G r o u p 3

Model Linear dan Matriks

Aljabar
3 Oktober 2023
 Group 3

Adinda Amalia Athira Dwi R.

Ashari Putri

Ummu Gita Eka

‘Athiyah S Novi anti
Poin Poin Penting
Matriks dan Vector
Operasi dengan matriks
Catatan Mengenai Operasi Vektor
Hukum Komunitatif, Asosiatif, dan Distributif
Matriks Identitas dan Matriks Nol
Transpose dan Invers
Rantai Markov Berhingga
A. Matriks dan vektor

Matriks sebagai Susunan (Array)

Gambar 4.3

Gambar 4.2
Sebagai contoh sederhana, jika diketahui sistem
persamaan linear
Jumlah baris dan jumlah kolom dalam suatu matriks secara
bersama-sama membentuk dimensi suatu matriks. Karena matriks A
pada gambar di slide sebelumnya berisi m baris dan n kolom, maka
matriks tersebut dikatakan mempunyai dimensi m×n (baca m kali n)

Dalam kasus khusus dimana m=n, matriksnya disebut matriks

kuadrat (square matrix).
B. Operasi Dengan Matriks
Penjumlahan dan Pengurangan Matriks

Dua matriks dapat ditambahkan jika dan hanya jika keduanya mempunyai
kesamaan dimensi. Jika dimensinya telah sama, maka kedua matriks ini
dikatakan telah memenuhi syarat untuk dijumlahkan.

Secara umum, aturan penjumlahan adalah

[aij]+[bij]=[cij], dimana cij=aij+bij

Aturan pengurangan adalah

[aij]-[bij]=[dij], dimana dij=aij-bij
Mengalikan satu matriks dengan bilangan atau dalam istilah
aljabar matriks, dengan suatu skalar (scalar)-diartikan sebagai
mengalikan setiap elemen dari matriks dengan skalar yang
diberikan.
Suatu bilangan atau skalar dapat digunakan untuk mengalikan suatu matriks tanpa
menghiraukan seberapa besar dimensi matriks itu, sedangkan perkalian dua matriks masih
tergantung dari dipenuhi atau tidaknya persyaratan dimensi kedua matriks.

matriks A memiliki dimensi m×n dan matriks B memiliki dimensi p×q

maka hasil perkalian matriks AB dapat ditentukan jika dan hanya jika n=p
 Permasalahan dalam Mebagi

tidak dapat dituliskan sebagai A/B

Untuk dua bilangan a dan b, pembagian a/b (dengan
b≠0) dapat ditulis dengan cara lain sebagai ab^-1 atau
b^-1.a, dimana b^-1 menunjukkan invers atau
kebalikan b. Karena ab^-1=b^-1.a, maka pernyataan a/b
dapat digunakan untuk menyatakan baik ab^-1 maupun
b^-1.a.
 Penyimpangan Cara Penulisan ∑

Pernyataan xj menunjukkan suatu besaran yang juga dilambangak oleh

huruf i atau k, seperti
C. Catatan Mengenai Operasi Vektor
Perkalian Vektor
Interpretasi Geometris dari Operasi Vektor
 Ketidakbebasan Linear
Suatu himpunan vektor v1,.......,vn dikatakan sebagai tidak bebas secara linear (linearly
dependent) jika salah satu diantaranya dapat dinyatakan sebagai kombinasi linear dan vektor
sisanya; jika tidak, dikatakan sebagai bebas secara linear (linearly independent).
 Ruang Vektor

Contoh himpunan dari tiga unit vektor

Ketiga vektor ini jelas bebas secara linear, dan garisnya terletak pada ketiga
sumbu dalam ruang-3.
 contoh
[1 2 2] dapat dianggap sebagai kombinasi
linear e1 + 2e2 + 2e3. Secara ilmu ukur, kita
dapat menambah vektor e1 + 2e2 dalam
gambar dengan cara jajaran genjang. Untuk
mendapatkan vektor dengan titik (1 , 2 , 0)
dalam bidang x1 x2 dan kemudian
tambahkan hasil akhir dengan 2e3 melalui
jajaran genjang yang dibentuk dalam
bidang vertikal yang berwarna gelap untuk
memperoleh hasil terakhir pada titik (1,2,2).
Sifat terakhir dikenal sebagai ketidaksamaan segitiga (triangular inequality),
karena ketiga titik u,v dan w akan membentuk suatu segitiga.
Fungsi Euclidean:

Hasil fungsi Euclidean akan sama dengan hasil dari dalil Phytagoras. Fungsi jarak
Euclidean dapat juga dinyatakan dalam bentuk akar kuadrat dari hasil perkalian dua
bilangan konstan dari dua vektor.
 D. Hukum Komutatif, Asosiatif, Dan Distributif
Hukum komutatif penjumlahan
A+B=B+A

Hukum asosiatif penjumlahan

(A + B) + C = A + (B + C)
 Perkalian matriks tidak komutatif, .AB ≠ BA
Perkalian skalar terhadap matriks adalah mengikuti hukum komutatif, kA=Ak
Hukum Asosiatif
(AB)C = A(BC) = ABC
Dalam membentuk perkalian ABC, kondisi yang
sesuai harus dipenuhi oleh setiap pasangan
matriks yang berdekatan.
Hukum Distributif
A (B + C) = AB + AC [yang mengalikan A]
(B + C) A = BA + CA [yang dikalikan A]
Dalam setiap kasus, tentu persyaratan
kesesuaian dalam penjumlahan maupun
perkalian harus dipenuhi.
E. Matriks Identitas Dan Matriks Nol
• Matriks identitas
Untuk setiap bilangan a, kita
Matriks identitas didefinisikan sebagai peroleh 1(a) = a(1) = a. Demikian
matriks kuadrat (square matriks) pula, untuk setiap matriks A, kita
peroleh
dengan 1 pada diagonal utamanya dan 0 IA = AI = A
pada posisi lainnya. Matriks ini
dinyatakan dengan simbol I,atau In,
contoh 1 :
dimana subskrip (tikalas) n
menunjukkan dimensi baris (maupun
kolomnya).
• Matriks Nol

Matriks nol adalah matriks Sebagai pemeran bilangan nol, matriks nol
yang seluruh elemennya mengikuti aturan operasi penjumlahan dan
berupa bilangan nol. perkalian (dengan syarat persesuaian) berikut ini
Berbeda dengan I, matriks
nol tidak harus memiliki
jumlah baris dan kolom yang
sama. Contoh :

Contoh :
 F. Transpose Dan Invers

Jika baris dan kolom suatu matriks A

saling dipertukarkan-sehingga baris
pertama menjadi kolom pertama dan
sebaliknya-kita memperoleh transpos
A, yang dinyatakan oleh A' atau AT
• Sifat-sifat Matriks contoh 1 :
Transpose

Sifat-sifat Matriks Transpos

(A') = A
(A+B)' = A' + B' contoh 2 :
(AB)' = B'A'
 • Invers dan Sifat-
Sifatnya
Invers matriks A, yang
ditunjukkan dengan simbol A,
hanya dapat ditentukan bila A
adalah matriks bujursangkar,
di mana dalam hal ini invers
adalah matriks yang
memenuhi kondisi
Hal-hal berikut ini adalah penting untuk diperhatikan:
Tidak setiap matriks bujursangkar (jumlah baris = kolom) mempunyai
invers-bentuk bujursangkar merupakan syarat perlu tetapi syarat itu
sendiri tidak cukup untuk menimbulkan invers matriks. Bila matriks
bujursangkar A mempunyai invers, maka A disebut non-singular.
Bila A-¹ ada, maka matriks A dapat dianggap sebagai invers A-¹,
seperti juga A-¹ adalah invers A.
Bila A adalah n x n, maka A-1 juga harus n x n; kalau tidak, masing-
masing dimensinya tidak sesuai sehingga tidak dapat saling dikalikan.
Bila suatu matriks mempunyai invers, maka matriks tersebut bersifat
unik. Untuk 4membuktikannya mari kita anggap bahwa B merupakan
invers dari A, maka AB = BA = I sekarang anggaplah bahwa terdapat
matriks lain C sehingga AC = CA = I. Menghasilkan CAB = CI (=C)
Kedua bagian dari persyaratan (4.12)-yaitu AA-1 = I dan A-1 AI
sebenarnya secara tidak langsung menyatakan kedua hubungan invers
antara A dan A-¹.
Matriks Invers dan Penyelesaian
Sistem Persamaan Linear
Matriks Invers dan Penyelesaian
Sistem Persamaan Linear
Contoh
 Rantai Markov Berhingga​​
PAA ≡ probabilitas bahwa yang sekarang ada di A
nantinya tetap di A
PAB ≡ probabilitas bahwa yang sekarang ada di A
nantinya pindah ke B
PBB ≡ probabilitas bahwa yang sekarang ada di B
nantinya tetap di B
PBA ≡ probabilitas bahwa yang sekarang ada di B
nantinya pindah ke A.
 Rantai Markov Berhingga​​
Jika kita menyebut distribusi karyawan di beberapa lokasi pada waktu t sebagai vektor

dan probabilitas transisionalnya dalam bentuk matriks adalah

maka distribusi karyawan di beberapa lokasi pada periode berikutnya (t + 1) adalah

Rantai Markov Berhingga​​
Untuk mencari distribusi karyawan setelah dua periode

Umumnya, untuk periode n

 Contoh
Asumsikan distribusi awal karyawan di antara dua lokasi pada waktu t = 0 adalah

Dengan kata lain, pada setiap lokasi, jumlah awalnya sama. Lebih lanjut, jika probabilitas
transisional dalam bentuk matriks adalah sebagai berikut:

Kemudian distribusi karyawan di beberapa lokasi pada periode berikutnya (t = 1) adalah

Contoh
distribusi setelah periode dua adalah

Sementara distribusi setelah periode 10 (t = 10) adalah

Terimakasih