DIKTAT
ALJABAR LINIER
Oleh: Anita T. Kurniawati, MSi
JURUSAN TEKNIK INFORMATIKA INSTITUT TEKNOLOGI ADHI TAMA SURABAYA (ITATS)
KATA PENGANTAR
Diktat ini berisi sistem persamaan linier (SPL), Determinan, invers, matriks, vektor, ruang vektor, nilai eigen dan vektor eigen serta transformasi linier. Materi ini sebagai dasar dari mata kuliah semester atas seperti Grafika komputer dan pengolahan sistem digital khusus untuk mahasiswa jurusan Teknik Informatika. Diktat ini dibuat agar mempermudah mahasiswa untuk mempelajari mata kuliah Aljabar Linier dengan materi yang disesuaikan dengan kurikulum di jurusan Teknik Informatika ITATS. Supaya dapat memahami isi yang terkandung dalam diktat ini diharapkan mahasiswa harus menguasai teorinya dulu. Penulis menyadari bahwa isi dari diktat ini tidak luput dari berbagai kekurangan, karena itu kritik dan saran yang membangun dari pembaca sangat diharapkan untuk penyempurnaan pada penerbitan yang akan datang. Kepada siapa saja yang telah membantu sehingga memungkinkan terbitnya diktat ini, penulis mengucapkan banyak terima kasih. Semoga diktat ini bermanfaat bagi pemakai.
Penulis
DAFTAR ISI BAB 1. SISTEM PERSAMAAN LINIER
1
BAB 2. DETERMINAN
18
BAB 3. VEKTOR
30
BAB 4. RUANG VEKTOR
40
BAB 5. NILAI EIGEN DAN VEKTOR EIGEN
49
BAB 6. TRANSFORMASI LINIER
81
Bab I Sistem Persamaan Linier
BAB I
Sistem Persamaan Linier Kajian sistem persamaan linier dan penyelesaiannya adalah merupakan salah satu hal yang penting dalam penerapan ilmu teknik. Pada bagian ini akan diperkenalkan beberapa terminologi dasar dan suatu metode untuk menyelesaikan sistem-sistem tersebut.
1.1.
DEFINISI SISTEM PERSAMAAN LINIER Persamaan Linier Misalkan sebuah garis dalam sebuah bidang xy ditulis secara aljabar seperti dibawah ini : ax + by = c maka persamaan diatas disebut persamaan linier dalam peubah x dan y. Dengan demikian persamaan linier secara umum dapat ditulis seperti : a1x1 + a2x2 + ...........+ anxn = b Contoh persamaan linier x + 3y = 7 1
y = 2x + 3z + 4
4x1 + 3x2 - 8x3 = 6 x1 + x2 + ...........+ xn = 3
Persamaan linier tidak memuat hasil kali, akar, atau fungsi-fungsi trigonometri, logaritma maupun eksponensial
Anita T. Kurniawati
1
Bab I Sistem Persamaan Linier Contoh yang bukan persamaan linier x + 4y2 = 0 y – sin x = 0
3x + 2y – xy = 9 𝑥 +2y=2
Penyelesaian dari sebuah persamaan linier adalah sederet n angka s 1,s2, ……sn sedemikian sehingga angka tersebut memenuhi persamaan linier tersebut. Contoh Cari himpunan penyelesaian dari a. 3x -6y = 2 Penyelesaian: Tentukan nilai sebarang x atau sebarang y. misal diambil sebarang nilai x=t 1 1 maka 3t - 6y = 2. Dari persamaan tersebut didapat y = 2 𝑡 − 3. Jadi himpunan penyelesaiannya x = t dan y = 2
1 2
1
𝑡 − 3. Dengan memberi nilai t
sebarang nilai, misal t = 2, maka x =2 dan y = 3 b. x -3y + 5z = 8 penyelesaian: tentukan nilai sebarang dari dua variable/peubah, misal s untuk y dan u untuk z maka akan didapatkan himpunnan penyelesaian : x = 3s – 5u +8 , y = s dan z = u. Sistem Persamaan Linier Sistem persamaan linier adalah himpunan terhingga dari persamaan linier dalam peubahpeubah x1, x2, x3…..,xn . Sedangkan deretan s1 , s2,……sn disebut suatu penyelesaian sistem jika x1= s1, x2 = s2, …..,xn= sn merupakan penyelesaian dari setiap persamaan dalam sistem tersebut. Contoh 4x – y + 3z = -1 3x + y + 9z = -4 Sistem diatas mempunyai penyelesaian x = 1 , y = 2, z = -1. Dimana apabila nilai-ilai tersebut disubstitusikan kedalam kedua persamaan, maka akan terpenuhi. Setiap sistem persamaan linier mungkin tidak mempunyai penyelesaian, mempunyai satu penyelesaian, atau mempunyai tak-hingga banyaknya penyelesaian. Sebuah sistem persamaan yang tidak mempunyai penyelesaian disebut sebagai tak-konsisten, jika paling tidak ada satu penyelesaian, maka sistem tersebut disebut konsisten.
Anita T. Kurniawati
2
Bab I Sistem Persamaan Linier Secara ilustrasi, karena persamaan linier grafiknya berbentuk garis, maka penyelesaian suatu sistem persamaan linier dapat dilihat dari perpaduan garis–garis nya. a. Sistem persamaan linier yang tidak mempunyai penyelesaian, maka garis-garisnya akan saling sejajar. b. Sistem persamaan linier yang mempunyai satu penyelesaian, maka garisnya akan saling memotong pada satu titik. c. Sistem persamaan linier yang mempunyai banyak penyelesaian, maka garisnya akan saling berimpitan. Y
y
y
x
a.
x
b. Satu penyelesaian
Tidak mempunyai penyelesaian
x
c. Banyak penyelesaian
Sebuah sistem persamaan linier dengan m persamaan linier dan n peubah dapat ditulis sebagai : a11x1 + a12x2 + ...........+ a1nxn = b1 a21x1 + a22x2 + ...........+ a2nxn = b2 :
:
:
am1x1 + am2x2 + ...........+ amnxn = bm serta disingkat dengan hanya menuliskan susunan angka dalam bentuk segiempat yang disebut matriks yang diperbanyak. a11 a 21 a m1
a12
a1 n
a 22
a2n
am2
a mn
b1 b2 bm
Matriks diperbanyak tersebut mempunyai elemen-elemen yang terdiri dari koefisien peubah dan nilai hasil persamaan.
Anita T. Kurniawati
3
Bab I Sistem Persamaan Linier Contoh : 2x1 + 4x2 + 3x3 = 11 3x1 - 2x2 + 5x3 = 9 6x1 + 4x2 - x3 = 3 Sistem persamaan linier diatas dapat ditulis sebagai 2 4 3 11 3 −2 5 9 6 4 −1 3
1.2.
PENYELESAIAN SISTEM PERSAMAAN LINIER Metode dasar untuk menyelesaikan suatu sistem persamaan linier adalah dengan mengganti sistem yang ada dengan suatu sistem yang baru yang mempunyai penyelesaian yang lebih mudah. Untuk mendapatkan sistem yang baru dapat dilakukan dengan menerapkan operasi baris elementer. Operasi baris elementer meliputi tiga langkah, yaitu a. Kalikan sebuah baris dengan sebuah konstanta ( dinotasikan cBi dimana c = konstanta ). b. Pertukarkan dua baris ( dinotasikan BiBj atau Bij). c. Tambahkan perkalian dari suatu baris ke baris lainnya ( dinotasikan Bi+cBj) . Dengan operasi baris elementer diatas, matriks yang sudah dibentuk bisa direduksi menjadi sebuah matriks yang berbentuk baris-eselon. Bentuk baris-eselon tersebut mempunyai sifat-sifat yang harus dipenuhi, yaitu : a. Jika baris tidak seluruhnya nol, maka angka tak nol pertama dalam baris tersebut adalah sebuah angka 1. ( atau utama 1) b. Jika ada sebarang baris yang seluruhnya nol, maka baris dikelompokkan bersama dibagian bawah matriks c. Jika sebarang dua matriks yang berurutan yang tidak seluruhnya terdiri dari angka nol, utama 1 dalam baris yang lebih bawah terletak disebelah kanan utama 1 dalam baris yang diatasnya d. Masing-masing kolom yang berisi sebuah utama 1 mempunyai nol ditempat lainnya. Suatu matriks yang memenuhi keempat sifat diatas dinamakan bentuk baris-eselon tereduksi, sedangkan apabilah hanya memenuhi sifat a,b dan c dinamakan bentuk bariseselon.
Anita T. Kurniawati
4
Bab I Sistem Persamaan Linier Contoh: Matriks dalam bentuk baris-eselon tereduksi 1 0 0 4 0 1 0 7 0 0 1 −1
1 0 0 0 1 0 0 0 1
0 1 −2 0 1 0 0 0 1 3 0 0 0 0 0
Matriks dalam bentuk baris-eselon 1 4 3 7 0 1 6 2 0 0 1 5
1 1 0 0 1 0 0 0 0
0 0 0
1 2 6 0 0 1 −1 0 0 0 0 1
Prosedur untuk mereduksi suatu matriks yang diperbanyak menjadi bentuk baris-eselon dinamakan eliminasi gaussian, sedangkan jika matriksnya menjadi bentuk baris-eselon tereduksi dinamakan eliminasi gauss-jordan. Eliminasi Gauss-jordan Prosedur eliminasi gauss-jourdan adalah sebuah prosedur untuk mereduksi matriks yang diperbanyak menjadi bentuk baris-eselon tereduksi. Contoh Selesaikan sistem persamaan berikut ini dengan eliminasi gauss-jordan - x2 + 7x5 = 12 2x1 + 4x2 - 10x3 + 6x4 + 12x5 = 28 2x1 + 4x2 - 5x3 + 6x4 - 5x5 = -1
Penyelesaian Matriks yang diperbanyak dari sistem diatas: 0 0 2 4 2 4
−2 0 7 12 −10 6 12 28 −5 6 −5 −1
dengan menggunakan operasi baris elementer , matriks ini direduksi menjadi matriks baris eselon tereduksi. 0 0 −2 0 7 12 2 4 −10 6 12 28 2 4 −5 6 −5 −1
Anita T. Kurniawati
B1
B2
2 4 −10 6 12 0 0 −2 0 7 2 4 −5 6 −5
28 12 −1
1 B1 2
5
Bab I Sistem Persamaan Linier 1 2 −5 3 6 14 0 0 −2 0 7 12 2 4 −5 6 −5 −1 6 1 2 −5 3 7 0 0 1 0 −2 0 0 5 0 −17 1 2 −5 3 6 7 0 0 1 0 −2 0 0 0 0 1 1 2 −5 3 0 2 0 0 1 0 0 1 0 0 0 0 1 2
14 −6 −29 14 −6 2
1 2 −5 3 0 0 −2 0 0 0 5 0
B3−2B1
B3−5B2
7 2
B2+ B3
B1+5B2
1 0 0
6 14 7 12 −17 −29
3 6 1 2 −5 7 0 − 2 0 0 1 1 0 0 0 0 2 1 2 0 0 0 0
−5 3 6 14 1 0 0 1 0 0 1 2
14 −6
1 2
− B2
2B3
1 B1−6B3
2 0 3 0 7 0 1 0 0 1 0 0 0 1 2
Matriks terakhir berbentuk matriks baris eselon tereduksi. Dengan demikian persamaan yang sepadan adalah x1 + 2x2 + 3x4 = 7 x3 = 1 x5 = 2
x1 = 7- 2x2 - 3x4
misalkan x2 = s dan x4 = t maka x1 = 7- 2s – 3t Jadi himpunan penyelesaian umumnya x1 = 7- 2s – 3t, x2 = s, x3 = 1, x4 = t , x5 = 2 Eliminasi Gaussian Prosedur eliminasi gaussian adalah sebuah prosedur untuk mereduksi matriks yang diperbanyak menjadi bentuk baris-eselon. Sistem persamaan yang sudah dalam bentuk baris-eselon tersebut, bisa diselesaikan dengan teknik yang disebut subsitusi-balik. Contoh: Selesaikan sistem persamaan berikut dengan menggunakan eliminasi gaussian x + y +2z = 9 2x + 4y - 3z = 1 3x + 6y -5z =0
Anita T. Kurniawati
6
Bab I Sistem Persamaan Linier Penyelesaian Matriks yang diperbanyak dari sistem diatas adalah 1 1 2 9 2 4 −3 1 3 6 −5 0 Dengan operasi baris elementer, matriks tersebut diubah menjadi bentuk baris-eselon. 1 1 2 9 2 4 −3 1 3 6 −5 0
𝐵2−2𝐵1 𝐵3−3𝐵1
1 1 2 9 7 17 0 1 −2 − 2 1
3
0 0 −2 −2
1 𝐵2 2
1 0 0
1 2 9 2 −7 −17 3 −11 −27
1 𝐵2 2
9 1 1 2 7 17 0 1 −2 − 2 0 3 −11 −27
𝐵3−3𝐵2
9 1 1 2 7 17 0 1 −2 − (bentuk baris eselon) 2 0 0 1 3
Setelah matriks sudah dalam bentuk baris eselon maka dilakukan substitusi terbalik x = 9 – y – 2z
x + y + 2z = 9 7
17
2
2
y− z = −
7
17
2
2
y= z−
x=1 y=2
z=3 Jadi himpunan penyelesaian : x = 1 , y = 2 , z = 3
1.3.
SISTEM PERSAMAAN LINIER HOMOGEN Sistem persamaan linier yang mempunyai semua konstantanya nol disebut sistem homogen. Sistem persamaan linier homogen mempunyai sifat konsisten, karena semua sistem seperti ini mempunyai penyelesaian x1=0,x2=0,....xn=0. Jika sistem hanya mempunyai penyelesaian seperti diatas , maka penyelesaiannya disebut penyelesaian trivial. Sebaliknya jika ada penyelesaian lainnya, maka penyelesaiannya dinamakan penyelesaian tak-trivial. Contoh : a1x + b1y = 0 a2x + b2y = 0 Teorema ” Sebuah sistem persamaan linier homogen yang mempunyai peubah lebih banyak dari jumlah persamaan mempunyai tak hingga banyaknya penyelesaian”
Anita T. Kurniawati
7
Bab I Sistem Persamaan Linier Contoh Selesaikan SPL homogen berikut ini: 2x1 + 2x2 - x3
+ x5 = 0
-x1 - x2 + 2x3 - 3x4 + x5 = 0 x1
x2 - 2x3
+
- x5 = 0
x3 + x4 + x5 = 0 Penyelesaian Matriks yang diperbanyak untuk sistem diatas 2 −1 0 0
2 −1 0 1 0 −1 0 −3 1 0 1 −2 0 −1 0 0 1 1 1 0
Dengan mereduksi matriks menjadi matriks baris eselon tereduksi, didapatkan: 1 0 0 0
1 0 0 0
0 1 0 0
0 0 1 0
1 1 0 0
0 0 0 0
Sistem yang sepadan adalah x1 + x2
+ x5 = 0 x3
+ x5 = 0 x4
=0
sehingga didapatkan x1 = -x2 - x5
;
x3 = -x5
;
x4 = 0
Jadi penyelesaian umumnya: x1 = -s – t , x2 = s , x3 = -t, x4 = 0 , x5 = t.
SOAL-SOAL LATIHAN 1 1. Cari himpunan penyelesaian dari masing-masing persamaan linier berikut ini : a. 7x – 5y = 3 b. 3x -5y + 4z = 7 c. -8x1 + 2x2 - 5x3 + 6x4 = 1
Anita T. Kurniawati
8
Bab I Sistem Persamaan Linier 2. Selesaikan Sistem Persamaan Linear (SPL) berikut dengan menggunakan metode eliminasi gauss- Jordan : 2 x 5 y 2 z 7 a). x 2 y 4 z 3 ; 3 x 4 y 6 z 5
2 x 3 y z 11 b). x y z 6 2 x y z 3
x yz 6 c). x 2 y 3 z 14 x 4 y 9 z 36
3. Selesaikan SPL berikut dengan menggunakan metode eliminasi Gaussian dan substitusi terbalik : 3x 2 y z 4 a). 2 x y 2 z 10 x 3 y 4 z 5
2x y 7 b). y 3 z 0 x z 3
4x 9 y 8 c). 8 x 6 z 1 6 y 6 z 1
4. Selesaikan masing-masing sistem berikut dengan metode eliminasi gauss-jordan dan eliminasi gaussian a.
x1 + x2 + 2x3 = 8 - x2 - 2x2 + 3x3 = 1 3x1 - 7x2 + 4x3 = 10
b.
2x1 + 2x2 + 2x3 = 0 -2x1 + 5x2 + 2x3 = 1 8x1 + x2 + 4x3 = -1
5. Selesaikan masing-masing sistem dengan menggunakan eliminasi gauss-jordan a.
5x1 - 2x2 + 6x3 =0 -2x1 + x2 + 3x3 =1
b.
x1 + 2x2 + x3 - 4x4 = 1 x1 + 3x2 +7x3 +2x4 =2 x1 -12x2 -11x3-16x4=5
6. Selesaikan sistem persamaan linier homogen menggunakan eliminasi gauss-jordan a. 3x1 + 2x2 + x3 - 4x4 = 0 5x1 - x2 + x3 - 4x4 = 0
1.4.
b.
x1 +3x2 + 4x4= 0 x1 +4x2 +2x3 =0 -2x2 - 2x3 - x4 = 0 2x1- 4x2 + x3 + 4x4 = 0 x1 - 2x2 - x3 + x4 = 0
MATRIKS , JENIS-JENIS MATRIKS DAN OPERASI MATRIKS Definisi Matriks Matriks adalah susunan berbentuk persegipanjang dari elemen-elemen bilangan yang diatur berdasar baris dan kolom. Bilangan-bilangan dalam susunan itu disebut anggota dalam matriks tersebut.
Anita T. Kurniawati
9
Bab I Sistem Persamaan Linier
Amxn
a11 a 21 ... a m1
a12 a 22 ... am2
a 1n ... a 2 n ... ... ... a mn ...
adalah matriks berukuran / berdimensi mxn.
Ukuran sebuah matriks diberikan oleh jumlah baris dan kolom yang dikandungnya. m adalah banyak baris dari matriks A, n adalah kolom dari matriks A. Sehingga matriks diatas dapat ditulis sebagai : Amxn a ij mxn .
Anggota pada baris ke-i dan kolom ke-j dari sebuah matriks A pada umumnya juga dapat dinyatakan sebagai ( A) ij atau a ij . Contoh: A1 x n (matriks baris, vektor baris).
A1x 4 3 1 2 4 .
Bn x 1 (matriks kolom, vektor kolom). B3 x 1
2 3 . 3
Jenis-jenis Matriks 1. Matriks Diagonal Matriks diagonal adalah matriks bujur sangkar dengan a ij 0 untuk i j .
A3 x 3
a11 0 0
0 a 22 0
0 0 a 33
2. Matriks Skalar Matriks skalar adalah matriks diagonal dengan a11 a 22 ... a nn k .
Contoh: A3 x 3
2 0 0 0 2 0 . 0 0 2
3. Matriks Satuan (Matriks identitas) Matriks identitas adalah matriks diagonal dengan elemen diagonal utama sama dengan satu.
Anita T. Kurniawati
10
Bab I Sistem Persamaan Linier
Contoh: I 3 x 3
1 0 0 0 1 0 0 0 1
4. Matriks Segitiga Matriks segitiga atas adalah matriks bujur sangkar dengan aij 0 untuk i j . Matriks segitiga bawah adalah matriks bujur sangkar dengan aij 0 untuk i < j.
A3 x 3
a11 0 0
a13 a 23 a 33
a12 a 22 0
B3 x 3
Matriks segitiga atas
a11 a 21 a 31
0 a 22 a 32
0 0 a 33
Matriks segitiga bawah
Operasi-operasi Matriks 1. Dua Matriks Sama Dua matriks dikatakan sama jika keduanya mempunyai ukuran sama dan elemenelemen anggotanya yang seletak sama. Dalam notasi matriks, jika A=[ a ij ] dan B=[ bij ] mempunya ukuran sama maka A=B jika dan hanya jika a ij = bij .
Contoh: A3 x 3
2 1 5 2 1 5 3 1 1 , B 3 x 3 3 1 1 A B . 4 0 6 4 0 6
2. Jumlah / Selisih Dua Matriks Jika A dan B adalah matriks-matriks yang mempunyai ukuran sama, maka jumlah A+B adalah matriks yang diperoleh dengan menambahkan anggota-anggota B dengan anggota-anggota A yang sepadan, dan selisih A-B adalah matriks yang diperoleh dengan mengurangkan anggota-anggota A dengan anggota-anggota B yang sepadan. Matriks-matriks yang berukuran berbeda tidak bisa ditambahkan atau dikurangkan . a.
Am x n Bm x n C m x n .
Contoh: 1 2
Anita T. Kurniawati
1 2 2 2 3 1
4 2
2 3 3 0 4 1 0 7
11
Bab I Sistem Persamaan Linier b. Am x n Bm x n Dm x n . Contoh: 1 2
1 2 2 2 3 1
4 2
2 1 5 4 4 3 4 1
3. Hasil kali Matriks dengan Skalar Jika A adalah sebarang matriks dan k adalah sebarang skalar, maka hasil kali kA adalah matriks yang diperoleh dengan mengalikan setiap anggota A dengan k. Contoh: 1 A 2
1 2 2 2 A 2 3 4
2 4
4 6
4. Hasil kali Dua Matriks Jika A adalah sebuah matriks m x p dan B adalah matriks p x n, maka hasil kali AB adalah matriks berukuran m x n yang anggota-anggotanya didefinisikan sebagai berikiut: Untuk mencari anggota dalam baris ke-I dan kolom ke-j dari AB, pilih baris ke-I dari matrik A dan kolom ke-j dari matriks B. Kalikan anggota-anggota yang sepadan dari baris dan kolom secara bersama-sama dan jumlahkan hasilnya. Syarat untuk bisa menggandakan dua matriks adalah jumlah kolom matriks pertama harus sama dengan jumlah baris matriks kedua. Am x p . B p x n C m x n
Contoh: 1 2
2 1 2 1 2 3 3
0 (1)( 2) ( 1)(1) ( 2)( 3) (1)( 0) ( 1)( 2) ( 2)(1) 7 2 ( 2)( 2) ( 2)(1) (3)( 3) ( 2)( 0) ( 2)( 2) (3)(1) 7 1
Pada umumnya: AB BA . 5. Transpose Matriks A T (matriks transpose dari matriks A) : baris-baris dari matriks A dijadikan
kolom-kolom dan kolom-kolom dijadikan baris-baris. Am x n a ij m x n A Tn x m a ji n x m .
Anita T. Kurniawati
12
4 1
Bab I Sistem Persamaan Linier Sifat-sifat transpose : a. ((A)T)T = A b. (A B)T = AT BT c. (kA)T = kAT , dengan k adalah sebarang skalar d. (AB)T = BTAT Contoh:
A2 x 3
2 1 2 3 0 T A 3 x 2 3 1 . 1 1 3 0 3
Sifat-sifat operasi matriks Dengan asumsi bahwa ukuran-ukuran matriks dibawah ini adalah sedemikian sehingga operasi-operasi matrik dapat dilakukan, maka aturan-aturan yang berlaku pada operasi matriks adalah sebagai berikut: a. A + B = B + A
b. A + (B + C) = (A + B) + C
c. A(BC) = (AB)C
d. A(B + C) = AB + AC
e. (B + C)A = BA + CA
f. A(B - C) = AB - AC
g. (B - C)A = BA – CA
h. a(B C) = aB aC
i. (a b)C = aC bC
j. a(bC) = (ab)C
k. a(BC) = (aB)C = B(aC) Invers Matriks Jika A adalah sebuah matriks bujur sangkar, dan jika matriks yang berukuran sama bisa didapatkanr ( A n x n , B n x n ) sedemikian hingga maka A n x n .B n n I n
B n x n An1x n ; A. A 1 I .
Maka A disebut bisa dibalik dan B disebut invers dari A Syarat suatu matriks A n x n mempunyai invers An1x n jika A 0 .
Anita T. Kurniawati
13
Bab I Sistem Persamaan Linier Sifat-sifat invers : a. JIka B dan C keduanya adalah invers matriks A, maka B = C. b. Jika A dan B adalah matriks-matriks yang dapat dibalik dan berukuran sama, maka i. AB dapat dibalik ii. (AB)-1 = B-1A-1 Ada beberapa cara untuk mendapatkan invers dari suatu matriks: a.
A. A 1 I .
Contoh: 2 3 . Dapatkan A 1 dari A 3 5 A
2 3 3 5
( 2)( 5) (3)( 3) 1 0 mempunyai invers.
a b A. A 1 I . Misal: A 1 c d 2 3 a 3 5 c 2 a 3c 3a 5c
b 1 0 d 0 1 2b 3d 1 0 3b 5d 0 1
2 a 3c 1 a 5, c 3 3a 5c 0
2b 3 d 0 b 3, d 2 3b 5d 1
5 3 . Jadi: A 1 3 2
b. Operasi Baris Elementer (OBE) Suatu matriks n x n disebut matriks dasar(elementer) jika matriks ini bisa diperoleh dari matriks identitas n x n, I m dengan melakukan suatu operasi baris elementer.
Anita T. Kurniawati
14
Bab I Sistem Persamaan Linier Jika operasi baris elementer diterapkan pada suatu matriks identitas I untuk menghasilkan suatu matriks dasar E, maka ada operasi baris elemnter kedua yang jika diterapkan pada E, menghasilkan I lagi. Misalnya, jika E diperoleh dengan mengalikan baris ke-i dengan konstanta tak-nol c, maka I bisa didapatkan kembali jika baris ke-i dari E dikalikan dengan 1/c . Untuk mendapatkan invers matriks yang dapat dibalik A, kita harus menemukan serangkaian operasi baris elementer yang mereduksi A menjadi matriks identitas dan kemudian melakukan rangkaian operasi yang sama pada I untuk memperoleh A 1 . Untuk itu, kita bisa memposisikan matriks seperti berikut :
A
| I3 ~
OBE
3x3
~ I 3 | A 1 OBE
|
(OBE : Operasi Baris Elementer)
Contoh:
Dapatkan invers dari A 3 x 3
1 2 2 5 3 7
1 4 . 4
Penyelesaian: 0 0 B B 1 2 1| 1 0 0 B 2 B 1 2 1| 1 0 0 B B 1 2 1| 1 2 1 3 2 1 3 2 5 4 |0 1 0 ~ 0 1 6 | 2 1 0 ~ 0 1 6 | 2 1 0 ~ 3 7 4 | 0 0 1 B3 3 B1 0 1 7 | 3 0 1 0 0 1 | 1 1 1 B 2 6 B3
1 2 0 | 0 1 1 B 2 B 1 0 0 | 8 15 13 1 2 7 6 ; 0 1 0| 4 7 6 ~ 0 1 0| 4 0 0 1|1 1 1 0 0 1| 1 1 1
8 15 13 1 A 4 7 6 . Jadi: 1 1 1 c.
A 1
1 adj ( A) . A
Contoh: 3 7 . Dapatkan A 1 dari A 2 5
Anita T. Kurniawati
15
Bab I Sistem Persamaan Linier Penyelesaian: A
3 7 2 5
(3)( 5) (7 )( 2) 1 .
5 7 5 2 Adj ( A) . Kofaktor (A) 2 3 7 3 A 1
5 1 adj ( A) A 7
2 . 3
Penyelesaian Sistem Persamaan Linier dengan Invers Matriks Jika A adalah suatu matriks n x n yang mempunyai invers, maka untuk setiap matriks b, nx 1, sistem persamaan Ax = b tepat mempunyai satu penyelesaian yaitu x = A-1b. Contoh Selesaikan sistem persamaan linier berikut dengan invers matriks x + 2y + 3z = 5 2x + 5y + 3z = 3 x + 8z = 17 Dalam bentuk Matriks, sistem ini bisa ditulis sebagai Ax = b, dengan 1 2 3 x A 2 5 3 x y 1 0 8 z
5 b 3 17
Dengan metode sebarang, didapatkan invers A-1 , yaitu
A
1
40 13 5
9 5 13 , maka penyelesaian system tersebut adalah 2 1 16
40 x A b 13 5 1
Anita T. Kurniawati
9 5 1 5 13 3 1 atau x = 1 , y = -1, z = 2 . 2 1 17 2 16
16
Bab I Sistem Persamaan Linier SOAL-SOAL LATIHAN 2 1 4 1 1 2 1 1. Diketahui: P 2 0 3 , Q 2 2 0 ; a = 4 , b = -3 4 1 2 4 1 3
ditanyakan: a). PQ
b). P + Q
d). P – Q
c). QP
3 2 1 1 1 0 2. Diketahui: A 2 1 0 , B 1 4 0 ; ditanyakan: 4 2 1 5 2 1
-1
3. Ditanyakan A , jika:
1 a). A 2
5 4
e). aP
a). AB
3 5 b). A 1 2
4 1 2 4. Dapatkan B dari: a). B 0 1 0 8 4 5
f). b(Q+P)
b). BA
1 2 0 c). A 3 1 5 1 2 3
1 1 0 b). B 1 1 1 0 2 1
-1
5. Dapatkan invers dari matriks A berikut:
a.
1 1 A 1 1
0 0 0 3 0 0 3 5 0 3 5 0
b.
0 1 A 0 2
0
2
0
0
1 3 1
5
0 1 0 3
k1 0 c. A 0 0
0
0
k2
0
0
k3
0
0
0 0 0 k 4
6. Selesaikan sistem berikut dengan menggunakan invers matriks: a.
x+ y=2 5x + 6y = 9
b. 4x – 3y = -3 2x – 5y = 9
c.
x + 3y + z = 4 2x + 2y + z = -1 2x + 3y + z = 3
d. 5x + 3y + 2z = 4 3x + 3y + 2z = 2 y+ z=5
e.
- y – 2z – 3w x + y + 4z + 4w x + 3y + 7z + 9w -x – 2y - 4z – 6w
Anita T. Kurniawati
=0 =7 =4 =6
f.
x + y + z = b1 2x + 5y + 5z = b2 3x + 5y + 8z = b3
17
Bab II Determinan
BAB II
DETERMINAN
TUJUAN PEMBELAJARAN Supaya mahasiswa mempunyai pengetahuan dasar dan pemahaman tentang konsep-konsep determinan, cara menghitung determinan, aplikasi determinan pada geometri OUTCOME PEMBELAJARAN Mahasiswa mempunyai kemampuan untuk melakukan perhitungan determinan, dapat menghunakan sebagai metode untuk menyelesaikan SPL dan mengaplikasikan pada bidang geometri
2.1.
DETERMINAN Determinan adalah sebuah fungsi yang memetakan / mengaitkan peubah matriks bujursangkar A dengan suatu bilangan real yang disebut determinan A atau det(A) Misalkan ada sebuah determinan seperti dibawah ini :
( Det )
a11
a12
a 21
a aa
a2n
a n1
a1n
a nn
Determinan (Det) diatas mempunyai n baris dan n kolom. Determinan tersebut disebut sebagai determinan tingkat n. a11 , a12 , a13 ,, a nn . disebut elemen-elemen determinan. Untuk a11 , a 22 , a33 , , a nn adalah elemen-elemen diagonal pokok. Sedangkan a1n , a 2( n 1) , a3( n 2 ) , , a n1 ini adalah diagonal kedua. Sehingga elemen a pq adalah elemen yang terletak di baris ke p dan di kolom q. Anita T. Kurniawati
18
Bab II Determinan Contoh 2.1 Det. Tingkat 2
a11
a12
a 21
a 22
Det. Tingkat 3 a11
a12
a13
a 21
a 22
a 23
a 31
a 32
a 33
SIFAT-SIFAT DETERMINAN 1. Misalkan A adalah suatu matriks bujur sangkar a. Jika A mempunyai sebuah baris atau kolom yang elemennya semuanya nol, maka det(A)=0 Contoh 2.2 2 1
3
det( A) 1 0
2 0
0 0 0
b. Det(A)=det(AT) Determinan Transpose diperoleh dari det(A) dengan menukar baris menjadi kolom, kolom menjadi baris.
det( A)
a
b
c
d
det( A ) T
a
c.
b
d
Contoh 2.3 2 1
4
2 1
3
1 0 2 1 0 2 3 2 5
4 2 5
2. Jika baris ke i ditukar dengan baris ke-j (kolom i ditukar dengan kolom ke j) diperoleh det. Baru 1 dengan nilai 1 . 3. Jika baris ke i = baris ke j (kolom ke i=kolom ke j) maka nilai = 0 4. Nilai det menjadi k kali jika semua elemen pada sebuah baris (kolom) digandakan dengan k 0 . Contoh 2.4 6 4 10
2 x3 2 x 2 2 x5
1 0
5 1
0
5
2 1
2
1
2
Anita T. Kurniawati
2
3 2 5 2x 1 0 5 2 1
2
19
Bab II Determinan 5. jika ada 2 baris (2 kolom) yang sebanding maka nilai = 0. 6. Jika semua unsur dari satu baris atau kolom dapat ditulis sebagai jumlahan bilangan, maka determinan tersebut dapat ditulis sebagai jumlahan dua determinan. ( x1 y1 )
b1
c1
x1
b1
c1
y1
b1
c1
( x 2 y 2 ) b2
c2 x2
b2
c2 + y 2
b2
c2
( x 3 y 3 ) b2
c3
b3
c3
b3
c3
8 1
3
1 9 0
1
x3
y3
Contoh 2.5 48 1
12
1
3
14
0
1 59 0
17
2 1
89
3
4 1
1 5 0
2 1
3
2 1
8
9 2 1
7. Jika A dan B adalah dua determinan yang berorde sama, maka det(AB)=det(A)det(B) D1
a11
a12
a 21
a 22
D1 D 2
2.2.
, D2
b11
b12
b21
b22
a11
a12 b11
b12
a 21
a 22 b21
b22
=
, maka:
a11 b11 a12 b21
a11 b12 a12 b22
a 21 b11 a 22 b21
a 21 b12 a 22 b22
PERLUASAN KOFAKTOR Jika A adalah matriks bujur sangkar, maka minor dari elemen a pq dari determinan tingkat n adalah sub determinan tingkat (n-1) yang diperoleh dengan mencoret baris ke p dan kolom ke q, diberi lambang M pq . Kofaktor dari elemen a pq diberi lambang C pq didefinisikan sbb: C pq ( 1) p q M pq
Jika p q genap C pq M pq Jika p q gasal C pq M pq Contoh 2.6 Minor dari elemen a 21 dari determinan tingkat 3 a11
a12
a13
a 21
a 22
a 23 adalah M 21
a 31
a 32
a 33
Anita T. Kurniawati
a12
a13
a 32
a 33
(baris 2 kolom 1 dicoret/dihilangkan) 20
Bab II Determinan NILAI DETERMINAN Misalkan A adalah matriks bujur sangkar, maka yang dimaksud dengan Nilai Determinan Matriks A atau det(A) adalah jumlah hasil elemen-elemen dari sebuah baris (kolom) dengan kofaktor-kofaktor yang bersesuaian. (EXPANSI LAPLACE) det( A) a11C11 a12 C12 a13 C13 a1n C1n (Ekspansi menurut elemen baris ke-1).
Contoh 2.7 3 Hitung determinan A = 2 5
1 4 4
0 3 2
Penyelesaian: Det(A) = 3
4
3
4
2
- (-2)
1
0
4 2
+5
1
0
4 3
= 3(-4) - (-2)(-2) + 5(3) = -1 ATURAN SARRUS (Hanya berlaku untuk det.tingkat/orde 3) a11
a12
a13 a11
a12
det( A) a 21
a 22
a 23 a 21
a 22
a 31
a 32
a 33 a 31
a 32
det( A) (a11 a 22 a33 a12 a 23 a31 a13 a 21 a32 ) (a13 a 22 a31 a11 a 23 a32 a12 a 21 a33 )
Contoh 2.8 Dapatkan nilai determinan berikut: 3
1
2
1
a). 2 3 1 1
2
b). 3 2
1
2
4
5
7
4 8
c).
4
3
2
7
8
1
4
6
6
2
3
11
10
4
5
8
Penyelesaian: 3
1
2 3
1
a) 2 3 1 2 3 1
2
Anita T. Kurniawati
1 1
=(-9-1+8)-(-6-6+2)=8
2
21
Bab II Determinan 2
1
b) 3
5
7 0 , karena b3 2b1 . (Sifat 6)
4 8
2
c)
4
4
3
2
7
8
1
4
6
6
2
3
11
10
4
5
8
0 , karena kolom 1= -2 kali kolom 3 (Sifat 6)
MENGHITUNG DETERMINAN DENGAN MEREDUKSI BARIS Metode ini adalah salah satu cara bagaimana kita bisa mereduksi determinan matriks sehingga pada baris atau kolom akan mengandung / mempunyai elemen yang banyak mengandung elemen nol (0). Dengan demikian akan memudahkan kita dalam menghitung dengan menggunakan ekspansi baris atau kolom yang bayak nol-nya. Contoh 2.9
Hitung determinan
3
2
1
4
15
29
2 14
16
19
3 17
33 39
8 38
Penyelesaian
3
2
1
15
29
2 14
16
19
3 17
33 39
8 38
0 b1 b3
2
7 13 9
Anita T. Kurniawati
4
k1 3 k 3 k 2 2 k3 k 4 4 k3
0
0
1
9
25
2 6
7 13
3 5
9
8
0 b1 5 exp ( 2)
23 6
23
7 5 9 6
0
6
9
25
6
1 7 13
5
exp B1
9
23
6
2( 42 45 ) 6 .
22
Bab II Determinan Teorema: “Jika A adalah suatu matriks segitiga n x n (segitiga atas, segitiga bawah atau diagonal), maka det(A) adalah hasil kali anggota-anggota pada diagonal utamanya; yaitu Det(A) = a11 a22…..ann “ Contoh 2.10 3 8
2
7
3
0
3
7
5 1
0
0
6
7
6 = (2)(-3)(6)(9)(4) = -1296
0
0
0
9
8
0
0
0
0
4
Dengan teorema diatas , suatu matriks dengan ukuran n x n dapat dijadikan /direduksi menjadi matriks segitiga atas / bawah sehingga memudahkan untuk mendapatkan nilai determinannya.
2.3.
APLIKASI DETERMINAN PADA GEOMETRI
PERSAMAAN GARIS LURUS Misalkan A1 = (x1 , y1 ) dan A2 = (x2 ,y2) adalah titik pada sebuah bidang, maka persamaan garis yang melalui kedua titik tersebut ax +by + c + 0 Karena A1 dan A2 terletak pada garis tersebut maka
ax by c 0 1
1
ax by c 0 2
2
Jika ketiga persamaan diatas dihimpun menjadi satu, maka akan terbentuk sistem persamaan linier homogen, yaitu
ax by c 0 ax by c 0 1
1
ax by c 0 2
2
Supaya sistem persamaan linier diatas punya solusi nontrivial, maka determinan matrik koefisien harus sama dengan 0.
x
y
1
x
1
y
1
10
x
2
y
2
1
Anita T. Kurniawati
23
Bab II Determinan Contoh 2.11 Diketahui dua titik A1 = (-1 , 2 ) dan A2 = (0 ,1) pada sebuah bidang, tentukan persamaan garis yang melalui kedua titik tersebut Penyelesaian
x
y 1
1 2 1 0 0
1 1
Sehingga didapatka persamaan garisnya adalah x + y -1 = 0
SOAL-SOAL LATIHAN 1 1. Dapatkan nilai determinan: 3 4 a. 2 6 2. Dapatkan nilai determinan: 4 1 a. 5 2 1 2 3 3 3. Dapatkan nilai determinan: 7
a. D 2
3
3
4
6
1 b. 4 1 3
2 5 1 2
0
1 4
1
5
b.
5
3
2
c.
1
3
2
25
4
2 c. 7 3 4
1 2 1 3
3
1
2
15
2
29 14
2
16
3 19
17
33
8
38
4
1
b. D 2 1 3
1
7
c. D
4
39
4. Dapatkan nilai determinan: 2
1
a. D 2 13
3
3 1
1
2
Anita T. Kurniawati
b. D
1
2
5
4
0
1
2
1
4 0
3 7 3
6
8 3
c. D
9
1 16 1
12
1
8
1
3
3
2
5 2 7
2
24
Bab II Determinan 2.4.
ADJOINT SUATU MATRIKS Jika A adalah matriks n x n dan C ij adalah kofaktor dari a ij maka matriks C11 C 21 C 31
C12 C 22 C 32
C13 C 23 C 33
disebut matriks kofaktor dari A. Transpose dari matriks ini disebut adjoint A dan dinyatakan dengan Adj(A) Contoh 3 2 1 Dapatkan Adjoint dari matriks dibawah ini: A = 1 6 3 2 4 0
Penyelesaian: Kofaktor dari A adalah M 11
6
3
4 0
M 12
1
M 13
1
6
2
4
M 21
3
0 (6) 6
2 0
1
4
0
3
1
2
0
M 23
3
2
2
4
M 31
2
1
6
3
Anita T. Kurniawati
4 (12 ) 16
2
M 22
M 32
0 ( 12 ) 12
3 1 1
3
0 ( 4) 4
0 ( 2) 2
C11 (1)1112 12 C12 (1)1 2 (6) 6 C13 ( 1)13 ( 16 ) 16 C 21 (1) 21 (4) 4 C 22 (1) 2 2 (2) 2
12 ( 4) 16 C 23 ( 1) 2 3 ( 16 ) 16
6 ( 6) 12
C 31 ( 1) 31 (12 ) 12
9 ( 1) 10
C 32 (1) 3 2 (10 ) 10 25
Bab II Determinan M 33
3 2 1 6
C 33 ( 1) 33 (16 ) 16
18 ( 2) 16
12 Sehingga matriks kofaktornya : 4 12
6 2 10
16 16 16
Dan adjoinnya adalah transpose dari matriks kofaktor tersebut, yaitu 4 12 Adj(A)= 6 2 16 16
12 10 16
Dari adj(A) tersebut kita bisa mendapatan invers matriks dengan menggunakan A 1
Jadi A 1
2.5.
4 12 1 2 6 64 16 16
1 adj ( A) A
12 10 16
ATURAN CRAMER Jika Ax = b merupakan suatu sistem n persamaan linier dalam n peubah sedemikian sehingga (A) 0 , maka sistem tersebut mempunyai suatu penyelesaian yang unik. Penyelesaia ini adalah x1
det( A1 ) det( A)
, x2
det( A2 ) det( A)
, x3
det( A3 ) det( A)
, . …… x n
det( An ) det( A)
dengan A j adalah matriks yang diperoleh dengan menggantikan anggota-anggota pada kolom ke-j dari A dengan anggota-anggota pada matriks b1 b2 b . b n
Penyelesaian sistem persamaan diatas dikenal sebagai ATURAN CRAMER Misalkan : Anita T. Kurniawati
26
Bab II Determinan Suatu sistem persamaan linier dengan 3 persamaan dan 3 variabel dibawah ini a1 x a 2 y a3 z k1 b1 x b2 y b3 z k 2 c1 x c 2 y c3 z k 3
maka matriks koefisiennya: a1 A b1 c 1
a3 b3 c3
a2 b2 c2
,
k1 b k2 k 3
Untuk mendapatkan nilai x, y, z nya, a1
a2
a3
k1
a2
a3
a1
k1
a3
det( A) b1
b2
b3 0 , det( A1 ) k 2
b2
b3 , det( A2 ) b1
k2
b3 ,
c1
c2
c3
c2
c3
k3
c3
a1
a2
k1
det( A3 ) b1
b2
k2
c1
c2
k3
Maka: x
det( A1 ) det( A)
;y
det( A2 ) det( A)
k3
;z
det( A3 ) det( A)
c1
.
Contoh Gunakan Aturan Cramer untuk menyelesaikan x+
+ 2z = 6
-3x + 4y + 6z = 30 -x - 2y + 3z = 8 Penyelesaian. 1 det( A) 3
0
2
6
0
2
4
6 44 , det( A1 ) 30
4
6 40 , det( A2 ) 3 30
1 2 3
Anita T. Kurniawati
8
2 3
1 1
6 8
2 6 72 3
27
Bab II Determinan 1 det( A2 ) 3
0
6
4
30 152
1 2
x
8
det( A3 ) 152 38 det( A1 ) 40 10 det( A2 ) 72 18 ;y ;z det( A) 44 11 det( A) 44 11 det( A) 44 11
SOAL-SOAL LATIHAN 2 1. Dapatkan semua minor maupun kofaktor dari matriks dibawah ini 1 2 3 A 6 7 1 3 1 4 2. Dengan menggunakan rumus invers dari penggunaan matriks adjoin dapatkan A-1 dari: 5 5 2 A 1 1 0 2 4 3
2 0 3 A 0 3 2 2 0 4
2 3 5 A 0 1 3 0 0 2
3. Selesaikan dengan Aturan Cramer a. 7x -3y = 3 3x + y = 5
b. 4x + 5y
=2
11x + y + 2z = 3 x + 5y + 2z = 1
Anita T. Kurniawati
c. x1 – 3x2 + x3 = 4 2x1 –x2 4x1
= -2 – 3x3 = 0
28
Bab III Vektor dalam R2 dan R3
BAB III
VEKTOR DALAM R2 DAN R3
Dalam bagian ini akan dibahas masalah vekto-vektor dalam ruang berdimensi 2 dan berdimensi 3, operasi-operasi aritmetika pada vektor juga akan didefinisikan dan beberapa sifat-sifat dasar operasi-operasi tersebut.
3.1.
VEKTOR DALAM DIMENSI-2 dan DIMENSI -3 Pengantar Vektor Skalar adalah sebuah besaran yang tidak memiliki arah atau suatu kuantiti yang hanya mempunyai besar saja. Sedangkan vektor adalah sebuah besaran yang mempunyai arah. Contoh dari besaran vektor adalah kecepatan, percepatan, gaya. Sedangkan contoh untuk besaran skalar adalah waktu, temperatur, massa, panjang, bilangan real. Vektor bisa ditulis secara geometris sebagai ruas garis yang berarah dalam ruang dimensi-2 dan dimensi-3. Arah panah menunjukan arah vektor. contoh B
biasanya vektor disamping ditulis v = AB a
v
A
Ekor dari panah diatas disebut pangkal vektor dan ujung panah disebut titik ujung. Vektor biasanya dinotasikan dengan huruf kecil tebal ( misalnya, a,k,v,w dan x )
Anita T. Kurniawati
30
Bab III Vektor dalam R2 dan R3 Operasi pada vektor Dua vektor yang sama / ekuivalen Dua vektor dikatakan sama
a
a b
jika searah dan sama panjang.
b
Jumlah dua vektor Jika a dan b adalah dua vektor sebarang, maka jumlah a + b adalah vektor yang ditentukan sebagai berikut : Letakan vektor b sedemikian sehingga titik pangkalnya bertautan dengan titik ujung vektor a. Vektor a + b didefinisikan oleh panah dari titik pangkal a ke titik ujung b .
b
b
a
a c ab .
ab ba
b
Selisih dua vektor Jika a dan b adalah dua vektor sebarang, maka selisih b dari a didefinisikan sebagai a-b = a + (-b) b
-b
-b
atau
a
a
a-b
a-b b
Untuk mendapatkan selisih a-b tanpa menyusun –b, posisikan a dan b sehingga titik-titik pangkalnya berimpitan; Vektor dari ujung b ke titik ujung a adalah vektor a - b.
Anita T. Kurniawati
31
Bab III Vektor dalam R2 dan R3 Vektor dalam dimensi-3
i, j , k adalah vektor-vektor satuan masing-
Z
P(x,y,z)
masing pada arah sumbu X, sumbu Y, sb. Z
r
i 1, j 1, k 1 .
k
Vektor posisi
i
O
j
Y
r xi y j z k r
X
r dari O ke P(x,y,z) adalah dengan panjang
x2 y2 z2 .
Komponen-komponen suatu vektor
OA a a i a j a k
Z
1
2
3
A3
ak
P proyeksi A pada bidang XOY
3
OA a i , OA a j , OA a k PA
A( a1 , a 2 , a 3 )
a j 2
A2
ai 1
1
Y
2
2
3
3
OP OA OA a i a j 1
2
1
2
a OA OP PA a i a j a k 1
A1
P
3
a a a a a
X
2
2
2
2
1
2
3
Sifat-sifat Operasi Vektor Jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi-2 dan ruang berdimensi-3 dan k , l adalah skalar, maka a. u + v = v + u b. (u + v) + w = u + ( v + w ) c. u + 0 = 0 + u = u d. u + (-u) = 0 e. k(u + v ) = ku + kv f. (k + l )u = ku + lu
Anita T. Kurniawati
32
Bab III Vektor dalam R2 dan R3 Contoh Jika a = (1,-3,2) dan b = (4,2,1) maka A + b = ( 5,-1,3) , 2a = (2,-6,4),
a-b = (-3,-5,1)
SOAL-SOAL LATIHAN 1 1. Gambar vektor-vektor berikut dengan titik pangkal diletakkan pada titik asal : a. v1 = (3, 6)
b. v2 = (-4, -8)
c. v3 = (3, 4, 5)
d. v4 = (3, 3, 0)
e. v5 = (0, 0, 3)
f. v6 = (-2, -3, -4)
2. Misalkan u = (-3, 1, 2), v = (4, 0, -8), dan w = (6, -1, -4) cari komponen dari a). v – w
b). 6u + 2v c). –v + u
d). 5(v – 8w)
e). -3(v – w)
3. Jika u, v,dan w adalah sebarang vektor-vektor, dapatkan a, b, c sedemikian sehingga au + bv + cw = (2, 0, 4) 4. Dapatkan a, b,dn c sedemikian sehingga a(-2, 9, 6) + b(2, 1, 1) + c(0, 3, 1) = (0, 0, 0)
3.2.
NORMA SUATU VEKTOR dan HASIL KALI TITIK (Dot Product) DEFINISI NORMA SUATU VEKTOR Panjang suatu vektor u atau norma ( 𝑢 ) didefinisikan 𝑢 =
𝑢12 + 𝑢22
𝑢 =
𝑢12 + 𝑢22 + 𝑢32 ( norma vektor u = (u1,u2,u3) dalam ruang berdimensi-3)
(norma vektor u = (u1,u2) dalam ruang berdimensi-2)
Jika P(x1,y1,z1) dan Q(x2,y2,z2) adalah dua titik dalam ruang berdimensi-3, maka jarak antara kedua titik tersebut adalah norma vektor 𝑃𝑄 = Z
𝑥1 − 𝑥2
2
+ (𝑦1 − 𝑦2 )2 + (𝑧1 − 𝑧2 )2 Q(x2,y2,z2)
P(x1,y1,z1) Y
X Anita T. Kurniawati
33
Bab III Vektor dalam R2 dan R3 Contoh a. Norma Vektor u = (-3,2,1) adalah (−3)2 + 22 + 12 = 14
𝑢 =
b. Jarak antara titik P(2,-1,-5) dan Q(4,-3,1) adalah 𝑃𝑄 =
2
4−2
+ (−3 + 1)2 + (1 + 5)2 = 44 = 2 11
HASIL KALI TITIK (Dot Product) Definisi Hasil Kali Titik Jika u dan v adalah vektor-vektor dalam ruang berdimensi-2 atau berdimensi-3 dan adalah sudut antara u dan v, maka hasil kali titik atau hasil kali dalam Euclidean didefinisikan sebagai
𝑢 0
u v =
𝑣 𝑐𝑜𝑠 𝜃 𝑗𝑖𝑘𝑎 𝑢 ≠ 0 𝑑𝑎𝑛 𝑣 ≠ 0 𝑗𝑖𝑘𝑎 𝑢 = 0 𝑎𝑡𝑎𝑢 𝑣 = 0
Rumus komponen untuk hasil kali titik Misal u =(u1,u2,u3) dan v = (v1,v2,v3) maka
uv = u1v1 + u2v2 + u3v3 Sedangkan untuk mendapatkan sudut antara dua vektor :
𝑐𝑜𝑠𝜃 =
𝑢∙𝑣 𝑢
𝑣
Contoh Misalkan u (2,-1,1) dan v = (1,1,2) , dapatkan uv dan tentukan sudut antara u dan v Penyelesaian
uv = u1v1 + u2v2 + u3v3 = (2)(1) + (-1)(1) + (1)(2) = 3 𝑐𝑜𝑠𝜃 =
Anita T. Kurniawati
𝑢∙𝑣 𝑢
𝑣
=
3 6
1
=2 6
34
Bab III Vektor dalam R2 dan R3 Sifat-Sifat Hasil Kali Titik Jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi 2 atau berdimensi 3 dan k adalah suatu skalar, maka : a. u v = v u b. u (v + w) = u v + u w c. k(u v) = (ku) v = u (kv) d. v v 0 jika v 0, dan v v = 0 jika v = 0 PROYEKSI ORTOGONAL Vektor-vektor yang tegak lurus disebut juga vektor-vektor ortogonal. Dua vektor u dan v ortogonal (tegak lurus) jika dan hanya jika uv = 0.
u w2
u w1
a
w2 w1
a
Vektor u adalah jumlah dari w1 dan w2 , dimana w1 sejajar dengan a dan w2 tegak lurus dengan a. Vektor w1 disebut proyeksi ortogonal dari u pada a atau komponen vektor dari u yang sejajar dengan . ini dinyatakan dengan
Proya u =
𝑢 ∙𝑎 𝑎
2
𝑎
Sedangkan vektor w2 disebut vektor yang ortogonal terhadap a. Karena w2= u-w, maka vektor ini bisa ditulis sebagai
u - Proya u = u -
𝑢 ∙𝑎 𝑎
2
𝑎
Contoh Misal u = (2,-1,3) dan a = (4,-1,2). Dapatkan komponen vektor dari u yang sejajar vektor a dan vektor yang ortogonal terhadap a Penyelesaian ua = (2)(4) + (-1)(-1) + (3)(2) = 15 𝑎
2
= 42 + (-1)2 + 22 = 21
Jadi, komponen vektor u yang sejajar a adalah
Proya u =
𝑢 ∙𝑎
𝑎 𝑎 2
15
20
5 10
= 21 4, −1,2 = ( 7 , − 7 , 7 )
Dan komponen vektor u yang ortogonal terhadap a adalah u - Proya u = u Anita T. Kurniawati
𝑢 ∙𝑎
𝑎 𝑎 2
20
5 10
= (2,-1,3) – ( 7 , − 7 ,
7
6
2 11
) =(− 7 , − 7 , 7 ) 35
Bab III Vektor dalam R2 dan R3 Secara ilustrasi geometris dapat digambar seperti dibawah ini
u
u
𝑢 cos
- 𝑢 cos
a
𝜋
𝜋
0 2
2
a
<𝜃≤𝜋
SOAL- SOAL LATIHAN 2 1. Dapatkan norma dari vektor v a. v = (4, -3) b. (2, 2, 2)
c. v = (-7, 2, -1)
2. Dapatkan jarak antara A dan B a. A(3, 4), B(5, 7) c. A(7, -5, 1), B(-7, -2, -1)
b. A(-3, 6), B(-1, -4) d. A(3, 3, 3), B(6, 0, 3)
d. v = ( 0, 6, 0)
3. Jika u = ( 2, -2, 3), v = (1, -3, 4), dan w = (3, 6, -4), maka tunjukkan : a. 𝑢 + 𝑣 b. 𝑢 + 𝑣 c. −2𝑢 + 2 𝑢 d. 3𝑢 − 5𝑣 + 𝑤 4. Dapatkan uv a. u = (2, 3), v = (5, -7) b. u = (1, -5, 4), v = (3, 3, 3)
b. u = (-6,-2), v = (4, 0) d. u = (-2, 2, 3), v = (1, 7, -4)
5. Dapatkan proyeksi ortogonal dari u terhadap a a. u = (6, 2), a = (3, -9) b. u = (-1, -2), a = (-2, 3) c. u = (3, 1, -7), a = (1, 0, 5) d. u = (1, 0, 0), a = (4, 3, 8)
3.3.
HASIL KALI SILANG (Cross Product) Definisi Hasil Kali Silang Jika u =(u1,u2,u3) dan v = (v1,v2,v3) adalah vektor-vektor dalam ruang berdimensi 3, maka hasil kali silang u x v adalah vektor yang didefinisikan sebagai u x v = (u2v3- u3v2, u3v1- u1v3, u1v2- u2v1) atau dalam notasi determinan uxv=
Anita T. Kurniawati
𝑢2 𝑣2
𝑢3 𝑢1 𝑣3 , − 𝑣1
𝑢3 𝑣3 ,
𝑢1 𝑣1
𝑢2 𝑣2
36
Bab III Vektor dalam R2 dan R3 Contoh Dapatkan u x v, dimana u = (1,2,-2) dan v = (3,0,1) Penyelesaian uxv=
2 −2 1 , − 0 1 3
−2 , 1
1 3
2 0
= (2,-7,-6)
Hubungan antara Hasil kali Titik dan Hasil Kali Silang Jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi 3, maka : a. b. c. d. e.
u (u x v) = 0 v (u x v) = 0 𝑢𝑥𝑣 2 = 𝑢 2 𝑣 2 − (𝑢 ∙ 𝑣)2 u x (v x w) = (u w)v - (u v)w (u x v) x w = (u w)v - (v w)u
Sifat-Sifat Aritmetika Hasil Kali Silang Jika u, v, dan w adalah vektor-vektor dalam ruang berdimensi 3 dan k adalah sebarang skalar, maka : a. b. c. d. e. f.
u x v = - (v x u) u x (v x w) = (u x v) + (u x w) (u x v) x w = (u x w) + (v x w) k(u x v) = (ku) x v = u x (kv) ux0=0xu=0 uxu=0
Vektor-vektor yang mempunyai panjang satu dan terletak disumbuh koordinat disebut vektor satuan standart. Setiap vektor v = (v1, v2, v3) dalam ruang berdimensi 3 dapat dinyatakan dalam bentuk i, j, dan k v = (v1, v2, v3) = v1(1,0,0) + v2 (0,1,0) + v3(0,0,1) = v1i + v2j + v3k Contoh. Misalkan v = (2, -3, 4) = 2i – 3j + 4k z
ixi=jxj=kxk=0 ixj=k;jxk=i;kxi=j
(0,0,1)
j x i = -k ; k x j = -i ; i x k = -j
k i
j (0,1,0)
y
(1,0,0) x Gambar . Vektor satuan standart Anita T. Kurniawati
37
Bab III Vektor dalam R2 dan R3 Interpretasi Geometris dari Hasil Kali Silang Luas jajaran genjang yang dibentuk u dan v, adalah : L u xv
i
j
k
u1
u2
u3
v1
v2
v3
i
j
k
u1
u2
u3
v1
v2
v3
Luas segitiga yang dibentuk u dan v : 1 1 L u x v 2 2
Volume balok miring (Paralelepipedum) dengan sisi-sisi u, v, w : V u v x w
u1
u2
u3
v1
v2
v3
w1
w2
w3
Contoh 1. Dapatkan luas segitiga yang titik-titik sudutnya P(2, 3, 5); Q(4, 2, -1); R(3, 6, 4) Penyelesaian:
PQ 4 2 i 2 3 j 1 5 k 2i j 6 k PR 3 2 i 6 3 j 4 5 k i 3 j k Luas segitiga:
L
1 1 PQ x PR 2i j 6 k x i 3 j k 2 2
i 1 |2 2 1
j
k
1 1 1 1 6 | 19 i 4 j 7 k 19 4 7 426 2 2 2 3 1 2
2
.
2
2. Dapatkan volume parallelepipedum yang sisi-sisinya au 2 i 3 j 4 k , v i 2 j k , w 3i j 2 k . Penyelesaian: 2 3 V u v x w | 1 3
Anita T. Kurniawati
4
2
1 | 7 7 .
1
2
38
Bab III Vektor dalam R2 dan R3
SOAL-SOAL LATIHAN 3 1. Jika u = (3, 2, -1), v = (0, 2, -3), dan w = (2, 6, 7). Dapatkan a. u x v
b. u x (v x w)
c. (u x v) x w
d. (u x v) x (v x w)
e. u x(v – 2w)
f. (u x v) – 2w
2. Dapatkan luas segitiga yang mempunyai titik-titik sudut berikut: a). A(0,0,0); B(1,2,3); C(2,-1,4)
b). D(1,0,0); E(0,1,0); F(1,1,1)
3. Dapatkan luas jajaran genjang yang dibentuk oleh dua buah vektor: a). a 3i 2 j dan b 2 j 4 k
b). a i 2 j 2 k dan b 3i 2 j k .
4. Dapatkan isi parallelepipedum yang sisi-sisinya OA, OB, OC dimana A(1,2,3); B(1,1,2); C(2,1,1).
Anita T. Kurniawati
39
Bab IV Ruang-Ruang Vektor
BAB IV RUANG-RUANG VEKTOR
Dalam bagian ini akan dibahas masalah vekto-vektor dalam ruang berdimensi yang lebih luas lagi yaitu ruang berdimensi–n, meskipun pengambaran secara geometris tidak melebihi ruang berdimensi-3. Untuk itu dalam hal ini akan dipelajari berdasarkan sifat-sifat dari titik dan vektor tersebut.
4.1.
RUANG BERDIMENSI-n EUCLIDEAN Definisi Vektor Dalam Ruang Berdimensi-n Jika n adalah bilangan bulat positif, maka ganda-n berurut adalah sederet n bilangan real. Semua himpunan ganda-n berurut disebut ruang berdimensi-n (Rn) Operasi-operasi pada Rn : a. Dua Vektor u = (u1, u2,..., un) dan v = (v1, v2,..., vn) dalam Rn disebut sama jika u1= v1, u2 = v2, ......,un = vn b. Jumlah u + v didefinisikan sebagai u + v = (u1+ v1, u2 + v2, ......,un + vn) c. Perkalian skalar ku didefinisikan sebagai ku = (ku1, ku2,...,ku3) Sifat-sifat operasi vektor dalam Rn Jika u = (u1, u2,..., un), v = (v1, v2,..., vn), dan w = (w1, w2,..., wn) adalah vektorvektor dalam ruang berdimensi-n dan k , l adalah skalar, maka a. u + v = v + u b. (u + v) + w = u + ( v + w ) c. u + 0 = 0 + u = u d. u + (-u) = 0 e. k(u + v ) = ku + kv f. (k + l )u = ku + lu g. lu = u
Anita T. Kurniawati
40
Bab IV Ruang-Ruang Vektor Ruang Berdimensi-n EUCLIDEAN Jika u =(u1,u2,...,un) dan v = (v1,v2, ...,vn) adalah sebarang vektor dalam Rn , maka hasil kali dalam Euclidean uv didefinisikan
u v = u1v1 + u2v2 + .....+ unvn Contoh Dapatkan hasil kali dalam Euclidean dari vektor-vektor dalam R4 dibawah ini: u = (-1, 3, 5, 7) dan v = (5, -4, 7, 0) penyelesaian
u v = (-1)(5) + (3)(-4) + (5)(7) + (7)(0) = 18 Sebuah ruang Rn yang ditunjukan dengan operasi penjumlahan, perkalian skalar dan hasil kali dalam Euclidean disebut sebagai Ruang berdimensi-n Euclidean Jika u, v, dan w adalah vektor-vektor dalam Rn dan k adalah suatu skalar, maka : a. b. c. d.
uv=vu u (v + w) = uv + uw k(u v) = (ku) v = u (kv) v v 0 jika v 0, dan v v = 0 jika v = 0
Norma dan Jarak dalam Ruang Berdimensi-n Misalkan u =(u1,u2,...,un), Norma atau panjang dalam Rn dari vektor u disebut norma Euclidean (panjang Euclidean) vektor u yang didefinisikan 𝑢 =
𝑢12 + 𝑢22 + ⋯ + 𝑢𝑛2
Sedangkan jarak Eucliden antara titik-tik u =(u1,u2,...,un) dan v =(v1,v2,...,vn) dalam Rn didefinisikan sebagai 𝑑 𝑢, 𝑣 = 𝑢 − 𝑣 =
(𝑢1 − 𝑣1 )2 + (𝑢2 − 𝑣2 )2 + ⋯ + (𝑢𝑛 − 𝑣𝑛 )2
Contoh Jika u = (1, 3, -2, 7) dan v = (0, 7, 2, 2) dalam ruang Euclidean R4, dapatkan norma u dan jarak antara titik u dan v penyelesaian 𝑢 =
(1)2 + (3)2 + (−2)2 + (7)2 = 63 = 3 7
𝑑 𝑢, 𝑣 =
Anita T. Kurniawati
dan
(1 − 0)2 + (3 − 7)2 + (−2 − 2)2 + (7 − 2)2 = 58
41
Bab IV Ruang-Ruang Vektor Teorema Jika u dan v adalah vektor-vektor dalam Rn dan k adalah sebarang skalar, maka: a. b. c. d.
𝑢 ≥0 𝑢 = 0 𝑗𝑖𝑘𝑎 𝑑𝑎𝑛 ℎ𝑎𝑛𝑦𝑎 𝑗𝑖𝑘𝑎 𝑢 = 0 𝑘𝑢 = 𝑘 𝑢 𝑢+𝑣 ≤ 𝑢 + 𝑣
Keortogonalan Dua vektor u dan v dalam Rn disebut orthogonal jika u v = 0. Contoh Misalkan: u = (-2, 3, 1, 4) dan v = (1, 2, 0, -1) adalah vektor dalam ruang Euclidean R4. Tunjukan bahwa u orthogonal dengan v. Penyelesaian. Akan ditunjukkan bahwa u v = 0 u v = (-2)(1) + (3)(2) + (1)(0) + (4)(-1) = -2 + 6 + 0 + (-4) = 0 karena u v = 0 maka u orthogonal dengan v.
Jika u dan v adalah vektor-vektor orthogonal dalam Rn denan hasil kali dalam Euclidean, maka 𝑢+𝑣
2
= 𝑢
2
+ 𝑣
2
SOAL LATIHAN 1 1. Misalkan u = (-3, 2, 1, 0), v = (4, 7, -3, 2), dan w = (, -2, 8, 1). Dapatkan: a. v – w
b. 2u + 7v
c. –u + (v – 4v)
d. 6(u – 3v)
e. –v – w
f. (6v – w) – (4u + v)
2. Misalkan diberikan u = (4, 1, 2, 3), v = (0, 3, 8, -2), dan w = (3, 1, 2, 2). Hitunglah : a. 𝑢 + 𝑣
b. 𝑢 + 𝑣
d. 3𝑢 − 5𝑣 + 𝑤
e.
Anita T. Kurniawati
1 𝑤
𝑤
c. −2𝑢 + 2 𝑢 f.
1 𝑤
𝑤
42
Bab IV Ruang-Ruang Vektor 3. Dapatkan jarak Euclidean antara u dan v a. u = (1,-2) dan v = (2, 1)
b. u = (2, -2, 2) dan v = (0, 4, -2)
c. u = (0, -2, -1, 1) dan v = (-3, 2, 4, 4)
d. u = (3,-3,-2,0, -3) dan v = (-4,1,-1,5, 0)
4. Untuk nilai k berapakah u dan v orthogonal? a.u = (2, 1, 3) dan v = (1, 7, k)
4.2.
b. u = (k, k,1) dan v = (k, 5, 6)
RUANG VEKTOR UMUM Definisi Misalkan V adalah sebarang himpunan tak kosong dari objek dimana dua operasi didefinisikan, yaitu penjumlahan dan perkalian dengan skalar (bilangan). Penjumlahan yang dimaksud adalah suatu aturan yang menghubungkan setiap objek u dan v dalam V dengan suatu objek u + v, yang disebut jumlah u dan v. Sedangkan perkalian scalar adalah suatu aturan yang menghubungkan setiap skalar dan setiap objek u dalam V dengan ku, yang disebut perkalian skalar dari u dengan k. Untuk bisa dikatakan sebagai RUANG VEKTOR, maka V harus memenuhi aksiomaaksioma berikut, yaitu: Misalkan u, v, w dalam V dan k dan l adalah scalar 1. 2. 3. 4.
Jika u dan v adalah objek-objek dalam V, maka u + v berada dalam V u+v=v+u u + (v + w) = (u + v) + w Ada suatu objek 0 dalam V, yang disebut suatu vector nol untuk V, sedemikian sehingga 0 + u = u + 0 = u untuk semua u dalam V 5. Untuk setiap u dalam V, ada suatu objek –u dalam V, yang disebut negative dari u, sedemikian sehingga u +(-u) = (-u) + u = 0 6. Jika k adalah sebarang scalar dan u adalah sebarang objek dalam V, maka ku ada dalam V 7. k(u + v) = ku + kv 8. (k + l)u = ku + lu 9. k(lu) = (kl)u 10. lu = u Untuk skalar bisa berupa bilangan real maupun bilangan kompleks. Ruang vektor yang skalarnya berupa bilangan real disebut ruang vektor real. Sedangkan ruang vektor yang skalarnya berupa bilangan kompleks disebut ruang vektor kompleks.
Anita T. Kurniawati
43
Bab IV Ruang-Ruang Vektor Contoh ruang vektor Tunjukkan bahwa himpunan V dari semua matriks 2 x 2 dengan anggota bilangan real merupakan suatu ruang vektor. Penyelesaian Untuk menunjukkan V adalah ruang vektor, maka harus diperiksa aksioma yang menjadi syarat ruang vektor. Untuk lebih mudahnya ambil urutan sebagai berikut : 1, 6, 2, 3, 7, 8, 9, 4, 5, dan 10. Misal
𝑢11 𝑢= 𝑢 21
𝑢12 𝑣11 𝑢22 dan 𝑣 = 𝑣21
𝑣12 𝑣22
Aksioma 1. Tunjukkan u + v ada dalam V atau u + v adalah matriks ukuran 2 x 2 𝑢11 𝑢+𝑣 = 𝑢 21
𝑢12 𝑣11 𝑢22 + 𝑣21
𝑣12 𝑢11 + 𝑣11 𝑣22 = 𝑢21 + 𝑣21
𝑢12 + 𝑣12 𝑢22 + 𝑣22
Dari hasil penjumlahan dapat ditunjukan u + v adalah matriks ukuran 2 x 2 Aksioma 6 Untuk sebarang bilangan k, maka kita dapatkan 𝑢11 𝑘𝑢 = 𝑘 𝑢 21
𝑢12 𝑘𝑢11 𝑢22 = 𝑘𝑢21
𝑘𝑢12 𝑘𝑢22
Aksioma 2. 𝑢11 𝑢+𝑣 = 𝑢 21
𝑢12 𝑣11 𝑢22 + 𝑣21
𝑣12 𝑣11 𝑣22 = 𝑣21
𝑣12 𝑢11 𝑣22 + 𝑢21
𝑢12 𝑢22 = 𝑣 + 𝑢
Demikian juga untuk aksioma 7, 8, dan 9 Untuk aksioma 5 −𝑢11 −𝑢 = −𝑢 21
−𝑢12 −𝑢22 , akan ditunjukan bahwa u + (-u) = 0
𝑢11 𝑢12 −𝑢11 𝑢 + −𝑢 = 𝑢 + −𝑢21 21 𝑢22 Untuk aksioma 10 𝑢11 1𝑢 = 1 𝑢 21
𝑢12 𝑢11 = 𝑢22 𝑢21
−𝑢12 0 0 −𝑢22 = 0 0 = 0
𝑢12 𝑢22 = 𝑢
Jadi karena semua aksioma terpenuhi, maka V adalah ruang vektor
Anita T. Kurniawati
44
Bab IV Ruang-Ruang Vektor 4.3.
SUB - RUANG Definisi Suatu himpunan bagian W dari suatu ruag vektor V disebut suatu sub-ruang dari V jika W sendiri adalah suatu ruang vektor dibawah penjumlahan danperkalian skalar yang didefinisikan pada V. Teorema Jika W adalah suatu himpunan satu atau lebih vektor dari suatu ruang vektor V, maka W adalah sub-ruang dari V jika dan hanya jika syarat-syarat berikut terpenuhi: a. Jika u dan v adalah vektor-vektor dalam W, maka u + v ada dalam W b. Ika k adalah sebarang skalar dan u adalah sebarang vektor dalam W, maka ku ada dalam W Contoh sub-ruang: Sub-ruang dari R2 1. {0} 2. Garis-garis yang melalui titik asal 3. R2 Sub-ruang dari R3 1. 2. 3. 4.
{0} Garis-garis yang melalui titik asal Bidang-bidang yang melalui titik asal R3
Ruang-ruang Vektor Penyelesaian untuk Sistem – Sistem Homogen Jika Ax = 0 adalah suatu sistem linier homogen dari m persamaan dalam n peubah, maka himpunan penyelesaiannya adalah sub-ruang dari Rn Contoh Tinjau sistem dibawah ini 1 −2 3 𝑢 = 2 −4 6 3 −6 9
𝑥 0 𝑦 = 0 𝑧 0
Penyelesaian: Penyelesaiannya adalah x = 2s – 3t, y = s, z = t yang daripadanya didapatkan bahwa x = 2y – 3z atau x – 2y + 3z = 0 ini adalah persamaan bidang yang melalui titik asal dengan n = (1, -2, 3) sebagai suatu vektor normalnya.
Anita T. Kurniawati
45
Bab IV Ruang-Ruang Vektor Kombinasi Linier Vektor-vektor Suatu vektor w disebut suatu kombinasi linier dari vektor-vektor v1, v2, … , vr jika bisa dinyatakan dalam bentuk w = k1v1 + k2v2 + … + krvr dengan k1, k2, …, kr adalah skalar Contoh Misalkan vektor u = (1, 2, -1) dan v = (6, 4, 2) dalam R3. Tunjukan bahwa w = (9, 2, 7) adalah kombinasi linier dari u an v dan w’ = (4, -1, 8) bukanlah kombinasi linier dari u dan v. Penyelesaian. Agar w menjadi suatu kombinasi linier, maka harus ada skalar k1 dan k2 sedemikian sehingga w = k1u + k2v ; yaitu (9, 2, 7) = k1(1, 2, -1) + k2(6, 4, 2) atau (9, 2, 7) = (k1 + 6k2, 2 k1 + 4k2, - k1 + 2k2) Sehingga didapatkan k1 + 6k2 = 9 2 k1 + 4k2 = 2 - k1 + 2k2 = 7 Dari persamaan diatas didapatkan k1 = -3 dan k2 = 2, sehingga w = -3u +2v demikian juga untuk w’. (4, -1, 8) = k1(1, 2, -1) + k2(6, 4, 2) atau (4, -1, 8) = (k1 + 6k2, 2 k1 + 4k2, - k1 + 2k2) Sehingga didapatkan k1 + 6k2 = 4 2 k1 + 4k2 = -1 - k1 + 2k2 = 8 Dari persamaan diatas, tidak didapatka sebuah penyelesaian karena sistem tersebut tidak konsisten, sehingga tidak ada skalar k1 dan k2 yang memenuhi.
4.4.
KEBEBASAN LINIER Definisi Kebebasan Linier Jika S = { v1, v2, …, vn) adalah suat himpunan vektor-vektor tak kosong, maka persamaan vektor k1v1 + k2v2 + ….+ knvn = 0 mempunyai paling tidak satu penyelesaian, yaitu k1 =0, k2 =0 , …. kn = 0 Jika ini adalah satu-satunya penyelesaian, maka S disebut suatu himpunan yang bebas secara linier. Jika ada penyelesaian-penyelesaian lainnya, maka S disebut himpunan yang tak-bebas secara linier.
Anita T. Kurniawati
46
Bab IV Ruang-Ruang Vektor Contoh Tentukan apakah vektor-vektor v1 = (1, -2, 3), v2 = (5, 6, -1), v3 = (3, 2, 1) membentuk suatu himpunan yang tak-bebas secara linier atau himpunan yang bebas secara linier. Penyelesaian Dalam bentuk komponen, persamaan vektor k1v1 + k2v2 + k3v3 = 0 menjadi k1(1, -2, 3) + k2(5, 6, -1) + k3(3, 2, 1) = (0, 0, 0) atau ( k1 + 5k2 + 3k3, -2k1 + 6k2 + 2k3, 3k1 - k2 + k3 ) = ( 0, 0, 0) Dengan menyamakan komponen yang berpadanan didapatkan k1 + 5k2 + 3k3 = 0 -2k1 + 6k2 + 2k3 = 0 3k1 - k2 + k3 = 0 Penyelesaian sistem diatas adalah 1
1
k1 = − 2 𝑡 , k2 = − 2 𝑡 , k3 = 𝑡 Jadi sistem tersebut mempunyai penyeesaian tak-trivial, sehingga vektor-vektor diatas membentuk himpunan yang tak bebas secara linier Interpretasi Geometris dari Kebebasan Linier Kebebasan linier mempunyai suatu interpretasi geometris yang berguna dalam R 2 dan R3
Dalam R2 atau R3 , suatu himpunan du vektor bebas secara linier jika dan hanya jika vektor-vektor terebut idak terletak pada garis yang sama jika keduanya ditempatkan dengan titik-titik pangkalnya dititik asal.
Anita T. Kurniawati
47
Bab IV Ruang-Ruang Vektor
z
z
z
v2
v1
v1
v1
v2 y v2
x
y
x
a. tak-bebas secara linier
y
x
b. tak-bebas secara linier
c. bebas secara linier
Dalam R3 , suatu himpunan tiga vektor bebas secara linier jika da hanya jika vektor-vektor tersebut tidak terletak pada bidang yang sama jka ketiganya ditempatkan dengan titik-titik pangkalnya pada titik asal. z
z
v3
z v3
v2
v2 y
v2 dan v3 sebidang (tak bebas secara linier)
v2 y
v1 x
v3
y
v1 x
v2 dan v3 sebidang (tak bebas secara linier)
v1 x
tidak ada yg sebidang (bebas secara linier)
LATIHAN-LATIHAN SOAL 2 1. Manakah dari himpunan vektor-vektor dalam R3 berikut ini yang tak-bebas secara linier a. (4, -1, 2), (-4, 10, 2) b. (-3, 0, 4), (5, -1, 2), (1, 1, 3) c. (8, -1, 3), (4, 0, 1) d. (2, 0, 1), (3, 2, 5), (6, -1, 1), (7, 0, -2) 2. Manakah dari himpunan vektor-vektor dalam R4 berikut ini yang tak-bebas secara linier a. (4, 8, 7, -3), (1, 5, 3, -1), (2, -1, 2, 6), (1, 4, 0, 3) b. (0, 0, 2, 2), (3, 3, 0, 0), (1, 1, 0, -1) c. (0, 3, -3, -6), (-2, 0, 0, -6), (0, -4, -2, -2), (0, -8, 4, -4) d. (3, 0, -3, 6), (0, 2, 3, 1), (0, -2, -2, 0), (-2, 1, 2, 1) Anita T. Kurniawati
48
Bab V Nilai Eigen dan Vektor Eigen
BAB V
NILAI EIGEN DAN VEKTOR EIGEN
Dalam bagian ini akan dibahas masalah vector-vektor tak nol yang dipetakan kedalam kelipatan-kelipatan scalar dari dirinya sendiri oleh operator linier. Umumnya permasalahan ini muncul dalam studi mengenai vibrasi, genetika, dinamika populasi, mekanika kuantum, dan ekonomi, seperti yang biasa dipelajari dalam geometri.
6.1. Definisi Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah vektor kolom X. Vektor X adalah vektor dalam ruang Euklidian R n yang dihubungkan dengan sebuah persamaan: AX X
dinamakan Dimana adalah suatu skalar dan X adalah vektor yang tidak nol Skalar nilai Eigen dari matriks A. Nilai eigen adalah nilai karakteristik dari suatu matriks bujur sangkar. Vektor X dalam persamaan (7.1) adalah suatu vektor yang tidak nol yang memenuhi persamaan (7.1) untuk nilai eigen yang sesuai dan disebut dengan vektor eigen. Jadi vektor X mempunyai nilai tertentu untuk nilai eigen tertentu.
Contoh 1 4 0 Misalkan Sebuah vektor X dan sebuah matriks bujur sangkar orde 2 x 2 A , 4 2 2 Apabila matriks A dikalikan dengan X maka: AX
4 0 1 4 0 4 = = = 4 2 2 4 4 8
Dimana:
Anita T. Kurniawati
49
Bab V Nilai Eigen dan Vektor Eigen 4 8
1 = 4 = X 2
Dengan konstanta 4 dan 4 0 1 1 4 2 2 = 4 2
Memenuhi persamaan (7.1). 4 0 sangkar A 4 2
Konstanta 4 dikatakan nilai eigen dari matriks bujur
Contoh 2 Sebuah vektor X dan sebuah matriks A 1
1 1 0 3 .
Apabila matriks A dikalikan X didapat: AX
1 4 2 2 4 6 = = = 0 3 1 0 3 3
Dimana: 6 3
2 = 3 = X 1
1 4 dengan 3. Maka 3 adalah nilai eigen dari matriks A . 0 3
Contoh 0 Sebuah vektor X dan mateiks A 1 AX
4 8
0 bila matriks A dikalikan dengan X maka: 2
4 0 0 0 0 0 = = = 8 2 1 0 2 2
Dimana: 0 2
0 0 = 2 = dengan 2. 1 1
4 0 0 2 adalah nilai eigen dari matriks dan vektor X adalah vektor eigen dari 8 2 1 4 0 matriks yang bersesuaian dengan nilai eigen 2. 8 2 Anita T. Kurniawati
50
Bab V Nilai Eigen dan Vektor Eigen Contoh 3 Sebuah vektor X dan matriks A 2
1 3 2 0 .
Perkalian matriks A dengan X adalah: AX
9 Dimana 6
1 3 3 3 6 9 = = = 2 0 2 6 0 6
3 3 = 3 = . 2 2
1 3 Konstanta 3 adalah nilai eigen dari matriks bujur sangkar A 2 0
Contoh 1 Sebuah vektor X 1 dan matriks A 1
1 0 2 2 1 0 . 3 0 0
Matriks A dikalikan X didapat: 2 0 0
1 1 0 2 3 1 = 2 1 0 = 3 1 3 0 0 3
AX
1 0 = 2 1 3 0
3 3 3
1 1 = 3 1 = 1 = X 1 1
1 0 2 dengan 3 adalah nilai eigen matriks A 2 1 0 3 0 0
Contoh 1 Sebuah vektor X 2 dan matriks A = 3
2 0 2 1 0 0
0 0 2
Perkalian matriks A dan X adalah:
Anita T. Kurniawati
51
Bab V Nilai Eigen dan Vektor Eigen 1 2 0 0 2 2 = 2 2 0 = 4 0 0 6 3 6
AX
2 0 = 2 1 0 0
0 0 2
AX
2 = 4 = 2 6
1 2 = X , dengan 2. 3
2 0 Maka 2 adalah nilai eigen dari A = 2 1 0 0
6.2
0 0 2
NILAI EIGEN
Kita tinjau perkalian matriks A dan X dalam persamaan (7.1) apabila kedua sisi dalam persamaan tersebut dikalikan dengan matriks identitas didapatkan: IAX
= I X
AX
= IX
I AX
0
(7.2)
Persamaan (7.2) terpenuhi jika dan hanya jika: det I A
(7.3)
Dengan menyelesaikan persamaan (7.3) dapat ditentukan nilai eigen ( ) dari sebuah matriks bujur sangkar A tersebut/
Contoh 2 1 Dapatkan nilai eigen dari matriks A = 3 2
penyelesaian Dari persamaan maka: 1 2 det =0 2 3
Anita T. Kurniawati
52
Bab V Nilai Eigen dan Vektor Eigen ( 2)( 2) 3 0
2 4 4 3 0
2 4 1 0
Dengan menggunakan rumus abc didapatkan:
1, 2
=
=
4 ( 4 ) 2 4 .1 .1 2
=
4 16 4 4 12 = 2 2
42 3 = 2 3 2
Maka penyelesaian adalah: 1 2 3 dan 2 2 3 . 2 1 Nilai eigen matriks A = adalah: 3 2
1 2 3 dan 3 2 3
Contoh 4 1 Dapatkan nilai eigen dari matriks A = 1 5
Penyelesaian Nilai eigen ditentukan dengan persamaan: 1 4 det 5 1
=0
maka: ( 4)( 5) 1 0
2 9 20 1 0 2 9 19 0
Dengan rumus abc didapatkan:
1, 2
9 ( 9) 2 4.1.19
Anita T. Kurniawati
2 53
Bab V Nilai Eigen dan Vektor Eigen 1, 2
9 81 76 2
1, 2
9 5 2
Didapatkan 1 4,5
1 1 5 dan 2 4,5 5 , jadi nilai eigen matriks 2 2
4 1 1 A= adalah 4,5 5 2 1 5
Contoh 0 3 Dapatkan nilai eigen dari A = 2 1
penyelesaian Nilai eigen ditentukan dari persamaan: det I A 0 3 det =0 2 1
( 1) 6 0 2 6 0 ( 3)( 2) 0
Penyelesaian persamaan tersebut adalah: 3 0
3
dan 20 2 0 3 Jadi nilai eigen matriks A = adalah 3 dan 2 . 2 1 Anita T. Kurniawati
54
Bab V Nilai Eigen dan Vektor Eigen Contoh . 4 0 Dapatkan nilai eigen dari A = 3 5
penyelesaian Determinan dari I A = 0 0 4 det 0 5 3 ( 4)( 5) 0 0
Penyelesaian persamaan adalah: 40
5 0
dan
5
4
4 0 Jadi nilai eigen dari matriks A = adalah: 1 4 dan 2 5 . 3 5
Contoh 2 1 0 Carilah nilai eigen dari A = 3 4 0 0 0 2
penyelesaian det I A 0 1 0 2 det 3 4 0 0 0 2 0 ( 2)( 4)( 2) 3( 2) = 0 ( 2)( 4)( 2) 3 0
( 2) 2 6 8 3 0
( 2) 2 6 5 0 ( 2)( 1)( 5) 0
Anita T. Kurniawati
55
Bab V Nilai Eigen dan Vektor Eigen Penyelesaian persamaan adalah:
20 2 1 0
1
dan
5 0
5 2 1 0 Jadi nilai eigen yang bersesuai untuk matriks 3 4 0 adalah: 0 0 2
1 2 , 2 1 dan 3 5 .
Contoh 1 0 Dapatkan Nilai eigen dari matriks A 3 6 0 8
0 7 1
penyelesaian Nilai eigen A didapatkan dari persamaan: det I A
=0
0 0 1 det 1 6 7 0 8 1
=0
( 1)( 6)( 1) 56
=0
( 1) 2 5 6 56
( 1) 2 5 62
=0 =0
Maka nilai adalah: 1 0
Anita T. Kurniawati
56
Bab V Nilai Eigen dan Vektor Eigen 1 1
2 5 62 0
Dengan rumus abc didapatkan: 2,3
5 25 4.62 2
2 2,5
1 273 2
3 2,5
1 273 2
1 0 Jadi nilai eigen dari matriks A 3 6 0 8
1 1 dan 2,5
0 7 adalah: 1
1 273 2
Contoh . 7 Dapatkan nilai eigen dari A = 0 0
0 0 3 0 0 3
penyelesaian Nilai eigen didapatkan dari persamaan: det I A 0
7 det 0 0
0 3 0 0 3 0
=0
( 7 )( 3)( 3) 0
Maka nilai adalah: 7 0 Anita T. Kurniawati
57
Bab V Nilai Eigen dan Vektor Eigen 7
3 0
3 (2 kali) 7 Jadi nilai eigen dari matriks A = 0 0
0 0 3 0 adalah 3 dan 7 0 3
Contoh 2 0 0 Dapatkan nilai eigen dari A = 0 2 5 0 5 4
penyelesaian Berdasarkan persamaan det I A 0 maka: 0 0 2 det 0 2 5 0 5 4
=0
( 2){( 2)( 4) 25} 0
( 2){2 6 17} 0
Maka nilai adalah: 20 1 2
2 6 17 0
Dengan rumus abc didapatkan: 1, 2
6 36 4.17 2
2,3 3
1 104 2
Anita T. Kurniawati
58
Bab V Nilai Eigen dan Vektor Eigen
Jadi nilai eigen matriks A =
3 3
2 0 0 0 2 5 0 5 4
adalah 1 2 , 2 3
1 104 2
dan
1 104 2
Contoh 7 Dapatkan nilai eigen dari A = 0 0
0 0 3 0 0 3
penyelesaian Dengan menggunakan persamaan det I A 0 maka: 7 det 0 0
0 3 0 0 0 3 0
( 7 )( 3)( 3) 0
Nilai adalah: 7 0 7
3 0
3 3 0
3 7 Jadi nilai eigen dari matriks A = 0 0
0 0 3 0 adalah: 1 7 dan 2 3 3 . 0 3
Contoh 2 0 0 Dapatkan Nilai eigen dari A = 3 3 6 3 2 4
Anita T. Kurniawati
59
Bab V Nilai Eigen dan Vektor Eigen penyelesaian Dengan menggunakan persamaan det I A 0 maka: 0 0 2 det 3 3 6 0 3 2 4 ( 2)[( 3)( 4) 12 ] 0
( 2)[ 2 7 12 12 ] 0 ( 2)[ 2 7 ] 0 ( 2) ( 7 ) 0
Maka nilai-nilai adalah: 20 2 0
7 0 7 2 0 0 Jadi nilai-nilai eigen dari matriks A = 3 3 6 adalah: 1 2, 2 0 dan 3 7. 3 2 4
6.3
VEKTOR EIGEN
Kita tinjau kembali persamaan AX X dimana A adalah matriks bujur sangkar dan X adalah vektor bukan nol yang memenuhi persamaan tersebut. Dalam subbab 7.1 telah dibahas tentang perhitungan nilai eigen dari matriks A( ), pada subbab ini kita bahas vektor yang memenuhi persamaan tersebut yang disebut vektor eigen(vektor karakteristik) yang sesuai untuk nilai eigennya. Kita tinjau sebuah matriks bujur sangkar orde 2 x 2 berikut:
Anita T. Kurniawati
60
Bab V Nilai Eigen dan Vektor Eigen a11 A= a 21
a12 a 22
Persamaan AX X dapat dituliskan: a11 a 21
a12 x1 x1 a 22 x 2 x2
(7.4)
Persamaan (7.4) dikalikan dengan identitas didapatkan:
1 0 a11 0 1 a 21
a11 a 21
a12 x1 a 22 x 2
a12 x1 = a 22 x 2 0
a11 a 21
a12 a 22
1 0 x1 = 0 1 x 2
0 x1 x 2
x1 x = 0 2
(7.5)
Persamaan (7.5) dalam bentuk sistem persamaan linier dituliskan: ( a11 ) x1 a12 x 2 0 a 21 x1 ( a 22 ) x 2 0
(7.6)
Persamaan (7.6) adalah sistem persamaan linier homogen, vektor dalam ruang R n yang tidak nol didapatkan jika dan hanya jika persamaan tersebut mempunyai solusi non trivial untuk nilai eigen yang sesuai.
Contoh. 0 3 Dapatkan vektor eigen dari matriks A = 2 1
penyelesaian Pada contoh nilai eigen didapatkan 1 2 dan 2 3 , vektor eigen didapatkan dengan persamaan: x1 3 x 2 0 2 x1 (1 ) x 2 0
Untuk 2 maka: Anita T. Kurniawati
61
Bab V Nilai Eigen dan Vektor Eigen 2 x1 3 x 2 0 2 x1 x 2 0
Solusi non trivial sistem persamaan ini adalah: 2 x1 x 2
Misalkan x1 r maka x 2 2 r 0 3 Vektor eigen matriks A = untuk 2 adalah: 2 1 r X dimana r adalah bilangan sembarang yang tidak nol. 2r
Untuk 3 maka: 3 x1 3 x 2 0 2 x1 2 x 2 0
Solusi non trivial sistem persamaan tersebut adalah: x1 x 2
Misalkan x1 s maka vektor eigen untuk 3 adalah: s X dimana s adalah senbarang bilangan yang tidak nol. s
Contoh 4 0 Dapatkan vektor eigen dari matriks A = 3 5
penyelesaian Pada contoh 7.10 nilai eigen matriks tersebut adalah 4 dan 5 maka vektor eigen didapatkan dari persamaan: ( 4 ) x1 0 0 3 x1 (5 ) x 2 0
Untuk 4 didapatkan sistem persamaan linier berbentuk:
Anita T. Kurniawati
62
Bab V Nilai Eigen dan Vektor Eigen 000 3 x1 x 2 0
Solusi non trivialnya adalah x1
x2 3
, bila dimisalkan x 2 r didapatkan vektor eigen
matriks A untuk 4 adalah: 1 r X 3 dengan r bilangan sembarang yang tidak nol. r
Untuk 5 maka: ( 4 5) x1 0 0 3 x1 (5 5) x 2 0
Sistem persamaan linier menjadi: x1 0 0 3 x1 0 0
Tidak ada solusi non trivial dari sistem persamaan linier tersebut, jadi tidak terdapat vektor eigen dari matriks A untuk 5.
Contoh 1 3 Dapatkan vektor eigen dari A 2 0
penyelesaian Nilai eigen matriks A didapatkan dari persamaan: det I A 0
3 1 det 0 0 2 ( 1) 6 0 2 6 0 ( 2)( 3) 0
Nilai eigen matriks A adalah: Anita T. Kurniawati
63
Bab V Nilai Eigen dan Vektor Eigen 2 0, maka 1 2
3 0, maka 2 3
Vektor eigen didapatkan dengan persamaan: (1 ) x1 3 x 2 0 2 x1 x 2 0
Untuk 2 maka: x1 3 x 2 0 2 x1 2 x 2 0
Solusi non trivial sistem persamaan linier tersebut adalah: 3 x 2 x1
Misalkan x1 r maka x 2 3r . Jadi vektor eigen matriks A untuk 2 adalah: r X dengan r bilangan sembarang yang tidak nol. 3r
Untuk 3 Vektor eigen didapatkan dari sistem persamaan linier: 2 x1 3 x 2 0 2 x1 3 x 2 0
Solusi non trivial adalah: 2 x1 3 x 2 , maka x 2
2 x1 3
Misalkan x1 r vektor eigen matriks A yang sesuai dengan 3 adalah: r X 2 dengan r bilangan sembarang yang tidak nol. 3 r
Contoh
Anita T. Kurniawati
64
Bab V Nilai Eigen dan Vektor Eigen 3 2 Dapatkan vektor eigen dari A = 1 0
penyelesaian Nilai eigen matriks A didapatkan dari persamaan det I A 0 ( 3) 2 det 0 1
( 3) 2 0
2 3 2 0 ( 1)( 2) 0
1 0 maka 1 1 2 0 maka 2 2
Vektor eigen didapatkan dari persamaan: (3 ) x1 2 x 2 0 x1 (0 ) x 2 0
Untuk 1 maka: 2 x1 2 x 2 0 x1 x 2 0
Solusi non trivial persamaan tersebut adalah: x1 x 2 , jika x1 r maka x 2 r
Vektor eigen yang sesuai dengan 1 adalah: r X dengan r bilangan sembarang yang tidak nol. r
Untuk 2 maka: x1 2 x 2 0 x1 2 x 2 0
Solusi non trivial sistem persamaan linier tersebut adalah; x1 2x 2 Anita T. Kurniawati
65
Bab V Nilai Eigen dan Vektor Eigen 1 2
Misalkan x1 r maka x 2 r Jadi vektor eigen yang sesuai dengan 2 adalah: r X 1 r
Contoh 2 0 0 Dapatkan vektor eigen dari A = 3 3 6 3 2 4
penyelesaian Pada contoh 7.16 diketahui nilai eigen matriks A adalah: 2, 0 dan 7. Vektor eigen ditentukan dari persamaan: 0 0 x1 0 ( 2 ) 3 (3 ) 6 x 2 0 3 2 ( 4 ) x 3 0
Untuk 2 maka: 0 0 0 x1 0 3 1 6 x 0 2 3 2 2 x 3 0
Dalam bentuk sistem persamaan linier dituliskan: 000 0 3 x1 x 2 6 x 3 0 3 x1 2 x 2 2 x 3 0
Solusi non trivial didapatkan dari:
3x1 x2 6 x3 3x1 2 x2 2 x3 0 x 2 4 x3 0 x 2 4x3
Maka Anita T. Kurniawati
66
Bab V Nilai Eigen dan Vektor Eigen 3 x1 4 x3 6 x3 0 3 x1 10 x 3 0 3 x1 10 x 3 x1
10 x3 3
2 0 0 Jadi vektor eigen matriks A = 3 3 6 untuk 2 adalah: 3 2 4 10 3 x3 X 4 x3 x3
Misalkan x3 r maka: 10 3 r X 4 r dengan r adalah bilangan sembarang yang tidak nol. r
Untuk 0 Vektor eigen ditentukan dari persamaan: 2 0 0 x1 0 3 3 6 x 0 2 3 2 4 x 3 0
Dalam bentuk sistem persamaan linier dituliskan: 2 x1 0 0 0 3 x1 3 x 2 6 x 3 0 3 x1 2 x 2 4 x 3 0
Solusi sistem persamaan linier adalah: 2 x1 0 x1 0 Anita T. Kurniawati
67
Bab V Nilai Eigen dan Vektor Eigen 0 3 x 2 6 x3 0 x 2 2x 3 2 0 0 Vektor eigen dari matriks A = 3 3 6 untuk 0 adalah: 3 2 4 0 X 2 x3 x 3
Misalkan x3 r maka: 0 X 2 r dengan r bilangan sembarang yang tidak nol. r
Untuk 7 Vektor eigen didapatkan dari persamaan: 5 0 3 4 3 2
0 x1 0 6 x 2 0 3 x 3 0
Dalam bentuk sistem persamaan linier dituliskan: 5 x1 0 0 0 3 x1 4 x 2 6 x 3 0 3 x1 2 x 2 3 x 3 0
Solusi sistem persamaan linier adalah: 5 x1 0 x1 0
4 x 2 6 x3 0 x2
3 x3 2
Anita T. Kurniawati
68
Bab V Nilai Eigen dan Vektor Eigen 2 0 0 Vektor eigen matriks A = 3 3 6 untuk 7 adalah: 3 2 4 0 3 X x3 2x 3
Misalkan x3 r maka: 0 3 X r dengan r sembarang bilangan yang tidak nol. 2 r
Contoh 2 0 0 Dapatkan vektor eigen dari matriks A = 0 2 5 0 5 4
penyelesaian Pada contoh 7. 14 diketahui nilai eigen matriks tersebut yang merupakan bilangan bulat adalah 2 , vektor eigennya didapatkan dari persamaan: 0 0 x1 0 ( 2 2) 0 ( 2 2) 5 x 2 0 0 5 ( 4 2) x 3 0
Dalam bentuk sistem persamaan linier dituliskan: 000 0 0 0 5 x3 0 0 5 x 2 2 x3 0
Solusi non trivial sistem persamaan liniernya adalah: 5 x 2 2 x 3 x2
2 x3 5
Anita T. Kurniawati
69
Bab V Nilai Eigen dan Vektor Eigen x1 0
2 0 0 Vektor eigen matriks A = 0 2 5 yang sesuai dengan nilai eigen 2 adalah: 0 5 4 0 2 X x3 5 x3
Misalkan x3 s maka: 0 2 X s dengan s adalah bilangan sembarang yang tidak nol. 5 s
Contoh 1 0 Dapatkan vektor eigen dari A = 2 1 3 0
2 0 0
penyelesaian Nilai eigen didapatkan dengan persamaan: 0 2 ( 1) det 2 ( 1) 0 0 3 0 ( 1)( 1) 20 3( 1) 0
( 1) 2 6 0
Nilai eigen matriksnya adalah: 1 0
1 20 2 Anita T. Kurniawati
70
Bab V Nilai Eigen dan Vektor Eigen 3 0
3
Vektor eigen didapatkan berdasar persamaan: 0 (1 ) 2 (1 ) 3 0
2 x1 0 0 x 2 0 x 3 0
Untuk 1 Dalam bentuk sistem persamaan linier dituliskan: 0 0 2 x3 0 2 x1 0 0 0 3 x1 0 x 3 0
Solusi sistem persamaan liniernya adalah: 3 x1 x 3 0 x 3 3x1 x2 0
Vektor eigen yang sesuai adalah: x1 X 0 3 x1
Misalkan x1 t Vektor eigennya adalah: t X 0 dengan t bilangan sembarang yang tidak nol. 3t
Untuk 2 Sistem persamaan liniernya adalah:
Anita T. Kurniawati
71
Bab V Nilai Eigen dan Vektor Eigen 3 x1 0 2 x 3 0 2 x1 3 x 2 0 0 3 x1 0 2 x 3 0
Solusi non trivial sistem persamaan liniernya adalah: 3 x1 2 x3 0 x1
2 x3 3
2 x1 3 x 2 0
x2
2 x1 3
Vektor eigen yang sesuai adalah: X
x1 2 x1 3 3 x1 2
Misalkan x1 p maka vektor eigennya adalah: X
p 2 3 3 2
p dengan p bilangan sembarang yang tidak nol. p
Untuk 3 Sistem persamaan liniernya adalah: 2 x1 0 2 x 3 0 2 x1 2 x 2 0 0 3 x1 0 3 x 3 0
Solusi non trivial sistem persamaan liniernya adalah; 2 x1 2 x 3
x1 x3 Anita T. Kurniawati
72
Bab V Nilai Eigen dan Vektor Eigen 2 x1 2 x 2 x1 x 2
Vektor eigen yang sesuai adalah: x1 X x1 x1
Misalkan x1 q maka vektor eigennya adalah; q X q dengan q bilangan sembarang yang tidak nol. q
Contoh 1 0 Dapatkan vektor eigen dari matriks A = 3 6 0 8
0 7 1
penyelesaian Dari penyelesaian contoh 7.12 nilai eigen yang merupakan bilangan bulat adalah 1, maka vektor eigennya didapatkan dari persamaan: 0 0 x1 0 (1 1) 3 (6 1) 7 x 2 0 0 8 ( 1 1) x 3 0
Dalam bentuk sistem persamaan linier adalah: 0000 3 x1 5 x 2 7 x 3 0 0 8 x 2 2 x3 0
Solusi non trivialnya adalah: 8 x 2 2 x3 x2
1 x3 4
3 x1 5 x 2 28 x 2 0 Anita T. Kurniawati
73
Bab V Nilai Eigen dan Vektor Eigen 3 x1 33 x 2 x1 11x 2
Vektor eigen yang sesuai adalah: 11 x 2 X x2 4 x 2
Misalkan x 2 a maka vektor eigennya adalah: 11a X a 4 a
Contoh 2 0 Dapatkan vektor eigen dari A = 2 1 0 0
0 0 2
penyelesaian Nilai eigen matriks tersebut didapatkan dari persamaan: det I A 0
0 0 ( 2) det 2 ( 1) 0 0 0 0 ( 2)
( 1)( 2) 2 0
Nilai eigennya adalah: 1 0
1 20 2
Vektor eigen didapatkan dari persamaan:
Anita T. Kurniawati
74
Bab V Nilai Eigen dan Vektor Eigen 0 0 x1 0 ( 2 ) 2 (1 ) 0 x 2 0 0 0 ( 2 ) x 3 0
Untuk 1 Sistem persamaan liniernya dituliskan: x1 0 0 0 2 x1 0 0 0 0 0 x3 0
Tidak ada solusi non trivial dari sistem persamaan linier tersebut, maka vektor eigen tidak terdefinisikan. Untuk 2 Sitem persamaan liniernya adalah: 000 0 2 x1 x 2 0 0 000 0
Solusi non trivial sistem persamaan liniernya adalah: 2 x1 x 2
x3 0
Vektor eigen yang sesuai adalah: x1 X 2 x1 0
Misalkan x1 t maka vektor eigennya menjadi: t X 2t dengan t bilangan sembarang yang tidak nol. 0
Contoh
Anita T. Kurniawati
75
Bab V Nilai Eigen dan Vektor Eigen 3 Dapatkan vektor eigen dari matriks A = 2 0
2 0 3 0 0 5
penyelesaian Nilai eigen matriks didapatkan dari persamaan: det I A 0
2 0 ( 3) det 2 ( 3) 0 0 0 0 ( 5) ( 3)( 3)( 5) 2 2( 5) 0
( 5) ( 3) 2 4 0
( 5) 2 6 5 0 ( 5) 2 ( 1) 0
Nilai eigen matriks adalah: 5 0
5
1 0
1
Vektor eigen didapatkan dari persamaan: 2 0 x1 0 (3 ) 2 (3 ) 0 x 2 0 0 0 (5 ) x 3 0
Untuk 1 Dalam bentuk sistem persamaan linier dituliskan: 2 x1 2 x 2 0 0 2 x1 2 x 2 0 0 0 0 4 x3 0
Solusi non trivialnya adalah: Anita T. Kurniawati
76
Bab V Nilai Eigen dan Vektor Eigen 2 x1 2 x 2 x1 x 2
x3 0
Vektor eigen yang sesuai adalah: x1 X x1 0
Misalkan x1 t maka vektor eigennya adalah: t X t dengan t bilangan sembarang yang tidak nol. 0
Untuk 5 Sistem persamaan liniernya adalah: 2 x1 2 x 2 0 0 2 x1 2 x 2 0 0 0000
Solusi non trivialnya adalah: 2 x1 2 x 2 x1 x 2
x3 0
Vektor eigen yang sesuai adalah: x1 X x1 0
Misalkan x1 r maka vektor eigenya adalah: r X r dengan r bilangan sembarang yang tidak nol. 0 Anita T. Kurniawati
77
Bab V Nilai Eigen dan Vektor Eigen Contoh 4 0 1 Dapatkan vektor eigen dari A = 2 1 0 2 0 1
penyelesaian Nilai eigen dari matriks didapatkan dari persamaan det I A 0
0 1 ( 4) det 2 ( 1) 0 0 2 0 ( 1)
( 4) ( 1) 2 2( 1) 0 ( 1)( 1)( 4) 2 0
( 1) 2 5 6 0 ( 1)( 2)( 3) 0
Nilai eigen matriks tersebut adalah: 1 0
1 20 2
3 0
3
Vektor eigen didapatkan dari persamaan: 0 1 x1 0 ( 4 ) 2 (1 ) 0 x 2 0 2 0 (1 ) x 3 0
Untuk 1 Dalam bentuk sistem persamaan linier dituliskan:
Anita T. Kurniawati
78
Bab V Nilai Eigen dan Vektor Eigen 3 x1 0 x 3 0 2 x1 0 0 0 2 x1 0 0 0
Solusi non trivialnya adalah: 3 x1 x 3 x2 0
Vektor eigen yang sesuai adalah: x1 X 0 3 x1
Misalkan x1 p maka vektor eigenya adalah: p X 0 dengan p adalah bilangan sembarang yang tidak nol. 3 p
Untuk 2 Sistem persamaan linier yang sesuai adalah: 2 x1 0 x 3 0 2 x1 x 2 0 0 2 x1 0 x 3 0
Solusi non trivialnya adalah: 2 x1 x 3 2 x1 x 2
Vektor eigen yang sesuai adalah: x1 X 2 x1 2 x1
Misalkan x1 s maka vektor eigennya adalah:
Anita T. Kurniawati
79
Bab V Nilai Eigen dan Vektor Eigen s X 2 s dengan s bilangan sembarang yang tidak nol. 2 s
Untuk 3 Sistem persamaan liniernya adalah: x1 0 x 3 0 2 x1 2 x 2 0 0 2 x1 0 2 x 3 0
Solusi trivialnya adalah: x 1 x3 0 x1 x 3 2 x1 2 x 2 0 x 2 x1
Vektor eigen yang sesuai adalah: x1 X x1 x1
Misalkan x1 t maka t X t dengan t bilangan sembarang yang tidak nol. t
Anita T. Kurniawati
80
Bab VI Transformasi Linier
BAB VI
TRANSFORMASI LINIER
Dalam bagian ini akan dibahas masalah penelaahan fungsi berbentuk w = F(x), dimana peubah bebas x adalah suatu vector dalam Rn dan peubah tak-bebas w adalah suatu vector dalam Rm. fungsi-fungsi seperti itu dinamakan TRANSFORMASI LINIER. Transformsi linier merupakan dasar dalam telaah aljabar linier dan mempunyai banyak penerapan penting dalam fisika, teknik, ilmu-ilmu social dan berbagai cabang matematika.
6.1.
TRANSFORMASI LINIER DARI Rn KE Rm
Jika daerah asal suatu fungsi f adalah Rn dan daerah kawannya adalah Rm (m dan n mungkin sama), maka f disebut suatu peta atau transformasi dari R n ke Rm dan dikatakan bahwa f memetakan Rn ke Rm. Untuk mengilustrasikan suatu cara penting dimana transformasi bisa muncul, anggap f1, f2, …, fn adalah fungsi-fungsi bernilai real dari n peubah real: w1 = f1(x1, x2, …, xn) w2 = f2(x1, x2, …, xn) … wm = fm(x1, x2, …, xn) m persamaan tersebut menempatkan suatu titik (w1, w2, …, wm) dalam Rm ke setiap titik (x1, x2, …, xn) dalam Rn, yang mendefinisikan suatu transformasi dari R n ke Rm, yang dapat dinyatakan sebagai: T(x1, x2, …, xn) = (w1, w2, …, wm) Anita T. Kurniawati
81
Bab VI Transformasi Linier dimana T adalah transformasi yang terbentuk.
Contoh: Diketahui transformasi T:R2 R3 yang didefinisikan sebagai berikut: w1 = x1 + x2 w2 = 3x1x2 w3 = x12 – x22 maka bayangan titik (x1,x2) adalah: T(x1,x2) = (x1 + x2, 3x1x2, x12 – x22) Jika diandaikan x1=2 dan x2=-1, maka T(2,-1) = (1, -6, 3)
Transformasi Linear dari Rn ke Rm Untuk transformasi linear, secara umum T:Rn Rm dapat didefinisikan sebagai berikut: w1 = a11x1 + a12x2 + … + a1nxn w2 = a21x1 + a22x2 + … + a2nxn … wm = am1x1 + am2x2 + … + amnxn atau dalam notasi matriks: w 1 a11 w 2 a21 w a m m1
a12 a22 a m2
a1n x 1 a2 n x 2 amn x n
atau dapat diringkas menjadi: W = A.x dimana A adalah matriks standar untuk transformasi linear T
Anita T. Kurniawati
82
Bab VI Transformasi Linier Contoh: Transformasi linear T:R4 R3 didefinisikan oleh: w1 = 2x1 – 3x2 + 5x3 w2 = 5x1 – x2 + 3x3 + 2x4 w3 = 4x2 + x3 + 4x4 Ketiga persamaan tersebut dapat dinotasikan sebagai: w1 2 w2 5 w 0 3
x1 3 5 0 x 2 1 3 2 x3 4 1 4 x4
Sehingga matriks standar untuk transformasi tersebut adalah: A =
2 5 0
3 5 0 1 3 2 4 1 4
Bayangan titik (x1, x2, x3, x4) dapat dihitung dari ketiga persamaan awal atau dari notasi matriksnya. Jika (x1, x2, x3, x4) = (1, -1, 2, 0) maka hasil transformasinya adalah: 1 15 w 1 2 3 5 0 1 12 w 2 5 1 3 2 w 0 4 1 4 2 2 3 0
OPERATOR-OPERATOR TRANSFORMASI PADA R2 dan R3 Operasi-operasi linier yang paling penting dalam R 2 dan R3 diantaranya adalah operasioperasi yang menghasilkan 4 operator, yaitu : 1. 2. 3. 4.
Refleksi (Pencerminan) Proyeksi Rotasi (Perputaran) Dilatasi (Penskalaan)
Anita T. Kurniawati
83
Bab VI Transformasi Linier Refleksi (Pencerminan) Refleksi di R2 terbagi menjadi 3 yaitu:
Refleksi terhadap sumbu y Titik awal: (x,y) Titik akhir: (-x,y) Persamaan: w1 = -x w2 = y Matriks standar: 1
0 1
0
Refleksi terhadap sumbu x
Titik awal: (x,y) Titik akhir: (x,-y) Persamaan: w1 = x w2 = -y 1
0
Matriks standar: 0 1
Refleksi terhadap garis x = y Titik awal: (x,y) Titik akhir: (y,x) Persamaan: w1 = y w2 = x 1 0
Matriks standar: 0 1
Anita T. Kurniawati
84
Bab VI Transformasi Linier
Refleksi di R3 terbagi menjadi 3 yaitu:
Refleksi terhadap bidang xy
Titik awal: (x,y,z) Titik akhir: (x,y,-z) Persamaan: w1 = x w2 = y w2 = -z 1 0 Matriks standar: 0 1 0 0
Refleksi terhadap bidang xz
0 0 1
Titik awal: (x,y,z) Titik akhir: (x,-y,z) Persamaan: w1 = x w2 = -y w2 = z 1
0
0
0
0
Matriks standar: 0 1 0
1
Refleksi terhadap bidang yz Titik awal: (x,y,z) Titik akhir: (x,y,-z) Persamaan: w1 = -x w2 = y w2 = z 1 0 0 Matriks standar: 0 1 0 0 0 1
Anita T. Kurniawati
85
Bab VI Transformasi Linier
Proyeksi Proyeksi di R2 terbagi menjadi 2 yaitu:
Proyeksi terhadap sumbu x Titik awal: (x,y) Titik akhir: (x,0) Persamaan: w1 = x w2 = 0 1 0
Matriks standar: 0 0
Proyeksi terhadap sumbu y
Titik awal: (x,y) Titik akhir: (0,y) Persamaan: w1 = 0 w2 = y 0 0
Matriks standar: 0 1
Proyeksi ortogonal di R3 terbagi menjadi 3 yaitu:
Proyeksi ortogonal terhadap bidang xy Titik awal: (x,y,z) Titik akhir: (x,y,0) Persamaan: w1 = x w2 = y w2 = 0 1 0 0
Matriks standar: 0 1 0 0 0 0
Anita T. Kurniawati
86
Bab VI Transformasi Linier
Proyeksi ortogonal terhadap bidang xz Titik awal: (x,y,z) Titik akhir: (x,0,z) Persamaan: w1 = x w2 = 0 w2 = z 1 0 0 Matriks standar: 0 0 0 0 0 1
Proyeksi ortogonal terhadap bidang yz
Titik awal: (x,y,z) Titik akhir: (0,y,z) Persamaan: w1 = 0 w2 = y w2 = z 0 0 0
Matriks standar: 0 1 0 0 0 1
Rotasi (Perputaran) Rotasi dengan sudut di R2 adalah: Titik awal: (x,y) Titik akhir: (w1,w2) cos( ) sin( ) Matriks standar: sin( ) cos( ) cos( ) sin( ) Searah: sin( ) cos( )
Anita T. Kurniawati
87
Bab VI Transformasi Linier Rotasi di R3 terbagi menjadi 3 yaitu:
Rotasi berlawanan dengan jarum jam terhadap sumbu x positif dengan sudut Titik awal: (x,y) Titik akhir: (w1,w2,w3) 0 0 1 Matriks standar: 0 cos( ) sin( ) 0 sin( ) cos( )
Rotasi berlawanan dengan jarum jam terhadap sumbu y positif dengan sudut Titik awal: (x,y) Titik akhir: (w1,w2,w3) cos( ) 0 sin( ) Matriks standar: 0 1 0 sin( ) 0 cos( )
Rotasi berlawanan dengan jarum jam terhadap sumbu z positif dengan sudut Titik awal: (x,y) Titik akhir: (w1,w2,w3) cos( ) sin( ) 0 Matriks standar: sin( ) cos( ) 0 0 0 1
Dilatasi (Penskalaan) Dilatasi di R2 terbagi menjadi 2 yaitu:
Penyempitan dengan faktor k pada R2 (0 k 1)
Titik awal: (x,y) Titik akhir: (kx,ky) Persamaan: w1 = kx w2 = ky k
0
Matriks standar: 0 k
Anita T. Kurniawati
88
Bab VI Transformasi Linier
Pelebaran dengan faktor k pada R2 (k 1) Titik awal: (x,y) Titik akhir: (kx,ky) Persamaan: w1 = kx w2 = ky k
0
Matriks standar: 0 k
Dilatasi di R3 terbagi menjadi 2 yaitu:
Penyempitan dengan faktor k pada R3 (0 k 1) Titik awal: (x,y,z) Titik akhir: (kx,ky,kz) Persamaan: w1 = kx w2 = ky w3 = kz k Matriks standar: 0 0
0 k 0
0 0 k
Pelebaran dengan faktor k pada R3 (k 1) Titik awal: (x,y,z) Titik akhir: (kx,ky,kz) Persamaan: w1 = kx w2 = ky w3 = kz k Matriks standar: 0 0
Anita T. Kurniawati
0 k 0
0 0 k
89
Bab VI Transformasi Linier Komposisi Transformasi Linear Komposisi transformasi linear merupakan perpaduan dua atau lebih transformasi linear. T1 :
R
n1
R
n2
, T2 :
R
n2
R
n3
, …, Tz :
R
nm 1
R
nm
Dituliskan sebagai: (Tz o ... o T2 o T1) (x) = Tz(...(T2(T1(x))...)
LATIHAN-LATIHAN SOAL 1. Bagaimana matriks standar untuk transformasi linier T:R 3R3 yang diberikan oleh: w1 = 3x1 + 5x2 – x3 w2 = 4x1 – x2 + x3 w3 = 3x1 + 2x2 – x3 dan hitung T(-1,2,4)! 2. Cari matriks standar untuk transformasi linier T:R 2R2 dari (0,-3) yang direfleksikan terhadap garis y=x! Kemudian tentukan hasil transformasinya! 3. Cari matriks standar untuk transformasi linier T:R 2R2 dari (0,-3) yang diproyeksikan terhadap sumbu x! Kemudian tentukan hasil transformasinya! 4. Cari matriks standar untuk transformasi linier T:R 2R2 dari (1,-3) yang dirotasikan terhadap sebesar 300! Kemudian tentukan hasil transformasinya! 5. Cari matriks standar untuk transformasi linier T:R3R3 dari (0,-3,1) yang dirotasikan searah jarum jam sebesar 600! Kemudian tentukan hasil transformasinya! 6. Cari matriks standar untuk transformasi linier T:R 3R3 dari (0,-3,1) yang didilatasikan sebesar 3 kali! Kemudian tentukan hasil transformasinya! 7. Cari matriks standar dan bayangan dari vektor (-2,1) yang dirotasikan searah jarum jam dengan sudut 3/4 kemudian diproyeksikan secara ortogonal terhadap sumbu y, kemudian dilebarkan dengan faktor k=2! Kemudian cari invers dari matriks standar tersebut! 8. Cari matriks standar dan bayangan dari vektor (-2,1,0) yang direfleksikan terhadap bidang xz, kemudian dirotasikan berlawanan jarum jam terhadap sumbu z dengan sudut 5/4, kemudian disempitkan dengan faktor k=3! Kemudian cari determinan dari matriks standar dan norm dari vektor bayangannya!
Anita T. Kurniawati
90
Daftar Pustaka
[1] Anton, Howard, Dasar-Dasar Aljabar Linier, edisi 7 jilid 1, 2000.
