[sembunyikan]
Penyelesaian persamaan linier dalam bentuk matriks dapat dilakukan melalui beberapa cara,
yaitu dengan eliminasi Gauss atau dapat juga dengan cara eliminasi Gauss-Jordan. Namun,
suatu sistem persamaan linier dapat diselesaikan dengan eliminasi Gauss untuk mengubah
bentuk matriks teraugmentasi ke dalam bentuk eselon-baris tanpa menyederhanakannya. Cara
ini disebut dengan substitusi balik.
Sebuah sisitem persamaan linier dapat dikatakan homogen apabila mempunyai bentuk :
Setiap sistem persamaan linier yang homogen bersifat adalah tetap apabila semua sistem
mepunyai x1 = 0 , x2 = 0 , ... , xn = 0 sebagai penyelesaian. Penyelesaian ini disebut solusi trivial.
Apabila mempunyai penyelesaian yang lain maka disebut solusi nontrivial.
syarat 4: matriks dibawah ini memenuhi syarat ke 4 dan disebut Eselon-baris tereduksi
Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam matriks sehingga menjadi
matriks yang lebih sederhana (ditemukan oleh Carl Friedrich Gauss). Caranya adalah dengan
melakukan operasi baris sehingga matriks tersebut menjadi matriks yang Eselon-baris. Ini dapat
digunakan sebagai salah satu metode penyelesaian persamaan linear dengan menggunakan
matriks. Caranya dengan mengubah persamaan linear tersebut ke dalam matriks teraugmentasi
dan mengoperasikannya. Setelah menjadi matriks Eselon-baris, lakukan substitusi balik untuk
mendapatkan nilai dari variabel-variabel tersebut.
x + 2y + z = 6
x + 3y + 2z = 9
2x + y + 2z = 12
Tentukan Nilai x, y dan z
Jawab:
x + 2y + z = 6
y+z=3
z=3
y+z=3
y+3=3
y=0
x + 2y + z = 6
x+0+3=6
x=3
Eliminasi Gauss-Jordan adalah pengembangan dari eliminasi Gauss yang hasilnya lebih
sederhana. Caranya adalah dengan meneruskan operasi baris dari eliminasi Gauss sehingga
menghasilkan matriks yang Eselon-baris tereduksi. Ini juga dapat digunakan sebagai salah satu
metode penyelesaian persamaan linear dengan menggunakan matriks. Caranya dengan
mengubah persamaan linear tersebut ke dalam matriks teraugmentasi dan mengoperasikannya.
Setelah menjadi matriks Eselon-baris tereduksi, maka langsung dapat ditentukan nilai dari
variabel-variabelnya tanpa substitusi balik.
x + 2y + 3z = 3
2x + 3y + 2z = 3
2x + y + 2z = 5
Jawab:
Dua buah matriks dikatakan sama apabila matriks-matriks tersebut mempunyai ordo yang sama
dan setiap elemen yang seletak sama.
Jika A dan B adalah matriks yang mempunyai ordo sama, maka penjumlahan dari A + B adalah
matriks hasil dari penjumlahan elemen A dan B yang seletak. Begitu pula dengan hasil
selisihnya. Matriks yang mempunyai ordo berbeda tidak dapat dijumlahkan atau dikurangkan.
Jumlah dari k buah matriks A adalah suatu matriks yang berordo sama dengan A dan besar tiap
elemennya adalah k kali elemen A yang seletak. Didefinisikan: Jika k sebarang skalar maka kA =
A k adalah matriks yang diperoleh dari A dengan cara mengalikan setiap elemennya dengan k.
Negatif dari A atau -A adalah matriks yang diperoleh dari A dengan cara mengalikan semua
elemennya dengan -1. Untuk setiap A berlaku A + (-A) = 0. Hukum yang berlaku dalam
penjumlahan dan pengurangan matriks :
a.) A + B = B + A
b.) A + ( B + C ) = ( A + B ) + C
c.) k ( A + B ) = kA + kB = ( A + B ) k , k = skalar
Hasil kali matriks A yang ber-ordo m x p dengan matriks B yang berordo p x n dapat dituliskan
sebagi matriks C = [ cij ] berordo m x n dimana cij = ai1 b1j + ai2 b2j + ... + aip bpj
JIka A dan B matriks bujur sangkar sedemikian rupa sehingga A B = B A = I , maka B disebut
balikan atau invers dari A dan dapat dituliskan B = A − 1 ( B sama dengan invers A ). Matriks B
juga mempunyai invers yaitu A maka dapat dituliskan A = B − 1. Jika tidak ditemukan matriks B,
maka A dikatakan matriks tunggal (singular). Jika matriks B dan C adalah invers dari A maka
B = C.
Dengan Rumus =
Apabila A dan B adalah matriks seordo dan memiliki balikan maka AB dapat di-invers dan (AB)
−1
= B − 1A − 1
Contoh 1:
Matriks
A= dan B =
AB = = = I (matriks identitas)
BA = = = I (matriks identitas)
Contoh 2:
Matriks
A= dan B =
AB = =
BA = =
Contoh 3:
Matriks
A=
Jawab:
Contoh 4:
Matriks
A= ,B= , AB =
, ,
Maka
Yang dimaksud dengan Transpose dari suatu matriks adalah mengubah komponen-komponen
dalam matriks, dari yang baris menjadi kolom, dan yang kolom di ubah menjadi baris.
Contoh:
Matriks
A= ditranspose menjadi AT =
Matriks
B= ditranspose menjadi BT =
1. ((A)T)T = A
2. (A + B)T = AT + BT dan (A − B)T = AT − BT
3. (kA)T = kAT dimana k adalah skalar
4. (AB)T = BTAT
Sebuah matriks bujursangkar yang unsur-unsurnya berada di garis diagonal utama dari matriks
bukan nol dan unsur lainnya adalah nol disebut dengan matriks diagonal. Contoh :
D − 1=
DD − 1 = D − 1D = I
jika D adalah matriks diagonal dan k adalah angka yang positif maka
Dk=
Contoh :
A=
maka
A5=
Matriks segitiga adalah matriks persegi yang di bawah atau di atas garis diagonal utama nol.
Matriks segitiga bawah adalah matriks persegi yang di bawah garis diagonal utama nol. Matriks
segitiga atas adalah matriks persegi yang di atas garis diagonal utama nol.
Matriks segitiga
Transpos pada matriks segitiga bawah adalah matriks segitiga atas, dan transpose pada
matriks segitiga atas adalah segitiga bawah.
Produk pada matriks segitiga bawah adalah matriks segitiga bawah, dan produk pada
matriks segitiga atas adalah matriks segitiga atas.
Matriks segitiga bisa di-inverse jika hanya jika diagonalnya tidak ada yang nol.
Inverse pada matriks segitiga bawah adalah matriks segitiga bawah, dan inverse pada
matriks segitiga atas adalah matriks segitiga atas.
Contoh :
A=
Inversnya adalah
A − 1=
B=
Jika A dan B adalah matriks simetris dengan ukuran yang sama, dan jika k adalah skalar
maka
Jika A adalah matriks simetris yang bisa di inverse, maka A − 1 adalah matriks simetris.
Asumsikan bahwa A adalah matriks simetris dan bisa di inverse, bahwa A = AT maka :
(A − 1)T = (AT) − 1 = A − 1
Contoh
A adalah matriks 2 X 3
A=
lalu
ATA = =
AAT = =
Jika A adalah Matriks yang bisa di inverse, maka AAT dan ATA juga bisa di inverse
[sunting] Determinan
Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu
matriks bujursangkar.
A= tentukan determinan A
detA = ad - bc
A= tentukan determinan A
kofaktor dan minor hanya berbeda tanda Cij=±Mij untuk membedakan apakah kofaktor pada ij
adalah + atau - maka kita bisa melihat matrik dibawah ini
Begitu juga dengan minor dari a32
det(A) = a11C11+a12C12+a13C13
A=
Contoh Soal:
Pada dasarnya ekspansi kolom hampir sama dengan ekspansi baris seperti di atas. Tetapi ada satu
hal yang membedakan keduanya yaitu faktor pengali. Pada ekspansi baris, kita mengalikan
minor dengan komponen baris pertama. Sedangkan dengan ekspansi pada kolom pertama, kita
mengalikan minor dengan kompone kolom pertama.
A=
Contoh Soal:
Jawab:
A=
untuk mencari adjoint sebuah matriks, kita cukup mengganti kolom menjadi baris dan baris
menjadi kolom
adj(A) =
Jika A adalah matriks segitiga nxn (segitiga atas, segitiga bawah atau segitiga diagonal) maka
det(A) adalah hasil kali diagonal matriks tersebut
Contoh
= (2)(-3)(6)(9)(4) = -1296
[sunting] Metode Cramer
jika Ax = b adalah sebuah sistem linear n yang tidak di ketahui dan det(A)≠ 0 maka persamaan
tersebut mempunyai penyelesaian yang unik
dimana A j adalah matrik yang didapat dengan mengganti kolom j dengan matrik b
Contoh soal:
x1 + x3 = 6
-3x1 + 4x2 + 6x3 = 30
-x1 - 2x2 + 3x3 = 8
Jawab:
A= b=
A1 = A2 = A3 =
dengan metode sarrus kita dapat dengan mudah mencari determinan dari matrik-matrik
di atas
maka,
[sunting] Tes Determinan untuk Invertibilitas
Pembuktian: Jika R di reduksi secara baris dari Ä. Sebagai langkah awal, kita akan
menunjukkan bahwa det(A) dan det(R) keduanya adalah nol atau tidak nol: E1,E2,...,Er
menjadi matrix element yang berhubungan dengan operasi baris yang menghasilkan Rdari A.
Maka,
R=Er...E2 E1 A
dan,
det(R)=det(Er)...det(E2)det(E1)det(EA)
Jika A dapat di-invers, maka sesuai dengan teorema equivalent statements , maka R = I, jadi
det(R) = 1 ≠ 0 dan det(A) ≠ 0. Sebaliknya, jika det(A) ≠ 0, maka det(R) ≠ 0, jadi R tidak memiliki
baris yang nol. Sesuai dengan teorema R = I, maka A adalah dapat di-invers. Tapi jika matrix
bujur sangkar dengan 2 baris/kolom yang proposional adalah tidak dapat diinvers.
Contoh Soal :
A=
A= tentukan determinan A
cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor diatas, sehingga
menjadi
adj(A) =
det(A) = 64
(λI - A) x = 0
contoh:
x1 + 3x2 = λx1
4x1 + 2x2 = λx2
= λ
A= dan x =
λ
Gagal memparse (kesalahan lexing): \begin{bmatrix} {λ}-1 & -3\\ -4 & {λ}-
2\\ \end{bmatrix} \begin{bmatrix} x_1\\ x_2\\ \end{bmatrix} = \begin{bmatrix}
0\\ 0\\ \end{bmatrix}
atau λ^2 - 3λ - 10 = 0
dengan memasukkan nilai λ pada persamaan (λ I - A) x = 0, maka eigenvector bisa didapat bila λ
= -2 maka diperoleh
x =
Vektor di dalam n-Ruang Definisi : Jika n adalah sebuah integer positif, sebuah n- grup topel
adalah sekuens dari n bilangan real (a1.a2.....an). Set dari semua grup yang terdiri dari n- grup
topel dinamakan n-ruangdan dituliskan sebagai Rn.
Jika n = 2 atau 3, sudah menjadi kebiasaan untuk menggunakan istilah grup pasangan dan grup
dari tiga secara respektif, daripada 2-grup topel atau 3- grup topel. Keitka n = 1, setiap n – grup
topel terdiri dari satu bilangan real, sehingga R1 bisa dilihat sebagai set dari bilangan real. Kita
akan menuliskan R daripada R1 pada set ini.
Mungkin kita telah mmepelajari dalam bahan 3-ruang symbol dari (a1, a2, a3) mempunyai dua
interpretasi geometris yang berbeda : ini bisa diinterpretasikan sebagai titik, yang dalam kasus ini
a2, a2, a3 merupakan koordinat, atau ini bisa diinterpretasikan sebagai vector, dimana a1, a2, a3
merupakan komponen vector. Selanjutnya kita bisa melihat bahwa n – grup topel (a1, a2, ...., an)
bisa dilihat sebagai antara sebuah “poin umum” atau “vector umum”- perbedaan antara keduanya
tidak penting secara matematis. Dan juga kita bisa menjelaskan 5- topel (-2, 4, 0 ,1 ,6) antara
poin dalam R5 atau vector pada R5.
u1 = v1 u2 = v2 un = vn
Dan jika k adalah konstanta scalar, maka perkalian scalar ku didefinisikan oleh
Operasi dari pertambahan dan perkalian scalar dalam definisi ini disebut operasi standar untuk
Rn Vektor nol dalam Rn didenotasikan oleh 0 dan difenisikan ke vektor
0 = (0, 0,...., 0)
Jika u = (u1, u2, ...., un) dalam setiap vector dalam Rn, maka negative (atau invers aditif) dari u
dituliskan oleh –u dan dijelaskan oleh
v – u = v + (-u)
(b) u + 0 = 0 + u = u
(c) u + (v + w) = (u + v) + w
(e) k (m u) = (k m) u
(f) k (u + v) = k u + k v
(g) (k + m) u = k u + m u
(h) 1u = u
V = (x1,x2,x3,x4,x5,x6,v1,v2,v3,v4,v5,v6,t) Dalam R13. Vektor ini disebut kondisi dari sistem partikel
pada waktu t.
Fisika - Pada teori benang komponen paling kecil dan tidak bisa dipecah dari Jagat raya
bukanlah partikel tetapi loop yang berlaku seperti benang yang bergetar. Dimana jagat
waktu Einstein adalah 4 dimensi, sedangkan benang ada dalam dunia 11-dimensi
jika u = (u1,u2,u3,...,un)
interpolasi polinominal p(x)=anxn+an-1xn-1+...+a1x+a0 adalah bentuk standar. Tetapi ada juga yang
menggunakan bentuk lain . Contohnya , kita mencari interpolasi titik dari data (x0,y0),(x1,y1),
(x2,y2),(x3,y3).
dari kondisi interpolasi p(x0)=yo maka didapatkan a0=yo , sehingga dapat kita tuliskan menjadi
p(x0)=b0
p(x1)=b1h1+b0
p(x2)=b2(h1+h2)h2+b1(h1+h2)+b0
p(x3)=b3(h1+h2+h3)(h2+h3)h3+b2(h1+h2+h3)(h2+h3)+b1(h1+h2+h3)+b0
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam gambaran simetris terhadap
sumbu y, dimisalkan w=T(x), maka persamaan yang berhubungan dengan x dan w adalah:
x1 = -x = -x + 0y
x2 = y = 0x + y
Secara umum, operator pada R2 dan R3 yang memetakan tiap vektor pada gambaran simetrinya
terhadap beberapa garis atau bidang datar dinamakan operator refleksi. Operator ini bersifat
linier.
Berdasarkan operator T:R2 -> R2 yang memetakan tiap vektor dalam proyeksi tegak lurus
terhadap sumbu x, dimisalkan w=T(x), maka persamaan yang berhubungan dengan x dan w
adalah:
x1 = x = x + 0y
x2 = 0 = 0x + y
atau dalam bentuk matrik :
Persamaan tersebut bersifat linier, maka T merupakan operator linier dan matrikx T adalah:
Secara umum, sebuah operator proyeksi pada R2 dan R3 merupakan operator yang memetakan
tiap vektor dalam proyeksi ortogonal pada sebuah garis atau bidang melalui asalnya.
Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut ɵ disebut operator rotasi pada
R2. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang memutar tiap
vektor searah jarum jam melalui sudut ɵ positif yang tetap. Unutk menemukan persamaan
hubungan x dan w=T(x), dimisalkan ɵ adalah sudut dari sumbu x positif ke x dan r adalah jarak x
dan w. Lalu, dari rumus trigonometri dasar x = r cos Θ ; y = r cos Θ dan w1 = r cos (ɵ + ɸ) ; w2= r
sin (ɵ + ɸ)
w1 = x cos Θ - y sin Θ
w2 = x sin Θ + y cos Θ
Persamaan diatas merupakan persamaan linier, maka T merupakan operator linier sehingga
karena xi diketahui, ini akan menuju pada sistem matrik di bawah ini
= (1)
Matrix di atas diketahui sebagai Matrix Vandermonde; kolom j merupakan elemen pangkat j-1.
Sistem linier pada (1) disebut menjadi Sistem Vandermonde.
Contoh soal:
Materi kuliah Aljabar Linier yang akan dipelajari dalam satu semester Genap ke depan adalah
sebagai berikut:
1). Matriks dan Operasinya (Konsepsi Matriks, Operasi Aljabar Matriks, Jenis-jenis Matriks
Khusus, Transformasi Elementer (Operasi Elementer))
2). Determinan (Konsepsi Determinan, Determinan Matriks Ordo (2×2) dan (3×3), Sifat-sifat
Determinan, Minor , Kofaktor , Matriks Kofaktor dan Adjoin, Ekspansi Kofaktor, Determinan
Matriks ordo lebih dari (3×3)).
3). Matriks Invers (Konsepsi Invers, Metode Penyapuan, Invers Matriks dengan Adjoin).
4). Sistem Persamaan Linier (Konsepsi SPL, Pemecahan SPL dengan Eliminasi Gauss-Jordan
dan Kaidah Cramer, SPL Homogen).
5). Vektor (Vektor secara Ilmu Ukur, Operasi-operasi pada Vektor, Vektor pada Ruang Dimensi
n (Rn), Vektor Posisi, Proyeksi Ortogonal, Perkalian Titik (Dot Product), Perkalian Silang (Cross
Product), Kebebasan Linier, Ruang Vektor dan Kombinasi Linier, Basis dan Dimensi Ruang
Vektor, Persamaan Garis dan Persamaan Bidang)
6). Transformasi Linier (Konsepsi Transformasi Linier, Peta dan Propeta, Kernel dan Jangkauan,
Transformasi Linier dari Rn ke Rm , Rotasi, Refleksi, Ekspansi dan Kompresi, Geseran)
7). Nilai Eigen dan Vektor Eigen (Nilai Karakteristik dan Persamaan Karakteristik, Vektor
Eigen).
Referensi:
Charles D. Cullen, Aljabar Linier dengan Penerapannya, PT. Gramedia Pustaka Utama,
Jakarta, 1993. D. Suryadi HS, S. Harini M, Teori dan Soal Pendahuluan Aljabar Linier , PT.
Ghalia Indonesia, Jakarta, 1984. Frank Ayres, Linear Algebra , Schaum’s Outline Series.
Hadley G, Linear Algebra , Addison-Wesley, Reading Masachussetts, 1974. Howard Anton,
Aljabar Linier Elementer , edisi kelima, Penerbit Erlangga, Jakarta, 1991. Howard Anton, Chris
Rorres, Elementary Linear Algebra, Applications Version , John Wiley and Sons, Singapore,
2000.
Penilaian: Nilai akhir perkuliahan Aljabar Linier terdiri dari 5 komponen yaitu : Kehadiran
(Jumlah kehadiran dalam satu semester, bukan jumlah tanda tangan ), Tugas (minimal pernah
menulis jawaban dari soal yang diberikan, tidak dituliskan atau foto kopi, dan ada batas waktu
pengumpulannya. Jika pengumpulan tugas melebihi batas waktu yang diberikan dianggap sudah
kadaluwarsa (expired)), Kuis (merupakan media untuk menilai keberanian dalam mencoba
menjawab soal yang diberikan. Sekali mencoba soal akan mendapat nilai 10), Test Tengah
Semester (TTS), Test Akhir Semester (TAS). (TTS dan TAS merupakan sarana untuk
mengetahui kemampuan masing-masing mahasiswa dalam menguasai materi perkuliahan.
Apabila salah satu dari proses TTS atau TAS tidak diikuti maka nilai akan ditunda (diberi nilai
E) menunggu ada konfirmasi untuk mengikuti ujian susulan (dalam waktu yang memenuhi
kriteria atau sebelum nilai akhir diberikan)).
Bobot Penilaian
Bobot penilaian ditentukan berdasarkan kesepakatan pada pertemuan pertama kuliah. Adapun
hasil kesepakatan tersebut adalah sebagai berikut:
*) Kelompok TIS107K0 : Kehadiran (10% ), Tugas (20% ), Kuis (10% ), TTS (30% ), TAS
(30% ).
*) Kelompok TIS107K1 : Kehadiran (10% ), Tugas (20% ), Kuis (10% ), TTS (30% ), TAS
(30% ).
*) Kelompok SIS107K0 : Kehadiran (5% ), Tugas (25% ), Kuis (10% ), TTS (30% ), TAS
(30% ).
*) Kelompok SIS107K1 : Kehadiran (10% ), Tugas (20% ), Kuis (10% ), TTS (30% ), TAS
(30% ).
Materi Kuliah :
Pertemuan 1
Dalam pertemuan pertama digunakan untuk menyampaikan silabus, referensi, aturan penilaian,
dan teknis perkuliahan yang akan dilaksanakan dalam satu semester Genap 2007/2008.
Pertemuan 2
Pertemuan kedua dibahas tentang Konsep Matriks, Operasi Aljabar Matriks, dan Operasi
Elementer. Materi lengkapnya dapat diunduk disini (silakan klik disini )
Pertemuan 3
Pertemuan ketiga dibahas tentang Jenis-jenis Matriks, Konsep Determinan, Determinan Ordo
2×2, Determinan ordo 3×3. Materi lengkapnya dapat diunduk disini (silakan klik disini )
Pertemuan 4
Pertemuan keempat dibahas tentang Sifat-sifat Determinan, Konsep Minor, Kofaktor, Matriks
Kofaktor, Matriks Adjoin, dan Ekspansi Kofaktor . Materi lengkapnya dapat diunduk disini
(silakan klik disini )
Pertemuan 5
Pertemuan kelima dibahas tentang Menentukan Determinan matriks Ordo besar dengan
mengkombinasikan Sifat-sifat Determinan, Operasi Elementer, dan Ekspansi Kofaktor. Selain itu
juga dibahas materi tentang Invers Matriks. Materi lengkapnya dapat diunduk disini (silakan klik
disini )
Pertemuan 6
Pertemuan keenam dibahas tentang Sistem Persamaan Linier dan pemecahannya dengan Kaidah
Cramer dan Eliminasi Gauss-Jordan. Materi lengkapnya dapat diunduk disini (silakan klik disini
)
Pertemuan 7
Pertemuan keenam dibahas tentang Sistem Persamaan Linier Homogen dan pemecahannya
dengan Eliminasi Gauss-Jordan. Materi lengkapnya dapat diunduk disini (silakan klik disini )
Sebagai bahan belajar dalam rangka mempersiapkan Test Tengah Semester , silakan kerjakan
Soal-soal berikut (dengan mengunduh file k l i k di sini ).
Kerjakan soal-soal tersebut dan dikumpulkan pada saat Test Tengah Semester (sebagai nilai
Tugas kedua).
Sebagai tambahan referensi, berikut ini materi Elementary Linear Algebra from K.R
Matthews , silakan klik di sini .