PENDAHULUAN
A. LATAR BELAKANG
Sudah menjadi rahasia umum bahwa matematika merupakan momok menakutkan bagi sebagaian
besar siswa. Salah satu materi matematika yang menyulitkan bagi siswa adalah Aljabar. Diantaranya
karena Aljabar umum menggunakan dummy variabel berbentuk huruf (misalnya x, y, z, p,q, m, n)
yang umumnya sulit untuk dapat dicerna (baca:dibayangkan) oleh siswa. Sehingga perlu adanya
pemahaman lebih dalam bagi mahasiswa pendidikan Matematika sebagai calon pendidik nantinya.
Aljabar Linear yang termasuk salah satu cabang ilmu Matematika, memiliki karakteristik
tersendiri dalam isi maupun proses pembelajarannya. Aljabar Linear ini identik dengan penggunaan
logika dalam pemecahan masalah dan pencarian solusi. Pembelajaran Aljabar Linear yang harus
melalui pra syarat penguasaan Logika Matematika & Himpunan tentunya tidak lepas dari aplikasi
penggunaannya dalam kehidupan sehari-hari, baik secara konkret maupun abstrak. Nilai-nilai yang
terkandung di dalamnya tentu menjadi sebuah pembelajaran yang sangat berguna bagi orang yang
mempelajari maupun mengajarinya, khususnya bagi mahasiswa pendidikan Matematika.
1
BAB II
PEMBAHASAN
Ingat bahwa sebuah fungsi adalah suatu aturan f yang menghubungkan setiap unsur dalam
himpunan A ke satu dan hanya satu unsur dalam himpunan B. Jika f menghubungkan unsur b
dengan unsur a, maka kita tulis b = f (a) dan kita katakan bahwa b adalah bayangan dari a
dibawah f atau bahwa f (a) adalah nilai dari f di a. Himpunan A disebut daerah asal dari f
dan himpunan B disebut daerah kawan dari f. Fungsi-fungsi umum lainnya terjadi ketika B
adalah himpunan bilangan real dan A himpunan vektor dalam R2, R3, atau secara lebih umum,
dalam Rn. Beberapa contoh ditunjukkan dalam Tabel 1.
TABEL 1
RUMUS CONTOH KLASIFIKASI URAIAN
2
f (x) f (x) = x Fungsi bernilai real Fungsi dari R ke R
dari suatu variabel
real
f (x,y) f (x,y) = x2 + y2 Fungsi bernilai real Fungsi dari R2 ke R
dari dua variabel real
Jika daerah asal suatu fungsi f adalah Rn dan daerah kawannya adalah Rm (m dan n
mungkin sama), maka f disebut suatu peta atau transformasi dari Rn ke Rm, dan kita
katakan bahwa f memetakan Rn ke Rm. Kita nyatakan ini dengan menuliskan Rn → Rm.
Dalam kasus dimana m = n transformasi f : Rn → Rn disebut suatu operator pada Rn.
Entri pertama dalam Tabel 1 merupakan suatu operator pada R.
Untuk mengilustrasikan suatu cara penting di mana transformasi dapat muncul,
anggap f1 ,f2,..,fm adalah fungsi-funngsi bernilai real dari n peubah real, misalkan :
w1 = f1 (x1,x2,…,xn)
w2=f2 (x1,x2,…,xn)
⋮ ⋮
wm = fm (x1,x2,…,xn) (1)
2
Persamaan-persamaan m di atas menempatkan suatu titik unik (w1,w2,.,wm) dalam Rm
ke setiap titik (x1,x2,…,xn) dalam Rn. Jika kita menyatakan transformasi ini dengan T,
maka Rn → Rm dan T (x1,x2,…,xn) = (w1,w2,..,wm).
Contoh 1 : Persamaan-persamaan
w1 = x1 + x2
w2 = 3x1x2
w3 = 𝑥12 – 𝑥22
Dalam kasus khusus di mana persamaan pada (1) adalah liniear, transformasi
T: R → Rm yang didefinisikan oleh persamaan-persamaan itu disebut suatu
n
transformasi liniear
T: Rn → Rm didefinisikan oleh persamaan berbentuk :
w = Ax. (4)
Matriks A = [𝑎𝑖𝑗] disebut matriks standar untuk transformasi liniear T, dan T disebut
perkalian dengan A.
3
Dapat dinyatakan dalam bentuk matriks sebagai :
w1 2 -3 1 -5 x1
w2 = 4 1 -2 1 x2
w3 5 -1 4 0 x3
x4 (6)
sehingga matriks standar untuk T adalah :
2 -3 1 -5
A= 4 1 -2 1
5 -1 4 0
Bayangan dari suatu titik (x1,x2,x3,x4) dapat dihitung secara langsung dari persamaan
yang mendefinisikannya (5) atau dari (6) dengan perkalian matriks. Misalnya, jika
(x1,x2,x3,x4) = (1,-3,0,2), maka dengan mensubtitusikannya ke (5) kita akan
mendapatkan :
w1 = 1, w2 = 3, w3 = 8
w1 2 -3 1 -5 1 1
w2 = 4 1 -2 1 -3 = 3
w3 5 -1 4 0 0 8
2
D. Beberapa Masalah Rotasi
Jika T:Rn Rm adalah perkalian dengan A, dan jika kita perlu menekankan bahwa A
adalah matriks standar untuk T, kita akan menyatakan transpormasi linier T:Rn Rm dengan
TA:RnRm. jadi :
TA(x)=Ax (7)
Dipahami dalam persamaan ini bahwa vektor x dalam Rn dinyatakan sebagai suatu matriks
kolom.
Jika kita memperkenalkan suatu huruf baru untuk suatu transformasi linier T:Rn Rm. dalam
kasus-kasus seperti inikita akan menyatakan matriks standar untuk T dengan simbol [T].
dengan notasi ini persamaan (7) akan menjadi:
T (x) = [T]x (8)
Kadangkala, dua notasi untuk matriks standar akan dicampur, di mana kita mempunyai
hubungan.
[TA] = A (9)
Komentar : Ditengah-tengah notasi ini, merupakan suatu hal yang pentinguntuk tetap
mengingat bahwa kita telah menetapkan persamaan antara matriks-matriks m x n dan
transformasi linier dari Rn ke Rm . untuk setiap matriks A terdapar suatu transformasi linier TA
yang cocok (pekalian dengan A) , dan untuk setiap transformasi linier T:Rn Rm. terdapat
suatu matriks [T] m x n yang cocok (matriks standar untuk T)
4
E. Geometri Transformasi Linier
Tergantung dari apakah ganda-n dipandang sebagai titik atau vektor, dampak geometri
dari suatu operator T:Rn Rm adalah mentransformasi setiap titik (atau vektor) dalam Rn
ke dalam beberapa titik (atau vektor) baru (gambar 1)
T(x)
T(x)
x x
Gambar 1
Contoh 3 Jika 0 adalah matriks nol m x n dan 0 adalah vektor nol dalam Rn, maka untuk
setiap vektor x dalam Rn
T0 (x) = 0x = 0
Sehingga perkalian dengan nol memetakan setiap vektor dalam Rn kedalam vektor nol dalam
Rm. kita sebut T0 sehingga transformasi nol bari Rn ke Rm. kadang- kadang transformasi nol
dinyatakan 0. Meskipun ini adalah notasi yang sama dengan yang digunakan untuk martiks
nol, interpretasi yang tetap biasanya akan jelas dari konteksnya.
Contoh 4 Jika I adalah matriks identitas m x n maka untuk setiap vektor x dalam Rn
TI(x) = Ix = x
Sehingga perkalian dengan I memetakan setiap vektor dalam Rn ke dirinya sendiri. Kita sebut
sendiri TI sebagai operator identitas pada Rn. kadang-kadang operator identitas dinyatakan
dengan I. meskipun ini adalah notasi yang sama dengan yang digunakan untuk matriks
identitas, interpretasi yang tepat biasanya akan jelas dari konteksnya.
F. Operator-Operator Pencerminan
Tinjau operator T:Rn Rm yang memetakan setiap vekktor ke bayangan simetrisnya terhadap
sumbu y (gambar 2)
(-x,y) (x,y)
W = T(x) x
Gambar 2
5
Jika kita anggap w = T(x), maka persamaan yang menghubungkan komponen-komponen x
dan w adalah
𝑤1 = −𝑥 = −𝑥 + 0𝑦
𝑤2 = 𝑦 = 0𝑥 + 𝑦 (10)
W=T(x) x x
𝑤1 = 𝑥
y (x,y) 𝑤2 = −𝑦
Pencerminan x 1 0
terhadap [ ]
0 −1
sumbu y
w = T(x) (x,-y)
𝑤1 = 𝑦
y 𝑤2 = 𝑥
(y,x) y=x
Pencerminan W=T(x)
0 1
terhadap garis x [ ]
1 0
x=y x (x,y)x
6
TABEL 3
Matriks
Operasi Ilustrasi Persamaan
standar
z
(x,y,z) 𝑤1 = 𝑥 1 0 0
Pencerninan x 𝑤2 = 𝑦 [0 1 0]
terhadap bidang y 𝑤3 = −𝑧 0 0 −1
xy
x w
(x,y,-z)
z
(x,-y,z) (x,y,z)
𝑤1 = 𝑥 1 0 0
Pencerminan
w x 𝑤2 = −𝑦 [0 −1 0]
terhadap bidang
y 𝑤3 = 𝑧 0 0 1
xz
z (-x,y,z)
w 𝑤1 = −𝑥 −1 0 0
Pencerminan
x (x,y,z) 𝑤2 = 𝑦 [ 0 1 0]
terhadap bidang
𝑤3 = 𝑧 0 0 1
yz
y
x
w
(x,0)
Gambar 3
7
persamaan –persamaan yang menghubungkan komponen-komponen x dan w =T(x) adalah
w1 = x = x + 0y (12)
w2 = 0 = 0x + 0y
atau dalam bentuk matriks
𝑤1 1 0 𝑥
[𝑤 ] = [ ][ ] (13)
2 0 0 𝑦
Persamaan dalam (12) adalah linier, maka T adalah suatu operator linier dan dari (13)matriks
standar untuk T adalah
[𝑇] = [1 0]
0 0
Secara umum, sebuah operator proyeksi (atau lebih tepatnya operator proyeksi ortogonal )
pada R2 atau R3 adalah sembarang operator yang memetakan setiap vektor keproyeksi
ortogonalnya pada suatu garis atau bidang yang melalui titik asal .Dapat ditunjukkan bahwa
operator-operator seperti itu adalah linier.Beberapa operator proyeksi dasar pada R2 dan R3
dibuat daftar pada tabel 4 dan 5.
TABEL 4
Proyeksi W1 = 0 0 0
[ ]
ortogonal W2 = y 0 1
Pada sumbu y
TABEL 5
x w
(x,y,0)
8
z 1 0 0
Proyeksi (x,-y,z) (x,y,z) W1 = x [0 0 0]
ortogonal W2 = 0 0 0 1
Pada bidang xz w x W3 = z
y
x
Proyeksi W1 = 0 0 0 0
ortogonal W2 = y [0 1 0]
Pada bidang yz z (-x,y,z) W3 = z 0 0 1
w
x (x,y,z)
H. Operator-Operator Rotasi
Operator yang merotasikan setip vektor dalam 𝑅 2 melalui sudut tetap 𝜃 disebut
operator rotasi pada 𝑅 2 .Tabel 6 memberikan rumus-rumus untuk operator-operator rotasi
pada 𝑅 2 .Untuk menunjukan bagaimana hasil-hasil ini diturunkan, tinjau opertor rotasi yang
merotasikan setiap vektor berlawanan arah dengan jarum jam pada suatu sudut tetap 𝜃. Untuk
mencari persamaan yang menghubungkan x dan w = T(x), anggap ∅ adalah sudut dari sumbu
x positif ke x, dan anggap panjang x dan w masing-masing adalah r (Gambar 4)
Gambar 4
Maka dari trigonometri dasar 𝑥 = 𝑟 cos ∅, 𝑦 = 𝑟 sin ∅ (14)
9
Dan mensubtitusikan (14) menghasilkan
𝑤1 = 𝑥 cos 𝜃 − 𝑦 sin 𝜃
𝑤2 = 𝑥 sin 𝜃 + 𝑦 cos 𝜃
Persamaan-persamaan dalam (16) adlah linier sehingga T adalah sebuah operator linier; lebih
jauh, dari persamaan ini kita dapati bahwa matriks standar untuk T adalah
Contoh 5 Jika setiap vektor pada 𝑅 2 dirotasikan dengan sudut dengan π/6 = (30° ) maka
bayangan w dari suatu vektor
𝑥
𝑥 = [𝑦]
adalah
√3 1
cos 𝜋/6 −sin 𝜋/6 𝑥 √3/2 −1/2 𝑥 𝑥 − 𝑦
𝑤=[ ] [𝑦] = [ ] [𝑦] = 2 2
sin 𝜋/6 cos 𝜋/6 1/2 √3/2 1 √3
[ 2𝑥 +
2 ]
𝑦
𝑤= [ 2 ]
1+√3
2
10
dengan jarum jam terhadap sumbu l dengan sudut 𝜃 Sebagaimana dalam 𝑅 2 ,sudutnya positif
jika sudut-sudut tersebut dibangkitkan oleh rotasi berlawanan dengan arah jarum jam dan
negatif jika dibangkitkan searah dengan jarum jam.
Cara yang paling umum untuk menjabarkan sebuah sumbu rotasi yang umum adalah
dengan menentukan suatu vektor tak nol u yang berada pada sumbu rotasi dan mempunyai
titik pangkal dititik asal. Selanjutnya, arah yang berlawanan dengan jarum jam untuk suatu
rotasi terhadap sumbunya ditentukan dengan suatu “aturan tangan tangan” (Gambar 5b): Jika
ibu jari kanan menunjukan pada arah u, maka jari-jari yang menggenggam menunjuka pada
suatu arah belawanan dengan jarum jam.
Gambar 5
Sebuah operator rotasi pada 𝑅 3 merupakan operasi linier yang merotasikan setiap
vektor dalam 𝑅 3 terhadap beberapa sumbu rotasi dengan suatu sudut tetap 𝜃 Pada Tabel 7 kita
telah menguraikan operator rotasi pada 𝑅 3 yang sumbu-sumbu rotasinya adalah sumbu-sumbu
koordinat positif. Untuk masing-masing rotasi ini salah satu komponenya tidak diubah oleh
rotasi, dan hubungan antara komponen-komponen yang lain dapat diturunkan (16). Misalnya ,
dalam rotasi terhadap sumbu z, komponen-komponen z dari x dan w = T(x) adalah sama, dan
komponen-komponen x dan y dihubungkan sebagai dalam (16). Hal ini menghasilkan
persamaan rotasi yang ditunjukan pada baris terakhir Tabel 7.
TABEL 7
11
Rotasi 𝑤1 = 𝑥 cos 𝜃 + 𝑧 sin 𝜃 cos 𝜃 0 sin 𝜃
berlawanan 𝑤2 = 𝑦 [ 0 1 0 ]
arah dengan 𝑤3 = −𝑥 sin 𝜃 + 𝑧 cos 𝜃 − sin 𝜃 0 cos 𝜃
jarum jam
terhadap
sumbu y
positif
dengan sudut
θ
Rotasi 𝑤1 = 𝑥 cos 𝜃 − y sin 𝜃 cos 𝜃 − sin 𝜃 0
berlawanan 𝑤2 = 𝑥 sin 𝜃 + y cos 𝜃 [ sin 𝜃 cos 𝜃 0]
arah dengan 𝑤3 = 𝑧 0 0 1
jarum jam
terhadap
sumbu z
positif
dengan sudut
𝜃
Untuk lengkapnya, kita perhatikan bahwa standar matriks untuk suatu rotasi yang
berlawanan arah dengan jarum jam dengan sudut terhadap suatu sumbu pada 𝑅 3 , yang
ditentukan oleh suatu vektor satuan sembarang u = (a, b, c) yang mempunyai titik pangkal di
titik pusat, adalah
Jika k adalah suatu skalar non negatif, maka opertor T(x) = kx pada 𝑅 2 atau 𝑅 3 disebut
suatu penyempitan dengan faktor k jika 0 ≤ 𝑘 ≤ 1 dan suatu pelebaran dengan faktor k jika
𝑘 ≥ 1. Dampak geometrik dari suatu penyempitan adalah memampatkan suatu vektor dengan
suatu faktor k (Gambar 6a), dan dampak suatu pelebaran adalah meregangkan setiap vektor
dengan suatu faktor k (Gambar 6b). Suatu penyempitan memempatkan 𝑅 2 dan 𝑅 3 secara
seragam menuju titik asal dari semua arah, dan suatu pelebaran meregangkan 𝑅 2 dan 𝑅 3
secara seragam menjauh dari titik asal pada semua arah.
Gambar 6
12
Penyempitan yang paling ekstrem terjadi jika k = 0, di mana T(x) = kx berubah menjadi
operator nol T(x) = 0, yang memampatkan setiap vektor menjadi suatu titik tunggal (asal).
Jika k = 1, maka T(x) =kx berubah menjadi operator identitas T(x) = x, yang membuat setiap
vektor tidak berubah; ini dapat dipandang baik sebagai penyempitan ataupun suatu pelebaran
dan penyempitan pada 𝑅 2 dan 𝑅 3 .
TABEL 8
𝑘 0
[ ]
Penyempitan dengan 𝑤1 = 𝑘𝑥 0 𝑘
faktor k pada 𝑤2 = 𝑘𝑦
𝑅 2 (𝑘 ≥ 1)
TABEL 9
𝑘 0 0
[0 𝑘 0]
Penyempitan dengan 𝑤1 = 𝑘𝑥 0 0 𝑘
faktor k pada 𝑤2 = 𝑘𝑦
𝑅 2 (𝑘 ≥ 1) 𝑤3 = 𝑘𝑧
13
J. Komposisi Transformasi Linier
Sehingga 𝑇𝐵 ° 𝑇𝐴 adalah perkalian dengan BA, yang merupakan suatu transformasi linier.
Rumus (19) juga menyatakan kepada kita bahwa matriks standar untuk 𝑇𝐵 ° 𝑇𝐴 adalah BA. Hal
ini dinyatakan dengan rumus 𝑇𝐵 ° 𝑇𝐴 = 𝑇𝐵𝐴 (20)
Komentar. Rumus (20) menyatakan suatu gagasan penting: mengalikan matriks-matriks
setara dengan mengkomposisikan transformasi linier yang berpadanan dalam urutan faktor
dari kanan ke kiri.
Gambar 7
Jadi, matriks-matriks standar untuk operator-operator linier ini adalah
cos 𝜃1 −sin 𝜃1 cos 𝜃2 −sin 𝜃2
[𝑇1 ] = [ ], [𝑇2 ] = [ ],
sin 𝜃1 cos 𝜃1 sin 𝜃2 cos 𝜃2
cos(𝜃1 + 𝜃2 ) −sin(𝜃1 + 𝜃2 )
[𝑇1° 𝑇2 ] = [ ]
sin(𝜃1 + 𝜃2 ) cos(𝜃1 + 𝜃2 )
14
Matriks-matriks ini seharusnya memenuhi (21). Dengan bantuan beberapa identitas
trigonometri dasar, kita dapat menunjukan bahwa matriks-matriks tersebut memeng
memenuhi (21) sebagai berikut :
cos 𝜃2 −sin 𝜃2 cos 𝜃1 − sin 𝜃1
[𝑇2 ][𝑇1 ] = [ ][ ]
sin 𝜃2 cos 𝜃2 sin 𝜃1 cos 𝜃1
cos 𝜃2 cos 𝜃1 − sin 𝜃2 sin 𝜃1 −(cos 𝜃2 sin 𝜃1 + sin 𝜃2 cos 𝜃1 )
= [ ]
sin 𝜃2 cos 𝜃1 + cos 𝜃2 sin 𝜃1 − sin 𝜃2 sin 𝜃1 + cos 𝜃2 cos 𝜃1
cos(𝜃1 + 𝜃2 ) − sin(𝜃1 + 𝜃2 )
= [ ]
sin(𝜃1 + 𝜃2 ) cos(𝜃1 + 𝜃2 )
= 𝑇2 ° 𝑇1
Komentar. Secara umum, misalnya adalah bagaimana urutan komposisi transformasi
linier. Hal ini sudah diperkirakan karena komposisi dua transformasi linier berpadanan
dengan perkalian matriks-matriks standarnya, dan kita tau bahwa urutan perkalian matriks
yang berbeda dapat memberikan hasil yang berbeda.
Gambar 8 𝑇2 ° 𝑇1 𝑇1 ° 𝑇2
[𝑇] = [−1 0
]
0 −1
Komposisi dapat didefinisikan untuk tiga atau lebih transformasi linier. Misalnya,
tinjau transformasi-transformasi linier
𝑇1 : 𝑅 𝑛 → 𝑅 𝑘 , 𝑇2 : 𝑅 𝑘 → 𝑅 𝑙 , 𝑇3 : 𝑅 𝑙 → 𝑅 𝑚
Dapat ditinjaukan bahwa komposisi ini merupakan suatu transformasi linier dan bahwa
matriks standar untuk 𝑇3 ° 𝑇2 ° 𝑇1 dihubungkan dengan matriks-matriks standar untuk 𝑇1 , 𝑇2
dan 𝑇3 dengan
[𝑇3 ° 𝑇2 ° 𝑇1 ] = [𝑇3 ][𝑇2 ][𝑇1 ] (22)
Yang merupakan generalisasi dari (21). Jika matriks-matriks standar untuk 𝑇1 , 𝑇2 dan
𝑇3 dinyatakan masing-masing dengan A, B dan C maka kita juga mempunyai generalisasi
dari (20) sebagai berikut :
𝑇𝐶 ° 𝑇𝐵 ° 𝑇𝐴 = 𝑇𝐶𝐵𝐴 (23)
Dengan 𝑇1 adalah rotasi terhadap sumbu z, 𝑇2 adalah pencerminan terhadap bidang yz, dan
𝑇3 adalah proyeksi ortogonal pada bidang xy. Dari tabel 3,5 dan 7 matriks-matriks standar
untuk transformasi-transformasi linier ini adalah
cos 𝜃 − sin 𝜃 0 −1 0 0 1 0 0
[𝑇1 ] = [ sin 𝜃 cos 𝜃 0], [𝑇2 ] = [ 0 1 0], [𝑇3 ] = [0 1 0]
0 0 1 0 0 1 0 0 1
Jadi, dari (22) matriks standar untuk T adalah [𝑇] = [𝑇3 ][𝑇2 ][𝑇1 ] ; yaitu
1 0 0 −1 0 0 cos 𝜃 − sin 𝜃 0 −cos 𝜃 sin 𝜃 0
[𝑇] = [0 1 0] [ 0 1 0] [ sin 𝜃 cos 𝜃 0] = [ sin 𝜃 cos 𝜃 0]
0 0 1 0 0 1 0 0 1 0 0 0
17
BAB III
PENUTUP
A. KESIMPULAN
Manfaat Pembelajaran Aljabar Linear dapat dikategorikan menjadi dua, yaitu manfaat secara
konkret seperti dalam bidang ekonomi, perdagangan, pertanian, dan perikanan; serta bermanfaat bagi
para akuntan, banker dana administrator. Sedangkan manfaat secara abstrak diantranya adalah
meningkatkan nalar kritis transformative, wahana pencerah jiwa, dan mempertajam daya imajinasi
berpikir. Aplikasi Pembelajaran Aljabar Linear dalam ruang tiga dimensi (kehidupan real) juga dapat
diklasifikasikan dalam apliksi secara konkret dan secara abstrak yang ditinjau dari aspek psikologi
jiwa, moral, dan dalam perspektif social serta agama.
Setelah kita mengetahui aplikasi dari materi Aljabar Linear, diharapkan bisa memotivasi kita
untuk lebih mendalami pengetahuan khususnya mengenai Aljabar Linear, umumnya ilmu matematika.
Selain itu, diharapkan kita bisa mengaplikasikan materi Aljabar yang kita pelajari seperti aplikasi-
aplikasi yang dibahas dalam makalah ini maupun aplikasi lain dari aljabar linear yang tidak tercantum
dalam makalah ini.
18