ALJABAR MATRIKS

Bila kita mempunyai suatu sistem persamaan linier

2x + 3y + 3z = 0
x + y + 3z = 0
x + 2y z = 0
Maka koefisien tersebut di atas disebut MATRIKS,
dan secara umum dapat dituliskan sbb :
(
(
(

1 2 1
3 1 1
2 3 2
Jajaran bilangan tersebut di atas disebut MATRIKS,
dan secara umum dapat dituliskan sbb :
(
(
(
(
(
(
(
(
(
(
(

mn mj m m m
in ij i i i
n j
n j
n ij
a a a a a
a a a a a
a a a a a
a a a a a
a a a a a
3 2 1
3 2 1
3 3 33 32 31
2 2 23 22 21
1 13 12 11
. . . . .
. . . . .
. . . . .
m, n adalah bilangan bulat 1.
a
ij
= elemen-elemen dari matriks (i = 1, 2.......m).. (j = 1, 2 .......n)
m banyak baris
n banyaknya kolom
Matriks biasanya ditulis dengan notasi (A)
} mxn matriks orde
Macam matriks
Matriks bujur sangkar, bila m = n
mxn
(
(
(

9 8 7
6 5 4
3 2 1
Elemen-elemen a
11
, a
22
, .........., a
nn

disebut elemen-elemen diagonal utama
Matriks baris, bila m = 1


Matriks kolom, bila n = 1
Macam matriks
| | 5 4 3 2 1
[ A ]
mx1

(
(
(
(
(
(

5
4
3
2
1
[ A ]
1x n

Matriks nol, bila a
ij
= 0 :
(
(
(

0 0 0 0
0 0 0 0
0 0 0 0
Macam matriks
TYPE MATRIKS BUJUR SANGKAR
Matriks Diagonal,
Jika semua elemen sama dengan nol, kecuali
elemen-elemen diagonal utamanya.
(
(
(
(

4 0 0 0
0 3 0 0
0 0 2 0
0 0 0 1
a
ij
= 0
a
ii
0
Matriks Satuan (unit matriks).
Jika elemen-elemen diagonal sama
dengan 1 dan elemen-elemen yang lain
sama dengan nol.









Disebut juga matriks identitas = [ I ]
(
(
(
(

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
= [ I ]
TYPE MATRIKS BUJUR SANGKAR
Matriks simetris, jika a
ij
= a
ji





Matriks skew-simetris, jika a
ij
= - a
ji



(
(
(

5 7 3
7 0 2
3 2 1
(
(
(

5 7 3
7 0 2
3 2 1
TYPE MATRIKS BUJUR SANGKAR
OPERASI MATRIKS
Kesamaan matriks
Dua matriks [A] dan [B] dikatakan sama bila
a
ij
= b
ij

[ A ] dan [ B ] harus mempunyai orde yang sama.
Penjumlahan matriks
Bila [A] dan [B] punya orde yang sama, maka
kedua matriks tersebut bisa dijumlahkan
menjadi matriks [C]

[C] = [A] + [B]
c
ij
= a
ij
+ b
ij
OPERASI MATRIKS
Sifat-sifat penjumlahan Matriks
[ A ] + [ B ] = [ B ] + [ A ] Komutatif
[ A ] + [ B ] + [ C ] = ([ A ] + [ B ]) + [ C ] Assosiatif
(

6
3
5
2
4
1
(

3
2
2
3
1
0
[C] =
(

+
+
+
+
+
+
3 6
2 3
2 5
3 2
1 4
0 1
[A] =

[B] =
EXAMPLE :
(

9
5
7
5
5
1
[C] =
Perkalian dengan skalar :
Suatu matriks [A] dapat dikalikan dengan bil.skalar k
menghasilkan suatu matriks

[D] = k [A]

d
ij
= k . a
ij


Sifat-sifat perkalian skalar matriks:
k ( [A] + [B] ) = k [A] + k [B]
k ( [A] + [B] ) = ( [A] + [B] ) k
OPERASI MATRIKS


[ A ] = ; k =-2


[ D ] =

(

6
3
5
2
4
1
(

12
6
10
4
8
2
EXAMPLE :
Perkalian matriks
Matriks [A]
mxp
dan [B]
pxn
dapat dikalikan menghasilkan
matriks baru
[E]
mxn
= [A]
mxp
[B]
pxn
dimana :
i = 1, 2, m ; j = 1, 2, n ; k = 1, 2, p

=
=
p
k
kj ik ij
b a e
1
OPERASI MATRIKS
3 2
2
5
3
1
1
2
x
(

2 3
1
2
4
2
1
3
x
(
(
(

+ +
+ +
2 2 ) 1 ( 3 3 1
2 5 ) 1 ( 1 3 2
x x
x x
(

(
+ +
+ +
1 2 2 3 4 1
1 5 2 1 4 2
x x x
x x x
2 2
12 4
15 15
x
(

[A] = ; [B] =
[E] =
[E] =
EXAMPLE :
Sifat-sifat perkalian matriks :
[A] ( [B] + [C] ) = [A] [B] + [A] [C] ; sifat distributif

( [A] + [B] ) + [C] = [A] [B] + [A] [C] ; sifat distributif

[A] ( [B] [C] ) = ( [A] [B] ) [C] ; sifat assosiatif

[A] [B] [B] [A]

[A] [B] = [A] [C] ; belum tentu [B] = [C]
TRANSPOSE MATRIKS
Jika matriks [A]

dengan orde m x n


Transpose matriks [A] = [A]
T


adalah matriks berorde n x m dengan baris
dan kolom matriks [A] menjadi kolom dan
baris matrix [A]
T


3 2
6
3
5
2
4
1
x
(

2 3
6
5
4
3
2
1
x
(
(
(

[A] =
[A]
T
=
EXAMPLE :
Sifat-sifat dari transpose matriks
( [A]
T
)
T
= [A]
( k [A] )
T
= k [A]
T
( [A] + [B] )
T
= [A]
T
+ [B]
T
( [A] [B] )
T
= [B]
T
[A]
T
DETERMINAN MATRIX BUJUR SANGKAR
[A]
2x2
=

Det. [A] =
(

22 21
12 11
a a
a a
21
2
1 22 11
a a a a = A
(
(
(

=
33 32 31
23 22 21
13 12 11
b b b
b b b
b b b
3x3
[B]
( ) ( ) ( )
31 22 32 21 13 31 23 33 21 12 32 23 33 22 11
. . . . . b b b b b b b b b b b b b b b + = B
Co-factor b
ij
= ( 1)
i+j
Minor b
ij
Untuk matriks dengan orde yang lebih tinggi ( n x n ) cara sama

in in i i i i ik ik
n
k
c a c a c a c a A + + + = =

=
.......
2 2 1 1
1
dimana c
ik
= co-factor a
ik
INVERS MATRIKS BUJUR SANGKAR
Matriks tidak bisa dibagi dengan matriks lainnya.
Sebagai analogi, digunakan INVERSE dari matriks
tersebut.
Apabila [A] dan [B] adalah matriks bujur sangkar,
dan [A] [B] = [I] = [B] [A], maka
matriks [B] disebut inverse dari matrix [A], dan
matriks [A] adalah inverse dari matriks [B].
Selanjutnya [A] disebut matriks NON SINGULAR
Bila [A] tidak punya inverse disebut matriks
SINGULAR.
Inverse dari matriks [A] biasa ditulis [A]
-1
(
(
(

1 0 1
0 1 1
3 2 6
(
(
(

4 2 1
3 3 1
3 2 1
(
(
(

1 0 0
0 1 0
0 0 1
[A] =
; [A]
-1
=
[A] [A]
-1
=
= [ I ]
Catatan :
Untuk mencari inverse suatu matrix dapat dipakai beberapa
metoda, antara lain : metode ad-joint, metode pemisahan,
metode Gauss-Jordan, metode Cholesky, dsb.
EXAMPLE :
Metode Gauss-Jordan
Akan dicari inversi dari matriks [A]
nxn
Langkah-langkah yang dilakukan :
1) Ambil matriks satuan [I]
nxn
2) Dengan cara operasi baris, ubahlah matriks [A]
menjadi matriks satuan
3) Proses ke-2 juga dilakukan pada matriks [ I ],
sehingga setelah proses selesai matriks [ I ] telah
berubah menjadi matriks [A]
-1
(
(
(

4 3 1
3 4 1
3 3 1
(
(
(

1 0 0
0 1 0
0 0 1
4 3 1
3 4 1
3 3 1
(
(
(

1 0 0
0 1 1
0 0 1
4 3 1
0 1 0
3 3 1
(
(
(

1 0 1
0 1 1
0 0 1
1 0 0
0 1 0
3 3 1
(
(
(

1 0 1
0 1 1
0 3 4
1 0 0
0 1 0
3 0 1
(
(
(

1 0 1
0 1 1
3 3 7
1 0 0
0 1 0
0 0 1
[A] =



(
(
(

1 0 1
0 1 1
3 3 7
[A]
-1
=
LANGKAH KE-1
LANGKAH KE-3
LANGKAH KE-2
LANGKAH KE-5
LANGKAH KE-4
LANGKAH KE-n Selesai ?????
EXAMPLE :
MATRIKS ORTHOGONAL
Suatu matriks bujur sangkar [A] disebut matriks
orthogonal
bila [A]
-1
= [A]
T

[A] [A]
T
= [A] [A]
-1
= [ I ]
(

u u
u u
cos sin
sin cos
(

u u
u u
cos sin
sin cos
(

u u
u u
cos sin
sin cos
(
(
(

1 0 0
0 cos sin
0 sin cos
u u
u u
(
(
(

1 0 0
0 cos sin
0 sin cos
u u
u u
(
(
(

1 0 0
0 cos sin
0 sin cos
u u
u u
[A] = [A]
T
=
[A]
-1
=
[T] =
[T]
-1
=
[T]
T
=
Karena [T]
-1
= [T]
T
matriks [T] disebut matriks orthogonal
Karena [A]
-1
= [A]
T
matriks [A] disebut matriks orthogonal
EXAMPLE :
TEORI DEKOMPOSISI MATRIKS
Bila [A] = sebuah matrix bujur sangkar maka
matriks tersebut dapat diekspresikan dalam
bentuk :
[A] = [L] [U]
(
(
(
(
(
(
(
(

nn n n n
n
n
n
a a a a
a a a a
a a a a
a a a a
......
. ...... . . .
. ...... . . .
......
......
......
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
n x n
(
(
(
(
(
(
(
(

nn n n n
l l l l
l l l
l l
l
....
. .... . . .
. .... . . .
0 ....
0 .... 0
0 .... 0 0
3 2 1
33 32 31
22 21
11
(
(
(
(
(
(
(
(

nn
n
n
n i
u
u u
u u u
u u u u
.... 0 0 0
. .... . . .
. .... . . .
.... 0 0
.... 0
....
. 3 33
2 23 22
1 13 2 11
=
n x n n x n
[L] = lower triangle matriks
[U] = upper triangle matriks
(
(
(

33 14 12
39 25 20
63 27 36
(
(
(

7 1 3
0 2 5
0 0 9
(
(
(

8 0 0
2 5 0
7 3 4

=

EXAMPLE :
[A] = [L] [U]

dapat diperoleh tanpa

inverse matriks

dapat diperoleh tanpa
inverse matriks

Aplikasi pada solusi persamaan linier simultan :

[A] {X} = [B]
[L] [U] {X} = [B] misal [U] {X} = {Y}
[L] {Y} = [B] {X} = [U]
-1
{Y}
{Y} = [L]
-1
[B]
Sehingga : {X} = [U]
-1
[L]
-1
[B]
SOLUSI PERSAMAAN LINIER SIMULTAN
Persamaan Linier Simultan dengan n buah bilangan tak diketahui
dapat dituliskan sbb :
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
..........
. . .......... . .
. . .......... . .
. . .......... . .
..........
..........
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

(
(
(
(
(
(

nn n n
n
n
a a a
a a a
a a a
....
. .... . .
. .... . .
....
....
2 1
2 22 21
1 21 11

n
n
x
x
x
x
1
2
1
.

n
n
b
b
b
b
1
2
1
.
=
Secara matriks ditulis,
[A] {X} = [B]
4x + 3y + z = 13
x + 2y + 3z = 14
3x + 2y + 5z = 22


(
(
(

5 2 3
3 2 1
1 3 4

z
y
x

22
14
13
=
[ A ] { X } = [ B ]
{ X } = [A]
-1
[B]

z
y
x
=
1
5 2 3
3 2 1
1 3 4

(
(
(

22
14
13
= ..??????
EXAMPLE :
PARTISI MATRIKS
Suatu matriks bisa dipartisikan menjadi SUB-MATRIKS dengan cara
hanya mengikutkan beberapa baris atau kolom dari matriks aslinya.
| |
(
(
(

=
36 35 34 33 32 31
26 25 24 23 22 21
16 15 14 13 12 11
a a a a a a
a a a a a a
a a a a a a
A
(

23
13
22
12
21
11
A
A
A
A
A
A
=
dimana ;
| |
)
`

=
26 25
16 15
13
a a
a a
A
| |
)
`

=
21
11
11
a
a
A
| |
)
`

=
24 23 22
14 13 12
12
a a a
a a a
A
| | { }
31 21
a A =
| | { }
34 33 32 22
a a a A =
| | { }
36 35 23
a a A =
Aturan-aturan yang dipakai untuk mengoperasikan matriks partisi
persis sama dengan mengoperasikan matriks biasa
| | | | B A
2 2
22 21
12 11
x
A A
A A
(

=
1 2
2
1
x
B
B
(

+
+
=
2 22 1 21
2 12 1 11
B A B A
B A B A
2 2
22 21
12 11
x
A A
A A
(

=
| |
3 3
4 3 10
2 6 4
1 3 5
x
A
(
(
(

=
| |
2 3
2 3
4 2
5 1
X
B
(
(
(

=
1 2
2
1
x
B
B
(

=
| || |
(

=
(

=
44 16
37 11
4 2
5 1
6 4
3 5
1 11
B A
| || | | |
(

=
)
`

=
4 6
2 3
2 3
2
1
2 12
B A
| || | { } | | | | 8 12 2 3 4
2 22
= = B A
| || | { } | | 32 16
4 2
5 1
3 10
1 21
=
(

= B A
(
(
(

=
70 28
] [ 48 22
39 14
[B] A
EXAMPLE :
sehingga ;
BEBERAPA RUMUS KHUSUS
[ A ] = Matriks bujur sangkar dan simetris ; orde n x n : a
ij

[ B ] = Matriks empat persegi panjang ; orde n x m : b
ij

{ X } = Vektor kolom ; orde n x 1 : x
i

{ Y } = Vektor kolom ; orde m x 1 ; y
i

= =
= = u
n
i
n
j
j i ij nxn
T
xn
y x a A X
1 1
2
1
1
2
1
] [ } {
Bila ;
Maka ;
1
} { ] [
....
....
} {
2
1
nx nxn
x
x
x
X A
X
n
=

=
u
c
c
u
c
c
u
c
c
u
c
c
| || | } ]{ [ } {
} {
2
1
X A X X A
X
T
= u =
c
u c
;


atau sebaliknya ;
| |
(
(
(

=
6 5 3
5 4 2
3 2 1
A
( )

=
3
2
1
x
x
x
X
{ }

(
(
(

= = u
3
2
1
3 2 1
2
1
2
1
6 5 3
5 4 2
3 2 1
} ]{ [ } {
x
x
x
x x x X A X
T

= ( x
1
x
2
x
3
)

+ +
+
+ +
+
3 2 1
3 2 1
3 2 1
6 5 3
5 4 2
3 2
x x x
x x x
x x x
( )
x x x x x x x x x 3 2 3 1 2 1
2
3
2
2
2
1
2
1
10 6 4 6 4
+ + + + + =
EXAMPLE :


( )
3 2 1 2 2 1
1
3 2 6 4 2 2 1 x x x x x x
x
+ + = + + =
c
u c
( )
3 2 1 3 1 2
2
5 4 2 10 4 8 2 1 x x x x x x
x
+ + = + + =
c
u c
( )
3 2 1 2 1 3
3
6 5 3 10 6 12 2 1 x x x x x x
x
+ + = + + =
c
u c
| | } {
} {
6 5 3
5 4 2
3 2 1
3
2
1
3
2
1
X A
X
x
x
x
x
x
x
=
c
u c

(
(
(

c
u c
c
u c
c
u c
{ } Y B X
mx nxm
T
xn 1 1
] [ } {
=
{ }
| | { }
1 mx nxm
Y B
X
=
c
c
Bila ;
Maka ;
| |
(
(
(

=
12 11 10 9
8 7 6 5
4 3 2 1
4 3x
B

3
2
1
x
x
x

4
3
2
1
y
y
y
y
{ X }
3x1
= { Y }
4x1
=
{ } | |{ } { }

(
(
(

= =
4
3
2
1
3 2 1
12 11 10 9
8 7 6 5
4 3 2 1
y
y
y
y
x x x Y B X
T

EXAMPLE :
{ }
(
(
(

+ + +
+ + +
+ + +
=
4 3 2 1
4 3 2 1
4 3 2 1
3 2 1
12 11 10 9
8 7 6 5
4 3 2
y y y y
y y y y
y y y y
x x x
{ ( ) ( ) ( ) }
3 4 3 2 1 2 4 3 2 1 1 4 3 2 1
12 11 10 9 8 7 6 5 4 3 2 x y y y y x y y y y x y y y y + + + + + + + + + + + =
4 3 2 1
1
4 3 2 y y y y
x
+ + + =
c
c
4 3 2 1
2
8 7 6 5 y y y y
x
+ + + =
c
c
4 3 2 1
3
12 11 10 9 y y y y
x
+ + + =
c
c

(
(
(

c
c
c
c
c
c
4
3
2
1
3
2
1
12 11 10 9
8 7 6 5
4 3 2 1
y
y
y
y
x
x
x

{ }
| |{ } Y B
X
=
c
c