You are on page 1of 31

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.

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 Setiap sistem persamaan linier yang homogen bersifat adalah tetap apabila semua sistem mepunyai x1 = 0 , x2 = 0 , ... , xn = 0 sebagai penyelesaian. Penyelesaian ini disebut solusi trivial. Apabila mempunyai penyelesaian yang lain maka disebut solusi nontrivial.

Penyelesaian Persamaan Linear dengan Matriks
Bentuk Eselon-baris Matriks dapat dikatakan Eselon-baris apabila memenuhi persyaratan berikut : 1.) Di setiap baris, angka pertama selain 0 harus 1 (leading 1). 2.) Jika ada baris yang semua elemennya nol, maka harus dikelompokkan di baris akhir dari matriks.

3.) Jika ada baris yang leading 1 maka leading 1 di bawahnya, angka 1-nya harus berada lebih kanan dari leading 1 di atasnya. 4.) Jika kolom yang memiliki leading 1 angka selain 1 adalah nol maka matriks tersebut disebut Eselon-baris tereduksi Contoh: syarat 1: baris pertama disebut dengan leading 1

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

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

syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi

Operasi Eliminasi Gauss Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks sehingga menjadi matriks yang lebih sederhana (ditemukan oleh Carl Friedrich Gauss). Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi

dan mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Contoh: Diketahui persamaan linear x + 2y + z = 6 x + 3y + 2z = 9 2x + y + 2z = 12 Tentukan Nilai x, y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks:

Operasikan Matriks tersebut

Baris ke 2 dikurangi baris ke 1

Baris ke 3 dikurangi 2 kali baris ke 1

Baris ke 3 ditambah 3 kali baris ke 2

Baris ke 3 dibagi dengan 3 (Matriks menjadi Eselon-baris) Maka mendapatkan 3 persamaan linier baru yaitu x + 2y + z = 6 y+z=3

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

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. Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan.Baris ke 3 dikurangi 2 kali baris ke 1 Baris ke 3 dikurangi 3 kali baris ke 2 Baris ke 3 dibagi 8 dan baris ke 2 dibagi -1 Baris ke 2 dikurangi 4 kali baris ke 3 Baris ke 1 dikurangi 3 kali baris ke 3 Baris ke 1 dikurangi 2 kali baris ke 2 (Matriks menjadi Eselon-baris tereduksi) Maka didapatkan nilai dari x = 2 . y = − 1 .dan z = 1 Operasi Dalam Matriks Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama dan setiap elemen yang seletak sama.

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

B= . Contoh 3: Matriks A= Tentukan Nilai dari A-1 Jawab: Contoh 4: Matriks A= .BA = = = I (matriks identitas) Maka dapat dituliskan bahwa B = A − 1 (B Merupakan invers dari A) Contoh 2: Matriks A= AB = BA = dan B = = = Karena AB ≠ BA ≠ I maka matriks A dan matriks B disebut matriks tunggal. AB = .

Dengan menggunakan rumus. dan yang kolom di ubah menjadi baris. Contoh: Matriks A= ditranspose menjadi AT = Matriks B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: 1. (A + B)T = AT + BT dan (A − B)T = AT − BT . ((A)T)T = A 2. Maka . maka didapatkan . = Ini membuktikan bahwa (AB) − 1 = B − 1A − 1 Transpose Matriks Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen dalam matriks. dari yang baris menjadi kolom.

dan Matriks Simetris 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. (AB)T = BTAT Matriks Diagonal. Contoh : secara umum matriks n x n bisa ditulis sebagai Matriks diagonal dapat dibalik dengan menggunakan rumus berikut : D − 1= . (kA)T = kAT dimana k adalah skalar 4. Segitiga.3.

DD − 1 = D − 1D = I jika D adalah matriks diagonal dan k adalah angka yang positif maka Dk= Contoh : A= maka A5= Matriks Segitiga Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol. Matriks segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol. Matriks segitiga Matriks segitiga bawah . Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol.

Inverse pada matriks segitiga bawah adalah matriks segitiga bawah.Teorema     Transpos pada matriks segitiga bawah adalah matriks segitiga atas. dan produk pada matriks segitiga atas adalah matriks segitiga atas. dan inverse pada matriks segitiga atas adalah matriks segitiga atas. Contoh : Matriks segitiga yang bisa di invers A= Inversnya adalah A − 1= Matriks yang tidak bisa di invers B= Matriks Simetris Matriks kotak A disebut simetris jika A = AT Contoh matriks simetris . Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol. Produk pada matriks segitiga bawah adalah matriks segitiga bawah. dan transpose pada matriks segitiga atas adalah segitiga bawah.

B adalah simetris kA adalah simetris (AB)T = BTAT = BA Jika A adalah matriks simetris yang bisa di inverse. bahwa A = AT maka : (A − 1)T = (AT) − 1 = A − 1 Yang mana membuktikan bahwa A − 1 adalah simetris. Asumsikan bahwa A adalah matriks simetris dan bisa di inverse.Teorema  Jika A dan B adalah matriks simetris dengan ukuran yang sama. 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 = = . dan jika k adalah skalar maka AT adalah simetris A + B dan A . maka A − 1 adalah matriks simetris.

Sebagai contoh.AAT = = Jika A adalah Matriks yang bisa di inverse. kita ambil matriks A2x2 A= tentukan determinan A untuk mencari determinan matrik A maka. detA = ad .bc Determinan dengan Ekspansi Kofaktor Determinan dengan Minor dan kofaktor A= Pertama buat minor dari a11 tentukan determinan A M11 = = detM = a22a33 x a23a32 Kemudian kofaktor dari a11 adalah c11 = (-1)1+1M11 = (-1)1+1a22a33 x a23a32 kofaktor dan minor hanya berbeda tanda Cij=±Mij untuk membedakan apakah kofaktor pada ij adalah + atau . maka AAT dan ATA juga bisa di inverse Determinan Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar.maka kita bisa melihat matrik dibawah ini .

definisi determinan ordo 3x3 adalah det(A) = a11C11+a12C12+a13C13 Determinan dengan Ekspansi Kofaktor Pada Baris Pertama Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.a11a23a32 Contoh Soal: A= tentukan determinan A dengan metode ekspansi kofaktor baris pertama .a23a32) .a12 + a13 = a11(a22a33 .a22a31) = a11a22a33 + a12a23a31 + a13a21a32 .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.a12(a21a33 .a12a21a33 . det(A) = a11 .a13a22a31 .a23a31) + a13(a21a32 .

2(-8) + 3(-7) = -8 Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas.a21(a21a33 .a23a32) .a22(a31)2 .a11a23a32 Contoh Soal: A= Jawab: tentukan determinan A dengan metode ekspansi kofaktor kolom pertama det(A) = =1 -4 +3 = 1(-3) .a21 + a31 = a11(a22a33 .a22a31) = a11a22a33 + a21a23a31 + a31a21a32 .(a21)2a33 . Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali. kita mengalikan minor dengan komponen baris pertama.Jawab: det(A) = =1 -2 +3 = 1(-3) .4(-8) + 3(-7) = 8 . det(A) = a11 .a23a31) + a31(a21a32 . Sedangkan dengan ekspansi pada kolom pertama. Pada ekspansi baris. kita mengalikan minor dengan kompone kolom pertama. 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 = (2)(-3)(6)(9)(4) = -1296 .Adjoin Matriks 3 x 3 Bila ada sebuah matriks A3x3 A= Kofaktor dari matriks A adalah C11 = -12 C12 = 6 C13 = -16 C21 = 4 C22 = 2 C23 = 16 C31 = 12 C32 = -10 C33 = 16 maka matriks yang terbentuk dari kofaktor tersebut adalah untuk mencari adjoint sebuah matriks. kita cukup mengganti kolom menjadi baris dan baris menjadi kolom adj(A) = Determinan Matriks Segitiga Atas Jika A adalah matriks segitiga nxn (segitiga atas.

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 maka.

Contoh Soal : A= karena det(A) = 0..E2. kita akan menunjukkan bahwa det(A) dan det(R) keduanya adalah nol atau tidak nol: E1.det(E2)det(E1)det(EA) Jika A dapat di-invers.. Maka. Sesuai dengan teorema R = I. det(R)=det(Er).E2 E1 A dan.. Mencari determinan dengan cara Sarrus A= tentukan determinan A untuk mencari determinan matrik A maka. Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers. Maka A adalah dapat diinvers. maka sesuai dengan teorema equivalent statements ...Er menjadi matrix element yang berhubungan dengan operasi baris yang menghasilkan Rdari A. maka A adalah dapat di-invers. jadi det(R) = 1 ≠ 0 dan det(A) ≠ 0. R=Er. maka det(R) ≠ 0.Tes Determinan untuk Invertibilitas Pembuktian: Jika R di reduksi secara baris dari Ä. jika det(A) ≠ 0. maka R = I. Sebaliknya.. jadi R tidak memiliki baris yang nol...(bdi + afh + ceg) . Sebagai langkah awal. detA = (aei + bfg + cdh) .

kita dapat menghitung determinan dari matrix A det(A) = 64 . 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 diatas.

Sistem Linear Dalam Bentuk Ax = λx dalam sistem aljabar linear sering ditemukan Ax = λx . atau dengan memasukkan matrix identitas menjadi (λI .A = .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 λ I . dimana λ adalah skalar sistem linear tersebut dapat juga ditulis dengan λx-Ax=0.

A) x = 0. a3 merupakan komponen vector.10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 dengan memasukkan nilai λ pada persamaan (λ I . Kita akan menuliskan R daripada R1 pada set ini.. sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup dari tiga secara respektif. Set dari semua grup yang terdiri dari n. Keitka n = 1.. a2. maka eigenvector bisa didapat bila λ = -2 maka diperoleh dengan mengasumsikan x2 = t maka didapat x1 = t x = Vektor dalam Ruang Euklide Euklidian dalam n-Ruang Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif. Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1...3λ .an). dimana a1.. a2. daripada 2-grup topel atau 3. setiap n – grup topel terdiri dari satu bilangan real.λ adalah eigenvalue dari A dan dari contoh diperoleh det (λ I .. sebuah n. Jika n = 2 atau 3. a2. yang dalam kasus ini a2.A) = 0 . a3) mempunyai dua interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai titik. Selanjutnya kita bisa melihat bahwa n – grup topel (a1.grup topel adalah sekuens dari n bilangan real (a1. atau ini bisa diinterpretasikan sebagai vector.perbedaan antara keduanya .grup topel dinamakan n-ruangdan dituliskan sebagai Rn.. an) bisa dilihat sebagai antara sebuah “poin umum” atau “vector umum”.a2.namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .A) = = 0 atau λ^2 . . a3 merupakan koordinat. a2.grup topel.. sehingga R1 bisa dilihat sebagai set dari bilangan real.

... 0.. -un) Perbedaan dari vector dalam Rn dijelaskan oleh v – u = v + (-u) atau.6) antara poin dalam R5 atau vector pada R5. u1 = v1 u2 = v2 un = vn Penjumlahan u + v didefinisikan oleh u + v = (u1 + v2. un) dalam setiap vector dalam Rn.. 4. k u2... Dan juga kita bisa menjelaskan 5..tidak penting secara matematis. 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 vektor 0 = (0.... maka negative (atau invers aditif) dari u dituliskan oleh –u dan dijelaskan oleh -u = (-u1.. maka perkalian scalar ku didefinisikan oleh ku = (k u1... -u2.1 . 0) Jika u = (u1. 0 .topel (-2. dalam istilah komponen. u2..... . .. . u2 + v2..

Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai 15-topel x = (x1. ... .. u . dan seterusnya... berarti.x15) dalam setiap x1 adalah jumlah truk dalam depot pertama dan x2 adalah jumlah pada depot kedua. .v – u = (v1-u1....yn adalah nilai yang terukur.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 adalah vektor Perkalian dot product didefinisikan sebagai Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi   Data Eksperimen – Ilmuwan melakukan experimen dan membuat n pengukuran numeris setiap eksperimen dilakukan. Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya.. maka : (a) u + v = v + u (b) u + 0 = 0 + u = u (c) u + (v + w) = (u + v) + w (d) u + (-u) = 0 .. dan dalam Rn sedangkan k dan m adalah skalar.. vn-un) Sifat-sifat dari vektor dalam Rn jika .x2..y2.y2...yn) dalam Rn dalam setiap y1..... v2-u2. Hasil dari setiap experiment bisa disebut sebagai vector y = (y1.

x2. Lalu.v4. dan kecerahan dari pixel. Vektor ini disebut kondisi dari sistem partikel pada waktu t.y.un) Maka Panjang vektor u dan Menghitung jarak antara vektor u dengan vektor v . Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk v = (x.v6. saturation.v5.. Tegangan input bisa ditulis sebagai vector dalam R4 dan tegangan output bisa ditulis sebagaiR3.. pelayanan. Informasi ini bisa direpresentasikan sebagai vector V = (x1.v2.v4) dalam R4 ke vector keluaran w = (w1.s.v3..v2.s.Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar. dan brightness...x6 dan kecepatan mereka adalah v1. Ekonomi – Pendekatan kita dalam analisa ekonomi adalah untuk membagi ekonomidalam sector (manufaktur..v2.s10 adalah output dari sektor individual.s2..s2.. Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada waktu t koordinat mereka adalahx1.w3) dalamR3. saturasi.. chip bisa dilihat sebgai alat yang mengubah setiap vektor input v = (v1..v1.x4..v3.w2.u2..u3. sedangkan benang ada dalam dunia 11-dimensi [sunting] Menemukan norm dan jarak Menghitung Panjang vektor u dalam ruang Rn jika u = (u1..    Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan output. dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai mata uang. utilitas.x6.x5.h. Dalam ekonomi dengan 10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan dngan 10-topel s = (s1..b) dalam x dan y adalah kordinat layar dari pixel dan h... Dimana jagat waktu Einstein adalah 4 dimensi..v6..x3..s3.t) Dalam R13.b adalah hue.  Fisika .x2. 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.s10) dalam setiap angka s1..

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 ..y0)..y2). maka persamaan yang berhubungan dengan x dan w adalah: x1 = -x = -x + 0y x2 = y = 0x + y atau dalam bentuk matrik : . Tetapi ada juga yang menggunakan bentuk lain .y1).(x2.(x3.y3). kita mencari interpolasi titik dari data (x0. Contohnya . dimisalkan w=T(x).(x1. sehingga dapat kita tuliskan menjadi p(x)=b3(x-x0)(x-x1)(x-x2)+b2(x-x0)(x-x1)+b1(x-x0)+b0 inilah yang disebut newton form dari interpolasi . sehingga kita dapatkan : p(x0)=b0 p(x1)=b1h1+b0 p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0 p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0 sehingga jika kita tuliskan dalam bentuk matrix: Operator Refleksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap sumbu y.Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+.+a1x+a0 adalah bentuk standar.

Secara umum. Operator ini bersifat linier. maka persamaan yang berhubungan dengan x dan w adalah: x1 = x = x + 0y x2 = 0 = 0x + y atau dalam bentuk matrik : Persamaan tersebut bersifat linier. dimisalkan w=T(x). y = r cos Θ dan w1 = r cos (ɵ + ɸ) . Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x. Unutk menemukan persamaan hubungan x dan w=T(x). Lalu. Operator Rotasi Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2. sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya. operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya terhadap beberapa garis atau bidang datar dinamakan operator refleksi. dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut ɵ positif yang tetap. dari rumus trigonometri dasar x = r cos Θ .r sin ɵ sin ɸ w2 = r sin ɵ cos ɸ + r cos ɵ sin ɸ kemudian disubtitusi sehingga: . maka T merupakan operator linier dan matrikx T adalah: Secara umum. w2= r sin (ɵ + ɸ) Menggunakan identitas trigonometri didapat: w1 = r cos ɵ cos ɸ .

yn). + a1x + a0 dari sudut minimum yang melewati setiap dari titik data.y0). Kurva ini harus memenuhi karena xi diketahui. maka T merupakan operator linier sehingga bentuk matrik dari persamaan diatas adalah: Interpolasi Polinomial Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0. Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): ..... ini akan menuju pada sistem matrik di bawah ini = Ingat bahwa ini merupakan sistem persegi dimana n = m...w1 = x cos Θ . Maka.y sin Θ w2 = x sin Θ + y cos Θ Persamaan diatas merupakan persamaan linier. kita diminta untuk menemukan kurva p(x) = amxm + am-1xm − 1 + . (xn.

Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.0).= (1) Matrix di atas diketahui sebagai Matrix Vandermonde.(2. Sistem linier pada (1) disebut menjadi Sistem Vandermonde.0).(0.0). kita mempunyai = . Contoh soal: Cari interpolasi polinomial pada data (-1.(1.6) menggunakan Sistem Vandermonde. kolom j merupakan elemen pangkat j-1.

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

. Contoh dari bidang vektor adalah aliran air di laut di mana dalam setiap titik arah aliran bisa berbeda-beda. integral vektor. Kalkulus vektor juga fokus pada bidang vektor. interpolasinya adalah GRADIEN Gradien (bahasa Inggris: gradient) dalam matematika adalah salah satu operator dalam kalkulus vektor yang berguna untuk mencari perubahan arah dan kecepatan dalam bidang skalar. dan teoremateorema yang berhubungan dengan operasi nabla. Cabang ilmu ini sangat berguna bagi para insinyur dan fisikawan dalam menyelasikan masalah karena mengandung teknik-teknik dalam menyelesaikan masalah yang berkaitan dengan vektor. Ruang Lingkup Kalkulus vektor melingkupi operasi vektor. gradien dari suatu vektor adalah: Kalkulus Vektor (Bahasa Inggris: Vector Calculus) (atau sering disebut Analisis Vektor) dalam matematika adalah salah satu cabang ilmu yang mempelajari analisis riil dari vektor dalam dua atau lebih dimensi. Dalam matematika. Contoh dari bidang skalar adalah temperatur udara di dalam suatu kamar. diferensial vektor.Didapatkan persamaan linier dari persamaan matrix di atas Jadi. Salah satu fokus dari kalkulus vektor adalah permasalahan bidang skalar. gradien didefinisikan sebagai: Sebagai contoh dalam sistem kartesian tiga dimensi. dimana terdapat suatu vektor dalam setiap titik dalam ruang. dimana terdapat suatu nilai dalam setiap titik dalam ruang.

adalah suatu vektor yang berarah sama dengan u. yaitu:     Gradien Divergensi Curl Laplacian Vektor satuan Vektor satuan adalah suatu vektor yang ternormalisasi. Dalam gaya penulisan yang lain (tidak menggunakan huruf tebal) adalah dengan menggunakan panah di atas suatu variabel. Terdapat empat operasi penting dalam kalkulus vektor berhubungan dengan operator ini. Umumnya dituliskan dalam menggunakan topi (bahasa Inggris: Hat). Isitilah vektor ternormalisasi kadangkadang digunakan sebagai sinonim dari vektor satuan. Dinotasikan secara matematika sebagai . yaitu Di sini adalah vektor yang dmaksud dan adalah besarnya . yaitu: di mana ||u|| adalah norma (atau panjang atau besar) dari u.Nabla Nabla (atau del) adalah salah satu operator yang digunakan dalam kalkulus vektor. yang berarti panjangnya bernilai 1. Suatu vektor ternormalisasi dari suatu vektor u bernilai tidak nol. sehingga: dibaca "u-topi" ('u-hat').