BAB IV

MATRIKS DAN DETERMINAN

Kompetensi Dasar
Setelah mempelajari bab ini mahasiswa diharapkan dapat menyelesaikan
operasi pada matriks, menghitung nilai determinan, menentukan invers matriks
bujur sangkar dan menyelesaikan sistem persamaan linier dengan n variabel.

Indikator
Setelah mempelajari bab ini mahasiswa diharapkan dapat
 Menyelesaikan operasi pada matriks
 Menghitung nilai determinan matriks bujur sangkar
 Menentukan invers matriks bujur sangkar.
 Menyelesaikan sistem persamaan linier dengan n variabel

4.1 Matriks
Definisi 4.1 :
Matriks adalah susunan dari mxn obyek-obyek matematika dalam bentuk
persegi panjang, yang diatur menurut m baris dan n kolom (lajur).
Matriks dinyatakan dengan :
 a11 a12 ... a1n 
a a22 ... a2 n 
A  ............................................................................. 4.1
21

 ... ... ... ... 

 
 am 1 am 2 ... amn 
elemen-elemennya adalah aij (i = 1,2,3, …, m , j = 1,2,3,…,n dan m,n bilangan
bulat positif), merupakan obyek-obyek matematika. Matriks yang elemen-
elemennya diatur menurut m baris dan n kolom disebut berordo (berukuran,
berdimensi) mxn. Elemen aij adalah elemen yang terletak pada baris ke-i kolom
ke-j.

Matriks 57
Contoh 4.1 : Misalkan sistem persamaan linier,
5x - 2y + z = 0
3x + 4z = 0
matriks koefisien dari sistem persamaan tersebut adalah
 5 2 1 
A  , berordo 2x3.
3 0 4

Contoh 4.2 :
Penjualan tiga macam produk dari suatu toko dalam satu minggu adalah sebagai
berikut
S SL R K J S
 40 33 81 0 21 47  I
A   0 12 78 50 50 96  II
 10 0 0 27 43 78  III

Terdapat banyak notasi untuk menyatakan suatu matriks. Notasi pasangan

tanda kurung yang sering dipakai adalah “( ) “, “[ ]”.

4.1.1 Macam-macam Matriks

Klasifikasi nama matriks dalam bentuk dan tipe tertentu dikaitkan antara
lain dengan banyaknya baris dan kolom, atau dikaitkan dengan elemen-elemen
matriks itu sendiri.
a) Matriks Nol (Null Matrix), adalah matriks yang semua elemennya nol.
b) Matriks bujursangkar (Square Matrix), adalah matriks yang banyaknya baris
sama dengan banyaknya kolom. Matriks bujursangkar A berordo nxn ditulis
An. Elemen-elemen a11, a22, …,ann disebut elemen diagonal (utama).

Contoh 4.3 :
5 1 0
 
A3   2 3 5  , elemen diagonal utamanya adalah 5,3 dan 7
0 6 7
 

Matriks 58
c) Matriks segitiga atas (Upper triangular matrix), adalah matriks bujursangkar -n
dengan aij = 0 untuk i > j.
Contoh 4.4 : Matriks segitiga atas,
5 1 0
 
 0 3 5  , tanda “segitiga” hanya gambaran untuk memudahkan mengingat.
0 0 7
 

d) Matriks segitiga bawah (Lower triangular matrix), adalah matriks

bujursangkar-n dengan aij = 0 untuk i < j.
5 0 0
 
Contoh 4.5 : Matriks segitiga bawah,  1 3 0 
2 0 7
 

e) Matriks diagonal (Diagonal matrix), adalah matriks bujursangkar -n dengan aij

= 0 untuk i  j.

5 0 0
 
Contoh 4.6 : Matriks diagonal, D =  0 3 0 
0 0 7
 

f) Matriks skalar (Scalar matrix), adalah matriks diagonal dengan elemen-elemen

diagonalnya sama dengan k ( k  ).

 3 0 0
 
Contoh 4.7 : Matriks skalar, S =  0 3 0 
0 0 3
 

g) Matriks identitas /satuan (Identity /unit matrix), adalah matriks skalar dengan
elemen diagonal utamanya sama dengan 1.

1 0 0
 
Contoh 4.8 : Matriks identitas, I   0 1 0 
0 0 1
 

Matriks 59
h) Matriks transpose (Transpose matrix)
Transpose dari matriks A = (aij) ditunjukkan dengan AT, didefinisikan sebagai
AT = (aji) untuk setiap i dan j.
Contoh 4.9 :
 1 2 
 1 4 6  
A   A  4 3 
T

 2 3 5  6 5 
 

i) Matriks simetris (Symmetric matrix), adalah matriks yang memenuhi A = AT.

0 4 7 
 
Contoh 4.10 : Matriks simetris, A   4 5 2 
 7 2 1 
 

j) Matriks simetris miring (Skew-symmetric matrix), adalah matriks yang

memenuhi A = -AT.
 0 4 7 
 
Contoh 4.11 : Matriks simetris miring, A   4 0 2
 7 2 0 
 

k) Matriks sekawan,
Jika A = (aij) adalah matriks berordo mxn dengan elemen-elemen bilangan
kompleks , maka matriks yang diperoleh dari A dengan cara mengganti
elemen-elemen matriks A dengan sekawannya disebut matriks sekawan dari A
(ditulis A )
Contoh 4.12 :
 0 42j 7j  0 4  2 j 7 j 
   
A   1  4 j 5  j 2   A   1  4 j 5  j 2 
 1 j 7  2j j   1 j 7  2j j 
   

Matriks 60
4.1.2 Kesamaan Matriks
Definisi 4.2 :
Dua matriks A = (aij) dan B = (bij) adalah sama ditulis A = B, jika dan
hanya jika berordo sama dan aij = bij untuk setiap i dan j.
Dari definisi tersebut, jelas bahwa A = B jika dan hanya jika :
1. ordo A dan ordo B sama,
2. masing-masing elemen A dan B yang letaknya bersesuaian adalah sama.
Contoh 4.13 :
 a11 a12  4 0  a11  4, a12  0,
A  B  jika dan hanya jika
 a21 a22   3 1  a21  3, a22  1.

4.1.3 Penjumlahan Matriks

Definisi 4.3 :
Jumlah dua matriks A = (aij) dan B = (bij) yang keduanya berordo mxn,
ditulis A + B, adalah matriks C = (cij) yang berordo mxn dan cij = aij + bij untuk
setiap i = 1,2,…,m dan j = 1,2,…,n.
Jadi untuk menjumlahkan dua matriks yang ordonya sama, kita hanya
menjumlahkan elemen-elemen yang letaknya bersesuaian.

Contoh 4.14 :
 3 3 4   2 3 1   5 6 5 
Jika A    dan B    , maka A + B =  10 4 7 
6 7 2  4 3 5   

4.1.4 Perkalian Matriks dengan Skalar

Definisi 4.4 :
Jika A = (aij) matriks berordo sebarang dan k adalah skalar maka kA (atau
Ak) didefinisikan kA = k(aij) = (kaij) untuk semua i dan j.
Disini (-1)A lebih sederhana ditulis -A dan disebut negatif dari A. Dengan
cara yang sama (-k)A ditulis -kA. Demikian juga A + (-B) ditulis A - B dan
disebut selisih dari A dan B.

Matriks 61
Contoh 4.15 :
 2.7 1.8 
 
Jika A   0 0.9  , maka
 9.0 4.5 
 

 2.7 1.8  3 2 0 0
  10    
A   0 0.9  , A   0 1  , 0A = 0 0 .
 9.0 4.5  9  10 5  0 0
     
Jika matriks-matriks berikut berukuran sama, maka untuk penjumlahan
matriks berlaku
(a) A + B = B + A,
(b) (U + V) + W = U + (V + W),
(c) A + 0 = A,
(d) A + (-A) = 0,
(e) (A + B)T = AT + BT, ................................................................................. 4.2
dan perkalian matriks dengan skalar berlaku
(f) c(A + B) = cA + cB,
(g) (c + k)A = cA + kA,
(h) c(kA) = (ck) A,
(i) 1.A = A,
(j) (cA)T = cAT. ............................................................................................. 4.3

4.1.5 Perkalian matriks dengan matriks

Definisi 4.5 :
Misalkan A = (aij) dan B = (bij) masing-masing adalah matriks yang
berukuran mxn dan nxp. Perkalian matriks A dan B (ditulis AB), adalah matriks C
= (cij) berukuran mxp dan
n
c ij   aik bkj  ai 1 b1 j  ai 2 b2 j  ...  ain bnj , i = 1,2,..,m dan j = 1,2,...,p . .... 4.4
k 1

Jelas bahwa perkalian dua matriks dapat dilakukan jika banyaknya kolom
matriks pertama sama dengan banyaknya baris matriks kedua. Kedua matriks
yang demikian itu disebut “conformable” terhadap perkalian.

Matriks 62
Contoh 4.16 :
 3 1
   -1 -1 2 
Misalkan A   1 2  dan B =  2 -6 1  . Maka
 1 5  
 
 3 1  3.( 1)  1.2 3.( 1)  1.(6) 3.2  1.1   1 9 7 
   -1 -1 2     
AB   1 2      1.( 1)  2.2 1.( 1)  2.( 6) 1.2  2.1    5 11 0 
 1 5 2 -6 1   1.(1)  5.2 1.( 1)  5.(6) 1.2  5.1   9 31 7 
     
 3 1
 -1 -1 2     1.3  ( 1).( 1)  2.1 1.1  ( 1).2  2.5   0 7 
BA    1 2    
 2 -6 1  

  2.3  ( 6).( 1)  1.1 2.1  ( 6).2  1.5   13 5 
 1 5

Perhatikan :
1. Secara umum perkalian dua matriks tidak komutatif, AB  BA.
2. Jika AB = 0, tidak selalu berakibat A = 0 atau B = 0 atau BA = 0.
Contoh 4.17 :
 1 1   1 1   0 0   1 1   1 1   1 1 
 2 2   1 1    0 0  ,  1 1   2 2    1 1  .
         

3. Jika AC = AD tidak selalu berakibat C = D.

Contoh 4.18 :
 1 1 2 1  4 3  1 1 3 0  2 1 3 0
 2 2   2 2    8 6    2 2   1 3  tetapi  2 2    1 3  .
           

Sifat-sifat perkalian matriks dengan matriks :

a) k(AB) = (kA)B = A(kB), k sakalar
b) A(BC) = (AB)C,
c) (A + B)C = AC + AB,
d) C(A + B) = CA + CB,
e) AI = IA = A, dengan I matriks identitas,
f) A0 = 0A = 0. ............................................................................................. 4.5

Matriks 63
Latihan 4.1
2 1  2 5  6 0 3   4 0 4 
Misalkan A    ,B    ,C    ,D   .
1 7  0 8  1 0 5   3 4 9 
Selesaikan soal nomor 1 - 8 atau beri alasan mengapa tidak terdefinisi.
1. A + B, B + A, A + B + C 2. A + C, (CT)T, C + CT
3. 4A - 8B, 4(2B - A), 8B - 4A 4. 6C - 5C, 3CT + 2DT, C - 2CT
5. 5D - 3C, 5DT - 3CT 6. A + 0C, C - 0A, 0B
7. (BT - AT)T, B - A, A - AT 8. 6(CT + 3DT)T, 6C + 18D

 1  2 3  4 6 2 
     
Misalkan A   4  , B   0 2  , C   6 0 3  , D   4 3 0  .
   
 3  0 1   2 3 1 
Selesaikan soal nomor 9 - 17 atau beri alasan mengapa tidak terdefinisi.
9. BA, ATB, AB 10. CA, C2A, C3A
11. C2, CTC, CCT 12. CA, CD, DC
13. ATD, ATDT, DA, AD 14. 5AAT, 5ATA, (AT - D)B
15. BBT, BTB, BBTB 16. ATBBTDT, DBBTA, CB, BTCT
17. ½ C2 - C, C(½C - 1), C - CT

 2 3 5   1 3 5   2 2 4 
     
Misalkan A   1 4 5  , B   1 3 5  , C   1 3 4 .
 1 3 4   1 3 5   1 2 3 
     
Selesaikan soal nomor 18 - 22.
18. Tunjukkan bahwa AB = BA = O.
19. Tunjukkan bahwa AC = A dan CA = C.
20. Dengan menggunakan hasil 18 dan 19, tunjukkan bahwa ACB = CBA, A2 - B2
= (A - B)(A + B) dan (A - B)2 = A2 + B2.
21. Tentukan X, apabila 2X + 3A = D, dengan D = (BC)T
22. Tentukan X, apabila X - 2E = A, dengan E = (A + B)T

Matriks 64
23. Sebuah perusahaan mempunyai 3 buah pabrik industri yang membuat empat
macam komponen, yaitu komponen A, B, C dan D. Jumlah stok pada masing-
masing pabrik adalah sebagai berikut
Pabrik I : Komponen A = 10 unit, B = 9 unit, C = 7 unit dan D = 5 unit,
Pabrik II : Komponen A = 3 unit, B = 12 unit, C = 7 unit dan D = 8 unit,
Pabrik III : Komponen A = 5 unit, B = 9 unit, C = 7 unit dan D = 6 unit.
Komponen A mempunyai massa 3 kg dengan harga Rp 3.000,00 per unit,
komponen B mempunyai massa 2 kg dengan harga Rp 5.000,00 per unit,
komponen C mempunyai massa 1 kg dengan harga Rp 7.000,00 per unit dan
komponen D mempunyai massa 4 kg dengan harga Rp 2.000,00 per unit.
Berapa massa total dan harga total komponen dari masing-masing pabrik?
1 1 
 1 2 2  3
24. Misalkan A    dan B   2  2  , hitung AB dan BA.
 4 2 0 2 1 


4.2 Determinan
Definisi 4.6 : Inversi
Inversi dari suatu bilangan positif terjadi bilamana suatu bilangan positif
mendahului sebuah bilangan positif yang lebih kecil (demikian pula untuk abjad).
Bila banyaknya inversi genap diberi tanda positif (+) dan bila banyaknya inversi
ganjil diberi tanda negatif (-).
Contoh 4.19 :
Banyaknya inversi dari susunan bilangan 4132 adalah 4, yaitu :
4 mendahului 1,2 dan 3
3 mendahului 2
Jadi susunan bilangan 4132 diberi tanda positif.

Definisi 4.7 :
Determinan dari matriks bujursangkar A berordo n, ditunjukkan dengan

Matriks 65
 a11 a12 ... a1n
a21 a22 ... a2 n
A  , adalah jumlah dari semua bentuk perkalian n elemen A
... ... ... ...
an 1 an 2 ... ann

sedemikian sehingga ada satu dan hanya satu elemen dari suatu baris, dan ada satu
dan hanya satu elemen dari suatu kolom merupakan faktor dari masing-masing
suku penjumlahan, dengan memperhatikan tanda-tanda (positif/negatif) dari
inversi masing-masing suku penjumlahan itu.

4.2.1 Determinan Tingkat 2 (Ordo 2)

a1 b1
Misalkan A  , maka bentuk perkalian dari 2 elemen A sehingga
a2 b2

ada satu dan hanya elemen dari suatu baris, dan ada satu dan hanya satu elemen
dari suatu kolom adalah :
a1b2 inversi 0 tanda +
b1 a 2 inversi 1 tanda -
Sehingga A = a1b2 - b1a2.............................................................................. 4.6
Contoh 4.20:
3 5
 3.( 4)  5.1  12  5  17
1 4

4.2.2 Determinan Tingkat 3 (Ordo 3)

a1 b1 c1
Misalkan A  a2 b2 c 2 , maka bentuk perkalian dari 3 elemen A
a3 b3 c3

sehingga ada satu dan hanya elemen dari suatu baris, dan ada satu dan hanya satu
elemen dari suatu kolom adalah :
a1b2c3 inversi 0 tanda + a1b3c2 inversi 1 tanda -
a2b1c3 inversi 1 tanda - a2b3c1 inversi 2 tanda +
a3b1c2 inversi 2 tanda + a3b2c1 inversi 3 tanda -
Sehingga A = (a1b2c3 + a2b3c1 + a3b1c2) - (a1b3c2 + a2b1c3 + a3b2c1). (4.1)

Matriks 66
Untuk memudahkan menghafal, dapat digunakan metode Sarrus, yaitu :
+ + +
a1 b1 c1 a1 b1
a2 b2 c 2 a2 b2
a3 b 3 c 3 a 3 b3
- - -
Contoh 4.21:
1 2 1
3 1 1   1.1.2  2.1.1  ( 1).3.( 1)    ( 1).1.1  2.3.2  1.1.( 1) 
1 1 2
 7  10  3

4.2.3 Sifat-sifat determinan

1. Pertukaran baris-baris dan kolom-kolom dari determinan tidak mengubah nilai
determinan ( A  AT ).

Contoh 4.22 :

1 2 1 1 3 1 

A  3 1 1  3 ; A  2
T
1 1  3 A  A
T

1 1 2 1 1 2 

2. Apabila setiap elemen di sebuah baris (atau kolom) adalah nol, maka nilai
determinan adalah nol.
1 2 1
Contoh 4.23 : 0 0 0  0 ; setiap elemen baris ke 2 nol.
1 1 2

3. Pertukaran sebarang dua baris (atau kolom) akan mengubah tanda determinan.
1 2 1 3 1 1
Contoh 4.24 : 3 1 1  3 ; 1 2 1  3
1 1 2 1 1 2

4. Apabila dua baris (atau kolom) determinan identik, maka nilai determinan nol.
1 2 1
Contoh 4.25 : 3 1 1  0 ; setiap elemen baris ke 1 dan baris ke 3 identik.
1 2 1

Matriks 67
5. Apabila tiap-tiap elemen di sebuah baris (atau kolom) determinan dikalikan
dengan p, maka nilai determinan dikalikan dengan p.
3 4 6 8 3 4 6 4 3 8
Contoh 4.26 : 2      2.( 5)  10
2 1 2 1 4 2 4 1 2 2

6. Apabila setiap elemen dari sebuah baris (atau kolom) determinan dinyatakan
sebagai jumlah dari dua (atau lebih) suku-suku maka determinan dapat
dinyatakan sebagai jumlah dari dua (atau lebih) determinan.
3 4 21 22 2 2 1 2
Contoh 1.27 :   
2 1 2 1 2 1 2 1

7. Apabila pada setiap elemen dari sebuah baris (atau kolom) determinan
ditambah k kali elemen yang bersesuaian dari sebarang baris (atau kolom) lain,
maka nilai determinan tidak berubah.
2 0 4 6
4 5 1 0
Contoh 4.28 : Hitung nilai determinan .
0 2 6 1
3 8 9 1
Penyelesaian :
2 0 4 6 2 0 4 6 2 0 4 6
B2  2 B1 B3  0, 4 B2
4 5 1 0 0 5 9 12 0 5 9 12
 
0 2 6 1 0 2 6 1 0 0 2, 4 3, 8
B4  1, 5B1 B4  1, 6B2
3 8 9 1 0 8 3 10 0 0 11, 4 29, 2

2 0 4 6
B4  4,75B3
0 5 9 12
  2.5.(2, 4).(47, 25)  1134
0 0 2, 4 3, 8
0 0 0 47, 25

4.3 Rank Matriks

Matriks A = (aij)mxn mempunyai rank r  1 jika dan hanya jika A
mempunyai rxr submatriks dengan determinan tidak nol, yang mana setiap
submatriks bujur-sangkar ordo r + 1 atau lebih dari A mempunyai determinan nol.

Matriks 68
 Khusus, jika A matriks bujursangkar-n , mempunyai rank n jika dan hanya
jika det A  0.
3 1 2
Contoh 4.29 : Tentukan rank dari matriks A   .
6 2 4
Penyelesaian :
Karena A berordo 2x3, maka submatriks bujursangkar dari A berordo 2x2 dan
1x1. Submatriks bujur sangkar berordo 2x2 dari A adalah
3 1 3 2
6  dengan determinan = 0;   dengan determinan = 0;
 2 6 4
1 2
2 dengan determinan = 0.
 4 

Sedangkan submatriks bujur sangkar berordo 1x1 dari A adalah (3), (1), (2), (6),
dan (4) dengan determinan  0. Jadi rank(A) = 1, karena semua submatriks
bujursangkar rdo 2 dari A adalah nol dan ada submatriks bujursangkar ordo 1 dari
A yang determinannya tidak nol.

4.4 Minor dan nilai determinan tingkat n

Definisi 4.8 :
Minor dari sebuah elemen determinan tingkat(ordo) n adalah determinan
tingkat (n - 1) yang diperoleh dengan menghilangkan baris dan kolom yang berisi
elemen yang diberikan.
Contoh 4.30 :
3 4 2 3
2 2 3 2
Misalkan A  . Maka minor dari elemen baris kedua kolom
2 3 3 4
4 5 2 2

3 4 3
ketiga adalah A23 = 2 3 4 .
4 5 2

Nilai determinan dapat diperoleh dengan menggunakan minor , sebagai

berikut :
1. Pilihlah sebarang baris (atau kolom),

Matriks 69
2. Kalikan setiap baris (atau kolom) dengan minor yang bersesuaian didahului
tanda positif atau negatif sesuai dengan jumlah banyaknya baris dan kolom
genap atau ganjil. Minor dari sebuah elemen dengan tanda yang digabungkan
disebut kofaktor dari elemen.
3. Jumlahkan secara aljabar hasil kali yang diperoleh di 2.
Contoh 4.31 :
3 4 2 3
2 2 3 2
Hitung A  .
2 3 3 4
4 5 2 2

Penyelesaian :
Misalkan kita pilih baris pertama.
3 4 2 3
2 3 2 2 3 2 2 2 2 2 2 3
2 2 3 2
A  3 3 3 4 4 2 3 4 2 2 3 4 3 2 3 3
2 3 3 4
5 2 2 4 2 2 4 5 2 4 5 2
4 5 2 2
 3.64  4.88  2.( 48)  3.116  460

Latihan 4.2
Hitung nilai determinan berikut dengan menggunakan definisi.
3.8 0.6 cos n sin n
1. 2.
1.4 9.3  sin n cos n

205 16 81 m n p
3. 0 13 2 4. p m n
0 0 16 n p m

Gunakan kofaktor untuk menghitung determinan berikut.

1 0 3 7 1 2 0 0
4 2 0 1 2 4 2 0
5. 6.
7 7 3 0 0 2 9 2
5 0 6 8 0 0 2 16

Gunakan sifat-sifat determinan untuk menghitung determinan berikut.

Matriks 70
 3 2 1 3 2
1 2 3 4 3 1 2 1
2 0 3 4 3
2 4 6 3 4 2 0 3
7. 8. 9. 1 3 2 1 0
3 8 12 2 2 1 3 2
2 4 1 0 1
4 16 24 1 1 3 1 4
1 1 2 1 0

a b c
10. Tunjukkan a 2
b 2
c 2  abc(a  b)(b  c)(c  a)
a3 b3 c3

Cari rank dari matriks berikut.

4 3  0 2 3   21 3 17 13 
     
11.  8 6  12.  2 0 5  13.  46 11 52 14 
 16 12   3 5 0   33 48 71 23 
     

4.5 Adjoint dan Invers Matriks Bujursangkar

Definisi 4.9 :
Jika A = (aij) adalah matriks bujursangkar-n dan jika ij adalah kofaktor
dari aij di dalam A, maka matriks (ji) = (ij)T disebut adjoint matriks A. Atau
dapat ditulis menjadi

  11  21  31 ...  n 1  ;  kofaktor dari a untuk setiap i,j 

   ...  n 2 
ij ij
 12 22 32  1,2,…n .
Adj A    13  23  33 ...  n 3 
 
 ... ... ...  ... 
 
 1 n  2 n  3 n ...  nn 

Contoh 4.32 :
 1 2 3
 
Tentukan adjoint dari matriks bujursangkar A =  2 3 2  .
 3 3 4
 
Penyelesaian :
3 2 2 2 2 3
11 = 6 ; 12 =   2 ; 13 =  3
3 4 3 4 3 3

Matriks 71
 2 3 1 3 1 2
21 =  1 ; 22 =  5 ; 23 =  3
3 4 3 4 3 3

2 3 1 3 1 2
31 =  5 ; 32 =  4 ; 33 =  1
3 2 2 2 2 3

 6 1 5 
 
Jadi Adj A =  2 5 4  .
 3 3 1 
 
Sifat adjoint :
A. Adj A = Adj A . A = det A. I ........................................................ 4.8

Definisi 4.10 :
Jika A dan B adalah matriks-matriks bujursangkar-n dan AB = BA = I,
maka B disebut invers dari A (ditulis B = A-1) dan A disebut invers dari B (ditulis
A= B-1).
Contoh 4.33 :
1 2  -2 1 
Misalkan A    dan B =   ,maka :
3 4  3/2 -1/2 
 1 2  -2 1  1 0
AB     I
 3 4  3/2 -1/2   0 1 
 -2 1  1 2  1 0
BA     I
 3/2 -1/2   3 4   0 1 
akibatnya B = A-1 dan A = B-1.

Invers dari matriks bujursangkar nonsingular (determinan  0) sama

adj A
dengan adjoint A dibagi dengan determinan A, atau A1  ; A  0.
A

a b 1  d b 
Untuk A    , maka A -1   .
c d ad  bc  c a 

Contoh 4.34 :

Matriks 72
  2 3
Tentukan invers dari matriks P =  .
1 2
Penyelesaian :
1  2 3   2 3 
P 1    .
2.2  3.1  1 2   1 2 

Sifat-sifat matriks invers :

a) A-1.A = A.A-1 = I
b) (A-1)-1 = A
c) (AB)-1 = B-1 A-1 ......................................................................................... 4.9

Latihan 4.3
Tentukan adjoint dari matiks bujur sangkar di bawah:
  3  1 0 1 
1. A    2. B   
 2 4   2  2
  3  6  p q
3. C    4. D   
 2 4   r s
1 1 0 2
 2 1 1  
   0 1 1 0
5. E   0 1 3  6. F  
1 2 2 1 0 1 1
   
 0 1 0 1 

7. Tentukan invers masing-masing soal nomor 1 s.d. 6.
  3  1 0 1 
8. Misalkan A    dan B    . Tentukan matriks X ordo 2x2
 2 4  2  2
sehingga berlaku:
a. AX = B
b. XB = AT
c. (AB)X = A + B
d. X (AB)-1 = (A + B)T

4.6 Solusi Dari Sistem Persamaan Linier

Misalkan diketahui sistem persamaan linier sebagai berikut :

Matriks 73
a11 x1  a12 x2  a13 x3  ...  a1 n xn  b1 
a21 x1  a22 x2  a23 x3  ...  a2 n xn  b2 
 .......................................................... 4.10
...................................................... 
an 1 x1  an 2 x2  an 3 x3  ...  ann xn  bn 

untuk menyelesaikan sistem persamaan 4.10 ada beberapa cara, antara lain
menggunakan invers, metode eliminasi Gauss, dan metode Crammer.
4.6.1 Menggunakan Invers
Sistem persamaan 4.10 bila ditulis dalam bentuk matriks menjadi
AX = B, ......................................................................................... 4.11
 x1   b1 
 a11  a1n  x  b 
   2 
dengan A       , X  dan B    .
2

a   ...   ... 
 n 1  ann  
x   
 b 
 n  n
Jika persamaan Error! Reference source not found. dikalikan dengan A-1 dari
kiri, maka diperoleh
X = A-1B .................................................................... 4.12

Contoh 4.35 :
Gunakan invers matriks untuk menentukan penyelesaian dari sistem persamaan
x + 2y + z = 4
3x - 4y - 2z = 2
5x + 3y + 5z = -1
Penyelesaian :
Jika sistem persamaan tersebut ditulis dalam bentuk matriks, didapatkan
1 2 1  x   4 
    
 3 4 2  y    2  .
5 3 5  z   1 
  
A X B

Sehingga diperoleh :
1 2 1
A  3 4 2  35 ,
5 3 5

Matriks 74
Kofaktor :
 11  14  12  25  13  29
 21  7  22  0  23  7
 31  0  32  5  33  10

 -14 -7 0 
 
Adj A =  -25 0 5 .
 29 7 -10 
 

 -14 -7 0 
1 
-1 
Akibatnya diperoleh A = -  -25 0 5 .
35  
 29 7 -10 

 -14 -7 0  4   2 
1 
-1    
Maka X  A B = -  -25 0 5  2    3  .
35     
 29 7 -10  1   4 
Jadi penyelesaian dari sistem persamaan Error! Reference source not found.
adalah x = 2, y = 3 dan z = -4.

4.6.2 Metode Eliminasi Gauss (Metode Augmented Matrix)

Untuk menyelesaikan persamaan Error! Reference source not found.,
maka matriks A diperluas menjadi [AB], kemudian dengan menggunakan
transformasi dasar baris matriks A diubah menjadi matriks segitiga atas atau
matriks segitiga bawah. Transformasi dasar baris ada tiga macam, yaitu :
1. Baris ke-i dikalikan k, ditulis Bi(k),
2. Baris ke-i ditukar dengan baris ke-j, ditulis Bij,
3. baris ke-i ditambah k kali baris ke-j, ditulis Bij(k).
Apabila contoh 1.34 di atas diselesaikan dengan metode eliminasi Gauss,
maka terlebih dahulu matriks diperluas menjadi
1 2 1 4
 
 3 4 2 2  .
 5 3 5 1 
 
Selanjutnya dengan transformasi dasar baris diperoleh

Matriks 75
1 2 1 4  B21 ( 3)  1 2 1 4  B2 (  101 )  1 2 1 4 
     
 3 4 2 2    0 10 5 10    0 1 21 1 
5 3 5 1  B31 ( 5)  0 7 0 21  B3 (  71 )  0 1 0 3 

B32 ( 1)  1 2 1 4
 
 0 1 1
2 1
0 0  21 2 

Sehingga dari bagian terakhir kita peroleh
 1 2 1  x   4 
 1    
 0 1 2  y    1 
 0 0  1  z   2 
 2    
Dengan substitusi mundur dari persamaan Error! Reference source not found.,
mulai dengan baris paling bawah diperoleh :
 21 z  2  z  4,
y  21 z  1  y  3,
x  2 y  z  4  x  2.

4.6.3 Metode Crammer

Penyelesaikan persamaan 4.11, dengan metode Crammer adalah
1   
x1  ; x 2  2 ; x 3  3 ;....; x n  n ; ...................................................... 4.13
   
dengan  adalah determinan A dan
 i adalah determinan A dengan mengganti setiap elemen kolom ke-i
dengan elemen-elemen B yang bersesuaian.

Contoh 4.36 :
Gunakan metode Crammer untuk menentukan penyelesaian sistem persamaan
x + 2y + z = 4
3x - 4y - 2z = 2
5x + 3y + 5z = -1
Penyelesaian :
Apabila sistem persamaan tersebut ditulis dalam bentuk matriks, maka

Matriks 76
1 2 1  x   4  1 2 1  4
        
 3 4 2  y    2  atau AX = B, dengan A   3 4 2  dan B=  2 
5 3 5  z   1  5 3 5   1 
      
A X B

Sehingga diperoleh
1 2 1 4 2 1
  3 4 2 =-35 1  2 4 2 =-70
5 3 5 1 3 5

1 4 1 1 2 4
2  3 2 2 =-105  3  3 4 2 =-140
5 1 5 5 3 1

Jadi penyelesaiannya adalah

 1 70  105  140
x   2, y  2   3, dan z  3   4.
 35  35  35

4.7 Rangkuman
1. Jika matriks-matriks berikut berukuran sama, maka untuk penjumlahan matriks
berlaku
(a) A + B = B + A,
(b) (U + V) + W = U + (V + W),
(c) A + 0 = A,
(d) A + (-A) = 0,
(e) (A + B)T = AT + BT,
dan perkalian matriks dengan skalar berlaku
(f) c(A + B) = cA + cB,
(g) (c + k)A = cA + kA,
(h) c(kA) = (ck) A,
(i) 1.A = A,
(j) (cA)T = cAT.
2. Sifat-sifat perkalian matriks dengan matriks :
(a) k(AB) = (kA)B = A(kB), k sakalar
(b) A(BC) = (AB)C,

Matriks 77
 (c) (A + B)C = AC + AB,
(d) C(A + B) = CA + CB,
(e) AI = IA = A, dengan I matriks identitas,
(f) A0 = 0A = 0.
3. Nilai determinan :
a1 b1
(a) A   a1 b2  a2 b1 ,
a2 b2

(b) Misalkan
a1 b1 c1
A  a2 b2 c 2 = (a 1 b 2 c3 + a 2 b3 c1 + a 3 b1 c 2 ) - (a1 b 3 c2 + a 2 b1 c 3 + a 3 b 2 c 1 )
a3 b3 c3

4. Invers dari matriks bujursangkar nonsingular (determinan  0) sama dengan

adj A
adjoint A dibagi dengan determinan A, atau A1  ; A  0.
A
5. Untuk menyelesaikan sistem persamaan linier ada beberapa cara, yaitu :
 menggunakan invers,
 metode eliminasi Gauss (metode Augmented matrix),
 metode Crammer

Latihan 4.4
1. Selesaikan soal berikut dengan menggunakan invers matriks.
a. 5x - y + 2z = 3
2x +4y + z = 8
x + 3y - 3z = 2
b. F1 + 2F2 + 3F3 = -4
2F1 + 6F2 - 3F3 = 33
4F1 - 2F2 + F3 = 3

2. Gunakan metode eliminasi Gauss untuk menyelesaikan sistem persamaan

berikut.

Matriks 78
 a. 4x – 5y + 7z = -14
9x + 2y - 3z = 47
x - y - 5z = 11
b. 3i1 + 2i2 - 2i3 = 16
4i1 + 3i2 + 3i3 = 2
2i1 - i2 + i3 = -1

3. Tiga arus i1, i2 dan i3 dalam suatu jaringan berhubungan melalui persamaan
2i1 + 3i2 + 8i3 = 30
6i1 - i2 + 2i3 =4
3i1 - 12i2 + 8i3 = 0
Dengan menggunakan metode Crammer carilah harga i1.
4. Selesaikan persamaan berikut menggunakan Metode Cramer
(a) 2i1 + i2 + i3 = 1.67
3i1 + 4.5 i2  1.5 i3 = 0
2.25i1 + 1.5 i2 + 5.25 i3 = 0

(b) 3.6 V1 + 2.4 V2 + 4.8 V3 = 1.2

1.3V1  3.9 V2  6.5 V3 = 2.6
11.9 V1 + 1.7 V2 + 8.5 V3 = 0
(c) a + b + c + d = 10
2a - b + 3c - d = 5
3a +2b - c + 4d = 20
4a + 3b - c + d = 11

Matriks 79