● ALIYATUR RISKA S (02)

● IKA AGUSTIN (06)

● MEIDITA SHANTY KUSUMA (09)
● NUR HAFIDAH (11)
● NUR JAMILA (13)
● ULIL FAJRIYAH (16)
SISTEM PERSAMAAN LINIER
CONTOH
 METODE GAUSS-JORDAN (GAUSSIAN)
• Penyelesaian sistem persamaan linier menggunakan eliminasi Gauss dapat digunakan untuk penyelesaian sistem
persamaan linier dimana matriks A berbentuk empat persegi panjang ( Tidak harus berbentuk bujursangkar seperti
penyelesaian diatas).
• Penyelesaian dengan Eliminasi Gauss adalah mereduksi baris Matriks Perluasan A* menjadi matriks Eleson Baris ( Row-
Echelon Form )
CONTOH
x1  x2  2 x3  9
2 x1  4 x2  3x 3  1
3x1  6 x2  5 x3  0
Matriks yang diperluas A* untuk sistem persamaan linier diatas adalah:

1 1 2 9
A*  2 4  3 1
3 6  5 0
 PENYELESAIAN

1 1 2 9 
0 2 7  17 
 

3 6 5 0  

1 1 2 9 
0 2 7  17 
 

0 3  11  27
1 1 2 9 
 7 17 
0  
2 
1
0 2
 3  11  27 

 
1 1 2 9 
 7 17 
0 1   
 2 2 
0 0 
1

3 

 2 2 


1 1 2 9 
 7 17 
0  
2
1
0 2
 0 1 3 
 Sistem yang bersesuaian dengan matriks ini adalah :

x1  x2  2 x3  9
7 17
x2  x3  
2 2

x3  3
17 7 17 21 4
x2    3   2
2 2 2 2 2
x1  9  2  2.3  1
x1  1, x2  2, x3  3
 11 35 
1 9   1 0 1 0 0 1 
1 2 2 
 7 17  
2
17   7 17 
0 1  2  
7
0   0 1   
2 
1
2  2 2
0 0 1 2
0 0 0 1 3 
 0 1 3   3 
 
 SISTEM PERSAMAAN LINEAR HOMOGEN
Sistem persamaan linear Homogen merupakan kasus khusus dari Sistem persamaan linear biasa Ax = b untuk kasus b = 0. Karena bentuknya yang
demikian maka pastilah pada matriks diperbesar [ ] bA setelah dilakukan eliminasi Gauss–Jordan kolom terakhirnya akan selalu nol sehingga
penyelesaian dari SPL akan selalu ada . Ada dua macam penyelesaian dalam SPL homogen ini yaitu trivial ( tak sejati ) dan tak trivial ( sejati ).
Penyelesaian trivial terjadi jika satu – satunya penyelesaian untuk SPL adalah x = 0 hal ini terjadi jika semua kolom pada matriks diperbesar [ ] bA (
setelah dilakukan eliminasi Gauss– Jordan ) memiliki satu utama kecuali untuk kolom yang terakhir atau dengan kata lain semua kolom pada matriks A
memiliki satu utama . Jika hal yang sebaliknya terjadi yaitu tidak semua kolom pada matriks A ( setelah dilakukan eliminasi Gauss–Jordan )
memilki satu utama atau jika terdapat baris nol maka penyelesaian untuk SPL adalah penyelesaian tak trivial yaitu penyelesaian tak hingga banyak.
 MATRIKS
Definisi :
Matriks adalah himpunan skalar yang disusun secara empat persegi panjang menurut baris dan kolom.
matriks secara umum:

Ordo Matriks
 Operasi-operasi pada Matriks
a. Penjumlahan Matriks
b. Perkalian Skalar terhadap Matriks
c. Perkalian Matriks
 DETERMINAN
Suatu fungsi tertentu yang menghubungkan suatu bilangan real dengan suatu matriks bujursangkar. Determinan matriks A dituliskan |A|
1. Cara Sarrus => Metode Sarrus hanya untuk matriks berdimensi 2x2 dan 3x3

contoh
Minor & Kofaktor
• Jika elemen-elemen baris ke-i dan kolom ke-j matriks A dihilangkan sehingga terdapat matriks bujur sangkar (n-1),
maka determinan dari matriks bujur sangkar ini disebut dengan Minor aij dilambangkan dengan Mij
• Kofaktor aij dilambangkan dengan αij adalah
α ij = (-1)i+j Mij
Adjoint Matriks
Contoh :
2. Ekspansi Kofaktor
Nilai Determinan suatu matriks bujur sangkar A berordo n sama dengan jumlah perkalian masing-masing elemen suatu baris
(kolom) dengan kofaktornya
Determinan suatu matriks A berordo n dapat dicari dengan 2n cara ekspansi kofaktor
Sifat-sifat Determinan
 INVERS MATRIKS
Definisi : Contoh : carilah invers dari matriks A
Kebalikan (invers) A-1 dari matriks bujur sangkar non singular A
= (aij) sama dengan adjoint A dibagi dengan determinan A.

adj. A
1 2 3
A 1 
A A  1 3 4
Tidak semua matriks bujur sangkar mempunyai invers.
1 4 3
Matriks yang mempunyai invers ( ) disebut matrik non-singular,
matriks yang tidak mempunyai invers( ) disebut matriks 1 2 3
singular A  1 3 4  2
1 4 3

 7 6  1
adj.A   1 0  1
 1  2 1 
 1 adj. A
A 
A

 7 6  1
(adj.A)   1 0  1
1 1
A 2
 1  2 1 

 7 1 
 2 3
2 
 1 1 
  0 
 2 2 
 1 1 
1

 2 2

 VEKTOR
Definisi :
Vektor adalah suatu potongan (ruang, segmen) garis yang
mempunyai arah.
Vektor di Ruang R2
Vektor di Ruang R3

a. Sistem Koordinat Ruang

Vektor-vektor dalam ruang digambarkan dalam sistem koordinat
ruang, yaitu dengan sistem koordinat ortogonal.
Sumbu X dan sumbu Y mendatar (horisontal) sedangkan sumbu Z
vertikal. Ketiga sumbu tersebut saling tegak lurus dan
perpotongan di titik pangkal O(0,0,0).
Beberapa dalil pada operasi Vektor
 VEKTOR EIGEN
Definisi :
• Jika A adalah sebuah matriks n x n, maka sebuah vektor yang tak nol x di dalam Rn
dinamakan vektor eigen dari A jika Ax adalah kelipatan skalar dari x, yaitu:
Ax = λx
untuk suatu skalar λ.
Skalar λ dinamakan nilai eigen dari A dan x dikatakan sebuah vektor eigen yang
bersesuaian dengan A

Contoh :
Vektor adalah vektor eigen dari matriks

yang bersesuaian dengan nilai eigen λ = 3, karena