1

MODUL PERKULIAHAN

W152100010 –
Aljabar Linear
Operasi Matriks dan Matriks
Inversnya

Abstrak Sub-CPMK

Operasi matriks dan matriks Sub-CPMK 2.1

inversnya. Sifat-sifat aljabar Mampu memahami makna dan cara
dari Matriks. penyelesaian limit tak hingga.

Fakultas Program Studi Tatap Muka Disusun Oleh

04
Indra Sudung H.L.T. M.Kom
Ilmu Komputer Teknologi Informasi
Sifat-sifat Maktriks
Sifat-sifat Penambahan dan Perkalian Skalar Matrikx

Pada bagian ini kita akan bahas beberapa sifat aljabar dari operasi matriks. Banyak aturan
dasar aritmatika untuk bilangan real berlaku untuk matriks, tetapi beberapa aturan, tidak.

Teorema berikut mencantumkan sifat aljabar dasar dari operasi matriks.

Teorema 4.1 Sifat-sifat Aritmatika Matriks

Dengan asumsi bahwa ukuran matriks sedemikian rupa sehingga operasi yang
ditunjukkan dapat dilakukan, maka aturan aritmatika matriks berikut ini berlaku.

a) A + B = B + A [Hukum komutatif untuk penjumlahan matriks]

b) A + (B + C) = (A + B) + C [Hukum asosiatif untuk penjumlahan matriks]

c) A(BC) = (AB)C [Hukum asosiatif untuk perkalian matriks]

d) A (B + C) = AB + AC [Hukum distributif kiri]

e) (B + C) A = BA + CA [Hukum distributif kanan]

f) A (B – C) = AB – AC

g) (B – C) A = BA – CA

h) a (B + C) = aB + aC

i) a (B – C) = aB – aC

j) (a + b) C = aC + bC

k) (a – b) C = aC – bC

l) a(bC) = (ab)C

m) a(BC) = (aB)C = B(aC)

Untuk membuktikan setiap persamaan dalam teorema ini, kita harus menunjukkan bahwa
matriks di ruas kiri memiliki ukuran yang sama dengan matriks di ruas kanan dan bahwa
entri-entri yang bersesuaian pada kedua ruas adalah sama. Sebagian besar pembuktian
mengikuti pola yang sama, jadi kita akan membuktikan bagian (d) sebagai sampel.
Pembuktian hukum asosiatif untuk perkalian lebih rumit daripada yang lain dan diuraikan
dalam latihan.

Bukti (d) Kita harus menunjukkan bahwa A(B + C) dan AB + AC memiliki ukuran yang sama
dan entri-entri yang bersesuaian adalah sama. Untuk membentuk A(B + C), matriks B dan

2021 Aljabar Linier

2 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
C harus memiliki ukuran yang sama, katakanlah m × n, dan matriks A harus memiliki m
kolom, sehingga ukurannya harus berbentuk r × m. Ini membuat A(B + C) menjadi matriks
r × n. Oleh karena itu, AB + AC juga merupakan matriks r × n dan, akibatnya, A(B + C) dan
AB + AC memiliki ukuran yang sama.

Misalkan A = [aij], B = [bij], dan C = [cij]. Kami ingin menunjukkan bahwa entri yang sesuai
dari A(B + C) dan AB + AC adalah sama; itu adalah,
A(B + C)ij = (AB + AC)ij

untuk semua nilai i dan j. Tetapi dari definisi penjumlahan matriks dan perkalian matriks,
kita peroleh

A(B + C)ij = ai1(b1j + c1j) + ai2(b2j + c2j) + · · · + aim(bmj + cmj)

= (ai1b1j + ai2b2j + · · · + aimbmj) + (ai1c1j + ai2c2j + · · · + aimcmj)

= (AB)ij + (AC)ij = (AB + AC)ij

Meskipun operasi penjumlahan matriks dan perkalian matriks didefinisikan untuk pasangan
matriks, hukum asosiatif (b) dan (c) memungkinkan kita untuk menyatakan jumlah dan
produk dari tiga matriks sebagai A + B + C dan ABC tanpa menyisipkan tanda kurung. Ini
dibenarkan oleh fakta bahwa tidak peduli bagaimana tanda kurung dimasukkan, hukum
asosiatif menjamin bahwa hasil akhir yang sama akan diperoleh. Secara umum, mengingat
jumlah atau produk matriks apa pun, pasangan tanda kurung dapat disisipkan atau dihapus
di mana saja dalam ekspresi tanpa mempengaruhi hasil akhirnya.

CONTOH 1. Asosiatif Perkalian Matriks

Sebagai ilustrasi hukum asosiatif untuk perkalian matriks, perhatikan

1 2
4 3 1 0
A = [3 4], B=[ ], C=[ ]
2 1 2 3
0 1

Lalu

1 2 8 5
4 3 4 3 1 0 10 9
AB = [3 4] [ ] = [20 13] dan BC = [ ][ ] =[ ]
2 1 2 1 2 3 4 3
0 1 2 1

Kemudian

8 18
5 15
1 0
(AB)C = [20 13] [ ] = [46 39]
2 3
2 1 4 3

2021 Aljabar Linier

3 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Dan

1 2 18 15
10 9
A(BC) = [3 4] [ ] = [46 39]
4 3
0 1 4 3

jadi (AB)C = A(BC), sebagaimana dinyatakan pada teorema 4.1(c).

Sifat-sifat Perkalian Matriks

Apakah semua hukum aritmatika berlaku pada aritmatika matriks. Misalnya, dalam hukum
aritmatika berlaku bahwa ab = ba, yang disebut hukum komutatif perkalian. Namun, dalam
aritmatika matriks, persamaan AB dan BA dapat gagal karena tiga kemungkinan alasan:

1. AB dapat didefinisikan dan BA mungkin tidak (misalnya, jika A adalah 2 × 3 dan B adalah
3 × 4).

2. AB dan BA keduanya dapat didefinisikan, tetapi mereka mungkin memiliki ukuran yang
berbeda (misalnya, jika A adalah 2 × 3 dan B adalah 3 × 2).

3. AB dan BA keduanya dapat didefinisikan dan memiliki ukuran yang sama, tetapi kedua
produk tersebut mungkin berbeda (seperti yang diilustrasikan pada contoh berikut).

CONTOH 2 Urutan Hal-hal dalam Perkalian Matriks

Pertimbangkan matriks

−1 0 1 2
A=[ ] dan B = [ ]
2 3 3 0

Pengalian akan menghasilkan

−1 −2 3 6
AB = [ ] dan BA = [ ]
11 4 −3 0

Jadi, AB ≠ BA

Matriks-matriks Nol

Matriks yang semua entrinya nol disebut matriks nol. Beberapa contohnya adalah

1 0
0 0 0
0 0 1 0 0 0 0 0
[ ], [0 0 0], [ ], , [0]
0 0 0 0 0 1 0 0
0 0 0
[0 1]

2021 Aljabar Linier

4 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Kita nyatakan matriks nol dengan 0 saja, kecuali kita memerlukan ukurannya, atau penting
untuk menentukan ukurannya, maka kita akan menunjukkan matriks nol m × n dengan 0
m×n.

Harus bisa dibuktikan bahwa jika A dan 0 adalah matriks dengan ukuran yang sama, maka

A+0=0+A=A

Jadi, 0 memiliki peran yang sama dalam persamaan matriks ini dengan angka 0 dalam
persamaan numerik a + 0 = 0 + a = a.

Teorema berikut menunjukkan sifat dasar matriks nol. Karena hasilnya harus terbukti
dengan sendirinya, kami akan menghilangkan bukti formal.

Teorema 4.2 Sifat-sifat Matriks Nol

Jika c adalah skalar, dan jika ukuran matriks sedemikian rupa sehingga operasi dapat
dilakukan, maka:

(a) A + 0 = 0 + A = A

(b) A – 0 = A

(c) A – A = A + (−A) = 0

(d) 0A = 0

(e) Jika cA = 0, maka c = 0 atau A = 0.

Kita tahu bahwa hukum komutatif aritmatika sungguh tidak berlaku dalam aritmatika
matriks, ternyata ada lagi aturan lain yang juga tidak berlaku pada aritmatika matriks.
Sebagai contoh, perhatikan dua hukum aritmatika real berikut:

• Jika ab = ac dan a ≠ 0, maka b = c. [Hukum pembatalan]

• Jika ab = 0, maka paling sedikit salah satu faktor di sebelah kiri adalah 0.

Dua contoh berikutnya menunjukkan bahwa hukum-hukum ini tidak berlaku dalam
aritmatika matriks.

CONTOH 3 Kegagalan Hukum Pembatalan

Pertimbangkan matriks

0 1 1 1 2 5
A=[ ], B=[ ], C=[ ]
0 2 3 4 3 4

Jika kita lakukan perkalian berikut, maka:

2021 Aljabar Linier

5 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 3 4
AB = AC = [ ]
6 8

Meskipun A ≠ 0, membatalkan A dari kedua sisi persamaan AB = AC akan menghasilkan

kesimpulan yang salah bahwa B = C. Dengan demikian, hukum pembatalan tidak berlaku,
secara umum, untuk perkalian matriks (meskipun mungkin ada kasus tertentu hal itu bisa
berlaku).

CONTOH 4. Produk Nol dengan Faktor Bukan Nol

Berikut adalah dua matriks dimana AB = 0, tetapi A ≠ 0 dan B ≠ 0:

0 1 3 7
A=[ ], B=[ ]
0 2 0 0

Matriks Identitas

Matriks persegi dengan 1 pada diagonal utama dan nol di tempat lain disebut matriks
identitas. Beberapa contohnya adalah

1 0 0 0
1 0 0
1 0 0 1 0 0
[1], [ ], [0 1 0],
0 1 0 0 1 0
0 0 1
[0 0 0 1]

Matriks identitas dilambangkan dengan huruf I. Jika penting untuk menuliskan ukurannya,
kita akan menulis In untuk matriks identitas n × n.

Untuk menjelaskan peran matriks identitas dalam aritmatika matriks, mari kita perhatikan
efek mengalikan matriks A umum 2 × 3 pada setiap sisi dengan matriks identitas.
Mengalikan di sebelah kanan dengan matriks identitas 3 × 3 menghasilkan

1 0 0
𝑎11 𝑎12 𝑎13 𝑎11 𝑎12 𝑎13
AI3 = [ ] [0 1 0] = [ ]=A
𝑎21 𝑎22 𝑎23 𝑎21 𝑎22 𝑎23
0 0 1

dan mengalikan yang sebelah kiri dengan matriks identitas 2 × 2 menghasilkan

1 0 𝑎11 𝑎12 𝑎13 𝑎11 𝑎12 𝑎13

I2A = [ ][ ]=[ ]=A
0 1 𝑎21 𝑎22 𝑎23 𝑎21 𝑎22 𝑎23

Hasil yang sama berlaku secara umum; yaitu, jika A adalah sembarang matriks m × n, maka

AIn = A dan ImA = A

2021 Aljabar Linier

6 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Dengan demikian, matriks identitas memainkan peran yang sama dalam aritmatika matriks
yang dimainkan oleh angka 1 dalam persamaan numerik a · 1 = 1 · a = a.

Seperti yang ditunjukkan oleh teorema berikutnya, matriks identitas muncul secara alami
dalam mempelajari bentuk eselon baris tereduksi dari matriks persegi.

Teorema 4.3 Jika R adalah bentuk eselon baris tereduksi dari matriks A n × n, maka
entah R memiliki deretan nol, atau R adalah matriks identitas In.

Bukti: Misalkan bentuk eselon baris tereduksi dari A adalah

𝑟11 𝑟12 … 𝑟1𝑛

𝑟21 𝑟22 … 𝑟2𝑛
R=
⋮ ⋮ ⋮
[𝑟𝑛1 𝑟𝑛2 … 𝑟𝑛𝑛]

Apakah baris terakhir dalam matriks ini seluruhnya terdiri dari nol atau tidak. Jika tidak,
matriks tidak berisi baris nol, dan akibatnya masing-masing dari n baris memiliki entri
terdepan 1. Karena si 1 terdepan ini terjadi secara berurut makin kebawah, si 1 tersepan
itu akan makin kekanan, maka si 1 terdepan ini harus berada pada diagonal utama. Karena
entri lain dalam kolom yang sama dengan salah satu dari si 1 ini adalah nol, R harus In
(maksudnya n x n atau bujur sangkar). Jadi, entah R memiliki deretan nol atau R = In.

Invers dari Matriks

Dalam aritmatika umum, tiap bilangan bukan nol a, memiliki kebalikan a−1(= 1/a) dengan
sifat

a · a−1 = a−1 · a = 1

Bilangan a−1 kadang-kadang disebut invers perkalian dari a.

Definisi 1. Jika A adalah matriks bujur sangkar, dan jika matriks B yang berukuran sama
dapat dicari sedemikian rupa sehingga AB = BA = I, maka A dikatakan dapat dibalik
(invertible) atau nonsingular, dan B disebut invers dari A. Jika tidak ada matriks B seperti
itu yang dapat ditemukan, maka A dikatakan singular.

Keterangan Hubungan AB = BA = I tidak diubah dengan mempertukarkan A dan B, jadi jika

A dapat dibalik (invertible) dan B adalah invers dari A, maka benar juga bahwa B adalah
invertible, dan A adalah invers dari B. Jadi, ketika

AB = BA = I

2021 Aljabar Linier

7 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Maka bisa dibilang bahwa A dan B saling invers.

CONTOH 5 Matriks dapat dibalik (Invertible)

Ambil matriks berikut

2 −5 3 5
A=[ ] dan B = [ ]
−1 3 1 2

Lalu

2 −5 3 5 1 0
AB = [ ] [ ]=[ ]=I
−1 3 1 2 0 1

3 5 2 −5 1 0
BA = [ ] [ ]=[ ]=I
1 2 −1 3 0 1

Jadi, A dan B dapat dibalik (invertible) dan kedua matriks merupakan kebalikan satu
terhadap yang lain.

CONTOH 6. Kelas Matriks Singular

Matriks bujur sangkar dengan baris atau kolom nol adalah tunggal. Untuk membantu
memahami mengapa demikian, lihatlah matriks berikut

1 4 0
A = [2 5 0]
3 6 0

Untuk membuktikan bahwa A singular, kita harus menunjukkan bahwa tidak ada matriks B
3 × 3 sedemikian rupa sehingga AB = BA = I. Untuk tujuan ini, misalkan c1, c2, 0 adalah
vektor kolom dari A. Jadi, untuk matriks 3 × 3 apa pun B kita dapat menyatakan hasil kali
BA sebagai

BA = B[c1 c2 0] = [Bc1 Bc2 0] [Rumus (6) dari Bagian 1.3]

Kolom nol menunjukkan bahwa BA ≠ I dan karenanya A adalah singular.

Sifat-sifat Invers

Apakah matriks yang dapat dibalik (invertible) dapat memiliki lebih dari satu invers ?
Teorema berikutnya menunjukkan bahwa jawabannya adalah “tidak”. Matriks yang dapat
dibalik (invertible) hanya memiliki tepat satu invers.

Teorema 4.4 Jika B dan C keduanya invers dari matriks A, maka B = C.

2021 Aljabar Linier

8 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Bukti: Karena B adalah invers dari A, maka BA = I. Dengan mengalikan kedua ruas kanan
dengan C, maka akan menghasilkan (BA)C = IC = C. Tetapi juga benar bahwa (BA)C =
B(AC) = BI = B, jadi C = B.

Sebagai konsekuensi dari hasil penting ini, sekarang kita dapat berbicara tentang si invers
dari matriks yang dapat dibalik (invertible). Jika A dapat dibalik (invertible), maka inversnya
akan dilambangkan dengan simbol A−1.

Dengan demikian,

AA−1 = I dan A−1A = I

Invers dari A berperan hampir sama dalam aritmatika matriks dengan kebalikan dari a−1
dalam hubungan numerik aa−1 = I dan a−1a = I.

Syarat di mana matriks 2 × 2 dapat dibalik (invertible) dan rumus untuk inversnya.

Teorema 4.5

𝑎 𝑏
Matriks A=[ ]
𝑐 𝑑

dapat dibalik (invertible), jika dan hanya jika ad – bc ≠ 0.

Dalam hal ini inversnya adalah:

1 𝑑 −𝑏
A1 = [ ]
𝑎𝑏 − 𝑑𝑐 −𝑐 𝑎

Besaran ad-bc dalam teorema 4.5 diatas disebut determinan dari matriks A 2 × 2 dan
dilambangkan dengan:

det(A) = ad – bc

atau sebagai alternatif:

𝑎 𝑏
| | = ad – bc
𝑐 𝑑

Dari rumus diatas harus bisa dibuktikan bahwa AA−1 = A−1A = I.

Jadi, determinan matriks A 2 × 2 adalah hasil kali entri-entri pada diagonal utamanya
dikurangi produk entri-entri pada diagonal keduanya.

CONTOH 7 Menghitung Invers dari Matriks 2 × 2

Pada setiap bagian, tentukan apakah matriks tersebut dapat dibalik (invertible). Jika ya, cari
inversnya.

2021 Aljabar Linier

9 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 6 1 −1 2
(a) A = [ ] dan (b) B = [ ]
5 2 3 −6

Solusi (a) Determinan dari A adalah det(A) = (6)(2) – (1)(5) = 7, yang bukan nol.

Jadi, A dapat dibalik (invertible), dan inversnya adalah

1𝑑 −𝑏
A1 = [ ]
𝑎𝑏 − 𝑑𝑐 −𝑐 𝑎

1 2 −1
A1 = [ ]
7 −5 6

2 1
−
7 7
A1 = [ 5 6 ]
−
7 7

Terbukti bahwa AA−1 = A−1A = I.

Solusi (b) Matriks tidak dapat dibalik karena det(A) = (−1)(−6) – (2)(3) = 0.

CONTOH 8 Solusi Sistem Linier dengan Inversi Matriks

Masalah yang muncul dalam banyak aplikasi adalah untuk memecahkan sepasang
persamaan dengan bentuk

u = ax + by

v = cx + dy

untuk x dan y dalam pada u dan v. Salah satu pendekatan adalah memperlakukan ini
sebagai sistem linier dari dua persamaan dalam x dan y yang tidak diketahui dan
menggunakan eliminasi Gauss–Jordan untuk menyelesaikan x dan y. Namun, karena
koefisien yang tidak diketahui lebih literal daripada numerik, prosedur ini sedikit
membingungkan. Sebagai pendekatan alternatif, mari kita ganti kedua persamaan dengan
persamaan matriks tunggal berikut:

𝑢 𝑎𝑥 + 𝑏𝑦
[ ]=[ ]
𝑣 𝑐𝑥 + 𝑑𝑦

Maka, dapat kita tulis

𝑢 𝑎 𝑏 𝑥
[ ]= [ ][ ]
𝑣 𝑐 𝑑 𝑦

2021 Aljabar Linier

10 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Jika kita mengasumsikan bahwa matriks 2 × 2 dapat dibalik (yaitu, ad – bc = 0), maka kita
dapat mengalikan yang di sebelah kiri dengan invers dan menulis ulang persamaan diatas
sebagai
−1 𝑥
𝑎 𝑏 𝑢
[ ] [ ] = [ ]
𝑐 𝑑 𝑣 𝑦

yang disederhanakan menjadi

−1 −1 𝑥
𝑎 𝑏 𝑢 𝑎 𝑏 𝑎 𝑏
[ ] [ ] = [ ] [ ][ ]
𝑐 𝑑 𝑣 𝑐 𝑑 𝑐 𝑑 𝑦

Menggunakan Teorema 4.5, kita dapat menulis ulang persamaan ini menjadi

1𝑑 −𝑏 𝑢 𝑥
[ ][ ] = [ ]
𝑎𝑏 − 𝑑𝑐 −𝑐 𝑎 𝑣 𝑦

yang akhirnya kita peroleh

𝑑𝑢 − 𝑏𝑣 𝑎𝑣 − 𝑐𝑢
x= , y=
𝑎𝑏 − 𝑑𝑐 𝑎𝑏 − 𝑑𝑐

Teorema 4.6 Jika A dan B adalah matriks-matriks yang dapat dibalik (invertible) dengan
ukuran yang sama, maka AB juga akan dapat dibalik (invertible) dan

(AB)−1 = B−1A−1

Bukti. Kita dapat menetapkan invertibilitas dan memperoleh rumus yang dinyatakan pada
saat yang sama dengan menunjukkan bahwa

(AB)(B−1A−1) = (B−1A−1)(AB) = I

Tetapi

(AB)(B−1A−1) = A(BB−1)A−1 = AIA−1 = AA−1 = I

dan dengan cara yang sama, (B−1A−1)(AB) = I.

Teorema berlaku ke tiga faktor atau lebih:

Produk dari sejumlah matriks yang dapat dibalik (invertible) akan invertible juga, dan invers
dari produk itu adalah produk dari invers dalam urutan yang terbalik.

CONTOH 9 Kebalikan dari Produk

Pertimbangkan matriks

1 2 3 2
A=[ ] dan B=[ ]
1 3 2 2

2021 Aljabar Linier

11 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Jika dikalikan dan diinverskan, hasilnya akan

7 6 4 −3
AB = [ ] dan (AB)−1 = [ 9 7 ]
9 8 −2 2

dan juga

3 −2 1 −1 1 −1 3 −2 4 −3
A=[ ], B=[ 3 ], B−1A−1 = [ 3 ][ ]=[ 9 7 ]
−1 1 −1 2 −1 2 −1 1 −2 2

Jadi terbukti, (AB) −1 = B−1A−1 seperti yang dinyatakan pada Teorema 4.6.

2021 Aljabar Linier

12 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Daftar Pustaka

1. Howard Anton, Aljabar Linear

2. Mahmud Imrona, Aljabar Linear Dasar

3. Yuliant Sibaroni, Aljabar Linear

4. Seymour Lipschutz, Marc Lipson, Schaum's Outline of Theory and Problems of Linear
Algebra

2021 Aljabar Linier

13 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/