MATEMATIKA INFORMATIKA 2

TEKNIK INFORMATIKA
UNIVERSITAS GUNADARMA
FENI ANDRIANI
 SAP (1)
Buku : Suryadi H.S. 1991, Pengantar Aljabar dan Geometri analitik

• Vektor
– Definisi, Notasi, dan Operasi Vektor
– Susunan Koordinat Ruang Rn
– Vektor di dalam Rn
– Persamaan garis lurus dan bidang rata

• Ruang Vektor
– Field
– Ruang Vektor di atas suatu Field
– Ruang Vektor Bagian
– Vektor Bebas Linier dan Bergantungan Linier
– Kombinasi Linier dan Arti Kombinasi Linier secara ilmu ukur.
– Teorema-teorema mengenai Kombinasi Linier.
– Dimensi dan Basis.
 SAP (2)
• Matriks
– Definisi dan Notasi Matriks
– Operasi pada Matriks
– Transpose dari suatu matriks
– Beberapa Jenis Matriks khusus
– Transformasi Elementer pada Baris & Kolom
– Matriks Ekivalen
– Ruang Baris dan Ruang Kolom dari suatu matriks
– Rank Matriks

• Determinan
– Pendahuluan (Permutasi)
– Sifat-sifat Determinan
– Minor dan Kofaktor
– Ekspansi secara Baris dan Kolom
– Menghitung nilai Determinan dgn sifat-sifat Determinan
 SAP (3)
• Matriks Invers
– Definisi matriks invers
– Matriks Singular, Non-singular
– Matriks Adjoint dan Invers
– Mencari Matriks Invers dgn Transformasi Elementer dan Partisi
– Invers pada matriks yang tidak bujur sangkar

• Persamaan-persamaan Linier
– Persamaan Linier dan Susunan Persamaan Linier.
– Susunan Persamaan Linier Homogen dan Penyelesaiannya.
– Susunan Persamaan Linier Non-homogen dan Penyelesaiannya
 SAP (4)
• Transformasi Linier
– Pengertian Transformasi
– Pergantian Basis
– Transformasi Vektor Linier
– Ruang Peta dan Ruang Nol
– Produk Transformasi
– Transformasi Invers
– Transformasi Similaritas
– Eigenvalue dan Eigenvector
– Diagonalisasi
– Transformasi ortogonal
– Rotasi
– Transformasi Simetris
•
 VEKTOR

Vektor adalah Besaran yang

memiliki besar dan arah,
bila dijumlahkan akan
menghasilkan :

 
(b)  (b)  0
• Komponen vektor merupakan proyeksi vektor pada
Komponen vektor
• Komponen vektor merupakan proyeksi vektor pada
sumbu sistem koordinat
Komponen vektor : a x  a cos  dan a y  a sin 

Besar vektor
ax
a  a a
2
x
2
y dan tan  
ay
Vektor satuan:

Vektor satuan pada arah positif sumbu x, y

dan z diberi tanda : iˆ , ˆj d a n kˆ
Perkalian vektor :


• Perkaliana vektor dengan skalar :
Jika vektor a dikalikan dengan skalar s akan
menghasilkan vektor baru dengan besar nilai
absolute s dengan arah a jika s positif, dan
berlawanan arah jika s negatif. Vektor
dibagi dengan s berarti kita mengkalikan
dengan 1/s.
• Perkalian vektor dengan vektor :
Menghasilkan skalar : Scalar Product
Dikenal sebagai : Dot product
 Dot Product

 
a .b  a b c o s 
RUANG VEKTOR
RUANG VEKTOR
SUBRUANG
RUANG VEKTOR – KOMBINASI LINIER
RUANG VEKTOR – BEBAS LINIER
RUANG VEKTOR – BASIS & DIMENSI
 MATRIKS
Definisi:
Matriks adalah sekumpulan bilangan yang
disusun dalam sebuah empat persegi panjang,
secara teratur, di dalam baris-baris dan kolom-
kolom. a a ...... a 
 
 11 12 1n 
 
a a ...... a 
 21 22 2n 
 
........................... 
 a a ...... a mn 


 m1 m2 

Matriks di atas disebut matriks ukuran m x n

 Operasi Matriks

1. Operasi Kesamaan
Dua matriks A dan B disebut sama, jika:
a) A dan B sejenis
b) Setiap unsur yang seletak sama.
     
A  1

2 , B  
 1 2 , C  
 1 2 

3 1


 
3 1
  
3 1 

A = B, A ≠ C, B ≠ C
2. Penjumlahan dua matriks

Definisi:
Jumlah dua matriks A dan B yang sejenis adalah
sebuah matriks C yang sejenis pula dengan
unsur-unsur cij , dimana terdapat hubungan:
     
c  a  b
ij . A  a ij , B  b ij , C  c ij
     
     
ij ij 











     

 2  2
     
A  0

1 , B  
 4 , C  
 5 

 1
    
2 4
 5  1 9 
0 1    2 4   - 2 5 
A B   
 
2 4 1 5   1 9 


0 1    2 5   - 2 6 
A  C   
 
2 4  1 9   3 13 

Sifat-sifat penjumlahan:
Komutatif : A + B = B + A
Assosiatif : A + (B + C) = (A + B) + C

3. Perkalian dengan skalar (  )

Perkalian sebuah matriks dengan skalar ()
maka setiap unsur matriks tersebut terkalikan
dengan skalar (  ).
 
, maka  A =  a 
 
A a





  ij 
.


ij 


Sifat-sifat perkalian matriks dengan skalar

1.  (A + B) =  A + B
2. (  + β ) A =  A + β A
3.  (β A) = β A
4. Perkalian dua matriks
Definisi:
Dua matriks A (m x n), dan B (p x q) didefinisikan
hasil kalinya, jika n = p , maka hasilkali adalah
matriks C (m x q) dengan unsur-unsur:
c  a b  a b  a b  .......  a b
ij i1 1 j i2 2 j i3 3 j in nj
n
c   a b
ij k 1 ik kj
Catatan:
• Perkalian 2 matriks AB dapat didefinisikan, jika
banyaknya kolom matriks A = banyaknya baris
matriks B.
• Hasil kali dua matriks AB adalah suatu matriks
dengan banyaknya baris = banyaknya baris matriks
A
dan banyaknya kolom = banyaknya kolom matriks B.
• Pada umumnya AB ≠ BA
Contoh:
2
 
A  1 2 3 , B   3  , C  A x B  20 
 
4
 
1x3 3x1 1x1
 2 3 5 
2  3  
A   , B   0 0 1
5 10 
4

 5 9
2 3 5 
 2  3 
C  A xB    0

0 1   tdk terdefinisi
 5  10  
4 5 9
2x2 3x3
 Macam-macam matriks
1. Matriks bujursangkar
Definisi: matriks bujursangkar adalah matriks
dimana banyaknya baris = banyaknya kolom
2 3 5
2 3   
A   , B   0 0 1
5  10  4
 5 9 
2. Matrik satuan/ matriks identitas
• Matriks bujur sangkar
• Setiap unsurnya nol, kecuali didiagonal utama = 1
Contoh :
1 0 0
1 0  
I   , I   0 1 0
0 1 3 0 1 
2
 0

A.I = I.A
I.I = I
3. Matriks segitiga
• Matriks bujursangkar
• Unsur di atas/di bawah diagonal utama adalah nol
Contoh :

1 2 3 
  1 0
A  0 4 7 , B   
0  7 8
 0 9

4. Matriks Tranpose
• Tidak perlu bujursangkar
• Setiap baris ditukar tempat dengan kolom
Contoh :
1 
  ~
A  2  , A  1 2 3
3 
 
4 2 
  ~ 4 5 0 
B  5 7 , B   
0  2 7 1 
 1 
Sifat-sifat matriks transfose

1.(A  B)  A  B T T T

2.(A )  A
T T

3. λ (A )  λ A
T T

4.(AB)  B A T T T
Contoh
1 
2 1 2  
A   , B   2 
3 0 1 0 
 
4 
AB     (AB) T
 4 3 
3 
2 3 
 
A  1
T
0 , B  T
1 2 0 
2 
 1 
2 3 
 
B A
T T
 1 2 0  1 0   4 3 
2 
 1 
 (AB) T
 B A T T
5. Matriks simetris
~
Matriks A disebut simetris apabila A  A
• Matriks Bujur sangkar
Contoh

1 2 0
1 2  
 , 2 3 7
2 3 0
 7 8 
6. Matriks skew simetris
~
Matriks A disebut matriks skew simetri jika A   A
• Bujur sangkar
Contoh

 0 2 0
0  2  
 ,   2 0  7
2 0 
 0 7 0 
 ~ , maka a
Matriks Skew simetris A  A  a
ij ji
Untuk I = j maka a  a 2a  0
ii ii ii
Jadi diagonal utama matriks skew simetris = 0
7. Matriks Diagonal
• Matriks bujursangkar
• Semua unsur nol, kecuali didiagonal utama

1 0 0 
 
 0 3 0 
 0 5 
 0
9. Matriks Nol
• Tidak perlu matriks bujur sangkar
• Semua unsurnya nol

 0 0 0
 
 0 0 0
A.0 =0
A+0=A
A.B = 0, apakah A = 0 ?atau B = 0? atau kedua-
duanya nol
 Transformasi (operasi) Elementer pada Baris
dan Kolom Matriks

Transformasi Elamenter pada matriks adalah:

 Penukaran tempat baris ke i dan ke j (baris ke i dijadikan
baris ke j dan baris ke j dijadikan baris ke i), ditulis Hij (A)
 Penukaran tempat kolom ke i dan kolom ke j (kolom ke i
dijadikan kolom ke j atau sebaliknya), ditulis Kij (A)
 Memperkalikan baris ke i dengan skalar  ≠ 0, ditulis
( )
H i (A)
 Memperkalikan kolom ke i dengan  ≠ 0, ditulis K i (A)
( )

 Menambah baris ke i dengan  kali baris ke j, ditulis

H ()(A)
ij
 Menambah kolom ke i dengan  kali kolom ke j,ditulis
( )
K ij (A)

Kadang untuk operasi (1) dan (3) dapat dilakukan dalam

satu langkah : Menambah  1 kali baris ke i dengan  2
( ) ( )
kali baris ke j, ditulis H i1
j 2
(A)
Demikian pula untuk untuk operasi (2) dan (4)
Bila menggunakan operasi baris maka disebut operasi
baris elementer (OBE)
Contoh:
3 1 2 1 
 
A   4 1 0 2 , carilah matrik B yang dihasilkan
1 3 0 1 
 
(-1) (2)
sederetan transformasi elementer H ,H ,H ,
31 2 12
(1) (2)
K ,K . Carilah B tersebut.
41 3
 3 1 2 1  H ( 1) 3 1 21 H  8 2 0 4
  31   12 
 4 1 0 2  ( 2 )
 8 2 0 4   3 1 2 1
1 3 0 1  H2 - 2 2 - 2 0   - 2 2 - 2 0 
  

K (1) 8 2 0 12 
41  
  3 1 4 4
K (2) 
3 - 2 2 - 4 - 2 
 Invers Suatu Transformasi Linier

Jika suatu transformasi elementer adalah:

• A = H -1(B) = H ij (B)
ij

• A = K ij -1(B) = K ij (B)

( )-1 1/
• A=H (B) = H i (B)
i
() -1 1/
• A=K i (B) = K i (B)

()-1 (  ) ()-1 (  )
• A =H (B) = H (B) A = K ij (B) = K ij (B)
ij ij
 Contoh
2 2 1 2
 
B   6 0 4 2 , diperoleh dari A dengan sederetan
1 2 3 1
 
(1) (2)
transformasi elementer berturut - turut : H ,H ,K ,K .Carilah A.
12 31 13 2

 2 2 1 2  K (1/2) 2 1 1 2  K 1 1 2 2 
  2   13 
 6 0 4 2   6 0 4 2    4 0 6 2 
1 2 3 1 1 1 3 1  3 1 1 1
     
H ( 1)1 1 2 2 H  4 0 6 2
31   12 
 4 0 6 2   1 1 2 2  A
 2 0  1  1  2 0  1  1
   
Penggunaan OBE

• Mencari Rank Matriks

Adalah jumlah maksimum baris/kolom yang
bebas linier ( tidak semua unsur dalam suatu
baris/kolom nol)
• Mecari invers matriks

OBE
-1
( A:I ) ( I:A )
Contoh

2 3 1 ( 1)
  H21
1.Cari rank matriks dari A   2 1 2
( 2)
4 4
 3  H31

2 3 1  (2) (1)  2 3 1  (1) (2)
  H3 2  H 2
0 - 2 2 0 - 2 2 3
0 1 3  
  0 0 4 
2 3 1
 
0 - 2 2  Maka rank matriks A = 2
0 0 
 0
 DETERMINAN MATRIKS
• Misalkan det A = | A | := ad-bc

• Determinan hanya untuk matriks bujur sangkar

• Untuk order lebih dari 2, digunakan pengertian
minor dan kofaktor.

• Ilustrasi:

• Minor komponen adalah

• Kofaktor komponen adalah

Dengan cara yang sama diperoleh

Menentukan tanda + atau – pada kofaktor, diperhatikan

skema berikut :

Diperoleh
Definisi determinan matriks 3 x 3:

Coba terapkan untuk menghitung determinan matriks A.

• Secara umum untuk matriks n x n:

• Atau dalam bentuk

• Atau dalam bentuk

• Contoh :

• Cara cerdas: pilih kolom kedua

• Pilih lagi kolom kedua

 Adjoint matriks

• Misalkan A matriks n x n dengan kofaktor

aij adalah Cij maka matriks
disebut matriks kofaktor dari A, dan
transposenya disebut adjoint A, ditulis
adj(A).

• Contoh:
Kofaktor A :
 Invers matriks

• Invers matiks A adalah

• Contoh: diperhatikan kembali matriks A

sebelumnya, mudah diperoleh det(A) = 64,
jadi
 Metoda Cramer untuk SPL
• Misalkan SPL Ax = b maka

dimana Aj adalah matriks yang diperoleh dengan

mengganti kolom ke j matriks A dengan vektor b.
• Contoh:

• Diperoleh Penyelesaiannya
 REFERENSI

Anton, Howard, 2000, Elementary Linear Algebra: Eight Edition, John Willey
and Sons, Inc., New York.

Vanstone, Scott A. and van Oorschot, Paul C., 1989, An Introduction to Error
Correcting Codes with Applications, Kluwer Academic Publishers,
Massachusetts, USA.