I.

MATRIKS
1. Pendahuluan
Matriks adalah kumpulan bilangan berbentuk persegi panjang yang disusun menurut baris dan
kolom. Bilangan-bilangan yang terdapat di suatu matriks disebut dengan elemen atau anggota matriks.
Dengan representasi matriks, perhitungan dapat dilakukan dengan lebih terstruktur. Pemanfaatannya
misalnya dalam menjelaskan persamaan linier, transformasi koordinat, dan lainnya. Matriks seperti
halnya variabel biasa dapat dimanipulasi, seperti dikalikan, dijumlah, dikurangkan dan
didekomposisikan.
Perhatikan tabel 1 di bawah ini.
Tabel 1. Jumlah Mahasiswa
Angkatan Laki-laki Wanita
2008 80 20
2009 100 15
2010 90 35

Dari tabel 1 jika diambil angkanysa saja dan ditulis dalam tanda kurung buka dan kurung tutup
bentuknya menjadi :
80 20
100 15 

90 35
Bentuk sederhana di ataslah yang kita sebut sebagai matriks.
a. Bentuk Umum
A11 A12  A1n 
A A 22  A 2 n 
A   21
    
 
A m1 A m 2  A mn 
A11, A12, ... Amn disebut elemen atau unsur matriks.
Indeks pertama menunjukkan baris, dan indeks kedua menunjukkan kolom. Untuk menuliskan
matriks beserta elemennya menggunakan tanda kurung siku. Matriks dinotasikan dengan huruf kapital
dan biasanya dicetak tebal (misal A).
b. Definisi
Ordo matriks adalah banyaknya baris dan kolom (ukuran matriks). Secara umum ordo matriks
adalah m x n.
a 11 a 12 a 13  a 1n 
a a 22 a 23  a 2 n 
A mxn   21
    
 
a m1 a m 2 a m 3  a mn 
80 20
100 2 8
15   matriks berordo 3 x 2
4
0  matriks berordo 2 x 3

 7 1 
90 35
Matriks bujur sangkar adalah matriks berordo n dengan m = n, jadi jumlah baris dan kolom sama.
Contoh berikut adalah matriks berordo 3.

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 1

 50 20 0
 25 10  22 diagonal utama diagonal kedua

 6  35 10 
Matriks bujur sangkar memiliki diagonal. Diagonal utama adalah elemen matriks dari ujung kiri atas
sampai ujung kanan bawah sedangkan diagonal kedua adalah dari ujung kiri bawah sampai ujung
kanan atas.
Matriks kolom adalah matriks berordo m x 1 (hanya memiliki 1 kolom) dapat dipandang sebagai
sebuah vektor kolom. Matriks baris adalah matriks berordo n x 1 (hanya memiliki 1 baris) dapat
dipandang sebagai vektor baris.
 80
100  matriks kolom berordo 3 x 1 0 3 5  matriks baris berordo 1 x 3
 
 90
Matriks tegak adalah matriks berodrdo m x n dengan m>n, sehingga matriks tampak tegak. Matriks
datar adalah matriks berordo m x n dengan m<n, sehingga matriks tampak datar.
 8 10
10 8   matriks tegak berordo 3 x 2  0  3 5
  4 6 10   matriks datar berordo 2 x 3
 9 5   

c. Matriks bentuk khusus

Matriks nol, yaitu matriks yang semua elemen penyusunnya adalah nol dan dinotasikan sebagai O.
0 0 
O1x 3  0 0 0 , O 2 x 2   
0 0 
Matriks diagonal, yaitu matriks persegi yang semua elemen di atas dan di bawah diagonalnya adalah
nol dan dinotasikan sebagai D .
1 0 0
D 3x 3  0 2 0
0 0 3 
Matriks skalar, yaitu matriks diagonal yang semua elemen pada digonalnya sama.
3 0 0
D 3x 3  0 3 0 
0 0 3 
Matriks simetri, yaitu matriks persegi yang setiap elemennya selain elemen diagonal adalah simetri
terhadap diagonal utama.
1 5 8 
F3x 3  5 1 0
8 0 1 
Matriks simetri miring, yaitu matriks simetri yang elemen-elemennya selain elemen diagonal saling
berlawanan.
0 5  8
G 3x 3 
  5 0 1 
8  1 0 

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 2

Matriks Identitas/satuan, yaitu matriks diagonal yang semua elemen pada diagonal utamanya adalah
1 dan dinotasikan sebagai I.
1 0 0
I 3x 3  0 1 0
0 0 1 
Matriks segitiga atas, yaitu matriks persegi yang elemen-elemen di bawah diagonal utamanya adalah
nol.
1 3 5 
G 3x 3  0 2 4
0 0 6 
Matriks segitiga bawah, yaitu matriks persegi yang elemen-elemen di atas diagonal utamanya adalah
nol.
1 0 0
G 3x 3  6 2 0
4 9 6
Matriks pita/tridiagonal, yaitu matriks dengan elemen diluar elemen 3 diagonal adalah nol.
1 7 0 0 0
6 2 3 0 0 

G 5x5  0 9 6 8 0
 
0 0 5 7 2
0 0 0 1 4 
Matriks transpose, yaitu matriks yang diperoleh dari memindahkan elemen-elemen baris menjadi
elemen pada kolom atau sebaliknya. Transpose matriks A dilambangkan dengan AT.
6 8
6 4 7 
A 3x 2  4 1  maka AT =   perhatikan bawah ordo dari AT adalah 2 x 3.
7 3  8 1 3 

2. Persamaan Matriks
Dua buah matriks atau lebih dikatakan sama bila dan hanya bila mempunyai ordo sama dan elemen-
elemen yang seletak juga sama.
6 4 7  6 4 7 
A 2x3    dan B 2 x 3    maka A = B
8 1 3  8 1 3 
2 4 7
Perhatikan bahwa C 2 x 3    dan C 2 x 3  A 2 x 3 karena ada elemennya yang seletak dan
8 1 3 
nilainya tidak sama.
8 6
Perhatikan pula D 3 x 2  1 4  dan D 3x 2  A 2 x 3 karena ordo kedua matriks tidak sama.
3 7

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 3

3. Operasi Matriks dan Sifat-sifatnya
Penjumlahan Matriks
Jika A + B = C maka elemen-elemen C diperoleh dari penjumlahan elemen-elemen A dan B yang
seletak yaitu cij = aij + bij untuk elemen C pada baris ke-i kolom ke-j. Akibatnya matriks A dan B dapat
dijumlahkan apabila kedua matriks memiliki ordo yang sama.
6 4  5 6 6 4  5 6 11 10 
A  , B  maka A+B =     =A    =C
1 3  7 8 1 3  7 8  8 11 
Pengurangan Matriks
Mempunyai syarat sama dengan penjumlahan matriks.
6 4  5 6 6 4  5 6  1 2 
A  , B  maka A–B =     =A    =C
1 3  7 8 1 3  7 8  6  5 
Sifat-Sifat Penjumlahan Matriks
1. A + B = B + A (hukum komutatif untuk penjumlahan)
2. A + (B + C) = (A + B) + C (hukum asosiatif untuk penjumlahan)
3. A + O = O + A = A
4. (A + B)T = AT + BT
5. Ada matriks B sedemikian sehingga A + B = B + A = 0 yaitu B = -A
Perkalian Matriks dengan Bilangan Real (Skalar)
Matriks A dilakukan dengan suatu bilangan real k maka kA diperoleh hasil kali setiap elemen A
dengan k.
6 4  6 4  24 16 
A  maka 4A = 4   
1 3  1 3   4 12 
Jika a dan b bilangan real dan B, C dua matriks dengan ordo sedimikian hingga dapat dilakukan
operasi hitung maka berlaku sifat perkalian matriks dengan skalar.
Sifat-sifat Perkalian Matriks dengan Skalar
1. a (B + C) = a B + a C
2. a (B - C) = a B - a C
3. (a + b) C = a C + b C
4. (a - b) C = a C - b C
5. (a b) C = a (b C)
6. (a B)T = a BT
Perkalian Dua Matriks
Dua matriks AB dapat dikalikan bila dna hanya bila jumlah kolom matriks A sama dengan jumlah
baris matriks B. Jadi Amxn ∙ Bnxp bisa didefinisikan, tetapi Bnxp ∙ Amxn tidak dapat didefinisikan.

Gambar 1. Perkalian Matriks

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 4

Elemen-elemen dari AB diperoleh dari hasil kali setiap baris pada matriks A dengan setiap kolom
pada matriks B, kemudian dijumlahkan menjadi satu elemen.
Perkalian matriks 1xp dengan matriks px1 :
 4
B  6 8 7 dan C  7 maka B1x 3 .C 3x1  (6x 4)  (8x 7)  (7 x 2)  94
2
Perkalian matriks px1 dengan matriks 1xp :
 2 2x 6 2x8 2x 7 12 16 14 
B  5  dan C  6 8 7 maka B3x1 .C1x 3  5x 6 5x8 5x 7   30 40 35 
 
4 4x 6 4x8 4x 7 24 32 28
Hasil kalinya berupa matriks berordo 3x3
Perhatikan hal-hal berikut ini
1. Pada umumnya AB ≠ BA (tidak komutatif)
2. Apabila A suatu matriks persegi maka : A2 = A.A ; A3 = A2.A ; A4 = A3.A dan seterusnya
3. Apabila AB = BC maka tidak dapat disimpulkan bahwa A = C (tidak berlaku sifat
penghapusan)
4. Apabila AB = 0 maka tidak dapat disimpulkan bahwa A = 0 atau B = 0
Sifat-sifat perkalian Matriks dengan Matriks :
1. A (B C) = (A B) C
2. A (B + C) = AB + AC
3. (B + C) A = BA + CA
4. A (B - C) = AB – AC
5. (B - C) A = BA - CA
6. a(B C) = (aB)C = B(a C)
7. A I = I A = A

4. Determinan
Untuk setiap matriks persegi terdapat suatu bilangan tertentu yang disebut determinan.
Determinan matriks adalah jumlah semua hasil perkalian elementer yang bertanda dari A dan
dinyatakan dengan det(A).
Yang diartikan dengan sebuah hasil perkalian elementer bertanda dari suatu matriks A adalah sebuah
hasil perkalian elementer pada suatu kolom dengan +1 atau -1.
Determinan matriks ordo 2x2
a b  a b
Jika matriks A =   maka det (A) = A  = ad–bc sebagai pengingat ketentuan tersebut
c d  c d
a b 
diperoleh dari  
c d 
Cara di atas hanya dapat dilakukan untuk matrik berodo 2x2
8 4 8 4
P=   maka det(P) = P   (8x 4)  (4x3)  20
3 4 3 4

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 5

Determinan matriks ordo 3x3
Untuk mencari determinan matriks berodo 3x3 dapat digunakan metode Sarrus dan Kofaktor.

Metode Sarrus
p q r 

Jika matriks B = s t u

 
 v w x 
p q r
Maka det (B) = B  s t u = p.t.x + q.u.v + r.s.w – r.t.v – q.s.x – p.u.w
v w x
p q r p q
Sebagai pengingat ketentuan tersebut diperoleh dari B  s t u s t
v w x v w
Cara di atas hanya untuk matriks berodo 3x3
 2 4 6 2 4 6  2 4 6 2 4
 
Q  1 3 5  maka det(Q)  Q adalah 1 3 5  1 3 5 1 3
7 8 9  7 8 9 7 8 9 7 8

= 2.3.9 + 4.5.7 +6.1.8 – 7.3.6 – 8.5.2 – 9.1.4 = 242 – 242 = 0

Metode Kofaktor
Minor suatu matriks A dilambangkan dengan Mij adalah matriks bagian dari A yang diperoleh dengan
cara menghilangkan elemen pada baris ke –i dan elemen pada kolom ke-j.
 2 4 6  2 4 6
3 5
Q  1 3 5  maka M11  1 3 5   
8 9
7 8 9  7 8 9  

 2 4 6  2 4 6
  1 5  1 3 
M12  1 3 5     , M13  1 3 5   
7 8
7 8 9  
7 9
7 8 9  
M11 , M12, dan M13 merupakan submatriks hasil ekspansi baris ke-1 dari matriks Q.
Kofaktor suatu elemen baris ke-i dan kolom je-j dari matriks A dilambangkan dengan
Kij = (-1)i+j |Mij| = (-1)i+j det(Mij).
Untuk mencari det(A) dengan metode kofaktor cukup mengambil satu ekspansi misalnya ekspansi
baris ke-1.
 2 4 6
Q  1 3 5  untuk mencari det(Q) perlu dicari terlebih dahulu determinan minor dari matriks
7 8 9 
tersebut, yaitu M11 , M12 , M13 sebesar det (M11) = -13 , det(M12) = -26, det(M13)= -13
Sehingga kofaktor dari elemen 1 adalah -13 , elemen 2 adalah 26, elemen 3 adalah -13

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 6

Maka det(Q) = q11.k11 + q12.k12 + q13.k13
= q11.(-1)1+1.det (M11) + q12.(-1)1+2.det (M12) + q13.(-1)1+3.det (M13)
= 2.1.(-13) + 4.(-1).(-26) + 6.1.(-13) = 0
Tanda tempat positif atau negatif dapat pula disesuaikan dengan tempat/posisi elemen matriks seperti
di bawah ini :
    
    
  plus dan minus bergantian dari sudut kiri atas bertanda +
   
 
 

Metode OBE
Metode ini hanya dapat diterapkan pada matriks dengan ukuran 4x4. Prinsip penggunaan metode ini
adalah dengan mengubah bentuk matriks menjadi matriks segitiga atas. Setelah matriks segitiga atas
diperoleh maka nilai determinan adalah sebesar hasil kali angka pada diagonal utama dari matriks
tersebut.

5. Adjoin
Adjoin matriks A adalah transpose dari kofaktor matriks tersebut, dilambangkan dengan adj A.
 2 4 6
Q  1 3 5 
7 8 9 
telah diketahui dari hitungan sebelumnya bahwa kofaktornya adalah k11 = -13, k12 = 26, k13 = -13
kemudian kita cara kofaktor dari baris ke-2 dan ke-3, yaitu :
4 6 2 6 2 4
k 21  = -(4.9-8.6) = -(-12) = 12 , k 22  = +(2.9-7.6) = -24 , k 23  = -(-12) = 12
8 9 7 9 7 8
4 6 2 6 2 4
k 31  = +(4.5-3.6) = 2, k 32  = -(2.5-6.1) = -4, k 33  = +(2.3-4.1) = 2
3 5 1 5 1 3
 13 12 2

Adj A = [kofaktor] = 26  24
T
 4

 13 12 2 

6. Invers
Adjoin matriks bujur sangkat diperlukan untuk membentuk invers matriks. Jika setiap elemen adjoin
A dibagi dengan nilai determinan A dengan |A| ≠ 0 maka matriks yang dihasilkan adalah matriks
invers A dan dinyatakan dengan A-1.
2 3 5 2 3 5
 
Matriks A  4 1 6 nilai determinannya : A  4 1 6 = 45
 
1 4 0  1 4 0
Matriks kofaktor :
1 6 4 6 4 1
k 11  = +(0-24) = -24 , k 12  = -(0-6) = 6 , k 13  = +(16-1) = 15
4 0 1 0 1 4

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 7

 3 5 2 5 2 3
k 21  = -(0-20) = 20 , k 22  = +(0-5) = -5 , k 23  = -(8-3) = -5
4 0 1 0 1 4
3 5 2 5 2 3
k 31  = +(18-5) = 13 , k 32  = -(12-20) = 8 , k 23  = +(2-12) = -10
1 6 4 6 4 1
 24 6 15  24 20 13 
 
Kofaktor A  20  5  5 sehingga adjoin A = AT =  6 5 8 
  
 13 8  10  15  5  10

Maka invers A :
  24 20 13 
 45 45 45 
   24 20 13 
5 8  1 
 8 
6
A 1  6 5
 45 45 45  45 
   15  5  10
 15 5  10 
 45 45 45 

7. Hasil kali matriks bujur sangkar dengan invers

2 3 5  24 20 13 
1 
  1
Matriks A  4 1 6  dengan inversnya A 
 6 5 8 
45
1 4 0   15  5  10

Matriks A-1.A :

 24 20 13  2 3 5
1 
 6 5 8 .4 1 6 
45 
 15  5  10 1 4 0 
(24.2  20.4  13.1) (24.3  20.1  13.4) (24.5  20.6  13.0) 1 0 0
1    0 1 0 
 (6.2  5.4  8.1) (6.3  5.1  8.4) (6.5  5.6  8.0)
45    
(15.2  5.4  10.1) (15.3  5.1  10.4) (15.5  5.6  10.0)  0 0 1

Matriks A.A-1 :
2 3 5  24 20 13 
  1 
 4 1 6 .  6  5 8 
45
1 4 0   15  5  10
(2.( 24)  3.6  5.15) (2.20  3.5  5.5) (2.13  3.8  5.10) 1 0 0
1 
  (4.( 24)  1.6  6.15) (4.20  1.5  6.5) (4.13  1.8  6.10)   0 1 0
45
(1.( 24)  4.6  0.15) (1.20  4.5  0.5) (1.13  4.8  0.10)  0 0 1
Ternyata A-1.A = A.A-1 = I

8. Sistem Persamaan
Perhatikan persamaan linier di bawah ini :

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 8

a11x1 + a12x2 + a13x3 + .... + a1nxn = b1
a21x1 + a22x2 + a23x3 + .... + a2nxn = b2
: : : : :
an1x1 + an2x2 + an3x3 + .... + annxn = bn

Persamaan di atas dapat ditulis dalam bentuk matriks :

a 11 a 12 a 13  a 1n   x 1  b1 
    
a 21 a 22 a 23  a 2 n . x 2   b 2  atau A.x = b
          
    
a n1 a n 2 a n 3  a nn   x n  b n 
Jika kedua sisi persamaan dikali dengan invers A, maka diperoleh :
A-1.A.x = A-1.b
Ingat A-1.A = I I.x = A-1.b sehingga x = A-1.b

Tentukan nilai x1, x2, dan x3 dari persamaan di bawah ini.

x1 – 2.x2 – x3 = 10
2.x1 + 3.x2 – 2.x3 = -1
-4x1 + x2 – 5.x3 = -1
Ditulis dalam bentuk matriks :
 1  2  1 x 1   10
 
A   2 3  2 x = x 2  b =   1
 4 1  5   x 3    1

 13 18 14   13  11 7
Kofaktor A = A =  11  9
C
7  , Adj A =  18
 9 0  , det A = -63
 7 0 7   14 7 7 
x = A-1.b
x 1   13  11 7   10  2
x  1 
 2  =  63  18 9 0  . 1   3  , sehingga diperoleh x1 = 2 , x2 = -3 , x3 = -2
 x 3   14 7 7   1  2 

Metode Cramer
Suatu besaran Xi dalam sistem persamaan adalah sama dengan perbandingan dua buah determinan,
determinan dalam penyebut adalah determinan koefisien, sedangkan determinan dalam pembilang
adalah determinan yang sama tetapi kolom ke-i diganti oleh elemen yang diambil dari ruas kanan
sistem persamaan tersebut.

Tentukan nilai x1, x2, dan x3 dari persamaan di bawah ini.

x1 – 2.x2 – x3 = 10
2.x1 + 3.x2 – 2.x3 = -1
-4x1 + x2 – 5.x3 = -1
Ditulis dalam bentuk matriks :

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 9

  1  2  1 x 1   10
A   2 3  2 x =  x 2  b =   1
 4 1  5   x 3    1
10  2 1 1 10 1
1 3 2 2 1 2
1 1 5  126  4 1 5 189
x1 =   2, x2 =   3
1 2 1  63 1 2 1  63
2 3 2 2 3 2
4 1 5 4 1 5
1 2 10
2 3 1
4 1 1 126
x3 =   2 , sehingga diperoleh x1 = 2 , x2 = -3 , x3 = -2
1 2 1  63
2 3 2
4 1 5

Metode Eliminasi Gauss

Prosedur penyelesaian adalah dengan mengurangi sistem persamaan ke dalam bentuk matriks segitiga
atas sedemikian sehingga salah satu dari persamaan tersebut hanya mengandung satu bilangan tidak
diketahui dan setiap persamaan berikutnya hanya terdiri dari satu tambahan bilangan tidak diketahui
baru.

Tentukan nilai x1, x2, dan x3 dari persamaan di bawah ini.

x1 – 2.x2 – x3 = 10
2.x1 + 3.x2 – 2.x3 = -1
-4x1 + x2 – 5.x3 = -1
Ditulis dalam bentuk matriks :
 1  2  1 x 1   10
x 
A   2 3  2 x =  2 b =   1
 4 1  5   x 3    1
Matriks argumen menjadi :
 1 2  1 10

A=  2 3  2  1
 4 1  5  1

kurangkan baris 2/1 kali baris pertama dari baris kedua dan tambahkan 4/1 kali baris pertama dari
baris ketiga, sehingga dihasilkan
1  2  1 10

0 7 0  21 tambahkan 1 kali baris kedua dari baris ketiga, dihasilkan
0  7  9 39 

1  2  1 10

0 7 0  21 kita kembalikan ke posisi semula menjadi
0 0  9 18 


Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 10

1  2  1   x 1   10
0
 7 0 . x 2    21 dan disubstitusikan kembali dalam persamaan akan diperoleh :
0 0  9   x 3   18
x1 – 2.x2 – x3 = 10
7.x2 = -21
-9.x3 = 18
Sehingga diperoleh x3 = -2 , x2 = -3 , dan x1 = 2
Metode Eliminasi Gauss-Jordan
Prosedur penyelesaian hampir sama dengan metode eliminasi Gauss yang membedakan adalah
matriks sistem persamaan diubah menjadi matriks identitas.
Tentukan nilai x1, x2, dan x3 dari persamaan di bawah ini.
x1 – 2.x2 – x3 = 10
2.x1 + 3.x2 – 2.x3 = -1
-4x1 + x2 – 5.x3 = -1
Ditulis dalam bentuk matriks :
 1  2  1 x 1   10
  x 
A   2 3  2 x =  2  b =   1
 4 1  5   x 3    1
Dari contoh terakhir di atas diambil matriks argumen yang terakhir untuk diproses lebih lanjut
menjadi matriks identitas.
1  2  1 10

0 7 0  21 bagilah baris ke 3 dengan -9 dan baris kedua dengan 7 diperoleh
0 0  9 18 

1  2  1 10

0 1 0  3  tambahkan 1 kali baris ketiga dari baris kesatu, diperoleh
0 0 1  2 

1  2 0 8

0 1 0  3  tambahkan 2 kali baris kedua dari baris kesatu, diperoleh
0 0 1  2

1 0 0 2

0 1 0  3  sehingga didapatkan x3 = -2 , x2 = -3 , dan x1 = 2
0 0 1  2


9. Persamaan Homogen
Suatu sistem persamaan disebut homogen jika semua suku di ruas kanan sama dengan nol (0).
a11x1 + a12x2 + a13x3 + .... + a1nxn = 0
a21x1 + a22x2 + a23x3 + .... + a2nxn = 0
: : : : :
an1x1 + an2x2 + an3x3 + .... + annxn = 0
atau dalam bentuk matriks A.X = 0

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 11

Persamaan homogen memiliki solusi x1 = x2 = … = xn = 0 yang disebut sebagai solusi trivial. Namun
kemungkinan dapat terjadi persamaan homogen memiliki solusi non trivial. Hal tersebut terjadi jika
nilai determinan matriks A sama dengan nol (0). Yang artinya matriks A merupakan matriks Singular.

Tentukan penyelesaian persamaan homogen berikut :

8.x1 + 4.x2= 0
3.x1 + 4.x2 = 0
84
Menentukan determinan : A  = 8.4 – 3.4 = 32 – 12 = 20
34
Karena nilai determinan matriks A tidak sama dengan nol (0) atau bukan merupakan matriks singular,
maka solusi penyelesaian persamaan tersebut adalah x1 = x2 = 0 (solusi trivial).

Tentukan penyelesaian persamaan homogen berikut :

9.x1 + 6.x2 = 0
6.x1 + 4.x2 = 0
96
Menentukan determinan : A  = 9.4 – 6.6 = 36 – 36 = 0
64
Karena nilai determinan matriks A sama dengan nol (0) atau merupakan matriks singular, maka solusi
penyelesaian persamaan tersebut adalah solusi non trivial yaitu hubungan antara x1 dan x2. Pada
persamaan di atas diperoleh hubungan :
 2 
x1 = - 2
3 x2 x   
 3

Selesaikan persamaan simultan di bawah ini!

4 3 2
Menentukan determinan matriks A : A   5 7 1 =0
 12  9 6
Karena nilai determinan matriks A sama dengan nol (0) atau merupakan matriks singular, maka solusi
penyelesaian persamaan tersebut adalah solusi non trivial yaitu hubungan antara x1 , x2 , x3. Pada
persamaan di atas diperoleh hubungan (metode gauss) :
1 3
4  12  0
 
0 10 34 1 12   0
0 0 0  0

diperoleh hubungan 10,75.x2 – 1,5.x3 = 0  x2 =1,5/10,75.x3
 x2 = 6/43.x3
x1 + ¾ x2 – ½ x3 = 0  x1 + ¾ .6/43.x3 – ½ x3 = 0
 x1 + 9/86 x3 – ½ x3=0
x1 = 34/86.x3 x1 = 17/43.x3

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 12

 17 
maka x =   6 
 
43

10. Nilai Eigen

Pada aplikasi matriks dalam teknologi terdapat persamaan berbentuk : A.x = .x dengan A merupakan
matiks bujur sangkar dan  merupakan bilangan (skalar). Nilai  biasa disebut sebagai nilai eigen.
a 11 a 12 a 13  a 1n   x 1  x 1 
    
a 21 a 22 a 23  a 2 n . x 2     x 2 
         
    
a n1 a n 2 a n 3  a nn   x n  x n 
Dengan memindahkan suku di sisi kanan menjadi di sisi kiri di peroleh :
(a 11  ) a 12 a 13  a 1n   x 1  0 
    
a 21 (a 22  ) a 23  a 2 n . x 2   0
          
    
a n1 a n2 a n 3  (a nn  )  x n  0
sehingga A.x = .x = A.x - .x = 0 atau (A – .I).x = 0
Persamaan di atas merupakan persamaan karakteristik. Agar mendapat solusi non trivial nilai
determinan |A – .I| harus sama dengan nol,  disebut nilai eigen.
4  1
Tentukan nilai eigen matriks A = 
2 1
Menentukan persamaan karakteristik dengan menggunakan solusi non trivial |A – .I| = 0
(4  )  1
|A – .I| = =0
2 1   
(4 – λ).(1 – λ) – (-1).2 = 0  4 – 5.λ + λ2 + 2 = 0
 λ2 – 5.λ + 6 = 0  (λ – 3).((λ – 2) = 0
Diperoleh λ1 = 3 , λ2 = 2
 2 3  2

Tentukan nilai eigen matriks A = 1 4  2

 
 2 10  5
Menentukan persamaan karakteristik dengan menggunakan solusi non trivial |A – .I| = 0
(2  ) 3 2
|A – .I| = 1 4     2 = 0
2 10 ( 5  )
(2 – λ). (4 – λ). (-5 – λ) + 3.(-2).2 + (-2).1.10 - {(-2).(4 – λ).2 + (2 – λ). (-2).10 + 3.1.(-5 – λ)} = 0
(2 – λ).(-20 + λ + λ2) – 12 – 20) – (-16 + 4.λ – 40 + 20.λ – 15 – 3.λ) = 0
λ2 – λ3 + λ – 1 = 0
diperoleh : λ1 = -1 , λ2 = 1, λ3 = 1

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 13

Vektor Eigen
Setelah nilai eigen suatu matriks diketahui, maka vektor eigen yang berkaitan dengan nilai eigen dapat
diperoleh dengan menyelesaikan himpunan persamaan homogen yang sesuai.

4  1
Tentukan vektor eigen matriks A = 
2 1
Nilai eigen matriks telah diperoleh sebelumnya : λ1 = 3 , λ2 = 2
Untuk λ1 = 3 , persamaan A.x = λ.x menjadi :
4  1  x 1  x  4.x 1  x 2  3x 1 
2 .   3. 1  dalam bentuk persamaan  diperoleh x1 = x2
 1  x 2  x 2  2.x 1  x 2  3.x 2 
1
Sehingga vektor eigen x1 =  
1
Untuk λ2 = 2, persamaan A.x = λ.x menjadi :
4  1  x 1  x  4.x 1  x 2  2 x 1 
2 .   2. 1  dalam bentuk persamaan  diperoleh x2 = 2.x1
 1  x 2  x 2  2.x 1  x 2  2.x 2 
1 
Sehingga vektor eigen x2 =  
2
 2 3  2

Tentukan vektor eigen matriks A = 1 4  2

 
 2 10  5
Nilai eigen matriks telah diperoleh sebelumnya : λ1 = -1 , λ2 = 1, λ3 = 1
Untuk λ1 = -1 , persamaan A.x = λ.x menjadi :
 2 3  2  x 1  x 1  2x 1  3.x 2  2.x 3   x 1 
 1 4  2 .x   1.x  dalam bentuk persamaan x  4.x  2.x   x 
   2   2 1 2 3 2 
 2 10  5 x 3  x 3  2.x 1  10.x 2  5.x 3   x 3 
 3 3  2   x1  0 
    
Sehingga : 1 5  2 . x2  0
    
 2 10  4   x3  0 

1 1  23 0 
 
dengan menggunakan metode gauss : 0 4 1 31 0 
0 8 2 23 0 
diperoleh hubungan : 8.x2 – 22/3.x3 = 0  x2 = 3.x3
x1 + x2 – 2/3.x3 = 0  x1 = -21/3 .x3
 3 

sehingga vektor eigen x1 =  2 31

 
 1 
Untuk λ2 = λ3 = 1 , persamaan A.x = λ.x menjadi :

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 14

 2 3  2  x 1  x 1  2x 1  3.x 2  2.x 3  x 1 
 1 4  2 .x   1.x  dalam bentuk persamaan x  4.x  2.x  x 
   2  2 1 2 3 2 
 2 10  5 x 3  x 3  2.x 1  10.x 2  5.x 3  x 3 
 1 3  2   x1  0 
    
Sehingga : 1 3  2 . x2  0
    
 2 10  6   x3  0 

1 3 2 0 

dengan menggunakan metode gauss : 0 1 0 0

0 4 0 0 
diperoleh hubungan : 4.x2 = 0  x2 = 0
x1 + 3.x2 –2.x3 = 0  x1 = 2.x3
2 
 
sehingga vektor eigen x2 = x3 = 0
 
1 
Matriks Modal dan Matriks Spektral
Matriks modal adalah susunan “n” buah vector eigen sebagai elemen kolom dari suatu matriks bujur
sangkar yaitu sebagai berikut ini :
M = [X1 X2 … Xn]
Vektor eigen ternormalkan adalah menormalkan vector eigen dengan membuat besaran vector
berharga satu.
Matriks Spektral adalah matriks dengan elemen pada diagonal utama memiliki nilai sama dengan nilai
eigen, sedangkan elemen matriks lainnya bernilai nol.
 1 0  0 
0   0 
S=  
2

   
 
0 0   n 

Contoh :
4  1
Vektor eigen matriks A = 
1
adalah sebagai berikut sesuai dengan perhitungan sebelumnya :
2
diperoleh λ1 = 3 , λ2 = 2
3 0
sehingga matriks spectral : 
0 2
1 1 
vektor eigen x1 =   dan vektor eigen x2 =  
1 2
1 1 
maka matriks modal adalah  
1 2

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 15

  1 1   1 1 
 11 1 4   2 5 
vektor eigen ternormalkan adalah   atau  
 1 2   1 2 
 11 1 4   2 
   5 

Contoh lain :
 2 3  2
 
vektor eigen matriks A = 1 4  2 adalah sebagai berikut sesuai dengan perhitungan
 
 2 10  5
sebelumnya :
Nilai eigen matriks telah diperoleh sebelumnya : λ1 = -1 , λ2 = 1, λ3 = 1
 1 0 0
Sehingga matriks spectral :
 0 1 0 

 0 0 1 
 3   9 2 
 
vektor eigen x1 =  2 31 =
 7 , vektor eigen x = x = 0 
    2 3
 
 1   3  1 

9 2 2

maka matriks modal :  7 0 0

 3 1 1 
vektor eigen ternormalkan adalah
 9 2 2   9 2 2 
   
 81  49  9 4 1 4 1   139 5 5
 7   7 
 0 0  atau  139 0 0 
 81  49  9   
 3 1 1   3 1 1 
 81  49  9 4 1 
4 1   139 5 
  5

11. Latihan

1. Dalam pelaksanaan finishing pembangunan gedung diperlukan semen Tipe 1, Keramik KW 1,

dan Pasir halus. Ketiga bahan tersebut diperoleh dari 3 distributor bahan bangunan yang berbeda
dengan masing-masing pembelian seperti tabel di bawah ini.

Pembelian
Barang yang dibeli Distributor A Distributor B Distributor C
Semen tipe 1 10 zak 15 zak 8 zak
Keramik KW 1 25 doos 22 doos 12 doos
Pasir halus 1,5 rit 2 rit 3 rit

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 16

 Harga
Barang Harga
Semen tipe 1 63.000
Keramik KW 1 44.000
Pasir halus 170.000

Tentukan pembayaran total barang yang dibeli dengan metode matriks.

2. Tentukan matriks kekakuan struktur portal bila diketahui matriks deformasi [A] dan matriks
stiffness [S] seperti berikut. Persamaan pembentukan matriks kekakuan : [K] = [A]T.[S].[A]

0 0 0,8 0,4 0 0 0 0 
1 0  0,4 0,8 0 0 0 0 
  
1 0 0 0 1,6 0,8 0 0 
A    [S] =  
0 1 0 0 0,8 1,6 0 0 
0 1 0 0 0 0 0,8 0,4 
   
0 0 0 0 0 0 0,4 0,8 

3. Seorang insinyur memerlukan semen, pasir, dan kerikil masing-masing 4,8 m3 ; 5,69 m3 ; dan 5,81
m3 untuk sebuah proyek bangunan. Ada 3 wadah dengan komposisi berikut ini.

Keterangan Semen (%) Pasir (%) Kerikil (%)

Wadah 1 52 30 18
Wadah 2 20 50 30
Wadah 3 25 20 55

Berapa m3 yang harus diambil dari setiap wadah agar memenuhi kebutuhan insinyur tersebut?

4. Tentukan persamaan parabola berikut :

y = a.x2 + b.x + c
yang melalui titik (-1,5) ; (1,-3) ; dan (2,2)

5. Tentukan nilai determinan matriks berikut!

4 1 3 2
2 3 1 4

1 3 5 1
 
 1 5 2 1

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 17

6. Hitung determinan dan invers matriks berikut!

5 1 0 4
0 2 4 6

2 3 8 4
 
1 4 0 6

7. Hitung invers matrik berikut dengan metode Eliminasi Gauss-Jordan

4 1 3
2 5 6 

3 7 1 

8. Selesaikan solusi sistem persamaan di bawah ini dengan metode matrix.

x 1  3x 2  x 3  5
2x 1  x 2  4x 3  19
 3x 1  6x 2  5x 3  10

9. Selesaikan solusi sistem persamaan di bawah ini dengan metode matrix.

2x 1  2x 2  2x 3  0
4x 1  6x 2  2x 3  0
2 x 1  8x 2  4 x 3  0

10. Tentukan eigen value dan eigen vector pada matrix berikut.
2 0 0
3 3 6
 
3 2 4

Matriks – Angelina Eva Lianasari – FT UAJY – edisi 2 18