diktat mata kuliah aljabar linear elementer · pdf filedengan penyusunan diktat ini dapat...
TRANSCRIPT
DIKTAT MATA KULIAH ALJABAR LINEAR ELEMENTER
(BAGIAN II)
DISUSUN OLEH ABDUL JABAR, M.Pd
JURUSAN/PROGRAM STUDI PENDIDIKAN MATEMATIKA STKIP PGRI BANJARMASIN
MARET 2013
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal i
MUQADIMAH Alhamdulillah penyusun ucapkan ke hadirat ALLAH SWT, karena berkat limpahan rahmat, taufik dan hidayah-Nya penyusun dapat menyelesaikan diktat Aljabar Linear ini. Shalawat dan salam juga semoga selalu tercurah kepada junjungan kita Nabi Muhammad SAW beserta sahabat, kerabat, serta ummat beliau yang senantiasa istiqamah mengikuti risalah beliau hingga akhir zaman. Diktat ini disusun dalam dua bagian, dengan harapan setelah selesai bagian I akan dilaksanakan ujian tengah semester, dan nanti langsung dilanjutkan dengan bagian II. Semoga dengan penyusunan diktat ini dapat membantu mahasiswa dalam belajar Aljabar Linear, tentu saja perlu ditambah dengan buku pendukung lainnya. Penyusun juga menyadari bahwa diktat ini masih jauh dari sempurna, sehingga saran dan kritik sangat penyusun harapkan.
Banjarmasin, Maret 2013 Penyusun, TTD Abdul Jabar, M.Pd
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal ii
DAFTAR ISI
Halaman
BAB IV RUANG VEKTOR …………………………………………………………………………….. 1 4.1 Field ……………………………………………………………………………………………………… 1 4.2 Ruang Vektor ………………………………………………………………………………………… 2 4.3 Ruang Vektor Bagian …………………………………………………………………………. 4 4.4 Kombinasi Linear dan Span ………………………………………………………………….. 4 4.5 Bebas Linear ………………………………………………………………………………………. 5 4.6 Basis dan Dimensi ……………………………………………………………………………….. 6 4.7 Row Space, Column space dan Null space ………………………………………………… 8 BAB V RUANG HASIL KALI DALAM …………………………………………………………….. 12 5.1 Hasilkali Dalam Umum ………………………………………………………………………… 12 5.2 Hasilkali Dalam Khusus …………………………………………………………………….. 13 5.3 Panjang vektor , jarak antar vektor ,dan besar sudut dalam RHD ………………… 14 5.4 Basis Ortonormal; Proses Gram-Schmidt ………………………………………………… 15 5.5 Perubahan Basis ………………………………………………………………………………………… 18 BAB VI TRANSFORMASI LINEAR ………………………………………………………………… 20 BAB VII NILAI EIGEN DAN VEKTOR EIGEN ………………………………………………………. 25
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 1
BAB IV RUANG VEKTOR
4.1 Field
Misal { K, + , * }, K adalah himpunan , didefinisikan 2 operasi + (penjumlahan) dan *
(perkalian). Akan dikatakan Field jika dipenuhi :
1. untuk setiap , K maka + K dan * K, dikatakan K tertutup terhadap
operasi penjumlahan dan perkalian.
2. untuk setiap ,, K maka (+ ) + =+ ( + )
3. terdapat 0 K disebut elemen nol, sedemikian sehingga 0 + = + 0 = , untuk setiap
K
4. untuk masing-masing K , terdapat - K disebut negatip dari sedemikian sehingga
(- ) + = +(- )=0
5. untuk setiap , K maka + = +
6. untuk setiap ,, K maka (*)* =* ( * )
7. untuk setiap ,, K
(i) *( + )=* + *
(ii) ( + )* = * + *
8. untuk setiap , K maka * = *
9. terdapat 1 K disebut elemen satuan , sedemikian sehingga 1* = *1 = , untuk
setiap K
10. untuk masing-masing 0 K , terdapat -1 K disebut negatip dari sedemikian sehingga -1 * = *-1=1
Anggota dari Field disebut Skalar. Perhatikan : Sistem Bilangan berikut
Bilangan Kompleks Bilangan Imajiner
Bilangan Riil B. Irrasional
B. Rasional
B. Bulat B. Pecahan
Dijelaskan 10 Syarat di atas diterapkan pada Masing-masing bilangan tersebut. Sehingga
dapat disimpulkan Contoh Field adalah Bilangan Kompleks, Riil, dan Rasional.
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 2
4.2 Ruang Vektor Suatu objek di dalam ruang vektor V disebut vektor. V dikatakan sebagai ruang vektor bila memenuhi 10 aksioma berikut :
1. Jika u dan v di dalam V, maka u + v juga harus di dalam V 2. u + v = v + u 3. u + (v + w) = (u + v) + w 4. Di dalam ruang vektor V ada objek 0, yang disebut sebagai vektor 0 sedemikian
sehingga 0 + u = u + 0 = u, untuk semua u di dalam vektor V 5. Untuk setiap u di dalam V, ada objek yang disebut sebagai –u di dalam V, yang disebut
sebagai negatip u, sehingga u + (-u) = (-u) + u = 0 6. Jika k adalah sebarang skalar dan u adalah objek di dalam ruang vektor V, maka ku
juga ada di dalam ruang vektor V 7. k(u+v) = ku + kv 8. (k + m)u = ku + mu 9. k(mu) = (km)u 10. 1.u = u
Contoh 4.1 Buktikan R2 merupakan ruang vektor! Jawab Ambil u, v, w R2 u = (u1, u2) v = (v1, v2) w = (w1, w2)
1. u + v = (u1, u2) + (v1, v2) = (u1 + v1, u2 + v2) R2 (sifat tertutup bilangan real)
2. u + v = (u1 + v1, u2 + v2) = (v1 + u1, v2 + u2) (sifat komutatif bilangan real) = (v1, v2) + (u1, u2)
= v + u 3. u+(v + w) = (u1, u2) + [(v1, v2) + (w1, w2)]
= (u1, u2) + (v1 + w1, v2 + w2) = (u1 + (v1 + w1), u2 +( v2 + w2) ) = ((u1 + v1)+ w1), (u2 + v2) + w2) (Sifat assosiatif bilangan real) = [(u1 + v1, u2 + v2)] + (w1, w2) = [(u1, u2) + (v1, v2)] + (w1, w2) = (u+v ) + w
4. 0 = (0, 0) R2 u + 0 = (u1, u2) + (0, 0) = (u1, u2) = u
5. u R2 -u = (-u1, -u2) R2 u + (-u) = (u1, u2) + (-u1, -u2) = (0, 0) = 0
6. ku = k (u1, u2) = (ku1, ku2) R2 7. k (u + v) = k (u1 + v1, u2 + v2)
= (k(u1 + v1), k(u2 + v2)) = (ku1 + kv1, ku2 + kv2) = (ku1, ku2) + (kv1, kv2) = k(u1, u2) + k(v1, v2) = ku + kv
8. (k + l) u = (k + l) (u1, u2) = ((k + l) u1, (k + l) u2) = ((k u1 + l u1), (k u2 + l u2)) = (ku1, ku2) + ( lu1, lu2) = k (u1, u2) + l (u1, u2)
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 3
= ku + lu 9. k (lu) = k (l(u1, u2))
= k (lu1, lu2) = (klu1, klu2) = kl (u1, u2) = (kl)u
10. 1u = 1 (u1, u2) = (u1, u2) = u R2 merupakan ruang vektor karena memenuhi 10 aksioma Contoh 4.2 Diketahui : B = {(x, y) | x, y R} dimana (x, y) + (x’, y’) = (x + x’, 0) dan k(x, y) = (2x, ky) Selidiki apakah B sebuah ruang vektor? Jawab: Ambil u, v, w B u = (u1, u2) v = (v1, v2) w = (w1, w2)
1. u + v = (u1, u2) + (v1, v2) = (u1 + v1, 0) B (sifat tertutup bilangan real)
2. u + v = (u1 + v1, u2 + v2) = (u1 + v1, 0) = (v1 + u1, 0) v + u = (v1, v2) + (u1, u2) = (v1 + u1, 0) = u + v
3. u+(v + w) = (u1, u2) + [(v1, v2) + (w1, w2)] = (u1, u2) + (v1 + w1, 0) = (u1 + (v1 + w1), 0) = ((u1 + v1)+ w1), 0) (Sifat assosiatif bilangan real) (u+v ) + w = [(u1, u2) + (v1, v2)] + (w1, w2) = [(u1 + v1, 0)] + (w1, w2) = ((u1 + v1)+ w1), 0) =u+(v + w)
4. 0 = (0, 0) B u + 0 = (u1, u2) + (0, 0) = (u1, 0) ≠ u (gagal)
5. u B -u = (-u1, -u2) B u + (-u) = (u1, u2) + (-u1, -u2) = (0, 0) = 0
6. ku = k (u1, u2) = (2u1, ku2) B 7. k (u + v) = k (u1 + v1, 0)
= (2(u1 + v1), 0) = (2u1 + 2v1, 0) ku + kv = k(u1, u2) + k(v1, v2) = (2u1, ku2) + (2v1, kv2) = (2u1 + 2v1, 0) = k (u + v)
8. (k + l) u = (k + l) (u1, u2) = ( 2u1, (k + l) u2) ku + lu = k (u1, u2) + l (u1, u2) = (2u1, ku2) + ( 2u1, lu2) = ((2u1 + 2u1), 0) = (4u1, 0) ≠ (k + l) u (gagal)
9. k (lu) = k (l(u1, u2)) = k (2u1, lu2) = (4u1, klu2) (kl)u = kl (u1, u2) = (2u1, klu2) ≠ k (lu) (gagal)
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 4
10. 1u = 1(u1, u2) = (2u1, u2) ≠ u (gagal) B bukan ruang vektor sebab tidak memenuhi aksioma 4, 8, 9, dan 10 4.3 Ruang Vektor Bagian ( Subspace )
V adalah Ruang Vektor , W adalah Subset dari V. Untuk menentukan apakah W
merupakan ruang bagian V, cukup diperiksa berikut :
1. W ( W tidak hampa ) , untuk itu perlu ditunjukkan bahwa vektor 0 W.
2. Untuk setiap a, b W maka a + b W
3. Untuk setiap a W , K maka a W
Contoh 4.3 U = { (x, 0) | x R}. Buktikan bahwa U merupakan sub ruang dari R2! Misalkan a , b ∈ U artinya a = ( x1,0 ) dan b = ( x2,0 ) dengan x1,x2 ∈ R 1. U . Contoh 0 = (0,0) ∈ U 2. a + b = ( x1 + x2,0 ) dengan x1+x2 ∈ R , jadi a + b ∈ U 3. Untuk skalar k , maka k a = ( kx1,0 ) dengan kx1 ∈ R , jadi k a ∈ U Semua syarat terpenuhi , maka U merupakan sub–ruang R2 Contoh 4.4 U = { (x, y, z) | y = 2x + z}. Selidiki apakah U merupakan sub ruang dari R3 Misalkan a , b ∈ U artinya a = (a1, a2, a3) dan b = (b1, b2, b3) dengan a2 = 2a1 + a3 dan b2= 2b1 + b3
1. U . Contoh 0 = (0, 0, 0) ∈ U 2. a + b = ( a1 + b1, a2 + b2 , a3 + b3 ) apakah a2 + b2 = 2(a1 + b1) + (a3 + b3 )
Penyelidikan: 2(a1 + b1) + (a3 + b3 ) = 2a1 + 2b1 + a3 + b3 (sifat distributif dan assosiatif umum) = 2a1 + a3+ 2b1 + b3 (sifat komutatif umum) = (2a1 + a3)+ (2b1 + b3) = a2 + b2
a + b ∈ U (terpenuhi) 3. Untuk skalar k , maka k a = (ka1, ka2, ka3) apakah ka2= 2ka1+ ka3
Penyeledikan: 2ka1+ ka3 = k2a1+ ka3 =k(2a1+ a3 ) = ka2 ( terpenuhi)
U merupakan sub–ruang R3
4.4 Kombinasi Linier dan Span (Membangun) Sebuah vektor w dikatakan merupakan suatu kombinasi linier dari vektor-vektor v1, v2, …, vn jika vektor w dapat dituliskan sebagai :
w = a1v1 + a2v2 + ……..+ anvn dengan a1, a2 ……an adalah sembarang skalar yang memenuhi persamaan.
Contoh 4.5 Jika terdapat vektor u=(-1,1,2) dan v=(2,-3,0) di ruang R3, tentukan apakah vektor-vektor berikut ini adalah kombinasi linier dari u dan v :
a) (-4,5,4) b) (1,-2,0)
Jawab :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 5
a) Untuk mengetahui suatu vektor adalah kombinasi linier dari vektor yang lainnya, dibuat penulisan persamaan vektor sebagai berikut : w = a1u + a2v
-4 = -a1 + 2a2;5 = a1- 3a2; 4 = 2a1 Jadi : karena ditemukan a1 = 2 dan a2= -1 maka w mrupakan kombinasi linear dari u dan v
b) Sebagai latihan Jika S={v1,v2, …,vr) adalah himpunan vektor di dalam ruang vektor V, dikatakan membangun (Span) suatu ruang vektor V jika setiap vektor pada V selalu dapat dinyatakan sebagai kombinasi linear dari vektor – vektor di S.
Contoh 4.6 Tentukan apakah v1=(-2,1,2), v2=(0,1,3), v3=(-1,0,1) span dari ruang vektor R3? Jawab : Untuk menentukan span di ruang vektor R3, maka dicari kemungkinan setiap vektor di ruang R3 adalah kombina-si linier dari v1, v2 dan v3. Misalkan vektor a=(a1,a2,a3) di ruang vektor R3, maka a dapat ditulis sebagai kombinasi linier dari v1,v2,dan v3
Agar supaya ada nilai k1,k2 dan k3, maka matrik 3 x 3 tersebut harus mempunyai invers atau determinan tidak boleh sama dengan nol. Karena determinan matrik tersebut adalah -3, maka k1,k2 dan k3 didapatkan. Jadi disimpulkan bahwa v1,v2 dan v3 merupakan span dari ruang vektor R3 4.5 Bebas Linear Definisi :
Himpunan m buah vektor {u1, u2 , …, um} disebut bergantung linier ( linearly dependent,
tidak bebas linier) bila terdapat skalar-skalar 1, 2 , …, m yang tidak semua nol
sedemikian sehingga 1 u1 + 2 u2 +… + m um = 0 ( 0 = vektor nol ).
Dalam hal lain himpunan { u1, u2 , …, um} disebut bebas Linier (linearly independent ),
dengan perkataan lain apabila 1 u1 + 2 u2 +… + m um = 0 hanya dipenuhi oleh 1= 2 = …
=m=0.
Contoh 4.6
Apakah vektor-vektor v1=(1,0,1), v2=(2,-1,3) dan v3=(-3,1,-4) saling bebas atau bergantung
linier?
Jawab :
1 2
-4 -1 2 5 1 -3 4 2 0
a a
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 6
Untuk mengecek kebergantungan linier, langkah yang dilakukan adalah dengan menuliskan
persamaan homogen yang mengandung vektor-vektor tersebut yakni : a1v1 + a2v2 + a3v3 = 0
a1(1,0,1) + a2(2,-1,3) +a3(-3,1,-4) = 0
Diperoleh persamaan :
a1+ 2a2 – 3a3=0; -a2 + a3 = 0 dan a1+ 3 a2 – 4 a3 = 0, didapatkan : a1 = a2 = a3 = 1
Jadi vektor v1, v2 dan v3 adalah bergantung linier.
Beberapa catatan :
1. Sebuah kumpulan vektor yang ada di dalam S, maka
a) Saling bergantung linier jika dan hanya jika paling sedikit ada 1 vektor di dalam S
yang dapat dinyatakan sebagai kombinasi linier dari vektor yang lain yang juga di
dalam S
b) Saling bebas linier jika dan hanya jika tidak ada vektor di dalam S yang dapat
dinyatakan sebagai kombinasi linier dari vektor lainnya di dalam S.
2. Sekumpulan vektor berjumlah berhingga yang memuat vektor nol (0) adalah saling
bergantung linier.
3. Jika S ={v1, v2, v3, …, vn} adalah sekumpulan vektor di ruang Rm. Apabila n>m, maka
himpunan S adalah saling bergantung linier.
4.6 Basis dan Dimensi Basis : suatu ukuran tertentu yang menyatakan komponen dari sebuah vector. Dimensi biasanya dihubungkan dengan ruang, misalnya garis adalah ruang dengan dimensi 1, bidang adalah uang dengan dimensi 2 dan seterusnya. Definisi Jika V adalah ruang vektor dan S = {v1, v2, v3, …, vn} adalah kumpulan vektor di dalam V, maka S disebut sebagai basis dari ruang vektor V jika 2 syarat berikut ini dipenuhi : 1. S bebas linier 2. S span (membangun) V Contoh 4.7 Jika v1=(1,2,1), v2=(2,9,0) dan v3=(3,3,,4). Apakah S={v1, v2, v3} adalah basis di R3? Jawab :
• Syarat sebagai basis adalah span dan bebas linier, maka langkah yang harus dilakukan adalah menguji kedua syarat tersebut.
• Jika span, maka harus ada vektor lain yang merupakan kombinasi linier v1, v2 dan v3
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 7
Supaya ada solusi, maka matrik 3 x 3 memiliki invers.
• Dari hasil perhitung diperoleh nilai determinan = 1, yang menandakan bahwa matrik memiliki invers. Dengan demikian setiap nilai b1, b2 dan b3 akan menghasilkan nilai a1, a2 dan a3.
• Dapat dikatakan bahwa S adalah span dari R3. • Jika nilai b1= b2 = b3 = 0, maka a1= a2 = a3= 0 (detailnya sebagai latihan) sehingga
ketiga vector saling bebas linier. • Kesimpulannya : S={v1, v2, v3} adalah himpunan dari vektor basis di R3
Catatan: Ruang vektor V yang bukan nol (0) disebut dimensi terbatas (finite dimensional), yaitu
mengandung kumpulan vektor yang membentuk baris {v1, v2, v3, …, vn} Jika tidak ada kumpulan vektor yang membentuk basis, maka V disebut sebagai dimensi
tak terbatas (infinite dimensional) Catatan : ruang vektor nol disebut finite dimensional Dimensi dari ruang vektor V yang berdimensi terbatas didefinisikan sebagai jumlah
vektor yang membentuk basis di dalam ruang vektor V. Ruang vektor nol mempunyai dimensi nol. Pada pembahasan mengenai membangun dan bebas linier , suatu himpunan vektor dapat ditunjukkan merupakan himpunan yang bebas linier atau membangun ruang vektor V hanya dengan melihat dari jumlah vektor dan dim ruang vektor. Sebenarnya tanpa menghitung kita sudah bisa menyimpulkan bahwa himpunan vektor tersebut tidak bebas linier karena agar bebas linier maksimal jumlah vektor = dim ruang vektor. Sebaliknya jika suatu himpunan vektor hanya memuat vektor dengan jumlah kurang dari dim ruang vektor , maka dapat disimpulkan bahwa himpunan vektor tersebut tidak membangun . Berdasarkan hal ini, maka suatu himpunan vektor kemungkinan bisa menjadi basis ruang vektor berdimensi n jika jumlah vektornya = n. Jika jumlah vektor < n maka tidak membangun sebaliknya jika jumlah vektor > n maka bergantung linier. Jika jumlah vektor = n , maka dapat dihitung nilai determinan dari ruang yang dibangun oleh himpunan vektor tersebut. Jika det = 0 , maka ia tidak bebas linier dan tidak membangun Jika det ≠ 0 , maka ia bebas linier dan membangun merupakan basis . Contoh 4.8 Tentukan basis dan dimensi serta solusi dari system persamaan linier homogen berikut ini : x1 + 2x2 + 2x3 – x4 + 3x5 = 0 x1 + 2x2 + 3x3 + x4 + x5 = 0 3x1 + 6x2 + 8x3 + x4 + 5x5 = 0 Jawab : Harus dicari solusi SPL dengan menggunakan eliminasi Gauss-Jordan diperoleh hasil berikut: (detail sebagai latihan) x3 + 2x4 – 2x5 = 0 x1 + 2x2 – 5x4 + 7x5 = 0 Solusinya :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 8
Maka yang menjadi basisnya adalah :
Sedangkan dimensinya adalah 3 (karena vektor basisnya ada 3) 4.7 Row space, Column space dan Null space Jika A adalah suatu matrik dengan ordo mxn :
Am x n =
mn
n
n
n
mmm a
aaa
a
aaa
a
aaa
a
aaa
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.........
...
...3
2
1
3
33
23
13
2
32
22
12
1
31
21
11
Maka vektor baris adalah r1=[a11 a12 … a1n], r2=[a21 a22 … a2n] dan seterusnya.
Vektor kolom adalah
1
21
11
1 ...
ma
aa
c ,
2
22
12
2 ...
ma
aa
c dan seterusnya.
Vektor-vektor baris r1, r2, ….., rm disebut : row space dari A Vektor-vektor kolom c1, c2, ….., cn disebut : column space dari A Ruang solusi SPL homogen Ax = 0 yang merupakan sub ruang Rn disebut : null space Sistem linier Ax = b disebut konsisten jika dan hanya jika b adalah column space dari A Jika x0 adalah salah satu solusi dari sistem persamaan linier Ax = b dan kumpulan solusi
dari Ax=0 yaitu v1, v2, …, vn merupakan basis untuk null space dari A, maka setiap solusi dari Ax = b dapat ditulis sebagai berikut : x = x0 + a1v1 + a2v2 + …. + anvn
Solusi dari Ax = b adalah x0 yang disebut sebagai solusi khusus (particular solution) dan x0 + a1v1 + a2v2 + …. + anvn disebut solusi umum (general solution).
Solusi umum dari Ax = 0 adalah a1v1 + a2v2 + …. + anvn, dengan demikian dapat disimpulkan bahwa solusi lengkap dari Ax = b adalah solusi khusus ditambah solusi umum dari Ax=0.
Menentukan basis ruang baris/kolom Basis ruang baris A didapatkan dengan melakukan OBE pada A sehingga diperoleh bentuk BEB, baris yang tak nol merupakan basisnya. Sedangkan basis ruang kolom A didapatkan
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 9
dengan melakukan OBE pada AT sehingga diperoleh bentuk BEB, baris yang tak nol merupakan basisnya. Dimensi (ruang baris) = Dimensi (ruang kolom) = rank matriks. Rank dan Nullity Pada suatu matrik A dan AT, terdapat 6 ruang vektor yaitu Row space A Row space AT Column space A Column space AT Null space A Null space AT Namun row space AT = column space A, begitu juga dengan column space AT = row space A. Oleh sebab itu tinggal 4 ruang vektor yang perlu diperhatikan yaitu row space A, column space A, null space A dan null space AT. Ini semua disebut sebagai fundamental matrix space dari A. Dapat disimpulkan bahwa dimensi dari row space dan column space suatu matrik adalah sama. Dimensi dari row space dan column space suatu matrik disbut dengan istilah “rank”, sedangkan dimensi dari null space disebut dengan istilah “nullity”(nullitas) Contoh 4.9 Carilah solusi dari system persamaan linier berikut ini : x1 + 2x2 – x3 + 3x4 – 4x5 = – 1 2x1 + 4x2 – 2x3 – x4 + 5x5 = 2 2x1 + 4x2 – 2x3 + 4x4 – 2x5 = 0 Jawab : Dengan menggunakan eliminasi Gauss-Jordan (detailnya sebagai latihan) diperoleh : x1 = -2x2 + x3 + 1/8 x4 = 1/8 x5 = 3/8
maka
8381
81
32
5
4
3
2
1
00
00101
00012
xx
xxxxx
.
Solusi khususnya adalah
8381
81
00
, sedangkan solusi umumnya adalah 32
00101
00012
xx
+
8381
81
00
Bagaimana cara mencari basis dari null space ? Ruang solusi dari SPL homogen Ax=0 adalah null space. Jadi untuk mencari basis dari null space adalah dengan menganggap ada SPL homogen Contoh 4.10 Tentukan basis dari null space A serta nullitasnya dari SPL homogen berikut: 2x1 + 2x2 – x3 + x5 = 0 – x1 – x2 + 2x3 – 3x4+ x5 = 0 x1 + x2 – 2x3 – x5 = 0 x3 + x4+ x5 = 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 10
Jawab: Dengan menggunakan eleminasi Gauss-Jordan (detailnya sebagai latihan) diperoleh: x1 = -x2 - x5 x3 = -x5 v4 = 0
52
5
4
3
2
1
101
01
00011
xx
xxxxx
Jadi basis dari null space adalah :
00011
dan
101
01
. Nullitas adalah 2
Jika suatu matrik di dalam bentuk row-reduced echelon, maka vektor baris (row vector) dengan 1 (satu) sebagai leading entry menjadi basis dari row-space dari matrik tersebut dan vektor kolom (column vector) dengan 1 (satu) sebagai leading entry menjadi basis dari column space dari matrik tersebut Contoh 4.11 Tentukan basis dari row space , column space dan rank matriks dari matrik berikut ini :
Jawab : Karena sudah berbentuk BEB, maka Basis dari row space adalah : r1 = [1 0 -1 2 1] r2 = [0 1 0 1 2] r3 = [0 0 0 1 3] Untuk mencari basis untuk column space, maka lakukan OBE pada AT sehingga berbentuk BEB (detailnya sebagai latihan) Diperoleh
Rank matriks adalah 3 Catatan: Jika dua matrik A dan B saling row-equivalent, maka :
1. Kumpulan vector kolom A saling bebas linier jika dan hanya jika kolom vektro B yang berkorespondensi letaknya juga saling bebas linier.
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 11
2. Kumpulan vector kolom A membentuk basis dari column space (ruang kolom) A jika dan hanya jika vector B yang letaknya sama dengan A juga membentuk basis untuk ruang kolom B
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 12
BAB V RUANG HASIL KALI DALAM
5.1 Hasil Kali Dalam Umum Definisi Hasilkali dalam (inner product) pada sebuah ruang vektor V adalah sebuah fungsi yang mengasosiasikan sebuah bilangan real <u, v> dengan sepasang vektor u dan v di dalam V, sedemikian sehingga aksioma-aksioma berikut ini dipenuhi bagi semua vektor u, v, dan w di dalam V dan semua bilangan skalar k.
1. Simetris: <u, v> = <v, u> 2. Aditivitas: <u + v, w> = <u, w> + <v, w> 3. Homogenitas: <ku, v> = k <u, v> 4. Positivitas: <v, v> ≥ 0 dan <v, v> = 0 jika dan hanya jika v = 0.
Ruang vektor yang dilengkapi hasil kali dalam seperti diatas disebut Ruang hasil kali dalam yang biasa disingkat dengan RHD. Contoh 5.1 Tunjukkan bahwa operasi perkalian titik standar di R3 Euclides merupakan hasil kali dalam ! Jawab Akan ditunjukkan bahwa perkalian titik standar memenuhi keempat aksioma hasil kali dalam , yaitu : Misalkan a = ( a1,a2,a3 ) , b = ( b1,b2,b3 ) , c = ( c1,c2,c3 ) maka a , b, c ∈ R3 1. Simetris < a , b > = ( a . b) = (a1b1 + a2b2 + a3b3 ) = (b1a1 + b2a2 + b3a3 ) = < b, a > ………… ( terpenuhi ) 2. Aditivitas < a + b , c > = ( ( a + b) . c )
= ((a1+b1 , a2+b2 , a3+b3 ) . ( c1,c2,c3 ) ) = ((a1c1 + b1c1) + ( a2c2+b2c2 ) + (a3c3 + b3c3 ) = (a1c1 + a2c2 + a3c3 ) + (b1c1 + b2c2 + b3c3 ) = ( a . c ) + ( b . c ) = < a , c > + < b , c > …… ( terpenuhi )
3. Homogenitas < k a , b > = ( k a . b )
= ( ka1b1 + ka2b2 + ka3b3 ) = k(a1b1 + a2b2 + a3b3 ) = k( a . b ) = k< a , b > ………… ( terpenuhi ) 4. Positivitas < a , a > = ( a . a ) = ( a12+ a22+ a32 ) ≥ 0 ………… ( terpenuhi ) dan < u, u > = ( a12+ a22+ a32 ) = 0 ↔ u = ( 0,0,0 ) = 0 . … …( terpenuhi ) RHD yang memiliki hasil kali dalam berupa perkalian titik standar seperti diatas biasa disebut RHD Euclides.
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 13
Contoh 5.2 Tunjukkan bahwa <u, v> = u1v1 + u3v3 tidak memenuhi syarat aksioma hasil kali dalam. Jawab Misalkan a = ( a1,a2,a3 ) , b = ( b1,b2,b3 ) , c = ( c1,c2,c3 ) maka a , b, c ∈ R3 1. Simetris < a , b > = (a1b1 + a3b3 ) = (b1a1 + b3a3 ) = < b, a > ………… ( terpenuhi ) 2. Aditivitas < a + b , c > = <(a1+b1 , a2+b2 , a3+b3 ) , ( c1,c2,c3 ) >
= ((a1c1 + b1c1) + (a3c3 + b3c3 ) = (a1c1 + a3c3 ) + (b1c1 + b3c3 ) = < a , c > + < b , c > …… ( terpenuhi )
3. Homogenitas < k a , b > = ( ka1b1 + ka3b3 ) = k(a1b1 + a3b3 ) = k( a . b ) = k< a , b > ………… ( terpenuhi ) 4. Positivitas < a , a > = ( a . a ) = ( a12 + a32 ) ≥ 0 ………… ( terpenuhi ) dan < a, a > = ( a12 + a32 ) = 0 ↔ a = ( 0,0,0 ) = 0 tidak terpenuhi sebab ambil a = (0, a2, 0) maka < a, a > = 0 padahal a bukan 0. Terbukti bahwa <u, v> = u1v1 + u3v3 tidak memenuhi syarat aksioma hasil kali dalam. 5.2 Hasilkali Dalam Khusus Jika w1, w2, …, wn adalah bilangan-bilangan real positif yang disebut nilai bobot (weight), dan jika u = (u1, u2, …, un) dan v = (v1, v2, …, vn) adalan vektor-vektor pada Rn maka <u, v> = w1 u1v1 + w2 u2 v2 + …. + wn unvn mendefinisikan sebuah hasil kali dalam pada Rn. Hasilkali dalam ini disebut hasilkali dalam Euclidean berbobot dengan nilai-nilai bobot w1, w2, …, wn. Contoh 5.3 Diketahui <u, v> = 2 u1v1 + 3 u2 v2 dan u = (7, 5) dan v = (2, -1). Tentukan <u, v>. Jawab <u, v> = 2.7.2 + 3.5.(-1) = 13 Hasilkali dalam yang dibangun oleh Matriks
Misalkan u =
nu
uu
...
...2
1
dan v =
nv
vv
...
...2
1
adalan vektor-vektor pada Rn, maka
<u, v> = vTATAu Dinamakan hasilkali dalam yang dibangun oleh A. Contoh 5.4
Tentukan formula hasil kali dalam yang dibentuk oleh A =
3002 !
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 14
Jawab:
<u, v> = vTATAu = [v1 v2]
3002
3002
2
1
uu
= 2u1v1 + 3u2v2 (detailnya sebagai latihan) 5.3 Panjang vektor , jarak antar vektor ,dan besar sudut dalam RHD Ketika kita membahas tentang panjang vektor , maka kita harus menghilangkan rumusan yang selama ini kita gunakan mengenai panjang vektor dalan ruang –n Euclides berdasarkan operasi hasil kali titik . Kita akan menghitung panjang suatu berdasarkan hasil kali dalam yang telah diberikan, dan sudah dibuktikan bersama – sama bahwa hasil kali titik dalan ruang – n Euclides juga merupakan hasil kali dalam jadi konsep yang digunakan ini akan lebih luas daripada konsep sebelumnya. Misalkan V merupakan ruang hasil kali dalam u, v ∈ V maka
a. 2/1,uuu b. d(u, v) = <u – v, u – v>1/2 c. Misalkan β adalah sudut antara u dan v, maka cos β adalah
vuvu,
cos
Contoh 5.5 Diketahui u = (2, -1), v = (7, 3) dan β adalah sudut antara u dan v. Tentukan panjang masing-masing vektor dan cos β menggunakan hasilkali dalam yang diberikan berikut: a. Hasilkali dalam Euclidis b. Hasilkali dalam Euclidis yang diboboti <u, v> = 3u1v1 + 2u2v2 dimana u = (u1, u2) dan v =
(v1, v2)
c. Hasilkali dalam yang dibentuk oleh matriks A
1321
Jawab: a. Hasilkali dalam Euclidis
5)1)(1(2.2, 2/1 uuu
583.37.7, 2/1 vvv
29011
5853).1(7.2,
cos
vuvu
b. Hasilkali dalam yang diboboti 14)1)(1(22.2.3, 2/1
uuu
1653.3.27.7.3, 2/1 vvv
231036
165143).1(27.2.3,
cos
vuvu
c. Hasilkali yang dibentuk oleh matriks A
6574
7412
1321
1231
12, 2/1
uuu
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 15
7452413
241337
1321
1231
37, 2/1
vvv
7456512
1321
1231
37,
cos
vuvu
(hitung sendiri hasil akhirnya)
5.4 Basis Ortonormal; Proses Gram-Schmidt Diketahui V ruang hasil kali dalam dan v1, v2,…, vn adalah vektor – vektor dalam V. Beberapa definisi penting a. H = { v1, v2,…, vn } disebut himpunan ortogonal bila setiap vektor dalam V saling tegak
lurus ,yaitu < vi, vj > = 0 untuk i ≠ j dan i,j = 1,2,…,n. b. G = { v1, v2,…, vn } disebut himpunan ortonormal bila
G himpunan ortogonal Norm dari vi = 1 , i = 1,2,…,n atau <vi, vi > = 1
Contoh 5.6 Diketahui: S = { v1, v2, v3 }
dimana v1 = (0, 1, 0), v2 =
2
1,0,2
1 , dan v3 =
21,0,
21 . Selidiki apakah S ortonormal?
Jawab: Pertama kita selidiki dulu apakah S ortogonal, setelah diselidiki ternyata S ortogonal sebab < v1, v2 > = < v1, v3 > = < v2, v3 > = 0 ternyata panjang semua vektornya adalah 1. Sehingga disimpulkan S ortonormal. Metode Gramm–Schimdt Metode Gramm–Schimdt digunakan untuk merubah suatu himpunan vektor yang bebas linier menjadi himpunan yang ortonormal. , jadi dalam hal ini disyaratkan himpunan yang ditransformasikan ke himpunan ortonormal adalah himpunan yang bebas linier. Jika yang akan ditransformasikan adalah himpunan vektor yang merupakan basis dari ruang vektor V maka metode Gramm–Schimdt akan menghasilkan basis ortonormal untuk V. Sebelum membahas tentang metode ini, akan dibahas tentang proyeksi ortogonal vektor terhadap ruang yang dibangun oleh himpunan vektor. Diketahui H = { v1, v2,…, vn } adalah himpunan vektor yang bebas linier dari ruang vektor V dengan dim ≥ n dan S = { w1, w2,…, wn } merupakan himpunan yang ortonormal . Jika W menyatakan ruang yang dibangun oleh w1, w2,…, wn maka untuk setiap vektor z1 dalam W, dapat dituliskan z1 = k1w1 + k2w2 +…+ knwn dengan k1, k2, …,kn skalar. Jika u adalah sembarang vektor dalam V , maka tentunya u dapat dituliskan sebagai jumlah dari dua vektor yang saling tegak lurus misalkan z1 dan z2 , jadi dapat dituliskan u = z1 + z2. Karena z1 dalam W , maka sebenarnya z1 merupakan proyeksi ortogonal u terhadap W , sedangkan z2 merupakan komponen vektor u yang tegak lurus terhadap W. Jadi untuk menentukan z1, maka harus ditentukan nilai k1, k2, …,kn sedemikian hingga nilai k1 merupakan panjang proyeksi u terhadap w1, k2 merupakan panjang proyeksi u terhadap w2 dan seterusnya sehingga kn merupakan panjang proyeksi u terhadap wn. Proyeksi ortogonal u terhadap wi adalah proy Wi ( u ) = < u, wi > , dikarenakan w1, w2,…, wn merupakan vektor – vektor yang ortonormal . Jadi dapat dituliskan bahwa proyeksi ortogonal u terhadap W adalah :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 16
proyw ( u) = z1 = < u, w1 > w1 + < u, w2 > w2 +…+ < u, wn > wn dengan { w1, w2,…, wn} merupakan himpunan orthonormal. Komponen u yang tegak lurus terhadap W adalah z2 = u – (< u, w1 > w1 + < u, w2 > w2 +…+ < u, wn > wn) Misal diketahui K = { v1, v2,…, vn } adalah himpunan yang bebas linier, maka K dapat dirubah menjadi himpunan S = { w1, w2,…, wn } yang ortonormal dengan menggunakan metode Gramm–Schimdt yaitu :
1. 1
11 v
vw
2. 1122
11222 ,
,wwvvwwvv
w
3. 2231133
22311333 ,,
,,wwvwwvvwwvwwvv
w
……
n. 112211
112211
,...,,,...,,
nnnnnn
nnnnnnn wwvwwvwwvv
wwvwwvwwvvw
Contoh 5.7 Diketahui H = {a , b, c } dengan a = ( 1,1,1 ) , b = ( 1,2,1 ) , c = (−1,1,0 ) a. Apakah H basis R3? b. Jika ya , transformasikan H menjadi basis orthonormal dengan menggunakan hasil kali
dalam Euclides ! Jawab a. Karena dim(R3) = 3 dan jumlah vektor dalam H = 3 , maka untuk menentukan apakah H
merupakan basis R3 atau bukan , adalah dengan cara menghitung determinan matriks koefisien dari SPL Ax = b dengan b adalah sembarang vektor dalam R3, yaitu = det
011121111
. Setelah dihitung diperoleh det A = 1, ini berarti H merupakan basis untuk R3.
b. Hasil kali dalam antara a , b dan c < a , b > = 4, < a , c > = 0 , < b , c > = 1 Untuk menjadikan H ortonormal, kita gunakan metode Gramm–Schimdt yaitu :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 17
Normalisasi himpunan orthogonal ke himpunan ortonormal Diketahui V RHD dan H = {v1, v2, …., vn} dalam V merupakan ortogonal dengan v1≠ 0, maka bisa diperoleh himpunan ortonormal yang didefinisikan sebagai : S = { s1, s2, …., sn} dengan
Kalau dicermati, sebenarnya ini adalah rumusan Gramm – Schimdt yang telah direduksi yaitu untuk nilai proyw(vi) = 0, akibat dari v1, v2, …. vn yang saling orthogonal. Proses untuk mendapatkan vektor yang ortonormal disebut menormalisasikan vektor. Jika dim (V) = n, maka S juga merupakan basis ortonormal dari V Contoh 5.8 Diketahui a, b, c dalam R3 dengan a = (2,-1,1), b = (2, 5, 1) dan c =(-1,0,2). Jika R3 merupakan RHD Euclides, transfor-masikan a, b, c ke basis ortonormal ! Jawab : <a,b> = 0, <a,c> = 0, <b,c> = 0
Misalkan H = {a,b,c} maka H merupakan himpunan ortonormal. Dim (R3) = 3 jadi dapat ditentukan basis ortonormal untuk R3. Misalkan :
Basis ortonormal untuk R3 adalah :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 18
5.5 Perubahan Basis Suatu ruang vektor dapat memiliki beberapa basis. Jika terdapat sembarang vektor x dalam ruang vektor V yang memiliki himpunan vektor A dan B sebagai basisnya, maka x tentunya merupakan kombinasi linier dari vektor A dan B Jika V ruang vektor, S={s1, s2, ….,sn} merupakan basis V, maka untuk sembarang x dalam V dituliskan: x = k1s1 + k2s2 +……+ knsn dengan k1, k2, ….kn skalar yang juga disebut koordinat x relatif terhadap basis S
disebut matrik x relatif terhadap basis S Jika S merupakan basis ortonormal, maka :
Jika A ={x1,x2} dan B = {y1, y2} berturut-turut merupakan basis dari V, maka untuk sembarang z dalam V didapatkan :[z]A dan [z]B. Bagaimana hubungan [z]A dan [z]B ? Misalkan
Dari
…………………..(1)
………………(2) Untuk
………………………(3) Dengan mensubstitusikan persamaan (1) dan (2) ke (3) diperoleh :
Ini berarti :
1
2s
n
kk
x
k
1
2
,,
,
s
n
x sx s
x
x s
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 19
P disebut matrik transisi dari basis A ke basis B. Secara umum, jika A = {x1, x2, …xn} dan B = {y1, y2, ….yn} berturut-turut merupakana basis dari ruang vektor V, maka matrik transisi basis A ke basis B adalah :
Jika P dapat dibalik, maka P-1 merupakan matrik transisi dari basis B ke basis A Contoh soal : Diketahui : A = { v, w} dan B = {x, y} berturut-turut merupakan basis R2 dengan v =(2,2), w = (3,-1), x = (1,3) dan y = (-1,-1). Tentukan :
a. Matrik transisi dari basis A ke basis B
b. Hitung A
31
c. Hitung B
31
dengan menggunakan hasil dari b
d. Matrik transisi dari basis B ke basis A Jawab
a. Misalkan
ba
v B , maka
ba
1311
22
didapatkan
2
0ba
Dan untuk
dc
w B , maka
d
c1311
13
didapatkan
52
dc
Jadi matriks transisi dari basis A ke basis B adalah:
P =
5220
b. Misalkan
2
1
31
kk
A
maka didapatkan
1
1
2
1
kk
c. Dari a dan b diperoleh P =
5220
dan
1
131
A
sehingga
B31
P
A31
5220
11
=
32
d. Matriks transisi dari B ke basis A adalah P-1 dengan P merupakan matriks transisi
terhadap basis A ke basis B. Jadi P-1 =
0225
41
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 20
BAB VI TRANSFORMASI LINEAR
Transformasi linear merupakan fungsi khusus dari suatu ruang vektor ke ruang vektor
yang lain. Fungsi khusus tersebut didefinisikan sebagai berikut.
Definisi 6.1.
Jika T: V1 → V2 merupakan fungsi dari ruang vektor V1 ke ruang vektor V2, maka T
dinamakan transformasi linear, jika dan hanya jika
1. T(u + v) = F(u) + F(v) untuk setiap vektor u dan v di V1.
2. T(ku) = kT(u) untuk setiap vektor u di V1 dan setiap skalar k.
Contoh 6.1.
Untuk fungsi-fungsi berikut, selidiki apakah fungsi tersebut merupakan transformasi
linear? Berikan alasannya!
1. Fungsi F1 dari R2 ke R2 yang didefinisikan dengan F1((x,y)) = (2x – y, x) untuk setiap (x,y)
R2.
2. Fungsi F2 dari R2 ke R2 yang didefinisikan dengan F2((x,y)) = (x2,y) untuk setiap (x,y) R2.
3. Fungsi T1 dari R3 ke R3 yang didefinisikan dengan T1((x,y,z)) = (1,z,y) untuk setiap (x,y,z)
R3.
4. Fungsi T2 dari R3 ke R3 yang didefinisikan dengan T2((x,y,z)) = (x + 2y, y – z, x + 2z) untuk
setiap (x,y,z) R3.
Penyelesaian:
1. Misalkan u = (x1 , y1) dan v = (x2 , y2) anggota R2 dan k sebarang skalar.
F1(u + v) = F1((x1 + x2 , y1 + y2))
= (2(x1 + x2) – (y1 + y2), x1 + x2)
= (2x1 + 2x2 – y1 – y2, x1 + x2)
= ((2x1 – y1) + (2x2 – y2), x1 + x2)
= (2x1 – y1, x1) + (2x2 – y2, x2)
= F1(x1, y1) + F(x2, y2)
= F1(u) + F1(v).
F1(ku) = F1((kx1, ky1))
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 21
= (2kx1 – ky1, kx1)
= k(2x1 – y1, x1)
= kF1(x1, y1)
= kF1(u).
Jadi, F1 adalah transformasi linear.
2. Misalkan u = (x1 , y1) dan v = (x2 , y2) anggota R2 dan k sebarang skalar.
F2(u + v) = F2((x1 + x2 , y1 + y2))
= ((x1 + x2)2, y1 + y2)
= (x12 + 2x1x2 + x22, y1 + y2)
F2(u) + F2(v) = F2((x1 , y1)) + F2((x2 , y2))
= (x12,y1) + (x22,y2)
= (x12 + x22, y1 + y2)
Ternyata F2(u + v) ≠ F2(u) + F2(v).
Jadi, F2 bukan transformasi linear.
Untuk contoh nomor 3 dan 4, silakan Anda selesaikan seperti contoh nomor 1 dan 2.
Ada beberapa definisi dan teorema berkenaan dengan transformasi linear yang harus
Anda ketahui, karena definisi dan teorema tersebut sering digunakan dalam aljabar linear.
Definisi dan teorema tersebut adalah:
Definisi 6.2.
1. Misalkan T: V1 → V2 adalah transformasi linear. Himpunan vektor di V1 yang oleh T
dipetakan ke o dinamakan kernel (ruang nol dari T). Himpunan tersebut dinyatakan oleh
ker(T). Himpunan semua vektor di V2 yang merupakan bayangan oleh T dinamakan
jangkauan dari T. Himpunan tersebut dinyatakan oleh R(T).
Dengan demikian ker(T) = {v V1 T(v) = 0}, dan R(T) = {w V2 T(v) = w, untuk setiap v
V1}.
2. Jika T: V1 → V2 adalah transformasi linear, maka dimensi jangkauan dari T dinamakan rank
T dan dimensi kernel dari T dinamakan nulitas T.
Teorema 6.1.
1. Jika T: V1 → V2 adalah transformasi linear, maka
a. T(o) = o.
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 22
b. T (- v) = -T(v) untuk setiap v di V1.
c. T(v – w) = T(v) – T(w) untuk setiap v dan w di V1.
2. Jika T: V1 → V2 adalah transformasi linear, maka:
a. Ker (T) adalah ruang bagian dari V1.
b. R(T) adalah ruang bagian dari V2.
3. Jika T: V1 → V2 adalah transformasi linear dari ruang vektor V1 yang berdimensi n ke ruang
vektor V2, maka (rank dari T) + (nulitas dari T) = n.
Berikut ini merupakan contoh-contoh soal yang berkenaan dengan ker(T), R(T), rank
T, dan nulitas T pada transformasi linear T.
Contoh 6.2.
1. Diketahui T : R2 → R2 adalah transformasi linear yang dirumuskan oleh:
T(x,y) = (x – 2y, 3x – 6y) untuk setiap (x,y) R2.
a. Apakah vektor berikut terletak dalam ker(T).
1) (-2,-1)
2) (1,3)
b. Apakah vektor berikut terletak dalam R(T).
1) (1,5)
2) (3,9)
2. Diketahui T : R3 → R3 yang dirumuskan oleh T(x,y,z) = (x – y + 3z, 5x + 6y – 4z, 7x + 4y +
2z). Tentukan:
a. rank T.
b. nulitas T.
Penyelesaian:
1. a. 1) T(-2,-1) = (-2 + 2, -6 + 6) = (0,0).
Jadi (-2,-1) terletak dalam ker(T).
2) T(1,3) = (1 – 6, 3 – 18) = (-5,-15).
Jadi (1,3) tidak terletak dalam ker(T).
b. 1) Perhatikan bentuk T(x,y) = (1,5), diperoleh sistem persamaan linear:
x – 2y = 1
3x – 6y = 5
a11 = 1; a12 = -2; b1 = 1
a21 = 3; a22 = -6; b2 = 5
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 23
1
2
12
22
11
21
1
2
12
22
11
21
bb
aa
aa5
bbdan3
aa
aa
Jadi sistem persamaan tersebut tidak mempunyai penyelesaian, sehingga vektor
(1,5) tidak terletak dalam R(T).
2) Bentuk T(x,y) = (3,9) akan menghasilkan sistem persamaan linear:
x – 2y = 3
3x – 6y = 9
a11 = 1; a12 = -2; b1 = 3
a21 = 3; a22 = -6; b2 = 9
3bb
aa
aa
1
2
12
22
11
21
Jadi sistem persamaan mempunyai penyelesaian dengan jumlah tak hingga.
Bentuk matriks dari sistem persamaan tersebut adalah:
963321
000321
Diperoleh x – 2y = 3
Misal y = t, maka x = 2y + 3
Penyelesaian: x = 2y + 3 dan y = t
Dengan mengambil t = 1 didapat x = 5 dan y = 1.
Ini berarti T (5,1) = (5 – 2, 15 – 6) = (3,9).
Jadi (3,9) terletak dalam R(T).
2. a. Bentuk matriks Tdiubah menjadi 1 5 71 6 4
3 4 2
1 5 70 11 110 19 19
1 5 70 1 10 0 0
.
Jadi basis R(T) adalah {(1,5,7),(0,1,1)}, akibatnya rank T = 2.
b. Ambil sebarang vektor (x,y,z) di ker(T), maka T(x,y,z) = (0,0,0).
Didapat (x – y + 3z, 5x + 6y – 4z, 7x + 4y + 2z) = (0,0,0).
x – y + 3z = 0
5x + 6y – 4z = 0
7x + 4y + 2z = 0
Bentuk matriks dari sistem persamaan tersebut adalah:
024704650311
0191100191100311
019110
0111910
0311
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 24
0000
0111910
0111401
Diperoleh: x + 1114 z = 0
y – 1119 z = 0
Misal z = t, maka x = -1114 t dan y =
1119 t
Penyelesaian dari sistem persamaan linear tersebut adalah:
x = -1114 t; y =
1119 t; dan z = t
sehingga (x,y,z) =
,1
1119,
1114t . Hal Ini berarti
1,
1119,
1114 pembangun ker(T) dan
vektor
1,
1119,
1114 bebas linear.
Jadi
1,
1119,
1114 basis untuk ker (T), sehingga nulitas T = 1.
Dari a dan b didapat rank T = 2; nulitas T = 1; dimensi R3 = 3, dan terpenuhi bahwa rank T + nulitas T = dimensi R3.
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 25
BAB VII NILAI EIGEN DAN VEKTOR EIGEN
7.1 Definisi
Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah vektor kolom X. Vektor X adalah vektor dalam ruang Euklidian nR yang dihubungkan dengan sebuah persamaan:
XAX (7.1) Dimana adalah suatu skalar dan X adalah vektor yang tidak nol Skalar dinamakan 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 7.1
Misalkan Sebuah vektor
21
X dan sebuah matriks bujur sangkar orde 2 x 2
2404
A ,
Apabila matriks A dikalikan dengan X maka:
AX =
2404
21
=
4404
=
84
Dimana:
84
=
21
4 = X
Dengan konstanta 4 dan
2404
21
=
21
4
Memenuhi persamaan (7.1). Konstanta 4 dikatakan nilai eigen dari matriks bujur
sangkar
2404
A
Contoh 7.2
Sebuah vektor
12
X dan sebuah matriks
3011
A .
Apabila matriks A dikalikan X didapat:
AX =
3041
12
=
3042
=
36
Dimana:
36
=
12
3 = X
dengan .3 Maka 3 adalah nilai eigen dari matriks
3041
A .
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 26
Contoh 7.3
Sebuah vektor
10
X dan mateiks
2804
A bila matriks A dikalikan dengan X maka:
AX =
2804
10
=
2000
=
20
Dimana:
20
=
10
2 =
10
dengan .2
2 adalah nilai eigen dari matriks
2804
dan vektor
10
X adalah vektor eigen dari
matriks
2804
yang bersesuaian dengan nilai eigen .2
Contoh 7.4
Sebuah vektor
23
X dan matriks
0231
A .
Perkalian matriks A dengan X adalah:
AX =
0231
23
=
0663
=
69
Dimana
69
=
23
3 =
23
.
Konstanta 3 adalah nilai eigen dari matriks bujur sangkar
0231
A
Contoh 7.5
Sebuah vektor
111
X dan matriks
003012201
A .
Matriks A dikalikan X didapat:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 27
AX =
003012201
111
=
003012201
=
333
333
= 3
111
=
111
= X
dengan 3 adalah nilai eigen matriks
003012201
A
Contoh 7.6.
Sebuah vektor
321
X dan matriks A =
200012002
Perkalian matriks A dan X adalah:
AX =
200012002
321
=
600022002
=
642
AX =
642
= 2
321
= X , dengan .2
Maka 2 adalah nilai eigen dari A =
200012002
7.1.1 Perhitungan 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 = XI
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 28
AX = IX 0 XAI (7.2) Persamaan (7.2) terpenuhi jika dan hanya jika: det AI (7.3) Dengan menyelesaikan persamaan (7.3) dapat ditentukan nilai eigen ( ) dari sebuah matriks bujur sangkar A tersebut/ Contoh 7.7.
Dapatkan nilai eigen dari matriks A =
2312
Jawab: Dari persamaan (7.3) maka:
det
23
12
= 0
03)2)(2( 03442
0142 Dengan menggunakan rumus abc didapatkan:
2,1 = 2
1.1.4)4(4 2
= 2
4164
= 2
124
=
= 2 3 Maka penyelesaian adalah: 321 dan 322 .
Nilai eigen matriks A =
2312
adalah:
321 dan 323
Contoh 7.8
Dapatkan nilai eigen dari matriks A =
5114
Jawab: Nilai eigen ditentukan dengan persamaan:
det
51
14
= 0
2324
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 29
maka: 01)5)(4( 012092 01992 Dengan rumus abc didapatkan:
2
19.1.4)9(9 2
2,1
2
768192,1
2
592,1
Didapatkan 5215,41 dan 5
215,42 , jadi nilai eigen matriks
A =
5114
adalah 5215,4
Contoh 7.9
Dapatkan nilai eigen dari A =
1230
Jawab: Nilai eigen ditentukan dari persamaan: det 0 AI
det
123
= 0
06)1( 062 0)2)(3( Penyelesaian persamaan tersebut adalah: 03 3 dan
02 2
Jadi nilai eigen matriks A =
1230
adalah 3 dan 2 .
Contoh 7.10.
Dapatkan nilai eigen dari A =
5304
Jawab: Determinan dari AI = 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 30
det 053
04
00)5)(4( Penyelesaian persamaan adalah: 4 dan 05 5
Jadi nilai eigen dari matriks A =
5304
adalah: 41 dan 52 .
Contoh 7.11
Carilah nilai eigen dari A =
200043012
Jawab: det 0 AI
det 0200
043012
)2(3)2)(4)(2( = 0 03)2)(4()2(
0386)2( 2
056)2( 2 0)5)(1)(2( Penyelesaian persamaan adalah:
2
02
01 1 dan 05 5
Jadi nilai eigen yang bersesuai untuk matriks
200043012
adalah:
21 , 12 dan 53 . Contoh 7.12
04
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 31
Dapatkan Nilai eigen dari matriks
180763001
A
Jawab: Nilai eigen A didapatkan dari persamaan:
AI det = 0
det
180761001
= 0
56)1)(6()1( = 0
5665)1( 2 = 0
625)1( 2 = 0 Maka nilai adalah: 01 11 06252 Dengan rumus abc didapatkan:
2
62.42553,2
273215,22
273215,23
Jadi nilai eigen dari matriks
180763001
A adalah:
11 dan 273215,2
Contoh 7.13.
Dapatkan nilai eigen dari A =
300030007
Jawab: Nilai eigen didapatkan dari persamaan: 0det AI
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 32
300030007
det
= 0
0)3)(3)(7( Maka nilai adalah:
07 7
03 3 (2 kali)
Jadi nilai eigen dari matriks A =
300030007
adalah 3 dan 7
Contoh 7.14
Dapatkan nilai eigen dari A =
450520002
Jawab: Berdasarkan persamaan 0det AI maka:
det
450520002
= 0
0}25)4)(2){(2(
0}176){2( 2 Maka nilai adalah: 02 21 01762 Dengan rumus abc didapatkan:
2
17.43662,1
1042133,2
Jadi nilai eigen matriks A =
450520002
adalah 21 , 1042132 dan 104
2133
Contoh 7.15
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 33
Dapatkan nilai eigen dari A =
300030007
Jawab: Dengan menggunakan persamaan det 0 AI maka:
0300
030007
det
0)3)(3)(7( Nilai adalah:
07 7
03 3
03 3
Jadi nilai eigen dari matriks A =
300030007
adalah: 71 dan .332
Contoh 7.16
Dapatkan Nilai eigen dari A =
423633002
Jawab: Dengan menggunakan persamaan det 0 AI maka:
0423
633002
det
0]12)4)(3)[(2(
0]12127)[2( 2
0]7)[2( 2 0)7()2(
Maka nilai-nilai adalah: 02 2 0 07 7
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 34
Jadi nilai-nilai eigen dari matriks A =
423633002
adalah: 0,2 21 dan .73
7.2 Perhitungan Vektor Eigen
Kita tinjau kembali persamaan XAX 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:
A =
2221
1211
aaaa
Persamaan XAX dapat dituliskan:
2221
1211
aaaa
2
1
2
1
xx
xx
(7.4)
Persamaan (7.4) dikalikan dengan identitas didapatkan:
1001
2221
1211
aaaa
2
1
xx
=
1001
2
1
xx
2221
1211
aaaa
2
1
xx
=
0
0
2
1
xx
2221
1211
aaaa
2
1
xx
= 0 (7.5)
Persamaan (7.5) dalam bentuk sistem persamaan linier dituliskan:
0)(0)(
222121
212111
xaxaxaxa
(7.6)
Persamaan (7.6) adalah sistem persamaan linier homogen, vektor dalam ruang Rn yang tidak nol didapatkan jika dan hanya jika persamaan tersebut mempunyai solusi non trivial untuk nilai eigen yang sesuai. Contoh. 7.17
Dapatkan vektor eigen dari matriks A =
1230
Jawab: Pada contoh 7.9 nilai eigen didapatkan 21 dan 32 , vektor eigen didapatkan dengan persamaan:
0)1(2
03
21
21
xx
xx
Untuk 2 maka:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 35
02
032
21
21
xxxx
Solusi non trivial sistem persamaan ini adalah: 212 xx Misalkan rx 1 maka rx 22
Vektor eigen matriks A =
1230
untuk 2 adalah:
rr
X2
dimana r adalah bilangan sembarang yang tidak nol.
Untuk 3 maka:
022033
21
21
xxxx
Solusi non trivial sistem persamaan tersebut adalah: 21 xx Misalkan sx 1 maka vektor eigen untuk 3 adalah:
ss
X dimana s adalah senbarang bilangan yang tidak nol.
Contoh 7.18
Dapatkan vektor eigen dari matriks A =
5304
Jawab: Pada contoh 7.10 nilai eigen matriks tersebut adalah 4 dan 5 maka vektor eigen didapatkan dari persamaan:
0)5(3
00)4(
21
1
xxx
Untuk 4 didapatkan sistem persamaan linier berbentuk:
03
000
21 xx
Solusi non trivialnya adalah 3
21
xx , bila dimisalkan rx 2 didapatkan vektor eigen
matriks A untuk 4 adalah:
r
rX 31
dengan r bilangan sembarang yang tidak nol.
Untuk maka:
0)55(3
00)54(
21
1
xxx
Sistem persamaan linier menjadi:
5
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 36
00300
1
1
xx
Tidak ada solusi non trivial dari sistem persamaan linier tersebut, jadi tidak terdapat vektor eigen dari matriks A untuk .5 Contoh 7.19
Dapatkan vektor eigen dari
0231
A
Jawab: Nilai eigen matriks A didapatkan dari persamaan: 0det AI
002
31det
06)1( 062
0)3)(2( Nilai eigen matriks A adalah: ,02 maka 21 ,03 maka 32 Vektor eigen didapatkan dengan persamaan:
02
03)1(
21
21
xxxx
Untuk 2 maka:
02203
21
21
xxxx
Solusi non trivial sistem persamaan linier tersebut adalah: 123 xx
Misalkan rx 1 maka .32 rx Jadi vektor eigen matriks A untuk 2 adalah:
rr
X3
dengan r bilangan sembarang yang tidak nol.
Untuk 3 Vektor eigen didapatkan dari sistem persamaan linier:
032032
21
21
xxxx
Solusi non trivial adalah:
,32 21 xx maka 12 32 xx
Misalkan rx 1 vektor eigen matriks A yang sesuai dengan 3 adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 37
r
rX
32 dengan r bilangan sembarang yang tidak nol.
Contoh 7.20
Dapatkan vektor eigen dari A =
01
23
Jawab: Nilai eigen matriks A didapatkan dari persamaan det 0 AI
01
2)3(det
02)3( 0232
0)2)(1( 01 maka 11 02 maka 22
Vektor eigen didapatkan dari persamaan:
0)0(02)3(
21
21
xxxx
Untuk 1 maka:
0022
21
21
xxxx
Solusi non trivial persamaan tersebut adalah: 21 xx , jika rx 1 maka rx 2 Vektor eigen yang sesuai dengan 1 adalah:
rr
X dengan r bilangan sembarang yang tidak nol.
Untuk 2 maka:
02
02
21
21
xxxx
Solusi non trivial sistem persamaan linier tersebut adalah; 21 2xx
Misalkan rx 1 maka rx21
2
Jadi vektor eigen yang sesuai dengan 2 adalah:
r
rX 1
Contoh 7.21
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 38
Dapatkan vektor eigen dari A =
423633002
Jawab: Pada contoh 7.16 diketahui nilai eigen matriks A adalah: 0,2 dan .7 Vektor eigen ditentukan dari persamaan:
000
)4(236)3(300)2(
3
2
1
xxx
Untuk 2 maka:
000
223613000
3
2
1
xxx
Dalam bentuk sistem persamaan linier dituliskan:
0223
0630000
321
321
xxxxxx
Solusi non trivial didapatkan dari: 022363 321321 xxxxxx
04 32 xx
32 4xx Maka
0643 331 xxx
0103 31 xx
31 103 xx
31 310 xx
Jadi vektor eigen matriks A =
423633002
untuk 2 adalah:
3
3
3
4310
xx
x
X
Misalkan rx 3 maka:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 39
rr
r
X 4310
dengan r adalah bilangan sembarang yang tidak nol.
Untuk 0 Vektor eigen ditentukan dari persamaan:
000
423633002
3
2
1
xxx
Dalam bentuk sistem persamaan linier dituliskan:
04230633
0002
321
321
1
xxxxxx
x
Solusi sistem persamaan linier adalah: 02 1 x 01 x 0630 32 xx
32 2xx
Vektor eigen dari matriks A =
423633002
untuk 0 adalah:
3
320
xxX
Misalkan rx 3 maka:
rrX 2
0 dengan r bilangan sembarang yang tidak nol.
Untuk 7 Vektor eigen didapatkan dari persamaan:
000
323643005
3
2
1
xxx
Dalam bentuk sistem persamaan linier dituliskan:
03230643
0005
321
321
1
xxxxxx
x
Solusi sistem persamaan linier adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 40
05 1 x 01 x 064 32 xx
32 23 xx
Vektor eigen matriks A =
423633002
untuk 7 adalah:
3
323
0
x
xX
Misalkan rx 3 maka:
r
rX230
dengan r sembarang bilangan yang tidak nol.
Contoh 7.22
Dapatkan vektor eigen dari matriks A =
450520002
Jawab: Pada contoh 7. 14 diketahui nilai eigen matriks tersebut yang merupakan bilangan bulat adalah 2 , vektor eigennya didapatkan dari persamaan:
000
)24(505)22(000)22(
3
2
1
xxx
Dalam bentuk sistem persamaan linier dituliskan:
0250
05000000
32
3
xxx
Solusi non trivial sistem persamaan liniernya adalah: 32 25 xx
32 52 xx
01 x
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 41
Vektor eigen matriks A =
450520002
yang sesuai dengan nilai eigen 2 adalah:
3
3520
x
xX
Misalkan sx 3 maka:
s
sX520
dengan s adalah bilangan sembarang yang tidak nol.
Contoh 7.22
Dapatkan vektor eigen dari A =
003012201
Jawab: Nilai eigen didapatkan dengan persamaan:
003
0)1(220)1(
det
0)1(302)1()1(
06)1( 2 Nilai eigen matriksnya adalah: 01 1 02 2 03 3 Vektor eigen didapatkan berdasar persamaan:
000
030)1(220)1(
3
2
1
xxx
Untuk 1 Dalam bentuk sistem persamaan linier dituliskan:
00300020200
31
1
3
xxx
x
Solusi sistem persamaan liniernya adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 42
03 31 xx
13 3xx
02 x Vektor eigen yang sesuai adalah:
1
1
30x
xX
Misalkan tx 1 Vektor eigennya adalah:
t
tX
30 dengan t bilangan sembarang yang tidak nol.
Untuk 2 Sistem persamaan liniernya adalah:
020300320203
31
21
31
xxxx
xx
Solusi non trivial sistem persamaan liniernya adalah: 023 31 xx
31 32 xx
032 21 xx
12 32 xx
Vektor eigen yang sesuai adalah:
1
1
1
2332
x
x
x
X
Misalkan px 1 maka vektor eigennya adalah:
p
p
p
X
2332 dengan p bilangan sembarang yang tidak nol.
Untuk 3 Sistem persamaan liniernya adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 43
030300220202
31
21
31
xxxx
xx
Solusi non trivial sistem persamaan liniernya adalah; 31 22 xx
31 xx 21 22 xx 21 xx Vektor eigen yang sesuai adalah:
1
1
1
xxx
X
Misalkan qx 1 maka vektor eigennya adalah;
qqq
X dengan q bilangan sembarang yang tidak nol.
Contoh 7.23
Dapatkan vektor eigen dari matriks A =
180763001
Jawab: Dari penyelesaian contoh 7.12 nilai eigen yang merupakan bilangan bulat adalah 1, maka vektor eigennya didapatkan dari persamaan:
000
)11(807)16(300)11(
3
2
1
xxx
Dalam bentuk sistem persamaan linier adalah:
02800753
0000
32
321
xxxxx
Solusi non trivialnya adalah: 32 28 xx
32 41 xx
02853 221 xxx 21 333 xx 21 11xx Vektor eigen yang sesuai adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 44
2
2
2
4
11
xxx
X
Misalkan ax 2 maka vektor eigennya adalah:
aaa
X4
11
Contoh 7.24
Dapatkan vektor eigen dari A =
200012002
Jawab: Nilai eigen matriks tersebut didapatkan dari persamaan: 0det AI
0)2(00
0)1(200)2(
det
0)2)(1( 2 Nilai eigennya adalah: 01 1 02 2 Vektor eigen didapatkan dari persamaan:
000
)2(000)1(200)2(
3
2
1
xxx
Untuk 1 Sistem persamaan liniernya dituliskan:
0000002
000
3
1
1
xxx
Tidak ada solusi non trivial dari sistem persamaan linier tersebut, maka vektor eigen tidak terdefinisikan. Untuk 2 Sitem persamaan liniernya adalah:
0000002
0000
21
xx
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 45
Solusi non trivial sistem persamaan liniernya adalah: 212 xx 03 x Vektor eigen yang sesuai adalah:
02 1
1
xx
X
Misalkan tx 1 maka vektor eigennya menjadi:
02tt
X dengan t bilangan sembarang yang tidak nol.
Contoh 7.25
Dapatkan vektor eigen dari matriks A =
500032023
Jawab: Nilai eigen matriks didapatkan dari persamaan: 0det AI
0)5(00
0)3(202)3(
det
0)5(22)5)(3()3(
04)3()5( 2
056)5( 2
0)1()5( 2 Nilai eigen matriks adalah: 01 1 Vektor eigen didapatkan dari persamaan:
000
)5(000)3(202)3(
3
2
1
xxx
Untuk 1 Dalam bentuk sistem persamaan linier dituliskan:
0400
00220022
3
21
21
xxxxx
05 5
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 46
Solusi non trivialnya adalah: 21 22 xx 21 xx 03 x Vektor eigen yang sesuai adalah:
01
1
xx
X
Misalkan tx 1 maka vektor eigennya adalah:
0tt
X dengan t bilangan sembarang yang tidak nol.
Untuk 5 Sistem persamaan liniernya adalah:
0000
00220022
21
21
xxxx
Solusi non trivialnya adalah: 21 22 xx 21 xx 03 x Vektor eigen yang sesuai adalah:
01
1
xx
X
Misalkan rx 1 maka vektor eigenya adalah:
0rr
X dengan r bilangan sembarang yang tidak nol.
Contoh 7.26
Dapatkan vektor eigen dari A =
102012104
Jawab: Nilai eigen dari matriks didapatkan dari persamaan 0det AI
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 47
0)1(02
0)1(210)4(
det
0)1(2)1()4( 2 02)4)(1()1(
065)1( 2 0)3)(2)(1(
Nilai eigen matriks tersebut adalah: 01 1 02 2 03 3 Vektor eigen didapatkan dari persamaan:
000
)1(020)1(210)4(
3
2
1
xxx
Untuk 1 Dalam bentuk sistem persamaan linier dituliskan:
00020002003
1
1
31
xx
xx
Solusi non trivialnya adalah: 313 xx 02 x Vektor eigen yang sesuai adalah:
1
1
30x
xX
Misalkan px 1 maka vektor eigenya adalah:
p
pX
30 dengan p adalah bilangan sembarang yang tidak nol.
Untuk 2 Sistem persamaan linier yang sesuai adalah:
002002
002
31
21
31
xxxxxx
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin) Hal 48
Solusi non trivialnya adalah: 312 xx 212 xx Vektor eigen yang sesuai adalah:
1
1
1
22xxx
X
Misalkan sx 1 maka vektor eigennya adalah:
sss
X22 dengan s bilangan sembarang yang tidak nol.
Untuk 3 Sistem persamaan liniernya adalah:
02020022
00
31
21
31
xxxxxx
Solusi trivialnya adalah: 031 xx
31 xx
022 21 xx
12 xx Vektor eigen yang sesuai adalah:
1
1
1
xxx
X
Misalkan tx 1 maka
ttt
X dengan t bilangan sembarang yang tidak nol.