RUANG VEKTOR

Trihastuti Agustinah.
Vektor pada Rn

• Definisi Ruang-n
– Himpunan seluruh tupel-n dari bilangan real

• Notasi: Rn
– n = 2  pasangan terurut;
– n = 3  triple terurut
– n = 1  satu bilangan real (notasi: R1 atau R)

• 2 interpretasi geometris tripel terurut (a1,a2,a3):

– Titik: a1,a2,a3 sebagai koordinat
– Vektor: a1,a2,a3 sebagai komponen vektor
Interpretasi tripel terurut
Operasi standar

• Dua vektor u=(u1, u2,···, un) dan v=(v1, v2,···, vn) pada
Rn
– Sama u=v; u1= v1, u2= v2, ···, un= vn
– Jumlah: u+v = (u1+v1, u2+v2, ···, un+vn)
– Perkalian skalar: ku=(ku1, ku2,···, kun)
• Vektor nol
 Notasi: 0
 0 = (0,0, ···,0)
Sifat-sifat aritmatika

• Jika u=(u1, u2,···, un), v=(v1, v2,···, vn) pada Rn

– Negatif: -u = (-u1, -u2,···, -un)
– Selisih: v- u = v + (- u) atau v- u = (v1-u1, v2-u2, ···, vn-
un)

• Teorema: (k,l: skalar)

 v+ u = u +v  k(l u) = (kl) u
 u + (v+w) = (u +v) + w  k(u +v) = k u + kv
 u + 0 = 0+ u = u  (k+l) u = ku+lu
 u +(- u)= 0  u - u = 0  1u = u
Ruang n-Euclidean

• Misal u=(u1, u2,···, un), v=(v1, v2,···, vn), w=(w1, w2,···, wn)
adalah vektor pada Rn dan k skalar
• Hasilkali-dalam (inner-product) Euclidean:
u·v = (u1v1 + u2v2 + ··· + unvn)

• 4 sifat penting inner product

 u·v = v·u
 (u+v)·w = uw + vw
 (ku)·v = k(u·v)
 v·v ≥ 0, v·v = 0 jika dan hanya jika (iff) v = 0
Contoh 1

• Dapatkan hasilkali-dalam Euclidean dari vektor:

u = (-1, 3, 5, 7) dan v = (5, -4, 7, 0)

 u·v = (-1)(5) + (3)(-4) + (5)(7) + (7)(0) = 18

• Cara penghitungan hasilkali-dalam sama dengan perkalian

aritmatika biasa
(3u+2v)·(4u+v) = (3u)·(4u+v) + (2v)·(4u+v)
= (3u)·(4u) + (3u)·v + (2v)·(4u) + (2v)·v
= 12(u·u) + 11(u·v) + 2(v·v)
Norm dan jarak

• Definisi norm atau panjang Euclidean untuk vektor

u=(u1, u2,···, un):

u  (u  u)1 2  u12  u22    un2

• Definisi jarak (distance) antara titik u=(u1, u2,···, un)

dan v=(v1, v2,···, vn):

d (u, v)  u  v  (u1  v1)2  (u2  v2 )2    (un  vn )2

Pertidaksamaan Cauchy-Schwarz

• Vektor u=(u1, u2,···, un), v=(v1, v2,···, vn) pada Rn

• Pertidaksamaan Cauchy-Schwarz:

u v  u v
atau
u1v1  u2v2    unvn

 (u12  u22    un2 )1 2 (v12  v22    vn2 )1 2

Sifat-sifat norm dan jarak

• Jika u dan v adalah vektor dan k skalar

 ||u|| ≥ 0
 ||u|| = 0 iff u =0
 ||ku|| = |k| ||u||
 perkalian vektor dgn skalar mengalikan panjang dr vektor
sebesar k

ku
u+v
u v
u

 ||u +v|| ≤ ||u||+||v||

 jumlah dua sisi segitiga lebih kecil atau sama dengan sisi ketiga
dr segitiga tersebut
Vektor ortogonal

• Dua vektor u dan v adalah ortogonal iff

u·v=0
• Vektor u, v dan u+v membentuk sisi-sisi segitiga

u+v v

• Teorema Phytagoras
||u+v||2=||u||2+||v||2
Ruang Vektor Real

• Definisi ruang vektor V:

– himpunan objek di mana dua operasi berikut
didefinisikan pada V
• jumlah dari pasangan objek dalam V
• perkalian objek dengan skalar

• Jika aksioma –aksioma untuk ruang vektor terpenuhi

oleh seluruh objek u,v,w dalam V dan skalar k dan l,
maka
• V disebut ruang vektor
• objek dalam V disebut vektor.
Aksioma-aksioma
• Jika u dan v adalah objek dalam V, maka u + v juga objek
dalam V
– u+v=v+u
– u +(v +w) = (u+ v) + w
• Objek 0 dalam V disebut vektor nol untuk V
– 0+u=u+ 0=u untuk semua u dalam V
• Untuk tiap u dalam V, objek –u dalam V disebut negatif dari u
– u + (- u) = (- u) + u = 0
• Jika k adalah skalar sebarang dan u adalah objek dalam V,
maka ku juga dalam V
– k(u +v) = ku + kv
– k(l u) = (kl) u
– 1u = u
Bukti
u11 u12   v11 v12 
• Misal u  v 
 21 22 
u u  21 22 
v v

u11 u12   v11 v12   u11  v11 u12  v12 

uv     
v v u 
 21 22   21 22   21 21 22 22 
u u v u  v

u11 u12   ku11 ku12 

ku  k    
 21 22   21
u u ku ku22 

0 0 u11 u12  u11 u12 

0u        u
0 0 u21 u22  u21 u22 

u11 u12    u11  u12  0 0

u  (u)        0
u21 u22   u21  u22  0 0
Subspace (subruang)

• Definisi:
– Subset W dari ruang vektor V disebut subspace dari V jika
W merupakan ruang vektor yang dibentuk dari operasi
penjumlahan dan perkalian dalam V

• Bila W adalah himpunan yang terdiri dari satu vektor

atau lebih dari ruang vektor V, maka W subspace dari
V iff
– Jika u dan v vektor dalam W, maka u+v juga dalam W
– Jika k sebarang skalar dan u adalah sebarang vektor dalam
W, maka ku juga dalam W
Contoh1: subruang

• Vektor u+v dan ku terletak pada u+v

v
bidang yang sama dengan u dan v
ku
 W adalah subruang dari R3 u

• Garis melalui W
origin adalah u+v ku W
v u
subruang u
Subruang dari R2 dan R3

• Tiap ruang vektor tak-nol V minimal terdiri dari 2

subruang:
– Subruang V
– Vektor nol dalam V  subruang nol (zero subspace)

• Subruang dari R2 • Subruang dari R3

 {0}  {0}
 Garis melalui origin  Garis melalui origin
 R2  Bidang melalui origin
 R3
Kombinasi linear dari vektor

• Vektor w adalah kombinasi linear dari v1, v2,, vr

dan k1,k2, , kr jika
w  k1v1  k2 v2    kr vr

• Untuk r = 1:
 w = k1v1
 Kombinasi linear vektor tunggal v1

• Vektor v=(a,b,c): kombinasi linear dari vektor basis

standar
v  (a, b, c)  a(1, 0, 0)  b(0, 1, 0)  c(0, 0, 1)  ai  bj  ck
Contoh 2
• Vektor u = (1,2,-1) dan v = (6,4,2)
Tunjukkan bahwa
 w=(9,2,7): kombinasi linear dari u dan v
 w´=(4,-1,8): bukan kombinasi linear

• w kombinasi linear dari u dan v bila

w = k1u + k2v
(9,2,7) = k1(1,2,-1) + k2(6,4,2)
(9,2,7) = k1+6k2, 2k1+4k2, -k1+2k2
k1 + 6k2 = 9; 2k1 + 4k2 = 2; -k1 + 2k2 = 7 → k1=-3; k2=2
Maka w = -3u + 2v
Rentangan (spanning)

• Jika v1, v2,, vr adalah vektor dalam ruang vektor V,

maka
– Himpunan W dari seluruh kombinasi linear v1, v2,, vr
adalah subruang V
– W adalah subruang terkecil dalam V yang berisi v1,v2,, vr

• Jika S = {v1, v2,, vr} adalah himpunan vektor dalam

ruang vektor V, maka
– Subruang W dari seluruh kombinasi linear v1, v2,, vr
disebut ruang yang direntang oleh vektor tersebut
– W= span (S) atau W= span {v1, v2,, vr}
• Jika v1dan v2 adalah vektor di R3 dengan titik awal
pada origin
– Span{v1, v2} yang berisi seluruh kombinasi linear k1v1 +
k2v2: bidang melalui origin yang ditentukan oleh v1 dan v2

• Jika v merupakan vektor di R2 atau R3

– Span{v} yang berupa seluruh perkalian kv: garis yang
ditentukan oleh v
span{v1, v2}
z z span{v}
k1v1+ k2v2
k2v2 kv
v2 v
k1v1
v1 y y

x x
Contoh 3

• Tunjukkan bahwa v1 = (1,1,2), v2 = (1,0,1), v3 = (2,1,3)

merentang ruang vektor pada R3
• Tentukan vektor semu b=(b1,b2,b3) sebagai kombinasi linear
b = k1v1 + k2v2 + k3v3
(b1,b2,b3) = k1(1,1,2) + k2(1,0,1)+k3(2,1,3)

k1 + k2 + 2k3 = b1 1 1 2 
k1 + k3 = b2  A  1 0 1
2k1 + k2 + 3k3 = b3 2 1 3

 Sistem linear konsisten iff matriks koefisien A dapat diinverskan

 det(A)=0 → A tidak dapat diinverskan
 v1, v2 dan v3 tidak dapat merentang pada R3
Kebebasan linear

• Himpunan vektor S = {v1, v2, , vr}

• Persamaan vektor
k1v1 + k2v2 +  + krvr = 0

• Jika hanya ada satu solusi

– k1= 0, k2 = 0, , kr = 0
– S adalah himpunan bebas linier (linearly independent)

• Jika ada solusi yang lain

– S disebut himpunan takbebas linear
Contoh 4

• Tunjukkan bahwa v1 = (1, -2,3), v2 = (5,6,-1), v3 = (3,2,1)

membentuk himpunan bebas linear atau tak bebas linear
• Persamaan vektor dalam komponen
k1v1 + k2v2 + k3v3 = 0
k1(1, -2,3) + k2(5,6, -1)+k3(3,2,1)=(0,0,0)

(k1+5k2+3k3, –2k1+6k2+2k3, 3k1– k2 +k3) = (0,0,0)

• Persamaan untuk tiap komponen

k1 + 5k2 + 3k3 = 0
– 2k1 + 6k2 + 2k3 = 0

3k1 – k2 + k3 = 0
Contoh 4 (cont.)

• Solusi sistem
k1= t/2; k2 = -t/2; k3 = t

• Solusi nontrivial
• v1, v2 dan v3: himpunan takbebas linear
• Eksistensi solusi nontrivial
 Determinan matriks koefisien sama dengan nol
 Matrik tsb tidak dapat diinverskan
Interpretasi geometri dari kebebasan linear
z z z
v2
v1
v1
v1
v2
y y y
v2

x x x

(a) takbebas linier (b) takbebas linier (c) bebas linier

z z z v1

v3 v3
v2
v2 v2
y y y
v1 v3
v1
x x x

(a) takbebas linier (b) takbebas linier (c) bebas linier

Basis

• Definisi:
– Jika V adalah ruang vektor
– S = {v1, v2, , vn}: himpunan vektor dalam V
– S disebut basis untuk V jika memenuhi kondisi berikut
• S adalah bebas linear
• S merentang V (S spans V)

• Teorema:
– Jika S = {v1, v2, , vn}: basis untuk ruang vektor V
– Tiap vektor v dalam V dapat dinyatakan sebagai kombinasi
linear dari vektor-vektor dalam S dalam satu cara saja
Basis

• Bukti:
v = c1v1+ c2v2+ + cnvn
dan
v = k1v1+ k2v2+ + knvn

• Kurangkan kedua persamaan

0 = (c1– k1)v1+ (c2 – k2)v2+ + (cn – kn)vn

• Solusi: c1= k1, c2 = k2,  , cn = kn

• Kedua ekspresi untuk v adalah sama
Dimensi

• Definisi:
– Ruang vektor tak nol V disebut dimensi berhingga
– Bila V berisi himpunan vektor-vektor berhingga {v1, v2, , vn}
yang membentuk sebuah basis
– Jika tidak terdapat himpunan vektor tersebut, V disebut dimensi
tak berhingga

• Teorema:
– Jika V adalah ruang vektor dimensi berhingga dan {v1, v2,
, vn} merupakan basis
• Tiap himpunan yang memiliki vektor > n  takbebas linear
• Himpunan vektor < n  tidak dapat merentang V
Dimensi

• Catatan:
– Bila S = {v1, v2, , vn} adalah basis untuk V
– Seluruh basis untuk V memiliki jumlah vektor yang sama
dengan basis S
– Basis untuk Rn memiliki n vektor
– Basis untuk R3 memiliki 3 vektor
– Basis untuk R2 memiliki 2 vektor
– Basis untuk R1 memiliki 1 vektor
– Jumlah vektor dalam basis = jumlah dari dimensi
Contoh 5

• Tentukan basis dan dimensi untuk solusi ruang

sistem homogen berikut:
2x1 + 2x2 – x3 + x5 = 0
– x1 – x2 + 2x3 – 3x4 + x5 = 0
x1 + x2 – 2x3 – x5 = 0
x3 + x4 + x5 = 0
  2 2 1 0 1 0
• Augmented matriks:  1  1 2  3 1 0

 1 1  2 0 1 0
 
 0 0 1 1 1 0

1 1 0 0 1 0
• Reduksi eselon baris: 0
 0 1 0 1 0
0 0 0 1 0 0
 
0 0 0 0 0 0

• Bentuk reduksi dalam persamaan:

x1 + x2 + x5 = 0
x3 + x5 = 0
x4 = 0
• Solusi:
x1 = –s –t; x2 = s; x3 = –t; x4 =0; x5 = t;

• Dalam bentuk vektor:

 x1   s  t   s   t   1  1
x   s   s   0  1 0
  
2         
 x3     t    0    t   s  0   t  1
           
x
 4  0 0
     0 0 0
 x5   t   0   t   0   1 
• Vektor yang merentang
 1  1
ruang solusi: 1 0
   
v1   0  dan v 2   1
   
0 0
 0   1 

• Vektor v1, v2: bebas linear

• {v1, v2}: basis
• Ruang solusi: dua dimensi
Ruang baris, kolom dan nul

• Jika A matriks m×n:

– subruang Rn direntang oleh vektor baris disebut ruang baris
dari A
– subruang Rm direntang oleh vektor kolom disebut ruang
kolom dari A
– ruang solusi dari sistem homogen dari persamaan Ax = 0
yang merupakan subruang Rn disebut ruang nul dari A

• Teorema:
– Sistem persamaan linear Ax = b adalah konsisten iff b
merupakan ruang kolom dari A
Contoh 6

• Tunjukkan bahwa b merupakan ruang kolom dari A

dan ekspresikan b sebagai kombinasi linear dari
vektor kolom matriks A:

 1 3 2   x1   1 
 1 2  3  x     9
  2   
 2 1  2  x3    3
Contoh 6 (cont.)

• Solusi sistem:
x1 = 2; x2 = – 1; x3 = 3

• Sistem konsisten  b merupakan ruang kolom A

• Ekspresi b sebagai kombinasi linear vektor kolom
matriks A
 1 3 2 1
2  1   2  3   3   9
 2  1  2  3
Basis untuk ruang baris, kolom dan nul

• Operasi baris elementer tidak mengubah ruang nul

dan ruang baris dari matriks
• Jika matriks R merupakan matriks hasil reduksi baris:
– Vektor baris dengan leading 1 (baris tak nol)  basis untuk
ruang baris
– Vektor kolom dengan leading 1  basis untuk ruang kolom
Contoh 7

• Matriks: 1  2 5 0 3
0 1 3 0 0
R
0 0 0 1 0
 
0 0 0 0 0

• Basis untuk ruang baris:

• Basis untuk ruang kolom:

Rank dan nullity

• Rank: dimensi dari ruang baris dan ruang kolom

• Notasi: rank(A)
• Nulitas(nullity): dimensi dari ruang nul
• Notasi: nullity(A)
• rank(A)=dim(ruang baris A)=dim(ruang kolom AT)
• rank(A) + nullity(A) = n
• Jumlah var. leading + jumlah var. bebas = n
Nilai maksimum dari rank

• Jika A matriks m×n:

– rank(A) = jumlah var. leading dalam solusi Ax = 0
– nullity(A) = jumlah parameter dalam solusi Ax = 0
– Vektor baris terletak pada Rn  ruang baris berdimensi n
– Vektor kolom terletak pada Rm  ruang kolom dimensi m
– Ruang baris = ruang kolom
– mn, rank(A) = nilai terkecil antara m dan n

• Nilai maksimum rank:

– rank(A)  min(m,n)