You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 1 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Catatan Kuliah <strong>Aljabar</strong> Linier<br />
Subiono<br />
subiono2003@telkom.net<br />
24 Agustus 2009<br />
Abstrak<br />
Dalam catatan kuliah ini diberikan beberapa materi dari mata kuliah<br />
<strong>Aljabar</strong> Linier untuk program Sarjana (S1) jurusan matematika<br />
FMIPA-ITS. Materi kuliah berupa perencanaan yang disajikan<br />
agar mempermudah peserta ajar dalam proses belajar mengajar.<br />
Peserta ajar diharapkan mempersiapkan diri melalui pemahaman<br />
yang dipunyai sebelumnya dan menambah kekurangan pemahaman<br />
pengetahuannya yang dirasa kurang saat proses belajar mengajar<br />
di kelas. Juga agar mempermudah proses belajar mengajar digunakan<br />
alat bantu perangkat lunak Euler. Selain itu materi kuliah<br />
ini disesuai dengan Kurikulum 2009.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 2 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Rencana materi yang akan dibahas dalam kelas adalah:<br />
• Lapangan dan Ruang Vektor.<br />
• Ruang-bagian Vektor.<br />
• Himpunan Pembentang, Bebas linier dan Basis.<br />
• Dimensi, Jumlahan Langsung, Koordinat dan Basis Terurut.<br />
• Pemetaan linier pada Ruang Vektor.<br />
• Pemetaan linier dan <strong>Aljabar</strong> matriks.<br />
• Perubahan dari Basis.<br />
• Rank, Determinan dan Invers.<br />
• Bentuk Echelon dari suatu Matriks.<br />
• Eigenvektor dan Eigenvalue.<br />
• Orthogonalitas (Proses Orthogonalitas Gram-Schmidt).<br />
• General Invers.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 3 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lapangan(Field)<br />
Suatu lapangan adalah suatu himpunan K = ∅ bersama-sama<br />
dengan dua operasi tambah (+) dan kali (.) sehingga untuk<br />
semua a, b, c ∈ K memenuhi:<br />
• (a + b) ∈ K (tertutup).<br />
• a + b = b + a (komutatif).<br />
• (a + b) + c = a + (b + c) (assosiatif).<br />
• Ada 0 ∈ K sehingga a + 0 = 0 + a (elemen netral).<br />
• Ada suatu −a ∈ K sehingga a + (−a) = −a + a = 0 (invers).<br />
• (a.b) ∈ K (tertutup).<br />
• a.b = ba (komutatif).<br />
• (a.b).c = a.(b.c) (assosiatif).<br />
• Ada 1 ∈ K sehingga a.1 = 1.a = a (elemen identitas).<br />
• Bila a = 0, maka ada a −1 ∈ K sehingga a.a −1 = a −1 .a = 1<br />
(invers).<br />
• a.(b + c) = (a.b) + (a.c) (distributif).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 4 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Himpunan bilangan rasional Q, himpunan bilangan riil R<br />
dan himpunan bilangan kompleks C.<br />
2. Himpunan bilangan bulat modulo p dinotasikan oleh Zp,<br />
dengan p bilangan prima.<br />
Contoh 1. adalah lapangan takhingga sedangkan Contoh 2.<br />
lapangan hingga. Dalam Contoh 2., bila p bukan bilangan<br />
prima, maka Zp bukan lapangan.<br />
Ruang Vektor<br />
Suatu himpunan V dengan dua operasi tambah dan kali<br />
dikatakan suatu ruang vektor atas lapangan K bila memenuhi:<br />
1. Bila u, v, w ∈ V , maka u + v ∈ V dan<br />
• u + v = v + u<br />
• (u + v) + w = u + (v + w)<br />
• Ada 0 ∈ V sehingga v + 0 = 0 + v, ∀v ∈ V<br />
• Untuk setiap v ∈ V ada w ∈ V sehingga v + w = w + v = 0
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 5 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Bila a, b ∈ K dan u, v ∈ V , maka av ∈ V dan<br />
Contoh<br />
• (a + b)v = av + bv<br />
• a(u + v) = av + au<br />
• (ab)v = a(bv)<br />
• 1v = v<br />
1. Himpunan R2 adalah ruang vektor atas lapangan R, dimana<br />
<br />
x1 y1 def x1 + y1 x1 y1<br />
+ =<br />
, ∀ , ∈ R 2<br />
dan<br />
x2<br />
a<br />
x1<br />
x2<br />
y2<br />
def<br />
=<br />
ax1<br />
ax2<br />
x2 + y2<br />
x2<br />
<br />
, ∀a ∈ K dan ∀<br />
x1<br />
x2<br />
y2<br />
<br />
∈ R 2 .<br />
2. Himpunan R n juga ruang vektor atas R dengan definisi operasi<br />
tambah dan kali diberikan seperti di Contoh 1. Penambahan<br />
dalam Contoh 1. dinamakan penambahan secara<br />
komponen yang bersesuaian.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 6 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh............<br />
3. Himpunan matriks m×n dengan elemen elemennya bilangan<br />
riil<br />
⎧⎛<br />
⎨ a11<br />
Mm,n(R) = ⎝ .<br />
⎩<br />
am1<br />
⎞<br />
. . . a1n <br />
...<br />
<br />
. ⎠<br />
<br />
. . . amn<br />
aij<br />
⎫<br />
⎬<br />
∈ R<br />
⎭<br />
dimana penambahan matriks diberikan oleh:<br />
⎛<br />
a11<br />
⎝ .<br />
. . .<br />
...<br />
⎞ ⎛<br />
a1n b11<br />
. ⎠+ ⎝ .<br />
. . .<br />
...<br />
⎞<br />
b1n<br />
. ⎠ def<br />
⎛<br />
= ⎝<br />
a11 + b11<br />
.<br />
. . .<br />
...<br />
a1n + b1n<br />
.<br />
am1 . . . amn<br />
bm1 . . . bmn<br />
am1 + bm1 . . . amn + bmn<br />
sedangkan perkalian skalar α ∈ R dengan matriks diberikan<br />
oleh: ⎛<br />
a11<br />
α ⎝ .<br />
. . .<br />
...<br />
⎞<br />
a1n<br />
. ⎠ def<br />
⎛<br />
αa11<br />
= ⎝ .<br />
. . .<br />
...<br />
⎞<br />
αa1n<br />
. ⎠ .<br />
am1 . . . amn<br />
αam1 . . . αamn<br />
Maka Mm,n(R) adalah suatu ruang vektor atas lapangan R.<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 7 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh............<br />
4. Misalkan F adalah suatu lapangan dan himpunan semua<br />
fungsi, yaitu V = {f : F → F} dimana (f + g)(x) def<br />
= f(x) +<br />
g(x), ∀x ∈ F dan (αf)(x) def<br />
= αf(x), dimana α ∈ F. Maka V<br />
adalah ruang vektor F .<br />
5. Misalkan F adalah suatu lapangan dan himpunan semua<br />
polinomial berderajad kurang atau sama dengan n yaitu<br />
Pn(F) = {p(x) = a0 + a1x + . . . + anxn | ai ∈ F} dimana (p + q)(x) def<br />
=<br />
p(x) + q(x), ∀x ∈ F dan (αp)(x) def<br />
= αp(x), dimana α ∈ F. Maka<br />
Pn(F) adalah ruang vektor atas F.<br />
6. Himpunan l∞ = {a = (a1, a2, . . .) | an ∈ R, sup(|an|) < ∞} dimana<br />
a + b def<br />
= (a1 + b1, a2 + b2, . . .) dan αa def<br />
= (αa1, αa2, . . .), α ∈ R. Maka<br />
l∞ adalah ruang vektor atas lapangan R.<br />
7. Himpunan fungsi terdifferensial tak berhingga pada interval<br />
[a, b], yaitu C ∞ [a, b], dimana definisi penambahan fungsi<br />
dan perkalian skalar dengan fungsi seperti dalam Contoh 4.<br />
merupakan ruang vektor atas lapangan riil R.<br />
8. Himpunan fungsi-fungsi V = {f : R → R | d2 f<br />
dx 2 + f = 0} dimana<br />
definisi penambahan fungsi dan perkalian skalar dengan<br />
fungsi seperti dalam Contoh 4. merupakan ruang vektor<br />
atas lapangan riil R.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 8 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berikut ini diberikan beberapa sifat dari suatu ruang vektor V<br />
atas lapangan K. Misalkan V adalah suatu ruang vektor atas<br />
lapangan K, maka<br />
(1). 0v = 0, 0 adalah elemen netral di K dan v ∈ V .<br />
(2). (−1v) + v = 0, dimana −1 ∈ K.<br />
(3). α0 = 0, dimana α ∈ K.<br />
Bukti<br />
(1). v = (1 + 0)v = v + 0v, kedua ruas tambahkan dengan vektor<br />
w yang memenuhi w + v = 0, didapat: w + v = w + v + 0v<br />
atau 0 = 0 + 0v. Terlihat bahwa 0v = 0.<br />
(2). (−1v) + v = (−1 + 1)v = 0v = 0.<br />
(3). α0 = α(00) = (α0)0 = 00 = 0.<br />
Ruang Bagian<br />
Misalkan V suatu ruang vektor atas lapangan K. Himpunan<br />
S ⊂ V (S = ∅) dikatakan suatu ruang bagian bila S sendiri<br />
dengan operasi tambah dan kali seperti di V tetap merupakan<br />
ruang vektor atas K.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 9 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Himpunan<br />
B =<br />
⎧⎛<br />
⎨<br />
⎝<br />
⎩<br />
x<br />
y<br />
z<br />
⎞<br />
⎫<br />
<br />
<br />
⎬<br />
⎠<br />
x + y + z = 0<br />
⎭<br />
adalah ruang bagian dari ruang vektor R 3 atas R.<br />
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu<br />
V = {f : R →R} dan D ⊂ V , dimana<br />
<br />
D = f ∈ V <br />
d<br />
<br />
2 <br />
f<br />
+ f = 0 , maka D adalah ruang bagian dari<br />
dx2 ruang vektor V atas R.<br />
3. Himpunan P3(R) adalah ruang bagian dari ruang vektor<br />
Pn(R) atas lapangan R dengan n ≥ 3.<br />
<br />
<br />
4. Himpunan S = (an) ∈ l∞ | lim an = x, x ∈ R adalah ruang<br />
n→∞<br />
bagian dari ruang vektor l∞ atas lapangan R.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 10 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berikut ini diberikan suatu sifat (pernyataan) yang ekivalen<br />
dengan pernyataan dari suatu ruang bagian.<br />
Himpunan S adalah suatu ruang bagian dari suatu ruang<br />
vektor V atas lapangan K bila dan hanya bila x1s1 + x2s2 ∈ S<br />
untuk setiap x1, x2 ∈ K dan s1, s2 ∈ S.<br />
Bukti Misalkan S ruang bagian dan x1, x2 ∈ K juga s1, s2 ∈ S,<br />
maka x1s1 ∈ S dan x2s2 ∈ S. Oleh karena itu, x1s1 + x2s2<br />
juga di S. Sebaliknya, misalkan x1s1 + x2s2 ∈ S untuk setiap<br />
x1, x2 ∈ K dan s1, s2 ∈ S. Akan ditunjukkan bahwa S adalah<br />
ruang vektor atas K. Sifat 2. dari ruang vektor otomatis<br />
diwarisi dari V , begitu juga sifat komutatif, assosiatif<br />
di sifat 1., diwarisi dari V . Untuk x1 = x2 = 1, didapat<br />
1s1 + 1s2 = s1 + s2 ∈ S (tertutup). Untuk x1 = x2 = 0 didapat<br />
0s1 + 0s2 = 0(s1 + s2) = 0 ∈ S. Oleh karena itu, untuk x1 = x2 = 1<br />
dan setiap s ∈ S, didapat 1s + 10 = s + 0 = s = 0 + s = 10 + 1s ∈ S.<br />
Selanjutnya untuk x1 = 1, x2 = −1 dan setiap s ∈ S didapat<br />
1s + (−1)s = (1 + (−1))s = 0s = 0 (s punya invers yaitu −s).<br />
Catatan Pernyataan x1s1 + x2s2 ∈ S untuk setiap x1, x2 ∈ K dan<br />
s1, s2 ∈ S, dapat diganti oleh x1s1 + x2s2 + . . . + xnsn ∈ S untuk<br />
setiap x1, x2, . . . , xn ∈ K dan s1, s2, . . . , sn ∈ S.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 11 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh penggunaan sifat ruang bagian<br />
1. Himpunan<br />
z2<br />
B =<br />
⎧⎛<br />
⎨<br />
⎝<br />
⎩<br />
z2<br />
x<br />
y<br />
z<br />
⎞<br />
⎫<br />
<br />
<br />
⎬<br />
⎠<br />
x + y + z = 0<br />
⎭<br />
adalah ruang bagian dari ruang vektor R3 atas R.<br />
untuk setiap v1, v2 ∈ B, maka<br />
Sebab,<br />
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞<br />
x1 −y1 − z1 −1 −1<br />
v1 = ⎝ y1 ⎠ = ⎝ y1 ⎠ = y1 ⎝ 1 ⎠ + z1 ⎝ 0 ⎠ ,<br />
z1<br />
z1<br />
0<br />
1<br />
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞<br />
x2 −y2 − z2 −1 −1<br />
v2 = ⎝ y2 ⎠ = ⎝ y2 ⎠ = y2 ⎝ 1 ⎠ + z2 ⎝ 0 ⎠ .<br />
0<br />
1<br />
Sehingga untuk a, b ∈ R, didapat:<br />
⎛ ⎞<br />
−1<br />
⎛<br />
av1 + bv2 = (ay1 + by2) ⎝ 1<br />
0<br />
⎠ + (az1 + bz2) ⎝<br />
−1<br />
0<br />
1<br />
⎞<br />
⎠ ∈ B.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 12 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu<br />
V = {f : R →R} dan D ⊂ V , dimana<br />
<br />
D = f ∈ V <br />
d<br />
<br />
2 <br />
f<br />
+ f = 0 , maka D adalah ruang bagian dari<br />
dx2 ruang vektor V atas R. Sebab, misalkan f, g ∈ D dan a, b ∈ R,<br />
maka<br />
d 2 (af + bg)<br />
dx 2<br />
Jadi af + bg ∈ D.<br />
+ (af + bg) = a d2f dx2 + af + bd2 g<br />
+ bg<br />
dx2 = a( d2f dx2 + f) + b(d2 g<br />
+ g) = a0 + b0 = 0.<br />
dx2 3. Himpunan P3(R) adalah ruang bagian dari ruang vektor<br />
Pn(R) atas lapangan R dengan n ≥ 3. Sebab, misalkan<br />
p(x), q(x) ∈ P3(R) dan a, b ∈ R, maka<br />
ap(x) + bq(x) = a(a0 + a1x + a2x 2 + a3x 3 ) + b(b0 + b1x + b2x 2 + b3x 3 )<br />
= (aa0 + bb0) + (aa1 + bb1)x + (aa2 + bb2)x 2<br />
+(aa3 + bb3)x 3 .<br />
Jadi ap(x) + bq(x) ∈ P3(R).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 13 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Himpunan Pembentang, Bebas linier dan Basis<br />
Misalkan V suatu ruang vektor atas K dan S ⊂ V . Himpunan<br />
pembentang dari S adalah himpunan:<br />
< S > def<br />
= {x1s1 + . . . + xnsn | x1, . . . , xn ∈ K, s1, . . . , sn ∈ S}.<br />
Penulisan x1s1 +. . .+xnsn juga dinamakan kombinasi linier dari<br />
vektor-vektor s1, . . . , sn. Berikutini diberikan sifat dari suatu<br />
< S > sebgaimana berikut.<br />
Bila V merupakan suatu ruang vektor atas K dan S ⊂ V , maka<br />
< S > adalah suatu ruang bagian dari V .<br />
Bukti Misalkan v = x1s1 + . . . + xnsn dan w = xn+1sn+1 + . . . + xmsm<br />
di < S > dan a, b ∈ K, maka<br />
av + bw = a(x1s1 + . . . + xnsn) + b(xn+1sn+1 + . . . + xmsm)<br />
= (ax1)s1 + . . . + (axn)sn + (bxn+1)sn+1 + . . . + (bxm)sm.<br />
Terlihat bahwa av + bw ∈< S >, oleh karena itu < S > adalah<br />
ruang bagian dari V .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 14 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Misalkan V ruang vektor atas K untuk<br />
setiap v ∈ V , maka < {v} >= {kv | k ∈ K}.<br />
2. Misalkan ruang vektor R3 atas R, maka<br />
< {e1, e2} >= R2 dimana e1 = (1, 0, 0) ′ dan<br />
e2 = (0, 1, 0) ′ . Sebab,<br />
R 2 ⎧⎛<br />
⎞ ⎫<br />
⎨ x <br />
⎬<br />
= ⎝ y ⎠ <br />
⎩ x, y ∈ R<br />
0 ⎭<br />
⎧<br />
⎨<br />
=<br />
⎩ x<br />
⎛ ⎞ ⎛ ⎞ ⎫<br />
1 0 <br />
⎬<br />
⎝ 0 ⎠ + y ⎝ 1 ⎠ <br />
x, y ∈ R<br />
0 0 ⎭<br />
= {xe1 + ye2 | x, y ∈ R} =< {e1, e2} > .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 15 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berikut ini diberikan sifat dari suatu himpunan<br />
pembentang. Misalkan V suatu<br />
ruang vektor atas K dan 〈S〉 adalah suatu<br />
himpunan pembentang dari S dan v ∈ V ,<br />
maka 〈S〉 = 〈S ∪ {v}〉 bila dan hanya bila<br />
v ∈ 〈S〉<br />
Bukti. Misalkan 〈S〉 = 〈S ∪ {v}〉, jelas<br />
bahwa v ∈ 〈S ∪ {v}〉. Jadi juga v ∈ 〈S〉.<br />
Sebaliknya misalkan bahwa v ∈ 〈S〉, akan<br />
ditunjukkan bahwa 〈S〉 = 〈S ∪ {v}〉. Jelas<br />
bahwa S ⊂ 〈S ∪ {v}〉. Tinggal menunjukkan<br />
bahwa 〈S ∪ {v}〉 ⊂ 〈S〉.Tulis v =<br />
a0s0 + . . . + ansn dan misalkan w ∈ 〈S ∪ {v}〉.<br />
Didapat w = b0v + an+1sn+1 + . . . + amsm =<br />
(b0a0)s0 + . . . + (b0an)sn + an+1sn+1 + . . . + amsm.<br />
Terlihat bahwa w ∈ 〈S〉. Jadi 〈S ∪ {v}〉 ⊂ 〈S〉<br />
dan karena 〈S〉 ⊂ 〈S ∪ {v}〉, oleh karena itu<br />
haruslah 〈S〉 = 〈S ∪ {v}〉.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 16 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh Misalkan dalam R3 , vektor-vektor<br />
⎛ ⎞<br />
1<br />
⎛ ⎞<br />
0<br />
⎛<br />
2<br />
v1 = ⎝ 0 ⎠ , v2 ⎝ 1 ⎠ dan v3 = ⎝ 3<br />
0 0<br />
0<br />
Didapat v3 = 2v1 + 3v2, jadi v3 ∈ 〈{v1, v2}〉. Maka dari itu,<br />
〈{v1, v2}〉 = 〈{v1, v2, v3}〉.<br />
Sifat dari suatu himpunan pembentang<br />
yang dibahas sebelumnya, mengatakan<br />
bahwa suatu vektor v bisa dihapus untuk<br />
memperoleh himpunan baru S dengan<br />
himpunan pembentang yang sama<br />
bila dan hanya bila v merupakan kombinasi<br />
linier dari vektor-vektor di S. Jadi dengan<br />
pengertian ini, suatu himpunan S ⊂<br />
V adalah minimal bila dan hanya bila ia<br />
tidak memuat vektor-vektor yang merupakan<br />
kombinasi linier dari vektor-vektor<br />
yang lainnya dalam himpunan tersebut.<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 17 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berikut ini diberikan suatu pengertian mengenai bebas linier.<br />
Vektor-vektor v1, v2, . . . , vn di suatu ruang vektor V atas<br />
lapangan K dikatakan bebas linier bila vektor vi, i = 1, 2, . . . , n<br />
bukan merupakan suatu kombinasi linier dari vektor-vektor<br />
yang lainnya. Bila tidak demikian, maka vektor-vektor<br />
vj, j = 1, 2, . . . , n dikatakan bergantungan linier.<br />
Misalkan Vektor-vektor s1, . . . , sn ∈ S ⊂ V , dengan V suatu<br />
ruang vektor atas K, vektor-vektor si, i = 1, 2 . . . , n bebas linier<br />
bila dan hanya bila x1s1 + . . . + xnsn = 0, xi ∈ K dipenuhi hanya<br />
untuk x1 = . . . = xn = 0.<br />
Bukti<br />
Misalkan si ∈ S, i = 1, 2 . . . , n bebas linier dan andaikan x1s1+. . .+<br />
xnsn = 0 tetapi untuk beberapa i, xi = 0. Didapat si = (− x1<br />
xi )s1 +<br />
. . . + (− xi−1<br />
xi )si−1 + (− xi+1<br />
xi )si+1 + . . . + (− xn<br />
xi )sn. Terlihat bahwa si<br />
merupakan kombinasi linier dari vektor-vektor sj, j = i. Hal ini<br />
bertentangan dengan kenyataan bahwa si, i = 1, 2, . . . , n bebas<br />
linier. Jadi haruslah x1s1 + . . . + xnsn = 0 dipenuhi hanya untuk<br />
x1 = . . . = xn = 0. Selanjutnya misalkan x1s1+. . .+xnsn = 0, xi ∈ K<br />
dipenuhi hanya untuk x1 = . . . = xn = 0, maka jelas bahwa<br />
si, i = 1, 2 . . . , n bebas linier. Bila tidak berarti bahwa untuk<br />
beberapa i, si = c1s1 + . . . + ci−1si−1 + ci+1si+1 + . . . + cnsn atau<br />
0 = c1s1 +. . .+ci−1si−1 +cisi +ci+1si+1 +. . .+cnsn dengan ci = −1. Ini<br />
bertentangan dengan kenyataan bahwa 0 = c1s1 + . . . + ci−1si−1 +<br />
cisi +ci+1si+1 +. . .+cnsn dipenuhi hanya unuk ci = 0, i = 1, 2, . . . , n.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 18 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Komentar Pernyataan vektor-vektor si, i =<br />
1, 2 . . . , n dalam ruang vektor V atas K bebas<br />
linier ekivalen dengan x1s1 + . . . + xnsn =<br />
0, xi ∈ K dipenuhi hanya untuk x1 = . . . =<br />
xn = 0. Bila V = R n dan K = R, maka<br />
vektor-vektor si, i = 1, 2 . . . , n dalam ruang<br />
vektor R n atas R bebas linier mempunyai<br />
arti bahwa sistem persamaan linier homogin<br />
x1s1 + . . . + xnsn = 0 mempunyai penyelesaian<br />
trivial, yaitu xi = 0, i = 1, 2, . . . , n. Bila<br />
persamaan homogin ini mempunyai jawab<br />
non trivial, yaitu xi = 0 untuk beberapa i,<br />
maka hal ini berarti bahwa vektor-vektor<br />
si tsb. tidak bebas linier atau bergantungan<br />
linier. Bila vektor s = 0 di ruang vektor<br />
R n dan memenuhi s = x1s1 + . . . + xnsn,<br />
yaitu vektor s merupakan kombinasi linier<br />
dari vektor-vektor s1, . . . , sn. Hal ini berarti<br />
bahwa sistem persamaan linier tak homogin<br />
s = x1s1 + . . . + xnsn, mempunyai jawab<br />
x = (x1, . . . , xn) ′ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 19 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Dalam R 4 vektor (1, 4, −2, 6) ′ adalah kombinasi linier dari<br />
dua vektor (1, 2, 0, 4) ′ dan (1, 1, 1, 3) ′ , sebab: (1, 4, −2, 6) ′ =<br />
3(1, 2, 0, 4) ′ − 2(1, 1, 1, 3) ′ . Sedangkan vektor (2, 6, 0, 9) ′ bukan<br />
kombinasi linier (1, 2, 0, 4) dan (1, 1, 1, 3) ′ , sebab bila (2, 6, 0, 9) ′ =<br />
x1(1, 2, 0, 4) ′ + x2(1, 1, 1, 3) ′ ekivalen dengan sistem persamaan<br />
linier<br />
x1 + x2 = 2<br />
2x1 + x2 = 6<br />
x2 = 0<br />
4x1 + 3x2 = 9<br />
mudah dicek bahwa sistem persamaan linier ini tidak mempunyai<br />
jawab.<br />
2. Misalkan ruang vektor V = {f : R → R} atas R, maka<br />
fungsi cos 2x merupakan kombinasi linier dari fungsi-fungsi<br />
cos 2 x, sinh 2 x dan cosh 2 x, sebab cos 2x = 2 cos 2 x+sinh 2 x−cosh 2 x,<br />
ingat bahwa cos 2x = 2 cos 2 x − 1 dan cosh 2 x − sinh 2 x = 1.<br />
3. Dilanjutkan halaman berikutnya!
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 20 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh<br />
3. Misalkan tiga vektor v1 = (1, 2, 3) ′ , v2 = (3, 2, 1) ′ dan v3 =<br />
(3, 3, 3) ′ di R 3 . Maka<br />
〈{v1, v2, v3}〉 = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}<br />
= {(x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3) ′ }<br />
Tulis (x, y, z) ′ = (x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3) ′ .<br />
Didapat:<br />
⎛ ⎞ ⎛ ⎞ ⎛ ⎞<br />
x 1 3 3 x1<br />
⎝ y ⎠ = ⎝ 2 2 3 ⎠ ⎝ x2 ⎠ ,<br />
z 3 1 3 x3<br />
⎛ ⎞<br />
⎛ ⎞ ⎛ ⎞<br />
x<br />
1 3 3 x1<br />
(1 − 2 1) ⎝ y ⎠ = (1 − 2 1) ⎝ 2 2 3 ⎠ ⎝ x2 ⎠ = 0,<br />
z<br />
3 1 3<br />
atau x − 2y + z = 0. Catatan 3v1 + 3v2 − 4v3 = 0 dan juga<br />
⎛ ⎞<br />
1 3 3<br />
det ⎝ 2 2 3 ⎠ = 0.<br />
3 1 3<br />
4. Dilanjutkan halaman berikutnya!<br />
x3
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 21 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh<br />
4. Dua vektor v1 = 40 15 ′<br />
, v2 = −50 25 ′ 2 ∈ R sebab x1v1 +<br />
x2v2 = 0 dipenuhi hanya untuk x1 = x2 = 0, hal ini bisa dicek<br />
sbb:<br />
40x1 − 50x2 = 0<br />
15x1 + 25x2 = 0<br />
<br />
didapat x2 = 0 dan x1 = 0.<br />
− 15<br />
40 B1 + B2<br />
5. Diberikan S ⊂ R3 dimana<br />
⎧⎛<br />
⎞ ⎛ ⎞ ⎛<br />
⎨ 1 0<br />
S = ⎝ 0 ⎠ , ⎝ 2 ⎠ , ⎝<br />
⎩<br />
0 0<br />
Perhatikan persamaan berikut:<br />
⎛ ⎞<br />
1<br />
⎛ ⎞<br />
0<br />
⎛ ⎞<br />
1<br />
x1 ⎝ 0 ⎠ + x2 ⎝ 2 ⎠ + x3 ⎝ 2 ⎠ + x4<br />
0 0 0<br />
x5<br />
1<br />
2<br />
0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
⎛<br />
⎝<br />
0<br />
−1<br />
1<br />
Himpunan penyelesaiannya adalah:<br />
⎧⎛<br />
⎞ ⎛ ⎞ ⎛<br />
x1 −1<br />
−3<br />
⎪⎨<br />
⎜ ⎟ ⎜<br />
⎜ x2 ⎟ ⎜ −1<br />
⎟ ⎜<br />
⎟ ⎜ −3/2<br />
⎜ ⎟ ⎜ ⎟ ⎜<br />
⎜ x3 ⎟ = x3 ⎜ 1 ⎟ + x5 ⎜ 0<br />
⎜ ⎟ ⎜ ⎟ ⎜<br />
⎝ x4 ⎠ ⎝ 0 ⎠ ⎝ 0<br />
⎪⎩<br />
0<br />
1<br />
40x1 − 50x2 = 0<br />
175<br />
4 x2 = 0<br />
0<br />
−1<br />
1<br />
⎞<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
⎛<br />
3<br />
3<br />
0<br />
⎠ + x5 ⎝<br />
⎞ <br />
<br />
<br />
⎟ <br />
⎟ <br />
⎟ <br />
⎟ <br />
⎟ <br />
⎠ <br />
<br />
<br />
⎞⎫<br />
⎬<br />
⎠<br />
⎭<br />
3<br />
3<br />
0<br />
⎞<br />
⎠ =<br />
<br />
⎫<br />
⎪⎬<br />
x3, x5 ∈ R<br />
⎪⎭<br />
⎛<br />
⎝<br />
0<br />
0<br />
0<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 22 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh 5.<br />
Himpunan penyelesaiannya adalah:<br />
⎧⎛<br />
⎞ ⎛ ⎞ ⎛<br />
x1 −1<br />
−3<br />
⎪⎨<br />
⎜ ⎟ ⎜<br />
⎜ x2 ⎟ ⎜ −1<br />
⎟ ⎜<br />
⎟ ⎜ −3/2<br />
⎜ ⎟ ⎜ ⎟ ⎜<br />
⎜ x3 ⎟ = x3 ⎜ 1 ⎟ + x5 ⎜ 0<br />
⎜ ⎟ ⎜ ⎟ ⎜<br />
⎝ x4 ⎠ ⎝ 0 ⎠ ⎝ 0<br />
⎪⎩<br />
0<br />
1<br />
x5<br />
⎞ <br />
<br />
<br />
⎟ <br />
⎟ <br />
⎟ <br />
⎟ <br />
⎟ <br />
⎠ <br />
<br />
<br />
⎫<br />
⎪⎬<br />
x3, x5 ∈ R<br />
Hal ini menunjukkan bahwa semua vektor di S saling bergantungan<br />
linier. Untuk x3 = 0, x5 = 1, didapat bahwa vektor yang<br />
ke-5 dalam S merupakan kombinasi linier dari dua vektor yang<br />
pertama. Gunakan sifat yang telah dipunyai untuk menghapus<br />
vektor yang ke-5 sehingga didapat:<br />
S1 =<br />
⎧⎛<br />
⎨<br />
⎝<br />
⎩<br />
1<br />
0<br />
0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
0<br />
2<br />
0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
1<br />
2<br />
0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
0<br />
−1<br />
1<br />
⎞⎫<br />
⎬<br />
⎠<br />
⎭ ,<br />
dalam hal ini < S >=< S1 >. Juga terlihat bahwa vektor yang<br />
ke-3 dalam S1 merupakan kombinasi linier dari dua vektor yang<br />
pertama, sehingga vektor ke-3 ini bisa dihapus dan didapat:<br />
S2 =<br />
⎧⎛<br />
⎨<br />
⎝<br />
⎩<br />
1<br />
0<br />
0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
0<br />
2<br />
0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
0<br />
−1<br />
1<br />
⎞⎫<br />
⎬<br />
⎠<br />
⎭ .<br />
Juga, dalam hal ini < S1 >=< S2 >. Jadi < S >=< S2 >.<br />
⎪⎭
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 23 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
6. Misalkan tiga vektor v1 = (1, 1, 0) ′ , v2 = (5, 1, −3) ′ dan v3 =<br />
(2, 7, 4) ′ di R 3 , maka<br />
〈{v1, v2, v3}〉 = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}<br />
= {x1(1, 1, 0) ′ + x2(5, 1, −3) ′ + x3(2, 7, 4) ′ | x1, x2, x3 ∈ R}<br />
= {(x1 + 5x2 + 2x3, x1 + x2 + 7x3, −3x2 + 4x3) ′ |x1, x2, x3 ∈R}.<br />
Tulis (x, y, z) ′ = (x1 +5x2 +2x3, x1 +x2 +7x3, −3x2 +4x3) ′ , didapat:<br />
⎛ ⎞ ⎛<br />
x 1<br />
⎝ y ⎠ = ⎝ 1<br />
5<br />
1<br />
⎞ ⎛ ⎞<br />
2 x1<br />
7 ⎠ ⎝ x2 ⎠ .<br />
z 0 −3 4<br />
Sehingga diperoleh:<br />
⎛<br />
⎞ ⎛<br />
−25 26 −33 x<br />
⎝ 4 −4 5 ⎠ ⎝ y<br />
3 −3 4 z<br />
⎞<br />
⎠ =<br />
=<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
x3<br />
−25 26 −33<br />
4 −4 5<br />
3 −3 4<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
⎞ ⎛<br />
⎠ ⎝<br />
x1<br />
x2<br />
x3<br />
⎞ ⎛<br />
⎠ ⎝<br />
⎞<br />
⎠ =<br />
1 5 2<br />
1 1 7<br />
0 −3 4<br />
⎛ ⎞<br />
⎞ ⎛<br />
⎠ ⎝<br />
Terlihat bahwa, untuk setiap (x, y, z) ′ ∈ R 3 selalu bisa diperoleh<br />
x1, x2, x3 ∈ R sehingga 〈{v1, v2, v3}〉 = x1v1 + x2v2 + x3v3.<br />
Jadi 〈{v1, v2, v3}〉 = R 3 .<br />
⎝<br />
x1<br />
x2<br />
x3<br />
⎠ .<br />
x1<br />
x2<br />
x3<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 24 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Basis dan Dimensi<br />
Misalkan B = {b1, b2, . . .} ⊂ V dimana V adalah ruang vektor<br />
atas K. Bila 〈{b1, b2, . . .}〉 = V dan vektor-vektor b1, b2, . . . bebas<br />
linier maka B dikatakan suatu basis dari V . Banyaknya anggota<br />
dari B dinamakan dimensi dari ruang vektor V .<br />
Contoh:<br />
1. Dalam R2 , B1 = {(2, 4) ′ , (1, 1) ′ } adalah suatu basis dari R2 ,<br />
basis yang lainnya adalah B2 = {(1, 0) ′ , (0, 1) ′ }. Secara umum<br />
B3 = {(a11, a21) ′ , (a12, a22) ′ } adalah suatu basis dari R2 bila<br />
<br />
a11 a12<br />
det<br />
= 0.<br />
a21 a22<br />
2. Ruang vektor V = {x1 cos θ + x2 sin θ | x1, x2 ∈ R} atas R, maka<br />
suatu basis dari V adalah {cos θ, sin θ}.<br />
3. Dalam ruang vektor P3(x), maka {1, x, x 2 , x 3 } adalah suatu<br />
basis dari P3(x). Sedangkan {1, x, x 2 , x 3 , x 4 . . .} adalah suatu<br />
basis dari ruang vektor P∞(x).<br />
4. Dalam ruang vektor M2,2(R), yaitu himpunan matriks ukuran<br />
2 × 2 dengan elemen-elemen di R, maka<br />
<br />
1 0 0 1 0 0 0 0<br />
, , ,<br />
0 0 0 0 1 0 0 1<br />
adalah suatu basis dari M2,2(R).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 25 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Sifat Misalkan V suatu ruang vektor atas K dan<br />
{v1, . . . , vn} adalah suatu basis dari V , maka setiap elemen<br />
v ∈ V dapat diungkapkan secara tunggal sebagai:<br />
v = x1v1 + . . . + xnvn, x1, . . . , xn ∈ K.<br />
Bukti<br />
Misalkan v = a1v1 + . . . + anvn, dan v = x1v1 + . . . + xnvn, didapat:<br />
(x1 − a1)v1 + . . . + (xn − a0)vn = 0, karena vektor-vektor v1, . . . , vn<br />
bebas linier, maka haruslah x1 − a1 = 0, . . . , xn − an = 0. Sehingga<br />
diperoleh x1 = a1, . . . , xn = an.<br />
Berikut ini, diberikan suatu sifat untuk ruang vektor R n atas<br />
R, yaitu misalkan vi ∈ R n , i = 1, 2, . . . , m. Bila m > n, maka<br />
vektor-vektor vi, i = 1, 2, . . . , m bergantungan linier.<br />
Bukti Untuk setiap j = 1, 2, . . . , m, tulis vektor vj =<br />
(a1j, a2j, . . . , anj) ′ , sehingga persamaan x1v1 +. . .+xmvm = 0 dalam<br />
bentuk matriks adalah:<br />
⎛<br />
⎝<br />
a11 . . . a1m<br />
.<br />
.<br />
an1 . . . anm<br />
⎞ ⎛<br />
⎠ ⎝<br />
x1<br />
.<br />
xm<br />
⎞<br />
⎠ =<br />
Terlihat bahwa, persamaan homogin terdiri dari n persamaan<br />
dengan variabel yang takdiketahui sebanyak m. Karena m ><br />
n, maka persamaan mempunyai suatu solusi yang nontrivial,<br />
yaitu ada beberapa xk, k = 1, 2, . . . , m yang tidak semuanya sama<br />
dengan nol. Jadi vj, j = 1, 2, . . . , m bergantungan linier.<br />
⎛<br />
⎝<br />
0.<br />
0<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 26 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Dalam ruang vektor R 2 atas R, Misalkan<br />
v1 = (a11, a21) ′ , v2 = (a12, a22) ′ ∈ R 2 . Bila<br />
vektor-vektor v1, v2, bebas linier, maka persamaan:<br />
x1v1 + x2v2 = 0 atau dalam bentuk<br />
matriks: Ax = 0 dengan<br />
<br />
a11 a12<br />
A =<br />
, x =<br />
a21 a22<br />
x1<br />
x2<br />
<br />
dan 0 =<br />
0<br />
0<br />
mempunyai jawab trivial hanya bila det(A) =<br />
0. Secara geometris, hal ini menyatakan<br />
bahwa luas daerah jajaran genjang yang<br />
dibentuk oleh dua vektor v1 dan v2 sama<br />
dengan | det(A)|. Sebaliknya bila det(A) =<br />
0, maka luas daerah ini sama dengan 0.<br />
Hal ini menunjukkan bahwa dua vektor v1<br />
dan v2 terletak pada satu garis yang sama<br />
atau dengan kata lain dua vektor v1 dan<br />
v2 bergantungan linier. Jadi {v1, v2} adalah<br />
suatu basis dari R 2 dengan dimensi 2 (mengapa?).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 27 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Sifat. Misalkan V suatu ruang vektor atas K dan {v1, . . . , vn}<br />
suatu basis dari V . Selanjutnya, bila vektor-vektor u1, . . . , um<br />
dengan m > n, maka vektor-vektor u1, . . . , um bergantungan<br />
linier.<br />
Bukti<br />
Karena {v1, . . . , vn} suatu basis dari V , didapat:<br />
u1 = a11v1 + . . . + an1vn<br />
.<br />
um = a1mv1 + . . . + anmvn,<br />
dimana aij ∈ K, i = 1, 2, . . . , n dan j = 1, 2, . . . , m. Untuk<br />
x1, . . . , xm ∈ K dan diketahui bahwa {v1, . . . , vn} bebas linier,<br />
didapat:<br />
0 = x1u1 + . . . + xmum<br />
= x1(a11v1 + . . . + an1vn) + . . . + xm(a1mv1 + . . . + anmvn)<br />
= (a11x1 + . . . + a1mxm)v1 + . . . + (an1x1 + . . . + anmxm)vn<br />
dan haruslah a11x1 + . . . + a1mxm = 0, . . . , an1x1 + . . . + anmxm = 0<br />
atau dengan notasi matriks:<br />
⎛<br />
a11<br />
⎝ .<br />
⎞ ⎛ ⎞ ⎛ ⎞<br />
. . . a1m x1 0.<br />
. ⎠ ⎝ . ⎠ = ⎝ ⎠ .<br />
an1 . . . anm xm 0<br />
Persamaan homogin diatas mempunyai jawab non-trivial (sebab<br />
m > n). Jadi vektor-vektor u1, . . . , um bergantungan linier.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 28 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Kesimpulan Misalkan V suatu ruang vektor atas K dengan<br />
dimensi hingga. Maka setiap dua basis yang berbeda dari V<br />
harus mempunyai banyak elemen yang sama.<br />
Contoh<br />
1. Dalam ruang vektor P3(R) atas R, B = {1, x, x 2 , x 3 } adalah<br />
suatu basis baku dari P3(R). Basis yang lainnya adalah B2 =<br />
{1, 1 + x, 1 + x + x 2 , 1 + x + x 2 + x 3 }.<br />
2. Persamaan homogin Ax = 0, diberikan oleh :<br />
⎛ ⎞<br />
⎛<br />
⎞ ⎛ ⎞<br />
x1<br />
1 3 −5 1 5 ⎜ ⎟ 0<br />
⎜<br />
⎟ ⎜ x2 ⎟ ⎜ ⎟<br />
⎜ 1 4 −7 3 −2 ⎟ ⎜ ⎟ ⎜ 0 ⎟<br />
⎜<br />
⎟ ⎜ x3 ⎟ = ⎜ ⎟<br />
⎝ 1 5 −9 5 −9 ⎠ ⎜ ⎟ ⎝ 0 ⎠<br />
⎝ x4 ⎠<br />
0 3 −6 2 −1<br />
0<br />
.<br />
Himpunan penyelesaiannya adalah:<br />
⎧ ⎛ ⎞ ⎛<br />
1<br />
⎪⎨<br />
⎜ −2<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎜ ⎟ ⎜<br />
〈{v1, v2}〉 = x = x1 ⎜ −1 ⎟ + x2 ⎜<br />
⎜ ⎟ ⎜<br />
⎝ 0 ⎠ ⎝<br />
⎪⎩<br />
0<br />
x5<br />
1<br />
3<br />
0<br />
−5<br />
−1<br />
⎞<br />
⎫<br />
<br />
<br />
⎟<br />
⎟<br />
⎪⎬<br />
⎟<br />
⎟<br />
x1, x2 ∈ R<br />
⎟<br />
⎠<br />
⎪⎭<br />
<br />
merupakan suatu ruang vektor atas R dengan dimensi dua.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 29 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan V suatu ruang vektor atas K<br />
berdimensi hingga. Maka setiap himpunan<br />
hingga S ⊂ V yang terdiri dari vektorvektor<br />
bebas linier di V tetapi S bukan<br />
merupakan suatu basis dari V dapat diperluas<br />
sampai merupakan suatu basis dari V .<br />
Bukti. Misalkan S = {v1, . . . , vm} dengan<br />
vi, i = 1, . . . , m adalah vektor-vektor<br />
yang bebas linier. Karena 〈S〉 = V ,<br />
maka pilih vektor vm+1 ∈ V sehingga vm+1<br />
bukan kombinasi linier dari vektor-vektor<br />
vj, j = 1, 2, . . . , m. Selanjutnya namakan<br />
T = {v1, . . . , vm, vm+1}, bila 〈T 〉 = V , maka<br />
T adalah basis dan sudah tidak bisa lagi<br />
diperluas menjadi vektor-vektor yang bebas<br />
linier. Bila 〈T 〉 = V , lakukan lagi<br />
cara perluasan seperti sebelumnya sehingga<br />
diperoleh himpunan vektor-vektor yang bebas<br />
linier di U yang memenuhi 〈U〉 = V .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 30 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Kesimpulan. Misalkan V ruang vektor atas<br />
K berdimensi n, maka setiap himpunan<br />
dari n vektor yang bebas linier adalah suatu<br />
basis dari V .<br />
Contoh<br />
Misalkan S = {(1, 1, 1) ′ , (0, −1, 0) ′ } ⊂ R 3 , jelas<br />
bahwa vektor-vektor di S bebas linier dan<br />
〈S〉 = {x(1, 1, 1) ′ +y(0, −1, 0) ′ = (x, x−y, x) ′ |x, y ∈<br />
R}, jelas bahwa bila (x1, x2, x3) ′ ∈ 〈S〉, maka<br />
x3 = x1. Oleh karena itu (x, y, z) ′ /∈ 〈S〉 bila<br />
x = z. Pilih vektor (1, 0, 0) sehingga didapat<br />
T = {(1, 1, 1) ′ , (0, −1, 0) ′ , (1, 0, 0) ′ } dimana<br />
vektor-vektor di T bebas linier, maka dari<br />
itu T merupakan suatu basis dari R 3 .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 31 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Jumlahan Langsung.<br />
Misalkan U dan V adalah ruang bagian dari suatu ruang<br />
vektor W atas K dengan dimensi hingga, maka dim(U + V ) =<br />
dim(U)+dim(V )−dim(U ∩V ), dimana U +V = {u+v |u ∈ U, v ∈ V }.<br />
Bukti. Misalkan {z1, . . . , zr} suatu basis dari U ∩V perluas basis<br />
ini masing-masing menjadi {z1, . . . , zr, u1, . . . , um} adalah suatu<br />
basis dari U dan {z1, . . . , zr, v1, . . . , vn} suatu basis dari V . Terlihat<br />
bahwa, dim(U ∩ V ) = r, dim(U) = r + m dan dim(V ) = r + n.<br />
Selanjutnya, ditunjukkan bahwa {z1, . . . , zr, u1, . . . , um, v1, . . . , vn}<br />
adalah suatu basis dari U + V . Sehingga, dalam hal ini didapat<br />
dim(U + V ) = r + m + n = (r + m) + (r + n) − r = dim(U) + dim(V ) −<br />
dim(U ∩V ). Misalkan sebarang w ∈ U +V , maka w = u+v untuk<br />
beberapa u ∈ U dan beberapa v ∈ V . Dengan kenyataan bahwa<br />
u = a1z1 + . . . + arzr + b1u1 + . . . + bmum untuk beberapa skalar ai, bj<br />
dan v = c1z1 + . . . + crzr + d1v1 + . . . + dmvn untuk beberapa skalar<br />
ck, dl, didapat:<br />
w = u+v = (a1+c1)z1+. . .+(ar+cr)zr+b1u1+. . .+bmum+d1v1+. . .+dmvn<br />
terlihat bahwa w ∈ 〈{z1, . . . , zr, u1, . . . , um, v1, . . . , vn}〉. Maka dari<br />
itu didapat 〈{z1, . . . , zr, u1, . . . , um, v1, . . . , vn}〉 = U + V .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 32 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Bukti......<br />
Diberikan<br />
x1z1 +. . .+xrzr +xr+1u1 +. . .+xr+mum +xr+m+1v1 +. . .+xr+m+nvn = 0<br />
untuk beberapa skalar xj. Tulis w = x1z1+. . .+xrzr+xr+1u1+. . .+<br />
xr+mum, didapat w = −xr+m+1v1 + . . . − xr+m+nvn. Terlihat bahwa<br />
w ∈ U dan w ∈ V , jadi w ∈ U ∩ V . Tetapi {z1, . . . , zr} adalah<br />
suatu basis dari U ∩ V , jadi w = b1z1 + . . . + brzr untuk beberapa<br />
skalar bi. Sehingga didapat b1z1 + . . . + brzr = −xr+m+1v1 + . . . −<br />
xr+m+nvn atau b1z1 + . . . + brzr + xr+m+1v1 + . . . + xr+m+nvn = 0.<br />
Tetapi {z1, . . . , zr, v1, . . . , vn} adalah suatu basis dari V , maka<br />
dari itu haruslah b1 = . . . = br = xr+m+1 = . . . = xr+m+n = 0,<br />
sehingga persamaan x1z1 + . . . + xrzr + xr+1u1 + . . . + xr+mum +<br />
xr+m+1v1 + . . . + xr+m+nvn = 0 menjadi x1z1 + . . . + xrzr + xr+1u1 +<br />
. . . + xr+mum = 0. Tetapi {z1, . . . , zr, u1, . . . , um} juga adalah suatu<br />
basis dari U. Jadi haruslah x1 = . . . = xr = xr+1 = . . . = xr+m = 0.<br />
Sehingga didapat xk = 0, k = 1, 2, . . . , r+m+n. Jadi vektor-vektor<br />
z1, . . . , zr, u1, . . . , um, v1, . . . , vn bebas linier.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 33 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Misalkan W = R 2 , u1 = (1, 1, 0, 0) ′ , u2 = (−3, 7, 2, 1) ′ , U = 〈{u1, u2}〉<br />
dan V = {(x1, x2, x3, 0) ′ |xi ∈ R}. Vektor-vektor u1, u2 bebas linier,<br />
sebab bila a1u1 + a2u2 = 0 atau a1(1, 1, 0, 0) ′ + a2(−3, 7, 2, 1) ′ = 0<br />
didapat a1 = a2 = 0. Jadi dim(U) = 2. Suatu basis<br />
dari V adalah e1 = (1, 0, 0, 0) ′ , e2 = (0, 1, 0, 0) ′ , e3 = (0, 0, 1, 0) ′ .<br />
Jadi dim(V ) = 3. Perhatikan bahwa e4 = (0, 0, 0, 1) ′ =<br />
(−3, 7, 2, 1) ′ +3(1, 0, 0, 0) ′ −7(0, 1, 0, 0) ′ −2(0, 0, 0, 1) ′ = u2+3e1−7e2−2e3.<br />
Jadi e4 ∈ U +V . Karena e1, e2, e3 juga di U +V , maka {e1, e2, e3, e4}<br />
adalah suatu basis dari U + V . Jadi dim(U + V ) = 4. Sehingga<br />
didapat: dim(U ∩ V ) = dim(U) + dim(V ) − dim(U + V ) = 2 + 3 − 4 = 1.<br />
Bisa dicek secara langsung bahwa vektor-vektor di U ∩V adalah<br />
vektor-vektor di U dengan komponen ke-empat sama dengan<br />
nol, yaitu vektor b1u1 + b2u2 = (b1 − 3b2, b1 + 7b2, 2b2, b2) ′ dimana<br />
b2 = 0. Jadi U ∩ V = 〈{u1}〉. Terlihat bahwa dim(U ∩ V ) = 1.<br />
Catatan. Bila U, V ruang bagian berdimensi hingga masingmasing<br />
dengan basis {u1, . . . , um} dan {v1, . . . , vn}. Misalkan<br />
W = U + V dan sebarang w ∈ W . Didapat w = u + v =<br />
a1u1+. . .+amum+b1v1+. . .+bnvn atau W = 〈{u1, . . . , um, v1, . . . , vn}〉.<br />
Selanjutnya reduksi vektor-vektor u1, . . . , um, v1, . . . , vn menjadi<br />
vektor-vektor yang bebas linier (sampai minimal) dan himpun<br />
kedalam himpunan S, sehingga didapat W = 〈{S}〉. Jadi dimensi<br />
dari W sama dengan banyaknya vektor-vektor di S.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 34 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bila U dan V adalah ruang bagian berdimensi hingga dengan<br />
U ∩ V = {0}, maka U + V dinamakan jumlahan langsung dari<br />
U dan V .<br />
Contoh. Himpunan U = {(x1, x2, 0) ′ | x1, x2 ∈ R} dan<br />
V = {(0, 0, x3) ′ |x3 ∈ R} adalah ruang bagian dari ruang vektor R 3<br />
atas R dimana U∩V = {0}. Jadi U+V adalah jumlahan langsung<br />
dari U dan V , U +V = {(x1, x2, 0) ′ +(0, 0, x3) ′ = (x1, x2, x3) ′ |x1, x2, x3 ∈<br />
R} = {x1(1, 0, 0) ′ + x2(0, 1, 0) ′ + x3(0, 0, 1) ′ | x1, x2, x3 ∈ R} = R 3 ,<br />
terlihat bahwa dim(U + V ) = 3. Perhatikan bahwa<br />
U = {(x1, x2, 0) ′ | x1, x2 ∈ R} = {x1(1, 0, 0) ′ + x2(0, 1, 0) ′ | x1, x2 ∈<br />
R} = 〈{(1, 0, 0) ′ , (0, 1, 0) ′ }〉, terlihat bahwa dim(U) = 2. Begitu<br />
juga, V = {(0, 0, x3) ′ | x3 ∈ R} = {x3(0, 0, 1) ′ | x3 ∈ R} = 〈{(0, 0, 1) ′ }〉<br />
dan dim(V ) = 1. Makna U + V merupakan jumlahan langsung<br />
dari U dan V tampak dari dimensi, yaitu dim(U + V ) =<br />
dim(U) + dim(V ) − dim(U ∩ V ) = 2 + 1 − 0 = 3 = dim(U) + dim(V ). Hal<br />
ini juga bisa dilihat dari pengertian basis yaitu, himpunan<br />
{(1, 0, 0) ′ , (0, 1, 0) ′ } adalah suatu basis dari U dan himpunan<br />
{(0, 0, 1) ′ } adalah suatu basis dari V sedangkan himpunan<br />
{(1, 0, 0) ′ , (0, 1, 0) ′ , (0, 0, 1) ′ } sudah bebas linier (tidak bisa lagi<br />
direduksi menjandi himpunan yang lebih kecil lagi sehingga<br />
bebas linier). Jadi, dari sini juga langsung didapat bahwa<br />
dim(U + V ) = dim(U) + dim(V ).<br />
Kesimpulan. Dimensi dari suatu ruang jumlahan langsung<br />
sama dengan jumlah dari masing-masing dimensi ruang.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 35 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berikut ini diberikan suatu sifat yang lain<br />
dari ruang jumlahan langsung. Setiap w ∈<br />
W = U + V dengan U ∩ V = {0} mempunyai<br />
penulisan tunggal w = u + v, u ∈ U, v ∈ V .<br />
Bukti. Misalkan w = u + v = ū + ¯v, maka<br />
u − ū = v − ¯v. Tetapi u − ū ∈ U, v − ¯v ∈ V<br />
dan U ∩ V = {0}. Maka haruslah u − ū = 0<br />
dan v − ¯v = 0 atau u = ū dan v = ¯v.<br />
Koordinat. Misalkan {v1, . . . , vn} adalah suatu<br />
basis dari suatu ruang vektor atas K.<br />
Jadi setiap v ∈ V dapat ditulis secara tunggal<br />
oleh v = x1v1 +. . .+xnvn untuk beberapa<br />
skalar x1, . . . , xn ∈ K. Dalam hal ini skalarskalar<br />
x1, . . . , xn dinamakan koordinat dari<br />
vektor v terhadap basis {v1, . . . , vn}.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 36 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh.<br />
Misalkan V = R 3 dengan basis baku {e1 = (1, 0, 0) ′ , e2 =<br />
(0, 1, 0) ′ , e3 = (0, 0, 1) ′ } dan misalkan sebarang v = (x, y, z) ′ ∈ V ,<br />
maka v = xe1 + ye2 + ze3. Jadi koordinat dari v terhadap basis<br />
{e1, e2, e3} adalah x, y dan z. Tetapi untuk basis yang lain<br />
dari V , misalkan {v1 = (0, 1, 1) ′ , v2 = (1, 0, 1) ′ , v3 = (1, 1, 0) ′ }, maka<br />
v = ( −x+y+z<br />
2 )v1 + ( x−y+z<br />
2 )v2 + ( x+y−z<br />
2 )v3. Koordinat dari vektor<br />
v terhadap basis {v1, v2, v3} adalah −x+y+z<br />
2<br />
, x−y+z<br />
2 dan x+y−z<br />
2 .<br />
Terlihat bahwa vektor v terhadap dua basis yang berbeda dari<br />
ruang vektor V mempunyai dua koordinat yang berbeda pula.<br />
Basis terurut.<br />
Adalah perlu dijamin bahwa suatu vektor dikaitkan dengan<br />
suatu vektor basis yang sesuai, cara baku untuk melakukan<br />
hal ini adalah menggunakan penyajian terurut untuk koordinat<br />
dan vektor basis. Bila urutan dari vektor-vektor dalam<br />
suatu basis dipersoalkan dalam hal ini dinamakan basis terurut<br />
dan basis ini ditulis sebagai suatu barisan. Bila urutan<br />
dari vektor basis takdipersoalkan, basis tersebut ditulis sebagai<br />
suatu himpunan, dalam hal ini penekanan mengenai diskusi<br />
dari suatu vektor basis, urutan tidak bergantung pada urutan.<br />
Tetapi, bila koordinat dari suatu vektor disajikan sebagai baris<br />
atau kolom dalam suatu matriks, maka secara esensi penyajian<br />
bergantung pada urutan vektor-vektor basis. Begitu juga, bila<br />
suatu pemetaan linier disajikan sebagai suatu matriks, maka<br />
sangatlah penting menggunakan vektor basis terurut.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 37 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Pemetaan Linier pada Ruang Vektor<br />
Misalkan U dan V adalah ruang vektor atas K, suatu pemetaan<br />
α : U → V adalah suatu pemetaan linier atau transformasi linier<br />
bila dan hanya bila memenuhi α(k1u1+k2u2) = k1α(u1)+k2α(u2)<br />
untuk semua k1, k2 ∈ K dan u1, u2 ∈ U.<br />
Sifat. Bila α : U → V suatu pemetaan linier, maka α(0) = 0.<br />
Bukti α(0) = α(0 + 0) = α(0) + α(0), didapat α(0) − α(0) = α(0),<br />
jadi 0 = α(0).<br />
Contoh<br />
1. Misalkan α : U → V , U = R3 dan V = R2 dengan<br />
α((x, y, z) ′ ) def<br />
= (2x − y, y + z) ′ . Maka α adalah pemetaan<br />
linier, sebab α(k1u1 + k2u2) = α(k1(x1, y1, z1) ′ + k2(x2, y2, z2) ′ ) =<br />
α((k1x1 + k2x2, k1y1 + k2y2, k1z1 + k2z2) ′ ) = (2k1x1 + 2k2x2 − k1y1 −<br />
k2y2, k1y1 +k2y2 +k1z1 +k2z2) ′ = (2k1x1 −k1y1, k1y1 +k1z1) ′ +(2k2x2 −<br />
k2y2, k2y2 + k2z2) ′ = k1(2x1 − y1, y1 + z1) ′ + k2(2x2 − y2, y2 + z2) ′ =<br />
k1α((x1, y1, z1) ′ ) + k2α((x2, y2, z2) ′ ).<br />
2. Misalkan α : R 3 → R 2 dengan α((x, y, z) ′ ) def<br />
= (x 2 , y + z) ′ ,<br />
pemetaan α bukan pemetaan linier, sebab α(2(1, 0, 0) ′ ) =<br />
α((2, 0, 0) ′ ) = (4, 0) ′ = (2, 0) ′ = 2(1, 0) ′ = 2α((1, 0, 0) ′ ).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 38 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Kernel dan Image<br />
Misalkan α : U → V suatu pemetaan linier<br />
• Image dari α adalah Im(α)=α(U) def<br />
= {α(u) | u ∈ U} ⊆ V .<br />
• Kernel dari α adalah ker(α) def<br />
= {u ∈ U | α(u) = 0} ⊆ U.<br />
Contoh. Dalam Contoh 1. sebelumnya Im(α) = {α((x, y, z) ′ ) =<br />
(2x − y, y + z) ′ | x, y, z ∈ R}, sedangkan ker(α) = {(x, y, z) ′ | 2x − y =<br />
0, y + z = 0, x, y, z ∈ R} = {y( 1<br />
2 , 1, −1)′ | y ∈ R}.<br />
Beberapa sifat Misalkan U dan V adalah ruang vektor atas K<br />
dan α : U → V suatu pemetaan linier, maka<br />
1. Im(α) adalah ruang bagian dari V .<br />
2. Ker(α) adalah ruang bagian dari U.<br />
3. Pemetaan α satu-satu bila dan hanya bila ker(α) = {0}.<br />
Bukti<br />
1. Jelas bahwa Im(α) ⊆ V . Misalkan sebarang v1, v2 ∈ Im(α)<br />
dan sebarang k1, k2 ∈ K. Untuk beberapa u1, u2 ∈ U, maka<br />
kombinasi linier berikut dipenuhi k1v1 + k2v2 = k1α(u1) +<br />
k2α(u2) = α(k1u1) + α(k2u2) = α(k1u1 + k2u2) ∈ Im(α). Jadi<br />
Im(α) adalah ruang bagian dari V .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 39 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Bukti........<br />
2. Jelas bahwa ker(α) ⊆ U. Misalkan sebarang<br />
u1, u2 ∈ ker(α) dan sebarang k1, k2 ∈<br />
K, maka α(k1u1+k2u2) = k1α(u1)+k2α(u2) =<br />
k10 + k20 = 0. Terlihat bahwa k1u1 + k2u2 ∈<br />
ker(α). Jadi ker(α) adalah ruang bagian<br />
dari U.<br />
3. Misalkan pemetaan α satu-satu dan sebarang<br />
u ∈ ker(α), maka α(0) + α(u) =<br />
α(0 + u) = α(u) = 0. Sehingga didapat<br />
α(u) = −α(0) = α(−0) = α(0). Karena<br />
pemetaan α satu-satu haruslah u = 0.<br />
Jadi {0} = ker(α). Selanjutnya misalkan<br />
ker(α) = {0} dan u1, u2 ∈ U, maka untuk<br />
α(u1) = α(u2) didapat, 0 = α(u1) − α(u2) =<br />
α(u1 − u2). Terlihat bahwa u1 − u2 ∈ ker(α).<br />
Tetapi, ker(α) = {0}. Maka dari itu haruslah<br />
u1 − u2 = 0 atau u1 = u2. Jadi<br />
pemetaan α adalah satu-satu.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 40 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Misalkan V ruang vektor atas K dan U = Kn . Diberikan<br />
matriks T = [aij], aij ∈ K dan T bertindak pada ruang vektor<br />
U dengan aturan untuk setiap x ∈ U:<br />
T (x) def<br />
=<br />
⎛<br />
⎞ ⎛<br />
a11 . . . a1n<br />
⎝ .<br />
... . ⎠ ⎝<br />
an1 . . . ann<br />
x1<br />
.<br />
xn<br />
⎞<br />
⎠ =<br />
dimana yi = n<br />
aijxj, i = 1, 2, . . . , n. Maka T adalah suatu<br />
j=1<br />
transformasi linier dari U ke U, sebab untuk sebarang x, ¯x ∈<br />
U dan sebarang k1, k2 ∈ K berlaku:<br />
⎛<br />
⎞ ⎧<br />
a11 . . . a1n ⎨<br />
T (k1x + k2¯x) = ⎝ .<br />
... . ⎠<br />
⎩<br />
an1 . . . ann<br />
k1<br />
⎛ ⎞ ⎛ ⎞⎫<br />
x1 ¯x1 ⎬<br />
⎝ . ⎠ + k2 ⎝ . ⎠<br />
⎭<br />
xn ¯xn<br />
⎛<br />
⎞ ⎛ ⎞<br />
a11 . . . a1n x1<br />
⎝ .<br />
... . ⎠ ⎝ . ⎠<br />
= k1<br />
an1 . . . ann<br />
⎛<br />
⎞ ⎛<br />
a11 . . . a1n<br />
+k2 ⎝ .<br />
... . ⎠ ⎝<br />
an1 . . . ann<br />
= k1T (x) + k2T (¯x).<br />
xn<br />
¯x1<br />
.<br />
¯xn<br />
⎛<br />
⎝<br />
⎞<br />
⎠<br />
y1<br />
.<br />
yn<br />
⎞<br />
⎠ ,
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 41 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh...........<br />
2. Dalam Contoh 1. sebelumnya, maka<br />
⎧⎛<br />
⎞ ⎛<br />
⎞ ⎛<br />
⎨ y1 a11 . . . a1n<br />
Im(T ) = ⎝ . ⎠ = ⎝ .<br />
... . ⎠ ⎝<br />
⎩<br />
yn an1 . . . ann<br />
x1<br />
.<br />
xn<br />
⎞⎫<br />
⎬<br />
⎠<br />
⎭ .<br />
Bila T punya invers, maka ker(T ) = {0}, yaitu persamaan<br />
homogin<br />
⎛<br />
a11<br />
⎝ .<br />
⎞ ⎛ ⎞ ⎛ ⎞<br />
. . . a1n x1 0.<br />
... . ⎠ ⎝ . ⎠ = ⎝ ⎠<br />
an1 . . . ann xn 0<br />
hanya mempunyai jawab trivial x1 = . . . = xn = 0.<br />
tidak punya invers, maka<br />
Bila T<br />
⎧⎛<br />
⎞ ⎛<br />
⎨ x1 a11 <br />
ker(T ) = ⎝ . ⎠ ⎝<br />
⎩ .<br />
xn an1<br />
⎞ ⎛ ⎞ ⎛ ⎞⎫<br />
. . . a1n x1 0.<br />
⎬<br />
... . ⎠ ⎝ . ⎠ = ⎝ ⎠<br />
⎭<br />
. . . ann xn 0
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 42 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan U dan V ruang vektor berdimensi hingga atas K dan<br />
α : U → V suatu pemetaan linier.<br />
1 Bila 〈{u1, . . . , un}〉 = U, maka 〈{α(u1), . . . , α(un)}〉 = Im(α).<br />
2. dim(U) = dim(ker(α)) + dim(Im(α))<br />
Bukti.<br />
1. Misalkan sebarang v ∈ Im(α), pilih u ∈ U yang memenuhi<br />
α(u) = v. Tetapi u = k1u1+. . .+knun, maka dari itu v = α(u) =<br />
α(k1u1+. . .+knun) = k1α(u1)+. . .+knα(un) ∈ 〈{α(u1), . . . , α(un)}〉.<br />
Jadi Im(α) = 〈{α(u1), . . . , α(un)}〉.<br />
2. Misalkan {u1, . . . , um} basis dari ker(α), perluas basis ini<br />
sampai didapat {u1, . . . , um, w1, . . . , wn} adalah suatu basis<br />
dari U. Jelas bahwa dim(ker(α)) = m dan dim(U) =<br />
m + n. Misalkan vi = α(wi), i = 1, 2 . . . , n. Akan ditunjukkan<br />
bahwa vi, i = 1, 2 . . . , n adalah suatu basis dari<br />
Im(α). Dengan menggunakan hasil 1. didapat Im(α) =<br />
〈{α(u1), . . . , α(um), α(w1), . . . , α(wn)}〉 = 〈{0, . . . , 0, v1, . . . , vn}〉 =<br />
〈{v1, . . . , vn}〉. Selanjutnya selidiki apakah vektor-vektor<br />
vi, i = 1, 2 . . . , n bebas linier, yaitu k1v1 + . . . + knvn = 0 atau<br />
k1α(w1) + . . . + knα(wn) = 0. Sehingga didapat α(k1w1 + . . . +<br />
knwn) = 0. Jadi k1w1 + . . . + knwn ∈ ker(α). Oleh karena itu<br />
k1w1 + . . . + knwn = ¯ k1u1 + . . . + ¯ kmum untuk beberapa ¯ ki, atau<br />
¯k1u1 +. . .+ ¯ kmum −k1w1 +. . .−knwn = 0. Karena vektor-vektor<br />
{u1, . . . , um, w1, . . . , wn} bebas linier maka ¯ k1 = . . . = ¯ km = k1 =<br />
. . . = kn = 0, Jadi vektor-vektor v1, . . . , vn bebas linier.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 43 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Adakalanya kernel dari suatu pemetaan linier disebut null<br />
space dan dimensi dari kernel dinamakan nullity dari pemetaan<br />
linier, sedangkan dimensi dari image suatu pemetaan linier<br />
dinamakan rank dari pemetaan linier. Sehingga didapat<br />
dim(U) = nullity(α) + rank(α).<br />
Contoh. Misalkan pemetaan linier α : R3 → R2 dengan<br />
α((x, y, z) ′ ) = (x + z, 2x − y + z) ′ untuk setiap (x, y, z) ′ ∈ R3 . Kernel<br />
dari α adalah penyelesaian dari persamaan vektor α((x, y, z) ′ ) =<br />
(x + z, 2x − y + z) ′ = (0, 0) ′ atau penyelesaian persamaan homogin<br />
1 0 1<br />
2 −1 1<br />
⎛<br />
⎝<br />
x<br />
y<br />
z<br />
⎞<br />
⎠ =<br />
0<br />
0<br />
yang mempunyai penyelesaian x = x, y = x, z = −x, x ∈ R. Jadi<br />
ker(α) = {x(1, 1, −1) ′ | x ∈ R} = 〈{(1, 1, −1) ′ }〉. Terlihat bahwa<br />
nullity(α) = 1. Sedangkan Im(α) = {(x + z, 2x − y + z) ′ | x, y, z ∈<br />
R} = {x(1, 2) ′ −y(0, 1) ′ +z(1, 1) ′ |x, y, z ∈ R} = 〈{(1, 2) ′ , (0, 1) ′ , (1, 1) ′ }〉 =<br />
〈{(1, 2) ′ = (0, 1) ′ + (1, 1) ′ , (0, 1) ′ , (1, 1) ′ }〉 = 〈{(0, 1) ′ , (1, 1) ′ }〉. Terlihat<br />
bahwa rank(α) = 2. Sehingga didapat dim(R 3 ) = nullity(α) +<br />
rank(α) = 1 + 2 = 3.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 44 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan α : U → V suatu pemetaan linier dari ruang vektor<br />
U ke ruang vektor V masing-masing atas K. Bila pemetaan<br />
α satu-satu dan pada yaitu pemetaan α mempunyai invers,<br />
maka α dinamakan suatu isomorpisma dari U ke V . Dalam<br />
hal ini, U dan V dikatakan isomorpik dan dinotasikan oleh<br />
U ∼ = V . Perhatikan bahwa, karena α pemetaan satu-satu dan<br />
pada, maka Im(α) = V dan ker(α) = {0}.<br />
Misalkan U dan V ruang vektor berdimensi hingga atas<br />
K masing-masing dengan basis {u1, . . . , um} dan {v1, . . . , vn}.<br />
Maka U dan V isomorpik bila dan hanya bila dim(U) = dim(V )<br />
(m = n). Lagipula, ada suatu isomorpisma tunggal α : U → V<br />
yang memenuhi α(ui) = vi, i = 1, . . . , n.<br />
Bukti<br />
Bila α : U → V suatu isomorpisma, maka α satu-satu dan pada.<br />
Maka dari itu, ker(α) = {0} dan Im(α) = V . Sehingga didapat<br />
dim(U) = dim(ker(α)) + dim(Im(α)) = 0 + dim(V ) = dim(V ). Sebaliknya,<br />
misalkan m = n dan α suatu pemetaan linier yang<br />
memenuhi α(ui) = vi, i = 1, . . . , n. Akan ditunjukkan bahwa α<br />
satu-satu dan pada.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 45 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Bukti......<br />
Misalkan sebarang u ∈ ker(α), maka α(u) = 0. Tetapi<br />
u = k1u1 + . . . + kmum. Sehingga didapat 0 = α(u) =<br />
α(k1u1 + . . . + kmum) = k1α(u1) + . . . + kmα(um) = k1v1 + . . . + kmum<br />
dan karena {v1, . . . , vm} suatu basis dari V , maka haruslah<br />
k1 = . . . = kn = 0. Jadi u = 0. Maka dari itu<br />
ker(α) = {0}. Jadi pemetaan α satu-satu. Selanjutnya,<br />
misalkan sebarang v ∈ V , maka v = a1v1 + . . . + anvn untuk<br />
beberapa skalar ai. Tetapi vi = α(ui), i = 1, . . . , n. Jadi<br />
v = a1α(ui) + . . . + anα(un) = α(a1u1 + . . . + anun) ∈ Im(α). Sehingga<br />
didapat V = Im(α) atau pemetaan α adalah pada.<br />
Kerena pemetaan linier α adalah satu-satu dan pada, maka<br />
U dan V isomorpik. Berikutnya, ditunjukkan bahwa isomorphisma<br />
α yang memenuhi α(ui) = vi, i = 1, . . . , n adalah<br />
tunggal. Misalkan β : U → V adalah suatu isomorphisma<br />
yang juga memenuhi β(ui) = vi, i = 1, . . . , n dan misalkan sebarang<br />
u = k1u1 + . . . + knun ∈ U untuk beberapa skalar ki ∈ K,<br />
maka α(u) − β(u) = α(k1u1 + . . . + knun) − β(k1u1 + . . . + knun) =<br />
k1α(u1) + . . . + knα(un) − k1α(u1) − . . . − knα(un) = k1v1 + . . . + knvn −<br />
k1v1 − . . . − knvn = 0. Sehingga didapat α(u) = β(u), ∀u ∈ U. Jadi<br />
β = α.<br />
Misalkan U dan V ruang vektor atas K, himpunan L(U, V, K)<br />
menyatakan himpunan semua pemetaan linier dari U ke V .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 46 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan α, β ∈ L(U, V, K) pemetaan α + β<br />
didefinisikan sebagai (α+β)(u) def<br />
= α(u)+β(u)<br />
untuk semua u ∈ U dan pemetaan kα<br />
didefinisikan sebagai (kα)(u) def<br />
= kα(u) untuk<br />
semua u ∈ U. Maka L(U, V, K) adalah ruang<br />
vektor atas K.<br />
Misalkan α, β ∈ L(U, V, K) dan komposisi<br />
dari β ◦ α adalah (βα)(u) def<br />
= β(α(u)) untuk<br />
semua u ∈ U, maka β ◦ α ∈ L(U, V, K).<br />
Bukti<br />
(βα)(k1u1 + k2u2) = β(α(k1u1 + k2u2))<br />
= β(k1α(u1) + k2α(u2))<br />
= k1β(α(u1)) + k2β(α(u2))<br />
= k1(βα)(u1) + k2(βα)(u2).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 47 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Pemetaan Linier dan <strong>Aljabar</strong> Matriks<br />
Misalkan U, V ruang vektor berdimensi<br />
hingga atas K masing-masing dengan dimensi<br />
m dan n. Misalkan Bu = u1, . . . , um<br />
basis terurut di U, Bv = v1, . . . , vn basis<br />
terurut di V dan α ∈ L(U, V, K). Untuk<br />
j = 1, . . . , m, α(uj) ∈ V , sehingga ada skalar<br />
ai,j ∈ K sehingga α(uj) = a1,jv1 + . . . + an,jvn.<br />
Bila indeks i dan j dalam skalar ai,j menyatakan<br />
elemen baris ke-i dan kolom ke-j<br />
dari suatu matriks A, hal ini mendefinisikan<br />
matriks representasi dari pemetaan linier α<br />
diberikan oleh:<br />
A =<br />
⎛<br />
⎝<br />
a1,1 . . . a1,m<br />
. . .<br />
an,1 . . . an,m<br />
⎞<br />
⎠ .<br />
Perhatikan bahwa, skalar-skalar ai,j dalam<br />
persamaan α(uj) menyatakan kolom ke-j<br />
dari matriks A.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 48 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Sekali matriks-matriks representasi ini di konstruksi sesuai<br />
dengan basis-basis yang ada, matriks-matriks ini bisa digunakan<br />
tanpa lagi merujuk pada basis-basis yang ada, kecuali<br />
ada perubahan basis, maka matriks A juga berubah. Untuk<br />
menjelaskan hal ini, misalkan sebarang u ∈ U, maka<br />
u = x1u1+. . .+xmum dan v = α(u) ∈ V . Tetapi v = y1v1+. . .+ynvn.<br />
Sehingga didapat<br />
α(u) = x1α(u1) + . . . + xmα(um)<br />
= x1(a1,1v1 + . . . + an,1vn) + . . . + xm(a1,mv1 + . . . + an,mvn)<br />
= (a1,1x1 + . . . + a1,mxm)v1 + . . . + (an,1x1 + . . . + an,mxm)vn<br />
= y1v1 + . . . + ynvn<br />
atau y = Ax, dimana<br />
⎛ ⎞ ⎛<br />
⎞ ⎛<br />
y1<br />
a1,1 . . . a1,m<br />
y = ⎝ . ⎠ , A = ⎝ . . . ⎠ dan x = ⎝<br />
yn<br />
an,1 . . . an,m<br />
x1<br />
.<br />
xm<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 49 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan α ∈ L(U, V, K) dan β ∈ L(V, W, K) dimana<br />
dim(U) = m, dim(V ) = n dan dim(W ) = p. Representasi matriks<br />
dari α dan β masing-masing diberikan oleh A = (α, uj, vi)<br />
berukuran n × m dan B = (β, vi, wk) beruran p × n. Maka<br />
representasi matriks dari komposisi βα ∈ L(U, W, K) diberikan<br />
oleh C = (βα, uj, wk) dimana C = BA dengan ck,j = n<br />
bk,iai,j.<br />
Bukti<br />
Gunakan definisi representasi matriks dari suatu pemetaan,<br />
didapat α(uj) = n<br />
ai,jvi dan β(vi) =<br />
i=1<br />
p<br />
bk,iwk. Maka dari itu<br />
k=1<br />
(β(α(uj)) = n<br />
ai,jβ(vi) = n<br />
<br />
p<br />
<br />
= p<br />
<br />
n<br />
<br />
wk.<br />
i=1<br />
ai,j<br />
i=1<br />
bk,iwk<br />
k=1<br />
k=1<br />
i=1<br />
bk,iai,j<br />
i=1<br />
Tetapi (βα)(uj) = p<br />
ck,jwk, sehingga dengan menyamakan koe-<br />
k=1<br />
fisien masing-masing persamaan didapat ck,j = n<br />
bk,iai,j.<br />
i=1
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 50 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Diberikan suatu transformasi linier α : R3 → R3 oleh<br />
α((x, y, z) ′ ) = (x − y − z, x + y + z, z) ′ dengan basis baku terurut<br />
didapat: α((1, 0, 0) ′ ) = (1, 1, 0) ′ , α((0, 1, 0) ′ ) = (−1, 1, 0) ′ dan<br />
α((0, 0, 1) ′ ) = (−1, 1, 1) ′ , sehingga matriks representasi dari α<br />
terhadap basis baku terurut diberikan oleh:<br />
⎛<br />
⎝<br />
1 −1 −1<br />
1 1 1<br />
0 0 1<br />
Selanjutnya bila digunakan basis terurut B =<br />
(1, 0, 0) ′ , (1, 1, 0) ′ , (1, 0, 1) ′ didapat α((1, 0, 0) ′ ) = (1, 1, 0) ′ =<br />
0(1, 0, 0) ′ + 1(1, 1, 0) ′ + 0(1, 0, 1) ′ = (0, 1, 0) ′ B , α((1, 1, 0)′ ) = (0, 2, 0) ′ =<br />
−2(1, 0, 0) ′ + 2(1, 1, 0) ′ + 0(1, 0, 1) ′ = (−2, 2, 0) ′ B dan α((1, 0, 1)′ ) =<br />
(0, 2, 1) ′ = −3(1, 0, 0) ′ + 2(1, 1, 0) ′ + 1(1, 0, 1) ′ = (−3, 2, 1) ′ B . Sehingga<br />
matriks representasi dari α dengan basis terurut B<br />
diberikan oleh: ⎛<br />
⎝<br />
0 −2 −3<br />
1 2 2<br />
0 0 1<br />
⎞<br />
⎠ .<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 51 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Diberikan pemetaan linier α : P3(R) → P1(R) oleh α(p(x)) =<br />
d2p(x) dx2 .<br />
a. Matriks representasi A dari α dengan basis terurut B1 =<br />
1, x, x2 , x3 untuk P3(R) dan basis terurut B2 = 1, x + 2 untuk<br />
P1(R) diberikan sebagai berikut: α(1) = 0 = 0.1 + 0(x + 2) =<br />
(0, 0) ′ B2 , α(x) = 0 = 0.1 + 0(x + 2) = (0, 0)′ B2 , α(x2 ) = 2 = 2.1 +<br />
0(x+2) = (2, 0) ′ B2 dan α(x3 ) = 6x = −12.1+6(x+2) = (−12, 6) ′ B2 ,<br />
<br />
0 0 2 −12<br />
A =<br />
.<br />
0 0 0 6<br />
b. Misalkan p(x) = a+bx+cx 2 +dx 3 ∈ ker(α), maka 0 = α(p(x)) =<br />
2c + 6dx, ∀x ∈ R. Sehingga didapat c = 0, d = 0. Jadi<br />
ker(α) = {a.1 + bx | a, b ∈ R} = 〈{1, x}〉. Terlihat bahwa<br />
dim(ker(α)) = 2.<br />
c. Sedangkan dimensi dari image α diberikan oleh:<br />
dim(Im(α)) = dim(P3(R)) − dim(ker(α)) = 4 − 2 = 2. Hal<br />
ini bisa dicek sebagai berikut, misalkan sebarang q(x) =<br />
α + βx + γx 2 + δx 3 ∈ P3(R), maka α(q(x)) = 2γ + 6δx =<br />
2γ.1 + 6δ.x ∈ 〈{1, x}〉. Jadi Im(α) = 〈{1, x}〉 dan terlihat<br />
bahwa dimensi Im(α) sama dengan dua.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 52 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
3. Misalkan u1, u2, u3 basis terurut dari U, v1, v2, v3 dan w1, w2<br />
adalah suatu basis terurut dari W . Selanjutnya diberikan<br />
pemetaan linier α : U → V dan β : V → W masing-masing<br />
oleh α(u1) = v1 +2v2 −v3, α(u2) = v2 +2v3, α(u3) = −v1 +v2 +3v3<br />
dan β(v1) = 2w1 − w2, β(v2) = w1 + w2, β(v3) = −2w1 + 3w2.<br />
Bila A = (α, uj, vi) dan B = (β, vi, wk), maka didapat matriks<br />
representasi:<br />
A =<br />
⎛<br />
⎝<br />
1 0 −1<br />
2 1 1<br />
−1 2 3<br />
⎞<br />
⎠ , B =<br />
2 1 −2<br />
−1 1 3<br />
dan matriks representasi C = (βα, uj, wk) diberikan oleh<br />
<br />
2 1 −2<br />
C = BA =<br />
−1 1 3<br />
⎛ ⎞<br />
1 0 −1 <br />
⎝ 2 1 1 ⎠<br />
6 −3 −7<br />
=<br />
.<br />
−2 7 11<br />
−1 2 3<br />
Bisa dicek langsung lewat vektor-vektor basis<br />
(βα)(u1) = β(v1 + 2v2 − v3) = 6w1 − 2w2<br />
(βα)(u2) = β(v2 + 2v3) = −3w1 + 7w2<br />
(βα)(u3) = β(−v1 + v2 + 3v3) = −7w1 + 11w2.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 53 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Pemetaan Identitas<br />
Pementaan IU : U → U adalah pemetaan identitas bila IU(u) = u<br />
untuk semua u ∈ U.<br />
Bila pemetaan α : U → V suatu isomorpisma (satu-satu dan<br />
pada), maka ada pemetaan invers α −1 : V → U sehingga<br />
α −1 α = IU dan αα −1 = IV .<br />
Bila α : U → V suatu isomorpisma, maka α −1 : V → U adalah<br />
pemetaan linier. Bila matriks representasi α adalah A dan<br />
matriks representasi dari α −1 adalah B, maka BA = I dan<br />
AB = I.<br />
Contoh. Misalkan ui, i = 1, 2, 3 adalah basis terurut dari U dan<br />
vj, j = 1, 2, 3 adalah basis terurut dari V . Pemetaan linier α :<br />
U → V diberikan oleh: α(u1) = v1 + 2v2 − v3, α(u2) = v2 + 2v3 dan<br />
α(u3) = −v1 + v2 + 3v3, maka A = (α, ui, vj) diberikan oleh<br />
A =<br />
⎛<br />
⎝<br />
1 0 −1<br />
2 1 1<br />
−1 2 3<br />
didapat B = A−1 adalah matriks representasi dari α−1 dimana:<br />
⎛<br />
−0.25 0.5<br />
⎞<br />
−0.25<br />
B = ⎝ 1.75 −0.5 0.75 ⎠<br />
−1.25 0.25 −0.25<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 54 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Perubahan dari suatu basis<br />
Perubahan basis dari suatu transformasi<br />
linier adalah penting. Sebagaimana<br />
telah diketahui dari pembahasan sebelumnya<br />
bahwa, suatu transformasi linier<br />
memberikan suatu matriks representasi<br />
melalu suatu basis yang telah ditentukan.<br />
Tentunya matriks representasi ini akan<br />
berbeda bila digunakan basis lain yang<br />
berbeda tetapi tetap merupakan suatu matriks<br />
representasi dari suatu transformasi<br />
linier yang sama. Perubahan basis tujuan<br />
utamanya adalah mendapatkan suatu<br />
matriks represenatsi yang mudah untuk<br />
penghitungan (komputasi) dan bisa menjelaskan<br />
makna perubahan bentuk suatu<br />
benda dalam domainnya menjadi bentuk<br />
yang lainnya dalam kodomainnya.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 55 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan B = u1, . . . , un adalah basis terurut dari suatu ruang<br />
vektor U atas K dan sebarang u ∈ U dapat diungkapkan<br />
sebagai u = x1u1 + . . . + xnun dimana skalar-skalar xi merupakan<br />
n-pasang berbentuk (x1, . . . , xn) ′ ∈ Kn . Maka pemetaan<br />
ρB : U → Kn dinamakan suatu pemetaan koordinat dan<br />
ρB(u) def<br />
= (x1, . . . , xn) ′ dinamakan suatu vektor koordinat dari<br />
u ∈ U terhadap basis terurut B. Dalam hal ini ρB adalah suatu<br />
isomorpisma maka dari itu U ∼ = Kn .<br />
Bukti Misalkan sebarang u = x1u1 + . . . + xnun ∈ U, v =<br />
y1u1 + . . . + ynun ∈ V dan k1, k2 ∈ K, maka didapat ρB(k1u +<br />
k2v) = ρB(k1x1u1 + . . . + k1xnun + k2y1u1 + . . . + k2ynun) = ρB((k1x1 +<br />
k2y1)u1 + . . . + (k1xn + k2yn)un) = (k1x1 + k2y1, . . . , k1xn + k2yn) ′ =<br />
k1(x1, . . . , xn) ′ +k2(y1, . . . , yn) ′ = k1ρB(u)+k2ρB(v). Terlihat bahwa ρB<br />
adalah pemetaan linier. Karena untuk setiap (x1, . . . , xn) ′ ∈ K n<br />
vektor u = x1u1 + . . . + xnun memenuhi ρB(u) = (x1, . . . , xn) ′ , maka<br />
pemetaan ρB adalah pada. Selanjutnya misalkan sebarang<br />
u = x1u1 + . . . + xnun ∈ ker(ρB), maka ρB(u) = (x1, . . . , xn) ′ =<br />
(0, . . . , 0) ′ . Didapat x1 = 0, . . . , xn = 0. Jadi u = 0. Maka dari<br />
itu pemetaan ρB adalah satu-satu. Karena pemetaan linier ρB<br />
adalah satu-satu dan pada, maka ρB adalah suatu isomorpisma<br />
atau U ∼ = K n .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 56 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Misalkan diberikan dua basis terurut<br />
B1 = (1, 0) ′ , (0, 1) ′ dan B2 = (1, 1) ′ , (1, −1) ′<br />
dari ruang vektor R2 . Terhadap basis<br />
B1, sebarang (x, y) ′ ∈ R2 (x, y)<br />
didapat<br />
′ = x(1, 0) ′ + y(0, 1) ′ . Sehingga didapat<br />
ρB1 ((x, y)′ ) = (x, y) ′ . Terhadap basis<br />
B2, (x, y) ′ = k1(1, 1) ′ + k2(1, −1) ′ , didapat<br />
x = k1 + k2, y = k1 − k2. dari sini diperoleh<br />
x + y x − y<br />
k1 = , k2 = . Jadi ρB2 2 2<br />
((x, y)′ ) =<br />
<br />
x + y<br />
,<br />
2<br />
x − y<br />
′<br />
. Sehingga ρB2 2<br />
((1, 0)′ ) =<br />
′<br />
1 1<br />
, dan ρB2 2 2<br />
((0, 1)′ ′<br />
1 −1<br />
) = , .<br />
2 2
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 57 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
PB<br />
UB<br />
Km ❄<br />
α ✲ VC<br />
Misalkan B = u1, . . . , um suatu basis terurut dari ruang vektor<br />
U, C = v1, . . . , vn suatu basis terurut dari ruang vektor V , kedua<br />
ruang vektor atas skalar K. Suatu pemetaan linier α : U → V<br />
dengan matriks representasi A = (α, B, C). Misalkan α(u) = v<br />
dimana u = x1u1+. . .+xmum ∈ U dan v = y1v1+. . .+ynvn ∈ V . Dari<br />
pembahasan sebelumnya dijelaskan bahwa v = α(u) dapat disajikan<br />
oleh persamaan matriks y = Ax, dimana x = (x1, . . . , xm) ′<br />
dan y = (y1, . . . , yn) ′ . Misalkan P adalah pemetaan koordinat,<br />
maka x = PB(u), y = PC(v) dan matriks representasi dari persamaan<br />
vektor v = α(u) adalah PC(v) = APB(u). Sehingga didapat,<br />
v = α(u) = P −1<br />
C APB(u), ∀u ∈ U. Jadi α = P −1<br />
C APB atau<br />
A = PCαP −1<br />
B . Hasil-hasil yang didapat ini dijelaskan dalam diagram<br />
diatas.<br />
A<br />
✲<br />
❄<br />
K n<br />
PC
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 58 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
IU<br />
UB<br />
✲<br />
❄<br />
α<br />
❄<br />
✲<br />
U ¯ B<br />
α<br />
VC<br />
V ¯ C<br />
Misalkan α : U → V suatu pemetaan linier, B dan ¯ B dua basis<br />
terurut yang berbeda dari U sedangkan C dan ¯ C dua basis<br />
terurut yang berbeda dari V . Bila matiks-matriks representasi<br />
dari α adalah A = (α, B, C) dan Ā = (α, ¯ B, ¯ C), maka perubahan<br />
basis tidak berpengaruh pada suatu pemetaan linier sehingga<br />
hal ini berkaitan dengan pemetaan identitas. Tetapi perubahan<br />
basis mempunyai pengaruh terhadap matriks-matriks representasi<br />
A = (α, B, C) dan Ā = (α, ¯ B, ¯ C) melalui pemetaan identitas<br />
terhadap dua basis yang berbeda. Bila basis berubah<br />
pada domain dan kodomain dari α, maka umumnya diperlukan<br />
matriks representasi dari pemetaan identitas pada domain<br />
dan kodomain α yang dinotasikan oleh P = (IU, B, ¯ B)<br />
dan Q = (IV , C, ¯ C). Hubungan diantara ruang vektor dengan<br />
basis-basis berbeda diberikan secara diagram diatas. Sehingga<br />
didapat hubungan (α, ¯ B, ¯ C) = (IV , C, ¯ C)(α, B, C)(IU, ¯ B, B)<br />
atau Ā = QAP −1 . Selanjutnya misalkan x, ¯x vektor-vektor koordinat<br />
dari u ∈ U relatif terhadap basis B dan ¯ B dan y, ¯y<br />
vektor-vektor koordinat dari v = α(u) ∈ V relatif terhadap<br />
basis C dan ¯ C, maka ¯x = P x dan ¯y = Qy. Bila y = Ax,<br />
maka ¯y = Qy = QAx = QAP −1 ¯x =<br />
IV<br />
Ā¯x. Terlihat bahwa vektor-<br />
vektor koordinat dan matriks-matriks transformasi konsisten<br />
terhadap perubahan basis.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 59 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Diberikan pemetaan linier α : R 2 → R 2 dengan α((x, y) ′ ) =<br />
(2x + y, x + 3y) ′ . Dengan basis B = (1, 0) ′ , (1, 1) ′ , maka αB(1, 0) =<br />
(2, 1) = 1(1, 0) ′ + 1(1, 1) ′ = (1, 1) ′ dan αB((1, 1) ′ ) = (3, 4) ′ =<br />
−1(1, 0) ′ + 4(1, 1) ′ = (−1, 4) ′ , sehingga diperoleh matriks re-<br />
presentasi dari α:<br />
A = (α, B, B) =<br />
1 −1<br />
1 4<br />
Misalkan sebarang (x, y) ′ ∈ R2 , maka ρB((x, y) ′ ) = a(1, 0) ′ +<br />
b(1, 1) ′ = (a, b) ′ dimana skalar a, b memenuhi:<br />
<br />
x 1 1 a a 1 −1 x<br />
=<br />
⇒ =<br />
,<br />
y 0 1 b b 0 1 y<br />
sehingga didapat a = x − y dan b = y. Jadi ρB((x, y) ′ ) =<br />
(x − y, y) ′ . Dicek apakah pemetaan α konsisten terhadap<br />
basis B sebagai berikut:<br />
α((x, y) ′ ) = AρB((x, y) ′ <br />
1 −1 x − y x − 2y<br />
) =<br />
=<br />
1 4 y x + 3y<br />
<br />
1<br />
1 2x + y<br />
= (x − 2y) + (x + 3y) =<br />
.<br />
0<br />
1 x + 3y<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 60 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Diberikan pemetaan linier α : P3(R) → P3(R) dimana<br />
α(p(x)) = (a + b) + (b + c)x + (c + d)x2 + (a + d)x3 , ∀p(x) ∈ P3(R)<br />
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<br />
P3(R). Maka α(1) = 1 + x3 = 1(1) + 0(x) + 0(x2 ) + 1(x3 ),<br />
α(x) = 1 + x = 1(1) + 1(x) + 0(x2 ) + 0(x3 ), α(x2 ) = x + x2 =<br />
0(1)+1(x)+1(x2 )+0(x3 ), α(x3 ) = x2 +x3 = 0(1)+0(x)+1(x2 )+1(x3 )<br />
dan IP3(R)(1) = 1 = 1 + 0(1 + x) + 0(1 + x + x2 ) + 0(1 + x + x2 + x3 ),<br />
IP3(R)(x) = x = −1(1) + 1(1 + x) + 0(1 + x + x2 ) + 0(1 + x + x2 + x3 ),<br />
IP3(R)(x2 ) = x2 = 0(1) − 1(1 + x) + 1(1 + x + x2 ) + 0(1 + x + x2 + x3 ),<br />
IP3(R)(x3 ) = x3 = 0(1) + 0(1 + x) − 1(1 + x + x2 ) + 1(1 + x + x2 + x3 )<br />
Sehingga didapat matriks representasi A = (α, B, B), P =<br />
(IP3(R), B, ¯ B) dan P −1 diberikan oleh:<br />
A =<br />
⎛<br />
⎜<br />
⎝<br />
1 1 0 0<br />
0 1 1 0<br />
0 0 1 1<br />
1 0 0 1<br />
⎞<br />
⎛<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ , P = ⎜<br />
⎠ ⎝<br />
1 −1 0 0<br />
0 1 −1 0<br />
0 0 1 1<br />
0 0 0 1<br />
⎞<br />
⎛<br />
⎟<br />
⎠ danP −1 ⎜<br />
= ⎜<br />
⎝<br />
Matriks representasi Ā = (α, ¯ B, ¯ B) diberikan oleh<br />
Ā = P AP −1 ⎛<br />
⎞<br />
1 1 0 0<br />
⎜<br />
⎟<br />
⎜ 0 1 1 0 ⎟<br />
= ⎜<br />
⎟<br />
⎝ −1 −1 0 0 ⎠<br />
1 1 1 2<br />
.<br />
1 1 1 1<br />
0 1 1 1<br />
0 0 1 1<br />
0 0 0 1<br />
⎞<br />
⎟<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 61 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
3. Diberikan ruang vektor U dengan dua basis terurut B =<br />
u1, u2, u3 dan B = ū1, ū2, ū3 dimana ū1 = u2, ū2 = u3, ū3 = u1.<br />
Serta ruang vektor V dengan dua basis terurut C = v1, v2<br />
dan C = ¯v1, ¯v2 dimana ¯v1 = v1 + v2, ¯v2 = v1 − v2. Suatu<br />
pemetaan linier α : U → V diberikan oleh α(u1) = 2v1 −<br />
v2, α(u2) = v1+v2, α(u3) = −2v1+3v2, sehingga diperoleh suatu<br />
matriks representasi<br />
A = (α, B, C) =<br />
2 1 −2<br />
−1 1 3<br />
Misalkan P adalah matriks dari pemetaan identitas di U<br />
dari basis B ke basis B, yaitu IU(u1) = u1 = ū3 = 0ū1+0ū2+1ū3,<br />
IU(u2) = u2 = ū1 = 1ū1 + 0ū2 + 0ū3, IU(u3) = u3 = ū2 = 0ū1 + 1ū2 +<br />
0ū3. Sehingga didapat P dan P −1 :<br />
P =<br />
⎛<br />
⎝<br />
0 1 0<br />
0 0 1<br />
1 0 0<br />
⎞<br />
⎠ dan P −1 =<br />
⎛<br />
⎝<br />
<br />
.<br />
0 0 1<br />
1 0 0<br />
0 1 0<br />
Begitu juga, karena IV (¯v1) = ¯v1 = 1v1 + 1v2, IV (¯v2) = ¯v2 =<br />
1v1 −1v2, maka didapat matriks Q −1 dari pemetaan identitas<br />
pada V dari basis C ke basis C dan juga didapat matriks Q<br />
diberikan oleh:<br />
Q −1 =<br />
1 1<br />
1 −1<br />
<br />
dan Q =<br />
1 1<br />
2<br />
1<br />
2<br />
2<br />
−1<br />
2<br />
⎞<br />
⎠ .<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 62 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh 3.......<br />
Matriks representasi Ā = (α, B, C) diberikan<br />
oleh:<br />
⎛ ⎞<br />
1 1 2<br />
Ā = QAP −1 = ⎝<br />
0 −5 2 3 ⎠ .<br />
Hasil ini bisa dicek<br />
2<br />
secara langsung<br />
pemetaan α didefinisikan relatif terhadap<br />
basis ¯ B dan ¯ C sebagai berikut:<br />
α(ū1) = α(u2) = v1 + v2 = ¯v1 = 1¯v1 + 0¯v2<br />
α(ū2) = α(u3) = −2v1 + 3v2 = 1 2¯v1 − 5 2¯v2 α(ū3) = α(u1) = 2v1 − v2 = 1 2¯v1 + 3 2¯v2. Dua matriks bujur sangkar A dan B<br />
dikatakan similar bila ada matriks P yang<br />
punya invers sehingga B = P AP −1 . Kesemilaran<br />
matriks (∼) adalah suatu relasi ekivalen.<br />
1<br />
2
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 63 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Diberikan pemetaan linier α : U → V terhadap basis terurut<br />
B dari ruang vektor U dan basis terurut C dari ruang vektor<br />
V , bagaimana cara memilih basis terurut B dari ruang vektor<br />
U dan basis terurut C dari ruang vektor V supaya representasi<br />
matriks Ā = (α, B, C) mempunyai bentuk normal diagonal<br />
satuan yang sederhana, yaitu matriks:<br />
⎛<br />
⎞<br />
⎜<br />
⎝<br />
Ir<br />
. 0<br />
. . . . . . . . .<br />
0 . 0<br />
⎟<br />
⎠ ,<br />
dimana Ir adalah matriks satuan berukuran r × r dengan<br />
r ≤ min{dim(U), dim(V )}. Untuk memperoleh cara yang dimaksud<br />
ini digunakan sifat berikut.<br />
Misalkan pemetaan linier α : U → V , masing-masing dimensi<br />
U dan V adalah m dan n dengan dim(Im(α)) = r. Maka ada<br />
basis terurut B dari U dan basis terurut C dari V sehingga<br />
representasi matriks dari α berbentuk normal diagonal satuan,<br />
yaitu<br />
⎛<br />
⎞<br />
Ā = (α, B, C) =<br />
⎜<br />
⎝<br />
Ir<br />
. 0<br />
. . . . . . . . .<br />
0 . 0<br />
⎟<br />
⎠<br />
←→ ←→<br />
r m − r<br />
↕ r<br />
↕ n − r
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 64 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bukti<br />
Dari sifat dimensi pemetaan linier didapat, dim(ker(α)) =<br />
dim(U) − dim(Im(α)) = m − r. Misalkan ur+1, . . . , um adalah suatu<br />
basis terurut dari ker(α). Perluas basis ini sampai diperoleh<br />
basis terurut B = u1, . . . , ur, ur+1, . . . , um dari ruang vektor<br />
U. Dari pengertian kernel didapat α(ur+1) = 0, . . . , α(um) =<br />
0. Selanjutnya pilih vektor-vektor v1, . . . , vr ∈ Im(α) sehingga<br />
α(u1) = v1, . . . , α(ur) = vr. Jelas bahwa vektor-vektor<br />
v1, . . . , vr adalah suatu basis terurut dari Im(α). Selanjutnya<br />
perluas basis ini sampai diperoleh basis terurut C =<br />
v1, . . . , vr, vr+1, . . . , vn dari ruang vektor V . Jadi, terhadap basis<br />
terurut B dari ruang vektor U dan basis terurut C dari ruang<br />
vektor V , pemetaan α didefinisikan oleh α(u1) = v1, . . . , α(ur) =<br />
vr, α(ur+1) = 0, . . . , α(um) = 0. Dari definisi ini terlihat bahwa<br />
representasi matriks Ā = (α, B, C) adalah:<br />
⎛<br />
⎞<br />
Ā = (α, B, C) =<br />
⎜<br />
⎝<br />
Ir<br />
. 0<br />
. . . . . . . . .<br />
0 . 0<br />
⎟<br />
⎠<br />
←→ ←→<br />
r m − r<br />
↕ r<br />
↕ n − r
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 65 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Misalkan representasi matriks dari suatu pemetaan linier terhadap<br />
basis baku terurut, diberikan oleh:<br />
A =<br />
⎛<br />
⎝<br />
1 2 3<br />
2 3 1<br />
3 5 4<br />
Dapatkan basis-basis terurut dari U dan V supaya dengan<br />
basis-basis ini pemetaan linier mempunyai representasi matriks<br />
berbentuk normal diagonal satuan.<br />
Penyelesaian Pertama, tentukan kernel dari A dengan menyelesaikan<br />
persamaan Ax = 0, didapat: ker(A) = {x(7, −5, 1) ′ | x ∈ R}<br />
atau ker(A) = 〈{(7, −5, 1) ′ }〉. Perluas basis dari kernel sehingga<br />
diperoleh basis terurut B = (1, 0, 0) ′ , (0, 1, 0) ′ , (7, −5, 1) ′ . Selanjutnya<br />
dapatkan basis terurut dari Image A sebagai berikut:<br />
⎛<br />
⎝<br />
1 2 3<br />
2 3 1<br />
3 5 4<br />
⎞ ⎛<br />
⎠ ⎝<br />
1<br />
0<br />
0<br />
⎞<br />
⎠ =<br />
⎛<br />
⎝<br />
1<br />
2<br />
3<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
⎞<br />
⎠ .<br />
1 2 3<br />
2 3 1<br />
3 5 4<br />
⎞ ⎛<br />
⎠ ⎝<br />
Perluas basis terurut ini sehingga diperoleh:<br />
0<br />
1<br />
0<br />
⎞<br />
⎠ =<br />
⎛<br />
⎝<br />
2<br />
3<br />
5<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 66 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Lanjutan Contoh................<br />
C = (1, 2, 3) ′ , (2, 3, 5) ′ , (1, 0, 0) ′ adalah basis terurut dari ruang vektor<br />
V . Selanjutnya cek dengan basis-basis terurut B dan C,<br />
representasi matriks berbentuk normal diagonal satuan sebagaimana<br />
berikut ini. Persamaan-persamaan yang memberikan<br />
matriks P −1 = (α, B, B) dengan B basis terurut baku adalah:<br />
IU(ū1) = ū1 = (1, 0, 0) ′ , IU(ū2) = ū2 = (0, 1, 0) ′ dan IU(ū3) = ū3 =<br />
(7, −5, 1) ′ . Sehingga didapat:<br />
P −1 =<br />
⎛<br />
⎝<br />
1 0 7<br />
0 1 −5<br />
0 0 1<br />
Dengan cara serupa, persamaan-persamaan yang memberikan<br />
matriks Q−1 = (α, C, C) dengan C basis terurut baku adalah:<br />
IV (¯v1) = ¯v1 = (1, 2, 3) ′ , IV (¯v2) = ¯v2 = (2, 3, 5) ′ dan IV (¯v3) = ¯v3 =<br />
(1, 0, 0) ′ . Sehingga didapat:<br />
Q −1 =<br />
⎛<br />
⎝<br />
1 2 1<br />
2 3 0<br />
3 5 0<br />
⎞<br />
⎠ ⇒ Q =<br />
⎛<br />
⎝<br />
⎞<br />
⎠ .<br />
dan matriks Ā = QAP −1 diberikan oleh:<br />
⎛<br />
0 5<br />
⎞ ⎛ ⎞ ⎛<br />
−3 1 2 3 1 0 7<br />
Ā = ⎝ 0 −3 2 ⎠ ⎝ 2 3 1 ⎠ ⎝ 0 1 −5<br />
1 1 −1 3 5 4 0 0 1<br />
0 5 −3<br />
0 −3 2<br />
1 1 −1<br />
⎞<br />
⎠ =<br />
⎛<br />
⎝<br />
⎞<br />
⎠<br />
1 0 0<br />
0 1 0<br />
0 0 0<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 67 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Rank suatu matriks.<br />
Suatu matriks A berukuran n × m dengan<br />
elemen-elemen di K mendefinisikan<br />
suatu pemetaan linier α dari K m ke K n<br />
sedemikian hingga A = (α, Em, En) dimana<br />
Em dan En masing-masing adalah basis<br />
baku dari K m dan K n . Rank dari matriks A<br />
adalah rank dari α, jadi rank(A) = rank(α) =<br />
dim(Im(α)). Ruang bagian dari K m yang<br />
dibentangkan oleh vektor-vektor baris dari<br />
A dinamakan ruang baris dari A dan mempunyai<br />
dimensi rank baris dari A yang<br />
merupakan banyaknya vektor-vektor baris<br />
dari A yang bebas linier. Ruang bagian dari<br />
K n yang dibentangkan oleh vektor-vektor<br />
kolom dari A dinamakan ruang kolom dari<br />
A dan mempunyai dimensi rank kolom<br />
dari A yang merupakan banyaknya vektorvektor<br />
kolom dari A yang bebas linier.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 68 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi<br />
rank kolom dari suatu matriks sama dengan rank matriksnya.<br />
Bukti.<br />
Misalkan A berukuran n × A dan α suatu pemetaan linier dari<br />
Km ke Kn sedemikian hingga A = (α, Em, En), dimana Em =<br />
e1, . . . , em dan En = e1, . . . , en masing-masing adalah basis baku<br />
terurut dari Km dan Kn . Misalkan bahwa matriks<br />
A =<br />
maka untuk j = 1, . . . , m,<br />
α(ej) =<br />
⎛<br />
⎝<br />
a1,1 . . . a1,m<br />
. . . . . . . . .<br />
an,1 . . . an,m<br />
n<br />
i=1<br />
ai,jei =<br />
adalah kolom ke-j dari matriks A. Tetapi, Im(α) dibangun oleh<br />
α(e1), . . . , α(em), oleh karena itu Im(α) = ruang kolom(A). Jadi<br />
rank(A)=rank kolom(A).<br />
⎛<br />
⎝<br />
⎞<br />
⎠ ,<br />
a1,j<br />
.<br />
an,j<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 69 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Jawaban Quiz<br />
1. Bila Mn(R) adalah himpunan matriks berukuran n × n dengan<br />
elemen-elemen di R dan untuk suatu X tetap di Mn(R)<br />
didefinisikan pemetaan α : Mn(R) → Mn(R) dengan α(A) =<br />
XAX −1 , ∀A ∈ Mn(R), maka :<br />
a. Tunjukkan bahwa α adalah suatu pemetaan linier.<br />
b. Dapatkan Im(α) dan Ker(α).<br />
c. Dari hasil b. tentukan sifat dari pemetaan α.<br />
Jawab<br />
a. Misalkan A, B ∈ Mn(R) dan a, b ∈ R, maka α(aA + bB) =<br />
X(aA + bB)X −1 = X(aA)X −1 + X(bB)X −1 = a(XAX −1 ) +<br />
b(XBX −1 ) = aα(A) + bα(B).<br />
b. Im(α) = {Y ∈ Mn(R) | Y = XAX −1 , ∀A ∈ Mn(R)} dan Ker(α)<br />
= {A ∈ Mn(R) | XAX −1 = 0} = {0}.<br />
c. Dari hasil b. terlihat bahwa α satu-satu (sebab Ker(α) =<br />
{0}). Pemetaan α juga pada sebab, diberikan sebarang<br />
Y ∈ Mn(R) (kodomain), pilih X −1 Y X ∈ Mn(R) (domain)<br />
sehingga didapat α(X −1 Y X) = X(X −1 Y X)X −1 = Y .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 70 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Diberikan pemetaan linier α : R3 → R3 oleh<br />
⎛ ⎞ ⎛<br />
⎞ ⎛ ⎞<br />
x x − 2y + 3z x<br />
α( ⎝ y ⎠) = ⎝ x + 3y − 2z ⎠ , ∀ ⎝ y ⎠ ∈ R<br />
z<br />
5z<br />
z<br />
3 .<br />
Terhadap basis terurut<br />
⎛ ⎞ ⎛<br />
1 1<br />
B = ⎝ 0 ⎠ , ⎝ 1<br />
0 0<br />
⎞<br />
⎛<br />
⎠ , ⎝<br />
dapatkan matriks representasi dari<br />
pemetaan linier α.<br />
1<br />
1<br />
1<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 71 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Jawab<br />
⎛<br />
α( ⎝<br />
⎛<br />
α( ⎝<br />
⎛<br />
α( ⎝<br />
Jadi<br />
1<br />
0<br />
0<br />
1<br />
1<br />
0<br />
1<br />
1<br />
1<br />
⎞<br />
⎠) =<br />
⎞<br />
⎠) =<br />
⎞<br />
⎠) =<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
1<br />
1<br />
0<br />
⎞<br />
⎛<br />
⎠ = 0 ⎝<br />
⎞<br />
1<br />
0<br />
0<br />
⎛<br />
⎛<br />
⎠ + 1 ⎝<br />
⎞<br />
1<br />
1<br />
0<br />
⎛<br />
⎛<br />
⎠ + 0 ⎝<br />
⎞<br />
1<br />
1<br />
1<br />
⎛<br />
⎠ =<br />
⎛<br />
⎝<br />
⎞<br />
0<br />
1<br />
0<br />
⎛<br />
⎞<br />
−1<br />
⎞<br />
1<br />
⎞<br />
1<br />
⎞<br />
1<br />
4 ⎠ = −5 ⎝ 0 ⎠ + 4 ⎝ 1 ⎠ + 0 ⎝ 1 ⎠ = ⎝<br />
0<br />
⎞<br />
2<br />
0<br />
⎛ ⎞<br />
1<br />
0<br />
⎛ ⎞<br />
1<br />
1<br />
⎛ ⎞<br />
1<br />
⎛<br />
0<br />
2 ⎠ = 0 ⎝ 0 ⎠ − 3 ⎝ 1 ⎠ + 5 ⎝ 1 ⎠ = ⎝ −3<br />
5 0 0 1 5<br />
A = (α, B, B) =<br />
⎛<br />
⎝<br />
0 −5 0<br />
1 4 −3<br />
0 0 5<br />
⎞<br />
⎠ .<br />
⎠<br />
B<br />
−5<br />
4<br />
0<br />
⎞<br />
⎠<br />
B<br />
⎞<br />
⎠<br />
B
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 72 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
3. Diberikan suatu ruang vektor V = {a+b √ 2+c √ 3|(a, b, c) ∈ Q 3 }<br />
atas Q, dimana Q adalah himpunan bilangan rasional.<br />
a. Tunjukkan bahwa vektor-vektor 1, √ 2, √ 3 adalah bebas<br />
linier.<br />
1<br />
b. Ungkapkan<br />
1 − √ 2 +<br />
2<br />
√ sebagai kombinasi linier dari<br />
12 − 2<br />
vektor-vektor 1, √ 2, √ 3.<br />
Jawab<br />
a. Misalkan, a + b √ 2 + c √ 3 = 0, assumsikan a2 + b2 + c2 = 0. Bila<br />
ac = 0, maka b √ 2 = −a − c √ 3 ⇔ 2b2 = a2 + 2ac √ 3 + 3c2 ⇔ √ 3 =<br />
2b2 − a2 − 3c2 (tidak mungkin bilangan irrasional sama dengan<br />
2ac<br />
bilangan rasional). Jadi haruslah ac = 0, didapat a = 0 dan<br />
andaikan c = 0, maka b √ 2 + c √ 3 = 0 ⇔ − b<br />
c =<br />
√<br />
3<br />
√ (dengan alasan<br />
2<br />
sama seperti sebelumnya tidak mungkin terjadi). Jadi haruslah<br />
c = 0. Sehingga didapat b √ 2 = 0 ⇔ b = 0. Jadi, diperoleh<br />
a = b = c = 0.<br />
b.<br />
1<br />
1 − √ 2 +<br />
2<br />
√ =<br />
12 − 2 1 + √ 2<br />
1 − 2 + 2√12 + 4<br />
12 − 4<br />
= −1 − √ 2 + 1<br />
2<br />
√ 3 + 1<br />
2<br />
= − 1<br />
2 (1) − 1(√ 2) + 1<br />
2 (√ 3).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 73 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
4. Dapatkan suatu matriks representasi dari pemetaan linier<br />
α : R 2 → R 2 terhadap basis terurut standart (baku) bila<br />
Ker(α) = Im(α) dan<br />
<br />
1<br />
α(<br />
1<br />
<br />
) =<br />
2<br />
3<br />
<br />
.<br />
Jawab<br />
Perhatikan bahwa<br />
<br />
<br />
2<br />
2<br />
∈ Im(α) = Ker(α) ⇒ α(<br />
3<br />
3<br />
<br />
) =<br />
0<br />
0<br />
Sehingga terhadap basis terurut baku di R2 , didapat<br />
<br />
1<br />
1 2<br />
1 2 6<br />
α( ) = α(3 − ) = 3α( ) − α( ) =<br />
0<br />
1 3<br />
1 3 9<br />
<br />
0<br />
2 1 2<br />
1 −4<br />
α( ) = α( − 2 ) = α( ) − 2α( ) = .<br />
1<br />
3 1 3<br />
1 −6<br />
Sehingga didapat, matriks representasi dari pemetaan α<br />
adalah:<br />
<br />
6 −4<br />
A = .<br />
9 −6<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 74 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Rank suatu matriks.<br />
Suatu matriks A berukuran n × m dengan<br />
elemen-elemen di K mendefinisikan<br />
suatu pemetaan linier α dari K m ke K n<br />
sedemikian hingga A = (α, Em, En) dimana<br />
Em dan En masing-masing adalah basis<br />
baku dari K m dan K n . Rank dari matriks A<br />
adalah rank dari α, jadi rank(A) = rank(α) =<br />
dim(Im(α)). Ruang bagian dari K m yang<br />
dibentangkan oleh vektor-vektor baris dari<br />
A dinamakan ruang baris dari A dan mempunyai<br />
dimensi rank baris dari A yang<br />
merupakan banyaknya vektor-vektor baris<br />
dari A yang bebas linier. Ruang bagian dari<br />
K n yang dibentangkan oleh vektor-vektor<br />
kolom dari A dinamakan ruang kolom dari<br />
A dan mempunyai dimensi rank kolom<br />
dari A yang merupakan banyaknya vektorvektor<br />
kolom dari A yang bebas linier.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 75 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi<br />
rank kolom dari suatu matriks sama dengan rank matriksnya.<br />
Bukti.<br />
Misalkan A berukuran n × m dan α suatu pemetaan linier dari<br />
Km ke Kn sedemikian hingga A = (α, Em, En), dimana Em =<br />
e1, . . . , em dan En = e1, . . . , en masing-masing adalah basis baku<br />
terurut dari Km dan Kn . Misalkan bahwa matriks<br />
A =<br />
maka untuk j = 1, . . . , m,<br />
α(ej) =<br />
⎛<br />
⎝<br />
a1,1 . . . a1,m<br />
. . . . . . . . .<br />
an,1 . . . an,m<br />
n<br />
i=1<br />
ai,jei =<br />
adalah kolom ke-j dari matriks A. Tetapi, Im(α) dibangun oleh<br />
α(e1), . . . , α(em), oleh karena itu Im(α) = ruang kolom(A). Jadi<br />
rank(A)=rank kolom(A).<br />
⎛<br />
⎝<br />
⎞<br />
⎠ ,<br />
a1,j<br />
.<br />
an,j<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 76 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Rank baris dan rank kolom dari setiap matriks adalah sama.<br />
Bukti<br />
Misalkan matriks A berukuran n × m dengan eleme-elemen di<br />
K diberikan oleh ⎛<br />
⎞<br />
a11 . . . a1m<br />
⎝ . . . ⎠<br />
an1 . . . anm<br />
dan misalkan Bi, i = 1, 2, . . . , n menyatakan baris ke-i dari matriks<br />
A. Selanjutnya misalkan rank baris(A) = r dan Sj, j =<br />
1, 2, . . . , r adalah basis dari ruang baris matriks A. Maka, untuk<br />
setiap i = 1, 2, . . . , n, Bi = r<br />
kijSj untuk beberapa kij ∈ K.<br />
Komponen ke-l dari vektor Bi mempunyai bentuk ail = r<br />
j=1<br />
kijsjl<br />
j=1<br />
dengan i = 1, . . . , n, l = 1, . . . , m. Sehingga didapat kolom ke-l<br />
dari matriks A adalah Cl = r<br />
Ljsjl = r<br />
j=1<br />
sjlLj, dimana Lj adalah<br />
j=1<br />
vektor kolom dengan komponen ke-i adalah kij. Terlihat bahwa<br />
setiap kolom dari A adalah merupakan kombinasi linier dari sebanyak<br />
r vektor. Jadi rank kolom(A) ≤ rank baris(A). Dengan<br />
menggunakan argumentasi (alasan yang sama) untuk matriks<br />
A ′ (matriks transpose dari A), didapat rank baris(A) ≤ rank<br />
kolom(A). Jadi rank baris(A) = rank kolom(A).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 77 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Kesimpulan:<br />
1. Suatu matriks A berukuran n × n dengan<br />
elemen-elemen di lapangan F mempunyai<br />
invers bila dan hanya bila rank(A) = n.<br />
2. Misalkan A matriks berukuran n×m dengan<br />
elemen-elemen di lapangan F , bila<br />
Ax = 0, maka himpunan penyelesaian<br />
dari sistem linier homogin tsb. merupakan<br />
ruang bagian dari F m dengan dimensi<br />
m − rank(A). Hal ini mempunyai<br />
arti bahwa ada sebanyak m − rank(A)<br />
parameter dalam himpunan penyelesaian<br />
dari Ax = 0.<br />
3. Persamaan tak homogin Ax = b, mempunyai<br />
penyelesaian bila dan hanya bila<br />
rank(A) = rank(A, b). Himpunan penyelesaian<br />
ini mempunyai sebanyak m −<br />
rank(A) parameter.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 78 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Diberikan matriks<br />
A =<br />
⎛<br />
⎝<br />
1 2 1 −1<br />
0 1 0 −1<br />
0 0 0 −3<br />
Vektor vektor kolom dari A tidak bebas linier. Hanya sebanyak<br />
3 vektor kolom yang bebas linier, yaitu kolom ke-1, kolom ke-2<br />
dan kolom ke-4. Jadi rank kolom(A) = 3 dan semua vektor baris<br />
dari A bebas linier (sebanyak 3). Penyelesaian dari Ax = 0 akan<br />
memuat sebanyak 4 − 3 = 1 paramater yaitu<br />
x =<br />
⎛<br />
⎜<br />
⎝<br />
−t<br />
0<br />
t<br />
0<br />
⎞<br />
⎠ .<br />
⎞<br />
⎛<br />
⎟ . Bila b = ⎝<br />
⎠<br />
rank(A, b) = 3. Jadi penyelesaian Ax = b akan memuat sebanyak<br />
4 − 3 = 1 parameter yaitu<br />
⎛ ⎞<br />
7 − t<br />
⎜ ⎟<br />
⎜ −4 ⎟<br />
x = ⎜ ⎟<br />
⎝ t ⎠<br />
−3<br />
.<br />
2<br />
−1<br />
9<br />
⎞<br />
⎠ ,
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 79 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Eigen-vektor dan eigen-value.<br />
Misalkan α : U → U suatu pemetaan linier<br />
pada ruang vektor U berdimensi n<br />
atas lapangan F. Bila u ∈ U dan λ ∈ F<br />
memenuhi α(u) = λu, maka u dinamakan<br />
suatu eigen-vektor dari α yang bersesuaian<br />
dengan eigen-value λ.<br />
Misalkan A suatu matriks ukuran n × n dengan<br />
elemen-elemennya di suatu lapangan<br />
F. Bila ada vektor tak nol x ∈ F n dan skalar<br />
λ ∈ F yang memenuhi Ax = λx, maka x<br />
dikatakan suatu eigen-vektor dari matriks<br />
A yang bersesuaian dengan eigen-value λ.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 80 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan matriks A = (α, B, B) adalah representasi<br />
dari pemetaan linier α : U → U<br />
terhadap basis terurut B dari ruang vektor<br />
U. Selanjutnya bila ρ B adalah pemetaan ko-<br />
ordinat dari U ke F n , maka A = ρ Bαρ −1<br />
B dan<br />
x = ρ B(u). Jadi Ax = λx ⇔ (ρ Bαρ −1<br />
B )(ρ B(u)) =<br />
λρ B(u) ⇔ ρ B(α(u)) = ρ B(λu) ⇔ α(u) = λu.<br />
Bila α : U → U suatu pemetaan linier dan masing masing<br />
matriks A = (α, B, B) dan Ā = (α, B, B) adalah representasi dari<br />
α dengan basis terurut yang berbeda, maka eigenvalue dari A<br />
sama dengan eigenvalue dari Ā.<br />
Bukti<br />
Misalkan P = (IU, B, B) matriks perubahan basis dari basis B ke<br />
basis B, maka Ā = P AP −1 . Bila Ax = λx didapat (P AP −1 )(P x) =<br />
λ(P x). Sehingga diperoleh Ā¯x = λ¯x dimana ¯x = P x. Terlihat<br />
bahwa matriks A dan Ā mempunyai eigenvalue yang sama.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 81 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Cara menghitung eigenvalue dan eigenvektor<br />
Misalkan A suatu matriks berukuran n × n dan Ax = λx<br />
dengan x = 0 dan x ∈ F n , maka (λI − A)x = 0, dimana I adalah<br />
matriks identitas dengan ukuran n × n. Persamaan homogin<br />
(λI − A)x = 0 mempunyai jawab nontrivial bila dan hanya<br />
bila det(λI − A) = 0. Persamaan det(λI − A) = 0 dinamakan<br />
persamaan kharakteristik dari matriks A yang merupakan<br />
persamaan polinomial dalam λ dengan derajad n.<br />
Contoh Diberikan matriks<br />
<br />
0 1<br />
λ −1<br />
A = ⇒ det(<br />
−2 3<br />
2 λ − 3<br />
Untuk λ = 1 didapat:<br />
<br />
1 −1 x1<br />
=<br />
2 −2<br />
x2<br />
0<br />
0<br />
<br />
<br />
) = λ 2 − 3λ + 2 = (λ − 1)(λ − 2).<br />
⇒ x1 = x2 ⇒ x =<br />
sedangkan untuk λ = 2 didapat:<br />
<br />
2 −1 x1 0<br />
= ⇒ x2 = 2x1 ⇒ x =<br />
2 −1<br />
0<br />
x2<br />
1<br />
1<br />
1<br />
2<br />
<br />
,<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 82 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Pendiagonalan suatu matriks<br />
Suatu matriks A berukuran n × n dengan elemen-elemen<br />
di F similar dengan matriks diagonal bila dan hanya bila<br />
eigenvektor-eigenvektornya membentang ruang F n (span F n ).<br />
Bukti<br />
Misalkan x1, x2, . . . , xn adalah eigenvektor-eigenvektor dari matriks<br />
A dimana 〈x1, x2, . . . , xn〉 = F n . Jadi matriks Q =<br />
[x1 | x2 | . . . | xn] mempunyai invers, misalkan Q −1 = P . Sehingga<br />
didapat<br />
AQ = A [x1 | x2 | . . . | xn]<br />
= [Ax1 | Ax2 | . . . | Axn]<br />
= [λ1x1 | λ2x2 | . . . | λnxn]<br />
⎛<br />
λ1 . . . . . .<br />
⎜ . λ2 . . .<br />
= [x1 | x2 | . . . | xn] ⎜<br />
⎝ . . . .<br />
...<br />
0<br />
.<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
0 . . . . . . λn<br />
= Q Ā ⇔ Ā = Q−1 AQ ⇒ Ā = P AP −1 .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 83 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Selidiki apakah matriks dibawah ini bisa didiagonalkan!<br />
<br />
0 1<br />
A = .<br />
−2 3<br />
Dalam pembahasan sebelum didapat bahwa<br />
dimana<br />
Untuk matriks<br />
didapat<br />
λ1 = 1, X1 =<br />
Ā = Q −1 AQ =<br />
AX1 = λ1X1 dan AX2 = λ2X2<br />
1<br />
1<br />
<br />
Q = [X1 X2] =<br />
2 −1<br />
−1 1<br />
dan λ2 = 2, X2 =<br />
0 1<br />
−2 3<br />
1 1<br />
1 2<br />
<br />
1 1<br />
1 2<br />
<br />
1<br />
2<br />
=<br />
<br />
.<br />
1 0<br />
0 2<br />
Terlihat bahwa matriks A dapat didiagonalkan menjadi matriks<br />
Ā.<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 84 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bila matriks A berukuran n × n mempunyai n eigenvalue<br />
yang berbeda satu dengan yang lainnya, maka eigenvektoreigenvektornya<br />
bebas linier.<br />
Bukti<br />
Misalkan λ1, λ2, . . . , λn adalah eigenvalue-eigenvalue yang<br />
berbeda satu dengan yang lainnya dan X1, X2, . . . , Xn adalah<br />
eigenvektor-eigenvektor yang bersesuaian. Dengan menggunakan<br />
induksi dibuktikan bahwa eigenvektor-eigenvektor tsb.<br />
bebas linier. Misalkan bahwa X1, X2, . . . , Xk bebas linier dan<br />
untuk<br />
a1X1 + a2X2 + . . . + akXk + ak+1Xk+1 = 0. (1)<br />
Sehingga didapat<br />
atau<br />
A(a1X1 + a2X2 + . . . + akXk + ak+1Xk+1) = 0<br />
a1λ1X1 + a2λ2X2 + . . . + akλkXk + ak+1λk+1Xk+1 = 0. (2)<br />
Kalikan λk+1 pada persamaan (1) selanjutnya hasilnya kurangkan<br />
pada persamaan (2), didapat:
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 85 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
a1(λ1 − λk+1)X1 + a2(λ2 − λk+1)X2 + . . . + ak(λk − λk+1)Xk = 0.<br />
Karena X1, . . . , Xk bebas linier dan λi = λj, ∀i = j, maka haruslah<br />
a1 = a2 = . . . = ak = 0. Sehingga persamaan (1) menjadi<br />
ak+1Xk+1 = 0 dan karena Xk+1 = 0, maka haruslah ak+1 = 0. Terlihat<br />
bahwa bila dari kenyataan persamaan (1) dipenuhi maka<br />
berakibat a1 = a2 = . . . = ak = ak+1 = 0, hal ini menunjukkan<br />
bahwa vektor-vektor X1, X1, . . . , Xk, Xk+1 adalah bebas linier.<br />
Kesimpulan<br />
Bila matriks A berukuran n × n dengan elemen-elemen di<br />
lapangan F mempunyai eigenvalue-eigenvalue yang berbeda,<br />
maka matriks A dapat didiagonalkan.<br />
Bukti<br />
Dengan menggunakan dua hasil sebelumnya didapat bahwa,<br />
eigenvektor-eigenvektor yang bersesuaian dengan eigenvalueeigenvalue<br />
merupakan vektor-vektor yang bebas linier. Sehingga<br />
vektor-vektor ini membentangkan keseluruhan ruang<br />
F n . Akibatnya matriks A dapat didiagonalkan.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 86 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Diberikan matriks<br />
A =<br />
⎛<br />
⎝<br />
0 1 0<br />
0 0 1<br />
6 −11 6<br />
⎞<br />
⎠ .<br />
Polinomial kharakteristik A adalah<br />
<br />
<br />
<br />
<br />
λ −1 0 <br />
<br />
p(λ) = <br />
0 λ −1 <br />
= λ λ −1 <br />
<br />
<br />
−6 11 λ − 6 11 λ − 6 + 1 <br />
<br />
0 −1<br />
−6 λ − 6<br />
<br />
<br />
<br />
⇒<br />
p(λ) = λ(λ2 − 6λ) + 11λ − 6 = λ3 − 6λ2 + 11λ − 6 = (λ − 1)(λ − 2)(λ − 3).<br />
Didapat λ1 = 1, λ2 = 2 dan λ3 = 3. Sehingga didapat pasangan<br />
eigenvalue-eigenvektor:<br />
dan<br />
λ1 = 1, X1 =<br />
⎛<br />
⎝<br />
1<br />
1<br />
1<br />
⎞<br />
Q = [X1 X2 X3] =<br />
⎠ ; λ2 = 2, X2 =<br />
⎛<br />
⎝<br />
1 1 1<br />
1 2 3<br />
1 4 9<br />
⎞<br />
⎛<br />
⎝<br />
1<br />
2<br />
4<br />
⎞<br />
⎠ ⇒ Q −1 =<br />
⎠ ; λ3 = 3, X3 =<br />
⎛<br />
⎝<br />
3 − 5<br />
2<br />
1<br />
2<br />
⎛<br />
⎝<br />
−3 4 −1<br />
1 − 3<br />
2<br />
Matriks Ā = Q−1 AQ adalah matriks diagonal dengan elemenelemen<br />
diagonal λ1 = 1, λ2 = 2, λ3 = 3.<br />
1<br />
2<br />
1<br />
3<br />
9<br />
⎞<br />
⎠ .<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 87 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Matriks invarian<br />
Suatu matriks bujur sangkar invarian<br />
adalah suatu sifat dari suatu matriks yang<br />
tidak berubah bila matriks ditransformasi<br />
dengan suatu cara tertentu. Eigenvalueeigenvalue<br />
dari suatu matriks adalah invarian<br />
dibawah suatu transformasi kesemilaran,<br />
begitu juga trace dan determinannya.<br />
(Trace suatu matriks A adalah jumlah<br />
keseluruhan eleme-elemen diagonalnya:<br />
tr(A) = n<br />
ai,i).<br />
i=1
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 88 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bila λ adalah eigenvalue dari matriks A,<br />
maka λ juga eigenvalue dari suatu matriks<br />
P AP −1<br />
Bukti Misalkan AX = λX dan Y = P X<br />
dengan P matriks yang punya invers,<br />
jadi X = P −1 Y. Sehingga didapat<br />
A(P −1 Y) = λ(P −1 Y) ⇒ (P AP −1 )Y = λY.<br />
Terlihat bahwa λ juga eigenvalue dari matriks<br />
P AP −1 . <br />
Bila ABC adalah haasil kali matriks bujur<br />
sangkar, maka tr(ABC) = tr(BCA).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 89 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bukti<br />
Didapat<br />
tr(ABC)=<br />
(ABC) i,l =<br />
=<br />
⎛<br />
n<br />
⎝<br />
k=1<br />
n<br />
(ABC)i,i =<br />
i=1<br />
⎛<br />
n<br />
⎝<br />
j=1<br />
⎛<br />
n<br />
⎝<br />
i=1<br />
n<br />
k=1<br />
n<br />
j=1<br />
⎛<br />
n<br />
⎝<br />
i=1<br />
ai,jb j,kc k,l<br />
⎛<br />
n<br />
⎝<br />
k=1<br />
b j,kc k,iai,j<br />
n<br />
j=1<br />
⎞<br />
⎞<br />
⎠ .<br />
ai,jb j,kc k,i<br />
⎠⎠=tr(BCA).<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 90 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Trace dan determinan dari suatu matriks<br />
bujur sangkar adalah invarian dalam suatu<br />
tranformasi similar. Lagi pula bila matriks<br />
A dapat didiagonalkan dengan eigenvalue<br />
λi, i = 1, . . . , n, maka tr(A) = n<br />
λi dan<br />
det(A) = n<br />
i=1<br />
λi.<br />
i=1<br />
Bukti Dari hasil sebelumnya,<br />
tr(P AP −1 ) = tr(P −1P A) = tr(A). Dan<br />
det(P AP −1 ) = det(P )det(A)det(P −1 ) =<br />
det(A)(det(P )det(P −1 )) = det(A)det(P P −1 ) =<br />
det(A)det(I) = det(A). Jelas bahwa bila<br />
P AP −1 = Ā dimana Ā matriks diagonal dengan<br />
elemen-elemen diagonal λi, i = 1, . . . , n,<br />
maka tr(A) = n<br />
λi dan det(A) = n<br />
λi.<br />
i=1<br />
i=1
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 91 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Diberikan matriks matriks<br />
⎛ ⎞<br />
0 1 0<br />
A = ⎝ 0 0 1 ⎠ ⇒ λ1 = 1, λ2 = 2, λ3 = 3.<br />
6 −11 6<br />
tr(A) = 0 + 0 + 6 = 6<br />
λ1 + λ2 + λ3 = 1 + 2 + 3 = 6<br />
<br />
<br />
det(A) = 6 <br />
<br />
1 0<br />
0 1<br />
<br />
<br />
<br />
<br />
= 6<br />
λ1λ2λ3 = 1(2)(3) = 6<br />
⎫<br />
⎪⎬<br />
⎪⎭<br />
<br />
⇒ tr(A) = λ1+λ2+λ3.<br />
⇒ det(A) = λ1λ2λ3.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 92 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan λ adalah sutu eigenvalue dari<br />
pemetaan linier α : U → U. Himpunan<br />
semua eigenvektor-eigenvektor yang bersesuaian<br />
dengan eigenvalue λ beserta vektor<br />
nol dinamakan ruang eigen dari U dinotasikan<br />
dengan E λ(U). Ruang eigen E λ(U)<br />
adalah ruang bagian dari ruang vektor<br />
U, sebab merupakan kernel dari pemetaan<br />
(λI U − λ). Dimensi dari subruang E λ(U) dinamakan<br />
multiplisitas geometri dari λ dan<br />
dan banyaknya λ yang sama (kembar) dinamakan<br />
multiplisitas aljabar dari λ. Misalkan<br />
multiplisitas geometri dari λ adalah<br />
a dan multiplisitas aljabar dari λ adalah b,<br />
maka a ≤ b.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 93 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
1. Diberikan matriks<br />
⎛ ⎞<br />
2 −1 −1<br />
A = ⎝ 0 3 1 ⎠ ⇒ det(λI−A) = (λ−2)<br />
0 1 3<br />
2 (λ−4).<br />
E2(R 3 ⎛ ⎞<br />
0 1 1<br />
<br />
) = ker( ⎝ 0 −1 −1 ⎠) =<br />
0 −1 −1<br />
⎛ ⎞ ⎛<br />
1<br />
⎝ 0 ⎠ , ⎝<br />
0<br />
1<br />
⎞<br />
⎠<br />
0 −1<br />
E4(R 3 ⎛ ⎞<br />
2 1 1<br />
<br />
) = ker( ⎝ 0 1 −1 ⎠) =<br />
0 −1 1<br />
⎛ ⎞<br />
1<br />
<br />
⎝ −1 ⎠<br />
−1<br />
Terlihat bahwa untuk λ = 2 ataupun λ = 4<br />
multiplisitas geometri = multiplisitas aljabar.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 94 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Diberikan matriks<br />
⎛ ⎞<br />
2 1 0<br />
A = ⎝ 0 2 0 ⎠ ⇒ det(λI −A) = (λ−2)<br />
0 0 4<br />
2 (λ−4).<br />
E2(R 3 ⎛<br />
0 −1<br />
) = ker( ⎝ 0 0<br />
0<br />
0<br />
⎞ <br />
⎠) =<br />
0 0 −2<br />
⎛ ⎞<br />
1<br />
<br />
⎝ 0 ⎠<br />
0<br />
E4(R 3 ⎛ ⎞<br />
2 −1 0<br />
<br />
) = ker( ⎝ 0 2 0 ⎠) =<br />
0 0 0<br />
⎛ ⎞<br />
0<br />
<br />
⎝ 0 ⎠<br />
1<br />
Terlihat bahwa untuk λ = 2 multiplisitas geometri<br />
< multiplisitas aljabar tetapi untuk<br />
λ = 4 multiplisitas geometri = multiplisitas<br />
aljabar.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 95 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bila det(λI − A) = λ n + cn−1λ n−1 + . . . + c0,<br />
maka A n + cn−1A n−1 + . . . + c0I = 0.<br />
Bukti<br />
Bila P AP −1 = D dimana matriks D adalah<br />
matriks diagonal dengan elemen-elemen diagonal<br />
λi, i = 1, . . . , n adalah eigenvalueeigenvalue<br />
dari matriks A. Sehingga didapat<br />
:<br />
An + cn−1An−1 + . . . + c0I =<br />
P −1 (Dn + cn−1Dn−1 + . . . + c0I)P =<br />
P −1<br />
⎛<br />
λ<br />
⎝<br />
n 1 + cn−1λ n−1<br />
1 + . . . + c0 . . .<br />
.<br />
...<br />
0<br />
.<br />
0 . . . λn n + cn−1λn−1 ⎞<br />
⎠ P = 0.<br />
n + . . . + c0
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 96 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh Diberikan matriks<br />
⎛ ⎞<br />
0 1 0<br />
A = ⎝ 0 0 1 ⎠ ⇒ det(λI−A) = λ<br />
6 −11 6<br />
3 −6λ 2 +11λ−6.<br />
Sehingga didapat matriks A3 −6A2 +11A−6I<br />
adalah:<br />
⎛<br />
6 −11 6<br />
36 −60 25<br />
150 −239 90<br />
⎞<br />
⎛<br />
0 0 6<br />
36 −66 36<br />
⎝<br />
⎠ − ⎝<br />
⎠<br />
216 −360 150<br />
⎛<br />
⎞<br />
0 11 0<br />
⎛ ⎞<br />
6 0 0<br />
+ ⎝ 0 0 11 ⎠ − ⎝ 0 6 0 ⎠ =<br />
⎛<br />
(6 − 6)<br />
66 −121 66<br />
(−11 + 11)<br />
0 0 6<br />
(6 − 6)<br />
⎞<br />
⎝ (36 − 36) (−60 + 66 − 6) (25 − 36 + 11) ⎠ =<br />
(150 − 216 + 66) (−239 + 360 − 121) (90 − 150 + 66 − 6)<br />
⎛ ⎞<br />
0 0 0<br />
⎝ 0 0 0 ⎠<br />
0 0 0<br />
⎞
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 97 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Ke-Orthogonalan<br />
Misalkan V suatu ruang vektor atas lapangan riil R. Hasil kali<br />
dalam riil (real inner product) juga dinamakan bilinier adalah<br />
fungsi dari V × V ke R dinotasikan oleh 〈u, v〉 yang memenuhi<br />
• 〈r1u1 + r2u2, v〉 = r1 〈u1, v〉 + r2 〈u2, v〉 untuk semua u1, u2, v ∈ V<br />
dan r1, r2 ∈ R (Linier).<br />
• 〈u, v〉 = 〈v, u〉 untuk semua u, v ∈ V (Simetri).<br />
• 〈u, u〉 ≥ 0 untuk semua u ∈ V dan 〈u, u〉 = 0 bila dan hanya<br />
bila u = 0 (semi definit positip).<br />
Bila x = (x1, . . . , xn), y = (y1, . . . , yn) ∈ Rn maka hasil kali dalam<br />
baku diberikan oleh 〈x, y〉 def<br />
= n<br />
xiyi (juga dinamakan dot<br />
product dalam geometri Euclide). Bila vektor-vektor x dan y<br />
disajikan dalam vektor kolom, maka 〈x, y〉 = x ′ y.<br />
Suatu norm dari ruang vektor V ke lapangan riil R adalah<br />
suatu fungsi dinotasikan oleh || || yang memenuhi<br />
• ||v|| ≥ 0 untuk semua v ∈ V dan ||v|| = 0 bila dan hanya bila<br />
u = 0 (Definit positip).<br />
i=1<br />
• ||rv|| = |r| ||v|| untuk semua v ∈ V, r ∈ R<br />
• ||u + v|| ≤ ||u|| + |||v|| untuk semua u, v ∈ V (Pertaksamaan<br />
segitiga).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 98 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Untuk setiap u ∈ Rn norm Euclide diberikan oleh<br />
<br />
n def<br />
||u||p = |ui|<br />
i=1<br />
p<br />
1<br />
p<br />
dalam hal ini dinamakan norm-p. Khusus<br />
<br />
n<br />
untuk p = 2 cukup ditulis ||u|| = |ui| 2<br />
1<br />
2<br />
Misalkan V suatu ruang vektor atas lapangan R.<br />
1. Dua vektor u, v ∈ V dikatakan orthogonal bila 〈u, v〉 = 0.<br />
2. Suatu himpunan dari vektor-vektor adalah orthogonal bila<br />
setiap dua pasang vektor orthogonal.<br />
3. Suatu vektor u ∈ V adalah ternormalisir bila ||u|| = 1.<br />
4 Dua vektor u, v ∈ V dikatakan orthonormal bila ||u|| = ||v|| =<br />
1 dan 〈u, v〉 = 0.<br />
Setiap vektor u ∈ V bisa dinormalisir kedalam bentuk u<br />
||u|| .<br />
i=1
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 99 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Himpunan vektor-vektor {(1, 0), (0, 1)} adalah orthonormal,<br />
tetapi {(1, 1), (−1, 1)} adalah orthogonal. Himpunan yang<br />
terakhir ini dapat dijadikan orthonormal sebagai himpunan<br />
1<br />
berikut ini √2 , 1<br />
<br />
√ , −<br />
2<br />
1<br />
√ ,<br />
2 1<br />
<br />
√<br />
2<br />
Suatu basis orthonormal dari suatu ruang vektor mempunyai<br />
beberapa kemanfaatan dan basis baku dari ruang vektor R n<br />
adalah orthonormal, yaitu basis baku dari ruang vektor R 3<br />
adalah himpunan {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.<br />
Diberikan matriks A berukuran n × n, matriks A dikatakan<br />
matriks simetri bila A = A ′ dan dikatakan anti-simetri (skewsymmetric)<br />
bila A = −A ′ . Matriks simetri bermaanfaat dalam<br />
bentuk kuadrat, misalnya<br />
x y a1,1 a1,2<br />
a1,2 a2,2<br />
x<br />
y<br />
<br />
= a1,1x 2 + 2a1,2xy + a2,2y 2
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 100 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Bila matriks A simetri dengan elemen-elemen riil dan berlaku<br />
Ax = λx dengan x = 0, maka λ selalu merupakan bilangan riil.<br />
Bukti<br />
Digunakan tanda ∗ untuk menyatakan komplek sekawan (complex<br />
conjugate). Kedua ruas dari Ax = λx kalikan dengan x ∗′<br />
didapat<br />
x ∗′<br />
Ax = λ(x ∗′<br />
x) (3)<br />
Persamaan (3) kedua ruas ditranspose-konjuget didapat<br />
x ∗′<br />
Ax = λ ∗ (x ∗′<br />
x) (4)<br />
Persamaan (4) dikurangi persamaan (3) didapat<br />
0 = (λ∗ − λ)(x∗′ x) ⇒ 0 = λ∗ − λ (sebab x = 0). Jadi λ∗ = λ, maka<br />
dari itu λ merupakan bilangan riil.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 101 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan A matriks simetri berukuran n × n dengan elemenelemen<br />
riil. Bila λ dan µ adalah sebarang dua eigenvalue dari<br />
matriks A dengan masing-masing eigenvektor adalah x dan y<br />
dan λ = µ, maka 〈x, y〉 = 0.<br />
Bukti<br />
Kedua ruas persamaan Ax = λx kalikan dengan y ′ didapat<br />
y ′ Ax = λ(y ′ x). (5)<br />
Kedua ruas persamaan Ay = µy kalikan dengan x ′ didapat<br />
x ′ Ay = µ(x ′ y). (6)<br />
Kedua ruas persamaan (6) ditranspose didapat<br />
y ′ Ax = µ(y ′ x). (7)<br />
Persamaan (7) dikurangi persamaan (5) didapat<br />
0 = (µ − λ)(y ′ x) ⇒ 0 = y ′ x = 〈x, y〉 (sebab λ = µ).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 102 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Matriks A berukuran n × n dikatakan orthogonal bila<br />
AA ′ = I = A ′ A yaitu A −1 = A ′ .<br />
Bila Bi dan Kj masing-masing menyatakan baris ke-i dan<br />
kolom ke-j dari suatu matriks orthogonal A berukuran n × n,<br />
maka {Bi, i = 1, . . . , n} dan {Kj, j = 1, . . . , n} adalah himpunan<br />
dari vektor-vektor orthonormal.<br />
Bukti<br />
Dari elemen perkalian matriks (AA ′ )i,j = 〈Bi, Bj〉 dan fakta AA ′ <br />
=<br />
1 i = j<br />
I didapat 〈Bi, Bj〉 =<br />
, terlihat bahwa baris-<br />
0 yang lainnya<br />
baris dari A adalah orthonormal. Bila A orthogonal, maka A ′<br />
juga orthogonal, jadi kolom-kolom dari A juga orthonormal.<br />
Contoh<br />
Bila matriks A diberikan oleh<br />
⎛ ⎞<br />
0 1 0<br />
A = ⎝ 0 0 1 ⎠ , maka AA<br />
1 0 0<br />
′ ⎛<br />
= ⎝<br />
0 1 0<br />
0 0 1<br />
1 0 0<br />
⎞ ⎛<br />
⎠ ⎝<br />
0 0 1<br />
1 0 0<br />
0 1 0<br />
⎞<br />
⎠ =<br />
⎛<br />
⎝<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
Juga dapat dicek bahwa A ′ A = I. Jadi A adalah matriks orthogonal.<br />
⎞<br />
⎠ = I.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 103 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Bila matriks A diberikan oleh<br />
⎛<br />
⎜ 0 −<br />
⎜<br />
A = ⎜<br />
⎝<br />
1<br />
⎞<br />
1<br />
√ √<br />
2 2<br />
⎟<br />
1 0 0 ⎟<br />
1 1 ⎠<br />
0 √ √<br />
2 2<br />
,<br />
maka matriks A adalah orthogonal, sebab<br />
AA ′ ⎛<br />
⎜ 0 −<br />
⎜<br />
= ⎜<br />
⎝<br />
1<br />
√<br />
2<br />
1 0<br />
1<br />
0 √<br />
2<br />
⎞ ⎛<br />
1<br />
√ 0 1<br />
2<br />
⎟ ⎜<br />
⎟ ⎜<br />
0 ⎟ ⎜ −<br />
⎟ ⎜<br />
1 ⎠ ⎝<br />
√<br />
2<br />
0<br />
1<br />
√ 0<br />
2<br />
1<br />
√ 0<br />
2<br />
⎞<br />
1 ⎟<br />
√ ⎟<br />
2 ⎟<br />
1 ⎠<br />
√<br />
2<br />
=<br />
Juga dapat dicek bahwa A ′ A = I<br />
⎛<br />
⎝<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
⎞<br />
⎠ = I.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 104 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Suatu pemetaan linier yang direpresentasikan oleh suatu matriks<br />
orthogonal adalah mempertahankan jarak dari suatu vektor,<br />
yaitu bila A suatu matriks orthogonal, maka ||Ax|| = ||x||<br />
untuk semua x ∈ R n .<br />
Bukti<br />
Dari persamaan ||x|| = 〈x, x〉 dan 〈x, x〉 = x ′ x, didapat ||x|| 2 =<br />
x ′ x. Oleh karena itu ||Ax|| 2 = x ′ A ′ Ax = x ′ x = ||x|| 2 ⇒ ||Ax|| = ||x||.<br />
Contoh<br />
Diberikan matriks orthogonal<br />
⎛<br />
⎜ 0 −<br />
⎜<br />
A = ⎜<br />
⎝<br />
1<br />
⎞<br />
1<br />
√ √<br />
2 2<br />
⎟<br />
1 0 0 ⎟ dan sebarang x =<br />
1 1 ⎠<br />
0 √ √<br />
2 2<br />
⎛<br />
⎝<br />
x1<br />
x2<br />
x3<br />
⎞<br />
⎠ ∈ R n ,<br />
maka dapat ditunjukkan bahwa ||Ax|| = ||x|| sebagai mana<br />
berikut ini:
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 105 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
⎛<br />
<br />
<br />
⎜<br />
0 −<br />
⎜<br />
⎜<br />
⎜<br />
⎝<br />
<br />
<br />
1<br />
⎞<br />
1<br />
√ √ ⎛<br />
2 2<br />
⎟<br />
1 0 0 ⎟⎝<br />
⎟<br />
1 1 ⎠<br />
0 √ √<br />
2 2<br />
x1<br />
x2<br />
x3<br />
<br />
⎛<br />
<br />
<br />
⎞<br />
<br />
<br />
⎜<br />
<br />
⎜<br />
⎠<br />
<br />
=<br />
⎜<br />
⎜<br />
<br />
⎝<br />
<br />
<br />
<br />
<br />
<br />
(− 1<br />
√ 2 x2 + 1<br />
√ 2 x3) 2 + x 2 1<br />
1<br />
2 x2 2 − x2x3 + 1<br />
2 x2 3 + x2 1<br />
<br />
x 2 1 + x2 2 + x2 3<br />
= ||x||.<br />
− 1<br />
√ 2 x2 + 1<br />
√ 2 x3<br />
x1<br />
1<br />
√ x2 +<br />
2 1<br />
√ x3<br />
2<br />
+ ( 1<br />
√ 2 x2 + 1<br />
√ 2 x3) 2<br />
+ 1<br />
2 x2 2 + x2x3 + 1<br />
2 x2 3<br />
⎞<br />
<br />
<br />
⎟<br />
⎟<br />
⎟<br />
⎟<br />
=<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 106 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Kesimpulan yang bisa diperoleh dari matriks simetri berkaitan<br />
dengan pendiagonalan matriks diberikan sebagaimana berikut<br />
ini.<br />
Kesimpulan<br />
Bila matriks simetri A berukuran n×n mempunyai eigenvalueeigenvalue<br />
yang berbeda, maka A dapat didiagonalkan melalui<br />
suatu matriks orthogonal.<br />
Komentar : Karena matriks A mempunyai eigenvalueeigenvalue<br />
yang berbeda, maka dapat didiagonalkan menjadi<br />
matriks Q−1AQ dimana matriks Q = [x1|x2| . . . |xn] dengan<br />
xi, i = 1, . . . , n adalah eigenvektor-eigenvektor dari A yang sesuai<br />
dengan eigenvaluenya. Berdasarkan hasil sebelumnya vektorvektor<br />
xi, i = 1, . . . , n saling orthogonal. Bila vektor-vektor ini<br />
dinormalkan maka didapat matriks orthogonal<br />
x1 x2 xn<br />
P = <br />
||x1|| ||x2|| . . . <br />
, sehingga matriks P<br />
||xn||<br />
′ AP juga merupakan<br />
matriks diagonal.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 107 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Diberikan matriks simetri<br />
√ <br />
<br />
1 2 <br />
A = √ ⇒ λ 0<br />
2 2 −<br />
0 λ<br />
1 √ 2<br />
√ 2 2<br />
<br />
√<br />
<br />
= λ − 1 − 2<br />
− √ <br />
<br />
.<br />
2 λ − 2<br />
Sehingga didapat polinomial kharakteristik dari matriks A<br />
adalah p(λ) = (λ − 1)(λ − 2) − 2 = λ 2 − 3λ = λ(λ − 3). Untuk<br />
eigenvalue λ1 = 0 dan λ2 = 3 didapat masing-masing eigenvek-<br />
tor yang sesuai adalah:<br />
√ <br />
− 2<br />
x1 =<br />
1<br />
dan x2 =<br />
1<br />
√2<br />
Sehingga diperoleh<br />
x1<br />
||x1|| =<br />
⎛ √ ⎞<br />
2<br />
⎜ −√<br />
⎟<br />
⎜ 3 ⎟ x2<br />
⎜ ⎟<br />
⎜ ⎟ dan<br />
⎝ 1 ⎠ ||x2||<br />
√<br />
3<br />
=<br />
⎛ ⎞<br />
1<br />
√<br />
⎜ 3 ⎟<br />
⎜ ⎟<br />
⎜ √ ⎟<br />
⎝ 2 ⎠<br />
√<br />
3<br />
.<br />
<br />
x1 x2<br />
Bila matriks P =<br />
, maka pendiagonalan dari ma-<br />
||x1|| ||x2||<br />
triks A adalah P ′ AP dan hasilnya diberikan sebagai berikut<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 108 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
⎛ √<br />
2<br />
⎜ −√3<br />
⎜<br />
⎝ 1<br />
√<br />
3<br />
1<br />
√ 3<br />
√ 2<br />
√ 3<br />
⎛ √<br />
2<br />
⎜ −√3<br />
+<br />
⎜<br />
⎝ 1<br />
√ +<br />
3 2<br />
√<br />
3<br />
⎛<br />
⎜<br />
⎝<br />
0 0<br />
3<br />
√ 3<br />
3 √ 2<br />
√3<br />
⎞<br />
⎟<br />
⎠<br />
1 √ 2<br />
√ 2 2<br />
√ 2<br />
√3 − 2<br />
√ 3 + 2<br />
√ 3<br />
√<br />
2<br />
√3 + 2√2 √3<br />
⎛ √<br />
⎞ 2<br />
⎜ −√<br />
⎟ ⎜<br />
⎟ ⎜<br />
3<br />
⎠ ⎜<br />
⎝ 1<br />
√<br />
3<br />
⎛ √<br />
2<br />
⎜ −√<br />
⎜<br />
3<br />
⎜<br />
⎝ 1<br />
√<br />
3<br />
1<br />
√ 3<br />
√ 2<br />
√ 3<br />
⎞ ⎛ √<br />
2<br />
⎟ ⎜ −√<br />
⎟ ⎜<br />
⎟ ⎜<br />
3<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎠ ⎝ 1<br />
√<br />
3<br />
⎞<br />
⎟ =<br />
⎟<br />
⎠<br />
1<br />
√ 3<br />
√ 2<br />
√ 3<br />
0 0<br />
0 3<br />
1<br />
√ 3<br />
√ 2<br />
√ 3<br />
<br />
⎞<br />
⎟ =<br />
⎟<br />
⎠<br />
⎞<br />
⎟ =<br />
⎟<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 109 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berkaitan dengan matriks simetri dengan elemen-elemen riil.<br />
Sebagaimana telah diketahui matriks simetri pasti semua<br />
eigenvaluenya adalah riil, tetapi tidak menjamin bahwa semua<br />
eigenvalue-eigenvalue ini berbeda satu dengan yang lainnya,<br />
bila semuanya berbeda maka pasti matriks simetri tsb.<br />
bisa didiagonalkan. Bila ada yang rangkap, maka hal ini<br />
ada dua kasus. Yang pertama bila masing-masing multiplisitas<br />
geometri = multiplisitas aljabar, maka pendiagonalan<br />
matriks bisa dilakukan. Kedua, bila masing-masing multiplisitas<br />
geometri < multiplisitas aljabar, maka pendiagonalan<br />
tidak dapat dilakukan. Pada khasus yang kedua tentunya<br />
hanya beberapa eigenvektor yang orthogonal satu dengan yang<br />
lainnya, yaitu yang berkaitan dengan eigenvalue-eigenvalue<br />
yang saling berbeda satu dengan lainnya. Tetapi untuk<br />
eigenvalue yang rangkap walaupun memberikan eigenvektoreigenvektor<br />
yang saling bebas linier tetapi tidak menjamin<br />
bahwa eigenvektor-eigenvektor ini orthogonal. Oleh karena<br />
itu matriks yang kolom-kolomnya merupakan eigenvektoreigenvektor<br />
bukan matriks orthogonal. Tetapi dengan beberapa<br />
modifikasi matriks tsb. bisa dijadikan matriks orthogonal,<br />
cara pengorthogonalan ini mengarah apa yang dinamakan<br />
proses Pengorthogonalan Gram-Schmidt. Contoh<br />
berikut memberikan kejelasan mengenai pengorthogonalan suatu<br />
matriks.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 110 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Diberikan suatu matriks simetri<br />
⎛<br />
1<br />
⎞<br />
−1 −1<br />
⎛<br />
A = ⎝ −1 1 −1 ⎠ ⇒ λI − A = ⎝<br />
−1 −1 1<br />
λ − 1 1 1<br />
1 λ − 1 1<br />
1 1 λ − 1<br />
Polinomial kharakteristik dari A diberikan oleh<br />
p(λ) = det(λI − A) = (λ − 2) 2 (λ + 1). Pasangan eigenvalue eigenvektor<br />
diberikan oleh<br />
λ1 = 2, x1 =<br />
⎛<br />
⎝<br />
−1<br />
0<br />
1<br />
⎞<br />
⎠ ; λ2 = 2, x2 =<br />
⎛<br />
⎝<br />
−1<br />
1<br />
0<br />
⎞<br />
⎠ ; λ3 = 1, x3 =<br />
Terlihat bahwa 〈x1, x3〉 = 〈x2, x3〉 = 0 tetapi 〈x1, x2〉 = 1 = 0.<br />
Penormalan dari x2 dan x3 didapat :<br />
p2 = x2<br />
||x2|| =<br />
⎛<br />
⎜ −<br />
⎜<br />
⎝<br />
1<br />
⎞<br />
√<br />
2<br />
⎟<br />
1 ⎟<br />
√ ⎟<br />
2 ⎠<br />
0<br />
dan p3 = x3<br />
||x3|| =<br />
⎛ ⎞<br />
1<br />
√<br />
⎜ 3 ⎟<br />
⎜ 1<br />
⎟<br />
⎜ √<br />
⎟ .<br />
⎜ 3 ⎟<br />
⎝ 1 ⎠<br />
√<br />
3<br />
⎞<br />
⎠ .<br />
⎛<br />
⎝<br />
1<br />
1<br />
1<br />
⎞<br />
⎠ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 111 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Untuk memperoleh suatu vektor ¯x1 supaya 〈¯x1, x2〉 = 0, adalah<br />
sebagai berikut. Misalkan ¯x1 + ax2 = x1, didapat x ′ 2¯x1 + ax ′ 2x2 =<br />
x ′ 2x1 atau 〈¯x1, x2〉 + a 〈x2, x2〉 = 〈x1, x2〉 ⇒ a = 〈x1, x2〉<br />
. Sehingga<br />
〈x2, x2〉<br />
didapat<br />
Jadi<br />
¯x1 =<br />
⎛<br />
⎝<br />
¯x1 = x1 − 〈x1, x2〉<br />
〈x2, x2〉 x2.<br />
−1<br />
0<br />
1<br />
⎞<br />
⎠ − 1<br />
2<br />
⎛<br />
⎝<br />
−1<br />
1<br />
0<br />
⎞<br />
⎠ =<br />
⎛<br />
⎜<br />
⎝<br />
Dengan menormalkan vektor ¯x1 didapat:<br />
p1 = ¯x1<br />
||¯x1|| =<br />
⎛<br />
−<br />
⎜<br />
⎝<br />
1<br />
√<br />
6<br />
− 1<br />
⎞<br />
⎟<br />
√<br />
⎟ .<br />
6 ⎟<br />
2 ⎠<br />
√<br />
6<br />
Jadi matriks P = [p1 | p2 | p3] diberikan oleh:<br />
− 1<br />
2<br />
− 1<br />
2<br />
1<br />
⎞<br />
⎟<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 112 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
P =<br />
⎛<br />
⎜<br />
⎝<br />
− 1<br />
√ 6 − 1<br />
√ 2<br />
− 1<br />
√ 6<br />
2<br />
√ 6<br />
1<br />
√ 2<br />
0<br />
1<br />
√ 3<br />
1<br />
√ 3<br />
1<br />
√ 3<br />
Sehingga didapat :<br />
P ′ ⎛<br />
−<br />
⎜<br />
AP = ⎜<br />
⎝<br />
1<br />
√ −<br />
6 1<br />
√<br />
6<br />
− 1 1<br />
√ √<br />
2 2<br />
1 1<br />
√ √<br />
⎛ ⎞ 3 3<br />
2 0 0<br />
⎝ 0 2 0 ⎠<br />
0 0 −1<br />
⎞<br />
⎟ ⇒ P<br />
⎟<br />
⎠<br />
′ P = I = P P ′ (P matriks orthogonal).<br />
2<br />
√ 6<br />
0<br />
1<br />
√ 3<br />
⎞<br />
⎟ ⎛<br />
⎟ ⎝<br />
⎟<br />
⎠<br />
1 −1 −1<br />
−1 1 −1<br />
−1 −1 1<br />
⎛<br />
⎞ ⎜<br />
⎠ ⎜<br />
⎝<br />
− 1<br />
√ 6 − 1<br />
√ 2<br />
− 1<br />
√ 6<br />
2<br />
√ 6<br />
1<br />
√ 2<br />
0<br />
1<br />
√ 3<br />
1<br />
√ 3<br />
1<br />
√ 3<br />
⎞<br />
⎟ =<br />
⎟<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 113 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Proses orthogonalisasi Gram-Schmidt<br />
Diberikan himpunan vektor-vektor yang bebas linier S =<br />
{X1, X2, . . . , Xn}, dari S dibentuk himpunan vektor-vektor orthormal<br />
T = {T1, T2, . . . , Tn} sebagi berikut:<br />
t1 = X1 ⇒ T1 = t1<br />
||t1||<br />
t2 = X2 − 〈X2, X1〉<br />
〈X1, X1〉 t1 ⇒ T2 = t2<br />
||t2||<br />
.<br />
.<br />
tn = Xn − 〈Xn, t1〉<br />
〈t1, t1〉 t1 − 〈Xn, t2〉<br />
〈t2, t2〉 t2 − . . . − 〈Xn, tn−1〉<br />
〈tn−1, tn−1〉 tn−1 ⇒ Tn = tn<br />
||tn||<br />
Didapat matriks orthogonal<br />
T = [T1 | T2 | . . . | Tn] .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 114 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Diberikan matriks dengan kolom-kolom merupakan vektorvektor<br />
yang bebas linier, yaitu<br />
A =<br />
⎛<br />
⎝<br />
1 1 1<br />
0 1 1<br />
0 0 1<br />
Misalkan X1, X2 dan X3 merupakan vektor-vektor kolom dari<br />
A, maka<br />
⎛ ⎞<br />
1<br />
t1 = X1 = ⎝ 0 ⎠ ⇒ T1 =<br />
0<br />
t1<br />
||t1|| =<br />
⎛ ⎞<br />
1<br />
⎝ 0 ⎠<br />
0<br />
⎛ ⎞<br />
1<br />
t2 = ⎝ 1 ⎠ −<br />
0<br />
〈X2, t1〉<br />
〈t1, t1〉 t1<br />
⎛ ⎞<br />
0<br />
= ⎝ 1 ⎠ ⇒ T2 =<br />
0<br />
t2<br />
||t2|| =<br />
⎛ ⎞<br />
0<br />
⎝ 1 ⎠<br />
0<br />
⎛ ⎞<br />
1<br />
t3 = ⎝ 1 ⎠ −<br />
1<br />
〈X3, t1〉<br />
〈t1, t1〉 t1 − 〈X3, t2〉<br />
〈t2, t2〉 t2<br />
⎛ ⎞<br />
0<br />
= ⎝ 0 ⎠ ⇒ T3 =<br />
1<br />
t3<br />
||t3|| =<br />
⎛ ⎞<br />
0<br />
⎝ 0 ⎠<br />
1<br />
Terlihat bahwa matriks T = [T1 T2 T3] adalah matriks orthogonal.<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 115 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Proyeksi dan General Invers<br />
Proses orthogonal Gram-Schmid erat kaitannya dengan apa<br />
yang dinamakan proyeksi sebagaimana akan terlihat dalam<br />
pembahasan berikut ini. Ada kalanya sistem persamaan<br />
linier Ax = y tidak mempunyai penyelesaian secara analitik<br />
(eksak). Tetapi bila model linier yang dikaji ini merupakan<br />
suatu problem nyata yang dijumpai, maka diperlukan suatu<br />
alternatif penyelesaian untuk menjawab problem yang ada<br />
sehingga penyelesaian yang didapat cukup untuk menjawab<br />
problem. Suatu contoh berikut menjelaskan hal ini:<br />
Diberikan sistem persamaan linier Ax = y:<br />
<br />
6 3 x1 2<br />
= . (8)<br />
2 1<br />
2<br />
x2<br />
Jawab eksak dari persamaan ini tidak ada. Dalam hal ini,<br />
selalu bisa didapat penyelesaian pendekatan x melalui penggantian<br />
y dengan vektor y ′ di ruang kolom dalam A yang<br />
dekat dengan y dan sebagi penggantinya selesaikan persamaan<br />
Ax = y ′ . Untuk khasus yang diberikan dalam persamaan (8)<br />
ruang kolom dari A adalah span:<br />
<br />
3 <br />
W = r r ∈ R .<br />
1
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 116 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Dengan demikian dipilih y ′ <br />
3<br />
= r sehingga panjang<br />
1<br />
y − y ′ <br />
<br />
= <br />
2 3 <br />
<br />
− r <br />
2 1 <br />
sekecil mungkin. Gambar berikut secara geometri menjelaskan<br />
pilihan dari vektor y ′ .<br />
y =<br />
2<br />
2<br />
✯<br />
<br />
3<br />
1<br />
y ′ = Proj w(y)<br />
Sebelum menyelesaikan problem yang ada diberikan pengertian<br />
berikut. Misalkan W suatu ruang bagian dari R n dan<br />
tulis y ∈ R n = W ⊕ W ⊥ sebagai y = y1 + y2, dimana y1 ∈ W<br />
dan y2 ∈ W ⊥ , maka y1 dikatakan proyeksi dari y pada W dan<br />
dinotasikan oleh y1 = Proj w(y).
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 117 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Berikut ini diselesaikan masalah persamaan linier<br />
<br />
6 3 x1 2<br />
= .<br />
2 1 x2 2<br />
<br />
3<br />
Pilih W = sehingga didapat W<br />
1<br />
⊥ <br />
−1<br />
=<br />
. Jadi<br />
3<br />
<br />
2<br />
=<br />
2<br />
4<br />
<br />
3<br />
+<br />
5 1<br />
2<br />
<br />
−1<br />
. Untuk meminimumkan panjang<br />
5 3<br />
y − y ′ <br />
<br />
= <br />
2 3 <br />
<br />
− r <br />
2 1 <br />
<br />
<br />
<br />
= <br />
4 3<br />
<br />
+<br />
5 1<br />
2<br />
−1 3 <br />
− r <br />
5 3 1 <br />
<br />
<br />
= <br />
<br />
(4<br />
<br />
3<br />
− r) +<br />
5 1<br />
2<br />
−1 <br />
<br />
5 3 ,<br />
<br />
3 −1<br />
dan karena dan orthogonal, maka haruslah r =<br />
1 3<br />
4<br />
5 .<br />
Sehingga didapat y ′ <br />
2<br />
= Projw =<br />
2<br />
4<br />
<br />
3 6<br />
= 0 +<br />
5 1 2<br />
4<br />
<br />
3<br />
.<br />
5 1<br />
Terlihat bahwa penyelesaian pendekatan adalah x1 = 0 dan x2 =<br />
4<br />
5 .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 118 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan W suatu ruang bagian dari R n , maka vektor y ′ ∈ W<br />
yang dekat ke y ∈ R n adalah y ′ = Proj w(y).<br />
Bukti<br />
Tulis y = y1+y2 dengan y1 ∈ W dan y2 ∈ W ⊥ . Jadi y1 = Proj w(y).<br />
Untuk sebarang w ∈ W jarak kuadrat y − w 2 diberikan oleh<br />
(y1 − w) + y2 2 = < (y1 − w) + y2, (y1 − w) + y2 ><br />
= < y1 − w, y1 − w > + < y2, y2 ><br />
= y1 − w 2 + y2 2 ,<br />
akan minimal bila w = y1 = Proj w(y).<br />
Suatu cara singkat untuk menentukan proyeksi dari suatu<br />
rauang bagian W yang dibangun hanya oleh satu vektor w,<br />
dimana V = W ⊕ W ⊥ diberikan oleh<br />
Proj w(y) =<br />
Dalam hal ini adalah:<br />
< y, w ><br />
1. w ∈ W .<br />
< w, w ><br />
< y, w > ⊥<br />
2. y − w ∈ W<br />
< w, w ><br />
<br />
< y, w > < y, w ><br />
3. y = w + y −<br />
< w, w > < w, w > w<br />
<br />
< y, w ><br />
w. (9)<br />
< w, w >
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 119 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Dengan menggunakan hasil dalam (9) didapat<br />
<br />
2<br />
Projw =<br />
2<br />
2.3 + 2.1<br />
<br />
3<br />
=<br />
3.3 + 1.1 1<br />
4<br />
<br />
3<br />
5 1<br />
Berikut ini diberikan suatu sifat bila ruang bagian W dibangun<br />
oleh lebih dari satu vektor.<br />
Misalkan W suatu ruang bagian dari R n dibangun oleh basis<br />
orthogonal w1, . . . , wk dan misalkan y ∈ R n , maka<br />
<br />
.<br />
Proj w(y) = < y, w1 ><br />
< w1, w1 > w1 + . . . + < y, wk ><br />
< wk, wk > wk. (10)<br />
Bukti<br />
Misalkan y1 = < y, w1 ><br />
< w1, w1 > w1+. . .+ < y, wk ><br />
< wk, wk > wk. Maka untuk 1 ≤<br />
i ≤ k didapat < y − y1, wi >=< y, wi > − < y, wi ><br />
< wi, wi > < wi, wi >= 0.<br />
Jadi y − y1 ∈ W ⊥ dan y1 = Proj w(y).<br />
Bila W suatu ruang bagian dari R n dengan basis orthonormal<br />
w1, . . . , wk, maka persamaan (10) menjadi<br />
Proj w(y) =< y, w1 > w1 + . . . + < y, wk > wk. (11)
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 120 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Contoh<br />
Dapatkan elemen dari ruang bagian W yang dekat dengan<br />
vektor (1, 2, 3) ′ , dimana W dibangun oleh vektor-vektor<br />
(1, 2, −1) ′ , (−1, 4, 1) ′ .<br />
Jawab<br />
Dengan menggunakan proses Gram-Schmidt, didapat basis or-<br />
1<br />
thonormal: √ (1, 2, −1)<br />
6 ′ , 1<br />
√ (−1, 1, 1)<br />
3 ′ . Sehingga proyeksi dari<br />
(1, 2, 3) ′ pada W adalah:<br />
⎛ ⎞<br />
1<br />
Proj ⎝<br />
w 2 ⎠ =<br />
3<br />
1<br />
√ (1 + 4 − 3)<br />
6 1<br />
⎛ ⎞<br />
1<br />
√ ⎝ 2<br />
6<br />
−1<br />
= 1<br />
⎛ ⎞<br />
1<br />
⎝ 2 ⎠ +<br />
3<br />
−1<br />
4<br />
⎛ ⎞ ⎛<br />
−1<br />
⎝ 1 ⎠ = ⎝<br />
3<br />
1<br />
⎠ + 1<br />
√ 3 (−1 + 2 + 3) 1<br />
√ 3<br />
−1<br />
2<br />
1<br />
Sehingga didapat vektor<br />
⎛ ⎞<br />
1<br />
⎛ ⎞<br />
−1<br />
⎛ ⎞<br />
2<br />
⎝ 2 ⎠ = ⎝ 2 ⎠ + ⎝ 0<br />
3 1 2<br />
⎛ ⎞<br />
1<br />
elemen dari W dekat ke ⎝ 2 ⎠ adalah Projw 3<br />
⎞<br />
⎠ .<br />
⎠ ∈ W ⊕ W ⊥ ,<br />
⎛<br />
⎝<br />
1<br />
2<br />
3<br />
⎞<br />
⎠ =<br />
⎛<br />
⎝<br />
−1<br />
2<br />
1<br />
⎛<br />
⎝<br />
⎞<br />
⎠.<br />
−1<br />
1<br />
1<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 121 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Misalkan dipunyai suatu supply dari 5000 unit S, 4000 unit T<br />
dan 2000 unit U. Bahan digunakan dalam pabrik untuk memproduksi<br />
P dan Q. Bila setiap unit dari P menggunakan 2 unit<br />
S, 0 unit T dan 0 unit U; dan setiap unit dari Q menggunakan<br />
3 unit S, 4 unit T dan 1 unit U. Berapa banyak unit p dari<br />
P dan q dari Q yang harus dibuat supaya keseluruhan supply<br />
digunakan?<br />
Model matematika dari persoalan yang ada diberikan oleh persamaan:<br />
⎡ ⎤ ⎡ ⎤<br />
2 3 5000<br />
⎣ 0 4 ⎦<br />
p<br />
= ⎣ 4000 ⎦ .<br />
q<br />
0 1<br />
2000<br />
Persamaan dari model<br />
⎡<br />
tidak<br />
⎤<br />
mempunyai jawab eksak (anali-<br />
5000<br />
tik) sebab vektor ⎣ 4000 ⎦ bukan merupakan kombinasi linier<br />
2000<br />
⎡ ⎤ ⎡ ⎤<br />
2 3<br />
dari vektor- vektor ⎣ 0 ⎦ dan ⎣ 4 ⎦ . Untuk meyelesaikan per-<br />
0 1<br />
samaan secara pendekatan, dilakukan hal berikut: Cari vektor<br />
didalam<br />
⎡<br />
ruang<br />
⎤<br />
bagian<br />
⎡ ⎤<br />
W yang merupakan bentuk<br />
⎡<br />
kombinasi<br />
⎤<br />
2 3<br />
5000<br />
linier p ⎣ 0 ⎦ + q ⎣ 4 ⎦ yang dekat dengan vektor ⎣ 4000 ⎦<br />
0 1<br />
2000
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 122 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Dengan melakukan proses Gram-Schmidt di vektor-vektor<br />
pembangun yang merupakan basis dari W , didapat basis or-<br />
thonormal:<br />
w1 =<br />
⎡<br />
⎣<br />
1<br />
0<br />
0<br />
Sehingga diperoleh:<br />
⎡ ⎤ ⎡<br />
5000<br />
Proj ⎣<br />
w 4000 ⎦ = 5000 ⎣<br />
2000<br />
⎡<br />
⎤<br />
= 5000 ⎣<br />
⎦ , w2 = 1<br />
√ 17<br />
1<br />
0<br />
0<br />
1<br />
0<br />
0<br />
⎤<br />
⎡<br />
⎣<br />
0<br />
4<br />
1<br />
⎤<br />
⎦ .<br />
⎦ + ( 16000<br />
√ 17 + 2000<br />
√ 17 ) 1<br />
√ 17<br />
⎤<br />
⎦ + 18000<br />
17<br />
= (2500 − ( 3<br />
2 )(18000<br />
17 ))<br />
⎡<br />
⎣<br />
⎡<br />
⎣<br />
0<br />
4<br />
1<br />
2<br />
0<br />
0<br />
⎤<br />
⎦<br />
⎤<br />
⎡<br />
⎣<br />
⎦ + 18000<br />
17<br />
Terlihat bahwa p = 2500 − ( 3<br />
2 )(18000<br />
18000<br />
) = 911.76 dan q =<br />
17 17 =<br />
1058.82.<br />
0<br />
4<br />
1<br />
⎡<br />
⎣<br />
⎤<br />
⎦<br />
3<br />
4<br />
1<br />
⎤<br />
⎦ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 123 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Pendekatan invers dari suatu matriks berukuran m × n<br />
Untuk setiap matriks A berukuran m×n dengan elemen-elemen<br />
riil, matriks A − berukuran n × n dinamakan pendekatan invers<br />
(psedoinverse) yang memenuhi A − y merupakan penyelesaian<br />
pendekatan dari persamaan Ax = y. Kolom-kolom dari matriks<br />
A − adalah penyelesaian pendekatan dari Ax = ei, dimana<br />
ei, i = 1, . . . , m merupakan basis baku dari R m .<br />
Contoh<br />
Dapatkan matriks A − bila A =<br />
⎛<br />
⎝<br />
2 3<br />
0 4<br />
0 1<br />
⎞<br />
⎛<br />
⎠ dan hitung A− ⎝<br />
5000<br />
4000<br />
2000<br />
Jawab Ruang kolom orthonormal<br />
⎛ ⎞<br />
dari matriks A adalah span<br />
1<br />
dari vektor-vektor: w1 = ⎝ 0 ⎠ , w2 =<br />
0<br />
1<br />
⎛ ⎞<br />
0<br />
√ ⎝ 4 ⎠. Sehingga di-<br />
17<br />
1<br />
dapat<br />
⎛ ⎞<br />
1<br />
⎛ ⎞<br />
1<br />
⎛ ⎞<br />
0<br />
⎛ ⎞ ⎛ ⎞<br />
0<br />
⎛ ⎞<br />
Proj ⎝<br />
w 0 ⎠ = ⎝ 0 ⎠ , Proj ⎝<br />
w 1 ⎠ = ⎝ ⎠ , Proj ⎝<br />
w 0 ⎠ = ⎝ ⎠ .<br />
0 0<br />
0<br />
1<br />
Dan kolom-kolom matriks A− didapat sebagai berikut<br />
⎛ ⎞ ⎛ ⎞<br />
2 3 1 <br />
1<br />
⎝ 0 4 ⎠ x = ⎝ 0 ⎠ ⇒ x = 2<br />
0<br />
0 1 0<br />
0<br />
16<br />
17<br />
4<br />
17<br />
⎞<br />
⎠.<br />
0 4<br />
17<br />
1<br />
17
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 124 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
2 3<br />
0 4<br />
0 1<br />
2 3<br />
0 4<br />
0 1<br />
⎞<br />
⎠ x =<br />
⎞<br />
⎠ x =<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
0<br />
16<br />
17<br />
4<br />
17<br />
0<br />
4<br />
17<br />
1<br />
17<br />
⎞<br />
⎠ ⇒ x =<br />
⎞<br />
⎠ ⇒ x =<br />
Sehingga didapat matriks A − adalah:<br />
A − =<br />
1<br />
2<br />
− 6<br />
17<br />
0 4<br />
17<br />
3 −34 1<br />
17<br />
<br />
.<br />
− 16<br />
17<br />
4<br />
17<br />
− 3<br />
34<br />
1<br />
17<br />
Penyelesaian pendekatan dari persamaan<br />
⎛ ⎞ ⎛ ⎞<br />
2 3 5000<br />
⎝ 0 4 ⎠<br />
p<br />
= ⎝ 4000 ⎠<br />
q<br />
0 1<br />
2000<br />
diberikan oleh<br />
<br />
p<br />
= A<br />
q<br />
−<br />
⎛<br />
⎝<br />
5000<br />
4000<br />
2000<br />
⎞<br />
⎠ =<br />
1<br />
2<br />
− 6<br />
17<br />
0 4<br />
17<br />
3 −34 1<br />
17<br />
⎛<br />
⎝<br />
5000<br />
4000<br />
2000<br />
⎞<br />
<br />
<br />
⎠ =<br />
911.76<br />
1058.82<br />
Hasil yang didapat sama dengan hasil perhitungan sebelumnya.<br />
<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 125 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Soal UAS GASAL 2006/2007<br />
1. 1.Selidiki apakah matriks berikut bisa didiagonalkan atau<br />
tidak bisa didiagonalkan?<br />
⎡<br />
Berikan alasan dari jawaban!<br />
⎣<br />
0 1 3<br />
0 1 2<br />
1 −1 0<br />
JawabPolinomial kharakteristik dari matriks diberikan<br />
oleh:<br />
<br />
<br />
<br />
λ<br />
p(λ) = <br />
0<br />
−1<br />
<br />
−1 −3 <br />
<br />
λ − 1 −2 <br />
<br />
1 λ = (λ − 1)2 (λ + 1)<br />
Untuk λ = 1, didapat:<br />
⎡<br />
E1(R 3 ) = Ker( ⎣<br />
⎤<br />
⎦<br />
1 −1 −3<br />
0 0 −2<br />
−1 1 1<br />
⎤<br />
⎦) =<br />
⎛<br />
⎝<br />
1<br />
1<br />
0<br />
⎞<br />
Terlihat bahwa untuk λ = 1<br />
multiplisitas geometri = 1 < 2 = multiplisitas aljabar.<br />
Jadi matriks tidak bisa didiagonalkan.<br />
⎠<br />
.
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 126 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
2. Bila vektor-vektor v1, v2, . . . , vn adalah orthogonal, maka<br />
tunjukkan bahwa :<br />
Jawab<br />
||v1 + v2 + . . . + vn|| 2 = ||v1|| 2 + ||v2|| 2 + . . . + ||v1|| 2 .<br />
<br />
<br />
<br />
<br />
<br />
n<br />
i=1<br />
vi<br />
<br />
<br />
<br />
<br />
<br />
2<br />
=<br />
=<br />
<br />
n<br />
vj,<br />
j=1<br />
n<br />
j=1<br />
n<br />
k=1<br />
vk<br />
<br />
n<br />
〈vj, vk〉 =<br />
k=1<br />
n<br />
||vj|| 2 .<br />
3. Dengan general invers cari garis lurus y = ax + b yang paling<br />
mendekati titik-titik (1, 2), (2, 3) dan (3, 1).<br />
Jawab:<br />
⎛<br />
⎝<br />
1 1<br />
2 1<br />
3 1<br />
⎛<br />
A − ⎝<br />
2<br />
3<br />
1<br />
⎞<br />
⎠<br />
⎞<br />
a<br />
b<br />
⎠ =<br />
<br />
=<br />
⎛<br />
⎝<br />
2<br />
3<br />
1<br />
1<br />
2 −1<br />
−1 7<br />
3<br />
Didapat a = −1 + 1<br />
2<br />
j=1<br />
⎞<br />
⎠ ⇒ A − ⎧<br />
⎨<br />
<br />
1 2 3<br />
=<br />
⎩ 1 1 1<br />
⎛<br />
⎝<br />
= −1<br />
2<br />
1 2 3<br />
1 1 1<br />
dan b = 8<br />
3<br />
⎛<br />
⎝<br />
2<br />
3<br />
1<br />
⎞<br />
+ 1 − 2<br />
3<br />
⎠ =<br />
= 3.<br />
1 1<br />
2 1<br />
3 1<br />
− 1<br />
⎞⎫−1<br />
⎬ <br />
⎠<br />
1 2 3<br />
⎭ 1 1 1<br />
2 0 1<br />
2<br />
4 1<br />
3 3 −2<br />
3<br />
⎛<br />
⎝<br />
2<br />
3<br />
1<br />
⎞<br />
⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 127 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
4. Bila V adalah ruang vektor dari himpunan polinomialpolinomial<br />
dengan derajad kurang atau sama dengan 3<br />
dan ”hasil kali dalam” diberikan oleh 〈p, q〉 =<br />
1<br />
p(x)q(x)dx.<br />
Lakukan poses orthogonalisasi Gram-Schmidt terhadap<br />
basis 1, x, x 2 , x 3 .<br />
Jawab<br />
1<br />
¯p1(x) = 1 ⇒ ¯p1(x) = √<br />
< p1, p1 > p1(x) = 1<br />
√<br />
2<br />
1<br />
¯p2(x) = x− < x, ¯p1 > ¯p1(x) ⇒ ¯p2(x) = √<br />
< ¯p2, ¯p2 > ¯p2(x) =<br />
¯p3(x) = x 2 − < x 2 , ¯p1 > ¯p1(x)− < x 2 , ¯p2 > ¯p2(x) ⇒<br />
¯p3(x) =<br />
1<br />
√ < ¯p3, ¯p3 > ¯p3(x) =<br />
5<br />
8 (3x2 − 1)<br />
−1<br />
3<br />
2 x<br />
¯p4(x) = x3− < x3 , ¯p1 > ¯p1(x)− < x3 , ¯p2 > ¯p2(x)− < x3 , ¯p3 > ¯p3(x) ⇒<br />
1<br />
¯p4(x) = √<br />
< ¯p4, ¯p4 > ¯p4(x)<br />
<br />
7 = 8 (5x3 − 3x)
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 128 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
5. Diberikan pemetaan linier α : R 2 → R 2 dengan<br />
α((x, y) ′ ) = (2x + y, x + 3y) ′ .<br />
Dengan basis B = (1, 0) ′ , (1, 1) ′ tentukan matriks representasi<br />
dari α.<br />
Jawab<br />
dan<br />
αB((1, 0) ′ ) = (2, 1) ′ = 1(1, 0) ′ + 1(1, 1) ′ = (1, 1) ′<br />
αB((1, 1) ′ ) = (3, 4) ′ = −1(1, 0) ′ + 4(1, 1) ′ = (−1, 4) ′ ,<br />
sehingga diperoleh matriks representasi dari α:<br />
<br />
1 −1<br />
A = (α, B, B) = .<br />
1 4
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 129 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Dengan general invers dapatkan parabola y = ax 2 + bx + c yang<br />
mendekati titik-titik (3, 0), (2, 0), (1, 2), (−1, 12). Jelaskan apakah<br />
hasilnya pendekatan atau tidak!<br />
Jawab :<br />
Untuk titik (3, 0), (2, 0), (1, 2), (−1, 12) didapat empat persamaan :<br />
9a + 3b + c = 0, 4a + 2a + c = 0, a + b + c = 2, a − b + c = 12<br />
atau dalam bentuk matriks<br />
⎡ ⎤<br />
9 3 1 ⎡<br />
⎢ ⎥<br />
⎢ 4 2 1 ⎥<br />
⎢ ⎥ ⎣<br />
⎣ 1 1 1 ⎦<br />
1 −1 1<br />
⎡<br />
⎣<br />
a<br />
b<br />
c<br />
⎤<br />
⎦ =<br />
⎧<br />
⎡<br />
⎪⎨<br />
⎣<br />
⎪⎩<br />
9 4 1 1<br />
3 2 1 −1<br />
1 1 1 1<br />
Cek! ⎡<br />
⎢<br />
⎣<br />
⎡<br />
⎤<br />
⎢<br />
⎦ ⎢<br />
⎣<br />
9 3 1<br />
4 2 1<br />
1 1 1<br />
1 −1 1<br />
a<br />
b<br />
c<br />
9 3 1<br />
4 2 1<br />
1 1 1<br />
1 −1 1<br />
⎤<br />
⎡<br />
⎥ ⎣<br />
⎦<br />
⎤<br />
⎦ =<br />
⎤⎫<br />
⎥⎪⎬<br />
⎥<br />
⎦<br />
⎪⎭<br />
1<br />
−5<br />
6<br />
⎤<br />
⎡<br />
⎢<br />
⎣<br />
−1 ⎡<br />
⎦ =<br />
0<br />
0<br />
2<br />
12<br />
⎣<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
⎥<br />
⎦ ⇒<br />
9 4 1 1<br />
3 2 1 −1<br />
1 1 1 1<br />
0<br />
0<br />
2<br />
12<br />
⎤<br />
⎥<br />
⎦ .<br />
⎡<br />
⎤<br />
⎢<br />
⎦ ⎢<br />
⎣<br />
0<br />
0<br />
2<br />
12<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎣<br />
Terlihat, hasilnya eksak bukan pendekatan (kita coba<br />
melakukan penghitungan dengan MAXIMA).<br />
1<br />
−5<br />
6<br />
⎤<br />
⎦ .
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 130 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Cara lain mencari invers matriks<br />
Misalkan matriks :<br />
⎡ ⎤<br />
⎡ ⎤ 9 3 1<br />
9 4 1 1 ⎢ ⎥<br />
A = ⎣ 3 2 1 −1 ⎦ ⎢ 4 2 1 ⎥<br />
⎢ ⎥<br />
⎣ 1 1 1 ⎦<br />
1 1 1 1<br />
1 −1 1<br />
=<br />
⎡<br />
⎣<br />
99 35 15<br />
35 15 5<br />
15 5 4<br />
Selanjutnya tentukan polinomial kharakteristik A :<br />
p(x) = |xI −A| = x3−118x2 +466x−440 ⇒ A3−118A2 +466A−440I = 0<br />
Didapat A−1 = 1<br />
440 (A2 − 118A + 466I) :<br />
A −1 = 1<br />
440<br />
= 1<br />
440<br />
⎛⎡<br />
⎝⎣<br />
⎛⎡<br />
⎝⎣<br />
11251 4065 1720<br />
4065 1475 620<br />
1720 620 266<br />
35 −65 −50<br />
−65 171 30<br />
−50 30 260<br />
⎤<br />
⎡<br />
⎦ − 188 ⎣<br />
⎡<br />
⎢<br />
⎤⎞<br />
⎢<br />
⎦⎠<br />
= ⎢<br />
⎣<br />
99 35 15<br />
35 15 5<br />
15 5 4<br />
7<br />
88 −13<br />
88<br />
− 13<br />
88 −171<br />
440<br />
− 5<br />
44<br />
3<br />
44<br />
⎤<br />
⎤<br />
⎦ .<br />
⎡<br />
⎦ + 466 ⎣<br />
− 5<br />
44<br />
3<br />
44<br />
13<br />
22<br />
⎤<br />
⎥<br />
⎦<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
⎤⎞<br />
⎦⎠
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 131 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit<br />
Jawaban UAS <strong>Aljabar</strong> linear semester gasal 2007/2008<br />
1.) Diberikan matriks :<br />
<br />
1 −1<br />
A = .<br />
1 1<br />
Diagonalkan matriks A dengan menggunakan basis orthonormal<br />
dari eigenvector-eigenvector matriks A.<br />
Jawab :<br />
Eigenvalue dan eigenvector dari A diberikan oleh : |A − λI| =<br />
λ 2 − 2λ + 2 = 0, didapat λ1 = 1 − i, λ2 = 1 + i. Nullspace(A − λ1I) =<br />
{< (1, i) >} dan Nullspace(A−λ2I) = {< (1, −i) >}. Terlihat bahwa<br />
eigenvector-eigenvector yang bersesuaian dengan λ1 = 1 − i dan<br />
λ2 = 1 + i, masing-masing diberikan oleh :<br />
v1 =<br />
1<br />
i<br />
<br />
dan v2 =<br />
1<br />
−i<br />
Vektor v1 dan v2 orthogonal, sebab < v1, v2 >= 0. Sehingga<br />
basis orthonormalnya adalah : v1<br />
|v1|<br />
didapat :<br />
P −1 AP =<br />
=<br />
, v2<br />
|v2|<br />
<br />
√2 1 − i<br />
<br />
√<br />
2 1 −1<br />
√1 √i 1 1<br />
2 2<br />
<br />
1 − i 0<br />
.<br />
0 1 + i<br />
<br />
.<br />
. Dengan P = [ v1<br />
|v1|<br />
1<br />
√2<br />
1<br />
√ 2<br />
√i −<br />
2 i √<br />
2<br />
<br />
| v2<br />
|v2| ]
Home Page<br />
Title Page<br />
◭◭ ◮◮<br />
◭ ◮<br />
Page 132 of 132<br />
Go Back<br />
Full Screen<br />
Close<br />
Quit