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
1
https://id.wikipedia.org/wiki/Matriks_(matematika), dilihat pada 22 Juni 2016
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
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
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
det[A] = ∑ ai1 Ai1 = a11 A11 + a21 A21 + a31 A31 + ⋯ + an1 An1
i−1
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
+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
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
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
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).
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
Contoh 6:
1 1 4 5
4 T
{2} [4 5] = {2} { } = [ 8 10]
5
3 3 12 15
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:
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
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
(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
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.
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
Matrix Market adalah tempat penyimpanan matriks-matriks yang dapat digunakan untuk
menguji algoritma pemrograman yang kita kembangkan sendiri.
Berisi ribuan contoh matriks jarang dalam berbagai format yang tersimpan pada University of
Florida
5. ARPACK -- http://www.caam.rice.edu/software/ARPACK/
6
https://en.wikipedia.org/wiki/Netlib