001024
ALJABAR LINEAR DAN APLIKASINYA
UNIVERSITAS GADJAH MADA
Pidato Pengukuhan Jabatan Guru Besar
Fakultas Matematika dan Imu Pengetahuan Alam
Universitas Gadjah Mada
pa
Diueapkan di depan Rapat Terbuka Majelis Guru Besar
Universitas Gadjah Mada
pada tanggal 31 Juli 2004
di Yogyakarta
Oleh:
Prof. Dr. Sri Wahyuni, MS.Yang saya hormati:
Ketua, Sekretaris, dan anggota Majelis Wali Amanat UGM
Ketua, Sekretaris, dan anggota Majelis Guru Besar UGM
Ketua, Sekretaris, dan anggota Senat Akademik UGM
Rektor, Wakil Rektor Senior dan Wakil Rektor UGM
Dekan, dan Wakil Dekan di lingkungan UGM
Dosen, mahasiswa, dan karyawan UGM
Para pejabat pemerintah, pejabat swasta, serta
Para hadirin dan handai taulan sekalian yang saya hormati
Assalamu ‘alaikum warahmatullahi wa barakdtuh
Terlebih dahulu marilah kita panjatkan puji syukur ke hadirat
Allah Subhanaku Wa Ta’ala atas segala rahmat dan karunia yang telah
dianugerahkan kepada kita semua selama ini, serta atas perkenanNya
kepada kita semua untuk dapat hadir di dalam sidang Majelis Guru
Besar Universitas Gadjah Mada yang terhormat ini. Semoga Allah
‘Yang Maha Pengasih senantiasa memberikan perlindungan kepada
kita semua di masa-masa mendatang. Amin.
Selanjutnya perkenankan saya menyampaikan terima Kasih
kepada Ketua, Sekretaris, dan para anggota Majelis Guru Besar
Universitas Gadjah Mada yang telah memberikan kehormatan kepada
saya untuk menyampsikan pidato pengukuhan Guru Besar Universitas
Gadjah Mada di hadapan para hadirin sekatian. Pada hari, yang bagi
saya dan keluarga sangat bersejarah ini, izinkanlah saya untuk
menyampaikan pidato berjudul:
ALJABAR LINEAR DAN APLIKASINYA
yang saya pandang suatu bagian dari bidang ilmu saya yang paling
Cocok untuk dapat diikuti oleh para hadirin yang terhormat yang
sangat beragam latar belakangnya ini2
Hadirin sekalian yang saya hormati
Pidato ini dibagi dalam 3 (tiga) bagian yaitu
1. Pengantar
2. Beberapa Contoh Aplikasi Aljabar Linear pada Bidang Non
‘Matematika
3. Peran Aljabar Linear dalam Pengembangan Matematika
1, PENGANTAR
ungsi linear adalah fungsi yang paling sederhana setelah fungsi
konstan, Sebagai contoh: fix)=x, flay=3x+l, flx)=-Sxtl dan flx)=1/2
x -} merupakan fungsi linear, Sedangkan fungsi fix)=x" ffx) x),
dan ftx)=x'-x bukan fungsi linear. Fungsi linear lebih sederhana dari
pada fungsi yang tidak linear sebab grafiknya berupa garis lurus.
Aljabar Linear adalah suatu bagian dari Matematika yang mempelajari
ruang vektor, beserta komponen-komponennya seperti Basis, Sistern
Koordinat, dan Transformasi (Fungsi) Linear antar 2 (dua) Ruang
Vektor yaitu pengawanan yang mengawetkan (preserve) hasil operasi.
Aljabar linear berguna untuk dipelajari paling tidak karena
kegunaannya dalam Matematika dan Aplikasinya Pada Bidang
Lain, Dalam Matematika misalnya terkait dengan solusi dari sistem
persamaan homogen, penyelesaian sistem persamaan diferenstal
dengan koefisien Konstan, dan persamaan diferensial dengan tundaan
(Wahyuni et af, 2001). teori bilangan (termasuk dalam lapangan
perluasan), aljabar abstrak, geometri diferensial, dan analisis real dan
Kompleks dari tingkat pengantar sampai dengan tingkat lanjut, dan
teori graf (Setiadji, 2003). Dalam bidang lain, Aljabar Linear
displiakasikan misalnya dalam teknik, fisika, signal processing,
binary code, dan ckonomi (contoh yang menarik pada Muslim, 2004
dan Sugito, 2003). Ada 2 (dua) aspek yang penting dipelajari dalam
Aljabar Linear yaitu aspek teotitis dan aspek komputasi keduanya
telah berkembang dengan sangat pesat seiring dengan berkembangnya
perangkat teknologi informasi. Sebelum masuk pada pembicaraan
tentang Aplikasi Aljabar Linear, terfebih dahulu akan dikemukakan
secara singkat beberapa pengertian dasar.
Matriks dan Determinan: Misalkan n dan m adalah bilangan-3
hilangan bulat positif. Matriks A bertipe nxm adalah sekumpulan rma
bilangan yang disusun dalam n baris dan m kolom dan biasa dituliskan
dengan Any = (aj) dengan ay komponen pada baris ke i kolom ke j.
Matriks dengan jumlah baris sama dengan jumiah kolom sering
disebut matriks bujur sangkar. Tethadap matriks bujur sangkar dapat
dikaitkan dengan determinan, Secara historis determinan sebenamnya
umurnya lebih tua dari matriks. Seperti dikemukakan oleh Tee (2003),
bahwa determinan diperkenalkan pertama kali pada tahun 1683 oleh
Takakau Seki Kowa (1642-1708) dalam pengkonstruksian resolven
dari sistem persamaan sukubanyak (polynomial). Baru kemudian pada
tahun 1693 Leibniz (1646-1716) secara independen menemukan
determinan. Pada tahun 1750 Cramer mempresentasikan determinan
berdasarkan formula untuk menyelesaikan sistem persamaan linear
(yang dikenal dengan Cramer's Rule). Sedangkan matriks baru
pertama diformulasikan pada 1858 oleh Cayley (1821-1895), dan pada
waktu itu mairiks belum banyak dikenal. Baru pada tahun 1925
Heisenberg (1901-1976) menemukan kembali matriks untuk
kepentingan Fisika Kuantum, Determinan adalah suatu konsep yang
tidak mudah, pada kalangan hii aljabar linear pun terdapat perbedsan
pendapat yang sangat mencolok paling tidak apabila kita
membandingkan pendapat Axler (1995) yang menyatakan bahwa
Aljabar Linear tidak harus menggunakan determinan (“Down With
Determinant”), dan (Tee 2003) menyatakan tidak mungkin Aljabar
Linear tanpa determinan (“Up With Determinani”). Saya sendiri tidak
setuju dengan pendapat Axler (1995) tersebut.
Sistem Persamaan Linear: Sistem persamaan linear pertama
kali diperkenalkan oleh Gauss pada tahun 1980 (Tee, 2003). Sebagai
suatu ilustrasi, jika kita diminta mencari titik potong 2 (dua) garis
pada bidang datar gy =a) x+b) y = cy, go =az.x+b; y =e», maka yang
kita lakukan adalah dengan menyamakan koefisien salah satu variabel
pada kedua persamaan tersebut untuk menghilangkan variabel
tersebut, schingga akan didapat nilai variabel yang lain, dan diperoleh
solusi sistem persamaan tersebut (jika ada). Hal yang sama dapat
Gilakukan apabila kita mencarititik potong tiga bidang Hr, Hp dan Hs,
misalnya dalam ruang dimensi tiga Hy =a) a+b, y + ¢1 2 = d;, H2= a2
xtbp y + 2 2 = dz, dan Hy = ay x+by y + ¢ 2 = dy, Persoalan akan
Tuncul apabila kita mempunyai sistem persamaan yang terdisi dari4
katakenlah 10 persamaan dengan 15 variabel, Apalagi untuk sistem
persamaan yang terdiri dari jutaan persamaan dan jutaan variabel
permasalahan-nya menjadi sangat kompleks, Sangat tidak efisien
apabila dilakukan dengan cara menghilangkan Koefisen satu per satu.
Padzhal_memang banyak persoalan nyata yang harus dimodefkan
dalam bentuk seperti itu.
Dengan mengingat hal tersebut Gauss mendapatkan suatu cara
menyelesaikan yang lebih sistimatis yang kita kenal Metode Eliminasi
Gauss yaitu dengan cara membentuk matriks lengkap dari sistem
persamaan linear
Aj Kp + AQ A2 + oe # Bin Xn = BY
F ay Xy = 2
42, X) +0222 +
apd ay + id Sin *
yaitu matriks
ay ag
ay an
a
kemudian dilakukan operasi baris elementer untuk mendapatkan
bentuk
dari bentuk terakhir ini akan diperoleh nitlai dari variabel xi, x2,
‘yang memenuhi sistem persamaan di atas Gika ada).5
Ruang Vektor, Basis dan Dimensi: Definisi Ruang Vektor atas.
suatu lapangan secara umum dilatar-belakangi oleh sifat-sifat vektor
dalam di bidang datar (R”) terhadap skalar di R yang sudah kita kenal,
Sudah kita ketahui bahwa pada vektor-vektor di bidang datar (R°)
dapat didefinisikan operasi penjumlahan dengan menggunakan aturan
jajaran genjang yang secara analitik dapat dinyatakan sebagai berikut:
Jika vy =(x;,y,) dan vz =(x2,y2) adalah vektor di R? maka v, + v2 =
(x;+x2,y1+y2) adalah juga vektor di R’. R° terhadap operasi + bersifat
assosiatif, mempunyai elemen netral, sctiap elemen mempunyai invers.
dan komutatif. Yang berarti R’ terhadap penjumlahan merupakan grup.
abelian, Sementara itu pada R bekerja operasi penjumlahan dan
petgandaan antar bilangan real yang dalam struktur aljabar R terhadep
operasi penjumlahan dan pergandaanmerupakan lapangan.
Selanjutnya untuk suatu elemen c di R dan vektor vy =(x;,y1) di R®
dapat didefinisikan operasi pergandaan skalar sebagai berikut
@y;:=(oe0,, ay;), dun dapat ditunjukkan secara geometris bahwa Grup
(R.+) techedap Lapangan (R,+,-) dan operasi perganduan_skalar
memenuhi sifat sebagai berikut,
1 a(t v)=avt avy
2. (a+ B)vy= av; + Bee
3 (a, By r= ac(B vy)
4 Lovey
untuk setiap or dan’ 8 di R dan setiep v, dan v2 di R”
Dilatarbelakangi oleh sifat yang dimiliki oleh grup (R?,+)
terhadap lapangan (R.+,.) dan operasi pergandaan skalar di atas, para
ahli kemudian mendefinisikan struktur abstrak scbagai berikut: Grup
{V.+) disebut Ruang Vektor atas lapangan (F,+,) tethadap operasi
pergandaan skalar # : F x V— V dengane (q,¥) = @, jika memenuhi
sifat-sifat sebagai berikut:
3. (ot. B) vr=
4. iy,
vy6
Sudah kita ketahui bahwa pada ruang vektor R’ himpunan
1,0), ¢2=(0,1)} mempunyai sifat yang spesial yaitu B
membangun R’ dan bebas linear, yaitu setiap elemen dalam R? dapat
dinyatakan secara tunggal sebagai kombinasi linear dari B. Sifat
tersebut sangat berguna dan para ahli kemudian mendefiniskan
pengertian Basis dari sembarang ruang vektor V atas lapangan F
sebagai berikut. Sebarang himpunan B dalam ruang V atas lapangan F
disebut basis jika setiap vektor dalam V dapat dinyatakan secara
tunggal sebagai kombinasi linear elemen-elemen dalam B. Dengan
Lemma Zom (Adkins et al., 1992) yang sangat terkenal,
ditunjukkan bahwa eksistensi basis dalam suatu ruang vektor
ceksistensinya walaupun tidak selalu tunggal. Namun demikian jurnlah
clemen dalam suatu basis dalam suatu ruang vektor selalu sama, yang
selanjutnya disebut sebagai dimensi.
‘Transformasi Linear dan Matriks Representasi dari
‘Transformasi Linear: Fungsi T dari suatu ruang vektor V ke ruang
vektor W atas lapangan yang sama (sebut F) disebut wanstormasi
linear jika T mengawetkan (preserve) hasil operasi pada V ke operasi
pada W yaitu Tvyty2) = Tvy)+Ttv2) dan Tlav;}=e T(v,) untuk setiap
tdi F dan setiap v; dan vzdi V. Sika A merupakan matriks bertipe nun
‘atas lapangan F maka T: F" — F* dengan T(v) = Av merupakan
transformasi linear. Sebaliknya setiap kali kita memiliki transformasi
linear 7 dari rung vektor V berdimensi m dengan basis B=fer, €2,
Gu} ke tuang vektor W berdimensi n dengan basis B'={fi, fi.
maka terdapat dengan tunggal skalar a di F untuk i:
F212, om me yang memenuhi Tle;) = Loy fj . Matriks A=(c%) disebut
matriks representasi dari transformasi linear T' relatif terhadap
basis B ke basis B’. Matriks reperesentasi suatu transformasi linear
tunggal relatif terhadap basis yang dipilih.
Vektor Eigen dan Nilai Eigen (Carlson, 2000): Vektor Eigen
dan Nilsi Eigen adalah salah satu konsep penting dalam Aljabar
‘Linear. Misalkan T adalah pemetaan linear dari ruang vektor R” ke R".
Jika x adalah suatu vektor di R", marilah kita lihat efek dari 7 terhadap
x . Mengingat T mengawetkan hasil operasi, maka akan diperoteh
‘T(O}=0, Untuk x40, bagaimana cara yang paling sederhana
transformasi linear T berefek terhadap x ? Jawaban dari pertanyaan7
tersebut adalah: bila T(x) merupakan “kelipatan” dari x sendiris yaitu
Tix) = Ax untuk suatu skalar J tak nol. Dari sini muncullah pengertian
Nilai Eigen. Skalar 4 disebut nilai eigen transformasi linear T dari
ruang V ke ditinya sendiri jika ada vektor tak nol x sedemikian hingga
T(x) = dx; dapat ditunjukkan jika A adalah matriks representasi
transformasi Tinear T maka 4 merupakan nilai eigen dari 7” jika dan
hanya jika determinan(A- 41) = 0. Persamaan terakhir ini disebut
persamaan karakteristik-dari transformasi linear 7. Vektor x yang
memenuhi T(xJ=ix disebut vektor eigen yang berkorespondensi
dengan nitai eigen 4.
2. BEBERAPA CONTOH APLIKASI ALJABAR PADA
BIDANG Non MATEMATIKA
Pada bagian ini akan ditampilkan aplikasi aljabar linear dalam
beberapa bidang sebagai ilustrasi akan manfaat dari aljabar linear.
Contoh yang diambil sengaja yang mudah dimengerti oleh para
hadirin sehingga bentuknya sederhana. Harapan kami agar dapat
incnambah apresiasi hadirin terhadap Aljabar Linear.
Aplikasi Pada Bidang Ekonomi: Untuk dapat mengerti dan
memanipulasi ekonomi suatu negara atau suatu kawasan regional
apat dilakukan dengan dasar model tertentu dari beberapa sektor
penentu ckonomi. Model Leontief (Anton ef al., 2000) adalah salah
satu model yang menggunakan dasar tersebut. Berdasar asumsi bahwa
setiap industri dalam ekonomi mempunyai 2 (dua) tipe demand yaitu
external demand (dari War sistem) dan internal demand (dari dalam
sistem), model Leontief merepresentasikan ekonomi sebagai sistem
persamaan lineer. Ada dua macam Model Ekonomi Leontief,
Model Ekonomi Leontief Tertutup: Untuk model ekonomi
yang terdiri dari n sector, sebut 5,,....., yang berarti setiap industri
mengkonsums} suatu produk dari beberapa industri termasuk dari
produknya sendiri, Model seperti ini kita sebut model ekonomi
tertutup. Misalkan my adalah jumlah unit yang diproduksi oleh
industri $, dan diperlukan oleh industri S,. Jika ps tingkat produksi dari
industri S;, maka my pj merepresentasikan jumlah unit yang diproduksi
oleh industri 5, dan dikonsumi oleh industri Sj. Sehingga total jumbah
Unit yang diproduksi olch industri 5; dapat dinyatakan dengan;PIM PIM Z+...AP Mie
Untuk mendapatkan sistem ekonomi yang seimbang, maka total
produksi pada setiap industri harus sama dengan konsumsi totalnya,
sehingga diperoleh sistem persarnaan linear
mrprt mirprt...+i npr
myyp 1 My2p2t...+M2aPn= Pr
Melpr MyaP2---Maad a= Pr
Matriks A= (my) disebut matriks input-output, dan persamaan di atas
dapat ditulis sebagai persamaan matriks AP=P. Persoalannya menjadi:
‘menentukan vektor P yang memenuhi AP=P dengan komponen tak
negatif dan paling tidak salah satu komponennya positif.
Sebagai ilustrasi, misalkan suatu sistem ekonomi pada suatu
kawasan bergantung pada 3 (tiga) industri, yaitu jasa, listrik, dan
minyak. Hasil monitoring pada operasi dari 3 industri selama satu
tahun diperoleh:
1. Untuk memproduksi / unit jasa, industri jasa memerlukan 0,3
unit dari hasil produksinya, 0,3 unit listrik dan 0,3 unit
minyak.
2, Untuk memproduksi 7 unit listrik, generator _listrik
memerlukan 0,4 unit jasa, 0,/ unit hasil produksinya sendiri,
dan 0,5 unit minyak.
3. Untuk memproduksi minyak, dibutuhkan 0,3 unit jasa, 0,6
unit listrik dan 0,2 unit minyak hasil produksinya.
Untuk menentukan tingket dari setiap industri untuk memenuhi
external dan internal demand kita dapat mengasumsikan bahwa model