Aljabar linear

Aljabar linear adalah bidang studi matematika yang mempelajari sistem persamaan linear dan solusinya, vektor, serta transformasi linear. Matriks dan operasinya juga merupakan hal yang berkaitan erat dengan bidang aljabar linear.

Daftar isi

1 Persamaan Linear & Matriks o 1.1 Penyelesaian Persamaan Linear dengan Matriks  1.1.1 Bentuk Eselon-baris  1.1.2 Operasi Eliminasi Gauss  1.1.3 Operasi Eliminasi Gauss-Jordan o 1.2 Operasi Dalam Matriks o 1.3 Matriks Balikan (Invers) o 1.4 Transpose Matriks o 1.5 Matriks Diagonal, Segitiga, dan Matriks Simetris  1.5.1 Matriks Diagonal  1.5.2 Matriks Segitiga  1.5.3 Matriks Simetris 2 Determinan o 2.1 Determinan dengan Ekspansi Kofaktor  2.1.1 Determinan dengan Minor dan kofaktor  2.1.2 Determinan dengan Ekspansi Kofaktor Pada Baris Pertama  2.1.3 Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama  2.1.4 Adjoin Matriks 3 x 3  2.1.5 Determinan Matriks Segitiga Atas  2.1.6 Metode Cramer  2.1.7 Tes Determinan untuk Invertibilitas o 2.2 Mencari determinan dengan cara Sarrus o 2.3 Metode Sarrus hanya untuk matrix berdimensi 3x3 o 2.4 Menghitung Inverse dari Matrix 3 x 3 o 2.5 Sistem Linear Dalam Bentuk Ax = λx 3 Vektor dalam Ruang Euklide o 3.1 Euklidian dalam n-Ruang o 3.2 Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi o 3.3 Menemukan norm dan jarak o 3.4 Bentuk Newton o 3.5 Operator Refleksi o 3.6 Operator Proyeksi o 3.7 Operator Rotasi o 3.8 Interpolasi Polinomial

Persamaan Linear & Matriks
Persamaan linear dapat dinyatakan sebagai matriks. Misalnya persamaan: 3x1 + 4x2 − 2 x3 = 5 x 1 − 5x 2 + 2x 3 = 7 2x1 + x2 − 3x3 = 9 dapat dinyatakan dalam matriks teraugmentasi sebagai berikut 3 1 2 4 -5 1 -2 2 -3 5 7 9

Penyelesaian persamaan linier dalam bentuk matriks dapat dilakukan melalui beberapa cara, yaitu dengan eliminasi Gauss atau dapat juga dengan cara eliminasi Gauss-Jordan. Namun, suatu sistem persamaan linier dapat diselesaikan dengan eliminasi Gauss untuk mengubah bentuk matriks teraugmentasi ke dalam bentuk eselon-baris tanpa menyederhanakannya. Cara ini disebut dengan substitusi balik. Sebuah sisitem persamaan linier dapat dikatakan homogen apabila mempunyai bentuk : a11x1 + a12x2 + ... + a1nxn = 0 a21x1 + a22x2 + ... + a2nxn = 0 am1x1 + am2x2 + ... + amnxn = 0 Setiap sistem persamaan linier yang homogen bersifat adalah tetap apabila semua sistem mepunyai x1 = 0 , x2 = 0 , ... , xn = 0 sebagai penyelesaian. Penyelesaian ini disebut solusi trivial. Apabila mempunyai penyelesaian yang lain maka disebut solusi nontrivial.

Penyelesaian Persamaan Linear dengan Matriks
Bentuk Eselon-baris Matriks dapat dikatakan Eselon-baris apabila memenuhi persyaratan berikut : 1.) Di setiap baris, angka pertama selain 0 harus 1 (leading 1). 2.) Jika ada baris yang semua elemennya nol, maka harus dikelompokkan di baris akhir dari matriks. 3.) Jika ada baris yang leading 1 maka leading 1 di bawahnya, angka 1-nya harus berada lebih kanan dari leading 1 di atasnya. 4.) Jika kolom yang memiliki leading 1 angka selain 1 adalah nol maka matriks tersebut disebut Eselon-baris tereduksi

Contoh: syarat 1: baris pertama disebut leading 1 1 0 0 0 4 -5 0 0 -2 2 -3 -8 5 7 9 8

syarat 2: baris ke-3 dan ke-4 memenuhi syarat 2 1 0 0 0 4 -5 0 0 -2 2 -3 0 5 7 9 0

syarat 3: baris pertama dan ke-2 memenuhi syarat 3 1 0 0 0 4 1 0 0 -2 2 -3 0 5 7 9 0

syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi 1 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 2 3 0 0 0 0 1 0 5 0 6

Operasi Eliminasi Gauss Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks sehingga menjadi matriks yang lebih sederhana (ditemukan oleh Carl Friedrich Gauss). lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Setelah menjadi matriks Eselon-baris. Contoh: Diketahui persamaan linear x + 2y + z = 6 x + 3y + 2z = 9 2x + y + 2z = 12 Tentukan Nilai x. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut Baris ke 2 dikurangi baris ke 1 Baris ke 3 dikurangi 2 kali baris ke 1 . Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya.

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

Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut Baris ke 2 dikurangi 2 kali baris ke 1 Baris ke 3 dikurangi 2 kali baris ke 1 Baris ke 3 dikurangi 3 kali baris ke 2 Baris ke 3 dibagi 8 dan baris ke 2 dibagi -1 Baris ke 2 dikurangi 4 kali baris ke 3 Baris ke 1 dikurangi 3 kali baris ke 3 Baris ke 1 dikurangi 2 kali baris ke 2 (Matriks menjadi Eselon-baris tereduksi) .

) A + ( B + C ) = ( A + B ) + C c.) k ( A + B ) = kA + kB = ( A + B ) k . maka B disebut balikan atau invers dari A dan dapat dituliskan B = A − 1 ( B sama dengan invers A ). maka A dikatakan matriks tunggal (singular). Negatif dari A atau -A adalah matriks yang diperoleh dari A dengan cara mengalikan semua elemennya dengan -1. Matriks A = Dengan Rumus = dapat di-invers apabila ad . k = skalar Hasil kali matriks A yang ber-ordo m x p dengan matriks B yang berordo p x n dapat dituliskan sebagi matriks C = [ cij ] berordo m x n dimana cij = ai1 b1j + ai2 b2j + . Jumlah dari k buah matriks A adalah suatu matriks yang berordo sama dengan A dan besar tiap elemennya adalah k kali elemen A yang seletak.Maka didapatkan nilai dari x = 2 . Untuk setiap A berlaku A + (-A) = 0.) A + B = B + A b. y = − 1 . + aip bpj Matriks Balikan (Invers) JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I . Hukum yang berlaku dalam penjumlahan dan pengurangan matriks : a. Jika matriks B dan C adalah invers dari A maka B = C. Jika tidak ditemukan matriks B. Begitu pula dengan hasil selisihnya. Matriks B juga mempunyai invers yaitu A maka dapat dituliskan A = B − 1.dan z = 1 Operasi Dalam Matriks Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama dan setiap elemen yang seletak sama.bc ≠ 0 . Didefinisikan: Jika k sebarang skalar maka kA = A k adalah matriks yang diperoleh dari A dengan cara mengalikan setiap elemennya dengan k... Jika A dan B adalah matriks yang mempunyai ordo sama. maka penjumlahan dari A + B adalah matriks hasil dari penjumlahan elemen A dan B yang seletak. Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan.

Contoh 3: Matriks A= .Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat di-invers dan (AB) −1 = B − 1A − 1 Contoh 1: Matriks A= AB = BA = dan B = = = = I (matriks identitas) = I (matriks identitas) Maka dapat dituliskan bahwa B = A − 1 (B Merupakan invers dari A) Contoh 2: Matriks A= AB = BA = dan B = = = Karena AB ≠ BA ≠ I maka matriks A dan matriks B disebut matriks tunggal.

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

(AB)T = BTAT Matriks Diagonal. (kA)T = kAT dimana k adalah skalar 4. Segitiga. ((A)T)T = A 2. Contoh : secara umum matriks n x n bisa ditulis sebagai . (A + B)T = AT + BT dan (A − B)T = AT − BT 3. dan Matriks Simetris Matriks Diagonal Sebuah matriks bujursangkar yang unsur-unsurnya berada di garis diagonal utama dari matriks bukan nol dan unsur lainnya adalah nol disebut dengan matriks diagonal.Matriks B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: 1.

Matriks diagonal dapat dibalik dengan menggunakan rumus berikut : D − 1= DD − 1 = D − 1D = I jika D adalah matriks diagonal dan k adalah angka yang positif maka Dk= Contoh : A= maka A5= .

dan transpose pada matriks segitiga atas adalah segitiga bawah. Inverse pada matriks segitiga bawah adalah matriks segitiga bawah. Matriks segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol. Matriks segitiga Matriks segitiga bawah Teorema • • • • Transpos pada matriks segitiga bawah adalah matriks segitiga atas. dan inverse pada matriks segitiga atas adalah matriks segitiga atas.Matriks Segitiga Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol. Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol. dan produk pada matriks segitiga atas adalah matriks segitiga atas. Contoh : Matriks segitiga yang bisa di invers A= . Produk pada matriks segitiga bawah adalah matriks segitiga bawah. Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol.

Asumsikan bahwa A adalah matriks simetris dan bisa di inverse. dan jika k adalah skalar maka AT adalah simetris A + B dan A .B adalah simetris kA adalah simetris (AB)T = BTAT = BA Jika A adalah matriks simetris yang bisa di inverse. .Inversnya adalah A − 1= Matriks yang tidak bisa di invers B= Matriks Simetris Matriks kotak A disebut simetris jika A = AT Contoh matriks simetris Teorema • Jika A dan B adalah matriks simetris dengan ukuran yang sama. bahwa A = AT maka : (A − 1)T = (AT) − 1 = A − 1 Yang mana membuktikan bahwa A − 1 adalah simetris. maka A − 1 adalah matriks simetris.

maka AAT dan ATA juga bisa di inverse Determinan Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar. detA = ad .Produk AAT dan ATA (AAT)T = (AT)TAT = AAT dan (ATA)T = AT(AT)T = ATA Contoh A adalah matriks 2 X 3 A= lalu ATA = = AAT = = Jika A adalah Matriks yang bisa di inverse.bc Determinan dengan Ekspansi Kofaktor . kita ambil matriks A2x2 A= tentukan determinan A untuk mencari determinan matrik A maka. Sebagai contoh.

definisi determinan ordo 3x3 adalah det(A) = a11C11+a12C12+a13C13 Determinan dengan Ekspansi Kofaktor Pada Baris Pertama Misalkan ada sebuah matriks A3x3 .maka kita bisa melihat matrik dibawah ini Begitu juga dengan minor dari a32 M32 = = detM = a11a23 x a13a21 Maka kofaktor dari a32 adalah c32 = (-1)3+2M32 = (-1)3+2 x a11a23 x a13a21 Secara keseluruhan.Determinan dengan Minor dan kofaktor A= Pertama buat minor dari a11 tentukan determinan A M11 = = detM = a22a33 x a23a32 Kemudian kofaktor dari a11 adalah c11 = (-1)1+1M11 = (-1)1+1a22a33 x a23a32 kofaktor dan minor hanya berbeda tanda Cij=±Mij untuk membedakan apakah kofaktor pada ij adalah + atau .

Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah. Pada ekspansi baris.a13a22a31 .a22a31) = a11a22a33 + a12a23a31 + a13a21a32 . Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali.a11a23a32 Contoh Soal: A= pertama Jawab: tentukan determinan A dengan metode ekspansi kofaktor baris det(A) = =1 -2 +3 = 1(-3) .a12(a21a33 .A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.a12 + a13 = a11(a22a33 .2(-8) + 3(-7) = -8 Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas.a23a31) + a13(a21a32 . . kita mengalikan minor dengan komponen baris pertama.a12a21a33 . det(A) = a11 . Sedangkan dengan ekspansi pada kolom pertama. kita mengalikan minor dengan kompone kolom pertama.a23a32) .

a23a32) .a22a31) = a11a22a33 + a21a23a31 + a31a21a32 .(a21)2a33 .4(-8) + 3(-7) = 8 A= Kofaktor dari matriks A adalah C11 = -12 C12 = 6 C13 = -16 C21 = 4 C22 = 2 C23 = 16 C31 = 12 C32 = -10 C33 = 16 maka matriks yang terbentuk dari kofaktor tersebut adalah untuk mencari adjoint sebuah matriks.a22(a31)2 .a11a23a32 Contoh Soal: A= pertama Jawab: tentukan determinan A dengan metode ekspansi kofaktor kolom det(A) = Adjoin Matriks 3 x 3 Bila ada sebuah matriks A3x3 =1 -4 +3 = 1(-3) .a21 + a31 = a11(a22a33 .a21(a21a33 .det(A) = a11 .a23a31) + a31(a21a32 . kita cukup mengganti kolom menjadi baris dan baris menjadi kolom .

adj(A) = Determinan Matriks Segitiga Atas Jika A adalah matriks segitiga nxn (segitiga atas. segitiga bawah atau segitiga diagonal) maka det(A) adalah hasil kali diagonal matriks tersebut Contoh = (2)(-3)(6)(9)(4) = -1296 Metode Cramer jika Ax = b adalah sebuah sistem linear n yang tidak di ketahui dan det(A)≠ 0 maka persamaan tersebut mempunyai penyelesaian yang unik dimana A j adalah matrik yang didapat dengan mengganti kolom j dengan matrik b Contoh soal: Gunakan metode cramer untuk menyelesaikan persoalan di bawah ini x1 + 2x3 = 6 -3x1 + 4x2 + 6x3 = 30 -x1 .2x2 + 3x3 = 8 Jawab: .

bentuk matrik A dan b A= b= kemudian ganti kolom j dengan matrik b A1 = A2 = A3 = dengan metode sarrus kita dapat dengan mudah mencari determinan dari matrik-matrik di atas maka..E2. Maka. Sebaliknya. R=Er.. jika det(A) ≠ 0... jadi det(R) = 1 ≠ 0 dan det(A) ≠ 0. kita akan menunjukkan bahwa det(A) dan det(R) keduanya adalah nol atau tidak nol: E1.. Sebagai langkah awal.Er menjadi matrix element yang berhubungan dengan operasi baris yang menghasilkan Rdari A. maka sesuai dengan teorema equivalent statements .. Sesuai dengan teorema R = I. maka R = I. [sunting] Tes Determinan untuk Invertibilitas Pembuktian: Jika R di reduksi secara baris dari Ä.E2 E1 A dan. det(R)=det(Er).. . Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers.. maka det(R) ≠ 0. jadi R tidak memiliki baris yang nol. maka A adalah dapat di-invers.det(E2)det(E1)det(EA) Jika A dapat di-invers.

sehingga menjadi . Maka A adalah dapat diinvers. detA = (aei + bfg + cdh) .(bdi + afh + ceg) Metode Sarrus hanya untuk matrix berdimensi 3x3 Menghitung Inverse dari Matrix 3 x 3 A= kemudian hitung kofaktor dari matrix A C11 = 12 C12 = 6 C13 = -16 C21 = 4 C22 = 2 C23 = 16 C31 = 12 C32 = -10 C33 = 16 menjadi matrix kofaktor cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor diatas.Contoh Soal : A= karena det(A) = 0. Mencari determinan dengan cara Sarrus A= tentukan determinan A untuk mencari determinan matrik A maka.

kita dapat menghitung determinan dari matrix A det(A) = 64 Sistem Linear Dalam Bentuk Ax = λx dalam sistem aljabar linear sering ditemukan Ax = λx .A) x = 0 contoh: diketahui persamaan linear x1 + 3x2 = λx1 4x1 + 2x2 = λx2 dapat ditulis dalam bentuk = λ yang kemudian dapat diubah .adj(A) = dengan metode Sarrus. dimana λ adalah skalar sistem linear tersebut dapat juga ditulis dengan λx-Ax=0. atau dengan memasukkan matrix identitas menjadi (λI .

A= dan x = yang kemudian dapat ditulis ulang menjadi λ λ sehingga didapat bentuk λ I .A) = 0 .3λ .A) = = 0 atau λ^2 .A = namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .λ adalah eigenvalue dari A dan dari contoh diperoleh det (λ I . maka eigenvector bisa didapat bila λ = -2 maka diperoleh dengan mengasumsikan x2 = t maka didapat x1 = t .A) x = 0.10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 dengan memasukkan nilai λ pada persamaan (λ I .

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

0 = (0.. -u2.. 0) Jika u = (u1. berarti..u = 0 (e) k (m u) = (k m) u (f) k (u + v) = k u + k v (g) (k + m) u = k u + m u (h) 1u = u adalah vektor . 0. vn-un) Sifat-sifat dari vektor dalam Rn jika . u2. . . dalam istilah komponen.... . maka negative (atau invers aditif) dari u dituliskan oleh –u dan dijelaskan oleh -u = (-u1. maka : (a) u + v = v + u (b) u + 0 = 0 + u = u (c) u + (v + w) = (u + v) + w (d) u + (-u) = 0 .. un) dalam setiap vector dalam Rn. -un) Perbedaan dari vector dalam Rn dijelaskan oleh v – u = v + (-u) atau.... u ..... .. v2-u2.. v – u = (v1-u1. dan dalam Rn sedangkan k dan m adalah skalar..

utilitas. dan seterusnya. Ekonomi – Pendekatan kita dalam analisa ekonomi adalah untuk membagi ekonomidalam sector (manufaktur. Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada waktu t koordinat mereka adalahx1.s2. dan kecerahan dari pixel.. Tegangan input bisa ditulis sebagai vector dalam R4 dan tegangan output bisa ditulis sebagaiR3. Dimana jagat waktu Einstein adalah 4 dimensi.y2.s10 adalah output dari sektor individual.v6.v1... Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan output..s10) dalam setiap angka s1.. sedangkan benang ada dalam dunia 11-dimensi Menemukan norm dan jarak Menghitung Panjang vektor u dalam ruang Rn ..s.w3) dalamR3.x6 dan kecepatan mereka adalah v1. Informasi ini bisa direpresentasikan sebagai vector V = (x1..x2. Analisis citra – Satu hal dalam gambaran warna dibuat oleh layar komputer dibuat oleh layar komputer dengan menyiapkan setiap [pixel] (sebuah titik yang mempunyai alamat dalam layar) 3 angka yang menjelaskan hue. Vektor ini disebut kondisi dari sistem partikel pada waktu t....s..yn) dalam Rn dalam setiap y1.v2.. dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai mata uang.yn adalah nilai yang terukur.x5.w2.Perkalian dot product didefinisikan sebagai Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi • • • • • • Data Eksperimen – Ilmuwan melakukan experimen dan membuat n pengukuran numeris setiap eksperimen dilakukan.v2..x4..v4. chip bisa dilihat sebgai alat yang mengubah setiap vektor input v = (v1. Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk v = (x...b) dalam x dan y adalah kordinat layar dari pixel dan h.v3.. Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai 15-topel x = (x1.x6.. saturation..x15) dalam setiap x1 adalah jumlah truk dalam depot pertama dan x2 adalah jumlah pada depot kedua. Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya.x3.. dan brightness.v2. • Fisika .v4) dalam R4 ke vector keluaran w = (w1..v5.x2.. pelayanan.. Dalam ekonomi dengan 10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan dngan 10-topel s = (s1.. saturasi.y.Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar.h...s3.t) Dalam R13.s2.. Lalu...v3.y2.v6..b adalah hue.x2. Hasil dari setiap experiment bisa disebut sebagai vector y = (y1.

un) Maka Panjang vektor u dan Menghitung jarak antara vektor u dengan vektor v Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+.y1). kita mencari interpolasi titik dari data (x0.(x1.u2.y0)..+a1x+a0 adalah bentuk standar.u3.... Tetapi ada juga yang menggunakan bentuk lain . sehingga dapat kita tuliskan menjadi p(x)=b3(x-x0)(x-x1)(x-x2)+b2(x-x0)(x-x1)+b1(x-x0)+b0 inilah yang disebut newton form dari interpolasi .jika u = (u1.. Jika kita tuliskan P(x)=a3x3+a2x2+a1x+a0 bentuk equivalentnya : p(x)=a3(x-x0)3+p(x)=a2(x-x0)2+p(x)=a1(x-x0)+a0 dari kondisi interpolasi p(x0)=yo maka didapatkan a0=yo ..y2).(x3. sehingga kita dapatkan : p(x0)=b0 p(x1)=b1h1+b0 p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0 p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0 sehingga jika kita tuliskan dalam bentuk matrix: Operator Refleksi . (x2. Contohnya .y3).

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

r sin ɵ sin ɸ w2 = r sin ɵ cos ɸ + r cos ɵ sin ɸ kemudian disubtitusi sehingga: w1 = x cos Θ . + a1x + a0 dari sudut minimum yang melewati setiap dari titik data. dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. Kurva ini harus memenuhi karena xi diketahui. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut ɵ positif yang tetap.yn). Unutk menemukan persamaan hubungan x dan w=T(x). kita diminta untuk menemukan kurva p(x) = amxm + am-1xm − 1 + . maka T merupakan operator linier sehingga bentuk matrik dari persamaan diatas adalah: Interpolasi Polinomial Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0. (xn. y = r cos Θ dan w1 = r cos (ɵ + ɸ) ... Lalu.y0). Maka. dari rumus trigonometri dasar x = r cos Θ . ini akan menuju pada sistem matrik di bawah ini .y sin Θ w2 = x sin Θ + y cos Θ Persamaan diatas merupakan persamaan linier. w2= r sin (ɵ + ɸ) Menggunakan identitas trigonometri didapat: w1 = r cos ɵ cos ɸ ...Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2...

6) menggunakan Sistem Vandermonde.0). kita mempunyai .0). kolom j merupakan elemen pangkat j-1.(2.(0.= Ingat bahwa ini merupakan sistem persegi dimana n = m.0). Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): = (1) Matrix di atas diketahui sebagai Matrix Vandermonde. Sistem linier pada (1) disebut menjadi Sistem Vandermonde.(1. Contoh soal: Cari interpolasi polinomial pada data (-1. Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.

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

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

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master Your Semester with a Special Offer from Scribd & The New York Times

Cancel anytime.