METODOLOGI PENELITIAN DAN STATIKA LANJUT

“DISTRIBUSI NORMAL, POLINOMIAL, MATRIKS”

Oleh
Denny Alexander Immanuel Paat
19202109006

PASCA SARJANA TEKNIK SIPIL

UNIVERSITAS SAM RATULANGI
MANADO
2019
1. DISTRIBUSI NORMAL
Distribusi normal adalah distribusi dari variabel acak kontinu.  Kadang-kadang distribusi
normal disebut juga dengan distribusi Gauss.  Distribusi ini merupakan distribusi yang paling
penting dan paling banyak digunakan di  bidang statistika.

Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai berikut

dimana

π = 3,1416

e = 2,7183

µ = rata-rata

σ = simpangan baku

Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti pada Gambar 1
berikut.

Gambar 1. kurva distribusi normal umum

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x

2. Bentuknya simetris pada x = µ

3. Mempunyai satu buah modus, yaitu pada x = µ

4. Luas grafiknya sama dengan satu unit persegi, dengan rincian

a. Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ

b. Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ

c. Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ

Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah.  Lihat saja rumus
untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit.  Oleh karena itu, orang
tidak banyak menggunakannya.

REPORT THIS AD
Orang lebih banyak menggunakan DISTIBUSI NORMAL BAKU.  Kurva distribusi normal
baku diperoleh dari distribusi normal umum dengan cara transformasi nilai x menjadi nilai z,
dengan formula sbb:

Kurva distribusi normal baku disajikan pada Gambar 2 berikut ini.

Gambar 2.  Kurva distribusi normal baku

Kurva distribusi normal baku lebih sederhana dibanding kurva normal umum.  Pada kurva
distribusi normal baku, nilai µ = 0 dan nilai σ=1, sehingga terlihat lebih menyenangkan. 
Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal umum.

Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi normal baku dan
tabel tersebut dapat ditemukan hampir di semua buku teks Statistika.  Tabel distribusi normal
bakui disebut juga dengan Tabel Z dan dapat digunakan untuk mencari peluang di bawah
kurva normal secara umum, asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ
dapat diganti masing-masing dengan nilai   dan S.
Distribusi normal merupakan suatu alat statistik yang sangat penting untuk menaksir dan
meramalkan peristiwa-peristiwa yang lebih luas. Distribusi normal disebut juga dengan
distribusi Gauss untuk menghormati Gauss sebagai penemu persamaannya (1777-
1855). Menurut pandangan ahli statistik, distribusi variabel pada populasi mengikuti
distribusi normal.
 Karakteristik Kurva Distribusi Normal

1. Kurva berbentuk genta (m= Md= Mo)

2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimptotis
4. Kurva mencapai puncak pada saat X= m
5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.

Jenis-Jenis Distribusi Probabilitas Normal

 Distribusi kurva normal dengan m sama dan s berbeda

 Distribusi kurva normal dengan m berbeda dan s sama

 Distribusi kurva normal dengan m dan s berbeda

 Fungsi Denitas Distribusi Normal
Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai berikut

dimana

 π = 3,1416
 e = 2,7183
 µ = rata-rata
 σ = simpangan baku

Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti pada Gambar 1
berikut.

Gambar 1. kurva distribusi normal umum

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x

2. Bentuknya simetris pada x = µ
3. Mempunyai satu buah modus, yaitu pada x = µ
4. Luas grafiknya sama dengan satu unit persegi, dengan rincian
o Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ
o Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ
o Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ

Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah.  Lihat saja rumus
untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit.  Oleh karena itu, orang
tidak banyak menggunakannya.

Orang lebih banyak menggunakan DISTIBUSI NORMAL BAKU.  Kurva distribusi normal
baku diperoleh dari distribusi normal umum dengan cara transformasi nilai x menjadi nilai z,
dengan formula sbb:
Kurva distribusi normal baku disajikan pada Gambar 2 berikut ini.

Gambar 2.  Kurva distribusi normal baku

Contoh kasus adalah sebagai berikut

Rata-rata produktivitas padi di Aceh tahun 2009 adalah 6 ton per ha, dengan simpangan baku
(s) 0,9 ton.  Jika luas sawah di Aceh 100.000 ha dan produktivitas padi berdistribusi normal
(data tentatif), tentukan

1. berapa luas sawah yang produktivitasnya lebih dari 8  ton ?

2. berapa luas sawah yang produktivitasnya kurang dari 5 ton ?

3. berapa luas sawah yang produktivitasnya antara 4 – 7 ton ?

Pertanyaan-pertanyaan di atas dapat dijawab dengan menggunakan sifat-sifat distribusi

normal sebagaimana yang telah disusun pada Tabel Z.

Pertanyaan no.1 dapat dijawab sbb:

1. Hitung nilai z dari nilai x = 8 ton dengan rumus 

    
2. Hitung luas di bawah kurva normal pada z = 2,22.  Caranya buka Tabel Z dan lihat  sel
pada perpotongan baris 2,20 dan kolom 0,02.  Hasilnya adalah angka 0,98679 dan bila
dijadikan persen menjadi 98,679%.  Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik 2,22 ke kiri kurva adalah sebesar 98,679%. Karena luas seluruh di
bawah kurva normal adalah 100%, maka luas dari titik 2,22 ke kanan kurva adalah 100% –
98,679% = 1,321% (arsir warna hitam pada gambar).  Oleh karena itu, luas sawah yang
produktivitasnya lebih dari 8 ton adalah 1,321%, yaitu (1,321/100) x 100.000 ha = 1321 ha.
 

Pertanyaan no.2 dapat dijawab sbb:

1.  Hitung nilai z dari nilai x = 5 ton, dengan rumus

     

2.  Hitung luas di bawah kurva normal pada z = -1,11.  Caranya buka Tabel Z dan lihat  sel
pada perpotongan baris -1,10 dan kolom 0,01.  Hasilnya adalah angka 0,13350 dan bila
dijadikan persen menjadi 13,35%.  Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik -1,11 ke kiri kurva adalah sebesar 13,35% (diarsir warna hitam pada
gambar).  Oleh karena itu, luas sawah yang produktivitasnya kurang dari 5 ton adalah
13,35%, yaitu (13,35/100) x 100.000 ha = 13350 ha.

1. Hitung nilai z dari nilai x = 4 ton, dengan rumus

     
2. Hitung nilai z dari nilai x = 7 ton, dengan rumus

    
3.  Hitung luas di bawah kurva normal pada z = –2,22.  Caranya buka Tabel Z dan lihat  sel
pada perpotongan baris –2,20 dan kolom 0,02.  Hasilnya adalah angka 0,01321 dan bila
dijadikan persen menjadi 1,321%.  Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik –2,22 ke kiri kurva adalah sebesar 1,321%.
4. Hitung luas di bawah kurva normal pada z = 1,11.  Caranya buka Tabel Z dan lihat  sel
pada perpotongan baris 1,10 dan kolom 0,01.  Hasilnya adalah angka 0,86650 dan bila
dijadikan persen menjadi 86,65%.  Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik 1,11 ke kiri kurva adalah sebesar 86,65%.

5. Luas sawah yang produktivitasnya antara 4 – 7 ton adalah 86,65%-1,321% = 85,329%

(diarsir warna hitam) atau (85,329/100) x 100.000 ha = 85329 ha.

    

Iklan

Kurva distribusi normal baku lebih sederhana dibanding kurva normal umum.  Pada kurva
distribusi normal baku, nilai µ = 0 dan nilai σ=1, sehingga terlihat lebih menyenangkan. 
Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal umum.

Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi normal baku dan
tabel tersebut dapat ditemukan hampir di semua buku teks Statistika.  Tabel distribusi normal
bakui disebut juga dengan Tabel Z dan dapat digunakan untuk mencari peluang di bawah
kurva normal secara umum, asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ
dapat diganti masing-masing dengan nilai dan S.
Berikut adalah tabel distribusi normal standar, untuk P (X < x), atau dapat diilustrasikan
dengan luas kurva normal standar dari X = minus takhingga sampai dengan X = x.

Tabel Z

Contoh penggunaan tabel Z:

Hitung P (X<1,25)

Penyelesaian: Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya, carilah
angka 0,05 pada baris paling atas. Sel para pertemuan kolom dan baris tersebut
adalah 0,8944.
Dengan demikian, P (X<1,25) adalah 0,8944.

Contoh kasus menggunakan rumus Z

Rata-rata produktivitas padi di Aceh tahun 2009 adalah 6 ton per ha, dengan simpangan baku
(s) 0,9 ton.  Jika luas sawah di Aceh 100.000 ha dan produktivitas padi berdistribusi normal
(data tentatif), tentukan

1. berapa luas sawah yang produktivitasnya lebih dari 8  ton ?

Jawab:

1. Hitung nilai z dari nilai x = 8 ton dengan rumus

2. Hitung luas di bawah kurva normal pada z = 2,22.  Caranya buka Tabel Z dan lihat  sel
pada perpotongan baris 2,20 dan kolom 0,02.  Hasilnya adalah angka 0,98679 dan bila
dijadikan persen menjadi 98,679%.  Angka ini menunjukkan bahwa luas di bawah kurva
normal baku dari titik 2,22 ke kiri kurva adalah sebesar 98,679%. Karena luas seluruh di
bawah kurva normal adalah 100%, maka luas dari titik 2,22 ke kanan kurva adalah 100% –
98,679% = 1,321% (arsir warna hitam pada gambar).  Oleh karena itu, luas sawah yang
produktivitasnya lebih dari 8 ton adalah 1,321%, yaitu (1,321/100) x 100.000 ha = 1321 ha.

2. POLINOMIAL
 Dalam matematika, polinomial atau suku banyak(juga ditulis sukubanyak) adalah
pernyataan matematika yang melibatkan jumlahan perkalian pangkat dalam satu atau lebih
variabel dengan koefisien. Sebuah polinomial dalam satu variabel dengan koefisien konstan
memiliki bentuk seperti berikut:
Pangkat tertinggi pada suatu polinomial menunjukkan orde atau derajat dari polinomial
tersebut.
Grafik polinomialSunting
Sebuah fungsi polinomial dalam satu variabel real dapat dinyatakan dalam grafik fungsi.
 Grafik dari polinomial nol

f(x) = 0
adalah sumbu x.
 Grafik dari polinomial berderajat nol

f(x) = a0, dimana a0 ≠ 0,

adalah garis horizontal dengan y memotong a0
 Grafik dari polinomial berderajat satu (atau fungsi linear)

f(x) = a0 + a1x , dengan a1 ≠ 0,

adalah berupa garis miring dengan y memotong di a0 dengan kemiringan sebesar a1.
 Grafik dari polinomial berderajat dua

f(x) = a0 + a1x + a2x2, dengan a2 ≠ 0

adalah berupa parabola.
 Grafik dari polinomial berderajat tiga

f(x) = a0 + a1x + a2x2, + a3x3, dengan a3 ≠ 0

adalah berupa kurva pangkat 3.
 Grafik dari polinomial berderajat dua atau lebih

f(x) = a0 + a1x + a2x2 + ... + anxn , dengan an ≠ 0 and n ≥ 2

adalah berupa kurva non-linear.
Ilustrasi dari grafik-grafik tersebut adalah di bawah ini.


Polinomial berderajat 2:
f(x) = x2 - x - 2 = (x+1)(x-2)
 
Polinomial berderajat 3:
f(x) = x3/4 + 3x2/4 - 3x/2 - 2 = 1/4 (x+4)(x+1)(x-2)


Polinomial berderajat 4:
f(x) = 1/14 (x+4)(x+1)(x-1)(x-3) + 0.5


Polinomial berderajat 5:
f(x) = 1/20 (x+4)(x+2)(x+1)(x-1)(x-3) + 2


Polinomial berderajat 6:
f(x) = 1/30 (x+3.5)(x+2)(x+1)(x-1)(x-3)(x-4) + 2


Polinomial berderajat 7:
f(x) = (x-3)(x-2)(x-1)(x)(x+1)(x+2)(x+3)
Polinomial dan kalkulusSunting
Artikel utama: Kalkulus dengan polinomial
Untuk menghitung turunan dan integral dari polinomial tidaklah terlalu sulit. Untuk fungsi
polinomial

maka turunan terhadap x adalah

 dan integral tak tentu terhadap x adalah
Pembagian PolinomialSunting
Bentuk umum adalah 
 Keterangan:

1. F(x) : suku banyak

2. P(x) : pembagi
3. H(x) : hasil bagi
4. S(x) : sisa

Teorema sisaSunting
Jika suku banyak F(x) berderajat n dibagi oleh (x – k) maka sisanya adalah F(k).
Jika suku banyak F(x) berderajat n dibagi oleh (ax – b) maka sisanya adalah F(b/a).
Jika suku banyak F(x) berderajat n dibagi oleh (x – a)(x - b) maka sisanya adalah .
MetodeSunting
Metode ada 4 jenis yakni

Biasa
Contoh berapa hasil dan sisa dari F(x):  dibagi dengan P(x): !
Horner
cara ini dapat digunakan untuk pembagi berderajat 1 atau pembagi yang dapat difaktorkan
menjadi pembagi-pembagi berderajat 1

Cara:

 Tulis koefisiennya saja → harus runtut dari koefisien xn, xn – 1, … hingga konstanta
(jika ada variabel yang tidak ada, maka koefisiennya ditulis 0)

Contoh: untuk 4x3 – 1, koefisien-koefisiennya adalah 4, 0, 0, dan -1 (untuk x3, x2, x, dan
konstanta)

Jika koefisien derajat tertinggi P(x) ≠ 1, maka hasil baginya harus dibagi dengan
koefisien derajat tertinggi P(x)
Jika pembagi dapat difaktorkan, maka
Jika pembagi dapat difaktorkan menjadi P1 dan P2, maka S(x) = P1.S2 + S1
Jika pembagi dapat difaktorkan menjadi P1, P2, P3, maka S(x) = P1.P2.S3 + P1.S2 +
S1
Jika pembagi dapat difaktorkan menjadi P1, P2, P3, P4, maka S(x) = P1.P2.P3.S4 +
P1.P2.S3 + P1.S2 + S1 dan seterusnya
Contoh berapa hasil dan sisa dari F(x):  dibagi dengan P(x): !
 misalkan P:  maka:
P1 : 
P2 : 

1 1 -4 -7 10

0 1 -3 -10

-2 1 -3 -10 0 (S1)

0 -2 10

1 -5 0 (S2)

H(x) = 
S(x) = P1 S2 + S1 = 
Koefisien tak tentu
Contoh berapa hasil dan sisa dari F(x):  dibagi dengan P(x): !
Untuk soal di atas, karena F(x) berderajat 3 dan P(x) berderajat 2, maka

H(x) berderajat 3 – 2 = 1
S(x) berderajat 2 – 1 = 1
Jadi, misalkan H(x) = ax + b dan S(x) = cx + d

Jadi
H(x) = ax + b = x - 5
S(x) = cx + d = 0
Teorema faktorSunting
Suatu suku banyak F(x) mempunyai faktor (x – k) jika F(k) = 0 (sisanya jika dibagi dengan (x
– k) adalah 0)

Catatan: jika (x – k) adalah faktor dari F(x) maka k dikatakan sebagai akar dari F(x)

Beberapa memungkinkan yang diketahui:

 Jika jumlah koefisien suku banyak = 0, maka pasti salah satu akarnya adalah x = 1.
 Jika jumlah koefisien suku di posisi genap = jumlah koefisien suku di posisi ganjil,
maka pasti salah satu akarnya adalah x = -1.
 Untuk mencari akar suatu suku banyak dengan cara Horner, dapat dilakukan dengan
mencoba-coba dengan angka dari faktor-faktor konstanta dibagi faktor-faktor koefisien
pangkat tertinggi yang akan memberikan sisa = 0. Contohnya:

untuk , faktor-faktor konstantanya: ±1, ±2, faktor-faktor koefisien pangkat tertinggi:

±1. Sehingga, angka-angka yang perlu dicoba: ±1 dan ±2
untuk , faktor-faktor konstantanya: ±1, ±2, faktor-faktor koefisien pangkat tertinggi:
±1, ±2, ±4. Sehingga, angka-angka yang perlu dicoba: ±1, ±2, ±1/2, ±1/4
Sifat Akar-akar Suku BanyakSunting
Pada persamaan berderajat 3: ax3 + bx2 + cx + d = 0 akan mempunyai akar-akar x1, x2, x3

dengan sifat-sifat:

Jumlah 1 akar: x1 + x2 + x3 = – b/a

Jumlah 2 akar: x1.x2 + x1.x3 + x2.x3 = c/a
Hasil kali 3 akar: x1.x2.x3 = – d/a
Pada persamaan berderajat 4: ax4 + bx3 + cx2 + dx + e = 0 akan mempunyai akar-akar x1,
x2, x3, x4

dengan sifat-sifat:

Jumlah 1 akar: x1 + x2 + x3 + x4 = – b/a

Jumlah 2 akar: x1.x2 + x1.x3 + x1.x4 + x2.x3 + x2.x4 + x3.x4 = c/a
Jumlah 3 akar: x1.x2.x3 + x1.x2.x4 + x2.x3.x4 = – d/a
Hasil kali 4 akar: x1.x2.x3.x4 = e/a
Dari kedua persamaan tersebut, kita dapat menurunkan rumus yang sama untuk persamaan
berderajat 5 dan seterusnya. (amati pola: –b/a, c/a, –d/a , e/a, …)

3. JENIS-JENIS MATRIKS

Matriks dapat dibedakan bedasarkan :

1. Ordo
2. Elemen-elemen penyusunnya

1. Berdasarkan ordonya matriks dibagi menjadi beberapa jenis, yaitu :

a. Matriks bujursangkar/persegi
yaitu matriks berordo n x n atau matriks yang memiliki jumlah baris sama dengan
jumlah kolom.
 Contoh:

1 5 2

A 2x 2
0 0
[ ]
= 1 0
Ordo 2 x 2
B 3 x3
[ ]
8 3 7
= 9 4 5 C 4 x4 =
Ordo 3 x 3

1 9 3 1

[ ]
5
8
9
3
4
7
0
8
5
3
0
2

Ordo 4 x 4

b. Matriks baris
yaitu matriks berordo 1 x n atau matriks yang hanya memiliki satu baris.

Contoh:

A 1x 2 = [1 2] B 1 x3 = 1 6 7 C 1x 4 =

[1 0 7 2 ]
c. Matriks kolom
yaitu matriks berordo n x 1 atau matriks yang hanya memiliki satu kolom.

Contoh:

A 2x 1 =
[12 ] B 3 x1
[]
8
= 5 C 4 x1 =

[]
0
5
3

d. Matriks tegak
 yaitu matriks berordo m x n dengan m>n atau matrik yang memiiki jumlah baris
lebih besar dari jumlah kolom sehingga matriks tampak tegak.

Contoh:

4 7

A 2x 1 =
[39 ] B 3 x2
[ ]
8 1
= 0 3 C 4 x3 =

4 3 2

[ ] 8
0
7
4
5
8
0
5
1

e. Matriks datar
yaitu matriks berordo m x n dengan m<n atau matrik yang memiiki jumlah baris
lebih kecil dari jumlah kolom sehingga matriks tampak datar.

Contoh:

A 1x 2 = [1 7 ] B 2 x3 =
[31 60 92 ] C 3x4 =

2 7 0 1

[ 0 4 3 6
0 8 5 0 ]
2. Berdasarkan elemen-elemen penyusunnya matriks dibagi menjadi beberapa jenis, yaitu:
a. Matriks nol
yaitu matriks yang semua elemen penyusunnya adalah nol dan dinotasikan sebagai O.

Contoh:
 0 0 0

O 2x2
0 0
[ ]
= 0 0 O 3x3
[ ]
0 0 0
= 0 0 0 O 4x 4 =

0 0 0 0

[ ]
0
0
0
0
0
0
0
0
0
0
0
0

b. Matriks diagonal
yaitu matriks persegi yang semua elemen diatas dan dibawah diagonalnya adalah nol
dan dinotasikan sebagai D.

Contoh:

3 0 0

D 2 x2
1 0
[ ]
= 0 2 D 3x3
[ ]
0 8 0
= 0 0 6 D 4 x4 =

7 0 0 0

[ ]
0
0
0
8
0
0
0
4
0
0
0
8

c. Matriks skalar
yaitu matriks diagonal yang semua elemen pada diagonalnya sama.

Contoh:
 3 0 0

D 2 x2
2 0
[ ]
= 0 2 D 3x3
[ ]
0 3 0
= 0 0 3 D 4 x4 =

7 0 0 0

[ ]
0
0
0
7
0
0
0
7
0
0
0
7

d. Matriks simetri
yaitu matriks persegi, yang setiap elemennya , selain elemen diagonal, adalah simetri
terhadap diagonal utama.

Contoh:

3 1 1

A 2x 2
2 0
[ ]
= 0 1 B 3 x3
[ ]
1 8 1
= 1 1 6 C 4 x4 =

7 3 3 3

[ ]
3
3
3
8
3
3
3
4
3
3
3
8

e. Matriks simetri miring

yaitu matriks simetri yang elemen-elemennya, selain elemen diagonal, saling
berlawanan.

Contoh:
 3 5 −2

A 2x 2
2 3
= −3 1
[ ] B 3 x3
[−5 8 −7
= 2 7 6
] C 4 x4 =

7 5 −2 4

[ −5 8 −7 3
2 7 4 6
−4 −2 −6 8
]
f. Matriks segitiga
Suatu matriks persegi dikatakan sebagai matriks segitiga jika elemenelemen yang ada
di bawah atau di atas diagonal utamanya (salah satu, tidak kedua-duanya) bernilai nol.

Matriks segitiga dibagi menjadi 2 yaitu:

- Matriks segitiga atas

yaitu matriks persegi yang elemen-elemen di bawah diagonal utamanya adalah
nol.

Contoh:

7 2 6 1

B 3 x3
3 −1 4

[
0 4 −5
= 0 0 3 ] C 4 x4 =
0
0
0
[ ]
8
0
0
9
4
0
5
3
8 D 5x5 =

1 2 1 5 4

-
[ ] 0
0
0
0
8
0
0
0

Matriks segitiga bawah

3
5
0
0
1
2
7
0
2
3
4
2

yaitu matriks persegi yang elemen-elemen di atas diagonal utamanya adalah nol.

Contoh:
 7 0 0 0

B 3 x3
3 0 0

[ ]
1 8 0
= 2 4 6 C 4 x4 =
[ ]
3
5
1
8
9
6
0
4
2
0
0
8 D 5x5 =

1 0 0 0 0

[ ]
3
3
2
4

g. Matriks identitas
8
2
1
5
0
5
3
1
0
0
7
3
0
0
0
2

yaitu matriks diagonal yang semua elemen pada diagonal utamanya adalah 1(satu)
dan dinotasikan sebagai I.

Contoh:

1 0 0

I 2x 2 =
[10 01 ] I 3x3
[ ]
0 1 0
= 0 0 1 I 4 x4 =

1 0 0 0

[ ]
0
0
0
1
0
0
0
1
0
0
0
1

h. Matriks transpose
yaitu matriks yang diperoleh dari memindahkan elemen-elemen baris menjadi
elemen pada kolom atau sebaliknya.

Contoh:

1
A 1x 2 = [ 1 7 ] , maka matriks transosenya adalah A
T

2x 1
[]
= 7
 1 3

B 2 x3
1 6 9
[ ]
= 3 0 2 , maka matriks transosenya adalah B
T

3 x2
6 0
= 9 2
[ ]
2 0 0

C 3x4
2 7 0 1
[
0 4 3 6
]
= 0 8 5 0 , maka matriks transosenya adalah C
T

4 x3 =
[ ]
7
0
1
4
3
6
8
5
0