Dari fromulat tersebut diperoleh nilai determinan sebesar 0. Hal ini sesuai secara teori,
dengan menggunakan metode Sarrus :
Demikian tutorial mengenai cara menentukan atau mencari invers matrik dengan Excel.
Semoga bermanfaat !
Jika ada baris yang semua elemennya nol, maka harus dikelompokkan di baris akhir
dari matriks.
Jika ada baris yang leading 1 maka leading 1 di bawahnya, angka 1-nya harus berada
lebih kanan dari leading 1 di atasnya.
Jika kolom yang memiliki leading 1 angka selain 1 adalah nol maka matriks tersebut
disebut Eselon-baris tereduksi
Contoh:
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 di mana cij = ai1 b1j + ai2 b2j + ... + aip bpj
Matriks Segitiga
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
Matriks segitiga bawah
Teorema
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 :
Matriks segitiga yang bisa di invers A =
Inversnya adalah =
Matriks yang tidak bisa di invers
B=
Matriks Simetris
Matriks kotak A disebut simetris jika
Contoh matriks simetris
Teorema
Jika A dan B adalah matriks simetris dengan ukuran yang sama, dan jika k adalah
skalar maka
Transpos Matriks
Yang dimaksud dengan Transpos 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 =
Rumus-rumus operasi Transpose sebagai berikut:
1.
2. dan
3. di mana k adalah skalar
4.
Determinan
Orde 2x2
Determinan adalah suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan
suatu matriks bujursangkar.
Sebagai contoh, kita ambil matriks A2x2
A = tentukan determinan A
untuk mencari determinan matrik A maka,
detA = ad - bc
Contoh Soal:
A = tentukan determinan A
Jawab:
det(A) = = 1x5 - 4x2 = -3
Orde 3x3
Determinan dengan Ekspansi Kofaktor
Terbagi tiga jenis yaitu:
A = tentukan determinan A
Pertama buat minor dari a11
M11 = = detM = a22a33 - a23a32
Kemudian kofaktor dari a11 adalah
c11 = (-1)1+1M11 = (-1)1+1a22a33 - a23a32
kofaktor dan minor hanya berbeda tanda Cij=Mij untuk membedakan apakah kofaktor pada ij
adalah + atau - maka kita bisa melihat matrik di bawah ini
Begitu juga dengan minor dari a32
M32 = = detM = a11a23 - a13a21
Maka kofaktor dari a32 adalah
c32 = (-1)3+2M32 = (-1)3+2 x a11a23 - a13a21
Secara keseluruhan, definisi determinan ordo 3x3 adalah
det(A) = a11C11+a12C12+a13C13
Contoh Soal:
A = tentukan determinan A dengan metode Minor dan kofaktor
Jawab:
c11 = (-1)1+1= 1 (-3) = -3
c12 = (-1)1+2= -1 (-8) = 8
c13 = (-1)1+3= 1 (-7) = -7
det(A) = 1 (-3) + 2 (8) + 3 (-7) = -8
Determinan dengan Ekspansi Kofaktor Pada Baris Pertama
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.
Misalkan ada sebuah matriks A3x3
A=
maka determinan dari matriks tersebut dengan ekspansi kofaktor adalah,
det(A) = a11- a21+ a31
= a11(a22a33 - a23a32) - a21(a21a33 - a23a31) + a31(a21a32 - a22a31)
= a11a22a33 + a21a23a31 + a31a21a32 - a22(a31)2 - (a21)2a33 - a11a23a32
Contoh Soal:
A = tentukan determinan A dengan metode ekspansi kofaktor kolom pertama
Jawab:
det(A) = = 1- 4+ 3= 1(-3) - 4(-4) + 3(-7) = -8
Metode Sarrus
A = tentukan determinan A
untuk mencari determinan matrik A maka,
detA = (aei + bfg + cdh) - (bdi + afh + ceg)
Contoh Soal:
A = tentukan determinan A dengan metode sarrus
Jawab:
BA = = = I (matriks identitas)
Maka dapat dituliskan bahwa (B Merupakan invers dari A)
Contoh 2: Matriks
A = dan B =
AB = =
BA = =
Karena AB BA I maka matriks A dan matriks B disebut matriks tunggal.
Contoh 3: Matriks
A=
Tentukan Nilai dari A1
Jawab:
Contoh 4: Matriks
A = , B = , AB =
Dengan menggunakan rumus, maka didapatkan
,,
Maka
=
Ini membuktikan bahwa
Orde 3x3
A=
kemudian hitung kofaktor dari matrix A
C11 = 12 C12 = 6 C13 = -16
C21 = 4 C22 = 2 C23 = 16
C31 = 12 C32 = -10 C33 = 16
menjadi matrix kofaktor
cari adjoint dari matrix kofaktor tadi dengan mentranspose matrix kofaktor di atas, sehingga
menjadi
adj(A) =
dengan metode Sarrus, kita dapat menghitung determinan dari matrix A
sistem linear tersebut dapat juga ditulis dengan x-Ax=0, atau dengan memasukkan matrix
identitas menjadi
(I - A) x = 0
contoh:
diketahui persamaan linear
x1 + 3x2 = x1
4x1 + 2x2 = x2
det ( I - A) = 0
atau ^2 - 3 - 10 = 0
dan dari hasil faktorisasi di dapat 1 = -2 dan 2 = 5
dengan memasukkan nilai pada persamaan ( I - A) x = 0, maka eigenvector bisa didapat
bila = -2 maka diperoleh
u 1 = v1
u2 = v2
un = vn
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)
atau, dalam istilah komponen,
(c) u + (v + w) = (u + v) + w
(d) u + (-u) = 0 ; berarti, u - u = 0
(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
Perkalian dot product didefinisikan sebagai
Rangkaian listrik Chip prosesor didesain untuk menerima 4 tegangan input dan
mengeluarkan 3 tegangan output. Tegangan input bisa ditulis sebagai vector dalam
dan tegangan output bisa ditulis sebagai. Lalu, chip bisa dilihat sebgai alat yang
mengubah setiap vektor input dalam ke vector keluaran dalam.
Analisis citra Satu hal dalam gambaran warna dibuat oleh layar komputer dibuat
oleh layar komputer dengan menyiapkan setiap [pixel] (sebuah titik yang mempunyai
alamat dalam layar) 3 angka yang menjelaskan hue, saturasi, dan kecerahan dari pixel.
Lalu sebuah gambaran warna yang komplit bisa diliahat sebgai 5-topel dari bentuk
dalam x dan y adalah kordinat layar dari pixel dan h,s,b adalah hue, saturation, dan
brightness.
Sistem Mekanis Anggaplah ada 6 partikel yang bergerak dalam garis kordinat yang
sama sehingga pada waktu t koordinat mereka adalahdan kecepatan mereka adalah .
Informasi ini bisa direpresentasikan sebagai vector
Dalam . 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. Di mana
jagat waktu Einstein adalah 4 dimensi, sedangkan benang ada dalam dunia 11-dimensi
Bentuk Newton
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).
Jika kita tuliskan P(x)=a3x3+a2x2+a1x+a0
bentuk equivalentnya : p(x)=a3(x-x0)3+p(x)=a2(x-x0)2+p(x)=a1(x-x0)+a0
dari kondisi interpolasi p(x0)=yo maka didapatkan a0=yo , sehingga dapat kita tuliskan menjadi
p(x)=b3(x-x0)(x-x1)(x-x2)+b2(x-x0)(x-x1)+b1(x-x0)+b0 inilah yang disebut newton form dari
interpolasi , sehingga kita dapatkan :
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
sehingga jika kita tuliskan dalam bentuk matrix:
Operator Refleksi
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
atau dalam bentuk matrik :
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.
Operator Proyeksi
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 + 0y
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.
Operator Rotasi
Sebuah operator yang merotasi tiap vektor dalam R2 melalui sudut disebut operator rotasi
pada R2. Untuk melihat bagaimana asalnya adalah dengan melihat operator rotasi yang
memutar tiap vektor searah jarum jam melalui sudut positif yang tetap. Unutk menemukan
persamaan hubungan x dan w=T(x), dimisalkan adalah sudut dari sumbu x positif ke x dan
r adalah jarak x dan w. Lalu, dari rumus trigonometri dasar x = r cos ; y = r cos dan w1 =
r cos ( + ) ; w2= r sin ( + )
Menggunakan identitas trigonometri didapat:
w1 = r cos cos - r sin sin
w2 = r sin cos + r cos sin
kemudian disubtitusi sehingga:
w1 = x cos - y sin
w2 = x sin + y cos
Persamaan di atas merupakan persamaan linier, maka T merupakan operator linier sehingga
bentuk matrik dari persamaan di atas adalah:
Interpolasi Polinomial
Dengan menganggap masalah pada interpolasi polinomial untuk deret n + 1 di titik (x0,y0)....,
(xn,yn). Maka, kita diminta untuk menemukan kurva p(x) = am+ am-1+ ... + a1x + a0 dari sudut
minimum yang melewati setiap dari titik data. Kurva ini harus memenuhi
karena xi diketahui, ini akan menuju pada sistem matrik di bawah ini =
Ingat bahwa ini merupakan sistem persegi di mana n = m. Dengan menganggap n = m
memberikan sistem di bawah ini untuk koefisien interpolasi polinomial p(x):
= (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: Cari interpolasi polinomial pada data (-1,0),(0,0),(1,0),(2,6) menggunakan
Sistem Vandermonde.
Jawab: Bentuk Sistem Vandermonde(1): =
Untuk data di atas, kita mempunyai =
Untuk mendapatkan solusinya, digunakan Gaussian Elimination
Baris ke-2, ke-3, dan ke-4 dikurangi baris pertama
Baris ke-3 dibagi dengan 2, sedangkan baris ke-4 dibagi dengan 3
Baris ke-3 dikurangi baris ke-2
Baris ke-4 dikurangi baris ke-2
Baris ke-4 dibagi dengan 2
Baris ke-4 dikurangi baris ke-3
Didapatkan persamaan linier dari persamaan matrix di atas
Jadi, interpolasinya adalah