Umj 1x Christinew 5511 1 Aljabar U
Umj 1x Christinew 5511 1 Aljabar U
i
ALJABAR LINIER ELEMENTER
Penulis:
Christine W. Suryaningrum, S.Pd, M.Pd
Editor:
Asmedy, M.Pd
Penyunting:
Imam Sahroni
Desain Sampul:
Imam Sahroni
Penerbit:
LPPM Unmuh Jember
Redaksi:
Jl. Karimata 49 Jember
Telp. (0331) 336728
Fax. (0331) 337957
email: lppm@unmuhjember.ac.id
Distributor Tunggal:
LPPM Unmuh Jember
Jl. Karimata 49 Jember
Telp. (0331) 336728
Fax. (0331) 337957
ii
KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas segara rahmat dan hidayah-Nya
sehingga buku Aljabar Linier elementer dapat diselesaikan dengan baik.
Buku ini dimakudkan untuk dapat digunakan sebagai referensi bagi
mahasiswa yang menempuh mata kuliah aljabar linier. Dengan membaca
buku ini, diharapkan mahasiswa dapat memiliki pengetahuan tentang sistem
persamaan linier, matriks, vektor, ruang vektor, sub ruang, vektor bebas linier
dan bergantung linier, nilai eigen dan ruang eigen , transformasi linier serta
dapat menjadi dasar untuk mempelajari mata kuliah selanjutnya.
Penulis
iii
DAFTAR ISI
iv
BAB IV VEKTOR
4.1 Pengantar Vektor .............................................................................. 103
4.2 Hasil Kali Titik Dari Vektor ............................................................. 109
4.3 Panjang Dan Jarak Dua Vektor ........................................................ 111
4.4 Menentukan Sudut Antar Dua Vektor .............................................. 113
4.5 Vektor – Vektor Ortogonal .............................................................. 115
v
BAB I
PENGANTAR SISTEM PERSAMAAN LINIER
Dalam bab ini akan membahas sistem persamaan linier, sistem persamaan
linier homogen, dan eliminasi gauss. Setelah mempelajari bab ini,
diharapkan mahasiswa dapat menentukan selesaian dari suatu sistem
persamaan linier dengan eliminasi gauss
1
1.1.2 Himpunan Selesaian Dari Suatu Persamaan Linier
Diberikan persamaan linier : 2x - y = 6
Jika x = 1 , y = -4 di subtitusikan kedalam persamaan maka akan
membuat persamaan tersebut bernilai benar, maka x = 1, y = -4 disebut
selesaian dari persamaan linier.
Jika terdapat x = 5, y = 0 subtitusikan kedalam persamaan maka akan
membuat persamaan tersebut bernilai salah maka x = 5, y = 0 bukan selesaian
dari persamaan linier.
Dapat ditarik kesimpulan bahwa himpunan selesaian di persamaan
linier adalah sederet n angka r1, r1, …,rn jika disubtitusikan x1 = r1, x2 =r2, …,
xn = rn akan memenuhi persamaan linier tersebut (persamaan linier akan
bernilai benar)
2
Bentuk umum dari sistem persamaan linier adalah
a11x1 + a12x2 + … + a1nxn = b1
a21x1 + a22x2 + … + a2nxn = b2
am1x1 + am2x2 + … + amnxn = bm
Contoh 2
Contoh sistem persamaan linier
a) -x + 2y = 5
4x - 3y = 8
b) 4a – b + 2c = 2
2a + 2b – c = 4
c) p + q = 2
p–q=1
p=4
d) x1 – 2x2 + 3x3 = 4
x1 – 2x2 = -1
– 2x2 + 3x3 = 2
x1 - 3x3 = 4
3
1.2.2 Selesaian Dari Suatu Sistem Persamaan Linier
Selesaian dari sistem persamaan linier m persamaan dan n variabel
adalah sebuah urutan bilangan-bilangan (x1, x2, ..., xn) yang memenuhi semua
persamaan dalam sistem.
Contoh 3
Tentukan selesaian dari sistem persamaan linier berikut
x + 2y = 5
2x + 3y = 8
Selesaian dari sistem persamaan linier di atas adalah (1, 2), karena
bilangan tersebut memenuhi setiap persamaan dam sistem persamaan linier,
dengakata lain bilangan tersebut jika disubstitusi ke masing-masing
persamaan linier, membuat persamaan linier bernilai benar. Mari kita coba
substitusikan
Pada persamaan pertaman (1) + 2 . (2) = 5 bernilai benar
Pada persamaan kedua 2 .(1) + 3 . (2) = 8 bernilai benar
Contoh 4
Tentukan selesaian dari sistem persamaan linier berikut
3x + 3y = 6
-3x - 3y = -6
Sistem persamaan linier di atas mempunyai selesaian salah satunya adalah
(2,0). Artinya masih banyak nilai x dan y yang membuat persamaan linier
dalam SPL tersebut bernilai benar. Mari kita coba substitusikan
Pada persamaan pertaman 3 (2) + 3 .(0) = 6 bernilai benar
Pada persamaan kedua -3 .(2) + 3 .(0) = -6 bernilai benar
4
Contoh 5
Tentukan selesaian dari sistem persamaan linier berikut
x+y=4
2x + 2y = 6
Karena tidak terdapat bilangan real yang memenuhi kedua persamaan
dalam Sstem Persamaan Linier di atas, maka sistem persamaan linier tersebut
tidak memiliki penyelesaian.
Pernyataan 1
Suatu sistem persamaan linear mempunyai paling sedikit satu penyelesaian,
maka sistem persamaan linear disebut sistem persamaan linear yang
konsisten (consistent).
Pernyataan 2
Suatu sistem persamaan linier yang tidak mempunyai selesaian disebut
sistem persamaan linier yang tak konsisten (inconsistent).
Jadi pada contoh 3 dan 4 merupakan sistem persamaan linier yang
konsisten, dan contoh 5 merupakan sistem pesamaan linier yang tidak
konsisten.
5
x2
x1
(i)
Dari grafik di atas, terlihat bahwa terdapat satu titik potong. Titik
potong pada grafik di sebut selesain dari sistem persamaan linier. Maka dapat
kita simpulkan bahwa sistem persamaan linier di atas merupakan sistem
persamaan linier yang mempunyai tepat satu selesaian.
Perhatikan grafik dai persamaan linier berikut
(b) x1 + x2 = 2
x1 + x2 = 1
x2
x1
(ii)
Dari grafik di atas, terlihat bahwa grafik tersebut tidak memiliki titik
potong. Maka dapat kita simpulkan bahwa sistem persamaan linier di atas
merupakan sistem persamaan linier yang tidak mempunyai selesaian atau
tidak konsisten.
6
Perhatikan grafik dai persamaan linier berikut
(c) x1 + x2 = 2
-x1 – x2 = 2
x2
x1
(iii)
7
Dari tiga kasus sistem persamaan linier di atas dapat kita simpulkan
bahwa sistem persamaan linier dengan m persamaan dan n variabel
mempunyai tiga kemungkinan selesaian yaitu sistem persamaan linier m x n
tidak mempunyai selesaian atau tidak konsisten dan sistem persamaan linier
m x n konsisten, artinya sistem persamaan linier memiliki tepat satu
penyelesaian atau tak berhingga banyaknya penyelesaian.
a. Metode eliminasi
b. Metode substitusi
c. Metode grafik
d. Metode campuran
Contoh 6
Tentukan selesaian dari sistem persamaan linier dengan tiga variabel berikut
ini
x + y − z = -1 (1)
8x + 3y − 6z = 1 (2)
−4x − y + 3z = -1 (3)
Kita coba selesaikan dengan metode campuran
Dalam metode ini, kita mengeliminasi (menghilangkan) variabel-
variabel di dalam sistem persamaan linier hingga hanya tinggal satu variabel.
Pertama-tama, lihat persamaan-persamaan yang ada dan coba cari dua
persamaan yang mempunyai koefisien yang sama (baik positif maupun
negatif) untuk variabel yang sama. Misalnya, lihat persamaan (1) dan (3).
Koefisien untuk y adalah 1 dan -1 untuk masing-masing persamaan. Kita
8
dapat menjumlah kedua persamaan ini untuk mengeliminasi y dan kita
mendapatkan persamaan (4).
x + y − z = -1 (1)
−4x − y + 3z = -1 (3)
------------------------- +
−3x + 2z = -2 (4)
Perhatikan bahwa persamaan (4) terdiri atas variabel x dan z. Sekarang kita
perlu persamaan lain yang terdiri atas variabel yang sama dengan persamaan
(4). Untuk mendapatkan persamaan ini, kita akan mengeliminasi y dari
persamaan (1) dan (2). Dalam persamaan (1) dan (2), koefisien untuk y
adalah 1 dan 3 masing-masing. Untuk menghilangkan y, kita kalikan
persamaan (1) dengan 3 lalu mengurangkan persamaan (2) dari persamaan
(1).
-
x +y −z = (1) ×3 3x + 3y − 3z = -3 (1)
1
8x + 3y − 6z = 1 (2) 8x + 3y − 6z = 1 (2)
------------------------- -
−5x + 3z = -4 (5)
Dengan persamaan (4) dan (5), mari kita coba untuk mengeliminasi z.
------------------------- −
x = 2 (6)
9
Dari persamaan (6) kita dapatkan x = 2. Sekarang kita bisa subtitusikan
(masukkan) nilai dari x ke persamaan (4) untuk mendapatkan nilai z.
−3(2) + 2z = -2 (4)
−6 + 2z = -2
2z = 4
z = 4÷2
z = 1
2 + y − 1 = -1 (1)
y = -1 − 2 + 1
y = -2
Jadi solusi sistem persamaan linier di atas adalah
x = 2, y = -2, z = 1.
Untuk meode substitusi, elimasi, dan grafik sebagai latihan pembaca
10
Matriks yang diperbesar dari sistem persamaan linier di atas adalah
a11 a12 .... a1n b1
a 21 a 22 .... a 2 n b2
a m1 a m 2 .... a mn bm
Contoh 7
a. Diberikan sistem persamaan linier sebagai berikut
x – y + 2z = 2
2x + y + 3z = -1
-3x + 6y + z = 0
matriks yang diperbesar dari sistem persamaan linier di atas adalah
1 1 2 2
2 1 3 1
3 6 1 0
11
Catatan:
Untuk menyusun suatu matriks yang diperbesar dari suatu sistem persamaan
linier, koefisien dari variabel harus ditulis dengan urutan yang sama untuk
setiap persamaan dan konstanta harus berada pada bagian paling kanan.
12
Contoh 8
Tentukan selesaian dari sistem sistem persamaan linier berikut dengan
menggunakan opersai baris dasar
a. 2x + 2z = 2
3x – y + 4z = 7
6x + y – z = 0
Penyelesaian
Bentuk SPL
2x + 2z = 2
3x – y + 4z = 7
6x + y – z = 0
13
Pers 3 ditambah (-1) Pers 3
x+ z=1
y - z = -4
-6z = -2
Pers 2 + pers 3
x+ z=1
2
y - z = -3
3
z = 1/3
Bentuk Matriks
2 0 2 2
3 1 4 7
6 1 1 0
14
1 0 1 1
Baris 2 dikali ½ 3 1 4 7
6 1 1 0
1 0 1 1
0 1 1 4
6 1 1 0
1 0 1 1
0 1 1 4
0 1 7 6
1 0 1 1
0 1 1 4
0 1 7 6
1 0 1 1
0 1 1 4
0 0 6 2
1 0 1 1
0 1 1 4
1
0 0 1
3
Baris 2 + baris 3
15
1 0 1 1
2
0 1 0 3
3
0 0 1 1
3
2
1 0 0 3
2
0 1 0 3
3
0 0 1 1
3
2 2 1
Jadi dari matriks diatas didapat x = , y = -3 , dan z =
3 3 3
Dari penyelesaian bentuk SPL dan bentuka matriks dapat disimpulkan bawa
SPL mempunyai tepat satu selesaian yaitu
2 2 1
x = , y = -3 , dan z =
3 3 3
b. x + y + 2z = 9
2x + 4y – 3z = 1
3x + 6y – 5z = 0
Penyelesaian
Ubah SPL menjedi matriks yang diperbesar, kemudian lakukan operasi baris
dasar sehingga memperoleh selesaian dari SPL tersebut
1 1 2 9
2 4 3 1
3 6 5 0
16
Baris 2 + (-2) baris 1
1 1 2 9
0 2 7 17
3 6 5 0
½ baris 2
1 1 2 9
7 17
0 1 2 2
0 3 11 27
Baris 3 + (-3) baris 2
1 1 2 9
7 17
0 1
2 2
0 0 1 3
2 2
(-2) x baris 3
1 1 2 9
7 17
0 1 2
2
0 0 1 3
Baris 2 + 7/2 baris 3
1 1 2 9
0 1 0 2
0 0 1 3
17
1 1 0 3
0 1 0 2
0 0 1 3
18
Contoh 8
Perhatikan matriks berikut,
1 0 0 1
0 1 0 2
0 0 1 3
Pernyataan 3
Matriks yang berbentuk baris eselon tereduksi pasti merupakan matriks
dalam bentuk eselon baris, tetapi tidak sebaliknya.
1 2 1 2 1 1 0 0 1 2 6 0
0 1 0 2 , 0 1 1 , 0 0 1 1 0
0 0 1 5 0 0 0 0 0 0 1 1
19
elementer untuk mengubah suatu matriks menjadi bentuk eselon baris
tereduksi disebut Eliminasi Gauss-Jordan (Gauss-Jrordan Reduction).
Contoh 9
Gunakan reduksi Gauss-Jordan untuk menyelesaikan sistem persamaan linier
berikut
a. x + y + 2z = 9
2x + 2y – 3z = 1
3x + 6y – 5z = 0
Matriks yang diperbesar dari sistem persamaan linier di atas adalah
1 1 2 9
2 2 3 1
3 6 5 0
Penyelesaian
Baris (2) ditabah (-2) baris (1)
1 1 2 9
0 0 7 17
3 6 5 0
1
Baris (2) dikali
7
1 1 2 9
17
0 0 1
0 3 11 727
20
Baris (2) tukar dengan baris (3)
1 1 2 9
0 3 11 27
17
0 0 1
7
1
Baris (2) dikali
7
1 1 2 9
11
0 1 9
3
0 0 1
17
7
11
Baris (2) ditabah ( ) baris (3)
3
1 1 2 9
2
0 1 0
21
0 0 1 17
7
Baris (1) ditabah (-1) baris (2)
141
1 0 2 21
2
0 1 0
21
0 0 1 17
7
21
Baris (1) ditabah (-2) baris (3)
89
1 0 0 21
2
0 1 0
21
0 0 1 17
7
matriks yang dihasilkan berbentuk Baris Eselon Tereduksi (BET). Dan
diperoleh penyelesaian dari SPL adalah
89 2 17
x= ,y= ,z=
21 21 7
maka SPL mempunyai tepat satu selesaian
b. x + 2z = 1
–x + y – z = 0
2x + y + 5z = 3
Matriks diperbesar dari SPL di atas adalah
1 0 2 1
1 1 1 0
2 1 5 3
22
Baris (3) ditambah (-1) baris (2)
1 0 2 1
0 1 1 1
0 0 0 0
Dari matriks di atas diperoleh
baris 1 dapat ditulis x + 2z = 1 maka x = 1 – 2z
baris 2 dapat ditulis y + z = 1 maka y = 1 – z
Ambil nilai z sembarang
misalkan z = s, maka diperolah nilai
x = 1 – 2s dan y = 1 – s .
setiap kita ambil nilai s sebarang maka kita dapatkan nilai x, dan z.
Penyelesaian tersebut menunjukkan bahwa SPL mempunyai penyelesaian
yang tak hingga banyak.
c. 2x + 2z = 4
–2x + y = –3
x + 2y + 5z = 6
Penyelesaian
Matriks yang diperbesar dari sistem persamaan linier di atas adalah
2 0 2 4
2 1 0 3
1 2 5 6
Baris (1) dikali ½
1 0 1 2
2 1 0 3
1 2 5 6
23
Baris (2) ditambah (2) baris (1)
1 0 1 2
0 1 2 1
1 2 5 6
Kita dapat melihat pada baris ketiga matriks baris eselon tereduksi diperoleh
persamaan:
0x + 0y + 0z = 2
hal tersebut menunjukkan bahwa tidak ada nilai untuk x, y dan z yang dapat
memenuhi persamaan karena berapapun nilai x, y dan z nya, ruas kiri dari
SPL akan selalu bernilai nol jadi nilai 2 tidak akan tercapai.
Jadi bentuk matriks baris eselon tereduksi seperti diatas, dapat disimpulkan
bahwa SPL tidak memiliki penyelesaian atau SPL tidak konsisten.
24
Matriks yang diperbesar dari sistem persamaan linier di atas adalah
0 0 2 0 7 12
2 4 10 6 12 28
2 4 5 6 5 1
Penyelesaian
Baris (1) ditukar baris dua
2 4 10 6 12 28
0 0 2 0 7 12
2 4 5 6 5 1
25
Baris 3 dikali 2
1 2 5 3 6 14
7
0 0 1 0 2 6
0 0 0 0 1 2
Baris 2 + 7/2 baris 3
1 2 5 3 6 14
0 0 1 0 0 1
0 0 0 0 1 2
Baris 1 + 5 baris 2
1 2 0 3 0 7
0 0 1 0 0 1
0 0 0 0 1 2
26
1.3.4 Sistem Persamaan Linier Homogen
Sistem persamaan linier homogen adalah sitem persamaan linier yang
konstanta-konstanta di ruas kanan semuanya nol. Sistem persamaan ini
mempunyai bentuk umum sebagai berikut
a11x1 + a12x2 + … + a1nxn = 0
a21x1 + a22x2 + … + a2nxn = 0
am1x1 + am2x2 + … + amnxn = 0
untuk setiap sistem persamaan linier homogen adalah sistem persamaan linier
yang konsisten. Sistem persamaan linier homogen paling sedikit mepunyai
satu selesaian yaitu x1 = 0, x2 = 0, ….., xn = 0. Selesaian yang demikian
disebut selesaian yang trivial (trivial solutiuon).
Karena suatu sistem persamaan linier homogen selalu konsisten,
maka hanya terdapat dua kemungkinan selesaian dari sistem persamaan linier
homogen tersebut yaitu
1. Sistem persamaan linier homogen tersebut mempunyai pemecahan trival
2. Sistem persamaan linier homogen mempunyai tak terhingga banyak
pemecahan yang disebut selesaian yang tak trival selain selesaian yang
trival.
Suatu sistem persamaan linier homogen yang jumlah variabelnya lebih besar
dari pada jumlah persamaan liniernya, maka sistem persaman linier homegen
tersebut memiliki selesaian yang tak trivial.
Contoh 10
Selesaikan sistem persamaan linier berikut
a. 5a – 2b + 6c = 0
-2a + b + 3c = 0
27
Penyelesaian
Matriks yang diperbesar dari sistem persamaan linier di atas adalah
5 2 6 0
2 1 3 0
Baris 1 + (2) baris 2
1 0 12 0
2 1 3 0
Baris 2 + (2) baris 1
1 0 12 0
0 1 27 0
Dari matriks di atas diperoleh
a + 12 c = 0 ...(1)
b + 27 c = 0 ...(2)
Dari pers (1) diperoleh a= -12c
Dari pers (2) diperoleh b= -27c
Misal c = t
Maka diperoleh nilai a = -12t dan b = - 27t
Jadi persamaan linier homogen tersebut mempunyai selesaian yang tak
trivial.
b. x + 2y = 0
-x – y + z = 0
2x + y + z = 0
28
Penyelesaian
Matriks yang diperbesar dari sistem persamaan linier
1 2 0 0
1 1 1 0
2 1 1 0
29
Baris (1) ditambah (-2) baris (1)
1 0 0 0
0 1 0 0
0 0 1 0
Pada matriks yang terakhir terlihat bahwa semua kolom matriks A memiliki
x 0
satu utama sehingga penyelesaiannya adalah trivial yaitu y = 0 atau
z 0
Penyelesaian
Matriks yang diperbesar dari sistem persamaan linier
1 1 6 1 0
1 1 3 1 0
1 1 6 1 0
Baris 2 + (-1) baris 1 0 2 3 2 0
Baris 2 (-1/2)
1 1 6 1 0
3
0 1 1 0
2
30
Baris 1 + (-1) baris 2
9
1 0 2 0 0
3
0 1 1 0
2
Dari matriks di atas diperoleh
x + 9/2z = 0
x = - 9/2 z
y + 3/2z + w = 0
y = - 3/2 z – w
Misal z = a dan w = b sehingga diperoleh
x = - 9/2 a, y = -3/2a – b
31
Latihan
1. Buatlah sistem persamaan linier yang mempunyai selesaian:
a. Tepat satu selesaian
b. Tak hingga selesaian
c. Tidak punya selesaian
b. 2x + y – 6z = 1
y + 2z = 5
c. x – 12x + z – 4w = 4
x + 3y + 2z + 2w = -2
x – 2y - 11z - 6w = 1
c. 2x + y = 1
y + 2z = 5
x+y+z=3
d. 6x + y = 0
x + 5y = 0
x = 4y
b. 2x – 3y + 4 =12
4x – 6y + 8z = 20
2x + 6y – z = 1
c. x - 4y + 3z = 10
2x + y – z = -1
3x – y - 4z = 11
d. 2x + 4y =6
3x + 6y + 2z = 7
2x + 4y + 2z = 4
x + 2y + 3z = 3
8. Syarat apakah yang arus dipenuhi oleh linier yang homogen agar
mempunyai selesaian yang tak hingga?
33
9. Tentukan selesaian dari sistem persamaan linier homogen berikut dengan
eliminasi Gauss
a. 2x – y – 3z = 0
x + 2y – 3z = 0
x + y + 4z = 0
b. 3x + y + z + w = 0
5x - y + z - w = 0
c. x – 2x + z – 4w = 0
x + 3y + 7z + 2w = 0
x – 12y - 11z - 16w = 0
10. Tentukan selesaian dari sistem persamaan linier homogen berikut dengan
eliminasi Gauss–Jourdan
a. 3x + 6y + 2z = 0
2x + 4y + 2z = 0
x + 2y + 3z = 0
b. 2x + y - 3z = 0
x – 2y + 2 = 0
c. 6x + y = 0
x + 5y = 0
x - 4y = 0
d. 2x – 3y + 4 = 0
4x – 6y + 8z = 0
2x + 6y – z = 0
34
BAB II
MATRIKS DAN OPERASI MATRIKS
Dalam bab ini akan membahas matriks, operasi matriks, partisi matriks,
invers matriks, matriks dasar, dan transpose matriks. Setelah mempelajari
bab ini, diharapkan mahasiswa dapat menentukan selesaian dari suatu
sistem persamaan linier dengan invers matriks
2.1 Definisi
Sebuah matrik adalah sebuah susunan segi empat siku-siku dari bilangan-
bilangan. Bilangan-bilangan di dalam susunan tersebut dinamakan entri di
dalam matriks.
Contoh 1
Berikut ini beberapa contoh matriks
1 0 1
A = 2 1 7
7 5 9
B = [2 7 0 -3]
2 1 2
C= 3 1
2
0
0 4 0
1
D=
6
E = 0
Ukuran sebuah matriks dijelaskan dengan menyatakan banyaknya
baris (garis horizontal) dan banyaknya kolon (garis vertical) yang terdapat di
dalam matriks tersebut. Matriks A pada contoh di atas mempunyai 3 baris
dan 3 kolom sehingga ukurannya adalah 3 kali 3 (yang dituliskan 3 x 3).
35
Matriks B pada contoh di atas mempunyai 1 baris dan 4 kolom sehingga
ukurannya adalah 1 kali 4 (yang dituliskan 1 x 4). Matriks C pada contoh di
atas mempunyai 3 baris dan 3 kolom sehingga ukurannya adalah 3 kali 3
(yang dituliskan 3 x 3). Matriks D pada contoh di atas mempunyai 2 baris
dan 1 kolom sehingga ukurannya adalah 2 kali 1 (yang dituliskan 2 x 1).
Matriks E pada contoh di atas mempunyai 1 baris dan 1 kolom sehingga
ukurannya adalah 1 kali 1 (yang dituliskan 1 x 1).
Angka pertama selalu menunjukkan banyaknya baris dan angka kedua
menunjukkan banyaknya kolom. Jadi, matriks yang selebihnya pada contoh
tersebut berturut-turut mempunyai ukuran 3 x 3, 1 x 4, 2 x 1, dan 1 x 1.
Ukuran-ukuran matriks tersebut dinamakan ordo suatu matriks
Jika A adalah sebuah matrik, maka kita akan menggunakan aij untuk
menyatakan entri yang terdapat di dalam baris I dan kolom j dari A. Jadi
sebuah matrik 3 x 4 yang umum dapat dituliskan sebagai
a11 a12 a13 a14
A = a 21 a 22 a 23 a 24
a31 a32 a33 a34
36
a11 a12 ..... a1n
a a ...... a
21 22 2n
a m1 a m 2 ..... a mn
1 0 1
2 1 7
7 5 9
37
2. Matriks baris
Matriks baris adalah matriks yang terdiri dari satu baris dan beberapa
kolom. Matriks baris memiliki ordo 1 x n ; dengan n > 1. Misalkan 1x3, 1x5,
dan sebagainya.
1 0 3
3. Matriks kolom
Matriks kolom adalah matriks yang terdiri dari satu kolom dan
beberapa baris. Mariks kolom memiliki ordo n x 1 ; dengan n > 1 misalkan
3x1, 4x1, dan sebagainya.
Contoh matriks kolom berukuran 2 x 1
1
6
4. Matriks mendatar
Matriks mendatar adalah matriks yang jumlah kolomnya lebih banyak
dari jumlah barisnya misalnya matriks dengan ordo 2x4, 2x6, dan
sebagainya.
38
5. Matriks tegak
Matriks tegak adalah matriks yang jumlah barisnya lebih banyak dari
jumlah kolomnya misalnya matriks dengan ordo 3x2, 4x2, 6x3, dan
sebagainya.
39
(d) A0 = 0; 0A = 0
Terdapat beberapa aturan yang belaku pada perkalian bilangan real
tetapi tidak berlaku pada matriks yaitu
a. Jika ab = ac dan ac ≠ 0 , maka b = c. (Ini dinamakan hukum peniadaan)
b. Jika ad = 0, maka setidak-tidaknya satu dari faktor disebelah kiri sama
dengan nol
Seperti yang diperlihatkan contoh berikutnya, maka hasil-hasil yang
bersangkutan ternyata tidak berlaku di dalam perkalian matriks.
Contoh
Tinjaulah matriks-matriks
0 1 1 1 2 5 3 7
A B C D
0 2 3 4 3 4 0 0
diperoleh
3 4
AB AC
6 8
Walaupun A ≠ 0, namun tidaklah belaku untuk meniadakan A dari
kedua-dua ruas persamaan AB = AC dan menuliskan B = C. Jadi hukum
peniadaan tersebut gagal berlaku untuk matriks-matriks.
Juga, AD = 0; namun demikian A ≠ 0 dan D ≠ 0 sehingga hasil
tersebut dalam (b) yang di daftarkan diatas tidak dapat digunakan kepada
ilmu hitung matriks.
2. Matriks diagonal
Matriks diagonal adalah matriks persegi yang elemen-elemen selain
diagonal utama bernilai nol.
40
Contoh matriks nol berukuran 3x3 adalah sebagai berikut
7 0 0
0 3 0
0 0 2
3. Matriks identitas
Matriks identitas adalah matriks persegi yang elemen-elemen di
diagonal utamanya bernilai 1 dan elemen-elemen selain diagonal utama
bernilai nol.
Contoh matriks nol berukuran 3x3 adalah sebagai berikut
1 0 0
0 1 0
0 0 1
Contoh
Tinjaulah matriks
a11 a a
A
12 13
a21 a a
22 23
Maka
1 0 a11 a a a11 a a
A
12 13 12 13
I A
2
0 1 a21 a21
a a
22 23 a a 22 23
dan
1 0 0
a11 a a 0 1 0 = a11 a a
AI 3 =A
12 13 12 13
a21 a a
22 23
0 0 1 a21 a a 22 23
41
4. Matriks segitiga
Matriks segitiga terdiri dari dua jenis yaitu matriks segitiga atas dan
matriks segitiga bawah. Matriks segitiga atas merupakan matriks yang
elemen-elemen di bawah diagonal utamanya bernilai nol. Matriks segitiga
bawah merupakan matriks yang elemen-elemen di atas diagonal utamanya
bernilai nol.
Contoh matriks segitiga atas adalah sebagai berikut
1 2 2
0 1 3
0 0 1
5. Matriks simetris
Matriks simetris adalah matriks yang elemen-elemen di bawah dan di
atas diagonal utamanya simetris. Dengan kata lain, elemen pada baris m dan
kolom n sama dengan elemen pada baris n dan kolom m, misalnya elemen
pada baris 1 dan kolom 2 sama dengan elemen pada baris 2 dan kolom 1.
Pada gambar di bawah dapat dilihat bahwa elemen baris 2 dan kolom 1 sama
dengan elemen pada baris 1 dan kolom 2 yaitu 2.
42
6. Matriks skalar
Matriks skalar adalah matriks yang elemen-elemen pada diagonal
utamanya sama dan elemen yang lain bernilai nol.
Contoh matriks skalar 3 x 3 adalah sebagai berikut
3 0 0
0 3 0
0 0 3
43
juga berlaku untuk pengurangan matriks. Secara jelas dapat di tulis sebagai
berikut:
a b p q
Misal A = dan B = r s
c d
a b p q
Maka A + B = +
c d r s
a p b q
=
c r d s
a b p q
Dan A - B = -
c d r s
a p b q
=
c r d s
Contoh 2
Tinjaulah matriks-matriks
1 1 0 3 4 3 1 1
1 2
A = 1 1 2 2 B 2 2 0 1 C
2 1
4 2 7 0 3 2 4 1
Maka
5 4 1 4 3 2 1 2
A B 1 1 2 1 dan A B 3 3 2 1
7 0 3 1 1 0 3 1
44
2.3.2 Perkalian Matriks Dengan Skalar
Definisi
Jika A adalah suatu matriks dan c adalah suatu scalar, maka hasil kali
(product) cA adalah matriks yang didapatkan dengan mengalikan setiap entri
dari A oleh c.
Secara jelas dapat di tulis sebagai berikut:
a b
Misal A = sembarang skalar k, maka diperoleh perkalian matriks A
c d
dengan skalar k adalah
a b ka kb
kA = k =
c d kc kd
Contoh 3
4 2
Jika A 1 1
1 0
8 4 4 2
Maka 2 A = 2 2 dan (1) A 1 1
2 0 1 0
45
entri yang bersangkutan dari baris dan kolom tersebut bersama-sama dan
kemudian tambahkanlah hasil perkalian yang dihasilkan.
Definisi perkalian matriks mengharuskan bahwa banyaknya kolom
dari matriks pertama A harus sama seperti banyaknya baris dari matriks
kedua B supaya membentuk hasil perkalian AB. Jika kondisi ini tidak
dipenuhi, maka hasil perkalian tersebut tidak didefinisikan. Maka bilangan-
bilangan yang disebelah luar akan memberikan ukuran hasil perkalian
tersebut yaitu ukuran matriks hail kalinya adalah baris matriks pertama dikali
jumlah kolom matriks kedua. Seperti diilustrasika pada gambar berikut.
Misalkan matriks A berukuran m x r dan matriks B berukuran r x n maka
ukuran hasil kali matriks AB adalah x n
A AB
mx r r n mxn
Di dalam
Di luar
Contoh 5
Tinjaulah matriks-matriks
1 1 1 3
1 2 1
A B 0 1 3 1
2 1 0
2 1 0 2
Penyelesaian
Perhitungan-perhitungan untuk hasil-hasil perkalian adalah
Untuk baris (1)
1. (1 . 1) + (2 . 0) + (1 . 2) = 1
2. (1 . 1) + (2 . (-1)) + (1 . 1) = 0
3. (1 . (-1)) + (2 . 3) + (1 . 0) = 5
4. (1 . 3) + (2 . 1) + (1 . 2) = 7
46
Untuk baris (2)
5. (2 . 1) + ((-1) . 0) + (0 . 2) = 2
6. (2 . 1) + ((-1) . (-1)) + (0 . 1) = 3
7. (2 . (-1)) + ((-1). 3) + (0 . 0) = -5
8. (2 . 3) + ((-1) . 1) + (0 . 2) = 5
Dari perhitungan diperoleh
1 0 5 7
AB
2 3 5 5
47
1 1 5
4 9 4
At = 3 2 1
6 0 8
5 4 1
48
Contoh 6
Sebagai gambaran hukum asosiatif untuk perkalian matriks, tinjaulah
1 2
1 3 1 0
A 3 0 B C
0 1 2 1 2 1
Maka
1 2 3 1
1 3
AB 3 0 9
2 1
= 3
0 1 2 1
Sehingga
3 1 1 1
1 0
( AB )C 3 9 2 1 = 21 9
4
2 1 1
Sebaliknya
1 3 1 0 7 3
BC =
2 1 2 1 4 1
Sehingga
1 2 1 1
7 3
A(BC ) 3 0 9
4 1
= 21
0 1 4 1
49
bahwa AB dan BA kedua-duanya didefinisikan tetapi kedua-duanya
mempunyai ukuran yang berbeda-beda. Ini adalah situasi jika A adalah
sebuah matriks 2 x 3 dan B adalah sebuah matriks 3 x 2. Akhirnya, seperti
yang diperlihatkan oleh contoh kita berikutnya, maka mungkin untuk
memperoleh AB ≠ BA walaupun jika AB dan BA didefinisikan dan
mempunyai ukuran yang sama.
Contoh
Tinjaulah matriks-matriks
1 0 1 2
A B
2 3 3 0
50
Contoh 7
Matriks A diparisi menjadi 4 bagian seperti berikut
a11 a12 a13 a14
A A12
A = a 21 a 22 a 24 = 11
A22
a 23
a34 21
A
a31 a32 a33
Contoh 8
Matriks A di partisi menjadi matriks-matriks baris
a11 a12 a13 a14 r1
A = a 21 a 22 a 23 a 24 = r2
a31 a32 a33 a34 r3
Contoh 9
Matriks A di partisi menjadi matriks-matriks kolom
a11 a12 a13 a14
A = a 21 a 22 a 23 a 24 = c1 c 2 c3 c4
a31 a32 a33 a34
Contoh 10
a. Tentukan perkalian matriks yang dipartisi berikut ini
1 0 0 1 1 2 1 1 3
0 1 0 2 2 1 3 2 2
A = 0 0 1 3 0 dan B = 3 2 1 3
0 0 0 1 0 1 0 0 0
0 0 0 0 1 0 1 0 0
51
Penyelesaian
A A
Maka dapat kita tulis matriks A = 11 12 dan
A21 A22
B B12
B 11
B21 B22
1 0 0 2 1 2 1
A11B11 = 0 1 0 1 3 = 1 3
0 0 1 3 2 3 2
1 1 1 1
1 0
A12B21 = 2 2 = 2 2
3 0
0 1
3 0
1 0 0 1 3 1 3
A11B12 = 0 1 0 2 2 = 2 2
0 0 1 1 3 1 3
1 1 0 0
A12B22 = 2 2
0 0
= 0 0
3 0
0 0
0 0
2 1
0 0 0 = 0 0
A21B11 = 1 3
0 0 0 3 2 0 0
52
1 0 1 0 1 0
A22B21 = 0 1 = 0 1
0 1
1 3
0 0 0 = 0 0
A21B12 = 2 2
0 0 0 1 3 0 0
1 0 0 0 0 0
A22B22 = =
0 1 0 0 0 0
2 1 1 1 3 0
A11B11 + A12B21= 1 3 + 2 2 = 3 1
3 2 3 0 6 2
1 3 1 1 0 2
A11B12 + A12B21= 2 2 + 2 2 = 0 0
1 3 3 0 4 3
0 0 1 0 1 0
A21B11 = + =
0 0 0 1 0 1
0 0 0 0 0 0
A21B12 + A22B22 = + =
0 0 0 0 0 0
Maka diperoleh
3 0 0 2
3 1 0 0
AB = 6 2 4 3
1 0 0 0
0 1 0 0
53
b. Jika mungkin tentukan perkalian matriks berikut
1 1 1 0
A = 2 2 0 1
3 1 0 0
1 1 1 1
1 0 1 0
B=
1 2 2 1
0 1 1 0
1 1
1 1
A11B11 = 1 0 = tidak terdefinisi
2 2 1 2
Karena A11B11 tidak terdefinisi maka pekalian matriks AB yang dipartisi
tidak dapat ditemukan hasilnya. Dalam arti lain AB tidak terdefinisi.
2.6 Perkalian Matriks Dengan Kolom
Diberikan matriks A berukuran p x q dan matriks B adalah matriks
yang di partisi menjadi matriks kolom yang beruran q x n sebagai berikut
B = b1 b 2 b n
Maka
AB = A b1 b 2 b n = Ab1 Ab 2 Ab n
Perkalian matrik di atas dinamakan perkalian matriks yang dihitung per
kolom.
54
Contoh 11
1 1 0 2 2
A = 0 2 1 B = 3 0
1 0 2 1 2
2 2
B1 = 3 dan B2 = 0
1 2
1 1 0 2 1
AB1 = 0 2 1 3 = 5
1 0 2 1 4
1 1 0 2 2
AB2 = 0 2 1 0 = 2
1 0 2 2 4
1 2
Maka AB = 5 2
4 4
55
a1 a1 B
a a B
maka AB = 2 B = 2
a n a n B
Perkalian matrik di atas dinamakan perkalian matriks yang dihitung per baris.
Contoh 12
1 3
0 2
1 2 2 1
A= B= 2
1 0 1 2 0
2 1
A1 = 1 2 2 1
A2 = 1 0 1 2
1 3
1 2
A1B = 1 2 2 1 = 7 6
2 0
2 1
1 3
1 2
A2 = 1 0 1 2 = 5 1
2 0
2 1
7 6
Maka AB =
5 1
56
2.8 Perkalian Matriks Dengan Baris – Kolom
Diberikan matriks A adalah matriks yang di partisi menjadi matriks
kolom yang berukuran p x q dan matriks B adalah matriks yang di partisi
menjadi matriks baris yang beruran q x n sebagai berikut
B1
B
Jika B = 2 dan A = A1 A2 An
Bn
B1
B
Maka AB = A1 A2 An 2
Bn
= A1 B1 A2 B2 An Bn
Perkalian matrik di atas dinamakan perkalian matriks yang dihitung per baris-
kolom.
Contoh 13
1 2 1 0 2 2
A= B=
0 2 0 2 3 1
1 2
A1 = dan A2 =
0 2
B1 = 1 0 2 2 dan B2 = 0 2 3 1
1 1 0 2 2
A1B1 = 1 0 2 2 = 0 0 0 0
0
2 0 4 6 2
A2B2 = 0 2 3 1 =
2 0 4 6 2
1 4 4 4
Maka AB =
0 4 6 2
57
2.9 Hasil Kali Matriks Sebagai Kombinasi Linier
Diberikan matriks A berukuran m x n dan matriks X adalah matriks
matriks kolom yang beruran n x 1 sebagai berikut
a11 a12 a1n x1
a a 22 a 2 n x
A = 21 dan x = 2
a m1 am2 a mn xn
Maka
a11 a12 a1n x1
a a 22 a 2 n x
Ax = 21 2
a m1 am2 a mn xn
a m1 x1 a m 2 x 2 a mn x n
a1 a1 a1
a a
= x1 2 + x2 2 + ... + xn a 2
a n a n a n
Contoh 14
1 2 1 1
A = 0 1 3 B = 2
3 2 1 2
58
1 2 1 1 1
AB = 0 1 3 2 = 8 atau
3 2 1 2 1
1 2 1 1
AB = (1) 0 + (-2) 1 + (2)
3 = 8
3 2 1 1
Contoh 15
2 1
Diberikan Matriks A
1 1
1 1
Maka B adalah invers dari A
1 2
karena
2 1 1 1 1 0
AB = =
1 1 1 2 0 1
dan
1 1 2 1 1 0
AB = =
1 2 1 1 0 1
59
Contoh 16
Perhatikan matriks A berikut ini
1 1 0
A 2 3 0
3 2 0
Jadi
1 0 0
BA I 0 1 0
0 0 1
60
2.10.2 Sifat-Sifat Invers
Berikut ini merupakan Teorema yang menunjukkan bahwa invers
suatu matriks adalah tunggal adanya. Artinya invers suatu matriks hanya ada
satu.
Teorema 2.6.2.1
Jika B dan C keduanya adalah invers dari matriks A, maka B = C.
Teorema 2.6.2.2
Jika A dan B adalah matriks-matriks yang mempunyai invers dan berukuran
sama, maka.
(a) AB dapat dibalik
(b) (AB)-1 = B-1A-1
Teorema 2.6.2.3
Jika A adalah sebuah matriks yang mempunyai invers , maka:
a) A 1 mempunyai invers dan (A 1 ) 1
b) An mempunyai invers dan (An) 1 =(A 1 )n untuk n = 0,1,2,…
c) Untuk setiap skalar k yang tidak sama dengan nol, maka kA mempunyai
1 1
invers dan (kA) 1 = A
k
Bukti
(a) Karena AA 1 = A 1 A, maka A 1 mempunyai invers dan (A 1 ) 1 = A
Poin (b) dan (c) sebagai latihan pembaca
61
Untuk menentukan invers matriks berukuran 2 x 2 kita dapat
menggunakan teorema berikut ini
Teorema 2.6.2.4
Tinjaulah matriks 2 x 2
a b
A
c d
Jika ad – bc ≠ 0, maka
d b
d b ad bc
A ad bc c a adcbc
1 1
a
ad bc ad bc
Contoh 17
Tentukan invers dari matriks berikut
2 1
A
1 1
Penyelesaian
1 1
A-1 = 2.1 1.1 2.1 1.1 = 1 1
1 2 1 2
2.1 1.1 2.1 1.1
62
diperbesar [A | I] dikenakan operasi baris dasar sehingga membentuk
Matriks yang diperbesar [I |A-1 ]. Cara perhitungan seperti ini didasarkan
dari sifat AA-1 = I. Jika setelah melakukan eliminasi Gauss–Jordan tidak
diperoleh bentuk [I |A-1 ] maka disimpulkan bahwa matriks tersebut tidak
memiliki invers. Perhitungan invers ini apat digunakan untuk menentukan
selesaian dari suatu SPL.
Contoh
3 4 1
Diketahui A = 2 7 1 jika ada, tentukan Invers matriks A tersebut
8 1 5
63
1
Baris (2) dikali ( )
29
1 11 2 1 1 0
5 2 3
0 1 0
0 87 29
29
29
1
11 8 8
29
Baris (3) dikali ( )
116
3 7 4
1 0 0
29 29 29
5 2 3
0 1 0
29 29 29
0 0 1
58
29 29
116 116 116
64
5
Baris (2) ditambah ( ) baris (3)
29
3 7 4
1 0 0
29 29 29
11 7 5
0 1 0
116 116 116
0 0 1
58
29 29
116 116 116
3
Baris (1) ditambah ( ) baris (3)
29
34 19 3
1 0 0 116
116 116
11 7 5
0 1 0
116 116 116
0 0 1 58
29 29
116 116 116
Dari matriks di atas di peroleh A-1 yaitu
34 19 3
116
116 116
11 7 5
A-1 =
116 116 116
58
29 29
116 116 116
Untuk membuktikan apakah jawaban tersebut benar atau tidak , makaka
hitunglah perkalian A-1 dengan A, jika hasilnya diperoleh matriks identitas
maka jawaban tersebut benar.
1 6 4
Diketahui matriks A = 2 4 1 jika ada, tentukan Invers matriks A
1 2 5
65
Penyelesaian
1 6 4 1 0 0
[A | I] = 2 4 1 0 1 0
1 2 5 0 0 1
Baris (2) ditambah (-2) baris (1)
1 6 4 1 0 0
0 8 9 2 1 0
1 2 5 0 0 1
66
Contoh 18
Berikut ini adalah contoh matriks dasar
1 0 0 0
1 1 0 0 2 0 0
E1 0 1 0 , E2 =
0 0 1 0
0 0 1
0 0 0 1
Pernyataan 1
E1 dan E2 adalah matriks dasar yang dproleh dari matrks identitas yang
dkenakan satu kali operasi baris dasar. Jika suatu matriks dasar tersebut
dikalikan dengan matriks A yang berukuran m x n, maka hasil EA adalah
matriks yang dihasilkan jika operasi baris dasar yang sama dikenakan pada
A.
Contoh 19
Perhatikan matriks berikut
1 0 2 3
Misal A = 4 1 3 3 dan
1 2 4 0
1 0 0
matriks dasar E = 0 1 0
3 0 1
1 0 0 1 0 2 3 1 0 2 3
EA = 0 1 0 4 1 3 3 = 4 1 3 3
3 0 1 1 2 4 0 4 2 4 0
Dari suatu matriks identitas I dapat dibuat suatu matriks dasar dengan
melakukan satu kali operasi baris dasar E. Maka untuk mgembalikan suatu
67
matriks dasar E untuk menjadi matriks identitas terdapat suatu operasi baris
dasar yang disebut operasi baris dasar invers dari operasi yang bersesuaian
di bagian kiri.
Berikut ini adalah operasi baris dasar dan operasi baris dasar invers
Contoh 20
Matriks identitas I3x3 dikenakan satu kali operasi baris dasar menghasilkan
matriks dasar
1 0 0
I = 0 1 0
0 0 1
1 1 0
baris (1) ditambah (1) baris (2) 0 1 0 = E
0 0 1
Matriks dasar i I3x3 dikenakan satu kali operasi baris dasar menghasilkan
matriks dentitas
1 1 0
E = 0 1 0
0 0 1
68
1 0 0
baris (1) ditambah (-1) baris (2) 0 1 0 = I
0 0 1
Teorema 2.6.3.1
Setiap matriks dasar mempunyai invers dan inversnya juga
merupakan matriks dasar.
Contoh 21
Pada contoh di bawah ini terlihat bahwa matriks A dan A-1 adalah matriks
dasar
1 0 1 0
A= A-1 = 1
0 4 0 4
1 0 1 0
B= B-1 = 1
0 7 0 7
Teorema 2.6.3.1
Jika A adalah matriks nxn maka pernyataan berikut ini ekivalen, yaitu
semua benar atau semua salah
a. A mempunyai invers
b. Ax = 0 mempunyai selesaian trivial
c. Bentuk baris eselon tereduksi dari A adalah In
d. A dapat dinyatakan sebagai hasil kali matriks – matriks dasar
Bukti :
A mempunyai invers ada A-1 sehingga A.A 1 = I
A 1 .A = I
Misal x0 adalah selesaian dari Ax = 0
A x0 = 0 kedua ruas dikali A-1 dari kiri
69
A 1 A x0 = A 1 .0
I. x0 = 0
x0 = 0
Selesaian dari Ax = 0 adalah 0. jadi Ax = 0 mempunyai selesaian yang
trivial.
Contoh 22
a. Tentukan selesaian dari SPL
x1 + 2x2 - x3 = 2
2x1 + 2x2 + 4x3 = -2
x1 + 3x2 - 3x3 = 6
Penyelesaian
1 2 1 x1 2
Misal A = 2 2 4 x = x 2 b = 2
1 3 3 x3 6
3
9 2 5
A-1 = 5 1 3
1
2 1
2
70
x = A-1b
3
9 2 5 2 9
x = 5 1 3 2 = 6
1
2 1 6 1
2
Jadi selesaian SPL adalah x1 = -9, x2 = 6, x3 = 1
Penyelesaian
1 2 3 x1 5
Misal A = 1 1 3 x = x 2 b = 1
2 4 5 x3 3
7 2 3
A = 1 1 0
-1
2 0 1
x = A-1b
7 2 3 5 24
x = 1 1 0 1 = 4
2 0 1 3 7
71
Teorema 2.6.3.2 (Perluasan Teorema 2.6.3.1)
Jika A adalah suatu matriks nxn,maka pernyataan berikut ekuivalen
a. A mempunyai invers
b. A X = 0,hanya mempunyai selesaian trivial
c. Bentuk baris eselon tereduksi dari A adalah In
d. A dapat dinyatakan sebagai hasil kali matriks- matriks dasar
e. A X = b konsisten matriks bnx1
f. A X = b mempunyai tepat satu selesaian, matriks bn x 1
72
Contoh 23
a. Tentukan nilai a agar SPL berikut konsisten
x + 2y – 3z = 4
3x – y + 5z = 2
4x + y + (a2 – 14)z = a + 2
Penyelesaian
Matriks yang diperbesar dari SPL diatas adalah
1 2 3 4
3 1 5 2
4 1 a 2
14 (a 2)
Dengan melakukan operasi baris dasar pada matriks di atas kita peroleh
1 2 3 4
0 7 14 10
0 0 a 2
16 (a 4)
Kasus I
Jika a = 4 maka a2 – 16 = 0 dan a – 4 = 0
Maka diperoleh matriks
1 2 3 4
0 7 14 10
0 0 0 0
Dari matriks di atas dapat disimpulkan bahwa SPL mempunyai tak hingga
selesaian.
Kasus II
Jika a = -4 maka a2 – 16 = 0 dan a – 4 = -8
Maka diperoleh matriks
73
1 2 3 4
0 7 14 10
0 0 0 8
Kasus II
Jika a ≠ ± 4 maka a2 – 16 ≠ 0 dan a – 4 ≠ 0
Maka diperoleh matriks
1 2 3 4
0 7 14 10
a4
0 0 1
a 2 16
Dari matriks di atas dapat disimpulkan bahwa SPL mempunyai tepat satu
selesaian.
Dari tiga kasus di atas dapat ditarik kesimpulan
1. Sistem persamaan linier mempunyai mempunyai tak hingga selesaian
jika a = 4
2. Sistem persamaan linier mempunyai tidak mempunyai selesaian jika a = -
4
3. Sistem persamaan linier mempunyai mempunyai tepat satu selesaian jika
a = ±4
74
Penyelesaian
Matriks yang diperbesar dari SPL diatas adalah
1 1 2 b1
1 0 1 b
2
2 1 3 b3
2 1 3 b3
0 1 1 b3 2b1
0 1 1 b3 2b1
75
Latihan
1. Buatlah contoh dari masing-masing matriks berikut
a. Matriks persegi
b. Matriks baris
c. Matriks kolom
d. Matriks Mendatar
e. Matriks tegak
f. Matriks nol
g. Matriks diagonal
h. Matriks identitas
i. Matriks segitiga atas
j. Matriks segitiga bawah
k. Matriks simetri
l. Matriks skalar
1 2 1
B = 2 2 4 ,
1 3 3
9 1 2 9
5 7 2 0
C= ,
2 11 3 2
1 2 3 5
76
1 9 1
D = 6 2 4
1 3 7
Tentukan
a. AB, AC, AD
b. BA, BC, BD
c. CA, CB, CD
d. A – B, A - C, A – D
e. B - A, B - C, B - D
f. C - A, C - B, C - D
g. 8A, 3B, -6D, 7C
h. TRanspose dari matriks A, B, C, D
77
4. Diberikan matiks sebagai berikut
2 5 5
A = 4 1 0
2 4 3
6 0 8
B = 8 2 3
2 5 3
Tentukan
a. Tentukan perkalian AB sebagai perkalian matriks baris
b. Tentukan perkalian AB sebagai perkalian matriks kolom
c. Tentukan perkalian AB sebagai perkalian matriks baris-kolom
d. Tentukan perkalian AB sebagai kombinasi linier
0 1 0
e. T = 0 0 1
0 0 1
78
1 0 0
f. U = 0 1 3
0 0 1
1 0
g. V =
0 3
2 0 0 1
0 1 0 0
h. W =
0 0 1 0
1 0 0 0
1 0 0 1
0 1 0 0
i. X =
0 0 1 0
0 0 0 0
79
1 6 4
B = 2 4 1
1 2 5
1 2 3
C = 2 5 3
1 0 8
1 0 8
D = 1 2 3
2 5 3
f. -x + 2z = 1
–x + y – 2z = 0
x + y + 5z = 3
g. x + 2y - 3z = 1
2x - 5y + 3z = 6
x + y - 8z = –6
80
10. Diketahui SPL
a2x + by = 1
x–y=1
Tentukan nilai untuk a dan b agar SPL memiliki banyak penyelesaian
dan tulis penyelesaian SPL tersebut !
11. Syarat apa yang dipenuhi b1,b2,b3 agar SPL berikut konsisten
x1 + x2 + 2x3 = b1
x1 + + x3 = b2
2x1 + x2 + 3x3 = b3
81
82
BAB III
DETERMINAN MATRIKS
3.1 Definisi
Misalkan A adalah suatu matriks persegi. Determinan matriks A yang
disimbulkan dengan det(A) dapat didefinisikan sebagai penjumlahan semua
hasil perkalian elementer bertanda dari matriks A.
Dari definisi di atas dapat dinotasikan dalam bentuk sebagai berikut:
det(A) = a
j1 , j2 , jn
j a 2 j 2 a3 j3 a n j n
1 1
a11 a12
a a 22
21
- +
Dari pola di atas akan diperoleh rumus det(A) sebagai berikut:
det (A) = a11a22 – a12a21
83
b. Untuk matriks berukuran 3 x 3
a11 a12 a13
A a 21 a 22 a 23
a 31 a 32 a 33
- - - + + +
Dari pola di atas akan diperoleh rumus det(A) sebagai berikut:
det (A) = a11a22a33 + a12a23a31 + a13a21a32 - a11a23a32 – a12a23a32 –
a13a22a31
c. Untuk matriks berukuran 4 x 4
a11 a12 a13 a14
a a 22 a 23 a 24
A 21
a 31 a 32 a 33 a 34
a 41 a 42 a 41 a 44
84
3.2 Menghitung Determinan
Diberikan matriks
1 0 1
1 2
A dan B 2 1 1
1 1 1 1 2
85
3 Misalkan A’ adalah matriks yang dihasilkan bila baris tunggal A
dikalikan oleh konstanta k, maka det(A’) = k det(A)
1 0 1 2 0 2
Jika A 2 1 1 dan B 4 2 2
1 1 2 2 2 4
2 0 2
maka det B 4 2 2 = (2) (-2) = -4
2 2 4
karena matriks B = 2A
86
Maka Transpos matriks A adalah,
6 3 8
A 1 2
t
4
5 7 1
2 7 3 7 3 2
= (6) (1) (5)
4 1 8 1 8 4
(6)(2 28) (1)(3 56) (5)(12 16) 83 (i)
6 3 8
det A
t
1 2 4
5 7 1
2 4 1 4 1 2
= (6) (3) (8)
7 1 5 1 5 7
(6)(2 28) (3)(1 20) (8)(7 10) 83 (ii)
Dari penyelesaian di atasdiperoleh bahwa det A = det At
87
1 2 1 2 0 5 1 2 6
A B 2 4 3 3 1 3 5 5 0
3 5 0 4 6 7 7 11 7
1 2 1
det A 2 4 3
3 5 0
4 3 2 3 2 4
= (1) ( 2) (1)
5 0 3 0 3 5
(1)(0 15) (2)(0 9) (1)(10 12) 1 ...(1)
2 0 5
det B 3 1 3
4 6 7
1 3 3 3 3 1
= (2) (0) (5)
6 7 4 7 4 6
(2)(7 18) (0)(21 12) (5)(18 4) 20 ...(2)
Dari (1) dan (2) diperoleh
det A + det B = -1 + (- 20) = -21 ...(3)
Sekarang kita mencari det (A + B)
1 2 6
det( A B) 5 5 0
7 11 7
5 0 5 0 5 5
= (1) ( 2) (6)
11 7 7 7 7 11
= (1)(35 0) (2)(35 0) (6)(55 35) 15 ...(4)
88
7 Misalkan A, A’ dan A” adalah matriks n x n yang hanya berbeda dalam
baris tunggal, katakanlah baris ke-r, dan anggap bahwa baris ke r dari A”
dapat diperoleh dengan menambahkan entri-entri yang bersesuaian dalam
baris ke-r dari A dan dalam baris ke-r dari A’, maka det(A”) = det(A) +
det(A’) [hasil yang serupa juga berlaku untuk kolom]
8 Jika A dan B adalah matriks kuadrat yang ukurannya sama, maka
det(AB) = det(A) det(B)
Contoh
Perhatikan matriks-matriks berikut,
1 3 0
A 4 6 1
5 0 2
3 1 4
B 2 0 6
1 5 3
1 3 0 3 1 4
AB 4 6 1 2 0 6
5 0 2 1 5 3
3 1 22
1 9 55
13 15 26
1 3 0
det A 4 6 1
5 0 2
6 1 4 1 4 6
= (1) (3) + (0)
0 2 5 2 5 0
89
= (1)(12 0) (3)(8 5) (0)(0 30) 3 ...(1)
3 1 4
det B 2 0 6
1 5 3
0 6 2 6 2 0
= (3) (1) (4)
5 3 1 3 1 5
det( AB) 1 9 55
13 15 26
9 55 1 55 1 9
= (3) (1) + (22)
15 26 13 26 13 15
(3)(234 825) (1)(26 715) (22)(15 117) 390
Dari penyelesaian di atas dapat disimpulkan bahwa det (AB) = det (A).det
(B)
9 Sebuah matriks persegi mempunyai invers jika dan hanya jika det(A) 0
Contoh
Perhatikan matriks-matris berikut,
4 7 2
A 2 5 1
6 0 3
90
6 4 3
B 4 3 4
3 2 2
Det (A) = 0 karena A tidak mempunyai invers
6 4 3
3 4 4 4 4 3
det B 4 3 4 (6) (4) (3)
2 2 3 2 3 2 Karena det B = 1
3 2 2
(6)(6 8) (4)(8 12) (3)(8 9) 1
91
1
11 Jika A adalah sebuah matriks yang dapat dibalik, maka A 1 adj A
det A
Contoh
Diberikan matriks A sebagai berikut
1 2 1
A 2 4 1
3 0 2
2 4
C13 = = 12
3 0
2 1
C21 = = 5
0 2
1 1
C22 = = 5
3 2
1 2
C23 = = 6
3 0
2 1
C31 = = 6
4 1
1 1
C32 = = 1
2 1
92
1 2
C33 = = 8
2 4
1 2 1 8 4 6
A (adj A) 2 4 1 7 5 1
3 0 2 12 6 8
34 0 0
0 34 0
0 0 34
1 0 0
340 1 0
0 0 1
= det A (I)
93
Dari hasil perkalian ini diperoleh bahwa A (adj A) = det A (I). Jika ruas kanan
dan kiri dikalikan dengan A maka diperoleh
1
A1 adj A
det A
3.4 Aturan Cramer
Teorema 3.4.1
Jika AX = B adalah sistem yang terdiri dari n persamaan linier dalam
n bilangan tak diketahui sehingga det(A) 0, maka sistem tersebut
mempunyai pemecahan yang uniq. Pemecahan ini adalah
det( A1 ) det( A2 ) det( An )
x1 = , x2 = , …, xn =
det( A) det( A) det( A)
dimana Aj adalah matriks yang kita dapatkan dengan menggantikan entri-
entri dalam kolom ke-j dari A dengan entri-entri dalam matriks.
b1
b
B= 2
b n
94
Contoh 2
a. Carilah selesaian dari persamaan dibawah ini menggunakan aturan
cramer.
x1 + 2x3 = 6
-3x1 + 4x2 + 6x3 = 30
-x1 – 2x2 + 3x3 = 8
ubah terlebih dahulu kedalam bentuk matriks
1 0 2
A = 3 4 6
1 2 3
1 0 6
A3 = 3 4 30
1 2 8
95
= 1[4(3)-6(-2)] – 0[-3(3)-6(-1)] + 2[-3(-2)-4(-1)]
= 24 – 0 – 20 = 44
6 0 2
det(A1) = 30 4 6
8 2 3
1 2 8
= a11C11 + a12C12 + a13C13
= a11(-1)1+1M11 + a12(-1)1+2M12 + a13(-1)1+3M13
96
= a11M11 – a12M12 + a13M13
4 30 3 30 3 4
=1 –0 +6
2 8 1 8 1 2
= 1[4(8)-30(-2)] – 0[-3(8)-30(-1)] + 6[-3(-2)-4(-1)]
= 92 – 0 + 60 = 152
det( A2 ) 72 18
x2 = = =
det( A) 44 11
det( An ) 152 38
x3 = = =
det( A) 44 11
Penyelesaian:
Dalam bentuk perkalian matriks, sistem persamaan linier ini dapat dituliskan
sebagai AX = B yaitu,
2 1 2 x1 2
A 1 10 3 X x2 B 5
1 1 1 x3 3
2 2 2
A2 1 5 3
1 3 1
10 3 1 3 1 10
=2 (1) 2
1 1 1 1 1 1
2 1 2
det A1 5 10 3
3 1 1
98
10 3 5 3 5 10
=2 (1) 2
1 1 3 1 3 1
2 2 2
det A2 1 5 3
1 3 1
5 3 1 3 1 5
2 2 2
= 3 1 1 1 1 3
2 1 2
det A3 1 10 5
1 1 3
10 5 1 5 1 10
=2 (1) 2
1 3 1 3 1 1
det A1 92 det A2 0
x1 2 x2 0
det A 46 det A 46
det A3 46
x3 1
det A 46
99
Latihan
1. Hitunglah determinan invers matriks-matris berikut tanpa harus
menghitung inversnya dahulu
2 4 1
A 1 3 1
3 4 2
1 2 3 1
4 3 4 2
B
3 5 1 6
2 6 1 4
2. Diberikan matrik A sebagai berikut,
1 3 0
A 2 6 4
1 0 2
c. Tentukanlah adj A
3 4 1
B = 10 6 5
5 2 4
100
4. Perhatikan matrik pada soal nomor 3 no Hitunglah
a. det(5A)
b. det (3B)
c. det (2C)
4 1 4 2
1 3 1 1
B
2 4 5 3
6 7 8 0
6. Tentukanlah apakah matriks-matriks berikut mempunyai invers atau
tidak, tanpa harus menghitung inversnya terlebih dahulu. Jika
mempunyai invers hitunglah determinan inversnya.
2 1 4
A = 1 1 2
3 1 6
3 4 7 2
2 6 1 3
B=
1 0 0 0
2 8 3 4
101
7. Diberikan matriks-matriks seperti di bawah ini,
6 5
P=
7 9
3 4 1
Q = 10 6 5
5 2 4
Tentukanlah
a. Determinannya,
b. Adjoinnya
c. Matriks inversnya dengan menggunakan hasil dari a dan b.
8. Carilah solusi dari persamaan dibawah ini menggunakan aturan cramer
dan eliminasi Gauss-Jordan. Kemudian bandingkan hasilnya
3x y 7 z 9 w 4
x y 4z 4w 7
a.
x 2 z 3w 0
2 x y 4 z 6 w 6
x y 2z 0
b. 3x y z 3
2 x 5 y 3z 4
3x y z 3
c. 2 x 2 y 3z 1
x y 2 z 2
102
BAB IV
VEKTOR
Dalam bab ini akan membahas vektor, hasil kali titik, hasil kali silang,
panjang dan jarak dua vektor, vektor orthogonal. Setelah mempelajari bab
ini, diharapkan mahasiswa dapat menentukan panja dan jarak dua vektor
serta dapat membedakan vektor-vetor yang orthogonal
a b
w v
103
4.1.3 Aljabar Vektor
Definisi Jumlah Dua Vektor
Jika v dan w adalah dua vektor sembarang, maka jumlah v + w
adalah vektor yang di temukan sebagai berikut:
Tempat vektor w sedemikian rupa sehingga titik awalnya berhimpit dengan
titik akhir vektor v . Vektor v + w diawali oleh anak panah yang titik
awalnya v hinggan titik akhir w . Penjumlahan dua vektor dapat
diilustrasikan sebagiai berikut:
a 1 b1 a1 b1
v + w = a 2 + b 2 = a 2 b2
a b
3 3 a3 b3
v w
w w
v v
v+w v+w v
w
(v + w = w + v)
Contoh
Diberikan vektor a dan b berikut. Tentukan a + b
2 4
a = 5 b = 3
3 6
104
Maka diperoleh
2 4 2 4 6
a + b = 5 + 3 = 5 3 = 8
3 6 3 6 9
a 1 b1 a1 b1
v - w = a 2 - b 2 = a 2 b2
a b
3 3 a3 b3
-w
v v-w
v
v v-w
w
-w w
Contoh
Diberikan vektor a dan b berikut. Tentukan a - b
2 4
a = 5 b = 3
3 6
Maka diperoleh
2 4 2 4 2
a - b = 5 - 3 = 5 3 = 2
3 6 3 6 3
105
Perkalian vektor dengan skalar
Perkalian vektor dengan skalar merupakan perkalian vektor dengan
bilangan real dirumuskan sebagai berikut:
a 1 ka1
k a = k a 2 = ka 2
a ka
3 3
Contoh
Dberikan vektor a dan skalar k = 3
2
a = 5
3
2 3x2 6
k a = (3) 5 = 3 x5 = 15
3 3 x3 9
0+ v = v +0= v
Definisi
Jika v adalah vektor tak nol, k adalah bilangan real tak nol, hasil k v
didefinisikan sehingga vektor yang panjangnya │k│ kali panjang v dan
arahnya sama dengan v jika k >0, arahnya berlawanan dengan v jika k < 0,
106
v -v
P1 = (x, y, z)
P2 = (x2, y2, z2)
P1P2 = P2 – P1
= (x2, y2, z2) – (x1, y1, z1)
= (x2 – x1, y2 – y1, z2 – z1)
Contoh
Tentukan komponen – komponen v yang titik awalnya dititik awal P1 = (2, 4,
6) dan titik akhirnya dititik awal P2 = (1, 2, 4)
Penyelesaian
v = P2 – P1= (1, 2, 4) – (2, 4, 6) = (-1, -2, -2)
4.1.5 Vektor Negatif
Vektor v adalah vektor yang arahnya berlawanan dengan vektor v dan
panjangnya sama dengan vektor v .
-v
Contoh
Diberikan v = (1, 2, 4)
Maka - v = (-1, -2, -4)
107
4.1.6 Sifat-Sifat Aritmaika Vektor
Teorema 4.1.7
Sifat aritmatika vektor jika u , v dan w adalah vektor pada R2 atau R3
sedangkan k dan l adalah skalar maka aturan-aturan berikut ini berlaku:
a. u + v = v + u
b. (u + v) + w = u + (v + w)
c. u + 0 = 0 + u= u
d. u+ (-u) = 0
e. k (lu) = (kl) u
f. k (u+ v) = ku + kv
g. (k + k) u = ku + lu
h. 1u = u
Bukti (b)
u = (u1, u2, u3)
v = (v1, v2, v3)
w = (w1, w2, w3)
(u + v) + w = [ (u1, u2, u3) + (v1, v2, v3) ] + (w1, w2, w3)
= [ (u1 + v1, u2 + v2, u3 + v3) ] + (w1, w2, w3)]
= [ (u1 + v1 + w1, u2 + v2 + w2, u3 + v3 + w3) ]
= [ (u1 + (v1 + w1), u2 + (v2 + w2), u3 + (v3 + w3) ]
= (u1, u2, u3) + [ (v1 + w1, v2 + w2, v3 + v3)]
= (u1, u2, u3) + [(v1, v2, v3) + (w1, w2, w3)] = u + (v + w)
108
4.2 Hasil Kali Titik Dari Vektor
Definisi
Jika v dan u adalah vektor – vektor pada R2 dan R3 dan θ adalah sudut
antara u dan v , maka hasil titk u . v didefinisikan oleh
u .v =
0 jika u = 0 atau v = 0
Contoh :
Di ketahui u = (0, 0, 2) dan v = (0, 3, 3) tentukan u . v !
Penyelesaian
z
v = (0, 3, 3)
u = (0, 0, 2)
= 45 o
y
x
u = 02 02 22 = 2
v = 02 32 32 = 18 = 3 2
u, v = u v cos θ
= 2 . 3 2 . Cos 45 = 6
109
Teorema 4.2.1
Jika u, v dan w vektor – vektor pada ruang berdimensi 2 atau
berdimensi 3 dan k adalah skalar, maka
a. u.v = v.u
b. u (v + w) = u.v + u.w
c. k (u.v) = (k.u). v = u. (k.v)
d. u.v >0 jika v ≠ 0 dan
e. u.v = 0 jika v = 0
Pembuktian: (c)
Misal : u = (u1, u2, u3)
v = (v1, v2, v3)
k (u.v) = k [(u1, u2, u3) (v1, v2, v3)]
= k (u1.v1 + u2.v2 + u3.v3)
= (k (u1.v1)) + (k (u2.v2)) + (k (u3.v3))
= u1 (k.v1) + u2 (k.v2) + u3 (k.v3)
= u (k.v)
110
4.3 Panjang Dan Jarak Dua Vektor
Definisi
Norma suatu vektor adalah ukuran atau panjang suatu vektor. Panjang vektor
u disimbulkan u
u u2
u1
u = U1 U 2
2 2
u3
O y
u1
1
Q u2 R
x
111
u1 u 2 u3
2 2 2
u = ... (1)
Jika P1 = (x1, y1, z1), P2 = (x2, y2, z2) maka jarak (d) antara P1 ke P2 ( P1 P2 )
z P2 (x2,y2,z2)
P1 (x1,y1,z1)
y
d= ( x2 x1 )2 ( y2 y1 )2 ( z2 z1 )2
Contoh
a. Tentukan panjang vektor u = (2, 7, 5)
b. Tentukan jarak antara P1 = (2, 6, 8) dan P2 = (4, 6, 10)
Jawab
a. u = 2 2 7 2 52 = 78
= 8 =2 2
112
4.4 Menentukan Sudut Antar Dua Vektor
Misalkan u dan v adalah vektor – vektor pada ruang berdimensi 2 atau ruang
berdimensi 3. θ adalah sudut antara u dan v yang diasumsikan titik awal u
dan v berhimpit. Dimana 0 ≤ θ ≤ л
u
u
v u v
u v
u
v
Misal terdapat vektor u = (u1, u2, u3) dan v = (v1, v2, v3), maka kita dapat
menentukan sudut antara v dan u dengan rumus sebagai berikut
u.v = u v cos θ atau
u.v
cos dimana u.v = u1.v1 + u2.v2 + u3.v3
u v
Definisi
a1 b1
Apabila diketahui a = a 2 dan b = b 2 , maka:
a b
3 3
1. a · b = |a| |b| cos
= a1b1 + a2b2 + a3b3
2. a · a = |a|2 = a1a1 + a2a2 + a3a3
3. |a + b|2 = |a|2 + |b|2 + 2|a||b| cos
113
4. |a – b|2 = |a|2 + |b|2 – 2|a||b| cos
5. Dua vektor saling tegak lurus jika a · b = 0
Contoh
Diketahui u = (2, -1, 1) dan v = (1, 1, 2) tentukan sudut θ!
Penyelesaian
u.v = u1.v1 + u2.v2 + u3.v3
= 2.1 + 1. (-1) + 2.1 = 3
u = 22 (1)2 12 = 6
v = (1)2 12 22 = 6
u.v 3 3 1
cos = = =
u v 6 6 6 2
maka θ = 60
Teorema 3.3.1
Misalkan u dan v adalah vektor – vektor pada ruang berdimensi 2 atau
berdimensi 3 maka
2
a. v.v = v yaitu v = (v.v) 1 / 2
b. Jika vektor – vektor u dan v adalah tak nol dan θ sudut diantaranya maka:
θ adalah lancip jika dan hanya jika u.v > 0
θ adalah tumpul jika dan hanya jika u.v < 0
θ = л/2 jika dan hanya jika u.v = 0
Bukti
2
a. v.v = v
114
b. θ memenuhi 0 ≤ θ ≤ л
θ lancip jika dan hanya jika cos θ > 0
θ tumpul jika dan hanya jika cos θ < 0
θ = л/2 jika dan hanya jika cos θ = 0
u.v = u v cos θ dan u > 0, v > 0
Contoh
Diketahui u = (1, -2, 3), v = (-3, 4, 2) dan w = (3, 6 ,3)
Tentukan jenis sudut antara :
a. u dan w
b. v dan w
c. u dan w
Penyelesaian
a. u.v = 1.(-3) + (-2).4 + 3.2 = -5 , mak θ adalah sudut tumpul
b. v.w = (-3).3 + 4.6 + 2.3 = 21, maka θ adalah sudut lancip
c. u.w = 1.3 + (-2).6 + 3.3 = 0 , maka θ adalah sudut siku – siku
115
Contoh
Tunjukan bahwa pada ruang berdimensi 2 vektor tak nol n = (a, b) adalah
tegak lurus terhadap garis ax + by + c = 0
Penyelesaian
x
y
ax + by + c = 0
Misalkan titik P1 = (x1,y1) dan P2 = (x2,y2) terletak pada garis maka P1 P2 = (x2
– x1, y2 – y1) karena vektor P1 P2 terletak pada garis, kita bisa langsung
membuktikan n P1 P2
P2 = ax2 + by2 + c = 0
P1 = ax1 + by1 + c = 0
(ax2 – ax1) + (by2 – by1) = 0
a (x2 – x1) + b (y2 – y1) = 0
(a,b) (x2 – x1, y2 – y1) = 0
116
Latihan
3 2
1. Diketahui u 2 dan v 3 , tentukan:
3 4
a. 2 u 3 v
b. 3u v
2. Diketahui segitiga ABC dengan A(3, 1, 2), B(6, 1, 3), dan C(6, 7, 2). Jika
u mewakili AB dan v mewakili AC . Tentukan sudut yang dibentuk
oleh vektor u dan v
3 2
3. Tentukan besar sudut antara vektor a 2 dan b 3
4 3
117
3 3
8. Diketahui panjang proyeksi vektor a 3 pada vektor b p
1 3
3
adalah .
2
Tentukan nilai p
1
9. Diberikan u , v dan w saling tegak lurus. Jika vektor a 2 ,
3
5 5
b 4 dan c 4 . Tentukan
1 1
a. 2a 3b
b. a 2b 3c
3
10. Diketahui x 5 , dan y , jika sudut antara x dan y lancip
4
dan panjang proyeksi x pada y sama dengan 2, tentukan komponen
vektor x
2 4
11. Diketahui u 4 dan v 3 . Tentukan proyeksi vektor ortogonal u
5 2
pada v
3 2
12. Tentukan nilai x agar vektor-vektor a 1 dan b 4 saling
2 x
tegak lurus.
118
BAB V
RUANG VEKTOR REAL
Dalam bab ini akan membahas ruang vektor, sub ruang, kombinasi linier,
kebebasan linier, merentang, basis dan dimensi. Setelah mempelajari bab
ini, diharapkan mahasiswa dapat menentukan basis dan dimensi suatu
ruang vektor.
Contoh 1
Diketahui vektor x = {(a1, a2, ..., an) | ai Є R, i = 1, 2, ..., n}. Apakah x ruang
Vektor?
119
Penyelesaian: (bukti)
1. Operasi Penjumlahaan
a. A, B Є x A + B Є x
Ambil A,B Є x
A = (a1, a2, ..., an)
B = (b1, b2, ..., bn)
A + B = (a1 + b1, a2 + b2, ..., an + bn)
A + B Є x memenuhi
b. A + B = B + A
A + B = (a1 + b1, a2 + b2, ..., an + bn)
= (b1 + a1, b2 + a2, ..., bn + an)
= (b1, b2, ..., bn) + (a1, a2, ...,an)
A + B = B + A memenuhi
c. (A + B) + C = A + (B + C)
C = (c1, c2, ..., cn)
(A + B) + C
= (a1 + b1, a2 + b2, ..., an + bn) + (c1, c2, ..., cn)
= (a1 + b1+ c1, a2 + b2 + c2, ..., an + bn + cn)
= (a1, a2 ..., an) + (b1 + c1, b2 + c2, ..., bn + cn)
(A + B) + C = A + (B + C) memenuhi
d. 0 Є x sehingga A + 0 = 0 + A = A
A + 0 = (a1, a2, ..., an) + (0, 0, ..., 0)
= (a1 + 0, a2 + 0, ..., an + 0)
= ( 0 + a1, 0 + a2, ..., 0 + an)
A+0=0+A=A memenuhi
e. -A sehingga A + (-A) = 0
A = (a1, a2, ..., an)
- A = (-a1, -a2, ...,-an)
120
A + (-A) = (a1 + (-a1), a2 + (-a2), ..., an + (-an))
A + (-A) = (0, 0, ..., 0) memenuhi
121
j. IA = A
IA = I (a1, a2, ..., an)
= (a1, a2, ..., an)
IA = A memenuhi
Karena x memenuhi ke – 10 aksioma maka x adalah ruang vektor.
Teorema
Jika W dalah suatu himpunan yang terdiri dari satu atau lebih vektor dari
ruang vektor V, mak W adalah sub ruang dari V , jika hanya jika syarat
tersebut memenuhi:
a. Jika A,B Є W A + B Є W
b. k Є R , A Є W kA Є W
Jika W sub ruang dari V, maka W harus memenui syarat
a. W ≠ Ø
b. W V (subset)
c. A,B Є W A+BЄW
d. k Є R, A Є W kAЄW
Contoh 2
Buktikan U = {(x1, x2, x3) Є R 3 | x1 = 0} adalah sub ruang dari R 3 !
122
Bukti :
a. U ≠ Ø
(0,0,0) Є U berarti U ≠ {}
b. U R3
Ambil (0, x2, x3) Є U
Karena x2, x3 Є R (0, x2, x3) Є R3
Jadi U R 3
c. A,B Є U A + B Є U
A Є U (0, x, y)
B Є U (0, a, b)
(A + B) = (0, x, y) + (0, a, b)
= (o, x + a, y + b)
d. k Є R, A Є W kA Є W
A Є W (0, x, y)
kA = k (0, x, y)
= (k0, kx, ky) Є U
Karena U memenuhi Ke–4 aksioma maka U sub ruang dari R 3
u k1v1 k 2 v2 ... k n vn
dimana k1, k2, …, kn adalah skalar Riil.
Contoh 3
Misal u = (2, 4, 0), dan v = (1, –1, 3)
123
adalah vektor-vektor di R3
Apakah vektor berikut merupakan kombinasi linear
dari vektor – vektor di atas
a. a = (4, 2, 6)
b. b = (1, 5, 6)
c. c = (0, 0, 0)
Penyelesaian:
f. Tulis k1 u k 2 v a
akan diperiksa apakah ada k1, k2, sehingga kesamaan tersebut dipenuhi.
2 1 4
k1 4 k 2 - 1 2
0 6
Ini dapat ditulis
menjadi: 3
2 1 k1 4
4 -1 2
0 3 k 6
2
dengan OBE, diperoleh:
1 12 2 1 12 2
1 -3 -6 ~ 0 1 2
0 3 6 0 0 0
Dengan demikian, a merupakan kombinasi linear dari vector u dan v atau
a u 2v
Untuk b dan c sebagai latihan pembaca
124
5.4 Kebebasan Linier
Definisi
Jika S = {v1, v2, ..., vr} adalah himpunan vektor, maka persamaan vektor.
k1v1 + k2v2 + ... + krvr = 0
Mempunyai paling sedikit satu pemecahan, yakni
k1 = 0, k2 = 0, ..., kr = 0
merupakan satu-satunya pemecahan, maka S kita namakan himpunan bebas
linear (linearly independent). Jika ada pemecahan lain, maka S kita namakan
himpunan tak bebas linear (linearly dependent).
Contoh 4
1. A = {0}, apakah A bebas linier?
Penyelesaian
.0=0
=0
=1
= 2 dst
Maka A Bergantung Linier
1
2. B = { } apakah B bebas linier?
2
Penyelesaian
. 0.5 = 0 Bebas Linier
= 0
Maka B Bebas Linier
125
Komponen persamaan vektor
kiv1 + 1 + k2v2 + ... + krvr = 0
Menjadi
k1 (1, 0, 0), + k2 (0, 1, 0) + k3(0, 0, 1) = (0, 0, 0)
secara ekivalen dapat ditulis
(k1, k2, k3) = (0, 0, 0)
Sehingga diperoleh
k1 = 0, k2 = 0, k3 =0;
sehingga himpunan S = (i, j, k) bebas linear pada Rn.
5.5 Merentang
Definisi
Himpunan vektor
S v1 , v2 , ... , vn
Contoh 5
Diberikan
v 1 = (1, 1, 2),
v 2 = (1, 0, 1), dan
v 3 = (2, 1, 3)
Apakah vektor-vektor di atas merentang di V?
126
Penyelesaian
Ambil sembarang vektor di R3
u1
Misalkan u u 2
u
3
Tuliskan u k1 v1 k 2 v 2 k 3 v 3
Sehingga dapat ditulis dalam bentuk
k1 k 2 2k 3 u1
k1 2k 3 = u 2
2k k 3k u
1 2 3 3
secara ekivalen dapat ditulis
1 1 2 k 1 u 1
1 0 1 k u
2 2
2 1 3 k 3 u 3
Syarat agar dapat dikatakan kombinasi linear SPL tersebut harus mempunyai
penyelesaian. Dengan OBD diperoleh
1 1 2 u1
0 -1 -1 u2 u1
0 u3 u1 u2
0 0
127
5.6 Basis dan Dimensi
Definisi
Jika V adalah ruang vektor dan S = {v1, v2, v3, ….., vn} adalah kumpulan
vektor di dalam V, maka S disebut sebagai basis dari ruang vektor V jika 2
syarat berikut ini dipenuhi :
a. S bebas linier;
b. S serentang V.
Keunikan Represenasi Basis
Jika S = {v1, v2, v3, ….., vn} adalah suatu basis dari ruang vektor V, maka
setiap vektor v pada V dapat dinyatakan dalam bentuk v = c1v1 + c2v2 + ... +
cnvn dengan tepat satu cara.
Contoh 6
Misalkan e1 = ( 1, 0, 0, … , 0 ), e2 = ( 0, 1, 0, … , 0 ), … , en = ( 0, 0, 0, … , 1
).
Karena S = { e1, e2, … , en} adalah himpunan bebas linier dengan Rn . dan
vektor v = (v1, v2, … , vn) pada Rn dapat dituliskan sebagai v = v1e1 + v2e2+
… + vnen, maka S merentang Rn sehingga S adalah sebuah basis. Basis
tersebut dinamakan basis baku untuk Rn.
Contoh 7
Himpunan S = {M1, M2, M3, M4} merupakan basis untuk ruang vektor
128
M=
=a +b +c +d
Definisi
Dimensi dari ruang vektor V yang berdimensi berhingga dinotasikan dengan
dim(V), didefinisikan sebagai banyaknya vektor-vektor pada suatu basis
untuk V. Jika tidak demikian, dapat didefinisiskan ruang vektor nol sebagai
berdimensi nol.
Contoh 8
a) Tentukan basis dan dimensi untuk ruang vektor berikut
a. W1 =
b. W2 = {a + bx – bx2 + ax3}
Penyelesaian
(i) = + =a +b = au + bv
129
Untuk soal pasa poin (ii) dan (iii) sebagai latihan pembaca
b) Tentukanlah basis dan dimensi untuk ruang pemecahan dari sistem
homogen.
2x1 + 2x2 - x3 + x5 = 0
- x1 - x2 + 2x3 - 3x4 + x5 = 0
x1 + x2 - 2x3 - x5 = 0
x3 + x4 + x5 = 0
penyelesaian dari SPL di atas adalah
x1 = – s – 1, x2 = s, x3 = -t, x4 = 0, x5 = t,
Sehingga vektor-vektor pemecahan tersebut dapat dituliskan sebagai
x1 s t s t 1 1
x s s 0 1 0
2
x 3 t 0 t 0 1
x4 0 0 0 0 0
x 5 t 0 t 0 1
130
Latihan
1. Diketahui vektor x = {(a, 1, 0) | a Є R}. Apakah x ruang Vektor?
2. Diketahui vektor v = {(1, 1, a) | a Є R}. Apakah x ruang Vektor?
3. Diketahui vektor w = {(a, b, c) | a – b = 0, a, b, c Є R}. Apakah x ruang
Vektor?
a b
4. Diketahui Matriks P = { | a = 1, a, b, c, d Z }. Apakah P ruang
c d
Vektor?
a b
5. Diketahui Matriks Q = { | ad – bc = 0, a, b, c, d Z }. Apakah
c d
Q ruang Vektor?
6. Diketahui vektor x = {(a, 1, -1) | a Є R}. Apakah x sub ruang Vektor?
7. Diketahui vektor v = {(1,0, a) | a Є R}. Apakah x sub ruang Vektor?
8. Diketahui vektor w = {(a, b, c) | a + b = 0, a, b, c Є R}. Apakah x sub
ruang Vektor?
a b
9. Diketahui Matriks R = { | a = 1, b = -1, c, d Z }. Apakah R
c d
sub ruang Vektor?
a b
10. Diketahui Matriks S = { | a – b = 0, a, b, c, d Z }. Apakah S
c d
sub ruang Vektor?
11. Diberikan u 3,2,5 dan v 1,2,2 adalah vektor-vektor di R3.
Selidiki apakah vektor berikut merupakan kombinasi linear dari vektor –
vektor di atas
a. X = (4, 6, 2)
b. Y = (3, 5, 4)
c. Q = (1, -2, 3)
d. R = (-3 4, -2)
131
12. Perhatikan vektor-vektor berikut, selidiki apakah vektor-vektor tersebut
bebas atau bergantung linier?
a. 2,1,3 , 3,3,2 , 2,5,4
b. 3,1,1 , 2,1,3 , 2,0,3
c. 1,3,3 , 0,1,5 , 5,4,3 , 5,2,1
d. 1 x 4x 2 , 3 2x 2x 2 , 2 4x 4x 2
13. S V1, V2 ,..., Vn himpunan vektor bebas linear, perlihatkan bahwa
masing-masing sub himpunan S dengan satu atau lebih vector yang
bebas linear
14. V1 , V2 , V3 himpunan vektor tak bebas linear pada ruang vektor V1.
132
h. P1 2 x x 2 , P2 x 3 untuk P2
i. 1 3x 2 x 2 , 1 x 2 x 2 , 1 5x untuk P3
j. 3 4 x x 2 , 1 3x 2 x 2 , 1 2 x x 2 untuk P3
2 6 0 1
k. P = Q=
3 4 2 0
0 8 1 0
R= 3 2 untuk M22
9 4
1 1 5 0
l. A B 1 7
2 3
3 0 3 1
C D
1 3 4 2
5 1
E untuk M22
2 3
133
134
BAB VI
RUANG EIGEN DAN DIAGONALISASI
Dalam bab ini akan membahas nilai eigen dan ruang eigen, diagonalisai,
diagonalisasi ortogonal dan matriks simetri. Setelah mempelajari bab ini,
diharapkan mahasiswa dapat menentukan basis ruang eigen dan dapat
mendiagonal sebuah matriks secara ortogonal.
135
Contoh 1
Jawab
λI – A = λ - =
Contoh 2
1 0 0
Tentukan nilai eigen dan vektor eigen dari matriks A= 0 1 0 !
0 0 0
Penyelesaian:
1 0 0 0 0 1 0 0
I – λI = 0 1 0 0 0 0 1 0
0 0 0 0 0 0
0
1 0 0
0 1 0 0
0 0
136
1 0 0 1 0 0
A-I = 0 1 0 0 1 0
0 0 0 0 0
(A-I)x = 0
1 0 0 x1 0
0 1 0 x2 0
0 0 0 x 0
3
Jadi x1=0, x2=0, x3=t, t0, tR
0
Jadi x= 0 merupakan vektor eigen yang berkorespondensi dengan =0
t
Vektor eigen untuk =1
1 0 0 0 0 0
A-I = 0 1 0 0 0 0
0 0 0 1
0
(A-I)x = 0
0 0 0 x1 0
0 0 0 x 2 0
0 0 1 x 0
3
Jadi x1=a, x2=b, x3=0, a,b0, a,bR
a
Jadi x= b merupakan vektor eigen yang berkorespondensi dengan =1
0
Teorema 6.1.1
Jika A adalah sebuah matriks segitiga n x n (seitiga atas, segitiga bawah atau
diagonal), maka nilai-nilai eigen dari A adalah entri-entri yang terletak pada
diagonal utama pada matriks A
137
Contoh 3
Tentuka nilai-nilai dari matriks segitga atas berikut ini
1 1 2
A 0 2 1
1
0 0
2
Nilai-nilai eigen dari matriks di atas adalah λ = 1, λ = 2 dan λ = ½
6.2 Diagonalisasi
6.2.1 Definisi
Sebuah atriks persegi A dikatakan dapat didiagonalisasi jika terdapat sebuah
matriks P yang mempunyai invers sedemikian rupa sehingga P-1AP adalah
sebuah matrks diagonal.
Teorema 6.2.1
Jika A adalah matriks berukura n x n, maka kedua pernyataan berikut ini
kuivelen
a. A dapat didiagonalisasi
b. A mempuyai n vektor eigen yang bebas linier
138
3. Maka matriks P-1AP akan didiagonal dengan λ1, λ2, λ3, ..., λn sebagai
elemen-elemen diagonalnya yang berurutan, dimana λ1 adalah nilai eigen
yang bersesuaian dengan p i , dengan i = 1, 2, 3, ..., n
Contoh 3
Carilah matriks P yang mendigonal matrik A berikut
3 2 0
A 2 3 0
0 0 5
Penyelesaian:
Nilai-nilai eigen dari matriks A adalah λ = 1 dan λ = 5.
Vektor-vektor eigen yang bersesuai dengan nilai eigen λ = 5 adalah
1 0
p 1 = 1 dan p 2 = 0
0 1
1 0 1
P = 1 0 1 akan mendiagonalkan matriks A
0 1 0
1 1
2 2
0 3 2 0 1 0 1
P AP = 0
-1
0 1 2 3 0 1 0 1
1 1
0 0 0 5 0 1 0
2 2
139
5 0 0
= 0 5 0
0 0 1
Contoh 3
1 0 0
Apakah A 2 2 0 dapat didiagonalisasi?
3 5 2
Penyelesaian:
Syarat dapat didiagonalisasi, harus mempunyai vektor basis sebanyak nilai
eigennya, sehingga matriks A tidak dapat didiagonalisasi karena vektor
basisnya hanya 2.
Definisi
Matriks simetri adalah matriks yang memiliki sifat A = AT
Teorema 6.3.1
Jika A adalah sebuah matriks berukuran n x n maka pernyataan-pernyataan
berikut ini ekuivalen sau sama lain:
1. A dapat didiagonalisasi secar ortogonal
2. A simetris
140
Teorema 6.3.2
Jika A adalah sebuah matriks simetris, maka
1. Nilai eigen matriks A semunya adalah bilangan real
2. Vektor eigen yang berasal dari ruang eigen yang berbeda saling
ortogonal
Contoh 4
1 0 1
Diketahui A = 0 0 0 simetri. Tentukan matriks yang mendiagonalisasi
1 0 1
secara ortogonal dan matriks digonalnya
Penyelesaian:
Nilai-nilai eigen dari matriks A adalah λ = 0 dan λ = 2.
Vektor-vektor basis yang bersesuai dengan nilai eigen λ = 0 adalah
141
0 1
1 dan 0
0 1
1
0 2
Bentuk ortonormal dari vektor tersebut adalah 1 dan 0
1
0
2
1
Vektor-vektor basis yang bersesuai dengan nilai eigen λ = 2 adalah 0 .
1
1
2
Bentuk ortonormal dari vektor tersebut adalah 0
1
2
142
Latihan
1. Tentukan nilai eigen dari mariks berikut
1 1
a. A
0 3
3 0 1
b. B = 2 3 0
2 0 1
1 0 2
c. C 2 1 0
3 0 0
2 0 0
d. D = 2 1 0
0 0 2
1 0 2
c. C 2 1 0
3 1 0
143
2 0 0
b. D = 2 1 0
1 0 2
2 1 1
c. F = 0 1 2
0 0 2
2 0 3
b. D = 2 1 0
3 1 2
2 1 1
c. F = 0 1 4
5 0 2
144
BAB VII
TRANSFORMASI LINIER
Dalam bab ini akan membahas transformasi linier, kernel dan range, sifat-
sifat transformasi linier. Setelah mempelajari bab ini, diharapkan
mahasiswa dapat menentukan jenis menyelidiki basis ruang eigen dan
dapat mendiagonal sebuah matriks secara ortogonal.
7.1 Definisi
Sebelum memahami definisi tranformasi linier, sebaiknya kita pahami
terlebih dahulu pemetaan pada ruang vektor
Definisi pemetaan
Suatu pemetaan f dari ruang vektor V ke ruang vektor W adalah aturan
perkawanan sedemikian sehingga setiap vektor v V dikawankan dengan
vektor tunggal w W. Kita mengatakan bahwa f memetakan vektor v ke w,
dan juga f memetakan ruang V ke W. Pada transformasi f: V W, ruang V
disebut domain dan W disebut kodomain untuk f. Jika u V, maka vektor
f(u) W disebut bayangan dari u oleh f.
145
Contoh 1
Selidiki apakah pemetaan berikut merupakan transformasi linier?
Misalkan F: R2 R3 adalah fungsi yang didefinisikan oleh F (x, y) = (x – y,
x, -y)
Penyelesaian
Ambil u = (x1, y1), v = (x2, y2) di R2
Maka u + v = (x1+x2, y1+y2)
F (α u + β v ) = F ((αx1, αy1) + (βx2, βy2))
= F ((αx1 + βx2, αy1 + βy2))
= ((αx1 + βx2 – (αy1 + βy2), αx1 + βx2, - (αy1 + βy2))
= (αx1 - αy1, αx1, - αy1) + (βx2 - βy2, βx2, - βy2)
= αF ( u ) + βF ( v )
Jadi T merupakan transformasi Linier
Contoh 2
Misalkan T:R2 R2 adalah fungsi yang didefinisikan oleh T(v) = (2x, y)
dengan v= (x, y) di R2. buktikan bahwa T merupakan transformasi linier
Penyelesaian
Misalkan u = (x1, y1) dan v = (x2, y2)
Bukti pertama:
T(u + v) = T((x1, y1) + (x2, y2))
= T(x1+x2, y1+y2)
= (2(x1+x2), (y1+y2))
= ((2x1, y1) + (2x2, y2))
T(u + v) = T(u) + T(v) => terbukti
146
Bukti kedua:
T(ku) = T(kx1, ky1)
= (2kx1, ky1)
= k (2x1, y1)
T(ku) = k T(u) => terbukti
Jadi T adalah trasnformasi linier
Teorema
Jika T: Rn Rm adalah transformasi linier, dan jika e1, e2, …, en adalah basis
baku untuk Rn, maka T adalah perkilaan oleh A atau
T(x) = Ax
dimana A adalah matriks yang mempunyai vektor kolom T(e1), T(e2),.., T(en)
Contoh 3
147
Carilah matriks baku (A) untuk tranformasi T: R3 R2 yang
didefinisikan oleh
T(x) = (x1 + x2, x2 + x3), untuk setiap x = (x1 , x2, x3) dalam Rn
Penyelesaian
T: R3 R2
Basis baku dari R3 adalah:
1. e1 = (1, 0, 0) T(e1) = (1 + 0, 0 + 0) = (1, 0)
2. e2 = (0, 1, 0) T(e2) = (0 + 1, 1 + 0) = (1, 1)
3. e3 = (0, 0, 1) T(e3) = (0 + 0, 0 + 1) = (0, 1)
Maka matriks A nya adalah vektor kolom bentukan dari T(e1), T(e2), dan
T(e3) yaitu
1 1 0
0 1 1
untuk Bukti dari jawaban di atas diserahkan pada pembaca.
Contoh 3
Misalkan T: R2 R2 adalah perkalian oleh matriks
cos sin
A =
sin cos
yakni perputaran R2 melalui sudut , merupakan transformasi linier
148
Definisi Range
Jika T:V W adalah transformasi linier, maka himpunan semua vektor pada
W yang merupakan bayangan karena T dari setidaknya satu vektor pada V
disebut range dari T, dan dinotasikan dengan Range(T) yaitu Range (T) = {
T( v ): v di V}
Contoh H 135
Contoh
Misal T : R2 R2 adalah perputaran R2 melalui sudut , maka R(T) = R2
4
dan ker (T) = {0}. Sehingga rank (T) = 2 dan nulitas(T) = 0
149
Dalam pemetaan di atas berlaku:
a. dom (a) = Kq
b. bayangan/im (a) = { y Kp | Ax = y),
c. ker (a) = { x Kq | Ax = 0}.
d. Dim (dom (a)) = dim (Kq) = q,
e. dim ( im (a)) = rank (A),
f. dim (ker (a)) = nulitas (a) = q – rank (A)
150
Kasus 2: Banyak persamaan melebihi banyak variabel: p > q.
(i) Jika rank (A) < q < p = im (a) Kp. maka pernyataan berikut ekuivalen
(a) Kp = q – rank (A) > 0
(b) a singular
(c) terdapat banyak solusi jika y im (a) atau tidak terdapat solusi jika y
im (a);
(ii) Jika rank (A) = q = Dim (dom (a)) maka pernyataan berikut ekuivalen
(a) Dim (dom (a))
(b) nulitas (a) = q – rank (a) = 0
(c) a nonsingular
(d) terdapat solusi tunggal jika y im (a) dan
(e) tidak ada solusi jika y im (a);
Teorema Dimensi
Jika T:V W adalah transformasi linier dari ruang vektor V yang
berdimensi n kepada suatu ruang vektor W, maka:
Rank dari T + nulitas dari T = n
Jika A adalah matriks m x n maka dimensi ruang pemecahan dari Ax = 0
adalah
n – rank(A)
151
Contoh
Diketahui sebuah SPL homogen yang mempunyai ruang pemecahan
berdimensi 2 memiliki matriks koefisien sebagai berikut
2 2 1 0 1
1 1 2 3 1
A=
1 1 2 0 1
0 0 1 1 1
tentukan rank (A)
Penyelesaian
Sesuai teorema di atas bahwa Jika A adalah matriks m x n, maka dimensinya
didefinisikan sebagai:
dimensi = n – rank(A)
sehingga rank (A) = n – dimensi = 5 –2 = 3
Contoh
Jika T : Rn Rm adalah sebarang transformasi linier, maka dapatkah dicari
sebuah matriks A yang berukuran m × n sehingga T adalah perkalian oleh A?
Penyelesaian
Jika e1, e2, ..., en adalah basis baku untuk Rn dan A adalah matriks m × n yang
vektor-vektor kolomnya adalah T(e1), T(e2), ..., T(en), maka dapat dibuktikan
bahwa T(x) = Ax, untuk setiap x Rn. Dengan demikian setiap transformasi
linier T : Rn Rm dapat dinyatakan sebagai transformasi matriks, yaitu
merupakan perkalian oleh matriks yang berukuran m × n
152
Contoh
Tinjaulah basis S = {v1, v2, v3} untuk R3 dimana v1= (1, 1, 1); v2=(1, 1, 0);
v3=(1, 0, 0), dan misalkan T: R3 R2 adalah transformasi linier sehingga
T(v1) = (1, 0); T(v2) = (2,-1); T(v3) = (4,3).
Tentukan T(2, -3, 5)
Penyelesaian
Nyatakan v = (2, -3, 5) sebagai kombinasi linier dari v1, v2, dan v3 maka v =
k1v1 + k2v2 + k3v3
Didapat k1=5; k2=-8; dan k3=5
Sehingga:
(2,-3,5) = 5 v1 – 8 v2 + 5 v3
T(2,-3,5) = 5T(v1) –8T(v2) + 5T(v3)
= 5(1,0) –8(2,-1) + 5(4,3)
= (9,23)
153
3. Transformasi Linier Isomorfisme
Transformasi linier T: V W disebut isomorfisme jika T merupakan
transformasi linier injektif dan surjektif. Jika V dan W adlah dua ruang
vektor sehingga ada isomorfisme dari V ke W, maka kita katakan bahwa V
somorfis dengan W dan disimbolkan dengan V W.
Contoh
Perhatikan transformasi lnier berikut
T: R2 R3 dengan T (x, y) = (2x, x – y, 0)
Tunjukkan apakah transfmasi linier tersebut injektif atau surjektif?
Penyelesaian
a. Ambil v1 = (x1, y1) dan v2 = (x2, y2) dan
T(x1, y1) = T (x2, y2)
maka (2x1, x1 – y1, 0) = (2x2 x2 – y2, 0)
akan didapat dua persamaan yaitu 2x1 = 2x2 dan x1 – y1 = x2 – y2
sehingga diperoleh x1 = x2 dan y1 = y2. Atau dengan kata lain v1 = v2 .
Dengan demikian T adalah transformasi linier yang injektif
b. Karena range dari transormasi linier di atas tidak semua di R3, maka T
tidak surjektif.
Misalkan tidak ada (x, y) di R2 yang memenuhi
T(x, y) = (0, 0, 1)
4. Transformasi Linier Nol
Pemetaan T : V W dengan aturan T(v) = 0, untuk setiap v V
merupakan transformasi linier yang dinamakan transformasi nol
5. Transformasi Linier Identitas
Pemetaan T : V V dengan aturan T(v) = v, untuk setiap v V
merupakan transformasi linier yang dinamakan transformasi identitas
154
Latihan
1. Misalkan T: R2 R3 adalah fungsi yang didefinisikan oleh T(v) = (x, 2x-
y, x*y) dengan v = (x,y) di R2. Buktikan bahwa T merupakan
transformasi linier.
2. Buktikan linieritas transformasi T: R2 R3 dengan T(x,y) = (x+2y, 2x-
3y, 3x+y)
3. Misalkan T: R3 R2 adalah transformasi matriks, dan didefinisikan:
T(1,0,0) = (2,1)
T(0,1,0) = (3,2)
T(0,0,1) = (4, -5)
Hitunglah:
a. Matriks transformasinya
b. T(2, 3, 5)
c. T(x, y, z)
155
Glosarium
156
Kebebasan linier : Himpunan vector yang meempunyai selesaian yang
trivial
Ruang eigen : Rueng vector yang dibangun oleh vector kolom dari
suatu
matriks
157
Daftar Rujukan
Anton, Howard and Rorres, Chris. (2006) Elementary Linear Algebra with
Applications. Ninth Edition. New Jersey: John Wiley and Sons.
Strang, Gilbert. (1988) Linear Algebra and Its Applications. Third Edition.
USA: Thomson Learning, Inc.
158