Modul Alim Baru Komplit PDF
Modul Alim Baru Komplit PDF
EDISI 1
Aljabar Linear dan Matriks
Penulis :
Ednawati Rainarli, M.Si.
Kania Evita Dewi, M.Si.
IF/2011 1
ALJABAR LINEAR DAN MATRIKS
DAFTAR ISI
IF/2011 2
ALJABAR LINEAR DAN MATRIKS
Materi :
1.1 Bentuk Umum Matriks
Definisi 1.1 Matriks adalah suatu susunan banjar (array) bilangan-bilangan dalam bentuk segi
empat, dengan jumlah baris sebanyak m dan jumlah kolom sebanyak n.
dinotasikan dengan
Kolom jumlahnya n
dimana i =1,...,m dan j =1,...,n , aij adalah elemen matriks A pada baris ke-i dan kolom ke-j.
Contoh 1.1:
5 3 1 1
1 0 1 0 2
A B 0 2 3 C 2 D
2 3 4 6 0 6 3 1 0
Tentukan dimensi dari matriks berikut dan tentukan elemen dari matriks berikut ini
a21, b13 , c31 , d23
IF/2011 3
ALJABAR LINEAR DAN MATRIKS
Definisi 1.2 Kesamaan dua matriks
Dua buah matriks dikatakan sama jika dimensi kedua matriks sama dan elemen-elemen
seletaknya sama.
Berikan dua contoh matriks yang sama
b) Jika A adalah matriks mxn, α adalah suatu skalar maka αA adalah matriks yang dibentuk
dari perkalian setiap elemen A dengan α.
c) Jika A dan B adalah matriks mxn maka A B adalah matriks mxn yang dapat dituliskan dari
A B A ( B) .
d) Jika A matriks mxr dan B matriks rxn maka hasil kali A.B=C adalah matriks mxn yang
anggota-anggotanya didefinisikan sebagai berikut:
n
cij aik bkj , i 1,..., m j 1,..., n
k 1
Contoh 1.2:
a a b b
Misalkan diketahui A 11 12 B 11 12 ,
a21 a22 b21 b22
Tentukan :
a. A+B c. A-B
b. αA, dimana α adalah skalar d. A.B
Penyelesaian
a a b b a b a12 b12
a. A B 11 12 11 12 11 11
a21 a22 b21 b22 a21 b21 a22 b22
a a b b a b a b a11b12 a12b22
d. A.B 11 12 . 11 12 11 11 12 21
a21 a22 b21 b22 a21b11 a22b21 a21b12 a22b22
IF/2011 4
ALJABAR LINEAR DAN MATRIKS
Latihan 1.1 Selesaikan soal berikut ini
2 1 0
1 2 4 2 1 3
A B C 1 3 2
2 6 0 1 2 4 0 2 3
a. Tentukan matriks 2C
b. Tentukan matriks A+B, periksalah apakah matriks yang diperoleh sama dengan
matriks B+A
c. Tentukan matriks A-B, periksa pula matriks B-A! Apa kesimpulan yang dapat
diambil?
d. Tentukan matriks AB, BA, AC, CA. Apakah semua matriks tersebut dapat ditentukan
nilai elemen-elemennya? Apa syarat agar dua matriks dapat dikalikan?
Teorema 1.1
Untuk setiap skalar α, β dan untuk setiap matriks A,B dan C dimana operasi-operasi yang
bersangkutan terdefinisi maka berlaku :
1. A B B A 6. ( ) A ( A)
2. ( A B) C A ( B C ) 7. ( AB) ( A) B A( B)
3. ( AB)C A( BC) 8. ( )A A A
4. A( B C ) AB AC 9. ( A B) A B
5. ( A B)C AC BC
Bukti dapat dilihat di Howard Anton, Aljabar Linear Elementer
2 3 1
1 9
A B 5 6 2
5 3 4 2 0
IF/2011 5
ALJABAR LINEAR DAN MATRIKS
c. Jika A matriks bujur sangkar maka elemen aii disebut elemen diagonal dari A, dan elemen-
elemen diluar diagonal A. a11 , a22 , a33 disebut juga diagonal utama.
d. Jika A matriks bujur sangkar dan elemen aii 0 sedangkan semua elemen diluar diagonal A
Contoh 1.6:
1 0 0 0
1 0 0
0 2 0 0
A 0 3 0 D
0 0 2 0 0 3 0
0 0 0 9
e. Jika A matriks bujur sangkar dan elemen aii , i 1,..., n dimana adalah suatu skalar
sedangkan semua elemen diagonal A aij 0, i j maka matriks A disebut matriks skalar.
Contoh 1.7:
2 0 0
3 0
A B 0 2 0
0 3 0 0 2
f. Jika A adalah matriks skalar dimana aii 1, i 1,..., n , maka matriks A disebut matriks
Contoh 1.8:
1 0 0
1 0
A B 0 1 0
0 1 0 0 1
g. Jika A adalah matriks dimana semua elemennya bernilai 0 maka A disebut matriks null,
sering dituliskan dengan matriks O .
Contoh 1.9:
0 0 0
0 0
O O 0 0 0
0 0 0 0 0
IF/2011 6
ALJABAR LINEAR DAN MATRIKS
h. Jika A matriks bujur sangkar dimana semua elemen diatas diagonal utama adalah nol maka
A disebut matriks segitiga bawah.
Contoh 1.10:
1 0 0
2 0
A B 3 4 0
3 1 2 3 1
i. Jika A matriks bujur sangkar dimana semua elemen dibawah diagonal utama adalah nol
maka A disebut matriks segitiga atas.
Contoh 1.11:
3 4 5
2 3
A B 0 1 2
0 1 0 0 7
Contoh 1.12:
2 3 1 2 4 1 2 4
2 1 0
A A 1 4
T
B 2 3 8 B 2 3 8
T
3 4 5 0 5 4 8 7 4 8 7
Dari contoh matriks B adalah matriks simetri
Teorema 1.2
A,B adalah matriks mxn dan α adalah skalar maka berlaku sifat:
a) A
T T
A
A B AT BT
T
b)
A AT
T
c)
IF/2011 7
ALJABAR LINEAR DAN MATRIKS
Definisi 1.5
Jika A adalah matriks bujur sangkar maka trace A (ditulis tr(A)) didefinisikan sebagai jumlah
anggota-anggota dari diagonal utama matriks A. Trace A tidak terdefinisi jika A bukan matriks
bujur sangkar.
1 2 2 3 1
1 0 1 4 1
A 2 0 B C D 5 1 0
1 3 3 2 2 3 0 1 2 0
Sederhanakan matriks berikut ini jika mungkin
a. 2 AT C c. tr ( DDT ) e. tr (CA) tr ( B)
b. AT 2B d. BT CA f. ( AC )T D
Latihan 1.3
Tentukan persamaan berikut yang merupakan persamaan linear :
a. x 3 y 7 d. x1 x2 x3 ... xn 1
1
b. x1 2 x2 4 x31 3x4 12 e. x1 x2 x1/2 1
2
1 1
c. x1 x2 4 x3 f. 2 x1 x2 4 x3 x4 121/2
3 3
Definisi 1.7
Sebuah himpunan terhingga m buah persamaan linear dengan variabel x1 , x2 ,..., xn disebut
IF/2011 8
ALJABAR LINEAR DAN MATRIKS
a11 x1 a12 x2 ... a1n xn b1
a21 x1 a22 x2 ... a2 n xn b2
Definisi 1.8
Sistem persamaan yang tidak mempunyai penyelesaian disebut sistem yang tak konsisten
sedangkan jika minimal terdapat satu penyelesaian maka sistem tersebut disebut konsisten.
Setiap sistem persamaan linear mungkin tidak mempunyai penyelesaian, mempunyai tepat
satu penyelesaian, atau tak hingga banyaknya penyelesaian.
Latihan 1.4 Periksalah ketiga sistem persamaan berikut dan gambarkan penyelesaian dari
sistem persamaan tersebut dalam koordinat kartesian. Tentukan sistem persamaan yang
mempunyai tepat satu penyelesaian, tak hingga atau tidak mempunyai penyelesaian
x1 x2 2 x1 x2 2 x1 x2 2
x1 x2 2 x1 x2 1 x1 x2 2
Definisi 1.9
Suatu sistem persamaan linear dikatakan homogen jika semua konstantanya nol, yaitu jika
sistem tersebut mempunyai bentuk :
a11 x1 a12 x2 ... a1n xn 0
a21 x1 a22 x2 ... a2 n xn 0
Setiap sistem homogen mempunyai sifat konsisten, karena semua sistem seperti itu
mempunyai penyelesaian x1 0, x2 0, , xn 0 . Penyelesaian ini disebut penyelesaian
IF/2011 9
ALJABAR LINEAR DAN MATRIKS
trivial. Jika ada penyelesaian lain yang memenuhi sistem persamaan tersebut maka
penyelesaian sistemnya disebut penyelesaian tak-trivial.
Contoh 1.14:
x1 3x2 x3 0
3x1 2 x2 0
a) x2 8 x3 0 b)
6 x1 4 x2 0
4 x3 0
Definisi 1.10
Sistem m persamaan linear dengan n buah variabel dapat diubah dalam bentuk matrik yang
diperbanyak (augmented matrix) yang dituliskan sebagai:
a11 x1 a12 x2 a1n xn b1 a11 a12 a1n b1
a21 x1 a22 x2 a2 n xn b2
a21
a22 a2 n b2
am1 x1 am 2 x2 amn xn bm am1 am 2 amn bm
Latihan 1.5
Buatlah augmented matrix dari sistem persamaan linear berikut:
3x1 2 x2 x3 15
5 x1 3 x2 2 x3 0
3x1 x2 3x3 11
6 x1 4 x2 2 x3 30
Definisi 1.11
Tiga langkah yang digunakan dalam OBE adalah:
1. Kalikan suatu baris dengan bilangan real bukan nol.
2. Pertukarkan dua baris
3. Ganti suatu baris dengan hasil penjumlahannya dengan kelipatan dari baris lain.
IF/2011 10
ALJABAR LINEAR DAN MATRIKS
Definisi 1.12
Sebuah matriks dikatakan memiliki bentuk baris eselon jika:
1. Elemen bukan nol pertama dalam setiap baris adalah 1
2. Jika baris k tidak seluruhnya mengandung 0, maka banyak elemen nol bagian muka pada
baris k+1 lebih besar dari banyaknya elemen nol di bagian depan baris k.
3. Jika terdapat baris-baris yang elemennya semuanya adalah nol, maka baris-baris ini berada
tepat dibawah baris-baris yang memiliki elemen-elemen bukan nol.
Latihan 1.6 Tentukan apakah matriks-matriks berikut ini merupakan matriks yang memiliki
bentuk eselon baris atau tidak
2 3 6 1 3 4 1 2 3 1 2 3 4 1 2 3 4
a) 0 5 4 b) 0 1 2 c) 0 0 1 d ) 0 1 7 2 e) 0 0 1 5
0 0 3 0 0 1 0 0 0 0 0 0 1 0 0 0 4
Definisi 1.13
Proses mengubah matriks yang diperbanyak menjadi matrik baris eselon dengan
menggunakan OBE disebut Eliminasi Gauss.
Definisi 1.14
Suatu matriks memiliki baris eselon tereduksi jika :
1. Matriks memiliki bentuk baris eselon.
2. Elemen bukan nol pertama dalam setiap baris adalah satu-satunya elemen bukan nol
dalam kolom yang bersangkutan.
Proses mengubah matriks yang diperbanyak menjadi matrik baris eselon tereduksi dengan
menggunakan OBE disebut Eliminasi Gauss-Jordan/Reduksi Gauss-Jordan.
Latihan 1.7 Tentukan apakah bentuk matriks berikut ini memiliki baris eselon tereduksi atau
tidak.
1 0 0 1 1 2 0 1 0 2 3 1
a) 0 1 0 9 b) 0 0 1 3 c) 3 6 3 2
0 0 1 5 0 0 0 0 6 6 3 5
IF/2011 11
ALJABAR LINEAR DAN MATRIKS
Contoh 1.15 :
Tentukan penyelesaian dari sistem persamaan berikut ini menggunakan reduksi Gauss-Jordan
2 x1 4 x2 3x3 1
x1 x2 2 x3 9
3x1 6 x2 5 x3 0
2 4 3 1 1 1 2 9 1 1 2 9 1 1 2 9
1 1 2 9 2 4 3 1 0 2 7 17 0 2 7 17
3 6 5 0 3 6 5 0 3 6 5 0 0 3 11 27
(a) (b) (c)
1 1 2 9 1 1 2 9 1 1 2 9
17
0 1 2 2 0 1 2 172 0 1 72 172
7 7
0 3 11 27 0 0 1 23 0 0 1 3
2
1 0 112 35
2 1 0 0 1
Penyelesaiannya adalah
0 1 2 0 1 0 2
7 17
2
x1 1, x2 2, x3 3
0 0 1
3 0 0 1 3
(g) (h)
Keterangan:
a. Pertukarkan baris pertama dengan baris kedua sehingga diperoleh matriks (a).
b. Kalikan baris pertama dengan -2 kemudian tambahkan dengan bilangan yang ada pada
baris kedua sehingga diperoleh matriks (b).
c. Kalikan baris pertama dengan -3 kemudian tambahkan dengan bilangan yang ada pada
baris ketiga sehingga diperoleh matriks (c).
d. Kalikan baris kedua dengan 12 sehingga diperoleh matriks (d).
e. Kalikan baris kedua dengan -3 kemudian tambahkan dengan bilangan pada baris ketiga
sehingga diperoleh matriks (e).
f. Kalikan baris ketiga dengan -2 sehingga diperoleh matriks (f).
g. Kalikan baris kedua dengan -1 kemudian tambahkan dengan bilangan pada baris pertama
sehingga diperoleh matriks (g).
IF/2011 12
ALJABAR LINEAR DAN MATRIKS
7
h. Kalikan baris ketiga dengan 2 kemudian tambahkan dengan bilangan pada baris kedua
selanjutnya kalikan baris ketiga dengan - 112 kemudian tambahkan dengan bilangan pada
Perhatikan kembali contoh 1.15 Proses yang dilakukan dari (a) sampai (f) adalah proses
Eliminasi Gauss.
1 1 2 9 x1 x2 2 x3 9
x2 72 x3 172
0 1 2 172 dapat dituliskan menjadi
7
0 0 1 3 x3 3
Dengan mensubstitusikan x3 3 ke persamaan kedua akan diperoleh x2 2 kemudian nilai
Latihan 1.8 Gunakan Eliminasi Gauss dan subtitusi balik untuk menentukan penyelesaian
dari sistem persamaan linear berikut ini kemudian periksa hasilnya dengan menggunakan
Reduksi Gauss Jordan
a) x1 x2 2 x3 8 b) 2 x1 3x2 x3 1 c) x1 x2 2 x3 4
x1 2 x2 3x3 1 x1 x2 x3 3 2 x1 3x2 x3 1
3x1 7 x2 4 x3 10 3x1 4 x2 2 x3 4 2 x1 3x2 x3 1
AB
1
b) B 1 A1
IF/2011 13
ALJABAR LINEAR DAN MATRIKS
Untuk mendapatkan invers suatu matriks yang dapat dibalik A, kita harus menemukan
serangkaian OBE yang mereduksi A menjadi identitas dan kemudian melakukan serangkaian
Contoh 1.6:
Cari invers dari matriks
1 2 3
A 2 5 3
1 0 8
Penyelesaian:
Kita harus menyandingkan matriks A dengan matriks I berukuran 3x3 sehingga diperoleh
1 2 3 1 0 0 1 0 0 40 16 9
OBE
A | I 2 5 3 0 1 0 0 1 0 13 5 3 I | A1
1 0 8 0 0 1 0 0 1 5 2 1
40 16 9
Jadi A1 13 5 3
5 2 1
Latihan 1.10
1. Lakukan proses OBE pada contoh diatas sehingga terbukti bahwa invers dari A adalah
40 16 9
13 5 3
5 2 1
IF/2011 14
ALJABAR LINEAR DAN MATRIKS
2 DETERMINAN
Materi :
2.1 Pendahuluan
Definisi 2.1
Misalkan A adalah matriks bujur sangkar berukuran 2x2. Determinan matriks A didefinisikan
sebagai :
Definisi 2.2
Jika matriks A berukuran 3x3, determinan matriks A didefinisikan sebagai :
a11 a12 a13
det( A) a21 a22 a23 a11a22 a33 a12 a23a31 a13a21a32 a13a22a31 a12a21a33 a11a23a32
a31 a32 a33
- + - - - + + +
Latihan 2.1
Hitunglah determinan dari matriks berikut ini (bisa menggunakan aturan Sarrus) :
1 2 0
1 2
A B 4 5 3
3 4 2 1 4
IF/2011 15
ALJABAR LINEAR DAN MATRIKS
*Aturan Sarrus hanya berlaku untuk matriks berukuran maksimal 3x3.
Teorema 2.1
Jika A matriks bujur sangkar maka:
i) Jika A mempunyai sebuah baris nol atau sebuah kolom nol maka det(A) = 0.
ii) det(A)=det(AT)
Latihan 2.2
Gunakan matriks 3x3 sebarang untuk memeriksa sifat i) dan ii) dari teorema 2.1.
Teorema 2.2
Jika A adalah suatu matriks segitiga nxn (segitiga atas,segitiga bawah, atau diagonal) maka
det(A) adalah hasil kali anggota-anggota pada diagonal utamanya, yaitu
det( A) a11a22 ann
Latihan 2.3
Hitunglah determinan dari masing-masing matriks berikut ini:
3 2 1 1 0 0 1 0 0
A 0 2 1 B 6 2 0 C 0 2 0
0 0 5 1 4 3 0 0 5
2 0 0 0 1 0 0 0
1 5 0 0 0 2 0 0
D E
4 6 4 0 0 0 4 0
3 2 5 3 0 0 0 3
Teorema 2.3
Misalkan A matriks nxn
- Jika B adalah matriks yang dihasilkan jika suatu baris tunggal atau kolom tunggal dari A
dikalikan dengan suatu skalar α, maka det(B) = α.det(A).
IF/2011 16
ALJABAR LINEAR DAN MATRIKS
- Jika B adalah matriks yang dihasilkan jika dua baris atau kolom dari A dipertukarkan maka
det(B) = -det(A).
- Jika B adalah matriks yang dihasilkan jika suatu panggandaan suatu baris A ditambahkan
pada baris lainnya atau jika suatu penggandaan suatu kolom ditambahkan pada kolom
lainnya, maka det(B) = det(A).
Contoh 2.1:
Hubungan Operasi
a11 a12 a13 a11 a12 a13 Baris pertama A dikalikan dengan α.
a21 a22 a23 a21 a22 a23
a31 a32 a33 a31 a32 a33
det(B)=α.det(A)
a21 a22 a23 a11 a12 a13 Baris pertama dan kedua dari A
a11 a12 a13 a21 a22 a23 dipertukarkan.
a31 a32 a33 a31 a32 a33
det(B) = - det(A)
a11 a21 a12 a22 a13 a23 a11 a12 a13 Suatu penggandaan baris kedua dari A
a21 a22 a23 a21 a22 a23 ditambahkan pada baris pertama.
a31 a32 a33 a31 a32 a33
det(B) = det(A)
Teorema 2.4
Jika A adalah matriks bujur sangkar dengan dua baris proporsional atau dua kolom
proporsional, maka det (A)=0.
Contoh 2.2 :
1 3 2 1 3 2
2 6 4 2 1 3 2 =0
3 1 4 3 1 4
Dari contoh baris pertama dan baris kedua adalah dua baris yang proporsional sehingga nilai
determinannya adalah 0.
IF/2011 17
ALJABAR LINEAR DAN MATRIKS
Latihan 2.4
3 1 4 5
1 7 2
1 4 6 2 8 10
3 5 6 9 3 12 15
2 8 4 3 8
1 4 2 5
Periksalah bahwa matriks-matriks diatas mempunyai determinan nol, berikan alasannya!
Teorema 2.4
Sifat-sifat dasar determinan:
Misalkan A dan B matriks nxn dan α skalar maka
1. det( A) n det( A)
2. det( AB) det( A).det( B)
didefinisikan sebagai determinan sub-matriks yang masih tersisa setelah baris ke-i dan kolom
aij .
Contoh 2.3:
1 3 2
M 23
1 3
15 C23 1
2 3
A 5 6 7 .M 23 15
4 3 2 4 3
Latihan 2.5
Dengan menggunakan matriks contoh 2.3 tentukan M12 , C12 dan M23 , C23
Teorema 2.5
Determinan suatu matriks A berukuran nxn bisa dihitung dengan mengalikan anggota-anggota
pada sebarang baris (atau kolom) dengan kofaktornya dan menjumlahkan hasil kali yang
didapatkan yaitu untuk setiap 1 i n dan 1 j n
det( A) ai1Ci1 ai 2Ci 2 ... ainCin (perluasan kofaktor disepanjang baris ke-i)
IF/2011 18
ALJABAR LINEAR DAN MATRIKS
Contoh 2.4:
3 1 0
4 3 2 3 2 4
det(A)= 2 4 3 3 (1) (0) 3( 4) (1)( 11) 0 1
4 2 5 2 5 4
5 4 2
Latihan 2.6
Gunakan kolom atau baris lainnya untuk menghitung determinan A! Apakah nilai determinan
yang diperoleh sama dengan contoh 2.4.
4 2 3 1 0 2 5 6 0
5 6
det(A)= 1 0 2 4 2 3 10 11 0 1 [55 (60)] 5
10 11
2 3 1 2 3 1 2 3 1
3 5 2 6 0 1 1 3
1 1 3
1 2 1 1 1 2 1 1
det(B) 1 0 3 3
2 4 1 5 0 0 3 3
1 8 0
3 7 5 3 0 1 8 0
1 1 3
3 3 1 3
1 0 3 3 1 1 0 1 1 1 24 1 6 18
1 8 0 8 0 3 3
IF/2011 19
ALJABAR LINEAR DAN MATRIKS
Latihan 2.7
Tentukan determinan dari matriks berikut ini
3 2 3 3
2 1 1
2 4 5 2
P 4 6 3 Q
2 0 2 1 3 2 4
4 2 3 2
Teorema 2.6
Matriks A mempunyai invers jika dan hanya jika det(A) 0
Definisi 2.4
Matriks yang mempunyai determinan 0 disebut matriks tak singular, sedangkan matriks
yang mempunyai determinan = 0 disebut matriks singular.
Definisi 2.5
Jika A adalah sebarang matriks nxn dan Cij adalah kofaktor dari aij maka matriks
disebut matriks kofaktor dari A. Transpos dari matriks ini disebut adjoin A dinyatakan adj(A).
Teorema 2.7
Jika A adalah suatu matriks yang dapat dibalik, maka:
1
A1 adj ( A)
det( A)
Latihan 2.8
Tentukan adj(A) dan A1
1 2 3
A 6 7 1
3 1 4
IF/2011 20
ALJABAR LINEAR DAN MATRIKS
Teorema 2.8
Jika A dan B adalah matriks – matriks nxn yang taksingular, maka AB juga tak singular dan
AB
1
B 1 A1 .
Teorema 2.9
Jika Ax b merupakan suatu sistem n persamaan linear dengan n peubah sedemikian
sehingga A 0 maka sistem tersebut mempunyai penyelesaian tunggal yaitu:
b1
b
b 2
bn
Contoh 2.6 :
Gunakan aturan Cramer untuk menyelesaikan
x1 2 x3 6
3x1 4 x2 6 x3 30
x1 2 x2 3x3 8
IF/2011 21
ALJABAR LINEAR DAN MATRIKS
Penyelesaian
1 0 2 6 0 2 1 6 2 1 0 6
A 3 4 6 A1 30 4 6 A2 3 30 6 A3 3 4 30
1 2 3 8 2 3 1 8 3 1 2 8
sehingga diperoleh
det( A1 ) 40 10 det( A2 ) 72 18 det( A3 ) 152 38
x1 x2 x3
det( A) 44 11 det( A) 44 11 det( A) 44 11
Latihan 2.9
Selesaikan sistem persamaan berikut menggunakan aturan Cramer
4x 5 y 2
11x y 2 z 3
x 5 y 2z 1
IF/2011 22
ALJABAR LINEAR DAN MATRIKS
3 RUANG VEKTOR
Materi :
3.1 Vektor di R2 dan R3
Secara geometris vektor digambarkan sebagai ruas garis berarah.
Perhatikan gambar berikut ini :
v B Titik A disebut titik pangkal vektor dan titik B disebut titik ujung
A
Vektor dengan titik pangkal A dan titik ujung B dinotasikan dengan
AB atau dapat dituliskan dengan huruf kecil v
Di dalam sistem koordinat vektor dapat digambarkan sebagai berikut:
Vektor dalam Ruang Berdimensi 2 (R2) Vektor dalam Ruang Berdimensi 3 (R3)
Z
Y
A Titik Ujung
Titik Ujung
B
w B
v O
Titik Pangkal A Y
X
OO
Titik Pangkal X
OA, OB disebut vektor standar karena titik pangkal vektor tersebut berada pada titik O.
IF/2011 23
ALJABAR LINEAR DAN MATRIKS
Definisi 3.1
Misalkan AB dan PQ adalah vektor dalam R2 dan R3 maka dalam koordinat kartesian vektor
PQ adalah
AB ( x1 x2 )2 ( y1 y2 )2 dan PQ ( x1 x2 )2 ( y1 y2 )2 ( z1 z2 )2
vw
w w
v
v
Cara jajaran genjang
w w vw
v v
b. Perkalian Vektor dengan Skalar
u 2u
c. Vektor Negatif
u u
Latihan 3.1
Misalkan u (2, 2,3), v (1, 3, 4) , w (3,6, 4) . Hitunglah ekspresi yang ditunjukkan:
a. 3u 5v w
b. 1
2 u v 2w d. u v
c. uv 1
e. w
w
IF/2011 24
3.3 Ruang Vektor dan Sub Ruang Vektor
Aksioma 3.1
Misalkan V suatu himpunan tak kosong dimana operasi penjumlahan dan perkalian
didefinisikan, jika untuk setiap u, v, w anggota V dan α,β adalah skalar berlaku:
(a) u, v V u v V
(b) u v v u
(c) u (v w) (u v) w
(d) 0 V u 0 0 u u, u V
(e) u V , u V u (u) 0
(f) α skalar, u V u V
(g) ( u) ( )u
(h) (u v) u v
(i) ( )u u u
(j) 1u u
IF/2011 25
Maka V disebut ruang vektor dan anggota dalam V disebut vektor.
Contoh 3.2:
Misalkan V R 2 adalah himpunan vektor-vektor yang didefinisikan sebagai berikut
x1 x1
y1 y1
x1 x2 x1 x2
y1 y2 y1 y2
Maka R 2 memenuhi semua aturan dari aksioma 3.1.
Jika diberikan suatu ruang vektor V, maka kita dapat membentuk ruang vektor lain S yang
merupakan himpunan bagian dari V dan menggunakan operasi-operasi pada V.
Definisi 3.2
Jika S adalah himpunan bagian tidak kosong dari suatu ruang vektor V dan S memenuhi
syarat-syarat berikut ini maka berlaku :
Contoh 3.3:
Penyelesaian:
Contoh 3.4:
IF/2011 26
ALJABAR LINEAR DAN MATRIKS
K bukan subruang dari R2 karena terdapat u (1, 0) K dan 1 R sehingga (1)u R .
Latihan 3.2
Periksa apakah himpunan berikut adalah subruang dari R3 .
a. K ( x, y, z ) x 2 y, z y b. K ( x, y, z ) x 2 y 1
Definisi 3.3
Suatu vektor w disebut suatu kombinasi linear dari vektor-vektor v1 , v2 ,..., vr jika bisa
w 1 v1 2 v2 ... n vn
Contoh 3.5:
Diketahui u (1, 2, 1) dan v (6, 4, 2) dalam R3. Periksalah apakah w 4,0, 4 dan
a. Jika w adalah kombinasi linear dari vektor u dan v maka w dapat dituliskan ke
IF/2011 27
ALJABAR LINEAR DAN MATRIKS
b. Jika a adalah kombinasi linear dari vektor u dan v maka a dapat dituliskan ke dalam
IF/2011 28
ALJABAR LINEAR DAN MATRIKS
3 5
2 4 1
4 8
3 5
1
2 2
1 1
Maka a adalah bukan kombinasi linear dari vektor u dan v .
Latihan 3.3
Diketahui u (2,1, 4) , v (1, 1,3) dan w (3, 2,5) , nyatakan vektor-vektor berikut ini
Definisi 3.4
Diketahui V adalah ruang vektor dan S s1 , s2 ,..., sn dimana s1 , s2 ,..., sn V . S dikatakan
v 1 s1 2 s2 ... n sn 1 , 2 , , n skalar
Contoh 3.6:
IF/2011 29
ALJABAR LINEAR DAN MATRIKS
1 2 3 1 x
2 4 4 2 y
3 6 7 z
3
Persamaan linear ini akan konsisten jika tidak ada baris 0 pada matriks A setelah dilakukan
reduksi baris.
Dengan OBE diperoleh
1 2 3 1 2 3 1 2 0
2 4 4 0 0 2 0 0 1
3 6 7 0 0 2 0 0 0
Karena ada baris yang 0 maka pastilah ada vekor di R 3 yang bukan merupakan kombinasi
Latihan 3.4
IF/2011 30
ALJABAR LINEAR DAN MATRIKS
v1 , v2 ,..., vr disebut bergantung linear jika terdapat skalar-skalar 1 , 2 , ..., r yang tidak
Contoh 3.7:
1 1
a. Vektor-vektor dan adalah bebas linear karena jika
1 2
1 1 0
1 2 maka 1 2 0 dan 1 2 2 0 sehingga diperoleh
1
2 0
1 2 0
b. Diketahui dua vektor (4,3) dan (4, 3) maka
41 4 2 0
misalkan 2 t maka 1 t
31 3 2 0
Maka kedua vektor bergantung linear. Atau tanpa menyelesaikan sistem persamaan
linear kita dapat menunjukkan bahwa determinan dari matriks koefisiennya = 0 maka
sistemnya punya penyelesaian tak-trivial.
Latihan 3.5
Periksalah apakah vektor-vektor berikut ini bebas linear atau bergantung linear
Misalkan V ruang vektor dan S {s1 , s2 ,..., sn } . S disebut basis dari V jika memenuhi dua
syarat, yaitu :
1. S bebas linear
IF/2011 31
ALJABAR LINEAR DAN MATRIKS
2. S membangun V
Basis dari suatu ruang vektor bisal lebih dari satu. Ada dua macam basis yang kita kenal,
yaitu:
a. Basis standar
Contoh 3.8:
- S {(1,0,...,0),(0,1,...,0),...,(0,0,...,1)} dimana (1,0,...,0),(0,1,...,0),...,(0,0,...,1)
standar dari R n .
1 0 0 1 0 0 0 0
- S , , , adalah basis dari M 22 .
0 0 0 0 1 0 0 1
Definisi 3.8
Suatu ruang vektor tak nol V disebut berdimensi terhingga jika V berisi suatu himpunan
seperti itu maka V disebut berdimensi tak hingga. Ruang vektor nol berdimensi hingga.
Teorema 3.1
Jika V adalah suatu ruang vektor berdimensi terhingga dan v1 , v2 ,..., vn adalah sembarang
basis, maka:
a. Setiap himpunan yang lebih dari n vektor adalah tak bebas linear.
b. Tidak ada himpunan dengan vektor yang kurang dari n yang membangun V.
IF/2011 32
ALJABAR LINEAR DAN MATRIKS
Teorema 3.2
Semua basis untuk suatu ruang vektor berdimensi terhingga mempunyai jumlah vektor
yang sama.
Definisi 3.9
Dimensi suatu ruang vektor berdimensi terhingga V, yang dinyatakan dengan dim(V),
didefinisikan sebagai jumlah vektor dalam suatu basis untuk V.
Teorema 3.3
Jika V adalah suatu ruang vektor berdimensi n , dan jika S adalah suatu himpunan dalam V
dengan tepat n vektor, maka S adalah suatu basis untuk V jika S merentang V atau S bebas
linear.
Contoh 3.9:
IF/2011 33
ALJABAR LINEAR DAN MATRIKS
1 v1 2 v2 3 v3 0
Maka 1 2 3 0
Karena dim R3 = 3 dan jumlah anggota S = 3, maka kita hanya perlu menunjukkan bahwa
vektor-vektornya saling bebas linear atau membangun. Dengan menunjukkan matriks
koefisiennya punya determinan tidak nol, maka dikatakan S bebas linear dan membangun
1 2 3
A 2 9 3
1 0 4
det( A) 1
Jadi S adalah basis untuk R3.
Latihan 3.6
1 2 1
Tunjukkan bahwa 2 , 1 , 0 adalah basis R3
3 0 1
Misalkan V adalah suatu ruang vektor dengan basis B = b1 , b2 ,..., bn dan v V . Koordinat
1
v 2 IF/2011 34
B
n
ALJABAR LINEAR DAN MATRIKS
Dimana 1 b1 2 b2 n bn v
Contoh 3.10:
1 1 1 1
Tentukan koordinat vektor v 0 terhadap basis B 0 , 2 , 1
3 0 0 2
Penyelesaian
1
Koordinat v terhadap B adalah vektor v 2 yang memenuhi
B
3
1 1 1 1 OBE 1 0 0 94
3
0 2 1 0 0 1 0 4
0 0 2 3 0 0 1 3
2
94
Jadi v 34
3
B
2
IF/2011 35
ALJABAR LINEAR DAN MATRIKS
1 1 1
B 2 , 1 , 0
'
0 2 0
34
v ' 32
B
9
4
Latihan 3.7
Tentukan koordinat relatif dari (3,2,5)T terhadap basis
Teorema 3.4
Koordinat vektor terhadap suatu basis tertentu adalah tunggal.
Definisi 3.11
Pandang B b1 , b2 ,..., bn dan U u1 , u2 ,..., un untuk ruang vektor V. Matriks transisi dari
B ke U adalah
P b1 , b2 ... bn
U U U
Dan memenuhi persamaan
v P v v V
U B
Matriks P adalah matriks tak singular dan P’ adalah matriks transisi dari U ke B.
Contoh 3.11:
IF/2011 36
ALJABAR LINEAR DAN MATRIKS
a. Carilah matriks transisi dari perubahan basis v1 , v2 ke u1 , u2 dimana
5 7 3 1
v1 , v2 dan u1 , u2
2 3 2 1
1
b. Jika a tentukan a
V
2 U
Penyelesaian
v1 p11 u1 p21 u2
v2 p12 u1 p22 u2
p 3 p 4
Dari persamaan ini diperoleh 11 dan 12
p21 4 p22 5
3 4
Sehingga diperoleh P
adalah matriks transisi dari basis v1 , v2 ke u1 , u2 .
4 5
b. Dapat ditunjukkan pula bahwa
3 4 3 4 1 5
a a
U V
4 5 4 5 2 6
Latihan 3.8
1. Dari contoh diatas tentukan matriks transisi dari basis u1 , u2 ke v1 , v2
2. Misalkan v1 (4,6,7)T , v2 (0,1,1)T , v3 (0,1, 2)T adalah basis dan u1 (1,1,1)T ,
IF/2011 37
ALJABAR LINEAR DAN MATRIKS
a. Tentukan matriks transisi dari u1 , u2 , u3 ke v1 , v2 , v3
b. Jika x 2v1 3v2 4v3 , tentukan koordinat dari x relatif terhadap u1 , u2 , u3
A disebut ruang kolom dari A. Ruang penyelesaian dari sistem persamaan homogen Ax 0
adalah subruang dari R n disebut ruang null/ruang kosong dari A dinotasikan N(A) .
Contoh 3.12
1 0 0
Misalkan A
0 1 0
Ruang baris dari A adalah himpunan dari
(1, 0, 0) (0,1, 0) , , 0
Teorema 3.5
Operasi baris elementer tidak mengubah ruang null dari suatu matriks
Operasi baris elementer tidak mengubah ruang baris suatu kolom
Contoh 3.13:
IF/2011 38
ALJABAR LINEAR DAN MATRIKS
1 2 1 1
Diketahui A 2 4 3 0
1 2 1 5
Tentukan basis untuk ruang kosong A (N(A))
Penyelesaian
Menggunakan operasi baris elementer diperoleh matriks U yang merupakan matriks bentuk
eselon baris tereduksi dari A.
1 2 0 3
U 0 0 1 2
0 0 0 0
x1 2 x2 3x4 0 x1 2 x2 3x4
sehingga
x3 2 x4 0 x3 2 x4
x1 2 3 2 3
x2 1 0
x3 2 0 2
x4 0 1
Teorema 3.6
Jika suatu matriks U berada dalam bentuk baris eselon maka vektor-vektor baris dengan
utama 1 (yaitu vektor-vektor tak-nol) membentuk suatu basis untuk ruang baris U dan
IF/2011 39
ALJABAR LINEAR DAN MATRIKS
vektor-vektor kolom dengan utama 1 dari vektor-vektor baris membentuk suatu basis untuk
ruang kolom dari U.
Teorema 3.7
Jika A dan B adalah matriks yang ekivalen baris maka
a. Suatu himpunan vektor kolom dari A yang bebas linear jika dan hanya jika vektor-vektor
kolom yang berpadanan dari B juga bebas linear.
b. Suatu himpunan vektor kolom dari A yang diberikan membentuk suatu basis untuk
ruang kolom dari A jika dan hanya jika vektor-vektor kolom yang berpadanan dari B
membentuk suatu basis untuk ruang kolom dari B.
Berdasarkan teorema 3.6 , teorema 3.7 dan teorema 3.5 maka kita dapat menentukan basis
dari suatu matriks A dengan cara
IF/2011 40
ALJABAR LINEAR DAN MATRIKS
Definisi 3.13
Rank dari suatu matriks A adalah dimensi dari ruang baris/ruang kolom dari A. Nulitas
adalah dimensi dari ruang nol.
Pada umumnya jumlah rank dan nulitas akan selalu sama dengan banyak kolom dari
matriks.
Teorema 3.8
Jika A adalah matriks m x n, maka rank dari A ditambah nulitas dari A sama dengan n.
Contoh 3.14
1 2 3
2 1 0
Diketahui A
3 1 1
5 0 1
Tentukan
a. Semua vektor baris dan vektor kolom dari A
b. Basis dan dimensi dari ruang kolom A
c. Basis dan dimensi dari ruang baris A
Penyelesaian
1 2 3
2 1 0
Vektor kolom : w1 , w2 , w3
3 1 1
5 0 1
IF/2011 41
ALJABAR LINEAR DAN MATRIKS
1 2 3 1 2 3
2 1 0 0 1 65
b. A U
3 1 1 0 0 1
5 0 1 0 0 0
Bilangan utama 1 ada pada semua kolom pada matriks U sehingga basis dari ruang
1 2 3 5 1 2 3 5
c. A 2 1 1 0
T
0 1 1 2 U
3 0 1 1 0 0 1 2
Bilangan utama satu terletak pada kolom ke-1,2,3 maka basis dari ruang baris A adalah
Latihan 3.9
1. Tentukan basis dan dimensi dari ruang kosong A jika ada
1 1 3 1 4 5 2
(i) A 5 4 4 (ii) A 2 1 3 0
7 6 2 1 3 2 2
2. Tentukan basis ruang kolom, basis ruang baris dan rank dari matriks A berikut ini
1 1 3 2
2 0 1 1
2 1 1 1
3 2 3 3
3. Tentukan basis dari ruang yang direntang oleh vektor – vektor berikut ini
IF/2011 42
ALJABAR LINEAR DAN MATRIKS
Materi :
4.1 Hasil Kali Dalam Baku
Definisi 4.1
Jika u dan v adalah vektor-vektor kolom dalam ruang berdimensi 2 maka dinotasikan u.v
sebagai hasil kali titik/hasil kali skalar
Hasil kali dalam baku untuk R 2 , R3 didefinisikan sebagai hasil kali skalar u, v u.v
Definisi 4.2
IF/2011 43
ALJABAR LINEAR DAN MATRIKS
Jika u dan v adalah vektor-vektor dalam ruang berdimensi 2 dan berdimensi 3, adalah
sudut antara u dan v , maka hasil kali titik atau hasil kali dalam Euclidean
u v cos , jika u 0 dan v 0
u.v
0 jika u 0 dan v 0
Definisi 4.3
Jika u dan v adalah vektor-vektor tak-nol, maka sudut dari dua buah vektor dapat
ditentukan dengan cara
u.v
cos
u .v
Latihan 4.1
1 1
1. Jika a 2 b 2 tentukan a b dan a, b
T
3 2
Definisi 4.4
Jika u (u1 , u2 , u3 ), v (v1 , v2 , v3 ) adalah vektor-vektor dalam ruang berdimensi 3 maka hasil
IF/2011 44
ALJABAR LINEAR DAN MATRIKS
u u3 u1 u3 u1 u2
uv 2 , ,
v2 v3 v1 v3 v1 v2
Contoh 4.1:
Latihan 4.2
c. Hitunglah u v .u dan u v .v . Apa yang dapat Anda simpulkan dari hasil perhitungan
tersebut?
2 2 2
d. Periksalah apakah u v u . v (u v)2
IF/2011 45
ALJABAR LINEAR DAN MATRIKS
1. Simetris : u, v v, u
2. Aditivitas : u v, w u, w v, w
3. Homogenitas : u, v . u, v
4. Positifitas : u, u 0 dan u, u 0 u 0
Ruang vektor yang dilengkapi dengan hasil kali dalam disebut ruang hasil kali dalam.
Contoh 4.2
Panjang vektor di R n dapat dinyatakan sebagai bentuk hasil kali dalam yaitu
1/2
u u, u u1u1 u2u2 ... unun
Dapat ditunjukkan bahwa sifat simetris, aditivitas, homogenitas dan positifitas dipenuhi
2. Jarak antara dua vektor u, v R n dinyatakan dengan d (u, v) juga dapat dinyatakan
sebagai bentuk hasil kali dalam.
1/2
d (u, v) u v u v, u v
3. Misalkan W R3 yang dilengkapi dengan operasi hasil kali u, v 2u1v1 u2v2 3u3v3
b. Aditivitas
IF/2011 46
ALJABAR LINEAR DAN MATRIKS
u, w v, w
c. Homogenitas
d. Positifitas
Ambil u W maka
4. Tunjukkan bahwa u, v u1v1 2u2v2 3u3v3 bukan merupakan hasil kali dalam
Perhatikan untuk u, u u12 2u2 2 3u32 saat 3u32 u12 2u22 maka u, u 0
Latihan 4.3
IF/2011 47
ALJABAR LINEAR DAN MATRIKS
a. Periksa apakah u, v 4u1v1 5u2v2 adalah suatu hasil kali dalam pada R 2
b. Periksa apakah u, v u1v1 u3v3 adalah suatu hasil kali dalam pada R 3
c. Periksa apakah u, v u12v12 u2 2v2 2 u32v33 adalah hasil kali dalam pada R 3
Teorema 4.1
Berikut ini beberapa sifat dari vektor-vektor dalam ruang hasil kali dalam
Jika u, v, w adalah vektor-vektor dalam ruang hasil kali dalam real, dan adalah skalar
sembarang maka :
a. 0, v v, 0
b. u, v w u , v u , w
c. u, v . u, v
d. u v, w u, w v, w
e. u, v w u, v u, w
Latihan 4.4
1. Buktikan Teorema 4.1
u u v v
2. Jika U 11 12 V 11 12 didefinisikan hasil kali dalam untuk M 22 maka
u21 u22 v21 v22
1 2 4 6
Tentukan U ,V jika U V
3 5 0 8
IF/2011 48
ALJABAR LINEAR DAN MATRIKS
Definisi 4.6
Latihan 4.5
1 0 0 2
Tunjukkan bahwa matriks U V saling ortogonal
1 1 0 0
himpunan ortogonal jika untuk setiap vektor dalam V saling tegak lurus berlaku
vi , v j 0 i j dan i, j 1, 2,..., n .
Definisi 4.8
Latihan 4.6
Diketahui u1 (0,1,0), u2 (1,0,1), u3 (1,0, 1) R3 dan R 3 adalah ruang hasil kali dalam.
b. Apakah u1 , u2 , u3 ortonormal?
IF/2011 49
ALJABAR LINEAR DAN MATRIKS
c. Hitunglah u1 , u2 , u3
1 1 1
v1 .u1 , v2 .u2 , v3 .u3 d. Tentukan v1 , v2 , v3
u1 u2 u3
e. Hitunglah v1 , v2 , v3
NB: Vektor v1 , v2 , v3 disebut vektor satuan/vektor normal karena vektor ini mempunyai
panjang 1.
u proyW u
u
W proyW u
proyW u W
proyW u adalah proyeksi ortogonal u pada W dan proyW u adalah proyeksi ortogonal u
Teorema 4.2
Misalkan W adalah subruang berdimensi tehingga dari suatu ruang hasil kali dalam V.
IF/2011 50
ALJABAR LINEAR DAN MATRIKS
a. Jika v1 , v2 ,..., vr adalah suatu basis ortonormal untuk W, dan u adalah sebarang vektor
b. Jika v1 , v2 ,..., vr adalah suatu basis ortogonal untuk W dan u adalah sebarang vektor
dalam V maka
u, v1 u, v2 u, vr
proyW u 2
v1 2
v2 ... 2
vr
v1 v2 vr
Latihan 4.7
4 3
v2 , 0, .
5 5
Definsi 4.9
Metode Gram-Schimdt adalah metode yang digunakan untuk mengubah himpunan vektor
yang bebas linear menjadi himpunan vektor ortogonal.
Misalkan diketahui B = b1 , b2 ,..., bn adalah himpunan vektor yang bebas linear, maka B
dapat diubah menjadi himpunan S = s1 , s2 ,..., sn yang ortogonal dengan cara:
1. s1 u1
u2 , s1
2. s2 u2 proyW1 u2 u2 2
s1
s1
IF/2011 51
ALJABAR LINEAR DAN MATRIKS
u3 , s1 u3 , s2
3. s3 u3 proyW2 u3 u3 2
s1 2
s2
s1 s2
u4 , s1 u4 , s2 u4 , s3
4. s4 u4 proyW2 u4 u4 2
s1 2
s2 2
s3
s1 s2 s3
5. ...
un , s1 un , s2 un , sn
6. sn un proyW2 un un 2
s1 2
s2 ... 2
sn
s1 s2 sn
Contoh 4.3:
Diketahui u1 , u2 , u3 adalah basis untuk ruang vektor R2 dengan hasil kali dalam. u1 (1,1,1) ,
Penyelesaian
1. s1 u1 (1,1,1)
u2 , s1 2 2 1 1
2. s2 u2 proyW1 u2 u2 s1 0,1,1 (1,1,1) , ,
3 3 3
2
s1 3
u3 , s1 u3 , s2
3. s3 u3 proyW2 u3 u3 2
s1 2
s2
s1 s2
1 1/ 3 2 1 1 1 1
0, 0,1 (1,1,1) , , 0, ,
3 2/3 3 3 3 2 2
IF/2011 52
ALJABAR LINEAR DAN MATRIKS
2 1 1 1 1
Jadi s1 (1,1,1) s2 , , s3 0, ,
3 3 3 2 2
Setelah dihitung diperoleh norma dari masing-masing vektor
6 1
s1 3 s2 s3
3 2
Sehingga diperoleh basis ortonormal
s1 1 1 1 s2 2 1 1
v1 , , v2 , ,
s1 3 3 3 s2 6 6 6
s3 1 1
v3 0, ,
s3 2 2
Latihan 4.7
Diketahui H {v1 , v2 , v3} dengan v1 (1,1,1) v2 (1, 2,1) v3 (1,1,0) adalah basis
Salah satu kegunaan dalam menggunakan basis ortonormal adalah sebagai berikut:
Teorema 4.2
Jika S v1 , v2 ,..., vn adalah suatu basis ortonormal untuk suatu ruang hasil kali dalam V, dan
u V maka berlaku:
u u, v1 v1 u, v2 v2 ... u, vn vn
IF/2011 53
ALJABAR LINEAR DAN MATRIKS
Latihan 4.7
Diberikan suatu basis-basis ortonormal yang relatif terhadap suatu ruang hasil kali dalam.
1 1 1 1
1. w (3, 7) u1 , u2 ,
2 2 2 2
2 2 1 2 1 2 1 2 2
2. w (1, 0, 2) u1 , , u2 , , u3 , ,
3 3 3 3 3 3 3 3 3
IF/2011 54
ALJABAR LINEAR DAN MATRIKS
5 TRANSFORMASI LINEAR
MATERI :
5.1 Transformasi Linear
Definisi 5.1
Suatu fungsi yang memetakan suatu vektor di ruang vektor V ke ruang vektor W
1. T (u v) T (u) T (v)
2. T ( u) T (u)
Jika V=W maka transformasi T : V V disebut suatu operator linear pada V.
IF/2011 55
ALJABAR LINEAR DAN MATRIKS
Contoh 5.1
x y
Diketahui T : R2 R3 dengan T x . Periksalah apakah T adalah transformasi
x
y
y
linear?
Penyelesaian:
x x
Ambil u 1 , v 2 R 2 sembarang
y1 y2
x x x x
a. u v 1 2 1 2 maka
y1 y2 y1 y2
( x1 x2 ) ( y1 y2 ) x1 y1 x2 y2
x1 x2
T uv T
y1 y2
x1 x2
x1 x2 T (u ) T (v)
y1 y2 y y
1 2
x
b. Ambil u 1 R 2 , suatu skalar sembarang sehingga
y1
x1 y1 ( x1 y1 ) ( x1 y1 )
x1
T ( u ) T x1 x1 x1 T (u )
y1 y y y
1 1 1
x y
x
Jadi dari a) dan b) terbukti bahwa T x adalah transformasi linear.
y
y
IF/2011 56
ALJABAR LINEAR DAN MATRIKS
Contoh 5.2
2x
x 2
Diketahui T : R R dengan T x . Periksalah apakah T adalah transformasi
2 3
y 2
y
linear?
Penyelesaian:
x
Untuk sebarang u 1 R 2 dan sebarang diperoleh
y1
2 x1 2 x1
2
T ( u ) x1 .T (u ) . x12
2
y2
y1 1
2x
x 2
Sehingga T x bukan merupakan transformasi linear.
y 2
y
Latihan 5.1
a
Periksa apakah T : R P2 dengan T b (abc) (a b) x (a c) x 2 merupakan suatu
3
c
transformasi linear
c.
Ker(T)) adalah himpunan u sedemikian sehingga T (u ) 0 atau Ker(T)= u T (u ) 0 . Ker(T)
sering disebut ruang nol dari T. Himpunan semua b sedemikian sehingga T (u ) b disebut
range dari T atau disingkat R(T ) . R(T ) disebut juga dengan bayangan u oleh T (u ) .
Definisi 5.3
Jika adalah suatu transformasi linear, maka dimensi daerah hasil dari T
dinyatakan sebagai rank dari T (notasi : rank(T)) dan dimensi dari T dinyatakan nullitas dari
T (notasi:nullitas(T)).
Teorema 5.2
Jika A adalah suatu matriks mxn dan adalah perkalian dengan A, maka :
a. Nullitas( = Nullitas(A)
b. Rank(( = Rank (A)
c. Rank(( + Nullitas( =n
Contoh 5.3
Tentukan basis dan dimensi dari Ker (TA ) dan R(TA ) dari transformasi linear TA : R3 R 2
1 1 2
dengan TA (u ) Au , dengan u R3 dan A
2 2 4
IF/2011 58
ALJABAR LINEAR DAN MATRIKS
Penyelesaian :
a. Kernel
t 2s 1 2
1 1 2 1 1 2
sehingga u t 1 t 0 s
2 2 4 0 0 0 s 0 1
1 2
Jadi basis Ker (TA ) 1 , 0 dan Rank(( = dim Ker (TA ) 2
0 1
b. Range
R(TA ) merupakan himpunan dari dengan maka adalah ruang kolom
1
dari . Sehingga basis dari adalah dan Nullitas( = dim .
2
Latihan 5.2
1. Tentukan Nullitas (T) berdasarkan informasi berikut ini
a. punya rank (T) =3
b. punya rank(T) =1
c. Daerah hasil dari adalah
2. Diketahui transformasi matriks memiliki matriks transformasi
1 0 1 2
A 2 2 1 1 . Tentukan basis dan dimensi dari dan .
0 2 3 3
3. Anggap adalah operator linear yang ditentukan dari
IF/2011 59
ALJABAR LINEAR DAN MATRIKS
b. Periksa apakah vektor (5,0) dan vektor (-3,12) berada pada R(T)
c. Periksa apakah vektor (3,2) dan vektor (5,10) berada pada Ker(T)
5.3 Matriks Transformasi
Definisi 5.4
Diketahui ruang V,W dengan dimensi ruang vektor berturut-turut n dan m dan transformasi
linear dengan fungsi , . Jika B merupakan basis V, dan B’adalah basis
dari W . Jika A adalah matriks standar maka dapat ditentukan dengan
T= transformasi V ke W
A T (u1 ) ' T (u2 ) ' ... T (un ) '
B B B
atau
T B ',B T (u )
1
T (u2 ) '
B ... T (u )
n
B' B'
IF/2011 60
ALJABAR LINEAR DAN MATRIKS
Notasi subscript kanan adalah suatu basis untuk daerah asal T, sedangkan subscript
kiri adalah suatu basis untuk ruang bayangan dari T. Jadi untuk notasi basis dari
daerah asal adalah B dan basis untuk ruang bayangan adalah B’.
Contoh 5.4
dan
Maka dengan OBE diperoleh vektor koordinat dan terhadap basis B yaitu
IF/2011 61
ALJABAR LINEAR DAN MATRIKS
dan .
b. Cara tak langsung adalah dengan mencari terlebih dahulu, karena dapat
dituliskan sebagai kombinasi linear dari dan maka dapat dituliskan dengan:
sehingga
Vektor
Latihan 5.3
Misal merupakan basis . Transformasi linear memiliki fungsi
dengan
, .
a. Tentukan matriks transformasi A sedemikian sehingga
IF/2011 62
ALJABAR LINEAR DAN MATRIKS
Definisi 5.5
matriks standar untuk T adalah A T (e1 ) T (e2 ) .... T (en ) .
Contoh 5.5
IF/2011 63
ALJABAR LINEAR DAN MATRIKS
Latihan 5.4
Misalkan adalah transformasi linear yang didefinisikan oleh .
a. Tentukan matriks untuk T berkenaan dengan basis-basis standar
= dan =
b. Jika Tentukan
5.5 Keserupaan/Similaritas
Matriks operator linear tergantung pada basis yang dipilih untuk V . Salah satu
masalah dasar dari aljabar linear adalah memilih suatu basis untuk V yang membuat matriks
T sesederhana mungkin, misalnya matriks diagonal atau matriks segitiga.
Masalah
Jika B dan B’ adalah dua basis untuk suatu ruang vektor berdimensi terhingga V, dan jika
adalah suatu operator linear apa kaitan antara dengan .
Teorema 5.3
Anggap adalah suatu linear pada suatu ruang vektor berdimensi terhinggaV , dan
anggap B dan B’ adalah basis-basis untuk V. Maka
T B ' P1 T B P
Dimana P adalah matriks transisi dari B’ ke B.
Contoh 5.6
Misalkan didefinisikan oleh
B’ .
IF/2011 64
ALJABAR LINEAR DAN MATRIKS
c. Hitunglah ,
Penyelesaian:
1 1 0 1 0 0 1 1
T (e1 ) T dan T (e1 ) T
0 2.1 4.0 2 1 2.0 4.1 4
1 1
Sehingga T B T
2 4
b. Untuk mencari T B' maka disusun matriks transisi dari B’ ke B sehingga
P u1
'
u '2 p11 p12
B B p
21 p22
' '
u1 p11 e1 p21 e2 dan u 2 p12 e1 p22 e2 sehingga diperoleh matriks
dan dihitung
Definisi 5.6
Jika A dan B adalah matriks-matriks bujur sangkar, B dikatakan serupa dengan A jika ada
suatu matriks P yang dapat dibalik sedemikian sehingga .
Perhatikan bahwa A juga dapat dituliskan menjadi sehingga A dan B disebut
serupa.
IF/2011 65
ALJABAR LINEAR DAN MATRIKS
Dapat dibalik atau tidak A dapat dibalik jika dan hanya jika P-1AP
dapat dibalik.
Latihan 5.5
didefinisikan oleh
x x 2 x2 1 0 2 3
T 1 1
dengan B u1 , u2 , dan B v1 , v2 ,
x2 x2 0 1 1 4
a. Tentukan matriks dari T berkenaan dengan B
b. Tentukan matriks dari T berkenaan dengan B’
IF/2011 66
ALJABAR LINEAR DAN MATRIKS
Materi :
6.1 Nilai dan Vektor Eigen
Definisi 6.1
Jika A matriks maka vektor tak nol disebut vektor eigen dari A jika
untuk suatu skalar . Skalar disebut nilai eigen dari A dan sering disebut sebagai vektor
eigen yang berpadanan dengan nilai eigen .
Untuk mencari nilai eigen, pandang persamaan dapat dituliskan kembali menjadi
dan ekivalen dengan .
Agar suatu nilai eigen dapat ditentukan maka SPL homogen harus punya solusi trivial, hal
ini hanya terjadi jika . Persamaan disebut persamaan
karakteristik dan disebut polinom karakteristik. Kadang-kadang nilai
IF/2011 67
ALJABAR LINEAR DAN MATRIKS
dan vektor eigen sering disebut nilai dan vektor karakteristik. Ruang eigen adalah ruang
solusi dari SPL
Definisi 6.2
x ( I A) x 0
Contoh 6.1
Diketahui . Tentukan :
1 0 0 0 0 2 0 2
2 1 1 2
det 0 1 0 1 2 1 det 1 2 1 2
0 0 1 1 0 3 1 0 3 1 0
0 3
( 2)( 3) 2(0 2) 3 5 2 8 4 0
1.
Untuk mendapatkan vektor eigen maka disubstitusikan nilai-nilai eigen ke persamaan
( A I ) x 0 yaitu:
0 2 x1 0
1 2 1 x2 0
1 3
0 x3 0
IF/2011 68
ALJABAR LINEAR DAN MATRIKS
Untuk 2 diperoleh
2 0 2 x1 0
1 0 1 x2 0
1 0 1 x 0
3
Dengan OBE diperoleh
2 0 2 1 0 1
1 0 1 0 0 0
1 0 1 0 0 0
Untuk 1
1 0 2 x1 0
1 1 1 x2 0
1 0 2 x 0
3
Dengan OBE diperoleh
1 0 2 1 0 2
1 1 1 0 1 1
1 0 2 0 0 0
dengan basis = dan ruang eigen yang berkaitan dengan nilai 1 adalah
dengan basis = .
IF/2011 69
ALJABAR LINEAR DAN MATRIKS
Latihan 6.1
Tentukan nilai eigen dan ruang eigen dari matriks-matriks berikut ini
1 0 1
a. b. c. 1 3 0
4 13 1
6.2 Diagonalisasi
Definisi 6.3
Suatu matriks bujur sangkar A dikatakan dapat didiagonalkan jika ada suatu matriks P yang
dapat dibalik sehingga adalah suatu matriks diagonal, P dikatakan mendiagonalkan
A.
Teorema 6.1
Jika A adalah matriks nxn, maka pernyataan-pernyataan berikut ekivalen
a. A dapat didiagonalkan
b. A mempunyai n vektor eigen yang bebas linear
Contoh 6.2
Carilah suatu matriks P yang mendiagonalkan
IF/2011 70
ALJABAR LINEAR DAN MATRIKS
0 0 2
A 1 2 1
1 0 3
Telah diperoleh untuk
dan
1 0 2 2 0 0
dan 1
P 0 1 1 P AP 0 2 0
1 0 1 0 0 1
Dapat ditunjukkan bahwa
1 0 2 0 0 2 1 0 2 2 0 0
1
P AP 1 1 1 1 2 1 0 1 1 0 2 0
1 0 1 1 0 3 1 0 1 0 0 1
Latihan 6.2
Carilah suatu matriks P yang mendiagonalkan
1 0 0
A 1 2 0
3 5 2
Apakah matriks A dapat didiagonalkan?
IF/2011 71
ALJABAR LINEAR DAN MATRIKS
IF/2011 72
ALJABAR LINEAR DAN MATRIKS
DAFTAR PUSTAKA
Kolman,Bernard, Hill,David R., Elementary Linear Algebra, 7th edition, Prentice Hall,
New Jersey, 2000
Anton, Howard, Elementary Linear Algebra, 7th edition, John Wiley & Sons, Inc., New
York, 1994
Leon, Steven J., Aljabar Linear dan Aplikasinya, Erlangga, Jakarta, 2001
IF/2011 73