Nama : Alya Massardi

NPM : 062240722961
Kelas : 2 TIA
Mata Kuliah : Matriks & Vektor

Ringkasan
Bab V
RUANG VEKTOR

A. Definisi Ruang Vektor

Ruang Vektor merupakan suatu himpunan V dengan elemen vektor dikatakan

membentuk suatu ruang vektor jika memenuhi kondisi :

a. Penjumlahan

Aturan ini mengatakan bahwa tiap vektor u̅ dan v̅ pada V dan u̅ + v̅ juga pada V. Operasi
ini memenuhi aksioma :

i. Untuk semua u̅, v̅ dan w̅ di V

u̅ + v̅ = v̅ + u̅ (hukum komunatif)

(u̅ + v̅) + w̅ = u̅ + (v̅ + w̅) (hukum asosiatif)

ii. Ada vektor nol di V yang dinyatakan dengan 0̅ sehingga

u̅ + 0̅ = u̅ untuk setiap u̅ di V

iii. Untuk tiap u̅ di V ada vektor -u̅ sehingga

u̅ (-u̅) = 0̅, -u̅ disebut invers penjumlahan dari u̅
b. Perkalian Skalar

Untuk setiap vektor dalam V dan Skalar s memenuhi aksioma :

1 u̅ = u̅

(st) u̅ = s(tu̅)

r(u̅ + v̅) = ru̅ + rv̅

 (s + t)u̅ = su̅ + tv̅

Perhatian : Jika skalar s adalah bilangan riil, maka ruang tersebut dinamakan ruang vektor riil.
Sedangkan jika s bilangan kompleks, maka disebut ruang vektor kompleks.

Contoh :

Ruang Vektor

1) Himpunan semua bilangan riil dengan operasi penjumlahan dan perkaliannya adalah
ruang vektor riil.
2) Himpunan bilangan kompleks.
3) Himpunan semua matriks m x n dengan elemen riil.

B. Ruang Vektor R̅n

Misalkan R̅n Misalkan menyatakan himpunan dengan n tripel terorde dan suatu bilangan
riil sehingga R̅n = {(x1 , x2 , x3 , ...., x𝑛 ) : xi € R} kita katakan elemen di dalam Rn sebagai vektor
dalam R̅n.

Kita sering menggunakan R̅2 dan R̅3 pada geometri koordinat yang kita nyatakan sebagai
pasangan, tripel dan bilangan sebagai titik koordinat dalam bidang dan ruang tiga dimensi.
Misalkan x̅ = (x1 , x2 , ...., x𝑛 ) dan y̅ = (y1 , y2 , ...., y𝑛 ) adalah vektor pada R̅n dan suatu bilangan
riil, kita definisikan penjumlahan dan perkalian skalar pada Rn adalah :

x̅ + y̅ = (x1 , x2 , ...., x𝑛 ) + (y1 , y2 , ...., y𝑛 ) - (x1 + y1 , x2 + y2 , ...., x𝑛 + y𝑛 )

k x̅ = k(x1 , x2 , ...., x𝑛 ) = (𝑘x1 , kx2 , ...., kx𝑛 )

Contoh :

Vektor tersebut berada di .

Jika kita perhatikan seksama, sering muncul istilah ruang-n euclides, lalu apa sih ruang-n
euclides itu ? Secara geometri, ruang euclides adalah ruang 2 atau 3 dimensi dimana aksioma-
aksioma geometri euclid berlaku dengan baik, yang kemudian digeneralisasi ke dalam ruang
berdimensi n. Sedangkan secara analitis, himpunan semua n-tupel bilangan real
dinamakan ruang-n dan dinyatakan .
 Himpunan semua bilangan real

Himpunan semua pasangan bilangan real

Himpunan semua tripel bilangan real

Himpunan semua quadrupel bilangan real

Himpunan semua n-tupel bilangan real

C. Sub Ruang
Suatu ruang vektor s dikatakan sebagai sub ruang dari vektor ruang V jika s memenuhi
kondisi penjumlahan dan perkalian skalar seperti pada V.

Contoh: V = , W = sebuah bidang yang melalui titik asal (0, 0, 0)

Teorema: Jika W adalah himpunan yang berisi satu atau lebih vektor di dalam ruang vektor V,
maka W adalah subruang dari V jika dan hanya jika kondisi berikut terpenuhi: 1. Jika u dan v
adalah vektor di W, maka u + v menghasilkan vektor di W 2. Jika k adalah skalar dan u adalah
vekto di W, maka ku adalah vektor di W

Contoh : Tunjukkan bahwa himpunan vektor dalam bentuk (b1,b2,b3) dengan b1

=b2 merupakan subruang dari

Pembahasan :

Misalkan himpunan tersebut adalah A.Pertama, kita tunjukkan bahwa himpunan

A tidak kosong.Terdapat (0,0,0) ∈ A, sehingga himpunan A tidak kosong.

Selanjutnya, kita akan menunjukkan bahwa himpunan A tertutup terhadap operasi

penjumlahan dan perkalian dengan skalar.Ambil sebarang u̅, v̅ ∈ A dan k ∈ R.

u̅ = (u1, u2, u3) untuk suatu u1, u2, u3 ∈ R dengan u1 = u2

dan
v̅ = (v1, v2, v3) untuk suatu v1, v2, v3 ∈ R dengan v1=v2.

Perhatikan bahwa
u̅ + v̅ = (u1, u2, u3) + (v1, v2, v3)

= (u1+v1, u2+v2, u3+v3)

Diketahui u1 = u2 dan v1 = v2, sehingga u1 + v1 = u2 + v2
Diperoleh u̅ + v̅ ∈ A. Terbukti bahwa himpunan A tertutup terhadap operasi
penjumlahan.
k u̅ = k (u1, u2, u3)
= (ku1, ku2, ku3)
Karena ku1=ku2, maka diperoleh k u̅ ∈ A.Terbukti bahwa himpunan A tertutup
terhadap operasi perkalian dengan skalar.
Jadi, himpunan A merupakan subruang dari .

D. Kombinasi Linier dan merentang

Jika himpunan vektor {v1 , v2 , ...., v𝑛 } adalah ruang vektor V, maka hanya ada satu cara
untuk mendapatkan vektor baru dari himpunan vektor tersebut. Cara ini adalah dengan operasi
penjumlahan dan perkalian skalar pada V.

Definisi : Suatu vektor v̅ dalam ruang vektor V dikatakan kombinasi linier dari 𝑣̅1 , 𝑣̅2 ,
...., 𝑣̅𝑛 pada V jika skalar-skalar c1 , c2 , ...., cn tidak nol sehingga :

v̅ = c1 𝑣̅1 + c2 𝑣̅2 +.... c𝑛 𝑣̅𝑛 = ∑𝑛𝑖−1 c𝑖 𝑣̅𝑖

Definisi : Suatu vektor 𝑣̅1 , 𝑣̅2 , ...., 𝑣̅𝑛 pada V dapat dinyatakan sebagai kombinasi linier
dari 𝑣̅1 , 𝑣̅2 , ...., 𝑣̅𝑛

Contoh

Periksa apakah w = (3,5) merupakan kombinasi linear dari u̅ = (1,1) dan v̅ = (1,2).

Untuk menentukan apakah w merupakan kombinasi linear dari u dan v, kita perlu
memeriksa apakah terdapat skalar-skalar k1 dan k2 yang memenuhi

w = k1 u̅ +k2 v̅ , yaitu

(3,5) = k1(1,1) + k2(1,2) = (k1 + k2, k1 + 2k2)

Berdasarkan kesamaan dua vektor, diperoleh sistem persamaan linear

k1 + k2 = 3

k1 + 2k2 = 5

Solusi dari sistem persamaan di atas adalah k1=1 dan k2=2. Jadi, w merupakan
kombinasi linear dari u̅ dan v̅.

E. Bebas dan Tak Bebas Linier

Salah satu masalah dasar dari aljabar linier adalah menentukan apakah himpunan vektor
(𝑣̅1 , 𝑣̅2 , ...., 𝑣̅𝑛 ) tidak bebas linier yang berarti paling sedikit satu vektor pada ruang vektor
tersebut dapat ditulis sebagai kombinasi linier dari himpunan vektor tersebut Secara matematik
dapat didefinisikan sebagai berikut:

Definisi: Suatu himpunan vektor {𝑣̅1 , 𝑣̅2 , ...., 𝑣̅𝑛 }pada V dapat dikatakan tidak bebas
linier jika tidak semua skalar ₁,C,...,, nol sehingga :

c1 𝑣̅1 + c2 𝑣̅2 +.... c𝑛 𝑣̅𝑛 = 0

Jika c1 = c2 = .... c𝑘 = 0, maka himpunan vektor{𝑣̅1 , 𝑣̅2 , ...., 𝑣̅𝑛 }adalah himpunan vektor
bebas linier.

Untuk melihat apakah himpunan vektor {𝑉1, 𝑉2, ...., 𝑉𝑛 }bebas linier atau tidak, kita
harus membuat persamaan

c1 𝑉̅1 + c2 𝑉̅2 +.... c𝑛 𝑉̅𝑛 = 0

Jika diberikan sejumlah n vektor dalam Rm, maka kita dapat menentukan secara langsung
apakah vektor – vektor tersebut bebas linier atau tidak.

Misalkan ̅ 1 , 𝑉̅2 , ....𝑉̅𝑛 vektor pada Rm dan D = [𝑉1, 𝑉2, ...., 𝑉𝑛 ] dimana D adalah matriks kolom
dari V1 , V2 , ...., V𝑛 .

1. Jika n > m, vektor tersebut tidak bebas linier.

2. Jika m = n, vektor tidak bebas linier jika dan hanya jika det (D) = 0.
3. Jika n < m, vektor tidak bebas linier jika dan hanya jika rank (D) < n.
F. Bebas Linier untuk Fungsi

Jika membahas persamaan differensial kita akan menghasilkan beberapa fungsi yang
bebas linier untuk beberapa interval. Untuk hal ini kita akan melihat bagaimana cara untuk
menentukan kriteria itu.

Defenisi: Fungsi-fungsi 𝑓1 , 𝑓2 , ...., 𝑓𝑛 bebas linier pada interval I jika dan hanya jika
𝐶1 𝑓1 + 𝐶2 𝑓2 +.... 𝐶𝑛 𝑓𝑛 − 0
Memiliki pemecahan untuk 𝐶𝑖 trivial (𝐶𝑖 = 0)

Dengan menggunakan aturan Cramer untuk pemecahan sistem persamaan linier

homogen jika det (A) ≠ 0 maka pemecahannya trivial. Berarti 𝑓1 (x) dan 𝑓2 (x) bebas linier.
Metode yang digunakan di atas dapat dibuat suatu determinan untuk fungsi-fungsi tersebut.

Defenisi: Untuk 𝑓1 , 𝑓2 , ...., 𝑓𝑛 akan bebas linier pada suatu interval jikaW[𝑓1 , 𝑓2 , ...., 𝑓𝑛 ]
tidak sama dengan noi dimana:

𝑓1 (𝑥) 𝑓2 (𝑥) … … 𝑓𝑛 (𝑥)

𝑓 ′(𝑥) 𝑓2 ′(𝑥) … … 𝑓𝑛 ′(𝑥)
𝑊[𝑓1 , 𝑓2 , . . . . , 𝑓𝑛 ] = | 1 |
: ∶ ∶
𝑓1 𝑛−1 (𝑥) 𝑓1 𝑛−1 (𝑥) … … 𝑓𝑛 𝑛−1 (𝑥)

Tetapi jika W[𝑓1 , 𝑓2 , ...., 𝑓𝑛 ] = 0 kita tidak dapat langsung mengatakan 𝑓1 , 𝑓2 , ...., 𝑓𝑛 tidak
bebas linier.

G. Basis dan Dimensi

Dari bahasan terdahulu kita dapat menuliskan suatu vektor dalam ruang V sebagai
kombinasi linier dari vektor-vektor lain. Vektor pembentuk vektor baru sebagai kombinasi
linier dari vektor yang diketahui kita kenal dengan "basis".

Defenisi: Suatu himpunan vektor {𝑉̅1 , 𝑉̅2 , ....𝑉̅𝑛 }pada ruang vektor V dikatakan basis

jika:

1) vektor-vektor tersebut bebas linier

2) vektor-vektor tersebut merentang pada V

Pada contoh sebelumnya kita melihat bahwa vektor (1,0,0), (0,1,0) dan (0,0,1) adalah vektor
yang bebas linier dan merentang pada R3. Hal ini dikatakan vektor-vektor merupakan
merupakan basis pada R3.

Banyaknya vektor basis pada ruang vektor V disebut dengan "Dimensi".

H. Ruang Hasil Perkalian Dalam

Perkalian skalar antara dua vektor yang dinyatakan dengan :

̅. 𝑉̅ = |𝑈
𝑈 ̅||𝑉̅| cos 𝜃

̅
𝑈

𝜃 𝑉̅

Dapat juga ditulis :

̅. 𝑉̅ = 𝑈1 𝑉1 + 𝑈2 𝑉2 + 𝑈3 𝑉3
𝑈

Sehingga besar vektor U dapat diinyatakan sebagai

̅| = 𝑈12 + 𝑈22 + 𝑈32 = 𝑈

|𝑈 ̅. 𝑈
̅

Jika hasil perkalian skalar dari dua vektor yang tidak nol, berartii kedua vektor saling tegak
lurus.

̅
𝑈

̅. 𝑉̅ = 0 → 𝜃 = 40°
𝑈

𝑉̅

Untuk ruang vektor V kita perkenalkan istilah perkalian dalam (Inner Product).
Definisi : ̅ = (𝑈1 , 𝑈2 , … … 𝑈𝑛 ) dan 𝑉̅ = (𝑉1 , 𝑉2 , … … 𝑉𝑛 ) vektor pada Rn maka
Jika 𝑈
perkalian dalamnya adalah :

̅. 𝑉̅ 〉 = 𝑈1 𝑉1 + 𝑈2 𝑉2 + ⋯ … 𝑈𝑛 𝑉𝑛
〈𝑈

= ∑~
𝑖=1 𝑈𝑖 𝑉𝑖

̅|2 = 〈𝑈
Dengan besar vektor |𝑈 ̅. 𝑈
̅〉

Ruang Hasil Kali Dalam Riil

Untuk dan Y, Z pada V dan C skalar riil

1. 〈𝑋̅, 𝑋̅〉 ≥ 0 dan 〈𝑋̅, 𝑋̅〉 = 0 jika 𝑋̅ = 0

2. 〈𝑌, 𝑋〉 = 〈𝑋, 𝑌〉
3. 〈𝐶𝑌̅, 𝑋̅〉 = 𝐶〈𝑋̅, 𝑌̅〉
4. <X+Y,Z> = <X , Z> = <Y , Z>
5. |𝑋| = √〈𝑋, 𝑋〉

Ruang vektor riil bersama-sama dengan perkalian dalam yang membentuk ruang vektor
hasil perkalian dalam riil.

Untuk fungsi – fungsi pada Rag Co ⌊𝑎, 𝑏⌋ dapat dinyatakan perkalian dalamnya sebagai :

𝑏
〈𝑓, 𝑔〉 = ∫𝑎 𝑓(𝑥)𝑔(𝑥)𝑑𝑥

Dan |𝑓|2 = 〈𝑓, 𝑓〉

𝑏
= ∫𝑎 𝑓 2 (𝑥)𝑑𝑥

Hasil Perkalian Dalam Kompleks

Jika memilih vektor – vektor kompleks pada ruang Cn maka perkalian dalamnya
menggunakan konjigate vektor tersebut.

Misalkan U̅ = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) dan V̅ = (𝑣̅1 , 𝑣̅2 , … , 𝑣̅𝑛 ) vektor – vektor pada Cn maka
perkalian dalamnya adalah :

̅, 𝑉̅ 〉 = 𝑢1 ̅̅̅|𝑢
〈𝑈 𝑣̅1 2 ̅̅̅|
𝑣̅2 … … |𝑢𝑛 ̅̅̅
𝑣̅𝑛

= ∑ 𝑢, 𝑣̅
 Dan besar vektornya ditentukan dengan

|𝑈| = √|𝑢1 |2 + |𝑢2 |2 + ⋯ … … + |𝑢𝑛 |2

Dari hasil ruang hasil kali dalam dapat kita tentukan beberapa sifat ortogonal dari vektor
pada 𝑉̅ :

̅ dan 𝑉̅ pada V maka Jika 〈𝑈

1. Jika 𝑈 ̅, 𝑉̅ 〉 = 0 dikatakan 𝑈
̅ dan 𝑉̅ ortogonal.
2. Jika pada V ada himpunan vektor {𝑣̅1 , 𝑣̅2 , … , 𝑣̅𝑛 }yang tidak nol maka :
̅̅̅̅̅̅̅
Jika 〈𝑈 𝑖 , 𝑈𝑗 〉 = 0 untuk i ≠ j dikatakan V dibentuk oleh himpunan vektor ortogonal.

3. Jika {𝑢
̅̅̅,
1 ̅̅̅,
𝑢2 … … ̅̅̅}himpunan
𝑢𝑛 vektor ortogonal pada V dan 〈𝑢̅𝑖 , 𝑢̅𝑗 〉 = 1.
Dikatakan V dibentuk oleh vektor – vektor ortogonal.
Vektor 𝑣̅1
̅̅̅-(−2,1,3,0), 𝑣̅2
̅̅̅-(0, −3,1, −6) 𝑑𝑎𝑛 ̅̅̅-(−2,
𝑣̅3 −4,0,2)membentuk himpunan
vektor ortogonal karena 〈 ̅̅̅ 𝑣̅2 = 〈 ̅̅̅
𝑣̅1 , ̅̅̅〉 𝑣̅3 = 〈 ̅̅̅
𝑣̅1 , ̅̅̅〉 𝑣̅2 , ̅̅̅〉
𝑣̅3 = 0
Himpunan vektor ortonomalnya dapat ditulis dengan :
1 1 1
{ 𝑣̅1
̅̅̅, 𝑣̅2
̅̅̅, 𝑣̅3 dimana √14, √46, 2√6 adalah besar ̅̅̅
̅̅̅} 𝑣̅1 , ̅̅̅
𝑣̅2 dan ̅̅̅.
𝑣̅3
√14 √46 2√6

I. Proses Ortogonalisasi Gram-Schmidt

Dalam bagian ini kita mencoba untuk mendapatkan basis yang ortogonal dari suatu ruang kali
dalam dengan dimensi terbatas.

Definisi : Jika {𝑣̅1 , 𝑣̅2 , … , 𝑣̅𝑛 }himpunan basis pada V dikatakan

i. Basis ortogonal jika 〈 𝑣̅̅𝑖 , 𝑣̅̅𝑗 〉 = 0, i ≠ j

ii. Basis ortonormal jika 〈 𝑣̅̅𝑖 , 𝑣̅̅𝑗 〉 = δij

Untuk mendapatkan basis ini kita mulai untuk kasus sederhana untuk R3. Jika ̅̅̅ 𝑣̅2 adalah
𝑣̅1 , ̅̅̅
vektor bebas linier pada R3, maka proyeksi ortogonal ̅̅̅ 𝑣̅1 adalah 𝑃̅(𝑣̅
𝑣̅2 pada ̅̅̅ 𝑣̅1 misalkan
̅̅̅2 , ̅̅̅),
𝑢̅𝑖 sebagai basis ortogonal dalam ruang tersebut.

Ambil ̅̅̅ 𝑢1 dari R3 dimana ̅̅̅

𝑣̅1 sebagai basis pertama ̅̅̅ 𝑢1 = ̅̅̅.
𝑣̅1

𝑣̅2 − 𝑃̅(𝑣̅
Dapat dilihat bahwa vektor ̅̅̅ 𝑣̅1 ortogonal pada ̅̅̅
̅̅̅2 , ̅̅̅) 𝑣̅1 atau ̅̅̅
𝑢1 dan sebagai basis kedua
dari R3 itu adalah :
 ̅̅̅ 𝑣̅2 − 𝑃̅ (𝑣̅
𝑢2 = ̅̅̅ ̅̅̅2 , ̅̅̅)
𝑣̅1

Panjang |𝑃̅| dapat ditulis :

|𝑃̅| = |𝑣̅
̅̅̅|𝑐𝑜𝑠𝜃
2

Karena 𝑃̅ searah ̅̅̅

𝑣̅1 maka 𝑃̅ dapat dinyatakan dalam vektor ̅̅̅
𝑣̅1 yaitu :
̅̅̅
𝑣1 |𝑣
̅̅̅||𝑣
̅̅̅|𝑐𝑜𝑠𝜃
𝑃̅ = |𝑣̅
̅̅̅|𝑐𝑜𝑠𝜃
2 |𝑣
̅̅̅|
atau 𝑃̅ = 1 |𝑣̅̅̅|
2
2
𝑣̅1
̅̅̅
1 1

Karena |𝑣̅
̅̅̅||𝑣̅
1 ̅̅̅|𝑐𝑜𝑠𝜃
2 − 〈 ̅̅̅ 𝑣̅2 maka :
𝑣̅1 , ̅̅̅〉
〈 ̅̅̅ ̅̅̅〉
𝑣1 ,𝑣
𝑃̅ = |𝑣̅̅̅| 2
2 ̅̅̅
𝑣̅1
1

〈 ̅̅̅ ̅̅̅〉
𝑣1 ,𝑣 2
Jadi : 𝑢2 = ̅̅̅
̅̅̅ 𝑣̅2 − |𝑣
̅̅̅| 2
𝑣̅1
̅̅̅
1

〈 ̅̅̅̅
𝑢1 ,𝑣̅̅̅〉
2
Ganti ̅̅̅ 𝑢1 sehingga :
𝑣̅1 = ̅̅̅ 𝑢2 = ̅̅̅
̅̅̅ 𝑣̅2 − |𝑢
̅̅̅̅| 2 𝑢1
̅̅̅
1

Untuk ruang Rn, langkah diatas dapat dikembangkan dengan langkah berikut :
𝑢1 = ̅̅̅
̅̅̅ 𝑣̅1
〈 ̅̅̅̅
𝑢1 ,𝑣̅̅̅〉
2
𝑢2 = ̅̅̅
̅̅̅ 𝑣̅2 − |𝑢
̅̅̅̅| 2
𝑢1
̅̅̅
1

〈 ̅̅̅̅
𝑢2 ,𝑣̅̅̅〉
3 〈 ̅̅̅̅
𝑢1 ,𝑣̅̅̅〉
3
𝑢3 = ̅̅̅
̅̅̅ 𝑣̅3 − |𝑢
̅̅̅̅| 2 𝑢2 −
̅̅̅ |𝑢
̅̅̅̅| 2 𝑢1
̅̅̅
2 1

〈 ̅̅̅̅
𝑢3 ,𝑣̅̅̅〉
4 〈 ̅̅̅̅
𝑢2 ,𝑣̅̅̅〉
4 〈 ̅̅̅̅
𝑢1 ,𝑣̅̅̅〉
4
𝑢4 = 𝑣̅̅4 −
̅̅̅ |𝑢
̅̅̅̅| 2
𝑢3 −
̅̅̅ |𝑢
̅̅̅̅| 2
𝑢2 −
̅̅̅ |𝑢
̅̅̅̅| 2
𝑢1
̅̅̅
3 2 1

𝑘 〈 ̅̅̅ ̅̅̅̅̅̅̅〉
𝑢𝑖 ,𝑣 𝑘+1
𝑢𝑘+1 = 𝑣̅
̅̅̅̅̅̅ 𝑘+1 − ∑𝑖=1
̅̅̅̅̅̅ |𝑢
̅̅̅| 2 𝑢̅𝑖
𝑖

Untuk mendapatkan basis ortonormal, kita tinggal menormalisasikan basis 𝑢̅𝑖 .