Professional Documents
Culture Documents
Persamaan Linear Sistem Persamaan Linear Metode Eliminasi Matriks-Matriks Yang Diperbanyak Persamaan Linear Adalah suatu persamaan yang variabel-variabelnya berpangkat 1. Misal : - a1x + a2y = b Sebuah persamaan jenis ini disebut sebuah Persamaan Linear dalam peubah x dan y. Secara lebih umum kita mendefinisikan suatu persamaan linear dalam n peubah x1,x2, ,xn sebagai suatu persamaan yang bisa disajikan dalam bentuk : a1x1+a2x2++anxn = b Dengan a1,a2,,an dan b konstanta real. Peubah-peubah dalam suatu persamaan linear kadang-kadang disebut yang tak diketahui. Contoh-contoh Persamaan Linear Bukan Persamaan Linear 2x + y = 3 (persamaan Linear)
x + 3y2 = 7 (bukan persamaan Linear karena y berpangkat 2)
Sistem Persamaan Linear Persamaan Linear yang lebih dari satu persamaan. Tidak semua Sistem Persamaan mempunyai penyelesaian. Misalnya jika kita mengalikan persamaan kedua sistem : x+y =4 2x + 2y = 6 dengan , akan terbukti bahwa tidak ada penyelesaian karena sistem dihasilkan x +y = 4 x+y=3 mempunyai persamaan yang kontradiksi. Sebuah sistem persamaan yang tidak mempunyai penyelesaian disebut sebagai persamaan yang tak konsisten jika paling tidak ada satu penyelesaian, maka persamaan itu disebut Konsisten. ekuivalen yang
Persamaan-persamaan linear tersebut dapat di buat dalam suatu grafik yang berbentuk garis, karena suatu titik(x,y) terletak dalam suatu garis jika dan hanya jika angka x dan y memenuhi persamaan garis tersebut, penyelesaian sistem persamaan tersebut berpadanan dengan titik-titik potong g1 dan g2,sehingga terdapat 3 kemungkinan : Garis g1 dan g2 mungkin sejajar, dimana tidak ada perpotongan dan akibatnya tidak ada penyelesaian terhadap sistem tersebut. Garis g1 dan g2 mungkin berpotongan hanya di satu titik,dimana sistem tersebut tepat mempunyai satu persamaan. Garis g1 dan g2 mungkin berimpitan,dimana ada tak terhingga titik potong dan akibatnya ada banyak penyelesaian untuk sistem tersebut. Metode Eliminasi Ada 3 Operasi dasar yang dapat dilakukan pada sistem persamaan linear tanpa mengubah jawaban sistem persamaan tersebut. 1. mengubah urutan persamaan pada sistem tersebut. 2. mengalikan sebuah persamaan dari sistem dengan bilangan tak nol. 3. untuk sembarang bilangan real, 0. Matriks-Matriks Yang Diperbanyak Untuk menyusun matriks-matriks yang diperbanyak peubah-peubah harus ditulis dalam urutan yang sama dalam setiap persamaan dan konstanta harus berada disebelah kanan. operasi baris elementer Ada Tiga operasi yang dapat dilakukan pada suatu system persamaan linear tanpa mengubah jawabannya. Ketiga operasi tersebut, yaitu : Menukar letak dari dua baris matriks tersebut Mengalikan suatu baris dengan konstanta tak nol Tambahkan perkalian dari suatu baris ke baris lainnya Ketiga operasi ini dapat dijalankan pada matriks lengkapnya dan disebut operasi baris elementer
Adapun notasi ketiga baris tersebut adalah : 1. Menukar baris ke-i dan ke j : Bij
2. Mengalikan baris ke-i dengan bilangan c, c 0 : Bi (c)
3. Mengalikan baris ke-i dengan c, ditambahkan pada pada baris ke-j : Bji (c) Contoh 1 :
Contoh 2 :
Contoh 3:
Eselon Baris 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
tersebut disebut Eselon-baris tereduksi Contoh : Syarat 1: baris pertama disebut leading 1:
1 0 0 2 8 0 5 2 5 3 7 0
syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi
1 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 , 0 0 1 0 0 1 0 0 0 2 3 0 0 5 0 6
Eliminasi Gauss, Eliminasi Gauss Jordan 1. Eliminasi Gauss Eliminasi Gauss adalah suatu cara mengoperasikan nilai nilai di dalam matriks sehingga menjadi matriks yang lebih sederhana. Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselonbaris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. 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:
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 2. Eliminasi Gauss Jordan Contoh: Diketahui persamaan linear x + 2y + 3z = 3 2x + 3y + 2z = 3 2x + y + 2z = 5 Tentukan Nilai x, y dan z Jawab:Baris ke 2 dikurangi 2 kali baris ke 1
5
z=1
MATRIKS
Pengertian Matriks Matriks adalah susunan persegi panjang dari bilangan-bilangan atau unsur-unsur (elemen-elemen) yang teratur dalam baris dan kolom. Matriks juga bisa di definisikan sebagai suatu susunan bilangan yang berbentuk segiempat. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut. A= Banyaknya elemen dari matriks dinyatakan dengan m x n, dimana m menyatakan banyaknya baris, dan n menyatakan banyaknya kolom dari matriks tersebut. Notasi Matriks Elemen matriks dapat ditulis dengan tanda kurung siku kurung besar atau dalam tanda
elemen-elemennya dengan huruf kecil. Maka matriks A di atas dapat dinotasikan dengan : ke-I dan kolom ke-j matriks A dinotasikan dengan m x n atau = atau elemen baris
Matriks yang mempunyai satu baris saja disebut matriks baris dan sebaliknya. Secara umum matriks baris atau matriks kolom lebih sering dinyatakan dengan huruf kecil
;b=
Ukuran matriks diberikan oleh jumlah baris dan kolom yang dikandungnya. Misalkan, matriks B= , mempunyai 2 baris dan 3 kolom, sehingga ukurannya adalah
2x3. Dua ukuran matriks didefinisikan sama jika mempunyai ukuran yang sama dan anggota-anggotanya yang berpadanan sama. Jika 2 matriks berukuran sama, maka jumlah dari kedua matriks tersebut adalah menjumlahkan anggota-anggotanya yang sepadan. Matriks yang mempunyai ukuran yang berbeda tidak bias untuk dijumlahkan atau dikurangkan. Jika matriks A = m x r dan meatriks B = r x n, maka hasil kali AB adalah matriks m x n. Untuk mencari anggota-anggota dalam baris i dan kolom j dari AB, pilih baris i dari matriks A dan kolom j dan matriks B. Kalikan anggota-anggota yang berpadanan dari baris dan kolom secara bersama-sama dan kemudian jumlahkan hasil kalinya. Partisi Matriks Sebuah matriks dapat dipartisi ke dalam matriks yang lebih kecil dengan menyisipkan garis horizontal atau vertikal diantara baris atau kolom yang ditentukan. Misalkan matriks A berukuran m x n dapat dipartisi menjadi : A= =
A=
A=
Invers dan Kaidah Aritmatika Matriks Diasumsikan bahwa matriks memenuhi sehinga operasi aritmatik matriks tersebut valid, meliputi : a. A + B = B + A b. A +(B+C) = (A+B)+ C c. A(BC) = (AB) C
8
d. A(B+C) = AB + AC e. (B+C)A = BA + CA f. f. A(B-C)=AB-AC g. (B-C)A=BA-BC h. a(B+C)=aB+aC i. (a+b)C=aC+bC j.(a+b)C=aC-bC k.a(bC)=abC l.a(BC)=(aB)C=B(aC) Invers Matriks Jika A sebuah Matriks Segi (bujur sangkar), dan matriks B berukuran sama didapatkan sedemikian hingga AB = BA = I, maka A disebut bias terbalik (invertible) dan B disebut invers A Contoh : B = adalah invers dari A = maka inversnya adalah = =
Teorema : missal A =
SIFAT SIFAT INVERS 1.Invers suatu matriks bersifat unik. jika B dan C keduanya merupakan invers dari A maka B=C. 2.Suatu hasil kali berapapun banyaknya matriks yang bisa dibalik adalah matriks yang bisa dibalik, dan invers dari hasil kali tersebut adalah hasil kali invers inversnya dalam ukuran terbalik. a. AB dapat dibalik
b. c. Jika
=I;
JENIS JENIS MATRIKS Matriks dapat dibedakan menurut jenisnya, antara lain: 1. Matriks Nol Suatu matriks dikatakan sebagai matriks nol, jika semua elemennya sama dengan nol. Misalnya,
0 0 0 0 , 0 0 0 0 0 0 0 0 0
2. Matriks Baris Suatu matriks dikatakan sebagai matriks baris, jika matriks tersebut hanya terdiri atas satu baris, misalnya
[1
7 ], [5
6]
3. Matriks kolom Suatu matriks dikatakan sebagai matriks kolom, jika matriks tersebut hanya terdiri dari satu kolom. Misalnya,
3 2 5, 5 7
4. Matriks persegi dan matriks kuadrat Suatu matriks dikatakan sebagai matriks persegi atau matriks kuadrat, jika jumlah baris pada matriks tersebut sama dengan jumlah kolomnya. Misalnya,
2 4 3 3 , 6 1 1 7 3 8 5 1 2
Pada suatu matriks persegi ada yang dinamakan sebagai diagonal utama dan diagonal sekunder. Perhatikan matriks berikut. a11 a 21 a31 a12 a 22 a32 a13 a 23 a33
Komponen-komponen yang terletak pada diagonal utama pada matriks tersebut adalah a11, a22 dan a33 (sesuai dengan arsiran yang berasal dari kiri atas ke kanan bawah).
10
Sebaliknya, komponenkomponen yang terletak pada diagonal sekunder sesuai dengan arsiran yang berasal dari kiri bawah ke kanan atas, dalam hal ini a11, a22, a33. 5. Matriks segitiga Suatu matriks persegi dikatakan sebagai matriks segitiga jika elemenelemen yang ada di bawah atau di atas diagonal utamanya (salah satu, tidak kedua-duanya) bernilai nol. Jika elemen-elemen yangada di bawah diagonal utama bernilai nol maka disebut sebagai matriks segitiga atas. Sebaliknya, jika elemen-elemen yang ada di atas diagonal utamanya bernilai nol maka disebut sebagai matriks segitiga bawah. Misalnya,
5 0 0 1 4 0 2 3 4 7 5 4 0 1 2 0 0 3
Suatu matriks persegi dikatakan sebagai matriks diagonal jika elemenelemen yang ada di bawah dan di atas diagonal utamanya bernilai nol, atau dengan kata lain elemen-elemen selain diagonal utamanya bernilai nol. Misalnya,
1 0 0 4 4 0 0 0 2 0 0 0 1
7. Matriks Skalar Suatu matriks diagonal dikatakan sebagai matriks skalar jika semua elemenelemen yang terletak pada diagonal utamanya memiliki nilai yang sama, misalnya,
9 0 0 9 5 0 0 0 5 0 0 0 5
8. Matriks Identitas dan materiks satuan Suatu matriks skalar dikatakan sebagai matriks identitas jika semua elemen yang terletak pada diagonal utamanya bernilai satu, sehingga matriks identitas disebut juga matriks satuan. Misalnya,
11
1 0
0 1
1 0 0
0 1 0
0 0 1
BAB II DETERMINAN
2.1 FUNGSI DETERMINAN Fungsi determinan merupakan suatu fungsi bernilai real dari suatu peubah matriks. Fungsi determinan dinyatakan dengan det. Misalnya A adalah suatu matriks bujur sangkar, maka fungsi determinan dari matriks A dapat dinyatakan dengan det(A). Terdapat beberapa konsep-konsep yang perlu dipahami dalam menentukan determinan suatu matriks segi, meliputi : a.Permutasi
b.
berbeda dari bilangan-bilangan integer tersebut tanpa adanya penghilangan atau pengulangan. Suatu metode yang mudah untuk mendaftarkan permutasi secara sistem adalah dengan menggunakan suatu pohon permutasi. Misalnya permutasi dari bilangan {1,2,3} dapat disusun : (1,2,3) (1,3,2) 1 2 3 3 2 1 3 (2,1,3) (2,3,1) 2 3 1 1 2 (3,1,2) (3,2,1) 3 2 1
Dari pohon permutasi tersebut didapat bahwa ada enam permutasi yang berbeda dari himpunan bilangan {1,2,3}. Secara umum, himpunan {1,2,3} akan mempunyai n! permutasi yang berbeda (n=banyak elemen). Untuk himpunan {1,2,3}, 3! = 3.2.1 = 6. c.Inversi
12
Suatu inversi dikatakan terjadi dalam suatu permutasi (j1 , j2 , , jn) jika suatu bilangan bulat yang lebih besar mendahului bilangan bulat yang lebih kecil. Total jumlah inversi yang terjadi dalam suatu permutasi bisa didapat sebagai berikut :
1)
Cari bilangan bulat yang lebih kecil dari j1 dan yang mengikuti j1 dalam Cari bilangan bulat yang lebih kecil dari j2 dan yang mengikuti j2 dalam Teruskan proses menghitung ini untuk j3 , , jn-1. Total dari jumlah-jumlah
permutasi tersebut,
2)
permutasi tersebut,
3)
tersebut adalah total jumlah inversi dalam permutasi tersebut. Contoh : Jumlah pembalikan dalam permutasi (2, 4, 1, 3, 5) adalah : 1 + 2 + 0 + 0 = 3. Dari mariks segi A = (ajj)nxn, unsur-unsur aij dan akl dikatakan pasangan negatif jika dan hanya jika k<i dan l>j atau k>i dan l<j dan dikatakan pasangan positif jika dan hanya jika k<i dan l<j atau k>i dan l>j. Permutasi dikatakan genap apabila total inversi jumlahnya genap, dan permutasi dikatakan ganjil apabila total inversi jumlahnya ganjil. Contoh : Dalam permutasi (2, 4, 1, 3, 5) , jumlah pembalikannya adalah 3 jadi permutasi tersebut dikatakan permutasi ganjil.
2.2
MENGHITUNG DETERMINAN DENGAN REDUKSI BARIS a. Menghitung Determinan Matriks 2 x 2 dan 3 x 3 Matriks 2 x 2 , maka
Matriks 3 x 3
maka
13
b. Teorema-teorema Dasar tentang Determinan Teorema 1 Bila A adalah matriks segi (bujur sangkar) :
a. Jika A mempunyai sebuah baris nol atau sebuah kolom nol, maka det(A) = 0
Contoh :
b. det(A) = det(AT)
Contoh :
Jika A adalah matriks segitiga n x n (segitiga atas, segitiga bawah, atau diagonal), maka det(A) adalah hasil kali elemen-elemen diagonal utamanya, yaitu det(A) = a11a22...ann .
14
Contoh :
Teorema 3
b. Jika B suatu matriks yang diperoleh bila dua baris atau dua kolom dari A
15
c. Jika B suatu matriks yang diperoleh dengan mengalikan satu baris atau kolom
dengan satu konstanta kemudian ditambahkan pada baris atau kolom yang lain, maka det(B)=det(A)
Teorema 4
16
c. Jika E diperoleh dengan menambahkan k kali satu baris In ke baris yang lain,maka
det(E) = 1
Teorema 5
Jika A adalah sebuah matriks segi dengan dua baris/kolom yang proporsional, maka det(A) = 0.
c. Menghitung Determinan dengan Reduksi Baris Menghitung determinan dengan reduksi baris adalah dengan mereduksi matriks yang diberikan menjadi bentuk segitiga atas melalui operasi baris elementer. Kemudian menghitung determinan dari matriks segitiga atas, kemudian menghubungkan determinan tsb dengan matriks aslinya. Contoh :
17
Penyelesaian :
Det (A) =
= -
= -3
= -3
= -3
= (-3) (-55)
Det (A)
18
AT = A
Buktinya =A
contoh : 1 A = 3 1 AT = 2 2 A = 4 6 = 2 4 3 AT = 4 6 = 2 4
Jadi A = AT
2. Bila unsur-unsur salah satu atau kolom dari suatu matriks persegi bernilai nol maka determinan matrik tersebut = 0.
Contohnya 0 A = 0 0 B = 1 : 1 3 0 9 =0 1 0 A = 0 3 0 0 B = 1 9
=0
3.Jika salah satu baris atau kolom dikalikan dengan konstanta c, maka determinan matrik baru adalah c kali determinan matriks sebelumnya
A* =c A
19
Contohnya
: 2 4 = 4 6 = 2
1 1 2 A = A = 3 4 3 m isalkan C =3 3 A* = 3 Jadi : 6 3 * A = 3 4
6 4
=12 18 = 6
A* = C A 6 = 3( 2) 6 = 6
A* =A
4 2
= 6 4 = 2
5. Jika suatu matriks mempunyai dua baris atau kolom yang sama atau sebanding, maka determinannya adalah nol
contohnya baris ; 1 A = 4 A = 1 4 2 8 2 =8 8 = 0 8 :
kolom ; 3 A = 2 3 A = 2 9 6 9 =18 18 = 0 6
6.Bila matriks B diperoleh dari matriks A dengan menambahkan kelipatan suatu baris/kolom pada baris/kolom yang lain, maka
contohnya 1 A = 3 2 1 A = 3 4 2 =4 6 = 4
A =B
7.E matriks yang dihasilkan dari oprasi dasar pada matriks Identitas
20
A) Bila matriks E diperoleh dgn mengalikan satu baris matriks Identitas dgn
E =K
0 7 E = 0 1
0 = 7 1 = 7 1
E =K
maka
E = 1
Contoh ; E diperoleh dari menukarkan baris ke I dengan baris ke II pada matriks identitas
0 E = 1
ja i d
1 0 E = 1 0
1 = 0 1 = 1 0
E = 1
C) Bila matriks E diperoleh dengan menambahkan K kali satu baris pada pada yang lain suatu matrik identitas maka
1 E = 2
ja i d E = 1
0 1 E = 2 1
0 =1 0 =1 1
E = 1
1 det( A)
contoh ; 1 A= 3 A 1 A 1 2 1 2 A = 3 4 = 4 6 = 2 4 1 4 2 = 4 6 3 1 1 4 2 = 2 3 1 1 2 1 3 1 1 A 1 = 3 1 =1 = 2 2 2 2 2 1 1 1 = A 1 = = A 2 2
2 A 1 = 3 2 Jadi A 1
9.Bila A adalah matriks (n x n) dan k suatu konstanta, maka det (kA)= det (A) x k berpangkat n
21
contohnya 2 A = 3 K =....... 2 KA = K 3 KA = 2K 3K 1 2 K K = 3K 4 K 4 K = 8 K 2 3K 2 = K 2 (8 3) = K 2 5 4K 1 2 A = 4 3 1 = 8 3 = 5 4
10.Jika A, B dan C matriks berukuran n x n, unsur-unsurnyahanya berbeda pada satu baris ( misalnya baris ke-r ), diasumsikan bahwa baris ke-r dari matriks C diperoleh dengan menambahkan baris ke-r matriks A dan baris ke-r matriks B maka det (C)= det (A) + det (B)
contoh 2 A = 3 maka C = A +B 2 4 3 2 = 3 3 3 2 + 2 1 3 1 3 2 B = 1 2 3 2 C = 3 +1 1 3 2 +1
22
11.Jika A dan B matriks segi dengan ukuran sama, maka det (AB)= det (A) det(B)
AB = A B 17 1 = 28 4 32 23 5 4
12. Determinan matriks diagonal, matriks segitiga atas da matriks segitiga bawah adalah hasil kali unsur-unsur diagonal utamanya .
contoh 2 A = 0 0 3 B = 0 0 1 C = 3 6 0 7 0 1 5 0 0 9 4 0 0 A = 2.7.4 = 56 4 1 2 B = 3.5.6 = 90 6 0 0 C =1.8.9 = 72 8
EXPANSI /PERLUASAN KOFAKTOR Apa itu kofaktor??? Jika A adalah suatu matrik bujur sangkar, maka minor anggota dinyatakan oleh dan didefinisikan sebagai determinan submatrik yg masih tersisa setelah baris ke-i dan kolom ke-j dihilangkan dari matrik A. Bilangan dinyatakan oleh disebut kofaktor anggota secara singkat dan untuk menentukan tanda + atau gunakan papan periksa Papan Periksa
23
. . . . . . .
. . . . . . .
+ + + . .
+ + . .
+ + + . .
+ + . .
+ + + . .
1 5 4
. . . . . . .
. . . . . . .
3 Contoh : A = 2 1
M 11 3 =2 1 1 5 4 1 5 4
3 +2
4 6 8
6 =1 6 8
4 5 6 = 4 8 4 3 6 = 2 8
C11 = ( 1)
1+1
M 11 = M 11 = 16
3 M 32 = 2 1
4 =2 6 6
C32 = ( 1)
M 32 = M 32 = 26
PERLUASAN KOFAKTOR Perluasan kofaktor dari suatu matrik A ialah cara mencari determinan dari matrik A dengan mengalikan anggota- anggota pada suatu kolom/suatu baris dari matrik A dengan kofaktor-kofaktornya dan menambahkan hasil kali yang di dapat. Pemahaman misalkan matrik A dngn ordo 3x3 berikut :
a11 A = a21 a31 a12 a22 a32 a13 a23 a33
24
A =a11 a22 a33 +a12 a23 a31 +a13 a21 a31 a13 a22 a31 a12 a21 a33 a11 a23 a32
A = a11 ( a22 a33 a23 a32 ) + a12 ( a23 a31 a21 a33 ) + a13 ( a21 a32 a22 a31 )
A =a11 C11 +a12 C12 +a13 C13
Contoh misal matrik ordo 3x3 berikut : kita akan mencari det nya dngn perluasan kofaktor
2 A = 4 2 4 2 2 2 4 4
A =a11 C11 +a12 C12 +a13 C13 2 4 2 2 4 4 4 2 4 4 4 2 2 2
A =2
+2
A =2
+2
Adjoin Suatu Matrik Def: jika A adalah sembarang matrik n x n dan C(ij) adalah kofaktor dari a(ij) maka matriks
C11 C 21 .. .. Cn1 C12 C22 .. Cn 2 .. .. .. .. .. .. C1n C2 n .. Cnn
disebut matrik kofaktor dari A. transpos dari matrik ini disebut adjoin A dan dinyatakan oleh adj (A) Contoh
1 A = 1 2 2 1 1
adjoin
1 C11 = 1 C12 = 3 C13 = 1 C = 1 C = 1 C = 3 2 22 23 21 C31 = 3 C32 = 1 C33 = 1 1
matriks,
misalkan A adalah matrik 3x3 maka adjoin matrik A diperlihatkan dibawah sbg berikut;
1 3 1 mk ( A) = 1 1 3 3 1 1 1 1 3 T adj ( A) = [ mk ( A)] = 3 1 1 1 3 1
25
Aplikasi
rumus
adjoin
untuk
invers
suatu
matrik.
Contoh : kita ambilnilai adjoin matrik A pada contoh diatas lalu kita cari inversnya Catatan; untuk perhitungan di bawah nilai det (A) dianggap sudah dipahami betul
1 2 1 1 1 3 1 1 2 adj( A) = 3 1 1 A= 2 1 1 1 3 1 3 1 1 1 1 3 4 4 4 1 = 3 1 1 1 maka( A ) = 3 1 1 4 4 4 4 3 1 3 1 1 1 4 4 4
Aturan Cramer Jika Ax=b merupkan suatu sistem n persamaan linier dalamn peubah sedemikian hingga (A) tidak 0, maka sistem tersebut mempunyai suatu penyelesaian unik, yaitu sebagai beriut; dengan Aj adalah matriks yang diperoleh dengan menggantikan anggota-anggota pada kolom ke-j dari A dengan anggota-anggota pada matriks
b1 b b = 2 .. bn
Contoh selesaikanlah
penerapan spl x 2x 4x + +
Cramer ; = = 3 6 7
jawab;
26
1 A = 2 4 3 A1 = 6 7 1 A2 = 2 4 1 A3 = 2 4
1 3 2 1 3 2 3 6 7 1 3 2
Dua buah vector u dan v ekuvalen bila diletakkan sehingga initial pointnya berada pada pusat koordinat atau titik asal (0,0) maka pash terminal poitnya berimpit dan v memiliki komponen komponen yang sama. u
Dua buah vector u dan v memiliki panjang dan arah yang sama
Norm Vektor & Aritmatika Vektor Sifat-sifat vector pada R2 dan R3 diuraikan dalam teorema berikut : Jika U, V, dan W adalah vector-vektor pada R2 atau R3, k dan l adalah scalar, maka memenuhi hubungan- hubungan berikut :
27
a) u + v = v + u b) (u+v) + w = u + (v+w) c) u + 0 = 0 + u = u d) u + (-u) = 0 e) k(lu) = (kl)u f) k(u+v) = ku + lu g) (k+l)u = ku + kl h) 1u = u Panjang vector ( Norm Vektor ) u dinotasikan sbg u Jadi, u= Contoh : Bila u = (2,4,4) , u= ? Jawab : u= = =6
berdimensi 3,maka hasil kali silang U V adalah vector yang didefinisikan sebagai U V Teorema. Jika U, V dan W adalah vector-vektor dalam ruang berdimensi 3, maka:
28
(U V orthogonal terhadap U) (U V orthogonal terhadap V) (identitas lagrange) (hubungan antara hasil kali silang dan hasil (hubungan antara hasil kali silang dan hasil
DOT PRODUCT( HASIL KALI TITIK/SKALAR) Bila u dan v R2, R3 ; diasumsikan bahwa initial point kedua vector berimpit dengan
sudut antara kedua vector sebesar ; 0 . Dot poduct atau Euclidean Inner Product didefinisikan sebagai: cos ; =
0
= vektor - vector tak nol , dan sudut antara kedua vector , maka: mirip sudut lancip jika dan hanya jika
29
ii. iii.
mirip sudut tumpul jika dan hanya jik jika dan hanya jika
Teorema Jika
a. b. c. d.
atau
VEKTOR - VEKTOR ORTOGONAL Vector tegak lurus disebut juga vector orthogonal. Dua vector tak nol dimana Theorema Jika jika adalah vector - vector dalam ruang berdimensi 2 atau ruang berdimensi 3 maka: jika dan hanya jika
Contoh :
30
Dan jika p1= ( x1, y1, z1) dan p2=(x2, y2, z2) adalah dua titik dalam ruang berdimensi 3, maka jarak ( d ) adalah :
C. Hasil kali titik ; proyeksi Definisi jika u dan u adalah vektor-vektor dalam ruang berdimensi 2 atau 3 dan sudut antara u dan v, maka hasil kal titik atau hasil kali dalam Euclidean u.v didefinisikan sebagai :
Teorema 1 : anggap u dan v adalah vektor vektot dalam ruang berdimensi 2 dan 3
a) v.v = v2 ; yaitu v = (v.v)1/2
b) jika u dan v adalah vektor-vektor tak nol dan adalah sudut antara kedua vektor tersebut, maka lancip jika dan hanya jika u.v > 0 tumpul jika dan hanya jika u.v < 0
32
= phi / 2 jika dan hanya jika u.v = 0 Teorema 2 : jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi 2 dan 3 dan k adalah scalar, maka :
a) u.v = v.u
b) u.(v+w) = u.v + u.w c) k(u.v) = (ku)v = u.(kv) d) v.v > 0 jika v 0 dan v.v = 0 jika v = 0 Teorema 3 : teorema berikut ini memberikan rumus untuk menghitung vektof proya u dan u proya u. jika u dan a adalah vektor vektor dalam ruang berdimensi 2 atau3 dan jika a 0 maka :
D. Hasil kali silang Jika u = (u1,u2,u3) dan v = (v1,v2,v3) adalah vektor-vektor dalam ruang berdimensi 3 maka hasil kali silang u x v adalah vektor yang didefinisikan sebagai u x v = (u2 v3- u3 v2, u3 v1- u1 v3, u1 v2 - u2 v1) Contoh : cari u x v dimana u = (3,4,2) dan v = (0,3,2) Penyelesaian:
33
u x v = (2, -2, 3) Teorema 1 : jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi 3 maka : a) u.(u x v) = 0 b) v. (u x v) = 0
c) u x v2 = u2v2 (u . v)2
(u x v orthogonal terhadap u ) (u x v orthogonal terhadap v) (identitas lagrange) (hubungan antara hasil kali silang dan
kali titik ) e) (u x v) x w = (u.w)v (v.w).u hasil kali titik ) Teorema 2 : jika u, v, dan w adalah vektor sembarang dalam ruang berdimensi 3 dan k adalah sembarang scalar Tinjau vektor i = (1,0,0) j = (0,1,0) dan k = (0,0,1). Ketiga vektor ini masingmasing mempunyai panjang 1 dan terletak di sumbu koordinat. Vektor vektor ini disebut vektor satuan standar dalam ruang berdimensi 3. Setiap vektor v = (v1,v2,v3) dalam ruang berdimensi 3 dapat dinya takan dalam bentuk i,j, dan k karena kita bisa menuliskan v = (v1,v2,v3) = v1(1,0,0) + v2(0,1,0) + v3(0,0,1) = v1i + v2j + v3k Teorema 3 : teorema berikut ini memberikan suat interpretasi geometris yang berguna dari determinan 2 x 2 dan 3 x 3 : a) Nilai mutlak determinan (hubungan antara hasil kali silang dan
34
Sama dengan luas jajaran genjang dalam ruang berdimensi 2 yang dibentuk oleh vektor u = (u1,u2) dan v = (v1,v2).
Teorema 4 : jika vektor vektor u = (u1,u2,u3), v = (v1,v2,v3) dan w = (w1,w2,w3) mempunyai titik pangkal yang sama, maka ketiganya terletak pada bidang yang sama jika dan hanya jika
E. Bidang-bidang dalam ruang berdimensi 3 Sebuah bidang dalam ruang berdimensi tiga didapatkan dengan
menentukan inklinasi dan salah satu titiknya. Sebuah metode yang mudah untuk menguraikan inklinasi adalah dengan menentukan suatu vector tidak nol (disebut suatu normal) yang tegak lurus dengan bidang tersebut. Persamaan bidang yang melalui titik P0(x0,y0 ,z0) dengan vector normal n=(a,b,c) contoh soal : cari sebuah persamaan bidang yang melalui titik (-5,8,2) dan tegak lurus terhadap vector n = (5,-2,1) penyelesaian : a(x-x0)+b(y-y0)+c(z-z0) = 0 5(x+5) -2 (y-8)+1 (z-2) = 0 5x + 25 - 2y + 16 + z -2 = 0 5x - 2y + z + 39 = 0 Teorema : Jika a, b , c, dan d adalah konstanta dan a, b, c, tidak semuanya nol, maka grafik persamaanya : ax + by + cz + d = 0
35
adalah sebuah bidang yang mempunyai vector n = (a, b, c) sebagai normal. ax + by + cz + d = 0 => bentuk umum dari persamaan sebuah bidang
36
u v = 0
Contoh soal: 1. Anggap u=(1, 2, 3, 4), v=(-3, 2, 3, 4), dan w=( 1, 1, 2, 0), carilah:
a. (3v+w).(2u+v)
b. 2(u-v)
Jawab: 1.a. (3v+w).(2v+w) =(3v).(2v+w) + (w).(2v+w) =[(3(-3,2,3,4)).(2(-3,2,3,4)+(1,1,2,0)]+ [(1,1,2,0).(2(-3,2,3,4)+(1,1,2,0)] =[(9,6,9,12).(6,4,6,8)+(1,1,2,0)]+[(1,1,2,0). (6,4,6,8)+(1,1,2,0)] =[(-54,24,54,96)+ (1,1,2,0)]+[(6,4,12,0)+(1,1,2,0)] =(-53,25,56,96)+(7,5,14,0) =(-46,30,70,96) c. 2(u-v) = 2 [(1, 2, 3, 4) - (-3, 2, 3, 4)] = 2(4, 0, 0, 0) = (8, 0, 0, 0) Teorema 4.3 (Ketaksamaan Cauchy-Schwarz dalam Rn) Teorema 4.4 Jika U, V Rn dan k adalah sembarang skalar, maka
a) ||U|| 0
b) ||U||=0 jika dan hanya jika u=0 c) ||kU||=|k||U|| d) ||U+V|| ||U||+||V|| (ketaksamaan segitiga)
Teorema 4.5 Jika U, V, dan W adalah vektor-vektor dalam Rn dan k adalah sembarang sekalar, maka:
a) d(U,V)
0 b) d(U,V)=0 jika dan hanya jika U=V c) d(U,V)= d(U,V) d) d(U,V) d(U,W)+ d(W,V) (ketaksamaan segitiga)
37
Teorema 4.6 Jika U dan V adalah vektor-vektor dalam Rn dengan hasil kali dalam Euclidean, maka U.V=
1 1 || U + V ||2 || U V ||2 4 4
KEORTOGONALAN Definisi: Dua vektor Contoh: Dalam ruang Euclidean R4 vektor vektor u=(1,2.3,8); v=(1,2,3,4) adalah orthogonal karena u.v= (1)(1)+(2)(2)+(3)(3)=0 Bila tegak lurus maka: dan dalam disebut ortogonal jika .
38
Contoh:
Jadi
Fungsi fungsi dari Rn ke R Fungsi adalah suatu aturan f yang menghubungkan setiap unsure dalam A ke satu dan hanya satu unsur dalm B Jika f menghubungkan unsur b dengan unsur a, maka ditulis b = f(a), dikatakan : (-) b adalah bayangan dari a dibawah f (-) f (a) adalah nilai f di a
Dua buah fungsi dikatakan sama, f1 = f2 jika kedua fungsi memiliki dominant yang sama dan f1 (a) = f2 (a) suatu fungsi f : Rn R, ditulis sebagai : w = f (x1, x2, ., xn)
39
OPERATOR PENCERMINAN
(-x,y) w = T(x) x
(x,y) x
(x,y,z)
OPERATOR PROYEKSI
y Proyeksi orthogonal pada sumbu x x,y w1 = x w2 = 0 X W= 1 0 0 0 x y
OPERATOR ROTASI
Y w r y x r z (x,y) (x,y,o) (x,y,z) y x x,0 w (w1,w2)
x = r cos Proyeksi orthogonal pada sumbu xy y = r sin w1 = x w1 = r cos (+) x w2 = r sin (+) W= w2 = y 1 0 0 40
0 0
w1 = r [cos . cos sin sin] = cos . cos sin sin w1 = x cos y sin w2 = r [sin cos + cos sin] = r sin cos + r cos sin = Y cos + x sin w1 = x cos y sin w2 = x sin + y cos Pelebaran Penyempitan w= k o o x k y (k) 1 Pelebaran
W=
cos sin
sin cos
x y
w= k o o
o k o
o x o y k z d | k | < 1 Penyempitan
RUANG RUANG VEKTOR UMUM A. Aksioma Ruang Vektor Devinisi Anggap V adalah sebarang himpunan tak-kosong dari objek di mana dua operasi didefinisikan yaitu penjumlahan dan perkalian dengan scalar ( bilangan ). Jika
41
aksioma berikut ini dipenuhi oleh semua objek u, v, w dalam V dan semua skala k dan l, maka disebut V sebagai ruang vektor dan disebut objek dalam V sebagai vektor. 1) Jika u dan v adalah ojek objek dalam V, maka u + v berada dalam V. 2) u + v = v + u 3) u + (v + w) = (u + v) + w 4) Ada suatu objek 0 dan V, yang disebut suatu vector nol untuk V, sedemikian sehingga 0 + u = u + 0 = u untuk semua u dalam V. 5) Untuk setiap u dalam V, ada suatu objek u daam V, yang disebut negative dari u, sedemikian sehingga u + (-u) = (-u) + u = 0 6) Jika k adalah sebarang skalar dan u adalah sebarang objek dalam V, maka ku ada dalam V. 7) k(u + v) = ku + kv 8) (k + l)u = ku + lu 9) k(lu) = (kl)u 10) lu = u
Beberapa Sifat Vektor Anggap V adalah suatu ruang vector u suatu vector dalam V, dan k suatu scalar; maka: a) 0u = 0 b) K0 = 0 c) (-1)u = -u d) Jika ku = 0, maka k = 0 atau u = 0
B.
Sub-Ruang
Devinisi suatu himpunan bagian w dari suatu ruang vector V disebut suatu sub-ruang dari V jika W sendiri adalah suatu ruang vector dibawah penjumlahan dan perkalian scalar yang didefinisikan pada V. Teorema
42
Jika W adalah suatu himpunan satu atau lebih vector dari ruang vector V, maka W adalah suatu sub-ruang dari V jika dan hanya jika syarat syarat berikut ini terpenuhi. a) Jika u dan v adalah vector vector dalam W, maka u + v ada dalam V. b) Jika k adalah sebarang scalar dan u adalah sebrang vector dalam W, maka ku ada dalam W. C. Kombinasi Linear Vektor-Vektor Jika r=1, maka persamaan dalam definisi di atas menjadi w= k1v1; yaitu,w adalah suatu, w adalah suatu kombinasi linear dari suatu vektor tunggal v1 jika w adalah suatu pengandaan skala dari v1 Rentang Jika v1,v2,v, adalah vector-vektor dalam suatu ruang vector V, maka secara umum beberapa vector dalam V mungkin merupakan kombinasi linear dari v1,v2,v, dan yang lainnya mungkin tidak. Teorema berikut ini menunjukkan bahwa jika menyusun suatu himpunan W yang terdiri dari suatu vector-vektor yang dapat dinyatakan sebagai kombinasi dari v1,v2,v, itu, maka W membentuk suatu sub-ruang dari V. Teorema Jika v1,v2,v, adalah vector-vektor dala suatu ruang vector V, maka
(a) Himpunan W semua kombinasi linear dari v1,v2,v, merupakan suatu sub-ruang
dari v1,v2,v,.
(b) W adalah sub-ruang terkecil dari V yang berisi v1,v2,v, dalam pengertian bahwa
Merentang
Definisi : jika S={v1,v2,....,vr} sejumlah vektor pada ruang vektor V, maka subruang W dari V mengandung semua kombinasi linier vektor-vektor dalam S disebut ruang terentang (ruang yang dibangun) oleh v1,v2,...,vr dan kita katakan bahwa vektor-vektor v1,v2,...,vr adalah rentang W.
43
Untuk menunjukkan bahwa W adalah ruang terentang oleh vektor-vektor dalam himpunan S={ v1,v2,...,vr } ditulis : W = rent (S) atau W = rent {v1,v2,...,vr}
Contoh : Tentukan apakah v1 = (1,1,2), v2 = (1,0,1) dan v3 = (2,1,3) merentangkan ruang vektor R3. Penyelesaian : Kita harus menentukan apakah suatu vektor sebarang b = (b1,b2,b3) dalam R3 bosa dinyatakan sebagai suatu kombinasi linier b = k1v1+k2v2+k3v3 dari vektor v1,v2,v3. Dengan menyatakan persamaan ini dalam bentuk komponenkomponen akan didapatkan :
(b1,b2,b3)=k1(1,1,2)+k2(1,0,1)+k3(2,1,3)
(b1,b2,b3)=(k1+k2+2k3,k1+k3,2k1+k2+3k3)
k1+k2+2k3 = b1 k1+ k3 = b2
2k1+k2+3k3 = b3
44
B31(-2)
B21(-1)
B3-B2
dari hasil di atas kita asumsikan merentangkan terhadap R3. Bebas Linear
lihat bahwa matriks tersebut tidak memiliki spl konsisten sehingga v1,v2,v3 tidak
Definisi : Jika S={v1,v2,...,vr} adalah himpunan vektor tak nol, maka : k1v1 + k2v2 + .+ krvr = 0 hanya mempunyai satu solusi : k1 = 0 , k2 = 0, ... , kr = 0 Maka S disebut himpunan yang bebas linear. Bila ada solusi lain, dinamakan himpunan bergantung linear. Contoh : Buktikan jika v1=(2,-1,0,3), v2=(1,2,5,-1), v3=(7,-1,5,8) maka himpunan vektorvektor S = {v1,v2,v3} tak bebas secara linear karena 3v1+v2-v3=0
Penyelesian B12(2)
B42(3)
B43(-1)
B31(-1)
B1(1/5)
B21(-2)
45
Maka : k2+k3=0 , k2 = - k3 -k1-3k3=0 , -k1=3k3, k1= -3k3 Sehingga : -3k3v1 k3v2 + k3v3 = 0 (dikali -1/k3) 3v1+v2-v3 = 0 Jadi terbukti, v1=(2,-1,0,3), v2=(1,2,5,-1), v3=(7,-1,5,8) maka himpunan vektor-vektor S = {v1,v2,v3} tak bebas secara linear karena 3v1+v2-v3=0
Teorema: Jika vektor dalam adalah suatu basis untuk suatu ruang vektor , maka setiap bisa dinyatakan dalam bentuk
dalam tepat satu cara. Koodinat Koordinat Relatif Terhadap Sebuah Basis Jika vektor dalam adalah suatu basis untuk suatu ruang vektor dapat dinyatakan dengan dan vektor
46
dalam bentuk
yang tersusun dari koordinat koordinat ini disebut koordinat dinyatakan dengan:
relatif terhadap
Basis Standar Untuk Contoh: Jika adalah himpunan yang bebas secara linier dalam Himpunan ini juga merentangkan dalam bisa dituliskan sebagai: karena sebarang vector maka .
Jadi, Dari
kita dapatkan bahwa koordinat relatif terhadap basis standar adalah sehingga
Penyelesaian: Untuk menunjukkan bahwa himpunan sembarang vektor merentang kita harus menunjukkan bahwa
Dari vektor vektor dalam . Dengan menyatakan persamaan ini dalam bentuk komponen komponen, kita akan mendapatkan:
47
merentang
persamaan diatas mempunyai suatu penyelesaian untuk semua pilihan Jika persamaan diatas kita ubah ke dalam bentuk matriks dan digandengkan dengan hasilnya lalu kita umpamakan dengan nama maka akan menjadi:
dari hasil reduksi matriks diatas kita lihat bahwa sistem persamaan linier tersebut memiliki suatu penyelesaian untuk semua pilihan b =
adalah
48
Hanya mempunyai penyelesaian trivial. Untuk membuktikan bahwa S bebas linier dan merentang matriks koefisien dengan menunjukkan bahwa
mempunyai determinan tak nol. Akan tetapi, setelah kita mencari determinan A hasilnya adalah
DIMENSI
Definisi : Suatu ruang vector tak nol himpunan vektor terhingga ada himpunan yang seperti itu, maka disebut berdimensi terhingga jika berisi suatu
yang membentuk suatu basis. Jika tidak disebut berdimensi tak-hingga. Disamping
itu, kita akan menganggap ruang vector nol sebagai berdimensi terhingga. Teorema: Jika adalah suatu ruang vektor berdimensi terhingga dan adalah
sebarang basis, maka: 1. Setiap himpunan dengan lebih dari n vektor adalah tak bebas secara linier
2. Tidak ada himpunan dengan vektor yang kurang dari n yang merentang
Teorema: Semua basis untuk suatu ruang vector berdimensi terhingga mempunyai jumlah vektor yang sama.
49
Teorema: Jika adalah suatu ruang vektor berdimensi , dan jika adalah suatu basis untuk adalah himpunan dalam jika merentang
bebas linier.
merentang
bisa
adalah suatu himpunan yang bebas linier tetapi belum menjadi basis , maka bisa diperbesar menjadi basis untuk dengan
untuk
Tentukan basis dan dimensinya! Jika diubah ke dalam bentuk matriks dan kita umpamakan Y maka akan menjadi:
50
merentangkan ruang penyelesaian. Karena vector vector ini juga bebas secara linier, maka adalah suatu basis dan ruang penyelesaiannya berdimensi dua.
Ruang Baris, ruang Kolom dan ruang Kosong Definisi : Jika A ( m x n ) maka sub ruang dari Rn yang terentang oleh vektor vektor barisdari A disebut ruang baris dari A, dan vektor vektor kolom dari A disebut ruang kolom dari A. Ruang penyelesaian dari SPL Homogen Ax = 0 yang merupakan sub ruang dari Rn disebut ruang kosong dari A.
A(mxn)=
C1 C2
Cn
r1, r2, , rm Rn
c1, c2, , cn Rm
A(mxn)=
C1
C2
Cn
X( n x 1) =
Ax=b X1C1 + X2C2 + + XnCn = b b merupakan kombinasi linear dari c,i, i=1,,n SPL A x = b konsisten jika dan hanya jika b berada dalam ruang kolom A. Jika X0 adalah sembarang penyelesaian tunggal dari suatu SPL A x = b, dan jika V1, V2,, Vk membentuk basis untuk ruang kosong A ( ruang penyelesaian SPL homogen A x =0 ), maka setiap penyelesaian dari A x = b bisa dinyatakan dalam bentuk : X = X0 + C1V1 + C2V2 + + CK VK Dan sebaliknya, untuk semua pilihan skalar C1, C2, , penyelesaian dari A x = b. X0 : penyelesaian dari A x = b A x =0 , A x0 = b Ax=b CK, vector X merupakan suatu
A x = A ( X0 + C1V1 + C2V2 + + CK VK ) = A x0 + C1(AV1) + C2 (AV2) + + CK (AVK) X0 penyelesaian khusus dari A x = b penyelesaian umum dari A x = b penyelesaian umum dari A x = 0
+ r
+ s
+ t
Maka
X= r
+ s
+ t
53
A=
2. Lakukan operasi baris dasar (OBE) untuk mendapatkan bentuk eselon baris dari A.
3. Baris tak nol dari bentuk selon baris A akan membentuk baris dari ruang yang
dibangun oleh {
}.
Contoh : tentukan basis dari ruang yang dibangun oleh vektor vektor berikut : = ( 1, -2, 0, 0, 3 ) = ( 2, -5, -3, -2, 6 ) = ( 0, 5, 15 10, 0 ) = ( 2, 6 18, 8, 6 )
A=
2. Lakukan OBE :
54
RUANG KOSONG/ RUANG NUL (NULL SPACE) Definisi Ruang Nul Misalkan kita anggap A adalah sebuah matriks, maka : Ruang nul (A) adalah ruang solusi dari system persamaan linier yang homogen Ax = 0, yang merupakan sub ruang dari Rn. dapat dinyatakan dengan : S = ruang nul = {x|Ax = 0}
x1, x2 S, maka : Ax1 = 0
k x1 S Dimensi ruang nul dari A disebut sebagai nulitas (nulity) dari A dan dinyatakan sebagai nulitas(A). Sebagai contoh :
1 3 2 4 2 7 5 9 0 2 2 2 4 5 3 0 1 4 4 6 1 4 4 7
Untuk menetukan nulitas dari matriks A, tentukan terlebih dahulu dimensi dari ruang solusi system linier Ax = 0, system ini dapat diselesaikan dengan mereduksi matriks menjadi bentuk eselon baris tereduksi. System persamaan yang didapat adalah : x1 - 4x3 - 28x4 - 37x5 + 13x6 = 0 x2 2x3 12x4 -16x5 + 5x6 = 0
55
mencari solusi umum dari variable - variabel utama : x1 = 4x3 - 28x4 37x5 + 13x6 x2 = 2x3 + 12x4 +16x5 5x6 jadi, x1 = 4r 28s + 37t + 13u x2 = 2r + 12s + 16t 5u x3 = r x4 = x5 = x6 = secara ekuivalen : s t u
x1 4 2 8 3 7 1 3 x2 2 1 2 1 6 5 x 0 0 0 3 = r 1 + s + t + u x4 0 1 0 0 0 0 1 0 x5 x 0 0 0 1 6
Keempat vektor pada ruas kanan membentuk basis untuk ruang solusi, sehingga nulitas(A) = 4 Hubungan Antara Rank dan Nulitas Jika A adalah suatu matriks m x n, maka : rank(A) + nulitas(A) = n Bukti : A memiliki n kolom, maka system linier homogeny Ax = 0 memiliki n variable. Variable ini terbagi menjadi 2, yaitu variable utama dan bebas. Maka,
56
b a n y a k n y a +)A(a vn i ak r= bn e l r b e b a s
Banyaknya variable bebas = nulitas(A) = banyaknya parameter pada solusi umum dari Ax = 0
Nilai Maksimum untuk Rank Jika A adalah matriks m x n, maka vector barisnya terletak pada Rn dan vector kolomnya terletak pada Rm. Ruang baris dan ruang kolom memiliki rank dari A yang sama, oleh karena itu jika mn, rank dari A yang terbanyak adalah nilai yang lebih kecil antara nilai m dan n, dapat dinotasikan dengan : rank(A) min(m,n) Sistem Linier yang Terdiri dari m Persamaan dengan n Faktor yang Tidak Diketahui
57
Hasil Kali Dalam Definisi : Suatu hasil kali dalam pada suatu ruang vektor real V adalah suatu fungsi yang menghubungkan suatu bilangan real dengan setiap pasangan vektor u dan v dalam V sedemikian hingga aksioma-aksioma berikut terpenuhi oleh semua vektor u,v dan w dalam V serta semua skalar k.
Ruang Hasil Kali Dalam Euclidean Terboboti Ruang hasil kali dalam euclidean terboboti dengan bobot w1,w2,...,wn untuk vektor u dan v Rn didefinisikan sebagai : = w1u1v1+w2u2v2+...+wnunvn
Panjang dan Jarak dalam Ruang Hasil Kali Dalam Jika V suatu ruang hasil kali dalam maka norma suatu vektor u dalam V dinyatakan sebagai dengan definisi :
Penyelesaian :
u1v1+2u2v2+3u3v3+4u4v4 = 3.1+2.2.1+3.1.3+4.2.2 = 3 + 4 + 9 + 16 = 32
Contoh 4 : Tentukan Jawab : jika p =1+x+2x2 dan q=5 2x2 = p0q0 + p1q1 + p2q2 = 1.5 + 1.0 + 2.(-2) = 5 + 0 4 = 1
Contoh 5 : Tentukan suatu hasil kali dalam pada R2 yang dibangkitkan oleh Matriks A dengan A = , u=(0,-3) dan v=(6,2)
59
= (6 2)
= (14 0)
Cos =
=0
Contoh 6 : Bila u dan v suati vektor dalam R2 dengan definisi diapit oleh u dan v untuk u= (2,4) dan v=(2,8) = u1v1 + 2u2v2 , tentukan cos sudut yang
Cos =
Basis Basis Ortogonal Suatu himpunan vector dalam suatu ruang hasil kali dalam disebut himpunan ortogonal jika semua pasangan vektor-vektor yang berbeda dalam himpunan tersebut ortogonal. Suatu himpunan dimana setiap vektor mempunyai norma 1 disebut ortonormal.
Contoh 7: 60
u1 =(0,1,0) , u2=(1,0,1) , u3=(1,0,-1) ; S={u1,u2,u3} S merupakan himpunan yang ortogonal karena u1,u2,u3 adalah dengan : =1 , = = , bernilai nol. Norma
Contoh 8:
Apakah A merupakan basis ortonormal pada Periksa bebas linier vector-vektor dalam U
B21(1)
61
(memiliki solusi trivial)vektor dalam U saling bebas linier. 1. t juga akan ditunjukan bahwa sembarang vector V=(a,b,c) direntang oleh U Beriku
Ini menunjukan U merentang V, karena U bebas linier dan merentang V maka A merupakan basis pada 2. apakah untuk ij dan apakah 62 . Dilihat
Terlihat bahwa
untuk ij dan
Proses Gram-Schmidt untuk membentuk basis-basis Ortogonal/Ortonormal Setiap ruang hasil kali dalam tak nol berdimensi terhingga mempunyai basis ortonormal.
Bila V adalah sembarang ruang hasil kali dalam tak nol berdimensi terhingga, dan sembarang basis untuk V. dalam membentuk basis-basis orthogonal untuk V dilakukan langkah berikut: 1. Tetapkan 2. (
3.
( 63
.dst..
n.
Bila
1. Tetapkan 2. 3. dst.. n.
Melalui proses Gram Schmidt ubahlah basis basis tersebut menjadi basis ortogonal dan ortonormal.
64
Misalkan S =
3. v3 = u3 -
65
Nilai Eigen dan Vektor Eigen Definisi : Jika A adalah suatu matriks n x n maka vektor tak nol pada Rn disebut suatu vektor eigen dari A jika Ax adalah suatu penggandaan scalar dar x yaitu Ax = x Untuk suatu scalar . skalar disebut nilai eigen dari A dan x disebut suatu vektor eigen dari A yang berpadanan dengan . Contoh :
Jawab :
66
Det( I A) = 0 =0 (
Suatu matriks segi Amxn dikatakan dapat didiagonalisasi jika terdapat sebuah matriks P yang invertible sehingga AP merupakan matriks diagonal. Matriks P dikatakan mendiagonalisasi A. Langkah langkah untuk diagonalisasi Matriks : 1. menentukan vektor eigen A ,misalkan p1,p2,...,pn 2. tentukan matriks P yang memiliki p1,p2,...,pn 3. matriks AP adalah matriks diagonal dengan
1
,...,
67
det(
(( =
)(
jika
2 +2
Misal :
x=
Jika 68
-2 +2 -4 =0
x=
P=
= Contoh : P=
69
70
71