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

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

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

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

Contoh 3: Matriks A= Tentukan Nilai dari A-1 Jawab: Contoh 4: .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.

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

Contoh : secara umum matriks n x n bisa ditulis sebagai Matriks diagonal dapat dibalik dengan menggunakan rumus berikut : .1. Matriks Diagonal. 2. Segitiga. 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. 4. 3.

Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol. Matriks segitiga .= 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.

Inverse pada matriks segitiga bawah adalah matriks segitiga bawah.Matriks segitiga bawah Teorema • • • • Transpos pada matriks segitiga bawah adalah matriks segitiga atas. dan transpose pada matriks segitiga atas adalah segitiga bawah. dan inverse pada matriks segitiga atas adalah matriks segitiga atas. 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. Produk pada matriks segitiga bawah adalah matriks segitiga bawah. Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol.

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

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

.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 .

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

kita cukup mengganti kolom menjadi baris dan baris menjadi kolom adj(A) = Determinan Matriks Segitiga Atas .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.

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

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

detA = (aei + bfg + cdh) .A= tentukan determinan A untuk mencari determinan matrik A maka. kita dapat menghitung determinan dari matrix A .(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) 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 . dimana λ adalah skalar sistem linear tersebut dapat juga ditulis dengan λx-Ax=0. atau dengan memasukkan matrix identitas menjadi (λI .Sistem Linear Dalam Bentuk Ax = λx dalam sistem aljabar linear sering ditemukan Ax = λx .

Set dari semua grup yang terdiri dari n.λ adalah eigenvalue dari A det (λ I ..grup topel dinamakan n-ruangdan dituliskan sebagai Rn..a2.. .A) = 0 dan dari contoh diperoleh .grup topel adalah sekuens dari n bilangan real (a1.A = namun untuk menemukan besar dari λ perlu dilakukan operasi det (λ I .A) = atau λ^2 .sehingga didapat bentuk λ I .an). 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.3λ .A) x = 0.. sebuah n.10 = 0 dan dari hasil faktorisasi di dapat λ1 = -2 dan λ2 = 5 = 0 dengan memasukkan nilai λ pada persamaan (λ I .

.topel (-2. a2... maka negative (atau invers aditif) dari u dituliskan oleh –u dan dijelaskan oleh -u = (-u1.. un + vn) Dan jika k adalah konstanta scalar...grup topel. Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1..6) antara poin dalam R5 atau vector pada R5.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. a2..Jika n = 2 atau 3. Keitka n = 1.1 . a2. dimana a1. an) bisa dilihat sebagai antara sebuah “poin umum” atau “vector umum”.. yang dalam kasus ini a2... Selanjutnya kita bisa melihat bahwa n – grup topel (a1.. . -un) Perbedaan dari vector dalam Rn dijelaskan oleh . a2... a3) mempunyai dua interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai titik. 0 . atau ini bisa diinterpretasikan sebagai vector. -u2. u2. sehingga R1 bisa dilihat sebagai set dari bilangan real. daripada 2-grup topel atau 3. 0. maka perkalian scalar ku didefinisikan oleh ku = (k u1. Dan juga kita bisa menjelaskan 5. 0) Jika u = (u1. k u2.. .... a3 merupakan koordinat. setiap n – grup topel terdiri dari satu bilangan real.. 4. . Kita akan menuliskan R daripada R1 pada set ini.. sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup dari tiga secara respektif. u2 + v2. a3 merupakan komponen vector.... u1 = v1 u2 = v2 un = vn Penjumlahan u + v didefinisikan oleh u + v = (u1 + v1. un) dalam setiap vector dalam Rn.. ..perbedaan antara keduanya tidak penting secara matematis.

.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. Hasil dari setiap experiment bisa disebut sebagai vector dalam dalam setiap adalah nilai yang terukur... dalam istilah komponen. dan seterusnya. sedangkan k dan m adalah skalar. maka : . vn-un) Sifat-sifat dari vektor dalam jika .... • . 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 . 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. u . v – u = (v1-u1. berarti. v2-u2.v – u = v + (-u) atau. Penyimpanan dan Gudang – Sebuah perusahaan transportasi mempunyai 15 depot untuk menyimpan dan mereparasi truknya.

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

Operator ini bersifat linier. 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 . dimisalkan w=T(x).y2).Bentuk Newton interpolasi polinominal p(x)=anxn+an-1xn-1+. ..y3). operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya terhadap beberapa garis atau bidang datar dinamakan operator refleksi.(x1. maka persamaan yang berhubungan dengan x dan w adalah: x1 = -x = -x + 0y x2 = y = 0x + y atau dalam bentuk matrik : Secara umum.y0).y1). 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 . (x3.+a1x+a0 adalah bentuk standar.(x2. Tetapi ada juga yang menggunakan bentuk lain . Contohnya . 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. kita mencari interpolasi titik dari data (x0..

maka T merupakan operator linier dan matrikx T adalah: Secara umum.y sin Θ w2 = x sin Θ + y cos Θ Persamaan di atas merupakan persamaan linier. w2= r sin (ɵ + ɸ) Menggunakan identitas trigonometri didapat: w1 = r cos ɵ cos ɸ . dimisalkan w=T(x). dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap vektor searah jarum jam melalui sudut ɵ positif yang tetap. Operator Rotasi Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2. sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya. maka T merupakan operator linier sehingga bentuk matrik dari persamaan di atas adalah: .Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x. 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. y = r cos Θ dan w1 = r cos (ɵ + ɸ) .r sin ɵ sin ɸ w2 = r sin ɵ cos ɸ + r cos ɵ sin ɸ kemudian disubtitusi sehingga: w1 = x cos Θ . dari rumus trigonometri dasar x = r cos Θ . Unutk menemukan persamaan hubungan x dan w=T(x). Lalu.

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

dan ke-4 dikurangi baris pertama Baris ke-3 dibagi dengan 2.(0. sedangkan baris ke-4 dibagi dengan 3 .0). Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.0).(2. kita mempunyai = Untuk mendapatkan solusinya. ke-3.0).(1. digunakan Gaussian Elimination Baris ke-2.6) menggunakan Sistem Vandermonde.Cari interpolasi polinomial pada data (-1.

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.

Sign up to vote on this title
UsefulNot useful