Aljabar Matriks PDF
Aljabar Matriks PDF
2 3 2
1 1 3
1 2 1
1
Macam matriks
• Matriks bujur sangkar, bila m = n
1 2 3
4 5 6
7 8 9 mxn
Macam matriks
• Matriks baris, bila m = 1
1 2 3 4 5 [ A ]mx1
• Matriks kolom, bila n = 1
1
2
3 [ A ]1x n
4
5
23/02/2014 Erwin Rommel-FT UMM 4
2
Macam matriks
• Matriks nol, bila aij = 0 :
0 0 0 0
0 0 0 0
0 0 0 0
• Matriks Diagonal,
Jika semua elemen sama dengan nol, kecuali
elemen-elemen diagonal utamanya.
1 0 0 0
0 2 0 0
aij = 0
aii ≠ 0
0 0 3 0
0 0 0 4
3
TYPE MATRIKS BUJUR SANGKAR
• Matriks Satuan (unit matriks).
Jika elemen-elemen diagonal sama
dengan 1 dan elemen-elemen yang lain
sama dengan nol.
1 0 0 0
0 1 0 0
= [I]
0 0 1 0
0 0 0 1
1 2 3
2 0 7
3 7 5
• Matriks skew-simetris, jika aij = - aji
1 2 3
2 0 7
3 7 5
4
OPERASI MATRIKS
• Kesamaan matriks
Dua matriks [A] dan [B] dikatakan sama bila
aij = bij
OPERASI MATRIKS
• Penjumlahan matriks
Bila [A] dan [B] punya orde yang sama, maka
kedua matriks tersebut bisa dijumlahkan
menjadi matriks [C]
5
EXAMPLE :
1 2 3 0 3 2
[A] = 4 5 6 [B] = 1 2 3
1 0 2 3 3 2
4 1 5 2 6 3
[C] =
1 5 5
5 7 9
[C] =
23/02/2014 Erwin Rommel-FT UMM 11
OPERASI MATRIKS
• Perkalian dengan skalar :
Suatu matriks [A] dapat dikalikan dengan bil.skalar k
menghasilkan suatu matriks
[D] = k [A]
dij = k . aij
Sifat-sifat perkalian skalar matriks:
k ( [A] + [B] ) = k [A] + k [B]
k ( [A] + [B] ) = ( [A] + [B] ) k
23/02/2014 Erwin Rommel-FT UMM 12
6
EXAMPLE :
1 2 3
[A]= ; k = -2
4 5 6
2 4 6
[D]= 8 10 12
OPERASI MATRIKS
• Perkalian matriks
Matriks [A]mxp dan [B]pxn dapat dikalikan menghasilkan
matriks baru
[E]mxn = [A]mxp [B]pxn
p
eij aik bkj
k 1
dimana :
i = 1, 2, … m ; j = 1, 2, … n ; k = 1, 2, … p
7
EXAMPLE :
2 1 5 3 4
[A] = 1 3 2 ; [B] = 1 2
2 x3
2 1 3 x 2
2 x3 1(1) 5 x 2 2 x 4 1x 2 5 x1
[E] =
1x3 3(1) 2 x 2 1x 4 3x 2 2 x1
15 15
[E] =
4 12 2 x 2
8
TRANSPOSE MATRIKS
Jika matriks [A] dengan orde m x n
EXAMPLE :
1 4
1 2 3
[A]T = 2 5
[A] =
4 5 6 2 x3 3 6 3 x 2
23/02/2014 Erwin Rommel-FT UMM 17
• ( k [A] )T = k [A]T
9
DETERMINAN MATRIX BUJUR SANGKAR
a11 a12
[A]2x2 = a
21 a 22
B b11 b22 .b33 b23b32 b12 b21.b33 b23.b31 b13 b21.b32 b22 .b31
10
INVERS MATRIKS BUJUR SANGKAR
• Matriks tidak bisa dibagi dengan matriks lainnya.
Sebagai analogi, digunakan INVERSE dari matriks
tersebut.
• Apabila [A] dan [B] adalah matriks bujur sangkar,
dan [A] [B] = [I] = [B] [A], maka
matriks [B] disebut inverse dari matrix [A], dan
matriks [A] adalah inverse dari matriks [B].
• Selanjutnya [A] disebut matriks NON SINGULAR
• Bila [A] tidak punya inverse disebut matriks
SINGULAR.
• Inverse dari matriks [A] biasa ditulis [A]-1
EXAMPLE :
6 2 3 1 2 3
[A] = 1 1
0 ; [A]-1 = 1 3 3
1 0 1 1 2 4
1 0 0
[A] [A]-1 = 0 1 0
=[I]
0 0 1
Catatan :
Untuk mencari inverse suatu matrix dapat dipakai beberapa
metoda, antara lain : metode ad-joint, metode pemisahan,
metode Gauss-Jordan, metode Cholesky, dsb.
23/02/2014 Erwin Rommel-FT UMM 22
11
Metode Gauss-Jordan
Akan dicari inversi dari matriks [A]nxn
Langkah-langkah yang dilakukan :
1) Ambil matriks satuan [I]nxn
2) Dengan cara operasi baris, ubahlah matriks [A]
menjadi matriks satuan
3) Proses ke-2 juga dilakukan pada matriks [ I ],
sehingga setelah proses selesai matriks [ I ] telah
berubah menjadi matriks [A]-1
EXAMPLE :
1 3 3 7 3 3
[A] = 1 4 3 [A]-1 = 1 1 0
1 3 4 1 0 1
1 3 31 0 0 1 0 3 4 3 0
1 0 1 0 1 1 0
LANGKAH KE-1 4 30 1 0 LANGKAH KE-4
1 3 3 1 0 0 1 0 0 7 3 3
0 1 0 1 1 0 0 1 0 1 1 0
LANGKAH KE-2 LANGKAH KE-5
1 3 4 0 0 1 0 0 1 1 0 1
1 3 3 1 0 0
LANGKAH KE-3 Selesai …?????
0 1 0 1 1 0 LANGKAH KE-n
0 0 1 1 0 1
12
MATRIKS ORTHOGONAL
Suatu matriks bujur sangkar [A] disebut matriks
orthogonal
bila [A]-1 = [A]T
EXAMPLE :
cos sin cos sin
[A] = sin cos
[A]T =
sin cos
cos sin
[A]-1 = sin
cos
cos sin 0
sin cos 0
[T]T =
0 0 1
13
TEORI DEKOMPOSISI MATRIKS
Bila [A] = sebuah matrix bujur sangkar maka
matriks tersebut dapat diekspresikan dalam
bentuk :
[A] = [L] [U]
a11 a12 a13 ...... a1n l11 0 0 .... 0 u11 u i 2 u13 .... u1n
a a 2 n 0 u u
21 a 22 a 23 ...... l l .... 0 .... u 2 n
21 22 0 22 23
a31 a32 a33 ...... a3n l31 l32 l33 .... 0 0 0 u 33 .... u 3 n.
=
. . . ...... . . . . .... . . . . .... .
. . . ...... . . . . .... . . . . .... .
a n1 an2 an3 ...... a nn l n1 l n 2 l n3 .... l nn 0 0 0 .... u nn
nxn nxn nxn
EXAMPLE :
36 27 63 9 0 0 4 3 7
20 25 39 = 5 2 0 0 5 2
12 14 33 3 1 7 0 0 8
[A] = [L] [U]
Aplikasi pada solusi persamaan linier simultan :
14
SOLUSI PERSAMAAN LINIER SIMULTAN
Persamaan Linier Simultan dengan n buah bilangan tak diketahui
dapat dituliskan sbb :
a11 x1 a12 x2 .......... a1n xn b1
a 21 x1 a 22 x2 .......... a 2 n xn b2
. . .......... . .
. . .......... . .
. . .......... . .
a n1 x1 an 2 x2 .......... a nn xn bn
EXAMPLE :
4x + 3y + z = 13
x + 2y + 3z = 14
3x + 2y + 5z = 22
4 3 1 x 13
1 2 3
y = 14
3 2 5 z 22
[A] {X} = [B]
{ X } = [A]-1[B]
1
x 4 3 1 13
y = 1 2 3 14 = …..??????
z 3 2 5 22
15
PARTISI MATRIKS
Suatu matriks bisa dipartisikan menjadi SUB-MATRIKS dengan cara
hanya mengikutkan beberapa baris atau kolom dari matriks aslinya.
A11
a11
A12
a14
A13
a12 a13 a15 a16
a 21 a 22 a 23 a 24 a 25 a 26
EXAMPLE :
5 3 1 1 5
A A12 B
A 4 6 2
11 B 2 4 1
A22 2 x 2
10 3 4 3 x 3 A21 3 2 B2 2 x1
3X 2
A B A A
11 12
B1
A B A12 B2
11 1
A21 A22 2 x 2 B2 2 x1 A21B1 A22 B2
A11 B1
5 3 1 5 11 37
16 44
4 6 2 4
A12 B2 3 2
1 3 2
2 6 4
1 5
A21 B1 10 3 2 16 32
4
14 39
sehingga ; [ A] [B] 22 48
28 70
23/02/2014 Erwin Rommel-FT UMM 32
16
BEBERAPA RUMUS KHUSUS
[ A ] = Matriks bujur sangkar dan simetris ; orde n x n : aij
[ B ] = Matriks empat persegi panjang ; orde n x m : bij
{ X } = Vektor kolom ; orde n x 1 : xi
{ Y } = Vektor kolom ; orde m x 1 ; yi
n n
Bila ; 1
2 { X }1Txn [ A] nxn 1
2 a
i 1 j 1
ij xi y j
x1
x2
Maka ; .... [ A] n xn { X }n x1
{X } ....
xn
atau sebaliknya ; AX ; 1 { X }T [ A]{ X }
{X }
2
EXAMPLE :
1 2 3 x1
A 2 4 5 X x2
3 5 6 x
3
1 2 3 x1
1
2 { X } [ A]{ X }
T 1
2 x1 x2 x3 2 4 5 x 2
3 5 6
x3
x1 2 x 2 3 x3
Ф = ½ ( x1 x2 x3 ) 2 x1 4 x2 5 x3
3x1 5 x2 6 x3
Ф 1
2 x2
1
4x2 6x3 4x1 x2 6x1 x3 10x2 x3
2 2
17
1 22 x1 4 x2 6 x2 x1 2 x2 3x3
x1
1 28 x2 4 x1 10 x3 2 x1 4 x2 5 x3
x2
1 212 x3 6 x1 10 x2 3x1 5 x2 6 x3
x3
x1 1 2 3 x1
2 4 5 x 2 A{ X }
x
2 3 5 6 x { X }
3
x3
[B] Y
T
Bila ; {X } nxm mx1
1xn
Bnxm Y mx1
X
Maka ;
EXAMPLE :
1 2 3 4 x1 y1
y
B 3x 4 5 6 7 8 { X }3x1 = x2
{ Y }4x1 = 2
9 10 11 12 x y3
3 y 4
y1
1 2 3 4
y
X T B Y x1 x2 x3 5 6 7 8 2
y
9 10 11 12 3
y 4
23/02/2014 Erwin Rommel-FT UMM 36
18
y1 2 y 2 3 y3 4 y 4
x1 x2 x3 5 y 6 y 7 y 8 y
1 2 3 4
9 y1 10 y 2 11y3 12 y 4
y1 2 y2 3 y3 4 y4 x1 5 y1 6 y 2 7 y3 8 y4 x2 9 y1 10 y 2 11y3 12 y4 x3
y1 2 y 2 3 y3 4 y 4
x1
5 y1 6 y2 7 y3 8 y4
x2
9 y1 10 y2 11y3 12 y4
x3
y1
x1 1 2 3 4 y
2
5 6 7 8
B Y
x2 y3 X
9 10 11 12 y 4
x3
23/02/2014 Erwin Rommel-FT UMM 37
19