Daftar Isi

Kata Pengantar Daftar Isi 1 Sistem Persamaan Linear 1.1 1.2 1.3 1.4 1.5 1.6 2 Pengantar SPL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Penyelesaian SPL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matriks dan Operasinya . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matriks Invers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matriks Elementer dan Mencari Invers . . . . . . . . . . . . . . . . . . . . Matriks Diagonal, Segitiga dan Simetris . . . . . . . . . . . . . . . . . . .

ii iii 1 2 5 10 13 18 23 27 28 31 35 38 42 43 47 49 53 57 58 63 68 69 71

Determinan 2.1 2.2 2.3 2.4 Fungsi Determinan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cara Lain Menghitung Determinan . . . . . . . . . . . . . . . . . . . . . . Sifat Fungsi Determinan . . . . . . . . . . . . . . . . . . . . . . . . . . . Kofaktor dan Matriks Invers . . . . . . . . . . . . . . . . . . . . . . . . .

3

Vektor dan Operasinya 3.1 3.2 3.3 3.4 Pengantar Vektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Panjang Vektor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dot Product, Proyeksi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cross Product . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

Transformasi Linear dan Sifat 4.1 4.2 Transformasi Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sifat Transformasi Linear . . . . . . . . . . . . . . . . . . . . . . . . . . .

5

Ruang Vektor 5.1 5.2 Ruang Vektor Real . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kombinasi Linear dan Membangun . . . . . . . . . . . . . . . . . . . . .

iii

5.3 5.4 5.5 5.6

Bebas Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Basis dan Dimensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ruang Baris, Ruang Kolom dan Ruang Kosong . . . . . . . . . . . . . . . Rank dan Nulitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

73 76 79 83

iv

Modul

1

Sistem Persamaan Linear

Pendahuluan Pada Modul ini akan dibahas materi yang berkaitan dengan sistem persamaan linear atau biasa disingkat dengan sistem linear dan penyelesaian dari sistem tersebut. Kemudian akan dibahas atau dikenalkan beberapa metode penyelesaiannya dan himpunan penyelesaiannya.

Tujuan Instruksional Umum Mahasiswa menguasai atau memahami suatu teknik dasar aljabar linear dan mampu menggunakannya untuk menyelesaikan SPL.

Tujuan Instruksional Khusus Mhs dapat mengetahui bentuk SPL dan cara menyelesaikannya, begitu juga matriks dan operasinya, secara khusus diharapkan : 1. Memahami pengertian persamaan linear 2. Memahami sistem persamaan linear (SPL) 3. Menyelesaikan SPL dengan berbagai cara

1

1.1. Pengantar SPL

2

1.1

Pengantar SPL

Persamaan linear adalah persaman yang tidak mengandung atau melibatkan hasil kali atau akar variabel, semua variabel mempunyai pangkat satu dan tidak sebagai variabel bebas dari fungsi trigonometri, logaritma atau eksponen.

C ONTOH 1.1.1

Beberapa persamaan linear, yaitu 2x + 3y = 6 4x1 + 3x2 + 2x3 = 12 a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b (1.1) (1.2) (1.3)

♦ Persamaan 1.1 yaitu persamaan linear dengan variabel x dan y, dengan koefisien 2 dan 3 yang merupakan persamaan garis. Persamaan 1.2 yaitu persamaan linear dengan variabel x1 , x2 dan x3 , dengan koefisien 4, 3 dan 2 yang merupakan persamaan bidang. Sedangkan Persamaan 1.3 yaitu persamaan linear dengan variabel xi dan koefisien ai dan b dengan i = 1, 2, 3, · · · , n.

C ONTOH 1.1.2

Beberapa persamaan tak linear, yaitu 2x2 + y = 7 √ a1 x1 + a2 x2 + a3 x3 + · · · + an xn = b 2 3x1 x2 + 4x2 + 2x3 = 14 2 (1.4) (1.5) (1.6)

♦ Persamaan 1.4 bukan persamaan linear, karena variabel x mempunyai pangkat dua. Persamaan 1.5 bukan persamaan linear, karena terdapat perkalian dua variabel yaitu x1 x2 dan x2 mempunyai pangkat dua, begitu juga Persamaan 1.6. Penyelesaian dari persamaan linear adalah pemberian nilai pada variabel yang ada sedemikian hingga persamaan itu benar. Misal Persamaan 1.1, jika variabel x diberi nilai 0, maka variabel y harus bernilai 2, atau beri nilai sebarang pada x, maka nilai y dapat ditentukan kemudian, nilai sebarang itu misalnya t, sehingga x = t, Begitu juga untuk Persamaan 1.2 x1 = t, x2 = s, 1 x3 = (12 − 4t − 3s) 2 1 x = (6 − 3t) 2 1 y = (6 − 2t) 3

atau dengan pemberian nilai yang lain, misal y = t,

n x2 = t. Persamaan linear yang lebih dari satu (terhingga) dan variabelnya saling terkait. tetapi tidak memenuhi persamaan pertama. Pengantar SPL 3 Begitu juga untuk Persamaan 1. xn = sn .5 Sistem linear yang terdiri dari dua persamaan dengan dua variabel. misal x1 = s1 . 4x − 2y + 3z = −1 3x + y + 9z = −4 Salah satu penyelesaian dari sistem linear tersebut adalah x = 1.1. maka penyelesaian persamaan linear tersebut adalah pasangan terurut (s1 . diberi nilai yang sesuai sehingga persamaan linear tersebut memenuhi.4 Sistem linear yang terdiri dari dua persamaan dengan dua variabel. s3 . · · · . karena nilai tersebut memenuhi kedua persamaan. himpunan persamaan tersebut dinamakan sistem persamaan linear atau sistem linear.1. x = 2. ♦ C ONTOH 1. C ONTOH 1. sebab nilai tersebut memenuhi persamaan yang kedua. karena tidak ditemukan penyelesaian yang lain. maka semua penyelesaian dari persamaan terhimpunan dalam himpunan penyelesaian. x = 4 dan y = 1. s2 .2 1 x1 = (12 − 3t − 2s) 4 Sedangkan Persamaan 1. y = −1 dan z = −1 bukan penyelesaian dari sistem tersebut. sedangkan penyelesaian yang lain. sn ).3 Sistem linear yang terdiri dari dua persamaan dengan tiga variabel. kedua persamaan tersebut tidak konsisten. · · · . y = 2 dan z = −1. 3. 2. x3 = s.1.3 akan terpenuhi jika variabel xi dimana i = 1. yaitu a1 x + b1 y = c1 a2 x + b2 y = c2 . x+y = 3 3x + 3y = 8 Sistem linear tersebut tidak konsisten. 2x − 3y = 5 3x + y = 13 Hanya satu penyelesaian dari sistem linear tersebut. ada tiga kemungkinan penyelesaian dari sistem persamaan linear. ♦ Secara umum.1. karena jika persamaan pertama dikalikan dengan tiga. ♦ C ONTOH 1.1. x2 = s2 . yang dapat diilustrasikan sebagai dua persamaan garis. sehingga sistem linear tersebut tidak mempunyai penyelesaian. · · · . Karena penyelesaian dari persamaan tersebut tidak hanya satu.

Lihat Gambar 1.  bm dan dapat ditulis dalam bentuk singkat. 3.1(c) Sebarang sistem persamaan linear dengan m persamaan dan n variabel dapat ditulis sebagai berikut: a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2 a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = b3 . . 2. = . yaitu  a11 a12 a13 ··· ··· ··· ··· ··· a1n  x1   b1  (1. .1(a) 2. . yaitu Ax = b (1. .   .  .1. .1 Tiga Macam Penyelesaian Sistem Linear 1.1(b) 3.  . Lihat Gambar 1. · · · . 2. Sistem linear mempunyai banyak penyelesaian.   .  . Sistem linear tidak mempunyai penyelesaian. jika dua garis tersebut berpotongan pada satu titik. + ··· + .  . . Persamaan 1.9 dapat ditulis dalam bentuk matriks.7)   a21 a22 a23   a  31 a32 a33  .  amn   x2     x3  =    . . Pengantar SPL y l k y l k y 4 l k x (a) (b) x (c) x Gambar 1. jika dua garis tersebut sejajar. n. am1 x1 + am x2 + am3 x3 + · · · + amn xn = bm dengan xi adalah variabel dan aij dan bj adalah koefisien konstanta dengan i = 1.   xn  b2   b3   . Lihat Gambar 1.  . 3. + . . m dan j = 1. .  . . · · · . . . .1. . am1 am2 am3  a2n    a3n    . + . Sistem linear mempunyai satu penyelesaian. jika dua garis tersebut berimpit. .8) . .

Tambahkan perkalian dari persamaan ke persamaan yang lain Sedangkan pada metode operasi baris elementer.  . jika matriks b diganti dengan matriks 0.x dan = dihilangkan sehingga terbentuk suatu matriks yan glebih singkat yang dinamakan matriks diperbesar (augmented matrix). . (1. . . + . + . + ··· + .  . yaitu . .  . langkah untuk menghilangkan sebuah konstanta pada kolom tertentu dapat dilakukan dengan tiga langkah. . atau sistem tersebut mempunyai bentuk a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = 0 a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = 0 a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn = 0 . . . .  . . . .9) 1. am1 x1 + am x2 + am3 x3 + · · · + amn xn = 0 Sistem ini mempunyai penyelesaian trivial jika x1 = x2 = x3 = · · · = xn = 0 dan mempunyai penyelesaian tak trivial jika sistem mempunyai penyelesaian selain itu. Pada metode substitusi.  bm Suatu sistem dikatakan linear homogen.2 Penyelesaian SPL Untuk mencari penyelesaian umum atau himpunan penyelesaian dari suatu sistem persamaan linear. . yaitu 1. .2. Sebelum mencari penyelesaian dari sistem persamaan linear. am1 am2 am3 Sistem Linear Homogen  b2   b3   . Mengalikan persamaan dengan sebuah konstanta tak-nol 2. . amn b1    a21 a22 a23   a  31 a32 a33  . . hasilnya  a11 a12 a13 ··· ··· ··· ··· ··· a1n a2n a3n . . Tukarkan dua persamaan 3. = . ada beberapa cara yang sederhana adalah substitusi (seperti di SMU). yaitu matriks A dan mariks b digabung jadi satu kesatuan matriks.1. . Penyelesaian SPL 5 Pada proses pencarian penyelesaian dari sistem linear tersebut. langkah untuk menghilangkan sebuah variabel dapat dilakukan dengan tiga langkah. . perhatikan terlebih dahulu metode dasar atau elementer yang mirip dengan metode substitusi yaitu operasi baris elementer yang lebih dikenal dengan sebutan OBE. biasanya tanda +.

lakukan langkah pertama. sehingga menjadi 2x + 4y = 10 2x + 5y = 12 kemudian kurangkan Persamaan 1. yaitu: kalikan Persamaan 1.1.11 menjadi y=2 dan x + 2. jika menggunakan metode OBE.2.11) Untuk menyelesaikan dengan metode substitusi.10.10) (1. Penyelesaian SPL 6 1. x + 2y = 5 2x + 5y = 12 (1. Jika suatu baris tidak seluruhnya terdiri dari nol. dilanjutkan kurangi baris satu dengan dua kali baris kedua sehingga menjadi 1 2 10 2 5 12 B2 − 2B1 1 2 10 0 1 2 B1 − 2B2 1 0 1 0 1 2 ♦ kembalikan ke bentuk sistem persamaan linear. seperti pada Contoh 1. buatlah matriks diperbesar dari sistem persamaan linear tersebut.1.2 = 5. maka Persamaan 1. Mengalikan baris dengan sebuah konstanta tak-nol 2. Tukarkan dua baris 3. Pada bagian ini akan ditunjukkan bentuk dari suatu matriks yang mempunyai sifat baris eselon dan baris eselon tereduksi adalah sebagai berikut: 1. Jika ada baris terdiri dari nol semua.2.1 Pandang sistem persamaan linear berikut ini. kurangi baris kedua dengan dua kali baris pertama. maka angka tak-nol pertama dalam baris tersebut adalah satu yang disebut dengan utama-1 2. maka x=1 Tetapi.2. sehingga x = 1 dan y = 2 Baris Eselon Tereduksi Telah dipelajari langkah-langkah OBE. maka pindahkan ke bagian bawah matriks . Tambahkan perkalian dari baris ke baris yang lain C ONTOH 1. kemudian lakukan OBE dengan perintah.11 dengan Persamaan 1.10 dengan 2.

C ONTOH 1. maka matriks tersebut disebut matriks bentuk baris eselon.3 Selesaikan sistem persamaan linear dibawah ini dengan menggnakan metode eliminasi Gauss x+y+z = 6 x + 2y + 3z = 14 x + 4y + 9z = 36 Jawab: Ubah sistem linear ke bentuk matriks diperbesar.  1 1 1 6   1 2 3 14  1 4 9 36     . Setelah terbentuk baris eselon. kembalikan matriks tersebut dalam bentuk sistem linear dan kemudian lakukan substitusi balik mulai dari bawah.2.2.2. seperti dibawah ini    1 2 3 2     0 1 4 3  0 1 4 3   0 0 0 0  0 0 1 −1 0 0 0 0 1 2 3 2     0 1 4 3     0 0 0 1    0 0 0 0       1 2 3 2  Sedangkan matriks-matiks dalam bentuk baris eselon tereduksi adalah     1 0 0 2 1 0 0 0 1 0 0 2       0 1 0 0  0 1 0 3  0 1 0 0  0 0 1 2  0 0 1 0     0 0 1 −1 0 0 0 0 0 0 0 1 ♦ Metode Eliminasi Gauss Metode eliminasi Gauss adalah suatu metode untuk mencari himpunan penyelesaian dari sistem persamaan linear dengan menggunakan OBE. Penyelesaian SPL 7 3. sedemikian hingga matriksnya mempunyai bentuk baris eselon.1. utama-1 pada baris yang lebih bawah terletak disebelah kanan utama-1 dari baris atasnya 4.2 Matriks-matriks dalam bentuk baris eselon. Jika ada dua baris yang beurutan yang tidak seluruhnya nol. C ONTOH 1. sedangkan matriks yang mempunyai ke-empat sifat tersebut dinamakan matriks bentuk baris eselon tereduksi. 2 dan 3. Setiap kolom yang berisi utama-1 mempunyai nol di baris yang lainnya Jika suatu matriks mempunyai sifat 1.

3 = 8. y = 2 dan z = 3 Metode Eliminasi Gauss-Jordan Metode eliminasi Gauss-Jordan adalah suatu metode untuk mencari himpunan penyelesaian dari sistem persamaan linear dengan menggunakan OBE.3. x + 2 + 3 = 6. Penyelesaian SPL 8 kemudian lakukan OBE. yaitu z=3 y + 2. Setelah terbentuk baris eselon tereduksi. seperti  1 1 1 6   1 2 3 14  1 4 9 36  1 1 1 6   1 1 1 6   1 1 1 6   B2 − B1       0 1 2 8  B3 − B1  0 1 2 8       1 4 9 36 0 3 8 30  B2 ( 1 ) 2  1 1 1 6     0 1 2 8    0 0 1 3  B3 − 3B2   0 1 2 8    0 0 2 6 Ubah kembali ke sistem linear menjadi x+y+z = 6 y + 2z = 8 z = 3 lakukan substitusi balik. Dengan Contoh 1. lanjutkan OBEnya sedemikian hingga matriksnya berbentuk baris eselon tereduksi. yaitu  1 1 1 6   1 0 −1 −2 2 1   1 0 0 1      0 1 2 8  B1 − B2  0 1    0 0 1 3 0 0  1 0 0 1   B2 − 2B3   0 1 0 2    0 0 1 3  B1 + B3    0 1 2 8  8     0 0 1 3 3 . y=2 x=1 ♦ Jadi himpunan penyelesaiannya adalah x = 1. kembalikan matriks tersebut dalam bentuk sistem linear dan ditemukan kemudian lakukan substitusi balik mulai dari bawah.1.2. sedemikian hingga matriksnya menjadi bentuk baris eselon. sedemikian hingga matriksnya mempunyai bentuk baris eselon tereduksi.2.

2. x4 = 0 . y = 2 dan z = 3 ♦ C ONTOH 1.4 Carilah penyelesaian dari sistem linear homogen berikut x1 + x2 + x3 + x4 = 0 x1 + 2x2 + 3x3 + 4x4 = 0 x1 + 3x2 + 5x3 + −4x4 = 0 jawab: Ubah sistem linear dalam bentuk matriks. sehingga didapat x1 = x3 x2 = −2x3 x4 = 0 Jadi penyelesaiannya adalah x1 = s. Penyelesaian SPL 9 kembalikan ke bentuk sistem linear. seperti  1 1 1 1   1 1 1 1   1 1 1 1         1 2 3 4  B2 − B1  0 1 2 3  B3 − B1  0 1 2 3        1 3 5 −4 1 3 5 −4 0 2 4 −5  1 1 1 1   1 0 −1 2 0 −2 3 −11  1 0 −1 0 2 0   0   1     1 B3 (− 11  B1 − B2  B3 − 2B2   0 1 2  0 1 3     0 0 0 −11 0 0    0 1  0 0 1 0 −1 −2 2 0   1 0 −1 −2 2 0  B2 − 3B3   0 1 3    1 0 0   B1 + 2B3   0 1 0    1 0 0 kembalikan ke sistem linear.1. ♦ x2 = −2s. yaitu z=3 y=2 x=1 Jadi himpunan penyelesaiannya adalah x = 1. kemudian lakukan OBE sehingga menjadi matriks dalam bentuk eselon tereduksi.2. x3 = s.

karena hanya terdiri dari sebuah kolom saja.3.1 Matriks adalah susunan bilangan berbentuk segiempat.1 Beberapa contoh matriks    2  3 1 −2   2 . Matriks dan Operasinya 10 1.  . operasi yang berlaku dan beberapa sifat matriks. .  . Perhatikan definisi dibawah ini D EFINISI 1. ukuran matriks pertama adalah 3 × 2. dalam hal ini elemen dari matriks dibatasi pada bilangan real saja. .  0 2 −1 5 . sedangkan anggota dari matriks biasanya menggunakan huruf kecil.3. vektor kolom dan vektor baris dilambang dengan sebuah huruf kecil tebal atau huruf kecil diberi garis atasnya.3. . am1 am2 am3 atau dapat ditulis  a2n   a3n   . Begitu juga matriks selanjutnya mempunyai ukuran 3 × 3.  . matriks yang ketiga juga dinamakan dengan matriks baris atau vektor baris karena hanya terdiri dari sebuah baris saja dan yang terakhir adalah matriks kolom atau vektor kolom.  . Secara umum notasi untuk sebauh matriks menggunakan huruf besar.2 ditulis Matriks A mempunyai ukuran m × n. Keduanya. Bilanganbilangan dalam susunan itu dinamakan anggota matriks tersebut C ONTOH 1. yaitu (A)ij = aij ♦ .  5    −2  1 1 −1 2 5 1   −3  . seperti pada Contoh 1. . maka matriks tersebut dapat  a11 a12 a13 ··· ··· ··· ··· ··· a1n    a21 a22 a23   A =  a31 a32 a33  . .1. .3.  amn A = (aij )m×n = (aij ) jika diinginkan untuk menyebut sebuah anggota matriks A pada baris ke-i dan kolom ke-j.1 secara berurutan. C ONTOH 1.3.  2  ♦    4    7 Ukuran matriks ditunjukan dengan banyaknya baris dan banyaknya kolom.3 Matriks dan Operasinya Pada bagian ini akan dibahas tentang definisi matriks. karena matriks terdiri dari tiga baris dan dua kolom.

3.3. hasil penjumlahannya atau pengurangannya adalah (A ± B)ij = (A)ij ± (B)ij = aij ± bij C ONTOH 1. ♦ D EFINISI 1. maka kedua matriks tersebut dapat dijumlahkan atau dikurangkan. adalah A+B = 1 + 4 2 + (−3) 3+6 4+3 = 5 −1 9 −3 7 5 A−B = 1 − 4 2 − (−3) 3−6 4−3 = −3 −1 bagaimana kalau A + C. maka berlaku (A)ij = (B)ij .3. Untuk menambahkan atau mengurangkan kedua matriks tersebut anggota yang berpadanan dijumlahkan atau dikurangkan. Matriks yang tidak mempunyai ukuran yang sama tidak dapat dijumlahkan atau dikurangkan Dua matriks A = (aij ) dan B = (bij ) dapat dijumlahkan atau dikurangkan jika kedua mtriks tersebut mempunyai ukuran yang sama.2 Dua matriks dikatakan sama jika kedua matriks tersebut mempunyai ukuran yang sama dan anggota yang berpadanan juga sama Jika ada dua matriks A = (aij ) dan B = (bij ) dikatakan sama. Perhatikan contoh dibawah ini. tidak dapat dilakukan karena ukuran kedua matriks tersebut tidak sama. maka nilai x pada A harus sama dengan 2.3 Jika dua matriks A dan B mempunyai ukuran yang sama. ♦ . C ONTOH 1. Matriks B tidak sama dengan matriks C.3. Matriks dan Operasinya 11 Perhatikan beberapa definisi dibawah ini: D EFINISI 1. karena kedua matriks tersebut tidak mempunyai ukuran yang sama.1.4 A= Pandang tiga matriks 1 2 3 4 B= 4 −3 6 3 C= 7 2 5 3 4 6 maka hasil penjumlahan dan pengurangan matriks A dan B.3 A= 1 x 3 4 Pandang tiga matriks B= 1 2 3 4 C= 1 2 5 3 4 6 Jika matriks A = B.3.

3 3.4 dapat dikalikan.4 + 2.3.4 dikalikan dengan 3. maka hasil kali skalar dan matriks cA adalah mengalikan semua anggota A dengan skalar c C ONTOH 1.1. Matriks dan Operasinya 12 D EFINISI 1.3.3. maka hasilnya 3A = 3 1 2 3 4 = 3 6 9 12 Begitu juga jika matriks C dikalikan dengan 2.5 Dua matriks A dan B dapat dikalikan.6 1. C ONTOH 1. hasilnya 2C = 2 ♦ 7 2 5 3 4 6 = 14 4 10 6 8 12 D EFINISI 1.3.3. hasilnya AC = 1 2 3 4 7 2 5 3 4 6 = 13 10 17 33 22 39 sedangkan matriks C tidak dapat dikalikan dengan matiks A. jika matriks A mempunyai r × n.3.5 adalah Jika matriks A pada Contoh 1. dan matriks B harus mempunyai ukuran n × l maka matriks hasil-kalinya mempunyai ukuran r × l dengan anggota ke-ij berasal dari perkalian baris ke-i dari matriks A dengan kolom ke-j dari matriks B. karena ukuran matriksnya tidak sesuai dengan definisi yang ada.3 = 16 3 36 3 dengan cara yang sama.6 3.4 Jika A sebarang matriks dan c sebarang skalar.(−3) + 2.3. karena ukuran matriks A adalah 2 × 2 dan matriks B berukuran 2 × 2 sehingga kedua matriks tersebut dapat dikalikan dan hasilnya adalah AB = 1 2 3 4 4 −3 6 3 = 1.6 Matriks transpose dari matriks A ditulis AT yang anggotanya merupakan anggota A dengan mengubah baris menjadi kolom dan kolom menjadi baris .6 Matriks A dan B pada Contoh 1. ♦ D EFINISI 1.4 + 4. jika matriks A dikalikan dengan matriks C.3.(−3) + 4.

Tiga bilangan a. . Sebuah matriks dikatakan matriks nol.4. maka salah satu bilangan tersebut harus nol.3. didefinisikan sebagai jumlah anggota-anggota pada diagonal utam matriks A C ONTOH 1.7 Jika matriks A persegi. jika semua anggota dari matriks tersebut nol semuanya.4. maka trace A dinyatakan dengan tr(A). jelas bahwa A + 0 = 0 + A = A. maka tr(A) = 1 + 4 = 5 tr(B) = 4 + 3 = 7 sedangkan trace dari matriks C tidak dapat dicari. Sedangkan ukuran dari matriks nol tersebut tergantung pada matriks kawannya.1 Contoh beberapa matriks nol dengan beberapa ukuran yang berbeda     0 0 0 0     0 0 0 0 0  0 0 0   0      0 0 0 0 0 0 0 0 0 ♦ Jika matriks sebarang A dan matriks nol 0 dengan ukuran yang sama. Hal ini ttidak berlaku pada matriks. begitu juga untuk dua bilangan yang berbeda.1. C ONTOH 1.3. bdan c semuanya tidak nol.8 Dengan menggunakan matriks pada Contoh 1.4. Sebelumnya akan dikenal terlebih dahulu beberapa jenis matriks yang akan dipakai secara langsung. jika ab = ac.3. Matriks Invers 13 C ONTOH 1. karena matriks C bukan matriks persegi ♦ 1. Sifat-sifat dasar dari suatu matriks yang mempunyai invers. jika de =. sama seperti bilangan real a + 0 = 0 + a = a.4 Matriks Invers Pada bagian ini akan dibahas tentang invers dari suatu matriks dan cara mencari inversnya.3.4 adalah  AT = 1 3 2 4 BT = 4 6 7 3 −3 3    CT =  2 4    5 6 ♦ D EFINISI 1. maka b = c.3.7 Transpose ketiga matriks pada Contoh 1.

2 Pandang empat yang berbeda A= berlaku AB = AC = 3 4 6 8 0 1 0 2 B= 1 1 3 4 C= 2 5 3 4 D= 3 7 0 0 padahal matriks B tidak sama dengan matriks C. ♦ Matriks identitas adalah matriks persegi yang anggotanya semua nol kecuali pada diagonal utama semuanya bilangan satu.4.4.3 Beberapa contoh matriks identitas  I2 = 1 0 0 1   1 0 0   I3 =  0 1 0    0 0 1   0 1 0 0 I4 =   0 0 1 0  0 0 0 1 1 0 0 0       ♦ Matriks sebarang A jika dikalikan dengan matriks identitas atau sebaliknya (dapat dilakukan). biasanya disimbol dengan In . Matriks Invers 14 C ONTOH 1.4.4 Misalkan matriks A= maka I2 A = begitu juga AI3 = ♦ 2 3 4 4 7 9 1 0 0 1 2 3 4 4 7 9  1 0 0 =  2 3 4 4 7 9 2 3 4 4 7 9 2 3 4 4 7 9    0 1 0 =   0 0 1 . C ONTOH 1. dimana n adalah ukuran matriksnya. hasilnya adalah matriks A sendiri.1.4. salah satu dari matriks tersebut tidak harus nol. begitu juga AD = 0. atau ditulis AI = IA = A C ONTOH 1.

1.1 Jika matriks persegi A dilakukan OBE pada matriks tersebut sehingga menjadi matriks yang berbentuk baris eselon tereduksi yaitu R.   A= 1 2 3    1 4 9 lakukan operasi baris elementer. 2 −1 2 −1 −5 3 3 5 1 2 C ONTOH 1. setiap satu utama yang dihasilkan maka pada kolom tersebut pada baris yang lainnya semua nol. sedemikian hingga berlaku AB = BA = I.5 Pandang matrisk persegi.4. maka yang dihasilkan adalah matriks identitas atau matriks yang mengandung baris yang nol semua. maka A disebut matriks yang dibalik atau matiks yang punyai invers dan matriks B disebut invers dari matriks A.2 Jika A matriks persegi dan jika matriks persegi lain yang dapat ditemukan B berukuran sama.4. Bukti: Pandang suatu matriks persegi A kemudian lakukan OBE. maka R adalah matriks yang mempunyai baris nol semua atau matriks identitas. Matriks Invers 15 Perhatikan teorema berikut ini T EOREMA 1.4.4.6 karena Matriks B = 3 5 1 2 adalah invers dari matiks A = −5 3 1 0 0 1 AB = = =I .4. sehingga    1 1 1 B2 − B1 1 1 1     1 2 3   0 1 2    1 4 9 B3 − B1 0 3 8    0 1  0 0 ♦ Pada bagian ini akan dibahas tentang invers dari suatu matriks. ♦  1 1 1  C ONTOH 1. sebelumnya perhatikan definisi invers dibawah ini 1 0 −1  B1 + B3     B1 − B2 B3 − 3B2  1 0 0    0 1  0 0 1 0 −1   2   2 B3 ( 1 ) 2      0 1 0  2     1 B2 − 2B3 0 0 1 D EFINISI 1. Jika dilakukan terus.

maka (AB)(B −1 A−1 ) = ABB −1 A−1 = AIA−1 = I Secara simultan telah ditunjukan bukti untuk (a). sedangkan (CA)B = IB = B.7 A= Tinjau matriks dibawah ini 1 2 1 3 B= 2 2 2 3 AB = 6 8 8 11 maka dapat ditemukan A−1 = sedangkan B −1 A−1 = ♦ 3 2 3 −1 −2 1 B −1 = 3 2 −1 1 −1 (AB)−1 = 11 2 −4 3 −4 −1 1 3 −1 −2 1 −1 = 11 2 −4 3 −4 = (AB)−1 . AB juga mempunyai invers 2. maka 1.4 Jika matriks A dan B adalah matriks yang mempunyai invers dan beukuran sama.4.4. sehingga C(AB) = CI = C. maka AB = I. ♦ C ONTOH 1. jadi B = C ♦ T EOREMA 1.4. maka B = C Bukti: Karena B invers dari A.3 Jika B dan C keduanya adalah invers dari matriks A. Kalikan kedua sisi dengan C.4. (AB)−1 = B −1 A−1 Bukti: Dengan mengalikan kedua sisi dengan AB.1. Matriks Invers 16 dan BA = ♦ Sekarang perhatikan teorema berikut 2 −1 −5 3 3 5 1 2 = 1 0 0 1 =I T EOREMA 1.

A−1 mempunyai invers.5 Jika matriks persegi A.1.4.7 Jika A matriks yang mempunyai invers.4. maka Ar As = Ar+s (Ar )s = Ars T EOREMA 1. untuk n bilangan bulat positip 1 3. antara lain D EFINISI 1. maka dapat didefiniskan A0 = I An = AAA · · · A n f aktor jika A mempunyai invers.8 Lihat matriks pada Contoh 1. Matriks Invers 17 Beberapa sifat yang tersirat pada definisi dan teorema (bukti cari di buku lain) yang dapat dipakai untuk menambah wawasan. didefinisikan A−n = (A−1 )n = A−1 A−1 A−1 · · · A−1 n f aktor (n > 0) T EOREMA 1. An mempunyai invers dan (An )−1 = (A−1 )n .4.4. dan r.4. s bilangan bulat.4. Untuk k skalar tak nol.6 Jika matriks persegi A. yaitu A= maka A3 = dan A−3 = (A−1 )3 = ♦ 3 −1 −2 1 3 −1 −2 1 3 −1 −2 1 = 41 −15 −30 11 1 2 1 3 1 2 1 3 1 2 1 3 = 11 30 15 41 1 2 1 3 dan A−1 = 3 −1 −2 1 . kA mempunyai invers dan (kA)−1 = k A−1 C ONTOH 1. dan (A−1 )−1 = A 2. maka 1.7.

4.7.4. . dan matriks E3 operasinya adalah tukarkan baris pertama dengan baris ketiga. ♦ Jika ada matriks sebarang dapat dikalikan dengan matriks elementer maka hasilnya sama dengan matriks sebarang tersebut dilakukan OBE yang sama dengan matriks elementer tersebut.1 Perhatikan tiga matriks elementer berikut      1 0 0 1 0 0 0 0 1       0 1 0   0 1 0   0 1 0 E1 =  E2 =  E3 =    0 0 3 2 0 1 1 0 0     Matriks E1 adalah matriks hasil OBE terhadap matriks identitas dengan operasinya adalah baris ketiga dikalikan dengan tiga.1 Matriks elementer atau matriks dasar adalah matriks persegi yang dihasilkan dari OBE tunggal terhadap matriks identitas.1.5 Matriks Elementer dan Mencari Invers Pada bagian ini akan dibahas tentang matriks elementer atau matriks dasar yaitu suatu matriks yang didapat dari OBE dari matriks identitas. yaitu A= maka A= 3 −1 −2 2 ♦ dan (AT )−1 = 3 −2 −1 1 1 2 1 3 dan AT = 1 1 2 3 seperti pada Teorema 1.9 Lihat matriks pada Contoh 1.5. maka AT juga mempunyai invers dan (AT )−1 = (A−1 )T C ONTOH 1. matriks E2 operasinya adalah baris ketiga ditambah dua kali baris kedua. 1.4. Dibahas pula cara mencari invers dari suatu matriks. Matriks Elementer dan Mencari Invers 18 T EOREMA 1. C ONTOH 1.4.8.5. Perhatikan definisi dibawah ini D EFINISI 1.5.8 Jika matrisk A mempunyai invers.

♦ .1 akan dilakukan operasi kebalikan sedemikian hingga kembali menjadi matriks identitas     1 0 0 1 0 0   B3 ( 1 )   3  0 1 0 =I E1 =  0 1 0      0 0 3 dan  1 0 0   1 0 0 0 0 1    B3 − 2B1    0 1 0 =I E2 =  0 1 0      2 0 1 0 0 1 dan  0 0 1  B13  1 0 0    E3 =  0 1 0    1 0 0    0 1 0 =I   0 0 1 OBE yang dikenakan pada E1 .5. misal A  1 0 2 4    A =  2 −1 0 2    1 0 1 0 dapat dikalikan dengan matriks E1 pada Contoh 1.5. maka hasilnya sama dengan matriks A dengan OBE yang sama      1 0 0 1 0 2 4 1 0 2 4      E1 A =  0 1 0   2 −1 0 2  =  2 −1 0 2       0 0 3 1 0 1 0 3 0 3 0 sedangkan  1 0 2 4  B3 (3)  1 0 2 4    A =  2 −1 0 2    1 0 1 0 ♦    2 −1 0 2    3 0 3 0 Hasil satu operasi OBE pada matriks identitas menghasilkan sebuah matriks elementer. yaitu baris ketiga dikalikan dengan sepertiga adalah kebalikan dari OBE pada I yang menghasilkan E1 . yaitu baris ketiga dikalikan dengan tiga.3 Perhatikan tiga matriks elementer pada Contoh 1.5.5.1. Matriks Elementer dan Mencari Invers 19 C ONTOH 1.1. sebaliknya sebuah matriks elementer dapat juga dilakuan satu operasi OBE sedemikian hingga kembali menjadi matriks identitas dengan operasi kebalikannya. Begitu juga untuk E2 dan E3 .2 Matriks sebarang.5. C ONTOH 1.

yang menetapkan hubungan antara keterbalikan.5. C ONTOH 1. sistem linear homogen.2 Setiap matriks elementer mempunyai invers.5. maka EE0 = E0 E = I artinya E0 adalah invers dari E atau sebaliknya.1.4 pada baris ketiga Perhatikan matriks elementer yang dihasilkan dengan mengalikan tiga  1 0 0  B3 (3)  1 0 0    I= 0 1 0    0 0 1    0 1 0 =E   0 0 3 perhatikan pula matriks elementer yang dihasilkan dengan operasi kebalikannya yaitu baris ketiga dikalikan dengan sepertiga  1 0 0   0 1 0 I= 0 0 1 sekarang kalikan antara E dan E0 atau sebaliknya   1 0 0 1 0 0   EE0 =  0 1 0   0 1 0   0 0 3 atau sebaliknya  1 0 0  1 0 0   1 0 0       E0 E =  0 1 0   0 1 0  =  0 1 0  = I      0 0 3 0 0 1 0 0 1 3 ♦ Perhatikan teorema berikut ini. dan inversnya meru pakan matriks elementer juga Bukti: Jika E matriks elementer yang dihasilkan dari OBE pada I. dan E0 juga merupakan matriks elementer yang dihasilkan dari OBE pada I dengan opeasi kebalikannya. 0 0 1 3     B3 ( 1 ) 3  1 0 0     0 1 0  = E0   0 0 1 3   1 0 0     = 0 1 0 =I    0 0 1 . bentuk baris-eselon tereduksi dan matriks elementer yang hasilnya sangat penting. Matriks Elementer dan Mencari Invers 20 Oleh karena itu perhatikan teorema berikut ini T EOREMA 1.5.

maka bentuk baris eselon tereduksi dari A adalah I Untuk menyelesaikan sistem linear homogen tersebut. A dapat dinyatakan dalam perkalian beberapa matriks elementer Bukti: Akan dibuktikan sesuai urutannya yaitu a → b → c → d → a a→b Jika A mempunyai invers.5. maka Ax = 0 Andaikan invers dari A adalah A−1 . . . maka akan terbentuk matriks   1 0 0 · ·· 0    0 0 1 0 ·     ·· 0 0 00 1     . .A mempunyai invers b.5. . yaitu semua benar atau semua salah a.   . . Matriks Elementer dan Mencari Invers 21 T EOREMA 1.  · ·· 0 0 . . .   . 0 0 0 ··· 1 0 ·· kembalikan ke bentuk semula maka matriks A hasil OBE tersebut adalah bentuk baris eselon tereduksi. yaitu buat matriks diperbesar kemudian lakukan OBE.Ax = 0 hanya mempunyai penyelesaian trivial c. . .3 Jika A matriks persegi pernyataan berikut ekuivalen. . sehingga A−1 Ax = A−1 0 x = 0 jadi penyelesaiannya Ax = 0 adalah penyelesaian trivial. gunakan eliminasi Gauss-Jordan. . b→c Jika Ax = 0 mempunyai penyelesaian trivial.1. . maka kedua sisi kalikan dengan A−1 .Bnetuk baris eselon tereduksi dari A adalah I d.

padahal setiap satu OBE adalah matriks elementer.5. sehingga Ek · · · E3 E2 E1 A = I dan setiap matriks elementer mempunyai invers. kemudian lakukan OBE sedemikian hingga matriks A menjadi I dan matriks I menjadi A−1 .5. yaitu dengan cara melakukan serangkaian OBE pada matriks A dan juga pada matriks I. dapat digunakan untuk mencari invers dari suatu matriks persegi misal A.5. maka −1 −1 −1 −1 A = E1 E2 E3 · · · Ek sehingga matriks A dapat dinyatakan sebagai hasil kali beberapa matriks elementer. sampai dengan matriks A menjadi matriks I. d→a Jika A dapat dinyatakan sebagai hasil kali beberapa matriks elementer.3. jika pada matriks A dikenai OBE maka akan menjadi I. ♦ Dari Teorema 1. maka matriks I akan menjadi A−1 . maka A dapat dinyatakan sebagai hasil kali beberap matriks elementer Pada pembuktian sebelumnya. Secara singkat dapat digambar sebagai berikut (A : I) OBE (I : A−1 ) C ONTOH 1. seperti dibawah ini     1 1 1 : 1 0 0 B2 − B1 1 1 1 : 1 0 0 B1 − B2      1 2 3 : 0 1 0   0 1 2 : −1 1 0  (A : I) =     1 4 9 : 0 0 1 B3 − B1 0 3 8 : −1 0 1 B3 − 3B1    0 1  0 0 2 2 1 0 −1 :  B2 − B3  B3 ( 1 ) 2 : −1 1 0   : 2 −3 1 B1 + B3 2 −1 0  1 0 0 : 3 −5 2 1 2 1 2    0 1 0 : −3 4  0 0 1 : 1 −3 2  −1  = (I : A−1 )  . maka matriks A memang punya invers.5 Carilah invers dari  1 1 1    A= 1 2 3    1 4 9 Gabungkan matriks A dengan matriks I. maka A punyai invers Dari hasil kali yang terakhir. Matriks Elementer dan Mencari Invers 22 c→d Jika bentuk baris eselon tereduksi dari A adalah I.1.

Beberapa contoh matriks diagonal dibawah ini 3 0  0 −7   1 0 0    0 1 0    0 0 1   0 4 0 0   0 0 0 0  0 0 0 −3 1 0 0 0       Secara umum. . . matriks diagonal dengan ukuran n dilambangkan dengan Dn . . Matriks Diagonal Matriks diagonal adalah matriks persegi yang semua anggotanya nol semua kecuali pada diagonal utama yang semuanya tidak harus nol.  1 dn 0  sehingga DD−1 = D−1 D = I. sedangkan perkalian atau pangkat dari matriks diagonal . yaitu  1 0 0 d1  1  0 d 0 2   0 0 1 −1 Dn =  d3  . . 0 0 0 ··· ··· ··· ··· ···  0   0   .6 Matriks Diagonal.  .6. . .  . Segitiga dan Simetris Pada bagian ini akan dibahas sedikit tenatang jenis dari suatu matriks. .  . ··· . . ditulis   d1 0 0 · · · 0    0 d2 0 · · · 0     0 0 d ··· 0  Dn =   3  .  . . . segitiga dan simetris dan sifat-sifat dari matriks tersebut.  . Segitiga dan Simetris 23  Jadi  3  A−1 =  −3 4  1 −3 2 ♦ −5 2  −1   1 2 1 2 1. yaitu matriks diagonal.1.  . Matriks Diagonal. .  0 0 0 · · · dn Matriks diagonal mempunyai invers.  . .  .

kemudian ka likan matriks sebarang dengan matriks diagonal. Apa yang dapat saudara simpulkan dari dua perkalian matriks tersebut. yaitu matriks segitiga atas dan matriks segitiga bawah.1 Jika   A= 0 2 0    0 0 3 maka   A−1 =  0 1  2 0 0 ♦ Sekarang cobalah mengalikan matriks diagonal dengan matriks sebarang. ··· . .  dk n 0  C ONTOH 1. . Matriks Diagonal. . Matriks Segitiga Ada dua macam matriks segitiga. yaitu • Matriks segitiga atas A = [aij ] jika dan hanya jika aij = 0 untuk i > j. yaitu  1 1 2  1 2 1    B= 0 0 3    0 0 3   −2  3  1 3  A−1 =  0  0 1 −1 2 1 2 0 0 . Atau dengan perny ataan dibawah.  .2 Tinjau dua matiks segitiga atas     A= 0 2 4    0 0 3 Matriks A mempunyai invers. 0 0 dk 2 0 . . Matriks segitiga atas adalah matriks persegi yang semua anggotanya dibawah diagonal utama semuanya nol. Segitiga dan Simetris 24 dapat ditulis dengan      k D =    dk 1 0 0 .6.6. sedangkan • Matriks segitiga bawah B = [bij ] jika dan hanya jika bij = 0 untuk i < j 1 0 0 1 3 1 0 0   0    1 0 0    A−3 =  0 1  8 0 0 1 0 0   0   1 27   A3 =  0 8 0    0 0 27 C ONTOH 1. sedangkan matriks segitiga bawah kebalikannya. 0 ···   0   0   .6. .  . 0  0 0 ··· ··· dk · · · 3 .1.

periksalah  3 4 4 −7  1 3 1    3 2 −2    1 −2 3  1 0 0 0         0 4 0 0   0 0 2 0  0 0 0 −3 T EOREMA 1. yaitu A= 1 2 2 3 B= −2 1 1 0 maka A+B = −1 3 3 3 A−B = 3 1 1 3 ♦ 2A = 2 4 4 6 semuanya simetris sesuai dengan teorema diatas T EOREMA 1. maka 1. bagaimana kalau kedua matriksnya adalah matriks Matriks Simetris Matriks simetris adalah matriks persegi A yang mempunyai sifat AT = A. Beberapa matriks dibawah ini adalah matriks simetris. Matriks Diagonal.AT juga simetris 2.2 Jika A matriks simetris yang mempunyai invers. maka A−1 juga simetris . dan jika k adalah skalar.6.1.1 Jika A dan B adalah matriks simetris dengan ukuran yang sama.A + B dan A − B simetris 3.6.6.3 Dimisalkan dua matriks. kA adalah simetris dalam hal ini tidak dibuktikan (buktikan sendiri).6. Segitiga dan Simetris 25 Sedangkan matriks B tidak mempunyai invers (Buktikan sendiri) dan jika kedua matriks tersebut dikalikan  1 2 10    BA =  0 0  0 0 1 5 13   9   9   AB =  0 0 18    0 0 9 segitiga bawah ♦ juga merupakan matriks segitiga atas. Contoh berikut yang akan meyakinkan teorema diatas C ONTOH 1.

Segitiga dan Simetris 26 Bukti: Dengan menganggap A simetris dan mempunyai invers. Jika A matriks berukuran sebarang. C ONTOH 1. yaitu A= maka AAT = 1 2 3 1 2 3 −2 3 5   1 −2  3 =  5  1 2 3 −2 3 5  =  −4  −7 5 −4 −7 13 21 14 19 19 38   21   34 −2 3 5  1 −2 3  3   5   2  3 dan   AT A =  2  Perhatikan hasil kalinya ♦ Dan jika A adalah matriks persegi.4 Pandang matriks A berukuran 2 × 3.1. . maka hasil kali dari AAT atau AT A adalah suatu matriks persegi yang simetris.6. dan A = AT . maka perhatikan teorema dibawah ini T EOREMA 1. maka AAT dan AT A juga mempunyai invers.3 Jika A matriks yang mempunyai invers. maka (A−1 )T = (AT )−1 = A−1 yang merupakan matriks simetris.6. Matriks Diagonal.6.

Tujuan Instruksional Umum Mahasiswa menguasai atau memahami fungsi determinan. Menyelesaikan SPL dengan berbagai cara 27 . Memahami pengertian fungsi determinan 2.Modul 2 Determinan Pendahuluan Pada Modul ini akan dibahas materi yang berkaitan dengan determinan atau tepatnya fungsi determinan yang sangat erat hubungannya dengan sistem persamaan linear atau biasa disingkat dengan sistem linear. secara khusus diharapkan : 1. Tujuan Instruksional Khusus Mhs dapat mengetahui fungsi detreminan dan cara menghitungnya. Memahami perhitungan determinan dan sifat-sifatnya 3. begitu juga mencari invers. cara mencarinya dan mendapat invers dari suatu matriksyan gerat hubungannya dengan penyelesaian SPL. Kemudian akan dibahas atau dikenalkan bagaimana mendapat invers dari suatu matriks yang mempunyai invers.

posisi ketiga terdiri dari dua dan posisi ke-empat hanya satu atau dapat ditulis permutasi − empat = 4. 1. 2. 4.1 = 4! = 24 . 4. 4. (2. 2) (4. (4. 4). 3). 4). (4. 2). 4. 1. 2. 3). 2. 2) ♦ Metode yang lebih mudah. 1) ♦ C ONTOH 2.1 Permutasi Empat Dari contoh diatas. (2. 4). 3}. (3. 4). 2. 1) (3. (3. 2. Perhatikan definisi dibawah ini D EFINISI 2.3. harus kenal terlebih dahulu tentang permutasi. (4. 4. 1. 2. (1. seperti pada Gambar 2. 1. 2). 2). 2. 1.1. 3. 3. 1. (1. 2. n} adalah suatu susunan bilangan-bilangan bulat dalam suatu urutan tanpa pengulangan Akan lebih jelas. 1). 3. (3. 3. 1. · · · . 4}. 3). (4. 3. 3). (1. 3. 1). 3). 4. 2). 3. (2. (2. 1. 4. 2. 3. 3. (2. (3. 2. 1). 4. (3. 2. 3.1 Permutasi suatu himpunan bilangan bulat {1. (4. 3. 3. 3. 1). 2. permutasi tersebut adalah (1. (2. 3. ada 24 permuatasi dari {1.1 Ada enam permutasi yang berbeda dari himpunan bilangan bulat {1. 2. 4. 2. 1. perhaqtikan contoh dibawah ini C ONTOH 2. 1. 3). yaitu posisi pertama terdiri dari empat. 1. 3).2 Ada 24 permutasi yang berbeda dari himpunan bilangan bulat {1. 1.1 Fungsi Determinan Sebelum memepelajari fungsi determinan. 4. 1). 2.2. 3. 2. (3.1. 4). 3.2. 3). Hasil tersebut merupakan perkalian dari posisi. 2) (2. permutasi tersebut adalah (1. 1. yaitu dengan menggunakan pohon permutasi. 2. Fungsi Determinan 28 2.1. 2.1 2 3 4 2 1 3 4 1 2 3 2 4 2 4 2 1 1 2 3 4 2 3 4 1 2 1 1 4 3 4 4 1 2 3 2 3 2 23 3 3 4 2 3 4 4 3 14 22 1 3 1 1 43 1 2 3 4 1 4 1 1 1 12 3 4 2 4 1 1 3 2 4 3 43 3 4 1 4 1 3 3 4 2 4 2 3 4 3 4 2 3 2 2 4 1 4 2 1 2 3 3 1 2 1 3 2 1 3 1 2 4 3 4 1 3 1 4 2 4 1 1 2 Gambar 2.1. (1. 1). 4. 4. (3. 4). posisi kedua terdiri dari tiga. 1. (1. 2). 4}. (1. (2. 3.

3.2. sehingga ada satu pembalikan • bilangan 2. maka perkalian dasarnya terdiri dari n elemen yaitu a1 a2 a3 · · · an .1 = n! Selanjutnya akan dibahas tentang pembalikan. dan 5.3. • bilangan 5. sehingga ada 5 pembalikan. Jika matriks tersebut berukuran n × n. dapat dicari dengan cara yang sama. 3) (1.1. mendahului 2. tidak mendahului • bilangan 4. 2) (2.3 Hasil permutasi adalah (6.4.2. yaitu permutasi − n = n.2.2 Jika dalam suatu permutasi terdapat jumlah pembalikan yang genap maka permutasi tersebut disebut permutasi genap. 1. 1) (3. 2. mendahului 3. 3. Sedangkan jumlah pembalikan adalah banyaknya bilangan yang lebih besar menadahuli bilangan yan glebih kecil..1. tidak mendahului. mendahului bilangan 1. begitu juga bilangan 1 ♦ jadi jumlah pembalikannya adalah 5 + 2 + 1 = 8 pembalikan Perhaitkan definisi dibawah ini D EFINISI 2. 1) Jumlah Pembalikan 0 1 1 2 2 3 Klasifikasi genap ganjil ganjil genap genap ganjil Hasil kali dasar dari suatu matriks persegi yaitu perkalian dari semua elemen matriks terhadap elemen matriks yang lain dengan mengikuti aturan tertentu.4 Dari Contoh 2. Pembalikan adalah suatu urutan bilangan besar mendahului bilangan yang lebih kecil. 3. 2.3. Lebih lengkapnya perhatikan contoh dibawah ini. 3) (2. C ONTOH 2. 2. 2. 5) • bilangan 6.(n − 1).1. 1. sehingga ada 2 pembalikan • bilangan 3. 4. Fungsi Determinan 29 Untuk permutasi n bilangan yang berbeda. begitu juga jika terjadi jumlah pembalikan yang ganjil maka disebut dengan permutasi ganjil C ONTOH 2. 1.1.1. · · · .1 hasil permutasi tercantum dalam tabel berikut Permutasi (1. 2) (3.

Perhatikan definisi fungsi determinan berikut ini D EFINISI 2.2.1.1. it Fungsi determinan A atau biasanya disingkat dengan determinan A dinyatakan dengan det(A) sebagai jumlahan hasil kali dasar beserta tanda dari A Akan lebih jelas perhatikan contoh-contoh berikut C ONTOH 2. misalkan A= Perhatikan tabel berikut Permutasi (1. misalkan  a11 a12 a13    A =  a21 a22 a23    a31 a32 a33 Perhatikan tabel berikut Permutasi (1.3 Pandang matriks A matriks persegi.5 Hitung determinan dari matriks persegi A berukuran 2 × 2.2) (2.1) Hasil Kali Dasar a11 a22 a33 a11 a23 a32 a12 a21 a33 a12 a23 a31 a13 a21 a32 a13 a22 a31 Pembalikan genap ganjil ganjil genap genap ganjil Hasil Kali Dasar Bertanda a11 a22 a33 −a11 a23 a32 −a12 a21 a33 a12 a23 a31 a13 a21 a32 −a13 a22 a31 . Fungsi Determinan 30 sedangkan banyaknya perkalian dasar adalah n! yaitu banyaknya permutasi yang diisikan pada tanda setrip dan tanda positif atau negatif tergantung dari hasil pembalikan.3.1) (3.3) (1.1.2.1.3.6 Hitung determinan dari matriks persegi A berukuran 3 × 3.3) (2.1.2) (3.2) (2. jika permutasi genap bertanda positif dan sebaliknya permutasi ganjil betanda negatif.1.2.1) Hasil Kali Dasar a11 a22 a12 a21 Pembalikan genap ganjil Hasil Kali Dasar Bertanda a11 a22 −a12 a21 a11 a12 a21 a22 sehingga det(A) = ♦ Sekarang perhatikan contoh untuk matriks berukuran 3 × 3 berikut ini a11 a12 a21 a22 = a11 a22 − a12 a21 C ONTOH 2.

2) (3. Cara ini merupakan gabungan dari modul sebelumnya yaitu mereduksi suatu matriks sedemikian hingga matriks tersebut menjadi bentuk baris eselon tereduksi.1.1.3) (2.2.2.7 Hitung determinan dari matriks persegi A berukuran 3 × 3.6 Pembalikan genap ganjil ganjil genap genap ganjil 2 4 3 det(A) = 4 1 5 6 2 3 ♦ = 64 Hasil Kali Dasar Bertanda 6 −20 −48 120 24 −18 2.2) (2.3) (1.1) Hasil Kali Dasar 2.5.1.3. misalkan  2 4 3    A= 4 1 5    6 2 3 Perhatikan tabel berikut Permutasi (1.2.5.1.2 3.2.4.6 3.3 4.2 4. Cara Lain Menghitung Determinan 31 sehingga a11 a12 a13 det(A) = a21 a22 a23 a31 a32 a33 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 −(a11 a23 a32 + a12 a21 a33 + a13 a22 a31 ) ♦ Contoh yang lain C ONTOH 2.3.1.3 2.1) (3.2 Cara Lain Menghitung Determinan Pada bagian ini akan dikenalkan cara menghitung determinan dari suatu matriks.4. Perhatikan teorema berikut ini . Metode ini akan mempermudah mencai nilai determinan untuk ukuran yang besar.

hasil kali dasar selalu memuat salah satu elemen dari baris atau kolom.2. maka det(A) = 0 b. sehingga nilai determinan dari matriks segitiga atas atau bawah hanyalah perkalian elemen pada diagonal utamanya saja.2 Jika matriks persegi A adalah matriks segitiga atas atau bawah. sedangkan pada baris atau kolom yang sama elemennya tidak sama dengan nol. Jadi nilai determinannya selalu nol (b) Sesaui dengan (a) pada hasil kali dasar selalu memuat salsh satu elemen. maka det(A)= hasil kali elemen pada diagonalnya Bukti: telah dijelaskna diatas bahwa nilai determinan merupakan perkalian dasar yang selalu memuat salah satu elemen pada setiap baris atau kolom.2.2. C ONTOH 2. a. Teorema dibawah ini akan mempermudah perhitungan dari suatu matriks.1 Hitung determinan dari 2 3 3 ♦ 0 5 2 0 0 3 0 2 4 = (2)(−3)(3)(4) = −72 −1 −3 0 0 . det(A) = det(AT ) Bukti: (a) Untuk mencari nilai dari suatu determinan. sehingga perkalian dasaarnya selalu memuat nol.2. maka dengan demikian nilai determinan dari A akan sama dengan AT . Jika A mempunyai sebuah atau lebih baris (kolom) nol semua. oleh karena itu pada matriks segitiga atas atau bawah untuk baris dan kolom yan gtidak sama nilai elemennya nol. Cara Lain Menghitung Determinan 32 T EOREMA 2.2.1 Pandang matriks persegi A. yaitu T EOREMA 2.

2.2. maka det(B) = det(A) C ONTOH 2.2.3 Pandang matriks persegi A berukuran n × n (a) Jika B adalah matriks yang dihasilkan dari matriks A yang dilakukan dengan OBE/OKE tunggal yaitu dengan mengalikan dengan k pada salah satu baris atau kolom dari A. maka det(B) = kdet(A) (b) Jika B adalah matriks yang dihasilkan dari matriks A dengan OBE/OKE yaitu menukarkan baris atau kolom dari A.3 matriks C adalah matriks A pada Contoh 2. maka det(B) = −det(A) (c) Jika B adalah matriks yang dihasilkan dari matriks A dengan OBE/OKE yaitu peng gandaan dari baris atau kolom dari A kemudian ditambah atau dikurang pada baris atau kolom yang lain. Cara Lain Menghitung Determinan 33 Teorema dibawah ini menunjukkan bagaimana peran dari OBE yang sudah dibahas pada modul sebelumnya memunyai peran untuk menentukan nilai determinan T EOREMA 2. maka   C= 2 3 5    1 2 3 .2 dengan menukarkan  3 7 9  baris 1 dengan baris 3.2.2. ♦ 2 3 5 3 7 9 =1 3 7 3 =3 9 6 9 15 C ONTOH 2.2.2 Hitung matriks B yang merupakan baris kedua dari matriks A dikalikan dengan tiga dengan matriks  1 2 3    A= 2 3 5    3 7 9 dan matriks  1 2 3    B =  6 9 15    3 7 9 maka determinan 1 2 det(B) = sedangkan 1 2 3 det(A) = jadi det(B) = 3det(A).

maka det(A) = 0 C ONTOH 2.2. lakukan OBE sehingga menjadi bentuk baris eselon.2. lakukan OBE. Perhatikan teorema dibawah ini.3 dan beberapa contoh.4 matriks D adalah matriks A pada Contoh 2. kemudian gunakan Teorema 2.4 Jika matriks persegi A mempunyai dua baris atau dua kolom yang sebanding. Cara Lain Menghitung Determinan 34 maka 3 7 9 det(C) = 2 3 5 1 2 3 atau det(C) = −det(A). maka akan mudah mencari nilai dari suatu determinan. T EOREMA 2. maka    D =  0 −1 −1    3 7 9 maka 1 det(D) = 3 atau det(D) = det(A).2. ♦ 2 7 3 =1 9 0 −1 −1 Dengan berpedoman pada Teorema 2.2. seperti    1 1 1 6 B2 − B1     1 2 3 14  B3 − B1      1 4 9 36  B − B  3 1    1 6 10 66 1 1 1 0 1 2 6   1 1 1 6       1 1 1 6   B3 − 3B2 8   B4 − 5B2 0 3 8 30   0 5 9 60   0 1 2 8   0 0 2 6  0 0 −1 20 . ♦ = −1 C ONTOH 2. sedemikian hingga matriksnya menjadi bentuk baris eselon. yang akan memudahkan perhitungan determinan.2 dengan baris kedua  1 2 3 dikurangi dua kali baris pertama.2.2.5 Hitung determinan dari     1 2 3 14    A=   1 4 9 36  1 6 10 66 untuk menghitung determinan dari matriks A. maka untuk menghitung determinan dari suatu matriks.2.2.2.

2.3. Sifat Fungsi Determinan

35 6      

 B4 + 1 B3  0 1 2 8 2   0 0 2 6  0 0 0 23 maka

1 1 1

1 1 1 det(A) = 0 1 2 0 0 2

6 8 6 = (1)(1)(2)(23) = 46

0 0 0 23 ♦ Contoh lain dengan menggunakan teorema yang terakhir

C ONTOH 2.2.6 Hitung determinan dari
    1 2 3 14    A= 1 4 9 36    6 6 6 36 untuk menghitung determinan dari matriks A, lakukan OBE, sedemikian hingga matriksnya menjadi bentuk baris eselon, seperti   1 1 1 6 B2 − B1    1 2 3 14  B3 − B1    1 4 9 36  B − 6B 1   3 6 6 6 36        1 1 1 6 

  0 1 2 8   0 3 8 30  0 0 0 0

1 1 1

6

karena ada satu baris yaitu baris terakhir mempunyai nilai nol semua sesuai dengan Teorema 2.2.1, maka det(A) = 0 ♦

2.3

Sifat Fungsi Determinan

Pada bagian ini akan dibahas tentang sifat dari fungsi determinan, dari sifat fungsi determinan tersebut diharapkan wawasan mengenai hubungan antara matriks persegi dan determinannya. salah satunya adalah ada tidak suatu invers matriks persegi dengan menguji determinannya. Perhatikan teorema dibawah ini

2.3. Sifat Fungsi Determinan

36

T EOREMA 2.3.1 Misal A, B dan C adalah matriks persegi berukuran n × n yang
berbeda di salah satu barisnya, misal di baris ke-r yang berbeda. Pada baris ke-r matriks C merupakan penjumlahan dari matriks A dan B, maka det(C) = det(A) + det(B) Begitu juga pada kolomnya

C ONTOH 2.3.1 Perhatikan matriks-matriks
 1 2 5   1 2 5   1 2 5 

  A =  2 3 4 ,   3 4 5 maka

  B =  2 3 4 ,   4 5 6

  C= 2 3 4    7 9 11

perhatikan, hanya pada baris ketiga saja yang berbeda. Dengan menggunakan Teorema 2.3.1, det(C) = det(A) + det(B) 1 2 2 3 5 4 = 1 2 5 2 3 4 3 4 5 −6 = (−2) + (−4) ♦ Contoh diatas adalah penjumlahan dari suatu determinan dengan syarat tertentu, sekarang, bagaimana dengan perkalian. Perhatikan lemma dibawah ini + 1 2 5 2 3 4 4 5 6

7 9 11

L EMMA 2.3.2 Jika matriks persegi A dan matriks dasar E denganukuran yang sama,
maka berlaku det(EB) = det(E)det(B) Bukti: Telah dipelajari pada modul sebelumnya, bahwa matriks dasar E, jika dikalikan dengan suatu matriks, maka seolah matriks tersebut dilakukan dengan OBE yang sama, jadi B OBE B = EB dalam hal ini ada beberapa kasus, yang pertama, jika OBEnya adalah mengalikan salah satu baris dengan k, maka det(EB) = det(E)det(B) = kdet(B) sedangkan kasus yang lain, menukarkan baris atau menambah pada baris yang lain akan menghasilkan seperti kasus pertama.

2.3. Sifat Fungsi Determinan

37

C ONTOH 2.3.2 Matriks-matriks
 1 2 5   1 0 0 

  A =  2 3 4 ,   3 4 5 Dengan menggunakan Lemma 2.3.2, maka

  E= 0 3 0    0 0 1

det(EA) = det(E)det(A) 1 2 5 = 1 0 0 0 3 0 0 0 1 1 2 2 3 5 4 = 3. − 6 = −18

6 9 12 7 9 11 ♦

7 9 11

Perhatikan teorema dibawah ini

T EOREMA 2.3.3 Suatu matriks persegi A mempunyai invers jika dan jika det(A) = 0
Bukti: Dengan memperhatikan, bahwa suatu matriks persegi jika dilakukan OBE, maka ada dua kemungkinan yaitu mengandung baris yang nol semua atau matriks identitas. Jika matriks elementer dikalikan dengan suatu matriks persegi hasil sama dengan matriks tersebut dilakukan satu OBE. Dan suatu matriks jika mengandung baris atau kolom yang nol semua, maka determinan matriks tersebut adalah nol. Jadi yang mempunyai invers pasti nilai determinannya tidak nol. Perhatikan teorema dibawah yang mendukung Lemma 2.3.2, yaitu

T EOREMA 2.3.4 Jika A dan B dua matriks persegi berukuran sama, maka
det(AB) = det(A)det(B) Bukti: Dengan mengasumsikan salah satu matriks tersebut sebagai perkalian dari matriks elementer, misal matriks A, yaitu A = E1 E2 E3 · · · Er sedangkan dengan menggunakan Lemma 2.3.2, menjadi AB = E1 E2 E3 · · · Er B maka det(AB) = det(E1 )det(E2 )det(E3 ) · · · det(Er )det(B) jadi det(AB) = det(A)det(B)

2.4. Kofaktor dan Matriks Invers

38

C ONTOH 2.3.3 Pandang matriks dibawah ini
A= 1 2 2 3 B= , 2 5 3 4 , AB = 18 13 13 22

dengan menghitung, maka det(A) = −1, sesuai dengan Teorema 2.3.4 Dari beberapa teorema diatas, jika dihubungkan akan menghasilkan teorema berikut det(B) = −7, maka det(AB) = 7

T EOREMA 2.3.5 Jika matriks persegi A mempunyai invers, maka
det(A−1 ) = 1 det(A)

Bukti: Karena A−1 A = I, maka det(A−1 A) = det(I), sedangkan menurut Teorema 2.3.4, maka det(A−1 )det(A) = det(I) = 1 dan det(A) = 0, sehingga teorema tersebut terbukti.

2.4

Kofaktor dan Matriks Invers

Pada bagian ini akan dibahas tentang kofaktor dan cara mencari invers dengan kofaktor. Ada beberapa hal yang harus diperhatikan sebelumnya, seperti minor, perluasan kofaktor dan invers dari suatu matriks. Perhatikan definisi dibawah ini

D EFINISI 2.4.1 Jika matriks persegi A, maka minor anggota aij dinyatakan dengan
Mij dan didefinisikan sebagai determinan dari sub-matriks dari matriks awal dengan menghilangkan baris ke−i dan kolom ke−j, sedangkan kofaktor anggota aij ditulis Cij = (−1)i+j Mij

C ONTOH 2.4.1

Pandang matriks persegi   1 1 1    1 2 3    1 4 9

Minor anggota a11 adalah 1 1 1 M11 1 2 3 1 4 9 = 2 3 4 9

=6

perhatikan definisi berikut = 1 3 1 9 = 6.2 = 2 . Untuk setiap 1 ≤ i.1 1 1 1 det(A) = 1 2 3 1 4 9 sedangkan dengan perluasan kofaktor pada baris ke−1 det(A) = 1 2 3 4 9 −1 1 3 1 9 +1 1 2 1 4 = 1. j ≤ n.2 Determinan dari matriks persegi A dapat dihitung dengan mengalikan anggota-anggota baris atau kolom dengan kofaktornya dan menjumlahkannya. adalah 1 1 1 M12 1 2 3 1 4 9 ♦ Perluasan kofaktor adalah salah satu cara untuk menghitung determinan dengan menggunakan bantuan kofaktor.2. C12 = (−1)1+2 M12 = −6 D EFINISI 2. adalah n det(A) = i=1 aij Cij C ONTOH 2.8 − 4.6 − 1.6 + 1. Kofaktor dan Matriks Invers 39 Sedangkan kofaktor aij adalah Cij = (−1)1+1 M11 = 16 Untuk Minor dan kofaktor yang lain.2 Hitung determinan dari matriks pada Contoh 2.4.6 + 2.2 = 2 =2 atau dengan perluasan kofaktor pada kolom ke−2 det(A) = −1 ♦ 1 3 1 9 +2 1 1 1 9 −4 1 1 1 3 = −1. adalah n det(A) = j=1 aij Cij dan perluasan kofaktor dengan kolom ke−j.4. perluasan kofaktor dengan baris ke−i.4.4.

.4. . bahwa persegi.4. Cnn       transpose dari matriks tersebut dinamakan adjoint(A) ditulis Adj(A) C ONTOH 2. . .  .4. maka A−1 = 1 adj(A) det(A) Bukti: Dengan menggunakan perluasan kofaktor dapat dengan mudah dibuktikan.     A= 1 2 3    1 4 9 1 1 1 . C ONTOH 2. adalah C11 = 6 C21 = −5 C31 = 1 sehingga matriks kofaktornya adalah  6 −6 2 C12 = −6 C22 = 8 C32 = −2 ♦  C13 = 2 C23 = −3 C33 = 1    −5 8 −3    1 −2 1 dan adjoint A adalah   adj(A) =  −6  2 teorem berikut ini 6 −5 8 1   −2   −3 1 Untuk mencari invers dari matriks persegi yang menggunkan matriks adjoint. . perhatikan T EOREMA 2.2. .4 Jika matriks persegi A mempunyai invers. maka matriks kofaktor dari A ditulis  C11 C12 · · ·   C21 C22 · · ·   . .4. . Kofaktor dan Matriks Invers 40 Sedangkan yang dimaksud dengan adjoint matriks dapat dilihat pada definisi berikut ini D EFINISI 2.4 Dari contoh sebelumnya.3 Cari Adj(A) dari matriks A pada conoth diatas Kofaktor dari A.  . Cn1 Cn2 · · ·  C1n C2n .4.3 Jika matriks persegi A dengan ukuran n dan Cij adalah kofaltor dari matriks A.

4. perhatikan teorema dibawah ini T EOREMA 2.2.5 Gunakan aturan Carmer untuk menyelesaikan SPL berikut x1 + x2 + x3 = 6 x1 + 2x1 + 3x3 = 14 x1 + 4x1 + 9x3 = 36 Karena ada tiga varibel bebas. A1 .4. yaitu         1 1 1 6 1 1 1 6 1 1 1 6         A =  1 2 3  A1 =  14 2 3  A2 =  1 14 3  A3 =  1 2 14          1 4 9 36 4 9 1 36 9 1 4 36 maka x1 = det(A1 ) 2 = =1 det(A) 2 x2 = det(A2 ) 4 = =2 det(A) 2 x3 = det(A3 ) 6 = =2 det(A) 2 . · · · . j = 1.4. maka nilai setiap variabel sesuai dengan teorema di atas. ·. n adalah matriks yang diperoleh dengan menggantikan anggota matriks A pada kolom ke−j dengan b.5 Jika Ax = b merupakan SPL dengan n variabel dan det(A) = 0. maka SPL tersebut mempunyai penyelesaian x1 = det(A1 ) . maka ada matriks A. det(A) x2 = det(A2 ) det(An ) . aturan tersebut dinamakan dengan Aturan Cramer Bukti: Dengan menggunakan definisi invers yang menggunakan adjoint matriks. Kofaktor dan Matriks Invers 41   6 2 −5 8  −2   −3 1  6 −6 2 −5 8 1  3 1 det(A) = 2 dan  adj(A) =  −6  maka A−1  = 1 2    −2  =  −3 4   −3 1 1 −3 2 −5 2  −1   1 2 1 2  ♦ Dengan menggunakan dari pencarian invers dan perluasan kofaktor dapat dicari penyelesaian SPL dengan menggunakan determinan. A2 dan A3 . C ONTOH 2. xn = det(A) det(A) dengan Aj .

Tujuan Instruksional Umum Mahasiswa menguasai atau memahami tentang vektor pada dimensi dua. Dimulai dari vektor pada dimensi dua. begitu juga operasi dan sifatnya. Pada bagian belakang akan dikupas tuntas tentang ruang vektor dan operasi-operasi yang berlaku pada ruang vektor. Memahami operasi dan operator yang berlaku pada vektor 3. tiga dan n. Memahami ruang vektor Euclidean pada Rn 4. secara khusus diharapkan : 1. Memahami pengertian vektor secara gemetris dan analitis 2. Menentukan matriks transformasi antar ruang 5. cara menentukan ruang vektor. vektor di dimensi tiga dilanjutkan pada vektor di dimensi n. Tujuan Instruksional Khusus Mahasiswa dapat mengetahui vektor pada dimensi dua. operasi-operasi yang berlaku dan sifat-sifat dari ruang vektor. tidak terlepas pula operasi-operasi yang berlaku pada vektor. Mengerti sifat-sifat transformasi linear 42 . tiga dan vektor di dimensi n.Modul 3 Vektor dan Operasinya Pendahuluan Pada Modul ini akan dibahas materi yang berkaitan dengan vektor dan ruang vektor.

Vektor u + v disajikan oleh anak panah dari titik pangkal u ke titik ujung v.1 Penulisan Vektor Gambar 3. B a u v a w A AB = a = a u=v=w Gambar 3. Seperti pada Gambar 3. maka jumlah u + v adalah vektor yang ditentukan sebagai berikut: Letakkan vektor v sedemikian hingga titik pangkalnya bertautan dengan titik ujung v.2 disebut ekuivalen. v w u u v a a w u+v=v+u=w u+v=v+u=w Gambar 3. sedangkan penjumlahan dua vektor sesuai dengan definisi diatas dapat dilihat pada Gambar 3.4 Vektor Negatif Vektor-vektor yang mempunyai panjang dan arahnya sama.1.3 yang hasilnya merupakan diagonal jajaran genjang yang dibangun oleh dua vektor. maka berlaku 0+v =v+0=v Jika vektor v sebarang tak nol. maka −v. Vektor yang panjangnya nol dan arahnya sebarang disebut dengan vektor nol dan dinyatakan dengan 0.1 Jika u dan v adalah dua vektor sebarang. Pengantar Vektor 43 3. Vektor dapat ditulis dengan huruf kecil tebal atau tanda bar. negatif dari v didefinisikan sebagai vektor yang besarnya sama dengan v. dan skalar adalah besaran yang tidak mempunyai arah.3.3 Penjumlahan Vektor Gambar 3. Oleh karena itu berakibat v + (−v) = 0 .1. seperti pada Gambar 3.2 Vektor Ekuivalen Sebelum memepelajari vektor lebih detail. Kedua besaran tersebut banyak digunakan di Fisika dan Teknik. seperti pada Gambar 3. tetapi arahnya belawanan.4.1. Vektor dapat disajikan secara geometris sebagai ruas garis berarah.1 Pengantar Vektor Vektor adalah suatu besaran yang mempunyai arah. perhatikan definisi dibawah ini D EFINISI 3. arah panah menunjukan arah vektor dan panjang vektor menunjukan besaran vektor.

5. titik pangkal berada pada titik asal.1. perhatikan definisi berikut D EFINISI 3. Vektor di sistem Koordinat Vektor dapat digambarkan dalam sistem koordinat di dimensi dua atau dimensi tiga. v2 ) sedangkan untuk koordinat ruang. v3 ) dan ditulis v = (v1 . v2 . vektor yang terbentuk adalah vektor selisih. akan lebih jelas dapat dilihat pada Gambar 3. maka selisih w dari v didefinisikan sebagai v − w = v + (−w) Untuk mendapatkan nilai selisih dari v − w tanpa melihat −w. v2 . komponennya adalah (v1 . Pengantar Vektor 44 sehingga.1. tetapi tidak dapat digambarkan untuk dimensi lebih dari tiga. Suatu vektor yang berbentuk kv dinamakan penggandaan skalar dari v. cukup titik pangkal vektor hasil pada titik ujung w dan titik ujung vektor hasil pada titik ujung vektor v.2 Jika v dan w adalah dua vektor sebarang. Perhatikan definisi berikut ini u-v=u+(-v)=w u v w v u v w 2a a v v v u-v=u+(-v)=w 2a w u u w Gambar 3. v2 ) dari titik ujung v disebut komponen v dan ditulis v = (v1 .5 Pengurangan Vektor Gambar 3. maka hasil kali kv didefinisikan sebagai vektor yang panjangnya |k| kali panjang v dan arahnya sesuai dengan arah v jika k > 0 dan arahnya kebalikan dari v jika k < 0.6 Perkalian Vektor D EFINISI 3.3. v3 ) Secara umum definisi vektor seperti dibawah ini . Koordinat (v1 . jika digambarkan pada sistem koordinat bidang atau ruang. Pandang v vektor sebarang. Secara geometris dapat dilihat dengan jelas seperti pada Gambar 3.3 Jika v vektor tak-nol dan k skalar sebarang tak-nol.1.6. Didefiniskan pula kv = 0 jika k = 0 atau v = 0.

vn di Rn disebut sama jika u1 = v1 . u2 . 3. · · · . sebab v1 = w1 = 2 ♦ dan v2 = w2 = 3 C ONTOH 3. pengurangan dan perkalian skalar.5 Dua vektor u = (u1 . v2 ) dan w = (w1 . un ) dan v = v1 . u2 = v2 . v3 + w3 ) lebih jelasnya lihat Gambar 3. v2 + w2 ) begitu juga pada koordinat ruang v + w = (v1 + w1 . · · · .1. · · · . 3. Jika dua vektor di koordinat bidang dijumlahkan. · · · .1.1. 3).1. misal v = (v1 . mudah dilakukan dalam ben tuk komponen. ♦ Operasi penjumlahan dan perkalian vektor dengan skalar. a2 . v2 + w2 .1 Jika diketahui v = (2. kun ) C ONTOH 3. Himpunan semua ganda-n berurut disebut ruang berdimensi-n dan dinyatakan dengan Rn Dengan definisi tersebut memungkinkan operasi penjumlahan. oleh karena itu perhatikan definisi berikut ini D EFINISI 3. maka ganda-n berurut adalah sederetan n bilangan real (a1 .2 Jika diketahui x = (2.4 Jika n adalah bilangan bulat positif. 3) dan w = (2.3. 4). · · · . w2 ). ku2 . · · · . maka kedua vektor tersebut adalah ekuivalen atau sama. 4) dan y = (2. v2 . Pengantar Vektor 45 D EFINISI 3.7 x 2 = y2 = 3 dan x3 = y3 = 4 . un = vn sedangkan jumlah u + v didefinisikan dengan u + v = (u1 + v1 . maka jumlahannya adalah v + w = (v1 + w1 . u2 + v2 .1. sebab x1 = y1 = 2. maka perkalian skalar ku didefinisikan dengan ku = (ku1 . an ). un + vn ) dan jika k skalar. maka kedua vektor tersebut adalah ekuivalen atau sama.

3 − 3.3 tersebut adalah Jika diketahui v = (2. 6).ku ) w w v2 v ku2 u2 u u1 v1 u1 u ku1 Gambar 3. pada koordinat bidang adalah kv = (kv1 . 9) begitu juga selisih kedua vektor adalah w − v = (4 − 2. 4 − 7) = (−3. 3. 6.5. kv3 ) lebih lengkap dapat dilihat pada Gambar 3. 3.u +v ) u2 (ku1 2 . 3 + 6) = (6.1. maka jumlah kedua vektor tersebut adalah x + y = (2 + 5. 3) ♦ C ONTOH 3.3. 4) dan y = (5. 3) dan w = (4.3 dan 3. 6 − 3) = (2.4 Jika diketahui x = (2.8 .1. 0.1. kv2 . 11) begitu juga selisih kedua vektor adalah x − y = (2 − 5. maka jumlah kedua vektor v + w = (2 + 4. sebarang vektor v dan skalar k. Pengantar Vektor 46 (u1 v1 2 2 + .7 Penjumlahan Vektor Gambar 3. kv2 ) dan pada koordinat ruang adalah kv = (kv1 . 7).1. 3 + 3. −3) ♦ Perkalian vektor dengan skalar seperti pada Definisi 3. 4 + 7) = (7.1.8 Perkalian Vektor C ONTOH 3.

3) dan skalar k = 3. un ).1. lihat Gambar 3. 4. 3. lihat Gambar 3.1.1 Norm atau Panjang dari suatu u ∈ Rn didefinisikan u = jika u ∈ R2 .3.5 dengan skalar adalah ♦ C ONTOH 3. 3.2. v3 ) dan w = (w1 .4) = (8. 1u = u Buktikan teorema diatas dengan seksama sebagai latihan.2. 12.3. u2 . l adalah skalar. 4. maka perkalian adalah kx = (4. v = (v1 . u + v = v + u b.7 Jika diketahui x = (2. y = (5. maka perkalian vektor kv = (3. u + (−u) = 0 artinya u − u = 0 f. maka a.2 Panjang Vektor Setelah mempelajari dengan tuntas Kegiatan belajar pertama.6 Jika u = (u1 . Panjang Vektor 47 Jika diketahui v = (2. w2 . 9) C ONTOH 3. wn ) adalah vektor-vektor di Rn dan k.4) = (8. 16) perkalian dan penjumlahan adalah ♦ Dari beberapa contoh diatas. lanjutkan dengan menghitung panjang dari vektor. · · · . 3.6 Jika diketahui x = (2.2. 12. u + (v + w) = (u + v) + w c. u + 0 = 0 + u = u e. maka kx = (4.2. v2 . 7) dan skalar k = 4. · · · . 4) dan skalar k = 4. k(lu) = (kl)u g. 4.2. 3. (k + l)u = ku + lu d. · · · .10 u = u2 + u2 + u2 1 2 3 u2 + u2 1 2 u2 + u2 + · · · + u2 n 1 2 .3) = (6. 3. 4).1.9 u = jika u ∈ R3 . 4. perhatikan definisi dibawah ini D EFINISI 3. dapat ditarik sebuah teorema seperti dibawah ini T EOREMA 3.1. k(u + v) = ku + kv h.3. 16) ♦ C ONTOH 3.

2.u ) .q . qn ) adalah titik Q(q1 2 3 .u ) (u1 2 3 u u2 u u3 u1 u2 u1 Gambar 3. Hitung panjang vektor v = (3. · · · .2. q2 − p2 . 3) dan titik √ 25 = 5 panjang vektor v adalah v = 32 + 42 = dan jarak kedua titik adalah − − → d = PQ = (5 − 2)2 + (6 − 3)2 = √ √ 18 = 3 2 . p2 . q2 .11 Jarak antara titik P dan titik Q C ONTOH 3.3. 6) di R2 .p . qn − pn ) maka jarak kedua titik diatas adalah − − → d = PQ = (q1 − p1 )2 + (q2 − p2 )2 + · · · + (qn − pn )2 D EFINISI 3.u .p ) Gambar 3.1 Q(5.2. · · · .2 Jika titik P = (p1 . karena − − → P Q = (q1 − p1 .q ) P(p1 2 3 .11. perhatikan definisi berikut −− −→ di Rn .9 Panjang Vektor di R2 Gambar 3.10 Panjang Vektor di R3 Sedangkan definisi jarak dari dua buah titik. Panjang Vektor 48 (u1 2 . · · · . pn ) dan Q = (q1 . 4) dan hitung jarak titik P (2. maka Distance atau Jarak kedua titik tersebut adalah panjang dari vektor P1 P2 seperti pada Gambar 3.

u2 .3 Hitung panjang hasil skalar dengan vektor. · · · . · · · .12. Proyeksi 49 C ONTOH 3. 6. 3. maka panjang hasil kali vektor adalah kv = |k| v = 3 √ √ + 32 + 42 = 3 50 = 15 2 Dengan memperhatikan contoh-contoh. Lebih jelasnya.3 Dot Product. Pandang u dan v di R3 seperti pada Gambar 3. vn ) adalah vektor-vektor di Rn dan θ adalah sudut antara u dan v.3. maka dengan hukum cos .3. u+v ≤ u + v 3. 4) √ √ 50 = 5 2 dan titik Q(5. Oleh karena itu perlu dicari perhitungan yang lain. u = 0 jika dan hanya jika u = 0 c. jika tidak diketahui maka akan sulit menghitungnya.2. −2) di R3 .3 Jika u. maka hasil kali dalam Euclidean didefinisikan u v= u v cos θ jika u = 0 dan v = 0 0 jika u = 0 dan v = 0 Untuk menghitung perkalian dalam perlu mengetahui sudut dari kedua vektor tersebut. Proyeksi Operasi hasil kali dalam atau Dot Product dari dua vektor yang posisi pangkalnya berimpit dan bersudut θ yaitu sudut yang dibangun oleh kedua vektor. u ≥ 0 b. Dot Product.2. misal v = (2. un ). 4) dan 5 2 hitung k = 3. v = (v1 . dapat ditarik sebuah teorema T EOREMA 3. v ∈ Rn dan k skalar.2.1 Jika u = (u1 . 4) dan hitung jarak titik P (5. panjang vektor v adalah v dan jarak kedua titik adalah − − → d = PQ = (5 − 5)2 + (6 − 3)2 + (−2 − 4)2 = √ √ 45 = 3 5 52 + 32 + 42 = Perhatikan contoh terakhir ini C ONTOH 3. 3.3. maka berlaku a. perhatikan definisi dibawah ini D EFINISI 3. ku = |k| u d. 3. v2 .2 Hitung panjang vektor v = (2.

2. · · · .q . Proyeksi 50 P(p1 2 3 . C ONTOH 3.p ) Q(q1 2 3 .q ) u q v Gambar 3.1 (4.12 Perhitungan Hasil Kali Dalam diperoleh − 2 u v cos θ − − → Karena P Q = v − u maka dapat ditulis 1 u v cos θ = ( u 2 + v 2 − v − u 2 ) 2 atau 1 u v = ( u 2 + v 2 − v − u 2) 2 dengan mensubstitusikan panjang vektor. maka hasil kali dalam Euclidean didefinisikan u v = u1 v1 + u2 v2 + · · · + un vn Sehingga besar sudut antara dua vektor dapat dicari. v2 . · · · .3.p .3. vn ) adalah vektor-vektor di Rn dan θ adalah sudut antara u dan v skalar. Perhatikan contoh berikut. maka diperoleh u v = u1 v1 + u2 v2 + u3 v3 sehingga Definisi 3. Hitung besar sudut antara dua vektor u = (1. −4) dan v = hitung u v = 1.3. v = (v1 .2 + (−4). 3.3.1 dapat ditulis ulang dengan − − → PQ 2 = u 2 + v 2 D EFINISI 3. un ). Dot Product.3 + 3.1 = 0 sedangkan u = dan v = sehingga √ √ 1 + 4 + 9 + 16 = 30 √ √ 16 + 9 + 4 + 1 = 30 u v 0 = =0 u v 30 jadi sudut antara dua vektor tersebut adalah π 2 cos θ = . 1) di R4 . 3.2 Jika u = (u1 . u2 .3. −2.4 + (−2).

5. maka 1. (u + v) w = u w + v w 3. maka dapat ditarik sebuah teorema sebagai berikut T EOREMA 3. 3.3.3 Jika u. u v = v u 2.3. Dot Product.2 Jika u = (2.3.3. teorema dan contoh. 5) dan v = (3. untuk v v = 0 jika dan hanya jika v = 0 Bukti dari teorema tersebut dapat dipakai sebagai latihan. v ∈ Rn disebut ortogonal atau tegak lurus jika u v=0 . maka berlaku |u v| ≤ u v Proyeksi Ortogonal Sebelum dibahas tentang proyeksi suatu vektor ke vektor lain perhatikan definisi berikut ini D EFINISI 3. v v ≥ 0. 1. maka u u = u2 + u2 + · · · + u2 = u 1 n begitu juga jarak antara dua vektor tersebut adalah ( d(u. v dan w di Rn dan k adalah skalar. v ∈ Rn .6 Dua vektor u.3. v) = u − v = T EOREMA 3. Proyeksi 51 Beberapa sifat yang akan dituangkan dalam teorema dibawah ini T EOREMA 3.5 Jika u.3. 4. Berdasarkan analogi dari definisi.4 Jika u. −5) di R4 . maka u √ (3 − 2)2 + (5 − 3)225 (1 √54 2 + (−5 − 5)2 = 114 = √4 + 9 + 16 + + = − 4) dan Hubungan antara Hasil kali dalam dan panjang vektor dapat dilihat pada teorema berikut ini yang lebih dikenal dengan Ketaksamaan Cauchy-Schwarz di Rn d(u. v) = u − v = u1 − v1 )2 + (u2 − v2 )2 + · · · + (un − vn )2 2 C ONTOH 3. (ku) v = k(u v) 4.3. v ∈ Rn .

lebih jelasnya perhatikan Gambar 3. Proyeksi 52 w2 u w2 w1 a u u w2 a a w1 w1 Gambar 3. −1. 3. 3. maka proyeksi u ke a ditulis dengan w1 = P roya u sehingga vektor yang tegak lurus dengan hasil proyeksinya adalah w2 = u − P roya u dan besarnya vektor hasil proyeksi adalah P roya u = ka dimana kemungkinan nilai k adalah k > 1. C ONTOH 3. selanjutnya. lebih besar atau kebalikan dari vektor tempat proyeksi.7 Jika u dan a = 0 di Rn .3.3. 4).13. perhatikan teorema dibawah ini T EOREMA 3. maka u = w1 + w2 atau w2 = u − w1 karena w1 sejajar dengan a dan w1 tegak lurus dengan a.3. 0 < k ≤ 1 dan k < 0.13 Komponen Vektor Jika sebuah vektor diproyeksikan ke vektor lain. Dot Product. maka ada kemungkinan vektor yang diproyeksikan tersebut lebih kecil. kemudian perhatikan contoh dibawah ini.3 Pandang u = (2. 4) 2 a 29 . maka P roya u = u a a a 2 Buktikan teorema tersebut dengan seksama.3. carilah komponen vektor dari u yang sejajar dengan a dan carilah komponen vektor dari u yang ortogonal terhadap a Hitunglah u a = 4 − 3 + 12 = 13 √ √ a 2 = 4 + 9 + 16 = 29 kompponen vektor dari u yang sejajar dengana adalah P roya u = u a 13 a = (2. 3) dan a = (2. Sebuah vektor u diproyeksikan ke vektor a.

4. Lebih jelasnya. 6) di R3 . 3) − 13 (2.− u1 u3 v1 v3 .3. Perhatikan teorea berikut ini. u1 v2 − u2 v1 ) u2 u3 v2 v3 .1 Jika u = (u1 . u3 ).5 dan Definisi 3.3. 4) 29 Sebelum mengakhiri kegiatan belajar ini. maka u+v 2 = u 2 + v 2 3. 3) dan v = (4. −2.8 Dua vektor u. Cross Product 53 dan komponen vektor dari u yang tegak lurus dengan a adalah u − P roya u = (2.3. 6. pada hasil kali dalam hasilnya adalah sebuah skalar. u1 v3 − u3 v1 .4. maka u×v = atau u × v = (−27. −1. 13) Perbedaan antara hasil kali dalam dan hasil kali silang yaitu hasilnya. −2 3 5 6 .− 1 3 4 6 . 1 −2 4 5 . u1 u2 v1 v2 C ONTOH 3. 3. v3 ) adalah vektor-vektor di R3 . u2 .3.4 Cross Product Operasi hasil kali silang atau Cross Product dari dua vektor yang posisi pangkalnya berimpit. v2 .1 Hitung u × v dengan u = (1. dan telah memperhatikan Teorema 3. yaitu hubungan antara hasil kali dalam dan hasil kali silang. 5. v ∈ Rn disebut ortogonal atau tegak lurus.6 maka dapat diterima teorema berikut ini yang dikenal dengan nama Teorema Phytagoras T EOREMA 3.4. v = (v1 . maka hasil kali silang didefinisikan u×v = atau u × v = (u2 v3 − u3 v2 . sedangkan pada hasil kali silang hasilnya adalah sebuah vektor yang tegak lurus dengan kedua vektor yang dikalikan. perhatikan definisi dibawah ini D EFINISI 3.

5. maka a.2 Hitung u × v dengan u = (1. Perhatikan teorema berikut ini T EOREMA 3.k(u × v) = (ku) × v e.13 = 0 membuktikan bahwa hasil kali silang selalu tegak lurus dengan vektor hasilnya. maka a.4.u (u × v) = 0 b. 3) dan v = (4. v dan w adalah vektor di R3 dan k skalar sebarang.6 + 3.(−27) + (−2).3 Tinjau vektor satuan standar di R3 . (u × v) × w = (u w)v − (v w)u Buktikan teorema tersebut dengan seksama sebagai latihan.(−27) + 5. 0.v (u × v) = 0 c.3.u × (v × w) = (u w)v − (u v)w e. yaitu i = (1. u × v 2 = u 2 v 2 − (u v)2 d. Cross Product 54 T EOREMA 3.2 Jika u. 1) . 1.4.(u + v) × w = (u × w) + (v × w) d.3 Jika u. 0) j = (0. v dan w adalah vektor di R3 . 6) di R3 .4.u × v = −(v × u) b. maka u (u × v) = 1. −2. 0) k = (0.u × 0 = 0 × u = 0 f.13 = 0 begitu juga v (u × v) = 4.4. 0. u × u = 0 Buktikan teorema tersebut secara seksama sebagai latian. perhatikan contoh dibawah ini C ONTOH 3.4. Kemudian lihat contoh dibawah ini C ONTOH 3.6 + 6.u × (v + w) = (u × v) + (u × w) c.

maka u v cos θ = u 2 v 2 (1 − cos2 θ) u = u 2 v 2 sin2 θ ×v 2 sehingga u × v = u v sin θ jika digambarkan dalam koordinat bidang merupakan luas jajaran genjang dengan alas u dan tinggi v sin θ. seperti pada Gambar 3.15.15 Luas Jajaran Genjang Sehingga dapat diturunkan teorema berikut ini . v ∈ R3 .3. sehingga hasil kali silang antara ketiga vektor adalah i×i=0 i×j =k i × k = −j j × i = −k j×j =0 j×k =i k×i=j k × j = −i k×k =0 Gunakan tangan Kanan Ampere untuk mencari arah dari hasil kali silang dua vektor.14 Vektor Satuan Standar posisi dan arah dari ketiga vektor satuan tersebut dapat dilihat pada Gambar 3. v v q v sinq u u Gambar 3.4. Cross Product 55 k j i Gambar 3. bahwa u ×v 2 = u 2 v 2 − (u v)2 2 2 2 = u 2 v 2− jika θ adalah sudut antara dua vektor tersebut.14. Interpretasi Geometris Cross Product Telah diketahui untuk u.

4. −2. Cross Product 56 T EOREMA 3.3.4. maka luas yang dibangun √ 294 oleh kedua vektor tersebut adalah u × v = (−13. −2) dan v = (−2. v ∈ R3 maka u × v sama dengan luas jajaran genjang yang ditentukan oleh u dan v. C ONTOH 3. 3). 5.4. −10) = .4 Jika u = (−3. 2.4 Jika u.

yang merupakan dasar dalam telaah aljabar yang berbentuk fungsi. secara khusus diharapkan : 1. Tujuan Instruksional Umum Mahasiswa menguasai atau memahami suatu perpindahan vektor dari satu ruang ke ruang yang lain. Memahami pengertian transformasi linear 2.Modul 4 Transformasi Linear dan Sifat Pendahuluan Pada Modul ini akan dibahas materi yang berkaitan dengan transformasi linear. Transformasi linear yang dimaksud adalah perpindahan dari satu ruang yang biasanya dinamakan dengan domain atau daerah asal ke ruang yang lain yang dinamakan dengan kodomain atau daerah hasil. Menyelesaikan atau mencari matriks transformasi 57 . Tujuan Instruksional Khusus Mahasiswa dapat mengetahui dan memahami cara mentransformasikan vektor dari satu ruang ke ruang yang lain. Memahami komposisi transformasi linear 3.

maka f disebut transformasi dari Rn ke Rm dan ditulis f : Rn → Rm jika transformasi dari ruang yang sama. misal dari Rn ke ruang Rm dan f1 . x2 . xn ) w3 = f3 (x1 . ·.1. dinamakan operator yaitu f : Rn → Rn Untuk mengilustrasikan suatu transformasi dari satu ruang ke ruang yang lain. . ·.1. wm = fm (x1 . . Transformasi Linear 58 4. −6.1 Persamaan-persamaan w1 = x1 + x2 w2 = 3x1 x2 w3 = x3 − x2 1 2 Jika ditulis dalam bentuk teransformasi T : R2 → R3 atau T (x1 . x2 ) = (x1 + x2 . xm ) (4. · · · . . f2 . xn ) = (x1 . xn ) Jika suatu transformasi dinyatakan seperti T : Rn → Rm maka dapat ditulis T (x1 .1 Transformasi Linear Jika daerah asal suatu fungsi f adalah Rn dan daerah hasilnya adalah Rm . . . ·. .4. xn ) . .1) C ONTOH 4. ·. x2 . fm adalah fungsi bernilai real. x2 . x2 . xn ) w2 = f2 (x1 . x3 − x2 ) 1 misal T (1. · · · . −3) Secara umum transformasi linear dari ruang Rn ke ruang Rm ditulis T : Rn → Rm . 3x1 x2 . x2 . . x2 . ditulis w1 = f1 (x1 . −2) = (−1. ·.

. . .    .1. .2 persamaan berikut Transformasi linear T : R2 → R3 yang didefinisikan oleh persamaan- w1 = 2x1 − 3x2 + 1x3 − 5x4 w2 = 4x1 + x2 − 2x3 + x4 w3 = 5x1 − x2 + 4x3 jika dinyatakan dalam bentuk matriks      2 −3 1 −5  w     1    w1  =  4 1 −2 1   x2      x   3  w2 5 −1 4 0 x4 sehingga matriks standar untuk T adalah   2 −3 1 −5   A =  4 1 −2 1    5 −1 4 0 x1  . C ONTOH 4. . . . wm = am1 x1 + am2 x2 + · · · + amn xn atau ditulis dalam notasi matriks    w1 a1 1 a1 2 · · ·     w2   a2 1 a2 2 · · ·     .    .   am n xm a2 n . a1 n x1        Matriks A disebut matriks standar untuk transformasi linear T . . am 1 a m 2 · · · wm atau secara ringkas ditulis dengan w = Ax     x2   . . . yaitu w1 = a11 x1 + a12 x2 + · · · + a1n xn w2 = a21 x1 + a22 x2 + · · · + a2n xn . . dan T disebut perkalian dengan A.4. . . = . . . .1. Transformasi Linear 59 dan bila dinyatakan dalam persamaan.

3.2.1. x2 .2) . maka persamaan yang menghubungkan komponen x dan w adalah w1 = −x = −x + 0y w2 = y = 0x + y (4. 2) maka  w1   2 −3 1   1     −3     = 3  1      0  0 8 2 1        w1  =  4 1 −2    w2 5 −1 4 ♦ −5 Jika T : Rn → Rm adalah perkalian dengan A. apakah sebuah titik atau sebuah vektor yang akan ditransformasikan.1. Transformasi Linear 60 jika (x1 . x3 . sehingga transformasinya T0 (x) = (0)x = 0 transformasi tersebut dinamakan transformasi nol dari Rn ke Rm . dan jika diperlukan penekanan bahwa A adalah matriks standar untuk T. maka transformasi linear T : Rn → Rm dinyatakan sebagai TA : Rn → Rm . jadi TA (x) = Ax Geometri Transformasi Linear Secara geometris. Jika sebuah titik yang akan ditransformasikan dapat dilihat dalam Gambar 4. seperti terlihat pada Gambar 4. 0. T(x) T(x) x x Gambar 4. −3. sedangkan sebuah vektor yang akan ditransformasikan dapat dilihat pada Gambar 4. maka untuk setiap vektor x di Rn . x4 ) = (1.2 T Memetakan Vektor ke Vektor C ONTOH 4. Operator Pencerminan di R2 Operator T : R2 → R2 yang memetakan setiap vektor ke bayangan simetrisnya terhadap sumbu-y.4.3 Jika 0 adalah matriks nol berukuran m × n dan 0 adalah vektor nol di Rn .1 T Memetakan Titik ke Titik Gambar 4.1. Jika w = T (x) suatu operator.

y) w=T(x) x (x. Transformasi Linear y 61 (-x.4.4) .y) x Gambar 4.y. silahkan dicari matriks transformasinya sebagai latihan.4 Pencerminan Terhadap Bidang-xy Operator Pencerminan di R3 Operator T : R3 → R3 yang memetakan setiap vektor ke bayangan simetrisnya terhadap bidang-xy.4.3) karena Persamaan 4.-z) Gambar 4. w1 w2 = −1 0 0 1 x y (4. z (x. Jika w = T (x) suatu operator.3 Pencerminan Terhadap Sumbu-y atau ditulis dalam bentuk matriks. maka T adalah operator linear dan dari Persamaan 4.z) x y w=T(x) x (x.3 adalah matrisk standar untuk T adalah [T ] = −1 0 0 1 Untuk pencerminan yang lain.2 adalah linear. seperti terlihat pada Gambar 4. maka persamaan yang menghubungkan komponen x dan w adalah w1 = x = x + 0y + 0z w2 = y = 0x + y + 0z w3 = −z = 0x + 0y − z (4.1.y.

sehingga komposisi TB ◦ TA adalah linear. maka T adalah operator linear dan dari Persamaan 4. karena TB (TA (x)) = (TB ◦ TA )(x) = B(Ax) = (BA)x y y T1(x) x x x T2(T1(x)) T1(T2(x)) T2(x) x Gambar 4.5)    y    z karena Persamaan 4. secara singkat ditulis TB (TA (x)) = (TB ◦ TA )(x) jika TA transformasi yang berbentuk matriks A dan TB transformasi yang berbentuk matriks B.    w1 1 0 0     w2  =  0 1 0    w3 0 0 −1  x  (4. silahkan dicari matriks transformasinya sebagai latihan.1. Komposisi Transformasi Komposisi transformasi adalah transformasi yang dilakukan secara berulang.5 Komposisi T2 ◦ T1 Gambar 4.4 adalah linear. maka ∀x ∈ Rn dikenakan pada TA yang menghasilkan TA (x) kemudian dilanjutkan dengan TB yang menghasilkan TB (TA (x)) yang berada di Rm .6 Komposisi T1 ◦ T2 .5 adalah matrisk standar untuk T adalah   [T ] =  0 1  1 0 0   0   0 0 −1 Untuk pencerminan terhadap bidang yang lain. Transformasi Linear 62 atau ditulis dalam bentuk matriks.4. Jika TA : Rn → Rk dan T : Rk → Rm adlah transformasi linear.

Salah satu transformasi linear yang penting adalah operator linear T : R2 → R2 yang merotasikan setiap vektor pada sudut θ Secara geometris jelas bahwa jika u dan v merupakan vektor yang berbeda di R2 .1.6 mengilustrasikan hasil dari operasi pencerminan terhadap garis-y = x kemudian dilanjutkan dengan pencerminan terhadap sumbu-x dapat ditulis (T1 ◦ T2 )(x) = T1 (T2 (x)) = jadi T2 ◦ T1 = T1 ◦ T2 Komposisi transformasi juga dapat dilakukan lebih dari dua transformasi linear. seperti terlihat pada Gambar 4.5 mengilustrasikan hasil dari operasi pencerminan terhadap sumbu-x kemudian dilanjutkan dengan pencerminan terhadap garis-y = x dapat ditulis (T2 ◦ T1 )(x) = T2 (T1 (x)) = 0 1 1 0 −1 0 0 1 = 0 1 −1 0 sedangkan Gambar 4.7 y T(v) z P T(u) v q q Q y u M x x Gambar 4. antara lain apakah matriks transformasi dapat dibalik (punya invers) dan juga juga mencari karakteristik transformasi sehingga dapat ditarik transformasi yang lebih umum.4 Jika T1 : R2 → R2 adalah operator pencerminan terhadap sumbu- x dan T2 : R2 → R2 adalah operator pencerminan terhadap garis-y = x. Sifat Transformasi Linear 63 C ONTOH 4.2.7 Vektor yang dirotasikan Gambar 4. −1 0 0 1 0 1 1 0 = 0 −1 1 0 4. maka juga vektor T (u) dan T (v) merupakan hasil transformasi.4. Gambar 4.8 Titik-titik diproyeksikan .2 Sifat Transformasi Linear Pada bagian ini akan dibahas tentang sifat dari transformasi linear. Transformasi linear yang memetakan vektor atau titik yang berbeda ke vektor atau titik yang berbeda merupakan transformasi linear yang sangat penting.

2. maka titik-titik yang berbeda pada satu garis vertikal yang sama terpetakan ke satu titik yang sama seperti terlihat pada Gambar 4.6) . yaitu cos θ − sin θ [T ] = sin θ cos θ yang mempunyai invers (dapat dibalik). jika matriks tersebut konsisten maka matriks tersebut punya invers dan sebaliknya.4. karena 1 0 0 det[T ] = 0 1 0 0 0 0 =0 (4. karena det[T ] = cos θ − sin θ sin θ cos θ =1=0 Sedangkan matriks yang dibangun oleh Gambar 4. TA adalah satu-satu Contoh transformasi dari Gambar 4.2.A dapat dibalik (mempunyai invers) b.8 adalah sebuah matriks   1 0 0   [T ] =  0 1 0    0 0 0 yang tidak dapat dibalik (tidak punya invers).8.1 Suatu transformasi linear T : Rn → Rm disebut satu-satu jika T memetakan vektor (titik) yang berbeda pada Rn ke vektor (titik) yang berbeda pada Rm Dengan menganggap bahwa matriks transformasi berbentuk matriks persegi. atau perhatikan teorema berikut ini T EOREMA 4. Sifat Transformasi Linear 64 Sebaliknya. jika T : R3 → R3 adalah proyeksi ortogonal R3 pada bidang-xy. Perhatikan definisi berikut ini D EFINISI 4.Daerah hasil dari TA adalah Rn c.2 Jika A adalah matriks n × n dan TA : Rn → Rn adalah perkalian dengan A.2. maka pernyataan berikut ini ekuivalen a.7 menghasilkan sebuah matriks.

9 Operator Invers Invers Operator Linear Jika TA : Rn → Rn adalah operator linear satu-satu.2. Sedangkan TA−1 : Rn → Rn sendiri adalah operator linear yang disebut invers dari TA . maka Teorema 4. cari T −1 (w1 .2 matriks A dapat dibalik.2.4.9 yang mempunyai arti TA−1 (w) = TA−1 (TA (x)) = x C ONTOH 4. w2 ) Jawab: Ubah persamaan ke bentuk matriks.2. Operator-operator TA dan TA−1 saling membalikan sehingga TA (TA−1 (x)) = AA−1 x = Ix = x atau TA−1 (TA (x)) = A−1 Ax = Ix = x dapat juga ditulis TA ◦ TA−1 = TAA−1 = TI atau TA−1 ◦ TA = TA−1 A = TI Secara geometris dapat dilihat pada Gambar 4. Sifat Transformasi Linear 65 TA w x TA -1 Gambar 4. yaitu w1 w2 = 1 1 2 3 x1 x2 .1 Tunjukan bahwa operator T : R2 → R2 didefinisikan oleh persamaan w1 = x1 + x2 w2 = 2x1 + 3x2 adalah satu-satu.

· · · . −2w1 + w2 ) w1 w2 = 3 −2 −1 1 w1 w2 = 3w1 − w2 −2w1 + w2 3 −2 −1 1 1 1 2 3 Sifat Kelinearan Setelah dipelajari tentang invers dari suatu transformasi. Perhatikan teorema berikut ini T EOREMA 4. berlaku a. yaitu [T −1 ] = [T ]−1 = Jadi [T −1 ] atau dapat ditulis T −1 (w1 .4 Jika T : Rn → Rm adalah transformasi linear. jika dicari dengan menggunakan Persamaan 4. T EOREMA 4.2. v ∈ Rn dan c skalar. T (u + v) = T (u) + T (v) b. T (e2 ). T (cu) = cT (u) Bukti dari teorema ini. perhatikan teorema berikut ini. w2 ) = (3w1 − w2 . T (en )] (4. e2 .2. gunakan teorema atau definisi dari matriks yang sudah dipelajari terlebih dahulu.7 akan didapat       1 0 0       T (e1 ) = e1 =  0  T (e2 ) = e2 =  1  T (e3 ) = 0 =  0        0 0 0 .2. dan e1 . yaitu ∀u. · · · . maka matriks standar dari T adalah [T ] = [T (e1 ). en adalah vektor basis standar dari Rn .7) Proyeksi ortogonal pada bidang-xy yang menghasilkan sebuah matriks transformasi sesuai dengan Persamaan 4.6. Sifat Transformasi Linear 66 sehingga matriks standar untuk T adalah [T ] = matriks tersebut mempunyai invers.4.3 Transformasi T : Rn → Rm dikatkan linear jika dan hanya jika hubungan berikut terpenuhi. sifat kelinearan adalah konsep dasar untuk memperlas konsep secara umum.

.4.11 Basis Standar R3  1 0 0  jadi   [T ] =  0 1 0    0 0 0 yang sesuai.10 Basis Standar R2 Gambar 4.2. Sifat Transformasi Linear z y 67 e3 e2 y x e1 e1 e2 x Gambar 4.

Tidak terlepas pula akan dicari rank (peringkat) dan nulitas (null) serta dimensi dari sebuah matriks. Tujuan Instruksional Khusus Mhs dapat mengetahui tentang vektor dan ruangnya. Memahami ruang vektor dan sub-ruangnya 3. kemudian dilanjutkan dengan sub-ruang dan dijelaskan pula sifat-sifat dari ruang vektor tersebut. Memahami rank dan nulitas dari suatu ruang 68 . Tujuan Instruksional Umum Mahasiswa menguasai atau memahami tentang vektor (apa saja yang dapat disebut sebagai vektor) dan ruang vektor. Memahami tentang basis dan dimensi dari suatu ruang 4. Dengan memberikan aksioma-aksioma tertentu pada suatu himpunan vektor.Modul 5 Ruang Vektor Pendahuluan Pada Modul ini akan dibahas materi yang berkaitan dengan vektor secara umum. Memahami pengertian vektor secara umum 2. begitu juga paham tentang peringkat dan nulitas serta dimensi dari dari sebuah matriks. secara khusus diharapkan : 1. maka himpunan vektor dapat dikaakan sebagai ruang vektor. yaitu suatu obyek sebarang.

maka u + v ∈ V b. v ∈ V . C ONTOH 5. Jika aksioma dibawah ini dipenuhi oleh ∀u. Jika u. Perhatikan beberapa contoh berikut ini.1 Tunjukan bahwa himpunan V dari semua matriks beukuran 2×2 dengan . overlinev ∈ V dengan suatu obyek u + v yang disebut dengan jumlah u dan v dan perkalian skalar adalah aturan yang menghubungkan setiap skalar k dan setiap obyrk u ∈ V dengan obyek ku yang disebut dengan perkalian skalar dari u dengan k. visualisasi tidak dapat dilakukan dengan baik dan nyata. Penjumlahan vektor adalah suatu aturan yang menghubungkan setiap pasangan obyek u. sehingga berlaku 0 + u = u + 0 = u e. ku ∈ V g.1.1 Ruang Vektor Real Di modul sebelumnya. Ruang Vektor Real 69 5. perhatikan definisi berikut ini: D EFINISI 5. v. yaitu penjumlahan vektor dan perkalian skalar. Sedangkan di ruang yang lebih tinggi lagi atau lebih dari tiga. Ada −u ∈ V yang disebut dengan vektor negatif dari u.1 V adalah himpunan vektor tak kosong dari obyek dengan dua opearasi yang didefinisikan. w ∈ V dan semua skalar k dan l. Ada 0 ∈ V yang disebut dengan vektor nol untuk V . k(u + v) = ku + kv h. maka V disebut ruang vektor obyek yang berada di dalam V disebut dengan vektor. sehingga berlaku u + (−u) = (−u) + u = 0 f. matriks atau yang lainnya. tergantung pada aplikasi yang digunakan dan operator yang digunakan tidak harus berbentuk penjumlahan dan perkalian. k(lu) = (kl)u j. Oleh karena itu perlu dibuat suatu aturan bagaimana vektor itu sebenarnya. (k + l)u = ku + lu i.1. 1u = u Telah disebutkan diatas yang dimaksud dengan obyek dapat berbentuk vektor.1. u + v = v + u c. telah dipelajari dengan seksama tentang vektor di R2 dan R3 yang dapat divisualisasikan dengan baik dan nyata. u + (v + w) = (u + v) + w d. a.5.

3 Jika W adalah suatu himpunan satu atau lebih vektor dari suatu ruang vektor V . jika operasi penjumlahan vektor didefinisikan sebagai penjumlahan matriks dan operasi perkalian skalar dengan vektor diartikan sebagai perkalian skalar dengan matriks.1. maka W adalah suatu sub-ruang dari V jika dan hanya jika syarat syarat berikut terpebuhi 1. Secara umum. Jika k skalar.2.1 C ONTOH 5. dan u ∈ W .1.1.2 yang juga memenuhi kesepuluh aksioma pada Definisi 5.3 Himpunan yang beranggotakan vektor nol saja {0} adalah sub-ruang R2 yang dinamakan sub-ruang nol begitu juga sebagai sub ruang R3 .1. maka ku ∈ W C ONTOH 5.1. karena setiap garis yang melalui titik asal bila dijumlahkan dengan garis yang melalui titik asal yang lain hasilnya juga sebuah garis yang melalui titik asal juga. v ∈ W .2 Suatu himpunan bagian W dari suatu ruang vektor V disebut suatu sub-ruang dari V jika W sendiri adalah suatu ruang vektor di bawah penjumlahan dan perkalian skalar yang didefinisikan pada V .1. kesepuluh aksioma ruang vektor untuk menunjukan bahwa suatu himpunan W dengan penjumlahan dan perkalian skalar membentuk suatu ruang vektor. Secara tidak langsung W diwarisi oleh aksioma dari V . Ruang Vektor Real 70 angota bilangan real merupakan suatu ruang vektor. 0) Sub-ruang Suatu ruang vektor yang tercakup oleh ruang vektor yang lebih besar adalah suatu hal yang mungkin. Bagaimana dengan matriks yang berukuran m × n C ONTOH 5.5. u2 + v2 ).2. Secara umum perhatikan definisi berikut ini D EFINISI 5. karena memenuhi kedua aksioma pada Teorema 5. Jika u. yaitu aksioma ke-sepuluh dan ku = (ku1 . Apakah V ruang vektor? Ternyata V bukan ruang vektor.4 Garis yang melalui titik asal adalah sub-ruang R2 dan juga sub-ruang R3 . Sebagai contoh ruang vektor R2 akan tercakup oleh ruang vektor R3 . salah satu axioma tersebut tidak terpenuhi. maka u + v ∈ W 2. .2 Kalau V = R2 dan didefinisikan dua operasi yaitu u + v = (u1 + v1 . Perhatikan teorema berikut ini T EOREMA 5. begitu juga perkalian skalar. karena dari sepuluh aksioma.

y = 0 dan x = 0.1. dengan memisalkan z = t. Perhatikan teorema berikut ini T EOREMA 5. karena dua vektor yang terletak dalam satu bidang bila dijumlahkan hasilnya akan dalam satu bidang juga. t mempunyai nilai sebarang. qr .1.  0 0 0    0 0 0 jawab: lakukan OBE sedemikian hingga matriks A menjadi matriks eselon tereduksi. sehingga ruang penyelesaiannya adalah semua anggota di R3 . yang merupakan persamaan garis yang melalui titik asal. dimana r.2. .5.2. yang merupakan titik asal. dengan memisalkan z = t. 5.1 Suatu vektor p disebut suatu kombinasi linear dari vektor-vektor ¯ q1 . · · · . Jika Ax = b adalah suatu sistem persamaan linear. penyelesaiannya adalah z = 0. maka setiap vektor x yang memenuhi persamaan ini disebut suatu vektor penyelesaian dari sistem tersebut.1.  −3 7 −8  c. q2 .2 Kombinasi Linear dan Membangun Pada kegiatan belajar ini akan dikenalkan suatu istilah atau konsep yaitu kombinasi linear dari vektor-vektor dan membangun suatu ruang vektor. maka x = 2s − 3t.  −3 7 −8 a. sehingga a. kr adalah skalar. s.5 Bidang yang melalui titik asal adalah sub-ruang R3 . y = s dan x = r. sehingga dapat ditulis x = 2y − 3z ataux − 2y + 3z = 0 yang merupakan persamaan bidang yang melalui titik asal. · · · . maka y = −t dan x = −5t. dengan memisalkan z = t dan y = s. c.      3 −6 9 4 1 2 −2 4 −6 C ONTOH 5. jika bisa dinyatakan dalam bentuk ¯ ¯ ¯ p = k1 q1 + k2 q2 + · · · + kr qr ¯ ¯ ¯ ¯ dengan k1 . b. Kombinasi Linear dan Membangun 71 C ONTOH 5.6        0 0 0    d. maka himpunan vektor penyelesaiannya adalah sub-ruang dari Rn .4 Jika Ax = 0 adalah suatu sistem linear homogen dari m persamaan dengan n peubah. Perhatikan definisi berikut ini: D EFINISI 5. d. k2 . Pandang Sistem linear homogen Ax = 0 dengan    1 −2 3 1 −2 3 1 −2 3       2 −4 6  b.

Kombinasi Linear dan Membangun 72 C ONTOH 5. ¯ . k) + (l. · · · . sehingga r = 4¯ − ¯ p 3¯. k − l) = 4 dengan menyamakan komponen yang berpadanan diperoleh 2k + 2l = −1 3k − l = 8 k+l Sistem tersebut tidak konsisten artinya tidak mempunyai penyelesaian atau tidak dapat ditemukan k dan l. 2. k − l) dengan menyamakan komponen yang berpadanan diperoleh = 9 3k + l 2k + 2l = 2 k−l = 7 Penyelesaian dari sistem tersebut menghasilkan k = 4 dan l = −3. 1) dan q = (1. untuk i = 1. yaitu s = q ¯ ¯ ¯ ¯ k p + l¯. 7) = k(3. 2. sehingga s bukan kombinasi linear dari p dan q . r. dan jika ∃¯ = u ∈ V merupakan kombinasi u v ¯ linear dari ui dan yang lainnya mungkin tidak kombinasi linear. 2k + 2l. demikian juga untuk s apakah merupakan kombinasi linear dari p dan q . Teorema berikut akan ¯ menunjukan bahwa himpunan W yang terdiri dari semua vektor yang dapat dinyatakan sebagai kombinasi linear dari ui . 7) adalah kombinasi linear dari p dan q dan bahwa s = (9. 2. 2. 2. 2l. −1) di R3 . 2. 3. −l) = (3k + l.5. 1) + l(1. k) + (l. 7) ¯ ¯ ¯ ¯ bukanlah kombi nasi linear dari p dan q ¯ ¯ jawab: r akan kombinasi linear jika dapat ditemukan skalar k dan l sedemikian hingga berlaku ¯ r = k p + l¯. 2k. maka W merupakan sub-ruang V . 1) + l(1.2. −1) = (3k. 2. 2. ¯ q yaitu (4. −1.1 Tinjau vektor p = (3. 2. ¯ ¯ ¯ ♦ Jika ∀¯i ∈ V . 2k + 2l. yaitu ¯ ¯ q (9. 8) = k(3. 2. −l) = (3k + l. Tunjukan ¯ ¯ bahwa r = (9. 2l. 2k. −1) = (3k.2.

ur dan vektor-vektor ¯ ¯ ¯ atau terse. maka sub-ruang W dari V yang mengandung semua kombinasi linear dari vektor-vektor di S disebut ruang terbangun oleh u1 . Himpunan W semua kombinasi linear dari u1 . 2. 0. b3 ) = (k1 + 2k2 + k3 . u2 . ur dalam arti bahwa ¯ ¯ ¯ setiap sub-ruang lain dari V yang berisi u1 . u2 . u2 . W adalah sub-ruang terkecil dari V yang berisi u1 . b2 . v2 = (2. · · · . u2 .2 Jika u1 . dituliskan u ¯ ¯ jawab: Ambil sebarang ¯ = (b1 . v2 dan v3 memb ¯ ¯ ¯ bangun R3 ♦ 5.2. · · · . · · · . 1. Bagian ini merupakan kelanjutan yang erat dari kegiatan sebelumnya. · · · .2 Tentukan apakah v1 = (1. ur pasti mengandung W . b2 . ur adalah vektor-vektor di ruang vektor V . 2) mem¯ ¯ ¯ 3 bangun ruang vektor Rbang(S) W = ? vektorvektor di S = {¯1 . ur } adalah suatu himpunan vektor di u ¯ ¯ ruang vektor V . 3) dan v3 = (1. u2 . ur }. Bebas Linear 73 T EOREMA 5.2.3 Bebas Linear Pada kegiatan bealajar kali ini. u2 .5. · · · . 1). akan dikenal tentang himpunan suatu vektor yang anggotanya tidak saling tergantung antara satu vektor dengan vektor yang lainnya. maka: ¯ ¯ ¯ 1. ur } W u ¯ ¯ but membangun W . · · · . 1.= bang{¯1 .2. ur merupakan suatu ¯ ¯ ¯ subruang dari V . · · · . Untuk menunjukan bahwa W adalah ruang terbangun oleh C ONTOH 5. maka cukup diperiksa apakah matriks b det(A) = 0 atau tidak. k2 + k3 . k1 + 3k2 + 2k3 ) sehingga didapat sistem persamaan berikut k1 + 2k2 + k3 = b1 k2 + k3 = b2 k1 + 3k2 + 2k3 = b3 untuk mencari nilai ¯ sehingga sistem konsisten.3. yaitu b ¯ = k1 v1 + k2 v2 + k3 v3 b ¯ ¯ ¯ atau (b1 . u2 .3 Jika S = {¯1 . u2 . · · · . Perhatikan definisi berikut ini . b3 ) ∈ R3 . ¯ ¯ ¯ Selanjutnya perhatikan definisi berikut ini: D EFINISI 5. jika tidak maka ¯ dapat ditemukan sehingga v1 . nyatakan sebagai kombinasi linear.

2 jawb: Pandang S = {¯. 6. 0) dan i. 0). 0.1 Jika S = {¯1 . 0) + l2 (0. 6. v2 . 1) apakah S bebas linear ? Untuk membuktikannya. Bebas Linear 74 D EFINISI 5. maka antara satu vektor dengan vektor yang lainnya saling tergantung atau S tak bebas linear. maka persamaan berikut k1 v1 + k2 v2 + k3 v3 + · · · + kr vr = ¯ ¯ ¯ ¯ ¯ 0 sedikitnya mempunyai penyelesaian berikut k1 = k2 = k3 = · · · = kr = 0 Jika hanya itu satu-satunya penyelesaian. 1) + l2 (−1. sehingga S bebas linear. · · · . 0. maka S dinamakan himpunan vektor yang bebas linear. 2. 3) = (0. 5) + l3 (1. 0. 0. −2. C ONTOH 5. 0) + l3 (0. tetapi jika ada penyelesaian yang lain. 0. 0. perhatikan l1 p + l2 q + l3 r = ¯ ¯ ¯ ¯ 0 atau l1 (3. maka S dinamakan tak bebas linear. 0) sehingga didapat l1 = l2 = l3 = 0 yang merupakan satu-satunya penyelesaian. q = (−1. v3 . 5) p ¯¯ ¯ ¯ dan r = (1. dengan ¯ = (1. vr } adalah suatu himpunan vektor takv ¯ ¯ ¯ kosong. 1). q .5.1 jawb: Pandang S = {¯ ¯ k} di R3 .3. ♦ .3. 1) = (0. ¯ = (0. 1. ♦ C ONTOH 5. 0) sehingga dapat ditulis dalam sistem linear seperti berikut 3l1 − l2 + l3 = 0 −2l1 + 6l2 + 2l3 = 0 1l1 + 5l2 + 3l3 = 0 karena nilai determinan dari sistem linear tersebut tidak sama dengan nol. −2. 2.3. dengan p = (3. j. 3) apakah S bebas linear ? ¯ Untuk membuktikannya. 1.3. perhatikan ¯ 0 l1¯ + l2¯ + l3 k = ¯ i j atau l1 (1. r} di R3 . ¯ i j ¯ k = (0.

3. jika dan hanya jika tidak ada vektor di S yang dapat dinyatakan sebagai kombinasi linear dengan vektor yang lainnya. · · · . yaitu T EOREMA 5.3 S = {¯.3. ¯ r = (7. 5. vr } adalah suatu himpunan vektor v ¯ ¯ ¯ vektor di Rn . −1. maka bentuk sisitem linearnya adalah jumlah persamaannya lebih banyak daripada jumlah variabelnya.5. v2 . 3).2. 8) ¯ Perhatikan teorema dibawah ini. jika dan hanya jika sedikitnya salah satu vektor di S dapat dinyatakan sebagai kombinasi linear dengan vektor yang lainnya. Bukti: Karena jumlah vektor pada lebih banyak daripada ruangnya. 5. maka himpunan vektor tersebut tak bebas linear. 2. Kemudian perhatikan teorema berikut ini T EOREMA 5.3. maka S tak bebas linear.3 1.2 Suatu himpunan Sdengan dua atau lebih vektor. v3 .3. C ONTOH 5. maka himpunan tersebut tak bebas linear 2. Jika r > n.4 Anngap S = {¯1 . Suatu himpunan vektor terhingga yang mengandung vektor nol. ¯ Buktikan S tak bebas linear? jawab: Sesuai dengan Teorema 5. r} dengan p ¯¯ p = (2. karena 1 1 p=− q+ r ¯ ¯ ¯ 3 3 jadi S tak bebas linear ♦ atau q = −3¯ + r ¯ p ¯ atau r = 3¯ + q ¯ p ¯ q = (1. oleh karena itu S tak bebas linear. Bebas linear. Suatu himpunan mempunyai tepat dua vektor dan salah satu vektor merupakan penggandaan dari vektor yang lainnya. 0. −1). bahwa jika suatu himpunan vektor jika dan hanya jika salah satu vektor merupakan kombinasi linear dari vektor yang lainnya. Bebas Linear 75 Perhatikan teorema dibawah ini. maka himpunan vektor tersebut tak bebas linear Silahkan dibuktikan!. −1. T EOREMA 5. 2. dinamakan 1. q .3. .3. Tak bebas linear. sehingga sistem mempunyai banyak penyelesaian.

yaitu 1. kn } ¯ disebut koordinat x relatif terhadap S. Bukti dipakai untuk latihan. vn } adalah himpunan v ¯ ¯ ¯ vektor-vektor di V . kn ) ¯ . c) pada suatu sistem koordniat tak-segiempat pada ruang berdimensi tiga. k2 . kn ) di Rn yang tersusun dari ¯ koordinat-koordinat ini dinamakan koordinat vektor x relatif terhadap S. k3 . · · · . k2 . T EOREMA 5. Koordinat Relatif terhadap Basis Jika S = {¯1 . S membangun V . maka skalar k1 .5. Vektor (k1 . S bebas linear 2. vn } adalah basis untuk ruang vektor V v ¯ ¯ ¯ dan x = k1 v1 + k2 v2 + k3 v3 + · · · + kn vn ¯ adalah suatu ekspresi untuk vektor x dalam bentuk basis S. b. v3 . hal ini dinyatakan ¯ dengan x = (k1 . Perhatikan definisi berikut ini.1 Jika V ruang vektor dan S = {¯1 . maka S dinamakan basis untuk V jika kedua syarat dibawah ini terpenuhi. · · · . b) pada suatu sistem koordinat segiempat pada ruang berdimensi dua. D EFINISI 5. v2 . · · · . sedangkan Gambar ?? adalah koordinat P = (a. v2 .4 Basis dan Dimensi Anggapan bahwa garis merupakan dimensi satu. · · · . yaitu koordinat P = (a. Anggapan tersebut yang merupakan gagasan intuitf mengenai dimensi yang tepat. v2 . b) pada sistem koordinat tak-segiempat pada ruang berdimensi dua. bidang merupakan dimensi dua dan ruang dimensi tiga. vn } adalah basis untuk ruang V .2 Jika S = {¯1 . Basis dan Dimensi 76 5. v3 . Gambar ?? yaitu koordinat P = (a. Akan lebih jelas. · · · .4. maka v ¯ ¯ ¯ ∀¯ x ∈ V dapat dinyatakan dalam bentuk x = k1 v1 + k2 v2 + k3 v3 + · · · + kn vn ¯ dalam tepat satu cara. perhatikan teorema berikut ini. k3 . v3 . Gambar ??. Perhatikan ketiga gambar dibawah ini. k3 . k2 .4.4. · · · .

4. 0). maka ¯ merupakan kombinasi linear dari S. Basis dan Dimensi 77 C ONTOH 5. Untuk membuktikan S membangun R3 .4.1 Pada contoh sebelumnya. i ¯ = (0. dan u3 = u ¯ ¯ ¯ u ¯ (3. 1) + k2 (2. sehingga S membangun R3 . 1) = a¯ + b¯ + ck ¯ i j sehingga dapat ditulis vektor relatifnya sebagai (¯)s = (a. ditulis b ¯ = k1 u1 + k2 u2 + k3 u3 b ¯ ¯ ¯ (b1 . jika nilai determinannya tidak sama dengan nol.2. kemudian ditunb jukan apakah ¯ merupakan kombinasi linear dari S. b Untuk membuktikan S bebas linear. ambil ¯ = (0. cukup dibuktikan apakah S mempunyai sifat bebas linear dan membangun ruang vektor R3 . 4). pikirkan. 0). 1). ditulis ¯ = l1 u1 + l2 u2 + l3 u3 0 ¯ ¯ ¯ (0. 0) + k3 (3. 3. b. 9. c) u Bagaimana basis standart untuk Rn . 0. c) = a(1. S = {¯ ¯ k} dan i. 0. ambil ∀¯ = (b1 . dapat ditulis ¯ ¯ u = (a.2 jawab: S = {¯1 . 1. 3. u2 . 0) + l3 (3. 0) + b(0. ¯ ¯ = (1. 0) ∈ R3 . Tunjukan bahwa S adalah basis untuk R3 ? Untuk membuktikan apakah S basis atau bukan.5. u3 } dengan u1 = (1. j ¯ k = (0. 1) yang merupakan himpunan vektor yang bebas linear di R3 dan membangun R3 . 0.¯2 = (2. 1. c) ∈ R3 . b2 . 0). 2.1) . 3. 0. 4) (5.4. kemudian ditunjukan 0 ¯ apakah 0 merupakan kombinasi linear dari S. b. j. 9. Jika u = (a. 1) + l2 (2. 2. 0. 0) = l1 (1. yaitu k1 + 2k2 + 3k3 = b1 2k1 + 9k2 + 3k3 = b2 k1 + 4k3 = b3 hitung determinan dari Persamaan 5. b. 0. 2. b3 ) = k1 (1. b2 . C ONTOH 5. 0) + c(0. b3 ) ∈ R3 . 9. jadi S adalah basis standart untuk R3 . 4) atau ditulis dalam bentuk sistem linear.

Jika v ¯ ¯ tidak himpunan seperti itu. S adalah basis untuk R3 . Ruang vektor nol dinamakan berdimensi berhingga. · · · . ♦ (5.5.4 Dimensi suatu ruang vektor berdimensi berhingga V . maka matriks koefisiennya mempunyai invers sehingga sistem linear mempunyai penyelesaian tunggal yaitu l1 = l2 = l3 = 0. maka S basis untuk ruang vektor R3 .4. Basis dan Dimensi 78 atau ditulis dalam bentuk sistem linear. maka V berdimensi tak-hingga. dan D EFINISI 5.3 mogen dibawah ini Tentukan basis dan dimensi dari ruang penyelesaian sisitem linear ho- 2x1 + 2x2 − x3 + x5 = 0 −1x1 − x2 + 2x3 − 3x4 + x5 = 0 x1 + x2 − 2x3 − x5 = 0 x3 + x4 + x5 = 0 jawab: Ubahlah dalam bentuk matriks A¯ = ¯ kemudian lakukan OBE sedmikian hingga matriks x b . C ONTOH 5.4. maka dimensi dari R3 adalah dim(S) = 3.2) Setelah diketahui konsep dasar basis dari suatu ruang vektor.4.4. sekarang akan dipelajari dimensi dari suatu ruang vektor. sehingga S bebas linear. Seperti Contoh 5. Karena S mempunyai sifat bebas linear dan membangun R3 . yang ditulis dengan dim(V ).5. didefinisikan sebagai jumlah vektor dalam sautu basis V . v2 . perhatikan definisi berikut ini. vn } yang merupakan basis. yaitu l1 + 2l2 + 3l3 = 0 2l1 + 9l2 + 3l3 = 0 l1 + 4l3 = 0 hitung determinan dari Persamaan 5.3 Suatu ruang vektor tak-nol V dinamakan berdimensi berhingga jika V berisi himpunan vektor berhingga yaitu {¯1 .2.2. D EFINISI 5. Ruang vektor nol berdimensi nol. jika nilai determinannya tidak sama dengan nol.

Ruang Baris. v2 } adalah basis ruang penyelesaian v ¯ yang mempunyai dimensi dua. ♦ 5. maka x1 = −s − t. oleh karena itu {¯1 . 0   0   0   0 x4 = 0.5. ruang kolom dan ruang kosong ayng berkaitan dengan matriks.5 Ruang Baris. Perhatikan definisi berikut ini . yaitu ruang baris. Hasilnya diharapkan adalah paham terhadap hubungan antara penyelesaian sustu sistem linear dan sifat-sifat matriks koefisien. x3 = −t. atau  x1   −s − t s −t 0 t   −s   −t  x2 = s. x5 = t  −1   −1   0    −1   0   1     x2          x3  =      x    4   x5         s   0                =  0  +  −t  = s          0   0         0 t    1      0  + t    0    0 yang menunjukan bahwa vektor-vektor   −1    1      v1 =  0  ¯    0    0  −1  dan    0      v2 =  −1  ¯    0    1 membangun ruang penyelesaian. Ruang Kolom dan Ruang Kosong 79 A menjadi matriks eselon tereduksi seperti dibawah ini     x1   1 1 0 0 1    x    0 0 1 0 1  2        0 0 0 1 0   x3  =      x    4  0 0 0 0 0 x5 maka dengan memisalkan x5 = t dan x2 = s.5. Ruang Kolom dan Ruang Kosong Pada bagian ini akan dipelajari tiga ruang sekaligus.

     a22  c2 =  . . .  . am2 a12     . rm = [am1 ¯ a12 a22 ··· ··· a1n ] a2n ] a11 a12 ··· a1n a2n . am1 a11     .1 Ambil matriks A= 3 6 9 2 −1 −7 Vektor-vektor baris dari matriks A adalah r1 = [3 6 9] ¯ dan vektor-vektor kolom matriks A adalah c1 = ¯ 3 2 c2 = ¯ 6 −1 c3 1 = ¯ 9 −7 ♦ r2 = [2 − 1 − 7] ¯ Sekarang perhatikan definisi berikut ini .1 Suatu matriks A berukuran m × n.5. yang dibangun dari matriks A dinamakan vektor-vektor baris dari A dan vektorvektor    a21  c1 =  .5.5. ¯  . . am1 am2 · · · vektor-vektor r1 = [a11 ¯ r2 = [a21 ¯ . . ¯  .  .. . Ruang Kolom dan Ruang Kosong 80 D EFINISI 5. cn =  . . . . . ¯  . . = . amn        am2 ··· amn ] di Rn .  . C ONTOH 5.      a2n  · · · .  . amn a1n        di di Rm . .5. yang dibangun dari matriks A dinamakan vektor-vektor kolom dari A Untuk lebih jelasnya perhatikan contoh dibawah ini.  . yaitu    a21 a22 · · ·  A= . Ruang Baris.

Sedangkan ruang penyelesaian dari persamaan Ax = 0 yang merupakan subruang dari Rn dinamakan ruang kosong dari A. Ruang Baris.5. Ruang Kolom dan Ruang Kosong 81 D EFINISI 5.5. yaitu T EOREMA 5. sehingga ditemukan  −1   −1     1      v1 =  0  ¯    0    0 yang merupakan basis ruang kosongnya.5.4 OBE tidak mengubah ruang kosong dan ruang baris dari suatu matriks C ONTOH 5. ubah kebentuk matriks.5.3 Perhatikan matriks yang berbentuk baris eselon dibawah ini     0 1 0 2 −1    R=   0 0 0 1 2  0 0 0 0 0 1 2 1 0 1  . dan    0      v2 =  −1  ¯    0    1 ♦ T EOREMA 5. Setelah itu lakukan OBE sehingga matriks berbentuk eselon tereduksi. Untuk lebih jelasnya.4. dari sistem linear ho- mogen.5. maka sub-ruang dari Rn yang dibangun oleh vektor-vektor baris dari A dinamakan ruang baris dari A.5.2 Jika A adalah matriks berukuran m × n.3 Suatu sistem linear A¯ = ¯ konsisten jiadan hanya jika ¯ berada di x b b ruang kolom A T EOREMA 5. dan subruang dari Rm yang dibangun oleh vektor-vektor kolom dari A dinamakan ruang kolom dari A. maka vektor-vektor baris dengan utama 1 (vektor baris yang tak nol) membentuk basis suatu ruang baris dan vektor-vektor kolom dengan utama 1 dari vektor-vektor baris membentuk basis untuk ruang kolom.5. perhatikan contoh dibawah ini C ONTOH 5. carilah ruang kosongnya.5 Jika suatu matriks berbentuk baris-eselon.5.2 Seperti Contoh 5. Perhatikan pula beberapa teorema yang akan memperkuat.5.

5.4 Cari basis-basis ruang baris dan ruang kolom dari matriks    2 1 4 7 10 0 A=  5 1 10 17 23 1  1 0 2 2 3 −1 jawab: Lakukan OBE pada matriks A sehingga menghasilkan matriks R. ♦       Contoh berikut yang akan mempertegas dari contoh sebelumnya C ONTOH 5.5 . diperoleh bahwa.5.5. bahwa vektor-vektor r1 = [1 2 1 0 1] ¯ r2 = [0 1 0 2 − 1] ¯ r3 = [0 0 0 1 2] ¯ membentuk basis ruang baris dari matriks R dan vektor-vektor      1 2 0       0   1   2 c1   ¯   c2   ¯   c3  ¯   0   0   1 0 0 0 membentuk basis ruang kolom untuk R. Ruang Baris. Ruang Kolom dan Ruang Kosong 82 sesuai dengan teorema diatas. vektor-vektor r1 = [1 0 2 3 4 1] ¯ r2 = [0 1 0 1 2 0] ¯ r3 = [0 0 0 1 1 1] ¯ membentuk basis ruang baris dari matriks R dan vektor-vektor      1 0 3       1  0   1  c1   ¯   c2   ¯   c3  ¯   0   0   1 0 0 0 1 0 2 3 4 0             .5. yaitu   1 0 2 3 4 0    0 1 0 1 2 0    R=   0 0 0 1 1 1  0 0 0 0 0 0 berdasarkan Teorema 5.

5. dapat ditarik kesimpulan bahwa dimensi ruang baris dan dimensi ruang kolom mempunyai dimensi yang sama. Jadi kolom-kolom yang berpadanan dengan A. Oleh karena itu mempnyai dimensi yang sama. Dari contoh-contoh kegiatan sebelumnya.6.2 Dimensi bersaa dari ruang baris dan ruang kolom dari sutau matriks A disebut dengan rank dari A dan ditulis dengan rank(A). Dipelajari pula dimensi dari ruang baris.6. Perhatikan pula teorema berikut ini T EOREMA 5. sedangkan dimensi ruang kosong dari A disebut dengan nulitas dari A dan ditulis null(A). maka ruang baris dan ruang kolom dari A mempunyai dimensi yang sama Dari teorema pada kegiatan belajar sebelumnya menyatakan bahwa OBE tidak menguah ruang baris baris dari suatu matriks.4 Jika A matriks sebarang dengan n kolom. rank(A)=rank(AT ) dan T EOREMA 5.6.6.6 Rank dan Nulitas Pada bagian ini akan dibahas atau diperiksa hubungan antara sistem linear dan ruang baris. yaitu  1   0   3     2  c1   ¯    5  1    1  c2   ¯    1  0 ♦    7    c3  ¯ 17    2 membentuk basis ruang kolom untuk A. 5. ruang kolomdan ruang kosong.6.3 Jika A matriks sebarang. Rank dan Nulitas 83 membentuk basis ruang kolom untuk R. perhatikan teorema berikut ini T EOREMA 5. maka rank(A) + null(A) = n yang berarti dapat ditarik teorema lain. Perhatikan definisi berikut ini D EFINISI 5. sehingga utama 1 pada matriks koefisien jumlahnya sama.1 Jika A sebarang matriks. yaitu . ruang kolom serta ruang kosong dari matriks koefisien.

dengan kata lain rank(A)=2. sehingga dimensi ruang baris sama dengan dimensi ruang kolom yaitu dua.6. rank(A)= jumlah variabel bebas pada penyelesaian A¯ = ¯ x 0 2.6. . perhatikan contoh dibawah ini C ONTOH 5. null(A) = jumlah parameter dari penyelesaian A¯ = ¯ x 0 Akan lebih jelas. yaitu  1 0 1 2 1 1     0 1 0 2 3 0   R=  0 0 0 0 0 0    0 0 0 0 0 0 Jika dilakukan OBE pada AT sehingga menjadi matriks eselon teredusi.1 Cari rank dan null dari matriks dibawah ini A=  1 0 1 2 1 1    1 1 1 4 4 1     1 4 1 10 13 1    3 1 3 8 6 3 jawab: Lakukan OBE pada matriks diatas sehingga menjadi matriks berbentuk eseleon tereduksi.6.6. yaitu       R =     1 0 −3 2 0 1 0 0 0 0 0 0 0 0 4 0 0 0 0   1   0    0    0  0 Terlihat bahwa matriks R yang tidak semuanya nol ada dua baris yang menunjukan bahwa banyaknya anggota basis ruang baris maupun ruang kolom adalah dua. Terlihat bahwa hasil OBE dari A dan OBE dari AT mempunyai rank yang sama.3 bahwa rank dari suatu matiks sama dengan rank matriks transpose. Rank dan Nulitas 84 T EOREMA 5. maka 1.5 Jika A matriks sebarang berukuran m × n.5. Sesuai dengan torema diatas. yaitu Teorema 5.

maka didapat            x1     x2     x3     = x4       x5   x6 −s − 2r − q − p −2r − 3q s r q p              = s         −1     0     1     +r  0       0   0 −2     −2     0     +q  1       0   0 −1     −3     0     +p  0       1   0 −1   0   0    0    0  1 x5 = q. persamaan padanannya adalah       1 0 1 2 1 1     0 1 0 2 3 0    0 0 0 0 0 0    0 0 0 0 0 0  x1   0    x2     x3     = x4       x5   x6  0   0    0    0  0 atau x1 + 1x3 + 2x4 + x5 + x6 = 0 x2 + 2x4 + 3x5 = 0 dengan mengambil x6 = p. dimensi dari ruang kosong adalah empat atau null(A)=4. Rank dan Nulitas 85 Selanjutnya untuk menunjukan bahwa nullitas dari matriks diatas.6.6. Terlihat pula sesuai dengan Teorema 5.6. sehingga sesuai dengan Teorema 5.4. x4 = r. bahwa rank(A) + null(A) = 2 + 4 = 6 ♦ .5.5. x3 = s terdapat empat parameter.

Aljabar Linear dan Aplikasinya. 86 . Leon. 2001. Jakarta. Dasar-Dasar Aljabar Linear. Erlangga. 2000. Interaksara.Daftar Pustaka [1] Howard Anton. Batam. [2] Steven J.