KULIAH 1
1. DEFINISI MATRIKS
Suatu matriks A yang terdiri dari m baris dan n kolom dapat dituliskan
sebagai Am.n atau A(m x n).
DIM C(5)
„==================================
„ NRD = INPUT DEVICE CODE NUMBER
„ NWR = OUTPUT DEVICE CODE NUMBER
„ NAMA PROGRAM : VEX.BAS
„==================================
CLS
NRD = 1
OPEN “DATA7.DAT” FOR INPUT AS
#NRD FOR I = 1 TO 5
INPUT #NRD, C(I)
NEXT I
CLOSE (NRD)
NWR = 3
OPEN “DATA8.DAT” FOR OUTPUT AS #NWR
FOR I = 1 TO 5
PRINT #NWR, C(I); “ “;
NEXT I
CLOSE (NWR)
END
KULIAH 2
Bila Am.n + Bm.n = Cm.n , dalam hal ini elemen-elemen dari matriks Cm.n
adalah:
cij = aij + bij untuk i = 1, 2, ..., m
j = 1, 2, ..., n.
I = 1, M
J = 1, N
RETURN
2.2 PENGURANGAN Matriks
n
cij = aik .bkj dengan i = index baris = 1, 2, ..., m
k 1
START
I = 1, M
J = 1, L
C(I,J) = 0
K = 1, N
j 1, 2,...,n.
START
I = 1, M
C(I) = 0
J = 1, N
RETURN
KULIAH 3
3.1 PERKALIAN VEKTOR BARIS DENGAN
MATRIKS Andaikan diketahui
Vektor baris (matriks baris) X = (x1 x2 ... xm)
a a ... a
...
matriks A
a a ... a
... ... ... ...
am1 am2 amn
n
Yi = x ja ji untuk i = 1, 2, ... , n
j 1
j = 1, 2, ... , m.
Subroutine Perkalian Vektor Baris dengan Matriks
START
I = 1, N
Y(I) = 0
J = 1, M
RETURN
3.2 PEMBAGIAN DENGAN MATRIKS
Istilah pembagian dengan matriks tidak begitu populer. Untuk
membagi matriks A dengan B dilakukan dengan cara sebagai berikut:
A
Untuk mencari dikerjakan C = A.B-1 , dengan B-1 adalah
B
C
invers dari matriks B. Didefinisikan B.B-1 = I dengan I adalah matriks
satuan.
j = 2, n
KULIAH 4
3. DETERMINAN
3.1 Cara Sarrus
a11 a12 a1
Untuk matriks A a21 a22
3
, determinannya menurut Sarrus
a23
a31 a32
a33
dicari sebagai berikut:
Det (A) = n
aij Kij j = 1, 2, ..., n
i 1
untuk n > 1.
Kofaktor Kij dapat dicari dengan mempergunakan minor Mij
i+j
Kij = (-1) Mij
Mij adalah minor dari koefisien Aij yang merupakan nilai determinan
setelah baris ke i dan kolom ke j dari matriks A dihilangkan.
3.3 Metoda CHIO untuk Menghitung Determinan
Andaikan kita ingin mencari nilai determinan dari suatu matriks
a1 a12 .. a1n
1
.
a21 a22 a2n
..
... ... . ...
an1 an .. ann
2
.
..
.
dan seterusnya.
KULIAH 5
3.4 Perhitungan Determinan dengan Operasi Baris Elementer
Misalkan matriks
a11 a 12 a13 a14
a21 a22 a23 a24
a31 a32 a33 a34
a41 a42 a43 a44
Maka:
‟‟‟
Det (A) = (a11) (a22‟) (a33”) (a44 )
3.5 Perhitungan Determinan dengan Dekomposisi LU
Andaikan A = LU
a1 a1 a1 l1 0 0 1 u13
1
2 3 1
l22 0 u23
a21 a22 a23 l21 u12
l32 l33 1
a31 a32 a33 l31 0 1
0 0
Xj untuk j = 1, 2, ..., n
Det j ( A)
xj
Det( A)
dalam hal
ini:
a11 a12 ... a1
a21 a22 ... n
Det( A)
... ... ... a2n
an1 an2 ... a
ann
0 0 ... a
nn n
Metoda Gauss dan Gauss-Jordan akan berfungsi dengan baik bila pivot aii
adalah harga elemen yang terbesar dalam baris ke-i.
KULIAH 8
Berikutnya proses iterasi ke-2, ke-3, ..., sampai ke-n banyaknya iterasi
yang diminta.
0 0 u 0 0
1
l22 2 u23 0
0.. .l32 .l33 0 0.. . . .u34 ..
. .. .. l44 . 0.. 1.. 1
0 0 l43 0 0 0
lij = a11
lij = aji
i = untuk
2, n
j = 1, n-1
i = 2, n
lii = aii - lij uji untuk
j = i-1, n-1 untuki = 1, n-1
j = i+1, n
Y1 = b1 / a11
Yi = ( bi - lijyj ) / lii untuk yi = 2, n
j = i-1, n-1
i 1
1(b
yi i l ij y j ) untuk i 2,n
lii j 1
bi
yi ii untuk i1
l
4.8 Persamaan Linier Simultan Homogen
Bentuk umum persamaan linier simultan homogen:
5. MATRIKS INVERSI
Invers matriks A adalah A-1 sehingga memenuhi
A. A-1 = A-1. A = I
Untuk mencari jumlah operasi, dapat dipakai cara lain yakni
mencari matriks inversi dengan transformasi elementer.
j = 1 sampai n.
Grup kedua:
j = i+2, N
Grup keempat:
j
1a b
bij untuk i = 1, N-3
aik kj
ii k 2
j=i+3
KULIAH 11
a21 a 21
l u
21 11 a21 a11
l21 u11
a31 l a31 a 31
u
31 11
u11 a11
l31
II. l u u23
l21u12 2 1
u22 a22
1 3
a23 a23 l21u13
a22 l21
u
u 22 23
u12
l u u a l a32l31a12
31 12
l 32 22 32 32
u22
j = 2, n-1
i 1
l ii aii lik 2 untuk i = 1, n
k 1
KULIAH 12
6. MATRIKS TRANSPOSE DAN MATRIKS ADJOINT
Andaikan diketahui matriks
a11 a1 a13
A a21 2 a23
a31 a22
a33
a32
Adjoint dari matriks A ditulis Adj (A), adalah suatu matriks yang
elemen-elemennya terdiri dari transpose dari semua kofaktor elemen-
elemen matriks A.
Matriks adjoint hanya didefinisikan untuk matriks kuadrat.
k1 k21 k31
Adj( A) 1
k22 k32
k12
k23 k33
k13
Dalam hal ini:
k11 = (-1)1+1 Det(M11), M11 adalah minor dari koefisien a11
k12 = (-1)1+2 Det(M12), M12 adalah minor dari koefisien a12
dan seterusnya.
Perhitungan matriks adjoint dengan konsep di atas kurang efisien karena
jumlah operasinya cukup besar.
START
I = 1, N
J = 1, M
ATRAN(J,I) = A(I,J)
RETURN
KULIAH 13
Diagram Alir Perhitungan Matriks Adjoint
CALL DETMIN
START
(N,A,DET)
CALL MATIN
(N,M,A,AINVER)
I = 1, N
J = 1, M
ADJA(I,J) = DET*AINVER(I,J)
RETURN
Subprogram Subroutine Adjoint
7. AKAR KARAKTERISTIK
7.1 Nilai Karakteristik (Harga Eigen) dan Vektor Karakteristik
(Vektor Eigen)
Dapat ditulis:
S1 n
i trace (A)
i1
S2 n
2
i trace (A2 )
... i 1
Sk n
k
i trace (Ak )
i 1
Untuk mempermudah perhitungan selanjutnya Faddeev mengembangkan
cara sebagai berikut:
A1 = A ; Trace (A1) = P1 ; B1 = A1 - P1I
A2 = AB1 ; Trace (A2) = 2P2 ; B2 = A2 - P2I
... ... ...
An = ABn-1 ; Trace (An) = nPn ; Bn = An - PnI
Persamaan karakteristiknya:
Harga Eigen
Tinjau persamaan linier simultan sebagai berikut:
a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
atau
AX = B
Dalam persoalan mencari harga eigen maka B I yang mana
=
0 0
0 0
I =
0
0
sehingga menjadi
[A- I ][X]=[0]
yang merupakan persamaan linier simultan homogen.
Persamaan itu dapat dibentuk menjadi
a11 a21 x1 x2 0 a31
x3 0
a13 a23
3
0
3
+ 1
2
+ 2
+ 3
= 0
Vektor Eigen
Tulis (@) dalam bentuk
a ' a a x 0
11 12 13 1
a a ' a x 0
21 22 23 2
'
a a a x 0
31 32 33 3
‟
a12 x2 + a13 x3 = - a11
‟
a22 x2 + a23 x3 = - a21
‟
a32 x2 + a33 x3 = - a31
Didapatkan:
'
a a x a a x
11 13 3 21 23 3
x2 a a '
12 22
a a a ' '
a
x3 12 21 22 11
a13a12 a12a23
Nilai-nilai x1, x2, dan x3 dalam hal ini menjadi vektor eigen yang
berhubungan dengan harga eigen .