Matriks dan Sistem Persamaan Linier Oleh Sudaryatno Sudirham

Matriks dan Sistem Persamaan Linier Oleh : Sudaryatno Sudirham

Cakupan Bahasan Ø Pengertian Tentang Matriks Ø Operasi-Operasi Matriks Ø Putaran Matriks Ø Sistem Persamaan Linier

Pengertian Dasar Matriks Matrik adalah susunan teratur bilangan-bilangan dalam baris dan kolom yang membentuk suatu susunan persegi panjang yang kita perlakukan sebagai suatu kesatuan. Contoh-1. 1: Bilangan ini bisa berupa bilangan nyata atau kompleks. Kita terlebih dulu akan melihat matriks berisi bilangan nyata. baris kolom Notasi nama matriks: huruf besar cetak tebal, Contoh-1. 2:

Pengertian Dasar Matriks Elemen Matriks Isi suatu matriks disebut elemen matriks Contoh-1. 3: 2, 4, 1 dan 3, 0, 2 adalah elemen-emenen matriks yang membentuk baris-baris 2, 3 dan 4, 0, dan 1, 2 adalah elemen-elemen matriks yang membentuk kolom-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-1. 4: adalah matriks merukuran 2 3

Pengertian Dasar Matriks 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-1. 4: b=k=3 matriks bujur sangkar 3 3 k=1 vektor kolom Notasi nama vektor: huruf kecil cetak tebal b = 2, k = 3 matriks segi panjang 2 3 b=1 vektor baris

Pengertian Dasar Matriks Diagonal Utama Secara umum, matriks A dapat kita tuliskan sebagai elemen-elemen a 11 …amn disebut diagonal utama

Pengertian Dasar Matriks Segitiga Matriks segitiga ada dua macam 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. Contoh-1. 5: Matriks segitiga bawah : Matriks segitiga atas :

Pengertian Dasar Matriks Diagonal Matriks diagonal adalah matriks yang elemen-elemen di atas maupun di bawah diagonal utamanya bernilai nol. Contoh-1. 6:

Pengertian Dasar Matriks Satuan Jika semua elemen pada diagonal utama adalah 1, sedang elemen yang lain adalah 0, matriks itu disebut matriks satuan. Contoh-1. 7: Matriks Nol Matriks nol, 0, yang berukuran m n adalah matriks yang berukuran m n dengan semua elemennya bernilai nol.

Pengertian Dasar Matriks Anak matriks atau sub-matriks Contoh-1. 7: Matriks B memiliki: - Dua anak matriks 1 3 , yaitu: - Tiga anak matriks 2 1, yaitu: - Enam anak matriks 1 1 yaitu: - Enam anak matriks 1 2 yaitu: - Tiga anak matriks 2 2 yaitu: [2] , [4] , [1] , [3] , [0] , [2];

Pengertian Dasar Matriks dapat dipandang sebagai tersusun dari anak-anak matriks yang berupa vektor-vektor Contoh-1. 8: dapat kita pandang sebagai matriks dengan anak-anak matriks berupa vektor baris Contoh-1. 9: dapat kita pandang sebagai matriks dengan anak-anak matriks yang berupa vektor kolom

Operasi Matriks, Kesamaan, Matriks Nol, Matriks negatif Kesamaan Matriks Dua matriks A dan B dikatakan sama jika dan hanya jika berukuran sama dan elemen-elemen pada posisi yang sama juga sama. Contoh-2. 1: A=B Jika maka haruslah .

Operasi Matriks, Kesamaan, Matriks Nol, Matriks negatif Matriks Negatif dari matriks berukuran m n adalah matriks berukuran m n yang diperoleh dengan mengalikan seluruh elemennya dengan faktor ( 1). . Contoh-2. 2:

Operasi Matriks, Penjumlahan dan Pengurangan Penjumlahan 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 elemennya merupakan jumlah dari elemen-elemen matriks A dan B yang posisinya sama Contoh-2. 3: Jika maka Sifat-sifat penjumlahan matriks:

Operasi Matriks, Penjumlahan dan Pengurangan Matriks Pengurangan matriks dapat dipandang sebagai penjumlahan dengan matriks negatif Contoh-2. 4:

Operasi Matriks, Penjumlahan dan Pengurangan Perkalian Matriks 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. 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

Operasi Matriks, Perkalian Matriks dengan Bilangan Skalar Hasil kali suatu bilangan skalar a dengan matriks berukuran m n adalah matriks berukuran m n yang seluruh elemennya bernilai a kali. a. A = Aa Contoh-2. 5: Perkalian matriks dengan bilangan skalar ini mempunyai sifat-sifat sebagai berikut

Operasi Matriks, Perkalian Matriks Perkalian Internal Vektor (dot product) 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. Contoh-2. 6: vektor baris: vektor kolom: kolom =2. baris = 2 perkalian internal dapat dilakukan Jika urutan dibalik, b : 1 kolom, a : 1 baris, maka perkalian dapat dilakukan Perkalian matriks tidak komutatif.

Operasi Matriks, Perkalian Matriks Dengan Vektor Contoh-2. 7: Misalkan dan baris = 2 kolom = 2 dapat dikalikan Jika urutan perkalian dibalik, perkalian tidak dapat dilakukan karena b terdiri dari satu kolom sedangkan A terdiri dari dua baris.

Operasi Matriks, Perkalian Matriks Perkalian Dua Matriks Bujur Sangkar Contoh-2. 8: dan kolom = 2 Matriks A kita pandang sebagai Matriks B kita pandang sebagai baris = 2 dapat dikalikan

Operasi Matriks, Perkalian Matriks Perkalian dua matriks persegi panjang Contoh-2. 9: dan kolom = 3 baris = 3 dapat dikalikan

Operasi Matriks, Perkalian Matriks Pernyataan matriks dengan anak matriks pada contoh-2. 8 adalah sehingga , Dalam operasi perkalian matriks, matriks yang pertama kita susun dari anak matriks yang berupa vektor baris sedangkan matriks yang kedua kita susun dari anak matriks yang berupa vektor kolom. . Jadi perkalian matriks adalah perkalian dari baris ke kolom

Operasi Matriks, Perkalian Matriks Perkalian matriks mempunyai sifat sebagai berikut. a. Asosiatif dan distributif terhadap penjumlahan b. Tidak komutatif. Jika perkalian AB maupun BA terdefinisikan, maka pada umumnya AB BA c. Hukum pembatalan tidak selalu berlaku. Jika AB = 0 tidak selalu berakibat A = 0 atau B = 0.

Putaran Matriks Putaran matriks atau transposisi dari matriks A berukuran m×n adalah suatu matriks AT yang berukuran n×m dengan kolom matriks A sebagai baris-barisnya yang berarti pula bahwa baris-baris matriks A menjadi kolom-kolom matriks AT Jika maka

Putaran Matriks Putaran Vektor Baris Dan Vektor Kolom Putaran vektor baris akan menjadi vektor kolom. Sebaliknya putaran vektor kolom akan menjadi vektor baris. Contoh-3. 1:

Putaran Matriks Putaran Jumlah Dua Vektor Baris Putaran jumlah dua vektor baris sama dengan jumlah putaran masing -masing vektor Contoh-3. 2: Jika maka Secara umum :

Putaran Matriks 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 Contoh-3. 3: Jika maka

Putaran Matriks Contoh-3. 4: Jika maka Secara umum :

Putaran Matriks Persegi Panjang Contoh-3. 5: Jika matriks A dinyatakan sebagai susunan dari vektor baris Jika matriks A dinyatakan dengan vektor kolom maka

Putaran Matriks Putaran Jumlah Matriks Putaran jumlah dua matriks sama dengan jumlah putaran masing matriks. Hal ini telah kita lihat pada putaran jumlah vektor baris. Jika maka Dengan demikian dan

Putaran Matriks Putaran Hasil Kali Matriks Putaran hasilkali dua matriks sama dengan hasil kali putaran masing dengan urutan yang dibalik. Hal ini telah kita lihat pada putaran hasil kali vektor baris dan vektor kolom. Jika dan Dengan demikian maka

Putaran Matriks Simetris Berkaitan dengan putaran matriks, kita mengenal kesimetrisan pada matriks nyata. Matriks simetris adalah matriks yang putarannya sama dengan matriksnya sendiri. Jadi matriks A dikatakan simetris apabila Jika dikatakan bahwa matriks B adalah simetris miring. Karena dalam setiap putaran matriks elemen diagonal utama tidak berubah nilai, maka matriks simetris miring dapat terjadi jika elemen diagonal utamanya bernilai nol.

Sistem Persamaan Linier Suatu sistem persamaan linier (atau himpunan persaman linier simultan) adalah satu set persamaan dari sejumlah unsur yang tak diketahui. Bentuk umum Sistem ini mengandung m persamaan dengan n unsur yang tak diketahui yaitu x 1 …. xn. Bilangan a 11 …. . amn disebut koefisien dari sistem itu, yang biasanya merupakan bilangan-bilangan yang diketahui. Bilangan-bilangan b 1 …. 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

Sistem Persamaan Linier Dari sistem persamaan linier diharapkan adanya solusi yaitu satu set nilai dari x 1 …xn yang memenuhi sistem persamaan tersebut. Jika sistem ini homogen, ia mengandung solusi trivial (solusi tak penting) yaitu x 1 = 0, …. , xn = 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?

Sistem Persamaan Linier Operasi Baris 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. 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. c). Mempertukarkan tempat (urutan) persamaan tidaklah mengganggu himpunan sistem persamaan.

Sistem Persamaan Linier Penulisan Persamaan Linier Dalam Bentuk Matriks Sistem persamaan linier dapat dituliskan dalam bentuk matriks dengan memanfaatkan pengertian perkalian matriks. Bentuk itu adalah atau secara singkat dengan

Sistem Persamaan Linier 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 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.

Sistem Persamaan Linier Setiap operasi baris akan menghasilkan matriks gandengan baru. Matriks gandengan baru ini disebut sebagai setara baris dengan matriks gandengan yang lama. 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. 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.

Sistem Persamaan Linier 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. Contoh-4. 1: Suatu sistem persamaan linier: dalam bentuk matriks:

Sistem Persamaan Linier Matriks gandeng: Langkah 1 : Langkah pertama pada eliminasi Gauss pada matriks gandengan adalah mempertahankan baris ke-1 (disebut mengambil baris ke-1 sebagai pivot) dan menghilangkan suku pertama baris berikutnya. Langkah 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

Sistem Persamaan Linier Langkah 2 : Langkah kedua adalah mengambil baris ke-2 dari matriks gandeng yang baru saja kita peroleh dan menghilangkan suku kedua baris-baris berikutnya. 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 opersi ini adalah Baris ke-3 dikalikan 3 agar elemen baris ini bilangan bulat

Sistem Persamaan Linier Langkah 3 : Langkah ketiga adalah mengambil baris ke-3 sebagai pivot dan menghilangkan suku ke-3 dari baris ke-4. Ini dapat kita lakukan dengan mengalikan baris ke-4 dengan 11 kemudian menambahkan kepadanya baris ke-3. Hasilnya adalah: Matriks gandeng terakhir ini menyatakan persamaan linier: yang dengan substitusi mundur akan memberikan:

Sistem Persamaan Linier Sistem-sistem Tertentu Dan Tidak Tertentu Sistem tertentu adalah sistem yang memberikan tepat satu solusi. Sistem tertentu terjadi jika unsur yang tak diketahui sama banyak dengan persamaannya, dan persamaan-persamaan ini tidak saling bergantungan. 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. Jika persamaan lebih banyak dari unsur yang tak diketahui, sistem menjadi tertentu berlebihan. Sistem yang kurang tertentu selalu mempunyai solusi (dan banyak) sedangkan sistem tertentu dan tertentu berlebihan bisa memberikan solusi bisa juga tidak memberikan solusi. Berikut ini akan kita lihat contoh sistem yang memberikan banyak solusi dan yang tidak memberikan solusi

Sistem Persamaan Linier Sistem Persamaan Yang Memberikan Banyak Solusi Contoh-4. 2: Matriks gandeng Eliminasi Gauss

Sistem Persamaan Linier Matriks gandengan ini menyatakan sistem persamaan : Dari persamaan ke-2 kita mendapatkan yang kemudian memberikan Karena x. C tetap sembarang maka kita mendapatkan banyak solusi. Kita hanya akan memperoleh nilai x. A dan x. B jika kita menentukan nilai x. C lebih dulu

Sistem Persamaan Linier Sistem Yang Tidak Memberikan Solusi Contoh-4. 3: Matriks gandeng dan eliminasi Gauss memberikan

Sistem Persamaan Linier Sistem persamaan dari matriks gandeng terakhir ini adalah 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.

Sistem Persamaan Linier Bentuk Eselon Bentuk matriks pada langkah terakhir eliminasi Gauss, disebut bentuk eselon. Dari contoh di atas, bentuk eselon matriks koefisien dan matriks gandengannya adalah dan Secara umum bentuk eselon matriks gandengan adalah

Sistem Persamaan Linier dan sistem yang telah tereduksi pada langkah akhir eliminasi Gauss akan berbentuk dengan , dan r n Perhatikan bentuk ini: 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.

Sistem Persamaan Linier Jadi suatu sistem persamaan akan memberikan solusi jika sama dengan nol atau tidak ada. Pada suatu sistem persamaan yang memberikan solusi, ketunggalan solusi terjadi jika ; jika akan memberikan banyak solusi. 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.

Sistem Persamaan Linier Bebas Linier Dan Tak-bebas Linier Vektor-vektor Misalkan adalah vektor-vektor baris dari suatu matriks A =[abk]. Kita tinjau suatu persamaan vektor Apabila persamaan vektor ini terpenuhi hanya jika semua koefisien (c 1 cm) 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.

Sistem Persamaan 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. 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; misalnya vektor a 1 dapat dinyatakan sebagai karena koefisien-koefisien ini tidak seluruhnya bernilai nol

Sistem Persamaan Linier Contoh-4. 4: Dua vektor baris dan Vektor a 1 dan a 2 adalah bebas linier karena hanya akan terjadi jika Ambil vektor ketiga Vektor a 3 dan a 1 tidak bebas linier karena kita dapat menyatakan a 3 sebagai Vektor a 1, a 2 dan a 3 juga tidak bebas linier karena kita dapat menyatakan a 3 sebagai Akan tetapi jika kita hanya melihat a 3 dan a 2 saja, mereka adalah bebas linier.

Sistem Persamaan Linier 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. Bagaimana menentukan rank suatu matriks? 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.

Sistem Persamaan Linier Contoh-4. 5: Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan solusi tunggal dalam contoh, adalah 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

Sistem Persamaan Linier Contoh-4. 6: Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan banyak solusi, adalah dan 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.

Sistem Persamaan Linier Contoh-4. 7: Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang tidak memberikan solusi, adalah dan 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.

Sistem Persamaan Linier Apa yang kita amati dalam contoh-contoh di atas ternyata berlaku umum. a). agar suatu sistem persamaan memberikan solusi maka rank matriks koefisien harus sama dengan rank matriks gandengannya; b). agar sistem persamaan memberikan solusi tunggal maka rank matriks koefisien harus sama dengan banyaknya unsur yang tak diketahui; c). jika rank matriks koefisien lebih kecil dari banyaknya unsur yang tak diketahui maka akan diperoleh banyak solusi.

Sistem Persamaan Linier 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 Bentuk matriks gandengan sistem ini adalah

Sistem Persamaan Linier Eliminasi Gauss pada sistem demikian ini akan menghasilkan Jika rank matriks gandengan terakhir ini sama dengan banyaknya unsur yang tak diketahui, r = n, sistem persamaan akhirnya akan berbentuk 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.

Sistem Persamaan Linier Sistem Persamaan Homogen Yang Hanya Memberikan Solusi Trivial Contoh-4. 8: Matriks gandengan sistem ini dan hasil eliminasi Gauss-nya adalah Rank matrik koefisien adalah 4; banyaknya unsur yang tak diketahui juga 4. Sistem persamaan liniernya menjadi yang akhirnya memberikan Inilah solusi trivial yang dihasilkan jika terjadi keadaan

Sistem Persamaan Linier Sistem Persamaan Yang Memberikan Solusi Tak Trivial Contoh-4. 9: Matriks gandengan dan hasil eliminasinya adalah eliminasi Gauss: sistem persamaan menjadi

Sistem Persamaan Linier maka akan diperoleh Jika kita mengambil nilai Solusi ini membentuk vektor solusi . yang jika matriks koefisiennya digandaawalkan akan menghasilkan vektor nol b = 0

Sistem Persamaan Linier Jika kita menetapkan nilai x. D yang lain, misalnya diperoleh vektor solusi yang lain, yaitu akan Penggandaawalan matriks koefisiennya juga akan menghasilkan vektor nol Vektor solusi x 2 ini merupakan perkalian solusi sebelumnya dengan bilangan skalar (dalam hal ini 33), yang sesungguhnya bisa bernilai sembarang. Secara umum vektor solusi berbentuk dengan c adalah skalar sembarang

Sistem Persamaan Linier Vektor solusi yang lain lagi dapat kita peroleh dengan menjumlahkan vektor-vektor solusi, misalnya x 1 dan x 2. Jelas bahwa x 3 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

Sistem Persamaan Linier 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 x 1. 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.

Sistem Persamaan Linier Sistem Persamaan Dengan Vektor Solusi Berdimensi 2 Contoh-4. 10: Matriks gandengan dan hasil eliminasi Gauss adalah Rank matriks ini adalah 2 sedangkan banyaknya unsur tak diketahui 4. Sistem persamaan menjadi

Sistem Persamaan Linier Jika kita memberi nilai kita akan mendapatkan adalah satu vektor solusi Ganda-awal matriks koefisien dengan vektor ini akan memberikan vektor.

Sistem Persamaan Linier Jika Ax 1 = 0, maka perkalian dengan skalar k akan memberikan dan Dengan kata lain, jika x 1 adalah vektor solusi, maka , adalah juga vektor-vektor solusi dan sebagaimana kita tahu vektor ini kita peroleh dengan memberi nilai.

Sistem Persamaan Linier Jika akan kita peroleh dan yang membentuk vektor solusi Dengan skalar l sembarang kita akan memperoleh vektor-vektor solusi yang lain seperti Secara keseluruhan maka vektor-vektor solusi kita adalah Inilah vektor-vektor solusi yang membentuk ruang vektor berdimensi 2.

Sistem Persamaan Linier Dari dua contoh terakhir ini terbukti teorema yang menyatakan bahwa solusi sistem persamaan linier homogen dengan n unsur tak diketahui dan rank matriks koefisien r akan membentuk ruang vektor berdimensi (n r).

Sistem Persamaan Linier 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 Jika A berukuran n n maka A 1 juga berukuran n n dan demikian pula matriks identitasnya.

Sistem Persamaan Linier Tidak semua matriks bujur sangkar memiliki kebalikan; jika A memiliki kebalikan maka A disebut matriks tak singular dan jika tak memiliki kebalikan disebut matriks singular. 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 =PA dan juga AQ = I =QA, dan hal ini hanya mungkin terjadi jika P = Q.

Sistem Persamaan Linier Berbekal pengertian kebalikan matriks, kita akan meninjau persamaan matriks dari suatu sistem persamaan linier tak homogen, yaitu Jika kita menggandaawalkan kebalikan matriks A ke ruas kiri dan kanan persamaan ini, akan kita peroleh 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.

Sistem Persamaan Linier 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 sama dengan n dan akan singular jika rank A lebih kecil dari n. Mencari kebalikan matriks A dapat kita lakukan dengan cara eliminasi Gauss-Jordan. Metoda ini didasari oleh persamaan Ax = b. Jika X adalah kebalikan matriks A maka

Sistem Persamaan Linier Untuk mencari X kita bentuk matriks gandengan dan kita lakukan eliminasi Gauss pada sehingga matriks gandengan ini berubah menjadi dengan U berbentuk matriks segitiga atas. Eliminasi Gauss-Jordan selanjutnya beroperasi pada yaitu dengan mengeliminasi unsur-unsur segitiga atas pada U sehingga U berbentuk matriks identitas I. Langkah akhir ini akan menghasilkan

Sistem Persamaan Linier Contoh-4. 11: Kita akan mencari kebalikan dari matriks Kita bentuk matriks gandengan Kita lakukan eliminasi Gauss pada matriks gandengan ini

Sistem Persamaan Linier Kemudian kita lakukan eliminasi Gauss-Jordan

Sistem Persamaan Linier Hasil terakhir ini memberikan kebalikan matriks A, yaitu Dengan demikian untuk suatu sistem persamaan linier tak homogen yang persamaan matriksnya vektor solusinya adalah

Sistem Persamaan Linier Kebalikan Matriks Diagonal Kebalikan matriks diagonal dapat dengan mudah kita peroleh. Kebalikan Dari Kebalikan Matriks Kebalikan dari kebalikan matriks adalah matriks itu sendiri.

Sistem Persamaan Linier Kebalikan Dari Perkalian Matriks Kebalikan dari perkalian dua matriks adalah perkalian dari kebalikan masing-masing matriks dengan urutan dibalik. Hal ini dapat dibuktikan sebagai berikut

Courseware Matriks dan Sistem Persamaan Linier Sudaryatno Sudirham