Professional Documents
Culture Documents
DISUSUN OLEH
ABDUL JABAR, M.Pd
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 i
DAFTAR ISI
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Halaman
1
1
2
4
4
5
6
8
12
12
13
14
15
18
20
25
Hal ii
BAB IV
RUANG VEKTOR
4.1
Field
2.
3.
4.
5.
6.
7.
untuk setiap ,, K
(i) *( + )=* + *
(ii) ( + )* = * + *
8.
9.
Bilangan Imajiner
Bilangan Riil
B. Irrasional
B. Rasional
B. Bulat
B. Pecahan
Hal 1
Hal 2
= 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 3
2.
3.
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 subruang 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 subruang 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 4
a) Untuk mengetahui suatu vektor adalah kombinasi linier dari vektor yang lainnya,
dibuat penulisan persamaan vektor sebagai berikut : w = a1u + a2v
-4
-1
2
5 a 1 a -3
1 2
4
2
0
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 :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 5
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 6
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 7
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 8
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
18
x1 2
1
0
x 1
0
2
maka x3 0 x2 1 x3 0 .
1
8
x4 0
0
83
x5 0
0
18
2
1
18
0
1
0
0
Solusi khususnya adalah 0 , sedangkan solusi umumnya adalah 0 x2 1 x3 + 0
1
1
8
8
0
0
83
83
0
0
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 9
Jawab:
Dengan menggunakan eleminasi Gauss-Jordan (detailnya sebagai latihan) diperoleh:
x1 = -x2 - x5
x3 = -x5
v4 = 0
x1 1
1
x 1
0
2
x3 0 x 2 1 x5
x4 0
0
x5 0
1
1
1
1
0
Jadi basis dari null space adalah : 0 dan 1 . Nullitas adalah 2
0
0
0
1
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
Hal 10
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 11
BAB V
RUANG HASIL KALI DALAM
Hal 12
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
<ka,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
u1
v1
u
v
2
2
Misalkan u = ... dan v = ... adalan vektor-vektor pada Rn, maka
...
...
u n
vn
<u, v> = vTATAu
Dinamakan hasilkali dalam yang dibangun oleh A.
Contoh 5.4
2
Tentukan formula hasil kali dalam yang dibentuk oleh A =
0
0
!
3
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 13
Jawab:
2 0 2 0 u1
= [v1 v2]
3 0
3 u 2
0
= 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
1/ 2
a. u u ,u
b. d(u, v) = <u v, u v>1/2
c. Misalkan adalah sudut antara u dan v, maka cos adalah
u, v
cos
u v
Contoh 5.5
Diketahui u = (2, -1), v = (7, 3) dan adalah sudut antara u dan v. Tentukan panjang masingmasing vektor dan cos 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)
1 2
c. Hasilkali dalam yang dibentuk oleh matriks A
3 1
Jawab:
a. Hasilkali dalam Euclidis
1/ 2
u u, u
2.2 ( 1)(1) 5
v v, v
1/ 2
u, v
7.7 3.3 58
2.7 (1).3
11
u v
5 58
290
b. Hasilkali dalam yang diboboti
1/ 2
u u, u
3.2.2 2( 1)(1) 14
cos
v v, v
1/ 2
u, v
3.2.7 2(1).3
36
u v
14 165
2310
c. Hasilkali yang dibentuk oleh matriks A
1 3 1 2 2
1/ 2
u u, u
2 1
2 1 3 1 1
cos
4
7 65
7
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 14
1 3 1
3
2 1 3
1 3 1
7 3
u, v
2 1 3
cos
u v
65 745
v v, v
1/ 2
2 7
1 3
13
13
24 745
24
2 2
1 1
Hal 15
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
GrammSchimdt yaitu :
v
1. w1 1
v1
2. w 2
3. w 3
v 2 v 2 , w1 w1
v 2 v 2 , w1 w1
v 3 v 3 , w1 w1 v 3 , w 2 w 2
v 3 v 3 , w1 w1 v 3 , w 2 w 2
n.
wn
v n v n , w1 w1 v n , w 2 w 2 ... v n , w n 1 w n1
v n v n , w1 w1 v n , w 2 w 2 ... v n , w n 1 w n1
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
1 1 1
1 2 1 . Setelah dihitung diperoleh det A = 1, ini berarti H merupakan basis untuk R3.
1 1 0
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 GrammSchimdt yaitu :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 16
Kalau dicermati, sebenarnya ini adalah rumusan Gramm Schimdt yang telah direduksi
yaitu untuk nilai proy w(vi) = 0, akibat dari v1, v2, . v n 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 :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 17
k1
k
x s 2
kn
disebut matrik x relatif terhadap basis S
Jika S merupakan basis ortonormal, maka :
x, s1
x, s
2
x s
x, sn
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 :
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 18
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
1
b. Hitung
3 A
1
c. Hitung dengan menggunakan hasil dari b
3 B
b
2 3 1 b
b 2
c
3 1 1 c
c 2
Dan untuk wB , maka
didapatkan
d
1 3 1 d
d 5
Jadi matriks transisi dari basis A ke basis B adalah:
0 2
P=
2 5
1
k
b. Misalkan 1 maka didapatkan
3 A k 2
k1 1
k 1
2
1
0 2
1
c. Dari a dan b diperoleh P =
dan sehingga
2 5
3 A 1
1
1
0 2 1 2
P
=
3 B
3 A 2 5 1 3
d. Matriks transisi dari B ke basis A adalah P-1 dengan P merupakan matriks transisi
1 5 2
terhadap basis A ke basis B. Jadi P-1 =
4 2 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 19
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 R 3 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 20
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 21
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 22
a 21 a 22
b
a
a
b
3 dan 2 5 21 22 2
a 11 a 12
b1
a 11 a 12 b1
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
a 21 a 22 b 2
3
a 11 a 12 b1
Jadi sistem persamaan mempunyai penyelesaian dengan jumlah tak hingga.
Bentuk matriks dari sistem persamaan tersebut adalah:
1 2 3
1 2 3
3 6 9 0 0 0
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
5
6
7
1
4 0
4 2
5
11
7
1 5 7
11 0 1 1 .
19 19
0 0
5 6 4 0 0 11 19 0
0 1 11 0
0 11 19 0
7 4
0 11 19 0
2 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 23
14
1 0 11 0
19
0
0 1
11
0
0
0 0
Diperoleh:
x+
14
z=0
11
19
z=0
11
Misal z = t, maka x = -
14
19
t dan y =
t
11
11
14
19
t; y =
t; dan z = t
11
11
14 19
14 19
sehingga (x,y,z) = t , ,1 . Hal Ini berarti , ,1 pembangun ker(T) dan
11 11
11 11
14 19
vektor , ,1 bebas linear.
11 11
14 19
Jadi , ,1 basis untuk ker (T), sehingga nulitas T = 1.
11 11
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 24
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 R n yang dihubungkan dengan sebuah
persamaan:
(7.1)
AX X
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
1
4 0
Misalkan Sebuah vektor X dan sebuah matriks bujur sangkar orde 2 x 2 A
,
2
4 2
Apabila matriks A dikalikan dengan X maka:
4 0 1 4 0 4
AX
=
=
=
4 2 2 4 4 8
Dimana:
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
Contoh 7.2
2
1 1
Sebuah vektor X dan sebuah matriks A
.
1
0 3
Apabila matriks A dikalikan X didapat:
1 4 2 2 4 6
AX
=
=
=
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
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 25
Contoh 7.3
0
4 0
Sebuah vektor X dan mateiks A
bila matriks A dikalikan dengan X maka:
1
8 2
4 0 0
AX
=
8 2 1
0 0
=
0 2
0
=
2
Dimana:
0
2
0
0
= 2 = dengan 2.
1
1
4
2 adalah nilai eigen dari matriks
8
0
0
dan vektor X adalah vektor eigen dari
2
1
4 0
matriks
yang bersesuaian dengan nilai eigen 2.
8 2
Contoh 7.4
3
1 3
Sebuah vektor X dan matriks A
.
2
2 0
Perkalian matriks A dengan X adalah:
1 3 3
AX
=
2 0 2
3 6
=
6 0
9
=
6
9
3
3
Dimana = 3 = .
6
2
2
1 3
Konstanta 3 adalah nilai eigen dari matriks bujur sangkar A
2 0
Contoh 7.5
1
1 0 2
Hal 26
AX
1 0 2 1
= 2 1 0 1
3 0 0 1
1 0 2
= 2 1 0 =
3 0 0
3
3
3
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 7.6.
1
Sebuah vektor X 2 dan matriks A =
3
2 0 0
2 1 0
0 0 2
2 0 0
= 2 2 0
0 0 6
2
= 4
6
AX
2
= 4 = 2
6
1
2 = X , dengan 2.
3
2 0 0
Maka 2 adalah nilai eigen dari A = 2 1 0
0 0 2
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 = IX
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 27
AX
= IX
I AX 0
Persamaan (7.2) terpenuhi jika dan hanya jika:
det I A
(7.2)
(7.3)
Dengan menyelesaikan persamaan (7.3) dapat ditentukan nilai eigen ( ) dari sebuah matriks
bujur sangkar A tersebut/
Contoh 7.7.
2 1
Dapatkan nilai eigen dari matriks A =
3 2
Jawab:
Dari persamaan (7.3) maka:
1
2
det
=0
2
3
( 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
2
4 12
2
42 3
2
= 2 3
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 7.8
4 1
Dapatkan nilai eigen dari matriks A =
1 5
Jawab:
Nilai eigen ditentukan dengan persamaan:
1
4
det
=0
5
1
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 28
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
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 7.9
0 3
Dapatkan nilai eigen dari A =
2 1
Jawab:
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
Contoh 7.10.
4 0
Dapatkan nilai eigen dari A =
3 5
Jawab:
Determinan dari I A = 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 29
0
4
det
0
5
3
( 4)( 5) 0 0
Penyelesaian persamaan adalah:
40
4
dan
5 0
5
4 0
Jadi nilai eigen dari matriks A =
adalah: 1 4 dan 2 5 .
3 5
Contoh 7.11
2 1 0
Carilah nilai eigen dari A = 3 4 0
0 0 2
Jawab:
det I A 0
1
0
2
4
0 0
det 3
0
0
2
( 2)( 4)( 2) 3( 2) = 0
( 2)( 4)( 2) 3 0
( 2)
( 2) 2 6 8 3 0
2
6 5 0
( 2)( 1)( 5) 0
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 7.12
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 30
1 0 0
Dapatkan Nilai eigen dari matriks A 3 6 7
0 8 1
Jawab:
Nilai eigen A didapatkan dari persamaan:
detI A = 0
0
0
1
6
7
det 1
0
8
1
( 1)( 6)( 1) 56
( 1)
( 1) 2 5 6 56
2
5 62
=0
=0
=0
=0
2 5 62 0
Dengan rumus abc didapatkan:
5 25 4.62
2
1
2 2,5
273
2
1
3 2,5
273
2
2,3
1 0 0
Jadi nilai eigen dari matriks A 3 6 7 adalah:
0 8 1
1
1 1 dan 2,5
273
2
Contoh 7.13.
7 0 0
Dapatkan nilai eigen dari A = 0 3 0
0 0 3
Jawab:
Nilai eigen didapatkan dari persamaan:
detI A 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 31
0
0
7
det 0
3
0
0
0
3
( 7)( 3)( 3) 0
Maka nilai adalah:
7 0
7
3 0
3 (2 kali)
=0
7 0 0
Jadi nilai eigen dari matriks A = 0 3 0 adalah 3 dan 7
0 0 3
Contoh 7.14
2 0 0
Dapatkan nilai eigen dari A = 0 2 5
0 5 4
Jawab:
Berdasarkan persamaan detI A 0 maka:
0
0
2
2
5
det 0
0
5
4
( 2){( 2)( 4) 25} 0
=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
2 0 0
1
1
Jadi nilai eigen matriks A = 0 2 5 adalah 1 2 , 2 3
104 dan 3 3
104
2
2
0 5 4
Contoh 7.15
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 32
7 0 0
Dapatkan nilai eigen dari A = 0 3 0
0 0 3
Jawab:
Dengan menggunakan persamaan det I A 0 maka:
0
0
7
det 0
3
0 0
0
0
3
( 7)( 3)( 3) 0
Nilai adalah:
7 0
7
3 0
3
3 0
3
7 0 0
Jadi nilai eigen dari matriks A = 0 3 0 adalah: 1 7 dan 2 3 3.
0 0 3
Contoh 7.16
2 0 0
Dapatkan Nilai eigen dari A = 3 3 6
3 2 4
Jawab:
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
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 33
2 0 0
Jadi nilai-nilai eigen dari matriks A = 3 3 6 adalah: 1 2, 2 0 dan 3 7.
3 2 4
7.2 Perhitungan 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:
a12
a
A = 11
a21 a 22
Persamaan AX X dapat dituliskan:
a11 a12 x1
x
1
a
21 a 22 x 2
x2
Persamaan (7.4) dikalikan dengan identitas didapatkan:
1 0 a11
0 1 a
21
a11
a
21
a12
a 22
a12
a 22
x1
x
2
(7.4)
1 0 x1
=
0 1 x 2
x1 0 x1
x = 0 x
2
2
a12 x1
a11
=0
a
a 22 x 2
21
Persamaan (7.5) dalam bentuk sistem persamaan linier dituliskan:
(a11 ) x1 a12 x2 0
(7.6)
a 21 x1 (a 22 ) x2 0
(7.5)
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
0
Dapatkan vektor eigen dari matriks A =
2
Jawab:
Pada contoh 7.9 nilai eigen didapatkan 1
3
1
persamaan:
x1 3 x2 0
2 x1 (1 ) x 2 0
Untuk 2 maka:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 34
2 x1 3 x 2 0
2 x1 x2 0
Solusi non trivial sistem persamaan ini adalah:
2 x1 x 2
Misalkan x1 r maka x 2 2r
0 3
Vektor eigen matriks A =
untuk 2 adalah:
2 1
r
X dimana r adalah bilangan sembarang yang tidak nol.
2 r
Untuk 3 maka:
3 x1 3 x2 0
2 x1 2 x2 0
Solusi non trivial sistem persamaan tersebut adalah:
x1 x2
Misalkan x1 s maka vektor eigen untuk 3 adalah:
s
X dimana s adalah senbarang bilangan yang tidak nol.
s
Contoh 7.18
4 0
Dapatkan vektor eigen dari matriks A =
3 5
Jawab:
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:
00 0
3x1 x2 0
Solusi non trivialnya adalah x1
x2
, bila dimisalkan x 2 r didapatkan vektor eigen
3
Untuk 5 maka:
(4 5) x1 0 0
3 x1 (5 5) x 2 0
Sistem persamaan linier menjadi:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 35
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 7.19
1 3
Dapatkan vektor eigen dari A
2 0
Jawab:
Nilai eigen matriks A didapatkan dari persamaan:
detI A 0
3
1
det
0
0
2
( 1) 6 0
2 6 0
( 2)( 3) 0
3 0, maka 2 3
Vektor eigen didapatkan dengan persamaan:
(1 ) x1 3 x 2 0
2 x1 x2 0
Untuk 2 maka:
x1 3 x2 0
2 x1 2 x 2 0
Solusi non trivial sistem persamaan linier tersebut adalah:
3x2 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
Misalkan x1 r vektor eigen matriks A yang sesuai dengan 3 adalah:
2 x1 3 x 2 , maka x 2
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 36
r
X 2 dengan r bilangan sembarang yang tidak nol.
3 r
Contoh 7.20
3 2
Dapatkan vektor eigen dari A =
1 0
Jawab:
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 ) x2 0
Untuk 1 maka:
2 x1 2 x2 0
x1 x2 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 x2 0
Solusi non trivial sistem persamaan linier tersebut adalah;
x1 2x 2
1
Misalkan x1 r maka x 2 r
2
Jadi vektor eigen yang sesuai dengan 2 adalah:
r
X 1
r
Contoh 7.21
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 37
2 0 0
Dapatkan vektor eigen dari A = 3 3 6
3 2 4
Jawab:
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 ) x3 0
Untuk 2 maka:
0 0 0 x1 0
3 1 6 x 0
2
3 2 2 x3 0
Dalam bentuk sistem persamaan linier dituliskan:
000 0
3x1 x2 6 x3 0
3x1 2 x 2 2 x3 0
Solusi non trivial didapatkan dari:
3x1 x2 6 x3 3x1 2 x2 2 x3 0
x2 4 x3 0
x 2 4x3
Maka
3x1 4 x3 6 x3 0
3x1 10 x3 0
3x1 10 x3
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 x 3 r maka:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 38
10
3 r
X 4r dengan r adalah bilangan sembarang yang tidak nol.
Untuk 0
Vektor eigen ditentukan dari persamaan:
2 0 0 x1 0
3 3 6 x 0
2
3 2 4 x3 0
Dalam bentuk sistem persamaan linier dituliskan:
2 x1 0 0 0
3 x1 3 x 2 6 x3 0
3 x1 2 x 2 4 x3 0
Solusi sistem persamaan linier adalah:
2 x1 0
x1 0
0 3 x 2 6 x3 0
x 2 2x3
2 0 0
Vektor eigen dari matriks A = 3 3 6 untuk 0 adalah:
3 2 4
0
X 2 x3
x3
Misalkan x 3 r maka:
0
X 2r dengan r bilangan sembarang yang tidak nol.
r
Untuk 7
Vektor eigen didapatkan dari persamaan:
0 x1 0
5 0
3 4 6 x 0
2
3
2 3 x3 0
Dalam bentuk sistem persamaan linier dituliskan:
5 x1 0 0 0
3 x1 4 x2 6 x3 0
3 x1 2 x2 3 x3 0
Solusi sistem persamaan linier adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 39
5 x1 0
x1 0
4 x 2 6 x3 0
x2
3
x3
2
2 0 0
Vektor eigen matriks A = 3 3 6 untuk 7 adalah:
3 2 4
0
3
X x3
2x
3
Misalkan x 3 r maka:
0
3
X r dengan r sembarang bilangan yang tidak nol.
2r
Contoh 7.22
2 0 0
Dapatkan vektor eigen dari matriks A = 0 2 5
0 5 4
Jawab:
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) x3 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
2
x3
5
x1 0
x2
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 40
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
x
3
Misalkan x 3 s maka:
0
2
X s dengan s adalah bilangan sembarang yang tidak nol.
s5
Contoh 7.22
1 0 2
Dapatkan vektor eigen dari A = 2 1 0
3 0 0
Jawab:
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
3 0
3
Vektor eigen didapatkan berdasar persamaan:
0
2 x1 0
(1 )
2
(1 ) 0 x 2 0
0
x3 0
3
Untuk 1
Dalam bentuk sistem persamaan linier dituliskan:
0 0 2 x3 0
2 x1 0 0 0
3 x1 0 x3 0
Solusi sistem persamaan liniernya adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 41
3x1 x3 0
x3 3x1
x2 0
Vektor eigen yang sesuai adalah:
x1
X 0
3x1
Misalkan x1 t
Vektor eigennya adalah:
t
X 0 dengan t bilangan sembarang yang tidak nol.
3t
Untuk 2
Sistem persamaan liniernya adalah:
3 x1 0 2 x3 0
2 x1 3 x 2 0 0
3 x1 0 2 x3 0
Solusi non trivial sistem persamaan liniernya adalah:
3x1 2 x3 0
2
x3
3
2 x1 3x 2 0
x1
2
x1
3
Vektor eigen yang sesuai adalah:
x2
x1
2
X x1
3
3 x
1
2
p
2
X p dengan p bilangan sembarang yang tidak nol.
3
3 p
2
Untuk 3
Sistem persamaan liniernya adalah:
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 42
2 x1 0 2 x3 0
2 x1 2 x 2 0 0
3x1 0 3x3 0
Solusi non trivial sistem persamaan liniernya adalah;
2 x1 2 x3
x1 x3
2 x1 2 x 2
x1 x2
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 7.23
1 0 0
Dapatkan vektor eigen dari matriks A = 3 6 7
0 8 1
Jawab:
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) x3 0
Dalam bentuk sistem persamaan linier adalah:
000 0
3 x1 5 x 2 7 x3 0
0 8 x2 2 x3 0
Solusi non trivialnya adalah:
8 x2 2 x3
1
x3
4
3x1 5 x2 28x 2 0
x2
3x1 33x 2
x1 11x 2
Hal 43
11x 2
X x2
4 x2
Misalkan x 2 a maka vektor eigennya adalah:
11a
X a
4a
Contoh 7.24
2 0 0
Dapatkan vektor eigen dari A = 2 1 0
0 0 2
Jawab:
Nilai eigen matriks tersebut didapatkan dari persamaan:
detI 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:
0
0 x1 0
(2 )
2
(1 )
0 x 2 0
0
0
(2 ) x3 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 x2 0 0
000 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 44
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 7.25
3 2 0
Dapatkan vektor eigen dari matriks A = 2 3 0
0
0 5
Jawab:
Nilai eigen matriks didapatkan dari persamaan:
detI A 0
2
0
( 3)
det 2
( 3)
0 0
0
0
( 5)
( 3)( 3)( 5) 2 2( 5) 0
( 5)
6 5 0
( 5) ( 3) 2 4 0
2
( 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 ) x3 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
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 45
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
000 0
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
Contoh 7.26
4 0 1
Dapatkan vektor eigen dari A = 2 1 0
2 0 1
Jawab:
Nilai eigen dari matriks didapatkan dari persamaan
detI A 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 46
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 x2 0
2
0
(1 ) x3 0
Untuk 1
Dalam bentuk sistem persamaan linier dituliskan:
3 x1 0 x3 0
2 x1 0 0 0
2 x1 0 0 0
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 x3 0
2 x1 x 2 0 0
2 x1 0 x3 0
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 47
2 x1 x2
Vektor eigen yang sesuai adalah:
x1
X 2 x1
2 x1
Misalkan x1 s maka vektor eigennya adalah:
s
X 2s dengan s bilangan sembarang yang tidak nol.
2s
Untuk 3
Sistem persamaan liniernya adalah:
x1 0 x3 0
2 x1 2 x 2 0 0
2 x1 0 2 x3 0
Solusi trivialnya adalah:
x 1 x3 0
x1 x3
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
Diktat Aljabar Linear Bagian II oleh Abdul Jabar, M.Pd (STKIP PGRI Banjarmasin)
Hal 48