CRITICAL BOOK REPORT

ALJABAR LINEAR

OLEH

o Indra S. Siburian 5183530013

o Josua Butar Butar 5183530014
o M. Fajri Siahaan 5183530012
o Muliadi Matanari 5183230011
o Syarif Hidayatullah Rambe 5183230014

TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS NEGERI MEDAN
 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.

Medan , Oktober 2019

Penulis
 DAFTAR ISI

KATA PENGANTAR …………………………………………………………..............

DAFTAR ISI ………………………………………………………....……….

BAB I

PENDAHULUAN ……………..……………………………………….………….

A. Latar Belakang ............……...……..………......……….…….…………………

B. Tujuan …......…….…………………………….……………………….
C. Permasalahan …...…….....…………….………………………………………

BAB II

PEMBAHASAN ....…………………………….………………..……………….

2.1 IDENTITAS BUKU. ....................................................................................................

2.2. RINGKASAN BUKU ....................................................................................................

BAB III

PENUTUP …………………………………………………………………

A. Kesimpulan …........................................................................................
DAFTAR PUSTAKA ….………………………....……….……………......……
 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
 BAB II
PEMBAHASAN
2.1 IDENTITAS BUKU
Buku yang dipakai sebagai bahan untuk critical book report adalah :
BUKU 1
Judul : DIKTAT ALJABAR LINIER
Penyusun : Drs. Marsangkap Silitonga, M.Pd.

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

2.2 RINGKASAN BUKU

A. Vektor dan Matriks

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
 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 "

Sebagai contoh, R2 adalah himpunan semua 2-vektor (memerintahkan 2-tupel =

pasangan terurut) daribilangan real; itu termasuk [2, -4] dan [-6.2,3.14]. R3 adalah himpunan
semua 3-vektor(memerintahkan 3-tupel = memerintahkan tiga kali lipat) dari bilangan real;
itu termasuk [2, -3,0] dan
[- √2,42,7,π].
Vektor dalam R "yang memiliki semua entri n sama dengan nol disebut vektor n-
nolDalam R2 dan R3, vektor nol adalah [0,0] dan [0,0, 0], masing-masing
Dua vektor dalam R "sama jika dan hanya jika semua entri yang sesuai (disebut coor-
dinates) di n-tuple mereka setuju. Yaitu, [x1, x2, ..., xn] = [yi, y2, ..., ynl jika dan hanya
ifxy, x2 = y2, ..., dan xn = Yn.
Satu nomor (seperti -10 atau 2.6) sering disebut skalar untuk membedakannya sebuah
vektor

Interpretasi Geometris dari Vektor

Vektor dalam R2 sering mewakili pergerakan dari satu titik ke titik lain dalam suatu
koordinat pesawat. Dari titik awal (3,2) ke titik terminal (1, 5), ada penurunan bersih 2 unit
sepanjang sumbu x dan peningkatan bersih 3 unit di sepanjang sumbu y. Sebuah vektor yang
mewakili
perubahan ini akan menjadi [-2,3], seperti yang ditunjukkan oleh panah pada Gambar 1.1.
Vektor dapat diposisikan pada titik awal yang diinginkan. Misalnya, [- 2, 3] bisa juga
mewakili pergerakan dari titik awal (9, -6) ke titik terminal (7, -3) .2 Vektor dalam R3
memiliki interpretasi geometris yang sama: 3-vektor digunakan untuk merepresentasikan
mengirim pergerakan antar titik dalam ruang tiga dimensi. Misalnya, [2, -2,6] bisa mewakili
pergerakan dari titik awal (2, 3, -1) ke titik terminal (4,1,5), seperti yang ditunjukkan pada
Gambar 1.2.

Gambar 1.1 vektor (-2,3)

 Gambar 1.2 vektor (2,-2,6) dengan inisial poin (2,3,-1)

Kombinasi Linier dari Vektor

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

Aplikasi Fisik Penambahan dan Penggandaan Skalar

Penambahan dan perkalian skalar vektor sering digunakan untuk memecahkan masalah dalam
elemen fisika tambahan. Ingat fakta trigonometri bahwa jika v adalah vektor dalam R2 yang
membentuk sebuah sudut 0 dengan sumbu x positif, lalu v = [|| v || cos 0, || V || sin 0].

1.2 PRODUK DOT

Kita sekarang membahas operasi vektor penting lainnya: produk titik. Setelah
menjelaskan beberapa properti dari produk titik, kami menunjukkan cara menghitung sudut
antara vektor dan untuk "memproyeksikan" satu vektor ke yang lain
 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
x . y=x 1 y 1+ x 2 y 2+ … … …+ x n y n =∑ x k y k
k=1

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

Sudut antara Dua Vektor

Produk titik memungkinkan kita untuk menemukan sudut 0 antara dua vektor bukan
nol x dan y dalam R2 atau R yang dimulai pada titik awal yang sama. Sebenarnya ada dua
sudut yang terbentuk oleh vektor x dan y, tetapi kami selalu memilih sudut 0 antara dua
vektor menjadi yang berukuran antara 0 dan r radian.
Perhatikan vektor x - y pada Gambar 1.15, yang dimulai pada titik terminal dari y dan
berakhir pada titik terminal x. Karena 00 <T, itu mengikuti dari hokum Cosinesthat || x- y || 2
= || x ||2 + || y ||2 - 2 (|| X ||) (|| y ||) cos θ. Tapi,

|| x – у ||2 = (х - у): (х —у)

= (х.х) - 2 (х . у) + (у.у)
= || x ||2 - 2 (x. y) + || y ||2.

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 R 2 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
dengan 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 <

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

Converse dan Inverse

Seiring dengan kontrapositif, ada dua pernyataan menarik terkait lainnya kebalikan dan
kebalikan:

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 ". 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

Menyangkal Pernyataan dengan Penghitung dan Konektivitas

Ketika mempertimbangkan beberapa pernyataan A, kita sering tertarik dengan
negasinya, "tidak a." Misalnya, negasi digunakan dalam membangun alat kontrasepsi, juga di
bukti oleh kontradiksi. Tentu saja, "bukan A" benar ketika tepatnya A salah, dan "not A"
adalah false tepatnya ketika A benar. Artinya, A dan "bukan A" selalu bertolak belakang
nilai-nilai kebenaran. Meniadakan pernyataan sederhana biasanya mudah. Namun, ketika
sebuah pernyataan melibatkan pembilang (seperti semua, beberapa, atau tidak ada) atau
melibatkan penghubung (seperti dan atau atau), proses negasi bisa rumit
Pertama-tama kita membahas pernyataan yang menyangkal dengan bilangan. Sebagai
contoh, misalkan S mewakili beberapa himpunan vektor dalam R3 dan A = "Semua vektor di
S adalah vektor satuan." Itu negasi yang benar dari A adalah "bukan A" = "Beberapa vektor
dalam S bukan vektor satuan." Ini pernyataan memiliki nilai kebenaran yang berlawanan
dalam semua kasus. Siswa sering keliru dalam memberi B "Tidak ada vektor dalam S adalah
vektor satuan" sebagai negasi dari A. Ini tidak benar, karena jika S berisi vektor satuan dan
non-satuan, maka A dan B akan salah. Karenanya, A dan B tidak memiliki nilai kebenaran
yang berlawanan dalam semua kasus.
Selanjutnya pertimbangkan C = "Ada bilangan real c sehingga y = cx," mengacu pada
spesifik vektor x dan y.Lalu "bukan C" = "Tidak ada bilangan real c sedemikian sehingga y =
cx." Bergantian, "bukan C" "Untuk setiap bilangan real c, y cx." Ada dua jenis bilangan.
Pengukur universal (seperti setiap, semua, tidak, dan tidak ada) mengatakan bahwa
pernyataan itu benar atau salah dalam setiap contoh, dan eksistensial
quantifier (seperti beberapa dan ada) mengklaim bahwa setidaknya ada satu instance di mana
pernyataan tersebut terpenuhi. Pernyataan A dan "bukan C" di bagian sebelumnya contoh
melibatkan pembilang universal; "bukan A" dan C menggunakan penjumlahan eksistensial.
Ini contoh mengikuti pola umum Aturan untuk Menyangkal Pernyataan dengan Quantifiers
Peniadaan pernyataan yang melibatkan quantifier universal menggunakan quantifier
eksistensial. Peniadaan pernyataan yang melibatkan quantifiereksistensial menggunakan
quantifier universal. Oleh karena itu, meniadakan pernyataan mengubah jenis quantifier yang
digunakan. Selanjutnya, pertimbangkan untuk meniadakan koneksi dan / atau. Aturan formal
untuk meniadakan pernyataan tersebut dikenal sebagai Hukum DeMorgan Aturan untuk
Menyangkal Pernyataan dengan Konektivitas (Hukum DeMorgan)
Negasi "A atau B" adalah "(bukan A) dan (bukan B)."
Negasi "A dan B" adalah "(bukan A) atau (bukan B)."

Perhatikan bahwa ketika meniadakan, atau dikonversi ke dan, dan sebaliknya

Tabel 1.1 mengilustrasikan aturan untuk meniadakan quantifiers dan connectives. Di meja,S
mengacu pada satu set vektor dalam R ', dan n mewakili bilangan bulat positif. Hanya
sebagian saja pernyataan itu benar. Apapun, setiap pernyataan memiliki nilai kebenaran yang
berlawanan penyangkalan
 Menyangkal Pernyataan kita harus membuktikan bahwa pernyataan yang diberikan
salah dan tidak benar. Untuk membantah Sering sebuah pernyataan A, kita harus
membuktikan "bukan A." Ada dua kasus
Kasus 1: Pernyataan yang melibatkan pembilang universal: Pernyataan A dengan satu
pembilang versal dibantah dengan menemukan contoh tandingan tunggal yang membuat A
salahSebagai contoh, pertimbangkan B = "Untuk semua x dan y dalam R3, || x + y || = || || + ||
y ||." Kami membantah B dengan menemukan contoh tandingan - yaitu, kasus khusus di mana
B salah. Membiarkan x [3,0,0] dan y [0,0,4], kita mendapatkan || x + y || = || [3,0,4] || = 5.
Namun || X || 3 dan lly 4, jadi x + y || || x || + || y | , dan B ditolak. Terkadang kita ingin
menyangkal implikasi "Jika A maka B." Implikasi ini melibatkan quantifier universal karena
menyatakan "Dalam semua kasus di mana A benar, B adalah juga benar. "Karena itu

B. OPERASI DASAR DENGAN MATRIK

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:

Berikut adalah beberapa konvensi yang perlu diingat tentang matriks.

- Kami menggunakan huruf kapital tunggal (atau disubkripsikan) untuk menunjukkan

matriks (seperti A, B, C1, C2) berbeda dengan huruf tebal huruf kecil yang digunakan
untuk mewakili vektor. Huruf kapital I dan O biasanya dicadangkan untuk jenis
matriks khusus yang akan dibahas nanti.
- Ukuran matriks selalu ditentukan dengan menyatakan jumlah baris terlebih dahulu.
Sebagai contoh, sebuah matriks 3 x 4 selalu memiliki tiga baris dan empat kolom,
tidak pernah empat baris dan tiga kolom
- Matriks m x n dapat dianggap sebagai kumpulan vektor baris m, masing-masing
memiliki koordinat n, atau sebagai koleksi vektor kolom n, masing-masing memiliki
koordinat m. Matriks dengan hanya satu baris (atau kolom) pada dasarnya setara
dengan vektor dengan koordinat dalam bentuk baris (atau kolom).
 - Kita sering menulis aij untuk merepresentasikan entri pada baris ke-i dan kolom ke-j
dari matriks A. Misalnya, dalam matriks A sebelumnya, a23 adalah entri -5 pada baris
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.

Jenis Matriks Khusus

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.

Definisi Penggandaan Matriks

Dua matriks A dan B dapat dikalikan (dalam urutan itu) hanya jika jumlah kolom A
sama dengan jumlah baris B. Dalam hal itu,

Ukuran produk AB = (jumlah baris A) x (jumlah kolom B).

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:
 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 .

Kombinasi Linear dari Penggandaan Matriks :

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
mengalikan A pada hak oleh vektor koefisien [10, -11, 12, -13]. Ini memberi
 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

MEMECAHKAN SISTEM LINEAR MENGGUNAKAN GAIMSIAN ELIMINATION

Sistem Persamaan Linear Persamaan linear adalah persamaan yang melibatkan satu atau lebih
variabel di mana hanya operasi perkalian dengan bilangan real dan penjumlahan istilah diizinkan.
Misalnya, 6x-3y =4 dan 8x2 + 3x2 -4x3=- 20 adalah persamaan linear dalam dua dan tiga variabel,
masing-masing.
3x1-2x2-5x3=4
2x1+4x2-x3=2
6x1-4x2-10x3=8
-4x1+8x2+9x3=-6
Dalam definisi ini, koefisien x1, x2,. . . , xn dapat dikumpulkan bersama dalam suatu
mx n koefisien matriks

Jika dibiarkan

Jumlah Solusi untuk Sistem

Hanya ada tiga kemungkinan untuk ukuran set solusi sistem linear: solusi tunggal, jumlah
solusi yang tak terbatas, atau tidak ada solusi.

4x1-3x2=0
2x1-3x2=18
(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

Operasi Baris dan Notasi Mereka

Ada tiga operasi yang diizinkan untuk digunakan pada matriks yang diperbesar dalam
Metode eliminasi gaussian. Ini adalah sebagai berikut:
Operasi Baris
(I) Mengalikan satu baris dengan skalar bukan nol
(II) Menambahkan kelipatan skalar dari satu baris ke baris lain
(III) Mengganti posisi dua baris dalam matriks

Strategi dalam Kasus Sederhana

Dalam eliminasi Gaussian, bekerja pada satu kolom dari matriks augmented pada suatu waktu.
Dimulai dengan kolom pertama, kami memilih baris 1 sebagai baris pivot awal kami, mengonversi
(1,1) entri poros ke 1, dan targetkan (nol keluar) entri di bawah poros itu. Setelah masing-masing
kolom disederhanakan, kita lanjutkan ke kolom berikutnya di sebelah kanan.

Menggunakan Operasi Tipe (III)

Jika pilihan logis untuk entri pivot di kolom itu adalah 0,
tidak mungkin mengubah pivot menjadi 1 menggunakan operasi tipe (I). Seringkali, ini
dilema dapat diatasi dengan terlebih dahulu menggunakan operasi tipe (III) untuk mengganti baris
pivot dengan baris lain di bawahnya.

Melewati Kolom
entri pivot baru terletak secara horizontal ke kanan dari tempat biasanya

GAUS-JORDAN ROW REDUCTION DAN REDUCED ROW FORMULIR ECHELON

Di bagian ini, metode reduksi baris Gauss-Jordan, ekstensi dari metode eliminasi Gaussian.
Pengantar Pengurangan Baris Gauss-Jordan
Dalam metode eliminasi Gaussian, kami membuat matriks augmented untuk diberikan sistem linear
dan sistematis berjalan melalui kolom dari kiri ke kanan, membuat pivot dan menargetkan entri
(penekanan) di bawah pivot. Meskipun kita sesekali melompati kolom
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

Aplikasi: Menyeimbangkan Persamaan Kimia

Sistem homogen sering terjadi ketika menyeimbangkan persamaan kimia. Dalam kimia reaksi,
kita sering tahu reaktan (zat awal) dan produk (hasil dari reaksi)
H 3 P O4 Ca ( OH ) 2
+ +Ca 3(PO4)2+H2O
asam fospat Kalsium hidroksida
Rumus empiris untuk reaksi ini adalah persamaan yang mengandung minimal bilangan bulat multipel
dari reaktan dan produk sehingga jumlah atom masing-masing elemen setuju di kedua sisi.
(Menemukan rumus empiris disebut keseimbangan) persamaan.) Dalam contoh sebelumnya, kami
mencari integer positif minimal nilai a, b, c, dan d sedemikian rupa
aH3 PO4 _bCa(OH)2 →cCa3 (PO4 )2 _dH2 O
menyeimbangkan jumlah hidrogen (H), fosfor (P), oksigen (O), dan kalsium (Ca) atom di kedua sisi.1
Mengingat masing-masing elemen pada gilirannya, kita dapatkan
3a+2b= 2d (H)
a = 2c (P)
4a+2b=8c+d (O)
b = 3c (Ca)
 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

Faktor determinan dari 1× 1, 2× 2, dan 3× 3 Matriks

Untuk 1× 1 matriks A= [a11], determinan | A | didefinisikan sebagai a11 , Sebagai contoh,

determinan A= [-4] hanyalah | A |=- 4. Kami akan mewakili determinan dengan menempatkan tanda
nilai absolut di sekitar matriks, meskipun determinan bisa negatif.

a11 a 12
Untuk a 2 x 2 matriks A=
[ a21 a 22 ]
, determinan |A| adalah defenisi dari a11 a22 – a12 a21. Dari

contoh, maka determinan A=

[ 42 −35 ] adalah ¿ A∨¿ [ 42 −35 ] = (4)(5)-(-3)(2)=26. Ingatlah bahwa dalam

a11 a 12
Bagian 2.4 kami membuktikan
[ a21 a 22 ]
, memiliki kebalikan jika dan hanya jika | A |= a11 a22-a12 a21≠0

Untuk 3x3 matriks.

a11 a 12 a13

[
| A | a21 a 22 a23
a31 a 32 a33 ]
kita mendefinisikan determinan | A | menjadi ungkapan berikut, yang memiliki enam istilah:

| A |=a11a22a33 + a12a23a31 + a13a21a32 + a13a22a31 - a11a23a32 + a12a21a33

Ungkapan ini mungkin terlihat rumit, tetapi istilahnya dapat diperoleh dengan
mengalikan entri berikut dihubungkan oleh panah. Perhatikan bahwa dua kolom pertama dari
dokumen asli 3 x 3 matriks telah diulangi. Juga, panah yang menunjuk ke kanan
menunjukkan istilah dengan tanda positif, sedangkan yang menunjuk ke kiri menunjukkan
istilah dengan tanda negatif.

a 11 a12 a13 a 11 a12

a 21 a22 a23 a 21 a22
a 31 a32 a33 a 31 a32

Teknik ini kadang-kadang disebut sebagai metode keranjang anyaman menghitung

determinan matriks 3 x 3.

Aplikasi: Area dan Volume

Teorema berikutnya menggambarkan mengapa determinan2 x 2 dan 3 x 3 kadang-kadang

ditafsirkan sebagai area dan volume, masing-masing.

Biarkan x= [x1,x2] dan y =[y1, y2] menjadi dua vektor tidak paralel di R 2 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 y2 y3
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: dimana A menjadi n x n matriks n, dengan n≥ 2. Submatriks (i, j), A ij adalah matriks
(n - 1) x (n - 1) matriks diperoleh dengan menghapus semua entri dari baris ke-i dan semua entri ke-j
dari A. Minor (i, j), SEBUAH j, dari A adalah determinan submatriks A ij adalah A

Matriks n x n memiliki total n ≥2 satu untuk setiap entri matriks. Secara khusus, matriks 3 x 3
memiliki sembilan .

Definisi Determinan

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.

Definisi : dimana A menjadi matriks n x n (persegi). determinan A, dilambangkan |AI

didefinisikan sebagai berikut:

n=1 (dimana A=[ a11 ]) maka IAI= a11

n≥1 maka IAI=an1 An1 + an2An2 +….+ ann Ann

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.
 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 bahan 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.
 DAFTAR PUSTAKA

Diktat Kuliah. Aljabar Linier

Kirkwood, R. James & Kirkwood, H. Bessie. (2018) Elementary Linier Algebra (13rd eds.).