Aljabar Linier

Intan Muchtadi

December 21, 2018

Ruang Vektor
Definisi 1 Suatu lapangan adalah suatu him-
punan F yang dilengkapi dengan dua operasi:
penjumlahan yang dilambangkan dengan + dan
perkalian yang dilambangkan dengan •, dan
dua unsur 0 dan 1 yang memenuhi

1. Untuk setiap x, y, z ∈ F

x + y ∈ F, xy ∈ F

x+y =y+x

(x + y) + z = x + (y + z)

0+x=x

xy = yx

(xy)z = x(yz)

1x = x
1
 x(y + z) = xy + xz

2. Untuk setiap x ∈ F terdapat secara tunggal

z ∈ F sedemikian sehingga x + z = 0.

3. Untuk setiap x ∈ F dengan x 6= 0 terdapat

secara tunggal y ∈ F sedemikian sehingga
xy = 1.

Contoh

1. Himpunan bilangan rasional

Q = {r/s : r dan s bilangan bulat dengan s 6= 0}

merupakan lapangan.

2. Himpunan bilangan bulat Z bukan lapan-

gan.
 √ √
3. Himpunan Q( 2) = {r + s 2 : r, s ∈ Q} ⊂ R
merupakan lapangan dengan operasi yang
sama dengan R. Himpunan tersebut meru-
pakan subhimpunan dari suatu lapangan,
yang tertutup terhadap penjumlahan, perkalian,
dan balikan.

4. Himpunan F (X) = {f (X)/g(X) : f (X), g(X) ∈

F [X], g(X) 6= 0} merupakan lapangan.

5. Himpunan bilangan modulo p, dengan p prima,

Z/pZ merupakan lapangan.
Teorema 2 (Hukum Pembatalan) Untuk se-
barang a, b, c di lapangan F berlaku

1. Jika a + b = c + b, maka a = c.

2. Jika a.b = c.b dan b 6= 0, maka a = c.

Akibat 3 Elemen identitas penjumlahan dan

perkalian, begitu juga elemen invers penjumla-
han dan perkalian adalah tunggal.

2
Teorema 4 Misalkan a, b sebarang elemen di
F. Maka berlaku

1. a.0 = 0.

2. (−a).b = a.(−b) = −(a.b).

3. (−a).(−b) = a.b.

Akibat 5 Elemen identitas penjumlahan tidak

memiliki invers terhadap perkalian.

Bilangan positif terkecil p sehingga 1+1+· · ·+

1 = 0 sebanyak p, disebut karakteristik dari F.
Jika tidak ada bilangan yang memenuhi, kita
katakan F berkarakteristik 0.

3
Definisi 6 Suatu ruang vektor V atas lapan-
gan F adalah himpunan V, yang unsur-unsurnya
dinamakan vektor, dilengkapi dengan vektor
nol 0, operasi penjumlahan vektor + dan
operasi perkalian skalar yang memenuhi
Untuk setiap u, v, w ∈ V, dan r, s ∈ F, berlaku

u+v ∈V

0+v =v

u+v =v+u

u + (v + w) = (u + v) + w

rv ∈ V

1v = v, 0v = 0

r(u + v) = ru + rv

(r + s)v = rv + sv

(rs)v = r(sv)
4
Contoh

1. Misalkan F sebarang lapangan. Untuk se-

tiap bilangan bulat positif n, F n merupakan
ruang vektor.

2. Untuk setiap lapangan F suatu suku banyak

dalam X adalah suatu ekspresi berbentuk
anX n + an−1X n−1 + · · · + a1X + a0 dimana
a0, a1, · · · , an ∈ F. Misalkan P adalah him-
punan semua suku banyak dalam X dengan
koefisien di F. Maka P merupakan ruang
vektor atas F.

3. Misalkan [a, b] ⊂ R. Himpunan semua fungsi

kontinu bernilai riil terdefinisi di [a, b], C([a, b], R)
merupakan ruang vektor riil.

5
4. Himpunan semua fungsi kontinu bernilai riil
terdefinisi di R, C(R, R) merupakan ruang
vektor riil.

5. Misalkan S suatu himpunan tak kosong dan

F lapangan. himpunan semua fungsi F un(S, F )
dari S ke F adalah ruang vektor atas F, di-
mana untuk setiap f, g ∈ F un(S, F ), dan
k ∈ F, berlaku (f + g)(s) = f (s) + g(s) dan
(kf )(s) = kf (s).

6. Himpunan Mm×n(F ) berisi semua matriks

m × n dengan komponen di F adalah ruang
vektor atas F.

7. Himpunan semua barisan tak hingga bi-

langan riil (r1, r2, r3, · · · ) merupakan ruang
vektor.
Teorema 7 (Hukum Pembatalan) Jika x, y, z
vektor di ruang vektor V sehingga x+z = y +z,
maka x = y.

Akibat 8 Vektor 0 di ruang vektor V adalah

tunggal.

Akibat 9 Invers penjumlahan di ruang vektor

V adalah tunggal.

Teorema 10 Misalkan V ruang vektor. Maka

berlaku

1. 0x = 0 untuk setiap x ∈ V.

2. (−a)x = −(ax) = a(−x) untuk setiap a ∈ F

dan v ∈ V.

3. a0 = 0 untuk setiap a ∈ F.

6
Subruang

Definisi 11 Suatu subruang dari ruang vek-

tor V adalah subhimpunan U ⊆ V dimana U
merupakan ruang vektor dengan operasi pen-
jumlahan dan perkalian yang sama dengan V.

Lema 12 Suatu subhimpunan tak kosong U ⊆

V dari suatu ruang vektor V merupakan sub-
ruang V jika dan hanya jika

1. Untuk setiap u1, u2 ∈ U, berlaku u1 +u2 ∈ U,

2. Untuk setiap k ∈ F dan u ∈ U, berlaku ku ∈

U.

7
Contoh

1. V merupakan subruang dari dirinya sendiri.

Himpunan {0} merupakan subruang dari V.

2. R, R2, dan R3 merupakan subruang dari R3.

3. Bidang xy, yaitu {(x, y, 0) : x, y ∈ R} meru-

pakan subruang dari R3. Bidang xy meru-
pakan span dari vektor (1, 0, 0) dan (0, 1, 0).
Dengan cara yang sama bidang xz dan yz
juga merupakan subruang dari R3.

4. Himpunan solusi sistem persamaan homogen

merupakan subruang dari F n.

8
Catatan:

1. Satu-satunya subruang dari R adalah {0}

dan R.

2. Subruang dari R2 adalah {(0, 0)}, garis yang

melalui {(0, 0)}, atau seluruh R2.

3. Subruang dari R3 adalah {(0, 0, 0)}, garis

yang melalui {(0, 0)}, bidang yang melalui
{(0, 0, 0)}, atau seluruh R3.

9
Contoh

1. Misalkan P adalah himpunan semua suku

banyak dalam X dengan koefisien di F. Maka
P merupakan ruang vektor atas F. Sub-
himpunan Pn ⊂ P yang berisi semua suku
banyak berderajat kurang dari atau sama
dengan n tertutup terhadap penjumlahan
dan perkalian skalar. Maka Pn merupakan
ruang vektor dan subruang dari P.

2. Misalkan [a, b] ⊂ R. Himpunan semua fungsi

kontinu bernilai riil terdefinisi di [a, b], C([a, b], R)
merupakan ruang vektor riil. Himpunan se-
mua fungsi diferensiabel terdefinisi di [a, b],
D([a, b], R) merupakan subruang dari C([a, b], R).

3. Himpunan semua fungsi kontinu bernilai riil

terdefinisi di R, C(R, R) merupakan ruang
10
 vektor riil. Ruang vektor ini memiliki subru-
ang yang berisi semua fungsi f (x) ∈ C(R, R)
yang memenuhi
Z ∞
|f (x)|dx < ∞.
−∞

4. Himpunan Mm×n(F ) berisi semua matriks

m × n dengan komponen di F adalah ru-
ang vektor atas F. Untuk m = n, himpunan
matriks simetri, yaitu matriks A ∈ Mn×n
yang memenuhi At = A, merupakan subru-
ang, begitu juga himpunan matriks skew-
symmetric yaitu yang memenuhi At = −A.
Himpunan semua matriks yang punya in-
vers bukan subruang.

5. Himpunan semua barisan tak hingga bi-

langan riil (r1, r2, r3, · · · ) merupakan ruang
vektor. Himpunan semua barisan (r1, r2, r3, · · · )
P∞
dimana i=1 ri2 < ∞ merupakan subruang.
Teorema 13 Sebarang irisan subruang-subruang
dari V merupakan subruang dari V.

Bagaimana dengan gabungan subruang-subruang

dari V ?
Kombinasli Linier dan Sistem Persamaan
Linier

Definisi 14 Misalkan v1, v2, · · · , vn adalah vek-

tor dan r1, r2, · · · , rn adalah skalar. Vektor

w = r1v1 + r2v2 + · · · + rnvn

dinamakan kombinasi linier dari v1, v2, · · · , vn.
Himpunan semua kombinasi linier dari v1, v2, · · · , vn
dilambangkan dengan span{v1, v2, · · · , vn}.

Catatan:

1. span{v1, v2, · · · , vn} hampir selalu merupakan

himpunan tak berhingga vektor.

2. Span suatu vektor tunggal taknol di R3

adalah garis.

11
3. Span dua vektor taknol tak segaris di R3
adalah bidang yang memuat dua vektor terse-
but.

4. Karena 0 = 0v1 +0v2 +· · ·+0vn, maka 0 se-

lalu merupakan kombinasi linier dari setiap
himpunan vektor tak kosong.

Teorema 15 Span sebarang subhimpunan S

dari ruang vektor V merupakan subruang dari
V. Lebih lanjut, setiap subruang dari V yang
memuat S haruslah memuat span S.

Definisi 16 Suatu subhimpunan S dari ruang

vektor V dikatakan membangun V jika span(S) =
V. Kita katakan juga vektor-vektor di S mem-
bangun V.
Bebas Linier dan Bergantung Linier

Definisi 17 • Suatu subhimpunan S dari ru-

ang vektor V dikatakan bergantung linier
jika terdapat u1, u2, · · · , un di S dan a1, a2, · · · , an
tidak semua nol sehingga

a1u1 + a2u2 + · · · + anun = 0.

Kita katakan juga vektor-vektor di S bergan-
tung linier.

• Suatu subhimpunan S dari ruang vektor V

dikatakan bebas linier jika tidak bergan-
tung linier. Kita katakan juga vektor-vektor
di S bebas linier.

• Untuk setiap vektor u1, u2, · · · , un, berlaku

a1u1 + a2u2 + · · · + anun = 0 jika a1 = a2 =
· · · = an = 0. Hal ini disebut representasi
trivial dari 0.
12
Catatan:

1. Dua vektor v1 dan v2 bergantung linier jika

terdapat skalar r1, r2 ∈ F (tidak keduanya
nol) sedemikian sehingga r1v1 + r2v2 = 0.
Jika r1 6= 0, maka v1 = −(r2/r1)v2. Den-
gan demikian salah satu vektor merupakan
kelipatan vektor lainnya.

2. Himpunan kosong bebas linier, karena him-

punan bergantung linier harus tidak kosong.

3. Suatu himpunan yang terdiri dari satu un-

sur merupakan himpunan bebas linier.

4. Suatu himpunan bebas linier jika dan hanya

jika 0 sebagai kombinasi linier dari vektor-
vektor tersebut merupakan representasi triv-
ial.
Teorema 18 Misalkan V ruang vektor, S1 ⊆
S2 ⊆ V. Jika S1 bergantung linier, maka S2
bergantung linier.

Akibat 19 Misalkan V ruang vektor, S1 ⊆ S2 ⊆

V. Jika S2 bebas linier, maka S1 bebas linier.

Lema 20 Misalkan v1, v2, · · · , vm bebas linier

di V. Misalkan w ∈ V. Maka v1, v2, · · · , vm, w be-
bas linier jika dan hanya jika w bukan kombinasi
linier dari v1, v2, · · · , vm.
Basis dan Dimensi

Definisi 21 Misalkan V ruang vektor. Suatu

himpunan vektor {v1, v2, · · · , vn} ⊂ V dikatakan
basis V jika

1. v1, v2, · · · , vn bebas linier.

2. span{v1, v2, · · · , vn} = V.

Contoh:

1. Misalkan ei = (0, · · · , 0, 1, 0, · · · , 0) ∈ F n
dengan 1 di posisi ke-i, maka {e1, e2, · · · , en}
merupakan basis bagi F n dan dinamakan
basis standar.

2. Ruang vektor Pn berisi semua suku banyak

berderajat paling besar n dengan koefisien
13
 di F. Himpunan {1, X, X 2, · · · , X n} meru-
pakan basis standar bagi Pn. Selain itu un-
tuk setiap a ∈ F himpunan {1, (X +a), (X +
a)2, · · · , (X + a)n} juga merupakan basis
bagi Pn.

3. Ruang vektor Mm×n(F ) berisi semua ma-

triks m×n dengan koefisien di F adalah ru-
ang vektor berdimensi mn. Himpunan ma-
triks

I = {Eij : 1 ≤ i ≤ m, 1 ≤ j ≤ n}
dimana Eij adalah matriks dengan kompo-
nen ke-ij adalah 1 dan lainnya 0, meru-
pakan basis bagi Mm×n(F ).
Teorema 22 Misalkan V ruang vektor dan B =
{v1, v2, · · · , vm} ⊆ V. Maka B bebas linier di V
jika dan hanya jika untuk setiap w ∈ V terdapat
secara tunggal skalar a1, a2, · · · , an sedemikian
sehingga w = a1v1 + a2v2 + · · · + anvn. Dengan
kata lain, w dapat dituliskan sebagai kombinasi
linier dari v1, v2, · · · , vm secara tunggal.

Teorema 23 Jika V dibangun oleh himpunan

hingga S, maka terdapat suatu subhimpunan
dari S yang merupakan basis V. Sehingga V
memiliki basis hingga.

Teorema 24 (Teorema Penggantian) Misalkan

V ruang vektor. yang dibangun oleh G dengan
kardinalitas n, misalkan L himpunan bebas lin-
ier dengan kardinalitas m. Maka m ≤ n dan
terdapat subhimpunan H dari G yang memuat
tepat n − m vektor sedemikian sehingga L ∪ H
membangun V.
14
Akibat 25 Misalkan {v1, v2, · · · , vn} dan
{w1, w2, · · · , wm} keduanya basis bagi ruang vek-
tor V. Maka n = m, yaitu setiap dua basis dari
suatu ruang vektor memiliki jumlah unsur yang
sama.

Definisi 26 Misalkan V suatu ruang vektor dan

memiliki basis dengan n unsur untuk suatu bi-
langan asli n. Maka V dikatakan berdimensi n
dan kita katakan bahwa V berdimensi hingga.
Jika V tidak berdimensi hingga, kita katakan
V berdimensi tak hingga.

Ruang vektor {0} memiliki basis himpunan kosong

yang memiliki 0 unsur. Maka {0} merupakan
ruang vektor berdimensi nol.
Suatu himpunan pembangun minimal adalah
himpunan vektor yang membangun ruang vek-
tor V, dimana setiap subhimpunan dari him-
punan tersebut tidak membangun V. Suatu him-
punan bebas linier maksimal adalah subhim-
punan bebas linier di ruang vektor V, dimana
setiap himpunan yang memuat himpunan terse-
but tidak bebas linier.

Lema 27 Misalkan v1, v2, · · · , vn unsur-unsur ru-

ang vektor V.

1. Jika {v1, v2, · · · , vn} adalah himpunan pem-

bangun minimal dari V, maka {v1, v2, · · · , vn}
basis V.

2. Jika {v1, v2, · · · , vn} adalah himpunan bebas

linier maksimal dari V, maka {v1, v2, · · · , vn}
basis V.
15
Akibat 28 1. Setiap ruang vektor V dengan
himpunan pembangun hingga memiliki ba-
sis.

2. Setiap subruang S dari suatu ruang vektor

berdimensi n memiliki basis.

Teorema 29 (Teorema Perluasan Basis) Jika

v1, v2, · · · , vs vektor-vektor bebas linier di V ,
suatu ruang vektor berdimensi n. Maka ter-
dapat ws+1, · · · , wn ∈ V sedemikian sehingga
{v1, v2, · · · , vs, ws+1, · · · , wn} merupakan basis V.

Contoh: Vektor X 2 + 1 dan X 2 − 1 bebas lin-

ier di P3. Kita akan menambahkan unsur-unsur
di {1, X, X 2, X 3} satu-persatu sampai diperoleh
subhimpunan bebas linier maksimal di P3. Vek-
tor 1 dan X ∈ span{X 2 + 1, X 2 − 1} maka kita
tidak akan menambahkan unsur-unsur terse-
but. Vektor X 2 dan X 3 bukan unsur dari span{X 2+
1, X 2−1}, dengan demikian {X 2+1, X 2−1, X, X 3}
bebas linier dan merupakan basis P3.
Teorema 30 Misalkan W subruang dari ruang
vektor V berdimensi hingga. Maka W berdi-
mensi hingga dan dim W ≤ dim V. Lebih lanjut,
jika dim W = dim V, maka V = W.

Akibat 31 Jika W subruang dari ruang vek-

tor V berdimensi hingga maka setiap basis W
dapat diperluas menjadi suatu basis dari V.

Teorema 32 Misalkan S subhimpunan bebas

linier dari ruang vektor V. Maka terdapat sub-
himpunan bebas linier maksimal darI V yang
memuat S.

Akibat 33 Setiap ruang vektor memiliki basis.

16
Pemetaan Linier

Definisi 34 Misalkan V dan W ruang vektor

atas lapangan F. Suatu pemetaan linier dari V
ke W adalah fungsi T : V → W yang memenuhi

1. Jika u, v ∈ V, maka T (u + v) = T (u) + T (v)

2. Jika u ∈ V dan k ∈ F, maka T (kv) = kT (v).

Jika T : V → W suatu pemetaan linier, V dina-

makan domain dan W dinamakan ruang nilai.
Suatu pemetaan linier T : V → V dinamakan
operator linier.

17
Contoh:

1. Misalkan F : R → R didefinisikan sebagai

F (x) = 3x dan G : R → R didefinisikan se-
bagai G(x) = 5x + 8. Karena F (a + b) =
3(a + b) = 3a + 3b = F (a) + F (b) dan
F (ka) = 3(ka) = k(3a) = kF (a), maka F
linier. Sebaliknya, G(a+b) = 5(a+b)+8 6=
(5a + 8) + (5b + 8) = G(a) + G(b), sehingga
G tidak linier.

2. Definisikan R, S : F 2 → F 4 dimana R(x, y) =

(x − y, x, x, 2y) dan S(x, y) = (x, y, 0, |x|).
Maka R linier, tetapi S tidak linier karena
S((1, 0) + (−1, 0)) = S(0, 0) = (0, 0, 0, 0)
sedangkan S(1, 0)+S(−1, 0) = (1, 0, 0, 1)+
(−1, 0, 0, 1) = (0, 0, 0, 2) 6= (0, 0, 0, 0).

18
3. Misalkan A suatu matriks m×n. Maka perkalian
dengan matriks A dari kiri dapat dipandang
sebagai fungsi dari F n ke F m. Dengan kata
lain

TA(v) = Av untuk setiap matriks v n × 1.

Fungsi TA merupakan pemetaan linier.

4. Misalkan V = C ∞(R, R) adalah ruang vek-

tor riil berisi semua fungsi f : R → R yang
memiliki turunan ke-n f (n) kontinu untuk
setiap n. Definisikan suatu fungsi D : V →
V dimana D(f ) = f 0 untuk setiap f ∈ V.
Berdasarkan sifat linier turunan, untuk se-
tiap fungsi f1, f2 ∈ V dan setiap r ∈ R,
(f1 + f2)0 = f10 + f20 , and (rf1)0 = rf10 . Den-
gan demikian D : V → V pemetaan linier.
5. Misalkan V = C ∞(R, R), seperti di atas.
Definisikan Int : V → R, dimana Int(f ) =
R1
0 f (x)dx. Berdasarkan sifat linier integral,
Int merupakan pemetaan linier.

6. Misalkan Mm×n adalah ruang vektor berisi

semua matriks m × n. Misalkan B adalah
suatu matriks n × p, maka G : Mm×n →
Mm×p yang didefinisikan sebagai G(X) =
XB merupakan pemetaan linier.

7. Operasi transpos, yaitu fungsi T ps : Mm×n →

Mn×m yang didefinisikan sebagai T ps(A) =
At merupakan pemetaan linier.

8. Misalkan V sebarang ruang vektor. Maka

fungsi I : V → V dan 0 : V → V yang
didefinisikan sebagai I(v) = v dan 0(v) = 0
merupakan pemetaan linier. Fungsi I di-
namakan pemetaan identitas dan 0 dina-
makan pemetaan nol.
Lema 35 Misalkan T : V → W suatu pemetaan
linier. Maka berlaku

1. T (0) = 0.

2. Misalkan v1, · · · , vn ∈ V. Maka untuk setiap

skalar a1, · · · , an, berlaku
T (a1v1 + anv2 + · · · + anvn) =

a1T (v1) + anT (v2) + · · · + anT (vn).

Teorema 36 Misalkan V dan W ruang vektor.

Misalkan {v1, v2, · · · , vn} basis V dan w1, w2, · · · , wn ∈
W sebarang (tidak harus berbeda satu sama
lain). Maka terdapat secara tunggal pemetaan
linier T : V → W sedemikian sehingga T (v1) =
w1, T (v2) = w2, · · · , T (vn) = wn.

Sebagai contoh pandang Pn himpunan semua

suku banyak berderajat paling besar n dan mis-
alkan S = {1, X, X 2, · · · , X n} basis standar. La-
pangan F dapat dipandang sebagai F -ruang
19
vektor berdimensi satu, dan untuk setiap i =
1, 2, · · · , n misalkan wi = 1 ∈ F. Maka terda-
pat secara tunggal pemetaan linier T : Pn → F
dengan sifat T (1) = 1, · · · , T (X n) = 1, dan
berlaku T (anX n + · · · + an−1X n−1 + · · · + a0) =
an + an−1 + · · · + a0.

Definisi 37 Misalkan T : V → W suatu pemetaan

linier.

1. Inti dari T, atau ruang nol dari T, dilam-

bangkan dengan ker(T ) adalah ker(T ) =
{v ∈ V : T (v) = 0}.

2. Peta dari T, atau range dari T, dilambangkan

dengan im(T ), adalah im(T ) = {T (v) : v ∈
V }.

Perhatikan bahwa ker(T ) ⊆ V, sedangkan im(T ) ⊆

W.
Lema 38 Jika T : V → W suatu pemetaan
linier, maka ker(T ) adalah subruang dari V, dan
im(T ) adalah subruang dari W.

Teorema 39 Misalkan V dan W ruang vektor

dan T : V → W pemetaan linier. Jika B =
{v1, v2, · · · , vn} basis V, maka

Im(T ) = span(T (B))

= span({T (v1), T (v2), · · · , T (vn)}).

Definisi 40 Misalkan T : V → W suatu pemetaan
linier. Dimensi ker(T ) dinamakan nolitas dari
T dan dilambangkan sebagai null(T ). Dimensi
im(T ) dinamakan rank dari T dan dilambangkan
sebagai rk(T ).

Teorema 41 Misalka T = TA : F n → F m su-

atu pemetaan linier dimana A suatu matriks
m × n. Maka

1. ker(T ) adalah himpunan solusi AX = 0.

2. im(T ) adalah ruang kolom matriks A.

3. rk(T ) = rk(A).

4. (Teorema Rank Plus Nolitas) rk(T )+null(T ) =

n.

20
Teorema 42 (Teorema Rank Plus Nolitas)
Misalkan T : V → W suatu pemetaan linier di-
mana V suatu ruang vektor berdimensi hingga.
Maka rk(T ) + null(T ) = dim(V ).

Perhatikan bahwa jika T : V → W suatu pemetaan

linier dimana V berdimensi hingga, maka im(T )
berdimensi hingga walaupun W belum tentu
berdimensi hingga. Dengan demikian T dapat
dipandang sebagai pemetaan linier antara ru-
ang vektor berdimensi hingga, yaitu T : V →
im(T ).

Definisi 43 Suatu pemetaan linier T : V → W

dikatakan satu-satu atau injektif jika untuk
setiap u, v ∈ V dimana T (u) = T (v) berlaku
u = v. Pemetaan linier T dikatakan pada atau
surjektif jika im(T ) = W.

21
Contoh :

1. Misalkan P adalah ruang vektor berisi se-

mua suku banyak dengan koefisien di R.
Misalkan D : P → P didefinisikan sebagai
D(f (X)) = f 0(X). Maka D tidak satu-satu,
karena D(X 2) = D(X 2 + 1) = 2X, padahal
X 2 6= X 2 + 1. Di lain pihak D pada, karena
jika f (X) ∈ P, terdapat suatu F (X) ∈ P
sehingga F 0(X) = f (X).

2. Misalkan S : P → P didefinisikan sebagai

S(f (X)) = f (X 2). Maka S(X + 1) = X 2 +
1, S(X 2 − 2X) = X 4 − 2X 2, dan seterus-
nya. Jelas bahwa S suatu pemetaan lin-
ier. Karena tidak ada suku banyak f (X) ∈
P sehingga S(f (X)) = X, maka S tidak
pada. Pemetaan S satu-satu, karena jika
S(f (X)) = S(g(X)), maka f (X) = g(X).
22
3. Misalkan U : P → P didefinisikan sebagai
U (f (X)) = 2f (X). (Asumsikan 1 + 1 =
2 6= 0.) Karena U ((1/2)g(X)) = g(X) un-
tuk setiap g(X) ∈ P, maka T pada. Jika
U (f (X)) = U (g(X)), maka 2f (X) = 2g(X),
sehingga f (X) = g(X). Maka T satu-satu
juga.
Teorema 44 Misalkan V dan W dua ruang
vektor berdimensi hingga dan T : V → W suatu
pemetaan linier. Maka

1. T satu-satu jika dan hanya jika ker(T ) =

{0} jika dan hanya jika untuk setiap v1, v2, · · · , vn
bebas linier di V , T (v1), T (v2), · · · , T (vn)
bebas linier di W.

2. T pada jika dan hanya jika rk(T ) = dim(W ).

Teorema 45 Misalkan V dan W ruang vektor

yang berdimensi sama dan T : V → W linier.
Maka pernyataan berikut ekivalen

1. T satu-satu.

2. T pada.
23
3. rank T = dim V.

Teorema 46 Misalkan V dan W ruang vek-

tor atas F dan {v1, v2, · · · , vn} basis V. Untuk
w1, w2, · · · , wn di W terdapat tepat satu pemetaan
linier T : V → W sedemikian sehingga T (vi) =
wi untuk i = 1, 2, · · · , n.

Akibat 47 Misalkan V dan W ruang vektor

dan V memiliki basis hingga {v1, v2, · · · , vn}.
Jika U, T : V → W linier dan U (vi) = T (vi)
untuk i = 1, 2, · · · , n, maka U = T.
Matriks Representasi Pemetaan Linier

Definisi 48 Suatu basis terurut {v1, v2, · · · , vn}

dari suatu ruang vektor V adalah suatu basis
V yang unsur-unsurnya terurut dengan urutan
tertentu. Misalkan B = {v1, v2, · · · , vn} suatu
basis terurut dari V dan w ∈ V. Kita katakan
(a1, a2, · · · , an) koordinat w terhadap basis B
jika w = a1v1 + · · · + anvn. Koordinat vektor
w = a1v1 + · · · + anvn dilambangkan dengan
 
a1
 a2 
(w)B =  .
 
 ... 
an

Teorema 49 Misalkan B = {v1, · · · , vn} suatu

basis terurut dari V, suatu ruang vektor berdi-
mensi n. Misalkan w1, w2 ∈ V dan k ∈ F. Maka

(w1 + w2)B = (w1)B + (w2)B dan

(kw1)B = k(w1)B .
24
Definisi 50 Misalkan T : V → W suatu pemetaan
linier, B = {v1, v2, · · · , vn} suatu basis terurut
untuk V, dan C = {w1, w2, · · · , wn} suatu ba-
sis terurut untuk W. Definisikan matriks m × n
[T ]B,C = (aij ) dimana untuk setiap j skalar aij
ditentukan dari

T (vj ) = a1j w1 + a2j w2 + · · · + amj wm.

Dengan kata lain, [T ]B,C adalah matriks yang
kolom ke-j-nya adalah koordinat T (vj ) terhadap
basis C dari W.

Jika V = W dan B = C matriks representasi

pemetaan linier T ditulis [T ]B .

Jika T : F n → F m dan B, C basis standar dari

F n dan F m, maka matriks [T ]B,C adalah ma-
triks standar dari T, yaitu [T ]B,C = A, dimana
T = TA.

25
Matriks A = [G] yang bersesuaian dengan pemetaan
linier G : F n → F m, dapat diperoleh dengan
menentukan G dari vektor basis e1, · · · , en di
F n. Kemudian kolom ke-i matriks A adalah ko-
ordinat vektor G(ei).
Definisi 51 Misalkan T, U : V → W sebarang
fungsi, dengan V dan W ruang vektor atas F
dan a ∈ F. Definisikan T + U : V → W dengan
(T + U )(x) = T (x) + U (x) untuk setiap x ∈
V, dan aT : V → W dengan (aT )(x) = aT (x)
untuk setiap x ∈ V.

Teorema 52 Misalkan V dan W ruang vektor

atas lapangan F , dan T, U : V → W linier.

1. Untuk setiap a ∈ F, aT + U linier.

2. Menggunakan operasi penjumlahan dan perkalian

skalar di atas, himpunan semua pemetaan
linier dari V ke W membentuk ruang vektor
atas F.

Definisi 53 Misalkan V dan W ruang vektor

atas F. Ruang vektor yang berisi semua pemetaan
26
linier dari V ke W dinotasikan sebagai L(V, W ).
Jika V = W, kita tulis L(V ).

Teorema 54 Misalkan V dan W ruang vektor

berdimensi hingga dengan basis terurut B dan
C, dan T, U : V → W pemetaan linier. Maka

1. [T + U ]B,C = [T ]B,C + [U ]B,C .

2. [aT ]B,C = a[T ]B,C untuk setiap a ∈ F.

Komposisi Pemetaan Linier

Jika H : U → V dan G : V → W adalah fungsi,

maka komposisi G ◦ H adalah fungsi G ◦ H :
U → W yang didefinisikan sebagai (G◦H)(x) =
G(H(x)).

Teorema 55 Misalkan H : U → V dan G :

V → W masing-masing pemetaan linier.Maka
komposisi G ◦ H : U → W adalah pemetaan
linier.

27
Teorema 56 Misalkan V ruang vektor. Mis-
alkan T, U1, U2 ∈ L(V ). Maka

1. T (U1 + U2) = T U1 + T U2 dan (U1 + U2)T =

U1T + U2T.

2. T (U1U2) = (T U1)U2.

3. T I = IT = T.

4. a(U1U2) = (aU1)U2 = U1(aU2) untuk se-

tiap skalar a.

Teorema 57 Misalkan V, W, dan Z ruang vek-

tor berdimensi hingga dengan basis terurut B, B 0
dan B 00. Misalkan T : V → W dan U : W → Z
pemetaan linier. Maka

[U T ]B,B 00 = [U ]B 0,B 00 [T ]B,B 0 .

28
Akibat 58 Misalkan V ruang vektor berdimensi
hingga dengan basis terurut B. Misalkan T, U ∈
L(V ). Maka [U T ]B = [U ]B [T ]B .

Ingat kembali jika B suatu basis terurut dari V

dan v ∈ V, (v)B menyatakan koordinat v ter-
hadap B.

Teorema 59 Misalkan T : V → W pemetaan

linier antara ruang vektor berdimensi hingga,
dengan B basis terurut dari V dan C basis teru-
rut dari W. Maka untuk setiap v ∈ V

[T ]B,C (v)B = (T (v))C

Lebih lanjut untuk setiap matriks A yang memenuhi
A(v)B = (T (v))C , berlaku A = [T ]B,C .
Isomorfisma

Definisi 60 Misalkan V dan W ruang vektor,

T : V → W linier. Suatu fungsi U : W → V
dikatakan invers dari T jika T U = IW dan
U T = IV . Jika T memiliki invers, maka T dikatakan
invertibel. Jika T invertibel, maka inversnya
tunggal dan dinotasikan dengan T −1.

Jika f : X → Y suatu fungsi satu-satu dan

pada, maka jika x ∈ X, terdapat secara tung-
gal y ∈ Y sehingga f (x) = y dan terdapat se-
cara tunggal x ∈ X sehingga f (x) = y. Fungsi
f dikatakan memiliki balikan karena terdapat
fungsi balikan f −1 : Y → X dimana f −1(y) = x
jika f (x) = y.

29
Catatan:

1. (T U )−1 = U −1T −1.

2. (T −1)−1 = T, khususnya T −1 invertibel.

3. Misalkan T : V → W pemetaan linier, den-

gan V dan W ruang vektor berdimensi sama.
Maka T invertibel jika dan hanya jika rank T =
dim V.

Teorema 61 MisalkanV dan W ruang vektor,

dan T : V → W pemetaan linier invertibel.
Maka T −1 : W → V linier.

Lema 62 Misalkan T pemetaan linier invert-

ibel dari V ke W. Maka V berdimensi hingga
jika dan hanya jika W berdimensi hingga. Lebih
lanjut dim V = dim W.
30
Teorema 63 Misalkan V dan W ruang vektor
berdimensi hingga dengan basis terurut B dan
C. Misalkan T : V → W pemetaan linier. Maka
T invertibel jika dan hanya jika [T ]B,C invert-
ibel. Lebih lanjut [T −1]C,B = ([T ]B.C )−1.

Akibat 64 Misalkan V berdimensi hingga den-

gan basis terurut B dan T : V → V linier. Maka
T invertibel jika dan hanya jika [T ]B invertibel.
Lebih lanjut [T −1]B = ([T ]B )−1.

Definisi 65 Misalkan V dan W ruang vektor

dan T : V → W pemetaan linier. Pemetaan T
dikatakan isomorfisma atau bijektif jika satu-
satu dan pada. Jika terdapat suatu isomor-
fisma T : V → W, ruang vektor V dan W
dikatakan isomorf. Suatu isomorfisma T : V →
V dinamakan operator linier tak singular.

Suatu isomorfisma T : V → W merupakan ko-

respondensi bijektif yang juga mentransfer op-
erasi penjumlahan dan perkalian skalar ruang
vektor.
Teorema 66 Misalkan V dan W dua ruang
vektor berdimensi hingga dan T : V → W su-
atu pemetaan linier. Maka pernyataan berikut
ekivalen

1. T isomorfisma

2. untuk setiap {v1, v2, · · · , vn} basis V,

{T (v1), T (v2), · · · , T (vn)} basis W.

3. dim(V ) = dim(W ).

Akibat 67 Misalkan V ruang vektor atas F.

Maka V isomorf dengan F n jika dan hanya jika
dim V = n.
Teorema 68 Misalkan V dan W ruang vektor
berdimensi hingga atas F dengan dimensi n
dan m. Misalkan B dan C basis terurut dari V
dan W. Maka fungsi Φ : L(V, W ) → Mm×n(F ),
dengan Φ(T ) = [T ]B,C , untuk T ∈ L(V, W )
merupakan isomorfisma.

Akibat 69 Misalkan V dan W ruang vektor

berdimensi hingga dengan dimensi n dan m.
Maka L(V, W ) berdimensi hingga dengan di-
mensi mn.

Definisi 70 Misalkan B basis turret dari ru-

ang vektor V berdimensi n atas lapangan F.
Representasi standar dari V terhadap basis
B adalah fungsi φB : V → F n dengan φB (x) =
(x)B untuk setiap x ∈ V.

Teorema 71 Untuk setiap ruang vektor V berdi-

mensi hingga dengan basis B, fungsi φB meru-
pakan isomorfisma.
31
Matriks Perubahan Basis

Teorema 72 Misalkan B1 dan B2 basis ruang

vektor V berdimensi n. Maka terdapat suatu
matriks yang punya balikan P sedemikian se-
hingga untuk setiap v ∈ V

P (v)B1 = (v)B2 dan P −1(v)B2 = (v)B1 .

Matriks P = [I]B1,B2 , dimana I : V → V pemetaan

identitas. Dan P −1 = [I]B2,B1 .

Definisi 73 Matriks P = [I]B1,B2 dinamakan

matriks transisi perubahan basis dari basis
B1 ke basis B2.

Teorema 74 Misalkan S : V → W dan T :

U → V pemetaan linier (dan S ◦ T : U → W
juga linier). Misalkan B, C, dan D basis terurut
untuk U, V, dan W. Maka

[S ◦ T ]B,D = [S]C,D [T ]B,C .

32
Teorema 75 Misalkan T : V → W pemetaan
linier, B1, B2 basis V dan C1, C2 basis W. Mis-
alkan P matriks transisi dari B1 ke B2 dan Q
matriks transisi dari C1 ke C2. Maka

[T ]B2,C2 = Q[T ]B1,C1 P −1.

Khususnya jika V = W, B1 = C1, dan B2 = C2,
berlaku

[T ]B2,B2 = P [T ]B1,B1 P −1.

Definisi 76 Misalkan A dan B matriks n × n.

Jika terdapat suatu matriks yang punya balikan
P sedemikian sehingga A = P BP −1, A dan B
dikatakan serupa.

Akibat 77 Misalkan T : V → V suatu pemetaan

linier, dimana V suatu ruang vektor berdimensi
n. Asumsikan [T ]B1,B1 = A untuk suatu basis
terurut B1 dari V. Misalkan suatu P matriks
n × n yang punya balikan. Maka terdapat ba-
sis B2 dari V sedemikian sehingga [T ]B2,B2 =
P AP −1.
Teorema 78 Misalkan T : V → W pemetaan
linier. Untuk setiap basis terurut B dari V dan
basis terurut C dari W, rk(T ) = rk([T ]B,C ).

Akibat 79 Jika A dan B matriks serupa, maka

rk(A) = rk(B).
Determinan
Definisi 80 Untuk sebarang lapangan F, no-
tasikan Mn×n himpunan semua matriks beruku-
ran n × n dengan komponen di F. Misalkan

D : Mn×n(F ) → F
adalah suatu fungsi bernilai skalar di Mn×n(F ).
Kita katakan D n-linier jika

1. Untuk setiap A ∈ Mn×n(F ) dan B diper-

oleh dari A dengan mengalikan suatu baris
A dengan skalar k ∈ F berlaku D(B) =
kD(A).

2. Untuk setiap A, B, C ∈ Mn×n(F ) tiga ma-

triks identik kecuali pada baris ke-i dan baris
ke-i matriks C adalah penjumlahan baris
ke-i matriks A dan matriks B, maka berlaku
D(C) = D(A) + D(B).

33
Suatu fungsi n-linier D dikatakan berayun (al-
ternating) jika untuk setiap A ∈ Mn×n(F ) yang
memiliki dua baris identik berlaku D(A) = 0.
Setiap fungsi n-linier dan berayun D : Mn×n(F ) →
F yang memenuhi D(In) = 1 dinamakan fungsi
determinan.

Lema 81 Misalkan D suatu fungsi determinan.

Jika matriks persegi B diperoleh dari matriks A
dengan menukar baris, maka D(B) = −D(A).

Lema 82 Misalkan D suatu fungsi determinan.

Jika matriks persegi B diperoleh dari matriks
A dengan menambahkan suatu kelipatan baris
ke baris lainnya, maka D(B) = D(A).

34
Definisi 83 Suatu matriks persegi A = (aij )
dikatakan segitiga atas jika aij = 0 untuk i >
j, dikatakan segitiga bawah jika aij = 0 un-
tuk i < j, dan dikatakan diagonal jika aij = 0
untuk i 6= j. Dengan kata lain A diagonal jika
segitiga atas dan bawah.

Lema 84 Misalkan D suatu fungsi determinan.

Jika A = (aij ) adalah matriks segitiga (atas
atau bawah), maka D(A) = a11a22 · · · ann.

Teorema 85 Terdapat hanya satu fungsi D :

Mn×n(F ) → F yang n-linier, alternating dan
memenuhi D(In) = 1.

Untuk selanjutnya satu-satunya fungsi tersebut

dinotasikan dengan det.

Lema 86 Jika E adalah matriks elementer n×

n dan A suatu matriks n × n, maka det(EA) =
det(A).
35
Lema 87 Misalkan A matriks n×n yang punya
balikan dan B sebarang matriks n × n. Maka
det(AB) = det(A)det(B).

Teorema 88 Suatu matriks A n × n punya ba-

likan jika dan hanya jika det(A) 6= 0.

Teorema 89 Jika A dan B sebarang matriks

n × n, maka det(AB) = det(A)det(B).

Teorema 90 Untuk setiap matriks A n × n,

det(A) = det(At).

Akibat 91 Pernyataan pada Definisi 80, Lema

81 dan Lema 82 tetap berlaku jika kata ”baris”
diganti dengan ”kolom”.

36
Definisi 92 Suatu permutasi n adalah n-tuple
σ = (i1, i2, · · · , in) dimana i1, i2, · · · , in bilangan-
bilangan 1, 2, · · · , n (tidak harus berurutan). Kom-
ponen ke-j dari σ dilambangkan dengan σj .
Himpunan semua permutasi n dilambangkan
dengan Sn.

Sebagai contoh, untuk n = 3, maka S3 =

{(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)}
terdiri dari 6 permutasi. Untuk σ = (3, 2, 1),
maka σ1 = 3, σ2 = 2, σ3 = 1.

Definisi 93 Misalkan σ = (i1, i2, · · · , in) ∈ Sn.

Jika 1 ≤ j < k ≤ n dan ij > ik , kita katakan
ij > ik suatu inversi dari σ. Untuk sebarang
permutasi σ kita definisikan sign dari σ, sg(σ),
dimana sg(σ) = +1 jika jumlah total inversi
dari σ genap, dan sg(σ) = −1 jika jumlah to-
tal inversi dari σ ganjil. Jika sg(σ) = +1, σ
dikatakan permutasi genap, jika sg(σ) = −1,
σ dikatakan permutasi ganjil.
37
Sebagai contoh, perhatikan permutasi 4: (1, 2, 4, 3),
(4, 3, 2, 1), dan (4, 1, 3, 2). Permutasi (1, 2, 4, 3)
memiliki satu inversi 4 > 3, sehingga sg(1, 2, 4, 3) =
−1. Permutasi (4, 3, 2, 1) memiliki enam inversi
4 > 3, 4 > 2, 4 > 1, 3 > 2, 3 > 1, 2 > 1 se-
hingga sg(4, 3, 2, 1) = +1. Dengan cara yang
sama sg(4, 1, 3, 2) = +1.

Definisi 94 Misalkan A = (aij ) suatu matriks

n × n. Kita definisikan determinan A, det(A),
sebagai
X
det(A) = sg(σ)a1σ1 a2σ2 · · · anσn .
σ∈Sn

38
Lema 95 Misalkan A suatu matriks persegi dan
B diperoleh dari A dengan mengalikan satu
baris A dengan skalar k. Maka det(B) = k.det(A).

Lema 96 Misalkan A = (aij ), B = (bij ), C =

(cij ) identik kecuali pada baris ke-k, dan untuk
setiap j berlaku akj + bkj = ckj . Maka det(A) +
det(B) = det(C).

Lema 97 Misalkan 1 ≤ s < t ≤ n,

σ = (i1, i2, · · · , in) ∈ Sn, dan σ 0 diperoleh dari σ
dengan menukar is dengan it. Maka sg(σ 0) =
−sg(σ).

Lema 98 Jika matriks persegi A mempunyai

dua baris yang sama, maka det(A) = 0.

39
Teorema 99 Fungsi det : Mn×n(F ) → F yang
didefinisikan pada A = (aij ) sebagai
X
det(A) = sg(σ)a1σ1 a2σ2 · · · anσn
σ∈Sn
merupakan fungsi determinan seperti didefin-
isikan dalam Definisi 80.

Teorema 100 Misalkan 1 ≤ r < n dan

!
A11 0
A=
A21 A22
adalah partisi matriks n × n, dimana A11 r × r,
A22 (n − r) × (n − r), dan matriks r × (n −
r) A12 adalah matriks nol. Maka det(A) =
det(A11)det(A22).

40
Definisi 101 Misalkan A = (aij ) suatu ma-
triks n × n. Definisikan A(i|j), sebagai matriks
n − 1 × n − 1 yang diperoleh dari matriks A
dengan menghapus baris ke-i dan kolom ke-j,
dinamakan submatriks maksimal dari A.

Definisi 102 Jika A = (a), definisikan D1,1(A) =

a = det(A).
Jika A = (aij ) suatu matriks n × n dengan
n > 1, untuk 1 ≤ i ≤ n definisikan
n
(−1)i+j aij det(A(i|j))
X
Dn,i(A) =
j=1
dan dinamakan kofaktor baris ke-i.
Untuk j dengan 1 ≤ j ≤ n definisikan
n
Djn(A) = (−1)i+j aij det(A(i|j))
X

i=1
dan dinamakan kofaktor kolom ke-j.

41
Teorema 103 Untuk sebarang matriks A n×n
dan sebarang i, j dimana 1 ≤ i, j ≤ n, berlaku
Dn,i(A) = Djn(A) = det(A).

Definisi 104 Misalkan A = (aij ) matriks n ×

n. Definisikan adjoint dari A, adj(A), sebagai
matriks n × n dengan komponen ke-ji adalah
adj(A)(j, i) = (−1)i+j det(A(i|j)).

Teorema 105 Untuk setiap matriks A yang

punya balikan, A−1 = det(A)−1adj(A).

Teorema 106 (Aturan Cramer) Misalkan A =

(aij ) matriks yang punya balikan, X adalah su-
atu kolom berisi n peubah, dan B suatu kolom
berisi n konstan. Kita lambangkan dengan A(j)
matriks n × n yang diperoleh dari A dengan
mengganti kolom ke-j dari A dengan B. Maka
sistem persamaan linier AX = B memiliki so-
lusi tunggal
det(A(i))
Xi = .
det(A)
42
Diagonalisasi

Nilai dan Vektor Eigen

Definisi 107 Misalkan V suatu ruang vektor

atas lapangan F. Suatu operator linier T ; V →
V dikatakan dapat didiagonalkan atas F jika
terdapat suatu basis terurut B dari V sedemikian
sehingga [T ]B merupakan matriks diagonal. Su-
atu matriks A dikatakan dapat didiagonalkan
atas F jika A serupa dengan suatu matriks di-
agonal.

Definisi 108 Misalkan T : V → V suatu oper-

ator linier. Jika v ∈ V suatu vektor taknol dan
terdapat skalar k sedemikian sehingga T (v) =
kv, v dinamakan vektor karakteristik dari T.
Skalar k dinamakan nilai karakteristik dari T
yang bersesuaian dengan vektor karakteristik
v. Jika A matriks n × n, maka nilai karakter-
istik (vektor karakteristik) dari A adalah nilai
karakteristik (vektor karakteristik) dari TA.
43
Contoh:

1. Fungsi ekx ∈ C ∞(R, R) memiliki turunan (ekx)0 =

kekx. Hal ini menunjukkan bahwa ekx adalah
vektor karakteristik bagi operator linier difer-
ensial D dengan nilai karakteristik k.

2. Misalkan P ruang vektor yang berisi se-

mua suku banyak riil, T : P → P dimana
T (p(X)) = Xp0(X) adalah operator linier.
Karena (X n)0 = nX n−1, maka T (X n) =
nX n, sehingga X n adalah vektor karakter-
isitik dengan nilai karakteristik n.

Misalkan T1, T2 : V → V operator linier dan a

suatu skalar, definisikan operator linier T1 + T2
dan aT1 dimana
(T1 + T2)(v) = T1(v) + T2(v) dan

(aT1)(v) = a(T1(v)) untuk setiap v ∈ V.

Operator linier identitas I : V → V, I(v) = v
untuk setiap v ∈ V, dilambangkan dengan I.
44
Lema 109 Misalkan T : V → V suatu operator
linier. Maka

1. v adalah vektor karakteristik dari T yang

bersesuaian dengan nilai karakteristik r jika
dan hanya jika 0 6= v ∈ ker(rI − T ).

2. Jika r suatu nilai karakteristik dari T, maka

himpunan semua vektor karakteristik dari T
dengan nilai karakteristik yang bersesuaian
r digabung dengan vektor 0 membentuk
subruang dari V.

Contoh penggunaan : Misalkan D2 : C ∞(R, R)

definisikan sebagai D ◦ D, yaitu D2(f (x)) =
f 00(x). Jelas bahwa D2(sin kx) = −k2sin kx dan
D2(cos kx) = −k2cos kx. Berdasarkan lemma di
atas, setiap fungsi berbentuk Asin kx+Bcos kx,
dengan A, B ∈ R juga merupakan vektor karak-
teristik dari D2.
45
Definisi 110 Misalkan r suatu nilai karakteris-
tik dari T : V → V. Subruang dari V yang berisi
semua vektor karakteristik yang bersesuaian den-
gan nilai karakteristik r dengan vektor 0 dina-
makan ruang karakteristik yang bersesuaian
dengan r. Ruang karakteristik yang bersesuaian
dengan r dilambangkan dengan Er .

Definisi 111 Untuk setiap matriks A n × n,

suku banyak karakteristik dari A, CA(X), adalah
determinan matriks (XIn − A).

Lema 112 Misalkan V suatu ruang vektor berdi-

mensi n. Misalkan A = [T ]B , untuk suatu basis
terurut B dari V dan T : V → V suatu operator
linier.

1. Skalar r merupakan nilai karakteristik dari

T jika dan hanya jika CA(r) = 0.

46
2. Misalkan r nilai karakteristik dari T, dimensi
ruang karakteristik Er dengan nilai karak-
teristik r adalah null(rIn −A) = n−rk(rIn −
A).

Akibat 113 Jika V suatu ruang vektor berdi-

mensi n, maka T : V → V memiliki paling
banyak n nilai karakteristik berbeda.

Lema 114 Misalkan V suatu ruang vektor berdi-

mensi n, dan T : V → V suatu operator lin-
ier. Misalkan B1 dan B2 basis terurut untuk
V. Jika A1 = [T ]B1 dan A2 = [T ]B2 , maka
CA1 (X) = CA2 (X).

Definisi 115 Misalkan T : V → V suatu opera-

tor linier pada ruang vektor berdimensi hingga
V, maka CT (X), suku banyak karakteristik
dari T, adalah CA(X) dimana A = [T ]B dan B
suatu basis terurut untuk V.
Matriks diagonal memiliki beberapa sifat is-
timewa. Jika unsur-unsur matriks diagonal D
adalah d1, d2, · · · , dn, maka

• suku banyak karakteristik dari D adalah (X−

d1)(X − d2) · · · (X − dn)

• nilai-nilai karakteristik dari TD adalah

d1 , d 2 , · · · , d n

• suatu vektor karakteristik dengan nilai karak-

teristik di adalah unsur basis ke-i.
Jika suatu matriks diagonal D = [T ]B adalah
matriks operator linier T dalam suatu basis
terurut B, maka hal yang sama berlaku, kecuali
sekarang suatu vektor karakteristik dengan ni-
lai karakteristik di adalah unsur basis ke-i di
B.

Konsep dapat didiagonalkan bergantung pada

lapangan yang digunakan. Sebagai contoh ma-
triks
!
0 1
−1 0
tidak dapat didiagonalkan atas lapangan riil,
karena suku banyak karakteristik dari G adalah
CG(X) = X 2 + 1, tidak memiliki akar riil. Den-
gan kata lain, G tidak dapat didiagonalkan atas
riil karena G tidak memiliki nilai karakteristik
riil.

47
Namun, G dipandang sebagai matriks kom-
pleks dapat didiagonalkan, karena atas C, CG(X) =
(X + i)(X − i). Perhatikan bahwa
! ! !
1 i 1
G = =i dan
i −1 i
! ! !
1 −i 1
G = = −i
−i −1 −i
Hal ini menunjukkan bahwa dari basis terurut
( ! !)
1 1
B= ,
i −i
diperoleh
!
i 0
[TG]B = .
0 −i

48
Teorema 116 Misalkan T : V → V operator
liner dimana V berdimensi hingga. Maka perny-
ataan berikut ekivalen:

1. T dapat didiagonalkan

2. Terdapat suatu basis terurut B dari V yang

terdiri dari vektor-vektor karakteristik dari
T.

3. Untuk setiap basis terurut C dari V, [T ]C

dapat didiagonalkan.

49
Keterdiagonalan

Lema 117 Misalkan v1, v2, · · · , vn vektor-vektor

karakteristik dari suatu operator linier T : V →
V yang masing-masing bersesuaian dengan nilai-
nilai karakteristik yang berbeda. Maka v1, v2, · · · , vn
bebas linier.

Sebagai contoh, ex, e2x, e3x, · · · , enx ∈ C ∞(R, R)

merupakan vektor-vektor karakteristik opera-
tor diferensial D. Lebih lanjut nilai-nilai karak-
teristik mereka masing-masing berbeda. Aki-
batnya, ex, e2x, e3x, · · · , enx bebas linier.

Akibat 118 Misalkan T operator linier pada

ruang vektor V berdimensi n. Jika T memi-
liki n nilai eigen yang berbeda, maka T dapat
didiagonalkan.

Definisi 119 Suatu polinom f (t) dikatakan ter-

pisah atas F jika terdapat skalar c, a1, · · · , an
(tidak harus berbeda) di F sehingga
f (t) = c(t − a1)(t − a2) · · · (t − an).
50
Teorema 120 Polinom karakteristik dari op-
erator linier yang terdiagonalkan merupakan poli-
nom terpisah.

Definisi 121 Misalkan λ nilai eigen dari oper-

ator linier atau matriks dengan polinom karak-
teristik f (t). Multiplisitas aljabar dari λ adalah
bilangan bulat positif terbesar k sehingga (t −
λ)k adalah faktor dari f (t).

Teorema 122 Misalkan T operator linier pada

ruang vektor berdimensi hingga V, dan λ nilai
eigen dari T dengan multiplisitas m. Maka 1 ≤
dim Eλ ≤ m.

Lema 123 Misalkan T operator linier,

dan λ1, λ2, · · · , λk nilai-nilai eigen yang berbeda
dari T. Untuk setiap i = 1, 2, · · · , k, misalkan
vi ∈ Eλi . Jika v1 + v2 + · · · + vk = 0, maka
vi = 0 untuk setiap i.
Teorema 124 Misalkan T operator linier pada
ruang vektor V, dan λ1, λ2, · · · , λk nilai-nilai eigen
yang berbeda dari T. Untuk setiap i = 1, 2, · · · , k,
misalkan Si subhimpunan bebas linier hingga
dari ruang eigen Eλi . Maka S = S1 ∪ S2 ∪ · · · ∪ Sk
subhimpunan bebas linier dari V.

Teorema 125 Misalkan T operator linier pada

ruang vektor berdimensi hingga V sedemikian
sehingga polinom karakteristik dari T terpisah.
Misalkan λ1, λ2, · · · , λk nilai-nilai eigen yang berbeda
dari T. Maka

1. T dapat didiagonalkan jika dan hanya jika

multiplisitas dari λi sama dengan dim Eλi
untuk setiap i.

2. Jika T dapat didiagonalkan dan Bi adalah

basis ruang karakteristik Eλi , maka gabun-
gan B = B1 ∪ B2 ∪ · · · ∪ Bs merupakan ba-
sis terurut dari V yang terdiri dari vektor-
vektor eigen dari T.
Tes Keterdiagonalan
Misalkan T operator linier pada ruang vektor
berdimensi hingga V. Maka T dapat didiago-
nalkan jika dan hanya jika kedua hal berikut
berlaku :

1. Polinom karakteristik dari T terpisah.

2. Untuk setiap nilai eigen λ dari T, multiplisi-

tas dari λ sama dengan n − rank(T − λI).
Jumlah Langsung

Definisi 126 Misalkan W1, W2, · · · , Wk subru-

ang dari ruang vektor V. Penjumlahan subruang-
subruang tersebut didefinisikan sebagai

{v1 + v2 + · · · + vk : vi ∈ WI untuk 1 ≤ i ≤ k},

yang dinotasikan sebagai W1 + W2 + · · · + Wk
atau ki=1 Wi.
P

Definisi 127 Misalkan W1, W2, · · · , Wk subru-

ang dari ruang vektor V. Kita katakan V jum-
lah langsung dari W1, W2, · · · , Wk ditulis V =
W1 ⊕ W2 ⊕ · · · ⊕ Wk , jika
k
X
V = Wi
i=1
dan
X
Wj ∩ Wi = {0} untuk setiap j(1 ≤ j ≤ k).
i6=j

51
Teorema 128 Misalkan W1, W2, · · · , Wk subru-
ang dari ruang vektor V. Pernyataan-pernyatan
berikut ekivalen

1. V = W1 ⊕ W2 ⊕ · · · ⊕ Wk .

2. V = ki=1 Wi dan untuk setiap vektor v1, v2, · · · , vk

P

dengan vi ∈ Wi(1 ≤ i ≤ k), jika v1 + v2 +

· · · + vk = 0, maka vi = 0 untuk setiap i.

3. Setiap vektor v ∈ V dapat ditulis secara

tunggal sebagai v = v1 + v2 + · · · + vk , den-
gan vi ∈ Wi.

4. Jika Bi adalah basis terurut bagi Wi(1 ≤

i ≤ k), maka B1 ∪ B2 ∪ · · · ∪ Bk adalah basis
terurut bagi V.

5. Untuk setiap i = 1, 2, · · · , k terdapat basis

terurut Bi bagi Wi sehingga B1 ∪B2 ∪· · ·∪Bk
adalah basis terurut bagi V.

52
Teorema 129 Suatu operator linier T pada
ruang vektor berdimensi hingga V dapat didi-
agonalkan jika dan hanya jika V jumlah lang-
sung dari ruang-ruang eigen dari T.

53
Ruang Hasil Kali Dalam
Hasil Kali Dalam dan Norm

Definisi 130 Misalkan V suatu ruang vektor

riil. Suatu hasil kali dalam riil pada V adalah
suatu fungsi bernilai riil pada V × V, yang dino-
tasikan sebagai < , >, yang memenuhi

1. (Sifat simetri) < u, v >=< v, u > untuk se-

tiap u, v ∈ V.

2. < ku, v >= k < u, v > untuk setiap k ∈ R

dan setiap u, v ∈ V.

3. < v1 + v2, u >=< v1, u > + < v2, u > untuk

setiap u, v1, v2 ∈ V.

4. (Sifat definit positif) < v, v > > 0 untuk

setiap v 6= 0 ∈ V.
54
Ruang vektor V dilengkapi dengan hasil kali
dalam < , > dinamakan ruang hasil kali dalam
riil. Suatu ruang hasil kali dalam berdimensi
hingga dinamakan ruang Euclid.

Sifat 1 mengakibatkan sifat-sifat berikut juga

berlaku:

2’ < u, kv >= k < u, v > untuk setiap k ∈ R

dan setiap u, v ∈ V.

3’ < u, v1 + v2 >=< u, v1 > + < u, v2 > untuk

setiap u, v1, v2 ∈ V.
Contoh:

1. Hasil kali titik (a1, · · · , an) • (b1, · · · , bn) =

a1b1 + · · · + anbn pada Rn merupakan hasil
kali dalam.

2. Fungsi < , >: R3 × R3 → R didefinisikan

sebagai

< (x1, y1, z1), (x2, y2, z2) >

= x1x2 − 2(x1y2 + y1x2) + 5y1y2 + 3z1z2

merupakan hasil kali dalam di R3.

3. Misalkan V = C([0, 1], R). Untuk f (x), g(x) ∈

V berikut ini mendefinisikan hasil kali dalam
Z 1
< f (x), g(x) >= f (x)g(x)dx.
0

55
Jika a + bi ∈ C dengan a, b ∈ R, konjugat kom-
pleks dari a + bi adalah a + bi = a − bi.

Definisi 131 Misalkan V suatu ruang vektor

kompleks. Suatu hasil kali dalam kompleks
atau hermit pada V adalah suatu fungsi berni-
lai kompleks pada V × V, yang dinotasikan se-
bagai < , >, yang memenuhi

1. < u, v >= < v, u > untuk setiap u, v ∈ V.

2. < ku, v >= k < u, v > untuk setiap k ∈ R

dan setiap u, v ∈ V.

3. < v1 + v2, u >=< v1, u > + < v2, u > untuk

setiap u, v1, v2 ∈ V.

4. < v, v >∈ R dan < v, v > > 0 untuk setiap

v 6= 0 ∈ V.
56
Ruang vektor V dilengkapi dengan hasil kali
dalam kompleks < , > dinamakan ruang hasil
kali dalam hermit. Suatu ruang hasil kali
dalam kompleks berdimensi hingga dinamakan
ruang uniter. Sifat 1 mengakibatkan sifat-
sifat berikut juga berlaku:

2’ < u, kv >= k̄ < u, v > untuk setiap k ∈ C

dan setiap u, v ∈ V.

3’ < u, v1 + v2 >=< u, v1 > + < u, v2 > untuk

setiap u, v1, v2 ∈ V.
Contoh

1. Hasil kali titik pada Rn dapat digeneral-

isasi menjadi hasil kali dalam hermit di Cn.
Untuk (a1, · · · , an), (b1, · · · , bn) ∈ Cn defin-
isikan < (a1, · · · , an), (b1, · · · , bn) >= a1b¯1 +
· · · + anb¯n. Dengan hasil kali dalam ini Cn
dinamakan ruang n uniter.

2. Misalkan V = C([0, 1], C). Untuk f (x), g(x) ∈

V berikut ini mendefinisikan hasil kali dalam
Z 1
< f (x), g(x) >= f (x)g(x)dx.
0

57
Definisi 132 Jika A suatu matriks kompleks
m × n, definisikan adjoin dari A matriks n × m
A∗ = (Ā)t, transpos dari matriks yang berisi
konjugat unsur-unsur A.

Perhatikan bahwa jika x, y dipandang sebagai

vektor kolom di F n maka < x, y >= y ∗x.

Misalkan V = Mn×n(F ), definisikan

< A, B >= tr(B ∗A)

untuk A, B ∈ V. Dapat dibuktikan bahwa <, >
merupakan suatu hasil kali dalam. Hasil kali
dalam ini dinamakan hasil kali dalam Frobe-
nius.

58
Teorema 133 Misalkan V suatu ruang hasil
kali dalam. Maka untuk setiap x, y, z ∈ V berlaku

1. < x, 0 >=< 0, x >= 0.

2. < x, x >= 0 jika dan hanya jika x = 0.

3. Jika < x, y >=< x, z > untuk setiap x ∈ V,

maka y = z.

59
Untuk sebarang bilangan kompleks a + bi ∈ C,
∈ R, nilai mutlak |a + bi| adalah
dengan a, b q
bilangan riil a2 + b2.

Definisi 134 Suatu norm pada ruang vektor

riil atau kompleks V adalah suatu fungsi berni-
lai riil, dilambangkan dengan || ||, yang memenuhi

1. (Sifat Definit Positif) ||v|| ≥ 0 untuk setiap

v ∈ V, dan ||v|| = 0 jika dan hanya jika
v = 0.

2. ||kv|| = |k| ||v|| untuk setiap skalar k dan

v ∈ V.

3. (Ketaksamaan Segitiga) ||u + v|| ≤ ||u|| +

||v|| untuk setiap u, v ∈ V.

60
Jika || || adalah suatu norm pada ruang vektor
V, dan v, w ∈ V, jarak antara v dan w (relatif
terhadap || ||) didefinisikan sebagan d(v, w) =
||v − w||. Berdasarkan sifat 2,

d(v, w) = ||v−w|| = |−1|.||w−v|| = ||w−v|| = d(w, v).

Contoh

1. Pada Rn definisikan
q
||(a1, a2, · · · , an)|| = a2 2 2
1 + a2 + · · · + an .
Maka ||v|| adalah jarak antara (0, 0, · · · , 0)
dengan v di Rn.

2. Untuk (a1, a2, · · · , an) ∈ Rn definisikan

||(a1, a2, · · · , an)||t = |a1| + |a2| + · · · + |an|.

Sifat 1 dan sifat 2 jelas berlaku.

61
 Untuk sifat 3, perhatikan bahwa

||(a1+b1, · · · , an+bn)||t = |a1+b1|+· · ·+|an+bn|

≤ |a1| + |b1| + · · · + |an| + |bn|

= ||(a1, · · · , an)||t + ||(b1, · · · , bn)||t.

Dengan demikian || ||t mendefinisikan norm
di Rn.

3. Pada Rn definisikan

||(a1, · · · , an)||max = max{|a1|, · · · , |an|}.

Fungsi || ||max mendefinisikan norm di Rn.

4. Misalkan C([0, 1], R) adalah ruang vektor

berisi semua fungsi kontinu bernilai riil yang
didefinsikan di [0, 1]. Untuk f (x) ∈ C([0, 1], R),
fungsi berikut mendefinisikan norm di C([0, 1], R)
Z 1
(1) ||f (x)||1 = |f (x)|dx.
0
5. Pada Cn norm yang biasa digunakan adalah
q
||(c1, c2, · · · , cn) = |c1|2 + · · · + |cn|2.

Definisi 135 Jika V suatu ruang vektor, v ∈ V,

dan < , > suatu hasil kali dalam di V, defin-
isikan ||v|| =< v, v >1/2 . Fungsi || || : V → R
dinamakan norm yang bersesuaian dengan
<, >.

Teorema 136 (Ketaksamaan Schwarz) Misalkan

V suatu ruang hasil kali dalam riil dengan hasil
kali dalam < , > . Untuk u, v ∈ V,

< u, v >≤ ||u||.||v||.

Kesamaan berlaku jika dan hanya jika u = kv
untuk suatu k ≥ 0.

Teorema 137 Jika < , > suatu hasil kali dalam

riil di V, maka || || : V → R yang didefinisikan se-
bagai ||v|| =< v, v >1/2 merupakan suatu norm
di V.
Definisi 138 Misalkan u, v ∈ V dan < , > su-
atu hasil kali dalam di V, u dan v dikatakan
ortogonal, dilambangkan dengan u⊥v, jika <
u, v >= 0. Subhimpunan S dari V dikatakan
ortogonal jika setiap dua vektor di S saling
ortogonal. Suatu vektor x di V disebut vek-
tor unit jika ||x|| = 1. Subhimpunan S dari V
dikatakan ortonormal jika S ortogonal dan ter-
diri dari vektor-vektor unit.
Proses Gram-Schmidt dan Komplemen Or-
togonal

Definisi 139 Misalkan < , > merupakan hasil

kali dalam di ruang vektor V. Suatu basis
{u1, u2, · · · , un} dinamakan basis ortogonal un-
tuk V jika < ui, uj >= 0 untuk i 6= j. Jika
berlaku juga setiap ||ui|| = 1, basis tersebut
dinamakan basis ortonormal.

Teorema 140 Misalkan S = {u1, u2, · · · , un}

himpunan ortogonal di ruang vektor V den-
gan hasil kali dalam < , >> Maka untuk setiap
v ∈ span S,

v = a1v1 + a2v2 + · · · + anvn

dengan ai = <v,u i> .
||ui ||2

Khususnya, jika S ortonormal maka untuk se-

tiap v ∈ span S, v = a1v1 + a2v2 + · · · + anvn
dengan ai =< v, ui > .
62
Akibat 141 Misalkan v1, v2, · · · , vn vektor-vektor
yang saling ortogonal di ruang vektor V den-
gan hasil kali dalam < , >. Maka v1, v2, · · · , vn
bebas linier.
Teorema 142 (Teorema Gram-Schmidt) Misalkan
w1, · · · , wm saling ortogonal dan taknol di ru-
ang hasil kali dalam V. Misalkan y ∈ V dan
m < y, w >
X j
wm+1 = y − wj
j=1 < wj , wj >
m
X
= y− projwj (y).
j=1
Maka w1, w2, · · · , wm, wm+1 saling ortogonal dan
span{w1, · · · , wm, y} = span{w1, · · · , wm, wm+1}.
Lebih lanjut wm+1 = 0 jika dan hanya jika
y ∈ span{w1, · · · , wm}.

Teorema 143 Setiap ruang hasil kali dalam

berdimensi hingga V memiliki basis ortogonal
(dan juga basis ortonormal).

63
Akibat 144 Misalkan V ruang hasil kali dalam
dengan basis ortonormal B = {v1, v2, · · · , vn}.
Misalkan T suatu operator linier pada V, dan
A = [T ]B . Maka untuk setiap i dan j, Aij =<
T (vj ), vi > .

Definisi 145 Misalkan B suatu subhimpunan

ortonormal (boleh tak hingga) dari suatu ru-
ang hasil kali dalam V, dan x ∈ V. Definisikan
koefisien Fourier dari x relatif terhadap basis
B sebagai skalar < x, y >, dengan y ∈ B.

64
Definisi 146 Misalkan V suatu ruang hasil kali
dalam dan S suatu subhimpunan dari V. Suatu
komplemen ortogonal dari S di V didefin-
isikan sebagai subruang

S ⊥ = {v ∈ V : < v, w >= 0 untuk setiap w ∈ S}.

Teorema 147 Misalkan W suatu subruang berdi-

mensi hingga dari ruang vektor V dengan hasil
kali dalam < , > . Maka setiap y ∈ V dapat
ditulis sebagai

y = w + w0
dengan w ∈ W dan w0 ∈ W ⊥; yaitu V = W +
W ⊥. Lebih lanjut jika {v1, v2, · · · , vk } basis ortonor-
mal dari W maka
k
X
w= < y, vi > vi.
i=1

65
Akibat 148 Vektor w adalah satu-satunya vek-
tor di W yang terdekat dari y, yaitu untuk se-
tiap x ∈ W, ||y − x|| ≥ ||y − w||, dan ketidak-
samaan ini menjadi kesamaan jika dan hanya
jika x = w.

Vektor w di atas dinamakan projeksi ortogo-

nal dari y pada W.

Teorema 149 Misalkan S = {v1, v2, · · · , vk } him-

punan ortonormal di ruang hasil kali dalam V
berdimensi n. Maka

1. S dapat diperluas menjadi basis ortonormal

{v1, v2, · · · , vk , vk+1, · · · , vn} dari V.

2. Jika W = span S, maka S1 = {vk+1, vk+2, · · · , vn}

adalah basis ortonormal bagi W ⊥.

3. Jika W subruang dari V, maka dim V =

dim W + dim W ⊥.

66
Adjoin dari Operator Linier

Teorema 150 Misalkan V ruang hasil kali dalam

berdimensi hingga atas F, dan g : V → F pemetaan
linier. Maka terdapat secara tunggal y ∈ V
sedemikian sehingga g(x) =< x.y > untuk se-
tiap x ∈ V.

Teorema 151 Misalkan V ruang hasil kali dalam

berdimensi hingga dan T operator linier pada
V. Maka terdapat secara tunggal fungsi T ∗ :
V → V sedemikian sehingga < T (x), y >=<
x, T ∗(y) > untuk setiap x, y ∈ V. Lebih lanjut
T ∗ linier.

Operator T ∗ di atas dinamakan adjoin dari op-

erator T.

Teorema 152 Misalkan V ruang hasil kali dalam

berdimensi hingga dan B basis ortonormal bagi
V. Jika T operator linier pada V, maka
[T ∗]B = [T ]∗B .
67
Akibat 153 Misalkan A matriks n × n, maka
TA∗ = (TA)∗.

Teorema 154 Misalkan V ruang hasil kali dalam,

dan T dan U operator linier pada V. Maka

1. (T + U )∗ = T ∗ + U ∗.

2. (cT )∗ = c̄T ∗ untuk setiap c ∈ F.

3. (T U )∗ = U ∗T ∗.

4. T ∗∗ = T.

5. I ∗ = I.
Aproksimasi Kuadrat Terkecil

Untuk x, y ∈ F n misalkan < x, y >n adalah hasil

kali dalam standar vektor x dan y di F n. Ingat
kembali jika x dan y dipandang sebagai vektor
kolom, maka < x, y >n= y ∗x.

Lema 155 Misalkan A ∈ Mm×n(F ), x ∈ F n,

dan y ∈ F m. Maka

< Ax, y >m=< x, A∗y >n .

Lema 156 Misalkan A ∈ Mm×n(F ). Maka rank A∗A =

rank A.

Akibat 157 Jika A matriks m × n sedemikian

sehingga rank A = n, maka A∗A invertibel.

68
Teorema 158 Misalkan A ∈ Mm×n(F ) dan y ∈
F m. Maka terdapat x0 ∈ F n sedemikian se-
hingga (A∗A)x0 = A∗y dan ||Ax0 −y|| ≤ ||Ax−y||
untuk setiap x ∈ F n. Lebih lanjut jika rank A =
n, maka x0 = (A∗A)−1A∗y.

Solusi Minimal SPL

Suatu solusi s dari Ax = b dikatakan solusi

minimal jika ||s|| ≤ ||u|| untuk semua solusi
lain u.

Teorema 159 Misalkan A ∈ Mm×n(F ) dan b ∈

F m. Misalkan Ax = b konsisten. Maka

1. Terdapat tepat satu solusi minimal s dari

Ax = b, dengan s ∈ Im(TA∗ ).

2. Vektor s adalah satu-satunya solusi Ax = b

yang terletak di Im(TA∗ ), yaitu jika u memenuhi
(AA∗)u = b, maka s = A∗u.

69
Operator Normal dan Self-Adjoint

Lema 160 Misalkan T operator linier pada ru-

ang hasil kali dalam berdimensi hingga T. Jika
T memiliki vektor eigen, maka T ∗ juga.

Suatu subruang W dari V dikatakan T -invarian

jika T (W ) ⊆ W. Jika W T -invarian definisikan
restriksi TW : W → W dengan TW (x) = T (x)
untuk setiap x ∈ W. Jelas bahwa TW linier.

Teorema 161 (Schur) Misalkan T operator lin-

ier pada ruang hasil kali dalam berdimensi hingga
V. Misalkan polinom karakteristik dari T ter-
pisah. Maka terdapat basis ortonormal B dari
V sehingga [T ]B segitiga atas.

Definisi 162 Misalkan V ruang hasil kali dalam,

dan T operator linier pada V. Operator T dikatakan
normal jika T T ∗ = T ∗T. Suatu matriks riil atau
kompleks A disebut normal jika AA∗ = A∗A.
70
Teorema 163 Misalkan V ruang hasil kali dalam
dan T operator normal di V. Maka

1. ||T (x)|| = ||T ∗(x)|| untuk setiap x ∈ V.

2. T − cI normal untuk setiap c ∈ F.

3. Jika x vektor eigen T, maka x juga vektor

eigen T ∗. Jika T (x) = λx, maka T ∗(x) = λ̄x.

4. Jika λ1 dan λ2 nilai eigen yang berbeda dari

T dengan vektor eigen x1 dan x2 maka x1
dan x2 ortogonal.

Teorema 164 Misalkan T operator linier pada

ruang hasil kali dalam kompleks berdimensi hingga
V. Maka T normal jika dan hanya jika terda-
pat basis ortonormal V yang terdiri dari vektor-
vektor eigen T.
Definisi 165 Misalkan T : V → V suatu op-
erator linier di ruang hasil kali dalam V. Kita
katakan T self-adjoint (Hermit) jika T = T ∗.
Suatu matriks kompleks A n×n dikatakan self-
adjoint (Hermit) jika A∗ = A.

Lema 166 1. Setiap operator self-adjoint T :

V → V pada V ruang hasil kali dalam berdi-
mensi hingga memiliki nilai karakteristik riil.
Lebih lanjut semua nilai karakteristiknya adalah
riil.

2. Jika V ruang hasil kali dalam riil dan T op-

erator self-adjoint, maka polinom karater-
istik dari T terpisah.

71
Teorema 167 Misalkan T : V → V suatu op-
erator linier, dimana V suatu ruang hasil kali
dalam riil berdimensi hingga. Maka T self-
adjoint jika dan hanya jika V memiliki suatu
basis ortonormal yang terdiri dari vektor-vektor
karakteristik dari T

Definisi 168 Suatu operator linier T pada ru-

ang hasil kali dalam dikatakan definit positif
(semidefinit positif) jika T self-adjoint dan
< T (x), x > > 0 (< T (x), x >≥ 0) untuk setiap
x 6= 0.

Definisi 169 Suatu matriks A n × n dikatakan

definit positif (semidefinit positif) jika TA
definit positif (semidefinit positif).

72
Operator Uniter dan Ortogonal

Definisi 170 Misalkan T operator linier pada

ruang hasil kali dalam berdimensi hingga V.
Jika ||T (x)|| = ||x|| untuk setiap x ∈ V, kita
katakan T operator uniter jika F = C dan
operator ortogonal jika F = R.

73
Teorema 171 Misalkan T operator linier pada
ruang hasil kali dalam berdimensi hingga V.
Maka pernyataan berikut ekivalen

1. T T ∗ = T ∗T = I.

2. < T (x), T (y) >=< x, y > untuk setiap x, y ∈

V.

3. Jika B basis ortonormal dari V, make T (B)

basis orthonormal dari V.

4. Terdapat basis orthonormal B dari V sedemikian

sehingga T (B) basis ortonormal dari V.

5. ||T (x)|| = ||x|| untuk setiap x ∈ V.

74
Lema 172 Misalkan U operator self-adjoint pada
ruang hasil kali dalam berdimensi hingga V.
Jika < x, U (x) >= 0 untuk setiap x ∈ V, maka
U = 0.

Akibat 173 Misalkan T operator linier pada

ruang hasil kali dalam riil (kompleks) berdi-
mensi hingga V. Maka V memiliki basis ortonor-
mal yang terdiri dari vektor-vektor eigen dari
T dengan nilai eigen bernilai mutlak 1 jika dan
hanya jika T self-adjoint dan ortogonal (uniter).

75
Suatu matriks riil U berukuran n × n dikatakan
ortogonal jika U U t = In, yaitu U memiliki ba-
likan dan U −1 = U t. Suatu matriks kompleks
n × n U dikatakan uniter jika U U ∗ = In, yaitu
U memiliki balikan dan U −1 = U ∗.

Lema 174 Suatu matriks riil U ortogonal jika

dan hanya jika baris-barisnya (atau kolom-kolomnya)
ortonormal terhadap hasil kali titik di Rn. Suatu
matriks kompleks U uniter jika dan hanya jika
baris-barisnya (atau kolom-kolomnya) ortonor-
mal di ruang uniter Cn.

Matriks-matriks kompleks (riil) n × nA dan B

dikatakan ekivalen uniter (ekivalen ortogo-
nal) jika dan hanya jika terdapat matriks uniter
(ortogonal) P sehingga A = P ∗BP.

76
Teorema 175 Misalkan A matriks kompleks
(riil) n × n. Maka A normal (simetri) jika dan
hanya jika Aekivalen uniter (ortogonal) dengan
matriks diagonal (diagonal riil).

Teorema 176 (Schur) Misalkan A ∈ Mn×n(F )

sedemikian sehingga polinom karakteristik dari
A terpisah atas F.

1. Jika F = C, maka A ekivalen uniter dengan

suatu matriks segitiga atas kompleks.

2. Jika F = R, maka A ekivalen ortogonal den-

gan suatu matriks segitiga atas riil.

77
Projeksi Ortogonal dan Teorema Spektral

Jika V = W1 ⊕ W2 maka suatu operator lin-

ier T pada V adalah projeksi pada W1 sep-
anjang W2 jika, untuk x = x1 + x2 dengan
x1 ∈ W1 dan x2 ∈ W2 berlaku T (x) = x1. Jelas
bahwa Im(T ) = W1 dan Ker(T ) = W2. Den-
gan demikian V = Im(T ) ⊕ Ker(T ).

Definisi 177 Misalkan V ruang hasil kali dalam

dan T : V → V suatu projeksi. Kita katakan T
projeksi ortogonal jika Im(T )⊥ = Ker(T ) dan
Ker(T )⊥ = Im(T ).

Jika W subruang dari V, projeksi ortogonal pada

W dapat didefinisikan karena V = W ⊕ W ⊥.

Teorema 178 Misalkan V ruang hasil kali dalam,

dan T operator linier pada V. Maka T projeksi
ortogonal jika dan hanya jika T memiliki adjoin
T ∗ dan T 2 = T = T ∗.
78
Teorema 179 (Teorema Spektral) Misalkan
T operator linier pada ruang hasil kali dalam
berdimensi hingga V atas F dengan nilai eigen
berbeda λ1, λ2, · · · , λk . Misalkan T normal jika
F = C dan self-adjoint jika F = R. Untuk se-
tiap i (1 ≤ i ≤ k), misalkan Wi ruang eigen
dari T bersesuaian dengan nilai eigen λi, dan
Ti projeksi ortogonal dari V pada Wi. Maka

1. V = W1 ⊕ W2 ⊕ · · · ⊕ Wk .

2. Jika Wi0 adalah jumlah langsung subruang

Wj dengan j 6= i, maka Wi⊥ = Wi0.

3. TiTj = δij Ti untuk 1 ≤ i, j ≤ k.

4. I = T1 + T2 + · · · + Tk .

5. T = λ1T1 + λ2T2 + · · · + λk Tk .
Himpunan {λ1, λ2, · · · , λk } dinamakan spektrum
dari T, penjumlahan I = T1 + T2 + · · · + Tk dina-
makan resolusi dari operator identitas yang
diinduksi oleh T, dan penjumlahan T = λ1T1 +
· · · + λk Tk dinamakan dekomposisi spektral
dari T.

Akibat 180 Jika F = C, maka T normal jika

dan hanya jika T ∗ = g(T ) untuk suatu polinom
g.

Akibat 181 Jika F = C maka T uniter jika dan

hanya jika T normal dan |λ| = 1 untuk setiap
nilai eigen λ dari T.

Akibat 182 Jika F = C dan T normal maka

T self-adjoint jika dan hanya jika semua nilai
eigennya riil.

Akibat 183 Misalkan T = λ1T1 + · · · + λk Tk .

Maka untuk setiap j, Tj merupakan polinom
dalam T.
Dekomposisi Nilai Singular dan Pseudoin-
vers
Dalam subbab ini semua operator T yang memenuhi
< T (x), T (y) >=< x, y > atau matriks A yang
memenuhi < Ax, Ay >=< x, y > dinamakan
uniter.

Teorema 184 (Teorema Nilai Singular) Misalkan

V dan W ruang hasil kali dalam berdimensi
hingga dan T : V → W pemetaan linier den-
gan rank r. Maka terdapat basis ortonormal
{v1, · · · , vn}dari V dan {u1, · · · , um} dari W dan
skalar positif σ1 ≥ σ2 ≥ · · · σr sedemikian se-
hingga
(
σiui jika 1 ≤ i ≤ r
T (vi) =
0 jika i > r.
Jika kondisi di atas terpenuhi, maka untuk 1 ≤
i ≤ n, vi adalah vektor eigen dari T ∗T den-
gan nilai eigen σi2 jika 1 ≤ i ≤ r dan 0 jika
i > r. Dengan demikian skalar σ1, σ2, · · · , σr di-
tentukan secara tunggal oleh T.
79
Definisi 185 Skalar σ1, · · · , σr dinamakan ni-
lai singular dari T. Jika r lebih kecil dari m
dan n maka nilai singular ditambahkan dengan
σr+1 = · · · = σk = 0, dengan k = min{m, n}.

Definisi 186 Misalkan A matriks m × n. Nilai

singular bagi A didefinisikan sebagai nilai sin-
gular bagi TA.

Teorema 187 (Dekomposisi Nilai Singular)

Misalkan A matriks m × n dengan rank r den-
gan nilai singular positif σ1 ≥ σ2 · · · ≥ σr , dan
misalkan Σ matriks m × n yang didefinisikan
sbb.
(
σi jika i = j ≤ r
Σij =
0 jika tidak
Maka terdapat matriks uniter U m × m dan
matriks uniter V n × n sedemikian sehingga

A = U ΣV ∗.
Definisi 188 Misalkan A matriks m×n dengan
rank r dan nilai singular positif σ1 ≥ σ2 ≥ · · · ≥
σr . Faktorisasi A = U ΣV ∗ dengan U dan V
matriks uniter dan Σ matriks m×n didefinisikan
seperti di atas dinamakan dekomposisi nilai
singular dari A.

Dekomposisi Polar dari Matriks Persegi

Teorema 189 Untuk sebarang matriks persegi

A terdapat matriks uniter W dan matriks semidefinit
positif P sedemikian sehingga A = W P. Lebih
lanjut, jika A invertibel maka representasi ini
tunggal.

Faktorisasi matriks persegi A sebagai W P den-

gan W uniter dan P semidefinit positif dina-
makan dekomposisi polar dari A.
Pseudoinvers

Definisi 190 Misalkan V dan W ruang hasil

kali dalam berdimensi hingga dan T : V →
W pemetaan linier. Misalkan L : Ker(T )⊥ →
Im(T ) pemetaan linier yang didefinisikan se-
bagai L(x) = T (x) untuk setiap x ∈ Ker(T )⊥.
Pseudoinvers (atau Moore-Penrose general-
ized inverse) dari T , dinotasikan sebagai T +
didefinisikan sebagai pemetaan linier tunggal
dari W ke V sedemikian sehingga
L−1(y) untuk y ∈ Im(T )
(
T +(y) =
0 untuk y ∈ Im(T )⊥.

80
Misalkan V dan W ruang vektor berdimensi
hingga dan T : V → W pemetaan linier dengan
rank r. Misalkan {v1, v2, · · · , vn} dan {u1, · · · , um}
basis ortonormal bagi V dan W. Misalkan σ1 ≥
σ2 ≥ · · · ≥ σr nilai singular tak nol dari T yang
memenuhi Teorema Nilai Singular. Maka

• {v1, v2, · · · , vr } basis bagi Ker(T )⊥,

• {vr+1, vr+2, · · · , vn} basis bagi Ker(T ),

• {u1, · · · , ur } basis bagi Im(T ), dan

• {ur+1, ur+2, · · · , um} basis bagi Im(T )⊥.

Misalkan L restriksi T pada Ker(T )⊥. Maka

L−1(ui) = σ1 vi untuk 1 ≤ i ≤ r. Dengan demikian
i
1v
(
σi i jika 1 ≤ i ≤ r
T +(ui) =
0 jika r < i ≤ m.

81
Pseudoinvers dari Matriks
Misalkan A matriks m × n. Maka terdapat se-
cara tunggal matriks B n × m sedemikian se-
hingga (TA)+ : F m → F n sama dengan TB .
Matriks B dinamakan pseudoinvers dari A dan
dinotasikan B = A+. Maka

(TA)+ = TA+ .

Teorema 191 Misalkan A matriks m × n den-

gan rank r dan dekomposisi nilai singular A =
U ΣV ∗ dan nilai singular tak nol σ1 ≥ σ2 ≥ · · · ≥
σr . Misalkan Σ+ matriks n × m yang didefin-
isikan sebagai
1
(
jika i = j < r
Σ+
ij =
σi
0 jika tidak
Maka A+ = V Σ+U ∗, dan bentuk ini adalah
dekomposisi nilai singular dari A+.

82
Pseudoinvers dan SPL

Lema 192 Misalkan V dan W ruang hasil kali

dalam dan T : V → W linier. Maka

1. T +T merupakan projeksi ortogonal dari V

pada Ker(T )⊥.

2. T T + merupakan projeksi ortogonal dari W

pada Im(T ).

83
Teorema 193 Pandang SPL Ax = b, dengan
A matriks m × n dan b ∈ F m. Jika z = A+b,
maka z memenuhi sifat-sifat berikut :

1. Jika Ax = b konsisten, maka z adalah solusi

tunggal dengan norm minimum. Yaitu z
adalah solusi dan jika y solusi lain maka
||z|| ≤ ||y|| dan akan sama jika dan hanya
jika z = y.

2. Jika Ax = b tidak konsisten, maka z adalah

aproksimasi solusi terbaik tunggal dengan
norm minimum. Yaitu, ||Az − b|| ≤ ||Ay − b||
untuk setiap y ∈ F n dan akan sama jika
dan hanya jika Az = Ay. Lebih lanjut jika
Az = Ay, maka ||z|| ≤ ||y|| dan akan sama
jika dan hanya jika z = y.

84