Pokok Bahasan : RUANG VEKTOR

TIU : Agar mahasiswa dapat memahami tentang:

1. Pengertian dari suatu field beserta sifat-sifatnya
2. Ruang vektor di atas suatu field
3. vektor bebas linier,
4. vector bergantung linier
5. vektor Kombinasi linier
1. Sub Pokok Bahasan : 1 Field
2. Ruang vektor di atas suatu field
3. Ruang vektor bagian
4. Vektor yang bebas dan bergantung linier
5. Latihan dan tugas
6. Kombinasi Linier
7. Dimensi dan Basis
TIK : Agar mahasiswa mampu dan bisa:
1. Menjelaskan pengertian dari suatu field
2. Mengerti sifat-sifat dari field
3. Menjelaskan pengertian dari ruang vektor di atas suatu
field
4. Menjawab pertanyaan yang berhubungan dengan materi
di dalam latihan
5. Mengerti tentang Penentuan ruang vektor bagian dari
ruang vektor
6. Memahami pengertian dan sifat-sifat bebas linier dan
bergantung linier,
7. Membedakan vektor-vektor bebas linier dengan
bergantung linier
8. Memahami Pengertian dari kombinasi linier
9. Memahami Pengertian bahwa vektor merupakan
kombinasi linier dari himpunan vektor lainnya.
10. Mengetahui Besarnya dimensi dari suatu ruang vektor
11. Mengatahui Basis suatu ruang vector

PEMBAHASAN
1. Menjelaskan pengertian dari suatu field
Field adalah sebuah system aljabar yang dibentuk oleh suatu himpunan tak kosong F
dan dua operasi biner yaitu penjumlahan (+) dan perkalian (*)
2. Mengerti sifat-sifat dari field
Misal { K, + , * }, K adalah himpunan , didefinisikan 2 operasi + ( penjumlahan )
dan * (perkalian). Akan dikatakan Field jika dipenuhi :
2.1 untuk setiap o,| e K maka o + |e K dan o * | e K, dikatakan K tertutup
terhadap operasi penjumlahan dan perkalian.
2.2 untuk setiap o,|, e K maka (o+ |) + =o+ (| + )
2.3 Terdapat 0 e K disebut elemen nol, sedemikian sehingga 0 + o = o + 0 = o ,
untuk setiap oe K
2.4 Untuk masing-masing oe K , terdapat - oe K disebut negatip dari o
sedemikian sehingga (- o) + o = o +(- o)=0
2.5 untuk setiap o,|e K maka o + | = | + o
2.6 untuk setiap o,|, e K maka (o*|)* =o* (| * )
2.7 untuk setiap o,|, e K
(i) o*( | + )=o*| + o*
(ii) ( | + )* o = |*o + *o
2.8 untuk setiap o,|e K maka o * | = | * o
2.9 Terdapat 1e K disebut elemen satuan , sedemikian sehingga 1* o = o *1 = o ,
untuk setiap oe K
2.10 Untuk masing-masing o=0e K , terdapat o
-1
e K disebut negatip dari o
sedemikian sehingga o
-1
* o = o *o
-1
=1
Anggota dari Field disebut Skalar.

Perhatikan : Sistem Bilangan berikut

Bilangan Kompleks Bilangan Imajiner



Bilangan Riil B. Irrasional

B. Rasional


B. Bulat B. Pecahan
Dijelaskan 10 Syarat di atas diterapkan pada Masing-masing bilangan tersebut.
Sehingga dapat disimpulkan Contoh Field adalah Bilangan Kompleks, Riil, dan Rasional.

3. Menjelaskan pengertian dari ruang vektor di atas suatu field
Misal { V , + , * } , V adalah himpunan dan didefinisikan operasi + (penjumlahan)
dan * (perkalian). Maka V disebut Ruang Vektor di atas suatu Field K jika
dipenuhi syarat berikut :
3.1 untuk setiap u,v e V dan o e K maka u + v e V, o u e V dikatakan K
tertutup terhadap operasi penjumlahan dan perkalian.
3.2 untuk setiap u,v ,w e V maka (u + v) + w = u + (v + w )
3.3 untuk setiap u,v e V dan o e K maka o *(u + v)=o*u + o*v
3.4 Terdapat 0 e V disebut vektor nol, sedemikian sehingga 0 + u = u + 0
= u , untuk setiap u e V
3.5 Untuk masing-masing ue V , terdapat - ue V disebut sedemikian sehingga (-
u) + u = u +(- u) = 0
3.6 untuk setiap u,v e V maka u + v = v + u
3.7 untuk setiap u e V ,o,|e K berlaku (o + | ) *u = o* u +|* u
3.8 dan (o | ) *u = o (|* u)
3.9 untuk setiap u e V berlaku 1* u = u , dimana 1 adalah elemen satuan dari K
Anggota dari Ruang Vektor disebut vektor.
Contoh :
Himpunan Vektor di ruang dimensi 3
Dengan operasi pejumlahan vektor dan perkalian skalar.

4. Mengerti tentang Penentuan ruang vektor bagian dari ruang vektor
Definisi
Subhimpunan W dari sebuah ruang vektor V disebut sub ruang (subspace) V jika W
itu sendiri adalah ruang vektor di bawah penjumlahan dan perkalian skalar yang
didefinisikan pada V.
Contoh
Pandang R
3
dengan susunan koordinat Cartesian dimana X,Y,Z adalah sumbu-
sumbu koordinatnya. Himpunan vektor-vektor pada bidang XOY merupakan ruang
vektor bagian dari R
3
. Dapat mudah dipahami bahwa komponen ketiga dari setiap
vektor pada XOY adalah = 0. Atau; XOY = {(x,y,0)|xe R, yeR}
Contoh anggota XOY adalah a = [1,1,0], b= [0,1,0], c = [2,3,0], 0=[0,0,0] dan lain-
lain. Jelas bahwa tidak semua vektor e R
3
merupakan anggota XOY. Kemudian
mudah ditunjukkan bahwa XOY memenuhi semua aksioma ruang vektor.
X
O
Y
Z









Untuk menentukan apakah W merupakan ruang bagian, cukup diperiksa berikut :
4.1 W (W bukan himpunan kosong). Untuk itu kita tunjukkan bahwa vektor
0 e W.
4.2 Untuk setiap a,b e W maka a + b eW
4.3 Untuk setiap a eW dan e K (skalar) maka a e W. maka W adalah ruang
vektor bagian dari V

Ketiga syarat 4.1 , 4.2 , dan 4.3 itu cukup. Karena bila W V, aksioma ruang
vektor kecuali 3.1, 3.4, dan 3.5 terpenuhi. Syarat 4.2 dan 4.3 dapat menggantikan
3.1. Sedang 4.1 yaitu W tidak kosong, berarti terdapat u e W dan karena 4.3
terpenuhi 0u = 0 e W, (-1)u = -(1u) = -u e W, berarti 3.4 dan 3.5 terpenuhi.
Dengan menggunakan syarat 4.1 , 4.2 dan 4.3 akan kita tunjukkan bahwa XOY
merupakan ruang vektor bagian dari R
3
, sebagai berikut :
4.1 XOY karena [0,0,0] e XOY
4.2 Misalkan a = [a
1
, a
2
, 0] eXOY, b = [b
1
, b
2
, 0] e XOY maka a + b = [a
1
+b
1
,
a
2
+b
2
, 0] juga e XOY (karena komponen ketiga dari a + b adalah =0)
4.3 Untuk sebarang scalar dan a = [a
1
, a
2
, 0] e XOY maka a = [a
1
, a
2
, 0]
juga e XOY
Jadi terbukti XOY ruang vektor bagian dari R
3


5. Memahami pengertian dan sifat-sifat bebas linier dan bergantung linier,
Definisi

Himpunan m buah vektor (u
1
, u
2
, u
m
) disebut tak bebas linier (linearly dependent)
bila terdapat skalar skalar
1
,
2
, ,
m
yang tidak semuanya nol sedemikian hingga

1
u
1
+
2
u
2
+ +
m
u
m
= 0
Sebaliknya himpunan (u
1
, u
2
, u
m
) disebut bebas linier (linearly independent) jika
1

u
1
+
2
u
2
+ +
m
u
m
= 0 hanya dipenuhi oleh
1
=
2
= =
m
= 0.

Catatan :
1. Jika m=1, maka :
a. Bila u = 0 (vektor nol), akan tak bebas linier, karena u = 0
0 = 0 terpenuhi juga untuk = 0
b. Bila u = 0, akan bebas linier karena u=0 hanya dipenuhi oleh =0
2. Jika dalam himpunan terdapat vektor 0, misalnya {u
1
, u
2
,,0, u
m
) maka
himpunan itu tak bebas linier,

1
u
1
+
2
u
2
+ +
i
0+ +
m
u
m
= 0 dipenuhi juga oleh
I
= 0
3. JIka u dan v adalah 2 vektor yang berkelipatan, u = ov, maka mereka tak bebas
linier. Sebab u = ov 1u - ov = 0, artinya terdapat = 0 pada
1
v +
2
u = 0
Contoh Soal :
Selidiki dan tentukan apakah himpunan vektor vektor dibawah ini bebas linier
atau bergantung linier ?
a. A = {2,2,3} dan B = {3,1,2}
b. B = {2,3,4} dan C = {4,6,8}
c. U = {3,-1,4,5} dan V = {1,2,1,6}
d. U = {1,2,3} V = {2,3,7} dan W = {0,0,0}
e. U = {5,2,3} V = {1,7,2} dan W= {10,4,6}

Jawab :
a. Himpunan vektor ini termasuk bebas linier karena semua anggota himpunannya
tidak berkelipatan.
b. Himpunan vektor ini disebut bergantung linier karena semua anggota
himpunannya berkelipatan satu sama lain yaitu C=2B.
c. Himpunan vektor ini termasuk bebas linier karena semua anggota himpunannya
tidak berkelipatan.
d. Jika ada himpunan yang mengandung nol berarti disebut bergantung linier
walaupun himpunan lain bebas linier tetapi jika ada himpunan yang mengandung
nol tetap disebut bergantung linier.
e. Jika kita menemukan soal seperti ini yang terdiri dari tiga himpunan bahkan ada
yang lebih.Dan kondisinya dimana dari tiga himpunan vektor tersebut,hanya ada
dua yang berkelipatan yaitu (U dan W) dan yang selain itu himpunannya yaitu (V)
bersifat bebas linier.Disini,jawabannya yaitu bergantung linier karena sebagian
bergantung linier atau dengan kata lin,lebih dominan bergantung linier maka
seluruhnya ikut bergantung linier.

6. Memahami Pengertian dari kombinasi linier
7. Memahami Pengertian bahwa vektor merupakan kombinasi linier dari
himpunan vektor lainnya
Definisi
Suatu vektor v dikatakan kombinasi linier dari vektor vektor (u
1
, u
2
, u
m
) bila
terdapat skalar skalar
1
,
2
, ,
m
sedemikian hingga v =
1
u
1
+
2
u
2
+ +

m
u
m
.
Contoh 2.1
a = [2, 1, 2], b = [1, 0, 3], c = [3, 1, 5]
Kita hendak menyatakan a sebagai kombinasi linier dari b dan c
Kita hitung
1
, dan
2
yang memenuhi [2, 1, 2] =
1
[1, 0, 3] +
2
[3, 1, 5]
2 =
1
+ 3
2

1 =
2

2 = 3
1
+ 5
2

Dengan substitusi, diperoleh
1
= -1 dan
2
= 1
Jadi penulisan yang diminta adalah a = -b + c
Contoh 2:
Tinjaulah vektor-vektor u = [1,2,-1] dan v = [6,4,2]di R
3
. Perlihatkan bahwa w =
[9,2,7] adalah kombinasi linear u dan v
Jawab :
Agar w merupakan kombinasi linear u dan v, harus ada skalar k
1
dan k
2
sehingga w
=k
1
u+k
2
v;yakni :
[9,2,7] = k
1
[1,2,-1] +k
2
[6,4,2]
k
1
+ 6 k
2
= 9
2k
1
+ 4k
2
= 2
-k
1
+ 2k
2
= 7
Dengan memecahkan sistem ini akan menghasilkan k
1
= -3, k
2
= 2 sehingga
w = - 3u +2v
Contoh 3 :
Dari contoh 2 di atas perlihatkan bahwa y= [4,-1,8] bukanlah kombinasi linear u dan
v
Jawab :
Agar w merupakan kombinasi linear u dan v, harus ada skalar k
1
dan k
2
sehingga
y=k
1
u+k
2
v ;yakni:
[4,-1,8] = k
1
[1,2,-1] +k
2
[6,4,2]
k
1
+ 6 k
2
= 4
2k
1
+ 4k
2
= -1
-k
1
+ 2k
2
= 8
Sistem persamaan ini tidak konsisten . sehingga tidak ada skalar-skalar seperti.
Sebagai konsekuensinya, maka y bukanlah kombinasi linier u dan v.
Arti Kombinasi Linear Secara Ilmu Ukur
1. Kalau v kombinasi linear dari suatu vektor u, yaitu v = ku, yang mana v adalah
kelipatan dari u dengan garis pembawanya sama atau sejajar, v dan u disebut
koliner (segaris)
2. v kombinasi linear dari 2 vektor u
1
dan u
2
yaitu v = ku
1
+ ku
2
, maka v adalah
diagonal jajaran genjang yang sisi-sisinya ku
1
dan ku
2
. v, u
1
, u
2
disebut
koplanar (sebidang). Kalau u
1
, u
2
segaris maka jelas v, u
1
, u
2
adalah segaris pula.
3. v kombinasikan linier dari 3 vektor u
1
, u
2
, u
3
yang tidak sebidang, yaitu v = ku
1

+ ku
2
+ ku
3
, maka v adalah diagonal ruang kubus yang sisi-sisinya ku
1
, ku
2
, ku
2
.
Untuk lebih dari 3 vektor kita tak dapat menggambarkan secara ilmu ukur.

8. Mengetahui Besarnya dimensi dari suatu ruang vektor
9. Mengatahui Basis suatu ruang vector
Sebelum mempelajari basis dan dimensi, harus mengetahui merentang (spanning).
Merentang (Spanning) jika v
1
, v
2
, ...,v
r
adalah vektor-vektor pada suatu ruang vektor
V maka umumnya beberapa vektor pada V mungkin merupakan kombinasi linear dari
v
1
, v
2
, ...,v
r
dan vektor lainnya mungkin tidak. Jika v
1
, v
2
, ...,v
r
adalah vektor-vektor
pada suatu ruang vektor V dan jika masing-masing vektor pada V dapat dinyatakan
sebagai kombinasi linear v
1
, v
2
, ...,v
r
maka kita mengatakan bahwa vektor-vektor ini
merentang V
Contoh
Tentukan apakah v
1
= (1,1,2), v
2
= (1,0,1) dan v
3
= (2,1,3) merentang R
3

Jawab :
Kita harus menentukan apakah sebarang vektor b = (b
1
, b
2
, b
3
) pada R
3
dapat
dinyatakan sebagai kombinasi linear
b = k
1
v
1
+ k
2
v
2
+ k
3
v
3
dari vektor-vektor v
1
, v
2
, dan v
3
. dengan menyatakan persamaan ini dalam komponen-
komponen maka akan memberikan
(b
1
, b
2
, b
3
)= k
1
(1,1,2) + k
2
(1,0,1) + k
3
(2,1,3)
Dapat juga
k
1
+ k
2
+ 2k
3
= b
1

k
1
+ k
3
= b
2

2k
1
+ k
2
+3k
3
= b
3

Jadi soal tersebut direduksi untuk menentukan apakah sistem ini konsisten atau tidak
bagi semua nilai b
1
, b
2
, b
3
. Sistem ini konsisten untuk semua nilai b
1
, b
2
, b
3
jika dan
hanya jika matriks koefisien
[



]
Memiliki invers. Karena matriks diatas det(A) = 0 maka A tidak memiliki invers dan
konsekuensinya v
1
, v
2
, dan v
3
tidak merentang R
3
.
Basis
Definisi Jika V adalah sebarang ruang vektor dan S = {v
1
,v
2
,...,v
r
} merupakan
himpunan berhingga dari vektor-vektor pada V, maka S kita namakan basis untuk V
jika :
(i) S bebas linear
(ii) S merentang V
Contoh :
Misalkan v
1
= (1,2,1), v
2
= (2,9,0) dan v
3
= (3,3,4). Perlihatkan bahwa himpunan
S={v
1,
v
2
,v
3
) adalah basis untuk R
3
.
Jawab :
Untuk memperlihatkan bahwa S merentang R
3
, maka kita harus perlihatkan bahwa
sebarang vektor b = (b
1
, b
2
, b
3
) dapat dinyatakan sebagai kombinasi linear.
b = k
1
v
1
+ k
2
v
2
+ k
3
v
3
(1)
dari vektor-vektor pada S. Dengan menyatakan persamaan ini ke dalam komponen-
komponennya maka akan memberikan
k
1
+ 2k
2
+ 3 k
3
= b
1

2k
1
+9k
2
+ 3k
3
= b
2
(2)

k
1
+ 4k
3
= b
3

Untuk membuktikan bhawa S bebas linear, kita harus pperlihatkan bahwa satu-satunya
pemecahan dari 0 = k
1
v
1
+ k
2
v
2
+ k
3
v
3
(3)
Adalah k
1
= k
2
= k
3
= 0. Jika persamaan (3) dinyatakan dalam komponen-
komponennya, maka pembuktian bebas linear akan direduksi menjadi pembuktian
bahwa sistem tersebut homogen (semua suku konstan sama dengan nol)
k
1
+ 2k
2
+ 3 k
3
= 0
2k
1
+9k
2
+ 3k
3
= 0

(4)

k
1
+ 4k
3
= 0

hanya mempunyai pemecahan trivial (semua pemecahannya sama dengan nol). Karena
persamaan (2) dan (4) memiliki matriks koefisien yang sama maka kita dapat
membuktikan S bebas linear dan merentang R
3
secara serempak dengan
memperlihatkan bahwa matrik koefisien
[



]
memiliki invers. Karena
() [



]
Maka jelas A mempunyai invers. Jadi S adalah sebuah basis untuk R
3
.
Dimensi
Definisi Sebuah ruang vektor tak nol V dinamakan berdimensi berhingga jika ruang
vektor tersebut mengandung sebuah himpunan berhingga dari vektor-vektor
{v
1
,v
2
,v
3
,...,v
n
} yang membentuk sebuah basis. Jika tidak ada himpunan seperti itu
maka V dinamakan berdimensi tak berhingga.
Definisi Dimensi sebuah ruang vektor V yang berdimensi berhingga didefinisikan
sebagai banyaknya vektor pada basis untuk V. Kita definisikan ruang vektor nol
mempunyai dimensi nol.
CONTOH SOAL :
Tentukan basis dan dimensi dari ruang vektor yang dibentuk oleh :
a. A={1,2,3} B={2,2,3} C={2,1,2}
b. A={1,2,3} B={2,4,6} C={2,3,5}
c. A={2,3,4} B={4,6,8} C={6,9,12}
JAWAB :
a. Ketiga himpunan diatas termasuk vektor yang bersifat bebas linier.Oleh karena itu
dimensinya adalah 3 dan basis adalah {A,B,C}.Ketiganya termasuk basis karena
bebas linier.
b. Dari himpunan himpunan di atas,dua vektor yaitu {A,B} bergantung linier karena
berkelipatan.Karena lebih dominan bergantung linier sehingga {A,B,C} bergantung
linier.Tetapi karena yang dapat dikatakan sebagai basis harus bersifat bebas linier
sehingga kita dapat mengambil dua vektor yang bebas linier yaitu {A,C}.Berarti
dimensi adlah 2 karena vektor yang termasuk basis ada 2.Jadi basisnya adalah {A,C}.
c. Ketiga vektor vektor diatas berkelipatan sehingga bergantung linier.Karena dari
itu,kita hanya dapat mengambil satu vektor yang bebas linier yaitu {C}.Jadi dimensi
adalah 1 dan basisnya adalah {C}.



















BAB V
TRANSFORMASI LINIER
5.1 Pengantar

Definisi
Jika F:V W adalah sebuah fungsi dari ruang vektor V ke dalam ruang vektor W, maka
F disebut transformasi linier, jika :
(i). F(u+v) = F(u) + F(v), untuk semua vektor u dan v di V
(ii). F(ku) = kF(u) untuk semua vektor u di dalam V dan semua skalar k

Contoh 5.1
Misal F:R
2
R
3
adalah sebuah fungsi yang didefinisikan oleh :
F(v) = (x, x+y, x-y)
Jika u=(x
1
, y
1
) dan v=(x
2
, y
2
) maka u + v = (x
1
+ x
2
, y
1
+ y
2
)
Sehingga ,
F(u + v) = (x
1
+ x
2
, [x
1
+ x
2
]+[ y
1
+ y
2
], [x
1
+ x
2
]-[ y
1
+ y
2
])
= (x
1
, x
1
+ y
1
, x
1
- y
1
) + (x
2
, x
2
+ y
2
, x
2
y
2
)
= F(u) + F(v)
Demikian juga jika k adalah sebuah skalar, ku = (kx
1
, ky
1
) sehingga
F(ku) = (kx
1
, kx
1
+ ky
1
, kx
1
- ky
1
)
= k(x
1
, x
1
+ y
1
, x
1
- y
1
)
= k F(u)
Jadi F adalah sebuah transformasi linier

Latihan :
Tentukan apakah F linier untuk masing masing latihan berikut :
1. F(x,y) = (2x, y)
2. F(x,y) = (2x+y, x-y)
3. F(x, y, z) = (2x+y, 3y-4z)
4. F(x,y,z) = (1, 1)

5.2 Transformasi Linier dari R
n
R
m


Misalkan e
1
, e
2
, . . . , e
n
adalah basis baku untuk R
n
dan misalkan A adalah sebuah
matrik m x n yang mempunyai T(e
1
), T(e
2
), . . . , T(e
n
) sebagai vektor vektor
kolomnya.

Misal jika T:R
2
R
2
diberikan oleh :

T
|
|
.
|

\
|
(

2
1
x
x
=
(

+
2 1
2 1
2
x x
x x

Maka
T(e
1
) = T
|
|
.
|

\
|
(

0
1
=
(

1
1
dan T(e
2
) = T
|
|
.
|

\
|
(

1
0
=
(

1
2


Jadi A =
(

1 1
2 1
adalah matrik baku untuk T di atas.



5.3 Jenis jenis Transformasi Linier bidang

1. Rotasi (Perputaran)

Matrik baku untuk T adalah :
(

u u
u u
cos sin
sin cos


2. Refleksi


Refleksi terhadap sebuah garis l adalah transformasi yang memetakan masing
masing titik pada bidang ke dalam bayangan cerminnya terhadap l


Matrik baku untuk :

a. refleksi terhadap sumbu y ( yang mengubah
(

y
x
menjadi
(

y
x
) adalah :
(

1 0
0 1

b. refleksi terhadap sumbu x ( yang mengubah
(

y
x
menjadi
(

y
x
) adalah :
(

1 0
0 1






c. refleksi terhadap garis y = x ( yang mengubah
(

y
x
menjadi
(

x
y
) adalah :
(

0 1
1 0


3. Ekspansi dan kompresi

Jika koordinat x dari masing masing titik pada bidang dikalikan dengan
konstanta k yang positif dimana k > 1, maka efeknya adalah memperluas gambar
bidang dalam arah x. Jika 0 < k < 1 maka efeknya adalah mengkompresi gambar
bidang dalam arah x. Disebut dengan ekspansi (kompresi) dalam arah x
dengan faktor k
Matrik baku untuk transformasi ini adalah :
(

1 0
0 k


Demikian juga , jika koordinat y dari masing masing titik pada bidang dikalikan
dengan konstanta k yang positif dimana k > 1, maka efeknya adalah memperluas
gambar bidang dalam arah y. Jika 0 < k < 1 maka efeknya adalah mengkompresi
gambar bidang dalam arah y. Disebut dengan ekspansi (kompresi) dalam
arah y dengan faktor k

Matrik baku untuk transformasi ini adalah :
(

k 0
0 1



4. Geseran

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)


Matrik baku untuk transformasi ini adalah :
(

1 0
1 k



Sebuah geseran dalam arah y dengan faktor k adalah transformasi yang
menggerakkan masing masing titik (x,y) sejajar dengan sumbu y sebanyak kx
menuju kedudukan yang baru (x , y + kx)


Matrik baku untuk transformasi ini adalah :
(

1
0 1
k


Jika dilakukan banyak sekali transformasi matrik dari R
n
ke R
m
secara berturutan, maka
hasil yang sama dapat dicapai dengan transformasi matrik tunggal.

Jika transformasi - transformasi matrik

T
1
(x) = A
1
x, T
2
(x) = A
2
x, , .... , T
n
(x) = A
n
x,

Dari R
n
ke R
m
dilakukan berurutan, maka hasil yang sama dapat dicapai dengan
transformasi matrik tunggal T(x) = Ax, dimana

A = A
k
. . . A
2
A
1



Contoh 5.2
a. Carilah transformasi matrik dari R
2
ke R
2
yang mula mula menggeser dengan
faktor sebesar 2 dalam arah x dan kemudian merefleksikannya terhadap y = x
b. Carilah transformasi matrik dari R
2
ke R
2
yang mula mula merefleksikannya
terhadap y = x dan kemudian menggeser dengan faktor sebesar 2 dalam arah x


Jawab :

a). Matrik baku untuk geseran adalah A
1
=
(

1 0
2 1

Dan untuk refleksi terhadap y = x adalah A
2
=
(

0 1
1 0

Jadi matrik baku untuk geseran yang diikuti dengan refleksi adalah
A
2
. A
1
=
(

0 1
1 0
(

1 0
2 1
=
(

2 1
1 0

b). Matrik baku untuk refleksi yang diikuti dengan geseran adalah
A
1
. A
2
=
(

1 0
2 1
(

0 1
1 0
=
(

0 1
1 2


Dari contoh di atas, perhatikan bahwa A
2
. A
1
= A
1
. A
2


Jika T:R2 R2 adalah perkalian oleh sebuah matrik A yang punya invers, dan misalkan
T memetakan titik (x,y) ke titik (x, y), maka

(

'
'
y
x
= A
(

y
x

Dan


(

y
x
= A
-1

(

'
'
y
x


Contoh 5.3
Carilah persamaan bayangan sebuah garis y = 2x + 1 yang dipetakan oleh matrik A =
(

1 2
1 3


Jawab :

(

'
'
y
x
=
(

1 2
1 3

(

y
x

Dan


(

y
x
=
1
1 2
1 3

(

'
'
y
x
=
(

3 2
1 1
(

'
'
y
x

Sehingga
x = x y
y = -2x + 3y

Substitusikan ke y = 2x + 1 maka dihasilkan :

-2x + 3y = 2(x y) + 1
-2x + 3y = 2x 2y + 1
5y = 4x + 1
y =
5
4
x +
5
1



Latihan
1. Carilah matrik bakunya
a. T
|
|
.
|

\
|
(

2
1
x
x
=
(
(
(
(

2 1
2 1
1
2
3
x x
x x
x
x

b. T
|
|
|
|
|
.
|

\
|
(
(
(
(

4
3
2
1
x
x
x
x
=
(
(
(

+
+ +
1
3 2
4 3 2 1
2 7
x
x x
x x x x

2. Carilah matrik baku untuk transformasi linier bidang T:R2 R2 yang
memetakan titik (x,y) ke dalam :
(a). Refleksi terhadap garis y = -x
(b). Refleksi melalui titk pusat
(c). Proyeksi ortogonal pada sumbu x
(d). Proyeksi ortogonal pada sumbu y

3. Gambarkan bayangan bujursangkar dengan titik titik sudut (0,0), (1,0),
(0,1), dan (1,1) di bawah perkalian oleh A =
(

1 0
0 3

4. Carilah persamaan bayangan garis y = -4x + 3 di bawah perkalian oleh A =
(

2 3
3 4




BAB VI
NILAI EIGEN DAN VEKTOR EIGEN

Definisi
Jika A adalah matrik n x n, maka vektor tak nol x di dalam R
n
dinamakan vektor eigen
dari A jika Ax adalah kelipatan skalar dari x, yaitu,
Ax = x
untuk suatu skalar . Skalar disebut nilai eigen dari A dan x dikatakan vektor eigen
yang bersesuaian dengan .


Contoh 6.1
Vektor x =
(

2
1
adalah vektor eigen dari A =
(

1 8
0 3

Yang bersesuaian dengan nilai = 3 karena
Ax =
(

1 8
0 3
(

2
1
=
(

6
3
= 3
(

2
1


Untuk mencari nilai eigen matrik A yang berukuran n x n maka kita menuliskannya
kembali Ax = x sebagai Ax = Ix
(I A)x = 0
Dan persamaan di atas akan mempunyai penyelesaian jika
det(I A)=0 ...................................................(6.1)

Persamaan (6.1) disebut persamaan karakteristik A.

Contoh 6.2
Carilah nilai nilai eigen dari A =
(

0 1
2 3


Jawab :
Karena
I A =
(

1 0
0 1
-
(

0 1
2 3
=
(

1
2 3

Det(I A) = (-3) - (-2) = 0
=
2
- 3 + 2 = 0

1
= 2,
2
= 1

Jadi nilai nilai eigen dari A adalah
1
= 2 dan
2
= 1

Latihan :
1. Carilah persamaan karakteristik dari matrik A =
(

2 4
9 10

2. Carilah persamaan karakteristik dari matrik A =
(
(
(

1 0 2
0 1 2
1 0 4




Pokok Bahasan : SISTEM PERSAMAAN LINEAR

TIU : Agar mahasiswa dapat mencari solusi dari sistem persamaan
linier dengan
aturan cramer

Sub Pokok Bahasan : 1. Persamaan Linier dan Sistem Persamaan Linier
2. Susunan Sistem Persamaan Linier
3. Sistem Persamaan Linier Homogen
4. Sistem Persamaan Linier Non Homogen
5. Penyelesaian sistem Persamaan Linier

TIK : Agar mahasiswa mampu dan bisa:
1. Memahami Pengertian dari persamaan linier
2. Memahami Pengertian Sistem Persamaan Linier
3. Memahami Susunan (jenis) dari sistem persamaan linier
4. Memahami Sistem persamaan linier Homogen
5. Memahami Perbedaan sistem persamaan linier homogen
trivial atau tidak
6. Memahami Syarat suatu sistem persamaan linier homogen
mempunyai solusi ( selain solusi trivial)
7. Memahami Pengertian sistem persamaan linier non
homogen

1. Memahami Pengertian dari persamaan linier
2. Memahami Pengertian Sistem Persamaan Linier
Definisi :
Bentuk umum

adalah persamaan linear dengan a sebagai

koefisien, x variabel, dan b konstanta dan sekumpulan harga yang memenuhi nilai variabel x
disebut solusi (jawab) persamaan. Variabel di dalam persamaan linear bukan sebagai
argumen fungsi trigonometri, fungsi logaritma, atau fungsi eksponensial.
Definisi Sebuah himpunan berhingga dari persamaan-persamaan linear dalam peubah x
1
, x
2
,
..., x
n
dinamakan sistem persamaan linear
Sebuah urutan bilangan-bilangan s
1
, s
2
, , s
n
dinamakan sebuah pemecahan dari
sistem tersebut jika x
1
= s
1
, x
2
= s
2
, , x
n
= s
n
adalah sebuah pemecahan dari tiap-tiap
persamaan di dalam system tersebut.
Tidak semua sistem persamaan linier mempunyai pemecahan. Persamaan linier yang
memiliki setidak- tidaknya satu pemecahan disebut konsisten (Consistent). Persamaan linier
yang tidak mempunyai pemecahan disebut takkonsisten (inconsistent).
Ada 3 kemungkinan penyelesaaian persamaan linier :
1. Tidak mempunyai pemecahan
2. Mempunyai persis satu pemecahan.
3. Mempunyai tak hingga banyaknya pemecahan
Definisi :
Sebuah Sistem Persamaan Linier yang terdiri dari m buah persamaan linier dengan n buah
bilangan yang tidak diketahui dapat dinyatakan dengan :
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m

dimana x
1
, x
2
, , x
n
adalah bilangan-bilangan yang tidak diketahui (variable), a
menyatakan koefisien dan b menyatakan kontanta-konstanta
Dan sistem persamaan linear di atas jika dinyatakan dalam matriks adalah :
AX = B
[

] [

] [

]
Apabila matriks A digabung dengan matriks B maka disebut augmented matriks (matriks
yang diperbesar), yaitu
[

]
dan memiliki rank lengkap (r(A,B)).
Teorema Suatu system persamaan linear konsisten jika rank matriks koefisien (r(A)) = rank
matriks lengkap (r(A,B)
3. Memahami Susunan (jenis) dari sistem persamaan linier


























4. Memahami Sistem persamaan linier Homogen
Sistem Persamaan Linear Homogen adalah system persamaan linear yang memiliki konstanta
sama dengan nol, AX = 0.
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= 0
SUSUNAN PERSAMAAN LINEAR
Homogen
AX = 0
Non Homogen
AX = B, B0
Selalu ada solusi Tidak Punya Solusi
r(A) r(A,B)
Punya Solusi
Hanya punya
solusi trivial
(nol)
Selain trivial,
juga nontrivial
Solusi Unik dg
aturan cramer
Solusi Banyak
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= 0


a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= 0

Sistem persamaan linear homogen selalu memiliki solusi, karena r(A) = r(A,0), paling sedikit
memiliki solusi nol atau solusi trivial.

5. Memahami Perbedaan sistem persamaan linier homogen trivial atau tidak
Suatu persamaan linear homogen memiliki solusi trivial jika r = n (banyaknya rank matriks
koefisien = banyaknya variable).
Suatu persamaan linear homogen selain memiliki solusi trivial juga memiliki solusi non
trivial jika r < n (rank matriks koefisien lebih sedikit dari banyaknya variable)
6. Memahami Syarat suatu sistem persamaan linier homogen mempunyai solusi (
selain solusi trivial)
Misalkan banyaknya persamaan linear adalah m buah, jika m < n (banyaknya persamaan
lebih sedikit dari banyaknya variable) maka pasti ada solusi non trivial.

7. Memahami Pengertian sistem persamaan linier non homogen
Sistem Persamaan Linear Non Homogen adalah system persamaan linear yang memiliki
konstanta sama dengan b, AX = b.
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2

a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m

ATURAN CRAMER
Theorema
Jika AX = B adalah sistem yang terdiri dari n persamaan linier dalam n bilangan tak
diketahui sehingga det(A) = 0, maka system tesebut mempunyai pemecahan unik.
Pemecahan ini adalah :

x
1
=
) det(
) det(
1
A
A
, x
2
=
) det(
) det(
2
A
A
, , x
n
=
) det(
) det(
A
A
n


dimana A
j
adalah matrik yang didaptkan dengan mengantikan elemen- elemen dalam kolom
ke j dari A dengan elemen matrik B =
(
(
(
(

n
b
b
b
.
2


Contoh 4.8:

Gunakan aturan Cramer untuk memecahkan
x
1
+ + 2x
3
= 6
-3x
1
+ 4x
2
+ 6x
3
= 30
-x
1
- 2x
2
+ 3x
3
= 8

Jawab :
A=
(
(
(

3 2 1
6 4 3
2 0 1
,
A
1
=
(
(
(

3 2 8
6 4 30
2 0 6
, A
2
=
(
(
(

3 8 1
6 30 3
2 6 1
, A
3
=
(
(
(

3 2 1
30 4 3
6 0 1

Maka

x
1
=
) det(
) det(
1
A
A
=
44
40
=
11
10
,
x
2
=
) det(
) det(
2
A
A
=
44
72
=
11
18
,
x
3
=
) det(
) det(
3
A
A
=
44
152
=
11
38