FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 2dari 8 27 Februari 2017
BAHAN AJAR/DIKTAT
Diperiksa oleh :
Dibuat oleh :
Dilarang memperbanyak sebagian atau seluruh isi dokumen
tanpa ijin tertulis dari BPM UNNES
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS NEGERI SEMARANG (UNNES)
Kantor: Komplek Simpang 5 Unnes Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Purek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: unnes@unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 3dari 8 27 Februari 2017
Pada hari ini selasa tanggal 15 Februari 2019, Bahan Ajar Mata Kuliah ALJABAR
LINEAR ELEMENTER 2 Program Studi Pendidikan Matematika Fakultas
Matematika dan Ilmu Pengetahuan Alam telah diverifikasi oleh Ketua Jurusan/
Ketua Program Studi Pendidikan Matematika.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS NEGERI SEMARANG (UNNES)
Kantor: Komplek Simpang 5 Unnes Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Purek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: unnes@unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 4dari 8 27 Februari 2017
PRAKATA
Penyusun.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS NEGERI SEMARANG (UNNES)
Kantor: Komplek Simpang 5 Unnes Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Purek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: unnes@unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 5dari 8 27 Februari 2017
3
DESKRIPSI MATAKULIAH
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS NEGERI SEMARANG (UNNES)
Kantor: Komplek Simpang 5 Unnes Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Purek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: unnes@unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 6dari 8 27 Februari 2017
DAFTAR ISI
Prakata 2
Daftar Isi 4
Bab I : Ruang Vektor 5
Deskripsi Singkat 5
Capaian pembelajaran pertemuan 5
A. Ruang Vektor Umum 6
B. Sub Ruang Vektor 8
C. Merentang 10
D. Bebas Linear dan Bergantung Linear 16
E. Basis dan Dimensi 19
F. Ruang Baris dan Ruang Kolom 22
G. Ruang Perkalian Dalam 26
H. Basis Ortonormal dan Proses Gram-Schmidt 30
I. Koordinat Vektor dan Perubahan Basis 33
J. Rangkuman 38
Pertanyaan 41
Bab II : Transformasi Linear 44
Deskripsi Singkat 44
Capaian pembelajaran pertemuan 44
A. Transformasi Linear 45
B. Kernel dan Jangkauan 50
C. Rangkuman 54
Pertanyaan 54
Bab III : Nilai dan Vektor Karakteristik 55
Diskripsi singkat 55
Capaian Pembelajaran pertemuan 55
A. Nilai dan Vektor Karakteristik 56
B. Diagonalisasi 58
C. Rangkuman 62
Pertanyaan 63
Daftar Pustaka 64
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI
UNIVERSITAS NEGERI SEMARANG (UNNES)
Kantor: Komplek Simpang 5 Unnes Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Purek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: unnes@unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 7dari 8 27 Februari 2017
BAB I
RUANG VEKTOR
A. Deskripsi singkat
Pada bab I ini akan dibahas tentang definisi, sifat-sifat dan teorema yang terkait dengan ruang
vektor umum, sub ruang, himpunan yang merentang suatu ruang vektor, himpunan bebas
linear dan bergantung linear, basis dan dimensi, ruang baris dan ruang kolom, ruang
perkalian dalam, basis ortonormal dan proses Gram-Schmidt, serta Koordinat vektor dan
perubahan basis.
6
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
C. Isi Materi perkuliahan
RUANG VEKTOR
Pada perkuliahan Aljabar Linear Elementer 1 kita telah mempelajari vektor2 di R2, R3 maupun
Rn dengan operasi penjumlahan vektor dan perkalian vektor dengan skalar.
Sekarang kita akan menyelidiki sifat2 kedua operasi tersebut terhadap vektor2 di R2 sbb. :
1. u + v R2
2. u + v = v + u
3. ( u + v ) + w = u + ( v + w )
4. Ada elemen identitas yaitu vektor 0 V sedemikian sehingga 0 + u = u + 0 = u
5. Untuk setiap u V, ada –u V sedemikian sehingga u + -u = -u + u = 0
6. ku R2
7. k ( u + v ) = ku + kv
8. ( k + l ) u = ku + lu
9. ( kl ) u = k ( lu )
10. 1.u = u
Karena R2/R3/Rn dengan operasi penjumlahan dan perkalian dengan skalar memenuhi 10 sifat di
atas, maka R2/R3/Rn disebut ruang vektor.
Definisi :
Misalkan V sebarang humpunan yang tak kosong dengan operasi penjumlahan dan perkalian dengan
skalar yang terdefinisi pada semua anggota V dan semua skalar di R, V disebut ruang vektor jika
untuk setiap u, v, w V dan k, l R berlaku :
1. u + v V
2. u + v = v + u
3. ( u + v ) + w = u + ( v + w )
4. Ada elemen identitas yaitu vektor 0 V sedemikian sehingga 0 + u = u + 0 = u
5. Untuk setiap u V, ada –u V sedemikian sehingga u + -u = -u + u = 0
6. ku V
7. k ( u + v ) = ku + kv
7
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
8. ( k + l ) u = ku + lu
9. ( kl ) u = k ( lu )
10. 1.u = u
Contoh 1 :
Contoh 2 :
Misal V adalah himpunan fungsi real yang didefinisikan pada bilangan real ( -, ) dengan f = f(x)
dan g = g(x) adalah 2 fungsi di V serta k suatu bilangan real. Jika operasi penjumlahan dan perkalian
dengan skalar didefinisikan sbb :
Contoh 3 :
u1 v1
Misalkan W = R2. Jika u = dan v = di W dan k R dengan operasi penjumlahan dan
u2 v2
perkalian dengan skalar yang didefinisikan sbb :
u1 u 2
u + v = dan ku = ku1 , 0
v1 v 2
Misal kita mengambil u = ( 2, 3 ). Kita akan melihat sifat 10 tidak berlaku, sbb :
1.u = 1. ( 2, 3 ) = ( 1.2, 0 ) = ( 2, 0 ) ≠ u
Untuk menyelidiki suatu himpunan bukan merupakan ruang vektor, cukup ditunjukkan negasi dari
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
salah satu sifat-sifat ruang vektor. Pada contoh di atas, cukup ditunjukkan bahwa ada u W
sedemikian hingga 1.u ≠ u.
a b
Misalkan W = / a d 0, a, b, c, d R dengan operasi standar penjumlahan pada
c d
matriks dan perkalian matriks dengan skalar, maka W merupakan ruang vektor.
Jika kita pandang W sebagai himpunan bagian dari M2x2(R) dan kita lihat bahwa definisi operasi
penjumlahan dan perkalian dengan skalar pada W sama dengan definisi operasi penjumlahan dan
perkalian dengan skalar pada M2x2(R), maka situasi yang demikian dapat kita katakan W merupakan
ruang bagian dari M2x2(R).
Definisi :
W V, W ≠ . W disebut ruang bagian dari V jika W dengan operasi penjumlahan dan perkalian
dengan skalar yang sama dengan operasi pada V, merupakan ruang vektor.
Misalkan W V, W ≠ . Jika operasi penjumlahan dan perkalian dengan skalar di V juga merupakan
operasi penjumlahan dan perkalian dengan skalar di , maka beberapa sifat operasi di ruang vektor V
diwariskan pada operasi di W yauitu sifat 2, 3, 7, 8, 9, dan 10. Sehingga untuk mengetahui apakah W
merupakan ruang bagian dari V, kita tinggal menunjukkan sifat 1, 4, 5, dan 6 berlaku pada W. Hal ini
mendasari teorema berikut ini :
Teorema :
W V, W ≠ . W disebut ruang bagian dari V jika dan hanya jika untuk setiap
u, v W dan k R berlaku :
a). u + v W
b). ku W
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Bukti :
Berdasarkan uraian di atas, untuk menunjukkan W ruang bagian dari V, tinggal menunjukkan
sifat 1, 4, 5, dan 6. Karena diketahui a) dan b) maka sifar 1 dan 6 dipenuhi, sehingga kita tinggal
menunjukkan sifat 4 dan 5 sbb. :
Misalkan u,v sebarang vektor di W dan k skalar. Oleh b) diperoleh ku W. Misalkan diambil k
= 0 maka diperoleh 0.u = 0 W, dan jika diambil k = -1 maka diperoleh (-1).u = -u W, sedemikian
sehingga u + (-u) = (-u) + u = 0, sehingga sifat 5 dipenuhi. Oleh a) diperoleh u + v W. Misalkan u =
0 maka diperoleh 0 + v = v + 0 = v, sehingga sifat 4 dipenuhi. Terbukti.
Contoh 1 :
Misalkan V = { ( x, y, z ) ax + by + cz = 0 }.
Jawab :
Jelas bahwa V R3
Sehingga
dimana
Jadi u + v V
10
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Selanjutnya
dimana
Sehingga
ku V
Contoh 2 :
Jawab :
Maka ku = ½ ( 3 + 2x + 5x2 + x3 )
3 5 1
= x x2 x3 W
2 2 2
Catatan :
Untuk menunjukka bahwa suatu himpunan W V bukan merupakan ruang bagian dari V, cukup
menunjukkan negasi salah satu dari kedua sifat ruang bagian.
MERENTANG/MEMBANGUN
Definisi :
Suatu vektor w disebut kombinasi linear dari vektor-vektor v1, v2, ..., vn jika ada skalar-skalar k1, k2,
..., kn sedemikian sehingga w = k1v1 + k2v2 + ... + knvn
11
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Contoh :
Jawab :
( 9, 2, 7 ) = k1 ( 1, 2, -1 ) + k2 ( 6, 4, 2 )
Bentuk SPLnya
9 = k1 + 6k2
2 = 2k1 + 4k2
7 = -k1 + 2k2
-1 = 2k1 + 4k2
8 = -k1 + 2k2
SPL tsb. tidak mempunyai penyelesaian. Jadi x bukan kombinasi linear dari u dan v.
Teorema berikut menunjukkan bahwa jika V ruang vektor dan kita mempunyai himpunan W
yang merupakan himpunan semua kombinasi linear dari { v1, v2, ..., vn } V maka W ruang bagian
dari V.
12
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Teorema :
Jika v1, v2, ..., vn adalah vektor-vektor pada ruang vektor V, maka :
1. Jika W himpunan semua kombinasi linear dari v1, v2, ..., vn , maka W merupakan ruang
bagian dari V.
2. W adalah ruang bagian terkecil dari V yang memuat v1, v2, ..., vn , yang berarti bahwa setiap ruang
bagian di V yang memuat v1, v2, ..., vn, pasti memuat W.
Bukti :
untuk suatu a1, a2, ..., an R dan b1, b2, ..., bn R. Sehingga :
u + v = ( a1 + b1 ) v1 + ( a2 + b2 ) v2 + ... + ( an + bn ) vn
2). Setiap vektor vi adalah kombinasi linear dari v1, v2, ..., vn, karena dapat ditulis sbb. :
Karena itu ruang bagian W memuat semua vektor-vektor v1, v2, ..., vn. Misalkan W’ adalah sebarang
ruang bagian dari V yang memuat v1, v2, ..., vn. Karena W’ tertutup terhadap operasi penjumlahan
dan perkalian dengan skalar, maka pasti memuat semua kombinasi linear dari v1, v2, ..., vn. Jadi W’
memuat semuat semua vektor di W, atau dapat dikatakan W’ memuat W. Terbukti
Definisi :
Jika V ruang vektor dan S = { v1, v2, ..., vn } V, maka v1, v2, ..., vn dikatakan
membangun/merentang V jika setiap vektor v V dapat dinyatakan sebagai
kombinasi linear dari v1, v2, ..., vn.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
13
Contoh 1 :
Contoh 2 :
Jawab :
Ambil sebarang vektor v R3 dengan v = ( x,y,z ). Akan kita cari apakah ada skalar-skalar k1, k2, k3
sedemikian sehingga :
Bentuk SPLnya
x = k1 + k2 + 2k3
y = k1 + 2k2 + 3k3
z = k1 + 3k2 + 3k3
1 1 2 𝑥
(1 2 3 𝑦)
2 3 3 𝑧
3 3 1 3 1 1 1 1 1
𝑘1 = 𝑥 − 𝑦 + 𝑧, 𝑘2 = − 𝑥 + 𝑦 + 𝑧, 𝑘3 = 𝑥 + 𝑦− 𝑧
2 2 2 2 2 2 2 2 2
Jadi berapapun v = ( x,y,z) di R3, selalu ditemukan k1, k2, k3. Maka dapat disimpulkan { v1, v2, v3 }
membangun R3.
Contoh 3 :
Jawab :
Ambil sebarang vektor v R3 dengan v = ( b1, b2, b3 ). Akan kita cari apakah ada skalar-skalar k1, k2,
k3 sedemikian sehingga : ( b1, b2, b3 ) = k1 (1,1,2) + k2 (1,0,1) + k3 (2,1,3)
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
14
b1 = k1 + k2 + 2k3
b2 = k1 + k3
b3 = 2k1 + k2 + 3k3
Bentuk matriksnya :
1 1 2 k1 b1
1 0 1 k 2 b2 ...............................(1)
2 1 3 k b
3 3
Jika kita mengambil ( b1, b2, b3 ) = ( 1, 1, 1 ), maka dengan melakukan OBE kita
peroleh :
1 1 2 1 1 0 1 1 1 0 1 1 1 0 1 1
1 0 1 1 1 1 2 1 0 1 1 0 0 1 1 0
2 1 3 1 2 1 3 1 0 1 1 1 0 0 0 1
Dengan memperhatikan baris ketiga, kita tahu bahwa SPL ini inconsisten, sehingga tidak ditemukan
skalar-skalar k1, k2, k3. Jadi (1, 1, 1 ) tidak dapat dinyatakan sebagai kombinasi linear dari v1, v2, v3,
Dari perhitungan di atas, dapat disimpulkan : ada v R3 yang tidak dapat dinyatakan sebagai
kombinasi linear dari v1, v2, v3. Sehingga { v1, v2, v3 } tidak membangun R3.
Pandang (1)
Kita telah mempelajari bahwa SPL Ax = B dengan A matriks persegi akan selalu konsisten (
mempunyai penyelesaian ) untuk sebarang B jika dan hanya jika matriks koefisiennya mempunyai
balikan. Kita tahu bahwa matriks persegi akan mempunyai balikan jika determinannya tidak sama
dengan nol.
1 1 2
Karena det 1 0 1 = 0, maka matriks koefisien tersebut tidak mempunyai balikan. Jadi kita
2 1 3
tidak dapat menemukan skala-skalar k1, k2, k3 untuk sebarang b1, b2, b3, sehingga dapat dikatakan
bahwa { v1, v2, v3 } tidak membangun R3.
Dari contoh di atas, dapat kita simpulkan bahwa jika kita mendapatkan matriks koefisien dari SPL
yang terjadi itu merupakan matriks persegi, maka untuk menentukan vektor-vektor dari ruang vektor
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
15
V yang diketahui itu membangun suatu ruang bagian dari V bisa dengan menunjukkan bahwa
determinannya tidak sama dengan nol.
Perhatikan contoh 2.
1 1 2
Matriks koefisien yang terbentuk adalah matriks persegi yaitu 𝐴 = (1 2 3)
2 3 3
Det (A) ≠ 0. Karena itu SPL di atas selalu mempunyai jawab. Jadi { v1, v2, v3 } membangun R3.
Contoh 4 :
v3 = ( 0, 1, 1), v4 = ( 1, 1, 1 ) membangun R3 !
Jawab :
Bentuk persamaan :
Bentuk SPLnya :
x = k1 + k4
y = k2 + k3 + k4
z = k3 + k4
Bentuk matriksnya :
k1
1 0 0 1 x
k2
0 1 1 1 y
0 0 1 1 k 3 z
k
4
k1 + k4 = x, k2 = y – z, k3 + k4 = z.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
16
k1 = x – t, k2 = y – t, k3 = z – t, k4 = t, dengan t R.
Jadi S membangun V.
BEBAS LINEAR
Pada bagian ini kita akan mempelajari tentang suatu himpunan vektor dikatakan bebas linear
atau bergantung linear, beserta sifat-sifatnya
Definisi :
V ruang vektor. Jika S = { v1, v2, ..., vn } V himpunan vektor tak kosong, maka persamaan :
k1 = 0, k2 = 0, ..., kn = 0
Jika penyelesaian di atas merupakan satu-satunya penyelesaian, maka S disebut himpunan yang
bebas linear. Jika masih ada penyelesaian yang lain, maka S disebut himpunan yang tak bebas
linear atau disebut himpunan yang bergantung linear.
Contoh 1 :
Contoh 2 :
Jawab :
Bentuk persamaan :
17
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Bentuk SPL homogennya :
k1 + 5k2 + k3 =0
-2k2 - k3 =0
Bentuk matriksnya
1 5 1 k1 0
1 3 3 k2 0
0 2 1 k 0
3
3 1
k1 = k 3, k 2 = - k3
2 2
k1 = 3t, k2 = -t, k3 = 2t
SPL homogen di atas mempunyai tak hingga penyelesaian, dengan kata lain ada penyelesaian lain
selain nol. Jadi W tak bebas linear atau bergantung linear.
Jika kita lihat contoh di atas, koefisien matriks yang terbentuk mempunyai determinan sama
dengan nol yang berakibat bahwa SPL homogen yang terbentuk mempunyai lebih dari satu
penyelesaian. Sehingga W merupakan himpunan yang tak bebas linear.
Jadi dari contoh di atas, kita juga dapat menyimpulkan bawa jika kita mendapatkan matriks
koefisien dari SPL itu merupakan matriks persegi, maka untuk mementukan suatu himpunan itu
bebas linear, cukup dengan menunjukkan bahwa determinan matriks koefisiennya tidak sama
dengan nol.
Contoh 3 :
Jawab :
Bentuk persamaan
18
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Seperti contoh sebelumnya, diperoleh determinan matriks koefisiennya tidak sama dengan nol, maka
S bebas linear.
Dari contoh di atas, dapat dikembangkan suatu teorema di bawah ini yang dapat mementukan
apakah suatu himpunan itu merupakan himpunan yang bebas linear atau himpunan yang bergantung
linear.
Teorema :
Misalkan S adalah himpunan yang terdiri dari 2 vektor atau lebih. Maka :
S dikatakan bergantung linear jika dan hanya jika terdapat sekurang-kurangnya satu vektor dalam S
yang dapt dinyatakan sebagai kombinasi linear dari vektor-vektor lain di S.
S dikatakan bebas linear jika dan hanya jika tidak ada vektor di S yang dapat dinyatakan sebagai
kombinasi linear dari vektor-vektor di S.
Teorema :
Himpunan yang berhingga yang memuat vektor nol adalah bergantung linear
Himpunan yang hanya memuat 2 vektor dikatakan bebas linear jika dan hanya jika vektor yang satu
bukan merupakan kelipatan dari vektor yang lain.
Jawab :
Bentuk matriksnya :
19
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
k1
1 2 1 0
k 2
2 2 2 k 0
3
Dari contoh di atas kita lihat bahwa suatu himpunan vektor-vektor di Rn yang banyaknya
anggota lebih dari n merupakan himpunan yang bergantung linear. Dari contoh tersebut
dikembangkan teorema yang memperlihatkan bahwa himpunan vektor-vektor dalam Rn yang bebas
linear paling banyak memuat n vektor.
Teorema :
Misalkan S = { v1, v2, ..., vr } suatu himpunan vektor di Rn. Jika r n, maka S bergantung linear.
Definisi :
Jika V sebarang ruang vektor dan S = { v1, v2, ..., vn } V, maka S disebut basis dari V jika S
membangun dan bebas linear.
Contoh 1 :
1 0 0 1 0 0 0 0
c). , , , merupakan basis standar dari M2x2(R)
0 0 0 0 1 0 0 1
Contoh 2 :
Contoh 3 :
20
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Jika S = { v1, v2, ..., vn } merupakan himpunan yang bebas linear dalam ruang vektor V, maka S
adalah basis untuk ruang bagian dari V yang dibangun oleh S.
Teorema :
Jika S = { v1, v2, ..., vn } adalah basis untuk suatu ruang vektor V, maka setiap vektor v di V hanya
dapat dinyatakan dengan tepat satu cara kombinasi linear yaitu :
Definisi :
Suatu ruang vektor V disebut berdimensi hingga jika V memuat himpunan berhingga vektor-vektor {
v1, v2, ..., vn } sebagai basisnya. Jika tidak ada himpunan berhingga tersebut, maka V disebut
berdimensi tak hingga.
Contoh :
Ruang vektor Rn, Pn, M2x2(R) adalah ruang vektor berdimensi hingga.
Teorema :
Jika V adalah ruang vektor berdimensi hingga dan { v1, v2, ..., vn } adalah sebarang basis, maka :
1. Setiap himpunan yang anggotanya lebih dari n vektor akan bergantung linear.
2. Tidak ada himpunan yang anggotanya kurang dari n vektor akan membangun V
Bukti :
1. Silahkan buktikan alurnya sama dengan teoema sebelumnya ( pada Rn ).
2. Diketahui S = { v1, v2, …, vn } basis untuk V
Misalkan S’ = { w1, w2, …, wm } sebarang himpunan di V dengan m n
Akan dibuktikan bahwa S’ tidak membangun V.
Andaikan S’ membangun V maka untuk setiap vV dapat dinyatakan sebagai kombinasi linear
dari vektor-vektor di S’.
Ambil v1V, maka 𝑣1 = 𝑎11 𝑤1 + 𝑎12 𝑤2 + ⋯ + 𝑎1𝑚 𝑤𝑚 ……………(*)
Karena {𝑣1 } S maka menurut teorema sebelumnya {𝑣1 } bebas linear sehingga 𝑣1 0. Maka dari
(*) diperoleh 𝑎𝑖𝑗 ≠ 0.
Tanpa mengurangi keumuman bukti, pilih 𝑎11 ≠ 0, maka dari (*) diperoleh :
1 𝑎 𝑎1𝑚
𝑤1 = 𝑎 𝑣1 − 𝑎12 𝑤2 − ⋯ − 𝑤
𝑎11 𝑚
11 11
21
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Karena { w1, w2, …, wm } membangun V maka untuk setiap vV dapat dinyatakan sebagai
kombinasi linear sbb:
𝑣 = 𝑘1 𝑤1 + 𝑘2 𝑤2 + ⋯ + 𝑘𝑚 𝑤𝑚
1 𝑎12 𝑎1𝑚
𝑣 = 𝑘1 ( 𝑣 − 𝑤 − ⋯− 𝑤 )+ 𝑘2 𝑤2 + ⋯ + 𝑘𝑚 𝑤𝑚
𝑎11 1 𝑎11 2 𝑎11 𝑚
1 𝑎 𝑎1𝑚
𝑣 = 𝑘1 𝑎 𝑣1 + (𝑘2 − 𝑎12 )𝑤2 + ⋯ + (𝑘𝑚 − 𝑎11
)𝑤𝑚
11 11
Jadi setiap vV dapat dinyatakan sebagai kombinasi linear dari v1, w2, …, wm .
Jadi { v1, w2, …, wm } membangun V.
Sehingga v2 V dapat dinyatakan sebagai kombinasi linear dari { v1, w2, …, wm } yaitu 𝑣2 =
∝1 𝑣1 + 𝑎22 𝑤2 + 𝑎23 𝑤3 + ⋯ + 𝑎2𝑚 𝑤𝑚 .
Karena {v1,v2} bebas linear maka v10 dan v20, sehingga ada a2j0
1 ∝1 𝑎23 𝑎2𝑚
Misal 𝑎22 ≠ 0 maka 𝑤2 = 𝑣 − 𝑣 − 𝑤 − ⋯− 𝑤
𝑎22 2 𝑎22 1 𝑎22 3 𝑎22 𝑚
Sehingga 𝑤2 dapat dinyatakan sebagai kombinasi linear dari { v1, v2, w3, …, wm }.
Karena { v1, w2, …, wm }membangun V maka seperti di atas { v1, v2, w3, …, wm } juga membangun
V. Jika prose ini diteruskan, maka akan diperoleh { v1, v2, …, vm } membangun V.
Karena vm+1 V maka vm+1 dapat dinyatakan sebagai kombinasi linear dari
{ v1, v2, …, vm }, sehingga { v1, v2, …, vm, vm+1 } tak bebas linear.
Padahal jika m n maka m+1≤ n.
Jika m+1 n maka { v1, v2, …, vm, vm+1 } S bebas linear
Jika m+1 = n maka { v1, v2, …, vm, vm+1 } S bebas linear
Sehingga terjadi kontradiksi.
Kesimpulan : pengandaian salah, yang benar W tidak membangun V
Teorema :
Semua basis dari suatu ruang vektor berdimensi hingga mempunyai banyak vektor yang sama.
Bukti :
Misalkan A = { v1, v2, ..., vn } dan B = { w1, w2, ..., wm }adalah 2 basis sebarang dari suatu ruang vektor
V. Karena A basis dan B bebas linear, maka m ≤ n. Demikian juga karena B basis dan A bebas linear
maka n ≤ m. Jadi m = n. Terbukti.
Definisi :
Dimensi dari suatu ruang vektor V berdimensi hingga, dinotasikan sebagai dim(V) adalah banyaknya
vektor yang menjadi anggota basis dari V. Didefinisikan pula bahwa ruang vektor nol mempunyai
22
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
dimensi nol.
Contoh 1:
dim (Mmxn(R)) = mn ( karena basis standart dari Mmxn(R) mempunyai mxn vektor.
Contoh 2 :
Tentukan basis dan dimensi dari ruang penbyelesaian SPL homogen berikut ini :
2x1 + 2x2 – x3 + x5 =0
-x1 - x2 + 2x3 – 3x4 + x5 =0
x1 + x2 – 2x3 - x5 =0
x3 + x4 + x5 =0
Jawab :
−1 −1
1 0
𝑥 ∈ 𝑅5 𝑥 = 𝑠 0 + 𝑡 −1 , 𝑠, 𝑡 ∈ 𝑅
0 0
{ (0) (1) }
−1 −1
1 0
Terlihat bahwa v1 = 0 dan v2 = −1 membangun ruang pemecahan SPL homogen di atas.
0 0
0
( ) (1)
Karena { v1, v2 } bebas linear maka { v1, v2 }basis untuk ruang pemecahan SPL tersebut. Sehingga
ruang pemecahan SPLH tersebut berdimensi 2.
23
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
(𝑎11 𝑎12 … 𝑎1𝑛 ) , (𝑎21 𝑎22 … 𝑎2𝑛 ) , ..., (𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 )
Definisi :
Jika A matriks mxn maka ruang baris dari A adalah ruang bagian dari Rn yang dibangun oleh vektor-
vektor baris dari A .
W = { xRn x = k1(a11 a12 ... a1n) + k2(a21 a22 ... a2n) + ... + km(am1 am2 ... amn) , kiR}
sedangkan ruang kolom dari A adalah ruang bagian dari Rm yang dibangun oleh vektor-vektor kolom
dari A.
Teorema :
Bukti :
Di atas tampak bahwa vektor-vektor baris dari matriks A sama dengan vektor-vektor baris dari A1.
Jadi ruang baris dari A sama dengan ruang baris dari A1.
Dari teorema tersebut, jelas bahwa ruang baris sebuah matriks A tidak berubah jika kita
mereduksi matriks tersebut kepada bentuk eselon baris. Vektor-vektor baris tak nol dari matriks A
dalam bentuk eselon baris selalu bebas linear sehingga vektor-vektor baris yang tak nol ini
membentuk sebuah basis untuk ruang baris tersebut.
24
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Teorema :
Vektor-vektor baris yang tak nol dalam sebuah bentuk eselon baris dari sebuah matriks A
membentuk sebuah basis untuk ruang baris dari A.
Kalau kita perhatikan, ruang kolom suatu matriks A adalah sama seperti ruang baris dari
transposnya. Jadi untuk mencari basis untuk ruang kolom dari matriks A sama saja dengan mencari
sebuah basis untuk ruang baris dari At.
Contoh :
1 0 1 1
Diketahui A =(3 2 5 1 ). Tentukan :
0 4 4 −4
Ruang baris dan basis untuk ruang baris dari A.
Ruang kolom dan basis untuk ruang kolom dari A.
Jawab :
Untuk menemukan basis untuk ruang baris dilakukan OBE sampai memperoleh bentuk matriks
eselon sbb :
1 0 1 1 1 0 1 1 1 0 1 1
(3 2 5 1 ) ~ (0 2 2 −2) ~ (0 1 1 −1)
0 4 4 −4 0 4 4 −4 0 0 0 0
Jadi baris untuk ruang baris dari A adalah {(1, 0, 1, 1 ), ( 0, 1, 1, -1 )}. Sehingga ruang baris dari A
berdimensi 2.
s (1,1,-4) , p,q,r,s ∈ R }
Untuk menemukan basis untuk ruang kolom dilakukan OBE pada transposenya sampai diperoleh
bentuk matriks eselon baris sbb :
1 3 0 1 3 0 1 3 0
(0 2 4 ) ~ (0 1 2 ) ~ (0 1 2)
1 5 4 0 2 4 0 0 0
1 1 −4 0 −2 −4 0 0 0
Jadi basis untuk ruang kolom dari A adalah { ( 1, 3, 0 ), (0, 1, 2 ) }. Sehingga ruang kolom dari A
berdimensi 2
25
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Dari contoh di atas terlihat bahwa dimensi dari ruang baris dan dimensi dari ruang kolom dari
A sama. Berikut ini adalah teorema yang menguatkan pernyataan di atas :
Teorema :
Jika A adalah sebarang matriks, maka ruang baris dan ruang kolom dari A mempunyai dimensi yang
sama.
Definisi :
Dimensi ruang baris dan ruangkolom dari suatu matriks A dinamakan rank A
Teorema :
Jika V ruang vektor berdimensi n dan S himpunan dalam V dengan tepat n vektor, maka S basis
untuk V jika S membangun V atau S bebas linear.
Teorema :
1. Jika S membangun V tetapi bukan basis untuk V, maka S dapat direduksi menjadi basis untuk
V.
2. Jika S bebas linear tetapi bukan basis untuk V, maka S dapat diperluas menjadi basis untuk
V.
Contoh 2 :
v3 = (0,1,3,0), v4 = (2,-1,4,-7), v5 = (5,-8,1,2) yang membentuk sebuah basis untuk ruang yang
direntang oleh vektor-vektor tersebut.
Jawab :
26
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
c1 = -2s – t, c2 = s – t, c3 = s, c4 = -t, c5 = t dimana s, t sebarang bilangan real.
( -2s – t ) v1 + ( s – t ) v2 + s v3 – t v4 + t v5 = 0
= s ( -2 v1 + v2 + v3 ) + t ( -v1 – v2 – v4 + v5 ) = 0
-2 v1 + v2 + v3 = 0 dan -v1 – v2 – v4 + v5 = 0
Dari persamaan-persamaan di atas kita dapat menyatakan v3 dan v5 ( atau vektor lain ) sebagai
kombinasi linear dari vektor-vektor lainnya. Maka diperoleh :
v3 = 2v1 – v2 dan v5 = v1 + v2 + v4
Karena v3 dan v5 dapat dinyatakan sebagai kombinasi linear dari v1, v2 dan v4 maka v3 dan v5 dapat
dibuang tanpa mempengaruhi ruang yang direntangnya.
Vektor-vektor v1, v2, v4 merupakan himpunan vektor yang bebas linear karena persamaan
Jadi { v1, v2, v4 } merupakan basis dari ruang yang direntang oleh vektor-vektor
Teorema :
Jika A adalah sebuah matriks nxn, maka pernyataan-pernyataan berikut ekivalen satu sama lain :
a. A dapat dibalik
b. Ax = 0 hanya mempunyai satu pemecahan trivial
c. A ekivalen baris dengan In
d. Ax = b konsisten untuk tiap-tiap matriks b yang berukuran nx1
e. Det(A) ≠ 0
f. Rank(A) = n
g. Vektor-vektor baris dari A bebas linear
h. Vektor-vektor kolom dari A bebas linear.
Ketika kita mempelajari vektor di R2/R3/Rn, kita mengenal dot product ( perkalian titik) atau
27
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
kita juga bisa menyebutnya sebagai perkalian dalam Euclidis. Kita akan memperluas bahasan tsb,
tidak hanya di Rn, tetapi pada ruang vektor umum yang lain.
Definisi :
(u,v) 〈𝑢, 𝑣〉
Disebut perkalian dalam (inner product) jika untuk setiap u, v, w V dan kR berlaku sifat-sifat
sbb. :
Contoh 1 :
Misalkan u,v Rn dengan u = ( u1, u2, ..., un ) dan v = (v1, v2, ..., vn )
Perkalian dalam Euclidis 〈𝑢, 𝑣〉 = u . v = u1v1 + u2v2 + ... + unvn merupakan perkalian dalam.
Contoh 2 :
𝑢1 𝑢2 𝑣1 𝑣2
Misalkan U, V M2x2(R) dengan U = (𝑢 𝑢4 ) dan V = (𝑣3 𝑣4 )
3
〈𝑈, 𝑉〉 yang di definisikan sebagai 〈𝑈, 𝑉〉 = u1v1 + u2v2 + u3v3 + u4v4 merupakan perkalian dalam pada
M2x2(R).
Contoh 3 :
〈𝑝, 𝑞〉 yang didefinisikan sebagai 〈𝑝, 𝑞〉 = a0b0 + a1b1 + ... + anbn merupakan perkalian dalam pada Pn
Contoh 4 :
28
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Misalkan u,v R2 dengan u = ( u1, u2 ) dan v = (v1, v2)
Selidiki apakah fungsi yang didefinisikan sebagai 〈𝑢, 𝑣〉 = 3u1v1 + 2u2v2 merupakan perkalian dalam
pada R2 !
Jawab :
Jadi fungsi yang didefinisikan sebagai 〈𝑢, 𝑣〉 = 3u1v1 + 2u2v2 merupakan perkalian dalam pada R2.
Contoh 5 :
Selidiki apakah fungsi yang didefinisikan sebagai 〈𝑢, 𝑣〉 = u1v1 - u2v2 + u3v3 merupakan perkalian
dalam pada R3 !
Jawab :
Fungsi yang didefinisikan sebagai 〈𝑢, 𝑣〉 = u1v1 - u2v2 + u3v3 bukan merupakan perkalian dalam pada
R3 karena aksioma 4 tidak terpenuhi.
Contoh 6 :
Ruang Vektor Rn, M2x2(R), Pn dengan perkalian dalam yang didefinisikan pada contoh 1,2,3 di atas
merupakan ruang perkalian dalam.
Jika u dan v adalah vektor-vektor di dalam sebuah ruang perkalian dalam V, maka
Bukti untuk PR
29
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
PANJANG DAN SUDUT DI DALAM RUANG PERKALIAN DALAM
Definisi :
Jika V adalah sebuah ruang perkalian dalam, maka norma/norm (panjang) dari sebuah vektor u di V
yang dinyatakan oleh ‖𝑢‖ didefinisikan sebagai :
Sedangkan jarak antara 2 titik (vektor) u dan v dinyatakan oleh d(u,v) didefinisikan sebagai :
d(u,v) = ‖𝑢 − 𝑣‖
Contoh 1 :
dan
Contoh 2 :
Misalkan R2 mempunyai perkalian dalam 〈𝑢, 𝑣〉 = 3u1v1 + 2u2v2. Jika diketahui u = ( 1,1) dan v = (2,3)
maka :
Teorema :
Jika V adalah sebuah ruang perkalian dalam, maka norma ‖𝑢‖= 〈𝑢, 𝑢〉½ dan jarak d(u,v)=‖𝑢 − 𝑣‖
memenuhi sifat-sifat berikut :
1. ‖𝑢‖ ≥ 0 1. d(u,v) ≥ 0
2. ‖𝑢‖ = 0 jhj u = 0 2. d(u,v) = 0 jhj u=v
3. ‖𝑘𝑢‖ = |𝑘|‖𝑢‖ 3. d(u,v) = d(v,u)
4. ‖𝑢 + 𝑣‖ ≤ ‖𝑢‖ + ‖𝑣‖ 4. d(u,v) ≤ d(u,w) + d(w,v)
Definisi :
Jika adalah sudut antara vektor u dan vektor v pada ruang perkalian dalam V, maka didefinisikan :
〈𝑢,𝑣〉
cos = ‖𝑢‖‖𝑣‖
dan 0 ≤ ≤
30
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Contoh :
Carilah cosinus dari sudut antara vektor-vektor u = (4,3,1,-2) dan v = (-2,1,2,3) dimana ruang
vektornya R4 dengan perkalian dalam Euclidis !
Jawab :
Sehingga
−9 3
Cos = =-
√30√18 √30√2
Definisi :
Dalam sebuah ruang perkalian dalam, 2 vektor dinamakan ortogonal jika 〈𝑢, 𝑣〉 = 0. Selanjutnya jika
u ortogonal kepada setiap vektor di dalam sebuah himpunan W, maka dikatakan bahwa u ortogonal
kepada W.
Teorema :
Jika u dan v vektor-vektor ortogonal di dalam sebuah ruang perkalian dalam, maka
Definisi :
Misal V ruang vektor perkalian dalam. W V. W disebut himpunan ortogonal jika semua pasangan
vektor-vektor yang berbeda di dalam himpunan tersebut ortogonal. Himpunan ortogonal yang setiap
vektornya mempunyai norm 1 disebut himpunan yang ortonormal
Contoh :
Teorema :
Jika S = { v1, v2, ..., vn } adalah sebuah basis ortonormal untuk ruang perkalian dalam V dan u adalah
sebarang vektor di V, maka :
31
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
𝑢 = 〈𝑢, 𝑣1 〉𝑣1 + 〈𝑢, 𝑣2 〉𝑣2 + ⋯ + 〈𝑢, 𝑣𝑛 〉𝑣𝑛
Teorema :
Jika S = { v1, v2, ..., vn } adalah sebuah himpunan ortogonal dari vektor-vektor yang tak nol, maka S
bebas linear.
Berikut ini kita akan membicarakan bagaimana membangun basis yang ortonormal untuk
ruang perkalian dalam.
Teorema :
Misalkan V sebuah ruang perkalian dalam, dan { v1, v2, ..., vr } adalah sebuah himpunan ortonormal
dari vektor-vektor di dalam V. Jika W adalah ruang yang direntang oleh v1, v2, ..., vr , maka tiap-tiap
vektor u di V dapat dinyatakan dalam bentuk
u = w1 + w2
dan
𝑤2 = 𝑢 − 〈𝑢, 𝑣1 〉𝑣1 − 〈𝑢, 𝑣2 〉𝑣2 − ⋯ − 〈𝑢, 𝑣𝑟 〉𝑣𝑟
Contoh :
Misalkan R3 mempunyai perkalian dalam Euclidis, dan W adalah sub ruang dari R3 yang direntang
4 3
oleh vektor-vektpr ortonormal v1 = (0,1,0) dan v2 = (− 5 , 0, 5). Carilah proyeksi ortogonal dari u =
Jawab :
1 4 3 4 3
𝑤1 = 𝑝𝑟𝑜𝑦𝑤 𝑢 = 〈𝑢, 𝑣1 〉𝑣1 + 〈𝑢, 𝑣2 〉𝑣2= (1)(0,1,0) + (− 5) (− 5 , 0, 5) = (25 , 1, − 25)
4 3 21 28
𝑤2 = 𝑢 − 𝑝𝑟𝑜𝑦𝑤 𝑢 = (1,1,1) - (25 , 1, − 25) = (25 , 0, 25)
32
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Teorema :
Tiap-tiap ruang perkalian dalam berdimensi berhingga yang tidak nol mempunyai sebuah basis
ortonormal.
Bukti :
Misalkan V adalah sebarang ruang perkalian dalam berdimensi n yang tak nol, dan misalkan S = { u 1,
u2, ..., un } adalah sebuah basis untuk V. Urutan langkah-langkah yang berikut akan menghasilkan
sebuah basis ortonormal { v1, v2, ..., vn } untuk V.
Langkah 1 :
𝑢
Misalkan 𝑣1 = ‖𝑢1 ‖ , maka vektor v1 mempunyai norm 1.
1
Langkah 2 :
Untuk membangun sebuah vektor v2 yang normnya 1 yang ortogonal kepada v1, kita menghitung
komponen dari u2 yang ortogonal kepada ruang W 1 yang direntang oleh v1 dan kemudian
normalisasikan komponen u2 tersebut, yaitu :
Langkah 3 :
Untuk membangun sebuah vektor v3 yang normnya 1 yang ortogonal kepada v1 dan v2, maka kita
menghitung komponen dari u3 yang ortogonal kepada ruang W 2 yang direntang oleh v1 dan v2 dan
kemudian menormalisasikannya sbb.:
Langkah 4 :
Untuk membangun sebuah vektor v4 yang normnya 1 yang ortogonal kepada v1, v2 dan v3 maka kita
menghitung komponen dari u4 yang ortogonal kepada ruang W 2 yang direntang oleh v1, v2 dan v3
kemudian menormalisasikannya sbb.:
𝑢4 −𝑝𝑟𝑜𝑦𝑤3 𝑢4 𝑢4 −〈𝑢4 ,𝑣1 〉𝑣1 −〈𝑢4 ,𝑣2 〉𝑣2 −〈𝑢4 ,𝑣3 〉𝑣3
𝑣4 = = ‖𝑢3 −〈𝑢3 ,𝑣1 〉𝑣1 −〈𝑢4 ,𝑣2 〉𝑣2 −〈𝑢4 ,𝑣3 〉𝑣3 ‖
‖𝑢4 −𝑝𝑟𝑜𝑦𝑤3 𝑢4 ‖
Demikian seterusnya sampai kita mendapatkan himpunan ortonormal { v1, v2, ..., vn }. Karena V
berdimensi n dan menurut teorema setiap himpunan yang ortonormal itu bebas linear, maka pasti
membangun V. Sehingga { v1, v2, ..., vn } merupakan basis ortonormal untuk V. Proses di atas disebut
proses Gram-Schmidt.
33
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Contoh :
Misalkan R3 ruang vektor dengan perkalian dalam Euclidis. Pakailah proses Gram-Schmidt untuk
mentransformasikan basis u1 = (1,1,1), u2 = (0,1,1), u3 = ( 0,0,1) ke dalam sebuah basis ortonormal !
Jawab :
Langkah 1 :
𝑢 (1,1,1) 1 1 1
𝑣1 = ‖𝑢1 ‖ = = ( , , )
1 √3 √3 √3 √3
Langkah 2 :
2 1 1 1 2 1 1
𝑢2 − 𝑝𝑟𝑜𝑦𝑤1 𝑢2 = 𝑢2 − 〈𝑢2 , 𝑣1 〉𝑣1 = (0,1,1) - ( , , ) = (− 3 , 3 , 3)
√3 √3 √3 √3
Maka :
𝑢2 −𝑝𝑟𝑜𝑦𝑤1 𝑢2 3 2 1 1 2 1 1
𝑣2 = = (− 3 , 3 , 3) = (− , , )
‖𝑢2 −𝑝𝑟𝑜𝑦𝑤1 𝑢2 ‖ √6 √6 √6 √6
Langkah 3 :
1 1 1 1 1 2 1 1 1 1
= (0,0,1) − ( , , ) − (− , , ) = (0, − , )
3 3
√ √ √ √3 3 √6 √6 √6 √6 2 2
Maka :
𝑢3 −𝑝𝑟𝑜𝑦𝑤2 𝑢3 1 1 1 1
𝑣3 = = √2 (0, − 2 , 2) = (0, − , )
‖𝑢3 −𝑝𝑟𝑜𝑦𝑤2 𝑢3 ‖ √2 √2
1 1 1 2 1 1 1 1
Jadi v1 = ( , , ), v2 = (− , , ) , v3 = (0, − , )
√3 √3 √3 √6 √6 √6 √2 √2
Telah dibicarakan pada bagian sebelumnya bahwa jika S = { v1, v2, ..., vn } basis untuk ruang
vektor V, maka v ∈ V dapat dinyatakan sebagai kombinasi linear dari vektor-vektor di S sbb. :
Skalar-skalar k1, k2, ..., kn adalah koordinat v relatif terhadap basis S dan vektor
34
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
disebut vektor koordinat v relatif terhadap basis S. (1) dapat juga dinyatakan sebagai vektor kolom
sbb :
𝑘1
𝑘2
[v]S = ( )
⋮
𝑘𝑛
Contoh :
2 0
Tentukan vektor koordinat dari A = ( ) relatif terhadap basis S = { A1, A2, A3, A4 } untuk M2x2(R)
−1 3
dimana
−1 1 1 1 0 0 0 0
A1 = ( ), A2 = ( ), A3 = ( ), A4 = ( )
0 0 0 0 1 0 0 1
Jawab :
𝑘1
𝑘2
Misalkan [A]S = ( ) , maka A = k1A1 + k2A2 + k3A3 + k4A4
𝑘3
𝑘4
Atau
2 0 −1 1 1 1 0 0 0 0
( ) = k1 ( ) + k2 ( ) + k3 ( ) + k4 ( )
−1 3 0 0 0 0 1 0 0 1
-k1 + k2 = 2
k1 + k2 = 0
k3 = -1
k4 =3
Penyelesaian SPL tersebut adalah k1 = -1, k2 = 1, k3 = -1, k4 = 3. Jadi
−1
[A]S = ( 1 )
−1
3
Jika kita mengubah basis untuk suatu ruang vektor dari basis lama B ke basis baru B‘,
bagaimana hubungan vektor koordinat lama [v]B dengan vektor koordinat baru [v]B‘ ?
Pandang B = { u1, u2 } dan B‘ = { u1‘, u2‘ } adalah dua basis untuk suatu ruang vektor
35
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
berdimensi dua. Padang B‘ sebagai basis dan u1, u2 sebagai vektor, maka diperoleh :
𝑎 𝑐
[u1]B‘ = ( ) dan [u2]B‘ = ( )
𝑏 𝑑
u1 = au1‘ + bu2‘
𝑘
Sekarang misalkan v V sebarang dan [v]B = ( 1 ), maka
𝑘2
𝑘 𝑎 + 𝑘2 𝑐 𝑎 𝑐 𝑘1
[v]B‘ = ( 1 ) = ( )( )
𝑘1 𝑏 + 𝑘2 𝑑 𝑏 𝑑 𝑘2
𝑎 𝑐
= ( ) [v]B
𝑏 𝑑
Jadi vektor koordinat v relatif terhadap basis baru B‘ dapat diperoleh dengan mengalikan dari kiri
𝑎 𝑐
matriks P = ( ) = ( [u1]B‘ [u2]B‘ ) dengan vektor koordinat v relatif terhadap basis lama B.
𝑏 𝑑
Secara Umum :
Jika B = { v1, v2, ..., vn } dan B‘ = { v1‘, v2‘, ..., vn‘ } adalah basis untuk suatu ruang vektor
berdimensi n, maka vektor koordinat v terhadap basis baru B‘ adalah :
[v]B‘ = P [v]B
dimana P adalah matriks yang kolom-kolomnya merupakan vektor koordinat dari vektor-vektor basis
lama B relatif terhadap basis baru B‘ atau
36
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Contoh :
Terlihat bahwa kedua SPL yang terjadi mempunyai koefisien yang sama, sehingga dapat
diselesaikan bersama dengan melakukan OBE sbb.:
1 2 2 2 1 2 2 2 1 0 −2 2
( )~ ( ) ~( )
1 1 0 2 0 −1 −2 0 0 1 2 0
Jadi
−2 2
[u1]B‘ = ( ) dan [u2]B‘ = ( )
2 0
Sehingga
−2 2
P= ( )
2 0
Sehingga
−2 2 −4 13
[w]B‘ = P [w]B = ( )( 5 ) = ( )
2 0 2 −8
( 3, -5 ) = k1 ( 1,1 ) + k2 ( 2,1 )
37
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Dengan melakukan OBE pada matriks lengkapnya diperoleh k1 = 13 dan k2 = -8.
Jadi
13
[w]B‘ = ( )
−8
Q = ( [v1]B [v2]B )
1
0 2
Q = (1 1)
2 2
1
−2 2 0 2 1 0
PQ = ( )( 1) =( ) = I2 = QP
2 0 1 0 1
2 2
Sehingga
Q = P-1
Teorema :
Misalkan B dan B‘ basis untuk suatu ruang vektor V. Jika P matriks transisi dari B ke B‘, maka :
1. P invertible
2. P-1 adalah matriks transisi dari B‘ ke B.
Bukti :
Misalkan Q adalah matriks transisi dari B‘ ke B, akan kita tunjukkan bahwa QP = I yang berarti Q = P-
1
.
38
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Misalkan x = u1
1
Karena x = 1u1 + 0u2 + ... + 0un maka [x]B = (0)
⋮
0
1 𝑐11
𝑐
(0) = ( ⋮ )
21
⋮
0 𝑐𝑛1
Dengan cara yang sama, jika kita mensubsitusikan untuk x = u2, x = u3, ..., x = un akan diperoleh :
𝑐12 0 𝑐12 0
𝑐22 𝑐22
( ⋮ ) = (1) , .......... , ( ⋮ ) = ( 0)
⋮ ⋮
𝑐𝑛2 0 𝑐𝑛2 1
Jika P matriks transisi dari basis B ke B‘, maka untuk setiap vektor v V berlaku hubungan :
D. Rangkuman
Definisi :
Misalkan V sebarang humpunan yang tak kosong dengan operasi penjumlahan dan perkalian dengan
skalar yang terdefinisi pada semua anggota V dan semua skalar di R, V disebut ruang vektor jika
untuk setiap u, v, w V dan k, l R berlaku :
1. u + v V
2. u + v = v + u
3. ( u + v ) + w = u + ( v + w )
4. Ada elemen identitas yaitu vektor 0 V sedemikian sehingga 0 + u = u + 0 = u
39
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
5. Untuk setiap u V, ada –u V sedemikian sehingga u + -u = -u + u = 0
6. ku V
7. k ( u + v ) = ku + kv
8. ( k + l ) u = ku + lu
9. ( kl ) u = k ( lu )
10. 1.u = u
Anggota dari suatu ruang vector disebut vector
Definisi :
W V, W ≠ . W disebut ruang bagian dari V jika W dengan operasi penjumlahan dan perkalian
dengan skalar yang sama dengan operasi pada V, merupakan ruang vektor.
Definisi :
Suatu vektor w disebut kombinasi linear dari vektor-vektor v1, v2, ..., vn jika ada skalar-skalar k1, k2,
..., kn sedemikian sehingga w = k1v1 + k2v2 + ... + knvn
Definisi :
Jika V ruang vektor dan S = { v1, v2, ..., vn } V, maka v1, v2, ..., vn dikatakan
membangun/merentang V jika setiap vektor v V dapat dinyatakan sebagai
kombinasi linear dari v1, v2, ..., vn.
Definisi
Jika S = { v1, v2, ..., vn } V himpunan vektor tak kosong, maka persamaan :
k1 = 0, k2 = 0, ..., kn = 0
Jika penyelesaian di atas merupakan satu-satunya penyelesaian, maka S disebut himpunan yang
bebas linear. Jika masih ada penyelesaian yang lain, maka S disebut himpunan yang tak bebas
linear atau disebut himpunan yang bergantung linear.
Definisi :
Jika V sebarang ruang vektor dan S = { v1, v2, ..., vn } V, maka S disebut basis dari V jika S
membangun dan bebas linear.
40
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Definisi :
Dimensi dari suatu ruang vektor V berdimensi hingga, dinotasikan sebagai dim(V) adalah banyaknya
vektor yang menjadi anggota basis dari V. Didefinisikan pula bahwa ruang vektor nol mempunyai
dimensi nol.
Definisi :
Jika A matriks mxn maka ruang baris dari A adalah ruang bagian dari Rn yang dibangun oleh vektor-
vektor baris dari A .
W = { xRn x = k1(a11 a12 ... a1n) + k2(a21 a22 ... a2n) + ... + km(am1 am2 ... amn) , kiR}
sedangkan ruang kolom dari A adalah ruang bagian dari Rm yang dibangun oleh vektor-vektor kolom
dari A.
Definisi :
Dimensi ruang baris dan ruangkolom dari suatu matriks A dinamakan rank A
Definisi :
(u,v) 〈𝑢, 𝑣〉
Disebut perkalian dalam (inner product) jika untuk setiap u, v, w V dan kR berlaku sifat-sifat
sbb. :
41
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Definisi :
Jika V adalah sebuah ruang perkalian dalam, maka norma/norm (panjang) dari sebuah vektor u di V
yang dinyatakan oleh ‖𝑢‖ didefinisikan sebagai :
Sedangkan jarak antara 2 titik (vektor) u dan v dinyatakan oleh d(u,v) didefinisikan sebagai :
d(u,v) = ‖𝑢 − 𝑣‖
Definisi :
Misal V ruang vektor perkalian dalam. W V. W disebut himpunan ortogonal jika semua pasangan
vektor-vektor yang berbeda di dalam himpunan tersebut ortogonal. Himpunan ortogonal yang setiap
vektornya mempunyai norm 1 disebut himpunan yang ortonormal
Pertanyaan/Latihan Soal
1. Ruang Vektor
Periksa apakah himpunan berikut dengan operasi penjumlahan dan perkalian yang
didefinisikan merupakan ruang vektor.
a. R2 dengan penjumlahan dan perkalian skalar yang didefinisikan sebagai berikut
(a,b) + (c,d) = (a+c, b+d); k(a,b)=(ka, b) untuk setiap k di R dan (a,b), (c,d) di R2.
a 1
b. | a, b di R dengan penjumlahan matriks dan perkalian matriks dengan skalar.
1 b
a a b
c. | a, b di R dengan penjumlahan matriks dan perkalian matriks dengan
a b b
skalar.
2. Sub Ruang
42
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
3. Merentang, bebas linear dan basis
Periksa apakah himpunan berikut merentang , bebas linear, basis dari ruang vektor yang
bersesuaian.
1. {(1,1,1), (2,2,0), (3,0,0)} R3.
2. {1 + 2x – x2, 3 + x2} P2(x).
1 1 1 0 0 1
3. , , M2x2(R).
0 0 1 0 1 0
4. { (1,1,1,1), (1,2,3,4)} R4
5. { (1,3,3), (1,3,4), (1,4,3),(6,2,1)}
a. Tentukan basis dari ruang baris, ruang kolom dari matriks berikut.
1 1 3
1. 5 4 4
7 6 2
1 2 4 5
0 1 3 0
2. 0 0 1 3
0 0 0 0
0 0
0 0
a. Tentukan apakah yang berikut ini merupakan perkalian dalam pada R3.
a. u, v =u1v1 + u3v3.
b. Diketahui M2x2(R) dengan perkalian dalam U, V = u1v1 + u2v2 + u3v3 + u4v4 untuk setiap U, V di
M2x2(R).
2 5
a. Tentukan A jika A = .
3 6
2 6 4 7
b. Tentukan d(A,B) jika A= dan B= .
9 4 1 6
43
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
c. Tentukan sudut pasangan vektor berikut relatiuf terhadap perkalian dalam Euclid pada R2
a. (0,1) dan (2,0).
2 2 1 2 1 1 1 2 2
a. , , , , , , , .
3 3 3 3 3 3 3 3 3
1 1 1 1 1 1 1
b. ,0, , ,0, , , , .
2 2 2 2 3 3 3
1 0 2 3
u1= , u2= , v1= , v2=
0 1 1 4
44
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
BAB II
TRANSFORMASI LINEAR
A. Deskripsi singkat
Pada bab I ini akan dibahas tentang definisi, sifat-sifat dan teorema yang terkait dengan
Transfomasi Linear, Kernel, Jangkauan/Range, basis untuk kernel dan basis untuk
jangkauan/range, nulitas dan rank.
45
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
C. Isi Materi Perkuliahan
TRANSFORMASI LiNEAR
Kita semua telah mengenal bahwa untuk membandingkan dua himpunan, kita dapat menggunakan
apa yang kita sebut dengan fungsi/pemetaan/transformasi.
Jika dua himpunan yang kita bandingkan bukan sekedar himpunan tetapi mempunyai struktur
khusus, seperti misalnya ruang vektor, maka sangat wajar jika kita menginginkan bahwa alat
pembanding tersebut mengawetkan operasi di kedua ruang vektor. Pemetaan atau transformasi yang
seperti ini kita namakan transformasi linear. Formalnya transformasi linear didefinisikan sbb. :
Definisi :
Misalkan U dan V suatu ruang vektor atas bilangan real. T : U → V pemetaan. T dikatakan pemetaan
linear atau transformasi linear jika untuk setiap u,v U dan α R berlaku :
Catatan :
Perlu kita garis bawahi bahwa operasi pada bagian kiri persamaan (1) merupakan operasi di
ruang vektor U, sedangkan operasi pada bagian kanan persamaan (1) merupakan operasi di V. Jadi
pemetaan linear adalah pemetaan yang mengawetkan operasi di daerahdomain menjadi operasi di
daerah kodomain.
Contoh 1 :
Jawab :
46
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
= ( x1+x2, x1+x2+y1+y2, x1+x2-y1-y2 )
= F(u) + F(v)
= β F(u)
Contoh 2 :
𝑎 𝑏
T( ) = 𝑎2 + 𝑏 2
𝑐 𝑑
Jawab :
Akan ditunjukkan bahwa ada A, B M2x2(R) sedemikian hingga T (A+B) ≠ T(A) + T(B)
Misalkan diambil :
1 2 2 4
A= ( ) dan B = ( )
3 1 2 3
Maka
Selanjutnya
3 6
T (A+B) = T ( ) = 45 ≠ T(A) + T(B)
5 4
Jika T : U → V suatu pemetaan linear, maka untuk sebarang vektor u1, u2 U dan sebarang
skalar c1, c2 R, berlaku :
47
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
Secara umum jika u1, u2, ..., un adalah vektor-vektor di U dan c1, c2, ..., cn skalar-skalar, maka berlaku
Beberapa sifat lain yang dimiliki oleh suatu pemetaan linear diperlihatkan dalam teorema
berikut ini :
Teorema :
1. T(0) = 0
2. T(-v) = - T(v) untuk semua v V
3. T(u-v) = T(u) – T(v) untuk semua v V
Bukti :
Contoh berikut menunjukkan bagaimana mencari aturan pengaitan dalam pemetaan linear. Jika
diketahui semua bayangan vektor-vektor basis untuk ruang vektor domainnya.
Contoh 3 :
v3 = (1,0,0). T : R3 → R2 adalah pemetaan linear yang didefinisikan sebagai T(v1) = (1,0) , T(v2) = (2,-
1), T(v3) = (4,3). Carilah T (x,y,z) dan gunakan hasilnya untuk menghitung T (2,-3,5) !
Jawab :
Ambil sebarang (x,y,z) R3. Karena S basis untuk R3, maka (x,y,z) R3 dapat dinyatakan sebagai
kombinasi linear dari S sehingga diperoleh :
48
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
= zv1 + (y-z)v2 + (x-y)v3
= ( 4x-2y-z, 3x-4y+z )
T(2,-3,5) = ( 9, 23 )
Contoh 4 :
Jawab:
T(2-2x+3x2) = 8 + 8x – 7x2
Teorema :
Misalkan T : Rm → Rn. T pemetaan linear jika dan hanya jika ada Anxm sedemikian sehingga T(u) =
A(u) untuk setiap u Rm.
Bukti :
Ambil sebarang xRm, dan basis standart untuk Rm yaitu { e1, e2, ..., em }, maka
49
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
𝑥1
𝑥2
x = ( ⋮ ) = x1e1 + x2e2 + ... + xmem
𝑥𝑚
𝑥1
𝑥2
= ( T(e1) T(e2) ... T(em) ) ( ⋮ )
𝑥𝑚
Maka ditemukan A = ( T(e1) T(e2) ... T(em) ). Karena T(ei) Rn, maka A berordo nxm, Jadi ada
Anxm sehingga T(x) = A(x) untuk setiap x Rm.
Diketahui ada matriks nxm ( sebut A) sehingga T(u) = A(u) untuk setiap uRm. Ambil
sebarang x,y Rm dan α R, maka :
T( x+y ) = A ( x+y )
= Ax + Ay = T(x) + T(y)
T(αx) = A(αx)
= α A(x) = α T(x)
Catatan :
Matriks A yang berkaitan dengan pemetaan linear T seperti yang disebutkan dalam teorema di atas
disebut matriks transformasi untuk pemetaan linear T.
Contoh 5 :
( 7p+2q-r+s, q+r, -p ). Carilah matriks transformasinya dan gunakan hasilnya untuk menemukan T(
1,3,2,-1 ) !
Jawab :
𝑝
𝑞
Misalkan x = ( 𝑟 ) R4, maka diperoleh :
𝑠
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
50
7𝑝 + 2𝑞 − 𝑟 + 𝑠 𝑝
7 2 −1 1
𝑞+𝑟 𝑞
T(x) = ( ) = ( 0 1 1 0 ) (𝑟 )
−𝑝 −1 0 0 0 𝑠
7 2 −1 1
Jadi matiks transformasinya adalah : A = ( 0 1 1 0 ) dan
−1 0 0 0
1 7 2 −1 1 1 10
T( ) = ( 0 1 1 0 )( 3 )=( 5 )
3
2 2
−1 0 0 0 −1
−1 −1
Definisi :
Misalkan T : V W suatu pemetaan linear. Kernel T atau Inti (T) ditulis ker(T) didefinisikan sebagai :
Jika TA : Rm Rn adalah pemetaan linear oleh matriks transformasi Anxm, maka ker(TA)
adalah ruang pemecahan dari Ax = 0.
Teorema :
Jika T : V W suatu pemetaan linear, maka kernel T adalah sub ruang dari V dan range T adalah
sub ruang dari W.
Bukti :
Telah dibuktikan bahwa T(0) = 0, maka 0 ker(T) sehingga ker(T) tidak kosong.
Selanjutnya ambil sebarang v1, v2 ker(T), maka T(v1) = 0 dan T(v2) = 0, sehingga
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
51
T ( αv1 ) = α T(v1) = α .0 = 0
Telah dibuktikan bahwa T(0) = 0, maka 0 R(T) sehingga R(T) tidak kosong.
Selanjutnya ambil sebarang x, y R(T) dan β R, maka x = T(a) dan y = T(b) untuk suatu a, b V.
Maka :
Selanjutnya
βx = β T(a) = T ( βa )
Definisi :
Jika T : V W suatu pemetaan linear, maka dimensi dari kernel T disebut nulitas(T) dan dimensi
dari Range T disebut rank(T)
Hubungan antara nulitas dan rank suatu pemetaan linear ditunjukkan dalam teorema berikut
ini :
Teorema :
Jika T : V W suatu pemetaan linear dari ruang vektor V berdimensi n ke suatu ruang vektor W,
maka
nulitas(T) + rank(T) = n
Bukti :
Misalkan nulitas(T) = r dan { v1, v2, ..., vr } basiss untuk ker(T). Maka { v1, v2, ..., vr } bebas linear.
Menurut teorema perluasan basis, maka ada n-r vektor yaitu vr+1, vr+2, ..., vn sedemikian hingga { v1,
v2, ..., vr, vr+1, vr+2, ..., vn } merupakan basis untuk V.
Akan dibuktikan bahwa n-r vektor dalam himpunan S = { T(vr+1), T(vr+2), ..., T(vn) } merupakan basis
untuk R(T). Jelas bahwa S R(T)
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
52
Akan ditunjukkan bahwa S membangun R(T). Ambil sebarang b R(T), maka ada v V ∋ b
= T(v). Karena { v1, v2, ..., vr, vr+1, vr+2, ..., vn } basis untk V, maka v dapat dinyatakan sebagai :
Karena v1, v2, ..., vr ker(T) maka T(v1) = 0, T(v2) = 0, ..., T(vr) = 0.
Hal ini menunjukkan bahwa cr+1 vr+1 + cr+2 vr+2 + ... + cn vn ker(T).
Karena { v1, v2, ..., vr } basis untuk ker(T), maka cr+1 vr+1 + cr+2 vr+2 + ... + cn vn dapat dinyatakan
sebagai kombinasi linear dari v1, v2, ..., vr sbb. :
Karena { v1, v2, ..., vr, vr+1, vr+2, ..., vn } bebas kinear, maka c1 = c2 = ... = cn = 0.
Terbukti.
Contoh :
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
53
1 0 −1
A = (1 0 1 ).
2 0 2
0 0 1
Tentukan :
𝑥1
1. Misalkan x ker(T) dengan x = (𝑥2 )
𝑥3
Ax = 0
1 0 −1 𝑥1
(1 0 1 ) (𝑥 ) = 0
2
2 0 2 𝑥3
0 0 1
Maka :
0
Ker(T) = { 𝑥 = 𝑡 (1) 𝑡 𝑅}
0
Karena ( 0,1,0 ) membangun dan bebas linear maka basis untuk ker(T) adalah
Untuk mencari basis untuk R(T) sama dengan mencari basis untk ruang kolom dari matriks A.
Jadi dengan OBE diperoleh :
1 1 2 0 1 1 2 0
(0 0 0 0 ) ~ (−1 1 2 1)
−1 1 2 1 0 0 0 0
Sehingga rank(T) = 2
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
54
D. Rangkuman
Definisi :
Misalkan U dan V suatu ruang vektor atas bilangan real. T : U → V pemetaan. T dikatakan
pemetaan linear atau transformasi linear jika untuk setiap u,v U dan α R berlaku :
T ( u+v ) = T(u) + T(v)
T (αu ) = α T(u) .............................(1)
Khusus untuk U = V, pemetaan linear T : U → U disebut operator linear.
Definisi :
Misalkan T : V W suatu pemetaan linear. Kernel T atau Inti (T) ditulis ker(T) didefinisikan
sebagai :
Jika TA : Rm Rn adalah pemetaan linear oleh matriks transformasi Anxm, maka ker(TA)
adalah ruang pemecahan dari Ax = 0.
Definisi :
Misal V, W ruang vektor
Jika T : V W suatu pemetaan linear, maka dimensi dari kernel T disebut nulitas(T) dan dimensi
dari Range T disebut rank(T)
Pertanyaan/Latihan Soal
1. Periksa apakah fungsi yang didefinisikan berikut merupakan suatu transformasi linier.
a. T: R3R2 dengan T(x1, x2, x3) = (x1-x2+x3, x2-4x3).
a b
b. T: M2x2(R) R dengan T = 3a - 4b + c - d.
c d
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
55
BAB III
NILAI DAN VEKTOR KARAKTERISTIK
A. Diskripsi Singkat :
Pada bab III ini akan dibahas tentang definisi, sifat-sifat dan teorema yang terkait dengan Nilai
dan Vektor karakteristik/Eigen, Ruang Karankteristik/Eigen, Basis untuk Ruang Eigen dan
diagonalisasi matriks.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
56
C. Isi Materi Perkuliahan.
Definisi :
Misalkan A matriks nxn dan x Rn, x ≠ 0. Vektor x disebut vektor eigen / vektor karakteristik dari A
jika
Ax = λx
Untuk suatu λ R. Bilangan λ yang memenuhi persamaan di atas disebut nilai eigen / nilai
karakteristik. Vektor x disebut vektor eigen yang bersesuaian dengan λ.
Contoh :
5 −1 1
Misalkan A = ( ). Maka vektor x = ( ) merupakan vektor eigen dari A yang bersesuaian
2 2 2
5 −1 1 1
dengan λ = 3, karena ( )( ) = 3( )
2 2 2 2
Untuk mencari nilai dan vektor eigen dari suatu matriks A berordo nxn adalah sebagai berikut
:
Misalkan A matriks nxn dan v Rn, v ≠ 0 merupakan vektor eigen dari matriks A, maka ada λ
R ∋ Av = λv.
Av = λIv
( λI – A )v = 0
Tampak bahwa v merupakan penyelesaian dari SPL homogen ( λI – A )x = 0.
Karena v ≠ 0, maka SPL homogen ( λI – A )v = 0 mempunyai penyelesaian non trivial.
Ini hanya mungkin jika det ( λI – A ) = 0, artinya λ adalah penyelesaian persamaan dari det λI – A) =
0. Det ( λI – A ) = 0 ini disebut persamaan karakteristik dari matriks A
Lemma :
Misalkan A matriks nxn. Λ R adalah nilai eigen dari matriks A jika dan hanya jika λ adalah akar
persamaan karakteristik det (λI-A) = 0. Sedangkan vektor eigen dari matriks A yang bersesuaian
dengan λ adalah penyelesaian dari SPL homogen ( λI – A ) x = 0
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
57
Contoh 1 :
4 0 1
Diketahui A = (−2 1 0). Carilah nilai dan vektor eigen dari matriks A!
−2 0 1
Jawab :
Persamaan karakteristik dari matriks A adalah :
det (λI-A) = 0
𝜆−4 0 −1
| 2 𝜆−1 0 | = 0
2 0 𝜆−1
( λ-1 ) ( λ-2 ) ( λ-3 ) = 0
Jadi diperoleh nilai-nilai eigennya sbb. : λ1 = 1, λ2 = 2, λ3 = 3
Untuk mencari vektor eigen yang bersesuaian dengan nilai eigen λ1 = 1, kita pandang SPL
homogen sbb. :
−3 0 −1 𝑥1
( λ1I-A )x = 0 ( 2 0 0 ) (𝑥2 ) = 0
2 0 0 𝑥3
Dengan menggunakan OBE diperoleh : x1 = 0, x2 = s, x3 = 0
Jadi vektor eigen yang bersesuaian dengan λ1 = 1 adalah :
0 0
x = ( 𝑠 ) = s (1) dengan s sebarang bilangan real.
0 0
Analog untuk vektor eigen yang bersesuaian dengan λ2 = 2, diperoleh :
−𝑡 −1
x = ( 2𝑡 ) = t ( 2 ) dengan t sebarang bilangan real.
2𝑡 2
Sedangkan vektor eigen yang bersesuaian dengan λ3 = 3, diperoleh :
−𝑟 −1
x = ( 𝑟 ) = r ( 1 ) dengan r sebarang bilangan real.
𝑟 1
Contoh 2 :
0 0 2 0
Diketahui A = (1 0 1 0 ). Carilah nilai dan vektor eigen dari A !
0 1 −2 0
0 0 0 1
Jawab :
Persamaan karakteristik dari matriks A adalah :
det (λI-A) = 0
𝜆 0 −2 0
| −1 𝜆 −1 0 | = 0
0 −1 𝜆 + 2 0
0 0 0 𝜆−1
( λ-1 ) ( λ3 + 2λ2 – λ – 2 ) = 0
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
58
Dengan menggunakan teoremasisa, persamaan karakteristik tersebut dapat difaktorkan menjadi ( λ-
1 )2 ( λ+1 ) ( λ+2 ) = 0.
Jadi nilai-nilai karakteristik dari matriks A adalah : λ1 = 1, λ2 = 1, λ3 = -1, λ4 = -2
Analog contoh 1 diperoleh vektor eigen yang bersesuaian dengan λ = 1 adalah :
2𝑡 2 0
x = (3𝑡 3 0
𝑡 ) = t (1) + s (0) dengan s,t sebarang bilangan real.
𝑠 0 1
Vektor eigen yang bersesuaian dengan λ = -1 adalah :
−2𝑟 −2
x = ( 𝑟𝑟 ) = r ( 1 ) dengan r sebarang bilangan real.
1
0 0
Vektor eigen yang bersesuaian dengan λ = -2 adalah :
−𝑝 −1
x = ( 𝑝 ) = p ( 0 ) dengan p sebarang bilangan real.
0
1
0 0
Contoh 3 :
−1 0 1
Diketahui A = (−1 3 0)
−4 13 −1
Dengan cara yang sama pada contoh 1 diperoleh nilai-nilai eigen sbb. : λ1 = 2,
−1 ± √−3
λ2,3 = 2
. Karena λ2,3 imajiner, maka nilai eigen dari matriks A hanyalah λ = 2.
DIAGONALISASI
Ilustrasi :
1 0 0
Jika kita mempunyai matriks diagonal D = (0 2 0 ) dan kita diminta mencari D25, maka dengan
0 0 −1
125 0 0
25
mudah kita akan menemukannya yaitu : D = ( 0 225 0 ).
0 0 −125
Secara umum jika D matriks diagonal, maka :
𝑚
𝑎11 0 … 0
𝑚
0 𝑎22 … 0
Dm = ( )
⋮ ⋮ ⋮
𝑚
0 0 … 𝑎𝑛𝑛
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
59
Sekarang jika kita mempunyai matriks A berordo nxn yang bukan matriks diagonal, dan kita diminta
mencari Am dengan m cukup besar, bagaimana kita menemukannya ?
Jika A dapat dinyatakan sebagai A = PDP-1 dengan P adalah matriks non singular berordo nxn dan D
matriks diagonal berordo nxn, maka :
A2 = ( PDP-1 ) ( PDP-1 ) = PD2P-1
Dengan cara yang sama diperoleh :
Am = PDmP-1
Definisi :
Sebuah matriks A berordo nxn dikatakan dapat didiagonalkan jika ada sebuah matriks non singular
p berordo nxn sehingga P-1AP diagonal. Matriks P dikatakan mendiagonalkan A
Teorema :
Jika A adalah sebuah matriks nxn, maka pernyataan-pernyataan berikut ekivalen satu sama lain :
a. A dapat didiagonalkan
b. A mempunyai n vektor eigen yang bebas linear.
Bukti :
a) ⇒ b)
Diketahui A dapat didiagonalkan, maka ada matriks non singular P berordo nxn.
𝑝11 𝑝12 … 𝑝1𝑛
𝑝 𝑝22 … 𝑝2𝑛
Misalkan P = (𝑝1 𝑝2 … 𝑝𝑛 ) = ( 21 ⋮ ⋮ ⋮ )
𝑝𝑛1 𝑝𝑛2 … 𝑝𝑛𝑛
Sehingga P-1AP diagonal, katakanlah P-1AP = D dimana :
𝜆1 0 … 0
0 𝜆2 … 0
D=( )
⋮ ⋮ ⋮
0 0 … 𝜆𝑛
Maka AP = PD
𝜆1 0 … 0
A (𝑝1 𝑝2 … 𝑝𝑛 ) = (𝑝1 𝑝2 … 𝑝𝑛 ) ( 0 𝜆2 … 0
)
⋮ ⋮ ⋮
0 0 … 𝜆𝑛
( Ap1 Ap2 ... Apn ) = ( λ1p1 λ2p2 ... λnpn )
Jadi Ap1 = λ1p1, Ap2 = λ2p2, ... , Apn = λnpn
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
60
Karena P non singular maka vektor-vektor p1, p2, ..., pn merupakan vektor-vektor tak nol. Maka
menurut definisi sebelumnya λ1, λ2, ..., λn merupakan nilai- nilai eigen dari matriks A dan p1, p2, ...,
pn merupakan vektor-vektor eigen yang bersesuaian dengan berturut-turut λ1, λ2, ..., λn .
Karena P matriks non singular maka rank(P) = n sehingga menurut teorema sebelumnya { p1, p2, ...,
pn } bebas linear. Terbukti
b) ⇒ a)
Diketahui A mempunyai n vektor eigen yang bebas linear yaitu p1, p2, ..., pn yang bersesuaian dengan
nilai-nilai eigen berturut-turut λ1, λ2, ..., λn .
Misalkan P = (𝑝1 𝑝2 … 𝑝𝑛 ) matriks nxn dengan vektor-vektor kolomnya pi, maka :
AP = ( Ap1 Ap2 ... Apn )
Tetapi karena p1, p2, ..., pn adalah vektor-vektor eigen dari A yang bersesuaian dengan nilai-nilai
eigen berturut-turut λ1, λ2, ..., λn , maka kita juga mempunyai :
Ap1 = λ1p1, Ap2 = λ2p2, ... , Apn = λnpn
Sehingga kita peroleh :
AP = ( Ap1 Ap2 ... Apn )
= ( λ1p1 λ2p2 ... λnpn )
𝜆1 0 … 0
= (𝑝1 𝑝2 … 𝑝𝑛 ) ( 0 𝜆2 … 0
) = PD
⋮ ⋮ ⋮
0 0 … 𝜆𝑛
Dimana D adalah matriks diagonal yang mempunyai nilai-nilai eigen λ1, λ2, ..., λn sebagai elemen-
elemen pada diagonal utamanya. Karena vektor-vektor kolom dari P bebas linear maka P non
singular. Sehingga ditemukan P-1AP = D. Jadi A dapat didiagonalkan. Terbukti.
Teorema :
Misalkan A matriks nxn. Jika v1, v2, ..., vk adalah vektor-vektor eigen dari A yang bersesuaian dengan
nilai-nilai eigen λ1, λ2, ..., λk yang berbeda, maka { v1, v2, ..., vk } adalah himpunan yang bebas linear
Contoh 4 :
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
61
4 0 1
Diketahui A = (−2 1 0). Selidikilah apakah A dapat didiagonalkan ? Jika dapat, carilah matriks P
−2 0 1
yang mendiagonalkan A.
Jawab :
Dalam contoh 1 telah diperoleh nilai dan vektor eigen dari matriks A.
0 −1 −1
Jika vektor-vektor eigen itu dikumpulkan diperoleh : {(1) , ( 2 ) , ( 1 )}. Menurut teorema di atas,
0 2 1
himpunan tersebut bebas linear. Karena ada 3 vektor yang bebas linear di R3 maka menurut teorma
sebelumnya A dapat didiagonalkan.
0−1 −1
Matriks yang mendiagonalkan A adalah P = (1 2 1 ).
0 2 1
0 1 −1
Dengan menggunakan OBE diperoleh P-1 = ( 1 0 1 )
−2 0 −1
1 0 0
Dan matriks diagonalnya adalah D = (0 2 0)
0 0 3
0 −1 −1 1 0 0 0 1 −1
Sehingga A = PDP-1 = (1 2 1 ) (0 2 0) ( 1 0 1 )
0 2 1 0 0 3 −2 0 −1
A = PDP-1 disebut dekomposisi diagonal matriks A
Teorema :
Misalkan A matriks nxn. λ1, λ2, ..., λk adalah nilai-nilai karakteristik yang berbeda. Jika { vi1, vi 2, ...,
vin1 } adalah himpunan vektor-vektor eigen dari A yang bersesuaian dengan λin yang bebas linear,
maka { v11, v12, ..., v1n1, v21, v22, ..., v2n2, ..., vk1, vk2, ..., vknk } bebas linear.
Contoh 5 :
0 0 2 0
Diketahui A = (1 0 1 0 ). Selidiki apakah A dapat didiagonalkan? Jika dapat, carilah matriks
0 1 −2 0
0 0 0 1
yang mendiagonalkan A dan dekomposisi diagonal matriks A !
Jawab :
Dalam contoh 2 telah diperoleh nilai dan vektor eigen dari matriks A.
0 2 −2 −1
Jika vektor-vektor eigen itu dikumpulkan diperoleh : {(0) , (3) , ( 1 ) , ( 0 )}. Menurut teorema di
0 1 1 1
1 0 0 0
atas, himpunan tersebut bebas linear. Karena ada 4 vektor yang bebas linear di R4 maka menurut
teorma sebelumnya A dapat didiagonalkan.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
62
0
2 −2 −1
Matriks yang mendiagonalkan A adalah P = (0
3 1 0 )
1
0 1 1
1
0 0 0
0 0 0 1
1⁄ 1⁄ 1⁄ 0
6 6 6
Dengan menggunakan OBE ditemukan P-1 = −1 1 −1
⁄2 ⁄2 ⁄2 0
1 −2⁄ 4⁄ 0)
( ⁄3 3 3
Jadi dekomposisi diagonal dari matriks A adalah :
0 0 0 1
0 2 −2 −1 1 0 0 0 1⁄ 1⁄ 1⁄ 0
6 6 6
A = PDP-1 = (0 3 1 0 ) (0 1 0 0 )
−1⁄ 1⁄ −1⁄
0 1 1 1 0 0 −1 0 2 2 2 0
1 0 0 0 0 0 0 −2 1⁄ −2⁄ 4⁄ 0)
( 3 3 3
Contoh 6 :
−1 0 1
Diketahui A = (−1 3 0 ). Selidiki apakah A dapat didiagonalkan? Jika dapat, carilah matriks
−4 13 −1
yang mendiagonalkan A dan dekomposisi diagonal matriks A !
Jawab :
Dalam contoh 3 telah diperoleh nilai dan vektor eigen dari matriks A.
1
Jika vektor-vektor eigen itu dikumpulkan diperoleh {(1)} yang bebas linear
3
Karena hanya ditemukan 1 vektor eigen yang bebas linear di R3, maka menurut terorema A tidak
dapat didiagonalkan.
D. Rangkuman
Definisi :
Misalkan A matriks nxn dan x Rn, x ≠ 0. Vektor x disebut vektor eigen / vektor karakteristik dari A
jika
Ax = λx
Untuk suatu λ R. Bilangan λ yang memenuhi persamaan di atas disebut nilai eigen / nilai
karakteristik. Vektor x disebut vektor eigen yang bersesuaian dengan λ.
Lemma :
Misalkan A matriks nxn. Λ R adalah nilai eigen dari matriks A jika dan hanya jika λ adalah akar
persamaan karakteristik det (λI-A) = 0. Sedangkan vektor eigen dari matriks A yang bersesuaian
dengan λ adalah penyelesaian dari SPL homogen ( λI – A ) x = 0
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
63
Definisi :
Sebuah matriks A berordo nxn dikatakan dapat didiagonalkan jika ada sebuah matriks non singular
p berordo nxn sehingga P-1AP diagonal. Matriks P dikatakan mendiagonalkan A
Teorema :
Jika A adalah sebuah matriks nxn, maka pernyataan-pernyataan berikut ekivalen satu sama lain :
a. A dapat didiagonalkan
b. A mempunyai n vektor eigen yang bebas linear.
4. Maka matriks P-1AP akan didiagonalkan ( P-1AP = D ) dengan λ1, λ2, ..., λn merupakan
elemen-elemen diagonalnya secara berurutan, dimana λ1, λ2, ..., λn adalah nilai-nilai eigen
yang bersesuaian dengan pi, i = 1,2,..., n.
Pertanyaan/Latihan Soal :
1. Tentukan polinomial, nilai, dan vektor karakteristik yang bersesuaian dengan nilai
karakteristik matriks berikut
5 0 0 5 6 2 5 0 1
1. A= 1 5 0
2. B= 0 1 8
3. C= 1 1 0
0 1 5 1 0 2 7 1 0
2. Tentukan apakah matriks di atas dapat didiagonalkan? Jika ya, tentukan metriks
pendiagonalnya.
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES
64
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 8dari 8 27 Februari 2017
Daftar Pustaka
1) Howard Anton, 1994, Elementary Linear Algebra 7th edition, New York: John Wiley & Sons, Inc.
2) Bill Jacob, 1994, Linear Algebra
3) Armawi K.Mundit, 1986, Aljabar Linear
Diperiksa oleh :
Dibuat oleh : Dilarang memperbanyak sebagian atau seluruh isi dokumen tanpa ijin
tertulis dari BPM UNNES