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 a32 menjadi 0 B3 x 1/3 . y dan z Jawab: Bentuk persamaan tersebut ke dalam matriks: Operasikan Matriks tersebut B1 x 1 . Untuk merubah a11 menjadi 1 B2 . Untuk merubah a21 menjadi 0 B3 .. Untuk merubah a31 menjadi 0 B2 x 1 .1..B1 . Untuk merubah a33 menjadi 1 (Matriks menjadi Eselon-baris) ..B2 .B1 .. Untuk merubah a22 menjadi 1 B3 + 3.2.Tentukan Nilai x...

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

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

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.

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

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

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

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

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

.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 . 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.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.

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

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 .

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.2x2 + 3x3 = 8 Jawab: bentuk matrik A dan b A= b= kemudian ganti kolom j dengan matrik b .

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

kita dapat menghitung determinan dari matrix A .A= tentukan determinan A untuk mencari determinan matrik A maka.(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. detA = (aei + bfg + cdh) .

atau dengan memasukkan matrix identitas menjadi (λI .Sistem Linear Dalam Bentuk Ax = λx dalam sistem aljabar linear sering ditemukan Ax = λx . 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 .

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

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

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

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

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

Operator Rotasi Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada R2.Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x. dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x dan w. 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 = 0 = 0x + 0y atau dalam bentuk matrik : Persamaan tersebut bersifat linier. dimisalkan w=T(x). Lalu. y = r cos Θ dan w1 = r cos (ɵ + ɸ) . maka T merupakan operator linier sehingga bentuk matrik dari persamaan di atas adalah: . 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. Unutk menemukan persamaan hubungan x dan w=T(x).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 .

Contoh soal: .... kolom j merupakan elemen pangkat j-1...Interpolasi Polinomial Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0. (xn. Sistem linier pada (1) disebut menjadi Sistem Vandermonde.. Maka. ini akan menuju pada sistem matrik di bawah ini = Ingat bahwa ini merupakan sistem persegi dimana n = m. kita diminta untuk menemukan kurva p(x) = am + am-1 + . + 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.yn).y0).

(0. dan ke-4 dikurangi baris pertama Baris ke-3 dibagi dengan 2.0). sedangkan baris ke-4 dibagi dengan 3 . kita mempunyai = Untuk mendapatkan solusinya.6) menggunakan Sistem Vandermonde. ke-3. Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas.0).Cari interpolasi polinomial pada data (-1.(1.0). digunakan Gaussian Elimination Baris ke-2.(2.

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

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.