1

MODUL PERKULIAHAN

W152100010 –
Aljabar Linear
Ekspansi Kofaktor Aturan
Cramer

Abstrak Sub-CPMK

Beberapa sifat dasar matriks, Sub-CPMK 2.3

yang akan digunakan untuk
menurunkan rumus invers
dari matriks yang dapat
dibalik dan rumus untuk
solusi jenis sistem linier
tertentu.
Mampu memahami bentuk
bentuk penyelesaian ekspansi
kofaktor dan memahami aturan
Crammer
.

Fakultas Program Studi Tatap Muka Disusun Oleh

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

det(kA), det(A + B), dan det(AB)

Karena faktor persekutuan dari sembarang baris matriks dapat dipindahkan melalui tanda
determinan, dan karena setiap n baris dalam kA memiliki faktor persekutuan k, maka

det(kA) = kn det(A) (1)

Sebagai contoh,

𝑘𝑎11 𝑘𝑎12 𝑘𝑎13 𝑎11 𝑎12 𝑎13

3
|𝑘𝑎21 𝑘𝑎22 𝑘𝑎23| = k |𝑎21 𝑎22 𝑎23|
𝑘𝑎31 𝑘𝑎32 𝑘𝑎33 𝑎31 𝑎32 𝑎33

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.

CONTOH 1 det(A + B) = det(A) + det(B)

Perhatikan matriks berikut

1 2 3 1 4 3
A=[ ], B=[ ], A+B=[ ]
2 5 1 3 5 8

Kita dapati det(A) = 1, det(B) = 8, dan det(A + B) = 23; dengan demikian

det(A + B) ≠ det(A) + det(B)

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 𝑎11 𝑎12

𝐴=[ ] dan B = [ ]
𝑎21 𝑎22 𝑏21 𝑏22

Setelah menghitung determinan A dan B, kita akan dapatkan

det(A) + det(B) = (a11a22 - a12a21) + (a11b22 - a12b21)

2021 Aljabar Linier

2 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 = a11(a22 + b22) - a12(a21 + b21)

𝑎11 𝑎12
=[ ]
𝑎21 + 𝑏21 𝑎22 + 𝑏22

Dengan demikian

𝑎11 𝑎12 𝑎11 𝑎12 𝑎11 𝑎12

det [ ] + det [ ] = det [ ]
𝑎21 𝑎22 𝑏21 𝑏22 𝑎21 + 𝑏21 𝑎22 + 𝑏22

Ini adalah kasus khusus dari hasil umum berikut.

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

det(C) = det(A) + det(B)

Hasil yang sama berlaku untuk kolom.

CONTOH 2 Jumlah Determinan

Silahkan periksa persamaan berikut dengan mengevaluasi determinannya.

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

Determinan Produk Matriks

Mempertimbangkan kompleksitas rumus untuk determinan dan perkalian matriks,

tampaknya tidak mungkin ada hubungan sederhana di antara keduanya. Inilah yang
membuat kesederhanaan hasil kami berikutnya begitu mengejutkan. Kami akan
menunjukkan bahwa jika A dan B adalah matriks persegi dengan ukuran yang sama, maka

det(AB) = det(A) det(B) (2)

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

2021 Aljabar Linier

3 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 det(EB) = det(E)det(B)

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)

Tetapi dari Teorema 2.4(a) kita memiliki det(E) = k, jadi

det(EB) = det(E) 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

det(E1 E2 · · · ErB) = det(E1) det(E2) · · · det(Er) det(B) (3)

Uji Determinan untuk Invertibilitas

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

dan dari (3),

det(R) = det(Er) ··· det(E2) det(E1) det(A) (4)

2021 Aljabar Linier

4 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Sudah ditunjukkan pada Teorema 2.4 bahwa determinan matriks elementer adalah bukan
nol. Dengan demikian, dari Rumus (4) dapat disimpulkan bahwa det(A) dan det(R)
keduanya nol atau keduanya bukan nol, yang menetapkan tahapan untuk bagian utama
pembuktian. Jika pertama-tama kita asumsikan bahwa A dapat dibalik, maka dari Teorema
1.6.4 dapat disimpulkan bahwa R = I dan karenanya det(R) = 1 ( ≠ 0). Ini, pada akhirnya,
menyiratkan bahwa det(A) ≠ 0.

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.

CONTOH 3 Uji Determinan untuk Invertibilitas

Karena baris pertama dan ketiga dari

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

adalah proporsional, det(A) = 0. Jadi A tidak dapat dibalik (bukan invertible).

Sekarang siap untuk hasil utama tentang produk matriks.

TEOREMA 3.4 Jika A & B adalah matriks bujur sangkar dengan ukuran yang sama, maka

det(AB) = det(A) det(B).

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

A = E2E1 ··· Er (5) (5)

jadi

AB = E1 E2 ··· Er B

Menerapkan (3) ke persamaan ini menghasilkan

det(AB) = det(E1) det(E2) · · · det(Er) det(B)

2021 Aljabar Linier

5 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
dan menerapkan (3) lagi menghasilkan

det(AB) = det(E1E2 ··· Er) det(B)

yang, dari (5), dapat ditulis sebagai det(AB) = det(A) det(B).

CONTOH 4 Memverifikasi bahwa det(AB) = det(A) det(B)

Pertimbangkan matriks

3 1 −1 3 2 17
A=[ ], B=[ ], AB = [ ]
2 1 5 8 3 14

Kami serahkan kepada Anda untuk memverifikasi itu

det(A) = 1, det(B) = -23, dan det(AB) = -23

Jadi det(AB) = det(A) det(B), sebagaimana dijamin oleh Teorema 3.4.

Teorema berikut memberikan hubungan yang berguna antara determinan matriks yang
dapat dibalik dengan determinan inversnya.

TEOREMA 3.5 Jika A dapat dibalik, maka

1
det(A−1) =
det(𝐴)

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).

Adjoin dari Matriks

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.

CONTOH 5 Entri dan Kofaktor dari Baris Berbeda

Kita ambil matriks

3 2 −1
A = [1 6 3]
2 −4 0

2021 Aljabar Linier

6 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Silahkan verifikasi bahwa kofaktor dari A adalah

C11 = 12 C12 = 6 C13 = -16

C21 = 4 C22 = 2 C23 = 16

C31 = 12 C32 = -10 C33 = 16

jadi, misalnya, ekspansi kofaktor det(A) sepanjang baris pertama adalah

det(A) = 3 C11 + 2 C12 + (−1) C13 = 36 + 12 + 16 = 64

dan sepanjang kolom pertama adalah

det(A) = 3 C11 + C21 + 2 C31 = 36 + 4 + 24 = 64

Misalkan, bagaimanapun, kita mengalikan entri di baris pertama dengan kofaktor yang
sesuai dari baris kedua dan tambahkan produk yang dihasilkan. Hasilnya adalah

3 C21 + 2 C22 + (−1) C23 = 12 + 4 - 16 = 0

Atau misalkan kita mengalikan entri di kolom pertama dengan kofaktor yang sesuai dari
kolom kedua dan menambahkan produk yang dihasilkan. Hasilnya lagi nol karena

3 C12 + 1 C22 + 2 C32 = 18 + 2 - 20 = 0

DEFINISI 1. Jika A adalah sembarang matriks n × n dan Cij adalah kofaktor dari aij, maka
matriks

𝐶11 𝐶12 … 𝐶1𝑛

𝐶21 𝐶22 … 𝐶2𝑛
⋮ ⋮ ⋮
[𝐶𝑛1 𝐶𝑛2 … 𝐶𝑛𝑛]

disebut matriks kofaktor dari A. Transpos matriks ini disebut adjoint dari A dan
dilambangkan dengan adj(A).

CONTOH 6 Adjoin dari Matriks 3 × 3

Kita ambil matriks A berikut

3 2 −1
A = [1 6 3]
2 −4 0

Seperti dicatat dalam Contoh 5, kofaktor dari A adalah

2021 Aljabar Linier

7 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 C11 = 12 C12 = 6 C13 = -16

C21 = 4 C22 = 2 C23 = 16

C31 = 12 C32 = -10 C33 = 16

jadi matriks kofaktornya adalah

12 6 −16
[4 2 16 ]
12 −10 16

dan adjoin dari A adalah

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.

TEOREMA 3.6 Invers dari Matriks Menggunakan Adjointnya

Jika A adalah matriks yang dapat dibalik, maka

1
A−1 = det(𝐴) adj(𝐴)

Bukti. Pertama kita lihat bahwa

A adj(A) = det (A)I

Lihat hasil berikut

𝑎11 𝑎12 … 𝑎1𝑛

𝑎21 𝑎22 … 𝑎2𝑛 𝐶11 𝐶12 … 𝐶𝑗1 … 𝐶1𝑛
⋮ ⋮ ⋮ 𝐶21 𝐶22 … 𝐶𝑗2 … 𝐶2𝑛
A adj(A) =
𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑛 ⋮ ⋮ ⋮
⋮ ⋮ ⋮ [𝐶𝑛1 𝐶𝑛2 … 𝐶𝑗𝑛 … 𝐶𝑛𝑛]
[𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑛]

Entri pada baris ke-i dan kolom ke-j dari hasil kali A adj(A) adalah

ai1Cj1 + ai2Cj2 + · · · + ainCjn (7)

(Lihat garis yang diarsir di atas).

2021 Aljabar Linier

8 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Jika i = j, maka (7) adalah ekspansi kofaktor dari det(A) sepanjang baris ke-i dari A
(Teorema 1.1), dan jika i = j, maka a dan kofaktor berasal dari baris A yang berbeda,
sehingga nilai (7) adalah nol (seperti yang diilustrasikan pada Contoh 5). Karena itu,

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)

Dengan mengalikan kedua ruas di sebelah kiri dengan A−1 menghasilkan

1
A−1 = adj(𝐴)
det(𝐴)

CONTOH 7 Menggunakan Adjoint untuk Menemukan Matriks Invers

Gunakan Rumus (6) untuk mencari invers matriks A pada Contoh 6.

Penyelesaian. Sudah ditunjukkan pada Contoh 5 bahwa det(A) = 64. Jadi,

12 4 12
12 4 12 64 64 64
1 1 6 2 −10
A−1 = det(𝐴) adj(𝐴) = 64 = [ 6 2 −10] = = 64 64 64
−16 16 16
−16 16 16 [ 64 64 64 ]

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)

TEOREMA 3.7 Aturan Cramer

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)

2021 Aljabar Linier

9 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 di mana Aj adalah matriks yang diperoleh dengan mengganti entri-entri pada kolom ke-j
dari A dengan entri-entri dalam matriks

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

𝐶11 𝐶21 … 𝐶𝑛1 𝑏1

1 1 𝐶12 𝐶22 … 𝐶𝑛2 𝑏2
x = A−1b = det(𝐴) adj(𝐴)b = det(𝐴)
⋮ ⋮ ⋮
[𝐶1𝑛 𝐶2𝑛 … 𝐶𝑛𝑛] [𝑏3]

2021 Aljabar Linier

10 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

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