- Solving linear systems using Gaussian elimination;
- Gauss-Jordan row reduction and reduced row echelon form;
- Equivalent systems, rank, and row space;
- Inverses of matrices.
2. • Solving linear systems using Gaussian elimination;
• Gauss-Jordan row reduction and reduced row echelon form;
• Equivalent systems, rank, and row space;
• Inverses of matrices.
2-2
3. Definisi
Suatu m sistem persamaan linear (yang simultan) dari n variabel:
adalah kumpulan dari m persamaan, di mana pada setiap persamaan berisi
kombinasi linear dari n variabel (penjumlahan dari perkalian skalar).
Solusi dari persamaan linear tersebut untuk variabel x1, x2, …, xn adalah n-tuple
(s1, s2, …, sn) yang memenuhi setiap persamaan ketika s1 disubstitusikan ke x1,
s2 ke x2, dan seterusnya.
Himpunan solusi (lengkap) dari sistem persamaan linear untuk n variabel adalah
kumpulan dari semua n-tuple yang membentuk solusi untuk sistem tersebut.
mnmnmm
nn
nn
bxaxaxa
bxaxaxa
bxaxaxa
2211
22222121
11212111
2-3
4. Sistem persamaan linear tersebut dapat dituliskan ke dalam tiga buah matriks/vektor:
A = ; X = ; dan vektor B = ,
sehingga sistem persamaan linear tersebut ekuivalen dengan: AX = B.
Alternatif lain untuk menuliskan sistem persamaan linear ke dalam bentuk matriks
adalah membentuk augmented matrix, yaitu:
[A|B] =
mnmm
n
n
aaa
aaa
aaa
21
22221
11211
nx
x
x
2
1
mb
b
b
2
1
mmnmm
n
n
b
b
b
aaa
aaa
aaa
2
1
21
22221
11211
• A: matriks koefisien/Jacobian;
• X: vektor variabel;
• B: vektor konstanta.
2-4
5. Contoh 2.1
Tuliskan sistem persamaan linear berikut ke dalam persamaan matriks!
A = ; X = ; B = ; sehingga persamaan matriksnya: AX = B atau
Bisa juga dituliskan sebagai augmented matrix: [A|B] =
5013
3124
1253
5324
zxw
zyxw
z
y
x
w
12
5
5013
3124
z
y
x
w
12
5
53
324
zxw
zyxw
.
12
5
5013
3124
2-5
6. Terdapat tiga kemungkinan solusi untuk suatu sistem persamaan linear:
1. Solusi unik/tepat satu solusi (unique)
Contoh:
2. Solusi tak berhingga (infinite number of solutions)
Contoh:
3. Tidak ada solusi (no solution)
Contoh:
1832
034
21
21
xx
xx
1596
1064
yx
yx
12
32
21
21
xx
xx
Gambar 2.1. Contoh solusi unik
Gambar 2.2. Contoh solusi tak berhinggaGambar 2.3. Contoh tidak ada solusi
• Sistem persamaan dengan solusi
jenis 1 dan 2 disebut konsisten
• Sistem persamaan dengan solusi
jenis 3 disebut inkonsisten
2-6
7. Merupakan suatu metode untuk mendapatkan solusi dari sistem persamaan linear
dengan cara mengubah augmented matrix menjadi matriks eselon-baris.
Suatu matriks disebut matriks eselon-baris bila:
1. Baris yang semua nilainya 0 harus diletakkan pada baris yang paling bawah.
2. Di setiap baris, angka pertama selain 0 disebut pivot.
3. Pada baris tidak nol, pivot dari baris yang lebih bawah, terletak pada kolom yang
lebih kanan.
4. Semua entri di bawah pivot adalah 0.
Contoh matriks eselon-baris: ;
Contoh yang bukan matriks eselon-baris: ;
800
250
241
0000
9300
7220
5241
010
620
241
020
600
131
pivot
2-7
8. Untuk mengubah augmented matrix menjadi matriks eselon-baris, dibutuhkan
operasi baris elementer. Selain itu, juga perlu untuk mengubah pivot yang
bukan 1 menjadi 1 (disebut 1 utama).
Operasi baris elementer yang diperkenankan adalah:
(1) Mengalikan suatu baris dengan bilangan skalar tak nol;
(2) Menambahkan suatu baris yang sudah dikalikan dengan skalar tak nol ke dalam
baris yang lain;
(3) Mengubah urutan baris.
Cara menuliskan operasi baris elementer untuk menghemat tempat:
½ (3) → (3) : tiap entri pada baris ke-3 dikalikan ½
(2) ↔ (4) : baris ke-2 ditukar dengan baris ke-4
3(4) + (2) → (2) : baris ke-4 dikalikan 3 kemudian ditambahkan pada baris ke-2
baris yang “tergantikan”
2-8
9. Contoh 2.2
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
1. Mengubah pivot pada baris pertama menjadi 1 utama:
2. Mengubah angka di baris kedua di bawah 1 utama baris pertama menjadi 0:
411763
19624
401555
zyx
zyx
zyx
41
19
40
1763
624
1555
41
19
8
1763
624
311
:11
5
1
:2142
41
13
8
1763
620
311
2-9
10. Contoh 2.2
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
3. Mengubah angka di baris ketiga di bawah 1 utama baris pertama menjadi 0 :
4. Mengubah pivot pada baris kedua menjadi 1 utama:
411763
19624
401555
zyx
zyx
zyx
41
19
40
1763
624
1555
:3133
17
13
8
830
620
311
:22
2
1
17
213
8
830
310
311
2-10
11. Contoh 2.2
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
5. Mengubah angka di baris ketiga di bawah 1 utama baris kedua menjadi 0 :
411763
19624
401555
zyx
zyx
zyx
41
19
40
1763
624
1555
:3233
25
213
8
100
310
311
matriks eselon-baris
25
2133
83
z
zy
zyx
2-11
12. Contoh 2.2
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
6. Melakukan back substitution (substitusi terbalik):
z = –5/2;
y + 3z = –13/2 y + 3(–5/2) = –13/2 y –15/2 = –13/2 y = 1;
x – y – 3z = 8 x – 1 – 3(–5/2) = 8 x + 13/2 = 8 x = 3/2.
Solusi: (3/2, 1, –5/2) Solusi unik
411763
19624
401555
zyx
zyx
zyx
41
19
40
1763
624
1555
2-12
13. Contoh 2.3
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
1. Mengubah pivot pada baris pertama menjadi 1 utama:
2. Mengubah angka di baris kedua di bawah 1 utama baris pertama menjadi 0:
854
1026
53
yx
yx
yx
8
10
5
54
26
13
:11
3
1
8
10
35
54
26
311
:2162
8
0
35
54
00
311
2-13
14. Contoh 2.3
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
3. Mempertukarkan baris kedua dengan baris ketiga:
(2) ↔ (3):
4. Mengubah angka di baris kedua di bawah 1 utama baris pertama menjadi 0:
854
1026
53
yx
yx
yx
8
10
5
54
26
13
:2142
0
8
35
00
54
311
0
344
35
00
3110
311
2-14
15. Contoh 2.3
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
5. Mengubah pivot pada baris kedua menjadi 1 utama:
6. Melakukan back substitution (substitusi terbalik):
y = 4;
x + y(1/3) = –5/3 x + 4(1/3) = –5/3 x = –3.
Solusi: (–3, 4) Solusi unik
854
1026
53
yx
yx
yx
8
10
5
54
26
13
:11
11
3
0
4
35
00
10
311
matriks eselon-baris
2-15
16. Contoh 2.4
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
1. Mengubah pivot pada baris pertama menjadi 1 utama:
2. Mengubah angka di baris kedua di bawah 1 utama baris pertama menjadi 0:
39
59
10
13
3452
87115
11442
2713
393452
5987115
101442
13273
4321
4321
4321
4321
xxxx
xxxx
xxxx
xxxx
:11
3
1
39
59
10
313
3452
87115
11442
3237311
39
59
356
313
3452
87115
373283140
3237311 :2122
2-16
17. Contoh 2.4
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
3. Mengubah angka di baris ketiga di bawah 1 utama baris pertama menjadi 0
4. Mengubah angka di baris keempat di bawah 1 utama baris pertama menjadi 0:
39
59
10
13
3452
87115
11442
2713
393452
5987115
101442
13273
4321
4321
4321
4321
xxxx
xxxx
xxxx
xxxx
:3153
39
3112
356
313
3452
3143563280
373283140
3237311
:4124
391
3112
356
313
3133263130
3143563280
373283140
3237311
2-17
18. Contoh 2.4
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
5. Mengubah pivot pada baris kedua menjadi 1 utama:
6. Mengubah angka di baris ketiga di bawah 1 utama baris kedua menjadi 0:
39
59
10
13
3452
87115
11442
2713
393452
5987115
101442
13273
4321
4321
4321
4321
xxxx
xxxx
xxxx
xxxx
:22
14
3
:323
28
3
391
3112
4
313
3133263130
3143563280
21210
3237311
391
0
4
313
3133263130
0000
21210
3237311
2-18
19. Contoh 2.4
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
7. Mengubah angka di baris keempat di bawah 1 utama baris kedua menjadi 0:
8. Mempertukarkan baris ketiga dengan baris keempat:
39
59
10
13
3452
87115
11442
2713
393452
5987115
101442
13273
4321
4321
4321
4321
xxxx
xxxx
xxxx
xxxx
:43
:424
13
3
3
0
4
313
23000
0000
21210
3237311
0
3
4
313
0000
23000
21210
3237311
2-19
22. Contoh 2.5
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
1. Mengubah pivot pada baris pertama menjadi 1 utama:
2. Mengubah angka di baris kedua di bawah 1 utama baris pertama menjadi 0:
57684
11242
9363
4321
4321
421
xxxx
xxxx
xxx
5
11
9
7684
1242
3063
:11
3
1
5
11
3
7684
1242
1021
:2122
5
5
3
7684
1200
1021
2-22
23. Contoh 2.5
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
3. Mengubah angka di baris ketiga di bawah 1 utama baris pertama menjadi 0:
4. Mengubah pivot pada baris kedua menjadi 1 utama:
57684
11242
9363
4321
4321
421
xxxx
xxxx
xxx
5
11
9
7684
1242
3063
:3143
:22
2
1
17
25
3
3600
21100
1021
17
5
3
3600
1200
1021
2-23
24. Contoh 2.5
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss!
5. Mengubah angka di baris ketiga di bawah 1 utama baris kedua menjadi 0:
Matriks eselon-baris di atas disebut tidak konsisten karena pada baris ketiga
tidak akan pernah terpenuhi: 0 = –2.
57684
11242
9363
4321
4321
421
xxxx
xxxx
xxx
5
11
9
7684
1242
3063
:3163
2
25
3
0000
21100
1021
matriks eselon-baris
Suatu sistem persamaan linear disebut tidak mempunyai solusi (tidak konsis-
ten) apabila ada baris yang mempunyai bentuk: [0 0 … 0 | c], c ≠ 0. 2-24
25. Setelah melakukan operasi baris elementer dan didapatkan matriks eselon-baris,
kolom yang mempunyai pivot akan disebut kolom pivot, sedangkan yang tidak
akan disebut kolom non-pivot.
Variabel yang berada pada kolom pivot disebut variabel dependen, sedangkan
yang berada pada kolom non-pivot disebut variabel independen.
Contoh: Matriks eselon-baris hasil operasi baris elementer dengan menggunakan
metode eliminasi Gauss adalah sebagai berikut:
x1, x3, dan x6 adalah variabel dependen;
x2, x4, dan x5 adalah variabel independen, sehingga nilai-
nya bisa berapa saja; misalkan x2 = a, x4 = b, dan x5 = c
(a, b, c R). Maka, x6 = 16; x3 = –9 – 4b – 23c; dan
x1 = 17 + 2a – 3b – 5c.
Solusi: {(17 + 2a – 3b – 5c, a, –9 – 4b – 23c, b, c, 16) | a, b, c R}.
0
16
9
1
000000
100000
0234100
153021
2-25
26. Teorema 2.1 mengandung makna bahwa apabila kita melakukan operasi baris
elementer—beberapa kali—pada hasil perkalian dua matriks, maka hasilnya akan
sama dengan apabila kita melakukan operasi baris elementer—beberapa kali—
pada matriks pertama sebelum dilakukan proses perkalian matriks.
Teorema 2.1
Jika A dan B adalah matriks yang dapat didefinisikan hasil perkaliannya, AB, dan R
adalah operasi baris elementer, maka:
1) R(AB) = (R(A))B;
2) Rn(…(R2(R1(AB)))…) = (Rn(…(R2(R1(A)))…)B.
2-26
27. Contoh 2.6
Suatu persamaan kuadrat y = ax2 + bx + c melewati tiga titik: (–2, 20), (1, 5), dan
(3, 25). Tentukan persamaan kuadrat tersebut dengan mencari nilai a, b, dan c!
Melakukan operasi baris elementer untuk mendapatkan matriks eselon baris:
1. ¼ (1) → (1);
2. (2) – (1) → (2);
3. (3) – 9(1) → (3);
4. 2/3 (2) → (2);
5. (3) – 7.5(2) → (3);
6. –1/5 (3) → (3).
Persamaan kuadrat: y = 3x2 – 2x + 4.
2533
511
2022
2
2
2
cba
cba
cba
25
5
20
139
111
124
2539
5
2024
cba
cba
cba
4
0
5
100
2110
41211
Back substitution:
c = 4;
b + ½ c = 0 b + 2 = 0; b = –2;
a – ½ b + ¼ c = 5 a + 1 + 1 = 5; a = 3.
2-27
28. Suatu metode untuk mendapatkan solusi dari sistem persamaan linear dengan cara
mengubah augmented matrix menjadi matriks eselon-baris tereduksi.
Matriks eselon-baris tereduksi adalah matriks eselon-baris di mana entri di atas
pivot adalah 0.
Kelebihan metode eliminasi Gauss-Jordan adalah solusi menjadi lebih jelas karena
jumlah angka tak nol menjadi lebih sedikit.
Kekurangan metode eliminasi Gauss-Jordan adalah memerlukan lebih banyak
operasi baris elementer, sehingga metode eliminasi Gauss lebih cepat dikerjakan;
dan juga kurang akurat apabila terdapat banyak pembulatan.
Contoh matriks eselon-baris tereduksi:
800
050
001
0000
0300
0020
0001
pivot
2-28
29. Contoh 2.7
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss-Jordan!
1. Mengubah pivot pada baris pertama menjadi 1 utama:
2. Mengubah angka di bawah 1 utama baris pertama menjadi 0:
55122
1623
1632
431
421
321
xxx
xxx
xxx
5
16
16
51202
1023
0312
5
16
8
51202
1023
023211 :11
2
1
11
8
8
5910
129210
023211
:3123
:2132
2-29
30. Contoh 2.7
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss-Jordan!
3. Mengubah pivot pada baris kedua menjadi 1 utama:
4. Mengubah angka di bawah dan di atas 1 utama baris kedua menjadi 0:
55122
1623
1632
431
421
321
xxx
xxx
xxx
5
16
16
51202
1023
0312
:222
:323
:12
2
1
1
11
16
8
5910
2910
023211
27
16
16
3000
2910
1601
2-30
31. Contoh 2.7
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss-Jordan!
5. Mengubah pivot pada baris ketiga menjadi 1 utama:
6. Mengubah angka di atas 1 utama baris ketiga menjadi 0:
55122
1623
1632
431
421
321
xxx
xxx
xxx
5
16
16
51202
1023
0312
:33
3
1
:2322
:131
9
16
16
1000
2910
1601
9
34
25
1000
0910
0601
matriks eselon-baris tereduksi
2-31
32. Contoh 2.7
Selesaikan sistem persamaan linear berikut dengan metode eliminasi Gauss-Jordan!
7. Melakukan back substitution (substitusi terbalik):
x4 = 9;
x2 – 9x3 = –34;
x1 + 6x3 = 25.
Apabila x3 dimisalkan sebagai c, maka:
x2 = –34 + 9c; x1 = 25 – 6c.
Solusi: {(25 – 6c, –34 + 9c, c, 9) | c R} Solusi tak berhingga.
55122
1623
1632
431
421
321
xxx
xxx
xxx
5
16
16
51202
1023
0312
2-32
33. Suatu sistem homogen pasti mempunyai solusi (konsisten).
• Apabila solusi dari sistem homogen adalah (0, 0, …, 0) disebut trivial solution.
• Nontrivial solution terjadi apabila matriks eselon-baris tereduksi (yang terbentuk
akibat operasi baris elementer) dari n variabel mempunyai pivot taknol yang lebih
sedikit dari n.
Contoh trivial solution: Contoh nontrivial solution:
Definisi
Sistem homogen adalah suatu sistem persamaan linear yang mem-
punyai bentuk persamaan matriks AX = O, di mana O adalah vektor
kolom nol [0 0 … 0]T.
0
0
0
100
010
001
0
0
0
000
2110
2301
2-33
34. Contoh 2.8
Selesaikan sistem persamaan linear homogen berikut!
1. Mengubah angka di bawah 1 utama baris pertama menjadi 0:
2. Mempertukarkan baris kedua dengan baris ketiga:
0401811562
0492412693
0178423
654321
654321
654321
xxxxxx
xxxxxx
xxxxxx
0
0
0
401811562
492412693
1784231
:3123
:2132
0
0
0
623100
200000
1784231
:32
0
0
0
200000
623100
1784231
2-34
35. Contoh 2.8
Selesaikan sistem persamaan linear homogen berikut!
3. Mengubah pivot pada baris kedua menjadi 1 utama:
4. Mengubah angka di bawah 1 utama baris kedua menjadi 0:
0401811562
0492412693
0178423
654321
654321
654321
xxxxxx
xxxxxx
xxxxxx
0
0
0
401811562
492412693
1784231
:221
:1221
0
0
0
200000
623100
1784231
0
0
0
200000
623100
542031
2-35
36. Contoh 2.8
Selesaikan sistem persamaan linear homogen berikut!
5. Mengubah pivot pada baris ketiga menjadi 1 utama:
6. Mengubah angka di atas 1 utama baris ketiga menjadi 0:
0401811562
0492412693
0178423
654321
654321
654321
xxxxxx
xxxxxx
xxxxxx
0
0
0
401811562
492412693
1784231
:33
2
1
:2362
:1351
0
0
0
100000
623100
542031
0
0
0
100000
023100
042031
matriks eselon-baris tereduksi
2-36
38. Contoh 2.9
Suatu reaksi kimia antara asam fosfat H3PO4 dengan kalsium hidroksida Ca(OH)2
akan menghasilkan kalsium fosfat Ca3(PO4)2 dan air H2O sebagai berikut:
Cari nilai a, b, c, dan d (bilangan bulat terkecil) sehingga jumlah atom pada
reactants (ruas kiri) sama dengan jumlah atom pada products (ruas kanan)!
Dari matriks eselon-baris tereduksi, satu-satunya variabel independen adalah d,
sehingga untuk mendapatkan bilangan bulat terkecil, nilai d = 6; maka c = 1, b = 3,
dan a = 2.
OHPOCaOHCaPOH 2243243 dcba
Ca
O
P
H
3
824
2
223
cb
dcba
ca
dba
0
0
0
0
0310
1824
0201
2023 Operasi Baris Elementer
untuk menghasilkan
matriks eselon-baris
tereduksi
0
0
0
0
0000
61100
21010
31001
OH6POCaOHCa3POH2 2243243
2-38
39. Ada kalanya, kita diminta untuk menyelesaikan dua atau lebih sistem persamaan
linear yang mempunyai matriks koefisien yang sama, seperti berikut ini:
dan
Untuk menyelesaikan dua sistem persamaan linear di atas, kita bisa “menggabung-
kan” dua augmented matrix sebagai berikut:
Maka, solusi dari dua sistem persamaan tersebut adalah:
Persamaan 1: (2, –3, 1); Persamaan 2: (–1, 5, –3) Solusi unik.
18532
74
123
321
31
321
xxx
xx
xxx
32532
14
823
321
31
321
xxx
xx
xxx
32
1
8
18
7
1
532
104
213
3
5
1
1
3
2
100
010
001Operasi Baris Elementer untuk
menghasilkan
matriks eselon-baris tereduksi
2-39
40. Dua sistem persamaan berikut adalah ekuivalen karena mempunyai solusi yang sama:
dan
Definisi
Dua sistem persamaan linear yang terdiri dari m persamaan dan n
variabel dikatakan ekuivalen jika dan hanya jika mereka mem-
punyai solusi yang sama.
93
12
yx
yx
425
144
yx
yx
9
1
13
12
4
14
25
41
Operasi Baris Elementer untuk
menghasilkan
matriks eselon-baris tereduksi
3
2
10
01
3
2
10
01
Solusi: {(2,3)}
2-40
41. Definisi tersebut mengandung arti baik metode eliminasi Gauss atau pun Gauss-
Jordan, akan menghasilkan matriks yang row equivalent dengan matriks aslinya.
R adalah operasi baris elementer dan R-1 adalah invers dari operasi baris elementer.
Hal ini berarti bahwa operasi baris elementer yang dilakukan adalah reversible
(dapat balik).
Definisi
Suatu augmented matrix D dikatakan row equivalent (mempunyai
baris yang ekuivalen) dengan matriks C jika dan hanya jika matriks
D didapat dari matriks C dengan melakukan operasi baris elementer.
DAAAC 1321 RRR
2
R
1
R
nn
n
CAAAD
1
1
1
2
1
1
11
1 R
1
RR
1
RR
nnn
nn
2-41
42. Tabel 2.1 Operasi Baris Elementer dan Invers-nya
Teorema 2.2
Jika suatu matriks D adalah row equivalent terhadap matriks C, maka C juga row
equivalent terhadap D.
Operasi Baris Elementer Invers/Operasi Reverse
c(i) → (i) (1/c) × (i) → (i)
(j) + c(i) → (j) (j) – c(i) → (j)
(i) ↔ (j) (j) ↔ (i)
Teorema 2.3
Apabila AX = B adalah suatu sistem persamaan linear, dan [C|D] adalah row equiva-
lent terhadap [A|B], maka CX = D adalah ekuivalen terhadap AX = B.
2-42
43. Contoh: Matriks B berikut mempunyai rank = 2.
Definisi
Rank suatu matriks A merupakan jumlah baris tak nol (yaitu baris
dengan pivot tak nol) dalam bentuk matriks eselon-baris tereduksi
yang row equivalent terhadap matriks A.
Teorema 2.4
Suatu matriks adalah row equivalent terhadap satu matriks dalam bentuk matriks
eselon-baris tereduksi.
17142232
681220
91013
B
Operasi Baris Elementer untuk
menghasilkan
matriks eselon-baris tereduksi
00000
34610
41201
B
2-43
44. Teorema 2.5
Apabila diberikan persamaan matriks AX = O yang merupakan sistem homogen
dengan n variabel.
1) Jika rank(A) < n, maka sistem homogen mempunyai nontrivial solution.
2) Jika rank(A) = n, maka sistem homogen mempunyai trivial solution.
Perhatikan bahwa apabila rank(A) < n, maka sistem
homogen mempunyai solusi tak berhingga.
Corollary 2.6
Apabila diberikan persamaan matriks AX = O yang merupakan sistem homogen
dengan n variabel dan m persamaan. Jika m < n, maka sistem homogen mem-
punyai nontrivial solution.
2-44
45. Untuk memverifikasi apakah suatu vektor merupakan kombinasi linear dari dua atau
tiga vektor yang lain, kita bisa menggunakan metode eliminasi Gauss-Jordan.
Contoh 2.10
Verifikasi apakah vektor b = [16, –3, 8]T merupakan kombinasi linear dari tiga vektor
berikut: a1 = [–4, 1, 2]T, a2 = [2, 1, 0]T, a3 = [6, –3, –4]T dalam R3.
[16, –3, 8]T = c1 [–4, 1, 2]T + c2 [2, 1, 0]T + c3 [6, –3, –4]T.
Baris ketiga dari matriks eselon-baris tereduksi menunjukkan bahwa sistem tidak
memiliki solusi, sehingga vektor b bukan merupakan kombinasi linear dari
vektor a1, a2, dan a3.
842
33
16624
31
321
321
cc
ccc
ccc Operasi Baris Elementer untuk
menghasilkan
matriks eselon-baris tereduksi
8
3
16
402
311
624
346
32
311
000
110
201
2-45
46. Untuk memverifikasi apakah suatu vektor merupakan kombinasi linear dari dua atau
tiga vektor yang lain, kita bisa menggunakan metode eliminasi Gauss-Jordan.
Contoh 2.11
Verifikasi apakah vektor b = [14, –21, 7]T merupakan kombinasi linear dari dua
vektor berikut: a1 = [2, –3, 1]T dan a2 = [–4, 6, –2]T dalam R3.
[14, –21, 7]T = c1 [2, –3, 1]T + c2 [–4, 6, –2]T.
Dari matriks eselon-baris tereduksi terlihat kalau c1 merupakan variabel dependen
dan c2 merupakan variabel independen. Misalkan ditetapkan nilai c2 = 1, maka
c1 = 9, sehingga [14, –21, 7]T = 9 [2, –3, 1]T + 1 [–4, 6, –2]T kombinasi linear.
72
2163
1442
21
21
21
cc
cc
cc Operasi Baris Elementer untuk
menghasilkan
matriks eselon-baris tereduksi
7
21
14
21
63
42
0
0
7
00
00
21
2-46
47. Contoh 2.12
Periksa apakah vektor b = [5, 7, –20]T ada di dalam row space dari matriks A:
[5, 7, –20]T = c1 [3, 1, –2]T + c2 [4, 0, 1]T + c3 [–2, 4, –3]T
Karena sistem persamaan mempunyai solusi (unik) atau vektor b merupakan kombi-
nasi linear dari baris matriks A, maka vektor b ada di dalam row space matriks A.
Definisi
Apabila A adalah matriks berukuran m × n; himpunan bagian dari Rn
yang berisi semua vektor yang merupakan kombinasi linear dari
baris pada matriks A adalah row space dari matriks A.
342
104
213
A
2032
74
5243
321
31
321
ccc
cc
ccc
20
7
5
312
401
243
3
1
5
100
010
001
2-47
48. Contoh 2.13
Periksa apakah vektor x = [3, 5]T ada di dalam row space dari matriks B:
[3, 5]T = c1 [2, –4]T + c2 [–1, 2]T
Karena sistem persamaan tidak mempunyai solusi, maka vektor x tidak ada di
dalam row space matriks B.
Perhatikan!
• Untuk memverifikasi apakah suatu vektor X ada di dalam row space dari matriks A, maka kita hanya perlu
memeriksa apakah augmented matrix [AT|X] mempunyai solusi atau tidak.
• Suatu vektor nol 0 = [0 0 … 0]T dalam Rn pasti berada di dalam row space dari matriks A. Hal ini dikarenakan
vektor nol selalu dapat diekspresikan sebagai kombinasi linear dari baris matriks A (dengan mengalikan baris
matriks A dengan 0 dan menambahkannya).
• Setiap baris dari matriks A selalu berada dalam row space dari matriks A karena baris tersebut merupakan
kombinasi linear dari baris lainnya (dengan mengalikan baris tersebut dengan 1 dan yang lain dengan 0).
21
42
B
524
32
21
21
cc
cc
5
3
24
12
11
23
00
211
2-48
49. Misalkan bentuk matriks eselon-baris tereduksi dari matriks A adalah matriks B.
Berdasarkan definisi, maka matriks A
adalah row equivalent terhadap
matriks B. Apabila vektor x meru-
pakan kombinasi linear dari baris-
baris matriks A, maka vektor tersebut
juga merupakan kombinasi linear dari
baris-baris matriks B.
Lemma 2.7
Apabila x adalah kombinasi linear dari q1, q2, …, qk dan setiap qi merupakan kombi-
nasi linear dari r1, r2, …, rl; maka x adalah kombinasi linear dari r1, r2, …, rl.
Teorema 2.8
Apabila matriks A dan B adalah row equivalent; maka row space dari A adalah sama
dengan row space dari B.
410142
511221
1125463
193312105
A
00000
00000
24100
13021
B
x = [4, 8, –30, –132, –64]T
x = –1[5, 10, 12, 33, 19]T + 3[3, 6, –4, –25, –11]T
+ 4[1, 2, –2, –11, –5]T –2[2, 4, –1, –10, –4]T
x = 4[1, 2, 0, –3, –1]T – 30[0, 0, 1, 4, 2]T
2-49
50. Contoh 2.14
Buktikan bahwa matriks A dan B adalah (multiplicative) inverse.
Definisi
Apabila A adalah matriks berukuran n × n; maka B adalah (multi-
plicative) inverse dari matriks A jika dan hanya jika AB = BA = In.
111
211
141
A
532
321
753
B BAI
100
010
001
AB
n
Teorema 2.9
Diberikan matriks A dan B berukuran n × n. Salah satu dari AB atau BA adalah In;
maka hasil kali yang lain juga menghasilkan In. A dan B invers satu sama lain.
2-50
51. Contoh: matriks C = adalah singular karena tidak mempunyai invers.
Tidak ada matriks berukuran 2 × 2 yang membuat
Terlihat kalau sistem persamaan tidak mempunyai solusi.
Definisi
Suatu matriks persegi adalah singular jika dan hanya jika matriks ter-
sebut tidak mempunyai invers; suatu matriks persegi adalah non-
singular jika dan hanya jika matriks tersebut mempunyai invers.
36
12
dc
ba
10
01
dc
ba
36
12
10
01
3636
22
dbca
dbca
136
036
02
12
db
ca
db
ca
1
0
0
1
3060
0306
1020
0102
3
1
0
21
0000
0000
21010
02101
2-51
52. Dari Contoh 2.14 diketahui bahwa:
,
maka:
Teorema 2.10 (Keunikan Invers Matriks)
Jika B dan C berukuran n × n dan keduanya adalah invers matriks A, maka B = C.
Definisi
Apabila A adalah matriks nonsingular berukuran n × n; maka A–1
adalah (unique) invers dari matriks A, dan untuk k ≥ 2, A–k = (A–1)k.
111
211
141
A
532
321
753
Adan; 1
.
466301184
271175107
689445272
532
321
753
AA
3
313
2-52
53. Teorema 2.11
Jika A dan B adalah matriks nonsingular berukuran n × n; maka:
1) A–1 adalah nonsingular, dan (A–1) –1 = A
2) Ak adalah nonsingular, dan (Ak)–1 = (A–1)k = A–k untuk setiap bilangan bulat k
3) AB adalah nonsingular, dan (AB)–1 = B–1A–1
4) AT adalah nonsingular, dan (AT)–1 = (A–1)T
Teorema 2.12
Jika A adalah matriks nonsingular; s dan t bilangan bulat, maka:
1) As+t = (As) (At)
2) (As)t = Ast = (At)s
2-53
54. Contoh 2.15
Tentukan invers dari matriks M = !
Matriks M mempunyai invers karena δ = (–5)(–4) – (2)(9) = 2 ≠ 0; inversnya:
M–1 =
Perhatikan bahwa MM–1 = I2.
Teorema 2.13
Matriks A = mempunyai invers jika dan hanya jika δ = ad – bc ≠ 0; sehingga:
A–1 = =
dc
ba
1
dc
ba
ac
bd
1
49
25
2529
12
59
24
2
1
2-54
55. Metode Mencari Invers suatu Matriks (apabila invers-nya ada)
A matriks berukuran n × n, invers dari matriks A dapat dicari dengan:
1. Buat augmented matriks berukuran n × 2n, di mana n kolom yang
pertama merupakan matriks A dan n kolom yang kedua adalah
matriks In.
2. Ubah matriks [A|In] menjadi matriks eselon-baris tereduksi.
3. Apabila n kolom yang pertama tidak bisa diubah ke dalam matriks
eselon-baris tereduksi, maka matriks A adalah singular (tidak
mempunyai invers).
4. Selain itu, maka matriks A adalah nonsingular, sehingga n kolom
yang kedua adalah invers matriks A atau A–1.
2-55
57. Telah kita lihat bahwa tidak semua matriks persegi mempunyai invers (matriks
singular). Untuk matriks singular A, maka operasi baris elementer pada
augmented matrix [A|In] tidak akan menghasilkan In pada n kolom sebelah kanan.
Untuk mengidentifikasi hal ini, maka yang perlu diperhatikan adalah apabila dalam
suatu langkah pada operasi baris elementer kita menemukan ada diagonal utama
yang nilainya 0 dan semua entri di bawahnya bernilai 0. Apabila hal ini terjadi,
maka matriks tersebut adalah singular.
Contoh: Matriks A = adalah singular karena pada suatu langkah dalam
operasi baris elementer, ditemukan keadaan seperti ini:
Teorema 2.14
Suatu matriks A berukuran n × n adalah nonsingular jika dan hanya jika rank(A) = n.
2613
0241
1402
1824
102521
01272
00121
00210
1000
211000
23010
21201
Kolom 3 tidak mempunyai pivot
2-57
58. Namun, pengerjaan tersebut memakan waktu yang lebih lama daripada mengguna-
kan metode eliminasi Gauss atau pun Gauss-Jordan, karena pertama kita harus
mencari invers dari matriks koefisien A atau A–1, kemudian melakukan operasi
perkalian matriks antara A–1 dengan vektor B untuk mencari solusinya.
Teorema 2.15
Sistem persamaan linear ditulis dalam persamaan matriks sebagai berikut: AX = B, di
mana matriks A adalah matriks persegi.
1) Jika A adalah nonsingular, maka sistem mempunyai solusi unik: X = A–1B
2) Jika A adalah singular, maka sistem: mempunyai solusi tak berhingga atau tidak
mempunyai solusi
Maka, sistem akan mempunyai solusi unik jika dan hanya jika matriks A nonsingular.
2-58