CBR Aljabar Linear PTE A
CBR Aljabar Linear PTE A
Skor Nilai:
1
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena penulis
masih dapat membuat tugas Critical Book Report (CBR) ini tepat pada waktunya. Makalah
ini membahas tentang “Aljabar Linear”.
Adapun tugas ini dibuat untuk memenuhi tugas CBR mata kuliah Aljabar Linear.
Penulis berharap makalah ini menjadi salah satu referensi bagi pembaca bila mana hendak
menkritik sebuah buku.
Kritik dan saran yang membangun dari pembaca sangat kami harapkan supaya
makalah ini menjadi lebih baik. Akhir kata, penulis mengucapkan terima kasih
kepada pembaca atas perhatiannya.
Penulis
2
DAFTAR ISI
BAB I
PENDAHULUAN ……………..……………………………………….………….
BAB II
PEMBAHASAN ....…………………………….………………..……………….
BAB III
PENUTUP …………………………………………………………………
A. Kesimpulan …........................................................................................
DAFTAR PUSTAKA ….………………………....……….……………......……
3
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Buku adalah sumber dari ilmu pengetahuan. Buku adalah suatu karya yang
mampu mengubah peradaban dunia. Salah satu faktor kemajuan teknologi dari dulu
sampai sekarang adalah buku. Jadi buku sangat penting dalam kemajuan suatu
peradaban karena wawasan dan ilmu bisa kita dapat dari buku. Banyak jumlah dan
jenis buku yang ada sekarang. Kita bisa lihat suatu buku memiliki judul yang sama
tetapi penulis yang berbeda. Banyaknya penulis dalam pembuatan buku menjadi hal
yang menguntungkan bagi pembaca sebab terdapat perbedaan pemahaman antara 1
penulis dengan yang lain. Sehingga ini bisa menjadi referensi yang baik dalam
melakukan berbagai hal yang terkait dengan suatu kemajuan misalnya dalam
melakukan penelitian, eksperimen dan hal lainnya. Kita tahu di dunia ini tidak ada
yang sempurna. Dalam penulisan buku juga pasti banyak kelemahan. Untuk itu agar
tidak terjadi kesalahan dalam menambah informasi bagi pembaca buku yang kita baca
harus kita bandingkan dengan buku lain. Disitu kita bisa tahu mana buku yang layak
dipakai dan buku yang asal jadi.
B. TUJUAN
1. Mengetahui konsep dan isi buku
2. Membandingkan isi dan konsep penyajian kedua buku
3. Menganalisis apa saja kekurangan dan kelebihan buku
4. Menambah wawasan dalam melakukan penulisan buku
5. Berpikir kritis terhadap penyajian penulisan buku
C. PERMASALAHAN
1. Apakah isi buku cukup bermanfaat sebagai salah satu sumber belajar
2. Apakah metode dan konsep pengarang sudah cocok dengan lingkungan yang
sedang kita hadapi
3. Apakah isi buku sama dengan buku yang sejenis
4
BAB II
PEMBAHASAN
BUKU 2
Judul : ELEMENTARY LINEAR ALGEBRA
Penulis : James R. Kirkwood & Bessie H. Kirkwood
Tahun Pembuatan 2018
Penerbit : CRC Press
ISSN : 978-1-4987-7846-6
BUKTI POSITIF
Konsep pembuktian adalah pusat dari matematika yang lebih tinggi.
Matematikawan tidak mengklaim pernyataan sebagai "fakta" sampai terbukti benar
menggunakan deduksi logis. Karena itu, tidak ada yang bisa berhasil matematika yang
lebih tinggi tanpa menguasai teknik yang diperlukan untuk menyediakan bukti seperti
itu.
Aljabar linier, selain memiliki banyak aplikasi praktis dalam sains dan teknik,
juga dapat digunakan untuk memperkenalkan keterampilan menulis bukti. Bagian 1.3
memberikan ikhtisar pengantar alat penulisan bukti dasar yang digunakan ahli
matematika setiap hari dasar. Bukti lain yang diberikan di seluruh teks harus diambil
sebagai model untuk membangun bukti Anda sendiri saat menyelesaikan latihan.
Dengan alat dan model ini, Anda bisa mulai kembangkan keterampilan menulis bukti
yang penting untuk kesuksesan Anda di masa depan dalam matematika Studi kami
tentang aljabar linier dimulai dengan vektor dan matriks: dua yang paling praktis
konsep kal dalam matematika. Anda mungkin sudah terbiasa dengan penggunaan
vektor menggambarkan posisi, gerakan, dan kekuatan. Dan, seperti yang akan kita
lihat nanti, matriks adalah kuncinya untuk mewakili gerakan yang "linear" di alam,
seperti gerakan kaku suatu objek di ruang atau pergerakan gambar di layar komputer.
Dalam aljabar linier, objek yang paling mendasar adalah vektor. Kami
mendefinisikan vektor dalam Bagian 1.1 dan 1.2 dan menggambarkan sifat aljabar
dan geometrisnya. Tautannya antara manipulasi aljabar dan intuisi geometris adalah
tema yang berulang dalam linier aljabar, yang kami gunakan untuk menetapkan
banyak hasil penting Dalam Bagian 1.3, kami memeriksa teknik yang berguna untuk
membaca dan menulis bukti. Dalam Bagian 1.4 dan 1.5, kami memperkenalkan
matriks, objek fundamental lain, yang properti dasar sejajar dengan vektor. Namun,
pada akhirnya kita akan menemukan banyak perbedaan antara sifat vektor dan matriks
yang lebih maju, khususnya tentang multiplikasi matriks
5
1.1 OPERASI DASAR DENGAN VEKTOR
Di bagian ini, kami memperkenalkan vektor dan mempertimbangkan dua
operasi pada vektor: skalar perkalian dan penambahan. Biarkan R menunjukkan
himpunan semua bilangan real (yaitu, semua mengoordinasikan nilai pada garis
bilangan real)
Definisi Vektor
Definisi Sebuah n-vektor nyata adalah urutan urutan bilangan real (kadang-kadang disebut
sebagai n-tupel bilangan real yang dipesan). Himpunan semua n-vektor adalah
dilambangkan R "
Gambar 1.2.
6
Gambar 1.2 vektor (2,-2,6) dengan inisial poin (2,3,-1)
Definisi Biarkan vi, V2, ..., Vk menjadi vektor dalam R ". Kemudian vektor v adalah
sebuah kombnasi linear dari Vi, V2, ..., Vk jika dan hanya jika ada skalars ci, C2, ..., Ck
sedemikian rupa sehingga v = ciVi C2V2 + ... + C & V / k.
Dengan demikian, kombinasi linear dari vektor adalah jumlah kelipatan skalar dari
vektor tersebut. Misalnya, vektor [-2,8,5,0] adalah kombinasi linear dari [3,1, -2,2], [1,0, 3,
-1]
dan [4, -2,1,0] karena 2 [3,1, -2,2] 4 [1,0,3, -1] - 3 [4, -2,1,0] = [-2 , 8,5, 0]
Perhatikan bahwa setiap vektor dalam R 'dapat diekspresikan dengan cara yang unik sebagai
kombinasi linear i,, dan k. Misalnya, [3, -2,5] = 3 [1,0,0] 2 [0,1,0] 5 [0,0, 1] = 3i + 2j + 5k.
Secara umum, [a, b, c] = ai + bj + ck. Juga, setiap vektor dalam R "dapat berupa dinyatakan
sebagai kombinasi linear dari vektor satuan standar e1 = [1,0,0, ..., 0], e2 = [0, 1,0,., 0 .., e ,, =
[0,0, ..., 0,1] (mengapa?) Salah satu cara yang bermanfaat untuk menggambarkan kombinasi
linear dari vektor vi, V2, ..., Ve adalah dengan ingat bahwa masing-masing vektor mewakili
sejumlah gerakan tertentu arah. Ketika kita menggabungkan vektor-vektor ini menggunakan
penjumlahan dan skalar multiplikasi titik akhir dari setiap vektor kombinasi linier mewakili
"tujuan" yang bisa tercapai menggunakan operasi ini. Misalnya, kombinasi linier w = 2 [1,3]
4, -5312, -1] = [6, adalah tujuan yang dicapai dengan bepergian ke arah [1,31, tetapi
melakukan perjalanan dua kali panjangnya, kemudian berjalan ke arah yang berlawanan
dengan [4, -5] tetapi setengah panjangnya, dan akhirnya bepergian ke arah [2, -1], tetapi tiga
kali lipatnya panjang Kami juga dapat mempertimbangkan sekumpulan semua tujuan yang
mungkin dapat dicapai dengan menggunakan kombinasi linear dari serangkaian vektor
tertentu. Misalnya, himpunan semua linier com binasi dalam R3 dari vi = [2,0,1] dan v2 =
[0,1, -2] adalah himpunan semua vektor (mulai di asal) dengan titik akhir berbaring di
pesawat melalui titik asal yang mengandung vi dan V2
8
Definisi dan Properti Produk Dot
Definisi Biarkan x = [x, x2, ..., x,] dan y = [yı, y2, ..., yn] menjadi dua vektor dalam R
".The
titik (dalam) produk x dan y diberikan oleh
𝑛
Misalnya, jika x = [2, -4,3] dan y = [1,5, -2], maka x-y = (-4)(5) + (2)(1) + (3) (- 2) = -
24. Perhatikan bahwa produk titik melibatkan dua vektor dan hasilnya adalah skalar,
sedangkan perkalian skalar melibatkan skalar dan vektor dan hasilnya adalah vektor. Juga,
produk titik tidak didefinisikan untuk vektor yang memiliki angka berbeda koordinat.
Teorema berikutnya menyatakan beberapa hasil dasar yang melibatkan titik produk Teorema
1.5 Jika x, y, dan z adalah vektor dalam R ", dan jika c adalah skalar, maka Komutatifitas
Produk Dot
Vektor Proyeksi
Proyeksi satu vektor ke vektor lain berguna dalam fisika, teknik, komputer grafik, dan
statistik. Misalkan a dan b adalah vektor bukan nol, baik dalam R2 atau keduanya dalam R,
ditarik pada titik awal yang sama. Misalkan 0 mewakili sudut antara a dan b. Jatuhkan
segmen garis tegak lurus dari titik terminal b ke garis lurus mengandung vektor a, seperti
pada Gambar 1.17
Dengan proyeksi p dari b ke a, maksud kami vektor dari titik awal a ke titik dimana
garis tegak lurus yang jatuh bertemu garis l. Perhatikan bahwa p sama <Radian (lihat Gambar
1.17) dan dalam arah yang berlawanan arah seperti saat 00 ke 0 ketika <T radian, seperti pada
Gambar 1.18.
Menggunakan trigonometri, kita melihat bahwa ketika 00, vektorp memiliki panjang ||
b || cos0 dan dalam arah vektor satuan a / l | a ||. Juga, ketika <0 <T, p memiliki panjang
-Ibcos 0 dan searah dengan vektor satuan -a / l | a || . Karena itu, kita bisa berekspresi p dalam
semua kasus sebagai Anda mungkin ingin mulai menulis bukti dalam format langkah demi
langkah dan kemudian berubah menjadi gaya paragraf setelah Anda memiliki lebih banyak
pengalaman dengan bukti.
Menyatakan definisi istilah yang relevan biasanya merupakan awal yang baik ketika
menangani bukti karena membantu memperjelas apa yang harus Anda buktikan. Misalnya
yang pertama empat dari lima langkah dalam bukti Langkah-demi-Langkah dari Hasil 1
hanya melibatkan penulisan apa setiap sisi x -x = || X || 2 artinya. Hasil akhir kemudian
mengikuti secara alami Bekerja "Mundur" untuk Menemukan Bukti Metode yang sering
digunakan ketika tidak ada bukti langsung yang jelas adalah bekerja "mundur"yaitu, mulai
9
dengan
10
kesimpulan yang diinginkan dan bekerja secara terbalik terhadap fakta-fakta yang diberikan.
Meskipun langkah-langkah "terbalik" ini bukan merupakan bukti, langkah-langkah itu
mungkin cukup wawasan untuk membuat konstruksi bukti "maju" lebih mudah.Oleh karena
itu, setiap langkah harus diperiksa dengan cermat untuk menentukan apakah itu "dapat
dibalik." Misalnya, jika t adalah bilangan real, maka t> 5 25 adalah langkah yang valid, tetapi
membalikkan
ini menghasilkan> 25 = t> 5, yang tentunya merupakan langkah yang tidak valid jika t <-5.
Perhatikan kami
sangat berhati-hati dalam Langkah 8 dari bukti ketika kami mengambil akar kuadrat dari
kedua sisi
untuk memastikan langkah itu memang valid
"If A Then B" Bukti
Seringkali, teorema diberikan dalam bentuk "Jika A maka B," di mana A dan B mewakili
pernyataan. Contohnya adalah "Jika || X || = 0, maka x = 0" untuk vektor x dalam R ", di mana
A adalah
"x 0" dan B adalah "x = 0." Seluruh pernyataan "Jika A maka B" disebut implikasi;
A sendiri adalah premis, dan B adalah kesimpulannya. Arti "Jika A maka B" adalah bahwa,
setiap kali A benar, B juga benar. Jadi, implikasinya "Jika || X || = 0, maka x = 0"
artinya, jika kita tahu || x || = 0 untuk beberapa vektor x dalam R ", maka kita bisa
menyimpulkan bahwa x adalah vektor nol
Perhatikan bahwa implikasi "IfA maka B" tidak menegaskan apa pun tentang kebenaran atau
kepalsuan B
kecuali A benar.4 Oleh karena itu, untuk membuktikan "Jika A maka B," kita menganggap A
benar dan mencoba untuk membuktikan
B juga benar. Ini diilustrasikan dalam bukti hasil selanjutnya, bagian dari Teorema 1.8.
Hasil 3 Jika x dan y adalah vektor bukan nol dalam R "sedemikian sehingga x y> 0, maka
sudut antara x dan y adalah akut.
Bukti. Premis dalam hasil ini adalah "x dan y adalah vektor bukan nol dan x y> 0." Itu
kesimpulannya adalah "sudut antara x dan y adalah akut." Kita mulai dengan menganggap
kedua bagian itu
dari premis itu benar.
bagian pertama dari premis
Teorema 1.5, bagian (2) dan (3)
bagian kedua dari premis
definisi sudut antara dua
vektor
Langkah 1: x dan y bukan nol
Langkah 2: x 0 dan |||| > 0
Langkah 3: xy> 0
Langkah 4: cos0 =
baik
xywhere a adalah
sudut antara x dan y,
dan 0ses TT
Langkah 5: cos0> 0
hasil bagi real positif adalah positif
sejak 00 T, cos 0> 0 hanya jika
Langkah 6: 0 akut
00 <
11
Waspadalah! Implikasinya tidak selalu ditulis dalam bentuk "IfAthen B."
Beberapa Bentuk Setara untuk "If A Then B"
B jika A
A menyiratkan B
AB
A adalah kondisi yang cukup untuk B
A hanya jika B
B adalah kondisi yang diperlukan untuk A
Praktek umum lainnya adalah
"Jika ... kalau begitu." Misalnya, Hasil 3 dapat ditulis ulang sebagai
beberapa kondisi premis sebelumnya tempat Biarkan x dan y menjadi vektor bukan nol dalam
R ". Jika x y> 0, maka sudut antara x dan y adalah akut. Kondisi "x dan y adalah vektor
bukan nol dalam R" "mengatur tahapan untuk implikasinya datang. Kondisi tersebut
diperlakukan sebagai informasi yang diberikan bersama dengan premis di bukti nyata "Alf
dan Hanya Jika B" Bukti Beberapa teorema memiliki bentuk "A jika dan hanya jika B." Ini
benar-benar kombinasi dari dua pernyataan: "Jika A maka B" dan "IfB maka A." Kedua
pernyataan ini harus ditunjukkan benar untuk sepenuhnya melengkapi bukti pernyataan
aslinya. Intinya, kita harus
menunjukkan A dan B secara logika ekuivalen: setengah "jika A maka B" berarti bahwa
setiap kali A benar, B harus mengikuti; setengah "jika B lalu A" berarti bahwa setiap kali B
benar, A harus mengikuti. Karena itu, A benar tepat ketika B benar. Sebagai contoh dari "jika
dan hanya jika "argumen, kami membuktikan kasus khusus Teorema 1.9 berikut Hasil 4
Misalkan x dan y menjadi vektor bukan nol dalam R ". Kemudian x y = || || y || jika dan hanya
jika y adalah kelipatan skalar positif dari x
Dalam bukti "jika dan hanya jika", biasanya baik untuk memulai dengan menyatakan
dua bagian pernyataan "jika dan hanya jika". Ini memberikan gambaran yang lebih jelas
tentang apa yang diberikan dan apa harus dibuktikan di setiap babak. Dalam Hasil 4, kedua
bagiannya adalah | || y |
1. Misalkan y = cx untuk beberapa ce positif R. Buktikan bahwa x -y = xy
2. Misalkan xy Buktikan bahwa ada beberapa c> 0 sehingga y = cx. Asumsi "Biarkan x dan y
menjadi vektor bukan nol dalam R" "dianggap diberikan informasi untuk kedua bagian
Pernyataan Asli
Kontrapositif
Jika A maka B
Jika tidak B maka bukan A
Berbicara
Jika B maka A
Terbalik
Jika bukan A maka bukan B
Perhatikan bahwa, ketika "Jika A maka B" dan sebaliknya "Jika B maka A"
digabungkan bersama, mereka membentuk pernyataan "A jika dan hanya jika B". Meskipun
kebalikan dan kebalikannya mungkin menyerupai kontrapositif, berhati-hatilah baik
kebalikan maupun kebalikannya tidak secara logis setara dengan pernyataan asli. Namun,
kebalikan dan kebalikan dari pernyataan adalah setara satu sama lain, dan keduanya benar
atau keduanya salah bersama. Misalnya, pertimbangkan "Jika x = y, maka xy = || || 2," untuk
vektor dalam R
12
". Jika xy, maka xy = || X || Jika xy, maka xy Pernyataan Asli setara satu sama lain
Kontrapositif Jika xy x |, lalu x = y BerbicarA |||| 2 | setara satu sama lain Terbalik Jika xy,
maka xyPerhatikan bahwa dalam hal ini pernyataan asli dan kontrapositif keduanya benar; itu
sebaliknya dan kebalikan keduanya salah Waspadalah! Mungkin saja sebuah pernyataan dan
kebalikannya memiliki kebenaran yang sama nilai. Misalnya, kebalikan dari Hasil 6 adalah
"Jika x 0, maka
|| | = 0," dan ini juga pernyataan yang benar. Moral di sini adalah bahwa pernyataan dan
kebalikannya secara logis
Kami sekarang memperkenalkan struktur aljabar baru: matriks. Matriks adalah array
dua dimensi yang dibuat dengan mengatur vektor ke dalam baris dan kolom. Kami
memeriksa beberapa jenis matriks dasar, serta tiga operasi dasar pada matriks dan
propertinya.
Definisi Matriks
Definisi Matriks m x n adalah array persegi panjang dari bilangan real, disusun dalam
kolom m dan n. Unsur-unsur matriks disebut entri. Ekspresi m x n menunjukkan ukuran
matriks. Sebagai contoh, masing-masing dari berikut ini adalah matriks, terdaftar dengan
ukurannya yang benar:
14
kedua dan kolom ketiga. Matriks 3 x 4 khas C memiliki entri yang dilambangkan
dengan
- Entri diagonal utama dari matriks A adalah a11, a22, a33, ..., yang terletak pada
garis diagonal yang ditarik ke kanan, mulai dari sudut kiri atas matriks.
Matriks muncul secara alami dalam banyak konteks. Misalnya, tabel dua dimensi.
Kami sekarang menjelaskan beberapa jenis matriks penting. Matriks kuadrat adalah
matriks n x n; yaitu, matriks memiliki jumlah yang sama baris sebagai kolom. Misalnya,
matriks berikut adalah bujur sangkar:
Matriks diagonal adalah matriks persegi di mana semua entri yang tidak berada di diagonal
utama adalah nol. Artinya, D adalah diagonal jika dan hanya jika itu persegi dan dij 0 untuk I
x j. Sebagai contoh, berikut ini adalah matriks diagonal:
MULTIPLIKASI MATRIX
Operasi lain yang bermanfaat adalah perkalian matriks, yang merupakan generalisasi
dari produk titik vektor.
Dua matriks A dan B dapat dikalikan (dalam urutan itu) hanya jika jumlah kolom A
sama dengan jumlah baris B. Dalam hal itu,
Yaitu, jika A adalah matriks mx n, maka AB hanya ditentukan ketika jumlah baris B adalah n
- yaitu, ketika B adalah matriks nxp, untuk beberapa bilangan bulat p. Dalam hal ini, AB
adalah matriks mxp, karena A memiliki baris m dan B memiliki kolom p. Entri AB yang
sebenarnya diberikan oleh definisi berikut:
15
Definisi Jika A adalah matriks mxn dan B adalah matriks nxp, produk
matriksnya C = AB adalah matriks mxp yang entri (i, j) adalah produk titik dari baris
ke-i dari A dengan kolom ke-j dari B. Yaitu ,
Karena jumlah kolom dalam A sama dengan jumlah baris dalam B dalam definisi ini,
setiap baris A berisi jumlah entri yang sama dengan setiap kolom B. Dengan demikian,
dimungkinkan untuk melakukan produk titik yang diperlukan untuk menghitung C = AB .
Membentuk kombinasi linear dari baris atau kolom matriks dapat dilakukan dengan
sangat mudah menggunakan perkalian matriks, seperti yang diilustrasikan dalam contoh
berikut.
Contoh 4
Pertimbangkan matriksnya
Untuk membuat kombinasi linear dari baris A seperti 7 (baris pertama A) -8 (baris
kedua A) + 9 (baris ketiga A), kita hanya perlu mengalikan A di sebelah kiri dengan vektor
koefisien [7, -8, 9]. Itu adalah,
Demikian pula, kita dapat membuat kombinasi linear dari kolom A seperti 10 (kolom
pertama A) -11 (kolom kedua A) + 12 (kolom ketiga A) -13 (kolom keempat A) dengan
16
mengalikan A pada hak oleh vektor koefisien [10, -11, 12, -13]. Ini memberi
17
C. SISTEM PERSAMAAN LINIER
a. Pendekatan Sistematis
Salah satu masalah matematika penting yang sering muncul adalah kebutuhan untuk
menguraikan data yang telah dicampur bersama oleh proses yang tampaknya tidak dapat
dibalik. Masalah umum dari jenis ini adalah perhitungan rasio yang tepat dari unsur-unsur
kimia yang digabungkan untuk menghasilkan senyawa tertentu
Jika dibiarkan
19
(di mana x1 dan x2 digunakan, bukan x dan y) memiliki solusi unik (3,4) karena itu adalah
satu-satunya titik persimpangan dari dua garis. Di sisi lain, sistem
4x-6x=10
6x-9y=15
Eliminasi Gaussian
eliminasi Gaussian, melibatkan secara sistematis mengganti sebagian besar koefisien
dalam sistem dengan angka yang lebih sederhana (1’s dan 0’s) ke buat solusinya jelas
No solution
Melewati Kolom
entri pivot baru terletak secara horizontal ke kanan dari tempat biasanya
21
Mengurangi Bentuk Eselon Baris
Definisi Sebuah matriks dalam bentuk eselon baris [dikurangi] jika dan hanya jika
semua berikut kondisi tahan:
(1) Entri bukan nol pertama di setiap baris adalah 1.
(2) Setiap baris berturut-turut memiliki entri nol pertama di kolom kemudian.
(3) Semua entri [di atas dan] di bawah entri bukan nol pertama dari setiap baris adalah nol.
(4) Semua baris nol penuh adalah baris terakhir dari matriks.
Jumlah Solusi
Metode reduksi baris Gauss-Jordan juga menyiratkan hal
berikut: Jumlah Solusi Sistem Linear
Biarkan AX= B menjadi sistem persamaan linear. Biarkan C menjadi bentuk eselon baris
tereduksi yang diperbesar matriks diperoleh dengan mengurangi baris [A | B].
Jika ada deretan C yang memiliki semua nol di sebelah kiri bilah augmentasi tetapi
dengan entri terakhir bukan nol, maka AX= B tidak memiliki solusi.
Jika tidak, tetapi jika salah satu kolom C di sebelah kiri bilah augmentasi tidak
memiliki nol entri pivot, maka AX =B memiliki jumlah solusi yang tak terbatas. Kolom
nonpivot sesuai
untuk variabel (independen) yang dapat mengambil nilai apa pun, dan nilai
sisanya variabel (tergantung) ditentukan dari mereka.
Kalau tidak, AX= B memiliki solusi unik
Sistem Homogen
Definisi Suatu sistem persamaan linear yang memiliki bentuk matriks AX O, di mana O
mewakili matriks kolom nol, disebut sistem homogen
2x-3y=
-4x+6y=0
dan
5x1-2x2+3x3=0
6x1+x2-7x3=0
-x1+3x2+x3=0
23
D. FAKTOR DETERMINAN
Hebatnya, banyak sifat geometris dan aljabar penting dari matriks persegi
diungkapkan oleh bilangan real tunggal yang terkait dengan matriks, yang dikenal sebagai
penentu.Misalnya, area dan volume gambar tertentu dapat ditemukan dengan membuat
matriksberdasarkan tepi angka dan kemudian menghitung penentu matriks itu. Penentujuga
menyediakan metode cepat untuk menemukan apakah sistem linier tertentu memiliki solusi
unik.
Dalam hal ini, kami juga menggunakan determinan untuk memperkenalkan konsep
vektor eigen. Vektor eigen dari matriks kuadrat adalah vektor khusus yang, ketika dikalikan
dengan matriks, menghasilkan vektor paralel. Vektor tersebut memberikan cara baru untuk
melihat perkalian matriks,dan membantu untuk memecahkan banyak masalah yang tidak bisa
diselesaikan. Vektor eigen adalah alat praktis dalam aljabar linier dengan aplikasi dalam
persamaan diferensial, probabilitas, statistik, dan dalam disiplin ilmu terkait seperti ekonomi,
fisika, kimia, dan grafik komputer.
Dalam hal ini, kami memperkenalkan determinan, bilangan real tertentu yang terkait
dengan setiap matriks persegi. Pada Bagian ini, kami mendefinisikan determinan
menggunakan ekspansi kofaktor dan menggambarkan aplikasi geometris.
Pendahuluan Determinan
25
Teknik ini kadang-kadang disebut sebagai metode keranjang anyaman menghitung
determinan matriks 3 x 3.
Biarkan x= [x1,x2] dan y =[y1, y2] menjadi dua vektor tidak paralel di R2 awal pada
titik yang sama (lihat Gambar 3.1 (a)). Kemudian area jajaran genjang ditentukan oleh x dan
y adalah nilai absolut dari determinan
𝑥1 𝑥2
𝑦1 𝑦2
Dimana x= [x1, x2, x3], y= [y1,y2,y3], dan z [z1,z2,z3] menjadi tiga vektor tidak
semua di bidang yang sama dimulai pada titik awal yang sama (lihat Gambar 3.1 (b)).
Kemudian volume parallelepiped ditentukan oleh x, y, dan z adalah nilai absolute dari
determinan
𝑥1 𝑥2 𝑥3
𝑦1 𝑦 𝑦3
2
𝑧1 𝑧2 𝑧3
Kofaktor
Sebelum menentukan faktor determinan untuk matriks persegi lebih besar dari 3 x 3,
kami pertama kali memperkenalkan beberapa istilah baru.
Definisi Determinan
27
Kita sekarang siap untuk menentukan faktor determinan matriks n x n. Kita lihat
segera bahwa definisi berikut ini setuju dengan formula determinan sebelumnya 1 x 1, 2 x 2,
and 3 x 3.
Untuk n> 1, ini mendefinisikan penentu sebagai jumlah produk. Setiap entri a ni dari
baris terakhir dari matriks A dikalikan dengan kofaktornya yang sesuai A ni dan kita jumlah
hasilnya. Proses ini sering disebut sebagai ekspansi kofaktor (atau Laplace ekspansi) di
sepanjang baris terakhir dari matriks. Karena kofaktor dan matriks n x n dihitung dengan
mencari faktor-faktor determinan yang sesuai (n - 1)x (n - 1). kita melihat bahwa definisi ini
sebenarnya bersifat rekursif. Artinya, kita dapat menemukan determinan, setiap matriks
begitu kita tahu bagaimana menemukan determinan dari matriks ukuran yang lebih kecil.
28
BAB III
KESIMPULAN
Meskipun kedua buku ini terdapat beberapa kelemahan tetapi masih layak dipakai
oleh pembaca. Kekurangan yang didapat sebaiknya menjadi bahan penyempurnaan Buku dan
menjadi bah
1
an dalam pembuatan buku lainnya sebagai referensi tambahan bagi pembaca. Saran
dan Masukan yang ada biarlah menjadi bahan pertimbangan bagi penulis buku maupun
pengarang buku agar tercipta buku yang banyak diminati oleh kalangan pembaca dan Buku
yang bermanfaat bagi pengembangan ilmu pengetahuan dan sarana untuk melakukan
berbagai penelitian.
2
DAFTAR PUSTAKA
Kirkwood, R. James & Kirkwood, H. Bessie. (2018) Elementary Linier Algebra (13rd eds.).