MATRIKS

MATEMATIKA 2
YUNITA A. MESSAH, ST.,MT
Teknik Sipil-FST Universitas Nusa Cendana
2012
Deskripsi
Mata kuliah ini merupakan mata kuliah dasar umum yang mempelajari
berbagai jenis matriks, matriks khusus, transpos matriks, dan invers
matriks.
Pada kuliah ini mahasiswa diberikan pembelajaran tentang matriks
dasar dan dikembangkan lagi dengan mendapatkan invers matriks
menggunakan eliminasi Gauss Jordan, penghitungan matriks dengan
aturan Cramer, cara penghitungan rank matriks serta mencari nilai
eigen dan vektor eigen. Beberapa sifat determinan matriks untuk aturan
Cramer dibahas pula dengan contoh pengerjaan soal.
Kompetensi Khusus
Pemahaman tentang macam-macam jenis
matriks;
Trampil dalam menghitung dan
menyelesaikan transpose matriks, sistem
persamaan linier dan persamaan Gauss,
rank matriks, invers matriks, determinan
dan aturan Cramer serta penghitungan
nilai eigen dan vektor eigen.
Kontrak Perkuliahan
1. Kehadiran dikelas minimal 80%, jika kurang tidak
diperkenankan untuk mengikuti Ujian Akhir Semester
(UAS). Empat pertemuan awal menentukan Anda
layak/tidak untuk melanjutkan mata kuliah ini.
2. Evaluasi yg dilakukan adalah evaluasi perkelompok.
Setiap kelompok terdiri dari 5-6 orang mhsw/i. Evaluasi
diberikan setelah selesai sub pokok bahasan/ pokok
bahasan.
3. Tugas Besar dikumpul sebelum UAS
4. Kehadiran di perkuliahan paling telat 15 menit setelah jam
perkuliahan dimulai (ex: jam kuliah, 08.15 paling telat
08.30)
5. Pakaian bebas rapi (kemeja/kaos berkerah dan bersepatu).
Tidak diijinkan memakai jaket dalam ruang kuliah.
 Jadwal Kegiatan Perkuliahan
Pertemuan Hari/Tanggal
1 Selasa, 14 Februari 2012
2 Selasa, 21 Februari 2012
3 Selasa, 28 Februari 2012
4 Selasa, 06 Maret 2012
5 Selasa, 13 Maret 2012
6 Selasa, 20 Maret 2012
7 Selasa, 27 Maret 2012
8 Selasa, 03 April 2012
9 Selasa, 10 April 2012
10 Selasa, 17 April 2012
11 Selasa, 24 April 2012
12 Selasa, 01 Mei 2012
13 Selasa, 08 Mei 2012
14 Selasa, 15 Mei 2012
15 Selasa, 22 Mei 2012
16 Selasa, 29 Mei 2012
Materi
Kontrak Perkuliahan: Matriks (Definisi & Jenis-jenis Matriks)
Transpose Matriks;,Sistem Penyelesaian dan Eliminassi Gauss
Rank Matriks, Invers Matriks, Determinan Matriks & Aturan
Carmer, Eigen dan Vektor Eigen
Vektor (1)
Vektor (2)
Persamaan Differensial (1)
Persamaan Differensial (2)
Persamaan Differensial (3)
Ujian Tengah Semester
Pers. Diferensial Homogen dengan Koef. Konstan
Pers. Diferensial Orde ke – N dengan Koef. Konstan
Integral Ganda /Rangkap (1)
Integral Ganda /Rangkap (2)
Deret Fourier (1)
Deret Fourier (2)
Ujian Akhir Semester
DEFINISI MATRIKS
 Matriks adalah susunan bilangan z (nyata / kompleks) yang dinyatakan
dalam bentuk :
 A=

 Garis horisontal disebut baris atau vektor baris.

 Garis vertikal disebut kolom atau vektor kolom.
JENIS-JENIS MATRIKS
 Matriks baris atau vektor baris adalah matriks yang hanya mempunyai 1
baris.
B=
 Matriks kolom atau vektor kolom adalah matriks yang hanya mempunyai 1
kolom.

 Matriks bujursangkar adalah matriks yang mempunyai banyak baris dan

banyak kolom.
 a11 a12 ... a1n 
a a22 ... a2 n 
A  21

    
 
an1 an 2  ann 

 a11, a22, ..., ann disebut diagonal utama atau diagonal prinsipal.
 Sebarang matriks yang didapat dengan menghilangkan beberapa baris dan
beberapa kolom disebut SUB MATRIK.
CONTOH
 1 2 3
1. Tentukanlah semua submatrik dari :  4 5 6
 

Penyelesaian :
 Submatriks 2 x 2

 Submatriks 1 x 3
 Submatriks 2 x 1  3
6 
 

Submatriks 1 x 2 1 2
 Submatriks 1 x 1 1

2. Tentukanlah semua submatriks dari :

M F

A 40 80

D 50 70

C 55 65
Definisi Kesamaan 2 Matriks
Kesamaan 2 Matriks, Matriks A dan B disebut sama jika dan hanya jika A dan
B mempunyai banyak baris dan banyak kolom yang sama dan elemen yang
seletak sama.

Definisi Penjumlahan dan Pengurangan Matriks adalah penjumlahan dan

pengurangan terdefinisi untuk matriks dengan jumlah baris dan kolom yang
sama.

Sifat – Sifat :
 A+ B =B +A Komulatif
 ( u + v ) + w = u + (v + w) Asosiatif
 A+ 0=A
 A+ -A= 0
Definisi Perkalian Matriks dengan Skalar

Sifat – Sifat :
C ( A + B ) = CA + CB
( C + K ) A = CA + KA
C ( KA ) = ( CK ) A
A=A
Teorema ( Ruang Vektor Matriks)
Matriks nyata atau kompleks m x n membentuk ruang vektor nyata atau
kompleks. Basis memuat mn matriks Ers ( r = 1, ....m ; s = 1, ....,n ) dengan
Ers matriks m x n dengan Ers = 1 (yaitu elemen baris ke – r dan kolom ke –
s adalah 1) dan elemen yang lain adalah 0.
 
Contoh :  2 3
Tentukan basis dari A    1 4
 

Penyelesaian :

1 0  0 1  0 0  0 0
E11    E12    E21    E22   
 0 0   0 0  1 0  0 1 

A = 2 E11 + 3 E12 – E21 + 4 E22

Perkalian Matriks dengan Matriks
Matriks dapat dikalikan dengan matriks jika banyak kolom matriks pertama
sama dengan banyak matriks.

n
C jk   a je .bek  a j1b1k  a j 2b2 k  ....  a jnbnk
e1
Teorema ( Sifat Perkalian Matriks )

Asosiatif

(KA) B = K (AB) = A (KB)

A (BC) = (AB) C

Distributif

( A + B) C = AC + BC

C (A + B) = CA + CB

Perkalian matriks tidak komutatif AB ≠ BA

Hukum Konselasi tidak berlaku, yaitu :

AB = 0 tidak menyatakan A = 0 atau B = 0

Matriks-Matriks Khusus
Matriks Segi-3 Bawah
Matriks bujursangkar dengan elemen-elemen di atas diagonal utama
adalah 0.
Contoh :
2 0 0
B   3 4 0 
 6 5  1

Matriks Segi-3 Atas

Matriks bujursangkar dengan elemen-elemen di bawah diagonal utama
adalah 0.
Contoh :
 5 7 6 
A   0 1 9 
 0 0  8
Matriks Diagonal
Matriks bujursangkar yang elemen-elemen di atas dan di bawah diagonal
utama adalah 0.
1 0 0 
D  0 2 0 
0 0  4

Matriks Skalar
Matriks diagonal yang elemen-elemennya sama.
Contoh :
 2 0 0
S  0 2 0
0 0 2

Matriks Identitas
Matriks skalar yang elemen-elemen pada diagonal utama adalah 1.
Contoh :
1 0 0
I  0 1 0
0 0 1
Transpose Matriks
Transpos matriks Amxn adalah ATmxn dengan mengubah baris menjadi
kolom dan kolom menjadi baris.

Sifat – Sifat :
1. (AT)T = A
2. (A + B)T = AT + BT
3. (AB)T = BT AT

Matriks nyata A disebut simetris jika sama dengan transposnya.

AT = A
Matriks nyata A disebut skew simetris jika sama dengan negatif
transposnya.
-AT = A
Sebarang matriks bujursangkar A dapat dituliskan sebagai jumlah
matriks simetris R dan matriks skew simetris S dengan :
R = ½ ( A + AT) dan S = ½ ( A – AT )
Contoh
1 2 
A 
4 6

1   1 2  1 4  
R   
2 4 6 2 6 

1 2 6
= 
2 6 12

1 3 T
R=   = R
3 6

1  1 2  1 4  
S=   
2 4 6 2 6 

1 0  2 0  1
= 
2 2 0  1 0 

0 1
ST =  
  1 0
0  1
- ST =  S
1
 0 
SISTEM PERSAMAAN LINIER & ELIMINASI GAUSS
a11x1 + a12x2 + ....+ a1nxn = b1
......
am1x1 + am2x2 + ... + amnxn = bm

a11, a12 , ... , amn disebut koefisien, jika bi = 0, i = 1,2,.....,m maka sistem
tersebut disebut homogen. Jika ada salah satu dari bi ≠ 0 maka sistem
tersebut disebut non homogen.
 a11 a12 ... a1n   x1   b1 
          
     
          
    
a
 m1 a m2 ... a mn   xn  bn 

 a11 ... a1n b1 

      ~
 ~
 A, A matriks augmented
     
 
am1 ... amn bm 
Contoh
Banyak Penyelesaian
30 x1 + 20 x2 + 20x3 – 50x4 = 80
6 x1 + 15 x2 + 15x3 – 54x4 = 27
12 x1 – 3 x2 – 3 x3 + 24 x4 = 21
Penyelesaian
B1 30 20 20  50 80 
B2  6 15 15  54 27  B1  5B2
B3 12  3  3 24 21 2 B1  5B3

B1 30 20 20  50 80 
B2  0  55  55 220  55
B3  0 55 55  220 55  B2  B3

B1 30 20 20  50 80 
B2  0  55  55 220  55
B3  0 0 0 0 0 

30x1 + 20x2 + 20x3 – 50x4 = 80

-55x2 – 55x3 + 220 x4 = -55
x2 = 0 , x3 = 0 , x4 = -55/220 = -1/4
30x1 – 50(-1/4) = 80
30x1 + 25/2 = 160/2 , 30 x1 = 135/2
x1 = 135/60
x2 = 0, x4 = 0
-55 x3 = - 55
x3 = 1

30x1 + 20 = 80
30x1 = 60
x1 = 2
Penyelesaian Tunggal

-x1 + x2 + 2x3 = 2
3x1 – x2 + x3 = 6
-x1 + 3x2 + 4x3 = 4
Penyelesaian :
  1 1 2 2
 3  1 1 6  B  3B
  2 1

 1 3 4 4 B3  B1

 1 1 2 2 
 0 2 7 12
 
 0 2 2 2  B3  B2
 1 1 2 2 
0 2 7 12 
 
 0 0  5  10

-5x3 = -10
x3 = 2
2x2 + 7x3 = 12
2x2 + 14 = 12
2x2 = -2
x2 = -1
x1 = 1
 Tidak Ada Penyelesaian
3x1 + 2x2 + x3 = 3
2x1 + x2 + x3 = 0
6x1 + 2x2 + 4x3 = 6
Penyelesaian :
 3 2 1 3
 2 1 1 0 2 B  3B
  1 2

6 2 4 6 2 B1  B3

 3 2 1 3
0 1  1 6  2 B  B
  2 3

0 2  2 0

3 2 1 3 
0 1  1 6 
 
0 0 0 12

Bentuk eselon : a11x1 + a12x2 + ... + a1nxn = b1

c22x2 + .... + c2n xn = b2
 RANK MATRIKS

Definisi :

Rank A adalah jumlah maksimum baris yang independen linear dan

matriks A rank matriks 0 adalah 0.

Teorema ( Rank dalam Vektor Kolom)

Rank A adalah jumlah maksimum kolom yang independen linear dari

matriks A karena itu A dan AT mempunyai rank yang sama.

RANK MATRIKS
Contoh :
Tentukan rank dari :
4 3  1 4
A  B=  
  8  6  3 2
Penyelesaian :

4 3
 8  6 4 B2  8B1  B2  2 B1
  4
 4 3
A 
0 0

 1 4 B1
B 
 3 2 B2 B2  3B1

1 4 
B=  
0 14
INVERS MATRIKS
Invers Anxn adalah A-1nxn sedemikian hingga AA-1 = A-1.A = I dengan I

adalah matriks identitas n x n.

Jika A mempunyai invers maka A disebut matriks Nonsingular.

Jika A tidak mempunyai invers maka A disebut matriks Singular.

Jika A mempunyai invers maka inversnya tunggal.

INVERS MATRIKS
Teorema (Keberadaan Invers)

Matriks Anxn mempunyai invers jika dan hanya jika rank A = n dan A

matriks nonsingular jika rank A = n dan singular jika rank A < n.

Contoh :

1 5 3
A  1 12 7
1 10 6

Carilah inversnya dengan Eliminasi Gauss Jordan.

INVERS MATRIKS
1 5 3 ; 1 0 0
i. 1 12 7 ; 0 1 0 B2  B1 iv.
1 10 6 ; 0 0 1 B3  B1

1 5 3 ; 1 0 0 B1  3B3
0 1 4 ;  1 1 0 B 4 B
 7 7 7  2 7 3
0 0 1 ;  2  5 7 

1 5 3 ; 1 0 0 1 5 0 ; 7 15  21
ii. 0 7 4 ;  1 1 0 v. 0 1 0 ; 1 3  4 
0 5 3 ;  1 0 1 7 B3  5B2 0 0 1 ;  2  5 7 

1 5 3 ; 1 0 0 1 0 0 ; 2 0  1
iii. 0 7 4 ;  1 1 0 1 7 B2 vi. 0 1 0 ; 1 3  4
0 0 1 ;  2  5 7  0 0 1 ;  2  5 7 

maka :
2 0  1
A1   1 3  4
 2  5 7 
DETERMINAN DAN ATURAN CRAMER
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
 a11 a12 a13 
D  a21 a22 a23   0
 a31 a32 a33 

b1 a12 a13
D1
x1  D1  b2 a22 a23
D
b3 a32 a33

a11 b1 a13
D2
x2  D2  a21 b2 a23
D
a31 b3 a33
DETERMINAN DAN ATURAN CRAMER

a11 a12 b1
D3
x3  D3  a21 a22 b2
D
a31 a32 b3

a22 a23 a21 a23 a21 a22

D  a11  a12  a13
a32 a33 a31 a33 a31 a32
CONTOH
Selesaikanlah dengan aturan Cramer
2x1 – x2 + 2x3 = 1
x1 + 4x2 + 3x3 = 3
3x1 – 2x2 – 2x3 = 6
Penyelesaian :
2 1 2
4 3 1 3 1 4
D 1 4 3 2  2
2 2 3 2 3 2
3 2 2

= 2 (-8 + 6) + (-2 -9) + 2(-2 – 12) = -43

1 1 2
4 3 3 3 3 4
D1  3 4 3   2
2 2 6 2 6 2
6 2 2

= -8 + 6 + (-6 – 18) + 2 (-6 – 24) = -86

D1  86
x1   2
D  43
CONTOH

2 1 2
3 3 1 3 1 3
D2  1 3 3  2  2
6 2 3 2 3 6
3 6 2

= 2(-6 – 18) – (-2 – 9) + 2(6 – 9) = -43

D2  43
x2   1
D  43
2 1 1
4 3 1 3 1 4
D3  1 4 3 2  
2 6 3 6 3 2
3 2 6

= 2 (24 + 6) + 6 – 9 + ( -2 – 12) = 43
D3 43
x3    1
D  43
SIFAT-SIFAT DETERMINAN
Teorema I (Transposisi)

Nilai determinan tidak berubah jika baris diubah menjadi kolom.

Teorema II ( Perkalian dengan konstan)

Jika semua elemen dalam 1 baris (1 kolom) dari determinan dikalikan

faktor yang sama yaitu K, maka nilai determinan K kali nilai

determinan.

Teorema III

Jika semua elemen dalam 1 baris (1 elemen) dari determinan adalah 0,

maka nilai determinan itu 0.

Teorema IV

Jika tiap elemen dalam 1 baris (1 kolom) dari determinan dinyatakan

sebagai binomial, maka determinan dapat dituliskan sebagai jumlah 2

determinan.
SIFAT-SIFAT DETERMINAN
Teorema V (Pertukaran Baris atau Kolom)

Jika 2 baris (2 kolom) ditukarkan nilai determinan dikalikan -1.

Teorema VI (Baris atau Kolom Proporsional)

Jika elemen-elemen dalam 2 baris (2 kolom) dari determinan

proporsional, maka nilai determinan itu 0.

Teorema VII (Penjumlahan Baris atau Kolom)

Nilai determinan tidak berubah jika elemen dalam 1 baris (1 kolom)

ditambah dengan kelipatan elemen dalam 1 baris / kolom lain.

Teorema VIII (Determinan Perkalian Matriks)

Jika A dan B matriks n x n maka :

det (AB) = det (BA) = det A. det B

NILAI EIGEN DAN VEKTOR EIGEN

Eigenwerth; “eigen” berarti “cocok”; werth berarti “nilai”

Misalkanlah A matriks n x n dan berlaku :

Aλx dengan λ bilangan.

Nilai λ untuk vektor x ≠ 0 disebut nilai eigen atau nilai karakteristik

atau akar laten dari matriks A. Penyelesaian x ≠ 0 disebut vektor eigen

atau vektor karakteristik.

Himpunan nilai eigen disbut Spektrum dari A.

NILAI EIGEN DAN VEKTOR EIGEN
Teorema Cramer (Penyelesaian persamaan linier dengan determinan)

Jika determinan dari sistem persamaan linier

a11x1 + a12x2 + ..... + a1nxn = b1

......
an1x1 + an2x2 + ..... + annxn = bn
Tidak nol, sistem itu mempunyai penyelesaian tunggal.
Penyelesaiannya adalah :
D1 D2 Dn
x1  , x2  , ...... , xn 
D D D
NILAI EIGEN DAN VEKTOR EIGEN
Dengan Dn adalah determinan didapat dari D dengan menempatkan

kolom ke-K dengan elemen-elemen b1, ...., bn. Jika persamaan 1 itu

homogen dan D ≠ 0 maka persamaan itu mempunyai penyelesaian

trivial x1 = x2 = .... = xn = 0. Jika D = 0 sistem homogen itu mempunyai

penyelesaian non trivial.

Penentuan Nilai Eigen :

a11x1 + .... +a1nxn = λx1
a21x1 + .... +a2nxn = λx2
.....
an1x1 + .... +annxn = λxn
NILAI EIGEN DAN VEKTOR EIGEN

(a11-λ)x1 + a12x2 + ... + a1nxn = 0

a21x1 + (a22 – λ)x2 + .... + a2nxn = 0
.....
an1x1 + an2x2 + .... + (ann – λ) xn = 0
(A – λI) x = 0

(a11   ) a12 ... a1n   x1  0

 a a   ... a   x  0 
 21 22 2 n  2    
         0 
    
 a n1 a n2 ... ( a nn   )   xn  0 
NILAI EIGEN DAN VEKTOR EIGEN
Menurut teorema Cramer sistem ini mempunyai penyelesaian non

trivial jika dan hanya jika determinannya .

a11   a12 ... a1n 

 a a   ... a 
D ( )   21 22 2 n 0
     
 
a
 n1 a n2 ... a nn 

D(λ) disebut determinan karakteristik dan persamaan yang terjadi

disebut persamaan karakteristik.

Teorema I (Nilai Eigen)

Nilai eigen matriks bujursangkar A adalah akar-akar persamaan

karakteristik.
Penentuan Vektor Eigen

Jika x adalah vektor eigen A maka Kλ dengan K ≠ 0 juga vektor eigen

A.

Contoh :

Tentukanlah nilai eigen dan vektor eigen dari :

4 1 1 0
A  I  
 3 2 0 1 
Penentuan Vektor Eigen

4 1  1 0
A - I      
 3 2   0 1 
 4 1   0   4   1 
=     
 3 2   0    3 2   
2
8 - 6λ + λ – 3 = 0
Λ2 - 6λ + 5 = 0
(λ – 1)(λ – 5) = 0
Nilai eigen λ1 = 1 λ2 = 5
Penentuan Vektor Eigen

Λ1 = 1  Ax = x
4 1   x1   x1 
 3 2  x    x 
  2   2 

4x1 + x2 = x1
x2 = -3x1
3x1 + 2x2 = x2
 x1  1
Vektor Eigen = x =    x1  3
  3 x1  

  1 / 3 x2   1 / 3
x=    x2  
 x 2   1 
Penentuan Vektor Eigen

λ2 = 5  Ax = 5x
4 1   x1   x1 
 3 2   x   5 x 
  2   2

4x1+ x2 = 5x1
x2 = x1
3x1 + 2x2 = 5x2
 x1  1
Vektor Eigen = x =    x1  
 x1  1
LATIHAN/TUGAS
1. Tentukan yang mendapat nilai tertinggi :

M F
A 40 80
D 50 70
C 55 65

Bobot
M 0,40
F 0,60

2. Untuk keperluan membuat kue, seorang ibu melakukan survey ke tiga

toko untuk membeli telur ayam dan telur bebek. Tentukanlah di toko

mana ibu tersebut mengeluarkan uang yang seminimal mungkin !

TA TB
I 400 250
II 375 275
III 350 300

Kebutuhan
TA 10
TB 15
LATIHAN/TUGAS
3. Tentukanlah x, y, z dengan Eliminasi Gauss

a. 2x + 2y – 3z = -3

3x – 5y + 10z = 23

-4x + 6y + 11z = 41

b. 2a – b + 3c = 5

-3a + 2b + 3c = 6

-a + b + 6c = 11

c. 3p – q + 2r = -5

6p + 7q – r = 3

9p + 6q + r = -4
LATIHAN/TUGAS
4. Tentukan rank dari :
1 2  3 3 4  8
3  21
a. C = 2  6  1 d. B =   g.  2 3  6

 3 0 4  2 14   1  7 14 

1 2  4  1 4 1
b. D = 2 4  8 e. C = 2 3 1
 3 1 0   3 2 1

1 4 1
 4 1
c. A =   f. D =  2 4  1

  2 4  4  8 2 

5. Dengan eliminasi Gauss, tentukanlah invers dari :

 2 1 2
a. A  2 2 3
1 1 2

2 2 1 
b. B  2 5 2
1 2 1 
LATIHAN/TUGAS

6. Dengan aturan Cramer selesaikanlah :

a. 2x + 2y – 3z = -3

3x – 5y + 10z = 23

-4x + 6y +11z = 41

b. 2 x + y + 7z = 3

3x – 3y – 8z = -23

5x + 6y – 9z = -12
LATIHAN/TUGAS
7. Buktikan dengan sifat-sifat determinan !
1 a b  c   x 1 2 3 
a. 1 b c  a   0 d.   2 2 1  x   5

1 c a  b  3  x 1 4 

 bc a a 2  1 a 2 a3  bc a 2 a 2   bc ab ac 
b.  ac b b 2   1 b 2 b3 

e. b 2 ac b 2   ab ac bc 
ab c c 2  1 c 2 c 3  c 2 c 2 ab   ac bc ab
    

 x 2 4 
c.  1 2 3  x   18

2  x 2 5 

8. Hitunglah determinan dari matriks di bawah ini;

25 3 35 155 226 81
A= ൥16 10 − 18൩ B= ൥77 112 − 38 ൩
34 6 38 74 111 37
LATIHAN/TUGAS
9. Nyatakanlah sistem persamaan linier berikut dalam bentuk matriks
2𝑥1 + 4𝑥2 − 5𝑥3 = −7
𝑥1 − 3𝑥2 + 𝑥2 = 10
3𝑥1 + 5𝑥2 + 3𝑥3 = 2

10. Diketahui:
2 9
6 0 4
A=ቂ ቃ; B = ൥ 8 0൩
1 5 −3
−4 7
Soal :
a) 3. 𝐴
b) 𝐴. 𝐵

11.Carilah harga K agar persamaan – persamaan berikut

3x + 5y + k =0
2+y–5 =0
kx+x + 2y – 10 =0

12. Pecahkan persamaan :

=0
LATIHAN/TUGAS
13. Jika A = 2i + 2j – k dan B = 3i – 6j + 2k, tentukanlah :
(i)A.B
( ii) A x B
14. Tentukan Invers Matriks Berikut :

15. Tunjukkanlah bahwa matriks bujur sangkar

A=

16. Tentukanlah perkalian skalar ( A . B ) dan perkalian Vektor ( A × B ) dari

17. Selesaikan soal, cari determinan dari :

A=

B=
LATIHAN/TUGAS
18. Gunakan Determinan untuk selesaikan persamaan ini :

19. Tunjukkanlah bahwa matriks bujur sangkar

A=

20. Selesaikan soal berikut :

NO. 1
Hitunglah
  determinan dari matriks di bawah
ini;
 A=
 B=
NO. 2
Nyatakanlah
  sistem persamaan linier
berikut dalam bentuk matriks



NO. 3
Diketahui:
 
A= ;B=
Soal :
NO. 4
Nyatakanlah
  sistem persamaan linier
berikut dalam bentuk matriks
 3
 1

NO. 5
5 2 1
Invers dari matriks A = 6 1 4
4 6 3
NO. 6
TENTUKAN EIGEN DAN VEKTOR
EIGEN DARI
A
6 6
2 5
B
1 -10
2 2

C 3 14
2 0
NO. 7
HITUNG X1, X2 DAN X3 DARI
-X+X2+2X3=2
3X1-X2+X3=6
-X1+3X2+4X3=4