Seri Modul MATRIX & TRANSFORMASI LINEAR

MATRIX & SISTEM PERSAMAAN

I. PERSAMAAN LINEAR
a1 x1 a2 x2 a3 x3 ............ an xn b ;

dimana : a1 , a2 , a3 ,............, an , b = Bilangan REAL

x1 , x2 , x3 ,............, xn = Variabel / PEUBAH

Sistem linear dari m persamaan dalam n peubah adalah satu system

berbentuk :
a11 x1 a12 x2 a13 x3 ............ a1n xn b1
a21 x1 a22 x2 a23 x3 ............ a2 n xn b2
..
(1)
..
..
am1 x1 am 2 x2 am 3 x3 ............ amn xn bm

aij dan bi adalah bilangan REAL, system (1) disebut system linear m n

Contoh Sistem Linear

a) x1 2 x2 5 b) x1 x2 x3 2 c) x1 x2 2
2 x1 3 x2 8 2 x1 x2 x3 4 x1 x2 1
x1 4

a) system 2 2 b) system 2 3 c) system 3 2

SISTEM EKIVALEN
a) 3x1 2 x2 x3 2 (i)
x2 3 ( ii )

Tony Hartono Bagio 1

Seri Modul MATRIX & TRANSFORMASI LINEAR

2 x3 4 ( iii )
4
jawab : 2 x3 4 x3 2
2
x2 3

maka : 3x1 2 x2 x3 2
3 x1 2(3) ( 2) 2

3 x1 6 2 2 3 x1 2 4

6
3 x1 6 x1 2
3

{(-2, 3, 2)}

a) 3x1 2 x2 x3 2 (i)
3 x1 x2 x3 5 ( ii )
3 x1 2 x2 x3 2 ( iii )
persamaan ( i ) : 3x1 2 x2 x3 2
persamaan ( ii ) : 3 x1 x2 x3 5
( i ) + ( ii ) : 0 x1 x2 0 x3 3 x2 = 3

persamaan ( i ) : 3x1 2 x2 x3 2
persamaan ( iii ): 3x1 2 x2 x3 2
( i ) - ( iii ) : 0x1 0x2 2x3 4 x3 = 2
3x1 2 x2 x3 2

3x1 2(3) (2) 2 x1 = -2

{ (-2, 3, 2) }

DEFINISI
DUA SISTEM PERSAMAAN YANG MENGGUNAKAN
PEUBAH-PEUBAH (VARIABLE) YANG SAMA DISEBUT

Tony Hartono Bagio 2

Seri Modul MATRIX & TRANSFORMASI LINEAR

EKIVALEN JIKA KEDUA SISTEM MEMPUNYAI

HIMPUNAN PENYELESAIAN YANG SAMA.

IKHTISAR
1. Urutan penulisan dua Persamaan dapat ditukar
2. Kedua Ruas dari suatu Persamaan dapat dikalikan dengan bilangan
Real bukan 0 (NOL)
3. Kelipatan dari satu persamaan dapat dijumlahkan pada
persamaan yang lain
Atau dengan kata lain
Operator Baris Elementer :
1. Pertukaran Dua baris
2. Kalikan suatu baris dengan bilangan real (bukan nol)
3. Ganti suatu baris dengan hasil penjumlahan dengan kelipatan dari
baris lain

1. PERTUKARAN DUA BARIS

Contoh :
x1 + 2x 2 = 4 4x 1 + x2 = 6
3x 1 - 2x 2 = 2 3x 1 - 2x 2 = 2
4x 1 + x2 = 6 x1 + 2x 2 = 4

ekivalen

2. KALIKAN SUATU BARIS DENGAN BILANGAN REAL (BUKAN NOL)

Contoh :
x1 + x 2 + x 3 = 3 X 2 2x 1 + 2x 2 + 2x 3 = 6
-2x 1 + x 2 + 4x 3 = 1 -2x 1 + x 2 + 4x 3 = 1
3. GANTI SUATU BARIS dengan hasil PENJUMLAHAN DENGAN
KELIPATAN DARI BARIS LAIN.
Contoh :

Tony Hartono Bagio 3

Seri Modul MATRIX & TRANSFORMASI LINEAR

aj1 x 1 + + ajn x n = bj

ai1 x 1 + + ain x n = bi
(aj1 + ai1) x 1 + + (ajn + ain) x n = bj +

CONTOH SISTEM (N x N)

- x2 - x3 + x4 = 0
x1 + x2 + x3 + x4 = 6
2x 1 + 4x 2 + x3 - 2x 4 = -1
3x 1 + x2 - 2x 3 + 2x 4 = 3

POROS
ditulis dalam NOTASI MATRIX

angka NOL
0 -1 -1 1 0 1 1 1 1 6
1 1 1 1 6 0 -1 -1 1 0
2 4 1 -2 -1 2 4 1 -2 -1
3 1 -2 2 3 3 1 -2 2 3

Matrix ( A ), angka 0 (Nol) terdapat pada baris pertama, kolom pertama,

Angka 0 (Nol) pada Kolom 1, Baris 1 tidak dimungkinkan (Aij, i=j , tidak
boleh angka 0), gunakan operasi I, yakni menukar baris, sehingga menjadi
Matrix ( B ). Baris I yang baru menjadi bukan nol dan elemen poros = 1
Langkah selanjutnya menggunakan operasi III, digunakan dua kali untuk
mengeliminasi kedua entri bukan 0 (NOL) di kolom pertama
Berikut ini tahapan eliminasi :

Tony Hartono Bagio 4

Seri Modul MATRIX & TRANSFORMASI LINEAR

0 -1 -1 1 0 1 1 1 1 6
1 1 1 1 6 0 -1 -1 1 0
2 4 1 -2 -1 2 4 1 -2 -1
3 1 -2 2 3 3 1 -2 2 3
A B

1 1 1 1 6 1 1 1 1 6
0 -1 -1 1 0 0 -1 -1 1 0
0 2 -1 -4 -13 0 0 -3 -2 -13
0 -2 -5 -1 -15 0 0 -3 -3 -15
C D

1 1 1 1 6
0 -1 -1 1 0
0 0 -3 -2 -13
0 0 0 -1 -3
E

A B Pada pivot / poros 1 = 0; tukar Baris 1 dengan Baris 2

B C Pada Kolom 1, selain Baris 1, diubah menjadi 0
Baris 2 - X * Baris 1 = 0 0 - X * 1 =0 X = 0
Baris 3 - Y * Baris 1 = 0 2 - Y * 1 =0 Y = 2
Baris 4 - Z * Baris 1 = 0 3 - Z * 1 =0 Z = 3
C D Pada Kolom 2, selain Baris 1 dan Baris 2, diubah menjadi 0
Baris 3 - Y * Baris 2 = 0 2 - Y * -1 = 0 Y = -2
Baris 4 - Z * Baris 2 = 0 - 2 - Z * -1 = 0 Z = 2
D E Pada Kolom 3, selain Baris 1, Baris 2 dan Baris 3, diubah menjadi 0
Baris 4 - Z * Baris 3 = 0 - 3 - Z * -3 = 0 Z =

Matrix E merupakan matrix Segitiga, Penyelesaian back subsitusi

memperoleh penyelesaian { 2; -1; 3; 2 }, Berikut adalah Matrix E yang
ditulis kembali menjadi bentuk persamaan biasa

Tony Hartono Bagio 5

Seri Modul MATRIX & TRANSFORMASI LINEAR

x1 + x2 + x3 + x4 = 6 pers ( 1 )
- x2 - x3 + x4 = 0 pers ( 2 )
- 3x 3 - 2x 4 = -13 pers ( 3 )
- x4 = -2 pers ( 4 )

x4 = 2 pers ( 4 )

- 3x 3 - 2( 2) = -13 pers ( 3 )
- 3x 3 - 4 = -13
- 3x 3 = -9
x3 = 3

- x2 - x3 + x4 = 0 pers ( 2 )
- x2 - 3 + 2 = 0
- x2 - 1 = 0
x2 = -1

x1 + x2 + x3 + x4 = 6 pers ( 1 )
x 1 + (- 1) + ( 3) + (2) = 6
x1 + 4 = 6
x1 = 2
Cara diatas dikenal dengan nama Eliminasi GAUSS (membuat Matrix
Segitiga)
TUGAS :
Buatkan sembarang matrix A(ukuran 4 x 4), dan matrix B(4 x 1) hitung
penyelesaian persamaan simultannya dengan cara eliminasi GAUSS.

a11 a12 a13 a14 X1 b1

a21 a22 a23 a24 X2 b2
=
a31 a32 a33 a34 X3 b3
a41 a42 a43 a44 X4 b4

Tony Hartono Bagio 6

Seri Modul MATRIX & TRANSFORMASI LINEAR

II. ESELON BARIS

Jika Sistem Linear N x N direduksi menjadi bentuk Segi tiga mengalami
kegagalan maka membentuk eselon (tangga) baris
Contoh :

1 1 1 1 1 1 1 1 1 1 1 1
-1 -1 0 0 1 -1 0 0 1 1 2 0
-2 -2 0 0 3 1 0 0 2 2 5 3
0 0 1 1 3 -1 0 0 1 1 3 -1
1 1 2 2 4 1 0 0 1 1 3 0

1 1 1 1 1 1 1 1 1 1 1 1
0 0 1 1 2 0 0 0 1 1 2 0
0 0 0 0 1 3 0 0 0 0 1 3
0 0 0 0 1 -1 0 0 0 0 0 -4
0 0 0 0 1 0 0 0 0 0 0 0

X1, X3, X5 peubah utama ( lead variable )

X2, X4 peubah bebas ( free variable )

X1 + X3 + X5 = 1 - X2 X4 (persamaan 1)
X3 + 2 X5 = - X4 (2) (persamaan 2)
X5 = 3 (persamaan 3)

Sistem (2) berbentuk segitiga dengan bilangan tidak diketahui X1, X3, X5,
jadi untuk setiap pasang nilai yang diberikan X2 & X4 akan terdapat
penyelesaian Tunggal.
Contoh : X2 = X4 = 0
Akan didapat : X1 = 4; X3 = -6 ; X5 = 3, atau ditulis dalam bentuk
himpunan
{4 ; 0 ; -6 ; 0 ; 3 }

Tony Hartono Bagio 7

Seri Modul MATRIX & TRANSFORMASI LINEAR

DEFINISI:
Suatu Matrix dikatakan memiliki bentuk ESELON BARIS jika :
i.) Entri bukan NOL PERTAMA dalam setiap baris adalah 1
ii.) Jika baris k tidak seluruhnya mengandung NOL, maka
banyaknya entri NOL dibagian muka pada baris k+1 lebih
besar dari banyaknya entry NOL dibagian muka pada baris k
iii.) Jika terdapat baris-baris yang entrinya semua NO, maka
baris-baris ini berada dibawah baris-baris yang memiliki
entri-entri bukan NOL.

CONTOH : yang memiliki Eselon Baris

CONTOH : yang TIDAK memiliki Eselon Baris

Proses menggunakan Operasi I, II dan III untuk mengubah system linear

menjadi system Matrix diperbesarnya dalam bentuk ESELON BARIS
disebut ELIMINASI GAUSS (Gauss Elimination)

Tony Hartono Bagio 8

Seri Modul MATRIX & TRANSFORMASI LINEAR

ESELON BARIS TEREDUKSI

Suatu Matrix dikatakan memiliki bentuk ESELON Baris Tereduksi , jika :
i.) Matrix memiliki ESELON BARIS
ii.) Entri bukan NOL pertama dalam setiap baris adalah satu-satunya
entri bukan NOL dalam kolom yang bersangkutan

Contoh gunakan reduksi GAUSS JORDAN untuk menyelesaikan system

PENYELESAIAN

Tony Hartono Bagio 9

Seri Modul MATRIX & TRANSFORMASI LINEAR

EIGEN VALUE

Kita tinjau suatu persamaan

Ax=x
Jika mempunyai penyelesaian tidak NOL X, maka disebut NILAI EIGEN
(Eigen Value) dari A dan x disebut VEKTOR EIGEN yang dimiliki oleh .

NILAI EIGEN DAN VEKTOR EIGEN

Contoh :
Dalam suatu kota, 30% dari wanita yang sudah menikah cerai
setiap tahun, dan 20% dari wanita lajang menikah setiap tahun
Ada 8000 wanita sudah menikah dan 2000 wanita lajang,
sedangkan populasi total adalah konstan.
Selidiki prospek jangka panjangnya, jika prosentase perkawinan dan
perceraian berlangsung secara terus menerus dimasa mendatang.
Jawab:
Untuk mendapatkan jumlah wanita yang sudah menikah dan masih lajang
setelah satu tahun, kita kalikan vector

Jumlah wanita yang sudah menikah dan yang masih lajang setelah satu
tahun, ditunjukkan dengan persamaan :

Untuk menentukan jumlah wanita, yang sudah menikah dan yang masih
lajang setelah dua tahun

Tony Hartono Bagio 10

Seri Modul MATRIX & TRANSFORMASI LINEAR

Secara umum untuk n tahun =

Hitung W10, W20, W30 dengan rumus diatas, bulatkan setiap entri pada
bilangan bulat terdekat :

Setelah tahap tertentu selalu mendapatkan jawaban yang sama,

kenyataannya

dan karena

dari
persamaan ini
terlihat bahwa semua vector sesudahnya didalam deret tetap tidak
berubah,

Tony Hartono Bagio 11

Seri Modul MATRIX & TRANSFORMASI LINEAR

Misalkan pada awalnya terdapat sejumlah P wanita yang sudah menikah

oleh karena seluruhnya ada 10.000 wanita, maka jumlah wanita yang
masih lajang adalah 10.000 P, maka vector awal :

kita menyatakan w0 sebagai suatu kombinasi linear

C1 X1 + C2 X2, maka seperti sebelumnya

Tony Hartono Bagio 12

Seri Modul MATRIX & TRANSFORMASI LINEAR

Suatu system linear

Dengan menjumlahkan kedua persamaan, didapatkan,

C1 = 2000
jadi untuk sembarang bilangan bulat diantara 0 p 10.000
Steady State Vektor menjadi :

Vektor X1 dan X2 adalah Vektor alami

yang digunakan untuk menganalisa proses, karena pengaruh Matrix A
terhadap setiap Vektor sangatlah sederhana
A X1 = X1 = 1 X1
dan
A X2 = X2
DEFINISI
Misalkan A suatu Matrix n x n, skalar disebut sebagai suatu
EIGEN Value dari A, jika terdapat suatu vector TIDAK NOL X , sehingga :
A X = X,
vektor X disebut Vektor Eigen dari .

Contoh 2:

Tony Hartono Bagio 13

Seri Modul MATRIX & TRANSFORMASI LINEAR

dari persamaan diatas terlihat bahwa = 3 adalah NILAI EIGEN (Eigen

Value) dari A dan merupakan Vektor Eigen dari .

Sesungguhnya, sembarang kelipatan TIDAK NOL dari X akan menjadi

VEKTOR EIGEN, karena

A( , X ) = A X = X = ( X )

Sebagai contoh juga Vektor Eigen milik = 3.

Persamaan : A X = X dapat ditulis dalam bentuk :

(A I ) X = 0 (1)

jadi adalah Eigen Value dari A, jika dan hanya jika persamaan (1) diatas
memiliki suatu penyelesaian tak trivial. Himpunan penyelesaian terhadap

persamaan (1) adalah N (A I ), yang merupakan bagian Ruang dari Rn.

Jadi jika adalah Eigen Value dari A, maka N (A I ) { 0 } dan
sembarang vektor TIDAK NOL dalam N (A I ) adalah vektor Eigen milik
.
Bagian Ruang N (A I ) dinamakan EIGEN SPACE yang berhubungan
dengan nilai Eigen .
Persamaan (1) akan mempunyai penyelesaian tak trivial jika dan hanya
jika A I singular, atau secara ekivalen :
det (A I ) = 0 (2)
jika determinan dari persamaan (2) diuraikan, akan mendapatkan polinom
derajat n dalam variable .
Polinom derajat n tersebut adalah sebagai berikut :

Tony Hartono Bagio 14

Seri Modul MATRIX & TRANSFORMASI LINEAR

p ( ) = det (A I )
Akar dari polinom adalah nilai Eigen dari A, jika kita menghitung akar
menurut kelipatannya, maka polinom tersebut mempunyai n akar.

Misalkan A adalah Matrix ukuran n x n dan adalah suatu skalar.

Pernyataan berikut adalah ekivalen :
a) adalah EIGEN VALUE dari A
b) (A I ) X = 0 mempunyai penyelesaian tak trivial
c) N (A I ) { 0 }
d) (A I ) adalah singular
e) det (A I ) = 0
Sekarang kita gunakan pernyataan e) untuk menentukan nilai Eigen

Contoh 3: Carilah Eigen Value dari vektor Eigen yang cocok dari Matrix.

Penyelesaian karakteristik adalah :

Untuk mencari Vektor Eigen yang dimiliki oleh = 4, kita harus

menentukan (Ruang NOL) dari A 4 I.

dengan menyelesaikan ( A 4 I ) X = 0 kita dapatkan

Tony Hartono Bagio 15

Seri Modul MATRIX & TRANSFORMASI LINEAR

Jadi semua kelipatan TAK NOL dari ( 2 ,1 ) T adalah Vektor Eigen milik ,
dan { ( 2, 1 )T } adalah suatu dasar untuk Eigen Value yang sesuai dengan
. Dengan cara yang sama untuk mendapatkan Eigen Vektor bagi 2, kita
hjarus menyelesaikan
(A + 3 I ) X = 0
T
Pada kasus ini { ( -1, 3 ) } adalah baris untuk N ( A + 3 I ) dan
sembarang kelipatan TAK NOL dari ( -1, 3 ) adalah Vektor Eigen dari 2.
Contoh 4

Carilah Eigen Value dan Eigen Space yang sesuai

Penyelesaian :

={0,1,1}
Eigen Space yang sesuai dengan 1 = 0 adalah N ( A )

tetapkan X2 = ; X3 = , kita dapatkan X1 = 3

jadi Eigen Space yang sesuai untuk = 0 terdiri dari semua vektor.

Tony Hartono Bagio 16

Seri Modul MATRIX & TRANSFORMASI LINEAR

Contoh 5 : Carilah Eigen Value dan Eigen Vektor dari matrix A dibawah ini

Penyelesaian

A 1 I =

tampak bahwa { ( 1, i ) T } adalah suatu baris untuk ruang Eigen yang

sesuai dengan 1 = 1 + 2i
dengan cara yang sama
A 1 I =

maka bahwa { ( 1, -i) T } adalah suatu baris untuk ruang Eigen yang
sesuai untuk
N ( A 2 I )

Tony Hartono Bagio 17