P. 1
Aljabar Linear

Aljabar Linear

|Views: 12|Likes:
Published by wahyu widodo

More info:

Published by: wahyu widodo on Mar 28, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

10/27/2013

pdf

text

original

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

Contoh: Diketahui persamaan linear x + 2y + z = 6 x + 3y + 2z = 9 2x + y + 2z = 12 Tentukan Nilai x. y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut Baris ke 2 dikurangi baris ke 1 Baris ke 3 dikurangi 2 kali baris ke 1 . 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. lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Setelah menjadi matriks Eselon-baris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks.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).

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

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) .

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

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. Contoh 3: Matriks A= .

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

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

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

maka A − 1 adalah matriks simetris. Asumsikan bahwa A adalah matriks simetris dan 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. 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. bahwa A = AT maka : (A − 1)T = (AT) − 1 = A − 1 Yang mana membuktikan bahwa A − 1 adalah simetris.

bc Determinan dengan Ekspansi Kofaktor . 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. 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 . 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 .

det(A) = a11 .a23a32) .A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah. Sedangkan dengan ekspansi pada kolom pertama. kita mengalikan minor dengan komponen baris pertama.a11a23a32 Contoh Soal: A= pertama Jawab: tentukan determinan A dengan metode ekspansi kofaktor baris det(A) = =1 -2 +3 = 1(-3) .a22a31) = a11a22a33 + a12a23a31 + a13a21a32 .a12 + a13 = a11(a22a33 . Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah. kita mengalikan minor dengan kompone kolom pertama.a12a21a33 .a23a31) + a13(a21a32 .a13a22a31 .2(-8) + 3(-7) = -8 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.a12(a21a33 . Pada ekspansi baris.

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

2x2 + 3x3 = 8 Jawab: .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 .

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

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

atau dengan memasukkan matrix identitas menjadi (λI .A) x = 0 contoh: diketahui persamaan linear x1 + 3x2 = λx1 4x1 + 2x2 = λx2 dapat ditulis dalam bentuk = λ yang kemudian dapat diubah . dimana λ adalah skalar sistem linear tersebut dapat juga ditulis dengan λx-Ax=0. 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.

A) x = 0.A) = = 0 atau λ^2 .A) = 0 .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 .10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 dengan memasukkan nilai λ pada persamaan (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 .

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

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

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

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 ..(x1.y2).u3. (x2.+a1x+a0 adalah bentuk standar.(x3..u2. kita mencari interpolasi titik dari data (x0..y1).y0). 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 .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.. 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 . Tetapi ada juga yang menggunakan bentuk lain . Contohnya ..y3)..

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 . 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. maka T merupakan operator linier dan matrikx T adalah: Secara umum. maka persamaan yang berhubungan dengan x dan w adalah: x1 = -x = -x + 0y x2 = y = 0x + y atau dalam bentuk matrik : Secara umum. 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. dimisalkan w=T(x).

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

= Ingat bahwa ini merupakan sistem persegi dimana n = m. kita mempunyai . Sistem linier pada (1) disebut menjadi Sistem Vandermonde. Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): = (1) Matrix di atas diketahui sebagai Matrix Vandermonde.6) menggunakan Sistem Vandermonde. Contoh soal: Cari interpolasi polinomial pada data (-1.0).0).(2. kolom j merupakan elemen pangkat j-1.0).(1.(0. Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->