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 . juga membentuk ruang vektor. Contoh: .Aljabar Linear Elementer    Terhadap kedua operasi ini. Teorema: (Subruang) Misalkan W subhimpunan tak kosong dari ruang vektor V. . Elemen nol di adalah polinom Contoh 1. W merupakan subruang dari V jika memenuhi kedua sifat berikut: 1. . K bukan subruang dari R2 karena terdapat Soal-Soal: Periksa apakah himpunan-himpunan berikut merupakan subruang. Subruang Vektor  Definisi: (Subruang) Misalkan V suatu ruang vektor dan W subhimpunan tak kosong dari V.0 . | 2 . W dikatakan subruang dari V jika W merupakan ruang vektor terhadap operasi yang sama.0 Dengan demikian W suatu subruang di R2. .0 ∉K. .  untuk semua  . 2.  untuk semua  .0 . Page 2  Sumanang MG/MAT/UPI    . konstan 0. Contoh: Misalkan Ambil . Bagaimana kita dapat memastikan bahwa suatu himpunan itu suatu subruang? Jawaban dari masalah ini adalah kriteria berikut.0 . Selanjutnya kita akan mengidentifikasi subhimpunan di V yang mempunyai struktur yang sama dengan V sebagai ruang vektor.4: Himpunan semua matriks berukuran mxn. .0 . Akan ditunjukkan bahwa W adalah subruang dari R2. . . 1. dinotasikan Mmxn merupakan ruang vektor terhadap operasi penjumlahan matriks biasa serta perkalian dengan skalar.0 | .0 .0 | 0 1.  dan  1  sehingga  1 1. Perhatikan bahwa .

dikatakan bebas linier jika persamaan 0             3 hanya dapat dipenuhi oleh Sumanang MG/MAT/UPI    0 Page 3  . . Buktikan bahwa himpunan solusi SPL homogen 0 membentuk subruang.…. . . . . Himpunan jika setiap vektor di V merupakan kombinasi linier dari . 3. Ini artinya setiap 2 vektor di R merupakan kombinasi linier dari vektor-vektor di L. .…. Dalam hal ini kita menuliskan   . Selanjutnya tuliskan persamaan 1. | | : 2 2 3 1 0 5.2 1. Kita melihat bahwa di ruang vector kita dapat menjumlahkan dua vector untuk mendapatkan vector baru. Misalkan : 0. . . . 1.b) di R2. 4. 7. Satu masalah yang muncul adalah apakah kita dapat mereduksi himpunan ini dengan membuang sebagian vector tetapi sifat merentang masih dipertahankan. .…. … . 9. Selanjutnya. Periksa apakah himpunan semua matriks simetri di M2x2 merupakan subruang. . … . . Dengan mudah kita dapatkan solusi persamaan ini adalah 2 . 8.1  |   kontinu . . 10. . Periksa bahwa suatu subruang dari ruang fungsi. . . kita mempunyai definisi berikut.  |  |  0 6. Himpunan Perentang (Spanning Set)  Definisi: Misalkan V suatu ruang vektor dan . Kebebas­linearan  Misalkan subruang mempunyai perentang . Definisi: (Bebas linier) Misalkan V suatu ruang vektor dan Himpunan .2 .…. Jadi himpunan L merentang R2. Operasi-operasi ini dapat kita lakukan terhadap sebanyak hingga vector sehingga menghasilkan vector baru. .3 merentang R2. . Sebagaimana kita juga dapat mengalikan dulu masing-masing dengan suatu scalar.….3 .Aljabar Linear Elementer    2. 3 . dikatakan merentang V Contoh: Periksa apakah himpunan 1. Untuk itu kita ambil vektor sebarang (a. Untuk menjawab masalah ini kita mempunyai criteria berikut. .

.1 . . dan .1 bebas linier serta merentang R2. 0. 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. … . 1    . Dalam hal ini jika B merupakan basis bagi V maka dikatakan V berdimensi n dim . Selain basis baku di atas dengan mudah kita dapat memeriksa bahwa 1.0 . 1 juga basis untuk R2 . Contoh: Tentukan koordinat vektor 1 0 terhadap basis 3 1 1 1 0 . sebagaimana dinyatakan dalam teorema berikut. Himpunan . 0 0 2 Solusi: Koorinat v terhadap B adalah vektor 1 0 0 1 2 0 yang memenuhi 1 1 2 1 0 3 .….…. Contoh: Dengan mudah kita dapat memeriksa bahwa 1. . .1 . Secara umum jika . 1 juga merupakan basis bagi R2. dikatakan sebagai basis bagi V jika B merentang V dan bebas linier. 2 . Koordinat dan Matriks Transisi  Misalkan V suatu ruang vektor dengan basis basis B adalah . sehingga kita Dengan mudah kita melihat bahwa solusi persamaan ini adalah peroleh     Sumanang MG/MAT/UPI    Page 4  . . 1. Koordinat vektor v terhadap dimana . B ini yang kita sebut basis baku bagi R2. Basis suatu ruang vektor tidaklah tunggal. . keduanya tidak nol maka 1.Aljabar Linear Elementer    Basis dan Dimensi  Definisi: (Basis dan Dimensi) Misalkan V suatu ruang vektor dan . 1.

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

0 1.1. yaitu dengan cara membuang sebagian vektor sehingga vektor-vektor yang tersisa bebas linier. 3 . Oleh karena itu basis dan dimensi. mempunyai Telah dibuktikan bahwa merupakan subruang dari V.…. 2 Ruang Baris dan Ruang Kolom  Setiap ruang vektor V senantiasa mempunyai basis. Konsepnya sederhana. Terkait dengan hal ini kita mempunyai teorema berikut. Selanjutnya. Definisi: Misalkan V suatu ruang vektor dan .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. bagaimana kita dapat mereduksi B menjadi basis untuk W.Aljabar Linear Elementer    Kita dapat menggunakan matriks P ini untuk mencari koordinat suatu vector terhadap B’. .1. Sumanang MG/MAT/UPI    Page 6  . yaitu subhimpunan yang merentang V serta bebas linier. Karena 1 1.   2 1 1. Salah satu tujuan pembahasan bab ini adalah menjawab permasalahan tadi.3 .2. jika kita mempunyai subhimpun B yang merentang subruang W.0 .0.   2 . Himpunan yang dibangun oleh B adalah |  . ∑ . Kita memulai dengan definisi berikut.2.1 ke 1 1 3 1. 1 3 1.

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

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

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

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

M mempunyai himpunan ortonormal dari n vektor eigen 3. karena P bersifat orthogonal.12: Perhatikan matriks-matriks 1 √2 0 1 √2 Dapat diperiksa bahwa 1 √2 0 1 √2 0 1 . Selanjutnya.Aljabar Linear Elementer    Diagonalisasi Ortogonal  Definisi 4. Teorema 4. misalkan M dapat didiagonalkan secara orthogonal dengan matriks pendiagonal P yang orthogonal. Berikut ini kriteria utama dari matriks orthogonal. Jadi A suatu matriks orthogonal.13: Jika A suatu matriks real nxn maka pernyataan berikut ekuivalen: 1. A suatu matriks orthogonal 2. 0 1 √2 1 √2 0 0 0 1 1 √2 1 √2 0 . .14: Suatu matriks M dapat didiagonalkan secara orthogonal jika M mempunyai matriks pendiagonal P yang bersifat orthogonal. maka pernyataan berikut ekuivalen: 1.11: Suatu matriks M dikatakan matriks orthogonal jika memenuhi hubungan Contoh 4. Dengan demikian M suatu matriks simetri. Definisi 4. Dengan demikian kita mempunyai hubungan  ⇔   ⇔  . Teorema 4.15: Jika M adalah matriks berukuran nxn. Vektor-vektor kolom matriks A membentuk himpunan ortonormal terhadap perkalian titik Sekarang kita melangkah pada inti bagian ini. Vektor-vektor baris matriks A membentuk himpunan ortonormal terhadap perkalian titik 3. M dapat didiagonalkan secara orthogonal 2. M simetri Bagaimana kita dapat memperoleh matriks orthogonal P yang mendiagonalkan M? Seperti biasa kita mencari himpunan n buah vektor eigen yang bebas linier. Hasil ini dinyatakan dalam teorema berikut. Kemudian dengan menggunakan proses Sumanang MG/MAT/UPI    Page 11  .

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

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

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

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

Cancel anytime.