Yang dari persamaan terakhir mengakibatkan bahwa kita mempunyai invers A yang

diberikan dengan A−1. Jadi kita dapat kalikan kedua ruas persamaan A ⃗x =b⃗ dengan A−1 dan
akan kita dapatkan

⃗x = A b⃗ ,
−1

Karena A−1 A=I . Jadi kita dapat menemukan solusinya dengan menemukan invers dari
matriks. Kita catat bahwa
⃗
Jika b=0 maka ⃗x =0

Yang memberikan solusi trivial dari persamaan homogen Kasus menarik yang ke dua adalah
jika

d et ( A )=0 ,

Yang menyebabkan kita tak memiliki invers. Dalam hal ini kita akan membahas secara lebih
detail. Sebelum membahasnya perlu diperhatikan dua hal penting. Pertama persamaan A ⃗x =b⃗
tidak memiliki solusi untuk generik b⃗ . Khususnya perhatikan dua persamaan berikut

A ⃗x =b⃗ dan A ⃗y =0,

¿

Dimana A¿ sebagai adjoin dari A . Kita ambil hasil kali dalam kedua ruas persamaan pertama
terhadap ⃗y , dan akan memberikan ke kita

( A ⃗x , ⃗y )=( ⃗b , ⃗y)
¿
Mengingat bahwa ( A ⃗x , ⃗y )=(⃗x , A ⃗y ) yang merupakan definisi adjoin dan dari definisi
¿
A ⃗y =0, maka kita dapatkan

b⃗ , ⃗y=0
Hal tersebut di atas dikenal sebagai Teorema Alternatif Fredholm dan biasanya disebut
sebagai kondisi terselesaikan (solvability condition). Ini berarti bahwa ⃗y haruslah ortogonal
(tegak lurus) terhadap b⃗ agar persamaan memiliki arti. Untuk menghitung determinan, kita
catat bahwa

( )
d et a b =ad−bc ,
c d

dan

( )
A1 A 2 A 3
d et B 1 B2 B3 = A1 ( B 2 C 3−C 2 B3 )− A 2 ( B1 C3−C 1 B3 ) −A 3 ( B 1 C 2−C1 B 2 ).
C 1 C2 C 3

Kedua hal untuk menghitung determinan tersebut di atas penting karena kita kebanyakan
bekerja pada sistem 2 x 2 dan 3 x 3 .
Contoh. Selesaikan
x 1−2 x2 +3 x 3=7
 −x 1+ x2 −2 x 3=−5

2 x1 −x2 −x3 =4

Jawab. Untuk menjawab contoh ini kita akan ilustrasikan bagaimana kita memanipulasi
sistem di atas dengan teknik aljabar linear. Kita mulai menuliskan persamaan di atas dalam
bentuk matrik yang diperluas

( )
1 −2 3 ¿ 7
−1 1 −2 ¿ −5 ,
2 −1 −1 ¿ 4

yang bersesuaian dengan persamaan asal kita di atas. Sekarang triknya adalah untuk
mengeliminasi dan untuk menyelesaikan untuk x i. Perlakuan terhadap sistem asal adalah
sama saja kita memperlakukan pada sebuah baris dari matrik yang diperluas. Kita mulai
dengan menambahkan persamaan pertama dan ke dua bersama untuk mem peroleh
persamaan ke dua yang baru, kita juga mengalikan persamaan pertama dengan −2 dan
jumlahkan pada persamaan yang ke tiga un tuk memperoleh persamaan ke tiga yang baru,
dan ini akan memberikan ke kita

( )
1 −2 3 ¿ 7
0 −1 1 ¿ 2 ,
0 3 −7 ¿ −10

kita dapat memanipulasi kembali dengan mengalikan persamaan yang ke dua dengan 3 dan
jumlahkan dengan persamaan yang ke tiga

( )
1 −2 3 ¿ 7
0 −1 1 ¿ 2 .
0 0 −4 ¿ −4

Kita kemudian bisa menyederhanakan dengan membagi persamaan yang ke tiga dengan −4,
dan akan kita dapatkan

( )
1 −2 3 ¿ 7
0 −1 1 ¿ 2 .
0 0 1 ¿ 1

Jadi kita akan dapatkan x 3=1 dari persamaan yang ke tiga dan dari persamaan yang ke dua

−x 2+ x3 =2→ x 2=1,

dari persamaan yang pertama kemudian akan didapatkan

x 1−2 x2 +3 x 3=7 → x1=2,

Jadi kita peroleh solusi kita dalam penulisan vektor, yakni

()
2
⃗x = −1 .
1
Kita sekarang kembali pada konsep yang telah kita ketahui yaitu tentang kebebasan dan
bergantung linear. Jika kita perhatikan himpunan dari vektor yang dijumlahkan semua
c 1 ⃗x 1 +c 2 ⃗x 2 +⋯ +c n ⃗x n=0

maka

 Jika terdapat c i ≠0 yang memenuhi persamaan di atas, kita sebut bergantung linear.
 Jika hanya c i=0 yang memenuhi, kita sebut bebas linear.
Terdapat cara yang sederhana untuk menentukan apakah sebuah himpunan dari vektor itu
bebas linear atau tidak. Kita tulis persamaan kita sebagai

()
C1
C
X c⃗ =0 dimana X =( ⃗x 1+ ⃗x 2 +⋯ +⃗x n ) , c⃗ = 2 .
⋮
Cn

Persamaan di atas adalah persamaan dalam bentuk A ⃗x =b⃗ . Kita ketahui bahwa dalam kasus
persamaan homogen ( b=0), ⃗ jika deter minan dari X tidak nol maka X mempunyai invers dan
c⃗ haruslah nol. Alternatif lain jika determinannya nol maka c i, tidak harus nol. Jadi
 Jikad et ( X )=0 , maka c⃗ ≠ 0 dan bergantung linear.
 Jika d et (X )≠ 0 , maka c⃗ =0 dan bebas linear.

Jadi kita harus menghitung determinan untuk menentukan bebas atau bergantung linear.
Sekarang perhatikan

A ⃗x =b⃗ .

Andaikan vektor b⃗ adalah hasil kali ⃗x dengan suatu kontanta, yakni jika b=λ
⃗ ⃗x , maka
A ⃗x =λ ⃗x ,

yang disebut dengan masalah nilai eigen. Ini sangat menarik bahwa kita melakukan aksi pada
vektor ⃗x dengan suatu matrik A dan membuat ⃗x menjadi sederhana atau lebih tergantung
pada λ . Vektor ⃗x yang memenuhi persamaan di atas disebut vektor eigen dan berkaitan
dengan λ yang disebut dengan nilai eigen. Kita dapat tulis kembali persamaan di atas sebagai
( A−λ I ) ⃗x =0 ,

yang kita ketahui bahwa ⃗x =0 jika d et ( A− λ I)≠ 0 . Akan tetapi kita tertarik pada solusi-
solusi ⃗x yang tidak nol. Ini akan terjadi jika

d et ( A−λ I )=0 .

Untuk sebuah sistem n × npersamaan di atas akan menghasilkan se bush polinomial

berderajat n dalam λ yang akar-akarnya merupakan nilai-nilai eigen. Kita ingat kembali
bahwa persamaan diferensial orde dua dapat ditulis sebagai dua persamaan diferensial orde
satu. Jadi akan menghasilkan polinomial berderajat dua. Kenyataannya polinomial yang akan
dihasilkan merupakan persamaan karakteristik yang telah kita bahas pada bab terdahulu. Hal
yang kemudian penting adalah menentukan apakah nilai-nilai eigen itu real, komplek atau
mungkin akar kembar.
Contoh. Temukan nilai eigen dan vektor eigen dari

A= (11 −13 ) .
Jawab. Nilai-nilai eigen dapat ditentukan dari bentuk

(
d et ( A−λ I )=0 → d et 1−λ −1
1 3− λ )
yang memberikan polinomial

( 1− λ ) (3−λ )+ 1=0 →(λ−2)2=0 → λ=2,

dan memberikan akar kembar. Vektor eigennya dapat dicari dengan mengingat kembali
bahwa

( A−λ I )⃗x =0 yang memberikan

(1−λ
1
−1
3−λ
⃗x =) (
−1 −1
1 1 )
⃗x =0,

yang akan memberikan x 1=−x 2. Jadi jika x 1=c dimana c adalah sebuah konstanta, maka

x 1=c (−11 ) ,
adalah vektor eigen. Akhirnya kita akhiri pembahasan kita dengan memperkenalkan sebuah
matrik yang adjoinnya sama dengan dirinya sendiri, yakni
A¿ = A .
Dalam hal ini kita katakan matrik A adjoint terhadap dirinya sendiri (self - adjoint) atau
disebut juga Hermitian. Sifat khusus matrik yang semua nilai eigennya real, yakni akan
terdapat n bebas linear vektor eigen yang ortogonal dan untuk akar yang berulang dengan
pengali (multiplicity) m akan terdapat m buah eigen vektor yang ortogonal yang akan
dihasilkan matrik hermitian akan sangat penting yang muncul dari banyak penomena seperti
kuantum mekanik dan elektrodinamik.
5.3 Sistem Persamaan Diferensial
Untuk menggunakan teknik aljabar linear yang telah kita pelajari pada bagian terdahulu, kita
perhatikan sistem persamaan diferensial
⃗x =P(t )⃗x +⃗g (t),

dimana P(t) dan ⃗g (t ) kontinu pada suatu interval I . Seperti pada bab-bab terdahulu, jika
⃗g (t )≠ 0 maka kita punyai kasus tak homogen dan jika ⃗g (t )=0 kita punyai kasus homogen.
Teorema berikut dapat diketemukan untuk solusi homogen
Teorema. Jika vektor-vektor ⃗x(1) , ⃗x(2) , ⋯ , ⃗x (n) adalah solusi-solusi yang bebas linear dari
persamaan diferensial homogen untuk semua titik di I , maka setiap solusi

⃗x = ⃗ϕ ( t ) ,

dapat dinyatakan sebagai kombinasi linear

ϕ⃗ =c(1) ⃗x ,c (2) ⃗x , ⋯ , c (3 ) ⃗x ,
(1) (2) (n )

tepat dalam satu cara. Vektor-vektor ⃗x(1) , ⃗x(2) , ⋯ , ⃗x (n) membentuk himpunan solusi
fundamental yang membangun solusi ϕ⃗ (t ). Dua hal penting yang perlu dicacat dengan
himpunan solusi fundamental di atas. Pertama, kita definisikan kembali matrik Wronskian:

W [ ⃗x(1) , ⃗x (2) ,⋯ , ⃗x (n) ] =d et (X )≠ 0 ,

dimana X adalah suatu matrik yang entri kolomnya adalah x⃗(1) , ⃗x(2) , ⋯ , ⃗x (n) dan yang
mempunyai determinan tidak nol untuk sebuah himpunan yang bebas linear dari solusi-
solusi. Yang ke dua bahwa solusi

ϕ⃗ ( t 0 )=c( 1) ⃗x + c(2) ⃗x + ⋯+ c( 3) ⃗x = X ⃗c =⃗b ,

(1 ) (2) ( n)

dimana t 0 dan b⃗ adalah suatu kondisi awal yang dapat dibalik untuk menentukan c i . Karena
determinan dari X tidak nol, maka kita dapat menemukan X −1 sedemikian sehingga

c⃗ = X ⃗b ,
−1

dan vektor c⃗ tunggal yang dijamin dari teorema di atas. Kita kembali lagi pada permasalahan
untuk menyelesaikan sistem persamaan diferensial. Untuk mudahnya kita perhatikan
konstanta koeffisien matrik A yang diberikan dengan
⃗x = A ⃗x .

Kita perkenalkan konsep tentang setimbang (equilibrium) yakni terjadi jika ⃗x =0 . Jadi kita
akan dapatkan
−1
A ⃗x =0 → ⃗x =A 0=0 ,
oleh karena d et (A )≠ 0. Jadi titik asal adalah titik equilibrium dari sistem persamaan
diferensial linear dengan koeffisien konstan. Sistem yang paling sederhana, yaitu kita dapat
memikirkan sistem 1 x 1(n=1)
' at
x =ax → x=ce .
Penyelesaian di atas sangatlah mudah (trivial) yang telah kita bahas secara detail di awal
pembahasan kita. Kasus yang sedikit agak sulit yaitu tentang perilaku nontrivial yang
diberikan dalam sistem 2 x 2. Dalam kasus ini kita akan menunjukkan terdapat cara yang
mudah untuk menjelaskan perilaku dinamic dengan menggunakan phase - portrait dalam
sebuah analisis phase-plane. Kita mulai dengan mengingat bahwa sistem persamaan
diferensial orde satu 2 x 2dapat dinyatakan kembali dalam persamaan diferensial orde dua.
Hal tersebut memberikan motivasi kepada kita untuk menebak solusinya dalam bentuk

x⃗ ' =A ⃗x → ⃗x =⃗v e λt .
Dengan fakta x⃗ ' =λ ⃗v e λt, kita dapatkan
A ⃗v → λ ⃗v ,

yang merupakan masalah nilai eigen. Hanya dengan mengkondisikan ⃗v ≠ 0 untuk

mensyaratkan
d et ( A−λ I )=0 .

Sebaliknya jika ( A−λ I ) dapat dibalik maka kita dapatkan ⃗v =0. Berikut contoh untuk
memperjelas bagaimana sebenarnya teknik menyelesaikan sistem persamaan diferensial
tersebut.

Contoh 1. Selesaikan ⃗x = (14 11) ⃗x .

Jawab. Masalah di atas diselesaikan dengan pertama mencoba solusinya

⃗x =⃗v e λt ,
yang memberikan masalah nilai eigen

(1−λ
4 )
1 ⃗v =0
1−λ

Agar kita punyai sebuak solusi yang tak trivial (nontrivial), kita syaratkan bahwa determinan
matrik haruslan nol. Jadi kita dapatkan

|1−λ4 1
1−λ | 2
=( 1− λ ) (1−λ ) −4=λ −2 λ−3

¿ ( λ−3 ) ( λ+1 )=0 .