Upload
phungdung
View
330
Download
17
Embed Size (px)
Citation preview
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linearc©2012 The Author, SubionoMateri Kuliah Aljabar Linear 2012
SubionoEmail:[email protected]
Jurusan Matematika-MIPA,Institut Teknologi Sepuluh Nopember,
Surabaya
28 Juni 2012
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Daftar Isi
1 Lapangan dan Ruang Vektor2 Ruang Bagian3 Himpunan Pembentang4 Bebas Linear5 Basis dan Dimensi6 Pemetaan Linear7 Matriks Transisi dari basis B ke basis C .8 Vektor-eigen dan Nilai-eigen9 Ke-Orthogonalan10 Proyeksi dan General Invers
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Abstrak
Abstrak
Dalam modul ajar ini diberikan beberapa materi dari mata kuliahAljabar Linier (SM 091323) untuk program Sarjana (S1) jurusanmatematika FMIPA-ITS. Materi kuliah berupa perencanaan yangdisajikan agar mempermudah peserta ajar dalam proses belajarmengajar. Peserta ajar diharapkan mempersiapkan diri melaluipemahaman yang dipunyai sebelumnya dan menambah kekuranganpemahaman pengetahuannya yang dirasa kurang saat prosesbelajar di kelas dan untuk mempermudah proses mengajardigunakan alat bantu perangkat lunak SAGE Versi 5. Selain itumateri kuliah ini disesuai dengan Kurikulum 2009-2014.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Rencana Materi Kuliah
Rencana Materi Kuliah
Lapangan dan Ruang Vektor atas suatu Lapangan.
Ruang-bagian dan Himpunan Pembentang.
Bebas linier dan Basis.
Dimensi, Jumlahan Langsung.
Koordinat dan Basis Terurut.
Pemetaan linier pada Ruang Vektor.
Aljabar Matriks
Perubahan dari Basis dan Rank
Determinan dan Invers.
Bentuk Echelon dari suatu Matriks.
Eigenvektor dan Eigenvalue.
Orthogonalitas (Proses Orthogonalitas Gram-Schmidt).
General Invers.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Lapangan (Field)
Suatu lapangan adalah suatu himpunan K 6= ∅ bersama-samadengan dua operasi tambah (+) dan kali (.) sehingga untuk semuaa, b, c ∈ K memenuhi:
(a + b) ∈ K (tertutup) dan a + b = b + a (komutatif).
(a + b) + c = a + (b + c) (assosiatif).
Ada 0 ∈ K sehingga a + 0 = 0 + a = a (elemen netral).
Untuk setiap a ∈ K ada suatu −a ∈ K sehinggaa + (−a) = −a+ a = 0 (invers).
(a.b) ∈ K (tertutup) dan a.b = ba (komutatif).
(a.b).c = a.(b.c) (assosiatif).
Ada 1 ∈ K sehingga a.1 = 1.a = a (elemen identitas).
Bila a 6= 0, maka ada a−1 ∈ K sehingga a.a−1 = a−1.a = 1(invers).
a.(b + c) = (a.b) + (a.c) (distributif).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Contoh
Contoh 1
Himpunan bilangan rasional Q, himpunan bilangan riil R danhimpunan bilangan kompleks C.
Contoh 2
Himpunan bilangan bulat modulo p dinotasikan oleh Zp, dengan pbilangan prima.
Contoh 1. adalah lapangan takhingga sedangkan Contoh 2.lapangan hingga. Dalam Contoh 2., bila p bukan bilangan prima,maka Zp bukan lapangan. Juga himpunan bilangan bulat Z bukansuatu lapangan sebab elemen 4 ∈ Z tidak mempunyai invers
terhadap perkalian
(1
4/∈ Z
)
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Ruang Vektor
Definisi
Suatu himpunan V dengan dua operasi tambah dan kali dikatakansuatu ruang vektor atas lapangan K bila memenuhi:
1. Bila u, v,w ∈ V , maka u+ v ∈ V dan
u+ v = v + u
(u+ v) + w = u+ (v + w)
Ada 0 ∈ V sehingga v + 0 = v = 0+ v,∀v ∈ V
Untuk setiap v ∈ V ada w ∈ V sehingga v + w = w + v = 0
(biasanya w ditulis sebagai −v).
2. Bila a, b ∈ K dan u, v ∈ V , maka av ∈ V dan
(a + b)v = av + bv
a(u+ v) = av+ au
(ab)v = a(bv) dan 1v = v
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Contoh Ruang Vektor
Contoh 1
Himpunan R2 adalah ruang vektor atas lapangan R, dengan
(x1x2
)
+
(y1y2
)
def=
(x1 + y1x2 + y2
)
,∀(
x1x2
)
,
(y1y2
)
∈ R2dan
a
(x1x2
)
def=
(ax1ax2
)
,∀a ∈ K dan ∀(
x1x2
)
∈ R2.
Contoh 2
Himpunan Rn juga ruang vektor atas R dengan definisi operasi tambah
dan kali diberikan seperti di Contoh 1. Penambahan dalam Contoh 1.
dinamakan penambahan secara komponen yang bersesuaian.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Contoh Ruang Vektor
Contoh 3
Himpunan matriks m × n dengan elemen elemennya bilangan riil
Mm,n(R) =
a11 . . . a1n
.
.
....
.
.
.am1 . . . amn
∣∣∣∣∣∣∣∣
aij ∈ R
dan operasi ”tambah” matriks diberikan oleh:
[a]i ,j + [b]i ,jdef= [a+ b]i ,j
sedangkan perkalian skalar α ∈ R dengan matriks diberikan oleh:
α[a]i ,jdef= [αa]i ,j .
Maka Mm,n(R) adalah suatu ruang vektor atas lapangan R.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Contoh Ruang Vektor
Lanjutan Contoh...
4. Misalkan F adalah suatu lapangan dan himpunan semua fungsi,
yaitu V = {f : F → F} dengan (f + g)(x)def= f (x) + g(x),∀x ∈ F
dan (αf )(x)def= αf (x), α ∈ F. Maka V adalah ruang vektor atas F.
5. Misalkan F adalah suatu lapangan dan himpunan semuapolinomial berderajad kurang atau sama dengan n yaituPn(F) = {p(x) = a0 + a1x + . . . + anx
n | ai ∈ F} dengan
(p + q)(x)def= p(x) + q(x),∀x ∈ F dan (αp)(x)
def= αp(x), α ∈ F.
Maka Pn(F) adalah ruang vektor atas F.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Contoh Ruang Vektor
Lanjutan Contoh ...
6. Himpunan l∞ = {a = (a1, a2, . . .) | an ∈ R, sup(|an|) < ∞}dengan a+ b
def= (a1 + b1, a2 + b2, . . .) dan αa
def= (αa1, αa2, . . .), α ∈ R.
Maka l∞ adalah ruang vektor atas lapangan R.
7. Himpunan fungsi terdifferensial tak berhingga kali pada interval[a, b], yaitu C∞[a, b], definisi penambahan fungsi dan perkalianskalar dengan fungsi seperti dalam Contoh 4. merupakan ruangvektor atas lapangan riil R.
8. Himpunan fungsi-fungsi V = {f : R → R | d2fdx2
+ f = 0} definisipenambahan fungsi dan perkalian skalar dengan fungsi sepertidalam Contoh 4. merupakan ruang vektor atas lapangan riil R.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Lapangan dan Ruang Vektor
Sifat Ruang Vektor
Sifat
Misalkan V adalah suatu ruang vektor atas lapangan K , maka:(1). 0v = 0, 0 adalah elemen netral di K dan v ∈ V .(2). (−1v) + v = 0, dengan −1 ∈ K .(3). α0 = 0, dengan α ∈ K
Bukti
(1). v = (1 + 0)v = v + 0v, kedua ruas tambahkan dengan vektorw yang memenuhi w + v = 0, didapat: w + v = w + v + 0v atau0 = 0+ 0v. Terlihat bahwa 0v = 0.(2). (−1v) + v = (−1 + 1)v = 0v = 0.(3). α0 = α(00) = (α · 0)0 = 00 = 0.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Ruang Bagian
Definisi Ruang Bagian
Misalkan V suatu ruang vektor atas lapangan K . HimpunanS ⊂ V (S 6= ∅) dikatakan suatu ruang bagian bila S sendiri denganoperasi tambah dan kali seperti di V tetap merupakan ruangvektor atas K .
Contoh Ruang Bagian
1. Himpunan
B =
xyz
∣∣∣∣∣∣
x + y + z = 0
adalah ruang bagian dari ruang vektor R3 atas R.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Lanjutan Contoh Ruang Bagian
Contoh Ruang Bagian
2. Misalkan ruang vektor dari semua himpunan fungsi yaitu
V = {f : R → R} dan D ⊂ V , dengan D =
{
f ∈ V
∣∣∣∣
d2f
dx2+ f = 0
}
,
maka D adalah ruang bagian dari ruang vektor V atas R.3. Himpunan P3(R) adalah ruang bagian dari ruang vektor Pn(R)atas lapangan R dengan n ≥ 3.
4. Himpunan S ={
(an) ∈ l∞ | limn→∞
an = x , x ∈ R
}
adalah ruang
bagian dari ruang vektor l∞ atas lapangan R.5. Himpunan S = {x ∈ Rn | Ax = 0,A ∈ Mm,n(R)} adalah ruangbagian dari ruang vektor Rn atas lapangan R.6. Himpunan titik yang melalui garis 3x + 2y = 0 yaituS =
{(2t,−3t)′ ∈ R2 | t ∈ R
}adalah ruang bagian dari ruang
vektor R2 atas lapangan R.Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Sifat Ruang Bagian
Sifat Ruang Bagian
Himpunan S adalah suatu ruang bagian dari suatu ruang vektor Vatas lapangan K bila dan hanya bila x1s1 + x2s2 ∈ S untuk setiapx1, x2 ∈ K dan s1, s2 ∈ S .
Bukti
Misalkan S ruang bagian dan x1, x2 ∈ K juga s1, s2 ∈ S , makax1s1 ∈ S dan x2s2 ∈ S . Oleh karena itu, x1s1 + x2s2 juga di S .Sebaliknya, misalkan x1s1 + x2s2 ∈ S untuk setiap x1, x2 ∈ K dans1, s2 ∈ S . Akan ditunjukkan bahwa S adalah ruang vektor atas K .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Lanjutan Bukti
Lanjutan Bukti
Sifat 2. dari ruang vektor otomatis diwarisi dari V , begitu juga sifat
komutatif, assosiatif di sifat 1., diwarisi dari V . Untuk x1 = x2 = 1,
didapat 1s1 + 1s2 = s1 + s2 ∈ S (tertutup). Untuk x1 = x2 = 0 didapat
0s1 + 0s2 = 0(s1 + s2) = 0 ∈ S . Oleh karena itu, untuk x1 = x2 = 1 dan
setiap s ∈ S , didapat 1s+ 10 = s+ 0 = s = 0+ s = 10+ 1s ∈ S .
Selanjutnya untuk x1 = 1, x2 = −1 dan setiap s ∈ S didapat
1s+ (−1)s = (1 + (−1))s = 0s = 0 (s punya invers yaitu −s)
Catatan:
Pernyataan x1s1 + x2s2 ∈ S untuk setiap x1, x2 ∈ K dan s1, s2 ∈ S , dapat
diganti oleh x1s1 + x2s2 + . . .+ xnsn ∈ S untuk setiap x1, x2, . . . , xn ∈ K
dan s1, s2, . . . , sn ∈ S .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Contoh Penggunaan Sifat Ruang Bagian
Contoh 1
Himpunan
B =
x
y
z
∈ R3
∣∣∣∣∣∣
x + y + z = 0
adalah ruang bagian dari ruang vektor R3 atas R. Sebab, untuk setiapv1, v2 ∈ B, maka
v1 =
x1y1z1
=
−y1 − z1y1z1
= y1
−110
+ z1
−101
,
v2 =
x2y2z2
=
−y2 − z2y2z2
= y2
−110
+ z2
−101
.
Sehingga untuk a, b ∈ R, didapat:
av1 + bv2 =
∈R
︷ ︸︸ ︷
(ay1 + by2)
−110
+
∈R
︷ ︸︸ ︷
(az1 + bz2)
−101
∈ B.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Lanjutan Contoh Ruang Bagian
Contoh 2
Misalkan ruang vektor dari semua himpunan fungsi yaituV = {f : R → R} dan D ⊂ V , dengan
D =
{
f ∈ V
∣∣∣∣
d2f
dx2+ f = 0
}
, maka D adalah ruang bagian dari ruang
vektor V atas R. Sebab, misalkan f , g ∈ D dan a, b ∈ R, maka
d2(af + bg)
dx2+ (af + bg) = a
d2f
dx2+ af + b
d2g
dx2+ bg
= a(d2f
dx2+ f ) + b(
d2g
dx2+ g)
= a · 0 + b · 0 = 0.
Jadi af + bg ∈ D.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ruang Bagian
Lanjutan Contoh Ruang Bagian
Contoh 3
Himpunan P3(R) adalah ruang bagian dari ruang vektor Pn(R)atas lapangan R dengan n ≥ 3. Sebab, misalkanp(x), q(x) ∈ P3(R) dan a, b ∈ R, maka
ap(x) + bq(x) = a(a0 + a1x + a2x2 + a3x
3)
+b(b0 + b1x + b2x2 + b3x
3)
= (aa0 + bb0)︸ ︷︷ ︸
∈R
+(aa1 + bb1)︸ ︷︷ ︸
∈R
x + (aa2 + bb2)︸ ︷︷ ︸
∈R
x2
+(aa3 + bb3)︸ ︷︷ ︸
∈R
x3.
Jadi ap(x) + bq(x) ∈ P3(R).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Himpunan Pembentang
Definisi
Misalkan V suatu ruang vektor atas K dan S ⊂ V . Himpunanpembentang dari S adalah himpunan:
< S >def= {x1s1 + . . .+ xnsn | x1, . . . , xn ∈ K , s1, . . . , sn ∈ S}.
Penulisan x1s1 + . . .+ xnsn juga dinamakan kombinasi linier darivektor-vektor s1, . . . , sn.
Sifat
Bila V merupakan suatu ruang vektor atas K dan S ⊂ V denganS 6= ∅, maka < S > adalah suatu ruang bagian dari V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Bukti Sifat Pembentang
Bukti
Misalkan v = x1s1 + . . .+ xnsn dan w = xn+1sn+1 + . . . + xmsm di< S > dan a, b ∈ K , maka
av + bw = a(x1s1 + . . .+ xnsn) + b(xn+1sn+1 + . . .+ xmsm)
= (ax1)s1 + . . .+ (axn)sn + (bxn+1)sn+1 + . . .+ (bxm)sm.
Terlihat bahwa av + bw ∈< S >, oleh karena itu < S > adalahruang bagian dari V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Contoh Himpunan Pembentang
Contoh 1
Misalkan V ruang vektor atas K untuk setiap v ∈ V , maka
〈{v}〉 = {kv | k ∈ K}.
Contoh 2
Misalkan ruang vektor R3 atas R, maka 〈{e1, e2}〉 = R2 dimanae1 = (1, 0, 0)′ dan e2 = (0, 1, 0)′. Sebab,
R2
=
x
y
0
∣∣∣∣∣∣
x, y ∈ R
=
x
100
+ y
010
∣∣∣∣∣∣
x, y ∈ R
= {xe1 + ye2 | x, y ∈ R} = 〈{e1, e2}〉 .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Lanjutan Contoh
Contoh 3
Misalkan V = Rn ruang vektor atas R dan diberikan suatu matriksA ∈ Mn(R). Didefinisikan suatu himpunan
S = {x ∈ V |Ax = 0},
maka S adalah ruang bagian dari V . Sebab bila untuk sebarangz, y ∈ S dan sebarang a, b ∈ R didapat
A(ay + bz) = a(Ay) + b(Az) = a · 0+ b · 0 = 0.
Jadi ay+ bz ∈ S , maka dari itu S merupakan sub ruang dari V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Pembangun dan Sifat
Pembangun (generator)
Ruang bagian 〈S〉 dari suatu ruang vektor V juga dinamakanruang vektor yang dibangun oleh S . Dalam hal ini S dinamakangenerator atau pembangun dari 〈S〉.
Sifat
Misalkan V suatu ruang vektor atas K , 〈S〉 adalah suatuhimpunan pembentang dari S dan v ∈ V , maka
〈S〉 = 〈S ∪ {v}〉
bila dan hanya bila v ∈ 〈S〉.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Bukti Sifat
Bukti
Misalkan 〈S〉 = 〈S ∪ {v}〉, jelas bahwa v ∈ 〈S ∪ {v}〉.Jadi jugav ∈ 〈S〉. Sebaliknya misalkan bahwa v ∈ 〈S〉,akan ditunjukkanbahwa 〈S〉 = 〈S ∪ {v}〉. Jelas bahwa S ⊂ 〈S ∪ {v}〉.Tinggalmenunjukkan bahwa 〈S ∪ {v}〉 ⊂ 〈S〉. Tulis v = a0s0 + . . .+ ansndan misalkan w ∈ 〈S ∪ {v}〉.Didapat
w = b0v + an+1sn+1 + . . .+ amsm
= (b0a0)s0 + . . .+ (b0an)sn + an+1sn+1 + . . .+ amsm
Terlihat bahwa w ∈ 〈S〉.Jadi 〈S ∪ {v}〉 ⊂ 〈S〉 dan karena〈S〉 ⊂ 〈S ∪ {v}〉, oleh karena itu haruslah 〈S〉 = 〈S ∪ {v}〉
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Contoh Sifat Pembentang
Contoh
Misalkan dalam R3, vektor-vektor
v1 =
100
, v2
010
dan v3 =
230
.
Didapat v3 = 2v1 + 3v2, jadi v3 ∈ 〈{v1, v2}〉. Maka dari itu,
〈{v1, v2}〉 = 〈{v1, v2, v3}〉. Hasil bentangan v1, v2, v3 adalah bidang B.
x
yz
v1
v2v3
Bidang B
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Himpunan Pembentang
Catatan
Sifat dari suatu himpunan pembentang yang dibahas sebelumnya,menyatakan bahwa suatu vektor v di S bisa dihapus untukmemperoleh himpunan baru S dengan himpunan pembentang yangsama yaitu
⟨S⟩= 〈S〉 bila dan hanya bila v merupakan kombinasi
linier dari vektor-vektor di S . Jadi dengan pengertian ini, suatuhimpunan S ⊂ V adalah minimal bila dan hanya bila himpunan initidak memuat vektor-vektor yang merupakan kombinasi linier darivektor-vektor yang lainnya dalam himpunan tersebut (vektor-vektordi S yang demikian ini nantinya dinamakan bebas linear). Dengandemikian bila hasil bentangan S diinginkan lebih luas daribentangan S yaitu
〈S〉 ⊂ 〈S ∪ {v}〉 =⟨S⟩,
maka haruslah dipilih v /∈ 〈S〉.Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Bebas Linear
Definisi Bebas Linear
Vektor-vektor v1, v2, . . . , vn di suatu ruang vektor V atas lapanganK dinamakan bebas linier bila vektor vi , i = 1, 2, . . . , n bukanmerupakan suatu kombinasi linier dari vektor-vektor yang lainnya.Bila tidak demikian, maka vektor-vektor vj , j = 1, 2, . . . , ndinamakan bergantungan linier
Sifat
Misalkan Vektor-vektor s1, . . . , sn ∈ S ⊂ V , dengan V suatu ruangvektor atas K , vektor-vektor si , i = 1, 2 . . . , n bebas linier bila danhanya bila x1s1 + . . .+ xnsn = 0, xi ∈ K dipenuhi hanya untukx1 = . . . = xn = 0.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Bukti Sifat Bebas Linear
Misalkan si ∈ S , i = 1, 2 . . . , n bebas linier dan andaikan
x1s1 + . . .+ xnsn = 0. Tetapi untuk beberapa i , dengan xi 6= 0 didapat
si = (− x1xi)s1 + . . .+ (− xi−1
xi)si−1 + (− xi+1
xi)si+1 + . . .+ (− xn
xi)sn. Terlihat
bahwa si merupakan kombinasi linier dari vektor-vektor sj , j 6= i . Hal ini
bertentangan dengan kenyataan bahwa si , i = 1, 2, . . . , n bebas linier.
Jadi haruslah x1s1 + . . .+ xnsn = 0 dipenuhi hanya untuk
x1 = . . . = xn = 0. Selanjutnya misalkan x1s1 + . . .+ xnsn = 0, xi ∈ K
dipenuhi hanya untuk x1 = . . . = xn = 0, maka jelas bahwa
si , i = 1, 2 . . . , n bebas linier. Bila tidak berarti bahwa untuk beberapa i ,
si = c1s1 + . . .+ ci−1si−1 + ci+1si+1 + . . .+ cnsn atau
0 = c1s1 + . . .+ ci−1si−1 + cisi + ci+1si+1 + . . .+ cnsn dengan ci = −1.
Ini bertentangan dengan kenyataan bahwa
0 = c1s1 + . . .+ ci−1si−1 + cisi + ci+1si+1 + . . .+ cnsn dipenuhi hanya
untuk ci = 0, i = 1, 2, . . . , n.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Komentar
Pernyataan vektor-vektor si , i = 1, 2 . . . , n dalam ruang vektor Vatas K bebas linier ekivalen dengan x1s1 + . . .+ xnsn = 0, xi ∈ Kdipenuhi hanya untuk x1 = . . . = xn = 0. Bila V = Rn dan K = R,maka vektor-vektor si , i = 1, 2 . . . , n dalam ruang vektor Rn atasR bebas linier mempunyai arti bahwa sistem persamaan linierhomogin x1s1 + . . .+ xnsn = 0 mempunyai penyelesaian trivial,yaitu xi = 0, i = 1, 2, . . . , n. Bila persamaan homogin inimempunyai jawab non trivial, yaitu xi 6= 0 untuk beberapa i , makahal ini berarti bahwa vektor-vektor si tsb. tidak bebas linier ataubergantungan linier. Bila vektor s 6= 0 di ruang vektor Rn danmemenuhi s = x1s1 + . . .+ xnsn, yaitu vektor s merupakankombinasi linier dari vektor-vektor s1, . . . , sn. Hal ini berarti bahwasistem persamaan linier tak homogin s = x1s1 + . . .+ xnsn,mempunyai jawab x = (x1, . . . , xn)
′.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Contoh
Contoh 1
Dalam R4 vektor (1, 4,−2, 6)′ adalah kombinasi linier dari duavektor (1, 2, 0, 4)′ dan (1, 1, 1, 3)′ , sebab:(1, 4,−2, 6)′ = 3(1, 2, 0, 4)′ − 2(1, 1, 1, 3)′ . Sedangkan vektor(2, 6, 0, 9)′ bukan kombinasi linier (1, 2, 0, 4) dan (1, 1, 1, 3)′ , sebabbila (2, 6, 0, 9)′ = x1(1, 2, 0, 4)
′ + x2(1, 1, 1, 3)′ ekivalen dengan
sistem persamaan linier
x1 + x2 = 2
2x1 + x2 = 6
x2 = 0
4x1 + 3x2 = 9
Mudah dicek bahwa sistem persamaan linier ini tidak mempunyaijawab.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Contoh
Contoh 2
Misalkan ruang vektor V = {f : R → R} atas R, maka fungsicos 2x merupakan kombinasi linier dari fungsi-fungsi cos2 x , sinh2 xdan cosh2 x , sebab cos 2x = 2cos2 x + sinh2 x − cosh2 x , ingatbahwa cos 2x = 2cos2 x − 1 dan cosh2 x − sinh2 x = 1.
Contoh 3
Misalkan tiga vektor v1 = (1, 2, 3)′, v2 = (3, 2, 1)′ dan v3 = (3, 3, 3)′ diR3. Maka
〈{v1, v2, v3}〉 = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}= {(x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3)
′}
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Lanjutan Contoh
Lanjutan Contoh 3
Tulis (x , y , z)′ = (x1 + 3x2 + 3x3, 2x1 + 2x2 + 3x3, 3x1 + x2 + 3x3)′.
Didapat:
xyz
=
1 3 32 2 33 1 3
x1x2x3
,
(1 − 2 1)
xyz
= (1 − 2 1)
1 3 32 2 33 1 3
x1x2x3
= 0,
atau x − 2y + z = 0. Catatan 3v1 + 3v2 − 4v3 = 0 dan juga
det
1 3 32 2 33 1 3
= 0.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Lanjutan Contoh
Contoh 4
Dua vektor v1 =(40 15
)′, v2 =
(−50 25
)′ ∈ R2 adalahbebas linear sebab x1v1 + x2v2 = 0 dipenuhi hanya untukx1 = x2 = 0, hal ini bisa dicek sbb:
40x1 − 50x2 = 015x1 + 25x2 = 0
}
−15
40B1 + B2
40x1 − 50x2 = 01754 x2 = 0
}
,
didapat x2 = 0, x1 = 0.
Contoh 5
Diberikan S ⊂ R3 dengan
S =
100
,
020
,
120
,
0−11
,
330
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Lanjutan Contoh
Lanjutan Contoh 5
Perhatikan persamaan berikut:
x1
100
+ x2
020
+ x3
120
+ x4
0−11
+ x5
330
=
000
.
Himpunan penyelesaiannya adalah:
x1x2x3x4x5
= x3
−1−1100
+ x5
−3−3/2
001
∣∣∣∣∣∣∣∣∣
x3, x5 ∈ R
Hal ini menunjukkan bahwa semua vektor di S saling bergantungan
linier. Untuk x3 = 0, x5 = 1, didapat bahwa vektor ke-5 dalam S
merupakan kombinasi linier dari dua vektor pertama.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Lanjutan Contoh
Lanjutan Contoh 5
Gunakan sifat yang ada untuk menghapus vektor ke-5 didapat:
S1 =
100
,
020
,
120
,
0−11
, jadi 〈S〉 = 〈S1〉 .
Vektor ke-3 dalam S1 merupakan kombinasi linier dari dua vektor yangpertama, sehingga vektor ke-3 ini bisa dihapus dan didapat:
S2 =
100
,
020
,
0−11
.
Juga, dalam hal ini < S1 >=< S2 >. Jadi < S >=< S2 >.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Lanjutan Contoh
Contoh 6
Misalkan tiga vektor v1 = (1, 1, 0)′, v2 = (5, 1,−3)′ dan v3 = (2, 7, 4)′ diR3, maka
〈{v1, v2, v3}〉 = {x1v1 + x2v2 + x3v3 | x1, x2, x3 ∈ R}
= {x1(1, 1, 0)′ + x2(5, 1,−3)′+ x3(2, 7, 4)
′ | x1, x2, x3 ∈ R}= {(x1 + 5x2 + 2x3, x1 + x2 + 7x3,−3x2 + 4x3)
′|x1, x2, x3 ∈R}.
Tulis (x , y , z)′ = (x1 + 5x2 + 2x3, x1 + x2 + 7x3,−3x2 + 4x3)′, didapat:
xyz
=
1 5 21 1 70 −3 4
x1x2x3
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Bebas Linear
Lanjutan Contoh
Lanjutan Contoh 6
Sehingga diperoleh:
−25 26 −334 −4 53 −3 4
x
y
z
=
−25 26 −334 −4 53 −3 4
1 5 21 1 70 −3 4
x1x2x3
=
1 0 00 1 00 0 1
x1x2x3
=
x1x2x3
.
Terlihat bahwa, untuk setiap (x , y , z)′ ∈ R3 selalu bisa diperoleh
x1, x2, x3 ∈ R sehingga (x , y , z)′ = x1v1 + x2v2 + x3v3 ∈ 〈{v1, v2, v3}〉.Jadi R3 ⊂ 〈{v1, v2, v3}〉, dilain pihak 〈{v1, v2, v3}〉 ⊂ R3. Maka dari itu
R3 = 〈{v1, v2, v3}〉 .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Basis dan Dimensi
Difinisi Basis dan Dimensi
Misalkan B = {b1, b2, . . .} ⊂ V dimana V adalah ruang vektor atas K .
Bila 〈{b1, b2, . . .}〉 = V dan vektor-vektor b1, b2, . . . bebas linier maka B
dikatakan suatu basis dari V . Banyaknya anggota dari B dinamakan
dimensi dari ruang vektor V .
Contoh 1
Dalam R2, B1 = {(2, 4)′, (1, 1)′} adalah suatu basis dari R2, basis yanglainnya adalah B2 = {(1, 0)′, (0, 1)′}. Secara umumB3 = {(a11, a21)′, (a12, a22)′} adalah suatu basis dari R2 bila
det
(a11 a12a21 a22
)
6= 0.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Lanjutan Contoh
Contoh 2
Ruang vektor V = {x1 cos θ + x2 sin θ | x1, x2 ∈ R} atas R, maka suatu
basis dari V adalah {cos θ, sin θ}.
Contoh 3
Dalam ruang vektor P3(x), maka {1, x , x2, x3} adalah suatu basis dari
P3(x). Sedangkan {1, x , x2, x3, x4 . . .} adalah suatu basis dari ruang
vektor P∞(x).
Contoh 4
Dalam ruang vektor M2,2(R), yaitu himpunan matriks ukuran 2× 2
dengan elemen-elemen di R, maka{(
1 00 0
)
,
(0 10 0
)
,
(0 01 0
)
,
(0 00 1
)}
adalah suatu basis dari
M2,2(R).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Sifat Basis
Sifat
Misalkan V suatu ruang vektor atas K dan {v1, . . . , vn} adalahsuatu basis dari V , maka setiap elemen v ∈ V dapat diungkapkansecara tunggal sebagai: v = x1v1 + . . . + xnvn, x1, . . . , xn ∈ K .
Bukti
Misalkan v = a1v1 + . . .+ anvn, dan v = x1v1 + . . . + xnvn,didapat: (x1 − a1)v1 + . . .+ (xn − an)vn = 0, karena vektor-vektorv1, . . . , vn bebas linier, maka haruslah x1 − a1 = 0, . . . , xn − an = 0.Sehingga diperoleh x1 = a1, . . . , xn = an.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Sifat Basis
SifatMisalkan vi ∈ Rn, i = 1, 2, . . . ,m. Bila m > n, maka vektor-vektor vi , i = 1, 2, . . . ,m
bergantungan linier.
Bukti
Untuk setiap j = 1, 2, . . . ,m, tulis vektor vj = (a1j , a2j , . . . , anj )′, sehingga persamaan
x1v1 + . . .+ xmvm = 0 dalam bentuk matriks adalah:
a11 . . . a1m
.
.
.
.
.
.an1 . . . anm
x1
.
.
.xm
=
0
.
.
.0
.
Terlihat bahwa, persamaan homogin terdiri dari n persamaan dengan variabel yang
takdiketahui sebanyak m. Karena m > n, maka persamaan mempunyai suatu solusi
yang nontrivial, yaitu ada beberapa xk , k = 1, 2, . . . ,m yang tidak semuanya sama
dengan nol. Jadi vj , j = 1, 2, . . . ,m bergantungan linier.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Contoh
Contoh
Dalam ruang vektor R2 atas R, Misalkan v1 = (a11, a21)′, v2 = (a12, a22)
′ ∈ R2. Bila vektor-vektor v1, v2,
bebas linier, maka persamaan: x1v1 + x2v2 = 0 atau dalam bentuk matriks: Ax = 0 dengan
A =
(a11 a12a21 a22
)
, x =
(x1x2
)
dan 0 =
(00
)
mempunyai jawab trivial hanya bila det(A) 6= 0. Secara geometris, hal ini
menyatakan bahwa luas daerah jajaran genjang yang dibentuk oleh dua vektor v1 dan
v2 sama dengan | det(A)|. Sebaliknya bila det(A) = 0, maka luas daerah ini sama
dengan 0. Hal ini menunjukkan bahwa dua vektor v1 dan v2 terletak pada satu garis
yang sama atau dengan kata lain dua vektor v1 dan v2 bergantungan linier. Jadi
{v1, v2} adalah suatu basis dari R2 dengan dimensi 2 bila det(A) 6= 0.
x
y
o
v1
v2
x
y
o
v1
v2
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Sifat
Sifat
Misalkan V suatu ruang vektor atas K dan {v1, . . . , vn} suatubasis dari V . Bila vektor-vektor u1, . . . ,um dengan m > n, makavektor-vektor u1, . . . ,um bergantungan linier.
Bukti
Karena {v1, . . . , vn} suatu basis dari V , didapat:
u1 = a11v1 + . . .+ an1vn,...
um = a1mv1 + . . .+ anmvn,
dengan aij ∈ K , i = 1, 2, . . . , n dan j = 1, 2, . . . ,m.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Lanjutan Bukti
Lanjutan Bukti Sifat
Vektor-vektor {v1, . . . , vn} bebas linier, untuk x1, . . . , xm ∈ K didapat:
0 = x1u1 + . . .+ xmum
= x1(a11v1 + . . .+ an1vn) + . . .+ xm(a1mv1 + . . .+ anmvn)
= (a11x1 + . . .+ a1mxm)v1 + . . .+ (an1x1 + . . .+ anmxm)vn
dan haruslah a11x1 + . . .+ a1mxm = 0, . . . , an1x1 + . . .+ anmxm = 0 atau dengannotasi matriks:
a11 . . . a1m...
...an1 . . . anm
x1...xm
=
0...0
.
Persamaan homogin diatas mempunyai jawab non-trivial (sebab m > n). Jadi
vektor-vektor u1, . . . , um bergantungan linier.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Kesimpulan
Kesimpulan
Misalkan V suatu ruang vektor atas K dengan dimensi hingga.Maka setiap dua basis yang berbeda dari V harus mempunyaibanyak elemen yang sama.
Contoh 1
Dalam ruang vektor P3(R) atas R, B = {1, x , x2, x3} adalah suatubasis baku dari P3(R). Basis yang lainnya adalahB2 = {1, 1 + x , 1 + x + x2, 1 + x + x2 + x3}.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Lanjutan Contoh
Contoh 2Persamaan homogin Ax = 0, diberikan oleh :
1 3 −5 1 51 4 −7 3 −21 5 −9 5 −90 3 −6 2 −1
x1x2x3x4x5
=
0000
.
Himpunan penyelesaiannya adalah:
〈{v1, v2}〉 =
x = a
1−2−100
+ b
130−5−1
∣∣∣∣∣∣∣∣∣
a, b ∈ R
merupakan suatu ruang vektor atas R dengan dimensi dua.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Sifat Perlusan Basis
SifatMisalkan V suatu ruang vektor atas K berdimensi hingga. Maka setiap himpunan
hingga S ⊂ V yang terdiri dari vektor-vektor bebas linier di V tetapi S bukan
merupakan suatu basis dari V dapat diperluas sampai merupakan suatu basis dari V .
Bukti
Misalkan S = {v1, . . . , vm} dengan vi , i = 1, . . . ,m adalah vektor-vektor yang bebas
linier. Karena 〈S〉 6= V , maka pilih vektor vm+1 ∈ V sehingga vm+1 bukan kombinasi
linier dari vektor-vektor vj , j = 1, 2, . . . ,m. Selanjutnya namakan
T = {v1, . . . , vm, vm+1}, bila 〈T 〉 = V , maka T adalah basis dan sudah tidak bisa lagi
diperluas menjadi vektor-vektor yang bebas linier. Bila 〈T 〉 6= V , lakukan lagi cara
perluasan seperti sebelumnya sehingga diperoleh himpunan vektor-vektor yang bebas
linier di U yang memenuhi 〈U〉 = V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Kesimpulan
Kesimpulan
Misalkan V ruang vektor atas K berdimensi n, maka setiap himpunan
dari n vektor yang bebas linier adalah suatu basis dari V .
Contoh
Misalkan S = {(1, 1, 1)′, (0,−1, 0)′} ⊂ R3, jelas bahwa vektor-vektor diS bebas linier dan
〈S〉 = {x(1, 1, 1)′ + y(0,−1, 0)′ = (x , x − y , x)′ | x , y ∈ R}, jelas bahwabila (x1, x2, x3)
′ ∈ 〈S〉, maka x3 = x1. Oleh karena itu (x , y , z)′ /∈ 〈S〉 bilax 6= z . Pilih vektor (1, 0, 0) sehingga didapat
T = {(1, 1, 1)′, (0,−1, 0)′, (1, 0, 0)′} dimana vektor-vektor di T bebas
linier, maka dari itu T merupakan suatu basis dari R3.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Jumlahan Langsung
SifatMisalkan U dan V adalah ruang bagian dari suatu ruang vektor W atas K dengan
dimensi hingga, maka dim(U + V ) = dim(U) + dim(V )− dim(U ∩ V ), dimana
U + V = {u + v | u ∈ U, v ∈ V }.
Bukti
Misalkan {z1, . . . , zr} suatu basis dari U ∩ V perluas basis ini masing-masing menjadi
{z1, . . . , zr , u1, . . . , um} adalah suatu basis dari U dan {z1, . . . , zr , v1, . . . , vn} suatubasis dari V . Terlihat bahwa, dim(U ∩ V ) = r , dim(U) = r +m dan dim(V ) = r + n.
Selanjutnya, ditunjukkan bahwa {z1, . . . , zr , u1, . . . , um, v1, . . . , vn} adalah suatu basis
dari U + V . Sehingga, dalam hal ini didapat
dim(U + V ) = r +m+ n = (r +m) + (r + n)− r = dim(U) + dim(V )− dim(U ∩ V ).
Misalkan sebarang w ∈ U + V , maka w = u+ v untuk beberapa u ∈ U dan beberapa
v ∈ V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Lanjutan Bukti
Lanjutan BuktiDengan kenyataan bahwa u = a1z1 + . . .+ arzr + b1u1 + . . .+ bmum untuk beberapaskalar ai , bj dan v = c1z1 + . . .+ cr zr + d1v1 + . . .+ dmvn untuk beberapa skalarck , dl , didapat:
w = u+ v = (a1 + c1)z1 + . . .+ (ar + cr )zr + b1u1 + . . .+ bmum + d1v1 + . . .+ dmvn
terlihat bahwa w ∈ 〈{z1, . . . , zr , u1, . . . , um, v1, . . . , vn}〉. Maka dari itu didapat〈{z1, . . . , zr , u1, . . . , um , v1, . . . , vn}〉 = U + V . Diberikan
x1z1 + . . .+ xr zr + xr+1u1 + . . .+ xr+mum + xr+m+1v1 + . . .+ xr+m+nvn = 0
untuk beberapa skalar xj . Tulis
w = x1z1 + . . .+ xrzr + xr+1u1 + . . .+ xr+mum,
didapat w = −xr+m+1v1 + . . .− xr+m+nvn.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Lanjutan Bukti
Lanjutan Bukti
Terlihat bahwa w ∈ U dan w ∈ V , jadi w ∈ U ∩ V . Tetapi {z1, . . . , zr} adalah suatubasis dari U ∩ V , jadi w = b1z1 + . . .+ br zr untuk beberapa skalar bi . Sehinggadidapat
b1z1 + . . .+ br zr = −xr+m+1v1 + . . .− xr+m+nvn
ataub1z1 + . . .+ br zr + xr+m+1v1 + . . .+ xr+m+nvn = 0.
Tetapi {z1, . . . , zr , v1, . . . , vn} adalah suatu basis dari V , pause maka dari itu haruslah
b1 = . . . = br = xr+m+1 = . . . = xr+m+n = 0, sehingga persamaan
x1z1 + . . .+ xr zr + xr+1u1 + . . .+ xr+mum + xr+m+1v1 + . . .+ xr+m+nvn = 0 menjadi
x1z1 + . . .+ xr zr + xr+1u1 + . . .+ xr+mum = 0. Tetapi {z1, . . . , zr , u1, . . . , um} jugaadalah suatu basis dari U. Jadi haruslah x1 = . . . = xr = xr+1 = . . . = xr+m = 0.
Sehingga didapat xk = 0, k = 1, 2, . . . , r +m + n. Jadi vektor-vektor
z1, . . . , zr , u1, . . . , um, v1, . . . , vn bebas linier.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Contoh
Contoh
Misalkan W = R4, u1 = (1, 1, 0, 0)′, u2 = (−3, 7, 2, 1)′,U = 〈{u1, u2}〉 danV = {(x1, x2, x3, 0)′ | xi ∈ R}. Vektor-vektor u1, u2 bebas linier, sebab bila
a1u1 + a2u2 = 0 atau a1(1, 1, 0, 0)′ + a2(−3, 7, 2, 1)′ = 0 didapat a1 = a2 = 0. Jadi
dim(U) = 2. Suatu basis dari V adalah
e1 = (1, 0, 0, 0)′, e2 = (0, 1, 0, 0)′, e3 = (0, 0, 1, 0)′. Jadi dim(V ) = 3. Perhatikan
bahwa e4 = (0, 0, 0, 1)′ = (−3, 7, 2, 1)′ + 3(1, 0, 0, 0)′ − 7(0, 1, 0, 0)′ − 2(0, 0, 1, 0)′ =
u2 + 3e1 − 7e2 − 2e3. Jadi e4 ∈ U + V . Karena e1, e2, e3 juga di U + V , maka
{e1, e2, e3, e4} adalah suatu basis dari U+V . Jadi dim(U+V ) = 4. Sehingga didapat:
dim(U ∩ V ) = dim(U) + dim(V )− dim(U + V ) = 2 + 3− 4 = 1. Bisa dicek secara
langsung bahwa vektor-vektor di U ∩ V adalah vektor-vektor di U dengan komponen
ke-empat sama dengan nol, yaitu vektor b1u1 + b2u2 = (b1 − 3b2, b1 + 7b2, 2b2, b2)′
dimana b2 = 0. Jadi U ∩ V = 〈{u1}〉. Terlihat bahwa dim(U ∩ V ) = 1.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Catatan
Catatan:
Bila U ,V ruang bagian berdimensi hingga masing-masing dengan basis
{u1, . . . , um} dan {v1, . . . , vn}. Misalkan W = U + V dan sebarang
w ∈ W . Didapat w = u+ v = a1u1 + . . .+ amum + b1v1 + . . .+ bnvnatau W = 〈{u1, . . . , um, v1, . . . , vn}〉. Selanjutnya reduksi vektor-vektor
u1, . . . , um, v1, . . . , vn menjadi vektor-vektor yang bebas linier (sampai
minimal) dan himpun kedalam himpunan S , sehingga didapat
W = 〈{S}〉. Jadi dimensi dari W sama dengan banyaknya vektor-vektor
di S .
Jumlahan Langsung
Bila U dan V adalah ruang bagian berdimensi hingga dengan
U ∩ V = {0}, maka U + V dinamakan jumlahan langsung dari U dan V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Contoh
ContohHimpunan U = {(x1, x2, 0)′ | x1, x2 ∈ R} dan V = {(0, 0, x3)′ | x3 ∈ R} adalah ruang bagian dari ruang vektor
R3 atas R dengan U ∩ V = {0}. Jadi U + V adalah jumlahan langsung dari U dan V ,
U + V = {(x1, x2, 0)′ + (0, 0, x3)′ = (x1, x2, x3)
′ | x1, x2, x3 ∈ R} =
{x1(1, 0, 0)′ + x2(0, 1, 0)′ + x3(0, 0, 1)
′ | x1, x2, x3 ∈ R} = R3, terlihat bahwa dim(U + V ) = 3. Perhatikan
bahwa U = {(x1, x2, 0)′ | x1, x2 ∈ R} = {x1(1, 0, 0)′ + x2(0, 1, 0)′ | x1, x2 ∈ R} =
⟨{(1, 0, 0)′, (0, 1, 0)′}
⟩,
terlihat bahwa dim(U) = 2. Juga, V = {(0, 0, x3)′ | x3 ∈ R} = {x3(0, 0, 1)′ | x3 ∈ R} =⟨{(0, 0, 1)′}
⟩dan
dim(V ) = 1. Makna U + V merupakan jumlahan langsung dari U dan V tampak dari dimensi, yaitu
dim(U + V ) = dim(U) + dim(V ) − dim(U ∩ V ) = 2 + 1 − 0 = 3 = dim(U) + dim(V ). Hal ini juga bisa dilihat
dari pengertian basis yaitu, himpunan {(1, 0, 0)′, (0, 1, 0)′} adalah suatu basis dari U dan himpunan {(0, 0, 1)′}
adalah suatu basis dari V sedangkan himpunan {(1, 0, 0)′, (0, 1, 0)′, (0, 0, 1)′} sudah bebas linier (tidak bisa lagi
direduksi lagi sehingga bebas linier). Jadi, dari sini juga langsung didapat bahwa dim(U + V ) = dim(U) + dim(V ).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Kesimpulan dan Sifat
Kesimpulan
Dimensi dari suatu ruang jumlahan langsung sama dengan jumlah dari
masing-masing dimensi ruang.
Sifat
Setiap w ∈ W = U + V dengan U ∩ V = {0} mempunyai penulisan
tunggal w = u+ v, u ∈ U , v ∈ V .
Bukti
Misalkan w = u+ v = u+ v, maka u− u = v − v. Tetapi u− u ∈ U ,
v − v ∈ V dan U ∩ V = {0}. Maka haruslah u− u = 0 dan v − v = 0
atau u = u dan v = v.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Koordinat
Koordinat
Misalkan {v1, . . . , vn} adalah suatu basis dari suatu ruang vektoratas K . Jadi setiap v ∈ V dapat ditulis secara tunggal olehv = x1v1 + . . .+ xnvn untuk beberapa skalar x1, . . . , xn ∈ K .Dalam hal ini skalar-skalar x1, . . . , xn dinamakan koordinat darivektor v terhadap basis {v1, . . . , vn}.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Contoh
Contoh
Misalkan V = R3 dengan basis baku{e1 = (1, 0, 0)′, e2 = (0, 1, 0)′ , e3 = (0, 0, 1)′} dan misalkansebarang v = (x , y , z)′ ∈ V , maka v = xe1 + ye2 + ze3. Jadikoordinat dari v terhadap basis {e1, e2, e3} adalah x , y dan z .Tetapi untuk basis yang lain dari V , misalkan{v1 = (0, 1, 1)′, v2 = (1, 0, 1)′ , v3 = (1, 1, 0)′}, maka
v = (−x + y + z
2)v1 + (
x − y + z
2)v2 + (
x + y − z
2)v3.
Koordinat dari vektor v terhadap basis {v1, v2, v3} adalah−x+y+z
2 , x−y+z2 dan x+y−z
2 . Terlihat bahwa vektor v terhadap duabasis yang berbeda dari ruang vektor V mempunyai dua koordinatyang berbeda pula.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Basis dan Dimensi
Basis Terurut
Basis TerurutAdalah perlu dijamin bahwa suatu vektor dikaitkan dengan suatu vektor basis yang
sesuai, cara baku untuk melakukan hal ini adalah menggunakan penyajian terurut
untuk koordinat dan vektor basis. Bila urutan dari vektor-vektor dalam suatu basis
dipersoalkan dalam hal ini dinamakan basis terurut dan basis ini ditulis sebagai suatu
barisan. Bila urutan dari vektor basis takdipersoalkan, basis tersebut ditulis sebagai
suatu himpunan, dalam hal ini penekanan mengenai diskusi dari suatu vektor basis,
urutan tidak bergantung pada urutan. Tetapi, bila koordinat dari suatu vektor
disajikan sebagai baris atau kolom dalam suatu matriks, maka secara esensi penyajian
bergantung pada urutan vektor-vektor basis. Begitu juga, bila suatu pemetaan linier
disajikan sebagai suatu matriks, maka sangatlah penting menggunakan vektor basis
terurut.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Pemetaan Pada Ruang Vektor
Definisi Pemetaan Linear
Misalkan U dan V adalah ruang vektor atas K , suatu pemetaan
f : U → V adalah suatu pemetaan linier atau transformasi linier bila dan
hanya bila memenuhi f (k1u1 + k2u2) = k1f (u1) + k2f (u2) untuk semua
k1, k2 ∈ K dan u1, u2 ∈ U .
Sifat
Bila f : U → V suatu pemetaan linier, maka f (0U ) = 0V .
Bukti
f (0U ) = f (0U + 0U) = f (0U ) + f (0U), didapat f (0U)− f (0U )︸ ︷︷ ︸
0V
= f (0U ), jadi
0V = f (0U).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Contoh
Contoh 1
Misalkan f : U → V , U = R3 dan V = R2 dengan f ((x , y , z)′)def= (2x − y , y + z)′.
Maka f adalah pemetaan linier, sebab
f (k1u1 + k2u2) = f (k1(x1, y1, z1)′ + k2(x2, y2, z2)′) = f ((k1x1 + k2x2, k1y1 +
k2y2, k1z1 + k2z2)′) = (2k1x1 + 2k2x2 − k1y1 − k2y2, k1y1 + k2y2 + k1z1 + k2z2)′ =
(2k1x1 − k1y1, k1y1 + k1z1)′ + (2k2x2 − k2y2, k2y2 + k2z2)
′ =
k1(2x1 − y1, y1 + z1)′ + k2(2x2 − y2, y2 + z2)
′ = k1f ((x1, y1, z1)′) + k2f ((x2, y2, z2)
′).
Contoh 2
Misalkan f : R3 → R2 dengan f ((x , y , z)′)def= (x2, y + z)′, pemetaan f bukan
pemetaan linier, sebab
f (2(1, 0, 0)′) = f ((2, 0, 0)′) = (4, 0)′ 6= (2, 0)′ = 2(1, 0)′ = 2f ((1, 0, 0)′).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Kernel dan Image
DefinisiMisalkan f : U → V suatu pemetaan
Image dari f adalah Im(f )=f (U)def= {f (u) | u ∈ U} ⊆ V .
Kernel dari f adalah ker(f )def= {u ∈ U | f (u) = 0} ⊆ U.
ContohDalam Contoh 1. sebelumnya
Im(f ) = {f ((x , y , z)′) = (2x − y , y + z)′ | x , y , z ∈ R}, sedangkanker(f ) = {(x , y , z)′ | 2x − y = 0, y + z = 0, x , y , z ∈ R} = {y( 1
2, 1,−1)′ | y ∈ R}.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Beberapa Sifat
SifatMisalkan U dan V adalah ruang vektor atas K dan f : U → V suatu pemetaan linier,maka
1 Im(f ) adalah ruang bagian dari V .
2 Ker(f ) adalah ruang bagian dari U.
3 Pemetaan f satu-satu bila dan hanya bila ker(f ) = {0U}.
Bukti
1. Jelas bahwa Im(f ) ⊆ V . Misalkan sebarang v1, v2 ∈ Im(f ) dan sebarang k1, k2 ∈ K .
Untuk beberapa u1, u2 ∈ U, maka kombinasi linier berikut dipenuhi
k1v1 + k2v2 = k1f (u1) + k2f (u2) = f (k1u1) + f (k2u2) = f (k1u1 + k2u2) ∈ Im(f ). Jadi
Im(f ) adalah ruang bagian dari V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lnjutan Bukti
Lanjutan Bukti
2 Jelas bahwa ker(f ) ⊆ U . Misalkan sebarang u1, u2 ∈ ker(f ) dansebarang k1, k2 ∈ K , makaf (k1u1 + k2u2) = k1f (u1) + k2f (u2) = k10V + k20V = 0V . Terlihatbahwa k1u1 + k2u2 ∈ ker(f ). Jadi ker(f ) adalah ruang bagian dariU .
3. Misalkan pemetaan f satu-satu dan sebarang u ∈ ker(f ), makaf (0U) + f (u) = f (0U + u) = f (u) = 0V . Sehingga didapatf (u) = −f (0U) = f (−0U) = f (0U). Karena pemetaan f satu-satuharuslah u = 0U . Jadi {0U} = ker(f ). Selanjutnya misalkanker(f ) = {0} dan u1, u2 ∈ U , maka untuk f (u1) = f (u2) didapat,0 = f (u1)− f (u2) = f (u1 − u2). Terlihat bahwa u1 − u2 ∈ ker(f ).Tetapi, ker(f ) = {0}. Maka dari itu haruslah u1 − u2 = 0 atauu1 = u2. Jadi pemetaan f adalah satu-satu.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Contoh
Contoh 1
Misalkan U ruang vektor atas K dan U = Kn. Diberikan matriksT = [aij ], aij ∈ K dan T bertindak pada ruang vektor U denganaturan untuk setiap x ∈ U:
T (x)def=
a11 . . . a1n...
. . ....
an1 . . . ann
x1...xn
=
y1...yn
,
dimana yi =n∑
j=1
aijxj , i = 1, 2, . . . , n. Maka T adalah suatu
transformasi linier dari U ke U, sebab untuk sebarang x, x ∈ U dansebarang k1, k2 ∈ K berlaku:
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lanjutan Contoh
Lanjutan Contoh 1
T (k1x+ k2x) =
a11 . . . a1n...
. . ....
an1 . . . ann
k1
x1...xn
+ k2
x1...xn
= k1
a11 . . . a1n...
. . ....
an1 . . . ann
x1...xn
+k2
a11 . . . a1n...
. . ....
an1 . . . ann
x1...xn
= k1T (x) + k2T (x).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lanjutan Contoh
Contoh 2Dalam Contoh 1. sebelumnya, maka
Im(T ) =
y1
.
.
.yn
=
a11 . . . a1n
.
.
....
.
.
.an1 . . . ann
x1
.
.
.xn
.
Bila T punya invers, maka ker(T ) = {0}, yaitu persamaan homogin
a11 . . . a1n
.
.
....
.
.
.an1 . . . ann
x1
.
.
.xn
=
0
.
.
.0
hanya mempunyai jawab trivial x1 = . . . = xn = 0. Bila T tidak punya invers, maka
ker(T ) =
x1
.
.
.xn
∣∣∣∣∣∣∣∣
a11 . . . a1n
.
.
....
.
.
.an1 . . . ann
x1
.
.
.xn
=
0
.
.
.0
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Beberapa Sifat
Sifat
Misalkan U dan V ruang vektor berdimensi hingga atas K dan f : U → V
suatu pemetaan linier.1. Bila 〈{u1, . . . , un}〉 = U, maka 〈{f (u1), . . . , f (un)}〉 = Im(f ).
2. dim(U) = dim(ker(f )) + dim(Im(f )).
Bukti
1. Misalkan sebarang v ∈ Im(f ), pilih u ∈ U yang memenuhi f (u) = v. Tetapi
u = k1u1 + . . .+ knun, maka
v = f (u) = f (k1u1+. . .+knun) = k1f (u1)+. . .+knf (un) ∈ 〈{f (u1), . . . , f (un)}〉.Jadi Im(f ) = 〈{f (u1), . . . , f (un)}〉.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lanjutan Bukti
Bukti
2. Misalkan {u1, . . . , um} basis dari ker(f ), perluas basis ini sampai didapat
{u1, . . . , um,w1, . . . ,wn} suatu basis dari U. Jelas bahwa dim(ker(f )) = m dan
dim(U) = m + n. Misalkan vi = f (wi ), i = 1, 2 . . . , n. Akan ditunjukkan
vi , i = 1, 2 . . . , n suatu basis dari Im(f ). Gunakan hasil 1. didapat Im(f ) =
〈{f (u1), . . . , f (um), f (w1), . . . , f (wn)}〉 = 〈{0, . . . , 0, v1, . . . , vn}〉 = 〈{v1, . . . , vn}〉.Selanjutnya selidiki apakah vektor-vektor vi , i = 1, 2 . . . , n bebas linier, yaitu
k1v1 + . . .+ knvn = 0 atau k1f (w1) + . . .+ knf (wn) = 0. Didapat
f (k1w1 + . . .+ knwn) = 0. Jadi k1w1 + . . .+ knwn ∈ ker(f ). Oleh karena itu
k1w1 + . . .+ knwn = k1u1 + . . .+ kmum untuk beberapa ki , atau
k1u1 + . . .+ kmum − k1w1 + . . .− knwn = 0. Karena vektor-vektor
{u1, . . . , um,w1, . . . ,wn} bebas linier maka k1 = . . . = km = k1 = . . . = kn = 0, Jadi
vektor-vektor v1, . . . , vn bebas linier.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Null Space dan Nullity
Null Space, Nullity dan Rank
Adakalanya kernel dari suatu pemetaan linier disebut null space dan dimensi dari
kernel dinamakan nullity dari pemetaan linier, sedangkan dimensi dari image suatu
pemetaan linier dinamakan rank dari pemetaan linier. Sehingga didapat
dim(U) = nullity(f ) + rank(f ).
Contoh
Misalkan pemetaan linier f : R3 → R2 dengan f ((x , y , z)′) = (x + z , 2x − y + z)′
untuk setiap (x , y , z)′ ∈ R3. Kernel dari f adalah penyelesaian dari persamaan vektorf ((x , y , z)′) = (x + z ,2x − y + z)′ = (0, 0)′ atau penyelesaian persamaan homogin
(1 0 12 −1 1
)
x
y
z
=
(00
)
yang mempunyai penyelesaian x = x , y = x , z = −x , x ∈ R.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Isomorpisma
Lanjutan Contoh
Jadi ker(f ) = {x(1, 1,−1)′ | x ∈ R} = 〈{(1, 1,−1)′}〉. Terlihat bahwanullity(f ) = 1. Sedangkan Im(f ) = {(x + z , 2x − y + z)′ | x , y , z ∈ R} ={x(1, 2)′ − y(0, 1)′ + z(1, 1)′ | x , y , z ∈ R} = 〈{(1, 2)′, (0, 1)′, (1, 1)′}〉 =〈{(1, 2)′ = (0, 1)′ + (1, 1)′, (0, 1)′, (1, 1)′}〉 = 〈{(0, 1)′, (1, 1)′}〉. Terlihat bahwarank(f ) = 2. Sehingga didapat dim(R3) = nullity(f ) + rank(f ) = 1 + 2 = 3.
IsomorpismaMisalkan f : U → V suatu pemetaan linier dari ruang vektor U ke ruang vektor V
masing-masing atas K . Bila pemetaan f satu-satu dan pada yaitu pemetaan f
mempunyai invers, maka f dinamakan suatu isomorpisma dari U ke V . Dalam hal ini,
U dan V dikatakan isomorpik dan dinotasikan oleh U ∼= V . Perhatikan bahwa, karena
f pemetaan satu-satu dan pada, maka Im(f ) = V dan ker(f ) = {0U}.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Sifat
SifatMisalkan U dan V ruang vektor berdimensi hingga atas K masing-masing dengan
basis {u1, . . . , um} dan {v1, . . . , vn}. Maka U dan V isomorpik bila dan hanya bila
dim(U) = dim(V ) (m = n). Lagipula, ada suatu isomorpisma tunggal f : U → V yang
memenuhi f (ui ) = vi , i = 1, . . . , n.
BuktiBila f : U → V suatu isomorpisma, maka f satu-satu dan pada. Maka dari itu,
ker(f ) = {0U} dan Im(f ) = V . Sehingga didapat
dim(U) = dim(ker(f )) + dim(Im(f )) = 0 + dim(V ) = dim(V ). Sebaliknya, misalkan
m = n dan f suatu pemetaan linier yang memenuhi f (ui ) = vi , i = 1, . . . , n. Akan
ditunjukkan bahwa f satu-satu dan pada. Misalkan sebarang u ∈ ker(f ), maka
f (u) = 0V . Tetapi u = k1u1 + . . .+ kmum .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lanjutan Bukti
Lanjutan BuktiSehingga didapat 0V = f (u) = f (k1u1 + . . . + kmum) = k1f (u1) + . . . + kmf (um) = k1v1 + . . . + kmum ,
karena {v1, . . . , vm} suatu basis dari V , maka haruslah k1 = . . . = kn = 0. Jadi u = 0U . Maka dari itu
ker(f ) = {0U}. Jadi pemetaan f satu-satu. Selanjutnya, misalkan sebarang v ∈ V , maka v = a1v1 + . . . + anvn
untuk beberapa skalar ai . Tetapi vi = f (ui ), i = 1, . . . , n. Jadi
v = a1 f (ui ) + . . . + an f (un) = f (a1u1 + . . . + anun) ∈ Im(f ). Sehingga didapat V = Im(f ) atau pemetaan f
adalah pada. Kerena pemetaan linier f adalah satu-satu dan pada, maka U dan V isomorpik. Berikutnya,
ditunjukkan bahwa isomorphisma f yang memenuhi f (ui ) = vi , i = 1, . . . , n adalah tunggal. Misalkan
g : U → V adalah suatu isomorphisma yang juga memenuhi g(ui ) = vi , i = 1, . . . , n dan misalkan sebarang
u = k1u1 + . . . + knun ∈ U untuk beberapa skalar ki ∈ K , maka
f (u) − g(u) = f (k1u1 + . . . + knun) − g(k1u1 + . . . + knun) =
k1f (u1) + . . . + knf (un) − k1f (u1) − . . . − kn f (un) = k1v1 + . . . + knvn − k1v1 − . . . − knvn = 0V .
Sehingga didapat g(u) = f (u),∀u ∈ U. Jadi g = f .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Ruang Pemetaan Linear
Ruang Pemetaan Linear
Misalkan U dan V ruang vektor atas K , himpunan L(U,V ,K )menyatakan himpunan semua pemetaan linier dari U ke V .Misalkan f , g ∈ L(U,V ,K ) pemetaan f + g didefinisikan sebagai
(f + g)(u)def= f (u) + g(u) untuk semua u ∈ U dan pemetaan kf
didefinisikan sebagai (kf )(u)def= kf (u) untuk semua u ∈ U. Maka
L(U,V ,K ) adalah ruang vektor atas K .
Sifat
Misalkan f , g ∈ L(U,V ,K ) dan komposisi dari g ◦ f adalah
(gf )(u)def= g(f (u)) untuk semua u ∈ U, maka g ◦ f ∈ L(U,V ,K ).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Bukti Sifat
Bukti
(gf )(k1u1 + k2u2) = g(f (k1u1 + k2u2))
= g(k1f (u1) + k2f (u2))
= k1g(f (u1)) + k2g(f (u2))
= k1(gf )(u1) + k2(gf )(u2).
Pemetaan Linear dan Aljabar MatriksMisalkan U,V ruang vektor berdimensi hingga atas K masing-masing dengan dimensi
m dan n. Misalkan Bu = u1, . . . , um basis terurut di U, Bv = v1, . . . , vn basis terurut
di V dan f ∈ L(U,V ,K). Untuk j = 1, . . . ,m, f (uj ) ∈ V , sehingga ada skalar
ai,j ∈ K yang memenuhi f (uj ) = a1,jv1 + . . .+ an,jvn.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Pemetaan Linear dan Aljabar Matriks
Pemetaan Linear dan Aljabar MatriksBila indeks i dan j dalam skalar ai,j menyatakan elemen baris ke-i dan kolom ke-j darisuatu matriks A, hal ini mendefinisikan matriks representasi dari pemetaan linier fdiberikan oleh:
A =
a1,1 . . . a1,m...
......
an,1 . . . an,m
.
Perhatikan bahwa, skalar-skalar ai,j dalam persamaan f (uj ) menyatakan kolom ke-j
dari matriks A. Sekali matriks-matriks representasi ini di konstruksi sesuai dengan
basis-basis yang ada, matriks-matriks ini bisa digunakan tanpa lagi merujuk pada
basis-basis yang ada, kecuali ada perubahan basis, maka matriks A juga berubah.
Untuk menjelaskan hal ini, misalkan sebarang u ∈ U, maka u = x1u1 + . . .+ xmum
dan v = f (u) ∈ V .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Pemetaan Linear dan Aljabar Matriks
Pemetaan Linear dan Aljabar MatriksTetapi v = y1v1 + . . .+ ynvn. Sehingga didapat
f (u) = x1f (u1) + . . .+ xmf (um)
= x1(a1,1v1 + . . .+ an,1vn) + . . .+ xm(a1,mv1 + . . .+ an,mvn)
= (a1,1x1 + . . .+ a1,mxm)v1 + . . .+ (an,1x1 + . . .+ an,mxm)vn
= y1v1 + . . .+ ynvn
atau y = Ax, dengan
y =
y1...yn
, A =
a1,1 . . . a1,m...
.
.....
an,1 . . . an,m
dan x =
x1...xm
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Sifat Matriks Representasi
SifatMisalkan f ∈ L(U,V , K ) dan g ∈ L(V ,W , K ) dengan dim(U) = m, dim(V ) = n dan dim(W ) = p. Representasi
matriks dari f dan g masing-masing diberikan oleh A = (f , uj , vi ) berukuran n × m dan B = (g, vi ,wk ) beruran
p × n. Maka representasi matriks dari komposisi gf ∈ L(U,W ,K ) diberikan oleh C = (gf , uj , wk ) dimana
C = BA dengan ck,j =n∑
i=1bk,i ai,j .
Bukti
Gunakan definisi representasi matriks dari suatu pemetaan, didapat f (uj ) =n∑
i=1ai,j vi dan g(vi ) =
p∑
k=1bk,iwk .
Maka dari itu (g(f (uj )) =n∑
i=1ai,j g(vi ) =
n∑
i=1ai,j
(p∑
k=1bk,iwk
)
=p∑
k=1
(n∑
i=1bk,i ai,j
)
wk . Tetapi
(gf )(uj ) =p∑
k=1ck,jwk , sehingga dengan menyamakan koefisien masing-masing persamaan didapat
ck,j =n∑
i=1bk,i ai,j .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Contoh Matriks Representasi
Contoh 1
Diberikan suatu transformasi linier f : R3 → R3 olehf ((x , y , z)′) = (x − y − z , x + y + z , z)′ dengan basis baku terurut didapat:f ((1, 0, 0)′) = (1, 1, 0)′, f ((0, 1, 0)′) = (−1, 1, 0)′ dan f ((0, 0, 1)′) = (−1, 1, 1)′,sehingga matriks representasi dari f terhadap basis baku terurut diberikan oleh:
1 −1 −11 1 10 0 1
.
Selanjutnya bila digunakan basis terurut B = (1, 0, 0)′, (1, 1, 0)′, (1, 0, 1)′ didapatf ((1, 0, 0)′) = (1, 1, 0)′ = 0(1, 0, 0)′ + 1(1, 1, 0)′ + 0(1, 0, 1)′ = (0, 1, 0)′
B,
f ((1, 1, 0)′) = (0, 2, 0)′ = −2(1, 0, 0)′ + 2(1, 1, 0)′ + 0(1, 0, 1)′ = (−2, 2, 0)′B
danf ((1, 0, 1)′) = (0, 2, 1)′ = −3(1, 0, 0)′ + 2(1, 1, 0)′ + 1(1, 0, 1)′ = (−3, 2, 1)′
B.
Sehingga matriks representasi dari f dengan basis terurut B diberikan oleh:
0 −2 −31 2 20 0 1
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lanjutan Contoh Matriks Representasi
Contoh 2
Diberikan pemetaan linier f : P3(R) → P1(R) oleh f (p(x)) =d2p(x)
dx2.
a. Matriks representasi A dari f dengan basis terurut B1 = 1, x, x2, x3 untuk P3(R) dan basis terurutB2 = 1, x + 2 untuk P1(R) diberikan sebagai berikut: f (1) = 0 = 0.1 + 0(x + 2) = (0, 0)′B2
,
f (x) = 0 = 0.1 + 0(x + 2) = (0, 0)′B2, f (x2) = 2 = 2.1 + 0(x + 2) = (2, 0)′B2
dan
f (x3) = 6x = −12.1 + 6(x + 2) = (−12, 6)′B2,
A =
(0 0 2 −120 0 0 6
)
.
b. Misalkan p(x) = a + bx + cx2 + dx3 ∈ ker(f ), maka 0 = f (p(x)) = 2c + 6dx, ∀x ∈ R. Sehinggadidapat c = 0, d = 0. Jadi ker(f ) = {a.1 + bx | a, b ∈ R} = 〈{1, x}〉. Terlihat bahwa dim(ker(f )) = 2.
c. Sedangkan dimensi dari image f diberikan oleh: dim(Im(f )) = dim(P3(R)) − dim(ker(f )) = 4 − 2 = 2.
Hal ini bisa dicek sebagai berikut, misalkan sebarang q(x) = α + βx + γx2 + δx3 ∈ P3(R), makaf (q(x)) = 2γ + 6δx = 2γ.1 + 6δ.x ∈ 〈{1, x}〉. Jadi Im(f ) = 〈{1, x}〉 dan terlihat bahwa dimensiIm(f ) sama dengan dua.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Lanjutan Contoh Matriks Representasi
Contoh 3Misalkan u1, u2, u3 basis terurut dari U, v1, v2, v3 dan w1, w2 adalah suatu basis terurut dari W . Selanjutnyadiberikan pemetaan linier f : U → V dan g : V → W masing-masing oleh f (u1) = v1 + 2v2 − v3,f (u2) = v2 + 2v3, f (u3) = −v1 + v2 + 3v3 dan g(v1) = 2w1 − w2, g(v2) = w1 + w2, g(v3) = −2w1 + 3w2 .Bila A = (f , uj , vi ) dan B = (g, vi , wk ), maka didapat matriks representasi:
A =
1 0 −12 1 1−1 2 3
, B =
(2 1 −2−1 1 3
)
dan matriks representasi C = (gf , uj ,wk ) diberikan oleh
C = BA =
(2 1 −2−1 1 3
)
1 0 −12 1 1−1 2 3
=
(6 −3 −7−2 7 11
)
.
Bisa dicek langsung lewat vektor-vektor basis
(gf )(u1) = g(v1 + 2v2 − v3) = 6w1 − 2w2
(gf )(u2) = g(v2 + 2v3) = −3w1 + 7w2
(gf )(u3) = g(−v1 + v2 + 3v3) = −7w1 + 11w2.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Pemetaan Identitas
Pemetaan Identitas
Pementaan IU : U → U adalah pemetaan identitas bila IU(u) = u
untuk semua u ∈ U.
Bila pemetaan f : U → V suatu isomorpisma (satu-satu danpada), maka ada pemetaan invers f −1 : V → U sehinggaf −1f = IU dan ff −1 = IV .
Bila f : U → V suatu isomorpisma, maka f −1 : V → U adalahpemetaan linier. Bila matriks representasi f adalah A dan matriksrepresentasi dari f −1 adalah B , maka BA = I dan AB = I .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Contoh
Contoh
Misalkan ui , i = 1, 2, 3 adalah basis terurut dari U danvj , j = 1, 2, 3 adalah basis terurut dari V . Pemetaan linierf : U → V diberikan oleh: f (u1) = v1+2v2− v3, f (u2) = v2+2v3dan f (u3) = −v1 + v2 + 3v3, maka A = (f ,ui , vj ) diberikan oleh
A =
1 0 −12 1 1−1 2 3
didapat B = A−1 adalah matriks representasi dari f −1 dimana:
B =
−0.25 0.5 −0.251.75 −0.5 0.75−1.25 0.25 −0.25
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Perubahan Basis
Perubahan Basis
Perubahan basis dari suatu transformasi linier adalah penting. Sebagaimana
telah diketahui dari pembahasan sebelumnya bahwa, suatu transformasi linier
memberikan suatu matriks representasi melalu suatu basis yang telah
ditentukan. Tentunya matriks representasi ini akan berbeda bila digunakan
basis lain yang berbeda tetapi tetap merupakan suatu matriks representasi dari
suatu transformasi linier yang sama. Perubahan basis tujuan utamanya adalah
mendapatkan suatu matriks represenatsi yang mudah untuk penghitungan
(komputasi) dan bisa menjelaskan makna perubahan bentuk suatu benda
dalam domainnya menjadi bentuk yang lainnya dalam kodomainnya. Sebelum
membahas perubahan basis secara general, diberikan suatu pengertian matriks
transisi dan contoh pada ruang R2. Juga dibahas lagi perubahan basis dan
matriks representasi kusus di ruang Rn dan konsistensi pemetaan linear
terhadap perubahan basis.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Pemetaan Linear
Matriks Transisi
Diberikan suatu basis terurut di R2
B =
{
b1 =
[32
]
,b2 =
[11
]}
dan v =
[74
]
Maka koordinat dari v terhadap basis B adalah (x1, x2)diberikan oleh:
v = x1b1 + x2b2 (kombinasi linear dari b1 dan b2).
atau dalam bentuk persamaan matriks[74
]
=
[3 12 1
]
︸ ︷︷ ︸
[b1 b2]
[x1x2
]
⇒[x1x2
]
=
[1 −1−2 3
] [74
]
=
[3−2
]
.
Matriks [b1 b2] dinamakan matriks transisisi.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Matriks Transisi dari Basis B ke Basis C
Misalkan B = {v1, v2, · · · , vn} dan C = {u1,u2, · · · ,un}adalah dua basis terurut di Rn dan
matriks M = [v1 v2 · · · vn], N = [u1 u2 · · · un].Maka matriks transisi dari B ke C diberikan oleh
T = N−1M.
Yaitu untuk setiap v ∈ Rn
[v]C = N−1[v ]E = N−1M[v]B ,
dengan E = {e1, e2, . . . , en} adalah basis terurut standart diRn.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Diagram Matriks Transisi dari B ke C
B EM
N−1
C
N −1M
Himpunan E = {e1, e2, · · · , en} adalah basis standart (baku) diRn,
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh
Diberikan basis terurut di R3
B =
v1 =
111
, v2 =
232
, v3 =
154
dan
C =
u1 =
110
,u2 =
120
, v3 =
121
Maka matriks transisi dari basis B ke basis C adalah:
N−1M =
1 1 11 2 20 0 1
−1
1 2 11 3 51 2 4
=
1 1 −3−1 −1 01 2 4
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Lanjutan Contoh
Bila v = v1 + 2v2 + 3v3,maka koordinat v terhadap basis B adalah
[v]B =
123
.
Jadi
[v]C = N−1M[v]B =
1 1 −3−1 −1 01 2 4
123
=
−6−317
Cek terhadap basis standart (baku)
[v]C = −6u1 − 3u2 + 17u3 =
82217
dan
[v]B = v1 + 2v2 + 3v3 =
82217
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Matriks Representasi
Misalkan U,V adalah ruang vektor atas lapangan K denganA = {ui}, i = 1, 2, . . .m suatu basis terurut di U danB = {vj}, j = 1, 2, . . . n suatu basis terurut di V .
Diberikan pemetaan linear L : U → V .
Maka
L(u1) = a1,1v1 + a2,1v2 + · · ·+ an,1vn =
a1,1a2,1...
an,1
B...
L(um) = a1,mv1 + a2,mv2 + · · ·+ an,mvn =
a1,ma2,m...
an,m
B
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Matriks Reperesentasi dari PemetaanLinear L
Didefinisikan matriks representasi dari pemetaan linear Loleh
A = (L,A,B) def=
a1,1 a1,2 · · · a1,ma2,1 a2,2 . . . a2,m...
......
...an,1 an,2 · · · an,m
Maka untuk setiap u ∈ U
L(u) = Au.
Catatan kolom ke-i dari matriks A adalah koordinat darivektor L(ui) terhadap basis B. Jadi
A =[[L(u1)]B [L(u2)]B · · · [L(um)]B
]
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh
Diberikan pemetaan linear L : U → V dengan U = V = R2
dan L([x y ]′) = [2x + y x + 3y ]′.
A = {[1 0]′, [1 1]′} basis terurut di U danB = {[0 1]′, [1 2]′} basis terurut di V .
Maka
L([1 0]′) = [2 1]′ = −3 [0 1]′ + 2 [1 2]′ = [−3 2]′BL([1 1]′) = [3 4]′ = −2 [0 1]′ + 3 [1 2]′ = [−2 3]′B.
Jadi matriks representasi dari L adalah
A = (L,A,B) =[−3 −22 3
]
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Cek Konsistensi Terhadap Perubahan Basis
Misalkan sebarang u = [x y ]′ ∈ R2,
maka
[u]A = (x − y) [1 0]′ + y [1 1]′ = [(x − y) y ]′A.
Didapat
A[u]A =
[−3 −22 3
] [x − yy
]
=
[−3x + y2x + y
]
Hasil A[u]A dapat dilihat sebagai
(−3x + y) [0 1]′ + (2x + y) [1 2]′ = [2x + y x + 3y ]′
= L([x y ]′).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Pembahasan Perubahan Basis Secara umum
Misalkan B = {u1, . . . , um} suatu basis terurut di ruang vektor U, C = {v1, . . . , vn}suatu basis terurut di ruang vektor V , kedua ruang vektor atas skalar K . Suatu
pemetaan linier f : U → V dengan matriks representasi A = (f ,B,C). Misalkan
f (u) = v dengan u = x1u1 + . . .+ xmum ∈ U dan v = y1v1 + . . .+ ynvn ∈ V . Dari
pembahasan sebelumnya dijelaskan bahwa v = f (u) dapat disajikan oleh persamaan
matriks y = Ax, dengan x = (x1, . . . , xm)′ dan y = (y1, . . . , yn)
′. Misalkan P adalah
pemetaan koordinat, maka x = PB (u), y = PC (v) dan matriks representasi dari
persamaan vektor v = f (u) adalah PC (v) = APB (u). Sehingga didapat,
v = f (u) = P−1C
APB (u), ∀u ∈ U. Jadi f = P−1C
APB atau A = PC fP−1B
. Hasil-hasil
yang didapat ini dijelaskan dalam diagram berikut.
UB VC
f
PC
KN
PB
KM
AJurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Pembahasan Perubahan Basis Secara umum
Sehingga didapat hubungan (f , B , C) = (IV ,C , C)(f ,B,C)(IU , B,B) atauA = QAP−1. Selanjutnya misalkan x, x vektor-vektor koordinat dari u ∈ U
relatif terhadap basis B dan B dan y, y vektor-vektor koordinat dariv = f (u) ∈ V relatif terhadap basis C dan C , maka x = Px dan y = Qy. Bilay = Ax, maka y = Qy = QAx = QAP−1x = Ax. Terlihat bahwa vektor-vektorkoordinat dan matriks-matriks transformasi konsisten terhadap perubahan basis.
Contoh-Contoh
1. Diberikan pemetaan linier f : R2 → R2 denganf ((x , y)′) = (2x + y , x + 3y)′. Untuk basis B = {(1, 0)′, (1, 1)′}, makafB(1, 0) = (2, 1) = 1(1, 0)′ + 1(1, 1)′ = (1, 1)′ danfB((1, 1)
′) = (3, 4)′ = −1(1, 0)′ + 4(1, 1)′ = (−1, 4)′, sehingga diperolehmatriks representasi dari f :
A = (f ,B,B) =
(
1 −11 4
)
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh-Contoh
Lanjutan Contoh 1
Misalkan sebarang (x , y)′ ∈ R2, maka ρB((x , y)′) = a(1, 0)′ + b(1, 1)′ = (a, b)′
dimana skalar a, b memenuhi:
(
x
y
)
=
(
1 10 1
)(
a
b
)
⇒(
a
b
)
=
(
1 −10 1
)(
x
y
)
,
sehingga didapat a = x − y dan b = y . Jadi ρB((x , y)′) = (x − y , y)′. Dicek
apakah pemetaan f konsisten terhadap basis B sebagai berikut:
f ((x , y)′) = AρB((x , y)′) =
(
1 −11 4
)(
x − y
y
)
=
(
x − 2yx + 3y
)
= (x − 2y)
(
10
)
+ (x + 3y)
(
11
)
=
(
2x + y
x + 3y
)
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh-Contoh
Contoh 2
Diberikan pemetaan linier f : P3(R)→ P3(R) dimanaf (p(x)) = (a+ b) + (b + c)x + (c + d)x2 + (a + d)x3,∀p(x) ∈ P3(R) denganp(x) = a + bx + cx2 + dx3. Misalkan B = {1, x , x2, x3} danB = {1, 1 + x , 1 + x + x2, 1 + x + x2 + x3} dua basis dari P3(R). Makaf (1) = 1 + x3 = 1(1) + 0(x) + 0(x2) + 1(x3),f (x) = 1 + x = 1(1) + 1(x) + 0(x2) + 0(x3),f (x2) = x + x2 = 0(1) + 1(x) + 1(x2) + 0(x3),f (x3) = x2 + x3 = 0(1) + 0(x) + 1(x2) + 1(x3) danIP3(R)(1) = 1 = 1 + 0(1 + x) + 0(1 + x + x2) + 0(1 + x + x2 + x3),IP3(R)(x) = x = −1(1) + 1(1 + x) + 0(1 + x + x2) + 0(1 + x + x2 + x3),IP3(R)(x
2) = x2 = 0(1) − 1(1 + x) + 1(1 + x + x2) + 0(1 + x + x2 + x3),
IP3(R)(x3) = x3 = 0(1) + 0(1 + x)− 1(1 + x + x2) + 1(1 + x + x2 + x3)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh-Contoh
Lanjutan Contoh 2
Sehingga didapat matriks representasi A = (f ,B,B), P = (IP3(R),B, B) dan
P−1 diberikan oleh:
A =
1 1 0 00 1 1 00 0 1 11 0 0 1
,P =
1 −1 0 00 1 −1 00 0 1 10 0 0 1
dan P−1 =
1 1 1 10 1 1 10 0 1 10 0 0 1
.
Sedangkan matriks representasi A = (f , B, B) diberikan oleh
A = PAP−1 =
1 1 0 00 1 1 0−1 −1 0 01 1 1 2
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh-Contoh
Contoh 3
Diberikan ruang vektor U dengan dua basis terurut B = {u1, u2, u3} danB = {u1, u2, u3} dimana u1 = u2, u2 = u3, u3 = u1. Serta ruang vektor Vdengan dua basis terurut C = {v1, v2} dan C = {v1, v2} dimanav1 = v1 + v2, v2 = v1 − v2. Suatu pemetaan linier f : U → V diberikan olehf (u1) = 2v1 − v2, f (u2) = v1 + v2, f (u3) = −2v1 + 3v2, sehingga diperolehsuatu matriks representasi
A = (f ,B,C) =
(
2 1 −2−1 1 3
)
.
Misalkan P adalah matriks dari pemetaan identitas di U dari basis B ke basis
B , yaitu IU(u1) = u1 = u3 = 0u1 + 0u2 + 1u3,
IU(u2) = u2 = u1 = 1u1 + 0u2 + 0u3, IU(u3) = u3 = u2 = 0u1 + 1u2 + 0u3.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh-Contoh
Lanjutan Contoh 3
Sehingga didapat P dan P−1:
P =
0 1 00 0 11 0 0
dan P−1 =
0 0 11 0 00 1 0
.
Begitu juga, karena IV (v1) = v1 = 1v1 + 1v2, IV (v2) = v2 = 1v1 − 1v2, makadidapat matriks Q−1 dari pemetaan identitas pada V dari basis C ke basis Cdan juga didapat matriks Q diberikan oleh:
Q−1 =
(
1 11 −1
)
dan Q =
(
12
12
12− 1
2
)
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh-Contoh
Lanjutan Contoh 3
Matriks representasi A = (f ,B ,C) diberikan oleh:
A = QAP−1 =
1 12
12
0 − 52
32
.
Hasil ini bisa dicek secara langsung pemetaan f didefinisikan relatif terhadapbasis B dan C sebagai berikut:
f (u1) = f (u2) = v1 + v2 = v1 = 1v1 + 0v2
f (u2) = f (u3) = −2v1 + 3v2 =1
2v1 − 5
2v2
f (u3) = f (u1) = 2v1 − v2 =1
2v1 +
3
2v2.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Matriks Similar
Definisi
Dua matriks persegi A dan B dikatakan similar bila ada matriks P yang punyainvers sehingga B = PAP−1.
Sifat
Kesemilaran matriks (∼) adalah suatu relasi ekivalen.
Bukti
1. A ∼ A, sebab A = IAI−1 dengan I adalah matriks identitas.
2. Bila A ∼ B, maka B = PAP−1, didapat A = P−1BP = QBQ−1. Terlihatbahwa B ∼ A.
3. Bila A ∼ B dan B ∼ C , maka B = PAP−1 dan C = QBQ−1. DidapatC = Q(PAP−1)Q−1 = (QP)A(P−1Q−1) = (QP)A(QP)−1. Terlihatbahwa A ∼ C .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Bentuk Normal Diagonal Satuan
Diberikan pemetaan linier f : U → V terhadap basis terurut B dari ruangvektor U dan basis terurut C dari ruang vektor V , bagaimana cara memilihbasis terurut B dari ruang vektor U dan basis terurut C dari ruang vektor Vsupaya representasi matriks A = (f ,B ,C) mempunyai bentuk normal diagonal
satuan yang sederhana, yaitu matriks:
Ir... 0
. . . . . . . . .
0... 0
,
dengan Ir adalah matriks satuan berukuran r × r dan
r ≤ min{dim(U), dim(V )}. Untuk memperoleh cara yang dimaksud ini
digunakan sifat berikut.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Bentuk Normal Diagonal Satuan
Sifat
Misalkan pemetaan linier f : U → V , masing-masing dimensi U dan V adalah m dann dengan dim(Im(f )) = r . Maka ada basis terurut B dari U dan basis terurut C dariV sehingga representasi matriks dari f berbentuk normal diagonal satuan, yaitu
A = (f ,B ,C) =
Ir... 0
. . . . . . . . .
0... 0
l r
l n − r
←→ ←→r m − r
Bukti
Dari sifat dimensi pemetaan linier didapat,dim(ker(f )) = dim(U) − dim(Im(f )) = m − r . Misalkan ur+1, . . . , um adalah suatubasis terurut dari ker(f ).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Lanjutan Bukti
Perluas basis ini sampai diperoleh basis terurut B = u1, . . . , ur , ur+1, . . . , um
dari ruang vektor U. Dari pengertian kernel didapatf (ur+1) = 0, . . . , f (um) = 0. Selanjutnya pilih vektor-vektor v1, . . . , vr ∈ Im(f )sehingga f (u1) = v1, . . . , f (ur ) = vr . Jelas bahwa vektor-vektor v1, . . . , vradalah suatu basis terurut dari Im(f ). Selanjutnya perluas basis ini sampaidiperoleh basis terurut C = v1, . . . , vr , vr+1, . . . , vn dari ruang vektor V . Jadi,terhadap basis terurut B dari ruang vektor U dan basis terurut C dari ruangvektor V , pemetaan f didefinisikan olehf (u1) = v1, . . . , f (ur ) = vr , f (ur+1) = 0, . . . , f (um) = 0. Dari definisi initerlihat bahwa representasi matriks A = (f ,B,C) adalah:
A = (f ,B,C) =
Ir... 0
. . . . . . . . .
0... 0
l r
l n − r
←→ ←→r m − r
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh
Misalkan representasi matriks dari suatu pemetaan linier terhadapbasis baku terurut, diberikan oleh:
A =
1 2 32 3 13 5 4
.
Dapatkan basis-basis terurut dari U dan V supaya denganbasis-basis ini pemetaan linier mempunyai representasi matriksberbentuk normal diagonal satuan.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Penyelesaian Contoh
Pertama, tentukan kernel dari A dengan menyelesaikan persamaanAx = 0, didapat: ker(A) = {x(7,−5, 1)′ | x ∈ R} atauker(A) = 〈{(7,−5, 1)′}〉. Perluas basis dari kernel sehinggadiperoleh basis terurut B = {(1, 0, 0)′, (0, 1, 0)′ , (7,−5, 1)′}.Selanjutnya dapatkan basis terurut dari Image A sebagai berikut:
1 2 32 3 13 5 4
100
=
123
,
1 2 32 3 13 5 4
010
=
235
.
Perluas basis terurut ini sehingga diperoleh:
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Lanjutan Penyelesaian Contoh
C = {(1, 2, 3)′, (2, 3, 5)′, (1, 0, 0)′} adalah basis terurut dari ruang vektor V .
Selanjutnya cek dengan basis-basis terurut B dan C , representasi matriksberbentuk normal diagonal satuan sebagaimana berikut ini.Persamaan-persamaan yang memberikan matriks P−1 = (f ,B ,B) dengan B
basis terurut baku adalah: IU(u1) = u1 = (1, 0, 0)′, IU(u2) = u2 = (0, 1, 0)′ danIU(u3) = u3 = (7,−5, 1)′. Sehingga didapat:
P−1
=
1 0 70 1 −50 0 1
.
Dengan cara serupa, persamaan-persamaan yang memberikan matriksQ−1 = (f ,C ,C) dengan C basis terurut baku adalah: IV (v1) = v1 = (1, 2, 3)′,IV (v2) = v2 = (2, 3, 5)′ dan IV (v3) = v3 = (1, 0, 0)′. Sehingga didapat:
Q−1
=
1 2 12 3 03 5 0
⇒ Q =
0 5 −30 −3 21 1 −1
dan matriks A = QAP−1 diberikan oleh:
A =
0 5 −30 −3 21 1 −1
1 2 32 3 13 5 4
1 0 70 1 −50 0 1
=
1 0 00 1 00 0 0
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Rank Suatu Matriks
Suatu matriks A berukuran n×m dengan elemen-elemen di K
mendefinisikan suatu pemetaan linier f dari Km ke K n sedemikian hingga
A = (f ,Em,En) dimana Em dan En masing-masing adalah basis baku dari
Km dan K n. Rank dari matriks A adalah rank dari f , jadi
rank(A) = rank(f ) = dim(Im(f )). Ruang bagian dari Km yang
dibentangkan oleh vektor-vektor baris dari A dinamakan ruang baris dari
A dan mempunyai dimensi rank baris dari A yang merupakan banyaknya
vektor-vektor baris dari A yang bebas linier. Ruang bagian dari K n yang
dibentangkan oleh vektor-vektor kolom dari A dinamakan ruang kolom
dari A dan mempunyai dimensi rank kolom dari A yang merupakan
banyaknya vektor-vektor kolom dari A yang bebas linier.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Sifat
Sifat
Ruang kolom dari suatu matriks adalah ruang imagenya, jadi rank kolom dari suatumatriks sama dengan rank matriksnya.
Bukti
Misalkan A berukuran n ×m dan f suatu pemetaan linier dari Km ke Kn sedemikianhingga A = (f ,Em,En), dimana Em = e1, . . . , em dan En = e1, . . . , en masing-masingadalah basis baku terurut dari Km dan Kn. Misalkan bahwa matriks
A =
a1,1 . . . a1,m. . . . . . . . .an,1 . . . an,m
,
maka untuk j = 1, . . . ,m,
f (ej ) =n∑
i=1
ai,j ei =
a1,j
.
.
.an,j
adalah kolom ke-j dari matriks A. Tetapi, Im(f ) dibangun oleh f (e1), . . . , f (em), oleh
karena itu, Im(f ) = ruang kolom(A). Jadi rank(A)=rank kolom(A).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Sifat
Rank baris dan rank kolom dari setiap matriks adalah sama.Bukti
Misalkan matriks A berukuran n × m dengan eleme-elemen di K diberikan oleh
a11 . . . a1m
.
.
.
.
.
.
.
.
.an1 . . . anm
dan misalkan Bi , i = 1, 2, . . . , n menyatakan baris ke-i dari matriks A. Selanjutnya misalkan rank baris(A) = r
dan Sj , j = 1, 2, . . . , r adalah basis dari ruang baris matriks A. Maka, untuk setiap
i = 1, 2, . . . , n, Bi =r∑
j=1kijSj untuk beberapa kij ∈ K . Komponen ke-l dari vektor Bi mempunyai bentuk
ail =r∑
j=1kij sjl dengan i = 1, . . . , n, l = 1, . . . ,m. Sehingga didapat kolom ke-l dari matriks A adalah
Cl =r∑
j=1Lj sjl =
r∑
j=1sjlLj , dimana Lj adalah vektor kolom dengan komponen ke-i adalah kij . Terlihat bahwa setiap
kolom dari A adalah merupakan kombinasi linier dari sebanyak r vektor. Jadi rank kolom(A) ≤ rank baris(A).
Dengan menggunakan argumentasi (alasan yang sama) untuk matriks A′ (matriks transpose dari A), didapat rank
baris(A) ≤ rank kolom(A). Jadi rank baris(A) = rank kolom(A).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Kesimpulan
Kesimpulan:
1. Suatu matriks A berukuran n × n dengan elemen-elemen dilapangan F mempunyai invers bila dan hanya bila rank(A) = n.
2. Misalkan A matriks berukuran n×m dengan elemen-elemen dilapangan F, bila Ax = 0, maka himpunan penyelesaian dari sistemlinier homogin tsb. merupakan ruang bagian dari Fm dengandimensi m − rank(A). Hal ini mempunyai arti bahwa ada sebanyakm − rank(A) parameter dalam himpunan penyelesaian dari Ax = 0.
3. Persamaan tak homogin Ax = b, mempunyai penyelesaian bila danhanya bila rank(A) = rank(A, b). Himpunan penyelesaian inimempunyai sebanyak m − rank(A) parameter.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Matriks Transisi dari basis B ke basis C .
Contoh
Diberikan matriks
A =
1 2 1 −10 1 0 −10 0 0 −3
.
Vektor vektor kolom dari A tidak bebas linier. Hanya sebanyak 3 vektor kolom yangbebas linier, yaitu kolom ke-1, kolom ke-2 dan kolom ke-4. Jadi rank kolom(A) = 3dan semua vektor baris dari A bebas linier (sebanyak 3). Penyelesaian dari Ax = 0
akan memuat sebanyak 4− 3 = 1 paramater yaitu
x =
−t0t
0
. Bila b =
2−19
,
rank(A, b) = 3. Jadi penyelesaian Ax = b akan memuat sebanyak 4− 3 = 1 parameteryaitu
x =
7− t
−4t
−3
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Vektor-eigen dan Nilai-eigen
Definisi
Misalkan f : U → U suatu pemetaan linier pada ruang vektor Uberdimensi n atas lapangan F. Bila u ∈ U dan λ ∈ F memenuhif (u) = λu, maka u dinamakan suatu vektor-eigen dari f yangbersesuaian dengan nilai-eigen λ.
Definisi
Misalkan A suatu matriks ukuran n× n dengan elemen-elemennya disuatu lapangan F. Bila ada vektor tak nol x ∈ Fn dan skalar λ ∈ F yangmemenuhi Ax = λx, maka x dikatakan suatu vektor-eigen dari matriks Ayang bersesuaian dengan nilai-eigen λ.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Sifat
Misalkan matriks A = (f ,B,B) adalah representasi dari pemetaan linierf : U→ U terhadap basis terurut B dari ruang vektor U. Selanjutnya bila ρBadalah pemetaan koordinat dari U ke Fn, maka A = ρBf ρ
−1B
dan x = ρB(u).JadiAx = λx⇔ (ρBf ρ
−1B
)(ρB(u)) = λρB(u)⇔ ρB(f (u)) = ρB(λu)⇔ f (u) = λu.
Sifat
Bila f : U→ U suatu pemetaan linier dan masing masing matriks A = (f ,B,B)dan A = (f ,B,B) adalah representasi dari f dengan basis terurut yang berbeda,maka nilai-eigen dari A sama dengan nilai-eigen dari A.
Bukti:
Misalkan P = (IU,B,B) matriks perubahan basis dari basis B ke basis B, maka
A = PAP−1. Bila Ax = λx didapat (PAP−1)(Px) = λ(Px). Sehingga diperoleh
Ax = λx dimana x = Px. Terlihat bahwa matriks A dan A mempunyai
nilai-eigen yang sama.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Cara Menghitung Nilai dan Vektor Eigen
Misalkan A suatu matriks berukuran n × n dan Ax = λx dengan x 6= 0 danx ∈ Fn, maka (λI − A)x = 0, dimana I adalah matriks identitas dengan ukurann× n. Persamaan homogin (λI −A)x = 0 mempunyai jawab nontrivial bila danhanya bila det(λI −A) = 0. Persamaan det(λI −A) = 0 dinamakan persamaankharakteristik dari matriks A yang merupakan persamaan polinomial dalam λ
dengan derajad n.Contoh Diberikan matriks
A =
(
0 1−2 3
)
⇒ det(
(
λ −12 λ− 3
)
) = λ2 − 3λ+ 2 = (λ− 1)(λ− 2).
Untuk λ = 1 didapat:(
1 −12 −2
)(
x1x2
)
=
(
00
)
⇒ x1 = x2 ⇒ x =
(
11
)
,
sedangkan untuk λ = 2 didapat:(
2 −12 −1
)(
x1x2
)
=
(
00
)
⇒ x2 = 2x1 ⇒ x =
(
12
)
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Pendiagonalan Matriks Persegi
Suatu matriks A berukuran n × n dengan elemen-elemen di F similar denganmatriks diagonal bila dan hanya bila eigenvektor-eigenvektornya membentangruang Fn (span Fn).BuktiMisalkan x1, x2, . . . , xn adalah vektor-eigen dari matriks A dimana〈x1, x2, . . . , xn〉 = Fn. Jadi matriks Q = [x1 | x2 | . . . | xn] mempunyai invers,misalkan Q−1 = P. Sehingga didapat
AQ = A [x1 | x2 | . . . | xn]= [Ax1 |Ax2 | . . . |Axn]= [λ1x1 |λ2x2 | . . . |λnxn]
= [x1 | x2 | . . . | xn]
λ1 . . . . . . 0... λ2 . . .
...... . . .
. . ....
0 . . . . . . λn
= QA⇔ A = Q−1AQ ⇒ A = PAP−1.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Contoh
Selidiki apakah matriks dibawah ini bisa didiagonalkan!
A =
(
0 1−2 3
)
.
Dalam pembahasan sebelum didapat bahwa
AX1 = λ1X1 dan AX2 = λ2X2
dimana
λ1 = 1, X1 =
(11
)
dan λ2 = 2, X2 =
(12
)
.
Untuk matriks
Q = [X1 X2] =
(1 11 2
)
didapat
A = Q−1AQ =
(2 −1−1 1
)(0 1−2 3
)(1 11 2
)
=
(1 00 2
)
.
Terlihat bahwa matriks A dapat didiagonalkan menjadi matriks A.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Sifat
Bila matriks A berukuran n× n mempunyai n eigenvalue yang berbedasatu dengan yang lainnya, maka eigenvektor-eigenvektornya bebas linier.BuktiMisalkan λ1, λ2, . . . , λn adalah eigenvalue-eigenvalue yang berbeda satudengan yang lainnya dan X1,X2, . . . ,Xn adalah eigenvektor-eigenvektoryang bersesuaian. Dengan menggunakan induksi dibuktikan bahwaeigenvektor-eigenvektor tsb. bebas linier. Misalkan bahwa X1,X2, . . . ,Xk
bebas linier dan untuk
a1X1 + a2X2 + . . .+ akXk + ak+1Xk+1 = 0. (1)
Sehingga didapat
A(a1X1 + a2X2 + . . .+ akXk + ak+1Xk+1) = 0
atau
a1λ1X1 + a2λ2X2 + . . .+ akλkXk + ak+1λk+1Xk+1 = 0. (2)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Lanjutan Bukti
Kalikan λk+1 pada persamaan (1) selanjutnya hasilnya kurangkan pada persamaan(2), didapat:
a1(λ1 − λk+1)X1 + a2(λ2 − λk+1)X2 + . . .+ ak(λk − λk+1)Xk = 0.
Karena X1, . . . ,Xk bebas linier dan λi 6= λj ,∀i 6= j , maka haruslaha1 = a2 = . . . = ak = 0. Sehingga persamaan (1) menjadi ak+1Xk+1 = 0 dan karenaXk+1 6= 0, maka haruslah ak+1 = 0. Terlihat bahwa bila dari kenyataan persamaan (1)dipenuhi maka berakibat a1 = a2 = . . . = ak = ak+1 = 0, hal ini menunjukkan bahwavektor-vektor X1,X1, . . . ,Xk ,Xk+1 adalah bebas linier.
KesimpulanBila matriks A berukuran n × n dengan elemen-elemen di lapangan F mempunyaieigenvalue-eigenvalue yang berbeda, maka matriks A dapat didiagonalkan.Bukti
Dengan menggunakan dua hasil sebelumnya didapat bahwa, eigenvektor-eigenvektor
yang bersesuaian dengan eigenvalue-eigenvalue merupakan vektor-vektor yang bebas
linier. Sehingga vektor-vektor ini membentangkan keseluruhan ruang Fn. Akibatnya
matriks A dapat didiagonalkan.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
ContohDiberikan matriks
A =
0 1 00 0 16 −11 6
.
Polinomial kharakteristik A adalah
p(λ) =
∣∣∣∣∣∣
λ −1 00 λ −1−6 11 λ − 6
∣∣∣∣∣∣
= λ
∣∣∣∣
λ −111 λ − 6
∣∣∣∣ + 1
∣∣∣∣
0 −1−6 λ − 6
∣∣∣∣ ⇒
p(λ) = λ(λ2 − 6λ) + 11λ− 6 = λ3 − 6λ2 +11λ− 6 = (λ− 1)(λ− 2)(λ− 3). Didapatλ1 = 1, λ2 = 2 dan λ3 = 3. Sehingga didapat pasangan eigenvalue-eigenvektor:
λ1 = 1, X1 =
111
; λ2 = 2, X2 =
124
; λ3 = 3, X3 =
139
.
dan
Q = [X1 X2 X3] =
1 1 11 2 31 4 9
⇒ Q−1
=
3 − 52
12
−3 4 −1
1 − 32
12
.
Matriks A = Q−1AQ adalah matriks diagonal dengan elemen-elemen diagonal
λ1 = 1, λ2 = 2, λ3 = 3.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Matriks Invarian
Suatu matriks persegi invarian adalah suatu sifat dari suatu matriks yang tidakberubah bila matriks ditransformasi dengan suatu cara tertentu. Eigenvalue-eigenvaluedari suatu matriks adalah invarian dibawah suatu transformasi kesemilaran, begitujuga trace dan determinannya. (Trace suatu matriks A adalah jumlah keseluruhan
eleme-elemen diagonalnya: tr(A) =n∑
i=1ai,i ).
Sifat
Bila λ adalah eigenvalue dari matriks A, maka λ juga eigenvalue dari suatu matriksPAP−1,
Bukti Misalkan AX = λX dan Y = PX dengan P matriks yang punya invers, jadi
X = P−1Y. Sehingga didapat A(P−1Y) = λ(P−1Y)⇒ (PAP−1)Y = λY. Terlihat
bahwa λ juga eigenvalue dari matriks PAP−1.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Sifat
Sifat
Bila ABC adalah hasil kali matriks persegi, maka tr(ABC) = tr(BCA).
Bukti
(ABC)i,l =n∑
k=1
(
n∑
j=1
ai,jbj,kck,l
)
.
Didapat
tr(ABC) =n∑
i=1
(ABC)i,i =n∑
i=1
(
n∑
k=1
(
n∑
j=1
ai,jbj,kck,i
))
=n∑
j=1
(
n∑
i=1
(
n∑
k=1
bj,kck,iai,j
))
= tr(BCA).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Sifat
Trace dan determinan dari suatu matriks persegi adalah invarian dalam suatutranformasi similar. Lagi pula bila matriks A dapat didiagonalkan dengan eigenvalue
λi , i = 1, . . . , n, maka tr(A) =n∑
i=1λi dan det(A) =
n∏
i=1λi .
BuktiDari hasil sebelumnya, tr(PAP−1) = tr(P−1PA) = tr(A). Dan
det(PAP−1) = det(P)det(A)det(P−1)
= det(A)(det(P)det(P−1))
= det(A)det(PP−1)
= det(A)det(I ) = det(A).
Jelas bahwa bila PAP−1 = A dimana A matriks diagonal dengan elemen-elemen
diagonal λi , i = 1, . . . , n, maka tr(A) =n∑
i=1λi dan det(A) =
n∏
i=1λi .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Contoh
Diberikan matriks matriks
A =
0 1 00 0 16 −11 6
⇒ λ1 = 1, λ2 = 2, λ3 = 3.
tr(A) = 0 + 0 + 6 = 6λ1 + λ2 + λ3 = 1 + 2 + 3 = 6
}
⇒ tr(A) = λ1 + λ2 + λ3.
det(A) = 6
∣∣∣∣
1 00 1
∣∣∣∣= 6
λ1λ2λ3 = 1(2)(3) = 6
⇒ det(A) = λ1λ2λ3.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Multiplisitas Geometri dan Aljabar
Multiplisitas Geometri dan Aljabar
Misalkan λ adalah suatu eigenvalue dari pemetaan linierf : U → U. Himpunan semua eigenvektor-eigenvektor yangbersesuaian dengan eigenvalue λ beserta vektor nol dinamakanruang eigen dari U dinotasikan dengan Eλ(U). Ruang eigen Eλ(U)adalah ruang bagian dari ruang vektor U, sebab merupakan kerneldari pemetaan (λIU − λ). Dimensi dari subruang Eλ(U) dinamakanmultiplisitas geometri dari λ dan dan banyaknya λ yang sama(kembar) dinamakan multiplisitas aljabar dari λ. Misalkanmultiplisitas geometri dari λ adalah a dan multiplisitas aljabar dariλ adalah b, maka a ≤ b.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Contoh
1. Diberikan matriks
A =
2 −1 −10 3 10 1 3
⇒ det(λI − A) = (λ− 2)2(λ− 4).
E2(R3) = ker(
0 1 10 −1 −10 −1 −1
) =
⟨
100
,
01−1
⟩
E4(R3) = ker(
2 1 10 1 −10 −1 1
) =
⟨
1−1−1
⟩
Terlihat bahwa untuk λ = 2 ataupun λ = 4 multiplisitas geometri =
multiplisitas aljabar.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Lanjutan Contoh
2. Diberikan matriks
A =
2 1 00 2 00 0 4
⇒ det(λI − A) = (λ − 2)2(λ − 4).
E2(R3) = ker(
0 −1 00 0 00 0 −2
) =
⟨
100
⟩
E4(R3) = ker(
2 −1 00 2 00 0 0
) =
⟨
001
⟩
Terlihat bahwa untuk λ = 2 multiplisitas geometri < multiplisitas aljabar
tetapi untuk λ = 4 multiplisitas geometri = multiplisitas aljabar.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Sifat
Bila det(λI − A) = λn + cn−1λn−1 + . . .+ c0, maka
An + cn−1An−1 + . . .+ c0I = 0.
BuktiBila PAP−1 = D dimana matriks D adalah matriks diagonal denganelemen-elemen diagonal λi , i = 1, . . . , n adalah eigenvalue-eigenvalue darimatriks A. Sehingga didapat :
An + cn−1An−1 + . . .+ c0I =
P−1(Dn + cn−1Dn−1 + . . .+ c0I )P =
P−1
λn1 + cn−1λ
n−11 + . . .+ c0 . . . 0...
. . ....
0 . . . λnn + cn−1λ
n−1n + . . .+ c0
P = 0.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Vektor-eigen dan Nilai-eigen
Contoh
Diberikan matriks
A =
0 1 00 0 16 −11 6
⇒ det(λI − A) = λ3 − 6λ
2+ 11λ − 6.
Didapat matriks A3 − 6A2 + 11A− 6I adalah:
6 −11 636 −60 25150 −239 90
−
0 0 636 −66 36216 −360 150
+
0 11 00 0 1166 −121 66
−
6 0 00 6 00 0 6
=
(6 − 6) (−11 + 11) (6 − 6)(36 − 36) (−60 + 66 − 6) (25 − 36 + 11)
(150 − 216 + 66) (−239 + 360 − 121) (90 − 150 + 66 − 6)
=
0 0 00 0 00 0 0
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Ke-Orthogonalan
Misalkan V suatu ruang vektor atas lapangan riil R. Hasil kali dalam riil (real innerproduct) juga dinamakan bilinier adalah fungsi dari V× V ke R dinotasikan oleh 〈u, v〉yang memenuhi
〈r1u1 + r2u2, v〉 = r1 〈u1, v〉 + r2 〈u2, v〉 untuk semua u1, u2, v ∈ V dan r1, r2 ∈ R
(Linier).
〈u, v〉 = 〈v, u〉 untuk semua u, v ∈ V (Simetri).
〈u, u〉 ≥ 0 untuk semua u ∈ V dan 〈u, u〉 = 0 bila dan hanya bila u = 0 (semidefinit positip).
Bila x = (x1, . . . , xn), y = (y1, . . . , yn) ∈ Rn maka hasil kali dalam baku diberikan oleh
〈x, y〉 def=n∑
i=1xiyi (juga dinamakan dot product dalam geometri Euclide). Bila
vektor-vektor x dan y disajikan dalam vektor kolom, maka 〈x, y〉 = x′y.Suatu norm dari ruang vektor V ke lapangan riil R adalah suatu fungsi dinotasikanoleh || || yang memenuhi
||v|| ≥ 0 untuk semua v ∈ V dan ||v|| = 0 bila dan hanya bila u = 0 (Definitpositip).
||rv|| = |r | ||v|| untuk semua v ∈ V, r ∈ R
||u+ v|| ≤ ||u||+ |||v|| untuk semua u, v ∈ V (Pertaksamaan segitiga).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Norm Euclide
Untuk setiap u ∈ Rn norm Euclide diberikan oleh ||u||p def=
(
n∑
i=1
|ui |p) 1
p
dalam
hal ini dinamakan norm-p. Khusus untuk p = 2 cukup ditulis
||u|| =(
n∑
i=1
|ui |2) 1
2
Misalkan V suatu ruang vektor atas lapangan R.
1. Dua vektor u, v ∈ V dikatakan orthogonal bila 〈u, v〉 = 0.
2. Suatu himpunan dari vektor-vektor adalah orthogonal bila setiap duapasang vektor orthogonal.
3. Suatu vektor u ∈ V adalah ternormalisir bila ||u|| = 1.
4. Dua vektor u, v ∈ V dikatakan orthonormal bila ||u|| = ||v|| = 1 dan〈u, v〉 = 0.
Setiap vektor u ∈ V bisa dinormalisir kedalam bentuku
||u|| .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Contoh
Contoh
Himpunan vektor-vektor {(1, 0), (0, 1)} adalah orthonormal, tetapi{(1, 1), (−1, 1)} adalah orthogonal. Himpunan yang terakhir ini dapat dijadikan
orthonormal sebagai himpunan berikut ini
{(
1√2,
1√2
)
,
(
− 1√2,
1√2
)}
Suatu basis orthonormal dari suatu ruang vektor mempunyai beberapakemanfaatan dan basis baku dari ruang vektor Rn adalah orthonormal, yaitubasis baku dari ruang vektor R3 adalah himpunan {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
Diberikan matriks A berukuran n × n, matriks A dikatakan matriks simetri bilaA = A′ dan dikatakan anti-simetri (skew-symmetric) bila A = −A′. Matrikssimetri bermaanfaat dalam bentuk kuadrat, misalnya
(
x y)
(
a1,1 a1,2a1,2 a2,2
)(
x
y
)
= a1,1x2 + 2a1,2xy + a2,2y
2
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Sifat
Sifat
Bila matriks A simetri dengan elemen-elemen riil dan berlaku Ax = λx denganx 6= 0, maka λ selalu merupakan bilangan riil.
BuktiDigunakan tanda ∗ untuk menyatakan komplek sekawan (complex conjugate).
Kedua ruas dari Ax = λx kalikan dengan x∗′
didapat
x∗′Ax = λ(x∗
′
x) (3)
Persamaan (3) kedua ruas ditranspose-konjuget didapat
x∗′Ax = λ
∗(x∗′
x) (4)
Persamaan (4) dikurangi persamaan (3) didapat
0 = (λ∗ − λ)(x∗′
x)⇒ 0 = λ∗ − λ (sebab x 6= 0). Jadi λ∗ = λ, maka dari itu λ
merupakan bilangan riil.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Sifat
Sifat
Misalkan A matriks simetri berukuran n × n dengan elemen-elemen riil. Bila λ
dan µ adalah sebarang dua eigenvalue dari matriks A dengan masing-masingeigenvektor adalah x dan y dan λ 6= µ, maka 〈x, y〉 = 0.
BuktiKedua ruas persamaan Ax = λx kalikan dengan y′ didapat
y′Ax = λ(y′x). (5)
Kedua ruas persamaan Ay = µy kalikan dengan x′ didapat
x′Ay = µ(x′y). (6)
Kedua ruas persamaan (6) ditranspose didapat
y′Ax = µ(y′x). (7)
Persamaan (7) dikurangi persamaan (5) didapat
0 = (µ− λ)(y′x)⇒ 0 = y′x = 〈x, y〉 (sebab λ 6= µ).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Matriks Orthogonal
Matriks A berukuran n × n dikatakan orthogonal bila AA′ = I = A′Ayaitu A−1 = A′.
Sifat
Bila Bi dan Kj masing-masing menyatakan baris ke-i dan kolom ke-j darisuatu matriks orthogonal A berukuran n× n, maka {Bi , i = 1, . . . , n} dan{Kj , j = 1, . . . , n} adalah himpunan dari vektor-vektor orthonormal.
Bukti
Dari elemen perkalian matriks (AA′)i ,j = 〈Bi ,Bj〉 dan fakta AA′ = I
didapat 〈Bi ,Bj 〉 ={
1 i = j0 yang lainnya
, terlihat bahwa baris-baris dari
A adalah orthonormal. Bila A orthogonal, maka A′ juga orthogonal, jadi
kolom-kolom dari A juga orthonormal.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Contoh 1
Bila matriks A diberikan oleh
A =
0 1 00 0 11 0 0
,
maka
AA′ =
0 1 00 0 11 0 0
0 0 11 0 00 1 0
=
1 0 00 1 00 0 1
= I .
Juga dapat dicek bahwa A′A = I . Jadi A adalah matriksorthogonal.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Contoh 2
Bila matriks A diberikan oleh
A =
0 − 1√2
1√2
1 0 0
01√2
1√2
,
maka matriks A adalah orthogonal, sebab
AA′ =
0 − 1√2
1√2
1 0 0
01√2
1√2
0 1 0
− 1√2
01√2
1√2
01√2
=
1 0 00 1 00 0 1
= I .
Juga dapat dicek bahwa A′A = I
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Sifat
Suatu pemetaan linier yang direpresentasikan oleh suatu matriks orthogonaladalah mempertahankan jarak dari suatu vektor, yaitu bila A suatu matriksorthogonal, maka ||Ax|| = ||x || untuk semua x ∈ Rn.
BuktiDari persamaan ||x|| =
√
〈x, x〉 dan 〈x, x〉 = x′x, didapat ||x||2 = x′x. Olehkarena itu ||Ax||2 = x′A′Ax = x′x = ||x||2 ⇒ ||Ax|| = ||x||.
ContohDiberikan matriks orthogonal
A =
0 − 1√2
1√2
1 0 0
01√2
1√2
dan sebarang x =
x1x2x3
∈ Rn,
maka dapat ditunjukkan bahwa ||Ax|| = ||x|| sebagai mana berikut ini:
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Lanjutan Contoh
∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣
0 − 1√2
1√2
1 0 0
01√2
1√2
x1x2x3
∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣
− 1√2x2 +
1√2x3
x11√2x2 +
1√2x3
∣∣∣∣∣∣∣∣∣
∣∣∣∣∣∣∣∣∣
=
√
(− 1√2x2 +
1√2x3)2 + x21 + (
1√2x2 +
1√2x3)2 =
√
1
2x22 − x2x3 +
1
2x23 + x21 +
1
2x22 + x2x3 +
1
2x23
√
x21 + x22 + x23 = ||x||.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Kesimpulan dan Komentar
Kesimpulan
Bila matriks simetri A berukuran n × n mempunyai eigenvalue-eigenvalue yangberbeda, maka A dapat didiagonalkan melalui suatu matriks orthogonal.
Komentar
Karena matriks A mempunyai eigenvalue-eigenvalue yang berbeda, maka dapatdidiagonalkan menjadi matriks Q−1AQ dimana matriks Q = [x1|x2| . . . |xn]dengan xi , i = 1, . . . , n adalah eigenvektor-eigenvektor dari A yang sesuaidengan eigenvaluenya. Berdasarkan hasil sebelumnya vektor-vektorxi , i = 1, . . . , n saling orthogonal. Bila vektor-vektor ini dinormalkan makadidapat matriks orthogonal
P =
[
x1
||x1||
∣
∣
∣
∣
x2
||x2||
∣
∣
∣
∣
. . .
∣
∣
∣
∣
xn
||xn ||
]
,
dengan demikian matriks P ′AP juga merupakan matriks diagonal.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Contoh
Diberikan matriks simetri
A =
(1
√2√
2 2
)
⇒∣∣∣∣
(λ 00 λ
)
−(
1√2√
2 2
)∣∣∣∣=
∣∣∣∣
(λ− 1 −
√2
−√2 λ− 2
)∣∣∣∣.
Sehingga didapat polinomial kharakteristik dari matriks A adalahp(λ) = (λ − 1)(λ − 2)− 2 = λ2 − 3λ = λ(λ− 3). Untuk eigenvalue λ1 = 0 danλ2 = 3 didapat masing-masing eigenvektor yang sesuai adalah:
x1 =
(−√2
1
)
dan x2 =
(1√2
)
.
Sehingga diperoleh
x1
||x1||=
−√2√3
1√3
danx2
||x2||=
1√3
√2√3
.
Bila matriks P =
[x1
||x1||x2
||x2||
]
, maka pendiagonalan dari matriks A adalah P′AP
dan hasilnya diberikan sebagai berikut
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Lanjutan Contoh
−√2√3
1√3
1√3
√2√3
(1
√2√
2 2
)
−√2√3
1√3
1√3
√2√3
=
−√2√3+
√2√3− 2√
3+
2√3
1√3+
2√3
√2√3+
2√2√3
−√2√3
1√3
1√3
√2√3
=
0 0
3√3
3√2√3
−√2√3
1√3
1√3
√2√3
=
(0 00 3
)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Catatan
Berkaitan dengan matriks simetri dengan elemen-elemen riil. Sebagaimana telah diketahui matriks simetri pasti
semua eigenvaluenya adalah riil, tetapi tidak menjamin bahwa semua eigenvalue-eigenvalue ini berbeda satu dengan
yang lainnya, bila semuanya berbeda maka pasti matriks simetri tsb. bisa didiagonalkan. Bila ada yang rangkap,
maka hal ini ada dua kasus. Yang pertama bila masing-masing multiplisitas geometri = multiplisitas aljabar, maka
pendiagonalan matriks bisa dilakukan. Kedua, bila masing-masing multiplisitas geometri < multiplisitas aljabar,
maka pendiagonalan tidak dapat dilakukan. Pada khasus yang kedua tentunya hanya beberapa eigenvektor yang
orthogonal satu dengan yang lainnya, yaitu yang berkaitan dengan eigenvalue-eigenvalue yang saling berbeda satu
dengan lainnya. Tetapi untuk eigenvalue yang rangkap walaupun memberikan eigenvektor-eigenvektor yang saling
bebas linier tetapi tidak menjamin bahwa eigenvektor-eigenvektor ini orthogonal. Oleh karena itu matriks yang
kolom-kolomnya merupakan eigenvektor-eigenvektor bukan matriks orthogonal. Tetapi dengan beberapa modifikasi
matriks tsb. bisa dijadikan matriks orthogonal, cara pengorthogonalan ini mengarah apa yang dinamakan proses
Pengorthogonalan Gram-Schmidt. Contoh berikut memberikan kejelasan mengenai pengorthogonalan suatu
matriks.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Contoh
Diberikan suatu matriks simetri
A =
1 −1 −1−1 1 −1−1 −1 1
⇒ λI − A =
λ − 1 1 11 λ − 1 11 1 λ − 1
.
Polinomial kharakteristik dari A diberikan olehp(λ) = det(λI − A) = (λ− 2)2(λ+ 1). Pasangan eigenvalue eigenvektordiberikan oleh
λ1 = 2, x1 =
−101
; λ2 = 2, x2 =
−110
; λ3 = −1, x3 =
111
.
Terlihat bahwa 〈x1, x3〉 = 〈x2, x3〉 = 0 tetapi 〈x1, x2〉 = 1 6= 0. Penormalan darix2 dan x3 didapat :
p2 =x2
||x2||=
−1√2
1√2
0
dan p3 =x3
||x3||=
1√
31
√3
1√
3
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Lanjutan Contoh
Untuk memperoleh suatu vektor x1 supaya 〈x1, x2〉 = 0, adalah sebagai berikut.Misalkan x1 + ax2 = x1, didapat x
′2x1 + ax′2x2 = x′2x1 atau
〈x1, x2〉+ a 〈x2, x2〉 = 〈x1, x2〉 ⇒ a =〈x1, x2〉〈x2, x2〉
. Sehingga didapat
x1 = x1 − 〈x1, x2〉〈x2, x2〉x2.
Jadi
x1 =
−101
−1
2
−110
=
−1
2
−1
21
Dengan menormalkan vektor x1 didapat:
p1 =x1
||x1||=
−1
√6
−1
√6
2√
6
.
Jadi matriks P = [p1 | p2 | p3] diberikan oleh:
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Lanjutan Contoh
P =
− 1√6− 1√
2
1√3
− 1√6
1√2
1√3
2√6
01√3
⇒ P′P = I = PP
′ (P matriks orthogonal).
Sehingga didapat :
P′AP =
− 1√6− 1√
6
2√6
− 1√2
1√2
0
1√3
1√3
1√3
1 −1 −1−1 1 −1−1 −1 1
− 1√6− 1√
2
1√3
− 1√6
1√2
1√3
2√6
01√3
=
2 0 00 2 00 0 −1
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Proses Orthogonalisasi Gram-Schmidt
Diberikan himpunan vektor-vektor yang bebas linier S = {X1,X2, . . . ,Xn}, dariS dibentuk himpunan vektor-vektor orthormal T = {T1,T2, . . . ,Tn} sebagiberikut:
t1 = X1 ⇒ T1 =t1
||t1||
t2 = X2 − 〈X2,X1〉〈X1,X1〉
t1 ⇒ T2 =t2
||t2||......
tn = Xn − 〈Xn, t1〉〈t1, t1〉
t1 − 〈Xn, t2〉〈t2, t2〉
t2 − . . .− 〈Xn, tn−1〉〈tn−1, tn−1〉
tn−1 ⇒ Tn =tn
||tn||Didapat matriks orthogonal
T = [T1 |T2 | . . . |Tn] .
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Ke-Orthogonalan
Contoh
Diberikan matriks dengan kolom-kolom merupakan vektor-vektor yang bebaslinier, yaitu
A =
1 1 10 1 10 0 1
Misalkan X1,X2 dan X3 merupakan vektor-vektor kolom dari A, maka
t1 = X1 =
100
⇒ T1 =t1
||t1||=
100
t2 =
110
− 〈X2, t1〉〈t1, t1〉
t1 =
010
⇒ T2 =t2
||t2||=
010
t3 =
111
− 〈X3, t1〉〈t1, t1〉
t1 −〈X3, t2〉〈t2, t2〉
t2 =
001
⇒ T3 =t3
||t3||=
001
Terlihat bahwa matriks T = [T1 T2 T3] adalah matriks orthogonal.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Proyeksi dan General Invers
Proses orthogonal Gram-Schmid erat kaitannya dengan apa yang dinamakanproyeksi sebagaimana akan terlihat dalam pembahasan berikut ini. Ada kalanyasistem persamaan linier Ax = y tidak mempunyai penyelesaian secara analitik(eksak). Tetapi bila model linier yang dikaji ini merupakan suatu problem nyatayang dijumpai, maka diperlukan suatu alternatif penyelesaian untuk menjawabproblem yang ada sehingga penyelesaian yang didapat cukup untuk menjawabproblem. Suatu contoh berikut menjelaskan hal ini:Diberikan sistem persamaan linier Ax = y:
(
6 32 1
)(
x1x2
)
=
(
22
)
. (8)
Jawab eksak dari persamaan ini tidak ada. Dalam hal ini, selalu bisa didapat
penyelesaian pendekatan x melalui penggantian y dengan vektor y′ di ruang
kolom dalam A yang dekat dengan y dan sebagi penggantinya selesaikan
persamaan Ax = y′.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Proyeksi dan General Invers
Untuk kasus yang diberikan dalam persamaan (8) ruang kolom dari A adalahspan:
W =
{
r
(
31
)∣
∣
∣
∣
r ∈ R
}
.
Dengan demikian dipilih y′ = r
(
31
)
sehingga panjang
‖ y − y′ ‖=
∣
∣
∣
∣
∣
∣
∣
∣
(
22
)
− r
(
31
)∣
∣
∣
∣
∣
∣
∣
∣
sekecil mungkin. Gambar berikut secara geometri menjelaskan pilihan darivektor y′.
O
y =
(22
)
(31
)
y′ = Projw (y)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Pembahasan Masalah
Sebelum menyelesaikan masalah yang ada diberikan pengertian berikut.Misalkan W suatu ruang bagian dari Rn dan tulis y ∈ Rn = W ⊕W⊥ sebagaiy = y1 + y2, dimana y1 ∈ W dan y2 ∈ W⊥, maka y1 dikatakan proyeksi dari ypada W dan dinotasikan oleh y1 = Projw (y). Selanjutnya diselesaikan masalahpersamaan linier
(6 32 1
)(x1x2
)
=
(22
)
.
Pilih W =
⟨(31
)⟩
dengan demikian didapat W⊥ =
⟨(−13
)⟩
. Jadi(
22
)
=4
5
(31
)
+2
5
(−13
)
. Untuk meminimumkan panjang
‖ y − y′ ‖ =
∣∣∣∣
∣∣∣∣
(22
)
− r
(31
)∣∣∣∣
∣∣∣∣
=
∣∣∣∣
∣∣∣∣
4
5
(31
)
+2
5
(−13
)
− r
(31
)∣∣∣∣
∣∣∣∣
=
∣∣∣∣
∣∣∣∣(
4
5− r)
(31
)
+2
5
(−13
)∣∣∣∣
∣∣∣∣ ,
dan karena(
31
)
dan(
−13
)
orthogonal, maka haruslah r =4
5.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Lanjutan Pembahasan
Dengan demikian didapat
y′ = Projw
(
22
)
=4
5
(
31
)
= 0
(
62
)
+4
5
(
31
)
. Terlihat bahwa
penyelesaian pendekatan adalah x1 = 0 dan x2 =4
5.
Sifat
Misalkan W suatu ruang bagian dari Rn, maka vektor y′ ∈W yang dekat key ∈ Rn adalah y′ = Projw (y).
BuktiTulis y = y1 + y2 dengan y1 ∈ W dan y2 ∈ W⊥. Jadi y1 = Projw (y). Untuksebarang w ∈ W jarak kuadrat ‖ y − w ‖2 diberikan oleh
‖ (y1 − w) + y2 ‖2 = < (y1 − w) + y2, (y1 − w) + y2 >
= < y1 − w, y1 −w > + < y2, y2 >
= ‖ y1 −w ‖2 + ‖ y2 ‖2,
akan minimal bila w = y1 = Projw(y).
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
langkah-langkah mendapatkan Proyeksi
Suatu cara singkat untuk menentukan proyeksi dari suatu rauang bagian W
yang dibangun hanya oleh satu vektor w , dimana V = W ⊕W⊥ diberikan oleh
Projw(y) =< y,w >
< w,w >w. (9)
Dalam hal ini adalah:
1.< y,w >
< w,w >w ∈W .
2. y − < y,w >
< w,w >w ∈ W⊥
3. y =< y,w >
< w,w >w+
(
y− < y,w >
< w,w >w
)
Persoalan sebelumnya dapat diselesaikan menggunakan hasil dalam (9) didapat
Projw
(
22
)
=2.3 + 2.1
3.3 + 1.1
(
31
)
=4
5
(
31
)
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Sifat
Sifat
Misalkan W suatu ruang bagian dari Rn dibangun oleh basis orthogonalw1, . . . ,wk dan misalkan y ∈ Rn, maka
Projw(y) =< y,w1 >
< w1,w1 >w1 + . . .+
< y,wk >
< wk ,wk >wk . (10)
Bukti
Misalkan y1 =< y,w1 >
< w1,w1 >w1 + . . .+
< y,wk >
< wk ,wk >wk . Maka untuk 1 ≤ i ≤ k
didapat < y− y1,wi >=< y,wi > − < y,wi >
< wi ,wi >< wi ,wi >= 0. Jadi
y − y1 ∈W⊥ dan y1 = Projw(y).
Bila W suatu ruang bagian dari Rn dengan basis orthonormal w1, . . . ,wk ,maka persamaan (10) menjadi
Projw(y) =< y,w1 > w1 + . . .+ < y,wk > wk . (11)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Contoh 1
Dapatkan elemen dari ruang bagian W yang dekat dengan vektor (1, 2, 3)′,dimana W dibangun oleh vektor-vektor (1, 2,−1)′, (−1, 4, 1)′.
W =⟨{(1, 2,−1)′, (−1, 4, 1)′}
⟩
(1, 2,−1)′
(−1, 4, 1)′
(1, 2, 3)′
P
Jawab:
Dari gambar diatas, vektor P di bidang W = 〈{(1, 2,−1)′, (−1, 4, 1)′}〉 adalahproyeksi vektor (1, 2, 3)′ pada bidang W = 〈{(1, 2,−1)′, (−1, 4, 1)′}〉.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Lanjutan Pembahasan Contoh 1
Dengan menggunakan proses Gram-Schmidt, didapat basis orthonormal:1√6(1, 2,−1)′, 1√
3(−1, 1, 1)′. Sehingga proyeksi dari (1, 2, 3)′ pada W adalah:
Projw
123
=1√6(1 + 4− 3)
1√6
12−1
+1√3(−1 + 2 + 3)
1√3
−111
=1
3
12−1
+4
3
−111
=
−121
.
Sehingga didapat vektor
123
=
−121
+
202
∈W ⊕W⊥,
elemen dari W dekat ke
123
adalah Projw
123
=
−121
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Contoh 2
Misalkan dipunyai suatu supply dari 5000 unit S, 4000 unit T dan 2000 unit U.Bahan digunakan dalam pabrik untuk memproduksi P dan Q. Bila setiap unitdari P menggunakan 2 unit S, 0 unit T dan 0 unit U; dan setiap unit dari Qmenggunakan 3 unit S, 4 unit T dan 1 unit U. Berapa banyak unit p dari P danq dari Q yang harus dibuat supaya keseluruhan supply digunakan?
Model matematika dari persoalan yang ada diberikan oleh persamaan:
2 30 40 1
[
p
q
]
=
500040002000
.
Persamaan dari model tidak mempunyai jawab eksak (analitik) sebab vektor
500040002000
bukan merupakan kombinasi linier dari vektor- vektor
200
dan
341
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Pembahasan Contoh 2
Untuk meyelesaikan persamaan secara pendekatan, dilakukan hal berikut: Carivektor didalam ruang bagian W yang merupakan bentuk kombinasi linier
p
200
+ q
341
yang dekat dengan vektor
500040002000
Dengan melakukan
proses Gram-Schmidt di vektor-vektor pembangun yang merupakan basis dariW , didapat basis orthonormal:
w1 =
100
,w2 =1√17
041
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Lanjutan Pembahasan Contoh 2
Sehingga diperoleh:
Projw
500040002000
= 5000
100
+ (16000√
17+
2000√17
)1√17
041
= 5000
100
+18000
17
041
= (2500 − (3
2)(18000
17))
200
+18000
17
341
.
Terlihat bahwa p = 2500 − (3
2)(18000
17) = 911.76 dan q =
18000
17= 1058.82.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Cara Penyelesaian Menggunakan GeneralInvers atau Psedo Invers
Untuk setiap matriks A berukuran m × n dengan elemen-elemen riil, matriksA− berukuran n × n dinamakan pendekatan invers (psedoinverse) yangmemenuhi A−y merupakan penyelesaian pendekatan dari persamaan Ax = y.Kolom-kolom dari matriks A− adalah penyelesaian pendekatan dari Ax = ei ,dimana ei , i = 1, . . . ,m merupakan basis baku dari Rm.
Contoh 1
Dapatkan matriks A− bila A =
2 30 40 1
dan hitung A−
500040002000
.
Jawab Ruang kolom orthonormal dari matriks A adalah span dari vektor-vektor:
w1 =
100
,w2 =1√17
041
.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Lanjutan Contoh 1
Sehingga didapat
Projw
100
=
100
,Projw
010
=
01617417
,Projw
001
=
0417117
.
Dan kolom-kolom matriks A− didapat sebagai berikut
2 30 40 1
x =
100
⇒ x =
(
12
0
)
2 30 40 1
x =
01617417
⇒ x =
(
− 1617417
)
2 30 40 1
x =
0417117
⇒ x =
(
− 334117
)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Lanjutan Pembahasan Contoh 1
Sehingga didapat matriks A− adalah:
A− =
(
12− 6
17− 3
34
0 417
117
)
.
Penyelesaian pendekatan dari persamaan
2 30 40 1
(
p
q
)
=
500040002000
diberikan oleh
(
p
q
)
= A−
500040002000
=
(
12− 6
17− 3
34
0 417
117
)
500040002000
=
(
911.761058.82
)
.
Hasil yang didapat sama dengan hasil perhitungan sebelumnya.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Contoh 2
Dengan general invers cari garis lurus y = ax + b yang paling mendekatititik-titik (1, 2), (2, 3) dan (3, 1).
Jawab:
1 12 13 1
(a
b
)
=
231
⇒ A−
=
(1 2 31 1 1
)
1 12 13 1
−1 (1 2 31 1 1
)
A−
231
=
{(12
−1
−1 73
)(1 2 31 1 1
)}
231
=
(
− 12
0 12
43
13
− 23
)
231
Didapat a = −1 + 12 = − 1
2 dan b = 83 + 1− 2
3 = 3.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Contoh 3
Dengan general invers dapatkan parabola y = ax2 + bx + c yang mendekati titik-titik(3, 0), (2, 0), (1, 2), (−1, 12). Jelaskan apakah hasilnya pendekatan atau tidak!Jawab :Untuk titik (3, 0), (2, 0), (1, 2), (−1, 12) didapat empat persamaan :
9a+ 3b + c = 0, 4a + 2a + c = 0, a+ b + c = 2, a− b + c = 12
atau dalam bentuk matriks
9 3 14 2 11 1 11 −1 1
a
b
c
=
00212
⇒
a
b
c
=
9 4 1 13 2 1 −11 1 1 1
9 3 14 2 11 1 11 −1 1
−1
9 4 1 13 2 1 −11 1 1 1
00212
=
1−56
.
Cek!
9 3 14 2 11 1 11 −1 1
1−56
=
00212
.
Terlihat, hasilnya eksak bukan pendekatan.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Proyeksi dan General Invers
Catatan dan Komentar Psedo dan GeneralInvers
1. Psedo invers dan General Invers secara umum berbeda. UmumnyaPsedo invers matrix berukuran m × n, sedangkan General inversmatriks persegi.
2. Misalkan matriks A berukuran m × n. Bila kolom-kolom dari Abebas linear, maka dijamin matriks (A′A)−1 jadi matriks A dijaminmempunyai General Invers yang diberikan oleh A− = (A′A)−1A′
3. Sebaliknya bila kolom-kolom matriks A tidak bebas linear, maka(A′A)−1 tidak ada. Jadi persoalan Ax = y tidak bisa diselesaiakandengan cara general invers x = (A′A)−1A′y . Hal ini bisadiselesaikan dengan cara psedo invers sebagaimana pada Contoh 1.
4. Sebagai kesimpulan penyelesaian terdekat dari masalah Ax = y bisadilakukan dengan cara Psedo Invers atau General Invers.
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Daftar Pustaka
Daftar Pustaka
Paul A. Fuhrmann, ” A Polynomial Approach to LinearAlgebra, Second Edition”, Springer, (2012)
Robert A.Beezer, ” A First Course in Linear Algebra, Version2.30”, Department of Mathematics and Computer Science,University of Puget Sound, Washington, USA, (2011).Website: http://buzzard.ups.edu
Kamran Dadkhan, ” Foundations of Mathematical andComputational Economics, Second Edition”, Springer,(2011)
J. DeFranza and D. Gagliardi, ” Introduction to Linear Algebrawith Applications ”, Mc Graw Hill, Higher Education, (2009)
David Poole, ” Linear Algebra A Modern Introduction, SecondEdition ”, Thomson Brooks/Cole, (2006)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Daftar Pustaka
David C. Lay, ” Linear Algebra and its Applications, FourthEdition ”, Pearson Education, (2012)
K. Kuttler, ” Linear Algebra, Theory and Applications ”,Brigham Young University, (2012). URL:http://www.saylor.org./courses/ma212/
J.E. Gentle, ” Matrix Algebra, Theory, Computations andApplications in Statistics ”, Springer, (2007)
Carl D. Meyer, ” Matrix Analysis and Applied Linear Algebra”, SIAM, (2000)
Fuzhen Zhang, ” Matrix Theory, Basic Results and Techniques”, Springer, (2011)
Sage, URL: http://www.sagemath.org
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono
Aljabar Linear c©2012 The Author, Subiono
Daftar Pustaka
I.N. Herstein and David J. Winter, ” Matrix Theory and LinearAlgebra ”, Macmillan Publishing Company, (1989)
Jurusan Matematika-MIPA, Institut Teknologi Sepuluh Nopember, Surabaya
Aljabar Linear c©2012 The Author, Subiono