:
Close w = u+v = (a1+c1)z1+. . .+(ar +cr )zr +b1u1+. . .+bmum+d1v1+. . .+dmvn
terlihat bahwa w ∈ h{z1, . . . , zr , u1, . . . , um, v1, . . . , vn}i. Maka dari
Quit itu didapat h{z1, . . . , zr , u1, . . . , um, v1, . . . , vn}i = U + V .
 Home Page

Lanjutan Bukti......
Diberikan
Title Page

x1z1 + . . . + xr zr + xr+1u1 + . . . + xr+mum + xr+m+1v1 + . . . + xr+m+nvn = 0

JJ II untuk beberapa skalar xj . Tulis w = x1z1 +. . .+xr zr +xr+1u1 +. . .+
xr+mum, didapat w = −xr+m+1v1 + . . . − xr+m+nvn. Terlihat bahwa
w ∈ U dan w ∈ V , jadi w ∈ U ∩ V . Tetapi {z1, . . . , zr } adalah
J I
suatu basis dari U ∩ V , jadi w = b1z1 + . . . + br zr untuk beberapa
skalar bi. Sehingga didapat b1z1 + . . . + br zr = −xr+m+1v1 + . . . −
Page 32 of 132
xr+m+nvn atau b1z1 + . . . + br zr + xr+m+1v1 + . . . + xr+m+nvn = 0.
Tetapi {z1, . . . , zr , v1, . . . , vn} adalah suatu basis dari V , maka
dari itu haruslah b1 = . . . = br = xr+m+1 = . . . = xr+m+n = 0,
Go Back sehingga persamaan x1z1 + . . . + xr zr + xr+1u1 + . . . + xr+mum +
xr+m+1v1 + . . . + xr+m+nvn = 0 menjadi x1z1 + . . . + xr zr + xr+1u1 +
. . . + xr+mum = 0. Tetapi {z1, . . . , zr , u1, . . . , um} juga adalah suatu
Full Screen
basis dari U . Jadi haruslah x1 = . . . = xr = xr+1 = . . . = xr+m = 0.
Sehingga didapat xk = 0, k = 1, 2, . . . , r+m+n. Jadi vektor-vektor
Close
z1, . . . , zr , u1, . . . , um, v1, . . . , vn bebas linier.

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

Jadi dim(V ) = 3. Perhatikan bahwa e4 = (0, 0, 0, 1)0 =

JJ II (−3, 7, 2, 1)0 +3(1, 0, 0, 0)0 −7(0, 1, 0, 0)0 −2(0, 0, 0, 1)0 = u2 +3e1 −7e2 −2e3.
Jadi e4 ∈ U +V . Karena e1, e2, e3 juga di U +V , maka {e1, e2, e3, e4}
adalah suatu basis dari U + V . Jadi dim(U + V ) = 4. Sehingga
J I
didapat: dim(U ∩ V ) = dim(U ) + dim(V ) − dim(U + V ) = 2 + 3 − 4 = 1.
Bisa dicek secara langsung bahwa vektor-vektor di U ∩V adalah
Page 33 of 132 vektor-vektor di U dengan komponen ke-empat sama dengan
nol, yaitu vektor b1u1 + b2u2 = (b1 − 3b2, b1 + 7b2, 2b2, b2)0 dimana
Go Back
b2 = 0. Jadi U ∩ V = h{u1}i. Terlihat bahwa dim(U ∩ V ) = 1.

Catatan. Bila U, V ruang bagian berdimensi hingga masing-

Full Screen masing dengan basis {u1, . . . , um} dan {v1, . . . , vn}. Misalkan
W = U + V dan sebarang w ∈ W . Didapat w = u + v =
a1u1 +. . .+amum +b1v1 +. . .+bnvn atau W = h{u1, . . . , um, v1, . . . , vn}i.
Close
Selanjutnya reduksi vektor-vektor u1, . . . , um, v1, . . . , vn menjadi
vektor-vektor yang bebas linier (sampai minimal) dan himpun
Quit
kedalam himpunan S, sehingga didapat W = h{S}i. Jadi di-
mensi dari W sama dengan banyaknya vektor-vektor di S.
 Bila U dan V adalah ruang bagian berdimensi hingga dengan
U ∩ V = {0}, maka U + V dinamakan jumlahan langsung dari
U dan V .

Home Page Contoh. Himpunan U = {(x1, x2, 0)0 | x1, x2 ∈ R} dan

V = {(0, 0, x3)0 |x3 ∈ R} adalah ruang bagian dari ruang vektor R3
Title Page
atas R dimana U ∩V = {0}. Jadi U +V adalah jumlahan langsung
dari U dan V , U +V = {(x1, x2, 0)0 +(0, 0, x3)0 = (x1, x2, x3)0 |x1, x2, x3 ∈
R} = {x1(1, 0, 0)0 + x2(0, 1, 0)0 + x3(0, 0, 1)0 | x1, x2, x3 ∈ R} = R3,
JJ II
terlihat bahwa dim(U + V ) = 3. Perhatikan bahwa
U = {(x1, x2, 0)0 | x1, x2 ∈ R} = {x1(1, 0, 0)0 + x2(0, 1, 0)0 | x1, x2 ∈
J I R} = h{(1, 0, 0)0, (0, 1, 0)0}i, terlihat bahwa dim(U ) = 2. Begitu
juga, V = {(0, 0, x3)0 | x3 ∈ R} = {x3(0, 0, 1)0 | x3 ∈ R} = h{(0, 0, 1)0}i
Page 34 of 132
dan dim(V ) = 1. Makna U + V merupakan jumlahan lang-
sung dari U dan V tampak dari dimensi, yaitu dim(U + V ) =
dim(U ) + dim(V ) − dim(U ∩ V ) = 2 + 1 − 0 = 3 = dim(U ) + dim(V ). Hal
Go Back
ini juga bisa dilihat dari pengertian basis yaitu, himpunan
{(1, 0, 0)0, (0, 1, 0)0} adalah suatu basis dari U dan himpunan
Full Screen {(0, 0, 1)0} adalah suatu basis dari V sedangkan himpunan
{(1, 0, 0)0, (0, 1, 0)0, (0, 0, 1)0} sudah bebas linier (tidak bisa lagi
Close
direduksi menjandi himpunan yang lebih kecil lagi sehingga
bebas linier). Jadi, dari sini juga langsung didapat bahwa
dim(U + V ) = dim(U ) + dim(V ).
Quit

Kesimpulan. Dimensi dari suatu ruang jumlahan langsung

sama dengan jumlah dari masing-masing dimensi ruang.
 Berikut ini diberikan suatu sifat yang lain
Home Page dari ruang jumlahan langsung. Setiap w ∈
W = U + V dengan U ∩ V = {0} mempunyai
Title Page
penulisan tunggal w = u + v, u ∈ U, v ∈ V .
JJ II
Bukti. Misalkan w = u + v = ū + v̄, maka
J I u − ū = v − v̄. Tetapi u − ū ∈ U , v − v̄ ∈ V
dan U ∩ V = {0}. Maka haruslah u − ū = 0
Page 35 of 132
dan v − v̄ = 0 atau u = ū dan v = v̄.
Go Back Koordinat. Misalkan {v1, . . . , vn} adalah su-
atu basis dari suatu ruang vektor atas K.
Full Screen Jadi setiap v ∈ V dapat ditulis secara tung-
gal oleh v = x1v1 + . . . + xnvn untuk beberapa
Close
skalar x1, . . . , xn ∈ K. Dalam hal ini skalar-
skalar x1, . . . , xn dinamakan koordinat dari
Quit
vektor v terhadap basis {v1, . . . , vn}.
 Contoh.
Misalkan V = R3 dengan basis baku {e1 = (1, 0, 0)0, e2 =
(0, 1, 0)0, e3 = (0, 0, 1)0} dan misalkan sebarang v = (x, y, z)0 ∈ V ,
Home Page maka v = xe1 + ye2 + ze3. Jadi koordinat dari v terhadap basis
{e1, e2, e3} adalah x, y dan z. Tetapi untuk basis yang lain
Title Page
dari V , misalkan {v1 = (0, 1, 1)0, v2 = (1, 0, 1)0, v3 = (1, 1, 0)0}, maka
v = ( −x+y+z 2 )v1 + ( x−y+z x+y−z
2 )v2 + ( 2 )v3 . Koordinat dari vektor
v terhadap basis {v1, v2, v3} adalah −x+y+z 2 , x−y+z
2 dan x+y−z
2 .
JJ II
Terlihat bahwa vektor v terhadap dua basis yang berbeda dari
ruang vektor V mempunyai dua koordinat yang berbeda pula.
J I
Basis terurut.
Adalah perlu dijamin bahwa suatu vektor dikaitkan dengan
Page 36 of 132 suatu vektor basis yang sesuai, cara baku untuk melakukan
hal ini adalah menggunakan penyajian terurut untuk koordi-
nat dan vektor basis. Bila urutan dari vektor-vektor dalam
Go Back
suatu basis dipersoalkan dalam hal ini dinamakan basis teru-
rut dan basis ini ditulis sebagai suatu barisan. Bila urutan
Full Screen
dari vektor basis takdipersoalkan, basis tersebut ditulis seba-
gai suatu himpunan, dalam hal ini penekanan mengenai diskusi
dari suatu vektor basis, urutan tidak bergantung pada urutan.
Close Tetapi, bila koordinat dari suatu vektor disajikan sebagai baris
atau kolom dalam suatu matriks, maka secara esensi penyajian
bergantung pada urutan vektor-vektor basis. Begitu juga, bila
Quit
suatu pemetaan linier disajikan sebagai suatu matriks, maka
sangatlah penting menggunakan vektor basis terurut.
 Pemetaan Linier pada Ruang Vektor
Misalkan U dan V adalah ruang vektor atas K, suatu pemetaan
α : U → V adalah suatu pemetaan linier atau transformasi lin-
Home Page
ier bila dan hanya bila memenuhi α(k1u1 +k2u2) = k1α(u1)+k2α(u2)
untuk semua k1, k2 ∈ K dan u1, u2 ∈ U .
Title Page

Sifat. Bila α : U → V suatu pemetaan linier, maka α(0) = 0.

JJ II
Bukti α(0) = α(0 + 0) = α(0) + α(0), didapat α(0) − α(0) = α(0),
jadi 0 = α(0).
J I

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

Contoh. Dalam Contoh 1. sebelumnya Im(α) = {α((x, y, z)0) =

(2x − y, y + z)0 | x, y, z ∈ R}, sedangkan ker(α) = {(x, y, z)0 | 2x − y =
JJ II
0, y + z = 0, x, y, z ∈ R} = {y( 12 , 1, −1)0 | y ∈ R}.

J I Beberapa sifat Misalkan U dan V adalah ruang vektor atas K

dan α : U → V suatu pemetaan linier, maka
Page 38 of 132
1. Im(α) adalah ruang bagian dari V .
2. Ker(α) adalah ruang bagian dari U .
Go Back
3. Pemetaan α satu-satu bila dan hanya bila ker(α) = {0}.
Bukti
Full Screen

1. Jelas bahwa Im(α) ⊆ V . Misalkan sebarang v1, v2 ∈ Im(α)

dan sebarang k1, k2 ∈ K. Untuk beberapa u1, u2 ∈ U , maka
Close
kombinasi linier berikut dipenuhi k1v1 + k2v2 = k1α(u1) +
k2α(u2) = α(k1u1) + α(k2u2) = α(k1u1 + k2u2) ∈ Im(α). Jadi
Quit
Im(α) adalah ruang bagian dari V .
 Lanjutan Bukti........
2. Jelas bahwa ker(α) ⊆ U . Misalkan se-
barang u1, u2 ∈ ker(α) dan sebarang k1, k2 ∈
Home Page
K, maka α(k1u1 +k2u2) = k1α(u1)+k2α(u2) =
k10 + k20 = 0. Terlihat bahwa k1u1 + k2u2 ∈
Title Page

ker(α). Jadi ker(α) adalah ruang bagian

JJ II dari U .
3. Misalkan pemetaan α satu-satu dan se-
J I
barang u ∈ ker(α), maka α(0) + α(u) =
Page 39 of 132
α(0 + u) = α(u) = 0. Sehingga didapat
α(u) = −α(0) = α(−0) = α(0). Karena
Go Back pemetaan α satu-satu haruslah u = 0.
Jadi {0} = ker(α). Selanjutnya misalkan
Full Screen
ker(α) = {0} dan u1, u2 ∈ U , maka untuk
α(u1) = α(u2) didapat, 0 = α(u1) − α(u2) =
α(u1 − u2). Terlihat bahwa u1 − u2 ∈ ker(α).
Close

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).

JJ II Contoh. Misalkan pemetaan linier α : R3 → R2 dengan

α((x, y, z)0) = (x + z, 2x − y + z)0 untuk setiap (x, y, z)0 ∈ R3. Kernel
J I
dari α adalah penyelesaian dari persamaan vektor α((x, y, z)0) =
(x + z, 2x − y + z)0 = (0, 0)0 atau penyelesaian persamaan homogin
 
Page 43 of 132   x  
1 0 1   0
y =
2 −1 1 0
z
Go Back

yang mempunyai penyelesaian x = x, y = x, z = −x, x ∈ R. Jadi

Full Screen
ker(α) = {x(1, 1, −1)0 | x ∈ R} = h{(1, 1, −1)0}i. Terlihat bahwa
nullity(α) = 1. Sedangkan Im(α) = {(x + z, 2x − y + z)0 | x, y, z ∈
R} = {x(1, 2)0 −y(0, 1)0 +z(1, 1)0 |x, y, z ∈ R} = h{(1, 2)0, (0, 1)0, (1, 1)0}i =
Close h{(1, 2)0 = (0, 1)0 + (1, 1)0, (0, 1)0, (1, 1)0}i = h{(0, 1)0, (1, 1)0}i. Terlihat
bahwa rank(α) = 2. Sehingga didapat dim(R3) = nullity(α) +
rank(α) = 1 + 2 = 3.
Quit
 Misalkan α : U → V suatu pemetaan linier dari ruang vektor
Home Page U ke ruang vektor V masing-masing atas K. Bila pemetaan
α satu-satu dan pada yaitu pemetaan α mempunyai invers,
maka α dinamakan suatu isomorpisma dari U ke V . Dalam
Title Page
hal ini, U dan V dikatakan isomorpik dan dinotasikan oleh
U ∼
= V . Perhatikan bahwa, karena α pemetaan satu-satu dan
JJ II
pada, maka Im(α) = V dan ker(α) = {0}.

J I Misalkan U dan V ruang vektor berdimensi hingga atas

K masing-masing dengan basis {u1, . . . , um} dan {v1, . . . , vn}.
Maka U dan V isomorpik bila dan hanya bila dim(U ) = dim(V )
Page 44 of 132
(m = n). Lagipula, ada suatu isomorpisma tunggal α : U → V
yang memenuhi α(ui) = vi, i = 1, . . . , n.
Go Back

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.

Quit Misalkan U dan V ruang vektor atas K, himpunan L(U, V, K)

menyatakan himpunan semua pemetaan linier dari U ke V .
 Misalkan α, β ∈ L(U, V, K) pemetaan α + β
def
didefinisikan sebagai (α+β)(u) = α(u)+β(u)
Home Page
untuk semua u ∈ U dan pemetaan kα
def
didefinisikan sebagai (kα)(u) = kα(u) untuk
Title Page
semua u ∈ U . Maka L(U, V, K) adalah ruang
JJ II
vektor atas K.

J I Misalkan α, β ∈ L(U, V, K) dan komposisi

def
dari β ◦ α adalah (βα)(u) = β(α(u)) untuk
semua u ∈ U , maka β ◦ α ∈ L(U, V, K).
Page 46 of 132

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

atau y = Ax, dimana

     
Full Screen y1 a1,1 . . . a1,m x1
y =  ...  , A =  ... ... ...  dan x =  ...  .

Close
yn an,1 . . . an,m xm

Quit
 Home Page

Misalkan α ∈ L(U, V, K) dan β ∈ L(V, W, K) dimana

dim(U ) = m, dim(V ) = n dan dim(W ) = p. Representasi matriks
Title Page
dari α dan β masing-masing diberikan oleh A = (α, uj , vi)
berukuran n × m dan B = (β, vi, wk ) beruran p × n. Maka
JJ II representasi matriks dari komposisi βα ∈ L(U, W, K) diberikan
P
n
oleh C = (βα, uj , wk ) dimana C = BA dengan ck,j = bk,iai,j .
i=1
J I
Bukti
Gunakan definisi representasi matriks dari suatu pemetaan,
Page 49 of 132 Pn Pp
didapat α(uj ) = ai,j vi dan β(vi) = bk,iwk . Maka dari itu
i=1  p k=1 n 
P
n Pn P P p P
Go Back
(β(α(uj )) = ai,j β(vi) = ai,j bk,iwk = bk,iai,j wk .
i=1 i=1 k=1 k=1 i=1
P
p
Full Screen
Tetapi (βα)(uj ) = ck,j wk , sehingga dengan menyamakan koe-
k=1
P
n
fisien masing-masing persamaan didapat ck,j = bk,iai,j .
Close i=1

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

Bila α : U → V suatu isomorpisma, maka α−1 : V → U adalah

JJ II pemetaan linier. Bila matriks representasi α adalah A dan
matriks representasi dari α−1 adalah B, maka BA = I dan
J I
AB = I.

Contoh. Misalkan ui, i = 1, 2, 3 adalah basis terurut dari U dan

Page 53 of 132
vj , j = 1, 2, 3 adalah basis terurut dari V . Pemetaan linier α :
U → V diberikan oleh: α(u1) = v1 + 2v2 − v3, α(u2) = v2 + 2v3 dan
Go Back α(u3) = −v1 + v2 + 3v3, maka A = (α, ui, vj ) diberikan oleh
 
1 0 −1
Full Screen
A= 2 1 1 
−1 2 3

didapat B = A−1 adalah matriks representasi dari α−1 dimana:

Close

 
−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

x = k1 + k2, y = k1 − k2. dari sini diperoleh

x+y x−y
Go Back k1 = , k2 = . Jadi ρB2 ((x, y)0) =
 2 0 2
x+y x−y
Full Screen
, . Sehingga ρB2 ((1, 0)0) =
 2 0 2  0
Close
1 1 0 1 −1
, dan ρB2 ((0, 1) ) = , .
2 2 2 2
Quit
 Home Page

UB α - V
C
Title Page
PB PC
? ?
K m - Kn
JJ II A

Misalkan B = u1, . . . , um suatu basis terurut dari ruang vektor

J I U , C = v1, . . . , vn suatu basis terurut dari ruang vektor V , kedua
ruang vektor atas skalar K. Suatu pemetaan linier α : U → V
dengan matriks representasi A = (α, B, C). Misalkan α(u) = v
Page 57 of 132
dimana u = x1u1 +. . .+xmum ∈ U dan v = y1v1 +. . .+ynvn ∈ V . Dari
pembahasan sebelumnya dijelaskan bahwa v = α(u) dapat disa-
Go Back
jikan oleh persamaan matriks y = Ax, dimana x = (x1, . . . , xm)0
dan y = (y1, . . . , yn)0. Misalkan P adalah pemetaan koordinat,
maka x = PB (u), y = PC (v) dan matriks representasi dari per-
Full Screen samaan vektor v = α(u) adalah PC (v) = APB (u). Sehingga di-
dapat, v = α(u) = PC−1APB (u), ∀u ∈ U . Jadi α = PC−1APB atau
A = PC αPB−1. Hasil-hasil yang didapat ini dijelaskan dalam di-
Close
agram diatas.

Quit
 α
UB - V
C

IU IV
? α ?
UB̄ - V
C̄

Home Page

Misalkan α : U → V suatu pemetaan linier, B dan B̄ dua ba-

sis terurut yang berbeda dari U sedangkan C dan C̄ dua basis
Title Page
terurut yang berbeda dari V . Bila matiks-matriks representasi
dari α adalah A = (α, B, C) dan Ā = (α, B̄, C̄), maka perubahan
JJ II
basis tidak berpengaruh pada suatu pemetaan linier sehingga
hal ini berkaitan dengan pemetaan identitas. Tetapi peruba-
han basis mempunyai pengaruh terhadap matriks-matriks rep-
J I resentasi A = (α, B, C) dan Ā = (α, B̄, C̄) melalui pemetaan iden-
titas terhadap dua basis yang berbeda. Bila basis berubah
pada domain dan kodomain dari α, maka umumnya diper-
Page 58 of 132
lukan matriks representasi dari pemetaan identitas pada do-
main dan kodomain α yang dinotasikan oleh P = (IU , B, B̄)
Go Back
dan Q = (IV , C, C̄). Hubungan diantara ruang vektor den-
gan basis-basis berbeda diberikan secara diagram diatas. Se-
hingga didapat hubungan (α, B̄, C̄) = (IV , C, C̄)(α, B, C)(IU , B̄, B)
Full Screen atau Ā = QAP −1. Selanjutnya misalkan x, x̄ vektor-vektor ko-
ordinat dari u ∈ U relatif terhadap basis B dan B̄ dan y, ȳ
vektor-vektor koordinat dari v = α(u) ∈ V relatif terhadap
Close
basis C dan C̄, maka x̄ = P x dan ȳ = Qy. Bila y = Ax,
maka ȳ = Qy = QAx = QAP −1x̄ = Āx̄. Terlihat bahwa vektor-
vektor koordinat dan matriks-matriks transformasi konsisten
Quit
terhadap perubahan basis.
 Contoh
1. Diberikan pemetaan linier α : R2 → R2 dengan α((x, y)0) =
Home Page (2x + y, x + 3y)0. Dengan basis B = (1, 0)0, (1, 1)0, maka αB (1, 0) =
(2, 1) = 1(1, 0)0 + 1(1, 1)0 = (1, 1)0 dan αB ((1, 1)0) = (3, 4)0 =
Title Page
−1(1, 0)0 + 4(1, 1)0 = (−1, 4)0, sehingga diperoleh matriks re-
presentasi dari α:
 
JJ II 1 −1
A = (α, B, B) = .
1 4
J I Misalkan sebarang (x, y)0 ∈ R2, maka ρB ((x, y)0) = a(1, 0)0 +
b(1, 1)0 = (a, b)0 dimana skalar a, b memenuhi:
Page 59 of 132
         
x 1 1 a a 1 −1 x
= ⇒ = ,
y 0 1 b b 0 1 y
Go Back
sehingga didapat a = x − y dan b = y. Jadi ρB ((x, y)0) =
(x − y, y)0. Dicek apakah pemetaan α konsisten terhadap
Full Screen
basis B sebagai berikut:
    
1 −1 x−y x − 2y
Close α((x, y)0) = AρB ((x, y)0) = =
1 4 y x + 3y
     
1 1 2x + y
= (x − 2y) + (x + 3y) = .
Quit
0 1 x + 3y
 2. Diberikan pemetaan linier α : P3(R) → P3(R) dimana
α(p(x)) = (a + b) + (b + c)x + (c + d)x2 + (a + d)x3, ∀p(x) ∈ P3(R)
dengan p(x) = a + bx + cx2 + dx3. Misalkan B = 1, x, x2, x3
Home Page
dan B̄ = 1, 1 + x, 1 + x + x2, 1 + x + x2 + x3 dua basis dari
P3(R). Maka α(1) = 1 + x3 = 1(1) + 0(x) + 0(x2) + 1(x3),
α(x) = 1 + x = 1(1) + 1(x) + 0(x2) + 0(x3), α(x2) = x + x2 =
0(1) + 1(x) + 1(x2) + 0(x3), α(x3) = x2 + x3 = 0(1) + 0(x) + 1(x2) + 1(x3)
Title Page

dan IP3(R)(1) = 1 = 1 + 0(1 + x) + 0(1 + x + x2) + 0(1 + x + x2 + x3),

JJ II IP3(R)(x) = x = −1(1) + 1(1 + x) + 0(1 + x + x2) + 0(1 + x + x2 + x3),
IP3(R)(x2) = x2 = 0(1) − 1(1 + x) + 1(1 + x + x2) + 0(1 + x + x2 + x3),
J I
IP3(R)(x3) = x3 = 0(1) + 0(1 + x) − 1(1 + x + x2) + 1(1 + x + x2 + x3)
Sehingga didapat matriks representasi A = (α, B, B), P =
(IP3(R), B, B̄) dan P −1 diberikan oleh:
Page 60 of 132
     
1 1 0 0 1 −1 0 0 1 1 1 1
     
0 1 1 0  0 1 −1 0   0 1 1 1 
Go Back
A= ,P =   danP −1 =  .
0 0 1 1 0 0 1 1 0 0 1 1
1 0 0 1 0 0 0 1 0 0 0 1
Full Screen

Matriks representasi Ā = (α, B̄, B̄) diberikan oleh

Close
 
1 1 0 0
 
−1  0 1 1 0
Ā = P AP =  .
Quit
 −1 −1 0 0 
1 1 1 2
 3. Diberikan ruang vektor U dengan dua basis terurut B =
u1, u2, u3 dan B = ū1, ū2, ū3 dimana ū1 = u2, ū2 = u3, ū3 = u1.
Serta ruang vektor V dengan dua basis terurut C = v1, v2
Home Page
dan C = v̄1, v̄2 dimana v̄1 = v1 + v2, v̄2 = v1 − v2. Suatu
pemetaan linier α : U → V diberikan oleh α(u1) = 2v1 −
v2, α(u2) = v1 +v2, α(u3) = −2v1 +3v2, sehingga diperoleh suatu
Title Page
matriks representasi
 
2 1 −2
JJ II A = (α, B, C) = .
−1 1 3

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

Begitu juga, karena IV (v̄1) = v̄1 = 1v1 + 1v2, IV (v̄2) = v̄2 =

1v1 −1v2, maka didapat matriks Q−1 dari pemetaan identitas
Close
pada V dari basis C ke basis C dan juga didapat matriks Q
diberikan oleh:
Quit
  1 1 
1 1
Q−1 = dan Q = 21 2 1 .
1 −1 2 −2
 Lanjutan Contoh 3.......
Matriks representasi Ā = (α, B, C) diberikan
Home Page oleh:
 1 1
1 2 2
Ā = QAP −1 =  .
Title Page

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

Dua matriks bujur sangkar A dan B

Close
dikatakan similar bila ada matriks P yang
punya invers sehingga B = P AP −1. Kesemi-
Quit
laran matriks (∼) adalah suatu relasi eki-
valen.
 Diberikan pemetaan linier α : U → V terhadap basis terurut
B dari ruang vektor U dan basis terurut C dari ruang vektor
V , bagaimana cara memilih basis terurut B dari ruang vektor
U dan basis terurut C dari ruang vektor V supaya represen-
Home Page
tasi matriks Ā = (α, B, C) mempunyai bentuk normal diagonal
satuan yang sederhana, yaitu matriks:
Title Page  
.
.
Ir . 0
 
 ... ... ... ,
0 ... 0
JJ II

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

Misalkan pemetaan linier α : U → V , masing-masing dimensi

Go Back U dan V adalah m dan n dengan dim(Im(α)) = r. Maka ada
basis terurut B dari U dan basis terurut C dari V sehingga
Full Screen
representasi matriks dari α berbentuk normal diagonal satuan,
yaitu  
Ir . 0 .
. l r
Close  
Ā = (α, B, C) =  . . . . . . . . . 
0 ... 0 l n−r
Quit ←→ ←→
r m−r
 Bukti
Dari sifat dimensi pemetaan linier didapat, dim(ker(α)) =
Home Page
dim(U ) − dim(Im(α)) = m − r. Misalkan ur+1, . . . , um adalah su-
atu basis terurut dari ker(α). Perluas basis ini sampai diper-
Title Page
oleh basis terurut B = u1, . . . , ur , ur+1, . . . , um dari ruang vek-
tor U . Dari pengertian kernel didapat α(ur+1) = 0, . . . , α(um) =
0. Selanjutnya pilih vektor-vektor v1, . . . , vr ∈ Im(α) se-
JJ II
hingga α(u1) = v1, . . . , α(ur ) = vr . Jelas bahwa vektor-vektor
v1, . . . , vr adalah suatu basis terurut dari Im(α). Selanjut-
J I nya perluas basis ini sampai diperoleh basis terurut C =
v1, . . . , vr , vr+1, . . . , vn dari ruang vektor V . Jadi, terhadap basis
Page 64 of 132
terurut B dari ruang vektor U dan basis terurut C dari ruang
vektor V , pemetaan α didefinisikan oleh α(u1) = v1, . . . , α(ur ) =
vr , α(ur+1) = 0, . . . , α(um) = 0. Dari definisi ini terlihat bahwa
Go Back
representasi matriks Ā = (α, B, C) adalah:
 
.
.
Ir . 0 l r
Full Screen
 
Ā = (α, B, C) =  . . . . . . . . . 
0 ... 0 l n−r
Close
←→ ←→
r m−r
Quit
 Contoh
Misalkan representasi matriks dari suatu pemetaan linier ter-
Home Page
hadap basis baku terurut, diberikan oleh:
 
Title Page
1 2 3
A =  2 3 1 .
3 5 4
JJ II
Dapatkan basis-basis terurut dari U dan V supaya dengan
basis-basis ini pemetaan linier mempunyai representasi ma-
J I
triks berbentuk normal diagonal satuan.

Page 65 of 132 Penyelesaian Pertama, tentukan kernel dari A dengan menyele-

saikan persamaan Ax = 0, didapat: ker(A) = {x(7, −5, 1)0 | x ∈ R}
Go Back
atau ker(A) = h{(7, −5, 1)0}i. Perluas basis dari kernel sehingga
diperoleh basis terurut B = (1, 0, 0)0, (0, 1, 0)0, (7, −5, 1)0. Selanjut-
nya dapatkan basis terurut dari Image A sebagai berikut:
Full Screen
         
1 2 3 1 1 1 2 3 0 2
 2 3 1  0  =  2 , 2 3 1  1  =  3 .
Close
3 5 4 0 3 3 5 4 0 5

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

Close dan matriks Ā = QAP −1 diberikan oleh:

     
0 5 −3 1 2 3 1 0 7 1 0 0
Quit Ā =  0 −3 2   2 3 1   0 1 −5  =  0 1 0  .
1 1 −1 3 5 4 0 0 1 0 0 0
 Rank suatu matriks.
Home Page

Suatu matriks A berukuran n × m den-

gan elemen-elemen di K mendefinisikan
Title Page
suatu pemetaan linier α dari K m ke K n
sedemikian hingga A = (α, Em, En) dimana
JJ II
Em dan En masing-masing adalah basis
baku dari K m dan K n. Rank dari matriks A
J I adalah rank dari α, jadi rank(A) = rank(α) =
dim(Im(α)). Ruang bagian dari K m yang
Page 67 of 132
dibentangkan oleh vektor-vektor baris dari
A dinamakan ruang baris dari A dan mem-
punyai dimensi rank baris dari A yang
Go Back
merupakan banyaknya vektor-vektor baris
dari A yang bebas linier. Ruang bagian dari
Full Screen
K n yang dibentangkan oleh vektor-vektor
kolom dari A dinamakan ruang kolom dari
Close A dan mempunyai dimensi rank kolom
dari A yang merupakan banyaknya vektor-
Quit
vektor kolom dari A yang bebas linier.
 Ruang kolom dari suatu matriks adalah ruang imagenya, jadi
Home Page rank kolom dari suatu matriks sama dengan rank matriksnya.

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

2. Diberikan pemetaan linier α : R3 → R3

Title Page oleh
     
x x − 2y + 3z x
α( y ) =  x + 3y − 2z  , ∀  y  ∈ R3.
JJ II

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

dapatkan matriks representasi dari

Close pemetaan linier α.

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

Page 73 of 132 Sehingga terhadap basis terurut baku di R2, didapat

           
1 1 2 1 2 6
α( ) = α(3 − ) = 3α( ) − α( )=
Go Back 0 1 3 1 3 9
           
0 2 1 2 1 −4
α( ) = α( −2 ) = α( ) − 2α( )= .
Full Screen 1 3 1 3 1 −6
Sehingga didapat, matriks representasi dari pemetaan α
Close adalah:  
6 −4
A= .
9 −6
Quit
 Rank suatu matriks.
Home Page

Suatu matriks A berukuran n × m de-

ngan elemen-elemen di K mendefinisikan
Title Page
suatu pemetaan linier α dari K m ke K n
sedemikian hingga A = (α, Em, En) dimana
JJ II
Em dan En masing-masing adalah basis
baku dari K m dan K n. Rank dari matriks A
J I adalah rank dari α, jadi rank(A) = rank(α) =
dim(Im(α)). Ruang bagian dari K m yang
Page 74 of 132
dibentangkan oleh vektor-vektor baris dari
A dinamakan ruang baris dari A dan mem-
punyai dimensi rank baris dari A yang
Go Back
merupakan banyaknya vektor-vektor baris
dari A yang bebas linier. Ruang bagian dari
Full Screen
K n yang dibentangkan oleh vektor-vektor
kolom dari A dinamakan ruang kolom dari
Close A dan mempunyai dimensi rank kolom
dari A yang merupakan banyaknya vektor-
Quit
vektor kolom dari A yang bebas linier.
 Ruang kolom dari suatu matriks adalah ruang imagenya, jadi
Home Page rank kolom dari suatu matriks sama dengan rank matriksnya.

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

3. Persamaan tak homogin Ax = b, mem-

Close punyai penyelesaian bila dan hanya bila
rank(A) = rank(A, b). Himpunan penye-
Quit
lesaian ini mempunyai sebanyak m −
rank(A) parameter.
 Contoh
Diberikan matriks
 
1 2 1 −1
A =  0 1 0 −1  .
Home Page

0 0 0 −3
Title Page

Vektor vektor kolom dari A tidak bebas linier. Hanya sebanyak

3 vektor kolom yang bebas linier, yaitu kolom ke-1, kolom ke-2
JJ II
dan kolom ke-4. Jadi rank kolom(A) = 3 dan semua vektor baris
dari A bebas linier (sebanyak 3). Penyelesaian dari Ax = 0 akan
J I memuat sebanyak 4 − 3 = 1 paramater yaitu
 
−t  
  2
Page 78 of 132
 0 
x=  . Bila b =  −1  ,
 t 
9
Go Back 0

rank(A, b) = 3. Jadi penyelesaian Ax = b akan memuat se-

Full Screen
banyak 4 − 3 = 1 parameter yaitu
 
7−t
Close  
 −4 
x= .
 t 
Quit −3
 Eigen-vektor dan eigen-value.
Home Page

Misalkan α : U → U suatu pemetaan lin-

Title Page

ier pada ruang vektor U berdimensi n

JJ II
atas lapangan F. Bila u ∈ U dan λ ∈ F
memenuhi α(u) = λu, maka u dinamakan
J I suatu eigen-vektor dari α yang bersesuaian
dengan eigen-value λ.
Page 79 of 132

Misalkan A suatu matriks ukuran n × n de-

Go Back

ngan elemen-elemennya di suatu lapangan

Full Screen
F. Bila ada vektor tak nol x ∈ Fn dan skalar
λ ∈ F yang memenuhi Ax = λx, maka x
Close dikatakan suatu eigen-vektor dari matriks
A yang bersesuaian dengan eigen-value λ.
Quit
 Misalkan matriks A = (α, B, B) adalah re-
Home Page
presentasi dari pemetaan linier α : U → U
terhadap basis terurut B dari ruang vektor
Title Page U. Selanjutnya bila ρB adalah pemetaan ko-
ordinat dari U ke Fn, maka A = ρBαρ−1B dan
x = ρB(u). Jadi Ax = λx ⇔ (ρBαρ−1
JJ II

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

Home Page Suatu matriks A berukuran n × n dengan elemen-elemen

di F similar dengan matriks diagonal bila dan hanya bila
Title Page
eigenvektor-eigenvektornya membentang ruang Fn (span Fn).

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

Dalam pembahasan sebelum didapat bahwa

JJ II AX1 = λ1X1 dan AX2 = λ2X2

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

Terlihat bahwa matriks A dapat didiagonalkan menjadi matriks

Ā.
Quit
 Bila matriks A berukuran n × n mempunyai n eigenvalue
Home Page
yang berbeda satu dengan yang lainnya, maka eigenvektor-
eigenvektornya bebas linier.

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

A(a1X1 + a2X2 + . . . + ak Xk + ak+1Xk+1) = 0

Full Screen atau

a1λ1X1 + a2λ2X2 + . . . + ak λk Xk + ak+1λk+1Xk+1 = 0. (2)

Close

Kalikan λk+1 pada persamaan (1) selanjutnya hasilnya ku-

rangkan pada persamaan (2), didapat:
Quit
 Home Page a1(λ1 − λk+1)X1 + a2(λ2 − λk+1)X2 + . . . + ak (λk − λk+1)Xk = 0.

Karena X1, . . . , Xk bebas linier dan λi 6= λj , ∀i 6= j, maka harus-

Title Page
lah a1 = a2 = . . . = ak = 0. Sehingga persamaan (1) menjadi
ak+1Xk+1 = 0 dan karena Xk+1 6= 0, maka haruslah ak+1 = 0. Ter-
JJ II lihat bahwa bila dari kenyataan persamaan (1) dipenuhi maka
berakibat a1 = a2 = . . . = ak = ak+1 = 0, hal ini menunjukkan
J I
bahwa vektor-vektor X1, X1, . . . , Xk , Xk+1 adalah bebas linier.

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 Ā = Q−1AQ adalah matriks diagonal dengan elemen-

elemen diagonal λ1 = 1, λ2 = 2, λ3 = 3.
 Home Page

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

Bila λ adalah eigenvalue dari matriks A,

Title Page
maka λ juga eigenvalue dari suatu matriks
P AP −1
JJ II

Bukti Misalkan AX = λX dan Y = P X

J I
dengan P matriks yang punya invers,
jadi X = P −1Y. Sehingga didapat
A(P −1Y) = λ(P −1Y) ⇒ (P AP −1)Y = λY.
Page 88 of 132

Go Back Terlihat bahwa λ juga eigenvalue dari ma-

triks P AP −1. 
Full Screen

Bila ABC adalah haasil kali matriks bujur

Close sangkar, maka tr(ABC) = tr(BCA).

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

Diberikan matriks matriks

 
Title Page 0 1 0
A =  0 0 1  ⇒ λ1 = 1, λ2 = 2, λ3 = 3.
JJ II
6 −11 6
J I

tr(A) = 0 + 0 + 6 = 6
⇒ tr(A) = λ1+λ2+λ3.
Page 91 of 132
λ1 + λ2 + λ3 = 1 + 2 + 3 = 6
Go Back
  
1 0 

det(A) = 6   = 6 

Full Screen
0 1
⇒ det(A) = λ1λ2λ3.


Close

λ1λ2λ3 = 1(2)(3) = 6
Quit
 Home Page

Misalkan λ adalah sutu eigenvalue dari

Title Page
pemetaan linier α : U → U. Himpunan
semua eigenvektor-eigenvektor yang bers-
JJ II
esuaian dengan eigenvalue λ beserta vek-
tor nol dinamakan ruang eigen dari U dino-
tasikan dengan Eλ(U). Ruang eigen Eλ(U)
J I
adalah ruang bagian dari ruang vektor
U, sebab merupakan kernel dari pemetaan
Page 92 of 132
(λIU − λ). Dimensi dari subruang Eλ(U) di-
namakan multiplisitas geometri dari λ dan
Go Back dan banyaknya λ yang sama (kembar) di-
namakan multiplisitas aljabar dari λ. Mis-
Full Screen alkan multiplisitas geometri dari λ adalah
a dan multiplisitas aljabar dari λ adalah b,
Close
maka a ≤ b.

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

Bila det(λI − A) = λn + cn−1λn−1 + . . . + c0,

Title Page maka An + cn−1An−1 + . . . + c0I = 0.

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

Suatu norm dari ruang vektor V ke lapangan riil R adalah

Full Screen suatu fungsi dinotasikan oleh || || yang memenuhi
• ||v|| ≥ 0 untuk semua v ∈ V dan ||v|| = 0 bila dan hanya bila
Close u = 0 (Definit positip).
• ||rv|| = |r| ||v|| untuk semua v ∈ V, r ∈ R
Quit
• ||u + v|| ≤ ||u|| + |||v|| untuk semua u, v ∈ V (Pertaksamaan
segitiga).
 Home Page

Untuk setiap u ∈ Rn norm Euclide diberikan oleh

n  p1
def P
Title Page ||u||p = |ui|p dalam hal ini dinamakan norm-p. Khusus
i=1
n  21
P
JJ II untuk p = 2 cukup ditulis ||u|| = |ui|2
i=1

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

Suatu basis orthonormal dari suatu ruang vektor mempunyai

J I
beberapa kemanfaatan dan basis baku dari ruang vektor Rn
adalah orthonormal, yaitu basis baku dari ruang vektor R3
Page 99 of 132 adalah himpunan {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.

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

Bila matriks A simetri dengan elemen-elemen riil dan berlaku

Title Page Ax = λx dengan x 6= 0, maka λ selalu merupakan bilangan riil.

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

Persamaan (4) dikurangi persamaan (3) didapat

0
Full Screen
0 = (λ∗ − λ)(x∗ x) ⇒ 0 = λ∗ − λ (sebab x 6= 0). Jadi λ∗ = λ, maka
dari itu λ merupakan bilangan riil.

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)

Page 101 of 132 Kedua ruas persamaan Ay = µy kalikan dengan x0 didapat

x0Ay = µ(x0y). (6)

Go Back

Kedua ruas persamaan (6) ditranspose didapat

Full Screen
y0Ax = µ(y0x). (7)
Persamaan (7) dikurangi persamaan (5) didapat
Close
0 = (µ − λ)(y0x) ⇒ 0 = y0x = hx, yi (sebab λ 6= µ).

Quit
 Matriks A berukuran n × n dikatakan orthogonal bila
AA0 = I = A0A yaitu A−1 = A0.
Home Page

Bila Bi dan Kj masing-masing menyatakan baris ke-i dan

kolom ke-j dari suatu matriks orthogonal A berukuran n × n,
Title Page
maka {Bi, i = 1, . . . , n} dan {Kj , j = 1, . . . , n} adalah himpunan
dari vektor-vektor orthonormal.
JJ II

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.

Komentar : Karena matriks A mempunyai eigenvalue-

Page 106 of 132 eigenvalue yang berbeda, maka dapat didiagonalkan men-
jadi matriks Q−1AQ dimana matriks Q = [x1|x2| . . . |xn] dengan
xi, i = 1, . . . , n adalah eigenvektor-eigenvektor dari A yang sesuai
Go Back
dengan eigenvaluenya. Berdasarkan hasil sebelumnya vektor-
vektor xi, i = 1, . . . , n saling orthogonal. Bila vektor-vektor ini
Full Screen
dinormalkan
  maka  didapat
  matriks orthogonal
x1  x2   xn
P =   ... , sehingga matriks P 0AP juga meru-
||x1|| ||x2|| ||xn||
Close pakan matriks diagonal.

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 didapat polinomial kharakteristik dari matriks A

adalah p(λ) = (λ − 1)(λ − 2) − 2 = λ2 − 3λ = λ(λ − 3). Untuk
JJ II
eigenvalue λ1 = 0 dan λ2 = 3 didapat masing-masing eigenvek-
tor yang sesuai adalah:
J I  √   
− 2 1
x1 = dan x2 = √ .
1 2
Page 107 of 132

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

Terlihat bahwa hx1, x3i = hx2, x3i = 0 tetapi hx1, x2i = 1 6= 0.

Go Back
Penormalan dari x2 dan x3 didapat :
   
1 1
√ √
Full Screen
 −   3
x2  2 x  1 
√ 
= 1  dan p3 = 3
p2 = =  .
||x2|| 

√  ||x ||  3 
Close
2  3
 1 
0 √
3
Quit
 Untuk memperoleh suatu vektor x̄1 supaya hx̄1, x2i = 0, adalah
Home Page sebagai berikut. Misalkan x̄1 + ax2 = x1, didapat x02x̄1 + ax02x2 =
hx1, x2i
x02x1 atau hx̄1, x2i + a hx2, x2i = hx1, x2i ⇒ a = . Sehingga
hx2, x2i
Title Page
didapat
hx1, x2i
x̄1 = x1 − x2 .
JJ II
hx2, x2i
Jadi  
    1
−1 −1  − 
J I
1  2
x̄1 =  0  −  1  =  − 1 
2  2
1 0
Page 111 of 132 1
Dengan menormalkan vektor x̄1 didapat:
 
Go Back
1
−√
 6
 
x̄1  − √1 
Full Screen
p1 = = .
||x̄1||  6
 2 
√
Close
6
Jadi matriks P = [p1 | p2 | p3] diberikan oleh:
Quit
 Home Page
 
1 1 1
−√ −√ √
 6 2 3
Title Page  1 
 − √1 1
√ 
P = √  ⇒ P 0P = I = P P 0 (P matriks orthogonal).
 6 2 3
JJ II
 2 1 
√ 0 √
6 3
J I Sehingga didapat :
   
1 1 2 1 1 1
−√ −√ √ −√ −√ √
 6 6 6   1 −1 −1   6 2 3
Page 112 of 132
   1 
0  − √1 √
1  
0   −1 1 −1   − √
1
√
1
√ 
P AP =  =
 2 2   6 2 3
Go Back  1 1 1  −1 −1 1  2 1 
√ √ √ √ 0 √
  3 3 3 6 3
Full Screen
2 0 0
0 2 0 
0 0 −1
Close

Quit
 Proses orthogonalisasi Gram-Schmidt
Home Page

Diberikan himpunan vektor-vektor yang bebas linier S =

Title Page
{X1, X2, . . . , Xn}, dari S dibentuk himpunan vektor-vektor or-
thormal T = {T1, T2, . . . , Tn} sebagi berikut:
JJ II
t1
t1 = X1 ⇒ T1 =
||t1||
J I

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

Terlihat bahwa matriks T = [T1 T2 T3] adalah matriks ortho-

Quit
gonal.
 Proyeksi dan General Invers
Proses orthogonal Gram-Schmid erat kaitannya dengan apa
yang dinamakan proyeksi sebagaimana akan terlihat dalam
Home Page
pembahasan berikut ini. Ada kalanya sistem persamaan
linier Ax = y tidak mempunyai penyelesaian secara analitik
Title Page (eksak). Tetapi bila model linier yang dikaji ini merupakan
suatu problem nyata yang dijumpai, maka diperlukan suatu
JJ II
alternatif penyelesaian untuk menjawab problem yang ada
sehingga penyelesaian yang didapat cukup untuk menjawab
problem. Suatu contoh berikut menjelaskan hal ini:
J I

Diberikan sistem persamaan linier Ax = y:

Page 115 of 132     
6 3 x1 2
= . (8)
2 1 x2 2
Go Back

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

Sebelum menyelesaikan problem yang ada diberikan penger-

Close
tian berikut. Misalkan W suatu ruang bagian dari Rn dan
tulis y ∈ Rn = W ⊕ W ⊥ sebagai y = y1 + y2, dimana y1 ∈ W
dan y2 ∈ W ⊥, maka y1 dikatakan proyeksi dari y pada W dan
Quit dinotasikan oleh y1 = Projw (y).
 Berikut ini diselesaikan masalah persamaan linier
    
6 3 x1 2
= .
Home Page
2 1 x2 2
   
3 −1
Title Page Pilih W = sehingga didapat W ⊥ = . Jadi
1 3
     
2 4 3 2 −1
JJ II = + . Untuk meminimumkan panjang
2 5 1 5 3
     
  2 3 
J I 0
k y − y k =    −r
2 1 
      
 4 3 2 −1 3 
=  + −r
1 
Page 117 of 132
5 1 5 3
     
 4 3 2 −1 
= ( − r) + ,
Go Back
5 1 5 3 
   
3 −1 4
Full Screen dan karena dan orthogonal, maka haruslah r = .
1 3 5
       
2 4 3 6 4 3
Sehingga didapat y0 = Projw = =0 + .
Close
2 5 1 2 5 1
Terlihat bahwa penyelesaian pendekatan adalah x1 = 0 dan x2 =
4
Quit .
5
 Misalkan W suatu ruang bagian dari Rn, maka vektor y0 ∈ W
yang dekat ke y ∈ Rn adalah y0 = Projw (y).

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,

J I akan minimal bila w = y1 = Projw (y).

Suatu cara singkat untuk menentukan proyeksi dari suatu

Page 118 of 132
rauang bagian W yang dibangun hanya oleh satu vektor w,
dimana V = W ⊕ W ⊥ diberikan oleh
Go Back
< y, w >
Projw (y) = w. (9)
< w, w >
Full Screen
Dalam hal ini adalah:
< y, w >
1. w ∈ W.
Close < w, w >
< y, w >
2. y − w ∈ W⊥
< w, w >
Quit  
< y, w > < y, w >
3. y = w+ y− w
< w, w > < w, w >
 Dengan menggunakan hasil dalam (9) didapat
     
2 2.3 + 2.1 3 4 3
Projw = = .
Home Page 2 3.3 + 1.1 1 5 1
Berikut ini diberikan suatu sifat bila ruang bagian W dibangun
Title Page
oleh lebih dari satu vektor.

JJ II Misalkan W suatu ruang bagian dari Rn dibangun oleh basis

orthogonal w1, . . . , wk dan misalkan y ∈ Rn, maka
J I < y, w1 > < y, wk >
Projw (y) = w1 + . . . + wk . (10)
< w1 , w1 > < wk , wk >
Page 119 of 132 Bukti
< y, w1 > < y, wk >
Misalkan y1 = w1 +. . .+ wk . Maka untuk 1 ≤
< w1, w1 > < wk , wk >
< y, wi >
Go Back
i ≤ k didapat < y − y1, wi >=< y, wi > − < wi, wi >= 0.
< wi , wi >
Jadi y − y1 ∈ W ⊥ dan y1 = Projw (y).
Full Screen

Bila W suatu ruang bagian dari Rn dengan basis orthonormal

Close w1, . . . , wk , maka persamaan (10) menjadi

Projw (y) =< y, w1 > w1 + . . . + < y, wk > wk . (11)

Quit
 Contoh
Dapatkan elemen dari ruang bagian W yang dekat den-
gan vektor (1, 2, 3)0, dimana W dibangun oleh vektor-vektor
(1, 2, −1)0, (−1, 4, 1)0.
Home Page

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?

JJ II Model matematika dari persoalan yang ada diberikan oleh per-

samaan:    
2 3   5000
J I  0 4  p =  4000  .
q
0 1 2000
Page 121 of 132
Persamaan dari model  tidak
 mempunyai jawab eksak (anali-
5000
Go Back
tik) sebab vektor  4000  bukan merupakan kombinasi linier
2000
   
2 3
dari vektor- vektor  0  dan  4  . Untuk meyelesaikan per-
Full Screen

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

Jawab Ruang kolom orthonormal

  dari matriks
  A adalah span
1 0
1
dari vektor-vektor: w1 =  0  , w2 = √  4 . Sehingga di-
Page 123 of 132

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

JJ II Sehingga didapat matriks A− adalah:

1 6 3

− −
J I A− = 2 417 134 .
0 17 17
Penyelesaian pendekatan dari persamaan
Page 124 of 132
   
2 3   5000
 0 4  p =  4000 
Go Back q
0 1 2000

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!

J I JawabPolinomial kharakteristik dari matriks diberikan

oleh:  
 λ −1 −3 
 
p(λ) =  0 λ − 1 −2  = (λ − 1)2(λ + 1)

Page 125 of 132

 −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

Terlihat bahwa untuk λ = 1

multiplisitas geometri = 1 < 2 = multiplisitas aljabar.
Quit
Jadi matriks tidak bisa didiagonalkan.
 2. Bila vektor-vektor v1, v2, . . . , vn adalah orthogonal, maka
tunjukkan bahwa :

||v1 + v2 + . . . + vn||2 = ||v1||2 + ||v2||2 + . . . + ||v1||2.

Home Page

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

3. Dengan general invers cari garis lurus y = ax + b yang paling

Page 126 of 132 mendekati titik-titik (1, 2), (2, 3) dan (3, 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

p̄4(x) = x3− < x3, p̄1 > p̄1(x)−q < x3

, p̄ 2 > p̄ 2 (x)− < x3
, p̄3 > p̄3(x) ⇒
1
Close p̄4(x) = √ p̄4(x) = 78 (5x3 − 3x)
< p̄4, p̄4 >

Quit
 Home Page

5. Diberikan pemetaan linier α : R2 → R2 dengan

Title Page α((x, y)0) = (2x + y, x + 3y)0.

Dengan basis B = (1, 0)0, (1, 1)0 tentukan matriks representasi

JJ II
dari α.

J I Jawab

Page 128 of 132

αB ((1, 0)0) = (2, 1)0 = 1(1, 0)0 + 1(1, 1)0 = (1, 1)0
dan
Go Back
αB ((1, 1)0) = (3, 4)0 = −1(1, 0)0 + 4(1, 1)0 = (−1, 4)0,

sehingga diperoleh matriks representasi dari α:

Full Screen
 
1 −1
A = (α, B, B) = .
Close
1 4

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

atau dalam bentuk matriks

   
JJ II
9 3 1   0
  a  
 4 2 1    0 
  b = ⇒
J I 1 1 1  2 
c
1 −1 1 12
Page 129 of 132   −1  
      9 3 1    0  
a 
 9 4 1 1  
 9 4 1 1   1
 b  =  3 2 1 −1   4 2 1  3 2 1 −1   0 
    =  −5  .
Go Back

 1 1 1 
  2 
c 
 1 1 1 1  1 1 1 1 6
1 −1 1  12
Full Screen
Cek!    
9 3 1   0
  1  
4 2 1   0 
 −5  =   .
Close

1 1 1  2 
6
Quit
1 −1 1 12
Terlihat, hasilnya eksak bukan pendekatan (kita coba
melakukan penghitungan dengan MAXIMA).
 Cara lain mencari invers matriks
Misalkan matriks :
 
Home Page   9 3 1  
9 4 1 1   99 35 15
4 2 1 
A =  3 2 1 −1    = 35 15 5  .
1 1 1
Title Page
1 1 1 1 15 5 4
1 −1 1

JJ II Selanjutnya tentukan polinomial kharakteristik A :

p(x) = |xI −A| = x3 −118x2 +466x−440 ⇒ A3 −118A2 +466A−440I = 0
1
J I Didapat A−1 = (A2 − 118A + 466I) :
440
     
11251 4065 1720 99 35 15 1 0 0
1 
A−1 = 4065 1475 620  − 188  35 15 5  + 466  0 1 0 
Page 130 of 132

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

Vektor v1 dan v2 orthogonal, sebab < v1, v2 >= 0. Sehingga

basis orthonormalnya adalah : |vv11| , |vv22| . Dengan P = [ |vv11| | |vv22| ]
Full Screen
didapat :
" #  " #
1
√ −√ i 1
√ 1
√
Close −1 2 2 1 −1 2 2
P AP = 1 i
√ √ 1 1 √ − √i
i
2 2 2 2
 
Quit 1−i 0
= .
0 1+i
 Home Page

Title Page

JJ II

J I

Page 132 of 132

Go Back

Full Screen

Close

Quit