MS2102 Aljabar Linier Dan Matriks

MS 2102
Analisis Teknik Dasar
Aljabar Linier dan Matriks

Oleh:
Adrian Rizqi Irhamna
Fakultas Teknik Mesin dan Dirgantara

MS2102 Analisis Teknik Dasar Th 2019-2010
Review Matriks
Suatu Matriks A
Matriks dituliskan dalam huruf kapital dan bercetak tebal seperti A, B, C, …..
m x n disebut ukuran (size) matriks
Matriks m x n disebut matriks kotak (rectangular matriks)
Jika m = n maka matriks yang dibentuk disebut matriks persegi (square matriks)
𝑎𝑗𝑘 disebut indeks/elemen matriks, dimana 𝑗 = 1, 2, 3, … , 𝑚

𝑘 = 1, 2, 3, … , 𝑛
Review Matriks
Kesamaan Matriks (Equality of Matrices)
Jika dua matriks dan adalah sama,
maka
sehingga jika,
dan
maka
Review Matriks
Penjumlahan/Pengurangan Matriks
Dua buah Matriks dapat dijumlahkan jika keduanya memiliki ukuran yang sama
Penjumlahan dilakukan pada indeks/elemen matriks yang sama
contoh Sifat penjumlahan/pengurangan

matriks
Review Matriks
Perkalian Matriks
Perkalian Matriks A dengan skalar c
skalar c
Sifat perkalian matriks dengan skalar

Review Matriks
Perkalian Matriks
Perkalian Dua Matriks (A dan B)
Jika
dengan ukuran dengan ukuran
maka
Matriks C terdefinisi jika
diperoleh dengan ukuran
di mana
Review Matriks
Perkalian Matriks
Perkalian Dua Matriks (A dan B)
Contoh
Review Matriks
Perkalian Matriks
Perkalian Dua Matriks
Contoh 1
Contoh 2 Contoh 3
Review Matriks
Perkalian Matriks
Sifat Perkalian Dua Matriks
Perkalian matriks tidak bersifat komutatif! AB ≠ BA

Review Matriks
Matriks Transpose
Transpose
Sifat matriks transpose
Matriks Simetris, jika
Matriks Skew-simetris, jika

Review Matriks
Matriks Transpose
Matriks Simetris, jika
1 2 17 1 2 17
𝐵= 2 5 −11 𝐵𝑇 = 2 5 −11 = 𝐵
17 −11 9 Transpose
17 −11 9
Matriks Skew-simetris, jika
0 2 −45 0 −2 45
𝑄 = −2 0 −4 𝑄𝑇 = 2 0 4 = −𝑄
45 4 0 Transpose −45 −4 0
Sistem Persamaan Linier, Koefisien

Matriks, & Augmented Matriks
Sistem persamaan linier
Sistem matriks
di mana
Matriks koefisien

Matriks yang diperbesar (Augmented Matrix)
Matriks Augmented digunakan

untuk melakukan operasi pada
baris dalam rangka menyelesaikan
sistem persamaan linier

Eliminasi Gauss

Eliminasi Gauss
Eliminasi Kolom 1

Eliminasi Gauss
Pertukaran baris 2x

Eliminasi Gauss
Eliminasi kolom 2

Ranking Matriks (Rank of Matrix)
Ranking matriks A adalah jumlah baris yang independen linier pada matriks A
Ranking Matriks A = 2
Solusi Sistem Linier dalam bentuk

Matriks
Misal
Solusi sistem linier
1. Solusi unik (unique)
2. Solusi tak berhingga
3. Tidak ada solusi
Kasus 1 Kasus 2 Kasus 3


Matriks
Persamaan linier
1. Eksis
Matriks Koefisien Matriks Augmented
Jika
- ranking matriks koefisien A sama dengan ranking matriks augmented A
maka
- solusi matriks tersebut adalah Eksis

Matriks
Persamaan linier
2. Unik
Jika
- ranking matriks koefisien A sama dengan jumlah kolom matriks koefisien A
maka
- solusi matriks tersebut Eksis dan Unik

Matriks
Persamaan linier
3. Solusi
tak berhingga
Jika
- ranking matriks koefisien A lebih kecil dari jumlah kolom matriks koefisien A
maka
- solusi matriks tersebut Eksis dan tak berhingga (solusi banyak)

Matriks
Persamaan linier
4. Tidak ada
solusi
Jika
- ranking matriks koefisien A lebih kecil dari ranking matriks augmented A
maka
- solusi matriks tersebut tidak eksis (tidak ada solusi)
Determinan Matriks
Fungsi Determinan:
• Memberikan informasi apakah suatu matriks memiliki inverse
• Sebagai dasar mencari Eigenvalues dan Eigenvectors
• Mempermudah operasi cross product
• Mengukur area atau volume suatu vektor
Determinan hanya dimiliki oleh Matriks Persegi

Determinan Matriks
Matriks 2 x 2
Matriks 3 x 3
Metode Kofaktor (Cofactor)
Metode lain: Metode Sarrus

Determinan Matriks
Matriks n x n
Metode Kofaktor (Cofactor)

Operasi baris
Operasi kolom
dimana Cjk adalah Kofaktor (Cofactors)
sedangkan Mjk disebut Matriks Minor

Determinan Matriks
Matriks n x n
Metode Eliminasi Gauss
Determinan Matriks
Sifat Determinan
a. Setiap pertukaran antar 2 baris suatu matriks, nilai determinan berubah
tanda
b. Penjumlahan suatu baris dengan baris lain yang sudah dikali dengan
suatu konstanta, nilai determinan tidak berubah
c. Perkalian suatu baris dengan suatu konstanta c (c bukan nol), nilai
determinan berubah dengan mengalikan c
d. Sifat poin a – c berlaku juga untuk operasi pada kolom
e. Operasi transpose tidak mengubah nilai determinan
f. Baris atau kolom nol, menghasilkan nilai determinan nol
g. Untuk 2 baris atau kolom yang identik, nilai determinan nol
Determinan Matriks
Cramer’s rule
Mencari solusi matriks persamaan linier dengan determinan
Invers Matriks
Teorema
I adalah matriks identitas
Matriks Inverse dapat digunakan untuk

menyelesaikan sistem persamaan linier
• Matriks singular adalah matriks persegi yang tidak memiliki inverse

• Matriks singular memiliki determinan = 0
Inverse matriks AB
Invers Matriks
Menemukan Inverse suatu Matriks dengan metode determinan (kofaktor)
Jika matriks 𝑨 = 𝑎𝑗𝑘 adalah matriks nonsingular dengan ukuran n x n maka

inverse-nya
Ingat! 𝑪 = 𝑐𝑗𝑘 adalah matriks kofaktor

Invers Matriks
Menemukan Inverse suatu Matriks dengan metode determinan (kofaktor)
Menemukan determinan
Menemukan Kofaktor (Transpose)
Formula
Maka inversnya
Invers Matriks
Menemukan Inverse suatu Matriks dengan metode Eliminasi Gauss-Jordan
Invers Matriks
Eliminasi kolom 1
Eliminasi kolom 2
Invers Matriks
Mengubah elemen diagonal menjadi 1
Eliminasi kolom 3
Eliminasi kolom 2
Inverse matriks A
Latihan
1. Temukan determinan dari matriks A berikut dengan cara Kofaktor dan Eliminasi Gauss!
5 −3 0 1 −4
−5 −3 2 −3 1
A = 6 −3 1 4 0
0 0 5 5 0
0 0 −3 −2 0
2. Temukan inverse matriks B berikut dengan cara Kofaktor dan Eliminasi Gauss-Jordan!
2 3 1
𝑩= 5 2 1
2 4 2
3. Temukan jumlah solusi dari tiga persamaan linier berikut ini. Jika tiga persamaan linier
berikut memiliki solusi, berikan setidaknya salah satu solusi yang mungkin.
𝑥 + 2𝑦 + 5𝑧 = 12
7𝑥 − 3𝑦 + 𝑧 = 16
−5𝑥 + 7𝑦 + 9𝑧 = 9
Latihan
1. Perusahaan Anda memiliki tiga larutan asam dengan kandungan asam masing-masing
larutan adalah 30%, 40%, dan 80%. Jika ketiga larutan itu dicampurkan dalam 100
liter, maka akan terbentuk suatu larutan 100 liter dengan kadar asam 39%. Jika
pertukaran komposisi dilakukan antara larutan 30% dan 80% pada campuran yang
pertama, terbentuk suatu 100 liter larutan asam dengan kadar 59%. Berapa jumlah
liter larutan asam 30%, 40%, dan 80%, yang dicampurkan untuk membuat 100 liter
larutan dengan kadar 39% asam? Selesaikan persamaan simultan menggunakan
metode Cramer.
2. Diketahui tiga buah balok terhubung dengan tali yang massanya dapat diabaikan dan
tersusun sedemikian rupa pada suatu bidang kiring seperti yang terlihat pada Figure
1. Massa dan koefisien gesek setiap balok pada bidang miring tersebut diperlihatkan
pada Table 1. Turunkan persamaan dalam bentuk matriks dan temukan tegangan tali
dan percepatan dari sistem tiga balok tersebut. Selesaikan persamaan dengan metode
Cramer. Asumsikan percepatan gravitasinya adalah 10 m/s2.
Latihan
3. Pada suatu industri proses, terdapat tiga tangki air, yaitu tangki A, tangki, B, tangki C,
yang padanya mengalir aliran air kebutuhan proses secara tunak sebagaimana
diperlihatkan pada gambar di bawah ini. Di dalam tangki terdapat pengaduk yang
memastikan temperatur air keluar tangki sama dengan temperatur air di dalam tangki.
Temukan temperatur tunak pada tangki A, B, dan C, dengan metode inverse!
Petunjuk:
- Gunakan persamaan Q = m.cp.ΔT
- Asumsikan kapasitas panas air proses tersebut konstan, cp = 4.185 kJ/kg.K
4 kg/s, 40oC 5 kg/s 2 kg/s, 31oC
A B
C
4 kg/s, 32,5oC
Latihan
4. Data operasi suatu perusahaan pertambangan menyatakan bahwa kebutuhan sumber
daya yang diperlukan untuk menambang satu kg silika, besi, dan tembaga adalah
seperti yang disajikan pada Tabel berikut. Jika perusahaan memiliki sumber daya
berupa moda Rp 50.000.000,00 (lima puluh juta rupiah), untuk beroperasi selama 600
jam dengan tenaga kerja 3000 jam-orang (man-hour), tentukan jumlah silika, besi, dan
tembaga (dalam kg) yang dapat ditambang secara optimal. Nyatakan sistem
persamaan simultan untuk persoalan ini dalam bentuk matriks, kemudian pecahkan
dengan menggunakan metode Eliminasi Gauss.
Kebutuhan Sumber Daya Silika Besi Tembaga
Modal, Rp/kg 55 950 9.600.000
Jam operasi, jam/kg 0,0011 0,01 112
Tenaga kerja, orang-jam/kg 0,0093 0,025 560

Latihan
5. Suatu industri rumahan memproduksi makanan anjing, kucing, dan hamster yang
terbuat dari bahan baku kacang kedelai, ikan, dan daging. Makanan hewan peliharaan
tersebut harus mengandung nutrisi Protein, Lemak, dan Serat dalam bahan bakunya
sebagaimana yang diperlihatkan pada tabel di bawah. Makanan hewan peliharaan
tersebut terjual sebanyak 20, 15, dan 5 kg, untuk makanan anjing, kucing, dan hamster
secara berturut-turut.
a. Lakukan analisis yang diperlukan untuk menemukan persamaan linier simultan
untuk mendapatkan jumlah bahan baku yang diperlukan untuk memproduksi
seluruh jenis makanan hewan peliharaan dalam satu hari.
b. Selesaikan matriks persamaan linier tersebut!
Bahan Baku atau Produk Protein (%) Lemak (%) Serat (%)
Bahan Baku Kacang Kedelai 30 20 50
Ikan 70 10 20
Daging 30 60 10
Produk Makanan Anjing 60 15 25
Makanan Kucing 40 30 30
Makanan Hamster 60 10 30
Review Vektor
Skalar kuantitas yang ditentukan berdasarkan besaran-nya
Vektor kuantitas yang ditentukan berdasarkan besaran dan arah-nya
Ekor (Tail) : initial point

Ujung (Tip) : terminal point
Vektor yang sama

Review Vektor
Komponen Vektor
Jika suatu vektor a memiliki initial point P dan terminal point Q
Unit vektor i, j, k
Maka komponen vektor a adalah
Sedangkan panjang vektor a adalah

Review Vektor
Penjumlahan Vektor
Jika suatu vektor a dan b
dijumlahkan, maka komponennya
Sedangkan secara geometri

Review Vektor
Penjumlahan Vektor
Properti dasar penjumlahan vektor
Sifat komutatif
Sifat asosiatif
Review Vektor
Perkalian Skalar
Jika suatu vektor a dikalikan dengan suatu besar skalar c
contoh
Properti dasar perkalian vektor dengan besaran skalar

Review Vektor
Dot Product
Perkalian yang menghasilkan produk skalar
Vektor a dan b disebut vektor orthogonal jika

Review Vektor
Cross Product
Perkalian yang menghasilkan produk vektor
Ingat aturan tangan kanan!

Review Vektor
Cross Product
Sifat dasar cross product
Perkalian dengan skalar
Sifat distributif
Tidak memiliki sifat komutatif
Tidak memiliki sifat asosiatif

Transformasi Linier
Pengubahan vektor awal menjadi vektor baru, dengan vektor linier dan tidak
mengubah titik awal/origin (0,0)
𝑥 𝑥′
𝑇 𝑦 → ′
𝑦
T digunakan untuk mengubah (x,y) menjadi (x’,y’)
dalam matriks 2 x 2 Matriks Transformasi

𝑥′ 𝑎 𝑏 𝑥
=
𝑦′ 𝑐 𝑑 𝑦
Elemen vektor akhir Elemen vektor awal

Elemen vektor transformer 2
Elemen vektor transformer 1
Transformasi Linier
Jenis transformasi linier 2D dalam matriks 2 x 2
Rotation Scaling
dengan 90 counter-clockwise dengan faktor scaling 𝑘
0 −1 𝑘 0
𝑨= 𝑨= = 𝑘𝑰
1 0 0 𝑘
dengan 𝜃 counter-clockwise
Horizontal shear
cos 𝜃 −sin 𝜃
𝑨= dengan shear 𝑚
sin 𝜃 cos 𝜃
1 𝑚
𝑨=
Reflection 0 1
pada sumbu x
Squeeze
1 0
𝑨= dengan faktor squeeze 𝑘
0 −1
𝑘 0
pada sumbu y 𝑨= 0 1ൗ
𝑘
−1 0
𝑨=
0 1
Matriks Eigenvalues dan Eigenvectors
Matriks Eigenvalue mengikuti formula sebagai berikut
A adalah suatau matriks persegi n x n,

λ adalah konstanta skalar
x adalah suatu vektor
λ → Eigenvalues atau Nilai Karakteristik

Jika solusi persamaan x ≠ 0, maka
x → Eigenvectors
Nilai Eigenvalue λ dari matriks A ada, jika dan hanya jika:


Mencari nilai Eigenvalue dan Eigenvectors
Dengan memindahkan seluruh komponen ke kiri, diperoleh:
Persamaan di atas akan memiliki solusi jika:


Matriks
Determinan Matriks

Solusi
Persamaan karakteristik
Solusi yang mungkin, λ = 4
Menyelesaikan diperoleh
Maka, Nilai Eigenvalue Matriks A → λ = 4, -2


Dengan Eigenvalue λ = 4
Dengan Augmented Matrix kemudian dilakukan Eliminasi Gauss

Eliminasi Gauss
Diperoleh persamaan Maka, diperoleh Eigenvectors
Silakan dicari Eigenvectors untuk Eigenvalue λ = -2

MS2102 Aljabar Linier Dan Matriks

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

MS2102 Aljabar Linier Dan Matriks

Diunggah oleh

Hak Cipta:

Format Tersedia

MS 2102

Analisis Teknik Dasar

Aljabar Linier dan Matriks

Fakultas Teknik Mesin dan Dirgantara

𝑎𝑗𝑘 disebut indeks/elemen matriks, dimana 𝑗 = 1, 2, 3, … , 𝑚

Jika dua matriks dan adalah sama,

contoh Sifat penjumlahan/pengurangan

Perkalian Matriks A dengan skalar c

Sifat perkalian matriks dengan skalar

Perkalian Dua Matriks (A dan B)

Perkalian Dua Matriks (A dan B)

Perkalian Dua Matriks

Sifat Perkalian Dua Matriks

Perkalian matriks tidak bersifat komutatif! AB ≠ BA

Sifat matriks transpose

Matriks Simetris, jika

Matriks Skew-simetris, jika

Matriks Simetris, jika

Matriks Skew-simetris, jika

Sistem Persamaan Linier, Koefisien

Sistem Persamaan Linier, Koefisien

Matriks Augmented digunakan

Sistem Persamaan Linier, Koefisien

Sistem Persamaan Linier, Koefisien

Sistem Persamaan Linier, Koefisien

Sistem Persamaan Linier, Koefisien

Sistem Persamaan Linier, Koefisien

Solusi Sistem Linier dalam bentuk

Kasus 1 Kasus 2 Kasus 3

Solusi Sistem Linier dalam bentuk

Matriks Koefisien Matriks Augmented

Solusi Sistem Linier dalam bentuk

Matriks Koefisien Matriks Augmented

Solusi Sistem Linier dalam bentuk

Matriks Koefisien Matriks Augmented

Solusi Sistem Linier dalam bentuk

Matriks Koefisien Matriks Augmented

Determinan hanya dimiliki oleh Matriks Persegi

Metode lain: Metode Sarrus

Metode Kofaktor (Cofactor)

dimana Cjk adalah Kofaktor (Cofactors)

sedangkan Mjk disebut Matriks Minor

Matriks Inverse dapat digunakan untuk

• Matriks singular adalah matriks persegi yang tidak memiliki inverse

Jika matriks 𝑨 = 𝑎𝑗𝑘 adalah matriks nonsingular dengan ukuran n x n maka

Ingat! 𝑪 = 𝑐𝑗𝑘 adalah matriks kofaktor

Menemukan Kofaktor (Transpose)

4 kg/s, 40oC 5 kg/s 2 kg/s, 31oC

Kebutuhan Sumber Daya Silika Besi Tembaga

Modal, Rp/kg 55 950 9.600.000

Jam operasi, jam/kg 0,0011 0,01 112

Tenaga kerja, orang-jam/kg 0,0093 0,025 560

Bahan Baku Kacang Kedelai 30 20 50

Produk Makanan Anjing 60 15 25

Skalar kuantitas yang ditentukan berdasarkan besaran-nya

Vektor kuantitas yang ditentukan berdasarkan besaran dan arah-nya

Ekor (Tail) : initial point

Vektor yang sama

Jika suatu vektor a memiliki initial point P dan terminal point Q

Maka komponen vektor a adalah

Sedangkan panjang vektor a adalah

Jika suatu vektor a dan b

dijumlahkan, maka komponennya