selamat datang dalam kuliah terbuka ini
DESCRIPTION
Selamat Datang Dalam Kuliah Terbuka Ini. Kuliah terbuka kali ini berjudul “ Pilihan Topik Matematika -III”. Disajikan oleh Sudaryatno Sudirham melalui www.darpublic.com. Sesi 3 Sistem Persamaan Linier. Sistem Persamaan Linier. - PowerPoint PPT PresentationTRANSCRIPT
Selamat Datang Dalam Kuliah Terbuka Ini
1
Kuliah terbuka kali ini berjudul
“Pilihan Topik Matematika -III”
2
Sesi 3
Sistem Persamaan Linier
4
Suatu sistem persamaan linier (atau himpunan persaman linier simultan) adalah satu set persamaan dari sejumlah unsur yang tak
diketahui. Bentuk umum:
mnmnm
nn
nn
bxaxa
bxaxa
bxaxa
11
22121
11111
. . . . . . . . . . .
Sistem ini mengandung m persamaan dengan n unsur yang tak diketahui yaitu x1 ….xn.
Bilangan a11 …..amn disebut koefisien dari sistem itu, yang biasanya merupakan bilangan-bilangan yang diketahui.
Bilangan-bilangan b1 ….bm juga merupakan bilangan-bilangan yang diketahui, bisa bernilai tidak nol maupun
bernilai nol Jika seluruh b bernilai nol maka sistem persamaan
tersebut disebut sistem persamaan homogen
5
Dari sistem persamaan linier diharapkan adanya solusi yaitu satu set nilai dari x1 …xn yang memenuhi sistem
persamaan tersebut.
Jika sistem ini homogen, ia mengandung solusi trivial (solusi tak penting) yaitu x1 = 0, …., xn = 0.
Pertanyaan-pertanyaan yang timbul tentang solusi dari sistem persamaan ini adalah:
a). Benar adakah solusi dari sistem ini ?
b). Bagaimanakah cara untuk memperoleh solusi?
c). Kalau sistem ini mempunyai lebih dari satu solusi, bagaimanakah himpunan solusi tersebut?
d). Dalam keadaan bagaimanakah sistem ini tepat mempunyai satu solusi?
6
Operasi Baris
mnmnm
nn
nn
bxaxa
bxaxa
bxaxa
11
22121
11111
. . . . . . . . . . .
Pada sistem ini kita dapat melakukan operasi-operasi yang disebut operasi baris sebagai berikut:
a). Ruas kiri dan ruas kanan dari setiap persamaan dapat dikalikan dengan faktor bukan nol yang sama, tanpa mempengaruhi himpunan sistem persamaan tersebut.
c). Mempertukarkan tempat (urutan) persamaan tidaklah mengganggu himpunan sistem persamaan.
b). Ruas kiri dari setiap persamaan dapat dijumlahkan ke ruas kiri persamaan yang lain asal ruas kanannya juga dijumlahkan. Operasi ini tidak mengganggu keseluruhan sistem persamaan tersebut.
7
Sistem persamaan linier dapat dituliskan dalam bentuk matriks dengan memanfaatkan pengertian perkalian matriks. Bentuk itu adalah
mnmnmm
n
n
b
b
b
x
x
x
aaa
aaa
aaa
2
1
2
1
21
22221
11211
Penulisan Persamaan Linier Dalam Bentuk Matriks
atau secara singkat bAx
mnmnmm
n
n
b
b
b
x
x
x
aaa
aaa
aaa
2
1
2
1
21
22221
11211
; ; bxA
dengan
8
Dari cara penulisan tersebut di atas, kita dapat membangun suatu matriks baru yang kita sebut matriks gandengan, yaitu dengan menggandengkan matriks A dengan b menjadi
mmnmm
n
n
baaa
baaa
baaa
|
|
|
|
~
21
222221
111211
A
Matriks gandengan ini menyatakan sistem persamaan linier secara lengkap. Operasi-operasi baris pada sistem persamaan linier kita terjemahkan ke dalam matriks gandengan menjadi sebagai berikut
a). Setiap elemen dari baris yang sama dapat dikalikan dengan faktor bukan nol yang sama.
b). Satu baris boleh dijumlahkan ke baris yang lain.
c). Tempat baris (urutan baris) dapat dipertukarkan.
9
Setiap operasi baris akan menghasilkan matriks gandengan baru.
Operasi baris dapat kita lakukan lagi pada matriks gandengan baru dan menghasilkan matriks gandengan yang lebih baru lagi
dan yang terakhir inipun setara baris dengan matriks gandengan yang lama.
Matriks gandengan baru ini disebut sebagai setara baris dengan matriks gandengan yang lama.
Dengan singkat kita katakan bahwa operasi baris menghasilkan matriks gandengan yang setara baris
dengan matriks gandengan asalnya.
Hal ini berarti bahwa matriks gandengan baru menyatakan sistem persamaan linier yang sama dengan
matriks gandengan asalnya.
10
Eliminasi Gauss Eliminasi Gauss merupakan langkah-langkah sistematis untuk memecahkan sistem persamaan linier. Karena matriks gandengan merupakan pernyataan lengkap dari suatu sistem persamaan linier, maka eliminasi Gauss cukup dilakukan pada matriks gandengan ini.
Suatu sistem persamaan linier:
Contoh:
0234
8253
024
8
DCBA
DCBA
CBA
BA
xxxx
xxxx
xxx
xx
Kita tuliskan persamaan ini dalam bentuk matriks:
0
8
0
8
2341
2531
0241
0011
D
C
B
A
x
x
x
x
11
Matriks gandengnya
adalah:
0|2341
8|2531
0|0241
8|0011
Langkah-1: Langkah pertama pada eliminasi Gauss pada matriks gandengan adalah mempertahankan baris ke-1 (disebut mengambil baris ke-1 sebagai pivot) dan membuat suku pertama baris-baris berikutnya menjadi bernilai nol.
1) baris (
1) baris (
baris1) (
pivot
8|2330
0|2520
8|0230
8|0011
Pada matriks yang diberikan ini, langkah pertama ini dilaksanakan dengan menambahkan baris ke-1 ke baris ke-2, mengurangkan baris ke-1 dari baris ke-3 dan menambahkan baris ke-1 ke baris ke-4. Hasil operasi ini adalah
12
Langkah-2: Langkah kedua adalah mengambil baris ke-2 dari matriks gandeng yang baru saja kita peroleh sebagai pivot, dan membuat suku kedua baris-baris berikutnya menjadi nol. Ini kita lakukan dengan mengalikan baris ke-2 dengan 2/3 kemudian menambahkannya ke baris ke-3, dan mengurangkan baris ke-2 dari baris ke-4. Hasil operasi ini adalah
8|2330
0|2520
8|0230
8|0011
2) (-baris
2) baris 2/3(
(pivot)
0|2100
3/16|23/4500
8|0230
8|0011
13
Kalikan baris ke 3 dengan 3 agar diperoleh bilangan bulat
0|2100
3/16|23/4500
8|0230
8|0011
0|2100
16|61100
8|0230
8|0011
14
0|2100
16|61100
8|0230
8|0011
Langkah-3: Langkah ketiga adalah mengambil baris ke-3 sebagai pivot dan membuat suku ke-3 dari baris ke-4 menjadi nol. Ini dapat kita lakukan dengan mengalikan baris ke-4 dengan 11 kemudian menambahkan kepadanya baris ke-3. Hasilnya adalah:
3 baris 11
pivot
16|16000
16|61100
8|0230
8|0011
15
Matriks gandeng terakhir ini menyatakan bentuk matriks:
1616
16611
823
8
D
DC
CB
BA
x
xx
xx
xxyang dengan substitusi mundur akan memberikan:
12 ; 4 ; 2 ; 1 ABCD xxxx
Hasil terakhir langkah ketiga adalah:
16|16000
16|61100
8|0230
8|0011
Matriks terakhir ini menyatakan sistem persamaan linier:
16
16
8
8
16000
61100
0230
0011
D
C
B
A
x
x
x
x
16
Sistem-sistem Tertentu Dan Tidak Tertentu
Sistem tertentu adalah sistem yang memberikan tepat satu solusi. Sistem tertentu terjadi jika unsur yang tak diketahui sama banyak dengan persamaannya, dan persamaan-persamaan ini tidak saling bergantungan.
Jika persamaan lebih banyak dari unsur yang tak diketahui, sistem menjadi tertentu berlebihan.
Jika unsur yang tak diketahui lebih banyak dari persamaannya, maka sistem itu menjadi kurang tertentu. Sistem yang kurang tertentu memberikan tidak hanya satu solusi akan tetapi banyak solusi.
Sistem yang kurang tertentu selalu mempunyai solusi (dan banyak) sedangkan sistem tertentu dan tertentu berlebihan bisa memberikan solusi bisa juga tidak memberikan solusi.
17
Contoh Sistem Persamaan Yang Memberikan Banyak Solusi
823
024
8
CB
CBA
BA
xx
xxx
xx
Matriks gandeng:
8|230
0|241
8|011
Eliminasi Gauss:
8|230
8|230
8|011
0|000
8|230
8|011
Contoh:
18
Matriks gandengan ini menyatakan sistem persamaan :
00
823
8
CB
BA
xx
xx
3/)28( CB xx Dari persamaan ke-2 kita mendapatkan
3/)28(8 CA xx yang kemudian memberikan
Karena xC tetap sembarang maka kita mendapatkan banyak solusi. Kita hanya akan memperoleh nilai xA dan xB jika kita menentukan nilai xC lebih dulu
19
Contoh Sistem Yang Tidak Memberikan Solusi
1023
024
8
CB
CBA
BA
xx
xxx
xx
Matriks gandeng dan eliminasi Gauss memberikan
10|230
0|241
8|011
10|230
8|230
8|011
2|000
8|230
8|011
Contoh:
20
Sistem persamaan dari matriks gandeng terakhir ini adalah
20
823
8
CB
BA
xx
xx
Kita lihat di sini bahwa penerapan eliminasi Gauss pada akhirnya menghasilkan suatu kontradiksi yang dapat kita
lihat pada baris terakhir.
Hal Ini menunjukkan bahwa sistem persamaan yang sedang kita tinjau tidak memberikan solusi.
21
Bentuk Eselon
Bentuk matriks pada langkah terakhir eliminasi Gauss, disebut bentuk eselon.
000
230
011
2|000
8|230
8|011
dan
Secara umum bentuk eselon matriks gandengan adalah
m
r
rrnrr
n
n
b
b
bkk
bcc
baaa
|0
|
|0
|
|
|0
|
1
2222
111211
Dari contoh di atas, bentuk eselon matriks koefisien dan matriks gandengannya adalah
22
dan sistem yang telah tereduksi pada langkah akhir eliminasi Gauss akan berbentuk
m
r
rnrnrrr
nn
nn
b
b
bxkxk
bxaxc
bxaxaxa
0
0
1
22222
11212111
dengan 0 , 0 ,0 2211 rrkaa , dan r n
a). Jika dan sama dengan nol atau tidak ada, maka sistem persamaan ini akan memberikan tepat satu solusi.
b). Jika dan sama dengan nol atau tidak ada, maka sistem persamaan ini akan memberikan banyak solusi.
c). Jika ataupun dan tidak sama dengan nol atau mempunyai nilai, maka sistem persamaan ini tidak memberikan solusi.
nr mr bb ,,1
nr mr bb ,,1
nr nr mr bb ,,1
Perhatikan bentuk ini:
23
Jadi suatu sistem persamaan akan memberikan solusi jika
sama dengan nol atau tidak ada.
mr bb ,,1
Pada suatu sistem persamaan yang memberikan solusi, ketunggalan solusi terjadi jika . nr
Nilai r yang dimiliki oleh matriks gandengan ditentukan oleh banyaknya vektor baris yang bebas linier dalam matriks
gandeng. Pengertian tentang kebebasan linier vektor-vektor kita bahas berikut ini.
nr Jika persamaan akan memberikan banyak solusi.
24
Bebas Linier Dan Tak-bebas Linier Vektor-vektor
Misalkan maaa , , 21 adalah vektor-vektor baris dari suatu matriks A =[abk].
Kita tinjau suatu persamaan vektor
02211 mmccc aaa
Apabila persamaan vektor ini terpenuhi hanya jika semua koefisien (c1 cm) bernilai nol, maka vektor-vektor baris
tersebut adalah bebas linier.
Jika persamaan vektor tersebut dapat dipenuhi dengan koefisien yang tidak semuanya bernilai nol (artinya
setidak-tidaknya ada satu koefisien yang tidak bernilai nol) maka vektor-vektor itu tidak bebas linier.
25
Jika satu himpunan vektor terdiri dari vektor-vektor yang bebas linier, maka tak satupun dari vektor-vektor itu dapat
dinyatakan dalam kombinasi linier dari vektor yang lain. Hal ini dapat dimengerti karena dalam persamaan tersebut di atas
semua koefisien bernilai nol untuk dapat dipenuhi.
Vektor a1 misalnya, dapat dinyatakan sebagai
01
21
21 m
m
c
c
c
caaa
karena koefisien-koefisien ini tidak seluruhnya bernilai nol
Jika vektor-vektor tidak bebas linier maka nilai koefisien pada persamaan tersebut di atas (atau setidak-tidaknya
sebagian tidak bernilai nol) maka satu vektor dapat dinyatakan sebagai kombinasi linier dari vektor yang lain.
26
Contoh: Dua vektor baris 21321 a 26242 a dan
Vektor a1 dan a2 adalah bebas linier karena
026242132 212211 cccc aa
hanya akan terjadi jika 021 cc
Ambil vektor ketiga 42643 a
Vektor a3 dan a1 tidak bebas linier karena kita dapat menyatakan a3 sebagai
4264213222 13 aa
Vektor a1, a2 dan a3 juga tidak bebas linier karena kita dapat menyatakan a3 sebagai
42642624 02132 202 213 aaa
Akan tetapi jika kita hanya melihat a3 dan a2 saja, mereka adalah bebas linier.
27
Rank Matriks Dengan pengertian tentang vektor yang bebas linier, didefinisikan rank matriks. Banyaknya vektor baris yang bebas linier dalam suatu matriks A = [abk] disebut rank matriks A disingkat rank A.
Jika matrik B = 0 maka rank B adalah nol.
Operasi baris pada suatu matriks menghasilkan matriks yang setara baris dengan matriks asalnya. Hal ini berarti pula bahwa rank matriks baru sama dengan rank matriks
asalnya.
Dengan perkataan lain operasi baris tidak mengubah rank matriks. Jadi rank suatu matriks dapat diperoleh melalui
operasi baris, yaitu sama dengan rank matriks yang dihasilkan pada langkah terakhir eliminasi Gauss.
Bentuk eselon matriks yang diperoleh pada langkah terakhir eliminasi Gauss, mengandung vektor-vektor baris yang bebas linier karena vektor yang tak bebas
linier telah tereliminasi.
Bagaimana menentukan rank suatu matriks?
28
Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan solusi tunggal
dalam contoh, adalah
16000
61100
0230
0011
16|16000
16|61100
8|0230
8|0011
dan
Dalam kasus ini rank matriks koefisien sama dengan rank matriks gandengan, yaitu 4. Selain dari pada itu rank matriks
sama dengan banyaknya unsur yang tak diketahui yaitu 4
Contoh:
29
Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang memberikan banyak solusi,
adalah
Contoh:
000
230
011
0|000
8|230
8|011
dan
Dalam kasus ini rank matriks koefisien sama dengan rank matriks gandengan, yaitu 2. Akan tetapi rank
matriks ini lebih kecil dari banyaknya unsur yang tak diketahui.
30
Contoh:
Bentuk eselon matriks koefisien dan matriks gandengannya dari sistem persamaan yang tidak
memberikan solusi, adalah
000
230
011
2|000
8|230
8|011
dan
Dalam kasus ini rank matriks koefisien tidak sama dengan rank matriks gandengan. Rank matriks
koefisien adalah 2 sedangkan rank matriks gandengannya adalah 3. Ketidak samaan rank dari
kedua matriks ini menunjukkan tidak adanya solusi.
31
Apa yang kita amati dalam contoh-contoh di atas ternyata berlaku umum.
c). jika rank matriks koefisien lebih kecil dari banyaknya unsur yang tak diketahui maka akan diperoleh banyak solusi.
a). agar suatu sistem persamaan memberikan solusi maka rank matriks koefisien harus sama dengan rank matriks gandengannya;
b). agar sistem persamaan memberikan solusi tunggal maka rank matriks koefisien harus sama dengan banyaknya unsur yang tak diketahui;
32
Sistem Persamaan Homogen
Sistem persamaan disebut homogen apabila nilai b di ruas kanan dari persamaan sistem bernilai nol. Jika tidak demikian maka sistem itu disebut tak homogen. Sistem persamaan homogen berbentuk
0
. . . . . . . . . . .
0
0
2211
2222121
1212111
nmnmm
nn
nn
xaxaxa
xaxaxa
xaxaxa
Bentuk matriks gandengan sistem ini adalah
0|
|
0|
0|
~
21
22221
11211
mnmm
n
n
aaa
aaa
aaa
A
33
Eliminasi Gauss pada sistem demikian ini akan menghasilkan
0|000
|
0|0
0|
~ 222
11211
mn
n
n
a
aa
aaa
A
Jika rank matriks gandengan terakhir ini sama dengan banyaknya unsur yang tak diketahui, r = n, sistem
persamaan akhirnya akan berbentuk
0
0
0
2222
1212111
nmn
nn
nn
xa
xaxa
xaxaxa
Dari sini terlihat bahwa dan substitusi mundur akhirnya memberikan semua x bernilai nol. Ini merupakan solusi trivial dan solusi trivial ini diakibatkan oleh kenyataan bahwa r = n. Solusi tak trivial hanya akan diperoleh jika .
0nx
nr
34
Sistem Persamaan Homogen Yang Hanya Memberikan Solusi Trivial
0234
0253
024
0
DCBA
DCBA
CBA
BA
xxxx
xxxx
xxx
xx
Matriks gandengan sistem ini dan hasil eliminasi Gauss-nya adalah
0|2341
0|2531
0|0241
0|0011
0|16000
0|61100
0|0230
0|0011
Rank matrik koefisien adalah 4; banyaknya unsur yang tak diketahui juga 4. Sistem persamaan liniernya menjadi
016
0611
023
0
D
DC
CB
BA
x
xx
xx
xx0 ABCD xxxxyang akhirnya memberikan
Inilah solusi trivial yang dihasilkan jika terjadi keadaan
nr
Contoh:
35
Sistem Persamaan Yang Memberikan Solusi Tak Trivial
06134
0253
024
0
DCBA
DCBA
CBA
BA
xxxx
xxxx
xxx
xx
Matriks gandengan dan hasil eliminasinya adalah
Contoh:
0|61341
0|2531
0|0241
0|0011
0|0000
0|61100
0|0230
0|0011
eliminasi Gauss:
Sistem persamaan menjadi
00
0611
023
0
DC
CB
BA
xx
xx
xx
36
1Dx
33
12 ;
33
12 ;
11
6 ABC xxx
Jika kita mengambil nilai maka akan diperoleh
.
Solusi ini membentuk vektor solusi
1
11/6
33/12
3312
1
/
x
yang jika matriks koefisiennya digandaawalkan akan menghasilkan vektor nol b = 0
0
0
0
0
1
6/11
12/33
12/33
0000
61100
0230
0011
1Ax
37
Jika kita menetapkan nilai xD yang lain, misalnya akan diperoleh vektor solusi yang lain, yaitu
33Dx
12 33
33
18
12
12
xx
Penggandaawalan matriks koefisiennya juga akan menghasilkan vektor nol
Vektor solusi x2 ini merupakan perkalian solusi sebelumnya dengan bilangan skalar (dalam hal ini 33), yang sesungguhnya bisa bernilai sembarang. Secara umum vektor solusi berbentuk
1xx cc
dengan c adalah skalar sembarang
38
Vektor solusi yang lain lagi dapat kita peroleh dengan menjumlahkan vektor-vektor solusi,
misalnya x1 dan x2.
111213 3433
33
18
12
12
1
11/6
33/12
33/12
xxxxxx
Jelas bahwa x3 juga merupakan solusi karena jika digandaawalkan akan memberikan hasil vektor nol. Jadi secara umum vektor solusi dapat juga diperoleh dengan menjumlahkan vektor solusi
yang kita nyatakan sebagai
cj xx
39
Jika kita perhatikan lebih lanjut ruang vektor yang terbentuk oleh vektor solusi akan berdimensi (n r), yaitu selisih antara banyaknya unsur yang tak diketahui dengan
rank matriks koefisien. Dalam kasus yang sedang kita tinjau ini, banyaknya unsur yang tak diketahui adalah 3
sedangkan rank matriks koefisien adalah 2.
Contoh di atas memperlihatkan bahwa solusi dari sistem persamaan homogen membentuk vektor-vektor yang
seluruhnya dapat diperoleh melalui perkalian salah satu vektor solusi dengan skalar serta penjumlahan vektor-
vektor solusi. Kita katakan bahwa solusi dari sistem persamaan homogen membentuk suatu ruang vektor.
Dalam sistem persamaan homogen yang sedang kita tinjau ini, ruang vektor yang terbentuk adalah ber-dimensi satu. Perhatikan bahwa setiap vektor solusi merupakan hasilkali
skalar dengan vektor x1 .
40
Sistem Persamaan Dengan Vektor Solusi Berdimensi 2
04107
0254
0254
0
DCBA
DCBA
DCBA
BA
xxxx
xxxx
xxxx
xxContoh:
Matriks gandengan dan hasil eliminasi Gauss adalah
0|41071
0|2541
0|2541
0|0011
0|0000
0|0000
0|2530
0|0011
Rank matriks ini adalah 2 sedangkan banyaknya unsur tak diketahui 4. Sistem persamaan menjadi
00
00
0253
0
DCB
BA
xxx
xx
41
0dan 1 DC xx
5/3 ; 3/5 AB xx
Jika kita memberi nilai
kita akan mendapatkan
.
0
1
3/5
3/5
1x adalah salah satu vektor solusi
Ganda-awal matriks koefisien dengan vektor ini akan memberikan vektor
0b
0
0
0
0
0
0
0550
3/53/5
0
1
3/5
3/5
0000
0000
2530
0011
1Ax
42
Jika Ax1 = 0, maka perkalian dengan skalar k akan memberikan
0xA 11k 0xA 12k
,
dan 0)( 111211211 xAxAxAxA ckkkk
Dengan kata lain, jika x1 adalah vektor solusi, maka
)( , , 12111211 xxxx kkkk adalah juga vektor-vektor solusi dan sebagaimana kita tahu vektor-vektor ini kita peroleh dengan memberi nilai .
0dan 1 DC xx
43
1dan 0 DC xx 3/2Bx
3/2Ax
Jika akan kita peroleh
dan yang membentuk vektor solusi
1
0
3/2
3/2
2x
Dengan skalar l sembarang kita akan memperoleh vektor-vektor solusi yang lain seperti
)( , , 22212221 xxxx llll
Secara keseluruhan maka vektor-vektor solusi kita adalah
21 xxx lk
Inilah vektor-vektor solusi yang membentuk ruang vektor berdimensi 2.
44
Dari dua contoh terakhir ini terbukti teorema yang menyatakan bahwa solusi sistem persamaan linier homogen dengan n unsur tak diketahui dan rank
matriks koefisien r akan membentuk ruang vektor berdimensi (n r).
45
Kebalikan Matriks Dan Metoda Eliminasi Gauss-Jordan
Pengertin tentang kebalikan matriks (inversi matriks) erat kaitannya dengan pemecahan sistem persamaan linier. Namun demikian pengertian ini khusus ditujukan untuk
matriks bujur sangkar n n.
Kebalikan matriks A (inversi matriks A) didefinisikan sebagai matriks yang jika digandaawalkan ke matriks A
akan menghasilkan matriks identitas. Kebalikan matriks A dituliskan sebagai A1 sehingga definisi ini memberikan
relasi11 AAIAA
Jika A berukuran n n maka A1 juga berukuran n n dan demikian pula matriks identitasnya.
46
Jika A adalah matriks tak singular maka hanya ada satu kebalikan A; dengan kata lain
kebalikan matriks adalah unik atau bersifat tunggal.
Hal ini mudah dimengerti sebab jika A mempunyai dua kebalikan, misalnya P dan Q, maka AP = I =PA dan juga AQ = I =QA, dan
hal ini hanya mungkin terjadi jika P = Q.
QQIAPQQAPPAQIPP )()(
Tidak semua matriks bujur sangkar memiliki kebalikan; jika A memiliki kebalikan maka A disebut
matriks tak singular dan jika tak memiliki kebalikan disebut matriks singular.
47
Persamaan ini menunjukkan bahwa kita dapat memperoleh vektor solusi x dari sistem persamaan linier jika kebalikan matriks koefisien A ada, atau jika matriks A tak singular.
Jadi persoalan kita sekarang adalah bagaimana mengetahui apakah matriks A singular atau tak singular dan bagaimana
mencari kebalikan matriks A jika ia tak singular.
Berbekal pengertian kebalikan matriks, kita akan meninjau persamaan matriks dari suatu sistem persamaan linier tak
homogen, yaitu
bAx
Jika kita menggandaawalkan kebalikan matriks A ke ruas kiri dan kanan persamaan ini, akan kita peroleh
bAxIxbAAxA 111
48
Dari pembahasan sebelumnya kita mengetahui bahwa jika matriks koefisien A adalah matriks bujur sangkar n n, maka solusi tunggal akan kita peroleh jika rank A sama dengan n. Hal ini berarti bahwa vektor x pada persamaan di atas dapat kita peroleh jika rank A1 sama dengan n. Dengan perkataan
lain matriks A yang berukuran n n tak singular
jika rank A = n
dan akan singular jika rank A < n.
Mencari kebalikan matriks A dapat kita lakukan dengan cara eliminasi Gauss-Jordan. Metoda ini didasari oleh persamaan
Ax = b.
IAX
Jika X adalah kebalikan matriks A maka
49
IAA ~
HU
HU
XI
Untuk mencari X kita bentuk matriks gandengan
A~
Jika kita lakukan eliminasi Gauss pada
matriks gandengan ini berubah menjadi
dengan U berbentuk matriks segitiga atas.
yaitu dengan mengeliminasi unsur-unsur segitiga atas pada U sehingga U berbentuk matriks identitas I.
Eliminasi Gauss-Jordan selanjutnya beroperasi pada
Langkah akhir ini akan menghasilkan
50
Contoh: Kita akan mencari kebalikan dari matriks
142
223
221
A
Kita bentuk matriks gandengan IA
100|142
010|223
001|221
IA
Kita lakukan eliminasi Gauss pada matriks gandengan ini
1 baris 2
1 baris3
pivot
102|580
013|480
001|221
51
2 baris
pivot
111|100
013|480
001|221
Kemudian kita lakukan eliminasi Gauss-Jordan
)8/1(
111|100
08/18/3|2/110
001|221
baris35.0
3 baris2
111|100
2/18/58/7|010
223|021
2 baris2
111|100
2/18/58/7|010
18/68/10|001
52
Hasil terakhir ini memberikan kebalikan matriks A, yaitu
111
2/18/58/7
18/68/101A
Dengan demikian untuk suatu sistem persamaan linier tak homogen yang persamaan matriksnya
0
0
8
142
223
221
3
2
1
x
x
x
vektor solusinya adalah
8
7
10
0
0
8
111
2/18/58/7
18/68/10
0
0
8
142
223
221
1
3
2
1
x
x
x
53
Kebalikan Matriks Diagonal
Kebalikan matriks diagonal dapat dengan mudah kita peroleh.
nnnn a
a
a
a
/100
00
00/1
00
00
00 111
11
Kebalikan Dari Kebalikan Matriks
Kebalikan dari kebalikan matriks adalah matriks itu sendiri.
AA 11
54
Kebalikan Dari Perkalian Matriks
Kebalikan dari perkalian dua matriks adalah perkalian dari kebalikan masing-masing matriks dengan urutan
dibalik. 111 ABAB
Hal ini dapat dibuktikan sebagai berikut
1 ABABI
111111
11
111111
ABABIABBBAB
ABBA
ABIBABBAAABABAIA
55
Kuliah Terbuka
Pilihan Topik Matematika III
Sesi 3
Sudaryatno Sudirham
56