CBR Aljabar Linier
CBR Aljabar Linier
ALJABAR LINEAR
OLEH
TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS NEGERI MEDAN
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena penulis
masih dapat membuat tugas Critical Book Report (CBR) ini tepat pada waktunya. Makalah
ini membahas tentang “Aljabar Linear”.
Adapun tugas ini dibuat untuk memenuhi tugas CBR mata kuliah Aljabar Linear.
Penulis berharap makalah ini menjadi salah satu referensi bagi pembaca bila mana hendak
menkritik sebuah buku.
Kritik dan saran yang membangun dari pembaca sangat kami harapkan supaya
makalah ini menjadi lebih baik. Akhir kata, penulis mengucapkan terima kasih kepada
pembaca atas perhatiannya.
Penulis
DAFTAR ISI
BAB I
PENDAHULUAN ……………..……………………………………….………….
BAB II
PEMBAHASAN ....…………………………….………………..……………….
BAB III
PENUTUP …………………………………………………………………
A. Kesimpulan …........................................................................................
DAFTAR PUSTAKA ….………………………....……….……………......……
BAB I
PENDAHULUAN
A. LATAR BELAKANG
Buku adalah sumber dari ilmu pengetahuan. Buku adalah suatu karya yang
mampu mengubah peradaban dunia. Salah satu faktor kemajuan teknologi dari dulu
sampai sekarang adalah buku. Jadi buku sangat penting dalam kemajuan suatu
peradaban karena wawasan dan ilmu bisa kita dapat dari buku. Banyak jumlah dan
jenis buku yang ada sekarang. Kita bisa lihat suatu buku memiliki judul yang sama
tetapi penulis yang berbeda. Banyaknya penulis dalam pembuatan buku menjadi hal
yang menguntungkan bagi pembaca sebab terdapat perbedaan pemahaman antara 1
penulis dengan yang lain. Sehingga ini bisa menjadi referensi yang baik dalam
melakukan berbagai hal yang terkait dengan suatu kemajuan misalnya dalam
melakukan penelitian, eksperimen dan hal lainnya. Kita tahu di dunia ini tidak ada
yang sempurna. Dalam penulisan buku juga pasti banyak kelemahan. Untuk itu agar
tidak terjadi kesalahan dalam menambah informasi bagi pembaca buku yang kita baca
harus kita bandingkan dengan buku lain. Disitu kita bisa tahu mana buku yang layak
dipakai dan buku yang asal jadi.
B. TUJUAN
1. Mengetahui konsep dan isi buku
2. Membandingkan isi dan konsep penyajian kedua buku
3. Menganalisis apa saja kekurangan dan kelebihan buku
4. Menambah wawasan dalam melakukan penulisan buku
5. Berpikir kritis terhadap penyajian penulisan buku
C. PERMASALAHAN
1. Apakah isi buku cukup bermanfaat sebagai salah satu sumber belajar
2. Apakah metode dan konsep pengarang sudah cocok dengan lingkungan yang
sedang kita hadapi
3. Apakah isi buku sama dengan buku yang sejenis
BAB II
PEMBAHASAN
2.1 IDENTITAS BUKU
Buku yang dipakai sebagai bahan untuk critical book report adalah :
BUKU 1
Judul : DIKTAT ALJABAR LINIER
Penyusun : Drs. Marsangkap Silitonga, M.Pd.
BUKU 2
Judul : ELEMENTARY LINEAR ALGEBRA
Penulis : James R. Kirkwood & Bessie H. Kirkwood
Tahun Pembuatan : 2018
Penerbit : CRC Press
ISSN : 978-1-4987-7846-6
BUKTI POSITIF
Konsep pembuktian adalah pusat dari matematika yang lebih tinggi.
Matematikawan tidak mengklaim pernyataan sebagai "fakta" sampai terbukti benar
menggunakan deduksi logis. Karena itu, tidak ada yang bisa berhasil matematika yang
lebih tinggi tanpa menguasai teknik yang diperlukan untuk menyediakan bukti seperti
itu.
Aljabar linier, selain memiliki banyak aplikasi praktis dalam sains dan teknik,
juga dapat digunakan untuk memperkenalkan keterampilan menulis bukti. Bagian 1.3
memberikan ikhtisar pengantar alat penulisan bukti dasar yang digunakan ahli
matematika setiap hari dasar. Bukti lain yang diberikan di seluruh teks harus diambil
sebagai model untuk membangun bukti Anda sendiri saat menyelesaikan latihan.
Dengan alat dan model ini, Anda bisa mulai kembangkan keterampilan menulis bukti
yang penting untuk kesuksesan Anda di masa depan dalam matematika Studi kami
tentang aljabar linier dimulai dengan vektor dan matriks: dua yang paling praktis
konsep kal dalam matematika. Anda mungkin sudah terbiasa dengan penggunaan
vektor menggambarkan posisi, gerakan, dan kekuatan. Dan, seperti yang akan kita
lihat nanti, matriks adalah kuncinya untuk mewakili gerakan yang "linear" di alam,
seperti gerakan kaku suatu objek di ruang atau pergerakan gambar di layar komputer.
Dalam aljabar linier, objek yang paling mendasar adalah vektor. Kami
mendefinisikan vektor dalam Bagian 1.1 dan 1.2 dan menggambarkan sifat aljabar
dan geometrisnya. Tautannya antara manipulasi aljabar dan intuisi geometris adalah
tema yang berulang dalam linier aljabar, yang kami gunakan untuk menetapkan
banyak hasil penting Dalam Bagian 1.3, kami memeriksa teknik yang berguna untuk
membaca dan menulis bukti. Dalam Bagian 1.4 dan 1.5, kami memperkenalkan
matriks, objek fundamental lain, yang properti dasar sejajar dengan vektor. Namun,
pada akhirnya kita akan menemukan banyak perbedaan antara sifat vektor dan matriks
yang lebih maju, khususnya tentang multiplikasi matriks
1.1 OPERASI DASAR DENGAN VEKTOR
Di bagian ini, kami memperkenalkan vektor dan mempertimbangkan dua
operasi pada vektor: skalar perkalian dan penambahan. Biarkan R menunjukkan
himpunan semua bilangan real (yaitu, semua mengoordinasikan nilai pada garis
bilangan real)
Definisi Vektor
Definisi Sebuah n-vektor nyata adalah urutan urutan bilangan real (kadang-kadang disebut
sebagai n-tupel bilangan real yang dipesan). Himpunan semua n-vektor adalah
dilambangkan R "
Definisi Biarkan vi, V2, ..., Vk menjadi vektor dalam R ". Kemudian vektor v adalah
sebuah kombnasi linear dari Vi, V2, ..., Vk jika dan hanya jika ada skalars ci, C2, ..., Ck
sedemikian rupa sehingga v = ciVi C2V2 + ... + C & V / k.
Dengan demikian, kombinasi linear dari vektor adalah jumlah kelipatan skalar dari
vektor tersebut. Misalnya, vektor [-2,8,5,0] adalah kombinasi linear dari [3,1, -2,2], [1,0, 3,
-1] dan [4, -2,1,0] karena 2 [3,1, -2,2] 4 [1,0,3, -1] - 3 [4, -2,1,0] = [-2 , 8,5, 0]
Perhatikan bahwa setiap vektor dalam R 'dapat diekspresikan dengan cara yang unik sebagai
kombinasi linear i,, dan k. Misalnya, [3, -2,5] = 3 [1,0,0] 2 [0,1,0] 5 [0,0, 1] = 3i + 2j + 5k.
Secara umum, [a, b, c] = ai + bj + ck. Juga, setiap vektor dalam R "dapat berupa dinyatakan
sebagai kombinasi linear dari vektor satuan standar e1 = [1,0,0, ..., 0], e2 = [0, 1,0,., 0 .., e ,, =
[0,0, ..., 0,1] (mengapa?) Salah satu cara yang bermanfaat untuk menggambarkan kombinasi
linear dari vektor vi, V2, ..., Ve adalah dengan ingat bahwa masing-masing vektor mewakili
sejumlah gerakan tertentu arah. Ketika kita menggabungkan vektor-vektor ini menggunakan
penjumlahan dan skalar multiplikasi titik akhir dari setiap vektor kombinasi linier mewakili
"tujuan" yang bisa tercapai menggunakan operasi ini. Misalnya, kombinasi linier w = 2 [1,3]
4, -5312, -1] = [6, adalah tujuan yang dicapai dengan bepergian ke arah [1,31, tetapi
melakukan perjalanan dua kali panjangnya, kemudian berjalan ke arah yang berlawanan
dengan [4, -5] tetapi setengah panjangnya, dan akhirnya bepergian ke arah [2, -1], tetapi tiga
kali lipatnya panjang Kami juga dapat mempertimbangkan sekumpulan semua tujuan yang
mungkin dapat dicapai dengan menggunakan kombinasi linear dari serangkaian vektor
tertentu. Misalnya, himpunan semua linier com binasi dalam R3 dari vi = [2,0,1] dan v2 =
[0,1, -2] adalah himpunan semua vektor (mulai di asal) dengan titik akhir berbaring di
pesawat melalui titik asal yang mengandung vi dan V2
Misalnya, jika x = [2, -4,3] dan y = [1,5, -2], maka x-y = (-4)(5) + (2)(1) + (3) (- 2) =
-24. Perhatikan bahwa produk titik melibatkan dua vektor dan hasilnya adalah skalar,
sedangkan perkalian skalar melibatkan skalar dan vektor dan hasilnya adalah vektor. Juga,
produk titik tidak didefinisikan untuk vektor yang memiliki angka berbeda koordinat.
Teorema berikutnya menyatakan beberapa hasil dasar yang melibatkan titik produk Teorema
1.5 Jika x, y, dan z adalah vektor dalam R ", dan jika c adalah skalar, maka Komutatifitas
Produk Dot
Vektor Proyeksi
Proyeksi satu vektor ke vektor lain berguna dalam fisika, teknik, komputer grafik, dan
statistik. Misalkan a dan b adalah vektor bukan nol, baik dalam R 2 atau keduanya dalam R,
ditarik pada titik awal yang sama. Misalkan 0 mewakili sudut antara a dan b. Jatuhkan
segmen garis tegak lurus dari titik terminal b ke garis lurus mengandung vektor a, seperti
pada Gambar 1.17
Dengan proyeksi p dari b ke a, maksud kami vektor dari titik awal a ke titik dimana
garis tegak lurus yang jatuh bertemu garis l. Perhatikan bahwa p sama <Radian (lihat Gambar
1.17) dan dalam arah yang berlawanan arah seperti saat 00 ke 0 ketika <T radian, seperti pada
Gambar 1.18.
Menggunakan trigonometri, kita melihat bahwa ketika 00, vektorp memiliki panjang ||
b || cos0 dan dalam arah vektor satuan a / l | a ||. Juga, ketika <0 <T, p memiliki panjang
-Ibcos 0 dan searah dengan vektor satuan -a / l | a || . Karena itu, kita bisa berekspresi p dalam
semua kasus sebagai Anda mungkin ingin mulai menulis bukti dalam format langkah demi
langkah dan kemudian berubah menjadi gaya paragraf setelah Anda memiliki lebih banyak
pengalaman dengan bukti.
Menyatakan definisi istilah yang relevan biasanya merupakan awal yang baik ketika
menangani bukti karena membantu memperjelas apa yang harus Anda buktikan. Misalnya
yang pertama empat dari lima langkah dalam bukti Langkah-demi-Langkah dari Hasil 1
hanya melibatkan penulisan apa setiap sisi x -x = || X || 2 artinya. Hasil akhir kemudian
mengikuti secara alami Bekerja "Mundur" untuk Menemukan Bukti Metode yang sering
digunakan ketika tidak ada bukti langsung yang jelas adalah bekerja "mundur"yaitu, mulai
dengan kesimpulan yang diinginkan dan bekerja secara terbalik terhadap fakta-fakta yang
diberikan. Meskipun langkah-langkah "terbalik" ini bukan merupakan bukti, langkah-langkah
itu mungkin cukup wawasan untuk membuat konstruksi bukti "maju" lebih mudah.Oleh
karena itu, setiap langkah harus diperiksa dengan cermat untuk menentukan apakah itu "dapat
dibalik."
Misalnya, jika t adalah bilangan real, maka t> 5 25 adalah langkah yang valid, tetapi
membalikkan
ini menghasilkan> 25 = t> 5, yang tentunya merupakan langkah yang tidak valid jika t <-5.
Perhatikan kami
sangat berhati-hati dalam Langkah 8 dari bukti ketika kami mengambil akar kuadrat dari
kedua sisi
untuk memastikan langkah itu memang valid
"If A Then B" Bukti
Seringkali, teorema diberikan dalam bentuk "Jika A maka B," di mana A dan B mewakili
pernyataan. Contohnya adalah "Jika || X || = 0, maka x = 0" untuk vektor x dalam R ", di
mana A adalah
"x 0" dan B adalah "x = 0." Seluruh pernyataan "Jika A maka B" disebut implikasi;
A sendiri adalah premis, dan B adalah kesimpulannya. Arti "Jika A maka B" adalah bahwa,
setiap kali A benar, B juga benar. Jadi, implikasinya "Jika || X || = 0, maka x = 0"
artinya, jika kita tahu || x || = 0 untuk beberapa vektor x dalam R ", maka kita bisa
menyimpulkan bahwa x adalah vektor nol
Perhatikan bahwa implikasi "IfA maka B" tidak menegaskan apa pun tentang kebenaran atau
kepalsuan B
kecuali A benar.4 Oleh karena itu, untuk membuktikan "Jika A maka B," kita menganggap A
benar dan mencoba untuk membuktikan
B juga benar. Ini diilustrasikan dalam bukti hasil selanjutnya, bagian dari Teorema 1.8.
Hasil 3 Jika x dan y adalah vektor bukan nol dalam R "sedemikian sehingga x y> 0, maka
sudut
antara x dan y adalah akut.
Bukti. Premis dalam hasil ini adalah "x dan y adalah vektor bukan nol dan x y> 0." Itu
kesimpulannya adalah "sudut antara x dan y adalah akut." Kita mulai dengan menganggap
kedua bagian itu
dari premis itu benar.
bagian pertama dari premis
Teorema 1.5, bagian (2) dan (3)
bagian kedua dari premis
definisi sudut antara dua
vektor
Langkah 1: x dan y bukan nol
Langkah 2: x 0 dan |||| > 0
Langkah 3: xy> 0
Langkah 4: cos0 =
baik
xywhere a adalah
sudut antara x dan y,
dan 0ses TT
Langkah 5: cos0> 0
hasil bagi real positif adalah positif
sejak 00 T, cos 0> 0 hanya jika
Langkah 6: 0 akut
00 <
Pernyataan Asli
Kontrapositif
Jika A maka B
Jika tidak B maka bukan A
Berbicara
Jika B maka A
Terbalik
Jika bukan A maka bukan B
Perhatikan bahwa, ketika "Jika A maka B" dan sebaliknya "Jika B maka A"
digabungkan bersama, mereka membentuk pernyataan "A jika dan hanya jika B". Meskipun
kebalikan dan kebalikannya mungkin menyerupai kontrapositif, berhati-hatilah baik
kebalikan maupun kebalikannya tidak secara logis setara dengan pernyataan asli. Namun,
kebalikan dan kebalikan dari pernyataan adalah setara satu sama lain, dan keduanya benar
atau keduanya salah bersama. Misalnya, pertimbangkan "Jika x = y, maka xy = || || 2," untuk
vektor dalam R ". Jika xy, maka xy = || X || Jika xy, maka xy Pernyataan Asli setara satu sama
lain Kontrapositif Jika xy x |, lalu x = y BerbicarA |||| 2 | setara satu sama lain Terbalik Jika
xy, maka xyPerhatikan bahwa dalam hal ini pernyataan asli dan kontrapositif keduanya
benar; itu sebaliknya dan kebalikan keduanya salah Waspadalah! Mungkin saja sebuah
pernyataan dan kebalikannya memiliki kebenaran yang sama nilai. Misalnya, kebalikan dari
Hasil 6 adalah "Jika x 0, maka || | = 0," dan ini juga pernyataan yang benar. Moral di sini
adalah bahwa pernyataan dan kebalikannya secara logis
Kami sekarang memperkenalkan struktur aljabar baru: matriks. Matriks adalah array
dua dimensi yang dibuat dengan mengatur vektor ke dalam baris dan kolom. Kami
memeriksa beberapa jenis matriks dasar, serta tiga operasi dasar pada matriks dan
propertinya.
Definisi Matriks
Definisi Matriks m x n adalah array persegi panjang dari bilangan real, disusun dalam
kolom m dan n. Unsur-unsur matriks disebut entri. Ekspresi m x n menunjukkan ukuran
matriks. Sebagai contoh, masing-masing dari berikut ini adalah matriks, terdaftar dengan
ukurannya yang benar:
- Entri diagonal utama dari matriks A adalah a11, a22, a33, ..., yang terletak pada garis
diagonal yang ditarik ke kanan, mulai dari sudut kiri atas matriks.
Matriks muncul secara alami dalam banyak konteks. Misalnya, tabel dua dimensi.
Kami sekarang menjelaskan beberapa jenis matriks penting. Matriks kuadrat adalah
matriks n x n; yaitu, matriks memiliki jumlah yang sama baris sebagai kolom. Misalnya,
matriks berikut adalah bujur sangkar:
Matriks diagonal adalah matriks persegi di mana semua entri yang tidak berada di diagonal
utama adalah nol. Artinya, D adalah diagonal jika dan hanya jika itu persegi dan dij 0 untuk I
x j. Sebagai contoh, berikut ini adalah matriks diagonal:
MULTIPLIKASI MATRIX
Operasi lain yang bermanfaat adalah perkalian matriks, yang merupakan generalisasi
dari produk titik vektor.
Dua matriks A dan B dapat dikalikan (dalam urutan itu) hanya jika jumlah kolom A
sama dengan jumlah baris B. Dalam hal itu,
Karena jumlah kolom dalam A sama dengan jumlah baris dalam B dalam definisi ini,
setiap baris A berisi jumlah entri yang sama dengan setiap kolom B. Dengan demikian,
dimungkinkan untuk melakukan produk titik yang diperlukan untuk menghitung C = AB .
Membentuk kombinasi linear dari baris atau kolom matriks dapat dilakukan dengan
sangat mudah menggunakan perkalian matriks, seperti yang diilustrasikan dalam contoh
berikut.
Contoh 4
Pertimbangkan matriksnya
Untuk membuat kombinasi linear dari baris A seperti 7 (baris pertama A) -8 (baris
kedua A) + 9 (baris ketiga A), kita hanya perlu mengalikan A di sebelah kiri dengan vektor
koefisien [7, -8, 9]. Itu adalah,
Demikian pula, kita dapat membuat kombinasi linear dari kolom A seperti 10 (kolom
pertama A) -11 (kolom kedua A) + 12 (kolom ketiga A) -13 (kolom keempat A) dengan
mengalikan A pada hak oleh vektor koefisien [10, -11, 12, -13]. Ini memberi
C. SISTEM PERSAMAAN LINIER
a. Pendekatan Sistematis
Salah satu masalah matematika penting yang sering muncul adalah kebutuhan untuk
menguraikan data yang telah dicampur bersama oleh proses yang tampaknya tidak dapat dibalik.
Masalah umum dari jenis ini adalah perhitungan rasio yang tepat dari unsur-unsur kimia yang
digabungkan untuk menghasilkan senyawa tertentu
Jika dibiarkan
4x1-3x2=0
2x1-3x2=18
(di mana x1 dan x2 digunakan, bukan x dan y) memiliki solusi unik (3,4) karena itu adalah satu-
satunya titik persimpangan dari dua garis. Di sisi lain, sistem
4x-6x=10
6x-9y=15
Eliminasi Gaussian
eliminasi Gaussian, melibatkan secara sistematis mengganti sebagian besar koefisien dalam
sistem dengan angka yang lebih sederhana (1’s dan 0’s) ke buat solusinya jelas
No solution
Melewati Kolom
entri pivot baru terletak secara horizontal ke kanan dari tempat biasanya
Jumlah Solusi
Metode reduksi baris Gauss-Jordan juga menyiratkan hal berikut:
Jumlah Solusi Sistem Linear
Biarkan AX= B menjadi sistem persamaan linear. Biarkan C menjadi bentuk eselon baris tereduksi
yang diperbesar matriks diperoleh dengan mengurangi baris [A | B].
Jika ada deretan C yang memiliki semua nol di sebelah kiri bilah augmentasi tetapi dengan
entri terakhir bukan nol, maka AX= B tidak memiliki solusi.
Jika tidak, tetapi jika salah satu kolom C di sebelah kiri bilah augmentasi tidak memiliki nol
entri pivot, maka AX =B memiliki jumlah solusi yang tak terbatas. Kolom nonpivot sesuai
untuk variabel (independen) yang dapat mengambil nilai apa pun, dan nilai sisanya
variabel (tergantung) ditentukan dari mereka.
Kalau tidak, AX= B memiliki solusi unik
Sistem Homogen
Definisi Suatu sistem persamaan linear yang memiliki bentuk matriks AX O, di mana O mewakili
matriks kolom nol, disebut sistem homogen
2x-3y=
-4x+6y=0
dan
5x1-2x2+3x3=0
6x1+x2-7x3=0
-x1+3x2+x3=0
Hebatnya, banyak sifat geometris dan aljabar penting dari matriks persegi diungkapkan oleh
bilangan real tunggal yang terkait dengan matriks, yang dikenal sebagai penentu.Misalnya, area dan
volume gambar tertentu dapat ditemukan dengan membuat matriksberdasarkan tepi angka dan
kemudian menghitung penentu matriks itu. Penentujuga menyediakan metode cepat untuk
menemukan apakah sistem linier tertentu memiliki solusi unik.
Dalam hal ini, kami juga menggunakan determinan untuk memperkenalkan konsep vektor
eigen. Vektor eigen dari matriks kuadrat adalah vektor khusus yang, ketika dikalikan dengan matriks,
menghasilkan vektor paralel. Vektor tersebut memberikan cara baru untuk melihat perkalian
matriks,dan membantu untuk memecahkan banyak masalah yang tidak bisa diselesaikan. Vektor eigen
adalah alat praktis dalam aljabar linier dengan aplikasi dalam persamaan diferensial, probabilitas,
statistik, dan dalam disiplin ilmu terkait seperti ekonomi, fisika, kimia, dan grafik komputer.
Dalam hal ini, kami memperkenalkan determinan, bilangan real tertentu yang terkait dengan
setiap matriks persegi. Pada Bagian ini, kami mendefinisikan determinan menggunakan ekspansi
kofaktor dan menggambarkan aplikasi geometris.
Pendahuluan Determinan
a11 a 12
Untuk a 2 x 2 matriks A=
[ a21 a 22 ]
, determinan |A| adalah defenisi dari a11 a22 – a12 a21. Dari
a11 a 12
Bagian 2.4 kami membuktikan
[ a21 a 22 ]
, memiliki kebalikan jika dan hanya jika | A |= a11 a22-a12 a21≠0
a11 a 12 a13
[
| A | a21 a 22 a23
a31 a 32 a33 ]
kita mendefinisikan determinan | A | menjadi ungkapan berikut, yang memiliki enam istilah:
Ungkapan ini mungkin terlihat rumit, tetapi istilahnya dapat diperoleh dengan
mengalikan entri berikut dihubungkan oleh panah. Perhatikan bahwa dua kolom pertama dari
dokumen asli 3 x 3 matriks telah diulangi. Juga, panah yang menunjuk ke kanan
menunjukkan istilah dengan tanda positif, sedangkan yang menunjuk ke kiri menunjukkan
istilah dengan tanda negatif.
Biarkan x= [x1,x2] dan y =[y1, y2] menjadi dua vektor tidak paralel di R 2 awal pada titik yang
sama (lihat Gambar 3.1 (a)). Kemudian area jajaran genjang ditentukan oleh x dan y adalah nilai
absolut dari determinan
x1 x2
y1 y2
Dimana x= [x1, x2, x3], y= [y1,y2,y3], dan z [z1,z2,z3] menjadi tiga vektor tidak semua di bidang
yang sama dimulai pada titik awal yang sama (lihat Gambar 3.1 (b)). Kemudian volume
parallelepiped ditentukan oleh x, y, dan z adalah nilai absolute dari determinan
x1 x2 x3
y1 y2 y3
z1 z2 z3
Kofaktor
Sebelum menentukan faktor determinan untuk matriks persegi lebih besar dari 3 x 3, kami
pertama kali memperkenalkan beberapa istilah baru.
Definisi: dimana A menjadi n x n matriks n, dengan n≥ 2. Submatriks (i, j), A ij adalah matriks
(n - 1) x (n - 1) matriks diperoleh dengan menghapus semua entri dari baris ke-i dan semua entri ke-j
dari A. Minor (i, j), SEBUAH j, dari A adalah determinan submatriks A ij adalah A
Matriks n x n memiliki total n ≥2 satu untuk setiap entri matriks. Secara khusus, matriks 3 x 3
memiliki sembilan .
Definisi Determinan
Kita sekarang siap untuk menentukan faktor determinan matriks n x n. Kita lihat segera
bahwa definisi berikut ini setuju dengan formula determinan sebelumnya 1 x 1, 2 x 2, and 3 x 3.
Untuk n> 1, ini mendefinisikan penentu sebagai jumlah produk. Setiap entri a ni dari baris
terakhir dari matriks A dikalikan dengan kofaktornya yang sesuai A ni dan kita jumlah hasilnya. Proses
ini sering disebut sebagai ekspansi kofaktor (atau Laplace ekspansi) di sepanjang baris terakhir dari
matriks. Karena kofaktor dan matriks n x n dihitung dengan mencari faktor-faktor determinan yang
sesuai (n - 1)x (n - 1). kita melihat bahwa definisi ini sebenarnya bersifat rekursif. Artinya, kita dapat
menemukan determinan, setiap matriks begitu kita tahu bagaimana menemukan determinan dari
matriks ukuran yang lebih kecil.
BAB III
KESIMPULAN
Meskipun kedua buku ini terdapat beberapa kelemahan tetapi masih layak dipakai
oleh pembaca. Kekurangan yang didapat sebaiknya menjadi bahan penyempurnaan Buku dan
menjadi bahan dalam pembuatan buku lainnya sebagai referensi tambahan bagi pembaca.
Saran dan Masukan yang ada biarlah menjadi bahan pertimbangan bagi penulis buku maupun
pengarang buku agar tercipta buku yang banyak diminati oleh kalangan pembaca dan Buku
yang bermanfaat bagi pengembangan ilmu pengetahuan dan sarana untuk melakukan
berbagai penelitian.
DAFTAR PUSTAKA
Kirkwood, R. James & Kirkwood, H. Bessie. (2018) Elementary Linier Algebra (13rd eds.).