FI5080

Fisika Matematik
Matriks dan Determinan

Matriks
Matriks merepresentasikan kumpulan besaran yang
tersusun dalam bentuk rectangular
Vektor dapat juga direpresentasikan sebagai matriks
Contoh

Matriks A mempunyai jumlah baris m dan jumlah

kolom n. Dikatakan mempunyai orde m x n

Matriks
Jika m = n dikatakan sebagai matriks
bujursangkar (square matrix)
Elemen diagonal utama
Matriks baris
juga vektor baris
Matriks kolom

disebut

disebut juga vektor

kolom

Transpose Matriks
Transpose matriks mengubah kolom <-> baris

Complex-conjugate
Diperoleh dengan mengambil konjugat
kompleks dari masing-masing elemen matriks
tersebut
untuk semua i dan j

Jika A* = A, maka A disebut matriks real

Hermitian-conjugate (A)
Hermitian-conjugate suatu matriks diperoleh
dengan mengambil complex-conjugate-nya
lalu ditranspose
Complex
conjugate

Transpose

Matriks Satuan (I)

Matriks satuan ditandai dengan
di
mana
. Elemen pada diagonal
utama sama dengan 1 dan elemen lain 0
Square matrix (matriks bujur sangkar)
Delta kronecker ij

Disebut juga matriks identitas

Matriks Diagonal
Matriks bujur sangkar yang semua elemen
selain elemen pada diagonal utama sama
dengan nol. Elemen pada diagonal utama bisa
ada yang nol (tapi tidak semua).

Determinan Matriks
Determinan merupakan nilai yang dikaitkan
dengan suatu matriks bujur sangkar tertentu.
Nilai tersebut merupakan properti dari matriks
Konsep determinan muncul terkait dengan
penyelesaian sistem persamaan linier

Determinan Matriks
Untuk matriks 1 x 1, determinannya adalah
elemen itu sendiri.
Untuk matriks lainnya:

atau

Determinan Matriks
Mjk adalah determinan matriks orde n-1
dengan membuang baris ke-j kolom ke-k dari
matriks yang akan dihitung determinannya
Mjk disebut juga sebagai minor dari ajk
Cjk disebut kofaktor dari komponen ajk

Determinan Matriks
uraian elemen baris
pertama

Adjoint Matriks
Adalah transpose dari kofaktor suatu matriks
Bagaimana
memperoleh
matriks ini?

Self-adjoint Matrix
Jika adj A = A maka dikatakan bahwa matriks A
bersifat self-adjoint

Matriks Singular
Adalah matriks bujur sangkar yang
determinannya sama dengan nol

Matriks Simetrik
Adalah matriks yang transposenya sama
dengan matriks itu sendiri AT = A

Matriks Anti-simetrik (skew matrix)

Adalah matriks yang transposenya sama
dengan negatif matriks tersebut AT = - A

Matriks Hermitian
Adalah matriks yang adjoint-nya sama dengan
matriks itu sendiri

Dalam mekanika kuantum, physical observable

direpresentasikan dengan matriks Hermitian

Unitary Matrix
Jika

dikatakan

Matriks Orthogonal
Jika

dikatakan

Trace suatu matriks

Trace suatu matriks adalah jumlah komponen
pada diagonal utamanya

Invers Matriks
Invers suatu matriks A memberikan kondisi
A A-1 = A-1A = I. (I adalah matriks satuan)
Hanya matriks bujursangkar yang memiliki
invers. Namun tidak semua matriks
bujursangkar memiliki invers
Matriks yang memiliki invers dinamakan
invertible
Matriks yang tidak memiliki invers adalah
matriks singular (determinannya sama dengan
nol)

Invers Matriks
Invers suatu matriks
Cij adalah kofaktor dari aij

Misal

, diperoleh bahwa

Determinan sama dengan 3

Invers Matriks
Kofaktor dari elemen matriks

Matriks kofaktor:

Sistem Persamaan Linier

Sistem persamaan linier dapat disusun
menjadi bentuk matriks

Matriks koefisien persamaan linier tersebut,

misalnya
a1 b1 c1

a2 b2 c2

Penyelesaian Persamaan Linier:

metode Cramer
Persamaan linier
Solusinya (cara biasa eliminasi):

dapat dituliskan
dalam bentuk
dterminan
matriks

Aturan Cramer
Prosedur umum:
Tuliskan persamaan linier tersebut dalam bentuk standar
dengan urutan variabel yang sama
Tuliskan koefisien-koefisien variabelnya dalam bentuk matriks
dan hitung determinan matriksnya. Matriks koefisien,
determinannya akan menjadi penyebut
Pembilang untuk nilai x diperoleh dengan mengganti elemen
koefisien variabel x pada matriks koefisien dengan konstanta
ruas kanan persamaan yang sesuai. Pembilang untuk nilai y
diperoleh dengan mengganti elemen koefisien variabel y
pada matriks koefisien dengan konstanta ruas kanan
persamaan yang sesuai

Aturan Cramer

Reduksi Baris

Artinya ada kesesuaian antara kumpulan

persamaan linier dengan matriks koefisien
variabel
Operasi yang dilakukan pada kumpulan
persamaan linier dapat pula dilakukan pada
matriks koefisien (kali, bagi, jumlah, kurang)

Reduksi Baris
Suatu persamaan dapat dieliminasi dengan
persamaan lain
R2 dikurangi 3R1

R3 dikurangi R1

Reduksi Baris
Susunan persamaan bisa dipindah
Posisi R2 dan R3 ditukar

Persamaan bisa ditambah

R3 ditambah 5R2

Reduksi Baris
Persamaan dapat dikali atau dibagi dengan
bilangan tertentu
R3/11

Penjumlahan/ pengurangan persamaan

R2 dikurangi R3, hasilnya dikalikan dengan -1

Reduksi Baris
Penjumlahan/ pengurangan persamaan
R1 ditambah R3, hasilnya dibagi 2

Reduksi baris dikenal juga sebagai Eliminasi Gauss

Inversi Gauss-Jordan
Cara memperoleh invers matriks dengan
metode yang mirip reduksi baris
Matriks satuan
(identitas)

Matriks yang dicari

inversnya

Matriks satuan
(identitas)

Lakukan reduksi baris pada kedua

matriks secara bersamaan sampai
matriks sebelah kiri menjadi
matriks satuan
Matriks invers

Operasi Matriks: Penjumlahan &

Pengurangan
Penjumlahan dan pengurangan berlaku untuk
matriks dengan orde yang sama

Operasi Matriks: Perkalian

Perkalian dengan bilangan

Perkalian Matriks
Perkalian dua buah matriks: matrix product
(inner product)

Beberapa sifat perkalian (skalar x

matriks & inner product)

Scalar multiplication

Inner product

Perkalian Matriks
Perkalian dua buah matriks: direct product /
direct tensor / kronecker product

Matriks Transformasi
Persamaan linier
Untuk setiap (x,y) dapat
diperoleh pasangannya (x,y)

Menyatakan matriks yang

mengubah titik (atau
vektor) (x,y) menjadi titik
(atau vektor) (x,y).
Karenanya disebut

matriks transformasi

Transformasi Vektor

Transformasi vektor menjadi vektor

lain dengan sumbu koordinat tetap

Jika transformasinya berupa

rotasi vektor (tanpa
perubahan panjang)

Transformasi (Rotasi) sumbu koordinat

Dapat juga menggambarkan transformasi
sumbu koordinat (dengan vektor tetap)

Transformasi Ortogonal
Transformasi yang tidak mengubah panjang
(besar) vektor
transformasi vektor
Rotasi vektor dengan
sudut berlawanan
arah jarum jam

transformasi sumbu koordinat

Rotasi sumbu
koordinat dengan
sudut berlawanan
arah jarum jam

Diagonalisasi Matriks
Diagonalisasi matriks berarti proses membuat
matriks bujursangkar menjadi berbentuk
matriks diagonal melalui serangkaian
transformasi
Ingat bahwa proses transformasi dapat
dinyatakan dalam bentuk perkalian sejumlah
matriks

Eigen Value Problem

Sering dijumpai dalam persoalan fisis yang
dinyatakan sebagai persamaan
Matriks (menyatakan
transformasi) atau
operator dalam
persoalan mekanika
kuantum

Suatu bilangan yang

menyatakan
karakteristik dari
transformasi M yang
bekerja pada vektor r

Vektor atau
objek yang
bertransformasi

Disebut persoalan nilai eigen

(Eigen value problem)

Eigen value problem

Untuk suatu transformasi (yang dinyatakan
dengan matriks bujursangkar M), ada nilai
tertentu dan vektor tertentu yang
menyebabkan terpenuhinya kondisi persoalan
nilai eigen tersebut
Nilai eigen dan vektor eigen merupakan
karakteristik dari matriks (transformasi/
operator) M
Hal yang penting adalah memperoleh nilai
eigen dan vektor eigen dari matriks M tersebut

Nilai Eigen dan Vektor Eigen

Persamaan nilai eigen

Persamaan
karakteristik dari
matriks M

Solusi non trivial diperoleh jika determinan

matriks sama dengan nol

Nilai eigen
matriks M

Nilai Eigen dan Vektor Eigen

untuk satu nilai eigen yang
diperoleh, ada tak hingga
banyaknya vektor yang dapat
memenuhi persamaan nilai
eigen, namun semua vektor
tersebut berada dalam suatu
garis lurus yang sama
Dinyatakan dalam vektor
satuan (arah)
VEKTOR EIGEN

Nilai Eigen dan Vektor Eigen

Proses Diagonalisasi Matriks

Persamaan nilai eigen:
untuk =6

untuk =1

Disusun menjadi
persamaan matriks

(x1,y1) dan (x2,y2) adalah

vektor-vektor eigen

Proses Diagonalisasi Matriks

Jadi disusun sebagai berikut:

Matriks C dibentuk dari

vektor eigen

Matriks D dibentuk dari

nilai eigen

Jika C invertible, dapat

diperoleh C-1

Proses Diagonalisasi Matriks

Untuk mentransformasikan matriks M menjadi
matriks diagonal:

Transformasi yang menyebabkan matriks M menjadi

matriks diagonal. Transformasinya dinyatakan dengan
matriks yang diperoleh dari vektor eigen
Hasil diagonalisasinya adalah matriks yang dibentuk
dari nilai eigen

Proses Diagonalisasi Matriks

Cari nilai eigen dan vektor eigen
Bentuk matriks dari vektor eigen (dalam
bentuk vektor normal)
Cari invers matriks vektor eigen tersebut
Lakukan transformasi C-1MC diperoleh
matriks diagonal yang terdiri dari nilai eigen
matriks M

Aplikasi Diagonalisasi Matriks

Sumbu utama suatu objek

Karakteristik vibrasi sistem pegas-massa
Deformasi elastik suatu objek
dll

Kalkulus Matriks
Mendifferensialkan matriks

Mengintegralkan matriks