Sistem Persamaan Linier Oleh : Sudaryatno Sudirham

Sistem Persamaan Linier Oleh : Sudaryatno Sudirham
Matriks dan Sistem Persamaan Linier Oleh : Sudaryatno Sudirham

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

1. Pengertian Tentang Matriks

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. baris kolom Contoh-1.1: Bilangan ini bisa berupa bilangan nyata atau kompleks. Kita terlebih dulu akan melihat matriks berisi bilangan nyata. Notasi Notasi nama matriks: huruf besar cetak tebal, Contoh-1.2:

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

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

Diagonal Utama Secara umum, matriks A dapat kita tuliskan sebagai elemen-elemen a11 …amn disebut diagonal utama

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 :

Matriks Diagonal Matriks diagonal adalah matriks yang elemen-elemen di atas maupun di bawah diagonal utamanya bernilai nol. Contoh-1.6:

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.

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: [2] , [4] , [1] , [3] , [0] , [2]; - Enam anak matriks 1 2 yaitu: - Tiga anak matriks 22 yaitu:

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

2. Operasi Matriks

Operasi Matriks, Kesamaan, Matriks Nol, Matriks negatif
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
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 elemen-elemennya merupakan jumlah dari elemen-elemen matriks A dan B yang posisinya sama Contoh-2.3: Jika maka Sifat-sifat penjumlahan matriks:

Pengurangan Matriks Pengurangan matriks dapat dipandang sebagai penjumlahan dengan matriks negatif Contoh-2.4:

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
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. aA = Aa Contoh-2.5: Perkalian matriks dengan bilangan skalar ini mempunyai sifat-sifat sebagai berikut

Dalam perkalian internal vektor, urutan perkalian harus diperhatikan.
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: baris = 2 kolom = 2 . perkalian internal dapat dilakukan Jika urutan dibalik, b : 1 kolom, a : 1 baris, maka perkalian dapat dilakukan Perkalian matriks tidak komutatif.

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.

Perkalian Dua Matriks Bujur Sangkar Contoh-2.8: dan baris = 2 kolom = 2 dapat dikalikan Matriks A kita pandang sebagai Matriks B kita pandang sebagai

Perkalian dua matriks persegi panjang Contoh-2.9: dan baris = 3 dapat dikalikan kolom = 3

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 .

Perkalian matriks mempunyai sifat sebagai berikut. 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.

3. Putaran Matriks

Putaran Matriks Putaran Matriks
Putaran matriks atau transposisi dari matriks A berukuran m×n adalah 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 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 Putaran Matriks Persegi Panjang Contoh-3.5: Jika maka
Jika matriks A dinyatakan sebagai susunan dari vektor baris maka Jika matriks A dinyatakan dengan vektor kolom maka

Putaran Matriks 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 dan maka Dengan demikian

Putaran Matriks 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

dikatakan bahwa matriks B adalah simetris miring.
Putaran Matriks 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-elemen diagonal utama tidak berubah nilai, maka matriks simetris miring dapat terjadi jika elemen diagonal utamanya bernilai nol.

4. Sistem Persamaan Linier

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 x1 ….xn. 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 …xn yang memenuhi sistem persamaan tersebut. Jika sistem ini homogen, ia mengandung solusi trivial (solusi tak penting) yaitu x1 = 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?

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.

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

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.

Setiap operasi baris akan menghasilkan matriks gandengan baru.
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.

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. Contoh-4.1: Suatu sistem persamaan linier: dalam bentuk matriks:

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-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

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

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-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 Yang Memberikan Banyak Solusi Contoh-4.2: Matriks gandeng Eliminasi Gauss

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

Sistem Yang Tidak Memberikan Solusi Contoh-4.3: Matriks gandeng dan eliminasi Gauss memberikan

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.

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

Perhatikan bentuk ini:
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.

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.

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 (c1  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.

karena koefisien-koefisien ini tidak seluruhnya bernilai nol
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 a1 dapat dinyatakan sebagai karena koefisien-koefisien ini tidak seluruhnya bernilai nol

Contoh-4.4: Dua vektor baris dan Vektor a1 dan a2 adalah bebas linier karena hanya akan terjadi jika Ambil vektor ketiga Vektor a3 dan a1 tidak bebas linier karena kita dapat menyatakan a3 sebagai Vektor a1, a2 dan a3 juga tidak bebas linier karena kita dapat menyatakan a3 sebagai Akan tetapi jika kita hanya melihat a3 dan a2 saja, mereka adalah bebas linier.

Bagaimana menentukan rank suatu matriks?
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.

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

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.

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.

Apa yang kita amati dalam contoh-contoh di atas ternyata berlaku umum.
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 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

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 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 Yang Memberikan Solusi Tak Trivial Contoh-4.9: Matriks gandengan dan hasil eliminasinya adalah eliminasi Gauss: sistem persamaan menjadi

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

Jika kita menetapkan nilai xD yang lain, misalnya akan diperoleh vektor solusi yang lain, yaitu 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 dengan c adalah skalar sembarang

Vektor solusi yang lain lagi dapat kita peroleh dengan menjumlahkan vektor-vektor solusi, misalnya x1 dan x2. 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

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 . 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 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

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

Jika Ax1 = 0, maka perkalian dengan skalar k akan memberikan dan Dengan kata lain, jika x1 adalah vektor solusi, maka , adalah juga vektor-vektor solusi dan sebagaimana kita tahu vektor-vektor ini kita peroleh dengan memberi nilai

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.

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).

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.

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.

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.

Jika X adalah kebalikan matriks A maka
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

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

Contoh-4.11: Kita akan mencari kebalikan dari matriks Kita bentuk matriks gandengan Kita lakukan eliminasi Gauss pada matriks gandengan ini

Kemudian kita lakukan eliminasi Gauss-Jordan

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

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

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

Matriks dan Sistem Persamaan Linier
Courseware Matriks dan Sistem Persamaan Linier Sekian Terimakasih Sudaryatno Sudirham

Sistem Persamaan Linier Oleh : Sudaryatno Sudirham

Presentasi serupa

Presentasi berjudul: "Sistem Persamaan Linier Oleh : Sudaryatno Sudirham"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan

Masuk

Otorisasi melalui jaringan sosial:

Sistem Persamaan Linier Oleh : Sudaryatno Sudirham

Presentasi serupa

Presentasi berjudul: "Sistem Persamaan Linier Oleh : Sudaryatno Sudirham"— Transcript presentasi:

Presentasi serupa

Tentang proyek

Tanggapan