SISTEM PERSAMAAN LINIER DAN MATRIKS

MAKALAH
Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah “Aljabar Linier”
Dosen Pengampu : Galandaru Swalaganata, M.Si.

Oleh:
Kelompok 2
Diah Ayu Rohana (17204163176)
Aisya Mauliddatul M (17204163227)
Sinta Adilla Najmu H (17204163234)
Anggun Elytasani (17204163241)
Dwi Asih Fitriani (17204163248)
Erina Dwi Susanti (17204163255)

TADRIS MATEMATIKA
FAKULTAS TARBIYAH DAN ILMU KEGURUAN
INSTITUT AGAMA ISLAM NEGERI TULUNGAGUNG
MARET 2018
 BAB I
PENDAHULUAN

A. Latar Belakang
Dalam kehidupan sehari-hari, manusia sering kali dihadapkan dengan
persoalan-persoalan yang apabila ditelusuri ternyata merupakan masalah matematika.
Dengan mengubah persoalan-persoalan tersebut ke dalam bahasa atau persamaan
matematika, maka suatu persoalan lebih mudah diselesaikan. Tetapi terkadang suatu
persoalan sering kali memuat lebih dari dua persamaan dan beberapa variabel,
sehingga sulit untuk mencari hubungan antara variabel-variabelnya.
Matriks merupakan suatu alat atau instrumen yang cukup ampuh untuk
memecahkan persoalan tersebut. Dengan adanya matriks, manusia lebih mudah
membuat analisa-analisa yang mencakup hubungan variabel-variabel dari suatu
persoalan.
Teori matriks merupakan salah satu cabang ilmu aljabar linear yang menjadi
pembahasan penting dalam ilmu matematika. Sejalan dengan perkembangan ilmu
pengetahuan, aplikasi matriks banyak dijumpai dalam kehidupan sehari-hari, baik
dalam bidang matematika maupun ilmu terapannya. Aplikasi tersebut banyak
dimanfaatkan dalam menyelesaikan masalah-masalah yang berhubungan dengan
kehidupan sehari-hari, misalnya pada aplikasi perbankan yang senantiasa berhubungan
dengan angka-angka, dalam dunia olahraga seperti penentuan klasemen suatu
pertandingan, dalam bidang ekonomi biasa digunakan untuk menganalisa input dan
output seluruh sektor ekonomi.
Definisi dari matriks sendiri adalah himpunan bilangan atau fungsi yang
tersusun dalam baris dan kolom serta diapit oleh dua kururng siku. Matriks terdiri dari
berbagai jenis, seperti matriks bujur sangkar, matriks segitiga, matriks diagonal,
matriks skalar, matriks nol, matrik invers, matriks simetri dan lain-lainnya.
Salah satu manfaat matriks adalah untuk menyelesaikan sistem persamaan
linear. Dalam makalah ini akan dijelaskan mengenai cara menyelesaikan sistem linear
dengan inversi matriks, menyelesaikan sistem linear berganda dengan suatu matriks
koefisien umum, sifat-sifat matriks yang dapat dibalik, matriks-matriks diagonal,
segitiga dan simetrik serta matriks-matriks yang berbentuk AAT dan ATA.

B. Rumusan Masalah
1. Bagaimana menyelesaikan sistem linear dengan dengan inversi matriks?
2. Bagaimana menyelesaikan sistem linear berganda dengan suatu matriks koefisien
umum?
3. Apa saja sifat-sifat matriks yang dapat dibalik?
4. Apakah matriks-matriks diagonal, matriks segitiga dan matriks simetrik?
5. Bagaimana matriks-matriks yang berbentuk AAT dan ATA?

1
C. Tujuan Penulisan Makalah
1. Memahami penyelesaian sistem linear dengan dengan inversi matriks.
2. Memahami penyelesaian sistem linear berganda dengan suatu matriks koefisien
umum.
3. Memahami sifat-sifat matriks yang dapat dibalik.
4. Memahami matriks-matriks diagonal, matriks segitiga dan matriks simetrik.
5. Memahami matriks-matriks yang berbentuk AAT dan ATA.

2
 BAB I
PEMBAHASAN

A. Hasil-Hasil Selanjutnya Mengenai Sistem Persamaan Dan Keterbalikan

1. Sebuah Teorema Dasar
Teorema 1.6.1. setiap system persamaan linier dapat tidak mempunyai
penyelesaian, tepat satu penyelesaian, atau tak hingga banyaknya penyelesaian.

Bukti. Jika Ax=b adalah suatu system persamaan linier, maka tepat salah satu dari
yang berikut ini adalah benar :
a. System tersebut tidak mempunyai penyelesaian;
b. System tersebut tepat mempunyai satu penyelesaian; atau
c. System tersebut mempunyai lebih dari satu penyelesaian.

Buktinya akan lengkap jika kita bisa menunjukkan bahwa system tersebut
mempunyai tak-hingga banyaknya penyelesaian dalam kasus c.

Anggap Ax = b mempunyai lebih dari satu penyelesaian, dan misalkan xa = x1-

x2, dengan x1 dan x2 adalah sebarang dua penyelesaian yang berbeda. Karena x1
dan x2 berbeda, maka matriks x0 adalah tak nol ; lebih jauh
Ax0 = A(x1-x2) = Ax1-Ax2 = b-b = 0
Jika sekarang kita misalkan k adalah sebarang skalar, maka ;
A(x1 + kx0) = Ax1+A(kx0)
= Ax1 + k(Ax0)
=b+0
= b.

Tetapi ini menyatakan bahwa x1 + kx0 adalah penyelesaian dari Ax = b. karena x0

tak-nol dan ada tak-hingga banyaknya pilihan untuk k, maka system Ax = b
mempunyai tak-hingga banyakya penyelesaian.

2. Menyelesaikan System Linier Dengan Inverse Matriks

Teorema 1.6.2. Jika A adalah suatu matriks n×n yang bisa dibalik, maka untuk
setiap matriks b, n × 1. System persamaan Ax = b tepat mempunyai satu
penyelesaian, yaitu x = A-1b.

Bukti. karena A(A-1b) = b, maka x = A-1b adalah penyelesaian dari Ab = b. Untuk

menunjukkan bahwa ini adalah satu-satunya penyelesaian, kita akan
mengasumsikan bahwa x0 adalah suatu penyelesaian sebarang dari kemudian
menunjukkan bahwa x0 haruslah penyelesaian dari x0 = A-1b.
Jika x0 adalah sebarang penyelesaian, maka Ax0 = b. dengan mengalikan kedua
ruas dengan A-1, kita memperoleh x0 = A-1b.

3
 Contoh :
Tinjau sistem persamaan linier
𝑥1 + 2𝑥2 + 3𝑥3 = 5
2𝑥1 + 5𝑥2 + 3𝑥3 = 3
𝑥1 + 8𝑥3 = 17
Dalam bentuk matriks, system ini bisa ditulis sebagai Ax = b. dengan,

1 2 3 𝑥1 5
A = [2 𝑥
5 3] x = [ 2 ] dengan b = [ 3 ]
1 0 8 𝑥3 17

Perhatikan bahwa matriks A dapat dibalik,

−40 16 9
-1
A = [ 13 −5 −3]
5 −2 −1
Berdasarkan Teorema 1.6.2 penyelesaian system tersebut adalah
−40 16 9 5 1
-1
x = A b = [ 13 −5 −3] [ 3 ]= [−1]
5 −2 −1 17 2
dengan demikian 𝑥1 = 1, 𝑥2 = -1, 𝑥3 = 2.

Komentar. Perhatikan bahwa metode diatas hanya berlaku jika system

mempunyai persamaan sebanyak peubahnya dan matriks koefisiennya bisa
dibalik.
3. Menyelesaikan System Linier Berganda Dengan Suatu Matriks Koefisien Umum
Ax = b1, Ax = b2,Ax = b3 ...Ax = bk

Masing-masing memiliki matriks koefisien bujur sangkar yang sama, yaitu A jika
A dapat dibalik, maka penyelesaiannya :
x1 = A-1b1, x2 = A-1b2, x3 = A-1b3, ...xk = A-1bk

Dapat diperoleh dengan satu pembalikan matriks dan k pengalian matriks. Akan
tetapi, suatu metode yang lebih efisien adalah membentuk matriks.

[A :b1 :b2:b3:...:bk] dimana matriks koefisien A “diperbanyak” dengan semua k

matriks b1,b2,b3,...bk dengan mereduksi satu (1) menjadi bentuk baris-eselon
tereduksi kita bisa menyelesaikan semua k sistem sekaligus dengan eliminasi
Gauss-Jhordan. Metode ini mempunyai kelebihan, yaitu mampu diterapkan
sekalipun A tidak dapat dibalik.

Contoh:
a. x1 + 2x2 + 3x3 = 4 b.x1 + 2x2 + 3x3 = 1
2x1 + 5x2+ 3x3= 5 2x1 + 5x2+ 3x3 = 6
x1 + 3x3 = 9 x1 + 3x3 = -6

4
 Penyelesaian dua system tersebut mempunyai matriks koefisien yang sama. Jika
kita memperbesar matriks koefisien ini dengan kolom konstanta pada ruas kanan
system-sistem ini, kita peroleh :
1 2 3 4 1
[2 5 3 ⋮ 5 6 ]
1 0 8 9 −6

Dapat mereduksi matriks ini menjadi bentuk eselon tereduksi kita peroleh

1 0 0 1 2
[0 1 0⋮0 1 ]
0 0 1 1 −1

Dari dua kolom terahir kita peroleh penyelesaian sistem(a) adalah x1= 1, x2 = 0.
x1= 1 dan sistem (b) adalah x1= 2, x2=1, x1= -1

4. Sifat-Sifat Matriks-Matriks Yang Dapat Dibalik

Sampai saat ini, untuk menunjukkan bahwa matriks A, n×n dapat dibalik, kita
harus menemukan matriks B, n×n, sedemikian sehingga
AB=I dan BA=I

Teorema berikutnya menunjukkan bahwa jika kita menghasilkan matriks B, n×n

yang memenuhi salah satu syarat di atas, maka syarat yang lainnya akan terpenuhi
secara otomatis
Teorema 1.6.3. Anggap A adalah suatu matriks bujur sangkar.

(a)Jika B adalah suatu matriks bujur sangkar yang memenuhi BA=I, maka B=A-1.
(b)Jika B adalah suatu matriks bujur sangkar yang memenuhi AB=I, maka B=A-1.

Kita akan membuktikan bagian (a) dan meninggalkan bagian (b) sebagai
suatu latihan.

Bukti. (a). Anggap BA=I. Jika kita dapat menunjukkan bahwa A dapat dibalik,
bukti tersebut dapat dilengkapkan dengan mengalikan BA=I pada kedua ruas
dengan A-1untuk mendapatkan
BAA-1= I A-1atau BI=I A-1atau B= A-1

Untuk menunjukkan bahwa A dapat dibalik, kita cukup menunjukkan bahwa

sistem Ax=0 hanya mempunyai penyelesaian trivial (lihat Teorema 1.5.3).
Anggap x0 adalah sebarang penyelesaian untuk sistem ini. Jika kita mengalikan
kedua ruas Ax0 = 0 dari kiri dengan B, kita peroleh BAx0= B0 atau Ix0 = 0 atau
x0=0. Jadi, sistem persamaan Ax=0 hanya mempunyai penyelesaian trivial.
Kita sekarang berada pada posisi menambahkan dua pernyataan lagi yang
ekuivalen dengan empat pernyataan yang sudah diberikan pada Teorema 1.5.3.

5
Teorema 1.6.4. Jika A adalah suatu matriks n×n, maka pernyataan-pernyataan
berikut ini ekuivalen.

(a) A dapat dibalik.

(b) Ax = 0 hanya mempunyai penyelesaian trival.
(c) Bentuk eselon baris tereduksi dari A adalah In.
(d) A dapat dinyatakan sebagai hasil kali matriks-matriks elementer.
(e) Ax = b konsisten untuk setiap matriks b, n×1.
(f) Ax = b tepat mempunyai satu penyelesaian untuk setiap matriks b, n×1.

Bukti. Oleh karena telah kita buktikan dalam teorema 1.5.3. bahwa (a), (b), (c),
dan (d) ekuivalen, maka kita cukup membuktikan bahwa (a) →(f) → (e) → (a).

(a) → (f): Ini sudah dibuktikan pada Teorema 1.6.2.

(f) → (e): Ini telah terbukti dengan sendirinya. Jika Ax = b mempunyai tepat satu
penyelesaian untuk setiap matriks b, n×I maka Ax=b konsisten untuk setiap
matriks b, n×I.

(c) → (a) jika sistem Ax=b konsisten untuk setiap matriks b, n ×I, maka secara
khusus sistem

Ax= Ax= ………. Ax=

Konsisten , Anggap x1, x2,…xn, adalah penyelesaian dari masing-masing sistem,

dan marilah kita membentuk suatu matriks C, n x n yang mempunyai
penyelesaian-penyelesaian ini sebagai kolomnya. Jadi, C mempunyai bentuk

C=

Sebagaimana yang didiskusikan pada subbab 1.3, kolom-kolom hasil kali AC

secara berturut-turut adalah

Jadi,

AC= =

Menurut Teorema 1.6.3 bagian (b), kita dapatkan C = A-1 .jadi, A dapat dibalik.

6
Teorema 1.6.5. Anggap A dan B adalah matriks-matriks bujur sangkar yang
berukuran sama. Jika AB dapat dibalik, maka A dan B pasti juga dapat dibalik.

Suatu Masalah Mendasar. Anggap A adalah matriks tetap m×n. Cari semua
matriks b, m×I. Sedemikian sehingga sistem persamaan Ax=b konsisten.

Contoh :
Syarat apakah yang harus dipenuhi b1, b2, dan b3 agar sistem persamaan

x1+ x2+ 2x3 = b1

x1 + x3 = b2
2x1+ x2+ 3x3= b3
Konsisten?
Penyelesaian, matriks diperbesarnya adalah

Yang dapat direduksi menjadi bentuk eselon baris sebagai berikut.

-1 kali baris pertama ditambahkan ke baris

kedua dan -2 kali baris pertama
ditambahkan ke baris ketiga.

Baris kedua dikalikan

dengan -1

Baris kedua ditambahkan ke

baris ketiga

Sekarang terbukti dari baris ketiga pada matriks tersebut bahwa sistem
mempunyai suatu penyelesaian jika dan hanya jika b1,b2, dan b3 memenuhi syarat
b3 – b2 – b1 = 0 atau b3 = b1 – b2

Contoh :
Syarat apakah yang harus dipenuhi oleh b1,b2 dan b3 agar sistem persamaan
x1 + 2x2 + 3x3 = b1
2x1 + 5x2 + 3x3 = b2
7
 x1 + 8x3 = b3
Konsisten ?
Penyelesaian. Matriks yang diperbesarnya adalah

Dengan mereduksi ini menjadi bentuk eselon baris tereduksi kita dapatkan
(periksa)

Dalam kasus ini ada batasan untuk b1,b2, dan b3yaitu sistem Ax=b yang diberikan
mempunyai penyelesaian yang unik
x1 = -40b1 + 16b2 + 9b3, x2 = 13b1 – 5b2 – 3b3, x3= 5b3 – 2b2 – b3 untuk semua b.

B. Matriks-Matriks Diagonal, Segitiga Dan Simetrik

1. Matriks-Matriks Diagonal

Matriks diagonal adalah matriks bujur sangkar yang semua entri di luar diagonal
utamanya bernilai nol.
Contoh :
1 0 0 6 0 0 0
2 0
[ ] [0 1 0] [0 −4 0 0]
0 −5 0 0 0 0
0 0 1
0 0 0 8
Semua matriks diagonal umum D, n × n, dapat ditulis,

𝑑₁ 0 ⋯ 0
𝐷 = [ 0 𝑑₂ ⋯ 0] (1)
⋮ ⋮ ⋮
0 0 … 𝑑𝑛
Suatu matriks diagonal dapat dibalik jika dan hanya jika semua entri diagonalnya
tidak nol, dalam hal ini invers dari (1) adalah,

1/𝑑₁ 0 ⋯ 0
𝐷¯¹ = 0 1/𝑑₂ … 0
⋮ ⋮ ⋮
[ 0 0 … 1/𝑑 𝑛]

Jika D adalah matriks diagonal (1) dan k adalah suatu bilangan bulat positif maka,

8
 𝑑₁𝑘 0 ⋯ 0
𝐷𝑘 = 0 𝑑₂𝑘 ⋯ 0
⋮ ⋮ ⋮
𝑘
[ 0 0 … 𝑑𝑛 ]
Contoh :
1 0 0
Jika 𝐴 = [0 −3 0]
0 0 2
Maka ;
1 0 0 1 0 0
1 1 0 0 1
𝐴¯ = [0 − 3 0] = [0 − 243 0]
1 5
𝐴 = [0 −243 0] 𝐴−5
1 1
0 0 0 0 32 0 0
2 32

Hasil kali matriks yang melibatkan faktor-faktor matriks diagonal sangatlah

mudah dihitung, misalnya
𝑑₁ 0 0 𝑎₁₁ 𝑎₁₂ 𝑎₁₃ 𝑎₁₄ 𝑑₁𝑎₁₁ 𝑑₁𝑎₁₂ 𝑑₁𝑎₁₃ 𝑑₁𝑎₁₄
[0 𝑑₂ 0 ] [𝑎₂₁ 𝑎₂₂ 𝑎₂₃ 𝑎₂₄] = [𝑑₂𝑎₂₁ 𝑑₂𝑎₂₂ 𝑑₂𝑎₂₃ 𝑑₂𝑎₂₄]
0 0 𝑑3 𝑎₃₁ 𝑎₃₂ 𝑎₃₃ 𝑎₃₄ 𝑑3 𝑎₃₁ 𝑑3 𝑎₃₂ 𝑑3 𝑎₃₃ 𝑑3 𝑎₃₄

𝑎₁₁ 𝑎₁₂ 𝑎₁₃ 𝑑₁𝑎₁₁ 𝑑₂𝑎₁₂ 𝑑3 𝑎₁₃

𝑑₁ 0 0
𝑎₂₁ 𝑎₂₂ 𝑎₂₃ 𝑑₁𝑎₂₁ 𝑑₂𝑎₂₂ 𝑑3 𝑎₂₃
[𝑎₃₁ 𝑎₃₂ 𝑎₃₃] [ 0 𝑑₂ 0]=[
𝑑₁𝑎₃₁ 𝑑₂𝑎₃₂ 𝑑3 𝑎₃₃
]
𝑎₄₁ 𝑎₄₂ 𝑎₄₃ 0 0 𝑑3
𝑑₁𝑎₄₁ 𝑑₂𝑎₄₂ 𝑑3 𝑎₄₃
Dengan kata lain, untuk mengalikan sebuah matriks A dari kiri dengan sebuah
matriks diagonal D, dapat dikalikan secara berturut-turut baris-baris A dengan
entri-entri diagonal D, dan untuk mengalikan A dari kanan dengan D, dapat
dikalikan secara berturut-turut kolom-kolom A dengan entri-entri diagonal D.

2. Matriks-Matriks Segitiga
Matriks bujur sangkar yang semua entri di atas diagonal utamanya nol disebut
matriks segitiga bawah. Sedangkan matriks bujur sangkar semua entri di bawah
diagonal utamanya nol disebut matriks segitiga. Jadi, suatu matriks yang termasuk
dalam segitiga bawah maupun segitiga atas disebut matriks segitiga.

Contoh:

(a) (b)

Amati bahwa matriks-matriks diagonal adalah segitiga atas (a) dan sekaligus
segitiga bawah (b) karena matriks-matriks ini mempunyai nol di bawah dan di
9
atas diagonal utama. Amati juga bahwa matriks bujur sangkar yang berbentuk
eselon baris adalah segitiga atas karena mempunyai nol di bawah diagonal utama.

Matriks segitiga mempunyai beberapa sifat antara lain:

1. Suatu matriks bujur sangkar A = [aij] adalah segitiga atas jika dan hanya jika
bariske-idimulai dengan paling tidak i – 1 nol.
2. Suatu matriks bujur sangkar A = [aij] adalah segitiga bawah jika dan hanya jika
kolom ke-j dimulai dengan paling tidak j – 1 nol.
3. Suatu matriks bujur sangkar A = [aij] adalah segitiga atas jika dan hanya jika aij
= 0 untuk i>j.
4. Suatu matriks bujur sangkar A = [aij] adalah segitiga bawah jika dan hanya jika
aij = 0 untuk i<j.

Dalam sifat – sifat matriks terdapat teorema yang menjelaskan beberapa sifat
dasar dari matriks-matriks segitiga.

Teorema 1.7.1
a.) Transpose suatu matriks segitiga bawah adalah segitiga atas, dan transpose
suatu matriks segitiga atas adalah segitiga bawah.
b.) Hasil kali matriks – matriks segitiga bawah adalah segitiga bawah, dan hasil
kali matriks – matriks segitiga atas adalah segitiga atas.
c.) Suatu matriks segitiga dapat dibalik jika dan hanya jika anggota – anggota
diagonalnya semuanya tak nol.
d.) Invers suatu matriks segitiga bawah yang dapat dibalik adalah segitiga bawah,
dan invers suatu matriks segitiga atas yang dapat dibalik adalah segitiga atas.

Teorema bagian (a) terbukti dari fakta bahwa mencari transpose suatu matriks
bujur sangkar dapat dilakukan dengan mencerminkan entri- entri terhadap
diagonal utama.

Bukti. teorema bagian (b) akan membuktikan tentang hasil kali matriks-matriks
bagian bawah.

Anggap A = [aij] dan B = [bij] adalah matriks segitiga bawah n x n, dan

anggap C = [cij] adalah hasil kali C = AB. Kita akan membuktikan bahwa C adalah
segitiga bawah dengan menunjukkan bahwa cij = 0 untuk i < j. Akan tetapi, dari
definisi perkalian matriks,
cij= ai1b1j+ai2b2j+ ... + ainbnj

Jika diasumsikan bahwa i < j, maka suku suku dalam persamaan ini dapat
dikelompokkan sebagai berikut:
cij = ai1b1j+ ai2 b2j+ ... +aij-1 bj-1+aij bjj+ ... + ain bnj

Suku-suku dengan nomor Suku-suku

Suku-suku dengan
dengan nomor
nomor
baris b lebih kecil bari
bari a lebih kecil
a lebih kecil
daripada nomor kolom b daripada
daripada nomor
nomor kolom
kolom a
a

10
 Dalam pengelompokkan pertama, semua faktor b adalah nol karena B adalah
segitiga bawah, dan dalam pengelompokkan kedua, semua faktor a adalah nol
karena A adalah segitiga bawah. Jadi, cij = 0, yang merupakan sesuatu yang ingin
kita buktikan.
Contoh:

Matriks A dapat dibalik karena entri-entri diagonalnya tak nol, tetapi matriks
B tidak. Kita serahkan kepada pembaca untuk menghitung invers A dengan
metode Subbab 1.5 dan tunjukkan bahwa

Invers ini adalah segitiga atas, sebagaimana yang dijamin oleh bagian (d) dari
Teorema 1.7.1. kita menyerahkan ini kepada pembaca untuk memeriksa bahwa
hasil kali AB adalah

Hasil kali ini adalah segitiga atas, sebagaimana yang dijamin oleh bagian (b) dari
Teorema 1.7.1.

3. Matriks-Matriks Simetrik
Suatu matriks bujur sangkar A disebut simetris jika A=AT
Contoh :
Matriks-matriks berikut adalah simetrik karena semuanya sama dengan
transposnya(periksalah)!
d1 0 0 0
1 4 5
7 −3 0 𝑑2 0 0
[ ] [4 −3 0] [ ]
−3 5 0 0 𝑑3 0
5 0 7
0 0 0 𝑑4
Kita dapat mengenali matriks simetri dengan mudah dengan memeriksanys. Entri-
entri di diagonal utama boleh sembarang, tetapi entri-entri yang “bercerminan”
terhadap diagonal utama harus sama.(Gambar 1)
1 4 5
Gambar 1[43 0]
5 0 7

11
 Oleh karena itu, mencari transpos suatu matriks bujur sangkar dapat dilakukan
dengan mempertukarkan entri-entri yang letaknya simetris terhadap digonal
utama.

Teorema 1.7.3. Jika A dan B adalah matriks-matriks simetri dengan ukuran yang
sama, dan jika k adalahsembarang skalar, maka :

a. AT adalah simetrik.
b. A+B dan A-C adalah simetrik.
c. k(A) adalah simetrik.

Secara umum tidak benar bahwa hasil kali matriks-matriks yang simetrik
adalah simetriks. Untuk melihat mengapa hal ini terjadi, anggap A dan B adalah
matriks-matrikssimetri berukuran sama. Maka hasilnya
(AB)T=BTAT= BA

Karena AB dan BA biasanya tidak sama, maka AB biasanya tidak simetrik.

Akan tetapi dalam kasusk khusus dimana AB=BA, hasil kali simetrik.jika A dan
B adalah matriks-matriks sedemikian sehingga AB=BA, maka kita katakan bahwa
A dan B komutatif.

Contoh :
Persamaan pertama dari persamaan-persamaan berikut menunjukkan suatu
hasil kali matriks-matriks simetrik yang tidak simetrik, dan yang kedua
menunjukkan suatu hasil kali matriks-matriks simetrik yang simetriks. Kita
simpulkan bahwa faktor-faktor dalam persamaan pertama tidak komutatif, tetapi
faktor-faktor dalam persamaan kedua komutatif.
1 2 −4 1 −2 1
[ ][ ]=[ ]
2 3 1 0 −5 2
1 2 −4 3 2 1
[ ][ ]=[ ]
2 3 3 −1 1 3
Teorema 1.7.3. Jika A adalah suatu matriks simetrik yang dapat dibalik, maka A-
1
adalah simetrik.

Bukti. Anggap A adalah simetrik dapat dibalik. Dari teorema 1.4.10 dan fakta
bahwa A=A-1 kita dapatkan
(A-1)T = (AT)-1=A-1
Yang membuktikan bahwa A-1 adalah simetrik.

4. Matriks-Matriks Berbentuk AAT Dan ATA

Hasil kali matriks berbentuk AAT dan ATAmuncul dalam berbagai penerapan.
Jika A adalah suatu matriks m x n dan matriks ATA adalah suatu matriks n x m,
sehingga hasil kali AAT dan ATA keduanya adalah matriks-matriks bujur sangkar,
matriks AAT mempunyai ukuran m x m dan matriks ATA mempunyai ukuran n x n
hasil kali ini selalu simetris karena
(AAT)T = (AT)TAT=AAT dan (ATA)T = (AT)TAT = ATA
12
Contoh:
Anggap A adalah matriks 2x3
1 −2 4
𝐴=[ ]
3 0 −5
Maka ;
1 3 10 −2 −11
1 −2 4
ATA = [−2 0 ] [ ] = [ −2 4 −8 ]
3 0 −5
4 −5 −11 −8 41

1 3
1 −2 4 21 −17
AAT= [ ] [−2 0 ] = [ ]
3 0 −5 −17 34
4 −5

Amati bahwa ATAdanAAT simetris sebagaimana ysng diharapkan, kita akan

mendapatkan syarat umum untuk A dimana AATdanATA dapat dibalik akan tetapi
dalam kasus khusus dimana A bujur sangkar kita mempunyai hasil berikut ini.

Teorema 1.7.4. Jika A adalah suatu matriks yang dapat dibalik, maka AAT
danATA juga dapat di balik.

Bukti. karena A dapat di balik demikian juga AT berdasarkan teorema 1.4.10

jadiAAT danATA dapat dibalik., karena matriks-matriks ini adalah hasil kali
matriks-matriks yang dibalik.

13
 BAB III
PENUTUP

A. KESIMPULAN
1. Jika A adalah suatu matriks n×n yang bisa dibalik, maka untuk setiap matriks b,
n × 1. System persamaan Ax = b tepat mempunyai satu penyelesaian, yaitu x = A-
1
b.
2. Ax = b1, Ax = b2,Ax = b3 ...Ax = bk

Masing-masing memiliki matriks koefisien bujur sangkar yang sama, yaitu A jika
A dapat dibalik, maka penyelesaiannya :
x1 = A-1b1, x2 = A-1b2, x3 = A-1b3, ...xk = A-1bk

Dapat diperoleh dengan satu pembalikan matriks dan k pengalian matriks. Akan
tetapi, suatu metode yang lebih efisien adalah membentuk matriks.

[A :b1 :b2:b3:...:bk] dimana matriks koefisien A “diperbanyak” dengan semua k

matriks b1,b2,b3,...bk dengan mereduksi satu (1) menjadi bentuk baris-eselon
tereduksi kita bisa menyelesaikan semua k sistem sekaligus dengan eliminasi
Gauss-Jhordan.
3. Untuk menunjukkan bahwa A dapat dibalik, kita cukup menunjukkan bahwa sistem
Ax=0 hanya mempunyai penyelesaian trivial (lihat Teorema 1.5.3). Anggap x0
adalah sebarang penyelesaian untuk sistem ini. Jika kita mengalikan kedua ruas
Ax0 = 0 dari kiri dengan B, kita peroleh BAx0= B0 atau Ix0 = 0 atau x0=0. Jadi,
sistem persamaan Ax=0 hanya mempunyai penyelesaian trivial.
4. Matriks diagonal adalah matriks bujur sangkar yang semua entri di luar diagonal
utamanya bernilai nol ; matriks yang termasuk dalam segitiga bawah maupun
segitiga atas disebut matriks segitiga ; dan Suatu matriks bujur sangkar A disebut
simetris jika A=AT.
5. Jika A adalah suatu matriks m x n dan matriks ATA adalah suatu matriks n x m,
sehingga hasil kali AAT dan ATA keduanya adalah matriks-matriks bujur sangkar,
matriks AAT mempunyai ukuran m x m dan matriks ATA mempunyai ukuran n x n
hasil kali ini selalu simetris karena,
(AAT)T = (AT)TAT=AAT dan (ATA)T = (AT)TAT = ATA

B. SARAN
Dari paparan yang dituliskan mengenai hasil-hasil selanjutnya mengenai sistem
persamaan dan keterbalikan serta matriks diagonal, matriks segitiga, matriks simetrik,
Penulis berharap pembaca dapat memaaanfaatkan ilmu ini dengan sebaik mungkin.
baik itu untuk kegiatan pembelajaran atau non pembelajaran. Selain itu penulis juga
berharap bahwa ilmu aljabar linier ini bermaanfaat baik dijadikan tambahan referensi
maupun ilmu yang ada didalamnya.

14
 DAFTAR PUSTAKA
Anton, Howard. 2000. Dasar-Dasar Aljabar Linier. Interaksara : California.

15