BAB II ALJABAR LINIER
Aljabar linier adalah salah satu dasar dalam penelitian operasional sebab masalah-masalah penelitian operasional akan lebih mudah diselesaikan dengan menggunakan konsep aljabar linier. Oleh sebab itu pada bab ini akan di bahan daras-dasar aljabar linier.
2.1 Vektor
Secara matematis vector terdiri dari orde n, sebagai contoh orde dengan pasangan berurutan (3,2) adalah vector berorde 2. Vektor dinyatakan dalam bentuk
a,
b,
c,
x
dan seterusnya.Vektor a =
( )
3,2 dan vector⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ = 3 2 5
b , dimana 3 dan 2 disebut sebagai komponen dari
vektor
a
secara grafis dapat dilihat berturut-turut pada Gambar 2.1 dan 2.2.2
3
Gambar 2.1 Vektor dalam dua dimensi Gambar 2.2 Vektor dalam tiga dimensi 3
x
1 x x1 2 x2.2 Operasi vektor
Kesamaan Dua buah vector
a
dan b dikatakan sama jika dan hanya jika komponen dari vektora
dan b adalah sama.(
a
1,
a
2,
L
,
a
n)
=
a
dana
=
(
b
1,
b
2,
L
,
b
n)
, makab
a= jika dan hanya jika
a
1=
b
1,
a
2=
b
2,
L
,
a
n=
b
n. (2.1) Penjumlahan Dua buah vector atau lebih yang berada dalam ruang yang sama dapatdijumlahkan dengan cara menjumlahkan komponen-komponen yang bersesuaian.
(
a
1,
a
2,
L
,
a
n)
=
a
danb
=
(
b
1,
b
2,
L
,
b
n)
, maka(
a
1+
b
a
+
b
a
n+
b
n)
=
+
=
a
b
1,
2 2,
L
,
c
. (2.2)Misalkan vektor a=
( )
2,4 dan b=( )
3,1 , maka penjumlahan vectora
dan b adalah( ) ( ) ( )
2,4 + 3,1 = 5,5 =+ =a b
c ,
Secara grafis dapat dilihat pada Gambar 2.3.
Perkalian vektor dengan skalar Vektor dapat dikalikan dengan sebuah skalar k,
(
)
(
,
,
,
)
.
,
,
,
2 1 2 n n 1ka
ka
ka
a
a
a
k
k
=
=
L
a
(2.3)Jika a=
( )
1,2 dan skalar k =2, secara grafis dapat diperlihatkan pada Gambar 2.4Gambar 2.3 Penjumlahan vektor x1 Gambar 2.4 Perkalian vektor dengan skalar x1 2 x 2 x
2
4
5 5Perkalian vektor dengan skalar memenuhi hukum asosiatif
k
(
m
a
)
=
(
km
)
a
, dan hukum distributifk
(
a
+
b
)
=
(
k
a
+
k
b
)
dan(
k
+
m
)
a
=
k
a
+
k
a
.Pengurangan Dua buah vektor atau lebih dalam ruang yang sama dapat dikurangkan, dinotasikan a-b.
(
a
1,
a
2,
L
,
a
n)
=
a
danb
=
(
b
1,
b
2,
L
,
b
n)
, maka(
a
1,
a
2,
L
,
a
n)
+
(
−
1
)
(
b
1,
b
2,
L
,
b
n)
=
−
=
a
b
c
(
) (
)
(
)
(
,
,
,
)
.
,
,
,
,
,
,
,
,
,
2 1 2 2 1 1 2 1 2 n n n n n 1c
c
c
b
a
b
a
b
a
b
b
b
a
a
a
L
L
L
L
=
−
−
−
=
−
−
−
+
=
. (2.4)Misalkan vektor a=
( )
2,4 dan b=( )
3,1 , maka penjumlahan vectora
dan b adalah( ) ( ) ( )
6,4 − 3,1 = 3,3 =− =a b
c
Inner Product Dua buah vektor dalam ruang yang sama dapat dikalikan yang disebut inner product
∑
==
+
+
+
=
=
n j j j n nb
a
b
a
b
a
b
a
1 2 2 1 1L
a.b
α
(2.5)Inner product memenuhi hukum komutatif
b.a
a.b= dan memenuhi kondisi berikut
(
b c) (
b c)
a a.b a.ca + = + = +
(
a+b)(
c+d)
=a.c+a.d+b.c+b.dPerlu diperhatikan a.a≥0. Inner product sama dengan nol (a.a=0) jika dan hanya jika 0
=
a .
Dua buah vektor disebut orthogonal jika inner product-nya sama dengan nol. Jikaa=
( )
3,2 dan b=( )
2,-3 adalah orthogonal, karenaa.b
=
3
(
2
)
+
2
(
−
3
)
=
0
. Vektor norm∑
==
+
+
+
=
=
n j j n na
a
a
a
a
a
a
1 2 2 2 1 1L
a.b
a
(2.7)2.3 Linear Dependent dan Independent
Himpunan vektor a1,a2,L,an yang berada dalam ruang yang sama
R
n dikatakan ”Linearly dependent” atau saling bergantung linier bila ada suatu himpunan dari n skalar yaituα
1,
α
2,
L
,
α
n tidak semuanya nol atau paling sedikit satuα
≠0, bila hasil kombinasi liniernya adalah vektor nol (null vector). Jadi0 a a a1 2 2 n n 1 +
α
+ +α
=α
L (2.8)dimana 0 adalah vektor nol.
Sedangkan apabila dari n skalar yaitu
α
1,
α
2,
L
,
α
n masing-masing mempunyai nilai nol disebut lynearly independent atau saling bebas linier. Jadi dalam hal ii dapat ditulis:0
2
1
=
α
=
=
α
n=
α
L
(2.9)Himpunan vektor a1,a2,L,an dalam ruang
R
n adalah linear independent jika salah satu dari vektor tersebut adalah suatu kominasi linier dari vektor-vektor lainnya. Jika salah satu dari vektor tersebut adalah suatu kombinasi linier dari vektor-vektor lainnya, vektor-vektor tersebut, salah satunya adalah an . Maka1 n-1 n-1 1 n a a a =
α
+L+α
(2.10) atau0
a
a
a
1 n-1 n-1 1+
+
α
+
(
−
1
)
n=
α
L
.Dengan demikian dapat disimpulkan bahwa dari seluruh skalar
α
tidak seluruhnya nol, tetapi (-1) dan disebut linear independent.Sedangkan apabila
0
1=
∑
= n i i ia
α
adalah linear independent, makaα
i adalah0
2
1
=
α
=
=
α
n=
α
L
. Jika salah satuα
, maka jelas bahwa vektor-vektor tersebut linearly dependent. Jadi 0=0a1+L+0an, adalah linearly dependent.2.4 Basis
Vektor x1,x2,L,xm merupakan himpunan spanning dari ruang
E
n, jika setiap vektor padaE
n dapat ditulis sebagai kombinasi linier darix
i.Dengan menggunakan pemikiran dari ruang vektor dan linearly independent, dapat diuraikan tentang suatu basis dari suatu ruang vektor.Himpunan spanning x1,x2,L,xn adalah basis untuk
E
n jika vektor-vektornya adalah linearly independent. Jadi basis dariE
2 memuat basis dua vektor, begitu juga basis untuk3
E
memuat tiga vektor.Ambil x1,x2,L,xn adalah basis untuk
E
n, misalkan dalamE
nterdapat vektor lain dalam a≠0. Maka∑
==
n i i i 1x
a
α
(2.11) 2.6 MatriksDefinisi 2.1 Matriks adalah kumpulan dari elemen yang disusun dalam bentuk baris dan kolom, banyaknya baris dan kolom menunjukan orde dari matriks.
Bentuk umum dari matriks orde n×m:
⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nm n n m m a a a a a a a a a A L M M L L 2 1 2 22 21 1 12 11 (2.12) 2.6.1 Operasi matriks
Penjumlahan/pengurangan Dua buah matriks atau lebih dapat dijumlahkan/ dikurangkan jika mempunyai orde yang sama, kemudian unsur-nsur yang bersesuaian dijumlahkan/dikurangkan.
Perkaalian matriks dengan skalar Jika
A
=
[ ]
a
ij . Maka A dapat dikalikan dengan skalarα
, sehingga[ ]
a
ijA
α
α
=
(2.13)Perkalian matriks dengan skalar memenuhi hukum komutatif.
[
A B]
α
Aα
Bα
+ = + dan(
α
+ )
β
A
=
α
A
+
β
B
.Perkalian matriks Dua buah matriks
A
danB
dapat dikalikan jika dan hanya jika banyaknya kolom pada matriksA
sama dengan banyaknya baris pada matriksB
. Jadi dalam menentukan apakah dua buah matriks dapat dikalikan atau tidak dan sekaligus untuk menentukan orde dari hasil perkaliannya, maka harus yakin bahwa banyaknya kolom pada matriks A sama dengan banyaknya baris pada matriks B.p m p n n m
B
C
A
×⋅
×=
× (2.14)Perkalian matriks tidak memenuhi hukum komutatif
A
⋅
B
≠
B
⋅
A
, tetapi di dalam hal khusus bisa berlakuA
⋅
B
=
B
⋅
A
(matriks COMUTE).⎥
⎦
⎤
⎢
⎣
⎡
=
2
1
2
1
2
3
A
dan ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ 2 1 1 2 3 1 B , maka⎥
⎦
⎤
⎢
⎣
⎡
=
=
11
6
13
8
.
B
A
C
.Sifat perkalian matriks Perkalian matriks memenuhi:
1. Hukum distibutif terhadap penjumlahan:
A
(
B
+ )
C
=
AB
+
AC
. 2. Hukum assosiatif perkalian:A
(
B
⋅
C
)
=
(
A
⋅
B
)
C
Jenis-jenis maatriks
1) Matriks Identitas adalah suatu matriks dimana semua unsurnya bernilai nol kecuali unsur pada diagonal utama sama dengan 1.
3) Matriks simetris adalah suatu matriks kuadrat dimana unsur
a
ij=
a
ji untukn
j
i
,
=
1
,
2
,
L
,
.4) Skew-symetrik matrix adalah suatu matriks kuadrat dimana
n
j
i
a
a
ij=
−
ij,
,
=
1
,
2
,
L
,
.5) Matrriks diagonal adalah suatu matriks semua unsurnya sama dengan nol kecuali unsur pada diagonal utama tidak sama dengan nol.
6) Matriks nol adalah suatu matriks dimana semua unsurnya sama dengan nol. 7) Matriks non singulir adalah suatu matriks dimana nilai dari determinannya tidak
sama dengan nol.
8) Matriks conpormable, matriks A dikatakan conpormable terhadap B jika banyaknya kolom pada matriks A sama dengan banyaknya baris pada matriks B. 9) Matriks idempoten
10) Matriks partisi adalah suatu matriks yang dibagi menjadi matriks yang lebih kecil ordenya (sub matriks).
11)
α
[
A+B]
=α
A+α
Bpada segitiga atas sama tyaiPerkalian dua buah 2.6.2 Matriks transposeJika matriks
A
berorde m×n. Maka transpose dari matrikaA
adalahA
T. Dimana unsur-unsur baris pada matriksA
merupakan unsur-unsur kolom padaA
T.Beberapa properti dari traspose matriks: 1.
( )
A
T T=
A
2.
(
A
+
B
)
T=
A
T+
B
T, dimana orde matriksA
sama dengan orde dariB
. 3.( )
AB
T=
B
TA
T2.6.3 Operasi baris elementer
Tiga dasar dari dari operasi baris elementer suatu matriks
1. Baris ke-i dapat ditukar dengan baris ke-j dan sebaliknya. 2. Baris ke-i dapat dikalikan dengan skalar
α
.3. Baris ke-j dapat tukar dengan baris ke-j yang ditambah dengan skalar
α
. Jika ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 2 4 2 1 2 2 A1. Baris ke-1 dari matriks
A
ditukar dengan baris ke 2, diperoleh⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 2 4 2 2 2 1 1 A
2. Baris ke-2 dari matriks A1dikalikan dengan 2, diperoleh
⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 2 4 4 4 2 1 2 A
3. Baris ke-3 dari matriks A1 ditambah 3, kemudian ditukar dengan baris ke-1, maka diperoleh ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 2 1 2 2 5 7 3 A 2.7.4 Determinan
Determinan diperoleh dari matriks kuadrat, determinan dari matriks
A
ditulis A. Jika diketahui matriks⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 22 21 12 11 a a a a A , maka 12 21 22 11a a a a A = − Jika ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 33 32 31 23 22 21 13 12 11 a a a a a a a a a A , maka
32 31 22 21 13 33 31 23 21 12 33 32 23 22 11 a a a a a a a a a a a a a a a A = − +
Sehingga secara umum dika terdapat matiks A berorde
n
×
n
maka determinan dari matriks A adalah:∑
==
n i i iA
a
A
1 1 1 (2.15) Sifat-sifat determinan1. Pergantian baris an kolom atau sebaliknya tidak akan mempengaruhi nilai determinan A = A' 12 11 22 21 22 21 12 11 a a a a a a a a =
2. Jika dalam suatu baris atau kolom elemen-elemennya bernilai nol, maka nilai determinan ama dengan nol.
3. Jika setiap elemen pada suatu baris atau kolom dikalikan dengan suatu skalar
α
, maka nilai determinan akan menjadiα
kali nilai determinan semula.4. Bila dua buah baris atau kolom di tukar tempatnya, maka tanda determinan akan berubah, akan tetapinilai mutlaknya tetap.
5. Jika dua buah baris atau kolom sama elemen-elemennya, maka nilai determinanya sama dengan nol.
6. Suatu determinan nilainya tidak akan beruah ila elemen-elemen pada suatu baris atau kolom dikalikan dengan konstanta, kemudian ditambahkan atau dikurankan pada elemen-elemen baris atau kolom lainnya.
7. Determinan dari perkalian dua uah matriks sama denan hasil kali determinan matriks-matriks tersebut.
8. Determinan dari matrriks diagonal adalah hasil kali elemen-elemen diagonalnya.
Misalkan matriks A orde m×n, apabila dari matrriks A ini dipilih beberapa beberapa baris sebanyak
s
,
s
<
m
dan beberapa kolom sebanyak t,t<n, maka elemen-elemen dari s baris dan t kolom ini akan merupakan suatu matriks minor dari A.Definisi 2.1 Jika matriks A sedikit-dikitnya mengandung suatu ninor determinan yang tidak lengkap (nilai = 0) dan ternyata terdiri dari r baris, akan tetapi untuk minor determinan yang lain pasti akan lenyap, apabila minor metriksnya terdiri dari (r – 1) baris, maka dalam hal ini matriksnya A mempunyai RANK = r dan ditulis r(A) = r.
⎥
⎦
⎤
⎢
⎣
⎡
=
1
2
2
2
1
1
1
1
A
0
2
2
1
1
1=
=
A
, A2 =1 =1, jadi r(A) = 1.⎥
⎦
⎤
⎢
⎣
⎡
=
0
0
1
0
0
0
0
1
B
,1
1
0
0
1
=
=
B
, jadi r(B) = 2.Definisi 2.2 Kalau A matriks kuadrat dengan m baris dan n kolom, jika
r
(
A
)
=
r
=
n
, maka A dikatakan matriks non singulir dan jika r <n, maka matriks dikatakan singulir.Rank matriks mempunyai peranan yang penting dalam penyelesaian persamaan linier simultan, sebab dengan mengetahui besarnya rank dari matriks koefisien, bisa ditentukan apakah persamaan tersebut mempunyai jawab atau tidak.
Mencari rank dengan menggunakan transformasi elementer
20 5 5 1 10 2 = A , tentukan rank A? Langkah-langkah
1. Kalikan baris pertama dengan
2
1
20 5 5 1 5 1
2. Kurangkan baris pertama pada baris kedua
20 5 0 0 5 1
4. Kalikan baris ketiga dengan
5
1
4 1 0 0 5 15. Kurangkan baris pertama pada baris ketiga
1 0 0 0 5 1 −
6. Kalikan baris ketiga dengan
−
1
1 0 0 0 5 1
7. Baris ke 1 dikurang 5 kali baris ketiga
0 0 1 0 0 1 1 0 0 0 0 1 = Jadi
rank
A
=
2
.Jika C = A×B, maka
r
(
c
)
=
min{
r
(
A
),
r
(
B
)}
. 2.6.6 Matriks decomposibleStatu matriks
A
n×n dikatakan decomposible jika dengan pertukaran beberapa baris dan kolom-kolom yang bersesuaian memungkinkan untuk memperoleh nol matriks pada pojok sebelaah kiri bawah, sehinggaA
dapat ditulis:⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 22 12 11 0 A A A
A , dimana A11 dan A22 merupakan matriks kuadrat.
Jika sebaliknya disebut indecomposible. Supranto 1974.
2.6.7 Inverse matriks
Definisi 2.3
A
adalah matriks matriks kuadrat dengan ordo n×n danI
n suatu matriks identitas, jika ada matriks kuadratA
−1 sedemikian sehingga berlaku relasiI
A
A
AA
−1=
−1=
, makaA
−1 disebut imverse dari matriksA
. Cara mencari inverse matriks1. Metode substitusi
⎥
⎦
⎤
⎢
⎣
⎡
=
5
3
3
2
A
I
A
A
⋅
−1=
, misalkan⎥
⎦
⎤
⎢
⎣
⎡
=
−c
b
d
a
A
1⎥
⎦
⎤
⎢
⎣
⎡
=
⎥
⎦
⎤
⎢
⎣
⎡
⎥
⎦
⎤
⎢
⎣
⎡
1
0
0
1
5
3
3
2
c
b
d
a
⎥
⎦
⎤
⎢
⎣
⎡
=
⎥
⎦
⎤
⎢
⎣
⎡
+
+
+
+
1
0
0
1
5
3
3
3
3
2
3
2
d
b
c
a
d
b
c
a
1 5 3 0 3 2 0 3 3 1 3 2 = + = + = + = + d b d b c a c a3
,
3
,
5
=
−
=
−
=
b
c
a
dan d =2Jadi
⎥
⎦
⎤
⎢
⎣
⎡
−
−
=
−2
3
3
5
1A
2.6.8 Metode Adjoint matriks
Jika matriks
A
adalah matriks kuadrat dengan ordo n×n, dan setiap elemen dari matriks mempunyai ko-faktor, yaitu elemena
ij mempunyai ko-faktorK
ij⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = = nn n n n n ij K K K K K K K K K K K L M L M M L L 2 1 2 22 21 1 12 11 ) ( (2.16)
Adjoint matriks adalah suatu matriks yang elemen-elemennya terdiri dari transpose dari semua kofaktor dari elemen-elemen matriks.
Jika
K
ij kofaktor dariA
, maka ) ( ) ( T ji ij T K K K A adj = = = . (2.17) ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = = nn n n n n T K K K K K K K K K K A adj L M L M M L L 2 1 2 22 21 1 12 11 ) (dimana
A
i1=kofaktor , elemen 1=
(
−
1
)
i+1×
ia
determinan dari matriks kofaktor dari A.⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 1 2 4 3 3 1 0 1 4 A
3
1
2
3
3
11 11⎥
⇒
=
−
⎦
⎤
⎢
⎣
⎡
=
K
M
11
1
4
3
1
12 12⎥
⇒
=
⎦
⎤
⎢
⎣
⎡
=
K
M
10
2
4
3
1
13 13⎥
⇒
=
−
⎦
⎤
⎢
⎣
⎡
=
K
M
1
1
2
0
1
21 21⎥
⇒
=
−
⎦
⎤
⎢
⎣
⎡
=
K
M
4
1
4
0
4
22 22⎥
⇒
=
⎦
⎤
⎢
⎣
⎡
=
K
M
4
2
4
1
4
23 23⎥
⇒
=
−
⎦
⎤
⎢
⎣
⎡
=
K
M
3
3
3
0
1
31 31⎥
⇒
=
⎦
⎤
⎢
⎣
⎡
=
K
M
12
3
1
0
4
32 32⎥
⇒
=
−
⎦
⎤
⎢
⎣
⎡
=
K
M
11
3
1
1
4
33 33⎥
⇒
=
⎦
⎤
⎢
⎣
⎡
=
K
M
⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − − − = 11 12 3 4 4 1 10 11 3 ij K ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − − − = = 11 4 10 12 4 11 3 1 3 ) ( T ij K A adjDefinisi 2.4 Matriks
A
adalah matriks kuadrat ordo n×n, dan merupakan matriks yang non-singulir yaitudet(
A
)
≠
0
,
K
ij merupakan kofaktor dari elemena
ij, maka inverse dariA
dirumuskan sebagai berikut:) det( ) ( ) det( 1 1 A K A adj A A T = = − . (2.18)
Dari contoh di atas maka inverse matriks
A
adalah 1 − = A⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
−
−
−
−
=
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
−
−
−
−
−
−
=
=
−11
4
10
12
4
11
3
1
3
11
4
10
12
4
11
3
1
3
1
)
(
1
1adj
A
A
A
2.7 Himpunan konveksAmbil
E
adalah ruang linier (riil) danX
⊆
E
.Definisi 2.5 Ştefănescu [9]
X
adalah konveks jikaλ
x1 +(1−λ
)x2 ∈X, dimana Xx
x1, 2 ∈ dan
λ
∈
[
0
,
1
]
.Proposisi 2.1
X
adalah konveks jika dan hanya jika:X
x
X
x
x
x
N
k
n i i i k i i k∈
∈
=
⇒
∈
∈
∑
∑
= =1 1 3 2 1 2 1,
,
,
,
,
,
,
[
0
,
1
],
1
,
L
λ
λ
L
λ
λ
λ
Irisan dari himpunan konveks adalah konveks.
Definisi 2.6 Ştefănescu [9] Konveks hull dari
X
(coX) adalah irisan dari semua himpunan konveks pada X. Dengan kata lain bahwa himpunan konveks dari E termuat dalam X.Definisi 2.7 Supporting hyperplane dari
X
adalah suatu hyperplane H p,α dengan properties:a. X ∩H p,α ≠
φ
b.
X
⊆
{
x
∈
E
p,
x
≤
α
}
atauX
⊆
{
x
∈
E
p,
x
≥
α
}
.Hyperplane
H
dalamE
n didefinisikan bahwa himpunan dari titik=
(
x
1,
x
2,
L
,
x
n)
yang memenuhi persamaan
b
x
h
x
h
x
h
1 1+
2 2+
L
+
n n=
atau b = ,untuk nilai-nilai
h
i (tidak semuah
i≠
0
) dan b. Jadi jika untukE
2 diperoleh bentuk garis b x h x h1 1+ 2 2 = .Pada
E
3 diperoleh persamaan bidang.b
x
h
x
h
x
h
1 1+
2 2+
3 3=
.Hyperplane
E
n dibagi dalam dua bagian, dinotasikan dengan{
b}
H+ = ≥ dan H− =
{
≤b}
.Sebagai contoh ambil persamaan bidang 3x1 − x2 2 =6. Maka
{
b}
H+ = ≥ didefinisikan6
2
3
:
1−
2≥
+x
x
H
danH
− didefinisikan6
2
3
:
1−
2≤
−x
x
H
.Titik-titik pada garis 3x1− x2 2 =6, berada pada kedua bagian tersebut.
Hyperplane adalah himpunan konveks. Jika 1 dan 2 ada pada hyperplane, sehingga b
=
1 dan 2 =b
Ambil =
λ
+(1−λ
) 2, kombinasi konveks dari 1 dan 2. Maka[
λ
x1+(1−λ
)x2]
= 2 1 (1 ) x xλ
λ
+ − = b b b = − + =λ
(1λ
)Jadi adalah pada hyperplane. Dengan cara yang sama dapat dibuktikan bahwa bagian ruang