Professional Documents
Culture Documents
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 = x 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
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.
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). Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Contoh: Diketahui persamaan linear x + 2y + z = 6 x + 3y + 2z = 9 2x + y + 2z = 12 Tentukan Nilai x, y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks:
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 , y = 0 ,dan z = 3 Operasi Eliminasi Gauss-Jordan Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana. Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris tereduksi. Ini juga dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. Setelah menjadi matriks Eselon-baris tereduksi, maka langsung dapat ditentukan nilai dari variabel-variabelnya tanpa substitusi balik. Contoh: Diketahui persamaan linear x + 2y + 3z = 3 2x + 3y + 2z = 3 2x + y + 2z = 5 Tentukan Nilai x, y dan z Jawab:
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 =
A= AB = BA =
dan B = = =
Karena AB BA I maka matriks A dan matriks B disebut matriks tunggal. Contoh 3: Matriks
A=
Contoh 4: Matriks
A=
,B=
, AB =
, Maka
Transpose Matriks
Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen dalam matriks, dari yang baris menjadi kolom, dan yang kolom di ubah menjadi baris. Contoh: Matriks
A=
ditranspose menjadi AT =
Matriks
B=
ditranspose menjadi BT =
Rumus-rumus operasi Transpose sebagai berikut: 1. ((A)T)T = A 2. (A + B)T = AT + BT dan (A B)T = AT BT 3. (kA)T = kAT dimana k adalah skalar 4. (AB)T = BTAT
Sebuah matriks bujursangkar yang unsur-unsurnya berada di garis diagonal utama dari matriks bukan nol dan unsur lainnya adalah nol disebut dengan matriks diagonal. Contoh :
D 1= DD 1 = D 1D = I jika D adalah matriks diagonal dan k adalah angka yang positif maka
Dk= Contoh :
A= maka
A5=
Matriks Segitiga Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol. Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol. Matriks segitiga
Teorema
Transpos pada matriks segitiga bawah adalah matriks segitiga atas, dan transpose pada matriks segitiga atas adalah segitiga bawah. Produk pada matriks segitiga bawah adalah matriks segitiga bawah, dan produk pada matriks segitiga atas adalah matriks segitiga atas. Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol. Inverse pada matriks segitiga bawah adalah matriks segitiga bawah, dan inverse pada matriks segitiga atas adalah matriks segitiga atas.
A=
Inversnya adalah
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, 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, maka A 1 adalah matriks simetris. Asumsikan bahwa A adalah matriks simetris dan bisa di inverse, bahwa A = AT maka : (A 1)T = (AT) 1 = A 1 Yang mana membuktikan bahwa A 1 adalah simetris.
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, maka AAT dan ATA juga bisa di inverse
Determinan
Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar. Sebagai contoh, kita ambil matriks A2x2
A=
tentukan determinan A
tentukan determinan A
M11 =
Kemudian kofaktor dari a11 adalah c11 = (-1)1+1M11 = (-1)1+1a22a33 x a23a32 kofaktor dan minor hanya berbeda tanda Cij=Mij untuk membedakan apakah kofaktor pada ij adalah + atau - maka kita bisa melihat matrik dibawah ini
M32 =
Maka kofaktor dari a32 adalah c32 = (-1)3+2M32 = (-1)3+2 x a11a23 x a13a21 Secara keseluruhan, definisi determinan ordo 3x3 adalah det(A) = a11C11+a12C12+a13C13 Determinan dengan Ekspansi Kofaktor Pada Baris Pertama Misalkan ada sebuah matriks A3x3
det(A) = a11 - a12 + a13 = a11(a22a33 - a23a32) - a12(a21a33 - a23a31) + a13(a21a32 - a22a31) = a11a22a33 + a12a23a31 + a13a21a32 - a13a22a31 - a12a21a33 - a11a23a32 Contoh Soal:
A= pertama Jawab:
det(A) =
=1
-2
+3
Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas. Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali. Pada ekspansi baris, kita mengalikan minor dengan komponen baris pertama. Sedangkan dengan ekspansi pada kolom pertama, kita mengalikan minor dengan kompone kolom pertama. Misalkan ada sebuah matriks A3x3
det(A) = a11 - a21 + a31 = a11(a22a33 - a23a32) - a21(a21a33 - a23a31) + a31(a21a32 - a22a31) = a11a22a33 + a21a23a31 + a31a21a32 - a22(a31)2 - (a21)2a33 - a11a23a32 Contoh Soal:
A= pertama Jawab:
=1
-4
+3
A= Kofaktor dari matriks A adalah C11 = -12 C12 = 6 C13 = -16 C21 = 4 C22 = 2 C23 = 16 C31 = 12 C32 = -10 C33 = 16 maka matriks yang terbentuk dari kofaktor tersebut adalah
untuk mencari adjoint sebuah matriks, kita cukup mengganti kolom menjadi baris dan baris menjadi kolom
adj(A) = Determinan Matriks Segitiga Atas Jika A adalah matriks segitiga nxn (segitiga atas, 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:
A=
b=
A1 =
A2 =
A3 =
dengan metode sarrus kita dapat dengan mudah mencari determinan dari matrik-matrik di atas maka,
[sunting] Tes Determinan untuk Invertibilitas Pembuktian: Jika R di reduksi secara baris dari . Sebagai langkah awal, kita akan menunjukkan bahwa det(A) dan det(R) keduanya adalah nol atau tidak nol: E1,E2,...,Er menjadi matrix element yang berhubungan dengan operasi baris yang menghasilkan Rdari A. Maka, R=Er...E2 E1 A dan, det(R)=det(Er)...det(E2)det(E1)det(EA) Jika A dapat di-invers, maka sesuai dengan teorema equivalent statements , maka R = I, jadi det(R) = 1 0 dan det(A) 0. Sebaliknya, jika det(A) 0, maka det(R) 0, jadi R tidak memiliki baris yang nol. Sesuai dengan teorema R = I, maka A adalah dapat di-invers. Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers.
Contoh Soal :
A=
tentukan determinan A
untuk mencari determinan matrik A maka, 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, sehingga menjadi
adj(A) =
det(A) = 64
sistem linear tersebut dapat juga ditulis dengan x-Ax=0, atau dengan memasukkan matrix identitas menjadi
(I - A) x = 0
A=
dan x =
I - A =
det ( I - A) =
= 0
atau ^2 - 3 - 10 = 0 dan dari hasil faktorisasi di dapat 1 = -2 dan 2 = 5 dengan memasukkan nilai pada persamaan ( I - A) x = 0, maka eigenvector bisa didapat bila = -2 maka diperoleh
x =
u + v = (u1 + v2, u2 + v2, ...., un + vn) Dan jika k adalah konstanta scalar, maka perkalian scalar ku didefinisikan oleh
ku = (k u1, k u2,...,k un) Operasi dari pertambahan dan perkalian scalar dalam definisi ini disebut operasi standar untuk Rn Vektor nol dalam Rn didenotasikan oleh 0 dan difenisikan ke vektor
0 = (0, 0,...., 0) Jika u = (u1, u2, ...., un) dalam setiap vector dalam Rn, maka negative (atau invers aditif) dari u dituliskan oleh u dan dijelaskan oleh
-u = (-u1, -u2, ...., -un) Perbedaan dari vector dalam Rn dijelaskan oleh
v u = (v1-u1, v2-u2, ...., vn-un) Sifat-sifat dari vektor dalam Rn jika , , dan dalam Rn sedangkan k dan m adalah skalar, maka : (a) u + v = v + u (b) u + 0 = 0 + u = u (c) u + (v + w) = (u + v) + w (d) u + (-u) = 0 ; berarti, u - 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
didefinisikan sebagai
Data Eksperimen Ilmuwan melakukan experimen dan membuat n pengukuran numeris setiap eksperimen dilakukan. Hasil dari setiap experiment bisa disebut sebagai vector y = (y1,y2,...,yn) dalam Rn dalam setiap y1,y2,....,yn adalah nilai yang terukur. Penyimpanan dan Gudang Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya. Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai 15-topel x = (x1,x2,...,x15) dalam setiap x1 adalah jumlah truk dalam depot pertama dan x2 adalah jumlah pada depot kedua., dan seterusnya. Rangkaian listrik Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan output. Tegangan input bisa ditulis sebagai vector dalam R4 dan tegangan output bisa ditulis sebagaiR3. Lalu, chip bisa dilihat sebgai alat yang mengubah setiap vektor input v = (v1,v2,v3,v4) dalam R4 ke vector keluaran w = (w1,w2,w3) dalamR3. 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, saturasi, dan kecerahan dari pixel. Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk v = (x,y,h,s,b) dalam x dan y adalah kordinat layar dari pixel dan h,s,b adalah hue, saturation, dan brightness. Ekonomi Pendekatan kita dalam analisa ekonomi adalah untuk membagi ekonomidalam sector (manufaktur, pelayanan, utilitas, dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai mata uang. Dalam ekonomi dengan 10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan dngan 10-topel s = (s1,s2,s3,...,s10) dalam setiap angka s1,s2,...,s10 adalah output dari sektor individual. Sistem Mekanis Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada waktu t koordinat mereka adalahx1,x2,...,x6 dan kecepatan mereka adalah v1,v2,...,v6. Informasi ini bisa direpresentasikan sebagai vector
V = (x1,x2,x3,x4,x5,x6,v1,v2,v3,v4,v5,v6,t) Dalam R13. Vektor ini disebut kondisi dari sistem partikel pada waktu t.
Fisika - Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar. Dimana jagat waktu Einstein adalah 4 dimensi, sedangkan benang ada dalam dunia 11-dimensi
Bentuk Newton
interpolasi polinominal p(x)=anxn+an-1xn-1+...+a1x+a0 adalah bentuk standar. Tetapi ada juga yang menggunakan bentuk lain . Contohnya , kita mencari interpolasi titik dari data (x0,y0),(x1,y1), (x2,y2),(x3,y3). 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 , sehingga dapat kita tuliskan menjadi p(x)=b3(x-x0)(x-x1)(x-x2)+b2(x-x0)(x-x1)+b1(x-x0)+b0 inilah yang disebut newton form dari interpolasi , sehingga kita dapatkan : p(x0)=b0 p(x1)=b1h1+b0 p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0 p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0 sehingga jika kita tuliskan dalam bentuk matrix:
Operator Refleksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap sumbu y, dimisalkan w=T(x), 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. Operator ini bersifat linier.
Operator Proyeksi
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu 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 T merupakan operator linier dan matrikx T adalah:
Secara umum, sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya.
Operator Rotasi
Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut disebut operator rotasi pada R2. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut positif yang tetap. Unutk menemukan persamaan hubungan x dan w=T(x), dimisalkan adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. Lalu, dari rumus trigonometri dasar x = r cos ; y = r cos dan w1 = r cos ( + ) ; w2= r sin ( + ) Menggunakan identitas trigonometri didapat: w1 = r cos cos - r sin sin w2 = r sin cos + r cos sin kemudian disubtitusi sehingga: w1 = x cos - y sin w2 = x sin + y cos Persamaan diatas merupakan persamaan linier, 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,y0)...., (xn,yn). Maka, kita diminta untuk menemukan kurva p(x) = amxm + am-1xm 1 + ... + a1x + a0 dari sudut minimum yang melewati setiap dari titik data. Kurva ini harus memenuhi
karena xi diketahui, ini akan menuju pada sistem matrik di bawah ini
= Ingat bahwa ini merupakan sistem persegi dimana n = m. Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x):
(1)
Matrix di atas diketahui sebagai Matrix Vandermonde; kolom j merupakan elemen pangkat j-1. Sistem linier pada (1) disebut menjadi Sistem Vandermonde. Contoh soal: Cari interpolasi polinomial pada data (-1,0),(0,0),(1,0),(2,6) menggunakan Sistem Vandermonde. Jawab: Bentuk Sistem Vandermonde(1):
Baris ke-4 dikurangi baris ke-3 Didapatkan persamaan linier dari persamaan matrix di atas