BAB II
TINJAUAN PUSTAKA
A. Matriks
1. Pengertian Matriks
Definisi 2.1
khusus dalam bentuk baris dan kolom sehingga membentuk empat persegi
panjang atau persegi yang ditulis di antara dua tanda kurung, yaitu ( ) atau
[ ]
Contoh : 0 1, [ ]
utamanya adalah nol (0) dan minimal ada satu elemen pada diagonal
Contoh : 0 1, [ ]
diagonal utamanya bernilai satu (1) dan elemen di luar diagonal utama
bernilai nol.
Contoh : 0 1 [ ]
Contoh : 0 1, [ ]
sebelah kiri diagonal utama ada yang bernilai tidak sama dengan nol.
Contoh : 0 1, [ ]
kanan diagonal utama ada yang bernilai tidak sama dengan nol.
Contoh : 0 1, [ ]
Contoh : 0 1, [ ]
Contoh : 0 1, [ ]
elementer.
Contoh:
0 1 0 1
[ ] [ ]
1. Setiap baris yang hanya terdiri dari bilangan nol terletak sesudah
Matriks eselon sering disebut juga matriks eselon baris. Elemen taknol
Contoh:
[ ]
nol (0).
Contoh : 0 1 [ ]
3. Transpose Matriks
yang merupakan hasil dari pertukaran baris dan kolom dari matriks
A.
( )
( )
dimana
[ ] [ ]
Contoh 2.1:
0 1 [ ]
Jawab:
[ ] [ ]
4. Operasi Matriks
Definisi 2.2
( )
( )
Contoh 2.2:
[ ] [ ]
Jawab:
( )
[ ] [ ]
( )
( )
[ ] [ ]
( )
Definisi 2.3
( )
Contoh 2.3:
Diketahui matriks
0 1
maka matriks
0 1 0 1
c. Perkalian Matriks
Definisi 2.4
Contoh 2.4:
0 1 dan 0 1
0 1
5. Determinan
Misalkan:
[ ]
( ) atau | | atau | |
Definisi 2.5
( ) det ( )
( ) ( )
Definisi 2.6
didefinisikan sebagai:
( ){
dimana
( ) ( )
1) Matriks ordo
2) Matriks ordo
. /
( )
( ) ( ) ( ) ( )
Contoh 2.5:
. /
( ) | |
( ) | | ( ) ( )| |
( ) (( ) ( ) )
3) Matriks ordo
( +
| |
( ) ( ) ( ) ( )
( ) ( )
| | | | | |
( ) ( )
( )
( ) (
Contoh 2.6:
( +
| |
( ) | | ( ) | | ( ) | |
. ( ( ))/ .( ) (
( ))/ . ( ( ))/
( ( )) (( ) ) ( )
( ) ( )
4) Matriks ordo
( ,
| |
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
Contoh 2.7:
Jawab:
| |
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
| | | |
( ) ( )| | ( ) ( )| |
( ) ( )| |
( ( ) ( )) (( ) ( ) ( ))
( ( ) )
( ) ( )
| | | |
( ) ( )| | ( ) ( )| |
( ) ( )| |
( ( )) (( ) ( ) )
( ( ) ( ))
( )
| | | |
( ) ( )| | ( ) ( )| |
( ) ( )| |
( ( )) (( ) ( ) )
( ( ) ( ))
( )
| | | |
( ) ( )| | ( ) ( )| |
( ) ( )| |
( ( )) (( ) ( ) )
( ( ) )
( )
| | | |
( ) ( )| | ( ) ( )| |
( ) ( )| |
( ) (( ) ( ) ( ))
( ( ) )
( )
Kemudian diperoleh
| |
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )( ) ( ) ( )
( )
( ) ( )
dengan cara menukar dua baris atau kolom sebanyak satu kali,
maka
( ) ( )
elemen yang sama kecuali pada baris ke-i, yaitu elemen baris ke-i
( ) ( ) ( )
5) Misalkan maka
( ) ( )
( ) ( ) ( )
( )
( )
( ) ( )
yang berordo antara lain dengan aturan Cramer dan operasi baris
elementer.
Definisi 2.7
A.
a. Aturan Cramer
( ,
Jadi untuk membentuk adjoint dari matriks, setiap elemen harus diganti
terjadi.
Lemma 2.1
untuk , maka:
( )
{
( ) ( )
dituliskan
( *
( )
Jadi
( )
( +
Hitunglah dan !
Jawab:
| | | | | |
| | | | | |
( | | | | | | )
( +
( +
( ) ( ) ( )
( ) ( )
( + ( )
( )
Contoh 2.9:
[ ]
[ ] ( )
( )
[ ]( )
[ ]
[ ]
Sehingga
[ ]
Bukti
(1)
( ) (2)
( ) (3)
(4)
(5)
( ) ( )
ditulis .
1. ( ) ;
2. ( )
invers dan ( ) ( ) .
Bukti
( )( ) ( )
dan
( )( ) ( )
matriks .
bahwa ( ) ( ) ( )
untuk , yaitu ( ) ( ) .
( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) . Maka terbukti( ) ( ) .
dengan bentuk
adalah peubah. Dengan demikian maka suatu sistem linear dari persamaan
(1)
(a)
(b)
[ ][ ] [ ]
atau
[ ] , -
C. Vektor
1. Ruang Vektor
vektor
̅ ̅ ( ).
̅ ( ).
Definisi 2.8
jumlah dan perkalian skalar dengan bilangan real. Artinya, diberikan dua
dengan kedua operasi ini disebut ruang vektor jika kedua operasi tersebut
memenuhi sifat:
a. ̅ ̅ ̅ ̅ (Sifat Komutatif)
b. ̅ ( ̅ ̅) (̅ ̅) ̅ (Sifat Assosiatif)
e. (̅ ̅) ̅ ̅ (Distributif)
f. ( )̅ ̅ ̅
g. ( ̅) ( )̅
h. ( ̅) ̅
2. Kombinasi Linear
bahwa vektor ̅ dapat disajikan sebagai kombinasi linear dari tiga vektor ̅
Definisi 2.9
̅ ̅ ̅ ̅ .
Contoh 2.10:
̅ ( ) ̅ ( ) dan ̅ ( )!
Jawab :
̅ ̅ ̅ ̅
[ ] [ ] [ ] [ ]
atau
[ ]
[ ]
dan .
Jadi, dalam hal ini vektor ̅ dapat ditulis sebagai kombinasi linear, yaitu
̅ ̅ ̅ ̅ .
3. Membangun / Merentang
( ) ̅ ̅ ̅ .
merentang di .
Definisi 2.10
linear dari ̅ ̅
4. Kebebasan Linear
Definisi 2.11
jika persamaan
̅ ̅ ̅
Contoh 2.11:
dan ̅ ( )
Jawab:
̅ ̅ ̅ ̅.
[ ]
5. Basis
linear dari kumpulan vektor tertentu dan secara tunggal pula. Dengan
demikian sifat dari ruang vektor tersebut cukup dilihat pada kumpulan
tertentu. Kumpulan vektor tersebut disebut basis dari ruang vektor yang
Definisi 2.12
di ruang vektor V disebut basis jika setiap vektor di V dapat ditulis sebagai
̅ ̅ ̅
Secara tunggal. Artinya, untuk vektor ̅ di atas tak ada koefisien lain selain
(ii) merentang .
6. Rank
Misalkan
( +
( +
yang sama sehingga dapat dikatakan bahwa rank dari adalah 2. Rank
Definisi 2.13
bebas linear. Rank dari suatu matriks merupakan dimensi dari vektor baris
Definisi 2.14
suatu nilai eigen atau nilai karakteristik dari matriks . Jika terdapat suatu
. / dan ̅ . /
Maka ̅ . /. / . / . / ̅
Dari persamaan ini terlihat bahwa adalah nilai eigen dari dan
( ̅) ̅ ̅ ( ̅)
. /. / . / . /
2. Persamaan Karakteristik
( λ ) ̅ (1)
Jadi adalah nilai eigen dari matriks jika dan hanya jika (1) memiliki
ekivalen,
( λ ) (2)
Contoh 2.13:
0 1
adalah
λ
det( λ ) 0 1 (λ )
λ
E. Diagonalisasi Matriks
Definisi 2.15
rupa sehingga
Teorema 2.3
Bukti
( ̅ ̅ ̅ )
(λ ̅ λ ̅ λ ̅ )
λ
λ
( ̅ ̅ ̅ )
( λ )
̅ λ ̅ (λ )
untuk setiap . Jadi untuk setiap λ adalah nilai eigen dari dan ̅ adalah
vektor eigen yang dimiliki λ . Karena vektor – vektor kolom adalah bebas
vektor kolomnya.
Contoh 2.14:
[ ]
Jawab:
nilai – nilai eigen adalah λ dan λ . Jadi diperoleh dua nilai eigen
dari .
̅ [ ]
adalah vektor eigen yang bersesuaian dengan λ jika dan hanya jika adalah
λ
[ λ ][ ] [ ]
λ
Jika λ , maka
[ ][ ] [ ]
̅ [ ] [ ] [ ] [ ] [ ]
Karena
[ ] dan [ ]
adalah vektor – vektor bebas linear, maka vektor – vektor tersebut akan
Jika λ , maka
[ ][ ] [ ]
[ ] [ ]
̅ [ ] ̅ [ ] ̅ [ ]
sehingga
[ ] dan [ ]
akan mendiagonalisasi .
[ ][ ] [ ]
[ ]
entri diagonal ke- dari adalah nilai eigen untuk vektor kolom ke-
[ ]
[ ]
Contoh 2.15:
0 1
adalah
( λ
λ) 0 1 (λ )
λ
Jadi λ adalah satu – satunya nilai eigen ; vektor – vektor eigen yang
( λ ) ̅ yakni, dari
0 1 0 1
Karena ruang berdimensi 1, maka tidak mempunyai dua vektor eigen bebas
Matriks persegi ada yang dapat didiagonalisasi, ada pula yang tidak
selalu dapat dibuat similar dengan matriks yang hampir diagonal yang disebut
Jika matriks tersebut mempunyai dua vektor eigen yang bebas linear, maka
matriks tersebut similar dengan matriks diagonal. Tetapi dalam hal matriks
yang hanya mempunyai sebuah vektor eigen, maka matriks tersebut similar
λ
dengan bentuk normal Jordan 0 1. Matriks tersebut hanya mempunyai
λ
satu vektor eigen sebab jika mempunyai dua vektor eigen maka matriks
yaitu matriks yang mempunyai dua nilai eigen (berbeda) atau hanya satu nilai
eigen. Untuk satu nilai, ada dua kasus yaitu tergantung dari banyaknya vektor
eigen yang bebas linear. Matriks berikut merupakan contoh matriks dengan
satu nilai eigen yang masing – masing mempunyai satu dan dua vektor eigen
λ λ
[ λ ] [ λ ]
λ λ
Sedangkan untuk dua nilai eigen, mempunyai bentuk normal Jordan sebagai
berikut
λ
[ λ ]
λ
Matriks di atas mempunyai dua vektor eigen yang bebas linear, atau
satu vektor eigen bebas linear yang berkaitan dengan nilai eigen ganda. Jadi
jika matriks mempunyai tiga vektor eigen yang bebas linear, maka
Definisi 2.16
bentuk
( )
[ ]
( )
( )
[ ( )]
dengan .
Definisi 2.17
( )
( )
Teorema 2.4
2. ( ) ( ),
3. ( ) ,
5. ( ) dan ( ) ,
6. ( ) dan ( ) ,
7. ( ) ( ) ,