You are on page 1of 46

Matriks dan Determinan

Rahmi Rusin
Departemen Matematika, FMIPA UI
Sistem Persamaan Linear

Secara umum, sistem persamaan linear (SPL) dengan m


persamaan dan n variable yang tidak diketahui dapat
dituliskan dalam bentuk:

a11x1  a12 x2  a1n xn  b1


a21x1  a22 x2  a2n xn  b2
 
am1x1  am2 x2  amn xn  bm
Atau bentuk matriks:

 a11 a12  a1n   x1   b1 


a a22  a2 n   x2   b2 
 21 
         
    
 am1 am 2  amn   xn  bm 
atau
Ax = b
Dimana A adalah matriks ukuran m  n, x vektor ukuran
n  1 dan b vektor ukuran m  1.

Jika b = 0, SPL di atas disebut SPL homogen


dan jika b  0, disebut SPL Nonhomogen
SPL Nonhomogen dengan Dua Persamaan Dua Variabel

a11x  a12 y  b1
a21x  a22 y  b2

Tepat satu penyelesaian Tidak terdapat penyelesaian Banyak penyelesaian


Kemungkinan penyelesaian SPL Nonhomogen Ax=b

• Tepat satu penyelesaian


• Banyak penyelesaian
• Tidak mempunyai penyelesaian

SPL Nonhomogen disebut konsisten jika mempunyai paling


sedikit satu penyelesaian, jika tidak disebut inkonsisten
Metode Penyelesaian SPL Ax = b

• Eliminasi Gauss
• Eliminasi Gauss-Jordan
• Dengan mencari invers dari A, yaitu A–1 dan x = A–1b
• Aturan Cramer
Eliminasi Gauss – Jordan

Matriks diperbesar (Augmented Matrix)


 a11 a12  a1n b1 
a b2 
 21 a22  a2n
    
 
am1 am2  amn bm 

Operasi Baris Elementer:


• Mengalikan suatu baris dengan konstanta yang tidak
nol
• Menukar dua baris
• Menambah suatu baris dengan kelipatan baris lain.
Contoh:
Selesaikan SPL x1  x2  2x3  8
 x1  2x2  3x3  1
3x1  7 x2  4x3  10

Jawab:
Matriks yang diperbesar
1 1 2 8
1 2 3 1 
 
 3 7 4 10
1 1 2 8 B2 + B1 1 1 2 8  B3 – 3B1
1 1 2 8 
B2(–1 )
1 2 3 1  0 1 5 9  0 1 5 
     
3 7 4 10
  9 
0 10 2 14 
 3 7 4 10

1 1 2 8  1 1 2 8  B3(  1 ) 1 1 2 8 
B3+10 B2
0 1 5 9  0 1 5  52 0 1 5 9

    9 
0 0 52 104 
  
0 0 1 2 
0 10 2 14

Matriks yang terakhir bersesuaian dengan SPL


x1  x2  2x3  8 Dengan melakukan substitusi balik akan
diperoleh x  3, x  1, x  2
x2  5x3  9 1 2 3

x3  2
Sampai langkah ini, matriksnya kita sebut
matriks eselon baris (metode Eliminasi
Gauss).
Jika dilanjutkan…

1 1 2 8  1 0 7 17  1 0 0 3 
0 1 5 9 B1 – B 2 0 1 5 9 B1 – 7B3 0 1 5 9 
      B2+5B3

0 0 1 2  0 0 1 2  0 0 1 2 

1 0 0 3
0 1 0 1 Diperoleh hasil yang sama, x1  3, x2  1, x3  2
 
0 0 1 2

Matriks tersebut dinamakan matriks eselon baris


. tereduksi dan metodenya disebut eliminasi Gauss-
Jordan.
Matriks dan Operasi Matriks

Definisi :
Matriks adalah kelompok bilangan yang disusun dalam
suatu jajaran berbentuk persegi atau persegi panjang yang
terdiri atas baris-baris atau kolom-kolom.

Bilangan-bilangan tersebut disebut entri/elemen dari


matriks

Ukuran/ordo matriks m  n menyatakan bahwa matriks


tersebut mempunyai m baris dan n kolom
Jika m= n, maka disebut matriks bujursangkar/persegi
Penjumlahan Dua Matriks

Definisi :

Misalkan A dan B adalah matriks-matriks berukuran m x n


dengan entri aij dan bij. Jika matriks C adalah jumlah
matriks A dengan matriks B atau C = A+B,
maka matriks C juga berukuran m x n dengan
cij = aij+bij ,untuk semua i dan j.
Sifat-Sifat Penjumlahan Matriks

Misalkan A,B,C dan 0 adalah matriks-matriks yang


berukuran sama, maka dalam penjumlahan matriks :

• Komutatif : A + B = B + A
• Asosiatif : (A + B) + C = A + (B + C)
• Terdapat sebuah matriks identitas, yaitu matriks 0
bersifat
A+0=0+A=A
• Semua matriks A mempunyai lawan atau negatif –A
bersifat
A + (-A) = 0
Perkalian skalar

Definisi :
Misalkan A adalah suatu matriks berukuran m x n dengan
entri aij dan k adalah suatu bilangan real. Jika
matriks C adalah hasil perkalian bilangan real k terhadap
matriks A, ditulis C = kA, maka matriks C berukuran m x n
dengan entrinya adalah
cij = kaij ,untuk semua i dan j
Sifat-Sifat Perkalian Skalar

Misalkan p dan q adalah bilangan-bilangan real, A dan B


adalah matriks-matriks berukuran m x n, maka perkalian
bilangan real dengan matriks memenuhi sifat-sifat :
(p + q)A = pA + qA
p(A + B) = pA + pB
p(qA) = (pq)A
1A = A
(-1)A = -A
Perkalian Dua Matriks

Definisi :
Misalkan A adalah matriks berukuran m x n dengan
entri aij dan B adalah matriks berukuran n x p dengan
entri bij.
Jika matriks C adalah hasil perkalian matriks A terhadap
matriks B,atau C = AB, maka matriks C berukuran m x p
dan entri matriks C pada baris ke-i dan kolom ke-j (cij)
diperoleh dengan cara mengalikan elemen-elemen baris
ke-i dari matriks A terhadap elemen-elemen kolom ke-j dari
matriks B, kemudian masing-masing dijumlahkan. atau
n
ditulis
c ij  
k 1
a ik b k j
Catatan :
Jika banyak kolom matriks A sama banyak dengan banyak baris
matriks B, maka matriks A dan B dikatakan dua matriks yang
sepadan untuk dikalikan.

Sifat-Sifat Perkalian Dua Matriks atau lebih yang sepadan


• Pada umumnya tidak komutatif
• Bersifat asosiatif
• Bersifat distributif
• Dalam perkalian matriks yang hanya memuat matriks-matriks
persegi dengan ukuran yang sama, terdapat sebuah matriks
identitas I yang bersifat IA =AI = A
• Jika AB = 0, belum tentu A = 0 atau B = 0
• Jika AB = AC, belum tentu B = C
• Jika p dan q adalah bilangan-bilangan real serta A dan B
adalah matriks-matriks, maka berlaku (pA)(qB)=(pq)(AB)
• Jika AT dan BT berturut-turut adalah transpos dari matriks A
dan B, maka berlaku (AB)T =BTAT.
Invers Matriks

Definisi
Misalkan A dan B masing-masing adalah matriks persegi
berukuran n  n dan
berlaku
AB = BA = I
Maka A adalah invers dari B atau B adalah invers A atau A
dan B merupakan dua matriks yang saling invers.
Invers matriks bujursangkar berukuran 2  2
a b 
Jika matriks A   , maka
c d 
invers matriks A adalah
1 1  d b 
A 
a d  b c   c a 
dengan syarat ad – bc ≠ 0

Sifat Invers dari perkalian dua matriks


Misalkan matriks A dan B merupakan matriks-matriks bujursangkar
yang tak singular, A-1 dan B-1 berturut-turut adalah invers dari matriks
A dan B, maka berlaku :
• (AB)-1= B-1A-1
• (BA)-1= A-1B-1
Determinan
3 4
5   -2
 6
2 5 5
 1 1 
0  - 1

 2 4 3
1 3 1 1
2 5 2 2 
 ?
1 3 8 9
 
1 3 2 2
Fungsi Determinan
Definisi
Suatu permutasi dari bilangan-bilangan bulat {1, 2, 3, …, n}
adalah penyusunan bilangan-bilangan tersebut dengan
urutan tanpa pengulangan

Contoh:
Permutasi dari {1, 2, 3} adalah
(1, 2, 3) (2, 1, 3) (3, 1, 2)
(1, 3, 2) (2, 3, 1) (3, 2, 1)

Secara umum, bilangan-bilangan pada {1, 2, …, n} akan


mempunyai n! permutasi
Suatu permutasi (j1, j2, …, jn) dikatakan mempunyai 1
inversi jika terdapat satu bilangan yang lebih besar
mendahului suatu bilangan yang lebih kecil.

Contoh:
(6, 1, 3, 4, 5, 2)
• 6 mendahului 1, 3, 4, 5, 2 = 5 inversi
• 3 mendahului 2 = 1 inversi
• 4 mendahului 2 = 1 inversi
• 5 mendahului 2 = 1 inversi

Jadi terdapat 8 inversi dalam permutasi di atas

(1, 2, 3, 4) : tidak terdapat inversi


Definisi
• Suatu permutasi dikatakan permutasi genap jika
banyaknya inversinya sejumlah genap dan dikatakan
permutasi ganjil jika banyak inversinya sejumlah ganjil

• Perkalian elementer dari matriks A ukuran nn adalah


perkalian dari n entri dari A dimana tidak ada yang
datang dari baris atau kolom yang sama

Contoh:

 a11 a12 
a 
 21 a22 
maka a11a22 dan a12a21 merupakan perkalian elementer
 a11 a12 a13 
A   a21 a22 a23 
 a31 a32 a33 
Perkalian elementer dari matriks A adalah dalam bentuk
a1_a2_a3_
dimana bilangan pada kolom diisi dengan permutasi dari
{1, 2, 3}

Jadi perkalian elementer dari A adalah:


a11a22a33 a12a21a33 a13a21a32
a11a23a32 a12a23a31 a13a22a31
Jika A adalah matriks berukuran nn maka terdapat n!
perkalian elementer dengan bentuk dimana adalah
permutasi dari {1, 2, ..., n}

Perkalian elementer bertanda dari A adalah perkalian


elementer dikali +1 jika merupakan permutasi genap dan
dikali 1 jika merupakan permutasi ganjil.

Pada Contoh 2 bagian b di atas perkalian bertanda dari A


adalah
a11a22a33 a12a21a33 a13a21a32
a11a23a32 a12a23a31 a13a22a31
Definisi
Jika A adalah matriks bujursangkar. Fungsi determinan dari
A, det(A) didefinisikan sebagai jumlah semua perkalian
elementer bertanda dari A.

det(A) = a11a22a33 + a13a21a32 + a12a23a31  a12a21a31


 a11a23a32  a13a22a31
Reduksi Baris untuk mencari determinan

Teorema
Misalkan A adalah matriks bujursangkar
Jika A memiliki satu baris nol atau kolom nol,maka
• det(A) = 0
• det(A) = det (AT)

Teorema
Jika A adalah matriks segitiga nn (segitiga atas, segitiga
bawah atau diagonal), maka det(A) adalah perkalian entri-
entri pada diagonal utamanya
det(A) = a11a22...ann
Teorema 2.2.3
Misalkan A adalah matriks bujursangkar

• Jika B adalah matriks yang dihasilkan dari perkalian


suatu baris atau kolom dengan skalar k ≠ 0 maka
det(B) = k det(A)

• Jika B adalah matriks yang dihasilkan dari pertukaran


dua baris atau kolom dari A maka det(B) = –det(A)

• Jika B adalah matriks yang dihasilkan ketika suatu baris


ditambahkan dengan kelipatan baris lain atau suatu
kolom ditambahkan dengan kelipatan kolom lain dari A,
maka det(B) = det(A).
Contoh:

ka11 ka12 ka13 a11 a12 a13


a21 a22 a23  k a21 a22 a23
a31 a32 a33 a31 a32 a33
a11 a12 a13 a11 a12 a13
a31 a32 a33   a21 a22 a23
a21 a22 a23 a31 a32 a33

a11  ka31 a12  ka32 a13  ka33 a11 a12 a13


a21 a22 a23  a21 a22 a23
a31 a32 a33 a31 a32 a33
Teorema

Misal E adalah matriks elementer berukuran n  n,


• Jika E dihasilkan dari suatu baris In dikali k, maka
det(E) = k

• Jika E dihasilkan dari pertukaran dua baris pada In, maka


det(E) = 1

• Jika E dihasilkan dari suatu baris ditambah kelipatan


baris lain di In, maka det(E) = 1
Contoh:

1 0 0
0 1 0 2
0 0 2

1 0 0
0 0 1  1
0 1 0

1 2 0
0 1 0 1
0 0 1
Teorema
Jika A adalah matriks bujursangkar dimana terdapat dua
baris atau dua kolom yang saling berkelipatan, maka
det(A) = 0
Contoh:
 1 3 0 
A   2 4 1 
 5 2 2 
1 3 0 B  2 B 1 3 0
B3  5 B1
1 3 0
2 1
2 4 1  0 2 1  0 2 1
5 2 2 5 2 2 0 13 2
1 3 0 1 3 0
B3 13B2
= 2 0 1  12  2 0 1  12
0 13 2 0 0 172

 17 
 (2)(1)(1)    17
 2
1 0 0  3
2 7 0  6
A 
0 6 3  0
 
7 3 1 5

1 0 0 3 1 0 0 0
2 7 0 6 C4  3C1 2 7 0 0
  (1)(7)(3)(26)  546
0 6 3 0 0 6 3 0
7 3 1 5 7 3 1 26
Teorema
Suatu matriks bujursangkar A invertible jika dan hanya jika
det (A) ≠ 0

Teorema
Jika A dan B adalah matriks bujursangkar dengan ukuran
sama, maka
det(AB) = det (A) det(B)

Teorema
Jika A invertible, maka
1 1
det( A ) 
det( A)
Ekspansi Kofaktor dan Aturan Cramer

Definisi
Jika A matriks bujursangkar, maka minor dari entri aij,
dinotasikan dengan Mij adalah determinan dari submatriks
setelah baris ke-i dan kolom ke-j dihilangkan dari A.

i j
Kofaktor dari entri aij adalah bilangan ( 1) M ij , dinotasikan
dengan Cij.
Contoh:

 3 1 4 
A   2 5 6 
1 4 8 
3 1 4
5 6
M 11  2 5 6   16
4 8
1 4 8

C11 = (-1)1+1M11 = M11 = 16


Tanda untuk cij dapat digambarkan dari posisinya
pada matriks berikut

     
     

     
 
     
      
Ekspansi Kofaktor
 a11 a12 a13 
A   a21 a22 a23 
 a31 a32 a33 
det(A) = a11a22a33 + a13a21a32 + a12a23a31
 a12a21a33  a11a23a32  a13a22a31

det(A) = a11 (a22a33  a23a32)  a12 (a21a33  a23a31)


+ a13 (a21a32  a22a31)
= a11M11 – a12M12 + a13M13
= a11c11 + a12c12 + a13c13

Formula ini menyatakan determinan matriks A ekspansi


kofaktor
berdasarkan baris pertama dari A
Teorema
Determinan dari matriks A n  n dengan cara ekspansi
kofaktor
n
• det( A)   a c , i = 1, 2, ..., n : Ekspansi menurut baris i
ij ij
j 1
n
• det( A)   a c , j = 1, 2, ..., n : Ekspansi berdasarkan
ij ij
i 1
kolom j
Contoh: 3 1 0
Hitung determinan A   2 4 3 
 5 4 2 

Ekspansi berdasarkan kolom 1


3 1 0
4 3 1 0 1 0
A  2 4 3 3 2 5
4 2 4 2 4 3
5 4 2
= 3(4) + 2(2) + 5(3) = 1
Atau berdasarkan baris pertama
3 1 0
4 3 2 3
A  2 4 3  3 1
4 2 5 2
5 4 2

= 3(4)  (11) = 1
3 5 2 6 3 7 4 6
3 7 4
1 2 1 1 0 0 0 1
  3 6 6
2 4 1 5 3 6 6 5
0 1 8
3 7 5 3 0 1 8 3

3 7 60
3 60
 3 6 54    18
3 54
0 1 0
Definisi
Jika A adalah matriks nn, Cij kofaktor dari aij, maka
 C11 C12  C1n 
C C  
 21 22 
   
 
Cn1 Cn 2  Cnn 
disebut matriks kofaktor dari A.

Transposenya disebut matriks Adjoin dari A, ditulis Adj(A)


Contoh:
 3 2 1
A  1 6 3 
 2 4 0 
Kofaktor dari A
C11 = 12, C12 = 6, C13 = 16, C21= 4, C22 = 2,
C23 = 16, C31 = 12, C32 = 10, C33 = 16
12 6 16 
Maka matriks kofaktor dari A adalah  
 4 2 16 
12 10 16 
Matriks adjoin dari A adalah  12 4 12 
Adj( A)   6 2 -10 
-16 16 16 
Teorema
Jika A adalah matriks invertible, maka
1 1
A  Adj( A)
det( A)

Teorema (Aturan Cramer)


Jika Ax = b adalah spl dengan n peubah, det (A) ≠ 0 maka
spl mempunyai solusi tunggal
det( Ai )
xi 
det( A)
dimana Ai adalah matriks A dengan kolom ke-i diganti
dengan b

You might also like