INVERSE DARI SUATU MATRIX KWADAT

1. ARTI DAN KEGUNAAN DARI PADA INVERSE

Sebelum diberikan pembatasan atau definisi terhadap
inverse suatu matrix, terlebih dahulu akan diberikan contoh
kegunaan dari pada inverse itu. Perhatikan dua buah persamaan
dibawah ini :
 Jelaslah bahwa untuk memecahkan persamaan nomor 1 dan 2
diatas, yaitu untuk mencari nilai dari pada x yang memenuhi
persamaan tersebut diperlukan nilai ½ dan 1/a . Nilai ½ = 2-1 ini
disebut kebalikan atau inverse dari pada 2. Suatu inverse
mempunyai sifat yaitu apabila dikalikan aslinya (dalam hal ini 2),
maka menghasilkan 1. Jadi ½.2 = 2-1.2 = 1. Juga 1/a disebut
inverse dari a dan berlaku juga sifat tersebut yaitu 1/a .a = a-1.a =
1.
Sekarang perhatikan persamaan dibawah ini dimana harus
dicari nilai x1, x2,.....xn, sedangkan nilai-nilai lainnya yang ada
didalam persamaan diketahui. Rersamaan itu ialah sebagai
berikut
atau bisa ditulis dalam bentuk matrix menjadi AX = H, dimana
A disebut coefficient matrix (diketahui), X disebut vektor kolom (akan
dicari nilainya), //disebut vektor kolom (diketahui).
Contoh
Misalkan seorang pemilik pabrik ingin memprodusir 3 macam barang
katakan x2 dan x2. Ternyata hanya tersedia 3 macam bahan mentah
(raw material), katakan h1, = 5 satuan, h2 = 4 satuan dan h3 = 6 satuan.
Saruan, misalnya ton, liter, kwintal, d1sb.
a) Untuk setiap satuan (unit) produk x1 diperlukan 4 unit bahan
mentah jenis pertama, 1 unit bahan mentah kedua dan 4 unit bahan
mentah ketiga.
b) Untuk setiap unit produk x2 diperlukan 2 unit bahan mentah
pertama, 2 unit bahan mentah kedua dan 3 unit bahan mentah
ketiga.
c) Untuk setiap unit produk x3 diperlukan 3 unit bahan mentah
pertama, 2 unit bahan mentah kedua dan 3 unit bahan mentah
ketiga.
Uraian diatas bisa ditulis dalam bentuk persamaan berikut :
Uraian diatas bisa ditulis dalam bentuk persamaan berikut :

Dari persamaan matrix AX = H, jelaslah bahwa untuk mencari X (= vektor

kolom) diperlukan inverse dari matrix A yaitu 1/A atau A-1 jadi X = H/A atau
A-1 H. Jadi inverse dipergunakan untuk mencari suatu pemecahan dari suatu
sistim persamaan.

2. DEFINISI DARI INVERSE SUATU MATRIX

Definisi ; Misalkan A merupakan suatu matrix kwadrat dengan n baris dan n
kolom dan In suatu identity matrix. Apabila ada square matrix A-1 sedemikian
rupa sehingga berlaku hubungan sebagai berikut :
AA-1 = A-1 A = I, maka A-1 ini disebut inverse dari matrix A.
Selanjutnya bagaimana caranya untuk menghitung suatu inverse. Didalam uraian
berikutnya akan dibicarakan beberapa metode untuk menghitung inverse, akan
tetapi sebelum dibahas cara yang cukup sukar untuk mencari inverse suatu matrix,
terlebih dahulu akan dipergunakan cara yang paling sederhana. Cara ini didasarkan
atas suatu fakta bahwa inverse suatu matrix A memenuhi syarat sebagai berikut :
AA-1. Kernudian dengan jalan substitusi bisa dicari elemen-elemen dari inverse
matrix A. Ingat bahwa hanya matrix kwadrat yang mempunyai inverse.
Ambil persamaan (1) dan (3), hilangkan c.
2a + 3c = 1 (1) kalikan dengan 3, diperoleh: 6a + 9c = 3
3a + 5c = 0 (3) kalikan dengan 2, diperoleh: 6a + 10c = 0
- c=3
c = -3
Ambil persamaan (2) dan (3), hilangkan b.
2b + 3d = 0 (2) kalikan dengan 3, diperoleh: 6b + 9d = 0
3b + 5d = 1 (4) kalikan dengan 2, diperoleh: 6b + 10d = 2
- c = -2
c=2
Dari dua buah contoh diatas bisa diambil kesimpulan bahwa cara mencari
inverse dengan mempergunakan cara substitusi sangat tidak praktis dan
selain menjemukan juga makan banyak waktu.
Perhatikan bahwa untuk mencari elemen-elemen dari inverse suatu matrix
kwadrat, maka persamaan yang harus dipecahkan sejumlah n2 dimana n
merupakan jumlah baris (kolom). Kalau n = 2, ada 22 = 4 persamaan. Kalau
n = 3, ada 32 = 9 persamaan, seperti contoh diatas. Selain dari pada itu
inverse suatu matrix bukan sekedar kebalikan dari setiap elemennya.
Perhatikan bahwa kalau n makin besar, maka jumlah persamaan menjadi
makin, banyak, dan cara ini biasanya tidak dianjurkan untuk ditempuh.

3. MENCARI INVERSE SUATU MATRIX DENGAN

MEMPERGUNAKAN ADJOINT
Misalkan A suatu matrix kwadrat dengan baris dan kolomnya masing-
masing sebesar n. Jadi A = (aij); i,j =1,2 ..... n. Dan setiap elemen dari
matrix mempunyai kofaktor, yaitu elemen aij mempunyai kofaktor Kij.
Apabila semua kofaktor itu dihitung untuk semua elemen dari matrix A,
kemudian dibentuk suatu matrix K dengan kofaktor dari semua elemen
matrix A sebagai elemennya, maka :
Definisi Yang disebut adjoint dari matrix A ialah suatu matrix yang
elemen-elemennya terdiri dari transpose dari semua kofaktori dari
elemen-elemen matrix A, yaitu apabila : K = (Kij), dimana Kij ialah
kofaktor dari elemen aij, maka adjoint dari matrix A yaitu : adj (A) =
K' = (Kij = Kij ).
Jadi, jelasnya Adj (A) ialah transpose dari matrix Kofaktor KK, yaitu :
Definisi Apabila inatrix A yang kwadrat dengan n baris dan n
kolom, dan merupakan matrix yang non-singular yaitu det (A) ≠
0 dan Kij merupakan kofaktor dari elemen aij, maka inverse
matrix A, yaitu A-1 dirumuskan sebagai berikut :
Contoh :
4. MENCARI INVERSE DENGAN METODE KOUNTER
Selanjutnya akan dibahas cara mencari inverse dengan mempergunakan
metode Kounter (Counter method). Cara ini didasarkan atas teori
transformasi elementer terhadap baris dari matrix yang inversenya akan
dicari. Dibawah ini adalah suatu dalil sebagai dasar metode Kounter.
DALIL: Apabila A suatu matrix kwadrat yang non-singular, yaitu det
(A) ≠ 0, dengan baris dan kolom masing-masing sebanyak n dan In suatu
identity matrix. Kemudian In diletakkan disebelah kanan matrix A, maka
diperoleh suatu matrix M yang disebut Augmented matrix sebagai
berikut : M = A | In. Selanjutnya apabila terhadap baris-baris baik dari
matrix A maupun matrix In jelasnya terhadap baris-baris augmented
matrix M, dilakukan transformasi elementer sedemikian rupa sehingga
matrix A berubah menjadi In maka akan diperoleh inverse dari A, yaitu
A-1 yang berada ditempat dari mana In berasal, dengan perkataan lain
setelah A berubah menjadi In maka Inberubah menjadi A-1.
(Dalil ini dipergunakan sebagai dasar untuk mencari inverse dengan
metode Kounter).
1. Cari inverse matrix dengan mempergunakan metode Kounter,
matrix A adalah sebagai berikut :

Dibentuk augmented M sebagai berikut :

a) Terhadap matrix M
Baris yang kedua ditambah 2 kali yang pertama, baris yang
ketiga dikurangi dengan 6 kali yang pertama, maka diperoleh
matrix M1 sebagai berikut :
b) Terhadap matrix M1
Baris yang pertama dikurangi dengan 3 kali yang kedua,
baris yang ketiga ditambah dengan 11 kali yang kedua, maka
diperoleh matrix M2 sebagai berikut :

c) Terhadap matrix M2
Baris yang pertama dikurangi dengan 7/2 kali yang ketiga,
baris yang kedua ditambah dengan 3/2 kali yang ketiga dan
baris ketiga dikalikan dengan 1/2 , maka diperoleh matrix M3
sebagai berikut :
 Oleh karena A sudah berubah menjadi I3, maka matrix yang
berada disebelah kanan A yaitu I3 menjadi A-1

2. Matrix A adalah terdiri dari 2 baris dan 2 kolom, carilah

inverse matrix A dengan mempergunakan metode Kounter,
kalau A adalah sebagai berikut :

Dibentuk augmented matrix M sebagai berikut :

a) Terhadap matrix M
Baris kedua dikurangi ¼ kali yang pertama, kemudian baris
pertama dikalikan dengan ¼ diperoleh M1 sebagai berikut :

b) Terhadap matrix M1
Baris pertama dikurangi 3 kali yang kedua, bans kedua
dikalikan dengan 4, diperoleh M2 sebagai berikut :
Perhatikan bahwa keuntungan mencari inverse dengan
mempergunakan metode Kounter ialah bahwa metode itu
sebetulnya sudah melakukan pengecekan sendiri, yaitu kalau A
sudah menjadi In maka otomatis In menjadi A-1 dengan syarat
bahwa tak ada salah hitung. Jadi metode ini sudah self checking,
tidak perlu dicek lagi dengan melakukan perkalian AA-1 = A-1 A =
In.

5. MENCARI INVERSE DENGAN PARTISI MA TRIX

Agar supaya bisa mendalami teori linear programming dengan
lebih baik, perlu dipelajari cara mencari inverse dengan partisi
matrix atau matrix yang dibagi-bagi. Untuk memudahkan notasi
dipakai huruf Latin Besar sebagai elemen suatu matrix, mengingat
bahwa matrix yang dibagi-bagi, elemen-elemennya terdiri dari
matrix juga.
Misalkan ada suatu matrix kwadrat dengan n baris dan n kolom,
yaitu matrix A,
 Jadi A suatu partisi matrix
P sub-matrix dengan s baris dan s kolom
Q sub-matrix dengan s baris dan m kolom
R sub-matrix dengan m baris dan s kolom
S sub-matrix dengan m baris dan m kolom

(Ingat bahwa : n = m + s !). Misalkan juga bahwa inverse A yaitu A-1 merupakan
partisi matrix berikut :

Dimana E sub-matrix dengan baris s dan s kolom,

F sub-matrix dengan baris s dan m kolom,
G sub-matrix dengan baris m dan s kolom,
H sub-matrix dengan baris m dan m kolom.
Selanjutnya dianggap bahwa sub-matrix S mempunyai inverse, jadi S-1 diketahui,
kemudian oleh karena untuk suatu inverse selalu berlaku persamaan : AA-1 - I, maka
akan diperoleh persamaan berikut :
Setelah dilakukan perkalian, diperoleh 4 persamaan sebagai
berikut :
PE + QG = Is (1)
PF + QH = 0 (2)
RE + SG = 0 (3)
RF + SH = Im (4)
Dengan mempergunakan cara substitusi, maka bisa dicari
elemen-elemen A-1 yang terdiri dari E, F, G, H.
Perhatikan persamaan (3) RE + SG = 0
SG = –RE Hasil ini
G = –S-1 RE masukkan ke
(1)
Maka (1) PE + QG = Is
PE + Q(–S-1 RE) = Is
PE – QS-1 RE = Is
(P – QS-1 R) E = Is E = (P – QS-1 R)-1
dari persamaan (4)
(4) RF + SH = Im
SH = Im – RF
H = S– (Im – RF) H = S-1 – S-1 RF
Digunakan persamaan (2)
(2) PF + QH = 0
PF + Q(S-1 – S-1 RF) = 0
PF + QS-1 – QS-1 RF = 0
(P – QS-1 R) F = –QS-1
akan tetapi dari hasil sebelumnya E = (P – QS-1 R)-1
Jadi E-1 F = –QS-1 F = –EQS-1
Setelah
   dikumpulkan semua, diperoleh hasil sebagai berikut :
E = (P – QS-1 R)-1
F = – EQS-1
G = – S-1 RE
H = S-1 – S-1 RF

Jadi kalau A = maka A-1 = =

Contoh :
1. Carilah inverse dari matrix A di bawah ini dengan
mempergunakan partisi matrix
   A=
Dibuat matrix A menjadi partisi matrix
A=
Jadi sub-matrix P = 1, terdiri dari satu elemen
Jadi sub-matrix Q = (2, 3), sebagai vektor baris
Jadi sub-matrix R = [1, 1], sebagai vektor kolom
Jadi sub-matrix S = sebagai matrix 2 x 2

Misalkan A-1 =
Dicari S-1
S = , det (S) = 3 x 12 – 5 x 5 = 36 – 25 = 11
2. Dengan menggunakan cara partisi carilah inverse dari matrix
A berikut :
Dengan menggunakan rumus sebelumnya : E = (P – QS-1 R)-1
F = –EQS-1
G = –S-1 RE
H = S-1 – S-1 RF
Didalam membuat partisi usahakan supaya matrix S mudah dicari INVERSE-
nya (=S-1).
6. BENTUK PERKALIAN DARI PADA INVERSE
Misalkan ada suatu matrix kwadrat dengan n baris dan n kolom
sebagai berikut :

dan selain itu A-1diketahui. Sekarang apabila Ar merupakan vektor

kolom yang elemen-elemennya terdiri dari elemen-elemen kolom
matrix A, yaitu kalau :

maka dinyatakan dalam vektor-vektor kolom, diperoleh :

A = (A1, A2, ...., Ar, ..., An)
Kemudian kolom yang ke-r yaitu vektor Ar, diganti dengan vektor X,
maka diperoleh matrix baru sebagai berikut :
Ax  =
 (A1, A2, . . . , Ar – 1, X, Ar+ i.....A„). Akan dicari inverse Ax
(=Ax-1). Matrix baru Ax ini hanya berbeda dengan matrix A pada
kolomnya yang ke-r saja. Pada A kolom ke-r Ar dan pada Ax kolom ke-
r X.
Selanjutnya perhatikan bahwa vektor X bisa dituliskan sebagai
suatu kombinasi linear dari pada kolom-kolom matrix A (perlu
diketahui bahwa vektor-vektor kolom yang membentuk matrix A
merupakan vektor-vektor yang linearly independent), yaitu sebagai
berikut :
X = = AY dimana Y = [y1, y2, ..., yn] suatu vektor kolom
Oleh karena sudah diketahui bahwa matrix A mempunyai suatu
inverse, yaitu A-1 maka dari persamaan : X = AY diperoleh Y = A-1 X.
Jadi jelaslah bahwa vektor X bisa dituliskan sebagai kombinasi linear
dari pada kolom-kolom matrix A.
diperoleh :

Kalau N =

Dengan vektor ini maka Ar bisa ditulis sebagai berikut : Ar =AXN

(Coba dicek !)
Apabila diperhatikan, dari persamaan Ar = AXN, maka disebelah
kanan tanda persamaan ada vektor Ax sedangkan disebelah kiri
tanda persamaan ada satu kolom dari vektor A, yaitu Ar. Sekarang
timbullah pertanyaan : Bagaimana bisa diganti Ar dengan matrix
A. Jelaslah bahwa harus dibuat suatu substitusi berupa matrix
untuk mengganti vektor N.
Tentu saja matrix yang dimaksudkan disini ialah matrix yang mempunyai vektor
N, sebagai kolom yang ke-r dan kolom-kolom lainnya (sisanya) harus
sedemikian rupa sehingga apabila dikalikan dengan Ax akan menghasilkan suatu
vektor kolom yang tepat dari matrix A. Misalkan selanjutnya bahwa kolom-
kolom lainnya didalam matrix yang menggantikan vektor N adalah L1, L2, .....Ln.
(Ingat bahwa kolom ke-r dari matrix yang menggantikan vektor N ini, adalah
vektor N itu sendiri, sedangkan kolom-kolom lainnya adalah vektor-vektor L1,
L2,.... dan seterusnya). Jadi A =(A1, A2....., ...., An) = AX (L1, L2, ..., N, ..., Ln) (AXL1,
AXL2, ..., AXN, ..., AXLn). Dari persamaan ini bisa disimpulkan bahwa :
A1 = AXL1, A2 = AXL2, ..., Ar = AXN, ..., An = AXLn
Kolom pertama dari AX ialah A1. Jadi kalau L1 = U1, kemudian AXU1 = A1.
Demikian juga kolom ke-n dari AX ialah An dan Ln = Un. (Ingat bahwa Ui ialah
simbul dari unit vektor dan i =1,2, . . ., n). Jadi bisa disimpulkan bahwa :
L1 = U1, L2 = U2, ..., Lr-1 = Ur-1, Lr+1 = Ur+1, ..., :n = Um
Dibuat matrix baru E yaitu: E = (U1, U2, ..., Ur-1, N, Ur+1, ..., Un)
Jadi persamaan sebelumnya A = AX (L1, L2, ..., N, . . . , Ln) menjadi A = AXE.
Kalau masing-masing dikalikan dengan A-1 (ingat AA-1 = I), maka akan diperoleh
AA-1 = EA-1 atau I = AXEA-1. Akhirnya diperoleh : AX-1 = EA-1 (Inverse dari AX
sama dengan E kalikan inverse A).
 Diketahui bahwa AX-1 akan bisa dicari asalkan bisa dicari EA-1
Pasti bisa dicari matrix E. asalkan yr ≠ 0. (Coba tunjukkan!).
Perlu disebutkan disini bahwa apabila yr = 0. matrix yang baru,
yaitu Ax tidak mempunyai inverse (mengapa ?).
Mari ditinjau sekali lagi prosedur untuk mencari inverse suatu
matrix dimana matrix ini hanya berbeda satu kolomnya saja
(katakan kolom ke-r) dengan matrix yang diketahui inversenya.
Caranya dengan mempergunakan hasil dari uraian diatas. Suatu
matrix A dengan inversenya, yaitu A-1 diketahui. Matrix Ax ialah
diperoleh dari A dengan mengganti kolom ke-r, yaitu Ar dengan X.
Akan dicari inverse AX, yaitu AX-1 dengan menggunakan
keterangan tentang A-1 yang diketahui. Berdasarkan uraian diatas,
maka pertama-tama perlu dihitung y = A-1X. Kemudian dibentuk
ventor kolom N, sebagai berikut :
Kemudian
   kolom ke-r dari identity matrix In diganti dengan N
dan diperoleh matrix E. Dan sesuai dengan uraian diatas maka
AX-1 = EA-1.
Contoh :
1. Kalau A = maka bisa ditunjukkan bahwa
A-1 =
Misalkan X = [ 2, 1, 1 ] dan kolom ke 3 (disini r = 3) dari
matrix A diganti dengan X, maka diperoleh matrix baru Ax
sebagai berikut:
AX =
Sekarang
   akan mencari inverse matrix AX, yaitu AX-1 dengan
menggunakan keterangan mengenai inverse dari A yaitu A-1,
yang sudah diketahui.
Rumus yang dipergunakan AX-1 = EA-1.
Matrix E diperoleh dengan jalan mengganti kolom ketiga dari
identity matrix I3 dengan N.

Untuk r = 3, maka N adalah sebagai berikut :

N = dimana y1, y2, y3 adalah komponen-komponen dari vektor Y,
yaitu Y = [y1, y2, y3]. Vektor Y ini diperoleh dari rumus : Y = A-1X
 Teori yang baru saja diuraikan memegang peranan yang amat penting
didalam linear programming, khususnya didalam hubungan dengan
metode simplex dimana selalu dicari pemecahan dasar dan, pada setiap
pemecahan dasar (basic solution) selalu ada basis. Teori ini juga ada
hubungannya dengan persoalan basis ini, yaitu apabila salah satu vektor
dari basis dikeluarkan dan diganti dengan vektor lain maka kumpulan
vektor yang baru tersebut juga masih merupakan basis.
Perhatikan bahwa matrix A bisa dianggap sebagai kumpulan dari
pada vektor-vektor kolom, katakan A = (A1, A2, ....Ar, ..., An). Oleh karena
A mempunyai inverse jadi non-singular, maka set of vectors A1, A2, ...,
Ar., ...An → merupakan basis.
Apabila Ar diganti dengan X, maka set of vectors A1, A2, ..., X, . . . , An
juga merupakan basis.
Metode yang dibicarakan diatas juga bisa dipergunakan untuk
mencari inverse dan matrix yang non-singular. Perhatikan hai-hal
berikut :
1. Matrix A = (A1, A2, ..., Ar , ..., An)
2. Identity matrix In , ingat bahwa In-1 = In
3. Kolom pertama dari In diganti A1, kolom pertama dari matrix A,
diperoleh matrix F1. maka inverse dari matrix baru F1 dimana
A1 sebagai kolom pertama yaitu F1-1 = E1I-1 = E1I = E1 (lihat apa
artinya Ei dalam uraian berikutnya!).
4. Kedalam kolom kedua matrix F1 dimasukkan A2, maka
diperoleh matrix F2 dimana inversenya adalah sebagai berikut ;
F2-1 = E2F1-1 = E2E1.
5. Hal ini diteruskan dengan jalan memasukkan setiap kali vektor
kolom A kedalam kolom-kolom In, maka akhirnya diperoleh
hasil sebagai berikut : A-1 = En En-1... E2 E1 dimana Ei = (U1,
N2, ..., Un) identity matrix yang kolomnya diganti dengan N i,
jadi misalnya : Ei = (N1, U2..... Un ) dan E2 = (U1, N2, ....Un)
maka Ei, merupakan unit matrix atau identity matrix dimana
kolom ke-i diganti dengan Ni yaitu Ui diganti dengan Ni
dimana
Yi = Fi-1-1 Ai = Ei-1 Ei-2 ..., E1I.Ai berlaku untuk i ≥ 2, sebab Y1 =
A1 dan Yi = [y1i, y2i, ..., yii, ..., yni]
Bentuk dari pada A-1 = EnEn-1 ... E2 E1 dikatakan bentuk perkalian
dari pada inverse.
Contoh :
1. Cari inverse matrix A, yaitu A-1 apabila Matrix A adalah
sebagai berikut :

A= dan cari bentuk perkalian daripada

inverse
Dimulai dengan identity matrix I4 dan masukkan kolom
pertama dari matrix A yaitu A1 ke dalam I4, maka diperoleh
IA1
Kemudian dimasukkan kolom kedua dari A kedalam F1,
diperoleh F2
Dimasukkan kolom ketiga dari A kedalam kolom ketiga dari F2
diperoleh F3 (tuliskan matrix F3).

Akhirnya dengan jalan yang sama dimasukkan kolom terakhir dari A kedalam
kolom ke-4 dari F3, dan diperoleh F4. (Tuliskan matrix F4 → (F4 = A).
Bentuk perkalian pada inverse tersebut adalah sebagai berikut :
A-1 = E4.E3.E2.E1
Perhatikan bahwa hasil tersebut diperoleh dari :
A-1 = F4-1 = E4 F3-1 = E4E3 F2-1 = E4E3 F1-1= E4.E3.E2.E1

2.
Oleh
   karena F1 hanya berbeda dengan I3 pada kolomnya yang
pertama maka bisa dicari F1-1 dengan menggunakan inverse I3,
dengan rumus F1-1 = E1I3-1 = E1I = E1 sebab I-1 = I. Bandingkan
rumus Ax-1 = EA-1 dari uraian sebelumnya. Dan juga perhatikan
Y1 = I3-1 A1 = IA = A1= [1, 1, 1], Y1 = [y11, y21, y31]
N1 = = [1, –1, –1] Akan tetapi oleh karena I3-1 = I3, maka dari
itu F1-1 = E1 = (N1, U1, U2) =
F1 diperoleh : F2 =
Y2 = F1-1A2 = E1A2 =
Akhirnya kolom ke-3 dari A dimasukkan ke dalam matrix F2 diperoleh
Matrix F3 ini sebetulnya merupakan matrix A sehingga
inverse F3 juga merupakan inverse A atau F3-1 = A-1
3.

A = (A1, A2, A3, A4) terdiri dari 4 vektor kolom

I4 = (U1, U2, U3, U4) terdiri dari 4 vektor kolom, masing-masing sebagai
unit vektor I4 untuk selanjutnya ditulis I saja.
Kolom pertama matrix A, yaitu A 1 dimasukkan kedalam identity matrix
mengganti kolom pertam (U1), diperoleh matrix F1
Sekarang kolom kedua dari F1 diganti A2 diperoleh F2.
Akhirnya kolom keempat dari F3 diganti dengan A4 dan diperoleh
F4. sebetulnya F4 merupakan matrix A sehingga A-1 = F4-1
Kalau diperhatikan A-1 = F4-1 = E4F3-1 = E4E3F2-1 = E4E3E2F1-1 =
E4E3E2E1 merupakan bentuk hasil perkalian.
7. SIFAT-SIFAT DARI INVERSE
Sekarang akan dibicarakan sifat-sifat baik yang dimiliki oleh inverse.
1. Misalkan dua matrix non-singular A dan B. Akan ditunjukkan bahwa perkalian
dari dua buah matrix yang non-singular akan non-singular dan (AB)-1 = B-1A-1
yaitu inverse dari hasil kali dua buah matrix non-singular merupakan hasil kali
inverse dari masing-masing matrix.
Perhatikan B-1A-1AB = B-1 IB = B-1 B = I dan ABB-1A-1 = AIA-1 = AA-1 = I. Jadi
jelas bahwa B-1 A-1 adalah inverse dari AB dan inverse ini unik (unique inverse).
Hal ini bisa diperluas untuk umum, jadi bukan hanya berlaku untuk dua matrix
saja. Jadi (ABC ... Z)-1 = Z-1 ... C-1 B-1 A-1.
Contoh :
2. Selanjutnya kalau A suatu matrix non-singular kemudian (A-1)-1 = A yaitu
inverse dari inverse matrix merupakan matrix itu sendiri. Hal ini jelas oleh
karena AA-1 = A-1A = I (apabila matrix yang diketahui A-1 dan bukan A).
3. Identity matrix mempunyai inverse dirinya sendiri artinya : In In-1 = In jadi
In-1 = In
4. Inverse dari suatu transpose matrix A ialah transpose dari pada inverse,
yaitu : (A')-1 = (A-1)'
Perhatikan AA-1 = A-1 A= I. Diambil transposenya dan mengingat bahwa I'
= I, maka diperoleh : (A-1)'A' = I = A'(A-1)'
Jadi jelaslah bahwa (A-1)' merupakan inverse dari A !
Contoh
8.  SOAL-SOAL UNTUK
 LATIHAN
1. Apa yang dimaksud dengan inverse suatu matrix dan apa
kegunaan dari inverse tersebut !
2. Buktikan dengan cara induksi bahwa : (B1B2 ... Bn)-1 = Bn-1Bn-1-1 ...
B2-2 B1-1 (Tunjukkan bahwa rumus tersebut berlaku untuk n + 1).
3. Dengan menggunakan rumus A-1 = . Adj (A) hitunglah inverse
dari matrix-matrix berikut :
a) A =
b) X =

c) Z =
4. Tunjukkan bahwa inverse dari scalar matrix C = kI, ialah : C-1 =
(1 / k)I)
5. Cari matrix A dimana inverse diketahui sebagai berikut :
A-1 =
6.
   a) Cari inverse dari matrix B dan C dengan menggunakan Counter Method
apabila matrix B dan C adalah sebagai berikut :
B=
b) Hitung inverse dari matrix C di atas dengan partisi
7. Hitung inverse dari matrix A dan B berikut dengan menggunakan partisi matrix dan
bentuk perkalian dari pada inverse :
, B=
8. Carilah suatu bentuk perkalian dari pada inverse dari matrix A, dimana matrix A
adalah sebagai berikut :
A=
9. a) Matrix Z = ABC. Cari inverse Z, kemudian tunjukkan bahwa Z -1 = C1 B-1
A-1 apabila
A= , B = , C=
  b) A = , B = C = A X B
Cari A-1, B-1 dan C-1. tunjukkan bahwa C-1 = B-1 A-1
10. A = dan A-1 = 1/18
a) Kalau kolom pertama matrix A diganti dengan X = [4 6 7 2], cari
inversnya dengan menggunakan A-1
b) Kalau kolom ketiga diganti dengan X = [4 3 2 1], cari inversnya
dengan menggunakan A-1
11. Dengan menggunakan bentuk perkalian dari inverse, cari A-1 dan B-1
A= , B=
Kemudian cek dengan salah satu cara di atas (misalnya dengan adjoint,
counter method, dlsb).
 PERSAMAAN LINEAR YANG SIMULTAN

1. ARTI KEGUNAAN DARI PADA PERSAMAAN LINEAR (LINEAR EQUATION)

Set dari pada persamaan yang simultan muncul hampir disemua model yang linear. Seringkah
jumlah persamaan sama banyaknya dengan jumlah variabel yang akan diketahui nilainya, misalnya
didalam persoalan regresi didalam statistik atau didalam model Leontief. Didalam hal yang demikian
biasanya bisa diharapkan adanya suatu pemecahan yang unik (unique solution), yaitu pemecahan
yang hanya memberikan satu set variabel saja.
Apabila lebih banyak jumlah variabel dari pada jumlah persamaan, didalam persoalan linear
programming misalnya, didalam hal yang demikian biasanya bisa diperoleh sejumlah pemecahan
yang tak terhingga.
Akan tetapi seringjuga ada suatu sistim persamaan dimana jumlah persamaan melebihi jumlah
variabel yang akan dicari nilainya.
MODEL LINEAR (LINEAR MODEL)
Didalam persoalan ilmu alam dan ilmu sosial, khususnya ilmu ekonomi, banyak sekali
penggunaan dari pada linear model. Suatu linear model, biasanya terdiri satu persamaan/ketidak
samaan atau lebih. Tidak ada suatu model yang benar-benar bisa mencerminkan keadaan dunia yang
sebenarnya; pada umumnya hanya merupakan suatu pendekatan saja. Suatu model yang linear
biasanya dipergunakan untuk membuat suatu ramalan (forecasting). Misalnya: Y' = b0 + bxXx + b2X2
adalah suatu contoh linear model. Didalam hal ini model tersebut dipergunakan untuk meramalkan
nilai Y (produksi padi) dengan mempergunakan keterangan dari Xx (jumlah pupuk yang
dipergunakan) dan keterangan dari X2 (luas sawah yang ditanami padi).
 Hampir setiap persoalan bisa diwakili dengan linear model dengan
suatu tingkat ketelitian yang cukup tinggi. Hampir setiap linear model
mempunyai sifat-sifat penjumlahan. Sifat dari penjumlahan itu ialah apabila
X1 mempunyai suatu pengaruh (effect) sebesar a1 ketika dipergunakan
sendiri dan selanjutnya apabila X2 mempunyai suatu pengaruh (effect)
sebesar a2 ketika dipergunakan sendiri, maka apabila X1 dan X2
dipergunakan bersama-sama mempunyai pengaruh (effect) sebesar (a1 + a2).
Perlu ditegaskan disini bahwa hampir semua linear model berupa suatu
set persamaan/ketidaksamaan yang simultan dengan bentuk persamaan
sebagai berikut :
BEBERAPA
   CONTOH LINEAR MODEL
1. REGRESSI
Sering didalam persoalan ekonomi ingin diramalkan nilai dari
suatu variabel, katakan Y dengan pertolongan beberapa variabel-
variabel, lainnya, katakan X1, X2, . . . , Xp. Variabel Y disebut
dependent variabel (variabel tak bebas) sedangkan variabel X1,
X2.....Xp disebut independent variables (variabel-variabel bebas).
Untuk meramalkan Y dengan pertolongan X1, X2.....Xp bisa
dipergunakan model berikut : Y = b0 + b1X1 +b2X2 + . . . + bpXp + e di
mana b0, bx,b2..... bp bilangan konstant dan e = error. Persamaan
tersebut dinamakan multiple linear regression. Nilai b0. b1, b2.....bp bisa
diperoleh dari observasi dengan mempergunakan suatu metode yang
disebut Least Square. Misalkan ada observasi sebanyak n, sedangkan
observasi yang ke-i mempunyai hubungan sebagai berikut :
Yi = b0 + b1X1i + b2X2i + ... + bpXpi + ei, i = 1, 2, ..., n
F = (Yi – bo - b1X1i – b2X2i - ... – bpXpi)2 =
Metode
  Least Square ialah metode untuk memperoleh b o, b1, b2, ...... bp sedemikian
rupa sehingga.
F = → minimum. Dengan menurunkan F terhadap b o, b1, b2, ...... Bp dan menyamakan
dengan O, yaitu : = O, untuk j = 0, 1, 2, ..., p maka diperoleh suatu persamaan linear
yang dimultan dengan bo, b1, b2, ...... Bp yang tak diketahui.
a) Y = bo + b1X1 + b2X2 + e
Misalnya Y = produksi padi, X1 = pupuk, X2 = luas sawah atau Y = sales, X 1= =
income, X2 = biaya advertensi.
F = = (Yi – bo - b1X1i – b2X2i)2

Setelah disederhanakan diperoleh persamaan normal sebagai berikut :

ditulis dalam bentuk persamaan matrix menjadi

AB = C → B = A-1, jadi untuk mencari nilai dari pada koefisien-koefisien b o,
b1, b2, yang merupakan vektor V, harus dipecahkan persamaan linear yang
simultan. Misalnya ingin meramalkan Y dengan menggunakan variabel X 1
dan X2, dengan data sebagai berikut :
Setelah dilakukan perhitungan diperoleh
hasil sebagai berikut :
 Apabila dipecahkan akan
diperoleh bo = 3,65, b1 =
0,85 dan b3 = 1,51
Jadi persamaan multiple regression Y’ = bo + b1X1 + b2X2
Y’ = 3,65 + 0,85X1 + 1,51X2
Kalau X1 dan X2 diketahui nilainya (sesuai dengan perencanaan misalnya), maka
nilai Y bisa diramalkan. Misalnya X1 = 60 dan X2 = 10 maka ramalan Y (= Y') =
3,65 + 0,85(60) + 1,51(10)
= 3,65 + 51 + 15,1
= 69,75 satuan
b) Kalau variable yang dipergunakan untuk meramalkan, ditambah dengan X3
maka persamaan normal menjadi
2. MODEL DARI LEONTIEF
Professor Wassily Leontief dari Harvard University (U.S.A.) pada sekitar tahun
1930 telah memperkembangkan suatu linear model yang sangat menarik dibidang
ekonomi makro. Model yang diperkembangkan mempunyai beberapa asumsi-
asumsi/anggapan-anggapan bahwa perekonomian suatu negara terdiri dari beberapa
interacting industries (jenis kegiatan-kegiatan ekonomi yang saling pengaruh
mempengaruhi), di mana masing-masing hanya memprodusir satu jenis barang serta
melalui satu proses produksi saja. Sebagai contoh misalnya industri besi dan pertanian
merupakan jenis kegiatan-kegiatan ekonomi. Dari setiap sektor kegiatan ekonomi di
dalam memprodusir barang-barang memerlukan barang-barang yang dapat dibeli dari
sektor kegiatan ekonomi lainnya. Misalnya pabrik mobil membeli besi dan ban dari
pabrik besi dan dari industri sektor pertanian (pabrik ban).
Di dalam menjual barang-barang produksinya, setiap sektor kegiatan ekonomi
pada umumnya harus memperhatikan permintaan (de-mand) dari pada konsumen
(consumer), pemerintah, luar negeri dan dari kegiatan ekonomi lainnya. Misalkan ada n
jenis kegiatan ekonomi pada tahun tertentu, setiap jenis kegiatan ekonomi hanya
memprodusir sejumlah barang produksi untuk memenuhi permintaan yang ada.
Misalkan selanjutnya bahwa x1 ialah jumlah barang i yang diprodusir oleh jenis kegiatan
ekonomi yang ke-i pada suatu tahun tertentu dan pada tahun itu juga jenis kegiatan
ekonomi yang ke-j memerlukan yij unit dari barang produksi x1 sedangkan permintaan
dari pemerintah dan luar negeri adalah sebesar hi. Jadi kalau jenis kegiatan ekonomi
yang ke-i hanya memprodusir sebanyak jumlah permintaan, maka akan diperoleh
persamaan berikut :
(persamaan tersebut: memungkinkan bahwa jenis kegiatan ekonomi ke-i
memerlukan barang dari dirinya sendiri).
Kalau jenis kegiatan ekonomi ke-j ingin memprodusir sejumlah barang
produksi j sebesar xj unit maka harus diketahui berapa unit dari barang /
diperlukan untuk memprodusir barang j. Tentu saja hal ini tergantung kepada
tehnologi industri dan angka-angkanya bisa diperoleh melalui suatu
penelitian/research. Tetapi berdasarkan asumsi dari Prof. Leontief, maka jumlah
barang i yang diperlukan untuk memprodusir j berbanding langsung terhadap
jumlah barang j yang diprodusir yaitu : yij = aijXj di mana aij ialah, suatu bilangan
konstan dan nilainya tergantung dari pada faktor tehnologi dari industri yang
bersangkutan. Apabila nilai yij = aij xj dimasukkan ke persamaan : x1 = yi1 + yi2
+ . . . + yin + b, maka setelah diadakan perubahan seperlunya akan diperoleh
persamaan berikut : xi – ai1 x1 – ai1 x1 -. . . - ain xn = hi, untuk setiap i, sedangkan
untuk seluruh i = 1, 2, . . . , n maka diperoleh persamaan simultan sebagai berikut :
(1 – a11)x1 − a12x2 − . . . – a1nxn = h1
− a21 x1 + (1 – a22)x2 − . . . − a2n xn = h2
.
.
.
− an1 x1 − an2 x2 − . . . + (1 − ann)xn = hn
Jadi jelaslah bahwa model dari Leontief juga merupakan persamaan linear
yang simultan terdiri dari satu set persamaan sebanyak n dengan variabel
yang tak diketahui juga sebanyak n. Secara intuitip (intuitively) bisa dicari
suatu pemecahan yang unik yang terdiri dari variabel-variabel xj yang
memenuhi persamaan tersebut di atas.
Dengan mengetahui jumlah permintaan dari para langganan dan
pemerintah (sering disebut exogeneous demand) sebesar hi, bisa ditentukan
berapakah besarnya produksi dari masing-masing jenis kegiatan ekonomi
agar supaya bisa memenuhi permintaan dari jenis kegiatan e-konomi
lainnya ditambah dengan exogeneous demand. Kalau diperhatikan maka
jelaslah bahwa hubungan antara xj dan hi tergantung kepada tehnologi
industri yang tercermin di dalam coefficient aij.
Professor Leontief juga menunjukkan bahwa type analisa yang sama
seperti di atas bisa juga dipergunakan untuk menentukan harga. Coefficient
aij bisa dianggap sebagai jumlah barang produksi i yang diperlukan untuk
memprodusir' 1 unit barang produksi j. Misalkan selanjutnya bahwa pj
adalah harga 1 unit barang produksi j. Sehingga dengan demikian biaya
dari pada bahan mentah yang diperlukan untuk memprodusir 1 unit barang
produksi j adalah sebesar : aij p1 + a2j p2 + . . . + anj pn
Selisih
  antara harga 1 unit barang produksi j dan biaya bahan mentah yang
diperlukan untuk memprodusir barang produksi j ini disebut value added
(nilai tambah) dari jenis kegiatan ekonomi / dan diberi simbol v j. Jadi
diperoleh hubungan berikut :
Pj − = vj, di mana j = 1, 2, . . . , n.
Value added atau nilai tambah mungkin meliputi keuntungan, gaji, sewa,
bunga, dan lain sebagainya.
Apabila persamaan di atas diuraikan untuk seluruh nilai/, akan diperoleh
persamaan berikut :
(1 – a11)p1 − a21p2 − . . . – an1pn = v1
− a12 p1 + (1 – a22)p2 − . . . − an2 pn = v2
.
.
.
− a1n p1 − a2n p2 − . . . + (1 − ann)pn = vn
Bandingkan persamaan ini dengan persamaan sebelumnya (A) yang juga
mempergunakan au sebagai coefficient, akan tetapi kalau diperhatikan matrix
coefficient dari persamaan yang terakhir (B) merupakan transposenya.
Jadi kalau pada persamaan (A) matrix coefficient = A, maka dalam persamaan (B)
- A', (transpose dari A). Dari persamaan di atai bisa dilihat bahwa apabila value
added sudah diketahui dan coefficient-coefficient juga sudah diketahui maka harga
bisa ditentukan.
Dua persamaan (A) dan (B) di atas merupakan contoh dari linear model.
Model-model tersebut memungkinkan bisa ditentukannya berapa jumlah jenis
barang produksi apabila diketahui exogeneous demand selain itu juga untuk
menentukan harga apabila value added diketahui. Misalnya untuk menjawab
pertanyaan berapa besarnya perubahan tingkat harga di sektor pertanian kalau ada
perubahan upah & gaji.
3. LINEAR PROGRAMMING
Persoalan linear programming ialah suatu persoalan untuk memecahkan suatu
persamaan dengan suatu tujuan tertentu dengan memperhatikan pembatasan-
pembatasan yang ada.
Jadi persoalan linear programming menyangkut 3 hal pokok :
1. Memecahkan persamaan, yaitu mencari nilai variabel-variabel, katakan xx,
x2.....x„.
2. Mencapai suatu tujuan, misalnya membuat fungsi obyektip menjadi
maximum/minimum, katakan Z = p1x1 + p2x2 + . . . + pnxx =
maximun/minimum.
3. Pembatasan-pembatasan yang ada, misalnya adanya bahan mentah
yang terbatas, jumlah machine hours yang terbatas, modal terbatas,
dan lain sebagainya, katakan pembatasan itu sebagai berikut :
a11 x1 + a12 x2 + . . . + a1n xn ≤ h1
a21 x1 + a22 x2 + . . . + a2n xn ≤ h2
.
.
.
am 1 x1 + am 2 x2 + . . . + am n xn ≤ hn
Seorang pemilik pabrik akan memprodusir 3 macam barang produksi
katakan X1, X2 dan AV Berdasarkan survey pasar ternyata bisa diketahui
bahwa setiap unit barang tersebut kalau dijual bisa mencapai
keuntungan masing-masing sebesar p1 = Rp.50,-, p2 = Rp. 100,-, p3 =
Rp. 125. Untuk memprodusir barang-barang tersebut diperlukan 3
macam bahan mentah, yang masing-masing tersedia h1 - 500 unit, h2 =
700 unit dan h3 = 1000 unit. Berdasarkan keterangan tehnologi maka
diperoleh keterangan-keterangan sebagai pembatasan sebagai berikut :
1 unit barang produksi Xx memerlukan 5 unit bahan mentah h1
1 unit barang produksi X2 memerlukan 7 unit bahan mentah h1
1 unit barang produksi X3 memerlukan 8 unit bahan mentah h1
1 unit barang produksi Xx memerlukan 6 unit bahan mentah h2
1 unit barang produksi X2 memerlukan 9 unit bahan mentah h2
1 unit barang produksi X3 memerlukan 10 unit bahan mentah h2 1 unit barang
produksi Xx memerlukan 4 unit bahan mentah h3
1 unit barang produksi X2 memerlukan 8 unit bahan mentah h3
1 unit barang produksi X3 memerlukan 9 unit bahan mentah h3
Persoalannya ialah bahwa dengan pembatasan-pembatasan yang ada
pemilik pabrik tersebut akan menentukan berapa seharusnya yang harus
diprodusir dari masing-masing barang tersebut agar supaya keuntungan total
menjadi sebesar-besarnya (maximum). Ditulis dengan cara matematis bisa
dirumuskan sebagai berikut :
Cari Xx, X2, X3 sedemikian rupa sehingga
Keuntungan total Z = p1X1 + p2X2 + p3X3
= 50XX1+ 100X2 + 125X3 : MAXIMUM
dengan pembatasan :
a11 X1 +a12 X2 + a13 X3 ≤ hx 5X1 + 7X2 + 8X3 ≤ 500
a21 X1 +a22 X2 +a23 X3 ≤ h2 = 6X1 + 9X2 + 10X3 ≤ 700
A31 X1 + a32 X2 + a33X3 ≤ h3 4X1 + 8X2 + 9X3 ≤ 1000
Jadi jelaslah bahwa linear programming juga merupakan suatu contoh
dari linear model.
2. CARA PENGHAPUSAN DARI GAUSS
Sekali lagi bentuk persamaan linear yang terdiri dari n persamaan
dengan n bilangan yang tak diketahui, yaitu sebagai berikut :
di dalam bentuk matrix persamaan tersebut menjadi AX = H

dimana

Kalau persamaan di atas akan dipecahkan yaitu mencari nilai-nilai x1, x2, . .
., xn yang memenuhi persamaan tersebut dan cara yang akan dipakai yaitu
cara yang disebut PENGHAPUSAN DARI GAUSS atau istilah asingnya
GAUSS ELIMINATION.
Caranya adalah sebagai berikut : Tanpa menghilangkan sifat yang umum
bisa dianggap a11 ≠ 0, sebab apabila tidak, persamaan bisa diatur kembali
dengan pengaturan nama-nama variabel sekaligus. Dengan demikian bisa
diperoleh x1 dinyatakan di dalam variabel-variabel lainnya.