Rangkuman Matek-1b
Rangkuman Matek-1b
Matriks, Vektor,
Determinan.
Sistem linier
7.5 solusi sistem linier:
Keberadaan, Keunikan
Teorema 1
teorema dasar untuk sistem linier
(1)
konsisten, yaitu memiliki solutin, jika dan hanya jika matriks koefisien A dan
aumented marix à memiliki rank yang sama. sini,
B) Keunikan. sistem (1) memiliki tepat satu solusi jika dan jika hanya
jika pangkat bersama r dari A dan à sama dengan n.
(4)
Solusi nontrivial ada jika dan hanya jika peringkat A <n. Jika peringkat
A = r <n, solusi-solusi ini, bersama-sama dengan x = 0, membentuk sebuah
vektor ruang berdimensi n - r disebut ruang solusi dari (4).
Secara khusus, jika x (1) dan x (2) adalah vektor solusi dari (4), maka
x = c1 x(1) + c2 x(2) dengan skalar c1 dan c2 adalah solusi vektor (4). (Ini tidak
berlaku untuk nonhomogeneous sistem. Juga, istilah ruang solusi digunakan
untuk sistem homogen saja.)
Ruang solusi dari (4) juga disebut ruang kosong dari A karena Ax = 0 untuk
setiap x dalam ruang solusi dari (4). Dimensinya disebut nulitas A. Oleh
karena itu Teorema 2 menyatakan bahwa
(6) x = x 0 + xh
(2)
adalah
(3)
Maka:
Determinan orde tiga
Determinan orde tiga dapat ditentukan dengan
(5)
(6) (𝐷 ≠ 0)
(1)
atau
(3b) 𝐷 = 𝑎1𝑘𝐶1𝑘 + 𝑎2𝑘𝐶2𝑘 + ⋯ + 𝑎𝑛𝑘𝐶𝑛𝑘 (
𝑘 = 1,2, … , 𝑜𝑟 𝑛)
jadi
Mjk adalah determinan orde n - 1, yaitu determinan dari sub matriks A
yang diperoleh dari A dengan menghilangkan baris dan kolom entri ajk,
yaitu baris ke-j dan kolom ke-k.
Dengan cara ini, D didefinisikan dalam istilah n determinan orde n - 1,
yang masing-masing didefinisikan dalam n - 1 determinan orde n - 2 dan
seterusnya — sampai kita akhirnya sampai di second- determinan urutan,
di mana submatrices tersebut terdiri dari entri tunggal yang
determinannya didefinisikan sebagai entri itu sendiri.
Dari definisi berikut bahwa kita dapat memperluas D dengan setiap
baris atau kolom, yaitu, memilih di (3) entri di baris atau kolom mana pun,
sama seperti saat memperluas Cjk di (3), dan seterusnya.
Definisi ini tidak ambigu, yaitu menghasilkan nilai yang sama untuk D
tidak peduli kolom atau baris mana yang kita pilih dalam perluasan. Bukti
diberikan di App. 4.
Istilah yang digunakan sehubungan dengan determinan diambil dari
matriks. Di D kita memiliki n2 entri ajk juga n baris dan n kolom, dan
diagonal utama di mana a11, a22,…, ann berdiri. Ada dua istilah baru:
(4a)
(4b)
Contoh
Minor dan Kofaktor dari determinan Orde Ketiga
Dalam (4) bagian sebelumnya, minor dan kofaktor
entri di kolom pertama bisa dilihat langsung. Untuk
entri di baris kedua minor adalah
dan kofaktornya adalah C21 = −M21, C22 = + M22, dan C23 = −M23. Demikian pula untuk
baris ketiga — tuliskan sendiri. Dan verifikasi bahwa tanda-tanda di Cjk membentuk
papan catur
Contoh
Perluasan Determinan Orde Ketiga
1 12 − 0 − 3 4 + 4 + 0 0 + 6 = 12
Ini adalah perluasan dari baris pertama. Ekspansi oleh kolom ketiga adalah
det A ≠ 0
Hukum Carmer
Teorema 4
Teorema Cramer (Solusi Sistem Linear dengan Determinan)
(a) Jika sistem linier dari n persamaan dalam jumlah yang sama tidak
diketahui x1,…, xn
(6)
memiliki determinan koefisien bukan nol D = det A, sistem memiliki tepatnya satu
solusi. Solusi ini diberikan oleh rumus
𝐷1 𝐷2 𝐷𝑛
(7) 𝑥1 = , 𝑥2 = , … , 𝑥𝑛 =
𝐷 𝐷 𝐷
Hukum Cramer
dimana Dk adalah determinan yang diperoleh dari D dengan mengganti di D the
kolom k ke kolom isian b1,…, bn.
(b) Oleh karena itu jika sistem (6) homogen dan D ≠ 0, ia hanya memiliki
solusi trivial x1 = 0, x2 = 0,…, xn = 0. Jika D = 0 sistem homogen juga memiliki
solusi nontrivial.
7.8 Invers Matriks.
Eliminasi Gauss – Jordan
Pada bagian ini kita mempertimbangkan matriks persegi secara eksklusif.
Invers dari matriks n × n A = [ajk] dilambangkan dengan A− 1 dan merupakan
matriks n × n sedemikian rupa sehingga
B = IB = (CA)B = C(AB) = CI = C
Teorema 1
Keberadaan Inverse
(PERHATIAN! Perhatikan baik-baik bahwa dalam A −1, kofaktor yang ditempati Cjk
tempat yang sama seperti akj (bukan ajk) di A.). Secara khusus, kebalikan dari
Contoh
Invers Matriks 2 X 2 Degan Determinan
3 1
𝐀=
2 4
1 4 −1 0.4 −0.1
𝐀−1 = =
10 −0.2 3 −0.2 0.3
Invers Digonal Matriks
−0.5 0 0
𝐀= 0 4 0
0 0 1
maka kita mendapatkan inversi A-1 dengan membalik setiap elemen diagonal
individu dari A, yaitu dengan mengambil 1/(-0,5), 1/4, dan 1/1 sebagai entri
diagonal dari A-1, yaitu
−2 0 0
𝐀−1 = 0 0,25 0
0 0 1
Hasilnya dapat dibalik dengan mengambil kebalikan dari setiap faktor dan
mengalikannya dengan urutan terbalik,
(7) (𝐀𝐂)−1 = 𝐂−1 𝐀−1
Oleh karena itu untuk lebih dari dua faktor
(8)
Sifat Perkalian Matriks yang Tidak Biasa.
Hukum Pembatalan
Definisi
Ruang vektor real
Himpunan tidak kosong V dari elemen a, b,… disebut ruang vektor nyata (atau
ruang linier nyata), dan elemen ini disebut vektor (terlepas dari sifatnya, yang
akan keluar dari konteksnya atau akan dibiarkan sembarangan) jika , di V,
didefinisikan dua operasi aljabar (disebut penjumlahan vektor dan perkalian
skalar) sebagai berikut.
I. Penjumlahan vektor mengaitkan dengan setiap pasangan vektor a dan b dari V
sebuah vektor unik dari V, yang disebut jumlah dari a dan b dan dilambangkan
dengan a + b, sehingga aksioma-aksioma berikut terpenuhi.
a+b=b+a
(a + b) + c = a + (b + c) (ditulis a + b + c)
I.3 Ada vektor unik di V, yang disebut vektor nol dan dilambangkan dengan 0,
sehingga untuk setiap a di V,
a+0=a
I.4 Untuk setiap a di V, ada vektor unik di V yang dilambangkan dengan −a dan
sedemikian rupa
a + (-a) = a
II. Perkalian skalar. Bilangan real disebut skalar. Perkalian skalar mengasosiasikan
dengan setiap a di V dan setiap skalar c vektor unik V, disebut hasil kali c dan a
dan dilambangkan dengan ca (atau ac) sehingga aksioma berikut terpenuhi
c(a + b) = ca + cb
(c + k)a = ca + ka
hasil kali ini disebut hasil kali dalam atau hasil kali titik dari a dan
b. Notasi lain untuk itu adalah (a, b) dan 𝐚 ∙ 𝐛, jadi
kita sekarang memperluas konsep ini ke ruang vektor nyata umum dengan
mengambil sifat dasar (a, b) sebagai aksioma untuk "hasil kali dalam abstrak“
(a, b) sebagai berikut.
Definisi
Ruang Produk Dalam Yang Real
Ruang vektor nyata V disebut ruang hasil kali dalam nyata (atau ruang nyata
pra-Hilbert) jika memiliki sifat berikut. Dengan setiap pasangan vektor a dan b di
V terkait dengan bilangan real, yang dilambangkan dengan (a, b) dan disebut
hasil kali dalam dari a dan b, sehingga aksioma berikut terpenuhi.
I. Untuk semua skalar q1 dan q2 dan semua vektor a, b, c dalam V,
𝐚, 𝐛 = (b, a) Simetris
(a, a) ≧ 0
ൠ (𝐾𝑒𝑝𝑎𝑠𝑡𝑖𝑎𝑛 𝑝𝑜𝑠𝑖𝑡𝑖𝑓)
a, a = 0 jika dan hanya jika a = 0
Vector whose inner product is zero are called orthogonal. The length or norm of
a vector in V is defined by
(10)
Linear Transformation of Space Rn into Space Rm
(11) y = Ax
Karena A (u + x) = Au + Ax dan A (cx) = cAx, transformasi ini linier.
Komposisi Transformasi Linear