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

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. lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. Setelah menjadi matriks Eselon-baris.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). 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.

Contoh: Diketahui persamaan linear x + 2y + 3z = 3 2x + 3y + 2z = 3 2x + y + 2z = 5 Tentukan Nilai x. Setelah menjadi matriks Eselon-baris tereduksi. maka langsung dapat ditentukan nilai dari variabel-variabelnya tanpa substitusi balik.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 . y = 0 . y dan z Jawab: . Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris tereduksi.dan z = 3 Operasi Eliminasi Gauss-Jordan Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana. 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.

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) .

maka A dikatakan matriks tunggal (singular). Didefinisikan: Jika k sebarang skalar maka kA = A k adalah matriks yang diperoleh dari A dengan cara mengalikan setiap elemennya dengan k.) k ( A + B ) = kA + kB = ( A + B ) k . Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan. Matriks B juga mempunyai invers yaitu A maka dapat dituliskan A = B − 1.bc ≠ 0 . maka B disebut balikan atau invers dari A dan dapat dituliskan B = A − 1 ( B sama dengan invers A ).. Untuk setiap A berlaku A + (-A) = 0. Matriks A = Dengan Rumus = dapat di-invers apabila ad .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. 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. Jika matriks B dan C adalah invers dari A maka B = C.Maka didapatkan nilai dari x = 2 ..) A + B = B + A b. Negatif dari A atau -A adalah matriks yang diperoleh dari A dengan cara mengalikan semua elemennya dengan -1. Hukum yang berlaku dalam penjumlahan dan pengurangan matriks : a.) A + ( B + C ) = ( A + B ) + C c. + aip bpj Matriks Balikan (Invers) JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I . maka penjumlahan dari A + B adalah matriks hasil dari penjumlahan elemen A dan B yang seletak. Jika tidak ditemukan matriks B. Begitu pula dengan hasil selisihnya. y = − 1 . Jika A dan B adalah matriks yang mempunyai ordo sama. 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 + .

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. Contoh: Matriks A= ditranspose menjadi AT = . dari yang baris menjadi kolom. AB = Dengan menggunakan rumus.Tentukan Nilai dari A-1 Jawab: Contoh 4: Matriks A= . dan yang kolom di ubah menjadi baris.B= . Maka .

(kA)T = kAT dimana k adalah skalar 4.Matriks B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: 1. Segitiga. (AB)T = BTAT Matriks Diagonal. ((A)T)T = A 2. 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. (A + B)T = AT + BT dan (A − B)T = AT − BT 3. Contoh : secara umum matriks n x n bisa ditulis sebagai .

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= .

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

dan jika k adalah skalar maka AT adalah simetris A + B dan A . .Inversnya adalah A − 1= Matriks yang tidak bisa di invers B= Matriks Simetris Matriks kotak A disebut simetris jika A = AT Contoh matriks simetris Teorema • Jika A dan B adalah matriks simetris dengan ukuran yang sama.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.

kita ambil matriks A2x2 A= tentukan determinan A untuk mencari determinan matrik A maka.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. detA = ad . Sebagai contoh. maka AAT dan ATA juga bisa di inverse Determinan Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar.bc Determinan dengan Ekspansi Kofaktor .

Determinan dengan Minor dan kofaktor A= Pertama buat minor dari a11 tentukan determinan A M11 = = detM = a22a33 x a23a32 Kemudian kofaktor dari a11 adalah c11 = (-1)1+1M11 = (-1)1+1a22a33 x a23a32 kofaktor dan minor hanya berbeda tanda Cij=±Mij untuk membedakan apakah kofaktor pada ij adalah + atau .maka 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. 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 .a11a23a32 Contoh Soal: A= pertama Jawab: tentukan determinan A dengan metode ekspansi kofaktor baris det(A) = =1 -2 +3 = 1(-3) .A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.a12a21a33 .a22a31) = a11a22a33 + a12a23a31 + a13a21a32 . Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.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 .a13a22a31 . Pada ekspansi baris. . kita mengalikan minor dengan kompone kolom pertama.a12(a21a33 . Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali.a12 + a13 = a11(a22a33 . kita mengalikan minor dengan komponen baris pertama. Sedangkan dengan ekspansi pada kolom pertama.a23a32) .

a23a32) .a23a31) + a31(a21a32 .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) .a22a31) = a11a22a33 + a21a23a31 + a31a21a32 .(a21)2a33 .a21 + a31 = a11(a22a33 .a21(a21a33 .det(A) = a11 . kita cukup mengganti kolom menjadi baris dan baris menjadi kolom .a22(a31)2 .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.

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: .adj(A) = Determinan Matriks Segitiga Atas Jika A adalah matriks segitiga nxn (segitiga atas.

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

Mencari determinan dengan cara Sarrus A= tentukan determinan A untuk mencari determinan matrik A maka. Maka A adalah dapat diinvers.Contoh Soal : A= karena det(A) = 0. detA = (aei + bfg + cdh) . sehingga menjadi .(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.

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

10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 dengan memasukkan nilai λ pada persamaan (λ I .A= dan x = yang kemudian dapat ditulis ulang menjadi λ λ sehingga didapat bentuk λ I .λ adalah eigenvalue dari A dan dari contoh diperoleh det (λ I .A = namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .3λ . maka eigenvector bisa didapat bila λ = -2 maka diperoleh dengan mengasumsikan x2 = t maka didapat x1 = t .A) = = 0 atau λ^2 .A) = 0 .A) x = 0.

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

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

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

Contohnya .. 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 .u3. 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.un) Maka Panjang vektor u dan Menghitung jarak antara vektor u dengan vektor v Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+.jika u = (u1. 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 .y3).+a1x+a0 adalah bentuk standar..u2. Tetapi ada juga yang menggunakan bentuk lain .y2)..(x3.(x1... kita mencari interpolasi titik dari data (x0.y1).y0)..

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

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

Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.(0. kolom j merupakan elemen pangkat j-1.0). Contoh soal: Cari interpolasi polinomial pada data (-1. kita mempunyai . Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): = (1) Matrix di atas diketahui sebagai Matrix Vandermonde.= Ingat bahwa ini merupakan sistem persegi dimana n = m.(1.6) menggunakan Sistem Vandermonde.0). Sistem linier pada (1) disebut menjadi Sistem Vandermonde.(2.0).

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

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

Sign up to vote on this title
UsefulNot useful