Alin - Ebook (001-050) Sub Indo

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
WileyPLUS adalah lingkungan online berbasis penelitian
untuk pengajaran dan pembelajaran yang efektif.
WileyPLUS membangun rasa percaya diri siswa karena butuh tebak-tebakan

keluar dari belajar dengan memberikan siswa dengan peta jalan yang jelas:
• apa yang harus dilakukan
• Bagaimana cara melakukannya
• jika mereka melakukannya dengan benar
Ini menawarkan sumber daya interaktif bersama dengan buku teks digital lengkap yang membantu siswa
belajar lebih banyak. DenganWileyPLUS, siswa mengambil lebih banyak inisiatif sehingga Anda akan memiliki
dampak yang lebih besar pada pencapaian mereka di kelas dan di luar kelas.
Sekarang tersedia untuk
Untuk informasi lebih lanjut, kunjungi www.wileyplus.com

SEMUA BANTUAN, SUMBER DAYA, DAN PRIBADI
MENDUKUNG ANDA DAN SISWA ANDA MEMBUTUHKAN!
www.wileyplus.com/resources
Murid
Mitra
Program
Tutorial 2-Menit dan semua Dukungan siswa dari pengguna Berkolaborasi dengan kolega Anda, temukan
sumber daya yang Anda dan siswa siswa yang berpengalaman mentor, hadiri secara virtual dan langsung
Anda perlukan untuk memulai acara, dan lihat sumber daya
www.WhereFacultyConnect.com
Cepat
Awal
© Courtney Keating/iStockphoto
Tugas dan presentasi yang telah Dukungan Teknis 24/7
FAQ, obrolan online, Milikmu WileyPLUS Manajer Akuntansi,
dimuat sebelumnya dan siap digunakan
dan dukungan telepon memberikan pelatihan pribadi
dibuat oleh pakar materi pelajaran
www.wileyplus.com/support dan dukungan
11 TH EDISI
Dasar
Linier
Aljabar
Versi Aplikasi
HOWARDANTON
Profesor Emeritus, Universitas Drexel
CHRIS KESALAHAN
universitas Pennsylvania
WAKIL PRESIDEN DAN PENERBIT SENIOR Laurie Rosatone
AKUISISI EDITOR ASOSIASI ISI REDAKSI David Dietz
PENGEMBANGAN BEKERJA EDITOR Jacqueline Sinacori
MARKETING MANAGER Anne Scanlan-Rohrer
Melanie Kurkjian
ASISTEN REDAKSI Michael O'Neal
DESAINER PRODUK SENIOR EDITOR Thomas Kulesa
PRODUKSI SENIOR MANAJER Ken Santoro
KONTEN SENIOR Karoline Luciano
MANAJER OPERASIONAL Melissa Edwards
DESAINER SENIOR Kenyamanan gila
SPESIALIS MEDIA Laura Abrams
EDITOR PENELITIAN FOTO Felicia Ruocco
PEMERIKSA NASKAH Lilian Brady
JASA PRODUKSI Carol Sawyer/Norma Pembuktian
SENI PENUTUP Sempurna Christiansen
Buku ini berlatar Times New Roman STD oleh Techsetters, Inc. dan dicetak serta dijilid oleh Quad
Graphics/Versailles. Sampulnya dicetak oleh Quad Graphics/Versailles.
Buku ini dicetak di atas kertas bebas asam.
Hak Cipta 2014, 2010, 2005, 2000, 1994, 1991, 1987, 1984, 1981, 1977, 1973 oleh Anton Textbooks, Inc.
Seluruh hak cipta. Diterbitkan secara bersamaan di Kanada.
Tidak ada bagian dari publikasi ini yang boleh direproduksi, disimpan dalam sistem pengambilan atau ditransmisikan
dalam bentuk apa pun atau dengan cara apa pun, elektronik, mekanis, fotokopi, perekaman, pemindaian, atau lainnya,
kecuali sebagaimana diizinkan berdasarkan Bagian 107 atau 108 Amerika Serikat 1976 Undang-Undang Hak Cipta, tanpa
izin tertulis sebelumnya dari Penerbit, atau otorisasi melalui pembayaran biaya per salinan yang sesuai ke Copyright
Clearance Center, Inc., 222 Rosewood Drive, Danvers, MA 01923, situs web www.copyright.com. Permintaan izin kepada
Penerbit harus ditujukan ke Departemen Perizinan, John Wiley & Sons, Inc., 111 River Street, Hoboken, NJ 07030-5774,
(201) 748-6011, faks (201) 748-6008, situs web www .wiley.com/go/permissions. Upaya terbaik telah dilakukan untuk
menentukan apakah gambar matematikawan yang ditampilkan dalam teks berada dalam domain publik atau berlisensi
dengan benar. Jika Anda yakin telah terjadi kesalahan, harap hubungi Departemen Perizinan.
Salinan evaluasi diberikan kepada akademisi dan profesional yang memenuhi syarat untuk tujuan peninjauan saja, untuk
digunakan dalam kursus mereka selama tahun akademik berikutnya. Salinan ini dilisensikan dan tidak boleh dijual atau
dialihkan ke pihak ketiga. Setelah menyelesaikan periode peninjauan, harap kembalikan salinan evaluasi ke Wiley. Petunjuk
pengembalian dan label pengiriman pengembalian gratis tersedia di www.wiley.com/go/returnlabel. Di luar Amerika
Serikat, harap hubungi perwakilan setempat Anda.
Library of Congress Katalogisasi-dalam-Publikasi Data
Anton, Howard, penulis.

Aljabar linier dasar : versi aplikasi / Howard Anton, Chris Rorres. --edisi ke-11.
halaman cm
Termasuk indeks.
ISBN 978-1-118-43441-3 (kain)
1. Aljabar, Linear - Buku Teks. I. Rorres, Chris, penulis. II. Judul.
QA184.2.A58 2013
512'.5--dc23
2013033542
ISBN 978-1-118-43441-3
Versi Siap-Binder ISBN 978-1-118-47422-8
Dicetak di Amerika Serikat
10 9 8 7 6 5 4 3 2 1
TENTANG NS PENGARANG
Howard Anton memperoleh gelar BA dari Lehigh University, MA dari University of Illinois,
dan Ph.D. dari Universitas Politeknik Brooklyn, semuanya dalam matematika. Pada awal
1960-an ia bekerja untuk Burroughs Corporation dan Avco Corporation di Cape Canaveral,
Florida, di mana ia terlibat dengan program luar angkasa berawak. Pada tahun 1968 ia
bergabung dengan Departemen Matematika di Universitas Drexel, di mana ia mengajar
penuh waktu sampai tahun 1983. Sejak itu ia telah mencurahkan sebagian besar waktunya
untuk menulis buku teks dan kegiatan untuk asosiasi matematika. Dr. Anton adalah
presiden dariEPADEL Bagian dari Asosiasi Matematika Amerika (MAA), bertugas di Dewan
Gubernur organisasi itu, dan memandu pembentukan Bab Mahasiswa MAA. Selain berbagai
artikel pedagogis, ia telah menerbitkan banyak makalah penelitian dalam analisis
fungsional, teori aproksimasi, dan topologi. Dia terkenal karena buku pelajaran
matematikanya, yang paling banyak digunakan di dunia. Saat ini ada lebih dari 175 versi
bukunya, termasuk terjemahan ke dalam bahasa Spanyol, Arab, Portugis, Italia, Indonesia,
Prancis, Jepang, Cina, Ibrani, dan Jerman. Untuk relaksasi, Dr. Anton menyukai perjalanan
dan fotografi.
Chris Rorres memperoleh gelar BS dari Drexel University dan Ph.D. dari Institut
Courant Universitas New York. Dia adalah anggota fakultas Departemen
Matematika di Universitas Drexel selama lebih dari 30 tahun di mana, selain
mengajar, dia melakukan penelitian terapan di bidang teknik surya, hamburan
akustik, dinamika populasi, keandalan sistem komputer, geometri situs arkeologi,
hewan optimal kebijakan panen, dan teori keputusan. Dia pensiun dari Drexel
pada tahun 2001 sebagai Profesor Emeritus Matematika dan sekarang menjadi
konsultan matematika. Dia juga memiliki posisi penelitian di School of Veterinary
Medicine di University of Pennsylvania di mana dia melakukan pemodelan
matematika epidemi hewan. Dr. Rorres adalah pakar yang diakui dalam
kehidupan dan karya Archimedes dan telah muncul di berbagai film dokumenter
televisi tentang hal itu.
Ke:
Istri saya, Pat
Anak-anak saya, Brian, David, dan Lauren
Orang tua saya, Shirley dan Benjamin
dermawan saya, Stephen Girard (1750-1831),
yang filantropinya mengubah hidup saya
Howard Anton
Ke:
Billie
Chris Rorres
KATA PENGANTAR
Buku teks ini adalah versi yang diperluas dari Aljabar Linier Dasar, edisi kesebelas, oleh
Howard Anton. Sembilan bab pertama dari buku ini identik dengan sembilan bab pertama
dari teks itu; bab kesepuluh terdiri dari dua puluh aplikasi aljabar linier yang diambil dari
bisnis, ekonomi, teknik, fisika, ilmu komputer, teori aproksimasi, ekologi, demografi, dan
genetika. Aplikasi sebagian besar independen satu sama lain, dan masing-masing
menyertakan daftar prasyarat matematika. Dengan demikian, setiap instruktur memiliki
fleksibilitas untuk memilih aplikasi yang cocok untuk siswanya dan untuk memasukkan
setiap aplikasi di mana saja dalam kursus setelah prasyarat matematika terpenuhi. Bab 1–9
mencakup perawatan yang lebih sederhana dari beberapa aplikasi yang dibahas secara
lebih mendalam di Bab 10.
Edisi ini memberikan pengobatan pengantar aljabar linier yang cocok untuk program sarjana
pertama. Tujuannya adalah untuk menyajikan dasar-dasar aljabar linier dengan cara yang paling
jelas—pedagogi yang baik adalah pertimbangan utama. Meskipun kalkulus bukanlah prasyarat,
ada beberapa materi opsional yang ditandai dengan jelas untuk siswa dengan latar belakang
kalkulus. Jika diinginkan, materi tersebut dapat dihilangkan tanpa kehilangan kontinuitas.
Teknologi tidak diperlukan untuk menggunakan teks ini, tetapi untuk instruktur yang ingin
menggunakan MATLAB, matematika, Maple, atau kalkulator dengan kemampuan aljabar linier, kami
telah memposting beberapa materi pendukung yang dapat diakses di salah satu situs web
pendamping berikut:
www.howwardanton.com
www.wiley.com/college/anton
Ringkasan Perubahan pada Banyak bagian dari teks telah direvisi berdasarkan serangkaian ulasan yang luas. Berikut adalah
Edisi ini perubahan utama:
• Transformasi Linier Sebelumnya Transformasi linier diperkenalkan sebelumnya
(dimulai pada Bagian 1.8). Banyak set latihan, serta bagian dari Bab 4 dan 8, telah
direvisi sesuai dengan pengenalan transformasi linier sebelumnya.
• Latihan Baru Ratusan latihan baru dari semua jenis telah ditambahkan di seluruh
teks.
• Teknologi Latihan yang membutuhkan teknologi seperti MATLAB, matematika, atau Maple telah
ditambahkan dan kumpulan data pendukung telah diposting di situs web pendamping untuk
teks ini. Penggunaan teknologi tidak penting, dan latihan-latihan ini dapat dihilangkan tanpa
mempengaruhi aliran teks.
• Set Latihan Direorganisasi Banyak latihan bagian ganda telah dibagi lagi untuk menciptakan
keseimbangan yang lebih baik antara jenis latihan ganjil dan genap. Untuk menyederhanakan tugas
instruktur dalam membuat tugas, set latihan telah diatur dalam kategori yang ditentukan dengan jelas.
• Reorganisasi Selain pengenalan transformasi linier sebelumnya, Bagian 4.12 yang
lama tentang Sistem Dinamis dan Rantai Markov telah dipindahkan ke Bab 5 untuk
memasukkan materi pada nilai eigen dan vektor eigen.
• Menulis ulang Bagian 9.3 tentang Mesin Pencari Internet dari edisi sebelumnya telah ditulis
ulang untuk mencerminkan lebih akurat bagaimana algoritma Google PageRank bekerja dalam
praktek. Bagian itu sekarang menjadi Bagian 10.20 dari versi aplikasi teks ini.
• Lampiran A Ditulis Ulang Lampiran pada bukti membaca dan menulis telah diperluas dan direvisi
untuk mendukung kursus yang lebih baik yang berfokus pada pembuktian teorema.
• Materi Web Materi web tambahan sekarang mencakup berbagai modul
aplikasi, tiga modul tentang pemrograman linier, dan presentasi alternatif
determinan berdasarkan permutasi.
• Bab Aplikasi Bagian 10.2 dari edisi sebelumnya telah dipindahkan ke situs web yang
menyertai teks ini, jadi sekarang menjadi bagian dari set tiga modul di Linear
vi
Kata pengantar vii
Pemrograman. Bagian baru pada mesin pencari Internet telah ditambahkan yang menjelaskan
algoritma PageRank yang digunakan oleh Google.
Fitur Ciri • Hubungan Antar Konsep Salah satu tujuan pedagogis utama kami adalah untuk menyampaikan
kepada siswa bahwa aljabar linier adalah subjek yang kohesif dan bukan sekadar kumpulan definisi dan
teknik yang terisolasi. Salah satu cara di mana kita melakukan ini adalah dengan menggunakan
crescendo ofPernyataan Setara teorema yang terus meninjau kembali hubungan antara sistem
persamaan, matriks, determinan, vektor, transformasi linier, dan nilai eigen. Untuk memahami secara
umum bagaimana kita menggunakan teknik ini, lihat Teorema 1.5.3, 1.6.4, 2.3.8,
4.8.8, dan kemudian Teorema 5.1.5, misalnya.
• Transisi Halus ke Abstraksi Karena transisi dari Rn untuk ruang vektor umum sulit bagi banyak
siswa, usaha yang cukup dikhususkan untuk menjelaskan tujuan abstraksi dan membantu siswa
untuk "memvisualisasikan" ide-ide abstrak dengan menggambar analogi dengan ide-ide
geometris yang sudah dikenal.
• Presisi Matematika Ketika masuk akal, kami mencoba untuk menjadi tepat secara
matematis. Sesuai dengan tingkat audiens siswa, bukti disajikan dengan gaya sabar yang
disesuaikan untuk pemula.
• Kesesuaian untuk Pemirsa yang Beragam Teks ini dirancang untuk melayani kebutuhan
mahasiswa di bidang teknik, ilmu komputer, biologi, fisika, bisnis, dan ekonomi serta mereka
yang mengambil jurusan matematika.
• Catatan Sejarah Untuk memberi siswa pemahaman tentang sejarah matematika dan untuk menyampaikan
bahwa orang-orang nyata menciptakan teorema dan persamaan matematika yang mereka pelajari, kami telah
memasukkan banyak Catatan Sejarah yang menempatkan topik yang sedang dipelajari dalam perspektif
sejarah.
Tentang Latihan • Set Latihan Bertingkat Setiap latihan yang diatur dalam sembilan bab pertama dimulai dengan
masalah latihan rutin dan berlanjut ke masalah dengan lebih banyak substansi. Ini diikuti oleh tiga
kategori latihan, yang pertama berfokus pada pembuktian, kedua pada latihan benar/salah, dan ketiga
pada masalah yang membutuhkan teknologi. Kompartemenalisasi ini dirancang untuk
menyederhanakan tugas instruktur dalam memilih latihan untuk pekerjaan rumah.
• Latihan Bukti Kursus aljabar linier sangat bervariasi dalam penekanannya pada pembuktian, jadi latihan yang
melibatkan pembuktian telah dikelompokkan dan dikotak-kotakkan untuk memudahkan identifikasi. Lampiran
A telah ditulis ulang untuk memberikan siswa lebih banyak panduan dalam membuktikan teorema.
• Latihan Benar/Salah Latihan Benar/Salah dirancang untuk memeriksa pemahaman konseptual

dan penalaran logis. Untuk menghindari dugaan murni, siswa diminta untuk membenarkan
tanggapan mereka dalam beberapa cara.
• Latihan Teknologi Latihan yang membutuhkan teknologi juga telah dikelompokkan.
Untuk menghindari membebani siswa dengan keyboard, file data yang relevan telah
diposting di situs web yang menyertai teks ini.
• Latihan Tambahan Masing-masing dari sembilan bab pertama diakhiri dengan serangkaian latihan
tambahan yang mengacu pada semua topik dalam bab tersebut. Ini cenderung lebih menantang.
Bahan Tambahan • Panduan Solusi Siswa Suplemen ini memberikan solusi terperinci untuk sebagian besar latihan
untuk Siswa bernomor ganjil (ISBN 978-1-118-464427).
• File Data File data untuk latihan teknologi diposting di situs web pendamping yang
menyertai teks ini.
• MATLAB Lab Aljabar Manual dan Linier Suplemen ini berisi satu set MATLABproyek laboratorium
yang ditulis oleh Dan Seth dari West Texas A&M University. Ini dirancang untuk membantu siswa
mempelajari konsep aljabar linier kunci dengan menggunakanMATLAB dan tersedia diPDF formulir
tanpa biaya kepada siswa di sekolah yang mengadopsi edisi ke-11 teks.
• Video Satu set lengkap Daniel Solow's Cara Membaca dan Melakukan Bukti video
tersedia untuk siswa melalui WileyPLUS serta situs web pendamping yang menyertai
viii Kata pengantar
teks ini. Materi tersebut termasuk panduan untuk membantu siswa menemukan video kuliah
yang sesuai untuk bukti spesifik dalam teks.
Bahan Tambahan • Panduan Solusi Instruktur Suplemen ini memberikan solusi yang berhasil untuk sebagian
untuk Instruktur besar latihan dalam teks (ISBN 978-1-118-434482).
• Presentasi PowerPoint Slide PowerPoint disediakan yang menampilkan definisi penting,
contoh, grafik, dan teorema dalam buku. Ini juga dapat dibagikan kepada siswa sebagai
bahan ulasan atau untuk menyederhanakan pencatatan.
• Bank Uji Soal tes dan contoh ujian tersedia di PDF atau LAformulir TEX.
• WileyPLUS Lingkungan online untuk pengajaran dan pembelajaran yang efektif. WileyPLUS membangun kepercayaan
diri siswa dengan menghilangkan tebakan dari belajar dan dengan memberikan peta jalan yang jelas tentang apa yang
harus dilakukan, bagaimana melakukannya, dan apakah itu dilakukan dengan benar. Tujuannya adalah untuk
memotivasi dan mendorong inisiatif sehingga instruktur dapat memiliki dampak yang lebih besar pada pencapaian
kelas dan seterusnya.
Panduan untuk Instruktur Meskipun kursus aljabar linier sangat bervariasi dalam konten dan filsafat, sebagian besar kursus terbagi
dalam dua kategori — kursus dengan sekitar 40 kuliah dan kursus dengan sekitar 30 kuliah. Oleh karena
itu, kami telah membuat template panjang dan pendek sebagai titik awal yang mungkin untuk menyusun
garis besar kursus. Tentu saja, ini hanya panduan, dan Anda pasti ingin menyesuaikannya agar sesuai
dengan minat dan kebutuhan lokal Anda. Tak satu pun dari contoh template ini mencakup aplikasi atau
metode numerik dalam Bab 9. Template tersebut dapat ditambahkan, jika diinginkan, dan jika waktu
memungkinkan.
Template Panjang Templat Singkat
Bab 1: Sistem Persamaan Linier dan MatriksBab 2: 8 kuliah 6 kuliah
PenentuBagian 3: Ruang Vektor EuclideanBab 4: 3 kuliah 2 kuliah
Ruang Vektor UmumBab 5: Nilai Eigen dan Vektor 4 kuliah 3 kuliah
EigenBab 6: Ruang Produk DalamBab 7: 10 kuliah 9 kuliah
Diagonalisasi dan Bentuk KuadratBab 8: 3 kuliah 3 kuliah
Transformasi Linier UmumTotal: 3 kuliah 1 kuliah
4 kuliah 3 kuliah
4 kuliah 3 kuliah
39 kuliah 30 kuliah
Pengulas Orang-orang berikut meninjau rencana untuk edisi ini, mengkritik sebagian besar isinya,
dan memberi saya nasihat pedagogis yang berwawasan luas:
John Seiring, Universitas NorthwesternJiu Ding,

Universitas Mississippi SelatanEugene Don, Universitas
Kota New York di QueensJohn Gilbert, Universitas Texas
AustinDanrun Huang, Universitas Negeri St. CloudCraig
Jensen, Universitas New OrleansSteve Kahan, Universitas
Kota New York di QueensHarihar Khanal, Universitas
Aeronautika Embry-RiddleFirooz Khosraviyani, Universitas
Internasional A&M Texas
Y.George Lai, Universitas Wilfred Laurier

Hukum Kouok, Universitas Perimeter Georgia
Mark MacLean, Universitas Seattle
Kata pengantar ix
Vasileios Maroulas, Universitas Tennessee, Knoxville

Daniel Reynolds, Universitas Metodis SelatanQin Sheng,
Universitas BaylorLaura Smithies, Universitas Negeri
KentLarry Susanka, Universitas BellevueNada Cristina,
Universitas LouisvilleYvonne Yaz, Sekolah Teknik
MilwaukeeRuhan Zhao, Universitas Negeri New York di
Brockport
Kontribusi Latihan Terima kasih khusus ditujukan kepada tiga orang berbakat yang mengerjakan berbagai aspek
latihan:
Przemyslaw Bogacki, Universitas Dominion Lama - yang memecahkan latihan dan

membuat manual solusi.
Roger Lipsett, Universitas Brandeis - yang mengoreksi naskah dan solusi latihan
untuk akurasi matematika.
Daniel Solow, CaseWesternReserveUniversity - penulis “Bagaimana Membaca dan Melakukan Bukti,” untuk
menyediakan video tentang teknik pembuktian dan kunci untuk menggunakan video tersebut dalam koordinasi
dengan teks ini.
Sky Pelletier Waterpeace - yang mengkritik latihan teknologi, menyarankan perbaikan, dan
menyediakan kumpulan data.
Kontribusi Khusus Saya juga ingin menyampaikan penghargaan saya yang mendalam kepada orang-orang berikut yang bekerja
dengan saya setiap hari:
Anton Kaulu - yang bekerja erat dengan saya di setiap tahap proyek dan membantu menulis beberapa
materi teks dan latihan baru. Pada banyak kesempatan saya membutuhkan nasihat matematika atau
pedagogis, dia adalah orang yang saya tuju. Saya tidak bisa cukup berterima kasih padanya atas
bimbingannya dan banyak kontribusi yang telah dia buat untuk edisi ini.
David Dietz - editor saya, atas kesabaran, penilaian yang baik, dan dedikasinya untuk menghasilkan buku yang
berkualitas.
Anne Scanlan-Rohrer - dari Editorial Dua Burung Gagak, yang mengoordinasikan seluruh proyek
dan menyatukan semua bagian.
Jacqueline Sinacori - yang mengelola banyak aspek konten dan selalu ada untuk menjawab
pertanyaan saya yang sering tidak jelas.
Carol Sawyer - dari Bukti Sempurna, yang mengelola banyak sekali detail dalam proses
produksi dan membantu mengoreksi.
Kenyamanan gila - dengan siapa saya telah bekerja selama bertahun-tahun dan yang selera desainnya yang
elegan tampak jelas di halaman-halaman buku ini.
Lilian Brady - copy editor saya selama hampir 25 tahun. Saya merasa beruntung telah menjadi penerima
manfaat dari pengetahuannya yang luar biasa tentang tipografi, gaya bahasa, tata bahasa, dan matematika.
Pat Anton - dari Anton Textbooks, Inc., yang membantu dengan tugas-tugas duniawi menduplikasi, pengiriman,
pemeriksaan akurasi, dan tugas-tugas yang terlalu banyak untuk disebutkan.
John Rogosich - dari Techsetter, Inc., yang memprogram desain, mengatur komposisi, dan
menyelesaikan banyak masalah teknis yang sulit.
Brian Haughwout - dari Techsetter, Inc., untuk karyanya yang cermat dan akurat pada
ilustrasi.
Josh Elkan - untuk memberikan bantuan yang berharga dalam pemeriksaan akurasi.
Howard Anton
Chris Rorres
ISI
BAB 1 Sistem Persamaan Linier dan Matriks 1
1.1 Pengenalan Sistem Persamaan Linier 2

1.2 Eliminasi Gaussian 11
1.3 Operasi Matriks dan Matriks 25
1.4 Invers; Sifat Aljabar Matriks39
1.5 Matriks Dasar dan Metode untuk Menemukan A1 52
1.6 Lebih Lanjut tentang Sistem Linier dan Matriks Invertible 61
1.7 Matriks Diagonal, Segitiga, dan Simetris 67
1.8 Transformasi Matriks 75
1.9 Aplikasi Sistem Linier 84
• Analisis Jaringan (Arus Lalu Lintas) 84
• Rangkaian listrik 86
• Menyeimbangkan Persamaan Kimia 88
• Interpolasi Polinomial 91
1.10 Aplikasi: Model Input-Output Leontief 96
BAB 2 Penentu 105
2.1 Determinan dengan Ekspansi Kofaktor 105

2.2 Mengevaluasi Determinan dengan Reduksi Baris 113
2.3 Sifat Determinan; Aturan Cramer 118
BAB 3 Ruang Vektor Euclidean 131

3.1 Vektor dalam 2-Ruang, 3-Spasi, dan n-Ruang angkasa 131
3.2 Norma, Hasil Kali Titik, dan Jarak dalam Rn 142
3.3 Ortogonalitas 155
3.4 Geometri Sistem Linier 164
3.5 Lintas Produk 172
BAB 4 Ruang Vektor Umum 183
4.1 Ruang Vektor Nyata 183

4.2 Subruang 191
4.3 Kemerdekaan Linier 202
4.4 Koordinat dan Basis 212
4.5 Dimensi 221
4.6 Perubahan Basis 229
4.7 Ruang Baris, Ruang Kolom, dan Ruang Kosong 237
4.8 Peringkat, Nullity, dan Ruang Matriks Fundamental 248
4.9 Transformasi Matriks Dasar dalam R2 dan R3 259
4.10 Sifat Transformasi Matriks 270
4.11 Aplikasi: Geometri Operator Matriks aktif R2 280
x
Isi xi
BAB 5 Nilai Eigen dan Vektor Eigen 291

5.1 Nilai Eigen dan Vektor Eigen 291
5.2 Diagonalisasi 302
5.3 Ruang Vektor Kompleks 313
5.4 Aplikasi: Persamaan Diferensial 326
5.5 Aplikasi: Sistem Dinamis dan Rantai Markov 332
BAB 6 Ruang Produk Dalam 345

6.1 Produk Dalam 345
6.2 Sudut dan Ortogonalitas dalam Ruang Produk Dalam 355
6.3 Proses Gram-Schmidt; QR-Penguraian 364
6.4 Perkiraan Terbaik; kuadrat terkecil378
6.5 Aplikasi: Pemodelan Matematika Menggunakan Kuadrat Terkecil 387
6.6 Aplikasi: Pendekatan Fungsi; Seri Fourier394
BAB 7 Diagonalisasi dan Bentuk Kuadrat 401

7.1 Matriks Ortogonal 401
7.2 Diagonalisasi Ortogonal 409
7.3 Bentuk Kuadrat 417
7.4 Optimasi Menggunakan Bentuk Kuadrat 429
7.5 Matriks Hermitian, Kesatuan, dan Normal 437
BAB 8 Transformasi Linier Umum 447

8.1 Transformasi Linier Umum 447
8.2 Komposisi dan Transformasi Terbalik 458
8.3 Isomorfisme 466
8.4 Matriks untuk Transformasi Linier Umum 472
8.5 Kesamaan 481
BAB 9 Metode Numerik 491
9.1 LU-Penguraian 491

9.2 Metode Daya 501
9.3 Perbandingan Prosedur untuk Memecahkan Sistem Linier 509
9.4 Dekomposisi Nilai Singular 514
9.5 Aplikasi: Kompresi Data Menggunakan Dekomposisi Nilai Singular 521
BAB 10 Aplikasi Aljabar Linier 527

10.1 Membangun Kurva dan Permukaan Melalui Titik Tertentu 528
10.2 Aplikasi Awal Aljabar Linier 533
10.3 Interpolasi Spline Kubik 540
xii Isi
10.4 Rantai Markov 551

10.5 Teori Grafik 561
10.6 Game Strategi 570
10.7 Model Ekonomi Leontief 579
10.8 Pengelolaan Hutan 588
10.9 Grafik Komputer 595
10.10 Distribusi Suhu Kesetimbangan 603
10.11 Computed Tomography 613
10.12 Fraktal 624
10.13 Kekacauan 639
10.14 Kriptografi 652
10.15 Genetika 663
10.16 Pertumbuhan Populasi Spesifik Usia 673
10.17 Pemanenan Populasi Hewan 683
10.18 Model Kuadrat Terkecil untuk Pendengaran Manusia 691
10.19 Warp dan Morf 697
10.20 Mesin Pencari Internet 706
LAMPIRAN A Bekerja dengan Bukti A1
LAMPIRANB Bilangan Kompleks A5
Jawaban untuk Latihan A13

Indeks I1
BAB 1
Sistem Linear
Persamaan dan Matriks
BAB ISI 1.1 Pengantar Sistem Persamaan Linier 2Eliminasi Gauss 11
1.2 Operasi Matriks dan Matriks 25Invers; Sifat Aljabar
1.3 Matriks39Matriks Dasar dan Metode untuk Menemukan
1.4 A1
1.5 52
1.6 Lebih lanjut tentang Sistem Linier dan Matriks 61
1.7 Invertible Transformasi Matriks Diagonal, Segitiga, 67
1.8 dan Simetris 75Aplikasi Sistem Linier
1.9 84
• Analisis Jaringan (Arus Lalu Lintas) 84
• Sirkuit Listrik 86
• Menyeimbangkan Persamaan Kimia 88
• Interpolasi Polinomial 91
1.10 Model Input-Output Leontief 96
PENGANTAR Informasi dalam sains, bisnis, dan matematika sering disusun menjadi baris-baris dan
kolom untuk membentuk array persegi panjang yang disebut "matriks" (jamak dari "matriks"). Matriks
sering muncul sebagai tabel data numerik yang muncul dari pengamatan fisik, tetapi juga muncul dalam
berbagai konteks matematika. Misalnya, kita akan melihat dalam bab ini bahwa semua informasi yang
diperlukan untuk menyelesaikan sistem persamaan seperti
5x + kamu = 3
2x - kamu = 4
diwujudkan dalam matriks

[ ]
5 1 3
2 - 1 4
dan bahwa solusi sistem dapat diperoleh dengan melakukan operasi yang sesuai pada
matriks ini. Hal ini sangat penting dalam mengembangkan program komputer untuk
memecahkan sistem persamaan karena komputer sangat cocok untuk memanipulasi
susunan informasi numerik. Namun, matriks tidak hanya alat notasi untuk memecahkan
sistem persamaan; mereka dapat dilihat sebagai objek matematika dalam hak mereka
sendiri, dan ada teori yang kaya dan penting yang terkait dengan mereka yang memiliki
banyak aplikasi praktis. Ini adalah studi tentang matriks dan topik terkait yang
membentuk bidang matematika yang kita sebut "aljabar linier." Dalam bab ini kita akan
mulai mempelajari matriks.
1
2 Bab 1 Sistem Persamaan Linier dan Matriks
1.1 Pengantar Sistem Persamaan Linier

Sistem persamaan linier dan solusinya merupakan salah satu topik utama yang akan kita pelajari dalam kursus
ini. Pada bagian pertama ini kami akan memperkenalkan beberapa terminologi dasar dan mendiskusikan
metode untuk memecahkan sistem tersebut.
Persamaan linear Ingat bahwa dalam dua dimensi garis dalam persegi panjang xy-sistem koordinat dapat
direpresentasikan dengan persamaan bentuk
kapak + oleh = taksi tidak keduanya 0)
dan dalam tiga dimensi sebuah pesawat dalam persegi panjang xyz-sistem koordinat dapat
direpresentasikan dengan persamaan bentuk
kapak + oleh + cz = d (a, b, c tidak semua 0)
Ini adalah contoh "persamaan linier", yang pertama adalah persamaan linier dalam variabelx dan kamu
dan yang kedua persamaan linier dalam variabel x, kamu, dan z. Secara lebih umum, kita mendefinisikan
persamaan linier dalam n variabel x1, x2, . . . , xn menjadi salah satu yang dapat dinyatakan dalam
bentuk
A1x1 + A2x2 + · · · + Anxn = B (1)
di mana A1, A2, . . . , An dan B adalah konstanta, dan A's tidak semuanya nol. Dalam kasus khusus di mana
n = 2 atau n = 3, kita akan sering menggunakan variabel tanpa subskrip dan menulis persamaan linier
sebagai
A1x + A2kamu = b (a1, A2 tidak keduanya 0) A1x + A2 (2)

kamu + A3z = b (a1, A2, A3 tidak semua 0) (3)
Dalam kasus khusus di mana B = 0, Persamaan (1) memiliki bentuk
A1x1 + A2x2 + · · · + Anxn = 0 (4)
yang disebut persamaan linear homogen dalam variabel x1, x2, . . . , xn.
CONTOH 1 Persamaan linear

Perhatikan bahwa persamaan linier tidak melibatkan produk atau akar variabel apa pun. Semua
variabel hanya muncul pada pangkat pertama dan tidak muncul, misalnya, sebagai argumen
fungsi trigonometri, logaritmik, atau eksponensial. Berikut ini adalah persamaan linear:
x + 3kamu = 7 x1 2x2 3x 3 + x 4 = 0x1 + x2

1x
2
- kamu + 3z =1 + · · · + xn = 1
Berikut ini bukan persamaan linear:
x + 3kamu2 = 4 3x + 2kamu - xy = 5
√
dosa x + kamu = 0 x1 + 2x 2 + x 3 = 1
Himpunan persamaan linear berhingga disebut a sistem persamaan linear atau, lebih singkatnya, a
sistem linier. Variabel tersebut disebuttidak diketahui. Misalnya, sistem (5) yang mengikuti tidak
diketahuix dan kamu, dan sistem (6) tidak diketahui x1, x2, dan x3.
5x + kamu = 3 4x1 - x2 + 3x3 = 13x1 +

(5–6)
2x - kamu = 4 x2 + 9x 3 = 4
Sistem linier umum dari M persamaan dalam n tidak diketahui x1, x2, . . . , xn dapat ditulissebagai
Subskrip ganda pada koefisien Aaku
j dari yang tidak diketahui
A11x1 + A12x2 + · · · + A1nxn = B1
memberikan lokasinya dalam
A21x1 + A22x2 + · · · + A2nxn = B2
sistem — subskrip pertama
. . . (7)
menunjukkan persamaan di mana .. .. ... ..
koefisien terjadi, dan yang kedua AM1x1 + AM2x2 + · · · + AM Nxn = BM
menunjukkan yang tidak diketahui
A larutan dari sistem linier dalam n tidak diketahui x1, x2, . . . , xn adalah urutan dari n angka
yang dikalikan. Dengan demikian,A
12 ada di persamaan pertama dan
S1, S2, . . . , Sn yang substitusinya
dikalikan x2.
x1 = S1, x2 = S2, . . . , xn = Sn
membuat setiap persamaan menjadi pernyataan yang benar. Misalnya, sistem pada (5) memiliki solusi
x = 1, kamu =2
dan sistem di (6) memiliki solusi
x1 = 1, x2 = 2, x3 = 1
Solusi ini dapat ditulis lebih ringkas sebagai
(1, -2) dan (1, 2, -1)

di mana nama-nama variabel dihilangkan. Notasi ini memungkinkan kita untuk menafsirkan
solusi ini secara geometris sebagai titik dalam ruang dua dimensi dan tiga dimensi. Lebih
umum, solusi
x1 = S1, x2 = S2, . . . , xn = Sn
dari sistem linier dalam n yang tidak diketahui dapat ditulis sebagai
(S1, S2, . . . , Sn)
yang disebut memesan n-tupel. Dengan notasi ini dipahami bahwa semua variabel muncul dalam
urutan yang sama di setiap persamaan. Jikan = 2, maka n-tupel disebut an pasangan yang dipesan, dan
jika n = 3, maka disebut memesan tiga kali lipat.
Sistem Linier dalamDua dan Sistem linier dalam dua yang tidak diketahui muncul sehubungan dengan perpotongan garis.
Tiga Tidak Diketahui Sebagai contoh, perhatikan sistem linier
A1x + B1kamu = C1A

2 x + B2kamu = C2
di mana grafik persamaan adalah garis di xy-pesawat. Setiap solusi(x, y) dari sistem ini
sesuai dengan titik perpotongan garis, sehingga ada tiga kemungkinan (Gambar 1.1.1):
1. Garis mungkin sejajar dan berbeda, dalam hal ini tidak ada persimpangan dan
akibatnya tidak ada solusi.
2. Garis dapat berpotongan hanya pada satu titik, dalam hal ini sistem memiliki tepat satu
solusi.
3. Garis mungkin bertepatan, dalam hal ini ada banyak titik persimpangan (titik
pada garis yang sama) dan akibatnya banyak solusi.
Secara umum, kita mengatakan bahwa sistem linier adalah konsisten jika memiliki setidaknya satu solusi dan
tidak konsisten jika tidak memiliki solusi. Jadi,konsisten sistem linear dua persamaan dalam
kamu kamu kamu
x x x
Tidak ada solusi Satu solusi Banyak sekali

solusi
(garis kebetulan)
Gambar 1.1.1
dua yang tidak diketahui memiliki satu solusi atau banyak solusi—tidak ada kemungkinan
lain. Hal yang sama berlaku untuk sistem linier tiga persamaan dalam tiga tidak diketahui
A1x + B1kamu + C1z = D1A

2x + B2kamu + C2z = D2A3
x + B3kamu + C3z = D3
di mana grafik persamaan adalah bidang. Solusi sistem, jika ada, sesuai dengan titik di mana
ketiga bidang berpotongan, jadi sekali lagi kita melihat bahwa hanya ada tiga kemungkinan
—tidak ada solusi, satu solusi, atau banyak solusi tak terhingga (Gambar 1.1.2).
Tidak ada solusi Tidak ada solusi Tidak ada solusi Tidak ada solusi
(tiga bidang paralel; tidak (dua bidang paralel; (tidak ada persimpangan umum) (dua pesawat kebetulan
ada persimpangan umum) tidak ada persimpangan umum) sejajar dengan yang ketiga;
tidak ada persimpangan umum)
Satu solusi Banyak solusi tak terhingga Tak terhingga banyak solusi Banyak solusi tak terhingga
(persimpangan adalah titik) (persimpangan adalah garis) (pesawat semuanya bertepatan; (dua bidang bertepatan;
persimpangan adalah pesawat) persimpangan adalah garis)
Gambar 1.1.2
Kami akan membuktikan nanti bahwa pengamatan kami tentang jumlah solusi sistem linier dari dua
persamaan dalam dua tidak diketahui dan sistem linier dari tiga persamaan dalam tiga tidak diketahui
benar-benar berlaku untuk semua sistem linier. Itu adalah:
Setiap sistem persamaan linear memiliki nol, satu, atau banyak solusi. Tidak ada
kemungkinan lain.
CONTOH 2 Sistem Linier dengan Satu Solusi

Selesaikan sistem linier
x - kamu = 1
2x + kamu = 6
Larutan Kita bisa menghilangkan x dari persamaan kedua dengan menambahkan 2 kali persamaan pertama ke
persamaan kedua. Ini menghasilkan sistem yang disederhanakan
x - kamu = 1
3kamu = 4
Dari persamaan kedua kita peroleh kamu = 4 , dan dengan mensubstitusi nilai ini dalam persamaan
3
pertama kita peroleh x = 1 + kamu = 7 . Dengan demikian, sistem memiliki solusi unik
3
x = 7 ,3 kamu = 4
3
Secara geometris, ini berarti t(hat)e garis yang diwakili oleh persamaan dalam sistem berpotongan di
satu titik 7 , 4 . Kami menyerahkannya kepada Anda untuk memeriksanya dengan membuat grafik garis.
33
CONTOH 3 Sistem Linier Tanpa Solusi

x + kamu = 4
3x + 3kamu = 6
Larutan Kita bisa menghilangkan x dari persamaan kedua dengan menambahkan 3 kali persamaan
pertama ke persamaan kedua. Ini menghasilkan sistem yang disederhanakan
x + kamu = 4
0=6
Persamaan kedua kontradiktif, sehingga sistem yang diberikan tidak memiliki solusi. Secara geometris, ini berarti bahwa
garis-garis yang bersesuaian dengan persamaan-persamaan dalam sistem asalnya sejajar dan berbeda. Kami serahkan
kepada Anda untuk memeriksanya dengan membuat grafik garis atau dengan menunjukkan bahwa mereka memiliki
kemiringan yang sama tetapi berbedakamu-intersep.
CONTOH 4 Sistem Linier dengan Banyak Solusi

4x - 2kamu = 1
16x - 8kamu = 4
Larutan Kita bisa menghilangkan x dari persamaan kedua dengan menambahkan 4 kali persamaan pertama ke
persamaan kedua. Ini menghasilkan sistem yang disederhanakan
4x - 2kamu = 1
0=0
Persamaan kedua tidak memaksakan pembatasan apapun pada x dan kamu dan karenanya dapat
dihilangkan. Jadi, solusi dari sistem adalah nilai-nilai darix dan kamu yang memenuhi persamaan
tunggal
4x - 2kamu = 1 (8)
Secara geometris, ini berarti garis-garis yang bersesuaian dengan dua persamaan dalam sistem aslinya berhimpitan. Salah
satu cara untuk menggambarkan himpunan solusi adalah dengan menyelesaikan persamaan ini untukx istilah dari kamu
untuk memperoleh x = 1 + 1 kamu dan kemudian tetapkan nilai arbitrer T (disebut sebagai parameter)
4 2
ke kamu. Hal ini memungkinkan kita untuk mengekspresikan solusi dengan pasangan persamaan (disebutpersamaan
Dalam Contoh 4 kita juga dapat
parametrik)
memperoleh persamaan parametrik
untuk solusi dengan menyelesaikan
x = 1 +4 1 t, 2kamu = T
(8) untuk kamu istilah dari x dan Kita dapat memperoleh solusi numerik spesifik dari persamaan ini dengan substitusi(menggunakan)
membiarkan x = T menjadi . Sebagai
(param eter Tsolusi
angka-nilai ical untuk menghasilkan contoh, T = 0 hasilkan solusi 1, 0 , T = 1
) 4
parameternya. Persamaan parametrik 3,
4
1 , dan T =1 menghasilkan solusi - 41 , 1 . Anda dapat mengkonfirmasi
yang dihasilkan akan terlihat berbeda bahwa ini adalah solusi dengan mensubstitusi koordinat mereka ke dalam persamaan yang diberikan.
tetapi akan menentukan himpunan
solusi yang sama.
CONTOH 5 Sistem Linier dengan Banyak Solusi

x - kamu + 2z = 5
2x - 2kamu + 4z = 10 3
x - 3kamu + 6z = 15
Larutan Sistem ini dapat diselesaikan dengan inspeksi, karena persamaan kedua dan ketiga adalah
kelipatan dari persamaan pertama. Secara geometris, ini berarti bahwa ketiga bidang tersebut
bertepatan dan bahwa nilai-nilaix, kamu, dan z yang memenuhi persamaan
x - kamu + 2z = 5 (9)
memenuhi ketiga persamaan secara otomatis. Dengan demikian, cukuplah untuk mencari solusi dari (9). Kita
dapat melakukan ini dengan terlebih dahulu menyelesaikan persamaan ini untukx istilah dari kamu dan z, lalu
menetapkan nilai arbitrer R dan S (parameter) ke dua variabel ini, dan kemudian mengekspresikan solusinya
dengan tiga persamaan parametrik
x = 5 + R - 2s, kamu = r, z = S
Solusi spesifik dapat diperoleh dengan memilih nilai numerik untuk parameter Rdan S.
Misalnya, mengambilR = 1 dan S = 0 menghasilkan solusi (6, 1, 0).
Matriks yang Diperbesar dan Karena jumlah persamaan dan yang tidak diketahui dalam sistem linier meningkat,
Operasi Baris Dasar demikian juga kompleksitas aljabar yang terlibat dalam menemukan solusi. Perhitungan
yang diperlukan dapat dibuat lebih mudah dikelola dengan menyederhanakan notasi dan
prosedur standarisasi. Misalnya, dengan secara mental melacak lokasi +, tombolx's, dan ='s
dalam sistem linier
A11x1 + A12x2 + · · · + A1nxn = B1
A21x1 + A22x2 + · · · + A2nxn = B2
... ... ... ...
AM1x1 + AM2x2 + · · · + AM Nxn = BM
kita dapat menyingkat sistem dengan hanya menulis array angka persegi panjang
⎡ ⎤
A11 A12 · · · A1n B1
⎢ ⎥
⎢A 21 A22 · · · A2n B2 ⎥
⎢ ⎥
Seperti disebutkan dalam pengantar ⎣ ... ... ... ... ⎦
bab ini, istilah "matriks" digunakan
dalam matematika untuk
AM1 AM2 · · · AM N BM
menunjukkan susunan bilangan Ini disebut matriks yang diperbesar untuk sistem. Misalnya, matriks yang diperbesar untuk
persegi panjang. Pada bagian sistem persamaan
selanjutnya kita akan mempelajari ⎡ ⎤
matriks secara rinci, tetapi untuk saat x1 + x2 + 2x3 = 9 2x1 1 1 2 9
⎢ ⎥
ini kita hanya akan membahas matriks + 4x 2 3x3 = 1 3x1 + 6x adalah ⎣2 4 - 3 1⎦
yang diperbesar untuk sistem linier.
x
25 3= 0 3 6 - 5 0
Metode dasar untuk menyelesaikan sistem linier adalah dengan melakukan operasi aljabar
pada sistem yang tidak mengubah himpunan solusi dan yang menghasilkan suksesi sistem yang
semakin sederhana, hingga tercapai suatu titik di mana dapat dipastikan apakah sistem tersebut
konsisten, dan jika demikian, apa solusi nya. Biasanya, operasi aljabar adalah:
1. Kalikan persamaan melalui konstanta bukan nol.
2. Tukarkan dua persamaan.
3. Tambahkan konstanta kali satu persamaan ke yang lain.
Karena baris (garis horizontal) dari matriks yang diperbesar sesuai dengan persamaan
dalam sistem terkait, ketiga operasi ini sesuai dengan operasi berikut pada baris
matriks yang diperbesar:
1. Kalikan baris dengan konstanta bukan nol.
2. Pertukaran dua baris.
3. Tambahkan waktu konstan satu baris ke baris lainnya.
Ini disebut operasi baris elementer pada sebuah matriks.

Dalam contoh berikut, kita akan mengilustrasikan bagaimana menggunakan operasi baris elementer dan
matriks yang diperbesar untuk menyelesaikan sistem linier dalam tiga variabel yang tidak diketahui. Karena
prosedur sistematis untuk menyelesaikan sistem linier akan dikembangkan pada bagian berikutnya, jangan
khawatir tentang bagaimana langkah-langkah dalam contoh dipilih. Tujuan Anda di sini seharusnya hanya untuk
memahami perhitungan.
CONTOH 6 Menggunakan Operasi Baris Dasar

Di kolom kiri kita menyelesaikan sistem persamaan linier dengan mengoperasikan persamaan dalam
sistem, dan di kolom kanan kita menyelesaikan sistem yang sama dengan mengoperasikan baris matriks
yang diperbesar.
⎡ ⎤
x + kamu + 2z = 9 1 1 2 9
⎢ ⎥
2x + 4kamu - 3z = 1 ⎣2 4 - 3 1⎦
3x + 6kamu - 5z = 0 3 6 - 5 0
Tambahkan 2 kali persamaan pertama ke persamaan kedua untuk Tambahkan 2 kali baris pertama ke baris kedua untuk
mendapatkan mendapatkan
⎡ ⎤
x + kamu + 2z = 9 1 1 2 9
⎢ ⎥
2kamu - 7z =17 3 ⎣0 2 - 7 - 17⎦
x + 6kamu - 5z = 0 3 6 - 5 0
Catatan Sejarah Penggunaan matriks augmented pertama yang diketahui

muncul antara 200 SM dan 100 SM dalam manuskrip Cina berjudul Sembilan Bab
Seni Matematika. Koefisien-koefisien tersebut disusun dalam kolom-kolom
daripada dalam baris-baris, seperti sekarang ini, tetapi secara luar biasa sistem
ini diselesaikan dengan melakukan serangkaian operasi pada kolom-kolom.
Penggunaan sebenarnya dari istilahmatriks yang diperbesar tampaknya telah
diperkenalkan oleh ahli matematika Amerika Maxime Bôcher dalam bukunya
Pengantar Aljabar Tinggi, diterbitkan pada tahun 1907. Selain menjadi ahli
matematika penelitian yang luar biasa dan ahli dalam bahasa Latin, kimia,
filsafat, zoologi, geografi, meteorologi, seni, dan musik, Bôcher adalah seorang
ekspositor matematika yang luar biasa yang buku-buku pelajaran dasarnya
sangat dihargai oleh siswa dan masih diminati hingga saat ini.
Maxime Bcher
(1867–1918) [Gambar: Courtesy of American Mathematical Society
www.ams.org]
Tambahkan 3 kali persamaan pertama ke persamaan ketiga untuk Tambahkan−3 kali baris pertama ke baris ketiga untuk mendapatkan
mendapatkan
⎡ ⎤
x + kamu + 2z = 9 1 1 2 9
⎢ ⎥
2kamu - 7z =17 ⎣0 2 - 7 - 17⎦
3kamu - 11z =27 0 3 - 11 - 27
Kalikan persamaan kedua dengan 1 untuk memperoleh Kalikan baris kedua dengan 1 untuk memperoleh
2 2
⎡ ⎤
x + kamu + 2z = 9 1 1 2 9
⎢ 17⎥7
kamu - 7
2
z =17 2 ⎣0 1 -
- 2⎦ 2
3kamu - 11z =27 0 3 - 11 - 27
Tambahkan 3 kali persamaan kedua ke persamaan ketiga untuk Tambahkan 3 kali baris kedua ke baris ketiga untuk
⎡ ⎤
x + kamu + 2z = 9 1 1 2 9
⎢ ⎥
kamu2 - 7 z =172 ⎢ 1 - 7
- 17⎥
⎣0 2 2⎦
1 3
- 1
2
z= - 3
2
0 0 - 2
- 2
Kalikan persamaan ketiga dengan 2 untuk mendapatkan Kalikan baris ketiga dengan 2 untuk mendapatkan
⎡ ⎤
x + kamu + 2z = 9 1 1 2 9
⎢ 7 17 ⎥
kamu2 - 7 z =172 ⎣ 0 1 - 2
- 2⎦
z= 3 0 0 1 3
Tambahkan 1 kali persamaan kedua ke persamaan pertama untuk Tambahkan 1 kali baris kedua ke baris pertama untuk
⎡ ⎤
11 35
x + 11 z= 35
1 0
2 2
⎢ 2
2⎥
kamu2 - 7 z =172 ⎢ 1 - 7
- 17⎥
⎣0 2 2⎦
z= 3 0 0 1 3
Tambahkan11 kalikan persamaan ketiga dengan persamaan pertama Tambahkan 11 kali baris ketiga ke baris pertama dan 7
Solusi dalam contoh ini juga dapat 2 2 2
dan 7 kalikan persamaan ketiga ke persamaan kedua untuk kalikan baris ketiga ke baris kedua untuk mendapatkan
dinyatakan sebagai rangkap tiga (1, 2
2, 3) dengan pengertian bahwa mendapatkan ⎡ ⎤
x =1 1 0 0 1
bilangan-bilangan pada rangkap
⎢ ⎥
tiga itu sama urutannya dengan kamu= 2 ⎣0 1 0 2⎦
variabel-variabel dalam sistem, z=3 0 0 1 3
yaitu, x, y, z.
Solusinya x = 1, kamu = 2, z = 3 sekarang jelas.
Set Latihan 1.1

1. Pada setiap bagian, tentukan apakah persamaan tersebut linier dalam x1 2. Pada setiap bagian, tentukan apakah persamaan tersebut linier dalam xdan
,x2, dan x3. kamu.
√ √ √
(A) x1 + 5x2 2 x3 = 1 (B) x1 + 3x2 + x1x3 = 2 (a) 21/3x + 3kamu = 1 (b) 2x1/3 + 3 kamu = 1
()
(C) x1 = 7x2 + 3x3 (D) x21 + x2 + 8x3 = 5 (c) cos π x - 4kamu = log 3 (D) π karena x - 4kamu = 0
7 7
√
(e) x31/5- 2x2 + x3 = 4 (F ) πx1 2 x2 = 71/3 (e) xy = 1 (F ) kamu + 7 = x
1.1 Pengantar Sistem Persamaan Linier 9
( ) ( )
3. Dengan menggunakan notasi Rumus (7), tuliskan sistem linier (A) 5 , 787, 1 (B) 5 ,787, 0 (C) (5, 8, 1)
umum dari ( ) ( )
(a) dua persamaan dalam dua yang tidak diketahui.
(D) 5 ,710 ,72 7
(e) 5
7
, 227 , 2
(b) tiga persamaan dalam tiga yang tidak diketahui. 11. Di setiap bagian, selesaikan sistem linier, jika mungkin, dan
(c) dua persamaan dalam empat yang tidak diketahui.
gunakan hasilnya untuk menentukan apakah garis yang diwakili
oleh persamaan dalam sistem memiliki titik potong nol, satu, atau
4. Tuliskan matriks yang diperbesar untuk masing-masing sistem tak terhingga. Jika ada satu titik perpotongan, berikan
linier dalam Latihan 3. koordinatnya, dan jika jumlahnya tak terhingga, temukan
Di setiap bagian Latihan 5–6, carilah sistem linier di un- persamaan parametriknya.
diketahui x1, x2, x3, . . . ,yang sesuai dengan matriks augmented yang
(a) 3x - 2kamu = 4 6 (b) 2x - 4kamu = 1 4 (C) x - 2kamu = 0
diberikan.
x - 4kamu = 9 x - 8kamu = 2 x - 4kamu = 8
⎡ ⎤ ⎡ ⎤
2 0 0 3 0 - 2 5
⎢ ⎥ ⎢ ⎥ 12. Dalam kondisi apa pada A dan B akankah sistem linier
5. (A) ⎣3 - 4 0⎦ (B) ⎣7 1 4 - 3⎦ berikut tidak memiliki solusi, satu solusi, banyak solusi?
0 1 1 0 - 2 1 7
[ ] 2x - 3kamu = A
0 3111 4x - 6kamu = B
6. (A)
5 20 - 3 - 6 Di setiap bagian Latihan 13–14, gunakan persamaan parametrik untuk
⎡ ⎤
3 0 1 - 4 3 jelaskan himpunan penyelesaian persamaan linear tersebut!
⎢ 0 4 1 - 3⎥⎥
⎢-4 13. (a) 7x - 5kamu = 3
(B) ⎢ ⎥
⎣-1 3 0 - 2 - 9⎦ (b) 3x1 5x2 + 4x3 = 7
0 0 0 - 1 - 2
(c) 8x1 + 2x2 5x3 + 6x4 = 1
Di setiap bagian Latihan 7-8, cari matriks yang diperbesar untuk (d) 3v - 8w + 2x - kamu + 4z = 0
sistem linier.
14. (A) x + 10kamu = 2
7. (a) 2x1 =3x1 6 (b) 6x1 - x2 + 3x3 = 4
= 8 5x 2 - x3 = 1 (B) x1 + 3x2 12x3 = 3
9x1 = 3 (c) 4x1 + 2x2 + 3x3 + x4 = 20
(C) 2x2 - 3x4 + x5 = 0 (D) v + w + x - 5kamu + 7z = 0
- 3x1 - x 2 + x 3 =1
Dalam Latihan 15–16, setiap sistem linier memiliki tak terhingga banyak
6x1 + 2x2 - x3 + 2x4 3x5 = 6
solusi. Gunakan persamaan parametrik untuk menggambarkan himpunan penyelesaiannya.
8. (a) 3x1 2x2 = 14x1 + 5 (b) 2x1 + 2x3 = 1 15. (a) 2x - 3kamu = 1 6
x2 = 3 3x1 - x2 + 4x3 = 7 6x1 x - 9kamu = 3
7x1 + 3x2 = 2 + x 2 - x3 = 0
(B) x1 + 3x2 - x3 = 43x1 + 9x2 3
(C) x1 =1 x3 = 12
x2 =2 - x1 3x2 + x3 = 4
x3 =3
9. Di setiap bagian, tentukan apakah 3-tupel yang diberikan adalah solusi 16. (a) 6x1 + 2x2 = 83x1 + (b) 2x - kamu + 2z =4 6x -
dari sistem linier x2 = 4 3kamu + 6z =12
2x1 4x2 - x3 = 1 - 4x + 2kamu - 4z = 8
x 1 3 x2 + x3 = 1 Dalam Latihan 17–18, carilah satu operasi baris elementer yang
3x1 5x2 3x3 = 1 akan membuat 1 di sudut kiri atas dari matriks augmented yang diberikan dan
tidak akan membuat pecahan apa pun di baris pertamanya.
(A) (3, 1, 1) (B) (3, -1, 1) (C) (13, 5, 2)
( ) ⎡ ⎤ ⎡ ⎤
(D) 13 ,2 5 , 22 (e) (17, 7, 5) - 3 - 1 2 4 0 - 1 - 5 0
17. (A) ⎣ 2 - 3 3 2⎦ (B) ⎣2 - 9 3 2⎦
10. Di setiap bagian, tentukan apakah 3-tupel yang diberikan adalah solusi
0 2 - 3 1 1 4 - 3 3
dari sistem linier
⎡ ⎤ ⎡ ⎤
x + 2kamu - 2z = 3 2 4 - 6 8 7 - 4 - 2 2
3x - kamu + z = 1 18. (A) ⎣ 7 1 4 3⎦ (B) ⎣ 3 - 1 8 1⎦
- x + 5kamu - 5z = 5 - 5427 - 6 3 - 1 4
Dalam Latihan 19–20, cari semua nilai dari k yang matriks Membiarkan x, y, dan z menunjukkan jumlah ons makanan pertama,
augmented yang diberikan sesuai dengan sistem linier yang konsisten. kedua, dan ketiga yang akan dikonsumsi pelaku diet pada makanan
[ ] [ ] utama. Temukan (tetapi jangan selesaikan) sistem linier dix, y, dan z
1 k - 4 1 k - 1 yang solusinya memberi tahu berapa ons setiap makanan yang harus
19. (A) (B)
4 8 2 4 8 - 4 dikonsumsi untuk memenuhi persyaratan diet.
[ ] [ ]
3 - 4 k k 1 - 2 26. Misalkan Anda ingin mencari nilai untuk a, b, dan C sedemikian
20. (A) (B) rupa sehingga parabola kamu = kapak2 + bx + C melewati titik-
- 6 8 5 4 - 1 2
titik(1, 1), (2, 4), dan (1, 1). Temukan (tetapi jangan selesaikan)
21. kurva kamu = kapak2 + bx + C ditunjukkan pada gambar berikut sistem persamaan linier yang solusinya memberikan nilai untuk a,
melewati titik-titik (x1, kamu1), (x2, kamu2), dan (x3, kamu3). b,dan C. Berapa banyak solusi yang Anda harapkan dari sistem
Tunjukkan bahwa koefisienA, B, dan C bentuk penyelesaian dari persamaan ini, dan mengapa?
sistem persamaan linear yang matriksnya diperbesar adalah
⎡ ⎤ 27. Misalkan Anda diminta untuk menemukan tiga bilangan real sedemikian rupa
x21x1 1 kamu1 sehingga jumlah bilangan-bilangan tersebut adalah 12, jumlah dua kali bilangan
⎢ ⎥
⎣x2x2 2 1 kamu2⎦ pertama ditambah bilangan kedua ditambah dua kali bilangan ketiga adalah 5, dan
x23x3 1 kamu3 bilangan ketiga lebih satu satu dari bilangan pertama. Temukan (tetapi jangan
selesaikan) sistem linier yang persamaannya menggambarkan tiga kondisi.
kamu
kamu = kapak2 + bx + C Latihan Benar-Salah
(x3, kamu3) tf. Pada bagian (a)–(h) tentukan apakah pernyataan tersebut benar atau salah, dan
(x1, kamu1) berikan alasan atas jawaban Anda.
(a) Sistem linier yang persamaannya homogen harus

(x2, kamu2)
konsisten.
x
Gambar Ex-21 (b) Mengalikan baris dari matriks yang diperbesar melalui nol adalah operasi
baris elementer yang dapat diterima.
22. Jelaskan mengapa masing-masing dari tiga operasi baris elementer tidak (c) Sistem linier
mempengaruhi himpunan solusi dari sistem linier. x - kamu = 3
2x - 2kamu = k
23. Tunjukkan bahwa jika persamaan linear
tidak dapat memiliki solusi unik, terlepas dari nilai k.
x1 + kx2 = C dan x1 + lx2 = D
(d) Persamaan linear tunggal dengan dua atau lebih yang tidak
memiliki himpunan penyelesaian yang sama, maka kedua persamaan tersebut
diketahui pasti memiliki banyak solusi.
identik (yaitu, k = aku dan C = D).
(e) Jika jumlah persamaan dalam sistem linier melebihi jumlah yang
24. Perhatikan sistem persamaan
tidak diketahui, maka sistem tersebut pasti tidak konsisten.
kapak + oleh = k
(f ) Jika setiap persamaan dalam sistem linier yang konsisten
cx + dy = aku
dikalikan dengan konstanta C, maka semua solusi untuk
mantan + fy = M
sistem baru dapat diperoleh dengan mengalikan solusi dari
Diskusikan posisi relatif dari garis kapak + oleh = k,cx + dy sistem asli dengan C.
= aku, dan mantan + fy = M Kapan
(g) Operasi baris elementer mengizinkan satu baris dari matriks yang
(a) sistem tidak memiliki solusi.
diperbesar untuk dikurangkan dari yang lain.
(b) sistem memiliki tepat satu solusi.
(h) Sistem linier dengan matriks augmented yang sesuai
(c) sistem memiliki banyak solusi tak terhingga. [ ]
2 - 1 4
25. Misalkan diet tertentu membutuhkan 7 unit lemak, 9 unit protein, 0 0 - 1
dan 16 unit karbohidrat untuk makanan utama, dan misalkan
konsisten.
seseorang memiliki tiga kemungkinan makanan untuk dipilih
untuk memenuhi persyaratan ini:
Bekerja dengan Teknologi
Makanan 1: Setiap ons mengandung 2 unit lemak, 2 unit
protein, dan 4 unit karbohidrat. T1. Selesaikan sistem linier dalam Contoh 2, 3, dan 4 untuk melihat
bagaimana utilitas teknologi Anda menangani ketiga jenis sistem tersebut.
Makanan 2: Setiap ons mengandung 3 unit lemak, 1 unit
protein, dan 2 unit karbohidrat. T2. Gunakan hasil pada Latihan 21 untuk mencari nilai dari A, B,
Makanan 3: Setiap ons mengandung 1 unit lemak, 3 unit dan Cyang kurvanya kamu = kapak2 + bx + C melewati titik-titik(1,
protein, dan 5 unit karbohidrat. 1, 4), (0, 0, 8), dan (1, 1, 7).
1.2 Eliminasi Gaussian

Pada bagian ini kita akan mengembangkan prosedur sistematis untuk menyelesaikan sistem persamaan
linear. Prosedur ini didasarkan pada gagasan untuk melakukan operasi tertentu pada baris matriks yang
diperbesar yang menyederhanakannya ke bentuk yang darinya solusi sistem dapat dipastikan dengan
inspeksi.
Pertimbangan dalam Memecahkan Ketika mempertimbangkan metode untuk menyelesaikan sistem persamaan linier, penting untuk
Sistem Linier membedakan antara sistem besar yang harus diselesaikan dengan komputer dan sistem kecil
yang dapat diselesaikan dengan tangan. Misalnya, ada banyak aplikasi yang mengarah ke sistem
linier dalam ribuan atau bahkan jutaan yang tidak diketahui. Sistem besar memerlukan teknik
khusus untuk menangani masalah ukuran memori, kesalahan pembulatan, waktu solusi, dan
sebagainya. Teknik seperti itu dipelajari di bidanganalisis numerik dan hanya akan disinggung
dalam teks ini. Namun, hampir semua metode yang digunakan untuk sistem besar didasarkan
pada ide-ide yang akan kita kembangkan di bagian ini.
Bentuk Eselon Dalam Contoh 6 dari bagian terakhir, kami memecahkan sistem linier di yang tidak diketahui x, kamu, dan z
dengan mereduksi matriks yang diperbesar menjadi bentuk
⎡ ⎤
1001
⎢⎣0 1 0 2⎥
⎦
0013
dari mana solusinya x = 1, kamu = 2, z = 3 menjadi jelas. Ini adalah contoh matriks yang ada
dibentuk eselon baris tereduksi. Untuk menjadi bentuk ini, matriks harus memiliki sifat-
sifat berikut:
1. Jika suatu baris tidak seluruhnya terdiri dari nol, maka bilangan bukan nol pertama pada baris tersebut adalah
1. Kita menyebutnya a terkemuka 1.
2. Jika ada baris yang seluruhnya terdiri dari nol, maka baris-baris tersebut dikelompokkan bersama di
bagian bawah matriks.
3. Dalam dua baris berturut-turut yang tidak seluruhnya terdiri dari nol, 1 terdepan di baris bawah
muncul lebih jauh ke kanan daripada 1 terdepan di baris yang lebih tinggi.
4. Setiap kolom yang berisi 1 terkemuka memiliki nol di tempat lain di kolom itu.
Suatu matriks yang memiliki tiga sifat pertama dikatakan berada dalam bentuk eselon baris. (Jadi,
matriks dalam bentuk eselon baris tereduksi diperlukan dalam bentuk eselon baris, tetapi tidak
sebaliknya.)
CONTOH 1 Bentuk Eselon Baris dan Eselon Baris Tereduksi

Matriks berikut dalam bentuk eselon baris tereduksi.
⎡ ⎤
⎡ ⎤ ⎡ ⎤ 0 1 - 2 0 1
1 0 0 4 1 0 0 ⎢ 3⎥ [ ]
⎢ ⎥ ⎢ ⎥ ⎢0 0 0 1 ⎥ 0 0
⎣0 1 0 7⎦ , ⎣0 1 0⎦ , ⎢ ⎥,
⎣0 0 0 0 0⎦ 0 0
0 0 11 001
0 0 0 0 0
Matriks-matriks berikut berada dalam bentuk eselon baris tetapi tidak dalam bentuk eselon baris tereduksi.
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 4 - 3 7 1 1 0 0 1 2 6 0
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣0 1 6 2⎦ , ⎣0 1 0⎦ , ⎣0 0 11 0⎦
0 0 1 5 000 0 0 00 1
CONTOH 2 Selengkapnya tentang Eselon Baris dan Bentuk Eselon Baris Tereduksi
Seperti yang diilustrasikan Contoh 1, matriks dalam bentuk eselon baris memiliki nol di bawah setiap 1 utama, sedangkan
matriks dalam bentuk eselon baris tereduksi memiliki nol di bawahnya. dan di atas masing-masing terkemuka
1. Jadi, dengan sembarang bilangan real yang disubstitusikan untuk 's, semua matriks dari jenis berikut berada
dalam bentuk eselon baris:
⎡ ⎤
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 01********
1*** 1*** 1*** ⎢⎢0 0 0 1 * * * * * *⎥
⎢⎢0 1 * *⎥ ⎢0 1 * *⎥ ⎢⎢0 1 * *⎥ ⎥
⎥ ⎥ ⎥ ⎢⎥
⎢ ⎥, ⎢ ⎥, ⎢ ⎥, ⎢0 0 0 0 1 * * * * *⎥
⎣0 0 1 *⎦ ⎣0 0 1 *⎦ ⎣0 0 0 0⎦ ⎢⎥
⎣0 0 0 0 0 1 * * * *⎦
0001 0000 0000
000000001*
Semua matriks dari jenis berikut berada dalam bentuk eselon baris tereduksi:
⎡ ⎤
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 01*000**0*
1000 100* 10** ⎢⎢0 0 0 1 0 0 *
⎢⎢0 1 0 0⎥ ⎢⎢0 1 * *⎥ * 0 * ⎥⎥
⎥ ⎢0 1 0 *⎥ ⎥ ⎥ ⎢ ⎥
⎢ ⎥, ⎢ ⎥, ⎢⎥, ⎢0 0 0 0 1 0 * * 0 *⎥ ⎣0 0 0 0 0 1
⎣0 0 1 0⎦ ⎣0 0 1 *⎦ ⎣ 0 0 0 0⎦ ⎢ ⎥
* * 0 *⎦
0001 0000 0000
000000001*
Jika, dengan urutan operasi baris elementer, matriks yang diperbesar untuk sistem persamaan linier
dimasukkan ke dalam dikurangi bentuk eselon baris, maka himpunan solusi dapat diperoleh baik dengan
inspeksi atau dengan mengubah persamaan linier tertentu ke bentuk parametrik. Berikut adalah
beberapa contoh.
CONTOH 3 Solusi Unik

Misalkan matriks yang diperbesar untuk sistem linier dalam yang tidak diketahui x1, x2, x3, danx4
telah direduksi dengan operasi baris elementer menjadi
⎡ ⎤
1000 3
⎢ 100 - 1⎥⎥
⎢0
⎢ ⎥
⎣0 010 0⎦
0 001 5
Matriks ini dalam bentuk eselon baris tereduksi dan sesuai dengan persamaan
x1 =3
Dalam Contoh 3 kita dapat, jika
x2 =1
diinginkan, menyatakan solusi x3 = 0
secara lebih ringkas sebagai 4- x4 = 5
tupel(3, -1, 0, 5).
Dengan demikian, sistem memiliki solusi unik, yaitu, x1 = 3, x2 = 1, x3 = 0, x4 = 5.
CONTOH 4 Sistem Linier dalam Tiga Tidak Diketahui

Di setiap bagian, misalkan matriks yang diperbesar untuk sistem linier di yang tidak diketahuix,
kamu, dan z telah direduksi oleh operasi baris elementer ke bentuk eselon baris tereduksi yang
diberikan. Memecahkan sistem.
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1000 1 0 3 - 1 1 - 5 1 4
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
(A) ⎣0 1 2 0⎦ (B) ⎣0 1 - 4 2⎦(C) ⎣0 0 0 0⎦
0001 0 0 0 0 0000
Larutan (A) Persamaan yang sesuai dengan baris terakhir dari matriks yang diperbesar adalah
0x + 0kamu + 0z = 1
Karena persamaan ini tidak dipenuhi oleh nilai x, kamu, dan z, sistem tidak konsisten.Larutan
(B) Persamaan yang sesuai dengan baris terakhir dari matriks yang diperbesar adalah
0x + 0kamu + 0z = 0
Persamaan ini dapat dihilangkan karena tidak ada batasan pada x, kamu, dan z; karenanya, sistem
linier yang sesuai dengan matriks yang diperbesar adalah
x + 3z =1
kamu - 4z = 2
Sejak x dan kamu sesuai dengan 1 terkemuka dalam matriks yang diperbesar, kami menyebutnya
variabel terkemuka. Variabel yang tersisa (dalam hal iniz) disebut variabel bebas. Memecahkan
variabel utama dalam hal variabel bebas memberikan
x =1 3z
kamu = 2 + 4z
Dari persamaan ini kita melihat bahwa variabel bebas z dapat diperlakukan sebagai parameter
dan diberi nilai arbitrer T , yang kemudian menentukan nilai untuk x dan kamu. Dengan demikian,
himpunan solusi dapat diwakili oleh persamaan parametrik
x =1 3t, kamu = 2 + 4t, z = T

Dengan mengganti berbagai nilai untuk T dalam persamaan ini kita dapat memperoleh berbagai solusi
dari sistem. Misalnya, pengaturanT = 0 menghasilkan solusi
x =1, kamu = 2, z=0

dan pengaturan T = 1 menghasilkan solusi
x =4, kamu = 6, z=1

Larutan (C) Seperti yang dijelaskan pada bagian (b), kita dapat menghilangkan persamaan yang sesuai
dengan baris nol, dalam hal ini sistem linier yang terkait dengan matriks yang diperbesar terdiri dari
persamaan tunggal
x - 5kamu + z = 4 (1)
dari mana kita melihat bahwa himpunan solusi adalah bidang dalam ruang tiga dimensi. Meskipun
(1) adalah bentuk himpunan solusi yang valid, ada banyak aplikasi yang lebih disukai untuk menyatakan
himpunan solusi dalam bentuk parametrik. Kita dapat mengubah (1) ke bentuk parametrikdengan
Kami biasanya akan
memecahkan variabel utama x dalam hal variabel bebas kamu dan z untuk memperoleh
menunjukkan parameter dalam
solusi umum dengan huruf r, s, x = 4 + 5kamu - z
t, . . . ,tetapi huruf apa pun yang
Dari persamaan ini kita melihat bahwa variabel bebas dapat diberikan nilai arbitrer, katakanlahkamu = S
tidak bertentangan dengan
dan z = T , yang kemudian menentukan nilai x. Dengan demikian, himpunan solusi dapat dinyatakan
nama yang tidak dikenal dapat
digunakan. Untuk sistem dengan secara parametrik sebagai
lebih dari tiga yang tidak x = 4 + 5S - t, kamu = s, z = T (2)

diketahui, huruf bersubskrip
sepertiT1, T2, T3, . . .nyaman. Rumus, seperti (2), yang menyatakan himpunan solusi dari sistem linier secara parametrik memiliki
beberapa terminologi yang terkait.
DEFINISI 1 Jika sistem linier memiliki banyak solusi, maka satu set persamaan
parametrik dari mana semua solusi dapat diperoleh dengan memberikan nilai
numerik ke parameter disebut a solusi umum dari sistem.
Metode Eliminasi Kita baru saja melihat betapa mudahnya menyelesaikan sistem persamaan linear setelah diperbesar
matriks dalam bentuk eselon baris tereduksi. Sekarang kami akan memberikan langkah demi langkahprosedur
eliminasi yang dapat digunakan untuk mereduksi suatu matriks menjadi bentuk eselon baris tereduksi. Saat
kami menyatakan setiap langkah dalam prosedur, kami mengilustrasikan ide dengan mereduksi matriks berikut
menjadi bentuk eselon baris tereduksi.
⎡ ⎤
0 0 - 2 0 7 12
⎢ ⎥
⎣2 4 - 10 6 12 28⎦
2 4 - 5 6 - 5 - 1
Langkah 1. Cari kolom paling kiri yang tidak seluruhnya terdiri dari nol.
⎡ ⎤
0 0 2 0 7 12
⎢ ⎥
⎣2 4 10 6 12 28⎦
2 4 5 6 5 1
Kolom bukan nol paling kiri
Langkah 2. Tukar baris atas dengan baris lain, jika perlu, untuk membawa entri bukan nol
ke bagian atas kolom yang ditemukan di Langkah 1.
⎡ ⎤
2 4 - 10 6 12 28
⎢ ⎥
⎣0 0 - 2 0 7 12⎦ Baris pertama dan kedua dalam matriks
sebelumnya dipertukarkan.
2 4 - 5 6 - 5 - 1
Langkah 3. Jika entri yang sekarang ada di bagian atas kolom yang ditemukan di Langkah 1 adalah A, kalikan
baris pertama dengan 1/A untuk memperkenalkan 1 terkemuka.
⎡ ⎤
1 2 - 5 3 6 14
⎢ ⎥
⎣0 0 - 2 0 7 12⎦ Baris pertama dari matriks sebelumnya
dikalikan dengan 1.
4 - 5 6 - 5 - 1
2
2
Langkah 4. Tambahkan kelipatan yang sesuai dari baris atas ke baris di bawah ini sehingga semua entri di bawah
1 terkemuka menjadi nol.
⎡ ⎤
1 2 - 5 3 6 14
⎢ ⎥
⎣0 0 - 2 0 7 12⎦ - 2 kali baris pertama dari sebelumnya
matriks ditambahkan ke baris ketiga.
0 0 5 0 - 17 - 29
Langkah 5. Sekarang tutupi baris teratas dalam matriks dan mulai lagi dengan Langkah 1 yang diterapkan pada
submatriks yang tersisa. Lanjutkan dengan cara ini sampaiseluruh matriks dalam bentuk
eselon baris.
⎡ ⎤
1 2 5 3 6 14
⎢ ⎥
⎣0 0 2 0 7 12⎦
0 0 5 0 17 29

dalam submatriks
⎡ ⎤
1 2 5 3 6 14
⎢ 7 ⎥
⎣0 0 1 0 2
6⎦ Baris pertama pada submatriks adalah
dikalikan dengan 1 untuk memperkenalkan
2
0 0 5 0 17 29 1 terkemuka.
⎡ ⎤
1 2 5 3 6 14
⎢ 0 1 0 7 ⎥
⎣0 2 6⎦ – 5 kali baris pertama submatriks
ditambahkan ke baris kedua dari
1
0 0 0 0 2
1 submatriks untuk memperkenalkan
nol di bawah 1.
⎡ ⎤
1 2 5 3 6 14
⎢ 7 ⎥
⎣0 0 1 0 2
6⎦ Baris teratas dalam submatriks
tertutup, dan kami kembali lagi ke
1
0 0 0 0 2
1 Langkah 1.

di submatriks baru
⎡ ⎤
1 2 5 3 6 14
⎢ 7 ⎥
⎣0 0 1 0 2
6⎦ Baris pertama (dan satu-satunya) di
submatriks baru dikalikan dengan 2
0 0 0 0 1 2 untuk menghasilkan 1.
NS seluruh matriks sekarang dalam bentuk eselon baris. Untuk menemukan bentuk eselon baris tereduksi kita
memerlukan langkah tambahan berikut.
Langkah 6. Dimulai dengan baris bukan nol terakhir dan bekerja ke atas, tambahkan kelipatan yang sesuai
dari setiap baris ke baris di atas untuk memperkenalkan nol di atas 1 terkemuka.
⎡ ⎤
1 2 - 5 3 6 14
⎢ ⎥
⎣0 0 1 0 0 1⎦ 7 kali
2
baris ketiga dari matriks sebelumnya
ditambahkan ke baris kedua.
0 0 0 0 1 2
⎡ ⎤
1 25 3 0 2
⎢ ⎥
⎣0 01 0 0 1⎦ - 6 kali baris ketiga ditambahkan ke
baris pertama.
0 00 0 1 2
⎡ ⎤
1 2 0 3 0 7
⎢ ⎥
⎣0 0 1 0 0 1⎦ 5 kali baris kedua ditambahkan ke baris
pertama.
0 0 0 0 1 2
Matriks terakhir berbentuk eselon baris tereduksi.

Prosedur (atau algoritma) yang baru saja kita jelaskan untuk mereduksi suatu matriks
menjadi bentuk eselon baris tereduksi disebut Eliminasi Gauss–Yordania. Algoritma ini
terdiri dari dua bagian, afase maju di mana nol diperkenalkan di bawah 1 terkemuka dan a
fase mundur di mana nol diperkenalkan di atas 1 terkemuka. Jika hanya fase maju adalah
Catatan Sejarah Meskipun versi eliminasi Gauss diketahui jauh lebih awal,
pentingnya dalam perhitungan ilmiah menjadi jelas ketika matematikawan besar
Jerman Carl Friedrich Gauss menggunakannya untuk membantu menghitung orbit
asteroid Ceres dari data yang terbatas. Apa yang terjadi adalah ini: Pada tanggal 1
Januari 1801 astronom Sisilia dan pendeta Katolik Giuseppe Piazzi (1746–1826)
melihat sebuah benda langit redup yang dia yakini sebagai “planet yang hilang”. Dia
menamai objek tersebut Ceres dan melakukan sejumlah pengamatan posisi tetapi
kemudian kehilangan objek saat mendekati Matahari. Gauss, yang saat itu baru
berusia 24 tahun, melakukan masalah penghitungan orbit Ceres dari data terbatas
menggunakan teknik yang disebut "kuadrat terkecil", persamaan yang
diselesaikannya dengan metode yang sekarang kita sebut "eliminasi Gauss". Karya
Gauss membuat sensasi ketika Ceres muncul kembali setahun kemudian di
Carl Friedrich Gauss Wilhelm Jordan konstelasi Virgo dengan posisi yang hampir persis seperti yang dia prediksi! Ide
(1777–1855) (1842–1899) dasar metode ini selanjutnya dipopulerkan oleh insinyur Jerman Wilhelm Jordan
dalam bukunya tentang geodesi (ilmu pengukuran bentuk bumi) yang berjudul
Handbuch derVermessungskunde dan diterbitkan pada tahun 1888.
[Gambar: Photo Inc/Peneliti Foto/Getty Images (Gauss);Leemage/
Grup Gambar Universal/Getty Images (Yordania)]
digunakan, maka prosedur tersebut menghasilkan bentuk eselon baris dan disebut Eliminasi
Gauss. Misalnya, dalam perhitungan sebelumnya, bentuk eselon baris diperoleh pada akhir
Langkah 5.
CONTOH 5 Eliminasi Gauss–Yordania

Selesaikan dengan eliminasi Gauss–Jordan.
x 1 + 3x2 2x 3 + 2x5 = 0
2x1 + 6x2 5x3 - 2x 4 + 4x5 - 3x6 = 1
5x3 + 10x4 + 15x6 = 5
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 6
Larutan Matriks yang diperbesar untuk sistem tersebut adalah
⎡ ⎤
1 3 - 20200
⎢ 6 - 5 - 2 4 - 3 - 1⎥⎥
⎢2
⎢ ⎥
⎣0 0 5 10 0 15 5⎦
2 6 0 8 4 18 6
Menambahkan 2 kali baris pertama ke baris kedua dan keempat menghasilkan
⎡ ⎤
1 3 - 20200
⎢ 0 - 1 - 2 0 - 3 - 1⎥⎥
⎢0
⎢ ⎥
⎣0 0 5 10 0 15 5⎦
0 0 4 8 0 18 6
Mengalikan baris kedua dengan 1 dan kemudian menambahkan 5 kali baris kedua yang baru ke baris
ketiga dan 4 kali baris kedua yang baru ke baris keempat menghasilkan
⎡ ⎤
1 3 - 20200
⎢ 0 1 2 0 3 1⎥
⎢0 ⎥
⎢ ⎥
⎣0 0 0 0 0 0 0⎦
0 0 0 0 0 6 2
Pertukarkan baris ketiga dan keempat dan kemudian kalikan baris ketiga dari matriks yang
dihasilkan dengan 1 memberikan
6
bentuk eselon baris
⎡ ⎤
1 3 - 20200
⎢ 0 1 2 0 3 1⎥
⎢0 ⎥
⎢ ⎥ Ini melengkapi fase maju karena
⎣0 0 0 0 0 1 1⎦
3
ada nol di bawah 1 terkemuka.
0 0 0 0 0 0 0
Menambahkan 3 kali baris ketiga ke baris kedua dan kemudian menambahkan 2 kali baris kedua dari
matriks yang dihasilkan ke baris pertama menghasilkan bentuk eselon baris tereduksi
⎡ ⎤
1304200
⎢ 0 1 2 0 0 0⎥
⎢0 ⎥
⎢ ⎥ Ini melengkapi fase mundur karena ada
⎣0 00001 1⎦
3
nol di atas 1 terdepan.
0 00000 0
Perhatikan bahwa dalam membangun
Sistem persamaan yang sesuai adalah
sistem linier dalam (3) kita
mengabaikan deretan nol dalam x1 + 3x2 + 4x4 + 2x5 =0
matriks yang diperbesar yang sesuai. x 3 + 2x4 =0 (3)
Mengapa ini dibenarkan?
x6 = 1 3
Memecahkan variabel utama, kita memperoleh
x1 = 3x2 4x4 2x5x3 = 2x4
x6 = 1 3
Akhirnya, kami menyatakan solusi umum sistem secara parametrik dengan menetapkan variabel bebas x
2, x4, dan x5 nilai sewenang-wenang r, s, dan T , masing-masing. Ini menghasilkan
x1 = 3R - 4S - 2t, x2 = r, x3 = 2s, x4 = s, x5 = t, x6 = 1 3
Linear homogen Suatu sistem persamaan linear dikatakan homogen jika istilah konstan semuanya nol; yaitu,
Sistem sistem memiliki bentuk
A11x1 + A12x2 + · · · + A1nxn =0

A21x1 + A22x2 + · · · + A2nxn =0
... ... ... ...
AM1x1 + AM2x2 + · · · + AM Nxn = 0

Setiap sistem persamaan linear homogen adalah konsisten karena semua sistem
tersebut memiliki x1 = 0, x2 = 0, . . . , xn = 0 sebagai solusi. Solusi ini disebutsolusi
sepele; jika ada solusi lain, mereka disebutsolusi nontrivial.
Karena sistem linier homogen selalu memiliki solusi trivial, maka hanya ada dua
kemungkinan untuk solusinya:
• Sistem hanya memiliki solusi trivial.
• Sistem ini memiliki banyak solusi tak terhingga selain solusi trivial.
Dalam kasus khusus sistem linier homogen dari dua persamaan dalam dua yang tidak diketahui, katakanlah
A1x + B1kamu = 0A (A1, B1 tidak keduanya nol)
2 x + B2kamu = 0 (A2, B2 tidak keduanya nol)
grafik persamaan adalah garis yang melalui titik asal, dan solusi trivial
berhubungan dengan titik potong di titik asal (Gambar 1.2.1).
kamu kamu
A1x + B1kamu = 0
x x
A1x + B1kamu = 0
A2x + B2kamu = 0
dan
A2x + B2kamu = 0
Hanya solusi sepele Banyak sekali

solusi
Gambar 1.2.1
Ada satu kasus di mana sistem homogen dipastikan memiliki solusi nontrivial—yaitu, setiap kali
sistem melibatkan lebih banyak yang tidak diketahui daripada persamaan. Untuk mengetahui alasannya,
perhatikan contoh berikut dari empat persamaan dalam enam yang tidak diketahui.
CONTOH 6 Sistem yang Homogen

Gunakan eliminasi Gauss–Jordan untuk menyelesaikan sistem linier homogen
x 1 + 3x2 2x 3 + 2x5 =0
2x1 + 6x2 5x3 - 2x 4 + 4x5 - 3x6 = 0
(4)
5x3 + 10x4 + 15x6 = 0
2x1 + 6x2 + 8x4 + 4x5 + 18x6 = 0
Larutan Amati terlebih dahulu bahwa koefisien yang tidak diketahui dalam sistem ini sama dengan
yang ada pada Contoh 5; yaitu, kedua sistem hanya berbeda dalam konstanta di sisi kanan.
Matriks yang diperbesar untuk sistem homogen yang diberikan adalah
⎡ ⎤
1 3 - 20200
⎢ 6 - 5 - 2 4 - 3 0⎥
⎢2 ⎥
⎢ ⎥ (5)
⎣0 0 5 10 0 15 0⎦
2 6 0 8 4 18 0
yang sama dengan matriks yang diperbesar untuk sistem dalam Contoh 5, kecuali nol pada
kolom terakhir. Jadi, bentuk eselon baris tereduksi dari matriks ini akan sama dengan
bentuk matriks augmented pada Contoh 5, kecuali untuk kolom terakhir. Namun, refleksi
sesaat akan membuktikan bahwa kolom nol tidak diubah oleh operasi baris elementer,
sehingga bentuk eselon baris tereduksi dari (5) adalah
⎡ ⎤
1304200
⎢⎢0 0 1 2 0 0 0⎥ ⎣0 0 0 0 0 1
⎥
⎢ ⎥0⎦ (6)
0000000
Sistem persamaan yang sesuai adalah
x1 + 3x2 + 4x4 + 2x 5 =0
x 3 + 2x4 =0
x6 = 0
Memecahkan variabel utama, kita memperoleh
x1 = 3x2 4x4 2x5x3 = 2x4

(7)
x6 = 0
Jika sekarang kita menetapkan variabel bebas x2, x4, dan x5 nilai sewenang-wenang R, S, dan T , masing-masing, maka kita
dapat mengekspresikan himpunan solusi secara parametrik sebagai
x1 = 3R - 4S - 2t, x2 = r, x3 = 2s, x4 = s, x5 = t, x6 = 0
Perhatikan bahwa solusi trivial dihasilkan ketika R = S = T = 0.
Variabel Gratis di Contoh 6 mengilustrasikan dua poin penting tentang penyelesaian sistem linier homogen:
Linear homogen 1. Operasi baris dasar tidak mengubah kolom nol dalam matriks, sehingga bentuk eselon
Sistem baris tereduksi dari matriks augmented untuk sistem linier homogen memiliki kolom
akhir nol. Ini menyiratkan bahwa sistem linier yang sesuai dengan bentuk eselon baris
tereduksi adalah homogen, sama seperti sistem aslinya.
2. Ketika kami membangun sistem linier homogen yang sesuai dengan matriks yang
diperbesar (6), kami mengabaikan baris nol karena persamaan yang sesuai
0x1 + 0x 2 + 0x3 + 0x4 + 0x5 + 0x6 = 0
tidak memaksakan kondisi apa pun pada yang tidak diketahui. Jadi, tergantung pada apakah
bentuk eselon baris tereduksi dari matriks yang diperbesar untuk sistem linier homogen
memiliki baris nol atau tidak, sistem linier yang sesuai dengan bentuk eselon baris tereduksi
tersebut akan memiliki jumlah persamaan yang sama dengan sistem aslinya atau itu akan
memiliki lebih sedikit.
Sekarang pertimbangkan sistem linier homogen umum dengan n tidak diketahui, dan
anggaplah bahwa bentuk eselon baris tereduksi dari matriks yang diperbesar memiliki R baris
bukan nol. Karena setiap baris bukan nol memiliki 1 terdepan, dan karena setiap 1 terdepan sesuai
dengan variabel utama, sistem homogen yang sesuai dengan bentuk eselon baris tereduksi dari
matriks yang diperbesar harus memilikiR variabel utama dan n - R variabel bebas. Jadi, sistem ini
berbentuk
Σ
xk1 + ()=0
Σ
xk2 + ()=0
.. (8)
. ...
Σ
xkR + ()=0
Σ
di mana dalam setiap persamaan ekspresi ( ) menunjukkan jumlah yang melibatkan variabel bebas,
jika ada [lihat (7), misalnya]. Singkatnya, kami memiliki hasil berikut.
TEOREMA 1.2.1 Teorema Variabel Bebas untuk Sistem Homogen

Jika sistem linier homogen memiliki n tidak diketahui, dan jika bentuk eselon baris tereduksi dari
matriks yang diperbesar memiliki R baris bukan nol, maka sistem memiliki n - R variabel bebas.
Teorema 1.2.1 memiliki implikasi penting untuk sistem linier homogen dengan lebih tidak
Perhatikan bahwa Teorema 1.2.2
diketahui dari persamaan. Secara khusus, jika sistem linier homogen memilikiMpersamaan dalam
hanya berlaku untuk sistem
n tidak diketahui, dan jika m < n, maka itu juga harus benar bahwa r < n (mengapa?). Dalam kasus
homogen—a tidak homogensistem
ini, teorema menyiratkan bahwa setidaknya ada satu variabel bebas, dan ini menyiratkan bahwa
dengan lebih tidak diketahui dari
persamaan tidak perlu konsisten.
sistem memiliki banyak solusi tak terhingga. Dengan demikian, kami memiliki hasil berikut.
Namun, kita akan membuktikan
nanti bahwa jika sistem
nonhomogen dengan lebih banyak TEOREMA 1.2.2 Sistem linier homogen dengan lebih banyak yang tidak diketahui daripada persamaan
yang tidak diketahui maka memiliki banyak solusi.
persamaan konsisten, maka ia
memiliki banyak solusi.
Dalam retrospeksi, kita dapat mengantisipasi bahwa sistem homogen dalam Contoh 6 akan memiliki banyak
solusi tak terhingga karena memiliki empat persamaan dalam enam yang tidak diketahui.
Eliminasi Gauss dan Untuk sistem linier kecil yang diselesaikan dengan tangan (seperti kebanyakan yang ada dalam teks ini),
Substitusi Kembali eliminasi Gauss–Jordan (reduksi ke bentuk eselon baris tereduksi) adalah prosedur yang baik untuk
digunakan. Namun, untuk sistem linier besar yang memerlukan solusi komputer, umumnya lebih efisien
menggunakan eliminasi Gauss (pengurangan ke bentuk eselon baris) diikuti dengan teknik yang dikenal
sebagaisubstitusi kembali untuk menyelesaikan proses penyelesaian sistem. Contoh berikut
mengilustrasikan teknik ini.
CONTOH 7 Contoh 5 Dipecahkan dengan Substitusi Kembali

Dari perhitungan pada Contoh 5, bentuk eselon baris dari matriks yang diperbesar adalah
⎡ ⎤
1 3 - 20200
⎢ 0 1 2 0 3 1⎥
⎢0 ⎥
⎢ 1⎥
⎣0 0 0 0 0 1 3
⎦
0 0 0 0 0 0 0
Untuk menyelesaikan sistem persamaan yang sesuai
x1 + 3x 2 2x3 + 2x5 =0
x3 + 2x 4 + 3x6 = 1
x6 = 1 3
kami melanjutkan sebagai berikut:Langkah 1. Memecahkan persamaan
untuk variabel terkemuka.
x1 = 3x2 + 2x3 2x5x3 = 1

2x 4 3x6x6 = 1
Langkah 2. Dimulai dengan persamaan bawah dan bekerja ke atas, substitusikan secara berurutan
setiap persamaan menjadi semua persamaan di atasnya.
Mengganti x6 = 1 ke dalam persamaan kedua menghasilkan
3
x1 = 3x2 + 2x3 2x5x3 = 2

x4
x6 = 1 3
Mengganti x3 = 2x4 ke dalam persamaan pertama menghasilkan
x1 = 3x2 4x4 2x5x3 = 2x4
x6 = 1 3
Langkah 3. Tetapkan nilai arbitrer ke variabel bebas, jika ada.

Jika sekarang kita menugaskan x2, x4, dan x5 nilai arbitrer R, S, dan T , masing-masing,
solusi umum diberikan oleh rumus
x1 = 3R - 4S - 2t, x2 = r, x3 = 2s, x4 = s, x5 = t, x6 = 1 3
Ini sesuai dengan solusi yang diperoleh pada Contoh 5.
CONTOH 8
Misalkan matriks di bawah ini adalah matriks yang diperbesar untuk sistem linier dalam yang tidak
diketahui x1, x2, x3, dan x4. Matriks-matriks ini semuanya berbentuk eselon baris tetapi tidak
berbentuk eselon baris tereduksi. Diskusikan keberadaan dan keunikan solusi untuk sistem linier
yang sesuai
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 - 3725 1 - 3725 1 - 3725
⎢ 1 2 4 1⎥
⎢ 1 2 4 1⎥
⎢ 1 2 4 1⎥
⎢0 ⎥ ⎢0 ⎥ ⎢0 ⎥
(A) ⎢ ⎥ (B) ⎢ ⎥ (C) ⎢ ⎥
⎣0 0 1 6 9⎦ ⎣0 0 1 6 9⎦ ⎣0 0 1 6 9⎦
0 0 0 0 1 0 0 0 0 0 0 0 0 1 0
Larutan (A) Baris terakhir sesuai dengan persamaan
0x 1 + 0x2 + 0x3 + 0x4 = 1
dari mana terbukti bahwa sistem tidak konsisten.
Larutan (B) Baris terakhir sesuai dengan persamaan
0x1 + 0x2 + 0x3 + 0x4 = 0
yang tidak berpengaruh pada himpunan solusi. Dalam tiga persamaan yang tersisa, variabel
x1, x2, dan x3 sesuai dengan 1 terkemuka dan karenanya merupakan variabel utama.
Variabelx4adalah variabel bebas. Dengan sedikit aljabar, variabel utama dapat dinyatakan
dalam variabel bebas, dan variabel bebas dapat diberi nilai arbitrer. Dengan demikian,
sistem harus memiliki banyak solusi.
Larutan (C) Baris terakhir sesuai dengan persamaan
x4 = 0
yang memberi kita nilai numerik untuk x4. Jika kita mensubstitusikan nilai ini ke dalam persamaan ketiga,
yaitu,
x3 + 6x 4 = 9
kita peroleh x3 = 9. Sekarang Anda dapat melihat bahwa jika kita melanjutkan proses ini dan mengganti
nilai-nilai yang diketahui dari x3 dan x4 ke dalam persamaan yang sesuai dengan baris kedua, kita akan
memperoleh nilai numerik unik untuk x2; dan jika, akhirnya, kita mensubstitusi nilai-nilai yang diketahui
darix4, x3, dan x2 ke dalam persamaan yang sesuai dengan baris pertama, kami akan menghasilkan nilai
numerik unik untuk x1. Dengan demikian, sistem memiliki solusi yang unik.
Beberapa Fakta Tentang Eselon Ada tiga fakta tentang bentuk eselon baris dan bentuk eselon baris tereduksi yang penting untuk
Formulir diketahui tetapi tidak akan kami buktikan:
1. Setiap matriks memiliki bentuk eselon baris tereduksi yang unik; yaitu, terlepas dari apakah Anda
menggunakan eliminasi Gauss–Jordan atau beberapa urutan lain dari operasi baris elementer,
bentuk eselon baris tereduksi yang sama akan menghasilkan akhirnya.*
2. Bentuk eselon baris tidak unik; yaitu, urutan yang berbeda dari operasi baris elementer dapat
menghasilkan bentuk eselon baris yang berbeda.
3. Meskipun bentuk eselon baris tidak unik, bentuk eselon baris tereduksi dan semua bentuk
eselon baris dari suatu matriks A memiliki jumlah baris nol yang sama, dan 1 terdepan
selalu muncul di posisi yang sama. Mereka disebutposisi poros dari A. Kolom yang
memuat posisi pivot disebut akolom poros dari A.
*
Bukti dari hasil ini dapat ditemukan dalam artikel “Bentuk Eselon Baris Tereduksi dari suatu Matriks Unik:
Pembuktian Sederhana”, oleh Thomas Yuster, Majalah Matematika, Jil. 57, No. 2, 1984, hlm. 93–94.
CONTOH 9 Posisi Pivot dan Kolom

Sebelumnya di bagian ini (segera setelah Definisi 1) kami menemukan bentuk eselon baris dari
⎡ ⎤
Jika A adalah matriks yang 0 0 - 2 0 7 12
⎢ ⎥
diperbesar untuk sistem linier, A = ⎣2 4 - 10 6 12 28⎦
maka kolom pivot
2 4 - 5 6 - 5 - 1
mengidentifikasi variabel utama.
Sebagai ilustrasi, pada Contoh 5 menjadi ⎡ ⎤
kolom pivotnya adalah 1, 3, dan 1 2 - 5 3 6 14
6, dan variabel utamanya adalah ⎢ 7 ⎥
⎣0 0 1 0 - 2 - 6⎦
x1, x3, dan x6.
0 0 0 0 1 2
Awalan 1 muncul di posisi (baris 1, kolom 1), (baris 2, kolom 3), dan (baris 3, kolom
5). Ini adalah posisi pivot. Kolom pivot adalah kolom 1, 3, dan 5.
Kesalahan Pembulatan dan Seringkali ada kesenjangan antara teori matematika dan implementasi praktisnya—eliminasi
Ketidakstabilan Gauss-Jordan dan eliminasi Gauss menjadi contoh yang baik. Masalahnya adalah bahwa komputer
umumnya mendekati angka, sehingga memperkenalkanmembulatkan kesalahan, jadi kecuali
tindakan pencegahan diambil, perhitungan berturut-turut dapat menurunkan jawaban ke tingkat
yang membuatnya tidak berguna. Algoritma (prosedur) di mana ini terjadi disebuttidak stabil.
Ada berbagai teknik untuk meminimalkan kesalahan pembulatan dan ketidakstabilan. Sebagai
contoh, dapat ditunjukkan bahwa untuk sistem linier besar, eliminasi Gauss-Jordan melibatkan
sekitar 50% lebih banyak operasi daripada eliminasi Gauss, sehingga sebagian besar algoritma
komputer didasarkan pada metode yang terakhir. Beberapa hal ini akan dibahas dalam Bab 9.
Set Latihan 1.2

⎡ ⎤
12345
Dalam Latihan 1-2, tentukan apakah matriks tersebut dalam baris ech- [ ]
⎢⎢1 0 7 1 3⎥ 1 - 2 0 1
bentuk elon, bentuk eselon baris tereduksi, keduanya, atau tidak keduanya. ⎥
(F ) ⎢ ⎥ (G)
⎣0 0 0 0 1⎦ 0 0 1 - 2
⎡⎤⎡⎤⎡ ⎤
100 100 010 00000
⎢⎥⎢⎥⎢ ⎥
1. (A) ⎣0 1 0⎦ (B) ⎣0 1 0⎦ (C) ⎣0 0 1⎦ Dalam Latihan 3-4, misalkan matriks yang diperbesar untuk garis
0 0 1 0 0 0 0 0 0 sistem telinga telah direduksi oleh operasi baris ke bentuk eselon baris yang
⎡ ⎤ diberikan. Memecahkan sistem.
12030
[ ] ⎡ ⎤
1031 ⎢⎢0 0 1 1 0⎥
⎥ 1 - 3 4 7
(D) (e) ⎢ ⎥ ⎢ ⎥
0124 ⎣0 0 0 0 1⎦ 3. (A) ⎣0 1 2 2⎦
00000 0015
⎡ ⎤ ⎡ ⎤
0 0 [ ]
1 - 7 5 5 1 0 8 - 5 6
⎢ ⎥ ⎢ ⎥
(F ) ⎣0 0⎦ (G) (B) ⎣0 1 4 - 9 3⎦
0 1 3 2
0 0 0 0 1 1 2
⎡ ⎤
⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 1 7 - 2 0 - 8 - 3
120 100 134 ⎢ 0 1 1 6 5⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢0 ⎥
2. (A) ⎣0 1 0⎦ (B) ⎣0 1 0⎦ (C) ⎣0 0 1⎦ (C) ⎢ ⎥
⎣0 0 0 1 3 9⎦
0 0 0 0 2 0 0 0 0
0 0 0 0 0 0
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 5 - 3 1 2 3 1 - 3 7 1
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
(D) ⎣0 1 1⎦ (e) ⎣0 0 0⎦ (D) ⎣0 1 4 0⎦
0 0 0 0 0 1 0001
⎡ ⎤
1 0 0 - 3 17. 3x1 + x2 + x3 + x4 = 0 5x1 - 18. v + 3w - 2x = 0 2
⎢ ⎥
4. (A) ⎣0 1 0 0⎦ x2 + x3 - x4 = 0 kamu + v - 4w + 3x = 0 2
0017 kamu + 3v + 2w - x = 0
⎡ ⎤
1007 8 - 4kamu - 3v + 5w - 4x = 0
⎢ ⎥
(B) ⎣0 1 0 3 2⎦0 0 1 1 5
19. 2x + 2kamu + 4z = 0
⎡ ⎤ w - kamu - 3z = 0
16003 - 2 2w + 3x + kamu + z = 0
⎢⎢0 0 1 0 4 7⎥
⎥ - 2w + x + 3kamu - 2z = 0
(C) ⎢ ⎥
⎣0 0015 8⎦
0 0000 0 20. x1 + 3x2 + x4 = 0
⎡ ⎤ x1 + 4x2 + 2x3 =0
1 - 3 0 0
⎢ ⎥ - 2x2 2x3 - x4 = 0
(D) ⎣0 0 1 0⎦
2x1 4x2 + x3 + x4 = 0
0001
x1 2x2 - x3 + x4 = 0
Dalam Latihan 5–8, selesaikan sistem linier dengan eliminasi Gauss
21. 2Saya1 - Saya2 + 3Saya3 + 4Saya4 =Saya1 9
bangsa.
- 2Saya3 + 7Saya4 = 11
5. x1 + x2 + 2x3 = 8 6. 2x1 + 2x2 + 2x3 = 0 3Saya1 3Saya2 + Saya3 + 5Saya4 = 8
- x1 2x2 + 3x3 =3x1 7x2 1+ - 2x1 + 5x2 + 2x3 =8x1 + x1 2Saya1 + Saya2 + 4Saya3 + 4Saya4 = 10
4x3 = 10 2 + 4x3 = 1
22. Z3 + Z4 + Z5 = 0
7. x - kamu + 2z - w =1 - Z1 - Z2 + 2Z3 3Z4 + Z5 = 0Z2 2Z3
2x + kamu - 2z - 2w =2 Z1 + - Z5 = 0
- x + 2kamu - 4z +3 w = 1 2Z1 + 2Z2 - Z3 + Z5 = 0
x - 3w =3
Di setiap bagian Latihan 23–24, matriks yang diperbesar untuk a
8. - 2B + 3C = 1 sistem linier diberikan di mana tanda bintang mewakili bilangan real
3A + 6B - 3C =2 6A yang tidak ditentukan. Tentukan apakah sistem konsisten, dan jika
+ 6B + 3C = 5 demikian apakah solusinya unik. Jawab "tidak meyakinkan" jika tidak

ada informasi yang cukup untuk membuat keputusan.
Dalam Latihan 9–12, selesaikan sistem linier dengan Gauss–Jordan
⎡⎤ ⎡ ⎤
eliminasi. 1*** 1***
23. (A) ⎣0 1 * *⎦0 0 1 * (B) ⎣0 1 * *⎦
9. Latihan 5 10. Latihan 6
0000
11. Latihan 7 12. Latihan 8 ⎡ ⎤ ⎡ ⎤
1*** 1***
Dalam Latihan 13–14, tentukan apakah sistem homogen (C) ⎣0 1 * *⎦ (D) ⎣0 0 * 0⎦
tem memiliki solusi nontrivial dengan inspeksi (tanpa pensil dan 0001 001*
kertas).
⎡ ⎤ ⎡ ⎤
13. 2x1 3x2 + 4x3 - x4 = 0 7x1 + x2 1*** 100*
24. (A) ⎣0 1 * *⎦0 0 1 1 (B) ⎣* 1 0 *⎦
8x3 + 9x4 = 0 2x1 + 8x2 +
**1*
x3 - x4 = 0
⎡ ⎤ ⎡ ⎤
1000 1***
14. x1 + 3x2 -x2 8xx
3=
3 =00
(C) ⎣1 0 0 1⎦ (D) ⎣1 0 0 1⎦
1*** 1001
4 x3 = 0
Dalam Latihan 25–26, tentukan nilai A yang sistemnya
Dalam Latihan 15–22, selesaikan sistem linier yang diberikan dengan tidak memiliki solusi, tepat satu solusi, atau banyak solusi.
metode.
15. 2x1 + x2 + 3x3 = 0x1 + 16. 2x - kamu - 3z = 0 25. x + 2kamu - 3z = 4
2x2 =0 - x + 2kamu - 3z = 0 3x - kamu + 5z = 2
x2 + x3 = 0 x + kamu + 4z = 0 4x + kamu + (A2 14)z = A + 2
26. x + 2kamu + z=2 36. Selesaikan sistem berikut untuk x, y, dan z.

2x - 2kamu + 3z = 1 1 2 4
+ =1
x + 2kamu - (A2 3)z = A x kamuz
Dalam Latihan 27–28, syarat apa, jika ada, harus A, B, dan C 2 3 8
++ =0
memuaskan agar sistem linier konsisten? x kamuz
1 9 10
27. x + 3kamu - z = kapak 28. x + 3kamu + z = A + + =5
+ kamu + 2z = B - x - 2kamu + z = B x kamuz
2kamu - 3z = C 3x + 7kamu - z = C 37. Temukan koefisiennya a, b, c, dan D sehingga kurva yang
ditunjukkan pada gambar berikut adalah grafik persamaan
Dalam Latihan 29–30, selesaikan sistem berikut, di mana A, B,
kamu = kapak3 + bx2 + cx + D.
dan C adalah konstanta.
kamu
29. 2x + kamu = A 30. x1 + x2 + x3 = A 20
3x + 6kamu = B 2x 1 + 2x3 = B (0, 10) (1, 7)
3x2 + 3x3 = C x
–2 6
31. Temukan dua bentuk eselon baris yang berbeda dari
[ ] (3, -11)
(4, –14)
– 20
1 3
Gambar Contoh-37
2 7
38. Temukan koefisiennya a, b, c, dan D sehingga lingkaran yang
Latihan ini menunjukkan bahwa suatu matriks dapat memiliki banyak bentuk eselon
ditunjukkan pada gambar di samping diberikan oleh persamaan
baris.
kapak2 + ay2 + bx + cy + D = 0.
32. Mengurangi
⎡ ⎤ kamu
2 1 3 (–2, 7)
⎢ ⎥
⎣0 - 2 - 29⎦ (–4, 5)
3 4 5
ke bentuk eselon baris tereduksi tanpa memasukkan pecahan pada
tahap perantara apa pun. x
33. Tunjukkan bahwa sistem nonlinier berikut memiliki 18 solusi

jika 0 ≤ α ≤ 2π, 0 ≤ β ≤ 2π, dan 0 ≤ γ ≤ 2π. (4, –3) Gambar Contoh-38
dosa α + 2 co β + 3 tan γ = 0 39. Jika sistem linier

2 sin α + 5 co β + 3 tan γ = 0 A1x + B1kamu + C1z = 0A
- dosa α 5 co β + 5 tan γ = 0 2 x - B2kamu + C2z = 0A3x
[Petunjuk: Mulailah dengan membuat substitusi x = dosa α,kamu + B3kamu - C3z = 0
= karena β, dan z = tan γ .]
hanya memiliki solusi sepele, apa yang dapat dikatakan
34. Selesaikan sistem persamaan nonlinier berikut untuk sudut tentang solusi dari sistem berikut?
yang tidak diketahui α, β, dan γ , dimana 0 ≤ α ≤ 2π, 0 ≤ β ≤ 2 A1x + B1kamu + C1z =A2x3
π, dan 0 ≤ <. - B2kamu + C2z =A3x + B7
3
2 dosa α cos β + 3 tan γ = 3 4 kamu - C3z = 11
sin α + 2 co β 2 tan γ = 2 6 sin 40. (a) Jika A adalah matriks dengan tiga baris dan lima kolom, lalu berapa
α 3 cos β + tan γ = 9 jumlah maksimum yang mungkin dari 1 terdepan dalam bentuk
eselon baris tereduksi?
35. Selesaikan sistem persamaan nonlinier berikut untuk x, y,dan
z. (b) Jika B adalah matriks dengan tiga baris dan enam kolom, maka
berapa banyak parameter maksimum yang mungkin dalam
x2 + kamu2 + z2 = 6x
solusi umum sistem linier dengan matriks yang diperbesar B?
2 - kamu2 + 2z2 = 2 2
x2 + kamu2 - z2 = 3 (c) Jika C adalah matriks dengan lima baris dan tiga kolom, maka
[Petunjuk: Mulailah dengan membuat substitusi x = x2, Y = kamu2, Z = berapa jumlah baris nol minimum yang mungkin dalam setiap
z2.] bentuk eselon baris dari C?
41. Jelaskan semua kemungkinan bentuk eselon baris tereduksi dari (d) Sistem linier homogen dalam n tidak diketahui yang matriks
⎡ ⎤ augmentednya yang sesuai memiliki bentuk eselon baris tereduksi
⎡ ⎤ abcd
A
B C ⎢⎢efgh⎥
dengan R terkemuka 1 memiliki n - R variabel bebas.
⎢ ⎥ ⎥
(A) ⎣D e F⎦ (B) ⎢ ⎥ (e) Semua 1 terdepan dalam matriks dalam bentuk eselon baris harus muncul di
⎣ ijkl ⎦
G H Saya kolom yang berbeda.
mnpq
(f ) Jika setiap kolom suatu matriks berbentuk eselon baris memiliki sebuah
42. Perhatikan sistem persamaan
1, maka semua entri yang tidak mendahului 1 adalah nol.
kapak + oleh = 0
cx + dy = 0 (g) Jika sistem linier homogen dari n persamaan dalam n tidak diketahui
memiliki matriks augmented yang sesuai dengan bentuk eselon baris
mantan + fy = 0
tereduksi yang mengandung n di depan 1, maka sistem linier hanya
Diskusikan posisi relatif dari garis kapak + oleh = 0,cx + dy memiliki solusi trivial.
= 0, dan mantan + fy = 0 ketika sistem hanya memiliki
solusi trivial dan memiliki solusi nontrivial. (h) Jika bentuk eselon baris tereduksi dari matriks yang diperbesar
untuk sistem linier memiliki deretan nol, maka sistem tersebut
harus memiliki banyak solusi.
Bekerja dengan Bukti
43. (a) Buktikan jika iklan - SM = 0, maka bentuk eselon baris tereduksi (i) Jika sistem linier memiliki lebih banyak yang tidak diketahui daripada
dari [ ] [ ] persamaan, maka ia harus memiliki banyak solusi.
A B 1 0
C D
adalah
0 1 Bekerja dengan Teknologi
T1. Temukan bentuk eselon baris tereduksi dari matriks yang
(b) Gunakan hasil pada bagian (a) untuk membuktikan bahwa jika iklan - SM = 0,
diperbesar untuk sistem linier:
maka sistem linier
kapak + oleh = k 6x1 + x2 + 4x4 = 3
cx + dy = aku - 9x1 + 2x2 + 3x3 8x4 =7x1 1
memiliki tepat satu solusi. - 4x3 + 5x4 = 2
Gunakan hasil Anda untuk menentukan apakah sistem konsisten dan, jika
Latihan Benar-Salah demikian, temukan solusinya.
tf. Pada bagian (a)–(i) tentukan apakah pernyataan tersebut benar atau salah, dan
T2. Temukan nilai konstanta A, B, C, dan D yang membuat persamaan
berikan alasan atas jawaban Anda.
berikut menjadi identitas (yaitu, benar untuk semua nilai x).
(a) Jika suatu matriks berbentuk eselon baris tereduksi, maka matriks tersebut juga
3x3 + 4x2 6x (x2 + 2 Kapak + B C D
berbentuk eselon baris. = + +
x + 2)(x2 1) x2 + 2x + 2 x-1 x+1
(b) Jika suatu operasi baris elementer diterapkan pada suatu matriks yang
[Petunjuk: Dapatkan penyebut yang sama di sebelah kanan, dan
berbentuk eselon baris, maka matriks yang dihasilkan akan tetap dalam
kemudian samakan koefisien yang sesuai dari berbagai kekuatan x
bentuk eselon baris.
dalam dua pembilang. Siswa kalkulus akan mengenali ini sebagai
(c) Setiap matriks memiliki bentuk eselon baris yang unik. masalah dalam pecahan parsial.]
1.3 Operasi Matriks dan Matriks

Array persegi panjang bilangan real muncul dalam konteks selain sebagai matriks yang diperbesar untuk sistem
linier. Pada bagian ini kita akan mulai mempelajari matriks sebagai objeknya sendiri dengan mendefinisikan
operasi penjumlahan, pengurangan, dan perkalian pada matriks tersebut.
Notasi Matriks dan Di Bagian 1.2 kami menggunakan susunan bilangan persegi panjang, yang disebut matriks yang
Terminologi diperbesar, untuk menyingkat sistem persamaan linear. Namun, susunan angka persegi panjang
juga terjadi dalam konteks lain. Misalnya, larik persegi panjang berikut dengan tiga baris dan tujuh
kolom mungkin menggambarkan jumlah jam yang dihabiskan siswa untuk mempelajari tiga mata
pelajaran selama minggu tertentu:
Senin sel. Menikahi. Kamis. Jumat Duduk. Matahari.
matematika 2 3 2 4 1 4 2
Sejarah 0 3 1 4 3 2 2
Bahasa 4 1 3 1 0 0 2
Jika kita menekan heading, maka kita akan mendapatkan deretan angka persegi panjang berikut
dengan tiga baris dan tujuh kolom, yang disebut "matriks":
⎡ ⎤
2324142
⎢ ⎥
⎣0 3 1 4 3 2 2⎦
4131002
Secara lebih umum, kami membuat definisi berikut.
DEFINISI 1 A matriks adalah barisan bilangan berbentuk persegi panjang. Angka-angka dalam
array disebutentri dalam matriks.
CONTOH 1 Contoh Matriks

Beberapa contoh matriks adalah
Tanda kurung matriks sering
⎡ ⎤ ⎡ √ ⎤
dihilangkan dari 1 × 1 matriks, 1 2 e π - 2 []
sehingga tidak mungkin untuk ⎢ ⎥ 1
⎣ 3 0⎦ , [2 1 0 - 3], ⎣0 1
1 ⎦, , [4]
mengatakan, misalnya, apakah 2 3
simbol 4 menunjukkan angka
- 1 4 0 0 0
"empat" atau matriks [4]. Ini
jarang menimbulkan masalah
karena biasanya mungkin untuk NS ukuran matriks dijelaskan dalam hal jumlah baris (garis horizontal) dan kolom (garis
membedakan mana yang vertikal) yang dikandungnya. Misalnya, matriks pertama pada Contoh 1 memiliki tiga baris
dimaksud dari konteksnya. dan dua kolom, jadi ukurannya adalah 3 kali 2 (ditulis 3× 2). Dalam deskripsi ukuran, angka
pertama selalu menunjukkan jumlah baris, dan yang kedua menunjukkan jumlah kolom.
Matriks yang tersisa dalam Contoh 1 memiliki ukuran 1× 4, 3 × 3, 2 × 1, dan 1 × 1, masing-
masing.
Matriks dengan hanya satu baris, seperti baris kedua dalam Contoh 1, disebut a vektor baris
(atau matriks baris), dan matriks dengan hanya satu kolom, seperti kolom keempat dalam contoh
tersebut, disebut a vektor kolom (atau matriks kolom). Matriks kelima dalam contoh tersebut adalah
vektor baris dan vektor kolom.
Kami akan menggunakan huruf kapital untuk menunjukkan matriks dan huruf kecil untuk menunjukkan jumlah
numerik; dengan demikian kita dapat menulis
[ ] [ ]
2 1 7 A B C
A= atauC =
3 4 2 D e F
Ketika membahas matriks, adalah umum untuk merujuk pada jumlah numerik sebagai skalar. Kecuali
dinyatakan sebaliknya,skalar akan menjadi bilangan real; skalar kompleks akan dibahas nanti dalam teks.
Entri yang terjadi pada baris Saya dan kolom J dari sebuah matriks A akan dilambangkan dengan Aaku j .
Jadi umum 3 × 4 matriks dapat ditulis sebagai
⎡ ⎤
A11 A12 A13 A14
⎢ ⎥
A = ⎣A21 A22 A23 A24⎦
A31 A32 A33 A34
dan seorang jenderal M × n matriks sebagai

⎡ ⎤
A11 A12 · · · A1n
⎢ ⎥
⎢ A 21 A22 · · · A2n ⎥
A=⎢ ⎥ (1)
⎣ ... ... ...⎦
AM1 AM2 · · · AM N
Ketika notasi kompak diinginkan, matriks sebelumnya dapat ditulis sebagai:
Sebuah matriks dengan n baris dan
nkolom dikatakan sebagai matriks [Aaku j ]M×n atau [Aaku j ]
persegi orde n. notasi pertama digunakan ketika penting dalam diskusi untuk mengetahui ukuran, dan yang kedua ketika
ukuran tidak perlu ditekankan. Biasanya, kami akan mencocokkan huruf yang menunjukkan matriks
dengan huruf yang menunjukkan entrinya; Jadi, untuk matriksB kita biasanya akan menggunakan Baku j
untuk entri dalam baris Saya dan kolom J , dan untuk matriks C kita akan menggunakan notasi Caku j .Entri
berturut-turut Saya dan kolom J dari sebuah matriks A juga biasanya dilambangkan dengan simbol (A)aku
j. Jadi, untuk matriks (1) di atas, kita memiliki
(A)aku j = Aaku j
dan untuk matriks [ ]

2 - 3
A=
7 0
kita punya (A)11 = 2, (A)12 = 3, (A)21 = 7, dan (A)22 = 0.
Vektor baris dan kolom sangat penting, dan merupakan praktik umum untuk
menandainya dengan huruf kecil yang dicetak tebal daripada huruf kapital. Untuk matriks
seperti itu, subskrip ganda entri tidak diperlukan. Jadi umum 1× n vektor baris A dan
seorang jenderal M × 1 kolom vektor B akan ditulis sebagai
⎡ ⎤
B1
⎢ ⎥
⎢B2 ⎥
A = [A1 A2 · · · An] dan B = ⎢ .
⎣ . ⎥. ⎦
BM
Sebuah matriks A dengan n baris dan n kolom disebut matriks persegi orde n, dan
entri berbayang A11, A22, . . . , Ann dalam (2) dikatakan berada di diagonal utama dari A.
⎡ ⎤
A11 A12 · · · A 1n
⎢ ⎥
⎢A A 2n ⎥
⎢ 21 A. 22 · · · ⎥ (2)
⎣ .. ... ... ⎦
An1 An2 · · · Ann
Operasi Matriks Sejauh ini, kita telah menggunakan matriks untuk menyingkat pekerjaan dalam menyelesaikan sistem
persamaan linear. Untuk aplikasi lain, bagaimanapun, diinginkan untuk mengembangkan "aritmatika
matriks" di mana matriks dapat ditambahkan, dikurangkan, dan dikalikan dengan cara yang berguna.
Sisa dari bagian ini akan dikhususkan untuk mengembangkan aritmatika ini.
DEFINISI 2 Dua matriks didefinisikan sebagai setara jika mereka memiliki ukuran yang sama
dan entri yang sesuai adalah sama.
CONTOH 2 Persamaan Matriks

Pertimbangkan matriks
Persamaan dua matriks [ ] [ ] [ ]
2 1 2 1 2 1 0
A = [Aaku j ] dan B = [Baku j ] A= , B= , C=
3 x 3 5 3 4 0
dengan ukuran yang sama dapat
Jika x = 5, maka A = B, tetapi untuk semua nilai lain dari x matriks A dan B tidak sama,
dinyatakan baik dengan menulis
karena tidak semua entri yang bersesuaian sama. Tidak ada nilaix untuk ituA = C sejak A
(A)aku j = (B)aku j dan C memiliki ukuran yang berbeda.
atau dengan menulis
DEFINISI 3 Jika A dan B adalah matriks dengan ukuran yang sama, maka jumlah A + B adalah matriks
Aaku j = Baku j
yang diperoleh dengan menjumlahkan entri dari B ke entri yang sesuai dari A, dan perbedaan A - B
di mana dipahami bahwa adalah matriks yang diperoleh dengan mengurangkan entri dari B dari entri yang sesuai dari A.
persamaan berlaku untuk semua Matriks dengan ukuran berbeda tidak dapat dijumlahkan atau dikurangkan.
nilaiSaya dan J .
Dalam notasi matriks, jika A = [Aaku j ] dan B = [Baku j ] memiliki ukuran yang sama, maka
(A + B)aku j = (A)aku j + (B)aku j = Aaku j + Baku j dan (A - B)aku j = (A)aku j - (B)aku j = Aaku j - Baku j
CONTOH 3 Penambahan dan pengurangan

⎡ ⎤ ⎡ ⎤
2 1 0 3 - 4351 [ ]
⎢ ⎥ ⎢ ⎥ 1 1
A = ⎣-1 0 2 4⎦, B=⎣2 2 0 - 1⎦, C=
2 2
4 - 270 3 2 - 4 5
Kemudian
⎡ ⎤ ⎡ ⎤
- 2454 6 - 2 - 5 2
⎢ ⎥ ⎢ ⎥
A+B=⎣ 1 2 2 3⎦ dan A - B = ⎣-3 - 2 2 5⎦
7035 1 - 4 11 - 5
Ekspresi A + C, B + C, A - C, dan B - C tidak terdefinisi.
DEFINISI 4 Jika A adalah sembarang matriks dan C adalah sembarang skalar, maka produk cA adalah matriks
yang diperoleh dengan mengalikan setiap entri matriks A oleh C. MatrikscA dikatakan sebagai kelipatan
skalar dari A.
Dalam notasi matriks, jika A = [Aaku j ], kemudian
(cA)aku j = c(A)aku j = caaku j
CONTOH 4 Kelipatan Skalar

Untuk matriks
[ ] [ ] [ ]
2 3 4 0 2 7 9 - 6 3
A= , B= , C=
1 3 1 - 1 3 - 5 3 0 12
kita punya
[ ] [ ] [ ]
4 6 8 0 - 2 - 7 3 - 2 1
2A = , (1)B = , 1 C=
2 6 2 1 - 3 5 3 1 0 4
Ini adalah praktik umum untuk menunjukkan (1)B olehB.
Sejauh ini kita telah mendefinisikan perkalian matriks dengan skalar tetapi bukan perkalian
dua matriks. Karena matriks dijumlahkan dengan menjumlahkan entri-entri yang bersesuaian dan
dikurangkan dengan mengurangkan entri-entri yang bersesuaian, tampaknya wajar untuk
mendefinisikan perkalian matriks dengan mengalikan entri-entri yang bersesuaian. Namun,
ternyata definisi seperti itu tidak akan terlalu berguna untuk sebagian besar masalah. Pengalaman
telah membawa matematikawan ke definisi perkalian matriks yang lebih berguna berikut ini.
DEFINISI 5 Jika A adalah M × R matriks dan B adalah R × n matriks, maka produkAB

adalah M × n matriks yang entrinya ditentukan sebagai berikut: Untuk menemukan entri
dalam baris Saya dan kolom J dari AB, baris tunggal Saya dari matriks A dan kolom J dari
matriks B. Kalikan entri yang sesuai dari baris dan kolom bersama-sama, lalu jumlahkan
produk yang dihasilkan.
CONTOH 5 Perkalian Matriks

⎡ ⎤
[ ] 41 4 3
1 2 4 ⎢ ⎥
A= , B = ⎣0 - 1 3 1⎦
2 6 0
2 7 5 2
Sejak A adalah 2 × 3 matriks dan B adalah 3 × 4 matriks, produk AB adalah 2 × 4 matriks.
Untuk menentukan, misalnya, entri pada baris 2 dan kolom 3 dariAB, kami memilih baris 2 dari A
dan kolom 3 dari B. Kemudian, seperti yang diilustrasikan di bawah, kami mengalikan entri yang
sesuai dan menjumlahkan produk ini.
⎡ ⎤ ⎡ ⎤
[ ] 4 1 4 3
1 2 4⎢ ⎥ ⎢ ⎥
⎣0 1 3 1= ⎦
2 6 0 26
2 7 5 2
(2 · 4) + (6 · 3) + (0 · 5) = 26
Entri pada baris 1 dan kolom 4 dari AB dihitung sebagai berikut:

⎡ ⎤ ⎡ ⎤
[ ] 4 1 4 3
1 2 4⎢ ⎥ ⎢ 13 ⎥
⎣0 1 3 1= ⎦
2 6 0
2 7 5 2
(1 · 3) + (2 · 1) + (4 · 2) = 13
Perhitungan untuk entri yang tersisa adalah
(1 · 4) + (2 · 0) + (4 · 2) = 12(1 ·
1) - (2 · 1) + (4 · 7) =(1 · 4) + (27
2
[ ]
· 3) + (4 · 5) =(2 · 4) + (6 · 0) +30( 12 27 30 13
AB =
0 · 2) =(2 · 1) - (6 · 1) + (0 · 7) =
8 8 - 4 26 12
4(2 · 3) + (6 · 1) + (0 · 2) = 12
Definisi perkalian matriks mensyaratkan bahwa jumlah kolom dari faktor

pertama A sama dengan banyaknya baris faktor kedua B untuk membentuk
produk AB. Jika kondisi ini tidak terpenuhi, produk tidak terdefinisi. Nyaman
cara untuk menentukan apakah produk dari dua matriks didefinisikan adalah dengan menuliskan ukuran
faktor pertama dan, di sebelah kanannya, tuliskan ukuran faktor kedua. Jika, seperti pada
(3), angka di dalamnya sama, maka produk didefinisikan. Angka-angka luar kemudian
memberikan ukuran produk.
A B AB
M× R R×n= M ×n
Dalam (3)
Di luar
CONTOH 6 Menentukan Apakah Produk Didefinisikan

Seandainya A, B, dan C adalah matriks dengan ukuran sebagai berikut:
A B C
3×4 4×7 7×3
Kemudian dengan (3), AB didefinisikan dan adalah 3 × 7 matriks; SM didefinisikan dan adalah 4 × 3
matriks; danCA didefinisikan dan adalah 7 × 4 matriks. ProdukAC, CB, dan BA semua tidak terdefinisi.
Secara umum, jika A = [Aaku j ] adalah M × R matriks dan B = [Baku j ] adalah R × n matriks, kemudian, seperti
yang diilustrasikan oleh bayangan pada tampilan berikut,
⎡ ⎤
A11 A12 ··· A1R ⎤
⎢ ⎥⎡
⎢ A 21 A22 ··· A2R ⎥ B11 B12 · · · B1 J · · · B1n
⎢ ⎥⎥⎢B
⎢ ... ... . . . ⎥⎢ 21 B22 · · · B2 J · · · B2n⎥⎥
AB = ⎢ ⎢ ⎥⎢ . .. .⎥⎦ (4)
⎢ ASaya 1 ASaya 2 ··· Asaya ⎥⎣ .. ... ...
⎢. ⎥
⎣ .. ... . . . ⎦ BR 1 BR 2 · · · Brj · · · Brn
AM1 AM2 ··· ABapak
jalan masuk (AB)aku j berturut-turut Saya dan kolom J dari AB diberikan oleh
(AB)aku j = ASaya1B1J + ASaya2B2J + ASaya3B3J + · · · + Asaya Brj (5)
Rumus (5) disebut aturan baris-kolom untuk perkalian matriks.
Matriks yang Dipartisi Suatu matriks dapat dibagi lagi atau dipartisi menjadi matriks yang lebih kecil dengan menyisipkan horizontal
dan aturan vertikal antara baris dan kolom yang dipilih. Sebagai contoh, berikut ini adalah tiga
kemungkinan partisi dari 3 . umum× 4 matriks A—yang pertama adalah partisi dari A ke dalam
Catatan Sejarah Konsep perkalian matriks adalah karena

matematikawan Jerman Gotthold Eisenstein, yang
memperkenalkan ide sekitar tahun 1844 untuk
menyederhanakan proses pembuatan substitusi dalam sistem
linier. Idenya kemudian diperluas dan diformalkan oleh Cayley
dalam karyanyaMemoar tentang Teori Matriks yang diterbitkan
pada tahun 1858. Eisenstein adalah murid Gauss, yang
menempatkannya sebagai setara dengan Isaac Newton dan
Archimedes. Namun, Eisenstein, menderita kesehatan yang
buruk sepanjang hidupnya, meninggal pada usia 30, sehingga
potensinya tidak pernah terwujud.
[Gambar: http://www-history.mcs.st-andrews.ac.uk/
Gotthold Eisenstein Biografi/Eisenstein.html]
(1823–1852)
empat submatriks A11, A12, A21, dan A22; yang kedua adalah partisi dariA ke dalam vektor barisnyaR1, R2,
dan R3; dan yang ketiga adalah partisi dariA ke dalam vektor kolomnya C1, C2, C3, dan C4:
⎡ ⎤
A11 A12 A13 A14 [ ]
⎢ ⎥ A11 A12
A = ⎣A21 A22 A23 A24=
A21 A22
A31 A32 A33 A34
⎡ ⎤ ⎡ ⎤
A11 A12 A13 A14 R1
⎢ ⎥ ⎢ ⎥
A = ⎣A21 A22 A23 A24=R2⎦
A31 A32 A33 A34 R3
⎡ ⎤
A11 A12 A13 A14
⎢ ⎥
A = ⎣A21 A22 A23 A24= [C1 C2 C3 C4]
A31 A32 A33 A34
Perkalian Matriks dengan Partisi memiliki banyak kegunaan, salah satunya adalah untuk menemukan baris atau kolom tertentu
Kolom dan menurut Baris dari produk matriks AB tanpa menghitung seluruh produk. Secara khusus, rumus berikut, yang buktinya
dibiarkan sebagai latihan, menunjukkan bagaimana masing-masing vektor kolom dariAB dapat diperoleh
dengan mempartisi B menjadi vektor kolom dan bagaimana masing-masing vektor baris dariAB dapat
diperoleh dengan mempartisi A menjadi vektor baris.
AB = A[B1 B2 · · · Bn] = [AB1 AB2 · · · ABn] (6)
(AB dihitung kolom demi kolom)
⎡ ⎤ ⎡ ⎤
A1 A1B
⎢⎢A ⎥ ⎥ ⎢ ⎥
⎢A2B⎥
AB = ⎢ 2 . ⎥B = ⎢ ⎥ (7)
⎣ .. ⎦ ⎣ ... ⎦
AM AMB
(AB dihitung baris demi baris)
Dengan kata lain, rumus-rumus ini menyatakan bahwa

Kami sekarang memiliki tiga
metode untuk menghitung produk
dari dua matriks, entri dengan entri
J vektor kolom ke AB = A[J vektor kolom ke B] (8)
menggunakan Definisi 5, kolom
demi kolom menggunakan Rumus
(8), dan baris demi baris Sayavektor baris ke- AB = [Sayavektor baris ke- A]B (9)
menggunakan Rumus (9). Kami
akan menyebutnyametode masuk
, NS metode baris ,dan metode
kolom , masing-masing. CONTOH 7 Contoh 5 Ditinjau Kembali
Jika A dan B adalah matriks pada Contoh 5, maka dari (8) vektor kolom kedua dariAB
dapat diperoleh dengan perhitungan
⎡ ⎤
[ ] 1 []
1 2 4⎢ ⎥ 27
⎣-1⎦ =
2 6 0 - 4
7
-
Kolom kedua Kolom kedua

dari B dari AB
dan dari (9) vektor baris pertama dari AB dapat diperoleh dengan perhitungan
⎡ ⎤
4 1 4 3
[ 1 2 4 ⎣0 ]⎢ 1 3
⎥
1= [ 12 27 30 13 ]2
2 7 5
Baris pertama A Baris pertama AB
Produk Matriks sebagai Linear Definisi berikut memberikan cara berpikir lain tentang perkalian matriks.
kombinasi
DEFINISI 6 Jika A1, A2, . . . , AR adalah matriks dengan ukuran yang sama, dan jika C1, C2, . . . , CR
Definisi 6 berlaku,
adalah skalar, maka ekspresi dari bentuk
khususnya, untuk vektor
baris dan kolom. Jadi, C1A1 + C2A2 + · · · + CRAR
misalnya,kombinasi linear
vektor kolom x1, x2, . . . ,xR disebut kombinasi linear dari A1, A2, . . . , AR dengan koefisien C1, C2, . . . , CR .
dengan ukuran yang sama
adalah ekspresi dari bentuk
Untuk melihat bagaimana produk matriks dapat dilihat sebagai kombinasi linier, mari A kacang M × n
C1x1 + C2x2 + · · · + CR xR matriks dan x NS n × 1 vektor kolom, katakanlah
⎡ ⎤ ⎡⎤
A11 A12 · · · A1n x1
⎢ ⎥ ⎢x2⎥⎥
⎢A A22 · · · A2n ⎥
A = ⎢ 21 . ⎥ dan x = ⎢ . ⎥
⎣ .. ... . . .⎦ ⎣ .. ⎦
AM1 AM2 · · · AM N xn
Kemudian
⎡ ⎤⎤ ⎡ ⎡ ⎤ ⎡ ⎤
A11x1 + A12x2 + · · · + A1nxn A11 A12 A1 n
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢A n⎥ ⎢ A 21 ⎥ ⎢ A 22 ⎥ ⎢ A 2n ⎥
Ax = ⎢ 21x1 +
. .A. 22
. x2 + · · · + A2nx = x1⎢ . +x⎢ . + · · · + xn ⎢ ⎦ ⎣ .
⎣ .. ... ⎦ ⎣ . .⎦ 2⎣ .. . .⎦
AM1x1 + AM2x2 + · · · + AM Nxn AM1 AM2 AM N
(10)
Ini membuktikan teorema berikut.
TEOREMA 1.3.1 Jika A adalah M × n matriks, dan jika x adalah n × 1 vektor kolom, maka
produk Ax dapat dinyatakan sebagai kombinasi linier dari vektor kolom dari A di mana
koefisien adalah entri dari x.
CONTOH 8 Produk Matriks sebagai Kombinasi Linier

produk matriks ⎡ ⎤⎡ ⎤ ⎡⎤
- 1 3 2 2 1
⎢ ⎥⎢ ⎥ ⎢⎥
⎣ 1 2 - 3⎦⎣-1=9⎦
2 1 - 2 3 - 3
dapat ditulis sebagai kombinasi linier berikut dari vektor kolom:
⎡⎤ ⎡⎤ ⎡⎤ ⎡⎤
- 1 3 2 1
⎢ ⎥ ⎢⎥ ⎢⎥ ⎢⎥
2 ⎣ 1⎦ - 1 ⎣2+ 3 ⎣-3=9⎦
2 1 - 2 - 3
CONTOH 9 Kolom Produk AB sebagai Kombinasi Linier

Kami menunjukkan dalam Contoh 5 bahwa
⎡ ⎤
[ ]4 1 4 3 [ ]
1 2 4⎢ ⎥ 12 27 30 13
AB = ⎣0 - 1 3 1=
2 6 0 8 - 4 26 12
2 7 5 2
Ini mengikuti dari Formula (6) dan Teorema 1.3.1 bahwa J vektor kolom ke AB dapat
dinyatakan sebagai kombinasi linier dari vektor kolom dari A di mana koefisien dalam
kombinasi linier adalah entri dari J kolom ke- B. Perhitungannya adalah sebagai
berikut:
[ ] [] [] []
12 1 2 4
=4 + 0 + 2
8 2 6 0
[ ] [] [] []
27 1 2 4
= - + 7
- 4 2 6 0
[] [] [] []
30 1 2 4
=4 + 3 + 5
26 2 6 0
[] [] [] []
13 1 2 4
=3 + + 2
12 2 6 0
Ekspansi Kolom-Baris Partisi menyediakan cara lain untuk melihat perkalian matriks. Secara khusus, sup-
berpose itu M × R matriks A dipartisi menjadi R vektor kolom C1, C2, . . . ,CR (masing-masing
ukuran M × 1) dan R × n matriks B dipartisi menjadi R vektor baris R1, R2, . . . ,RR(masing-masing
ukuran 1 × n). Setiap suku dalam jumlah
C1R1 + C2R2 + · · · + CR RR
memiliki ukuran M × n jadi jumlah itu sendiri adalah M × n matriks. Kami meninggalkannya sebagai
latihan bagi Anda untuk memverifikasi bahwa entri dalam barisSaya dan kolom J dari jumlah diberikan
oleh ekspresi di sisi kanan Rumus (5), dari mana berikut ini
AB = C1R1 + C2R2 + · · · + CR RR (11)
Kami memanggil (11) ekspansi baris kolom dari AB.
CONTOH 10 Ekspansi Kolom-Baris

Temukan ekspansi baris-kolom dari produk
[ ][ ]
1 3 2 0 4
AB = (12)
2 - 1 - 3 5 1
Larutan Vektor kolom dari A dan vektor baris dari B adalah, masing-masing,
[] []
1 3 [ ] [ ]
C1 = , C2 = ; R1= 2 0 4, R2 = - 3 5 1
2 - 1
Jadi, berikut dari (11) bahwa ekspansi kolom-baris dari AB adalah

[] [ ]
1 [ ] 3[ ]
AB = 2 0 4 + - 3 5 1
2 - 1
[ ] [ ] (13)
2 0 4 - 9 15 3
= +
4 0 8 3 - 5 - 1
Sebagai cek, kami serahkan kepada Anda untuk mengkonfirmasi bahwa produk di (12) dan jumlah di (13)keduanya
Penggunaan utama dari
ekspansi baris kolom adalah
menghasilkan
[ ]
- 7 15 7
untuk mengembangkan hasil
AB =
teoritis daripada untuk 7 - 5 7
perhitungan numerik.
Bentuk Matriks Linear Perkalian matriks memiliki aplikasi penting untuk sistem persamaan linier. Pertimbangkan
Sistem sistemM persamaan linear dalam n tidak diketahui:
A11x1 + A12x2 + · · · + A1nxn = B1

A21x1 + A22x2 + · · · + A2nxn = B2
... ... ... ...
AM1x1 + AM2x2 + · · · + AM Nxn = BM

Karena dua matriks sama jika dan hanya jika entri-entri yang bersesuaian sama, kita dapat
mengganti M persamaan dalam sistem ini dengan persamaan matriks tunggal
⎡ ⎤ ⎡ ⎤
A11x1 + A12x2 + · · · + A1nxn B1
⎢ ⎥ ⎢⎢B ⎥ ⎥
⎢A 2
⎢ 21x1. + A22x2 + · · · + A2nxn ⎥ = ⎢.⎥
⎣ .. ... ... ⎦ ⎣ .. ⎦
AM1x1 + AM2x2 + · · · + AM Nxn BM
NS M × 1 matriks di sisi kiri persamaan ini dapat ditulis sebagai produk untuk memberikan
⎡ ⎤⎡ ⎤ ⎡⎤
A11 A12 · · · A1n x1 B1
⎢ A ⎥⎢ ⎥
⎢ A21 A22 · · · 2n ⎥⎢x 2⎥ ⎢⎢B2 ⎥⎥
⎢ ⎥⎢ .
⎣ ... ... . . . ⎦⎣ . = ...⎦ ⎥ ⎣.⎦
AM1 AM2 · · · A M N xn BM
Jika kita menetapkan matriks ini dengan A, x, dan B, masing-masing, maka kita dapat mengganti sistem
asli dari M persamaan dalam n tidak diketahui oleh persamaan matriks tunggal
Ax = B
Matriks A dalam persamaan ini disebut matriks koefisien dari sistem. Matriks yang diperbesar
untuk sistem diperoleh dengan menghubungkanB ke A sebagai kolom terakhir; jadi matriks yang
diperbesar adalah
Garis partisi vertikal dalam matriks
⎡ ⎤
yang diperbesar [A | B]adalah
A11 A12 · · · A1n B1
opsional, tetapi merupakan cara ⎢ B2 ⎥⎥
⎢ A 21 A22 · · · A2n
yang berguna untuk memisahkan [A | B] = ⎢ .. .⎥⎦
matriks koefisien secara visual A ⎣ ... ... ...
dari vektor kolom B. AM1 AM2 ··· AM N BM
Transpos Matriks Kami menyimpulkan bagian ini dengan mendefinisikan dua operasi matriks yang tidak memiliki analog
dalam aritmatika bilangan real.
DEFINISI 7 Jika A apakah ada? M × n matriks, maka transpos dari A, dilambangkan dengan AT ,
didefinisikan sebagai n × M matriks yang dihasilkan dengan menukar baris dan kolom dari A;
yaitu, kolom pertama dariAT adalah baris pertama dari A, kolom kedua dari AT adalah baris
kedua dari A, Dan seterusnya.
CONTOH 11 Beberapa Transpose

Berikut ini adalah beberapa contoh matriks dan transposnya.
⎡ ⎤ ⎡ ⎤
A11 A12 A13 A14 2 3
⎢ ⎥ ⎢ ⎥
A = ⎣A21 A22 A23 A24⎦, B = ⎣1 4⎦, C = [1 3 5], D = [4]
A31 A32 A33 A34 5 6
⎡ ⎤
A11 A21 A31 ⎡⎤
[ ] 1
⎢ A32⎥⎥ 2 1 5
⎢ A12 A22 ⎢⎥
AT = ⎢ ⎥, BT = , CT = ⎣3⎦, DT = [4]
⎣A13 A23 A33⎦ 3 4 6
5
A14 A24 A34
Perhatikan bahwa tidak hanya kolom dari AT deretan A, tetapi deretan AT adalah kolom dari A.
Jadi entri dalam barisSaya dan kolom J dari AT adalah entri dalam baris J dan kolom Saya dari A; itu
adalah,
(AT )aku j = (A)Ji (14)
Perhatikan pembalikan subskrip.

Dalam kasus khusus di mana A adalah matriks persegi, transpos dari A dapat diperoleh
dengan menukar entri yang diposisikan secara simetris terhadap diagonal utama. Di dalam
(15) kita melihat bahwa AT juga dapat diperoleh dengan "merefleksikan" A tentang diagonal utamanya.
⎡ ⎤ ⎡ ⎤ ⎡ ⎤
1 2 4 1 2 4 1 3 5
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
A ⎣= 3 7 0⎦ ⎣ 3 7 0⎦ AT ⎣ 2 7 8⎦ (15)
5 8 6 5 8 6 4 0 6
Pertukaran entri yang

diposisikan secara simetris
tentang diagonal utama.
Catatan Sejarah Syarat matriks pertama kali digunakan oleh ahli matematika Inggris James
Sylvester, yang mendefinisikan istilah pada tahun 1850 sebagai "pengaturan istilah yang
memanjang". Sylvester mengomunikasikan karyanya tentang matriks kepada sesama ahli
matematika dan pengacara Inggris bernama Arthur Cayley, yang kemudian memperkenalkan
beberapa operasi dasar matriks dalam sebuah buku berjudulMemoar tentang Teori Matriks yang
diterbitkan pada tahun 1858. Sebagai hal yang menarik, Sylvester, yang adalah seorang Yahudi,
tidak mendapatkan gelar sarjananya karena ia menolak untuk menandatangani sumpah yang
diwajibkan kepada Gereja Inggris. Dia diangkat ke kursi di University of Virginia di Amerika Serikat
tetapi mengundurkan diri setelah memukul seorang siswa dengan tongkat karena dia sedang
membaca koran di kelas. Sylvester, mengira dia telah membunuh siswa itu, melarikan diri kembali
ke Inggris dengan kapal pertama yang tersedia. Untungnya, siswa itu tidak mati, hanya shock!
James Sylvester Arthur Cayley [Gambar: © Bettmann/CORBIS (Sylvester);

(1814–1897) (1821–1895) Peneliti Foto/Getty Images (Cayley)]
Jejak Matriks DEFINISI 8 Jika A adalah matriks persegi, maka jejak dari A, dilambangkan dengan tr(A),
didefinisikan sebagai jumlah entri pada diagonal utama A. Jejak dariA tidak terdefinisi jika A
bukan matriks persegi.
CONTOH 12 Jejak
Berikut ini adalah contoh matriks dan jejaknya.
⎡ ⎤
⎡ ⎤ - 1270
A11 A12 A13 ⎢ 4⎥
⎢ ⎥ ⎢ 3 5 - 8 ⎥
A = ⎣A21 A22 A23⎦, B = ⎢ ⎥
⎣ 1 2 7 - 3⎦
A31 A32 A33
4 - 2 1 0
tr(A) = A11 + A22 + A33 tr(B) =1 + 5 + 7 + 0 = 11
Dalam latihan Anda akan memiliki beberapa latihan bekerja dengan operasi transpose
dan trace.
Set Latihan 1.3

Dalam Latihan 1-2, seandainya A, B, C, D, dan E adalah matriks dengan 4. (a) 2AT + C (B) DT - ET (C) (D - E)T
ukuran sebagai berikut:
(D) BT + 5CT (e) 1 2CT - 1 A 4
(F ) B - BT
AB C D E
(4 × 5) (4 × 5) (5 × 2) (4 × 2) (5 × 4) (g) 2ET - 3DT (H) (2ET - 3DT )T (Saya) (CD)E
Di setiap bagian, tentukan apakah ekspresi matriks yang diberikan ( J) C(BA) (k) tr(DET ) (l) tr(SM)
terdefinisi. Untuk yang terdefinisi, berikan ukuran matriks yang
dihasilkan. 5. (A) AB (B) BA (C) (3E)D
1. (A) BA (B) ABT (C) AC + D
(D) (AB)C (e) A(SM) (F ) CCT
(D) E(AC) (e) A - 3ET (F ) E(5B + A)
(G) (D)T (H) (CTB)AT (i) tr(DDT )
2. (A) CDT (B) DC (C) SM - 3D ( j) tr(4ET - D) (k) tr(CTAT + 2ET ) (l) tr((ECT )TA)
(D) DT (MENJADI) (e) BTD + ED (F ) BAT + D
6. (A) (2DT - E)A (B) (4B) C + 2B
Dalam Latihan 3–6, gunakan matriks berikut untuk menghitung
ekspresi yang ditunjukkan jika didefinisikan. (C) (-AC)T + 5DT (D) (BAT - 2C)T
⎡ ⎤
3 0 [ ] [ ] (e) BT(CCT - ATA) (F ) DTET - (ED)T
⎢ ⎥ 4 - 1 1 4 2
A = ⎣-1 2⎦, B= , C= ,
0 2 3 1 5 Dalam Latihan 7-8, gunakan matriks berikut dan salah satu barisnya
1 1
metode atau metode kolom, yang sesuai, untuk menemukan
⎡ ⎤ ⎡ ⎤
1 5 2 6 1 3 baris atau kolom yang ditentukan.
⎢ ⎥ ⎢ ⎥ ⎡⎤⎡⎤
D = ⎣-1 0 1⎦, E = ⎣-1 1 2⎦ 32 7 62 4
3244 1 3 ⎢⎥⎢⎥
A = ⎣6 5 4⎦ dan B = ⎣0 1 3⎦
3. (A) D + E (B) D - E (c) 5A 0 4 9 7 7 5
(d) 7C (e) 2B - C (f ) 4E - 2D 7. (a) baris pertama dari AB (b) baris ketiga dari AB
(g) 3(d + 2E) (H) A - A (i) tr(D) (c) kolom kedua dari AB (d) kolom pertama dari BA
( j) tr(d - 3E) (k) 4 tr(7B) (l) tr(A) (e) baris ketiga dari A A (f ) kolom ketiga dari A A

Alin - Ebook (001-050) Sub Indo

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Alin - Ebook (001-050) Sub Indo

Diunggah oleh

Hak Cipta:

Format Tersedia

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

WileyPLUS membangun rasa percaya diri siswa karena butuh tebak-tebakan

• apa yang harus dilakukan

• Bagaimana cara melakukannya

• jika mereka melakukannya dengan benar

Sekarang tersedia untuk

Untuk informasi lebih lanjut, kunjungi www.wileyplus.com

Buku ini dicetak di atas kertas bebas asam.

Seluruh hak cipta. Diterbitkan secara bersamaan di Kanada.

Library of Congress Katalogisasi-dalam-Publikasi Data

Anton, Howard, penulis.

Dicetak di Amerika Serikat

• Latihan Benar/Salah Latihan Benar/Salah dirancang untuk memeriksa pemahaman konseptual

Template Panjang Templat Singkat

Bab 1: Sistem Persamaan Linier dan MatriksBab 2: 8 kuliah 6 kuliah

PenentuBagian 3: Ruang Vektor EuclideanBab 4: 3 kuliah 2 kuliah

Ruang Vektor UmumBab 5: Nilai Eigen dan Vektor 4 kuliah 3 kuliah

EigenBab 6: Ruang Produk DalamBab 7: 10 kuliah 9 kuliah

Diagonalisasi dan Bentuk KuadratBab 8: 3 kuliah 3 kuliah

Transformasi Linier UmumTotal: 3 kuliah 1 kuliah

John Seiring, Universitas NorthwesternJiu Ding,

Y.George Lai, Universitas Wilfred Laurier

Vasileios Maroulas, Universitas Tennessee, Knoxville

Przemyslaw Bogacki, Universitas Dominion Lama - yang memecahkan latihan dan

BAB 1 Sistem Persamaan Linier dan Matriks 1

1.1 Pengenalan Sistem Persamaan Linier 2

BAB 2 Penentu 105

2.1 Determinan dengan Ekspansi Kofaktor 105

BAB 3 Ruang Vektor Euclidean 131

BAB 4 Ruang Vektor Umum 183

4.1 Ruang Vektor Nyata 183

BAB 5 Nilai Eigen dan Vektor Eigen 291

BAB 6 Ruang Produk Dalam 345

BAB 7 Diagonalisasi dan Bentuk Kuadrat 401

BAB 8 Transformasi Linier Umum 447

BAB 9 Metode Numerik 491

9.1 LU-Penguraian 491

BAB 10 Aplikasi Aljabar Linier 527

10.4 Rantai Markov 551

LAMPIRAN A Bekerja dengan Bukti A1

LAMPIRANB Bilangan Kompleks A5

Jawaban untuk Latihan A13

diwujudkan dalam matriks

1.1 Pengantar Sistem Persamaan Linier

kapak + oleh = taksi tidak keduanya 0)

kapak + oleh + cz = d (a, b, c tidak semua 0)

A1x + A2kamu = b (a1, A2 tidak keduanya 0) A1x + A2 (2)

Dalam kasus khusus di mana B = 0, Persamaan (1) memiliki bentuk

A1x1 + A2x2 + · · · + Anxn = 0 (4)

CONTOH 1 Persamaan linear

x + 3kamu = 7 x1 2x2 3x 3 + x 4 = 0x1 + x2

5x + kamu = 3 4x1 - x2 + 3x3 = 13x1 +

(1, -2) dan (1, 2, -1)

(S1, S2, . . . , Sn)

A1x + B1kamu = C1A

kamu kamu kamu

Tidak ada solusi Satu solusi Banyak sekali

A1x + B1kamu + C1z = D1A

CONTOH 2 Sistem Linier dengan Satu Solusi

CONTOH 3 Sistem Linier Tanpa Solusi

CONTOH 4 Sistem Linier dengan Banyak Solusi

CONTOH 5 Sistem Linier dengan Banyak Solusi

Ini disebut operasi baris elementer pada sebuah matriks.