MATRIKS DAN SISTEM

PERSAMAAN LINEAR
 Matriks dan Operasi Matriks
Jenisnya dan Sifatnya

Determinan
Pertidaksamaa
dan Invers
n Linear
Matriks

Sistem
Persamaan
Linear &
Penyelesaiann
ya
 Pengertian Matriks

Definisi 2.2.1
Matriks adalah susunan persegi panjang dari bilangan-bilangan dalam bentuk baris dan kolom.
Bilangan-bilangan tersebut disebut entri atau komponen matriks. Nama suatu matriks dituliskan dengan
huruf kapital.

Contoh
−1 2 0
A=
3 −4 5
 Jenis - Jenis Matriks
01 A=(aij)mxn disebut matriks persegi jika m=n. A=(aij)mxn disebut matriks skalar jika A matriks 05
Komponen-komponen a11, a22, … , ann disebut diagonal dengan semua komponen diagonal
komponen diagonal utama. utamanya sama

02 A=(aij)mxn disebut matriks segitiga atas jika

A=(aij)mxn disebut matriks identitas jika A 06
matriks diagonal dengan semua komponen
m=n dan aij=0 untuk setiap i>j. diagonal utama adalah 1.

03 A=(aij)mxn disebut matriks segitiga bawah jika 07

m=n dan aij=0 untuk setiap i<j. A=(aij)mxn disebut matriks nol jika aij=0 untuk
setiap i dan setiap j.

04 A=(aij)mxn disebut matriks diagonal jika m=n A=(aij)mxn disebut matriks baris jika m=1 (A 08
dan aij=0 untuk setiap i ≠ j. hanya mempunyai sebuah baris).

09 A=(aij)mxn disebut matriks kolom jika n=1 (A

hanya mempunyai sebuah kolom).
 Jenis - Jenis Matriks

Contoh 2.2.2
Jika diketahui matriks
2 0 0
1 −2 1 0 3 0
A= , B= , C= , D= −1 3 0 , dan E= 2 −3 4 , maka:
7 3 0 2 0 3
0 5 4
A, B, C, D merupakan matriks persegi.
B, C merupakan matriks diagonal.
C merupakan matriks skalar.
D merupakan matriks segitiga bawah.
E merupakan matriks baris.

Dari jenis-jenis matriks seperti tersebut di atas, maka dapat diperoleh beberapa sifat, antara lain sebagai
berikut.
Setiap matriks diagonal merupakan matriks persegi.
Setiap matriks skalar merupakan matriks diagonal.
Matriks identitas merupakan matriks skalar.
 Kesamaan Matriks

Definisi 2.2.2
Dua matriks dikatakan sama jika ukurannya sama dan komponen-komponen yang bersesuaian sama.
Dari Definisi 2.2.2 dapat dinyatakan sebagai berikut.
Jika A=(aij)mxn dan B=(bij)pxq, maka A=B apabila dipenuhi syarat:
m=p, n=q, dan
aij=bij untuk setiap i = 1, 2, …m dan j= 1, 2, … n.

Contoh 2.2.3
6 3 3𝑎 −𝑏
Jika = maka a=2, b=-3, c =-4, d=1.
−8 1 2𝑐 𝑑
 Matriks Transpose

Definisi 2.2.3

Jika matriks A=(aij)mxn maka transpose A, ditulis AT, didefinisikan sebagai matriks berukuran nxm yang baris
ke-i dari AT merupakan kolom ke-i dari A dan kolom ke-j dari AT merupakan baris ke-j dari matriks A.

Contoh 2.2.4
−1 3
−1 2 0 −1 2 0
Jika A = maka AT= 2 −4 dan A𝑇 𝑇 = =A.
3 −4 5 3 −4 5
0 5
 Operasi Matriks Penjumlahan

Definisi 2.2.4

Jika A=(aij)mxn dan B=(bij)mxn maka jumlah A dan B, ditulis A+B, didefinisikan sebagai A+B=(aij + bij) mxn.

Matriks yang ukurannya tidak sama tidak dapat dijumlahkan.

Contoh 2.2.5
𝟏 𝟒 𝟑 𝟕 −𝟑 𝟎 𝟐 𝒙 𝟏 𝒑
Jika A = ; B= ;C= ; D= maka:
𝟐 −𝟏 𝟓 −𝟐 𝟖 𝟗 𝒚−𝟑 𝟎 𝟒 𝟑
𝟏+𝟕 𝟒−𝟑 𝟑+𝟎 𝟖 𝟏 𝟑
A+B= = .
𝟐 − 𝟐 −𝟏 + 𝟖 𝟓 + 𝟗 𝟎 𝟕 𝟏𝟒
𝟐+𝟏 𝒙+𝒑 𝟑 𝒙+𝒑
C+D= = .
𝒚+𝟏 𝟑 𝒚+𝟏 𝟑
Matriks A dan C di atas tidak dapat dijumlahkan karena ukurannya tidak sama.
 Operasi Matriks Pengurangan

Definisi 2.2.5
Jika A=(aij)mxn dan B=(bij)mxn maka A–B didefinisikan sebagai A+(-B)= (aij+(-bij))mxn =(aij - bij)mxn.

Operasi pengurangan tidak dapat dilakukan pada matriks yang ukurannya tidak sama.

Contoh 2.2.6
1 4 3 7 −3 0 −1 0
Jika A = ; B= , C= ,
2 −1 5 −2 8 9 0 3
maka:
1−7 4 − (−3) 3 − 0 −6 7 3
A-B= = .
2 − (−2) −1 − 8 5 − 9 4 −9 −4

A-C, B-C, C-A, C-B tidak dapat dilakukan.

 Operasi Matriks Perkalian Skalar

Definisi 2.2.6

Jika A=(aij)mxn dan α suatu bilangan riil maka hasilkali A dan α, ditulis αA, didefinisikan sebagai
αA=( αaij)mxn.

Contoh 2.2.7
𝟏 𝟒 𝟑 𝟏 𝟒 𝟑 𝟑 𝟏𝟐 𝟗
Jika A = maka 3A=3 = , dan
𝟐 −𝟏 𝟓 𝟐 −𝟏 𝟓 𝟔 −𝟑 𝟏𝟓

−𝟏 𝟑 𝟐 −𝟔
-2AT = -2 𝟐 −𝟒 = −𝟒 𝟖
𝟎 𝟓 𝟎 −𝟏𝟎
 Operasi Matriks Perkalian

Definisi 2.2.7

Jika A=(aij)mxn dan B=(bij)nxr maka hasilkali A dan B, ditulis dengan AB dan didefinisikan sebagai
matriks berukuran mxr yang komponen baris ke-i kolom ke-j dari AB adalah σ𝒏𝒌=𝟏 𝒂𝒊𝒌 𝒃𝒌𝒋 .
Jika banyaknya kolom matriks A tidak sama dengan banyaknya baris matriks B maka AB tidak
terdefinisi.

Contoh 2.2.8
𝟏 𝟕 𝟏 𝟒 𝟑
Jika A= dan B = , maka
𝟒 𝟑 𝟐 −𝟏 𝟓
𝟏𝒙𝟏 + 𝟕𝒙𝟐 𝟏𝒙𝟒 + 𝟕𝒙(−𝟏) 𝟏𝒙𝟑 + 𝟕𝒙𝟓 𝟏𝟓 −𝟑 𝟑𝟖
AB = = , dan
𝟒𝒙𝟏 + 𝟑𝒙𝟐 𝟒𝒙𝟒 + 𝟑𝒙(−𝟏) 𝟒𝒙𝟑 + 𝟑𝒙𝟓 𝟏𝟎 −𝟏𝟑 𝟐𝟕
BA tidak terdefinisi karena banyaknya kolom matriks B tidak sama dengan banyaknya baris matriks A.
 Sifat - Sifat Operasi Matriks
Teorema 2.2.1
Jika A, B, C adalah matriks-matriks yang dapat dijumlahkan maka:
A + B = B + A.
A + (B + C) = (A + B) + C.
Untuk setiap matriks A, terdapat matriks O yang semua komponennya nol sehingga A + O = O+ A = A.
Untuk setiap matriks A=(aij)mxn terdapat matriks -A=(-aij)mxn sehingga A + (-A) = (-A)+A= O.
Teorema 2.2.2
Misalkan A, B matriks yang ukurannya sama, dan α, β bilangan riil.
1. α(A+B) = αA + αB.
2. (α + β)A = αA + βA.
3. (α β)A = α(βA).
4. α(AB) = (αA)B = A(αB).
Teorema 2.2.1
Misalkan A, B, C matriks-matriks sedemikian hingga operasi yang dinyatakan dapat dilakukan, maka:
1. A(BC) = (AB)C.
2. A(B+C) = AB + AC.
3. (B+C)A= BA + CA.
4. (A+B)T = AT + BT dan (A-B)T = AT - BT.
5. (kA)T = k AT, dengan k skalar.
6. (AB)T = BT AT.
 Determinan Matriks

Definisi 2.2.12
Misalkan A matriks persegi. Determinan A, ditulis det(A) atau |A| , dan didefinisikan sebagai jumlah
semua hasil kali elementer bertanda dari A.

Contoh 2.2.14

Jika A=(aij)2x2= 𝒂𝟏𝟏 𝒂𝟏𝟐

, maka det(A)=(1). a11 a22 + (-1). a12 a21 = a11 a22 - a12 a21.
𝒂𝟐𝟏 𝒂𝟐𝟐
𝒂 𝒃
Bentuk ini sama dengan determinan matriks berukuran 2x2, yakni jika A= , maka det(A) =ad – bc.
𝒄 𝒅

Contoh 2.2.15
𝟏 −𝟐
Jika A= maka det(A)=3 – (-14) = 17.
𝟕 𝟑
 Determinan Matriks

Contoh 2.2.16
𝒃𝟏𝟏 𝒃𝟏𝟐 𝒃𝟏𝟑
Jika B=(bij)3x3= 𝒃𝟐𝟏 𝒃𝟐𝟐 𝒃𝟐𝟑
, maka diperoleh hasil kali elementer dari A adalah b11
𝒃𝟑𝟏 𝒃𝟑𝟐 𝒃𝟑𝟑

b22b33 , b12 b23 b31 , b13 b21 b32 , b11 b23 b32 , b12 b21 b33 , b13 b22 b31, dengan rincian sebagai berikut:
a) hasil kali elementer yang bertanda positif: b11 b22b33 , b12 b23 b31 , b13 b21 b32
b) hasil kali elementger yang bertanda negatif: b11 b23 b32 , b12 b21 b33 , b13 b22 b31,
sehingga diperoleh:
det(B)=( b11 b22b33 + b12 b23 b31+b13 b21 b32)–(b11 b23 b32 +b12 b21 b33+ b13 b22 b31).
 Sifat-sifat Determinan Matriks
Ada beberapa sifat yang terkait dengan determinan matriks, seperti yang tercantum dalam teorema di
bawah ini.
Teorema 2.2.4
Jika A=(aij) matriks berukuran nxn, maka berlaku sifat-sifat berikut.
1. Jika A memuat baris nol maka det(A) = 0.
2. Jika A matriks segitiga maka det(A) = a11a22a33 … ann.
3. Jika B matriks yang diperoleh dari A dengan baris ke i dari B sama dengan k kali baris ke i dari A
atau kolom ke j dari b sama dengan k kali kolom ke j dari A, maka det(B) = k.det(A).
4. Jika B matriks yang diperoleh dari A dengan menukar dua baris atau dua kolom dari A maka det(B)
= -det(A).
5. Jika B matriks yang diperoleh dari A dengan baris ke i dari B sama dengan baris ke i dari A ditambah
k kali baris ke j dari A atau kolom ke i dari B sama dengan kolom ke i dari A ditambah k kali kolom ke j
dari A, maka det(B)= det(A).
6. det(A) = det(AT).
7. Jika C suatu matriks nxn maka det(AC) = det(A) det(C).
 Sifat-sifat Determinan Matriks

Contoh 2.2.17
1 −2
Misalkan A= maka det(A)=3 – (-14) = 17.
7 3
2 −4
Jika B= , maka det(B)= 6 – (-28)=34=2det(A).
7 3
8 1
Jika C= , maka det(C)=24 – 7=17=det(A).
7 3
1 7
Jika D= , maka det(D)=3 – (-14)=17=det(A).
−2 3
7 3
Jika E= maka det(A)=(-14) – 3 = -17 = -det(A).
1 −2

Perhatikan bahwa dalam Contoh ...., matriks B diperoleh dari matriks A dengan cara mengalikan baris
ke-1 matriks A dengan 2, matriks C diperoleh dari matriks A dengan cara menambahkan baris ke-2 pada
baris ke-1, matriks D merupakan transpose dari matriks A, sedangkan matriks E diperoleh dari matriks
A dengan menukar 2 baris.
 Invers Matriks

Definisi 2.2.14
Misalkan A matriks persegi. Jika ada matriks persegi B yang berukuran sama dan berlaku AB=BA=I,
maka dikatakan bahwa matriks A dapat dibalik (invertible atau mempunyai invers). Invers dari matriks
A, ditulis A-1, dan A-1=B.

Contoh 2.2.18
2 1 3 −1 1 0 1 0
Jika A = dan B= , maka AB= dan BA= .
3 3 −5 2 0 1 0 1

3 −1
Jadi AB=BA=I, sehingga dapat ditulis A-1= .
−5 2
 Invers Matriks

Definisi 2.2.15
Misalkan A=(aij) matriks berukuran nxn.
Minor aij ,ditulis Mij, didefinisikan sebagai determinan sub matriks A setelah baris ke-i dan kolom ke-j
dihilangkan. Bilangan Cij=(-1)i+j Mij, disebut kofaktor aij.
Matriks (Cij)nxn disebut matriks kofaktor dari A.
Matriks (Cij)T disebut adjoin dari A, ditulis adj(A).
 Invers Matriks
Teorema 2.2.5
Misalkan A=(aij) matriks berukuran nxn, maka:
1. Deteminan dari A atau det(A) sama dengan jumlah dari hasilkali komponen-komponen pada satu baris
(atau kolom) dengan kofaktor-kofaktornya, yaitu
det(A) = ai1Ci1 + ai2Ci2 + … + ainCin (ekspansi kofaktor sepanjang baris ke i)
atau
det(A)= a1jC1j + a2jC2j + … + anjCnj (ekspansi kofaktor sepanjang kolom ke j).
A invertible jika dan hanya jika det(A) ≠ 0.
1
2. Jika A invertible maka det(A-1) = .
det(𝐴)
1
3. Jika A invertible maka A-1 = adj(A).
det(𝐴)

Teorema 2.2.6
1. Jika A dan B matriks berukuran nxn, dengan det(A) ≠ 0, det(B) ≠ 0, maka: (A-1)-1 = A.
2. Untuk n=0, 1, 2, ... berlaku (An)-1 =(A-1)n.
1
3. Untuk skalar tak nol k berlaku (kA)-1 = A-1.
𝑘
4. (AB)-1 = B-1A-1.
5. (AT)-1 =(A-1)T.
 Pengertian Sistem Persamaan Linear (SPL) dan solusi SPL
Definisi 2.2.16
Persamaan linear dengan n variabel adalah persamaan yang berbentuk
a1x1 + a2x2+ … + anxn = b , dengan a1 , a2 , …, an , b bilangan-bilangan riil dan a1 , a2 , …, an tidak
semuanya nol.
Sistem persamaan linear (SPL) yang terdiri atas n persamaan dengan p variabel
𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒑 𝒙𝒑 = 𝒃𝟏
x1 , x2 ,… , xp berbentuk 𝒂𝟐𝟏 𝒙𝟏 + 𝒂𝟐𝟐 𝒙𝟐 +… … + 𝒂𝟐𝒑 𝒙𝒑 = 𝒃𝟐 (*)
𝒂𝒏𝟏 𝒙𝟏 + 𝒂𝒏𝟐 𝒙𝟐 + … + 𝒂𝒏𝒑 𝒙𝒑 = 𝒃𝒏
dengan aij dan bi bilangan-bilangan riil untuk setiap i= 1,2,…, n dan j=1,2,…, p.
Bilangan-bilangan terurut (c1, c2, …, cp) disebut penyelesaian/solusi untuk SPL (*) jika
𝑎11 𝑐1 + 𝑎12 𝑐2 + ⋯ + 𝑎1𝑝 𝑐𝑝 = 𝑏1
𝑎21 𝑐1 + 𝑎22 𝑐2 + … + 𝑎2𝑝 𝑐𝑝 = 𝑏2 .
…
𝑎𝑛1 𝑐1 + 𝑎𝑛2 𝑐2 + … + 𝑎𝑛𝑝 𝑐𝑝 = 𝑏𝑛
Bilangan-bilangan aij untuk setiap i=1, 2, … , n dan j=1, 2, … , p dalam (*) dinamakan koefisien variabel-
variabel SPL, sedangkan bi untuk setiap i= 1,2,…, n dinamakan konstanta SPL.
Pengertian Sistem Persamaan Linear (SPL) dan solusi SPL
Sebagaimana sistem persamaan yang sering dikenal yakni SPLDV (sistem persamaan
linear dua variabel) dan SPLTV (sistem persamaan linear tiga variabel), maka bentuk umum
SPLDV dan SPLTV dituliskan sebagai berikut.
𝑎 𝑥 + 𝑎12 𝑥2 = 𝑏1
SPLDV dengan dua persamaan: ቊ 11 1 .... (**)
𝑎21 𝑥1 + 𝑎22 𝑥2 = 𝑏2
𝑎1 𝑥 + 𝑏1 𝑦 = 𝑐1
atau ቊ
𝑎2 𝑥 + 𝑏2 𝑦 = 𝑐2

𝑎11 𝑥1 + 𝑎12 𝑥2 +𝑎13 𝑥3 = 𝑏1

SPLTV dengan tiga persamaan:ቐ𝑎21 𝑥1 + 𝑎22 𝑥2 +𝑎23 𝑥3 = 𝑏2 .... (***)
𝑎31 𝑥1 + 𝑎32 𝑥2 +𝑎33 𝑥3 = 𝑏3
𝑎1 𝑥 + 𝑏1 𝑦 +𝑐1 𝑧 = 𝑑1
atau ቐ𝑎2 𝑥1 + 𝑏2 𝑦 +𝑐2 𝑧 = 𝑑2
𝑎3 𝑥1 + 𝑏3 𝑦 +𝑐3 𝑧 = 𝑑3

Himpunan semua penyelesaian dari suatu SPL dinamakan Himpunan Solusi atau Himpunan
Penyelesaian (HP).
Pengertian Sistem Persamaan Linear (SPL) dan solusi SPL

Contoh 2.2.19

𝑥 − 2𝑦 + 𝑧 = 6
Bentuk ቐ 3𝑥 − 𝑦 + 2𝑧 = 13 merupakan sistem persamaan linear tiga variabel dengan tiga persamaan.
2𝑥 + 𝑦 − 4𝑧 = −11
Bilangan terurut (2, -1, 3) merupakan solusi SPL tersebut.
Sedangkan himpunan penyelesaian SPL tersebut adalah HP={(2,-1,3)}.
Perhatikan bahwa HP suatu SPL merupakan himpunan, sehingga tidak benar jika himpunan
penyelesaian SPL tersebut dituliskan dengan HP=(2,-1,3).
 SPL dalam bentuk Matriks
Dengan menggunakan matriks, maka
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑝 𝑥𝑝 = 𝑏1
SPL 𝑎21 𝑥1 + 𝑎22 𝑥2 +…… + 𝑎2𝑝 𝑥𝑝 = 𝑏2 dapat ditulis dalam bentuk
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + … + 𝑎𝑛𝑝 𝑥𝑝 = 𝑏𝑛

𝑎11 𝑎12 … 𝑎1𝑝 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑝 𝑥2 𝑏2
. . .
. . = atau AX=B, dengan
.
. . .
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑝 𝑥𝑝 𝑏𝑛

𝑎11 𝑎12 … 𝑎1𝑝 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑝 𝑥2 𝑏2
. . .
Anxp= . , Xpx1 = . , dan B nx1= .
.
. . .
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑝 𝑥𝑝 𝑏𝑛
 Jenis - Jenis SPL

Berdasarkan SPL dalam bentuk AX=B, maka SPL dapat dibedakan menjadi dua, yaitu:
1. SPL homogen, jika B=O.
2. SPL non homogen, jika BO.

Berdasarkan solusi yang dimiliki oleh SPL, maka SPL dapat dibedakan menjadi dua, yaitu:
1. SPL konsisten (consistent), jika SPL tersebut mempunyai solusi.
2. SPL tak konsisten (inconsistent), SPL tersebut tidak mempunyai solusi.

SPL homogen pasti mempunyai solusi, yakni solusi nol yang berbentuk (0, 0, …, 0). Dengan demikian
SPL homogen selalu konsisten.
 Jenis - Jenis SPL
Ada beberapa sifat yang terkait dengan SPL AX=B, antara lain dinyatakan dalam teorema berikut.
Teorema 2.2.7
Jika A matriks berukuran nxn, maka pernyataan berikut ekivalen.
A invertible (mempunyai invers).
SPL AX=O hanya memiliki solusi nol.
SPL AX=B konsisten untuk setiap matriks B berukuran nx1.
SPL AX=B memiliki tepat satu solusi untuk setiap matriks B berukuran nx1.

Teorema 2.2.8
Misalkan A matriks berukuran mxn, X matriks berukuran nx1, dan B matriks berukuran mx1.
Jika mn maka SPL AX=B mempunyai tak hingga banyak solusi.
Jika m=n dan det(A)=0 maka SPL AX=O mempunyai solusi tak nol. Contoh 2.2.20

Contoh 2.2.20
𝑥 − 2𝑦 + 𝑧 = 0
SPL ቐ3𝑥 − 𝑦 + 2𝑧 = 0 merupakan sistem persamaan linear konsisten dan hanya mempunyai solusi nol.
2𝑥 + 𝑦 − 4𝑧 = 0
 Metode Penyelesaian SPL
Ada beberapa cara/metode yang sering digunakan untuk menentukan solusi dari suatu SPL, seperti metode
grafik, metode eliminasi, metode substitusi, dan metode campuran (eliminasi dan substitusi). Dalam
bagian ini disajikan penyelesaian SPL dengan menggunakan matriks.

Sebagaimana dinyatakan pada bagian sebelumnya, sistem persamaan linear dengan p variabel dan n
persamaan dapat dinyatakan dalam bentuk persamaan matriks

𝑎11 𝑎12 … 𝑎1𝑝 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑝 𝑥2 𝑏2
. . .
. . = atau AX=B dengan
.
. . .
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑝 𝑥𝑝 𝑏𝑛

𝑎11 𝑎12 … 𝑎1𝑝 𝑥1 𝑏1

𝑎21 𝑎22 … 𝑎2𝑝 𝑥2 𝑏2
. . .
Anxp= . , Xpx1 = . , dan Bnx1= .
.
. . .
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑝 𝑥𝑝 𝑏𝑛
 Metode Penyelesaian SPL

𝑎11 𝑎12 … 𝑎1𝑝 𝑏1

𝑎21 𝑎22 … 𝑎2𝑝 𝑏2
Matriks ⋮ ⋮ ⋮ ⋮ disebut augmented matrix
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛𝑝 𝑏𝑛
(matriks yang diperbesar) yang diperoleh dari SPL
tersebut.

Metode dasar untuk menyelesaikan SPL dengan menggunakan matriks adalah mengubah SPL yang
diketahui menjadi SPL baru yang mempunyai himpunan penyelesaian sama tetapi lebih mudah
menyelesaikannya. SPL baru ini diperoleh dengan menggunakan sederet langkah yang tidak mengubah
solusinya.

Ketiga jenis operasi berikut untuk mengeliminasi variabel-variabel secara sistematis.

1. Mengalikan sebuah persamaan dengan bilangan riil tak-nol.
2. Menukar dua persamaan.
3. Menambah kelipatan dari satu persamaan pada persamaan yang lain.
 Metode Penyelesaian SPL

Karena baris dalam augmented matrix bersesuaian dengan persamaan dalam SPL yang diasosiasikan
dengan baris tersebut maka ketiga operasi ini bersesuaian dengan operasi pada baris augmented matrix.
1. Mengalikan sebuah baris dengan bilangan riil tak-nol.
2. Menukar dua baris.
3. Menambah kelipatan dari satu baris pada baris yang lain.
Operasi-operasi ini disebut Operasi Baris Elementer (OBE).
Berikut contoh menyelesaikan suatu SPL dengan menggunakan OBE pada augmented matrix dari SPL
tersebut.

Contoh 2.2.21
𝑥 + 𝑦 + 2𝑧 = 9
Carilah himpunan penyelesaian (Hp) SPL ቐ2𝑥 + 4𝑦 − 3𝑧 = 1 menggunakan OBE. Penyelesaian:
3𝑥 + 6𝑦 − 5𝑧 = 0

1 1 2 9
Augmented matrix dari SPL di atas adalah: 2 4 −3 1 .
3 6 −5 0
 Metode Penyelesaian SPL
Selanjutnya dengan menggunakan OBE diperoleh hasil sebagai berikut.
1 1 2 9 1 1 2 9 1
2 4 −3 1 𝐵2 − 2𝐵1 ~ 0 2 −7 −17 𝐵
2 2 ~
3 6 −5 0 𝐵3 − 3𝐵1 0 3 −11 −27 𝐵3 − 3 𝐵2
2

1 1 2 9 1 1 2 9 1 0
11 35
7 17 2 2
0 1 −2 − 2 ~ 0 1
7 17
− 2 − 2 𝐵1 − 𝐵2 ~ 0 7 17
1 3
1 −2 −2
0 0 −2 −2 2𝐵3 0 0 1 3 0 0 1 3

11 1 0 0 1
𝐵1 − 2 𝐵2 ~ 0 1 0 2
7 0 0
𝐵2 + 2 𝐵3 1 3
𝑥 + 0𝑦 + 0𝑧 = 1
Dari matriks terakhir diperoleh SPL ቐ0𝑥 + 𝑦 + 0𝑧 = 2 , sehingga diperoleh z= 3, y = 2, x = 1.
0𝑥 + 0𝑦 + 𝑧 = 3
Jadi penyelesaian SPL di atas adalah (1,2,3) dan himpunan penyelesaiannya adalah Hp={(1,2,3)}.
 Metode Penyelesaian SPL

Contoh 2.2.22

𝑥 − 𝑦 + 2𝑧 − 𝑤 = −1
2𝑥 + 𝑦 − 2𝑧 − 2𝑤 = −2
Tentukan himpunan penyelesaian (Hp) dari SPL .
−𝑥 + 2𝑦 − 4𝑧 + 𝑤 = 1
3𝑥 − 3𝑤 = −3
Penyelesaian:
1 −1 2 −1 −1
Augmented matrix SPL di atas adalah 2 1 −2 −2 −2 .
−1 2 −4 1 1
3 0 0 −3 −3
 Metode Penyelesaian SPL
Dengan menggunakan OBE, diperoleh hasil sebagai berikut.
1 −1 2 −1 −1 1 −1 2 −1 −1 1
𝐵
2 1 −2 −2 −2 𝐵2 − 2𝐵1 ~ 0 3 −6 0 0 3 2
~
−1 2 −4 1 1 𝐵3 + 𝐵1 0 1 −2 0 0 𝐵 − 1𝐵
3 3 2
3 0 0 −3 −3 𝐵4 − 3𝐵1 0 3 −6 0 0
𝐵4 − 𝐵2
1 −1 2 −1 −1 𝐵1 + 𝐵2 1 0 0 −1 −1
0 1 −2 0 0 ~ 0 1 −2 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
𝑥 – 𝑤 = −1
Diperoleh SPL dalam bentuk ቊ
𝑦 − 2𝑧 = 0
Jika z=s dan w=t, maka diperoleh x=t-1; y=2s; sehingga penyelesaian dari SPL tersebut adalah (x, y, z,
t)=(t-1, 2s, s, t) untuk sebarang bilangan real s dan t.
Jadi Hp={(t-1,2s,s,t) | s, t di R}.
 Metode Penyelesaian SPL
Contoh 2.2.23
𝑥 + 𝑦 − 2𝑧 = 6
Tentukan himpunan penyelesaian SPL ቐ 2𝑥 + 𝑧 = 2 .
𝑥 − 𝑦 + 3𝑧 = 0
Penyelesaian.
1 1 −2 6
Augmented matrix SPL di atas adalah 2 0 1 2 .
1 −1 3 0

Dengan menggunakan OBE diperoleh hasil sebagai beikut.

1 1 −2 6 1 1 −2 6 1 1 −2 6
2 0 1 2 𝐵2 − 2𝐵1 ~ 0 −2 5 −10 −𝐵2 ~ 0 2 −5 10 .
1 −1 3 0 𝐵3 − 𝐵1 0 −2 5 −6 𝐵3 − 𝐵2 0 0 0 4

Baris ketiga matriks terakhir menyatakan persamaan 0x+0y +0z = 4.

Jelas tidak mungkin ada nilai x, y, z yang memenuhi persamaan 0x+0y +0z = 4.
Jadi SPL di atas tidak mempunyai penyelesaian.
Jadi Hp={ } = .