P. 1
Persamaan Linear

Persamaan Linear

|Views: 88|Likes:
Published by 811949

More info:

Published by: 811949 on May 17, 2012
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

10/31/2012

pdf

text

original

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 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 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

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). Caranya adalah dengan melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. Ini dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik untuk mendapatkan nilai dari variabel-variabel tersebut. Contoh: Diketahui persamaan linear

y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut B1 x 1 ..1.Tentukan Nilai x.B1 ....2. Untuk merubah a22 menjadi 1 B3 + 3.. Untuk merubah a21 menjadi 0 B3 . Untuk merubah a33 menjadi 1 (Matriks menjadi Eselon-baris) . Untuk merubah a31 menjadi 0 B2 x 1 .B1 .B2 . Untuk merubah a32 menjadi 0 B3 x 1/3 . Untuk merubah a11 menjadi 1 B2 ..

y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: . .dan Operasi Eliminasi Gauss-Jordan Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih sederhana. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya.Maka mendapatkan 3 persamaan linier baru yaitu Kemudian lakukan substitusi balik maka didapatkan: Jadi nilai dari . Contoh: Diketahui persamaan linear Tentukan Nilai x. Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga menghasilkan matriks yang Eselon-baris tereduksi. maka langsung dapat ditentukan nilai dari variabelvariabelnya tanpa substitusi balik. Ini juga dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks. Setelah menjadi matriks Eselon-baris tereduksi.

Operasikan Matriks tersebut Baris ke 2 dikurangi 2 kali baris ke 1 Baris ke 3 dikurangi 2 kali baris ke 1 Baris ke 3 dikurangi 3 kali baris ke 2 Baris ke 3 dibagi 8 dan baris ke 2 dibagi -1 Baris ke 2 dikurangi 4 kali baris ke 3 Baris ke 1 dikurangi 3 kali baris ke 3 Baris ke 1 dikurangi 2 kali baris ke 2 (Matriks menjadi Eselon-baris tereduksi) Maka didapatkan nilai dari Operasi Dalam Matriks . .dan Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama dan setiap elemen yang seletak sama. .

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

A= AB = BA = dan B = = = = I (matriks identitas) = I (matriks identitas) (B Merupakan invers dari A) Maka dapat dituliskan bahwa 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= Tentukan Nilai dari A-1 Jawab: Contoh 4: .

= Ini membuktikan bahwa Transpose Matriks Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen dalam matriks. dari yang baris menjadi kolom.B= . Maka . Contoh: Matriks A= Matriks ditranspose menjadi AT = B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: .Matriks A= . dan yang kolom di ubah menjadi baris. maka didapatkan . AB = Dengan menggunakan rumus.

4.1. 3. Segitiga. Matriks Diagonal. 2. Contoh : secara umum matriks n x n bisa ditulis sebagai Matriks diagonal dapat dibalik dengan menggunakan rumus berikut : . dan Matriks Simetris dan dimana k adalah skalar 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.

= jika D adalah matriks diagonal dan k adalah angka yang positif maka = Contoh : A= maka = Matriks Segitiga Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol. Matriks segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol. Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks segitiga .

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

Produk dan dan Contoh . maka : Asumsikan bahwa A adalah matriks simetris dan bisa di inverse. maka adalah matriks simetris. bahwa Yang mana membuktikan bahwa adalah simetris.B= Matriks Simetris Matriks kotak A disebut simetris jika Contoh matriks simetris Teorema • Jika A dan B adalah matriks simetris dengan ukuran yang sama. dan jika k adalah skalar maka simetris A + B dan A B adalah simetris kA adalah simetris adalah Jika A adalah matriks simetris yang bisa di inverse.

maka Determinan Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar.A adalah matriks 2 X 3 A= lalu = = = = dan juga bisa di inverse Jika A adalah Matriks yang bisa di inverse.bc Determinan dengan Ekspansi Kofaktor Determinan dengan Minor dan kofaktor A= tentukan determinan A . detA = ad . kita ambil matriks A2x2 A= tentukan determinan A untuk mencari determinan matrik A maka. Sebagai contoh.

maka kita bisa melihat matrik dibawah ini ij Begitu juga dengan minor dari a32 M32 = = detM = a11a23 x a13a21 Maka kofaktor dari a32 adalah c32 = (-1)3+2M32 = (-1)3+2 x a11a23 x a13a21 Secara keseluruhan. . definisi determinan ordo 3x3 adalah det(A) = a11C11+a12C12+a13C13 Determinan dengan Ekspansi Kofaktor Pada Baris Pertama Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.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 adalah + atau .

a11a23a32 Contoh Soal: .a12(a21a33 .(a21)2a33 .a22(a31)2 .a22a31) = a11a22a33 + a12a23a31 + a13a21a32 .a12 + a13 = a11(a22a33 . kita mengalikan minor dengan kompone kolom pertama.a13a22a31 .a11a23a32 Contoh Soal: A= Jawab: tentukan determinan A dengan metode ekspansi kofaktor baris pertama det(A) = =1 -2 +3 = 1(-3) .a23a31) + a31(a21a32 . Pada ekspansi baris.det(A) = a11 .a23a32) .a23a31) + a13(a21a32 . det(A) = a11 . Sedangkan dengan ekspansi pada kolom pertama.a12a21a33 .a21(a21a33 .a21 + a31 = a11(a22a33 .a23a32) .a22a31) = a11a22a33 + a21a23a31 + a31a21a32 . Tetapi ada satu hal yang membedakan keduanya yaitu faktor pengali. kita mengalikan minor dengan komponen baris pertama.2(-8) + 3(-7) = -8 Determinan dengan Ekspansi Kofaktor Pada Kolom Pertama Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas. Misalkan ada sebuah matriks A3x3 A= maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah.

A= Jawab: tentukan determinan A dengan metode ekspansi kofaktor kolom pertama det(A) = Adjoin Matriks 3 x 3 Bila ada sebuah matriks A3x3 =1 -4 +3 = 1(-3) .4(-8) + 3(-7) = 8 A= Kofaktor dari matriks A adalah C11 = -12 C12 = 6 C13 = -8 C21 = -4 C22 = 2 C23 = -8 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) = Determinan Matriks Segitiga Atas .

2x2 + 3x3 = 8 Jawab: bentuk matrik A dan b A= b= kemudian ganti kolom j dengan matrik b . segitiga bawah atau segitiga diagonal) maka 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 .Jika A adalah matriks segitiga nxn (segitiga atas.

maka sesuai dengan teorema equivalent statements . Contoh Soal : A= karena det(A) = 0.. jadi R tidak memiliki baris yang nol. Sesuai dengan teorema R = I. maka A adalah dapat di-invers. R=Er. det(R)=det(Er).E2 E1 A dan.A1 = A2 = A3 = dengan metode sarrus kita dapat dengan mudah mencari determinan dari matrik-matrik di atas maka.. Maka A adalah dapat diinvers. maka R = I. Mencari determinan dengan cara Sarrus .. maka det(R) ≠ 0. Tapi jika matrix bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers. jadi det(R) = 1 ≠ 0 dan det(A) ≠ 0.det(E2)det(E1)det(EA) Jika A dapat di-invers. jika det(A) ≠ 0.. Sebaliknya.

(bdi + afh + ceg) Metode Sarrus hanya untuk matrix berdimensi 3x3 Menghitung Inverse dari Matrix 3 x 3 A= kemudian hitung C11 = 12 C12 = 6 C13 = -16 C21 = 4 C22 = 2 C23 = 16 C31 = 12 C32 = -10 C33 = 16 menjadi matrix kofaktor kofaktor dari matrix A cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor di atas. sehingga menjadi adj(A) = dengan metode Sarrus.A= tentukan determinan A untuk mencari determinan matrik A maka. kita dapat menghitung determinan dari matrix A . detA = (aei + bfg + cdh) .

dimana λ adalah skalar sistem linear tersebut dapat juga ditulis dengan λx-Ax=0.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 .Sistem Linear Dalam Bentuk Ax = λx dalam sistem aljabar linear sering ditemukan Ax = λx . atau dengan memasukkan matrix identitas menjadi (λI .

.an).A) = 0 dan dari contoh diperoleh .grup topel dinamakan n-ruangdan dituliskan sebagai Rn.3λ .A = namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .λ adalah eigenvalue dari A det (λ I . sebuah n. ..A) x = 0...a2. maka eigenvector bisa didapat bila λ = -2 maka diperoleh dengan mengasumsikan x2 = t maka didapat x1 = t x = Vektor dalam Ruang Euklide Euklidian dalam n-Ruang Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif.10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 = 0 dengan memasukkan nilai λ pada persamaan (λ I .grup topel adalah sekuens dari n bilangan real (a1.sehingga didapat bentuk λ I . Set dari semua grup yang terdiri dari n.A) = atau λ^2 .

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

. dan seterusnya.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 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. . dan adalah vektor dalam (a) u + v = v + u (b) u + 0 = 0 + u = u (c) u + (v + w) = (u + v) + w (d) u + (-u) = 0 . Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya..v – u = v + (-u) atau... dalam istilah komponen. • . v – u = (v1-u1. v2-u2.. maka : . Pada setiap poin dalam waktu distribusi dari truk dalam depot bisa disebut sebagai 15-topel dalam setiap adalah jumlah truk dalam depot pertama dan adalah jumlah pada depot kedua. berarti. sedangkan k dan m adalah skalar. Hasil dari setiap experiment bisa disebut sebagai vector dalam dalam setiap adalah nilai yang terukur. vn-un) Sifat-sifat dari vektor dalam jika . u .

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. Ekonomi – Pendekatan kita dalam analisis ekonomi adalah untuk membagi ekonomidalam sector (manufaktur.b adalah hue. Vektor ini disebut • • • kondisi dari sistem partikel pada waktu t. saturasi. Sistem Mekanis – Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang sama sehingga pada waktu t koordinat mereka adalah dan kecepatan mereka adalah . Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk dalam x dan y adalah kordinat layar dari pixel dan h.s. dan brightness. saturation. • Fisika .• Rangkaian listrik – Chip prosesor didesain untuk menerima 4 tegangan input dan mengeluarkan 3 tegangan output. dan kecerahan dari pixel. Tegangan input bisa ditulis sebagai vector dalam dan tegangan output bisa ditulis sebagai . chip bisa dilihat sebgai alat yang mengubah setiap vektor input dalam ke vector keluaran dalam . dan seterusnya ) dan untuk mengukur output dari setiap sector dengan nilai mata uang. pelayanan.Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar. sedangkan benang ada dalam dunia 11-dimensi Menemukan norm dan jarak Menghitung Panjang vektor u dalam ruang jika u = Maka Panjang vektor u dan Menghitung jarak antara vektor u dengan vektor v . Dalam ekonomi dengan 10 sektor output ekonomi dari semua ekonomi bisa direpresentasikan dngan 10-topel dalam setiap angka adalah output dari sektor individual. Informasi ini bisa direpresentasikan sebagai vector Dalam . utilitas. Dimana jagat waktu Einstein adalah 4 dimensi.

operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya terhadap beberapa garis atau bidang datar dinamakan operator refleksi. 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 .y2). Contohnya . .Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+.(x2. kita mencari interpolasi titik dari data (x0. dimisalkan w=T(x). Tetapi ada juga yang menggunakan bentuk lain . (x3.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 Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap sumbu y.+a1x+a0 adalah bentuk standar..y3). 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 .y1)..(x1. Operator ini bersifat linier. maka persamaan yang berhubungan dengan x dan w adalah: x1 = -x = -x + 0y x2 = y = 0x + y atau dalam bentuk matrik : Secara umum.

sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya. y = r cos Θ dan w1 = r cos (ɵ + ɸ) . Unutk menemukan persamaan hubungan x dan w=T(x). dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. maka T merupakan operator linier dan matrikx T adalah: Secara umum. dimisalkan w=T(x). Operator Rotasi Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2.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. dari rumus trigonometri dasar x = r cos Θ . Lalu.Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x.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: . 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.

(xn. Dengan menganggap n = m memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x): = (1) Matrix di atas diketahui sebagai Matrix Vandermonde.Interpolasi Polinomial Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0. ini akan menuju pada sistem matrik di bawah ini = Ingat bahwa ini merupakan sistem persegi dimana n = m. Sistem linier pada (1) disebut menjadi Sistem Vandermonde.. Maka... kita diminta untuk menemukan kurva p(x) = am + am-1 + .y0).. Contoh soal: .. + a1x + a0 dari sudut minimum yang melewati setiap dari titik data. Kurva ini harus memenuhi karena xi diketahui..yn). kolom j merupakan elemen pangkat j-1.

0). digunakan Gaussian Elimination Baris ke-2.0). Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.Cari interpolasi polinomial pada data (-1. dan ke-4 dikurangi baris pertama Baris ke-3 dibagi dengan 2.(2. kita mempunyai = Untuk mendapatkan solusinya.0).(1. sedangkan baris ke-4 dibagi dengan 3 . ke-3.6) menggunakan Sistem Vandermonde.(0.

interpolasinya adalah .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.

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)//-->