ALJABAR LINIER &

MATRIKS
(Ruang-ruang Vektor)

TIM PENYUSUN

MUHAMAD FIKRI RIZKI ROMADHONI (18051204060)

WAHYU ALDIWIDIYANTO (18051204043)

TI 2018 B
ALJABAR LINIER & MATRIKS
(Ruang-Ruang Vektor)

Disusun Oleh :

Muhamad Fikri Rizki Romadhoni

Wahyu Aldiwidiyanto

TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS NEGERI SURABAYA
2018
 Ruang-ruang Vektor

KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi

Maha Penyayang, Kami panjatkan puja dan puji syukur atas kehadirat-
Nya yang telah melimpahkan rahmat, hidayah, dan inayah-Nya
kepada kami, sehingga kami dapat menyelesaikan proses penuisan
buku yang berjudul “Aljabar Linier & Matriks (Vector Spaces)”.
Shalawat dan salam semoga tetap tercurahkan kepada Nabi
Muhammad SAW.
Adapun tujuan disusunna buku ini agar Mahasiswa Jurusan
Teknik Informatika dapat mengetahui pembelajaran tentang Ruang-
ruang Vektor dan mahasiswa diharapkan dapat memahami konsep,
menjelaskan keterkaitan antar konsep, dan mengaplikasikannya untuk
memecah masalah.
Dalam buku ini disajikan materi pembelajaran matematika
secara sederhana, efektif, dan mudah dimengerti yang disertai contoh-
contoh. Simbol dan gambar disajikan untuk mempermudah
mahasiswa dalam memahami materi yang sedang dipelajari. Buku ini
juga dillengkapi dengan contoh soal dan pembahasannya pada sesi
akhir bab materi.
Sebagai akhir dari pengantar ini, kami mengucapkan terima
kasih kepada semua pihak yang membantu menjelaskan buku ini baik
dalam bentuk materiil maupun non materiil. Kami menyadari masih
terdapat kekurangan dalam buku ini untuk itu kritik dan saran terhadap
penyempurnaan buku ini angat diharapkan.
Semoga buku ini dapat memberi manfaat bagi Mahasiswa
Jurusan Teknik Informatika khususnya dan bagi semua pihak yang
membutuhkan.
Surabaya, 20 November 2018

iii
Universitas Negeri Surabaya
Ruang-ruang Vektor

PENDAHULUAN

Latar Belakang

Banyak orang yang beranggapan bahwa Matematika itu

rumit, karena alasan itulah banyak orang yang
menghindari Matematika. Padahal Matematika dapat
kita jumpai di dalam kehidupan sehari-hari, dan mau tidak mau kita
pasti menggunakan Matematika. Oleh karena itu kami membuat
makalah ini dengan maksud membantu pemahaman masyarakat agar
mereka tidak menilai Matematika adalah sesuatu yang buruk.

Tujuan

Buku ini dibuat dengan tujuan utama untuk memenuhi tugas

mata kuliah Aljabar Linear , yang diberikan oleh dosen kami ibu Naim
Rochmawati, S.Kom., MT. Dan tujuan berikutnya adalah sebagai
sumber informasi yang kami harapkan bermanfaat dan dapat
menambah wawasan para pembaca buku ini.

Metode Penulisan

Penulis menggunakan metode observasi dan kepusatakaan.

Cara yang digunakan dalam penulisan adalah Studi pustaka. Dalam
metode ini penulis membaca buku-buku yang berkaitan dengan
penulisan buku ini, selain itu penulis juga mencari sumber-sumber dari
internet.

iv
Teknik Informatika
 Ruang-ruang Vektor

DAFTAR ISI

KATA PENGANTAR ............................................................... iii

PENDAHULUAN ....................................................................... iv
DAFTAR ISI .............................................................................. v
DAFTAR GAMBAR ................................................................. vii
BAB I RUANG –N EUCLIDES ............................................... 1
1.1 Definisi ........................................................................... 1
1.2 Operasi standar / baku pada vektor Euclidis ................... 1
1.3 Penjumlahan vektor ........................................................ 1
1.4 Perkalian titik................................................................... 2
1.5 Perkalian dengan skalar ................................................... 2
1.6 Panjang Vektor ................................................................ 3
1.7 Jarak antar Vektor............................................................ 3
BAB II RUANG VEKTOR UMUM ........................................ 5
2.1. Definisi ........................................................................... 5
2.2. Operasi yang biasa pada polinom ................................... 6
2.3. Himpunan vektor nol ...................................................... 10
2.4. vektor di bidang yang melalui titik asal .......................... 10
2.5. Bukan ruang vektor ........................................................ 12
BAB III SUB-RUANG VEKTOR ............................................ 13
3.1. Definisi ........................................................................... 13
3.2. Syarat sub-ruang ............................................................. 15
BAB IV MEMBANGUN BEBAS LINIER .............................. 23
4.1. Kombinasi linier ....................................................... 23
4.2. Definisi ..................................................................... 23
4.3. Vektor kombinasi llinier .............................................. 23
4.4. Vektor tidak membangun ................................................ 24
4.5. Vektor membangun ......................................................... 25
BAB V BASIS DAN DIMENSI ................................................ 28
5.1. Definisi ............................................................................ 28
5.2. Basis standar .................................................................... 28
BAB VI BASIS RUANG BARIS DAN KOLOM..................... 32
v
Universitas Negeri Surabaya
Ruang-ruang Vektor

6.1. Definisi ............................................................................ 32

6.2. Ruang baris dan kolom .................................................... 33
6.3. Menentukan basis ruang baris/kolom .............................. 35
BAB VII BASIS RUANG SOLUSI ........................................... 37
7.1. Definisi ............................................................................ 37
7.2. Ruang baris dan kolom yang memiliki dimensi sama .... 38
BAB VIII PENUTUP.................................................................. 39
8.1. Kesimpulan ...................................................................... 39
8.2. Saran ................................................................................ 39
DAFTAR PUSTAKA ................................................................. 40

vi
Teknik Informatika
 Ruang-ruang Vektor

DAFTAR GAMBAR
Gambar 1.a Ruang –n Euclidis ............................................ 1
Gambar 2.a ruang vektor (umum) ........................................ 5
Gambar 3.a Sub-Ruang Vektor............................................. 13
Gambar 5.a koordinat basis dan dimensi ............................. 28

vii
Universitas Negeri Surabaya
Ruang-ruang Vektor

viii
Teknik Informatika
 Ruang-ruang Vektor

BAB I
RUANG –N EUCLIDES

1.1. Definisi

Pada saat pertama kali ilmu vektor dikembangkan, hanya

dikenal vektor – vektor di R2 dan R3 saja, tetapi dalam
perkembangannya ternyata didapatkan permasalahan yang lebih
kompleks sehingga dikembangkan vektor – vektor di ruang
berdimensi 4 , 5 atau secara umum merupakan vektor – vektor di Rn.
Secara geometris memang vektor – vektor di R4 dan seterusnya
memang belum bisa digambarkan, tetapi dasar yang digunakan seperti
operasi – operasi vektor masih sama seperti operasi pada vektor –
vektor di R2 dan R3.
Orang yang pertama kali mempelajari vektor – vektor di Rn
adalah Euclidis sehingga vektor – vektor yang berada di Rn dikenal
sebagai vektor Euclidis , sedangkan ruang vektornya disebut ruang –n
Euclidis.

Gambar 1.a Ruang –n Euclidis

1.2. Operasi standar / baku pada vektor Euclidis

Diketahui u dan v adalah vektor – vektor di ruang –n Euclidis

dengan u = ( u1,u2,…,un ) dan v = ( v1,v2,…,vn )

1.3. Penjumlahan vektor

u + v = ( u1+v1, u2+v2,…,un+vn )
1
Universitas Negeri Surabaya
Ruang-ruang Vektor

Contoh:
Misalkan u = (2, -1, 9, 3, 4), v = (1, -2, 3, -2, 1, 0), w=(5, -8,
2, 3, 4, 5) u + v = tidak terdefinisi, karena u ∈R5, sedangkan
v∈R6
v + w = (1 + 5, (-2) + (-8), 3 + 2, (-2) + 3, 1 + 4, 0 + 5) = (6,
-10, 5, 1, 5, 5)

1.4. Perkalian titik

u . v= ( u1.v1+ u2.v2 +…+ un.vn )

Contoh:
Misalkan u=(2, -1, 9, 3, 4), v=(1, -2, 3, -2, 1, 0), w=(5, -8, 2,
3, 4, 5)
u •v = tidak terdefinisi, karena u ∈R5, sedangkan v∈R6
v •w = 1.5 + (-2).(-8) + 3.2 + (-2).3 + 1.4 + 0.5= 5 + 16 + 6
– 6 + 4 + 0 = 25
Sifat hasil kali titik.
Misalkan u, v, w ∈ Rn , k skalar, berlaku:
 u •v = v •u {komutatif}
 u •(v + w) = u •v + u •w) {distributif}
 k(u •v) = (ku) •v= u •(kv) {kehomogenan}
 u •u > 0, jika uo, dan u •u = 0, jika u = o
{kepositifan}

Keempat sifat di atas nantinya akan diambil sebagai

kebenaran (aksioma) untuk membentuk definisi hasil kali
dalam.

1.5. Perkalian dengan skalar

k u = ( ku1, ku2 , . .., kun )

Contoh :
Misalkan u=(2, -1, 9, 3, 4),
-3u=(-6, 3, -27, -9, -12)
Sifat-sifat penjumlahan dan perkalian dengan
skalar
Misalkan u, v, w ∈Rn , k, l skalar, berlaku:
2
Teknik Informatika
 Ruang-ruang Vektor

 u+v=v+u {komutatif}
 (u + v) + w = u + (v + w) {asosiatif}
 u+o=o+u=u {anggota identitas}
 u + (-u) = (-u) + u = o {invers anggota}
 k(u + v) = ku + kv {distributif terhadap
skalar}
 (k+l)u = ku + lu {distributif terhadap
skalar}
 (kl)u = k(lu) {asosiatif perkalian dengan
skalar}
 1.u = u {perkalian dengan skalar 1
(satu)}

Kedelapan sifat di atas nantinya akan diambil sebagai sebuah

kebenaran (aksioma) dan ditambah dengan dua aksioma
ketertutupan dipakai untuk mendefinisikan ruang vektor.

1.6. Panjang Vektor

Contoh:
Misalkan u = (2, -4, 9, -2, 4), maka u=
(2.2 + (−4). (−4) + 9.9 + (−2). (−2) + 4.4)1/2 =
(4 + 16 + 81 + 4 + 16)1/2 = 11

1.7. Jarak Antara Vektor

Contoh :
Diketahui a = ( 1,1,2,3 ) dan b = ( 2,2,1,1 ) Tentukan jarak
antara a dan b !

Jawab
a – b = (–1, –1,1,2 )
3
Universitas Negeri Surabaya
Ruang-ruang Vektor

Latihan:

1. Misalkan u = (0, -1, 2, 3, 4), v = (1, 2, -3, 2, 1), w = (4, 2, 1,

-3, 2), hitunglah:
a. u + (v + w)
a. 2u + 3v
b. –3u + 2v
c. u + (2v – w)
d. (3v + 2u) - 6w
2. Jika u, v, dan w pada soal no. 1, hitunglah:
a. 7u7+7v7
b. 7-2u7+73v7
c. 7u+2v7+7-4w7
d. 7u + 2v - w7
e. d(v, w)
f. d(u + v, w)

4
Teknik Informatika
 Ruang-ruang Vektor

BAB II

RUANG VEKTOR UMUM

Seperti yang telah dinyatakan sebelumnya dengan melihat

bahwa vektor 𝑅 𝑛 dan matrik Mnxm yang dilengkapi dengan operasi
penjumlahan dan perkalian dengan skalar mempunyai sifat yang sama,
kenyataan ini mendorong didefinisikannya ruang vektor berikut:

Gambar 2.a ruang vektor (umum)

2.1. Definisi

Misalkan V himpunan yang dilengkapi dengan operasi

penjumlahan dan perkalian dengan skalar (dalam hal ini skalar adalah
bilangan riil). V disebut ruang vektor, jika memenuhi sepuluh
aksioma berikut:

1. Untuk setiap u, v∈V, berlaku u + v∈V

{tertutup penjumlahan}
2. Untuk setiap u, v∈V, berlaku u + v = v + u
{komutatif}
3. Untuk setiap u, v, w∈V, berlaku (u + v) + w = u + (v + w)
{asosiatif}
4. Ada o ∈V, dan berlaku u + o = o + u = u, untuk setiap u ∈V
{anggota identitas}
5. Untuk setiap u ∈V, ada -u ∈V, dan berlaku u + (-u) = (-u) +
u = o {anggota invers}
6. Untuk setiap u∈V dan setiap k ∈R, berlaku ku ∈V
{tertutup perkalian skalar}

5
Universitas Negeri Surabaya
Ruang-ruang Vektor

7. Untuk setiap u, v∈V dan setiap k ∈R, berlaku k(u + v) = ku

+ kv {distributif skalar}
8. Untuk setiap u∈V dan setiap k, l ∈R, berlaku (k+l)u = ku +
lu {distributif skalar}
9. Untuk setiap u∈V dan setiap k, l ∈R, berlaku (kl)u = k(lu)
{asosiatif skalar}
10. Untuk setiap u∈V, berlaku 1.u = u
{perkalian dengan skalar 1}
Anggota ruang vektor disebut vektor.

Dengan definisi ruang vektor yang demikian ini, maka istilah

“vektor” menjadi sangat luas, sebuah matrik ataupun fungsi menjadi
vektor juga, sepanjang sehimpunan matrik atau fungsi yang dilengkapi
dengan operasi penjumlahan dan perkalian dengan skalar, memenuhi
kesepuluh aksioma di atas.

Contoh:
Tentunya dikarenakan kesepuluh aksioma tersebut diambil dari vektor
Rn dan matrik Mnxm yang dilengkapi dengan operasi penjumlahan
dan perkalian skalar yang biasa (standar), maka Rn dan matrik Mnxm
adalah ruang vektor.

Contoh yang lain:

Himpunan semua polinom berderajat maksimal n yang dilengkapi
dengan operasi penjumlahan dan perkalian dengan skalar yang biasa
yang dilambangkan dengan Pn.

Bentuk umum polinom adalah: a0+a1x + a2x2+ ...+anxn, dimana a0,

a1, a2, ...,an konstanta riil, dan an0, disebut polinom berderajat n.

2.2. Operasi yang biasa pada polinom

Misalkan p= a0+a1x + a2x2+ ...+anxn, q= b0+b1x + b2x2+ ...+bnxn.

p + q = (a0+ b0)+(a1+ b1)x + (a2+ b2)x2+ ...+(an+bn)xn

{koefisien yang seletak dijumlahkan}

6
Teknik Informatika
 Ruang-ruang Vektor

kp= ka0+ka1x + ka2x2+ ...+kanxn

{setiap koefisien dikalikan k}
Contoh:
p = 1 + 2x – 3x2 – x3 + 2x4
q = 5 + 4x2 + 2x3 – 2x4
p + q = 6 + 2x + x2 + x3
-3p = -3 – 6x + 9x2 + 3x3 – 6x4

Bukti: (bahwa Pn ruang vektor)

1. Ambil p, q ∈Pn, berarti dapat diuraikan sebagai :

p = a0+a1x+a2x2+...+anxn, q=b0+b1x+b2x2+...+bnxn
p+q = (a0+a1x+a2x2+...+anxn)+(b0+b1x+b2x2+...+bnxn)
{sifat asosiatif bilangan riil}
p+q = (a0+ b0)+(a1+b1)x+(a2+b2)x2+...+(an+bn)xn {a0+b0,
a1+b1, a2+b2, ..., an+bn {konstanta riil}
∴p+q ∈Pn

2. Ambil p, q ∈Pn, berarti dapat diuraikan sebagai :

p = a0+a1x+a2x2+...+anxn, q=b0+b1x+b2x2+...+bnxn
p+q = (a0+b0)+(a1+b1)x+(a2+b2)x2+...+(an+bn)xn
{sifat asosiatif bilangan riil}
p+q = (b0+a0)+(b1+a1)x+(b2+a2)x2+...+(bn+an)xn
{sifat distributif bilangan riil}
p+q = b0+a0+b1x+a1x+b2x2+a2x2+...+bnxn+anxn
{sifat asosiatif bilangan riil}
p+q = (b0+b1x+b2x2+...+bnxn)+ (a0+a1x+a2x2+...+anxn)
∴p+q=q+p

3. Ambil p,q,r ∈ Pn, berarti dapat diuraikan sebagai:

p=a0+a1x+a2x2+...+anxn, q=b0+b1x+b2x2+...+bnxn , r =
c0+c1x+c2x2+...+cnxn
(p+q)+r = ((a0+ b0)+(a1+b1)x+(a2+b2)x2+...+(an+bn)xn )
+(c0+c1x+c2x2+...+cnxn) {distributif bil. riil}

7
Universitas Negeri Surabaya
Ruang-ruang Vektor

(p+q)+r = a0+a1x+a2x2+...+anxn+ b0+b1x+b2x2+...+bnxn+

c0+c1x+c2x2+...+cnxn {asosiatif bil. riil}
(p+q)+r = a0+a1x+a2x2+...+anxn+(b0+b1x+b2x2+...+bnxn +
c0+c1x+c2x2+...+cnxn) {distributif bil. riil}
(p+q)+r= a0+a1x+a2x2+...+anxn+((b0+c0)+(b1+c1)x
+(b2+c2)x2+...+(bn+cn)xn)
∴ (p+q)+r=p+(q+r)

4. Ada o∈ Pn, yaitu o=0, dan ambil q ∈Pn, berarti dapat
diuraikan sebagai :

q = a0+a1x+a2x2+...+anxn,
o+q = 0+a0+a1x+a2x2+...+anxn = a0+a1x+a2x2+...+anxn =q
q+o = a0+a1x+a2x2+...+anxn+0 = a0+a1x+a0x2+...+anxn =q
∴ q+o= o+q=q

5. Ambil p ∈ Pn, berarti dapat diuraikan sebagai :

p = a0+a1x+a2x2+...+anxn, ada –p∈ Pn, yaitu

-p = (-1)(a0+a1x+a2x2+...+anxn)=-a0-a1x-a2x2-...-anxn
p+(-p) = (a0+a1x+a2x2+...+anxn)+(-a0-a1x-a2x2-...-anxn)
{asosiatif dan distributif bil. riil}
p+(-p) = (a0-a0)+(a1-a1)x+(a2-a2)x2+...+(an-an)xn=0=o
-p+p = (-a0-a1x-a2x2-...-anxn)+(a0+a1x+a2x2+...+anxn)
{asosiatif dan distributif bil. riil}
-p+p=(-a0+a0)+(-a1+a1)x+(-a2+a2)x2+...+(-an+an)xn = 0 = o
∴ p+(-p)=-p+p=o

6. Ambil p∈ Pn, berarti dapat diuraikan sebagai :

p = a0+a1x+a2x2+...+anxn ambil k∈ R, maka

kp = k(a0+a1x+a2x2+...+anxn)= ka0+ka1x+ka2x2+...+kanxn,
karena ka0, ka1, ka2, ..., kan∈ R, maka
∴ kp∈ Pn

7. Ambil p, q ∈Pn, berarti dapat diuraikan sebagai :

p=a0+a1x+a2x2+...+anxn, q=b0+b1x+b2x2+...+bnxn
8
Teknik Informatika
 Ruang-ruang Vektor

ambil k∈ R, maka

k(p+q)= k((a0+ b0)+(a1+b1)x+(a2+b2)x2+...+(an+bn)xn)
{distributif bil. riil}
k(p+q)=k(a0+ b0)+k(a1+b1)x+k(a2+b2)x2+...+k(an+bn)xn
{distributif bil. riil}
k(p+q)=(ka0+kb0)+(ka1+kb1)x+(ka2+kb2)x2+...+(kan+kbn)xn
{distributif bil. riil}
k(p+q)=ka0+kb0+ka1x+kb1x+ka2x2+kb2x2+...+kanxn+kbnxn
{asosiatif bil. riil}
k(p+q)=(ka0+ka1x+ka2x2+...+kanxn)+(kb0+ kb1x+ kb2x2
+...+kbnxn) {distributif bil. riil}
k(p+q) = k(a0+a1x+a2x2+...+anxn)+k(b0+b1x+b2x2+...+ bnxn)
∴ k(p+q)=kp+kq

8. Ambil p∈ Pn, berarti dapat diuraikan sebagai :

p = a0+a1x+a2x2+...+anxn, k, l∈ R, (k+l)p =

(k+l)(a0+a1x+a2x2+...+anxn) {distributif bil. riil}
(k+l)p = (k+l)a0+(k+l)a1x+(k+l)a2x2+...+(k+l)anxn
{distributif bil. riil}
(k+l)p = ka0+la0+ka1x+la1x+ka2x2+la2x2+...+kanxn+lanxn
{asosiatif bil. riil}
(k+l)p = (ka0+ka1x+ka2x2+...+kanxn)+(la0+ la1x+la2x2
+...+lanxn) {distributif bil. riil}
(k+l)p=k(a0+a1x+a2x2+...+anxn)+ l(a0+a1x+a2x2+...+anxn)
∴ (k+l)p=kp+ lp
9. Ambil p∈ Pn, berarti dapat diuraikan sebagai :

p = a0+a1x+a2x2+...+anxn, k, l ∈ R, (kl)p =
(kl)(a0+a1x+a2x2+...+anxn) {distributif bil. riil}
(kl)p = (kl)a0+(kl)a1x+(kl)a2x2+...+(kl)anxn
{asosiatif bil. riil}
(kl)p = k(la0)+k(la1)x+k(la2)x2+...+k(lan)xn
{distributif bil. riil}
(kl)p=k(la0+la1x+la2x2+...+lanxn)
∴ (kl)p=k(lp)
10. Ambil p∈Pn, berarti dapat diuraikan sebagai :
9
Universitas Negeri Surabaya
Ruang-ruang Vektor

p = a0+a1x+a2x2+...+anxn, 1.p =1.(a0+a1x+a2x2+...+anxn)

{sifat bilangan riil dikali satu}
1.p = a0+a1x+a2x2+...+anxn
∴1.p=p
∴Pn ruang vektor

2.3. himpunan vektor nol

O = {o} yang dilengkapi dengan penjumlahan dan perkalian

skalar yang biasa, termasukruang vektor, karena memenuhi sepuluh
aksioma ruang vektor.

1. + o = o ∈O.
2. +o=o+o=o
3. (o + o) + o = o + (o + o) = o
4. ada o ∈O, yang bersifat o + o = o + o = o
5. jika o ∈O, maka selalu ada –o=o ∈O, sehingga o + (-o) = -o
+o=o
6. ko=o ∈O
7. k(o + o) = ko + ko = o + o = o
8. (k+l)o=ko + lo = o
9. (kl)o = k(lo)= o
10. 1.o = o

2.4. vektor di bidang yang melalui titik asal

Persamaan bidang yang melalui titik asal adalah: ax + by +

cz = 0. Himpunan semua vektor R3 di bidang yang melalui titik asal
dinyatakan oleh: P = {(x, y, z) ∈ R3ax + by + cz = 0} yang
dilengkapi dengan penjumlahan dan perkalian skalar yang biasa di
R3, merupakan ruang vektor.

1. Ambil u=(u1, u2, u3), v=(v1, v2, v3) ∈P, berarti memenuhi:
au1+bu2+cu3=0 dan av1+bv2+cv3=0, jumlah dari kedua
persamaan ini, didapat:

10
Teknik Informatika
 Ruang-ruang Vektor

(au1+bu2+cu3)+(av1+bv2+cv3)=0 atau a(u1+v1)+b(u2+v2)

+c(u3+ v3)=0, yang berarti u + v ∈P

2. Ambil u=(u1, u2, u3), v=(v1, v2, v3) ∈P, dan karena u, v juga
anggota R3, maka terpenuhilah aksioma ke 2.
3. Ambil u=(u1, u2, u3), v=(v1, v2, v3), w=(w1, w2, w3)∈P,
begitu pula u, v, dan w juga anggota R3, sehingga dipenuhi
aksioma yang ke 3.

4. Ada o =(0, 0, 0)∈P, karena a.0+b.0+c.0=0, dan karena o

juga anggota R3, maka memenuhi aksioma ke 4.

5. Ambil u=(u1, u2, u3)∈P, ada -u=(-u1, -u2, -u3) ∈P, karena
a(-u1)+b(-u2)+c(-u3) = -( au1+bu2 + cu3) = -0=0. Dan
dikarenakan u dan –u ini juga anggota R3, maka dipenuhi
aksioma yang ke 5.

6. Ambil u=(u1, u2, u3)∈P, akan ditunjukkan bahwa ku∈ P,

berarti akan diperlihatkan (ku1, ku2, ku3) memenuhi
persamaan bidang,
a(ku1)+b(ku2)+c(ku3)=k(au1+bu2+cu3)=k.0=0

7. Ambil u=(u1, u2, u3), v=(v1, v2, v3) ∈P, ambil k skalar,
karena u, v juga anggota R3, dan k skalar riil, maka dipenuhi
aksioma ke 7.

8. Ambil u=(u1, u2, u3) ∈P, ambil k, l skalar, karena u juga

anggota R3, dan k, l skalar riil, maka dipenuhi aksioma ke 8.

9. Ambil u=(u1, u2, u3) ∈P, ambil k, l skalar, karena u juga

anggota R3, dan k, l skalar riil, maka dipenuhi aksioma ke 9.

10. Ambil u=(u1, u2, u3) ∈P, 1.u=u

11
Universitas Negeri Surabaya
Ruang-ruang Vektor

2.5. bukan ruang vektor

Jika M = yang dilengkapi dengan operasi

penjumlahan yang biasa di matrik 2x2 dan perkalian dengan skalar

yang biasa di matrik 2x2. Dari definisi M ini, terlihat ketidakbiasaan
dibanding himpunan matrik 2x2, adalah entri pada baris pertama
kolom pertama yang harus 1. M bukan ruang vektor, karena tidak
terpenuhi aksioma ketertutupan terhadap operasi penjumlahan.
Berikut diberikan contoh penyangkal.

(contoh yang tak memenuhi aksioma), u = dan v = ,

maka u + v = ∉ M, karena entri baris pertama kolom

pertama bukan 1 (satu), seperti pada M, yang

mensyaratkannya.

Jika V himpunan semua vektor di R3, dengan operasi

penjumlahan u+v=(u1+v2, u2+v1, u3+v3), sedangkan perkalian dengan
skalar ku=(ku1, ku2, ku3). Dari definisi V, terlihat yang tidak biasa
adalah operasi penjumlahan pada entri pertama dan kedua, secara
intuisi kemungkinan kegagalan aksioma ruang vektor adalah disini,
karena itu dicari contoh penyangkal yang sesuai.

Contoh penyangkal: a = (2, 3, -1) dan b = (4, 2, 4).

a+b = (2+2, 3+4, (-1)+4) = (4, 7, 3)
b+a = (4+3, 2+2, (-1)+4) = (7, 4, 3)

Karena a+b≠b+a, berarti tidak memenuhi aksioma ke 2, yaitu

aksioma komutatif.

12
Teknik Informatika
 Ruang-ruang Vektor

BAB III

SUB-RUANG VEKTOR

3.1. Definisi

Sebuah subset W dari suatu ruang vektor V disebut subruang

dari V, jika W merupakan ruang vektor terhadap operasi penjumlahan
dan perkalian skalar yang berlaku pada V.
Misalkan V ruang vektor. U⊆V dan U≠∅. U disebut sub
ruang dari V jika U ruang vektor dibawah operasi yang sama dengan
di V.

Gambar 3.a Sub-Ruang Vektor

Pada umumnya, untuk menunjukkan bahwa suatu himpunan

tak kosong W merupakan ruang vektor, kita perlu menunjukkan
keberlakuan 10 aksioma ruang vektor pada himpunan tersebut. Akan
tetapi, jika W merupakan subset dari suatu ruang vektor V maka kita
tidak perlu mengecek keberlakuan kesepuluh aksioma, karena ada
beberapa aksioma yang diturunkan dari ruang vektor V. Misalnya sifat
komutatif terhadap operasi penjumlahan yang diberikan. Kita tidak
perlu mengecek apakah berlaku pada W, karena hal
ini berlaku untuk semua vektor yang berada pada himpunan V,
termasuk vektor-vektor di W yang merupakan subsetnya.

Ada beberapa aksioma yang tidak diturunkan dari V, misalnya

sifat tertutup terhadap operasi penjumlahan. Karena W merupakan

13
Universitas Negeri Surabaya
Ruang-ruang Vektor

subset dari himpunan V, maka untuk setiap tentu

berlaku Tapi tidak ada jaminan bahwa
karena mungkin saja terdapat yang jumlahnya merupakan
anggota V tetapi bukan merupakan anggota W.

Ada empat aksioma yang tidak diturunkan dari ruang vektor V, yaitu

1. Aksioma 1 (Tertutup terhadap operasi penjumlahan)

2. Aksioma 4 (Keberadaan vektor ⃗0 di himpunan W)
3. Aksioma 5 (Keberadaan vektor -𝑢⃗ di himpunan W)
4. Aksioma 6 (Tertutup terhadap operasi perkalian dengan skalar)

Teorema berikut ini menjamin bahwa kita hanya perlu menunjukkan

keberlakuan aksioma 1 dan aksioma 6, karena aksioma 4 dan aksioma
5 merupakan akibat dari terpenuhinya kedua aksioma ini.

Diketahui V ruang vektor dan U subhimpunan V. Kemudian U

dikatakan sub–ruang dari V jika memenuhi dua syarat berikut :

1. Jika u , v ∈U maka u + v ∈U

2. Jika u ∈U , untuk skalar k berlaku k u ∈U

Bukti

Karena teorema di atas berbentuk biimplikasi, maka kita bagi menjadi

dua bagian. Pertama, kita buktikan dari kiri. Diketahui W merupakan
subruang dari V, berarti himpunan W memenuhi kesepuluh aksioma
ruang vektor, termasuk aksioma 1 dan 6 yang merupakan syarat (a)
dan (b) pada teorema di atas.

Contoh:
Diketahui U adalah himpunan titik – titik di bidang dengan ordinat 0
dengan operasi standar R2 , tunjukkan bahwa U merupakan sub–ruang
dari R2 !

Jawab

14
Teknik Informatika
 Ruang-ruang Vektor

Akan ditunjukkan bahwa U memenuhi dua syarat sub–ruang vektor ,

yaitu :
3.2. Syarat Sub-Ruang

1. U = { x,0 } untuk sembarang nilai x , x ∈R Misalkan 𝑎 = (

x1,0 ) dan 𝑏⃗ = ( x2,0 ) dengan x1,x2 ∈R , maka 𝑎 , 𝑏⃗ ∈U
𝑎 + 𝑏⃗ = ( x1 + x2,0 ) dengan x1+x2 ∈R , jadi 𝑎 + 𝑏⃗ ∈R
Jadi syarat ke–1 terpenuhi.
2. Untuk skalar k , maka k 𝑎 = ( kx1,0 ) dengan kx1 ∈R ,
jadi k 𝑎 ∈R
Jadi syarat ke–2 terpenuhi

Kedua syarat terpenuhi , maka U merupakan sub–ruang R2

Contoh:
Diketahui U adalah himpunan vektor – vektor yang berbentuk
( a,b,c ) dengan a = b – c – 1 , a,b,c ∈R dengan operasi standar R3 ,
tunjukkan apakah U merupakan sub–ruang R3 atau bukan !

Jawab
Akan ditunjukkan apakah U memenuhi syarat sub–ruang vektor R3.

Misalkan a = ( b1 – c1 – 1, b1, c1 ) dan b = ( b2 – c2 – 1, b2, c2 ) dengan

b1,b2,c1,c2 ∈R maka a , b ∈R .

a + b = (b1+b2 ) – (c1+c2) – 2 , b1+b2, c1+c2 ) ∉U.

Syarat ke–1 tidak dipenuhi , jadi U bukan merupakan sub–ruang

vektor .

Contoh:
Tunjukkan bahwa himpunan yang berisi semua matriks
orde yang setiap unsur diagonalnya nol merupakan subruang
dari yaitu ruang vektor matriks .

15
Universitas Negeri Surabaya
Ruang-ruang Vektor

Perhatikan : .

Pilih . Jadi .

Selanjutnya jelas bahwa . Ambil

sebarang dan dengan

dan , akan ditunjukkan bahwa .

Perhatikan,

Karena ,

berakibat dan .

Sehingga didapat . Jadi,

Selanjutnya akan ditunjukkan bahwa . Perhatikan,

16
Teknik Informatika
 Ruang-ruang Vektor

Karena , berakibat . Sehingga

didapat . Jadi, .

Dengan kata lain, adalah subruang dari .

Berdasarkan Teorema di atas, diperoleh akibat sebagai berikut:

subruang vektor dari jika dan hanya jika

1.
2. maka untuk

Bukti.
Untuk bukti dari kiri ke kanan, jelas. Untuk bukti dari kanan ke kiri,
dengan alasan yang sama seperti bukti pada teorema di atas, jelas
memenuhi aksioma 1, 2, 5, 6, 7, 8, 9 dan 10. Selanjutnya dengan
menggunakan sifat 1 pada Teorema 1 (Sifat Ruang Vektor),
berlaku untuk setiap . Berakibat aksioma 3
berlaku. Selanjutnya dari kondisi 2, dapat dipandang
dan dengan mengambil dan , maka aksioma 4 ruang
vektor terpenuhi.

Contoh:

Diketahui merupakan
17
Universitas Negeri Surabaya
Ruang-ruang Vektor

ruang vektor atas , dan .

Akan diperlihatkan bahwa merupakan subruang dari .

Jelas bahwa . Selanjutnya ambil sebarang

dan dengan dan .

Perhatikan,

Karena ,
maka . Sehingga dapat disimpulkan

. Jadi, . Jadi, adalah

subruang dari .

Contoh:

18
Teknik Informatika
 Ruang-ruang Vektor

Misal diberikan fungsi genap dan ganjil yang didefinisikan sebagai

berikut.
1. merupakan fungsi genap yaitu
2. merupakan fungsi ganjil yaitu
Diketahui merupaka
n ruang vektor atas terhadap operasi . Tunjukkan bahwa apakah
fungsi ganjil dan genap merupakan subruang dari .
Misal :
dan
.

1. Ambil sebarang dan . Akan

ditunjukkan dan .
Karena dan adalah fungsi genap,
maka dan untuk
setiap . Perhatikan,

Oleh karena itu, fungsi genap.

Oleh karena itu, fungsi genap. Jadi, subruang

dari

2. Ambil sebarang dan . Akan

ditunjukkan dan .
19
Universitas Negeri Surabaya
Ruang-ruang Vektor

Karena dan adalah fungsi ganjil,

maka dan untuk
setiap . Perhatikan,

Oleh karena itu, fungsi ganjil.

Oleh karena itu, fungsi ganjil. Jadi, subruang

dari

Jika dan subruang dari ruang vektor atas lapangan , maka

1. subruang dari .
2. subruang dari

Bukti.
1. Karena dan mrupakan subruang, maka terdapat ,
sehingga . Jadi . Ambil
sebarang dan ,
artinya dan . Akan
dibuktikan . Karena dan ,
serta dan subruang berakibat .
Jadi . Selanjutnya akan
dibuktikan . Dengan alasan yang sama,

20
Teknik Informatika
 Ruang-ruang Vektor

didapat dan . Jadi, .

Jadi, subruang.

2. Karena dan mrupakan subruang, maka terdapat ,

sehingga . Jadi . Ambil
sebarang dan ,
artinya dan untuk
suatu dan . Akan
dibuktikan . Perhatikan,

Selanjutnya akan dibuktikan . Perhatikan

Jadi, subruang.

Jika dan subruang dari , maka merupakan subruang

dari jika dan hanya jika atau .

Bukti.
Diketahui subruang dari . Jika , artinya
terdapat tapi . Akan dibuktikan . Ambil
sebarang , karena subruang, maka ,
sehingga diperoleh atau . Jika ,

21
Universitas Negeri Surabaya
Ruang-ruang Vektor

artinya . Hal ini kontradiksi dengan . Jadi,

haruslah . Akibatnya . Jadi, .

Sebaliknya diketahui atau .

Akibatnya atau . Karena dan adalah
subruang, berakibat adalah subruang.

Selain menggunakan teorema dan akibat di atas, kita juga

dapat mengecek apakah suatu subhimpunan tak kosong dari ruang
vektor merupakan subruang atau bukan melalui sifat yang lain. Misal
diberikan ruang vektor dan adalah subhimpunan tak kosong
dari , maka adalah subruang dari jika memenuhi dua kondisi
berikut
1. Untuk setiap maka berlaku
2. Untuk setiap dan maka berlaku

Sebenarnya sifat ini sama dengan Teorema 2 di atas, tapi pada

beberapa refrensi menggunakan sifat ini. Untuk masalah kemudahan
pada penggunaan, tergantung dari kita yang menggunakan saja.

22
Teknik Informatika
 Ruang-ruang Vektor

BAB IV
MEMBANGUN BEBAS LINIER
Sebelum membahas lebih jauh tentang vektor – vektor yang
membangun ruang vektor dan vektor – vektor yang bebas linier ,
sebelumnya akan diberikan definisi yang berkaitan dengan masalah
yang yang akan dibahas .

4.1.Kombinasi linier

Vektor v dikatakan merupakan kombinasi linier dari vektor –

vektor v1, v2,…, v n bila v bisa dinyatakan sebagai :

v = k1 v 1 + k2 v 2+…+ kn v n , k1,k2,…,kn : skalar

Diketahui V ruang vektor dan S = { s 1, s 2 ,…, s n } dimana s 1,

s 2 ,…, s n ∈ V

4.2.Definisi

S dikatakan membangun V bila untuk setiap v ∈V, v

merupakan kombinasi linier dari S ,yaitu :

v = k1 s 1 +k2 s 2+…+ kn s n , k1,k2,…,kn : skalar

Vektor – vektor di S dikatakan bebas linier jika persamaan 0 =

k1 s 1 +k2 s 2+…+ kn s n hanya memiliki penyelesaian k1= k2 =…=
kn = 0 ( atau jika diubah ke bentuk SPL , penyelesaiannya adalah
trivial ) , jika ada penyelesaian lain untuk nilai k1,k2,…,kn selain
0 maka dikatakan vektor – vektor di S bergantung linier.

4.3.Vektor Kombinasi Linier

Contoh:
Diketahui 𝑎̅ = ( 1,2 ) , 𝑏̅ = ( –2,–3 ) dan 𝑐̅ = ( 1,3 )
23
Universitas Negeri Surabaya
Ruang-ruang Vektor

Apakah c merupakan kombinasi linier dari a dan b ?

Jawab
Misalkan 𝑐̅ merupakan kombinasi linier dari 𝑎̅ dan 𝑏̅ , maka dapat
ditentukan
nilai untuk k1 dan k2 dari persamaan 𝑐̅ = k1 𝑎̅ + k2 𝑏̅

Digunakan operasi baris elementer untuk menyelesaikan sistem

persamaan linier diatas , yaitu :

Didapatkan

Nilai k1 dan k2 bisa didapatkan , jadi 𝑐̅ merupakan kombinasi linier

dari 𝑎̅ dan 𝑏̅ yaitu 𝑐̅ = 3 𝑎̅ + 𝑏̅.

4.4. Vektor Tidak Membangun

Contoh:
Apakah 𝑢̅ = ( 1,2,3 ) , 𝑣̅ = ( 2,4,6 ) dan 𝑤
̅ = ( 3,4,7 ) membangun R3 ?

Jawab
Misalkan u , v dan w membangun R3 , maka untuk sembarang vektor
di R3 ( x,y,z ) , maka ( x,y,z ) haruslah merupakan kombinasi linier
dari dari u , v dan w. Jika dituliskan dalam bentuk matriks akan
berbentuk :

Jika ( x,y,z ) ini merupakan kombinasi linier dari u , v dan w maka

ini sama saja dengan mengatakan bahwa SPL Ax = b diatas adalah
SPL yang konsisten memiliki penyelesaian ).
24
Teknik Informatika
 Ruang-ruang Vektor

Karena SPL diatas bukan merupakan SPL homogen , maka SPL akan
konsisten jika tidak ada baris 0 pada matriks A setelah dilakukan
reduksi baris.

Karena terdapat baris 0 maka pastilah ada vektor di R3 yang bukan

merupakan kombinasi linier dari u , v dan w . Jadi u , v dan w tidak
membangun R3 .

4.5. Vektor Membangun

Contoh:
Diketahui u = ( 1,2 ) , v = ( 2,2 ) , w = ( 1,3 )
a. Apakah u , v dan w membangun R2 ?
b. Apakah u , v dan w bebas linier ?

Jawab
a. Misalkan u , v dan w membangun R2 , maka SPL berikut :

merupakan SPL yang konsisten .

 tidak terdapat baris 0.

̅ membangun 𝑅 2
Jadi SPL konsisten  𝑢̅ , 𝑣̅ dan 𝑤

b. Akan dilihat apakah persamaan k1 𝑢̅ +k2 𝑣̅ + kn𝑤

̅ = 0 akan
memiliki penyelesaian k1 = k2 =…= kn = 0.

25
Universitas Negeri Surabaya
Ruang-ruang Vektor

, Dari operasi baris elementer pada

jawaban adidapatkan bahwa

jadi dapat disimpulkan bahwa u , v dan w

bergantung linier.

Contoh:
Apakah s(x) = –6x2 merupakan kombinasi linier dari p(x) = 1 +2x +x2
, q(x) = –x + 2x2 dan r(x) = 1 – x2 ?

Jawab
s(x) merupakan kombinasi linier dari p(x) , q(x) dan r(x) jika dan hanya
jika s(x) bisa dituliskan sebagai :

s(x) = k1 p(x) +k2 q(x) +k3 r(x) atau ekuivalen dengan

merupakan SPL yang konsisten

SPL konsisten , Jadi s(x) merupakan kombinasi linier dari p(x) , q(x)

dan r(x) dengan

26
Teknik Informatika
 Ruang-ruang Vektor

Latihan:

1. Manakah vektor-vektor di bawah ini yang dapat dinyatakan

sebagai kombinasi linier dari S={a1=(1, -1, 0), a2=(0, 2, 1),
a3=(1, 1, 1), a4=(1, 3, 2)} ?

a. U = (2, 0, 1)
b. U = (-1, 1, 1)
c. U = (0, 2, 3)
d. U = (4, 3, -1)
e. U = (2, 1, -1)
f. U = (0, 0, 1)

2. Apakah vektor-vektor pada bidang 3x + 2y – z = 0, dapat

dinyatakan sebagai kombinasi linier dari S={a1=(2, 0, 3), a2 =
(0, 1, 2)}? Jelaskan!

3. Manakah polinom-polinom di bawah ini yang dapat dinyatakan

sebagai kombinasi linier dari: S={p1=2+3𝑥 2 , p2=-1+x+3𝑥 2 ,
p3=3+x+9𝑥 2 } ?

a. 3+x+2𝑥 2
b. 2x + 5𝑥 2
c. 1+x+6𝑥 2
d. 2x +12𝑥 2
e. 5 – 2𝑥 2
f. 4+2x+15𝑥 2

27
Universitas Negeri Surabaya
Ruang-ruang Vektor

BAB V
BASIS DAN DIMENSI
5.1.Definisi

Misalkan V ruang vektor dan S = { s 1, s 2 ,…, s n }. S disebut

basis dari V bila memenuhi dua syarat , yaitu :

 S bebas linier
 S membangun V

Gambar 5.a koordinat basis dan dimensi

Basis dari suatu ruang vektor tidak harus tunggal tetapi bisa
lebih dari satu. Ada dua macam basis yang kita kenal yaitu basis
standar dan basis tidak standar.

5.2. Basis Standar

5.1. S = { 𝑒̅ 1, 𝑒̅ 2,…, 𝑒̅ n } , dengan 𝑒̅ 1, 𝑒̅ 2,…, 𝑒̅ n ∈Rn

𝑒̅1 = ( 1,0,…,0) , 𝑒̅2 = ( 0,1,0,…,0 ),…, 𝑒̅n = ( 0,0,…,1 )

Merupakan basis standar dari Rn .

28
Teknik Informatika
 Ruang-ruang Vektor

5.2. S = { 1,x, x2…,xn } merupakan basis standar untuk Pn (

polinom orde n )

5.3. S = merupakan basis standar

untuk M22

Dimensi ruang vektor didefinisikan sebagai banyaknya unsur

basis ruang vektor tersebut. Jadi dim R3 = 3 , dim P2 = 3 dan dim M22
= 4 dan sebagainya.

Pada pembahasan mengenai membangun dan bebas linier ,

suatu himpunan vektor dapat ditunjukkan merupakan himpunan yang
bebas linier atau membangun ruang vektor V hanya dengan melihat
dari jumlah vektor dan dim ruang vektor. Pada contoh 5.4.3
,banyaknya vektor = 3 dan dim ( 𝑅 2 ) = 2 , sebenarnya tanpa
menghitung kita sudah bisa menyimpulkan bahwa himpunan vektor
tersebut tidak bebas linier karena agar bebas linier maksimal jumlah
vektor = dim ruang vektor. Sebaliknya jika suatu himpunan vektor
hanya memuat vektor dengan jumlah kurang dari dim ruang vektor
, maka dapat disimpulkan bahwa himpunan vektor tersebut tidak
membangun.

Berdasarkan hal ini, maka suatu himpunan vektor

kemungkinan bisa menjadi basis ruang vektor berdimensi n jika
jumlah vektornya = n. Jika jumlah vektor < n maka tidak membangun
sebaliknya jika jumlah vektor > n maka bergantung linier. Jika jumlah
vektor = n , maka dapat dihitung nilai determinan dari ruang yang
dibangun oleh himpunan vektor tersebut. Jika det = 0 , maka ia tidak
bebas linier dan tidak membangun
Jika det ≠0, maka ia bebas linier dan membangun → merupakan basis.

Contoh:

Tentukan apakah H =

merupakan basis M22?

29
Universitas Negeri Surabaya
Ruang-ruang Vektor

Jawab
Jumlah matriks ( bisa dipandang sebagai vektor di 𝑅 4 ) dalam H = 4 =
dim M22, Jadi untuk menentukan apakah H merupakan basis dari 𝑅 4
atau bukan adalah dengan melihat nilai determinan dari ruang yang
dibangun oleh H.

Misalkan W adalah ruang yang dibangun oleh H , maka untuk

sembarang w ∈ W berlaku :

Untuk menentukan apakah H merupakan basis atau tidak adalah

denganmenghitung nilai det (A) dari SPL diatas.

Jadi H merupakan basis dari M22.

Latihan:

1. Apakah himpunan vektor-vektor di bawah ini basis ruang

vektor yang sesuai? Jelaskan.
a. B={u1=(3, -1), u2=(3, 2)}
b. B={u1=(3, 0), u2=(1, 2), u3=(-2, 1)}
c. B={u1=(2, 1, 0), u2=(1, -1, 2), u3=(-2, 2, 1)}
d. B={u1=(2, 1, 1), u2=(1, -1, -4), u3=(0, 2, 6)}
e. B={u1=(1, 0, 1, 2), u2=(2, 2, 3, 7), u3=(1, 1, 2, 4), u4=(-
1, -1, -2, -2)}
30
Teknik Informatika
 Ruang-ruang Vektor

2. Apakah himpunan vektor-vektor di bawah ini basis ruang

vektor yang sesuai? Jelaskan.
a. B={p1=1 - x, p2= 2 + 3x}
b. B={p1=1 - x - 𝑥 2 , p2= x + 3𝑥 2 , p3=2 – 2x - 𝑥 2 }
c. B={p1=2 + 4x, p2=2 + 2x + 2𝑥 2 , p3= -1 +2x - 4𝑥 2 }
d. B={p1=1 - x - 𝑥 2 + 2𝑥 3 , p2= x + 3𝑥 2 , p3=2 –2x
- 𝑥 2 + 4x3, p4=-1 + 2x + 4x2 + x3}
e. B={p1=2+x+2𝑥 2 +2𝑥 3 , p2= 4+4x +10𝑥 2 +6𝑥 3 ,
P3=2+2x+𝑥 2 +𝑥 3 , p4=2+4x+13𝑥 2 +6𝑥 3 }

3. Apakah himpunan vektor-vektor di bawah ini basis ruang

vektor yang sesuai?Jelaskan.

4. Tentukan basis dan dimensi dari ruang vektor yang

diberikan:
a. Semua vektor berbentuk (a, b, c, d) dengan b = a – 3d,
c=a+d
b. Semua polinom berbentuk a+bx+c𝑥 2 +d𝑥 3 , dengan a=0,
d=b + 2c
c. Semua vektor di bidang 3x + y + 5z = 0
d. Semua vektor di garis x=5t, y=-3t, z=4t

31
Universitas Negeri Surabaya
Ruang-ruang Vektor

BAB VI

BASIS RUANG BARIS DAN BASIS RUANG KOLOM

6.1. Definisi

Suatu matriks berukuran mxn dapat dipandang sebagai

susunan bilangan yang tersusun dari bilangan dalam kolom 1 sampai
kolom n atau dalam baris 1 sampai baris m.

Jadi jika A =

Maka A tersusun atas vektor –vektor baris 𝑟̅ i dengan 𝑟̅ i = (ai1, ai2,…,

ain ) atau bisa juga dikatakan A tersusun atas vektor – vektor kolom c
j = (c1i,c2i,…,cmi } dengan i = 1,2,…,m dan j = 1,2,…,n

Subruang 𝑅 𝑛 yang dibangun oleh vektor– vektor baris disebut ruang

baris dari A
Subruang 𝑅 𝑚 yang dibangun oleh vektor– vektor kolom disebut
ruang kolom dari A.

32
Teknik Informatika
 Ruang-ruang Vektor

6.2. Ruang Baris dan Kolom

Diketahui matriks A eselon 4 x 5 sebagai berikut :

Vektor baris dari A :

33
Universitas Negeri Surabaya
Ruang-ruang Vektor

 Karena memuat vektor NOL

maka keempat vektor tersebut
bergantung linier

Subruang yang dibangun/ direntang oleh 4 vektor diatas disebut ruang

baris dari matriks A ditulis baris(A), dalam hal ini baris(A) = 4.

Dimensi dari ruang baris disebut rank baris dari matriks A, dalam
hal ini rank baris dari A adalah 3.

Diketahui matriks eselon,

ketiga vektor kolom yang memuat elemen pivot merupakan vektor

yang bebas linier. Ketiga vektor tersebut adalah :

 Vektor kolom yang tidak memuat elemen pivot merupakan

kombinasi linier dari. Vektorvektormembentuk basis dari
ruang kolom disebut rank kolom, dalam hal ini adalah 3.
 Subruang di Rm yang dibangun oleh n vektor disebut ruang
kolom ditulis kolom (A) dalam hal ini = 5.

34
Teknik Informatika
 Ruang-ruang Vektor

Jika A adalah matriks (m ´ n), maka

Rank (A) = dimensi basis ruang baris (A)
= dimensi basis ruang kolom (A)
Nullity (A) = dimensi basis ruang nol (A)

Rank (A) + Nullity (A) = n

1. Jika A adalah sembarang matriks, maka ruang baris dan

ruang kolom A mempunyai dimensi yang sama
2. Dimensi bersama dari ruang baris dan ruang kolom dari
suatu matriks A disebut rank(A), dimensi ruang kosong atau
kekosongan(A)

Daftar Teorema:

1. Ax = b konsisten «b Î Ruang Kolom (A)

2. Salah satu solusi Ax = b adalah xo; {v1, v2, v3 ,….., vk }
basis dari Ruang Nol (Ruang Solusi Ax = 0); maka semua
solusi Ax = b dapat dinyatakan sebagai x = xo + c1v1+ c2v2 +
c3v3…. + ckvk
3. O.B.E. tidak mengubah Ruang Nol (A)
4. O.B.E. tidak mengubah Ruang Baris (A)
5. Matriks A ekivalen-baris dengan matriks B; maka
 Himpunan vektor kolom di A bebas linier «himpunan
vektor kolom di B yang bersesuaian bebas linier
 Himpunan vektor kolom di A merupakan basis dari
Ruang Kolom (A) «himpunan vektor kolom di B yang
bersesuaian merupakan basis dari Ruang Kolom (B)
6. Matriks R berbentuk eselon-baris; maka
 vektor-vektor baris dari R dengan “1 utama”
membentuk basis dari Ruang Baris (R) dan
 vektor-vektor kolom yang berisi “1 utama” membentuk
basis dari Ruang Kolom (R)

35
Universitas Negeri Surabaya
Ruang-ruang Vektor

6.3. Menentukan basis ruang kolom / baris

Basis ruang kolom A didapatkan dengan melakukan OBE

pada A, sedangkan basis ruang kolom A didapatkan dengan
melakukan OBE pada 𝑨𝒕 .

Banyaknya unsur basis ditentukan oleh banyaknya satu utama

pada matriks eselon baris tereduksi. Dimensi ( ruang baris ) = dimensi
( ruang kolom ) = rank matriks

Contoh:

Diketahui A = , Tentukan basis ruang baris dan basis

ruang kolom !

A=

Jadi basis ruang baris { 𝑟̅ 1 , 𝑟̅ 2 , 𝑟̅ 3 }, sedangkan basis ruang kolom

adalah { 𝑐̅1 , 𝑐̅2 , 𝑐̅3 }, sedangkan rank A = 3

Contoh:

Anggap Ax=b adalah sistem linier. Tunjukkan bahwa b berada dalam

rauang kolom A

Karena sistem tersebut konsisten, maka b berada dalam ruang kolom

A
36
Teknik Informatika
 Ruang-ruang Vektor

BAB VII
BASIS RUANG SOLUSI
7.1. Definisi

Pada suatu sistem persamaan linear homogen A x = 0̅ dengan

solusi yang tak –trivial dan A berukuran m x n , ruang solusi dari SPL
biasa disebut dengan ruang null dari A, sedangkan dimensi dari ruang
null disebut nullitas A . Ada hubungan antara rank A dengan nulitas
A yaitu rank A + nullitas A = n. Basis ruang solusi tentunya diperoleh
dari ruang nullnya.

Contoh:

Diketahui SPL homogen A 𝑥̅ = 0̅ dengan A = , tentukan

ruang null dari A dan rank A !

Jawab

A=

Jadi ruang null =

Jadi bisa diambil sebagai basis untuk ruang null .

Nullitas A = 1.
Bisa juga diperiksa bahwa nullitas A + rank A = 3 = n.

37
Universitas Negeri Surabaya
Ruang-ruang Vektor

Suatu matriks A dan dan transposnya AT secara bersamaan, maka

terdapat enam ruang vektor yang penting, yaitu:

Ruang baris dari A ruang baris dari AT

Ruang kolom dari A ruang kolom dari AT
Ruang nul dari A ruang nul dari AT

Dengan mentranspos suatu matriks, akan mengubah vektor-

vektor barisnya menjadi vektor - vektor kolom dan mengubah
vektor - vektor kolomnya menjadi vektor - vektor baris. Sehingga,
kecuali perbedaan notasi, ruang baris dari ATadalah sama dengan
ruang kolom dari A, dan ruang kolom dari ATadalah sama dengan
ruang baris dari A. Denan ini, kita tinggal memiliki empat
ruang vektor yang penting, yaitu:

Ruang baris dari A ruang kolom dari A

Ruang nul dari A ruang nul dari AT
Ke empat ruang vektor ini dikenal sebagai ruang matriks dasar
(fundamental matrix space) yang terkait dengan A. Jika A adalah
suatu matriks m x n, maka ruang baris dari A dan ruang nul
dari A adalah sub ruang dari Rn dan ruang kolom dari A dan
ruang nul dari AT adalah sub ruang dari Rm

7.2. Ruang Baris dan Kolom yang Memiliki Dimensi Sama

Pada contoh sebelumnya, kia mengetahui bahwa ruang baris dan

ruang kolom dari mariks berikut ini:

Masing-masing memiliki tiga vektor basis, yang berarti keduanya

berdimensi tiga. Bukanlah merupakan suatu kebtulan, jika ternyata
dimensi-dimensi ini sama.
38
Teknik Informatika
 Ruang-ruang Vektor

BAB VIII
PENUTUP

8.1. Kesimpulan

Ruang-ruang vektor adalah sebuah cabang ilmu

Matematika yang mempelajari sudut pandang titik
kordinat dari sebuah objek yang terletak pada suatu
bidang yang terdapat pada suatu dimensi. Sehingga
dapat berkembang luas meliputi sub-ruang, basis & dimensi,
membangun bebas linier, dan masih banyak perkembangan ilmu
vektor yang lainnya.

8.2. Saran

Alangkah baiknya kita mengenal Matematika dahulu sebelum

kita menganggap Matematika itu sulit. Karena bila kita telah mengenal
Matematika dengan baik dam menikmati bagaimana Matematika itu
bekerja akan terasa bahwa Matematika itu tidaklah seburuk yang kita
pikirkan.

39
Universitas Negeri Surabaya
Ruang-ruang Vektor

DAFTAR PUSTAKA

Kartono. 2002. Aljabar Linier, Vektor, dan Eksplorasinya dengan

Maple Yogyakarta: GRAHA ILMU.

Gultom, B. 1985. Teori Aljabar Linier. Bandung: TARSITO.

Glaeser, Katrina dan Scrimshaw, Travis. 2013. Linear Algebra.

California: Davis California.

40
Teknik Informatika