Chapter 5 GENERAL VECTOR SPACE Row Space, Column Space, Nullspace 5.6. Rank & Nullity

dokumen-dokumen yang mirip
KS KALKULUS DAN ALJABAR LINEAR Ruang Baris Ruang Kolom Ruang Nol TIM KALIN

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

8.1 Transformasi Linier Umum. Bukan lagi transformasi R n R m, tetapi transformasi linier dari

Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk :

Ruang Baris, Ruang Kolom, dan Ruang Null (Kernel)

Aljabar Linier Sistem koordinat, dimensi ruang vektor dan rank

Kumpulan Soal,,,,,!!!

BAB 5 RUANG VEKTOR A. PENDAHULUAN

SUBRUANG VEKTOR. Disusun Untuk Memenuhi Mata Kuliah Aljabar Linier. Dosen Pembimbing: Abdul Aziz Saefudin, M.Pd

MUH1G3/ MATRIKS DAN RUANG VEKTOR

Operasi perkalian skalar merupakan suatu aturan yang mengasosiasikan setiap skalar k dan setiap objek u pada v dengan suatu objek ku, yang disebut

Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut:

MODUL IV SISTEM PERSAMAAN LINEAR

7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal

Ruang Vektor. Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Ruang Vektor. Syarat agar V disebut sebagai ruang vektor. Aljabar Linear dan Matriks 1

MAKALAH BASIS RUANG SOLUSI

Part II SPL Homogen Matriks

Aljabar Linear Elementer

KS KALKULUS DAN ALJABAR LINEAR Independensi Linear Basis & Dimensi TIM KALIN

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

Bab 4 RUANG VEKTOR. 4.1 Ruang Vektor

Pertemuan 1 Sistem Persamaan Linier dan Matriks

ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS. Dosen Pengampu: DARMADI, S.Si, M.Pd. Oleh: Kelompok III

RUANG VEKTOR. Nurdinintya Athari (NDT)

Aljabar Linier Elementer

Pertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:

SISTEM PERSAMAAN LINEAR

BAB II TINJAUAN PUSTAKA

dimana a 1, a 2,, a n dan b adalah konstantakonstanta

Dalam bentuk SPL masalah ini dapat dinyatakan sebagai berikut:

Matriks adalah susunan segi empat siku-siku dari objek yang diatur berdasarkan baris (row) dan kolom (column). Objek-objek dalam susunan tersebut

uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg

BAB II SISTEM PERSAMAAN LINEAR. Sistem persamaan linear ditemukan hampir di semua cabang ilmu

SUMMARY ALJABAR LINEAR

BAB II DASAR DASAR TEORI

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks

Sistem Persamaan Linier dan Matriks

04-Ruang Vektor dan Subruang

HASIL PRESENTASI ALJABAR LINIER ( SUB RUANG VEKTOR ) Disusun Untuk Memenuhi Tugas Mata Kuliah Aljabar Linier. Dosen Pengampu : Darmadi, S,Si, M.

SISTEM PERSAMAAN LINEAR

BAB II LANDASAN TEORI. yang biasanya dinyatakan dalam bentuk sebagai berikut: =

Course of Calculus MATRIKS. Oleh : Hanung N. Prasetyo. Information system Departement Telkom Politechnic Bandung

Pertemuan Ke 2 SISTEM PERSAMAAN LINEAR (SPL) By SUTOYO,ST.,MT

SOLUSI SISTEM PERSAMAAN LINEAR

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU

CHAPTER 6. Ruang Hasil Kali Dalam

BAB II DETERMINAN DAN INVERS MATRIKS

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I)

Pengantar Vektor. Besaran. Vektor (Mempunyai Arah) Skalar (Tidak mempunyai arah)

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI

SISTEM PERSAMAAN LINEAR

BAB II LANDASAN TEORI

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR

vektor u 1, u 2,, u n.

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel.

KS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO

DIKTAT MATA KULIAH ALJABAR LINEAR ELEMENTER (BAGIAN II) DISUSUN OLEH ABDUL JABAR, M.Pd

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

Sistem Persamaan Linear Homogen 3P x 3V Metode OBE

ALJABAR LINEAR [LATIHAN!]

Kata Pengantar. Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan.

PERTEMUAN 11 RUANG VEKTOR 1

BASIS DAN DIMENSI. dengan mengurangkan persamaan kedua dengan persamaan menghasilkan

02-Pemecahan Persamaan Linier (1)

Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES

JURUSAN PENDIDIKAN MATEMATIKA FMIPA UNIVERSITAS NEGERI YOGYAKARTA

II LANDASAN TEORI. Contoh. Ditinjau dari sistem yang didefinisikan oleh:

6 Sistem Persamaan Linear

BAB II LANDASAN TEORI

Trihastuti Agustinah

II. TINJAUAN PUSTAKA. Suatu matriks didefinisikan dengan huruf kapital yang dicetak tebal, misalnya A,

Pertemuan 14. persamaan linier NON HOMOGEN

Aljabar Matriks. Aljabar Matriks

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR

BAB 4 : SISTEM PERSAMAAN LINIER

M AT E M AT I K A E K O N O M I MATRIKS DAN SPL I N S TITUT P ERTA N I A N BOGOR

NILAI EIGEN DAN VEKTOR EIGEN disebut vektor eigen dari matriks A =

II. LANDASAN TEORI. Pada bab ini akan dijelaskan mengenai teori-teori yang berhubungan dengan

Lampiran 1 Pembuktian Teorema 2.3

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

Minggu II Lanjutan Matriks

BAB III OPERATOR LINEAR TERBATAS PADA RUANG HILBERT. Operator merupakan salah satu materi yang akan dibahas dalam fungsi

BAB I PENDAHULUAN Latar Belakang Masalah

UNIVERSITAS PENDIDIKAN INDONESIA

TRANSFORMASI LINEAR. Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear. Dosen Pengampu : Abdul Aziz Saefudin, M.Pd

TRANSFORMASI MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan

01-Pengenalan Vektor. Dosen: Anny Yuniarti, M.Comp.Sc Gasal Anny2011 1

Aljabar Linear. & Matriks. Evangs Mailoa. Pert. 4

MATRIKS A = ; B = ; C = ; D = ( 5 )

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability)

Ruang Vektor. Adri Priadana. ilkomadri.com

Buku 1: RPKPS (Rencana Program dan Kegiatan Pembelajaran Semester) ALJABAR LINEAR ELEMENTER

Bentuk umum : SPL. Mempunyai penyelesaian disebut KONSISTEN. Tidak mempunyai penyelesaian disebut TIDAK KONSISTEN TUNGGAL BANYAK

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 2. DETERMINAN MATRIKS

MATRIKS. Matriks adalah himpunan skalar (bilangan riil/kompleks) yang disusun secara empat persegi panjang (menurut baris dan kolom)

Operasi Baris Elementer (OBE) dan Eliminasi Gauss-Jordan (EGJ)

Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR

Transkripsi:

Chapter 5 GENERAL VECTOR SPACE 5.5. Row Space, Column Space, Nullspace 5.6. Rank & Nullity

5.5. Row Space, Column Space, Nullspace

Vektor-Vektor Baris & Kolom Vektor baris A (dalam R n ) Vektor kolom A (dalam R m )

Ruang Baris, Ruang Kolom, Ruang Null Definisi: Jika A adalah suatu matriks m x n, maka: Sub ruang dari R n yang terentang oleh vektor-vektor baris dari A disebut Ruang Baris dari A. Sub ruang dari R m yang terentang oleh vektor-vektor kolom disebut Ruang Kolom dari A. Ruang penyelesaian dari sistem persamaan homogen Ax= 0, yang merupakan suatu sub ruang dari R n disebut Ruang Null dari A Ruang Baris Ruang Kolom Ruang Null

Ruang Baris, Ruang Kolom, Ruang Null Maka vektor-vektor baris A adalah: Dan vektor-vektor kolom A adalah:

Ruang Baris, Ruang Kolom, Ruang Null Theorema 1. Suatu sistem persamaan linier Ax = b konsisten jika dan hanya jika b berada dalam ruang kolom A. Contoh : Dengan eliminasi Gaussian didapat : x 1 = 2; x 2 = -1; x 3 = 3 Karena sistem punya solusi/konsisten, maka b berada dalam ruang kolom A

Ax = b dan Ax = 0 Teorema 2. Jika x 0 menyatakan sembarang penyelesaian tunggal dari suatu sistem linier tak homogen yang konsisten Ax = b, v 1, v 2,, v k merupakan vektor-vektor baris untuk ruang null A & merupakan ruang penyelesaian dari sistem homogen Ax = 0, Setiap penyelesaian dari Ax = b bisa dinyatakan dalam bentuk: x = x 0 + c 1 v 1 + c 2 v 2 + + c k v k Dan sebaliknya, untuk semua pilihan sklalar, c 1, c 2,, c k vektor x dalam rumus ini merupakan penyelesaian dari Ax = b x = x 0 + c 1 v 1 + c 2 v 2 + + c k v k Penyelesaian khusus Ax = b Penyelesaian umum Ax = 0 Penyelesaian umum Ax = b

Ax = b dan Ax = 0 Tentukan penyelesaian khusus dan penyelesaian umum dari Sistem Persamaan Linier berikut :

H 21 (-2) H 2 (-1) H 32 (-5) H 42 (-4) H 34 ; H 3 (1/6), H 23 (-3)

Ditulis dalam bentuk vektor sebagai berikut: Penyelesaian umum dari SPL Solusi khusus Ax = b Solusi umum Ax = 0

Bukti solusi umum Ax = 0 x 1 = -3r -4s 2t; x 2 = r; x 3 = -2s; x 4 = s; x 5 = t; x 6 = 0 Terbukti!!

Basis Ruang Baris, Ruang Kolom, Ruang Null Operasi baris dasar pada matriks A tidak mengubah himpunan penyelesaian dari sistem linier yang berpadanan Ax = 0 Theorema 3. Operasi baris dasar tidak mengubah ruang Null suatu matriks

Contoh : Basis Ruang Baris, Ruang Kolom, Ruang Null Cari basis untuk ruang null dari : Basis ruang null didapat melalui himpunan penyelesaian SPL Homogen Ax = 0 OBE OBE x 1 = -s-t x 2 = s x 3 = -t x 4 = 0 x 5 = t

Dengan solusi umum yang diperoleh adalah; x 1 = -s-t x 2 = s x 3 = -t x 4 = 0 x 5 = t Vektor penyelesaiannya dapat ditulis sbb: Didapat vektor-vektor v 1 dan v 2 merentang dan membentuk suatu basis untuk ruang ini, atau basis ruang null adalah v 1 dan v 2 S= {v 1, v 2 } adalah himpunan vektor-vektor dalam R 2 dan bebas linier (karena 2 vektor dalam R 2 ) Maka {v 1, v 2 } adalah suatu basis, dan ruang penyelesaiannya adalah berdimensi dua.

Ingat!!!! Suatu ruang vektor tak nol V disebut berdimensi terhingga jika V berisi suatu himpunan vektor terhingga {v 1, v 2,, v n } yang membentuk suatu basis. Semua basis untuk suatu ruang vektor berdimensi terhingga mempunyai jumlah vektor yang sama Konsep DIMENSI Basis standar untuk R n mempunyai n vektor Basis standar untuk R 3 mempunyai 3 vektor (R 3 berdimensi ruang). Basis standar untuj R2 mempunyai 2 vektor (R 2 berdimensi bidang). Basis standar untuk R 1 mempunyai 1 vektor (R 1 berdimensi garis).

Basis Ruang Baris, Ruang Kolom, Ruang Null Teorema 4. Operasi baris dasar tidak mengubah ruang baris dari suatu matriks, namun bisa mengubah ruang kolom matriks tersebut. Misal vektor baris matriks A adalah r 1, r 2,, r n dan B diperoleh dari A melalui OBE, maka; Jika OBE adalah pertukaran baris, maka A dan B tetap memiliki vektor baris yang sama, namun vektor kolom beda. Jika OBE adalah perkalian suata baris dengan skalar tidak nol atau penambahan perkalian skalar suatu baris ke baris lainnya, maka ruang baris pada matriks B merupakan kombinasi linear ruang baris matriks A dan juga terletak pada ruang baris A, namun mengubah ruang kolom A.

Basis Ruang Baris, Ruang Kolom, Ruang Null Jika diketahui Ax = 0 dan Bx = 0, dimana matriks B mxn dihasilkan melalui OBE pada matriks A mxn, maka A dan B memiliki himpunan penyelesaian yang sama. Sistem pertama mempunyai penyelesaian tak trivial jika dan hanya jika sistem kedua mempunyai penyelesaian tak trivial. Atau vektorvektor kolom dari A bebas secara linier jika dan hanya jika vektorvektor kolom dari B juga bebas secara linier. Jika vektor-vektor kolom dari A dan B masing-masing adalah: c 1, c 2,, c n dan c 1, c 2,, c n Maka kedua sistem tersebut bisa ditulis ulang : atau x 1 c 1 + x 2 c 2 + + x n c n = 0 x 1 c 1 + x 2 c 2 + + x n c n = 0

Basis Ruang Baris, Ruang Kolom, Ruang Null Teorema 5. Jika A dan B adalah matriks matriks yang ekuivalen baris,maka: Suatu himpunan vektor kolom dari A bebas linier jika dan hanya jika vektor-vektor kolom B yang bersepadanan juga bebas linier. Suatu himpunan vektor kolom dari A yang membentuk suatu basis untuk ruang kolom dari A jika dan hanya jika vektor-vektor kolom yang bersepadanan dari B membentuk suatu baris untuk ruang kolom dari B.

Matriks Eselon untuk mencari Basis Ruang Baris, Ruang Kolom, Ruang Null Teorema 6. Jika suatu matriks R berada dalam bentuk baris-eselon, maka vektor-vektor baris dengan utama 1 (yaitu vektor-vektor baris tak-nol) membentuk suatu basis untuk ruang baris dari R, dan vektor-vektor kolom dengan utama 1 dari vektor-vektor baris membentuk suatu basis untuk ruang kolom dari R. Contoh : Matriks dengan eselon tereduksi memiliki 3 vektor yang membentuk suatu basis untuk ruang baris dan 3 vektor yang membentuk suatu basis untuk ruang kolom r 1 r 3 r2 c 1 c 2 c 4

Matriks Eselon untuk mencari Basis Ruang Baris, Ruang Kolom, Ruang Null Cari basis-basis untuk ruang baris dan kolom berikut: OBE tidak merubah ruang baris dari suatu matriks, sehingga basis untuk ruang baris A dicari dengan suatu basis untuk ruang baris eselon A. Hasil reduksi A menjadi baris eselon dalam matriks R sbb: Vektor-vektor baris tak-nol dari R membentuk basis untuk ruang baris R, sehingga membentuk suatu basis untuk ruang baris dari A, sbb:

OBE Tereduksi A dan R memiliki ruang kolom yg berbeda Basis untuk ruang kolom A tidak bisa langsung didapat dari OBE Tereduksi R. Namun vektor kolom R yang bersepadanan dengan A akan membentuk basis untuk ruang kolom A. Kolom pertama, ketiga dan kelima mengandung utama 1 dari vektor-vektor tsb dan membentuk suatu basis untuk ruang kolom dari R, jadi vektor-vektor kolom yang bersepadanan dari A yaitu: Kolom 1, 3, 5 dari R mengandung utama 1 dari vektor-vektor kolom Vektor-vektor kolom yang bersepadanan dari A dan membentuk suatu basis untuk ruang kolom A

Matriks Transpose untuk mencari Basis Ruang Kolom Carilah basis untuk ruang kolom dari : Supaya bisa di OBE, maka ditranspose dulu: OBE w 1 = (1,3,0) dan w 2 = (0,1,2) membentuk basis untuk ruang baris A T Tranpose kembali: Membentuk basis untuk ruang kolom A

Basis & Kombinasi Linier Operasi baris dasar tidak mengubah hubungan kebebasan dan ketidakbebasan linier antar vektor kolom. Operasi baris dasar tidak mengubah rumus-rumus kombinasi linier yang menghubungkan vektor-vektor kolom yang tidak bebas linier. Himpunan vektor S= {v1, v 2,, v k } dalam R n, prosedur pada contoh berikut menghasilkan suatu himpunan bagian dari vektor-vektor S yang membentuk suatu basis untuk rent(s) dan menyatakan vektorvektor dalam S yang tidak berada dalam basis tersebut sebagai kombinasi linier dari vektor-vektor basis tersebut.

Basis & Kombinasi Linier a. Cari himpunan bagian dari vektor-vektor kolom yang membentuk suatu basis untuk ruang yang terentang oleh vektor-vektor tersebut: b. Nyatakan vektor-vektor yang tidak berada dalam basis sebagai kombinasi linier dari vektor-vektor basis Langkah 1: Bentuk matriks A dengan v 1, v 2, v 3, v 4 dan v 5 sebagai vektor kolom.

Langkah 2: Reduksi matrik A menjadi bentuk baris eselon tereduksi R, dan anggap w 1, w 2, w 3, w 4, w 5 adalah vektor-vektor kolom R. Langkah 3: Kenali kolom-kolom yang mengandung utama 1 dalam R. Vektor-vektor kolom yang bersepadanan dari A merupakan vektor-vektor basis untuk rent(s). {w 1, w 2, w 4 } basis untuk ruang kolom R, sehingga {v 1, v 2, v 4 } basis untuk ruang kolom A.

Langkah 4: Nyatakan setiap kolom R yang tidak mengandung utama 1 (yaitu w 3 dan w 5 ) sebagai kombinasi linier dari vektor kolom yang mengandung utama 1 {w 1, w 2, w 4 }, sehingga menghasilkan suatu himpunan persamaan ketergantungan yang melibatkan vektor-vektor kolom dari R. Persamaan yang bersepadanan untuk vektor-vektor kolom A menyatakan vektor-vektor yang tidak ada dalam basis tersebut sebagai kombinasi linear dari vektor-vektor basis.

5.6. Peringkat dan Kekosongan

Empat Ruang Matriks Dasar Ruang baris dari A Ruang kolom dari A Ruang kosong dari A Ruang baris dari A T Ruang kolom dari A T Ruang kosong dari A T Tetapi mentranspose suatu matriks berarti mengubah vektor baris menjadi vektor kolom dan vektor kolom menjadi vektor baris, sehingga: ruang baris A T = ruang kolom A ruang kolom A T = ruang baris A ruang matriks dasar yang dikaitkan dengan A

Ruang Baris, Ruang Kolom dengan Dimensi Sama Teorema 1. Jika A adalah sebarang matriks, maka ruang baris dan ruang kolom dari A mempunyai dimensi yang sama dengan matriks R yang merupakan bentuk baris-eselon tereduksi dari A. dim (ruang baris dari A) = dim (ruang baris dari R) dim (ruang kolom dari A) = dim (ruang kolom dari R)

Rank(A) dan Kekosongan(A) Dimensi bersama dari ruang baris dan kolom dari suatu matriks A disebut peringkat/rank dari A dan dinyatakan dengan Rank (A) Dimensi dari ruang-ruang null dari A disebut kekosongan dari A dan dinyatakan dengan kekosongan (A).

Cari Rank(A) dan Kekosongan(A) Cari peringkat dan kekosongan dari matriks A sbb: Bentuk baris-eselon tereduksi A: Ada 2 baris tak-nol atau ada dua utama 1, maka; Ruang baris dan ruang kolom berdimensi 2, sehingga rank(a) = 2

Untuk mencari kekosongan dari A, cari dimensi ruang penyelesaian dari sistem liner homogen Ax = 0 Ruang Null Empat vektor membentuk suatu basis untuk ruang penyelesaian, sehingga; kekosongan(a) = 4

Rank(A) dan Rank(A T ) Teorema 2. Jika A adalah sebarang matriks, maka: rank(a) = rank(a T ) Rank(A)=dim(ruang baris dari A)=dim(ruang kolom dari A T )=rank(a T )

Buktikan rank(a) = rank(a T )

Teorema Dimensi Teorema 3. Jika A adalah suatu matriks dengan n kolom, maka: rank(a) + kekosongan(a) = n Contoh : Cari peringkat dan kekosongan dari matriks A sbb: n = jumlah kolom = 6 Ruang baris dan ruang kolom berdimensi 2, sehingga rank(a) = 2 Empat vektor membentuk suatu basis untuk ruang penyelesaian, sehingga; kekosongan(a) = 4 6 = 2 + 4..ok

Rank & Kekosongan Teorema 4. Jika A adalah matriks m x n, maka: rank(a) = jumlah peubah bebas dalam penyelesaian Ax = 0 kekosongan(a) = jumlah parameter dalam penyelesaian Ax = 0 Contoh : Cari peringkat dan kekosongan dari matriks A sbb: Ruang penyelesaian dari sistem liner homogen Ax = 0 2 peubah bebas ; rank(a) = 2 4 parameter ; kekosongan(a) = 4

Dimensi Matriks A berperingkat r Jika : A adalah matriks m x n berperingkat r A T adalah matriks n x m berperingkat r. Ruang Dasar Ruang baris dari A Ruang kolom dari A Ruang Kosong dari A Ruang kosong dari A T Dimensi r r n-r m-r

Nilai Maksimum Peringkat Definisi: Jika A adalah suatu matriks m x n, maka: Vektor baris terletak pada R n ruang baris A max dimensi n Vektor kolom terletak pada R m ruang kolom A max dimensi m rank(a) min(m,n) Dimana min(m,n) menyatakan angka yang lebih kecil antara m dan n jika m n atau nilai bersama mereka jika m=n Contoh: A 7x 4 peringkat max : 4 A 4 x 7 peringkat max : 4

Teorema Konsistensi: SPL dengan m Persamaan dalam n Peubah Teorema 5. Jika Ax = b adalah suatu SPL dengan m persamaan dan n peubah, maka; a. Ax = b konsisten b. b berada dalam ruang kolom dari A (ingat teorema 1 ruang baris) c. A dan [Al b] mempunyai peringkat yang sama Penjelasan c. Peringkat matrik A sebagai jumlah baris tak nol dalam bentuk eselon tereduksi A, contoh: Perhatikan baris : 0 0 0 0 1 menunjukkan sistem tidak konsisten Teorema konsistensi : sistem linear Ax=b konsisten untuk suatu vektor b tertentu dengan memenuhi syarat pada teorema 6 berikut.

Teorema Konsistensi: SPL dengan m Persamaan dalam n Peubah Teorema 6. Jika Ax = b adalah suatu SPL dengan m persamaan dan n peubah, maka; a. Ax = b konsisten untuk setiap matriks b, m x 1 b. Vektor-vektor kolom A merentang R m. c. rank(a) = m

Matriks Eselon untuk mencari Basis Ruang Baris, Ruang Kolom, Ruang Null Cari suatu basis untuk ruang yang terentang oleh vektor-vektor: Ruang yang terentang oleh v 1, v 2, v 3 dan v 4 adalah ruang baris dari matriks: Dengan reduksi matriks didapat bentuk baris- eselon sbb: w 1 = (1,-2,0,0,3) w 2 = (0,1,3,2,0) w 3 = (0,0,1,1,0) Vektor baris tak-nol w 1, w 2, w 3 membentuk basis untuk ruang baris. Dengan demikian w 1, w 2, w 3 membentuk basis untuk sub ruang R 5 yang terentang oleh vektor-vektor v 1, v 2, v 3 dan v 4

Matriks Transpose untuk mencari Basis Ruang Baris, Ruang Kolom, Ruang Null Cari suatu basis untuk ruang baris dari: A A T, maka ruang baris A menjadi ruang kolom A T Dengan matriks eselon, cari suatu basis ruang kolom A T. OBE Tranpose kembali mengubah vektor kolom menjadi vektor baris Merupakan vektor-vektor basis untuk ruang baris A Kolom 1,2 dan 4 berisi utama 1, shg vektor kolom A T membentuk suatu basis untuk ruang kolom A T