Ruang Vektor. Adri Priadana. ilkomadri.com

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

MATERI ALJABAR LINEAR LANJUT RUANG VEKTOR

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

PERTEMUAN 11 RUANG VEKTOR 1

BAB II DASAR DASAR TEORI

R maupun. Berikut diberikan definisi ruang vektor umum, yang secara eksplisit

KS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN

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

RUANG VEKTOR. Nurdinintya Athari (NDT)

MUH1G3/ MATRIKS DAN RUANG VEKTOR

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

untuk setiap x sehingga f g

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

BAB 5 RUANG VEKTOR A. PENDAHULUAN

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

G a a = e = a a. b. Berdasarkan Contoh 1.2 bagian b diperoleh himpunan semua bilangan bulat Z. merupakan grup terhadap penjumlahan bilangan.

Kode, GSR, dan Operasi Pada

Kumpulan Soal,,,,,!!!

Matematika Lanjut 1. Sistem Persamaan Linier Transformasi Linier. Matriks Invers. Ruang Vektor Matriks. Determinan. Vektor

Aljabar Linier Sistem koordinat, dimensi ruang vektor dan rank

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

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

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

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

Adri Priadana. ilkomadri.com

BAB II TINJAUAN PUSTAKA

vektor u 1, u 2,, u n.

0. Diperoleh bahwa: Selanjutnya dibuktikan tertutup terhadap perkalian skalar:

Bab 4 RUANG VEKTOR. 4.1 Ruang Vektor

MODUL V EIGENVALUE DAN EIGENVEKTOR

BAB II LANDASAN TEORI

BAB III RUANG VEKTOR R 2 DAN R 3. Bab ini membahas pengertian dan operasi vektor-vektor. Selain

Minggu II Lanjutan Matriks

UNIVERSITAS GADJAH MADA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA PROGRAM STUDI S1 MATEMATIKA Sekip Utara, Yogyakarta

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

TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep mendasar meliputi ruang vektor,

BAB III PEMBAHASAN. Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab

Aljabar Linier Elementer

MODUL 3 BIDANG RATA. [Program Studi Pendidikan Matematika STKIP PGRI Sumatera Barat]

1 Mengapa Perlu Belajar Geometri Daftar Pustaka... 1

6- Operasi Matriks. MEKANIKA REKAYASA III MK Unnar-Dody Brahmantyo 1

Eigen value & Eigen vektor

Aljabar Linier Ruang vektor dan subruang vektor. 2 Oktober 2014

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

Fungsi. Adri Priadana ilkomadri.com

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

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

BAB 1 PENDAHULUAN. Sebuah garis dalam bidang xy secara aljabar dapat dinyatakan oleh persamaan yang berbentuk

Soal-soal Latihan Pra UTS MATDAS. 1. Periksalah apakah argumen berikut valid secara logis atau tidak? p q q. ( p)

ALJABAR LINEAR SUMANANG MUHTAR GOZALI KBK ANALISIS

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN. A. Latar Belakang. Struktur aljabar merupakan salah satu bidang kajian dalam matematika

Ruang Vektor Euclid R 2 dan R 3

MODUL ATAS RING MATRIKS ( ) Arindia Dwi Kurnia Universitas Jenderal Soedirman Ari Wardayani Universitas Jenderal Soedirman

Trihastuti Agustinah

RUANG HASIL KALI DALAM (RHKD) Makalah Ini Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu: Abdul Aziz Saefudin, M.

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN

CHAPTER 6. Ruang Hasil Kali Dalam

BAB 2 LANDASAN TEORI

seperti yang akan kita lihat, ada banyak cara untuk membangun ruang-ruang vektor baru dari ruang vektor ruang vektor yang lama

Yang dipelajari. 1. Masalah Nilai Eigen dan Penyelesaiannya 2. Masalah Pendiagonalan. Referensi : Kolman & Howard Anton. Ilustrasi

BAB II LANDASAN TEORI

Modul Matematika MINGGU 4. g. Titik Potong fungsi linier

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

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

MUH1G3/ MATRIKS DAN RUANG VEKTOR

Pertemuan 1 Sistem Persamaan Linier dan Matriks

RUANG VEKTOR BAGIAN RANK KONSTAN DARI BEBERAPA RUANG VEKTOR MATRIKS

BAB I PENDAHULUAN. Struktur aljabar merupakan suatu himpunan tidak kosong yang dilengkapi

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

04-Ruang Vektor dan Subruang

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH

SISTEM BILANGAN REAL

BAB II TINJAUAN PUSTAKA. tegak, perlu diketahui tentang materi-materi sebagai berikut.

Prof.Dr. Budi Murtiyasa Muhammadiyah University of Surakarta

Latihan 5: Inner Product Space

MENENTUKAN INVERS MOORE PENROSE DARI MATRIKS KOMPLEKS

BAB II LANDASAN TEORI

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

Materi VI. Matik memiliki notasi yang berbeda dengan determinan. Garis pembatas sedikit disikukan Contoh. matrik ini memiliki ordo (3x4)

RUANG VEKTOR -5 ALJABAR LINIER

RUANG FAKTOR. Oleh : Muhammad Kukuh

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

BAB II TINJAUAN PUSTAKA

RANK MATRIKS ATAS RING KOMUTATIF

INVERS MOORE PENROSE MATRIKS BEBAS SKRIPSI. Disusun oleh : AGUNG WICAKSONO J2A JURUSAN MATEMATIKA

MATRIKS. Notasi yang digunakan NOTASI MATRIKS

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

Aljabar Linear Elementer

Nilai mutlak pada definisi tersebut di interpretasikan untuk mengukur jarak dua

RENCANA PELAKSANAAN PEMBELAJARAN NO: 1

BAB 2 LANDASAN TEORI

Aljabar Linier. Kuliah 3. 5/9/2014 Yanita FMIPA Matematika Unand

Matriks. Baris ke 2 Baris ke 3

Modul 2.2 Matriks dan Sistem Persamaan Linear (Topik 2) A. Pendahuluan Matriks dan Sistem Persamaan Linear

KS KALKULUS DAN ALJABAR LINEAR Ruang Baris Ruang Kolom Ruang Nol TIM KALIN

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

BAB II LANDASAN TEORI

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse

Transkripsi:

Ruang Vektor Adri Priadana ilkomadri.com

MEDAN SKLAR Misalkan diketahui bahwa K adalah himpunan, dan didefinisikan 2 buah operasi penjumlahan (+) dan perkalian (*). Maka K dikatakan medan skalar jika dipenuhi 10 aksioma berikut: 1. Untuk setiap α, β K maka α + β K dan α * β K 2. Untuk setiap α, β, γ K maka (α + β) + γ = α + ( β + γ ) 3. Terdapat 0 K disebut elemen nol, sedemikian sehingga 0 + α = α + 0 = α, untuk setiap α K 4. Untuk masing-masing α K, terdapat α K disebut negatif dari α sedemikian sehingga (-α) + α = α + (-α) = 0 5. Untuk setiap α, β K maka α + β = β + α

MEDAN SKLAR 6. Untuk setiap α, β, γ K maka (α * β) * γ = α * ( β * γ ) 7. Untuk setiap α, β, γ K a. α * ( β + γ ) = α * β + α * γ b. ( β + γ ) * α = β * α + γ * α 8. Untuk setiap α, β K maka α * β = β * α 9. Terdapat 1 K disebut elemen satuan, sedemikian sehingga 1 * α = α * 1, untuk setiap α K 10. Untuk masing-masing α 0 K, terdapat α -1 K disebut invers dari α sedemikian sehingga α -1 * α = α * α -1 = 1 Dalam hal ini semua anggota dari Field adalah skalar

MEDAN SKLAR Contoh Himpunan bilangan riil R adalah medan skalar terhadap operasi penjumlahan dan perkalian. Berikut adalah pembuktiannya : misal 1, 2, 3 R 1. 1 + 2 = 3, 3 R dan 1 * 2 = 2, 2 R 2. (1 + 2) + 3 = 1 + (2 + 3) => 6 = 6 3. Elemen 0 dari R adalah 0, dan 0 + 1 = 1 + 0 = 1, dimana 1 R 4. (-1) + 1 = 1 + (-1) = 0 5. 1 + 2 = 2 + 1

MEDAN SKLAR 6. (1 * 2)*3 = 1*(2*3) => 6 = 6 7. Untuk setiap 1, 2, 3 R a. 1 * ( 2 + 3 ) = 1 * 2 + 1 * 3 => 6 = 6 b. ( 2 + 3 ) * 1 = 2 * 1 + 3 * 1 => 6 = 6 8. 1 * 2 = 2 * 1 => 2 = 2 9. Elemen 1 dari R adalah 1, dan 1*1 = 1*1 = 1 10. 1-1 * 1 = 1 * 1-1 = 1 Tidak hanya pada 1, 2, 3, semua bagian dari R harus terpenuhi semua aksioma tersebut agar dapat dikatakan medan skalar.

RUANG VEKTOR Ada 8 syarat agar V (himpunan vektor) disebut sebagai ruang vektor, yaitu: 1. Jika vektor-vektor u, v V, maka vektor u + v V dan jika α K, maka α u V 2. Jika vektor-vektor u, v, w V, maka (u + v) + w = u + (v + w) 3. Untuk setiap u, v V dan α K maka α * (u + v) = α*u + α*v 4. Ada 0 V (vektor 0) sehingga 0 + u = u + 0, untuk semua u V

RUANG VEKTOR 5. Untuk semua u V terdapat - u V sehingga u + (-u) = 0 6. Untik setiap u, v V, maka u + v = v + u 7. Untuk setiap u, v V dan α, β K berlaku a. (α + β) * u = α*u + β*u b. (α β) * u = α (β*u) 8. Untuk setiap u V berlaku 1 * u = u, dimana 1 adalah elemen satuan dari K

RUANG VEKTOR Contoh Terdapat himpunan vektor V = { [1, 2, 3], [2, 3, 4], [3, 5, 7], [2, 6, 12] } dan himpunan skalar R {1, 2, 3}. Apakah himpunan vektor V adalah ruang vektor? Jawab untuk membuktikannya harus dicari apakah himpunan vektor tersebut memenuhi aksioma 1. u + v V [1, 2, 3] + [3, 5, 7] = [4, 7, 10] karena [4, 7, 10] V, aksioma pertama tidak terpenuhi maka himpunan vektor tersebut bukan ruang vektor

RUANG BAGIAN (SUBSPACE) Ruang bagian atau sub ruang vektor adalah sebenarnya ruang vektor juga, namun dengan syarat-syarat khusus Jika W adalah sekumpulan dari satu vektor atau lebih dari ruang vektor V, maka W disebut sebagai sub ruang V, jika dan hanya jika kedua kondisi di bawah ini berlaku : 1. W Ø (W tidak kosong) atau W { } 2. Untuk setiap u, v W maka u + v W 3. Untuk setiap u W dan α K, maka αu W

RUANG BAGIAN (SUBSPACE) Contoh Apakah ruang nol, O, merupakan sub ruang? O = {0} Jawab Bukti: 1. Ada 0 O, jadi O 2. Ambil u, v O, berarti u = 0 dan v = 0, akibatnya u + v = 0 + 0 = 0, jadi u + v O 3. Ambil u O, berarti u = 0, akibatnya ku = k0 = 0, jadi ku O Jadi O merupakan sub ruang dari setiap ruang vektor yang melingkupinya.

VEKTOR YANG BEBAS LINIER DAN BERGANTUNG LINIER Himpunan m buah vektor {u 1, u 2,..., u m } disebut bergantung linier (linearly dependent) bila terdapat skalar-skalar λ 1, λ 2,..., λ m yang tidak semuanya nol sedemikian rupa sehingga : λ 1 u 1 + λ 2 u 2 +... + λ m u m = 0 (0 adalah vektor nol) Sebaliknya, himpunan vektor {u 1, u 2,..., u m } disebut bebas linier (linearly independent) jika λ 1 u 1 + λ 2 u 2 +... + λ m u m = 0 hanya dipenuhi oleh λ 1 = λ 2 =... = λ m = 0

VEKTOR YANG BEBAS LINIER Contoh Selidiki apakah DAN BERGANTUNG LINIER 1. a = [8, 18, 13], b = [1, 3, 2], c = [2, 4, 3] 2. a = [2, 3] dan b [7, 1] bebas linier atau bergantung linier? 1. λ 1 [8, 18, 13] + λ 2 [1, 3, 2] + λ 3 [2, 4, 3] = 0 Misalnya λ 1 = 1, λ 2 = -2, λ 3 = -3, maka persamaan tersebut menjadi 1 [8, 18, 13] - 2 [1, 3, 2] - 3 [2, 4, 3] = 0 karena ada λ yang 0, maka ketiga vektor tersebut bergantung linier

VEKTOR YANG BEBAS LINIER DAN BERGANTUNG LINIER 2. Untuk a = [2, 3] dan b [7, 1] maka λ 1 [2, 3] + λ 2 [7, 1] = 0 sehingga 2 λ 1 + 7 λ 2 = 0 3 λ 1 + 1 λ 2 = 0 persamaan tersebut hanya dipenuhi bila λ 1 = 0 dan λ 2 = 0. Jadi vektor tersebut bebas linier.

KOMBINASI LINIER Suatu vektor v dikatakan kombinasi liner dari himpunan vektor {u 1, u 2,..., u m } bila terdapat skalar-skalar λ 1, λ 2,..., λ m sedemikian hingga v = λ 1 u 1 + λ 2 u 2 +... + λ m u m

KOMBINASI LINIER Contoh 1. Apakah a = [5, 15, 16] merupakan kombinasi linier dari b = [3, 3, 2] dan c = [1, 6, 7] 2. Apakah a = [5, 3] merupakan kombinasi linier dari b = [4, 3] dan c = [3, 7]

KOMBINASI LINIER Jawab Kita akan menyatakan a sebagai kombinasi linier dari b dan c 1. Kita hitung λ 1 dan λ 2 yang memenuhi [5, 15, 16] = λ 1 [3, 3, 2] + λ 2 [1, 6, 7] 5 = 3λ 1 + λ 2 15 = 3λ 1 + 6λ 2 16 = 2λ 1 + 7λ 2 Dengan subtitusi, diperoleh λ 1 = 1 dan λ 2 = 2, jadi a merupakan kombinasi linier dari b dan c, dimana komposisi a = b + 2c

KOMBINASI LINIER 2. Kita hitung λ 1 dan λ 2 yang memenuhi [5, 3] = λ 1 [4, 3] + λ 2 [3, 7] 5 = 4λ 1 + 3λ 2 3 = 3λ 1 + 7λ 2 Dengan subtitusi, tidak diperoleh nilai λ 1 dan λ 2 yang memenuhi. Jadi a bukan kombinasi linier dari b dan c.

RENTANGAN (SPAN) Misalkan S = {v 1, v 2,..., v k } adalah himpunan vektor dalam ruang vektor real V dan span (S), adalah himpunan yang berisi semua vektor kombinasi linier dari v 1, v 2,..., v k, yaitu span (S) = {c 1 v 1 + c 2 v 2 +... + c k v k c 1, c 2, c 3,..., c k R } jika span (S) = V, maka dikatakan bahwa V dibangun / dibentuk oleh S atau S membentuk V

RENTANGAN (SPAN) Contoh Tentukan apakah v 1 =(-2,1,2), v 2 =(0,1,3), v 3 =(-1,0,1) span dari ruang vektor R 3 Jawab : Untuk menentukan span di ruang vektor R 3, maka dicari kemungkinan setiap vektor di ruang R 3 adalah kombinasi linier dari v 1, v 2 dan v 3. Misalkan vektor a = (a 1,a 2,a 3 ) di ruang vektor R 3, maka a dapat ditulis sebagai kombinasi linier dari v 1,v 2,dan v 3

RENTANGAN (SPAN) a1-2 0-1 a1-2 0-1 k1 a k 1 k 1 k 0 a 1 1 0 k 2 1 2 3 2 2 a 3 2 3 1 a 3 2 3 1 k 3 Agar supaya ada nilai k 1,k 2 dan k 3, maka matrik 3 x 3 tersebut harus mempunyai invers atau determinan tidak boleh sama dengan nol. Karena determinan matrik tersebut adalah -3, maka k 1,k 2 dan k 3 didapatkan. Jadi disimpulkan bahwa v 1,v 2 dan v 3 merupakan span dari ruang vektor R 3

BASIS DAN DIMENSI Vektor-vektor v 1, v 2,..., v k dalam ruang vektor V dikatakan membentuk basis dimensi V, jika 1. v 1, v 2,..., v k membangun V atau span (v 1, v 2,..., v k ) = V 2. v 1, v 2,..., v k adalah bebas linier Dimensi dari ruang vektor V adalah jumlah vektorvektor yang membentuk basis pada V

BASIS DAN DIMENSI Contoh Tentukan apakah vektor V = {a, b, c} basis dalam R 3 dan tentukan dimensi dari ruang vektor yang dibentuk oleh: 1. a = [2, 3, 6], b = [5, 7, 2], c = [7, 10, 8] 2. a = [1, 3, 5], b = [2, -3, 1], c = [-3, 0, 1]

BASIS DAN DIMENSI Jawab 1. λ 1 [2, 3, 6] + λ 2 [5, 7, 2] + λ 3 [7, 10, 8] = 0 Misalnya λ 1 = 1, λ 2 tersebut menjadi = 1, λ 3 = -1, maka persamaan 1 [2, 3, 6] + 1 [5, 7, 2] - 1 [7, 10, 8] = 0 karena ada λ yang 0, maka ketiga vektor tersebut bergantung linier dan vektor a, b, c bukan basis dalam R 3 dan dimensi ruang vektor V adalah 2, (c = a + b) -> {a, b} bebas linier karena tidak berkelipatan.

BASIS DAN DIMENSI 2. λ 1 [1, 3, 5] + λ 2 [2, -3, 1] + λ 3 [-3, 0, 1] = 0 sehingga [1, 3, 5] + [2, -3, 1] + [-3, 0, 1] = [0, 0, 0] maka λ 1 + 2λ 2-3λ 3 = 0, 3λ 1-3λ 2 = 0, 5λ 1 + λ 2 + λ 3 = 0 persamaan kedua menyebabkan λ 1 = λ 2, kalau hasil ini disubstitusikan ke persamaan pertama menyebabkan λ 1 = λ 2 = λ 3. Karena tidak ada λ yang 0, maka ketiga vektor tersebut bebas linier.

BASIS DAN DIMENSI 2. a = [1, 3, 5], b = [2, -3, 1], c = [-3, 0, 1] Jika kita jadikan matriks 1 2-3 3-3 0 5 1 1 dari matrik tersebut didapatkan determinan yaitu - 99 maka kedua syarat terpenuhi sehingga vektor a, b, c basis dalam R 3 dan dimensi ruang vektor V adalah 3.

Matur Nuwun