matriks dan sistem persamaan linier 0812 pdf
DESCRIPTION
freeTRANSCRIPT
MatriksDan
Sistem Persamaan Linier
Sudaryatno Sudirham
Bahan Kuliah Terbuka
dalam format pdf tersedia di
www.buku-e.lipi.go.id
dalam format pps beranimasi tersedia di
www.ee-cafe.org
Matrik adalah susunan teratur bilangan-bilangan dalam baris dan kolom yang membentuk suatu susunan persegi panjang yang kita perlakukan sebagai suatu kesatuan.
Contoh:
123
421
302
baris
kolom
Nama matriks: huruf besar cetak tebal,
=123
421
302
A
=
203
142B
Contoh:
Notasi:
Bilangan ini bisa berupabilangan nyata atau kompleks.
Kita akan melihat matriksberisi bilangan nyata.
Elemen Matriks
Isi suatu matriks disebut elemen matriks
Contoh:
=
203
142B
2, 4, 1 dan 3, 0, 2 adalah elemen-emenenmatriks yang membentuk baris
2, 3 dan 4, 0, dan 1, 2 adalah elemen-elemenmatriks yang membentuk kolom
Ukuran Matriks
Secara umum suatu matrik terdiri dari b baris dan k kolom, sehingga suatu matrik akan terdiri dari b×k elemen-elemen
Ukuran matriks dinyatakan sebagai b×k
Contoh:
=
203
142B adalah matriks berukuran 2×3
=123
421
302
Ab = k = 3 matriks bujur sangkar 3×3
Nama Khusus
Matriks dengan b = k disebut matriks bujur sangkar.
Matriks dengan k = 1 disebut matriks kolom atau vektor kolom.
Matriks dengan b = 1 disebut matriks baris atau vektor baris.
Matriks dengan b ≠ k disebut matrik segi panjang
Contoh:
=
203
142B
b = 2, k = 3 matriks segi panjang 2×3
=
4
2p k = 1
vektor kolom [ ]423=q b = 1 vektor baris
Notasi nama vektor: huruf kecil cetak tebal
Secara umum, matriks A dapat kita tuliskan sebagai
[ ]bk
mnmm
n
n
a
aaa
aaa
aaa
=
=
L
LLLL
L
L
21
22221
11211
A
elemen-elemen a11 …amn disebut diagonal utama
Diagonal Utama
Matriks Segitiga
Contoh:
Matriks segitiga bawah :
−=343
011
002
1T
Matriks segitiga atas :
−=
300
310
122
2T
Ada dua macam matriks segitiga yaitu
matriks segitiga bawah dan matriks segitiga atas
Matriks segitiga bawah adalah matriks yang elemen-elemen di atas diagonal utamanya bernilai nol.
Matriks segitiga atas adalah matriks yang elemen-elemen di bawah diagonal utamanya bernilai nol.
Matriks Diagonal
Matriks diagonal adalah matriks yang elemen-elemen di atas maupun di bawah diagonal utamanya bernilai nol.
Contoh:
=000
010
002
D
Matriks Satuan
Jika semua elemen pada diagonal utama adalah 1, sedang elemenyang lain adalah 0, matriks itu disebut matriks satuan.
Contoh:
IA =
=100
010
001
Matriks NolMatriks nol, 0, yang berukuran m×n adalah matriks yang berukuran m×n dengan semua elemennya bernilai nol.
Anak matriks atau sub-matriks
=
203
142B
[ ]142 [ ]203- Dua anak matriks 1× 3 , yaitu:
3
2
0
4
2
1- Tiga anak matriks 2× 1, yaitu:
- Enam anak matriks 1× 1 yaitu: [2] , [4] , [1] , [3] , [0] , [2];
- Enam anak matriks 1× 2 yaitu: [ ]42 [ ]12 [ ]14
[ ]03 [ ]23 [ ]20
03
42
23
12
20
14- Tiga anak matriks 2×2 yaitu:
Contoh:
Matriks B memiliki:
Matriks dapat dipandang sebagai tersusun dari anak-anak matriks yang berupa vektor-vektor
=123
421
302
A
=
3
2
1
a
a
a
Adapat kita pandang sebagai matriks
dengan anak-anak matriks berupa vektor baris
[ ]3021 =a [ ]4212 =a [ ]1233 =a
dapat kita pandang sebagai matriks [ ]321 aaaA =
=3
1
2
1a
=2
2
0
2a
=1
4
3
3a
dengan anak-anak matriks yang berupa vektor kolom
Contoh:
Contoh yang lain:
=123
421
302
A
Kesamaan Matriks
Dua matriks A dan B dikatakan sama jika dan hanya jika berukuran sama dan elemen-elemen pada posisi yang sama juga sama.
A = B
=
03
42AJika
=
03
42Bmaka haruslah .
Contoh:
Matriks Negatif
Negatif dari matriks berukuran m×n adalah matriks berukuran m×n yang diperoleh dengan mengalikan seluruh elemennya dengan faktor (−1). .
Contoh:
=
03
42A
−−−
=−03
42A
PenjumlahanPenjumlahan dua matriks hanya didefinisikan
untuk matriks yang berukuran sama
Jumlah dari dua matriks A dan B yang masing-masing berukuran m×n adalah sebuah matriks C berukuran m×n yang elemen-
elemennya merupakan jumlah dari elemen-elemen matriks A dan B yang posisinya sama
ABBA +=+
( ) ( )CBACBA ++=++
=
03
42 A
=
22
31B
Jika
=+
25
73BAmaka
Sifat-sifat penjumlahan matriks:
Contoh:
Pengurangan Matriks
Pengurangan matriks dapat dipandang sebagaipenjumlahan dengan matriks negatif
A0A =+
0AAAA =−+=− )(
=
03
42 A
=
22
31B
−=
−−−−
+
=−
21
11
22
31
03
42BA
Contoh:
Perkalian Matriks
=
mnmm
n
n
aaa
aaa
aaa
L
LLLL
L
L
21
22221
11211
A
BAAB ≠
=
pqmp
q
q
aaa
aaa
aaa
L
LLLL
L
L
21
22221
11211
B
Jadi jika matriks A berukuran m×n dan B berukuran p×q
maka perkalian AB hanya dapat dilakukan jika n = p.
Hasil kali matriks AB berupa matriks berukuran m×q dengan nilai elemen pada baris ke b kolom ke k merupakan hasil kali internal (dot product) vektor
baris ke b dari matriks A dan vektor kolom ke k dari matriks B
Perkalian antara dua matriks A dan B yaitu C = AB hanya terdefinisikan jika banyak kolom matriks A sama dengan banyak baris matriks B.
Dalam perkalian matriks, urutan hatus diperhatikan.
Perkalian matriks tidak komutatif.
Perkalian Matriks dengan Bilangan Skalar
Hasil kali suatu bilangan skalar a dengan matriks berukuran m××××nadalah matriks berukuran m××××n yang seluruh elemennya bernilai a kali.
aA = Aa
=×
=
×646
462
244
2
323
231
122
323
231
122
2
Perkalian matriks dengan bilangan skalar ini mempunyai sifat-sifat sebagai berikut
( ) BABA aaa +=+
( ) AAA baba +=+
[ ] ( )AA abba =
Contoh:
Perkalian Internal Vektor (dot product)
[ ]32=a
=
3
4bvektor baris: vektor kolom:
.
Contoh:
2 kolom
2 baris
Perkalian internal antara dua vektor a dan b yaitu c = ab hanya terdefinisikan jika banyak kolom vektor a sama dengan banyak baris
vektor b.
Dalam perkalian internal vektor, urutan perkalian harus diperhatikan.
[ ] [ ] [ ]1733423
4 32 =×+×=
=•= bac
Jika urutan dibalik, b : 1 kolom, a : 1 baris, perkalian juga dapat dilakukantetapi memberikan hasil yang berbeda
[ ]
=
××××
=
=•=
96
128
3323
342432
3
4abd
perkalian internal dapat dilakukan
Perkalian matriks tidak komutatif.
Perkalian Matriks Dengan Vektor
=
43
12A
=
3
2bMisalkan dan
dapat dikalikan2 kolom
2 baris
=
×+××+×
=
••
=
==
18
7
3423
3122
2
1
2
1
ba
bab
a
aAbC
Jika urutan perkalian dibalik, perkalian tidak dapat dilakukankarena b terdiri dari satu kolom sedangkan A terdiri dari dua baris.
Contoh:
Perkalian Dua Matriks Bujur Sangkar
=
43
12A
=
35
24Bdan
Contoh:
dapat dikalikankolom = 2
baris = 2
Matriks A kita pandang sebagai
=
2
1
a
aA
Matriks B kita pandang sebagai [ ]21 bbB =
[ ]
=
×+××+××+××+×
=
••••
=
==
1832
713
34235443
31225142
2212
211121
2
1
baba
bababb
a
aABC
Perkalian dua matriks persegi panjang
=
231
342A
=32
34
21
Bdan
dapat dikalikankolom = 3
baris = 3
=
×+×+××+×+××+×+××+×+×
=
==
1717
2525
323321224311
333422234412
32
34
21
231
342ABC
Contoh:
=
2
1
a
aA [ ]21 bbB =
[ ]
••••
=
==
2212
211121
2
1 baba
bababb
a
aABC
Pernyataan matriks dengan anak matriks pada contoh di atas adalah
,
sehingga
.
Dalam operasi perkalian matriks:
matriks yang pertama kita susun dari anak matriks yang berupa vektor baris
matriks yang kedua kita susun dari anak matriks yang berupa vektor kolom
Jadi perkalian matriks adalah perkalian dari baris ke kolom
( ) ( ) ( )BAABBA aaa ==
( ) ( )CABBCA =
( ) BCACCBA +=+
( ) CBCABAC +=+
Sifat-sifat perkalian matriks
b. Tidak komutatif. Jika perkalian AB maupun BA terdefinisikan, maka pada umumnya AB ≠ BA
a. Asosiatif dan distributif terhadap penjumlahan
Jika AB = 0 tidak selalu berakibat A = 0 atau B = 0.
c. Hukum pembatalan tidak selalu berlaku.
Putaran Matriks (Transposisi)
Putaran matriks atau transposisi dari matriks A berukuran m×nadalah suatu matriks AT yang berukuran n×m dengan kolom-
kolom matriks A sebagai baris-barisnya yang berarti pula bahwa baris-baris matriks A menjadi kolom-kolom matriks AT
[ ]bk
mnmm
n
n
a
aaa
aaa
aaa
=
=
L
LLLL
L
L
21
22221
11211
A
[ ]pq
mnnn
m
m
a
aaa
aaa
aaa
=
=
L
LLLL
L
L
21
22212
12111
TA
Jika
maka
Putaran Vektor Baris Dan Vektor Kolom
Putaran vektor baris akan menjadi vektor kolom.
Sebaliknya putaran vektor kolom akan menjadi vektor baris.
[ ]
=⇒=3
4
2
342 Taa
[ ]345
3
4
5T =⇒
= bb
Contoh:
Putaran Jumlah Dua Vektor Baris
Putaran jumlah dua vektor baris sama dengan jumlah putaran masing-masing vektor
[ ] [ ]231dan 342 == ba
[ ]573=+ ba
( ) TTT
2
3
1
3
4
2
5
7
3
baba +=
+
=
=+
( ) TTT baba +=+
Jika
maka
Secara umum :
Contoh:
Putaran Hasil Kali Vektor Baris Dan Vektor Kolom
Putaran hasil kali vektor baris dengan vektor kolom atau vektor kolom dengan vektor baris, sama dengan hasil kali putaran
masing-masing dengan urutan dibalik
[ ]
==2
3
1
dan 342 ba
[ ]233412 ×+×+×=ab
Jika
maka
Contoh:
[ ] [ ] TTT
3
4
2
231233412 abab =
=×+×+×=
Contoh:
Jika [ ]231dan
3
4
2
=
= ba
maka
×××××××××
=233313
243414
223212
ab
( ) [ ] TTT 342
2
3
1
232422
333432
131412
abab =
=
×××××××××
=
Secara umum : ( ) TTT abab =
Contoh:
Putaran Matriks Persegi Panjang
=
231
342A
=23
34
12TAJika maka
=
ma
a
A L
1
[ ]TT1
TmaaA L=
Jika matriks A dinyatakan sebagai susunan dari vektor baris
maka
[ ]maaaA L21=Jika matriks Adinyatakan dengan vektor kolom
=
ma
a
A L
1Tmaka
Putaran Jumlah Matriks
Putaran jumlah dua matriks sama dengan jumlah putaran masing-masing matriks.
Hal ini telah kita lihat pada putaran jumlah vektor baris.
( ) TTT BABA +=+
[ ]maaA L1= [ ]mbbB L1=
[ ]mm babaBA ++=+ L11
Jika
Dengan demikian
dan
maka
( )( )
( )TT
T
T1
T
T1
TT
T1
T1
T
T11
T BA
b
b
a
a
ba
ba
ba
ba
BA +=
+
=
+
+=
+
+=+
mmmmmm
LLLL
Putaran Hasil Kali Matriks
Putaran hasilkali dua matriks sama dengan hasil kali putaran masing-masing dengan urutan yang dibalik. Hal ini telah kita lihat
pada putaran hasil kali vektor baris dan vektor kolom.
( ) TTT ABAB =
=
ma
a
A L
1
[ ]nbbB L1=
••
••=
nmnm
n
baba
baba
AB
L
LLL
L 111
Jika dan
maka
[ ] TT1
1111T ABaa
b
b
baba
baba
AB =
=
••
••= m
nnmnm
n
LL
L
LLL
L
Dengan demikian maka
Matriks Simetris
Jika
dikatakan bahwa matriks B adalah simetris miring.
BB −=T
Matriks simetris adalah matriks yang putarannya sama dengan matriksnya sendiri. Jadi matriks A dikatakan simetris apabila
AA =T
Karena dalam setiap putaran matriks nilaielemen-elemen diagonal utama tidak berubah, maka matriks simetris miring dapat terjadi jika
elemen diagonal utamanya bernilai nol.
Berkaitan dengan putaran matriks, kita mengenal kesimetrisan pada matriks nyata.
Sistem Persamaan Linier
Suatu sistem persamaan linier (atau himpunan persaman linier simultan) adalah satu set persamaan dari sejumlah unsur yang tak
diketahui.
Bentuk umum:
mnmnm
nn
nn
bxaxa
bxaxa
bxaxa
=++
=++=++
L
L
L
11
22121
11111
. . . . . . . . . . .
Sistem ini mengandung m persamaan dengan n unsur yang tak diketahui yaitu x1 ….x
n.
Bilangan a11 …..amn
disebut koefisien dari sistem itu, yang biasanya merupakan bilangan-bilangan yang diketahui.
Bilangan-bilangan b1 ….bm
juga merupakan bilangan-bilangan yang diketahui, bisa bernilai tidak nol maupun bernilai nol
Jika seluruh b bernilai nol maka sistem persamaan tersebut disebut sistem persamaan homogen
Dari sistem persamaan linier diharapkan adanya solusi yaitu satu set nilai dari x1 …x
nyang memenuhi sistem persamaan tersebut.
Jika sistem ini homogen, ia mengandung solusi trivial (solusi tak penting) yaitu x1 = 0, …., x
n= 0.
Pertanyaan-pertanyaan yang timbul tentang solusi dari sistem persamaan ini adalah:
a). Benar adakah solusi dari sistem ini ?
b). Bagaimanakah cara untuk memperoleh solusi?
c). Kalau sistem ini mempunyai lebih dari satu solusi, bagaimanakah himpunan solusi tersebut?
d). Dalam keadaan bagaimanakah sistem ini tepat mempunyai satu solusi?
Operasi Baris
mnmnm
nn
nn
bxaxa
bxaxa
bxaxa
=++
=++=++
L
L
L
11
22121
11111
. . . . . . . . . . .
Pada sistem ini kita dapat melakukan operasi-operasi yang disebut operasi baris sebagai berikut:
a). Ruas kiri dan ruas kanan dari setiap persamaan dapat dikalikan dengan faktor bukan nol yang sama, tanpa mempengaruhi himpunan sistem persamaan tersebut.
c). Mempertukarkan tempat (urutan) persamaan tidaklah mengganggu himpunan sistem persamaan.
b). Ruas kiri dari setiap persamaan dapat dijumlahkan ke ruas kiri persamaan yang lain asal ruas kanannya juga dijumlahkan. Operasi ini tidak mengganggu keseluruhan sistem persamaan tersebut.
Penulisan Dalam Bentuk Matriks
Sistem persamaan linier dapat dituliskan dalam bentuk matriks dengan memanfaatkan pengertian perkalian matriks. Bentuk itu adalah
=
mnmnmm
n
n
b
b
b
x
x
x
aaa
aaa
aaa
LL
L
LLLL
L
L
2
1
2
1
21
22221
11211
Penulisan Persamaan Linier Dalam Bentuk Matriks
atau secara singkat bAx =
=
=
=
mnmnmm
n
n
b
b
b
x
x
x
aaa
aaa
aaa
LL
L
LLLL
L
L
2
1
2
1
21
22221
11211
; ; bxA
dengan
Dari cara penulisan tersebut di atas, kita dapat membangun suatu matriks baru yang kita sebut matriks gandengan, yaitu dengan menggandengkan matriks A dengan b menjadi
=
mmnmm
n
n
baaa
baaa
baaa
|
|
|
|
~
21
222221
111211
L
LLLLL
L
L
A
Matriks gandengan ini menyatakan sistem persamaan linier secara lengkap. Operasi-operasi baris pada sistem persamaan linier kita terjemahkan ke dalam matriks gandengan menjadi sebagai berikut
a). Setiap elemen dari baris yang sama dapat dikalikan dengan faktor bukan nol yang sama.
b). Satu baris boleh dijumlahkan ke baris yang lain.
c). Tempat baris (urutan baris) dapat dipertukarkan.
Setiap operasi baris akan menghasilkan matriks gandengan baru.
Operasi baris dapat kita lakukan lagi pada matriks gandengan baru dan menghasilkan matriks gandengan yang lebih baru lagi dan yang terakhir
inipun setara baris dengan matriks gandengan yang lama.
Matriks gandengan baru ini disebut sebagai setara baris dengan matriks gandengan yang lama.
Dengan singkat kita katakan bahwa operasi baris menghasilkan matriks gandengan yang setara baris dengan matriks gandengan
asalnya.
Hal ini berarti bahwa matriks gandengan baru menyatakan sistem persamaan linier yang sama dengan matriks gandengan asalnya.
Eliminasi Gauss
Eliminasi Gauss
Eliminasi Gauss merupakan langkah-langkah sistematis untuk memecahkan sistem persamaan linier. Karena matriks gandengan merupakan pernyataan lengkap dari suatu sistem persamaan linier, maka eliminasi Gauss cukup dilakukan pada matriks gandengan ini.
Suatu sistem persamaan linier:
Contoh:
0234
8253
024
8
=+−+−=−+−
=−+−=−
DCBA
DCBA
CBA
BA
xxxx
xxxx
xxx
xx
Kita tuliskan persamaan ini dalam bentuk matriks:
=
−−−−
−−−
0
8
0
8
2341
2531
0241
0011
D
C
B
A
x
x
x
x
Matriks gandengnyaadalah:
−−−−
−−−
0|2341
8|2531
0|0241
8|0011
Langkah-1: Langkah pertama pada eliminasi Gauss pada matriks gandengan adalah mempertahankan baris ke-1 (disebut mengambil baris ke-1 sebagai pivot) dan membuat suku pertama baris-baris berikutnya menjadi bernilai nol.
1) baris (
1) baris (
baris1) (
pivot
8|2330
0|2520
8|0230
8|0011
+−+
−−−
−−
Pada matriks yang diberikan ini, langkah pertama ini dilaksanakan dengan menambahkan baris ke-1 ke baris ke-2, mengurangkan baris ke-1 dari baris ke-3 dan menambahkan baris ke-1 ke baris ke-4. Hasil operasi ini adalah
Langkah-2: Langkah kedua adalah mengambil baris ke-2 dari matriks gandeng yang baru saja kita peroleh sebagai pivot, dan membuat suku kedua baris-baris berikutnya menjadi nol. Ini kita lakukan dengan mengalikan baris ke-2 dengan 2/3 kemudian menambahkannya ke baris ke-3, dan mengurangkan baris ke-2 dari baris ke-4. Hasil operasi ini adalah
8|2330
0|2520
8|0230
8|0011
−−−
−−
2) (-baris
2) baris 2/3(
(pivot)
0|2100
3/16|23/4500
8|0230
8|0011
+
−−−
−−
Kalikan baris ke 3 dengan 3 agar diperolehbilangan bulat
0|2100
3/16|23/4500
8|0230
8|0011
−−−
−−
0|2100
16|61100
8|0230
8|0011
−−
−−
0|2100
16|61100
8|0230
8|0011
−−
−−
Langkah-3: Langkah ketiga adalah mengambil baris ke-3 sebagai pivot dan membuat suku ke-3 dari baris ke-4 menjadi nol. Ini dapat kita lakukan dengan mengalikan baris ke-4 dengan 11 kemudian menambahkan kepadanya baris ke-3. Hasilnya adalah:
3 baris 11
pivot
16|16000
16|61100
8|0230
8|0011
+×
−−
−
Matriks gandeng terakhir ini menyatakan bentuk matriks:
1616
16611
823
8
==−
=−=−
D
DC
CB
BA
x
xx
xx
xxyang dengan substitusi mundur akan memberikan:
12 ; 4 ; 2 ; 1 ==== ABCD xxxx
Hasil terakhirlangkah ketigaadalah:
16|16000
16|61100
8|0230
8|0011
−−
−
Matriks terakhir ini menyatakan sistem persamaan linier:
=
−−
−
16
16
8
8
16000
61100
0230
0011
D
C
B
A
x
x
x
x
Sistem Tertentu dan Tidak Tertentu
Sistem-sistem Tertentu Dan Tidak Tertentu
Sistem tertentu adalah sistem yang memberikan tepat satu solusi.
Sistem tertentu terjadi jika unsur yang tak diketahui sama banyakdengan persamaannya, dan persamaan-persamaan ini tidak saling bergantungan.
Jika persamaan lebih banyak dari unsur yang tak diketahui, sistem menjadi tertentu berlebihan.
Jika unsur yang tak diketahui lebih banyak dari persamaannya, maka sistem itu menjadi kurang tertentu. Sistem yang kurang tertentu memberikan tidak hanya satu solusi akan tetapi banyak solusi.
Sistem yang kurang tertentu selalu mempunyai solusi (dan banyak) sedangkan sistem tertentu dan tertentu berlebihan bisa memberikan solusi bisa juga tidak memberikan solusi.
Contoh Sistem Persamaan Yang Memberikan Banyak Solusi
823
024
8
−=+−=−+−
=−
CB
CBA
BA
xx
xxx
xx
Matriks gandeng:
−−−−
−
8|230
0|241
8|011
Eliminasi Gauss:
−−−
−
8|230
8|230
8|011
−−
0|000
8|230
8|011
Contoh:
Matriks gandengan ini menyatakan sistem persamaan :
00
823
8
==−
=−
CB
BA
xx
xx
3/)28( CB xx +=Dari persamaan ke-2 kita mendapatkan
3/)28(8 CA xx ++=yang kemudian memberikan
Karena xC
tetap sembarang maka kita mendapatkan banyak solusi. Kita hanya akan memperoleh nilai x
Adan x
Bjika kita
menentukan nilai xC
lebih dulu
Contoh Sistem Yang Tidak Memberikan Solusi
1023
024
8
−=+−=−+−
=−
CB
CBA
BA
xx
xxx
xx
Matriks gandeng dan eliminasi Gauss memberikan
−−−−
−
10|230
0|241
8|011
−−−
−
10|230
8|230
8|011
−−
−
2|000
8|230
8|011
Contoh:
Sistem persamaan dari matriks gandeng terakhir ini adalah
20
823
8
−==−
=−
CB
BA
xx
xx
Kita lihat di sini bahwa penerapan eliminasi Gauss pada akhirnya menghasilkan suatu kontradiksi yang dapat kita lihat pada baris
terakhir.
Hal Ini menunjukkan bahwa sistem persamaan yang sedang kita tinjau tidak memberikan solusi.
Bentuk Eselon
Bentuk matriks pada langkah terakhir eliminasi Gauss, disebut bentuk eselon.
−−
000
230
011
−−
−
2|000
8|230
8|011
dan
Secara umum bentuk eselon matriks gandengan adalah
′′
′
+
m
r
rrnrr
n
n
b
b
bkk
bcc
baaa
|0
|
|0
|
|
|0
|
1
2222
111211
M
L
M
LLL
LLL
Dari contoh di atas, bentuk eselon matriks koefisien dan matriks gandengannya adalah
dan sistem yang telah tereduksi pada langkah akhir eliminasi Gauss akan berbentuk
m
r
rnrnrrr
nn
nn
b
b
bxkxk
bxaxc
bxaxaxa
′=
′=′=++
′=++=+++
+
0
0
1
22222
11212111
M
L
M
LLLL
LLLL
dengan 0 , 0 ,0 2211 ≠≠≠ rrkaa , dan r ≤ n
a). Jika dan sama dengan nol atau tidak ada, maka sistem persamaan ini akan memberikan tepat satu solusi.
b). Jika dan sama dengan nol atau tidak ada, maka sistem persamaan ini akan memberikan banyak solusi.
c). Jika ataupun dan tidak sama dengan nol atau mempunyai nilai, maka sistem persamaan ini tidak memberikan solusi.
nr = mr bb ′′+ ,,1 K
nr < mr bb ′′+ ,,1 K
nr = nr < mr bb ′′+ ,,1 K
Perhatikan bentuk ini:
Jadi suatu sistem persamaan akan memberikan solusi jika sama dengan nol atau tidak ada.
mr bb ′′+ ,,1 K
Pada suatu sistem persamaan yang memberikan solusi, ketunggalan solusi terjadi jika .nr =
Nilai r yang dimiliki oleh matriks gandengan ditentukan oleh banyaknya vektor baris yang bebas linier dalam matriks gandeng.
Pengertian tentang kebebasan linier vektor-vektor kita bahas berikut ini.
nr <Jika persamaan akan memberikan banyak solusi.
Bebas Linier Dan Tak-bebas Linier
Vektor-Vektor
Bebas Linier Dan Tak-bebas Linier Vektor-vektor
Misalkan maaa , , 21 L
adalah vektor-vektor baris dari suatu matriks A =[abk
].
Kita tinjau suatu persamaan vektor
02211 =+++ mmccc aaa L
Apabila persamaan vektor ini terpenuhi hanya jika semua koefisien (c1 … c
m) bernilai nol, maka vektor-vektor baris tersebut adalah
bebas linier.
Jika persamaan vektor tersebut dapat dipenuhi dengan koefisien yang tidak semuanya bernilai nol (artinya setidak-tidaknya ada satu koefisien yang tidak bernilai nol) maka vektor-vektor itu
tidak bebas linier.
Jika satu himpunan vektor terdiri dari vektor-vektor yang bebas linier, maka tak satupun dari vektor-vektor itu dapat dinyatakan dalam
kombinasi linier dari vektor yang lain. Hal ini dapat dimengerti karena dalam persamaan tersebut di atas semua koefisien bernilai nol untuk
dapat dipenuhi.
Vektor a1 misalnya, dapat dinyatakan sebagai
01
21
21 =−−−= m
m
c
c
c
caaa L
karena koefisien-koefisien ini tidak seluruhnya bernilai nol
Jika vektor-vektor tidak bebas linier maka nilai koefisien pada persamaan tersebut di atas (atau setidak-tidaknya sebagian tidak
bernilai nol) maka satu vektor dapat dinyatakan sebagai kombinasi linier dari vektor yang lain.
Contoh: Dua vektor baris [ ]21321 =a [ ]26242 =adan
Vektor a1 dan a2 adalah bebas linier karena
[ ] [ ] 026242132 212211 =+=+ cccc aa
hanya akan terjadi jika 021 == cc
Ambil vektor ketiga [ ]42643 =a
Vektor a3 dan a1 tidak bebas linier karena kita dapat menyatakan a3
sebagai [ ] [ ]4264213222 13 === aa
Vektor a1, a2 dan a3 juga tidak bebas linier karena kita dapat menyatakan a3 sebagai
[ ] [ ] [ ]42642624 02132 202 213 =+=+= aaa
Akan tetapi jika kita hanya melihat a3 dan a2 saja, mereka adalah bebas linier.
Rank Matriks
Rank Matriks
Dengan pengertian tentang vektor yang bebas linier, didefinisikan rank matriks.
Banyaknya vektor baris yang bebas linier dalam suatu matriks A = [abk
] disebut rank matriks A disingkat rank A.
Jika matrik B = 0 maka rank B adalah nol.
Operasi baris pada suatu matriks menghasilkan matriks yang setara baris dengan matriks asalnya. Hal ini berarti pula bahwa rank matriks
baru sama dengan rank matriks asalnya.
Dengan perkataan lain operasi baris tidak mengubah rank matriks. Jadi rank suatu matriks dapat diperoleh melalui operasi baris, yaitu sama dengan rank matriks yang dihasilkan pada langkah terakhir
eliminasi Gauss.
Bentuk eselon matriks yang diperoleh pada langkah terakhir eliminasi Gauss, mengandung vektor-vektor baris yang bebas
linier karena vektor yang tak bebas linier telah tereliminasi.
Bagaimana menentukan rank suatu matriks?
Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan solusi tunggal dalam contoh, adalah
−−
−
16000
61100
0230
0011
−−
−
16|16000
16|61100
8|0230
8|0011
dan
Dalam kasus ini rank matriks koefisien sama dengan rank matriks gandengan, yaitu 4. Selain dari pada itu rank matriks sama dengan
banyaknya unsur yang tak diketahui yaitu 4
Contoh:
Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan banyak solusi, adalah
Contoh:
−−
000
230
011
−−
0|000
8|230
8|011dan
Dalam kasus ini rank matriks koefisien sama dengan rank
matriks gandengan, yaitu 2. Akan tetapi rank matriks ini lebih kecil dari banyaknya unsur yang tak diketahui.
Contoh:
Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang tidak memberikan solusi, adalah
−−
000
230
011
−−
−
2|000
8|230
8|011dan
Dalam kasus ini rank matriks koefisien tidak sama dengan rank matriks gandengan. Rank matriks koefisien adalah 2 sedangkan rank matriks gandengannya adalah 3. Ketidak samaan rank dari kedua matriks ini menunjukkan tidak
adanya solusi.
Apa yang kita amati dalam contoh-contoh di atas ternyata berlaku umum.
c). jika rank matriks koefisien lebih kecil dari banyaknya unsur yang tak diketahui maka akan diperoleh banyak solusi.
a). agar suatu sistem persamaan memberikan solusi maka rankmatriks koefisien harus sama dengan rank matriks gandengannya;
b). agar sistem persamaan memberikan solusi tunggal maka rankmatriks koefisien harus sama dengan banyaknya unsur yang tak diketahui;
Sistem Persamaan Homogen
Sudaryatno Sudirham
Sistem Persamaan Homogen
Sistem persamaan disebut homogen apabila nilai b di ruas kanan dari persamaan sistem bernilai nol. Jika tidak demikian maka sistem itu disebut tak homogen. Sistem persamaan homogen berbentuk
0
. . . . . . . . . . .
0
0
2211
2222121
1212111
=+++
=+++=+++
nmnmm
nn
nn
xaxaxa
xaxaxa
xaxaxa
L
L
L
Bentuk matriks gandengan sistem ini adalah
=
0|
|
0|
0|
~
21
22221
11211
mnmm
n
n
aaa
aaa
aaa
L
LLLLL
L
L
A
Eliminasi Gauss pada sistem demikian ini akan menghasilkan
′
′′′′′
=′
0|000
|
0|0
0|
~ 222
11211
mn
n
n
a
aa
aaa
LLLLL
L
L
A
Jika rank matriks gandengan terakhir ini sama dengan banyaknya unsur yang tak diketahui, r = n, sistem persamaan akhirnya akan
berbentuk
0
0
0
2222
1212111
=′
=′++′=′++′+′
nmn
nn
nn
xa
xaxa
xaxaxa
M
L
L
Dari sini terlihat bahwa dan substitusi mundur akhirnya memberikan semua x bernilai nol. Ini merupakan solusi trivial dan solusi trivial ini diakibatkan oleh kenyataan bahwa r = n. Solusi tak trivial hanya akan diperoleh jika .
0=nx
nr <
Sistem Persamaan Homogen Yang Hanya Memberikan Solusi Trivial
0234
0253
024
0
=+−+−=−+−
=−+−=−
DCBA
DCBA
CBA
BA
xxxx
xxxx
xxx
xx
Matriks gandengan sistem ini dan hasil eliminasi Gauss-nya adalah
−−−−
−−−
0|2341
0|2531
0|0241
0|0011
−−
−
0|16000
0|61100
0|0230
0|0011
Rank matrik koefisien adalah 4; banyaknya unsur yang tak diketahui juga 4. Sistem persamaan liniernya menjadi
016
0611
023
0
==−
=−=−
D
DC
CB
BA
x
xx
xx
xx0==== ABCD xxxxyang akhirnya memberikan
Inilah solusi trivial yang dihasilkan jika terjadi keadaan nr =
Contoh:
Sistem Persamaan Yang Memberikan Solusi Tak Trivial
06134
0253
024
0
=+−+−=−+−
=−+−=−
DCBA
DCBA
CBA
BA
xxxx
xxxx
xxx
xx
Matriks gandengan dan hasil eliminasinya adalah
Contoh:
−−−−
−−−
0|61341
0|2531
0|0241
0|0011
−−
−
0|0000
0|61100
0|0230
0|0011
eliminasi Gauss:
Sistem persamaan menjadi
00
0611
023
0
==−
=−=−
DC
CB
BA
xx
xx
xx
1=Dx
33
12 ;
33
12 ;
11
6 === ABC xxx
Jika kita mengambil nilai maka akan diperoleh
.
Solusi ini membentuk vektor solusi
=
1
11/6
33/12
3312
1
/
x
yang jika matriks koefisiennya digandaawalkan akan menghasilkan vektor nol b = 0
=
−−
−
=
0
0
0
0
1
6/11
12/33
12/33
0000
61100
0230
0011
1Ax
Jika kita menetapkan nilai xD
yang lain, misalnya akan diperoleh vektor solusi yang lain, yaitu
33=Dx
12 33
33
18
12
12
xx =
=
Penggandaawalan matriks koefisiennya juga akan menghasilkan vektor nol
Vektor solusi x2 ini merupakan perkalian solusi sebelumnya dengan bilangan skalar (dalam hal ini 33), yang sesungguhnya bisa bernilai sembarang. Secara umum vektor solusi berbentuk
1xx cc =
dengan c adalah skalar sembarang
Vektor solusi yang lain lagi dapat kita peroleh dengan menjumlahkan vektor-vektor solusi, misalnya x1 dan x2.
111213 3433
33
18
12
12
1
11/6
33/12
33/12
xxxxxx =+=
+
=+=
Jelas bahwa x3 juga merupakan solusi karena jika digandaawalkan akan memberikan hasil vektor nol. Jadi secara umum vektor solusi dapat juga diperoleh dengan menjumlahkan vektor solusi yang kita nyatakan sebagai
∑= cj xx
Jika kita perhatikan lebih lanjut ruang vektor yang terbentuk oleh vektor solusi akan berdimensi (n − r), yaitu selisih antara banyaknya unsur yang tak diketahui dengan rank matriks
koefisien. Dalam kasus yang sedang kita tinjau ini, banyaknya unsur yang tak diketahui adalah 3 sedangkan rank matriks
koefisien adalah 2.
Contoh di atas memperlihatkan bahwa solusi dari sistem persamaan homogen membentuk vektor-vektor yang seluruhnya dapat
diperoleh melalui perkalian salah satu vektor solusi dengan skalar serta penjumlahan vektor-vektor solusi. Kita katakan bahwa solusi dari sistem persamaan homogen membentuk suatu ruang vektor.
Dalam sistem persamaan homogen yang sedang kita tinjau ini, ruang vektor yang terbentuk adalah ber-dimensi satu.
Perhatikan bahwa setiap vektor solusi merupakan hasilkali skalar dengan vektor x1 .
Sistem Persamaan Dengan Vektor Solusi Berdimensi 2
04107
0254
0254
0
=+−+−=−+−
=+−+−=−
DCBA
DCBA
DCBA
BA
xxxx
xxxx
xxxx
xxContoh:
Matriks gandengan dan hasil eliminasi Gauss adalah
−−−−
−−−
0|41071
0|2541
0|2541
0|0011
−−
0|0000
0|0000
0|2530
0|0011
Rank matriks ini adalah 2 sedangkan banyaknya unsur tak diketahui 4. Sistem persamaan menjadi
00
00
0253
0
==
=+−=−
DCB
BA
xxx
xx
0dan 1 == DC xx
5/3 ; 3/5 == AB xx
Jika kita memberi nilai
kita akan mendapatkan
.
=
0
1
3/5
3/5
1x adalah salah satu vektor solusi
Ganda-awal matriks koefisien dengan vektor ini akan memberikan vektor 0b =
=
+−+−
=
−−
=
0
0
0
0
0
0
0550
3/53/5
0
1
3/5
3/5
0000
0000
2530
0011
1Ax
Jika Ax1 = 0, maka perkalian dengan skalar k akan memberikan
0xA =11k 0xA =12k
,
dan 0)( 111211211 ==+=+ xAxAxAxA ckkkk
Dengan kata lain, jika x1 adalah vektor solusi, maka
)( , , 12111211 xxxx kkkk +
adalah juga vektor-vektor solusi dan sebagaimana kita tahu vektor-vektor ini kita peroleh dengan memberi nilai .0dan 1 == DC xx
1dan 0 == DC xx 3/2−=Bx
3/2−=Ax
Jika akan kita peroleh
dan yang membentuk vektor solusi
−−
=
1
0
3/2
3/2
2x
Dengan skalar l sembarang kita akan memperoleh vektor-vektor solusi yang lain seperti
)( , , 22212221 xxxx llll +
Secara keseluruhan maka vektor-vektor solusi kita adalah
21 xxx lk +=
Inilah vektor-vektor solusi yang membentuk ruang vektor berdimensi 2.
Dari dua contoh terakhir ini terbukti teorema yang menyatakan bahwa solusi sistem persamaan linier homogen
dengan n unsur tak diketahui dan rank matriks koefisien rakan membentuk ruang vektor berdimensi (n − r).
Kebalikan Matriks Dan Metoda Eliminasi Gauss-Jordan
Pengertin tentang kebalikan matriks (inversi matriks) erat kaitannya dengan pemecahan sistem persamaan linier. Namun demikian
pengertian ini khusus ditujukan untuk matriks bujur sangkar n × n.
Kebalikan matriks A (inversi matriks A) didefinisikan sebagai matriks yang jika digandaawalkan ke matriks A akan menghasilkan
matriks identitas. Kebalikan matriks A dituliskan sebagai A−1
sehingga definisi ini memberikan relasi
11 −− == AAIAA
Jika A berukuran n × n maka A−1 juga berukuran n × n dan demikian pula matriks identitasnya.
Jika A adalah matriks tak singular maka hanya ada satu kebalikan A; dengan kata lain kebalikan matriks
adalah unik atau bersifat tunggal.
Hal ini mudah dimengerti sebab jika A mempunyai dua kebalikan, misalnya P dan Q, maka AP = I =PAdan juga AQ = I =QA, dan hal ini hanya mungkin
terjadi jika P = Q.
QQIAPQQAPPAQIPP ====== )()(
Tidak semua matriks bujur sangkar memiliki kebalikan; jika A memiliki kebalikan maka A disebut matriks tak singulardan jika tak memiliki kebalikan disebut matriks singular.
Persamaan ini menunjukkan bahwa kita dapat memperoleh vektor solusi x dari sistem persamaan linier jika kebalikan matriks koefisien
A ada, atau jika matriks A tak singular.
Jadi persoalan kita sekarang adalah bagaimana mengetahui apakah matriks A singular atau tak singular dan bagaimana mencari
kebalikan matriks A jika ia tak singular.
Berbekal pengertian kebalikan matriks, kita akan meninjau persamaan matriks dari suatu sistem persamaan linier tak
homogen, yaitu
bAx =
Jika kita menggandaawalkan kebalikan matriks A ke ruas kiri dan kanan persamaan ini, akan kita peroleh
bAxIxbAAxA 111 −−− ==→=
Dari pembahasan sebelumnya kita mengetahui bahwa jika matriks koefisien A adalah matriks bujur sangkar n × n, maka solusi tunggal akan kita peroleh jika rank A sama dengan n. Hal ini berarti bahwa
vektor x pada persamaan di atas dapat kita peroleh jika rank A−1 sama dengan n. Dengan perkataan lain
matriks A yang berukuran n × n tak singular jika rank A = n
dan akan singular jika rank A < n.
Mencari kebalikan matriks A dapat kita lakukan dengan cara eliminasi Gauss-Jordan. Metoda ini didasari oleh persamaan Ax = b.
IAX =
Jika X adalah kebalikan matriks A maka
[ ]IAA =~
[ ]HU
[ ]HU
[ ]XI
Untuk mencari X kita bentuk matriks gandengan
A~
Jika kita lakukan eliminasi Gauss pada
matriks gandengan ini berubah menjadi
dengan U berbentuk matriks segitiga atas.
yaitu dengan mengeliminasi unsur-unsur segitiga atas pada Usehingga U berbentuk matriks identitas I.
Eliminasi Gauss-Jordan selanjutnya beroperasi pada
Langkah akhir ini akan menghasilkan
Contoh: Kita akan mencari kebalikan dari matriks
−−=
142
223
221
A
Kita bentuk matriks gandengan [ ]IA
[ ]
−−=
100|142
010|223
001|221
IA
Kita lakukan eliminasi Gauss pada matriks gandengan ini
1 baris 2
1 baris3
pivot
102|580
013|480
001|221
×+×−
−−−
2 baris
pivot
111|100
013|480
001|221
+
−−−−
Kemudian kita lakukan eliminasi Gauss-Jordan
)8/1(
111|100
08/18/3|2/110
001|221
−×
−−
baris35.0
3 baris2
111|100
2/18/58/7|010
223|021
×−×−
−−−−−
2 baris2
111|100
2/18/58/7|010
18/68/10|001 ×−
−−−
−−
Hasil terakhir ini memberikan kebalikan matriks A, yaitu
−−−
−−=−
111
2/18/58/7
18/68/101A
Dengan demikian untuk suatu sistem persamaan linier tak homogen yang persamaan matriksnya
=
−−
0
0
8
142
223
221
3
2
1
x
x
x
vektor solusinya adalah
−=
−−−
−−=
−−=
−
8
7
10
0
0
8
111
2/18/58/7
18/68/10
0
0
8
142
223
221
1
3
2
1
x
x
x
Kebalikan Matriks Diagonal
Kebalikan matriks diagonal dapat dengan mudah kita peroleh.
=
−
nnnn a
a
a
a
/100
00
00/1
00
00
00 111
11
LL
Kebalikan Dari Kebalikan Matriks
Kebalikan dari kebalikan matriks adalah matriks itu sendiri.
( ) AA =−− 11
Kebalikan Dari Perkalian Matriks
Kebalikan dari perkalian dua matriks adalah perkalian dari kebalikan masing-masing matriks dengan urutan dibalik.
( ) 111 −−− = ABAB
Hal ini dapat dibuktikan sebagai berikut
( )( ) 1−= ABABI
( )( ) ( ) ( ) ( )( )
( ) ( ) ( ) 111111
11
111111
−−−−−−
−−
−−−−−−
===
=
===
ABABIABBBAB
ABBA
ABIBABBAAABABAIA
Bahan Ajar
Matriksdan
Sistem Persamaan Linier
Sudaryatno Sudirham