HomePage

TitlePage
JJII
JI
Page1of132
GoBack
FullScreen
Close
Quit
Catatan
Kuliah
Aljabar
Linier
Subiono
subiono2003@telkom.net
24
Agustus
2009
Abstrak
Dalam
catatan
kuliah
ini
diberikan
beberapa
materi
dari
mata
kul
iah
Aljabar
Linier
untuk
program
Sarjana
(S1)
jurusan
matemat
ika
FMIPA-ITS.
Materi
kuliah
berupa
perencanaan
yang
disajikan
agar
mempermudah
peserta
ajar
dalam
proses

belajar
mengajar.
Peserta
ajar
diharapkan
mempersiapkan
diri
melalui
pemahaman
yang
dipunyai
sebelumnya
dan
menambah
kekurangan
pemahaman
pengetahuannya
yang
dirasa
kurang
saat
proses
belajar
mengajar
di
kelas.
Juga
agar
mempermudah
proses
belajar
mengajar
digun
akan
alat
bantu
perangkat
lunak
Euler.
Selain
itu
materi
kuliah
ini
disesuai
dengan
Kurikulum
2009.

HomePage
TitlePage
JJII
JI
Page2of132
GoBack
FullScreen
Close
Quit
Rencana
materi
yang
akan
dibahas
dalam
kelas
adalah:

Lapangan
dan
Ruang
Vektor.
Ruang-bagian
Vektor.
Himpunan
Pembentang,
Bebas
linier
dan
Basis.
Dimensi,
Jumlahan
Langsung,
Koordinat
dan
Basis
Terur
ut.
Pemetaan
linier
pada
Ruang
Vektor.
Pemetaan
linier
dan
Aljabar
matriks.
Perubahan
dari
Basis.

Rank,
Determinan
dan
Invers.
Bentuk
Echelon
dari
suatu
Matriks.
Eigenvektor
dan
Eigenvalue.
Orthogonalitas
(Proses
Orthogonalitas
Gram-Schmidt).
General
Invers.

HomePage
TitlePage
JJII
JI
Page3of132
GoBack
FullScreen
Close
Quit
Lapangan(Field)
Suatu
lapangan
adalah
suatu
himpunan
K
6
=

bersama-sama
dengan
dua
operasi
tambah
(+)
dan
kali
(.)
sehingga
untuk
semua
a,
b,
c
.
K
memenuhi:

(a
+
b)
.
K
(tertutup).
a
+
b
=
b
+
a
(komutatif).
(a

+
b)+
c
=
a
+(b
+
c)
(assosiatif).
Ada
0
.
K
sehingga
a
+0=0+
a
(elemen
netral).
Ada
suatu
..a
.
K
sehingga
a
+(..a)=
..a
+
a
=0
(invers).
(a:b)
.
K
(tertutup).
a:b
=
ba
(komutatif).
(a:b):c
=
a:(b:c)
(assosiatif).
Ada
1
.
K
sehingga
a:1=1:a
=
a
(elemen
identitas).

..1
..1
..1
Bila
a
6=0,
maka
ada
a.
K
sehingga
a:a=
a:a
=1
(invers).
a:(b
+
c)=(a:b)+(a:c)
(distributif).

HomePage
TitlePage
JJII
JI
Page4of132
GoBack
FullScreen
Close
Quit
Contoh
1.
Himpunan
bilangan
rasional
Q,
himpunan
bilangan
riil
R
dan
himpunan
bilangan
kompleks
C.
2.
Himpunan
bilangan
bulat
modulo
p
dinotasikan
oleh
Zp,
dengan
p
bilangan
prima.
Contoh
1.
adalah
lapangan
takhingga
sedangkan
Contoh
2.
lapangan
hingga.
Dalam
Contoh
2.,
bila
p
bukan
bilangan
prima,
maka
Zp

bukan
lapangan.
Ruang
Vektor
Suatu
himpunan
V
dengan
dua
operasi
tambah
dan
kali
dikatakan
suatu
ruang
vektor
atas
lapangan
K
bila
memenuhi:
1.
Bila
u,
v,
w
.
V
,
maka
u
+
v
.
V
dan
u
+
v
=
v
+
u
(u
+
v)+
w
=
u
+(v
+
w)

Ada
0
.
V
sehingga
v
+
0
=
0
+
v,
8v
.
V
Untuk
setiap
v
.
V
ada
w
.
V
sehingga
v
+
w
=
w
+
v
=
0

HomePage
TitlePage
JJII
JI
Page5of132
GoBack
FullScreen
Close
Quit
2.
Bila
a,
b
.
K
dan
u,
v
.
V
,
maka
av
.
V
dan
(a
+
b)v
=
av
+
bv
a(u
+
v)=
av
+
au
(ab)v
=
a(bv)
1v
=
v
Contoh
1.
Himpunan
R2
adalah
ruang
vektor
atas
lapangan
R,

dimana
.
x1
.
y1
.
def
.
x1
+
y1
.
x1
.
y1
.
+=
,
.
,
.
R2
x2
y2
x2
+
y2
x2
y2
dan
a
.
x1
.
def
=
.
ax1
.
,
8a
.
K
dan
.
.
x1
.
.
R2
.
x2
ax2
x2

2.
Himpunan
Rn
juga
ruang
vektor
atas
R
dengan
de

nisi
oper
asi
tambah
dan
kali
diberikan
seperti
di
Contoh
1.
Pen
ambahan
dalam
Contoh
1.
dinamakan
penambahan
secara
komponen
yang
bersesuaian.

Lanjutan
Contoh............
3.
Himpunan
matriks
mn
dengan
elemen
elemennya
bilangan
HomePage
TitlePage
riil
Mm;n
(R)=
8.
.
0.
9.
.
1.
a11
::.
a1n
JJII
aij
.
R
..
....
.
.
.
am1
::.

amn
JI
dimana
penambahan
matriks
diberikan
oleh:
0.
1.
+
0.
1.
def
=
0.
b11
::.
b1n
a11
+
b11
::.
a1n
+
b1n
a11
::.
a1n
Page6of132
..
..

..
...
...
...
.
.
.
.
.
.
.
.
.
.
.
.
am1
::.
amn
bm1
::.
bmn
am1
+
bm1
::.
amn
+
bmn
sedangkan
perkalian
skalar
a

.
R
dengan
matriks
diberikan
GoBack
oleh:
a
0.
1.
def
=
0.
1.
.
a11
::.
a1n
a11
::.
a1n
FullScreen
..
..
...
...
.

.
.
.
.
.
.
.
am1
::.
amn
am1
.
.
.
amn
Maka
Mm;n(R)
adalah
suatu
ruang
vektor
atas
lapangan
R.
Close
Quit
1.

HomePage
TitlePage
JJII
JI
Page7of132
GoBack
FullScreen
Close
Quit
Lanjutan
Contoh............
4.
Misalkan
F
adalah
suatu
lapangan
dan
himpunan
semua
def
fungsi,
yaitu
V
=
ff
:
F
.
F}
dimana
(f
+
g)(x)=
f(x)+
def
g(x),
8x
.
F
dan
(f)(x)=
f(x),
dimana
a
.
F.
Maka
V
adalah
ruang
vektor

F
.
5.
Misalkan
F
adalah
suatu
lapangan
dan
himpunan
semua
polinomial
berderajad
kurang
atau
sama
dengan
n
yaitu
def
Pn(F)=
fp(x)=
a0
+
a1x
+
::.
+
anxn
|
ai
.
F}
dimana
(p
+
q)(x)=
def
p(x)+
q(x),
8x
.
F
dan
(p)(x)=
p(x),
dimana
a
.
F.
Maka
Pn(F)
adalah

ruang
vektor
atas
F.
6.
Himpunan
l8
=
fa
=(a1;a2;:::)
|
an
.
R,
sup(janj)
<
1}
dimana
def
def
a
+
b
=(a1
+
b1;a2
+
b2;:::)
dan
a
=(a1,
a2;:::);a
.
R.
Maka
l8
adalah
ruang
vektor
atas
lapangan
R.
7.
Himpunan
fungsi
terdierensial
tak
berhingga
pada
interv
al
[a,
b],
yaitu

C1[a,
b],
dimana
de

nisi
penambahan
fungsi
dan
perkalian
skalar
dengan
fungsi
seperti
dalam
Contoh
4.
merupakan
ruang
vektor
atas
lapangan
riil
R.
8.
Himpunan
fungsi-fungsi
V
=
ff
:
R
.
R
|
d2f
+
f
=0}
did
x2
mana
de

nisi
penambahan
fungsi
dan
perkalian
skalar
den
gan
fungsi
seperti
dalam
Contoh
4.
merupakan
ruang
vekt
or
atas
lapangan
riil
R.

HomePage
TitlePage
JJII
JI
Page8of132
GoBack
FullScreen
Close
Quit
Berikut
ini
diberikan
beberapa
sifat
dari
suatu
ruang
vektor
V
atas
lapangan
K.
Misalkan
V
adalah
suatu
ruang
vektor
atas
lapangan
K,
maka
(1).
0v
=
0,
0
adalah
elemen
netral
di
K
dan
v
.
V
.
(2).
(..1v)+
v
=
0,
dimana
..1
.
K.
(3).

0
=
0,
dimana
a
.
K.
Bukti
(1).
v
=
(1+0)v
=
v
+0v,
kedua
ruas
tambahkan
dengan
vektor
w
yang
memenuhi
w
+
v
=
0,
didapat:
w
+
v
=
w
+
v
+0v
atau
0
=
0
+0v.
Terlihat
bahwa
0v
=
0.
(2).
(..1v)+
v
=(..1
+
1)v
=0v
=
0.

(3).
0
=
(00)=(0)0
=00
=
0.
Ruang
Bagian
Misalkan
V
suatu
ruang
vektor
atas
lapangan
K.
Himpunan
S
.
V
(S
=6;)
dikatakan
suatu
ruang
bagian
bila
S
sendiri
dengan
operasi
tambah
dan
kali
seperti
di
V
tetap
merupakan
ruang
vektor
atas
K.

HomePage
TitlePage
JJII
JI
Page9of132
GoBack
FullScreen
Close
Quit
Contoh
1.
Himpunan
B
=
8.
.
0.
x
y
z
1A
x
+
y
+
z
=0
9.
.
adalah
ruang
bagian
dari
ruang
vektor
R3
atas
R.

2.
Misalkan
ruang
vektor
dari
semua
himpunan
fungsi
yaitu
V
=
ff
:
R
.
R}
dan
D
.
V
,
dimana
d2f
D
=
f
.
V
ruang
vektor
V
+
f
=0
,
maka
D
adalah
ruang
bagian
dari
dx2
atas
R.
3.
Himpunan
P3(R)
adalah

ruang
bagian
dari
ruang
vektor
Pn(R)
atas
lapangan
R
dengan
n
=
3.
4.
Himpunan
S
=
n(an
)
.
l1|
lim
an
=
x,
x
.
R.
adalah
ruang
n!8
bagian
dari
ruang
vektor
l8
atas
lapangan
R.

HomePage
TitlePage
JJII
JI
Page10of132
GoBack
FullScreen
Close
Quit
Berikut
ini
diberikan
suatu
sifat
(pernyataan)
yang
ekivalen
dengan
pernyataan
dari
suatu
ruang
bagian.
Himpunan
S
adalah
suatu
ruang
bagian
dari
suatu
ruang
vektor
V
atas
lapangan
K
bila
dan
hanya
bila
x1s1
+
x2s2
.
S
untuk
setiap
x1;x2
.
K
dan
s1,
s2
.
S.

Bukti
Misalkan
S
ruang
bagian
dan
x1;x2
.
K
juga
s1,
s2
.
S,
maka
x1s1
.
S
dan
x2s2
.
S.
Oleh
karena
itu,
x1s1
+
x2s2
juga
di
S.
Sebaliknya,
misalkan
x1s1
+
x2s2
.
S
untuk
setiap
x1,
x2
.
K
dan
s1,
s2
.
S.
Akan
ditunjukkan
bahwa
S
adalah
ruang

vektor
atas
K.
Sifat
2.
dari
ruang
vektor
otomat
is
diwarisi
dari
V
,
begitu
juga
sifat
komutatif,
assosiatif
di
sifat
1.,
diwarisi
dari
V
.
Untuk
x1
=
x2
=1,
didapat
1s1
+1s2
=
s1
+
s2
.
S
(tertutup).
Untuk
x1
=
x2
=0
didapat
0s1
+0s2
=
0(s1
+
s2)=
0
.
S.
Oleh
karena
itu,
untuk

x1
=
x2
=1
dan
setiap
s
.
S,
didapat
1s
+10
=
s
+
0
=
s
=
0
+
s
=10
+1s
.
S.
Selanjutnya
untuk
x1
=1;x2
=
..1
dan
setiap
s
.
S
didapat
1s
+(..1)s
=
(1+(..1))s
=0s
=
0
(s
punya
invers
yaitu
..s).
Catatan
Pernyataan
x1s1
+
x2s2
.
S
untuk

setiap
x1;x2
.
K
dan
s1,
s2
.
S,
dapat
diganti
oleh
x1s1
+
x2s2
+
::.
+
xnsn
.
S
untuk
setiap
x1;x2,
.
.
.
,
xn
.
K
dan
s1,
s2;:::,
sn
.
S.

Contoh
penggunaan
sifat
ruang
bagian
HomePage
TitlePage
1.
Himpunan
B
=
8.
.
0.
x
y
z
1.
x
+
y
+
z
=0
9.
.
J.
I.
.
.
adalah
ruang
bagian
dari
ruang
vektor
R3

atas
R.
Sebab,
untuk
setiap
v1,
v2
.
B,
maka
0.
x1
y1
1.
=
0.
..y1
z1
y1
1.
=
y1
0.
..1
1
1.
+
z1
0.

..1
0
1.
v1
=
,
Page11of132
GoBack
FullScreen
Close
Quit
z1
z101
0.
x2
y2
1.
=
0.
..y2
z2
y2
1.
=
y2

0.
..1
1
1.
+
z2
0.
..1
0
1.
v2
=
.
z2
z2
01
Sehingga
untuk
a,
b
.
R,
didapat:
av1
+
bv2
=(ay1
+
by2)
0.
..1
1

1.
+(az1
+
bz2)
0.
..1
0
1.
.
B.
01

HomePage
TitlePage
JJII
JI
Page12of132
GoBack
FullScreen
Close
Quit
2.
Misalkan
ruang
vektor
dari
semua
himpunan
fungsi
yaitu
V
=
ff
:
R
.
R}
dan
D
.
V
,
dimana
.
d2f
.
D
=
f
.
V
+
f
=0
,
maka
D
adalah
ruang
bagian
dari
.

dx2
ruang
vektor
V
atas
R.
Sebab,
misalkan
f,
g
.
D
dan
a,
b
.
R,
maka
d2(af
+
bg)
d2fd2g
+(af
+
bg)=
a
+
af
+
b
+
bg
dx2
dx2
dx2
d2fd2g
=
a(+
f)+
b(+
g)=
a0+
b0=0.
dx2
dx2
Jadi
af
+
bg
.

D.
3.
Himpunan
P3(R)
adalah
ruang
bagian
dari
ruang
vektor
Pn(R)
atas
lapangan
R
dengan
n
=
3.
Sebab,
misalkan
p(x);q(x)
.
P3(R)
dan
a,
b
.
R,
maka
2
2
ap(x)+
bq(x)=
a(a0
+
a1x
+
a2x
+
a3x
3)+
b(b0
+
b1x
+
b2x
+
b3x
3)
2
=(aa0
+
bb0)+(aa1
+

bb1)x
+(aa2
+
bb2)x
3
+(aa3
+
bb3)x.
Jadi
ap(x)+
bq(x)
.
P3(R).

HomePage
TitlePage
JJII
JI
Page13of132
GoBack
FullScreen
Close
Quit
Himpunan
Pembentang,
Bebas
linier
dan
Basis
Misalkan
V
suatu
ruang
vektor
atas
K
dan
S
.
V
.
Himpunan
pembentang
dari
S
adalah
himpunan:
def
<S>=
fx1s1
+
::.
+
xnsn
|
x1,
.
.
.
,
xn
.
K,
s1;:::,
sn
.
Sg.
Penulisan

x1s1
+
::.
+
xnsn
juga
dinamakan
kombinasi
linier
dari
vektor-vektor
s1;:::,
sn.
Berikutini
diberikan
sifat
dari
suatu
<S>
sebgaimana
berikut.
Bila
V
merupakan
suatu
ruang
vektor
atas
K
dan
S
.
V
,
maka
<S>
adalah
suatu
ruang
bagian
dari
V
.
Bukti
Misalkan
v
=
x1s1
+
::.
+
xnsn
dan
w
=
xn+1sn+1

+
::.
+
xmsm
di
<S>
dan
a,
b
.
K,
maka
av
+
bw
=
a(x1s1
+
::.
+
xnsn)+
b(xn+1sn+1
+
::.
+
xmsm)
=(ax1)s1
+
::.
+(axn)sn
+(bxn+1)sn+1
+
::.
+(bxm)sm.
Terlihat
bahwa
av
+
bw
2<S>,
oleh
karena
itu
<S>
adalah
ruang
bagian
dari
V
.

Contoh
1.
Misalkan
V
ruang
vektor
atas
K
untuk
setiap
v
.
V
,
maka
<
fv}
>=
fkv
|
k
.
Kg.
2.
Misalkan
ruang
vektor
R3
atas
R,
maka
R2
<
fe1,
e2}
>=
dimana
e1
=
(1,
0,
0).
dan
e2
=
(0,
1,
0).
.
Sebab,
1.

HomePage
TitlePage
J.
I.
.
.
Page14of132
GoBack
FullScreen
Close
Quit
8.
:8
.
.
9.
;.
.
0.
1.
x
R2
x,
y
.
R
=
y
0
9.
.
0.
0.

1
0
x,
y
.
R
0
1
+
y
=
x
0
0
=
fxe1+
ye2
|
x,
y
.
R}
=<
fe1,
e2}
>.

HomePage
TitlePage
JJII
JI
Page15of132
GoBack
FullScreen
Close
Quit
Berikut
ini
diberikan
sifat
dari
suatu
himp
unan
pembentang.
Misalkan
V
suatu
ruang
vektor
atas
K
dan
hS.
adalah
suatu
himpunan
pembentang
dari
S
dan
v
.
V
,
maka
hS.
=
hS
[fvg.
bila
dan
hanya
bila
v
2hS.
Bukti.
Misalkan
hS.
=
hS
[fvgi,
jelas
bahwa

v
2hS
[fvgi.
Jadi
juga
v
2hSi.
Sebaliknya
misalkan
bahwa
v
2hSi,
akan
ditunjukkan
bahwa
hS.
=
hS
[fvgi.
Jel
as
bahwa
S
hS
[fvgi.
Tinggal
menunj
ukkan
bahwa
hS
[fvg.
.
hSi.Tulis
v
=
a0s0+
::.
+
ansn
dan
misalkan
w
2hS
[fvgi.
Didapat
w
=
b0v
+
an+1sn+1
+
::.
+
amsm
=
(b0a0)s0+
::.
+(b0an)sn
+
an+1sn+1

+
::.
+
amsm.
Terlihat
bahwa
w
2hSi.
Jadi
hS
[fvg.
.
hS.
dan
karena
hSihS
[fvgi,
oleh
karena
itu
haruslah
hS.
=
hS
[fvgi.

Contoh
Misalkan
dalam
R3,
vektor-vektor
HomePage
TitlePage
JJII
JI
Page16of132
GoBack
FullScreen
Close
Quit
v1
=
0.
1
0
1.
,
v2
0.
0
1
1.
dan
v3
=
0.
2

3
1.
.
00
0
Didapat
v3
=2v1
+3v2,
jadi
v3
.
hfv1,
v2gi.
Maka
dari
itu,
hfv1,
v2g.
=
hfv1,
v2,
v3gi.
Sifat
dari
suatu
himpunan
pembentang
yang
dibahas
sebelumnya,
mengatakan
bahwa
suatu
vektor
v
bisa
dihapus
unt
uk
memperoleh
himpunan
baru
S
den
gan
himpunan
pembentang

yang
sama
bila
dan
hanya
bila
v
merupakan
kombinasi
linier
dari
vektor-vektor
di
S.
Jadi
den
gan
pengertian
ini,
suatu
himpunan
S
.
V
adalah
minimal
bila
dan
hanya
bila
ia
tidak
memuat
vektor-vektor
yang
merup
akan
kombinasi
linier
dari
vektor-vektor
yang
lainnya
dalam
himpunan
tersebut.

HomePage
TitlePage
JJII
JI
Page17of132
GoBack
FullScreen
Close
Quit
Berikut
ini
diberikan
suatu
pengertian
mengenai
bebas
lini
er.
Vektor-vektor
v1,
v2;:::,
vn
di
suatu
ruang
vektor
V
atas
lapangan
K
dikatakan
bebas
linier
bila
vektor
vi,
i
=1,
2;:::;n
bukan
merupakan
suatu
kombinasi
linier
dari
vektor-vektor
yang
lainnya.
Bila
tidak
demikian,
maka
vektor-vektor
vj,
j
=1,
2;:::;n
dikatakan
bergantungan

linier.
Misalkan
Vektor-vektor
s1;:::,
sn
.
S
.
V
,
dengan
V
suatu
ruang
vektor
atas
K,
vektor-vektor
si,
i
=1,
2
:::;n
bebas
linier
bila
dan
hanya
bila
x1s1
+
::.
+
xnsn
=
0,
xi
.
K
dipenuhi
hanya
untuk
x1
=
::.
=
xn
=0.
Bukti
Misalkan
si
.
S,
i
=1,
2

:::;n
bebas
linier
dan
andaikan
x1s1+:::+
xnsn
=
0
tetapi
untuk
beberapa
i,
xi
=06
.
Didapat
si
=(..x1
)s1
+
xi
::.
+(..xi..1
)si..1
+(..xi+1
)si+1
+
::.
+(..xn
)sn.
Terlihat
bahwa
si
xi
xi
xi
merupakan
kombinasi
linier
dari
vektor-vektor
sj;j
6
=
i.
Hal
ini
bertentangan
dengan
kenyataan
bahwa
si,
i
=1,
2;:::;n
bebas

linier.
Jadi
haruslah
x1s1
+
::.
+
xnsn
=0
dipenuhi
hanya
untuk
x1
=
::.
=
xn
=0.
Selanjutnya
misalkan
x1s1
+:::+xnsn
=
0,
xi
.
K
dipenuhi
hanya
untuk
x1
=
::.
=
xn
=0,
maka
jelas
bahwa
si,
i
=1,
2
:::;n
bebas
linier.
Bila
tidak
berarti
bahwa
untuk
beberapa
i,si
=
c1s1
+
::.
+
ci..1si..1
+

ci+1si+1
+
::.
+
cnsn
atau
0
=
c1s1
+
::.
+
ci..1si..1
+
cisi
+
ci+1si+1
+
::.
+
cnsn
dengan
ci
=
..1.
Ini
bertentangan
dengan
kenyataan
bahwa
0
=
c1s1
+
::.
+
ci..1si..1
+
cisi
+ci+1si+1
+:::+cnsn
dipenuhi
hanya
unuk
ci
=0;i
=1,
2;:::;n.

HomePage
TitlePage
JJII
JI
Page18of132
GoBack
FullScreen
Close
Quit
Komentar
Pernyataan
vektor-vektor
si,
i
=
1,
2
:::;n
dalam
ruang
vektor
V
atas
K
bebas
linier
ekivalen
dengan
x1s1+
::.
+
xnsn
=
0,
xi
.
K
dipenuhi
hanya
untuk
x1=
::.
=
xn
=0.
Bila
V
=
Rn
dan
K
=
R,
maka
vektor-vektor
si,
i
=1,

2
:::;n
dalam
ruang
vektor
Rn
atas
R
bebas
linier
mempunyai
arti
bahwa
sistem
persamaan
linier
homogin
x1s1+
::.
+
xnsn
=
0
mempunyai
penyeles
aian
trivial,
yaitu
xi
=0;i
=1,
2;:::;n.
Bila
persamaan
homogin
ini
mempunyai
jawab
non
trivial,
yaitu
xi
6=0
untuk
beberapa
i,
maka
hal
ini
berarti
bahwa
vektor-vektor
si
tsb.
tidak
bebas
linier

atau
bergantunga
n
linier.
Bila
vektor
s
6
=
0
di
ruang
vekt
or
Rn
dan
memenuhi
s
=
x1s1+
::.
+
xnsn,
yaitu
vektor
s
merupakan
kombinasi
linier
dari
vektor-vektor
s1;:::,
sn.
Hal
ini
berarti
bahwa
sistem
persamaan
linier
tak
homogin
s
=
x1s1+
::.
+
xnsn,
mempunyai
jawab
x
=(x1,
.
.
.
,
xn).
.

HomePage
TitlePage
JJII
JI
Page19of132
GoBack
FullScreen
Close
Quit
Contoh
1.
Dalam
R4
vektor
(1,
4,
..2,
6).
adalah
kombinasi
linier
dari
dua
vektor
(1,
2,
0,
4).
dan
(1,
1,
1,
3).
,
sebab:
(1,
4,
..2,
6).
=
3(1,
2,
0,
4)02(1,
1,
1,
3).
.
Sedangkan
vektor
(2,
6,
0,
9).
bukan
kombinasi

linier
(1,
2,
0,
4)
dan
(1,
1,
1,
3)0,
sebab
bila
(2,
6,
0,
9).
=
x1(1,
2,
0,
4).
+
x2(1,
1,
1,
3).
ekivalen
dengan
sistem
persamaan
linier
x1
+
x2
=2
2x1
+
x2
=6
x2
=0
4x1
+3x2
=9
mudah
dicek
bahwa
sistem
persamaan
linier
ini
tidak
memp
unyai
jawab.
2.

Misalkan
ruang
vektor
V
=
ff
:
R
.
R}
atas
R,
maka
fungsi
cos
2x
merupakan
kombinasi
linier
dari
fungsi-fungsi
2
cosx,
sinh2
x
dan
cosh2
x,
sebab
cos
2x
=
2
cos2
x
+
sinh2
x
cosh2
x,
ingat
bahwa
cos
2x
=
2
cos2
x
1
dan
cosh2
x
sinh2
x
=1.

3.
Dilanjutkan
halaman
berikutnya!

HomePage
TitlePage
JJII
JI
Page20of132
GoBack
FullScreen
Close
Quit
Lanjutan
Contoh
3.
Misalkan
tiga
vektor
v1
=
(1,
2,
3).
,
v2
=
(3,
2,
1).
dan
v3
=
(3,
3,
3).
di
R3
.
Maka
hfv1,
v2,
v3g.
=
fx1v1
+
x2v2
+
x3v3
|
x1;x2;x3
.
R}
=
f(x1
+3x2
+3x3,
2x1
+2x2
+3x3,
3x1

+
x2
+3x3)0}
Tulis
(x,
y,
z).
=(x1
+3x2
+3x3,
2x1
+2x2
+3x3,
3x1
+
x2
+3x3).
.
Didapat:
0.
x
y
1.
=
0.
133
223
0.
1.
x1
x2
1.

,
z
313
x3
(1
2
1)
0.
x
y
1.
=
(1
2
1)
0.
133
223
0.
1.
x1
x2
1.

=0,
z
313
x3
atau
x
2y
+
z
=0.
Catatan
3v1
+3v2
4v3
=
0
dan
juga
det
0.
133
223
1.
=0.
3
13
4.
Dilanjutkan
halaman
berikutnya!

Lanjutan
Contoh
4.
Dua
vektor
v1
=
.
40
15
.
,
v2
=
.
..50
25
0.
R2
sebab
x1v1
+
x2v2
=
0
dipenuhi
hanya
untuk
x1
=
x2
=0,
hal
ini
bisa
dicek
sbb:
HomePage
TitlePage
15
40x1
50x2
=
0
40x1
50x2

0
=
B1
+
B2
175
15x1
+
25x2
=0
0
40
x2
=
4
didapat
x2
=0
dan
x1
=0.
5.
Diberikan
S
.
R3
dimana
J.
I.
.
.
S
=

8.
.
0.
9.
.
1
0
1.
,
0.
0
2
1.
0.
1
2
1.
,
0.
0
..1

1.
0.
1.
3
3
,
,
000
1
0
Page21of132
GoBack
FullScreen
Close
Quit
Perhatikan
persamaan
berikut:
x1
0.
1
0
1.
+
x2
0.
0
2

1.
+
x3
0.
1
2
1.
+
x4
0.
0
..1
1.
+
x5
0.
1.
=
0.
1.
.
3
3
0

0
000
1
00
Himpunan
penyelesaiannya
adalah:
.
.
x1
.
.
..1
.
.
..3
.
.
.
>>>>>
<
..1
1
0
..3=2

0
0
.
>>>>>
=
x2
x3
x4
.
BB
.
BBB
.
.
CC
.
CCC
.
=
x3
.
BB
.
BBB
.
.
CC
.
CCC
.
+
x5
.
BB
.
BBB
.

.
CC
.
CCC
.
.

.
x3;x5
.
R
.
>>>>>
.
.
>>>>>
;
0
1
x5

Lanjutan
Contoh
5.
Himpunan
penyelesaiannya
adalah:
.
.
x1
.
.
..1
.
.
..3
.
.
.
>>>>>
<
x2
..1
..3=2
x3
=
x3
1+
x5
0
x3;x5
.
R
.
>>>>>

=
HomePage
TitlePage
.
BBBBB
.
.
BBBBB
.
.
CCCCC
.
0
0
.
BBBBB.
.
CCCCC
.
.
CCCCC
.
0
x4
.
>>>>>
.
.
>>>>>
;
1
x5
Hal
ini

menunjukkan
bahwa
semua
vektor
di
S
saling
bergant
ungan
linier.
Untuk
x3
=0;x5
=1,
didapat
bahwa
vektor
yang
ke-5
dalam
S
merupakan
kombinasi
linier
dari
dua
vektor
yang
pertama.
Gunakan
sifat
yang
telah
dipunyai
untuk
menghapus
vektor
yang
ke-5
sehingga
didapat:
J.
I.
.
.
Page22of132
GoBack
FullScreen
Close
Quit
S1
=

8.
.
0.
1
0
1.
,
0.
0
2
1.
,
0.
1
2
1.
,
0.
0
..1
000
1

1.
9.
.
,
dalam
hal
ini
<S>=<S1
>.
Juga
terlihat
bahwa
vektor
yang
ke-3
dalam
S1
merupakan
kombinasi
linier
dari
dua
vektor
yang
pertama,
sehingga
vektor
ke-3
ini
bisa
dihapus
dan
didapat:
8.
.
0.
1.
0.
1.
0.

1.
9.
.
1
0
,
0
..1
.
S2
=
0
2
,
00
1
Juga,
dalam
hal
ini
<S1
>=<S2
>.
Jadi
<S>=<S2
>.

HomePage
TitlePage
JJII
JI
Page23of132
GoBack
FullScreen
Close
Quit
6.
Misalkan
tiga
vektor
v1
=
(1,
1,
0).
,
v2
=
(5,
1,
..3).
dan
v3
=
(2,
7,
4).
di
R3,
maka
hfv1,
v2,
v3g.
=
fx1v1
+
x2v2
+
x3v3
|
x1;x2;x3
.
R}
=
fx1(1,
1,
0).
+
x2(5,
1,
..3).
+
x3(2,
7,

4)0|
x1;x2;x3
.
R}
=
f(x1
+5x2
+2x3;x1
+
x2
+7x3,
..3x2
+4x3)0jx1;x2;x3
2Rg.
Tulis
(x,
y,
z).
=(x1
+5x2
+2x3;x1
+x2
+7x3,
..3x2
+4x3)0,
didapat:
0.
x
y
1.
=
0.
152
117
0.
1.

x1
x2
1.
.
z
0
..34
x3
Sehingga
diperoleh:
0.
..25
26
..33
4
..4
5
0.
1.
x
y
1.
=
0.
..25
26

..33
4
..4
5
0.
1.
152
117
0.
1.
x1
x2
1.
3
..34
z
3
..34
0
..34
x3
=
0.
100
010
0.
1.

x1
x2
1.
=
0.
x1
x2
1.
.
0
01
x3
x3
Terlihat
bahwa,
untuk
setiap
(x,
y,
z)0.
R3
selalu
bisa
dipero
leh
x1;x2;x3
.
R
sehingga
hfv1,
v2,
v3g.
=
x1v1
+
x2v2
+
x3v3.
Jadi

hfv1,
v2,
v3g.
=
R3
.

HomePage
TitlePage
JJII
JI
Page24of132
GoBack
FullScreen
Close
Quit
Basis
dan
Dimensi
Misalkan
B
=
fb1,
b2;:::g.
V
dimana
V
adalah
ruang
vektor
atas
K.
Bila
hfb1,
b2;:::g.
=
V
dan
vektor-vektor
b1,
b2;::.
bebas
linier
maka
B
dikatakan
suatu
basis
dari
V
.
Banyaknya
anggota
dari
B
dinamakan
dimensi
dari
ruang
vektor
V
.
Contoh:
1.

Dalam
R2
,
B1
=
f(2,
4).
,
(1,
1)0}
adalah
suatu
basis
dari
R2
,
basis
yang
lainnya
adalah
B2
=
f(1,
0).
,
(0,
1)0g.
Secara
umum
B3
=
f(a11;a21).
,
(a12;a22)0}
adalah
suatu
basis
dari
R2
bila
.
a11
a12
.
det
6
=0.
a21
a22
2.
Ruang
vektor
V

=
fx1
cos
.
+
x2
sin
.
|
x1;x2
.
R}
atas
R,
maka
suatu
basis
dari
V
adalah
fcos
,
sin
g.
2
3.
Dalam
ruang
vektor
P3(x),
maka
f1;x;x;x3}
adalah
suatu
2
34
basis
dari
P3(x).
Sedangkan
f1;x;x;x;x:::}
adalah
suatu
basis
dari
ruang
vektor
P1(x).
4.
Dalam
ruang
vektor
M2;2(R),
yaitu
himpunan
matriks

ukur
an
2

2
dengan
elemen-elemen
di
R,
maka
.
10
.
01
.
00
.
00
.
;;;
00
00
10
01
adalah
suatu
basis
dari
M2;2(R).

Sifat
Misalkan
V
suatu
ruang
vektor
atas
K
dan
fv1,
.
.
.
,
vng
men
v
.
adalah
suatu
basis
dari
V
,
V
dapat
diungkapkan
secara
maka
setiap
elet
unggal
sebagai:
v
=
x1v1
+
.
.
.
+
xnvn,
x1,
.
.
.
,
xn
.
K.
Bukti
Misalkan
v
=
a1v1

+
::.
+
anvn,
dan
v
=
x1v1
+
::.
+
xnvn,
didapat:
(x1
a1)v1
+
::.
+(xn
a0)vn
=
0,
karena
vektor-vektor
v1;:::,
vn
bebas
linier,
maka
haruslah
x1
a1
=0,
.
.
.
,
xn
an
=0.
Sehingga
diperoleh
x1
=
a1,
.
.
.
,
xn
=
an.
Berikut
ini,
diberikan

suatu
sifat
untuk
ruang
vektor
Rn
atas
R,
yaitu
misalkan
vi
.
Rn,
i
=1,
2;:::;m.
Bila
m>n,
maka
vektor-vektor
vi,
i
=1,
2;:::;m
bergantungan
linier.
Bukti
Untuk
setiap
j
=1,
2;:::;m,
tulis
vektor
vj
=
(a1j,
a2j,
.
.
.
,
anj)0,
sehingga
persamaan
x1v1
+:::+xmvm
=
0
dalam
bentuk
matriks
adalah:
HomePage
TitlePage
JJII

JI
Page25of132
GoBack
FullScreen
Close
Quit
0.
0.
1.
x1
.
.
.
1.
=
0.
0
.
.
.
0
1.
.
a11
::.
a1m
..
..

..
an1
::.
anm
xm
Terlihat
bahwa,
persamaan
homogin
terdiri
dari
n
persamaan
dengan
variabel
yang
takdiketahui
sebanyak
m.
Karena
m>
n,
maka
persamaan
mempunyai
suatu
solusi
yang
nontrivial,
yaitu
ada
beberapa
xk,
k
=1,
2;:::;m
yang
tidak
semuanya
sama
dengan
nol.
Jadi
vj,
j
=1,
2;:::;m
bergantungan
linier.

HomePage
TitlePage
JJII
JI
Page26of132
GoBack
FullScreen
Close
Quit
Contoh
Dalam
ruang
vektor
R2
atas
R,
Misalkan
v1=(a11;a21).
,
v2=(a12;a22)0.
R2
.
Bila
vektor-vektor
v1,
v2,
bebas
linier,
maka
pers
amaan:
x1v1+
x2v2=
0
atau
dalam
bentuk
matriks:
Ax
=
0
dengan
.
a11
a12
.
x1
.
0
.
A
=
,
x
=

dan
0
=
0
a21
a22
x2
mempunyai
jawab
trivial
hanya
bila
det(A)
6
=
0.
Secara
geometris,
hal
ini
menyatakan
bahwa
luas
daerah
jajaran
genjang
yang
dibentuk
oleh
dua
vektor
v1
dan
v2
sama
dengan
|
det(A)j.
Sebaliknya
bila
det(A)=
0,
maka
luas
daerah
ini
sama
dengan
0.
Hal
ini
menunjukkan
bahwa

dua
vektor
v1
dan
v2
terletak
pada
satu
garis
yang
sama
atau
dengan
kata
lain
dua
vektor
v1
dan
v2
bergantungan
linier.
Jadi
fv1,
v2}
adalah
suatu
basis
dari
R2
dengan
dimensi
2
(men
gapa?).

HomePage
TitlePage
JJII
JI
Page27of132
GoBack
FullScreen
Close
Quit
Sifat.
Misalkan
V
suatu
ruang
vektor
atas
K
dan
fv1;:::,
vng
suatu
basis
dari
V
.
Selanjutnya,
bila
vektor-vektor
u1;:::,
um
dengan
m>n,
maka
vektor-vektor
u1;:::,
um
bergantungan
linier.
Bukti
Karena
fv1;:::,
vn}
suatu
basis
dari
V
,
didapat:
u1
=
a11v1
+
::.

+
an1vn
.
.
.
um
=
a1mv1
+
::.
+
anmvn,
dimana
aij
.
K,
i
=1,
2;:::;n
dan
j
=1,
2;:::;m.
Untuk
x1,
.
.
.
,
xm
.
K
dan
diketahui
bahwa
fv1;:::,
vn}
bebas
linier,
didapat:
0
=
x1u1
+
::.
+
xmum
=
x1(a11v1
+

::.
+
an1vn)+
::.
+
xm(a1mv1
+
::.
+
anmvn)
=(a11x1
+
::.
+
a1mxm)v1
+
::.
+(an1x1
+
::.
+
anmxm)vn
dan
haruslah
a11x1
+
::.
+
a1mxm
=0,
.
.
.
,
an1x1
+
::.
+
anmxm
=0
atau
dengan
notasi
matriks:
0.
a11
::.
a1m
0.
1.

x1
1.
0.
0
1.
..
..
.
.
.
.
=
..
.
.
0
.
an1
::.
anm
xm
Persamaan
homogin
diatas
mempunyai
jawab
non-trivial
(seb

ab
m>n).
Jadi
vektor-vektor
u1;:::,
um
bergantungan
linier.

Kesimpulan
Misalkan
V
suatu
ruang
vektor
atas
K
dengan
dimensi
hingga.
Maka
setiap
dua
basis
yang
berbeda
dari
V
harus
mempunyai
banyak
elemen
yang
sama.
Contoh
2
1.
Dalam
ruang
vektor
P3(R)
atas
R,
B
=
f1;x;x;x3}
adalah
suatu
basis
baku
dari
P3(R).
Basis
yang
lainnya
adalah
B2
=
2
2
f1,
1+

x,
1+
x
+
x,
1+
x
+
x+
x3g.
2.
Persamaan
homogin
Ax
=
0,
diberikan
oleh
:
HomePage
TitlePage
JJII
JI
Page28of132
GoBack
FullScreen
Close
Quit
.
.
.
B.
BB
.
.
C.
CC
.
.
B.
BB
.
.
C.
CC
.

.
x1
13
..51
5
14
..73
..2
15
..95
..9
0
0
0
x2
x3
x4
.
BB
.
BBB
.
.
CC
.
CCC
.
=
03
..62
..1

0
x5
Himpunan
penyelesaiannya
adalah:
.
.
.
1
.
.
1
1
.
>>>>>
<
hfv1,
v2g.
=
x
=
x1
..23
..1+
x2
0
x1;x2
.
R
.
>>>>>

=
.
BBBBB
.
.
BBBBB
.
.
CCCCC
.
.
CCCCC
.
0
..5
.
>>>>>
.
.
>>>>>
;
0
..1
merupakan
suatu
ruang
vektor
atas
R
dengan
dimensi
dua.

HomePage
TitlePage
JJII
JI
Page29of132
GoBack
FullScreen
Close
Quit
Misalkan
V
suatu
ruang
vektor
atas
K
berdimensi
hingga.
Maka
setiap
himpunan
hingga
S
.
V
yang
terdiri
dari
vektorv
ektor
bebas
linier
di
V
tetapi
S
bukan
merupakan
suatu
basis
dari
V
dapat
diperl
uas
sampai
merupakan
suatu
basis
dari
V
.
Bukti.
Misalkan
S
=
fv1;:::,
vm}
deng

an
vi,
i
=1;:::;m
adalah
vektor-vektor
yang
bebas
linier.
Karena
hSi6
=
V
,
maka
pilih
vektor
vm+1
.
V
sehingga
vm+1
bukan
kombinasi
linier
dari
vektor-vektor
vj,
j
=1,
2;:::;m.
Selanjutnya
namakan
T
=
fv1;:::,
vm,
vm+1g,
bila
hT
.
=
V
,
maka
T
adalah
basis
dan
sudah
tidak
bisa
lagi
diperluas
menjadi
vektor-vektor
yang
be-

bas
linier.
Bila
hT
i6
=
V
,
lakukan
lagi
cara
perluasan
seperti
sebelumnya
sehingga
diperoleh
himpunan
vektor-vektor
yang
bebas
linier
di
U
yang
memenuhi
hU.
=
V
.

HomePage
TitlePage
JJII
JI
Page30of132
GoBack
FullScreen
Close
Quit
Kesimpulan.
Misalkan
V
ruang
vektor
atas
K
berdimensi
n,
maka
setiap
himpunan
dari
n
vektor
yang
bebas
linier
adalah
sua
tu
basis
dari
V
.
Contoh
Misalkan
S
=
f(1,
1,
1).
,
(0,
..1,
0)0}
.
R3,
jelas
bahwa
vektor-vektor
di
S
bebas
linier
dan

hS.
=
fx(1,
1,
1)0+y(0,
..1,
0).
=(x,
x..y,
x)0jx,
y
.
Rg,
jelas
bahwa
bila
(x1;x2;x3)02hSi,
maka
x3=
x1.
Oleh
karena
itu
(x,
y,
z)02hS.
bila
=
x
=6z.
Pilih
vektor
(1,
0,
0)
sehingga
didap
at
T
=
f(1,
1,
1).
,
(0,
..1,
0).
,
(1,
0,
0)0}
dimana
vektor-vektor
di
T
bebas
linier,
maka
dari

itu
T
merupakan
suatu
basis
dari
R3
.

HomePage
TitlePage
JJII
JI
Page31of132
GoBack
FullScreen
Close
Quit
Jumlahan
Langsung.
Misalkan
U
dan
V
adalah
ruang
bagian
dari
suatu
ruang
vektor
W
atas
K
dengan
dimensi
hingga,
maka
dim(U
+
V
)=
dim(U)+dim(V
)
..dim(U
\V
),
dimana
U
+
V
=
fu+v
ju
.
U,
v
.
V
g.
Bukti.
Misalkan
fz1;:::,
zr}

suatu
basis
dari
U
\V
perluas
basis
ini
masing-masing
menjadi
fz1;:::,
zr,
u1;:::,
um}
adalah
suatu
basis
dari
U
dan
fz1;:::,
zr,
v1;:::,
vn}
suatu
basis
dari
V
.
Terl
ihat
bahwa,
dim(U
n
V
)=
r,
dim(U)=
r
+
m
dan
dim(V
)=
r
+
n.
Selanjutnya,
ditunjukkan
bahwa
fz1;:::,
zr,
u1;:::,
um,
v1;:::,
vng
adalah
suatu
basis
dari

U
+
V
.
Sehingga,
dalam
hal
ini
didapat
dim(U
+
V
)=
r
+
m
+
n
=(r
+
m)+(r
+
n)
r
=
dim(U)
+
dim(V
)
dim(U
\V
).
Misalkan
sebarang
w
.
U
+
V
,
maka
w
=
u+
v
untuk
beberapa
u
.
U
dan
beberapa
v
.
V
.
Dengan
kenyataan

bahwa
u
=
a1z1
+
::.
+
arzr
+
b1u1
+
::.
+
bmum
untuk
beberapa
skalar
ai,
bj
dan
v
=
c1z1
+
::.
+
crzr
+
d1v1
+
::.
+
dmvn
untuk
beberapa
skalar
ck,
dl,
didapat:
w
=
u+v
=(a1+c1)z1+:::+(ar+cr)zr+b1u1+:::+bmum+d1v1+:::+dmvn
terlihat
bahwa
w
.
hfz1;:::,
zr,
u1;:::,
um,
v1;:::,
vngi.
Maka
dari
itu

didapat
hfz1;:::,
zr,
u1;:::,
um,
v1;:::,
vng.
=
U
+
V
.

HomePage
TitlePage
JJII
JI
Page32of132
GoBack
FullScreen
Close
Quit
Lanjutan
Bukti......
Diberikan
x1z1
+
:::+
xrzr
+
xr+1u1
+
::.
+
xr+mum
+
xr+m+1v1
+
:::+
xr+m+nvn
=
0
untuk
beberapa
skalar
xj.
Tulis
w
=
x1z1
+:::+xrzr
+xr+1u1
+:::+
xr+mum,
didapat
w
=
..xr+m+1v1
+
::.
xr+m+nvn.
Terlihat
bahwa
w
.
U
dan

w
.
V
,
jadi
w
.
U
n
V
.
Tetapi
fz1;:::,
zr}
adalah
suatu
basis
dari
U
n
V
,
jadi
w
=
b1z1
+
::.
+
brzr
untuk
beberapa
skalar
bi.
Sehingga
didapat
b1z1
+
::.
+
brzr
=
..xr+m+1v1
+
::.
xr+m+nvn
atau
b1z1
+
::.
+
brzr
+
xr+m+1v1
+
::.
+
xr+m+nvn
=

0.
Tetapi
fz1;:::,
zr,
v1;:::,
vn}
adalah
suatu
basis
dari
V
,
maka
dari
itu
haruslah
b1
=
::.
=
br
=
xr+m+1
=
::.
=
xr+m+n
=0,
sehingga
persamaan
x1z1
+
::.
+
xrzr
+
xr+1u1
+
::.
+
xr+mum
+
xr+m+1v1
+
::.
+
xr+m+nvn
=
0
menjadi
x1z1
+
::.
+
xrzr
+
xr+1u1
+
::.
+

xr+mum
=
0.
Tetapi
fz1;:::,
zr,
u1;:::,
um}
juga
adalah
suatu
basis
dari
U.
Jadi
haruslah
x1
=
::.
=
xr
=
xr+1
=
::.
=
xr+m
=0.
Sehingga
didapat
xk
=0;k
=1,
2;:::;r+m+n.
Jadi
vektor-vektor
z1;:::,
zr,
u1;:::,
um,
v1;:::,
vn
bebas
linier.

HomePage
TitlePage
JJII
JI
Page33of132
GoBack
FullScreen
Close
Quit
Contoh
R2
Misalkan
W
=
,
u1
=
(1,
1,
0,
0).
,
u2
=(..3,
7,
2,
1)0;U
=
hfu1,
u2gi
dan
V
=
f(x1;x2;x3,
0)0jxi
.
Rg.
Vektor-vektor
u1,
u2
bebas
linier,
sebab
bila
a1u1
+
a2u2
=
0
atau
a1(1,
1,
0,
0).
+
a2(..3,

7,
2,
1).
=
0
didapat
a1
=
a2
=0.
Jadi
dim(U)=2.
Suatu
basis
dari
V
adalah
e1
=
(1,
0,
0,
0).
,
e2
=
(0,
1,
0,
0).
,
e3
=
(0,
0,
1,
0).
.
Jadi
dim(V
)=3.
Perhatikan
bahwa
e4
=
(0,
0,
0,
1).
=
(..3,
7,
2,
1).
+3(1,
0,
0,
0)0..7(0,
1,
0,

0)0..2(0,
0,
0,
1).
=
u2
+3e1
..7e2
..2e3.
Jadi
e4
.
U
+V
.
Karena
e1,
e2,
e3
juga
di
U
+V
,
maka
fe1,
e2,
e3,
e4g
adalah
suatu
basis
dari
U
+
V
.
Jadi
dim(U
+
V
)=4.
Sehingga
didapat:
dim(U
n
V
)
=
dim(U)
+
dim(V
)
dim(U
+
V
)
=
2+3

4=1.
Bisa
dicek
secara
langsung
bahwa
vektor-vektor
di
U
\V
adalah
vektor-vektor
di
U
dengan
komponen
ke-empat
sama
dengan
nol,
yaitu
vektor
b1u1
+
b2u2
=(b1
3b2;b1
+7b2,
2b2;b2).
dimana
b2
=0.
Jadi
U
n
V
=
hfu1gi.
Terlihat
bahwa
dim(U
n
V
)=1.
Catatan.
Bila
U,
V
ruang
bagian
berdimensi
hingga
masingm
asing
dengan
basis

fu1;:::,
um}
dan
fv1;:::,
vng.
Misalkan
W
=
U
+
V
dan
sebarang
w
.
W
.
Didapat
w
=
u
+
v
=
a1u1+:::+amum+b1v1+:::+bnvn
atau
W
=
hfu1;:::,
um,
v1;:::,
vngi.
Selanjutnya
reduksi
vektor-vektor
u1;:::,
um,
v1;:::,
vn
menjadi
vektor-vektor
yang
bebas
linier
(sampai
minimal)
dan
himpun
kedalam
himpunan
S,
sehingga
didapat
W
=
hfSgi.
Jadi
dim
ensi
dari

W
sama
dengan
banyaknya
vektor-vektor
di
S.

HomePage
TitlePage
JJII
JI
Page34of132
GoBack
FullScreen
Close
Quit
Bila
U
dan
V
adalah
ruang
bagian
berdimensi
hingga
dengan
U
n
V
=
f0g,
maka
U
+
V
dinamakan
jumlahan
langsung
dari
U
dan
V
.
Contoh.
Himpunan
U
=
f(x1;x2,
0)0|
x1;x2
.
R}
dan
V
=
f(0,
0;x3)0jx3
.
R}
adalah
ruang
bagian
dari
ruang

vektor
R3
atas
Rdimana
U\V
=
f0g.
Jadi
U+V
adalah
jumlahan
langsung
dari
U
dan
V
,
U
+V
=
f(x1;x2,
0)0+(0,
0;x3).
=(x1;x2;x3)0jx1;x2;x3
.
R3
R}
=
fx1(1,
0,
0).
+
x2(0,
1,
0).
+
x3(0,
0,
1)0|
x1;x2;x3
.
R}
=
,
terlihat
bahwa
dim(U
+
V
)=3.
Perhatikan
bahwa
U
=
f(x1;x2,
0)0|
x1;x2
.
R}

=
fx1(1,
0,
0).
+
x2(0,
1,
0)0|
x1;x2
.
R}
=
hf(1,
0,
0).
,
(0,
1,
0)0gi,
terlihat
bahwa
dim(U)=2.
Begitu
juga,
V
=
f(0,
0;x3)0|
x3
.
R}
=
fx3(0,
0,
1)0|
x3
.
R}
=
hf(0,
0,
1)0gi
dan
dim(V
)=1.
Makna
U
+
V
merupakan
jumlahan
langsung
dari
U
dan
V
tampak
dari
dimensi,

yaitu
dim(U
+
V
)=
dim(U)
+
dim(V
)
dim(U
n
V
)
=
2+1
0
=
3
=
dim(U)
+
dim(V
).
Hal
ini
juga
bisa
dilihat
dari
pengertian
basis
yaitu,
himpunan
f(1,
0,
0).
,
(0,
1,
0)0}
adalah
suatu
basis
dari
U
dan
himpunan
f(0,
0,
1)0}
adalah
suatu
basis
dari
V
sedangkan
himpunan
f(1,

0,
0).
,
(0,
1,
0).
,
(0,
0,
1)0}
sudah
bebas
linier
(tidak
bisa
lagi
direduksi
menjandi
himpunan
yang
lebih
kecil
lagi
sehingga
bebas
linier).
Jadi,
dari
sini
juga
langsung
didapat
bahwa
dim(U
+
V
)
=
dim(U)
+
dim(V
).
Kesimpulan.
Dimensi
dari
suatu
ruang
jumlahan
langsung
sama
dengan
jumlah
dari
masing-masing
dimensi
ruang.

HomePage
TitlePage
JJII
JI
Page35of132
GoBack
FullScreen
Close
Quit
Berikut
ini
diberikan
suatu
sifat
yang
lain
dari
ruang
jumlahan
langsung.
Setiap
w
.
W
=
U
+
V
dengan
U
n
V
=
f0}
mempunyai
penulisan
tunggal
w
=
u
+
v,
u
.
U,
v
.
V
.
Bukti.
Misalkan
w
=
u
+
v
=

v,
maka
u
+

u
u=
v
Tetapi
u
v
.
V
v.
u
.
U,v

dan
U
n
V
=
f0g.
Maka
haruslah
u
u=
0
dan
v
v=
0
atau
u
=
u
dan
v
=

v.
Koordinat.
Misalkan
fv1;:::,
vn}
adalah
sua
tu

basis
dari
suatu
ruang
vektor
atas
K.
Jadi
setiap
v
.
V
dapat
ditulis
secara
tungg
al
oleh
v
=
x1v1+
::.
+
xnvn
untuk
beberapa
skalar
x1,
.
.
.
,
xn
.
K.
Dalam
hal
ini
skalars
kalar
x1,
.
.
.
,
xn
dinamakan
koordinat
dari
vektor
v
terhadap
basis
fv1;:::,
vng.

HomePage
TitlePage
JJII
JI
Page36of132
GoBack
FullScreen
Close
Quit
Contoh.
Misalkan
V
=
R3
dengan
basis
baku
fe1
=
(1,
0,
0).
,
e2
=
(0,
1,
0).
,
e3
=
(0,
0,
1)0}
dan
misalkan
sebarang
v
=(x,
y,
z)0.
V
,
maka
v
=
xe1
+
ye2
+
ze3.
Jadi
koordinat
dari
v
terhadap
basis
fe1,
e2,

e3}
adalah
x,
y
dan
z.
Tetapi
untuk
basis
yang
lain
dari
V
,
misalkan
fv1
=
(0,
1,
1).
,
v2
=
(1,
0,
1).
,
v3
=
(1,
1,
0)0g,
maka
(..x+y+z
v
=)v1
+(x..y+z
)v2
+(x+y..z
)v3.
Koordinat
dari
vektor
2
22
..x+y+zx..y+zx+y..z
v
terhadap
basis
fv1,

v2,
v3}
adalah
,
dan
.
22
2
Terlihat
bahwa
vektor
v
terhadap
dua
basis
yang
berbeda
dari
ruang
vektor
V
mempunyai
dua
koordinat
yang
berbeda
pula.
Basis
terurut.
Adalah
perlu
dijamin
bahwa
suatu
vektor
dikaitkan
dengan
suatu
vektor
basis
yang
sesuai,
cara
baku
untuk
melakukan
hal
ini
adalah
menggunakan
penyajian
terurut
untuk
koordin
at

dan
vektor
basis.
Bila
urutan
dari
vektor-vektor
dalam
suatu
basis
dipersoalkan
dalam
hal
ini
dinamakan
basis
terur
ut
dan
basis
ini
ditulis
sebagai
suatu
barisan.
Bila
urutan
dari
vektor
basis
takdipersoalkan,
basis
tersebut
ditulis
sebag
ai
suatu
himpunan,
dalam
hal
ini
penekanan
mengenai
diskusi
dari
suatu
vektor
basis,
urutan
tidak
bergantung
pada
urutan.
Tetapi,
bila
koordinat
dari
suatu
vektor
disajikan

sebagai
baris
atau
kolom
dalam
suatu
matriks,
maka
secara
esensi
penyajian
bergantung
pada
urutan
vektor-vektor
basis.
Begitu
juga,
bila
suatu
pemetaan
linier
disajikan
sebagai
suatu
matriks,
maka
sangatlah
penting
menggunakan
vektor
basis
terurut.

HomePage
TitlePage
JJII
JI
Page37of132
GoBack
FullScreen
Close
Quit
Pemetaan
Linier
pada
Ruang
Vektor
Misalkan
U
dan
V
adalah
ruang
vektor
atas
K,
suatu
pemetaan
a
:
U
.
V
adalah
suatu
pemetaan
linier
atau
transformasi
lini
er
bila
dan
hanya
bila
memenuhi
(k1u1+k2u2)=
k1(u1)+k2(u2)
untuk
semua
k1;k2
.
K
dan
u1,
u2
.
U.
Sifat.
Bila

a
:
U
.
V
suatu
pemetaan
linier,
maka
(0)=
0.
Bukti
(0)=
(0
+
0)=
(0)+
(0),
didapat
(0)
(0)=
(0),
jadi
0
=
(0).
Contoh
1.
Misalkan
a
:
U
.
V
,
U
=
R3
dan
V
=
R2
dengan
def
((x,
y,
z)0)
=
(2x
y,
y

+
z).
.
Maka
a
adalah
pemetaan
linier,
sebab
(k1u1
+
k2u2)=
(k1(x1;y1;z1).
+
k2(x2;y2;z2)0)=
((k1x1
+
k2x2;k1y1
+
k2y2;k1z1
+
k2z2)0)
=
(2k1x1
+2k2x2
k1y1
k2y2;k1y1
+
k2y2
+
k1z1
+
k2z2).
=
(2k1x1
..k1y1;k1y1
+
k1z1).
+
(2k2x2
k2y2;k2y2
+
k2z2).
=
k1(2x1
y1;y1
+
z1).
+
k2(2x2
y2;y2
+
z2).
=
k1((x1;y1;z1)0)+

k2((x2;y2;z2)0).
def
2
2.
Misalkan
a
:
R3
.
R2
dengan
((x,
y,
z)0)=(x;y
+
z).
,
pemetaan
a
bukan
pemetaan
linier,
sebab
(2(1,
0,
0)0)=
((2,
0,
0)0)
=
(4,
0)06
=
(2,
0).
=
2(1,
0).
=2((1,
0,
0)0).

HomePage
TitlePage
JJII
JI
Page38of132
GoBack
FullScreen
Close
Quit
Kernel
dan
Image
Misalkan
a
:
U
.
V
suatu
pemetaan
linier
def
Image
dari
a
adalah
Im()=(U)=
f(u)
|
u
.
Ug.
V
.
def
Kernel
dari
a
adalah
ker()=
fu
.
U
|
(u)=
0g.
U.
Contoh.
Dalam
Contoh
1.
sebelumnya
Im()=

f((x,
y,
z)0)=
(2x
y,
y
+
z)0|
x,
y,
z
.
Rg,
sedangkan
ker()=
f(x,
y,
z)0|
2x
y
=
0;y
+
z
=0,
x,
y,
z
.
R}
=
fy(1
,
1,
..1)0|
y
.
Rg.
2
Beberapa
sifat
Misalkan
U
dan
V
adalah
ruang
vektor
atas
K
dan
a
:
U
.
V

suatu
pemetaan
linier,
maka
1.
Im()
adalah
ruang
bagian
dari
V
.
2.
Ker()
adalah
ruang
bagian
dari
U.
3.
Pemetaan
a
satu-satu
bila
dan
hanya
bila
ker()=
f0g.
Bukti
1.
Jelas
bahwa
Im()
.
V
.
Misalkan
sebarang
v1,
v2
.
Im()
dan
sebarang
k1;k2
.
K.
Untuk
beberapa
u1,
u2
.
U,
maka
kombinasi
linier
berikut

dipenuhi
k1v1
+
k2v2
=
k1(u1)+
k2(u2)=
(k1u1)+
(k2u2)=
(k1u1
+
k2u2)
.
Im().
Jadi
Im()
adalah
ruang
bagian
dari
V
.

HomePage
TitlePage
JJII
JI
Page39of132
GoBack
FullScreen
Close
Quit
Lanjutan
Bukti........
2.
Jelas
bahwa
ker()
.
U.
Misalkan
seb
arang
u1,
u2
.
ker()
dan
sebarang
k1;k2
.
K,
maka
(k1u1+k2u2)
=
k1(u1)+k2(u2)
=
k10
+
k20
=
0.
Terlihat
bahwa
k1u1+
k2u2
.
ker().
Jadi
ker()
adalah
ruang
bagian
dari
U.
3.
Misalkan
pemetaan
a
satu-satu

dan
seb
arang
u
.
ker(),
maka
(0)+
(u)=
(0
+
u)=
(u)=
0.
Sehingga
didapat
(u)=
..(0)=
(..0)=
(0).
Karena
pemetaan
a
satu-satu
haruslah
u
=
0.
Jadi
f0}
=
ker().
Selanjutnya
misalkan
ker()=
f0}
dan
u1,
u2
.
U,
maka
untuk
(u1)
=
(u2)
didapat,
0
=
(u1)
(u2)
=
(u1
u2).
Terlihat
bahwa
u1
-

u2
.
ker().
Tetapi,
ker()=
f0g.
Maka
dari
itu
harusl
ah
u1
u2=
0
atau
u1=
u2.
Jadi
pemetaan
a
adalah
satu-satu.

Contoh
1.
Misalkan
V
ruang
vektor
atas
K
dan
U
=
Kn
.
Diberikan
matriks
T
=[aij],
aij
.
K
dan
T
bertindak
pada
ruang
vektor
U
dengan
aturan
untuk
setiap
x
.
U:
HomePage
0.
0.
1.
x1
.
.
.
1.
=

0.
y1
.
.
.
1.
,
a11
::.
a1n
TitlePage
def
..
...
T
(x)
=
.
.
.
.
an1
::.
ann
xn
yn

JJII
n
j=1
transformasi
linier
dari
U
ke
U,
sebab
untuk
sebarang
x,
x.
U
dan
sebarang
k1;k2
.
K
berlaku:
dimana
yi
i
=1,
2;:::;n.
Maka
T
adalah
suatu
=
aijxj,
JI
Page40of132
8.
.
k1
+
k2
0.
x1

.
.
.
xn
1.
9.
.
0.
1.
0.
1.
a11
::.
a1n
x1
.
.
.
..
..
...
T
(k1x
+
k2x)
=

.
.
GoBack
an1
::.
ann
xn
0.
0.
1.
1.
a11
::.
a1n
x1
.
.
.
FullScreen
..
..
...
k1
=
.
.

an1
::.
ann
xn
0.
a11
::.
a1n
0.
1.
x1
1.
Close
..
.
...
+k2
.
.
.
.
.
.
xn
Quit
an1
::.
ann

=
k1T
(x)+
k2T
(x).

HomePage
Lanjutan
Contoh...........
2.
Dalam
Contoh
1.
sebelumnya,
maka
TitlePage
JJII
Im(T
)=
8.
.
0.
1.
9.
.
.
y1
.
.
.
1.
=
0.
0.
1.
x1

.
.
.
a11
::.
a1n
..
...
.
.
.
.
yn
an1
::.
ann
xn
Bila
T
punya
invers,
maka
ker(T
)=
f0g,
yaitu
persamaan
JI
homogin
0.
0.
1.

x1
.
.
.
1.
=
0.
0
.
.
.
0
1.
a11
::.
a1n
Page41of132
..
...
.
.
.
.

an1
::.
ann
xn
GoBack
hanya
mempunyai
jawab
trivial
x1
=
::.
=
xn
=0.
Bila
T
tidak
punya
invers,
maka
ker(T
)=
8.
.
0.
1.
=
0.
0
.
.
.
0
1.

9.
.
1.
0.
0.
1.
x1
.
.
.
FullScreen
Close
x1
.
.
.
a11
::.
a1n
..
...
.
.
.
.

xn
an1
::.
ann
xn
Quit

HomePage
TitlePage
JJII
JI
Page42of132
GoBack
FullScreen
Close
Quit
Misalkan
U
dan
V
ruang
vektor
berdimensi
hingga
atas
K
dan
a
:
U
.
V
suatu
pemetaan
linier.
1
Bila
hfu1;:::,
ung.
=
U,
maka
hf(u1);:::;(un)g.
=
Im().
2.
dim(U)=
dim(ker())
+
dim(Im())
Bukti.
1.
Misalkan
sebarang
v
.
Im(),
pilih
u
.

U
yang
memenuhi
(u)=
v.
Tetapi
u
=
k1u1
+:::+knun,
maka
dari
itu
v
=
(u)=
(k1u1
+:::+knun)=
k1(u1)+:::+kn(un)
.
hf(u1);:::;(un)gi.
Jadi
Im()=
hf(u1);:::;(un)gi.
2.
Misalkan
fu1;:::,
um}
basis
dari
ker(),
perluas
basis
ini
sampai
didapat
fu1;:::,
um,
w1;:::,
wn}
adalah
suatu
basis
dari
U.
Jelas
bahwa
dim(ker())
=
m
dan
dim(U)=
m
+
n.
Misalkan
vi
=
(wi);i
=1,

2
:::;n.
Akan
dit
unjukkan
bahwa
vi,
i
=1,
2
:::;n
adalah
suatu
basis
dari
Im().
Dengan
menggunakan
hasil
1.
didapat
Im()=
hf(u1);:::;(um);(w1);:::;(wn)g.
=
hf0;:::,
0,
v1;:::,
vng.
=
hfv1;:::,
vngi.
Selanjutnya
selidiki
apakah
vektor-vektor
vi,
i
=1,
2
:::;n
bebas
linier,
yaitu
k1v1
+
::.
+
knvn
=
0
atau
k1(w1)+
::.
+
kn(wn)=
0.
Sehingga
didapat
(k1w1
+

::.
+
knwn)=
0.
Jadi
k1w1
+
::.
+
knwn
.
ker().
Oleh
karena
itu

k1w1
+
::.
+
knwn
=
k1u1
+
::.
+
k
mum
untuk
beberapa
k
i,
atau

k1u1
+
::.
+
k
mum
k1w1
+
::.
knwn
=
0.
Karena
vektor-vektor

fu1;:::,
um,
w1;:::,
wn}
bebas
linier

maka
k
1
=
::.
=
km
=
k1
=
::.
=
kn
=0,
Jadi
vektor-vektor
v1;:::,
vn
bebas
linier.

HomePage
TitlePage
JJII
JI
Page43of132
GoBack
FullScreen
Close
Quit
Adakalanya
kernel
dari
suatu
pemetaan
linier
disebut
null
space
dan
dimensi
dari
kernel
dinamakan
nullity
dari
pemetaan
linier,
sedangkan
dimensi
dari
image
suatu
pemetaan
linier
dinamakan
rank
dari
pemetaan
linier.
Sehingga
didapat
dim(U)
=
nullity()
+
rank().
Contoh.
Misalkan
pemetaan
linier
a
:
R3
.
R2
dengan

((x,
y,
z)0)=(x
+
z,
2x
y
+
z).
untuk
setiap
(x,
y,
z)0.
R3
.
Kernel
dari
a
adalah
penyelesaian
dari
persamaan
vektor
((x,
y,
z)0)=
(x
+
z,
2x
y
+
z).
=
(0,
0).
atau
penyelesaian
persamaan
homogin
.
101
.
2
..11
0.
x

y
1.
=
.
0
0
z
yang
mempunyai
penyelesaian
x
=
x,
y
=
x,
z
=
..x,
x
.
R.
Jadi
ker()=
fx(1,
1,
..1)0|
x
.
R}
=
hf(1,
1,
..1)0gi.
Terlihat
bahwa
nullity()=1.
Sedangkan
Im()=
f(x
+
z,
2x
y
+
z)0|

x,
y,
z
.
R}
=
fx(1,
2)0..y(0,
1).
+z(1,
1)0jx,
y,
z
.
R}
=
hf(1,
2).
,
(0,
1).
,
(1,
1)0g.
=
hf(1,
2).
=
(0,
1).
+
(1,
1).
,
(0,
1).
,
(1,
1)0g.
=
hf(0,
1).
,
(1,
1)0gi.
Terlihat
bahwa
rank()=2.
Sehingga
didapat
dim(R3)=
nullity()+
rank()=1+2=3.

HomePage
TitlePage
JJII
JI
Page44of132
GoBack
FullScreen
Close
Quit
Misalkan
a
:
U
.
V
suatu
pemetaan
linier
dari
ruang
vektor
U
ke
ruang
vektor
V
masing-masing
atas
K.
Bila
pemetaan
a
satu-satu
dan
pada
yaitu
pemetaan
a
mempunyai
invers,
maka
a
dinamakan
suatu
isomorpisma
dari
U
ke
V
.
Dalam
hal
ini,
U
dan
V
dikatakan
isomorpik
dan

dinotasikan
oleh
U
=
V
.
Perhatikan
bahwa,
karena
a
pemetaan
satu-satu
dan
pada,
maka
Im()=
V
dan
ker()=
f0g.
Misalkan
U
dan
V
ruang
vektor
berdimensi
hingga
atas
K
masing-masing
dengan
basis
fu1;:::,
um}
dan
fv1;:::,
vng.
Maka
U
dan
V
isomorpik
bila
dan
hanya
bila
dim(U)=
dim(V
)
(m
=
n).
Lagipula,
ada
suatu
isomorpisma
tunggal

a
:
U
.
V
yang
memenuhi
(ui)=
vi,
i
=1;:::;n.
Bukti
Bila
a
:
U
.
V
suatu
isomorpisma,
maka
a
satu-satu
dan
pada.
Maka
dari
itu,
ker()=
f0}
dan
Im()=
V
.
Sehingga
didapat
dim(U)=
dim(ker())
+
dim(Im())
=
0+
dim(V
)=
dim(V
).
Seb
aliknya,
misalkan
m
=
n
dan
a
suatu
pemetaan
linier
yang

memenuhi
(ui)=
vi,
i
=1;:::;n.
Akan
ditunjukkan
bahwa
a
satu-satu
dan
pada.

HomePage
TitlePage
JJII
JI
Page45of132
GoBack
FullScreen
Close
Quit
Lanjutan
Bukti......
Misalkan
sebarang
u
.
ker(),
maka
(u)=
0.
Tetapi
u
=
k1u1
+
::.
+
kmum.
Sehingga
didapat
0
=
(u)=
(k1u1
+
::.
+
kmum)=
k1(u1)+
::.
+
km(um)=
k1v1
+
::.
+
kmum
dan
karena
fv1;:::,
vm}
suatu
basis
dari
V
,
maka
harusl
ah
k1

=
::.
=
kn
=0.
Jadi
u
=
0.
Maka
dari
itu
ker()=
f0g.
Jadi
pemetaan
a
satu-satu.
Selanjutnya,
misalkan
sebarang
v
.
V
,
maka
v
=
a1v1
+
::.
+
anvn
unt
uk
beberapa
skalar
ai.
Tetapi
vi
=
(ui);i
=1;:::;n.
Jadi
v
=
a1(ui)+
::.
+
an(un)=
(a1u1
+
::.
+
anun)
.
Im().
Seh
ingga
didapat

V
=
Im()
atau
pemetaan
a
adalah
pada.
Kerena
pemetaan
linier
a
adalah
satu-satu
dan
pada,
maka
U
dan
V
isomorpik.
Berikutnya,
ditunjukkan
bahwa
isom
orphisma
a
yang
memenuhi
(ui)=
vi,
i
=1;:::;n
adalah
tunggal.
Misalkan

:
U
.
V
adalah
suatu
isomorphisma
yang
juga
memenuhi

(ui)=
vi,
i
=1;:::;n
dan
misalkan
seb
arang
u
=
k1u1
+
::.
+
knun
.
U
untuk
beberapa
skalar
ki
.
K,
maka
(u)
-

(u)=
(k1u1
+
::.
+
knun)
-

(k1u1
+
::.
+
knun)=
k1(u1)+
::.
+
kn(un)
k1(u1)
::.
kn(un)=
k1v1
+
::.
+
knvn
k1v1
::.
knvn
=
0.
Sehingga
didapat
(u)=

(u),
8u
.
U.
Jadi

=
.
Misalkan
U
dan
V
ruang
vektor
atas
K,
himpunan
L(U,
V,
K)
menyatakan
himpunan
semua
pemetaan
linier
dari
U
ke
V
.

HomePage
TitlePage
JJII
JI
Page46of132
GoBack
FullScreen
Close
Quit
Misalkan
,

.
L(U,
V,
K)
pemetaan
a
+

def
dide

nisikan
sebagai
(+

)(u)=
(u)+

(u)
untuk
semua
u
.
U
dan
pemetaan
ka
def
dide

nisikan
sebagai
(k)(u)=
k(u)
untuk
semua
u
.
U.
Maka
L(U,
V,
K)
adalah
ruang
vektor
atas
K.
Misalkan
,

.
L(U,
V,
K)
dan
komposisi
def
dari

.
a
adalah
(

)(u)=

((u))
untuk
semua
u
.
U,
maka

.
a
.
L(U,
V,
K).
Bukti
(

)(k1u1+
k2u2)
=

((k1u1+
k2u2))
=

(k1(u1)
+
k2(u2))
=
k1

((u1))
+
k2

((u2))
=
k1(

)(u1)
+
k2(

)(u2).

Pemetaan
Linier
dan
Aljabar
Matriks
Misalkan
U,
V
ruang
vektor
berdimensi
hingga
atas
K
masing-masing
dengan
di
mensi
m
dan
n.
Misalkan
Bu
=
u1,
.
.
.
,
um
basis
terurut
di
U,
Bv
=
v1,
.
.
.
,
vn
basis
terurut
di
V
dan
a
.
L(U,
V,
K).
Untuk
j
=1;:::;m,

(uj)
.
V
,
sehingga
ada
skalar
ai;j
.
K
sehingga
(uj)=
a1;jv1+
::.
+
an;jvn.
Bila
indeks
i
dan
j
dalam
skalar
ai;j
men
yatakan
elemen
baris
ke-i
dan
kolom
ke-j
dari
suatu
matriks
A,
hal
ini
mende

nisikan
matriks
representasi
dari
pemetaan
linier
a
diberikan
oleh:
HomePage
TitlePage
JJII
JI
Page47of132
GoBack
FullScreen
Close
Quit
A
=
0.
::.
a1;1
a1;m
...
1.
.
...
..
.
::.
an;1
an;m
Perhatikan
bahwa,
skalar-skalar

ai;j
dalam
persamaan
(uj)
menyatakan
kolom
ke-j
dari
matriks
A.

HomePage
TitlePage
JJII
JI
Page48of132
GoBack
FullScreen
Close
Quit
Sekali
matriks-matriks
representasi
ini
di
konstruksi
sesuai
dengan
basis-basis
yang
ada,
matriks-matriks
ini
bisa
digun
akan
tanpa
lagi
merujuk
pada
basis-basis
yang
ada,
kecuali
ada
perubahan
basis,
maka
matriks
A
juga
berubah.
Unt
uk
menjelaskan
hal
ini,
misalkan
sebarang
u
.
U,
maka
u
=
x1u1
+:::+xmum
dan
v
=

(u)
.
V
.
Tetapi
v
=
y1v1
+:::+ynvn.
Sehingga
didapat
(u)=
x1(u1)+
::.
+
xm(um)
=
x1(a1;1v1
+
::.
+
an;1vn)+
::.
+
xm(a1;mv1
+
::.
+
an;mvn)
=(a1;1x1
+
::.
+
a1;mxm)v1
+
::.
+(an;1x1
+
::.
+
an;mxm)vn
=
y1v1
+
::.
+
ynvn
atau
y
=
Ax,
dimana
y
=

0.
y1
.
.
.
1.
;A
=
0.
a1;1
::.
a1;m
1.
dan
x
=
0.
x1
.
.
.
1.
.
...
...

...
yn
an;1
::.
an;m
xm

HomePage
TitlePage
JJII
JI
Page49of132
GoBack
FullScreen
Close
Quit
Misalkan
a
.
L(U,
V,
K)
dan

.
L(V,
W,
K)
dimana
dim(U)=
m,
dim(V
)=
n
dan
dim(W
)=
p.
Representasi
matriks
dari
a
dan

masing-masing
diberikan
oleh
A
=(,
uj,
vi)
berukuran
n

m
dan
B
=(

,
vi,
wk)
beruran
p

n.
Maka
representasi
matriks
dari
komposisi

a
.
L(U,
W,
K)
diberikan
n
oleh
C
=(

,
uj,
wk)
dimana
C
=
BA
dengan
ck;j
bk;iai;j.
=
i=1
Bukti
Gunakan
de

nisi
representasi
matriks
dari
suatu
pemetaan,
np
didapat
(uj)
dan

(vi)
bk;iwk.
Maka
dari
itu
=
ai;jvi
=
i=1
k=1
.
p
nnp.
n
i=1
i=1
k=1
k=1
i=1
p
.
k=1
n
bk;iai;j
wk.
(

((uj))
=
ai;j

(vi)
bk;iwk
=
ai;j
=
Tetapi
(

)(uj)=
ck;jwk,
sehingga
dengan
menyamakan
koe

sien
masing-masing
persamaan
didapat
ck;j
bk;iai;j.
=
i=1

HomePage
TitlePage
JJII
JI
Page50of132
GoBack
FullScreen
Close
Quit
Contoh
1.
Diberikan
suatu
transformasi
linier
a
:
R3
.
R3
oleh
((x,
y,
z)0)=(x
y
z,
x
+
y
+
z,
z).
dengan
basis
baku
terur
ut
didapat:
((1,
0,
0)0)
=
(1,
1,
0)0;((0,
1,
0)0)=(..1,
1,
0).
dan
((0,
0,
1)0)=(..1,
1,
1)0,

sehingga
matriks
representasi
dari
a
terhadap
basis
baku
terurut
diberikan
oleh:
0.
1
..1
..1
11
1
1.
.
00
1
Selanjutnya
bila
digunakan
basis
terurut
B
=
(1,
0,
0).
,
(1,
1,
0).
,
(1,
0,
1).
didapat
((1,
0,
0)0)
=
(1,
1,
0).
=

0(1,
0,
0).
+
1(1,
1,
0).
+
0(1,
0,
1).
=
(0,
1,
0).
=
B,
((1,
1,
0)0)
=
(0,
2,
0).
..2(1,
0,
0).
+
2(1,
1,
0).
+
0(1,
0,
1).
=(..2,
2,
0).
dan
((1,
0,
1)0)=
B
(0,
2,
1).
=
..3(1,
0,
0).
+
2(1,
1,
0).

+
1(1,
0,
1).
=(..3,
2,
1).
SeB.
hingga
matriks
representasi
dari
a
dengan
basis
terurut
B
diberikan
oleh:
0.
0
..2
..3
1.
12
2
.
00
1

HomePage
TitlePage
JJII
JI
Page51of132
GoBack
FullScreen
Close
Quit
2.
Diberikan
pemetaan
linier
a
:
P3(R)
.
P1(R)
oleh
(p(x))
=
d2p(x)
.
dx2
a.
Matriks
representasi
A
dari
a
dengan
basis
terurut
B1
=
2
1;x;x;x3
untuk
P3(R)
dan
basis
terurut
B2
=1;x
+2
untuk
P1(R)
diberikan
sebagai
berikut:
(1)
=
0
=
0:1

+
0(x
+2)
=
(0,
0).
,
(x)=0=0:1
+
0(x
+2)
=
(0,
0).
,
(x2)=2=2:1+
B2
B2
0(x+2)
=
(2,
0).
dan
(x3)=6x
=
..12:1+6(x+2)
=
(..12,
6).
,
B2
B2
.
002
..12
.
A
=
.
0
00
6
2
b.
Misalkan
p(x)=
a+bx+cx+dx3
.

ker(),
maka
0=
(p(x))
=
2c
+6dx,
8x
.
R.
Sehingga
didapat
c
=0;d
=0.
Jadi
ker()=
fa:1+
bx
|
a,
b
.
R}
=
hf1;xgi.
Terlihat
bahwa
dim(ker())
=
2.
c.
Sedangkan
dimensi
dari
image
a
diberikan
oleh:
dim(Im())
=
dim(P3(R))
dim(ker())
=
4
2=2.
Hal
ini
bisa
dicek
sebagai
berikut,
misalkan
sebarang
q(x)=
a
+

x
+
x2
+
x3
.
P3(R),
maka
(q(x))
=
2.
+6x
=
2:1+6:x
.
hf1;xgi.
Jadi
Im()=
hf1;xg.
dan
terlihat
bahwa
dimensi
Im()
sama
dengan
dua.

3.
Misalkan
u1,
u2,
u3
basis
terurut
dari
U,v1,
v2,
v3
dan
w1,
w2
adalah
suatu
basis
terurut
dari
W
.
Selanjutnya
diberikan
pemetaan
linier
a
:
U
.
V
dan

:
V
.
W
masing-masing
oleh
(u1)=
v1
+2v2
..v3,
(u2)=
v2
+2v3,
(u3)=
..v1
+v2
+3v3
dan

(v1)=2w1
w2,

(v2)=
w1
+
w2,

(v3)=
..2w1
+3w2.
Bila
A
=(,
uj,
vi)
dan
B
=(

,
vi,
wk),
maka
didapat
matriks
representasi:
HomePage
TitlePage
JJII
JI
Page52of132
GoBack
FullScreen
Close
Quit
A
=
0.
10
..1
211
1.
21
..2
;B
=
..11
3
..12
3
dan
matriks
representasi
C
=(

,
uj,
wk)
diberikan
oleh
21
..2
.
0.
10
..1
211
1.
6
..3
..7
=
.
..2
7
11
C
=
BA
=
..1
13
..12
3

Bisa
dicek
langsung
lewat
vektor-vektor
basis
(

)(u1)=

(v1
+2v2
v3)=6w1
2w2
(

)(u2)=

(v2
+2v3)=
..3w1
+7w2
(

)(u3)=

(..v1
+
v2
+3v3)=
..7w1
+
11w2.

HomePage
TitlePage
JJII
JI
Page53of132
GoBack
FullScreen
Close
Quit
Pemetaan
Identitas
Pementaan
IU
:
U
.
U
adalah
pemetaan
identitas
bila
IU
(u)=
u
untuk
semua
u
.
U.
Bila
pemetaan
a
:
U
.
V
suatu
isomorpisma
(satu-satu
dan
..1
pada),
maka
ada
pemetaan
invers
:
V
.
U
sehingga
..1a
=
IU
dan
..1

=
IV
.
Bila
a
:
U
.
V
suatu
isomorpisma,
maka
..1
:
V
.
U
adalah
pemetaan
linier.
Bila
matriks
representasi
a
adalah
A
dan
..1
matriks
representasi
dari
adalah
B,
maka
BA
=
I
dan
AB
=
I.
Contoh.
Misalkan
ui,
i
=1,
2,
3
adalah
basis
terurut
dari
U

dan
vj,
j
=1,
2,
3
adalah
basis
terurut
dari
V
.
Pemetaan
linier
a
:
U
.
V
diberikan
oleh:
(u1)=
v1
+2v2
v3,
(u2)=
v2
+2v3
dan
(u3)=
..v1
+
v2
+3v3,
maka
A
=(,
ui,
vj)
diberikan
oleh
A
=
0.
1
0
..1
2
1
1
..1
2
3

1.
didapat
B
=
A..1
adalah
matriks
representasi
dari
..1
dimana:
B
=
0.
..0:25
0:5
..0:25
1:75
..0:5
0:75
1.
..1:25
0:25
..0:25

HomePage
TitlePage
JJII
JI
Page54of132
GoBack
FullScreen
Close
Quit
Perubahan
dari
suatu
basis
Perubahan
basis
dari
suatu
transformasi
linier
adalah
penting.
Sebagaimana
telah
diketahui
dari
pembahasan
sebelumn
ya
bahwa,
suatu
transformasi
linier
memberikan
suatu
matriks
representasi
melalu
suatu
basis
yang
telah
ditentukan.
Tentunya
matriks
representasi
ini
akan
berbeda
bila
digunakan
basis
lain
yang
berbeda
tetapi
tetap
merupakan

suatu
mat
riks
representasi
dari
suatu
transformasi
linier
yang
sama.
Perubahan
basis
tuj
uan
utamanya
adalah
mendapatkan
sua
tu
matriks
represenatsi
yang
mudah
untuk
penghitungan
(komputasi)
dan
bisa
menj
elaskan
makna
perubahan
bentuk
suatu
benda
dalam
domainnya
menjadi
bentuk
yang
lainnya
dalam
kodomainnya.

HomePage
TitlePage
JJII
JI
Page55of132
GoBack
FullScreen
Close
Quit
Misalkan
B
=
u1;:::,
un
adalah
basis
terurut
dari
suatu
ruang
vektor
U
atas
K
dan
sebarang
u
.
U
dapat
diungkapkan
sebagai
u
=
x1u1
+
::.
+
xnun
dimana
skalar-skalar
xi
merup
akan
n-pasang
berbentuk
(x1,
.
.
.
,
xn)0.
Kn
.
Maka
pemetaan
B
:
U

.
Kn
dinamakan
suatu
pemetaan
koordinat
dan
def
B(u)=(x1,
.
.
.
,
xn).
dinamakan
suatu
vektor
koordinat
dari
u
.
U
terhadap
basis
terurut
B.
Dalam
hal
ini
B
adalah
suatu
isomorpisma
maka
dari
itu
U
Kn
.
=
Bukti
Misalkan
sebarang
u
=
x1u1
+
::.
+
xnun
.
U,v
=
y1u1

+
::.
+
ynun
.
V
dan
k1;k2
.
K,
maka
didapat
B(k1u
+
k2v)=
B(k1x1u1
+
::.
+
k1xnun
+
k2y1u1
+
::.
+
k2ynun)=
B((k1x1
+
k2y1)u1
+
::.
+(k1xn
+
k2yn)un)=(k1x1
+
k2y1;:::;k1xn
+
k2yn).
=
k1(x1,
.
.
.
,
xn)0+k2(y1,
.
.
.
,
yn).
=
k1B(u)+k2B(v).
Terlihat
bahwa
B
adalah
pemetaan
linier.
Karena
untuk

setiap
(x1,
.
.
.
,
xn)0.
Kn
vektor
u
=
x1u1
+
::.
+
xnun
memenuhi
B(u)=(x1,
.
.
.
,
xn)0,
maka
pemetaan
B
adalah
pada.
Selanjutnya
misalkan
sebarang
u
=
x1u1
+
::.
+
xnun
.
ker(B),
maka
B(u)=(x1,
.
.
.
,
xn).
=
(0;:::,
0).
.
Didapat
x1
=0,
.
.
.
,
xn
=0.

Jadi
u
=
0.
Maka
dari
itu
pemetaan
B
adalah
satu-satu.
Karena
pemetaan
linier
B
adalah
satu-satu
dan
pada,
maka
B
adalah
suatu
isomorpisma
atau
U
Kn
=
.

HomePage
TitlePage
JJII
JI
Page56of132
GoBack
FullScreen
Close
Quit
Contoh
1.
Misalkan
diberikan
dua
basis
terurut
B1
=
(1,
0).
,
(0,
1).
dan
B2
=
(1,
1).
,
(1,
..1).
dari
ruang
vektor
R2
.
Terhadap
bas
is
B1,
sebarang
(x,
y)0.
R2
didapat
(x,
y).
=
x(1,
0).
+
y(0,
1).
.
Sehingga
didap
at

B1((x,
y)0)=(x,
y).
.
Terhadap
basis
B2,
(x,
y).
=
k1(1,
1).
+
k2(1,
..1).
,
didapat
x
=
k1+
k2;y
=
k1
k2.
dari
sini
diperoleh
x
+
yx
y
k1=
;k2=
.
Jadi
B2((x,
y)0)=
22
x
+
yx
y.
,
.
Sehingga
B2((1,
0)0)=

22
11.
1
..1.
,
dan
B2((0,
1)0)=
,
.
22
22

HomePage
TitlePage
JJII
JI
Page57of132
GoBack
FullScreen
Close
Quit
Misalkan
B
=
u1;:::,
um
suatu
basis
terurut
dari
ruang
vektor
U,
C
=
v1;:::,
vn
suatu
basis
terurut
dari
ruang
vektor
V
,
kedua
ruang
vektor
atas
skalar
K.
Suatu
pemetaan
linier
a
:
U
.
V
dengan
matriks
representasi
A
=(,
B,
C).
Misalkan
(u)=
v
dimana
u

=
x1u1+:::+xmum
.
U
dan
v
=
y1v1+:::+ynvn
.
V
.
Dari
pembahasan
sebelumnya
dijelaskan
bahwa
v
=
(u)
dapat
disaj
ikan
oleh
persamaan
matriks
y
=
Ax,
dimana
x
=(x1,
.
.
.
,
xm).
dan
y
=(y1,
.
.
.
,
yn).
.
Misalkan
P
adalah
pemetaan
koordinat,
maka
x
=
PB(u),
y
=
PC
(v)
dan
matriks

representasi
dari
pers
amaan
vektor
v
=
(u)
adalah
PC(v)=
APB(u).
Sehingga
diP
..1
P
..1
dapat,
v
=
(u)=
APB(u),
8u
.
U.
Jadi
a
=
APB
atau
CC
A
=
PCP
..1
.
Hasil-hasil
yang
didapat
ini
dijelaskan
dalam
diB
agram
diatas.

HomePage
TitlePage
JJII
JI
Page58of132
GoBack
FullScreen
Close
Quit

Misalkan
a
:
U
.
V
suatu
pemetaan
linier,
B
dan
B
dua
ba
sis
terurut
yang
berbeda
dari
U
sedangkan
C
dan
C
dua
basis
terurut
yang
berbeda
dari
V
.
Bila
matiks-matriks
representasi
dari
a
adalah
A
=(,
B,
C)
dan
=(,
C),
maka

perubahan
A
B,

basis
tidak
berpengaruh
pada
suatu
pemetaan
linier
sehingga
hal
ini
berkaitan
dengan
pemetaan
identitas.
Tetapi
perubah
an
basis
mempunyai
pengaruh
terhadap
matriks-matriks
rep

resentasi
A
=(,
B,
C)
dan
A
=(,
B,
C
)
melalui
pemetaan
ident
itas
terhadap
dua
basis
yang
berbeda.
Bila
basis
berubah
pada
domain
dan
kodomain

dari
,
maka
umumnya
diperl
ukan
matriks
representasi
dari
pemetaan
identitas
pada
do

main
dan
kodomain
a
yang
dinotasikan
oleh
P
=(IU,
B,
B)
dan
Q
=(IV
,
C,
C
).
Hubungan
diantara
ruang
vektor
deng
an
basis-basis
berbeda
diberikan
secara
diagram
diatas.
Se

hingga
didapat
hubungan
(,
B,
C
)
=

(IV
,
C,
C
)(,
B,
C)(IU,
B,
B)
atau
A
=
QAP
..1
.
Selanjutnya
misalkan
x,

x
vektor-vektor
koo
rdinat
dari
u
.
U
relatif
terhadap
basis
B
dan
B
dan
y,
y
vektor-vektor
koordinat
dari
v
=
(u)
.
V
relatif
terhadap

basis
C
dan
C,
maka
x=
P
x
dan

y=
Qy.
Bila
y
=
Ax,

maka
y=
Qy
=
QAx
=
QAP
..1x=
ATerlihat
bahwa
vektor
x.
vektor
koordinat
dan
matriks-matriks
transformasi
konsisten
terhadap
perubahan
basis.

HomePage
TitlePage
JJII
JI
Page59of132
GoBack
FullScreen
Close
Quit
Contoh
1.
Diberikan
pemetaan
linier
a
:
R2
.
R2
dengan
((x,
y)0)=
(2x
+
y,
x
+3y).
.
Dengan
basis
B
=
(1,
0).
,
(1,
1)0,
maka
B(1,
0)
=
(2,
1)
=
1(1,
0).
+
1(1,
1).
=
(1,
1).
dan
B((1,
1)0)
=
(3,

4).
=
..1(1,
0).
+
4(1,
1).
=(..1,
4).
,
sehingga
diperoleh
matriks
rep
resentasi
dari
:
.
1
..1
.
A
=
(,
B,
B)
=
1
4
.
Misalkan
sebarang
(x,
y).
.
R2
,
maka
B((x,
y)0)
=
a(1,
0).
+
b(1,
1).
=(a,
b).
dimana
skalar
a,
b
memenuhi:
.
x
.

11
.
a
.
a
.
1
..1
.
x
.
=
.
=
,
y
01
bb
01
y
sehingga
didapat
a
=
x
y
dan
b
=
y.
Jadi
B((x,
y)0)=
(x
y,
y).
.
Dicek
apakah
pemetaan
a
konsisten
terhadap
basis
B
sebagai
berikut:
.
1
..1

.
x
y
.
x
2y
.
((x,
y)0)=
AB((x,
y)0)=
=
1
4
yx
+3y
.
1
.
1
.
2x
+
y
.
=(x
2y)
+(x
+3y)=
.
0
1
x
+3y

HomePage
TitlePage
JJII
JI
Page60of132
GoBack
FullScreen
Close
Quit
2.
Diberikan
pemetaan
linier
a
:
P3(R)
.
P3(R)
dimana
3
(p(x))
=
(a
+
b)+(b
+
c)x
+(c
+
d)x2
+(a
+
d)x,
8p(x)
.
P3(R)
2
23
dengan
p(x)=
a
+
bx
+
cx+
dx3
.
Misalkan
B
=1;x;x;x

2
23
dan
B

=1,
1+
x,
1+
x
+
x,
1+
x
+
x+
xdua
basis
dari
3
P3(R).
Maka
(1)
=
1+
x=
1(1)
+
0(x)
+
0(x2)
+
1(x3),
2
(x)
=
1+
x
=
1(1)
+
1(x)
+
0(x2)
+
0(x3);(x2)=
x
+
x=
2
0(1)+1(x)+1(x2)+0(x3),
(x3)=
x+
x3
=
0(1)+0(x)+1(x2)+1(x3)
2

dan
IP3(R)(1)
=
1
=
1+0(1+
x)
+
0(1
+
x
+
x2)
+
0(1
+
x
+
x+
x3),
2
IP3(R)(x)=
x
=
..1(1)
+
1(1
+
x)
+
0(1
+
x
+
x2)
+
0(1
+
x
+
x+
x3),
2
IP3(R)(x2)=
x2
=
0(1)
1(1
+
x)
+
1(1
+
x
+
x2)
+

0(1
+
x
+
x+
x3),
2
IP3(R)(x3)=
x3
=
0(1)
+
0(1
+
x)
1(1
+
x
+
x2)
+
1(1
+
x
+
x+
x3)
Sehingga
didapat
matriks
representasi
A
=(,
B,
B),
P
=
(IP3(R),
B,
B
)
dan
P
..1
diberikan
oleh:
01.
101
1100
1
..1
0
0
1111

0110
01
..10
0111
A
=
;P
=
danP
..1
=
.
0011
00
11
0011
.
BBB.
CCC
.
BBB
.
CCC
.
BBB
.
CCC
@A.
A@A
1001
00
01
0001

Matriks
representasi
A
=(,
B,
B)
diberikan
oleh
01
1
100

0
110

A
=
P
AP
..1
=
.
..1
..100
.
BBB
.
CCC
@A
1
112

HomePage
TitlePage
JJII
JI
Page61of132
GoBack
FullScreen
Close
Quit
3.
Diberikan
ruang
vektor
U
dengan
dua
basis
terurut
B
=
u1,
u2,
u3
dan
B
=
u1,
u2,
u3
dimana
u1
=
u2,
u2
=
u3,
u3
=
u1.
Serta
ruang
vektor
V
dengan
dua
basis
terurut
C
=
v1,
v2
dan
C
=
v1,
v2
dimana
v1
=

v1
+
v2,
v2
=
v1
v2.
Suatu
pemetaan
linier
a
:
U
.
V
diberikan
oleh
(u1)=2v1
v2;(u2)=
v1
+v2;(u3)=
..2v1
+3v2,
sehingga
diperoleh
suatu
matriks
representasi
21
..2
A
=(,
B,
C)=
.
..11
3
Misalkan
P
adalah
matriks
dari
pemetaan
identitas
di
U
dari
basis
B
ke
basis
B,

yaitu
IU
(u1)=
u1
=
u3
=0u1+0u2+1u3,
IU
(u2)=
u2
=
u1
=1u1
+0u2
+0u3,
IU
(u3)=
u3
=
u2
=0u1
+1u2
+
0u3.
Sehingga
didapat
P
dan
P
..1:
P
=
0.
010
001
1.
dan
P
..1
=
0.

001
100
1.
.
100
010
Begitu
juga,
karena
IV
(v1)=
v1
=1v1
+1v2,
IV
(v2)=
v2
=
1v1
..1v2,
maka
didapat
matriks
Q..1
dari
pemetaan
identitas
pada
V
dari
basis
C
ke
basis
C
dan
juga
didapat
matriks
Q
diberikan
oleh:
.
1
1

1
.
1
2
Q..1
=
dan
Q
=
2
1
..1
.
2
1
..1
2

Lanjutan
Contoh
3.......

Matriks
representasi
A
=(,
B,
C)
diberikan
oleh:
HomePage
TitlePage
JJII
JI
Page62of132
GoBack
FullScreen
Close
Quit

A
=
QAP
..1=
0.
11
1
22
0
..53
22
1.
.
Hasil

ini
bisa
dicek
secara
langsung
pemetaan
a
dide

nisikan
relatif
terhadap

basis
B
dan
C
sebagai
berikut:
(u1)=
(u2)
=
v1+
v2=
v1=1v1+0v2
1
(u2)=
(u3)
=
..2v1+3v2=
v1
5
v2
22
(u3)=
(u1)
=
2v1
v2=
12
v1+
32
v2.
Dua
matriks
bujur
sangkar
A
dan
B
dikatakan
similar
bila

ada
matriks
P
yang
punya
invers
sehingga
B
=
P
AP
..1
.
Kesemil
aran
matriks
()
adalah
suatu
relasi
ekiv
alen.

Diberikan
pemetaan
linier
a
:
U
.
V
terhadap
basis
terurut
B
dari
ruang
vektor
U
dan
basis
terurut
C
dari
ruang
vektor
V
,
bagaimana
cara
memilih
basis
terurut
B
dari
ruang
vektor
U
dan
basis
terurut
C
dari
ruang
vektor
V
supaya
represen

tasi
matriks
A
=(,
B,
C)
mempunyai
bentuk
normal
diagonal

satuan
yang
sederhana,
yaitu
matriks:
.
,
1C
HomePage
TitlePage
JJII
JI
Page63of132
GoBack
FullScreen
Close
Quit
.
B.
.
.
Ir
.0
::.
::.
::.
.
.
0.0
dimana
Ir
adalah
matriks
satuan
berukuran
r

r
dengan
r
=
minfdim(U),
dim(V
)g.
Untuk

memperoleh
cara
yang
dim
aksud
ini
digunakan
sifat
berikut.
Misalkan
pemetaan
linier
a
:
U
.
V
,
masing-masing
dimensi
U
dan
V
adalah
m
dan
n
dengan
dim(Im())
=
r.
Maka
ada
basis
terurut
B
dari
U
dan
basis
terurut
C
dari
V
sehingga
representasi
matriks
dari
a
berbentuk
normal
diagonal
satuan,
yaitu


A
=(,
B,
C)=
.
B.
Ir
.
.
.
0
.
C.
r
::.
::.
::.
.
.
0
0
.
n
r
.
.
.
rm
r

Bukti
Dari
sifat
dimensi
pemetaan
linier
didapat,
dim(ker())
=
dim(U)
dim(Im())
=
m
r.
Misalkan
ur+1;:::,
um
adalah
sua
tu
basis
terurut
dari
ker().
Perluas
basis
ini
sampai
dipero
leh
basis
terurut
B
=
u1;:::,
ur,
ur+1;:::,
um
dari
ruang
vekt
or
U.
Dari
pengertian
kernel
didapat
(ur+1)=
0;:::;(um)=
0.
Selanjutnya
pilih
vektor-vektor
v1;:::,
vr

.
Im()
seh
ingga
(u1)=
v1;:::;(ur)=
vr.
Jelas
bahwa
vektor-vektor
v1;:::,
vr
adalah
suatu
basis
terurut
dari
Im().
Selanjutn
ya
perluas
basis
ini
sampai
diperoleh
basis
terurut
C
=
v1;:::,
vr,
vr+1;:::,
vn
dari
ruang
vektor
V
.
Jadi,
terhadap
basis
terurut
B
dari
ruang
vektor
U
dan
basis
terurut
C
dari
ruang
vektor
V
,
pemetaan
a
dide

nisikan
oleh
(u1)=
v1;:::;(ur)=
vr,
(ur+1)=
0;:::;(um)=
0.
Dari
de

nisi
ini
terlihat
bahwa

representasi
matriks
A
=(,
B,
C)
adalah:
HomePage
TitlePage
JJII
JI
Page64of132
GoBack
FullScreen
Close
Quit

A
=(,
B,
C)=
.
B.
.
C.
Ir
.
.
.
0
r
::.
::.
::.

.
.
0
0
.
n
r
.
.
.
rm
r

HomePage
TitlePage
JJII
JI
Page65of132
GoBack
FullScreen
Close
Quit
Contoh
Misalkan
representasi
matriks
dari
suatu
pemetaan
linier
terh
adap
basis
baku
terurut,
diberikan
oleh:
A
=
0.
123
231
1.
.
354
Dapatkan
basis-basis
terurut
dari
U
dan
V
supaya
dengan
basis-basis
ini

pemetaan
linier
mempunyai
representasi
mat
riks
berbentuk
normal
diagonal
satuan.
Penyelesaian
Pertama,
tentukan
kernel
dari
A
dengan
menyeles
aikan
persamaan
Ax
=
0,
didapat:
ker(A)=
fx(7,
..5,
1)0|
x
.
Rg
atau
ker(A)=
hf(7,
..5,
1)0gi.
Perluas
basis
dari
kernel
sehingga
diperoleh
basis
terurut
B
=
(1,
0,
0).
,
(0,
1,
0).
,
(7,
..5,
1).
.

Selanjutn
ya
dapatkan
basis
terurut
dari
Image
A
sebagai
berikut:
0.
123
231
0.
1.
1
0
1.
=
0.
1
2
1.
,
0.
123
231

0.
1.
0
1
1.
=
0.
2
3
1.
.
3540
3
3540
5
Perluas
basis
terurut
ini
sehingga
diperoleh:

Lanjutan
Contoh................
C
=
(1,
2,
3).
,
(2,
3,
5).
,
(1,
0,
0).
adalah
basis
terurut
dari
ruang
vekt
or
V
.
Selanjutnya
cek
dengan
basis-basis
terurut
B
dan
C,
representasi
matriks
berbentuk
normal
diagonal
satuan
sebag
aimana
berikut
ini.
Persamaan-persamaan
yang
memberikan
matriks
P
..1
=(,
B,
B)
dengan
B
basis
terurut
baku
adalah:
IU
(u1)=

u1
=
(1,
0,
0).
,
IU
(u2)=
u2
=
(0,
1,
0).
dan
IU
(u3)=
u3
=
(7,
..5,
1).
.
Sehingga
didapat:
P
..1
=
0.
10
7
01
..5
1.
.
00
1
Dengan
cara
serupa,
persamaan-persamaan
yang
memberikan

matriks
Q..1
=(,
C,
C)
dengan
C
basis
terurut
baku
adalah:
IV
(v1)=
v1
=
(1,
2,
3).
,
IV
(v2)=
v2
=
(2,
3,
5).
dan
IV
(v3)=
v3
=
(1,
0,
0).
.
Sehingga
didapat:
HomePage
TitlePage
JJII
JI
Page66of132
GoBack
FullScreen
Close
Quit
Q..1
=
0.
121

230
1.
.
Q
=
0.
1.
..3
05
0
..3
2
350
11
..1

dan
matriks
A
=
QAP
..1
diberikan
oleh:
A
=
0.
05
..3
0

..3
2
0.
1.
123
231
0.
1.
10
7
01
..5
1.
=
0.
100
010
1.
.
11
..1
354
00
1
000

Rank
suatu
matriks.
HomePage
TitlePage
JJII
JI
Page67of132
GoBack
FullScreen
Close
Quit
Suatu
matriks
A
berukuran
n

m
den
gan
elemen-elemen
di
K
mende

nisikan
suatu
pemetaan
linier
a
dari
Km
ke
Kn
sedemikian
hingga
A
=(,
Em,
En)
dimana
Em
dan
En
masing-masing
adalah
basis
baku
dari
Km
dan
Kn
.
Rank
dari
matriks
A
adalah
rank
dari
,
jadi
rank(A)=
rank()=
dim(Im()).
Ruang
bagian
dari
Km
yang
dibentangkan
oleh
vektor-vektor
baris
dari
A
dinamakan
ruang
baris
dari
A
dan
memp

unyai
dimensi
rank
baris
dari
A
yang
merupakan
banyaknya
vektor-vektor
baris
dari
A
yang
bebas
linier.
Ruang
bagian
dari
Kn
yang
dibentangkan
oleh
vektor-vektor
kolom
dari
A
dinamakan
ruang
kolom
dari
A
dan
mempunyai
dimensi
rank
kolom
dari
A
yang
merupakan
banyaknya
vektorv
ektor
kolom
dari
A
yang
bebas
linier.

Ruang
kolom
dari
suatu
matriks
adalah
ruang
imagenya,
jadi
rank
kolom
dari
suatu
matriks
sama
dengan
rank
matriksnya.
Bukti.
Misalkan
A
berukuran
n

A
dan
a
suatu
pemetaan
linier
dari
Km
ke
Kn
sedemikian
hingga
A
=(,
Em,
En),
dimana
Em
=
e1;:::,
em
dan
En
=
e1;:::,
en
masing-masing
adalah
basis
baku
terurut
dari
Km

dan
Kn
.
Misalkan
bahwa
matriks
HomePage
TitlePage
JJII
JI
Page68of132
GoBack
FullScreen
Close
Quit
0.
1.
a1;1
::.
a1;m
::.
::.
::.
an;1
.
.
.
an;m
A
=
,
maka
untuk
j
=1;:::;m,
0.
1.
a1;j

n
i=1
an;j
adalah
kolom
ke-j
dari
matriks
A.
Tetapi,
Im()
dibangun
oleh
(e1);:::;(em),
oleh
karena
itu
Im()=
ruang
kolom(A).
Jadi
rank(A)=rank
kolom(A).
.
.
(ej)=
ai;jei
=
.

HomePage
TitlePage
JJII
JI
Page69of132
GoBack
FullScreen
Close
Quit
Jawaban
Quiz
1.
Bila
Mn(R)
adalah
himpunan
matriks
berukuran
n

n
den
gan
elemen-elemen
di
R
dan
untuk
suatu
X
tetap
di
Mn(R)
dide

nisikan
pemetaan
a
:
Mn(R)
.
Mn(R)
dengan
(A)
XAX..1
,
8A
.
Mn(R),
maka
:
=
a.
Tunjukkan
bahwa
a
adalah
suatu
pemetaan
linier.
b.
Dapatkan
Im()
dan
Ker().
c.
Dari
hasil
b.
tentukan
sifat
dari
pemetaan
.
Jawab
a.
Misalkan
A,
B
.
Mn(R)
dan
a,
b
.
R,
maka
(aA
+
bB)
=
X(aA
+

bB)X..1
=
X(aA)X..1
+
X(bB)X..1
=
a(XAX..1)+
b(XBX..1)=
a(A)+
b(B).
b.
Im()
=
fY
.
Mn(R)
|
Y
=
XAX..1
,
8A
.
Mn(R)}
dan
Ker()
=
fA
.
Mn(R)
|
XAX..1
=
0}
=
f0g.
c.
Dari
hasil
b.
terlihat
bahwa
a
satu-satu
(sebab
Ker()=
f0g).
Pemetaan
a
juga
pada
sebab,
diberikan
sebarang
Y
.
Mn(R)
(kodomain),

pilih
X..1YX
.
Mn(R)
(domain)
sehingga
didapat
(X..1YX)=
X(X..1YX)X..1
=
Y
.

HomePage
TitlePage
2.
Diberikan
pemetaan
linier
a
:
R3
.
R3
oleh
(
0.
x
y
1.
)=
0.
x
2y
+3z
x
+3y
2z
1.
,
.
0.
x
y

1.
.
R3
.
J.
I.
.
.
z
5zz
Terhadap
basis
terurut
Page70of132
GoBack
FullScreen
Close
Quit
B
=
0.
1
0
1.
,
0.
1
1

1.
,
0.
1
1
1.
0
0
1
dapatkan
matriks
representasi
dari
pemetaan
linier
.

HomePage
TitlePage
Jawab
0.
1.
)
=
0.
1
1
1.
=0
0.
1
0
1.
+1
0.
1
1
1.
+0
0.

1
1
1.
=
0.
0
1
1.
1
0
(
J.
I.
.
.
0
0
0010
B
0.
1
1
1.

)
=
0.
..1
4
1.
=
..5
0.
1
0
1.
+4
0.
1
1
1.
+0
0.
1
1
1.

=
0.
..5
4
(
0
0
0010
B
Page71of132
GoBack
FullScreen
Close
Quit
0.
1
1
1.
)
=
0.
2
2
1.
=0

0.
1
0
1.
3
0.
1
1
1.
+5
0.
1
1
1.
=
0.
0
..3
1.
(

1
50015
B
Jadi
A
=(,
B,
B)=
0.
1.
.
0
..50
14
..3
00
5
1.

HomePage
TitlePage
JJII
JI
Page72of132
GoBack
FullScreen
Close
Quit
pv
3.
Diberikan
suatu
ruang
vektor
V
=
fa+b
2+c
3j(a,
b,
c)
.
Q3g
atas
Q,
dimana
Q
adalah
himpunan
bilangan
rasional.
pv
a.
Tunjukkan
bahwa
vektor-vektor
1,
2,
3
adalah
bebas
linier.
12
b.
Ungkapkan
v
+
v
sebagai
kombinasi
linier
dari

1
2
12
2
pv
vektor-vektor
1,
2,
3.
Jawab
pv
22
a.
Misalkan,
a
+
b
2+
c
3=0,
assumsikan
a+
b2
+
c6Bila
=0.
pv
pv
3
.
2b22
ac
6=0,
maka
b
2=
..a
c
=
a2
+2ac
3+3c.
3=

2b2
a2
3c2
(tidak
mungkin
bilangan
irrasional
sama
dengan
2ac
bilangan
rasional).
Jadi
haruslah
ac
=0,
didapat
a
=0
dan
v
pv
b
3
andaikan
c
.
2+
c
3=0
,=
(dengan
alasan
=0,
maka
b
v
c

2
sama
seperti
sebelumnya
tidak
mungkin
terjadi).
Jadi
harus
v
lah
c
=0.
Sehingga
didapat
b
2=0
.
b
=0.
Jadi,
diperoleh
a
=
b
=
c
=0.
b.
pv
1
2
1+
2
212+4
v
+
v
=+
1
2
12
21
-

2
12
4
pp
11
=
..1
2+
3+
22
pp
1
1
=
(1)
1(
2)+
(
3).
2
2

HomePage
TitlePage
JJII
JI
Page73of132
GoBack
FullScreen
Close
Quit
4.
Dapatkan
suatu
matriks
representasi
dari
pemetaan
linier
a
:
R2
.
R2
terhadap
basis
terurut
standart
(baku)
bila
Ker()
=
Im()
dan
.
1
.
2
.
(
)=
.
13
Jawab
Perhatikan
bahwa
.
2
.
2
.
0
.

.
Im()=
Ker()
.
(
)=
.
3
30
Sehingga
terhadap
basis
terurut
baku
di
R2,
didapat
.
1
.
1
.
2
.
1
.
2
.
6
.
(
)=
(3
)=3()
(
)=
0
13
139
.
0
.
2
.
1
.

2
.
1
.
..4
.
(
)=
(
2
)=
()
2(
)=
.
1
313
1
..6
Sehingga
didapat,
matriks
representasi
dari
pemetaan
a
adalah:
.
6
..4
.
A
=
.
9
..6

Rank
suatu
matriks.
HomePage
TitlePage
JJII
JI
Page74of132
GoBack
FullScreen
Close
Quit
Suatu
matriks
A
berukuran
n

m
de
ngan
elemen-elemen
di
K
mende

nisikan
suatu
pemetaan
linier
a
dari
Km
ke
Kn
sedemikian
hingga
A
=(,
Em,
En)
dimana
Em
dan
En
masing-masing
adalah
basis
baku
dari
Km
dan
Kn
.
Rank
dari
matriks
A
adalah
rank
dari
,
jadi
rank(A)=
rank()=
dim(Im()).
Ruang
bagian
dari
Km
yang
dibentangkan
oleh
vektor-vektor
baris
dari
A
dinamakan
ruang
baris
dari
A
dan
memp

unyai
dimensi
rank
baris
dari
A
yang
merupakan
banyaknya
vektor-vektor
baris
dari
A
yang
bebas
linier.
Ruang
bagian
dari
Kn
yang
dibentangkan
oleh
vektor-vektor
kolom
dari
A
dinamakan
ruang
kolom
dari
A
dan
mempunyai
dimensi
rank
kolom
dari
A
yang
merupakan
banyaknya
vektorv
ektor
kolom
dari
A
yang
bebas
linier.

Ruang
kolom
dari
suatu
matriks
adalah
ruang
imagenya,
jadi
rank
kolom
dari
suatu
matriks
sama
dengan
rank
matriksnya.
Bukti.
Misalkan
A
berukuran
n

m
dan
a
suatu
pemetaan
linier
dari
Km
ke
Kn
sedemikian
hingga
A
=(,
Em,
En),
dimana
Em
=
e1;:::,
em
dan
En
=
e1;:::,
en
masing-masing
adalah
basis
baku
terurut
dari
Km

dan
Kn
.
Misalkan
bahwa
matriks
HomePage
TitlePage
JJII
JI
Page75of132
GoBack
FullScreen
Close
Quit
0.
1.
a1;1
::.
a1;m
::.
::.
::.
an;1
.
.
.
an;m
A
=
,
maka
untuk
j
=1;:::;m,
0.
1.
a1;j

n
i=1
an;j
adalah
kolom
ke-j
dari
matriks
A.
Tetapi,
Im()
dibangun
oleh
(e1);:::;(em),
oleh
karena
itu
Im()=
ruang
kolom(A).
Jadi
rank(A)=rank
kolom(A).
.
.
(ej)=
ai;jei
=
.

Rank
baris
dan
rank
kolom
dari
setiap
matriks
adalah
sama.
Bukti
Misalkan
matriks
A
berukuran
n

m
dengan
eleme-elemen
di
HomePage
TitlePage
JJII
JI
Page76of132
GoBack
FullScreen
Close
Quit
K
diberikan
oleh
0.
a11
.
.
.
a1m
..
.
...
..
.
an1
.
.
.
anm
1.

dan
misalkan
Bi,
i
=1,
2;:::;n
menyatakan
baris
ke-i
dari
mat
riks
A.
Selanjutnya
misalkan
rank
baris(A)=
r
dan
Sj,
j
=
1,
2;:::;r
adalah
basis
dari
ruang
baris
matriks
A.
Maka,
un
r
tuk
setiap
i
=1,
2,
.
.
.
,
n,
Bi
kijSj
untuk
beberapa
kij
.
K.

=
j=1
r
j=1
.
dengan
i
=1,
.
.
.
,
n,
l
=1;:::;m.
Sehingga
didapat
kolom
ke-l
rr
Komponen
ke-l
dari
vektor
Bi
mempunyai
bentuk
ail
kijsjl
=
dari
matriks
A
adalah
Cl
Ljsjl
sjlLj,
dimana
Lj

adalah
=
=
j=1
j=1
vektor
kolom
dengan
komponen
ke-i
adalah
kij.
Terlihat
bahwa
setiap
kolom
dari
A
adalah
merupakan
kombinasi
linier
dari
seb
anyak
r
vektor.
Jadi
rank
kolom(A)
=
rank
baris(A).
Dengan
menggunakan
argumentasi
(alasan
yang
sama)
untuk
matriks
A.
(matriks
transpose
dari
A),
didapat
rank
baris(A)
=
rank
kolom(A).
Jadi
rank

baris(A)=
rank
kolom(A).

HomePage
TitlePage
JJII
JI
Page77of132
GoBack
FullScreen
Close
Quit
Kesimpulan:
1.
Suatu
matriks
A
berukuran
n

n
dengan
elemen-elemen
di
lapangan
F
mempunyai
invers
bila
dan
hanya
bila
rank(A)=
n.
2.
Misalkan
A
matriks
berukuran
nm
deng
an
elemen-elemen
di
lapangan
F
,
bila
Ax
=
0,
maka
himpunan
penyelesaian
dari
sistem
linier
homogin
tsb.
merup

akan
ruang
bagian
dari
Fm
dengan
dim
ensi
m
rank(A).
Hal
ini
mempuny
ai
arti
bahwa
ada
sebanyak
m
rank(A)
parameter
dalam
himpunan
penyelesaian
dari
Ax
=
0.
3.
Persamaan
tak
homogin
Ax
=
b,
memp
unyai
penyelesaian
bila
dan
hanya
bila
rank(A)=
rank(A,
b).
Himpunan
penyel
esaian
ini
mempunyai
sebanyak
m
rank(A)
parameter.

HomePage
TitlePage
JJII
JI
Page78of132
GoBack
FullScreen
Close
Quit
Contoh
Diberikan
matriks
.
1
2
1
..1
.
A
=
.
0
0
1
0
0
0
..1
..3
.
.
Vektor
vektor
kolom
dari
A
tidak
bebas
linier.
Hanya
sebanyak
3
vektor
kolom
yang
bebas
linier,
yaitu
kolom
ke-1,
kolom
ke-2
dan
kolom
ke-4.
Jadi
rank

kolom(A)=3
dan
semua
vektor
baris
dari
A
bebas
linier
(sebanyak
3).
Penyelesaian
dari
Ax
=
0
akan
memuat
sebanyak
4
3=1
paramater
yaitu
01
..t
.
2
.
0
x
=
.
Bila
b
=
..1
.
BBB
t
.
CCC
@A,
9
@A
0

rank(A,
b)=3.
Jadi
penyelesaian
Ax
=
b
akan
memuat
seb
anyak
4
3=1
parameter
yaitu
01
7
t
..4
x
=
.
t
.
BBB
.
CCC
@A
..3

HomePage
TitlePage
JJII
JI
Page79of132
GoBack
FullScreen
Close
Quit
Eigen-vektor
dan
eigen-value.
Misalkan
a
:
U
.
U
suatu
pemetaan
lini
er
pada
ruang
vektor
U
berdimensi
n
atas
lapangan
F.
Bila
u
.
U
dan
.
.
F
memenuhi
(u)=
u,
maka
u
dinamakan
suatu
eigen-vektor
dari
a
yang
bersesuaian
dengan
eigen-value
.
Misalkan

A
suatu
matriks
ukuran
n

n
den
gan
elemen-elemennya
di
suatu
lapangan
F.
Bila
ada
vektor
tak
nol
x
.
Fn
dan
skalar
.
.
F
yang
memenuhi
Ax
=
x,
maka
x
dikatakan
suatu
eigen-vektor
dari
matriks
A
yang
bersesuaian
dengan
eigen-value
.

HomePage
TitlePage
JJII
JI
Page80of132
GoBack
FullScreen
Close
Quit
Misalkan
matriks
A
=(,
B,
B)
adalah
rep
resentasi
dari
pemetaan
linier
a
:
U
.
U
terhadap
basis
terurut
B
dari
ruang
vektor
U.
Selanjutnya
bila
B
adalah
pemetaan
koo
rdinat
dari
U
ke
Fn,
maka
A
=
B..B
1
dan
x
=
B(u).
Jadi
Ax
=

x
.
(B..B
1)(B(u))
=
B(u)
.
B((u))
=
B(u)
.
(u)=
u.
Bila
a
:
U
.
U
suatu
pemetaan
linier
dan
masing
masing

matriks
A
=(,
B,
B)
dan
A
=(,
B,
B)
adalah
representasi
dari
a
dengan
basis
terurut
yang
berbeda,
maka
eigenvalue
dari
A

sama
dengan
eigenvalue
dari

A.
Bukti
Misalkan
P
=(IU,
B,
B)
matriks
perubahan
basis
dari
basis
B
ke

basis
B,
maka
A
=
P
AP
..1
.
Bila
Ax
=
x
didapat
(P
AP
..1)(P
x)=
(P
x).
Sehingga
diperoleh
x
=
=
P
x.
Terlihat
A
x
dimana
x

bahwa
matriks
A
dan
A
mempunyai

eigenvalue
yang
sama.

HomePage
TitlePage
JJII
JI
Page81of132
GoBack
FullScreen
Close
Quit
Cara
menghitung
eigenvalue
dan
eigenvektor
Misalkan
A
suatu
matriks
berukuran
n

n
dan
Ax
=
x
dengan
x
6
=
0
dan
x
.
Fn,
maka
(I
A)x
=
0,
dimana
I
adalah
matriks
identitas
dengan
ukuran
n

n.
Persamaan
homogin
(I
-

A)x
=
0
mempunyai
jawab
nontrivial
bila
bila
det(I
A)
=
0.
Persamaan
det(I
A)
=
0
persamaan
kharakteristik
dari
matriks
A
yang
persamaan
polinomial
dalam
.
dengan
derajad
n.
dan
hanya
dinamakan
merupakan
Contoh
Diberikan
matriks
.
01
.
.
..1
.
A
=
.
det(
)=
2
3.
+2=(.
1)(.

2).
..23
2
.
3
Untuk
.
=1
didapat:
.
1
..1
.
x1
.
0
.
1
.
=
.
x1
=
x2
.
x
=
;
2
..2
x2
01
sedangkan
untuk
.
=2
didapat:
.
2
..1
.
x1
.
0
.

1
.
=
.
x2
=2x1
.
x
=
.
2
..1
x2
02

HomePage
TitlePage
JJII
JI
Page82of132
GoBack
FullScreen
Close
Quit
Pendiagonalan
suatu
matriks
Suatu
matriks
A
berukuran
n

n
dengan
elemen-elemen
di
F
similar
dengan
matriks
diagonal
bila
dan
hanya
bila
eigenvektor-eigenvektornya
membentang
ruang
Fn
(span
Fn).
Bukti
Misalkan
x1,
x2;:::,
xn
adalah
eigenvektor-eigenvektor
dari
mat
riks
A
dimana
hx1,
x2;:::,
xn.
=
Fn
.

Jadi
matriks
Q
=
[x1
|
x2
|
::.
|
xn]
mempunyai
invers,
misalkan
Q..1
=
P
.
Sehingga
didapat
AQ
=
A
[x1
|
x2
|
::.
|
xn]
=[Ax1
|
Ax2
|
::.
|
Axn]
=[1x1
|
2x2
|
::.
|
nxn]
.
1
::.
::.
0
.
..

..
.
2
::.
.
=[x1
|
x2
|
::.
|
xn]
..
.
BBB
..
::.
...
..
.
CCC
@A
0
::.
::.
n

=
QA
.
A
=
Q..1AQ
.
A
=
P
AP
..1
.

Selidiki
apakah
matriks
dibawah
ini
bisa
didiagonalkan!
HomePage
TitlePage
JJII
JI
Page83of132
GoBack
FullScreen
Close
Quit
.
01
.
A
=
.
..23
Dalam
pembahasan
sebelum
didapat
bahwa
AX1
=
1X1
dan
AX2
=
2X2
dimana
.
1
.
1
.
1
=1,
X1
=
dan
2

=2,
X2
=
.
12
Untuk
matriks
Q
=
[X1
X2]
=
.
1
1
1
2
.
didapat
A
=
Q..1AQ
=
.
2
..1
..1
1
.
.
0
..2
1
3
.
.
1
1
1
2
.
=
.
1
0
0
2
.
.
Terlihat
bahwa
matriks
A
dapat

didiagonalkan
menjadi
matriks
A
.

HomePage
TitlePage
JJII
JI
Page84of132
GoBack
FullScreen
Close
Quit
Bila
matriks
A
berukuran
n

n
mempunyai
n
eigenvalue
yang
berbeda
satu
dengan
yang
lainnya,
maka
eigenvektore
igenvektornya
bebas
linier.
Bukti
Misalkan
1;2,
.
.
.
,
n
adalah
eigenvalue-eigenvalue
yang
berbeda
satu
dengan
yang
lainnya
dan
X1,
X2;:::,
Xn
adalah
eigenvektor-eigenvektor
yang
bersesuaian.
Dengan
menggun
akan

induksi
dibuktikan
bahwa
eigenvektor-eigenvektor
tsb.
bebas
linier.
Misalkan
bahwa
X1,
X2;:::,
Xk
bebas
linier
dan
untuk
a1X1
+
a2X2
+
::.
+
akXk
+
ak+1Xk+1
=
0.
(1)
Sehingga
didapat
A(a1X1
+
a2X2
+
::.
+
akXk
+
ak+1Xk+1)=
0
atau
a11X1
+
a22X2
+
::.
+
akkXk
+
ak+1k+1Xk+1

=
0.
(2)
Kalikan
k+1
pada
persamaan
(1)
selanjutnya
hasilnya
kur
angkan
pada
persamaan
(2),
didapat:

HomePage
TitlePage
JJII
JI
Page85of132
GoBack
FullScreen
Close
Quit
a1(1
k+1)X1
+
a2(2
k+1)X2
+
::.
+
ak(k
k+1)Xk
=
0.
Karena
X1;:::,
Xk
bebas
linier
dan
i
6
=
j,
8i
6
=
j,
maka
harusl
ah
a1
=
a2
=
::.
=
ak
=0.
Sehingga
persamaan
(1)
menjadi
ak+1Xk+1
=
0
dan

karena
Xk+1
6
=
0,
maka
haruslah
ak+1
=0.
Terl
ihat
bahwa
bila
dari
kenyataan
persamaan
(1)
dipenuhi
maka
berakibat
a1
=
a2
=
::.
=
ak
=
ak+1
=0,
hal
ini
menunjukkan
bahwa
vektor-vektor
X1,
X1;:::,
Xk,
Xk+1
adalah
bebas
linier.
Kesimpulan
Bila
matriks
A
berukuran
n

n
dengan
elemen-elemen
di
lapangan
F
mempunyai
eigenvalue-eigenvalue
yang

berbeda,
maka
matriks
A
dapat
didiagonalkan.
Bukti
Dengan
menggunakan
dua
hasil
sebelumnya
didapat
bahwa,
eigenvektor-eigenvektor
yang
bersesuaian
dengan
eigenvaluee
igenvalue
merupakan
vektor-vektor
yang
bebas
linier.
Seh
ingga
vektor-vektor
ini
membentangkan
keseluruhan
ruang
Fn
.
Akibatnya
matriks
A
dapat
didiagonalkan.

Contoh
Diberikan
matriks
010
A
=
001
.
0.
1.
6
..11
6
Polinomial
kharakteristik
A
adalah
.
..10
.
..10
..1
HomePage
TitlePage
JJII
JI
Page86of132
GoBack
FullScreen
Close
Quit
p()=
0
.
..1=

.
6

.
+1
.
11
.
6
.

..6
.
6
.

..6
11
p()=
(2
6)
+
11.
6=
3
62
+
11.
6=(.
1)(.
2)(.
3).
Didapat
1
=1;2
=2
dan
3
=3.
Sehingga
didapat
pasangan
eigenvalue-eigenvektor:
1
=1,
X1
=
0.
1
1
1.

;
2
=2,
X2
=
0.
1
2
1.
;
3
=3,
X3
=
0.
1
3
1.
.
149
dan
Q
=[X1
X2
X3]=
0.

111
1.
.
Q..1
0.
1.
..51
2
3
2
..34
..1
123
=
.
149
1
1
..3
2
2

Matriks
A
=
Q..1AQ
adalah

matriks
diagonal
dengan
elemene
lemen
diagonal
1
=1;2
=2;3
=3.

HomePage
TitlePage
JJII
JI
Page87of132
GoBack
FullScreen
Close
Quit
Matriks
invarian
Suatu
matriks
bujur
sangkar
invarian
adalah
suatu
sifat
dari
suatu
matriks
yang
tidak
berubah
bila
matriks
ditransformasi
dengan
suatu
cara
tertentu.
Eigenvaluee
igenvalue
dari
suatu
matriks
adalah
inv
arian
dibawah
suatu
transformasi
kesemil
aran,
begitu
juga
trace
dan
determinann
ya.
(Trace
suatu
matriks
A
adalah
juml
ah
keseluruhan

eleme-elemen
diagonalnya:
tr(A)=
n
.
i=1
ai;i).

HomePage
TitlePage
JJII
JI
Page88of132
GoBack
FullScreen
Close
Quit
Bila
.
adalah
eigenvalue
dari
matriks
A,
maka
.
juga
eigenvalue
dari
suatu
matriks
P
AP
..1
Bukti
Misalkan
AX
=
X
dan
Y
=
P
X
dengan
P
matriks
yang
punya
invers,
jadi
X
=
P
..1Y.
Sehingga
didapat
A(P
..1Y)=
(P
..1Y)
.
(P
AP
..1)Y

=
Y .
Terlihat
bahwa
.
juga
eigenvalue
dari
mat
riks
P
AP
..1
.
.
Bila
ABC
adalah
haasil
kali
matriks
bujur
sangkar,
maka
tr(ABC)=
tr(BCA).

HomePage
TitlePage
J.
I.
.
.
Bukti
0.
nn
k=1
j=1
Didapat
n
=
(ABC)i;l
baci;jj;kk;l
.
n
j=1
=
.
1.
A.
ai;jbj;kck;i
tr(BCA).
0X.
n
k=1

Page89of132
GoBack
FullScreen
Close
Quit
tr(ABC)
(ABC)i;i
=
1.
A.
i=1
i=1
nn
=
bj;kck;iai;j
0nX
.
0X.
=
j=1
i=1
k=1
1.
0nX
.

Trace
dan
determinan
dari
suatu
matriks
bujur
sangkar
adalah
invarian
dalam
suatu
tranformasi
similar.
Lagi
pula
bila
matriks
A
dapat
didiagonalkan
dengan
eigenvalue
n.
HomePage
TitlePage
JJII
JI
Page90of132
GoBack
FullScreen
Close
Quit
i,
i
=1;:::;n,
maka
tr(A)
=
i
dan
i=1
n
i=1

Bukti
Dari
hasil
sebelumnya,
tr(P
AP
..1)
=
tr(P
..1PA)=
tr(A).
Dan

.
....11det(PAP
)
det(P
)det(A)det(P
)==
....11det(A)(det(P
)det(P
))=
det(A)det(PP
)=
det(A)det(I)
det(A)Jelasbahwa
bila=
.
..1PAP
A
dimana
A
matriksdiagonalden-=
ganelemen-elemendiagonal
;i
1=
;:::;ni,
.
nn
det(A)=
i.
maka
tr(A)=
i
dan
det(A)=

i.
i=1
i=1

HomePage
TitlePage
J.
I.
.
.
Page91of132
GoBack
FullScreen
Close
Quit
Contoh
Diberikan
matriks
matriks
.
010
.
A
=
001
.
.
1=1;2=2;3=3.
.
6
..11
6
tr(A)=0+0+6=6
.
.
tr(A)=
1+2+3.
1+
2+
3=1+2+3=6
10
.
det(A)=6
=6
01

.
>>
.
.
det(A)=
123.
123
=
1(2)(3)
=
6
.
>>
.

HomePage
TitlePage
JJII
JI
Page92of132
GoBack
FullScreen
Close
Quit
Misalkan
.
adalah
sutu
eigenvalue
dari
pemetaan
linier
a
:
U
.
U.
Himpunan
semua
eigenvektor-eigenvektor
yang
berse
suaian
dengan
eigenvalue
.
beserta
vekt
or
nol
dinamakan
ruang
eigen
dari
U
dinot
asikan
dengan
E(U).
Ruang
eigen
E(U)
adalah
ruang
bagian
dari
ruang
vektor
U,
sebab
merupakan
kernel
dari
pemetaan

(IU
).
Dimensi
dari
subruang
E(U)
din
amakan
multiplisitas
geometri
dari
.
dan
dan
banyaknya
.
yang
sama
(kembar)
din
amakan
multiplisitas
aljabar
dari
.
Misa
lkan
multiplisitas
geometri
dari
.
adalah
a
dan
multiplisitas
aljabar
dari
.
adalah
b,
maka
a
=
b.

Contoh
1.
Diberikan
matriks
HomePage
TitlePage
A
=
0.
1.
2
..1
..1
03
1
.
det(I..A)=(..2)2(..4).
J.
I.
.
.
01
3
0.
1.
)=
0.
1
0
1.

,
0.
0
1
01
1
0
..1
..1
E2(R3)
=
ker(
Page93of132
GoBack
FullScreen
Close
Quit
0
..1
..10
..1
0.
21
1
01
..1
1.
)=
0.

1
..1
1A
E4(R3)
=
ker(
0
..11
..1
Terlihat
bahwa
untuk
.
=2
ataupun
.
=4
multiplisitas
geometri
=
multiplisitas
alj
abar.
1.

2.
Diberikan
matriks
HomePage
TitlePage
A
=
0.
1.
210
020
.
det(I
..A)=(..2)2(..4).
004
J.
I.
.
.
0.
0.
00
..20
1.
1.
0
..10
1
E2(R3)
=
ker(

00
0
)=
0
.
3R@E
()=
ker(4
2
..10
020
1.
)=
0.
0
0
1.
Page94of132
GoBack
FullScreen
Close
Quit
000
1
Terlihat
bahwa
untuk
.
=2
multiplisitas
geo
metri

<
multiplisitas
aljabar
tetapi
untuk
.
=4
multiplisitas
geometri
=
multiplisitas
aljabar.

HomePage
TitlePage
JJII
JI
Page95of132
GoBack
FullScreen
Close
Quit
Bila
det(I
A)=
n
+
cn..1n..1+
::.
+
c0,
maka
An
+
cn..1An..1+
::.
+
c0I
=
0.
Bukti
Bila
P
AP
..1=
D
dimana
matriks
D
adalah
matriks
diagonal
dengan
elemen-elemen
dia
gonal
i,
i
=1;:::;n
adalah
eigenvaluee
igenvalue
dari
matriks
A.
Sehingga
didap
at
:

An
+
cn..1An..1
+
::.
+
c0I
=
P
..1(Dn
+
cn..1Dn..1
+
::.
+
c0I)P
=
n
1
+
cn..1n..1
+
::.
+
c0
::.
0
1
0.
1.
P
=
0.
P
..1
..
....
.
.
.

0
::.
n
+
cn..1n..1
+
::.
+
c0
nn

Contoh
Diberikan
matriks
010
A
=
0.
001
1.
.
det(I..A)=
3..62+11..6.
6
..11
6
Sehingga
didapat
matriks
A3
..6A2
+11A
..6I
adalah:
HomePage
TitlePage
JJII
JI
Page96of132
GoBack
FullScreen
Close
Quit
0.
6
..11
6
36

..60
25
1.
0.
006
36
..66
36
1.
150
..239
90
216
..360
150
+
0.
0
11
0
0
011
1.
0.
600

060
1.
=
0.
66
..121
66
0
0
6
(6
6)
(..11
+
11)
(6
6)
(36
36)
(..60
+
66
6)
(25
36
+
11)
1.
=
0.
(150
216+66)
(..239

+
360
121)
(90
150
+
66
6)
0
0
0
0
0
0
.
.
0
0
0

HomePage
TitlePage
JJII
JI
Page97of132
GoBack
FullScreen
Close
Quit
Ke-Orthogonalan
Misalkan
V
suatu
ruang
vektor
atas
lapangan
riil
R.
Hasil
kali
dalam
riil
(real
inner
product)
juga
dinamakan
bilinier
adalah
fungsi
dari
V
V
ke
R
dinotasikan
oleh
hu,
v.
yang
memenuhi

hr1u1
+
r2u2,
v.
=
r1
hu1,
v.
+
r2
hu2,
v.
untuk
semua

u1,
u2,
v
.
V
dan
r1;r2
.
R
(Linier).
hu,
v.
=
hv,
u.
untuk
semua
u,
v
.
V
(Simetri).
hu,
ui=
0
untuk
semua
u
.
V
dan
hu,
u.
=0
bila
dan
hanya
bila
u
=
0
(semi
de

nit
positip).
Bila
x
=(x1,
.
.
.
,
xn),
y
=(y1,
.
.
.
,
yn)
.
Rn
maka
hasil
kali
dalam
n
def
baku
diberikan
oleh
hx,
y.
=
.
xiyi
(juga
dinamakan
dot
i=1
product
dalam
geometri
Euclide).
Bila
vektor-vektor
x
dan
y
disajikan
dalam
vektor
kolom,

maka
hx,
y.
=
xy.
Suatu
norm
dari
ruang
vektor
V
ke
lapangan
riil
R
adalah
suatu
fungsi
dinotasikan
oleh
j|
j|
yang
memenuhi

jjvj|
=
0
untuk
semua
v
.
V
dan
jjvj|
=0
bila
dan
hanya
bila
u
=
0
(De

nit
positip).
jjrvj|
=
jr|
jjvj|
untuk
semua
v
.
V;r
.
R
jju
+
vj|
=
jjuj|
+
jjjvj|
untuk
semua
u,
v
.
V
(Pertaksamaan
segitiga).

HomePage
TitlePage
JJII
JI
Page98of132
GoBack
FullScreen
Close
Quit
Untuk
setiap
u
.
Rn
norm
Euclide
diberikan
oleh
.
n
1
p
def
jjujjp
juijp
dalam
hal
ini
dinamakan
norm-p.
Khusus
=
i=1
.
n
untuk

p
=2
cukup
ditulis
jjuj|
=
.
juij2
i=1
1
2
Misalkan
V
suatu
ruang
vektor
atas
lapangan
R.
1.
Dua
vektor
u,
v
.
V
dikatakan
orthogonal
bila
hu,
v.
=0.
2.
Suatu
himpunan
dari
vektor-vektor
adalah
orthogonal
bila
setiap
dua
pasang
vektor
orthogonal.
3.
Suatu
vektor
u
.
V
adalah
ternormalisir

bila
jjuj|
=1.
4
Dua
vektor
u,
v
.
V
dikatakan
orthonormal
bila
jjuj|
=
jjvj|
=
1
dan
hu,
v.
=0.
u
Setiap
vektor
u
.
V
bisa
dinormalisir
kedalam
bentuk
.
jjuj|

HomePage
TitlePage
JJII
JI
Page99of132
GoBack
FullScreen
Close
Quit
Contoh
Himpunan
vektor-vektor
f(1,
0),
(0,
1)}
adalah
orthonormal,
tetapi
f(1,
1),
(..1,
1)}
adalah
orthogonal.
Himpunan
yang
terakhir
ini
dapat
dijadikan
orthonormal
sebagai
himpunan
.
11
.
11
.
berikut
ini
v
,
v
,
..v
,
v
22
22
Suatu

basis
orthonormal
dari
suatu
ruang
vektor
mempunyai
beberapa
kemanfaatan
dan
basis
baku
dari
ruang
vektor
Rn
adalah
orthonormal,
yaitu
basis
baku
dari
ruang
vektor
R3
adalah
himpunan
f(1,
0,
0),
(0,
1,
0),
(0,
0,
1)g.
Diberikan
matriks
A
berukuran
n

n,
matriks
A
dikatakan
matriks
simetri
bila
A
=
A.
dan
dikatakan
anti-simetri
(skewsymmetric)
bila

A
=
..A.
.
Matriks
simetri
bermaanfaat
dalam
bentuk
kuadrat,
misalnya
.
x

.
xy
.
a1;1
a1;2
=
a1;1x
2
+2a1;2xy
+
a2;2y
2
a1;2
a2;2
y

HomePage
TitlePage
JJII
JI
Page100of132
GoBack
FullScreen
Close
Quit
Bila
matriks
A
simetri
dengan
elemen-elemen
riil
dan
berlaku
Ax
=
x
dengan
x
6
=
0,
maka
.
selalu
merupakan
bilangan
riil.
Bukti
Digunakan
tanda
*
untuk
menyatakan
komplek
sekawan
(comp
lex
conjugate).
Kedua
ruas
dari
Ax
=
x
kalikan
dengan
x.
didapat
.
.

x
Ax
=
(xx)
(3)
Persamaan
(3)
kedua
ruas
ditranspose-konjuget
didapat
.
.
x
Ax
=
.
*
(xx)
(4)
Persamaan
(4)
dikurangi
persamaan
(3)
didapat
.
0=()(xx)
.
0=
-
.
(sebab
x
6
=
0).
Jadi
*
=
,
maka
dari
itu
.
merupakan
bilangan

riil.

HomePage
TitlePage
JJII
JI
Page101of132
GoBack
FullScreen
Close
Quit
Misalkan
A
matriks
simetri
berukuran
n

n
dengan
elemene
lemen
riil.
Bila
.
dan

adalah
sebarang
dua
eigenvalue
dari
matriks
A
dengan
masing-masing
eigenvektor
adalah
x
dan
y
dan
.
6
=
,
maka
hx,
y.
=0.
Bukti
Kedua
ruas
persamaan
Ax
=
x
kalikan
dengan

y.
didapat
y
0Ax
=
(yx).
(5)
Kedua
ruas
persamaan
Ay
=
y
kalikan
dengan
x.
didapat
x
0Ay
=
(xy).
(6)
Kedua
ruas
persamaan
(6)
ditranspose
didapat
y
0Ax
=
(yx).
(7)
Persamaan
(7)
dikurangi
persamaan
(5)
didapat
0=(
)(yx)
.
0=
yx
=

hx,
y.
(sebab
.
=6).

HomePage
TitlePage
JJII
JI
Page102of132
GoBack
FullScreen
Close
Quit
Matriks
A
berukuran
n

n
dikatakan
orthogonal
bila
AA.
=
I
=
A0A
yaitu
A..1
=
A.
.
Bila
Bi
dan
Kj
masing-masing
menyatakan
baris
ke-i
dan
kolom
ke-j
dari
suatu
matriks
orthogonal
A
berukuran
n

n,
maka
fBi,
i
=1;:::;n}
dan
fKj,
j
=1;:::;n}
adalah

himpunan
dari
vektor-vektor
orthonormal.
Bukti
Dari
elemen
perkalian
matriks
(AA0)i;j
=
hBi,
Bj.
dan
fakta
AA.
=
.
1
i
=
j
I
didapat
hBi,
Bj.
=
,
terlihat
bahwa
baris
0
yang
lainnya
baris
dari
A
adalah
orthonormal.
Bila
A
orthogonal,
maka
A.
juga
orthogonal,
jadi
kolom-kolom
dari
A
juga
orthonormal.

Contoh
Bila
matriks
A
diberikan
oleh
A
=
0.
010
001
1.
,
maka
AA.
=
0.
010
001
0.
1.
001
100
1.
=
0.

100
010
1.
=
I.
100
100
010
001
Juga
dapat
dicek
bahwa
A0A
=
I.
Jadi
A
adalah
matriks
ort
hogonal.

HomePage
TitlePage
JJII
JI
Page103of132
GoBack
FullScreen
Close
Quit
Contoh
Bila
matriks
A
diberikan
oleh
.
.
11
p
p..
0
22
A
=10
0
,
.
BBBB
.
.
CCCC
A
11
v
v
0

22
maka
matriks
A
adalah
orthogonal,
sebab
.
1.
1
0
10
11
p
p..
.
100
.
0
11
22
v
0
v
AA.
=10
0

.
BBB.
CCC
.
BBB
BCB
=
010
=
I.
.
CCC
.
A
C
.
22
11
11
.
A.
001
v
v
2
v
0
v
0

2
22
Juga
dapat
dicek
bahwa
A0A
=
I

HomePage
TitlePage
JJII
JI
Page104of132
GoBack
FullScreen
Close
Quit
Suatu
pemetaan
linier
yang
direpresentasikan
oleh
suatu
mat
riks
orthogonal
adalah
mempertahankan
jarak
dari
suatu
vekt
or,
yaitu
bila
A
suatu
matriks
orthogonal,
maka
jjAxj|
=
jjxj|
untuk
semua
x
.
Rn
.
Bukti
Dari
persamaan
jjxj|
=
phx,
x.
dan
hx,
x.
=
x0x,
didapat
jjxjj2
=

x0x.
Oleh
karena
itu
jjAxjj2
=
x0A0Ax
=
xx
=
jjxjj2
.
jjAxj|
=
jjxjj.
Contoh
Diberikan
matriks
orthogonal
.
11
.
0
..v
v
.
x1
1
22
A
=10
0
dan
sebarang
x
=
x2
.
.
Rn;
.
.
BBBB
11
.
CCCC

x3
.
0
pv
.
22
maka
dapat
ditunjukkan
bahwa
jjAxj|
=
jjxj|
sebagai
mana
berikut
ini:

11
.
11
.
.
.
.
.
.
.

.
=
.
A.
B
.
C

.
.
.
.
HomePage
TitlePage
.
.
.
v
v
v
x2+
v
0
x3
x1
22
22
x1
C.

.
10
0
x2
=
11
1
x2+
1
v
.
x3
v
v
v
0
.
.

.
.

.
A.

.
x3
J.
I.
.
.
22
22
.
11
1
v
1
2
x3)2
+
x
x3)2
(v
x2+
v
v
+(
x2+
1

Page105of132
GoBack
FullScreen
Close
Quit
22
22
r1
111
2
222
2
xx2x3+
x3+
x1+
x2+
x2x3+
x
23
2
222
.
x2
1
+
x2
2
+
x2=
jjxjj.
3

HomePage
TitlePage
JJII
JI
Page106of132
GoBack
FullScreen
Close
Quit
Kesimpulan
yang
bisa
diperoleh
dari
matriks
simetri
berkaitan
dengan
pendiagonalan
matriks
diberikan
sebagaimana
berikut
ini.
Kesimpulan
Bila
matriks
simetri
A
berukuran
nn
mempunyai
eigenvaluee
igenvalue
yang
berbeda,
maka
A
dapat
didiagonalkan
melalui
suatu
matriks
orthogonal.
Komentar
:
Karena
matriks
A
mempunyai
eigenvaluee
igenvalue
yang
berbeda,
maka

dapat
didiagonalkan
menj
adi
matriks
Q..1AQ
dimana
matriks
Q
=[x1jx2|
::.
jxn]
dengan
xi,
i
=1;:::;n
adalah
eigenvektor-eigenvektor
dari
A
yang
sesuai
dengan
eigenvaluenya.
Berdasarkan
hasil
sebelumnya
vektorv
ektor
xi,
i
=1;:::;n
saling
orthogonal.
Bila
vektor-vektor
ini
dinormalkan
maka
didapat
matriks
orthogonal
.
x1
x2
xn
.
P
=
::.
,
sehingga
matriks
P
0AP
juga
meru

jjx1j|
.

jjx2j|
.

jjxnjj
pakan
matriks
diagonal.

HomePage
TitlePage
JJII
JI
Page107of132
GoBack
FullScreen
Close
Quit
Contoh
Diberikan
matriks
simetri
v
pp
.
12
.
.
0
.
12
.
.
1
2
.
A
=
p.
..v
=
v
.
22
0
.
22
2
.
2
Sehingga
didapat
polinomial
kharakteristik
dari

matriks
A
adalah
p()=(.
1)(.
2)
2=
2
3.
=
(.
3).
Untuk
eigenvalue
1
=0
dan
2
=3
didapat
masing-masing
eigenvekt
or
yang
sesuai
adalah:
p
.
2
.
1.
x1
=
dan
x2
=
v
.
12
Sehingga
diperoleh
v

1
.
2
.
01
p
..v
3
3
x1
x2
=
dan
=
:
p
jjx1j|
jjx2j|
.
BBBB
1
.
CCCC
.
BBBB
2
.
CCCC
.
v
A.
v
.
33
.
x1
x2
.
Bila

matriks
P
=
,
maka
pendiagonalan
dari
ma
jjx1j|
jjx2jjtriks
A
adalah
P
0AP
dan
hasilnya
diberikan
sebagai
berikut

HomePage
TitlePage
JJII
JI
Page108of132
GoBack
FullScreen
Close
Quit
pp
0.
0
21
2
..pv
..p
p
33
3
.
12

v
v
22
.
BBBBB
12
.
CCCCC
.
BBBBB
1
.
pv
A.
v
33
3
pv

p
.
10
2222
2
..v
+
v
..v
+
v
..v
3333
3
pv
.
BBBB.
CCCC
.
BBBB
B1
2
222
CB1
.
v
+
pv
+
v
A.
v
3333
3
p
01
21.
00
.
..v
v

33
.
0
v
=
.
BB
3
32
.
CC
v
0
.
pv
A.
BBBBB
12
.
CCCCC
33
.
pv
.
33
1
1
v
3
=
v
2
.
CCCCC
v
.

3
1
1
v
3
=
v
.
CCCC
2
C
v
.
3
0
.
3

HomePage
TitlePage
JJII
JI
Page109of132
GoBack
FullScreen
Close
Quit
Berkaitan
dengan
matriks
simetri
dengan
elemen-elemen
riil.
Sebagaimana
telah
diketahui
matriks
simetri
pasti
semua
eigenvaluenya
adalah
riil,
tetapi
tidak
menjamin
bahwa
sem
ua
eigenvalue-eigenvalue
ini
berbeda
satu
dengan
yang
lainn
ya,
bila
semuanya
berbeda
maka
pasti
matriks
simetri
tsb.
bisa
didiagonalkan.
Bila
ada
yang
rangkap,
maka
hal
ini
ada
dua

kasus.
Yang
pertama
bila
masing-masing
multip
lisitas
geometri
=
multiplisitas
aljabar,
maka
pendiagonalan
matriks
bisa
dilakukan.
Kedua,
bila
masing-masing
multip
lisitas
geometri
<
multiplisitas
aljabar,
maka
pendiagonalan
tidak
dapat
dilakukan.
Pada
khasus
yang
kedua
tentunya
hanya
beberapa
eigenvektor
yang
orthogonal
satu
dengan
yang
lainnya,
yaitu
yang
berkaitan
dengan
eigenvalue-eigenvalue
yang
saling
berbeda
satu
dengan
lainnya.
Tetapi
untuk
eigenvalue
yang
rangkap

walaupun
memberikan
eigenvektore
igenvektor
yang
saling
bebas
linier
tetapi
tidak
menjamin
bahwa
eigenvektor-eigenvektor
ini
orthogonal.
Oleh
karena
itu
matriks
yang
kolom-kolomnya
merupakan
eigenvektore
igenvektor
bukan
matriks
orthogonal.
Tetapi
dengan
beb
erapa
modi

kasi
matriks
tsb.
bisa
dijadikan
matriks
or
thogonal,
cara
pengorthogonalan
ini
mengarah
apa
yang
din
amakan
proses
Pengorthogonalan
Gram-Schmidt.
Contoh
berikut
memberikan
kejelasan
mengenai
pengorthogonalan
sua
tu
matriks.

Contoh
Diberikan
suatu
matriks
simetri
HomePage
TitlePage
JJII
JI
Page110of132
GoBack
FullScreen
Close
Quit
A
=
0.
1
..1
..1
..11
..1
1.
.
I
A
=
0.
1.
.
.
1
11

.
1
1
1
..1
..11
11
.
1
Polinomial
kharakteristik
dari
A
diberikan
oleh
p()
=
det(I
A)=(.
2)2(.
+
1).
Pasangan
eigenvalue
eigenv
ektor
diberikan
oleh
1
=2,
x1
=
0.
..1
0
1.

;
2
=2,
x2
=
0.
..1
1
1.
;
3
=1,
x3
=
0.
1
1
1.
.
1
01
Terlihat
bahwa
hx1,
x3.
=

hx2,
x3.
=0
tetapi
hx1,
x2.
=1
6=0.
Penormalan
dari
x2
dan
x3
didapat
:
.
.
1
v
.
.
1
..v
3
2
x3
1
x2
1
v
dan
p3

p2
==
jjx2j|
==
.
v
.
BBBB
.
2
.
CCCC
.
jjx3j|
.
BBBBB
.
3
.
CCCCC
.
0
1
v
3

HomePage
TitlePage
JJII
JI
Page111of132
GoBack
FullScreen
Close
Quit
Untuk
memperoleh
suatu
vektor
x1
supaya
hx1,
x2.
=0,
adalah
sebagai
berikut.
Misalkan
x1
+
ax2
=
x1,
didapat
x2
.
x1
+
ax2x2
=
0hx1,
x2.
x2x1
atau
hx1,
x2.
+
a
hx2,
x2.
=
hx1,
x2i.
a
=
.
Sehingga
hx2,
x2.
didapat

hx1,
x2.
x1
=
x1
x2.
hx2,
x2.
Jadi
.
1
1
..
.
..1
1.
..1
.
2
1
1
x1
=0
1=
@.
2
.
A.
BBB
.
CCC
2
10
@A
1

Dengan
menormalkan
vektor
x1
didapat:
1
.
..v
.
6
x1
1
p1
==
..v
.
jjx1j|
6
.
BBBBB
2
.
CCCCC
.
v
.
6
Jadi
matriks
P
=[p1
|
p2
|
p3]
diberikan
oleh:

HomePage
TitlePage
JJII
JI
Page112of132
GoBack
FullScreen
Close
Quit
.
.
1
11
p
p..
p6
23
111
ppp
.
BB
.
CC
.
P
0P
=
I
=
PP
.
(P
matriks
orthogonal).
P
=

623
.
BBB
21
.
CCC
@A
v
0
v
63
Sehingga
didapat
:
.
1.
.
1
12
1
1
1
p..pv
6
2
3
1
1
1
ppv
6
2
3
2
1

p
p..p
.
1
..1
..1
.
6
66
11
P
0AP
=
v
v
0
..11
..1
@.
=
22
.
BBBBB
.

.
CCCCC
.
.
BBBBB
.
.
CCCCC
A
..1
..11
1
11
v
v
v
3
v
0
v
33
63
.
2
0
0
.
.
0
2
0
.
0
0

..1

HomePage
TitlePage
JJII
JI
Page113of132
GoBack
FullScreen
Close
Quit
Proses
orthogonalisasi
Gram-Schmidt
Diberikan
himpunan
vektor-vektor
yang
bebas
linier
S
=
fX1,
X2;:::,
Xng,
dari
S
dibentuk
himpunan
vektor-vektor
ort
hormal
T
=
fT1,
T2;:::,
Tn}
sebagi
berikut:
t1
t1
=
X1
.
T1
=
jjt1j|
hX2,
X1.
t2

t2
=
X2
t1
.
T2
=
hX1,
X1.
jjt2jj
.
.
.
.
.
.
hXn,
t1ihXn,
t2ihXn,
tn..1.
tn
tn
=
Xn
t1
t2
::.
tn..1
.
Tn
=
ht1,
t1iht2,
t2ihtn..1,
tn..1.
jjtnj|
Didapat
matriks
orthogonal
T
=[T1

|
T2
|
::.
|
Tn]
.

Contoh
Diberikan
matriks
dengan
kolom-kolom
merupakan
vektorv
ektor
yang
bebas
linier,
yaitu
A
=
0.
111
011
001
1.
Misalkan
X1,
X2
dan
X3
merupakan
vektor-vektor
kolom
dari
A,
maka
HomePage
TitlePage
JJII
JI
Page114of132
GoBack
FullScreen
Close
Quit
=
0.

1.
0.
1.
1
0
1
0
t1
.
T1
=
=
X1
t1
=
jjt1jj
00
0.
0.
1.
1.
0.
1.
1

1
0
0
1
hX2,
t1.
t2
=
=
.
T2
1
t2
t1
=
=
ht1,
t1.
1A
jjt2jj
00
0
0.
1.

0.
0.
1.
1
1
0
0
hX3,
t1ihX3,
t2.
.
T3
t3
=
=
jjt3j|
t1
0
t3
t2
=
=
ht1,

t1.
ht2,
t2.
1
1
Terlihat
bahwa
matriks
T
=[T1
T2
T3]
adalah
matriks
orthog
onal.

HomePage
TitlePage
JJII
JI
Page115of132
GoBack
FullScreen
Close
Quit
Proyeksi
dan
General
Invers
Proses
orthogonal
Gram-Schmid
erat
kaitannya
dengan
apa
yang
dinamakan
proyeksi
sebagaimana
akan
terlihat
dalam
pembahasan
berikut
ini.
Ada
kalanya
sistem
persamaan
linier
Ax
=
y
tidak
mempunyai
penyelesaian
secara
analitik
(eksak).
Tetapi
bila
model
linier
yang
dikaji
ini
merupakan
suatu
problem
nyata
yang
dijumpai,

maka
diperlukan
suatu
alternatif
penyelesaian
untuk
menjawab
problem
yang
ada
sehingga
penyelesaian
yang
didapat
cukup
untuk
menjawab
problem.
Suatu
contoh
berikut
menjelaskan
hal
ini:
Diberikan
sistem
persamaan
linier
Ax
=
y:
.
63
.
x1
.
2
.
=
.
(8)
21
x2
2
Jawab
eksak
dari
persamaan
ini
tidak
ada.

Dalam
hal
ini,
selalu
bisa
didapat
penyelesaian
pendekatan
x
melalui
pengg
antian
y
dengan
vektor
y.
di
ruang
kolom
dalam
A
yang
dekat
dengan
y
dan
sebagi
penggantinya
selesaikan
persamaan
Ax
=
y.
.
Untuk
khasus
yang
diberikan
dalam
persamaan
(8)
ruang
kolom
dari
A
adalah
span:
.
3
.
W
=
rr
.
R.

.
3
Dengan
demikian
dipilih
y.
=
r
1
sehingga
panjang
HomePage
TitlePage
JJII
JI
Page116of132
GoBack
FullScreen
Close
Quit
.
y
y
0k=
.
2
.
3
.
r
21
sekecil
mungkin.
Gambar
berikut
secara
geometri
menjelaskan
pilihan

dari
vektor
y.
.
Sebelum
menyelesaikan
problem
yang
ada
diberikan
pengert
ian
berikut.
Misalkan
W
suatu
ruang
bagian
dari
Rn
dan
tulis
y
.
Rn
=
W
.
W
.
sebagai
y
=
y1
+
y2,
dimana
y1
.
W
dan
y2
.
W
?,
maka
y1
dikatakan
proyeksi
dari
y
pada
W
dan
dinotasikan
oleh
y1
=

Proj(y).
w

HomePage
TitlePage
JJII
JI
Page117of132
GoBack
FullScreen
Close
Quit
Berikut
ini
diselesaikan
masalah
persamaan
linier
.
63
.
x1
.
2
.
=
.
21
x2
2
.
3
.
.
..1
.
Pilih
W
=
sehingga
didapat
W
.
=
.
Jadi
13
.
2
.

4
.
3
.
2
.
..1
.
=+
.
Untuk
meminimumkan
panjang
2
51
53
.
2
.
3
.
.
y
y
0.
=
r
21
4
.
3
.
2
.
..1
.
3
.
=+
r
5153
1

4
.
3
.
2
.
..1
.
=(
r)+
5
153
.
3
.
..1
.
4
dan
karena
dan
orthogonal,
maka
haruslah
r
=
.
13
5
.
2
.
4
.
3
.
6
.
4
.
3
.
Sehingga
didapat
y.

=
Proj=
=0+
.
w
2
51
251
Terlihat
bahwa
penyelesaian
pendekatan
adalah
x1
=0
dan
x2
=
4
.
5

HomePage
TitlePage
JJII
JI
Page118of132
GoBack
FullScreen
Close
Quit
Misalkan
W
suatu
ruang
bagian
dari
Rn,
maka
vektor
y0.
W
yang
dekat
ke
y
.
Rn
adalah
y.
=
Proj(y).
w
Bukti
Tulis
y
=
y1+y2
dengan
y1
.
W
dan
y2
.
W
.
.
Jadi
y1
=
Proj(y).
w
Untuk
sebarang
w

.
W
jarak
kuadrat
.
y
w
k2
diberikan
oleh
.
(y1
w)+
y2
k2
=
<
(y1
w)+
y2,
(y1
w)+
y2
>
=
<
y1
w,
y1
w
>
+
<
y2,
y2
>
=
.
y1
w
k2
+
.
y2
k2
,

akan
minimal
bila
w
=
y1
=
Proj(y).
w
Suatu
cara
singkat
untuk
menentukan
proyeksi
dari
suatu
rauang
bagian
W
yang
dibangun
hanya
oleh
satu
vektor
w,
dimana
V
=
W
.
W
.
diberikan
oleh
<
y,
w
>
Proj(y)=
w.
(9)
w
<
w,
w
>
Dalam

hal
ini
adalah:
<
y,
w
>
1.
w
.
W
.
<
w,
w
>
<
y,
w
>
2.
y
w
.
W
.
<
w,
w
>
<
y,
w
>
.
<
y,
w
>
.
3.
y
=
w
+
y
w
<

w,
w
><
w,
w
>

Dengan
menggunakan
hasil
dalam
(9)
didapat
HomePage
TitlePage
JJII
JI
Page119of132
GoBack
FullScreen
Close
Quit
.
2
.
2:3+2:1
.
3
.
4
.
3
.
Proj==
:
w
23:3+1:11
51
Berikut
ini
diberikan
suatu
sifat
bila
ruang
bagian
W
dibangun
oleh
lebih
dari
satu
vektor.
Misalkan
W
suatu
ruang

bagian
dari
Rn
dibangun
oleh
basis
orthogonal
w1;:::,
wk
dan
misalkan
y
.
Rn,
maka
<
y,
w1
><
y,
wk>
Proj(y)=
w1
+
::.
+
wk.
(10)
w
<
w1,
w1
><
wk,
wk>
Bukti
<
y,
w1
><
y,
wk>
Misalkan
y1
=
w1+:::+
wk.
Maka
untuk
1

=
<
w1,
w1
><
wk,
wk>
<
y,
wi>
i
=
k
didapat
<
y
y1,
wi>=<
y,
wi>
<
wi,
wi>=0.
<
wi,
wi>
Jadi
y
y1
.
W
.
dan
y1
=
Proj(y).
w
Bila
W
suatu
ruang
bagian
dari
Rn
dengan

basis
orthonormal
w1;:::,
wk,
maka
persamaan
(10)
menjadi
Proj(y)=<
y,
w1
>
w1
+
::.
+
<
y,
wk>
wk.
(11)
w

Contoh
Dapatkan
elemen
dari
ruang
bagian
W
yang
dekat
deng
an
vektor
(1,
2,
3).
,
dimana
W
dibangun
oleh
vektor-vektor
(1,
2,
..1).
,
(..1,
4,
1).
.
Jawab
Dengan
menggunakan
proses
Gram-Schmidt,
didapat
basis
or
thonormal:
v
1
(1,
2,
..1).
,
v
1
(..1,
1,
1).
.
Sehingga
proyeksi
dari

63
(1,
2,
3).
pada
W
adalah:
HomePage
TitlePage
JJII
JI
Page120of132
GoBack
FullScreen
Close
Quit
Proj
w
0.
1.
0.
1.
0.
..1
1
2
1
2
11
11

v
(1
+
4
3)v
v
(..1
+
2
+
3)
v
+
=
6
6
3
3
..1
3
0.
1.
0.
1.
0.
1.
.

..1
1
..1
2
1
2
1
3
4
3
+
=
=
..1
11
Sehingga
didapat
vektor
0.
1
2

1.
=
0.
..1
2
1.
0.
2
0
1.
.
W
.
W
.
+
,
3
12
1.
elemen
dari
W
dekat
ke
0.

1
2
1.
adalah
Proj
w
0.
1
2
1.
=
0.
..1
2
1.
.
33
1

Misalkan
dipunyai
suatu
supply
dari
5000
unit
S,
4000
unit
T
dan
2000
unit
U.
Bahan
digunakan
dalam
pabrik
untuk
memp
roduksi
P
dan
Q.
Bila
setiap
unit
dari
P
menggunakan
2
unit
S,
0
unit
T
dan
0
unit
U;
dan
setiap
unit
dari
Q
menggunakan
3
unit
S,
4
unit
T
dan
1
unit
U.
Berapa
banyak

unit
p
dari
P
dan
q
dari
Q
yang
harus
dibuat
supaya
keseluruhan
supply
digunakan?
Model
matematika
dari
persoalan
yang
ada
diberikan
oleh
perHomePage
TitlePage
J.
I.
.
.
samaan:
2.
3.
.
p
q
=
2.
3.

.
23
04
5000
4000
01
2000
Page121of132
GoBack
FullScreen
Close
Quit
Persamaan
dari
model
tidak
mempunyai
jawab
eksak
(anali
5000
35
24
tik)
sebab
vektor
4000
2000
bukan
merupakan
kombinasi
linier
2.
2

0
3.
dan
2.
3
4
3.
.
Untuk
meyelesaikan
per
dari
vektor-vektor
01
samaan
secara
pendekatan,
dilakukan
hal
berikut:
Cari
vektor
35
2.
didalamruangbagian
W35
2
2.
3.
2.

yang
merupakan
bentuk
kombinasi
5000
3
linier
p
0
4
yang
dekat
dengan
vektor
4000
+
q
0
1
2000

Dengan
melakukan
proses
Gram-Schmidt
di
vektor-vektor
pembangun
yang
merupakan
basis
dari
W
,
didapat
basis
orHomePage
TitlePage
JJII
JI
Page122of132
GoBack
FullScreen
Close
Quit
thonormal:
2.
3.
2.
3.
.
1
0
0
4
1

p
w1
=
,
w2
=
17
0
1
Sehingga
diperoleh:
Proj
w
2.
5000
4000
3.
=
2.
3.
2.
3.
1

0
0
4
16000
2000
1
v
+
v
)p
5000
+(
17
17
17
2000
0
1
5000
2.
3.
18000
17
2.
0
4

3.
1
0
+
=
01
2.
2
0
3.
2.
3.
.
3
4
3
18000
18000
17
(2500
(

)(
))
+
=
2
17
01
3
18000
18000
Terlihat
bahwa
p
=
2500
(
)(
)=911:76
dan
q
==
217
17
1058:82.

Pendekatan
invers
dari
suatu
matriks
berukuran
m

n
Untuk
setiap
matriks
A
berukuran
mn
dengan
elemen-elemen
riil,
matriks
Aberukuran
n

n
dinamakan
pendekatan
invers
(psedoinverse)
yang
memenuhi
A..y
merupakan
penyelesaian
pendekatan
dari
persamaan
Ax
=
y.
Kolom-kolom
dari
mat
riks
Aadalah
penyelesaian
pendekatan
dari
Ax
=
ei,
dimana
ei,
i
=1;:::;m
merupakan
basis

baku
dari
Rm
.
HomePage
TitlePage
JJII
JI
Page123of132
GoBack
FullScreen
Close
Quit
Contoh
Dapatkan
matriks
Abila
A
=
0.
23
04
1.
dan
hitung
A0.
5000
4000
1.
.
0
1

2000
1A
0.
Jawab
Ruang
kolom
orthonormal
dari
matriks
A
adalah
span
1
1A
0.
0
1
p
dari
vektor-vektor:
Sehingga
di
0
4
w1
=
,
w2
=
.
17

0
1
dapat
0.
1.
0.
1.
0.
1.
0.
1.
0.
1.
0.
1
0
1
0
0
1

0
16
17
0
0
0
4
17
Proj
w
,
Proj
w
,
Proj
=
=
=
.
w
41
000
1
17

17
Dan
kolom-kolom
matriks
Adidapat
sebagai
berikut
1.
0.
23
04
1.
x
=
0.
1
0
1.
.
1
2
.
x
=
0
01
0

0.
23
04
1.
x
=
0.
0
16
17
4
1.
.
x
=
.
..16
17
4
17
HomePage
TitlePage
JJII
JI
Page124of132
GoBack
FullScreen
Close
Quit
01

17
0.
1.
x
=
0.
1.
.
x
=
23
04
0
4
17
1
.
3
34
1
17
01
17
Sehingga
didapat
matriks

Aadalah:
.
1
6
3
A2
17
34
=
41
.
0
17
17
Penyelesaian
pendekatan
dari
persamaan
0.
1.
.
p
=
q
0.
1.
23
04

5000
4000
01
2000
diberikan
oleh
.
p
=
A0.
1.
0.
5000
4000
1.
5000
4000
.
1
6
3

2
17
34

.
911:76
=
.
1058:82
=
41
0
q
2000
17
17
2000
Hasil
yang
didapat
sama
dengan
hasil
perhitungan
sebelumn
ya.

HomePage
TitlePage
JJII
JI
Page125of132
GoBack
FullScreen
Close
Quit
Soal
UAS
GASAL
2006/2007
1.
1.Selidiki
apakah
matriks
berikut
bisa
didiagonalkan
atau
tidak
bisa
didiagonalkan?
2.
013
012
1
..10
3.
Berikan
alasan
dari
jawaban!
JawabPolinomial
kharakteristik
dari
matriks
diberikan
oleh:
.
..1
..3
p()=
0

.
1
..2
=(.
1)2(.
+
1)
.

.
..11
.
.

.
Untuk
.
=1,
didapat:
E1(R3)=
Ker(
2.
1
..1
..3
00
..2
3.
)=
0.
1
1
1A
.
..111
0
Terlihat
bahwa
untuk
.
=1
multiplisitas
geometri
=1
<
2=
multiplisitas
aljabar.

Jadi
matriks
tidak
bisa
didiagonalkan.

2.
Bila
vektor-vektor
v1,
v2;:::,
vn
adalah
orthogonal,
maka
tunjukkan
bahwa
:
jjv1
+
v2
+
::.
+
vnjj2
=
jjv1jj2
+
jjv2jj2
+
::.
+
jjv1jj2
.
Jawab
HomePage
TitlePage
JJII
JI
Page126of132
GoBack
FullScreen
Close
Quit
2
.

n.
i=1
.

vi
=
n.
j=1
n.
k=1
vj,
=
nXn.
vk
n.
jjvjjj2
.
hvj,
vk.
=
j=1
k=1
j=1
3.
Dengan
general
invers
cari
garis
lurus
y
=
ax
+
b
yang
paling
mendekati
titik-titik
(1,
2),
(2,
3)
dan
(3,
1).
Jawab:

8.
.
.
1
1
.
..1
.
123

1.
9.
.
..1
0.
11
21
1.
.
a
b
0.
1.
0.
2
11

21
.
1
23
111
23
.
A3
=
=
111
31
1
31
0.
2
1.
0.
2
1.
0.

1
.
..1
0

2
1.
A2
2
3
3
=
=
7
3
111
4
1
..2
3
..1
33
1

1
8
Didapat
a
=
..1+
1
=
..1
dan
b
=
+1
2
=3.
22
33

HomePage
TitlePage
JJII
JI
Page127of132
GoBack
FullScreen
Close
Quit
4.
Bila
V
adalah
ruang
vektor
dari
himpunan
polinomialp
olinomial
dengan
derajad
kurang
atau
sama
dengan
3
1
dan
"hasil
kali
dalam
diberikan
oleh
hp,
q.
=
.
p(x)q(x)dx.
..1
Lakukan
poses
orthogonalisasi
Gram-Schmidt
terhadap
basis
1,
x,
x2;x3
.
Jawab

1
1
p1(x)=1
.
p1(x)=
v
p1(x)=
v
<p1;p1
>2
1
q3
p2(x)=
x<
x,
p1
>p1(x)
.
p2(x)=
v
p2(x)=
x
2
<
p2;p2
>
p3(x)=
x2<x2
;p1
>p1(x)<x2
;p2
>p2(x)
.
q5
p3(x)=
v
1
p3(x)=
(3x2
1)
8

<
p3;p3
>
p4(x)=
x3<x3
;p1
>p1(x)<x3
;p2
>p2(x)<x3
;p3
>p3(x)
.
q7
p4(x)=
v
1
p4(x)=
(5x3
3x)
8
<
p4;p4
>

HomePage
TitlePage
JJII
JI
Page128of132
GoBack
FullScreen
Close
Quit
5.
Diberikan
pemetaan
linier
a
:
R2
.
R2
dengan
((x,
y)0)
=
(2x
+
y,
x
+3y).
.
Dengan
basis
B
=
(1,
0).
,
(1,
1).
tentukan
matriks
representasi
dari
.
Jawab
B((1,
0)0)
=
(2,
1).
=
1(1,
0).
+
1(1,

1).
=
(1,
1).
dan
B((1,
1)0)
=
(3,
4).
=
..1(1,
0).
+
4(1,
1).
=(..1,
4).
,
sehingga
diperoleh
matriks
representasi
dari
:
.
1
..1
.
A
=(,
B,
B)=
.
14

2
Dengan
general
invers
dapatkan
parabola
y
=
ax+
bx
+
c
yang
mendekati
titik-titik
(3,
0),
(2,
0),
(1,
2),
(..1,
12).
Jelaskan
apakah
hasilnya
pendekatan
atau
tidak!
Jawab
:
Untuk
titik
(3,
0),
(2,
0),
(1,
2),
(..1,
12)
didapat
empat
persamaan
:
9a
+3b
+
c
=0,
4a
+2a
+
c
=0;a
+

b
+
c
=2;a
b
+
c
=
12
atau
dalam
bentuk
matriks
HomePage
TitlePage
JJII
JI
Page129of132
GoBack
FullScreen
Close
Quit
.
2
3
.
9
3
1
4
2
1
1
1
1
0
2.
3.
a

b
0
.
=
.
666.
.
777
.
.
666
.
.
777
.
2
c
1
..11
12
8.
>>>
.
9.
>>>
.
.
.

.
.
..1
9
3
1
4
2
1
1
1
1
0
2.
3.
2.
3.
2.
3.
=
2.
941
1
321
..1
941

1
321
..1
a
b
0
..5
=
.
666
.
.
777
.
.
666
.
.
777
.
.
2
111
1
111
1
.
>>>

:
.
>>>
;
c
1
..11
12
Cek!
.
6.
66
.
9
3
1
4
2
1
1
1
1
.
7.
77
.
2.
.
6.
66
.
0
0
.

7.
77
.
3.
1
3.
..5
=
.
2
6
1
..11
12
Terlihat,
hasilnya
eksak
bukan
pendekatan
(kita
coba
melakukan
penghitungan
dengan
MAXIMA).

Cara
lain
mencari
invers
matriks
Misalkan
matriks
:
.
.
HomePage
TitlePage
JJII
JI
Page130of132
GoBack
FullScreen
Close
Quit
A
=
2.
3.
.
666.
9
3
1
4
2
1
1
1
1
.
777
.
=

2.
3.
.
941
1
321
..1
99
35
15
3515
5
111
1
155
4
1
..11
Selanjutnya
tentukan
polinomial
kharakteristik
A
:
p(x)=
jxI
..A|
=
x3
..118x2
+466x..440
.
A3
..118A2
+466A..440I
=
0

Didapat
A..1
=
1
(A2
118A
+
466I)
:
440
2.
0.
11251
4065
1720
4065
1475
620
3.
188
2.
99
35
15
3515
5
3.
+
466
2.
100
010

1
A..1
=
440
1720
620
266
15
5
4
001
2.
3.
7
88
13
88
5
44
13
88
171
440
3
44
5
44
3
44
13
22
2.
0.
1A
35

=
35
..65
..50
..65
171
30
=
1
440
..50
30
260
1.
3.
.
6666666
.
.
7777777
.

Jawaban
UAS
Aljabar
linear
semester
gasal
2007/2008
1.)
Diberikan
matriks
:
HomePage
TitlePage
JJII
JI
Page131of132
GoBack
FullScreen
Close
Quit
.
1
..1
.
A
=
.
1
1
Diagonalkan
matriks
A
dengan
menggunakan
basis
orthonorm
al
dari
eigenvector-eigenvector
matriks
A.
Jawab
:
Eigenvalue
dan
eigenvector
dari
A
diberikan
oleh
:
jA
I|
=

2
2.
+2=0,
didapat
1
=1
i,
2
=1+
i.
Nullspace(A
1I)=
f<
(1;i)
>}
dan
Nullspace(A
..2I)=
f<
(1,
..i)
>g.
Terlihat
bahwa
eigenvector-eigenvector
yang
bersesuaian
dengan
1
=1
i
dan
2
=1+
i,
masing-masing
diberikan
oleh
:
.
1
.
1
.
v1
=
dan
v2
=
.

i
..i
Vektor
v1
dan
v2
orthogonal,
sebab
<
v1,
v2
>=
0.
Sehingga
v1
v2
v1
v2
basis
orthonormalnya
adalah
:
jv1j
,
jv2j
.
Dengan
P
=[
jv1j|
jv2|
]
didapat
:
111
.
v
..pi
#.
1
.
pv
#
..1
22
22
P
..1AP
=

1ii
pv
11
v
..pi
22
22
.
1
i
0
.
=
.
0
1
+
i

HomePage
TitlePage
JJII
JI
Page132of132
GoBack
FullScreen
Close
Quit