Makalah Aljabar Linear Transformasi Linear Atau Pemetaan Linear
Makalah Aljabar Linear Transformasi Linear Atau Pemetaan Linear
Disusun oleh :
1. Supriyani (0903040095)
2. Sri Hartati (0903040113)
3. Anisatul M. (0903040065)
TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH PURWOKERTO
2012
TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR
Aljabar linear adalah bidang studi matematika yang mempelajari sistem
persamaan linear dan solusinya, vektor, serta transformasi linear. Matriks dan operasinya
juga merupakan hal yang berkaitan erat dengan bidang aljabar linear.
3x1 + 4x2 − 2 x3 = 5
x1 − 5x2 + 2x3 = 7
2x1 + x2 − 3x3 = 9
Sebuah sisitem persamaan linier dapat dikatakan homogen apabila mempunyai bentuk :
Setiap sistem persamaan linier yang homogen bersifat adalah tetap apabila semua sistem
mepunyai x1 = 0 , x2 = 0 , ... , xn = 0 sebagai penyelesaian. Penyelesaian ini disebut solusi
trivial. Apabila mempunyai penyelesaian yang lain maka disebut solusi nontrivial.
II. Penyelesaian Persamaan Linear dengan Matriks
a) Bentuk Eselon-baris
Matriks dapat dikatakan Eselon-baris apabila memenuhi persyaratan berikut :
1.) Di setiap baris, angka pertama selain 0 harus 1 (leading 1).
2.) Jika ada baris yang semua elemennya nol, maka harus dikelompokkan di baris akhir
dari matriks.
3.) Jika ada baris yang leading 1 maka leading 1 di bawahnya, angka 1-nya harus berada
lebih kanan dari leading 1 di atasnya.
4.) Jika kolom yang memiliki leading 1 angka selain 1 adalah nol maka matriks tersebut
disebut Eselon-baris tereduksi
x + 3y + 2z = 9
2x + y + 2z = 12
y+z=3
z=3
y+3=3
y=0
x + 2y + z = 6
x+0+3=6
x=3
x + 2y + 3z = 3
2x + 3y + 2z = 3
2x + y + 2z = 5
Jika A dan B adalah matriks yang mempunyai ordo sama, maka penjumlahan
dari A + B adalah matriks hasil dari penjumlahan elemen A dan B yang seletak.
Begitu pula dengan hasil selisihnya. Matriks yang mempunyai ordo berbeda tidak
dapat dijumlahkan atau dikurangkan.
Jumlah dari k buah matriks A adalah suatu matriks yang berordo sama dengan
A dan besar tiap elemennya adalah k kali elemen A yang seletak. Didefinisikan: Jika
k sebarang skalar maka kA = A k adalah matriks yang diperoleh dari A dengan cara
mengalikan setiap elemennya dengan k. Negatif dari A atau -A adalah matriks yang
diperoleh dari A dengan cara mengalikan semua elemennya dengan -1. Untuk setiap
A berlaku A + (-A) = 0. Hukum yang berlaku dalam penjumlahan dan pengurangan
matriks :
a.) A + B = B + A
b.) A + ( B + C ) = ( A + B ) + C
c.) k ( A + B ) = kA + kB = ( A + B ) k , k = skalar
Hasil kali matriks A yang ber-ordo m x p dengan matriks B yang berordo
p x n dapat dituliskan sebagi matriks C = [ cij ] berordo m x n dimana cij = ai1 b1j +
ai2 b2j + ... + aip bpj
e) Matriks Balikan (Invers)
Dengan Rumus =
Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat di-
invers dan (AB) − 1 = B − 1A − 1
Contoh 1:
Matriks
A= dan B =
AB = = = I (matriks identitas)
BA = = = I (matriks identitas)
Contoh 2:
Matriks
A= dan B =
AB = =
BA = =
Contoh 3:
Matriks
A=
Contoh 4:
Matriks
A= ,B= , AB =
, ,
Maka
=
Contoh:
Matriks
A= ditranspose menjadi AT =
Matriks
B= ditranspose menjadi BT =
. (AB)T = BTAT
I. Matriks Diagonal, Segitiga, dan Matriks Simetris
a) Matriks Diagonal
D − 1=
DD − 1 = D − 1D = I
jika D adalah matriks diagonal dan k adalah angka yang positif maka
Dk=
Contoh :
A=
maka
A5=
b) Matriks Segitiga
Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis
diagonal utama nol. Matriks segitiga bawah adalah matriks persegi yang di bawah
garis diagonal utama nol. Matriks segitiga atas adalah matriks persegi yang di atas
garis diagonal utama nol.
Matriks segitiga
Teorema
• Transpos pada matriks segitiga bawah adalah matriks segitiga atas, dan transpose
pada matriks segitiga atas adalah segitiga bawah.
• Produk pada matriks segitiga bawah adalah matriks segitiga bawah, dan produk
pada matriks segitiga atas adalah matriks segitiga atas.
• Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol.
• Inverse pada matriks segitiga bawah adalah matriks segitiga bawah, dan inverse
pada matriks segitiga atas adalah matriks segitiga atas.
Contoh :
A=
Inversnya adalah
A − 1=
Matriks yang tidak bisa di invers
B=
a) Matriks Simetris
Matriks kotak A disebut simetris jika A = AT
Contoh matriks simetris
Teorema
Jika A dan B adalah matriks simetris dengan ukuran yang sama, dan jika k
adalah skalar maka AT adalah simetris A + B dan A - B adalah simetris kA adalah
simetris (AB)T = BTAT = BA Jika A adalah matriks simetris yang bisa di inverse,
−1
maka A adalah matriks simetris. Asumsikan bahwa A adalah matriks simetris
dan bisa di inverse, bahwa A = AT maka :
(A − 1)T = (AT) − 1 = A − 1
Yang mana membuktikan bahwa A − 1 adalah simetris.
A=
lalu
ATA = =
AAT = =
Jika A adalah Matriks yang bisa di inverse, maka AAT dan ATA juga bisa di inverse
I. Determinan
Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real
dengan suatu matriks bujursangkar.
Sebagai contoh, kita ambil matriks A2x2
A= tentukan determinan A
A= tentukan determinan A
kofaktor dan minor hanya berbeda tanda Cij=±Mij untuk membedakan apakah
kofaktor pada ij adalah + atau - maka kita bisa melihat matrik dibawah ini
A=
Contoh Soal:
Jawab:
Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti
di atas. Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali. Pada
ekspansi baris, kita mengalikan minor dengan komponen baris pertama.
Sedangkan dengan ekspansi pada kolom pertama, kita mengalikan minor dengan
kompone kolom pertama.
Contoh Soal:
Jawab:
d) Adjoin Matriks 3 x 3
A=
adj(A) =
Jika A adalah matriks segitiga nxn (segitiga atas, segitiga bawah atau
segitiga diagonal) maka det(A) adalah hasil kali diagonal matriks tersebut
Contoh
= (2)(-3)(6)(9)(4) = -1296
f) Metode Cramer
dimana A j adalah matrik yang didapat dengan mengganti kolom j dengan matrik b
Contoh soal:
Gunakan metode cramer untuk menyelesaikan persoalan di bawah ini
x1 + 2x3 = 6
-3x1 + 4x2 + 6x3 = 30
Jawab:
bentuk matrik A dan b
A= b=
A1 = A2 = A3 =
R=Er...E2 E1 A
dan,
det(R)=det(Er)...det(E2)det(E1)det(EA)
Contoh Soal :
A=
A= tentukan determinan A
untuk mencari determinan matrik A maka, detA = (aei + bfg + cdh) - (bdi + afh +
ceg)
• Metode Sarrus hanya untuk matrix berdimensi 3x3
cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor di
atas, sehingga menjadi
adj(A) =
dengan metode Sarrus, kita dapat menghitung determinan dari matrix A
det(A) = 64
contoh:
diketahui persamaan linear
x1 + 3x2 = λx1
4x1 + 2x2 = λx2
dapat ditulis dalam bentuk
=λ
yang kemudian dapat diubah
A= dan x =
λ
sehingga didapat bentuk
λI-A=
namun untuk menemukan besar dari λ perlu dilakukan operasi
det (λ I - A) = 0 ;λ adalah eigenvalue dari A
dan dari contoh diperoleh
x=
Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif, sebuah n-
grup topel adalah sekuens dari n bilangan real (a1.a2.....an). Set dari semua grup yang
terdiri dari n- grup topel dinamakan n-ruangdan dituliskan sebagai Rn.
Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1, a2, a3)
mempunyai dua interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai
titik, yang dalam kasus ini a2, a2, a3 merupakan koordinat, atau ini bisa diinterpretasikan
sebagai vector, dimana a1, a2, a3 merupakan komponen vector. Selanjutnya kita bisa
melihat bahwa n – grup topel (a1, a2, ...., an) bisa dilihat sebagai antara sebuah “poin
umum” atau “vector umum”- perbedaan antara keduanya tidak penting secara matematis.
Dan juga kita bisa menjelaskan 5- topel (-2, 4, 0 ,1 ,6) antara poin dalam R5 atau vector
pada R5.
u1 = v1 u2 = v2 un = vn
Dan jika k adalah konstanta scalar, maka perkalian scalar ku didefinisikan oleh
Operasi dari pertambahan dan perkalian scalar dalam definisi ini disebut
operasi standar untuk Rn Vektor nol dalam Rn didenotasikan oleh 0 dan
difenisikan ke vector.
0 = (0, 0,...., 0)
Jika u = (u1, u2, ...., un) dalam setiap vector dalam Rn, maka negative
(atau invers aditif) dari u dituliskan oleh –u dan dijelaskan oleh
-u = (-u1, -u2, ...., -un)
• Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan
mengeluarkan 3 tegangan output. Tegangan input bisa ditulis sebagai vector dalam R4
dan tegangan output bisa ditulis sebagaiR3. Lalu, chip bisa dilihat sebgai alat yang
mengubah setiap vektor input v = (v1,v2,v3,v4) dalam R4 ke vector keluaran w =
(w1,w2,w3) dalamR3.
• Analisis citra – Satu hal dalam gambaran warna dibuat oleh layar komputer dibuat
oleh layar komputer dengan menyiapkan setiap [pixel] (sebuah titik yang mempunyai
alamat dalam layar) 3 angka yang menjelaskan hue, saturasi, dan kecerahan dari
pixel. Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari
bentuk v = (x,y,h,s,b) dalam x dan y adalah kordinat layar dari pixel dan h,s,b adalah
hue, saturation, dan brightness.
• Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang
sama sehingga pada waktu t koordinat mereka adalahx1,x2,...,x6 dan kecepatan mereka
adalah v1,v2,...,v6. Informasi ini bisa direpresentasikan sebagai vector
b) Bentuk Newton
interpolasi polinominal p(x)=anxn+an-1xn-1+...+a1x+a0 adalah bentuk standar. Tetapi
ada juga yang menggunakan bentuk lain . Contohnya , kita mencari interpolasi titik dari
data (x0,y0),(x1,y1),(x2,y2),(x3,y3).
dari kondisi interpolasi p(x0)=yo maka didapatkan a0=yo , sehingga dapat kita tuliskan
menjadi
p(x0)=b0
p(x1)=b1h1+b0
p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0
p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0
c) Operator Refleksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran
simetris terhadap sumbu y, dimisalkan w=T(x), maka persamaan yang berhubungan
dengan x dan w adalah:
x1 = -x = -x + 0y
x2 = y = 0x + y
d) Operator Proyeksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi
tegak lurus terhadap sumbu x, dimisalkan w=T(x), maka persamaan yang berhubungan
dengan x dan w adalah:
x1 = x = x + 0y
x2 = 0 = 0x + 0y
atau dalam bentuk matrik :
Persamaan tersebut bersifat linier, maka T merupakan operator linier dan matrikx T
adalah:
Secara umum, sebuah operator proyeksi pada R2 dan R3 merupakan operator yang
memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui
asalnya.
e) Operator Rotasi
Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut
operator rotasi pada R2. Untuk melihat bagaimana asalnya adalah dengan melihat
operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut ɵ positif yang
tetap. Unutk menemukan persamaan hubungan x dan w=T(x), dimisalkan ɵ adalah sudut
dari sumbu x positif ke x dan r adalah jarak x dan w. Lalu, dari rumus trigonometri dasar
x = r cos Θ ; y = r cos Θ dan w1 = r cos (ɵ + ɸ) ; w2= r sin (ɵ + ɸ)
karena xi diketahui, ini akan menuju pada sistem matrik di bawah ini
=
= (1)
Contoh soal:
Jawab:
Bentuk Sistem Vandermonde(1):