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 .B2 .1. Untuk merubah a11 menjadi 1 B2 . Untuk merubah a31 menjadi 0 B2 x 1 ..2.B1 ..B1 . Untuk merubah a22 menjadi 1 B3 + 3. Untuk merubah a21 menjadi 0 B3 .Tentukan Nilai x. Untuk merubah a33 menjadi 1 (Matriks menjadi Eselon-baris) ..... 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 langsung dapat ditentukan nilai dari variabelvariabelnya tanpa substitusi balik. Ini juga dapat digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan matriks.Maka mendapatkan 3 persamaan linier baru yaitu Kemudian lakukan substitusi balik maka didapatkan: Jadi nilai dari . Contoh: Diketahui persamaan linear Tentukan Nilai x.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. . 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 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.

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

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. dan yang kolom di ubah menjadi baris. maka didapatkan .Matriks A= .B= . Contoh: Matriks A= Matriks ditranspose menjadi AT = B= ditranspose menjadi BT = Rumus-rumus operasi Transpose sebagai berikut: . AB = Dengan menggunakan rumus. Maka . dari yang baris menjadi kolom.

Contoh : secara umum matriks n x n bisa ditulis sebagai Matriks diagonal dapat dibalik dengan menggunakan rumus berikut : . 2. 4. 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. Matriks Diagonal. 3.1. 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. Matriks segitiga . 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 bawah Teorema • • • • Transpos pada matriks segitiga bawah adalah matriks segitiga atas. Contoh : Matriks segitiga yang bisa di invers A= Inversnya adalah = Matriks yang tidak bisa di invers . Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol. dan inverse pada matriks segitiga atas adalah matriks segitiga atas. dan produk pada matriks segitiga atas adalah matriks segitiga atas. dan transpose pada matriks segitiga atas adalah segitiga bawah. Produk pada matriks segitiga bawah adalah matriks segitiga bawah. Inverse pada matriks segitiga bawah adalah matriks segitiga bawah.

maka adalah matriks 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. Produk dan dan Contoh . maka : Asumsikan bahwa A adalah matriks simetris dan bisa di inverse. bahwa Yang mana membuktikan bahwa adalah simetris.

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

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 .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.

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

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

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 .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.

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

kita dapat menghitung determinan dari matrix A . sehingga menjadi adj(A) = dengan metode Sarrus.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. detA = (aei + bfg + cdh) .

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 . atau dengan memasukkan matrix identitas menjadi (λI .

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

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

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

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

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

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. dari rumus trigonometri dasar x = r cos Θ . 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. w2= r sin (ɵ + ɸ) Menggunakan identitas trigonometri didapat: w1 = r cos ɵ cos ɸ . y = r cos Θ dan w1 = r cos (ɵ + ɸ) . 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: . 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.r sin ɵ sin ɸ w2 = r sin ɵ cos ɸ + r cos ɵ sin ɸ kemudian disubtitusi sehingga: w1 = x cos Θ .Operator Proyeksi Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus terhadap sumbu x. sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya. dimisalkan w=T(x).

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

(0.Cari interpolasi polinomial pada data (-1. sedangkan baris ke-4 dibagi dengan 3 . Jawab: Bentuk Sistem Vandermonde(1): = Untuk data di atas. digunakan Gaussian Elimination Baris ke-2.0). dan ke-4 dikurangi baris pertama Baris ke-3 dibagi dengan 2.6) menggunakan Sistem Vandermonde.(1. ke-3. kita mempunyai = Untuk mendapatkan solusinya.(2.0).0).

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 .

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.