Khairul Basar

Catatan Kuliah
FI2101 Fisika Matematik IA
Semester I 2015-2016

ar
s
ba
kh
15
20
1
m
se
01
21
l fi
ku
ca

Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Teknologi Bandung
ca
ku
l fi
21
01
se
m
1
20
15
kh
ba
sar
Bab 3
Aljabar Linier

3.1 Matriks

Matriks merupakan representasi dari kumpulan besaran. Secara umum da-

patlah diartikan bahwa matriks adalah kumpulan besaran-besaran yang di-
susun dalam bentuk persegi panjang (rectangular ).

s ar
Notasi ba
kh

Matriks biasanya dituliskan menggunakan kurung dan terdiri dari baris dan
15

kolom:  
1 5 −2
20

A= (3.1)
−3 0 6
1
m

Pada contoh tersebut di atas, matriks A mempunyai 2 baris dan 3 kolom. Ma-
se

triks tersebut mempunyai 2 × 3 = 6 buah komponen. Komponen-komponen

01

tersebut diacu berdasarkan posisinya pada matriks. Misalnya, komponen ba-

21

ris pertama kolom pertama dari matriks A (dituliskan sebagai A11 atau a11 )
l fi

adalah 1. Sedangkan komponen baris kedua kolom ketiga dari matriks A

ku

(dituliskan sebagai A23 atau a23 ) adalah 6. Untuk lebih lengkapnya:

ca

a11 = 1; a12 = 5; a13 = −2

a21 = −3; a22 = 0; a23 = 6

Jadi komponen baris ke-i kolom ke-j dari matriks A dinyatakan dengan Aij
atau aij .

43
44 Aljabar Linier

Transpose

Transpose suatu matriks A (ditulis sebagai AT ) diperoleh dengan menuliskan

baris matriks A menjadi kolom, sedangkan kolom matriks A menjadi baris.
Misalkan untuk matriks A sebagaimana persamaan 3.1, maka transposenya
adalah  
1 −3
AT =  5 0  (3.2)
−2 6
Dengan demikian dapat dinyatakan

(AT )ij = Aji (3.3)

Beberapa aturan berkaitan dengan transpose matriks:

• (AT )T = A
• (A + B)T = AT + BT
• (cA)T = cAT , dengan c adalah bilangan (skalar)
• (AB)T = BT AT
Matriks yang transposenya sama dengan dirinya sendiri dinamakan matriks
simetri (symmetric matrix ) dalam hal ini dapat dituliskan AT = A. Jika

ar
transpose suatu matriks sama dengan negatif dari matriks tersebut, maka
s
ba
dinamakan matriks simetri-miring (skew-symmetric matrix ) yang dituliskan
sebagai AT = −A.
kh
15
20

Persamaan Linier; Matriks Koefisien

1
m

Perhatikan kumpulan persamaan linier berikut ini

se
01

2x −z = 2
21

6x +5y +3z = 7 (3.4)

l fi

2x −y =4
ku

Kumpulan persamaan tersebut dapat disusun menjadi bentuk matriks yang

ca

terdiri dari koefisien masing-masing variabelnya. Kolom pertama berisi ko-

efisien dari variabel x, kolom kedua berisi koefisien variabel y, kolom ke-
tiga berisi koefisien dari variabel z dan kolom keempat berisi ruas kanan
persamaan-persamaan tersebut. Matriks yang dimaksud adalah
 
2 0 −1 2
6 5 3 7
2 −1 0 4

Hal ini berarti terdapat kesetaraan antara kumpulan persamaan linier dengan
matriks koefisien-koefisien variabelnya.

khbasar2015
c
3.2 Reduksi Baris 45

3.2 Reduksi Baris

Sebagaimana telah dijelaskan sebelumnya bahwa sistem persamaan linier da-

pat disusun dalam bentuk matriks koefisien. Apa yang dilakukan pada kum-
pulan persamaan linier tersebut dapat juga diterapkan pada matriks yang
berkaitan. Dengan sifat kesetaraan tersebut dapat dilakukan metode reduksi
baris untuk menyelesaikan persamaan linier tersebut. Berikut adalah contoh-
nya
• Dengan mengingat bahwa untuk sistem persamaan linier, persamaan yang
satu dapat dieliminasi dengan persamaan lain, hal ini juga berlaku untuk
baris matriks tersebut. Dengan demikian bila persamaan kedua dikurangi
tiga kali persamaan pertama:
 
2x −z = 2 2 0 −1 2
5y +6z = 1 ⇐⇒  0 5 6 1 
2x −y =4 2 −1 0 4

• Kurangi persamaan ketiga dengan persamaan pertama:

 
2x −z = 2 2 0 −1 2
5y +6z = 1 ⇐⇒  0 5 6 1 

ar
−y +z = 2 0 −1 1 2
s
ba
• Susunan persamaan-persamaan tersebut dapat dipertukarkan satu sama
kh

lain. Bila persamaan kedua dan ketiga dipertukarkan akan diperoleh

15
20

 
2x −z = 2 2 0 −1 2
−y +z = 2 ⇐⇒  0 −1 1 2 
1
m

5y +6z = 1 0 5 6 1
se
01

• Tambahkan persamaan ketiga dengan lima kali persamaan kedua:

21

 
2x −z = 2 2 0 −1 2
l fi

−y +z = 2 ⇐⇒  0 −1 1 2 
ku

11z = 11 0 0 11 11
ca

• Bagi persamaan ketiga dengan 11:

 
2x −z = 2 2 0 −1 2
−y +z = 2 ⇐⇒  0 −1 1 2
z =1 0 0 1 1

• Kurangi persamaan kedua dengan ketiga, kemudian hasilnya dikalikan de-

ngan −1:  
2x −z = 2 2 0 −1 2
y = −1 ⇐⇒  0 1 0 −1 
z =1 00 1 1

khbasar2015
c
46 Aljabar Linier

• Tambahkan persamaan satu dengan persamaan tiga, kemudian hasilnya

dibagi dengan dua:

= 23 1 0 0 23
 
x
y = −1 ⇐⇒  0 1 0 −1 
z =1 001 1

Dari tahapan tersebut akhirnya diperoleh nilai x, y dan z yang memenuhi

persamaan linier di atas, yaitu x = 23 , y = −1 dan z = 1.
Cara penyelesaian persamaan linier dengan mengaitkannya dalam bentuk
matriks tersebut disebut metode reduksi baris atau dikenal juga sebagai eli-
minasi Gauss (Gaussian elimination).

Rank Matriks

Rank suatu matriks menyatakan jumlah maksimum baris dalam suatu ma-
triks yang bersifat bebas linier. Untuk memperoleh rank suatu matriks, da-
pat dilakukan dengan metode
 reduksibaris. Misalkan suatu matriks A yang
1 4 −5
5 2 1 
dinyatakan dengan A =   2 −1 3 . Bila diterapkan reduksi baris pada


ar
s
3 −6 11 ba
matriks ini maka
kh

     
1 4 −5 1 4 −5 1 4 −5
15

5 2 1   0 −18 26   0 −18 26 
20

 2 −1 3  −→  0 −9 13  −→  0 0 0 
     
1

3 −6 11 0 −18 26 0 0 0
m
se

 
1 4 −5
01

 0 −9 13 
−→  
21

0 0 0 
0 0 0
l fi
ku

Terlihat bahwa ada dua baris (yaitu baris pertama dan baris kedua) yang
ca

tidak nol. Dengan demikian dikatakan bahwa matriks A tersebut mempunyai

rank 2.
Bila dipandang dari sisi analisa persamaan linier, rank suatu matriks ter-
kait dengan banyaknya persamaan linier yang saling bebas linier. Misalnya,
tinjau tiga buah persamaan linier yang melibatkan tiga buah variabel, yaitu

2x + 3y − z = 0
6x + 9y − 3z = 0
x+y+z =1

khbasar2015
c
3.3 Determinan 47

bila 
disusun dalam
 bentuk matriks, persamaan linier tersebut dapat berben-
2 3 −1 0
tuk  6 9 −3 0 . Matriks ini mempunyai rank 2, hal ini terkait dengan fakta
11 1 1
bahwa persamaan 1 dan 2 sebenarnya adalah dua persamaan yang identik
karena persamaan 2 adalah tiga kali persamaan 1. Jadi artinya dari ketiga
persamaan tersebut ada dua yang bebas linier.

3.3 Determinan

Matriks yang jumlah barisnya sama dengan jumlah kolomnya dinamakan

matriks persegi (square matrix ). Untuk suatu matriks persegi terdapat su-
atu bilangan yang penting yang merupakan properti (karakteristik) matriks
tersebut yaitu yang dinamakan determinan. Misalkan suatu matriks persegi
2 × 2 berikut  
ab
A=
cd
maka determinannya adalah

ar
 
a b 
s
detA =  = ad − bc
ba (3.5)
c d
kh

Persamaan 3.5 adalah ungkapan untuk memperoleh determinan matriks 2×2.

15

Berikut ini akan diuraikan cara mencari determinan matriks dengan orde
20

yang lebih tinggi. Untuk itu perlu diperkenalkan lebih dulu tentang minor
1

dan cofactor dari suatu komponen (elemen) matriks.

m
se
01

Minor dari suatu komponen

21
l fi

Misalkan untuk matriks persegi 3 × 3 sebagai berikut

ku

 
ab c
ca

A = d e f  (3.6)
gh i

Bila baris ke-i dan kolom ke-j dari matriks A tersebut dibuang maka matriks
A menjadi matriks 2 × 2 yang determinannya disebut minor dari aij dan
dinyatakan dengan Mij . Jadi misalnya untuk matriks A seperti pada 3.6,
maka minor dari a11 adalah
 
e f
M11 =   = ei − hf (3.7)
h i

khbasar2015
c
48 Aljabar Linier

demikian pula halnya minor dari a32 adalah

 
a c 
M32 =    = af − cd (3.8)
df

Cofactor dari suatu komponen

Cofactor dari suatu komponen aij diperoleh dengan cara

cofactor dari aij = Cij = (−1)i+j Mij (3.9)

dengan Mij adalah minor sebagaimana yang telah dibahas sebelumnya.

Determinan matriks menggunakan cofactor

Determinan matriks (terutama yang mempunyai orde lebih dari 2) dapat di-
peroleh dengan menggunakan cofactor. Caranya adalah dengan mengalikan
setiap elemen pada salah satu baris atau kolom dengan cofactor nya kemudi-
an hasilnya dijumlahkan. Untuk lebih jelasnya kembali pada matriks A pada
persamaan 3.6. Dengan menggunakan elemen pada baris pertama, maka da-

ar
pat dinyatakan
s
ba
kh

detA = a (C11 ) + b (C12 ) + c (C13 )

15

= a(−1)1+1 M11 + b(−1)1+2 M12 + c(−1)1+3 M13

20

(3.10)
     
e f d f  d e 
= a
  − b
  + c
 
1

h i g i g h
m
se

= a(ei − f h) − b(di − f g) + c(dh − eg)

01
21

Beberapa sifat penting terkait determinan

l fi
ku

Beberapa sifat penting yang terkait determinan matriks di antaranya adalah:

ca

• Jika semua elemen pada satu baris (atau pada satu kolom) dari suatu
matriks dikalikan dengan bilangan k, maka determinannya juga dikalikan
dengan k.
• Nilai determinan suatu matriks sama dengan nol jika
1. semua elemen dalam satu baris (atau dalam satu kolom) sama dengan
nol, atau
2. dua baris (atau dua kolom) elemen-elemennya identik, atau
3. dua baris (atau dua kolom) elemen-elemennya proporsional (sebanding)

khbasar2015
c
3.3 Determinan 49

• Jika dua baris (atau dua kolom) dari suatu matriks dipertukarkan, maka
nilai determinannya berubah tanda
• Determinan suatu matriks tidak berubah jika
1. baris dituliskan menjadi kolom dan kolom dituliskan menjadi baris, atau
2. setiap elemen dalam satu baris (atau dalam satu kolom) ditambahkan
dengan k kali elemen pada baris (atau kolom) yang lain.

Aturan Cramer

Penyelesaian sistem persamaan linier dapat dilakukan juga dengan menggu-

nakan determinan. Cara ini disebut Aturan Cramer (Cramer’s Rule). Misalk-
an dua buah persamaan yang dinyatakan dengan

a1 x + b1 y = c1
a2 x + b2 y = c2

dengan a1 , a2 , b1 , b2 , c1 dan c2 adalah bilangan. Jika persamaan pertama di-

kalikan dengan b2 sementara persamaan kedua dikalikan dengan b1 kemudian
keduanya dikurangkan, maka dapat diperoleh nilai x, yaitu

ar
c1 b2 − c2 b1
s
x= ba
a1 b2 − a2 b1
kh

cara yang serupa juga dapat dilakukan untuk memperoleh nilai y, yaitu
15

a1 c2 − a2 c1
20

y=
a1 b2 − a2 b1
1
m

artinya solusi untuk x dan y dapat dituliskan dalam bentuk determinan ma-
se

triks:
01

   
 c1 b1   a1 c1 
21

   
 c2 b2   a2 c2 
x =  , y =  (3.11)
l fi


 a1 b1   a1 b1 
 
ku

 a2 b2   a2 b2 
ca

Secara umum dapat dituliskan langkahnya sebagai berikut:

• Tuliskan persamaan linier dalam bentuk standar dengan urutan variabel
yang sama
• Tuliskan koefisien-koefisien variabelnya dalam bentuk matriks dan hitung
determinan matriksnya. Determinan matriks koefisien (sebut sebagai D)
ini akan menjadi penyebut dalam penghitungan nilai variabel-variabel
yang dicari
• Pembilang untuk nilai x diperoleh dengan mengganti elemen koefisien va-
riabel x pada matriks koefisien dengan konstanta ruas kanan persamaan
yang sesuai. Pembilang untuk nilai y diperoleh dengan mengganti elemen

khbasar2015
c
50 Aljabar Linier

koefisien variabel y pada matriks koefisien dengan konstanta ruas kanan

persamaan yang sesuai, demikian pula untuk memperoleh nilai z.
Jadi untuk persamaan yang melibatkan tiga variabel sebagai berikut

a1 x + b1 y + c1 z = d1
a2 x + b2 y + c2 z = d2
a3 x + b3 y + c3 z = d3

maka diperoleh
     
d b c  a d c  a b d 
1  1 1 1  1  1 1 1  1  1 1 1 
x= d2 b2 c2  , y = a2 d2 c2  , z = a2 b2 d2  (3.12)
D  D  D 
d3 b3 c3  a3 d3 c3  a3 b3 d3 
 
 a1 b1 c1 
 
dengan D =  a2 b2 c2 .
 a3 b3 c3 

3.4 Vektor

sar
ba
Vektor adalah suatu besaran yang memiliki besar dan arah. Artinya un-
kh

tuk mendeskripsikan suatu besaran vektor secara lengkap perlu disampaikan

informasi tentang besar (nilai) besaran tersebut serta arahnya. Untuk men-
15

deskripsikan suatu besaran vektor ada dua informasi yang harus disampaik-
20

an, karena itu cara untuk mendeskripsikan suatu vektor dapat digolongkan
1

menjadi dua macam, yaitu: grafis (menggunakan anak panah) dan analitis
m
se

(komponen-komponen).
Melalui cara deskripsi grafis, suatu besaran vektor dideskripsikan atau
01

dinyatakan sebagai sebuah anak panah. Panjang anak panah menyatakan

21

besar atau nilai besaran vektor tersebut sedangkan arah besaran vektor yang
l fi

dimaksud digambarkan dengan arah anak panah yang dimaksud. Contoh

ku

penggambaran suatu besaran vektor A yang dinyatakan dengan anak panah

ca

ditunjukkan dalam Gambar 3.1.

Gambar 3.1 Deskripsi vektor menggunakan anak panah.

khbasar2015
c
3.4 Vektor 51

Melalui cara analitis, suatu vektor dituliskan atau dinyatakan dalam

komponen-komponennya. Misalnya suatu vektor A bila dinyatakan dalam
sistem koordinat kartesian sebagai:

A = Ax i + Ay j + Az k (3.13)

dengan Ax , Ay dan Az menyatakan komponen-komponen vektor A dalam

arah sumbu x, y dan z dalam sistem koordinat kartesian sedangkan i, j dan
k menyatakan vektor-vektor satuan dalam sistem koordinat kartesian. Per-
hatikan Gambar 3.2.

Az

Ay
y

ar
Ax
s
ba
kh

x
15

Gambar 3.2 Komponen-komponen vektor dalam sistem koordinat kartesian.

20
1
m
se

Besar Vektor
01
21

Bila suatu vektor digambarkan menggunakan anak panah, maka panjang

l fi

anak panah tersebut menyatakan besar vektor. Atau sebaliknya dapat di-
ku

katakan bahwa besar suatu vektor dapat dinyatakan sebagai panjang anak
ca

panah. Panjang atau besar vektor A dituliskan sebagai |A|. Besar atau pan-
jang suatu vektor merupakan skalar. Bila vektor dinyatakan dalam koordinat
kartesian menggunakan komponen-komponennya, maka
q
A = |A| = A2x + A2y + A2z (3.14)

Vektor Satuan

Vektor satuan adalah vektor yang besarnya satu satuan. Vektor satuan digu-
nakan untuk menunjukkan arah. Vektor satuan dari suatu vektor diperoleh

khbasar2015
c
52 Aljabar Linier

dengan membagi vektor tersebut dengan besarnya.

A
 = (3.15)
|A|

Dalam sistem koordinat kartesian vektor-vektor satuannya adalah i (yang

merupakan vektor satuan dalam arah sumbu x), j (yang merupakan vektor
satuan dalam arah sumbu y) dan k (yang merupakan vektor satuan dalam
arah sumbu z). Perhatikan Gambar 3.3.

j
y

i
x

Gambar 3.3 Vektor-vektor satuan dalam sistem koordinat kartesian.

ar
s
ba
kh

Penjumlahan dan Pengurangan Vektor

15
20

Operasi penjumlahan vektor dapat dilakukan dengan secara grafis maupun

analitis. Pada cara grafis dapat dilakukan menggunakan jajaran genjang atau
1
m

poligon. Jika menggunakan cara jajaran genjang, pangkal dari kedua vektor
se

yang akan dijumlahkan ditemukan, lalu dibuat jajaran genjang dengan si-
01

si masing-masing vektor yang dijumlahkan sebagaimana ditunjukkan dalam

21

Gambar 3.4. Jika menggunakan cara poligon, pangkal suatu vektor diletakk-
l fi
ku
ca

A
A+B

Gambar 3.4 Penjumlahan vektor dengan cara jajaran genjang.

an di ujung vektor yang lainnya sebagaimana ditunjukkan dalam Gambar

3.5.

khbasar2015
c
3.4 Vektor 53

A
A+B

Gambar 3.5 Penjumlahan vektor dengan cara poligon.

Penjumlahan vektor menggunakan cara analitis umumnya digunakan bila

vektor dideskripsikan dalam bentuk analitis (diuraikan komponen-komponennya).
Untuk cara penjumlahan analitis, komponen masing-masing vektor dijum-
lahkan seperti penjumlahan biasa. Misalkan suatu vektor dinyatakan dalam
sistem koordinat kartesis sebagai A = Ax i + Ay j + Az k dan vektor lainnya
dinyatakan sebagai B = Bx i + By j + Bz k, maka penjumlahan kedua vektor
tersebut memberikan
A + B = (Ax i + Ay j + Az k) + (Bx i + By j + Bz k)
(3.16)
= (Ax + Bx ) i + (Ay + By ) j + (Az + Bz ) k

ar
Pengurangan suatu vektor A dengan vektor B pada prinsipnya adalah
s
ba
menjumlahkan vektor A dengan lawan dari vektor B
kh

A − B = A + (−B) (3.17)
15
20

Gambar 3.6 menunjukkan pengurangan dua buah vektor.

1
m
se
01

−B
21

A
l fi
ku

A−B A
ca

Gambar 3.6 Pengurangan vektor.

Perkalian Vektor

Perkalian vektor dengan skalar.

Perkalian vektor dengan bilangan skalar 6= 1 akan mengubah panjang (besar)

khbasar2015
c
54 Aljabar Linier

vektor tersebut. Jika bilangan skalar yang dimaksud adalah bilangan positif,
maka arah vektor hasil kalinya tetap sama dengan arah vektor semula namun
jika bilangan skalar yang dimaksud adalah bilangan negatif maka arah vektor
hasil kali berlawanan dengan arah vektor semula. Bila vektor dideskripsikan
menggunakan anak panah, maka perkalian vektor dengan bilangan skalar 6= 1
berarti memperpanjang atau memperpendek vektor. Perhatikan Gambar 3.7.

2A
A

ar
Gambar 3.7 Perkalian vektor dengan bilangan (skalar).

s
ba
kh

Sedangkan bila vektor dinyatakan menggunakan komponen-komponennya,

15

maka perkalian vektor dengan skalar berarti mengalikan bilangan skalar ter-
20

sebut dengan masing-masing komponen vektor.

1
m

cA = c (Ax i + Ay j + Az k)
se

(3.18)
= cAx i + cAy j + cAz k
01
21

dengan c adalah bilangan (skalar).

l fi

Perkalian vektor dengan vektor

ku

Ada dua macam perkalian antar vektor, yaitu perkalian yang menghasilkan
bilangan skalar dan perkalian yang menghasilkan vektor.
ca

Dot Product. Perkalian yang menghasilkan skalar dikenal juga sebagai

dot product atau perkalian titik. Bila dua buah vektor dinyatakan dengan
komponen-komponennya, yaitu

A = Ax i + Ay j + Az k
B = Bx i + By j + Bz k

maka perkalian titik/ perkalian skalar/ dot product dari kedua vektor tersebut
dinyatakan sebagai

khbasar2015
c
3.4 Vektor 55

A · B = (Ax i + Ay j + Az k) · (Bx i + By j + Bz k)
(3.19)
= (Ax Bx ) + (Ay By ) + (Az Bz )

Bila kedua vektor dinyatakan secara geometris dan sudut antara kedua
vektor adalah θ, maka hasil perkalian titik kedua vektor adalah

A · B = |A||B| cos θ (3.20)

sebagaimana ditunjukkan dengan Gambar 3.8. Secara geometris A · B̂ me-

B
θ

A · B̂

Gambar 3.8 Interpretasi geometris dari dot product.

ar
nyatakan panjang proyeksi vektor A dalam arah vektor B̂.

s
Sudut-sudut yang dibentuk suatu vektor dengan sumbu-sumbu koordinat
ba
dinamakan juga sebagai direction cosines atau cosinus arah. Dapat dengan
kh

mudah dipahami bahwa cosinus arah diperoleh dengan memanfaatkan dot

15

product dari suatu vektor dengan vektor-vektor satuan i, j dan k.

20

Suatu vektor A dikatakan ortogonal terhadap vektor B jika A · B = 0

yang berarti juga bahwa B ortogonal terhadap A. Jika dua buah vektor A
1
m

dan B saling tegak lurus, maka

se
01

Ax Bx + Ay By + Az Bz = 0 (3.21)
21

Jika dua buah vektor sejajar satu sama lain, maka komponen-komponennya
l fi

proporsional (sebanding) dan dapat dinyatakan

ku
ca

Ax Ay Az
= = (3.22)
Bx By Bz

Cross Product Perkalian yang menghasilkan vektor dikenal juga sebagai

cross product atau perkalian silang. Cross product antara vektor A dan vektor
B dinyatakan dengan A × B. Besar vektor C yang merupakan hasil perkalian
silang antara A dan B adalah

|C| = |A × B|
(3.23)
= |A||B| sin θ

khbasar2015
c
56 Aljabar Linier

dengan 0 ≤ θ ≤ π menyatakan sudut antara vektor A dan B.

Dalam sistem koordinat kartesian 3 dimensi, terdapat tiga vektor satuan
dalam arah masing-masing sumbu yaitu i (vektor satuan dalam arah sumbu
x), j (vektor satuan dalam arah sumbu y) dan k (vektor satuan dalam arah
sumbu z), maka dapat dinyatakan

i × i = 0; i × j = k; i × k = −j
j × i = −k; j × j = 0; j × k = i (3.24)
k × i = j; k × j = −i; k × k = 0

Hasil cross product vektor-vektor satuan i, j dan k dapat disimpulkan

menggunakan aturan siklik seperti ditunjukkan dalam Gambar 3.9 dan juga
persamaan 3.24.

k j

ar
Gambar 3.9 Aturan siklik pada cross product antara vektor-vektor satuan dalam
koordinat kartesian.
s
ba
kh

Misalkan terdapat dua vektor dalam koordinat kartesian yaitu A = Ax i +

15

Ay j + Az k dan B = Bx i + By j + Bz k, maka cross product keduanya dapat

20

diperoleh sebagai berikut:

1
m

A × B = (Ax i + Ay j + Az k) × (Bx i + By j + Bz k)
se

(3.25)
= (Ay Bz − Az By ) i + (Az Bx − Ax Bz ) j + (Ax By − Ay Bx ) k
01
21

Bila telah memahami konsep determinan matriks, cross product dari A

l fi

dan B juga dapat diperoleh dari determinan matriks 3 × 3 sebagai berikut

ku

 
 i j k 
ca

 
A × B =  Ax Ay Az 
 Bx By Bz  (3.26)
= (Ay Bz − Az By ) i + (Az Bx − Ax Bz ) j + (Ax By − Ay Bx ) k

Secara geometris cross product menyatakan luas jajaran genjang yang sisi-
sisinya kedua vektor yang dicrosskan. Misalnya suatu jajaran genjang yang
sisi-sinya dibentuk oleh vektor A dan vektor B sebagaimana ditunjukkan
dalam Gambar 3.10. Dapat diperoleh bahwa

Luas = h|B| = |A| sin θ|B| = |A × B| (3.27)

khbasar2015
c
3.4 Vektor 57

A h

B
θ

Gambar 3.10 Interpretasi geometris dari cross product.

Triple product. Triple product adalah istilah yang digunakan untuk ope-
rasi perkalian tiga buah vektor. Ada dua macam triple product yaitu yang
menghasilkan skalar (triple scalar product) dan yang menghasilkan vektor
(triple vector product).
Triple scalar product dinyatakan sebagai

A · (B × C) (3.28)

Triple scalar product secara geometris menyatakan volume parallelepiped

yang dibentuk oleh vektor-vektor A, B dan C, sebagaimana ditunjukkan

ar
s
dalam Gambar 3.11. Konsep triple scalar product banyak dijumpai pada per-
ba
soalan crystallography.
kh
15

z
20
1
m

B×C
se
01

A C
21
l fi

y
ku
ca

Gambar 3.11 Interpretasi geometris dari triple scalar product.

Sedangkan triple vector product dinyatakan dengan

A × (B × C) (3.29)

Untuk triple vector product dapat diperoleh

khbasar2015
c
58 Aljabar Linier

A × (B × C) = (A · C)B − (A · B)C (3.30)

Bebas Linear (linear independence)

Dua vektor A dan B dikatakan bebas linear jika keduanya tidak dapat di-
nyatakan dalam arah garis yang sama. Sebaliknya berarti kedua vektor terse-
but dinyatakan bergantung linear (linearly dependent) atau koplanar. Secara
umum dapat dinyatakan bahwa sejumlah vektor u1 , u2 , . . . , un dikatakan
bebas linear jika koefisien skalar c1 , c2 , . . . , cn yang memenuhi kondisi

c1 u1 + c2 u2 + . . . + cn un = 0 (3.31)

semuanya bernilai sama dengan nol, atau c1 = 0, c2 = 0, . . . , cn = 0. Se-

dangkan jika semua koefisein c tersebut tidak sama dengan nol, maka vektor
u1 , u2 , . . . , un dikatakan bergantung linear. Vektor-vektor basis dalam sistem
koordinat ortogonal (misalnya vektor-vektor satuan i, j dan k dalam sistem
koordinat kartesian) merupakan vektor-vektor yang saling bebas linear.

3.5 Garis dan Bidang

s ar
ba
Pemahaman tentang vektor berguna dalam persoalan geometri analitik. Su-
kh

atu titik dalam ruang yang dinyatakan dengan koordinat (x, y, z) dapat di-
15

pandang sebagai titik ujung suatu vektor posisi r = xi + yj + zk yang pang-

20

kalnya terletak di titik pusat koordinat. Dengan demikian vektor juga dapat
direpresentasikan dalam bentuk koordinat. Artinya vektor i − 2k dapat juga
1
m

dituliskan dalam bentuk (1, 0, −2).

se
01

y
21
l fi
ku

(x, y)
r − r0
ca

(y − y0 )

(x0 , y0 )
(x − x0 )

A b
a
x

Gambar 3.12 Penggunaan vektor untuk menentukan persamaan garis yang sejajar
dengan vektor tertentu.

khbasar2015
c
3.5 Garis dan Bidang 59

Perhatikan Gambar 3.12, dari gambar tersebut dapat dinyatakan

r − r0 = (x − x0 )i + (y − y0 )j (3.32)

dan dapat dinyatakan

y − y0 b
= (3.33)
x − x0 a
Persamaan 3.33 menggambarkan suatu persamaan garis yang melalui titik
(x0 , y0 ) yang paralel dengan suatu vektor A = ai + bj.
Dengan cara yang sama dapat pula diperoleh untuk kasus 3 dimensi, ja-
di persamaan garis lurus yang melalui titik (x0 , y0 , z0 ) yang sejajar dengan
vektor A = ai + bj + ck adalah
x − x0 y − y0 z − z0
= = (3.34)
a b c
Persamaan garis lurus dalam ruang juga dapat dinyatakan menggunakan
persamaan parametrik. Tinjau suatu titik P yang koordinatnya dinyatakan
dengan (xP , yP , zP ). Vektor posisi titik ini dapat dinyatakan sebagai rP =
xp i + yP j + zP k. Jika garis yang melalui titik P tersebut mempunyai arah
yang dinyatakan dengan vektor tertentu A, maka vektor posisi titik-titik yang
berada di sepanjang garis tersebut dapat dinyatakan sebagai berikut

s ar
r = rP + At
ba (3.35)
kh

dengan t adalah suatu parameter.

15

Contoh
20
1

Tentukan persamaan garis yang melalui titik (0, 1, 2) dan searah de-
m

ngan vektor i + j + k.
se
01

Dengan menggunakan persamaan parametrik yang telah dijelaskan se-

21

belumnya, maka garis lurus tersebut dapat dinyatakan dalam bentuk

l fi

vektor posisi titik-titik yang terletak sepanjang garis sebagai berikut

ku
ca

r = j + 2k + (i + j + k)t
= ti + (1 + t)j + (2 + t)k

Jika menggunakan persamaan 3.34, maka dapat dinyatakan sebagai

berikut
x y−1 z−2
= = =⇒ x = y − 1 = z − 2
1 1 1

Selanjutnya misalkan ingin diketahui persamaan garis lurus yang melalui

titik (x0 , y0 ) dan tegak lurus suatu vektor N = ai + bj, ilustrasinya ditun-
jukkan dalam Gambar 3.13. Vektor yang menggambarkan garis lurus yang

khbasar2015
c
60 Aljabar Linier

r − r0
(x, y)
(x0 , y0 )

Gambar 3.13 Penggunaan vektor untuk menentukan persamaan garis dengan sya-
rat tertentu.

dimaksud dapat dinyatakan sebagai

r − r0 = (x − x0 )i + (y − y0 )j

garis tersebut tegak lurus dengan vektor N = ai + bj sehingga dot productnya

sama dengan nol, hal ini memberikan

a(x − x0 ) + b(y − y0 ) = 0

yang berarti dapat dinyatakan dalam bentuk

s ar
y − y0 a ba
=− (3.36)
x − x0 b
kh
15

Cara yang sama juga dapat diterapkan dalam kasus 3 dimensi, yaitu men-
20

cari persamaan bidang datar yang tegak lurus suatu vektor tertentu. Misalnya
ingin dicari persamaan bidang yang melalui titik (x0 , y0 , z0 ) dan tegak lurus
1
m

suatu vektor N = ai + bj + ck. Tinjau suatu titik sembarang (x, y, z) yang

se

terdapat pada bidang tersebut. Dapat mudah dipahami bahwa bila ada dua
01

titik yaitu (x0 , y0 , z0 ) dan (x, y, z) yang terletak pada suatu bidang datar ma-
21

ka vektor yang menghubungkan kedua titik tersebut merupakan vektor yang

terletak pada bidang datar yang dimaksud. Dalam hal ini jika vektor yang
l fi

terletak pada bidang datar tersebut dinyatakan sebagai vektor r − r0 , maka

ku

dapat dituliskan sebagai berikut

ca

r − r0 = (x − x0 )i + (y − y0 )j + (z − z0 )k

Vektor r−r0 tersebut terletak pada bidang, maka berarti vektor tersebut akan
tegak lurus dengan vektor N yang merupakan vektor normal (vektor yang
tegak lurus pada permukaan bidang) dan dengan demikian (r − r0 ) · N = 0.
Hal ini memberikan

khbasar2015
c
3.5 Garis dan Bidang 61

((x − x0 )i + (y − y0 )j + (z − z0 )k) · ai + bj + ck = 0
a(x − x0 ) + b(y − y0 ) + c(z − z0 ) = 0
ax − ax0 + by − by0 + cz − cz0 = 0
ax + by + cz = ax0 + by0 + cz0 ≡ d

Dengan demikian persamaan bidang datar yang melalui titik sembarang

(x0 , y0 , z0 ) dan tegak lurus suatu vektor N = ai + bj + ck dapat dinyatakan
dalam bentuk
ax + by + cz = ax0 + by0 + cz0 ≡ d (3.37)

Contoh 1
Tentukan persamaan bidang yang melalui tiga buah titik yaitu
A(−1, 1, 1), B(2, 3, 0) dan C(0, 1, −2).

Dapat dengan mudah dimengerti bahwa melalui tiga buah titik sem-
barang dapat dibuat bidang datar yang spesifik. Ketiga titik tersebut
terletak pada bidang yang dimaksud, sehingga vektor yang menghu-
bungkan dua buah titik adalah vektor yang terletak pada bidang. Un-
tuk ketiga titik seperti tersebut di atas, dapat dicari misalnya vektor
−−→ −→
AB yang menghubungkan titik A dan titik B serta vektor AC yang

ar
menghubungkan titik A dan titik C, yaitu
s
ba
−−→
kh

AB = (2, 3, 0) − (−1, 1, 1) = (3, 2, −1) = 3i + 2j − k

−→
15

AC = (0, 1, −2) − (−1, 1, 1) = (1, 0, −3) = i − 3k

20

kedua vektor tersebut adalah vektor-vektor yang terletak pada bidang

1
m

datar yang ingin dicari persamaannya. Selanjutnya bila kedua vektor

se

tersebut di-cross-product-kan maka akan diperoleh vektor yang tegak

01

lurus keduanya, dengan kata lain vektor yang dihasilkan akan tegak
lurus (vektor normal) bidang datar yang melalui ketiga titik A, B dan
21

−−→ −→
l fi

C. Perkalian silang vektor AB dan vektor AC memberikan

ku

−−→ −→
N = AB × AC = (3i + 2j − k) × (i − 3k)
ca

= −6i + 8j − 2k

Dengan demikian persamaan bidang datar yang dimaksud dapat di-

peroleh menggunakan persamaan 3.37 dengan mengambil salah satu
titik pada bidang (misalnya titik B(2, 3, 0)), yaitu

−6(x − 2) + 8(y − 3) − 2z = 0 atau 3x − 4y + z + 6 = 0

khbasar2015
c
62 Aljabar Linier

Contoh 2

Tentukan jarak dari titik P (1, −2, 3) ke bidang datar yang persama-
annya 3x − 2y + z + 1 = 0.

Tinjau dua buah titik yang terletak pada bidang, misalnya titik Q
dan titik R. Salah satu titik ini (misalnya titik Q) terletak sedemikian
rupa sehingga segitiga P QR yang terbentuk adalah segitiga siku-siku
dengan sudut siku-siku di Q. Hal ini berarti sisi P Q dan sisi QR adalah
sisi-sisi tegak dan sisi P R adalah sisi miring segitiga siku-siku tersebut.
Jarak antara titik P dengan bidang datar tersebut dinyatakan dengan
panjang P Q.
Titik R adalah titik sembarang sehingga titik ini dapat ditentukan
dengan mudah dari persamaan bidang, yaitu konfigurasi x, y dan z
yang memenuhi persamaan bidang, misalnya diperoleh titik (0, 0, −1).
Selanjutnya dari persamaan bidang dapat diperoleh vektor normal
bidang yang melalui titik R tersebut yaitu dengan membandingkannya
dengan persamaan 3.37

N = 3i − 2j + k

ar
Selanjutnya vektor satuan dalam arah normal bidang adalah

s
ba
N 3i − 2j + k
n= = √
kh

|N| 14
15

Dengan demikian dapat diperoleh panjang sisi P Q pada segitiga P QR

20

sebagai berikut
1
m

 
−→ 3i − 2j + k 
se


|P Q| = |P R| · n = (−i + 2j − 4k) · √
14
01


11
21

=√
14
l fi
ku
ca

3.6 Operasi Matriks

Persamaan Matriks

Dua buah matriks dikatakan sama jika keduanya identik, artinya jumlah baris
keduanya sama dan demikian juga jumlah kolom keduanya sama  serta kom-

a −1 0
ponen pada posisi yang sama juga sama. Misalnya matriks A = 1 b 2
3 3 c

khbasar2015
c
3.6 Operasi Matriks 63
 
−2 x 0
dan matriks B =  1 0 y , jika matriks A = B maka artinya
z 33

a = −2; b = 0; c = 3; x = −1; y = 2; z = 3

Penjumlahan dan Pengurangan Matriks

Matriks yang dapat dijumlahkan atau dikurangi adalah matriks-matriks de-

ngan ukuran yang sama. Penjumlahan atau pengurangan matriks secara se-
derhana adalah penjumlahan atau pengurangan elemen-elemen pada posisi
yang sama. Artinya dapat dinyatakan

Cij = (A + B)ij = aij + bij (3.38)

   
1 5 −2 −1 3 0
Misalkan A = dan B = maka hasil penjumlahan
−3 0 6   2 12
0 8 −2
keduanya adalah A + B = sedangkan pengurangannya adalah
−1 1 8
 
2 2 −2
A−B= .

ar
−5 −1 4

s
Beberapa sifat penting dalam penjumlahan/ pengurangan matriks:
ba
kh

• A+B=B+A
• (A + B) + C = A + (B + C)
15

• A+0=A
20

• A + (−A) = 0
1
m
se

Perkalian Matriks
01
21

Perkalian dengan skalar (bilangan) Bila suatu matriks dikalikan dengan

l fi

bilangan, maka diperoleh matriks dengan ukuran yang sama. Komponen-

ku

komponen matriks asal dikalikan dengan bilangan skalar pengali tersebut

ca

(cA)ij = caij (3.39)

   
1 5 −2 2 10 −4
Misalkan A = maka 2A =
−3 0 6 −6 0 12
Beberapa sifat penting dalam operasi perkalian matriks dengan bilangan
skalar:
• c(A + B) = cA + cB
• (c + k)A = cA + kA
• c(kA) = (ck)A = ckA
• 1A = A

khbasar2015
c
64 Aljabar Linier

Inner Product Ini adalah perkalian dua buah matriks. Dua buah matriks
dapat dikalikan (inner product) jika banyaknya kolom matriks pertama sama
dengan banyaknya baris matriks kedua. Matriks hasilnya mempunyai jumlah
baris yang sama dengan jumlah baris matriks pertama dan mempunyai jum-
lah kolom
 yang sama dengan jumlah
  kolom matriks kedua. Misalnya matriks
ab ef
A= dan matriks B = maka hasil kali keduanya adalah
cd gh
  
ab ef
AB =
cd gh
  (3.40)
ae + bg af + bh
=
ce + dg cf + dh

Secara umum AB tidak sama dengan BA, yang berarti perkalian matriks
(inner product) tidak bersifat komutatif.
Contoh

Tentukan
  hasil kali matriks
 (inner
 product) antara matriks A =
4 2 15 3
dan matriks B =
−3 1 2 7 −4

ar
s
   ba
4 2 15 3
kh

AB =
−3 1 2 7 −4
15

 
(4 · 1 + 2 · 2) (4 · 5 + 2 · 7) (4 · 3 + 2 · −4)
=
20

(−3 · 1 + 1 · 2) (−3 · 5 + 1 · 7) (−3 · 3 + 1 · −4)

1

 
8 34 4
m

=
−1 −8 −13
se
01
21

Beberapa sifat penting yang berkaitan dengan perkalian antar dua matriks
l fi

(inner product):
ku

• (kA)B = k(AB) = A(kB)

ca

• A(BC) = (AB)C
• (A + B)C = AC + BC
• C(A + B) = CA + CB
Direct Product Direct product dikenal juga sebagai direct tensor atau
Kronecker product. Jika A adalah matriks m×m dan B adalah matriks n×n,
maka direct product antara keduanya dilambangkan dengan C = A⊗B dengan
C adalah matriks yang berukuran mn × mn.  
ab
Misalkan A dan B masing-masing adalah matriks 2×2 dengan A =
  cd
ef
dan B = , maka direct product antar keduanya adalah
gh

khbasar2015
c
3.6 Operasi Matriks 65
   
ab ef
A⊗B= ⊗
cd gh
 
ae af be bf (3.41)
 ag ah bg bh 
=
 ce

cf de df 
cg ch dg dh

Direct product akan banyak dijumpai dalam persoalan mekanika kuantum.

Matriks Nol dan Matriks Identitas

Matriks nol (zero matrix atau null matrix ) adalah matriks yang semua ele-
mennya sama dengan nol, yaitu
 
000
0=
000

Suatu matriks yang ditambahkan atau dikurangkan dengan matriks nol akan
menghasilkan matriks itu sendiri atau dinyatakan sebagai berikut

A+0=0+A=A

sar
ba
Matriks identitas adalah matriks persegi yang elemen pada diagonal uta-
kh
manya sama dengan 1 sedangkan elemen lainnya sama dengan 0. Diagonal
utama adalah diagonal dari kiri atas ke kanan bawah pada matriks persegi
15

(square matrix ). Matriks identitas disebut juga sebagai matriks satuan dan
20

biasanya dilambangkan dengan I atau 1, yaitu

1
m

 
100
se

I = 1 = 0 1 0
01

001
21
l fi

Inner product antara suatu matriks dengan matriks identitas akan mengha-
silkan matriks itu sendiri, yaitu
ku
ca

AI = IA = A

Invers Matriks

Invers dari suatu matriks A dinyatakan dengan A−1 , sedemikian sehingga

bila matriks A dikalikan (inner product) dengan inversnya atau sebaliknya
maka hasilnya adalah matriks satuan atau matriks identitas

AA−1 = A−1 A = 1 = I (3.42)

khbasar2015
c
66 Aljabar Linier

Hanya matriks persegi (square matrix ) saja yang mempunyai invers, namun
tidak semua matriks persegi memiliki invers. Matriks yang memiliki invers
dinamakan invertible, sedangkan yang tidak memiliki invers dinamakan si-
ngular. Invers dari suatu matriks dapat diperoleh dengan cara:
1
A−1 = CT (3.43)
det A
dengan Cij adalah cofactor dari
 aij . 
1 0 −1
Misalkan suatu matriks A =  −2 3 0  dengan menggunakan persamaan
1 −3 2
3.10 dapat diperoleh bahwa det A = 3. Kemudian cofactor dari setiap elemen
matriks A dapat diperoleh sebagai berikut:
     
 3 0  −2 0   −2 3 
C11 =   = 6; C12 = −   = 4; C 13 =  1 −3  = 3;
 
 −3 2   1 2
  
 
 0 −1 
 = 3; C22 =  1 −1  = 3; C23 = −  1 0  = 3;
   
C21 = − 
 −3 2 1 2   1 −3
    
 0 −1   1 −1   1 0
C31 =   = 3; C32 = − 
 −2 0  = 2; C33 =  −2 3  = 3
  
3 0 

ar
 
643
s
diperoleh matriks C berbentuk C =  3 3 3 , kemudian CT =
maka
ba
kh

  323
63 3
15

4 3 2 . Jadi invers dari matriks A adalah

20

33 3
1
m

1
se

A−1 = CT
det
A
01


633 (3.44)
1
21

= 4 3 2
l fi

3
333
ku

Dapat ditunjukkan bahwa AA−1 = A−1 A = I.

ca

Contoh
 
69
Tentukanlah invers dari matriks A = .
35

Determinan matriks A tersebut adalah

det A = 6 · 5 − 9 · 3 = 3

khbasar2015
c
3.6 Operasi Matriks 67

Matriks cofactor dari matriks A tersebut komponen-komponennya

adalah
C11 = 5; C12 = −3; C21 = −9; C22 = 6
 
5 −3
=⇒ C =
−9 6
 
5 −9
CT =
−3 6
Jadi invers matriks A adalah
   5 
1 5 −9 −3
A−1 = = 3
3 −3 6 −1 2

Cara lainnya yang dapat digunakan adalah metode inversi Gauss-Jordan

yang prinsipnya mirip dengan cara reduksi baris. Berikut akan diberikan
contohnya.
• Tuliskan matriks A (sebelah kiri) dan pasangannya (sebelah kanan) yang
berupa matriks identitas, pada akhir proses matriks sebelah kiri akan men-
jadi matriks identitas sementara matriks sebelah kanan menjadi A−1 :

ar
   
1 0 −1 100
s
ba
 −2 3 0  0 1 0
kh

1 −3 2 001
15

• Kalikan tiap baris dengan bilangan tertentu agar didapat kolom pertama
20

matriks sebelah kiri sama dengan 1:

1
m

   
1 0 −1 1 0 0
se

1 −3 0  0 −1 0
01

2 2
1 −3 2 0 0 1
21
l fi

• baris kedua dan baris ketiga masing-masing dikurangi baris pertama:

ku

   
1 0 −1 1 0 0
ca

0 −3 1   −1 − 1 0 
2 2
0 −3 3 −1 0 1

• Kalikan baris kedua dengan − 23 :

   
1 0 −1 1 00
0 1 −2   2 1 0
3 3 3
0 −3 3 −1 0 1

• Tambahkan baris ketiga dengan tiga kali baris kedua:

khbasar2015
c
68 Aljabar Linier
   
1 0 −1 1 00
0 1 −2   2 1 0
3 3 3
00 1 1 11

• Tambahkan baris kedua dengan 32 kali baris ketiga:

   
1 0 −1 100
0 1 0  4 1 2
3 3
00 1 111

• Tambahkan baris pertama dengan baris ketiga:

   
100 211
0 1 0 4 1 2
3 3
001 111
 
211
Sehingga diperoleh bahwa A−1 =  43 1 23  sebagaimana yang telah di-
111
peroleh sebelumnya.
Matriks yang inversnya sama dengan transposnya dinamakan matriks or-
togonal, dalam hal ini dinyatakan AT = A−1 .

sar
ba
kh

Matriks Khusus
15

Beberapa matriks persegi memiliki penamaan khusus dan cukup sering di-
20

jumpai dalam penyelesaian persoalan fisis. Beberapa di antaranya adalah

1
m

• Matriks segitiga atas (upper triangular ) dan matriks segitiga ba-

se

wah (lower triangular )

01

Matriks segitiga atas adalah matriks persegi yang elemen di bagian bawah
21

diagonal utamanya sama dengan nol, yaitu

l fi

 
a11 a12 a13
ku

A =  0 a22 a23 
ca

0 0 a33

Sedangkan matriks segitiga bawah adalah matriks persegi yang elemen di

bagian atas diagonal utamanya sama dengan nol, yaitu
 
b11 0 0
B = b21 b22 0 
b31 b32 b33

• Matriks simetrik (symmetric) dan matriks anti simetrik (anti-

symmetric)

khbasar2015
c
3.6 Operasi Matriks 69

Matriks simetrik adalah matriks persegi yang transpose-nya sama dengan

matriks itu sendiri, yaitu artinya

AT = A

sedangkan matriks anti simetrik adalah yang memenuhi hubungan

AT = −A

Untuk matriks yang anti simetrik elemen pada diagonal utama sama de-
ngan nol.
• Matriks Hermitian dan matriks anti-Hermitian
Matriks Hermitian adalah matriks persegi yang memenuhi hubungan

A = A†

simbol † menyatakan konjugat Hermitian (atau adjoint). Konjugat Her-

mitian dari suatu matriks adalah transpose dari konjugate kompleksnya
atau konjugate kompleks dari transposenya, yaitu

A† = (A∗ )T = (AT )∗

ar
Sedangkan matriks yang anti-Hermitian adalah yang memenuhi hubungan

s
berikut ba
A† = −A
kh

• Matriks uniter (unitary )

15

Matriks uniter adalah matriks persegi yang memenuhi hubungan sebagai

20

berikut
1

A† = A−1
m
se
01

Transformasi: Linier dan Rotasi

21
l fi

Perhatikan persamaan linier berikut ini

ku
ca

X = ax + by
(3.45)
Y = cx + dy

dengan a, b, c dan d adalah bilangan. Persamaan tersebut menyatakan bahwa

untuk setiap nilai x dan y, dapat diperoleh nilai pasangannya yaitu X dan
Y . Persamaan 3.45 tersebut dapat dituliskan dalam bentuk operasi matriks
yaitu
    
X ab x
=
Y cd y (3.46)
R = Mr

khbasar2015
c
70 Aljabar Linier
 
ab
dengan M = menyatakan matriks yang mengubah titik (atau vektor)
cd
(x, y) menjadi titik (atau vektor) (X, Y ). Karenanya matriks M tersebut
dinamakan matriks transformasi. Tranformasi ini merupakan transformasi
linier karena hubungan antar variabel-variabel x, y, X, Y adalah linier.
Persamaan 3.46 dapat diilustrasikan sebagaimana Gambar 3.14. Artinya

(X, Y )

R (x, y)
r

Gambar 3.14 Transformasi vektor r menjadi R seperti yang dinyatakan dengan

persamaan 3.46.

persamaan 3.46 menggambarkan transformasi suatu vektor menjadi vektor

ar
lain (dalam sistem koordinat yang tetap).

s
Transformasi linier juga dapat dipahami dalam pengertian yang berbeda,
ba
misalnya tinjau transformasi berikut
kh
15

 0    
x ab x
= , atau r0 = M r (3.47)
20

y0 cd y
1
m

transformasi tersebut dapat dipandang sebagai transformasi sumbu kordinat

se

(dengan vektor yang tetap) sebagaimana ditunjukkan dalam Gambar 3.15.

01
21
l fi

y
ku
ca

r = r0
y0 x0

Gambar 3.15 Transformasi sumbu koordinat (rotasi) seperti yang dinyatakan de-
ngan persamaan 3.47.

khbasar2015
c
3.6 Operasi Matriks 71

Jika suatu transformasi linier menghasilkan vektor yang panjangnya tetap

maka transformasi tersebut dinamakan transformasi yang ortogonal dan ma-
triks yang merepresentasikan transformasi tersebut merupakan matriks yang
ortogonal (orthogonal matrix ).
Contoh
Tentukanlah bentuk matriks transformasi yang menggambarkan rotasi
sumbu kordinat XY sebesar sudut θ dengan arah berlawanan arah
jarum jam

Tinjau suatu vektor r = xî + y ĵ dengan î dan ĵ masing-masing adalah

vektor satuan dalam arah sumbu X dan Y pada sistem kordinat XY
seperti ditunjukkan dalam gambar.
Y
Y0
y
r0
r=

y0 X0
0
x

ar
θ X
s
x ba
kh

Misalkan sistem kordinat tersebut dirotasi dengan sudut sebesar θ

menjadi sistem kordinat X 0 Y 0 dan vektor satuan dalam sistem kordi-
15

nat X 0 Y 0 masing-masing adalah î0 dan ĵ 0

20
1

x = r · î; y = r · ĵ
m
se

0 0
x = r · î ; y = r · ĵ 0
0
01

Sedangkan
21

r = xî + y ĵ
l fi
ku

Maka akan dapat dinyatakan

ca

x0 = r · î0 = (xî + y ĵ) · î0

= x cos θ + y cos(π/2 − θ)
= x cos θ + y sin θ
y = r · ĵ 0 = (xî + y ĵ) · ĵ 0
0

= x cos(π/2 + θ) + y cos θ
= −x sin θ + y cos θ

jadi akan diperoleh

khbasar2015
c
72 Aljabar Linier

 0   
x cos θ sin θ x
=
y0 − sin θ cos θ y

Dengan
 demikian
 matriks rotasi yang dimaksud adalah
cos θ sin θ
.
− sin θ cos θ

3.7 Nilai Eigen dan Vektor Eigen

Seringkali dijumpai persoalan fisis yang dinyatakan dengan persamaan beri-

kut
Mr = λr (3.48)
dengan M adalah matriks persegi (square matrix ) dan r adalah suatu vektor
sedangkan λ adalah bilangan. Persamaan 3.48 menggambarkan suatu vektor
r yang ditransformasikan dengan matriks M dan hasilnya adalah suatu vektor
baru yang dapat dinyatakan dengan suatu bilangan tertentu dikalikan dengan
vektor asalnya. Artinya transformasi seperti ini membuat vektor r menjadi

ar
lebih panjang atau lebih pendek namun dengan arah yang tetap ataupun
s
ba
berlawanan. Dengan kata lain vektor baru yang dihasilkan dari transforma-
kh

si tersebut sejajar dengan vektor asal. Persoalan yang dirumuskan dengan

15

persamaan 3.48 tersebut dikenal sebagai Persoalan Nilai Eigen (Eigen Va-
lue Problem). Persoalan serupa juga dijumpai dalam bentuk lain: Mψ = λψ,
20

dengan M menyatakan suatu operator dan ψ suatu fungsi.

1
m

Bilangan λ dikenal sebagai nilai eigen (eigen value) sedangkan vektor r

se

dinamakan vektor eigen (eigen vector ) dari matriks transformasi M. Nilai

eigen λ, vektor eigen r dan matriks M merupakan satu kesatuan yang unik.
01

Artinya meskipun matriks transformasinya tetap M namun nilai eigennya

21

belum tentu sama dengan λ jika vektor eigennya bukan r.

l fi

Berikut ini akan diuraikan cara untuk mencari nilai eigen dan vektor ei-
ku

gen dari suatu transformasi. Misalkan

 suatutransformasi yang dinyatakan
ca

5 −2
dengan matriks transformasi M = . Dengan transformasi ini su-
−2 2
 
x
atu vektor yang dinyatakan dengan menjadi suatu vektor lain yaitu
  y
x
λ . Dengan notasi matriks, tranformasi tersebut dapat dinyatakan seba-
y
gai berikut     
5 −2 x x
=λ (3.49)
−2 2 y y

khbasar2015
c
3.7 Nilai Eigen dan Vektor Eigen 73

Persamaan matriks tersebut dapat dituliskan dalam bentuk persamaan linier

menjadi

5x − 2y = λx
(3.50)
−2x + 2y = λy

atau
(5 − λ)x − 2y = 0
(3.51)
−2x + (2 − λ)y = 0

dan bila disusun kembali dalam bentuk matriks

  
5 − λ −2 x
=0 (3.52)
−2 2 − λ y

Persamaan tersebut adalah persamaan homogen yang solusinya dapat dipe-

roleh (untuk x dan y selain 0) jika determinan matriksnya sama dengan 0.
Dengan demikian berarti
 
 5 − λ −2 
 −2 2 − λ  = 0 (3.53)
 

ar
Persamaan tersebut disebut persamaan karakteristik matriks M. Dengan de-
s
ba
mikian diperoleh persamaan kuadrat dalam λ
kh

(5 − λ)(2 − λ) − 4 = 0
15

(3.54)
20

λ2 − 7λ + 6 = 0
1
m

yang memberikan
se

λ=1 atau λ=6 (3.55)

01

Kedua nilai λ yang diperoleh pada persamaan 3.55 adalah nilai eigen dari
21

matriks M.
l fi

Bila nilai eigen yang diperoleh tersebut disubstitusi ke persamaan 3.51

ku

maka diperoleh
ca

untuk λ = 1 → 2x − y = 0
(3.56)
untuk λ = 6 → x + 2y = 0

Kembali ke ungkapan operasi matriks seperti yang dinyatakan dengan per-

samaan 3.48, vektor eigen yang berkaitan dengan matriks M adalah vektor r
sedemikian sehingga hasil transformasinya memberikan vektor yang sejajar
dengan r. Untuk nilai eigen λ = 1 kondisi tersebut dipenuhi oleh vektor yang
dinyatakan dengan persamaan garis 2x − y = 0 atau y = 2x. Vektor-vektor
yang memenuhi syarat ini tak hingga banyaknya (misalnya vektor i + 2j, vek-
tor 2i+4j, vektor −i−2j dan lain sebagainya) namun kesemuanya mempunyai

khbasar2015
c
74 Aljabar Linier

vektor satuan yang dapat dinyatakan dengan rˆ1 = √15 (i + 2j). Untuk nilai
eigen λ = 6 kondisi tersebut dipenuhi oleh vektor yang dinyatakan dengan
persamaan garis x + 2y = 0 atau y = − 21 x, artinya vektor satuannya adalah
rˆ2 = √15 (−2i + j). Kedua vektor eigen tersebut ditunjukkan dalam Gambar
3.16.

y
2x − y = 0

r̂1
r̂2

x + 2y = 0

ar
s
ba
Gambar 3.16 Vektor-vektor eigen untuk matriks M.
kh
15

Terlihat bahwa dengan nilai eigen dan vektor eigen yang telah diperoleh
20

maka persoalan nilai eigen untuk kasus ini dapat dinyatakan kembali yaitu
1

(misalnya dengan mengambil vektor i + 2j dan −2i + j):

m
se

      
5 −2 1 1 1
01

= =1
−2 2 2 2 2
21

dan
l fi

      
5 −2 −2 −12 −2
ku

= =6
−2 2 1 6 1
ca

3.8 Diagonalisasi Matriks

Diagonalisasi adalah proses (transformasi) yang dilakukan untuk membuat

suatu matriks persegi (square matrix ) menjadi matriks diagonal.
Bila persamaan 3.51 dituliskan kembali dengan menggunakan kedua nilai
eigen, masing-masing dihubungkan dengan variabel (x1 , y1 ) dan (x2 , y2 ) maka
diperoleh empat buah persamaan-persamaan berikut:

khbasar2015
c
3.8 Diagonalisasi Matriks 75

5x1 − 2y1 = x1 , 5x2 − 2y2 = 6x2

(3.57)
−2x1 + 2y1 = y1 , −2x2 + 2y2 = 6y2

Keempat persamaan-persamaan tersebut dapat disusun dalam bentuk suatu

perkalian matriks sebagai berikut
     
5 −2 x1 x2 x1 x2 10
= (3.58)
−2 2 y1 y2 y1 y2 06

(x1 , y1 ) memenuhi persamaan 2x1 −y1 = 0 dan (x2 , y2 ) memenuhi persamaan

x2 + 2y2 = 0 sehingga dapat dinyatakan
1 2 2 1
x1 = √ , y1 = √ , x2 = − √ , y2 = √ (3.59)
5 5 5 5
sehingga dapat dituliskan
! !
√1 − √25 √1 − √25
  
5 −2 5 5 10
√2 √1
= √2 √1
−2 2 5 5 5 5
06 (3.60)
MC=CD

terlihat bahwa matriks C adalah matriks yang dibentuk oleh vektor-vektor

ar
eigen dari matriks M sedangkan matriks D adalah matriks yang dibentuk oleh
s
ba
nilai-nilai eigen dari matriks M. Bila matriks C adalah invertible, maka dapat
kh

diperoleh inversnya sebagaimana yang telah diuraikan sebelumnya, sehingga

diperoleh
15

 1√ 2√ 
5 5 √5
20

−1 5 √
C =
− 25 5 15 5
1
m

kemudian bila persamaan 3.60 dikalikan dengan C−1 maka diperoleh

se
01

C−1 M C = C−1 C D
(3.61)
21

=D
l fi

Persamaan 3.61 menunjukkan bahwa suatu transformasi tertentu mengubah

ku

matriks M menjadi suatu matriks diagonal. Transformasi tersebut direpre-

ca

sentasikan dengan matriks C yang ternyata berkaitan dengan vektor-vektor

eigen dari matriks M. Proses tersebut dinamakan diagonalisasi matriks
karena mentransformasikan suatu matriks menjadi berbentuk matriks dia-
gonal.
Dengan demikian proses diagonalisasi suatu matriks M dapat dirangkum-
kan sebagai berikut:
• Cari nilai-nilai eigen dan vektor eigen matriks M
• Bentuk matriks C dari vektor-vektor eigen, ingat bahwa vektor-vektor
tersebut perlu dinyatakan dalam bentuk vektor normal
• Cari invers dari matriks C

khbasar2015
c
76 Aljabar Linier

• Lakukan transformasi C−1 M C untuk memperoleh matriks diagonal yang

diinginkan.
Untuk memahami makna matriks D, perhatikan Gambar 3.17. Pada gam-
bar tersebut sumbu koordinat XY dirotasi dengan sudut θ sehingga menjadi
sumbu koordinat X 0 Y 0 . Vektor R dan r adalah dua vektor dalam sistem
koordinat XY . Kedua vektor tersebut adalah R0 dan r0 bila dinyatakan da-
lam sistem koordinat X 0 Y 0 . Telah dijelaskan sebelumnya bahwa rotasi sumbu
koordinat dapat dinyatakan menggunakan matriks transformasi. Dalam hal
ini, suatu titik (x0 , y 0 ) dalam sistem koordinat X 0 Y 0 bila dinyatakan dalam
sistem koordinat XY adalah

Y
Y0 r = r0

R = R0
X0

θ X

sar
ba
Gambar 3.17 Interpretasi matriks diagonal D pada proses diagonalisasi.
kh
15
20

x = x0 cos θ − y 0 sin θ
1

(3.62)
y = x0 sin θ + y 0 cos θ
m
se

atau dapat dinyatakan

01
21

 
cos θ − sin θ
r = Cr0 ,
l fi

dengan C = (3.63)
sin θ cos θ
ku
ca

Ungkapan tersebut berlaku untuk sembarang vektor lainnya sehingga untuk

R dapat pula dinyatakan dalam bentuk yang sama

R = CR0 (3.64)

Kemudian misalkan matriks M adalah menyatakan transformasi yang meng-

ubah vektor r menjadi vektor R (ini merupakan transformasi dalam sistem
koordinat XY ), hal ini berarti

R = Mr (3.65)

Dengan membandingkan kedua persamaan tersebut diperoleh

khbasar2015
c
3.9 Aplikasi Diagonalisasi Matriks 77

CR0 = Mr =⇒ R0 = C−1 Mr =⇒ R0 = C−1 MCr0 (3.66)

Hal ini berarti matriks C−1 M C mentransformasikan vektor r0 menjadi vek-

tor R0 (dalam sistem koordinat X 0 Y 0 ).
Jika matriks D ≡ C−1 M C berbentuk matriks diagonal, hal ini berarti
matriks C dibentuk dari vektor-vektor eigen matriks M sebagaimana yang
telah ditunjukkan sebelumnya.

3.9 Aplikasi Diagonalisasi Matriks

Sumbu utama suatu objek

Suatu irisan kerucut dinyatakan dengan persamaan

Ax2 + 2Hxy + By 2 = K

dengan A, H, B dan K adalah konstanta. Bila disusun dalam bentuk perka-

lian matriks, persamaan tersebut dapat dituliskan menjadi
  

AH x

ar
xy =K
H B y
s
 
ba
x
kh


xy M =K
y
15
20

Ingin ditentukan sumbu-sumbu utama irisan kerucut tersebut sedemikian

sehingga persamaannya menjadi lebih sederhana. Hal ini dilakukan dengan
1
m

mendiagonalisasi matriks M, dengan kata lain mencari nilai eigen dan vektor
se

eigen dari matriks M. Lebih spesifik, misalkan A, H, B dan K masing-masing

01

adalah 5, −2, 2 dan 30, sehingga persamaan irisan kerucut yang ditinjau
adalah
21

5x2 − 4xy + 2y 2 = 30
l fi
ku

Plot irisan kerucut dengan persamaan seperti di atas ditunjukkan dalam

ca

gambar 3.18(a). Persamaan irisan kerucut tersebut dapat dituliskan dalam

bentuk perkalian
 matriks
 seperti yang telah dijelaskan di atas dengan bentuk
5 −2
matriks M = . Pada bagian terdahulu matriks ini telah dicari nilai
−2 2
eigen dan vektor eigennya. Telah diperoleh bahwa

C−1 M C = C−1 C D
 
10
=D=
06

khbasar2015
c
78 Aljabar Linier

Maka persamaan irisan kerucut tersebut bila dinyatakan relatif terhadap

sumbu-sumbu utamanya adalah
  0

10 x
0 0
x y = x02 + 6y 02 = 30 (3.67)
06 y0

Matriks C yang merupakan matriks vektor

! eigen yang berkaitan dengan
√1 − √2
transformasi ini adalah C = 5 5 . Bila matriks ini dibandingkan
√2 √1
5 5
dengan matriks rotasi sumbu koordinat (persamaan ??), maka dapat dipe-
roleh  
1
θ = arccos √
5
Hal ini berarti sumbu utama x0 y 0 diperoleh dengan merotasi sumbu xy de-
ngan sudut rotasi sebesar θ. Ilustrasi sumbu utama irisan kerucut tersebut
ditunjukkan dalam gambar 3.18(b).

y y

ar
s
ba
kh
15
20

x x
1
m
se
01
21
l fi
ku
ca

(a) (b)

Gambar 3.18 Ilustrasi sumbu utama irisan kerucut: (a) plot irisan kerucut 5x2 −
4xy + 2y 2 = 30, (b) vektor eigen yang menggambarkan sumbu utama irisan kerucut
tersebut.

khbasar2015
c
3.9 Aplikasi Diagonalisasi Matriks 79

Karakteristik vibrasi sistem pegas-massa

Tinjau persoalan dinamika suatu sistem yang terdiri dari dua buah benda
titik bermassa m dan tiga buah pegas identik dengan konstanta pegas k
seperti yang digambarkan dalam Gambar 3.19.

m m

x y

Gambar 3.19 Sistem tiga pegas dengan dua benda titik.

Misalkan x dan y menyatakan posisi sesaat dari masing-masing benda

titik relatif terhadap posisi setimbangnya. Energi potensial sistem ini adalah
energi potensial pegas total, yaitu
1 2 1 1
V = kx + (x − y)2 + ky 2 = k(x2 − xy + y 2 ) (3.68)
2 2 2

sar
Persamaan gerak benda dapat diperoleh dari turunan energi potensial terse-
ba
but (yang menyatakan gaya yang bekerja pada benda), yaitu
kh
15

∂V
Fx = max = − = −2kx + ky
20

∂x
∂V
1

Fy = may = − = kx − 2ky
m

∂y
se

Persamaan diferensial tersebut mempunyai bentuk solusi berupa fungsi har-

01

monik (lebih lengkap tentang solusi persamaan diferensial akan dibahas pada
21

BAB 7), dapat dituliskan kembali menjadi

l fi
ku

−mω 2 x = −2kx + ky
ca

−mω 2 y = kx − 2ky

Dalam notasi matriks, persamaan tersebut dituliskan sebagai

mω 2
    
x 2 −1 x
λ = , dengan λ =
y −1 2 y k

yang merupakan persoalan nilai eigen (eigen value problem). Nilai eigen dari
matriks yang bersangkutan adalah
 
 2 − λ −1 
 −1 2 − λ  = 0 =⇒ λ = 1 atau λ = 3
 

khbasar2015
c
80 Aljabar Linier

Dengan demikian diperoleh frekuensi modus normal sistem yaitu yang ber-
kaitan dengan nilai-nilai eigen tersebut, yaitu
r
k
λ = 1 −→ ω1 =
m
r
3k
λ = 3 −→ ω2 =
m
Vektor eigen yang berkaitan adalah

untuk λ = 1 → y = x
untuk λ = 3 → y = −x

Hal ini berarti pada frekuensi ω1 (yang diperoleh untuk y = x), kedua benda
bergerak osilasi dalam arah yang sama bersamaan (yaitu sama-sama ke kiri
kemudian sama-sama ke kanan), sedangkan pada frekuensi ω2 (yang diperoleh
untuk y = −x), simpangan kedua benda saling berlawanan (saat yang satu
bergerak ke kiri yang lain bergerak ke kanan).

sar
ba
kh
15
20
1
m
se
01
21
l fi
ku
ca

khbasar2015
c
Paket Soal Bab 3

1. Tentukanlah rank matriks berikut  

  1 0 1 0
2 −3 5 3 −1 −2 −1 0
a. 4 −1 1 1 b. 
2 2 5

3
3 −2 3 4
2 4 8 6
2. Hitunglah determinan matriks berikut  
0 1 2 −1

ar
   
−2 3 4 5 17 3 −1 0 −3 0 
a.  3 4 −2 b.  2 4 −3
s
ba
c.  
−2 3 0 1 
5 6 −3 11 0 2
kh

1 0 −1 0
15

3. Gunakan metode Cramer untuk memperoleh nilai variabel z dari sistem

20

persamaan linier berikut

1
m


 (a − b)x − (a − b)y + 3b2 z = 3ab
se

(a + 2b)x − (a + 2b)y − (3ab + 3b2 )z = 3b2

01

bx + ay − (2b2 + a2 )z = 0

21

4. Benda titik bermassa m bergerak lurus sepanjang garis y = 2x − 3 dalam

l fi

arah kuadran tiga pada bidang koordinat xy dengan laju konstan v = 3

ku

m/s. Tentukanlah:
ca

a. Vektor kecepatan benda

b. Momentum sudut benda terhadap titik pusat koordinat.
5. Limas segiempat ABCDE mempunyai titik sudut A(0, 0, 0), B(2, 0, 0),
C(2, 2, 0), D(0, 2, 0), E(1, 1, 3).
−→ −−→
a. Tentukanlah panjang proyeksi vektor EA pada arah vektor EB
b. Tentukan persamaan bidang ABE
c. Tentukan jarak antara titik D ke bidang ABE

81
 82 Paket Soal Bab 3

6. Dalam kristalografi dikenal struktur kristal kubus berpusat muka (face-

centered cubic). Pada struktur ini, atom berada di titik sudut kubus dan
pada tengah tiap permukaan kubus. Misalkan suatu kubus berukuran a ×
a × a dan atom-atomnya terletak pada koordinat yang dinyatakan dengan
titik O (0, 0, 0), A (a, 0, 0), B (a, a, 0), C (0, a, 0), D (0, 0, a), E (a, 0, a),
F (a, a, a), G (0, a, a), H (a/2, 0, a/2), I (a, a/2, a/2), J (a/2, a, a/2), K
(0, a/2, a/2), L (a/2, a/2, 0), M (a/2, a/2, a). Bangun OLJKHIFM disebut
rhomboid dan merupakan sel basis (basic cell ) struktur tersebut.
a. Tentukan volume sebuah rhomboid
b. Tentukan sudut antara dua permukaan yang berpotongan pada rhom-
boid tersebut
7. Carilah invers matriks berikut  
    −1 2 3
69 2 1
a. b. c.  2 0 −4
35 0 −3
     −1 −1
 1
−2 0 1 1 −1 1 101
d.  1 −1 2 e. 4 0 −1 f. 2 1 1
3 1 0 4 −2 0 212
   
1 −1 1 101
8. Untuk dua matriks berikut A = 4 0 −1 dan B = 2 1 1, hitunglah

ar
4 −2 0
s
ba212
B −1 AB, B −1 A−1 B dan AB.
kh

9. Selesaikanlah sistem persamaan linier homogen berikut menggunakan me-

15

tode
 reduksi baris 
 x − 2y + 3z = 0 2x + 3z = 0
20

a. x + 4y − 6z = 0 b. 4x + 2y + 5z = 0
1

2x + 2y − 3z = 0 x − y + 2z = 0
m

 
se

10. Tentukanlah nilai eigen dan

 vektor
 eigen dari matriks
 berikut
01


  502 324
13
21

a. b. 0 3 0 c. 2 0 2
22
l fi

205 423
ku

11. Tentukan persamaan kurva atau permukaan berikut menurut sumbu uta-
ca

manya dan tentukanlah matriks transformasi yang menggambarkan tran-

sformasi dari sumbu awal menjadi sumbu utama
a. 2x2 + 4xy − y 2 = 24 b. 5x2 + 3y 2 + 2z 2 + 4xz = 14
2 2 2
c. x + 3y + 3z + 4xy + 4xz = 60

khbasar2015
c
ca
ku
l fi
21
01
se
m
1
20
15
kh
ba
sar