SISTEM KONTROL

LANJUT
IBNU HAJAR, S.T., M.Sc., IPU
ALJABAR MATRIKS

Tujuan Pembelajaran:
1. Memahami konsep matriks dan penerapannya.
2. Mengetahui jenis matriks dan jenis matriks bujur sangkar.
3. Mampu mengaplikasikan operasi dan transpose matriks.
4. Mampu menentukan determinan dan invers matriks.
5. Melakukan partisi matriks
6. Menentukan vector bebas linier dan bergantung linier
7. Mampu menentukan rank matriks.
ALJABAR MATRIKS

Sistem persamaan linier dengan m persamaan dan n variabel dapat

dituliskan sebagaimana persamaan (1) berikut:
𝑎 11 𝑥 1 + 𝑎 12 𝑥 2 + 𝑎 13 𝑥 3 + ⋯ + 𝑎 1𝑛 𝑥 𝑛 = 𝑏1
𝑎 21 𝑥 1 + 𝑎 22 𝑥 2 + 𝑎 23 𝑥 3 + ⋯ + 𝑎 2𝑛 𝑥 𝑛 = 𝑏 2
𝑎 31 𝑥 1 + 𝑎 32 𝑥 2 + 𝑎 33 𝑥 3 + ⋯ + 𝑎 3𝑛 𝑥 𝑛 = 𝑏 3 (1)
𝑎 𝑚1 𝑥 1 + 𝑎 𝑚2 𝑥 2 + 𝑎 𝑚3 𝑥 3 + ⋯ + 𝑎 𝑚𝑛 𝑥 𝑛 = 𝑏 𝑚
dengan:
m,n = bilangan bulat ≥ 1
𝑥 1 = variable
𝑎 𝑖𝑗 dan 𝑏𝑗 = koefisien konstanta dengan 𝑖 = 1, 2, 3, … , 𝑚 dan 𝑗 =
1, 2, 3, … , 𝑛.
ALJABAR MATRIKS

Persamaan (1) dapat dituliskan secara matriks yang ditulis sebagai

matriks A dengan huruf A dicetak tebal.

(2)
ALJABAR MATRIKS

dimana: m = banyak baris, dan n = banyaknya kolom, dan orde

matriks ditulis sebagai 𝑚𝑥𝑛. Adapun 𝑎 𝑖𝑗 = elemen matriks.

Contoh 1: Bila diketahui system persamaan linier dengan

persamaan berikut

Maka matriks A adalah

ALJABAR MATRIKS
1. Jenis Matriks

Matriks bujur sangkar, bila m=n (jumlah baris = jumlah kolom).

1 3 5
Contoh 2: Matris 2 4 6
3 5 7 𝑚𝑥𝑛

Dimana elemen 𝑎 11 , 𝑎 22 , 𝑎 33 , … , 𝑎 𝑛𝑛 disebut dengan “elemen

diagonal utama”. Dalam contoh ini 1, 4, 7 adalah merupakan elemen
diagonal utama.
a. Matriks baris, bila m = 1
Contoh 3: Matriks 1 3 5 7 → 𝐴 𝑚𝑥1
1. Jenis Matriks

b. Matriks kolom, bila n=1

2
4
Contoh 4: 6 → 𝐴 1𝑥𝑛
8
10
c. Matriks nol, bila 𝑎 𝑖𝑗 = 0
0 0 0
Contoh 5: Matriks 0 0 0
0 0 0
2. Jenis Matriks Bujur Sangkar

a. Matriks Diagonal, apabila semua elemen dalam matriks sama

dengan nol, kecuali elemen-elemen diagonal utamanya.

9 0 0 0 0
0 8 0 0 0
Contoh 6: Matriks 0 0 7 0 0 𝑑𝑒𝑛𝑔𝑎𝑛 𝑎 𝑖𝑗 = 0, 𝑑𝑎𝑛 𝑎 𝑖𝑖 ≠ 0
0 0 0 6 0
0 0 0 0 5
b. Matris Satuan (Unit Matriks), apabila elemen-elemen diagonal
sama dengan 1, sedangkan elemen yang lainnya sama dengan
nol.
1 0 0
Contoh 7: 0 1 0 𝑑𝑖𝑠𝑒𝑏𝑢𝑡 𝑗𝑢𝑔𝑎 𝑚𝑎𝑡𝑟𝑖𝑘𝑠 𝐼𝑑𝑒𝑛𝑡𝑖𝑡𝑎𝑠 (𝐼)
0 0 1
2. Jenis Matriks Bujur Sangkar

c. Matriks Simetris, jika 𝑎 𝑖𝑗 = 𝑎𝑗𝑖

2 6 9
Contoh 8: Matriks 6 7 4
9 4 1
d. Matriks skew-simetris, jika 𝑎 𝑖𝑗 = −𝑎𝑗𝑖
2 −6 −9
Contoh 9: Matriks 6 7 −4
9 4 1
3. Operasi Matriks

a. Kesamaan Matriks, dimana matriks A dan B dikatakan sama

apabila 𝑎 𝑖𝑗 = 𝑏 𝑖𝑗 , dimana A dan B harus mempunyai orde yang
sama.
b. Penjumlahan matriks, apabila A dan B mempunyai orde yang
sama, maka kedua matriks tersebut bisa dijumlahkan menjadi
matriks C.
C = A + B
𝑐 𝑖𝑗 = 𝑎 𝑖𝑗 + 𝑏 𝑖𝑗 (3)
Sifat penjumlahan matriks
a) Sifat komutatif -→ A+B=B+A
b) Sifat asosiatif -→ A+B+C=(A+B)+C
3. Operasi Matriks

1 6 2 6 3 5
Contoh 10: Jika matriks A= ; B= , maka
3 4 5 2 1 4
C=A+B
1+6 6+3 2+5
C=
3+2 4+1 5+4
7 9 7
C=
5 5 9
c. Perkalian dengan skalar. Suatu matriks A dapat dikalikan
dengan bilangan scalar k sehingga menghasilkan suatu matriks
B=kA
𝑏 𝑖𝑗 = 𝑘 . 𝑎 𝑖𝑗 (4)
3. Operasi Matriks

Sifat perkalian scalar matriks:

a) k(A+B)=kA+kB
b) K(A+B)=(A+B)k
1 6 2
Contoh 11: Jika matriks A= dengan k=3, maka
3 4 5
B=kA
1 6 2 3 18 6
B=3A=3 =
3 4 5 9 12 15
3. Operasi Matriks

d. Perkalian matriks, matriks 𝐴 𝑚𝑥𝑝 dan 𝐵𝑝𝑥𝑛 dapat dikalikan dan

menghasilkan matriks baru, yaitu
𝐸𝑚𝑥𝑛 = 𝐴 𝑚𝑥𝑝 𝐵𝑝𝑥𝑛
𝑝
𝑒 𝑖𝑗 = σ𝑘=1 𝑎 𝑖𝑘 𝑏 𝑘𝑗 (5)
dimana; i=1,2,3,…,m j=1,2,3,…,n k=1,2,3,…,p
Sifat perkalian matriks:
a) Sifat distributive -→ A(B+C)=AB+AC
b) Sifat asosiatif -→ A(BC)=(AB)C
c) AB≠BA
d) AB=AC belum tentu B=C
3. Operasi Matriks

3 4
1 6 2
Contoh 12: Jika matriks A= , B= 1 2
3 4 5 2𝑥3
5 1 3𝑥2

maka C=A+B
1𝑥3 + 6𝑥1 + 2𝑥5 1𝑥4 + 6𝑥2 + 2𝑥1
C=
3𝑥3 + 4𝑥1 + 5𝑥5 3𝑥4 + 4𝑥2 + 5𝑥1 2𝑥2

19 18
C=
38 25 2𝑥2
4. Transpose Matriks

Jika matriks A dengan orde mxn, maka transpose matriks A

dilambangkan dengan 𝐴 𝑇 adalah matriks berode mxn dengan “Baris
matriks A menjadi kolom matriks 𝐴 𝑇 dan kolom matriks A menjadi
baris matriks 𝐴 𝑇 ”.
Sifat transpose matriks:
a) 𝐴𝑇 𝑇
=𝐴
b) 𝑘𝐴 𝑇 = 𝑘𝐴 𝑇
𝑇
c) 𝐴+𝐵 = 𝐴𝑇 + 𝐵 𝑇
𝑇
d) 𝐴𝐵 = 𝐵 𝑇 𝐴𝑇 (6)
4. Transpose Matriks

1 6 2
Contoh 13: Jika matriks A=
3 4 5 2𝑥3

1 3
maka 𝐴𝑇 = 6 4
2 5 3𝑥2
5. Determinan Matriks Bujur Sangkar

a. Determinan Matriks 2x2

𝑎 11 𝑎 12
𝐴 2𝑥2 = 𝑎 (7)
21 𝑎 22

𝑑𝑒𝑡𝐴 = 𝐴 = 𝑎 11 𝑥 𝑎 22 − 𝑎 12 𝑥 𝑎 21
2 6
Contoh 14: Determinan matriks 𝐴 2𝑥2 = adalah
6 7
𝑑𝑒𝑡𝐴 = 𝐴 = 2𝑥7 − 6𝑥6 = −24
5. Determinan Matriks Bujur Sangkar

b. Determinan matriks 3x3

𝑏11 𝑏12 𝑏13

𝐵 3𝑥3 = 𝑏 21 𝑏 22 𝑏 23 adalah
𝑏 31 𝑏 32 𝑏 33

𝑏11 𝑏12 𝑏13 𝑏11 𝑏12

𝐵 3𝑥3 = 𝑏 21 𝑏 22 𝑏 23 𝑏 21 𝑏 22
𝑏 31 𝑏 32 𝑏 33 𝑏 31 𝑏 32
𝐵 = 𝑏11 𝑏 22 𝑏 33 + 𝑏12 𝑏 23 𝑏 31 + 𝑏13 𝑏 21 𝑏 32 − 𝑏12 𝑏 21 𝑏 33 −
𝑏11 𝑏 23 𝑏 32 − 𝑏13 𝑏 22 𝑏 31
5. Determinan Matriks Bujur Sangkar

1 −1 9
Contoh 15: Determinan matriks B= 3 0 2 adalah
−1 4 1
1 −1 9 1 −1
𝐵 = 3 0 2 3 0
−1 4 1 −1 4
𝐵 = 1𝑥0𝑥1 + −1𝑥2𝑥 − 1 + 9𝑥3𝑥4 − −1𝑥3𝑥1 − 1𝑥2𝑥4 −
9𝑥0𝑥 − 1 = 0 + 2 + 108 − −3 − 8 − 0 = 105
6. Determinan dengan Ekspansi
Kofaktor

𝑎 11 𝑎 12 … 𝑎 1𝑛
𝑎 21 𝑎 22 … 𝑎 2𝑛
Apabila matriks A= … … … … (9)
𝑎 𝑛1 𝑎 𝑛2 … 𝑎 𝑛𝑛
Maka bisa diketahui determinannya dengan menggunakan ekspansi
kofaktor. Beberapa definisi yang perlu diketahui adalah:
a. 𝑀𝑖𝑗 disebut Minor-ij yaitu determinan matriks A dengan
menghilangkan baris ke-i dan kolom ke-j matriks A
1 3 2
Contoh 16: Minor 𝑀13 matriks A= −2 2 3 adalah determinan
4 −1 4
matriks A dengan menghilangkan baris ke-1 dan kolom ke-3, maka
−2 2
𝑀13 = = −2 −1 − 2.4 = −6
4 −1
6. Determinan dengan Ekspansi
Kofaktor

𝑖+𝑗
b. 𝐶𝑖𝑗 dinamakan matriks kofaktor –ij yaitu −1 𝑀𝑖𝑗
1 3 2
−2 2
Contoh 17: Jika matriks A= −2 2 3 dengan 𝑀13 = = −6,
4 −1
4 −1 4
maka kofaktor 𝐶13 = −1 1+3 −6 = −6
Misalkan 𝐴 𝑛𝑥𝑛 dan 𝐶𝑖𝑗 adalah kofaktor dari 𝑎 𝑖𝑗 , maka:
𝑐 11 𝑐 12 … 𝑐 1𝑛
𝑐 21 𝑐 22 … 𝑐 2𝑛
A= … … … … → dinamakan maktriks kofaktor A.
𝑐 𝑛1 𝑐 𝑛2 … 𝑐 𝑛𝑛
6. Determinan dengan Ekspansi
Kofaktor

Transpose matriks ini dinamakan adjoin A, dengan notasi 𝑎𝑑𝑗𝐴.

𝑐 11 𝑐 21 … 𝑐 𝑛1
𝑇 𝑐 12 𝑐 22 … 𝑐 𝑛2
𝑎𝑑𝑗𝐴 = 𝐶 = … … … …
𝑐 1𝑛 𝑐 2𝑛 … 𝑐 𝑛𝑛
7. Invers Matriks Bujur Sangkar

Matriks tidak bisa dibagi dengan matriks lainnya. Sebagai

analoginya digunakan inverse dari matriks tersebut. Inverse matriks
A didefinisikan sebagai:
1
𝐴 −1 = 𝑎𝑑𝑗𝐴 (10)
𝑑𝑒𝑡𝐴

A mempunyai inverse jika dan hanya jika det A≠ 0. Jika A

mempunyai inverse maka:
1
det 𝐴 −1 = (11)
det 𝐴

−3 −2 −3 −2
Contoh 18: Matriks 2x2 A= dimana det A= dan
4 2 4 2
−3 2 1
adjA= , inverse matriksnya adalah: 𝐴 −1 = 𝑎𝑑𝑗𝐴 =
−4 2 𝑑𝑒𝑡𝐴
1 −3 2 −1,5 1
=
2
7. Invers Matriks Bujur Sangkar

2 0 1
Contoh 19: Matriks 3x3 A= 1 2 −1 dimana
−1 1 0
1+1 2 −1 1+2 1 −1
𝑐 11 = −1 =1 𝑐 12 = −1 =1
1 0 −1 0
1 2
1+3 2+1 0 1
𝑐 13 = −1 =3 𝑐 21 = −1 =1
−1 1 1 0
Dengan cara yang sama diperoleh:
𝑐 22 = 1; 𝑐 23 = −2; 𝑐 31 = −2; 𝑐 32 = 3; 𝑐 33 = 4
1 1 3
Diperoleh matriks kofaktor A adalah C= 1 1 −2
−2 3 4
7. Invers Matriks Bujur Sangkar

Sehingga matriks adjoin A adalah

1 1 −2
𝑎𝑑𝑗𝐴 = 𝐶𝑇
= 1 1 3
3 −2 4
Diperoleh inverse matriks A adalah
1
𝐴 −1 = 𝑎𝑑𝑗𝐴
𝑑𝑒𝑡𝐴

2 −1 1 2
𝑑𝑒𝑡𝐴 = 2 −0+1
1 0 −1 1
= 2-0+3=5
7. Invers Matriks Bujur Sangkar

1
𝐴 −1 = 𝑎𝑑𝑗𝐴
𝑑𝑒𝑡𝐴

1 1 −2 0,2 0,2 −0,4

1
=
5
1 1 3 = 0,2 0,2 0,6
3 −2 4 0,6 −0,4 0,8
Apabila A mempunyai inverse disebut dengan matriks nonsingular,
sebaliknya bila A tidak mempunyai inverse disebut matriks singular.
Sifat matriks bujur sangkar adalah apabila A dan B adalah matriks
bujur sangkar, dan AB=I=BA, maka matriks B disebut inverse
matriks A dan matriks A adalah inverse matriks B.
7. Invers Matriks Bujur Sangkar

Contoh 20: Misalnya dalam control 19 telah diketahui bahwa matris

2 0 1 0,2 0,2 −0,4
−1
A= 1 2 −1 dan 𝐴 = 0,2 0,2 0,6 maka
−1 1 0 0,6 −0,4 0,8
2 0 1 0,2 0,2 −0,4
𝐴𝐴 −1 = 1 2 −1 0,2 0,2 0,6
−1 1 0 0,6 −0,4 0,8
2𝑥0,2 + 0 + 0,6 2𝑥0,2 + 0 − 0,4 −2𝑥0,4 + 0 + 0,8
= 0,2 + 2𝑥0,2 − 0,6 0,2 + 2𝑥0,2 + 0,4 −0,4 + 2𝑥0,6 − 0,8
−0,2 + 0,2 + 0 −0,2 + 0,2 + 0 0,4 + 0,6 + 0
1 0 0
= 0 1 0 merupakan matriks identitas I.
0 0 1
8. Partisi Matriks

Suatu matriks dapat dipartisikan menjadi sub-matriks yaitu dengan

mengikutkan beberapa baris atau kolom dari matriks aslinya.
Aturan-aturan yang dipakai untuk mengoperasikan matriks partisi
sama dengan mengoperasikan matriks biasa. Misalnya matriks:
𝑎 11 𝑎 12 𝑎 13 𝑎 14 𝑎 15 𝑎 16
𝐴 = 𝑎 21 𝑎 22 𝑎 23 𝑎 24 𝑎 25 𝑎 26 = 𝐴 11 𝐴 12 𝐴 13
(12)
𝑎 31 𝑎 32 𝑎 33 𝑎 34 𝑎 35 𝑎 36 𝐴 21 𝐴 22 𝐴 23

di mana:
𝑎 11 𝑎 12 𝑎 13 𝑎 14 𝑎 15 𝑎 16
𝐴 11 = 𝑎 𝐴 12 = 𝑎 𝑎 23 𝑎 24 𝐴 13 = 𝑎 𝑎 26
21 22 25

𝐴 21 = 𝑎 31 𝐴 22 = 𝑎 32 𝑎 33 𝑎 34 𝐴 23 = 𝑎 35 𝑎 36
8. Partisi Matriks

Contoh 21: Jika matriks A dan matriks B dipartisi menjadi

2 3 1 𝐴 𝐴 12 1 3 𝐵1
𝐴= 1 2 3 = 11 dan 𝐵 = 1 4 =
𝐴 21 𝐴 22 2𝑥2
𝐵2 2𝑥1
2 1 0 3𝑥3 2 5 3𝑥2

𝐴 11 𝐴 12 𝐵1 𝐴 11 𝑥 𝐵1 + 𝐴 12 𝑥 𝐵 2
𝐴𝐵 = 𝐴𝐵 =
𝐴 21 𝐴 22 2𝑥2
𝐵2 2𝑥1 𝐴 21 𝑥 𝐵1 + 𝐴 22 𝑥 𝐵 2
2 3 1 3 5 18 1 2 5
𝐴 11 𝐵1 = = 𝐴 12 𝐵 2 = 2 5 =
1 2 1 4 3 11 3 6 15
1 3
𝐴 21 𝐵1 = 2 1 = 3 10 𝐴 22 𝐵 2 = 0 2 5 = 0 0
1 4
8. Partisi Matriks

7 23
Sehingga 𝐴𝐵 = 9 26
3 10
Hasil perkalian matriks tersebut sama dengan apabila matriks
tersebut dikalikan secara langsung.
2 3 1 1 3
𝐴𝐵 = 1 2 3 1 4
2 1 0 3𝑥3 2 5 3𝑥2

2𝑥1 + 3𝑥1 + 1𝑥2 2𝑥3 + 3𝑥4 + 1𝑥5 7 23

𝐴𝐵 = 1𝑥1 + 2𝑥1 + 3𝑥2 1𝑥3 + 2𝑥4 + 3𝑥5 = 9 26
2𝑥1 + 1𝑥1 + 0𝑥2 2𝑥3 + 1𝑥4 + 0𝑥5 3 10
9. Vektor Bebas Linier dan
Bergantung Linier

Vektor-vektor 𝑥 1 , 𝑥 2 , 𝑥 3 , ⋯ , 𝑥 𝑛 disebut bebas linier jika

𝑐1 𝑥 1 , 𝑐 2 𝑥 2 , … , 𝑐 𝑛 𝑥 𝑛 = 0 (13)
Dengan 𝑐 1 , 𝑐 2 , … , 𝑐 𝑛 adalah konstanta, hal tersebut mempunyai arti
bahwa
𝑐1 = 𝑐 2 = ⋯ = 𝑐 𝑛 = 0 (14)
Sebaliknya, vector-vector 𝑥 1 , 𝑥 2 , … , 𝑥 𝑛 disebut saling bergantung
linier jika dan hanya jika 𝑥 𝑖 dapat dinyatakan sebagai kombinasi
linier dari 𝑥 𝑖 𝑗 = 1,2, … , 𝑛; 𝑗 ≠ 𝑖 , atau
𝑥 𝑖 = σ𝑛𝑗 =1 𝑐𝑗 𝑥𝑗 (15)
Den gan s u at u h imp un an kon s t ant a 𝑐𝑗 . Hal t ers eb u t b erart i b ah wa j ika 𝑥 𝑖 dap at
din yat akan s eb ag ai komb i n as i lin ier da ri vect o r- vec t or lain dal am h imp u n an ters eb u t ,
𝑥 𝑖 b ergan t u n g lin ier p adan ya at au b u kan meru p akan an ggot a h imp u n an yan g b eb as .
9. Vektor Bebas Linier dan
Bergantung Linier

Contoh 22: Menentukan vector-vector berikut apakah bebas linier

atau bergantung linier.
1 2 3
a. vector-vector 𝑥 1 = 3 , 𝑥 2 = 0 , 𝑥 3 = 3 . Pada vector-vector
1 1 2
tersebut ada saling keterkaitan antar kolomnya dengan
hubungan 𝑥 1 + 𝑥 2 − 𝑥 3 = 0 maka vector tersebut bergantung
linier.
0 1 3
b. Vektor-vector 𝑥 1 = 3 , 𝑥 2 = 1 , 𝑥 3 = 1 . Pada vector-vector
1 0 2
tersebut tidak ada saling keterkaitan antar kolomnya maka vector-
vector tersebut bebas linier. Atau bebas linier karena 𝑐 1 𝑥 1 + 𝑐 2 𝑥 2 +
𝑐 3 𝑥 3 = 0 hanya dipenuhi jika 𝑐 1 = 𝑐 2 = 𝑐 3 = 0.
10. Rank Matriks

Rank matriks adalah jumlah maksimum kolom bebas linier. Rank

matriks merupakan orde matriks nonsingular yang terbesar yang
terdapat pada matriks. Cara menentukan rank matriks adalah
dengan menggunakan kolom bebas linier maupun menggunakan
determinan matriks.
a. Menentukan rank matriks dengan menggunakan kolom bebas
linier.
Yang dimaksud kolom bebas linier adalah apabila masing-masing
kolomnya tidak merupakan kombinasi linier (kolom-kolomnya tidak
merupakan penjumlahan, pengurangan, dan perkalian) dari kolom
yang lain. Pada matriks zero memiliki rangk = 0.
10. Rank Matriks

Rank matriks ditentukan dari jumlah kolom bebas linier. Apabila

kolom matriksnya bebas linier maka rank matriksnya = orde matriks
tertinggi atau disebut dengan rank penuh.
1 −1 9
Contoh 22: Pada matriks A= 3 0 2 . Mempunya 3 kolom,
−1 4 1
dimana 3 kolomnya adalah bebas linier atau tidak tergantung satu
sama lain sehingga rank matriksnya = 3.
3 6 9
Contoh 23: Pada matriks B= −3 7 4 . Dua kolomnya yaitu kolom 1
−3 4 1
dan 2 bebas linier, sedangkan kolom ke-3 adalah merupakan
penjumlahan dari kolom 1 dan 2 sehingga tidak bebas linier. Oleh
karena itu rank matriks ≠ 3.
10. Rank Matriks

Jika diinginkan untuk mengetahui rank matriksnya bisa diketahui

dengan menggunakan kolom bebas linier minornya. Jika salah satu
minor determinannya ≠ 0, maka rank matriksnya adalah orde minor
tinggi. Misalnya jika digunakan 𝑀33 yaitu:
3 6
𝑀33 = , pada minor ini kedua kolomnya adalah bebas linier
−3 7
sehingga rank matriks = 2 karena merupakan orde tertinggi minor.
Atau dengan menggunakan minor 𝑀11 , yaitu
7 4
𝑀11 = , pada minor ini kedua kolomnya adalah bebas linier
4 1
sehingga rank matriks = 2 karena merupakan orde tertinggi minor.
10. Rank Matriks

b. Menentukan rank matriks menggunakan determinan

Apabila determinan matriks ≠ 0 atau biasa disebut dengan matriks
nonsingular, maka rank matriks adalah sama dengan orde tertinggi
matriks. Apabila determinan matriks = 0, maka harus dicari
determinan minornya. Apabila salah satu minor mempunyai
determinan ≠ 0 atau biasa disebut dengan matriks singular, maka
rank matriksnya adalah sama dengan orde tertinggi minornya.
10. Rank Matriks

1 −1 9
Contoh 24: Pada matriks A= 3 0 2
−1 4 1
1 −1 9 1 −1
Determinannya adalah 𝐴 = 3 0 2 3 0
−1 4 1 −1 4
𝐴 = 1𝑥0𝑥1 + −1𝑥2𝑥 − 1 + 9𝑥3𝑥4 − 9𝑥0𝑥 − 1 − 1𝑥2𝑥4 −
(−1𝑥3𝑥1)
𝐴 = 115 ≠ 0
Determinan matriks tidak sama dengan nol atau biasa disebut
dengan matriks nonsingular. Rank matriksnya adalah 3 karena orde
matriks tertinggi adalah 3.
10. Rank Matriks

3 6 9
Contoh 25: Pada matriks B= −3 7 4 , determinannya adalah:
−3 4 1
3 6 9 3 6
𝐵 = −3 7 4 −3 7
−3 4 1 −3 4
𝐵 = 3𝑥7𝑥1 + 6𝑥4𝑥 −3 + 9𝑥 −3 𝑥4 − 9𝑥7𝑥 −3 − 3𝑥4𝑥4 −
6𝑥 −3 𝑥1 = 21 − 72 − 108 + 189 − 48 + 18 = 0
Karena 𝐵 = 0 atau biasa disebut matriks singular, maka rank
matriks tidak mungkin = 3. Oleh karena itu, rank matriks harus
dicari dengan menggunakan determinan salah satu minornya,
misalnya minor 𝑀33 yaitu:
10. Rank Matriks

3 6
𝑀33 = = 21 + 18 = 39 ≠ 0
−3 7
Karena determinannya ≠ 0, maka rank matriksnya adalah 2.
Atau dengan menggunakan minor 𝑀11 yaitu:
7 4
𝑀11 = = 7 − 16 = −9 ≠ 0
4 1
Karena deteriminannya ≠ 0, maka rank matriksnya adalah 2 karena
merupakan orde tertinggi minor.