BAB 5 RUANG VEKTOR UMUM Dr. Ir. Abdul Wahid Surhim, MT.

KERANGKA PEMBAHASAN
1. Ruang Vektor Nyata
2. Subruang
3. Kebebasan Linier
4. Basis dan Dimensi
5. Ruang Baris, Ruang Kolom dan Ruang Nul
6. Rank dan Nulitas
PENGANTAR
Pada bab sebelumnya: generalisasi vektor R2 dan R3 ke Rn
Pada bab ini akan mengumumkan vektor lebih lanjut sehingga
disebut saja: VEKTOR
Di sini bukan hanya teori, tapi aplikasi: ALAT yang sangat
berguna untuk memperluas visualisasi geometrik kita terhadap
berbagai permasalahan matematika yang penting
Kita dapat menggambarkan R2 dan R3 sebagai garis, yang
memperkenankan kita menggambar atau membentuk gambar
mental untuk membantu menyelesaikan permasalahan tersebut
5.1 RUANG VEKTOR NYATA
Pada sub-bab ini kita akan memperluas konsep sebuah vektor
dengan mengambil sifa-sifat penting vektor yang sudah dikenal
kemudian dijadikan AKSIOMA
Setiap sekumpulan obyek yang cocok dengan suatu aksioma,
secara otomatis memiliki sifa-sifat penting vektor yang sudah
dikenal
Selanjutnya, kumpulan obyek tersebut dapat diterima sebagai
VEKTOR JENIS BARU
AKSIOMA RUANG VEKTOR
V adalah kumpulan obyek bukan kosong yang dapat didefinisikan
dengan dua operasi: penambahan dan perkalian skalar
Jika operasi-operasi berikut berlaku untuk semua u, v, w dan V,
maka V adalah RUANG VEKTOR, sedangkan obyek-obyek
tersebut ada di dalam vektor V
1. Jika u dan v adalah obyek di dalam V, maka u + v ada di
dalam V
2. u + v = v + u
3. u + (v + w) = (u + v) + w
4. Ada sebuah obyek 0 di V, disebut vektor nol untuk V,
sehingga 0 + u = u + 0 = u untuk semua u di V
5. Untuk semua u di V, ada obyek –u di V, disebut u
negatif, sehingga u + (-u) = (-u) + u = 0
6. Jika k adalah skalar sembarang dan u adalah obyek
sembarang di V, maka ku ada di V
7. k(u + v) = ku + kv
8. (k + m)u = ku + mu
9. k (mu) = (km)(u)
10.1u = u
CONTOH
Diketahui V adalah kumpulan fungsi nilai-nyata yang didefinisikan
pada garis bilangan nyata (-, ). Jika f(x) dan g(x) adalah dua
fungsi dan k adalah bilangan nyata, definisikan penjumlahan fungsi
f(x)+g(x) dan kf(x).
JAWAB
CONTOH
Kumpulan semua pasang bilangan nyata (x,y) dengan operasi
(x,y) + (x’,y’) = (x+x’,y+y’) dan k(x,y) = (2kx,2ky)
Apakah ini termasuk ruang vektor? Kalau tidak, manakah aksioma
yang gagal?
JAWABAN
BUKAN termasuk ruang vektor karena gagal di aksioma 9 dan 10:
9. k (mu) = (km)(u)
10. 1u = u
CONTOH: SETIAP BIDANG MELALUI ASALNYA
ADALAH SEBUAH RUANG VEKTOR
V adalah bidang melalui asalnya di R3. Kita akan menunjukkan bahwa titik-
titik di V membentuk ruang vektor di bawah operasi penjumlahan dan
perkalian yang standar untuk vektor di R3. Telah dibuktikan bahwa R3 itu
sendiri adalah ruang vektor di bawah operasi-operasi ini sehingga telah
memenuhi aksioma 2, 3, 7, 8, 9 dan 10. Sekarang kita buktikan aksioma
sisanya (1, 4, 5, dan 6). Karena V bidang melalui asalnya maka:
ax + by + cz = 0
Jika u = (u1,u2,u3) dan v = (v1,v2,v3) adalah titik di V, maka au1 + bu2 + cu3 =
0 dan av1 + bv2 + cv3 = 0. Penjumlahan kedua garis:
a(u1+v1) + b(u2+v2) + c(u3+v3) = 0
Bukti aksioma 1: u + v = (u1+v1,u2+v2,u3+v3), sehingga u + v ada di V
Bukti aksioma 4: 0 + u = u + 0 = u
0 = (0,0,0) maka (0,0,0) + (u1,u2,u3) = (u1,u2,u3) + (0,0,0) = (u1,u2,u3)
Bukti aksioma 5: u + (-u) = (-u) + u = 0
(u1,u2,u3) + (-u1,-u2,-u3) = (-u1,-u2,-u3) + (u1,u2,u3) = (0,0,0)
Bukti aksioma 6: ku = k(u1,u2,u3) = (ku1,ku2,ku3)
SIFAT-SIFAT RUANG VEKTOR
5.2 SUBRUANG
Misalkan W merupakan subhimpunan dari sebuah ruang vektor V
W dinamakan subruang (subspace) V
jika W juga merupakan ruang vektor yang tertutup terhadap operasi
penjumlahan dan perkalian dengan skalar.
Syarat W disebut subruang dari V adalah :
1. W  { }
2. W  V
3. Jika u , v W maka u  v  W
4. Jika u  W dan k  Riil maka k u  W
Contoh :
Tunjukan bahwa himpunan W yang berisi semua matriks
orde 2x2 dengan setiap unsur diagonalnya adalah nol
merupakan subruang dari ruang vektor matriks M2x2

Jawab :

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

Ini menunjukan bahwa A B W

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

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

Ini menunjukan bahwa kA W

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

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

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

 0 0  , jelas bahwa det (A) = 0

B   
b a
Perhatikan bahwa :

a b
A B =  
b a

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

Jadi D bukan merupakan subruang

karena tidak tertutup terhadap operasi penjumlahan
KOMBINASI LINEAR
Sebuah vektoru
dinamakan kombinasi linear dari vektor – vektor
v1, v2 , … , vn
jika vektor – vektor tersebut
dapat dinyatakan dalam bentuk :

u  k1v1  k 2v2  ...  k n vn

dengan k1, k2, …, kn adalah skalar Real.
CONTOH
Misal u = (2, 4, 0), dan v = (1, –1, 3)
adalah vektor-vektor di R3.
Apakah vektor berikut merupakan kombinasi linear
dari vektor – vektor di atas
a. a = (4, 2, 6)
b. b = (1, 5, 6)

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

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

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

dengan OBE dapat kita peroleh :

2 1 1   1 12 0  1 1
2
1
2 
     
 4 -1 5  ~ 0 -3 3 ~ 0 1 2
 0 3 6   0 3 6   0 0 3 


Baris terakhir pada matriks ini menunjukkan bahwa SPL tersebut

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

artinya vektor nol merupakan kombinasi linear

dari vektor apapun.
MEMBANGUN RUANG VEKTOR
Himpunan vektor
S  v1 , v 2 , ... , v n 
dikatakan membangun suatu ruang vektor V jika setiap vektor
pada V selalu dapat dinyatakan sebagai kombinasi linear dari
vektor – vektor di S.

Contoh : Tentukan apakah

v1 = (1, 1, 2),
v2 = (1, 0, 1), dan membangun V???
v3 = (2, 1, 3)
Jawab :
Ambil sembarang vektor di R2
misalkan  u1 
 
u  u2 
u 
.  3
Tulis :

u  k1v1  k 2 v 2  k 3 v 3
.

Sehingga dapat ditulis dalam bentuk :

1 1 2  k1   u1 
1 0 1  k   u 
 
   2  2
2 1 3  k3  u 
 3
Syarat agar dapat dikatakan kombinasi linear
SPL tersebut harus mempunyai solusi (konsisten)
Dengan OBE diperoleh :

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

Ini kontradiksi dengan pengambilan vektor sembarang

(unsur – unsurnya bebas, tak bersyarat)

Dengan demikian vektor – vektor tersebut tidak membangun R3

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

JIKA SPL homogen :

k1u1  k 2 u1  ...  k n u n  0

hanya mempunyai satu solusi (tunggal), yakni

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

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

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

Jadi
a , b , c adalah vektor-vektor yang bergantung linear.
INTERPRETASI GEOMETRI KEBEBASAN LINEAR
 Di R2 atau R3, kumpulan dua vektor BEBAS LINEAR jika dan hanya jika vektor-
vektor tersebut TIDAK terletak pada garis yang sama saat ditempatkan titik
awalnya di asalnya (titik O)

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

Karena, ada r anu sedangkan persamaannya n

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

Nilai x = 0 maka W = 0, x = /2 maka W ≠ 0

2. Wronskiannya:

Nilai x berapa pun tidak ada yang membuat nilai W menjadi nol
5.4 BASIS DAN DIMENSI
Jika V adalah sembarang ruang vektor dan S = { ū1, ū2, … ,
ūn } merupakan himpunan berhingga dari vektor – vektor di V,
maka S dinamakan basis bagi V

Jika kedua syarat berikut dipenuhi :

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

merupakan basis bagi matriks berukuran 2 x 2

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

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

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

juga merupakan basisnya.

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

Solusi umumnya:
Dalam bentuk vektor dapat ditulis:
−1 −1
1 0
= 0 dan = −1 sebagai basis  Dimensi = 2
0 0
0 1
CONTOH
Temukan basis subruang P2 (polynomial 2) yang dijangkau oleh vektor berikut:
1− +3 , 2+2 −6 , 3+3 −9
JAWABAN:
1 −3 1 1 −3 1
2 −6 2 Baris 2 dan 3 proporsional terhadap baris 1, sehingga hasil OBE: 0 0 0
3 −9 3 0 0 0

Hanya ada satu solusi yang mungkin: 1 − +3

5.5 RUANG BARIS, RUANG KOLOM DAN RUANG
NUL
 1  2 1 1 
  Vektor baris
A 1 2 3 1 
 1 2 2  1 
 
Vektor kolom

Kolom yang memiliki leading 1 disebut

RUANG KOLOM

Perhatikan kolom-kolom pada matriks hasil OBE

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

BARIS yang memiliki leading 1 disebut

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

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

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

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

JAWABAN
Ruang nol dari A adalah ruang solusi sistem homogenya:

Seperti pada contoh sebelumnya, vektor solusinya yang membentuk ruang vektor:
5.6 RANK DAN NULITAS
Dari contoh sebelumnya:  1  2 1 1 
 
A 1 2 3 1 
 1 2 2  1 

basis ruang kolom basis ruang baris
  1   1  
  1   1      
       2   2  
 1 ,  3    ,   
 1   2  
       1   3  
 1    1 
 

Dimensi basis ruang baris = ruang kolom

dinamakan rank. Jadi rank dari matriks A adalah 2.
Contoh :
Diberikan SPL homogen :
2p + q – 2r – 2s = 0
p – q + 2r – s =0
–p + 2q – 4r + s = 0
3p – 3s =0
Tentukan basis ruang solusi dari SPL di atas
Jawab :
SPL dapat ditulis dalam bentuk :
 2 1 2 2 0
 
 1 1 2 1 0
 1 2  4 1 0
 
 3 0 0 3 0 

dengan melakukan OBE diperoleh :
1 0 0  1 0
 
0 1  2 0 0
0 0 0 0 0
 
0 0 0 0 0 

Solusi SPL homogen tersebut adalah :

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

Dimensi dari basis ruang solusi dinamakan nulitas.

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

Hasil eselon baris terreduksi:

berarti
NULITAS (A) = 4