Aljabar Linier

HASIL KALI SILANG (CROSS PRODUCT) Ruang-Ruang Vektor Euclidean Ruang-Ruang Vektor Umum
ALJABAR LINIER
Ni Wayan Switrayni, S.Pd.,M.Si.
Universitas Mataram
November 30, 2015

1 HASIL KALI SILANG (CROSS PRODUCT)
2 Ruang-Ruang Vektor Euclidean

Ruang Berdimensi-n Euclidean
Transformasi Linier dari R n ke R m
Sifat-Sifat Transformasi Linier dari R n ke R m
Vektor eigen dari suatu Operator Linier T : R n R m
3 Ruang-Ruang Vektor Umum

Ruang Vektor Real
Subruang
Himpunan Merentang (spanning set)
Kebebasan Linier
Basis dari Suatu Ruang Vektor
Ruang Baris, Ruang Kolom, Ruang Kosong
Hasil Kali Silang Vektor-Vektor

Definisi
Jika u = (u1 , u2 , u3 ) dan v = (v1 , v2 , v3 ) adalah vektor-vektor
dalam ruang berdimensi-3, maka hasil kali silang u v adalah
vektor yang didefinisikan sebagai
u v = (u2 v3 u3 v2 , u3 v1 u1 v3 , u1 v2 u2 v1 )
atau dalam
notasi determinan

u2 u3 u1 u3 u1 u2
uv= ,
,
v2 v3 v1 v3 v1 v2
Definisi
u v = (u2 v3 u3 v2 , u3 v1 u1 v3 , u1 v2 u2 v1 )
atau dalam
notasi determinan

u2 u3 u1 u3 u1 u2
uv= ,
,
v2 v3 v1 v3 v1 v2
Contoh.Cari u v dimana u = (1, 2, 2) dan v = (3, 0, 1)

Definisi
u v = (u2 v3 u3 v2 , u3 v1 u1 v3 , u1 v2 u2 v1 )
atau dalam
notasi determinan

u2 u3 u1 u3 u1 u2
uv= ,
,
v2 v3 v1 v3 v1 v2
Contoh.Cari u v dimana u = (1, 2, 2) dan v = (3, 0, 1)

Penyelesaian.
uv = ([2.10.(2)], [1.13.(2)], [1.03.2]) = (2, 7, 6)
Teorema
Jika u,v,w adalah vektor-vektor dalam ruang berdimensi-3,
maka:
(a) u.(u v) = 0 {u v ortogonal terhadap u}
(b) v.(u v) = 0 {u v ortogonal terhadap v}
(c) ku =vk2 kuk2 kvk2 (u.v)2 { identitas
Lagrange }
(d) u (v w) = (u.w)v-(u.v)w { hubungan
antara hasil kali silang dan hasil kali titik }
(e) (u v) w = (u.w)v-(v.w)u { hubungan
antara hasil kali silang dan hasil kali titik }
Sifat-Sifat Hasil Kali Silang

Teorema
Jika u, v dan w adalah sebarang vektor di ruang berdimensi-3
dan l adalah sebarang skalar, maka:
(a) u v = (v u)
(b) u (v + w) = (u v ) + (u w)
(c) (u + v ) w = (u w) + (v w)
(d) l(u v ) = (lu) v = u (lv )
(e) u 0 = 0 u = 0
(f) u u = 0
Teorema
Jika u, v dan w adalah sebarang vektor di ruang berdimensi-3
dan l adalah sebarang skalar, maka:
(a) u v = (v u)
(b) u (v + w) = (u v ) + (u w)
(c) (u + v ) w = (u w) + (v w)
(d) l(u v ) = (lu) v = u (lv )
(e) u 0 = 0 u = 0
(f) u u = 0
Bukti. Gunakan sifat-sifat determinan matriks.

Vektor-Vektor Satuan Standar dalam Ruang berdimensi-3

Tinjau vektor i = (1, 0, 0), j = (0, 1, 0) dan k = (0, 0, 1).

Vektor-vektor ini dinamakan vektor satuan standar dalam ruang
berdimensi-3. Setiap vektor u = (u1 , u2 , u3 ) dapat dinyatakan
dalam bentuk i, j, k yakni u = u1 i + u2 j + u3 k .
Tinjau vektor i = (1, 0, 0), j = (0, 1, 0) dan k = (0, 0, 1).

Vektor-vektor ini dinamakan vektor satuan standar dalam ruang
berdimensi-3. Setiap vektor u = (u1 , u2 , u3 ) dapat dinyatakan
dalam bentuk i, j, k yakni u = u1 i + u2 j + u3 k .
Perhatikan
bahwa:
0 0 1 0 1 0
i j = , , = (0, 0, 1) = k
1 0 0 0 0 1
Dengan cara serupa diperoleh:
i i =j j =k k =0
i j = k , j k = i, k i = j
j i = k , k j = i, i k = j
Proposisi
Misalkan u dan v adalah vektor-vektor di ruang berdimensi-3,
maka:
i j k
u2 u3 u1 u3 u1 u2
uv = u1 u2 u3 =
i j+ k
v1 v2 v2 v3 v1 v3 v1 v2
v3
Proposisi
Misalkan u dan v adalah vektor-vektor di ruang berdimensi-3,
maka:
i j k
u2 u3 u1 u3 u1 u2
uv = u1 u2 u3 =
i j+ k
v1 v2 v2 v3 v1 v3 v1 v2
v3
Contoh:
Misalkan u = (1, 2, 2)
dan v = (3, 0, 1), maka:
i j k

u v = 1 2 2 = 2i 7j 6k
3 0 1
Interpretasi Geometris dari Hasil Kali Silang

Teorema
Jika u dan v adalah vektor-vektor dalam ruang berdimensi-3,
maka ku v k merupakan luas jajaran genjang yang ditentukan
oleh u dan v .
Teorema
Jika u dan v adalah vektor-vektor dalam ruang berdimensi-3,
maka ku v k merupakan luas jajaran genjang yang ditentukan
oleh u dan v .
Bukti.
ilustrasi.
Berdasarkan Identitas Lagrange, diperoleh bahwa:
ku v k2 =kuk2 kv k2 (u.v )2
=kuk2 kv k2 (kuk2 kv k2 cos2 )
=kuk2 kv k2 (1 cos2 )
=kuk2 kv k2 sin2
Diperoleh luas jajaran genjang =alas x

tinggi= kukkv ksin = ku v k .
Contoh.
Cari luas segitiga yang dibentuk oleh titik-titik
P1 (2, 2, 0), P2 (1, 0, 2) dan P3 (0, 4, 3)
Penyelesaian.
Misal u adalah vektor yang titik pangkal dan ujungnya
berturut-turut P1 dan P2 , maka u = (3, 2, 2), dan v adalah
vektor yang titik pangkal dan ujungnya berturut-turut P1 dan P3 ,
maka v = (2, 2, 3). Diperoleh
u v = (10, 5, 10)
Luas segitiga = 1/2ku v k = 1/2(15) = 7, 5.
Hasil Kali Skalar Ganda Tiga dan Interpretasi Geometrisnya
Definisi
Jika u, v dan w adalah vektor-vektor dalam ruang
berdimensi-3, maka u.(v w) disebut hasil kali skalar ganda
tiga dari u, v dan w.
Proposisi
Misalkan u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) dan w = (w1 , w2 , w3 )
u1 u2 u3

maka u.(v w) = v1 v2 v3
w1 w2 w3
Contoh.
Cari hasil kali skalar ganda tiga u.(v w) jika diberikan
vektor-vektor u = 3i 2j 5k , v = i + 4j 4k , w = 3j + 2k .
Penyelesaian.
3 2 5

u.(v w) = 1 4 4 = 60 + 4 15 = 49
0 3 2
Proposisi
Jika V menyatakan volume dari parallelepiped yang ditentukan
oleh vektor u, v dan w , maka
V = |u.(v w)|.
Teorema
Jika vektor-vektor u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) dan
w = (w1 , w2 , w3 ) mempunyai titik pangkal yang sama, maka
ketiganya terletak pada bidang yang sama jika dan hanya jika
u.(v w) = 0
LATIHAN
1) Misalkan u(2, 1, 5) dan v = (3, 0, 3). Cari suatu
vektor yang ortogonal baik terhadap u maupun v
2) Cari volume parallelepiped dengan sisi-sisi
u = (2, 6, 2), v = (0, 4, 2) dan w = (2, 2, 4)
3) Misalkan u.(v w) = 3. Cari u.(w v ) dan
(v w).u
Vektor-Vektor Dalam Ruang Berdimensi-n
Definisi
Jika n adalah suatu bilangan bulat positif, maka ganda-n
berurut adalah sederet n bilangan real (a1 , a2 , ..., an ).
Himpunan semua ganda-n berurut disebut ruang berdimensi-n
dan dinyatakan dengan R n .
Definisi
Dua vektor u = (u1 , u2 , ..., un ) dan v = (v1 , v2 , ..., vn ) dalam R n
dikatakan sama jika
u1 = v1 , u2 = v2 , ..., un = vn
Jumlah u + v didefinisikan sebagai
u + v = (u1 + v1 , u2 + v2 , ..., un + vn )
dan jika k adalah sebarang skalar, perkalian skalar ku
didefinisikan sebagai ku = (ku1 , ku2 , ..., kun )
Vektor-Vektor Dalam Ruang Berdimensi-n
Vektor nol dalam R n dinyatakan dengan 0 dan didefinisikan

sebagai 0 = (0, 0, ..., 0).
Jika u = (u1 , u2 , ..., un ) dan v = (v1 , v2 , ..., vn ) dalam R n , dapat
didefinisikan
u = (u1 , u2 , ..., un ),
v u = v + (u) = (v1 u1 , v2 u2 , ..., vn un ).
Sifat-Sifat Operasi Vektor Dalam R n
Teorema
Jika u = (u1 , u2 , ..., un ), v = (v1 , v2 , ..., vn ) dan
w = (w1 , w2 , ..., wn ) vektor-vektor dalam R n dan k , l skalar,
maka:
(a) u + v = v + u
(b) u + (v + w) = (u + v ) + w
(c) u + 0 = 0 + u = u
(d) u + (u) = u u = 0
(e) k (lu) = (kl)u
(f) k (u + v ) = ku + kv
(g) (k + l)u = ku + lu
(h) 1u = u
Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean
Definisi
Misalkan u = (u1 , u2 , ..., un ) dan v = (v1 , v2 , ..., vn ) adalah
sebarang vektor dalam R n . Hasil kali dalam Euclidean u v
didefinisikan sebagai
u v = u1 v1 + u2 v2 + .... + un vn
Selanjutnya R n disebut ruang berdimensi-n Euclidean.
Contoh. Hasil kali dalam Euclidean dari vektor-vektor

u = (1, 3, 5, 7) dan v = (5, 4, 7, 0) dalam R 4 adalah
u v = (1)(5) + (3)(4) + (5)(7) + (7)(0) = 18
Teorema
Jika u, v dan w adalah vektor-vektor dalam R n dan k skalar,
maka
(a) u v = v u
(b) (u + v ) w = u w + v w
(c) (ku) v = k (u v )
(d) v v 0. Lebih jauh v v = 0 jika dan hanya jika
v =0
Definisi
Norma Euclidean (panjang Euclidean)dari vektor
u = (u1 , u2 , ..., un ) dalam
q R n didefinisikan sebagai
kuk = (u u)1/2 = u12 + u22 + ... + un2
Jarak Euclidean antara titik-titik u = (u1 , u2 , ..., un ) dan
v = (v1 , v2 , ..., vn ) dalam n
p R didefinisikan sebagai
d(u, v ) = ku v k = (u1 v1 )2 + (u2 v2 )2 + ... + (un vn )2
Contoh. Jika u = (1, 3, 2, 7) dan v = (0, 7, 2, 2), maka dalam

ruang Euclidean
p R4
kuk = 1 + 3 + (2)2 + 72 = 63 = 3 7
2 2
dan p
d(u, v ) = (1 0)2 + (3 7)2 + (2 2)2 + (7 2)2 = 58
Teorema. (Ketaksamaan Cauchy-Schwarz dalam R n )

Jika u = (u1 , u2 , ..., un ) dan v = (v1 , v2 , ..., vn ) adalah
vektor-vektor dalam R n , maka
|u v | kukkv k
atau dinyatakan dalam bentuk komponen-komponen,
|u1 v1 +u2 v2 +...+un vn | (u12 +u22 +...+un2 )1/2 (v12 +v22 +...+vn2 )1/2
Bukti.
0 (u proyv u) (u proyv u)
=(u (u proyv u)) (proyv u (u proyv u))
=(u u) (u proyv u) 0
=(u u) [u (u v /v v )v ]
=(u u) [(u v )/(v v )](u v )
=(u u) (u v )2 /(v v )
Diperoleh (u v )2 /(v v ) (u u) atau (u v )2 (u u)(v v ).

Dengan demikian diperoleh |u v | kukkv k
Teorema
Jika u = (u1 , u2 , ..., un ) dan v = (v1 , v2 , ..., vn ) adalah
vektor-vektor dalam R n dan k adalah sebarang skalar, maka
(a) kuk 0. Lebih jauh kuk = 0 jika dan hanya jika
u=0
(b) kkuk = |k |kuk
(c) ku + v k kuk + kv k (KetaksamaanSegitiga)
Bukti.
(b) Jika u = (u1 , u2 , ..., un ) maka
ku = (kup1 , ku2 , ..., kun ), sehingga
kkuk 2 2 2
q = (ku1 ) + (ku2 ) + ... + (kun ) =
|k | u12 + u22 + ... + un2 = |k |kuk
(c) Perhatikan bahwa
ku + v k2 =(u + v ) (u + v ) = (u u) + 2(u v ) + (v v )
=kuk2 + 2(u v ) + kv k2
kuk2 + 2|u v | + kv k2
kuk2 + 2kukkv k + kv k2
=(kuk + kv k)2
Diperoleh ku + v k kuk + kv k
Teorema
Jika u, v dan w adalah vektor-vektor dalam R n dan k adalah
sebarang skalar, maka
(a) d(u, v ) 0. Lebih jauh d(u, v ) = 0 jika dan hanya
jika u = v
(b) d(u, v ) = d(v , u)
(c) d(u, v ) d(u, w) + d(w, v )
(KetaksamaanSegitiga)
Bukti.
d(u, v ) = ku v k = k(u w) + (w v )k
ku wk + kw v k = d(u, w) + d(w, v )
Teorema
Jika u dan v adalah vektor-vektor dalam R n dengan hasil kali
dalam Euclidean, maka
u v = 1/4ku + v k2 1/4ku v k2
Keortogonalan
Definisi
Dua vektor u dan v dalam R n dengan hasil kali dalam
Euclidean dikatakan ortogonal jika u v = 0
Contoh. Dalam ruang Euclidean R n , vektor-vektor

u = (2, 3, 1, 4) dan v = (1, 2, 0, 1) adalah ortogonal karena
u v = 2.1 + 3.2 + 1.0 + 4.(1) = 0
Teorema Pythagoras untuk R n

Jika u dan v adalah vektor-vektor yang ortogonal dalam R n
dengan hasil kali dalam Euclidean, maka
ku + v k2 = kuk2 + kv k2
Notasi-Notasi Alternatif untuk Vektor-Vektor dalam R n
Suatu vektor u = (u1 , u2 , ..., un ) dalam R n dapat ditulis

dalam

u1
u2
bentuk suatu matriks kolom atau baris yakni u = . atau

..
un

u = u1 u2 un
Catatan: penggunaan notasi alternatif untuk vektor-vektor
di R n harus dipilih salah satu dan tidak boleh keduanya
sekaligus.
Sebuah Rumus Matriks untuk Hasil Kali Titik
Jika
menggunakan
notasi
matriks
kolom untuk vektor-vektor
u1 v1
u2 v2
u = . dan v = . maka didapatkan bahwa

.. ..
un vn

u1
u2
vT u = v1 v2 vn

..
.
un

= u1 v1 + u2 v2 + ... + un vn = uv =uv
Sebuah Rumus Matriks untuk Hasil Kali Titik
Misalnya,
jika

1 5
3 4
u= 5 dan v = 7
maka

7 0

1
3
u v = vT u =

5 4 7 0
5 =
18 = 18
7
Fungsi-Fungsi dari R n ke R m
Definisi
Suatu fungsi T yang daerah asalnya R n dan daerah kawannya
R m , T : R n R m (m dan n mungkin sama) dinamakan suatu
pemetaan atau transformasi dari R n ke R m . Khususnya, jika
m = n maka T : R n R n dinamakan operator pada R n .
Ilustrasi.
Misalkan f1 , f2 , ..., fm adalah fungsi-fungsi bernilai real dari n
peubah real, katakan
w1 = f1 (x1 , x2 , ..., xn )
w2 = f2 (x1 , x2 , ..., xn ) (1)
.. ..
. .
wm = fm (x1 , x2 , ..., xn )
Fungsi-Fungsi dari R n ke R m
m persamaan di atas menempatkan suatu titik unik

(w1 , w2 , ..., wm ) dalam R m ke setiap titik (x1 , x2 , ..., xn ) dalam R n
dan dengan demikian mendefinisikan suatu transformasi dari
R n ke R m . Jika kita nyatakan transformasi ini dengan T maka
T (x1 , x2 , ..., xn ) = (w1 , w2 , ..., wm ).
Trasformasi dari R n ke R m
Contoh.
Persamaan-persamaan
w1 = x1 + x2
w2 = 3x1 x2
w3 = x12 x22
mendefinisikan suatu transformasi T : R 2 R 3 , yakni

bayangan dari setiap titik (x1 , x2 ) R 2 adalah
T (x1 , x2 ) = (x1 + x2 , 3x1 x2 , x12 x22 ).
Jadi, misalnya bayangan dari titik (1, 2) adalah
T (1, 2) = (1, 6, 3).
Trasformasi Linier dari R n ke R m
Definisi
Suatu transformasi T : R n R m yang didefinisikan oleh
persamaan-persamaan berbentuk
w1 = a11 x1 + a12 x2 + ... + a1n xn

w2 = a21 x1 + a22 x2 + ... + a2n xn
.. ..
. .
wm = am1 x1 + am2 x2 + ... + amn xn
lanjutan definisi
atau
jika ditulis
dalam notasi matriks
w1 a11 a12 a1n x1
w2 a21 a22 a2n x2
.. = .. .. .. atau secara

..
. . . . .
wm am1 am2 amn xn
lebih singkat dinyatakan dengan w = Ax
, maka T dinamakan transformasi linier dari R n ke R m (jika
m = n, maka T disebut operator linier). Selanjutnya, matriks
A = [aij ] dinamakan matriks standar untuk transformasi linier T ,
dan T disebut perkalian dengan A.
Contoh.
Suatu transformasi T : R 4 R 3 berikut ini yang didefinisikan
oleh persamaan-persamaan
w1 = 2x1 3x2 + x3 5x4

w2 = 4x1 + x2 2x3 + x4
w3 = 5x1 x2 + 4x3
merupakan suatu transformasi linier dari R 4 ke R 3 dengan

matriks
standar
2 3 1 5
A = 4 1 2 1
5 1 4 0
Catatan.
Jika T : R n R m adalah perkalian dengan A, maka
T : R n R m dapat ditulis sebagai TA : R n R m sehingga
TA (x) = Ax.
Jika T : R n R m adalah suatu transformasi linier maka
matriks standar dari T dapat dinyatakan sebagai [T ]
sehingga T (x) = [T ]x. Jadi dalam kasus di atas [TA ] = A
Berdasarkan uraian-uraian sebelumnya dapat disimpulkan
bahwa untuk setiap matriks A terdapat suatu transformasi
linier TA yang didefinisikan, dan sebaliknya untuk setiap
transformasi linier T : R n R m terdapat suatu matriks [T ]
yang berukuran mxn yang merupakan matriks standar dari
T.
Operator-Operator Linier pada R 2 dan R 3
Operator Pencerminan
Pencerminan terhadap sb-y,
Persamaan:
x 0 = x
y0 = y

1 0
Matriks standar:
0 1
Pencerminan terhadap sb-x
Persamaan:
x0 = x
y 0 = y

1 0
Matriks Standar:
0 1
Pencerminan thd garis y=x

Persamaan:
x0 = y
y0 = x

0 1
Matriks standar:
1 0
Pencerminan terhadap bidang-xy,
Persamaan:
x0 = x
y0 = y
z 0 = z

1 0 0
Matriks standar: 0 1 0
0 0 1
Pencerminan terhadap bidang-xz

Persamaan:
x0 = x
y 0 = y
z0 = z

1 0 0
Matriks Standar: 0 1 0
0 0 1
Pencerminan thd bidang yz
Persamaan:
x 0 = x
y0 = y
z0 = z

1 0 0
0 0 1
Operator Proyeksi
Proyeksi ortogonal pada sb-x,
Persamaan:
x0 = x
y0 = 0

1 0
Matriks standar:
0 0
Proyeksi ortogonal pada sb-y
Persamaan:
x0 = 0
y0 = y

0 0
Matriks Standar:
0 1
Proyeksi ortogonal pada bidang-xy

Persamaan:
x0 = x
y0 = y
z0 = 0

1 0 0
0 0 0
Proyeksi ortogonal pada bidang-xz
Persamaan:
x0 = x
y0 = 0
z0 = z

1 0 0
0 0 1
Proyeksi ortogonal pada bidang-yz
Persamaan:
x0 = 0
y0 = y
z0 = z

0 0 0
Matriks Standar: 0 1 0
0 0 1
Operator Rotasi
Operator Rotasi dengan sudut pada R 2
Persamaan:
x 0 = x cos y sin
y 0 = x sin + y cos

cos sin
Matriks standar:
sin cos
Operator Rotasi pada R 3
Rotasi berlawanan dengan arah jarum jam terhadap sb-x
positif dengan sudut
Persamaan:
x0 = x
y 0 = y cos z sin
z 0 = y sin + z cos

1 0 0
Matriks standar: 0 cos sin
0 sin cos
Rotasi berlawanan dengan jarum jam terhadap sb-y positif
dengan sudut
Persamaan:
x 0 = x cos + z sin
y0 = y
z 0 = x sin + z cos

cos 0 sin
sin 0 cos
Rotasi berlawanan dengan jarum jam terhadap sb-z positif
dengan sudut
Persamaan:
x 0 = x cos y sin
y 0 = x sin + y cos
z0 = z

cos sin 0
Matriks standar: sin cos 0
0 0 1
Definisi Operator Pelebaran dan Penyempitan

Jika k adalah suatu skalar non-negatif, maka operator
T (x) = kx pada R 2 atau R 3 disebut suatu penyempitan dengan
faktor k jika 0 k 1 dan suatu pelebaran dengan faktor k
jika k 1
Penyempitan dengan faktor k pada R 2 (0 k 1),

Persamaan:
x 0 = kx
y 0 = ky

k 0
Matriks standar:
0 k
Pelebaran dengan faktor k pada R 2 (k 1)

Persamaan:
x 0 = kx
y 0 = ky

k 0
Matriks Standar:
0 k
Penyempitan dengan faktor k pada R 3 (0 k 1)

Persamaan:
x 0 = kx
y 0 = ky
z 0 = kz

k 0 0
Matriks standar: 0 k 0
0 0 k
Pelebaran dengan faktor k pada R 3 (k 1)
Persamaan:
x 0 = kx
y 0 = ky
z 0 = kz

k 0 0
Matriks standar: 0 k 0
0 0 k
Komposisi Transformasi Linier
Jika T1 : R n R k dan T2 : R k R m adalah

transformasi-transformasi linier, maka matriks standar untuk
komposisi T2 T1 adalah hasil kali matriks-matriks standar dari
T2 dan T1 , yakni [T2 T1 ] = [T2 ][T1 ].
Contoh.
Tentukan bayangan vektor u = (1, 2) oleh pencerminan
terhadap sb-y, kemudian dilanjutkan oleh pencerminan
terhadap sb-x.
Solusi.
Misalkan operator pencerminan terhadap sb-y adalah T1 , maka
matriksstandarnya adalah
1 0
[T1 ] = dan operator pencerminan terhadap sb-x
0 1
adalah T2 ,
maka matriks
standarnya
adalah
1 0
[T2 ] = sehingga diperoleh matriks standar untuk
0 1
operator yang ditentukan di atasadalah

1 0 1 0 1 0
[T2 T1 ] = [T2 ][T1 ] = =
0 1 0 1 0 1
Diperoleh
0 bayangan
dari
vektor
u= (1, 2) adalah

x 1 0 x 1 0 1
= = =
y0 0 1 y 0 1 2

1
2
Latihan
Tentukan bayangan dari vektor v = (1, 2, 5) setelah dirotasikan
berlawanan arah jarum jam terhadap sb-z positif dengan sudut
900 , kemudian dilanjutkan dengan pencerminan terhadap
bidang-yz, dan dilanjutkan lagi dengan memproyeksikan secara
ortogonal pada bidang-xy.
Definisi
Suatu transformasi linier T : R n R m disebut satu-satu jika T
memetakan vektor-vektor(titik-titik) yang berbeda pada R n ke
vektor-vektor(titik-titik) yang berbeda pada R m (i.e. jika
x, y R n , T (x) = T (y ) maka x = y ).
Contoh.
Operator rotasi T : R 2 R 2 sebesar sudut merupakan
operator linier satu-satu karena vektor-vektor yang
berbeda u dan v pada R 2 dirotasikan ke vektor-vektor
berbeda T (u) dan T (v ) pada R 2 .
Operator proyeksi ortogonal terhadap sb-x T : R 2 R 2
bukan operator linier satu-satu karena vektor-vektor yang
berbeda u dan v pada R 2 yang memiliki komponen
terhadap sumbu-x yang sama
diproyeksikan ke vektor yang sama, yakni T (u) = T (v ) yaitu

vektor yang berada pada sb-x.
Teorema
Jika A adalah suatu matriks nxn dan TA : R n R n adalah
perkalian dengan A, maka pernyataan-pernyataan berikut
ekuivalen.
(a) A dapat dibalik
(b) Daerah hasil dari TA adalah R n
(c) TA adalah satu-satu
Contoh.
Operator rotasi T : R 2 R 2 sebesar sudut merupakan
operator linier
satu-satu karena

cos sin
det([T ]) =
= cos2 + sin2 = 1 6= 0
sin cos
Operator proyeksi ortogonal terhadap sb-x T : R 2 R 2

bukan satu-satu dan memiliki
matriks
standar yang
1 0
determinannya det([T ]) = = 0 sehingga tidak
0 0
dapat dibalik.
Jika TA : R n R n adalah operator linier satu-satu, maka
berdasarkan teorema di atas, A dapat dibalik. Akibatnya,
TA : R n R n memiliki invers yakni TA1 : R n R n dimana
TA1 = TA1 . Dapat dilihat bahwa matriks standar dari operator
TA1 adalah invers dari matriks standar dari TA yakni A1 .
Selanjutnya, untuk setiap x R n berlaku
TA TA1 (x) = TA (TA1 (x)) = TA (A1 x) = A(A1 x) =
AA1 x = Ix = x
TA1 TA (x) = TA1 (TA (x)) = TA1 (Ax) = A1 Ax = Ix = x
Contoh. Tunjukkan bahwa operator linier T : R 2 R 2 yang

didefinisikan oleh persamaan-persamaan
w1 = 2x1 + x2
w2 = 3x1 + 4x2
adalah operator satu-satu, dan cari T 1 (w1 , w2 ).

Solusi.
2 1
Matriks standar dari T adalah [T ] = sehingga
3 4

2 1
diperoleh |T | = = 8 3 = 5 6= 0. Jadi, T satu-satu.
3 4
Karena T satu-satu, maka T memiliki invers dan matriks

standar dari T 1 adalah

1 1 4 1 4/5 1/5
[T ] = [T ] = 1/5 =
3 2 3/5 2/5

1 4/5 1/5 w1
sehingga T (w1 , w2 ) = =
3/5 2/5 w2

4/5w1 1/5w2
= (4/5w1 1/5w2 , 3/5w1 + 2/5w2 )
3/5w1 + 2/5w2
Teorema
Suatu transformasi T : R n R m adalah linier jika dan hanya
jika hubungan berikut ini berlaku untuk semua vektor u dan v
pada R n dan setiap skalar k
(a) T (u + v ) = T (u) + T (v )
(b) T (ku) = kT (u)
Teorema
Jika T : R n R m adalah suatu transformasi linier, dan
e1 , e2 , ..., en adalah vektor-vektor basis standar untuk R n , maka
. . .
matriks standar untuk T adalah [T ] = [T (e )..T (e ).......T (e )].
1 2 n
Definisi
Jika T : R n R n adalah suatu operator linier, maka suatu
skalar disebut suatu nilai eigen dari T jika ada suatu vektor
tak nol x R n sehingga
T (x) = x.
Vektor-vektor tak nol x yang memenuhi persamaan ini disebut
vektor eigen dari T yang berpadanan dengan .
Catatan.
Jika A adalah matriks standar dari T , maka persamaan diatas
menjadi Ax = x, sehingga diperoleh:
Nilai eigen dari T tepat merupakan nilai eigen dari matriks
standarnya, A
x adalah vektor eigen dari T yang berpadanan dengan
jika dan hanya jika x adalah suatu vektor eigen dari A yang
berpadanan dengan .
Contoh.
Cari nilai-nilai eigen dan vektor-vektor eigen yang berpadanan
dari T : R 3 R 3 yang merupakan operator proyeksi ortogonal
pada bidang-xy.
Solusi.
1 0 0
Matriks standarnya: [T ] = 0 1 0
0 0 0
Persamaaan karakteristik
dari [T ] adalah

1 0 0

det(I [T ]) = 0 1 0 = 0
0 0
2
Atau ( 1) = 0, diperoleh = 0 dan = 1.
Vektor eigen dari matriks [T] yang berpadanan dengan nilai
eigen adalah penyelesaian
tak nol
dari
1 0 0 x1 0
0 1 0 x2 = 0
0 0 x3 0
Jika
= 0, maka sistem
tersebut
adalah

1 0 0 x1 0
0 1 0 x2 = 0
0 0 0 x3 0
yang mempunyai penyelesaian x1 = 0, x2 = 0, x3 = t sehingga
vektor-vektor
eigen yang berpadanan dengan = 0 berbentuk
x1 0
x2 = 0 dimana t 6= 0
x3 t
Jika
= 1, maka
sistem
tersebut
adalah
0 0 0 x1 0
0 0 0 x2 = 0
0 0 1 x3 0
yang mempunyai penyelesaian x1 = s, x2 = t, x3 = 0 sehingga
vektor-vektor
eigen yang berpadanan dengan = 1 berbentuk
x1 s
x2 = t , dimana s 6= 0,atau t 6= 0
x3 0
Tugas dikumpulkan pada saat UTS

(1) Apakah operator T : R 3 R 3 yang didefinisikan
oleh persamaan-persamaan:
w1 = x1 + 2x2 + 3x3
w2 = 2x1 + 5x2 + 3x3
w3 = x1 + 8x3
merupakan operator linier atau bukan, jika iya

tentukan matriks standarnya.
(2) Tunjukkan bahwa daerah hasil dari operator linier
yang didefinisikan oleh persamaan-persamaan:
w1 = 4x1 2x2
w2 = 2x1 x2
bukan semuanya R 2 ,

dan cari sebuah vektor di R 2 yang tidak berada dalam daerah
hasil tersebut.
(3) Tentukan apakah operator linier T : R 3 R 3 yang
didefinisikan oleh persamaan-persamaan:
w1 = x1 2x2 + 2x3
w2 = 2x1 + x2 + x3
w3 = x1 + x2
merupakan operator satu-satu atau tidak, jika

satu-satu cari matriks standar untuk operator
balikannya, dan cariT 1 (w1 , w2 , w3 ).

(4) Cari nilai-nilai eigen dan vektor eigen yang
berpadanan dari operator T : R 3 R 3 yang
merupakan operator pencerminan terhadap
bidang-yz.
Ruang Vektor Real
Definisi
Misalkan V adalah sebarang himpunan tak kosong dari objek
di mana dua operasi didefinisikan, yaitu penjumlahan (suatu
aturan yang menghubungkan setiap pasangan objek u dan v
dalam V dengan suatu objek u + v ) dan perkalian skalar (suatu
aturan yang menghubungkan setiap skalar k dan setiap objek
u dalam V dengan objek ku). Himpunan V dinamakan ruang
vektor jika semua objek u, v , w dalam V dan semua skalar k
dan l memenuhi semua aksioma berikut.
(1) Jika u dan v adalah objek-objek dalam V maka
u + v berada dalam V .
(2) u + v = v + u
(3) u + (v + w) = (u + v ) + w
(4) Ada suatu objek 0 dalam V , yang disebut suatu
vektor nol untuk V , sehingga 0 + u = u + 0 = u
dalam V
Ruang Vektor Real
Lanjutan Aksioma Ruang Vektor

(5) Untuk setiap u V ada suatu objek u V
sehingga u + (u) = (u) + u = 0
(6) Jika k adalah sebarang skalar dan u V maka
ku V
(7) k (u + v ) = ku + kv
(8) (k + l)u = ku + lu
(9) k (lu) = (kl)u
(10) 1u = u
Selanjutnya, objek/unsur dalam V dinamakan vektor.
Ruang Vektor Real
Catatan. Dalam definisi di atas, skalar dapat berupa

bilangan-bilangn real atau kompleks. Ruang-ruang vektor di
mana skalar tersebut adalah bilangan-bilangan real disebut
ruang vektor real, sedangkan jika skalar tersebut berupa
bilangan-bilangan kompleks maka dinamakan ruang vektor
kompleks. Namun pada pembahasan seterusnya kita berbicara
mengenai ruang vektor real.
Contoh 1
Himpunan V = R n dengan operasi penjumlahan dan perkalian
yang didefinisikan seperti pada pembahasan sebelumnya
memenuhi ke sepuluh aksioma ruang vektor. Oleh karena itu,
R n merupakan ruang vektor real. Tiga kasus khusus yang
paling penting dari R n adalah R (himpunan bilangan real), R 2
(himpunan vektor dalam ruang berdimensi-2/ bidang), dan R 3
(himpunan vektor dalam ruang berdimensi-3).
Ruang Vektor Real
Contoh 2
a b
V = a, b, c, d R merupakan ruang vektor.
c d
(Periksa!!)
Contoh 3
Misalkan V = R 2 dan didefinisikan operasi penjumlahan dan
perkalian skalar sbb.
Jika u = (u1 , u2 ) dan v = (v1 , v2 ) maka didefinisikan
u + v = (u1 + v1 , u2 + v2 ) dan jika k adalah sebarang bilangan
real, maka didefinisikan ku = (ku1 , 0). Himpunan V = R 2
dengan operasi penjumlahan dan perkalian skalar yang
didefinisikan di atas bukan merupakan ruang vektor karena
terdapat aksioma ruang vektor yang tidak dipenuhi yakni:
1u = (1.u1 , 0) = (u1 , 0) 6= (u1 , u2 ) = u.
Ruang Vektor Real
Contoh 4
Misalkan V = {0}, maka V merupakan ruang vektor di bawah
operasi yang didefinisikan sbb. 0 + 0 = 0 dan k 0 = 0 untuk
semua skalar k . Selanjutnya,V dinamakan ruang vektor nol.
Teorema
Misalkan V adalah ruang vektor, u V dan k suatu skalar,
maka:
(a) 0u = 0
(b) k 0 = 0
(c) (1)u = u
(d) Jika k u = 0, maka k = 0 atau u = 0
Ruang Vektor Real
Latihan
Tentukan himpunan manakah berikut ini yang merupakan
ruang vektor di bawah operasi yang diberikan. Untuk himpunan
yang bukan ruang vektor, sebutkan aksioma yang tidak
dipenuhi.
1) Himpunan semua pasangan tiga bilangan real
(x, y , z) dengan operasi
(x, y , z) + (x 0 , y 0 , z 0 ) = (x + x 0 , y + y 0 , z + z 0 ) dan
k (x, y , z) = (kx, y , z)
2) Himpunan semua pasangan tiga bilangan real
(x, y , z) dengan operasi
(x, y , z) + (x 0 , y 0 , z 0 ) = (x + x 0 , y + y 0 , z + z 0 ) dan
k (x, y , z) = (0, 0, 0)
Ruang Vektor Real
Lanjutan soal
3) Himpunan
semua matriks 2x2 yang berbentuk
a 1
dengan operasi penjumlahan dan
1 b
perkalian skalar matriks
4) Himpunan
semua matriks 2x2 yang berbentuk
a 0
dengan operasi penjumlahan dan
0 b
perkalian skalar matriks
Subruang
Definisi
Suatu himpunan bagian W dari suatu ruang vektor V disebut
suatu subruang dari V jika W sendiri adalah suatu ruang vektor
di bawah pejumlahan dan perkalian skalar yang didefinisikan
pada V .
Teorema
Jika W adalah suatu subhimpunan tak kosong dari suatu ruang
vektor V , maka W adalah suatu subruang dari V jika dan
hanya jika syarat-sayarat berikut ini terpenuhi.
(a) Jika u dan w adalah vektor-vektor dalam W , maka
u + v ada dalam W
(b) Jika k adalah sebarang skalar dan u adalah
sebarang vektor dalam W , maka ku ada dalam W .
Subruang
Contoh.
Subruang dari R 2 :
{0}
Garis-garis yang melalui titik asal
R2
Subruang dari R 3 :
{0}
Garis-garis yang melalui titik asal
Bidang-bidang yang melalui titik asal
R3
Subruang
Teorema
Jika Ax = 0 adalah suatu sistem persamaan linier homogen
dari m persamaan dan n peubah, maka himpunan semua
vektor penyelesaiannya adalah subruang dari R n
Contoh.Tinjau
sistem
persamaan

1 2 3 x 0
linier: 2 4 6
y = 0
3 6 9 z 0
Penyelesaian dari SPL di atas adalah x = 2s 3t, y = s, z = t
atau x 2y + 3z = 0 yang merupakan persamaan bidang yang
melalui titik asal dengan vektor normal n = (1, 2, 3).
Subruang
Latihan
Tentukan manakah dari berikut ini merupakan subruang dari
ruang vektor
P3 = {a0 + a1 x + a2 x 2 + a3 x 3 |a1 , a2 , a3 bilangan bilanganreal}
1 himpunan semua polinom a0 + a1 x + a2 x 2 + a3 x 3 dimana
a0 = 0
a0 + a1 + a2 + a3 = 0
a0 , a1 , a2 dan a3 adalah bilangan-bilangan bulat.
Definisi
Suatu vektor w disebut suatu kombinasi linier dari vektor-vektor
v1 , v2 , ..., vr , jika bisa dinyatakan dalam bentuk
w = k1 v1 + k2 v2 + ... + kr vr dengan k1 , k2 , ..., kr adalah skalar.
Contoh.
Periksa apakah vektor w = (9, 2, 7) merupakan kombinasi linier
dari vektor-vektor u = (1, 2, 1) dan v = (6, 4, 2) dalam R 3 .
Penyelesaian.
Akan dicari nilai-nilai k1 , k2 yang memenuhi
(9, 2, 7) = k1 (1, 2, 1) + k2 (6, 4, 2) atau
(9, 2, 7) = (k1 + 6k2 , 2k1 + 4k2 , k1 + 2k2 ), sehingga diperoleh :
k1 + 6k2 = 9
2k1 + 4k2 = 2
k1 + 2k2 = 7
Menyelesaikan sistem ini akan diperoleh k1 = 3, k2 = 2

sehingga w = 3u + 2v . Jadi, vektor w = (9, 2, 7) merupakan
kombinasi linier dari vektor-vektor u = (1, 2, 1) dan
v = (6, 4, 2) dalam R 3 .
Teorema
Jika v1 , v2 , ..., vr adalah vektor-vektor dalam suatu ruang vektor
V , maka:
(a) Himpunan W semua kombinasi linier dari
v1 , v2 , ..., vr merupakan suatu subruang dari V
(b) W adalah subruang terkecil dari V yang memuat
v1 , v2 , ..., vr .
Definisi
Misalkan S = {v1 , v2 , ..., vr } adalah subhimpunan dari suatu
ruang vektor V dan W V dimana setiap vektor dalam W
merupakan kombinasi linier dari vektor-vektor dalam S maka S
dikatakan merentang W dan dinotasikan sebagai
W = rent{S} = span{S}. Himpunan S yang demikian
dinamakan himpunan merentang atau spanning set.
Contoh 1.
Misalkan S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} merentang R 3 karena
setiap vektor v = (a, b, c) R 3 dapat dinyatakan sebagai
v = (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1).
Latihan
Tentukan
1 Apakah vektor (2, 2, 2) dan (0, 4, 5) merupakan kombinasi
linier dari vektor-vektor u = (0, 2, 2) dan v = (1, 3, 1).
2 Apakah himpunan S = {1, x, x 2 , x 3 , ..., x n } merentang
ruang vektor Pn
3 Apakah himpunan S = {(1, 1, 2), (1, 0, 1), (2, 1, 3)}
merentang ruang vektor R 3
Kebebasan Linier
Definisi
Misalkan S = {v1 , v2 , ..., vr } adalah suatu subhimpunan tak
kosong dari suatu ruang vektor V , maka persamaan
k1 v1 + k2 v2 + ... + kr vr = 0 mempunyai paling tidak satu
penyelesaian, yaitu
k1 = 0, k2 = 0, ..., kr = 0
Jika ini adalah satu-satunya penyelesaian, maka S disebut
suatu himpunan yang bebas liniear. Jika ada
penyelesaian-penyelesaian lainnya, maka S disebut himpunan
yang tak-bebas secara liniear.
Contoh 1. Tinjau vektor-vektor i = (1, 0, 0), j = (0, 1, 0) dan

k = (0, 0, 1) dalam R 3 , maka persamaan vektor
k1 (1, 0, 0) + k2 (0, 1, 0) + k3 (0, 1, 0) = (0, 0, 0) atau
(k1 , k2 , k3 ) = (0, 0, 0) diperoleh k1 = 0, k2 = 0, k3 = 0, sehingga
himpunan S = {i, j, k } bebas secara liniear.
Kebebasan Linier
Contoh 2. Misalkan v1 = (2, 1, 0, 3), v2 = (1, 2, 5, 1) dan

v3 = (7, 1, 5, 8), maka himpunan S = {v1 , v2 , v3 } tak-bebas
secara liniear, karena 3v1 + v2 v3 = 0.
Teorema
Suatu himpunan S dengan dua atau lebih vektor disebut:
(a) Tak-bebas secara liniear jika dan hanya jika
terdapat vektor dalam S dapat dinyatakan sebagai
nsuatu kombinasi liniear dari vektor-vektor lainnya
dalam S
(b) Bebas secara liniear jika dan hanya jika tidak ada
vektor dalam S yang dapat dinyatakan sebagai
suatu kombinasi liniear dari vektor-vektor lain
dalam S.
Kebebasan Linier
Teorema
(a) Suatu himpunsn vektor terhingga yang berisi
vektor nol tak bebas secara liniear.
(b) Suatu himpunan dengan tepat dua vektor bebas
secara liniear jika dan hanya jika vektor yang satu
bukan merupakan penggandaan skalar dari vektor
lainnya.
Teorema
Misalkan S = {v1 , v2 , ..., vr } adalah suatu himpunan
vektor-vektor dalam R n . Jika r > n, maka S tak-bebas secara
liniear.
Kebebasan Linier
Definisi
Misalkan f1 = f1 (x), f2 = f2 (x), ..., fn = fn (x) adalah
fungsi-fungsi yang bisa diturunkan sebanyak n 1 kali pada
selang (, ). Wronskian dari f1 , f2 , ..., fn didefinisikan
f1 (x) f2 (x) fn (x)
f10 (x) f20 (x) fn0 (x)

sebagai W (x) = .. .. .. ..

(n1) . . . .
(n1) (n1)

f
1 (x) f 2 (x) f n (x)
Kebebasan Linier
Teorema
Jika fungsi-fungsi f1 , f2 , ..., fn mempunyai n 1 turunan yang
kontinu pada selang (, ), dan jika Wronskian dari
fungsi-fungsi ini tidak sama dengan nol pada (, ), maka
fungsi-fungsi ini membentuk suatu himpunan vektor yang
bebas secara liniear dalam C (n1) (, ).
Contoh.Misalkan f1 = 1,f2 = ex , dan f3 = e2x , maka

1 ex e2x

W (x) = 0 ex 2e2x = 2e3x . Dapat dilihat bahwa
0 ex 4e2x
W (x) 6= 0 untuk semua x dalam selang (, ). Jadi,
S = {f1 , f2 , f3 } bebas secara liniear.
Kebebasan Linier
Latihan
Definisi
Misalkan V adalah sebarang ruang vektor dan
S = {v1 , v2 , ..., vr } V , maka S disebut suatu basis untuk V
jika:
1 S merentang V
2 S bebas linier
Contoh 1. Himpunan S = {e1 , e2 , ..., en } merentang ruang
vektor R n dan juga bebas linier. Oleh karena itu, S basis untuk
ruang vektor R n . Lebih jauh S dinamakan basis standar untuk
Rn.
Contoh 2. Himpunan S = {1, x, x 2 , x 3 , ..., x n } merentang ruang
vektor Pn dan juga bebas linier, maka S basis untuk Pn .Lebih
jauh S dinamakan basis standar untuk Pn .
Contoh.3 Misalkan v1 = (1, 2, 1), v2 = (2, 9, 0), v3 = (3, 3, 4).

Periksa apakah himpunan S = {v1 , v2 , v3 } merupakan basis
bagi ruang vektor R 3 ?
Solusi. Jelas bahwa S R 3 .
i) Akan diperiksa apakah S merentang R 3 . Ambil
b = (b1 , b2 , b3 ) R 3 dan misal
b = c1 v1 + c2 v2 + c3 v3 atau
(b1 , b2 , b3 ) = c1 (1, 2, 1) + c2 (2, 9, 0) + c3 (3, 3, 4).
Diperoleh
c1 + 2c2 + 3c3 = b1
2c1 + 9c2 + 3c3 = b2
c1 + 4c3 = b3
Akan ditunjukkan sistem di atas konsisten.
ii) Akan diperiksa apakah S bebas linier. Misalkan
0 = c1 v1 + c2 v2 + c3 v3 atau
(0, 0, 0) = c1 (1, 2, 1) + c2 (2, 9, 0) + c3 (3, 3, 4).
Diperoleh
c1 + 2c2 + 3c3 = 0
2c1 + 9c2 + 3c3 = 0
c1 + 4c3 = 0
Akan ditunjukkan sistem di atas hanya memiliki penyelesaian

trivial.Kedua kasus i) dan ii) dapat diselesaikan secara
bersamaan yakni dengan memeriksa determinan dari matriks
koefisien dari kedua sistem yg diperoleh. Dapat dilihat bahwa,
matriks
koefisien
kedua sistem
tersebut
sama yakni:
1 2 3 1 2 3

2 9 3 sehingga 2 9 3 = 1 6= 0. Dengan

1 0 4 1 0 4
demikian S merentang R 3 dan bebas linier.Jadi, S basis untuk
R3.
Definisi
Suatu ruang vektor tak nol V disebut berdimensi berhingga jika
V berisi suatu himpunan vektor berhingga {v1 , v2 , ..., vn } yang
membentuk basis. Jika tidak ada himpunan yang demikian
maka V dinamakan ruang vektor berdimensi tak-hingga.
Ruang vektor nol didefinisikan berdimensi berhingga.
Teorema
Jika V adalah suatu ruang vektor berdimensi berhingga dan
{v1 , v2 , ..., vn } adalah sebarang basis, maka:
1 Setiap himpunan dengan lebih dari n vektor adalah
tak-bebas linier.
2 Tidak ada himpunan dengan vektor yang kurang dari n
yang merentang V .
Teorema
Semua basis untuk suatu ruang vektor berdimensi berhingga
mempunyai jumlah vektor yang sama.
Definisi
Dimensi suatu ruang vektor berdimensi berhingga V , yang
dinotasikan sebagai dim(V ), didefinisikan sebagai jumlah
vektor dalam suatu basis untuk V . Ruang vektor nol
didefinisikan mempunyai dimensi nol.
Contoh.
dim(R n ) = n
dim(Pn ) = n + 1
Teorema
Jika V adalah ruang vektor berdimensi n, dan jika S adalah
suatu subhimpunan dari V dengan tepat n vektor, maka S
adalah suatu basis bagi V jika S merentang V atau S bebas
linier.
Teorema
Jika W adalah suatu subruang dari ruang vektor berdimensi
berhingga V , maka dim(W ) dim(V ). Lebih jauh,
dim(W ) = dim(V ) jika dan hanya jika W = V .
Teorema
Misalkan S = {v1 , v2 , ..., vn } adalah suatu basis bagi ruang
vektor V maka setiap vektor v V bisa dinyatakan dalam
bentuk v = c1 v1 + c2 v2 + ... + cn vn dalam tepat satu cara.
Definisi
Skalar-skalar c1 , c2 , ..., cn pada Teorema di atas selanjutnya
dinamakan koordinat v relatif terhadap basis S. Vektor
(c1 , c2 , ..., cn ) dalam R n yang tersusun dari koordinat -koordinat
ini disebut koordinat vektor v relatif terhadap S, dan dinyatakan
dengan (v )S = (c1 , c2 , ..., cn ).
Contoh. Telah diketahui bahwa S = {i, j, k } adalah suatu basis

bagi R 3 . Cari koordinat vektor v = (1, 3, 5) relatif terhadap
basis S.
Solusi.
Karena (1, 3, 5) = 1i + 3j 5k maka (v )S = (1, 3, 5).
Definisi
Untuk
suatu matriks mxn
a11 a12 a1n
a21 a22 a2n
A= . vektor-vektor:

.. .. ..
.. . . .
am1 am2 amn

r1 = a11 a12 a1n
r2 = a21 a22 a2n
.. ..
. .
rm = am1 am2 amn
dalam R n yang dibentuk dari baris-baris A dinamakan
vektor-vektor baris dari A
Lanjutan Definisi
dan vektor-vektor

a11 a12 a1n
a21 a22 a2n
c1 = . , c2 = . , , cn = . dalam R m

.. .. ..
am1 am2 amn
yang dibentuk dari kolom-kolom A dinamakan vektor-vektor
kolom dari A.
Definisi
Jika A adalah suatu matriks mxn, maka subruang dari R n yang
terentang oleh vektor-vektor baris dari A disebut ruang baris
dari A, dan subruang dari R m yang terentang oleh vektor-vektor
kolom dari A disebut ruang kolom dari A. Ruang penyelesaian
dari sistem persamaan linier homogen Ax = 0, yang
merupakan suatu subruang dari R n dinamakan ruang kosong
(ruang Null) dari A.
Teorema
Jika R adalah suatu matriks yang berada dalam bentuk baris
eselon, maka vektor-vektor baris dengan utama 1 (yaitu
vektor-vektor baris tak nol) memebentuk suatu basis bagi
ruang baris dari R, dan vektor-vektor kolom dengan utama 1
dari vektor-vektor baris membentuk suatu basis untuk ruang
kolom dari R.
Contoh 1.
1 2 5 0 3
0 1 3 0 0
Matriks R = 0 0 0 1 0 berada dalam bentuk baris

0 0 0 0 0
eselon. Maka vektor-vektor
r1 = 1 2 5 0 3
r2 = 0 1 3 0 0 membentuk suatu basis untuk
r3 = 0 0 0 1 0
ruang baris dari R,
dan vektor-vektor

1 2 0
0 1 0
c1 =
0 , c2 = 0 , c4 = 1 membentuk suatu

0 0 0
basis untuk ruang kolom dari R.
Contoh
2. Cari basis dari ruang baris
dan ruang kolom dari
1 3 4 2 5 4
2 6 9 1 8 2
A= 2 6 9 1 9 7

1 3 4 2 5 4
Dengan mereduksi A menjadi bentuk baris eselon akan

diperoleh

1 3 4 2 5 4
0 0 1 3 2 6
R= 0 0 0 0

1 5
0 0 0 0 0 0
Maka vektor-vektor
r1 = 1 3 4 2 5 4
r2 = 0 0 1 3 2 6 membentuk basis bagi ruang
r3 = 0 0 0 0 1 5
baris
dari A dan
vektor-vektor
kolom
1 4 5
2 9 8
c1 = 2 , c3 = 9 , c5 = 9

1 4 5
membentuk suatu basis bagi bagi ruang kolom dari A.
Teorema
Jika A adalah sebarang matriks, maka ruang baris dan ruang
kolom dari A memiliki dimensi yang sama.
Definisi
Dimensi bersama dari ruang baris dan ruang kolom dari suatu
matriks A dinamakan peringkat/rank dari A, dinotasikan
rank (A). Sedangkan dimensi dari ruang kosong dari A
dinamakan kekosongan/nullitas dari A dan dinotasikan null(A).
Teorema Dimensi untuk Matriks

Jika A adalah suatu matriks dengan n kolom maka
rank (A) + null(A) = n
Contoh 3.
Misalkan A adalah matriks pada Contoh 2. Maka rank (A) = 3
dan null(A) = 6 3 = 3.
Catatan: Jika A adalah matriks mxn maka

rank (A) min(m, n), dimana min(m, n) menyatakan angka
yang lebih kecil antara m dan n.
Contoh 4. Misalkan A adalah matriks 7x4 maka rank (A) yang
paling tinggi adalah 4, sehingga null(A) yang terendah adalah
0.
Teorema
Jika A adalah sebarang matriks, maka rank (A) = rank (AT ).
Tugas Akhir Semester

1) Periksa apakah himpunan
semuamatriks 2x2
a a+b
yang berbentuk dengan
a+b b
penjumlahan matriks dan perkalian skalar matriks
merupakan ruang vektor atau bukan.
2) Nyatakan vektor (9, 7, 15) sebagai kombinasi
linier dari vektor-vektor u = (2, 1, 4), v = (1, 1, 3)
dan w = (3, 2, 5)
3) Periksa apakah himpunan vektor-vektor
S = {(3, 1, 4), (2, 5, 6), (1, 4, 8)} dan
K = {(1, 6, 4), (2, 4, 1), (1, 2, 5)} merupakan
basis bagi R 3 atau bukan.
Tugas Akhir Semester

4) Tentukan
rank dan nullitas
dari matriks
1 4 5 2
A= 2 1 3 0
1 3 2 2
5) Misalkan A adalah matriks 3x4. Tentukan nilai
maksimum dari rank (AT ) dan nilai minimum dari
null(AT ).

Aljabar Linier

Enviado por

Dados do documento

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 Linier

Enviado por

Direitos autorais:

Formatos disponíveis

HASIL KALI SILANG (CROSS PRODUCT) Ruang-Ruang Vektor Euclidean Ruang-Ruang Vektor Umum

Ni Wayan Switrayni, S.Pd.,M.Si.

November 30, 2015

1 HASIL KALI SILANG (CROSS PRODUCT)

2 Ruang-Ruang Vektor Euclidean

3 Ruang-Ruang Vektor Umum

Hasil Kali Silang Vektor-Vektor

Hasil Kali Silang Vektor-Vektor

Hasil Kali Silang Vektor-Vektor

Contoh.Cari u v dimana u = (1, 2, 2) dan v = (3, 0, 1)

Hasil Kali Silang Vektor-Vektor

Contoh.Cari u v dimana u = (1, 2, 2) dan v = (3, 0, 1)

Sifat-Sifat Hasil Kali Silang

Sifat-Sifat Hasil Kali Silang

Sifat-Sifat Hasil Kali Silang

Bukti. Gunakan sifat-sifat determinan matriks.

Vektor-Vektor Satuan Standar dalam Ruang berdimensi-3

Vektor-Vektor Satuan Standar dalam Ruang berdimensi-3

Tinjau vektor i = (1, 0, 0), j = (0, 1, 0) dan k = (0, 0, 1).

Vektor-Vektor Satuan Standar dalam Ruang berdimensi-3

Tinjau vektor i = (1, 0, 0), j = (0, 1, 0) dan k = (0, 0, 1).

Interpretasi Geometris dari Hasil Kali Silang

Interpretasi Geometris dari Hasil Kali Silang

Interpretasi Geometris dari Hasil Kali Silang

Berdasarkan Identitas Lagrange, diperoleh bahwa:

Diperoleh luas jajaran genjang =alas x

Hasil Kali Skalar Ganda Tiga dan Interpretasi Geometrisnya

Ruang Berdimensi-n Euclidean

Vektor-Vektor Dalam Ruang Berdimensi-n

Ruang Berdimensi-n Euclidean

Vektor-Vektor Dalam Ruang Berdimensi-n

Vektor nol dalam R n dinyatakan dengan 0 dan didefinisikan

Ruang Berdimensi-n Euclidean

Sifat-Sifat Operasi Vektor Dalam R n

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Contoh. Hasil kali dalam Euclidean dari vektor-vektor

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Contoh. Jika u = (1, 3, 2, 7) dan v = (0, 7, 2, 2), maka dalam

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Teorema. (Ketaksamaan Cauchy-Schwarz dalam R n )

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Diperoleh (u v )2 /(v v ) (u u) atau (u v )2 (u u)(v v ).

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Ruang Berdimensi-n Euclidean

Hasil Kali Dalam Euclidean, Norma Euclidean, Jarak Euclidean

Ruang Berdimensi-n Euclidean

Contoh. Dalam ruang Euclidean R n , vektor-vektor

Teorema Pythagoras untuk R n

Ruang Berdimensi-n Euclidean

Notasi-Notasi Alternatif untuk Vektor-Vektor dalam R n

Suatu vektor u = (u1 , u2 , ..., un ) dalam R n dapat ditulis

Ruang Berdimensi-n Euclidean

Sebuah Rumus Matriks untuk Hasil Kali Titik