1912003
TEKNIK ELEKTRO S-1
Linier algebra:
Matriks, Vektor,
Determinan.
Sistem linier
7.1Matrik, vektor:
Penjumlahan dan perkalian skalar
matriks adalah array persegi panjang dari angka atau fungsi yang akan kita
masukkan dalam tanda kurung
0 , 3 1 −5 , ,
| 0 − 0,2 16 |
(1)
,
𝑒 − 𝑥 2 𝑥2
|𝑒6 𝑥 4𝑥 |, ,
Matriks yang hanya memiliki satu baris atau kolom disebut vektor.
Jadi, matriks keempat pada (1) hanya memiliki satu baris dan disebut vektor baris.
Matriks terakhir pada (1) hanya memiliki satu kolom dan disebut vektor kolom.
Karena tujuan pengindeksan entri adalah untuk secara unik mengidentifikasi
posisi elemen dalam matriks, satu indeks cukup untuk vektor, apakah itu vektor
baris atau kolom. Jadi, entri ketiga dari vektor baris di (1) dilambangkan dengan
a3.
sistem linier, aplikasi utama dari matriks
4 𝑥 1+6𝑥 2+9 𝑥3=6
6 𝑥1 −2
𝑥 3=20
5 𝑥1− 8 𝑥2+𝑥3=10
𝑎 11 𝑎 12 … 𝑎1𝑛
(2)
[
A=[ 𝑎 𝑗𝑘 ] =
𝑎 21
.
𝑎 𝑚1
𝑎 22
.
𝑎𝑚2
…
…
…
𝑎2𝑛
.
𝑎 𝑚𝑛
]
matriks persegi sangat penting, seperti yang akan kita lihat.
matriks dengan ukuran m x n disebut matriks persegi panjang
vektor
Vektor adalah matriks dengan hanya satu baris atau kolom.
Entri ini disebut komponen vektor.
Vektor baris
𝒂=
[𝑎1 𝑎2 … 𝑎𝑛] Contoh: 𝒂=
[ −2 5 0 1 ]
Vektor kolom
𝑏1 4
[ ]
𝐛= 𝑏 2
…
𝑏𝑚
Contoh:
𝐛= 0
−7[ ]
penjumlahan dan perkalian skalar matriks dan vektor
kesetaraan matriks
Dua matriks A = [ajk] dan B = [bjk] sama, ditulis A = B, jika
dan hanya jika mereka memiliki ukuran yang sama dan file
entri terkait adalah sama, yaitu, a11 = b11, a12 = b12, dan
begitu seterusnya. matriks yang tidak sama disebut different. dengan
demikian, matriks dengan ukuran berbeda selalu berbeda
Penjumlahan matriks
Jumlah dari dua matriks A = [ajk] dan B = [bjk] dengan ukuran yang
sama ditulis A + B dan memiliki entri ajk + bjk yang diperoleh dengan
menambahkan entri yang sesuai dari A dan B. Matriks dengan
ukuran berbeda tidak dapat dijumlahkan.
a) A+B=B+A
(3) b) (A + B) + C = A + (B + C) (ditulis A + B + C)
c) A+0=A
d) A + (-A) = 0
a) c(A + B) = cA + cB
b) (c + k)A = cA + k A
(4) c) c(kA) = (ckA) (ditulis ckA)
d) 1A = A
7.2 Perkalian Matriks
Perkalian Matriks dengan Matriks
𝑛 𝑗=1 , …,𝑚
𝑐 𝑗𝑘=∑ 𝑎 𝑗𝑙 𝑏𝑙𝑘 =𝑎𝑗1𝑏1𝑘+𝑎𝑗 2𝑏2𝑘+…+¿𝑎 𝑗𝑛𝑏𝑛𝑘 ¿
𝑙=1 𝑘 =1 , …, 𝑝
Kondisi r = n berarti faktor kedua, B, harus ada
baris sebanyak faktor pertama memiliki kolom, yaitu n. sebuah diagram
ukuran yang menunjukkan saat perkalian matriks kemungkinan adalah
sebagai berikut:
Entri cjk di (1) diperoleh dengan mengalikan setiap entri di
baris ke-j dari A dengan entri yang sesuai di kolom k dari
B dan kemudian menambahkan produk n ini. Misalnya, c21 = a21b11 +
a22b21 +… + a2nbn1, dan seterusnya. Ini disebut secara singkat
perkalian baris menjadi kolom. Untuk n = 3, berikut gambarannya
n =3 p =2 p =2
𝑎 11 𝑎12 𝑎 13 𝑏 11 𝑏 12 𝑐 11 𝑐 12
m=4
[ 𝑎 21
𝑎 31
𝑎 41
𝑎 22
𝑎32
𝑎 𝑚2
𝑎 23
𝑎 33
𝑎 43
][ 𝑏 21 𝑏 22
𝑏31 𝑏 32 ] [
= 𝑐𝑐 21 𝑐 22
31 𝑐 32
𝑐 41 𝑐 42
] m=4
Contoh 1
Perkalian Matriks
3 5 −1 2 −2 3 1 22 −2 4 3 42
𝐀𝐁= 5
−6 [ 0
−3
2 5
2 9][ 0
−4
7
1 1 ][
8 = 26
−9
−16
4
14 6
−37 − 28 ]
Di sini c11 = 3 · 2 + 5 · 5 + (−1) · 9 = 22, dan seterusnya. Entri masuk
kotaknya adalah c23 = 4 · 3 + 0 · 7 + 2 · 1 = 14. Produk BA adalah
tidak terdefinisikan.
Contoh perkalian matriks dengan vektor
4 2 3 4 .3+ 2.5 22 3 4 2
[1 ][ ] [
8 5
=
1.3+8.5
=
][ ]
43
dimana [ ][
5 1 8 ] Tak terdefinisi
asalkan A, B, dan C sedemikian rupa sehingga ekspresi pada kiri ditentukan; di sini, k
adalah skalar apa saja. (2b) disebut hukum asosiatif. (2c) dan (2d) disebut distributif
hukum.
karena perkalian matriks baris menjadi kolom, kita dapat
menulis rumus pendefinisian (1) lebih kompak sebagai
𝑐 𝑗𝑘=𝑎𝑗𝑏𝑘
*Transpose dari vektor baris adalah vektor kolom, begitu juga sebaliknya
Transposisi Matrik Dan Vektor
𝑎 11 𝑎 21 … 𝑎 𝑚1
[
𝐴 𝑇 =[ 𝑎 𝑗𝑘 ] =
𝑎 12
.
𝑎 1𝑛
𝑎 22
.
𝑎2𝑛
… 𝑎𝑚2
… .
… 𝑎 𝑚𝑛
]
Sebagai kasus khusus, transposisi mengubah vektor baris menjadi
vektor kolom dan sebaliknya.
transposisi memberi kita pilihan bahwa kita dapat bekerja dengan matriks
atau transposisinya, mana saja yang lebih nyaman
a) (AT)T = A
b) (A + B)T = AT + BT
(10)
c) (cA)T = CAT
d) (AB)T = BTAT
20 120 200 0 1 −3
𝐴= 120
200[ 10
150
150
30 ]
3[
𝐵= − 1 0
2
−2
0 ]
simetris Skew simetris
12) AS = SA = cA.
Secara khusus, matriks skalar,
yang semua entri pada diagonal
utama adalah 1, disebut matriks
satuan (atau matriks identitas)
dan dilambangkan dengan In atau
hanya dengan I. Untuk I, rumus
(12) menjadi
(13) AI = IA = A.
(1)
2 𝑥 +5 𝑥2=2
13
𝑥 2=−26
di mana c1, c2,…, cm adalah salah satu skalar. Sekarang perhatikan persamaannya
(1)
Jelas, persamaan vektor ini (1) berlaku jika kita memilih semua cj nol, karena
kemudian menjadi 0 = 0.
Jika ini adalah satu-satunya m-tupel skalar yang (1) dipegang, maka vektor kita a(1),
…, a(m) dikatakan membentuk himpunan bebas linier atau, lebih singkatnya, kita
menyebutnya bebas linier.
Sebaliknya, jika (1) juga berlaku dengan skalar tidak semuanya nol, kita menyebut
vektor ini dependen linier.
Rank of a Matrix
Definisi
Pangkat matriks A adalah jumlah maksimum vektor baris bebas linier dari A. Ini
dilambangkan dengan peringkat A.
Teorema 1
baris setara matriks
matriks ekuivalen baris memiliki peringkat yang sama
Determinan dari Rank
Ruang vector Rn
ruang vektor Rn yang terdiri dari semua vektor dengan n
komponen (n bilangan real) berdimensi n
untuk matriks A, kita menyebut vektor bentang baris sebagai ruang baris A.
demikian pula, bentang vektor kolom A disebut ruang kolom A