Bab 2

Matriks Bersisian

Misalkan G adalah graf dengan V (G)={1, ... , n} dan E(G)=¿ Misalkan setiap simpul G diberi
orientasi, yang sembarang tetapi tetap. Matriks bersisian (simpul-sisi) dari G , dilambangkan dengan
Q(G), adalah matriks n × m yang didefinisikan sebagai berikut. Baris dan kolom Q(G) masing-
masing diindeks oleh V(G) dan E(G) . Entri (i, j) dari Q(G) adalah 0 jika simpul i dan sisi e j tidak

bersisian, dan sebaliknya adalah 1 atau -1 jika e ❑ j berasal atau berakhir di i , masing-masing. Kita
sering menunjukkan Q(G) hanya dengan Q . Setiap kali kita menyebutkan Q(G) diasumsikan bahwa
simpul G berarah.

Contoh 2.1 Perhatikan graf yang ditampilkan. Matriks bersisiannya diberikan oleh Q.

−1 1 −1 0 0 0
1

0
0
[ 0

0
0
0 −1 0
Q= 0 −1 0 0
1 0
1
0
0
0 −1
0 1 −1 1
]
2.1 Rank
Untuk setiap graf G, jumlah kolom Q(G) adalah nol dan karenanya baris Q(G) bergantung secara
linier. Kami sekarang melanjutkan untuk menentukan rank Q(G).

Lemma 2.2 Jika G adalah graf terhubung pada n simpul, maka rank Q ( G )=n−1.

Bukti Misalkan x adalah vektor di ruang kosong kiri Q ≔Q(G), yaitu, x ’ Q=0. Kemudian
x i−x j =0 setiap kali i j. Ini mengikuti bahwa x i−x j setiap kali adai j -path. Karena G terhubung, x
harus memiliki semua komponen yang sama. Jadi, ruang kosong kiri Q paling banyak satu dimensi
dan oleh karena itu pangkat Q paling sedikit n−1. Juga, seperti yang diamati sebelumnya, baris-baris
Q bergantung secara linier dan oleh karena itu peringkat Q ≤n−1. Oleh karena itu, rank Q=n−1.

Teorema 2.3 Jika G adalah graf pada n simpul dan memiliki k komponen yang terhubung maka rank
Q(G)=n−k .

Bukti Misalkan G 1 ,... , G k adalah komponen terhubung dari G . Kemudian, setelah pelabelan ulang
simpul (baris) dan simpul (kolom) jika perlu, kita memiliki

Q(G1 ) 0 ⋯ 0

[
Q ( G )= 0
⋮
0
Q(G2 ) ⋯
⋮ ⋱
0
⋮
0 ⋯ Q ( Gk )
.
]
Karena G i terhubung, rank Q(G i ) adalah ni −1, dimana ni adalah jumlah simpul di G i ,i=1 , ... , k . Ini
mengikuti

rank Q ( G )=rank Q ( G1 ) +…+rank Q(G k )

¿ ( n1 −1 ) +…+(nk −1)

¿ n1 +…+ nk −k=n−k .
∎

Lemma 2.4 Misalkan G adalah graf terhubung pada n simpul. Maka ruang kolom Q(G) terdiri dari

semua vektor x ∈ Rnseperti itu ∑ x i=0 .

i

Bukti Misalkan U adalah ruang kolom Q(G) dan misalkan

n

{ n
W = x ∈ R : ∑ x i=0 .
i=1
}
Lalu dim W =n−1 . Setiap kolom Q(G) jelas di W dan karenanya U ⊂W . Diikuti oleh Lemma 2.2
bahwa
n−1=dim U ≤ dimW =n−1.

Oleh karena itu, dim U =dim W . Jadi, U =W dan pembuktiannya lengkap.

∎
 Lemma 2.5 Misalkan G adalah graf pada n simpul. Kolom j 1 , … , j k dari Q(G) bebas linier jika dan
hanya jika simpul yang sesuai dari G menginduksi graf asiklik.
Bukti Misalkan simpul j 1 , … , j k dan misalkan ada cycle yang sesuai subgraf yang diinduksi. Tanpa

kehilangan keumuman, misalkan kolom j 1 , … , j p. dari cycle. Setelah memberi label ulang simpul
jika perlu, kita melihat bahwa submatriks dari Q(G) dibentuk oleh kolom-kolom j 1 , … , jp adalah

bentuk [ B0 ] dimana B adalah matriks bersisian p × p dari siklus yang dibentuk oleh simpul-simpul

j 1 , … , j p. Perhatikan bahwa B adalah matriks persegi dengan jumlah kolom nol. Jadi, B singular dan
kolom j 1 , … , j p adalah independen linier. Ini membuktikan bagian "hanya jika" dari lemma.
Sebaliknya,misalkan ujung-ujungnya j 1 , … , j p. menginduksi graf asiklik, yaitu hutan. Jika hutan
memiliki komponen q maka jelas k =n−q,yang menurut Teorema 2.3, adalah pangkat dari
submatriks yang dibentuk oleh kolom j 1 , … , j p. Oleh karena itu, kolom sebarang linier. ∎

2.2 Minor

Sebuah matriks dikatakan benar-benar unimodular jika determinan dari setiap submatriks persegi dari
matriks tersebut adalah 0 atau 1. Hal ini dengan mudah dibuktikan dengan induksi pada urutan
submatrix bahwa Q(G) benar-benar unimodular seperti yang terlihat pada hasil selanjutnya .

Lemma 2.6 Misalkan G adalah graf dengan matriks bersisiansi Q(G). Maka Q(G) benar-benar
unimodular.

Bukti Misalkan pernyataan bahwa setiap k × k submatriks dari Q(G) memiliki determinan 0 atau ± 1.
Dibuktikan pernyataan tersebut dengan induksi pada k . Jelas pernyataan tersebut berlaku untuk k =1,
karena setiap entri dari Q(G) adalah 0 atau ± 1. Asumsikan pernyataan itu benar untuk k −1 dan
pertimbangkan a k × k submatriks B dari Q(G). Jika setiap kolom B memiliki 1 dan a−1, maka
det B=0. Juga, jika B memiliki kolom nol, maka det B=0. Sekarang misalkan B memiliki kolom
dengan hanya satu entri bukan nol, yang harus ± 1. Perluas determinan B sepanjang kolom tersebut
dan menggunakan asumsi induksi untuk menyimpulkan bahwa det B harus 0 atau ± 1.

Lemma 2.7 Misalkan G menjadi pohon di n simpul. Kemudian setiap submatriks dari Q(G) berorde
n−1 nonsingular.

Bukti Misalkan submatriks X dari Q(G) yang dibentuk oleh baris 1 ,... , n−1. Jika kita
menambahkan semua baris X ke baris terakhir, maka baris terakhir dari X menjadi negatif dari baris
terakhir Q(G). Jadi, jika Y menunjukkan submatriks dari Q(G) yang dibentuk oleh baris
1 ,... , n−2 ,n , maka det X=−det Y . Jadi, jika det X=0, maka det Y =0.

Melanjutkan cara ini kita dapat menunjukkan bahwa jika det X =0 maka setiap (n−1)×(n−1)
submatriks dari Q(G) harus singular. Faktanya, kita dapat menunjukkan bahwa jika salah satu dari

(n−1)×(n−1) submatriks dari Q(G) adalah singular, maka semuanya pasti begitu. Namun,
menurut Lemma 2.2, peringkat Q ( G )=n−1 dan karenanya setidaknya satu dari (n−1)×(n−1)
submatriks dari Q(G) harus nonsingular.
∎

Kita menunjukkan argumen lain untuk membuktikan Lemma 2.7. Misal setiap n−1 baris Q(G).
Tanpa kehilangan generalitas, kita dapat mempertimbangkan baris 1 ,2 , ... , n−1, dan misalkan B
menjadi submatriks dari Q(G) yang dibentuk oleh baris-baris ini. Misalkan x adalah vektor baris dari
n−1 komponen di baris ruang kosong B. Persis seperti dalam bukti Lemma 2.2, kita dapat
menyimpulkan bahwa x i=0 setiap kali i n, dan kemudian keterhubungan G menunjukkan bahwa x
pasti vektor nol.

Lemma 2.8 Misalkan A menjadi n × n matriks dan misalkan A memiliki submatriks nol berorde p ×q
di mana p+q ≥ n+1. Kemudian det A=0 .

Bukti Tanpa kehilangan keumuman, anggaplah submatriks yang dibentuk oleh baris p pertama dan q
kolom pertama dari A adalah matriks nol. Jika p ≥ q, kemudian mengevaluasi det A dengan ekspansi
Laplace dalam hal baris p pertama kita melihat bahwa det A=0 . Demikian pula, jika p<q , maka
dengan mengevaluasi dengan ekspansi Laplace dalam hal kolom q pertama, kita melihat bahwa det
A=0. ∎

Kita kembali ke graf umum G, yang tidak harus berupa pohon. Setiap submatrix dari Q(G)diindeks
oleh satu set simpul dan satu set simpul. Pertimbangkan sub-matriks bujursangkar B dari Q(G)

dengan baris-baris yang berhubungan dengan simpul i 1 , ... ,i k dan kolom-kolom yang sesuai dengan

simpulnya e j1 ,... , e jk . Kita menyebut objek yang dibentuk oleh simpul dan sisi ini sebagai substruktur
dari G. Perhatikan bahwa substruktur belum tentu merupakan subgraf, karena satu atau kedua simpul
ujung dari beberapa sisi mungkin tidak ada dalam substruktur.
Jika kita mengambil sebuah pohon dan menghapus salah satu simpulnya, tetapi tidak sisi yang
datangnya, maka substruktur yang dihasilkan akan disebut pohon tanpa akar. Mengingat Lemma 2.7,
matriks bersisian dari pohon tanpa akar adalah nonsingular. Jelasnya, jika kita mengambil gabungan
titik-titik dari beberapa pohon tak berakar, maka matriks bersisian dari substruktur yang dihasilkan
sekali lagi nonsingular, karena ini adalah jumlah langsung dari matriks bersisian dari pohon tak
berakar individu.

Contoh 2.9 Substruktur berikut adalah persatuan titik-titik dari pohon tak berakar. Simpul yang
dihapus ditunjukkan sebagai lingkaran berongga.

Matriks bersisian substruktur diberikan oleh

1 0 00 0 0

[ 0 −1 0 0 0
0 0 10 0
0 0 01 1
0
0
1
0 0 0 0 −1 0
0 0 0 0 0 −1
]
dan mudah terlihat nonsingular. Perhatikan bahwa baris matriks bersisian diindeks oleh simpul 1, 3, 4,
5, 8, dan 9, masing-masing.

Misalkan G adalah graf dengan himpunan sisi V (G)={1, 2 ,... , n } dan himpunan simpul
{e1 ,... , e m }. Pertimbangkan submatriks X dari Q(G) yang diindeks oleh baris i 1 , ... ,i k dan kolom
j 1 , ..., j k. Dapat dilihat bahwa jika X nonsingular maka ia bersesuaian dengan substruktur yang
merupakan persatuan titik-titik dari pohon tak berakar. Sketsa argumennya adalah sebagai berikut.
Karena X nonsingular, ia tidak memiliki baris atau kolom nol. Kemudian, setelah pelabelan ulang
baris dan kolom jika perlu, kita dapat menulis

X1 0 ⋯ 0

[
X = 0 X2 ⋯
⋮ ⋮ ⋱
0 0 ⋯
0
⋮
Xt ]
Jika ada X i yang tidak persegi, maka X harus memiliki submatriks nol berorde p ×q dengan

p+q ≥ k +1. Diikuti oleh Lemma 2.8, bahwa det X =0 dan X itu tunggal. Karenanya, setiap X i
adalah matriks persegi. Pertimbangkan substruktur Si yang sesuai dengan X i . Jika Si memiliki siklus

maka menurut Lemma 2.5 X i adalah tunggal. Jika Si asiklik, karena ia memiliki jumlah simpul dan
 simpul yang sama, ia harus berupa pohon tak berakar.

2.3 Matriks Jalur

Misalkan G adalah graf dengan himpunan sisi V (G)={1, 2 ,... , n }dan set simpul E(G)=e1 ,... , e m.
Diketahui jalur P dalam G , vektor kejadian P adalah m× 1 vektor didefinisikan sebagai berikut. Entri
vektor diindeks oleh E(G). Jika e i ∈ E(G) kemudian elemen ke i vektor adalah 0 jika jalur tidak

mengandung e i. Jika jalur berisi e i maka entri adalah 1 atau -1,menurut arah jalan setuju atau tidak

setuju, masing-masing, dengan e i.

Misalkan G adalah pohon dengan himpunan sisi {1 , 2 ,... , n }. Kami mengidentifikasi titik sisi,

katakanlah n , sebagai akar. Matriks jalur Pn dari G (dengan referensi ke akar n) didefinisikan sebagai

berikut. Kolom ke− j Pn adalah vektor bersisian lintasan (unik) dari simpul j ke n , j=1, ... , n−1.

Teorema 2.10 Misalkan G menjadi pohon dengan himpunan sisi {1 , 2 ,... , n }. Misalkan Q adalah

matriks bersisian G dan misalkan Q n adalah matriks bersisian tereduksi yang diperoleh dengan

menghapus baris n dari Q . Kemudian Q−1

n =P n.

m
Bukti Misalkan m=n−1 . Untuk i≠ j,misalnya elemen (i , j) dari Pn Q n , yang mana ∑ pik qkj .
k =1

Suppose e i berarah dari x ke y , dan e j berarah dari w ke z . Kemudian q kj=0 unless k =w atau
k =z . Maka
m

∑ pik qkj = piw q wj + piz q zj .

k =1

sebagai i≠ j, kita melihat bahwa jalur dari w ke n berisi e i jika dan hanya jika jalur dari z ke n berisi
e i. Selain itu, jika piw dan piz bukan nol, keduanya memiliki tanda yang sama. Karena

m
q wj =1=−q zj , maka ∑ pik qkj =1. Bukti lengkap. ∎
k =1

2.4 Invers Integer Tergeneralisasi

Matriks integer tidak perlu menerima invers g-integer. Contoh sepele adalah matriks dengan setiap
entri sama dengan 2. Kondisi yang cukup tertentu untuk matriks bilangan bulat untuk memiliki
setidaknya satu invers tergeneralisasi bilangan bulat dengan mudah diberikan. Kami menjelaskan
beberapa kondisi tersebut dan menunjukkan bahwa matriks bersisian dari graf termasuk dalam kelas.
Matriks bilangan bulat persegi disebut unimodular jika determinannya adalah ± 1.

Lemma 2.11 Misalkan A adalah matriks bilangan bulat n × n. Maka A adalah nonsingular dan
mengakui invers integer jika dan hanya jika A unimodular.

1
Bukti Jika det A=± 1 , maka adj A adalah invers integer dari A . Sebaliknya, jika A−1 ada dan
det A
matriks integer, maka dari A A−1 =I kita melihat bahwa ( det A ) ( det A−1) =1 dan karenanya
det A=± 1.

Hasil selanjutnya memberikan bentuk normal Smith yang terkenal dari sebuah matriks integer.

Teorema 2.12 Misalkan A menjadi m× n matriks bilangan bulat. Kemudian ada matriks unimodular
S dan T berorde m× m dan n × n, masing-masing, seperti berikut

diag ( z 1 , … , z r ) 0
SAT =
[ 0 0 ]
dimana z 1 , ... , z r adalah bilangan bulat positif (disebut faktor invarian A) sehingga z imembagi
z i+1 ,i=1, 2 ,... , r−1 . Selanjutnya z 1 ... z i=d i, dimana d i adalah pembagi persekutuan terbesar dari
semua i× i minor A , i=1 , ..., min {m , n }.

Ir 0
Dalam Teorema 2.12 misalkan setiap z i=1. Maka dengan mudah diverifikasi bahwa T [ ]
0 0
S

adalah bilangan bulat g-invers dari A .

Perhatikan bahwa jika A adalah matriks bilangan bulat yang memiliki faktorisasi peringkat bilangan
bulat A=FH , dimana F mengakui invers kiri bilangan bulat F dan H mengakui invers kanan
−¿¿

−¿¿

bilangan bulat H −¿ ¿, maka H −¿ F ¿

adalah bilangan bulat g-invers dari A .
Kami menunjukkan vektor kolom yang terdiri dari semua 1 s dengan 1. Urutan vektor akan jelas
dari konteksnya. Demikian pula matriks dari semua 1 s akan dilambangkan dengan J . Kita juga dapat
menunjukkan matriks n × n dari semua 1 s dengan J n.
Pada hasil selanjutnya kami menyatakan bentuk normal Smith dan faktorisasi peringkat integer dari
matriks bersisian secara eksplisit.

Teorema 2.13 Misalkan G adalah graf dengan himpunan sisi V (G)={1, 2 ,... , n} dan himpunan

simpul {e1 ,... , e m }. Misalkan ujung-ujungnya e 1 ,... , e n−1 membentuk pohon rentang dari G.

Misalkan Q 1 menjadi submatriks dari Q yang dibentuk oleh baris 1 ,... , n−1 dan kolom e 1 ,... , e n−1.
Misalkan q=m−n+1. Partisi Q sebagai berikut:

Q1 Q1 N
Q=
[ −1 Q 1 −1' Q 1 N
'
]
 Q−1 0
B=
[ 1
0 0 ]
Q−1 0 I
S= [ 1
1 1
,T = n−1
0 ] [
−N
Iq
,
]
Q1
F=
[ ] −1' Q 1
, H= [ I n−1 N ] .

Maka diperoleh

(i) B adalah bilangan bulat refleksif g-inversi dari Q .

(ii) S dan T adalah matriks unimodular.

I n−1 0
(iii) SQT = [ 0 0 ]
adalah bentuk normal Smith dari Q .

(iv) Q=FH adalah faktorisasi rank integer dari Q .

Bukti Teorema 2.13 adalah dengan verifikasi sederhana dan dihilangkan. Juga perhatikan bahwa F
mengakui invers kiri integer dan H mengakui invers kanan integer.
2.5 Moore – Penrose Inverse

Sekarang kita mengalihkan perhatian kita ke Q +¿¿ invers Moore-Penrose dari Q . Pertama-tama kita
membuktikan beberapa hasil pendahuluan. Hasil selanjutnya adalah fakta terkenal bahwa ruang nol
A+¿ ¿ sama dengan A ' untuk setiap matriks A .

Lemma 2.14 Jika A adalah Matriks m× n, maka untuk vektor x n ×1, Ax=0 jika dan hanya jika

x ' A +¿=0.¿

Bukti Jika Ax=0 maka A+¿ Ax=0 ¿ dan karenanya x ' ¿ ¿. Karena A+¿ A ¿ adalah simetris, maka
+ ¿=0 ¿

x ' A+¿ A=0 ¿. Karenanya, x ' A+¿ A A ¿

, sehingga x ' A+¿=0 ¿. Kebalikannya adalah karena ¿ ¿. ∎

1
Lemma 2.15 Jika G terhubung, maka I −Q Q +¿= n J . ¿

Bukti Perhatikan bahwa ¿. Jadi, setiap baris dari I −Q Q +¿¿ berada di ruang kosong kiri Q . Karena G
terhubung, ruang kosong kiri Q direntang oleh vektor 1 ' . Jadi, setiap baris I −Q Q
+¿¿
adalah kelipatan
dari baris lainnya. Karena I −Q Q +¿¿ simetris, maka semua elemen I −Q Q +¿¿ sama dengan sebuah
konstanta. Konstanta harus bukan nol, karena Q tidak boleh memiliki invers kanan. Sekarang

1
menggunakan fakta bahwa I −Q Q +¿¿ idempoten, maka harus sama dengan J .∎
n

Misalkan G adalah graf dengan V (G)={1, 2 ,... , n }dan E(G)={e 1 , ... , em }. Simpul e 1 ,... , e n−1
membentuk pohon rentang dari G . Partisi Q sebagai berikut:

Q= [ U V]

dimana U adalah n ×(n−1) dan V adalah n ×(m−n+1). Juga, biarkan Q +¿¿ dipartisi sebagai

+¿= X , ¿
Q
[]
Y

dimana X adalah (n−1)× n dan Y adalah (m−n+1)×n .

Terdapat (n−1)×(m−n+1) matriks
n D sedemikian sehingga V =U D . Oleh Lemma 2.14

1
mengikuti Y =D ' X . Misalkan M =I − J . Oleh Lemma 2.15
n
' '

M =Q Q +¿=UX +VY =UX +UD D X +U ( I +D D ) X .¿

Jadi, untuk i , j,
U i ( I + DD ' ) X j =M ( i , j ) ,
dimana U i adalah U dengan baris i dihapus, dan X j adalah X dengan kolom j dihapus.
Oleh Lemma 2.7, U i adalah nonsingular. Juga, D D ' adalah posotif semudefiniti dan karenanya

I + DD ' adalah nonsingular. Karena itu, U i ( I + D D ' ) adlah non singular dan
−1
X j =( U i ( I + D D ' ) ) M ( i , j ) .

Setelah X j ditentukan, kolom ke− j dari X diperoleh dengan menggunakan fakta Q +¿1=0.¿ Maka Y

ditentukan, karenanya Y =D ' X .

Kita ilustrasikan metode perhitungan Q +¿¿ diatas dengan sebuah contoh. Misalkan diberi graf

Dengan matriks bersisian

1 0 0 1 0

[ −1 1 0

0
0 1
0 −1 −1 0 0
0 1 −1 −1
]
Selesaikan spanning tree yang dibentuk oleh { e 1 , e2 , e3 } . Lalu Q= [ U V ] dimana U dibentuk oleh
tiga kolom pertama Q . Perhatikan bahwa V =UD , dimana
1 0
D= 1
[ ]
1
−1 −1
+¿= X ¿
Himpunan i= j=4.Kemudian
Q
[]
Y dimana

1 3 −2 −1
−1
X 4= ( U 4 ( I + D D ' ) ) M ( 4 , 4 ) =
8 [
1 2 −3
1 0 −3 ]
Kolom terakhir dari X ditemukan menggunakan fakta bahwa jumlah baris dari X adalah nol.
Kemudian Y =DX . Setelah perhitungan ini diperoleh
 3 −2−1 0

2.6
Q
X 1
[]
Y 8
[ ]
1 2 −3 0
+¿= = 1 0 −3 2 ¿
3 0 −1 −2
0 2 0 −2
Matriks Bersisian 0-1

Kita sekarang pertimbangkan matriks bersisian dari graf yang tidak berarah. Misalkan G adalah graf
dengan V ( G )={ 1 ,... , n } dan E(G)={e 1 , ... , em }. Matriks bersisian (simpul-sisi) dari G , yang kita

nyatakan dengan M (G), atau hanya dengan M , adalah matriks nm yang didefinisikan sebagai
berikut. Baris dan kolom M masing-masing diindeks oleh V (G) dan E(G). Entri (i , j) dari M

adalah 0 jika simpul i dan sisi e j tidak bersisian, dan sebaliknya adalah 1. Kita sering menyebut M
sebagai matriks kejadian 0–1 untuk kejelasan. Bukti hasil selanjutnya mudah dan dihilangkan.

Lemma 2.16 Misalkan C n menjadi cycle pada simpul { 1 , … , n } ,n ≥ 3, dan misalkan M adalah
matriks bersisiannya. Maka det M sama dengan 0 jika n genap dan 2 jika n ganjil.

Lemma 2.17 Misalkan G adalah graf terhubung dengan n simpul dan misalkan M adalah matriks
bersisiansi dari G. Maka pangkat M adalah n- 1 jika G bipartit dan n sebaliknya.

Bukti

Misalkan x ∈ Rn sehingga x ’ M =0. Kemudian x i+ x j=0 setiap kali simpul i dan j bersebelahan.

Karena G terhubung maka |xi|=α , i=1 ,... , n, untuk beberapa konstanta α . Misalkan G memiliki

siklus ganjil yang dibentuk oleh simpul i 1 , ... ,i k . Kemudian berkeliling siklus dan menggunakan
pengamatan sebelumnya kita menemukan bahwa α =−α dan karenanya α =0 . Jadi, jika G memiliki
siklus ganjil maka pangkat M adalah n .
Sekarang misalkan G tidak memiliki siklus ganjil, yaitu G bipartit. Misalkan V (G)=X ∪Y
menjadi bipartisi. Arahkan setiap simpul G dengan memberikan arah dari X ke Y dan misalkan Q
-
menjadi matriks bersisian { 0 , 1 ,−1 } yang sesuai. Perhatikan bahwa Q diperoleh dari M dengan
mengalikan baris-baris yang berhubungan dengan simpul-simpul di Y dengan 1. Perhatikan kolom-
kolom j 1 , ..., j n−1 yang bersesuaian dengan pohon rentang dari G dan misalkan B menjadi submatriks
yang dibentuk oleh kolom-kolom ini. Oleh Lemma2.7 setiap n−1 baris B adalah bebas linier dan
(karena baris M dan Q bertepatan dengan suatu tanda) baris yang sesuai dari M juga tidak bebas
linier. Jadi, pangkat M ≥ n−1.
Misalkan z ∈ Rn adalah vektor dengan z i sama dengan 1 atau −1 karena i masing-masing milik X
atau Y . Kemudian dengan mudah dibuktikan bahwa z ’ M =0 dan dengan demikian baris dari M
bergantung secara linier. Jadi, pangkat M =n−1 dan pembuktiannya lengkap. ∎

Graf terhubung dikatakan unicyclic jika mengandung tepat satu siklus. Kami menghilangkan bukti
hasil selanjutnya, karena didasarkan pada argumen seperti dalam kasus yang berorientasi.

Lemma 2.18.Misalkan graf G dan misalkan R adalah substruktur dari G dengan jumlah simpul dan
sisi yang sama. Misalkan N adalah matriks bersisiansi R. Maka N adalah nonsingular jika dan
hanya jika R adalah persatuan titik-titik dari pohon tak berakar dan graf unicyclic dengan siklus
ganjil.

Kita meringkas beberapa properti dasar minor dari matriks bersisian dari graf yang tidak diarahkan.
Misalkan M adalah matriks bersisian 0 – 1 dari graf G dengan n simpul. Misalkan N adalah
submatriks persegi dari M yang diindeks oleh simpul dan sisi, yang merupakan substruktur yang
dilambangkan dengan R . Jika N memiliki baris nol atau kolom nol maka, jelas, det N =0 . Kasus ini
sesuai dengan R yang memiliki simpul terisolasi atau simpul dengan kedua titik ujungnya hilang.
Kami berasumsi bahwa tidak demikian.
Misalkan R adalah persatuan titik-titik dari substruktur R1 , … , R k. Setelah pelabelan ulang baris
dan kolom jika perlu, kita punya

N1 0 ⋯ 0

⋮
0
[
N= 0 N 2 ⋯
⋮ ⋱
0 ⋯
0
⋮
Nk ]
dimana N i adalah matriks bersisiansi Ri , i=1, ... , k .
Jika N i tidak kuadrat untuk beberapa i , maka gunakan Lemma 2.8, kami menyimpulkan bahwa N

tunggal. Jadi, jika Ri memiliki jumlah simpul dan sisi yang tidak sama untuk beberapa i maka
det N =0 .
Jika Ri unicyclic untuk beberapa i , dengan siklus yang genap, maka det N =0 . Ini mengikuti
dengan mudah dari Lemma 2.16.
Sekarang misalkan setiap N i persegi. Maka setiap Ri adalah pohon tanpa akar atau unicyclic

dengan siklus menjadi ganjil. Pada kasus pertama det N i=± 1 sedangkan pada kasus kedua

k
det N i=± 2. Perhatikan bahwa det N =∏ det N i=±1. Jadi dalam hal ini det N =± 2ω (R ) , dimana
1

i=1

ω 1( R) adalah substruktur bilangan R1 , … , R k adalah unicyclic.

Konsep substruktur tidak akan dibutuhkan secara luas untuk selanjutnya. Kelihatannya
penting untuk menggunakan konsep tersebut jika seseorang ingin menyelidiki matriks bersisian di
bawah umur. Kami belum mengembangkan ide secara ketat dan telah mencoba menggunakannya
secara informal.
2.6 Pencocokan dalam Graf Bipartit

Lemma 2.19 Misalkan G adalah graf bipartit. Maka matriks kejadian 0–1 M dari G benar-benar
unimodular.

Bukti Buktinya mirip dengan Lemma 2.6. Misalkan pernyataan bahwa setiap k × k submatriks dari M
memiliki determinan 0 atau ± 1. Kami membuktikan pernyataan tersebut dengan induksi pada k . Jelas
pernyataan tersebut berlaku untuk k =1, karena setiap entri M adalah 0 atau 1. Asumsikan
pernyataan itu benar untuk k −1 dan pertimbangkan a k × k submatriks B dari M . Jika B memiliki
kolom nol, maka det B=0. Misalkan B memiliki kolom dengan hanya satu entri bukan nol, yang
harus 1. Perluas determinan B di sepanjang kolom itu dan gunakan asumsi induksi untuk
menyimpulkan bahwa det B harus 0 atau ± 1. Terakhir, anggaplah setiap kolom B memiliki dua entri
bukan nol. Misalkan V (G)=X ∪Y adalah bipartisi G . Jumlah baris B yang bersesuaian dengan
simpul di X harus sama dengan jumlah baris B yang bersesuaian dengan simpul di Y . Faktanya,
kedua jumlah ini akan menjadi 1 ' . Oleh karena itu, B dalam kasus ini adalah tunggal dan det B=0.
Ini melengkapi pembuktian. ∎
Ingatlah bahwa pencocokan dalam graf adalah satu set sisi, tidak ada dua yang memiliki simpul
yang sama. Angka yang cocok ν(G) dari graf G didefinisikan sebagai jumlah maksimum simpul
dalam pencocokan G .
Kami membutuhkan beberapa latar belakang dari teori ketidaksamaan linier dan pemrograman
linier dalam pembahasan berikut.
Misalkan G adalah graf dengan V (G)={1, ... , n} , E(G)={e 1 , ... , em }. Misalkan M adalah
matriks bersisiansi G . Perhatikan bahwa vektor 0 – 1 x orde m× 1 adalah vektor bersisian yang cocok
jika dan hanya jika memenuhi Mx ≤1. Misalkan masalah program linier:

max {1' x } subject ¿ x ≥ 0 , Mx ≤ 1(2.1)

Untuk menyelesaikan (2.1) kami dapat membatasi perhatian pada solusi dasar yang
memungkinkan, yang disusun sebagai berikut. Mari pangkat M =r . Tentukan submatriks B
nonsingular r ×r dari M dan misalkan y=B−1 1. Himpunan subvektor dari x yang sesuai dengan
baris di B sama dengan y dan himpunan koordinat x yang tersisa sama dengan 0. Jika x yang
diperoleh memenuhi x ≥ 0 , Mx ≤1, maka ini disebut solusi layak dasar. Dengan terminologi dan
notasi ini kami memiliki yang berikut ini.

Lemma 2.20 Misalkan G adalah graf bipartit dengan matriks bersisiansi M. Maka terdapat 0–1
vektor z yang merupakan solusi dari (2.1).

Bukti Oleh Lemma 2.19, M benar-benar unimodular dan karenanya untuk setiap submatriks non-
singular B dari M , B−1 adalah matriks integral. Dengan pembahasan sebelumnya, solusi dasar yang
layak dari x ≥ 0 , Mx ≤1 hanya memiliki koordinat integral. Oleh karena itu ada vektor integral
nonnegatif z yang memecahkan (2.1). Jelasnya jika koordinat z >1, maka z tidak dapat memenuhi
Mz ≤1. Oleh karena itu z harus berupa vektor 0 – 1. ∎

Penutup simpul dalam graf adalah himpunan simpul sedemikian rupa sehingga setiap sisi dalam
graf bersisian dengan salah satu simpul dalam himpunan. Jumlah penutup τ (G) dari graf G
didefinisikan sebagai jumlah minimum simpul dalam penutup simpul G .
Seperti sebelumnya, misalkan G adalah graf dengan V (G)={1, ... , n} , E(G)={e 1 , ... , em }.
Misalkan M adalah matriks bersisiansi G . Perhatikan bahwa vektor x 0 – 1 orde n ×1 adalah vektor
bersisian penutup simpul jika dan hanya jika memenuhi M ’ x ≥ 1. Misalkan masalah pemrograman
linier:

min { 1' x } subject ¿ x ≥ 0 , M ' x ≤ 1(2.2)

Bukti hasil selanjutnya serupa dengan bukti Lemma 2.20 dan karenanya dihilangkan.

Lemma 2.21 Misalkan G adalah graf bipartit dengan matriks bersisiansi M. Maka terdapat 0 – 1
vektor z yang merupakan solusi dari (2.2).

Hasil berikut ini adalah teorema König-Egervary yang terkenal, yang merupakan pusat teori
pencocokan graf bipartit.

Teorema 2.22 Jika G adalah graf bipartit maka ν(G)=τ (G).

Bukti Misalkan M adalah matriks bersisian G . Masalah pemrograman linier (2.1) dan (2.2) bersifat
ganda satu sama lain dan kelayakannya jelas. Oleh karena itu, dengan teorema dualitas, nilai
=
optimalnya adalah sama. Seperti yang telah didiskusikan sebelumnya, nilai optimal dari kedua soal
adalah ν(G) dan τ (G), masing-masing. Oleh karena itu, ν ( G )=τ (G).