KALKULUS MATRIKS

MODUL

PENDAHULUAN

Dalam modul ini akan dibahas bagaimana melakukan perhitungan-perhitungan

derivatif ataupun integral terhadap fungsi matriks atau matriks fungsi.
Perlu diketahui bahwa bagi yang telah pernah mempelajari kalkulus multivariabel,
apa yang akan dipelajari dalam modul ini adalah presentasi hal-hal penting yang banyak
digunakan dalam analisis statistika, dalam matriks dan vektor.
Dengan mempelajari modul ini, Anda diharapkan dapat memahami, dengan baik
pengertian fungsi matriks dan matriks fungsi, memahami sifat-sifat dan melakukan
perhitungan-perhitungan derivatif maupun integral terhadap fungsi matriks dan matriks
fungsi.
Sesudah mempelajari modul ini, Anda diharapkan mampu mencari derivatif maupun
integral berbagai macam fungsi matriks dan matriks fungsi, serta memanfaatkannya
untuk pekerjaan statistika yang sifatnya analitis.

8.1

Aljabar Matriks 2

Kegiatan Belajar 1

Derivatif

ebelum kita mulai dengan membahas bagaimana melakukan perhitunganperhitungan derivatif terhadap fungsi matriks dan matriks fungsi, serta
mempelajari sifat-sifatnya, marilah terlebih dahulu kita pelajari apa yang
dimaksud dengan fungsi matriks dan matriks fungsi.
Fungsi matriks adalah suatu fungsi yang dibangun/dibentuk oleh suatu atau beberapa
matriks/vektor.
Contoh 1
f X I X X2 ... Xn 1
atau
1
f X Xn I X I
atau

f X X I

Xn I

Dari contoh 1 ini, sudah barang tentu harus diperhatikan bahwa f X terdefinisikan
kalau persyaratan-persyaratan yang diperlukan dalam pengoperasian matriks/vektor di
ruas kanan berlaku.
1
Dengan mudah dapat ditunjukkan jika X I mempunyai invers, artinya X I
ada maka

I X X 2 ... X n 1 X n I X I
X I

Bukti
Karena

Xn I

I X ... Xn1 X I Xn I

maka

8.2

 I X ... Xn1 Xn I X I 1
Dengan cara yang sama dapat dibuktikan bahwa

I X ... Xn1 X I1 Xn I

Silakan Anda coba!!

Dengan demikian hasil (rumus) di atas dapat digunakan untuk mempermudah
menghitung ruas kiri, jika n cukup besar.
Contoh 2
I O
Jika matriks
maka matriks P adalah fungsi dari matriks-matriks C dan
C B
B, dan matriks k P.P. ... .P (mengalikan matriks P sebanyak k kali) maka

I O I O
P.P

C B C B
I.I O.C I.O O.B

C.I B.C C.O B.B

O
I

C BC B2

P.P.P P.P .P
O I O
I

C BC B2 C B

I
O

I B B2 C B3

sehingga:
I
O

Pk
{I B ... Bk 1}C Bk

atau
I
O

Pk
(I B) 1(I Bk )C Bk

menggunakan hasil dari contoh 1

Contoh 3
Jika A adalah suatu matriks bujur sangkar maka

8.3

Aljabar Matriks 2

f (A) eA I A A

2!

i!

A
i 0

Jika jumlahan deret tersebut konvergen, yang akan dipenuhi jika semua komponen dari
matriks eA yang merupakan deret harus konvergen.
Contoh 4
Jika matriks R n P atau matrik P eR dengan R rij dan p pij , serta

1, i j
pij ij rijk k! , ij
0, j i
k 1

maka hubungan dari matriks R dan matriks P hanya akan berlaku (fungsi matriksnya
ada) jika ruas kanan dari pij konvergen untuk setiap i dan j.
Dari contoh-contoh di atas dapat dilihat dengan mudah bahwa dengan penyesuaianpenyesuaian tertentu yang berlaku untuk matriks, hukum-hukum yang berlaku untuk
skala atau satu peubah dapat pula diberlakukan untuk matriks.
Matriks fungsi adalah suatu matriks yang paling sedikit satu komponen-komponennya
adalah fungsi (satu peubah atau lebih dari satu peubah).
Contoh 5
x3
a. F(x)
2x

x12
b. F(x)
x1x 2

(3 4x 2
ex

x1x 2
x 32

, x (x1, x 2 )
x1 x 2
x 22

Selanjutnya marilah kita bahas suatu masalah yang dihadapi dalam kalkulus
multivariabel, yaitu mencari/menghitung derivatif (parsial) ke masing-masing variabel/
peubah. Dalam format matriks dan vektor maka masalah tersebut dapat dipikirkan
sebagai mencari derivatif fungsi matriks f (x) (yang merupakan skalar) ke vektor x , atau

matriks/vektor fungsi y f x ke vektor x .

1. Derivatif suatu skalar ke vektor x , ditulis

, adalah suatu vektor yang

komponennya adalah derivatif parsial dari komponen vektor x .

8.4

(
...
), x (x1x 2 ...x p )
x
x1 x 2 x p

Contoh 6
Jika ax xa dengan a (a1a 2 ...a p ) dan a (x1x 2 ...x p ) maka

ai xi
i 1

sehingga

a
x
karena
p
p

p

a i xi a i xi a i xi ai xi

i 1
i 1
i 1
i 1

x
x
x1
x 2
x p

a1 a 2 ...a p a

y
2. Derivatif suatu vektor y ke vektor x , ditulis adalah suatu matriks yang kolom
x

kolomnya adalah derivatif dari komponen-komponen vektor y ke vektor x .

y
y
Jika x ' (x1x 2 x p ), y ' (y1y2 yr ) dan A (a ij ) maka a ij i untuk
x
x j

semua i, j.

Contoh 7
Jika y Ax maka y ' x 'A ' atau

y1 y2 yr x ' a1 a 2 a r xa1 xa 2 xa r

sehingga
y ' (x 'a1x 'a 2 x 'a r ) x 'a1 x 'a 2 x 'a r

x
x
x
x
x

a1 a 2 a r A

menggunakan hasil dalam contoh 6.

8.5

Aljabar Matriks 2

Contoh 8
xAx xP (Qx)

dengan P Ax dan Q x 'A

x
x
x

P Q , menggunakan hasil dalam contoh 7

Ax Ax

(A A)x

2Ax jika A adalah suatu matriks yang simetris.

Contoh 9
Cara lain untuk membuktikan bahwa:
(xAx)
A A x

adalah
p p

a rs x r x s

(x Ax)
r 1 s1

x
x

p p

a rs x r x s

r 1 s1
, i 1, 2,..., p

p p

a rs ir a rs x r is

r 1 s1

Karena ir 1 untuk i = r dan ir 0 untuk i r maka

p

(xAx) p
a is x s a ri x r , i 1, 2,..., p
x
r 1
s1

Ax A x

A A x

Transformasi Jacobian dari suatu transformasi dapat differential (differentiable) satu-

satu dari vektor random x x1x 2 x p ke vektor random y y1y2 yp

8.6

dengan

yk f k (x) dan yk g k (y) , k = 1,2, p, ditulis J xy atau det J x y , adalah

x i
harga mutlak dari determinan matrik A a ij dengan a ij
.
j

Contoh 10
Jika y1 ex1 x 2 dan y2 x 2 maka
x1
y
1
J x y
x 2

y
1

x1
y 2

x 2
y 2

Karena y2 x 2 dan y1 ex1 x 2 maka x1 n y1 y2 dan x 2 y2 sehingga

1
1
1

J x y y1 y2 y1 y2

y1 y2

0
1

Suatu hal yang perlu menjadi perhatian dalam menentukan Transformasi Jacobian
adalah transformasinya dari x ke y sehingga untuk menentukan Transformasi Jacobian

haruslah merubahnya menjadi transformasi dari y ke x agar perhitungan derivatifnya

menjadi langsung. Hal ini tidak selalu demikian, untuk itu dapat digunakan rumus
berikut.
J xy . J yx 1

Contoh 11
Untuk jawaban contoh 10, dapat dihitung

J y x

y1
x
1

y1
x
2

y 2
x1

y 2
x 2

e x1 0

e x1 y1 y 2
1 1

sehingga
J yx . J xy i

8.7

Aljabar Matriks 2

akan menghasilkan:

J x y

1
J yx

1
y1 y2

Berikut ini akan disajikan beberapa rumus-rumus Transformasi Jacobian yang banyak
digunakan:
No. Transformasi: x y
Transformasi Jacobian

1.
Y(p1) AX(p1)
(det(A))1

2.
Y(pq) AX(pq)
(det(A))q
3.
Y(pq) Xpq A
(det(A))p
4.

Y(pq) AX(pq) B

(det(A))q (det(B))p

5.

Y(pp) AX(pp) A dengan A simetris

(det(A))(p1)

6.

Y(pq) aX(pq) dengan skalar

a pq

7.

Y(pp) aX(pp) dengan a skalar, X dan Y simetris

1
p(p 1)
a 2

8.

Y(pp) X1

(det(X))2p

9.

Ypp X1 dengan X dan Y simetris

(det(X))p1

10.

Ypp Xk

p p k k r k r
i j
i1 j1 r 1

11.

Ypp Xk dengan X dan Y simetris

p p k k r k r
i j
i1 j1 r 1

Catatan:
a. harga determinan dipilih/diambil yang positif.
b. 1, 2 ,..., p adalah nilai-nilai karakteristik dari matriks X.

x
Memperhatikan bahwa J x y dengan x dan adalah vektor-vektor, apabila X
y

dan Y adalah matriks-matriks maka untuk mencari J x y matriks-matriks X dan Y harus

diubah dulu menjadi vektor-vektor dengan cara X dan Y diubah menjadi vec X dan vec Y
atau menjadi vektor X dan vektor Y jika X dan Y simetris.
Operasi vec terhadap suatu matrikx X, ditulis vec X adalah penyajian matriks X
dalam bentuk vektor kolom dengan cara menjadikan satu setiap vektor kolom matriks X
mulai dari vektor kolom yang pertama sampai dengan yang terakhir secara berurut.

8.8

Operasi vech (vektor-half) terhadap suatu matrikx X, ditulis vech X, adalah sama
dengan vec X, kecuali untuk setiap kolom yang disusun hanya diambil mulai dari elemen
diagonal ke bawahnya.
Contoh 12
1 2 3
X

4 5 6
X 1 4 5 6 .

Jika matriks

maka

vec

X 1 4 2 5 3 6

dan vech

Berikut ini akan disajikan beberapa rumus yang berlaku untuk derivatif ke suatu
skalar x dan matriks X = (xij), i = 1,2, , r dan j = 1,2, , 3.
1. Jika matriks A = (aij) dan x adalah suatu skalar, maka berlaku:
A a ij
a.

x x
b.

A 1
A 1
A 1
A
x
x

c. A

A
A
A AA
A A
x
x

d. Jika matriks P T(TAT)1T dengan matriks T tidak bergantung pada skalar x

p
A
dan matriks A simetris maka

P.
x
x
2. a

, i = 1, 2, , 5 dan j = 1, 2, , 5
x x ij

x kla kl
tr(XA)
a maka tr(XA) A
b. Karena
k l

ji
X
x ij
x ij
A A diag A
Jika A simetris dengan matriks diag (A) adalah matriks diagonal yang elemenelemennya adalah elemen-elemen diagonal dari matriks A.

c. Karena det X x ij det Xij

untuk setiap i atau det X x ij det Xij

untuk setiap j dengan det (Xij) adalah kofektor dari elemen xij maka

8.9

Aljabar Matriks 2

X x ij

dengan
x ij

X x ij x ij ij x ij

atau

2 ij xij

jika X simetris

1, i j
0, i j

ij

Dengan demikian, mengingat ajoint X X X 1 maka:

X
X

X X 1

atau
X
X

2 (ajoin X) diag (ajoin X) jika X simetris.

d. Jika matrik X nonsingular maka

nX
X

1 X
.
X X

atau

X 1

X
2X 1 diag X 1 jika X simetris

nX

nX
X

e.

1 X
1

X ij
X

X x ij
.
ij y

x
i

X
tr X 1

f. Jika vektor a (a1,a 2 ,...,a r ) dan vektor b (b1...b2 ) maka

g. Jika vektor a (a1,a 2 ,...,a r ) dan matriks X simetris maka:

8.10

a Xb
ab
X

aXa
2aa diag(aa)
X

dengan diag (aa ) adalah matriks diagonal yang elemen-elemennya adalah

elemen-elemen diagonal matrik aa .

Contoh 13
x3
Jika matriks A x
2

x 3

A x

x 2 x

3 4x 2

e x
x

3 4x 2
x

ex

maka

3x
e

2x n2 8x

dan

1
A 1
A 1
ajoint (A)
A 1
A dengan A 1
x
x
x
Karena
(3 4x 2 ) 2x
1
A 1 3

x (3 4x 2 )(2e) x e x
x 3
maka

(3 4x 2 ) 2x 3x 2 e x 3 4x 2
A 1
1

3
5
x 2
x
x
3

x
(3x 4x (2e) ) e
x 2 n2 8x e x
b11 b12
1

2
x
b 21 b 22
3x 3 4x 5 2e

2x

x3

dengan

b12 2x 9x 2 12x 4 22x n2 x3 3ex 4x 2ex 2x 3 x

b11 9x 2 12x 4 22x n2 3 4x 2 ex 3ex 4x 2ex 2x 3 x

b21 3x 2ex x3 2x n2 3 4x 2 ex e2x 8x 2

8.11

Aljabar Matriks 2

b22 2x 3x 2ex x3 2x n 2 x 3 e2x 8x 2

Contoh 14
Jika matriks P T(TAT)1T dengan matrisk-matriks, T tidak bergantung pada
skalar x dan matriks A simetris maka
P
(TAT) 1
(TAT

T
T T (TAT) 1
TAT 1 T
x
x
x

A
A
T(TAT) 1 T
T(TAT) 1T P
P
x
x

(Ini adalah bukti rumus 1.d)

Bagian terakhir dari kegiatan belajar ini adalah pembahasan tentang derivatif (parsial)
tingkat dua atau turunan parsial kedua dari suatu skalar (yang merupakan fungsi
dari vektor x (x1x 2 ...x p )) ke vektor x .

Jika adalah suatu skalar yang merupakan fungsi dari vektor maka turunan parsial
2
2
kedua dari ke x , ditulis
adalah suatu matriks H = (hij) dengan h ij
.
xx

x i x j


Matriks H tersebut dikenal sebagai matriks Hessian.
Contoh 15
1 3 5

Jika skalar xAx dengan matrks A 3 4 7

5 7 4

Maka matriks Hessian untuk adalah

xAx


xx
x
x x

2Ax karena matriks A simetris

x
2A
2

atau
Karena xAx x12 6x1x 2 10x1x3 4x 22 14x 2 x3 9x32

maka
2
H = (hij) dengan h ij
, i, j = 1, 2, 3
x i x j

8.12

h11

2x1 6x 2 10x3 2
x1x1 x1
2

6x1 8x 2 14x3 6 dan seterusnya dengan cara yang sama

x 2x1 x1
didapat: h31 10, h12 6, h 22 8, h32 14, h13 10, h 23 14, dan h33 18 sehingga
diperoleh H = 2 A.
h 21

LATIHAN

Untuk memperdalam pemahaman Anda mengenai materi di atas, silakan Anda

kerjakan latihan berikut ini!
1) Jika matriks K adalah suatu matriks bujur sangkar bertipe n, tentukan K agar supaya
eK .
a) eI
b) e I
c) I + K
a a
2) Jika matriks R = R
, tunjukkan bahwa
b b

a) R n a b

n 1

P 1 P1
b) er 1
berakibat
P2 1 P2
(1 P1 ) n (P1 P2 )
dan a b n (P1 P2 )
a
1 P1 P2
PX XQ
3) Buktikan bahwa
0 berakibat P Q
X
4) Jika vector y (y1y2 ) dengan y1 6x12 x 2 2x1x 2 x 22 dan

y2 2x13 x12 2x1x 2 dan skalar y 2x13x 2 x12 x 2 x1x 22 tunjukkan bahwa
J xy H dengan H adalah matriks Hessian untuk y.

1 2 3

5) Jika matriks X 2 4 5 , tentukan

3 5 6

8.13

Aljabar Matriks 2

a) matriks-matriks G dan H yang memenuhi vech X = Hvec X dan vec X = G vech

X.
b) GH dan apakah H merupakan invers kiri dari G? Jelaskan jawaban Anda.
6) Jika 7x12 4x1x 2 5x 22 6x 2 x3 3x32 6x1x 3 , tentukan

a)
x

b) Matriks Hessian untuk

Petunjuk Jawaban Latihan

1) eK K i i!
i 0

2) Untuk soal b: ingat bahwa eR R

i 0

! dan pij ij

k 1

rijk
k

1,i j
dengan ij
0,i j
misalnya:

p11 1 a k
k 1

3)
4)
5)
6)

k!

a k
k 0

k!

ea sehingga P1 ea .

.
.
.
Tunjukkan terlebih dahulu bahwa xAx

RANGKUMAN

Dalam kegiatan belajar ini telah dipelajari pengertian fungsi matriks dan
matriks fungsi dan bagaimana caranya menghitung derivatif ke skalar, vektor
maupun matriks untuk berbagai bentuk fungsi matriks dan matriks fungsi.
Khususnya untuk kombinasi linear, transformasi linear, dan bentuk kuadrat.

8.14

TES FORMATIF 1

Pilih jawaban yang paling tepat dari beberapa alternatif jawaban yang disediakan!

ak ak
1) Jika matriks A k 11 12 dengan k = 0, 1, 2, ... dan 0 < aij < 1 untuk setiap i, j
ak ak
21 22

maka

Ak .

k 0

1 a11 1 a12
A.

1 a 21 1 a 22
a
a
B. 11 12
a 21 a 22
1
1 a
11
C.
1
1 a

21
1
a
D. 11
1
a
21

1
1 a12

1
1 a 22

1
a12

1
a 22

a a
n
2) Jika matriks R
maka R = .
b b

A.

a b n R

B.

a b n R

C.

a b n R

D.

a b n R
8.15

Aljabar Matriks 2

k
P
r
p
r
r
3) Jika matrik P eR dengan P 11 12 , R 11 12 serta pij ij ij
,
k!
P21 P22
r21 r22
k 1
dan ij 1 untuk i = j , ij 0 untuk i j maka P = .

er11
er12 1

A.
er21 1 er22

er11 1 er12

B.
r22
er21

er111
C.
er21

er12

er221

1 er11
er12

D.
er21 1 er22

e3
4) Jika matriks F(x) = F x x
2

6x
e2x

A.
2x n2 8

6x
B.
2x n2 2

e2x

6x
ex

C.
2x n2 8

6x
D.
2x n2 2

8.16

ex

ex

3 4x 2

2
maka F = .

x 2


5) Jika skalar x12 3x1x 22 2x 22 dan x (x1x 2 ) maka
.

A.

2x 3x 6x x

B.

6x x

C.

2x

D.

6x x

2
2

1 2

1 2

4x 2

4x 2 2x1 3x 22

3x12 6x1x 2 4x1

1 2

4x1 2x 2 3x12

1 2 3

6) Jika matriks X 4 5 6 maka vec X = .

7 8 9

A. 1 2 3 4 5 6 7 8 9

B.

2 3 6 5 4 7 8 9

C. 1 4 7 2 5 8 3 6 9
D. 1 4 7 8 5 2 3 6 9
1 4 7

7) Jika matriks X 2 5 8 maka vech X = .

3 6 9

A. 1 2 3 4 5 7
B.

2 3 5 6 9

C. 1 4 7 5 2 3
D. 1 4 7 5 8 9

8.17

Aljabar Matriks 2

1 2
8) Jika matriks X
maka matriks-matriks G dan H yang memenuhi vech X = H
2 1
vec X dan vec X = G vech X adalah .
1

0
A. G
0

0 0
1 0 0 0

1 0

,H 0 1 0 0

1 0
0 0 0 1

0 1

0
B. G
0
0

0 0
1 0 0 0

1 0

,H 0 1 0 0
0 1
0 0 0 1

0 1

0
C. G
0

0 0
1 0 0 0

1 0

,H 0 1 0 0

0 1
0 0 1 0

0 1

0
D. G
0
0

0 0
1 0 0 0

1 0

,H 0 1 0 0
1 0
0 0 1 0

0 1

9) Jika transformasi x y adalah y (y1y2 ) dengan y1 ex1 x 2 dan y2 x 2 maka

J x y .

A. y1 y2
B. y1 y2
C.

1
y1 y 2

D.

1
y1 y 2

8.18

10) Matriks Hessian dari suatu skalar x12 6x1x 2 4x 22 adalah matriks H = .
8 6
A.

6 2
2 6
B.

6 8
6 8
C.

2 6
6 2
D.

8 6

Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 1 yang terdapat di
bagian akhir modul ini. Hitunglah jawaban Anda yang benar. Kemudian gunakan rumus
di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan
Belajar 1.
Rumus:
Jumlah jawaban Anda yang benar
Tingkat penguasaan =

X 100%
10

Arti tingkat penguasaan yang Anda capai:

90 - 100% = baik sekali
80 - 89% = baik
70 - 79% = cukup
< 70% = kurang
Bila Anda mencapai tingkat penguasaan 80% atau lebih, Anda dapat meneruskan
dengan Kegiatan Belajar 2. Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah
80%, Anda harus mengulangi Kegiatan Belajar 1, terutama bagian yang belum Anda
kuasai.

8.19

Kegiatan Belajar 2

Integral
umpulan peubah acak X1, X2, , Xp yang masing-masing mempunyai fungsi
padat peluang f(x1), f(x2), , f(xp) dan fungsi distribusi (kumulatif) f(x1),
F(x2), , F(xp), secara bersama-sama akan membentuk suatu peubah acak
multidimensional atau peubah acak multivariat, yang dapat dinyatakan sebagai vektor
peubah acak.

X X1 X2 Xp

dengan fungsi padat peluang bersama f(x1, x2, , xp) yang dapat ditulis sebagai f (x)

yang mempunyai sifat-sifat berikut:

1. f (x) 0 untuk setiap x

2.

xR x

f (x)dx 1

(1)
(2)

untuk dx dx i dan R x adalah domain dari x .

i1

Fungsi distribusi bersama dari X , yaitu F(x) adalah F(x) F(x1, x 2 ,..., x p )

P(X1 x1,..., Xp x p )
Hubungan antara fungsi padat peluang bersama dan fungsi distribusi bersama dapat
dinyatakan sebagai:
F(x)
f x dx

atau
P F(x)
f (x)

x1x 2 ... x p
xp

8.20

x p1

x1

(3)

(4)

Sehingga terlihat bahwa dari (3) dan (4), tertentunya salah satu, akan menentukan yang
lain.
Contoh 1
Jika vektor perubah acak X= X1 X2 Xp adalah vektor peubah acak yang

dibentuk oleh peubah acak Xi, i = 1, 2, , p yang saling bebas dan masing-masing
berdistribusi normal dengan mean = i dan variansi = i2 maka

f (x) f x i

i 1

1
1

e 2

i 1 i 2

1

e
i 1 i 2
p

x 2 xi 2

1
2

i 1

x i i 2

1 x D1 x
2

D det D
x (x1x 2 ...x p ), (12 ... p ),

D diag 12 22 ... 2p , yaitu suatu matriks diagonal.

dengan

dan

diag

Mengingat f(xi) , I = 1, 2, , p adalah suatu fungsi padat peluang maka dengan

mudah dapat ditunjukkan bahwa syarat (i) dan (2) untuk f (x) dipenuhi.

Contoh 2
Jika vektor peubah acak X= X1 X2 Xp adalah vektor peubah acak

berdistribusi multivariat normal dengan vektor mean = dan matriks variansi = maka

syarat (2) untuk fungsi padat peluang bersamanya berlaku dapat dibuktikan dengan, cara
berikut:

Karena f (x)

xR x

1
(x ) 1 (x )

e 2

1
(2)

maka

f (x)dx g(y). J x y dy
yR

8.21

Aljabar Matriks 2

dengan g(y) f x y
x y adalah suatu transformasi ortogonal yang membawa

1
menjadi suatu matriks diagonal. (Ini selalu dilakukan dan telah Anda pelajari
dalam Modul 7 Kegiatan Belajar 1). Transformasi ortognal yang dimaksud adalah
matriks
yang
memenuhi
dengan
dan
P 1 P D
P
PP PP I

D diag 1 2 p

1 nilai karakteristik ke-i dari matriks

1 , i = 1, 2, ,

p dan 1 2 ... n ??? .

Karena y P(x ) maka J x y dapat dihitung dengan terlebih dahulu menghitung

y
J xy 1 (karena P ortogonal dan P ).
x

1
Karena J x y
dan y P(x ) menghasilkan p 1y (x ) maka

J
y x

xR x

f (x) dx
yR

1
y P 1 1 P 1y
2

.1dy
e

1
y

yRy

P P

1 y P P
2

y
dy

1, menurut hasil dalam contoh 1

Langkah yang digunakan untuk menyelesaikan contoh 2 di atas adalah teorema

berikut.
Teorema 1
Jika vektor x (x1, x 2 ,..., x p ) dan vektor y (y1, y2 ,...yp ) dengan y A(x c) ,

c (c1,c 2,...,c p) adalah vector konstan dan A adalah suatu matriks yang nonsingular

maka
yi
a.
kontinu untuk semua i dan j
x i
b.

J x y A

c. Transformasi dari x ke y adalah satu-satu.

d. Jika R x {x | xi ,i 1, 2,..., p} maka R y {y | yi ,i 1, 2,..., p}

8.22

e. Jika f (x) adalah fungsi padat peluang dari X dan g(y) adalah fungsi padat

g y f x y . J xy

peluang dari Y maka

1

f x y .A

Permasalahan lain yang cukup penting pula untuk diperhatikan adalah tentang suatu
subvektor dari vektor random multivariat. Dalam hal demikian kepentingan kita adalah
mencari distribusi dari subvektor tersebut yang lebih dikenal sebagai distribusi marginal
dari subvektor random tersebut. Untuk itu pandang vektor random multivariat
X YZ dengan Y dan Z masing-masing adalah subvektor random dari X dengan

komponen r dan (p r). Jika f (x) f (y, z) adalah fungsi padat peluang bersama dari X

maka
g(y) f (y, z)dz
zR

dan

h(z) f (y, z)dy

yR

y

dengan R y dan R z masing-masing adalah domain dari y dan z , sedangkan g y dan

h(z) masing-masing adalah fungsi padat peluang marginal dari Y dan Z .

Contoh 3

Jika X Np , dan X YZ maka Y Nr 1, 11 dan Z N(pr) 2 , 22

(Catatan: p, r, dan (p r) masing-masing adalah banyaknya komponen vektor random X ,

11 12
Y dan Z 1 , 2 dan
dengan pembagian elemen-elemennya

21 22
sesuai dengan pembagian X YZ .

Bukti:

Karena X Np , maka f (x)

p
1

2 2 2
Dengan demikian, yang harus dibuktikan adalah
1

f (x) dy
p r

yR y
2 2 22

1
(z ) 221 z 2

e 2

1
(x ) 1 (x )

e 2

dan

8.23

Aljabar Matriks 2

zR z

f (x) dz

1
r
2
(2)

1
1
y1 11
y2
2

11

Terlebih dahulu perhatikan bahwa:

y 1 R11 R12 y 1

R 21 R 22 z 2
2

1
y 1 R11 R12 R 22
R 21 y 1 z h R 22 z h




1
dengan h 2 R 22 R 21 y 1

x 1 x z

sehingga

f (x) f (y, z)
1
P

2 2 2
akan menghasilkan:

f y, z d z

zR z

zR z

1
y 1 R11 R12R 22
R 21 y 1 z h R 22 (z h)


2

1
P

1
1
y 1 R11 R12R 22
R 21 y 1
2

1 z h R 22 z h
2
dz

Karena

zR z

pr
2

R 22

1 z h R11 z h
2
dz

maka
pr
(2) 2

z
f (y, z)d
r
1

zR z
2

2 R 22
2

e
1

Y Nr 1 11 .

Dengan cara yang sama dapat dibuktikan bahwa:

Z N(pr) 2 , 22

8.24

1
1
R11 R12R 22
R 21 dan
Karena 11

1
1
y1 R11 R12R 22
R 21 y 1
2

R11

R12

R 21 R 22
1
R11 R12 R 22
R 21

maka terbukti
R 22

Teorema 2
Jika a o dan bo adalah skalar konstan a (a1a 2 ...a p ) dan b (b1b2 ...bp ) adalah

vektor konstan, A adalah matriks konstan yang simetris, dan B adalah matriks konstan
yang positif definit maka

zR x

(xAx xa a o )e

(xBx xb bo )

d

1 p 2 12 14 bB1bbo
B e
tr AB1 bBa1 12 bB1AB1b 2a o

Contoh 4
Teorema 2 di atas dapat digunakan untuk membuktikan bahwa untuk peubah acak
X Np , maka

xR x

f (x)d x 1

Karena

f x

1
x
2

1 x

maka

f x d x

xR x

1
x 1 x

2

dx

xR x

Dengan mudah dapat di amati bahwa integral yang akan dihitung adalah keadaan
khusus dari teorema 2 untuk
A = matriks 0, a = vektor nol, a0 = 1

B=

Jadi

1 1
1
, b 1 , dan b0 1

2
2

f x d x

xR x

1 P
. 2
1
2 2

1
1 2

1
1

1 1
4
2

8.25

Aljabar Matriks 2

f x d x

xR x

1 P 1
. 2 1
1
2
2 2

1
2

1
1

1 1
4
2

1 12 1

.2

Contoh 5

Hitunglah

(3x12 4x1x 2 2x 22 )

dx1dx 2

Perhitungan:

(3x12 4x1x 2 2x 22 )

dx1dx 2

3 2
e x Rx dx, dengan R

2 2
xR x

Menggunakan teorema 2 dengan A = matriks O, a = vektor nol, a0 = 1, B = R, b0 =0

maka

xR x

e x Rx dx 12 2

1
2 .2

Contoh 6

Hitunglah

x 2 (x1 2)e(3x1 4x1x 2 2x 2 ) dx1dx 2

Perhitungan:

0
Menggunakan teorema 2 dengan A
1

2
b = vektor nol dan b0 = 0 maka

1
2 , a 0

x 2 (x1 2)e(3x1 4x1x 2 2x 2 ) dx1dx 2 12 2 B

3 2
2 , a o 0 , B
,
2 2

tr AB1

2 2

Pada bagian terakhir dari kegiatan belajar ini, akan dihitung fungsi pembangkit
momen dari suatu peubah acak multivariat X yang berdistibusi multivariat normal

dengan mean = dan matriks variansi=menggunakan teorema 2.

8.26

Karena X Np dan mX t E et X

maka

1
mX t E e t X e t X
e
P
1

2
2

xR
x

1 x 1 x
2

x dx

1
x 1 x tX
dx
2

2 xR
x

1
Menggunakan teorema 2 dengan A=matriks O, a =vektor nol, a0=1, B 1 ,
2

1
b e 1 t , dan bo 1 maka

mX t
1
P

2 2 2

P
. 12 2

1
1 1 2
2

1 1
1 1 t 1 1
t
4
2


e

.e 12 1 .2

t 1 t t
2

Selanjutnya akan diperkenalkan Integral Aitken yang berbentuk:

xAx
d

e 2

xR x

x,

dengan A positif definit.

Harga dari integral Aitkan tersebut dapat dihitung menggunakan salah satu dari dua
cara berikut.
Cara pertama:
Karena matriks A positif definit maka dapat ditemukan suatu matriks nonsingular P
sedemikian sehingga PAP I . Jika dipilih suatu transformasi y P 1x maka

xR x

1 xAx
2 dx

yR y

J xy d y

yR y

1 yPAPy
2

1 yy
2

dy

8.27

Aljabar Matriks 2

1 y22
e 2 d yi

i 1

P

Cara kedua:
Gunakan teorema 2 dengan A = 0, a o,a c 1

B = 2 A , b o dan bo 0 .

LATIHAN

Untuk memperdalam pemahaman Anda mengenai materi di atas, silakan Anda

kerjakan latihan berikut ini!

1) Jika f x1, x 2

.e

1
2x1 x 2 1 P 2

x 2 x
2

x
2
2
2 1 P
1

x1 x x 2 x
x1 x1

1
2

2P

2 x

x x
2 1P
1

1
2

tunjukkan bahwa

f (x1, x 2 )dx1dx 2 1

2) Jika peubah acak X berdistribusi multivariat normal dengan vektor mean = dan

matriks variansi=, dan vektor z P x dengan P adalah suatu matriks

ortogonal sedemikian sehingga P P D , D=diag(d11, d22, , dpp), tunjukkan
bahwa

E(zz) dii
i1

3) Hitunglah

(x12

2x1x 2

Q 3x12 2x 22

1
Q
)e 2 d

x1 d x 2 d x 3 d x 4

2x32 x 42 2x1x 2 2x3x 4 6x1 2x 2 6x3 2x 4 8

dengan
4) Jika peubah acak X berdistribusi multivariat normal dengan vektor mean dan

matriks variansi D=diag(d11, d22, , dpp), tunjukkan bahwa

p

E x A x a ii dii
i1

8.28

5) Jika matriks=matriks A dan B positif definit dan A CC , tunjukkan bahwa

xCBCx
e d x1d x2 ...d xP 2 AB

6) Jika matriks A positif definit dan matriks B simetris, tunjukkan bahwa

xAx xBx
dx

d ...d x p
1 x2

ada untuk setiap dengan o untuk suatu bilangan positif o .

7) Hitunglah harga integral dalam soal nomor 6.
Petunjuk Jawaban Latihan
1 x A1 x
1
2

1) Nyatakan dahulu f x1, x 2 f x
e
1

2 A 2

dengan x x1x 2

dan x1 x 2 .

2) E(z z) zz f x d x dan dx J xz dz atau gunakan teorema 2).

xR

3) Gunakan teorema 2.

4) E x A x
xR

5) .
6) .
7) .

x A x f x d x

dan gunakan teorema 2.

RANGKUMAN

Dalam kegiatan belajar ini telah dipelajari bagaimana caranya menghitung

integral fungsi matriks, khususnya untuk fungsi matriks berbentuk kombinasi
linear, transformasi linear, maupun bentuk kuadrat.

8.29

Aljabar Matriks 2

TES FORMATIF 2

Pilih satu jawaban yang paling tepat dari beberapa alternatif jawaban yang disediakan!

1)

xR x

1 x c R x c
2
dx

12

12

A.

B.

C.

D.

2)

1 xRx
2

jika R simetris

jika R simetriks

d x .

xR x

A.

B.

C.

R
2

12

12

D. Jawaban a, b, c tidak ada yang benar

3) Jika peubah acak X X1X2 berdistribusi bivariat normal dengan vektor mean

3 1
6 3 dan matriks variansi =
maka peubah acak X1 berdistribusi normal

1 2
dengan mean = dan variansi 2 ...
A.

B.

C.

8.30

D.

4) Jika peubah acak X X1X2 berdistribusi bivariat normal dengan vektor mean

3 1
6 3 dan matriks variansi
maka kovariansi dari X1 dan X2 = .

1 2
A. 1
B. 2
C. 3
D. jawaban a, b, c tidak ada yang benar
5) Jika peubah acak X X1X2 berdistribusi bivariat normal dengan vektor mean

3 1
6 3 dan matriks variansi
maka E (X1X2 ) = .

1 2
A. 16
B. 17
C. 18
D. 19
6 4
6) Jika matriks R
maka
4 4
A.
2

B.

1
xRx
e 2 d

C. 2
D. 2
7) Agar supaya f x1, x 2 , x 3 Ke

1 2 2 2
x1 x 2 x3
2

merupakan fungsi padat peluang (fungsi

densitas) dari peubah acak X x1x 2 x3 maka K = .

3
2
A.

8.31

Aljabar Matriks 2

B.

C.
D.

8)

x12 x 22 e

A.

B.

1
2

C.

1
3

D.

1
4

x12 x 22 2x32

x1 d x 2 d x3

9) Jika peubah acak X X1X2X3 berdistribusi trivariat normal dengan vekor mean

D diag d11d 22d33

dan
matriks
variansi
maka
123

E x A x .

A.

a ii bii
i 1
3

B.

a ii2 bii
i 1

C.

a ii bii2
i 1
3

D.

a ii2 bii2
i 1

8.32

10) Jika peubah acak X X1 X2 Xp berdistribusi multivariat normal dengan

vektor mean 0 0 0 dan matriks variansi=I dan matriks A bertipe

p m dengan rank=m maka E xA AA 1 Ax .

A. p

B. p2
C. m
D. m2
Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 2 yang terdapat di
bagian akhir modul ini. Hitunglah jawaban Anda yang benar. Kemudian gunakan rumus
di bawah ini untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan
Belajar 2.
Rumus:
Jumlah jawaban Anda yang benar
Tingkat penguasaan =

X100%
10

Arti tingkat penguasaan yang Anda capai:

90 - 100% = baik sekali
80 - 89% = baik
70 - 79% = cukup
< 70% = kurang
Bila Anda mencapai tingkat penguasaan 80% atau lebih, Anda dapat meneruskan
denga modul berikutnya. Bagus! Tetapi bila tingkat penguasaan Anda masih di bawah
80%, Anda harus mengulangi Kegiatan Belajar 2, terutama bagian yang belum Anda
kuasai.

8.33

Kunci Jawaban Tes Formatif

Tes Formatif 1
1) C
2) B
3) A
4) D
5) A
6) C
7) D
8) D
9) D
10) B
Tes Formatif 2
1) B
2) A
3) C
4) A
5) D
6) B
7) B
8) D
9) A
10) C

3.34

Daftar Pustaka
Graybill, F.A. 1(969). Introduction to Matrices with Applications in Statistics. Belmont,
California: Wadsworth Publishing Company Inc.
Searle, S.R. (1982). Matrix Algebra Useful for Statistics. New York: John Wiley & Sons.

2.35