Vektor dan matriks

BAB VII
VEKTOR DAN MATRIKS

7.1. VEKTOR DIMENSI TIGA

Vektor banyak digunakan untuk membantu, mempermudah, dan memecahkan

masalah pada berbagai macam bidang, khusunya pada sains dan teknologi. Pada
bab 2 telah disinggung penggunaan vektor pada turunan berarah dan gradient.
Pembahasan kali ini lebih menitikberatkan konsep aljabarnya. Di bidang fisika,
vektor bersama dengan skalar (yang dalam banyak pembahasan di buku ini kita
sebut konstanta) adalah dua besaran atau kuantiti.
Skalar sendiri adalah sebuah kuantiti yang mempunyai besar, misalnya, untuk
menyatakan laju, waktu, atau jarak dua buah benda. Sedangkan vektor adalah
suatu kuantiti yang mempunyai besar dan arah, misalnya digunakan pada gaya,
kecepatan, percepatan, dan lainnya. Untuk membedakan scalar dan vektor pada
pembahasan ini kita akan menyatakan vektor dengan menggunakan huruf tebal,
anak panah di atas huruf, atau huruf kecil dengan garis bawah. Sebagai contoh,
vektor v dapat dituliskan dengan bentuk ⃗, atau v . Sebelumnya telah digunakan
untuk menyatakan vektor pada bab 2 berupa .

109
 Vektor dan matriks

Secara geometris untuk ruang , suatu vektor dinyatakan sebagai penggal garis
yang bertanda panah di ujungnya (garis berarah). Panjang penggal garis
menyatakan besarnya dan arah panah menunjukkan arah vektor. Misalnya suatu
vektor pada bidang kartesian, berasal dari titik asal ke titik , lihat
gambar 7.1.
dan merupakan komponen vektor .
adalah komponen pada sumbu
adalah komponen pada sumbu
Besaran vektor biasa disebut norm
dinyatakan dengan lambang
‖ ‖ √

gambar 7.1 Vektor posisi atau dari titik ke

Arahnya ditentukan oleh besar sudut yang merupakan sudut antara garis
dengan sumbu arah positif. Jika dan diketahui, maka dapat dihitung dari
.
Dalam bentuk pasangan berurutan, vektor dinyatakan dengan atau
sering sekali tanpa tanda koma . Dalam bentuk penjumlahan vektor satuan
searah sumbu dan sumbu positif, yang juga telah kita gunakan pada
bab 2. Di sini keduanya akan digunakan untuk membiasakan pemakaian notasi
vektor. Contohnya, berarti suatu vektor yang terletak di
bidang yang mempunyai komponen pada sumbu adalah 3 dan komponen sumbu
adalah 5.
Selanjutnya -dimensi, sebagaimana dinyatakan dalam definisi 7.1.
Definisi 7.1
Vektor adalah suatu pasangan berurut beberapa skalar/unsur (bilangan riil) yang
disebut sebagai komponen vektor, dan dinyatakan dalam bentuk

110
 Vektor dan matriks

dengan adalah komponen-komponen vektor dan adalah vektor-vektor satuan

untuk . 
(Pembahasan tentang vektor di bab ini hanya berupa vektor dimensi tiga,
walaupun untuk materi selanjutnya juga akan digunakan vektor berdimensi- .)

Untuk vektor dalam ruang tiga dimensi, sebuah vektor dapat dinyatakan
dalam kombinasi linier antara tiga vektor satuan searah sumbu-sumbu kartesian
positif, yaitu untuk sumbu , untuk sumbu , dan untuk sumbu . Jadi
sebuah vektor , dengan adalah skalar. Juga dapat
dinyatakan dalam bentuk atau cukup dengan . Panjang vektor
dinyatakan dengan ‖ ‖ √ , sedangkan vektor satuan pada arah
dinyatakan dengan

‖ ‖
Contoh 7.1
Diketahui vektor , hitunglah panjang vektor dan vektor satuan
untuk .
Panjang vektor adalah ‖ ‖ √ √ .
Vektor satuannya adalah

‖ ‖

Definisi 7.2
Jika dan maka penjumlahan vektor
dan dinyatakan

Jika adalah sebarang skalar, maka perkalian skalar dengan vektor

dinyatakan oleh


111
 Vektor dan matriks

Contoh 7.2
Diketahui vektor dan . Hitunglah vektor
.
Dengan definisi 7.2, perkalian scalar dan adalah

Maka penjumlahan vektor

( )

Definisi 6.3
Perkalian dalam antara dua vektor dan
dinyatakan sebagai perkalian titik yang berbentuk

Jika panjang vektor , panjang vektor dan sudut antara kedua vektor
diketahui, maka perkalian titiknya dinyatakan
‖ ‖ ‖ ‖ 
Contoh 7.3
Diketahui dan . Tentukan perkalian
titiknya. Tentukan besar sudut antara vektor dan .
Menurut definisi 7.3, .
Panjang adalah ‖ ‖ √ dan panjang adalah ‖ ‖ √ .
Maka ‖ ‖‖ ‖ atau

‖ ‖‖ ‖ √ √ √
Maka ( )
√

Contoh 7.4
Diketahui , dan .
Buktikan bahwa tegak lurus pada .
Akan ditunjukkan dengan dua cara.

112
 Vektor dan matriks

maka ‖ ‖ √ ,
maka‖ ‖ √ .
‖ ‖‖ ‖
maka atau . Dengan kata lain tegak lurus dengan .

Karena , dan dan ( bukan vektor nol) maka sudut

antara dan adalah sudut siku-siku.

Apabila dan dua vektor yang tidak sejajar di ruang dimensi tiga, maka
melalui kedua vektor tersebut dapat dibuat bidang dan ada vektor yang tegak
lurus pada bidang tersebut, lihat gambar 7.2.

gambar 7.2 Vektor tegak lurus terhadap bidang

Vektor dapat dibentuk dari vektor dan dan dinotasikan sebagai .

Jika dan mempunyai arah yang sama atau berlawanan atau salah satu
diantaranya adalah vektor nol, maka . Selanjutnya, adalah
vektor yang panjangnya sama dengan luas jajaran genjang dengan dan sebagai
sisi-sisi yang berdekatan. Arah vektor tegak lurus pada dan , sedemikian
rupa sehingga , , dan membentuk sistem tangan kanan, seperti
diperlihatkan pada gambar 7.3.

113
 Vektor dan matriks

gambar 7.3 Perkalian vektor dengan sistem tangan kanan

Jajaran genjang dengan dan sebagai sisi-sisi yang berdekatan mempunyai luas
‖ ‖ ‖ ‖‖ ‖ . Hal lain yang perlu diperhatikan, misalkan
dan , maka arah vektor haruslah berlawanan dengan agar , ,
dan membentuk sistem tangan kanan, lihat gambar 7.4.

gambar 7.4 Perkalian vektor dengan sistem tangan kanan

Perkalian vektor ini disebut dengan perkalian silang, sifat-sifat perkalian silang
jika adalah tiga vektor dalam ruang yang sama dan adalah sebarang
konstanta, maka
1. Anti komutatif,
2. Tidak asosiatif,
3.
Dari sifat-sifat tersebut, bila adalah vektor satuan searah sumbu , sumbu
dan sumbu yang positif, maka

114
 Vektor dan matriks

Teorema 7.1
Jika vektor dan adalah dua vektor
di Ruang dimensi tiga, maka perkalian silang dinyatakan dalam bentuk
. 

Contoh 7.5
Hitunglah perkalian silang jika dan .
Dari teorema 7.1, ,
maka

Contoh 7.6
Hitunglah luas segitiga dengan , , dan .
Misalkan segitiga itu dapat diperlihatkan pada gambar 7.5, dan dibuat dua vektor
yang berpotongan di titik .
Vektor ⃗⃗⃗⃗⃗⃗ ,
⃗⃗⃗⃗⃗⃗ ,
Jajaran genjang terbentuk dari
Dari 2 vektor, ⃗⃗⃗⃗⃗⃗ dan ⃗⃗⃗⃗⃗⃗ , maka luas
Segitiga dapat diperoleh dari
Perkalian silang ⃗⃗⃗⃗⃗⃗ dan ⃗⃗⃗⃗⃗⃗ , yaitu
gambar 7.5 Segitiga dari jajaran genjang

‖⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ‖

115
 Vektor dan matriks

‖ ‖

‖ ‖

√ √

7.2. MATRIKS DAN OPERASI MATRIKS

Suatu matriks dapat dianggap sebagai gabungan beberapa vektor baris

(vektor kolom) yang berdimensi sama sehingga terbentuk susunan yang terdiri
atas baris dan kolom, yang berbentuk persegi panjang atau bujur sangkar.
Bilangan–bilangan itu yang dinamakan unsur/entri-entri yang ditulis diantara dua
kurung ( ) atau [ ] .
Seperti halnya pada vektor, suatu matriks biasanya diberi nama dengan
huruf besar dan unsur–unsurnya secara umum dinyatakan dengan huruf kecil yang
sama dengan nama matriks tersebut dan diberi indeks yang menunjukkan letaknya
pada baris dan kolom.

Contoh 7.7
0 1
a11 a12 a13 ¢¢¢ a1n
B a21 a22 a23 ¢¢¢ a2n C
B C
B a31 a32 a33 ¢¢¢ a3n C
a. A=B C
B .. .. .. .. .. C
@ . . . . . A
am1 am2 am3 ¢ ¢ ¢ amn

0 1
b11 b12 b13 b14
B b21 b22 b23 b24 C
b. B = B
@ b31
C
b32 b33 b34 A
b41 b42 b43 b44

116
 Vektor dan matriks

Pada contoh 7.6.a matriks terdiri atas m baris dan n kolom, maka dikatakan
mempunyai ordo m  n dinyatakan dengan singkat . Pada bagian b matriks
berordo 4  4 dinamakan matriks bujur sangkar ordo 4, ditulis 4 .
Kedua matriks tersebut dapat juga ditulis sebagai berikut
( ), dengan dan . Entri menunjukkan entri
matriks pada baris ke- dan kolom ke- .

Jika pada matriks terdapat banyaknya baris sama dengan banyaknya kolom
adalah maka disebut matriks bujur sangkar ordo , ditulis .
0 1
a11 a12 a13 ¢ ¢ ¢ a1n
B a21 a22 a23 ¢ ¢ ¢ a2n C
B C
B C
A = B a31 a32 a33 ¢ ¢ ¢ a3n C
B .. .. .. .. .. C
@ . . . . . A
an1 an2 am3 ¢ ¢ ¢ ann
Unsur-unsur disebut entri-entri diagonal utama.
Ada beberapa macam matriks bujur sangkar yaitu:
a) Matriks segi tiga ( Triangular )
Matriks bujursangkar yang unsur-unsurnya untuk disebut matriks
segitiga atas (upper triangular). Jika untuk disebut matriks segitiga
bawah (lower triangular).
Contoh 7.8
0 1
b11 b12 b13 b14
B 0 b22 b23 b24 C
B=B @ 0
Cadalah matriks segitiga atas
0 b33 b34 A
0 0 0 b44

0 1
b11 0 0 0
B b21 b22 0 0 C
B=B C
@ b31 b32 b33 0 Aadalah matriks segitiga bawah
b41 b42 b43 b44

b) Matriks diagonal

117
 Vektor dan matriks

Matriks segitiga atas dan sekaligus segitiga bawah atau yang semua unsur-
unsurnya 0 kecuali unsur-unsur pada diagonal utama disebut matriks diagonal.
Contoh 7.9
0 1
b11 0 0 0 0 1
B 0 b22 0 C 3 0 0
0 C
B=B
@ 0 ,D=@ 0 1 0 A
0 b33 0 A
0 0 4
0 0 0 b44
Sering ditulis , .
Jadi matriks diagonal berordo- , dinyatakan dalam bentuk

c) Matriks skalar
Jika pada matriks diagonal, semua unsur pada diagonal utama sama
, dengan sebuah konstanta, maka matriksnya disebut
matriks skalar.

d) Matriks identitas (I)

Jika pada matriks skalar, nilai , maka matriks tersebut dinamakan matriks
identitas . Jadi pada matriks identitas unsur-unsur diagonal utama semua 1
dan unsur yang lain semua 0.

Contoh 7.9
0 1 0 1
3 0 0 0 1 0 0 0
B 0 3 0 C
0 C B 0 1 0 0 C
B=B
@ 0 ,I =B C
0 3 0 A @ 0 0 1 0 A
0 0 0 3 0 0 0 1
dan adalah matriks skalar, adalah juga matriks identitas.

e) Matriks setangkup ( simetri)

Suatu matriks bujur sangkar, ( ) disebut simetri apabila untuk setiap
berlaku .

118
 Vektor dan matriks

Contoh 7.10
0 1 0 1
3 0 0 3 1 0
D= @ 0 1 A
0 ,A= @ 1 1 ¡2 Aadalah dua matriks yang simetri.
0 0 4 0 ¡2 4
0 1 0 1
3 1 ¡2 3 0 1
B= @ 0 1 2 A, B t = @ 1 1 0 A adalah dua buah matriks yang tidak
1 0 4 ¡2 2 4
0 1
6 1 ¡1
simetri, tapi B + B t = @ 1 2 2 Aadalah matriks simetri.
¡1 2 8
f). Matriks Simetri miring (skew-symmetric)
Jika pada suatu matriks berlaku untuk setiap , maka
disebut simetri miring. Dalam hal demikian jelas bahwa entri-entri diagonal utama
harus semuanya 0.
Contoh 7.11
0 1 0 1
0 0 0 0 1 0
D= @ 0 0 A
0 ,A= @ ¡1 0 ¡2 Aadalah matriks simetri miring.
0 0 0 0 2 0
0 1 0 1
3 1 ¡2 3 0 1
B= @ 0 1 A t
2 , B = @ 1 1 0 A adalah dua buah matriks yang tidak
1 0 4 ¡2 2 4
0 1
0 1 ¡3
t
simetri, tapi B ¡ B = @ ¡1 0 2 Aadalah matriks simetri miring.
3 ¡2 0
Berbagai jenis matriks yang lain dan tidak harus bujur sangkar antara lain
1) Matriks Baris dan matriks kolom
Matriks yang terdiri atas satu baris saja dinamakan matriks baris dan yang hanya
satu kolom saja disebut matriks kolom .
2) Kesamaan dua matriks
Dua buah matriks ( ) dan ( ) dikatakan sama jika dan hanya jika
kedua matriks itu berukuran sama dan setiap unsurnya yang bersesuaian (seletak)
juga sama yaitu untuk setiap indeks , berlaku . Jadi
jika dan hanya jika untuk .

119
 Vektor dan matriks

3) Matriks nol
Matriks yang semua unsurnya 0 dinamakan matriks nol . Dinyatakan dengan
tidak dipersoalkan berapapun ordenya.
0 0  0 0 0 
Misalnya: 0 =   0 = 
0 0  0 0 0 
4) Transpose dari suatu matriks
Transpose matriks matriks dinyatakan dengan adalah suatu matriks yang
diperoleh dengan merubah baris ke- dari matriks menjadi kolom ke- dari
matriks dan tentu saja yang sebaliknya terjadi, kolom ke- dari matriks
berubah menjadi baris ke- dari matriks .
Contoh 7.12
0 1
µ ¶ 1 2
1 1 2 1 B 1 1 C
Jika A = maka At = B
@
C.
2 1 1 3 2 1 A
1 3
0 1 0 1
1 2 3 1 4 5
Jika B = @ 4 2 1 Amaka B t = @ 2 2 0 A
5 0 6 3 1 6
Hal yang menarik dapat dilihat pada matriks simetri adalah . Perhatikan
contoh 7.10.
0 1 0 1
3 0 0 3 0 0
D = @ 0 1 0 A Dt = @ 0 1 0 A
0 0 4 0 0 4
Demikian juga dari contoh yang sama diperoleh sifat, jika adalah matriks bujur
sangkar, dan adalah transpose matriks maka adalah matriks simetri.
Sifat yang lain adalah matriks simetri miring.

OPERASI MATRIKS
Penjumlahan matriks
Jumlah antara dua buah matriks dan ditulis
adalah suatu matriks berordo yang unsur-unsurnya diperoleh dengan jalan
menjumlahkan unsur-unsur yang bersesuaian dari matriks dan .

120
 Vektor dan matriks

Jadi ( ) .
Demikian pula untuk pengurangan, kedua matriks harus berordo sama dan hasil
pengurangan keduanya diperoleh dari pengurangan tiap unsur-unsur yang
bersesuaian. Jadi ( ) .

Contoh 7.13
2 3 5 1 
jika A  1 0  dan B  4 7 
4 5 2 6 

2 3 5 1  2  5 3  1  2 4 
a. A  B  1 0  + 4 7  = 1  4 0  7  = 5 7 
4 5 2 6  4  2 5  6 6 11

2 3 5 1  2  5 3  1   3 2 
b. A  B  1 0  - 4 7  = 1  4 0  7  =  3  7 
4 5 2 6  4  2 5  6  2 1 

2 3 2 3 2  2 3  3 4 6 
c. A  A  1 0  + 1 0  = 1  1 0  0  = 2 0 
4 5 4 5 4  4 5  5 8 10

Dua buah matriks dapat dijumlahkan atau dikurangkan, maka dikatakan

conformable untuk penjumlahan dan pengurangan .
Matriks – disebut negatif , diperoleh dari dengan mengalikan setiap
unsurnya dengan -1 atau dengan mengubah tanda semua unsurnya.

Contoh 7.14
2 3  2  3
.  A  1 1 0  =  1 0 
4 5  4  5

Jika conformable untuk penjumlahan, maka berlaku:

a. berlaku sifat komutatif
b. berlaku sifat asosiatif

121
 Vektor dan matriks

c. , untuk adalah konstanta sebarang.

d. Ada matriks yang memenuhi
e.
f.

Perkalian matriks
(a) Perkalian Bilangan Skalar Dengan Matriks
Berdasarkan pengertian , maka perkalian bilangan dengan
matriks adalah semua unsur-unsur dari dikalikan dengan .
Catatan : Di sini yang dimaksud dengan skalar adalah bilangan riil.
Contoh 7.15
4 2 1
A  1 2 3
5 1 6

4 2 1 12 6 3 
3A  3 1 2 3   3 6 9
 
5 1 6 15 3 18

 a11 a12 a13 ... a1n   ka11 ka12 ka13 ... ka1n 
a a 22 a 23 ... a 2 n   ka ka22 ka23 ... ka2 n 
 21  21
k  a31 a32 a32 a3n  =  ka31 ka32 ka32 ka3n 
 . . .   . . . 
 .. .
.
.
.   .. .
.
.
. 
a m1 a m 3 ... a mn  kam1 kam 3 ... kamn 
 am2  kam 2

(b). Perkalian antar matriks

Perkalian antar matriks dan , yaitu (atau ), dapat didefinisikan bila
banyaknya kolom matriks sama dengan banyaknya baris matriks .
Misalkan Matris dan , maka akan menghasilkan suatu
matriks yang berordo .
Jadi , dengan unsur-unsur

122
 Vektor dan matriks

Jika dapat dikalikan dengan menghasilkan , maka dikatakan

Conformable ke untuk perkalian.
Contoh 7.16
 a11 a12 a13  b11 b12 
A  a 21 a 22 a 23  B  b21 b22 
a31 a32 a33  b 31 b32 

a11b11  a12b12  a13b13 a11b12  a 22b12  a13b32 

AB  a 21b11  a 22b12  a 23b13 a 21b12  a 22b22  a 23b32 
a31b11  a32b12  a33b13 a31b12  a32b22  a33b32 

1 1 
1 1 1 
jika A   dan B  2 0 ,
1 2 3 1 2 

1x1  1x2  1x1 1x1  1x0  1x2  4 3

A    
1x1  2 x 2  3x1 1x1  2 x0  3x2 8 7

Matriks Commute dan Anti Commute

Jika dan matriks bujur sangkar berorde sama maka dapat diperoleh hasil
perkalian dan . Tetapi pada umumnya atau pada perkalian dua
matriks tidak berlaku sifat komulatif. Dalam keadaan khusus, apabila
maka dkatakan dan commute dan jika , maka dan , disebut
anti-commute.

Invers suatu Matriks

Jika dan matriks bujur sangkar dan berlaku (matriks identitas)
maka disebut invers dari dan ditulis . Sebaliknya invers dari matriks
adalah , jadi .

123
 Vektor dan matriks

Contoh 7.17
1 2 3  6  2  3
A  1 3 3 dan B  1
 1 0 
1 2 4   1 0 1 

inversnya satu sama lain sebab:

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

Jika dan matriks bujur sangkar berordo sama dengan invers masing-
masingadalah dan maka .

Matriks idempotent, Nilpotent dan involutry

Jika , maka dikatakan matriks idempotent. Jika dengan
bilangan bulat positif maka disebut nilpotent. Jika maka disebut
matriks involutry. Suatu matriks involutry mempunyai invers dirinya sendiri.

Contoh 7.18
 0  2  3
A =  1 3 3  matriks involutry sebab A2 = I
 1  2  2

Setiap matriks identitas I adalah Involutry.

Sifat-sifat pada operasi matriks

1. Jika matriks , dan matriks maka

.
2. Jika dan keduanya matriks dan matriks maka
.
3. Jika adalah matriks , matriks , dan adalah skalar maka
.

124
 Vektor dan matriks

4. Jika , , dan masing-masing merupakan matriks berordo ,

, dan , maka berlaku sifat asosiatif pada perkalian matriks, yaitu
.
5. Pada matriks transpose berlaku:
a. Jika dan berordo sama maka
b. Jika matriks dan matriks maka
c. Untuk adalah konstanta apapun, maka
d. Matriks transpose dari matriks transpose adalah ,

LATIHAN
1. Hitunglah sudut antara dua vektor berikut
a. dan
b. dan
c. dan
2. Hitunglah proyeksi vektor pada berikut
a. dan
b. dan
c. dan
d. dan
e. dan
f. dan
3. Hitunglah nilai skalar sehingga tegak lurus pada
a. dan
b. dan
c. dan
d. dan
e. dan
f. dan

125
 Vektor dan matriks

4. Hitunglah perkalian silang untuk dua vektor berikut

a. dan
b. dan
c. dan
5. Hitunglah luas segitiga yang terbentuk dari tiga titik berikut
a. , , dan
b. , , dan
c. , , dan
d. , , dan
6. Persamaan bidang melalui ketiga titik , , dan dapat dibentuk dari
perkalian vektor yang tegak lurus pada bidang dengan sebuah sebarang
vektor di bidang yang terbentuk dengan memisalkan sebuah titik yang
terletak di bidang . Sehingga diperoleh persamaan bidang dari
perkalian silangnya ⃗⃗⃗⃗⃗⃗ (⃗⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗⃗ ) . Tentukan persamaan bidang dari
soal 5.
1  2   2 1
7. A  2   3 
2 3    1 4
2  3 1 1  1 2 
8. A  3   + 2  
0 1  1  2 3  1
1 2  3  3 0 5
9. 2A  2  1 2 = 3  2 1 4 
   
1 1  2 1 
10. 3A + 2 0 2 1  3 
1 2  1  4

 2  1 3 2 3 1
11.  1 3 2 + 2A = 3
 1 2
 1 2  1  1 2 1 

2 1  3 0
12.   A=  
0 3   3  6

126
 Vektor dan matriks

3 1   5 7
13. A   =  
 2 2  5 9 
Untuk soal 14 s/d 16 tentukan matriks A dan B
 1 2  2 1
14. A – 2B =   , A- B =  
 1 1   1 1
2 1 0  1 2  1
15. A + 2B =   , 2A – 3B = 2 0 1
1  1 2  
 1 2 3 0
16. A – B =   ,A+B=  
  1 3 3 1
Untuk soal 17 s/d 20 hitung AB dan BA bila mungkin

2  1 1 0
17. A = 
2 2 1
,B=
1  
 2 1
 1 0 2  1 1
18. A =   ,B=  
 2 1 3   1 2

 2 1 1 
 1 2  1   1 3  2
19. A =   ,B=  
 2 1 3  1 2 1 

 3 1
 1 2  1  2
20. A =  1 2  , B = 
 1 3 1  1 
 2 3

Hitunglah (AB)t dan BtAt, , tunjukkanlah bahwa keduanya sama

1 1 
 2 3 1 0 1
21. A    ,B=  
  1 0 2 1 1 

3 1   3 2
22. A =   ,B=  
2 1   1 2

127
 Vektor dan matriks

 2 1 0
1 2  1   1 1 2
23. A = 
1
,B=  
3  2  0 1 0

4
1 
24. A =   , B = 2 5  1 4
2
 
3

128