CRITICAL BOOK REPORT

ALJABAR LINIER
Dosen pengampu : Dr. Muliyono, S.Si.,M,Si

DISUSUN OLEH:

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN

2018
 KATA PENGANTAR

Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa atas berkat dan
rahmatnya saya bisa menyelesaikan tugas critical book report ini,makalah ini berisikan
perbandingan antara dua buku yang memiliki materi yang sama.

Saya mengucapkan banyak terimakasih kepada bapak Mulyono yang telah

memberikan tugas ini dan membimbing saya menyelesaikan tugas ini,adapun tugas ini
tidaklah sempurna.Saya sangat mengharapkan kritik dan saran dari pembaca,sehingga saya
dapat memperbaiki makalah yang selanjutnya.

Semoga makalah ini dapat memberikan pemahaman tentang materi aljabar yang lebih
ringgkas,dan lebih bermanfaat lagi bagi pembaca,atas perhatiannya saya ucapkan banyak
terima kasih

Medan , 29 Oktober 2018

Penulis

1
 DAFTAR ISI

KATA PENGANTAR ...............................................................................................................

DAFTAR ISI ..............................................................................................................................

BAB I PENDAHULUAN ..........................................................................................................

1.1 Latar Belakang ......................................................................................................................

1.2 Tujuan ....................................................................................................................................
1.3 Manfaat ..................................................................................................................................

BAB II PEMBAHASAN ...........................................................................................................

2.1 Identitas Buku .......................................................................................................................

2.2 Ringkasan Buku ...................................................................................................................

BAB II PENUTUP .....................................................................................................................

3.1 Kelebihan dan Kelemahan .....................................................................................................

3.2 Saran ......................................................................................................................................

2
 BAB I PENDAHULUAN

1.1 Latar Belakang

Aljabar linier erlementer adalah materi pelajaran yang menjadi dasar dari aljabar yang
diajarkan kepada mahasiswa.Yang materinya berisi persamaan
linier,matriks,determinan,vektor dan ruang vektor,dari hal tersebut perlu dikaji materi tentang
aljabar ini lebih dalam lagi,agar setiap kasus dan permasalahan yang ada dapat ditemukan
solusi dan penyelesainnya.

1.2 Tujuan

Critical buku report ini bertujuan untuk membandingkan dua buku yang memiliki materi
sama,serta mengetahui kelebihan dan kekurangan buku,serta membuat mahasiswa untuk
berpikir kritis.

1.3 Manfaat
Manfaat CBR ini adalah untuk membuat mahasiswa berpikir lebih kritis serta bermanfaat
untuk pembaca.
BAB II PEMBAHASAN

2.1 Identitas Buku

 Buku I

Judul Buku : LINIER ALGEBRA

Nama Pengarang : David C.Lay

Penerbit :-

Tahun Terbit : -

Jumlah Halaman : 576

 Buku II

Judul Buku : LINEAR ALGEBRA AND ITS APLICATIONS

Nama Pengarang : Gilbert Strang

Penerbit :-

Tahun Terbit : -

Jumlah Halaman : 542

3
Ringkasan Buku

BUKU I

Bab I

Persamaan Linear DalamAljabar Linear

1.1sistem persamaan linear

sistempersamaan linear adalahpersamaan yang mengandungvariabel𝑥1 ….𝑥𝑛 dapat ditulis

𝑎1 𝑥1 +𝑎2 𝑥2 +….+𝑎𝑛 𝑥𝑛 =b,dimana b dankoefisien 𝑎1 ……𝑎𝑛 adalah real atau bilangan
kompleks.contoh 2𝑥1 +𝑥2 - 3=𝑥1

sedangkancontohberikutbukanpersamaan linear karenamengandungperkalianantar variable

yaitu

4𝑥1 +𝑥2 =𝑥1 𝑥2

persamaan linear dapatmemilikitigasolusiyaitu:

1.tidakmemilikisolusi,inibiasanyadalampencariantitikpotonggarisakansejajar

2.memilikisolusitunggalKalaukeduagarisituberpotongan

3.memilikibanyaksolusiKalaukeduagarisberhimpit

a.notasimatriks

Disiniakandigunakanpengolahan agar didapatbentuk yang setaradengancara:

1. Mengalikanpersamaandengankonstantabukannol
2. Menukarkanurutanduapersamaan
3. Menggantisebuahpersamaandenganjumlahantarapersamaanitudengansuatukelipatanda
ripersamaan lain.
Berikutcontohnyamatriks.:

𝑥1 − 2𝑥2 -2𝑥3 =0

2𝑥2 -8𝑥3 =8

−4𝑥1 +5𝑥2+ 9𝑥3 =-9

dan

4
Bentukpertamadisebutmatrikskoefisiensedangkanbentukkeduadisebutmatriksgandengan.untu
kmenyelesaikanpersamaantersebutkitamenggunakanmatriksgandengan .

Berdasarkancontohpengubahantersebutkitaakanmenyelesaikanpersamaaan linear
denganmenggunakannotasimatrikssbb:

𝑋1-2𝑋2=-3

𝑋2=16

𝑋3=3,lalu dengan mensubstitusikan persamaan pertama didapat 𝑥1 =29

b.kesetaraanbarisdaneselonbaris

Definisi

1.semuabarisbukannolberadadiatasbaris yang semuanol

2.setiapkepalabarisdalamsebuahkolom yang lebihbawahberadalebihkanandibandingkan

yang beradadiatasnya

3.kepalabarisuntuk yang tidaknoladalah 1

4..barisnolberadaditempatterakhir

Untukmatriks yang
memenuhisemuasifattersebutadalahmatrikseselontersederhanakan,sedangkankurangdarisemu
anyadisebuteselonbaris

0 1 3 0 1 3 9 6
Contoheselonbaristersederhanakan[ 0 0 0 1] dan berikut matriks eselon[0 0 0 2]
0 0 0 0 0 0 1 0
c. posisi pivot

Defenisi : posisi pivot dalamsebuahmatriks A berlokasi di kepalabaris 1

dalammatrikseselonbaristersederhanakan.Dansebuah pivot kolomadalahsebuahkolomdari A
yang mengandung pivot. Disinijugaadapenjelasanbahwa:

BAB II

Vektor

a. vektorDalam𝑹𝟐

Sebuahmatrikshanyadengansatukolom yang disebutkolommatriks.

3
Contoh vector denganduasatukolomyaitu[ ]
2

5
 2 3
Didalam vector kitatidakbolehmenyamakanbentuk[ ] dengan [ ] karena bentuk ini tidak
3 2
sama,sedangkan dua vector disebut sama jika dan hanya jika mereka saling berkorespodensi.

Dalam vector kita bias melakukanpenjumlahanantara vector sbb:

3 4 3+4 7
[ ]+[ ]= [ ]=[ ] dan jika kita ingin mengalikan sebuah bilangan vector dengan
2 5 2+5 7
sembarang bilangan scalar maka hasil dari perkalian tersebut adalah scalar .contoh diberikan
2 2 10
bilangan scalar 5 dan vector uadalah[ ] maka cuadalah 5[ ]=[ ]
1 1 5

b. VektorDalam𝑹𝟑

Dalambagianini hamper
samadenganpenjelasandiatashanyasajadalambarisnyaadatigadengansatukolom.

c. VektorDalam𝑹𝒏
𝑢1
𝑢2
.
Untukbagianinikitadapatmembuatsebuahnotasiyaitu:u= . dan terkadang kita
.
[𝑢𝑛 ]
akanmenemukansebuah vector denganangkanolsemuamaka vector tersebutadalah vector nol.

Dalamsebuahoperasi vector terdapatsifat-sifatsbb:

d. Gabungan Linear

Jikadiberikanvector 𝑣1 ,𝑣2 …..𝑣𝑝 dalam𝑅 𝑛 dan diberi scalar 𝑐1 𝑐2 … … 𝑐𝑝 maka

dapatditulisdengan y=𝑐1 𝑣1……..+ 𝑐𝑝 𝑣𝑝 bentuk inilah yang disebut linear gabungan.

Disinikitadapatmenemukan variable x dan y

3 4 4
denganmenggunakankonsepgabungan.contohnya𝑥 [1]+y[2]=[6],kita hanya menggunakan
1 1 5
konsep perkalian antar variable x dengan pasangannyadan variable y
denganpasangannya,setelahituakandidapatpersamaanumumdankitaakhiridengankonsepmatrik
sgandengan.

Hal inidapatdibuatsuatukonsepyaitu:

𝑥1 𝑎1+ 𝑥2 𝑎2 … . 𝑥𝑛 𝑎𝑛 = 𝑏dan dapat ditulis dalam [𝑎1 𝑎2 … . . 𝑎𝑛 𝑏] dimana b didapat dari

gabungan 𝑎1 … … 𝑎𝑛

e. aplikasi linear gabungan

6
Kita akanmembuatcontohdalamkehidupansehari –
harikitayaitu{jumlahbarang}.{hargaperunit}={total harga}

f. bentukmatrisAx=b
Jika Aadalahmxnmatriksdengankolom𝑎1……. 𝑎2 dan jika x adalah 𝑅 𝑛 hasil dari Ax adalah
gabumgan kolom A dengan setiap anggota x
𝑥1.
DapatditulisAX=[𝑎1 𝑎2……. 𝑎𝑛 ][ .. ]=𝑥1 𝑎1+ 𝑥2 𝑎2+⋯ 𝑥𝑛 𝑎𝑛
𝑥𝑛

BentukdariAx=b memilikisolusihanyadanjikahanyaadalahgabungan linear kolom A

g. komutasiAx
KomutasiAxadalahpengambilbagiandaribagian yang ditentukanuntuk A danx,contohnya𝐴 =
2 1 𝑥1 2 1 2𝑥 + 𝑥2
[ ] dan x=[𝑥 ].lalu ax=𝑥1 [ ]+𝑥2 [ ] = [ 1 ]
4 3 2 4 3 4𝑥1 + 3𝑥2
Jikakitainginmengkomutasinyahanyadenganmemilihbagianmana yang akankitaoperasikan
𝑥1
,misalkancontohdiataskitahanyamemilih [ 2] 1 [𝑥 ]=[2𝑥1 +𝑥2
2
h. sistem linear homogen
Defenisi :system linear disebuthomogenjikadapatditulisAx=0.dan
bentukinitidakmemilikisolusi trivial jikadanhanyajikamempunyai variable bebasterakhirsatu.
i. transpose matriks
Transpose adalahpertukaranbarisdengankolomdanberikutsifat-sifatnya:

Disini dilakukan penggantian baris dengan kolom.

3 4 4 4 3 2 𝑇 4 1
Contoh A=[ ],B=[ ],maka transposenya 𝐴𝑇 = [ ] 𝐵 =[ ]
2 5 1 2 4 5 4 2
inversmatriks

𝐴−1 𝐴 = 1 𝑑𝑎𝑛 𝐴𝐴−1 =1

Disinibolehdilakukanpembuktian

7
 BAB III DETERMINAN

Pengertian:untuk n≥ 𝟐 determinan n ×n matrik a =[𝑎𝑦 ] bentuk perkalian dari ±𝑎𝑦 det

𝐴𝑖𝑗 dengan tanda alternative 𝑎11 𝑎12…𝑎1𝑛 adalah bentuk baris pertama A

Dimanadalammengoperasikannyakitaharusmengetahuiaturansbb:

determinandari n×n matrik a bias dikomputasi dengan kofaktor melintang

darisetiapbarisdankolom.bentukbarismelintang

Dan berikutpembagiannya:

makadapatdiperolehdeterminannya

Bab IV Ruang Vector

4.1 RuangVektor

Definisi :misalkan v sebaranghimpunanbenda yang

duaoperasinyakitadefinisikanyaitupenjumlahandanperkaliandengan scalar
,dimanajikaaksiomaberikutdipenuhiolehsemuascalar,makakitanamakan v
sebuahruangvektordanbendabendapadadisebut vector.

1. U+vadalahdalam V
2. U+v=v+u
3. (u+v)+w=u+(v+w)
4. Ada vector noldalam V seperti u+0=u
5. Untuksetiap u dalamV,ada vector –u seperti u+(-u)=0
6. Perkalian scalar u oleh c dinotasikancudalam v
7. c(u+v)=cu+cv
8. (c+d)u=cu+du
9. C(du)(cd)u
10. Iu=u
4.2 Subruang

Definisi:subruangdariruang vector v adalah subset h oleh v yang memilikitigaaturan:

1.vektornoldari v adalah𝐻 2

8
 2.u+v adalah h
3.perkalian vector cu adalah h

4.3 Vektor Yang Bebas Linear Dan TakBebas Linear

(𝑢1 𝑢2 … . 𝑢𝑚 )disebut tak bebas linear bila terdapat scalar

’𝜆1 , 𝜆2,….., 𝜆𝑚 yang semuanya tidak nol,sebaliknya
(𝑢1 𝑢2 … . 𝑢𝑚 )disebut bebas linear jika’𝜆1 𝑢1, + 𝜆2 𝑢2 +…+𝜆1 =, 𝜆2 =𝜆𝑚 =0

BUKU II

BAB 1 MATRIKS DAN ELIMINASI GAUSS

1. ELIMINASI kurangi 4 kali persamaan pertama dari persamaan kedua, ini eliminasai x
dari persamaan kedua, dan meninggalkan satu persamaan untuk y :
(persamaan 2) – 4(persamaan 1) - 3y = -6 (2)

Secepatnya kita tahu y = 2. Kemudian x datang dari persamaan pertama 1x+2y =3:

Subsitusikan kembali 1x+2(2) =3 diberikan x = -1 (3)

kita pilih x dan y juga menyelesaikan persamaan kedua, ini seharusnya dikerjakan dan itu
juga : 4(x=-1) + 5(y=2) = 6.

2. DETERMINAN solusi y =2 bergantung sepenuhnya pada enam angka didalam

dipersamaan. Kebanyakan yang menjadi formula untuk y (dan juga x) adalah “rasio
determinan” dan saya berharap kamu akan membantu saya untuk menuliskan ini dengan
benar :
3 2
| | 1.6−3.4 3
6 5
𝑌= 1 2 =1.5−2.4 = −3 = 2
| |
4 5

y=2, datang dari rasio yang sama dari -6 ke -3. Jika kita tetap dengan determinan ( yang
mana kita tidak berencana untuk melakukan itu), itu akan menjadi formula yang sama utuk
menghitung yang lain , x :
3 2
| | 3.5−2.6 3
6 5
𝑥= 1 2 = 1.5−2.4 = −3 = −1
| |
4 5

Metode yang bagus adalah eliminasi gauss. Ini adalah algoritma yang terus menerus
digunakan untuk memecahkan sistem persamaan paling besar.

Persamaan linear menyebabkan geometri pesawat contoh 2 garis pada gambar 2.1 bertemu
pada titik (x,y) = (-1,2)

1. Memindahkan kenotasi matriks, menulis n tidak dikenal sebagai vektor x dan n

sebagai persamaan Ax = b

9
Pertama kita harus mengenal matriks dan vektor dan garis untuk menggunakannya. Setiap
matriks memiliki tranpose . ini matriks memiliki sebuah invers 𝐴−1.
2. Dalam kebanyakan kasus penghapusan terus maju tanpa kesulitan. Matriks invers dan
sistem Ax = b memiliki satu solusi.
Geometri dari persamaan linear.
Pendekatan kedua melihat kolom sistem linear. Dua persamaan yang terpisah adalh bear-
benar satu persamaan vektor
2 −1 1
x +y =
1 1 5
masalahnya adalah untuk menentukan kombinasi kolom vektor untuk sebelah kiri sisi
menghasilkan sisi kanan. Vektor itu (2,1) dan (-1.1) adalah mewakili garis tebal didalam
gambar. Dengan alisbraisnya dihasilkan dengan vektor yang benar (1,5), di kanan dari
persamaan itu. Kolom dari gambar bahwa x = 2 dan y= 3.

1.2 Vektor kolom dan combimasi linier

Kita berbalik ke kolom. Ini persamaan vektor ( persamaan yang sama sebagai(1)) adalah

Pada gambar kita dapat melihat penambahan vektor, komponen dari komponen :
Penambahan vektor :

Pada gambar di sebelah kanan ada perkalian dengan 2 (dan jika itu adalah − 2 vektor akan
pergi ke arah sebaliknya

10
Juga di gambar tangan kanan adalah salah satu ide sentral dari aljabar linier. Ini
menggunakan kedua operasi dasar; vektor dikalikan dengan angka dan kemudian
ditambahkan. Kombinasi linier :

Persamaan (2) meminta pengganda u, v, w yang menghasilkan sisi kanan b. Angka-angka itu
adalah u = 1, v = 1, w = 2. Mereka memberikan kombinasi kolom yang benar. Mereka juga
memberi titik (1,1,2) pada gambar baris (di mana tiga pesawat berpotongan).

a. Notasi Matriks Dan Perkalian Matriks

Kita bisa daftar langkah-langkah eliminasi, yang mengurangi kelipatan satu persamaan dari
yang lain dan mencapai matriks segitiga. Perhatikan bahwa tiga jenis kuantitas yang berbeda
muncul dalam contoh kami:
Sembilan koefisien 2u + v + w = 5

Tiga tidak diketahui 4u − 6v = −2

Tiga sebelah kanan −2u + 7v + 2w = 9

Sembilan koefisien jatuh ke dalam tiga baris dan tiga kolom, menghasilkan matriks 3 oleh 3:

Sembilan koefisien :

A+B perkalian 2A:

Perkalian dari sebuah matriks dan sebuah vektor

Matriks dari Ax = b

Sisi kanan b adalah vektor kolom "istilah homogen." Sisi kiri adalah A kali x.

11
Matriks dan Aplikasi Khusus

Sebagai masalah kontinu sederhana tapi masih sangat khas, pilihan jatuh pada persamaan
diferensial:

𝑑2𝑢
− 2 = 𝑓(𝑥), 0 ≤ 𝑥 ≤ 1
𝑑𝑥
Ini adalah persamaan linear untuk fungsi yang tidak diketahui 𝑢 (𝑥). Ketidakpastian yang
ditinggalkan oleh dua konstanta sembarang ini C dan D dihapus oleh "kondisi batas" pada
setiap akhir interval:

𝑢(0) = 0, 𝑢(1) = 0

Turunan pertama dapat didekati dengan berhenti ∆𝑢/∆𝑥 pada langkah yang terbatas dan tidak
mengizinkanℎ (∆𝑥) mendekati nol. ∆𝑢dapat maju, mundur, atau berpusat.
∆𝑢 𝑢(𝑥+ℎ)− 𝑢(𝑥) 𝑢(𝑥)− 𝑢(𝑥−ℎ) 𝑢(𝑥+ℎ)− 𝑢(𝑥−ℎ)
= atau atau
∆𝑥 ℎ ℎ 2ℎ

PersamaanMatriks

1. Matriks 𝐴 tridiagonal. Semua entri bukan-nol terletak pada diagonal utama dan dua
diagonal yang berdekatan. Di luar band ini semua entri adalah 𝑎𝑖𝑗 = 0. Angka nol ini akan
membawa penyederhanaan yang luar biasa untuk eliminasi Gauss.

2. Matriksnya simetris. Setiap entri 𝑎𝑖𝑗 sama dengan g

BAB II RUANG VEKTOR

Definisi.Sub ruang vektor adalah subset tidak kosong yang memenuhi persyaratan untuk
ruang vektor:kombinasi linear tinggal diruang bagian.
(i)Jika kita menambahkan vektor x dan y di subruang,x + y di subruang.
(i)Jiks kita mengalikan vektor apapun disubruang oleh skalar apapun,cx berada disubruang.
Ruang kolom A

Kami sekarang sampai pada contoh kunci,ruang kolom dan ruang null dari matriks A.Ruang
kolom berisi semua kombinasi linear dari kolom A.Ini adalah a subruang Rm.Kami
mengilustrasikan dengan sistem persamaan m=3 dalam n=2 tidak diketahui:
kombinasi kolom sama dengan b

Dengan m > 𝑛 kita memliki lebih banyak persamaan daripada yang tidak diketahui dan
biasanya tidak ada solusi.Sistem ini akan dapat dipecahkan hanya untuk bagian yang sangat
tipis dari semua b yang sangat mungkin.Satu cara menggambarkan tipis ini sangat sederhana

12
sehingga mudah diabaikan.Deskripsi ini melibatkan tidak lebih dari pernyataan ulang
Ax=b,oleh kolom:

Kombinasi kolom u

Bagian 2 ruang vektor

Ruang kosong A

Ruang kosong dari suatu matriks terdiri dari semua vektor x seperti itulah Ax=0.Yaitu
dilambangkan dengan N(A).Ini adalah subruang Rn,seperti halnya ruang kolom adalah
subruang Rm.

Situasi berubah ketika kolom ketiga merupakan kombinasi dari dua yang pertama:

Ruang kosong besar

B memiliki ruang kolom yang sama dengan A.Kolom baru terletak pada bidang gambar ini
jumlah dari dua vektor kolom yang kami mulai.Tetapi ruang kosong dari bB berisi vektor
(1,1,-1) dan secara otomatis berisi beberapa (c,c,-c).

Ruang kosong garis

13
Ruang kosong dari B adalah garis dari semua titik x=c,y=c,z=-c.(garis melewati
asalnya,seperti subruang manapun.)Kami ingin dapat ,untuk sistem apa pun Ax=b, untuk
menemukan C(A) dan N(A):semua sisi kanan yang dapat dicapai b dan semua solusi untuk
AX=0.

Memecahkan AX=0 danAX=b

Untuk matriks yang dapat dibalik,ruang kosong hanya berisi x=0(mengalikan AX=0
-1
oleh A ).Ruang kolom adalah seluruh ruang(AX=b memiliki solusi untuk setiap
b).Pertanyaan baru muncul ketika ruang kosong berisi lebih dari nolvektor dan/kolom ruang
berisi kurang dari semua vektor:
1.Setiap vektor Xn diruang kosong dapat ditambahkan kesolusi Xp tertentu.Solusinya untuk
semua persamaan linear memiliki bentuk ini,X=Xp+Xn:
2.Bila ruang kolom tidak berisi setiap b dalam Rm,kita perlu ketentuannya b yang membuat
AX=b dapat dipecahkan .
Tidak ada solusi kecuali b2=2b1.Ruang kolom A hanya berisi b ,kelipatan (1,2).

Solusi lengkap

diselesaikan oleh

Eselon bentuk U dan baris tereduksi bentuk R

Kami mulai dengan menyederhanakan matriks 3 oleh 4,pertama ke U dan selanjutnya ke
R:

Contoh dasar A
Poros a11=1 tidak nol.Operasi dasar yang biasa akan menghasilkan nol di kolom pertama
dibawah poros ini.Berita buruk muncul dikolom 2:

Tidak ada poros dikolom 2

Eselon matriks U

14
Segitiga lebih rendah A=LU

Perhatikan bahwa L itu persegi. Ini memiliki jumlah baris yang sama dengan A dan U.
2B Untuk setiap m oleh n matriks A ada permutasi P, sebuah segitiga bawah L dengan satuan
diagonal, dan m oleh n eselon matrixU, sehingga PA = LU.
Kini hadir R. Kita bisa melangkah lebih jauh dari U, untuk membuat matriks menjadi lebih
sederhana.

Variabel poros dan variabel bebas

Tujuan kami adalah untuk membacakan semua solusi ke Rx = 0. Poros sangat penting:

Ruang kosong dari R

hasil

Ada solusi “double infinity”, dengan v dan y bebas dan independen. Solusi lengkap adalah
kombinasi dari dua solusi khusus:
Ruang kosong berisi semua kombinasi solusi khusus

Silakan lihat lagi pada solusi lengkap ini untuk Rx = 0 dan Ax = 0. Solusi khusus (−3,1,0,0)
memiliki variabel bebas v = 1, y = 0. Solusi khusus lainnya (1,0, −1,1) memiliki v = 0andy =
1. Semua solusi adalah kombinasi linear dari keduanya. Cara terbaik untuk menemukan
semua solusi untuk Ax = 0 adalah dari solusi khusus: 1. Setelah mencapai Rx = 0, kenali
variabel pivot dan variabel bebas.
2. Berikan satu variabel bebas nilai1, atur variabel bebas lainnya menjadi 0, dan pecahkan Rx
= 0 untuk variabel pivot. X ini adalah solusi khusus.

15
3. Setiap variabel bebas menghasilkan "solusi khusus" sendiri dengan langkah 2. Kombinasi
solusi khusus membentuk ruang nol — semua solusi untuk Ax = 0.
Ini sedikit trik. Solusi khusus sangat mudah dari R. Angka 3 dan 0 dan − 1 dan 1 terletak
pada "kolom non-pivot" R. Membalikkan tanda-tanda mereka untuk menemukan variabel
pivot (tidak gratis) dalam solusi khusus, sehingga Anda melihat pola yang rapi ini:

Ruang kosong matriks (kolom adalah solusi khusus)

2C Jika Ax = 0 memiliki lebih banyak yang tidak diketahui daripada persamaan (n> m), ia
memiliki setidaknya satu solusi khusus: Ada lebih banyak solusi daripada trivial x = 0.

Memecahkan Ax = b, Ux = c, dan Rx = d
Untuk contoh asli Ax = b = (b1, b2, b3), berlaku untuk kedua sisi operasi yang mengarah dari
A . Hasilnya adalah sistem segitiga atas Ux = c:

Kolom A”Menjangkau”ruang kolom

Jika b milik ruang kolom, solusi dari Ax = b mudah ditemukan. Persamaan terakhir dalam Ux
= c adalah 0 = 0. Untuk variabel bebas v dan y, kami dapat menetapkan nilai apa pun, seperti
sebelumnya. Variabel pivot u dan w masih ditentukan oleh substitusi balik. Untuk contoh
spesifik dengan b3−2b2 + 5b1 = 0, pilih b = (1,5,5):

Maju eliminasi menghasilkan U di sebelah kiri dan c di sebelah kanan:

Solusi lengkap

16
2D Misalkan eliminasi mengurangi Ax = b toUx = c dan Rx = d, dengan r pivot rows dan r
pivot columns. Pangkat dari matriks-matriks tersebut adalah r. Baris terakhir dari U dan R
adalah nol, jadi ada solusi hanya jika entri m terakhir dari c dan d juga nol.

2.3 Kemerdekaan Linier, Basis, dan Dimensi

2E seharusnya c1v1 + ··· + ckvk = 0 hanya terjadi ketika c1 = ··· = ck = 0. Kemudian vektor-
vektor v1, ..., vk bebas linear. Jika ada c adalah nol, v secara linear bergantung. Satu vektor
adalah kombinasi dari yang lain.

2F Baris r tidak nol dari matriks eselon U dan matriks R tereduksi secara linier independen.
Begitu juga kolom r yang berisi poros.

2G Satu set n vektor di Rm harus linear bergantung jika n> m. Pembaca akan mengenali ini
sebagai bentuk tersamar dari 2C: Setiap m oleh n sistem Ax = 0 memiliki solusi tidak nol jika
n> m.

2H Jika ruang vektor V terdiri dari semua kombinasi linear dari w1, ..., w`, maka vektor-
vektor ini menjangkau ruang. Setiap vektor v dalam V adalah beberapa kombinasi dari w:
Setiap datang dari v = c1w1 + ··· + c`w` untuk beberapa koefisien ci.

2I Suatu basis untuk Vis suatu urutan vektor yang memiliki dua properti sekaligus: 1. Vektor
bebas linear (tidak terlalu banyak vektor). 2. Mereka menjangkau ruang V (tidak terlalu
sedikit vektor).

2J Setiap dua basis untuk ruang vektor V berisi jumlah vektor yang sama. Angka ini, yang
dibagi oleh semua basis dan menyatakan jumlah "derajat kebebasan" ruang, adalah dimensi
V.

2K Ifv1, ..., vm danw1, ..., wn keduanya basa untuk ruang vektor yang sama, lalu m = n.
Jumlah vektornya sama.
2L Setiap rangkaian independen linear dalam V dapat diperluas ke basis, dengan
menambahkan lebih banyak vektor jika perlu.

Dasar untuk Ruang Vektor

Untuk memutuskan apakah b adalah kombinasi dari kolom, kami mencoba
menyelesaikan Ax = b. Untuk memutuskan apakah kolomnya independen, kami memecahkan
Ax = 0. Jangkauan melibatkan ruang kolom, dan independensi melibatkan ruang nol.
Kordinat vector e1 , . . . , en menjangkau Rndan dan mereka bebas linear. Secara kasar, tidak
ada vektor di set itu yang terbuang sia-sia. ini mengarah pada gagasan penting dari suatu
basis.
2|Basis untuk V adalah urutan vektor yang memiliki dua properti sekaligus:
1. Vektor linear bebas (tidak terlalu banyak vektor)
2. Mereka menjangkau ruang V (tidak terlalu sedikit vektor).
Ada satu dan hanya satu cara untuk menulis v sebagai kombinasi dari basis vektor.
Dua kolom matriks nonsingular ini merupakan dasar untuk R2 :

17
 1 1
A=[ ]
2 3
Dimensi Ruang Vektor
Ruang memiliki banyak basis yang tak terbatas, tetapi ada sesuatu yang umum untuk semua
pilihan ini. Jumlah vektor basis adalah milik ruang itu sendiri:
2J Setiap dua basis untuk ruang vektor V berisi jumlah vektor yang sama. Nomor
ini, yang dibagikan oleh semua basis dan menyatakan jumlah "Derajat kebebasan" ruang,
adalah dimensi V.
2K Jika v1 , . . . , vm and w1 , . . . , wmkeduanya basis untuk ruang vektor yang sama,
maka m = n. Jumlah vektornya sama.
Bukti. Misalkan ada lebih banyak w’s daripada v’s (n> s). kita akan sampai pada kontradiksi.
Karena bentuk v adalah dasar, mereka harus menjangkau ruang. Setiap wj dapat ditulis
sebagai kombinasi v’s: jika w1 = a11v1 + . . . + am1vm,ini adalah kolom pertama dari matriks
perkalian VA:

2.4 Empat Subruang yang Mendasar

Pembaca dapat menebak prosedur apa yang akan terjadi. ketika eliminasi pada A
menghasilkan matriks eselon U atau R yang dikurangi, kita akan menemukan dasar untuk
masing-masing subruang yang terkait dengan A. Maka kita harus melihat kasus ekstrim
pangkat penuh:

ketika peringkatnya sebesar mungkin, r = n atau r = m atau r = m = n, matriks memiliki B

invers-kiri atau C invers-kanan atau dua-sisi A-1.

Intinya tentang dua subruang terakhir adalah mereka berasal dari A T. Jika A adalah
matriks m oleh n, Anda dapat melihat ruang "tuan rumah" mana yang berisi empat subruang
dengan melihat jumlah komponen:

Ruang nol N(A) dan ruang baris C(AT) adalah subruang Rn. Ruang nol kiri N(AT) dan
ruang kolom C(A) adalah subruang dari Rm.

Baris memiliki n komponen dan kolom memiliki m. Untuk matriks sederhana seperti

18
ruang kolom adalah garis melalui [1 0]. Ruang baris adalah garis yang melalui [1 0 0]T. Itu
ada di R3. Ruang nol adalah bidang dalam R3 dan ruang kosong kiri adalah garis dalam R2:
0 0
0
N(A) terdapat [1] dan [0], N(AT) terdapat [ ].
1
0 1
Perhatikan bahwa semua vektor adalah vektor kolom. Bahkan baris diubah, dan ruang baris A
adalah ruang kolom AT, Masalah kita adalah menghubungkan empat ruang untuk U (setelah
eliminasi) ke empat ruang untuk A:

1 3 3 2 1 3 3 2
Contoh dasar U = [0 0 3 3] datang dari A= [ 2 6 9 7]
0 0 0 0 −1 −3 3 4

2. Ruang nol A
2N Ruang nol N(A) memiliki dimensi n − r. “Solusi khusus” adalah dasar — setiap
variabel bebas diberikan nilai 1, sedangkan variabel bebas lainnya adalah 0. Kemudian Ax =
0 atau Ux = 0 atau Rx = 0 memberikan variabel pivot dengan penggantian kembali.

Ini persis seperti cara kita menyelesaikan Ux = 0. Contoh dasar di atas memiliki kolom pivot
sin 1 dan 3. Oleh karena itu variabel bebasnya adalah v kedua dan keempat dan y.

−3 1
v=1 1 v=1
solusi khusus x1 = [ ] : x = [ 0 ].
y=0 0 y = 0 2 −1
0 1

1. Ruang kolom A Ruang kolom kadang-kadang disebut rentang. Ini konsisten dengan ide
yang biasa dari jangkauan, sebagai himpunan semua nilai yang mungkin f (x); x dalam
domain dan f (x) berada dalam jangkauan.
2O Dimensi ruang kolom C (A) sama dengan r peringkat, yang juga sama dengan
dimensi ruang baris: Jumlah kolom independen sama dengan jumlah baris independen.

Jika kita dapat menunjukkan bahwa kolom pivot - yang pertama, keempat, dan keenam -
secara linear independen, mereka harus menjadi basis (untuk ruang kolom U, bukan A!).
Misalkan kombinasi kolom pivot ini menghasilkan nol:

2.5 GRAFIK DAN JARINGAN

Grafik terdiri dari satu set simpul atau simpul, dan satu set tepi yang
menghubungkannya.

19
Gambarmatriks A:

BAB III DETERMINAN

4.1 Pendahuluan

Determinan memberikan rumus eksprisif untuk setiap entri dari 𝐴−1 dan 𝐴−1 𝐵. Permula ini
tidak akan mengubah cara kita menghitung,bahkan determinan itu sendiri diperoleh dari
eliminasi. Secara efisien untuk mengganti entri dari n oleh n matriks dalam rumus . rumus
yang diperoleh adalah bagaiman 𝐴−1 tergantung pada 𝑛2 entri A. Ada 4 cara menggunakan
determinan utama:

1. Menguji invers lebih ringkas. Jika determinan A adalah 0, maka A adala tunggal. Jika
A ≠ 0, maka A dapat dibagi .
2. Determinan A= volume kotak diruang n dimensi. Kotak A akan memberikan kotak
yang berbeda dengan volume yang sama.
3. Determinan memberikan rumus untuk setiap pivot. Secara teoritis , kita bisa
memprediksikan kapan entri pivot aka menjadi 0. Kitta membutuhkan pertukaran
baris.
4. Determinan mengukur ketergantungan 𝑨−𝟏 𝑩pada setiap elemen b. Jika satu
parameter adalah pertukaran dalam eksperimen atau satu observasi koreksi, pengaruh
koefisie daam 𝐴−1 dalam 𝐴−1 adalah sebuah rasio dari determinan. Langkah
sederhana tentang determinan adalah tidak menentukan formula . determinan bisa
ditentukan oleh 3 dasar properti :

4.2 properti dari determinan

Ini akan menjadi daftar panjang yang bagus, untungnya beberapa aturan
sangat mudah untuk dimengerti dan bahkan mudah untuk diilustrasikan, untuk sebuah 2
oleh 2 contoh. Oleh karena itu kita seharusnya memastikan bahwa itu sama dengan
definisi di 2oleh 2 contoh,

𝑎 𝑏 𝑎 𝑏
Det [ ]=| | = ad-bc,
𝑐 𝑑 𝑐 𝑑
Setiap properti adalah sebuah konsekuensi dari tiga pertama, kita menekankan bahwa
aturan berlaku untuk matriks dari ukuran apapun

1. Determinan dari matriks identitas adalah 1.

20
 1 0 0
1 0
Det I =1 | | = 1 dan 0 1 0 = 1
0 1
0 0 1
2. Determinan berubah ketika 2 kolom
𝑐 𝑑 𝑎 𝑏
| | = cb-ad = -| |.
𝑎 𝑏 𝑐 𝑑
Determinan dari setiap permutasi matriks adalah det p = ± 1. Dari pertukaran kolom, kita
dapat mengembalikan p ke dalam matriks identitas.

1. Matriks tergatung dengan kolom 1

𝑎 + 𝑎′ 𝑏 + 𝑏 ′ 𝑎 𝑏 𝑎′ 𝑏 ′
| |=| |+| |
𝑐 𝑑 𝑐 𝑑 𝑐 𝑑
𝑡𝑎 𝑡𝑏 𝑎 𝑏
Mengalikan t dibaris 1 | | = t| |
𝑐 𝑑 𝑐 𝑑
Determinannya sudah selesai, tetapi fakta tidak sepenuhnya jelas. Oleh karena itu
kami secara bertahap menggunakan aturan-aturan ini untuk menemukan penentu
matriks apa pun .
2. Jika dua baris A sama, maka detA = 0.

𝑎 𝑏
|| || = ab – bs = 0
𝑎 𝑏

Aturan ini mengikuti aturan 2, karena jika baris sama dipertukarkan penentu
seharusnya mengubah tanda. Tetapi juga harus tetap sama, karena matriksnya tetap
sama. Satu-satunya yang dapat melakukan ini adalah nol, jadi det a = 0 .

3. Mengurangi kelipatan dari satu baris dari baris lain meninggalkan determinan
yang sama.
𝑎 − 𝑙𝑐 𝑏 − 𝑙𝑑 𝑎 𝑏
| |=| |
𝑐 𝑑 𝑐 𝑑
4. Jika A memiliki deretan nol, lalu det A = 0.
0 0
| |=0
𝑐 𝑑
Salah satu buktinya adalah menambahkan bebrapa baris selain baris nol. Determinan tidak
berubah, oleh aturan 5. Karena matriks sekarang memiliki 2 baris identik detA = 0 oleh
aturan 4.

5. Jika A adalah segitiga maka detA adalah produk. Jika segitiga A memiliki 1
disepanjang diagonal, lalu detA =1.
𝑎 𝑏 𝑎 0
| | = ad | | = ad
0 𝑑 𝑐 𝑑
6. Jika A adalah singular, maka detA = 0. Jika A dapat dibalik, lalu detA ≠ 0.
𝑎 𝑏
| |
𝑐 𝑑
7. Determinan AB adalah produk detA kali detB

21
 Dalam kasus ini kami menyarankan dua kemungkinan bukti karena ini adalah
aturan yangpaling tidak jelas. Kedua bukti asumsi bahwa A dan B tidak singular,
kalau tidak AB adalah tunggal, dan persamaan det AB = (det A)(det B) mudah
diverifikasi.

8. Transpos A memiliki determinan yang sama dengan det A

𝑎 𝑐
|𝐴|= |𝑎 𝑏 |= | |= |𝐴|𝑇
𝑐 𝑑 𝑏 𝑑
Sekali lagi kasus tunggal terpisah ; A adalah tunggal jika dan hanya jika |𝐴|𝑇
adalah tunggal.
BAB III PENUTUP

2.1 Kelebihan dan kelemahan buku

BUKU I
 Pada buku pertama memiliki kelebihan yaitu buku mudah untuk dipahami dan
memaparkan ulasan yang lebih rinci lagi,pembahasannya juga lebih luas.
 Pada buku pertama memiliki kekurangan adalah bahasa yang sulit dimengerti
BUKU II
 Pada buku kedua memiliki kelebihan yaitu penjelasannya lebih rinci,serta penguaian
materi yang lebih dalam lagi,serta bahasanya lebih mudah dipahami.
 Pada buku kedua memiliki kekurangan yaitu kurang mencantumkan contoh soal dari
materi.

3.2 Saran
Seharusnya pada beberapa materi diberikan contoh soal,dan menggunakan bahasa
yang mudah untuk dipahami.Memberikan penjelasan yang lebih rinci lagi sehingga
pembaca lebih mengerti.

22