• Beatrix Lauw 2006468075

• Bianca Amira Rizaldi 2006530665

• Bryan Daud Setiawan 2006466643
• Daffa Aqilah Sofiyan 2006535804
• Davina Athira Xanthi 2006525841
• Dena Devi Ramadhani 2006466782
Kelas Aljabar Linier-14
Beatrix Lauw – 2006468075
Teknik Kimia
 Beatrix Lauw
2006468075

Vektor-vektor dalam ruang berdimensi-n

Jika n adalah suatu bilangan bulat positif, maka
ganda-n berurut adalah sederet n bilangan real (a1, a2, …
an), himpunan semua ganda-n berurut disebut ruang
berdimensi-n dan dinyatakan dengan Rn.
Seperti yang sudah dipelajari di bab sebelumnya,
sebuah vektor di R2 dinyatakan oleh sepasang bilangan
terurut u = (u1, u2) begitupun juga vector di R3
dinyatakan tiga bilangan terurut u = (u1, u2, u3).
 Beatrix Lauw
2006468075

▪ Defenisi: sebuah vector di Rn dinyatakan oleh n

bilangan terurut, yaitu n = (u1, u2, …, un.)
▪ Vektor nol: yaitu vector yang semua entri-nya nol,
misalkan o = (0, 0, …, 0)
▪ Misalkan u, v ∈ Rn, dua vector disebut sama, atau bisa
ditulis u = v, jika dan hanya jika u1 = v1, u2 = v2, …, un =
vn. (semua entri yang seletak sama)
 Beatrix Lauw
2006468075

1. Penjumlahan
Misalkan: u, v ∈ Rn, didefinisikan: u + v = u1+v1, u2+v2, …, un+vn.
Entri yang seletak dijumlahkan.

Contoh:
Misalkan u = (2, -1, 9, 3, 4), v = (1, -2, -3, -2, 1, 0), w = (5, -8, 2, 3, 4, 5).
u + v = tidak terdefinisi, karena u ∈ R5, sedangkan v ∈ R6.
v + w = {1+5, (-2)+(-8), (3+2), (-2)+3, (1+4), (0+5) = (6, -10, 5, 1, 5, 5)
 Beatrix Lauw
2006468075

2. Perkalian dengan skalar

Misalkan u ∈ Rn, k skalar, didefinisikan:
ku = (ku1, ku2, …,kun) -- setiap entri dikalikan dengan scalar.

Contoh:
Misalkan u = (2, -1, 9, 3, 4)
Maka -3u = (-6, 3, -27, -9, -12).
Akibat dari didefinisikannya perkalian dengan skalar, maka
didapatlah operasi pengurangan, yatu: u - v = u + (-v) = u + (-1)v
Selisih vektor-vektor dalam Rn didefisniskan sebagai: v – u = v + (-u)
 Beatrix Lauw
2006468075

Misalkan u, v, w ∈ Rn, l adalah Scalar, maka berlaku:

a. u+v=v+u komutatif
b. (u + v ) + w = u + (v + w) asosiatif
c. u+o=u+o= u anggota identitas
d. u + (-u) = (-u) + u = o invers anggota
e. k (u + v) = ku + kv distributif terhadap skalar
f. (k+l)u = ku + lu distributif terhadap skalar
g. (kl)u = k(lu)
asosiatif perkalian dengan skalar
h. 1.u = u
perkalian dengan skalar 1 (satu)
Kedelapan sifat di atas nantinya akan diambil sebagai sebuah kebenaran (aksioma) dan
ditambah dengan dua aksioma ketertutupan dipakai untuk mendefinisikan ruang vector.
 Beatrix Lauw
2006468075

Misalkan u ∈ Rn, didefinisikan:

u · v = u1 v1 + u2 v2 + … + un vn
*jumlah dari semua hasil kali entri yang seletak
Contoh:
Misalkan u = (2, -1, 0, 3, 4), v = (1, -2, 3, -2, 1, 0), w = (5, -8, 2, 3, 4, 5). u · v
tidak terdefinisi, karena u ∈ R5, sedangkan v ∈ R6, sehingga:
v · w = {1.5 + (-2)(-8) + 1.4 + 0.5} = 5 + 16 + 6 – 6 + 4 + 0 = 25.
 Beatrix Lauw
2006468075

▪ Misalkan u, v, w ∈ R6, k adalah skalar, maka berlaku:

▪u ·v = v ·u
▪ (u + v) · w = u · w + v · w
▪ (k u) · v = k(u · v)
▪ v · v ≥ 0; v · v = 0, jika dan hanya jika v = 0

Keempat sifat di atas nantinya akan diambil sebagai kebenaran

(aksioma) untuk membentuk definisi hasil kali dalam.
 Beatrix Lauw
2006468075

▪ Norma Euclides/panjang Euclides dalam vektor u = (u1 ,u2 ,…,un) di Rn didefinisikan sebagai:

u = (u  u)1/ 2 = u12 + u22 + ... + un2

▪ Jarak dari titik u = (u1 ,u2 ,…,un) dan v = (v1 , v2 ,…,vn) di dalam Rn didefinisikan dari:

d (u, v) = u − v = (u1 − v1 ) 2 + (u2 − v2 ) 2 + ... + (un − vn ) 2

Contoh:
Jika u = (1,3,-2,7) dan v = (0,7,2,2), maka carilah norma dan jarak dalam ruang berdimens-n
euclides!

u = (1) 2 + (3) 2 + (−2) 2 + (7) 2 = 63 = 3 7

d (u, v) = (1 − 0) 2 + (3 − 7) 2 + (−2 − 2) 2 + (7 − 2) 2 = 58
 Beatrix Lauw
2006468075

▪ Jika u = (u1 ,u2 ,…,un) dan v = (v1 , v2 ,…,vn) adalah vektor di Rn,
maka |u · v| ≤ || u || || v ||

2021/3/14
 Beatrix Lauw
2006468075
Teorema 4.1.4 Properties of Length in Rn
Jika u dan v adalah vektor di Rn dan k skalar, maka:
• || u || ≥ 0
• || u || = 0, jika dan hanya jika u = 0
• || ku || = | k ||| u ||
• || u + v || ≤ || u || + || v || (Ketidaksamaan segitiga)

w
Jika u, v, and w adalah vektor di Rn dan k adalah skalar, maka:
d(u, v) ≥ 0
d(u, v) = 0 jika dan hanya jika u = v
d(u, v) = d(v, u)
d(u, v) ≤ d(u, w ) + d(w, v) (Ketidaksamaan segitiga)
v
u
2021/3/14
 Beatrix Lauw
2006468075

Jika u dan v adalah vektor-vektor dalam Rn dengan hasil kali

euclides, maka:
▪ u · v = ¼ || u + v ||2 – ¼ || u–v ||2

Buktinya:
 Beatrix Lauw
2006468075

▪ Dalam ruang euclides R2 dan R3 dua vektor u dan v didefinisikan sebagai

orthogonal (tegak lurus) jika u · v = 0.

Teorema 4.1.7 (Teorema Phytagoras di Rn)

▪ Jika u dan v adalah vektor-vektor dalam Rn dengan hasil kali dalam euclides,
maka:
▪ || u + v ||2 = || u ||2 + || v ||2

u+w
v

u
 Beatrix Lauw
2006468075

▪ Jika kita menggunakan notasi kolom matriks untuk vektor:

u = [u1 u2 … un]T and v = [v1 v2 … vn]T ,
atau
 u1   v1 
u =    and v =   
un  vn 
maka
u · v = vTu
Au · v = u · ATv
u · Av = ATu · v

2021/3/14 15
 Beatrix Lauw
2006468075

▪ Jika A = [aij] adalah matriks mr dan B =[bij] adalah matriks rn, maka entri-ij-dari AB
adalah:
ai1b1j + ai2b2j + ai3b3j + … + airbrj
Yang merupakan hasil kali produk dari baris I vektor A dan kolom j dari vektor B
▪ Sehingga, jika baris dari vektor A adalah r1, r2, …, rm dan kolom B adalah c1, c2, …,
cn ,
r1  c1 r1  c 2  r1  c n 
r  c r  c  r  c 
AB =  2 1 2 2 2 n 
    
 
rm  c1 rm  c 2  rm  c n 

2021/3/14 16
 Beatrix Lauw
2006468075

▪ Sistem linear ditulis dalam bentuk hasil kali produk

sistem bentuk hasil kali produk

3 x1 − 4 x2 + x3 = 1  (3,-4,1)  ( x1 , x2 , x3 )  1
2 x1 − 7 x2 − 4 x3 = 5 (2,-7,-4)  ( x , x , x ) = 5
 1 2 3   
x1 + 5 x2 − 8 x3 = 0  (1,5,-8)  ( x1 , x2 , x3 )  0

2021/3/14
 No 1c, 1f, 9d

Develop your leadership while boosting your areer

prospects with an opportunity to work as a teacher
Bianca Amira Rabroad
Teknik Industri 2020
2006530665
 Bianca Amira R
2006530665

c) –u + (v -4w)

Operasikan satu-satu agar lebih mudah

-u = (3, -2, -1, 0)

v – 4w = (4 – 4.(5), 7 – 4.(-2), -3 – 4.(8), 2 - 4.(1))

= (-16, 15, 35, 2)

Gabung keduanya
-u + (v – 4w) = (3 + (-16), -2 + 15, -1 + 35, 0 + 2)
= (-13, 13, -36, 7)
 Bianca Amira R
2006530665
f) (6v – w) – (4u + v)

u = (-3, 2, 1, 0) v = (4, 7, -3, 2) w = (5, -2, 8, 1)

Operasikan satu-satu agar lebih mudah
o 6v – w = (6(4) – 5, 6(7) – (-2), 6(-3) – 8, 6(2) – 1)
= (19, 42, -26, 11)

o 4u + v = (4(-3) + 4, 4(2) + 7, 4(1) + (-3), 4(0) + 2)

= (-8, 15, 1, 2)

Gabung kedua operasi tersebut

o (6u – w) – (4u – v) = (19 – (-8), 42 - 15, -26 – 1, 11 – 2)
= (27, 27, -27, 9)
 Bianca Amira R
2006530665

Tentukan Euclidean inner product u.v

d) u = (-1, 1, 0, 4, -3), v = (-2, -2, 0, 2, -1)

Euclidean inner product u.v didefinisikan sebagai

u.v = u1v1 + u2v2 + u3v3 + …

u.v = -1(-2) + 1(-2) + 0(0) + 4(2) + -3(-1) = 2 – 2 + 0 + 8 + 3

= 11
 6a, 6c, dan 11b

Bryan Daud Setiawan

Teknik Industri 2020
2006466643
Let u = (4, 1, 2, 3), v = (0, 3, 8, -2), and w = (3, 1, 2, 2). Evaluate each Expression.
a.||u + v||
c.||-2u|| + 2||u||
Untuk menjawab nomor 6A, kita dapat menggunakan norma Euclides (atau
panjang Euclides) dari suatu vector u = (u1, u2, …, un) Maka,
||u + v||?
u = (4, 1, 2, 3), v = (0, 3, 8, -2)
u + v = (4, 1, 2, 3) + (0, 3, 8, -2) = (4, 4, 10, 1)
Maka,
||u + v|| = (𝑢1 + 𝑣1)2 +(𝑢2 + 𝑣2)2 +(𝑢3 + 𝑣3)2 +(𝑢4 + 𝑣4)2
= (4)2 +(4)2 +(10)2 +(1)2
= 16 + 16 + 100 + 1
= 𝟏𝟑𝟑
▪ ||-2u|| + 2||u||
u = (4, 1, 2, 3)
Menggunakan Theorema 4.1.4, Jika u dan v adalah vector-vector dalam Rn
dan k adalah sembarang scalar, maka :
▪ ||-2u|| + 2||u||
u = (4, 1, 2, 3)
Menggunakan Theorema 4.1.4, bagian ketiga yaitu
||-2u|| = |-2|. ||u|| = 2 ||u||
=2 (𝑢1)2 +(𝑢2)2 +(𝑢3)2 +(𝑢4)2
=2 (4)2 +(1)2 +(2)2 +(3)2
= 2 30
||-2u|| + 2||u|| = 2||u|| + 2||u||
= 2 30 + 2 30
= 4 𝟑𝟎
▪ Find the Euclidean distance between u and v.
B. u = (2, -2, 2), v = (0, 4, -2)
▪ Untuk mengerjakan nomor 11b, kita dapat menggunakan teori:
▪ Jarak Euclides antara titik-titik u = (u1, u2, …, un) dan v = (v1, v2, …, vn) :

▪ u = (2, -2, 2), v = (0, 4, -2)

u = (2, -2, 2), v = (0, 4, -2)

d(u,v) = ||u – v ||
u – v = (2, -2, 2) – (0, 4, -2)
= (2, -6, 4)

||u – v || = (2)2 +(−6)2 +(4)2

= 4 + 36 + 16
= 𝟓𝟔 = 2 𝟏𝟒
Daffa Aqilah Sofiyan
Teknik Industri 2020
2006535804
 Formula Contoh Klasifikasi Deskripsi
f (x) = x2 Fungsi dengan Fungsi dari
f (x) satu variabel riil R to R

Fungsi dengan Fungsi dari

dua variabel R2 to R
f (x, y) f (x, y) = x 2 +y 2
riil

f (x, y,z) f (x, y, z) = x 2 Fungsi dengan Fungsi dari

tiga variabel riil R3 to R
+ y2 + z2

f (x1 , x2 ,..., xn ) f (x1, x2 ,.., xn ) Fungsi dengan n Fungsi dari

= variable riil Rn to R
x 21 + x 22+...+
x2 N
◼ Jika domain dari fungsi f adalah Rn dan
kodomainnya adalah Rm, maka f disebut
sebagai peta atau transformasi dari Rn ke Rm,
dan kita juga bisa menyebuat f memetakan Rn
menuju Rm. Kita menulisnya sebagai f : Rn ® Rm

◼ Pada saat m=n, transformasi f : disebut sebagai

operator pada Rn.
Rn → Rm
 • Misalkan f1,f2,…,fm adalah fungsi bernilai riil dari n
Variabel riil,
w1=f1 (x1,x2,…,xn)
w2=f2 (x1,x2,…,xn)
..........
wm=fm (x1,x2,…,xn)

• M persamaan ini memberikan sebuah point unik (w1,w2,…,wm) pada

Rm menuju masing-masing titik (x1,x2,…,xn) pada Rn dan kemudian
mendefinisikan sebuah transformasi dari Rn menuju Rm. Jika kita
menuliskan transformasi ini sebagai T:Rn ® Rm maka
T (x1,x2,…,xn)= (w1,w2,…,wm)
Persamaan :
w1 = x1 + x2
w2 = 3x1 x2
w3 = x12_ x22

Definisikan transformasi T: R2 => R3

Þ T(x1 , x2 ) = (x1 + x2 ,3 x1 x2, x12 - x12 )
Jadi, Sebagai contoh ,T (1,-2) = (-1,-6,-3)
Transformasi T = Rn ® Rm didefinsiikan dengan persamaan tersebut yang
disebut dengan transformasi linear (atau linear operator jika m=n ).
Sehingga , transformasi linear T = Rn ® Rm didefiniskan sebagai berikut

Persamaan Notasi Matrix

Atau bisa disebut juga dengan W = Ax yang mana A = [aij] yang

merupakan matrix standard untuk transformasi linear T, dan T disebut
sebagai perkalian dengan A.
▪ Transformasi linear T = Rn ® R didefinisikan dengan persamaan

Dapat didefinisikan sebagai : Dengan bentuk matrix Standar untuk T sebagai:

▪ Variabel x1, x2, x3, x4 dapat dihitung dengan perkalian matrix. Contohnya jika
(X1, X2, X3, X4 ) = (1, -3, 0, 2). Subtitusikan kepada persamaan matrix sehingga,

▪ Didapati W1 = 1, W2 = 3, W3 = 8.
◼ Kita menuliskan transformasi linear dengan T= Rn ® Rm dan
dengan TA = Rn ® Rm
Sehingga,
T A(x) = Ax
Vektor x diekspresikan sebagai matrix kolom.
Kita akan menuliskan matrix standar untuk T dengan simbol
[T]
T (x) = [T]x
Terkadang, kedua notasi untuk matrix standar akan
tercampur, di kasus itu kita akan memiliki hubungan
[TA ] = A
▪ Jika 0 adalah matrix nol m x n dan 0 adalah vektor nol di
Rn sehingga untuk setiap vektor x in Rn
T0 (x) = 0x = 0
▪ Sehingga perkalian dengan nol pemetaan di setiap vektor
pada Rn menuju vektor nol di Rm. Kita menyebut T0
dengan transformasi nol dari Rn menuju Rm. Terkadang
transformasi 0 ditulis dengan 0
▪ Jika I adalah matrix identitas n x n, sehingga untuk setiap vektor x di Rn

TI (x) = Ix = x
Sehingga multiplikasi dengan I memetakan setiap vektor di Rn dengan dirinya
sendiri.
Kita menyebut T1 sebagai operator identitas pada Rn
▪ Secara garis besar, Operator pada R2 dan R3 yang
memetakan tiap vektor menuju gambaran
sismetrisnya tentang beberapa garis atau bidang
yang disebut sebagai operasi refleksi. Operator
tersebut bersifat linear.
▪ Tabel 2 dan 3 adalah menggambarkan operator
refleksi yang umum
▪ Secara garis besar, sebuah operator proyeksi (atau
lebih tepatnya sebuah proyeksi operator
orthogonal) pada R2 dan R3 adalah setiap operator
yang memetakan setiap vektor menuju proyeksi
orthagonalnya pada garis ataupun bidang melalui
sumber asalnya. Dapat dibuktikan bahwa operator
berbentuk linear
▪ Beberapa Operator proyeksi dasar pada R2 dan R3
berada pada tabel 4 dan 5
▪ Operator yang memutar tiap
vektor di R2
melalui sebuah sudut
θ disebut sebagai operator rotasi
pada R2. Tabel 6 memberikan
formula untuk operator rotasi
pada R2.
▪ Pertimbangkan operator rotasi
yang memutar tiap vektor
melawan jarum jam melalui
sebuah angle θ. Untuk
menemukan persamaan yang
berhubungan dengan x dan w =
T(x), Misal φ menjadi besar jarak
dari sumbu positif x ke x, dan
misalkan r menjadi panjang dari x
dan w.
▪ Kemudian, dari trigonometri dasar didapati

▪ Menggunakan identitas trigonometri pada w1 dan w2, didapati

▪ Kemudian nilai x dan y dimasukkan sehingga mendapatkan persamaan

▪ Sehingga didapati matriks standar untuk T adalah
▪ Jika masing2 vektor pada R2 dirotasikan melalui sebuah sudut π/6, lalu
gambaran w dengan sebuah vektor

yaitu

misal, vektornya berbentuk sebagai berikut

▪ Rotasi vektor pada R3 biasaya dideskripsikan dengan munculnya bias dari
titik asalnya, disebut sebagai sumbu rotasi. Selagi vektor berputar
mengelilingi sumbu rotasi, vektor itu menyapu sebagian dari ruang kerucut.
Sudut dari rotasi itu dideskripiskan sebagai “Searah jarum jam” atau
“Berlawanan dengan arah jarum jam” yang mana berhubungan dengan
sudut pandang yang bergerak seiringan dengan sumbu rotasi.
▪ Pada gambar di bawah, sudut akan berbentuk positif ketika sudut
dihasilkan dengan rotasi berlawanan arah jarum jam dan negatif jika sudut
dihasilkan dengan gerakan searah dengan jarum jam.
▪ Cara paling umum untuk menjelaskan sebuah sumbu rotasi adalah dengan
menspesifikasikan sebuah vektor tak nol (u) yang bergerak sepanjang sumbu
rotasi dan memiliki titik pusat pada titik asal. Arah melawan jarum jam untuk
rotasi pada sumbunya adapat ditentukan dengan kaidah tangan kanan.
▪ Operator rotasi pada R3 berbentuk operator linear yang berotasi pada tiap
vektor di R3 melalui sumbu rotasi sebesar θ
▪ Di tabel 7 akan dideskripsikan operator rotasi pada R3 yang mana sumbu
rotasinya adalah koordinat sumbu positif.
▪ Matriks standar untuk rotasi arah berlawanan jarum jam melalui sudut θ dari
suatu sumbu di R3, yang mana ditentukan dengan vektor nilai asal u = (a, b,
c) yang memiliki titik pada titik asal, adalah
▪ Jika k adalah non-negative skalar, operator pada R2
atau R3 disebut dengan kontraksi dengan faktor k
jika 0 ≤ k ≤1 dan dilatasi dengan faktor k jika k ≥1

▪ Tabel 8 dan 9 menghimpun dilatasi dan kontraksi

operator R2 dan R3.
▪ Jika TA = RN → RK dan TB = RK → RM adalah linear transformasi, lalu untuk tiap x di
Rn bisa disubtitusikan pada TA(x) yang mana merupakan vektor pada RK, dan
kemudian bisa dimasukkan kepada Tb(TA(x)) yang merupakan vektor di RM.
Kemudian, aplikasi dari TA yang diikuti oleh TB menghasilkan sebuah
transformasi dari RM ke RN. Transformasi ini disebut sebagai komposisi oleh Tb
dengan TA dan dinotasikan dengan T B o T A sehingga

komposisi T B o T A itu linear karena

Atau dengan bentuk alternatif yaitu.

▪ Komposisi dapat didefinisikan untuk tiga atau lebih transformasi linear.
Sebagai contoh, misalkan terdapat transformasi linear

▪ Kita definisikan komposisi

▪ Bisa dibuktikan bahwa komposisi ini berbentuk transformasi linear dan standar
matrix untuk T3 o T2 o T1 berhubungan dengan matrix standar untuk T1 , T2 , T3
dengan
▪ Jika matrix standar untuk T1 , T2 , dan T3 dinotasikan dengan A,B, dan C. Maka,
kita memiliki bentuk
Davina Athira Xanthi
Teknik Kimia 2020
2006525841
 Davina Athira Xanthi
Teknik Kimia 2020
2006525841
3. Tentukan matriks standar untuk operator linier T:R3 R3 yang diberikan oleh
w1 = 3x1 + 5x2 – x3
w2 = 4x1 – x2 + x3
w3 = 3x1 + 2x2 – x3
dan kemudian hitung T(-1,2,4) dengan mengganti langsung persamaan dan juga dengan perkalian
matriks.

Pembahasan Materi :
Transformasi T:Rn Rm yang ditentukan oleh persamaan tersebut disebut transformasi linear (operator
linear jika m = n), dengan demikian transformasi linear ditentukan oleh persamaan :
w1 = a11x1 + a12x2 + … + a1nxn ,atau dalam notasi matriks :
w2 = a21x1 + a22x2 + … + a2nxn

wm = am1x1 + am2x2 + … + amnxn

Atau lebih singkatnya w = Ax
Matriks ini disebut matriks standar untuk transformasi linear T, dan T disebut multiplikasi oleh A
 Davina Athira Xanthi
Teknik Kimia 2020
2006525841

Solusi :
Matriks standar untuk T adalah matriks koefisien dari sistem yang diberikan:

Langsung mensubstitusikan ke persamaan, maka didapatkan

Menggunakan perkalian matriks, maka didapatkan

Hasil :
T(-1,2,4) = (3,-2,-3)
 Davina Athira Xanthi
Teknik Kimia 2020
2006525841

4. c) Tentukan matriks standar untuk operator linier T yang ditentukan oleh rumus
T(x1,x2,x3) = (x1+2x2+x3, x1+5x2, x3)

Solusi :
Persamaan : w1 = x1 + 2x2 + x3
w2 = x1 + 5x2
w3 = x3
Apabila ditulis dalam bentuk matriks, maka :

Sehingga matriks standarnya adalah :

 Davina Athira Xanthi
Teknik Kimia 2020
2006525841

7. a) Pada setiap bagian, gunakan matriks standar untuk T mencari T(x) kemudian periksa hasilnya
dengan menghitung T(x) secara langsung
T(x1,x2) = (-x1+x2, x2); x = (-1,4)

Solusi :
Apabila menggunakan rumus w = Ax, maka

A = (-x1+x2, x2) = dan x = (-1,4), sehingga disubstitusikan ke dalam rumus menjadi :

Hasil :
T(-1,4) = (5,4)
Dena Devi Ramadhani
Teknik Industri 2020
2006466782
Dena Devi Ramadhani
Teknik Industri 2020
2006466782

1 T(v)

▪ Transformasi linear T : Rn →Rm dikatakan one-to-one jika T

memetakan vektor-vektor yang berbeda pada Rn ke vektor-vektor
yang berbeda pada Rm.

▪ Gambar 1, vektor-vektor u dan v dirotasikan ke vektor-vektor

berbeda T(u) dan T(v) sehingga dikatakan transformasi linear one-
to-one.

2 ▪ Sedangkan pada gambar dua, titik-titik berbeda P dan Q dipetakan

ke titik M yang sama sehingga bukan transformasi linear one-to-one.

▪ Sehingga, dapat dikatakan bahwa untuk setiap vector w dalam

daerah hasil transformasi linear one-to-one T, tepat ada satu vektor x
sedemikian hingga T(x) = w
Jika A adalah suatu matriks n x n dan TA : Rn → Rn adalah perkalian dengan A,
maka pernyataan berikut ini ekuivalen:

▪ A dapat diinvers
▪ Daerah hasil dari TA adalah Rn
▪ TA adalah one-to-one

Dena Devi Ramadhani

Teknik Industri 2020
2006466782
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ Operator rotasi T: R2 → R2 (Gambar 1) adalah one-to-one. Berdasarkan teorema 4.3.1,

didapatkan bahwa daerah hasil T haruslah semua anggota R2 dan matriks standar untuk
T pasti bisa diinvers.

▪ Untuk menunjukkan bahwa daerah hasil T adalah semua anggota R2, harus ditunjukkan
bahwa setiap vector w pada R2 adalah bayangan suatu vektor x di bawah T.

▪ Matriks standard untuk T karena vektor x diperoleh dengan merotasikan w pada sudut –
tetha dipetakan ke w jika dirotasikan pada sudut .
cos  − sin  
[T ] = 
sin  cos  
▪ [T] dapat diinvers karena
cos  − sin 
det = cos 2  + sin 2  = 1  0
sin  cos 
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ Operator proyeksi T : R3 → R3 (Gambar 2) tidak one-to-one. Berdasarkan

teorema 4.3.1 didapatkan bahwa daerah hasil T bukanlah semua anggota R3
dan matriks standar untuk T tidak bisa diinvers.

▪ Untuk menunjukkan bahwa daerah hasil T bukan semua anggota R3, suatu
vektor w pada R3 harus bukan bayangan setiap vector x di bawah T. Namun,
sembarang vector w di luar bidang-xy mempunyai sifat ini karena semua
bayangan di bawah T terletak pada bidang-xy.
1 0 0 
[T ] = 0 1 0 
0 0 0

▪ [T] tidak bisa diinvers karena det [T]=0

Dena Devi Ramadhani
Teknik Industri 2020
2006466782 ▪ Jika TA : Rn → Rn adalah suatu operator linear one-to-one:
▪ Matriks A dapat diinvers
▪ Ta-1: Rn → Rn juga termasuk operator linear

▪ Dari pernyataan di atas, maka untuk semua x dalam Rn,

operator-operator linear TA dan TA-1 saling membatalkan
dampak.
𝑻𝑨 𝑻𝑨−𝟏 (𝒙) = 𝑨𝑨−𝟏 𝒙 = 𝑰𝒙 = 𝒙

𝑻𝑨−𝟏 𝑻𝑨 (𝒙) = 𝑨−𝟏 𝑨𝒙 = 𝑰𝒙 = 𝒙

▪ Secara ekuivalen:

▪ Jika w adalah bayangan x di bawah TA, maka TA-1

memetakan w kembali ke x karena

𝑻𝑨−𝟏 (𝒘) = 𝑻𝑨−𝟏 𝑻𝑨 (𝒙) = 𝒙

Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ Saat suatu operator linear one-to-one pada Rn dituliskan sebagai T : Rn → Rn,

maka invers dari operator T dinyatakan dengan T-1

▪ Dikarenakan matriks standar untuk T-1 adalah invers dari matriks standar untuk
T, maka:

𝑻−𝟏 = 𝑻 −𝟏
▪ Setiap vektor di R2 pada operator linear T : R2 → R2 dirotasikan terhadap sudut 

cos  − sin  
[T ] = 
sin  cos  

▪ Secara geometris, untuk menghilangkan dampak T kita harus merotasikan setiap

vector pada R2 dengan sudut -. Namun, karena matriks standar untuk T-1 adalah
invers dari matriks standar untuk T, maka

Dena Devi Ramadhani

Teknik Industri 2020
2006466782
Dena Devi Ramadhani
Teknik Industri 2020
2006466782
TEOREMA 4.3.2

Suatu transformasi T∶Rn→Rm adalah linear jika dan

hanya jika hubungan berikut ini berlaku untuk
semua vektor u dan v pada Rn dan setiap scalar
c.

▪ T(u+v)=T(u)+T(v)
▪ T(cu)=cT(u)
Dena Devi Ramadhani
Teknik Industri 2020
2006466782

Jika T : Rn → Rm adalah suatu

transformasi linear dan e1, e2, …, en
adalah vektor-vector basis standar
TEOREMA untuk Rn, maka matriks standar untuk T
4.3.3 adalah:

[T] = [T(e1): T(e2): …: T(en)]

 Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ Anggap L adalah garis pada bidang -xy yang

melalui titik asal dan membentuk sudut θ
dengan sumbu-x positif, dimana 0≤θ<π.
Sebagaimana yang diilustrasikan pada
gambar 5a, anggap T∶R2→R2 adalah operator
linear yang memetakan setiap vektor ke
proyeksi ortogonalnya pada L .
a. Cari matriks standar untuk T
b. Cari proyeksi orthogonal vektor x =
(1, 5) pada garis melalui titik asal yang
membentuk sudut θ = π/6 dengan
sumbu-x positif
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782
▪ Matriks standar untuk T adalah 𝑻 = 𝑻(𝒆𝟏 ): 𝑻(𝒆𝟐 )

▪ Lihat kasus 0    /2, pada gambar 5B terlihat

𝑇(𝑒1 ) = 𝑐𝑜𝑠𝜃
Sehingga:
𝑇(𝑒1 ) 𝑐𝑜𝑠𝜃 2
𝑇(𝑒1 ) = = 𝑐𝑜𝑠 𝜃
𝑇(𝑒1 ) 𝑠𝑖𝑛𝜃 𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜃

▪ Pada gambar 5C, didapatkan

𝑇(𝑒2 ) = 𝑠𝑖𝑛𝜃
Sehingga:

𝑇 = 𝑐𝑜𝑠 2 𝜃 𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜃
𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜃 𝑠𝑖𝑛2 𝜃
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782
▪ Matriks standar untuk T adalah 𝑻 = 𝑻(𝒆𝟏 ): 𝑻(𝒆𝟐 )

▪ Lihat kasus 0    /2, pada gambar 5B terlihat

𝑇(𝑒1 ) = 𝑐𝑜𝑠𝜃
Sehingga:
𝑇(𝑒1 ) 𝑐𝑜𝑠𝜃 2
𝑇(𝑒1 ) = = 𝑐𝑜𝑠 𝜃
𝑇(𝑒1 ) 𝑠𝑖𝑛𝜃 𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜃

▪ Pada gambar 5C, didapatkan

𝑇(𝑒2 ) = 𝑠𝑖𝑛𝜃
Sehingga:

𝑇 = 𝑐𝑜𝑠 2 𝜃 𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜃
𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜃 𝑠𝑖𝑛2 𝜃
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782

𝜋 1 𝜋 3
𝑠𝑖𝑛 6 = 2 dan 𝑐𝑜𝑠 6 = 2
▪ Dari bagian A, kita dapatkan matriks standar untuk operator proyeksi ini merupakan:

3 4 3 4
𝑇 =
3 4 1 4
▪ Jadi:
3+5 3
1 3 4 3 4 1 4
𝑇 = =
5 3 4 1 4 5 3+5
4

▪ Notasi horizontal:

3+5 3 3+5
𝑇(1,5) = ,
4 4
Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ Definisi: jika T:Rn=Rn adalah suatu operator

linear, maka suatu scalar λ disebut suatu nilai
eigen dari T, dan jika ada suatu x tak nol pada
Rn maka
T(x)=λx
▪ Vektor-vektor tak-nol x yang memenuhi
persamaan ini disebut vektor-eigen dari T
yang berpadanan dengan λ
 ▪ Jika A adalah matriks standar untuk T, maka definisi sebelumnya dapat ditulis
sebagai:

𝑨𝒙 = 𝝀𝒙
▪ Dapat disimpulkan bahwa:
1. Nilai-eigen dari T tepat merupakan nilai-eigen dari matriks standarnya A
2. X adalah suatu vektor eigen dari T yang berpadanan dengan 𝜆 jika dan hanya
jika x adalah suatu vektor eigen dari A yang berpadanan dengan 𝜆

▪ Jika λ adalah suatu nilai eigen dari A dan x adalah suatu vektor eigen yang
berpadanan, maka Ax=λx, sehingga perkalian dengan A memetakan x ke
suatu penggandaan skalarnya sendiri.

Dena Devi Ramadhani

Teknik Industri 2020
2006466782
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ T : R2 → R2 adalah operator linear yang merotasi setiap vector terhadap sudut .

▪ Jika  adalah kelipatan , maka setiap vektor bukan nol x dipetakan ke garis yang
sama dengan x, sehingga setiap vektor bukan nol adalah vektor eigen dari T.

cos  − sin  
▪ Matriks standar untuk T adalah A=
sin  cos  

▪ Nilai eigen dari matriks ini adalah solusi dari persamaan

 − cos  sin 
det(I − A) = =0
− sin   − cos 
▪ Hasilnya adalah ( – cos )2 + sin2  = 0.
Dena Devi Ramadhani
Teknik Industri 2020
2006466782

▪ Jika  bukan kelipatan  : ▪ T memetakan setiap vektor ke

✓ Sin 2  > 0 dirinya sendiri dan demikian ke
✓ Tidak ada solusi nyata untuk  garis yang sama.
✓ A tidak memiliki vektor eigen nyata.

▪ Jika sin  = 0 dan cos  = -1 :

▪ Jika  adalah kelipatan dari  :
✓ A = -I dan T (x) = -x
✓ Sin  = 0 dan cos  = 1
✓ T memetakan setiap vektor ke
negatifnya.
▪ Dalam hal sin  = 0 dan cos  = 1 ✓ λ=-1 adalah satu-satunya nilai eigen
✓  = 1 adalah satu-satunya nilai dari A.
eigen
−1 0
✓ 𝐴= = −1
✓ 1 0 0 −1
𝐴= =𝐼
0 1

▪ Jadi, untuk semua x di R2, ▪ Jadi, untuk semua x dalam R2

T (x) = Ax = Ix = x T(x)=Ax=-Ix=-x
 Dena Devi Ramadhani
Teknik Industri 2020
2006466782

Teorema 4.3.3

Jika A adalah suatu matriks n x n dan jika Ta : Rn → Rn adalah perkalian dengan A,

maka pernyataan-pernyataan berikut ini ekuivalen:
▪ A bisa diinvers
▪ Ax = 0 hanya mempunyai solusi trivial
▪ Bentuk baris-eselon tereduksi dari A adalah In
▪ A bisa dinyatakaan sebagai suatu gasil kali matriks-matriks dasar
▪ Ax = b konsisten untuk setiap matriks bn x I
▪ Ax = b tepat mempunyai satu solusi untuk setiap matriks bn x I
▪ Det(A) ≠ 0
▪ Daerah hasil Ta adalah Rn
▪ TA adalah one-to-one