MOTIVASI
Dalam Bagian II, kita telah menentukan harga x yang memenuhi sebuah persamaan tunggal, f(x) = 0. Sekarang
kita menangani kasus untuk menentukan harga-harga x1, x2, …, xn yang secara simultan memenuhi sekumpulan
persaman :
f1 ( x 1 , x 2 ,..., x n ) 0
f 2 ( x 1 , x 2 ,..., x n ) 0
. .
. .
. .
f n ( x1 , x 2 ,..., x n ) 0
Sistem semacam itu dapat linear atau tak linear. Dalam Bagian III ini, kita menangani persamaan aljabar linear
yang bentuk umumnya adalah :
a 11 x 1 a 12 x 2 ... a 1n x n c1
a 21x1 a 22 x 2 ... a 2 n x n c 2
. . . .
. . . .
. . . .
a n1 x1 a n 2 x 2 ... a nn x n c n (III.1)
di mana setiap a adalah koefisien konstanta, c adalah konstanta, dan n adalah jumlah persaman. Semua
persamaan lainnya adalah tak linear. Sistem tak linear akan dibahas secara jelas pada akhir Bagian III.
GAMBAR III.1 Dua jenis sistem yang dapat dimodelkan dengan menggunakan sistem persamaan aljabar linear;
(a) sistem makro-variabel yang mencakup komponen hingga digandengkan, (b) sistem mikro-variabel yang
mencakup suatu kontinum.
Di samping sistem fisika, persamaan aljabar linear simultan juga muncul dalam pelbagai konteks soal matematika.
Hal ini terjadi kalau fungsi-fungsi matematika diperlukan agar memenuhi beberapa kondisi secara simultan.
Setiap kondisi menghasilkan suatu persamaan yang mengandung koefisien yang diketahui dan variabel-variabel
yang tidak diketahui. Teknik yang dibahas dalam bagian ini dapat digunakan untuk menyelesaikan
koefisien-koefisien jika persamaan tersebut linear dan secara aljabar. Beberapa teknik numerik yang secara luas
digunakan dan menggunakan persamaan simultan adalah analisis regresi (Bab 10) dan interpolasi spline (Bab 11).
a 31 a 32 a 33 a 34
a 41 a 42 a 43 a 44
Diagonal yang terdiri dari elemen a11, a22, a33 dan a44 dinamakan diagonal utama matriks.
Matriks bujur sangkar terutama penting sewaktu menyelesaikan kumpulan persamaan linear simultan. Untuk
sistem demikian, jumlah persaman (sesuai dengan baris) dan jumlah yang tidak dikenal (sesuai dengan kolom)
harus sama supaya memungkinkan suatu solusi yang unik. Akibatnya, matriks bujur sangkar dari
koefisien-koefisien dijumpai sewaktu menangani sistem yang demikian. Beberapa jenis matriks bujur sangkar
istimewa dijelaskan dalam Kotak III.1.
Sekarang jawaban [C] dapat dihitung dalam ruangan yang kosong dengan [B] Format ini mempunyai manfaat
karena ia mengatur baris serta kolom yang akan dikalikan secara baik. Misalnya, sesuai dengan Persamaan (III.2),
elemen cl,1 diperoleh dengan mengalikan baris pertama dari (A) dengan kolom pertama [B]. Ini dihitung dengan
menambahkan hasil kali dari a1,1 dan b1,1 menjadi hasil kali dari a1,2 dan b2,1 seperti pada.
5 9
7 2 B
3 1 3 5 1 7 22
A 8 6 C
0 4
Jadi, cl,2 sama dengan 22. Elemen c2,1 dapat dihitung dalam bentuk yang serupa, seperti dalam :
5 9
7 2 B
3 1 22
A 8 6 8 5 6 7 82 C
0 4
Perhitungan dapat diteruskan dengan cara ini, diikuti oleh pengaturan baris dan kolom, untuk memenuhi hasil :
22 29
C 82 84
28 8
Perlu diperhatikan bagaimana metode sederhana ini membuat hal tersebut menjadi jelas dan tidak mungkin
mengalikan kalau jumlah kolom dari matriks pertama tidak sepadan dengan jumlah baris pada matriks kedua.
Perlu diperhatikan juga, bagaimana ia menunjukkan orde dari persoalan perkalian. Soal 7.3 juga menjelaskan hal
ini.
Artinya, elemen cij diperoleh dengan menambahkan hasil kali masing-masing elemen baris ke -i dari matriks
pertama, dalam hal ini [A], dengan kolom ke j dari matriks kedua [B]. Menurut definisi ini perkalian dua matriks
hanya dapat dibentuk jika matriks pertama mempunyai banyak kolom sama, dengan jumlah baris dalam matriks
kedua.
Jadi kolom [A] adalah suatu matriks m x n, [B] dapat suatu matriks n x p. Untuk kasus ini matriks [C] akan
mempunyai dimensi m x p. Tetapi jika [B] merupakan suatu matriks p x n, perkalian tidak dapat dilakukan.
Gambar III.3 memberikan suatu cara yang mudah untuk memeriksa apakah kedua, matriks dapat dikalikan.
Jika dimensi matriks cocok, perkalian matriks adalah asosiatif :
A B C A B C
dan distributif :
A B C A B A C
atau
A B C A C B C
Tetapi perkalian tidak selalu komutatif :
A B B A
Artinya orde dari perkahan adalah penting,
Walaupun perkalian memungkinkan, pembagian matriks tidak merupakan suatu pengoperasian yang didefinisikan.
Tapi jika [A] suatu matriks [A] merupakan bujur sangkar, terdapat matriks [A]-1 yang dinamakan inversi [A]
untuk :
A A 1 A 1 A I (III.3)
Jadi, perkalian dari sebuah matriks oleh inversi adalah analog pembagian, dalam arti bahwa suatu bilangan yang
dibagi dengan bilangan itu sendiri adalah 1. Artinya perkalian suatu matriks dengan inversinya menjadikan matriks
identitas (ingat Kotak III.1).
GAMBAR III.3 Suatu cara sederhana untuk memeriksa apakah perkalian matriks memungkinkan.
Inversi dari suatu matriks bujur sangkar dua dimensi dapat dinyatakan secara mudah oleh :
1 a 22 a 12
A 1 (III. 4)
a 11 a 22 a 12 a 21 a 21 a 11
Matriks-matriks berdimensi yang lebih tinggi banyak dilakukan. Pasal 8.2 akan membahas suatu teknik
menghitung inversi dari sistem demikian.
Manipulasi matriks terakhir yang bermanfaat dalam pembahasan kita adalah matriks transposisi dan matriks yang
diperluas. Transposisi sebuah matriks meliputi pemindahan baris ke dalam koloninya serta kolom ke dalam
barisnya.
Untuk matriks :
a 11 a 12 . . . a 1n
a a 22 . . . a 2 n
21
. . .
A
. . .
. . .
a m1 a m2 . . . a mn
transposisi ditandai oleh [A]T dan didefinisikan sebagai :
a 11 a 21 . . . a m1
a a 22 . . . a m 2
12
. . .
A T
. . .
. . .
a 1n a 2n . . . a mn
Dengan kata lain, elemen aij dari transposisi adalah sama dengan elemen aji dari elemen matriks semula, atau aij =
aji. Transposisi mempunyai pelbagai fungsi dalam aljabar matriks. Suatu keuntungan sederhana ialah bahwa ia
memungkinkan sebuah vektor kolom yang dapat ditulis sebagai suatu baris. Sebagai contoh, jika :
c11
c
C 12
c13
c14
lalu
C T c11 c 21 c31 c 41
dimana superskrip T menandakan transposisi. Misalnya, ini dapat menghemat tempat bila akan menuliskan sebuah
vektor koloni dalam sebuah manuskrip. Tambahan pula, transposisi mempunyai sejumlah aplikasi matematika.
Sebuah matriks diperluas (augmented) dengan penambahan sebuah (atau beberapa) kolom kepada matriks
semula. Sebagai contoh, anggap kita mempunyai matriks koefisien-koefisien :
a 11 a 12 a 13
A a 21 a 22 a 23
a 31 a 32 a 33
Kita barangkali ingin memperluas matriks [A] ini dengan sebuah matriks identitas (lihat Kotak III.1) untuk
menjadikan suatu matriks berdimensi 3 x 6 :
a 11 a 12 a 13 1 0 0
a
21 a 22 a 23 0 1 0
a 31 a 32 a 33 0 0 1
Pernyataan demikian mempunyai manfaat bila kita harus melakukan sekumpulan operasi yang identik pada kedua
matriks. Jadi kita dapat melakukan operasi pada matriks tunggal yang diperluas ketimbang pada masing-masing
kedua matriks.