Anda di halaman 1dari 37

ALJABAR MATRIKS

Bila kita mempunyai suatu sistem persamaan linier


2x + 3y + 3z =0
x + y + 3z =0
– x + 2y – z = 0

Maka koefisien tersebut di atas disebut MATRIKS,


dan secara umum dapat dituliskan sbb :

2 3 2
1 1 3
 
 1 2  1

25/03/2018 Erwin Rommel-FT UMM 1


Jajaran bilangan tersebut di atas disebut MATRIKS,
dan secara umum dapat dituliskan sbb :
 a11 a12 a13 aij a1n 
a a 22 a 23 a2 j a 2 n 
 21
 a31 a32 a33 a3 j a3n 
 
 . . . . . 
 . . . . . 
 
 . . . . . 
a ai 2 ai 3 aij ain 
 i1 
a m1 am2 a m3 a mj a mn 

m, n adalah bilangan bulat ≥ 1.


aij = elemen-elemen dari matriks (i = 1, 2.......m).. (j = 1, 2 .......n)
m  banyak baris
n  banyaknya kolom

orde matriksmxn
Matriks biasanya ditulis dengan notasi (A)
25/03/2018 Erwin Rommel-FT UMM 2
Macam matriks
• Matriks bujur sangkar, bila m = n

1 2 3
 4 5 6
 
7 8 9 mxn

Elemen-elemen a11, a22, .........., ann

disebut “elemen-elemen diagonal utama”

25/03/2018 Erwin Rommel-FT UMM 3


Macam matriks
• Matriks baris, bila m = 1

1 2 3 4 5 [ A ]mx1
• Matriks kolom, bila n = 1
1 
2
 
3  [ A ]1x n
 
4

5 

25/03/2018 Erwin Rommel-FT UMM 4
Macam matriks
• Matriks nol, bila aij = 0 :

0 0 0 0
0 0 0 0
 
0 0 0 0

25/03/2018 Erwin Rommel-FT UMM 5


TYPE MATRIKS BUJUR SANGKAR

• Matriks Diagonal,
Jika semua elemen sama dengan nol, kecuali
elemen-elemen diagonal utamanya.

1 0 0 0
0 2 0 0
aij = 0
 aii ≠ 0
0 0 3 0
 
0 0 0 4

25/03/2018 Erwin Rommel-FT UMM 6


TYPE MATRIKS BUJUR SANGKAR
• Matriks Satuan (unit matriks).
Jika elemen-elemen diagonal sama
dengan 1 dan elemen-elemen yang lain
sama dengan nol.

1 0 0 0
0 1 0 0
 = [I]
0 0 1 0
 
0 0 0 1

Disebut juga matriks identitas = [ I ]


25/03/2018 Erwin Rommel-FT UMM 7
TYPE MATRIKS BUJUR SANGKAR
• Matriks simetris, jika aij = aji

1 2 3
2 0 7 
 
3 7 5
• Matriks skew-simetris, jika aij = - aji

1  2  3
2 0  7 
 
3 7 5 

25/03/2018 Erwin Rommel-FT UMM 8


OPERASI MATRIKS

• Kesamaan matriks
Dua matriks [A] dan [B] dikatakan sama bila

aij = bij

[ A ] dan [ B ] harus mempunyai orde yang sama.

25/03/2018 Erwin Rommel-FT UMM 9


OPERASI MATRIKS
• Penjumlahan matriks
Bila [A] dan [B] punya orde yang sama, maka
kedua matriks tersebut bisa dijumlahkan
menjadi matriks [C]

[C] = [A] + [B]


cij = aij + bij

Sifat-sifat penjumlahan Matriks


[A]+[B]=[B]+[A] → Komutatif
[ A ] + [ B ] + [ C ] = ([ A ] + [ B ]) + [ C ] → Assosiatif
25/03/2018 Erwin Rommel-FT UMM 10
EXAMPLE :

1 2 3 0 3 2 
[A] =  4 5 6 [B] = 1 2 3
   

1  0 2  3 3  2
4  1 5  2 6  3
[C] =
 
1 5 5
5 7 9
[C] =
 
25/03/2018 Erwin Rommel-FT UMM 11
OPERASI MATRIKS
• Perkalian dengan skalar :
Suatu matriks [A] dapat dikalikan dengan bil.skalar k
menghasilkan suatu matriks

[D] = k [A]
dij = k . aij
Sifat-sifat perkalian skalar matriks:
k ( [A] + [B] ) = k [A] + k [B]
k ( [A] + [B] ) = ( [A] + [B] ) k

25/03/2018 Erwin Rommel-FT UMM 12


EXAMPLE :

1 2 3
[A]=   ; k = -2
 4 5 6 

 2  4  6 
[D]=   8  10  12
 

25/03/2018 Erwin Rommel-FT UMM 13


OPERASI MATRIKS
• Perkalian matriks
Matriks [A]mxp dan [B]pxn dapat dikalikan menghasilkan
matriks baru
[E]mxn = [A]mxp [B]pxn
p
eij   aik  bkj
k 1

dimana :
i = 1, 2, … m ; j = 1, 2, … n ; k = 1, 2, … p

25/03/2018 Erwin Rommel-FT UMM 14


EXAMPLE :
2 1 5  3 4
[A] = 1 3 2  ; [B] =  1 2
  2 x3  
 2 1  3 x 2

2 x3  1(1)  5 x 2 2 x 4  1x 2  5 x1
[E] = 
1x3  3(1)  2 x 2 1x 4  3x 2  2 x1

15 15
[E] =  
 4 12  2x2

25/03/2018 Erwin Rommel-FT UMM 15


Sifat-sifat perkalian matriks :
• [A] ( [B] + [C] ) = [A] [B] + [A] [C] ; sifat distributif

• ( [A] + [B] ) + [C] = [A] [B] + [A] [C] ; sifat distributif

• [A] ( [B] [C] ) = ( [A] [B] ) [C] ; sifat assosiatif

• [A] [B] ≠ [B] [A]

• [A] [B] = [A] [C] ; belum tentu [B] = [C]

25/03/2018 Erwin Rommel-FT UMM 16


TRANSPOSE MATRIKS
Jika matriks [A] dengan orde m x n

Transpose matriks [A] = [A] T

adalah matriks berorde n x m dengan baris


dan kolom matriks [A] menjadi kolom dan
baris matrix [A]T

EXAMPLE :
1 4 
1 2 3   
[A]T = 2 5
[A] =  
 4 5 6  2 x3 3 6 3 x 2
25/03/2018 Erwin Rommel-FT UMM 17
Sifat-sifat dari transpose matriks
• ( [A]T )T = [A]

• ( k [A] )T = k [A]T

• ( [A] + [B] )T = [A]T + [B]T

• ( [A] [B] )T = [B]T [A]T

25/03/2018 Erwin Rommel-FT UMM 18


DETERMINAN MATRIX BUJUR SANGKAR
 a11 a12 
[A]2x2 = a 
 21 a 22 

Det. [A] = A  a11  a22  a12  a21

b11 b12 b13 


[B]3x 3  b21 b22 b23 
b31 b32 b33 

B  b11 b22 .b33  b23b32   b12 b21.b33  b23 .b31   b13 b21.b32  b22 .b31 

Co-factor bij = ( –1) i+j Minor bij

25/03/2018 Erwin Rommel-FT UMM 19


Untuk matriks dengan orde yang lebih tinggi ( n x n ) → cara sama
n

 A   aik  cik  ai1ci1  ai 2 ci 2  .......  ain cin


k 1

dimana cik = co-factor aik

25/03/2018 Erwin Rommel-FT UMM 20


INVERS MATRIKS BUJUR SANGKAR
• Matriks tidak bisa dibagi dengan matriks lainnya.
Sebagai analogi, digunakan INVERSE dari matriks
tersebut.
• Apabila [A] dan [B] adalah matriks bujur sangkar,
dan [A] [B] = [I] = [B] [A], maka
matriks [B] disebut inverse dari matrix [A], dan
matriks [A] adalah inverse dari matriks [B].
• Selanjutnya [A] disebut matriks NON SINGULAR
• Bila [A] tidak punya inverse disebut matriks
SINGULAR.
• Inverse dari matriks [A] biasa ditulis [A]-1

25/03/2018 Erwin Rommel-FT UMM 21


EXAMPLE :
 6  2  3 1 2 3
 1 1  ; [A]-1 = 1 3
[A] =  0   3
 1 0 1  1 2 4

1 0 0
[A] [A]-1 = 0 1 0

=[I]

0 0 1

Catatan :
Untuk mencari inverse suatu matrix dapat dipakai beberapa
metoda, antara lain : metode ad-joint, metode pemisahan,
metode Gauss-Jordan, metode Cholesky, dsb.
25/03/2018 Erwin Rommel-FT UMM 22
Metode Gauss-Jordan
Akan dicari inversi dari matriks [A]nxn
Langkah-langkah yang dilakukan :
1) Ambil matriks satuan [I]nxn
2) Dengan cara operasi baris, ubahlah matriks [A]
menjadi matriks satuan
3) Proses ke-2 juga dilakukan pada matriks [ I ],
sehingga setelah proses selesai matriks [ I ] telah
berubah menjadi matriks [A]-1

25/03/2018 Erwin Rommel-FT UMM 23


EXAMPLE :

1 3 3  7  3  3
[A] = 1 4 3 [A]-1 =  1 1 0 
   
1 3 4  1 0 1 

1 3 31 0 0 1 0 3 4  3 0
   
LANGKAH KE-1
1 4 30 1 0 LANGKAH KE-4
 0 1 0  1 1 0 
1 3 40 0 1 0 0 1  1 0 1

1 3 3 1 0 0 1 0 0 7  3  3
   
LANGKAH KE-2
 0 1 0  1 1 0  LANGKAH KE-5  0 1 0  1 1 0 
1 3 4 0 0 1 0 0 1  1 0 1 

1 3 3 1 0 0
LANGKAH KE-3   Selesai …?????
 0 1 0  1 1 0  LANGKAH KE-n

0 0 1  1 0 1

25/03/2018 Erwin Rommel-FT UMM 24


MATRIKS ORTHOGONAL
Suatu matriks bujur sangkar [A] disebut matriks
orthogonal
bila [A]-1 = [A]T

[A] [A]T = [A] [A]-1 = [ I ]

25/03/2018 Erwin Rommel-FT UMM 25


EXAMPLE :
 cos  sin   cos   sin  
[A] =  sin  cos  
[A]T = 
  sin  cos  

cos   sin  
[A]-1 =  sin 
 cos  

Karena [A]-1 = [A]T → matriks [A] disebut matriks orthogonal

 cos  sin  0 cos   sin  0


 sin  cos  0  sin  cos  0
[T] =  [T]-1 = 
 0 0 1  0 0 1

cos   sin  0
 sin  cos  0
[T]T = 
 0 0 1

Karena [T]-1 = [T]T → matriks [T] disebut matriks orthogonal

25/03/2018 Erwin Rommel-FT UMM 26


TEORI DEKOMPOSISI MATRIKS
Bila [A] = sebuah matrix bujur sangkar maka
matriks tersebut dapat diekspresikan dalam
bentuk :
[A] = [L] [U]

 a11 a12 a13 ...... a1n  l11 0 0 .... 0 u11 u i 2 u13 .... u1n 
a a 2 n  0 u u
 21 a 22 a 23 ...... l l 0  .... u 2 n 
 21 22 0 ....  22 23

a31 a32 a33 ...... a3n  l31 l32 l33 .... 0  0 0 u 33 .... u 3 n. 
  =    
 . . . ...... .  . . . .... . . . . .... . 
 . . . ...... .  . . . .... . . . . .... . 
     
a n1 an2 an3 ...... a nn  l n1 l n 2 l n3 .... l nn   0 0 0 .... u nn 
nxn nxn nxn

[L] = lower triangle matriks


[U] = upper triangle matriks
25/03/2018 Erwin Rommel-FT UMM 27
EXAMPLE :

36 27  63 9 0 0 4 3  7 
20 25  39 = 5 2 0 0 5  2 
     
12 14 33  3 1 7 0 0 8 
[A] = [L] [U]

Aplikasi pada solusi persamaan linier simultan :

[A] {X} = [B]



[L] [U] {X} = [B] → misal [U] {X} = {Y}
[L] {Y} = [B] {X} = [U]-1 {Y}
{Y} = [L]-1 [B] dapat diperoleh tanpa
inverse matriks
dapat diperoleh tanpa
inverse matriks

Sehingga : {X} = [U]-1 [L]-1 [B]

25/03/2018 Erwin Rommel-FT UMM 28


SOLUSI PERSAMAAN LINIER SIMULTAN
Persamaan Linier Simultan dengan n buah bilangan tak diketahui
dapat dituliskan sbb :
a11 x1  a12 x2  ..........  a1n xn  b1
a 21 x1  a 22 x2  ..........  a 2 n xn  b2
. . .......... . .
. . .......... . .
. . .......... . .
a n1 x1  an 2 x2  ..........  a nn xn  bn

 a11 a21 .... a1n   x1   b1 


a .... a2 n  x  b 
 21 a22  2  

2 

 . . .... .   .  = . 
  x  b 
 . . .... . 
 n 1   n 1 
an1 an 2 .... ann  
 x n   bn  

Secara matriks ditulis, [A] {X} = [B]


25/03/2018 Erwin Rommel-FT UMM 29
EXAMPLE :

4x + 3y + z = 13
x + 2y + 3z = 14
3x + 2y + 5z = 22

 4 3 1 x 13 
1 2 3    
    = 14 
y
3 2 5 z 22
   
[A] {X} = [B]
{ X } = [A]-1[B]
1
x  4 3 1 13 
   1 2 3  
  = 
y  14  = …..??????
z 3 2 5 22
   

25/03/2018 Erwin Rommel-FT UMM 30


PARTISI MATRIKS
Suatu matriks bisa dipartisikan menjadi SUB-MATRIKS dengan cara
hanya mengikutkan beberapa baris atau kolom dari matriks aslinya.

Aturan-aturan yang dipakai untuk mengoperasikan matriks partisi


persis sama dengan mengoperasikan matriks biasa

 a11 a12 a13 a14 a15 a16 


 A11 A12 A13 
A  a21 a22 a23 a24 a25 
a26  =  
a31 a32 a33 a34 a35 a36 
A A A
 21 22 23 
dimana ;
a11  a12 a13 a14  a15 a16 
A11     A12     A13    
a 21   22
a a 23 a 24   25
a a 26 

A21   a31 A22   a32 a33 a34  A23   a35 a36 

25/03/2018 Erwin Rommel-FT UMM 31


EXAMPLE :
5 3 1 1 5
 A11 A12   B1 
A   4 6 2
 B   2    
A22  2 x 2
4
10 4 3 x 3  B2  2 x1
3  A21 
3 2
3X 2

A B A A 
  11 12 
 B1 
 
 A B  A12 B2 
  11 1 
 A21 A22  2 x 2  B2  2 x1  A21 B1  A22 B2 

A11 B1   
5 3 1 5  11 37 
6 2 4  16 44
4    

A12 B2   
1
3 2  
3 2
 
2 6 4 
1 5
A21 B1   10 3 2  16 32
 4

A22 B2   4 3 2  12 8

14 39 
sehingga ; [ A] [B]   22 48 

28 70
25/03/2018 Erwin Rommel-FT UMM 32
BEBERAPA RUMUS KHUSUS
[ A ] = Matriks bujur sangkar dan simetris ; orde n x n : aij
[ B ] = Matriks empat persegi panjang ; orde n x m : bij
{ X } = Vektor kolom ; orde n x 1 : xi
{ Y } = Vektor kolom ; orde m x 1 ; yi
n n
Bila ;  1
2
T
{X }
1 xn [ A] nxn  1
2  a
i 1 j 1
ij xi y j

  
x1 
  
    x2 
 
Maka ;   ....   [ A] nxn { X }nx1
 {X }  .... 
  

  xn 


atau sebaliknya ;  AX  ;  1 { X }T
[ A]{ X }
 {X }
2

25/03/2018 Erwin Rommel-FT UMM 33


EXAMPLE :
1 2 3   x1 
A  2 4 5  X    x2 
3 5 6  x 
 3
1 2 3  x1 
 
 1
2 { X }T [ A]{ X }  1
2 x1 x2 x3  2 4 5  x2 
3 5 6  
 x3 
 x1  2 x 2  3 x3 
 
Ф = ½ ( x1 x2 x 3 ) 2 x1  4 x2  5 x3 
 
3x1  5 x2  6 x3 

Ф  1
2 x1
2
 4 x2  6 x3  4 x1 x2  6 x1 x3  10 x2 x3
2 2

25/03/2018 Erwin Rommel-FT UMM 34



 1 22 x1  4 x2  6 x2   x1  2 x2  3 x3
x1


 1 28 x2  4 x1  10 x3   2 x1  4 x2  5 x3
x2


 1 212 x3  6 x1  10 x2   3x1  5 x2  6 x3
x3

  
 
x
 1  1 2 3  x1 
     x  
 
  2 4 5   2   A{ X }
x
 2   3 5 6  x  { X }
      3
 

 3
x

25/03/2018 Erwin Rommel-FT UMM 35


[B] Y 
T
Bila ;   {X } nxm
1xn mx1


 Bnxm Y mx1
X 
Maka ;

EXAMPLE :

1 2 3 4   x1   y1 
  y 
B 3x 4  5 6 7 8  { X }3x1 =  x2  { Y }4x1 =  2 
9 10 11 12 x   y3 
 3  y 4 

 y1 
1 2 3 4   
   y2 
  X T BY   x1 x2 x3  5 6 7 8   
 y3 
9 10 11 12

 y4 

25/03/2018 Erwin Rommel-FT UMM 36
 y1  2 y 2  3 y3  4 y 4 
  x1 x2 x3  5 y  6 y  7 y  8 y 
 1 2 3 4 

9 y1  10 y 2  11y3  12 y 4 

    y1  2 y 2  3 y3  4 y 4  x1  5 y1  6 y 2  7 y3  8 y 4  x2  9 y1  10 y 2  11y3  12 y 4  x3 


 y1  2 y 2  3 y 3  4 y 4
 x1

 5 y1  6 y 2  7 y3  8 y 4
 x2

 9 y1  10 y 2  11y3  12 y 4
 x3

  
   y1 

 1x
1 2 3 4  y 
    2 


  5 6 7 8

    B  Y 
  x2   y3   X 
9 10 11 12 
    y 4 
 

 3x
25/03/2018 Erwin Rommel-FT UMM 37