Pada pokok bahasan ini, akan ditinjau beberapa bagian dari metode numerik lazim
digunakan untuk menyelesaian suatu sistem persamaan linier (untuk selanjutnya disingkat
sistem linier) dan permasalahan lainnya yang berhubungan dengan matriks. Untuk itu
sebagai sub pokok bahasan pendahuluan adalah tinjauan ulang matriks, yang
dimaksudkan untuk mengingatkan kembali beberapa definisi dan teorema yang
berhubungan dengan sistem linier.
Contoh 3.1
2 6
2 3 0
A = A = 3 1
T
6 1 4 0 4
Kesamaan Matriks
A = B m = p ; n = q dan aij = bij i, j
(dua matriks sama, jika dan hanya jika ukurannya sama dan unsur-unsur
yang seletak/bersesuaian juga sama)
Contoh 3.2
2 3 0 2 1 5 0 4 5
A = ; B = A + B =
6 1 4 4 3 4 10 4 0
Contoh 3.3
2 3 0 4 6 0
A = 2 A =
6 1 4 12 2 8
Contoh 3.4.
1 2
2 3 0
A = ; B = 3 5
6 1 4 1 0
2 1 + 3 (3) + 0 (1) 2 2 + 3 5 + 0 0 7 19
AB = =
6 1 + 1 (3) + 4 (1) 6 2 + 1 5 + 4 0 1 17
sedangkan
1 2 + 2 6 1 3 + 2 1 1 0 + 2 4 14 5 8
BA = 3 2 + 5 6 3 3 + 5 1 3 0 + 5 4 = 24 4 20
1 2 + 0 6 1 3 + 0 1 1 0 + 0 4 2 3 0
Contoh 3.5.
1 2 3 L 8
1 2 3 1 3 5 L 15
A3 = 4 8 12 ; B = 1 4 7 L 22
7 14 21 M M M O M
1
9 17 L 57
Contoh 3.6.
1 3 2 4
1 2 3
0 3 1 0
U3 = 0 4 5 ; U4 =
0 0 6 0 0 3 6
0 0
0 5
Contoh 3.7.
2 0 0 0
1 0 0
3 3 0 0
L3 = 2 4 0 ; L4 =
3 5 6 0 2 4 0
6 0
7 8
Matriks Diagonal
Dnxn = ( d ij ) disebut matriks diagonal jika d ij = 0 i j
Contoh 3.8.
1 0 0
4 0
D2 = ; D3 = 0 4 0
0 7 0 0 6
Matriks Identitas I
Jika I nxn = ( ij ) adalah suatu matriks bujur sangkar dengan :
1 jika i = j
ij =
0 jika i j
maka I nxn disebut matriks Identitas. Penulisan I nxn biasa disingkat dengan
( I n ). Pemberian indeks-n (bukan nxn, bahkan indeks tersebut biasanya tidak
dituliskan) hanya untuk membedakan ukuran matriks identitas.
Contoh 3.9.
1 0 0
1 0
I 2 = ; I3 = 0 1 0
0 1 0 0 1
Contoh 3.10.
1 2 0 0 0
1 3 0 3 4 5 0 0
T1 = 2 1 6 ; T2 = 0 6 0 8 0
0 5 7 0 0 9 10 11
0 0
0 12 13
Chapter 3 : Metode Numerik halaman 4 dari 26 halaman
Sistem Persamaan Linier
1 2 2 0 0
3 4 4 5 0
P = 0 6 5 8 7
0 1 9 10 11
0 0
5 8 13
Ketiga matriks tersebut adalah matriks pita, secara khusus T1 dan T2 disebut
matriks tridiagonal.
Contoh 3.11.
4x + y = 5 [3.4]
Nilai-nilai x = 1 ; y = 1 , disebut solusi dari persamaan [3.4]. Tentu saja nilai-nilai ini
bukanlah satu-satunya solusi, karena x = 0 ; y = 5 atau x = 2 ; y = 3 atau x = 100 ;
y = 405 dan tak berhingga banyak nilai-nilai lainnya yang juga merupakan solusi dari
persamaan [3.4].
disebut sistem persamaan linier (untuk selajutnya disingkat sistem linier) dengan n
persamaan dan m peubah (variabel) yang biasa disebut sistem linier berorde (m n) .
Nilai-nilai x1 = c1 , x2 = c2 , x3 = c3 ,L, xn = cn disebut solusi dari [3.5], jika nilai-nilai
tersebut memenuhi semua persamaan linier yang ada pada sistem linier [3.5].
Sistem linier [3.5], selalu dapat dinyatakan dalam notasi matriks :
AX = B [3.6]
dimana :
x1
a11 a12 a13 L a1m b1
x2
a a a23 L a2 m b2
A = 21 22 : X = x3 dan B =
M M M O M M
M
a an3 L anm
n1 an 2 x bm
n
dalam hal b1 = b2 = b3 = L = bm = 0 , atau B = , maka persamaan [3.6] disebut Sistem
linier homogen.
Secara geometri, penyelesaian dari suatu sistem linier adalah titik perpotongan
antara semua persamaan-persamaan yang terdapat dalam sistem linier tersebut, akibatnya
suatu sistem linier mungkin saja :
Mempunyai jawab
o Mempunyai Jawab Tunggal. [lihat : Gambar 3.1.a]
o Mempunyai Jawab Jamak (tak hingga). [lihat : Gambar 3.1.b]
Tidak mempunyai jawab. [lihat : Gambar 3.1.c]
g1 g1
g1
g2
g2
g2
Gambar 3.1a Solusi Tunggal Gambar 3.1b. Solusi Jamak Gambar 3.1c. Tidak ada Solusi
g1 dan g2 berpotongan di satu titik g1 dan g2 berimpit g1 dan g2 sejajar
Lemma 3.1
Misalkan X = C merupakan suatu solusi dari AX = B , jika X = D juga
merupakan solusi dari AX = B , maka C = D + E dan E adalah solusi dari sistem
linier homogen AX = 0.
(Setiap solusi dari suatu sistem linier satu dengan lainnya berhubungan linier)
Teorema 3.2.
Sistem linier homogen AX = 0 dengan matriks koefisien Amxn mempunyai
penyelesaian non trivial jika m < n.
(Setiap sistem linier homogen dengan variabel lebih banyak dari jumlah
persamaannya selalu mempunyai penyelesaian non trivial).
Jika kita mengharapkan memperoleh tepat satu penyelesaian untuk sistem linier
seperti pada persamaan [3.6] untuk setiap kemungkinan ruas kanan B maka jumlah
persamaannya haruslah sama dengan jumlah variabelnya, dengan kata lain matriks
koefisen A haruslah bujur sangkar. Oleh karenanya sistem linier yang dibicarakan
selajutnya adalah sistem linier dengan matriks koefisien yang bujur sangkar.
Teorema 3.3.
Misalkan Anxn , maka pernyataan-pernyataan berikut ini adalah setara (ekivalen).
a. Sistem linier homogen AX = 0 hanya mempunyai penyelesaian trivial X = 0
b. Untuk setiap kemungkinan B , sistem linier AX = B mempunyai
penyelesaian
c. Anxn mempunyai invers
n
bk akj x j
j = k +1
xk = [3.7.b]
akk
Metode demikian disebut eliminasi substitusi mundur. Dalam hal Anxn matriks
segitiga bawah dan setiap unsur diagonalnya aii 0 , maka digunakan eliminasi
substitusi maju. Untuk eliminasi substitusi maju digunakan :
b
x1 = 1 [3.8.a]
a11
b a12 x1
x2 = 2
a 22
b a31 x1 a32 x 2
x3 = 3
a33
M
k 1
bk a kj x j
j =1
xk = [3.8.b]
a kk
Algoritma untuk menyelesaikan suatu sistem linier dengan substitusi mundur dapat
disusun sebagai berikut :
Contoh 3.12
Buatlah simulasi penyelesaian sistem linier berikut dengan menggunakan
Algoritma 3.1.
x1 + 2 x 2 + 3x3 = 7
Lemm 4 x 2 + 5 x3 = 8
6 x3 = 9
Simulasi :
Input : n = 3 ; a11 = 1 ; a12 = 2 ; a13 = 3 ; a 22 = 4 ; a 23 = 5 ; a33 = 6 ;
aij = 0 i < j ; b1 = 7 ; b2 = 8 ; b3 = 9 .
Proses :
9 x3 = b3 a33 = 9 / 6 = 1.5
9 k = 2 ; jum := 0
j = 3 ; jum := 0 + a 23 * x3 = 7.5
x 2 = (b2 jum) a 22 = (8 7.5) / 4 = 0.125
9 k = 1 ; jum := 0
j = 2 ; jum := 0 + a12 * x 2 = 2 * 0.125 = 0.25
j = 3 ; jum := 0.25 + a13 * x3 = 0.25 + 3 * 1.5 = 4.75
x1 = (b1 jum) a11 = (7 4.75) / 1 = 2.25
Output
x1 = 2.25 ; x 2 = 0.125 dan x3 = 1.5
Contoh 3.13
3x1 2 x2 + x3 x4 = 8
4 x2 x3 + 2 x4 = 3
Tentukan penyelesaian dari :
2 x3 + 3x4 = 15
5 x4 = 15
Jawab :
15
5 x4 = 15 x4 = =3
5
15 3( x4 ) 15 3(3)
2 x3 + 3x4 = 15 x3 = = =3
2 2
3 + x3 2 x4 3 + 3 6
4 x2 x3 + 2 x4 = 3 x2 = = = 1.5
4 4
8 + 2 x2 x3 + x4 8 3 3 + 3
4 x2 x3 3x1 2 x2 + x3 x4 = 8 x1 = = = 1.6667
3 3
dengan demikian, diperoleh penyelesaian adalah (dinyatakan dengan transpose) :
X T = ( x1 x2 x3 x 4 ) = (1.6667 1.5 3 3)
Teorema 3.4.
Misalkan AX = B . Jika PX = Q diperoleh akibat serangkaian operasi baris
elementer pada AX = B , maka AX = B ekivalen dengan PX = Q .
Operasi baris elementer yang dimaksud dalam hal ini adalah : (simbol operasi,
dinyatakan dalam tanda kurung) :
Menukarkan dua baris. Ri R j ( )
Mengalikan suatu baris dengan k 0. (kRi )
(
Menjumlahkan suatu baris dengan kelipatan baris yang lain. Ri + kR j .)
Secara umum matriks A disebut ekivalen dengan P (ditulis A P ) jika P dapat
diperoleh dari A dengan satu (atau beberapa) operasi baris elementer.
Dengan menggunakan Teorema 3.4, berarti untuk setiap sistem linier AX = B dapat
dilakukan OBE sedemikian hingga diperoleh sistem linier PX = Q yang ekivalen dengan
AX = B . Matriks P yang diinginkan adalah suatu matriks segitiga atas dengan semua
unsur diagonalnya adalah 1 ( ( pii = 1 i ) . Algoritma metode ini dapat disusun sebagai
berikut :
xn = bn
k := n 1, n 2,L,1
Contoh 3.13
Tentukan penyelesaian dari :
x 2y + z = 0 1 2 1 x 0
5x + 4 y z = 1 atau 5 4 1 y = 1
3x + 6 y + 2 z = 5 3 6 2 z 5
Jawab :
Tanpa mengurangi makna (karena X, dalam hal ini hanyalah merupakan variabel boneka)
dan untuk mempersingkat penulisan dari sistem linier AX = B , dapat saja dituliskan
dalam bentuk matriks tertambah ( A B ) , seperti berikut ini :
1 2 1 0 R2 5R1 1 2 1 0
(A B ) = 5 4 1 1 R3 3R1 0 14 6 1
3 6 2 5 0 12 1 5
1 2 1 0
1
14
R 2 0 1 0 .428571 0 .071429
0 12 1 5
1 2 1 0
R3 12 R2 0 1 0.428571 0.071429
0 0 4.142857 4.182852
1 2 1 0
1
R3 0 1 0.428571 0.071429
4.142857 0 0
1 0.999999
dengan demikian, maka :
x 2y + z = 0 x 2y + z=0
5x + 4 y z = 1 setara dengan y 0.428571 z = 0.071429
3x + 6 y + 2 z = 5 z = 0.999999
dengan menggunakan substitusi mundur, diperoleh :
z = 0.999999 z 1
y 0.428571 z = 0.071429 y = 0.071429 + 0.428571(1) = 0.5
x 2y + z = 0 x = 0 + 2(0.5) (1) = 0
dengan demikian, diperoleh penyelesaian :
X = [ x y z ] = [ 0 0.5 1 ]
T T
1
xk = (bk ak1 x1 ak 2 x2 L ak ( k 1) x( k 1) ak ( k +1) x( k +1) L akn xn ) [3.10]
akk
dengan menggunakan nilai awal x1( 0) , x2( 0) , x3( 0) ,L, x (j0)k ,L, xn( 0) ) . Pemberian superscrip (i)
pada x k(i ) menyatakan bahwa perhitungan nilai x k pada iterasi ke-i.
Contoh 3.14
Dengan Iterasi Jacobi, tentukan solusi dari sistem linier
4 x1 x 2 + x3 = 7
4 x1 + 8 x 2 + x3 = 21
2 x1 + x 2 + 5 x3 = 15
Jawab :
Bentuk iterasi sesuai dengan persamaan [3.11], adalah :
1 1
x1 = (7 + x 2 x3 ) x1( k +1) = (7 + x 2( k ) x3( k ) )
4 4
1 1
x2 = (21 + 4 x1 + x3 ) atau x 2( k +1) = (21 + 4 x1( k ) + x3( k ) )
8 8
1 1
x3 = (15 + 2 x1 x 2 ) x3( k +1) = (15 + 2 x1( k ) x 2( k ) )
5 5
Tabel 3.14
Iterasi x1(i ) x 2(i ) x3(i )
0 1.0000 2.0000 2.0000
1 1.7500 3.3750 3.0000
2 1.8438 3.8750 3.0250
3 1.9625 3.9250 2.9625
4 1.9906 3.9766 3.0000
5 1.9941 3.9953 3.0009
M M M M
9 2.0000 4.0000 3.0000
10 2.0000 4.0000 3.0000
Contoh 3.15
Dengan iterasi Gauss-Seidel, tentukan solusi dari sistem linier :
4 x1 x 2 + x3 = 7
4 x1 8 x 2 + x3 = 21
2 x1 + x 2 + 5 x3 = 15
Jawab :
Bentuk iterasi sesuai dengan persamaan [3.11] untuk sistem linier tersebut adalah :
1 1
x1 = (7 + x 2 x3 ) x1( k +1) = (7 + x2( k ) x3( k ) )
4 4
1 1
x 2 = (21 + 4 x1 + x3 ) atau x2( k +1) = (21 + 4 x1( k +1) + x3( k ) )
8 8
1 1
x3 = (15 + 2 x1 x 2 ) x3( k +1) = (15 + 2 x1( k +1) x2( k +1) )
5 5
dengan menggunakan nilai awal x1 = 1 ; x 2 = 2 dan x3( 0) = 2 , diperoleh :
(0) (0)
Iterasi pertama :
1
x1(1) = (7 + 2 2) = 1.75
4
1
x2(1) = (21 + 4(1.75) + 2) = 3.75
8
1
x3(1) = (15 + 2(1.75) 3.375) = 2.95
5
Iterasi kedua :
1
x1( 2) = (7 + 3.75 2.95) = 1.95
4
1
x2( 2) = (21 + 4(1.95) + 2.95) = 3.96875
8
1
x3( 2) = (15 + 2(1.95) 3.96875) = 2.98625
5
Tabel 3.15
Iterasi x1(i ) x 2(i ) x3(i )
0 1 2 2
1 1,75 3,75 2,95
2 1,95 3,9688 2,9863
3 1,9956 3,9961 2,9990
4 1,9993 3,9995 2,9998
5 1,9999 3,9999 3.0000
6 2.0000 4.0000 3.0000
Contoh 3.16
2 x1 + x 2 + 5 x3 = 15
Dengan iterasi Jacobi, tentukan solusi SPL : 4 x1 8 x 2 + x3 = 21
4 x1 x 2 + x3 = 7
Jawab :
Bentuk iterasi yang bersesuaian adalah :
1 1
x1 = (15 x 2 5 x3 ) x1( k +1) = (15 x 2( k ) 5 x3( k ) )
2 2
1 1
x 2 = (21 + 4 x1 + x3 ) atau x2( k +1) = (21 + 4 x1( k ) + x3( k ) )
8 8
x3 = 7 4 x1 + x 2 x3( k +1) = 7 4 x1( k ) + x 2( k )
dengan menggunakan nilai awal x1( 0) = 1 ; x 2( 0) = 2 dan x3( 0) = 2 , diperoleh :
Iterasi selanjutnya disajikan pada ruas kiri Tabel 3.16 . Pada ruas kanan Tabel 3.16
juga disajikan nilai iterasi jika dipilih nilai awal x1( 0) = 0 ; x 2( 0) = 0 dan x3( 0) = 0 .
Tabel 3.16
Iterasi x1(i ) x 2(i ) x3(i ) x1(i ) x 2(i ) x3(i )
0 1 2 2 0 0 0
1 -1,5 3,375 5 -7,5 2,625 7
2 6,6875 2,5 16,375 11,3125 -0,25 39,625
3 34,6875 8,015625 -17,25 91,4375 13,23438 -38,5
4 -46,6172 17,8125 -123,734 -97,1328 43,53125 -345,516
5 -307,93 -36,1504 211,2813 -849,523 -89,1309 439,0625
M M M M M M M
Dengan kedua nilai awal tersebut, iterasi menjadi divergen. Perhatikan bahwa sistem
linier Contoh 3.16 setara (ekivalen) dengan SPL Contoh 3.14, karena ia diperoleh dengan
hanya menukarkan persamaan pertama dengan persamaan ketiga, jadi seharusnya juga
konvergen ke nilai x1 = 2 ; x 2 = 4 dan x3 = 3 . Sistem linier demikian dikatakan
mempunyai kondisi buruk.
Untuk mengatasi hal seperti ini dapat digunakan suatu strategi tumpuan
(pivoting). Strategi ini dimaksudkan untuk memperkecil galat (kesalahan). Jika terdapat
beberapa unsur tak nol pada kolom ke-k yang terletak pada atau dibawah diagonal maka
terdapat pilihan untuk menentukan baris yang mana digunakan sebagai tumpuan dengan
cara menukar. Jadi sebelum menentukan bentuk iterasi, harus didahului dengan
menentukan tumpuan mana yang menjadi pilihan.
Untuk mengurangi pengaruh perambatan galat, disarankan untuk memeriksa
besarnya semua unsur pada kolom ke-k yang terletak pada atau di bawah diagonal, dan
melokasikan baris ke-r yang mempunyai unsur dengan nilai mutlak terbesar, yakni :
{
ark = max akk , a( k +1) k , a( k + 2) k , L, a( n 1) k , an k }
Contoh 3.17
Gunakan strategi tumpuan untuk menentukan iterasi untuk mencari penyelesaian dari
sistem linier :
1 3 2 4 x1 7
2 6 1 5 x2 1
1 6 2 4 x = 1
3
5 4 2
3 x4 6
Jawab :
1 3 2 4 7 1 0.8 0.4 0.6 1.2
2 6 1 5 1 R1 5 R4 2
1
6 1 5 1
1 6 2 4 1 1 6 2 4 1
5 4 2 3 6 1 3 2 4 7
Perhatikan kembali operasi baris elementer yang dipergunakan pada Contoh 3.17.
Operasi penukaran baris dilakukan sebanyak tiga kali, masing-masing R1 R4 ;
R2 R3 dan R3 R4 yaitu :
Jadi seharusnya sistem linier pada Contoh 3.17, diselesaikan dengan berturut-turut
menggunakan persamaan keempat, persamaan ketiga, persamaan pertama dan persamaan
kedua untuk menghitung iterasi pada x1 , x 2 , x3 , dan x 4 jika digunakan metode Iterasi
Jacobi (atau Iterasi Gauss-Seidel).
Untuk mnentukan secara singkat persamaan mana yang digunakan untuk
melakukan iterasi, perhatikan harga mutlak unsur-unsur terbesar pada kolom-kolom A ,
yaitu :
1 3 2 4
2 6 1 5
1 6 2 4
5 4 2 3
diperoleh kolom pertama (=5, baris ke-4), kolom ke-2 (=6, baris ke-2 dan ke-3) , kolom
ke-3 (=2, baris ke-1, ke-3 dan ke-4), kolom ke-4 (=5, baris ke-2), maka iterasi yang
dipilih berturut-turut seharusnya adalah baris keempat untuk x1 , baris kedua untuk x 4 ,
baris ketiga untuk x 2 dan baris pertama untuk x3 . Hasil ini sama dengan yang diperoleh
pada Contoh 3.17.
Contoh :
b1T1 + c1T2 = d1 b1 c1 0 0 0 0 0 T1 d1
a 2T1 + b2T2 + c 2T3 = d 2 a2 b2 c2 0 0 0 0 T2 d 2
a3T2 + b3T3 + c3T4 = d 3 0 a3 b3 c3 0 0 0 T3 d 3
a 4T3 + b4T4 + c 4T5 = d 4 0 0 a4 b4 c4 0 0 T4 = d 4
a5T4 + b5T5 + c5T6 = d 5
0
0 0 a5 b5 c5 0 T5 d 5
a 6T5 + b6T6 + c6T7 = d 6 0 0 0 0 a6 b6 c6 T6 d 6
a 7T6 + b7T7 = d 7 0 0 0 0 0 a7 b7 T7 d 7
Jika Anxn = (aij ) adalah suatu matriks segitiga atas (bawah), maka :
n
det( A) = aii = a11a 22 a33 a 44 L a nn
i =1
(determinan matriks segitiga sama dengan hasil kali semua unsur diagonalnya)
Misalkan Bnxn = (bij ) diperoleh Anxn = (aij ) dengan suatu operasi baris
elementer, maka :
R Rj
a. Jika Anxn i Bnxn , maka det( B) = det( A)
(menukar salah satu baris, determinan akan berubah tanda)
Ri
b. Jika Anxn Bnxn , maka det( B) = det( A)
(Jika suatu baris dikalikan dengan konstanta , maka nilai determinannya
akan menjadi kali determinan semula)
Ri + R j
c. Jika Anxn Bnxn , maka det( B) = det( A)
(Determinan suatu matriks tidak berubah nilainya jika suatu baris
ditambahkan dengan kelipatan baris yang lain)
Contoh :
2 1 0
Diketahui A = 1 3 1 , maka :
0 1 2
Polinomial karakteristik dari A adalah :
2 1 0
f A () = det 1 3 1 = 3 + 7 3 14 + 8
0 1 2
Nilai-nilai eigen dari A adalah :
1 = 1 ; 2 = 2 dan 2 = 4
Vektor-vektor eigen yang bersesuaian dengan masing-masing nilai eigen
berturut-turut adalah :
1 1 1
v1 = 1 ; v 2 = 0 dan v3 = 2
1 1 1
Walaupun menghitung determinan dapat dilakukan dengan kofaktor, akan tetapi karena
unsur-unsur kofaktor juga merupakan determinan, maka pada tulisan ini hanya
diperkenalkan menghitung determinan dengan memanfaatkan sifat-sifat determinan.
Prosedur ini dijelaskan sebagai berikut :
Start
a[i, j ]
i = 1,2,3,L, n
j = 1,2,3, L , n
i =1
det = 1
k =0
No X
Ri R(i + k ) Ya
i>n
Ya
k = k +1 a[i, i ] = 0 det( A) = det
No No
i = i +1
End
d [i, i ] = (1) a[i, i ]
k
(i + k ) > n
Ya m = i +1
det = 0
Ya det = d [i, i ] * det
m>n
X No
a[m, i ]
Rm Ri
a[i, i ]
m = m +1
Contoh :
4 5 2 5 2
A = dan B =
6 8 3 4
4 5 2 5 2 1 0 2 5
2 4
5
AB = = = = BA
6 8 3 4 0 1 3 4 6 8
Banyak cara yang dapat dilakukan untuk menghitung invers matriks, salah satu
diantaranya adalah dengan mengganggap invers matriks adalah solusi dari suatu
persamaan linier, seperti berikut :
Pandang matriks bujur sangkar non singular Anxn , dan misalkan Ynxn = ( y ij ) = A 1 ,
karena AY = I , maka Ynxn = ( y ij ) = A 1 dapat dipandang sebagai matriks dengan kolom
ke-k merupakan solusi dari sistem linier AYk = I k dimana I k adalah kolom ke-k dari
matriks identitas.
Akan tetapi metode ini jarang digunakan, karena menyelesaikan invers matriks dengan
menggunakan cara ini, sama saja dengan mencari solusi n sistem linier.
Metode lain yang lebih disenangi adalah Metode Eliminasi Gauss-Jordan dengan
tumpuan parsial. Beberapa definisi dan pengertian akan mendahului penjelasan metode
tersebut.
Contoh :
1 2 1 0 R1 + 2 R2 1 2
E1 = karena I = = E1
0 1 0 1 0 1
1 0 0 1 0 0 1 0 0
5 R2
E2 = 0 5 0 karena I = 0 1 0 0 5 0 = E2
0 0 1 0 0 1 0 0 1
0 0 1 1 0 0 0 0 1
R1 R3
E3 = 0 1 0 karena I = 0 1 0 0 1 0 = E3
1 0 0 0 0 1 1 0 0
Contoh :
1 2
E = bersesuaian dengan OBE1 = R1 + 2R2 .
0 1
1 2
Karena balikan(OBE1 ) = R1 2 R2 , maka E 1 = .
0 1
Lemma :
Misalkan B = E1 E 2 E3 L E n dengan Ei adalah matriks elementer sedemikian
hingga AB = I = BA , maka A 1 = B , maka A yang diperoleh dengan OBE1 ,
maka E 1 juga merupakan matriks elementer yang diperoleh dengan
balikan(OBE1 ) .
Lemma :
Misalkan Anxn . Jika ( A I ) (I B ) , maka B = A 1
(Jika matriks tertambah ( A I ) dengan serangkaian operasi baris elementer
sedemikian hingga diperoleh (I B ) , maka B = A 1 )
Mencari invers suatu matriks dengan menggunakan Lemma yang terakhir ini, disebut
Metode Eliminasi Gauss-Jordan Tumpuan Parsial. Adapun algoritma metode tersebut
dsapat disusun, seperti pada Algoritma XXXX. Perhatikan bahwa ( A I ) dipandang
sebagai matriks A yang diperbesar dengan ukuran n-baris dan 2n-kolom.
Algoritma
Input : n
a[i, j ] , i = 1,2,3,L , n ; j = 1,2,3,L,2n 1,2n
dimana untuk j > n , a[i, j ] = 1 jika j = i + n dan a[i, j ] = 0 jika j i + n .
Output : a[i, k ] , i = 1,2,3,L , n ; k = n + 1, n + 2, n + 3, L,2n 1,2n
Langkah-langkah :
Untuk k = 1,2,3,L , n , Kerjakan :
L1. Mencari tumpuan kolom, (memilih unsur terbesar pada kolom)
Untuk k = 1,2,3,L , n , Kerjakan :
r := k
Jika k = n, lanjutkan ke L2
Untuk i = k + 1, k + 2, k + 3,L , n Kerjakan :
Jika a[i, k ] > a[r , k ] maka r = i
Contoh soal :
1 3 3
Tentukan invers dari matriks B = 2 4 5
1 5 3
Jawab :
a[1,1] a[1,2] a[1,3] a[1,4] a[1,5] a[1,6] 1 3 3 1 0 0
A = a[2,1] a[2,2] a[2,3] a[2,4] a[2,5] a[2,6] = 2 4 5 0 1 0
a[3,1] a[3,2] a[3,3] a[3,4] a[3,5] a[3,6] 1 5 3 0 0 1
Untuk k=1
L1. Diperoleh a[i, k ] = a[2,1] = 2
L2. Baris pertama dipertukarkan dengan baris kedua, dan berturut-turut diperoleh :