MODUL PERKULIAHAN
W152100010 –
Aljabar Linear
Ekspansi Kofaktor Aturan
Cramer
Abstrak Sub-CPMK
06
Indra Sudung H.L.T. M.Kom
Ilmu Komputer Teknologi Informasi
Sifat Determinan; aturan Cramer
Sifat Dasar Determinan
Disini kita akan pelajari beberapa sifat dasar matriks, dan kita akan gunakan hasil ini untuk
menurunkan rumus invers dari matriks yang dapat dibalik dan rumus untuk solusi jenis
sistem linier tertentu.
Misalkan A dan B adalah matriks n × n dan k adalah sembarang skalar. Kita mulai dengan
mempertimbangkan kemungkinan hubungan antara det(A), det(B), dan
Karena faktor persekutuan dari sembarang baris matriks dapat dipindahkan melalui tanda
determinan, dan karena setiap n baris dalam kA memiliki faktor persekutuan k, maka
Sebagai contoh,
Sayangnya, tidak ada hubungan sederhana antara det(A), det(B), dan det(A + B). Secara
khusus, det(A + B) biasanya tidak akan sama dengan det(A) + det(B). Ini contohnya.
1 2 3 1 4 3
A=[ ], B=[ ], A+B=[ ]
2 5 1 3 5 8
Terlepas dari contoh sebelumnya, ada hubungan yang berguna soal jumlah determinan
yang berlaku ketika matriks yang terlibat adalah sama kecuali untuk satu baris (kolom).
Sebagai contoh, perhatikan dua matriks berikut yang hanya berbeda pada baris kedua:
𝑎11 𝑎12
=[ ]
𝑎21 + 𝑏21 𝑎22 + 𝑏22
Dengan demikian
TEOREMA 3.1 Misalkan A, B, dan C adalah matriks n × n yang berbeda hanya dalam
satu baris, katakanlah r, dan asumsikan bahwa baris r dari C dapat diperoleh dengan
menambahkan entri yang sesuai pada baris ke-r dari A dan B. Lalu
1 7 5 1 7 5 1 7 5
det [ 2 0 3 ] = det [2 0 3] + det [2 0 3]
1+0 4+1 7 + (−1) 1 4 7 0 1 −1
Bukti teorema ini cukup rumit, jadi kita harus mengembangkan beberapa hasil awal terlebih
dahulu. Kita mulai dengan kasus khusus (2) di mana A adalah matriks elementer. Karena
kasus khusus ini hanya pendahuluan untuk (2), kami menyebutnya lemma.
LEMMA 3.2 Jika B adalah matriks n × n dan E adalah matriks elementer n × n, maka
Bukti. Kita akan pertimbangkan tiga kasus, masing-masing sesuai dengan operasi baris
yang menghasilkan matriks E.
Kasus 1. Jika E dihasilkan dari perkalian baris In dengan k, maka dengan Teorema 1.5.1,
EB dihasilkan dari B dengan mengalikan baris yang sesuai dengan k; jadi dari Teorema
2.3(a) kita dapatkan
det(EB) = k det(B)
Kasus 2 dan 3. Pembuktian kasus di mana E dihasilkan dari pertukaran dua baris In atau
dari penambahan kelipatan satu baris ke baris lainnya mengikuti pola yang sama seperti
Kasus 1. Silahkan buktikan sebagai latihan.
Komentar. Ini diikuti dengan penerapan Lemma 3.2 yang berulang bahwa jika B adalah
matriks n × n dan E1, E2, ..., Er adalah n × n matriks elementer, maka
Teorema berikutnya memberikan kriteria penting untuk menentukan apakah suatu matriks
dapat dibalik. Ini juga membawa kita selangkah lebih dekat untuk membangun Formula (2).
TEOREMA 3.3 Suatu matriks bujur sangkar A dapat dibalik jika & hanya jika det(A) ≠ 0.
Bukti. Misalkan R adalah bentuk eselon baris tereduksi dari A. Sebagai langkah awal, akan
ditunjukkan bahwa det(A) dan det(R) keduanya nol atau keduanya bukan nol: Misalkan E1,
E2, ..., Er menjadi matriks elementer yang sesuai dengan operasi baris elementer yang
menghasilkan R dari A. Dengan demikian
R = Er ··· E2E1A
Sebaliknya, asumsikan bahwa det(A) ≠ 0. Dari sini dapat disimpulkan bahwa det(R) ≠ 0,
yang memberi tahu kita bahwa R tidak dapat memiliki deretan nol. Jadi, mengikuti Teorema
1.4.3 bahwa R = I dan karenanya A dapat dibalik oleh Teorema 1.6.4.
1 2 3
A = [1 0 1]
2 4 6
TEOREMA 3.4 Jika A & B adalah matriks bujur sangkar dengan ukuran yang sama, maka
Bukti. Kita bagi bukti menjadi dua kasus yang bergantung pada apakah A dapat dibalik atau
tidak. Jika matriks A tidak dapat dibalik, maka dengan Teorema 1.6.5 juga bukan hasil kali
AB. Jadi, dari Teorema 3.3, kita mendapatkan det(AB) = 0 dan det(A) = 0, sehingga det(AB)
= det(A) det(B).
Sekarang asumsikan bahwa A dapat dibalik. Dengan Teorema 1.6.4, matriks A dapat
dinyatakan sebagai produk dari matriks elementer, katakanlah
jadi
AB = E1 E2 ··· Er B
Pertimbangkan matriks
3 1 −1 3 2 17
A=[ ], B=[ ], AB = [ ]
2 1 5 8 3 14
Teorema berikut memberikan hubungan yang berguna antara determinan matriks yang
dapat dibalik dengan determinan inversnya.
Bukti. Karena A−1A = I, maka det(A−1A) = det(I). Jadi harus berlaku det(A−1) det(A) = 1.
Karena det(A) ≠ 0, pembuktian dapat diselesaikan dengan membagi dengan det(A).
Dalam ekspansi kofaktor, kita menghitung det(A) dengan mengalikan entri dalam baris atau
kolom dengan kofaktornya dan menambahkan produk yang dihasilkan. Ternyata jika
seseorang mengalikan entri di setiap baris dengan kofaktor yang sesuai dari baris yang
berbeda, jumlah produk ini selalu nol. (Hasil ini juga berlaku untuk kolom.) Meskipun kami
menghilangkan bukti umum, contoh berikut mengilustrasikan fakta ini.
3 2 −1
A = [1 6 3]
2 −4 0
Misalkan, bagaimanapun, kita mengalikan entri di baris pertama dengan kofaktor yang
sesuai dari baris kedua dan tambahkan produk yang dihasilkan. Hasilnya adalah
Atau misalkan kita mengalikan entri di kolom pertama dengan kofaktor yang sesuai dari
kolom kedua dan menambahkan produk yang dihasilkan. Hasilnya lagi nol karena
DEFINISI 1. Jika A adalah sembarang matriks n × n dan Cij adalah kofaktor dari aij, maka
matriks
disebut matriks kofaktor dari A. Transpos matriks ini disebut adjoint dari A dan
dilambangkan dengan adj(A).
3 2 −1
A = [1 6 3]
2 −4 0
12 6 −16
[4 2 16 ]
12 −10 16
12 4 12
adj(A) = [ 6 2 −10]
−16 16 16
Pada Teorema 1.4.5 sudah diberikan rumus untuk invers dari matriks 2 × 2 yang dapat
dibalik. Teorema kami berikutnya memperluas hasil itu ke n × n matriks yang dapat dibalik.
Entri pada baris ke-i dan kolom ke-j dari hasil kali A adj(A) adalah
det( 𝐴) 0 … 0
0 det( 𝐴) … 0
A adj(A) = = det(A)I (8)
⋮ ⋮ ⋮
[ 0 0 … det( 𝐴)]
Karena A dapat dibalik, det(A) ≠ 0. Oleh karena itu, Persamaan (8) dapat ditulis ulang
sebagai
1 1
[𝐴 adj(𝐴)] = 𝐼 atau 𝐴 [ det(𝐴) adj(𝐴)] = I
det(𝐴)
Aturan Cramer
Teorema berikutnya menggunakan rumus invers matriks yang dapat dibalik untuk
menghasilkan rumus, yang disebut aturan Cramer, untuk solusi sistem linier Ax = b dari n
persamaan dalam n yang tidak diketahui dalam kasus di mana matriks koefisien A dapat
dibalik (atau, ekuivalen, ketika det(A) ≠ 0)
Jika Ax = b adalah sistem dengan n persamaan linier dengan n yang tidak diketahui
sehingga det(A) = 0, maka sistem tersebut memiliki solusi unik. Solusi ini adalah
det(𝐴1) det(𝐴2) det(𝐴𝑛)
x1 = det(𝐴)
, x2 = det(𝐴)
, ….., xn = det(𝐴)
𝑏1
𝑏2
b=
⋮
[𝑏3]
Bukti. Jika det(A) ≠ 0, maka A dapat dibalik, dan dengan Teorema 1.6.2, x = A−1b adalah
solusi unik dari Ax = b. Oleh karena itu, dengan Teorema 3.6 kita dapat
4. Seymour Lipschutz, Marc Lipson, Schaum's Outline of Theory and Problems of Linear
Algebra