Aljabar Linear - Wikipedia

Aljabar linear - Wikipedia bahasa Indonesia, ensiklopedia bebas http://id.wikipedia.
org/wiki/Aljabar_linear
Aljabar linear
Dari Wikipedia bahasa Indonesia, ensiklopedia bebas
Aljabar linear adalah bidang studi matematika yang mempelajari sistem persamaan linear dan solusinya, vektor,
serta transformasi linear. Matriks dan operasinya juga merupakan hal yang berkaitan erat dengan bidang aljabar
linear.
Daftar isi
1 Persamaan Linear & Matriks
1.1 Penyelesaian Persamaan Linear dengan Matriks
1.1.1 Bentuk Eselon-baris
1.1.2 Operasi Eliminasi Gauss
1.1.3 Operasi Eliminasi Gauss-Jordan
1.2 Operasi Dalam Matriks
1.3 Matriks Balikan (Invers)
1.4 Transpose Matriks
1.5 Matriks Diagonal, Segitiga, dan Matriks Simetris
1.5.1 Matriks Diagonal
1.5.2 Matriks Segitiga
1.5.3 Matriks Simetris
2 Determinan
2.1 Determinan dengan Ekspansi Kofaktor
2.1.1 Determinan dengan Minor dan kofaktor
2.1.2 Determinan dengan Ekspansi Kofaktor Pada Baris Pertama
2.1.3 Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama
2.1.4 Adjoin Matriks 3 x 3
2.1.5 Determinan Matriks Segitiga Atas
2.1.6 Metode Cramer
2.1.7 Tes Determinan untuk Invertibilitas
2.2 Mencari determinan dengan cara Sarrus
2.3 Metode Sarrus hanya untuk matrix berdimensi 3x3
2.4 Menghitung Inverse dari Matrix 3 x 3
2.5 Sistem Linear Dalam Bentuk Ax = λx
3 Vektor dalam Ruang Euklide
3.1 Euklidian dalam n-Ruang
3.2 Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi
3.3 Menemukan norm dan jarak
3.4 Bentuk Newton
3.5 Operator Refleksi
3.6 Operator Proyeksi
3.7 Operator Rotasi
3.8 Interpolasi Polinomial
Persamaan Linear & Matriks

Persamaan linear dapat dinyatakan sebagai matriks. Misalnya persamaan:
3x1 + 4x2 − 2 x3 = 5
x1 − 5x2 + 2x3 = 7
2x1 + x2 − 3x3 = 9
1 of 24 23/04/2010 17:26
Aljabar linear - Wikipedia bahasa Indonesia, ensiklopedia bebas http://id.wikipedia.org/wiki/Aljabar_linear
dapat dinyatakan dalam matriks teraugmentasi sebagai berikut
Penyelesaian persamaan linier dalam bentuk matriks dapat dilakukan melalui beberapa cara, yaitu dengan eliminasi
Gauss atau dapat juga dengan cara eliminasi Gauss-Jordan. Namun, suatu sistem persamaan linier dapat diselesaikan
dengan eliminasi Gauss untuk mengubah bentuk matriks teraugmentasi ke dalam bentuk eselon-baris tanpa
menyederhanakannya. Cara ini disebut dengan substitusi balik.
Sebuah sisitem persamaan linier dapat dikatakan homogen apabila mempunyai bentuk :
a11x1 + a12x2 + ... + a1nxn = 0

a21x1 + a22x2 + ... + a2nxn = 0
am1x1 + am2x2 + ... + amnxn = 0
Setiap sistem persamaan linier yang homogen bersifat adalah tetap apabila semua sistem mepunyai x1 = 0 , x2 = 0 ,
... , xn = 0 sebagai penyelesaian. Penyelesaian ini disebut solusi trivial. Apabila mempunyai penyelesaian yang lain
maka disebut solusi nontrivial.
Penyelesaian Persamaan Linear dengan Matriks
Bentuk Eselon-baris
Matriks dapat dikatakan Eselon-baris apabila memenuhi persyaratan berikut :
1.) Di setiap baris, angka pertama selain 0 harus 1 (leading 1).

2.) Jika ada baris yang semua elemennya nol, maka harus dikelompokkan di baris akhir dari matriks.
3.) Jika ada baris yang leading 1 maka leading 1 di bawahnya, angka 1-nya harus berada lebih kanan dari
leading 1 di atasnya.
4.) Jika kolom yang memiliki leading 1 angka selain 1 adalah nol maka matriks tersebut disebut Eselon-baris
tereduksi
Contoh: syarat 1: baris pertama disebut leading 1
syarat 2: baris ke-3 dan ke-4 memenuhi syarat 2
syarat 3: baris pertama dan ke-2 memenuhi syarat 3
2 of 24 23/04/2010 17:26
syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi
Operasi Eliminasi Gauss
Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks sehingga menjadi matriks yang lebih
sederhana (ditemukan oleh Carl Friedrich Gauss). Caranya adalah dengan melakukan operasi baris sehingga matriks
tersebut menjadi matriks yang Eselon-baris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan
linear dengan menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks
teraugmentasi dan mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik untuk
mendapatkan nilai dari variabel-variabel tersebut.
Contoh: Diketahui persamaan linear
x + 2y + z = 6
x + 3y + 2z = 9
2x + y + 2z = 12
Tentukan Nilai x, y dan z
Jawab:
Bentuk persamaan tersebut ke dalam matriks:
Operasikan Matriks tersebut
Baris ke 2 dikurangi baris ke 1
Baris ke 3 dikurangi 2 kali baris ke 1
Baris ke 3 ditambah 3 kali baris ke 2
3 of 24 23/04/2010 17:26
Baris ke 3 dibagi dengan 3 (Matriks menjadi Eselon-baris)
Maka mendapatkan 3 persamaan linier baru yaitu
x + 2y + z = 6
y+z=3
z=3
Kemudian lakukan substitusi balik maka didapatkan:
y+z=3
y+3=3
y=0
x + 2y + z = 6
x+0+3=6
x=3
Jadi nilai dari x = 3 , y = 0 ,dan z = 3
Operasi Eliminasi Gauss-Jordan
Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana. Caranya adalah
dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris tereduksi.
Ini juga dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks.
Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya.
Setelah menjadi matriks Eselon-baris tereduksi, maka langsung dapat ditentukan nilai dari variabel-variabelnya
tanpa substitusi balik.
Contoh: Diketahui persamaan linear
x + 2y + 3z = 3
2x + 3y + 2z = 3
2x + y + 2z = 5
Tentukan Nilai x, y dan z
Jawab:
Bentuk persamaan tersebut ke dalam matriks:
4 of 24 23/04/2010 17:26
Baris ke 3 dibagi 8 dan baris ke 2 dibagi -1
Baris ke 1 dikurangi 2 kali baris ke 2 (Matriks menjadi Eselon-baris tereduksi)
Maka didapatkan nilai dari x = 2 , y = − 1 ,dan z = 1
Operasi Dalam Matriks
Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama dan setiap elemen
yang seletak sama.
Jika A dan B adalah matriks yang mempunyai ordo sama, maka penjumlahan dari A + B adalah matriks hasil dari
penjumlahan elemen A dan B yang seletak. Begitu pula dengan hasil selisihnya. Matriks yang mempunyai ordo
berbeda tidak dapat dijumlahkan atau dikurangkan.
Jumlah dari k buah matriks A adalah suatu matriks yang berordo sama dengan A dan besar tiap elemennya adalah k
kali elemen A yang seletak. Didefinisikan: Jika k sebarang skalar maka kA = A k adalah matriks yang diperoleh dari
A dengan cara mengalikan setiap elemennya dengan k. Negatif dari A atau -A adalah matriks yang diperoleh dari A
dengan cara mengalikan semua elemennya dengan -1. Untuk setiap A berlaku A + (-A) = 0. Hukum yang berlaku
dalam penjumlahan dan pengurangan matriks :
a.) A + B = B + A
b.) A + ( B + C ) = ( A + B ) + C
c.) k ( A + B ) = kA + kB = ( A + B ) k , k = skalar
Hasil kali matriks A yang ber-ordo m x p dengan matriks B yang berordo p x n dapat dituliskan sebagi matriks C = [
cij ] berordo m x n dimana cij = ai1 b1j + ai2 b2j + ... + aip bpj
Matriks Balikan (Invers)
JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I , maka B disebut balikan atau invers
dari A dan dapat dituliskan B = A − 1 ( B sama dengan invers A ). Matriks B juga mempunyai invers yaitu A maka
dapat dituliskan A = B − 1. Jika tidak ditemukan matriks B, maka A dikatakan matriks tunggal (singular). Jika
matriks B dan C adalah invers dari A maka B = C.
Matriks A = dapat di-invers apabila ad - bc ≠ 0
Dengan Rumus =
5 of 24 23/04/2010 17:26
Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat di-invers dan (AB) − 1 = B − 1A − 1
Contoh 1:
Matriks
A= dan B =
AB = = = I (matriks identitas)
BA = = = I (matriks identitas)
Maka dapat dituliskan bahwa B = A − 1 (B Merupakan invers dari A)
Contoh 2:
Matriks
A= dan B =
AB = =
BA = =
Karena AB ≠ BA ≠ I maka matriks A dan matriks B disebut matriks tunggal.
Contoh 3:
Matriks
A=
Tentukan Nilai dari A-1
Jawab:
6 of 24 23/04/2010 17:26
Contoh 4:
Matriks
A= ,B= , AB =
Dengan menggunakan rumus, maka didapatkan
, ,
Maka
Ini membuktikan bahwa (AB) − 1 = B − 1A − 1
Transpose Matriks
Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen dalam matriks, dari
yang baris menjadi kolom, dan yang kolom di ubah menjadi baris.
Contoh:
Matriks
A= ditranspose menjadi AT =
Matriks
B= ditranspose menjadi BT =
Rumus-rumus operasi Transpose sebagai berikut:
1. ((A)T)T = A
2. (A + B)T = AT + BT dan (A − B)T = AT − BT
3. (kA)T = kAT dimana k adalah skalar
4. (AB)T = BTAT
Matriks Diagonal, Segitiga, dan Matriks Simetris
Matriks Diagonal
7 of 24 23/04/2010 17:26
Sebuah matriks bujursangkar yang unsur-unsurnya berada di garis diagonal utama dari matriks bukan nol dan unsur
lainnya adalah nol disebut dengan matriks diagonal. Contoh :
secara umum matriks n x n bisa ditulis sebagai
Matriks diagonal dapat dibalik dengan menggunakan rumus berikut :
D − 1=
DD − 1 = D − 1D = I
jika D adalah matriks diagonal dan k adalah angka yang positif maka
Dk=
Contoh :
A=
maka
8 of 24 23/04/2010 17:26
A5=
Matriks Segitiga
Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol. Matriks segitiga bawah
adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks segitiga atas adalah matriks persegi yang di
atas garis diagonal utama nol.
Matriks segitiga
Matriks segitiga bawah
Teorema
Transpos pada matriks segitiga bawah adalah matriks segitiga atas, dan transpose pada matriks segitiga atas
adalah segitiga bawah.
Produk pada matriks segitiga bawah adalah matriks segitiga bawah, dan produk pada matriks segitiga atas
adalah matriks segitiga atas.
Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol.
Inverse pada matriks segitiga bawah adalah matriks segitiga bawah, dan inverse pada matriks segitiga atas
adalah matriks segitiga atas.
Contoh :
Matriks segitiga yang bisa di invers
A=
Inversnya adalah
A − 1=
Matriks yang tidak bisa di invers
9 of 24 23/04/2010 17:26
B=
Matriks Simetris
Matriks kotak A disebut simetris jika A = AT
Contoh matriks simetris
Teorema
Jika A dan B adalah matriks simetris dengan ukuran yang sama, dan jika k adalah skalar maka
AT adalah simetris A + B dan A - B adalah simetris kA adalah simetris (AB)T = BTAT = BA
Jika A adalah matriks simetris yang bisa di inverse, maka A − 1 adalah matriks simetris.
Asumsikan bahwa A adalah matriks simetris dan bisa di inverse, bahwa A = AT maka :
(A − 1)T = (AT) − 1 = A − 1
Yang mana membuktikan bahwa A − 1 adalah simetris.
Produk AAT dan ATA
(AAT)T = (AT)TAT = AAT dan (ATA)T = AT(AT)T = ATA
Contoh
A adalah matriks 2 X 3
A=
lalu
ATA = =
10 of 24 23/04/2010 17:26
AAT = =
Jika A adalah Matriks yang bisa di inverse, maka AAT dan ATA juga bisa di inverse
Determinan
Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks
bujursangkar.
Sebagai contoh, kita ambil matriks A2x2
A= tentukan determinan A
untuk mencari determinan matrik A maka,
detA = ad - bc
Determinan dengan Ekspansi Kofaktor
Determinan dengan Minor dan kofaktor
Pertama buat minor dari a11
M11 = = detM = a22a33 x a23a32
Kemudian kofaktor dari a11 adalah
c11 = (-1)1+1M11 = (-1)1+1a22a33 x a23a32
kofaktor dan minor hanya berbeda tanda Cij=±Mij untuk membedakan apakah kofaktor pada ij adalah + atau -
maka kita bisa melihat matrik dibawah ini
Begitu juga dengan minor dari a32
M32 = = detM = a11a23 x a13a21
11 of 24 23/04/2010 17:26
Maka kofaktor dari a32 adalah
c32 = (-1)3+2M32 = (-1)3+2 x a11a23 x a13a21
Secara keseluruhan, definisi determinan ordo 3x3 adalah
det(A) = a11C11+a12C12+a13C13
Determinan dengan Ekspansi Kofaktor Pada Baris Pertama
Misalkan ada sebuah matriks A3x3
A=
maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah,
det(A) = a11 - a12 + a13
= a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 - a22a31)

= a11a22a33 + a12a23a31 + a13a21a32 - a13a22a31 - a12a21a33 - a11a23a32
Contoh Soal:
A= tentukan determinan A dengan metode ekspansi kofaktor baris pertama
Jawab:
det(A) = =1 -2 +3 = 1(-3) - 2(-8) + 3(-7) = -8
Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama
Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas. Tetapi ada satu hal yang
membedakan keduanya yaitu faktor pengali. Pada ekspansi baris, kita mengalikan minor dengan komponen baris
pertama. Sedangkan dengan ekspansi pada kolom pertama, kita mengalikan minor dengan kompone kolom pertama.
Misalkan ada sebuah matriks A3x3
A=
maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah,
det(A) = a11 - a21 + a31
= a11(a22a33 - a23a32) - a21(a21a33 - a23a31) + a31(a21a32 - a22a31)

= a11a22a33 + a21a23a31 + a31a21a32 - a22(a31)2 - (a21)2a33 - a11a23a32
12 of 24 23/04/2010 17:26
Contoh Soal:
A= tentukan determinan A dengan metode ekspansi kofaktor kolom pertama
Jawab:
det(A) = =1 -4 +3 = 1(-3) - 4(-8) + 3(-7) = 8
Adjoin Matriks 3 x 3
Bila ada sebuah matriks A3x3
A=
Kofaktor dari matriks A adalah
C11 = 12 C12 = 6 C13 = -16

C21 = 4 C22 = 2 C23 = 16
C31 = 12 C32 = -10 C33 = 16
maka matriks yang terbentuk dari kofaktor tersebut adalah
untuk mencari adjoint sebuah matriks, kita cukup mengganti kolom menjadi baris dan baris menjadi kolom
adj(A) =
Determinan Matriks Segitiga Atas
Jika A adalah matriks segitiga nxn (segitiga atas, segitiga bawah atau segitiga diagonal) maka det(A) adalah hasil kali
diagonal matriks tersebut
Contoh
= (2)(-3)(6)(9)(4) = -1296
13 of 24 23/04/2010 17:26
Metode Cramer
jika Ax = b adalah sebuah sistem linear n yang tidak di ketahui dan det(A)≠ 0 maka persamaan tersebut mempunyai
penyelesaian yang unik
dimana A j adalah matrik yang didapat dengan mengganti kolom j dengan matrik b
Contoh soal:
Gunakan metode cramer untuk menyelesaikan persoalan di bawah ini
x1 + x3 = 6
-3x1 + 4x2 + 6x3 = 30
-x1 - 2x2 + 3x3 = 8
Jawab:
bentuk matrik A dan b
A= b=
kemudian ganti kolom j dengan matrik b
A1 = A2 = A3 =
dengan metode sarrus kita dapat dengan mudah mencari determinan dari matrik-matrik di atas
maka,
Tes Determinan untuk Invertibilitas
Pembuktian: Jika R di reduksi secara baris dari Ä. Sebagai langkah awal, kita akan menunjukkan bahwa
det(A) dan det(R) keduanya adalah nol atau tidak nol: E1,E2,...,Er menjadi matrix element yang berhubungan
dengan operasi baris yang menghasilkan Rdari A. Maka,
14 of 24 23/04/2010 17:26
R=Er...E2 E1 A
dan,
det(R)=det(Er)...det(E2)det(E1)det(EA)
Jika A dapat di-invers, maka sesuai dengan teorema equivalent statements , maka R = I, jadi det(R) = 1 ≠ 0 dan
det(A) ≠ 0. Sebaliknya, jika det(A) ≠ 0, maka det(R) ≠ 0, jadi R tidak memiliki baris yang nol. Sesuai dengan
teorema R = I, maka A adalah dapat di-invers. Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang
proposional adalah tidak dapat diinvers.
Contoh Soal :
A=
karena det(A) = 0. Maka A adalah dapat diinvers.
Mencari determinan dengan cara Sarrus
untuk mencari determinan matrik A maka,
detA = (aei + bfg + cdh) - (bdi + afh + ceg)
Metode Sarrus hanya untuk matrix berdimensi 3x3
Menghitung Inverse dari Matrix 3 x 3
A=
kemudian hitung kofaktor dari matrix A

C11 = 12 C12 = 6 C13 = -16
C21 = 4 C22 = 2 C23 = 16
C31 = 12 C32 = -10 C33 = 16
menjadi matrix kofaktor
cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor diatas, sehingga menjadi
15 of 24 23/04/2010 17:26
adj(A) =
dengan metode Sarrus, kita dapat menghitung determinan dari matrix A
det(A) = 64
Sistem Linear Dalam Bentuk Ax = λx
dalam sistem aljabar linear sering ditemukan
Ax = λx ; dimana λ adalah skalar
sistem linear tersebut dapat juga ditulis dengan λx-Ax=0, atau dengan memasukkan matrix identitas menjadi
(λI - A) x = 0
contoh:
diketahui persamaan linear
x1 + 3x 2 = λx 1
4x1 + 2x 2 = λx 2
dapat ditulis dalam bentuk
= λ
yang kemudian dapat diubah
A= dan x =
yang kemudian dapat ditulis ulang menjadi
16 of 24 23/04/2010 17:26
Gagal memparse (kesalahan lexing): \begin{bmatrix} {λ}-1 & -3\\ -4 & {λ}-2\\ \end{bmatrix} \begin{bmatrix} x_1\\ x_
sehingga didapat bentuk
λ I - A = Gagal memparse (kesalahan lexing): \begin{bmatrix} {λ}-1 & -3\\ -4 & {λ}-2\\ \end{bmatrix}
namun untuk menemukan besar dari λ perlu dilakukan operasi
det (λ I - A) = 0 ;λ adalah eigenvalue dari A
dan dari contoh diperoleh
det (λ I - A) = Gagal memparse (kesalahan lexing): \begin{bmatrix} {{λ-1}} & -3\\ -4 & {{λ-2}}\\ \end{bmatrix}
= 0
atau λ^2 - 3λ - 10 = 0
dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5
dengan memasukkan nilai λ pada persamaan (λ I - A) x = 0, maka eigenvector bisa didapat bila λ = -2 maka
diperoleh
dengan mengasumsikan x2 = t maka didapat x1 = t
x =
Vektor dalam Ruang Euklide

Euklidian dalam n-Ruang
Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif, sebuah n- grup topel adalah sekuens dari n
bilangan real (a1.a2.....an). Set dari semua grup yang terdiri dari n- grup topel dinamakan n-ruangdan dituliskan
sebagai Rn.
Jika n = 2 atau 3, sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup dari tiga secara
respektif, daripada 2-grup topel atau 3- grup topel. Keitka n = 1, setiap n – grup topel terdiri dari satu bilangan real,
sehingga R1 bisa dilihat sebagai set dari bilangan real. Kita akan menuliskan R daripada R1 pada set ini.
Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1, a2, a3) mempunyai dua interpretasi geometris
yang berbeda : ini bisa diinterpretasikan sebagai titik, yang dalam kasus ini a2, a2, a3 merupakan koordinat, atau ini
17 of 24 23/04/2010 17:26
bisa diinterpretasikan sebagai vector, dimana a1, a2, a3 merupakan komponen vector. Selanjutnya kita bisa melihat
bahwa n – grup topel (a1, a2, ...., an) bisa dilihat sebagai antara sebuah “poin umum” atau “vector umum”-
perbedaan antara keduanya tidak penting secara matematis. Dan juga kita bisa menjelaskan 5- topel (-2, 4, 0 ,1 ,6)
antara poin dalam R5 atau vector pada R5.
u1 = v1 u2 = v2 un = vn
Penjumlahan u + v didefinisikan oleh
u + v = (u1 + v2, u2 + v2, ...., un + vn)
Dan jika k adalah konstanta scalar, maka perkalian scalar ku didefinisikan oleh
ku = (k u1, k u2,...,k un)
Operasi dari pertambahan dan perkalian scalar dalam definisi ini disebut operasi standar untuk Rn Vektor nol dalam
Rn didenotasikan oleh 0 dan difenisikan ke vektor
0 = (0, 0,...., 0)
Jika u = (u1, u2, ...., un) dalam setiap vector dalam Rn, maka negative (atau invers aditif) dari u dituliskan oleh –u
dan dijelaskan oleh
-u = (-u1, -u2, ...., -un)
Perbedaan dari vector dalam Rn dijelaskan oleh
v – u = v + (-u)
atau, dalam istilah komponen,
v – u = (v1-u1, v2-u2, ...., vn-un)
Sifat-sifat dari vektor dalam Rn
jika , , dan adalah vektor dalam Rn sedangkan

k dan m adalah skalar, maka :
(a) u + v = v + u
(b) u + 0 = 0 + u = u
(c) u + (v + w) = (u + v) + w
(d) u + (-u) = 0 ; berarti, u - u = 0
(e) k (m u) = (k m) u
18 of 24 23/04/2010 17:26
(f) k (u + v) = k u + k v
(g) (k + m) u = k u + m u
(h) 1u = u
Perkalian dot product didefinisikan sebagai
Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi
Data Eksperimen – Ilmuwan melakukan experimen dan membuat n pengukuran numeris setiap eksperimen
dilakukan. Hasil dari setiap experiment bisa disebut sebagai vector y = (y1,y2,...,yn) dalam Rn dalam setiap
y1,y2,....,yn adalah nilai yang terukur.
Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan
mereparasi truknya. Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai
15-topel x = (x1,x2,...,x15) dalam setiap x1 adalah jumlah truk dalam depot pertama dan x2 adalah jumlah
pada depot kedua., dan seterusnya.
Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan
output. Tegangan input bisa ditulis sebagai vector dalam R4 dan tegangan output bisa ditulis sebagaiR3. Lalu,
chip bisa dilihat sebgai alat yang mengubah setiap vektor input v = (v1,v2,v3,v4) dalam R4 ke vector keluaran
w = (w1,w2,w3) dalamR3.
Analisis citra – Satu hal dalam gambaran warna dibuat oleh layar komputer dibuat oleh layar komputer
dengan menyiapkan setiap [pixel] (sebuah titik yang mempunyai alamat dalam layar) 3 angka yang
menjelaskan hue, saturasi, dan kecerahan dari pixel. Lalu sebuah gambaran warna yang komplit bisa diliahat
sebgai 5-topel dari bentuk v = (x,y,h,s,b) dalam x dan y adalah kordinat layar dari pixel dan h,s,b adalah hue,
saturation, dan brightness.
Ekonomi – Pendekatan kita dalam analisa ekonomi adalah untuk membagi ekonomidalam sector
(manufaktur, pelayanan, utilitas, dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai
mata uang. Dalam ekonomi dengan 10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan
dngan 10-topel s = (s1,s2,s3,...,s10) dalam setiap angka s1,s2,...,s10 adalah output dari sektor individual.
Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada
waktu t koordinat mereka adalahx1,x2,...,x6 dan kecepatan mereka adalah v1,v2,...,v6. Informasi ini bisa
direpresentasikan sebagai vector
V = (x1,x2,x3,x4,x5,x6,v1,v2,v3,v4,v5,v6,t) Dalam R13. Vektor ini disebut kondisi dari sistem partikel pada waktu t.
Fisika - Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel
tetapi loop yang berlaku seperti benang yang bergetar. Dimana jagat waktu Einstein adalah 4 dimensi,
sedangkan benang ada dalam dunia 11-dimensi
Menemukan norm dan jarak
Menghitung Panjang vektor u dalam ruang Rn
jika u = (u1,u2,u3,...,un)
Maka Panjang vektor u
19 of 24 23/04/2010 17:26
dan Menghitung jarak antara vektor u dengan vektor v
Bentuk Newton
interpolasi polinominal p(x)=anxn+an-1xn-1+...+a1x+a0 adalah bentuk standar. Tetapi ada juga yang menggunakan
bentuk lain . Contohnya , kita mencari interpolasi titik dari data (x0,y0),(x1,y1),(x2,y2),(x3,y3).
Jika kita tuliskan P(x)=a3x3+a2x2+a1x+a0
bentuk equivalentnya : p(x)=a3(x-x0)3+p(x)=a2(x-x0)2+p(x)=a1(x-x0)+a0
dari kondisi interpolasi p(x0)=yo maka didapatkan a0=yo , sehingga dapat kita tuliskan menjadi
p(x)=b3(x-x0)(x-x1)(x-x2)+b2(x-x0)(x-x1)+b1(x-x0)+b0 inilah yang disebut newton form dari interpolasi , sehingga

kita dapatkan :
p(x0)=b0
p(x1)=b1h1+b0
p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0
p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0
sehingga jika kita tuliskan dalam bentuk matrix:
Operator Refleksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap sumbu y,
dimisalkan w=T(x), maka persamaan yang berhubungan dengan x dan w adalah:
x1 = -x = -x + 0y
x2 = y = 0x + y
atau dalam bentuk matrik :
Secara umum, operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya terhadap beberapa
garis atau bidang datar dinamakan operator refleksi. Operator ini bersifat linier.
Operator Proyeksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x,
20 of 24 23/04/2010 17:26
dimisalkan w=T(x), maka persamaan yang berhubungan dengan x dan w adalah:
x1 = x = x + 0y
x2 = 0 = 0x + y
atau dalam bentuk matrik :
Persamaan tersebut bersifat linier, maka T merupakan operator linier dan matrikx T adalah:
Secara umum, sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan tiap vektor dalam
proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya.
Operator Rotasi
Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut disebut operator rotasi pada R2. Untuk melihat
bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut
positif yang tetap. Unutk menemukan persamaan hubungan x dan w=T(x), dimisalkan adalah sudut dari sumbu x
positif ke x dan r adalah jarak x dan w. Lalu, dari rumus trigonometri dasar x = r cos Θ ; y = r cos Θ dan w1 = r cos
( + ɸ) ; w2= r sin ( + ɸ)
Menggunakan identitas trigonometri didapat:
w1 = r cos cos ɸ - r sin sin ɸ
w2 = r sin cos ɸ + r cos sin ɸ
kemudian disubtitusi sehingga:
w1 = x cos Θ - y sin Θ
w2 = x sin Θ + y cos Θ
Persamaan diatas merupakan persamaan linier, maka T merupakan operator linier sehingga bentuk matrik dari
persamaan diatas adalah:
Interpolasi Polinomial
Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0,y0)...., (xn,yn). Maka, kita
diminta untuk menemukan kurva p(x) = amxm + am-1xm − 1 + ... + a1x + a0 dari sudut minimum yang melewati setiap
dari titik data. Kurva ini harus memenuhi
21 of 24 23/04/2010 17:26
karena xi diketahui, ini akan menuju pada sistem matrik di bawah ini
Ingat bahwa ini merupakan sistem persegi dimana n = m. Dengan menganggap n = m memberikan sistem di bawah
ini untuk koefisien interpolasi polinomial p(x):
= (1)
Matrix di atas diketahui sebagai Matrix Vandermonde; kolom j merupakan elemen pangkat j-1. Sistem linier pada
(1) disebut menjadi Sistem Vandermonde.
Contoh soal:
Cari interpolasi polinomial pada data (-1,0),(0,0),(1,0),(2,6) menggunakan Sistem Vandermonde.
Jawab:
Bentuk Sistem Vandermonde(1):
Untuk data di atas, kita mempunyai
22 of 24 23/04/2010 17:26
Untuk mendapatkan solusinya, digunakan Gaussian Elimination
Baris ke-2, ke-3, dan ke-4 dikurangi baris pertama
Baris ke-3 dibagi dengan 2, sedangkan baris ke-4 dibagi dengan 3
Baris ke-3 dikurangi baris ke-2
Baris ke-4 dibagi dengan 2
Didapatkan persamaan linier dari persamaan matrix di atas
23 of 24 23/04/2010 17:26
Jadi, interpolasinya adalah
Diperoleh dari "http://id.wikipedia.org/wiki/Aljabar_linear"

Kategori: Aljabar linear | Persamaan matriks | Persamaan matematika | Persamaan
Halaman ini terakhir diubah pada 11:55, 17 April 2010.

Teks tersedia di bawah Lisensi Atribusi/Berbagi Serupa Creative Commons; ketentuan tambahan mungkin
berlaku. Lihat Ketentuan Penggunaan untuk lebih jelasnya.
24 of 24 23/04/2010 17:26

Aljabar Linear - Wikipedia

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Aljabar Linear - Wikipedia

Hochgeladen von

Copyright:

Verfügbare Formate

Aljabar linear - Wikipedia bahasa Indonesia, ensiklopedia bebas http://id.wikipedia.

Persamaan Linear & Matriks

dapat dinyatakan dalam matriks teraugmentasi sebagai berikut

a11x1 + a12x2 + ... + a1nxn = 0

Penyelesaian Persamaan Linear dengan Matriks

Matriks dapat dikatakan Eselon-baris apabila memenuhi persyaratan berikut :

1.) Di setiap baris, angka pertama selain 0 harus 1 (leading 1).

Contoh: syarat 1: baris pertama disebut leading 1

syarat 2: baris ke-3 dan ke-4 memenuhi syarat 2

syarat 3: baris pertama dan ke-2 memenuhi syarat 3

Operasi Eliminasi Gauss

Contoh: Diketahui persamaan linear

Tentukan Nilai x, y dan z

Bentuk persamaan tersebut ke dalam matriks:

Operasikan Matriks tersebut

Baris ke 2 dikurangi baris ke 1

Baris ke 3 dikurangi 2 kali baris ke 1

Baris ke 3 ditambah 3 kali baris ke 2

Baris ke 3 dibagi dengan 3 (Matriks menjadi Eselon-baris)

Maka mendapatkan 3 persamaan linier baru yaitu

Kemudian lakukan substitusi balik maka didapatkan:

Jadi nilai dari x = 3 , y = 0 ,dan z = 3

Operasi Eliminasi Gauss-Jordan

Contoh: Diketahui persamaan linear

Tentukan Nilai x, y dan z

Bentuk persamaan tersebut ke dalam matriks:

Baris ke 2 dikurangi 2 kali baris ke 1

Baris ke 3 dikurangi 2 kali baris ke 1

Baris ke 3 dikurangi 3 kali baris ke 2

Baris ke 3 dibagi 8 dan baris ke 2 dibagi -1

Baris ke 2 dikurangi 4 kali baris ke 3

Baris ke 1 dikurangi 3 kali baris ke 3

Baris ke 1 dikurangi 2 kali baris ke 2 (Matriks menjadi Eselon-baris tereduksi)

Maka didapatkan nilai dari x = 2 , y = − 1 ,dan z = 1

Operasi Dalam Matriks

Matriks Balikan (Invers)

Matriks A = dapat di-invers apabila ad - bc ≠ 0

Maka dapat dituliskan bahwa B = A − 1 (B Merupakan invers dari A)

Karena AB ≠ BA ≠ I maka matriks A dan matriks B disebut matriks tunggal.

Tentukan Nilai dari A-1

Dengan menggunakan rumus, maka didapatkan

Ini membuktikan bahwa (AB) − 1 = B − 1A − 1

Rumus-rumus operasi Transpose sebagai berikut:

Matriks Diagonal, Segitiga, dan Matriks Simetris

secara umum matriks n x n bisa ditulis sebagai

Matriks diagonal dapat dibalik dengan menggunakan rumus berikut :

Matriks segitiga bawah

Matriks segitiga yang bisa di invers

Matriks yang tidak bisa di invers

Matriks kotak A disebut simetris jika A = AT

Contoh matriks simetris

AT adalah simetris A + B dan A - B adalah simetris kA adalah simetris (AB)T = BTAT = BA

Yang mana membuktikan bahwa A − 1 adalah simetris.

Produk AAT dan ATA

(AAT)T = (AT)TAT = AAT dan (ATA)T = AT(AT)T = ATA

Sebagai contoh, kita ambil matriks A2x2

untuk mencari determinan matrik A maka,

Determinan dengan Ekspansi Kofaktor

Determinan dengan Minor dan kofaktor

Pertama buat minor dari a11

M11 = = detM = a22a33 x a23a32

Kemudian kofaktor dari a11 adalah

c11 = (-1)1+1M11 = (-1)1+1a22a33 x a23a32