Aljabar Linear

ALJABAR LINEAR
Aflich Yusnita Fitrianna, M.Pd

Chandra Novtiar, M.Si.
PROGRAM STUDI PENDIDIKAN

MATEMATIKA
STKIP SILIWANGI BANDUNG

ALJABAR LINEAR 2017
BAB I MATRIKS
A. DEFINISI MATRIKS ........................................................................................................................... 2
B. JENIS – JENIS MATRIKS (Bagian I) .................................................................................................... 4
C. Operasi Matriks ............................................................................................................................... 7
D. JENIS – JENIS MATRIKS (Bagian II) ................................................................................................. 14
LATIHAN SOAL! ..................................................................................................................................... 27
BAB II INVERS DAN DETERMINAN

A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU MATRIKS ...................................... 30
BENTUK ESELON BARIS TEREDUKSI .................................................................................................. 32
B. DETERMINAN ................................................................................................................................ 33
1. Metode Sarrus .......................................................................................................................... 33
2. Ekspansi Kofaktor ...................................................................................................................... 34
3. Menghitung Determinan dengan Penghilangan Baris .............................................................. 37
a. Determinan Matriks Segitiga ................................................................................................ 37
b. Pengaruh Operasi Baris Elementer pada Suatu Determinan ................................................ 38
c. Menghitung Determinan Dengan Reduksi Baris ................................................................... 42
d. Sifat-sifat Fungsi Determinan................................................................................................ 43
C. INVERS MATRIKS ........................................................................................................................... 47
1. Metode Untuk Mencari 𝑨 − 𝟏 Melalui Matriks Elementer ..................................................... 47
2. Metode untuk Mencari 𝑨 − 𝟏 Melalui Matriks Adjoin............................................................. 54
LATIHAN SOAL! ..................................................................................................................................... 56
BAB III SISTEM PERSAMAAN LINEAR

A. BENTUK UMUM SISTEM PERSAMAAN LINEAR ............................................................................. 59
B. METODE PENYELESAIAN SISTEM PERSAMAAN LINIER ................................................................. 62
1. Metode Matriks Invers.............................................................................................................. 62
2. Aturan Cramer .......................................................................................................................... 66
3. Operasi Elementer terhadap Baris dan Kolom Suatu Matriks .................................................. 68
C. BEBERAPA CONTOH SISTEM PERSAMAAN LINEAR DAN PENYELESAIANNYA ............................... 74
LATIHAN SOAL !..................................................................................................................................... 81
1|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

ALJABAR LINEAR 2017
BAB I
MATRIKS
A. DEFINISI MATRIKS
Matriks adalah suatu susunan bilangan berbentuk segi empat dari suatu unsur-unsur
pada beberapa sistem aljabar.Unsur-unsur tersebut bisa berupa bilangan dan juga suatu
peubah. Nama matriks menggunakan huruf besar seperti A, B, C dst. Sedangkan anggota
(elemen) dari matriks yang berupa huruf dituliskan menggunakan huruf kecil.Tanda yang
digunakan untuk mengurung elemen-elemen matriks menggunakan tanda ( )atau[ ].
Contoh 1.1:
−√2 𝜋
−1 2 1 1
A=( ); B=[ 1 ]; C=(5)
3 5 4 2
0 0
Maple Code
Elemen-elemen matriks pada garis horizontal disebut dengan baris, dan elemen-elemen
pada garis vertikal disebut dengan kolom.Ukuran dari suatu matriks yang disebut

ALJABAR LINEAR 2017
dengan Dimensi atau Ordo ditentukan oleh banyaknya baris di kali dengan banyaknya
kolom yang ada didalam suatu matriks.
Contoh 1.2 :
2 3
𝐸 = ( 3 2) baris
−1 1
kolom
Tanda kurung matriks
Nama Matriks
Pada Matriks 𝐸 mempunyai 3 baris dan dan 2 kolom yaitu (2 3) adalah baris pertama,
2
(3 2) adalah baris kedua dan (1 −1) adalah baris ketiga, sedangkan ( 3 ) adalah
−1
3
kolom pertama dan (2)adalah kolom kedua. Sehingga dimensi atau ordo dari matriks 𝐸
1
adalah 3𝑥2 (dibaca: tiga kali dua).
Notasi 𝑨 = (𝒂𝒊𝒋 ), untuk menyatakan matriks secara umum dan menunjukkan letak
suatu elemen matriks. Dengan i menunjukkan letak baris dan j menunjukkan letak
kolom.
Contoh 1.3:
𝑎11 𝑎12 𝑎13
𝑎 𝑎22 𝑎23
A= (𝑎21 𝑎32 𝑎33 )
31
𝑎41 𝑎42 𝑎43
Maple Code

ALJABAR LINEAR 2017
Perhatikan matriks 𝐴, elemen 𝑎12 adalah elemen pada baris pertama kolom kedua;
sedangkan elemen 𝑎23 adalah elemen pada baris kedua kolom ketiga, dan seterusnya.
Sehingga matriks 𝐴 mempunyai 4 baris dan 3 kolom, dimensi dari 𝐴 adalah 4𝑥3 dapat
ditulis dengan 𝐴4𝑥3 .
Sehingga bentuk umum dari suatu matriks adalah sebagai berikut:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛

𝑎21 𝑎22 𝑎23 … 𝑎2𝑛
𝐴 = 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 … (1.1)
⋮ ⋮ ⋮ ⋮
( 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 )
Matriks 𝐴 di atas mempunyai 𝒎 baris dan 𝒏 kolom. Dalam notasi yang lebih singkat, 𝐴
dapat ditulis dengan:
𝐴 = (𝑎𝑖𝑗 ) dimana 𝑖 = 1, 2, 3, … . , 𝑚
𝑗 = 1, 2, 3, … . , 𝑛
sehingga dimensi A adalah mxn yang bisa ditulis dengan Amxn.
B. JENIS – JENIS MATRIKS (Bagian I)

1. Matriks Baris dan Matriks Kolom
Matriks Baris adalah suatu matriks yang hanya mempunyai satu baris saja.
Matriks kolom adalah suatu matriks yang hanya mempunyai satu kolom saja.
Contoh 1.4 :
𝐴 = (2 −3 1) adalah matriks baris berdimensi 1𝑥3
1
𝐵=( ) adalah matriks kolom berordo 2𝑥1
−5
Maple Code
2. Matriks Persegi (Square Matriks)

ALJABAR LINEAR 2017
Suatu matriks 𝐴 = (𝑎𝑖𝑗 ) disebut sebagai matriks persegi (matriks bujur sangkar) bila
𝑖 = 𝑗 = 1, 2, 3 , … 𝑛. atau dengan kata lain banyaknya baris dan banyaknya kolom
suatu matriks sama. Matriks persegi mempunyai dimensi 𝑛𝑥𝑛. Bentuk umum dari
matriks persegi adalah sebagai berikut:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛
A = 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛
⋮ ⋮ ⋮ ⋮
( 𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 … 𝑎𝑛𝑛 )
Pada matriks persegi A diatas elemen 𝑎11 , 𝑎22 , 𝑎33 , … , 𝑎𝑛𝑛 disebut sebagai diagonal
utama dari matriks A. jumlah dari semua elemen-elemen diagonal dari suatu matriks
persegi disebut dengan trace.
Sehingga trace A = (𝑎11 + 𝑎22+ 𝑎33 + … + 𝑎𝑛𝑛 ) = ∑𝑛𝑖=1 𝑎𝑖𝑖
3. Matriks Nol (Zero Matriks)
Suatu matriks yang semua elemennya adalah 0 (nol) disebut dengan matriks nol.
Matriks nol dilambangkan dengan O.
Contoh 1.5 :
0 0 0
O2x3 = ( ); O1x3 = (0 0 0)
0 0 0
Maple Code
atau
4. Matriks Identitas
Suatu matriks persegi yang semua elemen diagonalnya adalah 1 dan selain elemen
diagonal adalah 0 maka dinamakan matriks identitas.Matriks identitas biasanya

ALJABAR LINEAR 2017
dinotasikan dengan 𝐼. Karena matriks 𝐼 berdimensi 𝑛, sehingga dinotasikan dengan

𝐼𝑛 .
1 0 0… 0
0 1 0… 0
Jadi, 𝐼𝑛 = 0 0 1…0
⋮ ⋮ ⋮ ⋮
(0 0 0… 1 )
5. Matriks Bagian (Sub-Matriks)

Sebuah matriks dapat dibagi atau dipartisi menjadi matriks-matriks yang lebih kecil
dengan menghilangkan salah satu atau lebih vektor-vektor baris dan atau vektor-
vektor kolom yang sudah ditentukan.Matriks-matriks yang dihasilkan dari partisi
tersebut dinamakan submatriks atau matriks bagian.
Contoh 1.6 :
1 0 3
Diketahui matriks M = ( ) dengan menghilangkan vektor kolom ketiga
−2 −1 0
1 0
diperoleh matriks bagian ( ). Menghilangkan vektor baris pertama dan
−2 −1
vektor kolom kedua diperoleh matriks bagian (−2 0) dan seterusnya.Berapa
banyaknya matriks bagian dari M?
Maple Code
Contoh 1.7 :

ALJABAR LINEAR 2017
2 1 0
Andaikan matriks persegi Q= (−1 2 7). Menghilangkan vektor baris kedua dan
3 −1 6
2 0
kolom kedua diperoleh submatriks ( ). Menghilangkan vektor baris pertama
3 6
dan ketiga serta vektor kolom pertama dan ketiga diperoleh submatriks (2) dan
seterusnya.
2 1 0
Perhatikan bahwa diagonal matriks Q= (−1 2 7) tetap menjadi diagonal pada
3 −1 6
2 0
submatriks ( ) dan (2) .Submatriks yang diperoleh disebut dengan matriks
3 6
2 0
bagian utama (submatriks principal). Sehingga ( ) dan (2) disebut sebagai
3 6
submatriks principal. Submatriks principalyang lain dari matriks Q adalah
2 1 2 7
( ),( ) dan (6).
−1 2 −1 6
Maple Code
C. Operasi Matriks
1. Kesamaan Dua Matriks
Definisi 1.1:
Dua matriks didefinisikan sama jika keduanya mempunyai ukuran atau dimensi yang
sama dan elemen-elemen yang berpadanan sama.

ALJABAR LINEAR 2017
Dalam notasi matriks, jika A = (𝑎𝑖𝑗 )dan B = (𝑏𝑖𝑗 ) mempunyai ukuran yang sama maka
A=B jika dan hanya jika (𝐴)𝑖𝑗 = (𝐵)𝑖𝑗 , atau secara ekuivalen, 𝑎𝑖𝑗 = 𝑏𝑖𝑗 untuk semua
i dan j.
Contoh 1.8 :
1 2 1 2 1 2 0
Diketahui matriks B= ( ), C= ( ), D= ( )
3 𝑥 3 5 3 4 0
Jika x = 5, maka B=C, tetapi untuk nilai x yang lainnya matriks B dan C tidak sama.
Tidak ada nilai x yang membuat B = D karena B dan D mempunyai ukuran atau
dimensi yang berbeda.
2. Penjumlahan dan Pengurangan Matriks
Definisi 1.2:
Jika A dan B adalah matriks-matriks berukuran (berdimensi) sama, maka jumlah A+B
adalah matriks yang diperoleh dengan menambahkan elemen-elemen A dengan
elemen-elemen B yang letaknya bersesuaian, dan selisih A-B adalah matriks yang
diperoleh dengan mengurangkan elemen-elemen A dengan elemen-elemen B yang
letaknya bersesuaian. Matriks-matriks yang berukuran berbeda tidak dapat
ditambahkan atau dikurangkan.
Contoh 1.9 :
3 −1 2 −3
1 0 1
Andaikan A = (0 4 ), B= (2 −1), C= ( )
3 −1 2
2 2 1 4
3 −1 2 −3 3 + 2 −1 + (−3) 5 −4
A+B = (0 4 ) +(2 −1) = (0 + 2 4 + (−1) ) =(2 3)
2 2 1 4 2+1 2+4 3 6
3 −1 2 −3 3 − 2 −1 − (−3) 1 2
A-B = (0 4 ) -(2 −1) = (0 − 2 4 − (−1) ) =(−2 5 )
2 2 1 4 2−1 2−4 1 −2
Perhatikan bahwa matriks A dan B masing-masing berdimensi 3x2 sehingga dapat

dilakukan operasi penjumlahan dan pengurangan matriks dan matriks hasil
operasinya juga tetap berdimensi 3x2.

ALJABAR LINEAR 2017
Tidak dapat dilakukan operasi penjumlahan B+C sebab dimensi kedua matriks tidak
sama.
Maple Code
Andaikan dua buah matriks A = (𝑎𝑖𝑗 ), B = (𝑏𝑖𝑗 ) dan C = (𝑐𝑖𝑗 )yang dapat dilakukan
operasi penjumlahan memenuhi sifat-sifat:
a. Komutatif; A+B = B+A
b. Asosiatif; (A+B)+C = A + (B+C)
c. Identitas Penjumlahan
Untuk setiap matriks A = (𝑎𝑖𝑗 ) berdimensi mxn selalu ada matriks nol (0)
berdimensi mxn, demikian sehingga: A+0 = 0+A = A. matriks 0 ini disebut
matriks identitas penjumlahan.
d. Invers Aditif (invers penjumlahan)

ALJABAR LINEAR 2017
Untuk setiap matriks A = (𝑎𝑖𝑗 ) berdimensi mxn selalu ada matriks -A = (-𝑎𝑖𝑗 )
sedemikian hingga A + (-A) = (-A) + (A) = 0, dimana 0 adalah matriks nol yang
berdimensi sama dengan matriks A. Matriks “-A” disebut dengan lawan atau
negatif dari matriks A, atau invers penjumlahan dari A.
Buktikan untuk masing-masing sifat di atas!
Dari sifat yang terakhir ini, dapat dipahami bahwa jika dua matriks A dan B
yang mempunyai dimensi yang sama, maka: A-B = A + (-B). Jadi mengurangi
matriks A dengan matriks yang lain adalah sama saja menambah matriks A
tersebut dengan negatif dari matriks yang lain.
3. Perkalian Skalar
Definisi 1.3:
Jika A adalah sembarang matriks dan c adalah sembarang skalar, maka hasil kali cA
adalah matriks yang diperoleh dengan mengalikan setiap elemen A dengan c.
Dalam notasi matriks, jika A = (𝑎𝑖𝑗 ), maka cA = c (𝑎𝑖𝑗 )
Contoh 1.10 :
Untuk matriks-matriks:
2 −1 3 0 1 7 9 −6 3
A= ( ), B= ( ), C= ( )
3 −4 0 −1 −4 −5 3 0 12
2 −1 3 4 −2 6
2A = 2 ( )= ( )
3 −4 0 6 −8 0
0 1 7 0 −1 −7
(-1)B = (-1) ( )= ( )
−1 −4 −5 1 4 5
1 1 9 −6 3 3 −2 1
𝐶 = ( )=( )
3 3 3 0 12 1 0 4
Maple Code
10 | A f l i c h Y u s n i t a F i t r i a n n a , M . P d . | C h a n d r a N o v t i a r , M . S i
ALJABAR LINEAR 2017
Sifat-sifat perkalian skalar dengan matriks:

a. Andaikan k dan s adalah skalar dan A = (𝑎𝑖𝑗 ) matriks, maka:
(k+s) A = kA + sA
b. Andaikan k skalar dan A = (𝑎𝑖𝑗 ) serta B = (𝑏𝑖𝑗 ) adalah dua matriks yang
berdimensi sama, maka:
k (A+B) = kA +kB
c. Andaikan k dan s skalar serta matriks A = (𝑎𝑖𝑗 ), maka:
k(sA) = (ks) A
d. Andaikan k skalar, dan matriks A = (𝑎𝑖𝑗 ), maka kA = Ak
e. Jika skalar k =1, maka 1A = A
Sehubungan dengan sifat ini maka (-1) A = -A
4. Perkalian Matriks
Definisi 1.4:
Jika A adalah sebuah matriks m x r dan B adalah sebuah matriks r x n, maka hasil kali
AB adalah matriks m x n yang elemen-elemennya didefinisikan sebagai berikut.
ALJABAR LINEAR 2017
Untuk mencari elemen dalam baris i dan kolom j dari AB, pilih baris i dari matriks A
dan kolom j dari matriks B. Kalikan elemen-elemen yang bersesuaian dari baris dan
kolom secara bersama-sama dan kemudian jumlahkan hasil kalinya.
𝑏11
𝑏21
Andaikan matriks baris A = ( 𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 ) dan matriks B = 𝑏31
⋮
(𝑏𝑛1 )
Jika AB = C, maka:
𝑏11
𝑏21
C = ( 𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 ) 𝑏31
⋮
𝑏
( 𝑛1 )
= ( 𝑎11 𝑏11 + 𝑎12 𝑏21 + 𝑎13 𝑏31 + … + 𝑎1𝑛 𝑏𝑛1 )
C = AB = ∑𝑛𝑘=1 𝑎1𝑘 𝑏𝑘1 … (1.2)
Perhatikan bahwa dimensi matriks A adalah 1xn dan dimensi dari matriks kolom B
adalah nx1 sehingga matriks C= AB mempunyai dimensi 1x1.
Untuk matriks yang bukan matriks baris atau matriks kolom, operasinya adalah
sebagai berikut.
𝑎11 𝑎12 𝑎13 … 𝑎1𝑝 𝑏11 𝑏12 𝑏13 … 𝑏1𝑛
𝑎21 𝑎22 𝑎23 … 𝑎2𝑝 𝑏21 𝑏22 𝑏23 … 𝑏2𝑛
Andaikan A= 𝑎31 𝑎32 𝑎33 … 𝑎3𝑝 , dan B= 𝑏31 𝑏32 𝑏33 … 𝑏3𝑛
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
( 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑝 ) 𝑏
( 𝑝1 𝑏𝑝2 𝑏𝑝3 … 𝑏𝑝𝑛 )
atau:
A = (𝑎𝑖𝑗 ) ; i = 1, 2, 3, …, m; j = 1, 2, 3, …,p
B = (𝑏𝑖𝑗 ) ; i = 1, 2, 3, … p; j= 1, 2, 3, … n
AB = C = (𝑐𝑖𝑗 ); i = 1, 2, 3, …, m; j= 1, 2, 3,…, n. Dimana:
𝑐𝑖𝑗 = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + 𝑎𝑖3 𝑏3𝑗 + ⋯ + 𝑎𝑖𝑝 𝑏𝑝𝑗
𝑝
𝑐𝑖𝑗 = ∑𝑘=1 𝑎𝑖𝑘 𝑏𝑘𝑗 ; (𝑑𝑒𝑛𝑔𝑎𝑛 𝑖 = 1, 2, 3, … , 𝑚; 𝑗 = 1, 2, 3, … , 𝑛) … (1.3)
ALJABAR LINEAR 2017
Dua matriks dapat dilakukan operasi perkalian jika banyaknya elemen dari matriks
baris A harus sama dengan banyaknya elemen dari matriks kolom B. Oleh karena itu
perkalian matriks sering juga disebut dengan perkalian baris kali kolom.
Contoh 1.11:
1 2
1 −1 2
Diketahui D= (−1 3), E= ( ) Hitunglah DE dan ED!
0 2 4
0 5
1 2
1 −1 2
DE = (−1 3) ( )
0 2 4
0 5
1(1) + 2(0) 1(−1) + 2(2) 1(2) + 2(4) 1 3 10
=(−1(1) + 3(0) −1(−1) + 3(2) −1(2) + 3(4)) = (−1 7 10)
0(1) + 5(0) 0(−1) + 5(2) 0(2) + 5(4) 0 10 20
1 2
1 −1 2
ED = ( ) (−1 3)
0 2 4
0 5
1(1) + (−1)(−1) + 2(0) 1(2) + (−1)3 + 2(5) 2 9
=( )= ( )
0(1) + (2)(−1) + 4(0) 0(2) + (2)3 + 4(5) −2 26
Apa yang dapat disimpulkan dari contoh 1.11?

Maple Code
ALJABAR LINEAR 2017
Sifat-sifat perkalian matriks:

Andaikan A = (𝑎𝑖𝑗 ), B = (𝑏𝑖𝑗 ) dan C = (𝑐𝑖𝑗 ) adalah matriks-matriks yang dimensinya
sesuai untuk perkalian dan penjumlahan, maka perkalian matriks bersifat:
a. Distributif
1) A (B+C) = AB + AC distributif kiri
2) (A+B) C = AC +BC distributif kanan
b. Asosiatif; A(BC) = (AB) C
D. JENIS – JENIS MATRIKS (Bagian II)

1. Matriks Eselon
Matriks A, untuk A = (𝑎𝑖𝑗 ) berdimensi mxn disebut matriks eselon baris atau
matriks eselon jika dan hanya jika memenuhi sifat:
a. Setiap baris yang semua elemennya nol terletak sesudah baris yang
mempunyai elemen tidak nol
b. Pada setiap baris yang mempunyai elemen tidak nol; elemen tidak nol yang
pertama harus terletak dikolom sebelah kanan elemen tidak nol baris
sebelumnya.
Elemen tidak nol pertama dari suatu baris disebut unsur utama atauelemen pivot.
Contoh 1.12:
1 2 −1 2 −3
A = (0 −2 1 ); B= (0 1 )
0 0 −1 0 0
Elemen yang dilingkari menunjukkan elemen pivot.
2. Matriks Segitiga
a. Matriks Segitiga Atas
ALJABAR LINEAR 2017
Matriks A, untuk A = (𝑎𝑖𝑗 ) berdimensi nxn dan elemen-elemen 𝑎𝑖𝑗 = 0 untuk i > j
disebut dengan matriks segitiga atas. Atau dengan kata lain Matriks segitiga
atas merupakan matriks persegi dengan semua elemen di bawah diagonalnya
adalah 0. Secara umum matriks segitiga atas berbentuk:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛
0 𝑎22 𝑎23 … 𝑎2𝑛
0 0 𝑎33 … 𝑎3𝑛
⋮ ⋮ ⋮ ⋮
(0 0 0 … 𝑎𝑛𝑛 )
Contoh 1.13 :
1 3 5
Misalkan 𝐴 = (0 2 0)
0 0 3
Maple Code
b. Matriks Segitiga Bawah

Matriks A = (𝑎𝑖𝑗 ) berdimensi nxn dan elemen-elemen 𝑎𝑖𝑗 = 0 untuk i < j disebut
dengan matriks segitiga bawah. Atau dengan kata lain Matriks segitiga bawah
merupakan matriks persegi dengan semua elemen di atas diagonalnya adalah 0.
Secara umum matriks segitiga bawah berbentuk:
𝑎11 0 0 …0
𝑎21 𝑎22 0 … 0
𝑎31 𝑎32 𝑎33 … 0
⋮ ⋮ ⋮ ⋮
( 𝑎𝑛1 𝑎𝑛2 𝑎𝑛3 … 𝑎𝑛𝑛 )
Contoh 1.14 :
ALJABAR LINEAR 2017
1 0 0
𝐵 = (3 2 0 )
5 0 3
Maple Code
3. Matriks Diagonal
Matriks A, untuk A = (𝑎𝑖𝑗 ) berdimensi nxn dan elemen-elemen 𝑎𝑖𝑗 = 0 untuk i > j dan
i < j disebut dengan matriks diagonal. Suatu matriks yang memenuhi sifat matriks
segitiga atas maupun segitiga bawah disebut matriks diagonal. Atau dengan kata lain
suatu matriks persegi yang semua elemen selain diagonalnya adalah 0 dinamakan
matriks diagonal. Matriks Diagonal dinotasikan dengan D. Secara umum matriks
Diagonal berbentuk:
𝑎11 0 0 …0
0 𝑎22 0 … 0
𝐷𝑛𝑥𝑛 = 0 0 𝑎33 … 0
⋮ ⋮ ⋮ ⋮
(0 0 0 … 𝑎𝑛𝑛 )
Perhatikan bahwa semua elemen-elemen diluar posisi elemen diagonal nilainya 0

(nol)
Contoh 1.15 :
1 0 0
B= (0 −5 0)
0 0 4
Maple Code
ALJABAR LINEAR 2017
4. Matriks Identitas
𝑎11 0 0 …0
0 𝑎22 0 … 0
Dari matriks diagonal D = 0 0 𝑎33 … 0 jika nilai 𝑎11 = 𝑎22 = 𝑎33 = ⋯ =
⋮ ⋮ ⋮ ⋮
(0 0 0 … 𝑎𝑛𝑛 )
𝑎𝑛𝑛 = 𝑘, dimana k adalah sebuah skalar, maka matriks ini disebut matriks skalar.
Jika k= 1 maka matriks dinamakan matriks identitas.
Contoh 1.16:
𝑘 0 0 0
0 𝑘 0 0
S=( ), matriks skalar. Untuk k = 1
0 0 𝑘 0
0 0 0 𝑘
1 0 0 0
0 1 0 0
I= ( ), matriks identitas berdimensi 4
0 0 1 0
0 0 0 1
Maple Code
ALJABAR LINEAR 2017
atau
Secara umum matriks I berdimensi n, dinotasikan dengan:

1 0 0… 0
0 1 0… 0
𝐼𝑛 = 0 0 1…0
⋮ ⋮ ⋮ ⋮
(0 0 0… 1 )
Matriks-matriks I dinamakan matriks identitas untuk perkalian matriks karena untuk

sembarang matriks A berdimensi mxn selalu ada matriks identitas untuk perkalian dengan A,
sedemikian hingga IA = AI = A (coba buktikan!)
5. Matriks Komutatif, Idempoten dan Periodik
ALJABAR LINEAR 2017
Dua matriks persegi A = (𝑎𝑖𝑗 ) dan B = (𝑏𝑖𝑗 )yg berdimensi sama disebut komutatif
(commute) jika berlaku AB = BA.Sebaliknya, disebut antikomutatif (anti-commute)
jika berlaku AB = - BA.
Matriks persegi A = (𝑎𝑖𝑗 ) yang berlaku Ak+1 = A, dengan k bilangan bulat positif,
disebut matriks periodik. Untuk k = 1, berarti A2 = A, maka A disebut matriks idempoten.
Matriks persegi A = (𝑎𝑖𝑗 ) yang berlaku Ap = 0, untuk p bilangan bulat positif disebut matriks
nilpoten.
Contoh 1.17:
1 −2 −6
a. Andaikan matriks B = (−3 2 9)
2 0 −3
1 −2 −6 1 −2 −6 −5 −6 −6
B2= (−3 2 9 ) (−3 2 9 ) = ( 9 10 9 )
2 0 −3 2 0 −3 −4 −4 −3
−5 −6 −6 1 −2 −6 1 −2 −6
B3=B2B=( 9 10 9 ) (−3 2 9 ) = (−3 2 9 ) =B
−4 −4 −3 2 0 −3 2 0 −3
Tampak bahwa B3= B2+1= B ini berarti matriks B adalah periodikdengan periode 2.
Maple Code
ALJABAR LINEAR 2017
2 −2 −4
b. Matriks E = (−1 3 4)
1 −2 −3
2 −2 −4 2 −2 −4 2 −2 −4
E2= EE = (−1 3 4 ) (−1 3 4 )= (−1 3 4 )=E
1 −2 −3 1 −2 −3 1 −2 −3
Tampak bahwa E2= E, berarti matriks E adalah matriks idempoten.
1 1 3
c. Matriks F = ( 5 2 6)
−2 −1 −3
1 1 3 1 1 3 0 0 0
F2= FF = ( 5 2 6 )( 5 2 6 )=( 3 3 9)
−2 −1 −3 −2 −1 −3 −1 −1 −3
0 0 0 1 1 3 0 0 0
F3=F2F = ( 3 3 9 )( 5 2 6 )= (0 0 0) = O
−1 −1 −3 −2 −1 −3 0 0 0
Karena F3= O, maka F adalah nilpoten indeks 3
6. Matriks Invers
Andaikan A = (𝑎𝑖𝑗 ) dan B = (𝑏𝑖𝑗 )dua matriks persegi berdimensi sama sehingga
berlaku :
AB = BA = I, maka B disebut invers A ditulis dengan B = A-1. Atau A invers B ditulis
dengan A = B-1.
Dengan demikian bentuk:

AB = BA = I
AA-1= A-1A=I atau juga B-1B=BB-1=I
Suatu matriks yang mempunyai invers disebut matriks yang invertible atau matriks
non singular.
Contoh 1.18 :
1 2 3 6 −2 −3
Matriks (1 3 3) dan (−1 1 0 ) saling invers, sebab:
1 2 4 −1 0 1
1 2 3 6 −2 −3 1 0 0
(1 3 3) (−1 1 0 )= (0 1 0)= I
1 2 4 −1 0 1 0 0 1
Maple Code
ALJABAR LINEAR 2017
Andaikan invers dari matriks A adalah A-1 dan invers dari matriks B adalah B-1 maka
berlaku sifat (AB)-1= B-1A-1.
7. Transpose Matriks
Transpose matriks diperoleh dengan menukar baris menjadi kolom seletak, atau
sebaliknya. Transpose dari matriks 𝐴biasanya dinotasikan dengan 𝐴𝑇 .
Dalam notasi adalah sebagai berikut:
A = (𝑎𝑖𝑗 ) AT = (𝑎′𝑖𝑗 ) dimana 𝑎′𝑖𝑗 = 𝑎𝑗𝑖
Misalkan 𝐴𝑚𝑥𝑛 dengan

𝑎11 𝑎12 𝑎13 … 𝑎1𝑛
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛
A = 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛
⋮ ⋮ ⋮ ⋮
( 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 )
Transpose dari 𝐴, yaitu
𝑎11 𝑎21 𝑎31 … 𝑎𝑚1
𝑎12 𝑎22 𝑎32 … 𝑎𝑚2
𝐴 = 𝑎13
𝑇 𝑎23 𝑎33 … 𝑎𝑚3
⋮ ⋮ ⋮ ⋮
𝑎
( 1𝑛 𝑎2𝑛 𝑎3𝑛 … 𝑎𝑚𝑛 )
Dengan demikian bila matriks A = (𝑎𝑖𝑗 ) berdimensi mxn, maka matriks AT=(𝑎𝑗𝑖 ) akan
berdimensi nxm.
ALJABAR LINEAR 2017
Contoh 1.19 :
1 4 5 1 2 3
𝑇
Misalkan A = (2 0 3), maka transpose dari 𝐴 adalah 𝐴 = (4 0 3)
3 3 2 5 3 2
Maple Code
Dari definisi transpose matriks tersebut diturunkan beberapa sifat yang

berhubungan dengan transpose matriks, yaitu:
1. (AT)T = A
2. (A + B)T = AT + BT
3. (AB)T = BT AT
8. Matriks Simetri dan Matriks Simetri Miring

Andaikan A = (𝑎𝑖𝑗 ) adalah matriks persegi berdimensi n. Matriks A dikatakan Matriks
simetri yang memenuhi 𝐴𝑇 = 𝐴 .

Contoh 1.20 :
1 2 1 2
Misalkan 𝐴 = ( )maka 𝐴𝑇 = ( ). Berarti matriks A adalah matriks simetri.
2 2 2 2
Maple Code
ALJABAR LINEAR 2017
Sedangkan untuk matriks A = (𝑎𝑖𝑗 ) adalah matriks persegi berdimensi n. Matriks A
dikatakan Matriks simetri miring yang memenuhi 𝐴𝑇 = −𝐴 . Karena 𝐴𝑇 =

−𝐴 , 𝑚𝑎𝑘𝑎 𝑎𝑗𝑖 = −𝑎𝑖𝑗 untuk setiap i dan j. khusus untuk diagonal (i=j), maka
𝑎𝑖𝑖 = −𝑎𝑖𝑖 artinya elemen diagonal suatu matriks miring adalah berupa bilangan
yang sama dengan negatifnya, bilangan tersebut adalah bilangan 0.
Contoh 1.21 :
0 −2 3 0 2 −3 0 −2 3
T
C=( 2 0 −4); C = (−2 0 4 )=-( 2 0 −4) = -C
−3 4 0 3 −4 0 −3 4 0
Karena CT= -C maka C adalah matriks simetri miring.
Maple Code
9. Conjugate Matriks
Misalkan 𝐴 adalah matriks dengan elemen-elemen dalam matriksnya merupakan
bilangan kompleks. Untuk bilangan kompleks z = a+bi maka conjugate bilangan
kompleks z dinotasikan dengan 𝑧̅= ̅̅̅̅̅̅̅̅
𝑎 + 𝑏𝑖 = 𝑎 − 𝑏𝑖. Conjugate dari 𝑧̅adalah
̅̅̅̅̅̅̅̅
𝑧̿ = 𝑎 − 𝑏𝑖 = 𝑎 + 𝑏𝑖 = 𝑧. Jadi conjugate dari conjugate bilangan kompleks adalah
dirinya sendiri.
ALJABAR LINEAR 2017
Andaikan 𝐴 adalah suatu matriks dengan elemen-elemen bilangan kompleks, maka

conjugate dari matriks dinotasikan dengan 𝐴̅ adalah suatu matriks yang diperoleh
dengan mencari conjugate dari setiap elemen-elemen matriks A.
Contoh 1.22:
1 − 2𝑖 −5𝑖 7 1 + 2𝑖 5𝑖 7
A=( ); 𝐴̅ = ( )
−2 + 𝑖 9 + 3𝑖 4 − 9𝑖 −2 − 𝑖 9 − 3𝑖 4 + 9𝑖
Andaikan A = (𝑎𝑖𝑗 ) dan B = (𝑏𝑖𝑗 ) adalah matriks-matriks yang mempunyai elemen
bilangan kompleks, 𝐴̅ dan 𝐵̅ masing-masing conjugate dari A dan B, serta k adalah
skalar dengan 𝑘̅ adalah conjugate dari k, maka:
a. ̅̅̅̅
𝑘𝐴 = 𝑘̅ 𝐴̅
b. 𝐴̿ = 𝐴
c. ̅̅̅̅̅̅̅̅
𝐴 + 𝐵 = 𝐴̅ + 𝐵̅
̅̅̅̅ = 𝐴̅𝐵̅
d. 𝐴𝐵
e. (𝐴̅)𝑇 = ̅̅
𝐴̅̅
𝑇 ,notasi untuk transpose dari conjugate (conjugate dari transpose)
suatu matriks A adalah AH. Jadi dalam hal ini AH = (𝐴̅)𝑇 atau AH= ̅̅
𝐴̅̅
𝑇.
10. Matriks Hermitian dan Skew Hermitian

Matriks persegi A = (𝑎𝑖𝑗 )berdimensi n dikatakan Matriks Hermitian jika dan hanya
jika berlaku AH= A. Berdasarkan definisi tersebut matriks A adalah hermitian jika
unsur-unsurnya berlaku hubungan 𝑎𝑖𝑗 = ̅̅̅
𝑎𝑗𝑖 untuk setiap i dan j. Khusus untuk
elemen diagonal, i=j maka haruslah 𝑎𝑖𝑖 = 𝑎
̅̅̅
𝑖𝑖 yang berarti menggambarkan suatu
bilangan yang sama dengan conjugatenya. Jadi elemen diagonal dari matriks
hermitian adalah bilangan real.
Contoh 1.23 :
−2 2 + 3𝑖 𝑖
Tunjukkan bahwa A = (2 − 3𝑖 3 −3 − 3𝑖 ) adalah hermitian!
−𝑖 −3 + 3𝑖 7
Solusi:
−2 2 − 3𝑖 −𝑖
̅
𝐴 = (2 + 3𝑖 3 −3 + 3𝑖 )
𝑖 −3 − 3𝑖 7
ALJABAR LINEAR 2017
−2 2 + 3𝑖 𝑖
(𝐴̅)𝑇 = 𝐴𝐻 = (2 − 3𝑖 3 −3 − 3𝑖 ) =A
−𝑖 −3 + 3𝑖 7
Jadi A adalah Hermitian.
Matriks persegi A = (𝑎𝑖𝑗 ) berdimensi n dikatakan Matriks Skew Hermitian jika dan
hanya jika berlaku AH=- A. Berdasarkan definisi tersebut matriks A adalah hermitian
jika unsur-unsurnya berlaku hubungan 𝑎𝑖𝑗 = −𝑎
̅̅̅
𝑗𝑖 untuk setiap i dan j. Khusus untuk
elemen diagonal, i=j maka haruslah 𝑎𝑖𝑖 = −𝑎

̅̅̅
𝑖𝑖 yang berarti menggambarkan suatu
bilangan yang sama dengan negatif conjugatenya. Jadi elemen diagonal dari matriks
hermitian adalah bilangan 0 atau bilangan imajiner.
Contoh 1.24 :
2𝑖 −3 + 𝑖 5 − 4𝑖
Tunjukkan bahwa C = ( 3 + 𝑖 0 −2 − 7𝑖 ) adalah skew hermitian!
−5 − 4𝑖 2 − 7𝑖 −8𝑖
Solusi:
−2𝑖 −3 − 𝑖 5 + 4𝑖
𝐴̅ = ( 3 − 𝑖 0 −2 + 7𝑖 )
−5 + 4𝑖 2 + 7𝑖 8𝑖
−2𝑖 3−𝑖 −5 + 4𝑖
(𝐶̅ )𝑇 = 𝐶 𝐻 = (−3 − 𝑖 0 2 + 7𝑖 ) = -C
5 + 4𝑖 −2 + 7𝑖 8𝑖
Jadi C adalah skew-hermitian.
11. Matriks Ortogonal

Matriks persegi A = (𝑎𝑖𝑗 ) berdimensi n disebut Matriks orthogonal jika dan hanya
jika memenuhi AAT=I=ATA. Disisi lain pada pembahasan tentang matriks invers, untuk
matriks persegi A yang non-singular maka ada invers A, ditulis 𝐴−1 sehingga berlaku
𝐴−1 = 𝐴𝑇 .
Contoh 1.25:
ALJABAR LINEAR 2017
cos 𝑥 sin 𝑥
Tunjukkan bahwa matriks B = ( ) matriks ortogonal!
− sin 𝑥 cos 𝑥
Solusi:
cos 𝑥 − sin 𝑥
BT=( )
sin 𝑥 cos 𝑥
cos 𝑥 sin 𝑥 cos 𝑥 − sin 𝑥 1 0
BBT= ( )( )= ( ) = 𝐼2
− sin 𝑥 cos 𝑥 sin 𝑥 cos 𝑥 0 1
Jadi B adalah matriks ortogonal.
12. Matriks Uniter
Matriks persegi A = (𝑎𝑖𝑗 ) berdimensi n dengan elemen matriks adalah bilangan
kompleks. Matriks 𝐴disebut Matriks uniter jikaberlaku AHA= I = AAH. Sehubungan
dengan matriks invers maka matriks uniter adalah matriks yang mempunyai invers
sama dengan conjugate transposenya𝐴−1 =AH .
Contoh 1.26:
1 1
(√2 √2
Tunjukkan bahwa matriks C = 𝑖 −𝑖 ) adalah uniter!
√2 √2
Solusi:
1 1 1 −𝑖
(√2 √2
𝐶̅ = −𝑖 𝑖 ); CH
= (√2
1
√2
𝑖
)
√2 √2 √2 √2
1 −𝑖 1 1
1 0
(√2 √2
CHC=(√2
1
√2
𝑖
) 𝑖 −𝑖 ) =( ) =I
0 1
√2 √2 √2 √2
Jadi, C adalah uniter.
13. Matriks Normal

Matriks persegi A = (𝑎𝑖𝑗 ) berdimensi n yang memenuhi AAT= ATA (untuk anggota-
anggota A adalah bilangan real); atau AHA=AAH(untuk anggota-anggota A adalah dari
bilangan kompleks) disebut matriks normal. Berdasarkan pengertian tersebut jelas
bahwa matriks orthogonal dan matriks uniter adalah salah satu contoh dari matriks
normal.
Contoh 1.27 :
ALJABAR LINEAR 2017
2 −3
Apakah matriks A = ( ) matriks normal?
3 2
Solusi:
2 3
AT = ( )
−3 2
2 −3 2 3 13 0
AAT= ( )( )= ( )
3 2 −3 2 0 13
2 3 2 −3 13 0
AT A = ( )( )= ( )
−3 2 3 2 0 13
Jadi, A adalah matriks normal.
Maple Code
LATIHAN SOAL!
2 3 0 −2
1. Diketahui matriks-matriks F = (1 3 −1 );
2 G = (3); H = ( 4 1 2 );
4 −5 7 −3
2 1 1 2 1 0 0 0
2 −1 1 3
3 −1 −3 1 0 1 0 0
K=( ); L = (1 1 1 2 ) ; I= ( )
4 4 5 −2 0 0 1 0
3 −3 2 −1
1 0 −1 2 0 0 0 1
ALJABAR LINEAR 2017
Berturut-turut sebagai matriks F = (fij), G = (gij),H = (hij),K = (kij),L = (lij),I = (iij)

a. Tentukan elemen f13, g21, h32, k43, l34 dan i24.
b. Tentukan dimensi dari matriks F, G, H, I, K dan L tersebut!
c. Mana yang merupakan matriks persegi?
d. Mana saja vektor baris F, H dan K?
e. Mana saja vektor kolom H, I, K dan L?
3𝑏 0 2 0
2. Carilah nilai a, b, dan c jika matriks ( )=( )!
1 2𝑎 𝑎 𝑐
1 sin 0𝑜 0 𝑝+𝑞 1 0
3. Carilah nilai p, q dan r jika (sin 0𝑜 sin 0𝑜 1 )= ( 0 2𝑟 1) !
1
1 sin 0𝑜 𝑝−𝑞 1 3
√3 0
4. Diketahui matriks-mtriks
−1 2 0 −1 0 3 2 3 −1
K= ( 3 4 −1) ; L= ( 2 2 2) dan M = ( 1 2 −2)
2 0 1 1 0 1 −1 0 −4
Hitunglah:
a. K+L
b. L-M
c. 2K + 3 (L+M)
d. 2M – 3(K+L)
5. Diketahui matriks-matriks berikut:
 3 0  1 5 2
  4 −1 1 4 2  
A =   1 2  ; B= ( ); C =   ; D = 1 0 1 ;
 1 1 0 2 3 1 5  3 2 4
   
 6 1 3
 
E =  1 1 2
 4 1 3
 
Hitunglah:
a. (2DT-E)A
b. (4B)C+2B
c. DTET- (ED)T
6. Tunjukkan bahwa:
a. Hasil kali dua matriks segitiga atas adalah matriks segitiga atas juga.
ALJABAR LINEAR 2017
b. Hasil kali dua matriks segitiga bawah adalah matriks segitiga bawah juga.
7. a. Andaikan A matriks persegi, p dan q bilangan bulat positif, tunjukkan bahwa ApAq =
AqAp.
b. Tunjukkan juga bahwa ApAq = Ap+q
c. Jika A dan B commute, buktikan juga bahwa Ap dan Bq juga commute.
1 2
8. Diketahui matriks A =( )
0 1
1 𝑘
a. Andaikan S = ( ), hitunglah AS dan SA!
0 1
b. Berdasarkan hasil (a) tersebut berapakah An?
1 0 2
9. Tunjukkan bahwa matriks P =(2 −1 3) adalah invers dari matriks
4 1 8
−11 2 2
Q = ( −4 0 1 )!
6 −1 −1
10. Andaikan invers dari matriks A2 adalah B. Tunjukkan bahwa invers dari matriks A adalah
AB!
1
𝑥
11. Jika A = (√5
2 ) adalah orthogonal, carilah nilai x dan y!
𝑦
√5
12. Tunjukkan bahwa matriks B = kI + A adalah matriks normal, dimana k adalah skalar serta
A matriks simetri miring.
BAB II
DETERMINAN DAN INVERS MATRIKS
ALJABAR LINEAR 2017
A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU

MATRIKS
Matriks 𝐴 = (𝑎𝑖𝑗 ) berdimensi 𝑚𝑥𝑛 dapat dibentuk matriks baru dengan menggandakan
perubahan bentuk baris dan/atau kolomnya dengan melakukan operasi elementer
terhadap baris, disebut operasi baris elementer (OBE) dan/atau operasi elementer
terhadap kolom, disebut operasi kolom elementer (OKE) dari matriks tersebut.
OBE dan OKE mempunyai tiga prinsip yaitu:
a. Pertukaran
b. Penggandaan
c. Penggantian
Tabel 2.1 Simbol Operasi Elementer
Tipe Operasi Simbol

I Menukar baris ke 𝑖 dengan baris ke 𝑗 dari matriks 𝐴 𝐵𝑖𝑗 (𝐴)
Menukar kolom ke 𝑖 dengan kolom ke 𝑗 dari matriks 𝐴 𝐾𝑖𝑗 (𝐴)
II Mengalikan baris ke 𝑖 matriks 𝐴 dengan skalar 𝑘 ≠ 0 𝐵𝑖(𝑘) (𝐴)
Mengalikan kolom ke 𝑖 matriks 𝐴 dengan skalar 𝑘 ≠ 0 𝐾𝑖(𝑘) (𝐴)
III Mengalikan baris ke 𝑗 matriks 𝐴 dengan skalar 𝑘 ≠ 0, dan 𝐵𝑖𝑗(𝑘) (𝐴)
hasilnya ditambahkan kepada baris ke 𝑖 matriks 𝐴
Mengalikan kolom ke 𝑗 matriks 𝐴 dengan skalar 𝑘 ≠ 0, dan 𝐾𝑖𝑗(𝑘) (𝐴)
hasilnya ditambahkan kepada kolom ke 𝑖 matriks 𝐴
Contoh 2.1:
 1  2 3  1
 
Andaikan matriks 𝐴 =  0 2 1 1
4  3 1 5 
 
Carilah: 𝐵23 (𝐴), 𝐾1(−3) (𝐴), 𝐵21(2) (𝐴), 𝐾43 (𝐴), 𝐵3(−1) (𝐴), 𝐾14(1) (𝐴)
Solusi:
ALJABAR LINEAR 2017
 1  2 3  1
 
𝐵23 (𝐴) =  4  3  1 5 
0 2 1 
 1
  3  2 3  1
 
𝐾1(−3) (𝐴) =  0 2 1 1
  12  3  1 5 
 
 1  2 3  1
 
𝐵21(2) (𝐴) =  2  2 7  1
4  3 1 5 
 
1  2 1 3 
 
𝐾43 (𝐴) =  0 2 1 1
 4  3 5  1
 
 1  2 3  1
 
𝐵3(−1) (𝐴) =  0 2 1 1 
  4 3 1  5
 
 0  2 3  1
 
𝐾14(1) (𝐴) =  1 2 1 1
9  3 1 5 
 
Maple Code
ALJABAR LINEAR 2017
BENTUK ESELON BARIS TEREDUKSI

Suatu matriks untuk menjadi eselon baris tereduksi harus mempunyai sifat-sifat berikut
ini:
1. Jika suatu baris tidak seluruhnya terdiri dari nol, maka angka tak nol pertama dalam
baris tersebut adalah sebuah angka 1. (kita sebut sebagai utama 1)
2. Jika ada sembarang baris yang seluruhnya terdiri dari nol, maka baris-baris ini
dikelompokkan bersama di bagian bawah matriks.
3. Jika sembarang dua baris yang berurutan yang tidak seluruhnya terdiri dari nol,
utama 1 dalam baris yang lebih bawah terletak disebelah kanan utama 1 dalam baris
yang lebih atas.
4. Masing-masing kolom yang berisi sebuah utama 1 mempunyai nol di tempat lainnya.
Suatu matriks yang mempunyai sifat 1, 2, dan 3 disebut matriks berbentuk eselon
baris.
Contoh 2.2:
1. Matriks eselon baris tereduksi
0 1  2 0 1
1 0 0 4  1 0 0  
    0 0 0 1 4
0 1 0 7  ; 0 1 0 ; 
 0 0 1 1 0 0 1 0 0 0 0 0
    0 
 0 0 0 0 
2. Matriks eselon baris
1 4 3 7 1 1 0 0 1 2 2 0
   
 0 1 6 2  ; (0 1 0); 0 0 1 1 0
0 0 1 5 0 0 0 0 0 0 0 1
   
ALJABAR LINEAR 2017
B. DETERMINAN
Misalkan 𝐴 adalah matriks persegi berukuran 𝑛𝑥𝑛. Determinan dari matriks 𝐴
didefinisikan sebagai jumlah semua hasil kali elementer bertanda dari 𝐴. Determinan
dari matriks 𝐴 dinotasikan dengan det(𝐴) atau |𝐴|.
Beberapa metode untuk menghitung determinan adalah sebagai berikut:
a. Metode Sarrus
b. Ekspansi Kofaktor
1. Metode Sarrus
Untuk pembahasan kali ini dikhususkan untuk matriks berukuran 2𝑥2 dan 3𝑥3 saja.
𝑏11 𝑏12 𝑏13
𝑎 𝑎
Misalkan 𝐴 = (𝑎11 𝑎12 ) dan 𝐵 = (𝑏21 𝑏22 𝑏23 ), maka:
21 22
𝑏31 𝑏32 𝑏33
𝑎11 𝑎12
𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡 (𝑎 )
21 𝑎22
= 𝑎11 𝑎22 − 𝑎12 𝑎21
atau
𝑎 𝑎12
|𝐴| = |𝑎11 | = 𝑎11 𝑎22 − 𝑎12 𝑎21 dan
21 𝑎22
𝑏11 𝑏12 𝑏13
det(𝐵) = det (𝑏21 𝑏22 𝑏23 )
𝑏31 𝑏32 𝑏33
= 𝑏11 𝑏22 𝑏33 + 𝑏12 𝑏23 𝑏31 + 𝑏13 𝑏21 𝑏32 − 𝑏13 𝑏22 𝑏31 − 𝑏11 𝑏23 𝑏32 − 𝑏12 𝑏21 𝑏33
atau
𝑏11 𝑏12 𝑏13 𝑏11 𝑏12
|𝐵| = |𝑏21 𝑏22 𝑏23 | 𝑏21 𝑏22
𝑏31 𝑏32 𝑏33 𝑏31 𝑏32
= 𝑏11 𝑏22 𝑏33 + 𝑏12 𝑏23 𝑏31 + 𝑏13 𝑏21 𝑏32 − 𝑏13 𝑏22 𝑏31 − 𝑏11 𝑏23 𝑏32 − 𝑏12 𝑏21 𝑏33
Contoh 2.3 :
Hitunglah determinan dari:
1 3 5
1 5
𝐴=( ) dan 𝐵 = (3 1 2)
1 3
5 3 1
1 5
det(𝐴) = | |
1 3
= (1)(3) − (5)(1)
=3−5
= −2
dan
1 3 5 1 3
det(𝐵) = |3 1 2| 3 1
5 3 1 5 3
= (1)(1)(1) + (3)(2)(5) + (5)(3)(3) − (5)(1)(5) − (1)(2)(3) − (3)(3)(1)
= 1 + 30 + 45 − 25 − 6 − 9
= 36
ALJABAR LINEAR 2017
2. Ekspansi Kofaktor
Sebelum menentukan determinan dari suatu matriks, terlebih dahulu harus
diketahui minor dan kofaktor.
1. Definisi Minor
Jika 𝐴 adalah suatu matriks persegi, maka minor anggota 𝒂𝒊𝒋 dinyatakan oleh 𝑴𝒊𝒋
dan didefinisikan sebagai determinan sub-matriks yang masih tersisa setelah
baris ke−𝑖 dan kolom ke−𝑗 dihilangkan dari 𝐴.
2. Definisi Kofaktor
Jika 𝐴 adalah suatu matriks persegi ,maka kofaktor anggota 𝒂𝒊𝒋 dinyatakan oleh
𝑪𝒊𝒋 merupakan bilangan (−1)𝑖+𝑗 𝑀𝑖𝑗 .
Contoh 2.4:
2 1 −5
Misalkan matriks 𝐴 = (2 6 2 ) , maka:
1 4 5
2 2
𝑀12 = | | = (2)(5) − (2)(1) = 10 − 2 = 8
1 5
dan
𝐶12 = (−1)1+2 𝑀12 = (−1)3 8 = (−1)(8) = −8
Maple Code
Perhatikan kembali matriks 𝐴 dengan :

𝑎11 𝑎12𝑎13
𝐴 = (𝑎21 𝑎22𝑎23 ) , maka
𝑎31 𝑎32𝑎33
𝑎11 𝑎12 𝑎13
𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡 (𝑎21 𝑎22 𝑎23 )
𝑎31 𝑎32 𝑎33
= 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎13 𝑎22 𝑎31 − 𝑎11 𝑎23 𝑎32 − 𝑎12 𝑎21 𝑎33
= 𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) + 𝑎12 (𝑎23 𝑎31 − 𝑎21 𝑎33 ) + 𝑎13 (𝑎21 𝑎32 − 𝑎22 𝑎31 )
Ingat bahwa :
ALJABAR LINEAR 2017
𝐶11 = (−1)2 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) = 𝑎22 𝑎33 − 𝑎23 𝑎32 ;
𝐶12 = (−1)3 (𝑎21 𝑎33 − 𝑎23 𝑎31 ) = (−1)(𝑎21 𝑎33 − 𝑎23 𝑎31 ) = 𝑎23 𝑎32 − 𝑎21 𝑎33 ; dan
𝐶13 = (−1)4 (𝑎21 𝑎32 − 𝑎22 𝑎31 ) = 𝑎21 𝑎32 − 𝑎22 𝑎31
sehingga
𝑑𝑒𝑡(𝐴) = 𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) + 𝑎12 (𝑎23 𝑎31 − 𝑎21 𝑎33 ) + 𝑎13 (𝑎21 𝑎32 − 𝑎22 𝑎31 )
= 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13
Dapat dilihat bahwa 𝑑𝑒𝑡(𝐴) dapat ditentukan dengan cara mengalikan entri-entri
yang ada di baris pertama 𝐴 dengan kofaktornya kemudian menambahkan hasil kali
yang didapatkan. Berdasarkan hal ini, perhitungan 𝑑𝑒𝑡(𝐴) dilakukan dengan
menggunakan ekspansi kofaktor sepanjang baris pertama 𝐴.
Contoh 2.5 :
2 1 −5
Misalkan matriks = (2 6 2 ) , maka
1 4 5
6 2
𝐶11 = (−1)1+1 𝑀11 = (−1)2 | | = (1)((6)(5) − (2)(4)) = 30 − 8 = 22
4 5
2 2
𝐶12 = (−1)1+2 𝑀12 = (−1)3 | | = (−1)((2)(5) − (2)(1)) = (−1)(10 − 2) = −8
1 5
2 6
𝐶13 = (−1)1+3 𝑀13 = (−1)4 | | = (1)((2)(4) − (6)(1)) = (8 − 6) = 2
1 4
Sehingga 𝑑𝑒𝑡(𝐴) = 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13 = (2)(22) + (1)(−8) + (−5)(2) = 44 −
8 − 10 = 26
Maple Code
ALJABAR LINEAR 2017
Teorema 2.1
Determinan suatu matriks 𝐴𝑛𝑥𝑛 dapat dihitung dengan mengalikan entri-entri pada
sebarang baris (atau kolom) dengan kofaktornya dan menjumlahkan hasil kali yang
didapatkan; yaitu, untuk setiap 1 ≤ 𝑖 ≤ 𝑛 dan 1 ≤ 𝑗 ≤ 𝑛, berlaku:
𝑑𝑒𝑡(𝐴) = 𝑎𝑖1 𝐶𝑖1 + 𝑎𝑖2 𝐶𝑖2 + ⋯ + 𝑎𝑖𝑛 𝐶𝑖𝑛
(ekspansi kofaktor sepanjang baris ke−𝑖)
dan
𝑑𝑒𝑡(𝐴) = 𝑎1𝑗 𝐶1𝑗 + 𝑎2𝑗 𝐶2𝑗 + ⋯ + 𝑎𝑛𝑗 𝐶𝑛𝑗
(ekspansi kofaktor sepanjang kolom ke−𝑗)
Contoh 2.6:
2 1 −5
Misalkan matriks 𝐴 = (2 6 2 ) , maka dengan menggunakan ekspansi kofaktor
1 4 5
sepanjang kolom ke−1 diperoleh:
6 2
𝐶11 = (−1)1+1 𝑀11 = (−1)2 | | = (1)((6)(5) − (2)(4)) = 30 − 8 = 22
4 5
1 −5
𝐶21 = (−1)2+1 𝑀21 = (−1)3 | | = (−1)((1)(5) − (−5)(4)) = (−1)(5 − (−20))
4 5
= −25
1 −5
𝐶31 = (−1)3+1 𝑀31 = (−1)4 | | = (1)((1)(2) − (−5)(6)) = (2 − (−30)) = 32
6 2
sehingga
𝑑𝑒𝑡(𝐴) = 𝑎11 𝐶11 + 𝑎21 𝐶21 + 𝑎31 𝐶31 = (2)(22) + (2)(−25) + (1)(32) = 44 − 50 + 32
= 26
ALJABAR LINEAR 2017
Maple Code
3. Menghitung Determinan dengan Penghilangan Baris
Teorema 2.2
Misalkan 𝐴 adalah suatu matriks persegi.
a. Jika 𝐴 memiliki sebuah baris nol atau sebuah kolom nol, maka 𝑑𝑒𝑡(𝐴) = 0
b. 𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡(𝐴𝑇 )
a. Determinan Matriks Segitiga
Teorema 2.3
Jika 𝐴 adalah suatu matriks segitiga 𝑛𝑥𝑛 (segitiga atas, segitiga bawah, atau diagonal),
maka 𝑑𝑒𝑡(𝐴) adalah hasil kali anggota-anggota pada diagonal utamanya; yaitu
𝑑𝑒𝑡(𝐴) = 𝑎11 𝑎22 𝑎33 ⋯ 𝑎𝑛𝑛
ALJABAR LINEAR 2017
Contoh 2.7 :
3 2 1 4 7
0 1 6 2 4
0 0 5 6 5  (3)(1)(5)(8)(2)  240
0 0 0 8 3
0 0 0 0 2
Maple Code
b. Pengaruh Operasi Baris Elementer pada Suatu Determinan
Teorema 2.4
a. Jika 𝐵 adalah suatu matriks yang dihasilkan jika suatu baris tunggal atau kolom
tunggal dari 𝐴 dikalikan dengan suatu skalar 𝑘, maka 𝑑𝑒𝑡(𝐵) = 𝑘 𝑑𝑒𝑡(𝐴)
b. Jika 𝐵 adalah matriks yang dihasilkan jika dua baris atau dua kolom dari 𝐴
dipertukarkan, maka 𝑑𝑒𝑡(𝐵) = − 𝑑𝑒𝑡(𝐴)
c. Jika 𝐵 adalah matriks yang dihasilkan jika suatu penggandaan suatu baris 𝐴
ditambahkan baris lainnya atau jika suatu penggandaan suatu kolom ditambahkan
pada kolom lainnya, maka 𝑑𝑒𝑡(𝐵) = 𝑑𝑒𝑡(𝐴)
Contoh 2.8 :
𝑘𝑎11 𝑘𝑎12 𝑘𝑎12 𝑎11 𝑎12 𝑎12
a. | 𝑎21 𝑎22 𝑎23 | = 𝑘 |𝑎21 𝑎22 𝑎23 | Baris pertama 𝐴 dikalikan dengan 𝑘
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33
𝑑𝑒𝑡(𝐵) = 𝑘 𝑑𝑒𝑡(𝐴)
ALJABAR LINEAR 2017
𝑎21 𝑎22 𝑎22 𝑎11 𝑎12 𝑎12
b. |𝑎11 𝑎12 𝑎13 | = − |𝑎21 𝑎22 𝑎23 | Baris pertama dan kedua dari 𝐴 dipertukarkan
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33
𝑑𝑒𝑡(𝐵) = − 𝑑𝑒𝑡(𝐴)
𝑎11 + 𝑘𝑎21 𝑎12 + 𝑘𝑎22 𝑎12 + 𝑘𝑎23 Suatu penggandaan baris kedua dari 𝐴
c. | 𝑎21 𝑎22 𝑎23 | ditambahkan pada baris pertama
𝑎31 𝑎32 𝑎33
𝑎11 𝑎12 𝑎12
= |𝑎21 𝑎22 𝑎23 |
𝑎31 𝑎32 𝑎33
𝑑𝑒𝑡(𝐵) = 𝑑𝑒𝑡(𝐴)
Contoh 2.9 :
Tinjaulah matriks
 1 2 3 3 6 9  1 2 3 1 2 3 
       
A   0 4 5  , A1   0 4 5  , A2   6 7 8  , A3   0 4 5 
 6 7 8 6 7 8  0 4 5  0 5 10 
       
Dengan menggunakan metode yang digunakan seperti Contoh 2.3 diperoleh
𝑑𝑒𝑡(𝐴) = −15, 𝑑𝑒𝑡(𝐴1 ) = −45, 𝑑𝑒𝑡(𝐴2 ) = 15, 𝑑𝑒𝑡(𝐴3 ) = −15.
Perhatikan bahwa 𝐴1 diperoleh dengan mengalikan baris pertama 𝐴 dengan 3, 𝐴2
diperoleh dengan mempertukarkan baris kedua dan ketiga dari 𝐴, dan 𝐴3 diperoleh
dengan menambahkan −6 kali baris pertama 𝐴 pada baris ketiga. Berdasarkan teorema,
diperoleh hubungan
det(𝐴1 ) = 3 𝑑𝑒𝑡(𝐴) = 3(−15) = −45,
𝑑𝑒𝑡(𝐴2 ) = − 𝑑𝑒𝑡(𝐴) = −(−15) = 15, dan
𝑑𝑒𝑡(𝐴3 ) = 𝑑𝑒𝑡(𝐴) = −15
Maple Code
ALJABAR LINEAR 2017
Teorema 2.5
Misalkan 𝐸 adalah suatu matriks elementer 𝑛𝑥𝑛.
a. Jika 𝐸 dihasilkan dari mengalikan suatu baris dari 𝐼𝑛 dengan 𝑘, maka 𝑑𝑒𝑡(𝐸) = 𝑘
b. Jika 𝐸 dihasilkan dari mempertukarkan dua baris dari 𝐼𝑛 , maka 𝑑𝑒𝑡(𝐸) = −1
c. Jika 𝐸 dihasilkan dari menambahkan suatu penggandaan satu baris 𝐼𝑛 ke baris
lainnya, maka 𝑑𝑒𝑡(𝐸) = 1
Contoh 2.10 :
1 0 0 0
0 4 0 0
1. 4 Baris kedua I 4 dikalikan dengan 4
0 0 1 0
0 0 0 1
ALJABAR LINEAR 2017
1 0 0 0
0 0 1 0 Baris kedua dan ketiga dari I 4 dipertukarkan
2.  1
0 1 0 0
0 0 0 1
1 0 0 7
0 1 0 0 Menambahkan 7 kali baris keempat dari
3. 1
0 0 1 0 I 4 dengan baris pertama
0 0 0 1
Maple Code
ALJABAR LINEAR 2017
c. Menghitung Determinan Dengan Reduksi Baris

Dengan adanya pengaruh operasi baris elementer terhadap determinan, maka kita
dapat menghitung determinan dengan perhitungan yang jauh lebih sedikit jika
dibandingkan dengan menghitung determinan melalui definisi determinan. Gagasannya
adalah mereduksi matriks yang diberikan menjadi matriks segitiga atas melalui operasi
baris elementer, kemudian menghitung matriks segitiga atas tersebut dan
menghubungkan determinan tersebut dengan determinan matriks aslinya.
Contoh 2.11:
Hitunglah 𝑑𝑒𝑡(𝐴) dengan
 2 1 3 
 
A  1 2 4
 5 3 6 
 
Penyelesaian :
Matriks 𝐴 direduksi menjadi matriks eselon baris (segitiga atas) dan menerapkan
teorema
2 1 3 1 2 4
Baris pertama dan kedua dari matriks 𝐴 dipertukarkan
𝑑𝑒𝑡(𝐴) = 1 2 4   2 1 3
5 3 6 5 3 6
1 2 4 −2 kali baris pertama ditambahkan ke baris kedua
0 5 5
−5 kali baris pertama ditambahkan ke baris ketiga
0 13 14
1 2 4 Suatu faktor bersama yaitu −5 dari baris kedua
 (5) 0 1 1 dikeluarkan melalui tanda determinan
0 13 14
1 2 4
13 kali baris kedua ditambahkan ke baris ketiga
 (5) 0 1 1
0 0 1
1 2 4 Suatu faktor bersama yaitu −1 dari baris ketiga

 (5)(1) 0 1 1 dikeluarkan melalui tanda determinan
0 0 1
ALJABAR LINEAR 2017
 (5)(1)(1)  5
Teorema 2.6
Jika 𝐴 suatu matriks persegi dengan dua baris proporsional, maka 𝑑𝑒𝑡(𝐴) = 0
Contoh 2.12 :
1 2 1 3 
 
3 6 3 9 
Diketahui matriks 𝐴 =  . Hitunglah nilai determinan dari matriks 𝐴
2 5 2 3
 
1 1 3 6
1 2 1 3
3 6 3 9
𝑑𝑒𝑡(𝐴) =
2 5 2 3
1 1 3 6
1 2 1 3
0 0 0 0 −3 kali baris pertama ditambahkan ke baris kedua

2 5 2 3
1 1 3 6
=0
Contoh matriks proporsional :
Matriks-matriks berikut memiliki dua baris yang proporsional sehingga memiliki nilai
determinan nol.
3 0 4 2
 1 1 2   
1 3   1 7 5 3
  ,  4 4 8  ,
 2 6   3 2 7   9 0 12 6 
  1 1 2 3
 
d. Sifat-sifat Fungsi Determinan

Misalkan 𝐴 dan 𝐵 adalah matriks persegi 𝑛𝑥𝑛 dan 𝑘 adalah skalar sebarang. Akan dicari
hubungan yang mungkin diantara matriks 𝑑𝑒𝑡(𝐴) dan det(𝐵) dengan
𝑑𝑒 𝑡(𝑘𝐴), 𝑑𝑒𝑡(𝐴 + 𝐵), dan 𝑑𝑒𝑡(𝐴𝐵)
Misalkan 𝐴 adalah sebarang matriks persegi nxn dengan
ALJABAR LINEAR 2017
 a11 a12 a13 a1n   ka11 ka12 ka13 ka1n 

   
 a21 a22 a23 a2 n   ka21 ka22 ka23 ka2 n 
A   a31 a32 a33 a3n  maka kA   ka31 ka32 ka33 ka3n  .
   
   
a   ka kann 
 n1 an 2 an 3 ann   n1 kan 2 kan 3
ka11 ka12 ka13 ka1n

ka21 ka22 ka23 ka2 n
sehingga 𝑑𝑒𝑡(𝑘𝐴) = ka31 ka32 ka33 ka3n
kan1 kan 2 kan 3 kann
a11 a12 a13 a1n

ka21 ka22 ka23 ka2 n
= k ka31 ka32 ka33 ka3n
a11 a12 a13 a1n

a21 a22 a23 a2 n
  k  k  ka31 ka32 ka33 ka3n
a11 a12 a13 a1n

a21 a22 a23 a2 n
  k  k  k  a31 a32 a33 a3n
a11 a12 a13 a1n

a21 a22 a23 a2 n
  k  k  k   k  a31 a32 a33 a3n
an1 an 2 an 3 ann
ALJABAR LINEAR 2017
a11 a12 a13 a1n

a21 a22 a23 a2 n
 k n a31 a32 a33 a3n
an1 an 2 an 3 ann
𝑛
= 𝑘 𝑑𝑒𝑡(A)
Jadi, Jika 𝐴 adalah sebarang matriks persegi 𝑛𝑥𝑛, maka 𝑑𝑒𝑡(𝑘𝐴) = 𝑘 𝑛 𝑑𝑒𝑡(A)
Contoh 2.13 :
1 3  4 12 
Misalkan A    maka 4 A   .
 3 5 12 20 
Dengan menggunakan perhitungan langsung, diperoleh bahwa 𝑑𝑒𝑡(𝐴) = −4 dan

𝑑𝑒𝑡(4𝐴) = −64. Hal ini sesuai dengan hubungan 𝑑𝑒𝑡(4𝐴) = 42 𝑑𝑒 𝑡(𝐴) = (16)(−4) =
−64
Misalkan 𝐴 dan 𝐵 adalah sebarang matriks persegi dengan
1 3 2 1  3 4
A , B    maka A  B    dimana
 3 5 1 2 4 7
𝑑𝑒𝑡(𝐴) = −4 , 𝑑𝑒𝑡(𝐵) = 3, dan 𝑑𝑒𝑡(𝐴 + 𝐵) = 5 sehingga
𝑑𝑒𝑡(𝐴 + 𝐵) ≠ 𝑑𝑒𝑡(𝐴) + 𝑑𝑒𝑡(𝐵)
Teorema 2.7
Misalkan 𝐴, 𝐵, dan 𝐶 adalah matriks-matriks 𝑛𝑥𝑛 yang berbeda hanya pada satu baris,
misalnya baris ke−𝑟, dan asumsikan bahwa baris ke ke−𝑟 dari 𝐶 dapat diperoleh dengan
menjumlahkan entri-entri yang bersesuaian pada baris ke−𝑟 dari 𝐴 dan 𝐵. Maka
𝑑𝑒 𝑡(𝐶) = 𝑑𝑒𝑡(𝐴) + 𝑑𝑒𝑡(𝐵)
Contoh 2.14 :
Diketahui
1 0 0 1 0 0 1 0 0
     
A   2 4 3, B   2 4 3,C   2 4 3
3 2 1  2 1 2  5 3 3
     
Dengan menghitung determinan, dapat dihitung bahwa 𝑑𝑒𝑡(𝐴) = −2, 𝑑𝑒𝑡(𝐵) = 5, dan
𝑑𝑒 𝑡(𝐶) = 3 sehingga
ALJABAR LINEAR 2017
𝑑𝑒 𝑡(𝐶) = 𝑑𝑒𝑡(𝐴) + 𝑑𝑒𝑡(𝐵)
Teorema 2.8
Jika 𝐴 dan 𝐵 adalah matriks-matriks persegi dengan ukuran sama, maka
𝑑𝑒𝑡(𝐴𝐵) = 𝑑𝑒𝑡(𝐴)𝑑𝑒𝑡(𝐵)
Contoh 2.15 :
Misalkan matriks-matriks
 1 3 2 1 5 7
A , B    , AB   
 3 5  1 2 11 13 
Kita peroleh 𝑑𝑒𝑡(𝐴) ∙ 𝑑𝑒𝑡(𝐵) = (−4)(3) = −12. Dengan perhitungan langsung

diperoleh 𝑑𝑒𝑡(𝐴𝐵) = −12, sehingga 𝑑𝑒𝑡(𝐴𝐵) = 𝑑𝑒𝑡(𝐴)𝑑𝑒𝑡(𝐵).
Teorema 2.9
Suatu matriks persegi 𝐴 dapat dibalik jika dan hanya jika 𝑑𝑒𝑡(𝐴) ≠ 0
Contoh 2.16 :
 1 2 2 
 
Diketahui matriks A   2 0 1  . Karena baris pertama dan baris ketiga
 2 4 4 
 
proporsional, maka 𝑑𝑒𝑡(𝐴) = 0. Jadi, 𝐴 tidak dapat dibalik.
Akibat 2.1
Jika 𝐴 dapat dibalik, maka
1
𝑑𝑒𝑡(𝐴−1 ) =
𝑑𝑒𝑡(𝐴)
Contoh 2.17 :
1 3
Dengan menggunakan matriks A   −1
 , maka 𝑑𝑒𝑡(𝐴) = −4. Jadi, 𝑑𝑒𝑡(𝐴 ) =
 3 5
1 1 1
𝑑𝑒𝑡(𝐴)
= −4 = − 4
ALJABAR LINEAR 2017
C. INVERS MATRIKS
1. Metode Untuk Mencari 𝑨−𝟏 Melalui Matriks Elementer

Definisi 2.1
Suatu matriks 𝑛𝑥𝑛 disebut matriks elementer E jika matriks tersebut dapat diperoleh
dari matriks satuan (identitas) 𝑛𝑥𝑛 yaitu 𝐼𝑛 dengan melakukan operasi baris elementer
tunggal.
Contoh 2.18 :
Berikut contoh matriks elementer dan operasi-operasi yang menghasilkannya.
2 0 Baris pertama 𝐼2 dikalikan dengan 2

i.  
0 1
0 0 1 0
 
ii. 0 1 0 0 Baris pertama dan ketiga dari 𝐼4 dipertukarkan
1 0 0 0
 
0 0 0 1
1 0 0
  5 kali baris ketiga 𝐼3 ditambahkan dengan baris kedua
iii. 0 1 5
0 0 1
 
1 0 0
  Baris kedua 𝐼3 dikalikan dengan 1
iv. 0 1 0
0 0 1
 
Jika matriks elementer A dikalikan dengan matriks-matriks elementer E maka efeknya
adalah untuk memperagakan operasi baris elementer pada A .
Teorema 2.10
Jika matriks elementer E dihasilkan dengan melakukan sebuah operasi baris tertentu
pada I m dan jika A adalah matriks mxn , maka hasil kali EA adalah matriks yang
dihasilkan bila operasi baris yang sama ini dilakukan pada A .
Contoh 2.19:
ALJABAR LINEAR 2017
 1 2 2
2 1 0 0
   
Diketahui matriks A   2 0 1 3  dan matriks elementer E   0 1 2 
 1 1 2 1  0 0 1
  
yang dihasilkan oleh penambahan 2 kali baris ketiga dari I 3 ke baris kedua. Hasil kali EA
adalah
 1 2 2
2
 
EA   0 2 5 5  yang sama persis dengan matriks yang dihasilkan apabila
 1 1 2 1 

kita menambahkan 2 kali baris ketiga dari A ke baris kedua.
Maple Code
Jika operasi baris elementer diterapkan pada matriks satuan/identitas I untuk

menghasilkan matriks elementer E , maka terdapat operasi baris kedua yang apabila
diterapkan pada matriks elementer E akan menghasilkan kembali matriks
satuan/identitas I . Misalkan jika E kita peroleh dengan mengalikan baris ke i dari I
ALJABAR LINEAR 2017
dengan konstanta c  0 , maka I dapat ditemukan kembali jika baris ke i dari E

1
dikalikan dengan .
c
Tabel 2.2 Operasi Baris Elementer yang Mengubah Matriks Elementer Menjadi
Matriks Satuan/Identitas, dan sebaliknya
Operasi Baris pada I yang menghasilkan E Operasi Baris pada E yang menghasilkan I
Mengalikan baris ke i dengan konstanta 1

Mengalikan baris ke i dengan konstanta
c0 c
Menukar baris ke i dengan baris ke  j Menukar baris ke i dengan baris ke  j
Menambahkan k kali baris ke i dengan baris Menambahkan  k kali baris ke i dengan baris
ke  j ke  j
Contoh 2.20 :
Berdasarkan Contoh 2.16 untuk menjadikan matriks satuan/identitas, maka operasi yang
dilakukan terhadap matriks elementer
 2 0 Baris pertama E dikalikan dengan 1

i.  
0 1
2
0 0 1 0
 
0 1 0 0 Baris pertama dan ketiga dari E dipertukarkan
ii. 
1 0 0 0
 
0 0 0 1
1 0 0
  5 kali baris ketiga E ditambahkan dengan baris kedua
iii.  0 1 5 
0 0 1
 
Teorema 2.11
Setiap matriks elementer dapat dibalik, dan inversnya juga matriks elementer
Jika A matriks persegi nxn dan matriks A tersebut ekuivalen baris dengan matriks satuan
I n maka dapat ditemukan m matriks elementer yang sedemikian rupa sehingga jika
dikalikan dengan matriks A maka matriks A tersebut menjadi matriks satuan, sehingga
Em E2 E1 A  I n
ALJABAR LINEAR 2017
Karena matriks elementer mempunyai invers, maka kalikan dengan invers masing-
masing matriks elementer dan diperoleh
E11E21 Em1Em E2 E1 A  E11E21 Em1I n
atau
A  E11E21 Em1I n
Persamaan di atas memperlihatkan bahwa A mempunyai invers. Karena A memiliki

invers, maka
A1 A  I
dengan
A1  Em E2 E1I n
Karena matriks invers tunggal, maka (jika A memiliki invers) matriks A ekivalen baris
dengan matriks satuan I .
I | A 
OBE
A| I 1
Berdasarkan hal di atas, cara mudah untuk menentukan invers dari suatu matriks persegi
adalah dengan melakukan serangkaian operasi baris elementer secara bersamaan antara
matriks A dengan matriks satuan I dengan target mengubah matriks A menjadi matriks
satuan I dan akibatnya diperoleh perubahan matriks I menjadi matriks A1 . Jika A
tidak dapat berubah menjadi matriks satuan, berarti A tidak memiliki invers.
Contoh 2.21:
Tentukan matriks invers (jika ada) dari
1 3 3  1 6 4
1 2     
A  , B  1 4 3  , C   2 4 1
 3 1 1 3 4   1 2 5 
   
Penyelesaian
ALJABAR LINEAR 2017
 1 2 
1
 1 0  2b2 b1 
7 
 b2
1 2 1 0 3b1  b2 1 2 1 0 7
1 2  1 07
A| I       0 1 3 1  
 3 1 0 1   0 7 3 1    0 1 3

1
 
 7 7
 7 7
1 2 
7 7 
Jadi, A1   
3 1
 

7 7
Maple Code
ALJABAR LINEAR 2017
1 3 3 1 0 0  b b  1 3 3 1 0 0  3b b  1 3 0 4 0 3  3b b  1 0 0 7 3 3 
 B I   1 4 3 0 1 0   0 1 0 1 1 0   0 1 0 1 1 0   0 1 0 1 1 0 
1 2 3 1 2 1
1 3 4 0 0 1  b1 b2  0 0 1 1 0 1   0 0 1 1 0 1   0 0 1 1 0 1 
       
 7 3 3 
1 
Jadi, B   1 1 0
 1 0 1 
 
Maple Code
ALJABAR LINEAR 2017
 1 6 4 1 0 0  2b b  1 6 4 1 0 0  b b  1 6 4 1 0 0
  1 2  2 3 
 C I    2 4 1 0 1 0   0 8 9 2 1 0   0 8 9 2 1 0 
 1 2 5 0 0 1  b1 b2  0 8 9 1 0 1   0 0 0 1 1 1 
     
Karena tidak didapatkan matriks satuan, maka C tidak memiliki invers.
Maple Code
Error, (in linalg:-inverse) singular matrix
ALJABAR LINEAR 2017
2. Metode untuk Mencari 𝑨−𝟏 Melalui Matriks Adjoin

Definisi 2.2
Jika A sebarang matriks persegi nxn dan Cij adalah kofaktor aij maka matriks
 C11 C12 C1n 

 
 C21 C22 C2 n 
 
 
 Cn1 Cn 2 Cnn 
merupakan matriks kofaktor A . Transpose matriks ini dinamakan adjoin A yang

ditulis dengan adj  A
Contoh 2.22:
a b 
Diketahui matriks A =   carilah invers dari matriks A!
c d 
Penyelesaian
Kofaktor dari matriks aij atau Cij , yaitu:
C11=M11 = d C12= - M12 = - c
C21= - M21 = - b C22=M22 = a
sehingga matriks kofaktor C adalah
 d c 
C  
 b a 
Maple Code
ALJABAR LINEAR 2017
Dari pembahasan sebelumnya telah diketahui bahwa jika matriks persegi A = (a ij)
berdimensi n adalah invertible (non singular) maka ada matriks A-1 (matriks
invers A) sehingga berlaku hubungan:
AA-1=A-1A=I
Untuk setiap matriks persegi A = (aij) berdimensi n, ada adjoint matriks A. Adjoint
matriks (adj) merupakan transpose dari matriks kofaktor. Adjoint matriks A
ditulis dengan adj A sedemikian hingga berlaku hubungan:
A (adj A) = (adj A) A = A I
atau
adjA adjA
A  AI
A A
Dengan A  0
Sehingga dapat disimpulkan bahwa:
adjA
A-1= ; dengan A  0
A
Dengan demikian jelas bahwa suatu matriks persegi akan mempunyai invers jika
determinan dari matriks tersebut tidak sama dengan nol, atau dengan kata lain
matriks tersebut non singular.
Contoh 2.23 :
Dengan menggunakan Contoh 2.19
ALJABAR LINEAR 2017
 d b 
adj  A  C T   .
 c a 
adjA 1  d b 
Jadi, A1    
A ad  bc  c a 
Maple Code
LATIHAN SOAL!
1. Hitunglah nilai determinan dari matriks persegi dimensi 3 berikut:
 2 0  4
 
a. G   2 3  1 
0 2 1 
 
x 2 0 0
 
b. D   0 x 1 0 
 0 2 x 
 0
2. Berapakah nilai x jika:
x5 1
a. 0
7 x3
0 xa xb
b. xa 0 xc  0
xb xc 0
ALJABAR LINEAR 2017
a b 
3. Andaikan A =   dan B = I2. Tunjukkan bahwa:
 c d 
Det (A+B = det A + det B jika dan hanya jika a+d = 0.
4. Hitunglah determinan berikut ini dengan ekspansi minor dan kofaktor:
k 1 k 1 7
 
a. A 2 k  3 4
 5 k  1 k 

3 3 0 5 
 
 2 2 0  2
b. A  
4 1 3 0 
 
 2 10 3 2 

4 0 0 1 0
 
3 3 3 1 0
c. A  1 2 4 2 3
 
9 4 6 2 3
2 2 3 
 2 4
5. Periksa bahwa det (AB) = det (A) det (B) untuk:
 2 1 0
 
A =  3 4 0
 0 0 2
 
 1 
1 bc 
 a 
6. Tunjukkan bahwa 1 ac   0 !
1
 b 
 1 
1 ab 
 c 
7. Carilah invers dari matriks berikut ini, jika matriksnya invertible:
 4 0 4
 
a. C =  4 0 8 
 0 1 2
 
ALJABAR LINEAR 2017
1 1 1 1 
 
1 2 3  4
b. E = 
2 3 5  5
 
3  4  5 8 
 
1 2 3 
 
8. Diketahui matriks A =  4 5 6  carilah:
 7 8 10 
 
a. A-1
b. Det A
c. Det (A-1)
d. Apa yang dapat disimpulkan dari det A dan det (A-1) !
9. Carilah sembarang matriks A yang simetri. Kemudian carilah A-1. Apakah A-1 juga
matriks simetri?
 1 0
10. Tinjau matriks A =  
  5 2
a. Cari matriks elementer E1 dan E2 sedemikian sehingga E2E1A = I
b. Tulis A-1 sebagai suatu hasil kali dua matriks elementer!
c. Tulis A sebagai suatu hasil kali dua matriks elementer!
BAB III
SISTEM PERSAMAAN LINEAR
ALJABAR LINEAR 2017
A. BENTUK UMUM SISTEM PERSAMAAN LINEAR

Matriks juga dapat muncul sebagai koefisien dari suatu sistem persamaan linear. Sebagai
contoh untuk sistem persamaan linear :
𝑥 + 2𝑦 = −2
3𝑥 − 𝑦 = 4, maka matriks koefisien yang berhubungan dengan sistem tersebut adalah
1 2 1 2 −2
( ), sedangkan matriks augmented (matriks tambahan) adalah ( )
3 −1 3 −1 4
Setiap sistem persamaan linear, akan mempunyai tiga kemungkinan kaitannya dengan
solusi atau penyelesaian dari sistem tersebut, yaitu:
1. Tidak mempunyai penyelesaian (inconsistent)
2. Hanya mempunyai satu penyelesaian (Jawab tunggal)
3. Mempunyai banyak jawab (banyak penyelesaian)
Secara umum sistem persamaan linear yang memuat dua variabel dari dua persamaan
dapat dituliskan sebagai berikut:
𝑎11 𝑥1 + 𝑎12 𝑥2 = 𝑔1 … (3.1)
𝑎21 𝑥1 + 𝑎22 𝑥2 = 𝑔2 … (3.2)
Persamaan (3.1) dan (3.2) dapat ditulis dalam notasi matriks sebagai berikut :
𝑎11 𝑎12 𝑥1 𝑔1
(𝑎 𝑎 ) (𝑥 ) = (𝑔 ) … (3.3)
21 22 2 2
Sehingga untuk sistem persamaan linear :

𝑥 + 2𝑦 = −2
3𝑥 − 𝑦 = 4, dalam notasi matriks dapat ditulis:
1 2 𝑥 −2
( ) (𝑦) = ( )
3 −1 4
Sedangkan sistem persamaan linear berikut:
𝑥1 + 2𝑥2 + 𝑥3 = 2
3𝑥1 + 𝑥2 − 2𝑥3 = 1
4𝑥1 − 3𝑥2 − 𝑥3 = 3, disebut sebagai sistem persamaan linear tiga variabel.
Penyelesaian dari sistem ini adalah semua tripel bilangan real berurutan (𝑥1 , 𝑥2 , 𝑥3 ) yang
memenuhi ketiga persamaan tersebut secara simultan. Dalam notasi matriks sistem
persamaan tersebut dapat ditulis sebagai :
1 2 1 𝑥1 2
(3 1 −2) (𝑥2 ) = (1)
4 −3 −1 𝑥3 3
ALJABAR LINEAR 2017
Memperhatikan uraian diatas, secara umum sistem persamaan linear yang memuat m
persamaan dari n variabel adalah:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑔1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑔2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑔3
………………………………………………
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑔𝑚 … (3.4)
Dalam notasi matriks bisa ditulis sebagai:
 a11 a a ... a  x1   g 1 
 12 13 1n  
 a21 g 
a a 2 n  x 2 
a
...
   
22 23 2

 a31 a 32 a 33
... a
3 n  x3  g 
... ...  ...   ... 
3
 ... .... ...
    
 a m1 a a ... amn  xn   g 
m2 m3
 m … (3.5)
Penulisan bisa disederhanakan menjadi:
𝐴𝑋 = 𝐺 … (3.6)
Dimana 𝐴 = (𝑎𝑖𝑗 ) berdimensi 𝑚𝑥𝑛, disebut juga sebagai matriks koefisien.
𝑋 adalah matriks kolom berdimensi 𝑛𝑥1, disebut juga sebagai matriks variabel.
𝐺 adalah matriks kolom berdimensi 𝑚𝑥1, disebut juga sebagai matriks konstanta.
Berdasarkan nilai 𝑮, jenis sistem persamaan linier terbagi menjadi dua:

1. Sistem Persamaan Linier Non Homogen
Sistem persamaan linier untuk 𝐴𝑋 = 𝐺 disebut sebagai sistem persamaan linier non
homogen bila 𝐺 ≠ 0 (G bukan matriks nol).
Sehingga bentuk umum sistem persamaan linier non homogen adalah sebagai
berikut:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑔1
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑔2
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑔3
………………………………………………
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑔𝑚 … (3.7)
Sistem Persamaan (3.7) dalam notasi matriks bisa ditulis sebagai:
ALJABAR LINEAR 2017
 a11 a a ...  x1   g 1 
a
 12 13   1n
 a 21 g 
a a 2 n  x 2 
a
...

22 23
    2
 a31 a 32 a 33
... a
3 n  x3 
 g  … (3.8)
... ...  ...   ... 
3
 ... .... ...
    
 a m1 a a ... a mn  x n   g 
m2 m3
 m
Sedangkan matriks augmentednya bisa ditulis sebagai berikut:
 g 
 a11 a 12 a 13
... a 1n 1
 g 
 a 21 a a a
...
22 23 2n 2
(A|G) =  a31 a 32 a 33
... a 3n g  … (3.9)
 ... .... ... ... ...
3

 ... 
 a m1 a a ... a g m 
 m2 m3 mn
2. Sistem Persamaan Linier Homogen

Sistem persamaan linier untuk 𝐴𝑋 = 𝐺 disebut sebagai sistem persamaan linier
homogen bila 𝐺 = 0 (G matriks nol).
Sehingga bentuk umum sistem persamaan linier homogen adalah sebagai berikut:
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 0
𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 0
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 0
………………………………………………
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + 𝑎𝑚3 𝑥3 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 0 … (3.10)
Sistem persamaan 3.10 dalam notasi matriks bisa ditulis sebagai:
 a11 a a ... a  x1   0 
 12 13    
1n
 a21 a 22 a 23
... a 2 n  x2  0
     0  … (3.11)
 a31 a a a 3 n  x3 
...
32 33  
 ... .... ... ... ...  ...   ...
    
 am1 a m2 a m3
... amn  xn   0 
Penulisan bisa disederhanakan menjadi:
𝐴𝑋 = 0
Sedangkan matriks augmentednya bisa ditulis sebagai berikut:
ALJABAR LINEAR 2017
 a11 a a ... a 0
 12 13 1n 
 a 21 a 22 a 23
... a 2n
0
(𝐴|𝐺) =  a31 a a ... a 0  = (𝐴|𝑂) … (3.12)
 32 33 3n
 ... .... ... ... ... ...
 
 a m1 a m2 a m3
... a mn
0 
B. METODE PENYELESAIAN SISTEM PERSAMAAN LINIER
1. Metode Matriks Invers

Metode matriks invers hanya bisa digunakan untuk mencari penyelesaian dari sistem
persamaan linear non homogen yang hanya mempunyai jawab tunggal. Untuk
persamaan linier 𝐴𝑋 = 𝐺 dengan 𝐴 adalah matriks koefisien berdimensi 𝑚𝑥𝑛, 𝑋
adalah matriks kolom berdimensi 𝑛𝑥1, 𝐺 adalah matriks kolom berdimensi 𝑚𝑥1,
disebut juga sebagai matriks konstanta. Jika 𝑚 = 𝑛 yang berarti banyaknya
persamaan sama dengan banyaknya variabel) maka matriks koefisien 𝐴 menjadi
matriks persegi berdimensi 𝑛𝑥𝑛, dan matriks konstanta 𝐺 juga berdimensi 𝑛𝑥1,
yaitu:
 a11  g 
 a 12 a 13
... a 1n  1
 a21 g 
a a a 2n 
...
22 23
 2
𝐴=  a31 a a ... a
 dan 𝐺 =
 g  … (3.13)
 32 33 3n 
 ... .... ... ... ...   3
   ... 
 am1 a m2 a m3
... amn  g 
 m
Karena 𝐴 menjadi matriks persegi, bila 𝐴 non singular maka |𝐴| ≠ 0, dan berarti 𝐴−1
ada.
Maka:
𝐴𝑋 = 𝐺 (kedua ruas dikalikan dengan 𝐴−1 )
𝐴−1 𝐴𝑋 = 𝐴−1 𝐺
𝐼𝑋 = 𝐴−1 𝐺
𝑋 = 𝐴−1 𝐺 … (3.14)
ALJABAR LINEAR 2017
Contoh 3.1:
Selesaikan sistem persamaan
𝑥 + 2𝑦 = 0; 3𝑥 − 𝑦 = 7
Solusi:
1 2 𝑥 0
𝐴= ( ), 𝑋 = (𝑦) dan 𝐺 = ( )
3 −1 7
𝑑𝑒𝑡(𝐴) = −1 − 6 = −7, berarti 𝐴 non singular dan 𝐴−1 ada.
1 2
1 −1 −2 1 −1 −2
𝐴 −1
= det(𝐴) ( ) = −7 ( ) = (73 7 1)
−3 1 −3 1 −7
7
Menggunakan persamaan (3.14) :

𝑋 = 𝐴−1 𝐺
1 2
0
𝑋 = (7 7 ) ( )
3 1 7
−
7 7
𝑥 2
(𝑦) = ( ) ; yang berarti 𝑥 = 2 dan 𝑦 = −1
−1
Sehingga 𝐻𝑃 = {2, −1}
Maple Code
Contoh 3.2 :
Dengan menggunakan matriks invers selesaikan sistem persamaan linear berikut:
ALJABAR LINEAR 2017
𝑥1 + 3𝑥2 + 3𝑥3 = 1
𝑥1 + 4𝑥2 + 3𝑥3 = −1
𝑥1 + 3𝑥2 + 4𝑥3 = 2
Solusi:
1 3 3 𝑥1 1
𝐴 = (1 4 3); 𝑋 = (𝑥2 ); dan 𝐺 = (−1)
1 5 4 𝑥3 2
Dicari terlebih dahulu 𝐴−1 dengan adjoint matriks:
𝐶11 = 𝑀11 = 7 𝐶12 = −𝑀12 = −1 𝐶13 = 𝑀13 = −1
𝐶21 = −𝑀21 = −3 𝐶22 = 𝑀22 = 1 𝐶23 = −𝑀23 = 0
𝐶31 = 𝑀31 = −3 𝐶32 = −𝑀32 = 0 𝐶33 = 𝑀33 = 1
7 −3 −3
𝐴𝑑𝑗(𝐴) = (−1 1 0)
−1 0 1
𝑑𝑒𝑡(𝐴) = 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13 = 1.7 + 3 (−1) + 3 (−1) = 1
7 −3 −3
−1 𝐴𝑑𝑗 𝐴
𝐴 = = (−1 1 0)
𝑑𝑒𝑡(𝐴)
−1 0 1
7 −3 −3 1
𝑋 = 𝐴−1 𝐺 = (−1 1 0 ) (−1)
−1 0 1 2
𝑥1 4
(𝑥2 ) = (−2), yang berarti 𝑥1 = 4, 𝑥2 = −2, dan 𝑥3 = 1
𝑥3 1
Jadi, penyelesaian dari sistem persamaan adalah tripel bilangan (4, -2, 1)
Maple Code
ALJABAR LINEAR 2017
ALJABAR LINEAR 2017
2. Aturan Cramer
𝑎𝑑𝑗( 𝐴)
Dari persamaan 𝑋 = 𝐴−1 𝐺, karena 𝐴−1 = |𝐴|
,
𝑎𝑑𝑗 𝐴
Maka 𝑋 = |𝐴|
𝐺
 C11 C C ... C   g 1 
 21 31  
n1
 n2   g 2 
1  C12 C C C
22 32
...

𝑋 =  
|𝐴|  C13 C C C
23 33
... n3  g
...   ... 
3
 ... ... ... ...
 
 C1n C 2n C 3n
... C nn   g n 
 x1   g C  g C  g C  ...  g C 
   1 11 2 21 3 31 n n1 
 x2   g1C12  g 2 C 22  g 3 C 32  ...  g n C n 2 
  1 
 x3  |𝐴|  g 1 C13  g 2 C 23  g 3 C 33  ...  g n C n 3 
 ...   
 .................................................. 
 
 xn       g n C n  … (3.15)
 g 1 C1n g 2 C 2 n g 3 C 3n
...
Karena
g a
1 12 a 13
... a 1n
g a
2 22 a 23
... a 2n
g 1 C11  g 2 C 21  g 3 C 31  ... g n C n1
= g a
3 32 a 33
... a 3n
 A
1
... ... ... ... ...

g a
n n2 a n3
... a nn
… (3.16)
Dengan cara yang sama dapat ditunjukkkan bahwa:
gC 12
g C 22
g C 32
 ... g C n2
= A 2
1 2 3 n
gC 13
g C 23
g C 33
 ... g C n3
= A 3
1 2 3 n
…………………………………………………………………………….
gC 1n
g C 2n
g C 3n
 ...  g C n
= A n
1 2 3 n … (3.17)
Sehingga:
ALJABAR LINEAR 2017
 x1   A1 
   
 x2   A2 
  1  
x
  |𝐴|
3  A 3 
 ...   ... 
   
A 
 xn   n  … (3.18)
Dari persamaan diatas dapat diperoleh aturan cramer sebagai berikut:

|𝐴1 | |𝐴2 | |𝐴3 | |𝐴𝑛 |
𝑥1 = |𝐴|
, 𝑥2 = |𝐴|
, 𝑥3 = |𝐴|
, … dan 𝑥𝑛 = |𝐴|
… (3.19)
Contoh 3.2 dicari menggunakan aturan cramer:

𝑥1 + 3𝑥2 + 3𝑥3 = 1
𝑥1 + 4𝑥2 + 3𝑥3 = −1
𝑥1 + 3𝑥2 + 4𝑥3 = 2
Solusi:
1 3 3
|𝐴| = |1 4 3| = 1
1 3 4
1 3 3 1 3 3
|𝐴| = |1 4 3| = 1, |𝐴1 | = |−1 4 3| = 4,
1 3 4 2 3 4
1 1 3 1 3 1
|𝐴2 | = |1 −1 3| = −2, |𝐴3 | = |1 4 −1| = 1
1 2 4 1 3 2
|𝐴1 | |𝐴2 | |𝐴3 |
𝑥1 = |𝐴|
= 4; 𝑥2 = |𝐴|
= −2; dan 𝑥3 = |𝐴|
=1
Jadi, penyelesaian dari sistem persamaan tersebut sama ketika memakai aturan
invers sama dengan ketika menggunakan aturan cramer yaitu (4, -2, 1)
Maple Code
ALJABAR LINEAR 2017
3. Operasi Elementer terhadap Baris dan Kolom Suatu Matriks
Contoh 3.3 :
Selesaikan sistem persamaan linear
𝑥 + 𝑦 + 2𝑧 = 9
2𝑥 + 4𝑦 − 3𝑧 = 1
3𝑥 + 6𝑦 − 5𝑧 = 0
Solusi:
ALJABAR LINEAR 2017
1 1 2 𝑥 9
𝐴 = (2 4 −3) ; 𝑋 = (𝑦) ; 𝐺 = (1) ;
3 6 −5 𝑧 0
𝐴𝑋 = 𝐺
Sedangkan matriks augmented nya bisa ditulis sebagai berikut:
1 1 2 9
 
(𝐴|𝐺) =  2 4  3 1 
 3 6  5 0
 
Untuk mencari penyelesaian persamaan tersebut akan dilakukan operasi baris
elementer pada matriks augmentednya:
1 1 2 9 1 1 2 9 1 1 2 9 
     
 2 4  3 1  B21(-2)  0 2  7 17  B31(-3)  0 2  7 17  B2(1/2)
 3 6  5 0 3 6  5 0   0 3  11  27 
     
 
 
1 1 2 9  1 1 2 9  1 1 2 9 
 7 17  7 17   7 17 
0 1    B32(-3)  0 1   B3(-2)  0 1    B12(-1)
 2 2  2 2  2 2
 0 3  11  27 
  1 3  0 0 1 3 
0 0   
 2 2
 11 35 
1 0 
 2 2  1 0 0 1  1 0 0 1 Bentuk ini
 17   
0 1  7 
17 
B13(-11/2)  0 1 
7
  B23(7/2)  0 1 0 2 
dinamakan eselon
 2 2  2 2 0 0 1 3 baris tereduksi
0 0 1 3  0 0 1 3   
 
 
Sehingga nilai 𝑥 = 1, 𝑦 = 2, 𝑑𝑎𝑛 𝑧 = 3.
Maple Code
ALJABAR LINEAR 2017
ALJABAR LINEAR 2017
Contoh 3.4 :
Selesaikan dengan operasi baris elementer
𝑥1 + 3𝑥2 − 2𝑥3 + 2𝑥5 = 0
2𝑥1 + 6𝑥2 − 5𝑥3 − 2𝑥4 + 4𝑥5 − 3𝑥6 = −1
5𝑥3 + 10𝑥4 + 15𝑥6 = 5
2𝑥1 + 6𝑥2 + 8𝑥4 + 4𝑥5 + 18𝑥6 = 6
 x1 
 
1 3  2 0 2 0   x2   0
     
 2 6  5  2 4  3 1
 ; 𝐺 =  ;
x
𝐴 =  ; 𝑋 = 3
0 0 5 10 0 15   x4   5
     
2 6 0 8 4 18   6
  x5   
 
 x6 
𝐴𝑋 = 𝐺
Sedangkan matriks augmented nya bisa ditulis sebagai berikut:
1 3 2 0 2 0 0
 
2 6  5  2 4  3  1
(𝐴|𝐺) = 
0 0 5 10 0 15 5 
 
2 8 4 18 6 
 6 0
Untuk mencari penyelesaian persamaan tersebut akan dilakukan operasi baris

elementer pada matriks augmented nya:
1 3 2 0 2 0 0 1 3 2 0 2 0 0
   
2 6  5  2 4  3  1 0 0  1  2 0  3  1
0  H21(-2) dan H41(-2) 
0 5 10 0 15 5 0 0 5 10 0 15 5 
   
2 8 4 18 6  0 8 0 18 6 
 6 0  0 4
ALJABAR LINEAR 2017
1 3 2 0 2 0 0 1 3 2 0 2 0 0
   
0 0  1  2 0  3  1 0 0 1 2 0 1 3
0  H2(-1)  H32(-5) dan H42(-4)
0 5 10 0 15 5 0 0 5 10 0 15 5 
   
0 8 0 18 6  0 8 0 18 6 
 0 4  0 4
1 3  2 0 2 0 0 1 3  2 0 2 0 0
   
0 0 1 2 0 3 1 0 0 1 2 0 3 1
0  H34  H3(1/6)
0 0 0 0 0 0 0 0 0 0 0 6 2
   
0   0 0 0 0 0 0 
 0 0 0 0 6 2 0
1 3  2 0 2 0 0 Bentuk ini dinamakan eselon baris tereduksi. Sampai
 
0 0 1 2 0 3 1 pada langkah ini dinamakan juga METODE
0 0 0 0 0 1
1
GAUSS.
 3
0 0 0 0 0 0 0 

1 3  2 0 2 0 0 1 3 0 4 2 0 0 Bentuk ini dinamakan
   
0 0 1 2 0 3 1 0 0 1 2 0 0 0 eselon baris tereduksi.
0 1  H23(-3)H12(2)  1
0 0 0 0 1 0 0 0 0 0 1 Sampai pada
 3  3
0 0 0 0 0 0 0  0 0 0 0 0 0 0  langkah ini
 
dinamakan
METODE GAUSS
JORDAN
Maple Code
ALJABAR LINEAR 2017
ALJABAR LINEAR 2017
Sehingga menghasilkan persamaan baru yang berpadanan:

𝑥1 + 3𝑥2 + 4𝑥4 + 2𝑥5 = 0
𝑥3 + 2𝑥4 = 0
1
𝑥6 =
3
Sehingga diperoleh:
𝑥1 = −3𝑥2 − 4𝑥4 − 2𝑥5
𝑥3 = −2𝑥4
1
𝑥6 =
3
Jika kita memberi sembarang nilai 𝑟, 𝑠, dan 𝑡 sebagai parameter masing-masing ke
variabel bebas 𝑥2 , 𝑥4 , dan 𝑥5 , penyelesaian umumnya adalah:
𝑥1 = −3𝑟 − 4𝑠 − 2𝑟, 𝑥2 = 𝑟
𝑥3 = −2𝑠, 𝑥4 = 𝑠
1
𝑥5 = 𝑡, 𝑥6 =
3
C. BEBERAPA CONTOH SISTEM PERSAMAAN LINEAR DAN PENYELESAIANNYA

1. SPL Nonhomogen dengan penyelesaian tunggal (unique)
ALJABAR LINEAR 2017
Cari penyelesaian dari sistem :

𝑥1 – 2𝑥2 + 𝑥3 = −5
3𝑥1 + 𝑥2 – 2𝑥3 = 11
−2𝑥1 + 𝑥2 + 𝑥3 = −2
Solusi:
a. Menggunakan Metode Gauss
Lakukan OBE, bawa (𝐴|𝐺) menjadi bentuk eselon
(𝐴|𝐺) =  1  2 1  5  1  2 1

5 

 1  2 1  5
 
 3 1  2 11   0 7  5 26   0 7  5 26 
 2 1 ~  0  3 3 ~12   0 1  1~ 4 
 1  2     
 1  2 1  5 1  2 1  5
  ~  
 0 1 1 4   0 1 1 4 
 0 7  5 26  0 0 2  2 
  
Sehingga diperoleh persamaan baru:
𝑥1 − 2𝑥2 + 𝑥3 = −5 … (1)
𝑥2 − 𝑥3 = 4 … (2)
2𝑥3 = −2 … (3)
Lakukan substitusi balik:
Untuk persamaan (3): 2𝑥3 = −2
−2
𝑥3 = = −1
2
Untuk persamaan (2): 𝑥2 − 𝑥3 = 4

𝑥2 − (−1) = 4
𝑥2 = 4 - 1
𝑥2 = 3
Untuk persamaan (1): 𝑥1 − 2𝑥2 + 𝑥3 = −5
𝑥1 − 6 + (−1) = −5
𝑥1 − 7 = −5
𝑥1 = 2
Jadi, penyelesaiannya adalah {2, 3, -1}
b. Menggunakan Metode Gauss Jordan
Lakukan OBE, bawa (𝐴|𝐺) menjadi bentuk eselon baris tereduksi
(𝐴|𝐺) =  1  2 1  5  1  2 1 5   1  2 1  5
     
 3 1  2 11   0 7  5 26   0 7  5 26 
     
75 | A f l i c h Y u s nit 2a F1i t r i 1a n na2,M . Pd0. | C 3h a n3 d r a 12No v t i a 0
r , M1. S i  1 4 
ALJABAR LINEAR 2017
~ ~ ~
 1  2 1  5 1  2 1  5 1  2 0  4
  ~  ~   ~
 0 1 1 4   0 1 1 4  0 1 0 3 
 0 7  5 26  0 0 2  2   0 0 1 1 
    
1 0 0 2 
 
0 1 0 3 
 0 0 1 1
 
𝑥1 = 2
𝑥2 = 3
𝑥3 = −1
c. Menggunakan Metode Invers
𝑨𝑿 = 𝑮
𝑨−𝟏 𝑨 𝑿 = 𝑨−𝟏 𝑮
𝑿 = 𝑨−𝟏 𝑮
Cari invers dari 𝐴 (bisa dengan OBE, atau bisa dengan matriks adjoint).
 1 2 1  3 3 3
   
A 3 1  2  maka adj( A)   1 3 5 
 2 1 1  5 3 7
  
𝑑𝑒𝑡 (𝐴) = 6
3 3 3
−1 1 1  
𝐴 = 𝑑𝑒𝑡( 𝐴)
𝑎𝑑𝑗(𝐴) = 6 1 3 5
5 3 7
 
 3 3 3    5 
1  
𝑋 = 𝐴−1 𝐺 =  1 3 5   11 
 5 3 7    2 
6
 
1 1 1 −5 11 −2 4
  5 + +
2
1
2
1
2
5   2
−5
2
11
2
−10
2 2
18
𝑋= 6 2 6  11  = 6
+
2 6
+
6
= ( 3) =
5 1 7   2 −25 11 −14 −6 −1
(6 2 6)
  ( 6
+ 2 + 6
) (6)
ALJABAR LINEAR 2017
2
𝑋= (3)
−1
𝑥1 2
(𝑥2 ) = ( 3 )
𝑥3 −1
𝑥1 = 2
𝑥2 = 3
𝑥3 = −1
d. Metode Cramer
Cari det(A), dan det(Ai) , yaitu determinan dari A dengan terlebih dahulu
mengganti kolom ke i dengan matriks konstanta G.
1 2 1
A 3 1 2 6
2 1 1
5 2 1 1 5 1 1 2 5
A 1
 11 1  2  12
; A 2
 3 11  2 ; 18 A 3
 3 1 11  6
2 1 1 2 2 1 2 1 2
|𝐴𝑖 |
Selesaikan 𝑥𝑖 = |𝐴|
| A1 | 12 | A2 | 18 | A3 |  6
x1   2 x2   3 x3    1
| A| 6 | A| 6 | A| 6
2. SPL Nonhomogen dengan banyak jawab / banyak penyelesaian.

Selesaikan sistem :
𝑥1 – 2𝑥2 + 𝑥3 = 2
−2𝑥1 + 3𝑥2 – 4𝑥3 = 1
−5𝑥1 + 8𝑥2 – 9𝑥3 = 0
Solusi:
ALJABAR LINEAR 2017
Menggunakan Operasi Baris Elementer

 1  2 1 2 1  2 1 2 1  2 1 2
     
(𝐴|𝐺) =   2 3  4 1~  0  1  2 ~5   0 1  2 5 
  5 8  9 0  0  2  4 10  0 0 0 0 
    
Sehingga persamaan baru menjadi:

𝑥1 − 2𝑥2 + 𝑥3 = 2 … (1)
−𝑥2 − 2𝑥3 = 5 …. (2)
Untuk persamaan (2):
−𝑥2 = 5 + 2𝑥3
𝑥2 = −2𝑥3 − 5 … (3)
Substitusi persamaan (3) ke (1)
𝑥1 − 2𝑥2 + 𝑥3 = 2
𝑥1 − 2(−5 − 2𝑥3 ) + 𝑥3 = 2
𝑥1 + 10 + 5𝑥3 = 2
𝑥1 = 2 − 10 − 5𝑥3
𝑥1 = −5𝑥3 − 8 (𝑥3 sebagai variabel bebas)
Berikan nilai parameter tertentu pada variabel bebas, kemudian subtitusikan pada
persamaan baru
Misal 𝑥3 = 𝛼
𝑥2 = −2𝛼 − 5
𝑥1 = −5𝛼 − 8
Jadi penyelesaian umum: {(-5α – 8, -2α – 5, α)}
Jika diambil nilai α = 0, maka salah satu penyelesaian khusus adalah {(-8, -5, 0)}.
Carilah solusi khusus yang lain!
3. SPL Nonhomogen yang tidak mempunyai jawab / penyelesaian.

Selesaikan sistem :
𝑥1 − 𝑥2 + 2𝑥3 − 3𝑥4 = −2
−𝑥1 + 𝑥2 − 3𝑥3 + 𝑥4 = 1
ALJABAR LINEAR 2017
2𝑥1 − 2𝑥2 + 3𝑥3 − 8𝑥4 = −3

Solusi:
 1 1 2  3  2  1 1 2  3  2  1 1 2  3  2
     
 1 1  3 1 1   0 0  1  2  1~
  0 0 1  2 1 
(𝐴|𝐺) = ~
 2  2 3  8  3  0 0 1  2 1  0 0 0 2 
     0
Sehingga persamaan baru menjadi:

𝑥1 − 𝑥2 + 2𝑥3 − 3𝑥4 = −2 … (1)
−𝑥3 − 2𝑥4 = −1 … (2)
0𝑥1 + 0𝑥2 + 0𝑥3 + 0𝑥4 = 2 … (3)
Untuk persamaan (3) Apakah ada nilai 𝑥 yang memenuhi ?
Sistem tidak punya penyelesaian.
4. SPL Homogen dengan Jawab Tunggal /hanya jawab trivial / hanya jawab nol
Selesaikan sistem :
𝑥1 − 2𝑥2 + 𝑥3 = 0
−𝑥1 + 3𝑥2 − 2𝑥3 = 0
2𝑥1 + 𝑥2 − 4𝑥3 = 0
Solusi:
 1  2 1 0 1  2 1 0 1  2 1 0
     
(𝐴|𝐺) =   1 3  2 0  ~  0 1 1 0 ~  0 1 1 0
2 1  4 0  0 5  6 0  0 0 1 0
    
Sehingga didapat persamaan baru:
𝑥1 − 2𝑥2 + 𝑥3 = 0
𝑥2 − 𝑥3 = 0
−𝑥3 = 0
Dengan substitusi balik diperoleh:
𝑥3 = 0,
𝑥2 = 0, dan
ALJABAR LINEAR 2017
𝑥1 = 0 Sistem hanya mempunyai jawab nol,
Catatan : saat OBE, perhatikan bahwa bagian kanan dari (𝐴|0) tidak berubah. Jadi khusus
sistem homogen kita dapat cukup melakukan OBE terhadap matriks 𝐴, dengan mengingat
bahwa bagian ruas kanan selalu bernilai 0 (nol).
5. SPL Homogen dengan banyak Jawab

Selesaikan sistem :
𝑥1 − 2𝑥2 + 𝑥3 = 0
−𝑥1 + 3𝑥2 − 2𝑥3 = 0
2𝑥1 + 𝑥2 − 3𝑥3 = 0
Solusi:
Lakukan OBE bawa (A) menjadi bentuk eselon
 1 2 1  1  2 1  1  2 1 
     
A =  1 3  2 ~  0 1 1 ~   0 1 1 
2  0 5  5  0 0 
 1 3     0 

𝑥1 − 2𝑥2 + 𝑥3 = 0 … (1)
𝑥2 − 𝑥3 = 0 … (2)
Untuk persamaan (2) diperoleh:
𝑥2 = 𝑥3
Untuk persamaan (1) diperoleh:
𝑥1 − 2(𝑥3 ) + 𝑥3 = 0
𝑥1 − 𝑥3 = 0
𝑥1 = 𝑥3
𝑥3 sebagai variabel bebas.
Berikan nilai parameter tertentu pada variabel bebas, kemudian subtitusikan pada
persamaan baru
Misal 𝑥3 = 𝛼
𝑥2 = 𝛼
ALJABAR LINEAR 2017
𝑥1 = 𝛼
Jadi penyelesaian umum : {(α, α , α)}
Misal diambil nilai α = 1, maka salah satu penyelesaian khusus adalah {(1, 1, 1)}.
Cari penyelesaian khusus yang lain!
LATIHAN SOAL !
Carilah semua penyelesaian (jika ada) dari sistem persamaan linear di bawah ini dengan
menggunakan salah satu metode!
1. 3𝑥 + 2𝑦 = 4
𝑥 − 2𝑦 = 4
2. 3𝑥1 − 𝑥2 + 𝑥3 = 1
𝑥1 + 2𝑥2 − 3𝑥3 = 0
2𝑥1 + 2𝑥2 − 𝑥3 = −9
3. 𝑥1 − 𝑥2 − 𝑥3 = −1
𝑥1 + 𝑥2 + 2𝑥3 = 4
2𝑥1 + 𝑥2 + 𝑥3 = 4
Carilah semua penyelesaian (jika ada) dari sistem persamaan linear non homogen di
bawah ini!
4. 𝑥 + 2𝑦 = 6
2𝑥 + 4𝑦 = 12
5. 3𝑥 − 2𝑦 = −1
𝑥 + 3𝑦 = 2
4𝑥 + 5𝑦 = 3
6. 𝑥 + 5𝑦 + 𝑧 = 2
𝑥 + 7𝑦 + 2𝑧 = 3
2𝑥 + 𝑦 − 2𝑧 = 1
7. 5𝑥 − 3𝑦 + 4𝑧 = −23
4𝑦 + 7𝑧 + 13 = 0
−𝑥 + 2𝑦 − 8𝑧 = 29
8. 𝑥 + 𝑦 + 𝑧 + 𝑤 = 0
𝑥+𝑦+𝑧−𝑤 =4
ALJABAR LINEAR 2017
𝑥 + 𝑦 − 𝑧 + 𝑤 = −4
𝑥−𝑦+𝑧+𝑤 =2
Carilah semua penyelesaian (jika ada) dari sistem persamaan linear homogen di bawah
ini!
9. 𝑥 − 2𝑦 + 3𝑧 = 0
𝑥 + 𝑦 + 2𝑧 = 0
10. 𝑥 + 4𝑦 − 19𝑧 + 10𝑤 = 0
2𝑥 + 5𝑦 − 26𝑧 + 11𝑤 = 0
𝑥 + 3𝑦 − 15𝑧 + 7𝑤 = 0
11. 3𝑥1 + 2𝑥2 + 𝑥3 = 0
2𝑥1 + 𝑥2 + 3𝑥3 = 0
𝑥1 + 2𝑥2 + 3𝑥3 = 0
12. Carilah nilai x, y dan z dari persamaan matriks:
1 0 0 0 0 2 3 1
𝑥( )+ 𝑦( )+𝑧( )=( )?
1 0 1 1 0 −1 1 −1
13. Selain jawab nol, apakah ada harga x, y dan z yang memenuhi persamaan:
2 1 2 3 1 0 0 0
𝑥( )+ 𝑦( )+𝑧( )=( )?
1 0 1 4 1 1 0 0
14. Berapakah nilai k supaya sistem 5𝑥 + 7𝑦 = 𝑘𝑥 dan −2𝑥 − 4𝑦 = 𝑘𝑥 mempunyai
jawab yang (a) hanya jawab trivial (b) nontrivial?
15. Carilah hubungan antara a, b, dan c supaya sistem mempunyai penyelesaian!
𝑥 + 2𝑦 − 3𝑧 = 𝑎
3𝑥 − 2𝑦 + 2𝑧 = 𝑏
𝑥 − 5𝑦 + 8𝑧 = 𝑐

Aljabar Linear

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Aljabar Linear

Diunggah oleh

Hak Cipta:

Format Tersedia

ALJABAR LINEAR

Aflich Yusnita Fitrianna, M.Pd

PROGRAM STUDI PENDIDIKAN

STKIP SILIWANGI BANDUNG

BAB II INVERS DAN DETERMINAN

BAB III SISTEM PERSAMAAN LINEAR

1|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

2|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

3|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

Sehingga bentuk umum dari suatu matriks adalah sebagai berikut:

𝑎11 𝑎12 𝑎13 … 𝑎1𝑛

B. JENIS – JENIS MATRIKS (Bagian I)

2. Matriks Persegi (Square Matriks)

4|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

3. Matriks Nol (Zero Matriks)

5|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

dinotasikan dengan 𝐼. Karena matriks 𝐼 berdimensi 𝑛, sehingga dinotasikan dengan

5. Matriks Bagian (Sub-Matriks)

6|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

7|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

Perhatikan bahwa matriks A dan B masing-masing berdimensi 3x2 sehingga dapat

8|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

9|Aflich Yusnita Fitrianna,M.Pd.|Chandra Novtiar,M.Si

Sifat-sifat perkalian skalar dengan matriks:

Apa yang dapat disimpulkan dari contoh 1.11?

Sifat-sifat perkalian matriks:

D. JENIS – JENIS MATRIKS (Bagian II)

Elemen yang dilingkari menunjukkan elemen pivot.

b. Matriks Segitiga Bawah

Perhatikan bahwa semua elemen-elemen diluar posisi elemen diagonal nilainya 0

Secara umum matriks I berdimensi n, dinotasikan dengan:

Matriks-matriks I dinamakan matriks identitas untuk perkalian matriks karena untuk

5. Matriks Komutatif, Idempoten dan Periodik

Dengan demikian bentuk:

Misalkan 𝐴𝑚𝑥𝑛 dengan

Dari definisi transpose matriks tersebut diturunkan beberapa sifat yang

Buktikan untuk masing-masing sifat di atas!

8. Matriks Simetri dan Matriks Simetri Miring

simetri yang memenuhi 𝐴𝑇 = 𝐴 .

Sedangkan untuk matriks A = (𝑎𝑖𝑗 ) adalah matriks persegi berdimensi n. Matriks A

dikatakan Matriks simetri miring yang memenuhi 𝐴𝑇 = −𝐴 . Karena 𝐴𝑇 =

Andaikan 𝐴 adalah suatu matriks dengan elemen-elemen bilangan kompleks, maka

Buktikan untuk masing-masing sifat di atas!

10. Matriks Hermitian dan Skew Hermitian

elemen diagonal, i=j maka haruslah 𝑎𝑖𝑖 = −𝑎

Jadi C adalah skew-hermitian.

11. Matriks Ortogonal

Jadi, C adalah uniter.

13. Matriks Normal

Berturut-turut sebagai matriks F = (fij), G = (gij),H = (hij),K = (kij),L = (lij),I = (iij)

A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU

Tipe Operasi Simbol

BENTUK ESELON BARIS TEREDUKSI

2. Matriks eselon baris

Perhatikan kembali matriks 𝐴 dengan :

= 𝑎11 𝐶11 + 𝑎12 𝐶12 + 𝑎13 𝐶13

𝑑𝑒𝑡(𝐴) = 𝑎𝑖1 𝐶𝑖1 + 𝑎𝑖2 𝐶𝑖2 + ⋯ + 𝑎𝑖𝑛 𝐶𝑖𝑛

(ekspansi kofaktor sepanjang baris ke−𝑖)

𝑑𝑒𝑡(𝐴) = 𝑎1𝑗 𝐶1𝑗 + 𝑎2𝑗 𝐶2𝑗 + ⋯ + 𝑎𝑛𝑗 𝐶𝑛𝑗

(ekspansi kofaktor sepanjang kolom ke−𝑗)

3. Menghitung Determinan dengan Penghilangan Baris

a. Determinan Matriks Segitiga

b. Pengaruh Operasi Baris Elementer pada Suatu Determinan