KELOMPOK 10

1. VIDA PUPUT ANGGRAINI(180210101030)

2. MAHARANI HAYUNING P (180210101037)
3. NYIMAS MAGHFIROTUN N. (180210101060)
4. TOMMY SANJAYA PUTRA (180210101081)
5. INAYATUS SHOLEHA (180210101095)

ALJABAR LINIER
SUB PEMBAHASAN
4.7. ruang baris,ruang kolom, dan ruang null
4.8.rank,nulitas,dan ruang matriks fundamental
4.9.transformasi matriks standart di 𝑅2 DAN 𝑅3
4.10. sifat-sifat transformasi matriks
4.11.matriks pada geometri di 𝑅2
 4.7. Ruang Baris, Ruang Kolom dan Ruang Null
Definisi 1 untuk matriks m x n

Vektor

Dalam 𝑅 𝑛 yang terbentuk dari baris A disebut vektor baris A dan vektor dalam 𝑅𝑛 yang
dibentuk dari kolom A disebut vektor kolom A.
 v
Contoh 1 baris dan kolom vektor dari matriks 2 x 3

Vektor baris A adalah

Dan vektor kolom A adalah

THEOREM 4.7.1 Suatu sistem persamaan linear Ax = b konsisten jika
dan hanya jika b ada di ruang kolom A

CONTOH 2 Vektor b dalam Ruang Kolom A

Biarkan Ax = b menjadi sistem linier

Tunjukkan bahwa b berada dalam ruang kolom A dengan menyatakannya sebagai

kombinasi linear dari vektor kolom A.
Solusi Memecahkan sistem dengan hasil eliminasi Gaussian (verifikasi)
THEOREM 4.7.2 Jika x0 adalah solusi sistem linear yang konsisten, Ax = b, dan jika
S = {v1, v2, ..., vk} adalah dasar untuk ruang nol dari A, maka setiap solusi dari Ax = b dapat
diekspresikan dalam bentuk x = x0 + c1v1 + c2v2 + ··· + ckvk (3) Sebaliknya, untuk semua pilihan skalar
c1, c2, ..., ck, vektor x dalam rumus ini adalah solusi Ax = b.

Vektor x0 dalam Formula (3) disebut solusi khusus Ax = b, dan bagian sisanya dari rumus ini disebut
solusi umum Ax = 0. Dengan terminologi ini

Secara geometris, set solusi Ax = b dapat dilihat sebagai terjemahan oleh x0 dari
ruang solusi Ax = 0 (Gambar 4.7.1).
 CONTOH 3 Solusi Umum dari system linear ax = b

• dan menyimpulkan bahwa solusi umum x dari sistem non homogen dan u mum solusi xh dari sistem
homogen yang sesuai (ketika ditulis dalam kolom-vektor formulir) terkait dengan

• Ingat dari Catatan 3 Contoh berikut dari Bagian 4.5 bahwa vektor dalam xh membentuk dasar untuk ruang
solusi Ax = 0.
CONTOH 4 Menemukan Dasar untuk Ruang Null Matriks
Temukan dasar untuk ruang nol dari matriks

Solusi Ruang nol dari A adalah ruang solusi dari sistem linier yang homogen Ax = 0, yang, seperti
ditunjukkan pada Contoh 3, memiliki dasar

Perhatikan bahwa basis vektor v1, v2, dan v3 dalam contoh terakhir adalah vektor yang menghasilkan
dengan berturut-turut mengatur salah satu parameter dalam solusi umum sama dengan 1 an yang
lainnya sama ke 0.

THEOREM 4.7.5 Jika matriks R dalam bentuk eselon baris, maka vektor baris dengan memimpin 1
(vektor baris nol) membentuk dasar untuk ruang baris R, dan kolom vektor dengan 1 yang terdepan
dari vektor baris membentuk dasar untuk ruang kolom R
CONTOH 5 Basa untuk Ruang Baris dan Kolom dari Matriks dalam Baris Bentuk Eselon
Temukan basis untuk ruang baris dan kolom dari matriks

Solusi Karena matriks R dalam bentuk eselon baris, maka dari Teorema 4.7.5 itu vector

membentuk dasar untuk ruang baris R, dan vector

membentuk dasar untuk ruang kolom R.

CONTOH 6 Dasar untuk Ruang Baris oleh Pengurangan Baris
Temukan dasar untuk ruang baris dari matriks

Solusi Karena operasi baris elementer tidak mengubah ruang baris dari sebuah matriks,
kami dapat menemukan dasar untuk ruang baris A dengan menemukan dasar untuk
ruang baris dari setiap baris bentuk eselon A. Mengurangi A ke bentuk eselon baris, kami
memperoleh (memverifikasi)

Dengan Teorema 4.7.5, vektor baris nol dari R membentuk dasar untuk ruang baris R dan
karenanya membentuk dasar untuk ruang baris A. Vektor dasar ini adalah
Dasar untuk Kolom ruang kolom pada matriks
THEOREM 4.7.6 Jika A dan B adalah matriks yang setara dengan baris, maka:

(a) Satu set vektor kolom A yang diberikan adalah bebas linieN r jika dan hanya jika vektor kolom yang
sesuai dari B adalah bebas linear.
(b) Satu set vektor kolom A yang diberikan membentuk dasar untuk ruang kolom A jika dan hanya jika
vektor kolom B yang sesuai membentuk dasar untuk ruang kolom dari B.

CONTOH 7 Dasar untuk Ruang Kolom dengan Pengurangan Baris

Temukan dasar untuk ruang kolom dari matriks

yang terdiri dari vektor kolom A.

adalah bentuk eselon baris dari A. Perlu diingat bahwa A dan R dapat memiliki kolom yang berbeda spasi, kami
tidak dapat menemukan dasar untuk ruang kolom A langsung dari vektor kolom R. Namun, ini mengikuti dari
Teorema 4.7.6 (b) bahwa jika kita dapat menemukan seperangkat vektor kolom R yang membentuk dasar untuk
ruang kolom R, lalu vektor kolom A yang sesuai akan membentuk dasar untuk ruang kolom A. Karena kolom
pertama, ketiga, dan kelima R berisi 1 vektor vektor baris terkemuka, vector

membentuk dasar untuk ruang kolom R. Dengan demikian, vektor kolom yang sesuai dari A, yang mana

membentuk dasar untuk ruang kolom A.

Hingga kini kami telah fokus pada metode untuk menemukan basis yang terkait dengan matriks. Metode-metode
tersebut dapat dengan mudah disesuaikan dengan masalah yang lebih umum dalam menemukan basis untuk
subruang yang direntang oleh seperangkat vektor di Rn.
4.8.rank,nulitas,dan ruang matriks fundamental

Definisi 1. Rank dan Nulitas

Dimensi dari ruang baris dan ruang kolom dari suatu matriks 𝐴 disebut 𝑟𝑎𝑛𝑘 dari 𝐴
dan dinyatakan sebagai 𝑟𝑎𝑛𝑘(𝐴). dimensi dari ruang nul dari 𝐴 disebut sebagai nulitas
dari 𝐴 dan dinyatakan sebagai 𝑛𝑢𝑙𝑖𝑡𝑎𝑠(𝐴).
Contoh 1:

Penyelesaian
Bentuk Matriks Eselon Baris tereduksi dari A adalah
Karena ada 2 baris tak nol atau secara ekuivalen, ada dua baris yang memiliki satu utama, maka ruang baris
keduanya berdimensi dua, sehingga rank (A)= 2.
Selanjutnya menentukan nulitas, sesuai definisi nulitas adalah dimensi dari ruang null dari A. matriks bentuk
eselon baris tereduksi dari A.

Empat vektor diatas adalah basis dari ruang null A, artinya dimensi ruang null A adalah 4, sehingga nulitas (A)
= 4.
2.Teorema 4. 8.2 dimensi untuk matriks
Jika A adalah suatu matriks dengan n kolom, maka :
Rank(A) + nulitas(A) = n
Contoh 2 :

Bahwa nilai Rank(A)=2

Rank(A) + nulitas(A) = n jadi 2+2=4

Jadi dimensi ruang null A adalah 2.
3. Teorema 4.8.3 Jika A adalah matriks m × n, maka :
a. Rank (A) = jumlah variabel utama dalam solusi umum Ax = 0.
b. Nulitas(A) = jumlah parameter dalam solusi umum Ax = 0.
4.Teorema 4.8.4
Jika Ax = b adalah sistem linear persamaan m yang konsisten dalam n yang
tidak diketahui,
dan jika A memiliki Rank r, maka solusi umum sistem berisi parameter n - r.
Ada ruang vektor penting yang terkait dengan matriks A dan transposnya AT:
1. ruang baris dan ruang baris AT 2. ruang kolom A ruang kolom AT 3. ruang
null A ruang null dari AT

5.Teorema 4.8.5 Jika A adalah suatu matriks sebarang, maka rank(A) =

rank(At).
5.Teorema 4.8.5 Jika A adalah suatu matriks sebarang, maka rank(A) = rank(At).

Contoh 4:

Bentuk eselon baris tereduksi

Dari matriks bentuk eselon baris tereduksi untuk masing-masing matriks maka,
dimensi ruang baris A= dimensi baris AT jadi nilai Rank A sama yaitu 2.
6. Teorema 4.8.6 Jika W adalah subruang dari Rn, maka:
a. W⊥ adalah subruang dari Rn. b. Satu-satunya vektor yang umum untuk W dan W⊥ adalah 0. c.
Komplemen ortogonal dari W⊥ adalah W.
Contoh 5 :
(a) Dalam R2 komplemen ortogonal dari garis W melalui titik asal adalah garis melalui asal yang tegak lurus
terhadap W. (b) Dalam R3 komplemen ortogonal dari bidang W melalui titik asal adalah garis melalui titik
asal yang tegak lurus terhadap bidang itu.
 4.9 TRANSFORMASI MATRIKS DI 𝑅2 DAN 𝑅3
1. Translasi

CONTOH:
Bayangan dari titik A(2, -5) jika ditranslasikan oleh T(3, 1) adalah
Jawab:
A'(2 + 3, -5 + 1)
A'(5, -4)
2. Refleksi (Pencerminan)

A. Pencerminan terhadap sumbu x

B. Pencerminan Terhadap Sumbu y

C.Pencerminan terhadap Garis y = x

D. Pencerminan terhadap Garis y = – x

CONTOH SOAL:
1.Persamaan bayangan garis y = 2x – 3 karena refleksi terhadap garis y = -x, dilanjutkan
refleksi terhadap y = x adalah?
Jawab:
garis y = 2x – 3 di refleksikan terhadap garis y = -x, berarti T1 = dan dilanjutkan dengan
refleksi terhadap y = x berarti T2 =
Maka, transformasinya adalah:

Jadi, bayangan dari y = 2x – 3 adalah –y = -2x – 3 atau y – 2x - 3 = 0

E.Pencerminan terhadap Titik Asal O(0,0)

F. Pencerminan terhadap Garis x = h

G.Pencerminan terhadap Garis y = k

Contoh soal:

CONTOH SOAL
1. Tentukan bayangan titik A(-7,-5) jika dicerminkan terhadap titik asal
pembahasan:
Pencerminan terhadap titik asal atau titik (0,0)
SEHINGGA

Didapatkan : a'=7 dan b'=5

Maka, bayangan titik A(-5,-7)yang dicerminkan terhadap titik asal adalah A'(7,5)
2. Tentukan bayangan garis 2x – y = 5 apabila dicerminkan terhadap garis x = -1
Jawab:
(x, y) ó (2a – x, y)
x’ = 2(-1) – x ó x’ = -2 – x
y’ = y
2(-2 – x’) – y’ = 5
-y – 2x’ – y’ = 5
2x’ + y’ + 9 = 0
Jadi bayangan 2x + y + 9 = 0
3. Tentukan bayangan titik P(2,-5) direfleksika terhadap garis y=-4
3. ROTASI
CONTOH SOAL:
1. 1.Titik A(1 , 2) diputar 30 derajat berlawanan arah dengan arah putaran jarum jam
terhadap titik asal O(0 , 0). Bayangan titik A oleh rotasi tersebut adalah
Pembahasan:
Tentukan bayangan titik A:
x' = x cos α - y sin α
x' = 1 cos 30 - 2 sin 30
x' = 1/2√3 - 1

Bayangan titik y:
y' = x sin α + y cos α
y' = 1 sin 30 + 2 cos 30
y' = 1/2 + √3
Jadi bayangan A = A'(1/2√3 - 1 , 1/2 + √3)
2. Tentukan bayangan dari titik A(4, 2) oleh rotasi sebesar 270° dengan pusat rotasi P(1, 5) pembahasan:
Bayangan A(4, 2) oleh rotasi sebesar 270° dengan pusat rotasi P(1, 5)

Jadi bayangan A(4, 2) oleh R(1, 5),270° adalah A'(−2, 2)

4.DILATASI
5.EKSPANSI DAN KOMPRESI

Ekspansi dan Kompresi Jika koordinat x dari masing-masing titik pada bidang dikalikan dengan konstanta k
yang positif, maka efeknya adalah memperluas atau mengkompresi masing-masing gambar dalam arah x.
Jika :
a.0 <k< 1, maka hasilnya adalah kompresi,
b.k > 1, maka hasilnya adalah ekspansi.

Jika T:R2→R2 adalah ekspansi atau kompresi dalam arah x dengan faktor k, maka :

Sehingga matriks baku untuk T adalah

 3
𝑅 Refleksi
 3
𝑅 DILATASI DAN KONTRAKSI
 4.10. Sifat – Sifat Transformasi Matriks
1. Komposisi tidak komutatif
Misal T1 : R2 → R2 adalah refleksi terhadap garis y = x dan T2 : R2 → R2 adalah proyeksi orthogonal
pada sumbu y, maka [T2 ◦ T1] = [T1 ◦ T2].

Diilustrasikan dengan grafik bahwa T1 ◦ T2 dan T2 ◦ T1 memiliki efek yang berbeda pada vektor x.
Kesimpulan yang sama dapat dicapai dengan menunjukkan bahwa matriks standar untuk T1 dan T2
tidak bolak-balik:
 2. Komposisi dari dua rotasi adalah komutatif
Misal T1 : R2 → R2 dan T2 : R2 → R2 adalah operator linier yang merotasi vector-vector berturut-turut
sebesar sudut θ1 dan θ2 , jadi operasinya (T2 ◦ T1)(x) = T2(T1(x)).

pertama-tama memutar x melalui sudut θ1, kemudian memutar T1 (x) melalui sudut θ2. Itu mengikuti
bahwa efek bersih dari T2 ◦ T1 adalah memutar setiap vektor dalam R2 melalui sudut θ1 + θ2 .Matriks
standar untuk operator matriks ini, yaitu :
Dengan bantuan beberapa Identitas Trigonometri Dasar, dapat dijabarkan sebagai
berikut:
 3. Komposisi dua relasi
T1: R2 → R2 menjadi pantulan tentang sumbu y, dan biarkan T2: R2 → R2 menjadi pantulan
tentang sumbu x. Dalam hal ini T1 ◦ T2 dan T2 ◦ T1 adalah sama; keduanya memetakan setiap
vektor x = (x, y) ke dalam negatif −x = (−x, −y) artinya (T1 ° T2) komutatif terhadap (T2 ° T1) .

Kesetaraan T1 ◦ T2 dan T2 ◦ T1 juga dapat disimpulkan dengan menunjukkan standar tersebut

matriks untuk perjalanan T1 dan T2:

Operator T (x) = −x pada R2 atau R3 disebut refleksi tentang asal. Sebagai perhitungan
sebelumnya menunjukkan, matriks standar untuk operator ini pada R2 adalah:
• Kernel dan range Jika TA: Rn → Rm adalah transformasi matriks, maka himpunan semua vektor
dalam Rn bahwa TA memetakan ke 0 disebut sebagai kernel TA dan dilambangkan dengan ker
(TA). Set dari semua vektor dalam Rm yang merupakan gambar di bawah transformasi ini
setidaknya satu vektor dalam Rn disebut kisaran TA dan dilambangkan dengan R (TA).
Secara singkat :
ker (TA) = ruang nol dari A (6)
R (TA) = ruang kolom A (7)

TEOREMA 4.10.1
Jika A adalah matriks n x n dari TA : Rn → Rm : adalah perkalian matriks dengan A, maka
pernyataan dibawah ini adalah ekuivalen
A. A adalah invertible
B. kernel dari TA adalah {0}
C. Range TA adalah Rn
D. TA adalah satu satu
• Invers dari matriks satu-satu

Jika TA : Rn → Rn adalah operasi liner satu-satu, maka dari teorema 4.10.1 matriks TA dapat di balik. Jadi, TA-1 : Rn →
Rn sendiri juga operasi linier yang disebut invers dari TA

Terminologi ini sesuai karena TA dan TA − 1 membatalkan efek satu sama lain di arti bahwa jika x adalah vektor dalam
Rn, maka:

setara dengan :
 4.11 Matriks pada geometri di R2
TEOREMA 4.11.2
Jika T : R2 → R2 adalah perkalian oleh sebuah matriks elementer, maka transformasi tersebut adalah
salah satu dari antara yang berikut:
a. Perputaran (rotasi) Jika T : R2 → R2 untuk masing-masing titik dalam bidang terhadap titik asal atau
O(0,0) melalui sudut ϴ kita dapatkan bahwa matriks baku untuk T adalah

b. Geseran sepanjang sumbu koordinat.

Sebuah geseran dalam arah x dengan faktor k adalah transformasi yang menggerakkan
masing-masing titik (x, y) sejajar dengan sumbu x sebanyak ky menuju kedudukan yang baru
(x + ky, y). Di bawah transformasi seperti itu, titik-titik pada sumbu x tidak digerakkan karena
y = 0. Akan tetapi, sewaktu kita makin menjauh dari sumbu x, besar y bertambah, sehingga
titik-titik yang lebih jauh dari sumbu x bergerak sejarak yang lebih besar dari titik-titik yang
lebih dekat ke sumbu x tersebut.
 Contoh soal:
Misalkan bahwa bidang tersebut diputar melalui sudut θ dan kemudian dipengaruhi oleh
geseran yang faktornya k dalam arah x. Carilah transformasi matriks tunggal yang menghasilkan
efek yang sama seperti kedua transformasi yang berurutan tersebut.
Pembahasan
Dibawah perputaran titik (x,y) ditransformasikan ke dalam titik (xʹ,yʹ)
dengan koordinat yang diberikan oleh

Dibawah geseran, titik (xʹ,yʹ) ditransformasikan ke dalam titik (xʹ,yʹ) ditransformasikan ke

dalam titik (xʹ,yʹ) dengan koordinat yang diberikan oleh
Dengan menyulihkan (5.10) ke dalam (5.11) maka akan menghasilkan

Jadi, putaran yang diikuti oleh geseran dapat dilakukan oleh transformasi matriks dengan
matriks
THANKS YOU