Bahan Ajar Matek I v1.4
Click here to load reader
-
Upload
mahadirga-rizkiawan -
Category
Documents
-
view
116 -
download
14
Transcript of Bahan Ajar Matek I v1.4
BAHAN AJARMATEMATIKA TEKNIK I (TKE 072012)
PROGRAM S1 TEKNIK ELEKTRO
Oleh:Agung Mubyarto, S.T. M.T.
Ari Fadli, S.T.
KEMENTERIAN PENDIDIKAN NASIONALUNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS SAINS DAN TEKNIKJURUSAN TEKNIK
PURWOKERTO2010
PRAKATA
Dengan mengucapkan syukur kehadirat Alloh SWT, Bahan Ajar mata kuliah
Matematika Teknik I sebagai salah satu dharma dalam tridharma Perguruan
Tinggi, telah dapat diselesaikan oleh tim pengajar dari Program Studi Teknik
Elektro Universitas Jenderal Soedirman.
Kegiatan penyusunan Bahan Ajar ini yang bertujuan untuk menyelenggarakan
kegiatan pengajaran interaktif yang berbasis pada kemandirian mahasiswa
(student center learning). Selain itu juga dapat mengembangkan ketrampilan
dosen dan meningkatkan kemampuan dosen dalam hal pengajaran.
Atas terlaksananya kegiatan ini, Tim pengajar mengucapkan terima kasih
kepada semua pihak yang telah membantu hingga tersusunnya materi ajar
Matematika Teknik I.
Akhirnya semoga Bahan Ajar Matematika Teknik I ini bermanfaat bagi
masyarakat umum dan khususnya bagi peserta mata kuliah Sistem
Telekomuniakasi. Semoga semua yang telah diperoleh dapat dimanfaatkan
untuk menambah kelancaran perkuliahan secara umum.
Purwokerto, Januari 2008
Agung Mubyarto, ST.,MT.
NIP
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
DAFTAR ISI
HALAMAN JUDUL............................................................................................i
PRAKATA..........................................................................................................ii
DAFTAR ISI......................................................................................................iii
DAFTAR GAMBAR.........................................................................................vi
DAFTAR PERSAMAAN.................................................................................vii
BAB 1 VEKTOR................................................................................................8
1.1 Pengertian............................................................................................8
1.2 Aljabar Vektor...................................................................................10
Ini sesuai dengan teorema 1 vektor yaitu :.......................................11
1.3 Operasi Vektor...................................................................................12
1.4 Hukum – hukum Aljabar Vektor.......................................................18
1.5 Susunan Koordinat Ruang-n..............................................................18
1.6 Vektor dalam ruang Rn.......................................................................20
1.7 Persamaan Garis Lurus......................................................................21
1.8 Evaluasi..............................................................................................24
BAB 2 RUANG VEKTOR...............................................................................25
2.1 Ruang Vektor Umum......................................................................25
2.1.1. SubRuang (subspace)..............................................................26
2.2 Vektor yang Bebas Linier dan Tak Bebas Linier............................26
2.3 Kombinasi Linier............................................................................27
2.4 Arti Kombinasi Linier Secara Ilmu Ukur.......................................27
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
2.5 Dimensi dan Basis...........................................................................28
BAB 3 SISTEM PERSAMAAN LINIER.........................................................30
3.1 Pendahuluan.......................................................................................30
3.2 Susunan Persamaan Linier.................................................................32
3.3 Menyatakan Bentuk SPL...................................................................32
3.4 Penyelesaian SPL Dengan Metode Substitusi...................................34
3.5 Penyelesaian SPL Dengan Metode Eliminasi....................................35
3.6 Penyelesaian SPL Dengan Determinan.............................................35
3.7 Susunan Persamaan Linier Homogen................................................36
3.8 Peninjauan Secara Baris.....................................................................37
3.9 Susunan Persamaan Linier Non Homogen........................................40
3.10 Aturan Crammer..............................................................................42
3.11 Pertanyaan........................................................................................45
BAB 4 MATRIKS.............................................................................................47
4.1 Definisi Matriks.................................................................................47
4.2 Jenis Matriks......................................................................................48
4.3 Operasi Matriks..................................................................................50
4.4 Transpose Matriks..............................................................................55
4.5 Transformasi (Operasi) elementer pada baris dan kolom matrik......56
4.6 Mencari solusi dengan menggunakan eliminasi Gauss Jordan..........56
4.7 Invers.................................................................................................58
4.8 Gauss Jordan......................................................................................61
4.9 Evaluasi..............................................................................................64
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 5 DETERMINAN....................................................................................67
5.1 Pengertian Dasar................................................................................67
5.2 Sifat – Sifat Determinan....................................................................68
5.3 Menghitung Determinan dengan Reduksi Baris................................68
5.4 Minor dan Kofaktor...........................................................................70
5.5 Aturan Cramer...................................................................................72
BAB 6 NILAI EIGEN.......................................................................................74
6.1 Definisi...............................................................................................74
6.2 Evaluasi..............................................................................................82
BIODATA PENYUSUN...................................Error! Bookmark not defined.
DAFTAR PUSTAKA........................................Error! Bookmark not defined.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
DAFTAR GAMBAR
gambar 1-0 Vektor dalam bentuk diagram............................................8
gambar 1-1 Pergeseran vektor dalam diagram....................................10
gambar 1.2 Vektor dengan besar dan arah sama.................................10
gambar 1.3 Vektor dengan besar sama dan ararh berbeda..................11
gambar 1.4 Metode jajaran genjang....................................................12
gambar 1.5 Metode segitiga................................................................12
gambar 1.6 Pengurangan Vektor.........................................................13
gambar 1.7 Perkalian titik antar vektor...............................................14
gambar 1-8 A×B mengarah keluar bidang kertas,..............................17
gambar 1.9 Ruang dimensi satu..........................................................18
gambar 1.10 Ruang dimensi dua.........................................................19
gambar 1.11 Ruang dimensi tiga.........................................................19
gambar 1.12 Ruang.............................................................................20
gambar 1.13 Persamaan garis lurus.....................................................21
gambar 1.14 Persamaan bidang rata....................................................23
gambar 3-0 Susunan persamaan linier................................................32
gambar 3-1 Matriks persamaan linier.................................................32
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
DAFTAR PERSAMAAN
Persamaan 1.0 Normal Vektor..............................................................9
Persamaan 1-1 Norma vektor ruang 3...................................................9
Persamaan 1-2 Persamaan translasi....................................................10
persamaan (1.3) Perkalian titik antar vektor.......................................14
Persamaan 1-4 Perkalian titik antar vektor.........................................14
Persamaan 1-5 Hukum cosinus perkalian titik antar vektor................14
persamaan 1.6 Perkalian Silang antar vektor......................................16
persamaan 1.7 Crosss product.............Error! Bookmark not defined.
persamaan 1.8 Crosss product dalam notasi dterminan...............Error!
Bookmark not defined.
persamaan 1-9 Persamaan vektoris garis lurus...................................22
persamaan 1-10 Persamaan parameter garis lurus....Error! Bookmark
not defined.
persamaan 1-11 Persamaan garis lurus melalui titik dan arah............22
persamaan 4..0 Bentuk umum matriks................................................47
Persamaan 6.0 disebut persamaan karakteristik A.............................74
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 1 VEKTOR
1.1 Pengertian
Banyak kuantitas fisik, seperti luas, panjang, massa dan temperatur, dapat
dijelaskan secara lengkap apabila besaran kuantitas tersebut telah diberikan.
Kuantitas seperti ini dinamakan skalar. Kualitas fisik lainnya disebut vektor,
penjelasannya tidak begitu lengkap sehingga baik besarannya maupun arahnya
dapat dispesifikasikan. Sebagai contoh, angin yang bergerak pada umumnya
digambarkan dengan memberikan kecepatan dan arahnya, misalnya mendekati
20 mil / jam.
Vektor-vektor dapat dinyatakan secara geometris sebagai segmen –
segmen garis terarah ataupun panah-panah di ruang-2 atau ruang-3; arah panah
menentukan arah vektor dan panjang panah menyatakan besarnya. Ekor panah
disebut titik awal (initial point) dari vektor, dan ujung panah dinamakan titik
terminal (terminal point).
Vektor adalah besaran yang mempunyai besar dan arah, contohnya:
perpindahan, kecepatan , gaya dan percepatan. Vektor dinotasikan dengan
sebuah huruf dengan anak panah diatasnya misal A, atau dicetak dengan huruf
tebal misal A atau yang lain sesuai perjanjian (pada tulisan ini digunakan huruf
biasa tanpa anak panah dan tidak dicetak tebal). Besar vektor A dinyatakan
dengan |A| atau A. Vektor A dapat pula dinyatakan dengan OP dan besarnya
adalah |OP|, seperti tampak pada gambar 1-0 dibawah ini :
8
gambar 1-0 Vektor dalam bentuk diagram
Pada gambar 1.1a, titik awal vector v adalah A da titik terminalnya adalah
B, maka dituliskan v = AB−→
Sedangkan Skalar adalah besaran yang mempunyai besar tetapi tanpa arah.
Contoh besaran adalah: massa, panjang, waktu, suhu, dan sebarang bilangan
riil. Skalar dinyatakan dengan huruf biasa seperti dalam aljabar elementer.
Operasi-operasi pada skalar mengikuti aturan-aturan yang sama seperti halnya
dalam aljabar elementer.
Seperti tampak pada gambar 1-0 diatas dalam diagram, vektor biasanya
dinyatakan dengan panah. Panjang dari panah sebanding dengan besar vektor
dan kepala panah menyatakan arah dari vektor tersebut. Minus A⃗ (yaitu - A⃗ )
adalah sebuah vektor dengan besar yang sama seperti A⃗, tetapi pada arah
sebaliknya (gambar 1). Perhatikan bahwa vektor memiliki besar dan arah,
tetapi tidak mutlak menyatakan lokasi. Sebagai contoh, sebuah perpindahan
sejauh 4 km ke arah utara dari Bandung direpresentasikan dengan vektor yang
sama pada perpindahan sejauh 4 km ke utara Padang (kelengkungan Bumi
diabaikan).
Dengan demikian vektor dapat digeser sesuka hati selama besar dan arahnya
tidak diubah. Norma vektor (panjang vektor) adalah besarnya vektor dan
dinyatakan dengan 1.0 berikut ini :
|v|2=v12+v2
21.0 Normal Vektor
Dalam menentukan pada persamaan 1-0 diatas dicontohkan pada vektor-
vektor yang berada diruang 2, sedangkan untuk vektor – vektor yang berada
diruang 3 ditunjukan oleh Error: Reference source not founddibawah ini :
|v|2=v12+v2
2+v32vektor ruang 3
Dalam melakukan pemecahan banyak soal dapat disederhanakan dengan
langkah mentraslasikan sumbu koordinat untuk mendapatkan sumbu koordinat
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
yang baru yang sejajar dengan sumbu aslinya, perhatikan ilustrasinya pada
gambar 1-1 berikut.
gambar 1-1 Pergeseran vektor dalam diagram
Berdasarkan gambar 1-1 diatas diperoleh persamaan translasi seperti
persamaan 1-2 dibawah ini
x’ = x – k dan y’ = y – l ……………………………………….. (1-2)
Persamaan 1-1 Persamaan translasi
1.2 Aljabar Vektor
Definisi yang mendasar pada vektor adalah sebagai berikut.
a. Duah buah vektor A dan B sama jika memiliki besar dan arah yang sama.
gambar 1.2 Vektor dengan besar dan arah sama
b. Sebuah vektor yang besarnya sama dengan vektor A, tetapi belawanan arah
dengan vector A dinyatakan dengan vektor –A.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
x,y O x
y
k,lO’ x’
y’
gambar 1.3 Vektor dengan besar sama dan ararh berbeda
c. Jumlah atau resultan dari vektor A dan B adalah vektor yang didefinisikan
dengan vektor C.
d. Vektor yang memiliki panjang sama dengan nol disebut sebagai vektor nol.
e. Selisih dari vektor A dan B diyatakan dengan A - B, adalah sebuah vektor
C. Jika A = B maka A - B adalah vektor nol (0). Untuk vector tak nol
disebut dengan vector sejati (proper vektor).
f. Jika v adalah vektor taknol dan k adalah bilangan ril tak nol (skalar), maka
hasil kali, kv didefinisikan sebagai vektor yang memiliki panjang |k| kali
panjang v dan yang arahnya sama seperti arah v jika k > 0 dan berlawanan
dengan v jika k < 0
g. Jika ada sebuah koordinat vektor v = (a, b, c) maka a, b, c disebut sebagai
komponen vektor
Ini sesuai dengan teorema 1 vektor yaitu :
Jika u, v ,w adalah vektor-vektor diruang 2 dan ruang 3 dan k adalah
sebuah skalar maka hubungan ini akan berlaku
(a) v + u = u + v
(b) (u + v) + w = u + (v + w)
(c) u + 0 = 0 + u
(d) u + (-u) = 0
(e) k(lu) = (kl)u
(f) k (u + v) = ku + kv
(g) k (u + v) = ku = kv
(h) (k + l) u = ku + lu
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
1.3 Operasi Vektor
Operasi vektor dibagi menjadi empat kelompok yaitu sebagai berikut :
1.3.1. Penjumlahan dua vektor
Ada 2 metode yang dapat digunakan untuk menjumlahkan 2 buah vektor
1. Metode Jajaran Genjang
Metode pertama yang dapat digunakan untuk menjumlahkan vektor adalah
metode jajaran genjang, perhatikan gambar 1.4 dibawah ini :
gambar 1.4 Metode jajaran genjang
Vektor hasil (resultant) yaitu a + b diperoleh dari diagonal jajaran genjang
yang dibentuk oleh vektor a dan b setelah titik awal dan titik akhir ditempatkan
berimpit.
2. Metode SegitigaMetode pertama yang dapat digunakan untuk menjumlahkan vektor adalah
metode segitiga, perhatikan gambar 1.5 dibawah ini :
gambar 1.5 Metode segitiga
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Resultan diperoleh dengan menempatkan titik awal salah satu vektor pada
titik ujung vektor yang lain, maka resultannya adalah vektor bertitik awal di
titik awal a dan bertitik ujung di titik ujung b
Catatan :
1. Penjumlahan vektor bersifat komutatif, a + b = b + a
2. Metode Segitiga baik sekali digunakan untuk menjumlahkan lebih dari 2
vektor. Misalnya a + b + c + d + e , maka resultannya adalah vektor dengan
titik awal di titik awal vektor a dan bertitik ujung di titik ujung vektor e
3. Pengurangan vektor a dan b adalah a – b = a + (-b)
Perhatikan ilustrasinya sebagai berikut :
Jika diketahui :
v = (1, -2) dan w = (7, 6) maka
- w + v = (7, 6) + (1, -2) = 7 + 1, -2 + 6 = (8, 4)
1.3.2. Perkalian vektor dengan skalar
Jika k adalah suatu skalar bilangan riil, a suatu vektor, maka perkalian
skalar ka menghasilkan suatu vektor yang panjangnya |k| kali panjang a dan
arahnya sama dengan arah a Bila k = 0 maka ka =0 disebut vektor nol, yaitu
vektor yang titik awal dan titik ujungnya berimpit (gambar 1.6), namun jika k
negatif, arah vektor berubah menjadi sebaliknya.
gambar 1.6 Pengurangan Vektor
v = (1, -2) dan w = (7, 6) dan sebuah skalar 4 maka
- 4w + 4v = 4(7, 6) + 4(1, -2) = 28 + 4, -8 + 24 = (32, 16)PRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
1.3.3. Perkalian titik antar vektor
Perkalian titik antar vektor dinyatakan oleh, persamaan 1-3 berikut ini
A⃗ . B⃗ = A B Cos ………… (1-3)persamaan (1.2) Perkalian titik antar vektor
Perkalian titik antar vektor ini dapat didefinisikan sebagai berikut Bila v
dan w adalah vektor, dan adalah sudut antara v dan w (0 ) Maka hasil
kali titik (dot product) v. w didefinisikan dengan :
v.w = {|v||w| cos θ
0
jika v≠0 dan w≠0jika v=0 atau w=0
Persamaan 1-3 Perkalian titik antar vektor
gambar 1.7 Perkalian titik antar vektor
Dengan adalah sudut antara vektor-vektor tersebut ketika kedua ekornya
saling bertemu (gambar 1-7). Perhatikan bahwa A⃗ . B⃗ menghasilkan sebuah
skalar sehingga perkalian titik ini sering juga disebut perkalian skalar.
Perkalian ini bersifat komutatif yaitu A⃗ . B⃗=B⃗ . A⃗ dan juga distributif
A⃗ . (B⃗+ C⃗ )=A⃗ . B⃗+ A⃗ . C⃗
Perhatikan gambar 1.7 di atas. Jika v =(v1, v2, v3) dan w = (w1, w2, w3)
adalah 2 vektor tak nol. Dan adalah sudut antara v dan w , maka hokum
cosinus menghasilkan :
|PQ−→
|2 = |v|2 + |w|2 – 2|v||w| cos …………………………..(1.5)
Persamaan 1-4 Hukum cosinus perkalian titik antar vektor
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Karena PQ−→
= w – v maka dapat (1.5) dapat dituliskan kembali sebagai :
2|v||w| cos = |v|2 + |w|2 - |w – v|2
|v||w| cos = 12 (|v|2 + |w|2 - |w – v|2)
Atau
v . w = 12 (|v|2 + |w|2 - |w – v|2)
Dengan mensubstitusikan
|v|2 = v12
+ v22
+ v32
dan |w|2 = w12 + w2
2 + w3
2
dan
|w – v|2 = (w1−v1 )2 + (w2−v2 )
2 + (w3−v3 )
2
Maka setelah disederhanakan akan diperoleh :
v. w = v1w1 + v2w2 + v3w3
Jika v dan w bukan vektor nol, maka persamaan (1.1) dapat ditulis dengan
Cos =
v . w|v||w|
Contoh 1.1
Diketahui vektor v = (2, -1, 1) dan w=(1, 1, 2)
Carilah v.w dan tentukan sudut antara v dan w.
Jawab :
v. w = (2).(1) + (-1).(1) + (1)(2) = 2 – 1 + 2 = 3
|v| = √4+1+1 = √6
|w| = √1+1+4 = √6
Jadi Cos =
36 =
12 , maka sudut antara v dan w adalah 60o
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
1.3.4. Perkalian Silang antar vektor
Dalam banyak penerapan vektor pada bidang geometri, fisika, dan teknik,
kita perlu membentuk vektor di ruang 3 yang tegak lurus dengan 2 vektor lain
yang diberikan.
Perkalian titik antar vektor dinyatakan oleh, persamaan 1-6 berikut ini
A⃗ x B⃗ = A B Sin ………… (1-6)persamaan 1.5 Perkalian Silang antar vektor
Dalam perkalian silang antar vektor ini dikenal adanya dua arah yang
tegak lurus bidang tersebut, yaitu “masuk” dan “keluar”. Untuk mengatasi
masalah ini, digunakanlah kesepakatan aturan tangan kanan: jadikan keempat
jari selain ibu jari agar menunjuk pada vektor pertama (dengan ibu jari tegak
lurus keempat jari), kemudian putar keempatnya (pada sudut terkecil) ke arah
vektor kedua, maka ibu jari menandakan arah dari perkalian silang kedua
vektor tersebut.
Perkalian silang antar dua buah vektor tersebut didefinisikan sebagai
berikut jika v =(v1, v2, v3) dan w = (w1, w2, w3) adalah vektor – vektor di Ruang
3, maka hasil kali silang (cross product) v x w adalah vektor yang didefinisikan
oleh persamaan 1-7 dibawah ini :
v x w = (v2w3 – v3w2, v3w1 – v1w3, v1w2 – v2w1) ……………………. (1-7)
Dapat pula ditulis dalam notasi determinan, seperti persamaan 1-8 dibawah ini:
v x w = (|v2 v3
w2 w3
|,−|v1 v3
w1 w3
|,|v1 v2
w1 w2
|) ……………………. (1-8)
Perhatikan contoh dibawah ini :
Carilah u x v dimana u = (1, 2, -2) dan v=(3, 0, 1)
Jawab :
[1 2 −23 0 1 ]
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
u x v = (|2 −2
0 1|,−|1 −2
3 1|,|1 2
3 0|)
= (2 , −7 ,−6 )
Perhatikan gambar 1-8 dibawah ini terlihat bahwa A⃗ x B⃗ akan
menghasilkan sebuah vektor sehingga perkalian silang sering disebut dengan
perkalian vektor.
gambar 1-8 A⃗×B⃗ mengarah keluar bidang kertas,
B⃗× A⃗ mengarah masuk bidang kertas.
Perkalian ini bersifat distributif yaitu A⃗ x ( B⃗+C⃗ )= ( A⃗ x B⃗ )+( A⃗ x C⃗) Tetapi
tidak komutatif B⃗=−( B⃗ x A⃗ ) dan secara geometri, adalah luas daerah jajaran
genjang yang dibentuk oleh A⃗ dan B⃗ (gambar 1-8). Jika kedua vektor saling
sejajar, maka perkalian silangnya nol dan secara khusus A⃗ x A⃗ = 0 untuk
sembarang vektor A⃗.
Teorema
Jika v dan w adalah vector dalam Ruang-3, maka
1. v. (v x w) = 0
2. v. (v x w) = 0
3. |v x w|2 = |v|2 |w|2 – (v.w)2 (Identitas Lagrange)
Jika adalah sudut di antara v dan w , maka v.w = |v| |w| cos , sehingga
Identitas Lagrange dapat dituliskan kembali sebagai :
|v x w|2 = |v|2 |w|2 – (v.w)2
= |v|2 |w|2 - (|v| |w| cos )2
= |v|2 |w|2 - |v|2 |w|2 cos2
= |v|2 |w|2 (1 - cos2 )PRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
= |v|2 |w|2 sin2
Jadi
|v x w| = |v| |w| sin
Jadi luas A dari jajaran genjang di atas diberikan oleh
A = |v| |w| sin = |v x w|
1.4 Hukum – hukum Aljabar Vektor
Jika A, B, dan C adalah vector-vektor dan m, n adalah skalar-skalar maka:
a. A + B : B + A Hukum komutatif untuk penjumlahan
b. A + (B + C) : (A + B) + C Hukum assosiatif untuk penjumlahan
c. mA : Am Hukum komutatif untuk perkalian
d. m(nA) : (mn)A Hukum assosiatif untuk perkalian
e. (m + n)A : mA + nA Hukum distributif
f. m(A + B) : mA + mB Hukum distributif
g. A + B : C jika dan hanya jika B = C – A
h. A + 0 : A dan A – A = 0
Susunan Koordinat Ruang-n
1. Ruang dimensi satu (R 1 )
gambar 1.9 Ruang dimensi satu
Titik O mewakili bilangan nol, titik E mewakili bilangan 1. Ditulis O(0),
E(1), P(2
5 ) artinya P mewkili bilangan 2
5 dan kita letakkan P sehingga OP = 2
5 satuan ke arah E (arah positif).
2. Ruang dimensi dua (R 2 )
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Setiap pasangan bilangan riil (koordinat titik) dapat diwakili oleh sebuah
titik pada suatu bidang rata, yang membentuk susunan koordinat di dalam
ruang dimensi dua, ditulis R2.
gambar 1.10 Ruang dimensi dua
3. Ruang dimensi tiga (R 3 )
Setiap pasangan bilangan riil (koordinat titik) dapat diwakili oleh sebuah
titik pada suatu bidang rata, yang membentuk susunan koordinat di dalam
ruang dimensi tiga, ditulis R3
gambar 1.11 Ruang dimensi tiga
4. Ruang dimensi n (R n )
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Secara umum untuk Rn dimana n adalah bilangan bulat positif, suatu titik
di dalam Rn dinyatakan sebagai n-tupel bilangan riil. Misalnya titik X(x1,
x2, ...,xn)
1.5 Vektor dalam ruang Rn
Lebih dahulu kita pandang suatu susunan koordinat di R2. Suatu vektor
disebut satuan bila panjangnya = 1. Kita ambil sekarang vektor satuan :
e1 = OE1 yang titik awalnya O(0,0) dan titik ujungnya adalah E1(1,0)
e2 = OE2 yang titik awalnya O(0,0) dan titik ujungnya adalah E2(0,1)
Kemudian kita tulis
e1 = 1e1 + 0 e2
e2 = 0e1 + 1 e2
Yang selanjutnya penulisan itu disingkat dengan
e1 = [1,0]
e2 = [0,1]
Sekarang pandang vektor a yang titik awalnya O(0,0) dan titik ujungnya
titik A(a1, a2). Vektor a disebut vektor posisi dari titik A.
gambar 1.12 Ruang
Bilangan – bilangan a1, a2 disebut komponen – komponen dari a maka
Panjang vektor a adalah √a12 + a2
2
Secara umum untuk vektor p yang titik awalnya P(p1, p2) dan titik ujungnya di
Q(q1, q2) :
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
PQ = (q1 – p1) e1 + (q2 – p2) e2
= [(q1 – p1), (q2 – p2)]
Kesimpulan (untuk Rn):
1. Vektor posisi dari titik A(a1, a2, …, an) adalah OA = [a1, a2, …, an]\
2. Vektor bertitik awal di P(p1, p2, …, pn) dan bertitik ujung di Q(q1, q2, …, qn)
adalah PQ = [q1 – p1, q2 – p2, … , qn – pn ]
3. Panjang vektor a = [a1, a2, …, an] adalah |a| = √a12 + a2
2+. .. .+an2
Jarak 2 titik P(p1, p2, …, pn) dan Q(q1, q2, …, qn) adalah panjang vektor PQ
yaitu :
|PQ| = √(q1−p1)2 + ( p2−q2 )
2+. .. .+ ( pn−qn )2
4. Vektor – vektor satuan dari susunan koordinat adalah
e1 = [1,0,0,…,0],
e2 = [0,1,0,…,0],
e3 = [0,0,1,0…,0], dst.
1.6 Persamaan Garis Lurus
1.7.1. Garis Lurus
Misalkan titik A(a1, a2, a3) dan B(b1, b2, b3), perhatikan gambar 1-13
dibawah ini :
gambar 1.13 Persamaan garis lurus
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Maka OA−→
= [a1, a2, a3]
OB−→
= [b1, b2, b3]
AB−→
= [b1- a1, b2-a2, b3-a3]
Untuk setiap titik sebarang pada g berlaku AX = AB.
Jelas OX−→
= OA−→
+ AX−→
= OA−→
+ AB−→
Atau
[x1, x2, x3] = [a1, a2, a3] + [b1- a1, b2-a2, b3-a3] ………(1-9)
Persamaan 1-9 di atas disebut persamaan vektoris garis lurus yang melalui
2 titik A(a1, a2, a3) dan B(b1, b2, b3). Vektor AB−→
(atau vektor lain yang terletak
pada g, dengan kata lain, kelipatan dari AB−→
) disebut vector arah garis lurus
tersebut.
Jadi bila garis lurus melalui titik A(a1, a2, a3) dengan vektor arah a¿
= [a, b,
c], maka persamaannya adalah :
[x1, x2, x3] = [a1, a2, a3] + [a, b, c] …………………….(1.10)
Persamaan 1-10 dapat ditulis menjadi :
x1 = a1 + b1
x2 = a2 + b2
x3 = a3 + b3
yang disebut dengan persamaan parameter garis lurus.
Kemudian bila a 0, b 0, c 0, kita eliminasikan dari persamaan
parameter di atas, diperoleh :
=
( x1−a1 )a =
( x2−a2 )b =
( x3−a3 )c …………….. 1-11
persamaan 1-6 Persamaan garis lurus melalui titik dan arahPRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
Merupakan persamaan linier garis lurus melalui titik A(a1, a2, a3) dengan
vektor arah [a, b, c].
1.7.2. Bidang rata
Misal diketahui 3 titik P(p1, p2, p3) , Q(q1, q2, q3) dan R(r1, r2, r3) pada
sebuah bidang rata seperti di atas.
Maka PQ−→
= [q1-p1, q2-p2, q3-p3]
PR−→
= [r1-p1, r2-p2, r3-p3]
Pertahikan gambar 1-14 dibawah ini :
gambar 1.14 Persamaan bidang rata
Untuk setiap titik pada bidang, berlaku PX−→
= PQ−→
+ PR−→
Jelas dari gambar OX−→
= OP−→
+ PX−→
= OP−→
+ PQ−→
+ PR−→
Atau
[x1, x2, x3] = [p1, p2, p3] + [q1-p1, q2-p2, q3-p3] + [r1-p1, r2-p2, r3-p3]
Merupakan persamaan vektoris bidang yang melalui 3 titik. Kedua vektor
PQ−→
dan PR−→
adalah vektor arah bidang.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
1.7 Evaluasi
1. Tentukan :
a. a . b bila a = [2, -3, 6] dan b = [8, 2, -3]
b. Jarak A(2, 4, 0) , B(-1, -2, 1)
c. Jarak vektor a = [ 1, 7] dan b = [6, -5]
2. Tentukan
a. k supaya a = [1, k, -2, 5] mempunyai panjang √39
b. Berapa sudut antara a = [1, 2, 3, 4] dan b = [0, 0, 1, 1]
c. Tentukan k supaya a = [1, k, -3] tegak lurus b = [4, -k, 1]
3. Carilah u. v untuk
a. u = [-3, 1, 2] dan v = [4, 2, -5]
b. u = [ 1, 2] dan v = [6, -8]
4. Carilah sudut antara u dan v pada soal (3)
5. Misalkan u = [2, -1, 3] , v = [0, 1, 7] dan w = [1, 4, 5], hitunglah
a. v x w b. u x (v x w) c. (u x v) x w
d. (u x v) x (v x w) d. u x (v – 2w) f. (u x v) – 2w
6. Tentukan
a. persamaan vektoris dari garis lurus x1 – 3 = x2 – 4 = -x3 + 2 = 3x4 +2
b. Tentukan persamaan bidang rata yang melalui (1,1,1) dan garis lurus g :
[x1, x2, x3] = [1, 2,1] + λ [1, 0, 2]
c. Tentukan persamaan bidang rata yang melalui garis lurus g :
[x, y, z] = [1, 2, 3] + λ [4, 5, 6] serta sejajar dengan garis lurus h : [x,
y, z] = [7, 8, 10] + λ [1, 2, 31]
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 2 RUANG VEKTOR
2.1 Ruang Vektor Umum
Ruang vektor umum dapat didefinisikan sebagai berikut misalkan V
sebarang himpunan benda yang dua operasinya kita definisikan yaitu
penjumlahan dan perkalian dengan skalar (bilangan riil). Penjumlahan tersebut
kita pahami untuk mengasosiasikan sebuah aturan dengan setiap pasang benda
u dan v dalam V, yang mengandung elemen u + v, yang kita namakan jumlah
u dan v, dengan perkalian skalar kita artikan setiap benda u pada V yang
mengandung elemen ku, yang dinamakan perkalian skalar u oleh k. Jika
semua aksioma berikut dipenuhi oleh semua benda u, v, w pada V dan oleh
semua skalar k dan l, maka kita namakan V sebuah ruang vektor dan benda –
benda pada V kita namakan vektor :
a) Jika u dan v adalah benda – benda pada V kita namakan vektor
b) u + v = v + u
c) u + (v + w) = (u + v) + w
d) Ada vektor 0 di V sehingga 0 + u = u + 0 = u untuk semua u di V
e) Untuk setiap u di V, terdapat –u sehingga u + (-u) = (-u) + u = 0
f) Jika k adalah sebarang skalar dan u adalah sebarang vektor di V, maka
ku berada di V
g) k(u + v )= ku + kv
h) (k + l)u = ku + lu
i) k(lu) = l(ku)
j) 1u = u
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
2.1.1. SubRuang (subspace)
Sub ruang dalam sebuah vektor dapat didefinisikan sebagai subhimpunan
W dari sebuah ruang vektor V disebut sub ruang (subspace) V jika W itu
sendiri adalah ruang vektor di bawah penjumlahan dan perkalian skalar yang
didefinisikan pada V.
2.2 Vektor yang Bebas Linier dan Tak Bebas Linier
Ketika m merupakan himpunan m buah vektor (u1, u2, … um) disebut tak
bebas linier (linearly dependent) bila terdapat skalar – skalar 1, 2, …, m
yang tidak semuanya nol sedemikian hingga (u1, u2, … um)
Sebaliknya himpunan (u1, u2, … um) disebut bebas linier (linearly
independent) jika 1 u1 + 2 u2 + …+ m um = 0 hanya dipenuhi oleh 1= 2 =
…= m = 0.
Catatan :
1. Jika m=1, maka :
a. Bila u = 0 (vektor nol), akan tak bebas linier,
karena u = 0 0 = 0 terpenuhi juga untuk 0
b. Bila 0, akan bebas linier karena u=0 hanya dipenuhi oleh =0
2. Jika dalam himpunan terdapat vektor 0, misalnya {u1, u2,…,0, … um) maka
himpunan itu tak bebas linier,
1 u1 + 2 u2 + … + i 0+ … + m um = 0 dipenuhi juga oleh I 0
3. JIka u dan v adalah 2 vektor yang berkelipatan, u = v, maka mereka tak
bebas linier. Sebab u = v 1u - v = 0, artinya terdapat 0 pada 1 v
+ 2 u = 0
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
2.3 Kombinasi Linier
Suatu vektor v dikatakan kombinasi linier dari vektor – vektor (u1, u2, …
um) bila terdapat skalar – skalar 1, 2, …, m sedemikian hingga v = 1 u1 + 2
u2 + …+ m um.
Perhatikan ilustrasinya sebagai berikut
a = [2, 1, 2], b = [1, 0, 3], c = [3, 1, 5]
Kita hendak menyatakan a sebagai kombinasi linier dari b dan c Kita
hitung 1, dan 2 yang memenuhi
[2, 1, 2] = 1 [1, 0, 3] + 2 [3, 1, 5]
2 = 1 + 3 2
1 = 2
2 = 3 1 + 5 2
Dengan substitusi, diperoleh 1 = -1 dan 2 = 1 Jadi penulisan yang
diminta adalah a = -b + c
2.4 Arti Kombinasi Linier Secara Ilmu Ukur
1. Kalau v kombinasi linier dari suatu vektor u, yaitu v = u yang mana v
adalah kelipatan dari u dengan garis pembawanya sama (atau sejajar), v dan
u disebut koliner (segaris).
2. v kombinasi linier dari 2 vektor u1 dan u2, yaitu v = 1u1 + 2u2 maka v
adalah diagonal jajaran genjang yang sisi – sisinya 1u1 dan 2u2 . u1 dan
u2 disebut koplanar (sebidang).
3. v kombinasi linier dari 3 vektor u1 , u2 dan u3, yang tidak sebidang, yaitu v =
1u1 + 2u2 + 3u3 maka v adalah diagonal paralelepipedum yang sisi –
sisinya 1u1, 2u2 dan 3u3.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
2.5 Dimensi dan Basis
Jika V adalah sebarang ruang vektor dan S = {v1, v2, …, vr} merupakan
himpunan berhingga dari vektor – vektor pada S, maka S disebut basis untuk V
jika S bebas linier dan S merentang V
Dimensi sebuah ruang vektor V yang berdimensi berhingga didefinisikan
sebagai banyaknya vektor pada basis untuk V.
Contoh 2.2
Tentukan dimensi dari ruang vektor yang dibentuk oleh :
p = [1, -2, 3, 1] dan q = [2, -4, 5, 2]
u = [5, 7, 11, 4] dan v = [10, 14, 22, 8]
Jawab :
1. Kedua vektor pembentuk tidak berkelipatan, jadi sistem pembentuk bebas
linier. Berarti dimensi = 2
2. Kedua vektor berkelipatan. Vektor u maupun v 0, jadi keduanya
merupakan sistem pembentuk yang bebas linier. Berarti dimensi = 1
Latihan:
1. Tentukan dimensi dan basis dari ruang vektor yang dibentuk oleh :
(i). a = [1, 1, 2], b= [1, 2, 5] , c = [5, 3, 4]
(ii). p = [1, 2, 2], q = [2, 4, 4] , r = [1, 0, 1]
(ii) u = [1, 0, 1], v = [3, 0, 3] , w = [2, 0, 2]
2. Apakah himpunan – himpunan vektor ini merupakan basis R-3 ?
(i). [1, 1, 1] , [1, -2, 3]
(ii). [1, 0, 0], [1, 1, 0], [1, 1, 1]
(iii). [1, 1, 2], [1, 2, 5], [5, 3, 4]
3. Diketahui L dibentuk oleh p = [1, 3, 1], q= [2, 1, 0], dan r = [ 4, x-2, 2]
Ditanya :
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
(i) Nilai x supaya L berdimensi 2
(ii) Nilai y supaya vektor a = [3, 2-y, 4] L{p,q,r}
(iii) Koordinat a di atas relative terhadap basis {p,q}
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 3 SISTEM PERSAMAAN LINIER
3.1 Pendahuluan
Dalam bagian ini kita akan mempelajari mengenai konsep dasar dari
sistem persamaan linier serta akan pula diperkenalkan istilah dasar guna
memecahkan sistem persamaan linier tersebut.
Sebuah garus dalam bidang xy secara aljabar dapat dinyatakan oleh
persamaan yang berbentuk
a1x + a2y = b
Persamaan semacam ini disebut sebagai persamaan linier dalam peubah x
dan peubah y. Secara lebih umum, persamaan linier dapat didefinisikan dalam
n peubah x1, x2, …… , xn
a1x1 + a2x2 + ….. + anxn = b
dimana a1, a2, ……. , an adalah konstanta riil
Perhatikan ilustrasinya berikut ini, ini adalah contoh beberapa persamaan-
persamaan linier :
x + 3y = 7 x1 – 2x2 – 3x3 + x4 = 7
y = ½ x + 3z + 1 x1 + x2 + x3 = 1
Perhatikan bahwa persamaan linier tidak melibatkan sesuatu hasil kali atau
akar peubah. Semua peubah hanya terdapat sampai dengan angka pertama dan
tidak muncul sebagai argumen untuk fungsi trigonometri, fungsi logaritmik
atau fungsi eksponensial, berikut adalah bukan persamaan linier
x + 3y2 = 7 xz – 2x2 – 3x3 + x4 = 7
y = ½ x2 + 3z3 + 1 x11/2 + x2 + x3 = 1
Pemecahan persamaan linier a1x1 + a2x2 + ……. + anxn = b adalah urutan
dari n bilangan s1, s2, ……………, sn sehingga persamaan tersebut dipenuhi
bila kita menstubtitusikannya terhadap x1 = s1, x2 = s2, ……, xn = sn,
Himpunan semua pemecahan tersebut disebut sebagai himpunan pemecahan.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Persamaan linier dalam n peubahx1 , x2 , x3 ,…. xn adalah persamaan yang
dapat dinyatakan dalam bentuk a1x+a2 x2+…+a n xn = b, dimana
a1 , a2 ,… , an dan b adalah konstanta – konstanta riil. Sebuah himpunan
berhingga dari persamaan – persamaan linier dalam peubah x1 , x2 , x3 ,…. xn
dinamakan sistem persamaan linier.
Sebuah persamaan linier yang tidak mempunyai penyelesaian disebut tidak
konsisten, sedangkan yang paling sedikit mempunyai satu penyelesaian disebut
konsisten.
Sebuah sistem persamaan linier dikatakan homogen jika semua suku
konstanta sama dengan nol, system tersebut mempunyai bentuk
a11 x1+a12 x2+…+a1n xn=0a21 x2+a22 x2+…+a2n xn=0⋮an 1 x1+an2 x2+…+ann xn=0
Tiap – tiap sistem persamaan linier homogen adalah system yang
konsisten, karena x1 , x2 , x3 ,…. xn = 0 selalu merupakan penyelesaian.
Penyelesaian x1 , x2 , x3 ,…. xn = 0 dikatakan penyelesaian trivial. Jika ada
penyelesaian lain selain penyelesaian tersebut maka penyelesaian disebut
penyelesaian taktrivial.
Dimana
aij adalah konstanta koefisien
bj konstan
xi variabel
i =1, 2, 3,…, n dan
j=1, 2, 3,…, n.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
3.2 Susunan Persamaan Linier
Suatu persamaan linier memiliki susunan seperti tampak pada gambar 3-0
dibawah ini :
gambar 3-0 Susunan persamaan linier
3.3 Menyatakan Bentuk SPL
Secara umum SPL dapat dinyatakan dalam bentuk matriks sebagai berikut
gambar 3-1 Matriks persamaan linier
Matriks A dinamakan dengan Matriks Koefisien dari SPL. Vektor x
dinamakan dengan vektor variabel dan vektor B dinamakan vektor konstanta.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Dengan vektor kolomnya X dan konstanta B adalah sebagai berikut
:X=[ x1x2¿
xn] dan B=[b1b2¿
bn]Teorema (1).
Suatu susunan persamaan linier (SPL) akan memiliki jawaban (konsisten)
apabila rank matriks koefisien = rank matriks lengkap bila r (A) = r (B).
Matriks lengkap (A, B) adalah sebagai berikut :
a11 x1 a12 x2 … a1 n xn=b1a21 x2 a22 x2 … a2 n xn=b2⋮ ⋮an 1 x1 an 2 x2 … ann xn=b 3
Persamaan diatas ini dapat pula ditulis
:[a11a21¿
am1]∗x1+…+[a1 na2 n¿
amn ]∗xn=[b1b 2¿
bn] Atau vektor A1x1 + A2x2 + … + Anxn = B dimana nilai A1, … , An
adalah vektor kolom dari matriks A, namun yang menjadi masalah apakah
x1, …, xn adalah skalar yang memenuhi persamaan tersebut.
Jika ada maka itu harus merupakan kombinasi linier dari A1, A2, A3, …,
An dengan kata lain banyak vektor kolom yang bebas linier antara A1, … An
maka B harus berada di dalam ruang kolom matriks A. maka r (A) = r (A,B).
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
3.4 Penyelesaian SPL Dengan Metode Substitusi
Untuk mencari pemecahan dari sistem persamaan linier dengan
menggunakan metode substritusi perhatikan ilustrasinya sebagi beriku
Carilah nilai variabel x dan y dari dua persamaan berikut: 2x+3y=21 dan
x+4y=23 !
Jawab:
Salah satu persamaan dirubah dahulu menjadi y = ... atau x = .... Misal
persamaan x+4y=23 dirubah menjadi x=23-4y. Kemudian disubstitusikan ke
dalam persamaan yang satu.
x = 23-4y 2x + 3y = 21
2(23-4y) + 3y = 21
46 – 8y + 3y = 21
46 – 5y = 21
25 = 5y
y = 5
Untuk mendapatkan nilai x, substitusikan y = 5 ke dalam salah satu
persamaan.
y = 5 2x + 3y = 21
2x + 3(5) = 21
2x + 15 = 21
2x = 21 – 15
x = 6/2
x = 3
Jadi himpunan penyelesaian yang memenuhi kedua persamaan tersebut
adalah himpunan pasangan (3,5)
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
3.5 Penyelesaian SPL Dengan Metode Eliminasi
Misal: carilah nilai variabel x dan y dari dua persamaan berikut: 3x-2y=7
dan 2x+4y=10 !
Jawab:
Misal variabel yang hendak dieliminasi adalah y
Untuk mendapatkan nilai y, substitusikan x = 3 ke dalam salah satu
persamaan.
x = 3 3(3) - 2y = 7
-2y = 7 – 9
2y = 2
y = 1
Jadi himpunan penyelesaian yang memenuhi kedua persamaan tersebut
adalah himpunan pasangan (3,1)
3.6 Penyelesaian SPL Dengan Determinan
ax + by = c
dx + ey = f
Misal persamaan pada soal sebelumnya yaitu 3x-2y=7 dan 2x+4y=10 akan
diselesaikan dengan cara determinan:
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Jadi himpunan penyelesaian yang memenuhi kedua persamaan tersebut
adalah himpunan pasangan (3,1)
3.7 Susunan Persamaan Linier Homogen
Jika semua konstanta b1 = 0 maka persamaan AX = 0 sehingga
susunannya menjadi :
a11 x1+a12 x2+…+a1n xn=0a21 x2+a22 x2+…+a2n xn=0⋮an 1 x1+an2 x2+…+ann xn=0
Yang selanjutnya disebut sebagai susunan persamaan linier yang
homogen. Jelas r (A) = r (A, 0), jadi susunan persamaan linier homogen selalu
memiliki jawaban. Harga-harga x1 = x2 = … = xn = 0 jelas selalu memenuhi
susunan diatas. Jadi [0,0, …, 0] pasti merupakan jawab dari susunan persamaan
homogen manapun
Maka suatu susunan persamaan linier homogen selalu memiliki paling
sedikit satu jawaban [0, 0, …, 0] yang disebut sebagai jawab nol atau jawab
trivial.
Teorema (2)
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Semua jawab dari vektor susunan persamaan linier homogen membentuk
suatu ruang vektor di Rn yang disebut sebagai ruang jawab atau solution space
L dimensi L = (n-r) dimana n banyaknya variable dan r adalah rank dari
matriks.
Catatan :
1. Ketika r < n, berarti dimensi ruang jawab n – r > o maka akan
didapatkan jawab tidak nol (non trivial)
2. Ketika r = n maka dimensi ruang jawab = n – r = 0 jadi jelasnya hanya
didapatkan jawaban nol(trivial)
3. Ketika bekerja dengan bayak sistem persamaan linier (m buah) maka
vektor kolom A1, …. , An maka komponen m buah akan menjadi
anggota dari Rm. Maka jelasnya bahwa jumlah maksimum vektor
kolom matriks A yang bebas linier = m arau r(A) paling besar = m
Jadi ketika m < n pasti jawab non trivial
Perhatikan ilustrasinya berikut ini :
x1 + x2 – x3 = 0
2x1 + 3x2 – x3 = 0
Akan memiliki jawaban non trivial karena m = dan n = 3
3.8 Peninjauan Secara Baris
Suatu susunan persamaan linier disebut bebas atau tidak bebas, tergantung
apakah vektor-vektor barisnya bebas linier atau tidak
Perhatikan ilustrasinya berikut ini :
2x + y = 0
2x + 3y = 0
3x + 4y = 0
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Dapat ditulis sebagai berikut :
A =[1 12 33 4]
Jelas ketiga buah vektor tersebut adalah tidak bebas linier karena
banyaknya vektor tersebut adalah 3 sedangkan ketiga vektor tersebut berada
diruang 2, jadi susunan persamaan diatas tidak bebas linier.
Teorema
Kita tulis vektor-vektor baruis dari A sebagai B1 = [a11, a12, …, a1n], B2
= [a21, a22, …, a2n], ….. , Bm, = [am1, am2, …, amn]. Dapat dituliskan AX =
0 sebagai m buah dot product : Bix dimana I = 1, 2, …, m sedangakan x = {x1,
x2, …, xn}
Kalau r (A) = r, maka r buah baris akan bebas linier, katakanlah B1, B2, …
, Br (kalau perlu dengan pertukaran indeks).
Ternyata jawab dari r persamaan/dot product : B1x = 0, B2x = 0, … , Bix
= 0 adalah jawab dari seluruh m buah persamaan mula-mula
Dari hasil yang telah kita pelajari pada bagian matriks bahwa rang matriks
yang ekuivalen baris (matriks yang didapatkan sebagai hasil transformasi
elementer baris terhadap matriks lainnya) adalah sama. Suatu susunan
persamaan linier tidak berubah (tidak memiliki jawab yang sama) apabila
dilakukan transformasi elementer baris terhadap matriks lengkapnya. Maka
kadang-kadang lebih baik kalau kita lakukan transformasi elementer lebih
dahulu sekaligus untuk memeriksa rank dari matriks tersebut.
Contoh :
Diketahui persamaan :
3x + 2y + z = 0
x + y + z = 0
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
2x + y = 0
Maka :
A = [3 2 11 1 12 1 0] ~ H12
(-1) [2 1 01 1 12 1 0] ~ H13
(-1) [0 0 01 1 12 1 0 ]
Maka B2 dan B3 adalah bebas linier r (A_ = 2 serta kita mengambil
persamaan :
x + y + z = 0
2x + y = 0
Carilah jawaban dari
2x + 3y + z = 0
Dari yang telah dipelajari diatas bahwa ketika m < n, mengakibatkan
susunsan selalu memiliki jawaban non trivial, sebuah matriks A r(A) = 1. Maka
dimensiu ruang jawab adalah n-r = 3-1 =2
Kita dapat memliih suatu jawab , misalnya kita ambil x =1 dan y = 1 maka
z = -5
Harga z selalu tergantung pada pemilihan harga dari x dan y, dengan
perkataan lain xz = -2x – 3y, dimana x adan y adalah sebarang skalar. Karena
itu kita perkenalkan disini pengertian PARAMETER atau FREE VARIABLE,
untuk x dan y jadi secara umum jawaban persamaan adalah :
x = x
y = y
z = -2x – 3y
Dimana kita boleh mengambil asumsi bahwa harga x dan y adalah
sebarang, misalnya kita sebuah
x = + 0
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
y = 0 +
y = -2 - 3
Perhatikan contohnya berikut ini :
3x1 – 2x2 – 3x3 + 3x4 = 0
x1 – x2 – x3 + x4 = 0
2x1 – x2 – 2x3 + 2x4 = 0
[3 −2 −31 −1 −12 −1 −2
312] ~ H12
(-3) dan H32
(-2)
[0 1 01 −1 −10 1 0
010] ~ H31
(-1)
[0 1 01 −1 −10 0 0
010]
Sehingga rank = 2, lihat baris vektor tak nolnya
3.9 Susunan Persamaan Linier Non Homogen
Pandang susunan persamaan linier AX = B, dimana B ≠ 0
a11 x1+a12 x2+…+a1n xn=b 2a21 x2+a22 x2+…+a2n xn=b 1⋮an 1 x1+an2 x2+…+ann xn=bm
Dimana A1x1 + A2x2 + … + Anxn = B dimana A1 ,…, An adalah vektor-
vektor kolom dari matriks koefisien A1 maka susunan persamaan linier diatas
disebut sebgai yang non homogen
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Teorema
Semua jawab vektor dari susunan persamaan linier non homogen AX = B
berbebtuk z = x’ + y, dimana x’ adalah suatu jawab khusus non homogen AX =
B dan y jawab umum homogen AX = 0.
Perhatikan contohnya berikut ini :
Diketahui suatu persamaan linier
3x + 2y = 5
X + y = 2
Hanya memiliki satu jawab, yaitu x =1 dan y = 1 atau [x,y] = [1,1] kita
lakukan sebagai berikut :
Pertama periksalah terlebih dahulu apakah r(A) = r (A,B)
[3 21 1
¿¿
52]
Jelas karena baris 1 dan 2 tidak berkelipatan maka r(A) = r(A,B) = 2, jadi
sistem ini konsisten maka ada jawabannya.
Karena r (A) = 2 = n, maka susunan homogennya hanya memiliki jawab 0
jadi jawaban untuk susunan homogennya adalah hanya satu tunggal.
Salah satu cara adalah dengan transformasi elementer baris
[3 21 1
52] ~ H12(-2) [1 0
1 112] ~ H21(-1) [1 0
0 111] ~ H21(-1)
Atau x1 = 1, x2 = 1 atau menggunakan cara lain yaitu aturan crammer.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
3.10 Aturan Crammer
Untuk mencari jawab dari persamaan linier yang bersifat non homogen
yang memiliki jawaban tunggal (r = n) kita dapat mempergunakan aturan
crammer, sebagai berikut :
AX = B maka xk = Dk/D dimana
a11x1+a12 x2+…+a1 n xn=b2a21 x2+a22 x2+…+a2n xn=b1. .. .. . .. .. . .. .. .. . .. .. . .. .. . .. .. . .. .. . .. .. . .. .. .. .an1 x1+an 2 x2+…+ann xn=bn
Dk = Determinan dari matriks dan memiliki bentuk umum :
[a11 x1 a12 x2 … b 1 … a 1n ¿ ] [a21 x2 a22 x2 … b 2 … a 2 n ¿ ] [. . .. ¿ ]¿¿
¿¿
Dimana determinan matriks koefisiennya ≠ 0
Untuk menentukan Dk, kita tulis matriksnya dengan mengganti
kolom k oleh kolom konstanta b
Sehingga jelas karena r (A) = n, kita akan memiliki n persamaan yang
bebas, dimana vektor-vektor barisnya bebas linier, atau determinan matriks
koefisien ≠ 0. Jadi syarat dapat dipakai oleh aturan crammer adalah m = n
(banyak persamaan linier = banyanya variabel) atau det (A) ≠ 0
Perhatikan contoh berikut ini :
3x + 2y = 5
X + y = 2
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Jawab :
A=[3 21 1]
Maka dapat dipakai aturan crammer sebagai berikut :
D=1 , x=[5 22 1]
1=1
y=[5 22 1]
1=1
Perhatikan contoh dari :
2x + 3y = 6
X + 2y = 4
3x + y = 2
Karena m > n, kita bel;um bisa menggunakan aturan crammer, kita
periksa terlebih dahulu r (A) dan r (A, B).
[2 3 61 2 43 1 2 ] H12(-2) dan H32 (-3)
[0 −1 −21 2 40 −5 10 ] H31 (-5)
[0 −1 −21 2 40 0 0 ]
Dari hasil tersebut ternyata diperoleh r (A) = r(A, B) = 2 sehingga
persamaan tersebut memiliki jawaban (trivial)
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Contoh
Carilah nilai x, y , z secara crammer dari
3x + y + z = 7
2x - y + 2z = 7
x + 2y - z = 0
Meskipun m = n = 3 tetapi determinannya
[3 1 12 −1 21 2 −1] = 0
Sehingga aturan cramer tidak dapat dipakai. Disini diperoleh r (A) =
r(A, B) = 2, maka penyelesaian sama seperti contoh sebelumnya.
Perhatikan contoh berikut ini :
2x + y + z = 4
x - y - z = -1
x + 2y + 2z = 4
Selidiki terlebih dahulu r (A) dan r (A, B)
[2 1 11 −1 −11 1 2
4−14 ] H13(-2) dan H23 (-1)
Jadi jelas karena baris 1 dan 2 tidak berkelipatan maka r (A) = r (A, B)
= 3 jadi benar r = n = 3 jadi jawaban dari persamaan tersebut hanya lah ada 1
Dari hasil yang diperoleh ini kita dapat menuliskan kembali menjadi
bentk
0x + y - 3z = 4
0x - 2y - 3z = -1
x + y + 2z = 4PRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
D = [0 −1 −30 −2 31 1 2 ] = [−1 −3
−2 −3 ] = 3
Maka :
x=[−4 −1 −3−5 −2 −3
4 1 2 ]−3
=−3−3
=1
y=[0 −4 −30 −5 −31 4 2 ]
−3=−3−3
=1
z=[0 −1 −40 −2 −51 1 4 ]
−3=−3−3
=1
3.11 Pertanyaan
Tentukan apakah masing-masing persamaan dibawah ini bersifat non
trivial.
a. Apakah Persmaan dibawah ini bersifat non triviL
x - 2y - 3z + w = 4
x - 3y + z + w = -1
4x + y - 2z – w = 4
Karena jumlah persamaan m = 3, sedangkan jumlah variable adalah 4
jadi m < n maka pasti nontrivial
b. asdasd
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
x + 2y - 3z = 4
2x + 5y + 2z = -1
3x - y - 4z = 4
Karena jumlah persamaan m = n = 3, maka terlebih dahulu r (A) < n
[1 2 −32 5 23 −1 −4 ] H21(-2) dan H31 (-3)
[1 2 −30 1 80 −7 5 ]
Jadi jelas disini baris 2 dan 3 tidak berkelipatan, maka r (A) = 3 = n
jadi tidak memliki jawaban non trivial
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 4 MATRIKS
4.1 Definisi Matriks
Sebuah matrik adalah serangkaian elemen dalam bentuk persegi panjang.
Skalar – skalar itu disebut elemen matrik. Untuk batasnya biasanya digunakan:
( ), [ ], || ||
Elemen ke-(i,j) aij dari matriks A berada dibaris ke-i dan kolom ke-j dari
rangkaian tersebut. Order (ukuran) dari sebuah matrik dikatakan sebesar (m x
n) jika matriks tersebut memiliki m baris dan n kolom. Misalnya,
Amxn = (a 11 ⋯ a1 n⋮ ⋱ ⋮
a 41 ⋯ amn)persamaan 4..0 Bentuk umum matriks
Adalah sebuah matriks (s x m), notasi lain yang cukup singkat adalah :
(aij) atau Amn = (aij). Notasi Matriks Suatu matriks dilambangkan dengan
huruf besar. Contoh :
A =
( x ¿ )¿¿
¿¿B = (4 – 2 5) C =
(6 8 10 ¿ ) ¿¿
¿¿
Setiap kolom, yang ditunjukkan pertama menyebutkan nomor barisnya dan
kemudian nomor kolomnya.
A =
– 1 adalah elemen baris kedua kolom pertama
6 adalah elemen baris ke tiga kolom ke empat.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Baris 1Baris 2
Baris 3Kolom 1
Kolom 3
Kolom 2
Kolom 4
Ordo suatu matriks diberikan dengan menyetakan banyaknya baris
kemudian kolom. Perhatikan contohnya berikut ini :
A = (1 0 43 2 5 )
Banyaknya baris matriks A adalah 2 Banyaknya kolom matriks A adalah
3. Ordo matriks A adalah 2 x 3 ditulis A2×3 Secara umum Jika banyaknya baris
matriks A adalah m dan banyaknya kolom n maka ordo matriks A ialah m x n
ditulis A m×n .
4.2 Jenis Matriks
Ada berbagai jenis matriks diantaranya adalah :
a. Matriks Nol
Matriks nol didefinisikan sebagai matriks yang setiap entri atau elemennya
adalah bilangan nol, berikut ini adalah salah satu contoh bentuk matriks nol.
Amxn = [0 0 00 0 00 0 0 ]
b. Matriks Satu
Matriks satu didefinisikan sebagai matriks yang setiap entri atau elemennya
adalah 1, berikut ini adalah salah satu contoh bentuk matriks nol
Amxn = [1 1 11 1 11 1 1]
c. Matriks bujur sangkar adalah sebuah matriks dimana m = n.
d. Matriks identitas adalah matriks bujur sangkar dimana semua elemen
diagonal adalah satu dan semua elemen diluar diagonal adalah nol; yaitu :
aij = 1, untuk I = j
aij = 0, untuk I �‚ j
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
misalnya, sebuah matriks identitas (3x3) diketahui :
I=[1 0 00 1 00 0 1]
e. Vektor baris adalah sebuah matriks dengan satu baris dan n kolom.
f. Vektor kolom adalah sebuah matriks dengan m baris dan satu kolom.
g. Matriks AT disebut tranpose dari A jika elemen aij dalam A adalah sama
dengan elemen aji dari AT untuk semua I dan j, misalnya, jika
A=[1 42 35 6 ]
Maka
AT=[1 2 54 3 6 ]
secara umum , AT diperoleh dengan menukar baris dan kolom dari A.
Akibatnya jika A memiliki order (m x n), AT memiliki order (m x n).
h. Dua buah matriks A = ||aij|| dan B= ||bij||, dikatakan sama jika dan hanya
jika keduanya memiliki order yang sama dan setiap elemen aij adalah sama
dengan bij yang bersesuaian untuk semua i dan j.
Kesamaan Matriks Definisikan sebagai jika A Dan B Suatu Matriks M X
N, Maka A=B Jika Dan Hanya Jika Ordo Kedua Matriks Tersebut Sama Dan
Entri/Elemen Yang Seletak Sama. Dari Definisi Di Atas, Dua Buah Matriks
Dikatakan Sama Jika: 1. Ordo Kedua Matriks Itu Sama dan Entri/Elemen Yang
Seletak Sama.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
4.3 Operasi Matriks
Pada sebuah matriks dapat dilakukan beberapa operasi sebagai berikut :
4.3.1. Penjumlahan Matriks
Definisi. A dan B adalah suatu dua matriks yang ukurannya sama, maka
jumlah A + B adalah matriks yang diperoleh dengan menambahkan bersama-
sama entri yang seletak/bersesuaian dalam kedua matriks tersebut. Matriks-
matriks yang ordo/ukurannya berbeda tidak dapat ditambahkan, perhatikan
ilustrasinya berikut ini :
A = (a bc d ) dan B =
(e fg h )
Maka A + B = (a bc d )+
(e fg h ) =
(a+e b+ fc+g d+h )
Dari definisi di atas, dapat dikatakan bahwa dua matriks dapat
dijumlahkan jika ordonya sama, penjumlahan dilakukan pada elemen yang
seletak. Jadi dapat dituliskan dalam rumus: Amxn + Bmxn = Cmxn,
Perhatikan contoh berikut ini
Jika P =
(3 ¿ ) (2¿ )¿¿
¿¿ dan Q =
(0 ¿ ) (−2 ¿ )¿¿
¿¿ maka P + Q =
(3 ¿ ) (2¿ )¿¿
¿¿+
(0 ¿ ) (−2 ¿ )¿¿
¿¿=
(3 ¿ ) (0 ¿ ) ¿¿
¿¿
Q + P =
(0 ¿ ) (−2 ¿ )¿¿
¿¿+
(3 ¿ ) (2¿ )¿¿
¿¿=
(3 ¿ ) (0 ¿ ) ¿¿
¿¿ karena P + Q = Q + P,
maka penjumlahan matriks bersifat komutatif.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
4.3.2. Pengurangan Matriks
Jika A dan B dua matriks yang ordonya sama maka matriks hasil
pengurangan A dan B sama artinya dengan menjumlahkan matriks A dengan
matriks lawan B. Jadi A – B = A + (– B). Contoh :
P = [4 73 2 ] dan Q =
[2 13 −2 ]
a). P – Q = [4 73 2 ] –
[2 13 −2 ]
= [4 73 2 ] +
[−2 −1−3 2 ]
= [2 60 4 ]
b).Q – P = [2 13 −2 ] –
[4 73 2 ]
= [2 13 −2 ] +
[−4 −7−3 −2 ]=
[−2 −60 −4 ]
Karena P – Q tidak sama dengan Q – P, maka pada pengurangan matriks
tidak berlaku hokum komutatif
4.3.3. Perkalian Matriks
A. Perkalian Skalar
Ketika merupakan suatu skalar (bilangan) dan A = (a ij), maka matrik A
= (aij), dengan kata lain, matrik A diperoleh dengan mengalikan semua
elemen matrik A dengan atau dengan kata lain, perkalian skalar ialah
perkalian suatu matriks dengan bilangan (skalar). Hasil kali matriks A dengan
bilangan p ditulis p.A, ialah matriks yang ordonya sama dengan matriks A, dan
elemen-elemennya didapat dari perkalian setiap unsur A dengan p.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Perhatikan ilustrasinya berikut ini :
Jika A = [a bc d ]
maka p.A = p.
[a bc d ] =
[ pa pbpc pd ]
Perhatikan contoh berikut ini :
Jika A=[−4 2 3
1 −5 −2 ] maka
4 . A=4 .[−4 2 31 −5 −2 ]
= [−16 8 12
4 −20 −8 ]Hukum pada penjumlahan dan perkalian skalar :
Jika A, B, C adalah matrik berukuran sama, dan adalah skalar maka :
1. A + B = B + A (komutatif)
2. (A + B) + C = A + (B+C) (asosiatif)
3. (A + B) = A + B (distributif)
4. Selalu ada matrik D sedemikian hingga A + D = B
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
B. Perkalian Antar Matriks
Pada umumnya matrik tidak komutatif terhadap operasi perkalian : AB
BA. Pada perkalian matrik AB, matrik A disebut matrik pertama dan B matrik
kedua. Syaratnya Jumlah kolom matrik pertama = jumlah baris matrik kedua
atau dengan kata lain, dua matriks dapat dikalikan, apabila banyaknya kolom
matriks pertama sama dengan banyaknya baris matriks ke dua.
Pandang A = (aij) berukuran (p x q) dan B = (bij) berukuran (q x r). Maka
perkalian AB adalah suatu matrik C = (cij) berukuran (p x r) dimana, cij = ai1 b1j
+ ai2 b2j + … + aiq bqj, untuk setiap i = 1,2,…,p dan j = 1,2, … r
Hukum pada perkalian matrik :
1. A(B + C) = AB + AC, dan (B + C) A = BA + CA, memenuhi hukum
distributif
2. A(BC) = (AB)C , memenuhi hukum asosiatif
3. Perkalian tidak komutatif, AB BA
4. Jika AB = 0 (matrik 0 ) , yaitu matrik yang semua elemennya adalah =
0, kemungkinan kemungkinannya adalah :
(i). A = 0 dan B = 0
(ii) A = 0 atau B = 0
(iii) A 0 dan B 0
5. Bila AB = AC belum tentu B = C
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Perhatikan ilustrasinya berikut ini :
[a bc de f ]⋅¿ [x ¿ ]¿
¿¿
Contoh 1 :
Jika P=(2 1 0
3 4 2 ) dan
Q=(5 16 27 3 )
Maka P×Q=(2 1 0
3 4 2 )¿(5 16 27 3 )
= (2.5+1 .6+0 .7 2. 1+1. 2+0 . 33 .5+4 .6+2.7 3 . 1+4 . 2+2. 3 )
=
(10+6+0 2+2+015+24+14 3+8+6 )=(
16 453 17 )
1. Matriks Identitas (Matriks Satuan)
Sifat-sifatnya menyerupai sifat-sifat satuan dalam sistem bilangan real.
Jika A adalah matriks bujur sangkar, maka I . A = A . I = A Misal :
A = [3 52 4 ]
dan I = [1 00 1 ]
Maka
I . A = [1 00 1 ][3 5
2 4 ]=[3+0 5+00+2 0+4 ] =
[3 52 4 ]
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
A . I = [3 52 4 ][1 0
0 1 ] = [3+0 5+00+2 0+4 ] =
[3 52 4 ]
Ternyata I . A = A . I = A
2. Pemangkatan Matriks Bujur Sangkar
Pemangkatan matriks bujur sangkar adalah perkalian antara matriks itu
sendiri. Contoh : Jika A= [−2 4
3 5 ] maka tentukan A2
Jawab :
A2= [−2 4
3 5 ] . [−2 43 5 ]=[
4+12 −8+20−6+15 12+25 ]=[16 12
9 37 ]
4.4 Transpose Matriks
Pandang suatu matrik A = (aij) berukuran (m x n) maka transpose dari A
adalah matrik AT berukuran (n x m) yang didapatkan dari A dengan menuliskan
baris ke – i dari A, i = 1,2,…,m sebagai kolom ke –i dari AT. Dengan kata lain :
AT = (aji)
Sifat – sifat matrik transpose
1. (A + B)T = AT + BT
2. (AT)T = A
3. (AT) = (A)T
4. (AB)T = BT AT
Dengan kata lain matriks transpose dapat didefinisikan sebagai berikut.
Jika A adalah suatu matriks m x n, maka tranpose A dinyatakan oleh At dan
didefinisikan dengan matriks n x m yang kolom pertamanya adalah baris
pertama dari A, kolom keduanya adalah baris kedua dari A, demikian juga
dengan kolom ketiga adalah baris ketiga dari A dan seterusnya. Dari definisi di PRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
atas, dapat juga dikatakan bahwa matriks tranpose adalah suatu matriks yang
diperoleh dari perpindahan baris pada matriks A menjadi kolom pada matriks
At. Jadi dapat dituliskan dalam rumus:
4.5 Transformasi (Operasi) elementer pada baris dan kolom
matrik
Ttransformasi elementer pada baris dan kolom suatu matrik A adalah
sebagai berikut :
1. Penukaran tempat baris ke – i dan baris ke – j ditulis Hij (A)
2. Penukaran tempat kolom ke – i dan kolom ke – j ditulis Kij (A)
3. Mengalikan baris ke – i dengan skalar 0 , ditulis Hi( λ ) (A)
4. Mengalikan kolom ke – j dengan skalar 0 , ditulis Ki( λ ) (A)
5. Menambah baris ke – i dengan kali baris ke – j ditulis Hij()(A)
6. Menambah kolom ke – i dengan kali kolom ke – j ditulis Kij()(A)
Misalnya kita telah mengetahui matrik B sebagai hasil transformasi
elementer dari A. Kita dapat mencari A, disebut invers dari transformasi
elementer tersebut.
Matrik ekivalen
Dua matrik A dan B dikatakan ekivalen (A~B) apabila salah satunya dapat
diperoleh dari yang lin dengan transformasi – transformasi elementer terhadap
baris dan atau kolom. Jika transformasi elementernya pada baris saja, maka
dikatakan ekivalen baris. Begitu juga dengan kolom.
Matrik Elementer
Sebuah matrik n x n disebut matrik elementer jika matrik tersebut dapat
diperoleh dari matrik identitas n x n yaitu In dengan melakukan sebuah operasi
baris elementer tunggal.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
4.6 Mencari solusi dengan menggunakan eliminasi Gauss Jordan
Misal diketahui matrik A adalah matrik bujursangkar. Dan X adalah
pemecahan bagi AX = 0 dimana AX = 0 adalah bentuk matrik dari sistem :
a11x1 + a12x2 + … + a1nxn = 0
a21x1 + a22x2 + … + a2nxn = 0
.
.
.
an1x1 + an2x2 + … + annxn = 0
Jika kita memecahkannya dengan menggunakan eliminasi Gauss Jordan,
maka sistem persamaan yang bersesuaian dengan bentuk eselon baris tereduksi
dari matrik yang diperbesar akan menjadi :
x1 = 0
x2 = 0
.
.
xn = 0
dan matrik yang diperbesar tersebut adalah :
[a11 a12 . . a1 n 0
a21 a22 . . a2 n 0
. . . . . .
. . . . . .
. . . . . .an 1 an2 . . ann 0
]PRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
Lebih jauh tentang gauss jordan akan dibahas pada bagian lain dari buku
ini.
4.7 Invers
Pengertian Invers matriks / Kebalikan Matriks Jika A dan B adalah matriks
bujur sangkar yang ordonya sama sehingga A.B = B.A = I , maka B adalah
invers A dan A adalah invers B. Dalam hal ini akan dibahas untuk matriks
berordo 2 x 2 Contoh :
Jika A = [5 −23 −1 ] dan B =
[−1 2−3 5 ] , tunjukkanlah matriks A dan B
adalah saling invers, jawab :
A . B =[5 −23 −1 ].[
−1 2−3 5 ]=
[−5+6 10−10−3+3 6−5 ]=[1 0
0 1 ]
B . A =[−1 2−3 5 ] .[
5 −23 −1 ]=[
−5+6 2−2−15+15 6−5 ]=[1 0
0 1 ]Karena A.B = B.A = I, maka A adalah invers B dan sebaliknya. Rumus
Umum :
Jika
A = (a bc d ) maka inversnya adalah,
A−1= 1a . d−bc ( d −b
−c a ) , dengan ad−bc≠0
ad−bc dinamakan determinan matriks A dan ditulis
det A = |a bc d
|=ad−bc atau bias ditulis D=ad−bc
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Jika D=ad−bc=0 , matriks A tersebut tidak mempunyai invers, dalam
hal ini matriks A disebut matriks singular.
Contoh :
Diketahui matriks A = (2 14 3 ) tentukan determinan dan inversnya.
Jawab :
D=ad−bc=(2)(3 )−( 4 )(1)=6−4=2
A−1= 1a . d−bc ( d −b
−c a )
=
12 ( 3 −1−4 2 )=( 3
2− 1
2
−2 1 )Pemakaian matriks untuk menyelesaikan sistem persamaan linear.
Contoh :
Tentukan harga X dan Y dari sistem persamaan dengan matriks.
{2 x+ y=5 ¿¿¿¿Jawab :
(2 14 −5 )¿ (x ¿ ) ¿
¿¿
Misal : A = (2 14 −5 )
A−1=1
−10−4 (−5 −1−4 2 )=(
514
114
414
− 214)
A−1 . A .¿ (x ¿ ) ¿¿
¿
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
(5
141
144
14− 2
14)(2 1
4 −5 )¿ (x ¿ ) ¿¿
¿
(1 00 1 )¿ ( x ¿ )¿
¿¿
Jadi x = 2 dan y = 1
Invers dari sebuah matriks dapat pula dicari melalui operasi baris
elementer perhatikan contohnya sebagai berikut :
Cari invers matrik A = [1 2 32 5 31 0 8 ]
Jawab :
Pada akhir operasi , matrik dibentuk menjadi [I |A-1] dari bentuk asal [A | I]
[1 2 32 5 31 0 8
1 0 00 1 00 0 1
]
dengan operasi elementer H21(−2) dan H21
(−1) menjadi
[1 2 30 1 −30 −2 5
1 0 0−2 1 0−1 0 1
]
dengan operasi elementer H32(2) menjadi
[1 2 30 1 −30 0 −1
1 0 0−2 1 0−5 2 1
]
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
dengan operasi elementer H3(−1) menjadi
[1 2 30 1 −30 0 1
1 0 0−2 1 05 −2 −1
]
dengan operasi elementer H13(−3) dan H23
(3 )menjadi
[1 2 00 1 00 0 1
−14 6 313 −5 −3
5 −2 −1]
dengan operasi elementer H12(−2) menjadi
[1 0 00 1 00 0 1
−40 16 913 −5 −3
5 −2 −1]
Jadi invers dari matrik A adalah [−40 16 913 −5 −3
5 −2 −1 ]4.8 Gauss Jordan
Metode Gauss-Jordan merupakan suatu variasi dari Eliminasi Gauss dan
dalam bahasa analitik biasanya lebih dikenal dengan nama reduksi baris.
Perbedaan utamanya dengan eliminasi Gauss adalah bila sebuah yang tidak
diketahui dieliminasikan dengan metode Gauss-Jordan maka ia deliminasikan
dari setiap persamaan lainnya. Ini merupakan bentuk matrik kesatuan,padahal
eliminasi Gauss merupakan matrik triangular.
• Penambahan Matrik sebelah kiri diubah menjadi matrik diagonal
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
• Penyelesaian dari persamaan linier simultan diatas adalah nilai
d1,d2,d3,…,dn dan atau x1 = d1,x2 = d2,x3=d3,….,xn=dn
• Teknik yang digunakan dalam metode eliminasi Gauss-Jordan ini sama
seperti metode eliminasi Gauss yaitu menggunakan OBE (Operasi Baris
Elementer). Hanya perhitungan penyelesaian secara langsung diperoleh
dari nilai pada kolom terakhir dari setiap baris .
• Satu cara yang gamblang untuk menghitung inversi ialah dengan
menggunakan metode Gauss-Jordan. Untuk melakukan ini,matriks
koefisien diperluas dengan sebuah matriks kesatuan. Kemudian metode
Gauss Jordan diterapkan agar mengurangi matriks koefisien menjadi
sebuah matriks kesatuan. Jika ini telah selesai, ruas kanan matriks yang
diperluas akan mengandung inversi.
• Jika matrik [A] adalah bujur sangkar, terdapat matrik lainnya [A] -1 yang
disebut matrik inversi.dan merupakan hasil inversi matrik [A]
• [A] [A]-1 = [A]-1 [A] =[I]
Dimana [I] merupakan matrik Identitas
Contoh matrik Identitas:
[1 0 00 1 00 0 1 ]
1. Selanjutnya:
2. [x] = [A]-1 [c]
3. Suatu aplikasi inversi terjadi bila diperlukan
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
4. untuk menyelesaikan beberapa sistem
5. Persamaan dalam bentuk:
6. [A] [x] = [c]
Hanya dibedakan oleh vektor di ruas kanan [c]
Eliminasi gauss jordan ini dapat digunakan untuk menyelesaikan sistem persamaan linier simultan, perhatikan contohnya berikut ini :
A=¿
Persamaan ini dapat kembali ditulis menjadi
[2 4 4 x 13 5 3 x 22 1 2 x 3
1312.5
6 ]Selanjutnya matriks tersebut ditulis menjadi
¿
Tujuannya adalah membuat matriks yang berada pada sisi kiri menjadi matriks identias langkah yang dilakukan sama halnya ketika mencari inversnya Perhatikan hasil-hasilnya berikut ini :
¿
¿
¿
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
[a 11 a 12 a 13a 21 a 22 a 23a 31 a 32 a 33
|||
1 0 00 1 00 0 1 ]
[1 0 00 1 00 0 1
|||
a 11−1 a12−1 a 13−1
a 21−1 a 22−1 a 23−1
a 31−1 a32−2 ¿¿−3 ¿
−1 ¿¿¿]
¿
dari hasil tersebut diperoleh x1 = 0.5 dan x2 = 2
4.9 Evaluasi
1. Diketahui matriks berikut ini :
A = [2 14 2 ] B =
[0 12 3 ] dan C =
[3 78 9 ]
Maka tentukanlah :
a. ( A + B ) + C
b. A + (B + C)
Jawab :
( A + B ) + C = ¿¿
= [2 26 5 ] +
[3 78 9 ] =
[ 5 914 14 ]
A + (B + C) = [2 14 2 ]+ ¿¿
= [2 14 2 ] +
[ 3 810 12 ] =
[ 5 914 14 ]
Dari contoh 1a) dan 1b) , maka berlaku hukum asosiatif penjumlahan matriks.
2. Diketahui sebuah persamaan matriks berikut ini :
[1 22 3] [ z x
3 z x ]=[ 8 x 416 y 9 z ] [ x 6
2 y 5 z ]Setelah dilakukan operasi perkalian maka dihasilkan seperti tampak berikut
ini :
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
[ z+6 z x+2 x2 z+9 z 2 x+3 x]=[ 7 x 10
14 y 4 z ]Sehingga menghasilkan persamaan berikut ini :
3x = 10 dan x = 103
;
x = 4z maka z = 1012
14y = 7z maka 14y = 71012
sehingga y=5
12
3. Diketahui P dan Q sebagai berikut :
P=[2 51 3]dan Q=[3 5
1 2]Maka tentukan :
c. PQ2
d. Apakah PQ2 = Q
e. Buktikan PQ = IJawab
a. Q2 = [3 51 2] [3 5
1 2]=[ 4 51 1]
PQ2 = [2 51 3] [4 5
1 1]=[3 51 2]
b. Ya
c. PQ = [2 51 3] [3 5
1 2]=[1 00 1]
4. Diketahui sebuah matrik A sebagai berikut :
A = [ 2 1 −11 3 4−2 −1 1 ]
Maka tentukan :
a. Matriks kofaktornya
Jawab :
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
C11 = (-1)1+1 M11 = (-1)2
C12 = (-1)1+2 M12 = (-1)3
C13 = (-1)4 M13 = M13 =
C21 = (-1)3 M21 = - M21 =
C22 = M22 = 0
C23 = - M23 = 0
C31 = M31 = 7
C32 = - M32 = - 9
C33 = M33 = 5
Andaikan A = [a11 a12 a13
a21 a22 a23
a31 a32 a33]
Jadi matrik kofaktor A = [7 −9 50 0 07 −9 5 ]
5. Tentukan Determinan dari Matriks A
A =[2 3 41 2 22 1 3 ]
= 2 (6 – 2) – 3 (3 – 4) + 1 (1 – 4)
= 2 (4) – 3 (-1) + 4 (-3)
= 8 + 3 + - (12)
= -1
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 5 DETERMINAN
5.1 Pengertian Dasar
Setiap matrik bujursangkar A selalu dikaitkan dengan suatu sknlar yang
disebut Determinan. Sebelum mulai dengan yang lebih umum, kita ambil
dahulu matrik A(2x2) sebagai berikut : [a bc d ]
Didefinisikan ; det(A) = |a bc d
| = ad -bc
Contoh :
A = [1 35 5 ] maka det(A) = 1.5 – 3.5 = 5 – 15 = -10
Dengan kata lain untuk setiap matriks persegi A dengan elemen-elemen
bilangan real, terdapat tepat satu nilai yang berhubungan dengan matriks
tersebut. Satu nilai real ini disebut determinan. Determinan dari matriks A
ditulis det(A) atau |A|. Determinan : produk (hasil kali) bertanda dari unsur-
unsur matriks sedemikian hingga berasal dari baris dan kolom yang berbeda,
kemudian hasilnya dijumlahkan.
Cara termudah mencari determinan dari matrik bujursangkar untuk orde
yang tidak terlalu besar adalah dengan metode SARRUS .
(-) (-) (-)
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
|a11 a12 a13
a21 a22 a23
a31 a32 a33
|a11 a12
a21 a22
a31 a32
(+) (+) (+)
Contoh 4.3:
|2 3 12 1 23 1 2
|
2 32 13 1
= 2.1.2 + 3.2.3 + 1.2.1 – 1.1.3 – 2.2.1 – 3.2.2
= 4 + 18 + 2 – 3 – 4 – 12 = 5
5.2 Sifat – Sifat Determinan
1. det(A) = det(AT)
2. Tanda determinan berubah jika 2 baris atau kolom ditukar tempatnya.
3. Harga determinan menjadi kali, bila suatu baris / kolom dikalikan dengan
skalar
5.3 Menghitung Determinan dengan Reduksi Baris
Metode ini penting untuk menghindari perhitungan panjang yang terlibat
dalam penerapan definisi determinan secara langsung.
Theorema :
Jika A adalah matrik segitiga n x n, maka det(A) adalah hasil kali elemen –
elemen pada diagonal utama, yaitu , det(A) = a11.a22.a33 .. ann
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Contoh 4.4 :
|
2 7 −3 8 30 −3 7 5 10 0 6 7 60 0 0 9 80 0 0 0 4
|
= (2) (-3) (6) (9) (4) = -1296
Contoh 4.5 :
Hitung det(A) dimana A =
|0 1 53 −6 92 6 1
|
Jawab :
Baris I ditukar dengan baris II ( H21),
sehingga menjadi = -
|3 −6 90 1 52 6 1
|
= - 3
|1 −2 30 1 52 6 1
| ⇒ H31
(-2) ⇒ = - 3
|1 −2 30 1 50 10 −5
| ⇒ H32
(-10) ⇒
= - 3
|1 −2 30 1 50 0 −55
| = (-3) (-55)
|1 −2 30 1 50 0 1
| = (-3) (-55) (1) = 165
Metode reduksi baris ini sangat sesuai untuk menghitung determinan
dengan menggunakan komputer karena metode tersebut sistematis dan mudah
diprogramkan.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
5.4 Minor dan Kofaktor
Sebelum mempelajari kofaktor terlebih dahulu kita mempelajari tentang
konsep minor dari sebuah matriks Andaikan A berdimensi n, determinan dari
submatriks yg berdimensi (n-1) disebut minor
Dengan kata lain minor aij adalah determinan submatrik yang tetap setelah
baris ke – i dan kolom ke – j dicoret dari A . Dinyatakan dengan |Mij|.
Sedangkan bilangan (-1) i+j |Mij|dinyatakan oleh Cij disebut Kofaktor
Contoh 4.6 :
A = [2 3 45 6 78 9 1 ]
Minor dari elemen a23 = |2 38 9
| = 18 – 24 = -6
Kofaktor dari elemen a23 = (-1)5
(-6) = 6
Mrs : minor dari submatriks dng menghilangkan baris ke r kolom ke s.
Andaikan A = [a11 a12 a13
a21 a22 a23
a31 a32 a33]
M32 = [a11 a13
a21 a23] = a11a23 – a13a21
Dan matriks diatas memiliki 9 minor nah kofaktor dari matriks a dapat
didefinisikan sebagai berikut : Kofaktor yang berhubungan dengan minor
Mrs adalah Crs = (-1)r+s Mrs.PRAKATA
Halaman Program Studi Teknik Elektro
Fakultas Sains dan Teknik
Andaikan A = [a11 a12 a13
a21 a22 a23
a31 a32 a33]
maka kofaktor M32 = adalah = (-1)3+2 (a11a23 – a13a21)
Perhatikan bahwa kofaktor dan minor hanya berbeda pada tandanya, yaitu
Cij = ±Mij . Cara cepat untuk menentukan apakah penggunaantanda + atau
tanda – merupakan penggunaan tanda yang menghubungkan Cij dan Mij berada
dalam baris ke – i dan kolom ke – j dari susunan :
[+ − + − + . .− + − + − . .+ − + − + . .− + − + − . .+ − + − + . ....
.. .. . . . . . . ]Misalnya C11 = M11, C21 = -M21 , C44 = M44, C23 = -M23
Theorema
Determinan matrik A yang berukuran n x n dapat dihitung dengan
mengalikan elemen – elemen dalam suatu baris (atau kolom) dengan kofaktor –
kofaktornya dan menambahkan hasil kali – hasil kali yang dihasilkan, yaitu
setiap 1 i n dan 1 j n , maka
det(A) = a1jC1j + a2jC2j + … + anjCnj
(ekspansi kofaktor sepanjang kolom ke – j)
dan
det(A) = ai1Ci1 + ai2Ci2 + … + ainCin
(ekspansi kofaktor sepanjang baris ke – i)
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Perhatikan ilustrasinya sebagai berikut :
Det(A) bila A = [ 3 1 0−2 −4 35 4 −2 ]adalah
Dengan menggunakan ekspansi kofaktor sepanjang baris pertama
= 3 |−4 3
4 −2| - 1
|−2 35 −2
| + 0
|−2 −45 4
| = (3)(-4) – (1)(-11)
= -12 + 11
= -1
Definisi :
Jika A adalah sebarang matrik n x n dan Cij adalah kofaktor aij, maka
matrik
[C11 C12 C13 .. . C1n
C21 C22 C23 .. . C2n
. . . .. . .
. . . . .Cn 1 Cn 2 Cn3 .. . Cnn
] disebut matrik kofaktor A.
Transpose matrik ini disebut Adjoin A dan sinyatakan dengan adj(A).
Jika A adalah matrik yang dapat dibalik, maka : A−1 =
1det (A ) adj(A)
5.5 Aturan Cramer
Theorema
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Jika AX = B adalah sistem yang terdiri dari n persamaan linier dalam n
bilangan tak diketahui sehingga det(A) ¿ 0, maka system tesebut mempunyai
pemecahan unik. Pemecahan ini adalah :
x1 =
det (A1 )det (A ) , x2 =
det (A2 )det (A ) , … , xn =
det (An )det (A )
dimana Aj adalah matrik yang didaptkan dengan mengantikan elemen-
elemen dalam kolom ke j dari A dengan elemen matrik B = [ bb2
.bn]
Contoh 4.8:
Gunakan aturan Cramer untuk memecahkan
x1 + + 2x3 = 6
-3x1 + 4x2 + 6x3 = 30
-x1 - 2x2 + 3x3 = 8
Jawab :
A= [ 1 0 2−3 40 6−1 −2 3 ] ,
A1= [ 6 0 230 4 68 −2 3 ] , A2=
[ 1 6 2−3 30 6−1 8 3 ] , A3=
[ 1 0 6−3 4 30−1 −2 3 ]
Maka
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
x1 =
det (A1 )det (A ) =
−4044 =
−1011 ,
x2=
det (A2 )det (A ) =
7244 =
1811 ,
x3 =
det (A3 )det (A ) =
15244 =
3811
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
BAB 6 NILAI EIGEN
6.1 Definisi
Jika A adalah matrik n x n, maka vektor tak nol x di dalam Rn dinamakan
vektor eigen dari A jika Ax adalah kelipatan skalar dari x, yaitu,
Ax = x
Untuk suatu skalar . Skalar disebut nilai eigen dari A dan x dikatakan
vektor eigen yang bersesuaian dengan .
Contoh 1
Vektor x = [12] adalah vektor eigen dari A =
[3 08 −1 ]
Yang bersesuaian dengan nilai = 3 karena
Ax = [3 08 −1 ][12] =
[36 ]= 3[12]
Untuk mencari nilai eigen matrik A yang berukuran n x n maka kita
menuliskannya kembali Ax = x sebagai
Ax = Ix (I – A)x = 0
Dan persamaan di atas akan mempunyai penyelesaian jika
det(I – A)=0 ...................................................(6.1)
Persamaan 6.1 disebut persamaan karakteristik A.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Contoh 3
Carilah nilai – nilai eigen dari A =
[ 1 1 004
0 1−17 8 ]
Dan persamaan karakteristiknya
Jawab :
Karena
I – A = [ 1 0 000
1 00 1 ]
- [ 1 1 004
0 1−17 8 ]
= [ λ − 1 00−4
λ − 117 λ−8 ]
Det(I – A) = 3 + 8 2 + 17 - 4 = 0
1 = 4, 2 = 2 √3
Persamaan karakteristiknya adalah 3 + 8 2 + 17 - 4 = 0
Jadi nilai – nilai eigen dari A adalah 1 = 4, 2 = 2 + √3 3 = 2 - √3
Contoh 4
Carilah basis untuk ruang eigen dari A = [ 3 −2 0−20
3 00 5 ]
Jawab :
Karena
I – A = [ 1 0 000
1 00 1 ]
- [ 3 −2 0−20
3 00 5 ]
= [ λ−3 2 0
20
λ −3 00 λ−5 ]
Setelah dilakukan perhitungan
( -1) ( -5)2 = 0
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Jadi nilai – nilai eigen dari A adalah 1 = 1, 2 = 5 buktikan sendiri
Masing-masing nilai eigen tersebut dikembalikan ke dalam matriks jadi
1. Untuk ( = 5)
[ 2 2 020
2 00 0 ] [ x1 ¿ ] [x 2¿ ]¿
¿¿¿= [0 ¿ ] [0 ¿ ]¿
¿¿¿
Seperti yang telah dipelajari sebelumnya cari nilai x1,x2, dan x3
melalui cara determinan, dengan ketentuan misalnya x2 = s dan x3 = t Langkah
berikutnya adalah kelompokan berdasarkan komponen s dan t sehingga
menghasilkan persamaan
x = [−s ¿ ] [ s ¿ ]¿¿
¿¿= [−s ¿ ] [ s ¿ ]¿¿
¿¿+ [ 0¿ ] [ 0 ¿ ]¿¿
¿¿ atau dapat ditulis
x = [−s ¿ ] [ s ¿ ]¿¿
¿¿= s[−1¿ ] [ 1 ¿ ] ¿¿
¿¿+ t[ 0¿ ] [ 0 ¿ ]¿¿
¿¿
Jadi basis untuk Untuk ( = 5) adalah
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
[−1¿ ] [ 1 ¿ ] ¿¿
¿¿ dan
[ 0¿ ] [ 0 ¿ ]¿¿
¿¿
2. Sedangkan untuk Untuk ( = 1)
Seperti yang telah dipelajari sebelumnya cari nilai x1,x2, dan x3
melalui cara determinan, dengan ketentuan misalnya x1 = t dan x2 = t
Maka diperolah basis
[1¿ ] [1¿ ]¿¿
¿¿
Diagonalisasi
Teorema 1
-A adalah matriks yang dapat didiagonalkan
-A Memiliki linieritas tetap dari eigen vektor
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Invers
Suatu matriks yang mempunyai invers dikatakan matriks invertibel ( dapat
dibalik ).
Contoh 4
Diketahui A =
[ 3 −2 0−20
3 00 5 ]
Carilah Matriks K yang mendiagonalkan matriks A
Jawab
Langkah 1
Kita misalkan suatu matriks sebut saja P (digunakan untuk menampung
basis yang telah kita ketahui dari matriks A, pada contoh 3 diatas kita telah
mengetahui nilai dari masing-masing nilai nya, penempatan basis kedalam
matriks ini bebas :
[−1¿ ] [ 1 ¿ ] ¿¿
¿¿dan[ 0¿ ] [ 0 ¿ ]¿¿
¿¿dan[1¿ ] [1¿ ]¿¿
¿¿di asumsikan menjadi satu dalam matriks ini [−1 0 110
0 11 0 ]
Sehingga
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
P = [−1 0 110
0 11 0 ]
Langkah 2
Carilah invers matriks yang baru saja anda peroleh caranya adalah
Bila matriks P bernilai
INVERS DARI MATRIKS P =
Sebelum menyelesaikan soal ini pelajari dulu bagian ini :
Adj [A] = (cof [A])T
Nilai kofaktor dari matriks A adalah
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
a b cd e fg h i
1Det [ A ]
Xadj [ A ]
k11= (-1)1+1 (ei – hf) k12= (-1)1+2 (di – gf) k13= (-1)1+3 (dh – ge)
K21= (-1)2+1 (bi – hc) k22= (-1) 2+2(ai –gc) k23= (-1) 2+3(ah – gb)
K31= (-1)3+1 (bf – ec) k32= (-1) 3+2(af - dc) k33= (-1)3+3 (ae – db)
(cot [A])T =
Setelah dilakukan perhitungan diperoleh :
k11= (-1)1+1 (-1) k12= (-1)1+2 (-1) k13= (-1)1+3 (0)
K21= (-1)2+1 (0) k22= (-1) 2+2(0) k23= (-1) 2+3(-2)
K31= (-1)3+1 (1) k32= (-1) 3+2(-1) k33= (-1)3+3 (0)
Det P = a(ei-fh)+b(di-fg)+c(dh-eg)
Maka
P−1 =1
−−−Det [−1 1 0
01
0 21 0 ]
=1
−−−2 [−1 1 0
01
0 21 0 ]
= [−1/2 1/2 001/2
0 11/2 0 ]
dan simbolkan dengan P
-1
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
k 11 k 21 k 31
k 12 k 22 k 32
k 13 k 23 k 33
Langkah 3
Lakukan operasi perkalian dari matriks matriks yang telah
diperoleh yaitu
K = P−1 A P
= [−1/2 1/2 001/2
0 11/2 0 ] [ 3 −2 0
−20
3 00 5 ][−1 0 1
10
0 11 0 ]
Aturan operasi perkalian matriks
MBarisxKolom
M12 x M21 jadi kolom pada matriks pertama = jumlah kolom
pada matriks kedua :
= [−1/2 1/2 001/2
0 11/2 0 ] [ 3 −2 0
−20
3 00 5 ]=
.
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
= [ −5/2 5 /2 001/2
0 51 /2 0 ][−1 0 1
10
0 11 0 ]= [ 5 0 0
00
5 00 1 ]
Jadi hasilnya adalah
= [ 5 0 000
5 00 1 ]
Lihatlah hanya pada posisi diagonal matriks ini yang hanya
berisi nilai sedangkan lainnya nol, ini lah hasilnya
Hasil yang lain dapat anda peroleh ketika anda pada langkah 1
melakukan penempatan yang berbeda, tetapi pada hakikatnya apapun
yang anda lakukan pada langkah 1 akan menghasilkan langkah yang
benar selama anda melakukan operasi perkalian yang benar
Contoh hasil perkalian ketika anda hal yang berbeda dengan
saya pada langkah 1
[ 5 0 000
1 00 5 ]
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
1. Suatu sistem disebut sebagai taktrivial adalah determinan dari
matriks tersebut adalah nol
2. Suatu sistem disebut sebagai trivial adalah determinan dari
matriks tersebut adalah tidak sama dengan nol
3. Suatu sistem bebas linier maka matriks tersebut tidak dapat
didiagonalisasikan
4. Tidak semua matriks memiliki nilai eigen hal ini terjadi ketika
persamaan karakteristik tersebut adalah akar-akar imajiner,
misalkan seperti berikut ini
Persamaan karakteristiknya adalah (2+1) =0
6.2 Evaluasi
Contoh 2
Carilah nilai – nilai eigen dari A =
[ 3 2−1 0 ]
Dan tentukan persamaan karakteristiknya
Jawab :
Karena
I – A = [1 00 1 ] - [
3 2−1 0 ] =
[ λ−3 −21 λ ]
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik
Det(I – A) = (-3) - (-2) = 0
= 2 - 3 + 2 = 0
1 = 2, 2 = 1
Persamaan karakteristiknya adalah : 2 - 3 + 2 = 0
Jadi nilai – nilai eigen dari A adalah 1 = 2 dan 2 = 1
PRAKATA Halaman
Program Studi Teknik ElektroFakultas Sains dan Teknik