MODUL PERKULIAHAN

Metoda Numerik
Lanjut
Matriks dan Vektor

Program
Direktorat Modul Kode MK Disusun Oleh
Studi
Pasca Sarjana Magister W571700010 Ir. Pariatmono Sukamdo, MSc, DIC, PhD
Teknik Sipil 03

Abstract Kompetensi

Modul ini menjelaskan tentang Memahami sifat-sifat matriks dan

sifat-sifat matriks dan vektor
beserta operasi dan
manipulasinya kemudian diikuti
dengan penerapannya dalam
perumusan masalah dalam
rekayasa struktur.
vektor serta penggunaannya
Merumuskan permasalahan
rekayasa struktur menggunakan
matriks dan vektor
1. Pendahuluan
Matriks adalah kumpulan bilangan, simbol atau ekspresi yang ditempatkan berdasarkan baris
dan kolom1. Dengan ditampilkan menggunakan matriks, analisis dan perhitungan dapat
dilakukan secara lebih terstruktur.
Banyaknya kolom dan baris suatu matriks disebut dengan dimensi matriks, sedangkan
bilangan, simbol atau ekspresi yang menjadi penyusun matriks disebut dengan elemen atau
anggota matriks. Matriks umumnya ditulis dalam tanda kurung siku, yaitu:
𝑎11 𝑎12 𝑎13 ⋯ 𝑎1𝑛
𝑎21 𝑎22 𝑎23 ⋯ 𝑎2𝑛
𝑎
[𝐴] = 𝐀 = 31 𝑎 32 𝑎 33 ⋯ 𝑎3𝑛
⋮ ⋮ ⋮ ⋱ ⋮
[ 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 ⋯ 𝑎𝑚𝑛 ]
Dalam matriks [𝐴] (kadang-kadang ditulis sebagai 𝐀) di atas, 𝑎𝑖𝑗 (𝑖 = 1, 𝑚; 𝑗 = 1, 𝑛) adalah
elemen matriks [𝐴]. Matriks [𝐴] mempunyai 𝑚 buah baris dan 𝑛 buah kolom sehingga disebut
mempunyai dimensi 𝑚 × 𝑛. Suatu matriks [𝐵] merupakan transpos (transpose) dari [𝐴], atau
[𝐵] = [𝐴]𝑇 jika 𝑏𝑖𝑗 = 𝑎𝑗𝑖 . Jadi, jika dimensi matriks [𝐴] adalah 𝑚 × 𝑛, maka dimensi matriks [𝐵]
adalah 𝑛 × 𝑚.
Jika 𝑚 = 1, matriks [𝐴] disebut matriks baris. Sedangkan jika 𝑛 = 1, matriks [𝐴] disebut
̅ . Jadi, transpos dari matriks
matriks kolom atau vektor dan umumnya ditulis dengan {𝐴} atau 𝑨
baris menghasilkan matrik kolom (atau vektor), dan sebaliknya.
Jika 𝑚 = 𝑛, matriks [𝐴] disebut matriks bujursangkar. Matriks bujursangkar ini, terbagi menjadi
beberapa golongan, antara lain:
• Matriks simetris, yaitu jika 𝑎𝑖𝑗 = 𝑎𝑗𝑖 . Pada matriks simetris, berlaku [𝐴]𝑇 = [𝐴].
• Matriks diagonal, yaitu jika 𝑎𝑖𝑗 = 0 untuk semua 𝑖 ≠ 𝑗. Matriks diagonal adalah
keadaan khusus dari matriks simetris.
• Matriks tridiagonal, yaitu matriks yang semua elemennya nol, kecuali elemen-elemen
pada diagonal dan elemen-elemen pada dua diagonal lainnya yang paling berdekatan
dengan diagonal.
• Matriks identitas, yaitu jika 𝑎𝑖𝑗 = 1 untuk 𝑖 = 𝑗, dan 𝑎𝑖𝑗 = 0 untuk 𝑖 ≠ 𝑗. Matriks identitas
adalah keadaan khusus dari matriks diagonal dan biasa ditulis sebagai [𝐼]. Suatu
matriks [𝐴] jika dikalikan dengan matriks identitas [𝐼] akan menghasilkan matriks [𝐴]
itu sendiri, atau [𝐴][𝐼] = [𝐼][𝐴] = [𝐴]

1
https://id.wikipedia.org/wiki/Matriks_(matematika), dilihat pada 22 Juni 2016

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

2 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 • Matriks nol, yaitu matriks yang semua elemennya nol dan biasa ditulis sebagai [0].
Semua matriks yang dikalikan dengan matriks nol, akan menghasilkan matriks nol,
atau [𝐴][0] = [0][𝐴] = [0].
• Matriks invers (kebalikan). Matriks [𝐵] merupakan invers dari matriks [𝐴] jika
[𝐴] × [𝐵] = [𝐵] × [𝐴] = [𝐼]. Dalam hal ini, sering ditulis bahwa [𝐵] = [𝐴]−1 dan
sebaliknya.
• Matriks segitiga (triangular matrix), yaitu matriks yang elemen bagian atasnya (atau
elemen bagian bawahnya) hingga batas elemen diagonal mempunyai nilai, sedangkan
bagian lainnya nol. Jika elemen bagian atasnya yang tidak nol, matriks ini disebut
matriks segitiga atas (upper triangular matrix), sedangkan jika elemen bawahnya yang
tidak nol, disebut dengan matriks segitiga bawah (lower triangular matrix). Dengan
demikian, matriks [𝐴] disebut matriks segitiga atas jika,
𝑎𝑖𝑗 ≠ 0 untuk 𝑖 ≤ 𝑗
{
𝑎𝑖𝑗 = 0 untuk 𝑖 > 𝑗
• Matriks Jarang (sparse matrix) adalah matriks yang sebagian besar elemennya nol.
• Matriks Orthogonal adalah matriks yang invers-nya sama dengan transpos-nya, atau
[𝐴]−1 = [𝐴]𝑇 atau dapat juga dituliskan sebagai [𝐴]𝑇 [𝐴] = [𝐴][𝐴]𝑇 = [𝐼]
• Matriks Singular adalah matriks yang mempunyai determinan sama dengan nol
(determinan akan dijelaskan kemudian).

2. Manipulasi Matriks
Seperti halnya variabel, matriks dapat dimanipulasi (seperti dijumlahkan, dikurangkan,
dikalikan, dsb) dan di-dekomposisi-kan. Berikut ini beberapa manipulasi matriks.
1. Penjumlahan matriks,
[𝐶] = [𝐴] + [𝐵] → 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗
Jelas bahwa dimensi matriks yang dijumlahkan ([𝐴] dan [𝐵]) harus sama dan akan
menghasilkan matriks baru ([𝐶]) yang dimensinya sama pula. Perlu digarisbawahi bahwa sifat
komutatif (pertukaran) dan asosiatif (pengelompokan) tetap berlaku pada penjumlahan
matriks. Jadi,
[𝐴] + [𝐵] = [𝐵] + [𝐴]
([𝐴] + [𝐵]) + [𝐶] = [𝐴] + ([𝐵] + [𝐶])

2. Perkalian Matriks
Matriks [𝐴] hanya dapat dikalikan dengan matriks [𝐵] jika jumlah kolom matriks [𝐴] sama
dengan jumlah baris matriks [𝐵]. Hasil perkaliannya adalah matriks [𝐶] yang banyak barisnya

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

3 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
sama dengan jumlah baris matriks [𝐴] dan banyak kolomnya sama dengan jumlah kolom
matriks [𝐵]. Dengan kata lain,
[𝐴]𝑚×𝑛 × [𝐵]𝑛×𝑝 = [𝐶]𝑚×𝑝
Adapun setiap elemen pada matriks [𝐶] dapat dihitung dengan:
𝑛

𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗

𝑘=1

Perlu digaris-bawahi bahwa perkalian matriks tidak bersifat komutatif, artinya

[𝐴] × [𝐵] ≠ [𝐵] × [𝐴]
Selain itu, perlu digaris-bawahi sifat perkalian matriks transpos, yaitu:
([𝐴][𝐵])𝑇 = [𝐵]𝑇 [𝐴]𝑇
([𝐴][𝐵][𝐶])𝑇 = [𝐶]𝑇 [𝐵]𝑇 [𝐴]𝑇
Penjelasan lebih lanjut tentang algoritma dalam perhitungan perkalian matriks akan diberikan
pada bagian berikutnya dari modul ini.

3. Determinan Matriks
Suatu matriks bujursangkar [𝐴] dengan dimensi 𝑛 × 𝑛, mempunyai determinan det 𝐴 (atau
ditulis juga sebagai det[𝐴] atau |𝐴|). Beberapa sifat determinan:2
det([𝐴]𝑇 ) = det 𝐴
1
det([𝐴]−1 ) = (det 𝐴)−1 =
det 𝐴
det([A] × [B]) = det A × det B
Untuk menghitung determinan, dibutuhkan beberapa definisi:
1. Minor elemen aij dari matriks [A] dengan dimensi n × n adalah determinan dari suatu
matriks (n − 1) × (n − 1) yang dibentuk dari matriks [A] dengan membuang baris ke-i
dan kolom ke-j
2. Kofaktor dari aij (diberi notasi Aij ) adalah suatu bilangan hasil perkalian antara (−1)i+j
dengan minor elemen aij .
Determinan dari matriks [A] dapat dihitung sebagai
n n

det[A] = ∑ apj Apj = ∑ aqk Aqk

j=1 k=1

Contoh 1:
a11 kofaktor a11 a21 kofaktor a21
1 4 ⏞ × ⏞ ⏞ × ⏞
det [ ] = (1) (5) + (4)
⏟ × (−2)
⏟ = (2) (−4) + (5) × (1) = −3
2 5
a12 kofaktor a12

2
Luknanto, D., “Metoda Numerik”, Bahan Kuliah Metoda Numerik, Jurusan Teknik Sipil FT UGM,
Yogyakarta, November 2001, bisa diunduh dari luk.staff.ugm.ac.id/numerik/MetodaNumerik.pdf

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

4 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 5 3 −1
det [1 −1 2 ]
2 −3 4
kofaktor a11 kofaktor a13
⏞ −1 2 1 −1 ⏞ 1 −1
= 5 × (−1)1+1 × | | + 3 × (−1)1+2 | | + (−1) × (−1)1+3 × | |
−3 4 ⏟ 2 −3 2 −3
kofaktor a12

= 5 × (+1) × (−4 + 6) + 3 × (−1) × (4 − 4) + (−1) × (+1) × (−3 + 2) = 11

Secara numerik, determinan suatu matriks [A]n×n dapat dihitung menggunakan metode
kofaktor yang berdasarkan pada kolom pertama, yaitu:
n

det[A] = ∑ ai1 Ai1 = a11 A11 + a21 A21 + a31 A31 + ⋯ + an1 An1
i−1

Jika [A] adalah matriks segitiga atas, maka

ai1 = 0 untuk i = 2,3, ⋯ , n
sehingga
det[A] = a11 A11 = a11 a22 a33 ⋯ ann
Jika [A] bukan matriks segitiga atas, maka dapat diupayakan (dengan operasi baris, lihat
contoh) agar [A] menjadi matriks segitiga atas, sehingga
a11 a12 ⋯ a1n u11 u12 ⋯ u1n
a21 a22 ⋯ a2n 0 a22 ⋯ u2n
det[A] = | ⋮ ⋮ | = K| |
⋱ ⋮ ⋮ ⋮ ⋱ ⋮
an1 an2 ⋯ ann 0 0 ⋯ unn
Contoh 2: Hitunglah determinan matriks berikut ini
1 4 2 −1
3 −5 6 1
[A] = [ ]
1 0 4 5
−6 1 9 7
1. a) Kalikan baris 1 dengan (−3) dan tambahkan ke baris 2
b) Kalikan baris 1 dengan (-1) dan tambahkan ke baris 3
c) Kalikan baris 1 dengan (+6) dan tambahkan ke baris 4
diperoleh:
1 4 2 −1
0 −17 0 4
det[A] = | |
0 −4 2 6
0 25 21 1
2. Bagi baris kedua dengan (−17) diperoleh
1 4 2 −1
0 1 0 − 4⁄17
det[A] = (−17) × | |
0 −4 2 6
0 25 21 1
3. a) Kalikan baris 2 dengan (+4) dan tambahkan ke baris 3
b) Kalikan baris 2 dengan (-25) dan tambahkan ke baris 4
diperoleh

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

5 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 1 4 2 −1
0 1 0 − 4⁄17
det[A] = (−17) × | |
0 0 2 86⁄17
0 0 21 117⁄17
4. Bagi baris 4 dengan (+2) diperoleh
1 4 2 −1
0 1 0 − 4⁄17
det[A] = (−17) × (+2) × | |
0 0 1 86⁄34
0 0 21 117⁄17
5. Kalikan baris 3 dengan (-21) dan tambahkan ke baris 4, diperoleh
1 4 2 −1
0 1 0 − 4⁄17
det[A] = (−17) × (+2) × | |
0 0 1 86⁄34
0 0 0 −786⁄17
Determinan matriks [A] = det[A] = (−17) × (+2) × (1) × (1) × (1) × (−786⁄17) = 1572

4. Diferensial dan Integral

Sebuah matriks dapat di-diferensialkan atau diintegrasikan dengan men-diferensial-kan atau
meng-integrasi-kan elemen-elemennya3
Contoh 3:
x2 3 sin x −x 4 d[A] 2x 3 cos x −4x 3
2
[A] = [3 sin x −x (cos x) ] ⟹ = [3 cos x −1 −2 cos x sin x]
dx
−x 4 (cos x) 2 7x 3 −4x 3
−2 cos x sin x 21x 2
x L
1− L
[B] = { x } ⇒ ∫[B][B]T dx = [2
L 1
]
6 1 2
0
L

5. Matriks Partisi
Matriks dapat dibagi-bagi atau di-partisi menjadi sejumlah matriks yang lebih kecil yang
disebut dengan sub-matriks. Operasi matriks (seperti penjumlahan atau perkalian) dapat
dilakukan terhadap matriks partisi dengan mengganggap sub-matriks-nya sebagai elemen
dari matriks partisi.

https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwj_6KC_qe3NAhUST
o8KHUBoBpAQFggcMAA&url=http%3A%2F%2Fwww.pucmmsti.edu.do%2Fwebsise%2Festudiante%2Fmat
erias%2F201220131%2FST-IC%2520-424-T-
001%2FAnalisis%2520Matricial%2C%25201de%25203.pdf&usg=AFQjCNH8vyxteH6NWbJ_AztLLZOYXZfi
hA&sig2=sYrfgxHYWUD69dufkd4IbQ&cad=rja

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

6 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
Contoh 4:
+2 −4 −1
[−5 +7] {+3} [B ] {B12 }
[B] = [ ] = [ 11 ]
+8 −9 +6 [B21 ] {B22 } 2×2
[+1 +3] {+8} 4×3
+9 −6
[ ] [C ]
[C] = [ +4 +2 ] = { 11 }
[−3 +1] 3×2 [C 21 ] 2×1

+2 −20 +3 −1 5 −21
[B11 ][C11 ] + {B12 }[C21 ] [−17 +44] + [ −9 +3] −26 47 ]
[B][C] = { } ={ } =[
[B21 ][C11 ] + {B22 }[C21 ] 2×1 +36 −66 −18 +6 18 −60
[+21 0] + [−24 +8] 2×1 −3 8 4×2

6. Matriks Invers
Seperti telah disebutkan, invers dari matriks bujursangkar [A] adalah kebalikannya (disebut
dengan matriks [A]−1 ), sehingga [A][A]−1 = [A]−1 [A] = [I]. Jika matriks [A] adalah matriks
simetris, maka inversnya (matriks [A]−1) juga simetris.
Untuk matriks berdimensi 2 × 2, invers-nya dapat secara langsung dihitung, yaitu:
1
[A] = [a b] ⟹ [A]−1 = [
d −b
]
c d ad − bc −c a
Dalam hal ini, (ad − bc) disebut dengan determinan, dan tidak boleh sama dengan nol. Seperti
telah disebutkan sebelumnya, jika (ad − bc) = 0, maka matriks [A] tidak mempunyai invers
dan disebut dengan matriks singular.
Untuk matriks bujursangkar [A]n×n dengan n > 2, invers-nya dapat dilakukan dengan
membentuk matriks gabungan [G] yang menyatukan matriks [A]n×n dengan matriks identitas
[I]n×n sehingga matriks gabungan [G] berukuran (n × 2n). Selanjutnya dilakukan operasi baris
(lihat contoh) terhadap matriks G tersebut sehingga matriks [A] berubah menjadi matriks
identitas [I] sedangkan matriks identitas [I] berubah menjadi matriks [A]−1 .
Contoh 5: Hitung invers dari matriks simetris berikut.
13 −6 6
[A] = [−6 12 −1]
6 −1 9
Matriks gabungan dibentuk dengan menyatukan matriks [A] dengan matriks identitas [I],
yaitu:
13 −6 6 1 0 0
[G] = ⟨[A]|[I]⟩ = ⟨−6 12 −1|0 1 0⟩
6 −1 9 0 0 1
1. Bagi baris 1 dengan G11 = 13, diperoleh
1 −0,4615 0,4615 0,07692 0 0
[G] = ⟨[A]|[I]⟩ = ⟨−6 12 −1 | 0 1 0⟩
6 −1 9 0 0 1

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

7 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
2. a) Kalikan baris 1 dengan −G21 = +6 lalu tambahkan ke baris 2
b) Kalikan baris 1 dengan −G31 = −6 lalu tambahkan ke baris 3
diperoleh
1 −0,4615 0,4615 0,07692 0 0
[G] = ⟨[A]|[I]⟩ = ⟨0 9,231 1,769 | 0,4615 1 0⟩
0 1,769 6,231 −0,4615 0 1
3. Bagi baris 2 dengan G22 = 9,231, diperoleh
1 −0,4615 0,4615 0,07692 0 0
[G] = ⟨[A]|[I]⟩ = ⟨0 1 0,1916| 0,04999 0,1083 0⟩
0 1,769 6,231 −0,4615 0 1
4. a) Kalikan baris 2 dengan −G12 = +0.4615 lalu tambahkan ke baris 1
b) Kalikan baris 2 dengan −G32 = −1,769 lalu tambahkan ke baris 3
diperoleh
1 0 0,5499 0,09999 0,04998 0
[G] = ⟨[A]|[I]⟩ = ⟨0 1 0,1916| 0,04999 0,1083 0⟩
0 0 5,892 −0,5499 −0,1916 1
5. Bagi baris 3 dengan G33 = 5,892, diperoleh
1 0 0,5499 0,09999 0,04998 0
[G] = ⟨[A]|[I]⟩ = ⟨0 1 0,1916| 0,04999 0,1083 0 ⟩
0 0 1 −0,09333 −0,03252 0,1697
6. a) Kalikan baris 3 dengan −G13 = −0,5499 lalu tambahkan ke baris 1
b) Kalikan baris 3 dengan −G23 = −0,1916 lalu tambahkan ke baris 2
diperoleh:
1 0 0 0,1513 0,06787 −0,09333
[G] = ⟨[A]|[I]⟩ = ⟨0 1 0| 0,06787 0,1145 −0,03252⟩
0 0 1 −0,09333 −0,03252 0,1697
Jadi invers dari matriks [A] adalah
0,1513 0,06787 −0,09333
−1
[A] = [ 0,06787 0,1145 −0,03252]
−0,09333 −0,03252 0,1697

3. Vektor
Seperti telah disebutkan sebelumnya, vektor adalah matriks dengan kolom tunggal dan vektor
A diberi lambang dengan {A} atau ⃗A. Dalam fisika, vektor adalah kuantitas yang memiliki besar
dan arah. Yang termasuk dalam besaran vektor antara lain, gaya, kecepatan, percepatan,
perpindahan, momen, momentum dan sebagainya. Sebagai perbandingan, skalar adalah
kuantitas yang hanya memiliki besaran saja, tapi tidak memiliki arah. Yang termasuk skalar
adalah jarak, energi, massa, suhu, waktu, volume dan sebagainya. Sedangkan tensor adalah
bentuk umum dari skalar dan vektor. Selain memiliki besaran dan arah, tensor juga

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

8 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
memberikan petunjuk di mana tempatnya bekerja. Yang termasuk tensor adalah tegangan
dan regangan.

Kembali ke masalah vektor. Operasi dasar yang terkait dengan vektor antara lain:

1. Penjumlahan
Seperti halnya pada matriks, penjumlahan vektor akan menghasilkan vektor lain yang elemen-
elemennya merupakan penjumlahan dari elemen-elemen vektor yang dijumlahkan.
Jika {Z} = {X} + {Y}, maka zi = xi + yi

2. Perkalian Titik (dot product atau inner product atau scalar product)
Perkalian titik dari dua vektor menghasilkan sebuah besaran skalar. Jika c merupakan hasil
perkalian titik dari vektor {X} dengan vektor {Y}, maka c merupakan penjumlahan dari perkalian
masing-masing elemen vektor {X} dan vektor {Y}, atau
n
T {Y},
Jika c = {X} maka c = ∑ xi yi
i

Dengan demikian, algoritma untuk mendapatkan perkalian titik adalah,

C = 0.0
DO 10 I=1,N
C = C + X(I) * Y(I)
10 CONTINUE

Jelas bahwa perkalian titik dari dua vektor berukuran n memerlukan n buah perkalian dan n
buah penjumlahan. Dengan demikian dapat dikatakan bahwa operasi pada perkalian titik
adalah operasi “O(n)”, artinya banyaknya operasi bertambah secara linear terhadap ukuran
matriks. Algoritma yang baik adalah algoritma yang dapat memperkecil O(n).

3. Perkalian Luar (Outer Product)

Perkalian luar adalah perkalian antara matriks kolom (vektor) dengan matriks baris
menghasilkan matriks segiempat biasa4. Bentuk umum perkalian luar adalah:
[A] = [A] + {X}{Y}T

4
Golub, G.H., Van Loan, C.F., “Matrix Computations”, 4th edition, The Johns Hopkins University Press, 2013.
Bisa diunduh dari tautan berikut:
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjpj
Pr02uzNAhVEjJQKHUqrAFkQFggjMAA&url=http%3A%2F%2Fweb.mit.edu%2Fehliu%2FPublic%2Fsclark
%2FGolub%2520G.H.%2C%2520Van%2520Loan%2520C.F.-
%2520Matrix%2520Computations.pdf&usg=AFQjCNHxBKCVK1pJ8R9BQZngZjYEbPMU-
A&sig2=nkc79sI_Z0Khdm3rZTg8vA

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

9 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
Dalam hal ini, tanda sama dengan (=) berarti menyamakan (assign) dari operasi yang ada di
sebelah kanannya ke sebelah kiri.

Contoh 6:
1 1 4 5
4 T
{2} [4 5] = {2} { } = [ 8 10]
5
3 3 12 15

4. Perkalian Matriks dengan Vektor

Dalam rekayasa, bentuk yang paling sering muncul dalam perkalian matriks dengan vektor
adalah bentuk
{Y} = [A]{X} + {Y}
Sekali lagi, dalam hal ini, tanda = bukan berarti kesamaan matematis (mathematical equality),
tapi penyamaan (assignment), yaitu pemutakhiran (updating) terhadap nilai sebelumnya dari
vektor {y}. Bentuk seperti ini disebut dengan “gaxpy” yang sebenarnya berarti “penggaliban
(generalized) skalar ax ditambah (plus) y”. Untuk diketahui, gaxpy adalah bentuk umum dari
saxpy (scalar ax plus y) yaitu {y} = a{x} + {y}.
Untuk masalah gaxpy, tiap elemen vektor {y} dapat dihitung berdasarkan
n

yi = yi + ∑ aij xj i = 1, m
j=1

Jadi, algoritma gaxpy dapat ditulis dengan dua cara yaitu yang berdasarkan baris (row-
oriented) dan yang berdasarkan kolom (column-oriented)
Gaxpy berdasarkan baris (row-oriented Gaxpy)
Y(i) = 0.0
DO 10 I=1,M
DO 20 J=1,N
Y(I) = Y(I) + A(I,J) * X(J)
20 CONTINUE
10 CONTINUE

Dari algoritma di atas terlihat bahwa banyaknya perhitungan yang harus dilakukan adalah
O(mn).
Alternatif lain dari algoritma di atas juga dapat diperoleh dengan menanggap matriks [A]
sebagai kumpulan dari kolom-kolom
Contoh 7:

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

10 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 algoritma alternatif
1 2 1×7+2×8 ⏞ 1 2 23
7
[3 4 ] { } = [ 3×7+4×8 ] = 7 × {3 } + 8 × { 4 } = {53}
8 ⏟5 × 7 + 6 × 8
5 6 5 6 83
algoritma biasa

Gaxpy berdasarkan kolom (column-oriented Gaxpy)

Y(i) = 0.0
DO 10 J=1,N
DO 20 I=1,M
Y(I) = Y(I) + A(I,J) * X(J)
20 CONTINUE
10 CONTINUE

4. Perkalian Matriks dengan Matriks

Untuk mempelajari berbagai cara perhitungan perkalian matriks dengan matriks, tinjau contoh
berikut:

Contoh 8: Kita akan menghitung perkalian dua matriks

1 2 5 6
[ ][ ]
3 4 7 8
1. Cara Biasa: dilakukan perkalian titik terhadap setiap elemen matriks
1 2 5 6 1∙5+2∙7 1∙6+2∙8 19 22
[ ][ ]=[ ]=[ ]
3 4 7 8 3∙5+4∙7 3∙6+4∙8 43 50
2. Cara Saxpy: perkalian dilakukan sebagai kombinasi linier (linear combination) dari kolom-
kolom matriks sebelah kiri
1 2 5 6 1 2 1 2 5 + 14 6 + 16 19 22
[ ][ ] = [5 { } + 7 { } 6 { } + 8 { }] = [{ } { }] = [ ]
3 4 7 8 3 4 3 4 15 + 28 18 + 32 43 50

3. Cara Perkalian Luar (Outer Product): hasil perkalian adalah jumlah dari perkalian luar
1 2 5 6 1 5 T 2 7 T 5 6 14 16 19 22
[ ][ ] = { }{ } + { }{ } = [ ]+[ ]=[ ]
3 4 7 8 3 6 4 8 15 18 28 32 43 50

Meskipun berbagai cara tersebut hasilnya sama, namun kinerja (performance)-nya dapat
sangat berbeda karena ketika dalam proses perhitungan menggunakan komputer, terdapat
perbedaan dalam lalu lintas memori. Efisiensi dari suatu algoritma matriks tergantung dari
beberapa faktor
Seperti yang telah disinggung di atas, perkalian matriks-dengan matriks secara umum dapat
dirumuskan sebagai
[𝐴]𝑚×𝑛 × [𝐵]𝑛×𝑝 = [𝐶]𝑚×𝑝

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

11 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 𝑛

𝑐𝑖𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗

𝑘=1

Sehingga algoritma yang dapat digunakan untuk cara biasa dapat dilihat pada contoh program
berikut:
PROGRAM PERKALIAN_MATRIKS_BIASA
INTEGER A(2,2), B(2,2), C(2,2)
DATA A/1,3,2,4/, B/5,7,6,8/
N = 2
! SEKEDAR MEMASTIKAN KEBENARAN DATA
PRINT *, A
PRINT *, B
! PANGGIL SUBROUTINE YANG DIPERLUKAN
PRINT *, "PANGGIL SUBROUTINE CARA BIASA"
CALL KALMAT (A,B,C,N)
PRINT *, "SETELAH DIPANGGIL"
PRINT *, C
END

SUBROUTINE KALMAT (A,B,C,N)

INTEGER A(N,N), B(N,N), C(N,N), N
PRINT *,"DI DALAM SUBROUTINE KALMAT"
DO 10 I=1,N
DO 10 J=1,N
C(I,J) = 0
DO 10 K=1,N
C(I,J)=C(I,J)+A(I,K)*B(K,J)
10 CONTINUE
RETURN
END

5. Pemodelan Matriks pada Rangka

Batang Bidang
Rangka Batang Bidang (plane truss) adalah rangka batang dua dimensi dari batang-batang
lurus dan prismatis (berpenampang sama di sepanjang batang) yang ujung-ujungnya
berhubungan melalui sendi tanpa gesekan (frictionless). Rangka batang ini dibebani dalam
bidang yang sama pada ujung-ujung sendi tersebut.
Pada bagian ini, akan dipelajari analisis rangka batang bidang yang didasarkan pada metoda
matriks kekakuan (matrix stiffness method). Metoda analisis ini berlaku umum karena bisa
diterapkan juga pada struktur statis tertentu (statically determinate structures) maupun
struktur statis tak-tentu (statically indeterminate structures).

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

12 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
5.1. Sistem Koordinat Lokal dan Global
Dalam metoda matriks kekakuan, berlaku dua sistem koordinat untuk menentukan struktur,
pembebanannya dan hubungan antara beban dengan perpindahan (displacement). Kedua
sistem koordinat itu adalah sistem koordinat global (atau sistem koordinat struktur) dan sistem
koordinat lokal (dalam hal ini sistem koordinat batang).
Koordinat global (umumnya berupa Cartesian) digunakan untuk menggambarkan
keseluruhan geometri struktur dan hubungan beban-perpindahan di semua bagiannya.
Umumnya, koordinat global ini berupa koordinat Cartesian XYZ dan struktur terletak pada
bidang XY.
Sedangkan sistem koordinat lokal digunakan untuk memberikan gambaran besarnya beban
dan perpindahan dalam arah searah atau tegak lurus sumbu batang. Gambar di bawah ini
menunjukkan contoh kedua sistem koordinat tersebut terhadap struktur rangka yang terdiri
atas 6 batang5

(a) Struktur Rangka Batang Bidang (b) Model analitis yang menunjukkan
sebenarnya Sistem Koordinat Global dan Lokal
Gambar 1: Contoh Rangka Batang Bidang

5
Diambil dari
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwj_6KC_qe3NAhUST
o8KHUBoBpAQFggcMAA&url=http%3A%2F%2Fwww.pucmmsti.edu.do%2Fwebsise%2Festudiante%2Fmat
erias%2F201220131%2FST-IC%2520-424-T-
001%2FAnalisis%2520Matricial%2C%25201de%25203.pdf&usg=AFQjCNH8vyxteH6NWbJ_AztLLZOYXZfi
hA&sig2=sYrfgxHYWUD69dufkd4IbQ&cad=rja

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

13 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
5.2. Derajat Kebebasan
Secara umum, derajat kebebasan (degree of freedom, DOF) dari suatu struktur adalah
banyaknya perpindahan (dapat berupa lendutan / pergeseran / translations atau perputaran /
rotations) bebas (independent) dari titik kumpul (joints) yang diperlukan untuk dapat
menggambarkan perubahan bentuk (deformed shape) dari struktur akibat pembebanan.
Karena sendi pada titik kumpul bersifat tanpa gesekan, tidak ada momen dan putaran sudut.
Jadi untuk masalah rangka batang, yang perlu dihitung adalah besarnya perpindahan titik
kumpul saja. Dengan demikian, keseluruhan rangka batang pada gambar di atas mempunyai
5 derajat kebebasan, yaitu 1 di titik kumpul 2 dan masing-masing 2 pada titik kumpul 3 dan 4,
seperti terlihat pada gambar di bawah ini.

Gambar 2: Derajat kebebasan dan koordinat peletakan

Ke-lima perpindahan titik kumpul tersebut, dapat dikumpulkan dalam suatu vektor {d}, yaitu:
{d} = {d1 d2 d3 d4 d5 }T

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

14 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
Banyaknya baris pada vektor {d} sama dengan besarnya derajat kebebasan, sedangkan
banyaknya derajat kebebasan dapat dihitung sebagai,
NDOF = NC × N − NR
dengan: NDOF = banyaknya derajat kebebasan
NC = banyaknya derajat kebebasan pada setiap titik kumpul. Untuk rangka
batang bidang, NC = 2, yaitu perpindahan searah dengan sumbu-X dan
searah dengan sumbu-Y
N = banyaknya titik kumpul
NR = jumlah total reaksi perletakan, yaitu 2 untuk perletakan sendi dan 1 untuk
perletakan rol.
Jadi untuk rangka batang di atas, banyaknya derajat kebebasan NDOF = 4 × 2 − 3 = 5.
Dengan demikian, perubahan bentuk struktur (deformed structure) setelah pembebanan
dalam arah yang positif adalah seperti pada Gambar 3.

5.3. Penomoran Derajat Kebebasan dan Koordinat Perletakan

Derajat kebebasan diberi nomor dimulai dari titik kumpul dengan nomor yang terkecil yang
mempunyai derajat kebebasan dan terus dilanjutkan hingga titik kumpul dengan nomor
terbesar. Umumnya pada setiap titik kumpul, derajat kebebasan arah X didahulukan, lalu
diikuti oleh arah Y.

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

15 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 Gambar 3: Perubahan Bentuk Struktur dan Penomoran derajat kebebasan
Untuk koordinat perletakan, bisa digambarkan dengan panah dan garis miring (↛) untuk
membedakannya dengan panah biasa yang telah digunakan untuk derajat kebebasan.
Penomoran koordinat perletakan dilakukan setelah derajat kebebasan, artinya nomor
koordinat perletakan dimulai dari NDOF + 1 (lihat gambar di bawah)

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

16 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 Gambar 4: Penomoran koordinat perletakan

5.4. Vektor Beban pada Titik Kumpul

Beban luar yang bekerja pada titik kumpul rangka batang, dinyatakan dengan komponen gaya
dalam arah X dan arah Y dari koordinat global, positif jika searah dengan positif dari sumbu X
dan Y. Dengan demikian, beban miring pada titik kumpul 3 (lihat Gambar 1(a)) harus diuraikan
dalam komponen-komponen yang searah dengan sumbu X (150 cos 30° = 129,9k) dan sumbu

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

17 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
Y (150 sin 30° = 75k). Jadi beban-beban pada titik kumpul dari seluruh rangka batang dapat
secara bersama ditulis sebagai:
{P} = {P1 P2 P3 P4 P5 }T = {0 129,9 −75 0 −75}T
Vektor {P} disebut dengan vektor beban pada titik kumpul dari rangka batang.Perlu digaris
bawahi bahwa banyaknya baris pada vektor {P} sama dengan banyaknya derajat kebebasan.

5.5. Vektor Reaksi Perletakan

Suatu perletakan menahan perpindahan dari suatu titik kumpul dalam arah tertentu sehingga
menimbulkan reaksi perletakan pada titik kumpul itu dalam arah yang sesuai dengan arah
yang ditahannya. Dalam kasus di atas, keseluruhan reaksi perletakan dapat dikumpulkan
dalam satu vektor reaksi perletakan yaitu,
{R} = {R 6 R7 R 8 }T
Banyaknya baris pada vektor reaksi perletakan sama banyaknya dengan banyaknya reaksi
perletakan NR.

5.6. Hubungan Kekakuan Batang dalam Sistem Koordinat Lokal

Dalam metoda kekakuan, perpindahan titik kumpul {d} pada suatu struktur karena beban luar
{P}, ditentukan dengan menyelesaikan sistem persamaan simultan yang dinyatakan dalam
bentuk,
[K]{d} = {P}
Matriks [K] disebut dengan matriks kekakuan stuktur. Untuk keseluruhan struktur, matriks ini
dibentuk dengan merangkai matriks kekakuan dari tiap batang. Matriks kekakuan untuk suatu
batang memberikan hubungan antara gaya yang bekerja di ujung-ujung batang dengan
perpindahan yang terjadi di ujung-ujung tersebut.
Sebagai contoh, lihat rangka batang pada Gambar 5(a). Suatu rangka batang akan berubah
bentuk (deform) ketika dibebani. Selain itu, timbul pula gaya-gaya dalam pada batang-batang
tersebut untuk “melawan” beban luar.
Posisi awal dan bentuk setelah dibebani dari rangka batang tersebut ditunjukkan pada
Gambar 5(b). Dalam hal ini L, E dan A masing-masing adalah panjang, modulus elastisitas
dan penampang batang m. Agar dapat sepenuhnya menentukan perpindahan setiap titik pada
batang m, perlu diketahui perpindahan ujung-ujung batang dalam arah x dan arah y. Jadi,
batang m mempunyai 4 perpindahan pada ujungnya, yaitu {u} = {u1 u2 u3 u4 }T. Selain

itu, timbul pula gaya-gaya dalam {Q} = {Q1 Q2 Q3 Q 4 }T yang searah dan tegak lurus
batang. Perlu digaris-bawahi bahwa perpindahan dan gaya-gaya dalam ini seluruhnya dalam
sistem koordinat lokal dari batang m.

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

18 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 (a) Struktur Rangka Batang

(b) Perpindahan {u} dan Gaya-gaya Dalam {Q} pada Batang m

Harus selalu diingat bahwa yang ingin kita ketahui adalah hubungan antara perpindahan {u}
dengan gaya-gaya dalam {Q}. Hubungan tersebut dapat terlihat nyata jika dilakukan
pemisahan terhadap pengaruh dari masing-masing gaya-gaya dalam Q i terhadap
perpindahan {u} dari keseluruhan batang m, seperti yang diperlihatkan pada Gambar 5(c)
sampai dengan Gambar 5(f). Diagram pada Gambar 5(b) sebenarnya adalah gabungan atau
jumlah dari diagram-diagram pada Gambar 5(c) sampai Gambar 5(f) tersebut.

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

19 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 Gambar 5: Penyusunan matriks kekakuan batang dalam koordinat lokal
Dari Gambar 5(c) – 5(f) tersebut terlihat bahwa
{Q} = [k]{u}
Dalam hal ini, matriks [k] adalah matriks kekakuan suatu batang dalam sistem koordinat lokal,
yaitu,

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

20 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
 k11 k12 k13 k14
k 21 k 22 k 23 k 24
[k] = [ ]
k 31 k 32 k 33 k 34
k 41 k 42 k 43 k 44
Masing-masing elemen dari matriks [k] yaitu k ij disebut sebagai koefisien kekakuan dari
batang m. Setiap elemen k ij merupakan besarnya gaya dalam (baik yang searah atau tegak
lurus batang, sesuai dengan urutannya masing-masing) yang bekerja pada titik i yang
mengakibatkan perpindahan satu satuan pada titik j (uj = 1) sedangkan besarnya
perpindahan pada titik lainnya sama dengan nol. Besarnya gaya dalam ini dapat diperoleh
dengan menerapkan persamaan keseimbangan dan kompatibilitas yang berdasarkan pada
mekanika bahan. Dengan demikian, gaya-gaya dalam yang diperoleh dengan mengambil satu
satuan perpindahan sebenarnya merupakan koefisien kekakuan dari suatu batang.
Seperti kita ketahui, suatu batang yang mempunyai panjang L, modulus elastisitas E dan luas
penampang A, jika dibebani sebesar P dalam arah sumbu batang, akan bertambah panjang
(juga dalam arah sumbu batang) sebesar ΔL, yaitu:
PL EA
ΔL = ⇔P= ΔL
EA L
Karena permasalahan yang dibahas adalah rangka batang, tidak ada perpindahan dalam arah
tegak lurus sumbu batang. Dalam Gambar 5(b), hal ini menunjukkan bahwa
u2 = u4 = 0 ⟹ Q 2 = Q 4 = 0
Dengan demikian, jika u1 = 1 dan u3 = 0 (lihat Gambar 5(c)), maka
EA EA
Q1 = u = = k11
L 1 L
EA EA
Q3 = − u1 = − = k 31
L L
Q 2 = k 21 = Q 4 = k 41 = 0
Sedangkan, jika u1 = 0 dan u3 = 1 (lihat Gambar 5(e)), maka
EA EA
Q1 = − u3 = − = k13
L L
EA EA
Q3 = u3 = = k 33
L L
Q 2 = k 23 = Q 4 = k 43 = 0
Sehingga, diperoleh matriks kekakuan batang m seperti di bawah ini yang merupakan matriks
simetris (k ij = k ji ). Perlu dicatat bahwa semua matriks kekakuan dari struktur yang linier
elastis merupakan matriks simetris.
1 0 −1 0
EA 0 0 0 0]
[k] = [
L −1 0 1 0
0 0 0 0

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

21 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
Tugas
1. Buatlah algoritma dalam rangka membuat program komputer untuk menghitung
determinan matriks. Gunakan matriks pada Contoh 2 untuk menguji kebenaran
program yang dibuat.
2. Susun juga program komputer untuk menghitung invers dari suatu matriks. Gunakan
matriks pada Contoh 5.
3. Lihat Gambar 1. Hitung matriks kekakuan dari masing-masing batang.

Rujukan
Anonim, konsep buku tentang penyelesaian masalah struktur dengan cara matriks. Dapat
diunduh dari
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0ahUKE
wj_6KC_qe3NAhUSTo8KHUBoBpAQFggcMAA&url=http%3A%2F%2Fwww.pucmmsti.
edu.do%2Fwebsise%2Festudiante%2Fmaterias%2F201220131%2FST-IC%2520-
424-T-
001%2FAnalisis%2520Matricial%2C%25201de%25203.pdf&usg=AFQjCNH8vyxteH6
NWbJ_AztLLZOYXZfihA&sig2=sYrfgxHYWUD69dufkd4IbQ&cad=rja
Golub, G.H., Van Loan, C.F., “Matrix Computations”, 4th edition, The Johns Hopkins
University Press, 2013. Bisa diunduh dari tautan berikut:
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact
=8&ved=0ahUKEwjpjPr02uzNAhVEjJQKHUqrAFkQFggjMAA&url=http%3A%2F%2Fw
eb.mit.edu%2Fehliu%2FPublic%2Fsclark%2FGolub%2520G.H.%2C%2520Van%2520
Loan%2520C.F.-
%2520Matrix%2520Computations.pdf&usg=AFQjCNHxBKCVK1pJ8R9BQZngZjYEbP
MU-A&sig2=nkc79sI_Z0Khdm3rZTg8vA
Luknanto, D., “Metoda Numerik”, Bahan Kuliah Metoda Numerik, Jurusan Teknik Sipil FT
UGM, Yogyakarta, November 2001, bisa diunduh dari
luk.staff.ugm.ac.id/numerik/MetodaNumerik.pdf
Wang, Chu Kia, “Pengantar Analisis Struktur dengan Cara Matriks” (diterjemahkan oleh
Ismoyo), Prentice-Hall, 1973, bisa diunduh dari
https://darmadi18.files.wordpress.com/2010/09/pengantar-analisis-struktur-
matriks.pdf

Lampiran: Tautan-tautan (Links) yang

Bermanfaat
1. Netlib -- http://www.netlib.org/

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

22 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id
Netlib merupakan tempat penyimpanan berbagai perangkat lunak untuk perhitungan ilmiah
dalam jumlah yang sangat besar. Di Netlib, terdapat program komputer (terutama dalam
bahasa pemrograman FORTRAN) terhadap berbagai masalah rekayasa dan matematika.
Netlib ini dikembangkan sebelum paket perangkat lunak menjadi komoditas yang dapat
diperjual-belikan seperti sekarang, karena itu perangkat lunak pada Netlib umumnya milik
umum (public domain).6

2. Matrix Market -- http://math.nist.gov/MatrixMarket/

Matrix Market adalah tempat penyimpanan matriks-matriks yang dapat digunakan untuk
menguji algoritma pemrograman yang kita kembangkan sendiri.

3. Matlab Central -- http://www.mathworks.com/matlabcentral/

Berisi demo penggunaan perangkat lunak MATLAB

4. Kumpulan Matriks Jarang -- http://www.cise.ufl.edu/research/sparse/matrices/

Berisi ribuan contoh matriks jarang dalam berbagai format yang tersimpan pada University of
Florida

5. ARPACK -- http://www.caam.rice.edu/software/ARPACK/

Kumpulan subrutin dalam bahasa pemrograman FORTRAN untuk menyelesaikan masalah-

masalah nilai eigen.

6. FORTRAN Compiler --- http://www.cse.yorku.ca/~roumani/fortran/ftn.htm

6
https://en.wikipedia.org/wiki/Netlib

2021 Metoda Numerik Lanjut Pusat Bahan Ajar dan eLearning

23 Ir. Pariatmono Sukamdo, MSc, DIC, PhD http://www.mercubuana.ac.id