Basis Ruang Vektor

definisi : Generalisasi ruang vektor suatu sistem koordinat pada ruang berdimensi 2 dan 3.
koordinat : Koefisien-koefisien pada basis V.

Jika V adalah suatu ruang vektor sebarang dan S = {v1 , v2, .... , vn} adalah himpunan vektor-vektor pada V, maka S disebut basis untuk V jika dua syarat berikut berlaku :

>S bebas linier
>S merentang V

Basis dari ruang vektor itu tidak harus tunggal tetapi bisa lebih dari satu basis. S itu termasuk bebas linear atau linear independent. Maksudnya adalah bilangan-bilangan yang termasuk di dalam A harus bebas linier atau dengan kata lain tidak boleh berkelipatan dengan himpunan yang lain.

Tetapi ada kalanya bagaimana jika kirta menemukan dua himpunan vektor atau lebih yang berkelipatan. kondisi seperti ini disebut beragantung linier.

Tetapi suatu himpunan bisa juga disebut bergantung linier jika terdapat himpunan vektor yang anggotanya mengandung nol. Jika ini terjadi berarti kedua himpunan tersebut bukan bersifat bebas linier dan berarti tidak dapat diesebut basis.

CONTOH:

Selidiki dan tentukan apakah himpuan vektor-vektor dibawah ini bebas linier atau bergantung liner?

>A={2,2,3} dan B = {3,1,2}
>B = {2,3,4} dan C = {4,6,8}
>U = {1,2,3} V = {2,3,7} dan W {0,0,0}

JAWAB

a. Himpunan vektor ini termasuk bebas linier karena semua anggota himpunannya tidak berkelipatan.
b. Himpunan vektor ini disebut bergantung linier kareba semua anggota himpunannya berkelipatan satu sama lain yaitu C=2B.
c. Jika ada himpunan yang mengandung nol berarti disebut bergantung linier walaupun himpunan lain bebas linier tetapi jika ada himpunan yang mengandung nol tetap disebut bergantung linier.

Selain itu juga, untuk membuktikan apakah vektor-vektor tersebut adalah bebas linier dan membangun, anad cukup dengan melakukan OBE dengan ketentuan:

>Membangun jika memiliki setidaknya satu solusi
>Bebas linier apabila memiliki solusi tunggal.

CONTOH 2

Himpunan vektor-vektor, dimana v1=(2, -1, 0, 3) v2=(1, 2, 5, -1) dan v3(7, -1, 5, 8) adalah himpunan tak bebas linier, karena 3v1 + v2 - v3 =0

RUANG BAGIAN

           Pandang  V suatu Ruang Vektor.  W  himpunan  bagian  dari  V,W  (misalnya  dengan suatu  sifat  khusus)  memenuhi semua  aksioma  Ruang  Vektor,  sehingga  merupakan  Ruang Vektor tersendiri, maka W kita sebut Ruang Vektor Bagian (Subspace) dari V.

       
           Kadang kadang dihilangkan kata “Bagian” dan menyebutnya dengan “ruang vektor di V”, atau pula “ruang bagian dari V”

Contoh1:
             Pandang R3 dengan  susunan Cartesian dimana   X,   Y,   Z  adalah sumbu-sumbu koordinatnya.  Himpunan  vektor-vektor  pada  bidang  XOY  merupakan  ruang  vektor  bagian dari R3.Dapat mudah dipahami bahwa komponen ketiga dari setiap vektor pada XOY adalah = 0. Atau;                                           XOY = { (x,y,0|x ∈R, y ∈R }
         
            Contoh  anggota  XOY  adalah a=  [1,1,0],b=[0,1,0],   c  = [2,3,0],  0  =  [0,0,0],  dan lain-lain. Jelas bahwa tidak semua vektor є R3merupakan  anggotaXOY.  Kemudian  mudah ditunjukkan bahhwa XOY memenuhi  semua aksioma  Ruang Vektor.

Untuk menentukan  apakah  W  merupakan  ruang  bagian,  cukup  dengan memeriksa  sebagai  berikut  :

(C1)   W # ∅  ( W tidak hampa), untuk itu kita tunjukkan bahwa vektor 0 ∈W.

(C2)    Untuk setiap  a, b ∈W  maka  A + B ∈W

(C3)Untuk seiap  a ∈W  dan  α є K (skalar)maka  αa ∈W. Maka W adalah ruang vektor bagian dari  V.

             Ketiga  syarat  (C1),  (C2)    dan  (C3)  itu  cukup.    Karena  bila    W ∁V, aksioma  ruang  vektor kecuali  (B1),  (B4)    dan  (B5)  terpenuhi.  Syarat  (C2)  dan  (C3)    dapat  menggantikan  (B1). Sedang (C1) yaitu  W  tidak hampa, berarti terdapat u ∈W dan karena (C3) terpenuhi 0u = 0 ∈W,  (-1)u = -(1u) = -(1u) = -u ∈W. Berarti  (B4)  dan (B5)  terpenuhi.

Nilai Eigen adalah nilai karakteristik dari suatu matriks berukuran n x n, sementara vektor Eigen adalah vektor kolom bukan nol yang bila dikalikan dengan suatu matriks berukuran n x n akan menghasilkan vektor lain yang memiliki nilai kelipatan dari vektor eigen itu sendiri. Hal ini berlaku untuk matriks dengan elemen berupa bilangan kompleks. Untuk setiap nilai eigen ada pasnagan vektor eigen. Nilai Eigen dan Vektor Eigen berguna dalam proses kalkulasi matriks, dimana keduanya dapat diterapkan dalam bidang matematika murni dan terapan seperti transformasi linier.

Perhatikan gambar berikut :











Contoh Soal Matriks Ordo 2 x 2 :

 

Jawab:

















NialContoh Soal Matriks Ordo 3 x 3 :



Jawab :






Kemudian untuk mencari nilai eigen, kita gunakan metode horner sebagai berikut :












Berikut Vektor Eigen :

A.     DEFINISI NILAI EIGEN DAN VEKTOR EIGEN

Nilai Eigen () adalah nilai karakteristik dari suatu matriks berukuran n x n, sementara vektor Eigen () adalah vektor kolom bukan nol yang bila dikalikan dengan suatu matriks berukuran n x n akan menghasilkan vektor lain yang memiliki nilai kelipatan dari vektor Eigen itu sendiri. Definisi tersebut berlaku untuk matriks dengan elemen bilangan real dan akan mengalami pergeseran ketika elemen berupa bilangan kompleks. Untuk setiap nilai Eigen ada pasangan vektor Eigen yang berbeda, namun tidak semua persamaan matriks memiliki nilai Eigen dan vektor Eigen. Nilai Eigen dan vektor Eigen berguna dalam proses kalkulasi matriks, di mana keduanya dapat diterapkan dalam bidang Matematika murni dan Matematika terapan seperti transformasi linear.

Kumpulan pasangan nilai dan vektor Eigen dari suatu matriks berukuran n x n disebut sistem Eigen dari matriks tersebut. Ruang Eigen dari  merupakan kumpulan vektor Eigen yang berpasangan dengan  yang digabungkan dengan vektor nol. Istilah Eigen seringkali diganti dengan istilah karakteristik, di mana kata ‘’’Eigen’’’ yang berasal dari bahasa Jerman memiliki arti ‘’asli’’ dalam konteks menjadi ciri khas atau karakteristik dari suatu sifat.

Aturan Cramer untuk Sistem 3 × 3
Aturan Cramer dapat diperluas untuk sistem persamaan linear 3 × 3, dengan menggunakan pola yang sama dengan sistem 2 × 2. Diberikan sistem umum 3 × 3,



Sistem 3 x 3
Solusi-solusi dari sistem tersebut adalah x = Dx/D, y = Dy/D, dan z = Dz/D, dimana Dx, Dy, dan Dz dibentuk dengan mengganti koefisien variable-variabel yang bersangkutan dengan konstanta, dan D adalah determinan dari matriks koefisien (D ≠ 0).

Penerapan Aturan Cramer untuk Sistem 3 × 3

Diberikan suatu sistem persamaan linear 3 × 3



Sistem 3 x 3 Rumus
Solusi dari sistem tersebut adalah (x, y, z), dimana
x, y, z



dengan syarat D ≠ 0.


CONTOH

  



Menyelesaikan SPL menggunakan Metode Crammer

X1 = det (A1) / det (A)
X2 = det (A2) / det (A)
Xn = det (An) / det (A)

Dimana Aj adalah matriks yang diperoleh dengan mengalikan entri-entri dalam kolom ke – j dari A dengan entri – entri dalam matriks koefisien B.


Contoh :

gunakan aturan cramer untuk memecahkan SPL berikut :
-x1   +  x2   +  2x3  = -5
2x1  -   x2   +  x3    =  1
x1    +  x2     -   x3    =  5
jawab :
bentuk matriks yang ekuivalen dengan SPL tersebut adalah :



Dalam matrik A diperoleh det (A) dan det (Aj) dengan cara sarrus :

Det A = {(-1).(-1).(-1)+  1.1.1 + 2.2.1 } – { 1.(-1).2 + 1.1.(-1) + (-1).2.1}
  ={ (-1  + 1 + 4) – (-2 +  (-1) + (-2)}    = { 4 – (-5)}    ={ 4 + 5}      = 9
Det A1 =


 Det A1 = ( -5 + 5 + 2 ) – (-10  +  (-5)  +  (-1) ) = 2 + 16 = 18
Det A2=


 Det A2= (1 – 5 +20 ) – ( 2 + (-5) + 10 ) = 16 -7 = 9
Det A3=


 Det A3= ( 5 + 1 + (-10) – ( 5 + (-1) + 10 ) = -4 -14 = -18

Sehingga diperoleh :
X1= Det (A1 )/ Det (A)  = 18 /9 = 2
X2 = Det (A2 )/ Det (A) = 9 / 9 = 1
X3 = Det (A3 )/ Det (A) = -18 / 9 = -2
Jadi pemecahan untuk SPL  tersebut adalah :
                                 X1= 2  ,       X2=  1  ,         X3= -2

1. RUANG -N EUCLIDES

Jika n sebuah bilangan bulat positif, maka n-pasangan bilangan berurut adalah sebuah urutan n bilangan real (x1,x2,…,xn). Himpunan semua n-pasangan bilangan berurut dinamakan ruang-n Eucides dan dinyatakan dengan Rn.

Definisi:

Misalkan u=[u1,u2,…,un]; v=[v1,v 2,…,vn] vektor di Rn.

§ u = v jika hanya jika u1 = v1, u2 = v2,…, un = vn

§ u + v = [u1 + v1, u2 + v2,…, un + vn ]

§ ku = [ku1, ku2,…, kun]

§ u•v = u1v1 + u2v2 + … + unvn

|u| = (u•u)1/2 = 


2. RUANG VEKTOR

Misalkan V sembarang himpunan. V dikatakan sebagai ruang vektor, bilamana aksioma-aksioma berikut dipenuhi :
(1) Jika u dan v vektor-vektor di V, maka u + v juga berada di V.

(2) u+v = v+u
(3) u+(v+w) = (u+v)+w
(4) Ada sebuah vektor 0 di V sehingga 0+u=u+0
(5) Untuk setiap u di V terdapat  –u di V sehingga u+(-u) = -u+u =0
(6) Jika k skalar dan u di V, maka ku berada di V
(7) k(u+v) = ku + kv
(8) (k + l)u = ku + lu
(9) k(lu) = (kl)u
(10) 1u = u


3. KOMBINASI LINEAR

Sebuah vektor x dikatakan kombinasi linier dari vektor-vektor u1, u2,…, un jika vektor tersebut dapat dinyatakan dalam bentuk :

                     x = k1u1+ k2u2 +… + knun
dimana k1, k2,…,kn adalah skalar.

Contoh :
Misalkan, u = [2,4,0]T, v = [1,-1,3]T, apakah x = [4,2,6]T kombinasi linier dari u dan v di R3
?

Jawab :
Masukkan ke persamaan kombinasi linear k1u+k2v = x


Kerjakan menggunakan metode OBE



Dari matriks OBE diatas, diperoleh nilai  k1 & k2

Sistem persamaan linear dengan menggunakan matriks. penyelesaian matriks persamaan linear terbagi menjadi siste persamaan linear dua variabel dan sistem persamaan linear tiga variabel.

Dalam bentuk matriks sistem persamaan linear dituliskan menjadi



sistem persamaan linear, PX =Q diklasifikasikan menjadi sistem persamaan linear homogen dan sistem persamaan linear non homogen. sistem persamaan linear dikatakan homogen jika koefisien matriks B = 0 dan siste ersamaan linear dikatakan non homogen jika terdapat koefisien matriks B tak nol.



Dalammelakukan penyelesaian sistem persamaan linear dengan matriks, terdapat beberapa cara. salah satunya metode eliminasi gouss.

melalui metode eliminasi gouss ini cara yang dilalui tidak jauh berbeda dengan metode operasi baris elementer. ada sedikit perbedaan yaitu diakhir harus terdapat segitiga bawah yang nilainya harus kita ubah menjadi nol melalui metode operasi baris elementer.

Analisis:

jumlah baris tak nol A=2, sehingga r(A) = 2
jumlah baris tak nol [A,B] = 3, sehingga r(A,B) = 3
karena r(a) tidak sama dengan r(A,B) maka sistem persamaan linear tidak konsisten,, atau sistem persamaan linear tidak ada solusi
metode kedua adalah metode gouss jordan , hasil dan tujuan dari metode ini megharuskan hasil akhirnya merupakan matriks identitas.

Invers Matriks