abstrak - asimtot.files.wordpress.com · home page title page jj ii j i page1of132 go back full...
TRANSCRIPT
Home Page
Title Page
JJ II
J I
Page 1 of 132
Go Back
Full Screen
Close
Quit
Catatan Kuliah Aljabar Linier
24 Agustus 2009
AbstrakDalam catatan kuliah ini diberikan beberapa materi dari mata ku-liah Aljabar Linier untuk program Sarjana (S1) jurusan matema-tika FMIPA-ITS. Materi kuliah berupa perencanaan yang disajikanagar mempermudah peserta ajar dalam proses belajar mengajar.Peserta ajar diharapkan mempersiapkan diri melalui pemahamanyang dipunyai sebelumnya dan menambah kekurangan pemahamanpengetahuannya yang dirasa kurang saat proses belajar mengajardi kelas. Juga agar mempermudah proses belajar mengajar digu-nakan alat bantu perangkat lunak Euler. Selain itu materi kuliahini disesuai dengan Kurikulum 2009.
Home Page
Title Page
JJ II
J I
Page 2 of 132
Go Back
Full Screen
Close
Quit
Rencana materi yang akan dibahas dalam kelas adalah:
• Lapangan dan Ruang Vektor.
• Ruang-bagian Vektor.
• Himpunan Pembentang, Bebas linier dan Basis.
• Dimensi, Jumlahan Langsung, Koordinat dan Basis Teru-
rut.
• Pemetaan linier pada Ruang Vektor.
• Pemetaan linier dan Aljabar matriks.
• Perubahan dari Basis.
• Rank, Determinan dan Invers.
• Bentuk Echelon dari suatu Matriks.
• Eigenvektor dan Eigenvalue.
• Orthogonalitas (Proses Orthogonalitas Gram-Schmidt).
• General Invers.
Home Page
Title Page
JJ II
J I
Page 3 of 132
Go Back
Full Screen
Close
Quit
Lapangan(Field)
Suatu lapangan adalah suatu himpunan K 6= ∅ bersama-sama
dengan dua operasi tambah (+) dan kali (.) sehingga untuk
semua a, b, c ∈ K memenuhi:
• (a + b) ∈ K (tertutup).
• a + b = b + a (komutatif).
• (a + b) + c = a + (b + c) (assosiatif).
• Ada 0 ∈ K sehingga a + 0 = 0 + a (elemen netral).
• Ada suatu −a ∈ K sehingga a + (−a) = −a + a = 0 (invers).
• (a.b) ∈ K (tertutup).
• a.b = ba (komutatif).
• (a.b).c = a.(b.c) (assosiatif).
• Ada 1 ∈ K sehingga a.1 = 1.a = a (elemen identitas).
• Bila a 6= 0, maka ada a−1 ∈ K sehingga a.a−1 = a−1.a = 1
(invers).
• a.(b + c) = (a.b) + (a.c) (distributif).
Home Page
Title Page
JJ II
J I
Page 4 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Himpunan bilangan rasional Q, himpunan bilangan riil Rdan himpunan bilangan kompleks C.
2. Himpunan bilangan bulat modulo p dinotasikan oleh Zp,
dengan p bilangan prima.
Contoh 1. adalah lapangan takhingga sedangkan Contoh 2.
lapangan hingga. Dalam Contoh 2., bila p bukan bilangan
prima, maka Zp bukan lapangan.
Ruang Vektor
Suatu himpunan V dengan dua operasi tambah dan kali
dikatakan suatu ruang vektor atas lapangan K bila memenuhi:
1. Bila u,v,w ∈ V , maka u + v ∈ V dan
• u + v = v + u
• (u + v) + w = u + (v + w)
• Ada 0 ∈ V sehingga v + 0 = 0 + v,∀v ∈ V• Untuk setiap v ∈ V ada w ∈ V sehingga v + w = w + v = 0
Home Page
Title Page
JJ II
J I
Page 5 of 132
Go Back
Full Screen
Close
Quit
2. Bila a, b ∈ K dan u,v ∈ V , maka av ∈ V dan
• (a + b)v = av + bv
• a(u + v) = av + au
• (ab)v = a(bv)
• 1v = v
Contoh
1. Himpunan R2 adalah ruang vektor atas lapangan R, dimana(x1
x2
)+
(y1
y2
)def=
(x1 + y1
x2 + y2
),∀(x1
x2
),
(y1
y2
)∈ R2
dan
a
(x1
x2
)def=
(ax1
ax2
),∀a ∈ K dan ∀
(x1
x2
)∈ R2.
2. Himpunan Rn juga ruang vektor atas R dengan definisi ope-
rasi tambah dan kali diberikan seperti di Contoh 1. Pe-
nambahan dalam Contoh 1. dinamakan penambahan secara
komponen yang bersesuaian.
Home Page
Title Page
JJ II
J I
Page 6 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh............
3. Himpunan matriks m×n dengan elemen elemennya bilangan
riil
Mm,n(R) =
a11 . . . a1n... . . . ...
am1 . . . amn
∣∣∣∣∣∣aij ∈ R
dimana penambahan matriks diberikan oleh:
a11 . . . a1n... . . . ...
am1 . . . amn
+
b11 . . . b1n... . . . ...
bm1 . . . bmn
def
=
a11 + b11 . . . a1n + b1n... . . . ...
am1 + bm1 . . . amn + bmn
sedangkan perkalian skalar α ∈ R dengan matriks diberikan
oleh:
α
a11 . . . a1n... . . . ...
am1 . . . amn
def
=
αa11 . . . αa1n... . . . ...
αam1 . . . αamn
.
Maka Mm,n(R) adalah suatu ruang vektor atas lapangan R.
Home Page
Title Page
JJ II
J I
Page 7 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh............
4. Misalkan F adalah suatu lapangan dan himpunan semua
fungsi, yaitu V = {f : F → F} dimana (f + g)(x)def= f (x) +
g(x),∀x ∈ F dan (αf )(x)def= αf (x), dimana α ∈ F. Maka V
adalah ruang vektor F .
5. Misalkan F adalah suatu lapangan dan himpunan semua
polinomial berderajad kurang atau sama dengan n yaitu
Pn(F) = {p(x) = a0 + a1x+ . . .+ anxn | ai ∈ F} dimana (p+ q)(x)
def=
p(x) + q(x),∀x ∈ F dan (αp)(x)def= αp(x), dimana α ∈ F. Maka
Pn(F) adalah ruang vektor atas F.
6. Himpunan l∞ = {a = (a1, a2, . . .) | an ∈ R, sup(|an|) <∞} dimana
a+ bdef= (a1 + b1, a2 + b2, . . .) dan αa
def= (αa1, αa2, . . .), α ∈ R. Maka
l∞ adalah ruang vektor atas lapangan R.
7. Himpunan fungsi terdifferensial tak berhingga pada inter-
val [a, b], yaitu C∞[a, b], dimana definisi penambahan fungsi
dan perkalian skalar dengan fungsi seperti dalam Contoh 4.
merupakan ruang vektor atas lapangan riil R.
8. Himpunan fungsi-fungsi V = {f : R → R | d2fdx2 + f = 0} di-
mana definisi penambahan fungsi dan perkalian skalar de-
ngan fungsi seperti dalam Contoh 4. merupakan ruang vek-
tor atas lapangan riil R.
Home Page
Title Page
JJ II
J I
Page 8 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan beberapa sifat dari suatu ruang vektor V
atas lapangan K. Misalkan V adalah suatu ruang vektor atas
lapangan K, maka
(1). 0v = 0, 0 adalah elemen netral di K dan v ∈ V .
(2). (−1v) + v = 0, dimana −1 ∈ K.
(3). α0 = 0, dimana α ∈ K.
Bukti
(1). v = (1 + 0)v = v + 0v, kedua ruas tambahkan dengan vektor
w yang memenuhi w + v = 0, didapat: w + v = w + v + 0v
atau 0 = 0 + 0v. Terlihat bahwa 0v = 0.
(2). (−1v) + v = (−1 + 1)v = 0v = 0.
(3). α0 = α(00) = (α0)0 = 00 = 0.
Ruang Bagian
Misalkan V suatu ruang vektor atas lapangan K. HimpunanS ⊂ V (S 6= ∅) dikatakan suatu ruang bagian bila S sendiridengan operasi tambah dan kali seperti di V tetap merupakanruang vektor atas K.
Home Page
Title Page
JJ II
J I
Page 9 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Himpunan
B =
x
y
z
∣∣∣∣∣∣x + y + z = 0
adalah ruang bagian dari ruang vektor R3 atas R.
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = {f : R→ R} dan D ⊂ V , dimana
D =
{f ∈ V
∣∣∣∣d2f
dx2+ f = 0
}, maka D adalah ruang bagian dari
ruang vektor V atas R.
3. Himpunan P3(R) adalah ruang bagian dari ruang vektor
Pn(R) atas lapangan R dengan n ≥ 3.
4. Himpunan S ={
(an) ∈ l∞ | limn→∞
an = x, x ∈ R}
adalah ruang
bagian dari ruang vektor l∞ atas lapangan R.
Home Page
Title Page
JJ II
J I
Page 10 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan suatu sifat (pernyataan) yang ekivalen
dengan pernyataan dari suatu ruang bagian.
Himpunan S adalah suatu ruang bagian dari suatu ruang
vektor V atas lapangan K bila dan hanya bila x1s1 + x2s2 ∈ S
untuk setiap x1, x2 ∈ K dan s1, s2 ∈ S.
Bukti Misalkan S ruang bagian dan x1, x2 ∈ K juga s1, s2 ∈ S,
maka x1s1 ∈ S dan x2s2 ∈ S. Oleh karena itu, x1s1 + x2s2
juga di S. Sebaliknya, misalkan x1s1 + x2s2 ∈ S untuk setiap
x1, x2 ∈ K dan s1, s2 ∈ S. Akan ditunjukkan bahwa S adalah
ruang vektor atas K. Sifat 2. dari ruang vektor otoma-
tis diwarisi dari V , begitu juga sifat komutatif, assosiatif
di sifat 1., diwarisi dari V . Untuk x1 = x2 = 1, didapat
1s1 + 1s2 = s1 + s2 ∈ S (tertutup). Untuk x1 = x2 = 0 didapat
0s1 + 0s2 = 0(s1 + s2) = 0 ∈ S. Oleh karena itu, untuk x1 = x2 = 1
dan setiap s ∈ S, didapat 1s + 10 = s + 0 = s = 0 + s = 10 + 1s ∈ S.
Selanjutnya untuk x1 = 1, x2 = −1 dan setiap s ∈ S didapat
1s + (−1)s = (1 + (−1))s = 0s = 0 (s punya invers yaitu −s).
Catatan Pernyataan x1s1 + x2s2 ∈ S untuk setiap x1, x2 ∈ K dans1, s2 ∈ S, dapat diganti oleh x1s1 + x2s2 + . . . + xnsn ∈ S untuksetiap x1, x2, . . . , xn ∈ K dan s1, s2, . . . , sn ∈ S.
Home Page
Title Page
JJ II
J I
Page 11 of 132
Go Back
Full Screen
Close
Quit
Contoh penggunaan sifat ruang bagian
1. Himpunan
B =
x
y
z
∣∣∣∣∣∣x + y + z = 0
adalah ruang bagian dari ruang vektor R3 atas R. Sebab,
untuk setiap v1,v2 ∈ B, maka
v1 =
x1
y1
z1
=
−y1 − z1
y1
z1
= y1
−1
1
0
+ z1
−1
0
1
,
v2 =
x2
y2
z2
=
−y2 − z2
y2
z2
= y2
−1
1
0
+ z2
−1
0
1
.
Sehingga untuk a, b ∈ R, didapat:
av1 + bv2 = (ay1 + by2)
−1
1
0
+ (az1 + bz2)
−1
0
1
∈ B.
Home Page
Title Page
JJ II
J I
Page 12 of 132
Go Back
Full Screen
Close
Quit
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = {f : R→ R} dan D ⊂ V , dimana
D =
{f ∈ V
∣∣∣∣d2f
dx2+ f = 0
}, maka D adalah ruang bagian dari
ruang vektor V atas R. Sebab, misalkan f, g ∈ D dan a, b ∈ R,
maka
d2(af + bg)
dx2+ (af + bg) = a
d2f
dx2+ af + b
d2g
dx2+ bg
= a(d2f
dx2+ f ) + b(
d2g
dx2+ g) = a0 + b0 = 0.
Jadi af + bg ∈ D.
3. Himpunan P3(R) adalah ruang bagian dari ruang vektor
Pn(R) atas lapangan R dengan n ≥ 3. Sebab, misalkan
p(x), q(x) ∈ P3(R) dan a, b ∈ R, maka
ap(x) + bq(x) = a(a0 + a1x + a2x2 + a3x
3) + b(b0 + b1x + b2x2 + b3x
3)
= (aa0 + bb0) + (aa1 + bb1)x + (aa2 + bb2)x2
+(aa3 + bb3)x3.
Jadi ap(x) + bq(x) ∈ P3(R).
Home Page
Title Page
JJ II
J I
Page 13 of 132
Go Back
Full Screen
Close
Quit
Himpunan Pembentang, Bebas linier dan Basis
Misalkan V suatu ruang vektor atas K dan S ⊂ V . Himpunan
pembentang dari S adalah himpunan:
< S >def= {x1s1 + . . . + xnsn | x1, . . . , xn ∈ K, s1, . . . , sn ∈ S}.
Penulisan x1s1 + . . .+xnsn juga dinamakan kombinasi linier dari
vektor-vektor s1, . . . , sn. Berikutini diberikan sifat dari suatu
< S > sebgaimana berikut.
Bila V merupakan suatu ruang vektor atas K dan S ⊂ V , maka
< S > adalah suatu ruang bagian dari V .
Bukti Misalkan v = x1s1 + . . .+ xnsn dan w = xn+1sn+1 + . . .+ xmsmdi < S > dan a, b ∈ K, maka
av + bw = a(x1s1 + . . . + xnsn) + b(xn+1sn+1 + . . . + xmsm)
= (ax1)s1 + . . . + (axn)sn + (bxn+1)sn+1 + . . . + (bxm)sm.
Terlihat bahwa av + bw ∈< S >, oleh karena itu < S > adalahruang bagian dari V .
Home Page
Title Page
JJ II
J I
Page 14 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Misalkan V ruang vektor atas K untuksetiap v ∈ V , maka < {v} >= {kv | k ∈ K}.
2. Misalkan ruang vektor R3 atas R, maka< {e1, e2} >= R2 dimana e1 = (1, 0, 0)′ dane2 = (0, 1, 0)′. Sebab,
R2 =
xy0
∣∣∣∣∣∣x, y ∈ R
=
x
100
+ y
010
∣∣∣∣∣∣x, y ∈ R
= {xe1 + ye2 | x, y ∈ R} =< {e1, e2} > .
Home Page
Title Page
JJ II
J I
Page 15 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan sifat dari suatu him-punan pembentang. Misalkan V suaturuang vektor atas K dan 〈S〉 adalah suatuhimpunan pembentang dari S dan v ∈ V ,maka 〈S〉 = 〈S ∪ {v}〉 bila dan hanya bilav ∈ 〈S〉
Bukti. Misalkan 〈S〉 = 〈S ∪ {v}〉, jelasbahwa v ∈ 〈S ∪ {v}〉. Jadi juga v ∈ 〈S〉.Sebaliknya misalkan bahwa v ∈ 〈S〉, akanditunjukkan bahwa 〈S〉 = 〈S ∪ {v}〉. Je-las bahwa S ⊂ 〈S ∪ {v}〉. Tinggal menun-jukkan bahwa 〈S ∪ {v}〉 ⊂ 〈S〉.Tulis v =a0s0 + . . . + ansn dan misalkan w ∈ 〈S ∪ {v}〉.Didapat w = b0v + an+1sn+1 + . . . + amsm =(b0a0)s0 + . . .+ (b0an)sn+ an+1sn+1 + . . .+ amsm.Terlihat bahwa w ∈ 〈S〉. Jadi 〈S ∪ {v}〉 ⊂ 〈S〉dan karena 〈S〉 ⊂ 〈S ∪ {v}〉, oleh karena ituharuslah 〈S〉 = 〈S ∪ {v}〉.
Home Page
Title Page
JJ II
J I
Page 16 of 132
Go Back
Full Screen
Close
Quit
Contoh Misalkan dalam R3, vektor-vektor
v1 =
1
0
0
,v2
0
1
0
dan v3 =
2
3
0
.
Didapat v3 = 2v1 + 3v2, jadi v3 ∈ 〈{v1,v2}〉. Maka dari itu,〈{v1,v2}〉 = 〈{v1,v2,v3}〉.
Sifat dari suatu himpunan pembentangyang dibahas sebelumnya, mengatakanbahwa suatu vektor v bisa dihapus un-tuk memperoleh himpunan baru S de-ngan himpunan pembentang yang samabila dan hanya bila v merupakan kombinasilinier dari vektor-vektor di S. Jadi den-gan pengertian ini, suatu himpunan S ⊂V adalah minimal bila dan hanya bila iatidak memuat vektor-vektor yang meru-pakan kombinasi linier dari vektor-vektoryang lainnya dalam himpunan tersebut.
Home Page
Title Page
JJ II
J I
Page 17 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan suatu pengertian mengenai bebas lin-
ier. Vektor-vektor v1,v2, . . . ,vn di suatu ruang vektor V atas
lapangan K dikatakan bebas linier bila vektor vi, i = 1, 2, . . . , n
bukan merupakan suatu kombinasi linier dari vektor-vektor
yang lainnya. Bila tidak demikian, maka vektor-vektor
vj, j = 1, 2, . . . , n dikatakan bergantungan linier.
Misalkan Vektor-vektor s1, . . . , sn ∈ S ⊂ V , dengan V suatu
ruang vektor atas K, vektor-vektor si, i = 1, 2 . . . , n bebas linier
bila dan hanya bila x1s1 + . . . + xnsn = 0, xi ∈ K dipenuhi hanya
untuk x1 = . . . = xn = 0.
BuktiMisalkan si ∈ S, i = 1, 2 . . . , n bebas linier dan andaikan x1s1+. . .+xnsn = 0 tetapi untuk beberapa i, xi 6= 0. Didapat si = (−x1
xi)s1 +
. . . + (−xi−1xi
)si−1 + (−xi+1xi
)si+1 + . . . + (−xnxi
)sn. Terlihat bahwa simerupakan kombinasi linier dari vektor-vektor sj, j 6= i. Hal inibertentangan dengan kenyataan bahwa si, i = 1, 2, . . . , n bebaslinier. Jadi haruslah x1s1 + . . . + xnsn = 0 dipenuhi hanya untukx1 = . . . = xn = 0. Selanjutnya misalkan x1s1+. . .+xnsn = 0, xi ∈ Kdipenuhi hanya untuk x1 = . . . = xn = 0, maka jelas bahwasi, i = 1, 2 . . . , n bebas linier. Bila tidak berarti bahwa untukbeberapa i, si = c1s1 + . . . + ci−1si−1 + ci+1si+1 + . . . + cnsn atau0 = c1s1 + . . .+ci−1si−1 +cisi+ci+1si+1 + . . .+cnsn dengan ci = −1. Inibertentangan dengan kenyataan bahwa 0 = c1s1 + . . .+ ci−1si−1 +cisi+ci+1si+1 + . . .+cnsn dipenuhi hanya unuk ci = 0, i = 1, 2, . . . , n.
Home Page
Title Page
JJ II
J I
Page 18 of 132
Go Back
Full Screen
Close
Quit
Komentar Pernyataan vektor-vektor si, i =1, 2 . . . , n dalam ruang vektor V atas K be-bas linier ekivalen dengan x1s1 + . . .+ xnsn =0, xi ∈ K dipenuhi hanya untuk x1 = . . . =xn = 0. Bila V = Rn dan K = R, makavektor-vektor si, i = 1, 2 . . . , n dalam ruangvektor Rn atas R bebas linier mempunyaiarti bahwa sistem persamaan linier homo-gin x1s1 + . . .+xnsn = 0 mempunyai penyele-saian trivial, yaitu xi = 0, i = 1, 2, . . . , n. Bilapersamaan homogin ini mempunyai jawabnon trivial, yaitu xi 6= 0 untuk beberapa i,maka hal ini berarti bahwa vektor-vektorsi tsb. tidak bebas linier atau bergantung-an linier. Bila vektor s 6= 0 di ruang vek-tor Rn dan memenuhi s = x1s1 + . . . + xnsn,yaitu vektor s merupakan kombinasi linierdari vektor-vektor s1, . . . , sn. Hal ini berartibahwa sistem persamaan linier tak homo-gin s = x1s1 + . . . + xnsn, mempunyai jawabx = (x1, . . . , xn)′.
Home Page
Title Page
JJ II
J I
Page 19 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Dalam R4 vektor (1, 4,−2, 6)′ adalah kombinasi linier dari
dua vektor (1, 2, 0, 4)′ dan (1, 1, 1, 3)′, sebab: (1, 4,−2, 6)′ =
3(1, 2, 0, 4)′ − 2(1, 1, 1, 3)′. Sedangkan vektor (2, 6, 0, 9)′ bukan
kombinasi linier (1, 2, 0, 4) dan (1, 1, 1, 3)′, sebab bila (2, 6, 0, 9)′ =
x1(1, 2, 0, 4)′ + x2(1, 1, 1, 3)′ ekivalen dengan sistem persamaan
linier
x1 + x2 = 2
2x1 + x2 = 6
x2 = 0
4x1 + 3x2 = 9
mudah dicek bahwa sistem persamaan linier ini tidak mem-
punyai jawab.
2. Misalkan ruang vektor V = {f : R → R} atas R, maka
fungsi cos 2x merupakan kombinasi linier dari fungsi-fungsi
cos2 x, sinh2 x dan cosh2 x, sebab cos 2x = 2 cos2 x+sinh2 x−cosh2 x,
ingat bahwa cos 2x = 2 cos2 x− 1 dan cosh2 x− sinh2 x = 1.
3. Dilanjutkan halaman berikutnya!
Home Page
Title Page
JJ II
J I
Page 20 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh
3. Misalkan tiga vektor v1 = (1, 2, 3)′,v2 = (3, 2, 1)′ dan v3 =
(3, 3, 3)′ di R3. Maka
〈{v1,v2,v3}〉 = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}= {(x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3)′}
Tulis (x, y, z)′ = (x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3)′.
Didapat: x
y
z
=
1 3 3
2 2 3
3 1 3
x1
x2
x3
,
(1 − 2 1)
x
y
z
= (1 − 2 1)
1 3 3
2 2 3
3 1 3
x1
x2
x3
= 0,
atau x− 2y + z = 0. Catatan 3v1 + 3v2 − 4v3 = 0 dan juga
det
1 3 3
2 2 3
3 1 3
= 0.
4. Dilanjutkan halaman berikutnya!
Home Page
Title Page
JJ II
J I
Page 21 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh
4. Dua vektor v1 =(
40 15)′,v2 =
(−50 25
)′ ∈ R2 sebab x1v1 +
x2v2 = 0 dipenuhi hanya untuk x1 = x2 = 0, hal ini bisa dicek
sbb:
40x1 − 50x2 = 0
15x1 + 25x2 = 0
}−15
40B1 + B2
40x1 − 50x2 = 01754 x2 = 0
}
didapat x2 = 0 dan x1 = 0.
5. Diberikan S ⊂ R3 dimana
S =
1
0
0
,
0
2
0
,
1
2
0
,
0
−1
1
,
3
3
0
Perhatikan persamaan berikut:
x1
1
0
0
+ x2
0
2
0
+ x3
1
2
0
+ x4
0
−1
1
+ x5
3
3
0
=
0
0
0
.
Himpunan penyelesaiannya adalah:
x1
x2
x3
x4
x5
= x3
−1
−1
1
0
0
+ x5
−3
−3/2
0
0
1
∣∣∣∣∣∣∣∣∣∣∣
x3, x5 ∈ R
Home Page
Title Page
JJ II
J I
Page 22 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh 5.
Himpunan penyelesaiannya adalah:
x1
x2
x3
x4
x5
= x3
−1
−1
1
0
0
+ x5
−3
−3/2
0
0
1
∣∣∣∣∣∣∣∣∣∣∣
x3, x5 ∈ R
Hal ini menunjukkan bahwa semua vektor di S saling bergan-
tungan linier. Untuk x3 = 0, x5 = 1, didapat bahwa vektor yang
ke-5 dalam S merupakan kombinasi linier dari dua vektor yang
pertama. Gunakan sifat yang telah dipunyai untuk menghapus
vektor yang ke-5 sehingga didapat:
S1 =
1
0
0
,
0
2
0
,
1
2
0
,
0
−1
1
,
dalam hal ini < S >=< S1 >. Juga terlihat bahwa vektor yang
ke-3 dalam S1 merupakan kombinasi linier dari dua vektor yang
pertama, sehingga vektor ke-3 ini bisa dihapus dan didapat:
S2 =
1
0
0
,
0
2
0
,
0
−1
1
.
Juga, dalam hal ini < S1 >=< S2 >. Jadi < S >=< S2 >.
Home Page
Title Page
JJ II
J I
Page 23 of 132
Go Back
Full Screen
Close
Quit
6. Misalkan tiga vektor v1 = (1, 1, 0)′,v2 = (5, 1,−3)′ dan v3 =
(2, 7, 4)′ di R3, maka
〈{v1,v2,v3}〉 = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}= {x1(1, 1, 0)′ + x2(5, 1,−3)′ + x3(2, 7, 4)′ | x1, x2, x3 ∈ R}= {(x1 + 5x2 + 2x3, x1 + x2 + 7x3,−3x2 + 4x3)′|x1, x2, x3∈R}.
Tulis (x, y, z)′ = (x1 +5x2 +2x3, x1 +x2 +7x3,−3x2 +4x3)′, didapat:
x
y
z
=
1 5 2
1 1 7
0 −3 4
x1
x2
x3
.
Sehingga diperoleh:−25 26 −33
4 −4 5
3 −3 4
x
y
z
=
−25 26 −33
4 −4 5
3 −3 4
1 5 2
1 1 7
0 −3 4
x1
x2
x3
=
1 0 0
0 1 0
0 0 1
x1
x2
x3
=
x1
x2
x3
.
Terlihat bahwa, untuk setiap (x, y, z)′ ∈ R3 selalu bisa diper-
oleh x1, x2, x3 ∈ R sehingga 〈{v1,v2,v3}〉 = x1v1 + x2v2 + x3v3.
Jadi 〈{v1,v2,v3}〉 = R3.
Home Page
Title Page
JJ II
J I
Page 24 of 132
Go Back
Full Screen
Close
Quit
Basis dan Dimensi
Misalkan B = {b1,b2, . . .} ⊂ V dimana V adalah ruang vektor
atas K. Bila 〈{b1,b2, . . .}〉 = V dan vektor-vektor b1,b2, . . . bebas
linier maka B dikatakan suatu basis dari V . Banyaknya anggota
dari B dinamakan dimensi dari ruang vektor V .
Contoh:
1. Dalam R2, B1 = {(2, 4)′, (1, 1)′} adalah suatu basis dari R2,
basis yang lainnya adalah B2 = {(1, 0)′, (0, 1)′}. Secara umum
B3 = {(a11, a21)′, (a12, a22)′} adalah suatu basis dari R2 bila
det
(a11 a12
a21 a22
)6= 0.
2. Ruang vektor V = {x1 cos θ + x2 sin θ | x1, x2 ∈ R} atas R, maka
suatu basis dari V adalah {cos θ, sin θ}.
3. Dalam ruang vektor P3(x), maka {1, x, x2, x3} adalah suatu
basis dari P3(x). Sedangkan {1, x, x2, x3, x4 . . .} adalah suatu
basis dari ruang vektor P∞(x).
4. Dalam ruang vektor M2,2(R), yaitu himpunan matriks uku-
ran 2× 2 dengan elemen-elemen di R, maka{(
1 0
0 0
),
(0 1
0 0
),
(0 0
1 0
),
(0 0
0 1
)}
adalah suatu basis dari M2,2(R).
Home Page
Title Page
JJ II
J I
Page 25 of 132
Go Back
Full Screen
Close
Quit
Sifat Misalkan V suatu ruang vektor atas K dan
{v1, . . . ,vn} adalah suatu basis dari V , maka setiap ele-
men v ∈ V dapat diungkapkan secara tunggal sebagai:
v = x1v1 + . . . + xnvn, x1, . . . , xn ∈ K.Bukti
Misalkan v = a1v1 + . . .+ anvn, dan v = x1v1 + . . .+ xnvn, didapat:
(x1 − a1)v1 + . . . + (xn − a0)vn = 0, karena vektor-vektor v1, . . . ,vnbebas linier, maka haruslah x1−a1 = 0, . . . , xn−an = 0. Sehingga
diperoleh x1 = a1, . . . , xn = an.
Berikut ini, diberikan suatu sifat untuk ruang vektor Rn atas
R, yaitu misalkan vi ∈ Rn, i = 1, 2, . . . ,m. Bila m > n, maka
vektor-vektor vi, i = 1, 2, . . . ,m bergantungan linier.
Bukti Untuk setiap j = 1, 2, . . . ,m, tulis vektor vj =
(a1j, a2j, . . . , anj)′, sehingga persamaan x1v1 + . . .+xmvm = 0 dalam
bentuk matriks adalah:a11 . . . a1m... ...
an1 . . . anm
x1...
xm
=
0...
0
.
Terlihat bahwa, persamaan homogin terdiri dari n persamaandengan variabel yang takdiketahui sebanyak m. Karena m >n, maka persamaan mempunyai suatu solusi yang nontrivial,yaitu ada beberapa xk, k = 1, 2, . . . ,m yang tidak semuanya samadengan nol. Jadi vj, j = 1, 2, . . . ,m bergantungan linier.
Home Page
Title Page
JJ II
J I
Page 26 of 132
Go Back
Full Screen
Close
Quit
ContohDalam ruang vektor R2 atas R, Misalkanv1 = (a11, a21)′,v2 = (a12, a22)′ ∈ R2. Bilavektor-vektor v1,v2, bebas linier, maka per-samaan: x1v1 + x2v2 = 0 atau dalam bentukmatriks: Ax = 0 dengan
A =
(a11 a12a21 a22
), x =
(x1x2
)dan 0 =
(00
)
mempunyai jawab trivial hanya bila det(A) 6=0. Secara geometris, hal ini menyatakanbahwa luas daerah jajaran genjang yangdibentuk oleh dua vektor v1 dan v2 samadengan | det(A)|. Sebaliknya bila det(A) =0, maka luas daerah ini sama dengan 0.Hal ini menunjukkan bahwa dua vektor v1dan v2 terletak pada satu garis yang samaatau dengan kata lain dua vektor v1 danv2 bergantungan linier. Jadi {v1,v2} adalahsuatu basis dari R2 dengan dimensi 2 (me-ngapa?).
Home Page
Title Page
JJ II
J I
Page 27 of 132
Go Back
Full Screen
Close
Quit
Sifat. Misalkan V suatu ruang vektor atas K dan {v1, . . . ,vn}suatu basis dari V . Selanjutnya, bila vektor-vektor u1, . . . ,umdengan m > n, maka vektor-vektor u1, . . . ,um bergantungan
linier.
Bukti
Karena {v1, . . . ,vn} suatu basis dari V , didapat:
u1 = a11v1 + . . . + an1vn...
um = a1mv1 + . . . + anmvn,
dimana aij ∈ K, i = 1, 2, . . . , n dan j = 1, 2, . . . ,m. Untuk
x1, . . . , xm ∈ K dan diketahui bahwa {v1, . . . ,vn} bebas linier,
didapat:
0 = x1u1 + . . . + xmum
= x1(a11v1 + . . . + an1vn) + . . . + xm(a1mv1 + . . . + anmvn)
= (a11x1 + . . . + a1mxm)v1 + . . . + (an1x1 + . . . + anmxm)vn
dan haruslah a11x1 + . . . + a1mxm = 0, . . . , an1x1 + . . . + anmxm = 0
atau dengan notasi matriks:a11 . . . a1m... ...
an1 . . . anm
x1...
xm
=
0...
0
.
Persamaan homogin diatas mempunyai jawab non-trivial (se-bab m > n). Jadi vektor-vektor u1, . . . ,um bergantungan linier.
Home Page
Title Page
JJ II
J I
Page 28 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan Misalkan V suatu ruang vektor atas K dengan
dimensi hingga. Maka setiap dua basis yang berbeda dari V
harus mempunyai banyak elemen yang sama.
Contoh
1. Dalam ruang vektor P3(R) atas R, B = {1, x, x2, x3} adalah
suatu basis baku dari P3(R). Basis yang lainnya adalah B2 =
{1, 1 + x, 1 + x + x2, 1 + x + x2 + x3}.
2. Persamaan homogin Ax = 0, diberikan oleh :
1 3 −5 1 5
1 4 −7 3 −2
1 5 −9 5 −9
0 3 −6 2 −1
x1
x2
x3
x4
x5
=
0
0
0
0
.
Himpunan penyelesaiannya adalah:
〈{v1,v2}〉 =
x = x1
1
−2
−1
0
0
+ x2
1
3
0
−5
−1
∣∣∣∣∣∣∣∣∣∣∣
x1, x2 ∈ R
merupakan suatu ruang vektor atas R dengan dimensi dua.
Home Page
Title Page
JJ II
J I
Page 29 of 132
Go Back
Full Screen
Close
Quit
Misalkan V suatu ruang vektor atas Kberdimensi hingga. Maka setiap himpunanhingga S ⊂ V yang terdiri dari vektor-vektor bebas linier di V tetapi S bukanmerupakan suatu basis dari V dapat diper-luas sampai merupakan suatu basis dari V .Bukti. Misalkan S = {v1, . . . ,vm} den-gan vi, i = 1, . . . ,m adalah vektor-vektoryang bebas linier. Karena 〈S〉 6= V ,maka pilih vektor vm+1 ∈ V sehingga vm+1bukan kombinasi linier dari vektor-vektorvj, j = 1, 2, . . . ,m. Selanjutnya namakanT = {v1, . . . ,vm,vm+1}, bila 〈T 〉 = V , makaT adalah basis dan sudah tidak bisa lagidiperluas menjadi vektor-vektor yang be-bas linier. Bila 〈T 〉 6= V , lakukan lagicara perluasan seperti sebelumnya sehinggadiperoleh himpunan vektor-vektor yang be-bas linier di U yang memenuhi 〈U〉 = V .
Home Page
Title Page
JJ II
J I
Page 30 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan. Misalkan V ruang vektor atasK berdimensi n, maka setiap himpunandari n vektor yang bebas linier adalah su-atu basis dari V .
ContohMisalkan S = {(1, 1, 1)′, (0,−1, 0)′} ⊂ R3, jelasbahwa vektor-vektor di S bebas linier dan〈S〉 = {x(1, 1, 1)′+y(0,−1, 0)′ = (x, x−y, x)′|x, y ∈R}, jelas bahwa bila (x1, x2, x3)′ ∈ 〈S〉, makax3 = x1. Oleh karena itu (x, y, z)′ /∈ 〈S〉 bilax 6= z. Pilih vektor (1, 0, 0) sehingga dida-pat T = {(1, 1, 1)′, (0,−1, 0)′, (1, 0, 0)′} dimanavektor-vektor di T bebas linier, maka dariitu T merupakan suatu basis dari R3.
Home Page
Title Page
JJ II
J I
Page 31 of 132
Go Back
Full Screen
Close
Quit
Jumlahan Langsung.
Misalkan U dan V adalah ruang bagian dari suatu ruang
vektor W atas K dengan dimensi hingga, maka dim(U + V ) =
dim(U)+dim(V )−dim(U ∩V ), dimana U+V = {u+v |u ∈ U,v ∈ V }.
Bukti. Misalkan {z1, . . . , zr} suatu basis dari U ∩V perluas basis
ini masing-masing menjadi {z1, . . . , zr,u1, . . . ,um} adalah suatu
basis dari U dan {z1, . . . , zr,v1, . . . ,vn} suatu basis dari V . Ter-
lihat bahwa, dim(U ∩ V ) = r, dim(U) = r + m dan dim(V ) = r + n.
Selanjutnya, ditunjukkan bahwa {z1, . . . , zr,u1, . . . ,um,v1, . . . ,vn}adalah suatu basis dari U +V . Sehingga, dalam hal ini didapat
dim(U + V ) = r + m + n = (r + m) + (r + n)− r = dim(U) + dim(V )−dim(U ∩V ). Misalkan sebarang w ∈ U +V , maka w = u+v untuk
beberapa u ∈ U dan beberapa v ∈ V . Dengan kenyataan bahwa
u = a1z1 + . . .+arzr + b1u1 + . . .+ bmum untuk beberapa skalar ai, bjdan v = c1z1 + . . .+ crzr + d1v1 + . . .+ dmvn untuk beberapa skalar
ck, dl, didapat:
w = u+v = (a1+c1)z1+. . .+(ar+cr)zr+b1u1+. . .+bmum+d1v1+. . .+dmvn
terlihat bahwa w ∈ 〈{z1, . . . , zr,u1, . . . ,um,v1, . . . ,vn}〉. Maka dariitu didapat 〈{z1, . . . , zr,u1, . . . ,um,v1, . . . ,vn}〉 = U + V .
Home Page
Title Page
JJ II
J I
Page 32 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Bukti......
Diberikan
x1z1 + . . .+xrzr+xr+1u1 + . . .+xr+mum+xr+m+1v1 + . . .+xr+m+nvn = 0
untuk beberapa skalar xj. Tulis w = x1z1+. . .+xrzr+xr+1u1+. . .+xr+mum, didapat w = −xr+m+1v1 + . . .− xr+m+nvn. Terlihat bahwaw ∈ U dan w ∈ V , jadi w ∈ U ∩ V . Tetapi {z1, . . . , zr} adalahsuatu basis dari U ∩ V , jadi w = b1z1 + . . .+ brzr untuk beberapaskalar bi. Sehingga didapat b1z1 + . . . + brzr = −xr+m+1v1 + . . . −xr+m+nvn atau b1z1 + . . . + brzr + xr+m+1v1 + . . . + xr+m+nvn = 0.Tetapi {z1, . . . , zr,v1, . . . ,vn} adalah suatu basis dari V , makadari itu haruslah b1 = . . . = br = xr+m+1 = . . . = xr+m+n = 0,sehingga persamaan x1z1 + . . . + xrzr + xr+1u1 + . . . + xr+mum +xr+m+1v1 + . . . + xr+m+nvn = 0 menjadi x1z1 + . . . + xrzr + xr+1u1 +. . .+xr+mum = 0. Tetapi {z1, . . . , zr,u1, . . . ,um} juga adalah suatubasis dari U . Jadi haruslah x1 = . . . = xr = xr+1 = . . . = xr+m = 0.Sehingga didapat xk = 0, k = 1, 2, . . . , r+m+n. Jadi vektor-vektorz1, . . . , zr,u1, . . . ,um,v1, . . . ,vn bebas linier.
Home Page
Title Page
JJ II
J I
Page 33 of 132
Go Back
Full Screen
Close
Quit
Contoh
Misalkan W = R2,u1 = (1, 1, 0, 0)′,u2 = (−3, 7, 2, 1)′, U = 〈{u1,u2}〉dan V = {(x1, x2, x3, 0)′ |xi ∈ R}. Vektor-vektor u1,u2 bebas linier,
sebab bila a1u1 + a2u2 = 0 atau a1(1, 1, 0, 0)′ + a2(−3, 7, 2, 1)′ = 0
didapat a1 = a2 = 0. Jadi dim(U) = 2. Suatu basis
dari V adalah e1 = (1, 0, 0, 0)′, e2 = (0, 1, 0, 0)′, e3 = (0, 0, 1, 0)′.
Jadi dim(V ) = 3. Perhatikan bahwa e4 = (0, 0, 0, 1)′ =
(−3, 7, 2, 1)′+3(1, 0, 0, 0)′−7(0, 1, 0, 0)′−2(0, 0, 0, 1)′ = u2+3e1−7e2−2e3.
Jadi e4 ∈ U+V . Karena e1, e2, e3 juga di U+V , maka {e1, e2, e3, e4}adalah suatu basis dari U + V . Jadi dim(U + V ) = 4. Sehingga
didapat: dim(U ∩V ) = dim(U) + dim(V )− dim(U +V ) = 2 + 3− 4 = 1.
Bisa dicek secara langsung bahwa vektor-vektor di U∩V adalah
vektor-vektor di U dengan komponen ke-empat sama dengan
nol, yaitu vektor b1u1 + b2u2 = (b1 − 3b2, b1 + 7b2, 2b2, b2)′ dimana
b2 = 0. Jadi U ∩ V = 〈{u1}〉. Terlihat bahwa dim(U ∩ V ) = 1.
Catatan. Bila U, V ruang bagian berdimensi hingga masing-masing dengan basis {u1, . . . ,um} dan {v1, . . . ,vn}. MisalkanW = U + V dan sebarang w ∈ W . Didapat w = u + v =a1u1+. . .+amum+b1v1+. . .+bnvn atau W = 〈{u1, . . . ,um,v1, . . . ,vn}〉.Selanjutnya reduksi vektor-vektor u1, . . . ,um,v1, . . . ,vn menjadivektor-vektor yang bebas linier (sampai minimal) dan himpunkedalam himpunan S, sehingga didapat W = 〈{S}〉. Jadi di-mensi dari W sama dengan banyaknya vektor-vektor di S.
Home Page
Title Page
JJ II
J I
Page 34 of 132
Go Back
Full Screen
Close
Quit
Bila U dan V adalah ruang bagian berdimensi hingga dengan
U ∩ V = {0}, maka U + V dinamakan jumlahan langsung dari
U dan V .
Contoh. Himpunan U = {(x1, x2, 0)′ | x1, x2 ∈ R} dan
V = {(0, 0, x3)′ |x3 ∈ R} adalah ruang bagian dari ruang vektor R3
atas R dimana U∩V = {0}. Jadi U+V adalah jumlahan langsung
dari U dan V , U+V = {(x1, x2, 0)′+(0, 0, x3)′ = (x1, x2, x3)′ |x1, x2, x3 ∈R} = {x1(1, 0, 0)′ + x2(0, 1, 0)′ + x3(0, 0, 1)′ | x1, x2, x3 ∈ R} = R3,
terlihat bahwa dim(U + V ) = 3. Perhatikan bahwa
U = {(x1, x2, 0)′ | x1, x2 ∈ R} = {x1(1, 0, 0)′ + x2(0, 1, 0)′ | x1, x2 ∈R} = 〈{(1, 0, 0)′, (0, 1, 0)′}〉, terlihat bahwa dim(U) = 2. Begitu
juga, V = {(0, 0, x3)′ | x3 ∈ R} = {x3(0, 0, 1)′ | x3 ∈ R} = 〈{(0, 0, 1)′}〉dan dim(V ) = 1. Makna U + V merupakan jumlahan lang-
sung dari U dan V tampak dari dimensi, yaitu dim(U + V ) =
dim(U) + dim(V )− dim(U ∩V ) = 2 + 1− 0 = 3 = dim(U) + dim(V ). Hal
ini juga bisa dilihat dari pengertian basis yaitu, himpunan
{(1, 0, 0)′, (0, 1, 0)′} adalah suatu basis dari U dan himpunan
{(0, 0, 1)′} adalah suatu basis dari V sedangkan himpunan
{(1, 0, 0)′, (0, 1, 0)′, (0, 0, 1)′} sudah bebas linier (tidak bisa lagi
direduksi menjandi himpunan yang lebih kecil lagi sehingga
bebas linier). Jadi, dari sini juga langsung didapat bahwa
dim(U + V ) = dim(U) + dim(V ).
Kesimpulan. Dimensi dari suatu ruang jumlahan langsungsama dengan jumlah dari masing-masing dimensi ruang.
Home Page
Title Page
JJ II
J I
Page 35 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diberikan suatu sifat yang laindari ruang jumlahan langsung. Setiap w ∈W = U + V dengan U ∩ V = {0} mempunyaipenulisan tunggal w = u + v, u ∈ U,v ∈ V .
Bukti. Misalkan w = u + v = u + v, makau − u = v − v. Tetapi u − u ∈ U , v − v ∈ Vdan U ∩ V = {0}. Maka haruslah u − u = 0dan v − v = 0 atau u = u dan v = v.
Koordinat. Misalkan {v1, . . . ,vn} adalah su-atu basis dari suatu ruang vektor atas K.Jadi setiap v ∈ V dapat ditulis secara tung-gal oleh v = x1v1 + . . .+xnvn untuk beberapaskalar x1, . . . , xn ∈ K. Dalam hal ini skalar-skalar x1, . . . , xn dinamakan koordinat darivektor v terhadap basis {v1, . . . ,vn}.
Home Page
Title Page
JJ II
J I
Page 36 of 132
Go Back
Full Screen
Close
Quit
Contoh.
Misalkan V = R3 dengan basis baku {e1 = (1, 0, 0)′, e2 =
(0, 1, 0)′, e3 = (0, 0, 1)′} dan misalkan sebarang v = (x, y, z)′ ∈ V ,
maka v = xe1 + ye2 + ze3. Jadi koordinat dari v terhadap basis
{e1, e2, e3} adalah x, y dan z. Tetapi untuk basis yang lain
dari V , misalkan {v1 = (0, 1, 1)′,v2 = (1, 0, 1)′,v3 = (1, 1, 0)′}, maka
v = (−x+y+z2 )v1 + (x−y+z2 )v2 + (x+y−z2 )v3. Koordinat dari vektor
v terhadap basis {v1,v2,v3} adalah −x+y+z2 , x−y+z2 dan x+y−z
2 .
Terlihat bahwa vektor v terhadap dua basis yang berbeda dari
ruang vektor V mempunyai dua koordinat yang berbeda pula.
Basis terurut.Adalah perlu dijamin bahwa suatu vektor dikaitkan dengansuatu vektor basis yang sesuai, cara baku untuk melakukanhal ini adalah menggunakan penyajian terurut untuk koordi-nat dan vektor basis. Bila urutan dari vektor-vektor dalamsuatu basis dipersoalkan dalam hal ini dinamakan basis teru-rut dan basis ini ditulis sebagai suatu barisan. Bila urutandari vektor basis takdipersoalkan, basis tersebut ditulis seba-gai suatu himpunan, dalam hal ini penekanan mengenai diskusidari suatu vektor basis, urutan tidak bergantung pada urutan.Tetapi, bila koordinat dari suatu vektor disajikan sebagai barisatau kolom dalam suatu matriks, maka secara esensi penyajianbergantung pada urutan vektor-vektor basis. Begitu juga, bilasuatu pemetaan linier disajikan sebagai suatu matriks, makasangatlah penting menggunakan vektor basis terurut.
Home Page
Title Page
JJ II
J I
Page 37 of 132
Go Back
Full Screen
Close
Quit
Pemetaan Linier pada Ruang Vektor
Misalkan U dan V adalah ruang vektor atas K, suatu pemetaan
α : U → V adalah suatu pemetaan linier atau transformasi lin-
ier bila dan hanya bila memenuhi α(k1u1+k2u2) = k1α(u1)+k2α(u2)
untuk semua k1, k2 ∈ K dan u1,u2 ∈ U .
Sifat. Bila α : U → V suatu pemetaan linier, maka α(0) = 0.
Bukti α(0) = α(0 + 0) = α(0) + α(0), didapat α(0) − α(0) = α(0),
jadi 0 = α(0).
Contoh
1. Misalkan α : U → V , U = R3 dan V = R2 dengan
α((x, y, z)′)def= (2x − y, y + z)′. Maka α adalah pemetaan
linier, sebab α(k1u1 + k2u2) = α(k1(x1, y1, z1)′ + k2(x2, y2, z2)′) =
α((k1x1 + k2x2, k1y1 + k2y2, k1z1 + k2z2)′) = (2k1x1 + 2k2x2 − k1y1 −k2y2, k1y1 +k2y2 +k1z1 +k2z2)′ = (2k1x1−k1y1, k1y1 +k1z1)′+(2k2x2−k2y2, k2y2 + k2z2)′ = k1(2x1 − y1, y1 + z1)′ + k2(2x2 − y2, y2 + z2)′ =
k1α((x1, y1, z1)′) + k2α((x2, y2, z2)′).
2. Misalkan α : R3 → R2 dengan α((x, y, z)′)def= (x2, y + z)′,
pemetaan α bukan pemetaan linier, sebab α(2(1, 0, 0)′) =
α((2, 0, 0)′) = (4, 0)′ 6= (2, 0)′ = 2(1, 0)′ = 2α((1, 0, 0)′).
Home Page
Title Page
JJ II
J I
Page 38 of 132
Go Back
Full Screen
Close
Quit
Kernel dan Image
Misalkan α : U → V suatu pemetaan linier
• Image dari α adalah Im(α)=α(U)def= {α(u) | u ∈ U} ⊆ V .
• Kernel dari α adalah ker(α)def= {u ∈ U | α(u) = 0} ⊆ U .
Contoh. Dalam Contoh 1. sebelumnya Im(α) = {α((x, y, z)′) =
(2x− y, y + z)′ | x, y, z ∈ R}, sedangkan ker(α) = {(x, y, z)′ | 2x− y =
0, y + z = 0, x, y, z ∈ R} = {y(12, 1,−1)′ | y ∈ R}.
Beberapa sifat Misalkan U dan V adalah ruang vektor atas K
dan α : U → V suatu pemetaan linier, maka
1. Im(α) adalah ruang bagian dari V .
2. Ker(α) adalah ruang bagian dari U .
3. Pemetaan α satu-satu bila dan hanya bila ker(α) = {0}.
Bukti
1. Jelas bahwa Im(α) ⊆ V . Misalkan sebarang v1,v2 ∈ Im(α)
dan sebarang k1, k2 ∈ K. Untuk beberapa u1,u2 ∈ U , maka
kombinasi linier berikut dipenuhi k1v1 + k2v2 = k1α(u1) +
k2α(u2) = α(k1u1) + α(k2u2) = α(k1u1 + k2u2) ∈ Im(α). Jadi
Im(α) adalah ruang bagian dari V .
Home Page
Title Page
JJ II
J I
Page 39 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Bukti........
2. Jelas bahwa ker(α) ⊆ U . Misalkan se-barang u1,u2 ∈ ker(α) dan sebarang k1, k2 ∈K, maka α(k1u1+k2u2) = k1α(u1)+k2α(u2) =k10 +k20 = 0. Terlihat bahwa k1u1 +k2u2 ∈ker(α). Jadi ker(α) adalah ruang bagiandari U .
3. Misalkan pemetaan α satu-satu dan se-barang u ∈ ker(α), maka α(0) + α(u) =α(0 + u) = α(u) = 0. Sehingga didapatα(u) = −α(0) = α(−0) = α(0). Karenapemetaan α satu-satu haruslah u = 0.Jadi {0} = ker(α). Selanjutnya misalkanker(α) = {0} dan u1,u2 ∈ U , maka untukα(u1) = α(u2) didapat, 0 = α(u1) − α(u2) =α(u1−u2). Terlihat bahwa u1−u2 ∈ ker(α).Tetapi, ker(α) = {0}. Maka dari itu harus-lah u1 − u2 = 0 atau u1 = u2. Jadipemetaan α adalah satu-satu.
Home Page
Title Page
JJ II
J I
Page 40 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Misalkan V ruang vektor atas K dan U = Kn. Diberikan
matriks T = [aij], aij ∈ K dan T bertindak pada ruang vektor
U dengan aturan untuk setiap x ∈ U :
T (x)def=
a11 . . . a1n... . . . ...
an1 . . . ann
x1...
xn
=
y1...
yn
,
dimana yi =n∑j=1
aijxj, i = 1, 2, . . . , n. Maka T adalah suatu
transformasi linier dari U ke U , sebab untuk sebarang x, x ∈U dan sebarang k1, k2 ∈ K berlaku:
T (k1x + k2x) =
a11 . . . a1n... . . . ...
an1 . . . ann
k1
x1...
xn
+ k2
x1...
xn
= k1
a11 . . . a1n... . . . ...
an1 . . . ann
x1...
xn
+k2
a11 . . . a1n... . . . ...
an1 . . . ann
x1...
xn
= k1T (x) + k2T (x).
Home Page
Title Page
JJ II
J I
Page 41 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh...........
2. Dalam Contoh 1. sebelumnya, maka
Im(T ) =
y1...
yn
=
a11 . . . a1n... . . . ...
an1 . . . ann
x1...
xn
.
Bila T punya invers, maka ker(T ) = {0}, yaitu persamaan
homogin a11 . . . a1n... . . . ...
an1 . . . ann
x1...
xn
=
0...
0
hanya mempunyai jawab trivial x1 = . . . = xn = 0. Bila T
tidak punya invers, maka
ker(T ) =
x1...
xn
∣∣∣∣∣∣
a11 . . . a1n... . . . ...
an1 . . . ann
x1...
xn
=
0...
0
Home Page
Title Page
JJ II
J I
Page 42 of 132
Go Back
Full Screen
Close
Quit
Misalkan U dan V ruang vektor berdimensi hingga atas K dan
α : U → V suatu pemetaan linier.
1 Bila 〈{u1, . . . ,un}〉 = U , maka 〈{α(u1), . . . , α(un)}〉 = Im(α).
2. dim(U) = dim(ker(α)) + dim(Im(α))
Bukti.
1. Misalkan sebarang v ∈ Im(α), pilih u ∈ U yang memenuhi
α(u) = v. Tetapi u = k1u1+. . .+knun, maka dari itu v = α(u) =
α(k1u1+. . .+knun) = k1α(u1)+. . .+knα(un) ∈ 〈{α(u1), . . . , α(un)}〉.Jadi Im(α) = 〈{α(u1), . . . , α(un)}〉.
2. Misalkan {u1, . . . ,um} basis dari ker(α), perluas basis ini
sampai didapat {u1, . . . ,um,w1, . . . ,wn} adalah suatu basis
dari U . Jelas bahwa dim(ker(α)) = m dan dim(U) =
m + n. Misalkan vi = α(wi), i = 1, 2 . . . , n. Akan di-
tunjukkan bahwa vi, i = 1, 2 . . . , n adalah suatu basis dari
Im(α). Dengan menggunakan hasil 1. didapat Im(α) =
〈{α(u1), . . . , α(um), α(w1), . . . , α(wn)}〉 = 〈{0, . . . ,0,v1, . . . ,vn}〉 =
〈{v1, . . . ,vn}〉. Selanjutnya selidiki apakah vektor-vektor
vi, i = 1, 2 . . . , n bebas linier, yaitu k1v1 + . . . + knvn = 0 atau
k1α(w1) + . . . + knα(wn) = 0. Sehingga didapat α(k1w1 + . . . +
knwn) = 0. Jadi k1w1 + . . . + knwn ∈ ker(α). Oleh karena itu
k1w1 + . . . + knwn = k1u1 + . . . + kmum untuk beberapa ki, atau
k1u1 + . . .+ kmum−k1w1 + . . .−knwn = 0. Karena vektor-vektor
{u1, . . . ,um,w1, . . . ,wn} bebas linier maka k1 = . . . = km = k1 =
. . . = kn = 0, Jadi vektor-vektor v1, . . . ,vn bebas linier.
Home Page
Title Page
JJ II
J I
Page 43 of 132
Go Back
Full Screen
Close
Quit
Adakalanya kernel dari suatu pemetaan linier disebut null
space dan dimensi dari kernel dinamakan nullity dari pemetaan
linier, sedangkan dimensi dari image suatu pemetaan linier
dinamakan rank dari pemetaan linier. Sehingga didapat
dim(U) = nullity(α) + rank(α).
Contoh. Misalkan pemetaan linier α : R3 → R2 dengan
α((x, y, z)′) = (x+ z, 2x− y + z)′ untuk setiap (x, y, z)′ ∈ R3. Kernel
dari α adalah penyelesaian dari persamaan vektor α((x, y, z)′) =
(x+ z, 2x− y+ z)′ = (0, 0)′ atau penyelesaian persamaan homogin
(1 0 1
2 −1 1
)x
y
z
=
(0
0
)
yang mempunyai penyelesaian x = x, y = x, z = −x, x ∈ R. Jadiker(α) = {x(1, 1,−1)′ | x ∈ R} = 〈{(1, 1,−1)′}〉. Terlihat bahwanullity(α) = 1. Sedangkan Im(α) = {(x + z, 2x − y + z)′ | x, y, z ∈R} = {x(1, 2)′−y(0, 1)′+z(1, 1)′ |x, y, z ∈ R} = 〈{(1, 2)′, (0, 1)′, (1, 1)′}〉 =〈{(1, 2)′ = (0, 1)′ + (1, 1)′, (0, 1)′, (1, 1)′}〉 = 〈{(0, 1)′, (1, 1)′}〉. Terlihatbahwa rank(α) = 2. Sehingga didapat dim(R3) = nullity(α) +rank(α) = 1 + 2 = 3.
Home Page
Title Page
JJ II
J I
Page 44 of 132
Go Back
Full Screen
Close
Quit
Misalkan α : U → V suatu pemetaan linier dari ruang vektor
U ke ruang vektor V masing-masing atas K. Bila pemetaan
α satu-satu dan pada yaitu pemetaan α mempunyai invers,
maka α dinamakan suatu isomorpisma dari U ke V . Dalam
hal ini, U dan V dikatakan isomorpik dan dinotasikan oleh
U ∼= V . Perhatikan bahwa, karena α pemetaan satu-satu dan
pada, maka Im(α) = V dan ker(α) = {0}.
Misalkan U dan V ruang vektor berdimensi hingga atas
K masing-masing dengan basis {u1, . . . ,um} dan {v1, . . . ,vn}.Maka U dan V isomorpik bila dan hanya bila dim(U) = dim(V )
(m = n). Lagipula, ada suatu isomorpisma tunggal α : U → V
yang memenuhi α(ui) = vi, i = 1, . . . , n.
BuktiBila α : U → V suatu isomorpisma, maka α satu-satu dan pada.Maka dari itu, ker(α) = {0} dan Im(α) = V . Sehingga didapatdim(U) = dim(ker(α)) + dim(Im(α)) = 0 + dim(V ) = dim(V ). Se-baliknya, misalkan m = n dan α suatu pemetaan linier yangmemenuhi α(ui) = vi, i = 1, . . . , n. Akan ditunjukkan bahwa αsatu-satu dan pada.
Home Page
Title Page
JJ II
J I
Page 45 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Bukti......
Misalkan sebarang u ∈ ker(α), maka α(u) = 0. Tetapi
u = k1u1 + . . . + kmum. Sehingga didapat 0 = α(u) =
α(k1u1 + . . . + kmum) = k1α(u1) + . . . + kmα(um) = k1v1 + . . . + kmumdan karena {v1, . . . ,vm} suatu basis dari V , maka harus-
lah k1 = . . . = kn = 0. Jadi u = 0. Maka dari itu
ker(α) = {0}. Jadi pemetaan α satu-satu. Selanjutnya,
misalkan sebarang v ∈ V , maka v = a1v1 + . . . + anvn un-
tuk beberapa skalar ai. Tetapi vi = α(ui), i = 1, . . . , n. Jadi
v = a1α(ui) + . . . + anα(un) = α(a1u1 + . . . + anun) ∈ Im(α). Se-
hingga didapat V = Im(α) atau pemetaan α adalah pada.
Kerena pemetaan linier α adalah satu-satu dan pada, maka
U dan V isomorpik. Berikutnya, ditunjukkan bahwa iso-
morphisma α yang memenuhi α(ui) = vi, i = 1, . . . , n adalah
tunggal. Misalkan β : U → V adalah suatu isomorphisma
yang juga memenuhi β(ui) = vi, i = 1, . . . , n dan misalkan se-
barang u = k1u1 + . . . + knun ∈ U untuk beberapa skalar ki ∈ K,
maka α(u) − β(u) = α(k1u1 + . . . + knun) − β(k1u1 + . . . + knun) =
k1α(u1) + . . .+ knα(un)− k1α(u1)− . . .− knα(un) = k1v1 + . . .+ knvn−k1v1− . . .− knvn = 0. Sehingga didapat α(u) = β(u),∀u ∈ U . Jadi
β = α.
Misalkan U dan V ruang vektor atas K, himpunan L(U, V,K)menyatakan himpunan semua pemetaan linier dari U ke V .
Home Page
Title Page
JJ II
J I
Page 46 of 132
Go Back
Full Screen
Close
Quit
Misalkan α, β ∈ L(U, V,K) pemetaan α + β
didefinisikan sebagai (α+β)(u)def= α(u)+β(u)
untuk semua u ∈ U dan pemetaan kα
didefinisikan sebagai (kα)(u)def= kα(u) untuk
semua u ∈ U . Maka L(U, V,K) adalah ruangvektor atas K.
Misalkan α, β ∈ L(U, V,K) dan komposisi
dari β ◦ α adalah (βα)(u)def= β(α(u)) untuk
semua u ∈ U , maka β ◦ α ∈ L(U, V,K).
Bukti
(βα)(k1u1 + k2u2) = β(α(k1u1 + k2u2))
= β(k1α(u1) + k2α(u2))
= k1β(α(u1)) + k2β(α(u2))
= k1(βα)(u1) + k2(βα)(u2).
Home Page
Title Page
JJ II
J I
Page 47 of 132
Go Back
Full Screen
Close
Quit
Pemetaan Linier dan Aljabar MatriksMisalkan U, V ruang vektor berdimensihingga atas K masing-masing dengan di-mensi m dan n. Misalkan Bu = u1, . . . ,umbasis terurut di U , Bv = v1, . . . ,vn basisterurut di V dan α ∈ L(U, V,K). Untukj = 1, . . . ,m, α(uj) ∈ V , sehingga ada skalarai,j ∈ K sehingga α(uj) = a1,jv1 + . . .+ an,jvn.Bila indeks i dan j dalam skalar ai,j me-nyatakan elemen baris ke-i dan kolom ke-jdari suatu matriks A, hal ini mendefinisikanmatriks representasi dari pemetaan linier αdiberikan oleh:
A =
a1,1 . . . a1,m... ... ...
an,1 . . . an,m
.
Perhatikan bahwa, skalar-skalar ai,j dalampersamaan α(uj) menyatakan kolom ke-jdari matriks A.
Home Page
Title Page
JJ II
J I
Page 48 of 132
Go Back
Full Screen
Close
Quit
Sekali matriks-matriks representasi ini di konstruksi sesuai
dengan basis-basis yang ada, matriks-matriks ini bisa digu-
nakan tanpa lagi merujuk pada basis-basis yang ada, kecuali
ada perubahan basis, maka matriks A juga berubah. Un-
tuk menjelaskan hal ini, misalkan sebarang u ∈ U , maka
u = x1u1+. . .+xmum dan v = α(u) ∈ V . Tetapi v = y1v1+. . .+ynvn.
Sehingga didapat
α(u) = x1α(u1) + . . . + xmα(um)
= x1(a1,1v1 + . . . + an,1vn) + . . . + xm(a1,mv1 + . . . + an,mvn)
= (a1,1x1 + . . . + a1,mxm)v1 + . . . + (an,1x1 + . . . + an,mxm)vn
= y1v1 + . . . + ynvn
atau y = Ax, dimana
y =
y1...
yn
, A =
a1,1 . . . a1,m... ... ...
an,1 . . . an,m
dan x =
x1...
xm
.
Home Page
Title Page
JJ II
J I
Page 49 of 132
Go Back
Full Screen
Close
Quit
Misalkan α ∈ L(U, V,K) dan β ∈ L(V,W,K) dimana
dim(U) = m,dim(V ) = n dan dim(W ) = p. Representasi matriks
dari α dan β masing-masing diberikan oleh A = (α,uj,vi)
berukuran n × m dan B = (β,vi,wk) beruran p × n. Maka
representasi matriks dari komposisi βα ∈ L(U,W,K) diberikan
oleh C = (βα,uj,wk) dimana C = BA dengan ck,j =n∑i=1
bk,iai,j.
BuktiGunakan definisi representasi matriks dari suatu pemetaan,
didapat α(uj) =n∑i=1
ai,jvi dan β(vi) =p∑
k=1
bk,iwk. Maka dari itu
(β(α(uj)) =n∑i=1
ai,jβ(vi) =n∑i=1
ai,j
(p∑
k=1
bk,iwk
)=
p∑k=1
(n∑i=1
bk,iai,j
)wk.
Tetapi (βα)(uj) =p∑
k=1
ck,jwk, sehingga dengan menyamakan koe-
fisien masing-masing persamaan didapat ck,j =n∑i=1
bk,iai,j.
Home Page
Title Page
JJ II
J I
Page 50 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Diberikan suatu transformasi linier α : R3 → R3 oleh
α((x, y, z)′) = (x − y − z, x + y + z, z)′ dengan basis baku teru-
rut didapat: α((1, 0, 0)′) = (1, 1, 0)′, α((0, 1, 0)′) = (−1, 1, 0)′ dan
α((0, 0, 1)′) = (−1, 1, 1)′, sehingga matriks representasi dari α
terhadap basis baku terurut diberikan oleh:
1 −1 −1
1 1 1
0 0 1
.
Selanjutnya bila digunakan basis terurut B =
(1, 0, 0)′, (1, 1, 0)′, (1, 0, 1)′ didapat α((1, 0, 0)′) = (1, 1, 0)′ =
0(1, 0, 0)′ + 1(1, 1, 0)′ + 0(1, 0, 1)′ = (0, 1, 0)′B, α((1, 1, 0)′) = (0, 2, 0)′ =
−2(1, 0, 0)′ + 2(1, 1, 0)′ + 0(1, 0, 1)′ = (−2, 2, 0)′B dan α((1, 0, 1)′) =
(0, 2, 1)′ = −3(1, 0, 0)′ + 2(1, 1, 0)′ + 1(1, 0, 1)′ = (−3, 2, 1)′B. Se-
hingga matriks representasi dari α dengan basis terurut B
diberikan oleh:
0 −2 −3
1 2 2
0 0 1
.
Home Page
Title Page
JJ II
J I
Page 51 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan pemetaan linier α : P3(R) → P1(R) oleh α(p(x)) =d2p(x)
dx2.
a. Matriks representasi A dari α dengan basis terurut B1 =
1, x, x2, x3 untuk P3(R) dan basis terurut B2 = 1, x+ 2 untuk
P1(R) diberikan sebagai berikut: α(1) = 0 = 0.1 + 0(x + 2) =
(0, 0)′B2, α(x) = 0 = 0.1 + 0(x + 2) = (0, 0)′B2
, α(x2) = 2 = 2.1 +
0(x+2) = (2, 0)′B2dan α(x3) = 6x = −12.1+6(x+2) = (−12, 6)′B2
,
A =
(0 0 2 −12
0 0 0 6
).
b. Misalkan p(x) = a+bx+cx2+dx3 ∈ ker(α), maka 0 = α(p(x)) =
2c + 6dx, ∀x ∈ R. Sehingga didapat c = 0, d = 0. Jadi
ker(α) = {a.1 + bx | a, b ∈ R} = 〈{1, x}〉. Terlihat bahwa
dim(ker(α)) = 2.
c. Sedangkan dimensi dari image α diberikan oleh:
dim(Im(α)) = dim(P3(R)) − dim(ker(α)) = 4 − 2 = 2. Hal
ini bisa dicek sebagai berikut, misalkan sebarang q(x) =
α + βx + γx2 + δx3 ∈ P3(R), maka α(q(x)) = 2γ + 6δx =
2γ.1 + 6δ.x ∈ 〈{1, x}〉. Jadi Im(α) = 〈{1, x}〉 dan terlihat
bahwa dimensi Im(α) sama dengan dua.
Home Page
Title Page
JJ II
J I
Page 52 of 132
Go Back
Full Screen
Close
Quit
3. Misalkan u1,u2,u3 basis terurut dari U , v1,v2,v3 dan w1,w2
adalah suatu basis terurut dari W . Selanjutnya diberikan
pemetaan linier α : U → V dan β : V → W masing-masing
oleh α(u1) = v1 +2v2−v3, α(u2) = v2 +2v3, α(u3) = −v1 +v2 +3v3
dan β(v1) = 2w1 − w2, β(v2) = w1 + w2, β(v3) = −2w1 + 3w2.
Bila A = (α,uj,vi) dan B = (β,vi,wk), maka didapat matriks
representasi:
A =
1 0 −1
2 1 1
−1 2 3
, B =
(2 1 −2
−1 1 3
)
dan matriks representasi C = (βα,uj,wk) diberikan oleh
C = BA =
(2 1 −2
−1 1 3
)
1 0 −1
2 1 1
−1 2 3
=
(6 −3 −7
−2 7 11
).
Bisa dicek langsung lewat vektor-vektor basis
(βα)(u1) = β(v1 + 2v2 − v3) = 6w1 − 2w2
(βα)(u2) = β(v2 + 2v3) = −3w1 + 7w2
(βα)(u3) = β(−v1 + v2 + 3v3) = −7w1 + 11w2.
Home Page
Title Page
JJ II
J I
Page 53 of 132
Go Back
Full Screen
Close
Quit
Pemetaan Identitas
Pementaan IU : U → U adalah pemetaan identitas bila IU(u) = u
untuk semua u ∈ U .
Bila pemetaan α : U → V suatu isomorpisma (satu-satu dan
pada), maka ada pemetaan invers α−1 : V → U sehingga
α−1α = IU dan αα−1 = IV .
Bila α : U → V suatu isomorpisma, maka α−1 : V → U adalah
pemetaan linier. Bila matriks representasi α adalah A dan
matriks representasi dari α−1 adalah B, maka BA = I dan
AB = I.
Contoh. Misalkan ui, i = 1, 2, 3 adalah basis terurut dari U dan
vj, j = 1, 2, 3 adalah basis terurut dari V . Pemetaan linier α :
U → V diberikan oleh: α(u1) = v1 + 2v2− v3, α(u2) = v2 + 2v3 dan
α(u3) = −v1 + v2 + 3v3, maka A = (α,ui,vj) diberikan oleh
A =
1 0 −1
2 1 1
−1 2 3
didapat B = A−1 adalah matriks representasi dari α−1 dimana:
B =
−0.25 0.5 −0.25
1.75 −0.5 0.75
−1.25 0.25 −0.25
Home Page
Title Page
JJ II
J I
Page 54 of 132
Go Back
Full Screen
Close
Quit
Perubahan dari suatu basisPerubahan basis dari suatu transformasilinier adalah penting. Sebagaimanatelah diketahui dari pembahasan sebelum-nya bahwa, suatu transformasi liniermemberikan suatu matriks representasimelalu suatu basis yang telah ditentukan.Tentunya matriks representasi ini akanberbeda bila digunakan basis lain yangberbeda tetapi tetap merupakan suatu ma-triks representasi dari suatu transformasilinier yang sama. Perubahan basis tu-juan utamanya adalah mendapatkan su-atu matriks represenatsi yang mudah untukpenghitungan (komputasi) dan bisa men-jelaskan makna perubahan bentuk suatubenda dalam domainnya menjadi bentukyang lainnya dalam kodomainnya.
Home Page
Title Page
JJ II
J I
Page 55 of 132
Go Back
Full Screen
Close
Quit
Misalkan B = u1, . . . ,un adalah basis terurut dari suatu ruang
vektor U atas K dan sebarang u ∈ U dapat diungkapkan
sebagai u = x1u1 + . . . + xnun dimana skalar-skalar xi meru-
pakan n-pasang berbentuk (x1, . . . , xn)′ ∈ Kn. Maka pemetaan
ρB : U → Kn dinamakan suatu pemetaan koordinat dan
ρB(u)def= (x1, . . . , xn)′ dinamakan suatu vektor koordinat dari
u ∈ U terhadap basis terurut B. Dalam hal ini ρB adalah suatu
isomorpisma maka dari itu U ∼= Kn.
Bukti Misalkan sebarang u = x1u1 + . . . + xnun ∈ U , v =y1u1 + . . . + ynun ∈ V dan k1, k2 ∈ K, maka didapat ρB(k1u +k2v) = ρB(k1x1u1 + . . . + k1xnun + k2y1u1 + . . . + k2ynun) = ρB((k1x1 +k2y1)u1 + . . . + (k1xn + k2yn)un) = (k1x1 + k2y1, . . . , k1xn + k2yn)′ =k1(x1, . . . , xn)′+k2(y1, . . . , yn)′ = k1ρB(u)+k2ρB(v). Terlihat bahwa ρBadalah pemetaan linier. Karena untuk setiap (x1, . . . , xn)′ ∈ Kn
vektor u = x1u1 + . . .+ xnun memenuhi ρB(u) = (x1, . . . , xn)′, makapemetaan ρB adalah pada. Selanjutnya misalkan sebarangu = x1u1 + . . . + xnun ∈ ker(ρB), maka ρB(u) = (x1, . . . , xn)′ =(0, . . . , 0)′. Didapat x1 = 0, . . . , xn = 0. Jadi u = 0. Maka dariitu pemetaan ρB adalah satu-satu. Karena pemetaan linier ρBadalah satu-satu dan pada, maka ρB adalah suatu isomorpismaatau U ∼= Kn.
Home Page
Title Page
JJ II
J I
Page 56 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Misalkan diberikan dua basis terurutB1 = (1, 0)′, (0, 1)′ dan B2 = (1, 1)′, (1,−1)′
dari ruang vektor R2. Terhadap ba-sis B1, sebarang (x, y)′ ∈ R2 didapat(x, y)′ = x(1, 0)′ + y(0, 1)′. Sehingga dida-pat ρB1
((x, y)′) = (x, y)′. Terhadap basis
B2, (x, y)′ = k1(1, 1)′ + k2(1,−1)′, didapatx = k1 + k2, y = k1 − k2. dari sini diperoleh
k1 =x + y
2, k2 =
x− y2
. Jadi ρB2((x, y)′) =
(x + y
2,x− y
2
)′. Sehingga ρB2
((1, 0)′) =(
1
2,1
2
)′dan ρB2
((0, 1)′) =
(1
2,−1
2
)′.
Home Page
Title Page
JJ II
J I
Page 57 of 132
Go Back
Full Screen
Close
Quit
α - VC
?Kn-Km
?
UB
A
PCPB
1
Misalkan B = u1, . . . ,um suatu basis terurut dari ruang vektorU , C = v1, . . . ,vn suatu basis terurut dari ruang vektor V , keduaruang vektor atas skalar K. Suatu pemetaan linier α : U → Vdengan matriks representasi A = (α,B,C). Misalkan α(u) = vdimana u = x1u1+. . .+xmum ∈ U dan v = y1v1+. . .+ynvn ∈ V . Daripembahasan sebelumnya dijelaskan bahwa v = α(u) dapat disa-jikan oleh persamaan matriks y = Ax, dimana x = (x1, . . . , xm)′
dan y = (y1, . . . , yn)′. Misalkan P adalah pemetaan koordinat,maka x = PB(u),y = PC(v) dan matriks representasi dari per-samaan vektor v = α(u) adalah PC(v) = APB(u). Sehingga di-dapat, v = α(u) = P−1
C APB(u),∀u ∈ U . Jadi α = P−1C APB atau
A = PCαP−1B . Hasil-hasil yang didapat ini dijelaskan dalam di-
agram diatas.
Home Page
Title Page
JJ II
J I
Page 58 of 132
Go Back
Full Screen
Close
Quit
-
-
UB
UB VC
VC
? ?α
α
IU IV
1
Misalkan α : U → V suatu pemetaan linier, B dan B dua ba-sis terurut yang berbeda dari U sedangkan C dan C dua basisterurut yang berbeda dari V . Bila matiks-matriks representasidari α adalah A = (α,B,C) dan A = (α, B, C), maka perubahanbasis tidak berpengaruh pada suatu pemetaan linier sehinggahal ini berkaitan dengan pemetaan identitas. Tetapi peruba-han basis mempunyai pengaruh terhadap matriks-matriks rep-resentasi A = (α,B,C) dan A = (α, B, C) melalui pemetaan iden-titas terhadap dua basis yang berbeda. Bila basis berubahpada domain dan kodomain dari α, maka umumnya diper-lukan matriks representasi dari pemetaan identitas pada do-main dan kodomain α yang dinotasikan oleh P = (IU , B, B)dan Q = (IV , C, C). Hubungan diantara ruang vektor den-gan basis-basis berbeda diberikan secara diagram diatas. Se-hingga didapat hubungan (α, B, C) = (IV , C, C)(α,B,C)(IU , B, B)atau A = QAP−1. Selanjutnya misalkan x, x vektor-vektor ko-ordinat dari u ∈ U relatif terhadap basis B dan B dan y, yvektor-vektor koordinat dari v = α(u) ∈ V relatif terhadapbasis C dan C, maka x = Px dan y = Qy. Bila y = Ax,maka y = Qy = QAx = QAP−1x = Ax. Terlihat bahwa vektor-vektor koordinat dan matriks-matriks transformasi konsistenterhadap perubahan basis.
Home Page
Title Page
JJ II
J I
Page 59 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Diberikan pemetaan linier α : R2 → R2 dengan α((x, y)′) =
(2x+ y, x+ 3y)′. Dengan basis B = (1, 0)′, (1, 1)′, maka αB(1, 0) =
(2, 1) = 1(1, 0)′ + 1(1, 1)′ = (1, 1)′ dan αB((1, 1)′) = (3, 4)′ =
−1(1, 0)′ + 4(1, 1)′ = (−1, 4)′, sehingga diperoleh matriks re-
presentasi dari α:
A = (α,B,B) =
(1 −1
1 4
).
Misalkan sebarang (x, y)′ ∈ R2, maka ρB((x, y)′) = a(1, 0)′ +
b(1, 1)′ = (a, b)′ dimana skalar a, b memenuhi:(x
y
)=
(1 1
0 1
)(a
b
)⇒(a
b
)=
(1 −1
0 1
)(x
y
),
sehingga didapat a = x − y dan b = y. Jadi ρB((x, y)′) =
(x − y, y)′. Dicek apakah pemetaan α konsisten terhadap
basis B sebagai berikut:
α((x, y)′) = AρB((x, y)′) =
(1 −1
1 4
)(x− yy
)=
(x− 2y
x + 3y
)
= (x− 2y)
(1
0
)+ (x + 3y)
(1
1
)=
(2x + y
x + 3y
).
Home Page
Title Page
JJ II
J I
Page 60 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan pemetaan linier α : P3(R) → P3(R) dimana
α(p(x)) = (a + b) + (b + c)x + (c + d)x2 + (a + d)x3,∀p(x) ∈ P3(R)
dengan p(x) = a + bx + cx2 + dx3. Misalkan B = 1, x, x2, x3
dan B = 1, 1 + x, 1 + x + x2, 1 + x + x2 + x3 dua basis dari
P3(R). Maka α(1) = 1 + x3 = 1(1) + 0(x) + 0(x2) + 1(x3),
α(x) = 1 + x = 1(1) + 1(x) + 0(x2) + 0(x3), α(x2) = x + x2 =
0(1)+1(x)+1(x2)+0(x3), α(x3) = x2 +x3 = 0(1)+0(x)+1(x2)+1(x3)
dan IP3(R)(1) = 1 = 1 + 0(1 + x) + 0(1 + x+ x2) + 0(1 + x+ x2 + x3),
IP3(R)(x) = x = −1(1) + 1(1 + x) + 0(1 + x+ x2) + 0(1 + x+ x2 + x3),
IP3(R)(x2) = x2 = 0(1)− 1(1 + x) + 1(1 + x+ x2) + 0(1 + x+ x2 + x3),
IP3(R)(x3) = x3 = 0(1) + 0(1 + x)− 1(1 + x + x2) + 1(1 + x + x2 + x3)
Sehingga didapat matriks representasi A = (α,B,B), P =
(IP3(R), B, B) dan P−1 diberikan oleh:
A =
1 1 0 0
0 1 1 0
0 0 1 1
1 0 0 1
, P =
1 −1 0 0
0 1 −1 0
0 0 1 1
0 0 0 1
danP−1 =
1 1 1 1
0 1 1 1
0 0 1 1
0 0 0 1
.
Matriks representasi A = (α, B, B) diberikan oleh
A = PAP−1 =
1 1 0 0
0 1 1 0
−1 −1 0 0
1 1 1 2
.
Home Page
Title Page
JJ II
J I
Page 61 of 132
Go Back
Full Screen
Close
Quit
3. Diberikan ruang vektor U dengan dua basis terurut B =
u1,u2,u3 dan B = u1, u2, u3 dimana u1 = u2, u2 = u3, u3 = u1.
Serta ruang vektor V dengan dua basis terurut C = v1,v2
dan C = v1, v2 dimana v1 = v1 + v2, v2 = v1 − v2. Suatu
pemetaan linier α : U → V diberikan oleh α(u1) = 2v1 −v2, α(u2) = v1+v2, α(u3) = −2v1+3v2, sehingga diperoleh suatu
matriks representasi
A = (α,B,C) =
(2 1 −2
−1 1 3
).
Misalkan P adalah matriks dari pemetaan identitas di U
dari basis B ke basis B, yaitu IU(u1) = u1 = u3 = 0u1+0u2+1u3,
IU(u2) = u2 = u1 = 1u1 + 0u2 + 0u3, IU(u3) = u3 = u2 = 0u1 + 1u2 +
0u3. Sehingga didapat P dan P−1:
P =
0 1 0
0 0 1
1 0 0
dan P−1 =
0 0 1
1 0 0
0 1 0
.
Begitu juga, karena IV (v1) = v1 = 1v1 + 1v2, IV (v2) = v2 =
1v1−1v2, maka didapat matriks Q−1 dari pemetaan identitas
pada V dari basis C ke basis C dan juga didapat matriks Q
diberikan oleh:
Q−1 =
(1 1
1 −1
)dan Q =
(12
12
12 −
12
).
Home Page
Title Page
JJ II
J I
Page 62 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh 3.......
Matriks representasi A = (α,B,C) diberikanoleh:
A = QAP−1 =
1 12
12
0 −52
32
.
Hasil ini bisa dicek secara langsungpemetaan α didefinisikan relatif terhadapbasis B dan C sebagai berikut:α(u1) = α(u2) = v1 + v2 = v1 = 1v1 + 0v2α(u2) = α(u3) = −2v1 + 3v2 = 1
2v1 − 52v2
α(u3) = α(u1) = 2v1 − v2 = 12v1 + 3
2v2.
Dua matriks bujur sangkar A dan Bdikatakan similar bila ada matriks P yangpunya invers sehingga B = PAP−1. Kesemi-laran matriks (∼) adalah suatu relasi eki-valen.
Home Page
Title Page
JJ II
J I
Page 63 of 132
Go Back
Full Screen
Close
Quit
Diberikan pemetaan linier α : U → V terhadap basis terurut
B dari ruang vektor U dan basis terurut C dari ruang vektor
V , bagaimana cara memilih basis terurut B dari ruang vektor
U dan basis terurut C dari ruang vektor V supaya represen-
tasi matriks A = (α,B,C) mempunyai bentuk normal diagonal
satuan yang sederhana, yaitu matriks:
Ir... 0
. . . . . . . . .
0 ... 0
,
dimana Ir adalah matriks satuan berukuran r × r dengan
r ≤ min{dim(U),dim(V )}. Untuk memperoleh cara yang di-
maksud ini digunakan sifat berikut.
Misalkan pemetaan linier α : U → V , masing-masing dimensi
U dan V adalah m dan n dengan dim(Im(α)) = r. Maka ada
basis terurut B dari U dan basis terurut C dari V sehingga
representasi matriks dari α berbentuk normal diagonal satuan,
yaitu
A = (α,B,C) =
Ir... 0
. . . . . . . . .
0 ... 0
l r
l n− r←→ ←→r m− r
Home Page
Title Page
JJ II
J I
Page 64 of 132
Go Back
Full Screen
Close
Quit
Bukti
Dari sifat dimensi pemetaan linier didapat, dim(ker(α)) =
dim(U) − dim(Im(α)) = m − r. Misalkan ur+1, . . . ,um adalah su-
atu basis terurut dari ker(α). Perluas basis ini sampai diper-
oleh basis terurut B = u1, . . . ,ur,ur+1, . . . ,um dari ruang vek-
tor U . Dari pengertian kernel didapat α(ur+1) = 0, . . . , α(um) =
0. Selanjutnya pilih vektor-vektor v1, . . . ,vr ∈ Im(α) se-
hingga α(u1) = v1, . . . , α(ur) = vr. Jelas bahwa vektor-vektor
v1, . . . ,vr adalah suatu basis terurut dari Im(α). Selanjut-
nya perluas basis ini sampai diperoleh basis terurut C =
v1, . . . ,vr,vr+1, . . . ,vn dari ruang vektor V . Jadi, terhadap basis
terurut B dari ruang vektor U dan basis terurut C dari ruang
vektor V , pemetaan α didefinisikan oleh α(u1) = v1, . . . , α(ur) =
vr, α(ur+1) = 0, . . . , α(um) = 0. Dari definisi ini terlihat bahwa
representasi matriks A = (α,B,C) adalah:
A = (α,B,C) =
Ir... 0
. . . . . . . . .
0 ... 0
l r
l n− r←→ ←→r m− r
Home Page
Title Page
JJ II
J I
Page 65 of 132
Go Back
Full Screen
Close
Quit
Contoh
Misalkan representasi matriks dari suatu pemetaan linier ter-
hadap basis baku terurut, diberikan oleh:
A =
1 2 3
2 3 1
3 5 4
.
Dapatkan basis-basis terurut dari U dan V supaya dengan
basis-basis ini pemetaan linier mempunyai representasi ma-
triks berbentuk normal diagonal satuan.
Penyelesaian Pertama, tentukan kernel dari A dengan menyele-
saikan persamaan Ax = 0, didapat: ker(A) = {x(7,−5, 1)′ | x ∈ R}atau ker(A) = 〈{(7,−5, 1)′}〉. Perluas basis dari kernel sehingga
diperoleh basis terurut B = (1, 0, 0)′, (0, 1, 0)′, (7,−5, 1)′. Selanjut-
nya dapatkan basis terurut dari Image A sebagai berikut:
1 2 3
2 3 1
3 5 4
1
0
0
=
1
2
3
,
1 2 3
2 3 1
3 5 4
0
1
0
=
2
3
5
.
Perluas basis terurut ini sehingga diperoleh:
Home Page
Title Page
JJ II
J I
Page 66 of 132
Go Back
Full Screen
Close
Quit
Lanjutan Contoh................
C = (1, 2, 3)′, (2, 3, 5)′, (1, 0, 0)′ adalah basis terurut dari ruang vek-
tor V . Selanjutnya cek dengan basis-basis terurut B dan C,
representasi matriks berbentuk normal diagonal satuan seba-
gaimana berikut ini. Persamaan-persamaan yang memberikan
matriks P−1 = (α,B,B) dengan B basis terurut baku adalah:
IU(u1) = u1 = (1, 0, 0)′, IU(u2) = u2 = (0, 1, 0)′ dan IU(u3) = u3 =
(7,−5, 1)′. Sehingga didapat:
P−1 =
1 0 7
0 1 −5
0 0 1
.
Dengan cara serupa, persamaan-persamaan yang memberikan
matriks Q−1 = (α,C,C) dengan C basis terurut baku adalah:
IV (v1) = v1 = (1, 2, 3)′, IV (v2) = v2 = (2, 3, 5)′ dan IV (v3) = v3 =
(1, 0, 0)′. Sehingga didapat:
Q−1 =
1 2 1
2 3 0
3 5 0
⇒ Q =
0 5 −3
0 −3 2
1 1 −1
dan matriks A = QAP−1 diberikan oleh:
A =
0 5 −3
0 −3 2
1 1 −1
1 2 3
2 3 1
3 5 4
1 0 7
0 1 −5
0 0 1
=
1 0 0
0 1 0
0 0 0
.
Home Page
Title Page
JJ II
J I
Page 67 of 132
Go Back
Full Screen
Close
Quit
Rank suatu matriks.
Suatu matriks A berukuran n × m den-gan elemen-elemen di K mendefinisikansuatu pemetaan linier α dari Km ke Kn
sedemikian hingga A = (α,Em, En) dimanaEm dan En masing-masing adalah basisbaku dari Km dan Kn. Rank dari matriks Aadalah rank dari α, jadi rank(A) = rank(α) =dim(Im(α)). Ruang bagian dari Km yangdibentangkan oleh vektor-vektor baris dariA dinamakan ruang baris dari A dan mem-punyai dimensi rank baris dari A yangmerupakan banyaknya vektor-vektor barisdari A yang bebas linier. Ruang bagian dariKn yang dibentangkan oleh vektor-vektorkolom dari A dinamakan ruang kolom dariA dan mempunyai dimensi rank kolomdari A yang merupakan banyaknya vektor-vektor kolom dari A yang bebas linier.
Home Page
Title Page
JJ II
J I
Page 68 of 132
Go Back
Full Screen
Close
Quit
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi
rank kolom dari suatu matriks sama dengan rank matriksnya.
Bukti.
Misalkan A berukuran n×A dan α suatu pemetaan linier dari
Km ke Kn sedemikian hingga A = (α,Em, En), dimana Em =
e1, . . . , em dan En = e1, . . . , en masing-masing adalah basis baku
terurut dari Km dan Kn. Misalkan bahwa matriks
A =
a1,1 . . . a1,m
. . . . . . . . .
an,1 . . . an,m
,
maka untuk j = 1, . . . ,m,
α(ej) =
n∑
i=1
ai,jei =
a1,j...
an,j
adalah kolom ke-j dari matriks A. Tetapi, Im(α) dibangun olehα(e1), . . . , α(em), oleh karena itu Im(α) = ruang kolom(A). Jadirank(A)=rank kolom(A).
Home Page
Title Page
JJ II
J I
Page 69 of 132
Go Back
Full Screen
Close
Quit
Jawaban Quiz
1. Bila Mn(R) adalah himpunan matriks berukuran n × n de-
ngan elemen-elemen di R dan untuk suatu X tetap di Mn(R)
didefinisikan pemetaan α : Mn(R) → Mn(R) dengan α(A) =
XAX−1,∀A ∈Mn(R), maka :
a. Tunjukkan bahwa α adalah suatu pemetaan linier.
b. Dapatkan Im(α) dan Ker(α).
c. Dari hasil b. tentukan sifat dari pemetaan α.
Jawab
a. Misalkan A,B ∈ Mn(R) dan a, b ∈ R, maka α(aA + bB) =
X(aA + bB)X−1 = X(aA)X−1 + X(bB)X−1 = a(XAX−1) +
b(XBX−1) = aα(A) + bα(B).
b. Im(α) = {Y ∈Mn(R) | Y = XAX−1,∀A ∈Mn(R)} dan Ker(α)
= {A ∈Mn(R) |XAX−1 = 0} = {0}.c. Dari hasil b. terlihat bahwa α satu-satu (sebab Ker(α) =
{0}). Pemetaan α juga pada sebab, diberikan sebarang
Y ∈ Mn(R) (kodomain), pilih X−1Y X ∈ Mn(R) (domain)
sehingga didapat α(X−1Y X) = X(X−1Y X)X−1 = Y .
Home Page
Title Page
JJ II
J I
Page 70 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan pemetaan linier α : R3 → R3
oleh
α(
xyz
) =
x− 2y + 3zx + 3y − 2z
5z
,∀
xyz
∈ R3.
Terhadap basis terurut
B =
100
,
110
,
111
dapatkan matriks representasi daripemetaan linier α.
Home Page
Title Page
JJ II
J I
Page 71 of 132
Go Back
Full Screen
Close
Quit
Jawab
α(
1
0
0
) =
1
1
0
= 0
1
0
0
+ 1
1
1
0
+ 0
1
1
1
=
0
1
0
B
α(
1
1
0
) =
−1
4
0
= −5
1
0
0
+ 4
1
1
0
+ 0
1
1
1
=
−5
4
0
B
α(
1
1
1
) =
2
2
5
= 0
1
0
0
− 3
1
1
0
+ 5
1
1
1
=
0
−3
5
B
Jadi
A = (α,B,B) =
0 −5 0
1 4 −3
0 0 5
.
Home Page
Title Page
JJ II
J I
Page 72 of 132
Go Back
Full Screen
Close
Quit
3. Diberikan suatu ruang vektor V = {a+b√
2+c√
3|(a, b, c) ∈ Q3}atas Q, dimana Q adalah himpunan bilangan rasional.
a. Tunjukkan bahwa vektor-vektor 1,√
2,√
3 adalah bebas
linier.
b. Ungkapkan1
1−√
2+
2√12− 2
sebagai kombinasi linier dari
vektor-vektor 1,√
2,√
3.
Jawab
a. Misalkan, a + b√
2 + c√
3 = 0, assumsikan a2 + b2 + c2 6= 0. Bila
ac 6= 0, maka b√
2 = −a − c√
3 ⇔ 2b2 = a2 + 2ac√
3 + 3c2 ⇔√
3 =2b2 − a2 − 3c2
2ac(tidak mungkin bilangan irrasional sama dengan
bilangan rasional). Jadi haruslah ac = 0, didapat a = 0 dan
andaikan c 6= 0, maka b√
2 + c√
3 = 0⇔ −bc
=
√3√2
(dengan alasan
sama seperti sebelumnya tidak mungkin terjadi). Jadi harus-
lah c = 0. Sehingga didapat b√
2 = 0 ⇔ b = 0. Jadi, diperoleh
a = b = c = 0.
b.
1
1−√
2+
2√12− 2
=1 +√
2
1− 2+
2√
12 + 4
12− 4
= −1−√
2 +1
2
√3 +
1
2
= −1
2(1)− 1(
√2) +
1
2(√
3).
Home Page
Title Page
JJ II
J I
Page 73 of 132
Go Back
Full Screen
Close
Quit
4. Dapatkan suatu matriks representasi dari pemetaan linier
α : R2 → R2 terhadap basis terurut standart (baku) bila
Ker(α) = Im(α) dan
α(
(1
1
)) =
(2
3
).
Jawab
Perhatikan bahwa(
2
3
)∈ Im(α) = Ker(α)⇒ α(
(2
3
)) =
(0
0
).
Sehingga terhadap basis terurut baku di R2, didapat
α(
(1
0
)) = α(3
(1
1
)−(
2
3
)) = 3α(
(1
1
))− α(
(2
3
)) =
(6
9
)
α(
(0
1
)) = α(
(2
3
)− 2
(1
1
)) = α(
(2
3
))− 2α(
(1
1
)) =
(−4
−6
).
Sehingga didapat, matriks representasi dari pemetaan α
adalah:
A =
(6 −4
9 −6
).
Home Page
Title Page
JJ II
J I
Page 74 of 132
Go Back
Full Screen
Close
Quit
Rank suatu matriks.
Suatu matriks A berukuran n × m de-ngan elemen-elemen di K mendefinisikansuatu pemetaan linier α dari Km ke Kn
sedemikian hingga A = (α,Em, En) dimanaEm dan En masing-masing adalah basisbaku dari Km dan Kn. Rank dari matriks Aadalah rank dari α, jadi rank(A) = rank(α) =dim(Im(α)). Ruang bagian dari Km yangdibentangkan oleh vektor-vektor baris dariA dinamakan ruang baris dari A dan mem-punyai dimensi rank baris dari A yangmerupakan banyaknya vektor-vektor barisdari A yang bebas linier. Ruang bagian dariKn yang dibentangkan oleh vektor-vektorkolom dari A dinamakan ruang kolom dariA dan mempunyai dimensi rank kolomdari A yang merupakan banyaknya vektor-vektor kolom dari A yang bebas linier.
Home Page
Title Page
JJ II
J I
Page 75 of 132
Go Back
Full Screen
Close
Quit
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi
rank kolom dari suatu matriks sama dengan rank matriksnya.
Bukti.
Misalkan A berukuran n×m dan α suatu pemetaan linier dari
Km ke Kn sedemikian hingga A = (α,Em, En), dimana Em =
e1, . . . , em dan En = e1, . . . , en masing-masing adalah basis baku
terurut dari Km dan Kn. Misalkan bahwa matriks
A =
a1,1 . . . a1,m
. . . . . . . . .
an,1 . . . an,m
,
maka untuk j = 1, . . . ,m,
α(ej) =
n∑
i=1
ai,jei =
a1,j...
an,j
adalah kolom ke-j dari matriks A. Tetapi, Im(α) dibangun olehα(e1), . . . , α(em), oleh karena itu Im(α) = ruang kolom(A). Jadirank(A)=rank kolom(A).
Home Page
Title Page
JJ II
J I
Page 76 of 132
Go Back
Full Screen
Close
Quit
Rank baris dan rank kolom dari setiap matriks adalah sama.
Bukti
Misalkan matriks A berukuran n×m dengan eleme-elemen di
K diberikan oleh a11 . . . a1m... ... ...
an1 . . . anm
dan misalkan Bi, i = 1, 2, . . . , n menyatakan baris ke-i dari ma-triks A. Selanjutnya misalkan rank baris(A) = r dan Sj, j =1, 2, . . . , r adalah basis dari ruang baris matriks A. Maka, un-
tuk setiap i = 1, 2, . . . , n,Bi =r∑j=1
kijSj untuk beberapa kij ∈ K.
Komponen ke-l dari vektor Bi mempunyai bentuk ail =r∑j=1
kijsjl
dengan i = 1, . . . , n, l = 1, . . . ,m. Sehingga didapat kolom ke-l
dari matriks A adalah Cl =r∑j=1
Ljsjl =r∑j=1
sjlLj, dimana Lj adalah
vektor kolom dengan komponen ke-i adalah kij. Terlihat bahwasetiap kolom dari A adalah merupakan kombinasi linier dari se-banyak r vektor. Jadi rank kolom(A) ≤ rank baris(A). Denganmenggunakan argumentasi (alasan yang sama) untuk matriksA′ (matriks transpose dari A), didapat rank baris(A) ≤ rankkolom(A). Jadi rank baris(A) = rank kolom(A).
Home Page
Title Page
JJ II
J I
Page 77 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan:
1. Suatu matriks A berukuran n× n denganelemen-elemen di lapangan F mempunyaiinvers bila dan hanya bila rank(A) = n.
2. Misalkan A matriks berukuran n×m den-gan elemen-elemen di lapangan F , bilaAx = 0, maka himpunan penyelesaiandari sistem linier homogin tsb. meru-pakan ruang bagian dari Fm dengan di-mensi m − rank(A). Hal ini mempun-yai arti bahwa ada sebanyak m− rank(A)parameter dalam himpunan penyelesaiandari Ax = 0.
3. Persamaan tak homogin Ax = b, mem-punyai penyelesaian bila dan hanya bilarank(A) = rank(A,b). Himpunan penye-lesaian ini mempunyai sebanyak m −rank(A) parameter.
Home Page
Title Page
JJ II
J I
Page 78 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks
A =
1 2 1 −1
0 1 0 −1
0 0 0 −3
.
Vektor vektor kolom dari A tidak bebas linier. Hanya sebanyak
3 vektor kolom yang bebas linier, yaitu kolom ke-1, kolom ke-2
dan kolom ke-4. Jadi rank kolom(A) = 3 dan semua vektor baris
dari A bebas linier (sebanyak 3). Penyelesaian dari Ax = 0 akan
memuat sebanyak 4− 3 = 1 paramater yaitu
x =
−t0
t
0
. Bila b =
2
−1
9
,
rank(A,b) = 3. Jadi penyelesaian Ax = b akan memuat se-
banyak 4− 3 = 1 parameter yaitu
x =
7− t−4
t
−3
.
Home Page
Title Page
JJ II
J I
Page 79 of 132
Go Back
Full Screen
Close
Quit
Eigen-vektor dan eigen-value.
Misalkan α : U → U suatu pemetaan lin-ier pada ruang vektor U berdimensi natas lapangan F. Bila u ∈ U dan λ ∈ Fmemenuhi α(u) = λu, maka u dinamakansuatu eigen-vektor dari α yang bersesuaiandengan eigen-value λ.
Misalkan A suatu matriks ukuran n× n de-ngan elemen-elemennya di suatu lapanganF. Bila ada vektor tak nol x ∈ Fn dan skalarλ ∈ F yang memenuhi Ax = λx, maka xdikatakan suatu eigen-vektor dari matriksA yang bersesuaian dengan eigen-value λ.
Home Page
Title Page
JJ II
J I
Page 80 of 132
Go Back
Full Screen
Close
Quit
Misalkan matriks A = (α,B,B) adalah re-presentasi dari pemetaan linier α : U → Uterhadap basis terurut B dari ruang vektorU. Selanjutnya bila ρB adalah pemetaan ko-ordinat dari U ke Fn, maka A = ρBαρ
−1B dan
x = ρB(u). Jadi Ax = λx⇔ (ρBαρ−1B )(ρB(u)) =
λρB(u)⇔ ρB(α(u)) = ρB(λu)⇔ α(u) = λu.
Bila α : U → U suatu pemetaan linier dan masing masing
matriks A = (α,B,B) dan A = (α,B,B) adalah representasi dari
α dengan basis terurut yang berbeda, maka eigenvalue dari A
sama dengan eigenvalue dari A.
BuktiMisalkan P = (IU,B,B) matriks perubahan basis dari basis B kebasis B, maka A = PAP−1. Bila Ax = λx didapat (PAP−1)(Px) =λ(Px). Sehingga diperoleh Ax = λx dimana x = Px. Terlihatbahwa matriks A dan A mempunyai eigenvalue yang sama.
Home Page
Title Page
JJ II
J I
Page 81 of 132
Go Back
Full Screen
Close
Quit
Cara menghitung eigenvalue dan eigenvektor
Misalkan A suatu matriks berukuran n × n dan Ax = λx
dengan x 6= 0 dan x ∈ Fn, maka (λI − A)x = 0, dimana I adalah
matriks identitas dengan ukuran n × n. Persamaan homogin
(λI − A)x = 0 mempunyai jawab nontrivial bila dan hanya
bila det(λI − A) = 0. Persamaan det(λI − A) = 0 dinamakan
persamaan kharakteristik dari matriks A yang merupakan
persamaan polinomial dalam λ dengan derajad n.
Contoh Diberikan matriks
A =
(0 1
−2 3
)⇒ det(
(λ −1
2 λ− 3
)) = λ2 − 3λ + 2 = (λ− 1)(λ− 2).
Untuk λ = 1 didapat:(
1 −1
2 −2
)(x1
x2
)=
(0
0
)⇒ x1 = x2 ⇒ x =
(1
1
),
sedangkan untuk λ = 2 didapat:(
2 −1
2 −1
)(x1
x2
)=
(0
0
)⇒ x2 = 2x1 ⇒ x =
(1
2
).
Home Page
Title Page
JJ II
J I
Page 82 of 132
Go Back
Full Screen
Close
Quit
Pendiagonalan suatu matriks
Suatu matriks A berukuran n × n dengan elemen-elemen
di F similar dengan matriks diagonal bila dan hanya bila
eigenvektor-eigenvektornya membentang ruang Fn (span Fn).
Bukti
Misalkan x1,x2, . . . ,xn adalah eigenvektor-eigenvektor dari ma-
triks A dimana 〈x1,x2, . . . ,xn〉 = Fn. Jadi matriks Q =
[x1 |x2 | . . . |xn] mempunyai invers, misalkan Q−1 = P . Sehingga
didapat
AQ = A [x1 |x2 | . . . |xn]
= [Ax1 |Ax2 | . . . |Axn]
= [λ1x1 |λ2x2 | . . . |λnxn]
= [x1 |x2 | . . . |xn]
λ1 . . . . . . 0... λ2 . . . ...... . . . . . . ...
0 . . . . . . λn
= QA⇔ A = Q−1AQ⇒ A = PAP−1.
Home Page
Title Page
JJ II
J I
Page 83 of 132
Go Back
Full Screen
Close
Quit
Selidiki apakah matriks dibawah ini bisa didiagonalkan!
A =
(0 1
−2 3
).
Dalam pembahasan sebelum didapat bahwa
AX1 = λ1X1 dan AX2 = λ2X2
dimana
λ1 = 1, X1 =
(1
1
)dan λ2 = 2, X2 =
(1
2
).
Untuk matriks
Q = [X1 X2] =
(1 1
1 2
)
didapat
A = Q−1AQ =
(2 −1
−1 1
)(0 1
−2 3
)(1 1
1 2
)=
(1 0
0 2
).
Terlihat bahwa matriks A dapat didiagonalkan menjadi matriksA.
Home Page
Title Page
JJ II
J I
Page 84 of 132
Go Back
Full Screen
Close
Quit
Bila matriks A berukuran n × n mempunyai n eigenvalue
yang berbeda satu dengan yang lainnya, maka eigenvektor-
eigenvektornya bebas linier.
Bukti
Misalkan λ1, λ2, . . . , λn adalah eigenvalue-eigenvalue yang
berbeda satu dengan yang lainnya dan X1,X2, . . . ,Xn adalah
eigenvektor-eigenvektor yang bersesuaian. Dengan menggu-
nakan induksi dibuktikan bahwa eigenvektor-eigenvektor tsb.
bebas linier. Misalkan bahwa X1,X2, . . . ,Xk bebas linier dan
untuk
a1X1 + a2X2 + . . . + akXk + ak+1Xk+1 = 0. (1)
Sehingga didapat
A(a1X1 + a2X2 + . . . + akXk + ak+1Xk+1) = 0
atau
a1λ1X1 + a2λ2X2 + . . . + akλkXk + ak+1λk+1Xk+1 = 0. (2)
Kalikan λk+1 pada persamaan (1) selanjutnya hasilnya ku-rangkan pada persamaan (2), didapat:
Home Page
Title Page
JJ II
J I
Page 85 of 132
Go Back
Full Screen
Close
Quit
a1(λ1 − λk+1)X1 + a2(λ2 − λk+1)X2 + . . . + ak(λk − λk+1)Xk = 0.
Karena X1, . . . ,Xk bebas linier dan λi 6= λj,∀i 6= j, maka harus-
lah a1 = a2 = . . . = ak = 0. Sehingga persamaan (1) menjadi
ak+1Xk+1 = 0 dan karena Xk+1 6= 0, maka haruslah ak+1 = 0. Ter-
lihat bahwa bila dari kenyataan persamaan (1) dipenuhi maka
berakibat a1 = a2 = . . . = ak = ak+1 = 0, hal ini menunjukkan
bahwa vektor-vektor X1,X1, . . . ,Xk,Xk+1 adalah bebas linier.
Kesimpulan
Bila matriks A berukuran n × n dengan elemen-elemen di
lapangan F mempunyai eigenvalue-eigenvalue yang berbeda,
maka matriks A dapat didiagonalkan.
BuktiDengan menggunakan dua hasil sebelumnya didapat bahwa,eigenvektor-eigenvektor yang bersesuaian dengan eigenvalue-eigenvalue merupakan vektor-vektor yang bebas linier. Se-hingga vektor-vektor ini membentangkan keseluruhan ruangFn. Akibatnya matriks A dapat didiagonalkan.
Home Page
Title Page
JJ II
J I
Page 86 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks
A =
0 1 0
0 0 1
6 −11 6
.
Polinomial kharakteristik A adalah
p(λ) =
∣∣∣∣∣∣
λ −1 0
0 λ −1
−6 11 λ− 6
∣∣∣∣∣∣= λ
∣∣∣∣λ −1
11 λ− 6
∣∣∣∣ + 1
∣∣∣∣0 −1
−6 λ− 6
∣∣∣∣⇒
p(λ) = λ(λ2− 6λ) + 11λ− 6 = λ3− 6λ2 + 11λ− 6 = (λ− 1)(λ− 2)(λ− 3).
Didapat λ1 = 1, λ2 = 2 dan λ3 = 3. Sehingga didapat pasangan
eigenvalue-eigenvektor:
λ1 = 1,X1 =
1
1
1
; λ2 = 2,X2 =
1
2
4
; λ3 = 3,X3 =
1
3
9
.
dan
Q = [X1 X2 X3] =
1 1 1
1 2 3
1 4 9
⇒ Q−1 =
3 −52
12
−3 4 −1
1 −32
12
.
Matriks A = Q−1AQ adalah matriks diagonal dengan elemen-elemen diagonal λ1 = 1, λ2 = 2, λ3 = 3.
Home Page
Title Page
JJ II
J I
Page 87 of 132
Go Back
Full Screen
Close
Quit
Matriks invarianSuatu matriks bujur sangkar invarianadalah suatu sifat dari suatu matriks yangtidak berubah bila matriks ditransformasidengan suatu cara tertentu. Eigenvalue-eigenvalue dari suatu matriks adalah in-varian dibawah suatu transformasi kesemi-laran, begitu juga trace dan determinan-nya. (Trace suatu matriks A adalah jum-lah keseluruhan eleme-elemen diagonalnya:
tr(A) =n∑i=1
ai,i).
Home Page
Title Page
JJ II
J I
Page 88 of 132
Go Back
Full Screen
Close
Quit
Bila λ adalah eigenvalue dari matriks A,maka λ juga eigenvalue dari suatu matriksPAP−1
Bukti Misalkan AX = λX dan Y = PXdengan P matriks yang punya invers,jadi X = P−1Y. Sehingga didapatA(P−1Y) = λ(P−1Y) ⇒ (PAP−1)Y = λY.Terlihat bahwa λ juga eigenvalue dari ma-triks PAP−1. �
Bila ABC adalah haasil kali matriks bujursangkar, maka tr(ABC) = tr(BCA).
Home Page
Title Page
JJ II
J I
Page 89 of 132
Go Back
Full Screen
Close
Quit
Bukti
(ABC)i,l =
n∑
k=1
n∑
j=1
ai,jbj,kck,l
.
Didapat
tr(ABC)=
n∑
i=1
(ABC)i,i =
n∑
i=1
n∑
k=1
n∑
j=1
ai,jbj,kck,i
=
n∑
j=1
n∑
i=1
n∑
k=1
bj,kck,iai,j
=tr(BCA).
Home Page
Title Page
JJ II
J I
Page 90 of 132
Go Back
Full Screen
Close
Quit
Trace dan determinan dari suatu matriksbujur sangkar adalah invarian dalam suatutranformasi similar. Lagi pula bila matriksA dapat didiagonalkan dengan eigenvalue
λi, i = 1, . . . , n, maka tr(A) =n∑i=1
λi dan
det(A) =n∏i=1
λi.
Bukti Dari hasil sebelumnya,tr(PAP−1) = tr(P−1PA) = tr(A). Dandet(PAP−1) = det(P )det(A)det(P−1) =det(A)(det(P )det(P−1)) = det(A)det(PP−1) =det(A)det(I) = det(A). Jelas bahwa bilaPAP−1 = A dimana A matriks diagonal den-gan elemen-elemen diagonal λi, i = 1, . . . , n,
maka tr(A) =n∑i=1
λi dan det(A) =n∏i=1
λi.
Home Page
Title Page
JJ II
J I
Page 91 of 132
Go Back
Full Screen
Close
Quit
ContohDiberikan matriks matriks
A =
0 1 00 0 16 −11 6
⇒ λ1 = 1, λ2 = 2, λ3 = 3.
tr(A) = 0 + 0 + 6 = 6λ1 + λ2 + λ3 = 1 + 2 + 3 = 6
}⇒ tr(A) = λ1+λ2+λ3.
det(A) = 6
∣∣∣∣1 00 1
∣∣∣∣ = 6
λ1λ2λ3 = 1(2)(3) = 6
⇒ det(A) = λ1λ2λ3.
Home Page
Title Page
JJ II
J I
Page 92 of 132
Go Back
Full Screen
Close
Quit
Misalkan λ adalah sutu eigenvalue daripemetaan linier α : U → U. Himpunansemua eigenvektor-eigenvektor yang bers-esuaian dengan eigenvalue λ beserta vek-tor nol dinamakan ruang eigen dari U dino-tasikan dengan Eλ(U). Ruang eigen Eλ(U)adalah ruang bagian dari ruang vektorU, sebab merupakan kernel dari pemetaan(λIU − λ). Dimensi dari subruang Eλ(U) di-namakan multiplisitas geometri dari λ dandan banyaknya λ yang sama (kembar) di-namakan multiplisitas aljabar dari λ. Mis-alkan multiplisitas geometri dari λ adalaha dan multiplisitas aljabar dari λ adalah b,maka a ≤ b.
Home Page
Title Page
JJ II
J I
Page 93 of 132
Go Back
Full Screen
Close
Quit
Contoh
1. Diberikan matriks
A =
2 −1 −10 3 10 1 3
⇒ det(λI−A) = (λ−2)2(λ−4).
E2(R3) = ker(
0 1 10 −1 −10 −1 −1
) =
⟨
100
,
01−1
⟩
E4(R3) = ker(
2 1 10 1 −10 −1 1
) =
⟨
1−1−1
⟩
Terlihat bahwa untuk λ = 2 ataupun λ = 4multiplisitas geometri = multiplisitas al-jabar.
Home Page
Title Page
JJ II
J I
Page 94 of 132
Go Back
Full Screen
Close
Quit
2. Diberikan matriks
A =
2 1 00 2 00 0 4
⇒ det(λI−A) = (λ−2)2(λ−4).
E2(R3) = ker(
0 −1 00 0 00 0 −2
) =
⟨
100
⟩
E4(R3) = ker(
2 −1 00 2 00 0 0
) =
⟨
001
⟩
Terlihat bahwa untuk λ = 2 multiplisitas ge-ometri < multiplisitas aljabar tetapi untukλ = 4 multiplisitas geometri = multiplisitasaljabar.
Home Page
Title Page
JJ II
J I
Page 95 of 132
Go Back
Full Screen
Close
Quit
Bila det(λI − A) = λn + cn−1λn−1 + . . . + c0,
maka An + cn−1An−1 + . . . + c0I = 0.
BuktiBila PAP−1 = D dimana matriks D adalahmatriks diagonal dengan elemen-elemen di-agonal λi, i = 1, . . . , n adalah eigenvalue-eigenvalue dari matriks A. Sehingga dida-pat :
An + cn−1An−1 + . . . + c0I =
P−1(Dn + cn−1Dn−1 + . . . + c0I)P =
P−1
λn1 + cn−1λ
n−11 + . . . + c0 . . . 0... . . . ...
0 . . . λnn + cn−1λn−1n + . . . + c0
P = 0.
Home Page
Title Page
JJ II
J I
Page 96 of 132
Go Back
Full Screen
Close
Quit
Contoh Diberikan matriks
A =
0 1 00 0 16 −11 6
⇒ det(λI−A) = λ3−6λ2+11λ−6.
Sehingga didapat matriks A3−6A2 +11A−6Iadalah:
6 −11 6
36 −60 25
150 −239 90
−
0 0 6
36 −66 36
216 −360 150
+
0 11 0
0 0 11
66 −121 66
−
6 0 0
0 6 0
0 0 6
=
(6− 6) (−11 + 11) (6− 6)
(36− 36) (−60 + 66− 6) (25− 36 + 11)
(150− 216 + 66) (−239 + 360− 121) (90− 150 + 66− 6)
=
0 0 0
0 0 0
0 0 0
Home Page
Title Page
JJ II
J I
Page 97 of 132
Go Back
Full Screen
Close
Quit
Ke-Orthogonalan
Misalkan V suatu ruang vektor atas lapangan riil R. Hasil kali
dalam riil (real inner product) juga dinamakan bilinier adalah
fungsi dari V× V ke R dinotasikan oleh 〈u,v〉 yang memenuhi
• 〈r1u1 + r2u2,v〉 = r1 〈u1,v〉+ r2 〈u2,v〉 untuk semua u1,u2,v ∈ Vdan r1, r2 ∈ R (Linier).
• 〈u,v〉 = 〈v,u〉 untuk semua u,v ∈ V (Simetri).
• 〈u,u〉 ≥ 0 untuk semua u ∈ V dan 〈u,u〉 = 0 bila dan hanya
bila u = 0 (semi definit positip).
Bila x = (x1, . . . , xn),y = (y1, . . . , yn) ∈ Rn maka hasil kali dalam
baku diberikan oleh 〈x,y〉 def=
n∑i=1
xiyi (juga dinamakan dot
product dalam geometri Euclide). Bila vektor-vektor x dan y
disajikan dalam vektor kolom, maka 〈x,y〉 = x′y.
Suatu norm dari ruang vektor V ke lapangan riil R adalah
suatu fungsi dinotasikan oleh || || yang memenuhi
• ||v|| ≥ 0 untuk semua v ∈ V dan ||v|| = 0 bila dan hanya bila
u = 0 (Definit positip).
• ||rv|| = |r| ||v|| untuk semua v ∈ V, r ∈ R
• ||u + v|| ≤ ||u|| + |||v|| untuk semua u,v ∈ V (Pertaksamaan
segitiga).
Home Page
Title Page
JJ II
J I
Page 98 of 132
Go Back
Full Screen
Close
Quit
Untuk setiap u ∈ Rn norm Euclide diberikan oleh
||u||pdef=
(n∑i=1
|ui|p)1
p
dalam hal ini dinamakan norm-p. Khusus
untuk p = 2 cukup ditulis ||u|| =(
n∑i=1
|ui|2)1
2
Misalkan V suatu ruang vektor atas lapangan R.
1. Dua vektor u,v ∈ V dikatakan orthogonal bila 〈u,v〉 = 0.
2. Suatu himpunan dari vektor-vektor adalah orthogonal bila
setiap dua pasang vektor orthogonal.
3. Suatu vektor u ∈ V adalah ternormalisir bila ||u|| = 1.
4 Dua vektor u,v ∈ V dikatakan orthonormal bila ||u|| = ||v|| =1 dan 〈u,v〉 = 0.
Setiap vektor u ∈ V bisa dinormalisir kedalam bentuku
||u||.
Home Page
Title Page
JJ II
J I
Page 99 of 132
Go Back
Full Screen
Close
Quit
Contoh
Himpunan vektor-vektor {(1, 0), (0, 1)} adalah orthonormal,
tetapi {(1, 1), (−1, 1)} adalah orthogonal. Himpunan yang
terakhir ini dapat dijadikan orthonormal sebagai himpunan
berikut ini
{(1√2,
1√2
),
(− 1√
2,
1√2
)}
Suatu basis orthonormal dari suatu ruang vektor mempunyai
beberapa kemanfaatan dan basis baku dari ruang vektor Rn
adalah orthonormal, yaitu basis baku dari ruang vektor R3
adalah himpunan {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
Diberikan matriks A berukuran n × n, matriks A dikatakan
matriks simetri bila A = A′ dan dikatakan anti-simetri (skew-
symmetric) bila A = −A′. Matriks simetri bermaanfaat dalam
bentuk kuadrat, misalnya
(x y
)( a1,1 a1,2
a1,2 a2,2
)(x
y
)= a1,1x
2 + 2a1,2xy + a2,2y2
Home Page
Title Page
JJ II
J I
Page 100 of 132
Go Back
Full Screen
Close
Quit
Bila matriks A simetri dengan elemen-elemen riil dan berlaku
Ax = λx dengan x 6= 0, maka λ selalu merupakan bilangan riil.
Bukti
Digunakan tanda ∗ untuk menyatakan komplek sekawan (com-
plex conjugate). Kedua ruas dari Ax = λx kalikan dengan x∗′
didapat
x∗′Ax = λ(x∗
′x) (3)
Persamaan (3) kedua ruas ditranspose-konjuget didapat
x∗′Ax = λ∗(x∗
′x) (4)
Persamaan (4) dikurangi persamaan (3) didapat
0 = (λ∗ − λ)(x∗′x) ⇒ 0 = λ∗ − λ (sebab x 6= 0). Jadi λ∗ = λ, maka
dari itu λ merupakan bilangan riil.
Home Page
Title Page
JJ II
J I
Page 101 of 132
Go Back
Full Screen
Close
Quit
Misalkan A matriks simetri berukuran n × n dengan elemen-
elemen riil. Bila λ dan µ adalah sebarang dua eigenvalue dari
matriks A dengan masing-masing eigenvektor adalah x dan y
dan λ 6= µ, maka 〈x,y〉 = 0.
Bukti
Kedua ruas persamaan Ax = λx kalikan dengan y′ didapat
y′Ax = λ(y′x). (5)
Kedua ruas persamaan Ay = µy kalikan dengan x′ didapat
x′Ay = µ(x′y). (6)
Kedua ruas persamaan (6) ditranspose didapat
y′Ax = µ(y′x). (7)
Persamaan (7) dikurangi persamaan (5) didapat0 = (µ− λ)(y′x)⇒ 0 = y′x = 〈x,y〉 (sebab λ 6= µ).
Home Page
Title Page
JJ II
J I
Page 102 of 132
Go Back
Full Screen
Close
Quit
Matriks A berukuran n × n dikatakan orthogonal bila
AA′ = I = A′A yaitu A−1 = A′.
Bila Bi dan Kj masing-masing menyatakan baris ke-i dan
kolom ke-j dari suatu matriks orthogonal A berukuran n × n,
maka {Bi, i = 1, . . . , n} dan {Kj, j = 1, . . . , n} adalah himpunan
dari vektor-vektor orthonormal.
Bukti
Dari elemen perkalian matriks (AA′)i,j = 〈Bi, Bj〉 dan fakta AA′ =
I didapat 〈Bi, Bj〉 =
{1 i = j
0 yang lainnya, terlihat bahwa baris-
baris dari A adalah orthonormal. Bila A orthogonal, maka A′
juga orthogonal, jadi kolom-kolom dari A juga orthonormal.
Contoh
Bila matriks A diberikan oleh
A =
0 1 0
0 0 1
1 0 0
, maka AA′ =
0 1 0
0 0 1
1 0 0
0 0 1
1 0 0
0 1 0
=
1 0 0
0 1 0
0 0 1
= I.
Juga dapat dicek bahwa A′A = I. Jadi A adalah matriks or-thogonal.
Home Page
Title Page
JJ II
J I
Page 103 of 132
Go Back
Full Screen
Close
Quit
Contoh
Bila matriks A diberikan oleh
A =
0 − 1√2
1√2
1 0 0
01√2
1√2
,
maka matriks A adalah orthogonal, sebab
AA′ =
0 − 1√2
1√2
1 0 0
01√2
1√2
0 1 0
− 1√2
01√2
1√2
01√2
=
1 0 0
0 1 0
0 0 1
= I.
Juga dapat dicek bahwa A′A = I
Home Page
Title Page
JJ II
J I
Page 104 of 132
Go Back
Full Screen
Close
Quit
Suatu pemetaan linier yang direpresentasikan oleh suatu ma-
triks orthogonal adalah mempertahankan jarak dari suatu vek-
tor, yaitu bila A suatu matriks orthogonal, maka ||Ax|| = ||x||untuk semua x ∈ Rn.
Bukti
Dari persamaan ||x|| =√〈x,x〉 dan 〈x,x〉 = x′x, didapat ||x||2 =
x′x. Oleh karena itu ||Ax||2 = x′A′Ax = x′x = ||x||2 ⇒ ||Ax|| = ||x||.
Contoh
Diberikan matriks orthogonal
A =
0 − 1√2
1√2
1 0 0
01√2
1√2
dan sebarang x =
x1
x2
x3
∈ Rn,
maka dapat ditunjukkan bahwa ||Ax|| = ||x|| sebagai manaberikut ini:
Home Page
Title Page
JJ II
J I
Page 105 of 132
Go Back
Full Screen
Close
Quit
∣∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣∣
0 − 1√2
1√2
1 0 0
01√2
1√2
x1x2x3
∣∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣∣
− 1√2x2 +
1√2x3
x11√2x2 +
1√2x3
∣∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣∣
=
√(− 1√
2x2 +
1√2x3)2 + x2
1 + (1√2x2 +
1√2x3)2
√1
2x2
2 − x2x3 +1
2x2
3 + x21 +
1
2x2
2 + x2x3 +1
2x2
3
√x2
1 + x22 + x2
3 = ||x||.
Home Page
Title Page
JJ II
J I
Page 106 of 132
Go Back
Full Screen
Close
Quit
Kesimpulan yang bisa diperoleh dari matriks simetri berkaitan
dengan pendiagonalan matriks diberikan sebagaimana berikut
ini.
KesimpulanBila matriks simetri A berukuran n×n mempunyai eigenvalue-eigenvalue yang berbeda, maka A dapat didiagonalkan melaluisuatu matriks orthogonal.
Komentar : Karena matriks A mempunyai eigenvalue-eigenvalue yang berbeda, maka dapat didiagonalkan men-jadi matriks Q−1AQ dimana matriks Q = [x1|x2| . . . |xn] denganxi, i = 1, . . . , n adalah eigenvektor-eigenvektor dari A yang sesuaidengan eigenvaluenya. Berdasarkan hasil sebelumnya vektor-vektor xi, i = 1, . . . , n saling orthogonal. Bila vektor-vektor inidinormalkan maka didapat matriks orthogonal
P =
[x1
||x1||
∣∣∣∣x2
||x2||
∣∣∣∣ . . .∣∣∣∣
xn||xn||
], sehingga matriks P ′AP juga meru-
pakan matriks diagonal.
Home Page
Title Page
JJ II
J I
Page 107 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks simetri
A =
(1√
2√2 2
)⇒∣∣∣∣(λ 0
0 λ
)−(
1√
2√2 2
)∣∣∣∣ =
∣∣∣∣(λ− 1 −
√2
−√
2 λ− 2
)∣∣∣∣ .
Sehingga didapat polinomial kharakteristik dari matriks A
adalah p(λ) = (λ − 1)(λ − 2) − 2 = λ2 − 3λ = λ(λ − 3). Untuk
eigenvalue λ1 = 0 dan λ2 = 3 didapat masing-masing eigenvek-
tor yang sesuai adalah:
x1 =
(−√
2
1
)dan x2 =
(1√2
).
Sehingga diperoleh
x1
||x1||=
−√
2√3
1√3
danx2
||x2||=
1√3
√2√3
.
Bila matriks P =
[x1
||x1||x2
||x2||
], maka pendiagonalan dari ma-
triks A adalah P ′AP dan hasilnya diberikan sebagai berikut
Home Page
Title Page
JJ II
J I
Page 108 of 132
Go Back
Full Screen
Close
Quit
−√
2√3
1√3
1√3
√2√3
(1√
2√2 2
)
−√
2√3
1√3
1√3
√2√3
=
−√
2√3
+
√2√3− 2√
3+
2√3
1√3
+2√3
√2√3
+2√
2√3
−√
2√3
1√3
1√3
√2√3
=
0 0
3√3
3√
2√3
−√
2√3
1√3
1√3
√2√3
=
(0 0
0 3
)
Home Page
Title Page
JJ II
J I
Page 109 of 132
Go Back
Full Screen
Close
Quit
Berkaitan dengan matriks simetri dengan elemen-elemen riil.
Sebagaimana telah diketahui matriks simetri pasti semua
eigenvaluenya adalah riil, tetapi tidak menjamin bahwa se-
mua eigenvalue-eigenvalue ini berbeda satu dengan yang lain-
nya, bila semuanya berbeda maka pasti matriks simetri tsb.
bisa didiagonalkan. Bila ada yang rangkap, maka hal ini
ada dua kasus. Yang pertama bila masing-masing multi-
plisitas geometri = multiplisitas aljabar, maka pendiagonalan
matriks bisa dilakukan. Kedua, bila masing-masing multi-
plisitas geometri < multiplisitas aljabar, maka pendiagonalan
tidak dapat dilakukan. Pada khasus yang kedua tentunya
hanya beberapa eigenvektor yang orthogonal satu dengan yang
lainnya, yaitu yang berkaitan dengan eigenvalue-eigenvalue
yang saling berbeda satu dengan lainnya. Tetapi untuk
eigenvalue yang rangkap walaupun memberikan eigenvektor-
eigenvektor yang saling bebas linier tetapi tidak menjamin
bahwa eigenvektor-eigenvektor ini orthogonal. Oleh karena
itu matriks yang kolom-kolomnya merupakan eigenvektor-
eigenvektor bukan matriks orthogonal. Tetapi dengan be-
berapa modifikasi matriks tsb. bisa dijadikan matriks or-
thogonal, cara pengorthogonalan ini mengarah apa yang di-
namakan proses Pengorthogonalan Gram-Schmidt. Contoh
berikut memberikan kejelasan mengenai pengorthogonalan su-
atu matriks.
Home Page
Title Page
JJ II
J I
Page 110 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan suatu matriks simetri
A =
1 −1 −1
−1 1 −1
−1 −1 1
⇒ λI − A =
λ− 1 1 1
1 λ− 1 1
1 1 λ− 1
.
Polinomial kharakteristik dari A diberikan oleh
p(λ) = det(λI − A) = (λ − 2)2(λ + 1). Pasangan eigenvalue eigen-
vektor diberikan oleh
λ1 = 2,x1 =
−1
0
1
; λ2 = 2,x2 =
−1
1
0
; λ3 = 1,x3 =
1
1
1
.
Terlihat bahwa 〈x1,x3〉 = 〈x2,x3〉 = 0 tetapi 〈x1,x2〉 = 1 6= 0.
Penormalan dari x2 dan x3 didapat :
p2 =x2
||x2||=
− 1√2
1√2
0
dan p3 =x3
||x3||=
1√3
1√3
1√3
.
Home Page
Title Page
JJ II
J I
Page 111 of 132
Go Back
Full Screen
Close
Quit
Untuk memperoleh suatu vektor x1 supaya 〈x1,x2〉 = 0, adalah
sebagai berikut. Misalkan x1 + ax2 = x1, didapat x′2x1 + ax′2x2 =
x′2x1 atau 〈x1,x2〉 + a 〈x2,x2〉 = 〈x1,x2〉 ⇒ a =〈x1,x2〉〈x2,x2〉
. Sehingga
didapat
x1 = x1 −〈x1,x2〉〈x2,x2〉
x2.
Jadi
x1 =
−1
0
1
− 1
2
−1
1
0
=
−1
2
−1
21
Dengan menormalkan vektor x1 didapat:
p1 =x1
||x1||=
− 1√6
− 1√6
2√6
.
Jadi matriks P = [p1 |p2 |p3] diberikan oleh:
Home Page
Title Page
JJ II
J I
Page 112 of 132
Go Back
Full Screen
Close
Quit
P =
− 1√6− 1√
2
1√3
− 1√6
1√2
1√3
2√6
01√3
⇒ P ′P = I = PP ′ (P matriks orthogonal).
Sehingga didapat :
P ′AP =
− 1√6− 1√
6
2√6
− 1√2
1√2
0
1√3
1√3
1√3
1 −1 −1
−1 1 −1
−1 −1 1
− 1√6− 1√
2
1√3
− 1√6
1√2
1√3
2√6
01√3
=
2 0 0
0 2 0
0 0 −1
Home Page
Title Page
JJ II
J I
Page 113 of 132
Go Back
Full Screen
Close
Quit
Proses orthogonalisasi Gram-Schmidt
Diberikan himpunan vektor-vektor yang bebas linier S =
{X1,X2, . . . ,Xn}, dari S dibentuk himpunan vektor-vektor or-
thormal T = {T1,T2, . . . ,Tn} sebagi berikut:
t1 = X1 ⇒ T1 =t1
||t1||
t2 = X2 −〈X2,X1〉〈X1,X1〉
t1 ⇒ T2 =t2
||t2||......
tn = Xn−〈Xn, t1〉〈t1, t1〉
t1−〈Xn, t2〉〈t2, t2〉
t2− . . .−〈Xn, tn−1〉〈tn−1, tn−1〉
tn−1 ⇒ Tn =tn||tn||
Didapat matriks orthogonal
T = [T1 |T2 | . . . |Tn] .
Home Page
Title Page
JJ II
J I
Page 114 of 132
Go Back
Full Screen
Close
Quit
Contoh
Diberikan matriks dengan kolom-kolom merupakan vektor-
vektor yang bebas linier, yaitu
A =
1 1 1
0 1 1
0 0 1
Misalkan X1,X2 dan X3 merupakan vektor-vektor kolom dari
A, maka
t1 = X1 =
1
0
0
⇒ T1 =
t1
||t1||=
1
0
0
t2 =
1
1
0
− 〈X2, t1〉
〈t1, t1〉t1 =
0
1
0
⇒ T2 =
t2
||t2||=
0
1
0
t3 =
1
1
1
− 〈X3, t1〉
〈t1, t1〉t1 −
〈X3, t2〉〈t2, t2〉
t2 =
0
0
1
⇒ T3 =
t3
||t3||=
0
0
1
Terlihat bahwa matriks T = [T1 T2 T3] adalah matriks ortho-gonal.
Home Page
Title Page
JJ II
J I
Page 115 of 132
Go Back
Full Screen
Close
Quit
Proyeksi dan General Invers
Proses orthogonal Gram-Schmid erat kaitannya dengan apa
yang dinamakan proyeksi sebagaimana akan terlihat dalam
pembahasan berikut ini. Ada kalanya sistem persamaan
linier Ax = y tidak mempunyai penyelesaian secara analitik
(eksak). Tetapi bila model linier yang dikaji ini merupakan
suatu problem nyata yang dijumpai, maka diperlukan suatu
alternatif penyelesaian untuk menjawab problem yang ada
sehingga penyelesaian yang didapat cukup untuk menjawab
problem. Suatu contoh berikut menjelaskan hal ini:
Diberikan sistem persamaan linier Ax = y:(
6 3
2 1
)(x1
x2
)=
(2
2
). (8)
Jawab eksak dari persamaan ini tidak ada. Dalam hal ini,
selalu bisa didapat penyelesaian pendekatan x melalui peng-
gantian y dengan vektor y′ di ruang kolom dalam A yang
dekat dengan y dan sebagi penggantinya selesaikan persamaan
Ax = y′. Untuk khasus yang diberikan dalam persamaan (8)
ruang kolom dari A adalah span:
W =
{r
(3
1
)∣∣∣∣ r ∈ R}.
Home Page
Title Page
JJ II
J I
Page 116 of 132
Go Back
Full Screen
Close
Quit
Dengan demikian dipilih y′ = r
(3
1
)sehingga panjang
‖ y − y′ ‖=∣∣∣∣∣∣∣∣(
2
2
)− r
(3
1
)∣∣∣∣∣∣∣∣
sekecil mungkin. Gambar berikut secara geometri menjelaskanpilihan dari vektor y′.
*
y =(
22
)
y′ = Projw(y)
(31
)
1
Sebelum menyelesaikan problem yang ada diberikan penger-tian berikut. Misalkan W suatu ruang bagian dari Rn dantulis y ∈ Rn = W ⊕ W⊥ sebagai y = y1 + y2, dimana y1 ∈ Wdan y2 ∈ W⊥, maka y1 dikatakan proyeksi dari y pada W dandinotasikan oleh y1 = Projw(y).
Home Page
Title Page
JJ II
J I
Page 117 of 132
Go Back
Full Screen
Close
Quit
Berikut ini diselesaikan masalah persamaan linier(
6 3
2 1
)(x1
x2
)=
(2
2
).
Pilih W =
⟨(3
1
)⟩sehingga didapat W⊥ =
⟨(−1
3
)⟩. Jadi
(2
2
)=
4
5
(3
1
)+
2
5
(−1
3
). Untuk meminimumkan panjang
‖ y − y′ ‖ =
∣∣∣∣∣∣∣∣(
2
2
)− r
(3
1
)∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣4
5
(3
1
)+
2
5
(−1
3
)− r
(3
1
)∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣(
4
5− r)
(3
1
)+
2
5
(−1
3
)∣∣∣∣∣∣∣∣ ,
dan karena
(3
1
)dan
(−1
3
)orthogonal, maka haruslah r =
4
5.
Sehingga didapat y′ = Projw
(2
2
)=
4
5
(3
1
)= 0
(6
2
)+
4
5
(3
1
).
Terlihat bahwa penyelesaian pendekatan adalah x1 = 0 dan x2 =4
5.
Home Page
Title Page
JJ II
J I
Page 118 of 132
Go Back
Full Screen
Close
Quit
Misalkan W suatu ruang bagian dari Rn, maka vektor y′ ∈ Wyang dekat ke y ∈ Rn adalah y′ = Projw(y).
Bukti
Tulis y = y1+y2 dengan y1 ∈ W dan y2 ∈ W⊥. Jadi y1 = Projw(y).
Untuk sebarang w ∈ W jarak kuadrat ‖ y−w ‖2 diberikan oleh
‖ (y1 −w) + y2 ‖2 = < (y1 −w) + y2, (y1 −w) + y2 >
= < y1 −w,y1 −w > + < y2,y2 >
= ‖ y1 −w ‖2 + ‖ y2 ‖2,
akan minimal bila w = y1 = Projw(y).
Suatu cara singkat untuk menentukan proyeksi dari suatu
rauang bagian W yang dibangun hanya oleh satu vektor w,
dimana V = W ⊕W⊥ diberikan oleh
Projw(y) =< y,w >
< w,w >w. (9)
Dalam hal ini adalah:
1.< y,w >
< w,w >w ∈ W .
2. y − < y,w >
< w,w >w ∈ W⊥
3. y =< y,w >
< w,w >w +
(y − < y,w >
< w,w >w
)
Home Page
Title Page
JJ II
J I
Page 119 of 132
Go Back
Full Screen
Close
Quit
Dengan menggunakan hasil dalam (9) didapat
Projw
(2
2
)=
2.3 + 2.1
3.3 + 1.1
(3
1
)=
4
5
(3
1
).
Berikut ini diberikan suatu sifat bila ruang bagian W dibangun
oleh lebih dari satu vektor.
Misalkan W suatu ruang bagian dari Rn dibangun oleh basis
orthogonal w1, . . . ,wk dan misalkan y ∈ Rn, maka
Projw(y) =< y,w1 >
< w1,w1 >w1 + . . . +
< y,wk >
< wk,wk >wk. (10)
Bukti
Misalkan y1 =< y,w1 >
< w1,w1 >w1+. . .+
< y,wk >
< wk,wk >wk. Maka untuk 1 ≤
i ≤ k didapat < y−y1,wi >=< y,wi > −< y,wi >
< wi,wi >< wi,wi >= 0.
Jadi y − y1 ∈ W⊥ dan y1 = Projw(y).
Bila W suatu ruang bagian dari Rn dengan basis orthonormal
w1, . . . ,wk, maka persamaan (10) menjadi
Projw(y) =< y,w1 > w1 + . . .+ < y,wk > wk. (11)
Home Page
Title Page
JJ II
J I
Page 120 of 132
Go Back
Full Screen
Close
Quit
Contoh
Dapatkan elemen dari ruang bagian W yang dekat den-
gan vektor (1, 2, 3)′, dimana W dibangun oleh vektor-vektor
(1, 2,−1)′, (−1, 4, 1)′.
Jawab
Dengan menggunakan proses Gram-Schmidt, didapat basis or-
thonormal:1√6
(1, 2,−1)′,1√3
(−1, 1, 1)′. Sehingga proyeksi dari
(1, 2, 3)′ pada W adalah:
Projw
1
2
3
=
1√6
(1 + 4− 3)1√6
1
2
−1
+
1√3
(−1 + 2 + 3)1√3
−1
1
1
=1
3
1
2
−1
+
4
3
−1
1
1
=
−1
2
1
.
Sehingga didapat vektor
1
2
3
=
−1
2
1
+
2
0
2
∈ W ⊕W⊥,
elemen dari W dekat ke
1
2
3
adalah Projw
1
2
3
=
−1
2
1
.
Home Page
Title Page
JJ II
J I
Page 121 of 132
Go Back
Full Screen
Close
Quit
Misalkan dipunyai suatu supply dari 5000 unit S, 4000 unit T
dan 2000 unit U. Bahan digunakan dalam pabrik untuk mem-
produksi P dan Q. Bila setiap unit dari P menggunakan 2 unit
S, 0 unit T dan 0 unit U; dan setiap unit dari Q menggunakan
3 unit S, 4 unit T dan 1 unit U. Berapa banyak unit p dari
P dan q dari Q yang harus dibuat supaya keseluruhan supply
digunakan?
Model matematika dari persoalan yang ada diberikan oleh per-
samaan:
2 3
0 4
0 1
[p
q
]=
5000
4000
2000
.
Persamaan dari model tidak mempunyai jawab eksak (anali-
tik) sebab vektor
5000
4000
2000
bukan merupakan kombinasi linier
dari vektor- vektor
2
0
0
dan
3
4
1
. Untuk meyelesaikan per-
samaan secara pendekatan, dilakukan hal berikut: Cari vektordidalam ruang bagian W yang merupakan bentuk kombinasi
linier p
2
0
0
+ q
3
4
1
yang dekat dengan vektor
5000
4000
2000
Home Page
Title Page
JJ II
J I
Page 122 of 132
Go Back
Full Screen
Close
Quit
Dengan melakukan proses Gram-Schmidt di vektor-vektor
pembangun yang merupakan basis dari W , didapat basis or-
thonormal:
w1 =
1
0
0
,w2 =
1√17
0
4
1
.
Sehingga diperoleh:
Projw
5000
4000
2000
= 5000
1
0
0
+ (
16000√17
+2000√
17)
1√17
0
4
1
= 5000
1
0
0
+
18000
17
0
4
1
= (2500− (3
2)(
18000
17))
2
0
0
+
18000
17
3
4
1
.
Terlihat bahwa p = 2500 − (3
2)(
18000
17) = 911.76 dan q =
18000
17=
1058.82.
Home Page
Title Page
JJ II
J I
Page 123 of 132
Go Back
Full Screen
Close
Quit
Pendekatan invers dari suatu matriks berukuran m× nUntuk setiap matriks A berukuran m×n dengan elemen-elemen
riil, matriks A− berukuran n×n dinamakan pendekatan invers
(psedoinverse) yang memenuhi A−y merupakan penyelesaian
pendekatan dari persamaan Ax = y. Kolom-kolom dari ma-
triks A− adalah penyelesaian pendekatan dari Ax = ei, dimana
ei, i = 1, . . . ,m merupakan basis baku dari Rm.
Contoh
Dapatkan matriks A− bila A =
2 3
0 4
0 1
dan hitung A−
5000
4000
2000
.
Jawab Ruang kolom orthonormal dari matriks A adalah span
dari vektor-vektor: w1 =
1
0
0
,w2 =
1√17
0
4
1
. Sehingga di-
dapat
Projw
1
0
0
=
1
0
0
,Projw
0
1
0
=
01617417
,Projw
0
0
1
=
0417117
.
Dan kolom-kolom matriks A− didapat sebagai berikut
2 3
0 4
0 1
x =
1
0
0
⇒ x =
(12
0
)
Home Page
Title Page
JJ II
J I
Page 124 of 132
Go Back
Full Screen
Close
Quit
2 3
0 4
0 1
x =
01617417
⇒ x =
(−16
17417
)
2 3
0 4
0 1
x =
0417117
⇒ x =
(− 3
34117
)
Sehingga didapat matriks A− adalah:
A− =
(12 −
617 −
334
0 417
117
).
Penyelesaian pendekatan dari persamaan
2 3
0 4
0 1
(p
q
)=
5000
4000
2000
diberikan oleh
(p
q
)= A−
5000
4000
2000
=
(12 −
617 −
334
0 417
117
)
5000
4000
2000
=
(911.76
1058.82
).
Hasil yang didapat sama dengan hasil perhitungan sebelum-nya.
Home Page
Title Page
JJ II
J I
Page 125 of 132
Go Back
Full Screen
Close
Quit
Soal UAS GASAL 2006/2007
1. 1.Selidiki apakah matriks berikut bisa didiagonalkan atau
tidak bisa didiagonalkan?
0 1 3
0 1 2
1 −1 0
Berikan alasan dari jawaban!
JawabPolinomial kharakteristik dari matriks diberikan
oleh:
p(λ) =
∣∣∣∣∣∣
λ −1 −3
0 λ− 1 −2
−1 1 λ
∣∣∣∣∣∣= (λ− 1)2(λ + 1)
Untuk λ = 1, didapat:
E1(R3) = Ker(
1 −1 −3
0 0 −2
−1 1 1
) =
⟨
1
1
0
⟩.
Terlihat bahwa untuk λ = 1
multiplisitas geometri = 1 < 2 = multiplisitas aljabar.
Jadi matriks tidak bisa didiagonalkan.
Home Page
Title Page
JJ II
J I
Page 126 of 132
Go Back
Full Screen
Close
Quit
2. Bila vektor-vektor v1,v2, . . . ,vn adalah orthogonal, maka
tunjukkan bahwa :
||v1 + v2 + . . . + vn||2 = ||v1||2 + ||v2||2 + . . . + ||v1||2.
Jawab∣∣∣∣∣
∣∣∣∣∣n∑
i=1
vi
∣∣∣∣∣
∣∣∣∣∣
2
=
⟨n∑
j=1
vj,n∑
k=1
vk
⟩
=
n∑
j=1
n∑
k=1
〈vj,vk〉 =
n∑
j=1
||vj||2.
3. Dengan general invers cari garis lurus y = ax+ b yang paling
mendekati titik-titik (1, 2), (2, 3) dan (3, 1).
Jawab:
1 1
2 1
3 1
(a
b
)=
2
3
1
⇒ A− =
(1 2 3
1 1 1
)
1 1
2 1
3 1
−1(1 2 3
1 1 1
)
A−
2
3
1
=
{(12 −1
−1 73
)(1 2 3
1 1 1
)}
2
3
1
=
(−1
2 0 12
43
13 −
23
)
2
3
1
Didapat a = −1 + 12 = −1
2 dan b = 83 + 1− 2
3 = 3.
Home Page
Title Page
JJ II
J I
Page 127 of 132
Go Back
Full Screen
Close
Quit
4. Bila V adalah ruang vektor dari himpunan polinomial-
polinomial dengan derajad kurang atau sama dengan 3
dan ”hasil kali dalam” diberikan oleh 〈p, q〉 =1∫−1
p(x)q(x)dx.
Lakukan poses orthogonalisasi Gram-Schmidt terhadap
basis 1, x, x2, x3.
Jawab
p1(x) = 1⇒ p1(x) =1
√< p1, p1 >
p1(x) =1√2
p2(x) = x− < x, p1 > p1(x)⇒ p2(x) =1√
< p2, p2 >p2(x) =
√32 x
p3(x) = x2− < x2, p1 > p1(x)− < x2, p2 > p2(x)⇒p3(x) =
1√< p3, p3 >
p3(x) =√
58 (3x2 − 1)
p4(x) = x3− < x3, p1 > p1(x)− < x3, p2 > p2(x)− < x3, p3 > p3(x)⇒p4(x) =
1√< p4, p4 >
p4(x) =√
78 (5x3 − 3x)
Home Page
Title Page
JJ II
J I
Page 128 of 132
Go Back
Full Screen
Close
Quit
5. Diberikan pemetaan linier α : R2 → R2 dengan
α((x, y)′) = (2x + y, x + 3y)′.
Dengan basis B = (1, 0)′, (1, 1)′ tentukan matriks representasi
dari α.
Jawab
αB((1, 0)′) = (2, 1)′ = 1(1, 0)′ + 1(1, 1)′ = (1, 1)′
dan
αB((1, 1)′) = (3, 4)′ = −1(1, 0)′ + 4(1, 1)′ = (−1, 4)′,
sehingga diperoleh matriks representasi dari α:
A = (α,B,B) =
(1 −1
1 4
).
Home Page
Title Page
JJ II
J I
Page 129 of 132
Go Back
Full Screen
Close
Quit
Dengan general invers dapatkan parabola y = ax2 + bx + c yang
mendekati titik-titik (3, 0), (2, 0), (1, 2), (−1, 12). Jelaskan apakah
hasilnya pendekatan atau tidak!
Jawab :
Untuk titik (3, 0), (2, 0), (1, 2), (−1, 12) didapat empat persamaan :
9a + 3b + c = 0, 4a + 2a + c = 0, a + b + c = 2, a− b + c = 12
atau dalam bentuk matriks
9 3 1
4 2 1
1 1 1
1 −1 1
a
b
c
=
0
0
2
12
⇒
a
b
c
=
9 4 1 1
3 2 1 −1
1 1 1 1
9 3 1
4 2 1
1 1 1
1 −1 1
−1
9 4 1 1
3 2 1 −1
1 1 1 1
0
0
2
12
=
1
−5
6
.
Cek!
9 3 1
4 2 1
1 1 1
1 −1 1
1
−5
6
=
0
0
2
12
.
Terlihat, hasilnya eksak bukan pendekatan (kita cobamelakukan penghitungan dengan MAXIMA).
Home Page
Title Page
JJ II
J I
Page 130 of 132
Go Back
Full Screen
Close
Quit
Cara lain mencari invers matriks
Misalkan matriks :
A =
9 4 1 1
3 2 1 −1
1 1 1 1
9 3 1
4 2 1
1 1 1
1 −1 1
=
99 35 15
35 15 5
15 5 4
.
Selanjutnya tentukan polinomial kharakteristik A :
p(x) = |xI−A| = x3−118x2+466x−440⇒ A3−118A2+466A−440I = 0
Didapat A−1 =1
440(A2 − 118A + 466I) :
A−1 =1
440
11251 4065 1720
4065 1475 620
1720 620 266
− 188
99 35 15
35 15 5
15 5 4
+ 466
1 0 0
0 1 0
0 0 1
=1
440
35 −65 −50
−65 171 30
−50 30 260
=
7
88−13
88− 5
44
−13
88−171
440
3
44
− 5
44
3
44
13
22
Home Page
Title Page
JJ II
J I
Page 131 of 132
Go Back
Full Screen
Close
Quit
Jawaban UAS Aljabar linear semester gasal 2007/2008
1.) Diberikan matriks :
A =
[1 −1
1 1
].
Diagonalkan matriks A dengan menggunakan basis orthonor-
mal dari eigenvector-eigenvector matriks A.
Jawab :
Eigenvalue dan eigenvector dari A diberikan oleh : |A − λI| =
λ2 − 2λ + 2 = 0, didapat λ1 = 1− i, λ2 = 1 + i. Nullspace(A− λ1I) =
{< (1, i) >} dan Nullspace(A−λ2I) = {< (1,−i) >}. Terlihat bahwa
eigenvector-eigenvector yang bersesuaian dengan λ1 = 1− i dan
λ2 = 1 + i, masing-masing diberikan oleh :
v1 =
(1
i
)dan v2 =
(1
−i
).
Vektor v1 dan v2 orthogonal, sebab < v1,v2 >= 0. Sehingga
basis orthonormalnya adalah : v1|v1|, v2|v2|
. Dengan P = [ v1|v1|| v2|v2|
]
didapat :
P−1AP =
[1√2− i√
21√2
i√2
] [1 −1
1 1
][ 1√2
1√2
i√2− i√
2
]
=
[1− i 0
0 1 + i
].
Home Page
Title Page
JJ II
J I
Page 132 of 132
Go Back
Full Screen
Close
Quit