Alhamdulillah dengan izin Allah Subhanahu SWT telah hadir di tengah kita buku
Pengantar Aljabar Linear dalam Fisika. Buku ini diharapkan dapat mengisi
kekosongan buku matematika untuk fisika yang terbilang masih sangat sulit
dijumpai di dalam negeri. Buku ini sangat relevan untuk mahasiswa fisika yang
membutuhkan konsep matematika sebagai pengantar pada mata kuliah
Mekanika Kuantum, Elektronika, Komputasi Fisika dan mata kuliah lain yang
membutuhkan konsep-konsep aljabar linear.
Buku yang ada di hadapan anda adalah hasil kolaborasi penulis dengan
sejumlah kontributor yang telah membantu penulisan. Kontributor tersebut
merupakan mahasiswa Pendidikan Fisika UIN Ar-Raniry yang mengambil mata
kuliah Matriks dan Ruang Vektor pada tahun 2019. Kontributor tersebut adalah
Cut Ayuanda Caesarea, Susanti, Uul Selvi Yanti, Dian Rafika, Sara Purnama Sari,
Ade Dea Julianty, Eka Tiara, Hairani Adha, Aqsa Brilianza, Haddin Harahap,
Munadhian Al Haj, Luthfi Putriana, Elly Hartaty, Huswatun Hasanah, May Sarah,
Zakia Hanum dan Nisa Arisma.
Buku ini lebih fresh dengan tampilan menarik dan dilengkapi dengan ratusan
contoh soal dan latihan. Buku juga ditulis dengan sistematis, sehingga sangat
memudahkan bagi pemula. Pada akhirnya kami mengharapkan saran dan
masukan untuk penyempurnaan buku ini.
Tim Penulis
1. Aljabar Matriks
1. PENGANTAR
Pada bagian ini akan dikenalkan sifat-sifat dari sebuah matriks dan operasi aljabarnya.
Selanjutnya akan dikenalkan objek-objek abstrak yang berkaitan dengan matriks.
2. MATRIKS
Matriks adalah susunan bilangan skalar yang disusun secara teratur menurut baris dan
kolom sehingga berbentuk persegi panjang yang dapat dituliskan sebagai:
a11, a12 ,..., a1n , a21, a22 ,..., a2n , ..., am1, am2 ,..., amn .
Sementara kolom dari matriks A adalah n kolom bagian vertikal yang terdiri dari:
A aij
Sebuah matriks yang memiliki jumlah baris m dan jumlah kolom n juga dapat disebut
sebagai matriks m n. Pasangan bilangan m dan n juga disebut sebagai ukuran matriks.
Dua matriks yaitu A dan B disebut sebagai matriks yang sama, ditulis sebagai A=B, jika
kedua matriks memiliki ukuran yang sama dan besar skalar dan susunan unsur-unsurnya
sama.
Sebuah matriks yang hanya mempunyai satu baris disebut matriks baris atau vektor baris,
dan sebuah matriks yang hanya mempunyai satu kolom disebut matriks kolom atau vektor
kolom. Sebuah matriks yang seluruh anggotanya adalah nol disebut matriks nol dan
biasanya dinotasikan dengan 0.
Contoh 1.1
1) Sebuah susunan bilangan berbentuk persegi
1 4 5
A
0 3 2
A adalah matriks 2 3. Dengan baris 1, 4,5 dan 0,3, 2 , sedangkan kolom
Bila A aij dan B bij yang merupakan dua matriks dengan ukuran yang sama,
Perkalian matriks A dengan sebuah bilangan skalar k, dapat dituliskan sebagai kA yang
dituliskan sebagai:
Contoh 1.2
1 2 3 4 6 8
Apabila, A dan B .
0 4 5 1 3 7
Maka:
1 4 2 6 3 8 5 4 11
A B .
0 1 4 3 5 7 1 1 2
3 1 3 2 3 3 3 6 9
3A .
3 0 3 4 3 5 0 12 15
2 4 6 12 18 24 10 22 18
2 A 3B .
0 8 10 3 9 21 3 17 31
i. A B C A B C ,
ii. A 0 0 A A,
iii. A A A A 0,
iv. A B B A,
v. k A B kA kB,
vi. k c A k cA ,
vii. 1 A A.
Perhatikan nilai 0 di dalam (ii) dan (iii) mengacu pada matriks nol. Demikian pula,
berdasarkan (i) dan (iv), sebarang jumlah matriks-matriks A1 A2 An tidak
memerlukan tanda kurung, dan penjumlahan tersebut tidak bergantung pada urutan natriks-
matriksnya.
Soal 1.1
1 1 6
1. Jika, A 2 0 12
3 5 3
Tentukan:
a. Kolom-kolom dan baris-baris dari A.
b. 3A. [5]
2. Jika
x y 2z t 5 4
x y z t 3 1
tentukan x, y, z dan t.[10]
3. Jika
3 1 1 0 2 4
A 1 0 2 dan B 3 5 1 .
0 2 3 1 4 1
Tentukan:
a. A-2B
b. A+3B [5]
4. Buktikan Teorema 1.1 [15].
Perkalian matriks A terhadap B ditulis sebagai AB. Sebuah matriks baris A ai dan
b1
b n
AB a1 , a2 ,..., an 2 a1b1 a2b2 ... anbn ak bk
... k 1
bn
Contoh 1.3
3
1) 8 2 6 2 8(3) (2)(2) 6(1) 26
1
2
2) 1 1 0 1 1 2 11 0 5 1
5
4
3) 3 4 1 1 3 4 4 1 13 19
3
Bila A aik dan B bkj adalah matriks dengan jumlah kolom matriks A sama dengan
baris matriks B atau jika matriks A adalah matriks m p dan matriks B adalah p n, maka
hasil kali matriks AB adalah matriks m n. Secara umum ditulis sebagai:
a11 ... a1 p b11 ... b1 j ... b1n c11 ... c1n
.
... ... ... ... ... ... ... ... ... ...
ai1 ... aip ... ... ... ... ... ... cij ...
... ... ... ... ... ... ... ... ... ... ...
am1
... amp bp1 ... bpj ... bpn cm1 ... cmn
dengan
p
cij ai1b1 j ai 2b2 j ... aipbpj aik bkj . (1 i m,1 j n)
k 1
Hasil kali AB tidak dapat didefinisikan jika A matriks m p dan B matriks q n, sedangkan
p q.
Contoh 1.4
Jika
1 3 2 0 4
A dan B .
2 1 5 2 6
Maka A adalah matriks 2 2 dan B adalah matriks 2 3. Untuk mendapatkan AB, maka
2 0 4
5 , 2 , 6 .
Sehingga diperoleh:
17 6 14
AB .
1 2 14
Soal 1.2
1 1 1 8 1
A dan B 2 0 3 ,
0 3
tentukan AB. [10]
2. Buktikan teorema-teorema 1.2. [15]
4. TRANSPOS MATRIKS
Transpos dari sebuah matriks A ditulis sebagai AT yang merupakan perubahan kolom A
sebagai baris matriksnya. Jika A aij adalah matriks m n maka AT bij adalah
matriks n m dengan bij a ji .
Jadi, jika A aij , maka AT bij dengan aij = a ji untuk setiap i dan j.
mxn nxm
Sebagai contoh,
T 0 3
0 1 1
3 4 0 1 4 .
1 0
Contoh 1.5
2
1) A
5
1 0
2) B 2 3
4 2
2 1 0
3) C 1 2 4
0 4 2
Penyelesaian:
1) AT 2 5
1 2 4
2) BT
0 3 2
2 1 0
3) C 1 2 4
T
0 4 2
Teorema 1.3 Jika A dan B adalah matriks dan k adalah skalar, maka:
i. A BT AT BT ,
ii. A T T
A,
1 1 0 8
Jika A , B dan k adalah 2, tunjukkan bukti teorema 1.3 melalui
0 2 3 1
operasi-operasi A, B dan k. [10]
5. MATRIKS PERSEGI
Matriks persegi adalah matriks yang jumlah barisnya sama dengan jumlah kolomnya.
Sebuah matriks n n juga dapat disebut sebagai matriks persegi n. Bila terdapat A aij
yang merupakan matriks persegi n, diagonal utama dari A adalah komponen diagonal dari
matriks tersebut, yaitu:
Teorema 1.4. Bila A aij dan B bij adalah matrik persegi n dan k adalah skalar,
maka:
i. tr A B tr A +tr B ,
tr A ,
iii. tr A
T
iv. tr AB tr BA .
Contoh 1.6
Jika
1 3 1 0
A dan B ,
2 1 1 4
maka komponen
diagonal A 1, 1 dan tr A 0
Soal 1.4
1 2 0 0 9 1
Jika A 3 12 2 dan B 3
8 1 ,
1 3 1 1 17 3
Tentukan:
Matriks persegi n disebut sebagai matriks identitas atau matriks satuan jika matriks persegi
tersebut memiliki komponen-komponen diagonal bernilai 1, sedangkan komponen selain
komponen diagonal bernilai 0. Matriks identitas disimbolkan sebagai I yang memenuhi:
AI IA A.
kI A k IA kA.
Matriks identitas juga dapat dinotasikan dengan fungsi delta kronecker yang didefinisikan
sebagai:
0 jika i j
ij
1 jika i j
Polinomial dalam matriks A juga dapat didefinisikan dengan mengingat bentuk umum dari
polinomial
f x a0 a1x a2 x2 ... an xn ,
dengan ai adalah bilangan skalar, maka fungsi polinomial f A dapat dituliskan sebagai:
f x a0 I a1 A a2 A2 ... an An .
Contoh 1.7
1 1
Apabila A . Maka:
3 1
1 1 1 1 4 2
A2 .
3 1 3 1 6 4
Jika f x x2 3x 2, maka
4 2 1 1 1 0 5 5
f A 3 2 .
6 4 3 1 0 1 15 5
Contoh 1.8
1 3
Diketahui A . Maka,
2 4
1 3 1 3 7 9
A2 dan
2 4 2 4 6 22
7 9 1 3 11 57
A3 A2 A
6 22 2 4 38 106
Misal, f ( x) 2 x 4 x 5 , maka,
2
7 9 1 3 1 0 5 30
f ( A) 2 4 2 4 5 0 1 20 55
6 22
Soal 1.5
1 2 0
Jika A 3 12 2 .
1 3 1
Sebuah matrik persegi A disebut invertible atau nonsingular jika terdapat matriks B
sedemikian rupa sehingga,
AB BA I ,
Contoh 1.9
2 5 3 5
Apabila A dan B ,maka
1 3 1 2
6 5 10 10 1 0
AB
3 3 5 6 0 1
dan
6 5 15 15 1 0
BA .
2 2 5 6 0 1
Maka A dan B disebut saling menginversi (inverses).
a b
A .
c d
a b x1 x2 1 0
c d y
1 y2 0 1
atau
d c b a
x1 , y1 , x2 , y2 .
A A A A
1
a b
1
d A b A 1 d b
A
d A A c a
.
c d c A
i. Jika A adalah matriks non singular, maka A1 adalah non singular dan
( A1 )1 A
ii. Jika A dan B adalah matriks non singular, maka AB adalah non singular dan
( AB)1 B1 A1
iii. Jika A adalah matriks non singular maka
( AT )1 ( A1 )
Contoh 1.10
2 3 1 3
Tentukan invers dari A dan B .
4 5 2 6
(invertible) dan
5 3
1 5 3
1
A 2 2
2 4 2
2 1
Soal 1.6
1 1 1 4
A dan B . [10]
2 4 2 8
0, dij = 0 untuk i j dan paling tidak satu komponen pada diagonal pokok aij 0 untuk
i j.
Matriks diagonal juga dapat disimbokan sebagai
tr ( D) i 1 dij , ,(i j)
n
Sebagai contoh,
4
1 0 0
0 2 0 , 3 0 , 6
0 2 1
0 0 1
0
Sebuah matriks persegi A aij disebut sebagai matriks segitiga atas atau segitiga
komponen simetrik (tercermin melalui sumbu diagonal jika setiap aij a ji . Sementara itu,
sebuah matriks disebut sebagai skew-simetrik bila AT A. Secara equivalen aij a ji
Contoh 1.11
1 2 3 0 2 7
Diketahui matriks A 2 5 9 dan B 2 0 4
3 9 6 7 4 0
Matriks A merupakan matriks simetri karena komponen simetri yang bersesuai adalah sama
atau dengan kata lain AT A. Matriks B merupakan matriks skew simetri karena
komponen diagonal dari B adalah 0 dan komponen simetrinya saling negatif satu sama lain,
sehingga BT B.
Sebuah matriks disebut sebagai matriks ortogonal apabila AT A1 yang berarti
AAT AT A I . Sehingga A haruslah matriks persegi dan invertible. Jika A adalah
ortogonal, maka
a1 a2 a3 a1 b1 c1 1 0 0
AA b1 b2
T
b3 a2 b2 c2 0 1 0 I .
c1 c2 c3 a3 b3 c3 0 0 1
0 jika i j
ui u j
1 jika i j
Contoh 1.12
1 8 4 1 4 8
9 9 9 9 9 9
Jika A dan AT
4 4 7 8 4 1
9 9 9 9 9 9
8 1 4 4
4 7
9 9 9 9 9 9
1 8 4 1 4 8
9 9 9 9 9 9 1 0 0
1
AAT 0 1 0
4 4 7 8 4
9 9 9 9 9 9
8 1 0 0 1
4 4 7 4
9 9 9 9 9 9
AAT AT A.
2 3 5 0 3 4
1) Apabila A 3 6 3 0 5 , C 1 0 0 .
7 , B 0 0 1
5 7 8 4 5 0
19 8
9
4
9
2) Misal A 94 4 7 .
9 9
89 1
9 9
4
6 3
3) Bila A .
3 6
Karena AA A A, maka A adalah normal.
T T
Soal 1.7
1. Tentukan sifat matriks-matriks berikut, apakah simetrik, skew simetrik atau tidak
keduanya.
5 7 1 0 4 3
0 0 0
A 7 8 2 , B 4 0 5 , C
0 0 0
. [15]
1 2 4 3 5 0
4 x 2
2. Tentukan nilai x jika B adalah matriks simetri. [10]
2 x 3 x 1
3. Tunjukkan mana diantara matriks-matriks berikut yang merupakan matriks normal.
1 1 1
3 4 1 2
A , B 2 3 , C 0 1 1 . [15]
4 3 0 0 1
9. MATRIKS KOMPLEKS
Matriks kompleks adalah matriks yang berisi komponen bilangan kompleks. Bila A adalah
matriks kompleks maka konjugat dari A yang dituliskan sebagai A yang komponen-
komponennya merupakan konjugat dari komponen-komponen A.
AH A AT .
T
Contoh 1.14
1 i 2 6i 4 3i
Apabila A . Maka
2 1i 3 6i 4 2i
1 i 2 1i
A 2 6i 3 6i .
H
4 3i 4 2i
Matriks hermitian adalah sebuah matriks persegi dengan komponen-komponen real pada
diagonal utama dan komponen-komponen konjugat kompleks menempati posisi yang
merupakan cermin pada diagonal utama. Sebuah matriks disebut Hermitian apabila
AH A.
AH A.
AH A1 A1 AH I ,
yang terjadi jika
AH A1.
Sebuah matriks kompleks disebut normal apabila matriks tersebut komutatif terhadap AH,
AAH AH A.
Contoh 1.15
2 3i 1
Diketahui matriks C
1 2i
. Tentukan apakah matriks C merupakan matriks
i
normal?
Penyelesaian:
H
dengan menentukan C C dan CC H .
2 3i 1 H 2 3i 1 2 3i 1 14 4 4i
CH , C C =
1 2i i 1 2i 4 4i 6
=
i 1 2i i
14 4 4i
dan CC
H
. Karena C H C = CC H . Maka matriks kompleks C adalah
4 4i 6
matriks normal.
Contoh 1.16
3 1 2i 4 7i 1 i 1
2 3i 1
A 1 2i 4 2i , B i 1 i , C
i 1 2i
1 .
4 7i 2i 5 1 i 1 i 0
i. Karena setiap komponen simetri adalah konjugat simetrinya, maka A adalah Hermitian.
ii. Karena BBH I maka B adalah unitary.
Penyelesaian:
1 1 1 1 1 i
Misal A i i maka A
H
2 2 1 i
1 1 i 1 1 1
AH A .
2 1 i 2 i i
1 1 i 1 1
2 1 i i i
.
1 2 0
2 0 2
1 0
I
0 1
Soal 1.8
1. Tentukan AH pada masing-masing matriks berikut
3 5i 2 4i
i. A
6 7i 1 8i
2 3i 5 8i
ii. A 4 3 7i . [10]
6 1 5i
2. Tunjukkan bahwa matriks berikut adalah unitary.
1 2i 2i
A 2 2i3 3
13 23i
. [10]
3
SOAL-SOAL TAMBAHAN
3 3 0 9 1 4 8 0 1 1
A ,B ,C ,D
1 1 4 1 2 5 2 8 1 4
Tentukan:
i. 5A B
ii. 2C 3D
iii. AB C
iv. A2
v. f ( A) jika f ( x) x2 2
vi. B3
vii. BAT [40].
i. AB
ii. f (B) jika f x x2 4x 1 . [15]
3. Jika
7 6 2 x
A y z 2 ,
x 2 5
tentukan besar x,y, dan z jika A adalah matriks simetri.[10]
4. Jika
3 x 2i yi
A 3 2i 0 1 zi .
yi 1 xi 1
Temukan bilangan real dari x, y dan z. [15]
5. Buktikan apakah
1 1 i 1 i
A
2 1 i 1 i
merupakan matriks unitary atau bukan [10].
6. Tunjukkan bahwa
1 0
A
1 i i
adalah matriks normal atau bukan.[10]
n
2. Vektor dalam R dan
n
C , Vektor Spasial
1. PENGANTAR
Pada bagian ini akan dikenalkan bentuk-bentuk vektor abstrak selain vektor spasial atau
vektor dalam besaran-besaran fisika yang umum digunakan. Pembaca sebaiknya
membiasakan diri dengan dasar-dasar sifat dari medan bilangan riil yang dinotasikan
sebagai . Demikian juga dengan sifat-sifat medan bilangan kompleks . Dalam konteks
vektor, bagian-bagian dari bilangan sebuah medan disebut sebagai skalar. Meskipun dalam
bab ini kadang didefinisikan medan dan , namun terkadang operasi ditujukan pada
medan-medan sembarang K.
Misal terdapat delapan siswa dengan berat badan (dalam kg) masing-masing dalam daftar
berikut
34,56,74,23,56,57,45,42
Kita dapat menotasikan daftar berat badan siswa-siswi tersebut ke dalam hanya satu simbol
w, tetapi dengan indeks label yang berbeda
w1 , w2 , w3 , w4 , w5 , w6 , w7 , w8
Notasi dengan indeks tersebut masing-masing mewakili nilai yang ada pada posisi
deretannya, misal w1 34 dan w1 56 dan seterusnya. Maka daftar nilai
w w1 , w2 , w3 ,..., w8
yang disebut sebagai vektor. Dalam besaran-besaran fisika seperti temperatur dan kelajuan
hanya terdapat besar dari besaran tersebut. Besaran dengan sifat tersebut disebut sebagai
besaran skalar yang diwakili oleh bilangan skalar. Sementara itu, besaran fisika seperti gaya
dan kecepatan, memiliki besar dan arah. Besaran-besaran tersebut memiliki sebuah acuan
(reference) O, dan disebut sebagai vektor.
Pengertian Vektor
Vektor merupakan sebuah besaran yang memiliki arah. Vektor digambarkan sebagai panah
yang menunjukan arah vektor dan panjang garisnya disebut besar vektor. Dalam
penulisannya, jika vektor berawal dari titik A dan berakhir di titik B bisa ditulis dengan
sebuah huruf kecil yang diatasnya ada tanda garis/panah seperti atau atau juga:
A.B
3
Sekarang kita asumsikan pembaca familiar dengan ruang dimana semua titik diwakili
oleh tripel bilangan skalar yang titik acuannya adalah O. Setiap titik di dalam ruang tersebut
bersifat unik dan diwakili oleh koordinat titik akhir dari vektor tersebut.
Terdapat dua operasi penting dalam vektor, yakni penjumlahan vektor dan perkalian skalar,
yang juga merupakan operasi-operasi vektor dalam fisika.
i. Penjumlahan vektor
Resultan dari penjumlahan vektor u v dapat diperoleh dengan mencari diagonal
2. VEKTOR DALAM n
Suatu besaran yg mempunyai besar dan arah, besar dalam hal ini adalah panjang vektor tsb.
Misalkan:
u 2, 1,3
5
v 3
4
n
Himpunan n-tupel dari bilangan rill di notasikan sebagai , yang disebut sebagai ruang n.
n
n-tupel tertentu dalam , adalah
u a1, a2 ,..., an
yang disebut sebagai sebuah titik atau vektor. Bilangan ai disebut sebagai koordinat,
Dua vektor yang sama, u dan v ditulis sebagai vektor yang sama dengan u v jika
keduanya memliki jumlah komponen dan posisi (corresponding) yang sama. Misal
meskipun vektor (1,2,3) dan (2,3,1) memiliki jumlah anggota yang sama, namun kedua
vektor tersebut tidak memiliki anggota yang sama pada posisinya masing-masing, sehingga
kedua vektor tersebut tidaklah sama.
Vektor (0, 0,..., 0) yang memiliki seluruh anggota 0 disebut sebagai vektor 0 yang
dinotasikan sebagai 0.
Contoh 2.1
1) Vektor 2, 5 dan 7,9 adalah vektor dalam 2
. Sedangkan vektor 0,0,0 dan
2) Tentukan nilai x,y,z apabila vektor x y, x y, z 1 adalah vektor yang sama
dengan 4, 2,3 .
Solusi:
Dengan definisi dua vektor yang sama, maka
x y 4; x y 2; z 1 3
Dengan memecahkan persamaan tersebut maka x 3, y 1, z 4.
Vektor Kolom
n
Kadang-kadang vektor dalam ruang n juga ditulis secara vertikal, yang disebut sebagai
vektor kolom. Sebagai contoh,
2
1
0 dan 3
1
v u
y x
u a1 , a2 , a3
v b1, b2 , b3
u v a1 b1, a2 b2,a3 b3
z ku
y x
u a1 , a2 , a3
Penjumlahan vektor yang tidak memiliki komponen yang sama tidak didefenisikan.
Penjumlahan vektor dapat diperoleh dari hukum jajar genjang. Vektor negatif atau
pengurangan vektor didefenisikan:
u 1 u
u v u v
n
Jika terdapat vektor u dan v di dalam yang masing-masing adalah
u a1, a2 ,..., an dan v b1, b2 ,..., bn
Penjumlahan kedua vektor tersebut adalah:
u v a1 b1, a2 b2 ,..., an bn
Oleh karena itu, penjumlahan vektor antara vektor yang tidak memiliki jumlah anggota
yang sama tidak dapat didefinisikan.
2
Perkalian Vektor di dengan Skalar
Suatu vektor dapat dikalikan dengan suatu skalar (bilangan real) dan akan menghasilkan
suatu vektor baru. Jika v adalah vektor dan k adalah skalar. Maka perkalian vektor:
k.v
Dengan ketentuan:
Solusi:
2u 4v 2 2, 1, 3 4 4,3, 5
20,10, 14
Teorema 2.1
i. u v w u v w ,
ii. u 0 u,
iii. u u 0,
iv. u v v u,
v. k u v ku kv,
vi. k k u ku k u,
' '
vii. kk u k k u ,
' '
viii. 1u u
Soal 2.1
1. Tunjukkan dua vektor dari vektor-vektor berikut yang disebut sebagai vektor yang
sama
u1 2,3, 4 u2 3,4,2 u3 2,3,4 u4 4,2,3
2. Jika
u 2,3, 4 v 2, 3,0 w 8, 3,1
Tentukanlah:
a) u-v
b) 2u+3v-w. [5]
3. Jika
2 1 9
u 1 , v 2 , w 2
3 6 2
Tentukanlah:
a) u+2v
b) 2u+v-w. [5]
1 1 1 2
2 x 1 y 2 z 1 [10].
5 1 3 1
Contoh 2.3
1) Bila u 1, 2,3 v 4,5, 1 w 2,7, 4 . Maka,
adalah ortogonal.
Solusi:
u v 6 2k 24 8 10 2k 0
maka nilai k adalah 5.
Teorema 2.2
i. u v w u w v w,
ii. ku v k u v ,
iii. u v v u,
iv. u v 0, dan u u 0, jika dan hanya jika u 0.
n
Panjang suatu vektor u yang bukan nol pada dilambangkan dengan “ u ” di
defenisikan:
u a1, a2 , a3 ,..., an
Jika vektor u dimana u 1 , maka u disebut vektor satuan. Vektor satuan yang unik yg
u
u
u
n
Norm atau panjang sebuah vektor yang berada pada dinotasikan sebagai u yang
didefinisikan sebagai non negatif akar dari kuadrat u u. Jika u a1 , a2 ,..., an maka
Sebuah vektor u disebut sebagai vektor satuan jika u 1 atau u u 1. Untuk semua
n
bukan vektor nol v di dalam terdapat
1 v
vˆ v
v v
yang merupakan vektor satuan pada arah yang sama dengan v. Proses untuk menentukan v̂
dari v disebut sebagai normalisasi v.
Contoh 2.4
1) Bila u 1, 2, 4,5,3 . Kita dapat menghitung u u u dengan hasil
2
maka u 55.
9 1 25 1 36
v 1 9 16 4 30 dan w 1 1
36 36 36 36 36
3) Diketahui vektor u 2, 1,3 dan vektor v 4,3, 7
Tentukan: d u, v
Solusi:
u 2, 1,3 v 4,3, 7
4 16 100
120
Sehingga, w disebut sebagai vektor satuan dan v bukan vektor satuan. Untuk
menormalisasi v dapat dilakukan dengan
v 1 3 4 2
vˆ
v 30 30 30 30
, , ,
yang merupakan vektor satuan yang unik dan memiliki arah yang sama dengan v.
didefinisikan sebagai
d u, v u v a1 b1 2 a2 b2 2 ... an bn 2
Kita dapat melihat, bahwa definisi tersebut sama dengan definisi yang familiar kita
2 3
gunakan dalam bidang Euclidean atau ruang Euclidean .
Sudut antara dua vektor u,v yang bukan vektor nol di dalam n
di definisikan
sebagai
u v
cos
u v
dengan ketidaksamaan Schwarz maka
u v
1 1
u v
yang jika u v 0 maka 90 yang juga merupakan definisi sifat ortogonal dua
vektor.
Proyeksi sebuah vektor u terhadap vektor v yang bukan vektor nol dinotasikan dan
didefinisikan sebagai
u v
proj u, v 2
v
v
Contoh 2.5
Bila u 1, 2,3 dan v 2, 4,5 . Maka,
sehingga
u v 9
cos .
u v 14 45
Demikian juga
u v 9 2 4
proj u, v v 2, 4,5 , ,1 .
5 5
2
v 45
Soal 2.2
4. Tentukan u jika,
7. Buktikan
(a) Teorema 2.2.
(b) Teorema 2.3.
(c) Teorema 2.4. [15]
5. VEKTOR SEARAH, BIDANG HIPER, GARIS DAN KURVA PADA
n
searah atau potongan garis searah dari A yang ditulis sebagai AB. Sebuah vektor,
dengan besar u memiliki besar dan arah yang sama dengan AB. Kedua vektor digambarkan
dalam Gambar 2.1
Gambar 2.1 Vektor AB memiliki arah dan besar yang sama dengann vektor u.
Bidang Hiper
memenuhi persamaan
dengan u a1 , a2 ,..., an adalah koefisien yang tidak nol. Dengan demikian bidang hiper H
2 3
di adalah sebuah garis dan bidang hiper di adalah sebuah bidang. Gambar 2.2
adalalah ruang 3
dengan u ortogonal terhadap potongan garis PQ, dengan P pi dan
Bila P pi dan Q qi adalah titik di dalam H, maka keduanya akan memenuhi persamaan
misal
v PQ Q P q1 p1 , q2 p2 ,..., qn pn ,
Maka
u v a1 q1 p1 a2 q2 p2 ... an qn pn
Garis
Garis L pada n
yang melewati garis P b1 , b2 ,..., bn dan dalam arah vektor bukan nol
u a1 , a2 ,..., an yang terdiri dari titik titik X x1, x2 ,..., xn yang memenuhi
X P tu
atau
x1 a1t b1
x a t b
2 2 2
...................
xn ant bn
atau
L t ait bi
3
dengan paramater t adalah nilai rill. Garis L di digambarkan pada Gambar 2.3.
3
Gambar 2.3 Garis dalam
n
Kurva di dalam
Sekarang kita ambil interval D pada bilangan rill . Sebuah fungsi kontinyu F : D n
ditulis sebagai
F t : F1 t , F2 t ,..., Fn t
dF t dF1 t dF2 t dF t
V t , ,..., n
d t d t d t d t
V t
T
V t
dengan T adalah vektor satuan tangensial dari kurva.
Contoh 2.6
v PQ Q P 5 1, 4 1, 2 1 4,3,1
Solusi:
Koefisien yang tidak diketahui dari persamaan H adalah komponen vektor normal u,
dengan persamaan H harus dalam bentuk
4 x1 2 x2 5x3 6 x k
Dengan melakukan subtitusi ke P ke dalam persamaan, kita memperoleh
4 1 2 3 5 4 6 2 k 10
4
3) Tentukan wakilan parameterik dari garis L dalam yang melalui titik
P 1, 2,3, 4 dan searah dengan u 5,6, 7,8.
Solusi:
Dengan melakukan sibtitusi ke dalam persamaan L menghasilkan wakilan parametrik
sebagai berikut:
x1 5t 1, x2 6t 2, x3 7t 3, dan x4 8t 4,
atau ekuivalen dengan
L t 5t 1,6t 2, 7t 3,8t 4
t adalah bilangan bukan nol.
V t cos2 t sin 2 t 1 2
2
Soal 2.3
1. Tentukan vektor u yang diidentifikasi memiliki arah yang sama dengan potongan
5.
Apabila C adalah kurva F t t ,3t 2, t , t 5 di dalam
2 3 2
4
dengan 0 t 4
6. VEKTOR SPASIAL 3
3
Vektor di dalam Disebut sebagai vektor spasial. Beberapa notasi yang lazim digunakan
adalah sebagai berikut:
Vektor iˆ, ˆj, kˆ adalah vektor yang ortogonal yang hasil perkalian titik vektor-vektor tersebut
adalah
iˆ iˆ ˆj ˆj kˆ kˆ 1, dan iˆ ˆj iˆ kˆ ˆj kˆ 0.
Selanjutnya, jika terdapat vektor
u v a1 b1 iˆ a2 b2 ˆj a3 b3 kˆ
dan
a b a b
ad bc dan bc ad .
c d c d
a1 a2 a3 a a a a a a
iˆ 1 2 3 ˆj 1 2 3 kˆ
b1 b2 b3 b1 b2 b3 b1 b2 b3
Contoh 2.7
1) Diketahui vektor-vektor:
Jika vektor a tegak lurus dengan b dan vektor c sejajar dengan d maka ( y z)
Solusi:
diperoleh z 2 dan
y 3z
Maka,
y z 1
antara a dan b
Solusi:
a 2 dan b 3
(a b).b 12
(a.b) bb
. 12
2
a . b cos b 12
2.3cos 32 12
6cos 9 12
1
cos
2
60
7. VEKTOR DALAM n
n
Himpunan dari tupel-n bilangan kompleks dinotasikan sebagi disebut sebagai ruang
kompleks-n. Penjumlahan dan perkalian skalarnya mengikuti
u u u z1 z1 z1 z2 ... zn zn .
Contoh 2.8
1) Jika terdapat vektor u 2 3i, 4 i,3 5i dan v 3 4i,5i, 4 2i
u v 2 3i 3 4i 4 i 5i 3 5i 4 2i
u u 2 3i 4 i 3 5i 64
2 2 2
u 64 8.
Soal 2.4
1. Bila u 2iˆ 4 ˆj 2kˆ ; v 3iˆ 4 ˆj kˆ dan w iˆ ˆj kˆ. Tentukan,
i. u v;
ii. u w;
iii. w . [9]
2. Tentukan persamaan garis dari garis L yang melalui titik P 1, 4,5 dan Q 3,6, 1
.[5]
3. Jika S adalah permukaan xy 2 2 yz 16 di dalam 3
. [10]
ˆ ˆ ˆ ˆ ˆ ˆ
4. Jika u i 2 j k dan v 2i 5 j 2k. Tentukan
i. uv
ii. v u
iii. Tunjukkan bahwa v u u v. [15]
5. Terdapat z 3 2i dan z 1 2i. Tentukanlah,
i. zw
ii. zw
iii. z . [15]
3. Ruang Vektor
1. PENGANTAR
Mengapa kita perlu belajar ruang vektor? Kita telah melewati bentuk formal dari vektor
dan matriks. Bentuk-bentuk formal tersebut akan sangat berguna dalam menyelesaikan
masalah-maslaah murni matematika atau fisika. Sekarang, tinjau dua masalah berikut:
2 x1 2 x2 4 x3 2
3x1 3x2 0 x3 6
0 x1 4 x2 3x3 5
Masalah tersebut juga dapat dituliskan dalam bentuk
2 2 4 x1 2
3 3 0 x 6
2
0 4 3 x 5
3
2 2 4 2
x1 3 x2 3 x3 0 6 .
0 4 3 5
Masalah 2 merupakan masalah familiar untuk menemukan bentuk energi dari momentum
partikel di dalam kotak. Kita dengan sangat mudah memecahkan Masalah 1, karena dalam
kuliah fisika matematika pembaca telah memperoleh materi aljabar linear. Tapi bagaimana
dengan Masalah 2? Kita tidak mungkin menyelesaikannya dengan teknik yang serupa
dengan pemecahan masalah pada masalah 1. Kabar baiknya, dengan mengidentifikasi jenis
dan sifat dari objek matematika tertentu, seperangkat teorema yang akan kita pelajari dalam
ruang vektor.
Untuk memahami konsep ruang vektor pembaca sebaiknya telah terbiasa dengan dasar-
dasar dalam teori himpunan dan logika matematik. Sepanjang materi ruang vektor, bahasa
dan notasi dalam kedua dasar teori tersebut banyak digunakan. Sebagian pembaca telah
mendapatkan materi matematika pada Kalkulus Dasar dan Fisika Matematika. Konten
kedua mata kuliah tersebut sebagian besar berupa prosedur menyelesaikan bentuk-bentuk
permasalahan. Pembaca diharapkan merubah pandangannya, bahwa belajar matematika
bukanlah hanya mengerjakan seperangkat prosedur penyelesaian masalah.
Sebagai contoh struktur aljabar yang merupakan lapangan yang sering dijumpai yaitu:
bilangan riil.
ii. , ,. merupakan himpunan bilangan kompleks terhadap penjumlahan dan
perkalian bilangan kompleks.
iii. , ,. merupakan himpunan bilangan rasional terhadap penjumlahan dan
perkalian bilangan rasional
Berikut adalah simbol atau notasi yang akan banyak digunakan dalam materi ruang vektor
Definisi 1.
Diberikan himpunan tak kosong V Bersama dengan suatu operasi pada V . Diberikan suatu
lapangan (field) R, ,. . Diberikan suatu operasi skalar: RxV V , himpunan V disebut
u v w u v w u, v, w V .
Terdapat vektor 0
Sifat unitary
1u u u V .
Contoh 3.1
n
1) Vektor dalam adalah ruang vektor sebab meenuhi oprasi dan aksioma berikut:
i. Penjumlahan vektor dari
a1
a
u 2
...
an
b1
b
v 2
...
bn
akan menghasilkan
a1 b1
a b
uv 2 2
...
an bn
yang u v n
.
ka1
ka
ku 2
...
kan
Penjumlahan vektor asosiatif
u v w u v w u, v, w n
.
Terdapat vektor 0
0 b1 0 b1
0 b2 0 b
0 , w maka 0 w
2
w
... ... ...
0 bn 0 bn
a1 a1 0
a a 0
u 2
, u 2
maka u u
... ... ...
an an 0
Sifat asosiatif perkalian
kla1
kla
kl u k lu ...2
klan
Sifat distributif
k l a1 ka1 la1
k l a2 ka2 la2
k l u ku lu
... ... ...
k l an kan lan
Sifat unitary
1u u u n
.
a1
a
1u 1 2 u
...
an
2)
Himpunan S x, y, z 3
, x y z 1 bukanlah ruang vektor sebab tidak
terdapat vektor nol di dalam himpunan tersebut dan apabila dilakukan operasi
penjumlahan dan perkalian skalar, hasilnya bukanlah bagian dari himpunan tersebut.
Misal, u 1, 1,1 dan v 1,0,0 , jika kedua vektor dijumlahkan akan diperoleh
3) Matriks M mn adalah ruang vektor karena memenuhi seluruh oprasi dan aksioma
pada Definisi 1.
4) Polinomial P x adalah ruang vektor karena memenuhi seluruh oprasi dan aksioma
pada Definisi 1.
5) Pemetaan f : adalah ruang vektor karena memenuhi seluruh oprasi dan
aksioma pada Definisi 1.
Soal 3.1
1. Tentukan apakah objek matematik berikut merupakan ruang vektor atau bukan
a. Matriks M 22
b. Himpunan
S x, y, z 3
x2 y 2 z 2 4 . [10]
Himpunan A disebut sebagai subhimpunan dari B jika semua anggota himpunan A
ada di dalam himpunan B. Sebagai contoh himpunan titik di dalam lingkaran
C a, b 2
a 2 b2 1 adalah subhimpunan dari 2
.
Definisi 2. Bila V adalah ruang vektor pada medan F. Subruang dari V adalah non
subhimpunan kosong W dari V yang memenuhi
i. Terdapat vektor nol V di dalam W.
Contoh 3.2
1) Ruang vektor V adalah subruang untuk dirinya sendiri.
subruang.
Melalui
Soal 3.2
4
1. Tentukan apakah subhimpunan dari di bawah ini juga merupakan subruang dari
4
:
i. x, y, z, t ; x 1
ii. x, y, z, t ; xt yz
iii. x, y, z, t ; x y, z t [10]
3
2. Tunjukkan bahwa garis dalam yang tidak melalui pusat koordinat bukan
3
merupakan subruang dari [5]
3 3 3
3. Tunjukkan apakah adalah subruang dari atau merupakan subruang dari
3
. [5]
2 3
4. Apakah adalah subruang dari . [5]
a
5. Tunjukkan bahwa V 0 a, b adalah subruang dari
3
. [5]
b
x
6. Tunjukkan bahwa V x bukanlah subruang dari 2
. [5]
x 1
Teorema 1. Irisan sejumlah subruang di dalam ruang vektor V juga merupakan subruang di
dalam V.
Apabila terdapat U dan W adalah subruang di dalam ruang vektor V. Maka irisan U W
juga merupakan subruang di dalam V. Misal terdapat u dan v di dalam irisan U W.
Kemudian u, v U dan u, v W. Diketahui U dan W adalah subruang untuk a, b K,
bilangan skalar.
Contoh 3.3
Apabila v1 1, 2,3 dan v2 1,0, 2 , dengan kombinasi linear dari vektor-vektor
tersebut adalah u 1, 2, 1 . Bilangan skalar dari kombinasi linear tersebut dapat
a1 a2 1
2a1 0a2 2
3a1 2a2 1
Untuk menentukan bilangan-bilangan skalar tersebut, dilakukan pemecahan dengan
menuliskan matriks
1 1 1
20 2
3 2 1
dengan operasi R2 2 R1 dan R3 3R1 diperoleh,
1 1 1
0 2 4
0 1 2
dengan demikian diperoleh a2 2 dan a1 1.
Definisi 4. Jika terdapat himpunan vektor v1, v2 ,..., vk di dalam ruang vektor V,
himpunan semua vektor yang merupakan kombinasi linear dari v1 , v2 ,..., vk yakni,
Contoh 3.4
Span v1 , v2 jika v1 1, 2,3 dan v2 1,0, 2 adalah himpunan semua vektor
x, y, z 3
dengan x, y, z a1 1, 2,3 a2 1,0, 2. Dalam sajian dalam bentuk
matriks,
1 1 x
2 0 y
3 2 z
melalui operasi aljabar berikut
1
R2 R2 2R1 ; R3 R3 3R1 ; R2 R2 dan R3 R3 R2
2
maka diperoleh, 4x y 2z 0. Dengan demikian span v1 , v2 adalah
4x y 2z 0.
Soal 3.3
v2 1,1,1 . [5]
himpunan semua vektor a1v1 a2v2 ... ak vk 0 disebut bebas linear jika skalar-skalar
a1 , a2 ,..., ak semuanya adalah nol dan disebut bergantung linear jika tidak semuanya
bernilai nol.
Contoh 3.5
1 1 0 1 1 0
2 0 0 0 1 0
3 2 0 0 0 0
Sehingga a1 a2 0. Maka himpunan vektor tersebut saling bebas linear.
2
2) Jika terdapat himpunan vektor dalam
1 5 1
x1 , x2 , x3
3 6 4
maka
1 5 1 0 1 5 1 0
3 6 4 0 0 21 7 0
Diperoleh bahwa terdapat skalar yang bukan nol, sehingga himpunan tersebut
bergantung linear.
Soal 3.4
1. Tunjukkan bahwa subhimpunan 1,1,0 , 2,5,3 , 0,1,1 dari 3
adalah
Contoh 3.6
1) Vektor satuan iˆ, ˆj dan k̂ adalah basis bagi 3
.
span 3
v 3
v a1 1,0,0 a2 0,1,0 a3 0,0,1 .
Dengan
a1 1,0,0 a2 0,1,0 a3 0,0,1 0,0,0
Definisi 7. Dimensi dari sebuah ruang vektor V adalah jumlah vektor dalam sebuah basis.
Contoh 3.7
3
1) Jumlah dimensi dalam adalah 3.
x 2s
y t t, s
zs
Dengan x, y, z 2s, t , s t 0,1,0 s 2,0,1 . Dengan demikian
v1 0,1,0 dan v2 2,0,1 . Karena v1 , v2 adalah basis, maka dimensi dari
bidang adalah 2.
Soal 3.5
1. Apakah himpunan vektor 1,0,1 , 2,1, 4 , 0,3,1 adalah basis dari 3
? [10]
2.
Tunjukkan jumlah dimensi dari garis G x, y 3
y 2x [5]
Persamaan linear memiliki cakupan penerapan yang sangat luas. Mulai dari sektor industri,
kedokteran, kesehatan masyarakat, sampai ilmu fisika. Ada banyak masalah sistem fisis yang
modelnya merupakan sistem persamaan linear. Contoh pada masalah rangkaian listrik dan
mekanika yang telah dikerjakan pada Kuis 1.
Persaman linear adalah persamaan dengan variabel-variabel x1 , x2 ,..., xn yang tidak diketahui di
a1 x1 a2 x2 ... an xn b (4.1)
dengan a1 , a2 ,..., an dan b adalah konstanta. Kontanta ak disebut sebagai koefisien dan b adalah
konstanta persamaan.
Sementara itu, solusi dari persamaan linear adalah daftar nilai yang tidak diketahui yang
memenuhi persamaan linearnya. Sistem persamaan linear dapat diklasifikasikan berdasarkan
solusi dari persamaannya, klasifikasi tersebut adalah:
(i) Tidak konsisten, jika sistem persamaan linear tidak memiliki solusi,
(ii) Unik, jika sistem persamaan linear memiliki solusi yang unik, dan
(iii) Tak hingga, jika sistem persamaan linear memiliki solusi yang tak hingga.
Solusi persamaan linear dilates Adela sebuah daftar yang berisi nilai-nilai variabel-variabel yang
n
tidak diketahui atau secara ekuivalen, sebuah vektor u di dalam k , misalnya:
kn
Dengan mendistribusikan ki ke dalam xi didalam persamaan tersebut adalah
Perhatikan persamaan linear dengan tiga variabel tidak diketahui x, y, z berikut ini:
x 2 y 3z 6
Kita mengetahui bahwa x 5, y 2, z 1 atau vektor u 5,2,1 adalah solusi
Dipihak lain, w 1, 2,3 bukanlah solusi persamaan, karena ketika kita
Contoh 4.2
x y 5 y 3x 5
2x 3 y 8
2 x 3(3x 5) 8
2 x 9 x 15 8
2 x 9 x 8 15
7 x 7
x 1
y 3x 5
3(1) 5
3 5 2
Jadi penyelesaian system persamaan adalah x 1 dan y 2
Contoh 4.3
Loop 1 didapat:
Loop 2 didapat:
Loop 3 didapat:
Loop 4 didapat:
Lalu dari sistem persamaan linear diatas tersebut dirubah kedalam bentuk matriks
diperoleh:
10 4 0 0
Maka det ( A)
4 12 2 0 dengan menggunakan metode minor-kofaktor
0 2 12 4
0 0 4 10
diperoleh det ( A) 10416. Lalu mencari det( A1 ) , det( A2 ), det( A3 ), dan det( A4 )
10 4 0 0
det ( A1 ) 4 12 2 0 11760
0 2 12 4
0 0 4 10
10 4 0 0
det ( A2 ) 4 12 2 0 3360
0 2 12 4
0 0 4 10
10 4 0 0
det ( A3 ) 4 12 2 0 3360
0 2 12 4
0 0 4 10
10 4 0 0
det ( A4 ) 4 12 2 0 11760
0 2 12 4
0 0 4 10
Sehingga I diperoleh
11760
i1 1,129 1,13
10416
3360
i2 0,322 0,32
10416
3360
i3 0,322 0,32
10416
11760
i4 1,129 1,13
10416
4 1 3 1 3
0 3 6 9 5
A 0 0 0 1 7
0 0 0 0 3
0 0 0 0 0
Contoh 4.4
0 2 3
C 0 1 2
1 2 0
Jawab:
Langkah ke-1: tukar baris 3 dengan 1
1 2 0
C 0 1 2
0 2 3
1 2 0
C 0 1 2
0 0 1
Contoh 4.5
2 0 4 6
C 1 1 2 4
4 2 0 2
4 2 0 2
C 1 1 2 4
2 0 4 6
Langkah ke-2: bagi baris 1 dengan 4
1 1
1 2
0
2
C 1 1 2 4
2 0 4 6
Langkah ke-3: kurangi baris ke 2 dengan baris 1
1 1
1 2 0 2
C 1
1 7
2
2 2
0 1 4 6
1 1
1 2 0 2
C 1
1 7
2
2 2
0 1 4 5
1 1
1 2
0
2
C 1 1 4 5
1 7
0 2
2 2
1 1
1 2
0
2
C 0 1 4 5
1 7
0 2
2 2
1
Langkah ke-7: kurangi baris 3 dengan ( )
2
1 1
1 2
0
2
C 0 1 4 5
0 0 4 6
1 1
1 2
0
2
C 0 1 4 5
1
0 0 1
2
Definisi 4.2.
Apabila terdapat sebuah matriks pada medan F, maka dapat dilakukan operasi baris
yang mengikuti operasi-operasi berikut:
(i) Pertukaran baris antara baris ke-i dengan baris ke-j dengan i j.
(ii) Pergantian baris ke-i dengan baris dengan hasil kali baris ke-dengan bilangan
skalar bukan nol rai dengan r F.
1 3 1 1 2
M 3 6 1 1 4
1 3 2 7 1
(i) Pertukaran baris antara baris ke-1dengan baris ke-2.
3 6 1 1 4
M 1 3 1 1 2
1 3 2 7 1
(ii) Pergantian baris ke-3 dengan baris hasil baris ke-3 dengan 2.
3 6 1 1 4
M 1 3 1 1 2
2 6 4 14 2
(iii) Pergantian baris ke-2 dengan a2 2a3 .
3 6 1 1 4
M 3 9 5 15 4
2 6 4 14 2
Proposisi 4.1. Sebuah matriks dapat direduksi menjadi eselon baris melalui serangkaian
operasi baris yang tidak unik.
Contoh 4.6
1 2 3
C 4 5 6
7 8 9
1 2 3 1 2 3 1 2 3 1 2 3
R2 4R1 0 3 6 R3 7 R1 0 3 6 R3 2R2 0 3 6 R2 0 1 2
1
3
7 8 9 0 6 12 0 0 0 0 0 0
Soal 4.1
0 1 1 1 4
1 4 2 1
1 2 1 6 2 0 ;C 3 3 3 1 3
A ; B [15
2 1 2 7 4 9 5 4 7 2 2
1 1 9 0 9
2. ELIMINASI GAUSS
Pada mata kuliah Fisika Matematika telah dikenalkan sistem-sistem persamaan linear.
Persamaan linear yang memiliki variabel yang sedikit akan sangat mudah dipecahkan
dengan Metoda Subtitusi. Misal terdapat persamaan
2x 4 y 8
(4.1)
3x 2 y 4.
Persamaan pertama pada 4.1 dikalikan dengan 1 2 sehingga diperoleh,
x 2y 4
(4.2)
3x 2 y 4.
Persamaan pertama pada 4.2 di kali -3 dan dijumlahkan dengan persamaan kedua, sehingga
diperoleh,
x 2y 4
y 1.
Sehingga diperoleh, x 2 dan y 1.
Akan tetapi metoda subtitusi tersebut akan sangat tidak efisien diterapkan pada sistem
dengan persamaan linear yang memiliki variabel yang sangat banyak dan memiliki banyak
persamaan.
Definisi 4.3.
Matriks yang diperluas (augemented) adalah matriks yang terdiri dari koefisien-koefisien
persamaan linear dan ditambah dengan konstanta persamaan.
Misal terdapat persamaan linear
2x 3 y 4z 4
x 3y z 3
y 2 z 10
maka matriks yang diperluas ditulis sebagai,
2 3 4 4
1 3 1 3
0 1 2 10
atau dapat dituliskan juga sebagai
2 3 4 4
1 3 1 3
0 1 2 10
Definisi 4.4.
Eliminasi Gauss adalah operasi baris pada matriks yang diperluas sedemikian rupa agar
diperoleh matriks dalam bentuk eselon yang memiliki syarat,
(i) Semua komponen diagonal matriks koefisien tak diperluas dari sistem persamaan
linear bernilai 1. Misal untuk matriks diperluas 3×4.
1 * * *
0 1 * *
0 0 1 *
(ii) Semua komponen segitiga di bawah komponen diagonal adalah 0. Misal untuk
matriks diperluas 3×4.
1 * * *
0 1 * *
0 0 1 *
Contoh 4.7
2 x 3 y 2 z 3
x yz 0
x 2 y 3z 1
2 3 2 3
1 1 1 0
1 2 3 1
1 1 1 0 1 1 1 0 1 1 1 0
R1 R2 2 3 2 3 R2 2R1 0 1 0 3 R2 2 R1 0 1 0 3
1 2 3 1 1 2 3 1 1 2 3 1
1 1 1 0 1 1 1 0 1 1 1 0
R3 R1 0 1 0 3 R3 3R2 0 1 0 3 R3 0 1 0 3 .
1
0 3 2 1 0 0 2 8 2 0 0 1 4
Sehingga, diperoleh himpunan solusi dari sistem persamaan tersebut adalah 7, 3, 4.
Contoh 4.8
2x y z 3
x y 2z 5
x yz 2
Yang jika ditulis dalam bentuk matriks diperluas diperoleh
2 1 1 3
1 1 2 5
1 1 1 2
1 1 3 1 1 3 1 1 3
1 1
2 2 2 2 2 2 1 2 2 2
1 0 3 2 1 0 3 2
R1 1 5 7
R 1 R
1 1 2 5 R2 1R1 0 2 2 2 2 0 1 5 7 R1 R2 0 1 5 7 3 0 1 5 7
2 1 1 1
1
1
1 1 2 3
0 0 3 3 0 0 1 1
2
1 1 1 2 0 2 2 2 0 2 2 2
Sehingga, diperoleh himpunan solusi dari sistem persamaan tersebut adalah 2,7,1
Soal 4.2
Tentukanlah solusi dari sistem-sistem persamaan berikut dengan Metoda Eliminasi Gauss.
x yz 2
a. 2 x y 3z 3
x y z 2
yz 0
b. x 3 y 3z 10 [20]
x y 4 z 8
3. ELIMINASI GAUSS-JORDAN
Definisi 4.5.
Eliminasi Gauss-Jordan adalah metode untuk menyelesaikan system persamaan linear.
Metode tersebut secara sistematis mengubah matriks yang berukuran besar ke dalam bentuk
matriks terinduksi. Eliminasi Gauss-Jordan adalah operasi baris pada matriks yang
diperluas sedemikian rupa agar diperoleh matriks dalam bentuk eselon yang memiliki
syarat:
(i) Semua komponen diagonal matriks koefisien tak diperluas dari sistem persamaan
linear bernilai 1. Misal untuk matriks diperluas 3×4.
1 0 0 *
0 1 0 *
0 0 1 *
(ii) Semua komponen segitiga dibawah dan diatas komponen diagonal adalah 0. Misal
untuk matriks diperluas 3×4.
1 0 0 *
0 1 0 *
0 0 1 *
Contoh 4.9
Jika terdapat sistem persamaan seperti pada contoh 4.3, maka dengan meneruskan
operasi Eliminasi Gauss ke Eliminasi Gauss-Jordan
1 1 1 0 1 0 1 3 1 0 0 7
0 1 0 3 R R 0 1 0 3 R R 0 1 0 3
1 2 1 3
0 0 1 4 0 0 1 4 0 0 1 4
Sehingga, diperoleh himpunan solusi dari sistem persamaan tersebut adalah 7, 3, 4.
Contoh 4.10
2x 4 y 2z 6
2y z 2
3x 3z 3
2 4 2 6
0 2 1 2
3 0 3 3
Operasi baris
1 2 1 3 1 0 0 1 1 0 0 1
1 2 1
3 1 2 1 3
R
1 1 1
R1 R
2 R3 3R1 0 2 1 2 2 0 1 1 R1 2 R2 0 1 2 1 3 0 1 2 1
2
0 2 1 2
3 0 6 0 6 2 3
3 0 3
0 6 0 6 0 0 3 0 0 0 1 0
1 0 0 1
1
R2 R3 0 1 0 1
2
0 0 1 0
Sehingga, diperoleh himpunan solusi dari sistem persamaan tersebut adalah 1,1,0
Soal 4.3
Tentukanlah solusi dari sistem-sistem persamaan berikut dengan Metoda Eliminasi
Gauss-Jordan.
2x y z 3
a. x y 3z 4
x y z 2
2x y z 4
b. x 3 y 3z 10 [30]
x y 4 z 8
5.Pemetaan Linear
Pemetaan dapat dianalogikan seperti sebuah “mesin” yang jika dimasukkan (input) dan dapat
menghasilkan keluaran (output). Masukan dan keluaran tersebut adalah anggota himpunan tak
kosong. Himpunan semua anggota semua masukan disebut sebagai domain pemetaan,
sedangkan himpunan semua keluaran tersebut disebut sebagai himpunan target. Pemetaan dari X
ke Y dinotasikan sebagai
f : X Y
meskipun dari banyak literatur fungsi merujuk pada pemetaan terhadap bilangan rill dan
bilangan kompleks.
Contoh 5.1
f :S H
dengan V adalah ruang vektor. Pemetaan tersebut dilakukan dengan pemetaan derivasi
pada operator momentum,
ih
x
Penjelasan rinci mengenai operator akan dibahas kemudian. Daerah asal adalah
himpunan
i
kx
S x Ae h
Definisi 5.1. Pemetaan linear adalah pemetaan f : X Y yang memenuhi dua kondisi, yaitu:
(1) f v w f v f w
(2) f kv kf v
Contoh 5.2
1) Pemetaan f :
2
3
diberikan oleh,
f x, y x y, x y, y
adalah pemetaan linear karena memenuhi dua syarat pemetaan linear.
2) Untuk i 1,..., n yang terpetakan melalui pemetaan pri x1,..., xn xi , adalah
pemetaan linear sebab memenuhi dua syarat pemetaan linear.
3) Apabila n1 X adalah ruang vektor untuk polinomial rill pada derajat n maka
pemetaan diferensial
D: n1 X n1 X
adalah pemetaan linear.
4) Integrasi merupakan pemetaan linear, sebab misal terdapat ruang vektor
1 ih 2 x 1 ih 2 x
e dan e , maka integrasi memenuhi syarat pemetaan
2 2
linear yaitu,
1 ih 2 x 1 ih 2 x 1 ih 2 x 1 ih 2 x
(1) 2
e
2
e dx
2
e dx
2
e dx
1 ih 2 x 1
(2) 2
e dx
2 eih 2 x dx l
Soal 4.1
1. Tunjukkan bahwa matriks dan diferensial adalah pemetaan linear.
x
a. f y
x
z x y z
x
0
b. f y
z 0
Definisi 5.2. Kernel dari pemetaan linear f : X Y adalah himpunan anggota dari vektor
v X yang jika di petakan akan menghasilkan vektor nol di dalam Y, f (v) 0. Kernel
dinotasikan sebagai Ker f .
Definisi 5.3. Bayangan dari pemetaan linear f : X Y adalah himpunan anggota dari vektor
W Y dari pemetaan f (v). Bayangan didefinisikan sebagai Ran f .
Gambar 5.1. Ilustrasi Kernel dan bayangan atau range/image dari suatu pemetaan.
Definisi 5.6. Dimensi suatu kernel dari suatu pemetaan disebut nulitas dari pemetaan.
Pemetaan singular adalah pemetaan dengan nulitas positif; pemetaan nonsingular adalah
pemetaan yang nulitas nol.
Definisi 5.7. Teorema rank plus nulitas. Jika p q suatu pemetaan linear, dan V berdimensi-
finit, maka rank f nulitas f dim domain
Definisi 5.8. (Penerapan pada matriks) Bayangan, kernel atau ruang nul, dan nulitas dari suatu
matriks A berordo p q adalah berturut-turut bayangan, kenel, dan nulitas dari operator
Contoh 5.3
Sehingga dengan demikian Ker f adalah sumbu z dan Ran f adalah bidang xy.
1 1 2
2) Jika terdapat pemetaan Y AX 1 2 5 maka bayangan dari
1 3 3
1 1 2 2 12
X 2,0,5 adalah Y 1 2 5 0 27 .
1 3 3 5 17
x 1 0 1
f y x 1 y 2 z 1
z 1 0 1
1 0 1 1 0 1
1 2 1 0 1 0
1 0 1 0 0 0
Sehingga Ker f adalah garis yang direntangkan oleh 1,0,1 .
Soal 4.2
Tunjukkan kernel dari pemetaan f :
2
2
x cos sin x
f
y sin cos
y
Definisi 5.9. Rank dari sebuah pemetaan adalah jumlah dimensi dari bayangan pemetaan
tersebut.
Definisi 5.10. Nullity dari sebuah pemetaan adalah jumlah dimensi dari kernel pemetaan
tersebut.
Definisi 5.11. Jika S adalah sebarang subruang dari ruang V, dan f :V W Bayangan S oleh f
, ditulis f(S) atau im (S), adalah himpunan { f v W v S}
(i) Misalkan f :V W adalah pemetaan linear. Jika S adalah subruang dari V, maka
f(S) adalah subruang dari W.
(ii) Jika S adalah subruang berdimensi-finit dari domain suatu transformasi linear f , maka
dim f S dim S
Definisi 5.12. Jika f :V W adalah pemetaan linear, bayangan dari V oleh f disebut bayangan
pemetaan, dan ditandakan dengan im (f).
(i) Jadi im f =f V { f v W v V }
(i) Jika f adalah transformasi linear dengan domain bedimensi-finit (ditandakan dengan
dom (f)), maka rank f dim dom f
(ii) Jika S adalah subruang berdimensi-finit dari domain suatu transformasi linear f , maka
dim f S dim S
Definisi 5.14. Jika f :V W adalah pemetaan linear, bayangan dari V oleh f disebut
bayangan pemetaan, dan ditandakan dengan im (f). Jadi Im F=f V { f v W v V }
(i) Jika f adalah transformasi linear dengan domain bedimensi-finit (ditandakan dengan
dom (f)), maka rank f dim dim f
(ii) Jika S adalah subruang berdimensi-finit dari domain suatu transformasi linear f , maka
dim f S dim S
Definisi 5.16. Jika f :V W adalah pemetaan linear, bayangan dari V oleh f disebut
bayangan pemetaan, dan ditandakan dengan im (f). Jadi im f =f V { f v W v V }
dom (f)), maka rank f dim dom f
Contoh 5.3
a b a b
f
c d c d
Ker f adalah
a a 1 1 0 0
c c a 0 0 c 1 1
f x, y, z, t x y z t , 2x 2 y 3z 4t , 3x 3 y 4z 5t
1 2 3 1 2 3 1 2 3
1 2 3 0 0 0 0 1 1
1 3 4 0 1 1 0 0 0
1 4 5 0 2 2 0 0 0
Karena 1, 2,3 dan 0,1,1 adalah basis dari Im f sehingga dim Im f 2
dan rank f 2.
r, s, t
r sx tx 2 . Dengan demikian, pemetaan adalah rank 3.
a b
c d a b 2d cx2 cx3
maka ruang bayangan adalah Im f r sx sx r, s
2 3
, sehingga rank
f (v) c memiliki himpunan penyelesaian jika dan hanya jika c Im f . Jika penyelesaian
itu ada maka,
(i) f disebut non singular jika hanya terdapat satu himpunan penyelesaian.
(ii) f disebut singular jika terdapat tak hingga himpunan penyelesaian.
Contoh 5.4
f x, y x y, x 2 y
maka untuk menemukan kernel dari pemetaan tersebut
x y, x 2 y 0,0
yang solusinya hanya x 0 dan y 0. Dengan demikian f adalah pemetaan non
singular.
Contoh 5.5
Diketahui f: 2
3
tentukan apakah F x, y x y, x y, 2xy merupakan
pemetaan linear?
Jawab:
Misal u, v R ²
u x₁ , y₁
v x2 , y2
k skalar
1) F u v F u F v
F x₁ , y₁ x2 , y2
F x₁ x2 , y₁ y2
x x y y , x x y y ,2 x x . y y
₁ 2 ₁ 2 ₁ 2 ₁ 2 ₁ 2 ₁ 2
x y x y , x y x y , 2x y 2x y 2x y
₁ ₁ 2 2 ₁ ₁ 2 2 ₁ ₁ 2 2 ₁ 2 2 x2 y₁
x₁ y₁ , x₁ y₁ , 2x₁ y₁ x2 y2 , x2 y2 , 2x2 y2 0 , 0 , 2x₁ y2 2 x2 y₁
F u F v
2) F ku F k x₁ , y₁
F kx₁ , ky₁
kx₁ ky₁ , kx₁ ky₁ , 2kx₁ky₁
kx₁ ky₁ , kx₁ ky₁ , 2k ² x₁ y₁
k x₁ y₁ , x₁ y₁ , 2k ² x₁ y₁
k.F x₁ , y₁
k.F u
(Tidak Memenuhi Aksioma 2)
Contoh 5.6
pemetaan linear?
Jawab:
Misal u, v, w R³
u x₁ , y₁ , z₁
v x2 , y2 , z2
k skalar
1) F u v F u F v
F x₁ , y₁ , z₁ x₁ , y₁ , z₁
F x₁ x2 , y₁ y2 , z₁ z2
2 x₁ x2 y₁ y2 ,5 y₁ y2 z₁ z2
2 x₁ y₁ 2 x2 y2 ,5 y₁ z₁ 5 y2 z 2
2 x₁ y₁ ,5 y₁ z₁ 2 x2 y2 ,5 y2 z2
F u F v
(Memenuhi Aksioma 1)
2) F ku k.F u
F k x₁ , y₁ , z₁
F kx₁ , ky₁ , kz₁
2kx₁ ky₁ ,5ky₁ kz₁
k 2 x₁ y₁ ,5 y₁ z₁
k.F u
(Memenuhi Aksioma 2)
Soal 4.3
pemetaan linear?
linear?
a b a b b
4. Diketahui f : M₂₂ M₂₂ tentukan apakah f
c d c c d
Dengan a, b, c, d R merupakan pemetaan linear?
6. Perkalian Dalam Dan
Ortogonal
1. PENGANTAR
n
Pada bagian ini akan dikenalkan perkalian dalam dan ortogonal serta Perkalian Titik , ruang
hasil kali dalam, ruang fungsi F dan sebagainya. Agar dapat lebih bisa mendalami materi
diharapkan agar lebih serius dalam belajar.
2. PERKALIAN TITIK n
a. Linier
au bv, w au, w bv, w
b. Simetris
u, v v, u
c. Positif
Untuk setiap u,v, dan u v,w u,w v,w jika dan hanya jika U 0
(misalkan pasangan u dan v, dinotasikan dengan u,v, ) dengan bilangan riil dan memenuhi 4
aksioma, yaitu:
a. Simetris : wi
b. Aditivitas : w
c. Homogenitas : ku,v k u,v, k skalar
Ruang vektor yang dilengkapi hasil kali dalam seperti diatas disebut Ruang hasil kali dalam yang
biasa disingkat dengan RHD
Contoh 6.1
Tunjukkan bahwa operasi perkalian titik titik standar di R3 Euclides merupakan hasil kali dalam!
Jawab:
Akan ditunjukkan bahwa perkalian titik standar memenuhi keempat aksioma hasil kali dalam,
yaitu:
a. Simetris
a, b (a.b.)
(a1b1 a2b2 a3b3 )
(b1a1 b2 a2 b3a3 )
= b,a . . . . . . .(Terpenuhi)
b. Aditivitas
a c b, c
c. Homogenitas
ka, b (ka.b)
(ka1b1 ka2b2 ka3b3 )
k (a1b1 a2b2 a3b3 )
k (a.b)
k a,b . . . . . . . (Terpenuhi)
d. Positivitas
4. BASIS ORTHONORMALa
Diketahui V ruang hasil kali dalam dan w1 , w2 ,...., wn adalah vektor-vektor dalam V .
b. G v1 , v2 ,....vn disebut himpunan orthonormal bila
- G himpunan orthogonal
- Norm dari atau vi , vj 1
1. Metode Gramm-Schimdt
Metode Gramm-Schimdt digunakan untuk merubah suatu himpunan vektor yang bebas linier
menjadi himpunan yang orthonormal, jadi dalam hal ini disyaratkan himpunan yang
ditransformasikan ke himpunan orthonormal adalah himpunan yang bebas linier. Jika yang
akan ditransformasikan adalah himpunan vektor yang merupakan basis dari ruang vektor V
maka metode Gramm-Schimdt akan menghasilkan basis orthonormal untuk V .Sebelum
membahas tentang metode ini, akan dibahas tentang proyeksi orthogonal vektor terhadap
ruang yang dibangun oleh himpunan vektor.
Diketahui k1 k2 .... kn adalah himpunan vektor yang bebas linier dari ruang vektor V
dengan dimana n dan merupakan himpunan yang orthonormal. Jika W menyatakan ruang
yang dibangun oleh w1 , w2 ,...., wn maka untuk setiap vektor z1 dalam w , dapat dituliskan
Jika u adalah sembarang vektor dalam V , maka tentunya u dapat dituliskan sebagai jumlah
dari dua vektor yang saling tegak lurus misalkan z1 dan z2 , jadi dapat dituliskan. Karena z1
z2 merupakan komponen vektor u yang tegak lurus terhadap W . Jadi untuk menentukan
z2 u ( u, w1 w1 u, w2 w2 .... u, wn wn )
Norm
di dalam ruang perkalian dalam tertentu u u, u½
Jarak
di antara dua titik / vektor u dan v d u, v u v
Contoh: Ruang Vektor R 2 dengan perkalian dalam 3u1v1 2u2v2
1, –1 5
Sudut antara dua vektor
u, v u v cos , di mana adalah sudut antara u dan v
Sifat orthogonal
Dua vektor u dan v dalam suatu Ruang Perkalian Dalam saling ortogonal jika u, v 0
Himpunan orthogonal
Sebuah himpunan vektor dalam suatu Ruang perkalian Dalam (RPD) disebut ortogonal jika
untuk semua vector u , v di RPD u v dipenuhi u, v 0
Contoh 6.2
u, v 0
u, w 0
v, w 0
Himpunan ortonormal: Sebuah himpunan vektor ortogonal dalam suatu ruang Perkalian
Dalam (RPD) disebut ortonormal jika untuk semua vektor udi RPD u 1
Contoh 6.3
Proses Gram-Schmidt
Diketahui V adalah RPD dengan basis B u1, u2 , , un Dengan proses Gram-Schmidt
Definisi:
Diketahui: Ruang Perkalian Dalam V ; W adalah subspace dari V Suatu vektor u V disebut
Teorema:
3. Proyeksi Orthogonal
Diketahui vektor a dan b adalah vektor-vektor pada ruang yang sama seperti terlihat pada
gambar di bawah ini:
Vektor a disusun dari dua vektor yang saling tegak lurus yaitu w1 dan w2 jadi dapat di tuliskan
orthogonal a terhadap b karena merupakan hasil proyeksi secara orthogonal vektor a terhadap
arah dan panjang dari w1 . Jika sudut antara a dan b adalah tumpul, maka tentukan nilai k akan
Menghitung w1
Untuk menghitung w1 harus dihitung terlebih dahulu nilai k . Dengan menggunakan aturan hasil
w1 b1 cos
kb b cos0
k b2
a.b
Jadi k 2
b
a.b
w1 kb dan w2 a w1
b
a.b
Panjang w1 adalah
b
Contoh 6.4
Diketahui a (4,1,3) dan b (4, 2 2)
Tentukan
1
Jadi w1 (4, 2, 2) (2,11)
2
a.b 12 3
b. Panjang w1 adalah
b 24 6
f , g b f t g t dt
a
sebagai:
Contoh 6.5
1
Jika terdapat f (t ) t 3 dan g t t dengan perkalian dalam
2
f , g f t g t dt
0
Maka:
( f , g ) (t 2 3)t dt
(t 2 3)t dt
1 3
t 4 t 2 |10
4 2
1 3
4 2
7
4
f f1 f
(t 6 3t 4 9t 2 )dt
1 3 1
t 7 t 5 3t 3 0
7 5
1 3
3
7 5
131
35
131
f
35
6. RUANG MATRIKS
Perkalian dalam suatu matrik rill m n di defenisikan sebagai A, B tr BT A yang berarti:
m n
A
21 11
m n
A A, A ai
21 11
2
Contoh 6.6
1 0 2 1 1 2
Sebagai contoh jika terdapat A ; B maka:
3 1 4 0 2 3
1 0
BT 1 2 ;
2 3
1 0 1 0 0 0 2 0 1 0 0
1 0 2
B 1 2 ;
T
= 1 6 0 2 2 8 7 2 10
2 3
3 1 4
2 4 0 3 4 2 11 3 16
tr Bt A 1 2 16 19
cos
u, v
u v
Contoh 6.7
Misalkan terdapat vektor u (1,2,3), v (1,2,1)
u, v 1 4 3 8
u 1 4 9 = 14
8 8
v 1 4 1 = cos
14 6 84
Maka:
a1
cos 1
a
a2
cos m
a
a3
cos n
a
u, v u t v
u
f , g f t g t dt
a
A, B BH , A BH BT
9. NOTASI BRA-KET
U I Bra
IU Ket
u; v u / v
u/v u/v
c1u1 c2u2 / v c1 u1 / v c2 u2 / v
Contoh 6.8
a1 b1
1) a a2 ; b b2
f b a1 b1 a2 b2
2) f x c, x 0, L
l
f g f x g x dx
1
a1 b1
a b
3) a₌;
2
b=
2
..... .....
an bn
a a1 , a2 .....an
a1
a
b 2
..
an
b1
b
a b u1 a2 ......an 2 a1 b1 a2b2 ..... an bn
...
Matriks
1. PENGANTAR
Pada bagian ini ada beberapa cara untuk menyelesaikan Invers dan determinan matriks akan
dikenalkan sifat-sifat dari determinan. Selanjutnya akan dikenalkan nilai/harga determinan yang
berkaitan dengan determinan matriks. Agar dapat lebih bisa mendalami materi diharapkan agar
lebih serius dalam belajar.
2. INVERS MATRIKS
Matriks persegi A mempunyai invers, jika ada matriks B sedemikian hingga AB BA I nn
dengan I matriks identitas. Pada persamaan AB BA I nn ' A dan B disebut saling invers.
Untuk menentukan invers suatu matriks dengan ordo 3 3 , kalian harus memahami tentang
matriks matriks minor, kofaktor, dan adjoint.
Matriks Minor
Matriks minor Mij diperoleh dengan cara menghilangkan elemen-elemen pada baris ke-i dan
kolom ke-j matriks A berordo 3 3, sehingga didapat matriks baru dengan 2 2. Determinan dari
Kofaktor
Kofaktor dari baris ke-i dan kolom ke-j dituliskan dengan Aij. Untuk menentukannya ditentukan
dengan rumus:
Aij (1)i j M ij
A21 (1)21 M 21 M 21
A22 (1)22 M 22 M 22
A23 (1)23 M 23 M 23
Adjoint
Misalkan suatu matriks A berordo n n dengan Aij kofaktor dari matriks A, maka
1 3
1) Carilah invers matriks A
5 2
Penyelesaian
a b 1 C11 C21 1 d b
A-1 = x x
c d A C12 C22 axd bxc c a
2 3
2 3 13 13
( 1)
1 3 1
5 2 = x =
1x2 3x5 5 1 5 1
13 13
( 1)
2 1 3 1
5 3
5 2
4 0
2) Carilah invers matriks A =
3 5
Penyelesaian
a b 1 C11 C21 1 d b
A-1 = x x c a
c d A C12 C22 axd bxc
1
( 1)
0
4 0 1 5 0 4
3 5 3 4 3 1
4 x 5 0 x 2
20 5
( 1)
4 0 5 0
3 5
3 4
Contoh 7.2
1 0 5
4 1 3
2 3 5
Penyelesaian
( 1)
1 0 5
4 1 3
2 3 5
Temukan matriks invers menggunakan transformasi elementer, untuk melakukan ini,
tambahkan matriks identitas dengan ukuran yang sama ke kanan
1 0 5 1 0 0
4 1 3 0 1 0 (4) R2 4 R1 R2
2 3 5 0 0 1
1 0 5 1 0 0
0 1 17 4 1 0 (2) R3 2 R1 R3
2 3 5 0 0 1
1 0 5 1 0 0
0 1 17 4 1 0 (3) R3 3 R2 R3
0 3 5 2 0 1
1 0 5 1 0 0
0 1 17 4 1 0 (17) R2 (17) R3 R2
0 0 1 5 3 1
23 46 46
2 15 5
1 0 0 46 46
1 0 5 1 0 0 23
0 1 0 7 5 17
(5) R1 5 R3 R1 0 1 0
7 5 17
23 23 46 23 46 46
0 0 1 0 0 1
5 3 1 5 3 1
23 46 46 23 46 46
2 15 5
( 1) 23 46 46
1 0 5
4 1 3 7 5 17
23 46 46
2 3 5
3 1
5
23 46 46
2) Teorema Adjugate
1 0 5
4 1 3
2 3 5
Penyelesaian
A A
C1,3 C2,3 C3,3
1 0 5
A 4 1 3 46
2 3 5
1 0 5
4 1 3 11 5 0 3 2 5 4 3 2 1 5 3 3 1 5 4 0 46
2 3 5
1 0 5
(11)
C1,1 (1) 4 1 3 1 (1 5 3 3) 4
2 3 5
1 0 5
(1 2)
C1,2 (1) 4 1 3 1 (4 5 3 2) 114 14
2 3 5
1 0 5
(13)
C1,3 (1) 4 1 3 1 (4 3 1 2) 10
2 3 5
1 0 5
(21)
C2,1 (1) 4 1 3 1 (0 5 5 3) 1 (15) 15
2 3 5
1 0 5
C2,2 (1)(22) 4 1 3 1 (1 5 5 2) 5
2 3 5
1 0 5
(23)
C2,3 (1) 4 1 3 1 (1 3 0 2) 1 3 3
2 3 5
1 0 5
(31)
C3,1 (1) 4 1 3 1 (0 3 5 1) 5
2 3 5
1 0 5
(3 2)
C3,2 (1) 4 1 3 1 (1 3 5 4) 1 (17) 17
2 3 5
1 0 5
(33)
C3,3 (1) 4 1 3 1 (11 0 4) 1
2 3 5
2 15 5
46 46
4 15 5 23
7 5 17
CT 14 5 17
1 1
A( 1)
A 46 46 46
23
10 3 1 3 1
5
23 46 46
Contoh 7.3
1 1 1 0
1 0 2 1
1 1 1 1
1 2 1 1
Penyelesaian
( 1)
1 1 1 0
1 0 2 1
?
1 1 1 1
1 2 1 1
1 1 1 01 0 0 0
1 0 2 10 1 0 0
(1) R2 1 R1 R2
1 1 1 10 0 1 0
1 2 1 10 0 0 1
1 1 1 0 1 0 0 0
0 1 1 1 1 1 0 0
(1) R3 1 R1 R3
1 1 1 1 0 0 1 0
1 2 1 1 0 0 0 1
1 1 1 0 1 0 0 0
0 1 1 1 1 1 0 0
(1) R4 1 R1 R4
0 0 0 1 1 0 1 0
1 2 1 1 0 0 0 1
1 1 1 0 1 0 0 0
0 1 1 1 1 1 0 0
(1) R2 / (1) R2
0 0 0 1 1 0 1 0
0 1 0 1 1 0 0 1
1 1 1 0 1 0 0 0
0 1 1 1 1 1 0 0
(1) R4 1 R2 R4
0 0 0 1 1 0 1 0
0 1 0 1 1 0 0 1
1 1 1 0 1 0 0 0
0 1 1 1 1 1 0 0
R R3
0 0 0 1 1 0 1 0 4
0 0 1 2 2 1 0 1
1 1 1 0 1 0 0 0
0 1 1 1 1 1 0 0
(2) R3 2 R4 R3
0 0 1 2 2 1 0 1
0 0 0 1 1 0 1 0
1 1 1 0 1 0 0 0
0 1 1 0 0 1 1 0
(1) R2 (1) R3 R2
0 0 1 0 0 1 2 1
0 0 0 1 1 0 1 0
1 1 1 0 1 0 0 0
0 1 0 0 0 0 1 1
(1) R1 1 R3 R1
0 0 1 0 0 1 2 1
0 0 0 1 1 0 1 0
1 1 0 0 1 1 2 1
0 1 0 0 0 0 1 1
(1) R1 1 R2 R1
0 0 1 0 0 1 2 1
0 0 0 1 1 0 1 0
1 0 0 0 1 1 3 2
0 1 0 0 0 0 1 1
0 0 1 0 0 1 2 1
0 0 0 1 1 0 1 0
( 1)
1 1 1 0 1 1 3 2
1 0 2 1 0 0 1 1
1 1 1 1 0 1 2 1
1 2 1 1 1 0 1 0
3) DETERMINAN MATRIKS
Misalkan A matriks bujur sangkar, fungsi determinan A sering dituliskan sebagai determinan
(disingkat det A atau A ) didefinisikan sebagai jumlah semua hasil kali elementer bertanda
dari A.
Jika A berukuran n x n, maka hasil kali elementer dari matriks A akan berbentuk:
1 2 Pn, jika
mendahului bilangan yang lebih kecil (banyaknya invers) pada bilangan PP
banyaknya invers adalah ganjil maka tandanya negatif (-) dan jika sebaliknya tandanya positif
(+).
Contoh 7.4
a b
Diketahui A
c d
Tentukan det A !
Penyelesaian
Banyaknya permutasi 1,2 (karena A berukuran 2 x2 ) = 2 yaitu 12 dan 21. Pada bilangan 12
akan di dapatkan banyaknya invers 0 sehingga tanda hasil untuk kali elementer a11.a22 adalah
(+), sedangkan untuk hasil kali a12.a21 elementer akan bertanda (-) karena bilangan 21 terdapat
satuan kabulat yang mendahului angka yang lebih kecil. Jadi det
( A) a11.a22 a12.a21 ad bc.
Nilai/harga Determinan
Cara menghitung nilai determinan dari suatu matriks adalah suatu hal yang fundamental.
Berikut adalah beberapa cara untuk menetukan nilai determinan berdasarkan derajat matriks:
a. Determinan derajat 2
a c
A = = ab cd
b d
Contoh 7.4
1 2
A
3 4
1.4 2.3
46
2
b. Determinan derajat 3
i. Metode Sarrus
a d h
B= b f i = a f j d i c h b g – h f c a i g d b j
c g j
ii. Dengan mencari miniornya (yaitu menghapus satu baris dan satu kolom yang memuat
elemen tersebut).
Jikai + j = genap maka tandanya plus (+)
Jikai + j = ganjil maka tandanya plus (-)
a d h
A= b f i
c g j
Contoh 7.5
1 2 3
A = | 4 5 6 | 45 84 96 – 105 48 72 0
7 8 9
1 2 3
A = |4 5 6|
7 8 9
i. Ekspansi baris ke-1
A 1M11 – 2M12 3M13
5 6 4 6 4 5
=1 2 3
8 9 7 9 7 8
2 3 1 3 1 2
= 7 8 9
5 6 4 6 4 5
21 48 27
0
c. Determinan derajat 4
a b c d
A
e f g h
i j k l
Sebagai gambaran, jika kita mempunyai determinan derajat 6, dan akan menggunakan
Metode Sarrus, maka di uraikan sebagai berikut:
Contoh 7.6
1 0 1 2
1 2 1 3
| A|
1 1 0 2
2 1 2 0
Penyelesaian
2 1 3 1 1 3 1 2 3 1 2 1
1 1 0 2 0 1 0 2 1 1 1 2 2 1 1 0
1 2 0 2 2 0 2 1 0 2 1 2
1 2
det 3
0 3
3 0
5
4 5
1 0 0
det 4 5 0 45
7 8 9
1 2 3
0 4 5 24
0 0 6
Secara sederhana, determinan suatu matriks merupakan hasil kali setiap unsur diagonal pada
suatu matriks segetiga (atas atau bawah). Tetapi dalam kenyataannya, tak semua matriks
berbentuk segitiga, sehingga kita dapat menentukan tak semudah menggunakan operasi baris
elementer (OBE), kita akan mencoba merubah suatu matriks segitiga. Secara sederhana,
gambaran proses yang dilakukan adalah sebagaai berikut: Matriks bujur sangkar ~OBE~ matriks
segitiga.
Alasan inilah yang mengharuskan kita mengetahui pengaruh operasi baris elementer terhadap
determinan suatu matriks. Berikut ini adalah pengaruh OBE pada nilai determinan suatu matriks,
yaitu:
a. Jika matriks B berasal dari matriks A dengan satu kali pertukaran baris maka :
Det B Det A
Contoh 7.7
Diketahui bahwa
2 1
Jika A maka A 3
1 1
1 1
B
2 1
Perhatikan bahwa B merupakan matriks yang berasal dari A dengan menukarkan bari s pertama
dan baris ke-2. Jelas bahwa
det B 1 2 3 A
b. Jika B berasal dari A dengan perkalian sebuah baris dengan konstanta tak nol k maka det
(B) = k. det (A)
Contoh 7.8
Misalkan,
2 1 2 1
A dan B
1 1 2 2
Jelas bahwa | A | 3
Perhatikan bahwa matriks B berasal dari matriks A dengan perkalian dengan 2 pada baris
kedua, maka
B 4 – 2 6
Terlihat bahwa:
B 6 2 3 2 det A .
c. Jika matriks B berasal dari matriks A dengan perkalian sebuah baris dengan konstanta tak
Contoh 7.9
Misalkan,
1 3
A
0 12
Perhatikan:
1 3 1 3
12
2 6 0 12
Contoh 7.10
2 1 0
A 1 2 1
0 1 2
Penyelesaian
det A | A |
2 1 0
1 2 1
0 1 2
1 2 1
2 1 0 b1 b2
0 1 2
1 2 1
0 3 2 2b1 b2
0 1 2
1 2 1
0 1 2 b2 b3
0 3 2
1 2 1
0 1 2 3b2 b2
0 0 4
Sifat-sifat Determinan
Untuk membantu/mempermudah perhitungan nilai/harga suatu determinan, berikut diberikan
sifat-sifat determinan.
1. Nilai/harga suatu determinan tak berubah jika baris dijadikan kolom atau kolom dijadikan
baris.
A | AT |
Contoh 7.11
2. Jika dalam suatu determinan tedapat suatu baris/kolom yang semua elemenya nol, maka
nilai/harga determinan.
Contoh 7.12
5 9 8
0 0 0 0
6 3 7
(Entri baris ke-2 semuanya nol, sehingga nilai/harga determinan sama dengan nol)
3. Jika dalam suatu determinan 2 baris / 2 kolom yang berurutan ditukar tempatnya / maka
nilai / harga determinan hanya berubah tanda.
a x a a a x
Jika a y a k , maka a a y k
a z a a a z
Contoh 7.13
2 4 5 2 5 4
Jika 3 2 9 222, maka 3 9 2 222
5 1 8 5 1 8
4. Jika dalam suatu determinan terdapat 2 baris atau 2 kolom yang entrinya identik/sama,
maka nilai/harga determinan sama dengan 0.
a x x
a y y 0
a z z
Contoh 7.14
1 0 1 2
1 2 1 3
0
1 1 1 2
2 1 2 0
5. Jika setiap elemen suatu baris atau kolom dalam suatu determinan digandakan dengan k ,
maka nilai/harga determinan baru k kali determinan semula.
a k a a a a
a k a k a a a
a k a a a a
Contoh 7.15
1 3 5 1 1 3 5 1
2 9 10 7 2 9 10 7
3(5)
8 27 15 8 8 27 15 8
7 15 15 6 7 15 15 6
6. Jika suatu baris atau suatu kolom dalam determinan merupakan kelipatan baris/ kolom
yang lain, maka harga determinan sama dengan nol.
Contoh 7.16
det kA
det A B
det AB .
Teorema Jika A adalah matriks persegi berorde n dan k 2R , maka
Jika k 0, maka setia kA baris kA dikalikan dengan k. Karena kA memuat n baris, maka
1 1 1 1
Tidak, pilih A dan B
1 2 1 2
2 2
Akibatnya A B 2. Perhatikan bahwa A B .
2 0
1. PENGANTAR
Pada bagian ini akan dikenalkan sifat-sifat tensor dan operasi-operasi dasar dengan tensor.
2. TENSOR
Tensor adalah generalisasi dari skalar dan vektor. Skalar adalah tensor orde nol, sedangkan
tensor orde satu menggambarkan suatu vektor. Dalam ruang 3 dimensi, suatu skalar mempunyai
dalam ruang 3 dimensi. Dari tensor orde dua keataslah kita memerlukan analisis yang berbeda
dari skalar dan vektor. Misalnya tensor yang menggambarkan gaya persatuan luas yang dialami
oleh suatu titik pada meterial yang mengalami stress dan strain
Maka disebut sebagai komponen vektor kontravarian atau vektor kontravarian saja, jika ( v
= 0,1,2,3) maka dapat digunakan sumasi Einstein untuk menyederhanakan persamaan tersebut
menjadi
x' v
A' A
xv
Misalkan terdapat N buah besaran dalam sistem koordinat { } dan N buah besaran{ }
Dalam sistem koordinat lain { } dangan = 0,1,2,3. Jika kedua besaran itu memenuhi
hubungan.
A1 , A2 ,... AN
x p xr qs
Jika N buah besaran A q
pr
A dalam sebuah sistem koordinat ( x1, x2 ,...x N )
ax x s
berhubungan dengan N buah besaran-besaran lainnya A1 , A2 ,...AN dalam sistem koordinat lain
N
xp q
Ap A p 1,2,...N
q 1 x
q
Yang mana berdasarkan kaidah yang telah disetujui dapat dituliskan sebagai
xp q
Ap A
xq
Maka besaran-besaran ini disebut sebagai komponen-komponen dari sebuah vektor kontravarian
atau tensor kontravarian rank kesatuatau ordekesatu.
1 2 N 1 2 N
Jika N buah besaran A , A ,... A dalam sebuah sistem koordinat ( x , x ,...x ) berhubungan
dengan N buah besaran lainnya A1 , A2 ,...AN dalam sistem koordinat lain x1 , x2 ,...x N melalui
persamaan-persamaan transformasi :
N
x q
Ap Aq p 1,2,...N
q 1 xp
x q q
A pA
p
x
Maka besaran-besaran ini disebut komponen-komponen dari sebuah vektor kovarian atau tensor
kovarian rank kesatu atau orde satu.
Dari pada mengatakan sebuah tensor yang komponen-komponennya adalah A p atau Ap . Dalam
N N
x r qs
A pr A p, r 1,2,..., N
s 1 q 1 x
s
x p xr qs
A q s A
pr
ax x
Berdasarkan kaidah yang tersetujui, maka besaran-besaran ini disebut komponen-komponen dari
sebuah tensor rank kedua atau rank dua.
N 2 buah besaran Aqs disebut komponen-komponen dari sebuah tensor rank kedua jika
x q x s
Apr Aqs
x p x r
Begitupula N 2 buah besaran Asq disebut komponen-komponen dari sebuah tensor campuran rank
kedua jika
p
x x s q
A q
p
As
x x r
r
Delta Kronecker dituliskan kj , didefinisikan oleh
kj {10
Sebagaimana ditunjukkan oleh notasinya, maka ia adalah sebuah tensor campuran rank kedua.
Tensor dengan rank lebih besar daripada dua dapat didefinisikan dengan mudah. Misalnya,
tensor campuran rank 5, yang kontravarian berorde 3 dan kovarian berorde 2, jika mereka
bertransformasi menurut relasi
x p xr xm xk xl qst
A prm
q s Akl
x x xt xi x j
ij
Skalar atau invarian misalkan sebuah fungsi dari koordinat-koordinat x dan menyatakan
k
k
harga fungsional dibawah transformasi ke sebuah himpunan koordinat baru x . Maka disebut
sebuah skalar atau invarian terhadap transformasi koordinat jika . Sebuah skalar atau
invarian juga disebut sebuah tensor rank nol.
Medan Tensor Jika pada setiap titik dari sebuah daerah dalam ruang berdimensi N terdapat
kaitan rupa sebuah medan vektor atau medan skalar tergantung pada apakah tensornya ber- rank
satu atau nol. Perlu dalam satu sistem koordinat yang khusus tetapi semua himpunan komponen-
komponen yang mungkin dibawah sebarang transformasi koordinat.
DAv Av
v
A
A v
Dx x
atau bisa ditulis
dan
Contoh 8.1
Tentukan apakah masing-masing besaran berikut adalah sebuah tensor. Jika demikian, nyatakan
apakah ia kontravarian atau kovarian dan tentukan rank-nya:
k
(a) dx
( x1 ,..., x N )
(b)
xk
Penyelesaian
i j 1 x j k
(a) Anggap transformasi koordinatnya x x ( x ,..., x ) maka dx k dx . Jadi
j
N
x
k
dengan demikian dx adalah sebuah tensor kontravarian rank satu atau sebuah vektor
kontravarian. Perhatikan bahwa letaknya indeks k telah selesai.
(b) Karena adalah sebuah fungsi dari x k maka dibawah transformasi koordinat
( x1 ,..., x N ) ( x1,..., x N ), yakni adalah sebuah veksor kovarian rank satu atau
sebuah vektor kovarian.
Perhatikan bahwa dalam indeksnya muncul dalam penyebut jadi berperan sebagai sebuah
x k
indeks bawah yang menunjukkan sifat kovariannya. Kita menyebut tensor atau tensor
x k
dengan komponen-komponen . Sebagai gradien dari , yang ditulis grad atau .
x k
Contoh 1.2
x p
Perlihatkan bahwa qp .
x q
x p
Jika p=q, 1 karena x p x q
x q
x p
Jika p q , 0 karena x p dan x q tak bergantungan
x q
x p
Maka qp
x q
Av Av
dan disebut antisimetri jika
Av Av
analog dengan persamaan tersebut, tensor kontravarian Av disebut simetri jika
Av Av
dan disebut antisimetri jika :
Av Av
Contoh 1.3
Jika sebuah tensor Astpqr simetrik (anti metrik) terdapat indeks-indeks p dan q dalam salah satu
sistem koordinat, perlihatkan bahwa ia tetap simetrik (anti-simetrik) terhadap p dan q dalam
sebarang sistem koordinat.
Karena hanya indeks- indeks p dan q yang terlibat, maka kita akan membuktikan untuk B pq
j k j j
x x
jk x x kj
B p q B pq q p B qp B
x x x x
i
Jadi B pq tetap simetrik dalam sistem koordinat x .
j k j j
x x
jk x x kj
B p q B pq q p B qp B
x x x x
i
Jadi B pq tetap anti simetrik dalam sistem koordinat x .
Hasil diatas tentu saja berlaku untuk tensor-tensor simetrik (anti-simetrik) lainnya.
sebuah tensor dengan rank dan jenis yang sama. Jadi jika Aqmp dan Bqmp adalah tensor-tensor,
maka cqmp Aqmp Bqmp adalah juga sebuah tensor. Penjumlahan tensor-tensor bersifat
luar dari Aqpr Bsm . Namun demikian, perlu diperhatikan bahwa tidak semua tensor dapat
dituliskan sebagai suatu hasil-kali dari dua buah tensor dengan rank yang lebih rendah.
Berdasarkan alasan ini, pembagian tensor tidaklah selalu mungkin.
4. Kontraksi
Jika satu indeks kontravarian dan satu indeks kovarian sebuah tensor disamakan, maka
hasilnya menyatakan penjumlahan terhadap kedua indeks yang sama ini sesuai dengan kaidah
penjumlahan. Hasil penjumlahan ini adalah sebuah tensor yang ranknya dua kali lebih rendah
daripada tensor semula. Proses ini disebut kontraksi. Misalnya, pengambilan r s dalam
tensor rank 5, Aqsmpr menghasilkan Aqrmpr Bqmp yang adalah sebuah tensor rank 3. Selanjutnya
dengan mengambilkan p q kita peroleh Bpmp cm yang adalah sebuah tensor rank 1.
5. Perkalian Dalam
Melalui proses perkalian luar dua buah tensor kemudian diikuti dengan kontraksi, kita peroleh
sebuah tensor baru yang disebut hasil-kali dalam dari tensor-tensor yang diperkalikan.
Prosesnya disebut perkalian dalam. Misalnya, diketahui tensor-tensor Aqmp dan Bstr . Hasil kali
luarnya adalah Aqmp . Ambilkan q r , kita peroleh hasil-kali dalam Armp Bstr . Ambilkan
q r dan p s , hasil-kali luarnya adalah Aqmp Bptr diperoleh. Perkalian dalam dan luar dari
tensor-tensor bersifat komunitatif dan asosiatif.
6. Hukum hasil-kali
Andaikan tidak diketahui apakah sebuah besaran X adalah sebuah tensor ataukah tidak.
Apabila hasil-kalidalam dari X dengan sebarang tensor adalah juga sebuah tensor, maka X
adalah juga sebuah tensor. Aturan ini disebut hukum hasil-bagi
1 2 N
tiga. Perluasan kedalam ruang berdimensi N dengan koordinat-koordinat ( x , x ,...x ) adalah
langsung. Kita mendefinisikan elemen garis ds dalam ruang ini, oleh bentuk kuadratik berikut,
yang disebut bentuk matriks atau matriks.
N N
ds 2 g pq dx p dx q
p 1 q 1
ds2 g pq dx p dxq
j k
Dalam hal khusus di mana terdapat transformasi koordinat dari x ke x sedemikian rupa
sehingga bentuk metrik ditransformasikan ke dalam (dx1 )2 (dx2 )2 (dx N )2 atau dxk dxk ,
maka ruangntya disebut ruang euklid berdimensi N . Tetapi, dalam hal yang umum ruangnya
disebut ruang riemann.
Besaran-besaran g pq adalah komponen-komponen dari sebuah tensor rank dua yang disebut
Contoh 1.4
Jika ds 2 g jk dx j dxk invarian, perlihatkan bahwa g jk adalah sebuah tensor kovarian rank dua
yang simetrik.
ds 2 , A j dx j dan Ak dxk , maka dari sini diperoleh bahwa g jk dapat dilihat simetrik.
p q x j p x k q x j p q
g pq d x d x g jk dx j dx k g jk p
dx q
d x g jk p
dx dx
x x x
x j x k
Maka g pq g jk p q dan g jk adalah sebuah tensor kovarian rank dua yang simetrik,
x x
yang disebuat tensor matriks.
g 0 , didefinisikan sebagai
kofaktordarig pq
g pq
g
Maka g pq adalah sebuah tensor kontravarian simetrik rank dua yang disebut tensor konjugat atau
g pq grq rp
9. TENSOR SEKUTU
Dari sebuah tensor yang diketahui, kita dapat menurunkan tensor- tensor lainnya dengan
menaikkan atau menurunkan indeks-indeksnya. Misalnya, diketahui tensor Apq . Dengan
menaikkan indeks p, kita peroleh tensor A p.q tanda titik menunjukkan tempat semula dari indeks
yang dipindahkan. Dengan menaikkan pula indeks q kita peroleh tensor A....pq Apabila titik
membinggungkan, kita akan mengabaikan tanda-tanda titik; jadi A....pq dapat dituliskan sebagai
A pq . Tensor-tensor yang diturunkan ini dapat diperoleh dengan membentuk hasil-kali dalam dari
pq
tensor yang ditinjau dengan tensor metrik g pq atau konjugatnya g . Jadi misalnya :
A..qm
n
.tk
g pk gsn g rm A.qr...stp
Hal ini menjadi jelas jika kita menginterpretasikan perkalian dengan g berarti: ambilkan r p
rp
(atau p r ) dalam tensor apapun yang diperkalikannya dan naikkan indeks ini. Begitu pula kita
interpretasikan perkalian dengan grq berarti: ambilkan r q (atau q r ) dalam tensor apapun
Semua tensor yang diperoleh dari sebuah tensor tertentu dengan membentuk hasil-kali dalamnya
dengan tensor metrik dan konjugatnyadisebut tensor-tensor sekutu (associated tensors) dari
tensor yang tertentu ini. Misalnya Am dan Am adalah tensor-tensor sekutu, yang pertama adalah
komponen kontravarian dan yang kedua komponen kovarian. Hubungan antara keduanya
diberikan oleh :
Ap Bpq Aq atau Ap B pq Aq
yang simetrik.
ds 2 , A j dx j dan Ak dxk , maka dari sini diperoleh bahwa g jk dapat dilihat simetrik.
p q x j p x k q x j p q
g pq d x d x g jk dx j dx k g jk p
dx q
d x g jk p
dx dx
x x x
x j x k
Maka g pq g jk p q dan g jk adalah sebuah tensor kovarian rank dua yang simetrik, yang
x x
disebuat tensor matriks.
Contoh 1.5
Perkalian Aj g jk Ak dengan g
jq
d 2r d
2
d 2 dr d
2 r , r 2 2 ,
dt dt dt dt dt
d 2x d 2 y d 2z
2, 2, 2
dt dt dt
Membandingkan pasangan komponen ini menunjukkan bahwa salah untuk mengasumsikan
bahwa komponen akselerasi dalam koordinat umum akan dibentuk:
d 2 x1 d 2 x 2 d 2 x n
( , ,... 2 )
dt 2 dt 2 dt
Seperti dalam kasus sistem kartesius persegi panjang. Jadi tinjauan yang cermat sangat
diperlukan dan prosedur untuk menyelesaikan masalah ini sekarang harus ditentukan.
Langkah pertama adalah dengan membatasi ulasan ke ruangan tertentu yang disebut ruang yang
disebut reimannan. jenis ruang ini ditandai dengan memiliki tensor tingkat kedua, g simetris dan
terhubung ke skalar kuadrat kekuatan ds, menurut persamaan :
Aij g kl g lj Akl
Peningkatan skalar ds didefinisikan sebagai jarak antara dua titik yang memiliki koordinat dan
dianggap independen secara langsung dengan pemilihan sistem koordinat dalam ruang. contoh
spesifik dari persamaan di atas untuk sistem koordinat tiga dimensi adalah sebagai berikut
(ds)(2) (dx1 )2 (dx2 )2 (dx3 )2 Cartesian persegi panjang
ds adalah jarak terukur aktual antara titik dan + . Meskipun tidak demikian, tetapi
kuantitas ds masih disebut jarak antar titik. Kurva atau lintasan dalam sistem koordinat nol
dimensi ditentukan oleh persamaan:
xi xi ( x)
Dengan adalah parameter kurva dan fungsi ( dianggap sebagai kontinu dan dapat
bervariasi hingga tingkat apa pun. Jika nilai parameter kurva dikaitkan dengan dua titik dan
, jarak x dilapisi sepanjang kurva yang diberikan oleh
dx j dx j 1 2
s ( gij
x2
) dx
x1 dx dx
mungkin juga terjadi bahwa pelafalan di dalam kurung di bawah akar kuadrat dari kuadrat ini
negatif. dengan demikian menyebabkan nilai imajiner dari s dan dalam hal ini adalah normal
untuk menyesuaikan tanda g sepanjang kurva di mana hal ini terjadi untuk mempertahankan nilai
riil dari s. Kemungkinan lain yang tidak ditemukan dalam geometri euclidean adalah jarak antara
dua titik yang mungkin bersifat tetapi titiknya berbeda, tinjau sistem koordinat kartesius persegi
panjang dan kurva yang diwakili oleh titik- titik yang memenuhi persamaan:
x2
3
x3
3
Komponen tensor matriks dalam hal ini adalah semua properti kecuali untuk elemen diagonal
yang memiliki nilai satu dan karenanya :
1
dx1 dx2 dx3
2 2 2
2
s
x2
dx
dx dx dx
x1
(1 x2 )dx
x2
x1
1
3
3( x2 x1 ) ( x23 x13 )
Prosedur yang sama juga digunakan untuk kurva yang lebih rumit dalam sistem koordinat apa
pun, asalkan komponen tensor matriks yang terkait dengan sistem diketahui. Matriks tensor
adalah kunci untuk ini dan masalah lain yang melibatkan sistem koordinat dan tanpa banyak
yang harus dilakukan.
Gambaran penting dari tensor metrik adalah sifat konvergensinya dengan tensor asimetris
contravarian di mana komponennya memenuhi:
gij g ik jk
Sifat ini berlaku untuk semua tensor simetri kovarian kedua dan begitu juga setiap tensor
kontravarian simetris dapat dikaitkan dengan tensor kovarian simetris melalui persamaan diatas.
Dengan demikian, dua tensor yang terhubung disebut sebagai kohesi satu sama lain. Nilai-nilai
komponen dalam tensor konjugat dapat direpresentasikan sama dengan kofaktor yang sesuai
dalam determinan yang dibentuk oleh tensor, dibagi dengan nilai penentuan itu sendiri. Jadi:
kofaktordalamg gij
g ij
gij
gij
Keputusan ini dapat dengan mudah dibuktikan oleh teori determinan dan ini tidak akan
dijelaskan di sini.
Tensor matriks dan tensor-tensornya sekarang dapat digunakan untuk melakukan proses yang
disebut menaikkan dan menurunkan indeks yang ternyata menjadi alat penting dalam analisis
tensor berikutnya. Dimulai dengan tensor kontravarian tahap kedua yang memiliki komponen
Aij , konvergensi tensor konvensional tingkat kedua dapat dibentuk dengan komponen B ij
tertentu yang diberikan oleh
Serta untuk tensor kovarian tingkat kedua terkait dengan tensor kontravarian yang ditentukan
oleh tahap kedua D
Dij g ik g jl Ckl
Dengan hubungan ini sekarang dibentuk oleh metric tensor conjugate. Dalam setiap kasus dua
indeks diturunkan atau dinaikkan secara bersamaan tetapi proses ini juga dapat dnilakukan pada
satu indeks. Jadi dari tensor A dapat dibentuk tensor campuran E sekutu dengan menurunkan
salah satu indkes untuk menghasilkan komponen E yanng terhubung dengan A melalui:
Eij g jk Aik
Proses ini dapat dengan jelas diterapkan pada tingkatan tensor dan juga vektor. Dalam setiap
kasus komponen tensor yang baru dibentuk bergantung pada tensor asli dan isi komponen
komponen ini sama dengan komponen asli.
Tensor atau konjugat matrik juga digunakan untuk menentukan besarnya | | untuk vektor | |.
Untuk vektor kontravensi A besarnya | | diberikan sebagai:
A g jk Ai A j
2
Tanda untuk tangan kanan disesuaikan untuk menjamin nilai nyata | | untuk vektor kovarian
adalah besarnya ditentukan oleh hubungan yang sesuai menggunakan konjugat tensor matriks.
Dalam setiap kasus besarnya adalah kuantitas skalar dan dengan demikian tidak berubah di
bawah perubahan koordinat koordinat. Besarnya vektor tidak berubah dengan proses
menurunkan atau meningkatkan indeks.
Sudut antara dua vektor juga ditentukan dengan menggunakan tensor matriks atau konjugatnya.
Jika vektor A dan B keduanya contravarian, sudut didefinisikan oleh:
Aib j
cos gij
A. B
Ai Aj
cos g ij
A. B
Ai B j
cos
A. B
Dalam kasus koordinat kartesius persegi panjang dari ekspresi untuk besarnya vektor dan sudut
antara dua vektor ini akan menurun menjadi ekspresi umum seperti yang dapat ditunjukkan
melalui penggunaan tensor matriks yang sesuai.
g ij Ai B j 0
atau
g ij Ai B j 0
atau
Ai Bi 0.
Tensor matriks seperti yang ditunjukkan, memungkinkan banyak hubungan untuk dikembangkan
dan ini adalah fokus utama dalam pengembangan aljabar tensor dalam sistem koordinat umum.
Namun, analisis tensor juga harus mencakup proses diferensial yang sesuai dan di bagian berikut
akan dibahas dalam pengembangan proses ini. Langkah pertama dalam ekspansi ini adalah
memperkenalkan dua simbol baru yang dikenal sebagai simbol Christoffel dan menyelidiki
sifatnya. Setiap simbol adalah fungsi untuk tensor metrik dan akan diperlihatkan nanti bahwa itu
memungkinkan efek kelengkungan ruang koordinat untuk diperhitungkan dalam membedakan
jumlah tensor. Diferensiasi parsial sederhana seperti yang digunakan dalam sistem koordinat
kartesius persegi panjang, tidak menghasilkan komponen yang sejalan dengan tip dalam sistem
koordinat kriptografi simbol christoffel memungkinkan proses diferensiasi dirancang untuk
menghasilkan jumlah tensor dan ketika dimanifestasikan ke sistem koordinat kartesius persegi
panjang berkurang menjadi proses diferensiasi.
dengan jenis (1,0) . Tanda titik memperlihatkan posisi awal yang indeksnya berubah. Agar tidak
menimbulkan kebingungan dalam hal pembacaan indeks, biasanya tanda titik dihilangkan;
sehingga A p menjadi A p .
Perkalian tensor kontravariant dengan tensor metrik diperoleh sebarang tensor kovariant. Contoh:
Ai gij A j atau Aij gki glj Akl
Sedangkan perkalian tensor kovariant dengan tensor metrik diperoleh sebarang tensor
kontravariant. Contoh:
Ai g ij Aj atau Aij g kl g lj Akl
Seluruh tensor yang dihasilkan dari perkalian dengan tensor metrik disebut dengan associated
tensors.
9. Penerapan Matriks dan Ruang
Vektor dalam bidang Fisika
1. PENGANTAR
Pada bagian ini akan dikenalkan penerapan matriks dan ruang vektor dalam bidang fisika.
Tensor adalah besaran yang merupakan perluasan dari vektor, seperti halnya vektor merupakan
perluasan dari besaran skalar. Tensor memiliki komponen-komponen seperti halnya vektor.
Besaran vektor sangat penting di dalam fisikan karena ia menyatakan objek dengan kaedah-
kaedah yang tetap sama meskipun kerangka acuan yang dipilih berubah-ubah. Perubahan
kerangka acuan memang menyebabkan nilai komponen tensor berubah pula, namun kaedah-
kaedah yang berlaku bagi komponen tensor tetap tidak berubah.
Teori Relativitas Umum adalah salah satu teori fisika modern yang cukup besar peranannya
dalam menerangkan struktur ruang-waktu dan jagad raya. Teori ini adalah teori yang indah,
memiliki daya pikat ramalan terhadap gejala alam yang cukup menarik, namun memiliki
persyaratan matematik berupa analisis tensor. Karena itulah dalam hand out ini akan disajikan
analisis tensor sebagai jembatan untuk memahami teori relativitas umum.
(9.1)
1 2 N
K ( x , x ,..., x ) (9.2)
Akan ditinjau tiga perangkat besaran yang memiliki sifat tertentu pada perubahan sistem
koordinat tersebut, yaitu skalar, vektor dan tensor. Misalkan ada sebuah perangkat besaran fisis
V=V (9.3)
Yaitu V bersifat invarian, maka besaran tersebut dinamakan skalar. Contoh besaran skalar
adalah laju cahaya di ruang-waktu datar vakum dan muatan listrik.
( A1 , A2 ,..., AN ) (9.4)
v
N
x N
A A x A
V V
(9.6)
1 x 1
menyatakan / x .
( A1 , A2 ,..., AN ) (9.7)
Sedangkan di K komponennya
v
N
x N
AV A x A
V
(9.9)
1 x 1
Maka A disebut komponen kovarian di K. Lambang menyatakan / x Dari pengertian
di atas, vektor adalah besaran yang lambang komponennya memiliki satu indeks. Jika indeksnya
terletak di atas (bawah) dinamakan vector kontravarian (kovarian).
Tensor merupakan perluasan vektor. Indeks tensor lebih besar dari satu. Banyaknya indeks
disebut rank r dengan jumlah komponen N . Tensor B v , C berturut-turut dinamkana tensor
r
rank−2 kontravarian dan tensor rank−3 kovarian. Karena jumlah rank tensor lebih dari satu maka
dimungkinkan terdapat indeks yang terletak di atas dan di bawah. Tensor seperti ini dinamakan
tensor campuran (mixed tensor) Sebagai contoh D dinamakan tensor rank−3 campuran. Selain
itu dapat pula dikatakan bahwa vektor dan skalar tak lain merupakan tensor rank−1 dan rank−0.
Persamaan transformasi untuk tensor kontravarian serupa dengan bentuk produk (9.2) yaitu:
v
v N
x x
B B (9.10)
, 1 x x
Demikian pula kaedah transformasi persamaan tensor kontravarian mengikuti produk pers. (9.10)
yaitu:
N
x x
B v v
B (9.11)
, 1 x x
N
x x
Bv B (9.12)
, 1 x x
v
Pers. (2.10), (2.11) dan (2.12) dapat dikembangkan untuk tensor dengan peringkat yang lebih
tinggi.
1. Kombinasi linear
Berlaku jika tensor-tensor tersebut memiliki jenis yang sama seperti
aA bB cC (9.13)
Adapun bentuk aA bB tidak didefinisikan.
2. Perkalian luar
Terhadap dua tensor atau lebih yang memiliki indeks yang berbeda, dapat dilakukan
perkalian luar seperti:
A Bv C
v (9.14)
3. Kontraksi
Proses menyamakan sepasang atau lebih pasangan indeks kovarian dan kontravarian,
seperti:
kontraksi ( , )
C v C v Cv (9.15)
4. Perkalian dalam
Proses ini dilakukan terhadap tensor sehingga faktor-faktornya memiliki sepasang indeks
sekutu atau lebih seperti:
A B C (9.16)
5. Hukum pembagian
Ditinjau kasus berikut. Misalkan C A B merupakan suatu skalar untuk sembarang
jika C merupakan suatu skalar untuk sembarang vektor kovarian B maka A pasti
merupakan suatu vektor kontravarian. Hal ini dapat diperluas untuk tensor.
Ditinjau dua buah titik yang berdekatan dalam ruang tiga dimensi yang dinyatakan dengan
koordinat Cartesan. Kedua titik itu masing-masing A( x, y, z) dan B( x dx, y dy, z dz).
Kuadrat jarak antara keduanya adalah
ds 2 dx2 dy 2 dz 2 (9.17)
Jika dilakukan perpindahan ke koordinat silinder melalui transformasi
x cos, y sin , z z (9.18)
maka jaraknya menjadi
ds 2 d 2 2 d 2 dz 2 (9.19)
y
x2 y 2 , arctan , z z (9.20)
x
dinamakan ruang datar atau ruang Euclid. Jika tidak dapat dicari suatu sistem koordinat ( x, y, z)
yang memenuhi pers. (2.17) maka ruang tersebut dinamakan ruang lengkung atau ruang
Riemann.
Bentuk ds 2 untuk ruang datar satu dan dua dimensi berturut-turut adalah dx2 dan dx 2 dy 2 .
Contoh ruang datar untuk dimensi tersebut masing-masing adalah garis lurus dan bidang datar.
Sedangkan contoh ruang lengkung dua dimensi adalah permukaan bola, ellipsoida, paraboloida,
permukaan sadel kuda dan lain-lain.
Contoh ruang datar empat dimensi (3 dimensi ruang berkoordinat x, y, z dan satu dimensi waktu
berkoordinat t) dengan invarian kuadrat elemen garis adalah ruang-waktu Minkowski yang
Adapun contoh ruang−waktu lengkung empat dimensi adalah apa yang dinamakan dengan ruang
bermetrik Schwarzschild untuk mana kuadrat elemen garisnya berbentuk
1
r r
ds 2 1 s dt 2 1 s dr 2 r 2 (d 2 sin 2 d 2 ) (9.22)
r r
Beberapa konsekuensi kelengkungan ruang yang membedakan antara ruang Riemann (ruang
lengkung) dengan ruang Euclid (ruang datar) adalah
1. Jumlah sudut dalam segitiga dengan sisi-sisi segitiga merupakan penghubung terpendek
antara titik sudutnya tidak sama dengan 1800.
2. Perbandingan antara keliling dengan diameter lingkaran ≠ π.
3. Garis penghubung terpendek antara dua titik tidak berbentuk garis lurus melainkan garis
lengkung.
4. Dua garis yang sejajar lokal dapat berpotongan.
5. Penggambaran ruang lengkung di dalam ruang datar memerlukan satu dimensi tambahan.
Karena itu jika ingin digambar, misalnya permukaan bola (3.2 dimensi), diperlukan ruang
datar 3 dimensi.
Ilustrasi antara ruang datar dan ruang lengkung dua dimensi terdapat pada Gambar 9.1.
Gambar 9.1
Ruang datar (kiri) dan ruang lengkung dua dimensi (kanan)
Tensor Matriks
Ditinjau dua buah titik x dan x dx di dalam ruang sembarang berdimensi N . Kuadrat
jarak antara kedua titik tersebut dinyatakan oleh
g11 g N1
g det g v
(9.24)
g g NN
N1
Persamaan Friedmann
Standar model yang sekarang digunakan untuk alam semesta adalah model "Hot Big Bang"
atau dikenal "Standar BigBang", yang mana menyatakan bahwa alam semesta telah
mengembang dari keadaan panas dan padat hingga keadaan sekarang yang mendingin dengan
alam semesta mengembang hingga saat ini. Keadaan awal alam semesta yang panas dan padat
tersebut dikenal dengan istilah "BigBang" atau "Singularitas BigBang", dikarenakan pada
keadaan tersebut alam semesta memiliki energi densitas yang tak terhingga. Alam semesta
mengembang yang isotropik dan homogeny dapat dijelaskan melalui metrik Friedman-Lemaitre-
Robertson-Walker atau dikenal FLRW metrik, yakni:
1 2 2 2 2
ds 2 dt dr 2 2
r d r sin d 2 (9.25)
1 kr
Dikarenakan FLRW metric memenuhi prinsip kosmologi, maka hanya berlaku pada alam
semesta skala besar. Alam semesta yang mengembang dapat dijelaskan melalui persamaan
Friedmann yang diperoleh dari persamaan medan Einstein dan metrik FLRW. Persamaan Medan
Einstein dapat dituliskan
1
Rv Rgv gv 8 GTv (9.26)
2
dengan Rv adalah tensor Ricci, R adalah Ricci skalar, dan g v adalah tensor energi-momentum.
Persamaan ini adalah suatu persamaan yang menyatakan hubungan antara tensor kelengkungan
ruang waktu (tensor Einstein) dan tensor kehadiran massa atau energi dalam ruang waktu. Tensor
Einstein member informasi bahwa ruang waktu lengkung dan tensor energi-momentum member
informasi kehadiran massa atau energi dalam ruang waktu. Jadi persamaan medan Einstein
memperlihatkan bahwa setiap benda bermassa mengakibatkan ruang waktu sekitarnya
melengkung. Tensor energi- momentum pada alam semesta dimodelkan sebagai fluida ideal
dapat dinyatakan:
8 G
H2 (9.28)
3
Dan
& 4 G
3 p (9.29)
a 3
Yang mana pers. (9.27) merupakan persamaan Friedmann pertama pada geometri alam semesta
datar dan pers. (9.28) merupakan persamaan Friedmann kedua.
Persamaan Fluida
Pada alam semesta yang mengembang yang dimodelkan sebagai fluida ideal, konservasi energi-
momentum dinyatakan:
a&
& 3 3 p (9.32)
a
p
w (9.33)
Dari persamaan Fluida dapat diperoleh keterkaitan energi densitas ρ dan faktor skala a terhadap
waktu
a(1 w) (9.34)
Dari pers. (9.27) dan pers. (9.31) diperoleh keterkaitan factor skala 𝑎 terhadap waktu
untuk ≠ 1. Pada alam semesta yang didominasi materi maka 𝑤 = 1. Sedangkan untuk alam
semesta didominasi radiasi maka 𝑤 = 1.
dalam Cl ( M 4 ). Karena seluruh unsur dalam Cl ( R3 ) dapat dinyatakan sebagai unsur dalam Cl (
M 4 ), maka jelas Cl ( R3 ) ⊆ Cl ( M 4 ), sehingga perluasan ini di mungkinkan ada. Untuk tahap
awal akan diujicobakan persamaan Pauli tanpa A, B dan V (persamaan Schodinger partikel
bebas) serta perluasanya menjadi persamaan Dirac tanpa medan A.
Katakanlah menyatakan spinor Dirac dan menyatakan spinor pauli, maka kondisi yang
dinyatakan dalam persamaan
a0 ja3
2
a ja1
3 a0 ak i k i b0 bk i k (9.36)
b jb0
1
b jb2
Berdasarkan persamaan
a0 ja3
a0 ak i k (9.37)
a
2
ja1
i , (9.38)
1 2
Spinor dan ψ memenuhi persamaan Schrodinger ti 3 , dan Dirac
2m
i 3 m 0 yang dapat dirubah menjadi persamaan t i 3 i 3 m 0 0 . Tetapi
Sekarang, t pada persamaan Schrodinger dan persamaan terakhir ini memiliki makna yang
sama sehingga jika merupakan spinor yang dihasilkan melalui persamaan Schrodinger, maka
1 2
[i 3 m 0 0 ] – [ 0i’i 3 mi 0’ 0 ]
2m
atau
1 2
i 3 m 0 0 0i’i 3 mi 0’ 0 (9.40)
2m
1 2
i 3 m i 0’i 3 mi’ (9.41)
2m
atau
Metode Jacob
Salah satu metode untuk memecahkan persoalan nilai dan vektor Eigen adalah metode Jacobi.
Metode ini merupakan metode bentuk diagnolisasi suatu matriks dengan menggunakan sistem
koordinat. Misal ditentukan koordinat dua dimensi sebagai berikut:
A1 x1 cos x2 sin
(9.44)
A2 x1 sin x2 cos
A1 cos sin x1
A sin cos x2
(9.45)
2
A Tx (9.46)
cos sin
Matriks T
cos
memiliki matriks transpose:
sin
cos sin
T2
cos
(9.47)
sin
Pada matriks T persamaan (1.2) dan T T persamaan (1.4) dapat diperlihatkan sifat perkalian
matriks yang disebut matriks diagonal. Matriks ini dapat digunakan untuk persamaan Eigen
Gambar 9.2
Tinjauan sistem empat massa dan lima pegas
m1q1 k1 k2 k4 q1 k2 q2 k4 q3 k4 k3 k5 q4 0
m2 q2 k2 q1 k2 k3 q2 k3q3 k2 k5 q4 0
m3q3 k4 q1 k3q2 k3 k4 q3 k5q4 0
m4 q4 k5q4 0
Masukkan hasil diferensial tersebut kemasing- masing tinjuan setiap titik massa, sehingga
dibentuk menjadi:
2 m1a1 k1 k2 k4 q1 k2 a2 k4 a3 k4 k3 k5 a4 0
2 m2 a2 k2 a1 k2 k3 a2 k3a3 k2 k5 a4 0
2 m3a3 k4 a1 k3a2 k3 k4 a3 k5a4 0
2 m4 a4 k5a4 0
Contoh 9.1
Pada suatu sistem massa dan pegas diatas , akan ditentukan masing-masing nilai konstanta
pegas dan pegas yang digunakan yaitu:
10 0 0 0
0 20 0 0
Dengan Aa
0 0 30 0
0 0 0 40
55 20 25 60
20 40 20 35
Dan Ba
25 20 45 15
0 0 0 15
Untuk menentukan nilai simpangan pegas, dapat dihitung dengan menggunakan persoalan
nilai dan vektor eigen. Nilai adalah vektor Eigen.