You are on page 1of 37

BAB I

PENDAHULUAN

1 LATAR BELAKANG

Banyak orang yang beranggapan bahwa Matematika itu rumit, karena alasan itulah
banyak orang yang menghindari Matematika. Padahal Matematika dapat kita jumpai di
dalam kehidupan sehari-hari, dan mau tidak mau kita pasti menggunakan Matematika. Oleh
karena itu kami membuat makalah ini dengan maksud membantu pemahaman masyarakat
agar mereka tidak menilai Matematika adalah sesuatu yang buruk.

2 TUJUAN

Makalah ini dibuat dengan tujuan utama untuk memenuhi tugas mata kuliah Aljabar
Linear Elementer, yang diberikan oleh dosen kami Ibu Vivianti M,Pd. Dan tujuan berikutnya
adalah sebagai sumber informasi yang kami harapkan bermanfaat dan dapat menambah
wawasan para pembaca makalah ini.

3 METODE PENULISAN
 Penulis menggunakan metode observasi dan kepusatakaan.
 Cara yang digunakan dalam penulisan adalah Studi pustaka.
 Dalam metode ini penulis membaca buku-buku yang berkaitan dengan penulisan makalah
ini, selain itu penulis juga mencari sumber-sumber dari internet.

BAB II
1

TRANSFORMASI LINEAR

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.

2.1.Persamaan Linear & Matriks

Persamaan linear dapat dinyatakan sebagai matriks. Misalnya persamaan:

3x1 + 4x2 − 2 x3 = 5

x1 − 5x2 + 2x3 = 7

2x1 + x2 − 3x3 = 9

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

2

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.

2.2.Penyelesaian Persamaan Linear dengan Matriks
a) 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 dengan leading 1

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

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

3

Untuk merubah a11 menjadi 1 4 .. y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut B1 x 1 . Contoh: Diketahui persamaan linear x + 2y + z = 6 x + 3y + 2z = 9 2x + y + 2z = 12 Tentukan Nilai x. Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Setelah menjadi matriks 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. syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi b) 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).

. Untuk merubah a31 menjadi 0 B2 x 1 ..2. Untuk merubah a32 menjadi 0 B3 x 1/3 . Untuk merubah a21 menjadi 0 B3 .B1 .B2 . Untuk merubah a33 menjadi 1 (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 5 . B2 ... Untuk merubah a22 menjadi 1 B3 + 3..B1 .1.

dan z = 3 c) Operasi Eliminasi Gauss-Jordan Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana. Jadi nilai dari x = 3 . Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris tereduksi. Setelah menjadi matriks Eselon-baris tereduksi. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. maka langsung dapat ditentukan nilai dari variabel- variabelnya tanpa substitusi balik. Ini juga dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. y = 0 . y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut Baris ke 2 dikurangi 2 kali baris ke 1 6 . Contoh: Diketahui persamaan linear x + 2y + 3z = 3 2x + 3y + 2z = 3 2x + y + 2z = 5 Tentukan Nilai x.

Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan. Begitu pula dengan hasil selisihnya. 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.dan z = 1 d) Operasi Dalam Matriks Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama dan setiap elemen yang seletak sama. 7 . 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 .

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 + . Hukum yang berlaku dalam penjumlahan dan pengurangan matriks : a. Untuk setiap A berlaku A + (-A) = 0. + aip bpj e) Matriks Balikan (Invers) JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = − 1 I . 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. Matriks B juga mempunyai invers yaitu A maka dapat −1 dituliskan A = B .) A + B = B + A b. Didefinisikan: Jika k sebarang skalar maka kA = A k adalah matriks yang diperoleh dari A dengan cara mengalikan setiap elemennya dengan k.) A + ( B + C ) = ( A + B ) + C c. Jika matriks B dan C adalah invers dari A maka B = C. Matriks A = dapat di-invers apabila ad . Negatif dari A atau -A adalah matriks yang diperoleh dari A dengan cara mengalikan semua elemennya dengan -1. maka B disebut balikan atau invers dari A dan dapat dituliskan B = A (B sama dengan invers A ). maka A dikatakan matriks tunggal (singular).) k ( A + B ) = kA + kB = ( A + B ) k .bc ≠ 0 Dengan Rumus = Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat di- invers dan (AB) − 1 = B − 1A − 1 8 ... Jika tidak ditemukan matriks B.

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= 9 .

dan yang kolom di ubah menjadi baris. Contoh: Matriks A= ditranspose menjadi AT = 10 . . Maka = Ini membuktikan bahwa (AB) − 1 = B − 1A – 1 f) Transpose Matriks Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen dalam matriks. dari yang baris menjadi kolom. maka didapatkan . AB = Dengan menggunakan rumus. Tentukan Nilai dari A-1 Jawab: Contoh 4: Matriks A= .B= .

3. Contoh : secara umum matriks n x n bisa ditulis sebagai 11 . (kA)T = kAT dimana k adalah skalar . (AB)T = BTAT 2. dan Matriks Simetris a) Matriks Diagonal Sebuah matriks bujursangkar yang unsur-unsurnya berada di garis diagonal utama dari matriks bukan nol dan unsur lainnya adalah nol disebut dengan matriks diagonal. ((A)T)T = A 2. Matriks B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: 1. (A + B)T = AT + BT dan (A − B)T = AT − BT 3. Segitiga. Matriks Diagonal.

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 A5= 12 .

Matriks segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol.  Produk pada matriks segitiga bawah adalah matriks segitiga bawah. Contoh : Matriks segitiga yang bisa di invers 13 . Matriks segitiga Matriks segitiga bawah Teorema  Transpos pada matriks segitiga bawah adalah matriks segitiga atas.  Inverse pada matriks segitiga bawah adalah matriks segitiga bawah. b) 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. dan inverse pada matriks segitiga atas adalah matriks segitiga atas. dan transpose pada matriks segitiga atas adalah 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.

A= Inversnya adalah A − 1= Matriks yang tidak bisa di invers B= c) 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 . − 1 maka A adalah matriks simetris. bahwa A = AT maka : 14 . Asumsikan bahwa A adalah matriks simetris dan bisa di inverse.B adalah simetris kA adalah simetris (AB)T = BTAT = BA Jika A adalah matriks simetris yang bisa di inverse.

maka AAT dan ATA juga bisa di inverse 15 . 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 = = AAT = = Jika A adalah Matriks yang bisa di inverse.(A − 1)T = (AT) − 1 = A − 1 Yang mana membuktikan bahwa A − 1 adalah simetris.

kita ambil matriks A2x2 A= tentukan determinan A untuk mencari determinan matrik A maka. Sebagai contoh. Fungsi Determinan Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar. detA = ad .bc a) Determinan dengan Ekspansi Kofaktor Determinan dengan Minor dan kofaktor A= tentukan determinan A 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 .1. BAB III DETERMINAN 3.maka kita bisa melihat matrik dibawah ini 16 .

a23a32) .a12a21a33 . Begitu juga dengan minor dari a32 M32 = = detM = a11a23 x a13a21 Maka kofaktor dari a32 adalah c32 = (-1)3+2M32 = (-1)3+2 x a11a23 x a13a21 Secara keseluruhan.a22a31) = a11a22a33 + a12a23a31 + a13a21a32 . det(A) = a11 .a13a22a31 .a23a31) + a13(a21a32 .a12(a21a33 . definisi determinan ordo 3x3 adalah det(A) = a11C11+a12C12+a13C13 b) Determinan dengan Ekspansi Kofaktor Pada Baris Pertama Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.a12 + a13 = a11(a22a33 .a11a23a32 Contoh Soal: A= tentukan determinan A dengan metode ekspansi kofaktor baris pertama 17 .

a23a31) + a31(a21a32 .a21 + a31 = a11(a22a33 .a21(a21a33 .a22(a31)2 . Sedangkan dengan ekspansi pada kolom pertama.a23a32) .a11a23a32 Contoh Soal: A= tentukan determinan A dengan metode ekspansi kofaktor kolom pertama Jawab: 18 . kita mengalikan minor dengan komponen baris pertama. kita mengalikan minor dengan kompone kolom pertama.(a21)2a33 .2(-8) + 3(-7) = -8 c) Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas.a22a31) = a11a22a33 + a21a23a31 + a31a21a32 . Jawab: det(A) = =1 -2 +3 = 1(-3) . Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali. Pada ekspansi baris. det(A) = a11 . Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.

segitiga bawah atau segitiga diagonal) maka det(A) adalah hasil kali diagonal matriks tersebut Contoh 19 .4(-8) + 3(-7) = 8 d) Adjoin Matriks 3 x 3 Bila ada sebuah matriks A3x3 A= Kofaktor dari matriks A adalah C11 = -12 C12 = 6 C13 = -8 C21 = -4 C22 = 2 C23 = -8 C31 = 12 C32 = -10 C33 = 8 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) = e) Determinan Matriks Segitiga Atas Jika A adalah matriks segitiga nxn (segitiga atas. det(A) = =1 -4 +3 = 1(-3) .

= (2)(-3)(6)(9)(4) = -1296 f) 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 + 2x3 = 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 20 .

maka R = I. R=Er. Maka A adalah dapat diinvers. detA = (aei + bfg + cdh) .det(E2)det(E1)det(EA) Jika A dapat di-invers. g) Mencari determinan dengan cara Sarrus A= tentukan determinan A untuk mencari determinan matrik A maka.. maka det(R) ≠ 0. jadi R tidak memiliki baris yang nol.E2 E1 A dan. maka. Sebaliknya. Contoh Soal : A= karena det(A) = 0. jika det(A) ≠ 0.. Sesuai dengan teorema R = I.. maka sesuai dengan teorema equivalent statements . jadi det(R) = 1 ≠ 0 dan det(A) ≠ 0. maka A adalah dapat di-invers.. det(R)=det(Er).(bdi + afh + ceg) 21 . Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers.

kita dapat menghitung determinan dari matrix A det(A) = 64  Sistem Linear Dalam Bentuk Ax = λx dalam sistem aljabar linear sering ditemukan 22 . sehingga menjadi adj(A) = dengan metode Sarrus. 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 di atas.

dimana λ adalah skalar sistem linear tersebut dapat juga ditulis dengan λx-Ax=0.3λ .λ adalah eigenvalue dari A dan dari contoh diperoleh det (λ I .A) x = 0 contoh: diketahui persamaan linear x1 + 3x2 = λx1 4x1 + 2x2 = λx2 dapat ditulis dalam bentuk =λ yang kemudian dapat diubah A= dan x = yang kemudian dapat ditulis ulang menjadi λ λ sehingga didapat bentuk λI-A= namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .A) = = 0 atau λ^2 .A) = 0 .10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 23 . atau dengan memasukkan matrix identitas menjadi (λI . Ax = λx .

a2... Set dari semua grup yang terdiri dari n. 24 .grup topel dinamakan n-ruangdan dituliskan sebagai Rn.an). Euklidian dalam n-Ruang Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif.A) x = 0.. dengan memasukkan nilai λ pada persamaan (λ I . maka eigenvector bisa didapat bila λ = -2 maka diperoleh dengan mengasumsikan x2 = t maka didapat x1 = t x= BAB IV VEKTOR DI RUANG EUKLIDE 4.1.. sebuah n- grup topel adalah sekuens dari n bilangan real (a1.

u1 = v1 u2 = v2 un = vn Penjumlahan u + v didefinisikan oleh u + v = (u1 + v1..topel (-2.. Selanjutnya kita bisa melihat bahwa n – grup topel (a1.. 0 . maka perkalian scalar ku didefinisikan oleh ku = (k u1. a2. Keitka n = 1.grup topel. a2. Kita akan menuliskan R daripada R1 pada set ini. atau ini bisa diinterpretasikan sebagai vector. ... un + vn) Dan jika k adalah konstanta scalar.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 vector. 25 . Jika n = 2 atau 3. u2 + v2. setiap n – grup topel terdiri dari satu bilangan real. sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup dari tiga secara respektif. Dan juga kita bisa menjelaskan 5.. yang dalam kasus ini a2. a2. k u2.. 4. . a3 merupakan koordinat.perbedaan antara keduanya tidak penting secara matematis. a3) mempunyai dua interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai titik... a3 merupakan komponen vector.6) antara poin dalam R5 atau vector pada R5. an) bisa dilihat sebagai antara sebuah “poin umum” atau “vector umum”.1 . dimana a1... a2. daripada 2-grup topel atau 3. Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1. sehingga R1 bisa dilihat sebagai set dari bilangan real..

.. maka : (a) u + v = v + u (b) u + 0 = 0 + u = u (c) u + (v + w) = (u + v) + w (d) u + (-u) = 0 .. dan adalah vektor dalam Rn sedangkan k dan m adalah skalar.2. . maka negative (atau invers aditif) dari u dituliskan oleh –u dan dijelaskan oleh -u = (-u1. dalam istilah komponen.. .u = 0 (e) k (m u) = (k m) u (f) k (u + v) = k u + k v (g) (k + m) u = k u + m u (h) 1u = u 4. v – u = (v1-u1. 0) Jika u = (u1.. berarti. Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi  Data Eksperimen – Ilmuwan melakukan experimen dan membuat n pengukuran numeris setiap eksperimen dilakukan. -un) Perbedaan dari vector dalam Rn dijelaskan oleh v – u = v + (-u) atau. u2.. u . Hasil dari setiap experiment bisa disebut 26 ... vn-un) Sifat-sifat dari vektor dalam Rn jika . 0...... v2-u2.. 0 = (0... .. un) dalam setiap vector dalam Rn. -u2. .

...s3..s10 adalah output dari sektor individual.  Ekonomi – Pendekatan kita dalam analisa ekonomi adalah untuk membagi ekonomidalam sector (manufaktur. saturasi.w3) dalamR3.x6 dan kecepatan mereka adalah v1.. Lalu.. saturation. sebagai vector y = (y1.v6..s10) dalam setiap angka s1..y2.  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.x2.  Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada waktu t koordinat mereka adalahx1... utilitas..x2. Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai 15-topel x = (x1. dan seterusnya.. pelayanan....w2.. Dalam ekonomi dengan 10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan dngan 10-topel s = (s1.v4) dalam R4 ke vector keluaran w = (w1.yn) dalam Rn dalam setiap y1. Informasi ini bisa direpresentasikan sebagai vector 27 .s2....v2. Tegangan input bisa ditulis sebagai vector dalam R4 dan tegangan output bisa ditulis sebagaiR3.h..v3.... dan brightness..x15) dalam setiap x1 adalah jumlah truk dalam depot pertama dan x2 adalah jumlah pada depot kedua.  Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan output.y2.b) dalam x dan y adalah kordinat layar dari pixel dan h. dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai mata uang.  Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya.. Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk v = (x....v2.s.yn adalah nilai yang terukur...b adalah hue. chip bisa dilihat sebgai alat yang mengubah setiap vektor input v = (v1.s2. dan kecerahan dari pixel.y.s.

x6.y3).v6..+a1x+a0 adalah bentuk standar. Vektor ini disebut kondisi dari sistem partikel pada waktu t.. kita mencari interpolasi titik dari data (x0.x4.y1).x3.x5. 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 .x2..y2)..(x3. Dimana jagat waktu Einstein adalah 4 dimensi.v4.(x2.4. 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 .3. Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+. sedangkan benang ada dalam dunia 11-dimensi 4.v1.un) Maka Panjang vektor u dan Menghitung jarak antara vektor u dengan vektor v 4.t) Dalam R13..v3..y0).u2. Contohnya .u3.(x1.  Fisika .Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar.v5. Tetapi ada juga yang menggunakan bentuk lain . V = (x1. sehingga kita dapatkan : p(x0)=b0 p(x1)=b1h1+b0 28 . Menemukan norm dan jarak Menghitung Panjang vektor u dalam ruang Rn jika u = (u1.v2.

maka persamaan yang berhubungan dengan x dan w adalah: x1 = -x = -x + 0y x2 = y = 0x + y atau dalam bentuk matrik : Secara umum. Operator ini bersifat linier.6. Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x. 4. dimisalkan w=T(x). dimisalkan w=T(x). 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: 4. Operator Refleksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap sumbu y.5. operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya terhadap beberapa garis atau bidang datar dinamakan operator refleksi. maka persamaan yang berhubungan dengan x dan w adalah: x1 = x = x + 0y x2 = 0 = 0x + 0y atau dalam bentuk matrik : 29 .

.y sin Θ w2 = x sin Θ + y cos Θ Persamaan di atas merupakan persamaan linier. w2= r sin (ɵ + ɸ) Menggunakan identitas trigonometri didapat: w1 = r cos ɵ cos ɸ . (xn... kita diminta untuk menemukan kurva p(x) = amxm + am-1xm − 1 30 . maka T merupakan operator linier dan matrikx T adalah: Secara umum. sebuah operator proyeksi pada R 2 dan R3 merupakan operator yang memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut ɵ positif yang tetap.yn).8.7. Maka. maka T merupakan operator linier sehingga bentuk matrik dari persamaan di atas adalah: 4. dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. Interpolasi Polinomial Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0. Operator Rotasi Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2. Persamaan tersebut bersifat linier. 4. Lalu. dari rumus trigonometri dasar x = r cos Θ . Unutk menemukan persamaan hubungan x dan w=T(x). y = r cos Θ dan w1 = r cos (ɵ + ɸ) .r sin ɵ sin ɸ w2 = r sin ɵ cos ɸ + r cos ɵ sin ɸ kemudian disubtitusi sehingga: w1 = x cos Θ .y0)..

Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): 31 . ini akan menuju pada sistem matrik di bawah ini = Ingat bahwa ini merupakan sistem persegi dimana n = m. Kurva ini harus memenuhi karena xi diketahui..+ . + a1x + a0 dari sudut minimum yang melewati setiap dari titik data..

6) menggunakan Sistem Vandermonde. Sistem linier pada (1) disebut menjadi Sistem Vandermonde. kolom j merupakan elemen pangkat j-1.0). kita mempunyai 32 .0).0). = (1) Matrix di atas diketahui sebagai Matrix Vandermonde. Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas. Contoh soal: Cari interpolasi polinomial pada data (-1.(1.(0.(2.

ke-3. = Untuk mendapatkan solusinya. sedangkan baris ke-4 dibagi dengan 3 33 . digunakan Gaussian Elimination Baris ke-2. dan ke-4 dikurangi baris pertama Baris ke-3 dibagi dengan 2.

Baris ke-3 dikurangi baris ke-2 Baris ke-4 dikurangi baris ke-2 Baris ke-4 dibagi dengan 2 Baris ke-4 dikurangi baris ke-3 Didapatkan persamaan linier dari persamaan matrix di atas 34 .

interpolasinya adalah BAB III PENUTUP 5. Kesimpulan 35 .1. Jadi.

wikipedia.com www. Dari penjelasan materi yang disampaikan dengan metode penulisan seefektif mungkin pembaca memahami isi materi dengan penjelasan tersusun rinci. Aljabar Linear Elementer. karena bila kita telah mengenal Matematika dengan baik dan menikmati bagaimana Matematika itu bekerja akan terasa bahwa Matematika itu tidaklah seburuk apa yang kita pikirkan.com 36 . Situs Internet: www. Jakarta: Erlangga. 1991. Sehingga pemahaman dapat diserap dengan mudah. Howard.google. DAFTAR PUSTAKA Anton. Saran Alangkah baiknya kita mengenal Matematika dulu sebelum kita menganggap Matematika itu sulit.2. 5.

37 .