KATA PENGANTAR

Puji dan syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-Nya sehingga dikat
MKDT ini dapat terselesaikan dengan baik dan tepatu waktunya. Tidak lupa kami
menyampaikan banyak terima kasih kepada IMD, IMPI, dan Asisten Dosen atas bantuannya
yang telah berkontribusi dalam pengerjaan diktat ini dengan memberikan materi soal dan
pembahasan untuk diktat MKDT pada semester genap ini.
Kami dari Akpro BEM FTUI 2022 berharap agar diktat ini dapat benar-benar
membantu mahasiswa dan memberikan manfaat terutama untuk mahasiswa tingkat 1 dalam
rangka persiapan menghadapi Ujian Akhir Semester Genap ini. Semoga diktat MKDT ini dapat
menambah pengetahuan dan dapat melatih mahasiswa untuk terbiasa mengerjakan soal agar
nanti pada saat ujian dapat mengerjakan soal dengan baik dan benar.
Adapun karena keterbatasan pengetahuan maupun pengalaman kami, kami menyadari
masih terdapat kekurangan dalam penyusunan diktat ini yang perlu kami perbaiki. Oleh karena
itu, kritik dan saran yang membangun ke arah penyempurnaan diktat ini, sangat kami harapkan
dan kami terima dengan terbuka agar dapat kami jadikan evaluasi dan pelajaran untuk diktat
yang lebih baik lagi. Sebelumnya kami juga mohon maaf apabila ada kekurangan dalam
penyusunan diktat ini.
Kami dari pihak BEM, IMD, dan IMPI FTUI menegaskan bahwa diktat ini tidak
memberikan jaminan kelulusan kepada mahasiswa dalam mata kuliah yang berkaitan,
namun besar harapan kami dengan adanya diktat ini dapat membantu mahasiswa untuk belajar
dan memahami lebih lanjut mata kuliah dasar teknik yang akan diujiankan saat UAS ini. Diktat
ini bersifat suplementer sehingga nilai kalian pada ujian nanti tidak ditentukan oleh diktat ini,
namun tentunya oleh usaha kalian sendiri.
Selamat berjuang dan mempersiapkan UAS, para singa Teknik! Semoga sukses dan
lancar dalam mengerjakan soal ujian, jangan lupa untuk selalu berdoa dan mengingat Tuhan
yang Maha Esa dalam setiap perjuangan menuntut ilmu agar diberikan kemudahan dan
kelancaran. Semangat!
 ALJABAR LINEAR
Oleh : AKPRO BEM FTUI 2022

RUMUS:
RUANG HASIL KALI DALAM
Misalnya V adalah suatu ruang vektor, dan ⟨𝑢̅, 𝑣̅ ⟩∈ 𝑉 maka notasi <
, > dinamakan hasilkali dalam jika memenuhi keempat aksioma
sebagai berikut:
1. ⟨𝑢̅, 𝑣̅ ⟩ = ⟨𝑣̅ , 𝑢̅⟩ (Simetris/Komutatif)
Syarat 2. ⟨𝑢̅ + 𝑣̅ , 𝑤
̅⟩ = ⟨𝑢̅, 𝑤 ̅⟩ + ⟨𝑣̅ , 𝑤
̅⟩ (Adtivitas/distributif)
3. untuk suatu 𝑘 ∈ R, (Sifat Homogenitas)
1. Hasilkali Ruang
⟨𝑘𝑢̅, 𝑣̅ ⟩ = ⟨𝑢̅, 𝑘𝑣̅ ⟩ = 𝑘⟨𝑢̅, 𝑣̅ ⟩
Dalam
4. ⟨𝑢̅, 𝑢̅⟩ ≥ 0, untuk setiap 𝑢̅ dan ⟨𝑢̅, 𝑢̅⟩ = 0 ↔ 𝑢̅ = 0
(Sifat Positifitas)
vektor yang dilengkapi dengan operasi hasilkali dalam dinamakan
Ruang Hasilkali Dalam (RHD)

Panjang : ∥ 𝑢̅ ∥= √⟨𝑢̅, 𝑢̅⟩ = √𝑢 ⋅ 𝑢 = √𝑢1 𝑢1 + 𝑢2 𝑢2 + ⋯ + 𝑢𝑛 𝑢𝑛

Panjang dan Jarak (u,v) :
2.
Jarak 𝑑(𝑢, 𝑣) =∥ 𝑢̅ − 𝑣̅ ∥= √⟨𝑢̅ − 𝑣̅ , 𝑢̅ − 𝑣̅ ⟩
𝑑(𝑢, 𝑣) = √(𝑢1 − 𝑣1 )(𝑢1 − 𝑣1 ) + (𝑢2 − 𝑣2 )(𝑢2 − 𝑣2 ) + ⋯ + (𝑢𝑛 − 𝑣𝑛 )

Sifat-Sifat
3. Hasilkali
Dalam

jika 𝐮 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) dan 𝐕 = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) adalah vektor di

Hasilkali
𝑅 𝑛 , maka dapat ditunjukkan bahwa rumus
dalam
4.
Euclidian ⟨𝐮, 𝐯⟩ = 𝑢1 𝑣1 + 𝑢2 𝑣2 + ⋯ + 𝑢𝑛 𝑣𝑛
Standar

Jika 𝐮 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) dan 𝐕 = (𝑣1 , 𝑣2 , … , 𝑣𝑛 ) adalah vektor di

𝑅 𝑛 , dan Jika 𝑤1 , 𝑤2 ..., 𝑤𝑛 adalah bilangan real positif, yang
disebut dengan BOBOT (weight), maka dapat ditunjukkan bahwa
Hasilkali rumus
dalam
5. ⟨𝐮, 𝐯⟩ = 𝑤1 𝑢1 𝑣1 + 𝑤2 𝑢2 𝑣2 + ⋯ + 𝑤𝑛 𝑢𝑛 𝑣𝑛
Euclidian
Berbobot mendefinisikan hasil kali dalam pada 𝑅 𝑛 , dan disebut hasilkali
dalam Euclidian tertimbang/ ferbobot dengan bobot 𝑤1 , 𝑤2 , … , 𝑤𝑛
 Sudut antara dua vektor dalam suatu RHD :

⟨𝑢‾, 𝑣‾⟩
cos 𝜃 =
∥ 𝑢‾ ∥∥ 𝑣‾ ∥

Sudut dan Karena |cos 𝜃| ≤ 1, maka

Keortogonalan
⟨𝑢‾, 𝑣‾⟩
6. Pada Ruang | |≤1
HasilKali ∥ 𝑢‾ ∥∥ 𝑣‾ ∥
Dalam Hal ini terbukti dengan KETIDAKSAMAAN CAUCHY-
SCHWARZ:

|⟨𝑢‾, 𝑣‾⟩| ≤∥ 𝑢‾ ∥∥ 𝑣‾ ∥

SIFAT-SIFAT PANJANG
(a) ∥ 𝐮 ∥≥ 0
(b) ∥ 𝑢 ∥= 0 if and only if 𝐮 = 𝟎
(c) ∥ 𝑘𝐮 ∥= |𝑘| ∥ 𝐮 ∥
(d) ∥ 𝑢 + 𝑣 ∥≤∥ 𝐮 ∥ +∥ 𝑣 ∥ (Triangle inequality)
Sifat-sifat
7. Panjang dan SIFAT-SIFAT JARAK
Jarak (a) 𝑑(𝐮, 𝐯) ≥ 0
(b) 𝑑(𝐮, 𝐯) = 0 if and only if 𝐮 = 𝐯
(c) 𝑑(𝐮, 𝐯) = 𝑑(𝐯, 𝐮)
(d) 𝑑(𝐮, 𝐯) ≤ 𝑑(𝐮, 𝐰) + 𝑑(𝐰, 𝐯) (Triangle inequality)

Sudut Antar- {𝐮, v}

8. cos 𝜃 = and 0 ≤ 𝜃 ≤ 𝜋
Vektor ∥ 𝐮 ∥∥ v ∥
9. Ortogonalitas ortogonal berarti tegak lurus atau terjadi saat cos  = 0 atau
𝒖. 𝒗 = 0
Himpunan Ortonormal Adalah himpunan ortogonal yang setiap
vektornya memiliki panjang (normnya) satu.

Jika v adalah vektor tak-nol dalam suatu ruang hasil kali dalam,
Basis maka harus di normalisasi terlebih dahulu dengan
10.
Ortonormal 1
𝐕
∥v∥

Dalam RHD, basis yang mengandung vektor-vektor ortonormal

disebut basis ortonormal.
Adalah suatu proses sistematis untuk mengubah suatu basis (bisa
sembarang) menjadi basis orthogonal
11. Gram Schmidt
Langkah-1 𝐯1 = 𝐮1
 ⟨𝐮2 ,𝐯𝟏 ⟩
Langkah-2 𝐯2 = 𝐮2 − proy 𝑤1 𝐮2 = 𝐮2 − 𝐯1
∥𝐯𝟏 ∥2
⟨𝐮3 ,𝐯1 ⟩ ⟨𝐮3 ,𝐯𝟐 ⟩
Langkah-3 𝐯3 = 𝐮3 − proy 𝑊2 𝐮3 = 𝐮3 − 𝐯𝟏 − 𝐯𝟐
∥𝐯𝟏 ∥2 ∥𝐯2 ∥2
Langkah-4 𝐯4 = 𝐮4 − proy𝑊3 𝐮4
⟨u4 , v1 ⟩ ⟨u4 , v2 ⟩ ⟨u4 , v3 ⟩
= 𝐮4 − 2 𝐯𝟏 − 2 𝐯𝟐 − 𝐯𝟑
∥v1 ∥ ∥v2 ∥ ∥v3 ∥2
Dan seterusnya sampai dengan langkah ke- 𝑛.

NILAI EIGEN DAN VEKTOR EIGEN

Misalkan Anxn matriks matriks bujur sangkar 𝒙
adalah vektor tak nol di Rn dan λ adalah skalar Rill
sehingga memenuhi :

𝑨𝒙 = 𝝀𝒙

maka λ dinamakan nilai eigen dari A, sedangkan 𝒙

dinamakan vektor eigen dari A

1. Definisi

𝐴𝐱 = 𝜆𝐱 = 𝜆𝐼𝐱
𝜆𝐼𝐱 − 𝐴𝐱 = 0
(𝜆𝐼 − 𝐴)𝐱 = 0

Agar 𝜆 menjadi suatu nilai-eigen, maka harus ada

suatu penyelesaian tak-nol (non-trivial) dari
persamaan homogen tersebut, sehingga:
Mencari Nilai Eigen dari
2.
Matriks Anxn |𝜆𝐼 − 𝐴| = 0

Persamaan ini disebut persamaan karakteristik dari

𝐴, dan skalar-skalar yang memenuhi persamaan ini
adalah nilai-eigen dari 𝐴.

Contoh Vektor Eigen:

 Suatu matriks A dapat dibalik jika dan hanya jika
𝜆 = 0 bukanlah suatu nilai eigen dari A.

Jika A adalah suatu matriks segitiga n x n (segitiga

Teorema Eigen Matriks atas, segitiga bawah, atau diagonal), maka nilai-
3.
Segitiga eigen dari A adalah anggota-anggota diagonal utama
A.
Jika 𝐴 adalah suatu matriks 𝑛 × 𝑛 dan 𝜆 adalah
suatu bilangan real, maka pernyataan-pernyataan
berikut ini ekivalen:
a) 𝜆 adalah suatu nilai-eigen dari 𝐴
Teorema Eigen Matriks b) Sistem persamaan (𝜆𝐼 − 𝐴)𝐱 = 0 mempunyai
4. solusi non-trivial
bilangan real
c) Ada suatu vektor tak-nol x pada 𝑅 𝑛 sedemikian
sehingga 𝐴𝐱 = 𝜆𝐱
d) 𝜆 merupakan suatu solusi dari persamaan
karakteristik |𝜆𝐼 − 𝐴| = 0

Suatu matriks kuadrat Anxn dikatakan dapat

didiagonalkan (diagonalizable) jika terdapat matriks
P yang mempunyai invers sehingga
D = P –1AP
dengan D matriks diagonal.
5. Diagonalisasi • Matriks p adalah matriks yang
mendiagonalkan A.
• Vektor-vektor kolom dari matriks P adalah
vektor-vektor eigen dari A.
• Anggota diagonal matriks D adalah nilai-
nilai eigen dari matriks A.
 Langkah-1 cari 𝑛 vektor-eigen yang bebas secara
linier dari 𝐴, 𝐩𝟏 , 𝐩𝟐 , … , 𝐩𝐧
Langkah-2 Bentuk matriks 𝑃 dengan 𝐩1 , 𝐩2 , … , 𝐩𝐧
sebagai vektor-vektor kolomnya.
6. Prosedur Diagonalisasi Langkah-3 𝑃−1 𝐴𝑃 menghasilkan matriks 𝐷 dengan
𝜆1 , 𝜆2 , … , 𝜆𝑛 berturut-turut sebagai anggota
diagonalnya.

TRANSFORMASI LINEAR
1. Definisi dan Terminologi Jika T : V→W adalah suatu fungsi dari suatu ruang
vektor V ke suatu ruang vektor W, Maka T disebut
suatu transformasi linear dari V ke W jika untuk
vektor u dan v pada V dan semua skalar c

a. 𝑇(𝑢 + 𝑣) = 𝑇(𝑢) + 𝑇(𝑣)

b. 𝑇(𝑐𝑢) = 𝑐𝑇(𝑢)
2. Teorema dasar Jika T : V→W adalah suatu transformasi linear,
maka:
𝑇(0) = 0
𝑇(−𝑣) = −𝑇(𝑣) untuk semua v dalam V
𝑇(𝑣 − 𝑤) = 𝑇(𝑣) − 𝑇(𝑤)
3. Komposisi Transformasi Linear Jika T1 : U→V dan T2 : V→W adalah transformasi
linear, komposisi T1 dan T2 dinyatakan dengan
𝑇2 ∘ 𝑇1 yang didefinisikan dengan rumus :

𝑇2 ∘ 𝑇1 = 𝑇2(𝑇1(𝑢))
4. Kernel dan daerah Hasil Jika T : V→W adalah suatu transformasi linear,
maka himpunan vektor pada V yang dipetakan T ke
0 disebut kernel dari T; dinyatakan dengan ker(T).
Himpunan semua vektor pada W yang merupakan
bayangan di bawah T yang paling tidak merupakan
satu vektor pada V disebut daerah hasil dari T;
dinyatakan dengan R(T).
5. Sifat-sifat kernel dan daerah Jika T : V→W adalah suatu transformasi linear,
hasil maka:
a. Kernel dari T adalah sub-ruang V
b. daerah hasil T adalah sub-ruang W
 6. Rank dan Nulitas Transformasi A. Definisi
Linear Jika T : V→W adalah suatu transformasi
linear, maka dimensi daerah hasil dari T
disebut rank dari T dan dinyatakan sebagai
rank(T); dimensi kernel disebut nulitas dari
T dan dinyatakan dengan kekosongan(T)
B. Teorema :
Jika A adalah suatu matriks m ⨉ n dan
𝑇𝐴 : 𝑅 𝑛 → 𝑅 𝑚 adalah perkalian dengan A,
maka:
a. kekosongan(𝑇𝐴 ) = kekosongan(A)
b. rank(𝑇𝐴 ) = rank(A)
7. Transformasi Linear Satu-satu Suatu transformasi linear T : V→W dikatakan
satu-satu jika T memetakan vektor-vektor
berbeda pada V ke vektor-vektor berbeda pada
W

Jika T : V→W adalah suatu transformasi linear,

maka yang berikut ini ekuivalen.
a. T adalah satu-satu
b. kernel dari T hanya terdiri dari vektor nol;
yaitu, 𝑘𝑒𝑟(𝑇) = {0}
c. 𝑘𝑒𝑘𝑜𝑠𝑜𝑛𝑔𝑎𝑛(𝑇) = 0

8. Invers dan Komposisi Jika 𝑇1 : 𝑈 → 𝑉 dan 𝑇2 : 𝑉 → 𝑊 adalah

transformasi linear satu-satu, maka;
a. 𝑇2 ∘ 𝑇1 satu-satu
b. (𝑇2 ∘ 𝑇1)−1 = 𝑇1−1 ∘ 𝑇2−1

SOAL:
1. Misalnya W  R3 yang dilengkapi dengan operasi hasil kali tertimbang ⟨𝑢̅, 𝑣̅ ⟩= 2𝑢1𝑣1 +
𝑢2𝑣2+3𝑢3𝑣3, dengan ⟨𝑢̅, 𝑣̅ ⟩∈𝑊 Buktikan bahwa W adalah ruang hasil kali dalam yang
memenuhi 4 aksioma
2. Tunjukan bahwa 𝑢⟨𝑢̅, 𝑣̅ ⟩= 𝑢1𝑣1 + 2𝑢2𝑣2 − 3𝑢3𝑣3 bukan merupakan hasil kali dalam
3. Terdapat suatu basis (𝐮1 , 𝐮2 , … , 𝐮𝐧 ), dengan 𝐮𝟏 = (1,1,1), 𝐮2 = (0,1,1), dan 𝐮3 =
(0,0,1). Ubahlah basis tersebut menjadi basis ortogonal dengen menggunakan proses
Gram-Schmidt!
4. Tentukan matriks yang mendiagonalkan
𝑥1 = 𝜆𝑥1 𝑥1 1 0 0 𝑥1 1 0 0
𝑥2 + 𝑥3 = 𝜆𝑥2 → 𝜆 (𝑥2 ) − (0 1 1) (𝑥2 ) = 0 → 𝐴 = (0 1 1)
𝑥2 + 𝑥3 = 𝜆𝑥3 𝑥3 0 1 1 𝑥3 0 1 1
 5. Misalkan V dan W adalah ruang Vektor. Jika 𝑇: 𝑉 → 𝑊 adalah transformasi linear dan
u, v 𝜖 V, maka buktikan bahwa 𝑇(𝑢 − 𝑣) = 𝑇(𝑢) − 𝑇(𝑣)!

PEMBAHASAN:
1. Misalkan 𝑢‾, 𝑣‾, 𝑤
‾ ∈ 𝑊, maka
⟨𝑢‾, 𝑣‾⟩ = 2𝑢1 𝑣1 + 𝑢2 𝑣2 + 3𝑢3 𝑣3
(i). = 2𝑣1 𝑢1 + 𝑣2 𝑢2 + 3𝑣3 𝑢3
= ⟨𝑣‾, 𝑢‾⟩ (terbukti simetris)
‾ ⟩ = ⟨(𝑢1 + 𝑣1 , 𝑢2 + 𝑣2 , 𝑢3 + 𝑣3 ), (𝑤1 , 𝑤2 , 𝑤3 )⟩
(ii). ⟨𝑢‾ + 𝑣‾, 𝑤
= 2(𝑢1 + 𝑣1 )𝑤1 + (𝑢2 + 𝑣2 )𝑤2 + 3(𝑢3 + 𝑣3 )𝑤3
= 2𝑢1 𝑤1 + 2𝑣1 𝑤1 + 𝑢2 𝑤2 + 𝑣2 𝑤2 + 3𝑢3 𝑤3 + 3𝑣3 𝑤3
= 2𝑢1 𝑤1 + 𝑢2 𝑤2 + 3𝑢3 𝑤3 + 2𝑣1 𝑤1 + 𝑣2 𝑤2 + 3𝑣3 𝑤3
(bersifat aditivitas)
(iii) untuk suatu 𝑘 ∈ 𝑅,
⟨𝑘𝑢‾, 𝑣‾⟩ = ⟨(𝑘𝑢1 , 𝑘𝑢2 , 𝑘𝑢3 ), (𝑣1 , 𝑣2 , 𝑣3 )⟩
= 2𝑘𝑢1 𝑣1 + 𝑘𝑢2 𝑣2 + 3𝑘𝑢3 𝑣3
= 𝑘2𝑢1 𝑣1 + 𝑘𝑢2 𝑣2 + 𝑘 ⋅ 3𝑢3 𝑣3
(bersifat homogenitas)
(iv). ⟨𝑢‾, 𝑢‾⟩ = 2𝑢12 + 𝑢22 + 3𝑢32
1
Jelas bahwa ⟨𝑢‾, 𝑢‾⟩2 > 0 untuk setiap 𝑢‾dan ⟨𝑢‾, 𝑢‾⟩ = 0 jika 𝑢‾ = 0̅ (Sifat Positifitas)
2. Perhatikan ⟨𝑢‾, 𝑢‾⟩ = 𝑢12 + 2𝑢22 − 3𝑢32
Pada saat 3𝑢32 > 𝑢12 + 2𝑢22 maka ⟨𝑢‾, 𝑢‾⟩ < 0
Tidak memenuhi sifat positivitas
Bukti dengan u = (2,2,2)
⟨𝑢‾, 𝑢‾⟩ = 22 + 2 ⋅ 22 − 3(2)2 = 0 → seharusnya nol hanya pada u = (0,0,0)
3. Langkah-1 𝑣1 = 𝐮1 = (1,1,1)
⟨𝐮2 , 𝐯1 ⟩ 2
Langkah-2 𝐯2 = 𝐮2 − proy𝑤1 𝐮2 = 𝐮2 − 𝐯1 = (0,1,1) − (1,1,1)
∥𝐯1 ∥2 3
2 1 1
= (− , , )
3 3 3
⟨𝐮3 , 𝐯1 ⟩ ⟨𝐮3 , v2 ⟩
Langkah-3 𝐯3 = 𝐮3 − proy𝑊2 𝐮3 = 𝐮3 − 2 𝐯1 − 𝐯2
∥𝐯1 ∥ ∥𝐯2 ∥2
1
1 2 1 1 1 1
= (0,0,1) − (1,1,1) − 3 (− , , ) = (0, − , )
3 3 3 3 3 2 2
3
Sehingga, basis ortogonalnya adalah (𝐯𝟏 , 𝐯𝟐 , 𝐯3 ), dengan 𝐮𝟏 = (1,1,1), 𝐮2 =
2 1 1 1 1
(− 3 , 3 , 3), dan 𝐯3 = (0, − 2 , 2)

4. Persamaan karakteristik dari matriks A adalah : |𝜆. 𝐼 − 𝐴| = 0 atau

 𝜆 0 0 1 0 0
det ((0 𝜆 0) − (0 1 1)) = 0
0 0 𝜆 0 1 1

(𝜆 − 1) 0 0
det ( 0 (𝜆 − 1) −1 ) = 0
0 −1 (𝜆 − 1)

Dengan menggunakan ekspansi kofaktor :

Pilih Baris I

det {𝜆. 𝐼 − 𝐴} = 𝑎11 𝑐11 + 𝑎12 𝑐12 + 𝑎13 𝑐13

= (𝜆 − 1)(𝜆)(𝜆 − 2) + 0 + 0
= (𝜆 − 1)(𝜆)(𝜆 − 2)

Sehingga diperoleh nilai eigen

𝜆 = 0; 𝜆 = 1; 𝜆 = 2

Untuk 𝝀 = 𝟎
Dengan OBE maka

−1 0 0 1 0 0 1 0 0
(𝜆. 𝐼 − 𝐴) ∼ ( 0 −1 −1) ∼ (0 1 1 ) ∼ (0 1 1)
0 −1 −1 0 −1 −1 0 0 0
𝑥1 0
𝑥
( 2 ) = ( 1 ) 𝑡 , dimana 𝑡 adalah parameter tak nol
𝑥3 −1
Jadi vektor eigen yang bersesuaian dengan 𝜆 = 0 adalah

0
‾
𝑃1 = ( 1 )
−1
Untuk 𝝀 = 𝟏
Dengan OBE maka

0 0 0 0 0 0 0 1 0
(𝜆. 𝐼 − 𝐴) ∼ (0 0 −1) ∼ (0 0 1) ∼ (0 0 1)
0 −1 0 0 1 0 0 0 0
𝑥1 1
𝑥
( 2 ) = (0) 𝑡, dimana t adalah parameter tak nol
𝑥3 0
Jadi vektor eigen yang bersesuaian dengan 𝜆 = 1
adalah

1
𝑃‾2 = (0)
0
Untuk 𝝀 = 𝟐
Dengan OBE maka
1 0 0 1 0 0 𝑥1 0
𝑥
(𝜆. 𝐼 − 𝐴) ∼ (0 1 −1) ∼ (0 1 −1) ( 2 ) = (1) 𝑡, dimana 𝑡 adalah parameter tak
0 −1 1 0 0 0 𝑥3 1
nol
Jadi vektor eigen yang bersesuaian dengan 𝜆 = 2
adalah

0
‾
𝑃3 = (1)
1
Perhatikan

𝑘1 𝑃1 + 𝑘2 𝑃2 + 𝑘3 𝑃3 = 0̅
0 1 0 𝑘1 0
( 1 0 1) (𝑘2 ) = (0)
−1 0 1 𝑘3 0

Dengan OBE

0 1 0 1 0 1 1 0 1 1 0 1 1 0 0
(1 0 1) ∼ ( 0 1 0) − (0 1 0) ∼ (0 1 0) − (0 1 0)
−1 0 1 −1 0 1 0 0 2 0 0 1 0 0 1
Jadi {𝑃‾1 , 𝑃‾2 , 𝑃‾3 } merupakan himpunan bebas linear

Jadi, Matriks yang mendiagonalkan A adalah:

0 1 0
𝑃=( 1 0 1)
−1 0 1
0 0 0
−1
Matriks diagonal yang dihasilkan adalah : 𝐷 = 𝑃 𝐴𝑃 = [0 1 0]
0 0 2
5. Diambil sembarang u, v 𝜖 V, karena 𝒖 − 𝒗 = 𝒖 + (−𝒗)

𝑇(𝑢 − 𝑣) = 𝑇(𝑢 + (−𝑣))

= 𝑇(𝑢) + 𝑇(−𝑣)
= 𝑇(𝑢) − 𝑇(𝑣)
 ALJABAR LINEAR
Oleh : AKPRO IMTK FTUI 2022

SOAL:
1. (SCMPK 3, 17 Poin)
Diberikan suatu himpunan S={(-1, 2, 3, 0), (2, 1, 5, -1), (3, 0, 2, 8), (6, 4, 15, 6)}.
a. Tentukan subhimpunan (subset) dari S yang menjadi basis dari ruang yang
dibangun oleh S. Jelaskan jawaban Anda.
b. Jika ada vector di S yang tidak masuk pada basis di bagian a), tentukan
koordinatnya relative terhadap basis tersebut!

2. (SCMPK 4, 39 Poin)
Didefinisikan suatu hasil kali dalam < 𝑢, 𝑣 > = 𝑢1 𝑣1 + 2𝑢2 𝑣2 + 𝑢3 𝑣3 pada ℝ3 untuk
𝑢 = (𝑢1 , 𝑢2 , 𝑢3 ) dan 𝑣 = (𝑣1, 𝑣2 , 𝑣3 ) anggota ℝ3 . Didefinisikan pula pada S basis ℝ3 , S
= {𝑤1 , 𝑤2 , 𝑤3 } di mana 𝑤1= (1, 1, 1), 𝑤2 = (1, 1, 0), 𝑤3 = (1, 0, 0).
a. Tentukan dan jelaskan apakah basis S merupakan basis orthonormal dengan hasil
kali dalam yang diberikan.
b. Jika S bukan basis dalam orthonormal, maka temukan basis S’ yang orthonormal.
(untuk step akhir normalisasi jika angka pada vektornya sulit disederhanakan maka
biarkan saja dalam bentuknya).

3. (SCMPK 5, 20 Poin)
Tentukan nilai-nilai eigen dari matriks Q dan basis dari ruang eigennya, serta
multiplisitas aljabar dan geometric dari masing-masing nilai eigen tersebut jika :
1 2 2
𝑄 = [2 1 2 ]
2 2 1

4. (SCMPK 5, 20 Poin)
1 −1
−4 2
Diberikan transformasi linear T : ℝ3 → ℝ2 di mana T([1]) = ( ), T([−1]) = ( )
−2 1
1 0
0
1
dan T([ 1 ]) = ( ).
−1
−1
 a. Jika diketahui {(1, 1, 1), (-1, -1, 0), (0, 1, -1)} merupakan basis ℝ3 tentukan formula
eksplisit dari T (yaitu T (x1, x2, x3), untuk (x1, x2, x3) sembarang vector di ℝ3 ).
2
b. Gunakan formula eksplisit dari T untuk menentukan T([ 3 ]).
−1
c. Tentukan basis dari Ker(T) dan basis dari R(T) serta dimensinya.

5. (SCMPK 5, 13 Poin)
𝑎 2𝑎 − 𝑏
a. Didefinisikan suatu operator linier T : ℝ2 →ℝ2 dengan T([ ]) = [ ]. Dengan
𝑏 3𝑎 + 𝑏
menggunakan basis B = {(2, 0), (0, 2)} tentukan determinan dari T.
b. Jelaskan mengapa anda dapat menentukan nilai dari determinan dari T dengan
menggunakan determinan dari matriks transformasinya relatif terhadap basis
apapun dari ℝ2 !
 PEMBAHASAN :
1. S = {(-1, 2, 3, 0), (2, 1, 5, -1), (3, 0, 2, 8), (6, 4, 1, 5, 6)}
v1 v2 v3 v4

a. -a + 2b + 3c + 6d = 0
2a + b + 4d = 0
3a + 5b + 2c + 5d = 0
-b + 8c + 6d = 0
−1 2 3 6 𝑎 0
2 1 0 4 𝑏 0
[ ][ ] =[ ]
3 5 2 5 𝑐 0
0 −1 8 6 𝑑 0

−𝐵1
1 −2 −3 −6
𝐵2 + 2𝐵3 0 5 6 16
[ ]
𝐵3 + 3𝐵1 0 11 11 23
0 −1 8 6
1 −2 −3 −6
6 16
𝐵2 × 1⁄5 0 1 5 5
0 11 11 23
[0 −1 8 6]

1 −2 −3 6
6 16
0 1 5 5
11 61
𝐵3 − 11𝐵2 0 0 − 5 − 5
[ 0 −1 8 6 ]
1 −2 −3 6
6 16
0 1
5 5
61
𝐵3 × − 5⁄11 0 0 1
11
[ 0 −1 8 6 ]
1 −2 −3
6
−6
16
0 1 5 5
61
0 0 1 11
0 0 −46
[ 0 ]
𝐵4 − (−1)𝐵2 11
 1 −2 −3
6
−6
16
0 1 5 5
61
0 0 1 11
46 0 0 −460
𝐵4 − 𝐵3 [ 0 ]
5 11
−3 −6
1 −2 6 16
0 1
5 5
61 0 0 1 0
𝐵3 − ( ) 𝐵4
11 [0 0 0 1 ]
−3 0
𝐵1 − (−6)𝐵4 1 −2 6
0 1 0
5
0 0 1 0
[0 0 0 1]
𝐵1 − (−3)𝐵3
1 −2 −3 0
[0 1 0 0]
0 0 1 0
0 0 0 1
𝐵1 − (−2)𝐵3
1 0 0 0
[0 1 0 0]
0 0 1 0
0 0 0 1
𝑥1 = 0
𝑥2 = 0
𝑥3 = 0
{𝑥4 = 0
→ basis yang digunakan adalah v1, v2, v3, v4
∴ B = {(-1, 2, 3, 0), (2, 1, 5, -1), (3, 0, 2, 8), (6,4,1,5,6)}

b. Kosong, karena semua vektor S masuk pada bagian basis

2. < 𝑢, 𝑣 > = 𝑢1 𝑣1 + 2𝑢2 𝑣2 + 𝑢3 𝑣3

𝑢 = (𝑢1 , 𝑢2 , 𝑢3 )
𝑣 = (𝑣1 , 𝑣2 , 𝑣3 )
S = (w1, w2, w3) → w1 = (1, 1, 1) w2 = (1, 1, 0) w3 = (1, 0, 0)

a. < w1, w2 > = 1 + 2 + 0 = 3

< w1, w3 > = 1 + 0 + 0 = 1
< w2, w3 > = 1 + 0 + 0 = 1
} Tidak orthogonal

}
 || w1 || = √1 + 2 + 1 = 2
|| w2 || = √1 + 2 + 0 = √3 Tidak orthonormal
|| w3 || = √1 + 0 + 0 = 1

b. u1 = (1, 1, 1)
u2 = (1, 1, 0)
u3 = (1, 0, 0)
v1 = (1, 1, 1) → || v1 || = 2
(𝑢2 ,𝑣1 ) (𝑢3 ,𝑣1 )
v2 = u2 - . v2 - . v1
||𝑣2 ||2 ||𝑣1 ||2
1
4 1 1 3 1
= (1, 0, 0) - 3 (4 , 4 , − 4) - 4(1, 1, 1)
4

1 1 1 1 1 1
= (1, 0, 0) – (12 , 12 , − 4)- (4 , 4 , 4)

1 2 2 1 2 2
= 3 (2, −1, 0) → || v3|| = √(3) + (− 3) + 0 = √3

𝑣 (1,1,1) 1 1 1
q1 = ||𝑣1|| = = (2 , 2 , 2)
1 2
11 3
𝑣 ( , ,− ) 1 1 −3
q2 = ||𝑣2 || = 44 4
√3
= (2√3 , 2√3 , 2√3)
2
2
2 1
𝑣3 ( ,− ,0) √6 √3
3 3
q3 = ||𝑣 = = ( 3 ,− , 0)
3 || √
2 6
3

1 1 1 1 1 −3 √6 √3
S’ = {(2 , 2 , 2) , (2√3 , 2√3 , 2√3) , ( 3 , − , 0)}
6

1 2 2
3. Q = [2 1 2]
2 2 1
𝜆 − 1 −2 −2
𝜆−1 −2 −2 −2 −2 𝜆 − 1
| −2 𝜆 − 1 −2 | = (𝜆 – 1)| |+2| |-2| |
−2 𝜆−1 −2 𝜆 − 1 −2 −2
−2 −2 𝜆 − 1
= (𝜆 - 1)(𝜆2 - 2𝜆 -3) + 2(-2𝜆 - 2) - 2(2𝜆 + 2)
= (𝜆 – 1)(𝜆2- 2𝜆 -3) - 4(𝜆 + 1) – 4(𝜆 + 1)
= (𝜆 – 1)(𝜆 – 3)(𝜆 + 1) – 8(𝜆 + 1)
 = (𝜆 + 1)(𝜆2 – 4𝜆 + 3 – 8)
= (𝜆 + 1)(𝜆2 – 4𝜆 – 5) = (𝜆 + 1)(𝜆 – 5)(𝜆 + 1)
𝜆 = -1 & 𝜆 = 5

−2 −2 −2 𝑏2 + 𝑏1 1 1 1 𝑎 0
untuk 𝜆 = -1 → (−2 −2 −2) → 𝑏3 − 𝑏1 (0 0 0) (𝑏 ) = (0)
𝑏
−2 −2 −2 − 21 0 0 0 𝑐 0

a+b+c=0
−1 −1
u1 = b(−1)+ c( 0 ) → basis
0 1
−1 −1
P1 = ( 1 ) P2 = ( 0 )
0 1

Untuk 𝜆 = 5
4 −2 −2 𝑏3 − 𝑏2 1 − 1⁄2 − 1⁄2 𝑏2 + 2𝑏1 1 − 1⁄2 − 1⁄2
(−2 4 −2) → 𝑏1 (−2 4 −2 ) 𝑏 3 (0 3 −3 )
−2 −2 4 4
0 −6 6 −6
0 1 −1
1 − 1⁄2 − 1⁄2
b2/3 (0 1 −1 )
0 1 −1
𝑏3 − 𝑏2 1 0 −1 𝑎 0 𝑎−𝑐 =0 1 1
1 (0 1 −1) (𝑏 ) = (0) → 𝑏 − 𝑐 = 0 u2 = c(1) P3 = (1)
𝑏1 + 2 𝑏2
0 0 0 𝑐 0 𝑐=𝑐 1 1
−1 −1 1
P=[ 1 0 1]→ basis ruang eigen 2
0 1 1
nilai eigen 𝜆 = -1 atau 𝜆 = 5

1 −1 0
−4 2 1
4. T([1]) = ( ) T([−1]) = ( ) T([ 1 ]) = ( )
−2 1 −1
1 0 −1
𝑎
a. Jika [ x ]s = [𝑏 ] suatu ruang vector x,
𝑐
S[ x ]s = [ x ]
[ x ]s = S-1 [ x ]
 1 −1 0 −1 1 1
S = [1 −1 1 ] → S-1 = [−2 1 1]
1 0 −1 −1 1 0
𝑎 −1 1 1 𝑥1
[𝑏 ] = [−2 1 1] [𝑥2 ]
𝑐 −1 1 0 𝑥3
−𝑥1 + 𝑥2 + 𝑥3
=[ −2𝑥1 + 𝑥2 + 𝑥3 ]
−𝑥1 + 𝑥2
T[ x ] = T[ s [ x ]s ]
𝑎
= T[ (𝑢1, 𝑢2, 𝑢3) [𝑏 ]]
𝑐
= a T[u1] + b T[u2] + c T[u3]

4 2 1
= -x1 + x2 + x3 [
] + (-2x1 + x2 + x3)[ ] + (-x1 + x2) [ ]
−2 1 −4
−9𝑥1 + 9𝑥2 + 6𝑥3
=[ ]
−2𝑥1 + 2𝑥2 + 3𝑥3
−9 9 6
T=[ ]
−2 2 3

2 2
−9 9 6
b. T ([ 3 ]) = [ ][ 3 ]
2 2 3
−1 −1
2
=[ ]
−1

c. Ker(T)
𝑏1
−9 9 6 9 1 −1 − ⁄3
2 1 −1 − 2⁄3 𝑥1 0
[ ] [ ] 𝑏2 − 𝑏1 [ ] [𝑥2 ] = [0]
−2 2 3 𝑏 3 1 −1 − 3⁄ 0 0 − 1⁄6 𝑥3
−2 2 0
dim ker(T) = 1
−9 9
➢ R(T) = [ ] , [ ] → dim R(T) = 2
−2 2

𝑎 2𝑎 − 𝑏
5. T([ ]) = [ ] → B = {(2, 0), (0 , 2)}
𝑏 3𝑎 + 𝑏
a. |[T]|?
T(2, 0) = (4, 6)
T(0, 2) = (-2, 2)
(4, 6) = ∝1 (2, 0) + ∝2 (0, 2)
(-2, 2) = ∝3 (2, 0) + ∝4 (0, 2)
∝1 = 2 ∝2 = 3 ∝3 = -1 ∝4 = 1

2 −1
Matriks T = ( ) → det [ T ] = 2 + 3 = 5
3 1

𝐵
b. T = R2→R2 adalah operasi linier. Jika A = [ T ] & B = [ T ]𝐵′
𝐵 𝐵′
Maka A dan B adalah matriks yang sama. Sehingga determinannya sama.
misal B’ = {(1, 0), (0, 1)}
T(1, 0) = (2, 3), T(0, 1) = (-1, 1)
(2, 3) = ∝1 (1, 0) + ∝2 (0, 1)
(-1, 1) = ∝3 (1, 0) + ∝4 (0, 1)
∝1 = 2 ∝2 = 3 ∝3 = -1 ∝4 = 1

2 −1
→[ ]=B det (B) = 5
3 1
Terbukti
 ALJABAR LINEAR
Oleh : AKPRO IMA FTUI 2022

SOAL :
1. Hitung d(A,B)

2. Carilah nilai eigen dan basis dari ruang eigen dari matriks 3x3 berikut!

3. Diketahui hasil kali dalam p dan q adalah hasil integral terbatas antara 𝑝(𝑥) dan 𝑞(𝑥)
sebagai berikut:
𝟏
< 𝒑, 𝒒 > = ∫−𝟏 𝒑(𝒙)𝒒(𝒙)𝒅𝒙
Dimana p = 𝑝(𝑥) = 𝑥 2 − 𝑥 dan q = 𝑞(𝑥) = 𝑥 + 1
Tentukan
(a) <p,q>
(b) ||𝑝|| 𝑑𝑎𝑛 ||𝑞||

4. Tentukan apakah P matriks pendiagonal A, kemudian hitung nilai A11

5. Sebuah ruang vektor R3 dengan hasil kali dalam Euclid berbobot yang didefinisikan
sebagai: 〈u,v〉 = (2)u1v1 + u2v2 + (2)u3v3. Gunakan proses Gram-Schmidt dan
normalisasi untuk mentransformasikan u1 = (1, 1, 1) dan u2 = (1, 0, 1) menjadi suatu
basis ortonormal.
PEMBAHASAN :
1.

2.

3. (a) Cara menentukan <p,q>

 1
< 𝑝, 𝑞 > = ∫−1 (𝑥 2 − 𝑥)(𝑥 + 1)𝑑𝑥

1
< 𝑝, 𝑞 > = ∫−1 (𝑥 3 − 𝑥)𝑑𝑥

1
𝑥4 𝑥2
< 𝑝, 𝑞 > = [( − )]
4 2 −1

14 12 (−1)4 (−1)2
< 𝑝, 𝑞 > = [( − )−( − )]
4 2 4 2

< 𝑝, 𝑞 > = 0

(b) Cara menentukan ||𝑝|| 𝑑𝑎𝑛 ||𝑞||

● Untuk ||𝑝||

1
||𝑝|| =< 𝑝, 𝑝 >2

1
1 2
||𝑝|| = [∫ (𝑥 2 − 𝑥)(𝑥 2 − 𝑥)𝑑𝑥]
−1

1
1 2
||𝑝|| = [∫ (𝑥 4 − 2𝑥 3 + 𝑥 2 )𝑑𝑥]
−1

1
𝑥5 𝑥4 𝑥3 2
||𝑝|| = [( − + )]
5 2 3

1
15 14 13 (−1)5 (−1)4 (−1)3 2
||𝑝|| = [( − + ) − ( − + )]
5 2 3 5 2 3

16
||𝑝|| = √
15

● Untuk ||𝑞||

1
||𝑞|| =< 𝑞, 𝑞 >2
 1
1 2
||𝑞|| = [∫ (𝑥 + 1)(𝑥 + 1)𝑑𝑥]
−1

1
1 2
||𝑞|| = [∫ (𝑥 2 + 2𝑥 + 1)𝑑𝑥]
−1

1
𝑥3 2
||𝑞|| = [( + 𝑥 2 + 𝑥)]
3

1
13 (−1)3 2
||𝑞|| = [( + 12 + 1) − ( + (−1)2 + (−1))]
3 3

2√6
||𝑞|| =
3
4.
5. Gram-Schmidt:

v1 = u1 = (1, 1, 1)

1 1 −1/3
〈𝑢2,𝑣1〉 (2)(1)(1)+(0)(1)+(2)(1)(1)
v2 = 𝑢2 − ‖𝑣1‖2
𝑣1 = [0] − [1] = [−4/3]
(√(1)2 +(1)2 +(1)2 )
1 1 −1/3

Asisten Dosen (Validator):

Siti Hanafiah (Mt’19)
Kalyana Tarra Widya K. (K’20)