ALJABAR LINEAR DAN

DAFTAR ISI

Daftar isi .............................................................................................................................. 2

Bab 1 Sistem Persamaan Linear dan Matriks ................................................................... 3
Bab 2 Determinan ............................................................................................................. 15
Bab 3 Ruang Vektor........................................................................................................... 23
Bab 4 Ruang Hasil Kali Dalam ............................................................................................ 43
Bab 5 Transformasi Linear................................................................................................. 55
Bab 6 Nilai dan Vektor Eigen ............................................................................................. 67
Daftar Pustaka..................................................................................................................... 73
Daftar Isi …………………………………………………………………………………………………………………. 2

1
 ALJABAR LINEAR DAN

1
SISTEM PERSAMAAN LINEAR DAN MATRIKS

JUMLAH PERTEMUAN : 2 PERTEMUAN

TUJUAN INSTRUKSIONAL KHUSUS :
1. Mengetahui sifat-sifat dan operasi matriks
2. Mengetahui bentuk – bentuk penyelesaian sistem persamaan linear.
3. Menggunakan operasi baris elementer untuk menyelesaikan sistem
persamaan linear dan menentukan invers dari suatu matriks

Materi :
1.1 Bentuk Umum Matriks
Definisi 1.1 Matriks adalah suatu susunan banjar (array) bilangan-bilangan dalam bentuk segi
empat, dengan jumlah baris sebanyak m dan jumlah kolom sebanyak n.
dinotasikan dengan
 a11 a12
 a1n  Baris jumlahnya m
a a 
A  21 22 a 2n  atau dapat ditulis secara ringkas A  (a )
 dengan
  ij mn

a a 
 m1 m2 a mn 

Kolom jumlahnya n

dimana i =1,...,m dan j =1,...,n , a adalah elemen matriks A pada baris ke-i dan kolom ke-j.
ij

Ukuran (dimensi/ordo) matriks A diatas adalah mxn.

Contoh 1.1:
 5 3 1   1
 1 0 B
  0 2 3 C 2 1 0 2
A D 
      3 1 0
 2 3  4  
6 0 6
   
 Tentukan dimensi dari matriks berikut dan tentukan elemen dari matriks berikut ini
a21, b13 , c31, d23

2
 ALJABAR LINEAR DAN
Definisi 1.2 Kesamaan dua matriks
Dua buah matriks dikatakan sama jika dimensi kedua matriks sama dan elemen-elemen
seletaknya sama.
 Berikan dua contoh matriks yang sama

1.2 Operasi dan Sifat Matriks

Definisi 1.3 Operasi Matriks
a) Jika A  (aij ) B  (bij masing-masing adalah matriks mxn, maka A  B adalah matriks
dan )

mxn yang elemen ke-ij adalah aij  bij , (i, j) .

b) Jika A adalah matriks mxn, α adalah suatu skalar maka αA adalah matriks yang dibentuk
dari perkalian setiap elemen A dengan α.
c) Jika A dan B adalah matriks mxn maka A  B adalah matriks mxn yang dapat dituliskan dari
A  B  A  (B).
d) Jika A matriks mxr dan B matriks rxn maka hasil kali A.B=C adalah matriks mxn yang
anggota-anggotanya didefinisikan sebagai berikut:

cij   aik bkj

n
i  1,..., m j  1,..., n
,
k 1
Contoh 1.2:
Misalkan diketahui aA   a12   b12 
bB11 ,
11 
a a   
b b
 21 22   21 22 
Tentukan :
a. A+B c. A-B
b. αA, dimana α adalah skalar
d. A.B
Penyelesaian

aa.11 A  B  a12   b12   a11  a12  b12 

b11  b11  
a a     b a b
b b
a
 21 22   21 22   21 21 22 22 

ab.11 A  
a12  a12 
   a11 
a a   a
a
 21 22   21 22 
 a 11
c. A  B 
3
a12   b11 a11  b11 ALJABAR LINEAR DAN
  b12   a12  b12 
a a     b a b
b b
a
 21 22   21 22   21 21 22 22 

ad.11 A.B 
a12   b12   a11b11  a11b12  a12b22 
b11 . a12b21
 
a a     a b a b a b
b b a
b
 21 22  21 22   21 11 22 21 21 12 22 22 

4
 ALJABAR LINEAR DAN MATRIKS
Latihan 1.1 Selesaikan soal berikut ini
 2 1 0 
1 2 4  2 1 3 C 1 3 2
A
   B 
2 6 0 1 2 4  
    3 
0
2
 
a. Tentukan matriks 2C
b. Tentukan matriks A+B, periksalah apakah matriks yang diperoleh sama dengan
matriks B+A
c. Tentukan matriks A-B, periksa pula matriks B-A! Apa kesimpulan yang dapat
diambil?
d. Tentukan matriks AB, BA, AC, CA. Apakah semua matriks tersebut dapat ditentukan
nilai elemen-elemennya? Apa syarat agar dua matriks dapat dikalikan?
Teorema 1.1
Untuk setiap skalar α, β dan untuk setiap matriks A,B dan C dimana operasi-operasi yang
bersangkutan terdefinisi maka berlaku :
1. A  B  B  A 6. ( )A  ( A)
2. (A  B)  C  A  (B  C) 7. (AB)  (A)B  A(B)
3. ( AB)C  A(BC) 8. (   )A   A   A
4. A(B  C)  AB  AC 9.  (A  B)   A   B
5. (A  B)C  AC  BC
Bukti dapat dilihat di Howard Anton, Aljabar Linear Elementer

1.3 Beberapa Matriks Istimewa

a. Matriks berukuran 1xn disebut vektor baris, matriks berukuran mx1 disebut vektor kolom.
Contoh 1.3:

P  2 
1 4 Q P adalah vektor baris dan Q adalah vektor kolom.
1
 0
b. Matriks bujur sangkar berorde n jika jumlah baris dan kolom matriks sama yaitu n buah.
Contoh 1.4:
 2 3 1
 1 9  B 5 6 2 
A  5 3

IF/ 5
   4 2 0
 

IF/ 6
 ALJABAR LINEAR DAN
c. Jika A matriks bujur sangkar maka elemen aii disebut elemen diagonal dari A, dan elemen-

elemen lain merupakan elemen diluar diagonal A.

Contoh 1.5:
 a11 a12 a13 
 
A a a a maka a , , a adalah elemen diagonal dan yang lainnya elemen –
a
 a21 a22 a 
23 11 22 33

 31 32 33 

elemen diluar diagonal A. a11, a22 , a33 disebut juga diagonal utama.

d. Jika A matriks bujur sangkar dan elemen aii  0 sedangkan semua elemen diluar diagonal A

aij  0, i  j maka matrik A disebut matriks diagonal.

Contoh 1.6:
1 0 0  1 0 0 0 
  2 0 0
0
A 0 3 0
 0 0 2  D 
 0 0 3 0
   
0 0 0 9 

e. Jika A matriks bujur sangkar dan elemen aii  ,  i  1,..., n dimana  adalah suatu skalar

sedangkan semua elemen diagonal A

aij  0, i  j maka matriks A disebut matriks skalar.

Contoh 1.7:
 2 0 0 
3 0 B 0 2 0
A 
   
 0 3  0 2 
0
 
f. Jika A adalah matriks skalar dimana aii  1,  i  1,..., n , maka matriks A disebut matriks

identitas, matriks A dapat ditulis dengan In .

Contoh 1.8:

1 0 1 0 0
A
   
B 0 1 0
   0 0 1 
0
 
g. Jika A adalah matriks dimana semua elemennya bernilai 0 maka A disebut matriks null,
sering dituliskan dengan matriks O .

IF/ 7
 ALJABAR LINEAR DAN
Contoh 1.9:

0 0 0 0 0
O
   
O 0 0 0
   0 0 0 
0
 

IF/ 8
 ALJABAR LINEAR DAN
h. Jika A matriks bujur sangkar dimana semua elemen diatas diagonal utama adalah nol maka
A disebut matriks segitiga bawah.
Contoh 1.10:

2 0 1 0 0
A   
   B 3 4 0
 2 3 1 
3
 
i. Jika A matriks bujur sangkar dimana semua elemen dibawah diagonal utama adalah nol
maka A disebut matriks segitiga atas.
Contoh 1.11:
 3 4 5 
 2 3 B 0 1 2
A
   
0 1   0 

1.4 Transpose dari Suatu Matriks

Definisi 1.4
Jika A adalah matriks mxn maka transpos A (ditulis AT) adalah matriks berukuran nxm yang
didapatkan dengan mempertukarkan baris dengan kolom dari A.
A ) dan AT  (a ) . Jika
(aij
j

A matriks bujur sangkar A  A maka A adalah matriks simetri.

T
dan

Contoh 1.12:
 2 3  1 2 4   1 2 4 
2 1 0 AT  1 4 B  2 3 8 BT  2 3 8
A
 
       
3 4 5  4
   0  8 7  4 8 7
   
Dari contoh matriks B adalah matriks simetri

Teorema 1.2
A,B adalah matriks mxn dan α adalah skalar maka berlaku sifat:

A 
T
a) T
A
T
b)  A  B  AT  BT

IF/ 9
 ALJABAR LINEAR DAN
T
c)  A   AT

IF/ 1
 ALJABAR LINEAR DAN
Definisi 1.5
Jika A adalah matriks bujur sangkar maka trace A (ditulis tr(A)) didefinisikan sebagai jumlah
anggota-anggota dari diagonal utama matriks A. Trace A tidak terdefinisi jika A bukan matriks
bujur sangkar.

 Latihan 1.2 Diketahui matriks-matriks berikut ini :

 1 2
 1 0  1 4 1  2 3 1
   
A  2 0  B  C  D 5 1 0 
 1 3   3 2  2 3 0   1 2 0 
   
Sederhanakan matriks berikut ini jika mungkin
a. 2AT  C
c. tr(DDT ) e. tr(CA)  tr(B)

b. AT  2B
d. BT  CA f. ( AC)T  D

1.5 Sistem Persamaan

Linear Definisi 1.6
Secara umum sebuah persamaan linear dengan n variabel x1, x2 ,..., dapat dituliskan sebagai
xn
suatu persamaan linear dalam bentuk

a1x1  a2 x2  a3x3  ...  anxn

b

Dengan a1, a2 ,..., an dan b konstanta real.

 Latihan 1.3
Tentukan persamaan berikut yang merupakan persamaan linear :
a. x  3y 
d. x1  x2  x3 ...  xn  1
7
1
b. x  2x  4x 1   e.   x1/2  1
3x 12 x
x1
1 2 3 4 2
2
c. x 1 1
 x  4x f. 2x  x  4x   1/2
x  12
1 2 3 1 2 3 4
3 3

Definisi 1.7
IF/ 1
 ALJABAR LINEAR DAN
Sebuah himpunan terhingga m buah persamaan linear dengan variabel

sistem persamaan linear dengan n variabel dituliskan sebagai

x1, x2,..., xn disebut

IF/ 1
 ALJABAR LINEAR DAN
a11 x1  a12 x2  ...  a1n xn 
b1 a21 x1  a22 x2  ...  a2n xn

 b2
am1 x1  am2 x2  ...  amn xn  bm

Suatu urutan bilangan-bilangan

s1, s2 , , sn disebut himpunan penyelesaian sistem jika

x1  s1, x2  s2 ,..., xn  sn memenuhi setiap persamaan dalam sistem tersebut.

Contoh 1.13: Sistem persamaan linear

2x1  5x2  x3   Tentukan jumlah variabel dan banyak persamaan dari
4 sistem persamaan disamping (m dan n)
x1  3x2  2x3 
8

Definisi 1.8
Sistem persamaan yang tidak mempunyai penyelesaian disebut sistem yang tak konsisten
sedangkan jika minimal terdapat satu penyelesaian maka sistem tersebut disebut konsisten.

Setiap sistem persamaan linear mungkin tidak mempunyai penyelesaian, mempunyai tepat
satu penyelesaian, atau tak hingga banyaknya penyelesaian.

 Latihan 1.4 Periksalah ketiga sistem persamaan berikut dan gambarkan penyelesaian dari
sistem persamaan tersebut dalam koordinat kartesian. Tentukan sistem persamaan yang
mempunyai tepat satu penyelesaian, tak hingga atau tidak mempunyai penyelesaian
x1  x2  x1  x2  x1  x2  2
2 2  x1  x2  2
x1  x2  x1  x2  1
2

Definisi 1.9
Suatu sistem persamaan linear dikatakan homogen jika semua konstantanya nol, yaitu jika
sistem tersebut mempunyai bentuk :
a11 x1  a12 x2  ...  a1n xn  0
a21 x1  a22 x2  ...  a2n xn  0

IF/ 1
 ALJABAR LINEAR DAN
am1x1  am2 x2  ...  amn xn  0

Setiap sistem homogen mempunyai sifat konsisten, karena semua sistem seperti itu
mempunyai penyelesaian
x1  0, x2  0, , xn  0 . Penyelesaian ini disebut penyelesaian

IF/ 1
 ALJABAR LINEAR DAN
trivial. Jika ada penyelesaian lain yang memenuhi sistem persamaan tersebut maka
penyelesaian sistemnya disebut penyelesaian tak-trivial.

Contoh 1.14:
x1  3x2  x3  0
3x  2x  0
a) x  8x  0 1 2
b)  4x  0
2 3
6x
4x3  0 1

Tunjukkan bahwa a) memiliki penyelesaian trivial dan b) memiliki penyelesaian tak-trivial.

Definisi 1.10
Sistem m persamaan linear dengan n buah variabel dapat diubah dalam bentuk matrik yang
diperbanyak (augmented matrix) yang dituliskan sebagai:
a11x1  a12 x2 a1n xn  b1  a11 a1 a1n b1
 2 
a x  a x  
b a a b
21 1 22 2
2
a2n xn   21 22 a2n 2
 
 m1m2 a b 
am1 x1 m
 am2 x2 amn xn  bm  a amn


 Latihan 1.5
Buatlah augmented matrix dari sistem persamaan linear berikut:
3x1  2x2  x3  15
5x1  3x2  2x3  0
3x1  x2  3x3  11
 6x1  4x2  2x3  30

1.6 Eliminasi Gaussian

Penyelesaian sistem persamaan dapat dilakukan dengan operasi baris elementer (OBE) pada
matriks yang diperbanyak. Metode dasar dari OBE adalah dengan menggantikan sistem yang
diberikan dengan suatu sistem baru yang mempunyai himpunan penyelesaian yang sama
tetapi lebih mudah diselesaikan.

Definisi 1.11
Tiga langkah yang digunakan dalam OBE adalah:
1
 ALJABAR LINEAR DAN
1. Kalikan suatu baris dengan bilangan real bukan nol.
2. Pertukarkan dua baris
3. Ganti suatu baris dengan hasil penjumlahannya dengan kelipatan dari baris lain.

1
 ALJABAR LINEAR DAN
Definisi 1.12
Sebuah matriks dikatakan memiliki bentuk baris eselon jika:
1. Elemen bukan nol pertama dalam setiap baris adalah 1
2. Jika baris k tidak seluruhnya mengandung 0, maka banyak elemen nol bagian muka pada
baris k+1 lebih besar dari banyaknya elemen nol di bagian depan baris k.
3. Jika terdapat baris-baris yang elemennya semuanya adalah nol, maka baris-baris ini berada
tepat dibawah baris-baris yang memiliki elemen-elemen bukan nol.

 Latihan 1.6 Tentukan apakah matriks-matriks berikut ini merupakan matriks yang memiliki
bentuk eselon baris atau tidak
 2 3 6   1 3 4   1 2 3   1 2 3 4   1 2 3 4 
a) 0 5 4 b) 0 1 2 c) 0 0 1 d) 0 1 7 2 e) 0 0 1 5
         
0 0 3 0 0 1 0 0 0 0 0 0 1 0 0 0 4
         

Definisi 1.13
Proses mengubah matriks yang diperbanyak menjadi matrik baris eselon dengan
menggunakan OBE disebut Eliminasi Gauss.

Definisi 1.14
Suatu matriks memiliki baris eselon tereduksi jika :
1. Matriks memiliki bentuk baris eselon.
2. Elemen bukan nol pertama dalam setiap baris adalah satu-satunya elemen bukan nol
dalam kolom yang bersangkutan.
Proses mengubah matriks yang diperbanyak menjadi matrik baris eselon tereduksi dengan
menggunakan OBE disebut Eliminasi Gauss-Jordan/Reduksi Gauss-Jordan.

 Latihan 1.7 Tentukan apakah bentuk matriks berikut ini memiliki baris eselon tereduksi atau
tidak.

 1 0 0 1   1 2 0 1  0 2 3 1 
a) 0 1 0 9 b) 0 0 1 3 c) 3 6 3 2
     
 0 0 1 5 0 0 0 0 6 6 3 5 
     

1
 ALJABAR LINEAR DAN
Contoh 1.15 :
Tentukan penyelesaian dari sistem persamaan berikut ini menggunakan reduksi Gauss-Jordan
2x1  4x2  3x3  1
x1  x2  2x3  9
3x1  6x2  5x3  0

Langkah – langkah penyelesaian sistem persamaan diatas dilakukan sebagai berikut:

 2 4 3 1   1 1 2 9   1 1 2 9
      1 1 2 9 
1 1 2 9  2 4 3 1  0 2 7 17  0 2 7 17 
      
3 6 5 0  3 6 5 0   3 6 5 0   0 3 1
1 27
       
(a) (b) (c)
1 1 2 9 
   1 1 2 9   1 1 2 9 
0 1   17  0 1   17  0 1  
7 7 7  17 
 2 
 0 0  2 2  0 0 3 
2 2 2
0 3 11 27
 1 3 1
   2 2   
(d) (e) (f)
 1 0 11 35   1 0 0 1 
2    Penyelesaiannya adalah
 0 1 2 7   0 1 0 2
17
 x1  1, x2  2, x3  3
 0 0 12 32   0 0 1 3 
   
(g) (h)
Keterangan:
a. Pertukarkan baris pertama dengan baris kedua sehingga diperoleh matriks (a).
b. Kalikan baris pertama dengan -2 kemudian tambahkan dengan bilangan yang ada pada
baris kedua sehingga diperoleh matriks (b).
c. Kalikan baris pertama dengan -3 kemudian tambahkan dengan bilangan yang ada pada
baris ketiga sehingga diperoleh matriks (c).

d. Kalikan baris kedua dengan  sehingga diperoleh matriks (d).

2
1

e. Kalikan baris kedua dengan -3 kemudian tambahkan dengan bilangan pada baris ketiga
sehingga diperoleh matriks (e).
f. Kalikan baris ketiga dengan -2 sehingga diperoleh matriks (f).
g. Kalikan baris kedua dengan -1 kemudian tambahkan dengan bilangan pada baris pertama
sehingga diperoleh matriks (g).

1
 ALJABAR LINEAR DAN
h. Kalikan baris ketiga dengan 7
kemudian tambahkan dengan bilangan pada baris kedua
2

selanjutnya kalikan baris ketiga dengan - 11 kemudian tambahkan dengan bilangan pada
2

baris pertama sehingga diperoleh matriks (h).

Perhatikan kembali contoh 1.15 Proses yang dilakukan dari (a) sampai (f) adalah proses
Eliminasi Gauss.
1 1 2 9  x1  x2  2x3  9

0 1   17 dapat dituliskan x  7 x   17
7  menjadi
0 0 3 
2 2 2 2 3 2
1 x 3
  3

Dengan mensubstitusikan x3  3 ke persamaan kedua akan x2  2 kemudian nilai

diperoleh

x2 , x3 disubstitusikan ke persamaan pertama sehingga

x1  1 . Proses yang dilakukan
diperoleh ini disebut dengan cara substitusi balik.

 Latihan 1.8 Gunakan Eliminasi Gauss dan subtitusi balik untuk menentukan penyelesaian
dari sistem persamaan linear berikut ini kemudian periksa hasilnya dengan menggunakan
Reduksi Gauss Jordan
a) x1  x2  2x3  b) 2x1  3x2  x3  c) x1  x2  2x3  4
8 1
 x1  2x2  3x3  1 x1  x2  x3  3 2x1  3x2  x3  1
3x1  7x2  4x3  10 3x1  4x2  2x3  4 2x1  3x2  x3  1

1.7 Menentukan Invers Matriks dengan OBE

Definisi 1.16
Suatu matriks A bujur sangkar dapat dibalik jika terdapat suatu matriks B sehingga berlaku
AB  BA  I maka matriks A disebut dapat dibalik dan B adalah matriks invers dari A (ditulis
A1 ).
 Latihan 1.9 Periksalah apakah B adalah invers dari matriks A.
2
A
5 3 5
  B   
1 3  1 2 
Teorema 1.3
Jika A dan B adalah matriks-matriks yang dapat dibalik dan berukuran sama maka:

1
 ALJABAR LINEAR DAN
a) AB dapat dibalik
1
b)  AB  1
B A
1

2
 ALJABAR LINEAR DAN
Untuk mendapatkan invers suatu matriks yang dapat dibalik A, kita harus menemukan
serangkaian OBE yang mereduksi A menjadi identitas dan kemudian melakukan serangkaian

operasi yang sama pada In untuk memperoleh matriks

A1 .

Contoh 1.6:
Cari invers dari matriks

 1 2 3
 
A 2 5 3
1 0 8 
 
Penyelesaian:
Kita harus menyandingkan matriks A dengan matriks I berukuran 3x3 sehingga diperoleh

matriks  A | I  dan setelah proses OBE diperoleh matriks  I | A1  .

1 2 3 1 0 0  1 0 0 40 16 9 
  O BE  
 A | I   2 5 3 0 1 0    0 1 5 3   I | A1 
1 0 8 2 1

0 13
  
0 0 1 0 0 1 5
 
 40 16 9 
Jadi A1   13 5 3
 5 2 1
 

 Latihan 1.10
1. Lakukan proses OBE pada contoh diatas sehingga terbukti bahwa invers dari A adalah
 40 16 9 
13 5 3
 
5 2 1
 

2. Carilah invers dari matriks berikut ini dengan OBE

2
 ALJABAR LINEAR DAN

2
DETERMINAN

JUMLAH PERTEMUAN : 2 PERTEMUAN

TUJUAN INSTRUKSIONAL KHUSUS :
1. Mengetahui sifat-sifat determinan.
2. Menggunakan teknik ekspansi kofaktor untuk menghitung determinan.
3. Menggunakan aturan Cramer untuk menyelesaikan sistem persamaan linear.

Materi :
2.1 Pendahuluan
Definisi 2.1
Misalkan A adalah matriks bujur sangkar berukuran 2x2. Determinan matriks A didefinisikan
sebagai :
a11
det(A)=det  a12 
a11  
a1  a a  a a
 2
a a a a 11 22 12 21
 21 22  21 22

Definisi 2.2
Jika matriks A berukuran 3x3, determinan matriks A didefinisikan sebagai :
a11
a1 a1
det( A)  a21 2 3
 a11a22a33  a12a23a31  a13a21a32  a13a22a31  a12a21a33  a11a23a32
a31 a22 a23
a32 a33

Determinan dapat dihitung dengan menggunakan metode Sarrus, diilustrasikan sebagai

berikut:
a11 a12a13 a11 a21 a31
12
a11a12 a21 a31a22a23 + a22 a32
i) a21a22 ii)
a32a33
-
- + -- + +
 Latihan 2.1
Hitunglah determinan dari matriks berikut ini (bisa menggunakan aturan Sarrus) :
 1 2   1 2 0 
A  B 4 5 3
 
 3 4
IF/ 2
 2 1 4  ALJABAR LINEAR DAN
 

IF/ 2
 ALJABAR LINEAR DAN
*Aturan Sarrus hanya berlaku untuk matriks berukuran maksimal 3x3.

2.2 Sifat-sifat Determinan

Sebelumnya kita telah membahas tentang cara menghitung determinan untuk matriks
berukuran maksimal 3x3, berikutnya kita dapat menggunakan sifat-sifat determinan berikut
ini untuk menghitung determinan dari matriks yang berukuran lebih besar.

Teorema 2.1
Jika A matriks bujur sangkar maka:
i) Jika A mempunyai sebuah baris nol atau sebuah kolom nol maka det(A) = 0.
ii) det(A)=det(AT)

Latihan 2.2
Gunakan matriks 3x3 sebarang untuk memeriksa sifat i) dan ii) dari teorema 2.1.

Teorema 2.2
Jika A adalah suatu matriks segitiga nxn (segitiga atas,segitiga bawah, atau diagonal) maka
det(A) adalah hasil kali anggota-anggota pada diagonal utamanya, yaitu
det( A)  a11a22ann

Latihan 2.3
Hitunglah determinan dari masing-masing matriks berikut ini:
3 2 1
   1 0 0   1 0 0 
A 0 2 1 B 6 2 0 C  0 2 0
     
 0 0 5 1 4 3 0 0 5
     
2 0 0 0 1 0 0 0
   
1 5 0 0 0 2 0 0
D E   0 0 4 0 


4 6 4 0
   
3 2 5 3 0 0 0 3
   

Teorema 2.3

IF/ 2
 ALJABAR LINEAR DAN
Misalkan A matriks nxn
- Jika B adalah matriks yang dihasilkan jika suatu baris tunggal atau kolom tunggal dari A
dikalikan dengan suatu skalar α, maka det(B) = α.det(A).

IF/ 2
 ALJABAR LINEAR DAN
- Jika B adalah matriks yang dihasilkan jika dua baris atau kolom dari A dipertukarkan maka
det(B) = -det(A).
- Jika B adalah matriks yang dihasilkan jika suatu panggandaan suatu baris A ditambahkan
pada baris lainnya atau jika suatu penggandaan suatu kolom ditambahkan pada kolom
lainnya, maka det(B) = det(A).

Contoh 2.1:
Hubungan Operasi
a11 a12 a13 a11 a12 a13 Baris pertama A dikalikan dengan α.
a21 a22 a23   a21 a22 a23
a31 a32 a33 a31 a32 a33

det(B)=α.det(A)
a21 a22 a23 a11 a12 a13 Baris pertama dan kedua dari A
a11 a12 a13   a21 a22 a23 dipertukarkan.
a31 a32 a33 a31 a32 a33

det(B) = - det(A)
a11  a21 a12  a22 a13  a23 a11 a12 a13 Suatu penggandaan baris kedua dari A
a21 a22 a23  a21 a22 a23 ditambahkan pada baris pertama.
a31 a32 a33 a31 a32 a33

det(B) = det(A)

Teorema 2.4
Jika A adalah matriks bujur sangkar dengan dua baris proporsional atau dua kolom
proporsional, maka det (A)=0.

Contoh 2.2 :
1 3
2 1 3 2
2 6 4  2 1 3 2 =0
3 1 4 3 1 4

Dari contoh baris pertama dan baris kedua adalah dua baris yang proporsional sehingga nilai
determinannya adalah 0.

IF/ 2
 ALJABAR LINEAR DAN
Latihan 2.4

 1 7 2  3 1 4 5

 1 4    
6 2 8 10
   3 5 6

 2 8   4 3 8
 9 3 12 15 

   2 5
1 4
 
Periksalah bahwa matriks-matriks diatas mempunyai determinan nol, berikan alasannya!

Teorema 2.4
Sifat-sifat dasar determinan:
Misalkan A dan B matriks nxn dan α skalar maka
n
1. det( A)   det( A)
2. det(AB)  det(A).det(B)

2.3 Ekspansi
Kofaktor Definisi
2.3 Mij dan
Jika A sebuah matriks bujursangkar nxn maka minor dari aij dituliskan dengan

didefinisikan sebagai determinan sub-matriks yang masih tersisa setelah baris ke-i dan kolom
i j
ke-j dihilangkan dari A. Bilangan  1
dinyatakan oleh Cij dan disebut kofaktor anggota
M i

aij .

Contoh 2.3:
 1 3 2  23
A 5 6 7 M 1 3 C   1
15  .M
 15
 4 3 4 3
2
23 23 23

 
Latihan 2.5
Dengan menggunakan matriks contoh 2.3 tentukan M12 , C12 dan M23 , C23

Teorema 2.5
Determinan suatu matriks A berukuran nxn bisa dihitung dengan mengalikan anggota-anggota
pada sebarang baris (atau kolom) dengan kofaktornya dan menjumlahkan hasil kali yang
IF/ 2
 ALJABAR LINEAR DAN
didapatkan yaitu untuk setiap 1  i  n dan 1  j  n
det(A)  a1 jC1 j  a2 jC2 j ...  (perluasan kofaktor disepanjang kolom ke-j)
anjCnj
(perluasan kofaktor disepanjang baris ke-i)
det(A)  ai1Ci1  ai 2Ci 2 ...  ainCin

IF/ 2
 ALJABAR LINEAR DAN
Contoh 2.4:
3 1 0 4 3 2 3 2 4
det(A)= 2 4 3 3
4 2  (1)  (0)  3(4)  (1)(11)  0  1
2 5 4
5 4 2

Perhatikan bahwa Cij  Mij sehingga secara matriks dapat digambarkan

     
   
 
    
   
 
 
 
Latihan 2.6
Gunakan kolom atau baris lainnya untuk menghitung determinan A! Apakah nilai determinan
yang diperoleh sama dengan contoh 2.4.

2.4 Menghitung Determinan Menggunakan Sifat-sifat Determinan

Kita dapat menggunakan reduksi baris, sifat-sifat determinan yang dibahas sebelumnya dan
perluasan kofaktor untuk menghitung determinan matriks. Perhatikan contoh berikut dan
tentukan sifat-sifat yang digunakan untuk menentukan determinannya.

 4 2 3   3 5 2 6 
1 1 1
2
Contoh 2.5:  
A 1 0 2 B 
2  2 4 1 5
3 1  
  3 7 5 3
 
4 2 3 1 0 2 5 6 0 5 6
det(A)= 1 0 2  4 2 3   10 11 0  1  [55  (60)]  5
2 3 1 2 3 1 10 11
2 3 1

1 1 3
3 5 2 6 0 1 1 3
det(B)   0 3 3
1 2 1 1 1 2 1 1 1
 1 8 0
2 4 1 5 0 0 3 3
3 7 5 3 0 1 8 0
1 1 3  3 3 3
1
IF/ 2
 ALJABAR LINEAR DAN
 1 0 3 3  1 0   1124 16   18
1 1
1 8 0  8 0 3 3

IF/ 3
 ALJABAR LINEAR DAN
Latihan 2.7
Tentukan determinan dari matriks berikut ini

 2 1 1  3 2 3 3
 4 5 2 
P  4 6 3
 Q 2

2 0 2  1 3 2 4 
 
  4 2 3 2
 
2.5 Aplikasi Determinan
Salah satu kegunaan determinan adalah untuk menentukan invers suatu matriks

Teorema 2.6
Matriks A mempunyai invers jika dan hanya jika det(A)  0

Definisi 2.4
Matriks yang mempunyai determinan  0 disebut matriks tak singular, sedangkan matriks
yang mempunyai determinan = 0 disebut matriks singular.

Definisi 2.5
Jika A adalah sebarang matriks nxn dan Cij adalah kofaktor dari aij maka matriks
 C11 C12 C1n 

C C 
C
 21 22
2n 
 
C C C 
 n1 n2
nn 

disebut matriks kofaktor dari A. Transpos dari matriks ini disebut adjoin A dinyatakan adj(A).

Teorema 2.7
Jika A adalah suatu matriks yang dapat dibalik, maka:
1
A  det( A adj( A)
1

)
 Latihan 2.8
Tentukan adj(A) A1
dan
 1 2 3 
A 6 7 1
 

IF/ 3
 ALJABAR LINEAR DAN
 3 1 4
 

IF/ 3
 ALJABAR LINEAR DAN
Teorema 2.8
Jika A dan B adalah matriks – matriks nxn yang taksingular, maka AB juga tak singular dan
1
 AB  1
B A .
1

2.6 Aturan Cramer

Definisi 2.6
Diketahui suatu sistem persamaan linear :
a11 x1  a12 x2  ...  a1n xn 
b1 a21 x1  a22 x2  ...  a2n xn

 b2
am1 x1  am2 x2  ...  amn xn  bm
dapat dituliskan dalam bentuk hasil kali matriks
 a11
a1 a1n  x1   b1 
 2

a a a x   
b2
2n  2 
 21 22
 atau Ax  b
 
  x  b 
 am1m2 a a mn  n  m 

Teorema 2.9
Jika Ax 
merupakan suatu sistem n persamaan linear dengan n peubah sedemikian
b
sehingga
A  0 maka sistem tersebut mempunyai penyelesaian tunggal yaitu:

det( A1 ) det( A2 ) , x  det  An 

x ,x  , n
det( A)
1
det( A) 2
det( A)

Dengan A adalah matriks yang diperoleh dengan menggantikan anggota-anggota pada kolom
j

ke-j dari A dengan anggota-anggota pada matriks

 b1 
 
b2
b 
 
 
b
 n

Contoh 2.6 :
Gunakan aturan Cramer untuk menyelesaikan
IF/ 3
 ALJABAR LINEAR DAN
x1  2x3  6
3x1  4x2  6x3  30
x1  2x2  3x3  8

IF/ 3
 ALJABAR LINEAR DAN
Penyelesaian
 1 0 2  6 0 2  1 6 2 1 0 6
       
A   3 4 6  A   30 4 6  A   3 30 6  A   3 4 30 
1 2 3  1 8 2 3  2 1 8 3  3 1 2 8 
       
sehingga diperoleh

det( A1 ) 40
x10
   det( A2 ) 72 det( A ) 152 38
x18    x3  det( A)3  44 11
1
det( A) 44 11 2
det( A) 44 11

 Latihan 2.9
Selesaikan sistem persamaan berikut menggunakan aturan Cramer
4x  5 y 2
11x  y  2z 
3
x  5 y  2z  1

IF/ 3
 ALJABAR LINEAR DAN

3
RUANG VEKTOR

JUMLAH PERTEMUAN : 2 PERTEMUAN

TUJUAN INSTRUKSIONAL KHUSUS :
1. Menjelaskan sifat-sifat dan operasi vektor di R2 dan R3.
2. Menjelaskan aksioma ruang vektor dan syarat subruang.
3. Mengidentifikasi suatu himpunan vektor sebagai suatu ruang vektor atau subruang
vektor .
4. Mengidentifikasi suatu himpunan vektor membangun, bebas linear,basis.
5. Menentukan basis dan dimensi dari himpunan vektor-vektor yang merupakan
anggota dari suatu ruang vektor atau subruang.
6. Menghitung matriks transisi dari perubahan basis.
7. Menentukan ruang baris, ruang kolom, ruang null dan dimensinya.

Materi :
3.1 Vektor di R2 dan R3
Secara geometris vektor digambarkan sebagai ruas garis berarah.
Perhatikan gambar berikut ini :

v B Titik A disebut titik pangkal vektor dan titik B disebut titik ujung

Vektor dengan titik pangkal A dan titik ujung B dinotasikan dengan

A
AB atau dapat dituliskan dengan huruf kecil v
Di dalam sistem koordinat vektor dapat digambarkan sebagai berikut:
Vektor dalam Ruang Berdimensi 2 (R2) Vektor dalam Ruang Berdimensi 3 (R3)

Z
Y
A Titik Ujung
Titik Ujung
B
v w B
O
Titik Pangkal A Y
X
OO
Titik Pangkal X

OA,OB disebut vektor standar karena titik pangkal vektor tersebut berada pada titik O.

IF/ 3
 ALJABAR LINEAR DAN MATRIKS
Definisi 3.1
Misalkan AB dan PQ adalah vektor dalam R2 dan R3 maka dalam koordinat kartesian vektor

komponen A =
(x1, y1 dan komponen B = (x2 , y2 sedangkan dalam R3 komponen P =
) )
AB
(x1, y1, dan Q = (x2 , y2 , z2 ) . Panjang vektor AB dan PQ dinotasikan
z1) dinotasikan

PQ adalah

AB (x 12x )2  ( y 12 y )2 dan PQ (x 12x )2  ( y 12 y )2  (z 12 z )2

3.2 Operasi –Operasi Vektor

a. Penjumlahan Vektor
Cara segitiga
w
v vw
w
v
Cara jajaran genjang

w w v
w
v
b. Perkalian Vektor dengan Skalar

u
2
c. Vektor Negatif

u 
 Latihan 3.1

Misalkan u  (2, 2,3), v  (1, 3, 4) , w  (3, 6, 4) . Hitunglah ekspresi yang ditunjukkan:

a. 3u  5v  w
b. 1
uv d. u  v
2w
2
1
c. u  v e. w
w
IF/ 3
3.3 Ruang Vektor dan Sub Ruang
Vektor Aksioma 3.1
Misalkan V suatu himpunan tak kosong dimana operasi penjumlahan dan perkalian

didefinisikan, jika untuk setiap u, v, w anggota V dan α,β adalah skalar berlaku:

(a) u, v V  u  v V

(b) u  v  v  u
(c) u  (v  w)  (u  v)  w

(d) 0V  u  0  0  u  u,u V

(e) u V ,  u V  u  (u)  0

(f) α skalar, u V  u V

(g)  (u)  ( )u

(h)  (u  v)  u   v

(i) (   )u  u   u
(j) 1u  u

IF/ 3
Maka V disebut ruang vektor dan anggota dalam V disebut vektor.
Contoh 3.2:
Misalkan V  R2 adalah himpunan vektor-vektor yang didefinisikan sebagai berikut
 x   x 
 1  
 y1   y1 
 x1   x2   x1  x2 
     
y y y y
 1  2  1 2

Maka R2 memenuhi semua aturan dari aksioma 3.1.

Jika diberikan suatu ruang vektor V, maka kita dapat membentuk ruang vektor lain S yang
merupakan himpunan bagian dari V dan menggunakan operasi-operasi pada V.
Definisi 3.2
Jika S adalah himpunan bagian tidak kosong dari suatu ruang vektor V dan S memenuhi
syarat-syarat berikut ini maka berlaku :

a)  x  S jika x  S untuk sembarang skalar  .

b) x  y  S jika x  S dan y  S
. maka S disebut subruang dari V.

Contoh 3.3:

Misalkan S =(x, 0) x  R. Tunjukkan S adalah subruang dari R2.

Penyelesaian:
Ambil u  (u1, 0), v  (v1, 0)  S dan   R maka

1. u   (u1, 0)  (u1, 0)  S

2. u  v  (u1, 0)  (v1, 0)  (u1  v1, 0)  S

Dari 1. dan 2. Terbukti S =(x, 0) x  Radalah subruang dari R2.

Contoh 3.4:

IF/ 3
 ALJABAR LINEAR DAN

Diketahui K =(x, 0) x  0. Periksalah apakah K adalah subruang dari R2.

K bukan subruang dari R2 karena terdapat u  (1, 0)  K dan 1 R sehingga (1)u  R .

 Latihan 3.2
Periksa apakah himpunan berikut adalah subruang dari R3 .

a. K  (x, y, z) x  2y, z   y b. K  (x, y, z) x  2 y 1

3.4 Kombinasi Linear dan Membangun

Berikut ini diperkenalkan tentang konsep kombinasi linear dari vektor-vektor kolom.

Definisi 3.3

v1, v2 ,..., vr jika bisa

Suatu vektor w disebut suatu kombinasi linear dari vektor-vektor

dinyatakan dalam bentuk :

w  1 v1   2 v2  ...   n vn

Dengan 1,2 , ,n adalah skalar.

Contoh 3.5:

Diketahui
u  (1, 2, 1) v  (6, 4, 2) dalam R3. Periksalah w  4, 0, 4 dan
dan apakah

a  (3, 1, 2) adalah kombinasi linear dari vektor u dan v .

Penyelesaian:

a. Jika w adalah kombinasi linear dari vektor u dan v maka w dapat dituliskan ke
dalam bentuk
w  1u   2 v sehingga diperoleh
IF/ 4
 ALJABAR LINEAR DAN
4, 0, 4  1(1, 2, 1) 2 (6, 4, 2)
4, 0, 4  (1, 21, 1)  (62 , 42 , 22 )

IF/ 4
 ALJABAR LINEAR DAN

4, 0, 4  (1  62 , 21  42 , 1  22 )

Dengan menyamakan komponen-komponen diperoleh

  6  1  62  4
4
1 2
   4
2
21  42  1 2

0
  2  4 82  8
1 2
 1
2
Kemudian
2  1 disubstitusikan ke persamaan 1) atau 3) sehingga diperoleh
1  2 . Terakhir memeriksa hasil dengan cara mensubstitusikan 1,2 ke

persamaan 3. Karena 1 dan 2 memenuhi ketiga persamaan maka a adalah

kombinasi linear dari vektor u dan v .

b. Jika a adalah kombinasi linear dari vektor u dan v maka a dapat dituliskan ke dalam
bentuk
a  1u  2 v sehingga diperoleh

3, 1, 2  1(1, 2, 1) 2 (6, 4, 2)

3, 1, 2  (1, 21, 1)  (62 , 42 , 22 )
3, 1, 2  (1  62 , 21  42 , 1  22 )
Dengan menyamakan komponen-komponen diperoleh

  6  3 1  62  3
1 2
 2  2

21  42  1 1 2

  2  8 2  5
2
1 2

8
IF/ 4
 ALJABAR LINEAR DAN

2
 5

Kemudian
2  5 disubstitusikan ke persamaan 1) atau 3) sehingga diperoleh
8
1   3 . Terakhir memeriksa hasil dengan cara mensubstitusikan
1,2 ke
4
persamaan 3 ternyata diperoleh

IF/ 4
 ALJABAR LINEAR DAN

3 5
2   4  
1 4 8
3 5
   1
2 2
1  1

Maka a adalah bukan kombinasi linear dari vektor u dan v .

Latihan 3.3

Diketahui
u  (2,1, 4) v  (1, 1,3) w  (3, 2,5) , nyatakan vektor-vektor berikut ini
, dan

sebagai kombinasi linear dari vektor-vektor u, v, w .

a. a  (6,11, 6) b. b  (9, 7, 15)

Definisi 3.4

Diketahui V adalah ruang vektor dan s1, s2 ,..., sn V . S dikatakan


S  s1 , s2 ,..., sn

 dimana

membangun (merentang) V jika v V , v merupakan kombinasi linear dari S, yaitu :

v  1 s1 2 s2 ...   n sn 1,2 , ,n skalar

S disebut ruang rentang dan s1, s2 ,..., disebut rentang dari V.

sn

Contoh 3.6:

Apakah u  (1, 2,3), v  (2, 4, 6), w  (3, 4, 7) membangun di R3?

IF/ 4
 ALJABAR LINEAR DAN
Penyelesaian:
Misalkan u, v, w membangun R3 maka untuk sembarang vektor (x, y, z)  R3 akan

ditunjukkan bahwa vektor (x, y, adalah kombinasi linear dari u, v, w , sehingga dapat
z)
dituliskan

IF/ 4
 ALJABAR LINEAR DAN

1 1, 2,3 2 2, 4, 6 3 3, 4, 7   x, y, z 

Atau dalam bentuk matriks dapat dituliskan menjadi

 1 2 3  1   x 
 
2 4 4  2   
3 6 7     
3  z

Persamaan linear ini akan konsisten jika tidak ada baris 0 pada matriks A setelah dilakukan
reduksi baris.
Dengan OBE diperoleh
 1 2 3   1 2 3  1 2 0
   0 02  1
  00
 23 64 74   0 0 2  0 0 0 
 
     

Karena ada baris yang 0 maka pastilah ada vekor di

R3 yang bukan merupakan kombinasi

linear dari u, v, w . Jadi u, v, w tidak membangun di R3 .

Latihan 3.4

Diketahui u  (1, 2), v  2, 2, w  (1,3) . Apakah u, v, w membangun di R2?

3.5 Bebas Linear dan Bergantung Linear

Definisi 3.5
Misalkan S = { v1, v2,..., vr } adalah suatu himpunan vektor-vektor tak kosong, vektor-vektor

v1, v2 ,..., vr disebut bebas linear jika untuk persamaan vektor

mempunyai satu-satunya penyelesaian yaitu 1 v1   2 v2 ...   r vr  0

1  0, 2  0, ..., r  0
Definisi 3.6

IF/ 4
 ALJABAR LINEAR DAN

Misalkan S = { v1, v2 ,..., vr } adalah suatu himpunan vektor-vektor tak kosong, vektor-vektor

v1, v2,..., vr disebut bergantung linear jika terdapat skalar-skalar

1, 2 , ..., r yang tidak
semuanya nol sehingga 1 v1   2 v2 ...   r vr  0 .

Contoh 3.7:
1 1
a. Vektor-vektor   dan   adalah bebas linear karena jika
1 2
   
1
  1  maka 
0    0 dan   2  sehingga diperoleh
 0
1  2    1 2 1 2
1 2 0
     
1  2  0
b. Diketahui dua vektor (4,3) dan (4, 3) maka

1 4,3   2 4, 3  0, 0

41  42 
0 misalkan   maka   t
t
3  3  0 2 1
1 2

Maka kedua vektor bergantung linear. Atau tanpa menyelesaikan sistem persamaan
linear kita dapat menunjukkan bahwa determinan dari matriks koefisiennya = 0 maka
sistemnya punya penyelesaian tak-trivial.
 Latihan 3.5
Periksalah apakah vektor-vektor berikut ini bebas linear atau bergantung linear

a. u  8, 1,3, v  4, 0,1 b. u  (1, 2), v  2, 2, w  (1,3)

3.6 Basis dan Dimensi syarat, yaitu :

Definisi 3.7 1. S bebas linear
Misalkan V ruang vektor dan

IF/ 4
 ALJABAR LINEAR DAN

S {s1, s2 ,..., sn}. S disebut basis

dari V jika memenuhi dua

IF/ 4
 ALJABAR LINEAR DAN

2. S membangun V
Basis dari suatu ruang vektor bisal lebih dari satu. Ada dua macam basis yang kita kenal,
yaitu:
a. Basis standar
Contoh 3.8:
- S {(1, 0,..., 0),(0,1,..., 0),...,(0,
dimana (1, 0,..., 0),(0,1,..., 0),...,(0, 0,...,1)
0,...,1)}

adalah anggota vektor Rn sehingga (1, 0,..., 0),(0,1,..., 0),...,(0, 0,...,1) adalah basis
 1dari
standar 0 Rn 0. 1   0 0   0 0 
- S , , , adalah basis dari M .
        22
 0 0  0 0  1 0  0 1
- Didalam R2 dan R3 , basis standar sering dituliskan menjadi i, j, k .
b. Basis tidak standar

Definisi 3.8
Suatu ruang vektor tak nol V disebut berdimensi terhingga jika V berisi suatu himpunan

vektor terhingga v , v ,..., v

1 2 n yang membentuk suatu basis. Jika tidak ada himpunan


seperti itu maka V disebut berdimensi tak hingga. Ruang vektor nol berdimensi hingga.

Teorema 3.1

 
Jika V adalah suatu ruang vektor berdimensi terhingga dan v1 , v2 ,..., vn adalah sembarang
basis, maka:
a. Setiap himpunan yang lebih dari n vektor adalah tak bebas linear.
b. Tidak ada himpunan dengan vektor yang kurang dari n yang membangun V.

IF/ 4
 ALJABAR LINEAR DAN

Teorema 3.2
Semua basis untuk suatu ruang vektor berdimensi terhingga mempunyai jumlah vektor
yang sama.
Definisi 3.9
Dimensi suatu ruang vektor berdimensi terhingga V, yang dinyatakan dengan dim(V),
didefinisikan sebagai jumlah vektor dalam suatu basis untuk V.

Teorema 3.3
Jika V adalah suatu ruang vektor berdimensi n , dan jika S adalah suatu himpunan dalam V
dengan tepat n vektor, maka S adalah suatu basis untuk V jika S merentang V atau S bebas
linear.

Contoh 3.9:

Misalkan
v1  (1, 2,1), v2  (2,9, 0), v3  (3,3, 4) . Tunjukkan bahwa himpunan S={ v1, v2 , v3
}
adalah suatu basis dari R3.
Penyelesaian:
Untuk menunjukkan bahwa himpunan S membangun R3 akan ditunjukkan bahwa untuk

sembarang b  (b ,b ,b )  R3 bisa dinyatakan sebagai kombinasi linear

1 2

b  1v1 2v2 3v3

Sehingga diperoleh (b1,b2 ,b3 )  1(1, 2,1) 2 (2,9, 0) 3 (3,3, 4)

(b1,b2 ,b3 )  (1  22  33 , 21  92  33 ,1  43 )

Dengan menyamakan komponen-komponen berpadanan diperoleh:

1  22  33  b1
21  92  33  b2

IF/ 5
 ALJABAR LINEAR DAN
1  43  b3

IF/ 5
 ALJABAR LINEAR DAN

Untuk menunjukkan bahwa S membangun R3 harus ditunjukkan bahwa sistem persamaan

linear diatas punya penyelesaian untuk semua b .

Untuk menunjukkan bebas linear maka jika

1 v1   2 v2 3 v3  0
Maka 1  2  3  0

Karena dim R3 = 3 dan jumlah anggota S = 3, maka kita hanya perlu menunjukkan bahwa
vektor-vektornya saling bebas linear atau membangun. Dengan menunjukkan matriks
koefisiennya punya determinan tidak nol, maka dikatakan S bebas linear dan membangun
1 2 3
 
A 2 9 3
 1 0 4 
 
det(A)  1

Jadi S adalah basis untuk R3.

Latihan 3.6
 1   2   1 
      
Tunjukkan bahwa 2 , 1 , 0 adalah basis R3
   
     
 3  0  1

3.7 Vektor Koordinat dan Matriks Transisi

Definisi 3.10


Misalkan V adalah suatu ruang vektor dengan basis B = b1 ,b2 ,..., bn  dan v V . Koordinat
vektor v terhadap basis B adalah :

 1 
 
 v    2  IF/2011 34
 B  
 
 n 
 ALJABAR LINEAR DAN

Dimana 1b1   2 b2   n bn v

Contoh 3.10:
1   1   1   1 
        
Tentukan koordinat vektor v  0 terhadap basis B  0 , 2 , 1
       
       
 3  0  0  2
Penyelesaian
 1  
Koordinat v terhadap B adalah vektor  v    2 yang memenuhi
 B  
 
 3 

 1  1   1  1
 0  2     
 1  0
1  2  3   
       
 0  0  2  3
Sehingga diperoleh matriks augmentednya
 1 1 1 1  OBE  1 0 0  94 
   
0 2 1 0 0 1 0
 0 0 2 3   0 0 1 3 4 3

   2 

 9 
  3 4
Jadi v   4 
 B  3 
 2 

Perhatikan bahwa urutan vektor di basis menentukan koordinat. Jika

IF/ 3
 ALJABAR LINEAR DAN

 1   1   1 
'     
B  2 , 1 , 0

     
 0  2  0

Maka koordinat v terhadap B’ adalah

 34 
 v ' 
 B  2 
 9 
4
Latihan 3.7
Tentukan koordinat relatif dari (3,2,5)T terhadap basis
 (2,3, 4) . T

u  (1,1,1)T ,u  (1, 2, 2)T

,u
1 2 3

Teorema 3.4
Koordinat vektor terhadap suatu basis tertentu adalah tunggal.

Definisi 3.11

Pandang
   
B  b1 ,b2 ,...,bn dan U  u1 ,u2 ,...,un untuk ruang vektor V. Matriks transisi dari

B ke U adalah

P  b 1
U
,  b2  ... bn 
 
U

U
 
Dan memenuhi
persamaan
 v  P v V
 U
 v
 B
Matriks P adalah matriks tak singular dan P’ adalah matriks transisi dari U ke B.

IF/ 3
 ALJABAR LINEAR DAN

Contoh 3.11:

IF/ 3
 ALJABAR LINEAR DAN

  
a. Carilah matriks transisi dari perubahan basis v1 , v2 ke u1 , u2 dimana 
5 7  3 1
v2   dan u2   


v1    , u1   1
2 
3
,
2
       
1
b. Jika a  tentukan a
 V    U
 
Penyelesaian

a. Kita dapat menuliskan masing-masing basis v1, v2 ke dalam u1, u2

v1  p11u1  p21u2
v2  p12 u1  p22
u2

Dengan mensubstitusi v1, dan u1, diperoleh dua persamaan sebagai berikut:
v2 u2
 5    3 p11  p21   7   3 p12  p22
 2  2 p  p dan 3  2 p  p
   21 
11    12 22 
 p11   3   p12   4 
Dari persamaan ini diperoleh  dan 
       
p 4 p 5
 21     22   
 3 4

Sehingga diperoleh P  
4 5
  
 adalah matriks transisi dari basis v1 , v2 ke u1 , u2 . 
 
b. Dapat ditunjukkan pula bahwa

a
 3 4   3 4  1   5
  
 U a 4 5
  V
IF/ 3
 ALJABAR LINEAR DAN
4    
5 2 6
      

Latihan 3.8

  
1. Dari contoh diatas tentukan matriks transisi dari basis u1 , u2 ke v1 , v2 
2. Misalkan v  (4, 6, 7)T , v  (0,1,1)T , v  (0,1, 2)T adalah basis dan u  (1,1,1)T ,
1 2 3 1

IF/ 3
 ALJABAR LINEAR DAN

u  (1, 2, 2)T ,u  (2,3, 4)T

2 3

  
a. Tentukan matriks transisi dari u1 , u2 ,u3 ke v1 , v2 , v3 

b. Jika x  2v1  3v2  4v3 , tentukan koordinat dari x relatif terhadap u1 , u2 ,u3 

3.8 Rank dan Nulitas

Definisi 3.12
Jika A adalah matriks mxn maka subruang Rn yang direntang oleh vektor-vektor baris dari A
disebut ruang baris dari A. Subruang dari Rm yang direntang oleh vektor-vektor kolom dari
A disebut ruang kolom dari A. Ruang penyelesaian dari sistem persamaan homogen Ax  0
adalah subruang dari Rn disebut ruang null/ruang kosong dari A dinotasikan N(A) .
Contoh 3.12
Misalkan 1 0 0
A 
 0 1 
Ruang baris dari A adalah himpunan dari
 (1, 0, 0)   (0,1, 0)   , , 0

Ruang kolom dari A adalah himpunan semua vektor yang berbentuk

1  0  0   
             
0 1 0

Teorema 3.5
Operasi baris elementer tidak mengubah ruang null dari suatu matriks
Operasi baris elementer tidak mengubah ruang baris suatu kolom
Contoh 3.13:

IF/ 4
 ALJABAR LINEAR DAN

 1 2 1 1 
Diketahui A  2 4 3 0
 
1 2 1 5
 
Tentukan basis untuk ruang kosong A (N(A))

Penyelesaian
Menggunakan operasi baris elementer diperoleh matriks U yang merupakan matriks bentuk
eselon baris tereduksi dari A.
1 2 0 3
 
U 0 0 1 2
 0 0 0 0 
 
Karena persamaan Ax  0 ekivalen Ux  0 (berdasarkan Teorema 3.5) maka
dengan
x  N ( A) jika dan hanya jika
x1  2x2
 3x4  0 x1  2x2  3x4
x  2x  0 sehingga x  2x
3 4 3 4

Misalkan x2  dan x4   maka vektor-vektor x  N ( A) berbentuk


 x1   2  3   2   3
       
 x2      1  0 
 x3   2   0  2 
       
x  0 1
 4      
T T
Jadi basis untuk N ( A) adalah  2,1, 0, 0  dan  3, 0, 2,1

Teorema 3.6
Jika suatu matriks U berada dalam bentuk baris eselon maka vektor-vektor baris dengan

IF/ 4
 ALJABAR LINEAR DAN
utama 1 (yaitu vektor-vektor tak-nol) membentuk suatu basis untuk ruang baris U dan

IF/ 4
 ALJABAR LINEAR DAN

vektor-vektor kolom dengan utama 1 dari vektor-vektor baris membentuk suatu basis untuk
ruang kolom dari U.

Teorema 3.7
Jika A dan B adalah matriks yang ekivalen baris maka
a. Suatu himpunan vektor kolom dari A yang bebas linear jika dan hanya jika vektor-vektor
kolom yang berpadanan dari B juga bebas linear.
b. Suatu himpunan vektor kolom dari A yang diberikan membentuk suatu basis untuk
ruang kolom dari A jika dan hanya jika vektor-vektor kolom yang berpadanan dari B
membentuk suatu basis untuk ruang kolom dari B.

Berdasarkan teorema 3.6 , teorema 3.7 dan teorema 3.5 maka kita dapat menentukan basis
dari suatu matriks A dengan cara

Diketahui himpunan vektor S = { v1, v2 , vk } Rn

,
1.
Bentuk matriks A yang mempunyai vektor v1, v2 ,, vk sebagai vektor-vektor kolomnya
2.
Reduksi matriks A menjadi matriks baris eselon tereduksi R dan anggaplah w1, w2 , wk
adalah vektor-vektor kolom dari U.
3.
Kenali kolom-kolom yang mengandung utama 1 di U. Vektor-vektor yang berpadanan
dari A merupakan vektor-vektor basis yang membangun S.
4.
Nyatakan setiap kolom dari U yang tidak mengandung utama 1 sebagai kombinasi linear
dari vektor-vektor kolom yang mengandung utama 1. Persamaan yang berpadanan
untuk vektor-vektor kolom dari A menyatakan bahwa vektor-vektor yang tidak ada
dalam basis tersebut dapat diperoleh dari kombinasi linear dari vektor-vektor basisnya.

IF/ 4
 ALJABAR LINEAR DAN

Definisi 3.13
Rank dari suatu matriks A adalah dimensi dari ruang baris/ruang kolom dari A. Nulitas
adalah dimensi dari ruang nol.
Pada umumnya jumlah rank dan nulitas akan selalu sama dengan banyak kolom dari
matriks.
Teorema 3.8
Jika A adalah matriks m x n, maka rank dari A ditambah nulitas dari A sama dengan n.

Contoh 3.14

 1 2 3 
2 1 0
Diketahui A   
 3 1 1
5 0 1
 
Tentukan
a. Semua vektor baris dan vektor kolom dari A
b. Basis dan dimensi dari ruang kolom A
c. Basis dan dimensi dari ruang baris A
Penyelesaian

a. Vektor baris : v1  (1, 2,3), v2  (2,1, 0), v3  (3,1,1), v4  (5, 0, 1)

1 2 3 
     
Vektor kolom : w   2 , w  1  , w  0 
1
 3  2 1 3  1 
     
 5  0  

IF/ 4
 ALJABAR LINEAR DAN

1 2 3 1 2 3
  
2 1 0 0 1 65 
b. A   U
 3 1 1  
0 0 1
5 0 1 0 0 0
   
Bilangan utama 1 ada pada semua kolom pada matriks U sehingga basis dari ruang

kolom adalah S  {w1 , w2 , w3} dan dimensi ruang kolomnya adalah 3.

 1 2 3 5   1 2 3 5 
   0 1 1 2   U
c. A 2 1 1 0 
T

3 0 1 1   0 0 1 2 
   
Bilangan utama satu terletak pada kolom ke-1,2,3 maka basis dari ruang baris A adalah

S {v1, v2 , v3} dan dimensi ruang baris A adalah 3.

Latihan 3.9
1. Tentukan basis dan dimensi dari ruang kosong A jika ada
 1 1 3   1 4 5 2 
(i) A  4
 4 (ii) A  2 1 3 0
5
  1 3 2 2 
7 6 2 
   
2. Tentukan basis ruang kolom, basis ruang baris dan rank dari matriks A berikut ini
 1 1 3 2 
2 0 1 1
 
 2 1 1 1 
3 2 3 3
 
3. Tentukan basis dari ruang yang direntang oleh vektor – vektor berikut ini

v1  (1, 0,1,1), v2  (3,3, 7,1), v3  (1,3,9,3), v4  (5,3,5, 1)

IF/ 4
 ALJABAR LINEAR DAN

4 RUANG HASIL KALI DALAM

JUMLAH PERTEMUAN : 3 PERTEMUAN

TUJUAN INSTRUKSIONAL KHUSUS :
1. Menghitung hasil kali dalam baku dan hasil kali silang.
2. Menggunakan aksioma hasil kali dalam untuk memeriksa ruang hasil kali dalam
3. Mengetahui sifat-sifat ruang hasil kali dalam
4. Menggunakan sifat-sifat basis ortogonal dan basis ortonormal
5. Menggunakan metode Gram-Schimdt untuk menentukan basis ortogonal.

Materi :
4.1 Hasil Kali Dalam Baku
Definisi 4.1

u.v
Jika u dan v adalah vektor-vektor kolom dalam ruang berdimensi 2 maka dinotasikan
sebagai hasil kali titik/hasil kali skalar

u.v  u1v1  u2v2

Jika u dan v adalah vektor-vektor kolom dalam ruang berdimensi 3 maka

u.v  u1v1  u2v2  u3v3

Hasil kali dalam baku

untuk R2, R3 didefinisikan sebagai hasil kali u,  u.v
skalar v

Definisi 4.2
IF/ 4
 ALJABAR LINEAR DAN

Jika u dan v adalah vektor-vektor dalam ruang berdimensi 2 dan berdimensi 3,  adalah
sudut antara u dan v , maka hasil kali titik atau hasil kali dalam Euclidean
 u 
v cos jika u  dan v  0
u.v 
 , 0
 0 dan v  0
jika u  0

Definisi 4.3

Jika u dan v adalah vektor-vektor tak-nol, maka sudut dari dua buah vektor dapat
ditentukan dengan cara

cos  u.v
u .v

 Latihan 4.1
1 1
   tentukan
b a  a, b
1.
 Jika a  2 b  2 T dan
   
   
 3  2

2. Diketahui u  (2, 1,1) dan v  (1,1, 2) Tentukan sudut  antara u dan v .

4.2 Hasil Kali Silang

Dalam penerapan vektor dalam ruang berdimensi 3 kadang-kadang diperlukan suatu vektor
yang tegak lurus terhadap dua vektor yang diketahui, untuk itu diperkenalkan sebuah jenis
perkalian vektor yang menghasilkan vektor-vektor tersebut.

Definisi 4.4

Jika

IF/ 4
 ALJABAR LINEAR DAN
u (u1,u2 ,u3 ), v  (v1, v2 , v3 ) adalah vektor-vektor dalam ruang berdimensi 3 maka hasil

kali silang u  v adalah vektor yang didefinisikan sebagai

IF/ 4
 ALJABAR LINEAR DAN

 u2
uv u3 u3 u1 u2 
 u1 ,  , 
v v v v v v
 2 3 1 3 1 2 

Contoh 4.1:
 

Carilah u  v dimana u  (1, 2, 2), v  (3, 0,1) .

Penyelesaian :
Susun dalam bentuk matriks
 1 2 2 
 
3 0 1 
 2 2 1 2 , 1 2   (2, 7, 6)
Maka ,
uv

0
 1 3 1 3 0 

 Latihan 4.2

a. Hitunglah u 
v dimana u  (2, 1,1) dan v  (1,1, 2)

b. Kemudian
tentukan u dan ,
v u v

c. Hitunglah dan u  v .v . Apa yang dapat Anda simpulkan dari hasil perhitungan
uv
.u

tersebut?
2 2 2
d. Periksalah apakah u  v .  (u  v)
2

IF/ 4
 u v ALJABAR LINEAR DAN

4.3 Ruang Hasil Kali Dalam

Definisi 4.5
Hasil kali dalam (dinotasikan <. ,.>) adalah fungsi yang mengaitkan setiap vektor di ruang
vektor V dengan suatu bilangan riil dan memenuhi aksioma berikut. Misalkan V adalah

ruang vektor, u, v, wV  suatu skalar, maka berlaku:

IF/ 5
 ALJABAR LINEAR DAN

1. Simetris : u,  v,u
v

2. Aditivitas :u u, w v, w
 v, w
 

3. Homogenitas :
u,  . u, v
v

4. Positifitas : u, u  0 u,u
dan 0u0

Ruang vektor yang dilengkapi dengan hasil kali dalam disebut ruang hasil kali dalam.
Contoh 4.2
1. Ruang hasil kali dalam Euclides ( Rn )
Misalkan u, v  Rn u,  u v  u v ...  u v .
maka v
1 1 2 2 n n

Panjang vektor di Rn dapat dinyatakan sebagai bentuk hasil kali dalam yaitu
1/2
u  u,u u1u1  u2u2 ...  unun

Dapat ditunjukkan bahwa sifat simetris, aditivitas, homogenitas dan positifitas dipenuhi

2. Jarak antara dua vektor

u, v  Rn dinyatakan d (u, v) juga dapat dinyatakan
dengan
sebagai bentuk hasil kali dalam.
u v
d (u, v)  u  v   v,u 1/ 2

 (u11v )2  (u22  v )2 ...  nn

(u  v )2

3. Misalkan W  R3 yang dilengkapi dengan operasi hasil kali u,  2u v  u v  3u v

v
dimana u, v W .
Tunjukkan W
IF/ 5
 ALJABAR LINEAR DAN
1 1 2 2 3 3
adalah ruang hasil kali dalam.
a. Simetris

Ambil u, v W sembarang maka

u, v
 2u1v1  u2v2  3u3v3  2v1u1  v2u2  v,u
3v3u3 

b. Aditivitas

IF/ 5
 ALJABAR LINEAR DAN

Ambil u, v, wW sembarang maka

u  v, w  2(u1  v1 )w1  (u2  v2 )w2  3(u3  v3 )w3

 2(u1w1  v1w1 )  (u2w2  v2w2 )  3(u3w3  v3w3 )

 2u1w1  2v1w1  u2w2  v2w2  3u3w3  3v3w3

 (2u1w1  u2w2  3u3w3 )  (2v1w1  v2w2  3v3w3 )

 u, w  v, w

c. Homogenitas

Ambil u, v W ,  skalar maka

u, v  2u1v1 u2v2  3u3v3

  (2u1v1  u2v2  3u3v3 )  u, v



d. Positifitas

Ambil u W maka
u,u  2u u  u u  3u u  2u 2  u 2  3u 2
1 1 2 2 3 3 1 2 3

Karena u 2 ,u 2 ,u 2  0 maka 2u 2  u 2  3u 2  0
1 2 3 1 2 3

dan 2u 2  u 2  3u 2  0  u  0
1 2

4. Tunjukkan u,  u1v1  2u2v2  3u3v3 bukan merupakan hasil kali dalam

bahwa v

Perhatikan untuk u,u  u 2  2u 2  3u 2 saat 3u 2  u 2  2u 2

u, u  0
maka
1 2 3 3 1 2

Sehingga tidak memenuhi sifat positivitas.

IF/ 5
 ALJABAR LINEAR DAN

 Latihan 4.3

IF/ 5
 ALJABAR LINEAR DAN

a. Periksa apakah u,  4u v  5u adalah suatu hasil kali dalam pada R2

v v
1 1 2 2

b. Periksa apakah u,  u v  u v adalah suatu hasil kali dalam pada R3

v
1 1 3 3

c. Periksa apakah u,  u 2v 2  u 2v 2  u 2v 3 adalah hasil kali dalam pada R3

1 1 2 2 3
v

Teorema 4.1
Berikut ini beberapa sifat dari vektor-vektor dalam ruang hasil kali dalam

Jika
u, v, w adalah vektor-vektor dalam ruang hasil kali dalam real, dan  adalah skalar
sembarang maka :

a. 0, v  v, 0

b. u, v  u,  u, w
 w v

c. u,v  . u, v

d.  v, w u, w v, w
u  

e. u, v   u,  u, w
w v

 Latihan 4.4
1. Buktikan Teorema 4.1

2. uJika U v11
11 u12  
V
IF/ 5
v12  ALJABAR LINEAR DAN
didefinisikan
 hasi l kali dalam untuk M maka
u u    22
v v
 21 22   21 22 
U ,V 2  u 2  u 2  2u
u11122122
u v u v u v u dan U  U 1/2
v ,U 
11 11 12 12 21 21 22 22

Tentukan
1 2
U ,V jika U   4 6
V
   
3 5  0 8 

IF/ 5
 ALJABAR LINEAR DAN

Definisi 4.6

Dua buah vektor u dan v dalam Rn disebut ortogonal u, v  0

jika

 Latihan 4.5
1 0   0 2
Tunjukkan bahwa matriks U    V  saling ortogonal
1 1 0 0

   

4.4 Basis Ortonormal

Definisi 4.7

v1, v2
Diketahui V adalah ruang hasil kali dalam dan , , vn V
 
. H  v1 , v2 , , vn disebut

himpunan ortogonal jika untuk setiap vektor dalam V saling tegak lurus berlaku

vi , vj  i j dan i, j  1, 2,..., n .
0

Definisi 4.8

Diketahui V adalah ruang hasil kali dalam dan v1, v2

, vn V
 
. G  v1 , v2 , , vn disebut
,

himpunan ortonormal jika

- G adalah himpunan ortogonal

- Norma dari vi  1, i  1, 2,..., n atau vi , vi  1

 Latihan 4.6
IF/ 5
 ALJABAR LINEAR DAN
Diketahui u  (0,1, 0), u  (1, 0,1), u  (1, 0, 1)  R dan R3 adalah ruang hasil kali dalam.
3
1 2 3

a. Tunjukkan bahwa u1, u2 , u3 ortogonal

b. Apakah u1, u2 , u3 ortonormal?

IF/ 5
 ALJABAR LINEAR DAN

c. Hitunglah u1 , u2 , u3
1
v  .u , v  1 1
.u , v  d. Tentukan v , v , v
.u
1 1 2 3 3 1 2 3
u1 2 u2
u3

e. Hitunglah v1 , v2 , v3

f. Apakah v1, v2 , adalah vektor ortonormal?

v3

NB: Vektor v1, v2 , v3 disebut vektor satuan/vektor normal karena vektor ini mempunyai

panjang 1.

4.5 Metode Gram-Schimdt

Basis yang berisi vektor-vektor ortonormal disebut basis ortonormal dan basis yang berisi
vektor-vektor ortogonal disebut basis ortogonal.
Perhatikan gambar berikut

u proy W u

proyW u W proyW u
W

proyW u adalah proyeksi ortogonal u pada W dan proy  u adalah proyeksi ortogonal u
W

maka sehingga
pada W┴. Jika u  proyW u  proyW  proyW u  u  proyW


u u

dapat dituliskan menjadi

u  proyW u  proyW  u  proyW u  (u  proyW u)
u

IF/ 5
 ALJABAR LINEAR DAN

Teorema 4.2
Misalkan W adalah subruang berdimensi tehingga dari suatu ruang hasil kali dalam V.

IF/ 6
 ALJABAR LINEAR DAN

a. Jika v1 , v2 ,..., vr  adalah suatu basis ortonormal untuk W, dan u adalah sebarang vektor

dalam V maka proyW u u, v1 u,v2 v2 ... u,vr vr

 v1  

b. Jika v1, v2,..., vr  adalah suatu basis ortogonal untuk W dan u adalah sebarang vektor
dalam V maka

u, v1 u, v2 u, vr
proyW u  2 v1  2 v2  ...  2 vr
v1 v2 vr
 Latihan 4.7

W adalah subruang yang dibangun oleh v ,

1 vektor-vektor ortonormal v1  (0,1, 0) ,

v2 
 4 3
v2    , 0,  .
5 5
 

a. Tentukan proyeksi ortogonal dari u =(1,1,1) pada W

b. Tentukan proyeksi ortogonal dari u =(1,1,1) pada W┴

Definsi 4.9
Metode Gram-Schimdt adalah metode yang digunakan untuk mengubah himpunan vektor
yang bebas linear menjadi himpunan vektor ortogonal.

 
Misalkan diketahui B = b1 ,b2 ,..., bn adalah himpunan vektor yang bebas linear, maka B


dapat diubah menjadi himpunan S = s1 , s2 ,..., sn  yang ortogonal dengan cara:
1. s1  u 1

u2 , s1
2. s2  u2  proyW u2  u2  2 s1
1
s1
IF/ 6
 ALJABAR LINEAR DAN

u3 , s1 u3 , s2
3. s3  u3  proyW u3  u3  2 s1  2 s2
2
s1 s2

u4 , s1 u4 , s2 u4 , s3
4. s4  u4  proyW u4  u4  2 s1  2s2  2s3
2
s1 s2 s3

5. ...

un , s1 un , s2 un , sn
6. sn  un  proyW un  un  2 s1  2s2  ...  2sn
2
s1 s2 sn

Contoh 4.3:
Diketahui u , u ,u adalah basis untuk ruang vektor R
1 2 3
2
dengan hasil kali dalam. u  (1,1,1) ,
1

u2  (0,1,1) , u3  (0, 0,1) . Maka :

a. Ubahlah basis
u1,u2 ,u3 menjadi basis ortogonal s1, s2 , s3

b. Ubahlah basis s1, s2 , s3 menjadi basis ortonormal v1, v2 , v3

Penyelesaian

1. s1  u1  (1,1,1)
2  2 1 1
2. s2  u2  proyW1 u 2  u2  u2 , s1  0,1,1 3 (1,1,1)  3 3, 3, 
2 s1
s1  

u3 , s1 u3 , s2
3. s3  u3  proyW u3  u3  2 s1 
2 s2
2
s1 s2
1 1/ 3  2 1  1   1 1 
 0, 0,1 3 (1,1,1)2/ 3 3 3 , 3 ,  0,
2 2 ,
   

IF/ 6
 ALJABAR LINEAR DAN

 1 1
Jadi s 
(1,1,1)  2 1 1 s  0,  ,
s  
1 2  3  
, , 
 3 3 3  2 2
Setelah dihitung diperoleh norma dari masing-masing vektor
6
s1  3 s2  s3  1
3 2

Sehingga diperoleh basis ortonormal

s  1  s2 
v  1  1 ,1 , v   2 , 1 , 1 
1   2  6
3
s1 3 3  s2  6 6 

 1 1 
v3  s  0,  ,
2
s3  2 

 Latihan 4.7
Diketahui H {v1, v2 , v3}dengan v1  (1,1,1) v2  (1, 2,1) v3  (1,1, 0) adalah basis

a. Ubahlah
H {v1, v2 , v3} menjadi basis-basis ortogonal.
b. Ubahlah
H {v1, v2 , v3}menjadi basis-basis ortonormal.

Salah satu kegunaan dalam menggunakan basis ortonormal adalah sebagai berikut:

Teorema 4.2

 
Jika S  v1 , v2 ,..., vn adalah suatu basis ortonormal untuk suatu ruang hasil kali dalam V, dan

u V maka berlaku:
u  u, v1 v1 u, v2 ... u, vn vn
 v2 

IF/ 6
 ALJABAR LINEAR DAN

 Latihan 4.7
Diberikan suatu basis-basis ortonormal yang relatif terhadap suatu ruang hasil kali dalam.

Tentukan vektor koordinat w terhadap basis yang bersangkutan.

 1 1   1 , 1 
1. w  (3, u1  u  2 2


7) ,  2
 2 2
   
2 2 1
u  , , 2 1 2 1 2 2
u 
  u 
2. w  (1, 0,
1 
2)  , , 
 

3 3 3 3

2  , ,
3

  3 3  3 3 3

IF/ 6
 ALJABAR LINEAR DAN

5 TRANSFORMASI LINEAR

JUMLAH PERTEMUAN : 2 PERTEMUAN

TUJUAN INSTRUKSIONAL KHUSUS :
1. Mengetahui definisi dan contoh-contoh transformasi linear.
2. Menggunakan definisi transformasi linear untuk memeriksa suatu fungsi merupakan
suatu transformasi linear atau bukan.
3. Mengkaji sifat-sifat transformasi linear.
4. Menggunakan definisi ruang kernel dan range untuk menentukan basis dari suatu
matriks transformasi
5. Menghitung dimensi dari matriks transformasi
6. Mengkaji sifat dari matriks transformasi, matriks standar pada operator linear
7. Menghitung matriks transisi P untuk menentukan matriks transformasi pada suatu basis
B’

MATERI :
5.1 Transformasi Linear
Definisi 5.1
Suatu fungsi yang memetakan suatu vektor di ruang vektor V ke ruang vektor W

(dituliskan T :V W ) disebut sebagai transformasi linear bila  u, v V berlaku :

1. T (u  v)  T (u)  T (v)

2. T (u)  T (u)
Jika V=W maka transformasi T :V V disebut suatu operator linear pada V.
Transformasi T :V W dengan T (u)  0 disebut transformasi nol.

IF/ 6
 ALJABAR LINEAR DAN

Transformasi T :V W
A dengan
T (u)  Au disebut transformasi matriks, sedangkan A
disebut matriks transformasi.

Transformasi 𝐼: 𝑉 → 𝑉 dengan I (u)  u , I disebut operator identitas pada V.

Contoh 5.1
xy
Diketahui 
T : R2  R3
dengan x x . Periksalah apakah T adalah transformasi
T
 
   
 y 
y 
 
linear?
Penyelesaian:
 x1   x2 
Ambil u  ,v  R2 sembarang
   
y y
 1  2
 x1   x2   x1  x2 
a. u  v    maka
     
y y y y
 1  2  1 2

 x  x   (x1  x2 )  ( y1  y2 )   x1  y1  x2  y2 
T  
 uv T 1 2 x x
   
 T (u)  T (v)
  x  x
 
 y1  y2   1
y y
2
  y
1  
 
2 

y
 1 2   1   2 
 x1 
b. Ambil u  y  R ,  suatu skalar sembarang sehingga
2

1  
  x1  x1   y1  (x1  y1)  (x1  y1) 
T (u)  T     x 1     x1     x1   T (u)
 y
1   
  
      y1 
y1 y1 xy
IF/ 6
 x  ALJABAR LINEAR DAN

Jadi dari a) dan b) terbukti bahwa T  x
adalah transformasi linear.
   
 y 
y 
 

IF/ 6
 ALJABAR LINEAR DAN

Contoh 5.2

 x  2x 
Diketahui  
T : R2  R3 T    x2 . Periksalah apakah T adalah transformasi
dengan
 y   2 
y
 
linear?
Penyelesaian:
 x1 
Untuk sebarang u  y  R2 dan sebarang  diperoleh
1  

 2  x12   
T ( u)   x    .T (u)   .2xx1 2
 1 2


   1 2 
y
  y1    1 

 x   2x

Sehingga
 T    x2 bukan merupakan transformasi linear.

 y   2 
y
 

 Latihan 5.1

 a 
Periksa apakah T : R3  P dengan T   b    (abc)  (a  b)x  (a  merupakan suatu
2 
c)x
2  
 c
transformasi linear

Berikut ini adalah sifat-sifat transformasi linear

Teorema 5.1
IF/ 6
 ALJABAR LINEAR DAN
Jika 𝑇: 𝑉 → Wadalah suatu transformasi linear, maka:
a. 𝑇(0̅ ) = 0
b. 𝑇(−𝑣̅) = −𝑇(𝑣̅)

IF/ 6
 ALJABAR LINEAR DAN

c. 𝑇 (𝑣̅ − 𝑤̅ ) = 𝑇 (𝑣̅ ) − 𝑇 (𝑤̅ )

5.2 Kernel dan

Range Definisi
5.2 T :V W dengan T (u),u V . Kernel dari T (dinotasikan
Diketahui transformasi linear

 
Ker(T)) adalah himpunan u sedemikian sehingga T (u)  0 atau Ker(T)= u T (u)  0 . Ker(T)

sering disebut ruang nol dari T. Himpunan semua b sedemikian sehingga T (u)  b disebut

range dari T atau disingkat R(T ) . R(T ) disebut juga dengan bayangan u oleh T (u) .

Definisi 5.3
Jika 𝑇: 𝑉 → W adalah suatu transformasi linear, maka dimensi daerah hasil dari T
dinyatakan sebagai rank dari T (notasi : rank(T)) dan dimensi dari T dinyatakan nullitas dari
T (notasi:nullitas(T)).

Teorema 5.2
Jika A adalah suatu matriks mxn dan 𝑇𝐴: 𝑅𝑛 → 𝑅𝑚 adalah perkalian dengan A, maka :
a. Nullitas(𝑇𝐴) = Nullitas(A)
b. Rank((𝑇𝐴) = Rank (A)
c. Rank((𝑇𝐴)+ Nullitas(𝑇𝐴)=n

Contoh 5.3

Tentukan basis dan dimensi dari Ker(TA ) R(TA ) dari transformasi T : R3  R2

dan linear
 R3 dan
dengan T (u) 
Au
,de
ng
an
u
IF/ 7
 1 ALJABAR LINEAR DAN A
A
A
1 2  
2 2 4
 

IF/ 7
 ALJABAR LINEAR DAN

Penyelesaian :
a. Kernel

Ker(TA ) adalah ruang nol dari TA (u)  Au  0 maka

 1 1 2  2  t  2s   1   2 
     
   1 1  sehingga u  t  1 t 0 s
 2 2 4   0 0 0       
 s  0  1 
     
 1   2 
Jadi basis Ker(T )   1  ,  0  dan Rank((𝑇 ) = dim Ker(T )  2
A     𝐴 A
   
 0  1 
b. Range
R(TA ) merupakan himpunan dari 𝑏̅ dengan 𝐴𝑢̅ = 𝑏 maka 𝑅(𝑇𝐴 ) adalah ruang kolom
1
dari 𝐴. Sehingga basis dari 𝑅(𝑇 ) adalah dan Nullitas(𝑇 )= dim 𝑅(𝑇 ) = 1.
𝐴   𝐴 𝐴
 
 Latihan 5.2
1. Tentukan Nullitas (T) berdasarkan informasi berikut ini
a. 𝑇: 𝑅5 → 𝑅7 punya rank (T) =3
b. 𝑇: 𝑃4 → 𝑃3 punya rank(T) =1
c. Daerah hasil dari 𝑇: 𝑅6 → 𝑅3 adalah 𝑅2
2. Diketahui transformasi matriks 𝑇𝐴: 𝑅4 → 𝑅3memiliki matriks transformasi
 1 0 1 2 
 
A   2 2 1 1  . Tentukan basis dan dimensi dari 𝐾𝑒𝑟 (𝑇𝐴) dan 𝑅(𝑇𝐴).
0 2 3 3 
 
3. Anggap 𝑇: 𝑅2 → 𝑅2 adalah operator linear yang ditentukan dari
𝑇(𝑥, 𝑦) = (2𝑥 − 𝑦, −8𝑥 + 4𝑦)
a. Tentukan basis dari ruang Kernel dan ruang Rangenya

IF/ 7
 ALJABAR LINEAR DAN

b. Periksa apakah vektor (5,0) dan vektor (-3,12) berada pada R(T)
c. Periksa apakah vektor (3,2) dan vektor (5,10) berada pada Ker(T)
5.3 Matriks Transformasi
Definisi 5.4
Diketahui ruang V,W dengan dimensi ruang vektor berturut-turut n dan m dan transformasi
linear 𝑇: 𝑉 → W dengan fungsi 𝑇(𝑥̅), 𝑥̅ ∈ 𝑉. Jika B merupakan basis V, dan B’adalah basis
dari W . Jika A adalah matriks standar maka ✯𝑥̅ ∈ 𝑉 dapat ditentukan dengan
𝐴[𝑥̅]𝐵 = [𝑇(𝑥̅)]𝐵𝘍
A disebut matriks untuk T berkenaan dengan basis B dan B’
T= transformasi V ke W
𝑥̅𝑇(𝑥̅)
T

A
[𝑥̅]𝐵 [𝑇(̅𝑥̅)]𝐵𝘍

A matriks transformasi yang

memetakan 𝑅𝑛ke 𝑅𝑚

Diasumsikan 𝐵 = {̅𝑢̅1̅, ̅𝑢̅2̅, … , ̅𝑢̅𝑛̅} adalah basis pada ruang V dan 𝐵 ′ = {𝑣̅̅1̅, ̅𝑣̅2̅, … , ̅𝑣̅𝑚̅} adalah
basis pada ruang W, maka untuk mengkonstruksi matriks A dapat diperoleh dengan cara
mentransformasi basis-basis di B lalu menentukan koordinat vektor dari setiap hasil
transformasi matriks terhadap basis-basis B’ . Dapat dituliskan


A   T (u1
 B
 T (u2 )

...  T (un )
 '  atau
) ' B
'


B

T B ',B   T (u1  T (u2


...  T (un )  
B   '

)  ) '
'
B
B
Sehingga 𝐴[𝑥̅]𝐵 = [𝑇(𝑥̅)]𝐵𝘍 dapat dituliskan menjadi [𝑇]𝐵𝘍,𝐵[𝑥̅]𝐵 = [𝑇(𝑥̅)]𝐵𝘍 .

IF/ 7
 ALJABAR LINEAR DAN

Notasi [𝑇]𝐵𝘍,𝐵 subscript kanan adalah suatu basis untuk daerah asal T, sedangkan subscript
kiri adalah suatu basis untuk ruang bayangan dari T. Jadi untuk notasi [𝑇]𝐵𝘍,𝐵 basis dari
daerah asal adalah B dan basis untuk ruang bayangan adalah B’.

Jika V=W maka 𝐵 = 𝐵′ persamaan [𝑇]𝐵𝘍,𝐵[𝑥̅]𝐵 = [𝑇(𝑥̅)]𝐵𝘍 dapat dituliskan menjadi

[𝑇]𝐵[𝑥̅]𝐵 = [𝑇(𝑥̅)]𝐵.

Contoh 5.4
𝑥2 𝑥1
Diketahui transformasi linear 𝑇: 𝑅 → 𝑅 dengan 𝑇 ((𝑥 )) = (−5𝑥1 + 13𝑥2).
2 3

2 −7𝑥1 + 16𝑥2
Jika A ={𝑢̅1 , 𝑢̅ 2 } ={(3,1)T,(5,2)T} adalah basis dari 𝑅 2 dan
B={𝑣1 , 𝑣2̅ , 𝑣3̅ }={(1,0,-1)T,(-1,2,2)T,(0,1,2)T}adalah dari 𝑅 3 .
a. Tentukan matriks T terhadap basis A dan B.
b. Dengan cara tak langsung untuk 𝑥̅ = (2,1) Tentukan 𝑇(𝑥̅)
c. Dengan cara langsung untuk 𝑥̅ = (2,1) Tentukan 𝑇(𝑥̅)
Penyelesaian:
a. Pertama dihitung nilai 𝑇 (𝑢̅1 ) dan 𝑇 (𝑢̅ 2 ) (dengan kata lain bayangan dari 𝑢̅̅1̅ dan 𝑢̅̅2̅ )
yaitu
1 2
𝑢̅𝑇 ( 3 5
) = 𝑇 (( )) = ( ) 𝑢̅𝑇 ( ) = 𝑇 (( )) = ( )
−2 dan 1
1 1
2
1 −5 −3
Karena 𝑇 (𝑢̅1 ) dan 𝑇(𝑢̅ 2 ) berada di R3 dan B={𝑣1 , 𝑣2̅ , 𝑣3̅ } adalah basis dari R3 maka masing
𝑇(𝑢̅1 ) dan 𝑇(𝑢̅ 2 ) dapat dinyatakan sebagai kombinasi linear dari 𝑣1 , 𝑣2̅ , 𝑣3̅ , sehingga
𝑇(𝑢̅1 ) = 𝛼1 𝑣̅̅1̅ + 𝛼2 𝑣̅̅2̅ + 𝛼3 𝑣̅̅3̅ dan 𝑇(𝑢̅ 2 ) = 𝛽1 ̅𝑣̅1̅ + 𝛽2 ̅𝑣̅2̅ + 𝛽3 ̅𝑣̅3̅

Maka dengan OBE diperoleh vektor koordinat 𝑢̅1 dan 𝑢̅ 2 terhadap basis B yaitu

IF/ 7
 ALJABAR LINEAR DAN

1 3
[𝑇(𝑢̅1 )]𝐵 = ( 0 ) dan [𝑇(𝑢̅ 2 )]𝐵 = 1).
( −1
−2
1 3
Jadi matriks transformasi [𝑇]𝐵,𝐴 = 0 1).
( −2 −1

b. Cara tak langsung adalah dengan mencari [𝑥̅]𝐴 terlebih dahulu, karena 𝑥̅ dapat
dituliskan sebagai kombinasi linear dari 𝑢̅̅1̅ dan ̅𝑢̅2̅ maka 𝑥̅ dapat dituliskan dengan:
𝑥̅ = 𝛼1 𝑢̅̅1̅ + 𝛼2 ̅𝑢̅2̅
−1
Sehingga diperoleh [𝑥̅]𝐴=( ) lalu diketahui bahwa [𝑇(𝑥 )]𝐵 = [𝑇]𝐵,𝐴. [𝑥]𝐴 masi
[𝑇]𝐵,𝐴 1

sehingga 1 3 2 2
−1
[𝑇(𝑥)] = ( )( [ ]
𝐵 0 1 ) = (1). Vektor 𝑇(𝑥) 𝐵 = (1)adalah vektor koordinat dari
−2 −1 1 1 1
daerah hasil 𝑅3 terhadap basis B maka
1 −1 0 1
Vektor 𝑇(𝑥̅) = 2. ( 0 ) + 1. ( 2 ) + 1. (1) = (3)
−1 2 2 2
c. Dengan cara langsung maka
1
𝑇 ((2)) = (3)
1
2
Hasil b. sama dengan hasil c.

 Latihan 5.3
Misal {̅𝑣1̅ ̅, 𝑣̅̅2̅, ̅𝑣̅3}̅ merupakan basis 𝑅 3 . Transformasi linear 𝑇: 𝑅 3 → 𝑃 2 memiliki fungsi
𝑇 (𝑣̅7 ) = 𝑤i dengan 𝑣̅̅1̅ = (1,1, −1), ̅𝑣̅2̅ = (0,1, −1), ̅𝑣̅3̅ = (0,0, −1), 𝑝 (𝑥 ) = 1 − 𝑥 +
𝑥2, 𝑞(𝑥) = 1 + 2𝑥2, 𝑟(𝑥) = 2𝑥 − 𝑥2.

IF/ 7
 ALJABAR LINEAR DAN
a. Tentukan matriks transformasi A sedemikian sehingga 𝐴𝑣̅7 = 𝑤i

IF/ 7
 ALJABAR LINEAR DAN

b. Tentukan bayangan (1,2,1) dari transformasi tersebut

5.4 Matriks baku/standar

Jika T adalah suatu transformasi linear, maka matriks standar untuk T bisa didapatkan dari
bayangan vektor-vektor basis standar. Suatu transformasi linear secara lengkap ditentukan
oleh bayangan sebarang vektor-vektor basis.

Definisi 5.5

Misalkan
T : Rn  Rm T (x)  Ax memiliki basis standar S = e , e ,..., e  . Maka
1 2 n
dengan


matriks standar untuk T adalah A  T (e1 T (e2 ) .... T (en ) . 
)

Contoh 5.5
2𝑥 + 2𝑦
𝑥
Diketahui transformasi matriks 𝑇: 𝑅 → 𝑅 dengan 𝑇 (𝑦) = ( 𝑥 − 𝑦
3 4

𝑧 𝑥+𝑧 )
𝑦+𝑧
Tentukan matriks standar untuk T.
Penyelesaian:
2.1 + 2.0 2 2.0 + 2.1 2
1 0
( )
𝑇 𝑒1̅ = 𝑇 (0) = 1
1−0 ) = ( ) , 0− −1
𝑇(𝑒 ) = 𝑇 (1) = )=( )
( 1+0 1 2 1 0
0+0 0 (0 1
0 0+
0
1+
0
2.0 + 2.0 0
0
𝑇(𝑒3 ) = 𝑇 (0) = 0 − 0 ) = (0)
0+1 1
(1 0+1 1

IF/ 7
 ALJABAR LINEAR DAN
2 2 0 2𝑥 + 2𝑦
1 −1 0 𝑥
Jadi matriks standar T = 𝐴 = ( ) dengan 𝐴 (𝑦) = 𝑥 − 𝑦
( ).
1 0 1 𝑥+𝑧
0 1 1 � 𝑦+𝑧

IF/ 7
 ALJABAR LINEAR DAN

 Latihan 5.4
Misalkan 𝑇: 𝑃1 → 𝑃2 adalah transformasi linear yang didefinisikan oleh 𝑇(𝑝(𝑥)) = 𝑥𝑝(𝑥).
a. Tentukan matriks untuk T berkenaan dengan basis-basis standar
𝐵 = {𝑢̅̅1̅, 𝑢̅̅2̅ } ={1, 𝑥 } dan 𝐵 ′ = {̅𝑣̅1̅, 𝑣̅̅2̅, 𝑣̅̅3̅}={1, 𝑥, 𝑥 2 }
b. Jika 𝑝(𝑥) = 2 − 3𝑥 Tentukan 𝑇(𝑝(𝑥))

5.5 Keserupaan/Similaritas
Matriks operator linear 𝑇: 𝑉 → 𝑉 tergantung pada basis yang dipilih untuk V . Salah satu
masalah dasar dari aljabar linear adalah memilih suatu basis untuk V yang membuat matriks
T sesederhana mungkin, misalnya matriks diagonal atau matriks segitiga.
Masalah
Jika B dan B’ adalah dua basis untuk suatu ruang vektor berdimensi terhingga V, dan jika
𝑇: 𝑉 → 𝑉 adalah suatu operator linear apa kaitan antara [𝑇]𝐵 dengan [𝑇]𝐵𝘍 .
Teorema 5.3
Anggap 𝑇: 𝑉 → 𝑉 adalah suatu linear pada suatu ruang vektor berdimensi terhinggaV , dan
anggap B dan B’ adalah basis-basis untuk V. Maka

T  B' P1 T B P

Dimana P adalah matriks transisi dari B’ ke B.

Contoh 5.6
Misalkan 𝑇: 𝑅2 → 𝑅2 didefinisikan oleh
𝑥1 𝑥1 + 𝑥2
𝑇 ((𝑥 )) = ( )
2 −2𝑥1 + 4𝑥2

a. Tentukan matriks T berkenaan dengan basis standar B= {𝑒̅1, 𝑒̅2}

1 1
b. Jika B’= {𝑢′̅ , ̅𝑢′̅ } = {( ) , ( )} , tentukan matriks T berkenaan dengan basis standar
1 2
1 2
B’= {̅𝑢̅′ , ̅𝑢̅′ }.
1 2

IF/ 7
 ALJABAR LINEAR DAN

c. Hitunglah det([𝑇]𝐵) , det([𝑇]𝐵𝘍 ), tr([𝑇]𝐵) , tr([𝑇]𝐵𝘍 )

Penyelesaian:
a.
T  T    T
T (e2 )
maka

 B
(e1)
 1 
T
 (e )  T   0
  1 dan T (e )  T
1 0  0  1
 1 
1       1       
  0  2.1 4.0      1  2.0  4.1  4

2
 1 1
Sehingga T B  T    
2 4
 
b.
Untuk mencari T  ' maka disusun matriks transisi dari B’ ke B sehingga
B
 '
P  u  p11 p12 
  1 u'     
  p p
  2 B 
B  21 22 



u1 '  p11 e1  p21 dan '

sehingga diperoleh matriks
e2 u2  p12 e1  p22
e2
1 1 2 −1
𝑃=( ) dan dihitung 𝑝−1 = ( )
1 2 −1 1
c. Dapat ditunjukkan bahwa det([𝑇]𝐵) = det([𝑇]𝐵𝘍 ) dan tr([𝑇]𝐵) = tr([𝑇]𝐵𝘍 )

Secara umum T   P1 T  P dan T  disebut matriks yang serupa, berikut ini diberikan
B' B B

definisi secara umum andaikan T  A

dan T  B' P1 T  B P  B maka perhatikan
B
definisi berikut ini.

Definisi 5.6

IF/ 8
 ALJABAR LINEAR DAN
Jika A dan B adalah matriks-matriks bujur sangkar, B dikatakan serupa dengan A jika ada
suatu matriks P yang dapat dibalik sedemikian sehingga 𝐵 = 𝑃−1𝐴𝑃.
Perhatikan bahwa A juga dapat dituliskan menjadi 𝐴 = 𝑃𝐵𝑃−1 sehingga A dan B disebut
serupa.

IF/ 8
 ALJABAR LINEAR DAN

Sifat-sifat matriks yang serupa

Sifat Uraian

Determinan 𝐴 dan 𝑃−1𝐴𝑃 mempunyai determinan yang

sama

Dapat dibalik atau tidak A dapat dibalik jika dan hanya jika P-1AP
dapat dibalik.

Rank 𝐴 dan 𝑃−1𝐴𝑃 mempunyai rank yang sama

Nullitas 𝐴 dan 𝑃−1𝐴𝑃 mempunyai nullitas yang sama

Trace 𝐴 dan 𝑃−1𝐴𝑃 mempunyai trace yang sama

 Latihan 5.5
𝑇: 𝑅2 → 𝑅2didefinisikan oleh
  x1    x1  2x2   1   0    2   3
T
  


dengan B  u ,u  
1 2  
, dan B  v , v 
1 2
,
  
x x  0 1 1 4
 2   2         
a. Tentukan matriks dari T berkenaan dengan B
b. Tentukan matriks dari T berkenaan dengan B’

IF/ 8
 ALJABAR LINEAR DAN

6 NILAI DAN VEKTOR EIGEN

JUMLAH PERTEMUAN : 2 PERTEMUAN

TUJUAN INSTRUKSIONAL KHUSUS :
1. Mengetahui definisi nilai dan vektor eigen
2. Menghitung nilai eigen
3. Menentukan basis, rank dan nullitas dari ruang eigen
4. Mengetahui syarat agar suatu matriks dapat didiagonalisasi
5. Menentukan matriks P yang dapat mendiagonalisasi suatu matriks A

Materi :
6.1 Nilai dan Vektor Eigen
Definisi 6.1
Jika A matriks 𝑛 × 𝑛 maka vektor tak nol 𝑥̅ ∈ 𝑅𝑛disebut vektor eigen dari A jika 𝐴𝑥̅ = 𝜆𝑥̅
untuk suatu skalar 𝜆. Skalar 𝜆 disebut nilai eigen dari A dan 𝑥̅ sering disebut sebagai vektor
eigen yang berpadanan dengan nilai eigen 𝜆.

Untuk mencari nilai eigen, pandang persamaan 𝐴𝑥̅ = 𝜆𝑥̅ dapat dituliskan kembali menjadi
𝐴𝑥̅ = 𝜆𝐼𝑥̅ dan ekivalen dengan (𝜆𝐼 − 𝐴)𝑥̅ = 0̅ .
Agar suatu nilai eigen 𝜆 dapat ditentukan maka SPL homogen harus punya solusi trivial, hal
ini hanya terjadi jika det(𝜆𝐼 − 𝐴) = 0. Persamaan det(𝜆𝐼 − 𝐴) = 0 disebut persamaan
karakteristik dan p(𝜆) = det(𝜆𝐼 − 𝐴) disebut polinom karakteristik. Kadang-kadang nilai

IF/ 8
 ALJABAR LINEAR DAN

dan vektor eigen sering disebut nilai dan vektor karakteristik. Ruang eigen adalah ruang
solusi dari SPL (𝜆𝐼 − 𝐴)𝑥̅ = 0̅
Definisi 6.2

didefinisikan dengan
Ruang eigen adalah ruang solusi dari persamaan (I  A)x 
0

x (I  A)x  0

Contoh 6.1
0 0 −2
Diketahui 𝐴 = (1 2 1 ). Tentukan :
1 0 3
a. Nilai dan vektor eigen
b. Ruang eigen
Penyelesaian:
a. det(𝜆𝐼 − 𝐴) = 0̅ maka
  1 0 0   0 0 2    0 2 
         2 1 1   2
det  0 1 0  1 2 1  det 1   2 1   2
       03  1 0
  0 0 1   1 0 3   1 0   3
      

3 2
 (  2)(  3)  2(0    2)    5  8  4  0

dengan memfaktorkan diperoleh   2    2   1=0 maka nilai eigen adalah 2 dan

1.
Untuk mendapatkan vektor eigen maka disubstitusikan nilai-nilai eigen ke persamaan

( A  I )x  0 yaitu:
  0
2
2  x1   0

1   1 x
IF/ 8
 ALJABAR LINEAR DAN
  
 0   2  
1 0   3    0
x
  3  

IF/ 8
 ALJABAR LINEAR DAN

Untuk   2 diperoleh
 2 0 2 
 x1   0 
1 0 1 x 2   
     0
1 0 1 x   0 
  3   
Dengan OBE diperoleh

 2 0 2   1 0 1 
1 0 1 0 0
 1 0 1  0 00 0 
   
𝑥1 0 −1 0 −1
Sehingga solusi 𝑥̅ = (𝑥2) = 𝑠 (1) + 𝑡 ( 0 ), maka vektor eigen adalah (1) , ( 0 ).
𝑥3 0 1 0 1
Untuk   1
 1 0 2  x1   0 
1 1 1 x 2   
1 0 2     0
x   0
  3   
Dengan OBE diperoleh
 1 0 2   1 0 2 
1 1 1  0 1 1
  
1 0 2   0 0 0
   
𝑥1 −2 −2
Sehingga solusi 𝑥̅ = (𝑥2) = 𝑡 ( 1 ) dan vektor eigen adalah ( 1 ).
𝑥3 1 1
𝑥1 0 −1
b. Ruang eigen yang berkaitan dengan nilai   2 adalah 𝑥̅ = (𝑥2) = 𝑠 (1) + 𝑡 ( 0 )
𝑥3 0 1
0 −1
dengan basis = {(1) , ( 0 )} dan ruang eigen yang berkaitan dengan nilai   1adalah
0 1
𝑥1 −2 −2
𝑥̅ = (𝑥2) = 𝑡 ( 1 ) dengan basis ={( 1 )}.
𝑥3 1 1

IF/ 8
 ALJABAR LINEAR DAN

 Latihan 6.1
Tentukan nilai eigen dan ruang eigen dari matriks-matriks berikut ini
1 1 1  1 0 1
 
a. (6 −4
3 −1) b. (0 2 1) c.  1 3 0
0 0 1  4 1
13
 
6.2 Diagonalisasi
Definisi 6.3
Suatu matriks bujur sangkar A dikatakan dapat didiagonalkan jika ada suatu matriks P yang
dapat dibalik sehingga 𝑃−1𝐴𝑃 adalah suatu matriks diagonal, P dikatakan mendiagonalkan
A.

Teorema 6.1
Jika A adalah matriks nxn, maka pernyataan-pernyataan berikut ekivalen
a. A dapat didiagonalkan
b. A mempunyai n vektor eigen yang bebas linear

Langkah-langkah untuk mendiagonalkan matriks A:

1. Cari n vektor-vektor eigen yang bebas linear dari A misalkan , , … , 𝑝𝑛.
𝑝1 𝑝2
2. Bentuk matriks P yang mempunyai
, ,…, sebagai vektor-vektor kolomnya.
𝑝1
𝑝2 𝑝𝑛
3. Matriks 𝑃−1𝐴𝑃 akan menjadi matriks diagonal dengan 𝜆1, 𝜆2, … , 𝜆𝑛 berturut-turut
adalah anggota diagonalnya dimana 𝜆i adalah nilai eigen yang berpadanan dengan 𝑝̅7
untuk i = 1,2,...,n.

Contoh 6.2

IF/ 8
 ALJABAR LINEAR DAN
Carilah suatu matriks P yang mendiagonalkan

IF/ 8
 ALJABAR LINEAR DAN

 0 0 2 
 
A 1 2 1
1 0 3 
 
Telah diperoleh untuk
−1 0
𝜆=2 = ( 0 ) dan = (1 )
𝑝2 1 0
𝑝1 −2
=(1)
1
𝜆=1

𝑝3
Sehingga dari tiga vektor basis diperoleh matriks P sebagai berikut
 1 0
2 2 0 0
    
P 0 1 1 dan P1AP  0 2 0
   
1 0 1   0 0 1
   
Dapat ditunjukkan
bahwa
 1 0 2  0 0 2  1 0 2   2 0 0 
     
P1AP   1 1 1  1 2 1  0 1 1    0 2 0 
1 0 1 1 0 3  1 0 1  0 0 1 
     

 Latihan 6.2
Carilah suatu matriks P yang mendiagonalkan
 1 0 0
 
A 1 2 0
 3 5 2 
 
Apakah matriks A dapat didiagonalkan?

IF/ 8
ALJABAR LINEAR DAN

IF/ 9
 ALJABAR LINEAR DAN

DAFTAR PUSTAKA

 Kolman,Bernard, Hill,David R., Elementary Linear Algebra, 7th edition, Prentice Hall,
New Jersey, 2000
 Anton, Howard, Elementary Linear Algebra, 7th edition, John Wiley & Sons, Inc., New
York, 1994
 Leon, Steven J., Aljabar Linear dan Aplikasinya, Erlangga, Jakarta, 2001

IF/ 9