MODUL

MATA KULIAH
ALJABAR LINEAR

Disusun Oleh:
Candra Mecca Sufyana

1
 Daftar Isi

Daftar isi......................................................................................................... 3
Daftar Gambar.............................................................................................. 5
Daftar Tabel................................................................................................... 6
Deskripsi Mata Kuliah………….……………………………….………….. 7
Tujuan Mata Kuliah Umum...….……………………………….…………..7
Tujuan Mata Kuliah Khusus.….……………………………….………….. 7

BAB I PENDAHULUAN
1.1 Diagram alur pokok bahasan................................................ 9
1.2 Materi pokok aljabar linear................................................... 9

BAB II SISTEM PERSAMAAN LINEAR

2.1 Sistem Persamaan Linear Dua Variabel ………………......... 13
2.1.1 Metode grafik………………………………………….. 13
2.1.2 Metode eliminasi………………………………………. 15
2.1.3 Metode subsitusi……………………………………….. 16
2.1.4 Metode Campuran………………………………………17
2.2 Metode Eliminasi Gauss......................…............................... .20
2.3 Sistem Persamaan Linear Homogen……….……….............. 23

BAB III MATRIKS

3.1 Definisi matriks… ……………………….………………... 27
3.2 Jenis-jenis matriks………………………………..………… 28
3.3 Operasi Matriks…..…………………………….……….…… 29
3.4 Matriks Elementer..…………………………….……….…… 30
3.5 Invers Matriks…..…………………………….……….…….. 31

BAB IV DETERMINAN MATRIKS

4.1 Definisi determinan matriks……………….………………... 34
4.2 Sifat-sifat determinan matriks……………………..………… 35
4.3 Minor dan Kofaktor…………………………….……….…… 35
4.4 Reduksi Baris..…………………………….……….………… 37
4.5 Aturan Cramer…..…………………………….……….…….. 38

BAB V VEKTOR
5.1 Persamaan dua buah vektor
5.1.1 Penjumlahan vektor...………………………………….. 41
5.1.2 Pengurangan vektor……………………………………. 43
5.1.3 Perkalian vektor dengan scalar..……………………….. 43
5.1.4 Perkalian vektor dengan vektor………………………... 44
5.1.5 Vektor Satuan…………………………………………...44
5.2 Hasil kali titik dan Hasil kali silang
5.1.1 Hasil kali titik……....…………………………………..46

2
 5.1.2 Hasil kali silang…………………………………………. 47
5.3 Persamaan Bidang…………………..…….……….................. 48
5.4 Jarak titik terhadap bidang....………..…….………..................48

BAB VI RUANG VEKTOR

6.1 Ruang vektor umum…...……………………………………... 51
6.2 Ruang Lingkup Vektor
6.1.1 Vektor di ruang 2D......…………………………………..52
6.1.2 Vektor di ruang 3D …………..…………………………. 53
6.3 Sub Ruang…………………………..…………………………54
6.4 Vektor Bebas Linear dan Tak Linear.…………………………54
6.5 Kombinasi Linear …………………..…………………………55
6.6 Dimensi dan Basis…………………..…………………………56
6.7 Row Space, Coloumn Space , Null Space ……………………57
6.8 Rank dan Nullity..…………………..…………………………58
6.9 Ruang Hasil Kali Dalam..…………..…………………………60
6.10Basis Ortonormal.…………………..…………………………61

BAB VII TRANSFORMASI LINEAR

7.1 Transformasi Linear…...……………………………………... 64
7.2 Jenis-jenis transformasi linear bidang....................................... 65
7.3 Kernel dan Jangkauan..……………..…………………………67
7.4 Nilai dan Vektor Eigen......................…………………………68

3
 Daftar Gambar

Gambar Halaman
1.1 Diagram alur pokok bahasan 9
2.1 Koordinat kartesius SPL 2 variabel 13
2.2 Kemungkinan Solusi Sistem Persamaan Linear 19
2.3 Bagan SPL Homogen 24
5.1 Empat buah vector yang dikatakan sama 41
5.2 Perpindahan A dan B 42
5.3 Penjumlahan 2 buah vektor 42
5.4 Penjumlahan 4 buah vector 42
5.5 Sifat Asosiatif Penjumlahan Vektor 43
5.6 Pengurangan Vektor 43
5.7 Komponen-komponen vector 44
5.8 Vektor bergantung kuadran 44
5.9 Vektor Satuan 45
5.10 Metode komponen vector 45
5.11 Perkalian dua vector 46
6.1 Ruang vector 2D 52
6.2 Vektor a=OA=5i+3j 53
6.3 Ruang vector 3D 54

4
 Daftar Tabel

Tabel Keterangan Halaman

3.1 Contoh tabel sebagai kumpulan array 27
4.1 Permutasi 35

5
A. Deskripsi Mata Kuliah

Secara garis besar, mata kuliah ini akan membicarakan tentang pengertian matriks, operasi
dasar matriks, dan jenis-jenis matriks, determinan, operasi baris elementer (OBE) dan
operasi kolom elementer (OKE), matriks ekivalen, matriks invers dan sifat-sifatnya, sistem
persamaan linear, beberapa aplikasi matriks, ruang vektor, basis dan dimensi, transformasi
linear, ruang inner product, eigen vektor dan eigenvalues.

B. Tujuan Kompetensi Umum

Mata kuliah ini mempersiapkan mahasiswa untuk dapat menyelesaikan masalah yang
terkait dengan aljabar matriks dan konsep ruang vektor. Disamping itu, mata kuliah ini
membekali mahasiswa dengan logical reasoning dan abstraksi matematika. Oleh karena
itu, keterlibatan aktif dari siswa memegang peranan penting.

C. Tujuan Kompetensi Khusus

Sesuai dengan tujuan pemelajaran Matematika, perkulaihan Aljabar Linier mempunyai dua
tujuan utama yang saling terkait yaitu mengasah kemampuan bernalar dan problem
solving. Secara rinci, tujuan tersebut dijabarkan dalam sasaran pemelajaran berikut ini:
Sasaran pembelajaran terminal
1. Apabila diberi suatu sistem persamaan linier, mahasiswa mampu memilih strategi
yang paling efektif untuk menentukan penyelesaiannya atau menetukan penyelesaian
kuadrat terkecil (LSS).
2. Mahasiswa mampu mengidentifikasi matriks-matriks persegi yang dapat
didiagonalkan secara orthogonal, dan dapat membuat prosedur untuk
mendiagonalkannya.
3. Mahasiswa mampu melakukan operasi-operasi vektor pada bidang dan ruang (ruang
vektor Euclid R2 dan R3) baik secara aljabar maupun geometris.
4. Mahasiswa mampu mengidentifikasi apakah suatu fungsi merupakan transformasi
linier, mampu menentukan matriks transformasi linier, dan dapat
menginterpretasikan sifat-sifat transformasi linier pada bidang dan ruang.

6
 BAB I
PENDAHULUAN

A. Tujuan Kompetensi Khusus

• Mahasiswa mengetahui dan memahami definisi, tujuan, dan maksud dari
pembelajaran materi aljabar linear.
• Mahasiswa mengetahui diagram alur pokok bahasan aljabar linear
• Mahasiswa mengetahui kaitan keilmuan aljabar linear dengan mata kuliah lain dan
manfaatnya dalam kasus informatika

B. Uraian Materi
Ketika mahasiswa mengambil mata kuliah aljabar linear, yang paling seru adalah tidak
menanyakan materi apa saja yang akan dipelajari di mata kuliah aljabar linear tersebut,
karena secara otomastis menyangka ga akan jauh berbeda dengan matematika. Sudah
menjadi rahasia umum bahwa matematika merupakan momok menakutkan bagi
sebagaian besar pelajar. Diantaranya karena matematika atau aljabar
secara umum menggunakan dummy variabel berbentuk huruf (misalnya x, y, z, p,
q, m, n) yang umumnya sulit untuk dapat dipahami. Pola pikir “menyatakan sulit
sebelum berperang” tersebut juga yang justru menjadi masalah utamanya, tanpa
melihat terlebih dahulu manfaat, tantangan, dan keilmuanya.
Aljabar Linear Elementer yang termasuk salah satu cabang ilmu
Matematika, memiliki karakteristik tersendiri dalam isi maupun proses
pembelajarannya. Aljabar Linear Elementer (ALE) ini identik dengan
penggunaan logika dalam pemecahan masalah dan pencarian solusi.
Pembelajaran ALE yang harus melalui pra syarat penguasaan Logika
Matematika & Himpunan tentunya tidak lepas dari aplikasi penggunaannya
dalam kehidupan sehari-hari, baik secara konkret maupun abstrak.
Aljabar linear ini mempelajari tentang matriks, vektor, ruang vektor, transformasi
linear dan sistem persamaan linear. Aljabar linear mempunyai penerapan pada berbagai
bidang ilmu alam dan ilmu sosial serta teknologi khususnya teknologi informasi dan
komunikasi (infokom) yang saat ini sedang berkembang pesat. Pada dasarnya aljabar
linier adalah metode yang sangat kuat ketika berhadapan dengan beberapa variabel, dan
ada manfaat yang luar biasa untuk menggunakan ini sebagai landasan teoritis ketika
merancang algoritma.
Bagan hubungan dengan mata kuliah lain:

7
 1.1 Diagram alur pokok bahasan

Gambar 1.1 Diagram alur pokok bahasan

1.2 Materi pokok aljabar linear

Materi yang akan dibahas dalam aljabar linear adalah:
1. Matrik, meliputi Definisi, Jenis Matrik, Operasi Matrik, dan Sifat-sifatnya.
2. Vektor di R2 dan R3, meliputi Operasi Vektor dan Sifat-sifatnya, Hasil Kali Titik,
Hasil Kali Silang di R3, dan Persamaan Garis dan Bidang di R3.
3. Eliminasi Gauss yang digunakan untuk menyelesaikan Sistem Persamaan Linier
umum, Sistem Persamaan Linier homogeny
4. Invers matrik dengan menggunakan matrik elementer, Pencarian solusi Sistem
Persamaan Linier dengan matrik invers, Hasil lebih lanjut matrik invers terhadap
Sistem Persamaan Linier

8
5. Determinan, meliputi determinan dengan ekspansi kofaktor, Sifat-sifat determinan
terhadap Operasi Baris Elementer, Matrik Adjoin, Matrik Invers dengan Matrik
Adjoin, Aturan Cramer
6. Ruang Vektor, meliputi Ruang n Euclides, Definisi Ruang Vektor, Sub Ruang, Bebas
Linier, Membangun, Basis, dan Dimensi
7. Ruang Hasil Kali Dalam, meliputi Definisi, Panjang dan Sudut di Ruang Hasil Kali
Dalam, Ortonormalisasi Basis
8. Nilai dan Vektor Eigen, meliputi Persamaan Karakteristik, Diagonalisasi, dan
Diagonalisasi secara Ortogonal
9. Transformasi Linier, meliputi Definisi, Kernel, Rank, Koordinat sebagai bentuk
Transformasi dari Ruang vektor sebarang ke Rn, Matrik Transformasi

C. Rangkuman
Aljabar linear adalah bidang studi matematika yang mempelajari sistem persamaan
linear dan solusinya, vektor, serta transformasi linear. Matriks dan operasinya juga
merupakan hal yang berkaitan erat dengan bidang aljabar linear.

D. Tugas
Dibawah ini adalah berbagai komentar tentang bagaimana aljabar linear digunakan
dalam algoritma. Berikan komentar dan analisis anda terhadap komentar-komentar dan
pertanyaan tersebut

9
E. Evaluasi
1. Tuliskan bagaimana sejarah keilmuan aljabar?
2. Sebutkan apa saja manfaat dan keuntungan mempelajari aljabar linear?
3. Sebutkan materi apa saja yang dipelajari di aljabar linear dan relevansinya
terhadap manfaat?

F. Pustaka

Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara.
Jakarta
Kasiyah M Junus, Heru Suhartanto. Aljabar Linier. 2008. Fakultas Ilmu Komputer
Universitas Indonesia
http://id.w3support.net/index.php?db=so&id=1085425
http://wikipedia.org

10
 BAB II
SISTEM PERSAMAAN LINEAR

A. Tujuan Kompetensi Khusus

Apabila diberikan sistem persamaan linier (SPL) konsisten berukuran kecil, mahasiswa
mampu menetukan konsistensinya; dan menyelesaikan dengan metode eliminasi-substitusi,
geometris, dan metode Gauss-Jordan dengan tepat.

B. Uraian Materi

Sistem persamaan linear adalah dua persamaan linear atau lebih yang disajikan
bersamaan dan mempunyai satu jawaban persekutuan. Pasangan sistem persamaan yang
dibentuk dapat berupa linear dan linear, linear dan kuadrat, atau kuadrat-kuadrat. Dalam
kehidupan sehari-hari sering kita temui persoalan-persoalan yang dapat diselesaikan
dengan memakai model matematika yang berbentuk sistem persamaan linear. Model
matematika adalah cara mengubah bentuk penulisan dari bahasa sehari-hari menjadi
bahasa matematika. Misalnya:

Anto membeli alat tulis untuk keperluan sekolah yaitu 3 buah pulpen dan 2 buah pensil
dengan harga Rp. 10.500,00. Pada toko yang sama Budi membeli 2 buah
pulpen dan 3 buah pensil dengan harga Rp. 9.500,00.

Harga masing-masing 1 buah pulpen dan 1 buah pensil dapat anda ketahui dengan
memakai model matematika yang berbentuk sistem persamaan Linear. Dari contoh diatas
terdapat Dua Variabel yaitu pulpen dan pensil yang akan diperoleh penyelesaian tunggal
dari nilai x dan y. Jadi penyelesian Sistem Persamaan linear adalah nilai x dan y yang
memenuhi kedua persamaan linear yang dimaksud. Penulisannya ditulis dalam bentuk
Himpunan Penyelesaian (HP) : {(x,y)}
Ada tiga kemungkinan untuk menentukan himpunan penyelesaian, yaitu :
• Sistem persamaan linear akan memiliki penyelesaian jika dipenuhi syarat : (a/p) ≠
(b/q).
• Sistem persamaan linear tidak akan memiliki penyelesaian jika dipenuhi syarat : (a/p) =
(b/q) ≠(c/r).
• Sistem persamaan linear akan memiliki penyelesaian yang terhingga banyaknya jika
dipenuhi syarat : (a/p) = (b/q) = (c/r)

Bentuk umum Sistem Persamaan linear Dua Variabel dalam x dan y adalah :
Keterangan :
ax + by = c x, y = variabel ;
px + qy = r a, b, p, q = koefisien variable a, b, p, dan q ≠ 0
bersamaan
c, r = konstanta

11
2.1. Sistem Persamaan Linear Dua Variabel
2.1.1 Metode Grafik
Penyelesaian dengan metode grafik secara umum adalah menggambar kedua
persamaan garis pada satu koordinat Cartesius. Adapun langkah-langkah
langkah secara
lengkap adalah sebagai berikut:
• Buatlah tabel pasangan terurut (x,y) dengan mencari titik potong dengan
masing-masing
masing sumbu X dan Sumbu Y dari setiap persamaan garis.
• Perpotongan sumbu X diperoleh pada saat nilai y = 0 dan perpotongan dengan
sumbu Y diperoleh pada saat nilai x = 0.
Jadi perpotongan dengan sumbu koordinat adalah :
Perpotongan dengan Sumbu X : (a,0) dan Perpotongan dengan Sumbu Y : ( 0,b)
Karena ada dua persamaan garis maka anda harus membuat dua tabel dan akan
diperoleh empat titik (a,0), (0,b) dan (c,0), (0,d).
Lukislah masing--masing
masing persamaan pada satu koordinat Cartesius !

Gambar 2.1 Koordinat kartesius SPL 2 variabel

Dari pasangan titik masing-masing

masing masing persaman garis maka akan diperoleh dua garis
pada satu sumbu koordinat Cartesius. Jika hasil lukisan
lukisan berpotongan di satu titik
maka koordinat titik potong itu sebagai penyelesaian sistem persamaan Linear.
Contoh
Bu Andi membeli 3 kg apel dan 2 kg anggur dengan harga Rp. 60.000,00. Pada
saat yang bersamaan dan pada toko yang sama Bu Ana membeli 5 kg apel a dan 1 kg
anggur dengan membayar Rp. 65.000,00. Bagaimana menghitung harga tiap kg
apel dan anggur ? Coba anda diskusikan !
Model matematika dari kasus di atas adalah :
Misalkan x = harga 1 kg apel
y = harga 1 kg anggur
Bu Andi : 3 kg apel + 2 kg anggur = Rp. 60.000,00
3x + 2y = 60000 ……………….. (1)
Bu Ana : 5 kg apel + 1 kg anggur = Rp 65.000,00
5x + y = 65000 ……………….. (2)
Sistem persamaan linear yang diperoleh adalah :
3x + 2y = 60000 …………….. (1)
5x + y = 65000 …………….. (2)

12
Jawab :
Persamaan (1) : 3x + 2y = 60000
Perpotongan dengan Sumbu X (y = 0)
3x + 2y = 60000
3x = 60000
x = 20000,
20000 Diperoleh titik (20000,0)
Perpotongan dengan Sumbu Y (x = 0)
3x + 2y = 60000
2y = 30000,
30000 Diperoleh titik ( 0,30000)
Jadi perpotongan dengan sumbu koordinat adalah : (20000,0), ( 0,30000),

3x + 2 y = 60000

X 0 20000

Y 30000 0

(0,30000) (20000,0)

Persamaan (2) : 5x + y = 65000

Perpotongan dengan Sumbu X (y = 0)
5x + y = 65000
5x + y = 65000
5x = 65000
x = 13000 , Diperoleh titik (13000,0) dan
Perpotongan dengan Sumbu Y (x = 0)
5x + y = 65000
5.0 + y = 65000
y = 65000,
65000 Diperoleh titik ( 0,65000)
Jadi perpotongan dengan sumbu koordinat adalah : (13000,0), ( 0,65000)

5x + y = 65000

X 0 13000

Y 65000 0

(0,65000) (13000,0)

13
 Dari pasangan titik (20000,0), ( 0,30000), dan (13000,0), ( 0,65000) maka akan
diperoleh dua garis pada satu sumbu koordinat. Dari kedua garis tersebut nampak
bahwa ada perpotongan antara keduanya sehingga terdapat satu penyelesaian sistem
persamaan linear yaitu titik (10000,15000) harga tiap kg apel Rp. 10000 dan anggur
Rp.15000

2.1.2 Metode Eliminasi

Metode Eliminasi adalah cara penyelesaian sistem persaman linear dengan
menghilangkan salah satu variabel untuk mencari nilai variabel yang lain.
Adapun langkah-langkah secara lengkap adalah sebagai berikut :
Untuk mengeliminasi suatu variabel samakan nilai kedua koefisien variabel yang
akan dihilangkan. Pada langkah ini anda mengalikan kedua koefisien dengan
bilangan tertentu sedemikian sehingga nilai koefisiennya menjadi sama
Misalkan pada bentuk umum, anda akan menghilangkan variabel x, maka anda
harus mengalikan koefisien variabel x pada kedua persamaan dengan p untuk
persaman pertama dan mengalikan dengan a untuk persamaan kedua
ax +by = c X p → apx + bpy = cp
px + qy = r X a → apx + aqy = ar –
(bp-aq) y = cp – ar
y = (cp-ar)/(bp-aq)
Pada langkah di atas anda akan mendapatkan sebuah persamaan Linear, dan anda
akan dapat menghitung nilai variabel pertama yaitu y dengan mudah. Setelah anda
menemukan nilai variabel y sekarang akan menghitung nilai variabel x, maka anda
harus menghilangkan variabel y, dengan mengalikan koefisien variabel y pada
kedua persamaan dengan q untuk persaman pertama dan mengalikan dengan b
untuk persamaan kedua
ax +by = c X q → aqx + bqy = cq
px + qy = r X b → bpx + bqy = br –
(aq-bp) x = cq – br
x = (cq-br)/(aq-bp)
Pada langkah di atas anda akan mendapatkan sebuah persamaan Linear, dan anda
akan dapat menghitung nilai variabel kedua yaitu x dengan mudah.
Jadi hasil akhir perhitungan nilai variabel adalah :
x = (cq-br)/(aq-bp) ; y = (cp-ar)/(bp-aq)
Nilai x dan y yang anda temukan adalah merupakan penyelesaian dari SPL:
ax +by = c ; px + qy = r
Contoh:
Suatu latihan perang melibatkan 1000 personil tentara dan 100 ton perlengkapan
perang. Untuk menuju lokasi latihan disediakan : Pesawat Hercules dengan
kapasitas 50 orang dan 10 ton perlengkapan perang, Pesawat Helikopter dengan
kapasitas 40 orang dan 3 ton perlengkapan. Berapa banyak masing-masing
pesawat yang dibutuhkan untuk mengangkut semua tentara dan semua
perlengkapan dalam satu kali pemberangkatan pasukan !
Model matematika dari kasus di atas adalah :
Misalkan x = Hercules ; y = Helikopter
Kemampuan angkut personil tentara :
50 orang dengan Hercules + 40 orang dengan Helikopter = 1000 orang
50x + 40y = 1000 ……………….. (1)
Kemampuan angkut perlengkapan perang :
10 ton dengan Hercules + 3 ton Helikopter = 100 ton

14
 10x + 3y = 100 ……………….. (2)
Untuk mengeliminasi variable x samakan nilai kedua koefisien variable x. Pada
langkah ini anda mengalikan kedua koefisien dengan bilangan tertentu sedemikian
sehingga nilai koefisiennya menjadi sama.
50x + 40y = 1000 | X 1 | 50x + 40y = 1000
10x + 3y = 100 | X 5 | 50x + 15y = 500 -
25y = 500
y = 500/25
y = 20
Karena variabel yang akan dieliminasi mempunyai koefisien tanda sama maka
untuk menghilangkan variabel x, kedua persamaan harus dikurangkan.
Untuk mengeliminasi variabel y samakan nilai kedua koefisien variable y. Pada
langkah ini anda mengalikan kedua koefisien dengan bilangan tertentu sedemikian
sehingga nilai koefisiennya menjadi sama.
50x + 40y = 1000 X 3 >> 150x + 120y = 3000
10x + 3y = 100 X 40 >> 400x + 120y = 20000 -
-250x + 0y = -17000
x = -17000/-250
x = 38
Karena variabel yang akan dieliminasi mempunyai koefisien tanda sama maka
untuk menghilangkan variabel y, kedua persamaan harus dikurangkan. Dari
perhitungan di atas anda memperoleh nilai variabel x = 38 dan nilai variabel y = 20.
Jadi Himpunan Penyelesaian : {(38,20)}
Hal ini berarti bahwa banyaknya pesawat yang dibutuhkan untuk mengangkut
semua tentara dan semua perlengkapan dalam satu kali pemberangkatan pasukan
adalah 38 pesawat Hercules dan 20 pesawat Helikopter.

2.1.3 Metode Subsitusi

Metode substitusi adalah cara untuk menentukan penyelesaian sistem persamaan
linear dengan menggantikan suatu variabel dengan variabel yang lainnya. Metode
substitusi sering dikenal dengan metode penggantian. Dalam metode substitusi
suatu variabel dinyatakan dalam variabel yang lain dari suatu persamaan,
selanjutnya variabel ini digunakan untuk mengganti variabel yang sama dalam
persamaan lainnya sehingga menjadi persamaan satu variabel dan anda dapat
dengan mudah mencari nilai variabel yang tersisa.
Carilah persamaan yang paling sederhana dari kedua persamaan itu
Kemudian nyatakan persamaan y dalam x atau sebaliknya.
Misalkan dari bentuk umum :
ax +by = c ………… (1)
px + qy = r ………… (2)
Pada persamaan (1) :
ax +by = c
ax = c – by
x = (c-by)/a ………… (3)
Dari persamaan (2), gantikan variabel x dengan persamaan (3), sehingga :
px + qy = r
p{(c-by)/a} + qy = r
Pada langkah di atas anda akan mendapatkan sebuah persamaan Linear, dan anda
akan dapat menghitung nilai variabel y dengan mudah. Setelah anda menemukan
nilai variabel y, maka untuk menentukan nilai variabel x anda tinggal menggantikan

15
 nilai variabel y tersebut pada persamaan (3). Dari keterangan di atas maka anda
dapat menemukan pasangan (x,y) yang merupakan penyelesaian dari sistem
persamaan linear tersebut.
Contoh:
Anda membeli alat tulis untuk keperluan sekolah yaitu 3 buah pulpen dan 2 buah
pensil dengan harga Rp. 10.500,00. Pada toko yang sama teman anda membeli 2
buah pulpen dan 3 buah pensil dengan harga Rp. 9.500,00. Bagaimana menghitung
harga tiap 1 buah pulpen dan pensil ? Coba anda diskusikan !
Misalkan x = 1 y = 1
Anda membeli 3 buah pulpen dan 2 buah pensil dengan harga Rp. 10.500,00
3 buah pulpen + 2 buah pensil = Rp. 10.500,00
3x + 2y = 10500 ………………. (1)
Teman anda membeli 2 buah pulpen dan 3 buah pensil dengan harga Rp. 9.500,00
2 buah pulpen + 3 buah pensil = Rp. 9.500,00
2x + 3y = 9500 …………………. (2)
Untuk mengganti (subsitusi) variabel x dengan variabel y, ubahlah salah satu
persamaan menjadi persamaan x dalam y. Kemudian gantikan hasil tersebut pada
persamaan yang lain. Pada langkah ini anda mengubah persamaan pertama (1)
menjadi persamaan x dalam y,
3x + 2y = 10500
3x = -2y + 10500
x = -(2/3)y + 10500/3
x = -(2/3)y + 3500 ……………… (3)
Dari persamaan (2) dan (3)
2x + 3y = 9500
2{-(2/3)y + 3500} + 3y = 9500
-(4/3)y + 7000 + 3y = 9500
-(4/3)y + 3y = 9500 – 7000
5/3y = 250
y = 2500 : (5/3)
y = 1500
Untuk mencari nilai variabel x dengan y = 1500, gunakan persamaan ketiga (3),
dengan cara menggantikan variabel y dengan 1500 :
x = -(2/3)y + 3500
x = -(2/3).1500 + 3500
x = -1000 + 3500
x = 2500
Dari perhitungan di atas maka diperoleh hasil nilai variabel x adalah 2500 dan
variabel y adalah 1500. Jadi Himpunan Penyelesaiannya adalah : {(2500,1500)}
Hasil ini juga menggambarkan bahwa harga setiap satu buah pulpen adalah Rp.
2500,00 dan harga setiap satu buah pencil adalah Rp. 1500,00.

2.1.4 Metode Campuran

Penyelesaian dengan metode campuran adalah cara menentukan himpunan
penyelesaian dengan menggabungkan antara metode eliminasi dan metode
substitusi. Pertama kali anda kerjakan dengan metode eliminasi :
ax +by = c X p → apx + bpy = cp
px + qy = r X a → apx + aqy = ar –
(bp-aq) y = cp – ar
y = (cp-ar)/(bp-aq)

16
 Kemudian nilai variabel y ini disubsitusikan ke dalam salah satu persamaan
sehingga diperoleh nilai variabel yang lain.
px + qy = r
px + q{(cp-ar)/(bp-aq)} = r
Disini anda akan memperoleh nilai variabel x. Jadi anda akan mendapatkan
pasangan (x,y) dengan dua metode yaitu eliminasi dan substitusi. Metode yang
digunakan terlebih dahulu sangat tergantung pada soal yang disajikan, akan tetapi
biasanya digunakan terlebih dahulu metode eliminasi baru kemudian metode
substitusi. Contoh: Tentukan penyelesaian dari :
2/x + 3/y = 5 dan 3/x – 4/y = 16
Jawab :
2/x + 3/y = 5 ………. (1)
3/x – 4/y = 16 ………. (2)
Gunakan Metode Campuran !!
Metode Eliminasi kemudian Substitusi !!
Dengan metode campuran :
Langkah pertama dengan metode eliminasi :
2/x + 3/y = 5 X 3 >> 6/x + 9/y = 15
3/x – 4/y = 16 X 2 >> 6/x – 8/y = 32 -
17/y = -17
y = -1
Untuk mencari nilai variabel x, dengan y = -1 :
Dengan metode Substitusi y = -1 ke persamaan (1) :
2/x + 3/y = 5
2/x + 3/(-1) = 5
2/x – 3 = 5
2/x = 8
x=¼
Jadi himpunan penyelesaiannya : {(1/4,-1)}

Dari keempat metode di atas anda harus cermat memilih metode mana yang
cocok untuk soal tertentu, karena setiap soal tidak mempunyai tipe yang sama.
Anda menggunakan metode grafik khusus untuk soal yang sederhana

2. Sistem Persamaan Linear Lebih Dari Dua Variabel

Seperti hal yang telah dijelaskan di bab sebelumnya bahwa sistem persamaan linear
adalah mencari solusi dari persamaan linear yang berderajat dua atau lebih. Solusi
Persamaan Linier yang dimaksud adalah sehimpunan bilangan terurut yang jika
disubtitusikan kedalam Persamaan Linier tersebut, menjadi valid. Untuk persamaan
linear berderajat dua telah kita bahas, sekarang akan kita bahas bagaimana mencari
solusi persamaan linear lebih dari derajat dua.
Bentuk umum dari sistem persamaan linear adalah :
a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2 n xn = b2
a31 x1 + a32 x2 + a33 x3 + ... + a3n xn = b3
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
an1 x1 + an 2 x2 + a n 3 x3 + ... + ann xn = bn

17
dimana:
aij untuk i=1 s/d m dan j=1 s/d n adalah koefisien atau persamaan simultan
xi untuk i=1 s/d n adalah variabel bebas pada persamaan simultan
Solusi Sistem Persamaan Linier adalah solusi setiap persamaan linier yang terdapat
dalam Sistem Persamaan Linier tersebut.
Penyelesaian persamaan linier adalah penentuan nilai xi untuk semua i=1 s/d n yang
memenuhi semua persamaan yang diberikan. Permasalahan persamaan linier simultan
merupakan permasalahan yang banyak muncul ketika berhubungan dengan
permasalahan multi-variabel dimana setiap persamaan merupakan bentuk persamaan
linier atau dengan kata lain setiap variabel berpangkat paling besar satu. Persamaan
linier simultan di atas dapat dinyatakan sebagai bentuk matrik yaitu :

Matrik A dinamakan dengan Matrik Koefisien dari persamaan linier simultan, atau ada
yang menamakan dengan matrik Jacobian. Vektor x dinamakan dengan vektor variabel
(atau vektor keadaan) dan vektor B dinamakan dengan vektor konstanta.
Augmented Matrix ( matrik perluasan ) dari persamaan linier simultan adalah matriks
yang merupakan perluasan matrik A dengan menambahkan vector B pada kolom
terakhirnya, dan dituliskan:
Augmented (A) = [A B]
Sehingga secara detail, augmented matrik dari persamaan linier simultan dapat
dituliskan:

Persamaan Linier Simultan atau Sistem Persamaan Linier mempunyai kemungkinan

solusi:

Tidak mempunyai solusi

Tepat satu solusi

Banyak solusi

Tidak ada solusi Satu Solusi Solusi Banyak

Gambar 2.2 Kemungkinan Solusi Sistem Persamaan Linear

18
2.1 Metode Eliminasi Gauss
Metode Eliminasi Gauss merupakan metode yang dikembangkan dari metode
eliminasi, yaitu menghilangkan atau mengurangi jumlah variabel sehingga dapat
diperoleh nilai dari suatu variable bebas. Untuk menggunakan metode eliminasi
Gauss ini, terlebih dahulu bentuk matrik diubah menjadi augmented matrik sebagai
berikut :
 a11 a12 ... a1n b1 
 
a21 a22 ... a2 n b2 
 ... ... ... ... ... 
 
an1 an 2 ... ann bn 
Metode eliminasi gauss, adalah suatu metode dimana bentuk matrik di atas, pada
bilangan kiri diubah menjadi matrik segitiga atas atau segitiga bawah ddengan
menggunakan OBE (Operasi Baris Elementer).
 a11 a12 a13 ... a1n b1  c11 c12 c13 ... c1n d1 
a a 22 a 23 ... a2n b2  0 c c23 ... c2 n d 2 
 21  22

a 31 a 32 a 33 ... a3 n b3  0 0 c33 ... c3n d3 

   
 ... ... ... ... ... ...   ... ... ... ... ... ... 
a n1 an2 an3 ... a nn bn   0 0 0 ... cnn d n 

Atau
 a11 a12 a13 ... a1n b1  1 0 0 ... 0 d1 
a b2  0
 21 a22 a23 ... a2 n
 1 0 ... 0 d 2 
a31 a32 a33 ... a3 n b3  0 0 1 ... 0 d3 
   
 ... ... ... ... ... ...  ... ... ... ... ... ... 
an1 an 2 an 3 ... ann bn   0 0 0 ... 1 d n 

Penyelesaian dari persamaan linier simultan diatas adalah nilai d1,d2,d3,…,dn dan
x1 = d1 , x2 = d 2 , x3 = d 3 ,...., xn = d n

Metode dasar untuk menyelesaikan Sistem Persamaan Linier adalah mengganti

sistem yang ada dengan sistem yang baru yang mempunyai himpunan solusi yang
sama dan lebih mudah untuk diselesaikan. Sistem yang baru diperoleh dengan
serangkaian step yang menerapkan
menerapkan 3 tipe operasi. Operasi ini disebut Operasi Baris
Elementer
1. Mengalikan persamaan dengan konstanta kecuali nol
2. Mempertukarkan dua baris
3. Menambahkan perkalian suatu baris pada baris lainya.

19
Sebagai contoh reduksi baris, kita selesaikan kumpulan persamaan berikut,
2x – z = 2
6x + 5y + 3z = 7
2x – y = 4

Persamaannya hubungannya dengan matriks

2x – z = 2
6x + 5y + 3z = 7
2x – y = 4
(a) Bersamaan pertama tetap;
persamaan dua dikurangi 3 kali
persamaan pertama diperoleh (a) Baris kedua dikurangi 3 kali ba
persamaan kedua baru; persamaan - ris pertama dan baris ketga
ketiga di – kurangi persamaan dikura- baris pertama
pertama di dapatkan per – samaan
ketiga yang baru
2x - z = 2
5y + 6z = 1
-y+z=2

(b). Persamaan dua dan tiga (b). Persamaan dua dan tiga
ditukar ditukar
2x - z = 2
-y + z = 2
5y + 6z = 1

(c). Persamaan tiga ditambah 5 kali (c). Tambahkan 5 kali persamaan

persa – dua ke baris tiga
maan dua didapatkan persamaan
tiga baru
2x - z = 2
-y + z = 2
11z = 11

(d). Bagi persamaan tiga dengan (d). Bagi persamaan tiga dengan
11 11
2x - z = 2
-y + z = 2
z=1

(e). Sisipkan z = 1 dalam (e). Sisipkan z = 1 dalam

persamaan dua diperoleh y = 1; persamaan dua diperoleh y = 1;
kemudian sisipkan nilai z kemudian sisipkan nilai z
dan(dalam semuanya) y dalam dan(dalam semuanya) y dalam
persamaan pertama, diperoleh 2x = persamaan pertama, diperoleh 2x =
3, x = 3/2. Solusinya adalah (x, y, 3, x = 3/2. Solusinya adalah (x, y,
z) = (3/2, 1, 1) z) = (3/2, 1, 1)

20
Contoh. Kasus empat variabel. Selesaikan susunan persamaan berikut:

R1 – R4 maksudnya baris 1 dikurangi baris 4

R2:( –1) maksudnya baris 2 dibagi dengan (–1)
R1↔R3 maksudnya baris 1 ditukar baris 3
Matriks dihubungkan dengan persamaan: x + w = 1
2y + 4z + 2w = 5
z = –1 w = 4
Dengan sisipan kembali diperoleh
2y = 5 – 4z – 2w = 5 + 4 – 8 = ½
x = 1 – w = –3
Maka solusinya adalah
(x, y, z, w) = (–3, ½, –1, 4)

21
2.2 Sistem Persamaan Linear Homogen
Sistem Persamaan Linier Homogen adalah Sistem Persamaan Linier yang semua
suku konstannya nol, sehingga bentuk umum SPL homogen, sebagai berikut:
a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = 0
a 21 x1 + a 22 x2 + a 23 x3 + ... + a2n xn = 0
a 31 x1 + a 32 x 2 + a 33 x3 + ... + a 3n xn = 0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
a n1 x1 + a n 2 x2 + a n3 x3 + ... + a nn xn = 0

karena semua suku konstan nol, maka jika dilakukan OBE tetap saja suku
konstannya nol, karena itu matrik lengkap SPL homogen sering disingkat tanpa
memasukkan kolom suku konstan. SPL homogen selalu konsisten, minimal
mempunyai solusi nol yang disebut solusi trivial. Jika terdapat solusi yang lain,
disebut solusi tak trivial. Contoh: Tentukan solusi SPL homogen berikut:

diubah ke SPL menjadi:

karena x2 dan x4 bernilai sebarang bilangan riil, maka dapat diganti dengan
parameter, misalkan, x2=t dan x4=s, sehingga solusi SPL homogen tersebut:

Kita tutup bagian ini dengan satu teorema yang penting, yaitu:
Sistem Persamaan Linier Homogen selalu mempunyai solusi tak trivial, jika
banyaknya anu lebih besar dibandingkan banyaknya persamaan.

22
C. Rangkuman

1. Sistem persamaan linear adalah dua persamaan linear atau lebih yang disajikan
bersamaan dan mempunyai satu jawaban atau solusi persekutuan.
2. Solusi Persamaan Linier yang dimaksud adalah sehimpunan bilangan terurut yang
jika disubtitusikan kedalam Persamaan Linier tersebut, menjadi valid.
3. Model matematika adalah cara mengubah bentuk penulisan dari bahasa sehari-hari
menjadi bahasa matematika.
4. Metode Penyelesaian untuk kasus dua variabel
• Metode Grafik adalah menggambar kedua persamaan garis pada satu koordinat
Cartesius.
• Metode Eliminasi adalah cara penyelesaian sistem persaman linear dengan
menghilangkan/menghapus salah satu variabel untuk mencari nilai variabel
yang lain.
• Metode substitusi adalah cara untuk menentukan penyelesaian sistem
persamaan linear dengan menggantikan suatu variabel dengan variabel yang
lainnya.
• Metode campuran adalah cara menentukan himpunan penyelesaian dengan
menggabungkan antara metode eliminasi dan metode substitusi.
5. Persamaan Linier Simultan atau Sistem Persamaan Linier mempunyai
kemungkinan solusi:
• Tidak mempunyai solusi
• Tepat satu solusi
• Banyak solusi
6. Metode Eliminasi Gauss merupakan metode yang dikembangkan dari metode
eliminasi, yaitu menghilangkan atau mengurangi jumlah variabel sehingga dapat
diperoleh nilai dari suatu variable bebas, pada bagian kiri diubah menjadi matrik
segitiga atas atau segitiga bawah dengan menggunaka Operasi Baris Elementer.
7. Operasi ini disebut Operasi Baris Elementer
• Mengalikan persamaan dengan konstanta kecuali nol
• Mempertukarkan dua baris
• Menambahkan perkalian suatu baris pada baris lainya
8. Sistem Persamaan Linier Homogen adalah Sistem Persamaan Linier yang semua
suku konstannya nol

Gambar 2.3 Bagan SPL Homogen

23
D. Tugas
Coba Jelaskan dalam sebuah tulisan untuk melukiskan ketiga diagram di bawah ini!

24
E. Evaluasi
1. Tentukan Himpunan penyelesaian dari sistem persamaan berikut :
a. 2x + y = 8 dan x - y = 1
b. 2x - 5y = 15 dan 3x + 4y = 11
c. x + 3y = 1 dan 2x - y = 9
2. Sebuah bilangan terdiri dari dua angka, penjumlahan tiga angka puluhan dan angka
satuannya adalah 27, dan selisihnya angka puluhan dann satuannya adalah 5.
Bilangan itu adalah ....
3. Suatu perusahaan garmen memproduksi dua jenis pakaian A dan B. Jumlah yang
diproduksi sebanyak 2004 potong. Jika jenis A memerlukan bahan 1,5 m per potong
dan jenis B memerlukan bahan 2 m per potong dan bahan yang tersedia sebanyak
3.508 m. Banyaknya produksi dari masing-masing jenis adalah ....
4. Keliling sebuah segitiga sama kaki adalah 20 cm. Jika panjang kedua kakinya masing-
masing ditambah 3 cm dan panjang alasnya dilipatduakan, kelilingnya menjadi 34 cm.
Ukuran panjang ketiga sisi sama kaki adalah ....
5. Carilah Solusi x,y, dan z dari persamaan di bawah ini:
x + y + 2z = 9
2 x + 4 y − 3z = 1
3x + 6 y − 5 z = 0
6. Cari penyelesaian dari sistem :
x1 – 2x2 + x3 = -5
3x1 + x2 – 2x3 = 11
-2x1 + x2 + x3 = -2
7. Cari penyelesaian dari sistem :

8. Jika mungkin, carilah jawab yang non trivial dari sistem persamaan :
x1 – 2x2 + x3 = 0
-x1 + 3x2 – 2x3 = 0
2x1 + x2 – 4x3 = 0

F. Pustaka

Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara.
Jakarta
Mahmud ’Imrona .Aljabar Linier Elementer.. 2002.STT Telkom.Bandung
Gilbert Strang, Linear Algebra and its Applications, second edition. 1980.
Budi Murtiyasa. Sistem Persamaan Linear . .2008.Universitas Muhammadiyah Surakarta
Leon , S.J. Aljabar Linear Dan Aplikasinya edisi 5 . .( 2001 ).Penerbit Erlangga. Bandung

25
 BAB III
MATRIKS

A. Tujuan Kompetensi Khusus

Apabila diberikan matriks

matriks-matriks,
matriks, mahasiswa mampu melakukan operasioperasi
aritmetika dengan tepat, dan mampu menentukan inverse matriks persegi secara efektif.

B. Uraian Materi

3.1 Definisi Matriks

Beberapa pengertian tentang matriks :
• Matriks adalah himpunan skalar (bilangan riil atau kompleks) yang disusun atau
dijajarkan secara empat persegi panjang menurut baris
baris-baris
baris dan kolom-kolom.
kolom
• Matriks adalah jajaran elemen (berupa bilangan) berbentuk empat pers persegi panjang.
• Matriks adalah suatu himpunan kuantitas
kuantitas-kuantitas
kuantitas (yang disebut elemen), disusun
dalam bentuk persegi panjang yang memuat baris
baris-baris
baris dan kolom-kolom.
kolom
Secara umum matriks dapat dilihat sebagai tabel atau kumpulan array yang dituangkan
dituangk
dalam notasi persegi panjang.

Tabel 3.1
3.1.. Contoh tabel sebagai kumpulan array

Notasi yang digunakan

, ,
Sehingga contoh pada tabel tersebut dituangkan dalam notasi matriks adalah:
 2 3 2 4 1 4 2
 
 0 3 1 4 3 2 2
 4 1 3 1 0 0 2
 
Ukuran matriks ditentukan oleh banyak baris dan banyak kolomnya. Matriks yang
mempunyai m baris dan n kolom dikatakan berukuran m x n.

26
Notasi matriks secara umum:
 a11 a12 ..... a1n  Baris ke -1
A=  
 a21 a22 .... a2 n 
 : : : :  Unsur / entri /elemen ke-mn
 
a am 2 .... amn  (baris m kolom n)
 m1

Kolom ke -2

Matrix A berukuran (ordo) m x n

m, n adalah bilangan bulat ≥ 1.
aij = elemen-elemen dari matriks (i = 1, 2.......m).. (j = 1, 2 .......n)
m  banyak baris
n  banyaknya kolom } orde matriks mxn
Misalkan A dan B adalah matriks berukuran sama, A dan B dikatakan sama (notasi A = B)
Jika aij = bij untuk setiap i dan j

3.2 Jenis-jenis Matriks

(i) MATRIKS NOL, adalah matriks yang semua elemennya nol.
0 0 0 0  Sifat-sifat :
0 0 0 0 
A+0=A, jika ukuran matriks A = ukuran matriks 0
 
A*0=0, begitu juga 0*A=0.
0 0 0 0

(ii) MATRIKS BUJURSANGKAR, adalah matriks yang jumlah baris dan jumlah
kolomnya sama, m = n. Barisan elemen a11, a22, a33, ….ann disebut diagonal utama dari
matriks bujursangkar A tersebut. Contoh : Matriks berukuran 2x2
A=
 1 4
 
 2 3
(iii) MATRIKS DIAGONAL, adalah matriks bujursangkar yang semua elemen diluar
diagonal utamanya nol. Contoh:  2 0 0 
 
 0 5 0
 0 0 3
 

(iv) MATRIKS SATUAN/IDENTITY, adalah matriks diagonal yang semua elemen

diagonalnya adalah 1. Contoh:  1 0 0 
 
 0 1 0
0 0 1
 

(v) MATRIKS SKALAR, adalah matriks diagonal yang semua elemennya sama tetapi
bukan nol atau satu.
(vi) MATRIKS SEGITIGA ATAS (UPPER TRIANGULAR), adalah matriks
bujursangkar yang semua elemen dibawah diagonal elemennya = 0.
(vii) MATRIKS SEGITIGA BAWAH (LOWER TRIANGULAR), adalah matriks
bujursangkar yang semua elemen diatas diagonal elemennya = 0.

27
(viii) MATRIKS SIMETRIS, adalah matriks bujursangkar yang elemennya simetris
secara diagonal. Dapat juga dikatakan bahwa matriks simetris adalah matriks yang
transposenya sama dengan dirinya sendiri.
(ix) MATRIKS ANTISIMETRIS, adalah matriks yang trnsposenya adalah negatif dari
matriks tersebut. Maka AT=-A dan aij=-aij, elemen diagonal utamanya = 0
Matriks Upper Lower Simetris Antisimetris
Skalar Triangular Triangular
0 1 −3 0 
4 0 0  
   1 2 0  − 1 0 4 2 
3 2 1  3 0 0
0 4 0        3 − 4 0 − 1
 0 0 4 0 4 5 1 4 0  2 3 1  
   0 0 4  6 9 4  0 1 1 0 0 
       2 1

TRANSPOSE MATRIKS
Jika diketahui suatu matriks A=aij berukuran mxn maka transpose dari A adalah matriks AT
=n xm yang didapat dari A dengan menuliskan baris ke-i dari A sebagai kolom ke-i dari
AT.
Contoh: Beberapa Sifat Matriks Transpose :
 − 4 0
(A+B)T = AT + BT
 − 4 6 3  
(AT) T = A
  , maka AT =  6 1 
 0 1 2
k(AT) = (kA)T
 3 2
 
(AB)T = BT AT

3.3 Operasi Matriks

 Penjumlahan Matriks
Syarat : Dua matriks berordo sama dapat dijumlahkan
yaitu:  a b   e f   a + e b + f  , contoh:  1 6   3 1  4 7 
  +   =     +  = 
 c d   g h  c + g d + h  3 5  4 1  7 6 
 Pengurangan Matriks
Syarat : Dua matriks berordo sama dapat dkurangkan.
yaitu: , contoh:
a b   e f   a − e b − f  1 6  3 1  − 2 5 
  −   =     −  = 
c d   g h  c − g d − h 3 5  4 1  − 1 4 
 Perkalian Matriks
Perkalian Skalar dengan Matriks
Contoh :  p q   kp kq 
k   =  
 r s   kr ks 
[ A ] = 1 2 3 ; k = -2 , maka: k [ A ] = − 2 − 4 − 6 
4 5 6  − 8 − 10 − 12
   

Perkalian Matriks dengan Matriks

Misalkan A berordo pxq dan B berordo mxn, Syarat : A X B haruslah q = m , hasil
perkalian AB , berordo pxn  p q
a b d   
A =   ,B =  r s
 e f g  ( 2 x 3)  t u
 (3 x 2)

28
  p q
a b d    ap + br + dt aq + bs + du 
A.B =  ( 2 x 3) . r s  =  
e f g  t u  ep + fr + gt eq + fs + gu  ( 2 x 2 )
 (3 x 2)

3 4
2 1 5  2
Contoh: [A] = 1 3 2  ; [B] = − 1
  2 x3  2 1 3 x 2
2 x3 + 1(−1) + 5 x 2 2 x4 + 1x 2 + 5 x1 15 15
Maka AB =   =  
1x3 + 3(−1) + 2 x 2 1x 4 + 3 x 2 + 2 x1  4 12 2 x 2

Hukum Perkalian Matriks :

Hukum Distributif, A*(B+C) = AB + AC

Hukum Assosiatif, A*(B*C) = (A*B)*C

Tidak Komutatif, A*B ≠ B*A

Jika A*B = 0, maka beberapa kemungkinan
• (i) A=0 dan B=0
• (ii) A=0 atau B=0
• (iii) A≠0 dan B≠0

Bila A*B = A*C, belum tentu B = C

ATURAN – ATURAN DALAM ILMU HITUNG MATRIKS

Dalam perkalian matriks belum tentu berlaku hukum komutatif, yaitu AB = BA walaupun
AB dan BA yang didefinisikan memiliki ukuran yang comformable. Dengan menganggap
bahwa ukuran-ukuran matriks comformable maka aturan-aturan ilmu hitung matriks
berikut adalah valid. Notasi dengan huruf besar adalah matriks dan huruf kecil adalah
skalar.
1. A + B = B + A 9. A+ 0 = 0 + A = A
2. A + (B+C) = (A+B) + C 10. A- A = 0
3. A(BC) = (AB)C 11. 0 – A = - A
4. A (B±C) = (AB ±AC) 12. AO = 0 ; 0A = 0
5. (B ± C)A = (BA ± CA)
6. a (B±C) = aB ± a C
7. (a±b) C = aC ± bC
8. a(BC) = (aB)C = B(aC)

3.4 Matriks Elementer

Sebuah matriks n x n dinamakan matriks elementer jika matriks tersebut dapat diperoleh
dari matriks satuan (identitas) n x n yakni In dengan melakukan sebuah operasi baris
elementer tunggal. Berikut ini contoh-contoh matriks elementer:

29
 1 0  1 0 0 0  1 0 3 1 0 0
(i)        
 0 − 3 0 0 0
(ii) 
1 (iii)  0 1 0  (iv)  0 1 0 
0 0 1 0 0 0 1
 
0 0 1
 
 
0 1 0 0 
Kalikan baris kedua 
dengan -3 Pertukarkan baris Tambahkan tiga Kalikan baris
kedua dan baris kali baris ketiga pertama dengan 1
keempat pada baris pertama

Jika matriks elementer E dihasilkan dengan melakukan sebuah operasi baris tertentu pada
Im dan jika hasil kali EA adalah matriks yang dihasilkan bila operasi baris yang sama ini
dilakukan pada A. Contoh berikut mengilustrasikan teorema tersebut:
 1 0 2 3 1 0 0
   
Tinjaulah Matriks: A =  2 − 1 3 6  , dan matriks elementer, E=  0 1 0 
1 4 4 0  3 0 1
   
yang dihasilkan oleh penambahan 3 kali baris pertama ke baris ketiga. Maka hasil kali EA
 1 0 2 3
 
adalah: EA =  2 − 1 3 6  ,
 4 4 10 9 
 
yang persis sama seperti matriks yang dihasilkan bila kita menambahkan 3 kali baris
pertama dari A ke baris ketiga.
Setiap matriks elementer dapat dibalik, dan inversnya adalah juga matriks elementer.

3.5 Invers Matriks

Matriks tidak bisa dibagi dengan matriks lainnya. Sebagai analogi, digunakan INVERSE
dari matriks tersebut. Apabila [A] dan [B] adalah matriks bujur sangkar, dan [A] [B] = [I]
= [B] [A], maka matriks [B] disebut inverse dari matrix [A], dan matriks [A] adalah
inverse dari matriks [B]. Selanjutnya [A] disebut matriks NON SINGULAR. Bila [A] tidak
punya inverse disebut matriks SINGULAR. Inverse dari matriks [A] biasa ditulis [A]-1
Jika baik B maupun C adalah invers matriks A, maka B = C.
Invers matriks 2 x 2
a b 
Tinjaulah matriks 2 x 2 A =   , jika ad-bc ≠ 0, maka:
c d 
 d −b 
 d − b   
 =  ad − bc ad − bc 
1
A −1 = 
ad − bc  − c a   − c a 
 
 ad − bc ad − bc 

3 1 1  2 − 1  2 − 1
Contoh: A =   , maka A −1 =  = 
5 2 3.2 − 1.5  − 5 3   − 5 3 
Invers matriks n x n
Dengan metode Eliminasi Gauss – Jordan kita dapat mentransformasikan matriks
diperbesar [ A | I ] melalului operasi baris elementer menjadi [ I | A-1]. Akan dicari inversi
dari matriks [A]nxn. Langkah-langkah yang dilakukan :
1) Ambil matriks satuan [I]nxn
2) Dengan cara operasi baris, ubahlah matriks [A] menjadi matriks satuan

30
3) Proses ke-2 juga dilakukan pada matriks [ I ], sehingga setelah proses selesai matriks [ I]
telah berubah menjadi matriks [A]-1
1 3 3
A = 1 4 3 , Tentukanlah invers matriks A tersebut??
1 3 4
LANGKAH KE-1 LANGKAH KE-2 (B2-B1)
1 3 3 1 0 0 1 3 3 1 0 0
   
1 4 3 0 1 0 0 1 0 − 1 1 0 
1 3 4 0 0 1 1 3 4 0 0 1

LANGKAH KE-3 (B3-B1) LANGKAH KE-4 (B1-3B2)

1 3 3 1 0 0 1 0 3 4 − 3 0
   
0 1 0 − 1 1 0 0 1 0 − 1 1 0
0 0 1 − 1 0 1 0 0 1 − 1 0 1

LANGKAH KE-5 (B1-3B3) Maka : [A]-1 =

1 0 0 7 − 3 − 3  7 − 3 − 3
  − 1 1 0 
0 1 0 − 1 1 0  
0 0 1 − 1 0 1   − 1 0 1 

C. Rangkuman

1. Matriks adalah suatu himpunan kuantitas-kuantitas (yang disebut elemen), disusun

dalam bentuk persegi panjang yang memuat baris-baris dan kolom-kolom.
2. Operasi Matriks
Penjumlahan
a b   e f  a+e b+ f 
  +  = 
c d  g h   c + g d + h 
Pengurangan
a b   e f   a − e b − f 
  −   =  
c d   g h  c − g d − h
Perkalian Skalar dengan matriks
 p q   kp kq 
k   =  
 r s   kr ks 
Perkalian matriks dengan matriks

 p q
a b d    ap + br + dt aq + bs + du 
A.B =  ( 2 x 3) . r s  =  
e f g  t u  ep + fr + gt eq + fs + gu  ( 2 x 2 )
 (3 x 2)

31
3. Sebuah matriks n x n dinamakan matriks elementer jika matriks tersebut dapat
diperoleh dari matriks satuan (identitas) n x n yakni In dengan melakukan sebuah
operasi baris elementer tunggal.
4. Invers Matriks Orde 2
 d −b 
 d − b   
 =  ad − bc ad − bc 
1
A −1 = 
ad − bc  − c a   − c a 
 
 ad − bc ad − bc 
5. Invers Matriks Orde 3. Langkah-langkah yang dilakukan :
• Ambil matriks satuan [I]nxn
• Dengan cara operasi baris, ubahlah matriks [A] menjadi matriks satuan
• Proses ke-2 juga dilakukan pada matriks [ I ], sehingga setelah proses selesai
matriks [ I] telah berubah menjadi matriks [A]-1

D. Tugas

Kenalilah Bahasa Pemograman Matlab dari Mathworks, kemudian cobalah berbagai

macam aplikasi dan operasi matriks dalam bahasa pemograman tersebut!

E. Soal
1. Diketahui matriks berikut ini:
 1 2 3 2 4 1 
A=   , B = 3 2 4 
4 5 1  
Tentukan:
a) A-B b) A+B

2. Tentukan Perkalian matriks (AxB) di bawah ini:

1 2  2 4 5
A=   , dan B =  2 6 1  ,
3 4   
2 0 2 3 1 0 2
   
3. Tinjaulah Matriks: A =  − 1 − 3 3 5  , dan matriks elementer, E=  0 1 0
 1 − 2 0 4 0 0 1
   
Berapakah hasil kali EA!
4. Tentukan Invers Matriks 2x2 Berikut:
 4 2
A =  
 5 3
5. Tentukan Invers Matriks 3x3 Berikut:
1 0 2 
 
A = 2 -1 3 
 4 1 8
 

F. Pustaka

Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara.
Jakarta

32
 BAB IV
DETERMINAN MATRIKS

A. Tujuan Kompetensi Khusus

Apabila diberikan matriks persegi, mahasiswa dapat menghitung determinannya. Jika

matriks tersebut matriks koefisien suatu SPL dan mempunyai inverse, mahasiswa mampu
menentukan solusi SPL dengan aturan Cramer; kemudian mampu membandingkan
efektifitas Aturan Cramer dan Metode Eliminasi Gauss-Jordan.

B. Uraian Materi

4.1 Definisi Determinan Matriks

Misalkan A matriks bujur sangkar , fungsi determinan A sering dituliskan sebagai
determinan ( disingkat det(A) atau |A| ) didefinisikan sebagai jumlah semua hasil kali
elementer bertanda dari A . Jika A berukuran nxn , maka hasil kali elementer dari matriks
A akan berbentuk : a1p1.a2p2… anpn dimana p1p2 …pn merupakan permutasi dari bilangan
– bilangan 1,2,…, n. Tanda dari a1p1 .a2p2… anpn sendiri ditentukan dari banyaknya
bilangan bulat besar yang mendahului bilangan yang lebih kecil ( banyaknya invers )
pada bilangan p1p2…pn, jika banyaknya invers adalah ganjil maka tandanya negatif ( – )
dan jika sebaliknya tandanya positif ( + ).
Permutasi himpunan bilangan – bilangan bulat {1,2,3 …,n} adalah susunan bilangan –
bilangan bulat ini menurut suatu aturan tanpa menghilangkan atau mengulangi bilangan –
bilangan tersebut. Contoh:
Ada 6 permutasi yang berbeda dari himpunan {1,2,3} yaitu {1,2,3}, {1,3,2}, {2,1,3},
{2,3,1}, {3,2,1}, {3,1,2}. Banyaknya permutasi dapat dihitung dengan factorial. Untuk
contoh soal diatas 3! = 1.2.3 = 6
Invers pada suatu permutasi (j1, j2, j3 …,jn) adalah adanya jk < ji (jk mendahului ji) padahal
ji < jk (I dan k = 1, 2, . . ., n). Contoh:
Berapa banyak invers yang terdapat pada permutasi {2, 1, 4, 3} ?
Ada 2 invers yaitu :
1. ji = 2 mendahului jk = 1, padahal 1 < 2
2. ji = 4 mendahului jk = 3, padahal 3 < 4
Contoh 1
a b
Diketahui A =   , Tentukan det(A) !
c d 
Banyaknya permutasi 1,2 ( karena A berukuran 2x2 ) = 2 yaitu 12 dan 21. Pada bilangan
12 akan didapatkan banyaknya invers = 0 sehingga tanda untuk hasil kali elementer
a11.a22 adalah (+) , sedangkan untuk hasil kali elementer a12.a21 akan bertanda (–) karena
pada bilangan 21 terdapat satu angka bulat yang mendahului angka yang lebih kecil.
Jadi det(A) = + a11.a22 - a12.a21 = ad – bc
Contoh 2
 a11 a12 a13 
, ,Tentukan det B !
B = a 21 a 22 a32 
a31 a32 a33 

33
Untuk memudahkannya akan dibuat tabel sebagai berikut :
Tabel 2: Permutasi

 a11 a12 a13  a11 a12

B = a 21 a 22 a32  a 21 a 22
a31 a32 a33  a31 a32

Jadi det B = +a11.a22.a33 a11.a23.a32 + a12.a23.a31 a12.a21.a33 + a13.a21.a32

a13.a22.a31

4.2 Sifat-sifat Determinan Matriks

1. det (A) = det ( AT )
2. Tanda determinan berubah apabila dilakukan tranformasi Penukaran Baris/
Kolom : Hij / Kij
3. Harga determinan menjadi λ kali , bila dilakukan transformasi suatu baris
λ λ
/kolom dikalikan skalar λ ; Hi( ) / Kj ( )
λ λ
4. Harga determinan tidak berubah dengan transformasi Hij( ) / Kij ( ) yaitu
menambahkan skalar λ kali baris/kolom ke-j pada baris /kolom ke- i
Catatan : Sifat yang ke 4 tersebut yang sering digunakan untuk menghitung
determinan.

4.3 Minor dan Kofaktor

Misal Matriks A berukuran (n x n) dan M ij suatu submatriks dari A dengan ukuran (n-1)
x (n-1) di mana baris ke –i dan kolom ke-j dari matriks A dihilangkan. Contoh :
 1 2 3
   1 3
A =  4 5 6  maka M 32 =   (baris 3dan kolom 2 dihilangkan )
7 8 9  4 6 
 
Minor adalah harga determinan dari submatriks Mij ,yaitu Mij 
Kofaktor adalah (-1 ) I + j Mij , suatu bentuk scalar.
Teorema Laplace :
Determinan dari suatu matriks = jumlah perkalian elemen-elemen dari sebarang baris /
kolom dengan kofaktor-kofaktornya.
Dengan Perkataan Lain :
n
A= ∑a
j =1
ij Aij = ai1 Ai1 + ai2 Ai2 + ….ain Ain

dengan i sebarang disebut uraian baris ke-i

n
A= ∑a
j =1
ij Aij = a1j A1j + a2j A2j + ….anj Anj

dengan j sebarang disebut uraian kolom ke-j. Contoh :

34
 + 2 1 5 7
 
− 0 1 3 4
Hitung determinan matriks A = + 0 0 3 2
 
0 0 2 2 
− 
Pilih kolom 1 :
1 3 4 1 5 7 1 5 7 1 5 7
A= + 2 0 3 2 - 0 0 3 2 -0 1 3 4 -0 1 3 4
0 2 2 0 2 2 0 2 2 0 3 2
3 2
A= ( +2 ) ( +1) = 2 ( 3.2 – 2.2 ) = 2( 6 – 4 ) = 4
2 2
Menghitung Determinan dengan Pertolongan Sifat-Sifat Determinan.
Dengan menggunakan sifat determinan yang ke –4 yaitu
Hij(λ) / Kij (λ) , langkah –langkah menentukan rank matriks sehingga diperoleh elemen nol
dalam baris / kolom yang maksimal dan teorema Laplace . Contoh :
1 2 3 4
 
5 6 7 8
Hitung determinan matriks A = 
9 10 11 12 
 
13 14 15 15 
 
Lakukan Transformasi H21(-5) , H31(-9) , H41(-13) sehingga diperoleh matriks :
1 2 3 4 
 
 0 − 4 − 8 − 12 
 0 − 8 − 16 − 24 
 
 0 − 12 − 24 − 36 
 
ke tiga baris berkelipatan sehingga dengan transformasi
H32(-2) , H42(-3) sehingga diperoleh matriks :
1 2 3 4 
 
 0 − 4 − 8 − 12 
0 0 0 0 
 
0 0 0 
 0
sehingga apabila dipilih baris 3 atau 4 maka harga determinan A = 0
Definisi :
Jika A adalah sebarang matrik n x n dan Cij adalah kofaktor aij, maka matrik
C11 C12 C13 ... C1n 
C 
 21 C 22 C 23 ... C 2 n 
 . . . ... .  disebut matrik kofaktor A.
 
 . . . . . 
C n1 C n 2 C n 3 ... C nn 

Transpose matrik ini disebut Adjoin A dan sinyatakan dengan adj(A).

35
 −1
1
Jika A adalah matrik yang dapat dibalik, maka : A = adj(A)
det( A)
Langkah-langkah :
 Hitung |A| ≠ 0
 Cari matrik adjoint dengan terlebih dahulu menentukan matrik kofaktor.
 Matrik adjoint merupakan matrik transpose dari matrik kofaktor.
Matrik invers diperoleh dengan mengkalikan matrik adjoint dengan seper-determinan
Contoh: Hitung invers dari matriks:
1 0 0 
C=  
 2 3 5
4 1 3

Maka kofaktor dari kesembilan elemen dari C adalah :

3 5 1 0 
C11* = (-1)1+1.M11 = 1.   =4 C22* = (-1)2+2.M22 = 1.   =3
1 3  4 3
1 0 
C12* = (-1)1+2.M12 = -1. 2 5 = 14 C23* = (-1)2+3.M23 = -1.   = -1
4 3
   4 1 
1 0 
C13* = (-1)1+3.M13 = 1. 2 3 = -10 C32* = (-1)3+2.M32 = -1.   = -5
 4 1
   2 3
1 0 
C21* = (-1)2+1.M21 = -1. 
0 0
=0 C33* = (-1)3+3.M33 = 1.   =3
1 3
  2 5 

 4 0 0
 14 3 − 5
Sehingga didapat Adj (C) = 
− 10 − 1 3 

C =4
 4 0 0  1 0 0 
-1 
Jadi C = ¼ 14  
3 − 5 =  7 / 2 3 / 4 − 5 / 4

− 10 − 1 3  − 5 / 2 − 1 / 4 3 / 4 

4.4 Reduksi Baris

Untuk menentukan nilai determinan dengan menggunakan OBE, dilakukan melalui matriks
segitiga atas. Hal itu karena nilai determinan matriks segitiga atas sudah diketahui.
Langkah-langkah menentukan determinan suatu matriks dengan OBE
1. Tulis matriks kuadrat A
2. Rubah matriks A ke A* suatu matriks segitiga atas, dg OBE-3
3. Tentukan det(A*) = [ aij ]
4. Tulis det(A) = det(A*)
Metode ini penting untuk menghindari perhitungan panjang yang terlibat dalam penerapan
definisi determinan secara langsung.
36
Theorema :
Jika A adalah matrik segitiga n x n, maka det(A) adalah hasil kali elemen – elemen pada
diagonal utama, yaitu , det(A) = a11.a22.a33 .. ann
2 7 −3 8 3
0 −3 7 5 1
Contoh 4.4 : 0 0 6 7 6 = (2) (-3) (6) (9) (4) = -1296
0 0 0 9 8
0 0 0 0 4
0 1 5
Hitung det(A) dimana A = 3 − 6 9
2 6 1
Jawab :
3 −6 9
Baris I ditukar dengan baris II ( H21), sehingga menjadi = - 0 1 5
2 6 1
1 −2 3 1 −2 3
= -3 0 1 5 ⇒ H31 (-2)
⇒ =-3 0 1 5 ⇒ H32(-10) ⇒
2 6 1 0 10 −5
1 −2 3 1 −2 3
=-3 0 1 5 = (-3) (-55) 0 1 5 = (-3) (-55) (1) = 165
0 0 − 55 0 0 1
Metode reduksi baris ini sangat sesuai untuk menghitung determinan dengan menggunakan
komputer karena metode tersebut sistematis dan mudah diprogramkan.

4.5 Aturan Cramer

Theorema
Jika AX = B adalah sistem yang terdiri dari n persamaan linier dalam n bilangan tak
diketahui sehingga det(A) ≠ 0, maka system tesebut mempunyai pemecahan unik.
Pemecahan ini adalah :
det( A1 ) det( A2 ) det( An )
x1 = , x2 = , … , xn =
det( A) det( A) det( A)
dimana Aj adalah matrik yang didaptkan dengan mengantikan elemen- elemen dalam
b 
b 
kolom ke j dari A dengan elemen matrik B =  
2

.
 
bn 
Gunakan aturan Cramer untuk memecahkan
x1 + + 2x3 = 6
-3x1 + 4x2 + 6x3 = 30
-x1 - 2x2 + 3x3 = 8

37
Jawab :
1 0 2
A= − 3 40 6 ,
 − 1 − 2 3
6 0 2 1 6 2 1 0 6
A1= 30 4 6 , A2= − 3 30 6 , A =
  3
− 3 4 30
 
 8 − 2 3  − 1 8 3  − 1 − 2 3 
Maka
det( A1 ) − 40 − 10
x1 = = = ,
det( A) 44 11
det( A2 ) 72 18
x2 = = = ,
det( A) 44 11
det( A3 ) 152 38
x3 = = =
det( A) 44 11

C. Rangkuman
1. Awal dari adanya determinan berdasarkan konsep permutasi. Permutasi himpunan
bilangan – bilangan bulat {1,2,3 …,n} adalah susunan bilangan – bilangan bulat ini
menurut suatu aturan tanpa menghilangkan atau mengulangi bilangan – bilangan
tersebut.
2. Minor adalah harga determinan dari submatriks Mij ,yaitu Mij 
3. Kofaktor adalah (-1 ) I + j Mij , suatu bentuk scalar.
4. Matrik adjoint merupakan matrik transpose dari matrik kofaktor.
5. Matrik invers diperoleh dengan mengkalikan matrik adjoint dengan seper-
determinan
6. Langkah-langkah menentukan determinan suatu matriks dengan OBE
a. Tulis matriks kuadrat A
b. Rubah matriks A ke A* suatu matriks segitiga atas, dg OBE-3
c. Tentukan det(A*) = [ aij ]
d. Tulis det(A) = det(A*)
7. Aturan Cramer yaitu jika AX = B adalah sistem yang terdiri dari n persamaan
linier dalam n bilangan tak diketahui sehingga det(A) ≠ 0, maka system tesebut
mempunyai pemecahan unik. Pemecahan ini adalah :
det( A1 ) det( A2 ) det( An )
x1 = , x2 = , … , xn =
det( A) det( A) det( A)

D. Tugas

Buatlah software menentukan determinan matriks dengan aturan cramer dengan

menggunakan Matlab

38
E. Evaluasi
1. Tentukan determinan matriks berikut:
3 0 0 1
0 1 0 2

2 3 2 3
 
4 2 0 2

2. Nilai x yang memenuhi persamaan..

x x 2 −1
= , adalah..
4 x 2 3
3. Tentukan determinan dan invers matriks 3 x 3 berikut ini dengan menggunakan minor
kofaktor
1 2 2
A = 2 1 1 
3 3 2
4. Gunakan aturan Cramer untuk memecahkan sistem persamaan linear berikut:
2 x1 + x2 + 3 x3 = 6
2 x2 − x3 = 3
x1 + x2 + x3 = 5

F. Pustaka
Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit
Interaksara. Jakarta

39
 BAB V
VEKTOR

A. Tujuan Kompetensi Khusus

• Mahasiswa mampu melakukan operasi-operasi vektor pada bidang dan ruang (ruang
vektor Euclid R2 dan R3) baik secara aljabar maupun geometris.
• Jika diberikan garis dan bidang, mahasiswa mampu menentukan persamaan vektornya

B. Uraian Materi
Di dalam fisika dikenal besaran skalar dan besaran vektor. Beberapa besaran fisis cukup
dinyatakan dalam besaran skalar. Tetapi banyak besaran-besaran fisis lainnya yang perlu
dinyatakan dalam besaran vektor. Jika anda ingin mengetahui berapa temperatur udara di
luar, informasi yang anda butuhkan hanyalah sebuah bilangan dan satuannya, misalkan
300C. Besaran inilah yang dinamakan besaran skalar. Besaran skalar adalah besaran yang
hanya mempunya nilai. Contoh lain besaran skalar adalah massa dan waktu.
Sedangkan besaran vektor adalah besaran yang selain mempunyai nilai juga mempunyai
arah. Jika anda ingin mengetahui kecepatan angin saat ini, informasi yang perlu anda
ketahui selain laju (besar kecepatan) angin adalah arah angin tersebut. Oleh sebab itu
kecepatan merupakan besaran vektor. Contoh lain besaran vektor adalah perpindahan dan
gaya. Besaran-besaran skalar dapat dihitung dengan aljabar biasa. Tetapi berhitung
dengan besaran vektor membutuhkan aljabar vektor yang sedikit lebih rumit. Gambaran
sederhana mengenai penjumlahan vektor adalah dengan menganggap vektor seperti
keranjang buat. Jika anda menambahkan buat di dalam keranjang tersebut, setiap
komponennya akan bertambah secara terpisah. Misalkan keranjang A berisi 2 buah apel, 3
buah jeruk, dan sebuah pisang. Keranjang B berisi 5 buah jeruk dan sebuah mangga. Maka
jika A+B hasilnya adalah 2 buah apel, 8 buah jeruk, sebuah pisang dan sebuah mangga.
Berikut ini akan dibahas sifat-siafta dan perhitungan-perhitungan dalam besaran vektor.
Pada umumnya vektor digambarkan dengan anak panah. Panjang anak panah tersebut
menyatakan besar vektor. Di dalam buku ini, vektor dituliskan dengan huruf besar dan
tebal, misalnya A. Sedangkan besar sebuah vektor (A) dinyatakan dengan huruf besar biasa
A atau |A|. Besar vektor selalu mempunyai harga positif.
5.1 Persamaan dua buah vektor
Dua buah vektor A dan B dinyatakan sama jika dan hanya jika keduanya mempunyai besar
dan arah yang sama. Contohnya keempat vektor di dalam gambar 4.1 dapat dikatakan sama
walaupun titik awal tiap vektor berbeda, tetapi besar dan arah keempat vektor tersebut
sama.

Gambar 5-1. Empat buah vektor yang dikatakan sama

40
4.1.1 Penjumlahan Vektor
Aritmatika sederhana dapat digunakan untuk penjumlahan vektor juga arah vektor-vektor
tersebut sama. Tetapi bagaimana jika vektor-vektor tersebutberbeda arah? Sebuah mobil
yang berjalan 10 km ke arah utara kemudian dilanjutkan 4 km ke arah barat tidak
mempunyai perpindahan sebesar 14 km dari titik awal geraknya walaupun mobil tersebut
telah bergerak total sebesar 14 km. Menggunakan diagram vektor merupakan cara paling
sesuai untuk menentukan perpindahan ini. Prosedurnya adalah dengan menggambarkan
vektor perpindahan pertama (A) dan kedua (B), kemudian menghubungkan titik awal dan
titik akhirnya menjadi sebuah vektor resultan R seperti pada gambar 3-2. Maka
perpindahan total R adalah 10,8 km dengan arah 220 dari utara.
B

R A

Gambar 5-2. Perpindahan A 10 km ke utara dan B 4 km ke barat menghasilkan

perpindahan total R
Aturan umum penjumlahan vektor dapat dilihat pada gambar 3-3. Hasil penjumlahan
vektor biasa disebut dengan resultan. Cara yang sama juga berlaku untuk penjumlahan
beberapa buah vektor seperti ditunjukkan pada gambar 3.4.

A + B = A = R
R

Gambar 5-3. Penjumlah 2 buah vektor menghasilkan resultan R

R
1.
A D R
D =
A C B
C
B

C
C
R
2. = R
B
D

A
Gambar 5-4. Penjumlahan 4 buah vektor menghasilkan resultan. Urutan vektor di
dalam penjumlahan tidak mempengaruhi hasil resultan baik arah maupun besarnya.

41
Gambar 5-4 memperlihatkan bagaimana 4 buah vektor dengan arah dan besar yang
berbeda dijumlahkan bersamaan. Tampak bahwa urutan vektor tidak mempengaruhi hasil
akhir (resultan). Sehingga dapat disimpulkan bahwa:
A+B=B+A
Persamaan diatas dikenal dengan sifat komutatif penjumlahan. Perlu diingat bahwa A + B
= C tidak sama dengan A + B = C. Persamaan pertama adalah penjumlahan vektor yang
perlu dilakukan dengan hati-hati, sedangkan persamaan kedua adalah penjumlahan
bilangan biasa yang dapat dilakukan dengan aritmatika biasa.
Sifat lain dari penjumlahan vektor adalah sifat asosiatif seperti ditunjukkan pada gambar 3-
5 dan dapat dituliskan sebagai:
A + (B + C) = (A + B) + C

C C
(A + B) + C
A + (B + C)
B+C (A + B)
B B
A A
Gambar 5-5. Sifat asosiatif penjumlahan vektor
Vektor negatif
Negatif dari vektor A adalah sebuah vektor yang jika ditambahkan dengan A akan
menghasilkan nol. Secara matematis dapat dituliskan A + (-A) = 0. Vektor A dan –A
mempunyai besar yang sama tetapi berlawanan arah.

5.1.2 Pengurangan vektor

Operasi pengurangan vektor ini akan menggunakan definisi vektor negatif. Operasi A – B
dapat didefinisikan sebagai vektor A ditambah dengan –B:
A – B = A + (– B)
Pengurangan dua vektor ini dapat digambarkan seperti pada gambar berikut ini.

-B
A B A -B A A-B
- = + = =
A-B

Gambar 5-6. Pengurangan vektor

5.1.3 Perkalian vektor dengan skalar

Vektor A jika dikalikan dengan besaran skalar positif m akan menghasilkan sebuah vektor
mA yang mempunyai arah yang sama dengan A dan mempunyai besar mA. Jika vektor A
ini dikalikan dengan besaran skalar negatif –m, maka -mA yang dihasilkan akan
mempunyai arah berlawanan dengan A. Sebagai contoh, vektor 5A mempunyai panjang 5
kali A dengan arah yang sama dengan A, sedangkan vektor -2A mempunyai panjang 2 kali
vektor A dengan arah berlawan dengan A.

42
5.1.4 Penguraian vektor dan komponen vektor
Penjumlahan vektor dengan menggunakan grafik seperti pada pembahasan di atas tidak
direkomendasikan jika diinginkan akurasi yang tinggi atau untuk memecahkan persoalan
tiga dimensi. Pada bab ini akan dijelaskan metoda penjumlahan vektor menggunakan
proyeksi vektor sepanjang sumbu-sumbu koordinat. Proyeksi-proyeksi ini dinamakan
komponen vektor. Semua vektor dapat dinyatakan dalam komponen-komponen vektor.
Andaikan sebuah vektor A berada pada bidang xy dengan membuat sudut θ terhadap
sumbu x positif seperti terlihat pada gambar 3-7a. Vektor A ini dapat diuraikan menjadi 2
buah vektor Ax dan Ay. Dari gambar 3-7b dapat dilihat bahwa A = Ax + Ay.
y y
A A

Ay Ay

θ x x
0 Ax 0 Ax
(a) (b)
Gambar 5-7. (a) Vektor A pada bidang -xy yang dinyatakan dengan komponen-
komponen vektor. (b) Komponen vektor Ay dapat dipindahkan sehingga membentuk
penjumlahan vektor.
Komponen Ax adalah proyeksi A sepanjang sumbu-x, dan komponen Ay adalah proyeksi A
terhadap sumbu-y. Komponen-komponen ini dapat bernilai positif atau negatif. Komponen
Ax akan positif jika Ax berada pada sumbu-x positif dan akan bernilai negatif jika Ax
berada pada sumbu-x negatif. Dari gambar 4-7 dapat dituliskan:
A x = A cos θ
A y = A sin θ
Besar dan arah A dapat dinyatakan pula dalam komponen-komponennya, yaitu:
A= A x 2 + Ay 2
 Ay 
θ = tan −1 
 Ax 
 
Perlu diperhatikan bahwa tanda dari komponen Ax dan Ay bergantung pada sudut θ.
Misalkan θ = 1200, maka Ax negatif dan Ay positif. Tanda dari komponen-komponen ini
dapat dilihat pada gambar di bawah ini.

y
Ax (-) Ax (+)
Ay (+) Ay (+)
x
Ax (-) Ax (+)
Ay (-) Ay (-)
Gambar 5-8. Tanda komponen vektor bergantung pada kuadran di mana vektor tersebut
berada.
5.1.5 Vektor satuan
Vektor satuan adalah vektor yang mempunyai nilai 1 dan arahnya sama dengan arah
sumbu koordinat. Pada umumnya digunakan simbol i,j,dan k, untuk menyatakan vektor
satuan dalam arah x,y, dan z positif. Vektor-vektor satuan ini saling tegak lurus seperti
terlihat pada gambar 3-9a. Besar tiap vektor satuan ini adalah 1 sehingga dapat dituliskan
|i|=|j|=|k|=1.
43
 (a) (b)
Gambar 5-9. (a) Vektor satuan pada sumbu koordinat. (b) Vektor A pada bidang-xy.
Perhatikan gambar 4-9b dimana vektor A mempunyai komponen dalam sumbu-x dan y.
Besarnya komponen vektor tersebut adalah |Ax| dan |Ay|. Sehingga vektor A ini dapat
dituliskan dengan menggunakan vektor satuan sebagai:
A = Ax i + Ay j
Seandainya kita ingin menjumlahkan vektor A diatas dengan vektor B, dimana vektor B
mempunyai komponen Bx dan By, maka yang perlu dilakukan adalah menjumlahkan
komponen x dan y secara terpisah. Vektor resultan R = A + B dapat dituliskan sebagai:
R = (Ax i + Ay j) + (Bx i + By j)
atau
R = (Ax + Bx)i+ (Ay + By )j
Karena R dapat dituliskan sebagai R = Rx i + Ry j , maka didapat:
R x = Ax + B x
R y = Ay + B y

Gambar 5-10. Penjumlahan 2 vektor menggunakan metoda komponen vektor.

Penjumlahan komponen ini dapat dilihat pada gambar 4-10. Besar vektor R dapat dihitung
menggunakan hubungan:
R = Rx 2 + Ry 2 = (Ax (
+ Bx )2 + Ay + B y 2 )
Sedangkan besar sudut antara vektor R dengan sumbu-x adalah:
Ry Ay + B y
tan θ = =
Rx Ax + B x
Jika vektor A dan B mempunyai komponen x,y,dan z, maka vektor tersebut dapat
dituliskan sebagai:
A = Ax i + Ay j + Az k
B = Bx i + By j + Bz k
Sehingga vektor resultannya adalah:
R = (Ax + Bx)i+ (Ay + By )j + (Az + Bz) k
Besar resultan ini adalah:
R = R x 2 + R y 2 + Rz 2 = (Ax ( )
+ Bx )2 + Ay + B y 2 + (Az + B z )2 (3-16)

44
Sedangkan sudut antara vektor R dengan sumbu-x adalah:
Rx
cos θ x =
Ry

Contoh soal
Tentukanlah resultan penjumlahan 2 vektor A dan B yang berada di bidang-xy dimana A =
(2,0i+2,0j) m dan B = (2,0i-4,0j) m

Penyelesaian:
R = A + B = (2,0i+2,0j) m + (2,0i-4,0j) m = (4,0i-2,0j) m
Rx = 4,0 m dan Ry = -2,0 m

Besar vektor R:
R = R x 2 + R y 2 = ( 4,0m ) 2 + ( −2,0m ) 2 = 20m = 4,5m
Arah vektor R:
Ry − 2,0m
tan θ = = = −0,50  θ = 3330
Rx 4,0m

5.2 Hasil kali titik dan Hasil Kali Silang

Dua macam perkalian vektor, yaitu perkalian skalar (titik) dan perkalian vektor (silang)
akan dibahas pada bab berikut ini.
5.2.1. Perkalian skalar (titik) (Hasil kali titik)
Perkalian skalar akan menghasilkan suatu skalar. Perkalian skalar dua buah vektor A dan B
didefinisikan sebagai berikut:
A • B = AB cos θ = |A| |B| cos θ
Dimana θ adalah sudut antara vektor A dan B seperti dilukiskan pada gambar berikut ini.
Vektor A dan B dilukiskan mempunyai titik awal yang sama.

B
θ

Gambar 5-11. Perkalian skalar dua buah A vektor.

Harga bilangan ini dapat berharga positif atau negatif bergantung pada besar θ.
( + ) jika 0 ≤ θ < 90

AB cos θ = ( − ) jika 90 < θ ≤ 180
 0 jika θ = 90

Oleh sebab itu dapat dituliskan sifat-sifat perkalian titik diantara sesama vektor satuan,
yaitu:
i • i = j • j = k • k = (1) (1) cos 0 = 1
i • j = i • k = j • k = (1) (1) cos 90 = 0
Jika komponen-komponen vektor A dan B diketahui, maka perkalian skalar dapat dengan
mudah dihitung. Cara menghitung yang paling mudah adalah menggunakan vektor satuan
seperti yang dibahas pada bab 2.4.
A • B = (Ax i + Ay j + Az k) • (Bx i + By j + Bz k)
= Ax i • Bx i + Ax i • By j + Ax i • Bz k + Ay j • Bx i + Ay j • By j + Ay j • Bz k + Az k •
Bx i + Az k • By j + Az k • Bz k
A • B = Ax Bx + Ay By + Az Bz

45
 Contoh soal
Hitunglah sudut antara dua buah vektor berikut:
A = 2i+3j+4k B = i-2j+3k

Penyelesaian:
Dari persamaan 2-18 dapat dituliskan
cos θ = (A • B )/AB = (Ax Bx + Ay By + Az Bz)/AB
Ax Bx + Ay By + Az Bz = (2)(1)+(3)(-2)+(4)(3) = 8
A= 22 + 32 + 42 = 29 B = 12 + ( −2) 2 + 3 2 = 14
8
cos θ = = 0,397  θ = 66,6
0

29 14

Sifat-sifat hasil kali titik:

1. A••B= B••A
2. A••(B+C)= A••B+ A••C
3. m(A••B) = (mA)••B= A••(mB)= (A••B)m
4. i••i = j••j = k••k = 1, i••j = j••k = k A = A1i+A2j+A3k i = 0.
5. Jika A = A1i+A2j+A3k dan B = B1i+B2j+B3k, maka
A•B = A1B1+A2B2+A3B3
A••A = A2 = A12 + A22 + A32
B••B = B2 = B12 + B22 + B32
6. Jika A••B = 0 dan A dan B bukan vektor nol maka A dan B saling tegak lurus.

5.2.2 Hasil Kali Silang

Hasil kali silang (cross product) dari vektor A dan B didefinisikan dengan
AxB = AB sin θ, 0 ≤ θ ≤ π, dimana u adalah vektor satuan dengan arah tegak lurus pada
bidang yang memuat A dan B sedemikian hingga A, B, dan AxB membentuk sebuah
“sistem tangan kanan”:
Sifat-sifat hasil kali silang
1. AxB = -BxA
2. Ax(B+C) = AxB + AxC
3. m(AxB) = (mA)xB = Ax(mB) = (AxB)m
4. ixi = jxj = kxk = 0, ixj = k, jxk = i, kxi = j

5. Jika A = A1i+A2j+A3k dan B = B1i+B2j+B3k maka

i j k
AxB = A1 A2 A3
B1 B2 B3
6. Besarnya AxB sama dengan luas jajaran genjang dengan sisi-sisi A dan B.
7. Jika AxB=0 dan A dan B bukan vektor nol maka A dan B sejajar.
8. Misal A, B, dan C vektor-vektor dengan
A = A1i+A2j+A3k, B = B1i+B2j+B3k, dan C = C1i+C2j+C3k, maka
A1 A2 A3
A••(BxC)= B1 B2 B3 .
C1 C 2 C3

46
Hasil kali A•(BxC) disebut hasil kali tripel skalar atau hasil kali kotak dari A, B dan C,
dan ditulis dengan [ABC]. Hasil kali Ax(BxC) disebut hasil kali tripel vektor dari A, B
dan C.
Hukum-hukum
hukum yang berlaku
1. A••(BxC) = B••(CxA) = C•
C•(AxB)
2. Ax(BxC) = (A••C)B - (A••B)C
3. (AxB)xC = (A••C)B - (B••C)A
Perhatikan bahwa
4. (A••B)C ≠A(B••C)
5. Ax(BxC) ≠ (AxB)xC

5.3 Persamaan Bidang

Bidang merupakan suatu permukaan datar. Untuk membentuk suatu persamaan garis
dibutuhkan 2 titik, sedangkan untuk membentuk persamaan bidang dibutuhkan 3 titik atau
satu titik dan vektor normal dari bidang tersebut.
Jika terdapat satu bidang yang melalui
titik P (xP,yP,zP) dan memiliki vektor
normal n = (a,b,c), maka bila ingin
mencari
encari persamaan dari bidang tersebut
diperlukan suatu titik sembarang Q(x,y,z)
yang terletak pada bidang tersebut.
Dari definisi bahwa vektor normal tegak
lurus terhadap bidang, maka:
QP.n = 0

Contoh :
Tentukan persamaan bidang yang melalui titik (1,2,1) dan memiliki vektor normal (-1,2,3).
(
Jawab :
Langsung digunakan persamaan umum dengan mensubstitusi vektor normal :
− x + 2 y + 3z + d = 0
Untuk mencari nilai d, dilakukan substitusi titik (1,2,1) ke persamaan, karena titik tersebut
terletak di bidang. Maka : −1 + 2(2) + 3(1) + d = 0 , d = 6
Jadi persamaan bidang yang dicari adalah : − x + 2 y + 3 z + 6 = 0

5.4 Jarak titik terhadap bidang

Vektor normal n pada bidang ax + by + cz+ d = 0 dapat ditulis sebagai (a,b,c). Titik
A(xA, yA) berada di luar bidang, sedangkan sembarang titik P(x,y,z)
P(x,y,z) pada bidang, sehingga

axA + byA + czA − (ax + by + cz ) = D a 2 + b 2 + c 2

axA + byA + czA + d
D =
a2 + b2 + c2

47
Persamaan yang digunakan untuk mencari jarak suatu titik ke bidang yang telah diketahui
persamaannya. Contoh :
Tentukan jarak titik (2,1,1) ke suatu bidang dengan persamaan 3x – y – 2z + 5 = 0
Jawab :
Gunakan persamaan :
3x − y − 2 z + 5 3.2 − 1.1 − 2.1 + 5 8 4
D= = = = 14
3 +1 + 2
2 2 2
14 14 7

C. Rangkuman

1. Besaran vektor adalah besaran yang selain mempunyai nilai juga mempunyai arah
2. Besar dan arah A dapat dinyatakan pula dalam komponen-komponennya,
komponen komponennya, yaitu:
A= A x 2 + Ay 2
3. Vektor satuan adalah vektor yang mempunyai nilai 1 dan arahnya sama dengan arah
sumbu koordinat.
4. Perkalian skalar dua buah vektor A dan B didefinisikan sebagai berikut:
A • B = AB cos θ = |A| |B| cos θ
i j k
5. Hasil kali silang: AxB = A1 A2 A3
B1 B2 B3
6. Rumus Persamaan Bidang, QP.n = 0 =

7. Jarak titik terhadap bidang:

axA + byA + czA + d
D =
a2 + b2 + c2

D. Tugas
1. Nyatakan vektor AB pada gambar dalam bentuk komponen (matriks) !

A
3

1 B

2 4
sisi sisi sebuah segitiga dan α adalah
2. Buktikan bahwa jika a, b dan c adalah panjang sisi-sisi
sudut yang berhadapan dengan sisi dengan panjang a, maka a 2 = b 2 + c 2 − 2bc cosα .

3. Tunjukkan bahwa vektor yang melalui titik-titik titik (2,2,3) dan (4,3,2) sejajar dengan
vektor-vektor
vektor yang melalui titik (5,3,-2,)
(5,3, dan titik (9,5,-4).

48
E. Evaluasi

1. Sebutkan empat buah besaran skalar !

2. Sebutkan empat buah besaran vektor !
3. Tentukan komponen vektor AB jika titik A(2,4,3) dan B(1,-5,2), kemudian tulislah
vektor AB dalam satuan i, j dan k.
4. Diketahui dua buah vector yang dinyatakan dalam bentuk sebagai berikut :
a = 3i + j + 2k dan b = i − 2 j − 4k
Tentukan:
a. Panjang vektor a atau a
b. Vektor satuan b
c. Panjang proyeksi a pada b
d. Vektor proyeksi b pada a
e. Perkalian titik antara dua vektor a dan b ( a . b )
f. Perkalian silang antara dua vektor a dan b ( a x b )
5. Diketahui titik A (-1,1,2) dan B (-2,-1,1)
a. Hitunglah a dan b
b. Hitung besar sudut AOB
c. Tunjukkan bahwa ∆AOB sama sisi

F Pustaka

PAUL CALTER, 1979, Theory and Problems of Technical Mathematics, Schaum’s outline,
Mc-GRAW.HILL BOOK COMPANY
Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara.
Jakarta

49
 BAB VI
RUANG VEKTOR

A. Tujuan Kompetensi Khusus

• Berdasarkan pemahaman operasi vektor di R2 dan R3, mahasiswa mampu membuat
generalisasi dari ruang vektor Euclid ke ruang vektor umum.
• Jika diberikan ruang vektor, mahasiswa mampu mengkonstruksi subruang,dan
menentukan apakah suatu sub himpunan dengan syarat keanggotaan tertentu
merupakan subruang.
• Jika diberikan ruang vektor berhingga dan himpunan vektor-vektor, mahasiswa
mampu mengkonstruksi suatu basis ruang vektor tersebut dan menentukan
dimensinya.

B. Uraian Materi

6.1 Ruang Vektor Umum

Misalkan V sebarang himpunan benda yang dua operasinya kita definisikan yaitu
penjumlahan dan perkalian dengan skalar (bilangan riil). Penjumlahan tersebut kita
pahami untuk mengasosiasikan sebuah aturan dengan setiap pasang benda u dan v dalam
V, yang mengandung elemen u + v, yang kita namakan jumlah u dan v, dengan perkalian
skalar kita artikan setiap benda u pada V yang mengandung elemen ku, yang dinamakan
perkalian skalar u oleh k. Jika semua aksioma berikut dipenuhi oleh semua benda u, v, w
pada V dan oleh semua skalar k dan l, maka kita namakan V sebuah ruang vektor dan
benda – benda pada V kita namakan vektor :
(1). Jika u dan v adalah benda – benda pada V kita namakan vektor
(2). u+v=v+u
(3). u + (v + w) = (u + v) + w
(4). Ada vektor 0 di V sehingga 0 + u = u + 0 = u untuk semua u di V
(5). Untuk setiap u di V, terdapat –u sehingga u + (-u) = (-u) + u = 0
(6). Jika k adalah sebarang skalar dan u adalah sebarang vektor di V, maka ku berada di
V
(7). k(u + v )= ku + kv
(8). (k + l)u = ku + lu
(9). k(lu) = l(ku)
(10). 1u = u

Contoh soal :
1. Tunjukkan bahwa kumpulan matrik 2 x 2 dengan komponen riel adalah sebuah
ruang vektor jika berlaku penjumlahan dan perkalian skalar.
Jawab :
Dalam kasus ini mungkin akan lebih mudah bila dibuktikan dengan aksioma yang
urutannya sebagai berikut : 1, 6, 2, 3, 7, 8, 9, 4, 5 dan 10
Misalkan :
u u  dan v v 
u =  11 12  v =  11 12 
u21 u22  v21 v22 
• Untuk membuktikan bahwa matrik memenuhi aksioma 1, maka u + v di dalam ruang
V atau merupakan matrik 2 x 2

50
 u + v u12 + v12 
u + v =  11 11 
u 21 + v 21 u 22 + v 22 
• Demikian juga dengan aksioma 6, untuk semua bilangan riel k :
 ku ku12 
ku =  11  , ku juga merupakan matrik 2 x 2, maka ku di dalam V
ku 21 ku 22 
• Aksioma 2, 3 merupakan konsekuesi dari aksioma 1, sedangkan aksioma 7, 8 dan 9
terpenuhi karena aksioma 6.
• Untuk membuktikan aksioma 4, harus dapat ditemukan objek 0 di dalam ruang V,
• Sedangkan untuk aksioma 5, harus dapat ditemukan –u untuk setiap u yang ada di
dalam ruang vektor V sehingga –u + u = 0

2. Misal V = R2 dan operasi penjumlahan serta perkalian dari u = (u1,u2) dan v =

(v1,v2) adalah sebagai berikut:
u + v = (u1+v1, u2+v2) dan bila k adalah elemen bilangan riel, maka ku =(ku1,0)
Tentukan apakah V adalah ruang vektor ?
Jawab :
• Operasi penjumlahan dalam ruang ini adalah standar penjumlahan sehingga pasti
memenuhi aksioma yang mengandung penjumlahan yaitu aksioma 1 s/d 5.
• Sedangkan untuk perkalian, operasi ini tidak standar sehingga tidak memenuhi
aksioma yang mengandung perkalian terutama aksioma 10 : 1.u= 1.(u1,u2) =
(u1,0)≠u
• Jika ada satu saja dari 10 aksioma ada yang tidak dipenuhi, maka V adalah bukan
ruang vektor

6.2 Ruang Lingkup Vektor

6.2.1 Vektor di dalam Ruang Dimensi Dua ( R2 )
Untuk memudahkan menjelaskan vektor maka pada bidang dibuat sebuah sistem koordinat
kartesius, sehingga setiap vektor yang sejajar bidang koordinat diwakili oleh vektor yang
besar dan arahnya sama dan terletak pada bidang tersebut. Vektor-vektor yang sejajar
dengan suatu bidang datar dinamakan vektor-vektor koplanar. Dan untuk menyatakan
vektor yang lain pada bidang kartesius, digunakan vektor satuan, sehingga jika A(x,y) serta
i dan j masing-masing vektor pada arah positif pada sumbu x dan y. Untuk lebih jelasnya
perhatikan gambar 3 berikut:
Y Suatu vektor a dalam koordinat kartesius tersebut
dapat dinyatakan :
x 
a = OA = (x,y) =   =xi+yj

A(x,y y 
a
j Panjang vektor a adalah x 2 + y 2 dan
α besarnya tg α =
y
X
O i x

Gambar 6.1 Ruang Vektor 2D

Sedangkan i adalah vektor satuan pada sumbu X dan j merupakan vektor satuan pada
sumbu Y, maka vektor ini dapat dinyatakan sebagai kombinasi linier dalam vektor i dan j

51
 atau bentuk komponennya yaitu :
1  0
i =   dan j =   , Contoh:
0 1 

Vektor OA pada gambar berikut dapat dinyatakan Vektor a = OA = 5 i + 3 j

Y

A(5,3
3

a
X
O 5

Gambar 6.2. Vektor a = OA = 5 i + 3 j

6.2.2 Vektor di dalam Ruang Dimensi Tiga ( R3 )

Untuk menentukan kedudukan atau letak titik di dalam ruang dapat digunakan sistem
koordinat dengan sumbu X , Y dan Z dengan masing-masing sumbu saling tegak lurus dan
berpotongan di sebuah titik O, Sebuah titik P dalam ruang disajikan dalam pasangan
berurutan (x,y,z) dengan salib sumbu kartesius digunakan aturan tangan kanan seperti pada
gambar 5 berikut :

Z
Jarak P sampai bidang YOZ adalah x
P1 atau PP1 = xp
zp
Jarak P sampai bidang XOZ adalah y
atau PP2 = yp
P2 P(x,y,z) Jarak P sampai bidang XOY adalah z
atau PP3 = zp
k

j yp
O Y
i

xp
P3

X Gambar 6.3 Ruang Vektor 3D

Dengan demikian vektor posisi P adalah OP dinyatakan dengan bentuk sebagai berikut :

OP = x i + y j + z k jika i, j dan k merupakan vektor satuan dalam koordinat ruang. ( i:

vektor satuan pada sumbu X; j: vektor satuan pada sumbu Y dan k; vektor satuan pada

52
  x
 
sumbu Z ) atau OP =  y 
z
 

Besar ( panjang / norm ) vektor OP tersebut adalah OP = x 2 + y 2 + z 2 . Sebagai

contoh, misalkan sebuah titik A (3,2,4), maka vektor posisi titik A adalah OA atau a dapat
 3
 
dinyatakan dengan : a = OA = 3 i + 2 j + 4 k atau a = OA =  2 
 4
 
6.3 SubRuang (subspace)
Subhimpunan W dari sebuah ruang vektor V disebut sub ruang (subspace) V jika W itu
sendiri adalah ruang vektor di bawah penjumlahan dan perkalian skalar yang didefinisikan
pada V. Jika W adalah sekumpulan dari satu vektor atau lebih dari ruang vektor V, maka W
disebut sebagai sub ruang V, jika dan hanya jika kedua kondisi di bawah ini berlaku :
1. Jika u dan v adalah vektor di W maka u+v juga ada di W
2. Jika k adalah sembarang skalar dan u adalah sembarang vektor di W, maka ku juga ada
di W
Contoh soal:
Tentukan apakah W yang merupakan kumpulan titik titik (x,y) di ruang R2 dengan x ≥ 0
dan y ≥ 0 adalah sub ruang vektor R2
Jawab :
• Kondisi 1 memang terpenuhi
• Namun kondisi 2 terpenuhi, jika u=(1,2) berada di dalam ruang vektor V dan k = -1,
maka ku=(-1,-2) tidak berada di dalam ruang vektor V
• Oleh sebab itu W bukan merupakan sub ruang dari V

Contoh sub ruang dari R2 adalah :
1 {0}
2. Garis yang melalui titik (0,0)
3. R2 itu sendiri

Contoh sub ruang dari R3 adalah :
1 {0}
2. Garis yang melalui titik (0,0,0)
3. Bidang yang melalui titik (0,0,0)
4. R3 itu sendiri

6.4 Vektor yang Bebas Linier dan Tak Bebas Linier

• Jika terdapat sekumpulan vektor H={v1, v2, ….. vn}, maka persamaan linier homogen
yang mengandung vektor-vektor tersebut yakni a1v1+a2v2+ …..+anvn=0 mempunyai
jawaban minimal satu yaitu ketika setiap koefisiennya (a1,a2,….. an) sama dengan nol
(0) sehingga H disebut sebagai kumpulan bebas linier (linearly independent).
• Jika ditemukan jawaban yang lain, maka H disebut sebagai kumpulan bergantung
linier (linearly dependent).
Beberapa catatan :
1. Sebuah kumpulan vektor yang ada di dalam S, maka
a) Saling bergantung linier jika dan hanya jika paling sedikit ada 1 vektor di dalam S
yang dapat dinyatakan sebagai kombinasi linier dari vektor yang lain yang juga di
dalam S

53
 b) Saling bebas linier jika dan hanya jika tidak ada vektor di dalam S yang dapat
dinyatakan sebagai kombinasi linier dari vektor lainnya di dalam S.
2. Sekumpulan vektor berjumlah berhingga yang memuat vektor nol (0) adalah saling
bergantung linier.
3. Jika S ={v1, v2, v3, …. vn} adalah sekumpulan vektor di ruang Rm. Apabila n>m, maka
himpunan S adalah saling bergantung linier.
Contoh soal:
1. Apakah vektor-vektor berikut v1=(1,0,1), v2=(2,-1,3) dan v3=(-3,1,-4) saling bebas
atau bergantung linier?
Jawab :
Untuk mengecek kebergantungan linier, langkah yang dilakukan adalah dengan menuliskan
persamaan homogen yang mengandung vektor-vektor tersebut yakni : a1v1 + a2v2 + a3v3 =
0, a1(1,0,1) + a2(2,-1,3) +a3(-3,1,-4) = 0
Diperoleh persamaan : a1+ 2a2 – 3a3=0; -a2 + a3 = 0 dan a1+ 3 a2 – 4 a3 = 0, didapatkan :
a1= a2 = a3 = 1 , Jadi vektor v1, v2 dan v3 adalah bergantung linier.
2. Apakah polinomial-polinomial berikut ini bebas linier ?
p1 = 1 – 2x + 3 x2
p2 = 5 + 6x – x2
p3 = 3 + 2x + x2
Jawab :
Untuk menguji polynomial bebas atau bergantung linier, langkah yang dilakukan adalah
dengan menuliskan persamaan homogen sebagai berikut :
a1p1 + a2p2 + a3p3 = 0
 1  5 3   1 5 3   a1 
a1 -2  + a2  6  + a3  2  = 0 → -2 6 2   a2  = 0
 3   -1 1   3 -1 1   a3 
Agar supaya a1, a2 dan a3 memiliki nilai, maka determinan dari matrik 3 x 3 harus nol (0).
Hasil perhitungan determinan matrik 3 x 3 adalah 0, jadi nilai a1, a2 dan a3 ada. Dengan
demikian polinomial-polinomial tersebut adalah bergantung linier.

6.5 Kombinasi Linier

Sebuah vektor w dikatakan merupakan suatu kombinasi linier dari vektor-vektor v1, v2
……vn jika vektor w dapat dituliskan sebagai :
w = a1v1 + a2v2 + ……..+ anvn
dengan a1, a2 ……an adalah sembarang skalar yang memenuhi persamaan.
Jika dalam sistem persamaan linier homogen (Ax=0) dengan p persamaan dan n variabel,
maka kumpulan dari solusinya adalah sub ruang vektor Rn
Contoh soal:
Jika terdapat sistem persamaan linier berikut :
 1 − 2 3   x  0 
 − 2 4 − 6   y  = 0 
    
 − 1 2 − 3  z  0
Tunjukkan bahwa solusi dari system persamaan adalah sub ruang vektor R3
Jawab :
Dapat dibuktikan bahwa solusi dari persamaan adalah : x-2y+3z =0. Hasil ini menunjukkan
suatu bidang yang melalui titik (0,0,0) yang merupakan sub ruang R3
Jika terdapat vektor u=(-1,1,2) dan v=(2,-3,0) di ruang R3, tentukan apakah vektor-vektor
berikut ini adalah kombinasi linier dari u dan v : a) (-4,5,4) dan (1,-2,0)

54
Jawab :
Untuk mengetahui suatu vektor adalah kombinasi linier dari vektor yang lainnya, dibuat
penulisan persamaan vektor sebagai berikut : w = a1u + a2v
-4  -1  2
 5  = a  1  + a -3
  1  2  
 4   2   0 

-4 = -a1 + 2a2; 5 = a1- 3a2; 4 = 2a1

Jadi : a1 = 2 dan a2= -1
Jika S={v1,v2,……,vr) adalah himpunan vektor di dalam ruang vektor V, maka sub ruang W
dari V yang memuat semua kombinasi linier dari vektor-vektor yang ada di S disebut
sebagai spaced spanned dari v1,v2,……,vr dan dapat dikatakan bahwa v1,v2,……,vr adalah
span W. Biasanya diatulis dengan notasi :
W=span (S) atau W = span { v1,v2,……,vr}
Contoh soal :
Tentukan apakah v1=(-2,1,2), v2=(0,1,3), v3=(-1,0,1) span dari ruang vektor R3
Jawab :
Untuk menentukan span di ruang vektor R3, maka dicari kemungkinan setiap vektor di
ruang R3 adalah kombina-si linier dari v1, v2 dan v3. Misalkan vektor a=(a1,a2,a3) di ruang
vektor R3, maka a dapat ditulis sebagai kombinasi linier dari v1,v2,dan v3
 a1  − 2 0  − 1  a1  − 2 0 − 1  k1 
 a  = k  1  + k 1  + k  0  →  a  =  1 1 0   k 
 2  1  2   3   2    2 
 a3   2  3  1   a3   2 3 1   k3 
Agar supaya ada nilai k1,k2 dan k3, maka matrik 3 x 3 tersebut harus mempunyai invers
atau determinan tidak boleh sama dengan nol. Karena determinan matrik tersebut adalah -
3, maka k1,k2 dan k3 didapatkan. Jadi disimpulkan bahwa v1,v2 dan v3 merupakan span dari
ruang vektor R3
Arti Kombinasi Linier Secara Ilmu Ukur
(1). Kalau v kombinasi linier dari suatu vektor u, yaitu v = λu yang mana v adalah
kelipatan dari u dengan garis pembawanya sama (atau sejajar), v dan u disebut
koliner (segaris).
(2). v kombinasi linier dari 2 vektor u1 dan u2, yaitu v = λ1u1 + λ2u2 maka v adalah
diagonal jajaran genjang yang sisi – sisinya λ1u1 dan λ2u2 . u1 dan u2 disebut
koplanar (sebidang).
(3) v kombinasi linier dari 3 vektor u1 , u2 dan u3, yang tidak sebidang, yaitu v = λ1u1
+ λ2u2 + λ3u3 maka v adalah diagonal paralelepipedum yang sisi – sisinya λ1u1,
λ2u2 dan λ3u3.

6.6 Dimensi dan Basis

Basis : suatu ukuran tertentu yang menyatakan komponen dari sebuah vector.
Jika V adalah sebarang ruang vektor dan S = {v1, v2, …, vr} merupakan himpunan
berhingga dari vektor – vektor pada S, maka S disebut basis untuk V jika :
(i). S bebas linier (ii) S merentang V
Dimensi sebuah ruang vektor V yang berdimensi berhingga didefinisikan sebagai
banyaknya vektor pada basis untuk V.
Perlu diingat : representasi basis itu unik. Jika mempunyai vektor basis v1, v2, v3, ….., vn,
maka sembarang vektor yang memiliki basis tersebut : V = a1v1 + a2v2 + ……+ anvn ,
mempunyai nilai a1, a2, a3, ….., an yang unik (hanya memiliki satu kemungkinan)
55
• Ruang vektor V yang bukan nol (0) disebut dimensi terbatas (finite dimensional), yaitu
mengandung kumpulan vektor yang membentuk baris {v1, v2, v3, ……, vn}
• Jika tidak ada kumpulan vektor yang membentuk basis, maka V disebut sebagai
dimensi tak terbatas (infinite dimensional)
• Catatan : ruang vektor nol disebut finite dimensional
• Dimensi dari ruang vektor V yang berdimensi terbatas didefinisikan sebagai jumlah
vektor yang membentuk basis di dalam ruang vektor V.
• Ruang vektor nol mempunyai dimensi nol.
Contoh :
1. Tentukan dimensi dari ruang vektor yang dibentuk oleh :
(i). p = [1, -2, 3, 1] dan q = [2, -4, 5, 2]
(ii). u = [5, 7, 11, 4] dan v = [10, 14, 22, 8]
Jawab :
(i). Kedua vektor pembentuk tidak berkelipatan, jadi sistem pembentuk bebas linier.
Berarti dimensi = 2
(ii). Kedua vektor berkelipatan. Vektor u maupun v ≠ 0, jadi keduanya merupakan
sistem pembentuk yang bebas linier. Berarti dimensi = 1
2. Vektor V(3,4) di dalam koordinat kartesian ditulis sebagai V = 3 i + 4 j, tidak
mungkin V dipresentasikan sebagai yang lainnya.
Kesimpulan : standar basis dalam ruang 2 dan 3 adalah sebagai berikut :
• Ruang 2 : i(1,0) j(0,1)
• Ruang 3 : i(1,0,0) j(0,1,0) k(0,0,1)
3. Jika terdapat vektor A=(5, -1, 9) ingin direpresentasikan dalam basis S pada soal 1,
bagaimana penulisannya ?
Penulisan dalam basis S adalah A = (a1, a2, a3)s yang mempunyai arti :
5 1  2 3 1 2 3  a1 
− 1 = a v + a v + a v = a 2 + a 9  + a 3 = 2 9 3 a 
  11 2 2 3 3 1  2  3    2 
 9  1  0  4 1 0 4  a3 
Diperoleh hasil a1=1, a2 = -1 dan a3 = 2. Jadi A bila ditulis dalam basis S adalah
(A)s = (1, -1, 2)

6.7 Row space, Column space dan Null space

Jika A adalah suatu matrik dengan ordo mxn :
 a11 a12 ..... a1n 
a a22 ..... a2 n 
A=  21

 : : : : 
 
am1 am 2 ..... amn 
Maka vektor baris adalah r1=[a11 a12 …….. a1n], r2=[a21 a22 …….. a2n], dst
 a11   a11 
a  a 
Vektor kolom adalah c1 =  21 
, c2 =  21 . dan seterusnya…….
 :   : 
   
am1  am1 
• Vektor-vektor baris r1, r2, ….., rm disebut : row space dari A
• Vektor-vektor kolom c1, c2, ….., cn disebut : column space dari A
• Ruang solusi SPL homogen Ax = 0 yang merupakan sub ruang Rn disebut : null space

56
• Sistem linier Ax = b disebut konsisten jika dan hanya jika b adalah column space dari
A
• Jika x0 adalah salah satu solusi dari sistem persamaan linier Ax = b dan kumpulan
solusi dari Ax=0 yaitu v1, v2, ……., vn merupakan basis untuk null space dari A, maka
setiap solusi dari Ax = b dapat ditulis sebagai berikut : x = x0 + a1v1 + a2v2 + …. + anvn
• Solusi dari Ax = b adalah x0 yang disebut sebagai solusi khusus (particular solution)
dan x0 + a1v1 + a2v2 + …. + anvn disebut solusi umum (general solution).
Solusi umum dari Ax = 0 adalah a1v1 + a2v2 + …. + anvn, dengan demikian dapat
disimpulkan bahwa solusi lengkap dari Ax = b adalah solusi khusus ditambah solusi
umum dari Ax=0.

Tentukan basis dari null space A

Null space dari A adalah solusi dari SPL homogen dari :

Jadi basis dari null space adalah :

Jika suatu matrik di dalam bentuk row-reduced echelon,
maka vektor baris (row vector) dengan 1 (satu) sebagai
leading entry menjadi basis dari row-space dari matrik
tersebut dan vektor kolom (column vector) dengan 1
(satu) sebagai leading entry menjadi basis dari column
space dari matrik tersebut
Jika dua matrik A dan B saling row-equivalent, maka :
1. Kumpulan vector kolom A saling bebas linier jika dan hanya jika kolom vektro B
yang berkorespondensi letaknya juga saling bebas linier.
2. Kumpulan vector kolom A membentuk basis dari column space (ruang kolom) A jika
dan hanya jika vector B yang letaknya sama dengan A juga membentuk basis untuk
ruang kolom B

6.8 Rank dan Nullity

Pada suatu matrik A dan AT, terdapat 6 ruang vektor yaitu
Row space A Row space AT
Column space A Column space AT
Null space A Null space AT
Namun row space AT = column space A, begitu juga dengan column space AT = row space
A.Oleh sebab itu tinggal 4 ruang vektor yang perlu diperhatikan yaitu row space A, column
space A, null space A dan null space AT.Ini semua disebut sebagai fundamental matrix
space dari A.
Bagaimana hubungan antara dimensi dari ke empat ruang vector tersebut ?

57
Dapat disimpulkan bahwa dimensi dari row space dan column space suatu matrik adalah
sama. Dimensi dari row space dan column space suatu matrik disbut dengan istilah “rank”,
sedangkan dimensi dari null space disebut dengan istilah “nullity”.
Contoh soal : Tentukan rank dan nullity dari :

Jawab : Ubah matrik A ke dalam bentuk reduce-row echelon form menjadi :

Terdapat 3 yang mengandung leading entry ‘satu’ sehingga dimensi dari row space dan
column space adalah 3. Jadi rank (A) = 3.
Beberapa hal yang berhubungan antara SPL dengan column space, row space dan lain-lain:
1. Jika Ax = b adalah SPL dengan p persamaan dan v variabel, maka pernyataan di bawah
ini adalah sama :
a. Ax = b adalah konsisten
b. b ada di dalam column space dari A
c. matrik koefisien dari A dan matrik augmented mempunyai nilai rank yang sama.
2. Jika Ax = b adalah SPL dengan p persamaan dan v variabel, maka pernyataan di bawah
ini adalah sama :
a. Ax = b adalah konsisten untuk setiap p x 1 matrik b
b. Vektor kolom dari A adalah span RP
c. Rank (A) = P
3. Jika Ax = b adalah SPL dengan p persamaan dan v variabel, dan jika rank (A) = r,
maka solusi umum dari SPL mempunyai parameter sebanyak v – r
4. Jika A adalah matrik m x n, maka pernyataan berikut adalah sama :
a. Ax = 0 hanya mempunyai solusi trivial
b. Vektor kolom dari A saling bebas linier
c. Ax = b mempunyai paling banyak 1 solusi untuk setiap m x 1 matrik b
5. Jika A adalah matrik n x n dan jika TA : Rn , Rn adalah matrik transformasi dengan
cara mengalikan dengan A, maka pernyataan-pernyataan berikut adalah sama :
a. A mempunyai invers
b. Ax = 0 hanya mempunyai solusi yang trivial
c. Vektor kolom A saling bebas linier
d. Vector baris A saling bebas linier
e. Vektor kolom A adalah span di Rp
f. Vector baris A adalah span di Rp
g. Vektor kolom A menjadi baris di Rn
h. Vector baris A menjadi baris di Rn
i. Rank (A) = n
j. Nullity (A) = 0

58
6.9 Ruang Hasil kali Dalam
Definisi : adalah fungsi yang mengkaitkan setiap pasangan vektor di ruang vektor V (
misalkan vektor u dan v dengan notasi <u,v> ) dengan bilangan riel, dan memenuhi 4
aksioma berikut ini :
1. Simetris : <u,v> = <v,u>
2. Aditivitas : <u+v, w> = <u,w> + <v,w>
3. Homogenitas : <ku,v> = k<u,v> , k : scalar
4. Positivitas : <u,v> ≥ 0 dan
( <u,u> = 0 u = 0)
Ruang vektor yang dilengkapi hasil kali dalam disebut : Ruang hasil kali dalam yang
disingkat RHD
Contoh soal :
1. Tunjukkan bahwa operasi perkalian titik standar di R3 merupakan hasil kali dalam !
Jawab :
Misalkan : a(a1, a2, a3), b(b1, b2, b3) dan c(c1, c2, c3) berada dalam R3.
Akan ditunjukkan bahwa perkalian titik standar memenuhi 4 aksioma hasil kali dalam
yaitu
1. Simetri : 3. Homogenitas :
<a, b> = (a.b) <ka, b> = (ka.b)
= (a1b1 + a2b2 + a3b3) = (ka1b1 + ka2b2 + ka3b3)
= (b1a1 + b2a2 + b3a3) = k(a1b1 + a2b2 + a3b3)
= <b,a> (terpenuhi) = k(a.b)
2. Aditivitas : = k< a,b > (terpenuhi)
<a+b, c> = ((a + b) . c) 4. Positivitas :
= ((a1+b1, a2 + b2, a3 + b3) . (c1, c2, c3)) <a, a> = (a.a)
= ((a1c1 + b1c1) + (a2c2 + b2c2) + (a3c3 + b3c3)) = (a12 + a22 + a32) ≥ 0
= (a1c1 + a2c2 + a3c3) + (b1c1 + b2c2 + b3c3) (terpenuhi) ,
= <a,c> + <b,c> (terpenuhi) <u,u> = (a12 + a22 + a32)= 0 ,
u =(0,0,0) = 0 , (terpenuhi)
2. Diketahui <u,v> = ad + cf dengan u = (a,b,c) dan v = (d,e,f). Apakah <u,v> tersebut
merupakan hasil kali dalam ?
Akan ditunjukkan apakah <u,v> memenuhi 4 aksioma hasil kali dalam berikut ini :
1. Simetri 3. Homogenitas
<u,v> = ad + cf <ku,v> = (kad + kcf)
= da + fc = k(ad + cf)
= <v, u> (terpenuhi) = k<v,u> (terpenuhi)
2. Aditivitas 4. Positivitas
Misalkan w = (g,h,i) <u ,u> = (u.u) = (a2 + c2) ≥0 (terpenuhi)
<u + v, w> = ((a + d, b + e, c + f), (g,h,i)) <u,u> = (a2 + c2) = 0 tidak selalu u
= (a + d)g + (c + f)i = (ag + ci) + (dg + =(0,0,0), karena nilai u =(0,b,0) dengan b
fi) ≠0,
= <u,w> + <v,w> (terpenuhi) maka nilai <u,u> = 0 tidak terpenuhi

Karena aksioma positivitas tidak terpenuhi, maka <u,v> = ad+ cf dengan dengan u =
(a,b,c) dan v = (d,e,f) bukan merupakan hasil kali dalam. Panjang vektor, jarak antar vektor
dan besar sudut dalam RHD. Jika V merupakan ruang hasil kali dalam, u,v dalam V,
maka : Panjang u = <u,u>1/2 dan Jarak u dan v : d(u,v) = <u – v, u – v >1/2
Misalkan sudut θ dibentuk antara u dan v dalam RHD,
< u, v >
maka : cosθ = , jika u dan v saling tegak lurus, maka u + v = u + v
2 2 2

uv

59
Bukti:

Contoh soal : Diketahui V adalah RHD dengan hasil kali dalam

<u,v> = (u1v1 + 2 u2v2 + u3v3) dengan u =(u1,u2,u3),
v =(v1,v2,v3). Jika vektor-vektor
vektor a, b dalam V dengan a = (1,2,3) dan b = ( 1,2,2), tentukan
a. Besar cos Ѳ dengan Ѳ adalah sudut antara a dan b
b. Jarak antara a dan b !
jawab: a.

< – b, a – b >1/2 , (a – b ) = (0,0,1)

b. Jarak a dan b : d(a,b)) = <a
1
d (a, b) =< a − b, a − b > 2
= 0.0 + 2.(0.0) + 1.1 = 1

6.10 Basis ortonormal

Diketahui V ruang hasil kali dalam dan v1, v2 ……., vn adalah vektor-vektor
vektor dalam V
Beberapa definisi penting H = {v1, v2 ……., vn} disebut himpunan ortonormal bila setiap
< i, vj> = 0 untuk i ≠ j dan i,j = 1,2,…..,n
vektor dalam V saling tegak lurus, yaitu <v
G = {v1, v2 ……., vn} disebut himpunan ortonormal bila :
• G himpunan ortogonal
• Norm dari vi = 1, i = 1,2,….n
1,2,…. atau <vi,vi>=1
Proyeksi ortogonal vektor terhadap ruang yang dibangun oleh himpunan vektor.
H = {v1, v2, ….., vn} adalah himpunan vektor bebas linier dari ruang vektor dengan dim≥n
dim
dan S = {w1, w2, ….., wn} merupakan himpunan yang ortonormal.
Jika W adalah ruang yang dibangun oleh w1, w2, …., wn, maka untuk setiap vektor z1 dalam
w1 dapat dituliskan sebagai :
z1 = k1w1 + k2w2 + …. + knwn , dengan k1, k2, …., kn :skalar.
Jika u adalah sembarang vektor dalam V,, maka dapat dinyatakan sebagai jumlah dari 2
vektor yang saling tegak lurus :

Karena z1 dalam W,, maka z1 merupakan proyeksi ortogonal u terhadap W. Sedangkan z2

merupakan komponen u yang tegak lurus terhadap W.. Jadi untuk menentukan z1 perlu
ditentukan nilai k1 yang merupakan panjang u terhadap w1.
Proyeksi ortogonal u terhadap w1 adalah :

w1, w2, ……, wn merupakan vektor-vektor

vektor ortonormal.
Jadi penulisan proyeksi ortogonal u terhadap W adalah :

60
(w1, w2, ……, wn merupakan himpunan vektor ortonormal)
Komponen u yang tegak lurus terhadap W dituliskan sebagai :

C Rangkuman

1. Sebuah kumpulan vektor yang ada di dalam S, maka

• Saling bergantung linier jika dan hanya jika paling sedikit ada 1 vektor di
dalam S yang dapat dinyatakan sebagai kombinasi linier dari vektor yang lain
yang juga di dalam S
• Saling bebas linier jika dan hanya jika tidak ada vektor di dalam S yang dapat
dinyatakan sebagai kombinasi linier dari vektor lainnya di dalam S.
2. Sekumpulan vektor berjumlah berhingga yang memuat vektor nol (0) adalah saling
bergantung linier.
3. Jika S ={v1, v2, v3, …. vn} adalah sekumpulan vektor di ruang Rm. Apabila n>m,
maka himpunan S adalah saling bergantung linier.
4. Sebuah vektor w dikatakan merupakan suatu kombinasi inasi linier dari vektor-vektor
vektor v1 ,
v2 ……vn jika vektor w dapat dituliskan sebagai : w = a1v1 + a2v2 + ……..+ anvn
5. Basis : suatu ukuran tertentu yang menyatakan komponen dari sebuah vector.
6. Jika V adalah sebarang ruang vektor dan S = {v1, v2, …, vr} merupakan himpunan
berhingga dari vektor – vektor pada S, maka S disebut basis untuk V jika :
a. (i). S bebas linier (ii) S merentang V
7. Dimensi sebuah ruang vektor V yang berdimensi berhingga didefinisikan sebagai
banyaknya vektor pada basis untuk V.
8. Ruang Hasil kali Dalam adalah fungsi yang mengkaitkan setiap pasangan vektor di
ruang vektor V ( misalkan vektor u dan v dengan notasi <u,v u,v> ) dengan bilangan
riel, dan memenuhi 4 aksioma berikut ini :
• Simetris : <u,v> = <v,u>
• Aditivitas : <u+v, w> = <u,w> + <v,w>
• Homogenitas : <ku,v>
< = k<u,v> , k : scalar
• Positivitas : <u,v> ≥ 0 dan
9. Disebut
isebut himpunan ortonormal bila setiap vektor dalam V saling tegak lurus, yaitu
<vi, vj> = 0 untuk i ≠ j dan i,j = 1,2,…..,n

D. Tugas
Buatlah sebuah presentasi tentang pemahaman anda mengenai ruang vektor, sub ruang,
dan dimensi

61
E. Evaluasi

1. Diketahui a = ( 1,2 ) , b = ( –2,–3 ) dan c = ( 1,3 )

Apakah c merupakan kombinasi linier dari a dan b ?
2. Tunjukkan bahwa v =(3,9,-4,-2) merupakan kombinasi linier
u1= (1,-2,0,3), u2 = (2,3,0,-1) dan u3= (2,-1,2,1)
3. Apakah u = ( 1,2,3 ) , v = ( 2,4,6 ) dan w = ( 3,4,7 ) membangun R3
4. Diketahui u = ( 1,2 ) , v = ( 2,2 ) , w = ( 1,3 )
a. Apakah u , v dan w membangun R2 ?
b. Apakah u , v dan w bebas linier ?
5. Misal v1=(1,2,1), v2=(2,9,0), dan v3=(3,3,4).Tunjukkan bahwa himpunan
S=(v1,v2,v3) adalah basis untuk R3
2 1 0 
 
 3 1 − 4
a. Vektor baris A adalah…
b. Vektor kolom A adalah…

F. Pustaka

Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara.
Jakarta
Kartika Firdausy – UAD blog.uad.ac.id/kartikaf

BAB VII
TRANSFORMASI LINEAR

A. Tujuan Kompetensi Khusus

Mahasiswa mampu mengidentifikasi apakah suatu fungsi merupakan transformasi linier,

mampu menentukan matriks transformasi linier, dan dapat menginterpretasikan sifat-sifat
transformasi linier pada bidang dan ruang, dan dapat menjelaskan ruang eigen sebagai
Kernel suatu transformasi linier.

B. Uraian Materi

62
Jika F:V  W adalah sebuah fungsi dari ruang vektor V ke dalam ruang vektor W, maka F
disebut transformasi linier, jika :
(i). F(u+v) = F(u) + F(v), untuk semua vektor u dan v di V
(ii). F(ku) = kF(u) untuk semua vektor u di dalam V dan semua skalar k
Contoh
Misal F:R2  R3 adalah sebuah fungsi yang didefinisikan oleh :
F(v) = (x, x+y, x-y)
Jika u=(x1, y1) dan v=(x2, y2) maka u + v = (x1 + x2 , y1 + y2)
Sehingga ,
F(u + v) = (x1 + x2, [x1 + x2]+[ y1 + y2], [x1 + x2]-[ y1 + y2])
= (x1, x1 + y1, x1 - y1) + (x2, x2 + y2, x2 – y2)
= F(u) + F(v)
Demikian juga jika k adalah sebuah skalar, ku = (kx1, ky1) sehingga
F(ku) = (kx1, kx1 + ky1, kx1 - ky1)
= k(x1, x1 + y1, x1 - y1)
= k F(u)
Jadi F adalah sebuah transformasi linier

7.1 Transformasi Linier dari Rn  Rm

Misalkan e1, e2, . . . , en adalah basis baku untuk Rn dan misalkan A adalah sebuah matrik m
x n yang mempunyai T(e1), T(e2), . . . , T(en) sebagai vektor – vektor kolomnya.

Misal jika T:R2  R2 diberikan oleh :

  x    x1 + 2 x 2 
T   1   =  
  x 2    x1 − x 2 
Maka
 1  1  0   2 
T(e1) = T     =   dan T(e2) = T     =  
 0  1  1  −1
1 2 
Jadi A =   adalah matrik baku untuk T di atas.
1 −1

Misalkan T:R3 → W adalah transformasi matriks, dan misalkan

 1    0    0  
    3     1      4 
T  0  =  , T  1  =  , T  0  =  
 0  0  0  1  1  − 7
     
 x   1 
   
Carilah T   y   dan T  3 
z  8 
   

63
Jawab:
(x,y,z) = k1(1,0,0)+k2(0,1,0)+k3(0,0,1)
Didapat: x = k1 ; y=k2 ; z=k3
T(x,y,z)=k1(3,0)+k2(1,1)+k3(4,-7)
T(x,y,z)= x(3,0)+y(1,1)+z(4,-7)=(3x+y+4z,y-7z)
T(1,3,8)=(3.1+3+4.8,3-7.8) = (38,-53)

7.2 Jenis – jenis Transformasi Linier bidang

1. Rotasi (Perputaran)
cos θ − sin θ 
Matrik baku untuk T adalah :  
 sin θ cos θ 
2. Refleksi
Refleksi terhadap sebuah garis l adalah transformasi yang memetakan masing – masing
titik pada bidang ke dalam bayangan cerminnya terhadap l
Matrik baku untuk :
 x − x   − 1 0
a. refleksi terhadap sumbu y ( yang mengubah   menjadi   ) adalah :  
 y  y   0 1
 x  x  1 0 
b. refleksi terhadap sumbu x ( yang mengubah   menjadi   ) adalah :  
 y − y  0 −1
 x  y 0 1
c. refleksi terhadap garis y = x ( yang mengubah   menjadi   ) adalah :  
 y  x 1 0

3. Ekspansi dan kompresi

Jika koordinat x dari masing – masing titik pada bidang dikalikan dengan konstanta k yang
positif dimana k > 1, maka efeknya adalah memperluas gambar bidang dalam arah x. Jika
0 < k < 1 maka efeknya adalah mengkompresi gambar bidang dalam arah x. Disebut
dengan ekspansi (kompresi) dalam arah x dengan faktor k
 k 0
Matrik baku untuk transformasi ini adalah :  
0 1
Demikian juga , jika koordinat y dari masing – masing titik pada bidang dikalikan dengan
konstanta k yang positif dimana k > 1, maka efeknya adalah memperluas gambar bidang
dalam arah y. Jika 0 < k < 1 maka efeknya adalah mengkompresi gambar bidang dalam
arah y. Disebut dengan ekspansi (kompresi) dalam arah y dengan faktor k
1 0 
Matrik baku untuk transformasi ini adalah :  
0 k 
4. Geseran
Sebuah geseran dalam arah x dengan faktor k adalah transformasi yang menggerakkan
masing – masing titik (x,y) sejajar dengan sumbu x sebanyak ky menuju kedudukan yang
baru (x + ky, y)
1 k 
Matrik baku untuk transformasi ini adalah :  
0 1 

64
Sebuah geseran dalam arah y dengan faktor k adalah transformasi yang menggerakkan
masing – masing titik (x,y) sejajar dengan sumbu y sebanyak kx menuju kedudukan yang
baru (x , y + kx)
 1 0
Matrik baku untuk transformasi ini adalah :  
k 1
Jika dilakukan banyak sekali transformasi matrik dari Rn ke Rm secara berturutan, maka
hasil yang sama dapat dicapai dengan transformasi matrik tunggal.
Jika transformasi - transformasi matrik
T1(x) = A1x, T2(x) = A2x, , .... , Tn(x) = Anx,
n m
Dari R ke R dilakukan berurutan, maka hasil yang sama dapat dicapai dengan
transformasi matrik tunggal T(x) = Ax, dimana
A = Ak . . . A2 A1

Contoh
Carilah transformasi matrik dari R2 ke R2 yang mula – mula menggeser dengan faktor
sebesar 2 dalam arah x dan kemudian merefleksikannya terhadap y = x
a. Carilah transformasi matrik dari R2 ke R2 yang mula – mula merefleksikannya
terhadap y = x dan kemudian menggeser dengan faktor sebesar 2 dalam arah x
b. Matrik baku untuk refleksi yang diikuti dengan geseran
Jawab :
1 2
a). Matrik baku untuk geseran adalah A1 =  
0 1 
0 1
Dan untuk refleksi terhadap y = x adalah A2 =  
1 0
Jadi matrik baku untuk geseran yang diikuti dengan refleksi adalah
0 1 1 2 0 1 
A2. A1 =    =  
1 0 0 1  1 2
b). Matrik baku untuk refleksi yang diikuti dengan geseran adalah
1 2 0 1 2 1
A1. A2 =    =  
0 1  1 0 1 0
Dari contoh di atas, perhatikan bahwa A2. A1 ≠ A1. A2
Jika T:R2  R2 adalah perkalian oleh sebuah matrik A yang punya invers, dan misalkan T
memetakan titik (x,y) ke titik (x’, y’), maka
 x'  x  x -1  x ' 
 y ' = A  y  Dan  y  = A  y '
       

Contoh
Carilah persamaan bayangan sebuah garis y = 2x + 1 yang dipetakan oleh matrik A =
3 1
2 1
 
Jawab :
 x'  3 1  x 
 y ' = 2 1  y 
     

65
 −1
 x  3 1  x'  1 − 1  x' 
 y  = 2 1  y ' =  − 2 3   y '
        
Sehingga
x = x’ – y’
y = -2x’ + 3y’
Substitusikan ke y = 2x + 1 maka dihasilkan :
-2x’ + 3y’ = 2(x’ – y’) + 1
-2x’ + 3y’ = 2x’ – 2y’ + 1
5y’ = 4x’ + 1
y’ = 4 5 x’ + 15

7.3 Kernel ( inti ) dan Jangkauan

Diketahui transformasi linear T : V  W dengan fungsi T( u ) , u € V, Kernel dari T
(disingkat Ker(T) ) adalah himpunan u sedemikian hingga T( u ) = 0 atau { u | T( u ) = 0 }.
Ker (T) juga disebut ruang nol dari T. Himpunan dari b sedemikian hingga T( u ) = b
disebut Jangkauan dari T atau disingkat R(T) R.(T) disebut juga dengan bayangan u oleh
T( u ).
Contoh 8.2.1
Tentukan basis dan dimensi dari Ker(T) dan R(T) dari transformasi linear
 1 −1 2 
T : R3  R2 dengan T( u ) = A u , dengan u € R3 dan A =  
 − 2 2 − 4

a. Kernel
Ker(T) adalah ruang nol dari T( u ) = A u = 0 . Jadi Ker(T) merupakan ruang solusi dari
SPL Au = 0 . Dengan melakukan eliminasi Gauss– Jordan didapatkan solusi SPL adalah
 s − 2t   1   − 2  1  − 2
        
u =  s  =  1  s +  0 t , Jadi basis Kert(T) = Kert (T ) =  1 ,  0 
 t  0  1  0  1 
        

dan dim Ker(T) = 2

b. Jangkauan
R(T) merupakan himpunan dari b dengan A u = b . Kalau kita perhatikan maka R(T)
merupakan ruang kolom dari A. Dari eliminasi Gauss – Jordan pada A didapatkan A ~ …~
1 −1 2
A =  
0 0 0
 1 
Jadi basis R(T) merupakan basis ruang kolom A yaitu : A =   dan dim R(T) = 1
 − 2

7.4 Nilai Eigen dan Vektor Eigen

Jika A adalah matrik n x n, maka vektor tak nol x di dalam Rn dinamakan vektor eigen dari
A jika Ax adalah kelipatan skalar dari x, yaitu,
Ax = λx
untuk suatu skalar λ. Skalar λ disebut nilai eigen dari A dan x dikatakan vektor eigen
yang bersesuaian dengan λ.
Contoh

66
 1  3 0 
Vektor x =   adalah vektor eigen dari A =  
 2 8 −1
Yang bersesuaian dengan nilai λ = 3 karena
3 0  1 3 1 
Ax =  =
    = 3  2
8 −1 2 6  
Untuk mencari nilai eigen matrik A yang berukuran n x n maka kita menuliskannya
kembali Ax = λx sebagai Ax = λIx (λI – A)x = 0
 3 2
Carilah nilai – nilai eigen dari A =  
− 1 0
Karena
1 0  3 2 λ − 3 − 2 
λI – A = λ   -   = 
0 1 − 1 0  1 λ 
Det(λI – A) = (λ-3) λ - (-2) = 0
= λ2 - 3λ + 2 = 0
λ1 = 2, λ2 = 1
Jadi nilai – nilai eigen dari A adalah λ1 = 2 dan λ2 = 1

C. Rangkuman

1. Jika F:V  W adalah sebuah fungsi dari ruang vektor V ke dalam ruang vektor W,
maka F disebut transformasi linier, jika :
(i). F(u+v) = F(u) + F(v), untuk semua vektor u dan v di V
(ii).F(ku) = kF(u) untuk semua vektor u di dalam V dan semua skalar k
2. Jenis – jenis Transformasi Linier bidang
a. Rotasi (Perputaran)
cos θ − sin θ 
Matrik baku untuk T adalah :  
 sin θ cos θ 
b. Refleksi
Refleksi terhadap sebuah garis l adalah transformasi yang memetakan masing –
masing titik pada bidang ke dalam bayangan cerminnya terhadap l
c. Ekspansi dan kompresi
 k 0
Matrik baku untuk transformasi ini adalah :  
0 1
d. Geseran
Sebuah geseran dalam arah x dengan faktor k adalah transformasi yang
menggerakkan masing – masing titik (x,y) sejajar dengan sumbu x sebanyak ky
menuju kedudukan yang baru (x + ky, y)
1 k 
Matrik baku untuk transformasi ini adalah :  
0 1 
3. Jika A adalah matrik n x n, maka vektor tak nol x di dalam Rn dinamakan vektor eigen
dari A jika Ax adalah kelipatan skalar dari x, yaitu, Ax = λx,
untuk suatu skalar λ. Skalar λ disebut nilai eigen dari A dan x dikatakan vektor eigen
yang bersesuaian dengan λ.

D. Tugas
67
 • Cari tahu apa saja yang menjadi fungsi dari transformasi linear ini!
• Cari tahu apa saja yang menjadi fungsi dari vektor Eigen!

E. Evaluasi
1. Periksa apakah T : R3  R2
 a  
 
T  b   = (abc) + (a + b) x + (a + c) x 2
 c  
 

Merupakan transformasi linear

2. V dibangun oleh vektor – vektor yang orthonormal a 1, a 2, …, a n . Periksa apakah

proyeksi orthogonal z terhadap V merupakan transformasi linear !

3. Diketahui transformasi nol T: R3 R2 , dengan T( x ) = A x . Tentukan basis dan

dimensi dari ker (T) dan R(T) !

4. Misalkan T:R3 → W adalah transformasi matriks, dan misalkan

 1   0    1 
    2     3     − 2
T  1  =  , T  0  =  , T  0  =  
 0  0  1  1  1  − 7
     

 x   − 1 
   
Carilah T   y   dan T   9  
z  7 
   
F. Pustaka
Anton, Howard. Dasar-dasar Aljabar Linear Jilid 2 Edisi 7. 2000. Penerbit Interaksara. Jakarta
Buku Ajar Aljabar Linear Oleh Yuliant Sibaroni 2002
Aljabar Linier Elementer. Mahmud ’Imrona. 2002
PAUL CALTER, 1979, Theory and Problems of Technical Mathematics, Schaum’s outline, Mc
GRAW.HILL BOOK COMPANY
Slide: AgusSoft, dll.
Gilbert Strang, Linear Algebra and its Applications, second edition, Harcourt Brace Jovanovich,
1980.
Evar D. Nering, Linear Algebra and Matrix Theory, second edition, John Wiley, 1970.
Serge Lang, Linear Algebra, Addison-Wesley, 1966.

68