6.

3 Perkalian Matriks

Selain operasi penjumlahan matriks dan perkalian skalar, hasil kali AB

matriks A dan B dapat didefinisikan dalam kondisi tertentu, yaitu, bahwa jumlah

kolom A sama dengan jumlah baris B. Meskipun definisi berikut

perkalian matriks mungkin tidak tampak alami, studi menyeluruh tentang matriks

menunjukkan bahwa definisi tersebut masuk akal dan sangat praktis untuk penerapan.

Definisi

Misalkan A adalah matriks m x n dan B adalah matriks n x p. Maka hasil kali AB adalah
matriks m x p dengan entri (AB)ik diberikan oleh
n
(AB)ik = ∑ AijBjk = Ai1B1k + Ai2B2k + ... +Ainbnk
j

Dengan kata lain, (AB)ik diperoleh dengan menjumlahkan produk yang dibentuk dengan
mengalikan, di urutan, setiap entri di baris i dari A dengan entri yang sesuai di kolom k dari
B. Jika jumlah kolom A tidak sama dengan jumlah baris B, maka hasil kali AB tidak
terdefinisi.

Perhatikan bahwa definisi tersebut berlaku jika A adalah vektor baris dengan n entri
dan B adalah vektor kolom dengan n entri. Dalam hal ini, A adalah 1 x n, B adalah n x 1,
dan AB adalah 1 x 1. (Telah kita catat dalam Bagian 6.1 bahwa matriks 1 x 1 hanyalah
angka.) Faktanya,

[]
B₁
B₂
Jika A = [ A ₁ A ₂ ... An ] dan B =
…
Bn

Kembali ke definisi umum, angka (AB)ik adalah produk dari baris ke-i dari A dan kolom ke-k
dari B. Ini sangat membantu ketika perhitungan dilakukan.
Tiga poin harus dipahami sepenuhnya mengenai definisi AB ini. Pertama,
jumlah kolom A harus sama dengan jumlah baris B. Kedua, produk AB memiliki baris
sebanyak A dan kolom sebanyak B. Ketiga, definisi tersebut mengacu pada hasil kali AB,
dengan urutan: A adalah faktor kiri dan B adalah faktor yang tepat. Untuk AB, kita katakan
bahwa B dikalikan dengan A atau A dikalikan pasca B.
Untuk menerapkan definisi, mari kita cari produknya

][ ]
1 0 −3
AB = [
2 1 −6
1 −3 2
0 4 2
−2 1 1

Matriks A berukuran 2 x 3 (m x n) dan matriks B berukuran 3 x 3 (n x p). Jumlah kolom A

sama dengan jumlah baris B (n = 3), sehingga produk AB didefinisikan dan akan menjadi
matriks 2 x 3, (m x p):
 AB = [ ( AB ) 11 ( AB ) 12 ( AB ) 13
( AB ) 21 ( AB ) 22 ( AB ) 23 ]
Entri (AB)11 diperoleh dengan menjumlahkan produk dari setiap entri pada baris 1 A
dengan entri yang sesuai di kolom 1 B. Hingga

baris 1 dari A
↓ ↓ ↓
c11 = (2)(1) + (1)(0) + (-6)(-2) = 14
↑ ↑ ↑
kolom 1 dari B

Pada tahap ini, kita memiliki

][ ]
1 0 −3
AB = [
2 1 −6
1 −3 2
0 4 2 =
−2 1 1
14 −2
[
( AB ) 13
( AB ) 21 ( AB ) 22 ( AB ) 23 ]
Di sini kita melihat bahwa (AB)11 = 14 adalah produk dari baris pertama A dan kolom
pertama
dari B. Demikian pula, untuk (AB)12, kami menggunakan entri pada baris 1 dari A dan entri
pada kolom 2 dari B

baris 1 dari A
↓ ↓ ↓
c12 = (2)(0) + (1)(4) = (-6)(1) = -2
↑ ↑ ↑
kolom 2 dari B

Sekarang kita punya

][ ]
1 0 −3
AB = [
2 1 −6
1 −3 2
0 4 2 =
−2 1 1
14 −2
[
( AB ) 13
( AB ) 21 ( AB ) 22 ( AB ) 23 ]
Untuk entri yang tersisa dari AB, kita beroleh
(AB)13 = (2)(-3) + (1)(2) + (-6)(1) = -10
(AB)21 = (1)(1) + (-3)(0) + (2)(-2) = -3
(AB)22 = (1)(0) + (-3)(4) + (2)(1) = -10
(AB)23 = (1)(-3) + (-3)(2) + (2)(1) = -7
Sehingga

][ ]
1 0 −3
AB = [ 2 1 −6
1 −3 2
0 4 2 =
−2 1 1
14 −2 −10
−3 −10 −7 [ ]
Perhatikan bahwa jika kita membalik urutan faktor, maka hasilnya
 [ ]
1 0 −3
BA = 0 4 2 =
−2 1 1
2 1 −6
1 −3 2 [ ]
tidak terdefinisi, karena jumlah kolom B tidak sama dengan jumlah baris
dari A. Hal ini menunjukkan bahwa perkalian matriks tidak komutatif. Bahkan, untuk matriks
A dan B, bahkan ketika kedua produk didefinisikan, biasanya AB dan BA
berbeda. Urutan di mana matriks dalam suatu produk ditulis sangat penting.

CONTOH 1 Ukuran Matriks dan Produknya

Misalkan A adalah matriks 3 x 5 dan B menjadi matriks 5 x 3. Maka AB didefinisikan adalah 3
x 3 matriks. Selain itu, BA juga didefinisikan matriks 5 x 5.
Jika C adalah matriks 3 x 5 dan D adalah matriks 7 x 3, maka CD tidak terdefinisi,
tetapi DC adalah didefinisikan dan merupakan matriks 7 x 5.

CONTOH 2 Produk Matriks

Hitung produk matriks

][ ]
2 1
AB = [
2 −4 2
0 1 −3
0 4 =
2 2
8 −10
−6 −2 [ ]
Penyelesaian: Karena A adalah 2 x 3 dan B adalah 3 x 2, produk AB terdefinisikan dan akan
memiliki ukuran 2 x 2. Dengan menggerakan jari telunjuk tangan kiri secara bersamaan dari
kanan ke kiri sepanjang baris A dan jari telunjuk tangan kanan ke bawah kolom B, kita
memperoleh

][ ]
2 1
[ 2 −4 2
0 1 −3
0 4 =
2 2
8 −10
−6 −2 [ ]
Perhatikan bahwa BA juga terdefinisi dan memiliki ukuran 3 x 3.
TERAPKAN
CONTOH 3 Matriks Produk
5. Sebuah toko buku memiliki
100 kamus, 70 buku masak, dan
90 tesaurus di a. Hitung .
persediaan. Jika nilai setiap

[]
kamus adalah $28, setiap buku 4
masak adalah $22, dan masing- [ 1 2 3] 5
masing tesaurus adalah $16, 6
gunakan produk matriks untuk
mencari nilai total toko buku
inventaris.

Penyelesaian: Produk memiliki ukuran 1 x 1:

[]
4
[ 1 2 3 ] 5 = [ 32 ]
6
 []
1
b. Hitung 2 [ 1 6 ].
3
Penyelesaian: Produk memiliki ukuran 3 x 2:

[] [ ]
1 1 6
2 [ 1 6 ] = 2 12
3 3 18

[ ][ ][ ]
1 3 0 1 0 2 16 −3 11
c. −2 2 1 5 −1 3 = 10 −1 0
1 0 −4 2 1 −2 −7 −4 10

d. [ a 11
a 21 ][
a12 b 11
a 22 b 21
b 12
b 22 ] [
=
a 11 b 11+ a 12b 21 a 11 b12+ a12 b 22
a 21 b 11+ a 22b 21 a 21 b12+ a 22b 22 ]
CONTOH 4 Produk Matriks
Hitung AB dan BA jika

A= [ 23 −11 ] dan B = [−21 14]

Penyelesaian: Kita punya

AB = [ 23 −11 ] [−21 14] [−5

−5 7 ]
=
−2

BA = [−21 14] [ 23 −11 ] [−114 33]

=

Perhatikan bahwa meskipun AB dan BA terdefinisikan, dan ukurannya sama, AB dan BA

tidak sama.

CONTOH 5 Vektor Biaya

Misalkan harga (dalam dolar per unit) untuk produk A, B, dan C diwakili dengan vektor
harga
Vektor harga
A B C
P = [2 3 4]

Jika jumlah (dalam satuan) A, B, dan C yang dibeli diberikan oleh vektor kolom

[]
7 unit A
Q = 5 unit B
11 unit C

maka total biaya (dalam dolar) dari pembelian diberikan oleh entri dalam vektor biaya

[]
7
PQ = [ 2 3 4 ] 5 = [ ( 2 ∙7 )+ ¿ (3 ∙ 5 ) +¿(4 ∙ 11) ] = [ 73 ]
11
CONTOH 6 Laba untuk Perekonomian
Dalam Contoh 3 Bagian 6.2, misalkan dalam ekonomi hipotetis harga batubara
adalah $ 10.000 per unit, harga listrik adalah $ 20.000 per unit, dan harga baja adalah
$ 40.000 per unit. Harga-harga ini dapat diwakili oleh vektor harga (kolom)

[ ]
10,000
P = 20,000
40,000

Pertimbangkan industri baja. Ini menjual total 30 unit baja dengan harga $40.000 per unit,
dan total pendapatannya adalah $1.200.000. Biaya untuk berbagai barang diberikan oleh
produk matriks

[ ]
10,000
DsP = [ 30 5 0 ] 20,000 = [ 400,000 ]
40,000
Oleh karena itu, keuntungan untuk industri baja adalah $1,200,000 - $400,000 = $800,000.

Perkalian matriks memenuhi sifat-sifat berikut, asalkan:

Sifat-sifat Perkalian Matriks

1. A(BC) = (AB)C asosiatif
2. A(B + C) = AB + AC distributif
(A + B)C = AC + BC

CONTOH 7 Sifat Asosiatif

Jika

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

hitung ABC dengan dua cara.

Penyelesaian: mengelompokkan BC

[ ] ([ ][ ])
1 0
1 −2 3 0 −1
A(BC) = 0 2
−3 4 0 1 2
1 1

= [−31 −24 ] [ 23 −14 ] [−46 −919 ]

=

Atau, mengelompokkan AB

]) [ ]
1 0
(AB)C = ([
1 −2 3 0 −1
−3 4 1 1 2 ][ 0 2
1 1

][ ]
1 0
= [
1 −2 −5
−5 4 11
0 2
1 1

= [−46 −919 ]
Perhatikan bahwa A(BC) = (AB)C.

CONTOH 8 Sifat Distributif

Verifikasi bahwa A(B+C) = AB + AC jika

A= [ 12 03] B= [−21 03 ] C= [−20 12]

Penyelesaian: Di sisi kiri, kita memiliki

A(B + C) = [ 12 03] ([−21 03]+[−20 12])

= [ 12 03] [−41 15] [−4
=
−5 17 ]
1

Pada sisi kanan,

AB + AC = [ 12 03] [−21 03 ] [ 12 03] [−20 12]

+

= [−2
−1 9 ] [−4 8 ] [−5 17 ]
0 −2 1
+
−4 1
=

Sehingga, A(B + C) = AB + AC.

CONTOH 9 Bahan Baku dan Biaya

Misalkan seorang kontraktor bangunan telah menerima pesanan untuk lima rumah bergaya
peternakan, tujuh rumah bergaya-Cape Cod, dan 12 rumah bergaya kolonial. Maka
perintahnya bisa diwakili oleh vektor baris
Q = [ 5 7 12 ]

Selanjutnya, misalkan "bahan baku" yang masuk ke setiap jenis rumah adalah baja,
kayu, kaca, cat, dan tenaga kerja. Entri dalam matriks berikut, R, memberi sejumlah
unit masing-masing bahan baku masuk ke setiap jenis rumah (entrinya tidak harus
realistis, tetapi dipilih untuk kenyamanan):
Baja Kayu Kaca Cat Tenaga kerja

[ ]
5 20 16 7 17
Peternakan
7 18 12 9 21
Cape cod 6 25 8 5 13 = R
Kolonial

Setiap baris menunjukkan jumlah setiap bahan baku yang dibutuhkan untuk jenis rumah
tertentu; setiap kolom menunjukkan jumlah bahan baku tertentu yang dibutuhkan untuk
setiap jenis rumah. Misalkan sekarang kontraktor ingin menghitung jumlah masing-masing
bahan mentah yang dibutuhkan untuk memenuhi pesanannya. Kemudian informasi tersebut
diberikan oleh matriks

[ ]
5 20 16 7 17
QR = [ 5 7 12 ] 7 18 12 9 21
6 25 8 5 13
= [ 146 526 260 158 388 ]
Jadi, kontraktor harus memesan 146 unit baja, 526 unit kayu, 260 unit kaca, dan
sebagainya.
Kontraktor juga tertarik dengan biaya yang harus dia keluarkan untuk bahan-bahan
ini. Misalkan baja berharga $2500 per unit, kayu seharga $1200 per unit, dan kaca, cat, dan
biaya tenaga kerja masing-masing $800, $150, dan $1500 per unit. Data ini dapat ditulis
sebagai kolum vektor biaya

[]
2500
1200
C = 800
150
1500
Maka biaya setiap jenis rumah diberi matriks

][ ] [
2500

[ ]
5 20 16 7 17 1200 75,850
RC = 7 18 12 9 21 800 = 81,550
6 25 8 5 13 150 71,650
1500
Akibatnya, biaya bahan untuk rumah bergaya peternakan adalah $75.850, untuk Cape
Rumah cod $81.550, dan untuk rumah kolonial $71.650.
Total biaya bahan baku untuk semua rumah

[ ]
75,850
QRC = Q(RC) = [ 5 7 12 ] 81,550 = [ 1,809,900 ]
71,650
Biaya totalnya adalah $1,809,900.

Sifat lain dari matriks melibatkan perkalian skalar dan matriks. Jika k adalah
skalar dan produk AB didefinisikan, maka
k(AB) = (kA)B = A(kB)
Hasil kali k(AB) dapat ditulis secara sederhana sebagai kAB. Dengan demikian,
kAB = k(AB) = (kA)B = A(kB)
Contohnya,

3 [ 20 −11 ] [ 12 30] (3 [ 20 −11 ])[ 12 30 ]

=

= [ 60 −33 ][ 12 30 ]
= [−612 180 ]
Ada hal menarik mengenai transpos produk matriks:
(AB)ᵀ = BᵀAᵀ
Dengan kata lain, transpos hasil kali matriks sama dengan hasil kali transpos dalam urutan
terbalik.

Properti ini dapat diperluas lebih dari dua faktor. Untuk

contoh,
(Aᵀ BC)ᵀ = CᵀBᵀ(Aᵀ)ᵀ = CᵀBᵀA
CONTOH 10 Transpos

A= [ 11 02] dan B = [ 11 20]

Mari tunjukkan bahwa (AB)ᵀ = BᵀAᵀ.
Penyelesaian: kita punya

AB = [ 13 22] maka (AB)ᵀ = [ 12 32]

Sekarang,

Aᵀ = [ 10 12] dan Bᵀ = [ 12 10]

Dengan demikian,

BᵀAᵀ = [ 12 10][ 10 12] [ 12 32]

= = (AB)ᵀ

maka, (AB)ᵀ = BᵀAᵀ.

Sama seperti matriks nol memainkan peran penting sebagai identitas dalam
penjumlahan matriks, ada matriks khusus, yang disebut matriks identitas, yang memainkan
peran yang sesuai dalam perkalian matriks:
Matriks identitas n x n, dilambangkan In, adalah matriks diagonal yang diagonal utamanya
entri adalah 1.
Misalnya, matriks identitas I₃ dan I₄ adalah

[ ] [ ]
10 0 0
1 0 0
0 10 0
I3 = 0 1 0 dan I4 =
0 0 10
0 0 1
0001

Ketika ukuran matriks identitas dipahami, kita menghilangkan subskrip dan hanya
menyatakan matriks dengan I. Harus jelas bahwa
Iᵀ = I
Matriks identitas memainkan peran yang sama dalam perkalian matriks seperti
halnya angka 1 dalam perkalian bilangan real. Yaitu, seperti produk bilangan real dan 1
adalah bilangan itu sendiri, hasil kali matriks dan matriks identitas adalah matriks itu sendiri.
Sebagai contoh,

[ 21 54] [ 21 54] [ 10 01] [ 21 54]

I= =

dan,

I [ 21 54] [ 10 01][ 21 45] [ 21 54]

= =

Secara umum, jika I adalah n x n dan A memiliki n kolom, maka AI = A. Jika B memiliki n
baris, maka IB = B.
Selain itu, jika A adalah n x n, maka
AI = A = IA
CONTOH 11 Operasi Matriks yang Melibatkan I dan 0
Jika

[ ]
2 −1
A= [ 31 24] B=
5
−1
5
3
10 10

I= [ 10 01] 0= [ 00 00]
hitunglah masing-masing berikut
a. I – A
Penyelesaian:

I-A = [ 10 01] [ 31 24] [−2

-
−1 −3 ]
=
−2

b. 3 (A – 2I)
Penyelesaian:

3(A-2I) = 3 ([ 31 24]−2[ 10 01])

=3 ([ 31 24]−[ 20 02])
=3 [ 11 22] [ 33 66 ]
=

c. A0
Penyelesaian:

A0 = [ 31 24][ 00 00] [ 00 00]

= =0

Secara umum, jika A0 dan 0A didefinisikan, maka

A0 = 0 = 0A
d. AB
Penyelesaian:

[ ][
2 −1
A0 = [ ]
3 2 5
1 4 −1
5
3
=
1 0
0 1
=I ]
10 10
Jika A adalah matriks persegi, kita dapat berbicara tentang kekuatan A

Jika A adalah matriks bujur sangkar dan p adalah bilangan bulat positif, maka
pangkat pth dari A, ditulis Aᴾ, adalah hasil kali p faktor dari A:
Aᴾ = { A ∙ A ∙ ∙ ∙ A }

Jika A adalah n x n, kita definisikan A⁰ = In.

Kita mengatakan bahwa Iᴾ = I.
CONTOH 12 Kekuatan Matriks

Jika A = [ 11 02] , hitung Aᶟ.

Penyelesaian: Aᶟ = (A²)A dan

A² = [ 11 02][11 02] [ 13 04]

=

Kita punya

Aᶟ = A²A = [ 13 04][11 02] [ 17 08]

=

Persamaan Matriks
Sistem persamaan linear dapat direpresentasikan dengan menggunakan perkalian matriks.
Untuk contoh, perhatikan persamaan matriks

][ ]
x1
[ 1 4 −2
2 −3 1
x2 =
x3
4
−3 [ ]
Produk di sisi kiri memiliki ukuran 2 x 1 dan, karenanya, adalah matriks kolom. Dengan
demikian,

[ 2x 1+4 x 2−2 x 3
x 1−3 x 2+ x 3 ] [ −3 ]
4
=

Dengan persamaan matriks, entri yang sesuai harus sama, sehingga kita memperoleh
sistem

{2xx1+1−34 xx2−2 x 3=4

2+ x 3=−3

Oleh karena itu, sistem persamaan linier ini dapat didefinisikan dengan persamaan matriks
(1). Kami biasanya menggambarkan Persamaan (1) dengan mengatakan bahwa ia memiliki
bentuk
AX = B
di mana A adalah matriks yang diperoleh dari koefisien variabel, X adalah kolom
matriks diperoleh dari variabel, dan B adalah matriks kolom yang diperoleh dari konstanta.
Matriks A disebut matriks koefisien untuk sistem.

Perhatikan bahwa variabel dalam persamaan matriks AX = B adalah vektor kolom X.

Dalam contoh di atas, X adalah vektor kolom 3 x 1. Solusi tunggal AX = B adalah a
vektor kolom C, dengan ukuran yang sama dengan X, dengan properti AC = B. Saat ini
contoh, solusi tunggal menjadi vektor kolom 3 x 1 adalah hal yang sama dengan yang tiga
kali lipat angka. Memang, jika C adalah vektor kolom n x 1, maka Cᵀ adalah vektor baris 1 x
n, yang setuju dengan gagasan n-tupel angka. Untuk sistem yang terdiri dari m persamaan
linier dalam n yang tidak diketahui, representasinya dalam bentuk AX = B akan memiliki A,
m x n, dan B, m x 1. Variabel X kemudian akan menjadi vektor kolom n x 1, dan satu solusi
C akan menjadi vektor kolom n x 1, sepenuhnya ditentukan oleh n-tupel angka.

CONTOH 13 Bentuk Matriks Suatu Sistem Menggunakan Perkalian Matriks

Tulis sistemnya

{28 xx 1+1+35 xx 2=4

1=7
dalam bentuk matriks dengan menggunakan perkalian matriks
Penyelesaian: Jika

[ ]
A= 2 5 X=¿
8 3

maka sistem yang diberikan setara dengan persamaan matriks tunggal

AX = B
Artinya,

[ 28 53 ][ xx ₁₂]=[ 47 ]
6.4 Memecahkan Sistem dengan Mengurangi Matriks
Pada bagian ini kami mengilustrasikan metode dimana matriks dapat digunakan untuk
menyelesaikan suatu sistem persamaan linear. Penting di sini untuk mengingat, dari Bagian
3.4, bahwa dua sistem persamaan ekuivalen jika memiliki himpunan penyelesaian yang
sama. Oleh karena itu dalam mencoba memecahkan sistem linier, sebut saja S ₁, kita dapat
melakukannya dengan menyelesaikan sistem apa pun S₂ yang setara dengan S ₁. Jika solusi
S₂ lebih mudah ditemukan daripada solusi S₁, maka mengganti S ₁ dengan S ₂ adalah langkah
yang berguna dalam menyelesaikan S₁. Sebenarnya, metode yang kami ilustrasikan jumlah
untuk menemukan urutan sistem setara, S₁, S₂, S₃, ... , Sn yang solusi dari Sn jelas. Dalam
pengembangan kami metode ini, dikenal sebagai metode pengurangan, pertama-tama kita
akan menyelesaikan sistem dengan metode eliminasi biasa. Lalu kita akan mendapatkan
solusi yang sama dengan menggunakan matriks.
Mari kita pertimbangkan sistemnya
(1)
{ x+ 2 y =5
3 x − y=1
(2)

terdiri dari dua persamaan linier dalam dua tidak diketahui, x dan y. Meskipun sistem ini
dapat
diselesaikan dengan berbagai metode aljabar, kami akan menyelesaikannya dengan metode
yang mudah disesuaikan dengan matriks.
Untuk alasan yang akan jelas nanti, kita mulai dengan mengganti Persamaan (1)
dengan Persamaan (2), dan Persamaan (2) dengan Persamaan (1), sehingga diperoleh
sistem yang setara,
(3)
{3 x − y=1
x+ 2 y =5
(4)

Mengalikan kedua ruas Persamaan (3) dengan -3 menghasilkan -3x - 6y = 15.

Menjumlahkan kiri dan sisi kanan persamaan ini ke sisi yang sesuai dari Persamaan (4)
menghasilkan sistem setara di mana x dihilangkan dari persamaan kedua:
(5)
{0 x−7 y=−14
x +2 y=5
(6)

Sekarang kita akan menghilangkan y dari persamaan pertama. Mengalikan kedua ruas
1
Persamaan (6) oleh - memberikan sistem yang setara, (7)
7

{0x+x+2 yy =5
(8)
=2
Dari Persamaan (8), y = 2 dan, karenanya, -2y = -4. Menjumlahkan sisi-sisi -2y = -4 ke
sisi yang sesuai dari Persamaan (7), kita mendapatkan sistem yang setara,

{0x+x+0 yy =1
=2

Ini adalah sistem linier yang solusinya memang jelas dan, karena semua
sistem yang diperkenalkan di sepanjang jalan adalah sistem yang setara, solusi yang jelas
dari sistem terakhir juga merupakan solusi dari sistem asli: x = 1 dan y = 2.
Perhatikan bahwa dalam menyelesaikan sistem linier asli, kami menggantinya
berturut-turut dengan sistem ekivalen yang diperoleh dengan melakukan salah satu dari tiga
operasi berikut (disebut operasi elementer), yang membiarkan solusi tidak berubah:
1. Pertukaran dua persamaan
2. Mengalikan satu persamaan dengan konstanta bukan nol
3. Menambahkan kelipatan konstan dari satu sisi persamaan ke sisi yang bersesuaian
persamaan lain
Sebelum menunjukkan metode matriks untuk memecahkan sistem asli,

{3x+x −2 yy=1
=5
Pertama-tama kita perlu mendefinisikan beberapa istilah. Ingat dari Bagian 6.3 bahwa
matriks

[ 31 −12 ]
adalah matriks koefisien dari sistem ini. Entri di kolom pertama sesuai dengan
koefisien x dalam persamaan. Misalnya, entri di baris pertama dan
kolom pertama sesuai dengan koefisien x dalam persamaan pertama; dan entri di
baris kedua dan kolom pertama sesuai dengan koefisien x dalam persamaan kedua.
Demikian pula, entri di kolom kedua sesuai dengan koefisien y.
Matriks lain yang terkait dengan sistem ini disebut koefisien yang diperbesar
matriks dan diberikan oleh

Kolom pertama dan kedua adalah kolom pertama dan kedua, masing-masing, dari
matriks koefisien. Entri di kolom ketiga sesuai dengan istilah konstan
dalam sistem: Entri pada baris pertama kolom ini adalah suku konstan dari
persamaan pertama, sedangkan entri pada baris kedua adalah suku konstan dari persamaan
kedua
persamaan. Meskipun tidak perlu memasukkan garis vertikal dalam augmented
matriks koefisien, ini berfungsi untuk mengingatkan kita bahwa 1 dan 5 adalah yang muncul
di ruas kanan persamaan. Matriks koefisien yang diperbesar itu sendiri benar-benar
menggambarkan sistem persamaan.
Prosedur yang digunakan untuk menyelesaikan sistem asli melibatkan sejumlah:
sistem yang setara. Dengan masing-masing sistem ini, kita dapat mengasosiasikan matriks
koefisien yang diperbesar. Berikut ini adalah sistem-sistem yang terlibat, bersama dengan
matriks koefisien augmented yang sesuai, yang telah kita beri label A, B, C, D, dan E.
Mari kita lihat bagaimana matriks ini terkait.
Matriks B dapat diperoleh dari A dengan menukar baris pertama dan kedua dari A.
Operasi ini sesuai dengan pertukaran dua persamaan dalam sistem asli. Matriks C dapat
diperoleh dari B dengan menambahkan, ke setiap entri di baris kedua B, 3 kali entri yang
sesuai di baris pertama B:

Operasi ini dijelaskan sebagai berikut: penambahan 3 kali baris pertama B ke baris kedua B
atriks D dapat diperoleh dari C dengan mengalikan setiap entri pada baris kedua dari
1 1
C oleh - . Operasi ini disebut sebagai mengalikan baris kedua C dengan - .
7 7
Matriks E dapat diperoleh dari D dengan menambahkan 2 kali baris kedua D ke baris
pertama D.
Amati bahwa E, yang memberikan solusi, diperoleh dari A secara berurutan
melakukan salah satu dari tiga operasi matriks yang disebut operasi baris elementer:
1. Pertukaran dua baris matriks
2. Mengalikan baris matriks dengan bilangan bukan nol
3. Menjumlahkan kelipatan satu baris suatu matriks ke baris lain dari matriks tersebut

Operasi baris dasar ini sesuai dengan tiga operasi dasar yang digunakan dalam
metode eliminasi aljabar. Setiap kali matriks dapat diperoleh dari yang lain
oleh satu atau lebih operasi baris elementer kita katakan bahwa matriks-matriks tersebut
ekuivalen.
Jadi, A dan E ekuivalen. (Kita juga dapat memperoleh A dari E dengan melakukan operasi
baris serupa dalam urutan terbalik, sehingga istilah ekuivalen adalah tepat.) Ketika
menggambarkan operasi baris dasar tertentu, kami akan menggunakan notasi berikut untuk
kenyamanan:

Misalnya menulis

berarti matriks kedua diperoleh dari matriks pertama dengan menambahkan 4 kali baris 1 ke
baris 2. Perhatikan bahwa kita menulis (-k)Ri as -kRi.
Kami sekarang siap untuk menggambarkan prosedur matriks untuk memecahkan sistem
linear
persamaan. Pertama, kita membentuk matriks koefisien yang diperbesar dari sistem;
kemudian, oleh berarti operasi baris elementer, kami menentukan matriks ekuivalen yang
jelas menunjukkan solusi. Mari kita spesifik tentang apa yang kita maksud dengan matriks
yang jelas menunjukkan solusi. Ini adalah matriks, yang disebut matriks tereduksi, yang
akan didefinisikan
di bawah. Lebih mudah untuk mendefinisikan terlebih dahulu baris nol dari suatu matriks
menjadi baris yang terdiri dari: seluruhnya dari nol. Baris yang bukan baris nol, artinya berisi
setidaknya satu
entri bukan nol, akan disebut baris bukan nol. Entri bukan nol pertama dalam baris bukan
nol
disebut entri terdepan.

Matriks yang Direduksi

Suatu matriks dikatakan matriks tereduksi jika semua pernyataan berikut ini benar:
1. Semua baris nol berada di bagian bawah matriks.
2. Untuk setiap baris bukan nol, entri terdepan adalah 1, dan semua entri lainnya di kolom
entri terdepan adalah 0.
3. Entri terdepan di setiap baris berada di sebelah kanan entri terdepan di setiap baris di
atasnya.

Dapat ditunjukkan bahwa setiap matriks ekivalen dengan tepat satu matriks tereduksi.
Menyelesaikan sebuah sistem, kita menemukan matriks tereduksi sedemikian rupa sehingga
matriks koefisien yang diperbesar adalah setara dengan itu. Dalam diskusi kita sebelumnya
tentang operasi baris elementer, matriks

adalah matriks tereduksi.

CONTOH 1 Matriks Tereduksi

Untuk setiap matriks berikut, tentukan apakah matriks tersebut tereduksi atau tidak.

Penyelesaian:
a.Bukan matriks tereduksi, karena entri terdepan di baris kedua bukan 1
b. Matriks tereduksi
c. Bukan matriks tereduksi, karena entri terdepan pada baris kedua tidak ke kanan
dari entri terdepan di baris pertama
d. Matriks tereduksi
e. Bukan matriks tereduksi, karena baris kedua, yang merupakan baris nol, tidak berada di
bagian bawah matriks
f. Matriks tereduksi

CONTOH 2 Mereduksi Matriks

Kurangi matriks

Strategi Untuk mengurangi matriks, kita harus mendapatkan entri terdepan menjadi 1 di
baris pertama, entri terdepan a 1 di baris kedua, dan seterusnya, sampai kita tiba di baris
nol, jika ada. Apalagi kita harus bekerja dari kiri ke kanan, karena yang terdepan entri di
setiap baris harus di sebelah kiri semua entri utama lainnya di baris di bawahnya.

Penyelesaian: Karena tidak ada baris nol untuk pindah ke bawah, kami melanjutkan untuk
menemukan kolom pertama yang berisi entri bukan nol; ini ternyata menjadi kolom 1.
Dengan demikian, dalam matriks yang direduksi, 1 terdepan di baris pertama harus ada di
kolom 1. Untuk menyelesaikan ini, kita mulai dengan menukar dua baris pertama sehingga
entri bukan nol ada di baris 1 dari kolom 1:

1
Selanjutnya, kita kalikan baris 1 dengan sehingga entri terdepan adalah 1:
3

Selanjutnya, kita pindah ke kanan kolom 1 untuk menemukan kolom pertama yang tidak nol
entri di baris 2 atau di bawahnya; ini adalah kolom 3. Akibatnya, dalam matriks tereduksi,
terkemuka 1 di baris kedua harus di kolom 3. Matriks di atas sudah melakukannya
memiliki 1 terkemuka di sana. Jadi, yang perlu kita lakukan untuk mendapatkan angka nol di
bawah dan di atas yang terdepan 1 adalah menambahkan 1 kali baris 2 ke baris 1 dan
menambahkan -6 kali baris 2 ke baris 3:

Sekali lagi, kita pindah ke kanan untuk menemukan kolom pertama yang memiliki entri
bukan nol di baris 3; yaitu, kolom 4. Untuk membuat entri terdepan menjadi 1, kita kalikan
1
baris 3 dengan - :
5

Akhirnya, untuk mendapatkan semua entri lain di kolom 4 menjadi nol, kami menambahkan
-2 kali baris 3 ke keduanya baris 1 dan baris 2:

Selanjutnya, kita pindah ke kanan kolom 1 untuk menemukan kolom pertama yang tidak nol
entri di baris 2 atau di bawahnya; ini adalah kolom 3. Akibatnya, dalam matriks tereduksi,
terkemuka 1 di baris kedua harus di kolom 3. Matriks di atas sudah melakukannya
memiliki 1 terkemuka di sana. Jadi, yang perlu kita lakukan untuk mendapatkan angka nol di
bawah dan di atas yang terdepan1 adalah menambahkan 1 kali baris 2 ke baris 1 dan
menambahkan -8 kali baris 2 ke baris 3:

Sekali lagi, kita pindah ke kanan untuk menemukan kolom pertama yang memiliki entri
bukan nol di baris 3; yaitu, kolom 4. Untuk membuat entri terdepan menjadi 1, kita kalikan
1
baris 3 dengan - :
5

Akhirnya, untuk mendapatkan semua entri lain di kolom 4 menjadi nol, kami menambahkan
2 kali baris 3 ke keduanya baris 1 dan baris 2:
Matriks terakhir dalam bentuk tereduksi
Metode reduksi yang dijelaskan untuk menyelesaikan sistem asli kita dapat
digeneralisasikan ke sistem yang terdiri dari m persamaan linier dalam n yang tidak
diketahui. Untuk memecahkan seperti sistem sebagai

melibatkan

1. menentukan matriks koefisien yang diperbesar dari sistem, yaitu

dan
2. menentukan matriks tereduksi di mana matriks koefisien yang diperbesar adalah
setara
Seringkali, langkah 2 disebut pengurangan matriks koefisien yang diperbesar.

CONTOH 3 Memecahkan Sistem dengan Reduksi

Dengan menggunakan reduksi matriks, selesaikan sistem

Penyelesaian: dengan mereduksi matriks koefisien yang diperbesar dari sistem, kita
memperoleh

Matriks terakhir direduksi dan sesuai dengan sistem

Karena sistem asli setara dengan sistem ini, ia memiliki solusi unik, yaitu

CONTOH 4 Memecahkan Sistem dengan Reduksi

Dengan menggunakan reduksi matriks, selesaikan

Penyelesaian: Menulis ulang sistem sehingga variabel-variabelnya sejajar dan suku-sukunya

konstan muncul di sisi kanan persamaan, kita memiliki

Dengan mengurangi matriks koefisien yang diperbesar, kita memperoleh

Simpan terjemahan
Simpan terjemahan
Matriks terakhir direduksi dan sesuai dengan

Karena 0≠1, tidak ada nilai x, y, dan z yang memenuhi semua persamaan serentak. Dengan
demikian, sistem asli tidak memiliki solusi.

CONTOH 5 Bentuk Parametrik dari Solusi

Dengan menggunakan reduksi matriks, selesaikan

Penyelesaian: dengan mereduksi matriks koefisien yang diperbesar, kita memperoleh

Matriks ini direduksi dan sesuai dengan sistem

Dengan demikian,

Sistem tidak memberlakukan batasan pada x₄ sehingga x ₄ dapat mengambil nilai nyata apa
pun. Jika kita menambahkan
x₄ = x₄
ke persamaan sebelumnya, maka kami telah menyatakan keempat yang tidak diketahui
dalam hal dari x₄ dan ini adalah solusi umum dari sistem asli.
Untuk setiap nilai tertentu dari x₄, Persamaan (9)–(12) tentukan solusi tertentu
dari sistem aslinya. Misalnya, jika x₄ = 0, maka solusi tertentu adalah
x₁ = 4 x₂ = 0 x₃ = 1 x₄ = 0
jika x₄ = 2, maka
x₁ = -1 x₂ = 0 x₃ = 0 x₄ = 2
adalah solusi khusus lainnya. Karena ada banyak kemungkinan tak terhingga untuk x4,
maka adalah banyak solusi dari sistem asli.
Ingat (lihat Contoh 3 dan 6 dari Bagian 3.4) bahwa, jika kita suka, kita dapat menulis
x₄ = r dan merujuk ke variabel baru r ini sebagai parameter. (Namun, tidak ada yang
istimewa tentang nama r, jadi kita bisa menganggap x₄ sebagai parameter di mana semua
variabel asli bergantung. Perhatikan bahwa kita dapat menulis x ₂ = 0 + 0x ₄ dan x ₄ = 0 +
1x₄.) Menulis r untuk parameter, solusi dari sistem asli diberikan oleh

di mana r is bilangan real apa pun, dan kita berbicara tentang memiliki keluarga solusi satu
parameter. Sekarang, dengan penambahan matriks dan perkalian skalar di tangan, kita
dapat mengatakan sedikit lagi tentang keluarga seperti itu. Perhatikan itu

Pembaca yang akrab dengan geometri analitik akan melihat bahwa solusi membentuk garis

dalam x₁x₂x₃x₄-spasi, melewati titik dan ke arah garis segmen bergabung

dan
Contoh 3-5 mengilustrasikan fakta bahwa sistem persamaan linier mungkin memiliki
keunikan solusi, tidak ada solusi, atau banyak solusi. Dapat ditunjukkan bahwa ini adalah
hanya kemungkinan.
6.5 Memecahkan Sistem dengan Mengurangi Matriks (Lanjutan)
Seperti yang kita lihat di Bagian 6.4, sistem persamaan linier mungkin memiliki solusi unik,
tidak solusi, atau banyak solusi. Ketika ada banyak tak terhingga, solusi umum dinyatakan
dalam setidaknya satu parameter. Misalnya, solusi umum dalam Contoh 5 diberikan dalam
hal parameter r:

Terkadang, lebih dari satu parameter diperlukan. Faktanya, kami melihat contoh yang
sangat sederhana dalam Contoh 7 dari Bagian 3.4. Contoh 1 mengilustrasikan lebih lanjut.

CONTOH 1 Keluarga Solusi Dua Parameter

Dengan menggunakan reduksi matriks, selesaikan

Penyelesaian: Matriks koefisien yang diperbesar adalah

yang bentuk tereduksinya adalah

Karenanya,

dari mana berikut ini

Karena tidak ada batasan yang ditempatkan pada x₃ atau x ₄, mereka dapat berupa bilangan
real arbitrer, memberi kami solusi parametrik. Pengaturan x ₃ = r dan x ₄ = s, kita dapat
memberikan solusi dari sistem yang diberikan sebagai

di mana parameter r dan s dapat berupa bilangan real apa pun. Dengan menetapkan nilai
tertentu
untuk r dan s, kami mendapatkan solusi tertentu. Misalnya, jika r = 1 dan s = 2, maka
solusi khusus yang sesuai adalah x₁ = -6, x₂ = -6, x₃ = 1, x₄ = 2. Seperti di
kasus satu parameter, sekarang kita dapat melangkah lebih jauh dan menulis

yang dapat ditunjukkan untuk menunjukkan keluarga solusi sebagai pesawat melalui di
x₁x₂x₃x₄-spasi
Merupakan kebiasaan untuk mengklasifikasikan sistem persamaan linier sebagai
sistem yang homogen atau tidak homogen, tergantung pada apakah suku-suku konstanta
semuanya nol.
Definisi
System

CONTOH 2 Sistem Nonhomogen dan Homogen

Sistemnya

tidak homogen karena 4 dalam persamaan pertama. Sistem

Adalah homogen
Jika sistem homogen

diselesaikan dengan metode reduksi, pertama matriks koefisien yang diperbesar akan
ditulis

Perhatikan bahwa kolom terakhir seluruhnya terdiri dari nol. Ini adalah tipikal dari
augmented
matriks koefisien dari setiap sistem homogen. Kami kemudian akan mengurangi matriks ini
dengan
menggunakan operasi baris elementer:

Kolom terakhir dari matriks tereduksi juga hanya terdiri dari nol. Ini tidak terjadi
kebetulan. Ketika setiap operasi baris elementer dilakukan pada matriks yang memiliki
kolom yang seluruhnya terdiri dari nol, kolom yang sesuai dari matriks yang dihasilkan akan
juga menjadi nol semua. Untuk kenyamanan, itu akan menjadi kebiasaan kami saat
menyelesaikan homogen sistem dengan pengurangan matriks untuk menghapus kolom
terakhir dari matriks yang terlibat. Itu adalah, kami hanya akan mengurangi matriks
koefisien sistem. Untuk sistem sebelumnya, kita pasti akan

Di sini matriks tereduksi, yang disebut matriks koefisien tereduksi, sesuai dengan
Sistem

jadi solusinya adalah x = 0 dan y = 0.

Mari kita perhatikan jumlah solusi dari sistem homogen

Satu solusi selalu terjadi ketika x₁ = 0; x₂ = 0; ... ; dan x n = 0, karena setiap persamaan
puas untuk nilai-nilai ini. Solusi ini, yang disebut solusi trivial, adalah solusi dari
setiap sistem homogen dan mengikuti dari persamaan matriks
A0n = 0m
Ada teorema yang memungkinkan kita untuk menentukan apakah sistem homogen memiliki
solusi unik (hanya solusi trivial) atau solusi tak terhingga banyak. teorema
didasarkan pada jumlah baris bukan nol yang muncul dalam matriks koefisien tereduksi
dari sistem. Ingat bahwa baris bukan nol adalah baris yang tidak seluruhnya terdiri dari nol.

Rumusan
Misalkan A adalah matriks koefisien tereduksi dari sistem homogen dari m persamaan linier
dalam n yang tidak diketahui. Jika A memiliki tepat k baris bukan nol, maka k ≤ n. Lebih-
lebih lagi,
1. jika k < n, sistem memiliki banyak solusi tak terhingga, dan
2. jika k = n, sistem memiliki solusi unik (solusi trivial)

Jika suatu sistem homogen terdiri dari m persamaan dalam n yang tidak diketahui,
maka matriks koefisien sistem tersebut memiliki ukuran m n. Jadi, jika m < n dan k adalah
banyaknya
baris bukan nol dalam matriks koefisien tereduksi, maka k ≤ m, dan, karenanya, k < n. Oleh
teorema sebelumnya, sistem harus memiliki banyak solusi. Akibatnya, kita
memiliki akibat wajar berikut.
Akibat wajar
Sistem persamaan linier homogen dengan persamaan lebih sedikit daripada yang tidak
diketahui
memiliki banyak solusi.

CONTOH 3 Jumlah Solusi dari Sistem Homogen

Tentukan apakah sistem

Penyelesaian: Ada dua persamaan dalam sistem homogen ini, dan bilangan ini adalah
kurang dari jumlah yang tidak diketahui (tiga). Jadi, dengan akibat wajar sebelumnya,
sistem memiliki banyak solusi tak terhingga.

CONTOH 4 Memecahkan Sistem Homogen

Tentukan apakah sistem homogen berikut memiliki solusi unik atau
banyak solusi tak terhingga; kemudian memecahkan sistem.

Kurangi matriks koefisien, kita memperoleh

Banyaknya baris bukan nol, 2, dalam matriks koefisien tereduksi lebih kecil dari jumlah yang
tidak diketahui, 3, dalam sistem. Dengan teorema sebelumnya, ada banyak sekali
solusi.
Karena matriks koefisien tereduksi sesuai dengan
solusinya dapat diberikan dalam bentuk parametrik dengan

di mana r adalah bilangan real.

Penyelesaian: Kurangi matriks koefisien, kita beroleh

Jumlah baris bukan nol (2) dalam matriks koefisien tereduksi sama dengan angka
yang tidak diketahui dalam sistem. Dengan teorema, sistem harus memiliki solusi unik,
yaitu, solusi trivial x = 0; y = 0.