Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Matriks Dan Sistem Persamaan Linier Sudaryatno Sudirham Klik untuk melanjutkan.

Presentasi serupa


Presentasi berjudul: "Matriks Dan Sistem Persamaan Linier Sudaryatno Sudirham Klik untuk melanjutkan."— Transcript presentasi:

1 Matriks Dan Sistem Persamaan Linier Sudaryatno Sudirham Klik untuk melanjutkan

2 Bahan Kuliah Terbuka dalam format pdf tersedia di dalam format pps beranimasi tersedia di

3

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

5 Elemen Matriks Isi suatu matriks disebut elemen matriks Contoh: 2, 4, 1 dan 3, 0, 2 adalah elemen-emenen matriks yang membentuk baris 2, 3 dan 4, 0, dan 1, 2 adalah elemen-elemen matriks 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: adalah matriks berukuran 2  3

6 b = 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: b = 2, k = 3 matriks segi panjang 2  3 k = 1 vektor kolom b = 1 vektor baris Notasi nama vektor: huruf kecil cetak tebal

7 Secara umum, matriks A dapat kita tuliskan sebagai elemen-elemen a 11 …a mn disebut diagonal utama Diagonal Utama

8 Matriks Segitiga Contoh: Matriks segitiga bawah :Matriks segitiga atas : 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.

9 Matriks Diagonal Matriks diagonal adalah matriks yang elemen-elemen di atas maupun di bawah diagonal utamanya bernilai nol. Contoh:

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

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

12 Matriks dapat dipandang sebagai tersusun dari anak-anak matriks yang berupa vektor-vektor dapat kita pandang sebagai matriks dengan anak-anak matriks berupa vektor baris dapat kita pandang sebagai matriks dengan anak-anak matriks yang berupa vektor kolom Contoh: Contoh yang lain:

13

14 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 Jika maka haruslah. Contoh:

15 Matriks Negatif Negatif dari matriks berukuran m  n adalah matriks berukuran m  n yang diperoleh dengan mengalikan seluruh elemennya dengan faktor (  1).. Contoh:

16 Penjumlahan 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 elemen- elemennya merupakan jumlah dari elemen-elemen matriks A dan B yang posisinya sama Jika maka Sifat-sifat penjumlahan matriks: Contoh:

17 Pengurangan Matriks Pengurangan matriks dapat dipandang sebagai penjumlahan dengan matriks negatif Contoh:

18 Perkalian Matriks 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.

19 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 = A a Perkalian matriks dengan bilangan skalar ini mempunyai sifat-sifat sebagai berikut Contoh:

20 Perkalian Internal Vektor (dot product) vektor 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. Jika urutan dibalik, b : 1 kolom, a : 1 baris, perkalian juga dapat dilakukan tetapi memberikan hasil yang berbeda perkalian internal dapat dilakukan Perkalian matriks tidak komutatif.

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

22 Perkalian Dua Matriks Bujur Sangkar dan Contoh: dapat dikalikan kolom = 2 baris = 2 Matriks A kita pandang sebagai Matriks B kita pandang sebagai

23 Perkalian dua matriks persegi panjang dan dapat dikalikan kolom = 3 baris = 3 Contoh:

24 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

25 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.

26

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

28 Putaran Vektor Baris Dan Vektor Kolom Putaran vektor baris akan menjadi vektor kolom. Sebaliknya putaran vektor kolom akan menjadi vektor baris. Contoh:

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

30 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 Jika maka Contoh:

31 Jika maka Secara umum :

32 Contoh: Putaran Matriks Persegi Panjang Jika maka Jika matriks A dinyatakan sebagai susunan dari vektor baris maka Jika matriks A dinyatakan dengan vektor kolom maka

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

34 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. Jika dan maka Dengan demikian maka

35 Matriks Simetris Jika dikatakan bahwa matriks B adalah simetris miring. Matriks simetris adalah matriks yang putarannya sama dengan matriksnya sendiri. Jadi matriks A dikatakan simetris apabila Karena dalam setiap putaran matriks nilai elemen-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.

36 Sistem Persamaan Linier

37 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 ….x n. Bilangan a 11 …..a mn disebut koefisien dari sistem itu, yang biasanya merupakan bilangan-bilangan yang diketahui. Bilangan-bilangan b 1 ….b m 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

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

39 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. 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.

40 Penulisan Dalam Bentuk Matriks

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

42 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.

43 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.

44 Eliminasi Gauss

45 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: Kita tuliskan persamaan ini dalam bentuk matriks:

46 Matriks gandengnya adalah: 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. 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

47 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

48 Kalikan baris ke 3 dengan 3 agar diperoleh bilangan bulat

49 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:

50 Matriks gandeng terakhir ini menyatakan bentuk matriks: yang dengan substitusi mundur akan memberikan: Hasil terakhir langkah ketiga adalah: Matriks terakhir ini menyatakan sistem persamaan linier:

51 Sistem Tertentu dan Tidak Tertentu

52 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 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.

53 Contoh Sistem Persamaan Yang Memberikan Banyak Solusi Matriks gandeng: Eliminasi Gauss: Contoh:

54 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

55 Contoh Sistem Yang Tidak Memberikan Solusi Matriks gandeng dan eliminasi Gauss memberikan Contoh:

56 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.

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

58 dan sistem yang telah tereduksi pada langkah akhir eliminasi Gauss akan berbentuk dengan, 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. Perhatikan bentuk ini:

59 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. 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. Jika persamaan akan memberikan banyak solusi.

60 Bebas Linier Dan Tak-bebas Linier Vektor-Vektor

61 Bebas Linier Dan Tak-bebas Linier Vektor-vektor Misalkan adalah vektor-vektor baris dari suatu matriks A =[a bk ]. Kita tinjau suatu persamaan vektor Apabila persamaan vektor ini terpenuhi hanya jika semua koefisien (c 1  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.

62 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 a 1 misalnya, dapat dinyatakan sebagai 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.

63 Contoh: 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.

64 Rank Matriks

65 Dengan pengertian tentang vektor yang bebas linier, didefinisikan rank matriks. Banyaknya vektor baris yang bebas linier dalam suatu matriks A = [a bk ] 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?

66 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 Contoh:

67 Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan banyak solusi, adalah Contoh: 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.

68 Contoh: 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.

69 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 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;

70 Sistem Persamaan Homogen Sudaryatno Sudirham

71 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

72 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.

73 Sistem Persamaan Homogen Yang Hanya Memberikan Solusi Trivial 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 Contoh:

74 Sistem Persamaan Yang Memberikan Solusi Tak Trivial Matriks gandengan dan hasil eliminasinya adalah Contoh: eliminasi Gauss: Sistem persamaan menjadi

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

76 Jika kita menetapkan nilai x D yang lain, misalnya akan diperoleh vektor solusi yang lain, yaitu 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

77 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

78 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 x 1.

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

80 Jika kita memberi nilai kita akan mendapatkan. adalah salah satu vektor solusi Ganda-awal matriks koefisien dengan vektor ini akan memberikan vektor

81 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- vektor ini kita peroleh dengan memberi nilai.

82 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.

83 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).

84 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.

85 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. 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.

86 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 Jika kita menggandaawalkan kebalikan matriks A ke ruas kiri dan kanan persamaan ini, akan kita peroleh

87 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. Jika X adalah kebalikan matriks A maka

88 Untuk mencari X kita bentuk matriks gandengan 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 U sehingga U berbentuk matriks identitas I. Eliminasi Gauss-Jordan selanjutnya beroperasi pada Langkah akhir ini akan menghasilkan

89 Contoh: Kita akan mencari kebalikan dari matriks Kita bentuk matriks gandengan Kita lakukan eliminasi Gauss pada matriks gandengan ini

90 Kemudian kita lakukan eliminasi Gauss-Jordan

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

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

93 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

94 Bahan Ajar Matriks dan Sistem Persamaan Linier Sudaryatno Sudirham


Download ppt "Matriks Dan Sistem Persamaan Linier Sudaryatno Sudirham Klik untuk melanjutkan."

Presentasi serupa


Iklan oleh Google