Penerapan Penerapan Aljabar

Linier Dasar pada beberapa

bidang Matematika

Dosen Pengampu: Drs. Yasifati Hia

 Kelompok 6:

Agnesion Sinaga (4203311061)

Annisa Putri Kurniawan (4203311083)
Arif Rahman Ginting (4203111137)
Bil Krisno Manurung (4203311002)
Rusmala Simanihuruk (4202411010)
Siti Khaerindra Salfarana (4203111037)
 TABLE OF CONTENTS
BENTUK
PENERAPAN KUADRAT 03
PADA
01 PENDIAGONALAN
PERSAMAAN
BENTUK KUADRAT;
DIFERENSIAL
PENERAPAN PADA
04
PENERAPAN PADA BAGIAN KERUCUT
MASALAH (KONIK)
APROKSIMASI; BENTUK KUADRAT;
02 DERET FOURIER
05
PENERAPAN PADA
PERMUKAAN
KUADRIK
 01
PENERAPAN PADA
PERSAMAAN DIFERENSIAL
 Salah satu diantara persamaan diferensial yang paling sederhana adalah
𝑦 ′ = 𝑎𝑦 (1)

dengan 𝑦 = 𝑓(𝑥) adalah sebuah fungsi yang tidak diketahui dan akan ditentukan
𝑑𝑦
turunannya yaitu 𝑦 ′ = dengan 𝑎 adalah konstanta. Seperti kebanyakan
𝑑𝑥
persamaan diferensial, maka (1) mempunya tak terhingga banyaknya
penyelesaian, yaitu fungsi-fungsi yang berbentuk
𝑦 = 𝑐𝑒 𝑎𝑥 (2)
dengan c adalah sebarang konstanta. Setiap fungsi dalam bentuk seperti ini merupakan
penyelesaian dari 𝑦’ = 𝑎𝑦, sebab
𝑦 ′ = 𝑐𝑒 𝑎𝑥 = 𝑎𝑦
Demikian pula sebaliknya, setiap penyelesaian dari 𝑦’ = 𝑎𝑦 haruslah merupakan
sebuah fungsi yang berbentuk 𝑐𝑒 𝑎𝑥 , sehingga (2) menguraikan semua
penyelesaian dari 𝑦 ′ = 𝑎𝑦 . Kita namakan (2) sebagai penyelesaian umum
(general solution) dari 𝑦 ′ = 𝑎𝑦.
Prosedur berikut mengemukakan langkah-langkah untuk menyelesaikan suatu system
𝑌′ = 𝐴𝑌
dengan matriks koefisien A yang dapat didiagonalisasi, yaitu:
Langkah 1. Carilah sebuah matriks P yang mendiagonalisasi matriks A.
Langkah 2. Lakukanlah substitusi Y = PU dan Y’ = PU’ untuk mendapatkan suatu
”sistem diagonal” yang baru U’ = DU, dengan D = P −1 AP.
Langkah 3. Selesaikanlah U’ = DU.
Langkah 4. Tentukanlah Y dari persamaan Y = PU.

Contoh 2
Selesaikan sistem persamaan diferensial
𝑦′1 = 𝑦1 + 𝑦2
𝑦′2 = 4𝑦1 − 2𝑦2
yang memenuhi kondisi-kondisi awal 𝑦1 (0) = 1 dan 𝑦2 (0) = 6
Penyelesaian:
Matriks koefisien dari sistem ini adalah
1 1
𝐴=
4 −2
Langkah 1. Mencari matriks P yang mendiagonalisasi oleh sebarang matriks A
𝜆 − 1 −1
det 𝜆𝐼 − 𝐴 = = 𝜆2 + 𝜆 − 6 = 𝜆 + 3 𝜆 − 2
−4 𝜆 + 2
Maka nilai-nilai eigen dari matriks A adalah λ = 2 dan λ = −3.
 𝑥1
Menurut definisi, 𝑥 = 𝑥 adalah sebuah vektor eigen dari matriks A yang bersesuaian dengan
2
nilai eigen λ jika dan hanya jika x adalah sebuah penyelesaian non trivial dari 𝜆𝐼 − 𝐴 𝑥 = 0,
yakni, dari

𝜆−1 −1 𝑥1 0
=
−4 𝜆 + 2 𝑥2 0
Jika 𝜆 = 2, system ini menjadi
1 −1 𝑥1 0
=
−4 4 𝑥2 0
Dengan memecahkan system ini maka akan menghasilkan
𝑥1 = 𝑡, 𝑥2 = 𝑡
Mendiagonalisasi A, dan
2 0
𝐷 = 𝑃−1 𝐴𝑃 =
0 −3
Sehingga
𝑥1 𝑡 1
𝑥2 = =𝑡
𝑡 1
Jadi,
1
𝑃1 =
1
Jadi sebuah basis untuk ruang eigen yang bersesuaian dengan λ = 2. Dengan demikian juga

1
𝑃2 = −
4
1
Adalah sebuah basis untuk ruang eigen yang bersesuaian dengan λ = -3. Jadi,

1
𝑃= 1 −
4
1 1
Langkah 2. Lakukanlah substitusi Y = PU dan Y’ = PU’ untuk mendapatkan suatu
”sistem diagonal” yang baru U’ = DU, dengan D = P −1 AP.
𝑌 = 𝑃𝑈 dan 𝑌 ′ = 𝑃𝑈′

Langkah 3. Selesaikanlah U’ = DU.

Menghasilkan “system diagonal” yang baru, yaitu

2 0 𝑢1′ = 2𝑢1
𝑈 ′ = 𝐷𝑈 = 𝑈 atau
0 −3 𝑢2′ = −3𝑢2
Dari persamaan (2) penyelesaian dari sistem ini adalah

𝑢1 = 𝑐1 𝑒 2𝑥 𝑐1 𝑒 2𝑥
atau 𝑈=
𝑢2 = 𝑐2 𝑒 −3𝑥 𝑐2 𝑒 −3𝑥

Langkah 4. Tentukanlah Y dari persamaan Y = PU.

1 1
𝑦1 1 − 𝑐1 𝑒 2𝑥 𝑐1 𝑒 2𝑥 − 𝑐2 𝑒 −3𝑥
𝑌= 𝑦 = 4 𝑐 𝑒 −3𝑥 = 4
2
1 1 2 𝑐1 𝑒 + 𝑐2 𝑒 −3𝑥
2𝑥

Atau

1
𝑦1 = 𝑐1 𝑒 2𝑥 − 4 𝑐2 𝑒 −3𝑥
(7)
𝑦2 = 𝑐1 𝑒 2𝑥 + 𝑐2 𝑒 −3𝑥
Langkah 5. Menentukan solusi khusus dengan kondisi awal yang diberikan
Jika kita mensubstitusikan syarat-syarat awal 𝑦1 (0) = 1 dan 𝑦2 (0) = 6 pada
persamaan (7), maka kita mendapatkan
1
𝑐1 − 𝑐2 = 1
4
𝑐1 + 𝑐2 = 6
dan penyelesaian dari sistem ini adalah
𝑐1 = 2, 𝑐2 = 4
Sehingga dari (7) penyelesaian yang memenuhi syarat-syarat awal adalah
𝑦1 = 2𝑒2𝑥 − 𝑒−3𝑥
𝑦2 = 2𝑒2𝑥 + 4𝑒−3𝑥
 PENERAPAN PADA
02 MASALAH
APROKSIMASI;
DERET FOURIER
 Masalah Aproksimasi
TEORI
Jika P adalah sebuah titik di dalam ruang berdimensi 3 biasa
dan W adalah sebuah bidang yang melewati titik asal ruang
tersebut,maka titik Q pada W yang jaraknya terdekat dengan P
dapat di peroleh dengan memproyeksikan P secara tegak lurus
terhadap W

Sehingga jika u=OP,jarak antara P dan W diberikan oleh u-projwu

 Masalah Aproksimasi

Dengan kata lain,di antara semua vektor 𝑤 pada 𝑊,vector 𝑤

= 𝑝𝑟𝑜𝑗𝑤 𝒖 meminimalkan jarak 𝒖 − 𝒘 (gambar 1.2)
Teorema Aproksimasi Terbaik
Jika 𝑊 adalah sebuah subruang berdimensi terhingga dari suatu
ruang hasil kali dalam 𝑉, dan jika 𝑢 adalah sebuah vektor pada 𝑉,
maka 𝑝𝑟𝑜𝑗𝑤 𝒖 adalah aproksimasi terbaik (best approximation) bagi
𝒖 pada 𝑾, dalam pengertian bahwa:
𝒖 − 𝑝𝑟𝑜𝑗𝑤 𝒖 < 𝒖 − 𝑤
untuk setiap vektor w pada W yang bukan 𝑝𝑟𝑜𝑗𝑤 .
 Deret Fourier
Deret Fourier adalah suatu deret yang mengandung suku-suku sinus dan cosinus yang digunakan untuk
merepresentasikan fungsi-fungsi periodik secara umum.
Sekarang kita perhatikan sebuah fungsi yang berbentuk
𝑓 𝑥 = 𝑐0 + 𝑐1 𝐶𝑜𝑠 𝑥 + 𝑐2 𝐶𝑜𝑠 2𝑥 + ⋯ + 𝑐𝑛 𝐶𝑂𝑠 𝑛𝑥 + 𝑑1 𝑆𝑖𝑛 𝑥 + 𝑑2 𝑆𝑖𝑛 2𝑥 + ⋯ + 𝑑𝑛 𝑆𝑖𝑛 𝑛𝑥
dinamakan polinom trigonometris (trigonometric polynomial). Jika 𝑐𝑛 dan 𝑑𝑛 kedua-duanya tidak nol, maka
𝑓(𝑥) dikatakan mempunyai orde n (𝑜𝑟𝑑𝑒𝑟 𝑛).
Contoh 12. 4

Misalkan suatu fungsi berbentuk 𝑃(𝑥) = 2 + 𝐶𝑜𝑠 𝑥 – 3 𝐶𝑜𝑠 2𝑥 + 7 𝑆𝑖𝑛 4𝑥

adalah sebuah polinom trigonometris dengan 𝐶0 = 2, 𝑐1 = 1, 𝑐3 = −3, 𝑑1 = 0, 𝑑2 = 0 𝑑3 = 0, 𝑑4 = 7
Tentunya saja orde 𝑝(𝑥) adalah 4.
Jelaslah dari fungsi yang disebutkan bahwa polinomial trigonometris berorde n atau berorde lebih kecil dari n adalah
berbagai kombinasi linear yang mungkin dari
1, 𝐶𝑜𝑠 𝑥, 𝐶𝑜𝑠 2𝑥, … , 𝐶𝑜𝑠 𝑛𝑥, 𝑆𝑖𝑛𝑥, 𝑆𝑖𝑛 2𝑥, … , 𝑆𝑖𝑛 𝑛𝑥Dapat diperlihatkan bahwa 2𝑛 + 1 fungsi ini bebas linear, dan
akibatnya untuk sebarang interval [𝑎 , 𝑏] fungsi-fungsi ini membentuk sebuah basis untuk sebuah ruang
berdimensi (2𝑛 + 1) dari 𝐶 [𝑎 , 𝑏].
 03
BENTUK
KUADRAT
Bentuk kuadrat dua peubah, yaitu x dan y didefinisikan terhadap ekspresi (ungkapan) yang dapat kita
tulis sebagai

𝑎𝑥 2 + 2𝑏𝑥𝑦 + 𝑐𝑦 2 ………………... (7.15)

Contoh 5

Berikut ini adalah bentuk kuadrat dalam x dan y

Jika kita sepakat untuk menghilangkan tanda kurung pada matriks 1 x 1, maka (7.15) dapat kita tulis
dalam bentuk matriks sebagai

𝑥
𝑎𝑥 2 + 2𝑏𝑥𝑦 + 𝑐𝑦 2 = 𝑥 𝑦 𝑎 𝑏
………………... (7.16)
𝑏 𝑐 𝑦
 Definisi. Bentuk kuadrat pada x1, x2, …, xn adalah ekspresi yang dapat kita tulis sebagai

𝑥1
𝑥2
𝑥1 𝑥2 … 𝑥𝑛 𝐴 ⋮ ……………….. (7.17)
𝑥𝑛

dengan A adalah matriks simetrik n x n.

Bentuk kuadrat yanglebih umum didefinisikan sebagai berikut.

𝑥1
𝑥2
Jika kita misalkan 𝑋 = ⋮
𝑥𝑛

maka (7.17) dapat ditulis lebih lengkap sebagai

𝑋 𝑡 𝐴𝑥…………….. (7.18)
Penelaahan bentuk kuadrat itu adalah suatu topik ekstensif yang hanya dapat kita lakukan pada bagian ini. Berikut ini
ada beberapa masalah matematis penting yang ber hubungan dengan bentuk kuadrat.
1. Carilah nilai maksimum dan minimum dari bentuk kuadrat 𝑥 𝑡 𝐴𝑥 jika 𝑥 terkendala sehingga

1
𝑥 = (𝑥12 + 𝑥22 + ⋯+ 2 2
𝑥𝑛 ) = 1
1. Apakah kondisi A harus dipenuhi pada urutan untuk bentuk kuadrat agar memenuhi ketaksamaan 𝑥 𝑡 𝐴𝑥 > 0 untuk
semua 𝑥 ≠0?

2. Jika 𝑥 𝑡 𝐴𝑥 adalah sebuah bentuk kuadrat dalam dua atau tiga peubah dan c adalah konstanta, apakah grafik
persamaan 𝑥 𝑡 𝐴𝑥 = 𝑐 seperti yang Anda harapkan?

3. Jika P adalah matriks ortogonal, maka pengubahan peubah 𝑥 = 𝑃𝑦 akan menggantikan bentuk kuadrat 𝑥 𝑡 𝐴𝑥
menjadi (𝑃𝑦)𝑡 𝐴(𝑃𝑦) = 𝑦 𝑡 (𝑃𝑡 𝐴𝑃)𝑦. Tetapi 𝑃𝑡 𝐴𝑃 adalah sebuah matriks simetrik jika A adalah (buktikan),
sehingga 𝑦 𝑡 (𝑃𝑡 𝐴𝑃)𝑦 merupakan bentuk kuadrat yang baru dalam peubah y. Pentingnya memahami ini karena P
dapat dipilih sehingga dengan demikian bentuk kuadrat yang baru itu tidak mempunyai suku-suku dari hasil kali
silang.
 Teorema 1. Misalkan A adalah matriks simetrik n x n yang nilai eigennnya mengurangi
ukuran orde 𝜆1 ≥ 𝜆2 ≥ ⋯ ≥ 𝜆𝑛 . Jika x terkendala sehinnga 𝑥 = 1 relatif terhadap
hasil kali dalam Euclidis pada Rn, maka

a) 𝜆1 ≥ 𝑥 𝑡 𝐴𝑥 ≥ 𝜆𝑛
b) 𝑥 𝑡 𝐴𝑥 = 𝜆𝑛 jika x adalah vektor eigen A yang bersesuaian dengan 𝜆𝑛 dan 𝑥 𝑡 𝐴𝑥 = 𝜆1
jika x adalah vektor eigen A yang bersesuaian dengan 𝜆1 .

Definisi. Bentuk kuadrat 𝑥 𝑡 𝐴𝑥 disebut definit positif jika 𝑥 𝑡 𝐴𝑥 > 0 untuk semua 𝑥 ≠ 0, sedangkan
matriks simetrik A disebut deifinit posotif jika 𝑥 𝑡 𝐴𝑥 adalah bentuk kuadrat definit positif.
 Teorema 2. Matriks simetrik A adalah definit positif jika dan hanya jika semua nilai
eigen A adalah positif.

Bukti. Anggapah bahwa A definit positif dan misalkan λ sebarang nilai eigen A. jika x
adalah vektor eigen A yang bersesuaian dengan λ, maka 𝑥 ≠ 0, sehingga

0 < 𝑥 𝑡 𝐴𝑥 = 𝑥 𝑡 𝜆𝑥 = 𝜆𝑥 𝑡 𝑥 = 𝜆 𝑥 2 ………………… (7.19)

di mana 𝑥 adalah norma Euclidis x. Karena 𝑥 2 = 0 yang menyatakan bahwa 𝜆 > 0,

yang kita harapkan untuk membuktikannya.

Sebaliknya, anggaplah bahwa semua nilai eigen A positif. Kita harus menunjukkan bahwa
𝑥 𝑡 𝐴𝑥 > 0 untuk semua 𝑥 ≠ 0. Tetapi jika 𝑥 ≠ 0, kita dapat menormalisasikan x untuk
𝑥
memperoleh vektor 𝑦 = dengan sifat 𝑦 = 1.
𝑥
Kini dari teorema 1 bahwa

𝑦 𝑡 𝐴𝑦 ≥ 𝜆𝑛 > 0
2
di mana 𝜆𝑛 adalah nilai eigen A terkecil. Jadi,dengan mengalikannya melalui 𝑥 akan
menghasilkan 𝑥 𝑡 𝐴𝑥 > 0 yang kita harapkan untuk membuktikaannya.

Teorema 3.

Matriks simetrik A adalah definit positif jika dan hanya jika determinan setiap
matriks utama adalah positif.
Contoh
Matriks
2 −1 −3
𝐴 = −1 2 4
−3 4 9
adalah definit positif karena
2 −1 −3
2 −1
2 = 2, = 3, −1 2 4 =1
−1 2
−3 4 9
semuanya menjadi positif. Jadi, kita menjamin bahwa semua nilai eigen A adalah
positif dan 𝑥𝑡 𝐴𝑥 > 0 unutk semua 𝑥 ≠ 0.
PERNYATAAN. Matriks simetriks A dan bentuk kuadrat 𝑥𝑡 𝐴𝑥 kita sebut
Teorema 2 dan 3 dapat diuraikan dengan cara yang jelas untuk menerapkan tiga
matriks tipe pertama. Misalnya, matriks simetrik A adalah semi definit positif,
jika dan hanya jika semua nilai eigennya adalah taknegatif. Demikian juga, A
akan menjadi semi definit positif jika dan hanya jika semua submatriks
utamanya mempunyai determinan taknegatif.
 PENDIAGONALAN
BENTUK KUADRAT;
PENERAPAN PADA
04 BAGIAN KERUCUT
(KONIK)
A. Bentuk Kuadrik

Sebuah persamaan yang berbentuka x2 + 2bxy + cy2 + dx + ey + f = 0 dengan a, b, c, …, f adalah

bilangan-bilangan real dengan a, b, dan c tidak sekaligus nol, dinamakan sebuah persamaan
2
kuadrat dalam x dan y. Sedangkan pernyataan ax + 2bxy + cy 2 dinamakan bentuk
kuadrat terasosiasi (associated quadratic form) atau bentuk kuadrat dalam 2 variabel.
Definisi. Bentuk kuadrat dalam n variabel 𝑥1 , 𝑥2 , … , 𝑥𝑛 adalah suatu ekspresi yang dapat

𝑥1
𝑥2
ditulis sebagai berikut : 𝑥1 , 𝑥2 , … , 𝑥𝑛 𝐴= … dengan A adalah suatu matriks nyang
𝑥𝑛
simetris.
 𝑥1
𝑥2
Jika kita misalkan matriks 𝑥 = … maka bisa ditulis secara lebih ringkas dalam bentuk
𝑥𝑛

𝑥𝑡 𝐴 𝑥 .

Matriks A yang simetris ini dinamakan matriks dari bentuk kuadrat xt A x. Matriks-

matriks simetris berguna, namun tidak begitu penting untuk menyajikan bentuk kuadrat dalam

notasi matriks. Jika kita menggunakan fakta bahwa A adalah simetris, yaitu A = At, maka

dapat dinyatakan dalam bentuk hasil kali dalam Euclid dengan menuliskan :

𝑥 𝑡 𝐴 𝑥 = 𝑥 𝑡 𝐴𝑡 𝑥 = 𝐴𝑥 𝑡 𝑥 =< 𝑥 , 𝐴𝑥 >
B. Penerapan pada bagian Kerucut (Konik)

Teorema 12. 1. Misalkan xt A x adalah bentuk kuadrat dalam variable – variable

𝑥1 , 𝑥2 , … , 𝑥𝑛 dengan A simetris. Jika P mendiagonalkan A secara ortogonal dan jika variable -

variabel baru 𝑦1 , 𝑦2 , … , 𝑦𝑛 didefinisikan oleh persamaan x = P y, maka dengan

mensubstitusikan persamaan ini ke dalam 𝑥 𝑡 𝐴 𝑥 menghasilkan 𝑥 𝑡 𝐴 𝑥 = 𝑦 ′ 𝐷 𝑦 = 𝜆1 𝑦1 2

+ 𝜆2 𝑦2 2 + ⋯ + 𝜆𝑛 𝑦𝑛 2 dengan 𝜆1 , 𝜆2 , 𝜆𝑛 adalah nilai-nilai eigen dari 𝐴 𝑑𝑎𝑛 𝐷 = 𝑃𝑡 𝐴 𝑃 .

Matriks P pada teorema ini dinamakan mendiagonalkan secara ortogonal bentuk kuadrat

atau mereduksi bentuk kuadrat menjadi suatu jumlah kuadrat.

Bentuk umum persamaan kuadrat dalam variabel x dan y, yaitu 𝑎𝑥 2 + 2𝑏𝑥𝑦 + 𝑐𝑦 2 + 𝑑𝑥 + 𝑒𝑦
+ 𝑓 = 0 . grafiknya dinamakan bentuk-bentuk kerucut atau konik (conics), atau dikenal pula
sebagai irisan kerucut atau penampang kerucut, atau bagian kerucut (conic section). Irisan-
irisan kerucut yang paling penting adalah ellips, lingkaran, hiperbola, dan parabola. Irisan-irisan
kerucut ini disebut irisan-irisan kerucut yang tidak mengalami degenerasi (nondegenerate
conics). Jika benda dalam posisi standar (standard position) relatif terhadap sumbu-sumbu
koordinat (Gambar 12. 4). Irisan- irisan kerucut sisanya disebut mengalami degerasi
(degenerate) yang mencakup titik-titik tunggal dan pasangan-pasangan garis.
Jika kita amati irisan kerucut pada posisi standar ternyata persamaannya tidak memuat
suku-suku hasil kali (suku-suku xy). Keberadaan suku-suku xy dalam persamaan irisan
kerucut yang tidak mengalami degenerasi, menunjukkan bahwa irisan kerucut itu
diputar (dirotasikan dari posisi standarnya). (Gambar 12. 5a). Juga tidak ada irisan
kerucut dalam posisi standar yang sekaligus memuat suku x2 dan x atau suku-suku y2
dan y secara bersamaan. Jika tidak ada suku hasil kali, munculnya kedua pasangan ini
dalam persamaan suatu irisan kerucut nondegenerate menunjukkan bahwa irisan
kerucut itu dipindahkan atau digeser (ditranslasikan) dari posisi standar.
 Bagaimana untuk mengidentifikasi grafik bentuk irisan kerucut yang tidak mengalami

degenerasi tetapi tidak berada pada kedududkan standar? Hal ini bisa terjadi disebabkan oleh rotasi

dan translasi sumbu-sumbu koordinat xy untuk mendapatkan suatu sistem koordinat x‟ y‟ yang

relatif terhadap irisan kerucut ini berada dalam posisi standar. Begitu ini dikerjakan, maka

persamaan irisan kerucut pada sistem x‟ y‟ akan berbentuk salah satu di antara yang diberikan

dalam Gambar 12. 4 diatas, sehingga dengan mudah kita kenali.

 05
BENTUK KUADRAT;
PENERAPAN PADA
PERMUKAAN KUADRIK
 Perhatikan sebuah persamaan yang berbentuk
𝑎𝑥 2 + 𝑏𝑦 2 + 𝑐𝑧 2 + 2𝑑𝑥𝑦 + 2𝑒𝑥 + 2𝑓𝑦𝑧 + 𝑔𝑥 + 𝑕𝑦 + 𝑖𝑧 + 𝑗 = 0 (7.33)
dengan 𝑎, 𝑏, 𝑐, . . , 𝑓 tidak semuanya nol, dan kita namakan persamaan kuadrat dalam variabel x, y,
dan z, sedangkan ungkapan
𝑎𝑥 2 + 𝑏𝑦 2 + 𝑐𝑧 2 + 2𝑑𝑥𝑦 + 2𝑒𝑥 + 2𝑓𝑦𝑧
Kita namakan bentuk kuadrat terasosiasi.
Persamaan (7.33) dapat kita tuliskan dalam bentuk matriks

𝑎 𝑑 𝑒 𝑥
𝑥 𝑦 𝑧 𝑑 𝑏 𝑓 + 𝑔 𝑕 𝑖 𝑦 +𝑗 =0
𝑒 𝑓 𝑐 𝑧

Atau
𝑥 𝑡 𝐴𝑥 + 𝐾𝑥 + 𝑗 = 0
Di mana

𝑥 𝑎 𝑑 𝑒
𝑥= 𝑦 𝐴= 𝑑 𝑏 𝑓 𝐾= 𝑔 𝑕 𝑖
𝑧 𝑒 𝑓 𝑐
Contoh 18
Bentuk kuadrat yang diasosiasikan dengan persamaan kuadrat
3𝑥 2 + 2𝑦 2 − 𝑧 2 + 4𝑥𝑦 + 3𝑥𝑧 − 8𝑦𝑧 + 7𝑥 + 2𝑦 + 3𝑧 − 7 = 0
Adalah bentuk
3𝑥 2 + 2𝑦 2 − 𝑧 2 + 4𝑥𝑦 + 3𝑥𝑧 − 8𝑦𝑧
Grafik-grafik dari persamaan-persaman kuadrat dalam x, y, dan z
kita namakan kuadrik (quadric) atau permukaan kuadrik (quadric
surfaces). Sebuah kuadrik yang persamaan dan sketsa grafiknya
ditunjukkan dalam Gambar 7.9 dikatakan berada dalam kedudukan
standar relatif terhadap sumbu-sumbu koordinat.
 Prosedur untuk mengidentifikasi kuadrik yang dirotasikan dari posisi standar serupa
dengan prosedut untuk irisan kerucut (konik). Misalkan Q sebuah permukaan kuadrik yang
persamaannya pada sistem koordinat xyz adalah
𝒙′ 𝑨𝒙 + 𝑲𝒙 + 𝒋 = 𝟎 (7.34)
Dalam hal ini kita ingin merotasikan sumbu koordinat xyz, untuk mendapatkan persamaan
kuadrik pada sistem koordinat x‟ y‟ z‟ yang baru tidak mempunyai suku hasil kali. Hal ini bisa
kita lakukan melalui beberapa langkah berikut ini.
Langkah 1. Carilah sebuah matriks P yang mendiagonalkan 𝑥 𝑡 𝐴𝑥 secara ortogonal.
Langkah 2. Jika perlu, tukarkanlah dua kolom dari matriks P, untuk mendapatkan det (P) = 1.
Ini menjamin bahwa transformasi koordinat orthogonal
𝑥 𝑥′
𝒙 = 𝑷𝒙′, yakni 𝑦 = 𝑃 𝑦′ (7.35)
𝑧 𝑧′
Adalah sebuah putaran
Langkah 3. Substitusikanlah (7.35) ke dalam (7.34). Dari sini akan mendapatkan sebuah
persamaan untuk kuadrik pada koordinat 𝑥’𝑦’𝑧’ tanpa suku hasil kali.
Teorema 6. (Teorema Sumbu untuk R3). Misalkan
𝑎𝑥 2 + 𝑏𝑦 2 + 𝑐𝑧 2 + 2𝑑𝑥𝑦 + 2𝑒𝑥 + 2𝑓𝑦𝑧 + 𝑔𝑥 + 𝑕𝑦 + 𝑖𝑧 + 𝑗 = 0
Adalah persamaan kuadrik Q. dan misalkan
𝒙𝒕 𝑨𝒙 = 𝑎𝑥 2 + 𝑏𝑦 2 + 𝑐𝑧 2 + 2𝑑𝑥𝑦 + 2𝑒𝑥 + 2𝑓𝑦𝑧
adalah bentuk kuadrik terasosiasi. Sumbu-sumbu koordinatnya dapat dirotasikan
sehingga persamaan Q dalam sistem koordinat x’ y’ z’ berbentuk
𝜆1 𝑥′2 + 𝜆2 𝑦′2 + 𝜆3 𝑧′2 + 𝑔′ 𝑥 ′ + 𝑕′ 𝑦 ′ + 𝑖 ′ 𝑧 ′ + 𝑗 = 0
dengan 𝜆1 , 𝜆2 , dan 𝜆3 adalah nilai-nilai eigen matriks A. Rotasi tersebut dilakukan
dengan mensubstitusikan
𝒙 = 𝑷𝒙′
Di mana P mendiagonalisasi 𝑥 𝑡 𝐴𝑥 dan det 𝑃 = 1 secara orthogonal.
Contoh 20
Lukiskanlah permukaan kuadrik yang persamaannya adalah
4𝑥2 + 4𝑦2 + 4𝑧2 + 4𝑥𝑦 + 4𝑥𝑧 + 4𝑦𝑧 − 3 = 0
Penyelesaian:
Bentuk matriks untuk persamaan kuadrat di atas adalah
𝒙𝒕 𝑨𝒙 − 3 = 0
Dimana
4 2 2
𝐴= 2 4 2
2 2 4
Maka nilai-nilai eigen A adalah 𝜆 = 2 dan 𝜆 = 8, sedangkan A didiagonalisasi
oleh matriks secara orthogonal
1 1 1
− −
2 6 3
1 1 1
𝑃= −
2 6 3
2 1
0
6 3
Dimana kedua vector kolom pada P adalah vector-vektor eigen yang bersesuaian dengan
𝜆 = 2 dan vector kolom ketiga adalah vector eigen yang bersesuaian dengan 𝜆 = 8.
Karena det 𝑃 = 1 (buktikan), maka tranformasi koordinat orthogonal 𝑥 = 𝑃𝑥′ adalah
sebuah putaran. Dengan menyulihkan ekspresi ini ke dalam (7.36) akan menghasilkan
𝑃𝑥′ 𝑡 𝐴 𝑃𝑥′ − 3 = 0
Atau secara ekuivalen
𝑥′ 𝑡 𝑃𝑡 𝐴𝑃 𝑥′ − 3 = 0
Karena
2 0 0
𝑡
𝑃 𝐴𝑃 = 0 2 0
0 0 8
Maka (7.37)
2 0 0 𝑥′
𝑥′ 𝑦′ 𝑧′ 0 2 0 𝑦′ − 3 = 0
0 0 8 𝑧′
Atau
2𝑥′2 + 2𝑦′2 + 8𝑧′2 = 3
Ini dapat ditulikasn kembali sebagai
2 2 2
𝑥′ 𝑦′ 𝑧′
+ + =1
3 2 3 2 3 8
Yang menyatakan persamaan elipsoida