Aljabar Linear Kartika - 2 PDF

Pendahuluan
Aljabar Linear dan Matriks 1

Pendahuluan
Kartika Firdausy - UAD
2
Tujuan
Melatih mahasiswa untuk berpikir secara logis
dan sistematis yang akan sangat dibutuhkan
untuk dapat membuat program-program
komputer.
Menguasai teknik dasar aljabar linear dan
mampu menggunakannya untuk menyelesaikan
SPL, dapat menentukan basis dan dimensi
suatu ruang vektor, dapat mencari nilai dan
vektor eigen serta dapat mentransformasikan
secara linear
Pendahuluan
3
Materi (1)
1. Sistem Persamaan Linear
Operasi Baris Elementer
Eliminasi Gauss
SPL Homogen
Penerapan SPL
2. Matriks
Operasi Matriks
Jenis Matriks
Aturan-aturan Ilmu Hitung Matriks
SPL dan Matriks Invers
4
Materi (2)
3. Determinan, Kofaktor, dan Aturan Cramer
Perhitungan Determinan dengan Reduksi Baris
Sifat-sifat Determinan
Kofaktor dan Aturan Cramer dalam Penyelesaian
SPL
4. Vektor
Norma dan Ilmu Hitung Vektor
Hasil Kali Titik
Hasil Kali Silang
5. Ruang n-Euclidis
Operasi Ruang n-Euclidis
Pendahuluan
5
Materi (3)
6. Ruang Vektor
Ruang vektor umum
Sub Ruang
Kebebasan Linear
Basis dan Dimensi
Ruang Baris dan Kolom Matriks
Rank
7. Basis Ortonormal
Proses Gram-Schmidt
8. Nilai Eigen dan Vektor Eigen
Diagonaliasi
Diagonalisasi Ortogonal; Matriks Simetrik
6
Ilustrasi Matriks
These windows in Philadelphia represent a beautiful block matrix.
(Photo courtesy Gail Corbett)
http://ocw.mit.edu/OcwWeb/Mathematics/18-06Spring-2005/CourseHome/
Pendahuluan
7
Application
Matrices in Engineering
Graphs and Networks
Markov Matrices, Population, and Economics
Linear Programming
Fourier Series: Linear Algebra for Functions
Linear Algebra for Statistics and Probability
Computer Graphics
8
Contoh (1)
Akan dibuat 2 macam produk A dan B.
Produk A memerlukan bahan 10 blok B1
dan 2 blok B2, sedangkan produk B
memerlukan bahan 5 blok B1 dan 6 blok
B2. Berapa jumlah produk yang dapat
dihasilkan bila tersedia 80 blok bahan B1
dan 36 blok bahan B2.
Pendahuluan
9
Contoh (2)
rotates a pixel by about the origin (0, 0)
scales an image in x and y directions by S
x
and S
y
.
10
Referensi
Diktat Aljabar Linear dan Matriks,
Dewi Soyusiawaty, Teknik Informatika UAD
Howard Anton, Elementary Linear Algebra, Wiley.
Schaum Outlines Series, Linear Algebra.
Jacob, Bill, Linear Algebra, Addison Wesley.
Stahler, Wendy, Beginning Math and Physics for Game
Programmers, New Riders.
Steven J.Leon, Aljabar Linear dan Aplikasinya, Erlangga,
Jakarta,2001
Introduction to Linear Algebra, 4th Edition, Gilbert Strang,
http://math.mit.edu/linearalgebra/
Gilbert Strang, MIT OpenCourseWare, 18.06 Linear Algebra
Spring 2005 http://ocw.mit.edu/OcwWeb/Mathematics/18-
06Spring-2005/CourseHome/
Steve Johnson, 18.06 Linear Algebra, Spring 2009
http://web.mit.edu/18.06/www/
Matriks
Matriks
Kartika Firdausy - UAD
2
Definisi
Sebuah matriks adalah serangkaian
elemen dalam bentuk persegi panjang.
Elemen ke-(i,j) a
ij
dari matriks A berada
dibaris ke-i dan kolom ke-j dari rangkaian
tersebut.
Order (dimensi/ukuran) dari sebuah
matriks dikatakan sebesar (m x n) jika
matriks tersebut memiliki m baris dan n
kolom.
Misalnya:
a
11
a
12
a
1n
a
21
a
22
... a
2n
: : :
: : :
a
m1
a
m1
... a
mn
Matriks
3
Operasi
1. Penjumlahan dimensi sama
2. Pengurangan dimensi sama
3. Perkalian matriks dengan skalar
4. Perkalian matriks dengan matriks
jumlah banyaknya kolom matriks
pertama sama dengan jumlah
banyaknya baris matriks kedua
Misal:
A memiliki dimensi ( m x r ),
maka B harus memiliki dimensi ( r x n ),
m dan n adalah ukuran sembarang.
4
Perkalian matriks dengan matriks
J ika matriks A berukuran mxp dan B matriks
pxn maka hasil perkalian A*B adalah suatu
matriks C=(c
ij
) berukuran mxn dengan
c
ij
=a
i1
b
1j
+a
i2
b
2j
+a
i3
b
3j
+.+a
ip
b
pj
Hukum Perkalian Matriks :
Hukum Distributif, A*(B+C) =AB +AC
Hukum Assosiatif, A*(B*C) =(A*B)*C
Tidak Komutatif, A*B B*A
Matriks
5
Transpose
J ika matriks A=a
ij
berukuran m x n
maka transpose A adalah matriks A
T
=n x m
yang di dapat dari A dengan menuliskan baris
ke-i dari A sebagai kolom ke-i dari A
T
.
Contoh: A =
maka A
T
=
-2 4 7 5
1 3 0 1
6
Beberapa Sifat Matriks Transpose :
(A+B)
T
=A
T
+B
T
(A
T
) =A
k(A
T
) =(kA)
T
(AB)
T
=B
T
A
T
Matriks
7
J enis Matriks
Matriks Bujursangkar, adalah
matriks yang jumlah baris dan jumlah
kolomnya sama.
Barisan elemen a
11
, a
22
, a
33
, .a
nn
disebut diagonal utama dari matriks
bujursangkar tersebut.
Matriks Nol, adalah matriks yang
semua elemennya nol
Sifat-sifat :
A+0=A, jika ukuran matriks A =ukuran matriks
0
A*0=0, begitu juga 0*A=0.
8
J enis Matriks
Matriks Diagonal, adalah matriks
bujursangkar yang semua elemen di
luar diagonal utamanya nol.
Matriks Identitas/Satuan, adalah
matriks diagonal yang semua elemen
diagonalnya adalah 1.
Sifat-sifat matriks identitas :
A*I=A
I*A=A
1 0 0
0 1 0
0 0 1
3 0 0
0 1 0
0 0 5
Matriks
9
J enis Matriks
Matriks Skalar, matriks diagonal
dengan semua elemen diagonal
utamanya sama dengan k
Matriks segitiga atas / segitiga bawah,
matriks bujursangkar yang semua elemen
di atas diagonal utamanya sama dengan
nol atau sebaliknya
3 0 0
0 3 0
0 0 3
1 3 2 1
0 1 2 3
0 0 4 0
0 0 0 1
1 0 0 0
4 2 0 0
1 2 3 0
1 3 2 1
10
Transformasi Elementer
1. Penukaran tempat baris ke-i dan baris ke-j atau penukaran
kolom ke-i dan kolom ke-j
ditulis H
ij
(A) untuk transformasi baris
K
ij
(A) untuk transformasi kolom
2. Mengalikan baris ke-i dengan skalar h0, ditulis H
i
(h)
(A)
mengalikan kolom ke-j dengan skalar k0, ditulis K
j
(k)
(A)
3. Menambah kolom ke-i dengan k kali kolom ke-j, ditulis
K
ij
(k)
(A)
menambah baris ke-i dengan h kali baris ke-j, ditulis
H
ij
(h)
(A).
Determinan
Determinan
Kartika Firdausy UAD
blog.uad.ac.id/kartikaf
2
Misalkan A adalah matriks bujur sangkar.
Fungsi determinan dinyatakan oleh det(A),
dan didefinisikan sebagai jumlah semua hasil
kali elementer bertanda dari A.
Jumlah det(A) disebut sebagai determinan A.
Det(A) sering pula dinotasikan dengan |A|
Determinan
3
Jika matriks A berukuran 2x2,
determinan matriks A didefinisikan
sebagai:
det
a
11
a
12
a
21
a
22
= a
11
a
12
= a
11
a
22
a
12
a
21
a
21
a
22
3 4
2 1
Contoh
B =
4
Jika matriks A berukuran 3x3,
determinan matriks A didefinisikan
sebagai:
det(A) = a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
- a
31
a
22
a
13
- a
32
a
23
a
11
- a
33
a
21
a
12
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
A =
det (A) =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
12
a
21
a
22
a
31
a
32
Ilustrasi Metode Sarrus
Determinan
5
Contoh:
Hitung det(C)
1 2 3
4 1 5
3 2 4
C =
6
Beberapa sifat determinan
Apabila semua unsur dalam satu baris atau satu kolom
= 0, maka harga determinan = 0.
Harga determinan tidak berubah apabila semua baris
diubah menjadi kolom atau semua kolom diubah
menjadi baris. Dengan kata lain |A|=|A|
T
.
Nilai determinan tidak berubah jika baris dan kolom
dipertukarkan.
Jika B diperoleh dari A dengan mempertukarkan setiap
dua barisnya(atau kolomnya), maka |B| = - |A|.
Jika dua baris (atau kolomnya) dari A adalah identik,
maka |A| = 0.
Apabila semua unsur pada sembarang baris atau kolom
dikalikandengan sebuah faktor (yang bukan 0), maka
harga determinannya dikalikan dengan faktor tersebut.
Jika A dan B adalah dua matriks bujur sangkar maka :
|AB| = |A| |B|
Determinan
7
Minor
Jika ada sebuah determinan dengan orde ke-n
maka yang dimaksud dengan MINOR unsur a
ij
adalah determinan yang berasal dari determinan
orde ke-n tadi dikurangi dengan baris ke-i dan
kolom ke-j.
Maka MINOR elemen a
32
adalah minor baris ke-3 kolom ke-2
D =
M
32
=
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
a
11
a
13
a
14
a
21
a
23
a
24
a
41
a
43
a
44
8
Kofaktor
Kofaktor suatu unsur determinan a
ij
adalah
c
ij
= (-1)
i+j
M
ij
Misal: kofaktor elemen a
32
= c
32
= (-1)
3+2
M
32
Matriks kofaktor:
c
11
c
12
c
1n
c
21
c
22
... c
2n
: : :
: : :
c
n1
c
n2
... c
nn
Determinan
9
Teorema LAPLACE
Determinan dari suatu matriks sama dengan jumlah
perkalian elemen-elemen dari sembarang baris
atau kolom dengan kofaktor-kofaktornya
Ekspansi Baris
n
|A| = a
ij
c
ij
= a
i1
c
i1
+a
i2
c
i2
+..+ a
in
c
in
j=1
Ekspansi Kolom
n
|A| = a
ij
c
ij
= a
1j
c
1j
+a
2j
c
2j
+..+ a
nj
c
nj
j=1
10
Contoh:
Hitung determinan matriks A dengan minor dan
kofaktor
Misal minor dan kofaktor dicari dengan melakukan
ekspansi kolom ke-1
1 2 3
2 3 4
1 5 7
Determinan
11
Matriks Adjoin
transpose dari matriks kofaktor
adj(A)
12
Invers Matriks
A
-1
= invers matriks A
adj(A) = matriks adjoin dari matriks A
det(A) = determinan matriks A

adj(A)
A
-1
=
det(A)
Aturan Cramer
Aturan Cramer
2
Aturan Cramer
Apabila [A] [X] =[B]
maka nilai x dapat dicari dengan
| A
k
| adalah harga determinan elemen matriks
bujursangkar [A] dengan kolom ke-k diganti
dengan elemen [B]
| A | adalah harga determinan matriks
bujursangkar [A]
x
k
=
| A
k
|
| A |
Aturan Cramer
3
Misal diketahui persamaan:
a
11
x
1
+a
12
x
2
+a
13
x
3
=b
1
a
21
x
1
+a
22
x
2
+a
23
x
3
=b
2
a
31
x
1
+a
32
x
2
+a
33
x
3
=b
3
b
1
a
12
a
13
b
2
a
22
a
23
b
3
a
32
a
33
a
11
b
1
a
13
a
21
b
2
a
23
a
31
b
3
a
33
a
11
a
12
b
1
a
21
a
22
b
2
a
31
a
32
b
3
| A
1
|= | A
2
|=
| A
3
| =
x
1
=
| A |
| A | | A |
| A
1
| | A
2
|
| A
3
|
x
2
=
x
3
=
Invers Matriks
Invers Matriks
2
Jika diketahui 2 besaran a dan x
sedemikian sehingga ax = 1,
maka dikatakan x adalah kebalikan
dari a dan nilai x = 1/a = a
-1
Matriks satuan (identitas) I beroperasi
sebagai besaran 1 dalam aljabar biasa
Jika [A] dan [I] keduanya matriks
bujursangkar dan ordenya sama maka
[I] [A] = [A] [I] = [A]
Invers Matriks
3
Jika terdapat suatu matriks
bujursangkar [X] yang berorde
sama sehingga
[A] [X] = [I]
maka dikatakan bahwa [X]
kebalikan atau invers matriks
dari [A] dan dituliskan
[X] = [A]
-1
4
Contoh:
Cari invers matriks A
misal
2 1
4 3
A =
x
1
x
2
x
3
x
4
X =
maka [A] [X] = [I]
2 1
4 3
1 0
0 1
x
1
x
2
x
3
x
4
=
Invers Matriks
5
Matriks-matriks yang mempunyai
invers adalah matriks Non Singular,
yaitu matriks yang determinannya 0
Berlaku sifat :
1. (A
-1
)
-1
= A
2. (AB)
-1
= B
-1
A
-1
6
Matriks Adjoin untuk
Mencari Invers
A
-1
= invers matriks A
adj(A) = matriks adjoin dari matriks A
det(A) = determinan matriks A

adj(A)
A
-1
=
det(A)
Invers Matriks
7
Teorema 15
Jika A adalah matriks nxn, maka
inversnya dapat dicari dengan cara
mereduksi A menjadi matriks
identitas (I) dengan menggunakan
operasi-operasi baris dan
menerapkan operasi-operasi ini
secara serempak pada I untuk
menghasilkan A
-1
.
8
Transformasi Elementer
untuk mencari Invers
[ A | I ] ~ [ I | X ]
[ A
-1
] = [ X ]
setelah melalui transformasi elementer
Invers Matriks
9
Hitung A
-1
jika diketahui
menggunakan Transformasi Elementer
1 2 3
2 5 3
1 0 8
A =
Dibentuk matriks
[ A | I ] ~ [ I | X ]
x
11
x
12
x
13
x
21
x
22
x
23
x
31
x
32
x
33
1 2 3
2 5 3
1 0 8
~
1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
10
SPL dan Matriks Invers
Teorema 16
Jika A matriks nxn yang memiliki
invers, maka untuk setiap matriks B
yang berukuran nx1, sistem
persamaan AX = B memiliki tepat
satu penyelesaian yaitu
X = A
-1
B
Invers Matriks
11
Contoh:
X = A
-1
B
Diketahui sistem persamaan linier sebagai berikut :
x
1
+ 2x
2
+ 3x
3
=5
2x
1
+ 5x
2
+ 3x
3
=3
x
1
+ 8x
3
= 17
Akan dicari solusi untuk x
1
, x
2
, dan x
3
x
1
x
2
x
3
1 2 3
2 5 3
1 0 8
A = X =
B =
5
3
17
Sistem Persamaan Linear (1)
Sistem
Persamaan
Linier (1)
2
Garis lurus pada bidang x
1
dan x
2
dapat dinyatakan
sebagai persamaan a
1
x
1
+ a
2
x
2
+ b = 0
persamaan linier karena pangkat-pangkat dari x
1
dan x
2
paling besar adalah 1
persamaan x
1
2
+ x
2
5 = 0
bukan persamaan linier

x
1
x
2
3
Ruang dimensi 3, persamaan linier
dalam x
1
, x
2
, dan x
3
a
1
x
1
+a
2
x
2
+a
3
x
3
+b=0
Persamaan linier dalam ruang dimensi n
dapat dinyatakan dalam bentuk
a
1
x
1
+ a
2
x
2
.+a
n
x
n
+b=b
n
4
Contoh 1
Persamaan x
1
+x
2
=1
penyelesaian persamaan garis adalah
titik x
1
=1 dan x
2
=0
titik x
1
=0 dan x
2
=1
(0,1)
(1,0)

x
1
x
2
x
1
+ x
2
= 1
5
Contoh 2
x
1
=0 dan x
2
=1 adalah satu-satunya penyelesaian
(0,1)
(1,0)
(-1,0)

x
1
+ x
2
= 1
-x
1
+ x
2
= 1
6
Sistem persamaan linier dalam dimensi 2
mempunyai beberapa alternatif penyelesaian,
yaitu:
1. Mempunyai penyelesaian tunggal
2. Mempunyai banyak penyelesaian
3. Tidak mempunyai penyelesaian
7
Sistem Persamaan Linear (SPL)
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
a
ij
dan b
i
masing-masing merupakan koefisien-koefisien
dan konstanta persamaan linier tersebut
8
Persamaan-persamaan linier tersebut dapat
diungkapkan dalam bentuk matriks
[A] adalah matriks berorde (m,n)
[x] adalah matriks berorde (n,1)
[b] adalah matriks berorde (m,1)
a
11
a
12
a
1n
a
21
a
22
... a
2n
: : :
: : :
a
m1
a
m1
... a
mn
x
1
x
2
:
:
x
n
b
1
b
2
:
:
b
m
=
[A] [x] [b]
9
AUGMENTED MATRIX
a
11
a
12
a
1n
b
1
a
21
a
22
... a
2n
b
2
: : :
: : :
a
m1
a
m1
... a
mn
b
n
10
Operasi Baris Elementer (OBE)
1. Kalikan persamaan dengan
konstanta 0
2. Pertukarkan kedua persamaan
3. Tambahkan kelipatan satu
persamaan ke persamaan lainnya
11
Contoh
2x + y = 8
4x 3y = 6
12
Eliminasi Gauss
Jika diketahui [A][X]=[B] maka dengan menyusun matriks
baru yaitu matriks [A.B] akan didapat matriks berorde (n,
n+1) dimana matriks baru tersebut dikenai OBE berkali-
kali sehingga diperoleh matriks [A] menjadi matriks
segitiga atas yang diagonal utama elemennya bernilai 1.
Metode penyelesaian SPL dengan menggunakan
metode Eliminasi Gauss:
1. Membentuk matriks lengkap SPL
2. Mengubah matriks lengkap menjadi matriks eselon
dengan sejumlah OBE
3. Mendapat jawaban SPL
13
Contoh
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
m3
a
11
x
1
+ a
12
x
2
+ a
13
x
3
=b
1
a
21
x
1
+ a
22
x
2
+ a
23
x
3
=b
2
a
31
x
1
+ a
32
x
2
+ a
33
x
3
=b
3
x
1
x
2
x
3
b
1
b
2
b
3
=
Matriks awal
Matriks lengkap SPL
a
11
a
12
a
13
b
1
a
21
a
22
a
23
b
2
a
31
a
32
a
m3
b
3
14
Matriks lengkap dikenai OBE
membentuk matriks eselon
Nilai 1 pada diagonal utama adalah variabel x-nya
sehingga diperoleh x
3
= b
3
x
2
+ a
23
x
3
=b
2
x
2
= b
2
- a
23
x
3
x
1
+ a
12
x
2
+ a
13
x
3
=b
1
x
1
= b
1
-a
12
x
2
- a
13
x
3
1 a
12
a
13
b
1
0 1 a
23
b
2
0 0 1 b
3

15
Contoh
Selesaikan sistem persamaan linier berikut :
x
1
+ 3x
2
- 2x
3
+ 2x
5
= 0
2x
1
+ 6x
2
- 5x
3
- 2x
4
+ 4x
5
- 3x
6
= -1
5x
3
+ 10x
4
+ 15x
6
= 5
2x
1
+ 6x
2
+ 8x
4
+ 4x
5
+ 18x
6
= 6
16
Contoh
Diketahui sistem persamaan linier sebagai berikut :
x
1
+x
2
+x
3
=6
x
1
+2x
2
-x
3
=2
2x
1
+x
2
+2x
3
=10
Akan dicari solusi untuk x
1
, x
2
, dan x
3
Perkalian Silang 2 Vektor di R3
Perkalian silang
dua vektor di R
3
2
Perkalian silang antara dua vektor di R
3
Diketahui u = ( u
1
,u
2
,u
3
) dan v = ( v
1
,v
2
,v
3
)
Perkalian silang antara u dan v didefinisikan sebagai :
u
2
u
3
v
2
v
3
u
1
u
3
v
1
v
3
u
1
u
2
v
1
v
2
k
i -
u x v =
u x v =(u
2
v
3
u
3
v
2
)i +(u
1
v
3
u
3
v
1
)j +(u
1
v
2
u
2
v
1
)k
Hasil kali silang dari dua buah vektor akan menghasilkan
suatu vektor tegak lurus terhadap u dan v
i j k
u
1
u
2
u
3
v
1
v
2
v
3
= j +
3
Panjang Vektor Hasil Perkalian Silang
Kuadrat dari norm u x v adalah:
|u x v|
2
= ( u
2
.v
3
u
3
.v
2
)
2
+ (u
1
.v
3
u
3
.v
1
)
2
+ ( u
1
.v
2
u
2
.v
1
)
2
= (u
1
2
+ u
2
2
+ u
3
2
) ( v
1
2
+ v
2
2
+ v
3
2
) (u
1
v
1
+ u
2
v
2
+ u
3
v
3
)
2
= |u|
2
|v|
2
(u . v)
2
identitas Lagrange
4
Dari identitas Lagrange
|u x v|
2
= |u|
2
|v|
2
(u . v)
2
= |u|
2
|v|
2
( |u| . |v| cos )
2
( sudut yang dibentuk oleh u dan v )
= |u|
2
|v|
2
(1 cos )
2
|u x v|
2
= |u|
2
|v|
2
sin
2

atau
|u x v| = |u|. |v|. sin
5
Perhatikan vektor u dan v berikut
|u x v| = |u|. |v|. sin
merupakan luas segi empat yang dibentuk u dan v
Luas segi empat = panjang alas x tinggi
= |v| x |u| sin
= |u| |v| sin
Hasil kali silang dua vektor u dan v akan
menghasilkan suatu vektor yang tegak lurus terhadap
u dan v serta memiliki panjang sama dengan luas dari
segi empat yang dibentuk oleh vektor u dan v .
6
Contoh
Diketahui a = ( 1,2,1 ) dan b = ( 2,2,3 )
Hitung luas segi empat yang dibentuk
oleh a dan b
7
Contoh
Diketahui segitiga ABC dengan titik titik
sudut adalah :
A (2,1,2 ) , B ( 0,1,0 ) dan C ( 1,2,1 )
Hitung luas segitiga ABC
Ruang Vektor
Ruang Vektor
2
Syarat agar V disebut sebagai ruang vektor
1. Jika vektor vektor u , v V , maka vektor u + v V
2. u + v = v + u
3. u + ( v + w ) = ( u + v ) + w
4. Ada 0 V sehingga 0 + u = u + 0 untuk semua u V , 0 :
vektor nol
5. Untuk setiap u V terdapat u V sehingga u + ( u ) = 0
6. Untuk sembarang skalar k , jika u V maka ku V
7. k ( u + v ) = k u + k v , k sembarang skalar
8. (k + l) u = k u + l u , k dan l skalar
9. k( l u ) = ( kl ) u
10. 1 u = u
Ruang Vektor
3
Contoh ruang vektor :
1. V adalah himpunan vektor euclidis dengan operasi standar
(operasi penjumlahan dan operasi perkalian dengan skalar )
Notasi: R
n
.
2. V adalah himpunan polinom pangkat n dengan operasi standar
Bentuk umum polinom orde n
p
n
(x) = a
0
+ a
1
x ++ a
n
x
n
q
n
(x) = b
0
+ b
1
x ++ b
n
x
n
Operasi standar pada polinom orde n
p
n
(x) + q
n
(x) = a
0
+ b
0
+ (a
1
+ b
1
)x ++ (a
n
+ b
n
)x
n
k p
n
= ka
0
+ ka
1
x ++ ka
n
x
n
Notasi: P
n
3. V adalah himpunan matriks berukuran mxn dengan operasi standar
( penjumlahan matriks dan perkalian matriks dengan skalar )
Notasi: M
mn
4
Subruang vektor
Diketahui V ruang vektor dan U subhimpunan V.
U dikatakan subruang dari V jika memenuhi dua
syarat berikut :
1. Jika u ,v U maka u + v U
2. Jika u U , untuk skalar k berlaku ku U
Ruang Vektor
5
Kombinasi linier
Vektor v dikatakan merupakan kombinasi
linier dari vektor vektor v
1
, v
2
,,v
n
bila
v bisa dinyatakan sebagai :
v = k
1
v
1
+ k
2
v
2
++ k
n
v
n
,
k
1
,k
2
,,k
n
adalah skalar
6
Contoh
Diketahui a = ( 1,2 ) , b = ( 2,3 ) dan c = ( 1,3 )
Apakah c merupakan kombinasi linier dari a dan b ?
Ruang Vektor
7
Contoh
Tunjukkan bahwa v =(3,9,-4,-2)
merupakan kombinasi linier
u
1
= (1,-2,0,3), u
2
= (2,3,0,-1) dan u
3
= (2,-1,2,1)
Jawab:
Bila v merupakan kombinasi linier dari u
1
, u
2
, dan u
3
maka dapat ditentukan x, y dan z sehingga:
v = xu
1
+ yu
2
+ zu
3
(3,9,-4,-2) = x(1,-2,0,3)+ y(2,3,0,-1) + z (2,-1,2,1)
(3,9,-4,-2) = (1x,-2x, 0x, 3x)+ (2y,3y,0y,-1y) +
(2 z,-1z,2z,1z)
8
(3,9,-4,-2) = (x+2y+2z, -2x+3y-z, 2z, 3x-y+z)
Diperoleh persamaan:
= +
=
= +
= + +
2 3
4 2
9 3 2
3 2 2
z y x
z
z y x
z y x
Ruang Vektor
9
Penyelesaian:
x =1, y = 3 dan z = -2
Jadi v = u
1
+ 3u
2
2u
3
Jika sistem persamaan di atas tidak
memiliki penyelesaian maka v tidak
dapat dinyatakan sebagai kombinasi
linier dari u
1
, u
2
, dan u
3
10
Diketahui V ruang vektor
dan S = { s
1
, s
2
,, s n }
s
1
, s
2
,, s
n
V
S dikatakan membangun/merentang V
bila untuk setiap v V,
v merupakan kombinasi linier dari S ,yaitu :
v = k
1
s
1
+ k
2
s
2
++ k
n
s
n
k
1
,k
2
,,k
n
adalah skalar
Ruang Vektor
11
Contoh
Apakah u = ( 1,2,3 ) , v = ( 2,4,6 )
dan w = ( 3,4,7 ) membangun R
3
12
Kebebasan Linier
Vektor vektor di S dikatakan bebas linier
(linearly independent) jika persamaan
0 = k
1
s
1
+k
2
s
2
++ k
n
s
n
hanya memiliki penyelesaian
k
1
= k
2
== k
n
= 0
jika ada penyelesaian lain untuk nilai
k
1
,k
2
,,k
n
selain 0 maka dikatakan
vektor vektor di S bergantung linier
(linearly dependent)
Ruang Vektor
13
Contoh
Diketahui u = ( 1,2 ) , v = ( 2,2 ) , w = ( 1,3 )
a. Apakah u , v dan w membangun R
2
?
b. Apakah u , v dan w bebas linier ?
14
Basis dan Dimensi
Misalkan V ruang vektor dan S = { s
1
, s
2
,, s
n
}.
S disebut basis dari V bila memenuhi dua syarat ,
yaitu :
1. S bebas linier
2. S membangun V
Basis dari suatu ruang vektor tidak harus tunggal
tetapi bisa lebih dari satu.
Ada dua macam basis yang kita kenal yaitu
basis standar dan basis tidak standar
Ruang Vektor
15
Contoh basis standar :
1. S = { e
1
, e
2
,, e
n
} , dengan e
1
, e
2
,, e
n
R
n
e
1
= ( 1,0,,0) ,e
2
= ( 0,1,0,,0 ),,e
n
= ( 0,0,,1 )
merupakan basis standar dari R
n
2. S = { 1, x, x
2
,x
n
} merupakan basis standar untuk P
n
( polinom orde n )
1 0
0 0
3. S =
0 1
0 0
0 0
1 0
0 0
0 1
merupakan basis standar untuk M
22
, , ,
{ }
16
Contoh
Misal v
1
=(1,2,1), v
2
=(2,9,0), dan v
3
=(3,3,4).
Tunjukkan bahwa himpunan S=(v
1
,v
2
,v
3
) adalah
basis untuk R
3
Syarat:
1. S bebas linier
2. S membangun V
Sebarang vektor b dapat dinyatakan sebagai kombinasi linier
b = k
1
v
1
+k
2
v
2
+ k
3
v
3
Sistem memiliki pemecahan untuk semua pilihan b= (b
1
,b
2
,b
3
)
k
1
v
1
+k
2
v
2
+ k
3
v
3
= 0
Pembuktian bebas linier pembuktian sistem homogen
S bebas linier dan membangun R
3
matriks koefisien dapat
dibalik, karena det A = .
Ruang Vektor
17
Basis ruang baris dan basis ruang kolom
Suatu matriks berukuran mxn dapat dipandang sebagai
susunan bilangan yang tersusun dari bilangan dalam kolom 1
sampai kolom n atau dalam baris 1 sampai baris m.
a
11
a
12
a
1n
a
21
a
22
... a
2n
: : :
a
m1
a
m1
... a
mn
Jika A =
Maka A tersusun atas vektor vektor baris r
i
dengan r
i
= (a
i1
,a
i2
,,a
in
) atau bisa juga dikatakan
A tersusun atas vektor vektor kolom c
j
= (c
1j
,c
2j
,,c
mj
}
dengan i = 1,2,,m dan j =1,2,,n
Subruang R
n
yang dibangun oleh vektor vektor baris disebut
ruang baris dari A
Subruang R
m
yang dibangun oleh vektor vektor kolom disebut
ruang kolom dari A
18
Contoh
Vektor baris A adalah
Vektor kolom A adalah
2 1 0
3 1 -4
A =
Ruang Vektor
19
Menentukan basis ruang kolom / baris
Basis ruang kolom A didapatkan dengan melakukan
OBE pada A, sedangkan basis ruang kolom A
didapatkan dengan melakukan OBE pada A
t
Banyaknya unsur basis ditentukan oleh banyaknya
satu utama pada matriks eselon baris tereduksi.
Dimensi ( ruang baris ) = dimensi ( ruang kolom ) =
rank matriks
Vektor
Vektor
2
Vektor
Kuantitas fisis yang memiliki
besar dan arah
Luas
Panjang
Massa
Suhu
Skalar
Gaya
Kecepatan
Percepatan
Perubahan Letak
Vektor
Vektor
3
Jenis Vektor
Vektor Aljabar
Vektor Fisik
Vektor Geometri
a
b
v = (a, b)
v
v
(a, b)
4
Penyajian vektor geometri
Segmen garis terarah (anak panah) di ruang-2 atau ruang-3
A
B
y
z
x
B
A
Vektor AB
c = AB
AB
Vektor ekivalen punya panjang dan arah yang sama
Misal: v = w
Vektor
5
A(2, 3)
B(7,4)
Q(7, 3)
P(5, 1)
Penyajian vektor aljabar
komponen dari v.
y
x
v
v = (5, 1)
5 dan 1 adalah komponen dari v
v = (v
1
, v
2
)
v
1
v
2
=
v
1
v
2
6
Menentukan komponen vektor
Vektor dengan titik pangkal (a, b)
titik akhir (c, d),
maka vektor tersebut secara
aljabar adalah (c-a, d-b),
komponen-komponen vektor:
c-a dan d-b
y
x
A(a, b)
B(c, d)
P(c-a, d-b)
v
v = (c-a, d-b)
z
x
y
d-a
e-b
f-c
Komponen vektor: d-a, e-b, f-c
A(a, b, c)
B(d, e, f)
Vektor
7
Dua vektor sama jika dan hanya jika panjang
dan arahnya sama, tidak tergantung
posisinya pada sistem koordinat.
Kesamaan dua vektor geometri
8
Kesamaan dua vektor aljabar
Dua vektor aljabar sama jika dan hanya jika komponen-
komponen yang bersesuaian sama.
a
1
a
2
b
1
b
2
a
1
a
2
a
3
b
1
b
2
b
3
=
=
J ika dan hanya jika a
1
= b
1
dan a
2
= b
2
J ika dan hanya jika a
1
= b
1
,
a
2
= b
2
dan a
3
= b
3
Vektor
9
Menjumlahkan dua vektor geometri:
a
y y
b
a+b
Jumlahan Vektor
10
Menjumlahkan dua vektor aljabar
Misalnya a = (a
1
, a
2
), b = (b
1
, b
2
), maka a+ b = (a
1
+ b
1
, a
2
+b
2
)
y
b
B(b
1
, b
2
)
b = (b
1
, b
2
)
x
y
a
A(a
1
, a
2
)
a = (a
1
, a
2
)
x
y
a+b
a+b = (a
1
+b
1
, a
2
+b
2
)
x
C(a
1
+b
1
, a
2
+b
2
)
Jumlahan Vektor
Vektor
11
Contoh
1.
u v
Manakah vektor yang merupakan u+v ?
Jawab: a
a b c d
u
v
a
12
2.
a b
Manakah vektor yang merupakan a+b ?
d
e f
g
Jawab: e
Contoh
a
b
e
Vektor
13
3. u = (5, 6) dan v = (3, 2)
Vektor yang merupakan hasil dari u+v adalah
a = (2, 4)
b = (8, 8)
c = (15, 12)
d = (8, 4)
4. u = (5, 6) dan v = (3, 2)
Vektor yang merupakan hasil dari u v adalah
a = (2, 4)
b = (8, 8)
c = (15, 12)
d = (8, 4)
Jawab: b
Jawab: a
Contoh
14
5.
a
b
tentukan vektor c sedemikian hingga b = a + c
Contoh
h
i
j
k
a
b
Jawab: h
h
?
Vektor
15
y
x
z
Vektor nol
Vektor nol adalah vektor dengan panjang nol,
digambarkan sebagai titik, vektor nol 0.
Secara aljabar vektor nol adalah
vektor yang semua komponennya nol:
0 = (0, 0) pada bidang
0 =(0, 0, 0) pada ruang
0 vektor nol
y
x
0 vektor nol
16
Vektor satuan adalah vektor dengan panjang 1
b
y
x
j=(0, 1)
i=(1, 0)
a
c
Vektor satuan
Vektor
17
Perkalian vektor dengan skalar
b searah dengan a, panjang b lima kali panjang a, ditulis b = 5a
a
b
a -a 2a -1/2a
1/3a
Jika k > 0 maka ka searah dengan a,
dengan panjang k kali panjang a
Jika k<0, ka berlawanan arah dengan a,
dengan panjang k kali panjang a.
Jika k = -1, maka ka = -a (negative dari a).
Sifat a + a = 0 (vektor nol) dapat dilihat pada sifat-sifat
aritmetika vektor
Dua vektor sejajar, maka yang satu merupakan perkalian
skalar yang lain.
18
Pengurangan
Tentukan a b dan b-a
a
b -b
a
-b
a-b
-a
b
-a
b-a
u
v
a
-b
a-b
b
a
b
-a
b-a
b
u
v
u-v
u
v
v-u
Vektor
19
Hubungan tiga vektor pada bidang
c = ka + lb
c
b a
ka lb
c
lb ka
c
b a
Diberikan a, b, c
c
b a
20
Basis standar bidang R
2
Basis standard bidang R
2
adalah:
{i = (1, 0), j = (0, 1)}
Setiap vektor v = (v
1
, v
2
) dapat dinyatakan secara
tunggal sebagai kombinasi linier v = v
1
i + v
2
j
y
x
j=(0, 1)
i=(1, 0)
y
v=(v
1
, v
2
)
v = (v
1
v
2
)
v
1
i
v
2
j
v = v
1
i + v
2
j
Vektor
21
Basis standar R
3
Basis standard bidang R
3
adalah:
{i = (1, 0, 0), j = (0, 1,0), k = (0, 0, 1)}
Setiap vektor (a, b, c) dapat dinyatakan secara
tunggal sebagai kombinasi linier ai + bj +ck
y
z
x
P(a, b, c)
k
i
j
y
z
x
P(ai, bj, ck)
22
Sifat-sifat Aritmetika Vektor
1. Jumlahan vektor bersifat tertutup, yaitu: jumlahan
dua vektor selalu menghasilkan tepat satu vektor
2. Jumlahan dua vektor bersifar komutatif.
y
x
a
+
b
=

b
+
a
a = (a
1
, a
2
), b = (b
1
, b
2
)
a+b = (a
1
+b
1
, a
2
+b
2
)
b+a = (b
1
+a
1
, b
2
+a
2
)
a
1
+b
1
= b
1
+a
1
dan a
2
+b
2
= b
2
+a
2
( sifat komutatif penjumlahan skalar)
y
a
b
x
Vektor
23
Sifat Assosiatif Penjumlahan
3. Penjumlahan vektor bersifat assosiatif
a = (a
1
, a
2
), b = (b
1
, b
2
), c = (c
1
, c
2
) a+(b+c) = (a
1
+(b
1
+
c1
), a
2
+(b
2
+c
2
))
(a+b)+c = ((a
1
+b
1
)+c
1
, (a
2
+b
2
)+c
2
)
(sifat assosiatif penjumlahan skalar)
y
x
a
+
(
b
+
c
)

=

(
a
+
b
)
+
c
y
a
b c
x
24
Vektor nol: elemen identitas
4. vektor nol merupakan elemen identitas terhadap
jumlahan.
y
b
x
0
y
x
b+0
b = (b1, b2), 0 = (0,0)
b+0 = (b1+0, b2+0)
b+0 = (b1, b2)
( sifat identitas penjumlahan skalar)
Vektor
25
Negatif vektor
5. Penjumlahan vektor dengan negatifnya menghasilkan
vektor nol.
b = (b
1
, b
2
), -b = (-b
1
,-b
2
)
b+(-b) = (b
1
+(-b
1
), b
2
+(-b
2
))
b+(-b) = (0, 0) = 0
y
b
x
-b
y
x
0
26
x
x
y
x
y y
Sifat-sifat Aritmetika Vektor
6. perkalian vektor dengan dua skalar berturut-turut, dapat
dilakukan dengan mengalikan skalarnya terlebih dahulu
u
3u
6u
u = (v
1
,v
2
)
v = 3u = 3(v
1
,v
2
) = (3v
1
,3v
2
)
w = 2v = 2(3v
1
,3v
2
) = (6v
1
,6v
2
)
x = (3x2)u = 6(v
1
,v
2
) = (6v
1
,6v
2
) = w
Vektor
27
Sifat aritmetika
7. hasil kali skalar dengan jumlahan dua vektor dapat dilakukan dengan
mengalikan masing-masing vektor dengan skalar, baru kemudian
dijumlahkan.
y
x
u
v
u+v
y
x
2(u+v)
u = (u
1
,u
2
), v = (v
1
,v
2
)
u+v = (u
1
+v
1
,u
2
+v
2
)
y
x
2u
2v 2u+2v
2(u+v) = (2(u
1
+v
1
),2(u
2
+v
2
)) 2u+2v = 2(u
1
,u
2
)+2(v
1
,v
2
)
= 2(u
1
+v
1
,u
2
+v
2
)
= (2(u
1
+v
1
),2(u
2
+v
2
))
28
x
x
x
y y
y
Sifat Aritmetika
8. Hasil kali vektor dengan jumlahan dua skalar, sama
dengan jumlahan dua vektor setelah dikalikan dengan
masing-masing skalar.
u
3u
2u
u
u = (u
1
, u
2
)
3u = (3u
1
, 3u
2
)
(2+1)u = 2u + u
= 2(u
1
, u
2
)+(u
1
, u
2
)
= (3u
1
, 3u
2
)
Vektor
29
y
x
y
x
y
x
9. Perkalian vektor dengan skalar nol, menghasilkan vektor nol.
10.Mengalikan vektor dengan skalar 1 tidak mengubah vektor tersebut
Sifat Aritmetika
u
0(u)
u = (u
1
, u
2
)
0u = 0(u
1
, u
2
)
= (0, 0)
1u = 1(u
1
, u
2
)
= (u
1
, u
2
)
1u
30
y
z
x
y
x
Norm (panjang) vektor
v
norm/panjang vektor v adalah ||v|| =
v
norm/panjang vektor v adalah ||v|| =
2 2
1 2
v v +
2 2 2
1 2 3
v v v + +
Vektor
31
y
z
x
Norm vektor sebagai jarak dua titik
P(a
1
, b
1
, c
1
)
Q(a
2
, b
2
, c
2
)
panjang vektor v adalah jarak antara titik P ke Q
v
32
x
y
Hasil kali titik (dot product)
a
A
B
b
C
jika titik pangkalnya berimpit

maka sudut antar dua vektor
dapat ditentukan.
Definisi 1: Jika adalah sudut antara a dan b, maka didefinisikan
a.b
Definisi 2: jika a, b vektor-vektor di R
2
, maka a. b = a
1
b
1
+ a
2
b
2
Dapat ditunjukkan bahwa hasil kali titik dapat didefinisikan juga dengan rumus lain
a, b tidak nol, dengan 0.

||a|| ||b|| cos .
0 jika a = 0 atau b = 0
Vektor
33
Hasil kali titik di R
3
z
x
v
b
a
A
B
C
Definisi 1:hasil kali titik (dot product)
Jika adalah sudut antara a dan b, maka didefinisikan
0 jika a = 0 atau b = 0
a.b =
||a|| ||b|| cos .
untuk a, b vektor tak nol dengan 0 .
Definisi 2: jika a, b vektor-vektor di R
3
, maka a.b = a
1
b
1
+ a
2
b
2
+ a
3
b
3
34
Soal latihan
1. Benar atau Salah: hasil kali titik dua vektor hasilnya vektor lain
2. Diketahui a dan panjangnya dua kali b, panjang b sama dengan k
satuan, a dan b membentuk sudut 45 derajat. Tentukan a.b.
a. 2k
2
c. 2k
2
e. 22k
b. 22k
2
d. 62k
3.
Maka a.b adalah
a. 0 c. (5, 6) e. (6, 5)
b. 30 d. 1
4. Hitunglah u.v, jika u = (10, 0) dan v = (25, 0)
a. 0 c. (35, 0) e. (10, 25)
b. 250 d. (250, 0)
5. Diketahui ||a|| = 5, ||b|| = 6, dan sudut antara keduanya 120. Hitung
a.b
a. 0 c. (5, 6) e. -15
b. 153 d. 15
(5, 0)
(0, 6)
a
b
Vektor
35
Sudut dan hasil kali titik dua vektor
a.b = ||a|| ||b|| cos dengan 0.
Perhatikan kembali rumus pertama hasil kali titik
Panjang vektor selalu positif atau nol, sedangkan
cos bisa positif, negatif atau nol tergantung pada
nilai
x
y
cos >0
cos =0
cos <0
u.v
< 0, jika sudutnya tumpul
= 0, jika u dan v ortogonal
> 0 jika sudutnya lancip
36
Contoh:
Jika dua vektor berimpit, maka hasil kali titiknya ..
Jika salah satu vektor adalah nol, maka hasil kali titiknya .
a.b= ?
Jawab:35 cos
||a||=5
||b||=7
||a||=8
||b||=8
||b||=7
||a||=5
a.b=?
Jawab: 64x0=0
a.b=?
Jawab: -35cos(-)
0
hasil kali panjangnya
Vektor
37
Norm dan hasil kali titik
x
A
v
B
v = (v
1
, v
2
)
||v|| = (v.v)
1/2
=
Misal, diberikan 2 vektor v, cosinus sudut antara v dengan v adalah 1.
Maka v.v = ||v|| ||v|| atau ||v|| = ( v.v)
1/2
Di R
3
: norm/panjang vektor v adalah ||v|| = (v.v)
1/2
=
2 2
1 2
v v +
2 2 2
1 2 3
v v v + +
38
Hasil kali titik dan perkalian matriks
Berdasarkan definisi, jika a, b vektor-vektor
di R
2
, maka a. b = a
1
b
1
+ a
2
b
2
. Jika a dan b,
dipandang sebagai vektor-vektor baris maka
a.b = ab
T
a = (a
1
,a
2
) dan b = (b
1
,b
2
)
a.b = a
1
b
1
+ a
2
b
2
= = ab
T
Jika a, b vektor-vektor di R
3
Maka a. b = a
1
b
1
+ a
2
b
2
+ a
3
b
3
= = ab
T
[ ]
1
1 2 3 2
3
b
a a a b
b

[ ]
1
1 2
2
b
a a
b

Vektor
39
Sifat-sifat hasil kali titik
Diberikan u = (5,3), dan v = (4,6)
Tentukan u.v dan v.u.
Perkalian titik memenuhi sifat simetri,
yaitu u.v = v.u
40
Latihan:
Diberikan u = (5, 3), v = (4, 6), dan skalar k = 4.
Hitunglah (ku).v dan k(u.v)
Perkalian titik memenuhi sifat
(ku).v = k(u.v)
Vektor
41
Latihan:
Diberikan u = (5,3), v = (4,6), dan w = (4,7).
Tentukan u.(v+w) dan u.v + u.w
Apakah u.(v+w) = u.v + u.w?
Perkalian titik memenuhi sifat yaitu
u.(v+w) = u.v + u.w
42
Sifat-sifat hasil kali titik
Diberikan v = (4, 6, 1) dan u = (0, 0, 0)
Tentukan v.v dan u.u
Diberikan v = (a, b, c) vektor pada ruang
Tentukan v.v?
kapan v.v = 0?
Vektor
43
4 sifat penting hasil kali titik
Perkalian titik memenuhi sifat:
u.v = v.u
(ku).v = k(u.v)
u.(v+w) = u.v + u.w
v.v = ||v||||v||, dan 0 untuk v = 0
44
Hasil kali silang
u = (u
1
,u
2
,u
3
), v = (v
1
,v
2
,v
3
)
u x v = (u
2
v
3
u
3
v
2
)i + (u
3
v
1
u
1
v
3
)j + (u
1
v
2
u
2
v
1
)k
=
u
2
u
3
v
2
v
3
u
1
u
3
v
1
v
3
u
1
u
2
v
1
u
2
, ,
Prosedur menentukan u x v
u
1
u
2
u
3
v
1
v
2
v
3
Komponen pertama (i):
u
2
u
3
v
2
v
3
det
u
2
u
3
v
2
v
3
Vektor
45
Hasil kali silang
Komponen ketiga (k):
Komponen kedua (j):
u
1
u
3
v
1
v
3
u
1
u
2
v
1
v
2
Contoh: hitung v x w dengan v = (1,4,-4) dan w = (0,3,2)

v x w =
= (20, -2, 3) = 20i -2j +3k
4 -4
3 2
1 -4
0 2
1 4
0 3 , ,
det
u
1
u
3
v
1
v
3
det
u
1
u
2
v
1
v
2
46
Hasil kali silang
Prosedur menentukan uxv
u
1
u
2
u
3
v
1
v
2
v
3
u
2
u
3
v
2
v
3
Komponen kedua (j):
u
1
u
3
v
1
v
3
u
1
u
2
v
1
v
2
u
2
u
3
v
2
v
3
u
1
u
3
v
1
v
3
u
1
u
2
v
1
v
2
Vektor
47
Prosedur menentukan v x u
Prosedur menentukan vxu
v
1
v
2
v
3
u
1
u
2
u
3
v
2
v
3
u
2
u
3
Komponen kedua (j):
v
1
v
3
u
1
u
3
v
1
v
2
u
1
u
2
48
Prosedur
Jika dua baris A ditukat tempat maka nilai
determinannya dikalikan -1, jadi
u
2
u
3
v
2
v
3
= -
v
2
v
3
u
2
u
3
u
1
u
3
v
1
v
3
u
1
u
2
v
1
v
2
= -
= -
v
1
v
3
u
1
u
3
v
1
v
2
u
1
u
2
Terlihat bahwa u x v = - (v x u)
Vektor
49
Hasil kali silang vektor satuan standard
x
y
z
(0, 1, 0)
(0, 0, 1)
(1, 0, 0)
i
i
j k
j
k
jxk = i
ixj = (0x0-1x0)i (1x0 0x0)j +(1x1 0x0)k = k
jxi= -k
kxj = -i
kxk = ?
kxi = ?
ixk = ?
50
Bentuk determinan hasil kali silang
i j k
u
1
u
2
u
3
v
1
v
2
v
3
A =
u x v = det(A)
=
i j k
u
1
u
2
u
3
v
1
v
2
v
3
i j
u
1
u
2
v
1
v
2
+ + +
- - -
u x v = (u
2
v
3
u
3
v
2
)i + (u
3
v
1
u
1
v
3
)j + (u
1
v
2
u
2
v
1
)k
Vektor
51
Sifat-sifat hasil kali silang
uxv = -v x u
Jika u // v maka uxv = -v x u= 0,
akibatnya u x u = 0
(ku) x v = u x (kv) = k(u x v)
u x (v+w) = u x v + u x w
u.(v x w) = (u x v).w (hasil kali triple skalar)
x
y
(0, 1, 0)
(0, 0, 1)
(1, 0, 0)
i
j
i x j
x
y
(0, 1, 0)
(0, 0, -1)
(1, 0, 0)
i
j
j x i
52
Contoh 1
Diketahui vektor:
p = 2i + 4j + 3k
q = i + 5j 2k
Tentukan pxq
Vektor
53
Contoh 2
Diketahui vektor a = ( 1, 3 ) dan b = ( 3k, 1 )
Tentukan nilai k jika a dan b saling tegak lurus
Jawab
Agar a dan b saling tegak lurus, maka
a . b = 0
a . b = 3k + 3 = 0
k = 1
54
Contoh 3
Diketahui u = ( 2, 1,1 ) dan v = ( 1,1,2 )
Tentukan besar sudut yang dibentuk oleh u dan v !
Jawab
u . v = 2 1 + 2 = 3
||u|| = 2
2
+ (1)
2
+1
2
= 6
||v|| = 1
2
+1
2
+ 2
2
= 6
u . v = ||u|| . ||u|| . cos
cos = u.v / (||u|| . ||u|| )
= 3/6 = 1/2 = 60
o
Jadi sudut yang dibentuk antara u dan v adalah 60
o
Basis Ortonormal
Basis
Ortonormal
2
Hasil kali dalam
Hasil kali dalam adalah fungsi yang mengaitkan
setiap pasangan vektor di ruang vektor V,
misal pasangan u dan v, dinotasikan 
dengan bilangan riil dan memenuhi 4 aksioma,
yaitu :
1. Simetris : = < v ,u >
2. Aditivitas : < u+ v , w > = + < v ,w >
3. Homogenitas : < k u ,v > = k , k skalar
4. Positivitas : 0 dan ( = 0 u = 0 )
Ruang vektor yang dilengkapi hasil kali dalam disebut
Ruang hasil kali dalam (RHD)
Basis Ortonormal
3
Pembuktian Simetris
Misal
a = ( a
1
,a
2
,a
3
)
b = ( b
1
,b
2
,b
3
)
c = ( c
1
,c
2
,c
3
) maka a , b , c R3
< a ,b > = ( a . b )
= (a
1
b
1
+ a
2
b
2
+ a
3
b
3
)
= (b
1
a
1
+ b
2
a
2
+ b
3
a
3
)
= 
4
Basis ortonormal
Diketahui V ruang hasil kali dalam
dan v
1
, v
2
,, v
n
adalah vektor vektor dalam V
Beberapa definisi penting:
a. H = { v
1
, v
2
,, v
n
} disebut himpunan ortogonal
bila setiap vektor dalam V saling tegak lurus,
yaitu < v
i
, v
j
> = 0 untuk i j dan i,j = 1,2,,n.
b. G = { v
1
, v
2
,, v
n
} disebut himpunan ortonormal
bila
- G himpunan ortogonal
- Norm dari v
i
= 1 , i = 1,2,,n atau < v
i
, v
i
> = 1
Basis Ortonormal
5
Metode GramSchmidt
mengubah suatu himpunan vektor yang bebas
linier menjadi himpunan yang ortonormal
Syarat:
Himpunan yang ditransformasikan ke himpunan
ortonormal adalah himpunan yang bebas linier
Jika yang akan ditransformasikan adalah
himpunan vektor yang merupakan basis dari
ruang vektor V maka metode GrammSchimdt
akan menghasilkan basis ortonormal
untuk V.
6
Proyeksi ortogonal
vektor terhadap ruang yang
dibangun oleh himpunan vektor
Diketahui H = { v
1
, v
2
,, v
n
}
adalah himpunan vektor yang bebas linier
dari ruang vektor V dengan dim n
dan S = { w
1
, w
2
,, w
n
}
merupakan himpunan yang ortonormal
Jika W menyatakan ruang yang dibangun
oleh w
1
, w
2
,, w
n
maka
untuk setiap vektor z
1
dalam W ,
dapat dituliskan z
1
= k
1
w
1
+ k
2
w
2
++ k
n
w
n
dengan k
1
, k
2
, ,k
n
skalar.
Basis Ortonormal
7
Jika u adalah sembarang vektor dalam V ,
dapat dituliskan sebagai jumlah dari dua vektor yang saling
tegak lurus misalkan z
1
dan z
2
,
jadi dapat dituliskan u = z
1
+ z
2
.
Karena z
1
dalam W , maka sebenarnya z
1
merupakan
proyeksi ortogonal u terhadap W ,
sedangkan z
2
merupakan komponen vektor u
yang tegak lurus terhadap W.
Jadi untuk menentukan z
1
, maka harus ditentukan nilai
k
1
, k
2
, ,k
n
sedemikian hingga nilai k
1
merupakan panjang
proyeksi u terhadap w
1
, k
2
merupakan panjang proyeksi u
terhadap w
2
dan seterusnya sehingga k
n
merupakan
panjang proyeksi u terhadap w
n
Proyeksi orthogonal u terhadap w
i
adalah
proy W
i
( u ) = , dikarenakan w
1
, w
2
,, w
n
merupakan vektor vektor yang ortonormal .
8
Proyeksi ortogonal u terhadap W
proy
w
( u ) = z
1
= w
1
+ w
2
++ w
n
{ w
1
, w
2
,, w
n
} merupakan himpunan ortonormal
Komponen u yang tegak lurus terhadap W
z
2
= u ( w
1
+ w
2
++ w
n
)
Basis Ortonormal
9
Misal diketahui K = { v
1
, v
2
, , v
n
} adalah
himpunan yang bebas linier,
maka K dapat dirubah menjadi
himpunan S = { w
1
, w
2
, ,w
n
} yang ortonormal
dengan menggunakan metode GramSchmidt
10
Metode
GramSchmidt
proses normalisasi yang paling sederhana
karena hanya melibatkan satu vektor saja.
Pembagian dengan |v| bertujuan agar w
i
memiliki
panjang = 1
akan diperoleh w
1
ortonormal
1. w
1
=
v
1
|v
1
|
Basis Ortonormal
11
diperoleh dua vektor w
1
dan w
2
yang ortonormal
2. w
2
=
v
2
-< v
2
,w
1
> w
1
| v
2
-< v
2
,w
1
> w
1
|
v
3
-< v
3
,w
1
> w
1
-< v
3
,w
2
> w
2
| v
3
-< v
3
,w
1
> w
1
-< v
3
,w
2
> w
2
|
3. w
3
=
n. w
n
=
v
n
-< v
n
,w
1
> w
1
-< v
n
,w
2
> w
2
-< v
n
,w
n-1
> w
n-1
| v
n
-< v
n
,w
1
> w
1
-< v
n
,w
2
> w
2
-< v
n
,w
n-1
> w
n-1
|
12
Secara umum
dengan W merupakan ruang yang
dibangun oleh w
1
.w
i-1
v
i
proy
W
(v
i
)
| v
i
proy
W
(v
i
) |
w
i
=
Basis Ortonormal
13
Contoh
Diketahui H = { a , b , c }
dengan a = ( 1,1,1 ) , b = ( 1,2,1 ) , c = (1,1,0 )
a. Apakah H basis R
3
?
b. Jika ya, transformasikan H menjadi basis
orthonormal dengan menggunakan hasil kali
dalam Euclides
14
Contoh
Diketahui dan a , b ,c R
3
dengan a = ( 2,1,1 ) ,
b = ( 2,5,1 ) , c = ( 1,0,2 ) .Jika R
3
merupakan
RHD Euclides,
transformasikan a , b , c ke basis ortonormal
Basis Ortonormal
15
Perubahan Basis
suatu ruang vektor bisa memiliki
beberapa basis
jika terdapat sembarang vektor x
dalam suatu ruang vektor V yang
memiliki himpunan vektor A dan B
sebagai basisnya maka x tentunya
merupakan kombinasi linier dari
vektor vektor di A dan B.
16
Jika V ruang vektor, S : { s
1
, s
2
,, s
n
}
merupakan basis V maka untuk sembarang
x V, dapat dituliskan :
x = k
1
s
1
+ k
2
s
2
+k
n
s
n
dengan k
1
, k
2
, , k
n
skalar.
k
1
, k
2
, , k
n
juga disebut koordinat x relatif
terhadap basis S.
Basis Ortonormal
17
disebut matriks x relatif terhadap basis S
[x]
S
=
k
1
k
2
:
k
n
[x]
S
=
<x, s
1
>
<x, s
2
>
:
<x, s
n
>
Jika S merupakan basis ortonormal , maka
18
Diketahui A = { v , w } dan B = { x , y } berturut turut
merupakan basis R
2
,
dengan v = ( 2, 2 ) , w = ( 3, 1 ) , x = ( 1 , 3 ) dan y = ( 1 , 1 )
Tentukan:
Matriks transisi dari basis A ke basis B
Ruang-n Euclidis
Ruangn Euclidis
2
Definisi 1
Jika n adalah sebuah bilangan bulat
positif maka n-pasangan terurut adalah
(a
1
,a
2
,..,a
n
)
dimana a
i
, i = 1,..,n adalah bilangan riil.
Himpunan semua n-pasangan terurut ini
dinamakan ruang-n dan dinyatakan
dengan
n
Ruang-n Euclidis
3
Teorema 1
Dua vektor u = (u
1,
u
2
,...,u
n
) dan v = (v
1,
v
2
,..,v
n
) pada
n
Dua vektor dinyatakan sama bila u
1
= v
1
, u
2
= v
2
,...,u
n
= v
n
Jumlahan u + v = (u
1
+ v
1
, u
2
+ v
2
, , u
n
+ vn)
Jika terdapat k , k 0 maka perkalian skalar
ku = (k u
1
, k u
2
,,k u
n
)
Vektor Nol : 0 = (0,0,,0)
Invers aditif (negatif) : -u = (-u
1
,-u
2
,..., -u
n
)
Pengurangan : u v = (u
1
- v
1
, u
2
- v
2
, , u
n
- v
n
)
4
Teorema 2
Jika U, V, W n , k,l maka :
(a) Jika u,v V, maka u + v V
(b) u+v = v+u
(c) u+(v+w) = (u+v)+w
(d) Jika 0 V sehingga 0 + u = u+ 0, u V
(e) u V , - u V (negatif u).
sehingga u + (-u) = (-u) + u = 0
(f) Jika k,l , u V, maka k u V
(g) k (u + v) = k u + k v
(h) (k+l) u = k u + l u
(i) k(l u) =(kl) u
(j) 1 u = u
Ruang-n Euclidis
5
Definisi 2
Jika U, V
n
maka yang disebut
sebagai Euclidean Inner product
adalah
U.V = u
1
v
1
+ u
2
v
2
+ ... + u
n
v
n
u
1
:
u
n
v
1
:
v
n
U = V = Maka U.V = U.V
T
Jika
6
Definisi 3
Norm Euclidis (panjang euclidis)
vektor u = (u
1,
u
2
,...,u
n
) pada
n
adalah:
||u|| = (u.v)
= u
1
2
+ u
2
2
+ + u
n
2
Jarak Euclidis di antara titik u = (u
1,
u
2
,...,u
n
) dan
titik v = (v
1,
v
2
,...,v
n
) pada
n
adalah:
d(u,v)=||u-v|| =
(u
1
-v
1
)
2
+ (u
2
-v
2
)
2
+ + (u
n
-v
n
)
2
Ruang-n Euclidis
7
Contoh 1
Diketahui a = ( 1,1,2,3 ) dan b = ( 2,2,1,1 )
Tentukan jarak antara a dan b !
Jawab
a b = (1, 1,1,2 )
d ( a , b ) = (1)
2
+ (1)
2
+1
2
+ 2
2
= 7
Nilai Eigen dan Vektor Eigen
Nilai Eigen dan
Vektor Eigen
2
Nilai eigen suatu matriks
Diketahui A matriks berukuran n x n,
x vektor taknol berukuran n x 1 , x R
n
Karena A berukuran n x n , maka A x akan berupa vektor
yang berukuran n x 1 juga. Bila terdapat skalar ,
Riil sedemikian hingga
Ax = x
(Ax menghasilkan vektor yang besarnya kali x )
Semua nilai yang memenuhi persamaan tersebut
sehingga ada nilai x yang nyata ( bukan
vektor 0 saja ) disebut nilai eigen ( karakteristik ).
3
Untuk menentukan nilai , dari persamaan A x =
x sebelumnya dirubah dahulu menjadi
persamaan
(A I ) x = 0 = ( I A ) x
det (A I )
yaitu det (A I ) = det ( I A ) = 0.
Persamaan
det (A I ) = det ( I A ) = 0
disebut persamaan karakteristik.
4
Dari nilai eigen yang telah diperoleh tersebut dapat
ditentukan ruang solusi untuk x dengan memasukkan
nilai eigen yang diperoleh ke dalam persamaan
(A I ) x = 0
Ruang solusi yang diperoleh dengan cara
demikian ini disebut juga dengan ruang eigen
Dari ruang eigen yang bersesuaian dengan nilai eigen
tertentu tersebut dapat dicari minimal sebuah basis
ruang eigen yang saling bebas linear.
5
Untuk kasus yang khusus,
jika A memiliki n buah nilai eigen = ,
maka akan memiliki nilai eigen
k
Jika banyaknya nilai eigen dari A
k
sebanyak n juga
maka basis ruang eigennya tatap sama,
tetapi jika jumlah nilai eigennya kurang dari n
(terjadi jika ada nilai eigen yang saling berlawanan
tanda ), maka salah satu nilai eigennya akan
memiliki basis ruang eigen yang berbeda .
6
Diagonalisasi
penentuan matriks diagonal D dan
matriks pendiagonal P yang berkaitan
dengan basis ruang eigen
7
Jika A matriks bujursangkar berukuran n,
dan terdapat matriks diagonal D sedemikian hingga
D = P
1
AP
sehingga dikatakan matriks A dapat didiagonalisasi.
P merupakan matriks n x n yang kolom kolomnya
merupakan vektor vektor kolom dari basis ruang
eigen A. P disebut matriks yang mendiagonalisasi A ,
sedangkan D merupakan matriks diagonal yang
elemen diagonalnya merupakan semua nilai eigen
dari A.
8
Diagonalisasi ortogonal
matriks ortogonal
Matriks bujur sangkar P disebut
matriks ortogonal bila berlaku
P
t
= P
1
Matriks A dapat didiagonalisasi secara
ortogonal jika terdapat P ortogonal sehingga
P
1
A P = D
dengan D adalah matriks diagonal

Aljabar Linear Kartika - 2 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aljabar Linear Kartika - 2 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Pendahuluan

Aljabar Linear dan Matriks 1

Sistem Persamaan Linear (1)

jika titik pangkalnya berimpit

a, b tidak nol, dengan 0.

Contoh: hitung v x w dengan v = (1,4,-4) dan w = (0,3,2)

Você também pode gostar