MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR

Disusun oleh :
1. Supriyani 2. Sri Hartati 3. Anisatul M.

(0903040095) (0903040113) (0903040065)

TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH PURWOKERTO 2012

TRANSFORMASI LINEAR ATAU PEMETAAN 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. I. Persamaan Linear & Matriks Persamaan linear dapat dinyatakan sebagai matriks. Misalnya persamaan:
3x1 + 4x2 − 2 x3 = 5 x1 − 5x2 + 2x3 = 7 2x1 + x2 − 3x3 = 9

dapat dinyatakan dalam matriks teraugmentasi sebagai berikut

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 eselonbaris 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.

II. Penyelesaian Persamaan Linear dengan Matriks a) 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 dengan leading 1

syarat 2: baris ke-3 dan ke-4 memenuhi syarat 2

syarat 3: baris pertama dan ke-2 memenuhi syarat 3

syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi

lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut..b) 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). Untuk merubah a11 menjadi 1 B2 . Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Contoh: Diketahui persamaan linear x + 2y + z = 6 x + 3y + 2z = 9 2x + y + 2z = 12 Tentukan Nilai x. Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris.. y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut B1 x 1 . Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. Untuk merubah a21 menjadi 0 .B1 .1. Setelah menjadi matriks Eselon-baris.

2. Untuk merubah a33 menjadi 1 (Matriks menjadi Maka mendapatkan 3 persamaan linier baru yaitu 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 ..dan z = 3 c) Operasi Eliminasi Gauss-Jordan Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana.B3 .. Untuk merubah a22 menjadi 1 B3 + 3. Untuk merubah a31 menjadi 0 B2 x 1 .B1 . y = 0 . Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris tereduksi. Untuk merubah a32 menjadi 0 Eselon-baris) x + 2y + z = 6 y+z=3 z=3 B3 x 1/3 . Ini juga ..B2 ..

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. maka langsung dapat ditentukan nilai dari variabelvariabelnya tanpa substitusi balik. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya.dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. y dan z Jawab: 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 .

Begitu pula dengan hasil selisihnya. Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan. Hukum yang berlaku dalam penjumlahan dan pengurangan matriks : a. 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. y = − 1 .) k ( A + B ) = kA + kB = ( A + B ) k .) A + B = B + A b.) A + ( B + C ) = ( A + B ) + C c. Untuk setiap A berlaku A + (-A) = 0. k = skalar .dan z = 1 d) Operasi Dalam Matriks Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama dan setiap elemen yang seletak sama. maka penjumlahan dari A + B adalah matriks hasil dari penjumlahan elemen A dan B yang seletak.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 didapatkan nilai dari x = 2 . Didefinisikan: Jika k sebarang skalar maka kA = A k adalah matriks yang diperoleh dari A dengan cara mengalikan setiap elemennya dengan k. Jika A dan B adalah matriks yang mempunyai ordo sama. Negatif dari A atau -A adalah matriks yang diperoleh dari A dengan cara mengalikan semua elemennya dengan -1.

maka B disebut balikan atau invers dari A dan dapat dituliskan B = A − 1 ( B sama dengan invers A ).bc ≠ 0 Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat diinvers dan (AB) − 1 = B − 1A − 1 Contoh 1: Matriks A= dan B = AB = = = I (matriks identitas) BA = = = I (matriks identitas) Maka dapat dituliskan bahwa B = A − 1 (B Merupakan invers dari A) Contoh 2: .. Matriks A = Dengan Rumus = dapat di-invers apabila ad . + aip bpj e) Matriks Balikan (Invers) JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I . Matriks B juga mempunyai invers yaitu A maka dapat dituliskan A = B −1 . Jika tidak ditemukan matriks B. Jika matriks B dan C adalah invers dari A maka B = C.. maka A dikatakan matriks tunggal (singular).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 + .

.B= .Matriks A= dan B = AB = = BA = = Karena AB ≠ BA ≠ I maka matriks A dan matriks B disebut matriks tunggal. Maka . maka didapatkan . AB = Dengan menggunakan rumus. Contoh 3: Matriks A= Tentukan Nilai dari A-1 Jawab: Contoh 4: Matriks A= .

dari yang baris menjadi kolom. ((A)T)T = A 2. dan yang kolom di ubah menjadi baris. (kA)T = kAT dimana k adalah skalar . (AB)T = BTAT . (A + B)T = AT + BT dan (A − B)T = AT − BT 3. Contoh: Matriks A= ditranspose menjadi AT = Matriks B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: 1.= Ini membuktikan bahwa (AB) − 1 = B − 1A – 1 f) Transpose Matriks Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen dalam matriks.

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 . Matriks Diagonal. dan Matriks Simetris a) 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. Segitiga.I.

Dk= Contoh : A= maka A5= b) Matriks Segitiga Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol. Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks segitiga Matriks segitiga bawah Teorema . 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. Contoh : Matriks segitiga yang bisa di invers A= Inversnya adalah A − 1= Matriks yang tidak bisa di invers B= a) Matriks Simetris Matriks kotak A disebut simetris jika A = AT Contoh matriks simetris . Inverse pada matriks segitiga bawah adalah matriks segitiga bawah. dan transpose pada matriks segitiga atas adalah segitiga bawah.• • • • Transpos pada matriks segitiga bawah adalah matriks segitiga atas. Produk pada matriks segitiga bawah adalah matriks segitiga bawah. dan produk pada matriks segitiga atas adalah matriks segitiga atas. dan inverse pada matriks segitiga atas adalah matriks segitiga atas.

B adalah simetris kA adalah simetris (AB)T = BTAT = BA Jika A adalah matriks simetris yang bisa di inverse. Determinan Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar. 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 I. Sebagai contoh. dan jika k adalah skalar maka AT adalah simetris A + B dan A . maka A −1 adalah matriks simetris. Asumsikan bahwa A adalah matriks simetris dan bisa di inverse.Teorema Jika A dan B adalah matriks simetris dengan ukuran yang sama. kita ambil matriks A2x2 . bahwa A = AT maka : (A − 1)T = (AT) − 1 = A − 1 Yang mana membuktikan bahwa A − 1 adalah simetris.

detA = ad .A= tentukan determinan A untuk mencari determinan matrik A maka. definisi determinan ordo 3x3 adalah .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.bc a) Determinan dengan Ekspansi Kofaktor Determinan dengan Minor dan kofaktor A= tentukan determinan A Pertama buat minor dari a11 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 .

a12 + a13 = a11(a22a33 .a12a21a33 .a22a31) = a11a22a33 + a12a23a31 + a13a21a32 . Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali. Sedangkan dengan ekspansi pada kolom pertama. kita mengalikan minor dengan komponen baris pertama. det(A) = a11 .a23a32) .a23a31) + a13(a21a32 .det(A) = a11C11+a12C12+a13C13 b) Determinan dengan Ekspansi Kofaktor Pada Baris Pertama Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah. Misalkan ada sebuah matriks A3x3 .a12(a21a33 . Pada ekspansi baris.a13a22a31 .a11a23a32 Contoh Soal: A= tentukan determinan A dengan metode ekspansi kofaktor baris pertama Jawab: det(A) = =1 -2 +3 = 1(-3) .2(-8) + 3(-7) = -8 c) Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas. kita mengalikan minor dengan kompone kolom pertama.

a23a31) + a31(a21a32 .a22a31) = a11a22a33 + a21a23a31 + a31a21a32 .a23a32) .(a21)2a33 .4(-8) + 3(-7) = 8 d) Adjoin Matriks 3 x 3 Bila ada sebuah matriks A3x3 A= Kofaktor dari matriks A adalah C11 = -12 C12 = 6 C13 = -8 C21 = -4 C22 = 2 C23 = -8 .a21 + a31 = a11(a22a33 . det(A) = a11 .A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.a11a23a32 Contoh Soal: A= pertama tentukan determinan A dengan metode ekspansi kofaktor kolom Jawab: det(A) = =1 -4 +3 = 1(-3) .a21(a21a33 .a22(a31)2 .

C31 = 12 C32 = -10 C33 = 8 maka matriks yang terbentuk dari kofaktor tersebut adalah untuk mencari adjoint sebuah matriks. kita cukup mengganti kolom menjadi baris dan baris menjadi kolom adj(A) = e) 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 f) 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 . Sesuai dengan teorema .. maka R = I.. maka det(R) ≠ 0. det(R)=det(Er). maka sesuai dengan teorema equivalent statements ..E2 E1 A dan..det(E2)det(E1)det(EA) Jika A dapat di-invers.2x2 + 3x3 = 8 Jawab: 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. R=Er. jika det(A) ≠ 0. jadi det(R) = 1 ≠ 0 dan det(A) ≠ 0. jadi R tidak memiliki baris yang nol. Sebaliknya.

detA = (aei + bfg + cdh) . Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers. sehingga menjadi adj(A) = .R = I. Contoh Soal : A= karena det(A) = 0. g) Mencari determinan dengan cara Sarrus A= tentukan determinan A untuk mencari determinan matrik A maka.(bdi + afh + ceg) • Metode Sarrus hanya untuk matrix berdimensi 3x3 A= Menghitung Inverse dari Matrix 3 x 3 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 di atas. Maka A adalah dapat diinvers. maka A adalah dapat di-invers.

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

sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup dari tiga secara respektif.3λ .grup topel dinamakan n-ruangdan dituliskan sebagai Rn.A) = 0 . Selanjutnya kita bisa .an). a3 merupakan komponen vector. Jika n = 2 atau 3.10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 dengan memasukkan nilai λ pada persamaan (λ I . Vektor dalam Ruang Euklide a) Euklidian dalam n-Ruang Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif. maka eigenvector bisa didapat bila λ = -2 maka diperoleh dengan mengasumsikan x2 = t maka didapat x1 = t x= I. Kita akan menuliskan R daripada R1 pada set ini. a3) mempunyai dua interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai titik. Keitka n = 1. Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1. a2. daripada 2-grup topel atau 3. a2.a2. atau ini bisa diinterpretasikan sebagai vector. a2..λ adalah eigenvalue dari A dan dari contoh diperoleh det (λ I ..A) x = 0. sebuah ngrup topel adalah sekuens dari n bilangan real (a1.. dimana a1.sehingga didapat bentuk λI-A= namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .A) = = 0 atau λ^2 . yang dalam kasus ini a2.. Set dari semua grup yang terdiri dari n. setiap n – grup topel terdiri dari satu bilangan real. sehingga R1 bisa dilihat sebagai set dari bilangan real.grup topel. a3 merupakan koordinat.

maka perkalian scalar ku didefinisikan oleh ku = (k u1... . . v – u = (v1-u1. 0 .... .. ..perbedaan antara keduanya tidak penting secara matematis.. maka negative (atau invers aditif) dari u dituliskan oleh –u dan dijelaskan oleh -u = (-u1.. 0. u2..k un) Operasi dari pertambahan dan perkalian scalar dalam definisi ini disebut operasi standar untuk Rn Vektor nol dalam Rn didenotasikan oleh 0 dan difenisikan ke vector.. u1 = v1 u2 = v2 un = vn Penjumlahan u + v didefinisikan oleh u + v = (u1 + v1...... -un) Perbedaan dari vector dalam Rn dijelaskan oleh v – u = v + (-u) atau. u2 + v2.... k u2.... v2-u2. un + vn) Dan jika k adalah konstanta scalar.6) antara poin dalam R5 atau vector pada R5. 0 = (0. 4. un) dalam setiap vector dalam Rn.. dan adalah vektor dalam Rn sedangkan k dan m adalah skalar. 0) Jika u = (u1. an) bisa dilihat sebagai antara sebuah “poin umum” atau “vector umum”. dalam istilah komponen..melihat bahwa n – grup topel (a1. a2. .. ..topel (-2.. vn-un) Sifat-sifat dari vektor dalam Rn jika .. maka : (a) u + v = v + u (b) u + 0 = 0 + u = u (c) u + (v + w) = (u + v) + w . -u2..1 . Dan juga kita bisa menjelaskan 5.

b) dalam x dan y adalah kordinat layar dari pixel dan h.. Hasil dari setiap experiment bisa disebut sebagai vector y = (y1. u .y2. berarti. • Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan output.. • Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya. utilitas.w3) dalamR3. • Analisis citra – Satu hal dalam gambaran warna dibuat oleh layar komputer dibuat oleh layar komputer dengan menyiapkan setiap [pixel] (sebuah titik yang mempunyai alamat dalam layar) 3 angka yang menjelaskan hue. dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai mata uang.y. Dalam ekonomi dengan ..yn adalah nilai yang terukur..yn) dalam Rn dalam setiap y1.x2.s.... Lalu.v4) dalam R4 ke vector keluaran w = (w1. Tegangan input bisa ditulis sebagai vector dalam R4 dan tegangan output bisa ditulis sebagaiR3...s..b adalah hue. dan seterusnya. • Ekonomi – Pendekatan kita dalam analisa ekonomi adalah untuk membagi ekonomidalam sector (manufaktur. pelayanan.. Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai 15-topel x = (x1.x15) dalam setiap x1 adalah jumlah truk dalam depot pertama dan x2 adalah jumlah pada depot kedua.y2. Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk v = (x.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 b) Contoh Penggunaan Vektor dalam Ruang Dimensi Tinggi • Data Eksperimen – Ilmuwan melakukan experimen dan membuat n pengukuran numeris setiap eksperimen dilakukan. saturasi.h.v2. dan kecerahan dari pixel..v3. saturation. dan brightness. chip bisa dilihat sebgai alat yang mengubah setiap vektor input v = (v1..w2.(d) u + (-u) = 0 ..

y0)... Vektor ini disebut kondisi dari sistem partikel pada waktu t. • Fisika .s2.x6.v2.x3. Informasi ini bisa direpresentasikan sebagai vector V = (x1.. sehingga kita dapatkan : p(x0)=b0 p(x1)=b1h1+b0 p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0 . kita mencari interpolasi titik dari data (x0..x4.. Dimana jagat waktu Einstein adalah 4 dimensi...x2.. 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 .v1.v3.Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar.s2.s3.y1).. Contohnya ..u2.v6...10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan dngan 10-topel s = (s1.(x3.un) Maka Panjang vektor u dan Menghitung jarak antara vektor u dengan vektor v b) Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+.(x2.v5.x6 dan kecepatan mereka adalah v1..s10) dalam setiap angka s1.y3)..x2.v2. • Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada waktu t koordinat mereka adalahx1.v4.y2)..(x1...+a1x+a0 adalah bentuk standar.v6. 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 .s10 adalah output dari sektor individual.u3.. sedangkan benang ada dalam dunia 11-dimensi a) Menemukan norm dan jarak Menghitung Panjang vektor u dalam ruang Rn jika u = (u1...t) Dalam R13.x5...

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: c) Operator Refleksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap sumbu y. 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 = y = 0x + y atau dalam bentuk matrik : Secara umum. operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya terhadap beberapa garis atau bidang datar dinamakan operator refleksi. dimisalkan w=T(x). maka T merupakan operator linier dan matrikx T adalah: Secara umum. dimisalkan w=T(x). d) Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut ɵ positif yang . maka persamaan yang berhubungan dengan x dan w adalah: x1 = x = x + 0y x2 = 0 = 0x + 0y atau dalam bentuk matrik : Persamaan tersebut bersifat linier. e) Operator Rotasi Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2. Operator ini bersifat linier.

+ a1x + a0 dari sudut minimum yang melewati setiap dari titik data.tetap. Kurva ini harus memenuhi karena xi diketahui. y = r cos Θ dan w1 = r cos (ɵ + ɸ) .. ini akan menuju pada sistem matrik di bawah ini .r sin ɵ sin ɸ w2 = r sin ɵ cos ɸ + r cos ɵ sin ɸ kemudian disubtitusi sehingga: w1 = x cos Θ .. Lalu.y sin Θ w2 = x sin Θ + y cos Θ Persamaan di atas merupakan persamaan linier.. maka T merupakan operator linier sehingga bentuk matrik dari persamaan di atas adalah: f) Interpolasi Polinomial Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0.yn). (xn. w2= r sin (ɵ + ɸ) Menggunakan identitas trigonometri didapat: w1 = r cos ɵ cos ɸ .. Maka. dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. Unutk menemukan persamaan hubungan x dan w=T(x).y0).. dari rumus trigonometri dasar x = r cos Θ .. kita diminta untuk menemukan kurva p(x) = amxm + am-1xm − 1 + .

Contoh soal: Cari interpolasi polinomial pada data (-1. Sistem linier pada (1) disebut menjadi Sistem Vandermonde.= Ingat bahwa ini merupakan sistem persegi dimana n = m.0). Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): = (1) Matrix di atas diketahui sebagai Matrix Vandermonde.0). Jawab: .(1.(0.0). kolom j merupakan elemen pangkat j-1.(2.6) menggunakan Sistem Vandermonde.

digunakan Gaussian Elimination Baris ke-2. dan ke-4 dikurangi baris pertama .Bentuk Sistem Vandermonde(1): = Untuk data di atas. kita mempunyai = Untuk mendapatkan solusinya. ke-3.

Baris ke-3 dibagi dengan 2. sedangkan baris ke-4 dibagi dengan 3 Baris ke-3 dikurangi baris ke-2 Baris ke-4 dikurangi baris ke-2 Baris ke-4 dibagi dengan 2 .

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

Sign up to vote on this title
UsefulNot useful