Matriks & Ruang Vektor

Agus Yodi Gunawan
1 Sistem Persamaan Linear (SPL)
1. Bentuk SPL. SPL dengan m persamaan dan n peubah berbentuk:
n

j=1
a
ij
x
j
= b
i
, i = 1, 2, · · · , m, (1.1)
dimana a
ij
disebut koefisien, x
j
disebut peubah dan b
i
disebut konstanta ruas kanan.
Jika b
i
= 0 untuk semua i, maka (1.1) dinamakan SPL homogen. Jika ada i sehingga
b
i
̸= 0, maka (1.1) dinamakan SPL tak homogen. Bentuk (1.1) dapat dituliskan
dalam bentuk perkalian matriks sebagai
Ax = b ⇔

¸
¸
a
11
· · · a
1n
.
.
.
.
.
.
.
.
.
a
m1
· · · a
mn

¸
¸
x
1
.
.
.
x
n

=

¸
¸
b
1
.
.
.
b
m

. (1.2)
Matriks A disebut matriks koefisien. Matriks yang diperbesar atau matriks perluasan
dari SPL (1.1) didefinisikan oleh
[A|b] atau

¸
¸
a
11
· · · a
1n
b
1
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
· · · a
mn
b
m

. (1.3)
2. OBE. Teknik dasar untuk menyelesaikan suatu SPL adalah mengganti SPL yang
diberikan dengan suatu SPL baru yang memiliki himpunan solusi sama tetapi lebih
mudah diselesaikan. SPL baru ini secara umum diperoleh dengan menerapkan tiga
jenis operasi, yang dinamakan Operasi Baris Elementer (OBE), yaitu
(a) Mengalikan sebuah baris (persamaan) dengan suatu konstanta tak nol,
(b) Menukar urutan dua baris (persamaan),
(c) Menjumlahkan kelipatan sebuah baris terhadap satu baris lainnya.
3. Bentuk eselon baris. Bentuk SPL (matriks perluasan) baru yang lebih sederhana
untuk diselesaikan adalah bentuk eselon baris tereduksi yang memenuhi sifat:
(a) Jika suatu baris memuat elemen tak nol, maka elemen tak nol pertama pada
baris tersebut adalah 1. Bilangan 1 ini selanjutnya disebut utama-1.
1
(b) Jika terdapat baris-baris yang memuat semua elemennya nol, maka baris-baris
tersebut dikelompokkan pada bagian bawah matriks.
(c) Untuk setiap dua baris berurutan yang masing-masing memuat elemen tak
nol, maka utama-1 baris yang di bawah terletak di sebelah kanan dari utama-1
baris di atasnya.
(d) Setiap kolom yang memuat utama-1, maka elemen-elemen lainnya adalah 0.
Bentuk eselon baris tereduksi suatu matriks bersifat tunggal. Jika hanya tiga sifat
pertama yang dipenuhi, maka matriks disebut bentuk eselon baris.
4. Eliminasi Gauss. Teknik eliminasi yang mengubah SPL (matriks perluasan) se-
mula menjadi bentuk eselon baris dinamakan teknik eliminasi Gauss, sedangkan
teknik eliminasi yang menghasilkan bentuk eselon baris tereduksi dinamakan teknik
eliminasi Gauss-Jordan. Untuk menyelesaikan suatu SPL, teknik eliminasi ini bi-
asa digabungkan dengan teknik substitusi mundur. Untuk suatu SPL, maka SPL
tersebut kemungkinannya memiliki
(a) solusi tunggal, atau
(b) solusi tak berhingga banyak, atau
(c) tidak ada solusi.
Jika SPL memiliki solusi, maka SPL dikatakan konsisten. Jika SPL tidak memiliki
solusi, maka SPL dikatakan tak konsisten.
5. Matriks elementer. Suatu matriks berukuran n×n disebut matriks elementer jika
matriks tersebut diperoleh dari matriks identitas berukuran n×n dengan melakukan
satu kali OBE. Matriks elementer memiliki balikan (invers), dan balikannya juga
merupakan matriks elementer. Representasi matriks elementer berukuran 2 × 2
untuk setiap OBE adalah
(a) Mengalikan baris pertama dengan konstanta tak nol c:

c 0
0 1

(b) Menukar urutan dua baris:

0 1
1 0

(c) Menjumlahkan c kali baris pertama terhadap baris kedua:

1 0
c 1

2
6. Ekivalen baris. Matriks A dikatakan ekivalen baris dengan matriks B, jika ma-
triks A dapat diperoleh dari matriks B dengan melakukan sejumlah hingga OBE.
Misalkan E
i
menyatakan matriks elementer yang menyajikan OBE pada tahap ke-i.
Matriks A ekivalen baris dengan matriks B, jika A = E
n
E
n−1
· · · E
1
B.
7. Balikan. Matriks persegi A berukuran n×n dikatakan dapat dibalik (tak singular)
jika ada matriks persegi B berukuran n × n sehingga AB = BA = I
n
dengan I
n
matriks identitas berukuran n ×n. Matriks B dinamakan matriks balikan (invers)
dari A, yang selanjutnya matriks balikan dari A dinotasikan oleh A
−1
.
(a) Jika matriks A memiliki balikan, maka A ekivalen baris dengan matriks iden-
titas, yaitu I
n
= E
n
E
n−1
· · · E
1
A.
(b) Karena ketunggalan matriks balikan maka A
−1
= E
n
E
n−1
· · · E
1
.
8. Determinan suatu matriks. Misalkan A = (a
ij
) suatu matrik persegi berukuran
n ×n. Misalkan pula M
ij
menyatakan matriks persegi berukuran (n −1) ×(n −1)
yang diperoleh dari matriks A dengan menghilangkan barik ke-i dan kolom ke-j.
Determinan dari matriks M
ij
disebut minor dari a
ij
, dan kofaktor A
ij
didefinisikan
sebagai
A
ij
= (−1)
i+j
det(M
ij
).
Determinan dari matriks A didefinisikan oleh
det(A) =

a
11
, jika n = 1;
n

j=1
a
ij
A
ij
, atau
n

i=1
a
ij
A
ij
, jika n ≥ 2.
(1.4)
Teknik mencari determinan suatu matriks dengan menggunakan (1.4) disebut teknik
perluasan kofaktor.
9. Determinan matriks elementer. Misalkan E sebuah matriks elementer dan I
matriks identitas.
(a) Jika E adalah matriks yang diperoleh dari I hasil dari perkalian suatu baris
oleh konstanta tak nol c, maka det(E)=c.
(b) Jika E adalah matriks yang diperoleh dari I hasil penukaran dua baris, maka
det(E)=−1.
(c) Jika E adalah matriks yang diperoleh dari I hasil penjumlahan dari kelipatan
suatu baris dengan baris lainnya, maka det(E)=1.
10. Sifat determinan. Jika A dan B masing-masing matriks persegi berukuran sama,
maka
3
(a) det(A
t
)=det(A)
(b) det(AB)=det(A)det(B)
(c) jika matriks A ekivalen baris dengan matriks B, yaitu A = E
n
E
n−1
· · · E
1
B,
maka det(A)=(
n

i=1
det(E
i
))det(B).
(d) Jika S matriks segitiga, maka determinan S adalah hasilkali elemen-elemen
diagonalnya.
(e) Jika matrik A memiliki baris atau kolom yang semua elemennya nol, maka
det(A)=0.
(f) Jika matrik A memiliki baris (kolom) yang merupakan kelipatan suatu baris
(kolom) lainnya, maka det(A)=0.
(g) Jika A
ij
adalah kofaktor dari a
ij
, maka
n

j=1
a
ij
A
kj
=

det(A), i = k;
0, i ̸= k.
11. Matriks Adjoint. Misalkan A suatu matriks persegi berukuran n × n. Matriks
Adjoint dari A didefinisikan oleh
adj A =

¸
¸
¸
¸
¸
A
11
A
21
· · · A
n1
A
12
A
22
· · · A
n2
.
.
.
.
.
.
.
.
.
.
.
.
A
1n
A
2n
· · · A
nn

.
(a) Untuk membentuk matriks adjoint, maka setiap elemen matriks A digantikan
oleh elemen kofaktornya, kemudian matriks yang terbentuk ini ditransposkan.
(b) Jika A tak singular, maka A
−1
=
1
det(A)
adj A.
12. Aturan Cramer. Misalkan A suatu matriks tak singular berukuran n × n dan b
matriks berukuran n ×1. Misalkan pula A
j
adalah matriks yang diperoleh dengan
menggantikan kolom ke-j dari A oleh b. Jika x = (x
j
), j = 1, 2, · · · , n, adalah solusi
tunggal dari sitem persamaan Ax = b, maka
x
j
=
det(A
j
)
det(A)
.
13. Jika A matriks berukuran n ×n, maka pernyataan berikut ekivalen:
(a) A memiliki balikan.
(b) Ax = 0 hanya memiliki solusi trivial (x = 0).
4
(c) Bentuk eselon baris tereduksi dari A adalah I
n
. .
(d) A dapat dituliskan sebagai perkalian dari matriks-matriks elementer.
(e) Sistem persamaan Ax = b memiliki solusi tunggal.
(f) det(A)̸= 0.
Latihan 1
1. Gunakan operasi baris elementer untuk mencari solusi dari SPL berikut:
(a)
x
1
+ 3x
2
+ x
3
+ x
4
= 3
2x
1
− 2x
2
+ x
3
+ 2x
4
= 8
3x
1
+ x
2
+ 2x
3
− x
4
= −1
(b)
x
1
− 3x
2
+ x
3
= 1
2x
1
+ x
2
− x
3
= 2
x
1
+ 4x
2
− 2x
3
= 1
5x
1
− 8x
2
+ 2x
3
= 5
(c) Tentukan α, β, dan γ dimana 0 ≤ α, β ≤ 2π, 0 ≤ γ < π,
2 sin α − cos β + 3 tan γ = 3
4 sin α + 2 cos β − 2 tan γ = 2
6 sin α − 3 cos β + tan γ = 9
(d)
1
x
1
+
2
x
2

4
x
3
= 1
2
x
1
+
3
x
2
+
8
x
3
= 0

1
x
1
+
9
x
2
+
10
x
3
= 5
2. Tentukan, jika ada, syarat untuk bilangan real a, b, dan c agar SPL berikut:
x
1
+ x
2
+ 2x
3
= a
3x
1
+ 4x
2
+ 7x
3
= b
x
1
+ 2x
2
+ 3x
3
= c
(a) memiliki solusi tunggal.
(b) memiliki solusi banyak.
(c) tidak memiliki solusi.
5
3. Diberikan SPL berikut:
x
1
− 2x
2
+ 3x
3
= 4
2x
1
− 3x
2
+ ax
3
= 5
3x
1
− 4x
2
+ 5x
3
= b
Tentukan syarat untuk bilangan real a dan b agar SPL:
(a) memiliki solusi tunggal.
(b) memiliki solusi banyak dengan 1 parameter (jika mungkin).
(c) memiliki solusi banyak dengan 2 parameter (jika mungkin).
(d) tidak memiliki solusi.
4. Reaksi oksidasi Benzena diberikan oleh persamaan x
1
C
6
H
6
+x
2
O
2
−→ x
3
C+x
4
H
2
O.
Gunakan operasi baris elementer untuk menentukan x
1
, x
2
, x
3
dan x
4
agar reaksi
setimbang.
5. Asam nitrat diproduksi secara komersial melalui tiga rangkaian reaksi kimia. Tahap
pertama, Nitrogen (N
2
) digabungkan dengan Hidrogen (H
2
) untuk membentuk am-
moniak (NH
3
). Tahap kedua, ammoniak digabungkan dengan Oksigen (O
2
) untuk
membentuk Nitrogen dioksida (NO
2
) dan air. Tahap ketiga, NO
2
bereaksi dengan
sejumlah air untuk membentuk asam nitrat (HNO
3
) dan Nitrogen Oksida (NO).
Berapa mol Nitrogen, hidrogen, dan oksigen yang diperlukan untuk menghasilkan 8
mol asam nitrat?
6. Tentukan bentuk eselon baris tereduksi dari matriks-matriks berikut:

2 1 2 1
2 2 1 0

,

¸
¸
1 −2
2 1
−5 8

,

¸
¸
−1 1 −1 3
3 1 −1 −1
2 −1 −2 −1

.
7. Gunakan operasi baris elementer untuk menghitung matriks balikan dari matriks-
matriks berikut:

¸
¸
2 0 5
0 3 0
1 0 3

,

¸
¸
1 0 1
−1 1 1
−1 −2 −3

,

¸
¸
1 0 1
3 3 4
2 2 3

.
8. Diberikan matriks
A =

¸
¸
2 1 1
6 4 5
4 1 3

.
6
(a) Tentukan matriks-matriks elementer E
1
, E
2
, dan E
3
sehingga E
3
E
2
E
1
A = U
dimana U suatu matriks segitiga atas.
(b) Hitung matriks balikan E
−1
1
, E
−1
2
, dan E
−1
3
. Bentuk L = E
−1
1
E
−1
2
E
−1
3
. Apakah
bentuk dari matriks L? Kemudian perlihatkan bahwa A = LU.
9. Periksa apakah matriks berikut memiliki balikan:

¸
¸
1 a b
−a 1 c
−b −c 1

.
10. Diberikan matriks
A =

¸
¸
¸
¸
0 1 2 3
1 1 1 1
−2 −2 3 3
1 2 −2 −3

.
(a) Gunakan metode eliminasi untuk menghitung Det(A).
(b) Gunakan hasil di (a) untuk menghitung
Det

¸
¸
¸
¸
0 1 2 3
−2 −2 3 3
1 2 −2 −3
1 1 1 1

+ Det

¸
¸
¸
¸
0 1 2 3
1 1 1 1
−1 −1 4 4
2 3 −1 −2

.
11. Perlihatkan bahwa
(a) Det

¸
¸
x y 1
a
1
b
1
1
a
2
b
2
1

= 0 menyatakan persamaan garis yang melalui titik-titik
berbeda (a
1
, b
1
) dan (a
2
, b
2
).
(b) Det

¸
¸
a
1
b
1
1
a
2
b
2
1
a
3
b
3
1

= 0 menyatakan tiga titik berbeda (a
1
, b
1
), a
2
, b
2
), dan
(a
3
, b
3
) yang terletak pada garis yang sama.
12. Misalkan A suatu matriks berukuran 3 ×3 dimana vektor-vektor kolom a
1
, a
2
dan
a
3
dari A memenuhi a
1
= a
2
−4a
3
.
(a) Apakah SPL Ax = 0 memiliki solusi tak trivial? Jelaskan!
(b) Apakah A memiliki matriks balikan? Jelaskan!
7
2 Ruang Vektor R
n
1. Definisi. Misalkan n sebuah bilangan asli.
(a) Ruang R
n
adalah himpunan semua pasangan terurut (a
1
, · · · , a
n
) dengan a
i
bilangan real, yaitu R
n
= {(a
1
, · · · , a
n
)|a
i
∈ R}.
(b) Dua vektor x = (x
1
, · · · , x
n
) dan y = (y
1
, · · · , y
n
) dikatakan sama jika x
i
= y
i
untuk setiap i.
(c) Jumlah x+y didefinisikan oleh x+y = (x
1
+y
1
, · · · , x
n
+y
n
) dan jika α skalar
maka perkalian skalar αx didefinisikan oleh αx = (αx
1
, · · · , αx
n
).
2. Ruang vektor R
n
. Misalkan x = (x
1
, · · · , x
n
), y = (y
1
, · · · , y
n
), z = (z
1
, · · · , z
n
),
dan 0 = (0, · · · , 0) vektor-vektor di R
n
dan α, β skalar. Operasi penjumlahan dan
perkalian skalar memenuhi
(a) x +y = y +x
(b) x + (y +z) = (x +y) +z
(c) x +0 = x
(d) x + (−x) = 0
(e) α(βx) = (αβ)x
(f) α(x +y) = αx +αy
(g) (α +β)x = αx +βx
(h) 1x = x
Himpunan R
n
yang dilengkapi oleh operasi penjumlahan dan perkalian skalar de-
ngan sifat-sifat (a)-(h) membentuk sebuah Ruang vektor.
3. Ruang bagian/Subruang. Himpunan S dikatakan ruang bagian/subruang dari
ruang vektor R
n
, jika
(a) S himpunan tak hampa.
(b) jika x, y ∈ S, maka x +y ∈ S.
(c) jika x ∈ S dan α ∈ R, maka αx ∈ S.
4. Kombinasi linear. Misalkan y, x
1
, · · · , x
n
vektor-vektor di R
n
. Vektor y dikatakan
kombinasi linear dari x
1
, · · · , x
n
, jika ada skalar-skalar α
1
, · · · , α
n
sehingga
y = α
1
x
1
+· · · +α
n
x
n
.
8
5. Membangun. Vektor-vektor x
1
, · · · , x
n
dikatakan membangun ruang vektor R
n
,
jika dan hanya jika setiap vektor y ∈ R
n
dapat dituliskan sebagai kombinasi linear
dari x
1
, · · · , x
n
, dinotasikan sebagai R
n
= Span(x
1
, · · · , x
n
).
6. Bebas linear. Vektor-vektor x
1
, · · · , x
n
di ruang vektor R
n
dikatakan bebas linear,
jika dan hanya jika α
1
x
1
+· · ·+α
n
x
n
= 0 hanya dipenuhi α
1
= 0, α
2
= 0, · · · , α
n
= 0.
Jika vekto-vektor tidak bebas linear, maka vektor-vektor tersebut dinamakan vektor-
vektor yang bergatung linear.
7. Basis dan dimensi. Vektor-vektor x
1
, · · · , x
n
membentuk basis untuk ruang vek-
tor R
n
, jika dan hanya jika
(a) x
1
, · · · , x
n
merupakan vektor-vektor yang bebas linear.
(b) x
1
, · · · , x
n
membangun R
n
.
Banyaknya vektor yang membentuk basis suatu ruang vektor dinamakan dimensi
ruang vektor. Contoh, dim (R
n
)=n.
Jika ruang vektor V memiliki dimensi n, maka
(a) Himpunan dari n vektor yang membangun V akan membentuk basis untuk V .
(b) Himpunan dari n vektor yang bebas linear V akan membentuk basis untuk V .
(c) Setiap himpunan bebas linear yang beranggotakan m vektor dengan m < n
dapat diperluas menjadi basis.
(d) Setiap himpunan yang membangun V beranggotakan k vektor dengan k > n
dapat direduksi menjadi basis.
Dari (c) dan (d) dapat disimpulkan bahwa basis adalah
• Maksimal banyaknya vektor yang bebas linear, atau
• Minimal banyaknya vektor yang membangun.
8. Kordinat. Misalkan X = {x
1
, · · · , x
n
} basis terurut dan y vektor di R
n
. Maka,
y = α
1
x
1
+ · · · + α
n
x
n
, untuk suatu skalar α
i
, i = 1, 2, · · · , n. Kordinat dari y
terhadap basis terurut X, dinotasikan (y)
X
, adalah vektor (y)
X
= (α
1
, · · · , α
n
)
t
.
9. Perubahan kordinat. Misalkan X = {x
1
, · · · , x
n
} dan Y = {y
1
, · · · , y
n
} masing-
masing merupakan basis untuk ruang vektor R
n
, dimana (y
k
)
X
= (γ
1k
, · · · , γ
nk
)
t
.
Misalkan pula z ∈ R
n
, dengan (z)
X
= (α
1
, · · · , α
n
)
t
dan (z)
Y
= (β
1
, · · · , β
n
)
t
.
9
Maka, (z)
X
= U · (z)
Y
, dengan
U =

¸
¸
¸
¸
¸
γ
11
γ
12
· · · γ
1n
γ
21
γ
22
· · · γ
2n
.
.
.
.
.
.
.
.
.
.
.
.
γ
n1
γ
n2
· · · γ
nn

merupakan matriks transisi dari basis Y ke basis X
10. Ruang baris, ruang kolom, ruang nol. Misalkan A matriks berukuran m×n.
Subruang B(A) di R
n
yang dibangun oleh vektor-vektor baris dari matriks A disebut
ruang baris. Subruang K(A) di R
m
yang dibangun oleh vektor-vektor kolom dari
matriks A disebut ruang kolom. Subruang N(A) yang dibangun oleh vektor-vektor
solusi dari persamaan homogen Ax = 0 disebut ruang nol.
(a) Dua matriks dikatakan saling ekivalen baris jika kedua matriks memiliki ruang
baris yang sama.
(b) Rank dari matriks A (Rank(A)), adalah dimensi dari ruang baris B(A) atau
dimensi dari ruang kolom K(A).
(c) Nolitas dari matriks A (Null(A))adalah dimensi dari ruang nol N(A).
(d) Teorema Rank-Nolitas. Null(A)+Rank(A)= n (banyaknya kolom matriks A).
(e) SPL Ax = b akan konsisten jika dan hanya jika b terletak di ruang kolom A.
Latihan 2
1. Periksa apakah himpunan V berikut dilengkapi dengan operasi jumlah dan perkalian
skalar seperti pada R
3
merupakan ruang vektor (jelaskan jawaban Anda):
(a) V = {(a
1
, a
2
, a
3
) ∈ R
3
|a
1
= −a
3
}.
(b) V = {(a
1
, a
2
, a
3
) ∈ R
3
|a
3
= 1 +a
1
−a
2
}.
(c) V = {(a
1
, a
2
, a
3
) ∈ R
3
|a
1
= a
2
= −a
3
}.
(d) V = {(a
1
, a
2
, a
3
) ∈ R
3
|a
1
= a
2
−a
3
}.
2. Periksa apakah himpunan S berikut dilengkapi dengan operasi jumlah dan perkalian
skalar seperti pada R
n
merupakan subruang (jelaskan jawaban Anda):
(a) S = {(a
1
, a
2
, · · · , a
n
) ∈ R
n
|a
1
= a
2
2
}.
(b) S = {(a
1
, a
2
, · · · , a
n
) ∈ R
n
|a
1
< a
2
}
(c) S = {(a
1
, a
2
, · · · , a
n
) ∈ R
n
|a
1
+a
2
+· · · +a
n
= 1}.
10
(d) S = {(a
1
, a
2
, · · · , a
n
) ∈ R
n
|a
1
+a
2
+· · · +a
n
= 0}.
3. Diberikan vektor-vektor di R
3
: x
1
= (2, 1, 0), x
2
= (1, 0, −1), x
3
= (−1, 1, 1), dan
x
4
= (0, −1, 1). Misalkan pula S = Span (x
1
, x
2
) dan T = Span (x
3
, x
4
). Jelaskan
masing-masing apakah yang dimaksud dengan S, T, S

T, S

T dan S +T.
4. Periksa apakah vektor-vektor berikut bebas linear:
(a) x
1
= (1, 4, −1), x
2
= (2, 3, 6), x
3
= (−1, 2, −1) di R
3
.
(b) x
1
= (1, 2, 3), x
2
= (−1, 1, 2), x
3
= (−1, 7, 12) di R
3
.
(c) x
1
= (1, 0, 1, 2), x
2
= (0, 1, 1, 2), x
3
= (1, 1, 1, 3) di R
4
.
5. Tentukan nilai α agar x
1
= (α, −1, −1), x
2
= (−1, α, −1), x
3
= (−1, −1, α) bebas
linear di R
3
.
6. Misalkan S
0
= {x
1
, x
2
, x
3
} himpunan bebas linear di ruang vektor V . Periksa
apakah himpunan vektor-vektor berikut juga bebas linear di V :
(a) S
1
= {x
1
+x
2
, x
2
+x
3
, x
3
+x
1
}.
(b) S
2
= {x
1
−x
2
, x
2
−x
3
, x
3
−x
1
}.
(c) S
3
= {x
1
, x
1
+x
2
, x
1
+x
2
+x
3
}.
(d) S
4
= {x
1
, x
2
, α
1
x
1

2
x
2

3
x
3
}.
7. Pilih suatu subhimpunan maksimal S dari himpunan U di ruang vektor R
4
sehingga
subhimpunan S bebas linear:
(a) U = {(1, 0, 1, 0), (0, 1, 0, 1), (1, 1, 1, 1), (−1, 0, 2, 0)}.
(b) U = {(0, 1, 2, 3), (3, 0, 1, 2), (2, 3, 0, 1), (1, 2, 3, 0)}.
(c) U = {(1, −1, 1, −1), (−1, 1, −1, −1), (1, −1, 1, −2), (0, 0, 0, 1)}.
8. Diberikan vektor-vektor x
1
= (1, 1, 1), x
2
= (0, 1, 1), x
3
= (0, 0, 1) di R
3
. Perlihatkan
bahwa S = {x
1
, x
2
, x
3
} basis di R
3
.
9. Tentukan dimensi dari subruang di R
3
berikut:
(a) S
1
= Span {(1, −1, 2), (0, −1, 1), (3, −2, 5)}.
(b) S
2
= Span {(0, 1, 1), (1, 0, 1), (1, 1, 0)}.
10. Tentukan masing-masing basis dari ruang baris, ruang kolom, dan ruang nol matriks:
A =

¸
¸
¸
¸
1 1 2 0 1
2 2 5 0 3
0 0 0 1 3
8 11 19 0 11

, B =

¸
¸
¸
¸
1 0 1 0 1
0 1 0 1 1
1 1 1 1 0
0 0 1 1 0

.
11
3 Ruang Euclid R
n
1. Hasil Kali Titik (HKT). Jika x = (x
1
, · · · , x
n
) dan y = (y
1
, · · · , y
n
) vektor-vektor
di R
n
, maka Hasil Kali Titik x · y didefinisikan oleh
x · y =
n

i=1
x
i
y
i
= x
t
y = y
t
x.
Hasil Kali Titik di R
n
biasa disebut pula sebagai Hasil Kali Dalam Euclid. Ruang
vektor R
n
yang dilengkapi dengan HKT biasa disebut Ruang Euclid R
n
. Jika x, y,
z vektor-vektor R
n
dan α skalar, maka
(a) x · y = y · z
(b) (x +y) · z = x · z +y · z
(c) (αx) · y = α(x · y)
(d) x · x ≥ 0, dan x · x = 0 ⇔ x = 0
(e) Panjang vektor x : ||x|| =

x · x
(f) Jarak vektor x dan y: d(x, y) = ||x −y|| =

(x −y) · (x −y)
(g) Ketaksamaan Cauchy-Schwarz: |x · y| ≤ ||x|| ||y||
(h) Ketaksamaan segitiga: ||x +y|| ≤ ||x|| +||y||
(i) Hubungan HKT dan panjang vektor: 4(x · y) = ||x +y||
2
−||x −y||
2
(j) Vektor x dan y dikatakan ortogonal jika x · y = 0
(k) Jika θ adalah sudut yang dibentuk oleh vektor-vektor x dan y, maka
cos θ =
x · y
||x||||y||
.
2. Proyeksi ortogonal. Diberikan vektor-vektor x dan y. Misalkan z adalah vektor
hasil proyeksi ortogonal x pada y. Vektor z diberikan oleh z =
x · y
y · y
y.
3. Subruang ortogonal. Dua subruang X dan Y di R
n
dikatakan ortogonal jika
x · y = 0 untuk setiap x ∈ X dan setiap y ∈ Y . Jika X dan Y subruang yang
ortogonal, kita notasikan dengan X⊥Y .
4. Komplemen ortogonal suatu subruang. Misalkan Y subruang di R
n
. Komple-
men ortogonal dari subruang Y , dinotasikan sebagai Y

, adalah himpunan semua
vektor di R
n
yang ortogonal dengan semua vektor di Y , yaitu
Y

= {x ∈ R
n
| x · y = 0, ∀ y ∈ Y }.
Lebih jauh lagi, dim (Y )+dim (Y

)=n.
12
5. Teorema dasar subruang. Jika A adalah sebuah matriks berukuran m×n, maka
N(A) = B(A)

= K(A
t
)

dan N(A
t
) = B(A
t
)

= K(A)

.
6. Solusi kuadrat terkecil. Jika A matriks berukuran m× n dengan Rank(A)=n,
maka persamaan normal
A
t
Ax = A
t
b
memiliki solusi tunggal ´ x = (A
t
A)
−1
A
t
b dimana ´ x merupakan solusi kuadrat terkecil
dari SPL Ax = b.
7. Himpunan ortogonal. Diberikan vektor-vektor tak nol x
1
, · · · , x
n
di Ruang Eu-
clid R
n
. Jika x
i
· x
j
= 0 untuk setiap i ̸= j, maka {x
1
, · · · , x
n
} dikatakan himpunan
ortogonal.
(a) Jika {x
1
, · · · , x
n
} sebuah himpunan ortogonal, maka {x
1
, · · · , x
n
} membentuk
himpunan bebas linear.
(b) Jika {x
1
, · · · , x
n
} sebuah himpunan ortogonal dengan ||x
i
|| = 1 untuk setiap
i = 1, 2, · · · , n, maka {x
1
, · · · , x
n
} disebut himpunan ortonormal.
(c) Jika {x
1
, · · · , x
n
} adalah basis di R
n
dan membentuk himpunan ortonormal,
maka {x
1
, · · · , x
n
} disebut basis ortonormal di R
n
.
8. Proses ortogonalisasi Gram-Schmidt. Misalkan {x
1
, · · · , x
n
} adalah basis di
R
n
. Misalkan pula
y
1
=
1
||x
1
||
x
1
dan definisikan y
2
, · · · , y
n
secara rekursif oleh
y
k
=
1
||x
k+1
−p
k
||
(x
k+1
−p
k
), k = 2, · · · , n −1,
dimana p
k
=
k

i=1
(x
k+1
· y
i
)y
i
merupakan proyeksi dari x
k+1
pada subruang yang
dibangun oleh y
1
, · · · , y
n
. Himpunan {y
1
, · · · , y
n
} membentuk basis ortonormal di
R
n
. Dengan kata lain, setiap basis di R
n
dapat dibuat menjadi basis ortonormal di
R
n
.
Latihan 3
1. Tentukan semua vektor satuan yang ortogonal terhadap kedua vektor berikut: u
1
=
(1, 0, 1) dan u
2
= (0, 1, 1).
2. Hitung jarak antara titik (−3, 1) dengan garis 4x + 3y + 4 = 0.
13
3. Tentukan semua nilai α agar vektor y
1
= (α, α, 1) dan vektor y
2
= (α, 5, 6) ortogo-
nal.
4. Misalkan S adalah bidang di R
3
dengan persamaan x − 2y − 3z = 0. Tentukan
persamaan parameter untuk S

.
5. Misalkan S adalah himpunan titik yang merupakan perpotongan bidang x+y+z = 0
dan x −y +z = 0 di R
3
. Cari persamaan untuk S

.
6. Cari basis untuk S

jika S adalah subruang yang dibangun oleh vektor-vektor:
(a) (1, −1, 3), (5, −4, −4), (7, −6, 2).
(b) (1, 4, 5, 2), (2, 1, 3, 0), (−1, 3, 2, 2).
7. Tentukan solusi kuadrat terkecil dari SPL Ax = b, dan cari proyeksi ortogonal dari
b pada ruang kolom matriks A:
(a) A =

¸
¸
1 1
−1 1
−1 2

, b =

¸
¸
7
0
−7

.
(b) A =

¸
¸
2 −2
1 1
3 1

, b =

¸
¸
2
−1
1

.
8. Tentukan proyeksi ortogonal u pada subruang di R
3
yang dibangun oleh vektor-
vektor x
1
dan x
2
:
(a) u = (2, 1, 3), x
1
= (1, 1, 0), x
2
= (1, 2, 1).
(b) u = (1, −6, 1), x
1
= (−1, 2, 1), x
2
= (2, 2, 4).
9. Tentukan proyeksi ortogonal u = (5, 6, 7, 2) pada ruang solusi SPL Homogen:
x
1
+ x
2
+ x
3
= 0
2x
2
+ x
3
+ x
4
= 0
10. Diberikan himpunan vektor X = {(1, −1, 2, −1), (−2, 2, 3, 2), (1, 2, 0, −1), (1, 0, 0, 1)}.
(a) Perlihatkan bahwa X merupakan basis ortogonal di ruang Euclid R
4
.
(b) Hitung kordinat vektor y = (1, 1, 1, 1) terhadap basis terurut X.
11. Cari basis ortonormal untuk subruang di ruang Euclid R
3
yang dibangun oleh
vektor-vektor x
1
= (0, 1, 2), x
2
= (−1, 0, 1), dan x
1
= (−1, 1, 3).
14
12. Misalkan S subruang di ruang Euclid R
3
dan S = Span{(4/5, 0, −3/5), (0, 1, 0)}.
Nyatakan y = (1, 2, 3) dalam bentuk y = y
1
+y
2
dengan y
1
∈ S dan y
2
∈ S

.
13. Misalkan Y = {y
1
, y
2
} basis untuk subruang S di R
n
. Definisikan sebuah matriks
A sehingga A = y
1
y
t
2
+y
2
y
t
1
. Perlihatkan
(a) A matriks simetri.
(b) N(A) = S

.
(c) Rank(A)=2.
14. Misalkan matriks A berukuran m×n. Perlihatkan
(a) Jika y ∈ N(A
t
A), maka Ay ∈ K(A)

N(A
t
).
(b) N(A
t
A) = N(A).
(c) Rank (A)=Rank (A
t
A).
15
4 Transformasi (pemetaan) linear
1. Definisi. Transformasi L dari suatu ruang vektor V ke ruang vektor W, dinotasikan
L : V → W, dikatakan suatu transformasi linear, jika
L(α
1
v
1

2
v
2
) = α
1
L(v
1
) +α
2
L(v
2
),
untuk setiap vektor v
1
, v
2
∈ V dan skalar α
1
dan α
2
. Untuk hal khusus dimana
V = W, L : V → V biasa disebut operator linear pada V .
2. Sifat. Jika L : V → W suatu transformasi linear, maka
(a) L(0
V
) = 0
W
, dimana 0
V
dan 0
W
masing-masing menyatakan unsur identitas
di ruang V dan W.
(b) L(−v) = −L(v) untuk setiap v ∈ V .
3. Contoh transformasi linear. Misalkan V dan W ruang vektor. Berikut adalah
contoh transformasi linear (buktikan! ):
(a) L : V → W didefinisikan oleh L(v) = 0 untuk setiap v ∈ V . Transformasi ini
disebut tranformasi nol.
(b) I : V → V didefinisikan oleh I(v) = v untuk setiap v ∈ V . Transformasi ini
disebut operator identitas.
(c) T : V → V didefinisikan oleh T(v) = αv untuk suatu skalar α dan untuk
setiap v ∈ V . Jika α > 1, T disebut operator dilatasi; jika 0 < α < 1, T
disebut operator kontraksi.
(d) Misalkan U subruang di R
m
. P : R
m
→ U didefinisikan oleh
P(v) = (v · u
1
)u
1
+· · · (v · u
r
)u
r
dengan S = {u
1
, · · · , u
r
} basis ortonormal di U dan (v·u
i
) notasi hasilkali titik
di R
m
. Transformasi ini disebut proyeksi ortogonal dari R
m
pada subruang U.
(e) Misalkan X = {x
1
, · · · , x
n
} basis untuk ruang vektor V yang berdimensi
n. Misalkan pula (v)
X
= (α
1
, · · · , α
n
) menyatakan vektor kordinat dari v
terhadap basis terurut X. Transformasi F : V → R
n
didefinisikan oleh
F(v) = (v)
X
disebut transformasi ruang vektor V pada ruang R
n
. Melalui
transformasi ini, setiap ruang vektor V berdimensi hingga n dapat dipandang
sebagai ruang R
n
.
4. Transformasi linear ditentukan oleh peta vektor-vektor basis. Misalkan
X = {v
1
, · · · , v
n
} basis untuk ruang vektor V dan L : V → W suatu transformasi
16
linear. Jika nilai L(v
i
) diketahui untuk i = 1, · · · , n, maka peta setiap vektor y ∈ V
dapat ditentukan; jika y = α
1
v
1
+· · · +α
n
v
n
, maka L(y) = α
1
L(v
1
)+· · · +α
n
L(v
n
).
5. Matriks penyajian. Jika L : R
n
→ R
m
suatu transformasi linear, maka ada
matriks A berukuran m×n sehingga L(x) = Ax untuk setiap x ∈ R
n
.
Lebih jauh lagi, vektor kolom ke-j dari matriks A, dinotasikan a
j
, adalah a
j
= L(e
j
)
dengan e
j
basis baku di R
n
. Jadi A = [L(e
1
)|L(e
2
)| · · · |L(e
n
)]. Matriks A seperti ini
biasa disebut sebagai matriks penyajian L terhadap basis baku, atau secara singkat
disebut matriks baku.
Teorema matriks penyajian terhadap sebarang basis. Misalkan L : R
n
→R
m
suatu transformasi linear, himpunan X = {x
1
, · · · , x
n
} merupakan basis terurut di
R
n
dan Y = {y
1
, · · · , y
m
} merupakan basis terurut di R
m
. Misalkan pula A matriks
berukuran m×n adalah matriks penyajian L terhadap basis X dan basis Y . Maka,
vektor kolom matriks A, dinotasikan a
j
, j = 1, · · · , n, diberikan oleh
a
j
= B
−1
L(x
j
)
dimana vektor kolom matriks B adalah y
i
, i = 1 · · · , m. Jadi, B = [y
1
|y
2
| · · · |y
m
].
Bukti: untuk j = 1, · · · , n,
L(x
j
) = a
1j
y
1
+a
2j
y
2
+· · · +a
mj
y
m
= Ba
j
,
dengan a
j
= (a
1j
, a
2j
, · · · , a
mj
). Matriks B bersifat tak singular karena vektor-
vektor kolomnya adalah vektor basis di R
m
. Akibatnya, a
j
= B
−1
L(x
j
).
Akibat. Bentuk eselon baris tereduksi [B|L(x
1
), · · · , L(x
n
)] adalah [I|A].
Bukti:
B
−1
[B|L(x
1
), · · · , L(x
n
)] = B
−1
[I|B
−1
L(x
1
), · · · , B
−1
L(x
n
)]
= [I|a
1
, · · · , a
n
]
= [I|A]
Jadi untuk menentukan matriks penyajian A terhadap basis X dan Y dapat di-
lakukan dengan cara di atas.
6. Inti dan peta. Misalkan L : V → W suatu transformasi linear. Inti/ kernel dari
L, dinotasikan inti(L) atau ker(L), didefinisikan oleh
inti(L) = ker(L) = {v ∈ V |L(v) = 0
W
}.
Peta dari L, dinotasikan peta(L) atau R(L), didefinisikan oleh
peta(L) = R(L) = {w ∈ W|w = L(v) untuk suatu v ∈ V }.
Dapat diperlihatkan bahwa
17
(a) inti(L) adalah subruang di V . Dimensi dari inti(L) dinamakan nolitas dari L
(b) peta(L) adalah subruang di W. Dimensi dari peta(L) dinamakan rank dari L.
Jika L : R
n
→R
m
suatu transformasi linear dan A matriks penyajiannya berukuran
m×n, maka
(a) rank(L) = rank(A) dan nolitas(L) = nolitas(A).
(b) rank(L) +nolitas(L) = n.
7. Transformasi satu-satu dan pada. Transformasi linear L : V → W dikatakan
satu-satu, jika L(v
1
) = L(v
2
) maka L(v
1
) = L(v
2
).
Transformasi linear L : V → W dikatakan pada, jika peta(L) = W.
8. Kaitan antara transformasi linear dan matriks penyajian. Misalkan dike-
tahui L : R
n
→ R
m
suatu transformasi linear serta himpunan X dan Y masing-
masing secara berurutan basis terurut di R
n
dan R
m
. Misalkan pula A matriks
berukuran m× n adalah matriks penyajian L terhadap basis X dan Y . Jika (v)
X
menyatakan kordinat vektor v
X
terhadap basis X dan (w)
Y
menyatakan kordinat
vektor w terhadap basis W, maka
(a) v ∈ inti(L) jika dan hanya jika (v)
X
∈ N(A).
(b) w ∈ peta(L) jika dan hanya jika (w)
Y
berada di ruang kolom matriks A.
Latihan 4
1. Perlihatkan bahwa yang berikut adalah operator linear di R
2
. Kemudian berikan
interpretasi geometrinya:
(a) L((x, y)) = (−x, y).
(b) L((x, y)) = −(x, y).
(c) L((x, y)) = (y, x).
(d) L((x, y)) = (x/2, y/2).
(e) L((x, y)) = (0, y).
2. Misalkan a adalah vektor tetap di R
2
. Suatu transformasi berbentuk L(x) = x +a
dinamakan translasi. Perlihatkan bahwa translasi bukan suatu transformasi linear.
3. Diberikan transformasi linear L : R
2
→R
2
dengan L((1, 2)) = (−2, 3) dan L((1, −1)) =
(5, 2). Tentukan nilai L((7, 5)).
18
4. Perhatikan X = {(1, 2, 1), (2, 9, 0), (3, 3, 4)} basis untuk R
3
dan misalkan L : R
3

R
2
transformasi linear sedemikian sehingga L((1, 2, 1))) = (1, 0), L((2, 9, 0)) = (−1, 1)
dan L((3, 3, 4)) = (0, 1). Hitung L((x, y, z)) untuk setiap (x, y, z) ∈ R
3
.
5. Misalkan X = {x
1
, · · · , x
n
} adalah basis terurut di R
n
. Misalkan pula L
1
dan L
2
masing-masing operator linear di R
n
. Perlihatkan, jika L
1
(x
i
) = L
2
(x
i
) untuk setiap
i = 1, · · · , n, maka L
1
(v) = L
2
(v) untuk setiap v ∈ R
n
.
6. Misalkan L
1
: U → V dan L
2
: V → W masing-masing transformasi linear. Mis-
alkan pula L = L
2
◦L
1
adalah transformasi yang didefinisikan oleh L(u) = L
2
(L
1
(u))
untuk setiap u ∈ U. Perlihatkan bahaw L : U → W suatu transformasi linear.
7. Tentukan domain dan kodomain L = L
2
◦ L
1
serta rumus L(x, y) jika
(a) L
1
(x, y) = (2x, 3y), L
2
(x, y) = (x −y, x +y).
(b) L
1
(x, y) = (2x, −3y, x +y), L
2
(x, y, z) = (x −y, y +z).
(c) L
1
(x, y) = (x −3y, 0), L
2
(x, y) = (4x −5y, 3x −6y).
8. Misalkan L
1
: V → V suatu operator dilatasi yang didefinisikan L
1
(v) = 4v. Cari
operator L
2
: V → V sehingga L
1
◦ L
2
= I = L
2
◦ L
1
.
9. Misalkan P : R
3
→ R
3
operator proyeksi ortogonal dari R
3
pada bidang xy. Perli-
hatkan P ◦ P = P.
10. Tentukan inti dan peta dari setiap operator linear di R
3
berikut :
(a) L((x, y, z)) = (z, y, x).
(b) L((x, y, z)) = (x, y, 0).
(c) L((x, y, z)) = (x, x, x).
11. Perlihatkan bahwa transformasi linear L : V → W adalah transformasi satu-satu
jika dan hanya jika inti(T) = 0
V
.
12. Selidiki apakah operator linear T : R
n
→ R
n
satu-satu. Jika operator satu-satu,
tentukan transformasi balikan/inversnya:
(a) T(x
1
, x
2
, · · · , x
n
) = (0, x
1
, · · · , x
n−1
).
(b) T(x
1
, x
2
, · · · , x
n
) = (x
2
, x
3
, · · · , x
n
, x
1
).
13. Periksa apakah L((x, y, z)) = (x, x + y, x + y + z) merupakan operator linear pada
di R
3
.
19
14. Misalkan A matriks berukuran 2 ×2 dan L
A
operator linear yang didefinisikan oleh
L
A
(x) = Ax. Perlihatkan
(a) L
A
adalah pemetaan dari R
2
ke ruang kolom matriks A.
(b) Jika A matriks tak singular, maka L
A
adalah pemetaan pada dari R
2
ke R
2
.
15. Tentukan matriks baku untuk transformasi linear berikut:
(a) operator linear di R
2
yang merotasikan setiap titik sebesar 45 derajat searah
jarum jam.
(b) operator linear di R
2
yang mencerminkan setiap titik terhadap sumbu x dan
dilanjutkan dengan merotasikan titik tersebut sebesar 90 derajat berlawanan
arah jarum jam.
(c) operator linear di R
2
yang mencerminkan setiap titik terhadap garis y = x dan
dilanjutkan dengan memproyeksikan titik tersebut pada sumbu x.
16. Misalkan v
1
= (1, 1, 0), v
2
= (1, 0, 1), v
3
= (0, 1, 1) dan L : R
2
→ R
3
transformasi
linear yang didefinisikan oleh L((x, y)) = xv
1
+yv
2
+(x+y)v
3
. Tentukan matriks A
yang menyajikan transformasi L terhadap basis baku di R
2
dan basis {v
1
, v
2
, v
3
}.
17. Misalkan v
1
= (1, 0, −1), v
2
= (1, 2, 1), v
3
= (−1, 1, 1) dan w
1
= (1, −1), w
2
=
(2, −1). Untuk setiap transformasi linear L : R
3
→ R
2
berikut, tentukan matrik
penyajian L terhadap basis terurut X = {v
1
, v
2
, v
3
} dan Y = {w
1
, w
2
}:
(a) L(x, y, z) = (z, x).
(b) L(x, y, z) = (2y, −x).
(c) L(x, y, z) = (x +y, x −z).
18. Matriks A adalah matriks penyajian dari transformasi linear L. Tentukan basis
untuk inti dan peta dari L:
A =

4 1 5 2
1 2 3 0

, A =

¸
¸
2 0 −1
4 0 −2
0 0 0

.
19. Tentukan inti dan peta dari transformasi linear berikut:
(a) proyeksi ortogonal pada bidang xz.
(b) proyeksi ortogonal pada bidang dengan persamaan y = x.
(c) proyeksi ortogonal pada bidang dengan persamaan x +y −z = 0.
20
20. Matriks A adalah matriks penyajian dari transformasi linear L:
A =

¸
¸
1 3 4
3 4 7
−2 2 0

.
(a) Perlihatkan bahwa inti dari L adalah garis yang melalui titik asal, kemudian
cari persamaan parameter garis tersebut.
(b) Perlihatkan bahwa peta dari L adalah bidang yang melalui titik asal, kemudian
cari persamaan bidang tersebut.
21. (Konstruksi pemetaan linear). Jika V = {v
1
, · · · , v
r
} basis untuk ruang vektor
V dan w
1
, · · · , w
r
vektor-vektor di W (tidak perlu berbeda), maka ada pemetaan
linear L : V → W sehingga L(v
1
) = w
1
, · · · , L(v
r
) = w
r
.
21
5 Nilai dan vektor Eigen
1. Definisi. Misalkan A matriks berukuran n × n dan I matriks identitas. Skalar λ
dikatakan nilai eigen (nilai karakteristik) dari matriks A jika ada vektor tak nol x
sehingga Ax = λx. Vektor x disebut vektor eigen yang berpasangan dengan nilai
eigen λ. Pernyataan berikut adalah ekuivalen:
(a) λ adalah nilai eigen dari matriks A.
(b) Sistem persamaan (A −λI)x = 0 memiliki solusi tak trivial.
(c) Ruang nol dari matriks (A −λI) tak trivial, N(A −λI) ̸= {0}.
(d) Matriks (A −λI) singular.
(e) Det(A −λI) = 0.
2. Sukubanyak karakteristik. Misalkan p(λ) = Det (A −λI). Fungsi p(λ) disebut
sukubanyak karakteristik dari matriks A. Nilai eigen λ adalah akar dari sukubanyak
karakteristik p(λ). Untuk mencari nilai dan vektor eigen dari matriks A, maka
langkah-langkah berikut perlu dilakukan
(a) nilai eigen λ dicari dari akar sukubanyak karakteristik p(λ) (paling banyak
terdapat n buah nilai eigen real);
(b) vektor eigen x dicari dengan menyelesaikan SPL (A −λI)x = 0.
3. Diagonalisasi. Jika diberikan suatu matriks persegi A, dapatkah kita ”mengubah”
matriks tersebut menjadi matriks lain yang lebih sederhana, tetapi kedua matriks
tersebut tetap memiliki sifat-sifat yang serupa? Matriks sederhana di sini misal-
nya matriks dengan hampir semua elemennya nol. Salah satu matriks sederhana
ini adalah matriks diagonal. Dalam bahasa formal masalah ini dapat dirumuskan
sebagai ”Diberikan matriks persegi A, apakah ada matriks tak singular P sehingga
P
−1
AP matriks diagonal”. Proses untuk mencari matriks diagonal tersebut dise-
but diagonalisasi. Jika matriks diagonal tersebut ada, maka A dikatakan dapat
didiagonalkan. Pernyataan berikut ekuivalen:
(a) Matriks persegi A berukuran n ×n dapat didiagonalkan
(b) Matriks A memiliki n buah vektor eigen yang bebas linear
Catatan:
(a) Jika v
1
, · · · , v
n
adalah vektor-vektor eigen dari matriks A yang berpasangan
dengan nilai-nilai eigen berbeda λ
1
, · · · , λ
n
, maka {v
1
, · · · , v
n
} bebas linear.
22
(b) Jika matriks persegi A berukuran n ×n memiliki n nilai eigen berbeda, maka
A dapat didiagonalkan.
4. Tahap diagonalisasi. Untuk melakukan diagonalisasi suatu matriks perlu di-
lakukan tahap-tahap berikut:
(a) Cari n buah vektor eigen yang bebas linear, misalnya vektor-vektor eigen terse-
but x
1
, · · · , x
n
.
(b) Bentuk matriks P dengan vektor-vektor kolomnya adalah x
1
, · · · , x
n
.
(c) Matriks P
−1
AP merupakan matriks diagonal dengan λ
1
, · · · , λ
n
secara beru-
rutan adalah elemen-elemen diagonal dimana λ
i
adalah nilai eigen yang berpa-
sangan dengan vektor eigen x
i
.
5. Multiplisitas. Ruang vektor yang dibangun oleh vektor-vektor eigen disebut ruang
eigen. Misalkan λ
0
adalah nilai eigen dari matriks persegi A, maka
(a) dimensi ruang eigen yang berpadanan dengan nilai eigen λ
0
disebut multiplisi-
tas geometri dari λ
0
, notasi m
g

0
).
(b) banyaknya faktor (λ−λ
0
) yang muncul pada sukubanyak karakteristik disebut
multiplisitas aljabar dari λ
0
, notasi m
a

0
).
Jika A matriks persegi, maka
(a) untuk setiap nilai eigen dari A, m
g

0
) ≤ m
a

0
).
(b) A dapat didiagonalkan jika dan hanya jika m
g

0
) = m
a

0
).
6. Diagonalisasi ortogonal. Matriks persegi P dikatakan matriks ortogonal jika
P
−1
= P
t
. Untuk matriks persegi A, jika ada matriks ortogonal P sehingga P
t
AP
merupakan matriks diagonal, maka A dikatakan dapat didiagonalkan secara ortog-
onal. Selanjutnya, matriks P dikatakan mendiagonalkan secara ortogonal matriks
A. Untuk matriks persegi A, pernyataan berikut ekuivalen:
(a) A dapat didiagonalkan secara ortogonal
(b) A mempunyai himpunan ortonormal dengan anggotanya n buah vektor-vektor
eigen
(c) A adalah matriks simetri (A
t
= A).
7. Kekhasan matrisk simetri. Jika A matriks simetri, maka
(a) Nilai eigen dari A semuanya bilangan real.
(b) Vektor-vektor eigen dari ruang eigen berbeda saling ortogonal.
23
8. Tahap diagonalisasi ortogonal. Untuk melakukan diagonalisasi ortogonal suatu
matriks perlu dilakukan tahap-tahap berikut:
(a) Cari suatu basis untuk setiap ruang eigen dari A.
(b) Lakukan Proses Gram-Schmidt pada basis ini untuk memperoleh basis ortonor-
mal dari setiap ruang eigen.
(c) Bentuk matriks P dengan vektor-vektor kolomnya adalah vektor (eigen) basis
yang telah dikonstruksi sebelumnya. Matriks P akan mendiagonalkan secara
ortogonal matriks A.
Latihan 5
1. Cari nilai dan vektor eigen dari matriks-matriks berikut:

¸
¸
1 2 1
0 3 1
0 5 −1

,

¸
¸
0 1 0
0 0 1
0 0 0

,

¸
¸
−2 0 1
1 0 −1
0 1 −1

.
2. Misalkan A matriks berukuran n ×n. Buktikan bahwa A matriks singular jika dan
hanya jika λ = 0 adalah nilai eigen dari A.
3. Misalkan A matriks tak singular berukuran n ×n dan λ adalah nilai eigen dari A.
Buktikan bahwa 1/λ adalah nilai eigen dari A
−1
.
4. Misalkan λ adalah nilai eigen dari matriks A yang berkaitan dengan vektor eigen
x. Tunjukkan bahwa λ
m
adalah nilai eigen dari matriks A
m
yang berkaitan dengan
vektor eigen x, untuk m = 1, 2, · · · .
5. Matriks A berukuran n×n dikatakan idempoten jika A
2
= A. Buktikan bahwa jika
λ adalah nilai eigen dari matriks idempoten maka λ = 0 atau λ = 1.
6. Matriks A berukuran n × n dikatakan nilpoten jika A
k
= 0 untuk suatu bilangan
asli k. Buktikan bahwa semua nilai eigen dari matriks nilpoten bernilai 0.
7. Misalkan A matriks berukuran 2 × 2. Jika trace(A)=8 dan det(A)=12, tentukan
nilai-nilai eigen dari A.
8. Misalkan A = (a
ij
) matriks berukuran n × n dengan nilai-nilai eigen λ
1
, · · · , λ
n
.
Tunjukkan λ
j
= a
jj
+

i̸=j
(a
ii
−λ
i
) untuk j = 1, · · · , n.
9. Misalkan Q suatu matriks ortogonal (Q
t
Q = QQ
t
= I).
(a) Buktikan: jika λ nilai eigen dari Q maka |λ| = 1.
24
(b) Buktikan: |det(Q)| = 1.
10. Misalkan Q matriks ortogonal berukuran 3 ×3 dan det(Q)=1.
(a) Jika nilai-nilai eigennya real dan λ
1
≥ λ
2
≥ λ
3
, tentukan nilai-nilai eigen yang
mungkin tersebut.
(b) Pada kasus nilai eigen λ
2
dan λ
3
bilangan kompleks, tentukan nilai eigen yang
mungkin untuk λ
1
.
11. Misalkan {u
1
, · · · , u
n
} basis ortonomal untuk R
n
.
(a) Perlihatkan bahwa matriks u
j
u
t
j
untuk j = 1, · · · , n mempunyai rank satu.
(b) Misalkan A = α
1
u
1
u
t
1
+ · · · + α
n
u
n
u
t
n
. Perlihatkan bahwa A adalah matriks
simetri yang memiliki nilai-nilai eigen α
j
dengan vektor eigennya u
j
untuk
j = 1, · · · , n.
25

(b) Jika terdapat baris-baris yang memuat semua elemennya nol, maka baris-baris tersebut dikelompokkan pada bagian bawah matriks. (c) Untuk setiap dua baris berurutan yang masing-masing memuat elemen tak nol, maka utama-1 baris yang di bawah terletak di sebelah kanan dari utama-1 baris di atasnya. (d) Setiap kolom yang memuat utama-1, maka elemen-elemen lainnya adalah 0. Bentuk eselon baris tereduksi suatu matriks bersifat tunggal. Jika hanya tiga sifat pertama yang dipenuhi, maka matriks disebut bentuk eselon baris. 4. Eliminasi Gauss. Teknik eliminasi yang mengubah SPL (matriks perluasan) semula menjadi bentuk eselon baris dinamakan teknik eliminasi Gauss, sedangkan teknik eliminasi yang menghasilkan bentuk eselon baris tereduksi dinamakan teknik eliminasi Gauss-Jordan. Untuk menyelesaikan suatu SPL, teknik eliminasi ini biasa digabungkan dengan teknik substitusi mundur. Untuk suatu SPL, maka SPL tersebut kemungkinannya memiliki (a) solusi tunggal, atau (b) solusi tak berhingga banyak, atau (c) tidak ada solusi. Jika SPL memiliki solusi, maka SPL dikatakan konsisten. Jika SPL tidak memiliki solusi, maka SPL dikatakan tak konsisten. 5. Matriks elementer. Suatu matriks berukuran n×n disebut matriks elementer jika matriks tersebut diperoleh dari matriks identitas berukuran n×n dengan melakukan satu kali OBE. Matriks elementer memiliki balikan (invers), dan balikannya juga merupakan matriks elementer. Representasi matriks elementer berukuran 2 × 2 untuk setiap OBE adalah (a) Mengalikan baris pertama dengan konstanta tak nol c: ( ) c 0 0 1 (b) Menukar urutan dua baris: ( )

0 1 1 0

(c) Menjumlahkan c kali baris pertama terhadap baris kedua: ( ) 1 0 c 1 2

(c) Jika E adalah matriks yang diperoleh dari I hasil penjumlahan dari kelipatan suatu baris dengan baris lainnya. Jika A dan B masing-masing matriks persegi berukuran sama. Misalkan E sebuah matriks elementer dan I matriks identitas.4) disebut teknik perluasan kofaktor. (b) Jika E adalah matriks yang diperoleh dari I hasil penukaran dua baris. Matriks persegi A berukuran n × n dikatakan dapat dibalik (tak singular ) jika ada matriks persegi B berukuran n × n sehingga AB = BA = In dengan In matriks identitas berukuran n × n. Sifat determinan. Determinan matriks elementer. Balikan. maka A ekivalen baris dengan matriks identitas. 7. maka det(E)=−1.  a11 . n n ∑ ∑ det(A) = aij Aij . jika matriks A dapat diperoleh dari matriks B dengan melakukan sejumlah hingga OBE. (a) Jika matriks A memiliki balikan. yaitu In = En En−1 · · · E1 A. Determinan dari matriks A didefinisikan oleh  jika n = 1. Matriks B dinamakan matriks balikan (invers) dari A. Determinan suatu matriks. atau aij Aij . (b) Karena ketunggalan matriks balikan maka A−1 = En En−1 · · · E1 .  j=1 i=1 (1. maka det(E)=1.4) Teknik mencari determinan suatu matriks dengan menggunakan (1. 8. jika A = En En−1 · · · E1 B. Determinan dari matriks Mij disebut minor dari aij . Misalkan pula Mij menyatakan matriks persegi berukuran (n − 1) × (n − 1) yang diperoleh dari matriks A dengan menghilangkan barik ke-i dan kolom ke-j. 10. 9. Ekivalen baris. dan kofaktor Aij didefinisikan sebagai Aij = (−1)i+j det(Mij ). (a) Jika E adalah matriks yang diperoleh dari I hasil dari perkalian suatu baris oleh konstanta tak nol c. maka det(E)=c.6. Matriks A ekivalen baris dengan matriks B. maka 3 . Matriks A dikatakan ekivalen baris dengan matriks B. jika n ≥ 2. yang selanjutnya matriks balikan dari A dinotasikan oleh A−1 . Misalkan Ei menyatakan matriks elementer yang menyajikan OBE pada tahap ke-i. Misalkan A = (aij ) suatu matrik persegi berukuran n × n.

j = 1. . . . . Matriks    . A1n A2n · · · Ann (a) Untuk membentuk matriks adjoint. · · · . 1 (b) Jika A tak singular. maka setiap elemen matriks A digantikan oleh elemen kofaktornya. maka pernyataan berikut ekivalen: (a) A memiliki balikan. (b) Ax = 0 hanya memiliki solusi trivial (x = 0). i=1 (d) Jika S matriks segitiga. kemudian matriks yang terbentuk ini ditransposkan. Matriks Adjoint. 4 . maka xj = det(Aj ) . Aturan Cramer. yaitu A = En En−1 · · · E1 B. (f) Jika matrik A memiliki baris (kolom) yang merupakan kelipatan suatu baris (kolom) lainnya. Misalkan A suatu matriks tak singular berukuran n × n dan b matriks berukuran n × 1. j=1 11. Misalkan A suatu matriks persegi Adjoint dari A didefinisikan oleh  A11 A21 · · · An1   A12 A22 · · · An2 adj A =  . . aij Akj = 0.  . i ̸= k. maka determinan S adalah hasilkali elemen-elemen diagonalnya. (g) Jika Aij adalah kofaktor dari aij . . det(A) berukuran n × n. Misalkan pula Aj adalah matriks yang diperoleh dengan menggantikan kolom ke-j dari A oleh b.. adalah solusi tunggal dari sitem persamaan Ax = b. Jika x = (xj ).(a) det(At )=det(A) (b) det(AB)=det(A)det(B) (c) jika matriks A ekivalen baris dengan matriks B. n ∏ maka det(A)=( det(Ei ))det(B). Jika A matriks berukuran n × n.   13. maka det(A)=0. maka A−1 = adj A. n. . 2. . det(A) 12.  . (e) Jika matrik A memiliki baris atau kolom yang semua elemennya nol. i = k. maka det(A)=0. maka { n ∑ det(A).

5 . jika ada. (c) tidak memiliki solusi. Gunakan operasi baris elementer untuk mencari solusi dari SPL berikut: (a) x1 + 3x2 + x3 + x4 = 3 2x1 − 2x2 + x3 + 2x4 = 8 3x1 + x2 + 2x3 − x4 = −1 (b) x1 2x1 x1 5x1 − 3x2 + x2 + 4x2 − 8x2 + x3 − x3 − 2x3 + 2x3 = = = = 1 2 1 5 (c) Tentukan α. (d) A dapat dituliskan sebagai perkalian dari matriks-matriks elementer. β ≤ 2π. (f) det(A)̸= 0. . syarat untuk bilangan real a. Latihan 1 1. β. dan γ dimana 0 ≤ α. b. (e) Sistem persamaan Ax = b memiliki solusi tunggal. (b) memiliki solusi banyak. 0 ≤ γ < π.(c) Bentuk eselon baris tereduksi dari A adalah In . 2 sin α − cos β + 3 tan γ = 3 4 sin α + 2 cos β − 2 tan γ = 2 6 sin α − 3 cos β + tan γ = 9 (d) 1 2 4 + − = 1 x1 x2 x3 2 3 8 + + = 0 x1 x2 x3 9 10 1 + + = 5 − x1 x2 x3 2. dan c agar SPL berikut: x1 + x2 + 2x3 = a 3x1 + 4x2 + 7x3 = b x1 + 2x2 + 3x3 = c (a) memiliki solusi tunggal. Tentukan.

x3 dan x4 agar reaksi setimbang. Tahap kedua. 4. Gunakan operasi baris elementer untuk menentukan x1 . ammoniak digabungkan dengan Oksigen (O2 ) untuk membentuk Nitrogen dioksida (N O2 ) dan air. (c) memiliki solusi banyak dengan 2 parameter (jika mungkin). Tahap ketiga. hidrogen. Asam nitrat diproduksi secara komersial melalui tiga rangkaian reaksi kimia. Tahap pertama. dan oksigen yang diperlukan untuk menghasilkan 8 mol asam nitrat? 6. Diberikan SPL berikut: x1 − 2x2 + 3x3 = 4 2x1 − 3x2 + ax3 = 5 3x1 − 4x2 + 5x3 = b Tentukan syarat untuk bilangan real a dan b agar SPL: (a) memiliki solusi tunggal.  −1 1 1 0 3 −1 −2 −3 2 2 3 8. Gunakan operasi baris elementer untuk menghitung matriks balikan dari matriksmatriks berikut:       2 0 5 1 0 1 1 0 1       1 . Tentukan bentuk eselon baris tereduksi dari matriks-matriks berikut:     ( ) −1 1 −1 3 1 −2 2 1 2 1     . Diberikan matriks  2 1 1   A =  6 4 5 . 3 3 4 . Reaksi oksidasi Benzena diberikan oleh persamaan x1 C6 H6 +x2 O2 −→ x3 C+x4 H2 O.3. Nitrogen (N2 ) digabungkan dengan Hidrogen (H2 ) untuk membentuk ammoniak (N H3 ). (d) tidak memiliki solusi. x2 .  0 3 0  . 5. (b) memiliki solusi banyak dengan 1 parameter (jika mungkin). N O2 bereaksi dengan sejumlah air untuk membentuk asam nitrat (HN O3 ) dan Nitrogen Oksida (N O). Berapa mol Nitrogen. 4 1 3 6  . 1 . 3 2 2 1 0 −5 8 2 −1 −2 −1 7. 2 1 −1 −1  .

Periksa apakah matriks berikut memiliki balikan:  −a 1 c .  (a) Gunakan metode eliminasi untuk menghitung Det(A).(a) Tentukan matriks-matriks elementer E1 . Bentuk L = E1 E2 E3 . b3 ) yang terletak pada garis yang sama. Apakah bentuk dari matriks L? Kemudian perlihatkan bahwa A = LU . dan E3 sehingga E3 E2 E1 A = U dimana U suatu matriks segitiga atas. b1 ). E2 . dan E3 . b2 ). 12.   a1 b 1 1   (b) Det a2 b2 1  = 0 menyatakan tiga titik berbeda (a1 . (a) Apakah SPL Ax = 0 memiliki solusi tak trivial? Jelaskan! (b) Apakah A memiliki matriks balikan? Jelaskan! 7 . Misalkan A suatu matriks berukuran 3 × 3 dimana vektor-vektor kolom a1 . E2 . −1 −1 −1 −1 −1 −1 (b) Hitung matriks balikan E1 . b2 ). dan a3 b 3 1 (a3 . a2 dan a3 dari A memenuhi a1 = a2 − 4a3 . Perlihatkan bahwa   x y 1   (a) Det a1 b1 1  = 0 menyatakan persamaan garis yang melalui titik-titik a2 b 2 1 berbeda (a1 . (b) Gunakan hasil di (a) untuk menghitung    Det   0 1 2 3 −2 −2 3 3 1 2 −2 −3 1 1 1 1        + Det    0 1 2 3 1 1 1 1 −1 −1 4 4 2 3 −1 −2    . Diberikan matriks    A=  0 1 2 3 1 1 1 1 −2 −2 3 3 1 2 −2 −3    . −b −c 1 10. b1 ) dan (a2 .   1 a b   9.  11. a2 .

· · · . · · · . xn ). zn ). 2. yn ).2 Ruang Vektor Rn 1. yaitu Rn = {(a1 . Kombinasi linear. 8 . 4. · · · . β skalar. (b) Dua vektor x = (x1 . an )|ai ∈ R}. (b) jika x. · · · . Misalkan y. maka x + y ∈ S. αn sehingga y = α1 x1 + · · · + αn xn . (a) Ruang Rn adalah himpunan semua pasangan terurut (a1 . · · · . 3. maka αx ∈ S. Himpunan S dikatakan ruang bagian/subruang dari ruang vektor Rn . · · · . xn + yn ) dan jika α skalar maka perkalian skalar αx didefinisikan oleh αx = (αx1 . jika (a) S himpunan tak hampa. Definisi. Ruang bagian/Subruang. · · · . dan 0 = (0. Ruang vektor Rn . · · · . jika ada skalar-skalar α1 . (c) Jumlah x + y didefinisikan oleh x + y = (x1 + y1 . · · · . Operasi penjumlahan dan perkalian skalar memenuhi (a) x + y = y + x (b) x + (y + z) = (x + y) + z (c) x + 0 = x (d) x + (−x) = 0 (e) α(βx) = (αβ)x (f) α(x + y) = αx + αy (g) (α + β)x = αx + βx (h) 1x = x Himpunan Rn yang dilengkapi oleh operasi penjumlahan dan perkalian skalar dengan sifat-sifat (a)-(h) membentuk sebuah Ruang vektor. · · · . z = (z1 . Misalkan n sebuah bilangan asli. xn ) dan y = (y1 . Misalkan x = (x1 . (c) jika x ∈ S dan α ∈ R. · · · . an ) dengan ai bilangan real. αxn ). · · · . y ∈ S. 0) vektor-vektor di Rn dan α. · · · . yn ) dikatakan sama jika xi = yi untuk setiap i. xn . Vektor y dikatakan kombinasi linear dari x1 . xn vektor-vektor di Rn . y = (y1 . x1 .

(c) Setiap himpunan bebas linear yang beranggotakan m vektor dengan m < n dapat diperluas menjadi basis. xn ). dengan (z)X = (α1 . dimana (yk )X = (γ1k . 7. y = α1 x1 + · · · + αn xn . xn . (b) Himpunan dari n vektor yang bebas linear V akan membentuk basis untuk V . Kordinat dari y terhadap basis terurut X. γnk )t . xn } dan Y = {y1 . Misalkan X = {x1 . jika dan hanya jika (a) x1 . α2 = 0. αn )t . xn membangun Rn . Basis dan dimensi. xn } basis terurut dan y vektor di Rn . xn dikatakan membangun ruang vektor Rn . Jika vekto-vektor tidak bebas linear. (d) Setiap himpunan yang membangun V beranggotakan k vektor dengan k > n dapat direduksi menjadi basis. 9 . · · · . αn )t dan (z)Y = (β1 . · · · . xn merupakan vektor-vektor yang bebas linear. untuk suatu skalar αi . dinotasikan (y)X . · · · . jika dan hanya jika setiap vektor y ∈ Rn dapat dituliskan sebagai kombinasi linear dari x1 . · · · . 9. n. 8. · · · . Kordinat. Vektor-vektor x1 . · · · . Vektor-vektor x1 . · · · . βn )t . · · · . xn membentuk basis untuk ruang vektor Rn . dim (Rn )=n. Contoh. Dari (c) dan (d) dapat disimpulkan bahwa basis adalah • Maksimal banyaknya vektor yang bebas linear. Bebas linear. (b) x1 . yn } masingmasing merupakan basis untuk ruang vektor Rn . dinotasikan sebagai Rn = Span(x1 . 6. Jika ruang vektor V memiliki dimensi n. maka vektor-vektor tersebut dinamakan vektorvektor yang bergatung linear. · · · . maka (a) Himpunan dari n vektor yang membangun V akan membentuk basis untuk V . · · · . · · · . Misalkan pula z ∈ Rn . 2. Misalkan X = {x1 .5. · · · . xn di ruang vektor Rn dikatakan bebas linear. · · · . · · · . adalah vektor (y)X = (α1 . Membangun. αn = 0. Vektor-vektor x1 . i = 1. Perubahan kordinat. · · · . jika dan hanya jika α1 x1 +· · ·+αn xn = 0 hanya dipenuhi α1 = 0. · · · . Banyaknya vektor yang membentuk basis suatu ruang vektor dinamakan dimensi ruang vektor. Maka. atau • Minimal banyaknya vektor yang membangun.

10 . a2 . ruang kolom. adalah dimensi dari ruang baris B(A) atau dimensi dari ruang kolom K(A). (c) V = {(a1 . . dengan    U =   γ11 γ12 · · · γ1n γ21 γ22 · · · γ2n . (b) V = {(a1 . · · · .Maka. ruang nol. a2 . (c) Nolitas dari matriks A (Null(A))adalah dimensi dari ruang nol N (A). . . (d) Teorema Rank-Nolitas. a3 ) ∈ R3 |a1 = a2 − a3 }. . 2. an ) ∈ Rn |a1 < a2 } (c) S = {(a1 . Periksa apakah himpunan S berikut dilengkapi dengan operasi jumlah dan perkalian skalar seperti pada Rn merupakan subruang (jelaskan jawaban Anda): (a) S = {(a1 . (a) Dua matriks dikatakan saling ekivalen baris jika kedua matriks memiliki ruang baris yang sama. a3 ) ∈ R3 |a1 = −a3 }. 2 (b) S = {(a1 . . a2 . Subruang K(A) di Rm yang dibangun oleh vektor-vektor kolom dari matriks A disebut ruang kolom. Ruang baris. · · · . · · · . . Null(A)+Rank(A)= n (banyaknya kolom matriks A). . . (d) V = {(a1 . a3 ) ∈ R3 |a3 = 1 + a1 − a2 }. a3 ) ∈ R3 |a1 = a2 = −a3 }. Misalkan A matriks berukuran m × n. . a2 .. (b) Rank dari matriks A (Rank(A)). (z)X = U · (z)Y . an ) ∈ Rn |a1 + a2 + · · · + an = 1}. Subruang B(A) di Rn yang dibangun oleh vektor-vektor baris dari matriks A disebut ruang baris. a2 . an ) ∈ Rn |a1 = a2 }. a2 . γn1 γn2 · · · γnn       merupakan matriks transisi dari basis Y ke basis X 10. Periksa apakah himpunan V berikut dilengkapi dengan operasi jumlah dan perkalian skalar seperti pada R3 merupakan ruang vektor (jelaskan jawaban Anda): (a) V = {(a1 . (e) SPL Ax = b akan konsisten jika dan hanya jika b terletak di ruang kolom A.. a2 . Subruang N (A) yang dibangun oleh vektor-vektor solusi dari persamaan homogen Ax = 0 disebut ruang nol. Latihan 2 1.

1. 1)}. x3 } basis di R3 . Tentukan masing-masing basis dari ruang baris. 1. (c) U = {(1. 1). 1). x1 + x2 + x3 }. x2 + x3 . (1. 0. 0. 2). 1). 3. 3) di R4 . 0. a2 . x2 − x3 . α) bebas linear di R3 . 2. Misalkan S0 = {x1 . dan x4 = (0. α1 x1 + α2 x2 + α3 x3 }. Tentukan dimensi dari subruang di R3 berikut: (a) S1 = Span {(1. −1. Diberikan vektor-vektor x1 = (1. x3 } himpunan bebas linear di ruang vektor V . 1). ruang kolom. −2). Periksa apakah vektor-vektor berikut bebas linear: (a) x1 = (1. α. 6. 1. 1. 2. 1. 0)}. (b) S2 = {x1 − x2 . 0). −1. 1. x2 . 4. 0. 0.(d) S = {(a1 . 2). (0. (0. dan ruang nol matriks:     1 0 1 0 1 1 1 2 0 1  0 1 0 1 1   2 2 5 0 3      A= . S T. B =   1 1 1 1 0   0 0 0 1 3  8 11 19 0 11 11 0 0 1 1 0 . −1. −1. S T dan S + T . 12) di R3 . Misalkan pula S = Span (x1 . x3 = (1. 1. x1 + x2 . x3 = (−1. 3). −1. x2 = (2. 0. 1). 5)}. 9. · · · . −1). x3 = (−1. −1). x3 = (0. −1). (3. 1. (1. 2). 1. 0. x4 ). (0. 0. x3 + x1 }. 2. −1). 1. 0)}. 1). x2 = (−1. x3 = (−1. x2 . 3. 1. 1. (1. 6). −1. 0. 10. (c) x1 = (1. Tentukan nilai α agar x1 = (α. 1. 0). Perlihatkan bahwa S = {x1 . 2. 2). Diberikan vektor-vektor di R3 : x1 = (2. 1. (1. −1). 1. 0. x2 = (−1. 3). 0. 1. 1). 1). −1. (b) S2 = Span {(0. −1. 5. 3. (b) x1 = (1. 1). x2 = (0. Jelaskan ∪ ∩ masing-masing apakah yang dimaksud dengan S. (−1. (c) S3 = {x1 . . 1) di R3 . x3 = (−1. 7. −1). 1. x3 − x1 }. 1. x2 . −1) di R3 . 1. (3. (d) S4 = {x1 . (2. −2. (1. x2 ) dan T = Span (x3 . 8. 7. 1). x2 = (1. T. x2 = (0. 0)}. 4. (−1. Pilih suatu subhimpunan maksimal S dari himpunan U di ruang vektor R4 sehingga subhimpunan S bebas linear: (a) U = {(1. an ) ∈ Rn |a1 + a2 + · · · + an = 0}. 1. Periksa apakah himpunan vektor-vektor berikut juga bebas linear di V : (a) S1 = {x1 + x2 . 2). 3. 1. 2. (b) U = {(0.

· · · . ||x||||y|| 2. z vektor-vektor Rn dan α skalar. y. maka cos θ = x·y . yaitu Y ⊥ = {x ∈ Rn | x · y = 0. Proyeksi ortogonal. kita notasikan dengan X⊥Y .3 Ruang Euclid Rn 1. dim (Y )+dim (Y ⊥ )=n. Komplemen ortogonal dari subruang Y . Subruang ortogonal. Jika x. y·y 3. maka Hasil Kali Titik x · y didefinisikan oleh x·y = n ∑ i=1 xi yi = xt y = yt x. Dua subruang X dan Y di Rn dikatakan ortogonal jika x · y = 0 untuk setiap x ∈ X dan setiap y ∈ Y . 4. Misalkan z adalah vektor x·y hasil proyeksi ortogonal x pada y. Hasil Kali Titik (HKT). adalah himpunan semua vektor di Rn yang ortogonal dengan semua vektor di Y . · · · . ∀ y ∈ Y }. Misalkan Y subruang di Rn . Komplemen ortogonal suatu subruang. yn ) vektor-vektor di Rn . Ruang vektor Rn yang dilengkapi dengan HKT biasa disebut Ruang Euclid Rn . xn ) dan y = (y1 . 12 . maka (a) x · y = y · z (b) (x + y) · z = x · z + y · z (c) (αx) · y = α(x · y) (d) x · x ≥ 0. Jika X dan Y subruang yang ortogonal. Lebih jauh lagi. y) = ||x − y|| = √ (x − y) · (x − y) (g) Ketaksamaan Cauchy-Schwarz: |x · y| ≤ ||x|| ||y|| (h) Ketaksamaan segitiga: ||x + y|| ≤ ||x|| + ||y|| (i) Hubungan HKT dan panjang vektor: 4(x · y) = ||x + y||2 − ||x − y||2 (j) Vektor x dan y dikatakan ortogonal jika x · y = 0 (k) Jika θ adalah sudut yang dibentuk oleh vektor-vektor x dan y. dinotasikan sebagai Y ⊥ . Vektor z diberikan oleh z = y. dan x · x = 0 ⇔ x = 0 √ (e) Panjang vektor x : ||x|| = x · x (f) Jarak vektor x dan y: d(x. Jika x = (x1 . Diberikan vektor-vektor x dan y. Hasil Kali Titik di Rn biasa disebut pula sebagai Hasil Kali Dalam Euclid.

setiap basis di Rn dapat dibuat menjadi basis ortonormal di Rn . Misalkan {x1 . xn } sebuah himpunan ortogonal. · · · . 1) dengan garis 4x + 3y + 4 = 0. · · · . 2. Misalkan pula 1 y1 = x1 ||x1 || dan definisikan y2 . xn } sebuah himpunan ortogonal dengan ||xi || = 1 untuk setiap i = 1. maka persamaan normal At Ax = At b memiliki solusi tunggal x = (At A)−1 At b dimana x merupakan solusi kuadrat terkecil dari SPL Ax = b. · · · . yn } membentuk basis ortonormal di Rn . Tentukan semua vektor satuan yang ortogonal terhadap kedua vektor berikut: u1 = (1. Himpunan {y1 . k = 2. xn } adalah basis di Rn dan membentuk himpunan ortonormal. yn . yn secara rekursif oleh yk = k ∑ i=1 1 (xk+1 − pk ). · · · . Dengan kata lain. 1. 2. · · · . 0. 1) dan u2 = (0. 8. Proses ortogonalisasi Gram-Schmidt. Jika A matriks berukuran m × n dengan Rank(A)=n. ||xk+1 − pk || dimana pk = (xk+1 · yi )yi merupakan proyeksi dari xk+1 pada subruang yang dibangun oleh y1 . (b) Jika {x1 . 6. n − 1. 13 . 7. Jika A adalah sebuah matriks berukuran m × n. (c) Jika {x1 . · · · . Hitung jarak antara titik (−3. · · · . xn } disebut himpunan ortonormal. maka N (A) = B(A)⊥ = K(At )⊥ dan N (At ) = B(At )⊥ = K(A)⊥ . Himpunan ortogonal. maka {x1 . maka {x1 . xn } membentuk himpunan bebas linear.5. xn } adalah basis di Rn . Jika xi · xj = 0 untuk setiap i ̸= j. · · · . maka {x1 . · · · . xn } disebut basis ortonormal di Rn . · · · . · · · . Diberikan vektor-vektor tak nol x1 . · · · . · · · . 1). maka {x1 . Latihan 3 1. · · · . (a) Jika {x1 . n. Solusi kuadrat terkecil. xn } dikatakan himpunan ortogonal. Teorema dasar subruang. xn di Ruang Euclid Rn .

(b) Hitung kordinat vektor y = (1. −4. 0. (7. −1. x1 = (−1. 5. (−1. 3. 1) dan vektor y2 = (α. 2) pada ruang solusi SPL Homogen: x1 + x2 + x3 = 0 2x2 + x3 + x4 = 0 10. b =  0  . 0). 2). Tentukan proyeksi ortogonal u = (5. (1. 3). 1)}. 3). Tentukan proyeksi ortogonal u pada subruang di R3 yang dibangun oleh vektorvektor x1 dan x2 : (a) u = (2. 1) terhadap basis terurut X. 0. 1. −6. Misalkan S adalah bidang di R3 dengan persamaan x − 2y − 3z = 0. 1. 1). 5. (2. 2. 2. (a) Perlihatkan bahwa X merupakan basis ortogonal di ruang Euclid R4 . Tentukan persamaan parameter untuk S ⊥ . x2 = (−1. −4). Misalkan S adalah himpunan titik yang merupakan perpotongan bidang x+y+z = 0 dan x − y + z = 0 di R3 . 4. 3. x1 = (1. 1. 2. 2). 9. 6) ortogonal. 3. 11. (b) (1. 6. −6. x2 = (2. 4). 0. Cari basis untuk S ⊥ jika S adalah subruang yang dibangun oleh vektor-vektor: (a) (1. 0. 2). 1). (1. −1). 1). α. 2. (b) u = (1. 7. −1 2 −7     2 2 −2     (b) A =  1 1  .3. (5. 2). 2. Tentukan solusi kuadrat terkecil dari SPL Ax = b. Tentukan semua nilai α agar vektor y1 = (α. 3). 2. 1). 6. 1. 2. 7. −1). dan cari proyeksi ortogonal dari b pada ruang kolom matriks A:     1 1 7     (a) A =  −1 1  . 2). x2 = (1. Cari basis ortonormal untuk subruang di ruang Euclid R3 yang dibangun oleh vektor-vektor x1 = (0. 5. 1 3 1 8. dan x1 = (−1. 1. (−2. Diberikan himpunan vektor X = {(1. 1. 4. −1. 14 . b =  −1  . 1. 0). Cari persamaan untuk S ⊥ .

∩ N (At ). Nyatakan y = (1. y2 } basis untuk subruang S di Rn . 14. Misalkan matriks A berukuran m × n. 0. maka Ay ∈ K(A) (b) N (At A) = N (A). Perlihatkan (a) A matriks simetri. Perlihatkan (a) Jika y ∈ N (At A). −3/5).12. 15 . 13. 2. (b) N (A) = S ⊥ . (c) Rank (A)=Rank (At A). 0)}. 1. Misalkan Y = {y1 . Misalkan S subruang di ruang Euclid R3 dan S = Span{(4/5. (0. 3) dalam bentuk y = y1 + y2 dengan y1 ∈ S dan y2 ∈ S ⊥ . (c) Rank(A)=2. Definisikan sebuah matriks t t A sehingga A = y1 y2 + y2 y1 .

2. · · · . · · · . Misalkan pula (v)X = (α1 . Transformasi ini disebut operator identitas. · · · . Untuk hal khusus dimana V = W . T disebut operator kontraksi. jika L(α1 v1 + α2 v2 ) = α1 L(v1 ) + α2 L(v2 ). (b) I : V → V didefinisikan oleh I(v) = v untuk setiap v ∈ V . ur } basis ortonormal di U dan (v·ui ) notasi hasilkali titik di Rm . Transformasi ini disebut tranformasi nol. Transformasi L dari suatu ruang vektor V ke ruang vektor W . untuk setiap vektor v1 . vn } basis untuk ruang vektor V dan L : V → W suatu transformasi 16 . jika 0 < α < 1. Sifat. L : V → V biasa disebut operator linear pada V . αn ) menyatakan vektor kordinat dari v terhadap basis terurut X. v2 ∈ V dan skalar α1 dan α2 . dikatakan suatu transformasi linear. Contoh transformasi linear. maka (a) L(0V ) = 0W . 3. setiap ruang vektor V berdimensi hingga n dapat dipandang sebagai ruang Rn .4 Transformasi (pemetaan) linear 1. · · · . (b) L(−v) = −L(v) untuk setiap v ∈ V . dinotasikan L : V → W . T disebut operator dilatasi. (d) Misalkan U subruang di Rm . Melalui transformasi ini. Jika L : V → W suatu transformasi linear. Definisi. Transformasi F : V → Rn didefinisikan oleh F (v) = (v)X disebut transformasi ruang vektor V pada ruang Rn . 4. Transformasi linear ditentukan oleh peta vektor-vektor basis. Jika α > 1. (c) T : V → V didefinisikan oleh T (v) = αv untuk suatu skalar α dan untuk setiap v ∈ V . Berikut adalah contoh transformasi linear (buktikan! ): (a) L : V → W didefinisikan oleh L(v) = 0 untuk setiap v ∈ V . P : Rm → U didefinisikan oleh P (v) = (v · u1 )u1 + · · · (v · ur )ur dengan S = {u1 . xn } basis untuk ruang vektor V yang berdimensi n. Transformasi ini disebut proyeksi ortogonal dari Rm pada subruang U . dimana 0V dan 0W masing-masing menyatakan unsur identitas di ruang V dan W . Misalkan X = {v1 . Misalkan V dan W ruang vektor. (e) Misalkan X = {x1 .

· · · . · · · . Bukti: B −1 [B|L(x1 ). Misalkan L : V → W suatu transformasi linear. aj = B −1 L(xj ). xn } merupakan basis terurut di Rn dan Y = {y1 . i = 1 · · · . Akibat. · · · . Matriks A seperti ini biasa disebut sebagai matriks penyajian L terhadap basis baku. Jadi. m. L(xn )] = B −1 [I|B −1 L(x1 ). · · · . L(xj ) = a1j y1 + a2j y2 + · · · + amj ym = Baj . jika y = α1 v1 +· · ·+αn vn . Inti/ kernel dari L. diberikan oleh aj = B −1 L(xj ) dimana vektor kolom matriks B adalah yi . dengan aj = (a1j . maka peta setiap vektor y ∈ V dapat ditentukan. Matriks penyajian. · · · . Dapat diperlihatkan bahwa 17 . Jika nilai L(vi ) diketahui untuk i = 1. Maka. Misalkan L : Rn → Rm suatu transformasi linear. · · · . B = [y1 |y2 | · · · |ym ]. maka ada matriks A berukuran m × n sehingga L(x) = Ax untuk setiap x ∈ Rn . dinotasikan inti(L) atau ker(L). dinotasikan aj . Inti dan peta. · · · .linear. Matriks B bersifat tak singular karena vektorvektor kolomnya adalah vektor basis di Rm . n. dinotasikan peta(L) atau R(L). Lebih jauh lagi. j = 1. atau secara singkat disebut matriks baku. · · · . Jadi A = [L(e1 )|L(e2 )| · · · |L(en )]. Bukti: untuk j = 1. Bentuk eselon baris tereduksi [B|L(x1 ). ym } merupakan basis terurut di Rm . n. vektor kolom matriks A. · · · . didefinisikan oleh inti(L) = ker(L) = {v ∈ V |L(v) = 0W }. Peta dari L. maka L(y) = α1 L(v1 )+· · ·+αn L(vn ). Misalkan pula A matriks berukuran m × n adalah matriks penyajian L terhadap basis X dan basis Y . didefinisikan oleh peta(L) = R(L) = {w ∈ W |w = L(v) untuk suatu v ∈ V }. dinotasikan aj . himpunan X = {x1 . adalah aj = L(ej ) dengan ej basis baku di Rn . L(xn )] adalah [I|A]. Akibatnya. vektor kolom ke-j dari matriks A. 6. an ] = [I|A] Jadi untuk menentukan matriks penyajian A terhadap basis X dan Y dapat dilakukan dengan cara di atas. n. B −1 L(xn )] = [I|a1 . 5. · · · . Teorema matriks penyajian terhadap sebarang basis. Jika L : Rn → Rm suatu transformasi linear. amj ). a2j .

y)) = (−x. x). 18 . jika peta(L) = W . Tentukan nilai L((7. Misalkan a adalah vektor tetap di R2 . Transformasi satu-satu dan pada. (e) L((x. Dimensi dari peta(L) dinamakan rank dari L. (b) w ∈ peta(L) jika dan hanya jika (w)Y berada di ruang kolom matriks A. Misalkan pula A matriks berukuran m × n adalah matriks penyajian L terhadap basis X dan Y . 5)). Diberikan transformasi linear L : R2 → R2 dengan L((1. Kaitan antara transformasi linear dan matriks penyajian. Perlihatkan bahwa yang berikut adalah operator linear di R2 . y). (b) L((x. Dimensi dari inti(L) dinamakan nolitas dari L (b) peta(L) adalah subruang di W . y/2). maka (a) v ∈ inti(L) jika dan hanya jika (v)X ∈ N (A). Misalkan diketahui L : Rn → Rm suatu transformasi linear serta himpunan X dan Y masingmasing secara berurutan basis terurut di Rn dan Rm . 7. y)) = (0. y)) = (x/2. (c) L((x. Transformasi linear L : V → W dikatakan pada. Jika L : Rn → Rm suatu transformasi linear dan A matriks penyajiannya berukuran m × n. (b) rank(L) + nolitas(L) = n. y). 3. 3) dan L((1. Latihan 4 1. Suatu transformasi berbentuk L(x) = x + a dinamakan translasi. Perlihatkan bahwa translasi bukan suatu transformasi linear. Jika (v)X menyatakan kordinat vektor vX terhadap basis X dan (w)Y menyatakan kordinat vektor w terhadap basis W . y). 2. Transformasi linear L : V → W dikatakan satu-satu. 8. jika L(v1 ) = L(v2 ) maka L(v1 ) = L(v2 ). 2)) = (−2. y)) = (y. (d) L((x. maka (a) rank(L) = rank(A) dan nolitas(L) = nolitas(A). −1)) = (5.(a) inti(L) adalah subruang di V . 2). Kemudian berikan interpretasi geometrinya: (a) L((x. y)) = −(x.

x1 . y. xn−1 ). jika L1 (xi ) = L2 (xi ) untuk setiap i = 1. 0). y + z). 0)) = (−1. 2. Perlihatkan bahaw L : U → W suatu transformasi linear. · · · . 3. y. y. xn ) = (0. (c) L1 (x. y) = (x − y. 12. L2 (x. Perhatikan X = {(1. Hitung L((x. L2 (x. (3. tentukan transformasi balikan/inversnya: (a) T (x1 . (b) L1 (x. L2 (x. 7. Tentukan domain dan kodomain L = L2 ◦ L1 serta rumus L(x. Perlihatkan bahwa transformasi linear L : V → W adalah transformasi satu-satu jika dan hanya jika inti(T ) = 0V . z)) = (x. Perlihatkan P ◦ P = P . xn ) = (x2 . 3y). (2. z) ∈ R3 . 11. xn } adalah basis terurut di Rn . Jika operator satu-satu. 0). Misalkan X = {x1 . z)) = (x. 8. · · · . y. Misalkan pula L = L2 ◦L1 adalah transformasi yang didefinisikan oleh L(u) = L2 (L1 (u)) untuk setiap u ∈ U . 0). 2. y.4. n. Tentukan inti dan peta dari setiap operator linear di R3 berikut : (a) L((x. y) = (2x. L((2. (b) L((x. 6. 3x − 6y). y. 13. x + y). x3 . 10. y) = (2x. z)) untuk setiap (x. 3. Misalkan L1 : V → V suatu operator dilatasi yang didefinisikan L1 (v) = 4v. x. maka L1 (v) = L2 (v) untuk setiap v ∈ Rn . y) jika (a) L1 (x. 4)} basis untuk R3 dan misalkan L : R3 → R2 transformasi linear sedemikian sehingga L((1. y) = (4x − 5y. (c) L((x. 1) dan L((3. z)) = (x. x + y + z) merupakan operator linear pada di R3 . Periksa apakah L((x. Selidiki apakah operator linear T : Rn → Rn satu-satu. 19 . z)) = (z. y. 1). Cari operator L2 : V → V sehingga L1 ◦ L2 = I = L2 ◦ L1 . x + y). Misalkan P : R3 → R3 operator proyeksi ortogonal dari R3 pada bidang xy. x + y. x). 4)) = (0. 9. 1). · · · . 1))) = (1. x1 ). y. y) = (x − 3y. · · · . · · · . x2 . z) = (x − y. 9. xn . Perlihatkan. · · · . y. 5. Misalkan L1 : U → V dan L2 : V → W masing-masing transformasi linear. −3y. (b) T (x1 . 9. 0). x). x2 . Misalkan pula L1 dan L2 masing-masing operator linear di Rn .

−x). v3 }. Tentukan inti dan peta dari transformasi linear berikut: (a) proyeksi ortogonal pada bidang xz. 17. 16. 1. maka LA adalah pemetaan pada dari R2 ke R2 . Misalkan v1 = (1. z) = (2y. x). 1. Misalkan A matriks berukuran 2 × 2 dan LA operator linear yang didefinisikan oleh LA (x) = Ax. (b) Jika A matriks tak singular. 1 2 3 0 0 0 0 19. 0. 20 . 2. (b) proyeksi ortogonal pada bidang dengan persamaan y = x. Tentukan matriks A yang menyajikan transformasi L terhadap basis baku di R2 dan basis {v1 . −1). v3 = (0. y. Tentukan matriks baku untuk transformasi linear berikut: (a) operator linear di R2 yang merotasikan setiap titik sebesar 45 derajat searah jarum jam. v3 = (−1. w2 = (2. Misalkan v1 = (1. 1). tentukan matrik penyajian L terhadap basis terurut X = {v1 . Untuk setiap transformasi linear L : R3 → R2 berikut. v2 . (c) operator linear di R2 yang mencerminkan setiap titik terhadap garis y = x dan dilanjutkan dengan memproyeksikan titik tersebut pada sumbu x. v2 = (1. 15. 1. (c) L(x. z) = (x + y. (b) operator linear di R2 yang mencerminkan setiap titik terhadap sumbu x dan dilanjutkan dengan merotasikan titik tersebut sebesar 90 derajat berlawanan arah jarum jam. Tentukan basis untuk inti dan peta dari L:   ( ) 2 0 −1 4 1 5 2   A= . −1). z) = (z. 0.14. 18. Matriks A adalah matriks penyajian dari transformasi linear L. v3 } dan Y = {w1 . y. (c) proyeksi ortogonal pada bidang dengan persamaan x + y − z = 0. (b) L(x. 1) dan w1 = (1. v2 = (1. Perlihatkan (a) LA adalah pemetaan dari R2 ke ruang kolom matriks A. x − z). 1) dan L : R2 → R3 transformasi linear yang didefinisikan oleh L((x. 0). y. −1). A =  4 0 −2  . 1). v2 . w2 }: (a) L(x. y)) = xv1 + yv2 + (x + y)v3 .

Matriks A adalah matriks penyajian dari transformasi linear L:   1 3 4   A =  3 4 7 . · · · . wr vektor-vektor di W (tidak perlu berbeda). 21. Jika V = {v1 . vr } basis untuk ruang vektor V dan w1 . (b) Perlihatkan bahwa peta dari L adalah bidang yang melalui titik asal. kemudian cari persamaan bidang tersebut. maka ada pemetaan linear L : V → W sehingga L(v1 ) = w1 . (Konstruksi pemetaan linear). −2 2 0 (a) Perlihatkan bahwa inti dari L adalah garis yang melalui titik asal. kemudian cari persamaan parameter garis tersebut. · · · . · · · . 21 . L(vr ) = wr .20.

N (A − λI) ̸= {0}. (c) Ruang nol dari matriks (A − λI) tak trivial. Misalkan A matriks berukuran n × n dan I matriks identitas. Definisi. Misalkan p(λ) = Det (A − λI). tetapi kedua matriks tersebut tetap memiliki sifat-sifat yang serupa? Matriks sederhana di sini misalnya matriks dengan hampir semua elemennya nol. 3. Dalam bahasa formal masalah ini dapat dirumuskan sebagai ”Diberikan matriks persegi A. · · · . vn adalah vektor-vektor eigen dari matriks A yang berpasangan dengan nilai-nilai eigen berbeda λ1 . apakah ada matriks tak singular P sehingga P −1 AP matriks diagonal”. Pernyataan berikut ekuivalen: (a) Matriks persegi A berukuran n × n dapat didiagonalkan (b) Matriks A memiliki n buah vektor eigen yang bebas linear Catatan: (a) Jika v1 . Fungsi p(λ) disebut sukubanyak karakteristik dari matriks A. Vektor x disebut vektor eigen yang berpasangan dengan nilai eigen λ.5 Nilai dan vektor Eigen 1. λn . maka {v1 . (e) Det(A − λI) = 0. · · · . · · · . Jika diberikan suatu matriks persegi A. Sukubanyak karakteristik. Diagonalisasi. Salah satu matriks sederhana ini adalah matriks diagonal. (b) Sistem persamaan (A − λI)x = 0 memiliki solusi tak trivial. Proses untuk mencari matriks diagonal tersebut disebut diagonalisasi. 22 . (d) Matriks (A − λI) singular. maka A dikatakan dapat didiagonalkan. maka langkah-langkah berikut perlu dilakukan (a) nilai eigen λ dicari dari akar sukubanyak karakteristik p(λ) (paling banyak terdapat n buah nilai eigen real). dapatkah kita ”mengubah” matriks tersebut menjadi matriks lain yang lebih sederhana. Jika matriks diagonal tersebut ada. Skalar λ dikatakan nilai eigen (nilai karakteristik) dari matriks A jika ada vektor tak nol x sehingga Ax = λx. vn } bebas linear. (b) vektor eigen x dicari dengan menyelesaikan SPL (A − λI)x = 0. Pernyataan berikut adalah ekuivalen: (a) λ adalah nilai eigen dari matriks A. 2. Nilai eigen λ adalah akar dari sukubanyak karakteristik p(λ). Untuk mencari nilai dan vektor eigen dari matriks A.

mg (λ0 ) ≤ ma (λ0 ). xn . (b) banyaknya faktor (λ − λ0 ) yang muncul pada sukubanyak karakteristik disebut multiplisitas aljabar dari λ0 . Diagonalisasi ortogonal. · · · . · · · . Jika A matriks persegi. 5. pernyataan berikut ekuivalen: (a) A dapat didiagonalkan secara ortogonal (b) A mempunyai himpunan ortonormal dengan anggotanya n buah vektor-vektor eigen (c) A adalah matriks simetri (At = A). matriks P dikatakan mendiagonalkan secara ortogonal matriks A. 6. Selanjutnya. (c) Matriks P −1 AP merupakan matriks diagonal dengan λ1 . λn secara berurutan adalah elemen-elemen diagonal dimana λi adalah nilai eigen yang berpasangan dengan vektor eigen xi . Matriks persegi P dikatakan matriks ortogonal jika P −1 = P t . (b) A dapat didiagonalkan jika dan hanya jika mg (λ0 ) = ma (λ0 ). 4. Kekhasan matrisk simetri. maka A dikatakan dapat didiagonalkan secara ortogonal. Tahap diagonalisasi. (b) Bentuk matriks P dengan vektor-vektor kolomnya adalah x1 . (b) Vektor-vektor eigen dari ruang eigen berbeda saling ortogonal. maka (a) Nilai eigen dari A semuanya bilangan real. jika ada matriks ortogonal P sehingga P t AP merupakan matriks diagonal. 7. Jika A matriks simetri. Misalkan λ0 adalah nilai eigen dari matriks persegi A. maka A dapat didiagonalkan. Untuk melakukan diagonalisasi suatu matriks perlu dilakukan tahap-tahap berikut: (a) Cari n buah vektor eigen yang bebas linear. maka (a) untuk setiap nilai eigen dari A. 23 . Ruang vektor yang dibangun oleh vektor-vektor eigen disebut ruang eigen. Untuk matriks persegi A. notasi mg (λ0 ). Multiplisitas. · · · . Untuk matriks persegi A.(b) Jika matriks persegi A berukuran n × n memiliki n nilai eigen berbeda. notasi ma (λ0 ). maka (a) dimensi ruang eigen yang berpadanan dengan nilai eigen λ0 disebut multiplisitas geometri dari λ0 . misalnya vektor-vektor eigen tersebut x1 . xn .

∑ Tunjukkan λj = ajj + (aii − λi ) untuk j = 1.  0 0 1 . (c) Bentuk matriks P dengan vektor-vektor kolomnya adalah vektor (eigen) basis yang telah dikonstruksi sebelumnya. 24 . Buktikan bahwa 1/λ adalah nilai eigen dari A−1 . · · · . Latihan 5 1. Cari nilai dan vektor  1   0 0 eigen dari matriks-matriks    0 1 0 2 1    3 1 . n. Misalkan A = (aij ) matriks berukuran n × n dengan nilai-nilai eigen λ1 . 2. tentukan nilai-nilai eigen dari A. 7. Matriks A berukuran n × n dikatakan nilpoten jika Ak = 0 untuk suatu bilangan asli k. 5. Jika trace(A)=8 dan det(A)=12. i̸=j 9. untuk m = 1. Buktikan bahwa A matriks singular jika dan hanya jika λ = 0 adalah nilai eigen dari A. (b) Lakukan Proses Gram-Schmidt pada basis ini untuk memperoleh basis ortonormal dari setiap ruang eigen. Buktikan bahwa semua nilai eigen dari matriks nilpoten bernilai 0. 6. 0 0 0 5 −1 berikut:   −2 0 1    1 0 −1  . Untuk melakukan diagonalisasi ortogonal suatu matriks perlu dilakukan tahap-tahap berikut: (a) Cari suatu basis untuk setiap ruang eigen dari A. (a) Buktikan: jika λ nilai eigen dari Q maka |λ| = 1. 4. 3. Tahap diagonalisasi ortogonal. Matriks A berukuran n × n dikatakan idempoten jika A2 = A. 8. Buktikan bahwa jika λ adalah nilai eigen dari matriks idempoten maka λ = 0 atau λ = 1. λn . Misalkan λ adalah nilai eigen dari matriks A yang berkaitan dengan vektor eigen x.8. Tunjukkan bahwa λm adalah nilai eigen dari matriks Am yang berkaitan dengan vektor eigen x. 0 1 −1 2. · · · . Matriks P akan mendiagonalkan secara ortogonal matriks A. Misalkan A matriks berukuran n × n. · · · . Misalkan A matriks berukuran 2 × 2. Misalkan A matriks tak singular berukuran n × n dan λ adalah nilai eigen dari A. Misalkan Q suatu matriks ortogonal (Qt Q = QQt = I).

· · · . n mempunyai rank satu. Misalkan {u1 . Misalkan Q matriks ortogonal berukuran 3 × 3 dan det(Q)=1. Perlihatkan bahwa A adalah matriks 1 n simetri yang memiliki nilai-nilai eigen αj dengan vektor eigennya uj untuk j = 1. j (b) Misalkan A = α1 u1 ut + · · · + αn un ut . · · · . tentukan nilai eigen yang mungkin untuk λ1 . n. 10. un } basis ortonomal untuk Rn . (a) Jika nilai-nilai eigennya real dan λ1 ≥ λ2 ≥ λ3 . · · · . (a) Perlihatkan bahwa matriks uj ut untuk j = 1. (b) Pada kasus nilai eigen λ2 dan λ3 bilangan kompleks. tentukan nilai-nilai eigen yang mungkin tersebut. 11. 25 .(b) Buktikan: |det(Q)| = 1.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.