Matriks Lengkap
Matriks Lengkap
PENDAHULUAN
A. Latar Belakang
A. PENGERTIAN MATRIKS
a. Definisi Matriks
b. Simbol Matriks
c. Bentuk-Bentuk Matriks
a
Misalnya:
b
2
a b
Misalnya:
c d
a b c
f
Misalnya: d e
g h i
B. JENIS-JENIS MATRIKS
1 2 3
2 3
Contoh: A = , B = 6 5 4
1 4
7 8 9
0 0 0
0 0
Contoh: A = , B = 0 0 0
0 0
0 0 0
1 0 0
3 0
Contoh: A = 0 , B = 0 0 0
5
0 0 9
3
4. Matriks kesatuan/identitas (unit matrix, identity matriix) adalah matriks
dimana semua elemen pada diagonal utamanya bernilai satu dan elemen
diluar diagonal utama bernilai nol.
1 0 0
1 0
Contoh: A = 0 , B = 0 1 0
1
0 0 1
5 0 0
4 0
Contoh: A = 0 , B = 0 5 0
4
0 0 5
5 2 0
2
Contoh: A = 2 5
0 2 5
1 0 0
1 0
Contoh: L = 2 , L = 2 3 0
1
4
3
5
5 3 2
1 2
Contoh: U = 0 , U = 0 4 1
3
0 0 5
10. Matriks miring (skew matrix) adalah matriks bujur sangkar dimana elemen
ke aij sama dengan –aji atau (aij = -aji) untuk semua i dan j tetapi elemen
diagonal utama tidak semuanya bernilai nol.
7 5 6
4 , berlaku sifat MT = -M
Contoh: M = 5 0
6 4 2
0 5 6
4 , berlaku sifat MT = -M
Contoh: M = 5 0
6 4 0
2 3 2
2 4
Contoh: A = 2 , B = 4 1 5
4
0 0 0
2 2 1
4 5
Contoh: A = 1 , B = 1 2 2
2
2 1 2
1 1 i 2
i = M
M
T
= 1 i 3
2 i 0
4. Matriks hermit miring (skew hermit matrix) adalah matriks bujur sangkar
yang transpose conjugate-nya sama dengan negatif matriks itu sendiri atau
M
T
= -M.
i 1 i 2 i 1 i 2
i , i
Contoh: M = 1 i 3i M = 1 i 3i
2 i 0 2 i 0
1 1 i 2
i = -M
M
T
= 1 i 3i
2 i 0
0 i 0 i 0 i
Contoh: M= i , = dan MT=
0 0
M
i 0 i
0 i 0 i i 2 0 1 0
= = =
0 i 0 1
T
M M
i 0 i 2 0
1 1 1 1
2 2 2 2
Contoh: M = 1 T
1 , dan M = 1 1
2 2 2 2
6
1 1 1 1
2 2 2 2 1 0
MT M =
1 1 1 1 = 0 1 = I
2 2 2 2
1 2 i 1 2 i
Contoh: M = , dan =
2 i 1 M
2 i 1
1 2 i
T
=
M
2 i 1
1 2 i 1 2 i
MM T
=M T
M ↔
2 i 1 2 i 1
1 2 i 1 2 i 2 4 2i
= =
2 i 1 2 i 1 4 2i 2
1 2 i
=2 = 2M T
2 i 1
2 1
5 5
Contoh: M = 1
2
5 5
2 1 2 1
5 5 5 5 1 0
M = M.M = 1
2
2 = 0 =I
2 1 1
5 5 5 5
7
2 2 4
4
Contoh: M = 1 3
1 2 3
2 2 4 2 2 4 2 2 4
4 1 4 = 1
4 =
M = 1
2 3 3 3
1 2 3 1 2 3 1 2 3
10. Matriks nilpotent (nilpotent matrix) adalah matriks yang jika dikalikan
dengan matriks itu sendiri akan menghasilkan matriks nol atau MP = 0,
untuk p = bilangan bulat positif > 2.
1 1 3
6
Contoh: M = 5 2
2 1 3
1 1 3 1 1 3 1 1 3
6 5 6 5 6
M3= 5 2 2 2
2 1 3 2 1 3 2 1 3
0 0 0
0
M = 03 0
0 0 0
1 0 0
0
Contoh: I = 0 1
0 0 1
0 1 0
0
I12 = 1 0
0 0 1
1 0 0
0
I3(k) = 0 1
0 0 k
8
1 0 0
k
I23(k) = 0 1
0 0 1
Keterangan:
C. ALJABAR MATRIKS
j= 1,2, ..., n;
9
selisih dua matriks A = (aij) dan B = (bij) yang berukuran m x n:
j= 1,2, ..., n;
A+B+C=C+B+A
A+0=A
A–0=A
Contoh:
2 1 3 4 7 8
6 , 5
A= 0 4 B = 9 3
6 10 5 1 1 2
Penyelesaian:
b. Perkalian Matriks
Jika k adalah bilangan real (skalar), maka perkalian skalar dengan matriks
A=[aij]mxn :
10
ka11 ka12 ka1n
ka ka 22 ka 2 n
kA =
21
= (kaij)mxn
ka m1 ka m 2 ka mn
atau
k1 = Ak1
(k1k2)A = k1(k2A)
1A = A
(-1) A= -A
Contoh:
2 1 3
6 dan k = 2 tentukan kA dan Ak
1. Jika A = 0 4
6 10 5
Penyelesaian:
2 1 3 2 2 6
6 = 0 12
kA = 2 0 4 8
6 10 5 12 20 10
11
2 1 3 2 2 6
61 2= 0
12
Ak = 0 4 8
6 10 5 12 20 10
4 0 5 1 1 1
A= , B=
1 3 2 3 5 7
Penyelesaian:
4 0 5 8 0 10
2A = 2 =
1 3 2 2 6 4
4 0 5 1 1 1 7 1 9
2A-B = 2 - =
1 3 2 3 5 7 5 1 3
a m1 am2 a mp b p1 bp2 b pn
p
atau AB = aik bkj
k 1 mxn
12
Perkalian matriks yaitu mengalikan elemen baris ke-i matriks A dengan
elemen kolom ke-j matriks B dan menjumlahkannya. Dimensi hasil perkalian
matriks:
Am x p x Bp x n = ABm x n
(B + C ) A = BA + C Distributif kanan
Contoh:
2 1 3 9 2
1. Jika diketahui A = dan B = tentukan AB
3 4 5 7 6
Penyelesaian:
2 1 3 9 2
AB = x
3 4 5
7 6
1 25 10
=
29 1 18
c. Perpangkatan Matriks
13
Jika n adalah sebuah bilangan bulat positif dan A suatu matriks persegi,
maka An = A x A x A x A ... x A (sebanyak n faktor) atau dapat juga dituliskan
An = A x An-1 atau An = An-1 x A.
Contoh:
1 2
Diketahui matriks A = , tentukan:
1 3
a. A2 b. A3 c. 2A4
Penyelesaian:
1 2 1 2 3 8
a. A2 = =
1 3 1
3 4 11
1 2 3 8 11 30
b. A3 = =
1 3 4
11 15 41
1 2 11 30
c. 2A4 = 2A x A3 = 2
1 3 15
41
41 112 82 224
= 2 =
56 153 112
306
d. Transpose matriks
Contoh:
14
Penyelesaian:
a11 a 21 a31
a a 22 a32 2 1 5
A =
T 12
BT =
a13 a 23 a33 3 4 6
a14 a 24 a34
e. Determinan Matriks
a b
Misalkan A = adalah matriks yang berordo 2 x 2 dengan
c d
a b
det A = = ad –bc
c d
Contoh:
5 2 4 1
A= b.
4 3 3 2
Penyelesaian:
5 2
a. det A = = (5) (3) - (2) (4) = 7
4 3
15
4 1
b. det B = = (-4) (2) – (-1) (3) = -5
3 2
Ada dua cara yang dapat digunakan untuk menentukan matriks berordo 3 x
3, yaitu aturan sarrus dan metode minor-kofaktor.
aturan sarrus
=
a11 a 22 a33 a12 a 23 a31 a 13 a 21a 32 a13 a 22 a 31 a11 a 23 a32 a12 a 21a 33
metode minor-kofaktor
16
a12 a13
Akan diperoleh M21 = . M21 adalah minor dari elemen matriks
a32 a33
Kofaktor elemen aij dinotasikan dengan Kij adalah hasil kali (-1)i+j dengan
minor elemen tersebut. Dengan demikian kofaktor suatu matriks
dirumuskan dengan:
K21=(-1)2+1M21= -M21
K13=(-1)1+3M13= -M13
17
a 22 a 23 a a 23 a a 22
= a11 a12 21 a13 21
a32 a33 a31 a33 a31 a32
=
a11 a 22 a 33 a11 a 23 a32 a12 a 21a33 a12 a 23 a31 a13 a 21a32 a13 a 22 a 31
=
a11 a 22 a 33 a12 a 23 a 31 a13 a 21a 32 a11 a 23 a 32 a12 a 21a 33 a13 a 22 a 31
Contoh:
1 2 3
4 dengan aturan sarrus
Tentukan determinan dari matriks A = 2 1
3 1 2
Penyelesaian:
1 2 3
4
det A = 2 1
3 1 2
= (1 x 1 x 2) + (2 x 4 x 3) + (3 x 2 x 1) – (3 x 1 x 3) – (1 x 4 x1) – (2
x 2 x 2)
= 2 + 24 + 6 – 9 – 4 – 8
= 11
Cara 2 (minor-kofaktor):
18
1 4 2 4 2 1
det A = 1 2 3
1 2 3 2 3 1
= 1 (2 – 4) – 2 (4 – 12) + 3 (2 – 3)
= -2 + 16 – 3
= 11
1. jika semua elemen dari salah satu baris/kolom sama dengan nol maka
determinan matriks itu nol.
2 3 1
0 0
Misal: A = → A 0 , B = 0 0 0 B 0
2 3
5 4 1
2. jika semua elemen dari salah satu baris/kolom sama dengan baris/kolom
elemen-elemen lain maka determinan matriks itu nol.
4 3 2
8 B 0 (karena elemen-elemen baris ke-1 dan
Misal: B = 5 7
4 3 2
ke-3 sama).
1 2 3
5 7 0 A 0 (karena elemen-elemen baris ke-3
Misal: A =
2 4 6
4. AB A x B
f. Invers Matriks
AB = BA = I
a b
Misalkan diketahui matriks A = , dengan ad-bc tidak sama
c d
a b
Jadi jika A = , maka inversnya adalah:
c d
1 d b
A-1 = untuk ad-bc ≠ 0
ad bc c a
Contoh:
4 1
a. A =
7 2
20
3 2
b. B =
5 4
Penyelesaian:
1 2 1
a. A-1 =
8 7 7 4
1 2 1
=
1 7 4
2 1
=
7 4
1 4 2
b. B-1 =
12 ( 10) 5 3
1 4 2
=
2 5 3
2 1
= 5 3
2 2
1
A 1 adj ( A)
det A
Penentuan adj A:
e f d f d e
a11 a a12 b a13 c
h i g i g h
b c a c a b
a 21 d a 22 e a 23 f
h i g i g h
21
b c a c a b
a31 g a32 h a33 i
e f d f g h
Contoh:
1 2 1
4 tentukan invers matriks A dengan
Diketahui matriks A = 2 3
1 2 3
menggunakan perhitungan menurut baris pertama.
Penyelesaian:
3 4 2 4 2 3
det A 1 2 1
2 3 1 3 1 2
=1 – 4 + 1
= -2
1 4 5
adj ( A) 2 2 2
1 0 1
1
A 1 adj ( A)
det A
1 4 5
1
= 2 2 2
2
1 0 1
1 5
2
2
2
= 1 1 1
1 1
0
2 2
22
g. Penyelesaian Persamaan Linear dengan Matriks
ax + by = p .......................................................(1)
cx + dy = q .......................................................(2)
persamaan (1) dan (2) deatas dapat kita susun kedalam bentuk matriks
dibawah ini:
a b x p
c
d y q
x 1 d b p
y ad bc c
a q
Asalkan ad – bc 0
Contoh:
2x + y =
x + 3y = 7
23
penyelesaian:
dari persamaan diatas dapat kita susun menjadi matriks sebagai berikut.
2 1 x 4
1
3 y 7
x 1 3 1 4
y ( 2 x3) (1x1) 1 2 7
15
=
5 10
1
=
2
a1 x b1 y c1 z d 1
a 2 x b2 y c 2 z d 2
a 3 x b 3 y c 3 z d 3
a1 b1 c1 x d1
a b2 c 2 y d 2
2
a3 b3 c3 z d 3
24
a1 b1 c1 x d1
c 2 , X = y d
Misalkan A = a 2 b2 dan B = 2
a 3 b3 c3
z d 3
1
A-1= adj ( A) , oleh karena itu diperoleh:
det A
1 1
X= adj ( A) B = adj ( A) B
det A det A
Contoh:
1 2 3
B 1 3 4
1 4 3
Penyelesaian:
1 2 31 2
B 1 3 41 3
1 4 31 4
B 9 8 12 9 16 6
B 2
Sebuah matriks bujur sangkar dengan orde n x n misalkan A, dan sebuah vektor
kolom X dihubungkan dengan sebuah persamaan :
AX = λX
dimana λ adalah suatu skalar dan X adalah vektor yang tidak nol.
25
Skalar λ dinamakan nilai Eigen dari matriks A. Nilai eigen adalah nilai
karakteristik dari suatu matriks bujur sangkar. Vektor X adalah suatu vektor yang
tidak nol untuk nilai eigen yang sesuai dan disebut dengan vektor eigen. Jadi vektor
X mempunyai nilai tertentu untuk nilai eigen tertentu.
IAX = IλX
AX = λIX
[λI - A]X = 0
det[λI - A] = 0
a b
A=
c d
a b
det 0
c d
a d bc 0
2 a d ad bc 0
26
Contoh:
3 2
A
1 0
Penyelesaian:
3 2
det =0
1 0
( 3)( 0) 2 0
2 3 2 0
( 1)( 2) 0
8 21 9
A 14 31 13
22 45 19
Penyelesaian:
8 21 9
det( A I ) det 14 31 13 = 0
22 45 19
Untuk mencari nilai yang sesuai terlebih1 dahulu hitung determinan dari (A- )
dengan metode kofaktor:
31 13 14 13 14 31
det A 8 21 9
45 19 22 19 22 45
Vektor adalah istilah yang sangat akrab bagi orang – orang yang
berkecimpung di bidang fisika. Tentu saja karena vektor adalah istilah penting
yang berhubungan dengan sifat yang dimiliki oleh suatu objek. Vektor atau
besaran vektor didefinisikan sebagai besaran yang mempunyai besar atau nilai dan
arah, sedangkan definisi dari besaran adalah sesuatu yang dapat diukur dan
dinyatakan dalam satuan. Akan sangat panjang jika kita membahas definisi
besaran di sini, maka mari kita kembali menengok pembahasan vektor kita.
Catatan ini akan lebih banyak membahas operasi matematika pada vektor, jika
pembaca ingin mengetahui lebih banyak tentang definisi vektor dan aturan
penulisan vektor, pembaca dapat membaca referensi – referensi lain yang
membahas tentang vektor.
Berawal dari penulisan besaran vektor dalam bentuk vektor satuan, kita akan
menemukan bahwa melalui suatu persamaan bentuk, maka kita dapat
mengaplikasikan operasi matriks dalam menganalisis nilai dari operasi
28
matematika untuk satu atau lebih besaran vektor. Ada beberapa operasi
matematika pada besaran vektor, misalnya penjumlahan, pengurangan, perkalian
titik (dot product), dan perkalian silang (cross product). Ada pula istilah operator
di dalam analisis vektor, Anda akan memahaminya lebih dalam ketika belajar
tentang Kalkulus Vektor. Kali ini kita akan membahas operasi – operasi
matematika dasar pada vektor melalui pendekatan bentuk matriks. Melalui
pendekatan ini diharapkan akan mempermudah proses analisis besaran vektor dan
memberikan pemahaman yang lebih dalam tentang besaran vektor.
Besaran vektor dapat dijumlahkan satu sama lain, misal kita mempunyai
vektor A = 5i + 5j – 5k dan vektor B = 4i-3j+2k. Maka kita dapat mengetahui
hasil penjumlahan vektor A + B = R dengan menjumlahkan nilai masing – masing
komponen vektor satuannya yang bersesuaian. Melalui konsep tersebut kita bisa
menentukan nilai R = (5+4)i + (5+(-3))j + ((-5)+2)k, sehingga R = 9i + 2j – 3k.
Sekarang kita menggunakan pendekatan matriks untuk operasi penjumlahan
tersebut, bayangkan kita memiliki sebuah matriks 1×3, dengan masing – masing
kolom terisi nilai vektor pada sumbu x, y, dan z. Misalnya, F = [Fx Fy Fz], dengan
Fx adalah nilai vektor F pada sumbu x, Fy adalah nilai vektor F pada sumbu y, dan
Fz adalah nilai vektor F pada sumbu z. Kita akan mendapatkan vektor A = [5 5 -5]
dan vektor B = [4 -3 2], dari bentuk matriks tersebut kita dapat memperoleh hasil
penjumlahan kedua vektor tersebut, R, dengan cara menjumlahkan vektor (atau
sekarang bisa kita sebut matriks) A dan B melalui operasi penjumlahan pada
matriks biasa. Kita akan memperoleh R = [9 2 -3], bandingkan dengan hasil yang
kita peroleh sebelumnya, bersesuaian bukan?
Untuk operasi pengurangan vektor, mari kita tinjau kembali konsep dari
pengurangan suatu vektor dengan vektor yang lain. Kita akan mendapatkan bahwa
mengurangkan suatu vektor dengan vektor yang lain sama dengan menjumlahkan
suatu vektor dengan lawan vektor yang lain. Dalam hal ini, yang dimaksud lawan
adalah nilai negatif dari vektor yang dimaksud, contohnya -1 adalah lawan dari 1.
Dari sini kita dapat menggunakan konsep penjumlahan vektor dengan catatan
29
mengubah nilai vektor pengurangnya menjadi nilai lawannya. Misalkan kita akan
mengurangkan vektor A dengan vektor B pada contoh sebelumnya. Maka kita
akan memperoleh R = A + (-B), dengan nilai -B = [-4 3 -2], sehingga R = [1 8 -7].
Perkalian pada vektor ada dua macam, yaitu perkalian titik atau perkalian
skalar (dot product) dan perkalian silang (cross product). Masing – masing bentuk
perkalian mempunyai sifat – sifat tersendiri, sehingga saya sarankan pembaca
lebih mendalami konsep perkalian vektor dengan membaca buku – buku referensi
yang ada.
Perkalian titik atau perkalian skalar (dot product) merupakan perkalian antara
dua buah besaran vektor yang menghasilkan suatu nilai skalar. Aplikasi perkalian
titik contohnya pada perhitungan usaha, usaha didefinisikan sebagai jarak yang
ditempuh dikalikan besar gaya yang sejajar dengan arah perpindahan. Secara
matematis usaha didefinisikan sebagai W = F.s, di sini kita melihat salah satu
aplikasi perkalian titik pada bidang fisika.
Misalkan kita akan mengalikan vektor A.B menghasilkan nilai skalar R, maka
kita harus men-transpose matriks vektor B yang memiliki ukuran 1×3 sehingga
menjadi matriks berukuran 3×1. Ingat bahwa pada perkalian titik kita melakukan
transpos pada matriks tertentu sehingga menghasilkan hasil perkalian berupa
30
matriks berukuran 1×1. Kita kalikan vektor A dan B-transpos untuk
Perkalian silang (cross product) adalah perkalian antara dua buah vektor yang
menghasilkan vektor lain yang arahnya tegak lurus terhadap bidang yang dibentuk
oleh kedua vektor yang dikalikan. Aplikasi perkalian silang contohnya pada
perhitungan torsi atau torka oleh suatu gaya. Torsi atau torka didefinisikan sebagai
hasil perkalian silang antara suatu gaya dengan panjang lengan yang tegak lurus
terhadap arah gaya yang bekerja. Secara matematis torsi didefinisikan sebagai
torsi = Fxd, di sini kita melihat salah satu aplikasi perkalian silang pada bidang
fisika.
32
melibatkan nilai – nilai yang memiliki koordinat posisi yang berbeda – beda dan
letak nilai tersebut sangat mempengaruhi hasil operasi matriks.
BAB III
PENUTUP
A. Kesimpulan
B. Saran
34
DAFTAR PUSTAKA
Bandung:Rekayasa Sains.
http://feriantoraharjo.files.wordpress.com/2009/09/05_eigen_value.pdf
http://xprashp.wordpress.com/2010/10/31/analisis-vektor-dengan-pendekatan-matriks/
http://perpustakaancyber.blogspot.com/2013/05/contoh-soal-matriks-pengertian-jenis-
jenis-sifat-operasi-invers-jawaban-notasi-dan-ordo-penjumlahan-pengurangan-
perkalian-transpose-skalar-determinan-matematika.html
http://ghose-smkitpesat.blogspot.com/2012/02/matriks.html
http://paradoks77.blogspot.com/2011/08/nilai-eigen-dan-vektor-eigen.html
http://achidayat.lecture.ub.ac.id/2012/12/nilai-eigen-teori-dan-interpretasinya-dalam-
analisa-forex/
35