MODUL PERKULIAHAN
W152100010 –
Aljabar Linear
Operasi Matriks dan Matriks
Inversnya
Abstrak Sub-CPMK
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.
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
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
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
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.
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
1 2 18 15
10 9
A(BC) = [3 4] [ ] = [46 39]
4 3
0 1 4 3
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).
−1 0 1 2
A=[ ] dan B = [ ]
2 3 3 0
−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]
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.
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
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 = 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.
0 1 1 1 2 5
A=[ ], B=[ ], C=[ ]
0 2 3 4 3 4
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
Hasil yang sama berlaku secara umum; yaitu, jika A adalah sembarang matriks m × n, maka
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.
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.
Dalam aritmatika umum, tiap bilangan bukan nol a, memiliki kebalikan a−1(= 1/a) dengan
sifat
a · a−1 = a−1 · a = 1
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.
AB = BA = I
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.
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
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.
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,
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
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
𝑎 𝑏
| | = ad – bc
𝑐 𝑑
Jadi, determinan matriks A 2 × 2 adalah hasil kali entri-entri pada diagonal utamanya
dikurangi produk entri-entri pada diagonal keduanya.
Solusi (a) Determinan dari A adalah det(A) = (6)(2) – (1)(5) = 7, yang bukan nol.
1𝑑 −𝑏
A1 = [ ]
𝑎𝑏 − 𝑑𝑐 −𝑐 𝑎
1 2 −1
A1 = [ ]
7 −5 6
2 1
−
7 7
A1 = [ 5 6 ]
−
7 7
Solusi (b) Matriks tidak dapat dibalik karena det(A) = (−1)(−6) – (2)(3) = 0.
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
𝑢 𝑎 𝑏 𝑥
[ ]= [ ][ ]
𝑣 𝑐 𝑑 𝑦
Menggunakan Teorema 4.5, kita dapat menulis ulang persamaan ini menjadi
1𝑑 −𝑏 𝑢 𝑥
[ ][ ] = [ ]
𝑎𝑏 − 𝑑𝑐 −𝑐 𝑎 𝑣 𝑦
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
Produk dari sejumlah matriks yang dapat dibalik (invertible) akan invertible juga, dan invers
dari produk itu adalah produk dari invers dalam urutan yang terbalik.
1 2 3 2
A=[ ] dan B=[ ]
1 3 2 2
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.
4. Seymour Lipschutz, Marc Lipson, Schaum's Outline of Theory and Problems of Linear
Algebra