Aljabai Lineai Elementei

 
Sumanang Nu¡NAT¡0PI Page 1
 
BAB I RUANG VEKTOR

Pada kuliah Aljabar Matriks kita telah mendiskusikan struktur ruang R
2
dan R
3
beserta semua
konsep yang terkait. Pada bab ini kita akan membicarakan struktur yang merupakan bentuk perumuman
dari R
n
, yaitu yang kita sebut sebagai ruang vektor. Pada kuliah ini kita hanya membicarakan ruang
vektor dengan skalar bilangan real.
Ruang Vektor 
Definisi 1.1:
Misalkan V suatu himpunan tak kosong dan R menyatakan himpunan skalar real. V dikatakan ruang
vektor atas R jika terdapat operasi biner penjumlahan (+) dan perkalian dengan skalar real sehingga
untuk semua x, y, z e I uan o, [ e R memenuhi:
1. x + y e I, (Kctcrtutupon tcrboJop pcn]umlobon)
2. x + y = y + x, (Komutoti¡)
3. (x + y) + z = x + (y + z) (Asosioti¡)
4. Teiuapat u e I sehingga x + u = x (Eksistcnsi unsur iJcntitos Ji I)
5. Teiuapat - x e I sehingga x + (-x) = u (Eksistcnsi unsur bolikon Ji I)
6. ox e I, (Kctcrtutupon tcrboJop pcrkolion skolor)
7. o(x + y) = ox + oy,
8. (o + [)x = ox + [x
9. (o[)x = o([x)
10. 1x = x
Mari kita lihat beberapa contoh ruang vektor berikut.
Contoh 1.2:
Misalkan I = R
2
. Definisikan:
j
x
1
y
1
[ + j
x
2
y
2
[ = j
x
1
+ x
2
y
1
+ y
2
[ (1)
k j
x
1
y
1
[ = _
kx
1
ky
1
_ (2)
Dapat diperiksa bahwa terhadap operasi (1) dan (2), V merupakan ruang vektor. Dalam hal ini unsur nol
di I adalah u = j
u
u
[. Secara umum terhadap operasi yang serupa, R
n
membentuk ruang vektor.
Contoh 1.3:
Misalkan P
2
(x) = {o
0
+ o
1
x + o
2
x
2
|o
0
, o
1
, o
2
e R], yaitu himpunan semua polinom dengan derajat
paling tinggi 2. Definisikan,
Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 2
 
(o
0
+ o
1
x + o
2
x
2
) + (b
0
+ b
1
x + b
2
x
2
) = (o
0
+ b
0
) + (o
1
+ b
1
)x + (o
2
+b
2
)x
2

k(o
0
+ o
1
x + o
2
x
2
) = ko
0
+ ko
1
x + ko
2
x
2

Terhadap kedua operasi ini, P
2
(x) juga membentuk ruang vektor. Elemen nol di P
2
(x) adalah polinom
konstan 0.
Contoh 1.4: Himpunan semua matriks berukuran mxn, dinotasikan M
mxn
merupakan ruang vektor
terhadap operasi penjumlahan matriks biasa serta perkalian dengan skalar.
Selanjutnya kita akan mengidentifikasi subhimpunan di V yang mempunyai struktur yang sama
dengan V sebagai ruang vektor.
Subruang Vektor 
Definisi: (Subruang)
Misalkan V suatu ruang vektor dan W subhimpunan tak kosong dari V. W dikatakan subruang dari V jika
W merupakan ruang vektor terhadap operasi yang sama.
Bagaimana kita dapat memastikan bahwa suatu himpunan itu suatu subruang? Jawaban dari
masalah ini adalah kriteria berikut.
Teorema: (Subruang)
Misalkan W subhimpunan tak kosong dari ruang vektor V. W merupakan subruang dari V jika memenuhi
kedua sifat berikut:
1. x + y e w, untuk semua x, y e w
2. ox e w, untuk semua o e R, x e w
Contoh:
Misalkan w = {(x, u)|x e R]. Akan ditunjukkan bahwa W adalah subruang dari R
2
.
Ambil u = (u
1
, u), : = (:
1
, u) e w, k e R. Perhatikan bahwa
u + : = (u
1
, u) + (:
1
, u) = (u
1
+ :
1
, u) e w
ku = (ku
1
, u) e w
Dengan demikian W suatu subruang di R
2
.
Contoh: K = {(x, u)|x ¸ u]
K bukan subruang dari R
2
karena terdapat x = (1,u) e K, uan - 1 e R sehingga (-1)x = (-1,u)∉K.
Soal-Soal: Periksa apakah himpunan-himpunan berikut merupakan subruang.
1. K = {(x, y, z)|x = 2y, z = -y]
Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page S
 
2. K = {(x, y, z)|x - 2y + Sz = u]
3. K = {(x, y, z)|x = 2y - 1]
4. A = ]j
o b
J c
[ : o + b + c = J¿
5. K = {o
0
+ o
1
x + o
2
x
2
|o
0
= o
1
]
6. {o
0
+ o
1
x + o
2
x
2
| o
0
= u]
7. Buktikan bahwa himpunan solusi SPL homogen Ax = u membentuk subruang.
8. Periksa apakah himpunan semua matriks simetri di M
2x2
merupakan subruang.
9. Misalkan I = {¡: |u,1] - R | ¡ kontinu]. Periksa bahwa I suatu subruang dari ruang fungsi.
10.
Kita melihat bahwa di ruang vector kita dapat menjumlahkan dua vector untuk mendapatkan vector baru.
Sebagaimana kita juga dapat mengalikan dulu masing-masing dengan suatu scalar. Operasi-operasi ini
dapat kita lakukan terhadap sebanyak hingga vector sehingga menghasilkan vector baru. Selanjutnya,
kita mempunyai definisi berikut.
Himpunan Perentang (Spanning Set) 
Definisi:
Misalkan V suatu ruang vektor dan :
1
, :
2
, …, :
n
e I. Himpunan {:
1
, :
2
, …, :
n
] dikatakan merentang V
jika setiap vektor di V merupakan kombinasi linier dari :
1
, :
2
, …, :
n
.
Dalam hal ini kita menuliskan Spon {:
1
, :
2
, …, :
n
] = I.
Contoh: Periksa apakah himpunan I = {(1,2), (1,S)] merentang R
2
. Untuk itu kita ambil vektor
sebarang (a,b) di R
2
. Selanjutnya tuliskan persamaan
r(1,2) + s(1,S) = (o, b).
Dengan mudah kita dapatkan solusi persamaan ini adalah s = b - 2o, r = So - b. Ini artinya setiap
vektor di R
2
merupakan kombinasi linier dari vektor-vektor di L. Jadi himpunan L merentang R
2
.
Kebebas­linearan 
Misalkan subruang Kmempunyai perentang {:
1
, :
2
, …, :
n
]. Satu masalah yang muncul adalah
apakah kita dapat mereduksi himpunan ini dengan membuang sebagian vector tetapi sifat merentang
masih dipertahankan. Untuk menjawab masalah ini kita mempunyai criteria berikut.
Definisi: (Bebas linier)
Misalkan V suatu ruang vektor dan :
1
, :
2
, …, :
n
e I.
Himpunan {:
1
, :
2
, …, :
n
] dikatakan bebas linier jika persamaan
k
1
:
1
+ k
2
:
2
+ ·+k
n
:
n
= u (S)
hanya dapat dipenuhi oleh k
1
= k
2
= · = k
n
= u
Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 4
 
Basis dan Dimensi 
Definisi: (Basis dan Dimensi)
Misalkan V suatu ruang vektor dan :
1
, :
2
, …, :
n
e I. Himpunan B = {:
1
, :
2
, …, :
n
] dikatakan sebagai
basis bagi V jika B merentang V dan bebas linier. Dalam hal ini jika B merupakan basis bagi V maka
dikatakan V berdimensi n (uim(I) = n).
Contoh:
Dengan mudah kita dapat memeriksa bahwa B = {(1,u), (u,1)] bebas linier serta merentang R
2
. Jadi B
merupakan suatu basis untuk R
2
dan dim(R
2
) = 2. B ini yang kita sebut basis baku bagi R
2
.
Basis suatu ruang vektor tidaklah tunggal. Selain basis baku di atas dengan mudah kita dapat
memeriksa bahwa K = {(1,1), (1, -1)] juga basis untuk R
2
. Secara umum jika o, [ keduanya tidak nol
maka {o(1,1), [(1, -1)] juga merupakan basis bagi R
2
. Kita mempunyai sifat bahwa kardinalitas setiap
basis dari suatu ruang vector adalah sama, sebagaimana dinyatakan dalam teorema berikut.
Koordinat dan Matriks Transisi 
Misalkan V suatu ruang vektor dengan basis B = {:
1
, :
2
, …, :
n
] dan : e I. Koordinat vektor v terhadap
basis B adalah
|:]
B
= _
k
1
.
k
n
_
dimana k
1
:
1
+ k
2
:
2
+ ·+k
n
:
n
= :.

Contoh: Tentukan koordinat vektor : = _
1
u
S
_ terhadap basis B = __
1
u
u
_ , _
1
2
u
_ , _
1
-1
2
_ _.
Solusi: Koorinat v terhadap B adalah vektor |:]
B
= _
k
1
k
2
k
3
_ yang memenuhi
k
1
_
1
u
u
_ + k
2
_
1
2
u
_ + k
3
_
1
-1
2
_ = _
1
u
S
_
Dengan mudah kita melihat bahwa solusi persamaan ini adalah k
3
=
3
2
, k
2
=
3
4
, k
1
=
-9
4
, sehingga kita
peroleh
|:]
B
=
l
l
l
l
l
-9
4
3
4
3
2
1
1
1
1
1

Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page S
 
Peihatikan, bahwa uiutan vektoi ui basis sangat menentukan kooiuinat. }ika
B
i
= __
1
2
u
_ , _
1
-1
2
_ , _
1
u
u
_ _
maka koordinat v terhadap B’ adalah
|:]
B
=
l
l
l
l
l
3
4
3
2
-9
4
1
1
1
1
1

Teorema:
Koordinat vektor terhadap suatu basis tertentu adalah tunggal.
Contoh: Tentukan koordinat p(x) = x teihauap basis {-1, 2 - x, -1 + x + x
2
]
Kita melihat bahwa koordinat vector terhadap suatu basis adalah sesuatu yang unik yang dapat kita
anggap sebagai identitas penting dari vector tersebut. Jadi kita dapat mengidentifikasi suatu vector
melalui koordinatnya. Lebih jauh lagi, kita mempunyai teorema yang menguatkan hal ini.
Teorema:
Misalkan V ruang vektor dengan basis B = {:
1
, :
2
, …, :
n
]. Maka terdapat korespondensi satu-satu
antara V dengan R
n
.
Teorema ini merupakan akibat langsung dari ketunggalan koordinat suatu vektor.
Matriks Transisi 
Sekarang pandang dua basis berbeda B = {:
1
, :
2
, …, :
n
] dan B' = {u
1
, u
2
, …, u
n
] untuk ruang
vektor V. Matriks transisi dari B ke B’ adalah
P = | |:
1
]
Bi
· |:
n
]
Bi
]
dan memenuhi hubungan
|:]
Bi
= P|:]
B

Matriks P di atas adalah suatu matriks non-singulir. Lebih lanjut P
-1
merupakan matriks transisi dari B’ ke
B.
Contoh: Pandang dua basis B = {(1,u,u), (u,1,u), (u,u,1)] dan B' = {(1,u,u), (1,1,u), (1,1,1)] untuk
ruang vektor R
3
. Dapat diperiksa bahwa matriks transisi dari B ke B’ adalah
P = _
1 -1 û
û 1 -1
û û 1
_
Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 6
 
Kita dapat menggunakan matriks P ini untuk mencari koordinat suatu vector terhadap B’. Karena
koordinat vector : = (1,2,S) terhadap B adalah |:]
B
= _
1
2
S
_ maka koordinat : terhadap B’ adalah
|:]
Bi
= P|:]
B
= _
1 -1 û
û 1 -1
û û 1
_ _
1
2
S
_ = _
-1
-1
S
_
Sebagai pengujian kita periksa bahwa -1(1,u,u) - 1(1,1,u) + S(1,1,1) = (1,2,S).
Soal: Tentukan matriks transisi dari B = {-1, 2 - x, -1 + x + x
2
] ke B' = {S + x - x
2
, 2 - x, -2]
Ruang Baris dan Ruang Kolom 
Setiap ruang vektor V senantiasa mempunyai basis, yaitu subhimpunan yang merentang V serta
bebas linier. Selanjutnya, jika kita mempunyai subhimpun B yang merentang subruang W, bagaimana
kita dapat mereduksi B menjadi basis untuk W. Konsepnya sederhana, yaitu dengan cara membuang
sebagian vektor sehingga vektor-vektor yang tersisa bebas linier. Salah satu tujuan pembahasan bab ini
adalah menjawab permasalahan tadi. Kita memulai dengan definisi berikut.
Definisi:
Misalkan V suatu ruang vektor dan B = {:
1
, :
2
, …, :
s
] L I. Himpunan yang dibangun oleh B adalah
Spon(B) = {∑ k
ì
:
ì
s
1
| k
ì
e R].
Telah dibuktikan bahwa Spon(B) merupakan subruang dari V. Oleh karena itu Spon(B) mempunyai
basis dan dimensi. Terkait dengan hal ini kita mempunyai teorema berikut.

Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 7
 
BAB 2 RUANG HASIL KALI DALAM

Pada bab sebelumnya kita telah melihat ruang vektor R
2
dan R
3
yang dilengkapi dengan perkalin titik.
Dengan mengacu pada perkalin titik ini kita juga telah melihat definisi panjang vektor, sudut serta
ortogonalitas antara dua vektor dan juga proyeksi satu vektor pada vektor lain. Pada bab ini kita akan
melihat bentuk perumuman dari perkalian titik, sudut, ortogonalitas dan juga proyeksi.
Hasil Kali Dalam 
Definisi:
Misalkan V suatu ruang vektor atas R. Suatu fungsi (. , . ): I × I - R disebut hasil kali dalam di V jika
memenuhi sifat-sifat:
1. (x, x) ¸ u uan (x, x) = u ⇔ x = u
2. (x, y) = (y, x)
3. k(x, y) = (kx, y)
4. (x + y, z) = (x, z) + (y, z)
Pasangan (I, (. , . )) kita sebut ruang hasil kali dalam.

Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 8
 
BAB 3 TRANSFORMASI LINIER

Kita telah melihat struktur ruang vektor dengan segala sifat-sifat yang dimilikinya. Pada bab ini kita akan
mendiskusikan suatu fungsi di suatu ruang vektor. Persisnya, fungsi yang akan kita kaji adalah apa
disebut sebagai transformasi linier.
Definisi 3.1: (Transformasi Linier)
Misalkan V dan W masing-masing adalah ruang vektor berdimensi hingga. Suatu fungsi ¡: I - w
disebut transformasi linier jika memenuhi sifat-sifat:
1. ¡(x + y) = ¡(x) + ¡(y), untuk semua x, y e I
2. o¡(x) = ¡(ox), untuk semua x e I uan o e R
Matriks Representasi (Transformasi) 
Misalkan V , W masing-masing adalah ruang vektor dengan basis masing-masing adalah
B = {:
1
, :
2
, …, :
n
], B' = {:
1
, :
2
, …, :
m
] dan ¡: I - w suatu transformasi linier. Matriks transformasi
f adalah
|¡]
BBi
= ||¡(:
1
)]
Bi
· |¡(:
n
)]
Bi
]
yaitu suatu matriks berukuran mxn dengan kolom ke-i berupa koordinat ¡(:
ì
) terhadap B’. Lebih lanjut
matriks ini memenuhi hubungan
|¡(:)]
B
| = |¡]
BBi
|:]
B

Jika ¡: I - I suatu transformasi linier dan V ruang vektor berdimensi hingga dengan basis B
maka matriks representasi f sering dinotasikan dengan |¡]
B
. Jika B’ basis lain untuk V maka kita
mempunyai hubungan
|¡]
Bi
= P
-1
|¡]
B
P
Dengan B menyatakan matriks transisi dari B’ ke B.
Contoh:
Sebagaimana kita ketahui basis ruang vektor itu tidak tunggal. Di sini muncul pertanyaan
bagaimana kaitan antara matriks representasi dari basis-basis yang berbeda.
Keserupaan 
Definisi: (Keserupaan)
Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 9
 
Misalkan A dan B masing-masing adalah matriks kuadrat. Jika terdapat matriks non-singulir P yang
memenuhi
B = P
-1
A P
Maka dikatakan A serupa dengan B.
Berdasarkan definisi ini dua buah matriks transformasi |¡]
B
dan |¡]
Bi
adalah serupa.

Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 1u
 
BAB 4 DIAGONALISASI

Nilai dan Vektor Eigen 
Definisi 4.1: (Nilai dan vektor eigen)
Misalkan M suatu matriks berukuran nxn.
Vektor tak nol x e R
n
disebut vektor eigen dari M jika memenuhi
Hx = kx, untuk suatu k e R
Dalam hal ini, k disebut nilai eigen yang bersesuaian dengan x.

Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 11
 
Diagonalisasi Ortogonal 
Definisi 4.11:
Suatu matriks M dikatakan matriks orthogonal jika memenuhi hubungan H
-1
= H
t
.
Contoh 4.12: Perhatikan matriks-matriks
A =
l
l
l
l
l
1
√2
1
√2
u
u u 1
1
√2
-
1
√2
u
1
1
1
1
1
, A
t
=
l
l
l
l
l
1
√2
u
1
√2
1
√2
u -
1
√2
u 1 u
1
1
1
1
1

Dapat diperiksa bahwa AA
t
= A
t
A = I. Jadi A suatu matriks orthogonal.
Berikut ini kriteria utama dari matriks orthogonal.
Teorema 4.13: Jika A suatu matriks real nxn maka pernyataan berikut ekuivalen:
1. A suatu matriks orthogonal
2. Vektor-vektor baris matriks A membentuk himpunan ortonormal terhadap perkalian titik
3. Vektor-vektor kolom matriks A membentuk himpunan ortonormal terhadap perkalian titik
Sekarang kita melangkah pada inti bagian ini.

Definisi 4.14:
Suatu matriks M dapat didiagonalkan secara orthogonal jika M mempunyai matriks pendiagonal P yang
bersifat orthogonal.
Selanjutnya, misalkan M dapat didiagonalkan secara orthogonal dengan matriks pendiagonal P
yang orthogonal. Dengan demikian kita mempunyai hubungan
P
-1
HP = Ð ⇔ H = PÐP
-1
⇔ H
t
= PÐP
-1
,
karena P bersifat orthogonal. Dengan demikian M suatu matriks simetri. Hasil ini dinyatakan dalam
teorema berikut.

Teorema 4.15: Jika M adalah matriks berukuran nxn, maka pernyataan berikut ekuivalen:
1. M dapat didiagonalkan secara orthogonal
2. M mempunyai himpunan ortonormal dari n vektor eigen
3. M simetri
Bagaimana kita dapat memperoleh matriks orthogonal P yang mendiagonalkan M? Seperti biasa
kita mencari himpunan n buah vektor eigen yang bebas linier. Kemudian dengan menggunakan proses
Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 12
 
Gram-Schmidt kita mengubahnya menjadi himpunan (basis) ortonormal. Kolom-kolom matriks P berasal
dari vektor-vektor basis ortonormal ini.
Soal:
Carilah matriks orthogonal P yang mendiagonalkan matriks-matriks berikut:
1. A = j
1 -1
-1 2
[ 2. B = _
1 1 u
1 -2 2
u 2 1
_ 3. C = _
u 1 -1
1 1 S
-1 S u
_

Aljabai Lineai Elementei
 
Sumanang Nu¡NAT¡0PI Page 1S
 
DAFTAR PUSTAKA

[1] Anton, Howard. Aljabar Linier Elementer. Edisi Kelima. Penerbit Erlangga, Jakarta.
[2] Jacob, Bill. Linear Algebra. W.H. Freeman and Company. New York. 1990.




 

0 Dengan demikian W suatu subruang di R2.  untuk semua  .0 . .0 . Page 2  Sumanang MG/MAT/UPI    . Teorema: (Subruang) Misalkan W subhimpunan tak kosong dari ruang vektor V. Contoh: Misalkan Ambil .Aljabar Linear Elementer    Terhadap kedua operasi ini. Akan ditunjukkan bahwa W adalah subruang dari R2.  untuk semua  . Contoh: .  dan  1  sehingga  1 1.0 ∉K.0 . . | 2 . Subruang Vektor  Definisi: (Subruang) Misalkan V suatu ruang vektor dan W subhimpunan tak kosong dari V. . 2.4: Himpunan semua matriks berukuran mxn.0 . K bukan subruang dari R2 karena terdapat Soal-Soal: Periksa apakah himpunan-himpunan berikut merupakan subruang. dinotasikan Mmxn merupakan ruang vektor terhadap operasi penjumlahan matriks biasa serta perkalian dengan skalar. Perhatikan bahwa . Elemen nol di adalah polinom Contoh 1. . 1. Bagaimana kita dapat memastikan bahwa suatu himpunan itu suatu subruang? Jawaban dari masalah ini adalah kriteria berikut.0 . W merupakan subruang dari V jika memenuhi kedua sifat berikut: 1. konstan 0.0 . . Selanjutnya kita akan mengidentifikasi subhimpunan di V yang mempunyai struktur yang sama dengan V sebagai ruang vektor.0 | . .0 | 0 1. W dikatakan subruang dari V jika W merupakan ruang vektor terhadap operasi yang sama. . juga membentuk ruang vektor.

.…. Periksa apakah himpunan semua matriks simetri di M2x2 merupakan subruang. . Sebagaimana kita juga dapat mengalikan dulu masing-masing dengan suatu scalar. . . . … . . Dengan mudah kita dapatkan solusi persamaan ini adalah 2 . 7. | | : 2 2 3 1 0 5. Kita melihat bahwa di ruang vector kita dapat menjumlahkan dua vector untuk mendapatkan vector baru. . Definisi: (Bebas linier) Misalkan V suatu ruang vektor dan Himpunan . . . Untuk itu kita ambil vektor sebarang (a.2 1. Untuk menjawab masalah ini kita mempunyai criteria berikut.…. . . 10.…. Operasi-operasi ini dapat kita lakukan terhadap sebanyak hingga vector sehingga menghasilkan vector baru.  |  |  0 6. 4. . . Satu masalah yang muncul adalah apakah kita dapat mereduksi himpunan ini dengan membuang sebagian vector tetapi sifat merentang masih dipertahankan. dikatakan bebas linier jika persamaan 0             3 hanya dapat dipenuhi oleh Sumanang MG/MAT/UPI    0 Page 3  . . kita mempunyai definisi berikut. 3 . Periksa bahwa suatu subruang dari ruang fungsi. . Ini artinya setiap 2 vektor di R merupakan kombinasi linier dari vektor-vektor di L. 8. . Himpunan jika setiap vektor di V merupakan kombinasi linier dari . . 1. Selanjutnya.3 . Buktikan bahwa himpunan solusi SPL homogen 0 membentuk subruang. .…. 3. Misalkan : 0.Aljabar Linear Elementer    2. 9. Selanjutnya tuliskan persamaan 1. Jadi himpunan L merentang R2. .b) di R2. … .2 . Kebebas­linearan  Misalkan subruang mempunyai perentang .3 merentang R2.…. Dalam hal ini kita menuliskan   . Himpunan Perentang (Spanning Set)  Definisi: Misalkan V suatu ruang vektor dan .1  |   kontinu . dikatakan merentang V Contoh: Periksa apakah himpunan 1.

Selain basis baku di atas dengan mudah kita dapat memeriksa bahwa 1. … . Dalam hal ini jika B merupakan basis bagi V maka dikatakan V berdimensi n dim . sebagaimana dinyatakan dalam teorema berikut. 1    . keduanya tidak nol maka 1. 1 juga basis untuk R2 . dikatakan sebagai basis bagi V jika B merentang V dan bebas linier.Aljabar Linear Elementer    Basis dan Dimensi  Definisi: (Basis dan Dimensi) Misalkan V suatu ruang vektor dan . B ini yang kita sebut basis baku bagi R2. . Jadi B 2 2 merupakan suatu basis untuk R dan dim(R ) = 2. Kita mempunyai sifat bahwa kardinalitas setiap basis dari suatu ruang vector adalah sama. sehingga kita Dengan mudah kita melihat bahwa solusi persamaan ini adalah peroleh     Sumanang MG/MAT/UPI    Page 4  . 1. . Contoh: Dengan mudah kita dapat memeriksa bahwa 1. .0 . Himpunan .1 . Secara umum jika .…. Koordinat dan Matriks Transisi  Misalkan V suatu ruang vektor dengan basis basis B adalah . 1.1 bebas linier serta merentang R2. dan .1 .…. 0. 1 juga merupakan basis bagi R2. 2 . . Contoh: Tentukan koordinat vektor 1 0 terhadap basis 3 1 1 1 0 . . . 0 0 2 Solusi: Koorinat v terhadap B adalah vektor 1 0 0 1 2 0 yang memenuhi 1 1 2 1 0 3 . Basis suatu ruang vektor tidaklah tunggal. Koordinat vektor v terhadap dimana .

1. Lebih jauh lagi. Matriks Transisi  Sekarang pandang dua basis berbeda vektor V.0.   2 .0 .….1.0 . Maka terdapat korespondensi satu-satu Teorema ini merupakan akibat langsung dari ketunggalan koordinat suatu vektor. Contoh: Tentukan koordinat  terhadap basis   1.…. .1 3 ruang vektor R . . 1 . 1. Dapat diperiksa bahwa matriks transisi dari B ke B’ adalah untuk Sumanang MG/MAT/UPI    Page 5  .   dan . 0    2 0 2 0 maka koordinat v terhadap B’ adalah   Teorema: Koordinat vektor terhadap suatu basis tertentu adalah tunggal.0 . 0.0 .0.1. .  Jika   1 1 1 . Jadi kita dapat mengidentifikasi suatu vector melalui koordinatnya.0. bahwa urutan vektor di basis sangat menentukan koordinat. Contoh: Pandang dua basis 1.1. untuk ruang Matriks P di atas adalah suatu matriks non-singulir. 0.1 dan 1. Matriks transisi dari B ke B’ adalah   dan memenuhi hubungan . kita mempunyai teorema yang menguatkan hal ini. Teorema: Misalkan V ruang vektor dengan basis antara V dengan Rn. 1 Kita melihat bahwa koordinat vector terhadap suatu basis adalah sesuatu yang unik yang dapat kita anggap sebagai identitas penting dari vector tersebut. . Lebih lanjut P-1merupakan matriks transisi dari B’ ke B.Aljabar Linear Elementer    Perhatikan. .….

1. jika kita mempunyai subhimpun B yang merentang subruang W.0 . .Aljabar Linear Elementer    Kita dapat menggunakan matriks P ini untuk mencari koordinat suatu vector terhadap B’. Salah satu tujuan pembahasan bab ini adalah menjawab permasalahan tadi. yaitu subhimpunan yang merentang V serta bebas linier. Definisi: Misalkan V suatu ruang vektor dan .…. Terkait dengan hal ini kita mempunyai teorema berikut. Sumanang MG/MAT/UPI    Page 6  .3 terhadap B adalah koordinat vector 2 maka koordinat terhadap B’ adalah 3 1 2 3 Sebagai pengujian kita periksa bahwa Soal: Tentukan matriks transisi dari 1 1.   2 1 1.2. yaitu dengan cara membuang sebagian vektor sehingga vektor-vektor yang tersisa bebas linier.0. Selanjutnya. Himpunan yang dibangun oleh B adalah |  . Oleh karena itu basis dan dimensi.1 ke 1 1 3 1. mempunyai Telah dibuktikan bahwa merupakan subruang dari V. bagaimana kita dapat mereduksi B menjadi basis untuk W.2. Karena 1 1. ∑ .3 .1. 3 .0 1. Konsepnya sederhana. 2 Ruang Baris dan Ruang Kolom  Setiap ruang vektor V senantiasa mempunyai basis.   2 . 1 3 1. Kita memulai dengan definisi berikut.

sudut serta ortogonalitas antara dua vektor dan juga proyeksi satu vektor pada vektor lain. 0  dan   . Suatu fungsi . . .. 2. . Pada bab ini kita akan melihat bentuk perumuman dari perkalian titik. Hasil Kali Dalam  Definisi: Misalkan V suatu ruang vektor atas R.Aljabar Linear Elementer    BAB 2 RUANG HASIL KALI DALAM Pada bab sebelumnya kita telah melihat ruang vektor R2 dan R3 yang dilengkapi dengan perkalin titik. 3. Sumanang MG/MAT/UPI    Page 7  . : memenuhi sifat-sifat: 1. . .. Dengan mengacu pada perkalin titik ini kita juga telah melihat definisi panjang vektor. . . . 0 ⇔  0 disebut hasil kali dalam di V jika . 4. . sudut. kita sebut ruang hasil kali dalam. ortogonalitas dan juga proyeksi. . Pasangan .

Contoh: Sebagaimana kita ketahui basis ruang vektor itu tidak tunggal. . Pada bab ini kita akan mendiskusikan suatu fungsi di suatu ruang vektor. .….  untuk semua   dan  Matriks Representasi (Transformasi)  Misalkan V . Definisi 3. . . fungsi yang akan kita kaji adalah apa disebut sebagai transformasi linier. Jika B’ basis lain untuk V maka kita mempunyai hubungan Dengan B menyatakan matriks transisi dari B’ ke B.  untuk semua  . dan : suatu transformasi linier. f adalah . W masing-masing adalah ruang vektor dengan basis masing-masing adalah .….1: (Transformasi Linier) Misalkan V dan W masing-masing adalah ruang vektor berdimensi hingga. . Keserupaan  Definisi: (Keserupaan) Sumanang MG/MAT/UPI    Page 8  . Lebih lanjut Jika : suatu transformasi linier dan V ruang vektor berdimensi hingga dengan basis B maka matriks representasi f sering dinotasikan dengan . Suatu fungsi : disebut transformasi linier jika memenuhi sifat-sifat: 1. 2. Matriks transformasi yaitu suatu matriks berukuran mxn dengan kolom ke-i berupa koordinat matriks ini memenuhi hubungan   terhadap B’. Persisnya.Aljabar Linear Elementer    BAB 3 TRANSFORMASI LINIER Kita telah melihat struktur ruang vektor dengan segala sifat-sifat yang dimilikinya. Di sini muncul pertanyaan bagaimana kaitan antara matriks representasi dari basis-basis yang berbeda.

Sumanang MG/MAT/UPI    Page 9  . Jika terdapat matriks non-singulir P yang memenuhi   Maka dikatakan A serupa dengan B.Aljabar Linear Elementer    Misalkan A dan B masing-masing adalah matriks kuadrat. Berdasarkan definisi ini dua buah matriks transformasi   dan adalah serupa.

Aljabar Linear Elementer    BAB 4 DIAGONALISASI Nilai dan Vektor Eigen  Definisi 4.  untuk suatu  Dalam hal ini.1: (Nilai dan vektor eigen) Misalkan M suatu matriks berukuran nxn. k disebut nilai eigen yang bersesuaian dengan x. Sumanang MG/MAT/UPI    Page 10  . Vektor tak nol disebut vektor eigen dari M jika memenuhi .

Dengan demikian M suatu matriks simetri. Jadi A suatu matriks orthogonal. M simetri Bagaimana kita dapat memperoleh matriks orthogonal P yang mendiagonalkan M? Seperti biasa kita mencari himpunan n buah vektor eigen yang bebas linier. Berikut ini kriteria utama dari matriks orthogonal.15: Jika M adalah matriks berukuran nxn. Hasil ini dinyatakan dalam teorema berikut. Definisi 4. Vektor-vektor baris matriks A membentuk himpunan ortonormal terhadap perkalian titik 3.11: Suatu matriks M dikatakan matriks orthogonal jika memenuhi hubungan Contoh 4.12: Perhatikan matriks-matriks 1 √2 0 1 √2 Dapat diperiksa bahwa 1 √2 0 1 √2 0 1 . . Teorema 4. M mempunyai himpunan ortonormal dari n vektor eigen 3.Aljabar Linear Elementer    Diagonalisasi Ortogonal  Definisi 4. maka pernyataan berikut ekuivalen: 1. Selanjutnya. A suatu matriks orthogonal 2. Teorema 4. 0 1 √2 1 √2 0 0 0 1 1 √2 1 √2 0 . misalkan M dapat didiagonalkan secara orthogonal dengan matriks pendiagonal P yang orthogonal.14: Suatu matriks M dapat didiagonalkan secara orthogonal jika M mempunyai matriks pendiagonal P yang bersifat orthogonal.13: Jika A suatu matriks real nxn maka pernyataan berikut ekuivalen: 1. M dapat didiagonalkan secara orthogonal 2. Kemudian dengan menggunakan proses Sumanang MG/MAT/UPI    Page 11  . Vektor-vektor kolom matriks A membentuk himpunan ortonormal terhadap perkalian titik Sekarang kita melangkah pada inti bagian ini. karena P bersifat orthogonal. Dengan demikian kita mempunyai hubungan  ⇔   ⇔  .

1 1 0 1 0 2 2 2 1 3. 1 1 1 2 2. Kolom-kolom matriks P berasal dari vektor-vektor basis ortonormal ini. Soal: Carilah matriks orthogonal P yang mendiagonalkan matriks-matriks berikut: 1.Aljabar Linear Elementer    Gram-Schmidt kita mengubahnya menjadi himpunan (basis) ortonormal. 0 1 1 1 1 3 1 3 0 Sumanang MG/MAT/UPI    Page 12  .

New York.   Sumanang MG/MAT/UPI    Page 13  . [2] Jacob. Linear Algebra.Aljabar Linear Elementer    DAFTAR PUSTAKA [1] Anton. W. Penerbit Erlangga.H. Aljabar Linier Elementer. Howard. Jakarta. Freeman and Company. Edisi Kelima. 1990. Bill.

Sign up to vote on this title
UsefulNot useful