BAB 4

RUANG VEKTOR
UMUM
Tim Dosen Aljabar Linear FTUI
INDIKATOR
1. Mahasiswa mampu memahami definisi dari ruang vektor dan sub ruang serta menentukan
dan menganalisis apakah suatu himpunan merupakan ruang vektor atau bukan
2. Mahasiswa memahami konsep kebebasan linier dan mampu menentukan apakah suatu
himpunan bebas linier atau tidak
3. Mahasiswa memahami konsep basis dan dimensi dari suatu ruang vektor serta vektor
koordinat yang bersesuaian dengan suatu basis
4. Mahasiswa mampu menerapkan perubahan basis pada suatu ruang vektor
5. Mahasiswa mampu menganalisis ruang baris, ruang kolom, serta ruang kosong (null space)
dari suatu matriks serta menentukan nilai rank dan nullity
6. Mahasiswa memahami beberapa transformasi dasar pada R2 dan R3 yang merupakan
perkalian dengan matriks serta sifatnya
KERANGKA PEMBAHASAN
1. Ruang Vektor Nyata
2. Subruang
3. Kebebasan Linier
4. Koordinat dan Basis
5. Dimensi
6. Perubahan Basis
7. Ruang Baris, Ruang Kolom dan Ruang Nul
8. Rank dan Nulitas
9. Transformasi Matriks Dasar
10. Sifat Transformasi Matriks
11. Aplikasi: Geomtri Operator Matriks pada R2
PENGANTAR
Pada bab sebelumnya: generalisasi vektor R2 dan R3 ke Rn
Pada bab ini akan mengumumkan vektor lebih lanjut sehingga
disebut saja: VEKTOR
Di sini bukan hanya teori, tapi aplikasi: ALAT yang sangat
berguna untuk memperluas visualisasi geometrik kita terhadap
berbagai permasalahan matematika yang penting
Kita dapat menggambarkan R2 dan R3 sebagai garis, yang
memperkenankan kita menggambar atau membentuk gambar
mental untuk membantu menyelesaikan permasalahan tersebut
4.1 RUANG VEKTOR NYATA
Pada sub-bab ini kita akan memperluas konsep sebuah vektor
dengan mengambil sifa-sifat penting vektor yang sudah dikenal
kemudian dijadikan AKSIOMA
Setiap sekumpulan obyek yang cocok dengan suatu aksioma,
secara otomatis memiliki sifa-sifat penting vektor yang sudah
dikenal
Selanjutnya, kumpulan obyek tersebut dapat diterima sebagai
VEKTOR JENIS BARU
AKSIOMA RUANG VEKTOR
V adalah kumpulan obyek bukan kosong yang dapat didefinisikan
dengan dua operasi: penambahan dan perkalian skalar
Jika SEMUA (10) operasi-operasi berikut berlaku untuk semua u,
v, w dan V, maka V adalah RUANG VEKTOR, sedangkan obyek-
obyek tersebut ada di dalam vektor V
1. Jika u dan v adalah obyek di dalam V, maka u + v ada di
dalam V
2. u + v = v + u
3. u + (v + w) = (u + v) + w
4. Ada sebuah obyek 0 di V, disebut vektor nol untuk V,
sehingga 0 + u = u + 0 = u untuk semua u di V
5. Untuk semua u di V, ada obyek –u di V, disebut u
negatif, sehingga u + (-u) = (-u) + u = 0
6. Jika k adalah skalar sembarang dan u adalah obyek
sembarang di V, maka ku ada di V
7. k(u + v) = ku + kv
8. (k + m)u = ku + mu
9. k (mu) = (km)(u)
10. 1u = u
CONTOH
Diketahui V adalah kumpulan fungsi nilai-nyata yang didefinisikan
pada garis bilangan nyata (-, ). Jika f(x) dan g(x) adalah dua
fungsi dan k adalah bilangan nyata, definisikan penjumlahan fungsi
f(x)+g(x) dan kf(x).
JAWAB
CONTOH: SETIAP BIDANG MELALUI ASALNYA
ADALAH SEBUAH RUANG VEKTOR
V adalah bidang melalui asalnya di R3. Kita akan menunjukkan bahwa titik-
titik di V membentuk ruang vektor di bawah operasi penjumlahan dan
perkalian yang standar untuk vektor di R3. Telah dibuktikan bahwa R3 itu
sendiri adalah ruang vektor di bawah operasi-operasi ini sehingga telah
memenuhi aksioma 2, 3, 7, 8, 9 dan 10. Sekarang kita buktikan aksioma
sisanya (1, 4, 5, dan 6). Karena V bidang melalui asalnya maka:
ax + by + cz = 0
Jika u = (u1,u2,u3) dan v = (v1,v2,v3) adalah titik di V, maka au1 + bu2 + cu3 =
0 dan av1 + bv2 + cv3 = 0. Penjumlahan kedua garis:
a(u1+v1) + b(u2+v2) + c(u3+v3) = 0
Bukti aksioma 1: u + v = (u1+v1,u2+v2,u3+v3), sehingga u + v ada di V
Bukti aksioma 4: 0 + u = u + 0 = u
0 = (0,0,0) maka (0,0,0) + (u1,u2,u3) = (u1,u2,u3) + (0,0,0) = (u1,u2,u3)
Bukti aksioma 5: u + (-u) = (-u) + u = 0
(u1,u2,u3) + (-u1,-u2,-u3) = (-u1,-u2,-u3) + (u1,u2,u3) = (0,0,0)
Bukti aksioma 6: ku = k(u1,u2,u3) = (ku1,ku2,ku3)
CONTOH-CONTOH BUKAN RUANG VEKTOR
1. BILANGAN BULAT bukan ruang vektor
2. POLINOMIAL DENGAN DERAJAT KEBEBASAN DUA bukan ruang
vektor
3. PASANGAN BILANGAN NYATA dengan operasi penjumlahan
standar TAPI PERKALIAN SKALARNYA TIDAK STANDAR
1. BILANGAN BULAT BUKAN RUANG VEKTOR
Semua bilangan bulat (dengan operasi yang standar)
bukan ruang vektor karena tidak sesuai dengan perkalian
skalar:
1 1
1 =
2 2
skalar bulat Pecahan (bukan bulat)
2. POLINOMIAL DENGAN DERAJAT KEBEBASAN
DUA BUKAN RUANG VEKTOR
Polinomial dengan derajat kebebasan dua bukan ruang vektor
karena tidak sesuai dengan operasi penjumlahan:
𝑝 𝑥 = 𝑥2
𝑞 𝑥 = −𝑥 2 + 𝑥 + 1
Jika dilakukan operasi penjumlahan:
𝑝 𝑥 + 𝑞 𝑥 = 𝑥2 − 𝑥2 + 𝑥 + 1 = 𝑥 + 1
Hasilnya bukan polinomial orde-2
3. PASANGAN BILANGAN NYATA DENGAN OPERASI
PENJUMLAHAN STANDAR TAPI PERKALIAN SKALARNYA
TIDAK STANDAR
Kumpulan semua pasang bilangan nyata (x,y) dengan operasi
(x,y) + (x’,y’) = (x+x’,y+y’) dan k(x,y) = (2kx,2ky)
Apakah ini termasuk ruang vektor? Kalau tidak, manakah aksioma
yang gagal?
JAWABAN
BUKAN termasuk ruang vektor karena gagal di aksioma 9 dan 10:
9. k (mu) = (km)(u)
10. 1u = u
SIFAT-SIFAT RUANG VEKTOR
4.2 SUBRUANG
Misalkan W merupakan subhimpunan dari sebuah ruang vektor V
W dinamakan subruang (subspace) V
jika W juga merupakan ruang vektor yang tertutup terhadap operasi
penjumlahan dan perkalian dengan skalar.
Syarat W disebut subruang dari V adalah :
1. W  { }
2. W  V (subset atau himpunan bagian)
3. Jika 𝒖 ഥ ∈ 𝑾 maka 𝒖
ഥ, 𝒗 ഥ+𝒗
ഥ∈𝑾
ഥ ∈ 𝑾 dan k  Riil maka 𝐤ഥ
4. Jika 𝒖 𝒖∈𝑾
Contoh :
Tunjukan bahwa himpunan W yang berisi semua matriks
orde 2x2 dengan setiap unsur diagonalnya adalah nol
merupakan subruang dari ruang vektor matriks M2x2

Jawab :

 0 0
1. O    W maka W  
 0 0
2. Jelas bahwa W  M2x2
3. Ambil sembarang matriks A, B  W
Tulis  0 a1   0 b1 
A    B   
 a2 0  dan  b2 0 
 Perhatikan bahwa :
 0 a1   0 b1 
A  B      
 a2 0   b2 0 
 0 a1  b1 
  
 a2  b2 0 

Ini menunjukan bahwa A B W

4. Ambil sembarang matriks A  W dan k  Riil

maka
 0 ka1 

kA     W
 ka2 0 

Ini menunjukan bahwa kA W

Jadi, W merupakan Subruang dari M2x2.
CONTOH :
Periksa apakah himpunan D yang berisi semua matriks
orde 2x2 yang determinannya nol merupakan subruang dari
ruang vektor M2x2

Jawab : Ambil sembarang matriks A, B  W. Pilih a ≠ b :

 a b  , jelas bahwa det (A) = 0
A   
 0 0

 0 0  , jelas bahwa det (A) = 0

B   
b a
Perhatikan bahwa :

a b
A B =  
b a

Karena a ≠ b
Maka det (A + B ) = a2 – b2 ≠ 0

Jadi D bukan merupakan subruang

karena tidak tertutup terhadap operasi penjumlahan
CONTOH
Manakah dari empat subhimpunan ini yang merupakan subruang R2?
1. 𝑊 = { 𝑥1 , 𝑥2 : 𝑥1 ≥ 0 dan 𝑥2 ≥ 0} dengan operasi standar
2. Kumpulan titik pada garis 𝑥 + 2𝑦 = 0
3. Kumpulan titik pada garis 𝑥 + 2𝑦 = 1
4. Kumpulan titik pada garis 𝑥 2 + 𝑦 2 = 1

JAWAB
1. Dari empat syarat subruang, syarat 1 – 3 terpenuhi, tapi syarat 4 tidak terpenuhi
karena jika 𝑘 = −1, maka −1 1,1 = (−1, −1) yang bukan bagian dari W.
jadi W BUKAN SUBRUANG dari R2
2. Dari persamaan garis dapat diketahui bahwa 𝑥 = −2𝑦
sehingga sebuah titik dari R2 ada di garis 𝑥 + 2𝑦 = 0 jika dan
hanya jika memiliki bentuk (−2𝑡, 𝑡) dengan 𝑡 ∈ 𝑅.
 Operasi penjumlahan dari 𝑢 = (−2𝑡1 , 𝑡1 ) dan 𝑣 =
−2𝑡2 , 𝑡2 :
𝑢 + 𝑣 = −2𝑡1 , 𝑡1 + −2𝑡2 , 𝑡2
= −2 𝑡1 + 𝑡2 , 𝑡1 + 𝑡2 = −2𝑡3 , 𝑡3
dengan 𝑡3 = 𝑡1 + 𝑡2
jadi 𝑢 + 𝑣 ada di garis tersebut.
 Operasi perkalian skalar juga memenuhi
Jadi subhimpunan tersebut merupakan subruang R2
3. Subhimpunan ini bukan subruang R2 karena setiap subruang
harus mengandung vektor nol (0,0) yang tidak ada di garis
𝑥 + 2𝑦 = 1
4. Juga bukan subruang R2 karena tidak memenuhi operasi
penjumlahan: titik (0,1) dan (1,0) jika dijumlahkan
menghasilkan titik (1,1) yang tidak terletak di lingkaran
tersebut
SUBRUANG FUNGSI
Setiap FUNGSI POLINOMIAL (𝑊1 ) adalah diferensiabel, karena itu
𝑊1 adalah subruang dari FUNGSI YANG DIFERENSIABEL (𝑊2 );
setiap 𝑊2 adalah subruang dari FUNGSI KONTINYU (𝑊3 ); setiap
𝑊3 adalah subruang dari FUNGSI YANG DAPAT DIINTEGRALKAN
(𝑊4 ), dan setiap 𝑊4 adalah subruang FUNGSI (𝑊5 ).
Irisan dari dua subruang adalah sebuah subruang juga.
KOMBINASI LINEAR
Sebuah vektoru
dinamakan kombinasi linear dari vektor – vektor
v1, v2 , … , vn
jika vektor – vektor tersebut
dapat dinyatakan dalam bentuk :

u  k1v1  k2v2  ...  knvn

dengan k1, k2, …, kn adalah skalar Real.
CONTOH
Misal u = (2, 4, 0), dan v = (1, –1, 3)

adalah vektor-vektor di R3.

Apakah vektor berikut merupakan kombinasi linear
dari vektor – vektor di atas
a. a = (4, 2, 6)

b. b = (1, 5, 6)

c. c = (0, 0, 0)
 JAWABAN
a. Tulis k1u  k 2 v  a
akan diperiksa apakah ada k1, k2,sehingga kesamaan tersebut dipenuhi.
 2   1   4   2 1   k1   4 
           
k1  4   k 2  - 1    2  Ini dapat ditulis menjadi:  4 - 1      2 
 0   3   6   0 3   k   6 
   2  
     
dengan OBE, diperoleh:  1 1 2 2   1 1 2 2 
   
 1 -3 -6 ~ 0 1 2
 0 3 6   0 0 0
   
Dengan demikian, a   
merupakan kombinasi linear dari vektor u dan v atau a  u  2v
b. Tulis :  2  1   1 
        
k1u  k 2 v  b k1  4   k 2 -1    5 
 0   3  6 
     

ini dapat ditulis menjadi:  2 1   1 

   k1   
 4 -1      5 
 0 3  k2   6 
   

dengan OBE dapat kita peroleh :

2 1 1   1 12 0  1 1 1

     
2 2

 4 -1 5  ~ 0 -3 3 ~ 0 1 2
 0 3   0 3   0 3 
 6   6   0

Baris terakhir pada matriks ini menunjukkan bahwa SPL tersebut

adalah tidak konsisten (tidak mempunyai solusi). Jadi, tidak ada
nilai k1 dan k2 yang memenuhi  b tidak dapat dinyatakan sebagai
kombinasi linear dari u dan v
c. Dengan memilih k1 = 0 dan k2 = 0,
maka dapat ditulis
  
k1u  k 2 v  c

artinya vektor nol merupakan kombinasi linear

dari vektor apapun.
MEMBANGUN RUANG VEKTOR
Himpunan vektor

S  v1 , v 2 , ... , v n 
dikatakan membangun suatu ruang vektor V jika setiap vektor

pada V selalu dapat dinyatakan sebagai kombinasi linear dari

vektor – vektor di S.
CONTOH
Himpunan vektor S:
𝑣1 = {−2,1, −2}, 𝑣2 = {1,2,4} dan 𝑣3 = {2,3, −1}
Apakah himpunan vektor S tersebut membangun vektor: 𝑢 = {2,2,7}
JAWAB:
2 −2 1 2
𝑢 = 𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3  2 = 𝑘1 1 + 𝑘2 2 + 𝑘3 3
7 −2 4 −1
1 2 3 2
−2 1 2 2 1 2 3 2 1 2 3 2 8 6
0 1
1 2 3 2  −2 1 2 2  0 5 8 6  5 5
39 7
−2 4 −1 7 −2 4 −1 7 0 8 5 11 0 0 −5 5
Determinannya ≠ 0 berarti 𝑘1 , 𝑘2 , 𝑘3 ada  membentuk ruang vektor
CONTOH
Himpunan vektor S:

𝑣1 = {−2,1, −2}, 𝑣2 = {1,2,4} dan 𝑣3 = {2,3, −1}

Apakah himpunan vektor S tersebut membangun vector V

JAWAB:
𝑢1 −2 1 2
𝑢 = 𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3  𝑢2 = 𝑘1 1 + 𝑘2 2 + 𝑘3 3
𝑢3 −2 4 −1
1 2 3 𝑢2
−2 1 2 𝑢1 1 2 3 𝑢2 1 2 3 𝑢2 8 2𝑢2 +𝑢1
0 1
1 2 3 𝑢2  −2 1 2 𝑢1  0 5 8 2𝑢2 + 𝑢1  5 5
−2 4 −1 𝑢3 −2 4 −1 𝑢3 0 8 5 2𝑢2 + 𝑢3 0 0 −
39 6
− 𝑢2 − 𝑢3
3
5 5 5

Determinannya ≠ 0 berarti 𝑘1 , 𝑘2 , 𝑘3 ada  membentuk ruang vektor

CONTOH: TENTUKAN APAKAH
v1 = (1, 1, 2),
v2 = (1, 0, 1), dan membangun V???
v3 = (2, 1, 3)

Jawab :
 u1 
 
Ambil sembarang vektor di R2, misalkan u  u2 
u 
Tulis :  3
u  k1v1  k 2 v 2  k 3 v3
1 1 2  k1   u1 
1 0 1  k    u 
Sehingga dapat ditulis dalam bentuk :    2  2
2 1 3  k3  u 
 3
Syarat agar dapat dikatakan kombinasi linear
SPL tersebut harus mempunyai solusi (konsisten)
Dengan OBE diperoleh :

Agar SPL itu konsisten haruslah u3 – u2 – u1 = 0

Ini kontradiksi dengan pengambilan vektor sembarang

(unsur – unsurnya bebas, tak bersyarat)

Dengan demikian vektor – vektor tersebut tidak membangun R3

5.3 KEBEBASAN LINIER
Misalkan S  u1 , u 2 ,..., u n 
adalah himpunan vektor diruang vektor V
S dikatakan bebas linear (linearly independent)

JIKA SPL homogen :

k1u1  k 2 u1  ...  k n u n  0

hanya mempunyai satu solusi (tunggal), yakni

k1  0 , k 2  0,..., k n  0
Jika solusinya tidak tunggal maka S kita namakan himpunan
tak bebas linear (Bergantung linear / linearly dependent)
 CONTOH :
Diketahui u   1, 3, 2 dan a  1, 1,  1 Apakah saling bebas linear di R3
Jawab :
 -1 1   0
      k1   
Tulis k1 u  k 2 a  0 atau  3 1      0 
 2  1   k2   0
   
dengan OBE dapat diperoleh :
 -1 1 0  1  1 0 1 0 0
     
 3 1 0  ~ 0 4 0 ~ 0 1 0
 2 1 0  0 0 0 0
   1 0   

dengan demikian diperoleh solusi tunggal yaitu: k1 = 0, dan k2 = 0.

Ini berarti ū dan ā adalah saling bebas linear.
CONTOH:
,  1 1  2 
     
a  3  b   1  c    6
 2   1   4
     
,
Apakah ketiga vektor diatas saling bebas linear R3
Jawab :
Tulis :
0  k1 a  k 2 b  k 3 c
atau
1 1 2   k1  0
    
 3 1  6  k 2 = 0
 2  1  4  k3 0
    
dengan OBE diperoleh :
1  1  2 1  1  2
   
0 4 0  ~ 0 1 0 
0 1 0  0
  0 0 
Ini menunjukan bahwa
k1, k2, k3 mrp solusi tak hingga banyak

Jadi
a , b , c adalah vektor-vektor yang bergantung linear.
CONTOH
Apakah ketiga vektor berikut bebas linear?
𝑣1 = 2, −1,0,3 , 𝑣2 = 1,2,5, −1 dan 𝑣3 = 7, −1,5,8
JAWAB
𝑘1 𝑣1 + 𝑘2 𝑣2 + 𝑘3 𝑣3 = 0
2 1 7
−1 2 −1
𝑘1 + 𝑘2 + 𝑘3 =0
0 5 5
3 −1 8
2 1 7 𝑘
1
−1 2 −1 𝑘 = 0
2
0 5 5
𝑘3
3 −1 8
INTERPRETASI GEOMETRI KEBEBASAN LINEAR
 Di R2 atau R3, kumpulan dua vektor BEBAS LINEAR jika dan hanya jika vektor-
vektor tersebut TIDAK terletak pada garis yang sama saat ditempatkan titik
awalnya di asalnya (titik O)

 Di R3, kumpulan tiga vektor BEBAS LINEAR jika dan hanya jika vektor-vektor
tersebut TIDAK terletak pada bidang yang sama saat ditempatkan titik awalnya
di asalnya (titik O)
TEOREMA
Misalkan S = {v1, v2, …, vr} adalah kumpulan
vektor di Rn. Jika r>n, maka S bergantung linear

Karena, ada r anu sedangkan persamaannya n

buah (lebih sedikit), sehingga pasti bergantung
linear
KEBEBASAN LINEAR FUNGSI
Beberapa fungsi pada interval (-,) dapat diuji kebebasan
linearnya menggunakan WRONSKIAN dari f1(x), f2(x), …, fn(x)
dengan rumus:
𝑓1 (𝑥) 𝑓2 (𝑥) … 𝑓𝑛 (𝑥)
𝑓′1 (𝑥) 𝑓′2 (𝑥) … 𝑓′𝑛 (𝑥)
𝑊=
⋮ ⋮ ⋮ ⋮
𝑓1𝑛−1 (𝑥) 𝑓2𝑛−1 (𝑥) … 𝑓𝑛𝑛−1 (𝑥)
Deteminan ini berguna untuk memastikan apakah fungsi-fungsi
tersebut membentuk kebebasan linear di ruang vektor Cn-1(-,)
JIKA DETERMINANNYA TIDAK NOL, MAKA BEBAS LINEAR
CONTOH
Uji kebebasan linear fungsi-fungsi berikut:
1. x, sin x
2. 1, ex, e2x
JAWAB:
1. Wronskiannya:

Nilai x = 0 maka W = 0, x = /2 maka W ≠ 0  BEBAS LINEAR

2. Wronskiannya:

Nilai x berapa pun tidak ada yang membuat nilai W menjadi nol  BEBAS LINEAR
 2𝑤
ഥ P 3𝑤
ഥ
D 𝑎𝑢ത C
𝑣ҧ
APLIKASI 𝑢ത
Q
𝑏𝑣ҧ

A 5𝑤
ഥ B

Pada jajaran genjang ABCD, P membagi CD dengan rasio 2:3. AP

dan CB berpotongan di titik Q. Berapa rasio DQ dan QB?
JAWAB:
Syarat bebas linear: 𝑎𝑢ത + 𝑏𝑣ҧ = 0 dan 𝑎 = 𝑏 = 0
Perhatikan
 ∆DPQ: 2𝑤ഥ = 𝑣ҧ + 𝑎𝑢ത 5 10𝑤 ഥ = 5𝑣ҧ + 5𝑎𝑢ത
5𝑣ҧ + 5𝑎𝑢ത = 2ത
𝑢 + 2𝑏 𝑣ҧ
 ∆AQB: 5𝑤ഥ = 𝑢ത + 𝑏 𝑣ҧ 2 10𝑤 ഥ = 2𝑢ത + 2𝑏 𝑣ҧ
𝑢 + 5𝑣ҧ − 2𝑏 𝑣ҧ = 0  (5𝑎 − 2)𝑢ത + (5 − 2𝑏)𝑣ҧ = 0
5𝑎𝑢ത − 2ത
 2𝑤
ഥ P 3𝑤
ഥ
D 𝑎𝑢ത C
𝑣ҧ
Q
𝑢ത 𝑏𝑣ҧ

A 5𝑤
ഥ B
Berarti:
2
5𝑎 − 2 = 0  𝑎 =
5
5
5 − 2𝑏 = 0  𝑏 =
2
5
𝐷𝑄: 𝑄𝐵 = 𝑣:ҧ 𝑏𝑣,ҧ maka 𝐷𝑄: 𝑄𝐵 = 𝑣:ҧ 𝑣ҧ = 2𝑣:ҧ 5𝑣ҧ
2
𝑫𝑸: 𝑸𝑩 = 𝟐: 𝟓
APLIKASI: PENYELESAIAN ODE LINEAR ORDE
TINGGI
Diketahui persamaan diferensial linear orde tinggi:
𝑦 (𝑛) + 𝑔𝑛−1 𝑥 𝑦 (𝑛−1) + ⋯ + 𝑔1 𝑥 𝑦 ′ + 𝑔0 𝑥 𝑦 = 0
Maka solusi umumnya adalah:
𝑦 = 𝐶1 𝑦1 + 𝐶2 𝑦2 + ⋯ + 𝐶𝑛 𝑦𝑛
Jika kumpulan 𝑦1 , 𝑦2 , … , 𝑦𝑛 bebas linear, dengan
𝐶1 , 𝐶2 , … , 𝐶𝑛 adalah bilangan nyata
APLIKASI: PENDULUM
Diketahui sebuah pendulum dengan panjang L yang
mengayun hanya karena gravitasi saja. Untuk harga 𝜃 =
𝜃(𝑡) yang kecil, pergerakan pendulum dapat didekati
𝑑2 𝜃 𝑔
dengan persamaan diferensial: 2 + 𝜃 = 0
𝑑𝑡 𝐿

𝑔 𝑔
1. Buktikan bahwa sin 𝑡 , cos 𝑡 adalah solusi yang
𝐿 𝐿
bebas linear dari persamaan diferensial tersebut
2. Buktikan bahwa solusi umumnya adalah 𝜃 𝑡 =
𝑔
𝐴 cos 𝑡+𝜙
𝐿
JAWABAN
𝑔 𝑔
sin 𝑡 cos 𝑡
𝐿 𝐿 𝑔 𝑔 𝑔 𝑔 𝑔 𝑔
1. 𝑊= =− sin2 𝑡 − cos 2 𝑡 =− ቆsin2 𝑡 +
𝑔 𝑔 𝑔 𝑔 𝐿 𝐿 𝐿 𝐿 𝐿 𝐿
cos 𝑡 − sin 𝑡
𝐿 𝐿 𝐿 𝐿
4.4 KOORDINAT DAN BASIS
Jika V adalah sembarang ruang vektor dan S = { ū1, ū2, … ,
ūn } merupakan himpunan berhingga dari vektor – vektor di V,
maka S DINAMAKAN BASIS BAGI V

Jika kedua syarat berikut dipenuhi :

1. S membangun V
2. S bebas linear
Contoh :
Tunjukan bahwa himpunan matriks berikut :

 3 6   0  1  0  8  1 0  
M  3  6,  1 0 ,  12  4,   1 2 

         


merupakan basis bagi matriks berukuran 2 x 2

Jawab :
Tulis kombinasi linear :
3 6   0  1  0  8  1 0 a b 
k1    k2   1 0   k3  12  4  k4   1 2   c d 
3  6        
atau
 3k1  k 4 6k1  k 2  8k 3   a b 
    
 3k1  k 2  12k 3  k 4  6k1  4k 3  2k 4   c d 
dengan menyamakan setiap unsur pada kedua matriks, diperoleh SPL :

 3 0 0 1   k1   a 
 6 1  8 0  k   b 
   2   
 3  1  12  1  k3   c 
     
 6 0  4 2   k 4   d 
Determinan matriks koefisiennya (MK) = 48
• det(MK)  0  SPL memiliki solusi
untuk setiap a,b,c,d
Jadi, M membangun M2 x 2
• Ketika a = 0, b = 0, c = 0, d = 0,
det(MK)  0 SPL homogen punya solusi tunggal.
Jadi, M bebas linear.
Karena M bebas linear dan membangun M2 x 2
maka M merupakan basis bagi M2 x 2.
Ingat…
Basis untuk setiap ruang vektor adalah tidak tunggal.

Contoh :
Untuk ruang vektor dari M2 x 2, himpunan matriks :
 1 0 0 1 0 0 0 0 
 0 1, 0 0, 1 0, 0 1 
         

juga merupakan basisnya.

4.5 DIMENSI
Ruang vektor bukan nol V disebut DIMENSI-TERBATAS (finite-dimensional) jika
mengandung sebuah kumpulan terbatas vektor {v1, v2, …, vn} yang
membentuk sebuah basis. Jika tidak ada kumpulan yang tersedia
maka disebut DIMENSI-TAK TERBATAS
Notasinya: dim(V)
Contoh:
• dim(Rn) = n (basis standar yang memiliki n vektor)
• dim(Pn) = n + 1 (basis standar yang memiliki n + 1 vektor)
• dim(Mmn) = mn (basis standar yang memiliki mn vektor)
CONTOH
SPL berikut, berapa dimensinya?

2 2 −1 0 1
−1 −1 2 −3 1
1 1 −2 0 −1
0 0 1 1 1
 2 2 −1 0 1 1 1 −2 0 −1 1 1 −2 0 −1
−1 −1 2 −3 1 −1 −1 2 −3 1 0 0 0 −3 0
1 1 −2 0 −1 2 2 −1 0 1 0 0 3 0 3
0 0 1 1 1 0 0 1 1 1 0 0 1 1 1

1 1 −2 0 −1 1 1 −2 0 −1 1 1 −2 0 −1
0 0 0 1 0 0 0 0 1 0 0 0 0 −1 0
0 0 1 0 1 0 0 1 0 1 0 0 1 0 1
0 0 0 0 0 0 0 0 1 0 0 0 1 1 1

1 1 −2 0 −1
𝑥1 0 𝑥4 = 0, 𝑥3 = −𝑥5, 𝑥1 + 𝑥2 − 2𝑥3 − 𝑥5 = 0
𝑥2 0
0 0 1 0 1 𝑥3 = 0
Jika 𝑥2 = 𝑠 dan 𝑥5 = 𝑡, maka 𝑥3 = −𝑡 dan 𝑥1 = −𝑠 − 𝑡
0 0 0 1 0 𝑥4 0 Solusi umumnya:
0 0 0 0 0 𝑥5 0 𝑥1 = −𝑠 − 𝑡, 𝑥2 = 𝑠, 𝑥3 = −𝑡, 𝑥4 = 0, dan 𝑥5 = 𝑡
Dalam bentuk vektor dapat ditulis:
−1 −1
1 0
𝑣1 = 0 dan 𝑣2 = −1 sebagai basis  Dimensi = 2
0 0
0 1
CONTOH
Basis dan dimensi dari persamaan bidang 3𝑥 − 2𝑦 + 5𝑧 = 0?

Jawab:
3𝑥 − 2𝑦 + 5𝑧 = 0  3𝑥 = 2𝑦 − 5𝑧
2 5
𝑦 = 𝑠, 𝑧 = 𝑡  3𝑥 = 2𝑠 − 5t  𝑥 = 3 𝑠 − 3 t
2 5 2 5
𝑥 − −3
3 3 3
𝑦 = 𝑠 1 + 𝑡 0  Basis = 1 , 0 = , , Dimensi = 2
𝑧 0 1 0 1
CONTOH
Temukan basis subruang P2 (polynomial 2) yang dijangkau oleh vektor berikut:
−1 − 𝑥 + 3𝑥 2 , 2 + 2𝑥 − 6𝑥 2 , 3 + 3𝑥 − 9𝑥 2
JAWABAN:
3 −6 −9 1 −2 −3 1 −2 −3
−1 2 3 −1 2 3 0 0 0
−1 2 3 −1 2 3 0 0 0

Baris 2 dan 3 proporsional terhadap baris 1, sehingga hasil OBE:

Hanya ada satu solusi yang mungkin: 1 − 2𝑥 − 3𝑥 2

VEKTOR KOORDINAT
TEOREMA 5.4.1:
Jika 𝑆 = 𝑣1 , 𝑣2 , … , 𝑣𝑛 adalah basis ruang vektor V, maka setiap v di V dapat
dinyatakan secara unik dengan kombinasi linear:
𝑣 = 𝑘1 𝑣1 + 𝑘2 𝑣2 + ⋯ + 𝑘𝑛 𝑣𝑛
dengan 𝒌𝟏 , 𝒌𝟐 , … , 𝒌𝒏 adalah koordinat v relatif terhadap S, dan vektor
(𝒗)𝑺 = (𝒌𝟏 , 𝒌𝟐 , … , 𝒌𝒏 )
adalah vektor koordinat v relatif terhadap S atau dinyatakan dengan:
𝑘1
𝑘
[𝑣]𝑆 = 2
⋮
𝑘𝑛
INGAT....
 Vektor koordinat relatif terhadap basis ORTONORMAL dengan persamaan kombinasi
linear:
𝒖 = 𝒖, 𝒗𝟏 𝒗𝟏 + 𝒖, 𝒗𝟐 𝒗𝟐 + ⋯ + 𝒖, 𝒗𝒏 𝒗𝒏
𝒖, 𝒗𝟏
𝒖, 𝒗𝟐
dengan 𝑢 𝑆 =
⋮
𝒖, 𝒗𝒏
 Vektor koordinat relatif terhadap basis ORTOGONAL dengan persamaan kombinasi
linear:
𝒖, 𝒗𝟏 𝒖, 𝒗𝟐 𝒖, 𝒗𝒏
𝒖= 𝟐 𝒗𝟏 + 𝟐 𝒗𝟐 + ⋯ + 𝟐 𝒗𝒏
𝒖,𝒗𝟏 𝒗𝟏 𝒗𝟐 𝒗𝒏
𝒗𝟏 𝟐
𝒖,𝒗𝟐
dengan 𝑢 𝑆 = 𝒗𝟐 𝟐
⋮
𝒖,𝒗𝒏
𝒗𝒏 𝟐
4.6 PERUBAHAN BASIS

Sebuah basis mungkin tepat untuk satu permasalahan tapi tidak

tepat untuk permasalahan lainnya, karena itu perlu adanya
perubahan basis

Perubahan basis dapat menyebabkan perubahan koordinat

(misalnya R3 ke R2 atau sebaliknya)
TRANSLASI SUMBU

Persamaan translasinya:

𝑥 ′ = 𝑥 − 𝑘, 𝑦′ = 𝑦 − 𝑙

𝑥 = 𝑥 ′ + 𝑘, 𝑦 = 𝑦′ + 𝑙
CONTOH:
Sistem koordinat-xy ditranslasikan untuk memperoleh sistem koordinat-x’y’
yang asalnya memiliki koordinat-xy: (k,l) = (4,1).
1. Tentukan koordinat-x’y’ dari titik tersebut dengan koordinat-xy P(2,0)
2. Tentukan koordinat-xy dari titik tersebut dengan koordinat-x’y’ Q’(-1,5)

SOLUSI
1. Persamaan translasinya: x’ = 2 – 4 = -2, y’ = 0 – 1 = -1  P’(-
2,-1)
2. Persamaan translasinya: x = -1 + 4 = 3, y = 5 + 1 = 6 
Q(3,6)
PERUBAHAN BASIS: PERMASALAHAN
Jika merubah basis ruang vektor V dari basis lama B ke basis baru B’, bagaimana vektor
koordinat lama [𝑣]𝐵 dari vektor v yang berhubungan dengan vektor koordinat baru [𝑣]𝐵′ ?
Simpelnya kita terapkan pada dimensi-2:
Misalnya 𝐵 = (𝑢1 , 𝑢2 ) dan 𝐵′ = (𝑢1′ , 𝑢2′ ). Kita perlu vektor koordinat basis baru terhadap
basis lama:
𝑎 𝑐
𝑢1′ = dan 𝑢2′ =
𝑏 𝑑
𝑢1′ = 𝑎𝑢1 + 𝑏𝑢2
𝑢2′ = 𝑐𝑢1 + 𝑑𝑢2
𝑘1
[𝑣]𝐵′ =
𝑘2
PERUBAHAN BASIS: SOLUSI
Jika kita merubah basis ruang vektor V dari basis lama 𝐵 =
(𝑢1 , 𝑢2 , … , 𝑢𝑛 ) dan 𝐵′ = (𝑢1′ , 𝑢2′ , … , 𝑢𝑛′ ), maka vektor koordinat [𝑣]𝐵
dihubungkan dengan vektor koordinat baru [𝑣]𝐵′ dari vektor v yang
sama dengan persamaan

dengan P adalah vektor koordinat dari vektor basis yang baru relatif
terhadap basis lama.
Vektor kolom P adalah
Vektor P disebut MATRIKS TRANSISI dari 𝐵′ ke 𝐵:
Vektor Q disebut MATRIKS TRANSISI dari 𝐵 ke 𝐵′ : Q = P-1
VEKTOR KOORDINAT BARU ([𝑣]𝐵′ )
Misalkan vektor basis lama adalah 𝐵 = (𝑢1 , 𝑢2 , … , 𝑢𝑛 ) dengan koordinatnya adalah
[𝑣]𝐵 , maka
𝑘1 𝑢1 + 𝑘2 𝑢2 + ⋯ + 𝑘𝑛 𝑢𝑛 = [𝑣]𝐵
𝑢1′ 𝑢2′ … 𝑢𝑛′ 𝑘1 𝑘2 … 𝑘𝑛 ′ = [𝑣]𝐵
P [𝑣]𝐵′
dengan matriks transisi
𝑃 = 𝑢1′ 𝑢2′ … 𝑢𝑛′
dan vektor koordinat baru
[𝒗]𝑩′ = 𝒌𝟏 𝒌𝟐 … 𝒌𝒏 ′ = 𝐏 −𝟏 [𝒗]𝑩
CONTOH
Misalnya 𝐵 = (𝑢1 , 𝑢2 ) dan 𝐵 ′ = (𝑢1′ , 𝑢2′ ) adalah

a). Temukan matriks transisi dari 𝐵 ′ ke 𝐵

b). Temukan [𝑣]𝐵 , jika
c). Temukan Q
JAWABAN:
a).

b). Atau
c). Q = P-1, maka sehingga
CONTOH
Temukan vektor koordinat untuk v relatif terhadap basis B = {u1, u2} dengan u1 =
(3,4) dan u2 = (2,3) serta v = (2,4)

JAWAB
𝐯 = 𝑘1 𝐮𝟏 + 𝑘2 𝐮𝟐
(𝟐, 𝟒) = 𝑘1 (𝟑, 𝟒) + 𝑘2 (𝟐, 𝟑)
2 = 𝑘1 𝟑 + 𝑘2 𝟐
4 = 𝑘1 𝟒 + 𝑘2 𝟑
3 2 𝑘1 2 𝑘1 3 −2 2 −2
=  = =
4 3 𝑘2 4 𝑘2 −4 3 4 4
P 𝐯 𝐵′ 𝐯 𝐵 𝐯 𝐵′ P-1 𝐯𝐵
−2
Jadi 𝐯 𝐵′ =
4
CONTOH
Temukan vektor koordinat untuk v relatif terhadap basis B = {u1, u2, u3} dengan u1 = (1,2,3), u2 = (-4,5,6)
dan u3 = (7,-8,9) serta v = (5,-12,3)

JAWAB
𝐯 = 𝑘1 𝐮𝟏 + 𝑘2 𝐮𝟐 + 𝑘3 𝐮𝟑
(𝟓, −𝟏𝟐, 𝟑) = 𝑘1 (𝟏, 𝟐, 𝟑) + 𝑘2 (−4,5,6) + 𝑘3 (7, −8,9)
5 = 𝑘1 − 𝑘2 4 + 𝑘3 7
−12 = 𝑘1 2 + 𝑘2 5 − 𝑘3 8
3 = 𝑘1 3 + 𝑘2 6 + 𝑘3 9
1 −4 7 𝑘1 5 𝑘1 0.3875 0.3250 −0.0125 5 −2
2 5 −8 𝑘2 = −12  𝑘2 = −0.1750 −0.050 0.0917 −12 = 0
3 6 9 𝑘3 3 𝑘3 −0.0125 −0.075 0.0542 3 1
P 𝐯 𝐵′ 𝐯 𝐵 𝐯 𝐵′ P-1 𝐯𝐵
−2
Jadi 𝐯 𝐵′ = 0
1
CONTOH
1 0 0
Matriks transisi dari basis B’ ke B di ruang polinomial P2 adalah: 𝑃 = 0 3 2 dengan 𝐵 = 𝑝1 , 𝑝2 , 𝑝3 , 𝐵 ′
= 𝑞 , 𝑞 , 𝑞 dan 𝑝 = 1 + 𝑥 + 𝑥 2 , 𝑝 = 1 + 𝑥, dan 𝑝 = 1. Tentukan 0 𝐵1
′ 1
1 2 3 1 2 3

JAWABAN
[𝑝]𝐵 = 𝑃 [𝑞]𝐵′  [𝑞]𝐵′ = 𝑃−1 [𝑝]𝐵
1 0 0
𝑄= 𝑃−1 = 0 1 −2
0 −1 3

1 1 1 1 0 0 1 1 1 1 1 1
Matriks polinomal: [𝑝]𝐵 = 1 1 0 , maka [𝑞]𝐵′ = 0 1 −2 1 1 0 = −1 1 0
1 0 0 0 −1 3 1 0 0 2 −1 0
CONTOH
Diketahui
𝑎 𝑏 𝑐
𝑀= 𝑑 𝑒 𝑓 : 𝑎 = 2𝑓, 𝑏 = 2𝑔 + ℎ, 𝑐 = 3𝑔 − 𝑖, 𝑑 = 𝑔 + 𝑖, 𝑒 = 3ℎ
𝑔 ℎ 𝑖
Tentukan basis ruang vektor M dan koordinat vektor A realtif terhadap M =
2 7 2
6 9 1
2 3 4
JAWABAN
 Basis ruang vektor M adalah
2𝑓 2𝑔 + ℎ 3𝑔 − 𝑖 2 0 0 0 2 3 0 1 0 0 0 0
𝑔+𝑖 3ℎ 𝑓 =𝑓 0 0 1 +𝑔 1 0 0 +ℎ 0 3 0 +𝑖 0 0 1
𝑔 ℎ 𝑖 0 0 0 1 0 0 0 1 0 0 0 0
Jadi basis ruang vektor M-nya:
2 0 0 0 2 3 0 1 0 2 0 0
0 0 1 , 1 0 0 , 0 3 0 , 0 0 1
0 0 0 1 0 0 0 1 0 0 0 0

 Koordinat vektor A
2 7 2 2𝑓 2𝑔 + ℎ 3𝑔 − 𝑖
6 9 1 = 𝑔+𝑖 3ℎ 𝑓
2 3 4 𝑔 ℎ 𝑖
Maka 𝑓 = 1, 𝑔 = 2, ℎ = 3, 𝑖 = 4
Koordinat vektor A relatif terhadap basis M adalah: (1,2,3,4)
4.7 RUANG BARIS, RUANG KOLOM DAN RUANG
NUL
 1  2 1 1 
  Vektor baris
A 1 2 3 1 
 1  
 2 2 1 
Vektor kolom

Kolom yang memiliki leading 1 disebut

RUANG KOLOM

Perhatikan kolom-kolom pada matriks hasil OBE

matriks A mempunyai basis ruang kolom yaitu :
  1   1 
    
 1 ,  3  
 1   2  
    
basis ruang baris diperoleh dengan cara,
Mentransposkan terlebih dahulu matriks A,
lakukan OBE pada AT, sehingga diperoleh :

BARIS yang memiliki leading 1 disebut

RUANG BARIS
Kolom-kolom pada matriks hasil OBE yang memiliki
satu utama bersesuaian dengan matriks asal (A).
Ini berarti, matriks A tersebut mempunyai basis ruang baris :

  1   1  
 1  2 1 1      
    2   2  
A 1 2 3 1   ,   
 1    1   3  
 2 2  1   1    1 
 
CONTOH
Perhatikan SPL yang berbentuk Ax = b berikut:

Tunjukkan bahwa b adalah ruang kolom A, dan nyatakan b sebagai

kombinasi linear vektor kolom A.
JAWAB
Solusi dengan eliminasi Gauss:
CONTOH
Temukan basis untuk RUANG NOL dari

JAWABAN
Ruang nol dari A adalah ruang solusi sistem homogenya:

Seperti pada contoh sebelumnya, vektor solusinya yang membentuk ruang vektor:
MATLAB
>> A=[2 2 -1 0 1;-1 -1 2 -3 1;1 1 -2 0 -1;0 0 1 1 1]
2 2 -1 0 1
-1 -1 2 -3 1
1 1 -2 0 -1
0 0 1 1 1

>> null(A,’r’)
v1 v2
-1 -1
1 0
0 -1
0 0
0 1
4.8 RANK, NULITAS DAN RUANG
MATRIKS FUNDAMENTAL
 TEOREMA 5.6.3
Jika A adalah matriks dengan kolom n, maka

𝑟𝑎𝑛𝑘 𝐴 + 𝑛𝑢𝑙𝑙𝑖𝑡𝑦 𝐴 = 𝑛

 TEOREMA 5.6.4
Jika A adalah matriks m x n, maka
a) rank(A) = jumlah leading variables dalam solusi Ax = 0
b) nullitas(A) = jumlah parameter dalam solusi umum Ax = 0
CONTOH
2 2 −1 0 1 1 1 −2 0 −1
𝐴 = −1 −1 2 −3 1 0 0 1 0 1
1 1 −2 0 −1 0 0 0 1 0
0 0 1 1 1 0 0 0 0 0

𝑙1 𝑙2 𝑙3

rank(A) = 3
Jumlah kolom = 5, maka nullitas(A) = 2
Bukti:
CONTOH
Dari contoh sebelumnya:
 1  2 1 1  1 2 0 −1
 
A 1 2 3 1  𝐴] = 0 0 1 0
 2  1  0 0 0 0
 1 2
basis ruang kolom basis ruang baris
  1   1  
  1   1      
       2   2  
 1 ,  3    ,   
 1   2  
       1   3  
 1    1 
 
Dimensi basis ruang baris = ruang kolom
dinamakan rank. Jadi rank dari matriks A adalah 2.
Contoh :
Diberikan SPL homogen :
2p + q – 2r – 2s = 0
p – q + 2r – s =0
–p + 2q – 4r + s = 0
3p – 3s =0
Tentukan basis ruang solusi dari SPL di atas
Jawab :
SPL dapat ditulis dalam bentuk :
 2 1 2 2 0
 
 1 1 2 1 0
 1 2  4 1 0
 
 3 0 0 3 0 

dengan melakukan OBE diperoleh :
1 0 0 1 0
 
0 1 2 0 0
0 0 0 0 0
 
0 0 
 0 0 0

Solusi SPL homogen tersebut adalah :

 p 1 0
     
 q  0  2
 r    0 a   1 b
     
 s  1 0
     
dengan a, b merupakan parameter.
Jadi, basis ruang solusi dari SPL diatas adalah :
 1 0 
    
 0  2 
 0 , 1 
    
 1 0 
   

Dimensi dari basis ruang solusi dinamakan nulitas.

Dengan demikian, nulitas dari SPL di atas adalah 2.
CONTOH
Temukan rank dan nulitas

Hasil eselon baris terreduksi:

berarti
NULITAS (A) = 4
 MATLAB: MATRIKS A
1. Rank : rank(A) >> A=[-1 2 0 4 5 -3;3 -7 2 0 1 4;2 -5 2 4 6 1;4 -9 2 -4 -4 7]
A=
2. Dimensi : ndims(A)
-1 2 0 4 5 -3
3. Nulitas : size(null(A)) 3 -7 2 0 1 4
2 -5 2 4 6 1
4 -9 2 -4 -4 7

Contoh: >> Arank=rank(A)

Arank =
2

>> Adim=ndims(A)
>> Abebt=rref(A)
Adim =
Abebt =
2
1 0 -4 -28 -37 13
0 1 -2 -12 -16 5
>> Anul=size(null(A))
0 0 0 0 0 0
Anul =
0 0 0 0 0 0
6 4
RUANG NOL
>> null(A,’r’)
4 28 37 -13
2 12 16 -5
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
 MUPAD
[ A10:=matrix([[-1,2,0,4,5,-3],[3,-7,2,0,1,4],[2,-5,2,4,6,1],[4,-9,2,-4,-4,7]])

[ linalg::nullspace(A10)
RUANG FUNDAMENTAL DARI MATRIKS
Ada enam ruang vektor penting yang terkait dengan matriks A dan transposnya AT :
1. ruang baris dari 𝐴
2. ruang baris dari 𝐴𝑇
3. ruang kolom dari 𝐴
4. ruang kolom 𝐴𝑇
5. ruang nol dari 𝐴
6. ruang nol dari 𝐴𝑇
Ini disebut ruang dasar dari matriks A. Sekarang kita akan mempertimbangkan
bagaimana keempat subruang ini terkait
TEOREMA 4.8.5
Jika A adalah sembarang matriks, maka rank(𝐴) = rank(𝐴𝑇 ).

• Rank(𝐴𝑇 ) + Nulitas(𝐴𝑇 ) = 𝑚
• Rank(𝐴) + Nulitas(𝐴𝑇 ) = 𝑚
• Dim[baris(A)] = 𝑟
• Dim[kolom(A)] = 𝑟
• Dim[null(A)] = 𝑛 − 𝑟
• Dim[null(𝐴𝑇 )] = 𝑚 − 𝑟
PELENGKAP ORTOGONAL
Jika V bidang melalui asal R3 dengan RHD Euclid,
maka semua vektor di L tegak lurus dengan setiap
vektor di V
DEFINISI
Misalkan W subruang dari RHD V. Sebuah vektor u
di V dikatakan ortogonal terhadap W jika dia
ortogonal terhadap setiap vektor di W, dan
kumpulan semua vektor di V yang ortogonal
terhadap W disebut pelengkap ortogonal dari W
(W)
SIFAT-SIFAT PELENGKAP ORTOGONAL
Jika W adalah sebuah subruang RHD V dimensi-tentu, maka
1. W adalah subruang dari V
2. Hanya ada satu vektor yang umum terhadap W dan W
adalah 0
3. Pelengkap ortogonal dari W adalah W, sehingga (W)  = W
HUBUNGAN GEOMETRIK ANTARA RUANG-NUL
DAN RUANG BARIS
Jika A adalah matriks m x n, maka
1. Ruang-nul A dan ruang baris A adalah pelengkap
ortogonal di Rn berhubungan dengan RHD Euclid
2. Ruang-nul AT dan ruang kolom dari A adalah
pelengkap ortogonal di Rm berhubungan dengan RHD
Euclid
CONTOH
Misalkan W adalah subruang R5 yang direntangkan oleh vektor:
𝑤1 = (2,2, −1,0,1), 𝑤2 = (−1, −1,2, −3,1), 𝑤3 = (1,1, −2,0, −1) dan 𝑤4 = (0,0,1,1,1)
Temukan basis untuk pelengkap ortogonal W!
1 1 −2 0 −1
JAWAB:
= −1 −1 2 −3 1
Matriks baris yang dibentuk oleh W: 2 2 −1 0 1
0 0 1 1 1
𝑥1 −1 −1
1 1 −2 0 −1 1 1 0 0 1 𝑥2 1 0
= 0 0 0 1 0 = 0 0 0 1 0 𝑥3 = 0 𝑠 + −1 𝑡
0 0 1 0 1 0 0 1 0 1 𝑥4 0 0
0 0 1 1 1 0 0 0 0 0 𝑥5 0 1
Ruang-nul A adalah pelengkap ortogonal A, dan didapatkan:

Maka basis pelengkap ortogonal W adalah v1 = (-1,1,0,0,0) dan v2 = (-1,0,-1,0,1)

PERNYATAAN YANG EKUIVALEN
APLIKASI RANK
Munculnya Internet telah mendorong penelitian untuk menemukan metode yang
efisien untuk mentransmisikan data digital dalam jumlah besar melalui jalur
komunikasi dengan bandwidth terbatas.
Data digital biasanya disimpan dalam bentuk matriks, dan banyak teknik untuk
meningkatkan kecepatan transmisi menggunakan peringkat matriks dalam beberapa
cara.
Rank berperan karena mengukur “redundansi” dalam suatu matriks dalam
pengertian bahwa jika A adalah matriks m × n pangkat k, maka n k dari vektor
kolom dan m k dari vektor baris dapat dinyatakan dalam suku k vektor kolom atau
baris bebas linier.
Ide penting dalam banyak skema kompresi data adalah untuk memperkirakan
kumpulan data asli dengan kumpulan data dengan peringkat yang lebih kecil yang
menyampaikan informasi yang hampir sama, kemudian menghilangkan vektor yang
berlebihan dalam kumpulan perkiraan untuk mempercepat waktu transmisi.
4.9 TRANSFORMASI MATRIKS DASAR
 Ada banyak cara untuk mengubah ruang vektor 𝑅 2 dan
𝑅 3 , beberapa di antaranya yang paling penting dapat
diselesaikan dengan transformasi matriks menggunakan
metode yang diperkenalkan pada Bagian 1.8.
 Misalnya, rotasi di sekitar titik asal, refleksi tentang garis
dan bidang melalui titik asal, dan proyeksi ke garis dan
bidang melalui titik asal semuanya dapat diselesaikan
dengan menggunakan operator linier 𝑇𝐴 di mana 𝐴
adalah matriks 2 × 2 atau 3 × 3 yang sesuai.
OPERATOR REFLEKSI DI 𝑅 2
OPERATOR REFLEKSI DI 𝑅 3
OPERATOR PROYEKSI 𝑅 2
OPERATOR PROYEKSI 𝑅 3
OPERATOR ROTASI
OPERATOR DILASI DAN KONTRAKSI DI 𝑅 2
OPERATOR DILASI
DAN KONTRAKSI DI
𝑅3
OPERATOR
KOMPRESI DAN
EKSPANSI DI 𝑅 2
OPERATOR GESER DI 𝑅 2
  Misalkan 𝑇𝐴 adalah transformasi matriks dari
𝑅 𝑛 ke 𝑅 𝑘 dan 𝑇𝐵 adalah transformasi matriks
dari 𝑅 𝑘 ke 𝑅 𝑚 .
 Jika 𝑥 adalah vektor dalam 𝑅 𝑛 , maka 𝑇𝐴
memetakan vektor ini menjadi vektor 𝑇𝐴 (x)
4.10 SIFAT dalam 𝑅 𝑘 , dan 𝑇𝐵 , selanjutnya, memetakan
TRANSFORMASI vektor tersebut ke dalam vektor 𝑇𝐵 𝑇𝐴 𝑥
MATRIKS dalam 𝑅 𝑚 .
 Proses ini menghasilkan transformasi dari 𝑅 𝑛
ke 𝑅 𝑚 yang kita sebut komposisi 𝑇𝐵 dengan
𝑇𝐴 dan dilambangkan dengan
𝑇𝐵 ∘ 𝑇𝐴
 Seperti diilustrasikan pada Gambar 4.10.1, transformasi 𝑇𝐴
dalam rumus dilakukan terlebih dahulu; itu adalah,
𝑇𝐵 ∘ 𝑇𝐴 𝑥 = 𝑇𝐵 𝑇𝐴 𝑥 = 𝑇𝐵𝐴
𝑇𝐵 ∘ 𝑇𝐴 linear karena:
𝑇𝐵 ∘ 𝑇𝐴 𝐱 = 𝑇𝐵 𝑇𝐴 (𝐱) = 𝐵 𝐴𝐱 = 𝐵𝐴 𝐱
dengan perkalian BA adalah transformasi linear.
𝑇𝐵 ∘ 𝑇𝐴 dapat ditulis: 𝑇𝐵 ∘ 𝑇𝐴 = 𝑇𝐵𝐴 dan 𝑇𝐵 ∘ 𝑇𝐴 = 𝑇𝐵 𝑇𝐴
CONTOH:
Kasus 1: TIDAK KOMULATIF
CONTOH
KASUS 2: KOMULATIF
Operator 𝑇 𝐱 = −𝐱
pada R2 atau R3
disebut REFLEKSI
TERHADAP ASALNYA.
Matriks standar untuk
operasi ini di R2
adalah
KOMPOSISI TIGA ATAU LEBIH TRANSFORMASI
LINEAR
CONTOH
Temukan matriks standar untuk transformasi linear T: R3  R3 yang
pertama merotasi sebuah vektor berlawanan jarum jam terhadap
sumbu-z melalui sudut , lalu hasilnya direfleksikan terhadap bidang-yz,
dan kemudian diproyeksikan secara orthogonal pada bidang-xy.

SOLUSI: Lihat kembali tabel-tabel transformasi

T1 rotasi terhadap sumbu-z:

T2 refleksi terhadap bidang-yz:

T3 proyeksi ortoganal terhadap bidang-xy:

MAKA
4.11 APLIKASI: GEOMETRI
OPERATOR MATRIKS DI 𝑹 𝟐

 Dalam aplikasi seperti grafik komputer,

penting untuk memahami tidak hanya
bagaimana operator linier pada 𝑅 2 dan 𝑅 3
memengaruhi vektor individu, tetapi juga
bagaimana mereka memengaruhi wilayah
dua dimensi atau tiga dimensi.
 Itulah fokus dari bagian ini.
TRANSFORMASI DAERAH
 Gambar 4.11.1 menunjukkan gambar terkenal Albert Einstein yang telah ditransformasikan dengan
berbagai cara menggunakan operator matriks pada 𝑅2
 Gambar asli dipindai dan kemudian didigitalkan untuk menguraikannya menjadi array piksel
persegi panjang.
 Piksel-piksel tersebut kemudian ditransformasikan sebagai berikut:
 Program MATLAB digunakan untuk menetapkan koordinat dan tingkat keabuan untuk setiap piksel.
 Koordinat piksel ditransformasikan dengan perkalian matriks.
 Piksel kemudian diberi tingkat keabuan aslinya untuk menghasilkan gambar yang diubah.

 Dalam permainan komputer, persepsi gerakan dibuat dengan menggunakan matriks untuk secara
cepat dan berulang kali mengubah susunan piksel yang membentuk gambar visual.
GEOMETRI
OPERATOR
MATRIKS
INVERTIBEL