MATRIKS KUASIDEFINIT SUGENG MULYADI

Ukuran: px
Mulai penontonan dengan halaman:

Download "MATRIKS KUASIDEFINIT SUGENG MULYADI"

Transkripsi

1 MATRIKS KUASIDEFINIT SUGENG MULYADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009

2 ABSTRAK SUGENG MULYADI. Matriks Kuasidefinit. Dibimbing oleh FARIDA HANUM dan SISWANDI. Matriks kuasidefinit adalah matriks simetrik yang dipartisi menjadi empat blok dan memuat matriks definit positif. Matriks ini, mempunyai sifat-sifat yang dapat diterapkan untuk menyelesaikan permasalahan-permasalahan matematika, khususnya pada bidang riset operasi. Sifat-sifat yang dibuktikan adalah: pertama, matriks kuasidefinit merupakan matriks taksingular; kedua, invers dari matriks kuasidefinit merupakan matriks kuasidefinit; dan ketiga, matriks kuasidefinit merupakan matriks strongly factorizable. i

3 ABSTRACT SUGENG MULYADI. Quasidefinite Matrices. Supervised by FARIDA HANUM and SISWANDI. Quasidefinite matrix is a symmetric matrix partitioned into four blocks, which contain positive definite matrices. The matrix has properties which are applicable to solve mathematical problems, especially in operations research. There are three proven properties, i.e. quasidefinite matrix is a nonsingular matrix, the inverse of quasidefinite matrix is also a quasidefinite matrix, and quasidefinite matrix is a strongly factorizable matrix. ii

4 MATRIKS KUASIDEFINIT SUGENG MULYADI G Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2009 iii

5 Judul : Matriks Kuasidefinit Nama : Sugeng Mulyadi Nrp : G Menyetujui, Pembimbing I, Pembimbing II, Dra. Farida Hanum, M.Si. NIP Drs. Siswandi, M.Si. NIP Mengetahui, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Dr.Drh. Hasim, DEA NIP Tanggal Lulus : iv

6 RIWAYAT HIDUP Penulis dilahirkan di Bekasi pada tanggal 6 Juli 1984 dari pasangan Mujiono dan Pariyah. Penulis merupakan putra pertama dari tiga bersaudara. Pada tahun 2001, penulis lulus dari SMU Negeri I Cibinong dan pada tahun yang sama diterima di Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB (USMI-IPB). Penulis terdaftar sebagai mahasiswa Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor. Selama mengikuti perkuliahan, penulis pernah menjadi pengurus Gugus Mahasiswa Matematika. Selain itu, penulis pernah menjadi Ketua Masa Perkenalan Jurusan (MPJ) Departemen Matematika tahun v

7 PRAKATA Alhamdulillahirobbil a lamin, puji dan syukur penulis panjatkan ke hadirat Allah SWT atas segala nikmat, rahmat dan hidayah-nya penulis dapat menyelesaikan skripsi ini. Shalawat serta salam semoga tercurah untuk nabi akhir zaman, yaitu Nabi Muhammad SAW, keluarga, sahabat dan umatnya hingga akhir zaman. Penulis menyadari bahwa terselesaikannya skripsi ini tidak terlepas dari doa, dukungan, bimbingan, arahan dan bantuan dari berbagai pihak baik langsung maupun tidak langsung. Oleh karena itu, penulis ingin menyampaikan rasa hormat dan ucapan terima kasih kepada kedua orang tua, Bapak, Ibu yang selalu mengawasi anaknya dari atas sana, Mama dan Adik-adik tersayang (Ayit dan Ie-ie) atas doa yang tidak pernah putus, lautan kasih sayang yang tidak pernah kering, perhatian dan dukungan baik materiil maupun spiritual. Kepada Ibu Dra. Farida Hanum, M.Si. selaku Dosen Pembimbing I penulis mengucapkan terima kasih atas doa, kesabaran, saran dan dukungan yang diberikan. Kepada Bapak Drs. Siswandi, M.Si. selaku Dosen Pembimbing II atas saran, kritik, motivasi dan bimbingan kepada penulis. Serta Ibu Dra. Nur Aliatiningtyas, MS. selaku Penguji atas saran, kritik dan motivasinya. Penulis juga mengucapkan terima kasih kepada Ibu Susi, Ibu Ade, Mas Yono, Mas Bono, Mas Deni, Mas Heri dan semua staf Departemen Matematika. Teman-teman Matematika angkatan 38: Hasif, Helmi, Firman, Ratna, Gresi, Linda, Yana, Isdad, Devi, Evi, Atin, Jati, Meryaldi dkk. Adik-adik kelas Matematika: Yusuf, Amin, Lela, Fitri, Rangga, Idris dkk. atas dukungan, motivasi, saran dan kritik kepada penulis. Terima kasih juga penulis ucapkan kepada Lina Muryani dan keluarga Citeureup atas kesabaran, semangat, saran dan bantuan yang diberikan selama ini. Dan semua pihak yang tidak dapat penulis sebutkan satu per satu. Penulis menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu, dengan segala kerendahan hati, penulis menerima segala bentuk kritik dan saran yang membangun dari pembaca untuk perbaikan di masa yang akan datang. Bogor, Agustus 2009 Sugeng Mulyadi vi

8 DAFTAR ISI Halaman Daftar Lampiran... viii I PENDAHULUAN 1.1 Latar Belakang Tujuan... 1 II LANDASAN TEORI 2.1 Matriks dan Determinan Submatriks Partisi Matriks dan Operasi-Operasinya Matriks Definit dan Semidefinit Positif... 5 III PEMBAHASAN 3.1 Matriks Kuasidefinit Sifat-sifat Matriks Kuasidefinit Faktorisasi Matriks Kuasidefinit IV SIMPULAN DAN SARAN 4.1 Simpulan Saran DAFTAR PUSTAKA LAMPIRAN vii

9 DAFTAR LAMPIRAN Halaman 1 Pembuktian Teorema Pembuktian Teorema Pembuktian Teorema Pembuktian Teorema Pembuktian Teorema Pembuktian Teorema Tambahan Contoh Tambahan Bukti Teorema Tambahan Bukti Teorema Tambahan Bukti Teorema viii

10 I PENDAHULUAN 1.1 Latar Belakang Matriks merupakan istilah yang digunakan untuk menunjukkan jajaran persegi panjang dari bilangan-bilangan dan setiap matriks akan mempunyai baris dan kolom. Salah satu jenis matriks yang banyak digunakan adalah matriks simetrik. Matriks simetrik adalah matriks yang sama dengan transposnya yaitu matriks yang kolom-kolomnya adalah barisbaris matriks itu sendiri. Matriks yang dibahas pada tulisan ini adalah matriks kuasidefinit yang dipartisi menjadi empat blok dan memuat matriks definit positif. Matriks ini mempunyai sifatsifat yang dapat diterapkan untuk menyelesaikan permasalahan-permasalahan matematika khususnya pada bidang riset operasi, salah satunya adalah mengaplikasikan sifat-sifat matriks kuasidefinit pada metode titik interior (interior-point method). Semua bahasan materi tentang matriks kuasidefinit pada karya ilmiah ini direkonstruksi dari tulisan Robert J. Vanderbei (1995) yang berjudul Symmetric Quasidefinite Matrices. 1.2 Tujuan Tujuan dari karya ilmiah ini adalah untuk membuktikan beberapa sifat dari matriks kuasidefinit. II LANDASAN TEORI Maksud dari bab ini adalah mengingatkan kembali tentang pengertian matriks, jenisjenis matriks dan memberikan penjelasan tentang matriks definit positif dan semidefinit positif serta beberapa sifatnya yang akan berguna dalam memahami tulisan ini secara keseluruhan. 2.1 Matriks dan Determinan Definisi 2.1 (Matriks) Matriks merupakan kumpulan bilangan yang disusun dalam bentuk persegi panjang atau bujur sangkar dan setiap matriks akan mempunyai baris dan kolom. Secara umum matriks yang berukuran dapat ditulis dengan dengan adalah unsur matriks pada baris ke- dan kolom ke-, dan 1,2,,; 1,2,,. Matriks dapat ditulis dalam bentuk: Definisi 2.2 (Determinan) Determinan dari suatu matriks berukuran, dinyatakan sebagai det adalah suatu skalar yang diasosiasikan dengan matriks dan didefinisikan sebagai berikut: det, jika 1, jika 1 dengan 1 det, 1,, adalah kofaktor-kofaktor yang diasosiasikan dengan entri-entri dalam baris pertama dari. Berikut ini akan diberikan pengertian beberapa jenis matriks dan sifat-sifatnya yang berhubungan dengan tulisan ini. Definisi 2.3 (Matriks Transpos) Transpos dari suatu matriks berukuran, ditulis adalah matriks berukuran yang diperoleh dengan mengganti setiap baris dari menjadi kolom dan sebaliknya, sehingga jika, maka. Teorema 2.1 (Beberapa Aturan Aljabar pada Matriks Transpos) [bukti lihat Leon 2001]

11 2 Definisi 2.4 (Matriks Simetrik) Suatu matriks berukuran disebut simetrik jika. Contoh 2.1: Misalkan matriks Karena matriks, maka matriks disebut matriks simetrik. Definisi 2.5 (Matriks Satuan) Matriks satuan adalah matriks berukuran dengan, 1, jika 0, jika dan berlaku untuk sembarang matriks berukuran. Definisi 2.6 (Matriks Permutasi) Suatu matriks berukuran disebut matriks permutasi, jika pada setiap baris dan kolomnya mempunyai tepat satu entri yang benilai 1 (satu) dan entri yang lainnya bernilai 0 (nol). [Horn & Johnson 1985] Contoh 2.2: Matriks adalah suatu matriks permutasi dan adalah suatu permutasi dari baris matriks Definisi 2.7 (Matriks Taksingular dan Matriks Invers) Suatu matriks berukuran dikatakan taksingular atau mempunyai invers (invertible) jika terdapat matriks sehingga. Matriks disebut sebagai invers perkalian dari. Contoh 2.3: Matriks adalah invers dari 2 4 karena Teorema 2.2 (Sifat Matriks Invers) Jika adalah suatu matriks yang mempunyai invers (invertible), maka untuk sembarang skalar taknol k, matriks. [Anton 2000] Bukti: Jika k adalah sembarang skalar taknol, maka untuk membuktikan teorema di atas, sesuai dengan Definisi 2.7 akan ditunjukkan bahwa:. a... b... Jadi terbukti bahwa. Teorema 2.3 Suatu matriks berukuran adalah singular, jika dan hanya jika det 0. (bukti di Lampiran 1) Karena implikasi suatu pernyataan setara dengan kontraposisinya, ~~ dan ~~ maka ~~. Jadi pernyataan pada Teorema 2.3 setara dengan pernyataan: Suatu matriks berukuran adalah taksingular, jika dan hanya jika det 0.

12 3 Teorema 2.4 Jika adalah matriks taksingular, maka merupakan matriks taksingular dan. [Anton 2000] Bukti: Sesuai dengan Definisi 2.7 akan ditunjukkan. Dari Teorema 2.1 diperoleh: Jadi terbukti bahwa. Definisi 2.8 (Matriks Segitiga) Suatu matriks berukuran disebut matriks segitiga atas (upper triangular) jika 0 untuk dan matriks segitiga bawah (lower triangular) jika 0 untuk. disebut juga matriks segitiga (triangular) jika matriks segitiga atas atau matriks segitiga bawah. Contoh 2.4: dan keduanya adalah matriks segitiga. Yang pertama adalah matriks segitiga atas dan yang kedua adalah matriks segitiga bawah. Definisi 2.9 (Matriks Diagonal) Suatu matriks berukuran disebut matriks diagonal jika 0 untuk. Contoh 2.5: Definisi 2.10 (Submatriks) Suatu submatriks dari matriks adalah matriks yang diperoleh dengan menghilangkan baris dan/atau kolom dari. Perlu diketahui bahwa sembarang matriks adalah submatriks dari matriks itu sendiri, yaitu dengan menghilangkan 0 (nol) baris dan 0 (nol) kolom. [Harville 2008] Contoh 2.6: Misalkan diberikan matriks Jika baris kedua dari matriks dihilangkan, maka diperoleh submatriks Jika baris kedua, kolom pertama dan kolom ketiga dari matriks dihilangkan, maka akan diperoleh submatriks Definisi 2.11 (Submatriks Utama) Misalkan himpunan bagian dari 1,2,, dan didefinisikan sebagai matriks yang diperoleh dengan menghilangkan baris dan kolom dari matriks berukuran yang letaknya merupakan komplemen dari himpunan pada. Maka disebut submatriks utama (principal submatrix) dari matriks. Jadi submatriks utama diperoleh dengan menghilangkan baris dan kolom yang bersesuaian, dengan adalah banyaknya elemen dari. [Horn & Johnson 1985] semuanya adalah matriks diagonal. Suatu matriks diagonal adalah matriks segitiga atas juga matriks segitiga bawah. 2.2 Submatriks Berikut ini akan diberikan pengertian tentang submatriks dan jenis-jenisnya yang berhubungan dengan tulisan ini. Contoh 2.7: Misalkan matriks Beberapa submatriks utama yang dimiliki matriks adalah:

13 4 i) 2 10 merupakan submatriks utama yang diperoleh dengan menghilangkan baris dan kolom pertama dan ketiga; ii) 1,3 4 2 merupakan sub- 2 5 matriks utama yang diperoleh dengan menghilangkan baris dan kolom kedua; dan iii) 1,2, merupakan submatriks utama yang diperoleh dengan menghilangkan 0 (nol) baris dan 0 (nol) kolom. Definisi 2.12 (Submatriks Utama yang Pertama) Diberikan suatu matriks berukuran. Misalkan adalah matriks yang terbentuk dengan menghilangkan baris terakhir dan kolom terakhir dari, maka disebut submatriks utama yang pertama (leading principal submatrix) dari dengan yang berukuran 1). Contoh 2.8: Dari Contoh 2.7, submatriks utama yang pertama dari matriks adalah 4; ; dan Teorema 2.5 Jika semua submatriks utama yang pertama dari matriks adalah matriks taksingular, maka terdapat matriks segitiga bawah dan dengan entri-entri 1 pada diagonal utama (unit lower triangular matrix) dan matriks diagonal yang memenuhi. [Golub & van Loan 1985] (bukti di Lampiran 2) Contoh 2.9: Misalkan diberikan matriks Karena determinan submatriks utama yang pertama dari matriks adalah det ; det ; dan det , maka semua submatriks utama yang pertama dari matriks merupakan matriks taksingular. Jadi matriks dapat difaktorisasi ke dalam bentuk perkalian sebagai berikut: dengan , dan Unsur-unsur matriks, dan ditentukan dengan eliminasi Gauss (Golub & van Loan 1985). Matriks pada Contoh 2.9 bukan matriks simetrik. Jika matriks simetrik (dan taksingular), maka Teorema 2.6 menjamin bahwa matriks. Teorema 2.6 Jika adalah matriks taksingular dan simetrik yang memenuhi, maka. [Golub & van Loan 1985] (bukti di Lampiran 3) Contoh 2.10: Misalkan diberikan matriks simetrik

14 5 Karena det 500, maka dapat difaktorisasi ke dalam bentuk perkalian sebagai berikut: Partisi Matriks dan Operasi- Operasinya Berikut ini akan dijelaskan tentang partisi suatu matriks dan invers dari matriks yang dipartisi. Definisi 2.13 (Partisi Matriks) Matriks dapat dipartisi menjadi matriksmatriks yang lebih kecil dengan cara menggambar garis-garis horizontal antara baris-baris dan garis-garis vertikal antara kolom-kolom. Matriks-matriks yang lebih kecil seringkali disebut blok. Contoh 2.11: Misalkan matriks Jika garis-garis digambarkan antara baris kedua dan baris ketiga, serta antara kolom ketiga dan keempat, maka akan terbagi menjadi empat blok, yaitu,,, dan dengan , , , dan Teorema 2.7 (Determinan Matriks yang Dipartisi) Misalkan adalah matriks segi yang dipartisi menjadi dengan matriks berukuran dan matriks berukuran. Jika matriks taksingular, maka det det det. (bukti lihat Lampiran 4) [Zhang 1999] Teorema 2.8 (Invers Matriks yang Dipartisi) Misalkan merupakan matriks yang dipartisi dan mempunyai invers matriks yang juga merupakan matriks yang dipartisi dengan bentuk dengan,, dan adalah matriks segi. Jika adalah submatriks utama dari matriks, maka diperoleh:,,,. [Zhang 1999] (bukti di Lampiran 5) Teorema 2.9 Misalkan dan adalah matriks taksingular, serta dan berturut-turut adalah matriks berukuran dan. Jika matriks taksingular, maka dengan adalah himpunan matriks bernilai real dan berukuran. (bukti di Lampiran 6) [Zhang 1999] 2.4 Matriks Definit Positif dan Semidefinit Positif Berikut ini akan diberikan pengertian tentang matriks definit positif dan semidefinit positif serta beberapa sifatnya. Terlebih dahulu akan dibahas pengertian bentuk kuadrat.

15 6 Definisi 2.14 (Bentuk Kuadrat) Suatu persamaan kuadrat dengan dua variabel dan adalah suatu persamaan berbentuk: 2 0. (1) Persamaan (1) dapat ditulis ulang dalam bentuk: 0. (2) Misalkan dan maka bentuk 2 dinamakan bentuk kuadrat yang berhubungan dengan persamaan (1). Definisi 2.15 (Matriks Definit Positif dan Semidefinit Positif) Suatu matriks simetrik berukuran disebut matriks definit positif, jika bentuk kuadrat 0 untuk semua taknol dalam. Jika bentuk kuadrat 0, maka disebut matriks semidefinit positif. Contoh 2.12: Matriks 2 1 merupakan 1 2 matriks definit positif karena bentuk kuadrat untuk 0 0. Matriks 1 1 adalah matriks 1 1 semidefinit positif karena bentuk kuadrat Matriks 1 3 bukan matriks 3 1 definit atau semidefinit positif karena bentuk kuadrat dapat bernilai positif atau negatif. Teorema 2.10 Misalkan matriks simetrik berukuran dan adalah submatriks utama yang pertama dari matriks dengan 1,2,,, maka adalah matriks definit positif jika dan hanya jika det 0. [bukti lihat Horn & Johnson 1985] Contoh 2.13: Misalkan diberikan matriks simetrik dan submatriks utama yang pertama dari matriks seperti pada Contoh 2.8. Karena determinan submatriks utama yang pertama dari matriks adalah: i) det 4 40; ii) det ; dan iii) det maka sesuai dengan Teorema 2.10, matriks adalah matriks definit positif. Matriks-matriks definit positif mempunyai beberapa sifat, di antaranya: Teorema Jika adalah matriks definit positif, maka det Jika adalah matriks definit positif, maka matriks taksingular. Bukti: 1. Jika adalah matriks definit positif maka sesuai dengan Teorema 2.10, det 0 dengan 1,2,,. Karena maka det det, jadi det Karena det 0, maka terbukti matriks definit positif adalah matriks taksingular. Teorema 2.12 (Invers Matriks Definit Positif) Jika adalah matriks definit positif, maka matriks definit positif. [Horn & Johnson 1985]

16 7 Bukti: Perhatikan persamaan. Karena matriks definit positif, maka taksingular. Jadi terdapat yang merupakan solusi persamaan tersebut. Maka bentuk kuadrat. Karena adalah matriks definit positif, maka 0 untuk semua di. Jadi 0, untuk semua di. Untuk membuktikan bahwa juga matriks simetrik, maka akan ditunjukkan. Dari Teorema 2.4, dan karena adalah matriks definit positif, maka adalah matriks simetrik. Sehingga diperoleh. Jadi terbukti bahwa matriks simetrik. Oleh karena itu, terbukti bahwa adalah matriks definit positif. Teorema 2.13 Jika matriks merupakan matriks definit positif berukuran dan matriks adalah sembarang matriks berukuran, maka matriks adalah matriks semidefinit positif. [Horn & Johnson 1985] Bukti: Karena matriks definit positif, maka 0 untuk semua di. Misalkan matriks sembarang. Bentuk kuadrat matriks adalah 0 untuk semua di. Karena dan sembarang maka terdapat kemungkinan. Oleh karena itu, bentuk kuadrat 0 untuk semua di. Untuk membuktikan bahwa juga matriks simetrik, maka akan ditunjukkan. Dari Teorema 2.1 diperoleh, dan karena adalah matriks definit positif, maka adalah matriks simetrik. Sehingga diperoleh dan terbukti matriks merupakan matriks simetrik. Jadi sesuai dengan Definisi 2.15, adalah matriks semidefinit positif. Teorema 2.14 Semua submatriks utama dari matriks definit positif adalah matriks definit positif. [Horn & Johnson 1985] Bukti: Misalkan adalah submatriks utama dari matriks definit positif (Definisi 2.11) dan misalkan adalah vektor dengan entri taknol yang berubah posisi menyesuaikan pada dan mempunyai entri nol selainnya. Didefinisikan sebagai vektor yang diperoleh dari dengan menghilangkan entri nol yang dimiliki oleh. Untuk membuktikan submatriks utama dari matriks definit positif juga merupakan matriks definit positif, sesuai dengan Definisi 2.15 akan diperlihatkan bahwa 0 untuk semua taknol dalam. Menurut definisi,, dan diperoleh 0 untuk taknol dalam. Jadi terbukti bahwa submatriks utama dari matriks definit positif juga merupakan matriks definit positif. Contoh 2.14: Misalkan diberikan matriks definit positif dan submatriks utama matriks pada Contoh 2.7, maka akan diperlihatkan bahwa semua submatriks utama juga merupakan matriks definit positif. i) Submatriks utama berukuran , 0 dan 1, 0 maka dengan 0. Terbukti 1 adalah matriks definit positif. Dengan cara yang sama dapat ditunjukkan bahwa 2 dan 3 juga matriks definit positif (Lampiran 7). ii) Submatriks utama berukuran 22 1, , dan 0 1,2, maka 1,2 1,21,2

17 dengan 0 dan 0. Terbukti 1,2 adalah matriks definit positif. Dengan cara yang sama dapat ditunjukkan bahwa 1,3 dan 2,3 juga matriks definit positif (Lampiran 7). iii) Submatriks utama berukuran Karena 1,2, , dan diketahui adalah matriks definit positif, maka 1,2,3 juga merupakan matriks definit positif. III PEMBAHASAN Pada bab ini akan dijelaskan mengenai matriks kuasidefinit dan beberapa sifatnya antara lain: matriks kuasidefinit merupakan matriks taksingular; invers dari matriks kuasidefinit merupakan matriks kuasidefinit; dan matriks kuasidefinit merupakan matriks strongly factorizable; yang merupakan inti dari tulisan ini. 3.1 Matriks Kuasidefinit Definisi 3.1 Suatu matriks simetrik dikatakan kuasidefinit jika mempunyai bentuk: (3) dengan dan adalah matriks definit positif dengan, 0. [Vanderbei 1995] Contoh 3.1: Misalkan diberikan matriks merupakan matriks kuasidefinit dengan matriks matriks definit positif (Contoh 2.12) dan juga matriks definit positif (Contoh 2.13). Sedangkan matriks bukan merupakan matriks kuasidefinit karena matriks 1 3 bukan matriks definit 3 1 positif (Contoh 2.12). 3.2 Sifat-sifat Matriks Kuasidefinit Berikut ini akan dijelaskan sifat-sifat dari matriks kuasidefinit. Teorema 3.1 Matriks kuasidefinit merupakan matriks taksingular. [Vanderbei 1995] Bukti: Menurut Teorema 2.3, untuk membuktikan bahwa merupakan matriks taksingular adalah dengan menunjukkan bahwa det 0. Karena adalah matriks definit positif (oleh karena itu taksingular), maka matriks taksingular (Teorema 2.2). Sesuai dengan Teorema 2.7 didapat det det det. (4) Karena matriks taksingular, maka sesuai dengan Teorema 2.3, det 0. Begitu pula karena matriks merupakan matriks definit positif (bukti lihat Lampiran 8), maka det 0 (Teorema 2.11).

18 9 Jadi det 0. Dengan demikian, terbukti bahwa matriks merupakan matriks taksingular. Teorema 3.2 Invers dari matriks kuasidefinit adalah, dengan: (6) (7), (8) dari Teorema 2.9, Persamaan (6) akan menjadi:. (9) Dan merupakan matriks kuasidefinit. Bukti: Sesuai [Vanderbei 1995] dengan Teorema 2.8 bahwa, (10) dengan: (11) (12), (13) dari Teorema 2.9, Persamaan (11) akan menjadi:. (14) (bukti perhitungan di atas pada Lampiran 9) Untuk membuktikan bahwa merupakan matriks kuasidefinit, berdasarkan Definisi 3.1 akan ditunjukkan bahwa dan adalah matriks definit positif sebagai berikut: i) Matriks merupakan invers dari matriks (Sifat 3.1). Karena matriks adalah matriks definit positif dan sesuai dengan Teorema 2.12, maka matriks adalah matriks definit positif. ii) Akan dibuktikan merupakan matriks definit positif. a. Karena matriks definit positif berukuran, maka matriks definit positif berukuran (Teorema 2.12). b. Karena matriks definit positif berukuran dan sembarang matriks berukuran, maka matriks semidefinit positif berukuran (Teorema 2.13). c. Misalkan adalah vektor taknol sembarang di. Maka. Karena matriks semidefinit positif berukuran, maka 0 dan karena matriks definit positif berukuran, maka 0, sehingga bentuk kuadrat 0 untuk sembarang vektor taknol di. Jadi terbukti bahwa matriks merupakan matriks definit positif. d. Untuk membuktikan matriks simetrik akan ditunjukkan:. Dari Teorema 2.1, didapat. Karena matriks definit positif, maka matriks simetrik, jadi. Sedangkan sesuai dengan Teorema 2.1, matriks. Karena matriks definit positif, maka matriks simetrik, jadi. Jadi. Sehingga terbukti bahwa matriks merupakan matriks simetrik. Jadi terbukti bahwa matriks adalah matriks definit positif. e. Karena matriks adalah invers dari maka menurut Teorema 2.12, maka matriks adalah matriks definit positif.

19 10 Dengan demikian terbukti bahwa matriks merupakan matriks kuasidefinit. 3.3 Faktorisasi Matriks Kuasidefinit Setelah dibahas mengenai definisi dan beberapa sifat matriks kuasidefinit, berikutnya akan dibahas mengenai sifat matriks kuasidefinit yang berhubungan dengan faktorisasi. Terlebih dahulu akan diberikan definisi faktorisasi. Contoh 3.2: Misalkan matriks kuasidefinit Definisi 3.2 Matriks simetrik taksingular dikatakan dapat difaktorisasi (factorizable) jika terdapat matriks diagonal dan matriks segitiga bawah dengan elemen-elemen 1 pada diagonal utamanya (unit lower triangular matrix) yang memenuhi. Pasangan matriks, disebut faktorisasi dari matriks. [Vanderbei 1995] Dapat difaktorisasi ke dalam hasil kali sebagai berikut: , maka sesuai dengan Definisi 3.2 matriks dikatakan dapat difaktorisasi (factorizable). Definisi 3.3 Matriks simetrik taksingular dikatakan strongly factorizable jika terdapat faktorisasi untuk setiap matriks permutasi dengan adalah matriks diagonal dan adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonal utamanya (unit lower triangular matrix). [Vanderbei 1995] Contoh 3.3: Misalkan matriks simetrik 4 2 1, karena det 1080, maka matriks taksingular. Untuk menunjukkan bahwa matriks strongly factorizable, maka faktorisasi harus berlaku untuk semua matriks permutasi. Karena matriks berukuran 33, maka terdapat 3! 6 matriks permutasi berukuran 3 3. Akan ditunjukkan untuk setiap matriks permutasi terdapat faktorisasi, dengan adalah matriks diagonal dan adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonal utamanya, sebagai berikut:

20 Matriks permutasi Dapat difaktorisasi ke dalam hasil kali sebagai berikut: Matriks permutasi Dapat difaktorisasi ke dalam hasil kali sebagai berikut: Matriks permutasi Dapat difaktorisasi ke dalam hasil kali sebagai berikut: Matriks permutasi Dapat difaktorisasi ke dalam hasil kali sebagai berikut: Matriks permutasi Dapat difaktorisasi ke dalam hasil kali sebagai berikut:

21 Matriks permutasi Dapat difaktorisasi ke dalam hasil kali sebagai berikut: Karena untuk semua matriks permutasi, terbukti matriks, maka sesuai dengan Definisi 3.3, maka matriks strongly factorizable. Dari Contoh 3.3 di atas, untuk membuktikan suatu matriks simetrik taksingular strongly factorizable, dengan menggunakan Definisi 3.3 terlalu banyak faktorisasi yang harus diperiksa yaitu sebanyak!, sehingga diperlukan cara yang lebih praktis. Berikut ini akan dijelaskan sifat matriks kuasidefinit yang berhubungan dengan faktorisasi dan pembuktiannya menggunakan Teorema 2.5 dan Teorema 2.6. Teorema 3.3 Matriks kuasidefinit merupakan matriks strongly factorizable. [Vanderbei 1995] Bukti: Misalkan adalah submatriks utama yang pertama dari dan adalah matriks permutasi berukuran dengan 1. Untuk membuktikan teorema di atas, akan ditunjukkan bahwa semua merupakan matriks taksingular. Submatriks utama yang pertama dari mempunyai persamaan, dengan adalah submatriks utama dari matriks kuasidefinit dan himpunan bagian dari 1,2,,. Submatriks utama mempunyai bentuk, dengan dan adalah submatriks utama dari matriks dan (Ilustrasi diberikan pada Lampiran 10). Karena dan adalah submatriks utama dari matriks dan, sesuai dengan Teorema 2.14, maka dan adalah matriks definit positif. Jadi adalah matriks kuasidefinit (Definisi 3.1). Oleh karena itu, sesuai dengan Teorema 3.1 terbukti bahwa adalah matriks taksingular. Karena dan semua matriks permutasi merupakan matriks taksingular maka taksingular. Sesuai dengan Teorema 2.5 dan Teorema 2.6 maka matriks dapat difaktorisasi ke dalam hasil kali. Jadi sesuai dengan Definisi 3.3 dapat dinyatakan bahwa matriks kuasidefinit merupakan matriks strongly factorizable. Selanjutnya, dari Contoh 3.2 dan Contoh 3.3 dapat dibuat suatu teorema tentang hubungan antara matriks yang dapat difaktorisasi (factorizable) dengan matriks strongly factorizable.

22 Teorema 3.4 Jika suatu matriks strongly factorizable, maka matriks tersebut dapat difaktorisasi (factorizable). Bukti: Misalkan matriks (berukuran ) strongly factorizable. Sesuai dengan Definisi 3.3, terdapat faktorisasi untuk setiap matriks permutasi. Jika dipilih matriks permutasi, maka terdapat faktorisasi. Sesuai dengan Definisi 3.2, maka matriks dapat difaktorisasi (factorizable). Dari Contoh 3.3 bagian 1, terlihat apabila suatu matriks strongly factorizable, maka matriks factorizable (pada saat matriks permutasi ). Berikut ini diberikan contoh suatu matriks simetrik taksingular factorizable tapi tidak strongly factorizable. Contoh 3.4: Misalkan matriks 2 1, karena 1 0 det 1 0, maka matriks taksingular. Oleh karena itu, matriks dapat difaktorisasi ke dalam hasil kali sebagai berikut: Dari Definisi 3.2, terbukti matriks factorizable. Namun jika dipilih matriks permutasi 0 1, maka diperoleh matriks Matriks tidak dapat difaktorisasi ke dalam hasil kali, karena bila dilihat bentuk umum perkalian pada matriks berukuran 22 sebagai berikut: Karena pada matriks elemen pada baris dan kolom pertama bernilai nol (0), maka akan mengakibatkan nilai 0, oleh karena itu untuk semua matriks segitiga bawah dengan elemen 1 pada diagonal utamanya. Jadi matriks tidak dapat difaktorisasi ke dalam hasil kali. Oleh karena itu, matriks bukan matriks strongly factorizable. IV SIMPULAN DAN SARAN 4.1 Simpulan Berdasarkan pembahasan yang telah diuraikan di atas, diperoleh beberapa simpulan sebagai berikut: i) Matriks kuasidefinit merupakan matriks taksingular. ii) Invers dari matriks kuasidefinit merupakan matriks kuasidefinit. iii) Matriks kuasidefinit merupakan matriks strongly factorizable. 4.2 Saran Bagi yang beminat mengembangkan tulisan ini, dapat menggunakan hasil pada tulisan ini untuk diaplikasikan pada metode titik interior (interior-point method) untuk pemrograman linear dan kuadratik.

23 DAFTAR PUSTAKA Anton H Dasar-dasar Aljabar Linear. Ed. Ke-7. Hari Suminto, alih bahasa. Batam: Interaksara. Terjemahan dari: Elementary Linear Algebra. Golub GH, van Loan CF Matrix Computations. Maryland: The Johns Hopkins University Press. Harville DA Matrix Algebra from a Statistician's Perspective, 2nd printing Leon SJ Aljabar Linear dan Aplikasinya. Ed. ke-5. Bondan A, alih bahasa. Jakarta: Erlangga. Terjemahan dari: Linear Algebra with Applications. Vanderbei RJ Symmetric quasi-definite matrices. SIAM J. Optimization 5(1): Zhang F Matrix Theory: Basic Results and Techniques. New York: Springer-Verlag. Horn RA, Johnson CR Matrix Analysis. New York: Cambridge University Press.

24 LAMPIRAN

25 16 Lampiran 1 Pembuktian Teorema 2.3 Sebelum membuktikan Teorema 2.3, terlebih dahulu diberikan beberapa definisi yang berhubungan dengan pembuktian Teorema 2.3. Definisi 1 (Matriks Eselon Baris) Suatu matriks dikatakan memiliki bentuk eselon baris jika: i) Entri bukan nol pertama setiap baris adalah 1. ii) Jika baris k tidak seluruhnya mengandung nol, maka banyaknya entri nol di bagian depan pada baris k + 1 lebih besar dari banyaknya entri nol di bagian depan pada baris k. iii) Jika terdapat baris-baris yang entrinya semua adalah nol, maka baris-baris ini berada di bawah baris-baris yang memiliki entri-entri bukan nol. Contoh 1: 1. Matriks-matriks berikut memiliki bentuk eselon baris, , 0 0 1, Matriks-matriks berikut tidak memiliki bentuk eselon baris, , , Matriks pertama tidak memenuhi syarat (i), matriks kedua gagal memenuhi syarat (iii) dan matriks ketiga gagal memenuhi syarat (ii). Definisi 2 (Matriks Elementer) Suatu matriks yang diperoleh dari matriks satuan I dengan melakukan satu operasi baris elementer disebut matriks elementer. Terdapat tiga jenis matriks elementer yang berkorespondensi dengan ketiga jenis operasi baris elementer. Jenis I. Matriks elementer jenis I adalah matriks yang diperoleh dengan mempertukarkan dua baris dari I. Contoh 2: Misalkan adalah matriks elementer jenis I, karena diperoleh dengan mempertukarkan kedua baris yang pertama dari I. Misalkan matriks 33, Mengalikan di sebelah kiri dengan akan mempertukarkan baris pertama dan kedua dari. Mengalikan di sebelah kanan dengan adalah ekuivalen dengan operasi kolom elementer yang mempertukarkan kolom pertama dan kedua dari.

26 17 Jenis II. Matriks elementer jenis II adalah matriks yang diperoleh dengan mengalikan satu baris dari I dengan konstanta taknol. Contoh 3: Misalkan adalah matriks elementer jenis II, dan misalkan matriks 33 maka Perkalian di sebelah kiri oleh akan melakukan operasi baris elementer dengan mengalikan baris ketiga dari oleh 3. Sedangkan perkalian di sebelah kanan oleh akan melakukan operasi kolom elementer dengan mengalikan kolom ketiga dari oleh 3. Jenis III. Matriks elementer jenis III adalah matriks yang diperoleh dari I dengan menjumlahkan kelipatan dari satu baris pada baris yang lain. Contoh 4: Misalkan adalah satu matriks elementer jenis III. Jika matriks 33 maka Perkalian di sebelah kiri oleh akan menjumlahkan 3 kali baris ketiga pada baris pertama dari, sedangkan perkalian di sebelah kanan oleh akan menjumlahkan 3 kali kolom pertama pada kolom ketiga dari. Teorema 1 Jika dan adalah matriks-matriks berukuran, maka det det det. Bukti Teorema 2.3 [bukti lihat Leon 2001] Matriks dapat direduksi menjadi bentuk eselon baris dengan operasi-operasi baris yang berhingga banyaknya. Jadi... dengan berbentuk eselon baris dan semua adalah,,matriks elementer. det det... det det... det det. Karena determinan-determinan dari semuanya taknol, maka det 0 jika dan hanya jika det 0. Jika matriks singular, maka matriks memiliki baris dengan seluruh elemen bernilai nol dan dengan demikian det 0. Jika matriks taksingular, maka matriks segitiga yang elemenelemen diagonalnya bernilai 1 sehingga det 10.

27 18 Lampiran 2 Pembuktian Teorema 2.5 Sebelum membuktikan Teorema 2.5, diberikan teorema yang berhubungan dengan pembuktian teorema tersebut. Teorema 2 Jika adalah matriks berukuran dengan submatriks utama yang pertama semuanya taksingular, maka matriks dapat difaktorisasi ke dalam hasil kali dengan adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonalnya dan adalah matriks segitiga atas. Bukti: Misalkan adalah matriks berukuran dengan submatriks utama yang pertama semuanya taksingular, maka dapat direduksi menjadi matriks segitiga atas dengan hanya menggunakan operasi baris III (Definisi 2 di Lampiran 1); dengan elemen-elemen diagonal tidak akan pernah menjadi nol pada proses eliminasi, sehingga reduksi dapat berlangsung sempurna tanpa mempertukarkan baris. Proses reduksi berlangsung sebagai berikut:.... Jika matriks dapat direduksi menjadi matriks segitiga atas tanpa melakukan pertukaran baris, maka dapat difaktorisasi ke dalam hasil kali sebagai berikut: dengan... dan adalah matriks segitiga atas. Untuk memperjelas pembuktian teorema di atas, diberikan contoh berikut. Contoh 5: Misalkan matriks Karena determinan submatriks utama yang pertama dari matriks adalah: det 4 40; det ; dan det Maka semua submatriks utama yang pertama dari matriks merupakan matriks taksingular, jadi matriks dapat direduksi menjadi matriks segitiga atas dengan cara matriks dikalikan (dari kiri) dengan serangkaian matriks elementer jenis III sebagai berikut: , sehingga diperoleh: ;

28 , sehingga diperoleh: ; , sehingga diperoleh: Matriks dinyatakan sebagai: Bila diujikan kembali, diperoleh: Jadi terbukti bahwa matriks dapat difaktorisasi ke dalam hasil kali. Bukti Teorema 2.5: Teorema 2 telah menunjukkan bahwa matriks dengan submatriks utama yang pertama semuanya taksingular, maka matriks dapat difaktorisasi ke dalam hasil kali dengan adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonalnya dan adalah matriks segitiga atas. Definisikan matriks diagonal 0 dengan untuk Diketahui bahwa matriks taksingular, maka terdapat matriks yang merupakan matriks segitiga atas dengan elemen-elemen 1 pada diagonalnya. Karena. Jadi terbukti bahwa matriks dapat difaktorisasi ke dalam bentuk perkalian. [Golub & van Loan 1985]

29 20 Lampiran 3 Pembuktian Teorema 2.6 Bukti Teorema 2.6: Misalkan matriks simetrik, taksingular dan memenuhi faktorisasi dengan dan adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonalnya dan adalah matriks diagonal. Jika adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonalnya, maka juga merupakan matriks segitiga bawah dengan elemen-elemen 1 pada diagonalnya (seperti pada Contoh 5 di Lampiran 2). Oleh karena itu, bila matriks simetrik dikalikan dari kiri dan kanan oleh matriks akan dan akan diperoleh matriks yang merupakan matriks diagonal. Karena, maka merupakan matriks diagonal juga. Karena adalah matriks diagonal dan taksingular, maka adalah matriks diagonal. Namun karena matriks adalah matriks segitiga bawah dengan elemen-elemen 1 pada diagonalnya, maka haruslah. Hal ini membuktikan bahwa matriks. [Golub & van Loan 1985] Lampiran 4 Pembuktian Teorema 2.7 Terlebih dahulu diberikan definisi dan teorema yang berhubungan dengan pembuktian Teorema 2.7. Definisi 3 (Perkalian Blok) Misalkan matriks berukuran dan matriks berukuran. Perkalian blok matriks dan dapat dibedakan menjadi 4 kasus, yaitu: Kasus 1, dengan matriks dan matriks, maka Kasus 2, dengan matriks dan matriks, maka Kasus 3 dan, dengan matriks dan matriks, matriks dan matriks, maka Kasus 4 Misalkan dan keduanya dipartisi sebagai berikut: dan maka,

30 21 Contoh 6: Misalkan maka Definisi 4 (Operasi Dasar pada Matriks Dipartisi) Operasi baris dasar atau operasi kolom dasar pada matriks yang dipartisi dibedakan menjadi tiga operasi, yaitu: I. Penukaran dua (blok) baris (kolom) II. Mengalikan (blok) baris (kolom) dari kiri (kanan) dengan suatu matriks taksingular yang berukuran tepat III. Mengalikan (blok) baris (kolom) dengan suatu matriks dari kiri (kanan), lalu menambahkan pada baris (kolom) yang lain. [Zhang 1999] Contoh 7: Misalkan I. Jika dilakukan penukaran antara baris pertama dan kedua, maka matriks menjadi: II. Jika baris pertama dikalikan dengan matriks 2 1 dari kanan, maka matriks A 1 3 menjadi:

31 22 III. Jika baris kedua dikalikan dengan matriks 1 pertama, maka matriks menjadi: 1 dari kiri, lalu ditambahkan pada baris Teorema 3 Jika adalah matriks segitiga atas atau bawah yang berukuran, maka determinan dari sama dengan hasil kali elemen-elemen diagonal matriks. [bukti lihat Leon 2001] Definisi 5 (Pengaruh Operasi Baris pada Nilai Determinan ) Pengaruh-pengaruh dari operasi-operasi baris atau kolom pada nilai determinan suatu matriks adalah sebagai berikut: I. Pertukaran dua baris (atau kolom) dari suatu matriks akan mengubah tanda dari determinan. II. Mengalikan satu baris (atau kolom) dari suatu matriks dengan suatu skalar sama akibatnya dengan mengalikan nilai dari determinan dengan skala r tersebut. III. Menjumlahkan perkalian dari satu baris (atau kolom) pada baris lain (atau kolom lain) tidak akan mengubah nilai dari determinan. Bukti Teorema 2.7 Jika matriks taksingular maka terdapat matriks sebagai invers dari. Dengan melakukan operasi baris dasar jenis III (Definisi 4) pada matriks, yaitu baris pertama dikalikan dengan matriks (dari kiri) lalu menambahkannya pada baris kedua sehingga diperoleh 0. Sesuai dengan Definisi 5, maka det det, lalu dari Teorema 3 diketahui det det dengan Teorema 1 (di Lampiran 1), terbukti bahwa det det det.

32 23 Lampiran 5 Pembuktian Teorema 2.8 Akan dibuktikan invers dari matriks adalah dengan,,,. Bukti Teorema 2.8: Dari setiap matriks yang mempunyai invers dapat dituliskan sebagai perkalian dari matriks elementer, sehingga dapat ditulis: ~, yang berarti dengan menerapkan operasi baris pada akan diperoleh melalui matriks. Diberikan matriks perluasan berikut: 0 0 lalu dilakukan operasi baris dasar (Definisi 4 di Lampiran 4), 1. Baris pertama dikalikan dengan matriks (dari kiri), sehingga diperoleh: Baris pertama dikalikan dengan matriks (dari kiri), lalu ditambahkan pada baris kedua diperoleh: Baris kedua dapat dikalikan dengan (dari kiri) untuk memperoleh: Dengan mengalikan (dari kiri) baris kedua dengan matriks, lalu menambahkannya pada baris pertama diperoleh: 0 0 Jadi terbukti bahwa invers matriks yang dipartisi adalah dengan,,,. [Zhang 1999]

33 24 Lampiran 6 Pembuktian Teorema 2.9 Akan dibuktikan bahwa dengan dan adalah matriks taksingular, serta dan berturut-turut adalah matriks berukuran dan. Bukti Teorema 2.9: Menurut Definisi 2.6, akan ditunjukkan bahwa... Jadi terbukti bahwa.

34 25 Lampiran 7 Tambahan Contoh 2.14 Dengan cara yang sama pada Contoh 2.14 dapat ditunjukkan bahwa 2 dan 3 juga matriks definit positif sebagai berikut: , dan 2, 0 maka dengan , 0 dan 3, maka dengan 0. Begitu pula dapat ditunjukkan bahwa 1,3 dan 2,3 juga matriks definit positif sebagai berikut: 1, , 0 dan 1,3, maka 1,3 1,31, dengan 0 dan 0. 2, , dan 2,3, maka 2,3 2,32, dengan 0 dan 0.

35 26 Lampiran 8 Tambahan Bukti Teorema 3.1 Akan dibuktikan merupakan matriks definit positif. Bukti: a. Karena matriks definit positif berukuran, maka matriks definit positif berukuran (Teorema 2.12) b. Karena matriks definit positif berukuran dan sembarang matriks berukuran, maka matriks semidefinit positif berukuran (Teorema 2.13) c. Misalkan adalah vektor taknol sembarang di. Maka. Karena matriks semidefinit positif berukuran, maka 0 dan karena matriks definit positif berukuran, maka 0, sehingga bentuk kuadrat 0 untuk sembarang vektor taknol di. d. Untuk membuktikan matriks simetrik, akan ditunjukkan:. Dari Teorema 2.1, didapat. Karena matriks definit positif, maka matriks simetrik, jadi. Sedangkan sesuai Teorema 2.1, matriks. Karena matriks definit positif, maka matriks simetrik, jadi. Jadi. Terbukti bahwa matriks merupakan matriks simetrik. Jadi terbukti bahwa matriks merupakan matriks definit positif.

36 27 Lampiran 9 Tambahan Bukti Teorema 3.2 Akan dibuktikan invers matriks adalah matriks dengan,,,. Bukti: Sesuai dengan Teorema 2.8, invers matriks yang dipartisi adalah, dengan,,,. Jadi untuk matriks akan diperoleh invers matriks yaitu dengan Dengan demikian diperoleh. Sesuai Teorema 2.9, matriks.. Jika,,,, Maka terbukti.

37 28 Lampiran 10 Tambahan Bukti Teorema 3.3 Akan diperlihatkan untuk beberapa matriks permutasi bahwa submatriks utama yang pertama dari yaitu dengan adalah matriks permutasi berukuran dengan 1 dan adalah submatriks utama dari matriks kuasidefinit dengan himpunan bagian dari 1,2,,. Submatriks utama mempunyai bentuk, dengan dan adalah submatriks utama dari matriks dan. Dengan menggunakan matriks kuasidefinit pada Contoh 3.3, yaitu dengan dan Misalkan diberikan beberapa matriks permutasi sebagai berikut: ) , maka Submatriks utama yang pertama dari adalah: , merupakan 1,4, 1 dan 2, dengan ; , merupakan 1,2,4, 1,2 dan 2, dengan 0 0 1; , merupakan 1,2,4,5, 1,2 dan 2,3, dengan ; dan , merupakan 1,2,3,4,5, 1,2 dan 1,2,3, dengan.

38 ) , maka Submatriks utama yang pertama dari adalah: , merupakan 1,3, 1 dan 1, dengan ; , merupakan 1,3,5, 1 dan 1.3, dengan 1 0 0; , merupakan 1,3,4,5, 1 dan 1,2,3, dengan ; dan , merupakan 1,2,3,4,5, 1,2 dan 1,2,3, dengan ) , maka Submatriks utama yang pertama dari adalah: , merupakan 2,5, 2 dan 2, dengan ; , merupakan 2,4,5, 2 dan 2.3, dengan 0 0 1; , merupakan 1,2,4,5, 1,2 dan 2,3, dengan ; dan , merupakan 1,2,3,4,5, 1,2 dan 1,2,3, dengan.

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 1.1 Latar Belakang Matriks merupakan istilah yang digunakan untuk menunjukkan jajaran persegi panjang dari bilangan-bilangan dan setiap matriks akan mempunyai baris dan kolom. Salah satu

Lebih terperinci

Lampiran 1 Pembuktian Teorema 2.3

Lampiran 1 Pembuktian Teorema 2.3 LAMPIRAN 16 Lampiran 1 Pembuktian Teorema 2.3 Sebelum membuktikan Teorema 2.3, terlebih dahulu diberikan beberapa definisi yang berhubungan dengan pembuktian Teorema 2.3. Definisi 1 (Matriks Eselon Baris)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dipaparkan mengenai konsep dasar tentang matriks meliputi definisi matriks, jenis-jenis matriks, operasi matriks, determinan, kofaktor, invers suatu matriks, serta

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa definisi dan teorema dengan atau tanpa bukti yang akan digunakan untuk menentukan regularisasi sistem singular linier. Untuk itu akan diberikan terlebih

Lebih terperinci

Aljabar Linier Elementer. Kuliah 1 dan 2

Aljabar Linier Elementer. Kuliah 1 dan 2 Aljabar Linier Elementer Kuliah 1 dan 2 1.3 Matriks dan Operasi-operasi pada Matriks Definisi: Matriks adalah susunan bilangan dalam empat persegi panjang. Bilangan-bilangan dalam susunan tersebut disebut

Lebih terperinci

MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG

MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG MATRIKS PASCAL DAN SIFAT-SIFATNYA YOGIE BUDHI RANTUNG DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA A Matriks 1 Pengertian Matriks Definisi 21 Matriks adalah kumpulan bilangan bilangan yang disusun secara khusus dalam bentuk baris kolom sehingga membentuk empat persegi panjang

Lebih terperinci

SISTEM PERSAMAAN LINEAR

SISTEM PERSAMAAN LINEAR SISTEM PERSAMAAN LINEAR BAB 1 Dr. Abdul Wahid Surhim POKOK BAHASAN 1.1 Pengantar Sistem Persamaan Linear (SPL) 1.2 Eliminasi GAUSS-JORDAN 1.3 Matriks dan operasi matriks 1.4 Aritmatika Matriks, Matriks

Lebih terperinci

Matriks - 1: Beberapa Definisi Dasar Latihan Aljabar Matriks

Matriks - 1: Beberapa Definisi Dasar Latihan Aljabar Matriks Matriks - 1: Beberapa Definisi Dasar Latihan Aljabar Matriks Kuliah Aljabar Linier Semester Ganjil 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Agustus 2015 MZI (FIF Tel-U) Matriks -

Lebih terperinci

Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk :

Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk : Persamaan Linear Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk : a x + a y = b Persamaan jenis ini disebut sebuah persamaan linear dalam peubah x dan y. Definisi

Lebih terperinci

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI 214 MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI Astri Fitria Nur ani Aljabar Linear 1 1/1/214 1 DAFTAR ISI DAFTAR ISI... i BAB I MATRIKS DAN SISTEM PERSAMAAN A. Pendahuluan... 1 B. Aljabar

Lebih terperinci

BAB II LANDASAN TEORI. yang biasanya dinyatakan dalam bentuk sebagai berikut: =

BAB II LANDASAN TEORI. yang biasanya dinyatakan dalam bentuk sebagai berikut: = BAB II LANDASAN TEORI 2.1 Matriks Definisi 2.1 (Lipschutz, 2006): Matriks adalah susunan segiempat dari skalarskalar yang biasanya dinyatakan dalam bentuk sebagai berikut: Setiap skalar yang terdapat dalam

Lebih terperinci

DIAGONALISASI MATRIKS KOMPLEKS

DIAGONALISASI MATRIKS KOMPLEKS Buletin Ilmiah Mat Stat dan Terapannya (Bimaster) Volume 04, No 3 (2015), hal 337-346 DIAGONALISASI MATRIKS KOMPLEKS Heronimus Hengki, Helmi, Mariatul Kiftiah INTISARI Matriks kompleks merupakan matriks

Lebih terperinci

BAB II KAJIAN PUSTAKA. operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas

BAB II KAJIAN PUSTAKA. operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas BAB II KAJIAN PUSTAKA Pada bab ini akan diuraikan mengenai matriks (meliputi definisi matriks, operasi matriks, determinan dan invers matriks), aljabar max-plus, matriks atas aljabar max-plus, dan penyelesaian

Lebih terperinci

KONSTRUKSI MATRIKS SINGULAR DARI SUATU MATRIKS YANG MEMENUHI SIFAT KHUSUS TUGAS AKHIR

KONSTRUKSI MATRIKS SINGULAR DARI SUATU MATRIKS YANG MEMENUHI SIFAT KHUSUS TUGAS AKHIR KONSTRUKSI MATRIKS SINGULAR DARI SUATU MATRIKS YANG MEMENUHI SIFAT KHUSUS TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh : EKA WAHYUDININGSIH

Lebih terperinci

ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM PERSAMAAN INTERVAL LINEAR

ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM PERSAMAAN INTERVAL LINEAR Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 313 322. ALGORITMA ELIMINASI GAUSS INTERVAL DALAM MENDAPATKAN NILAI DETERMINAN MATRIKS INTERVAL DAN MENCARI SOLUSI SISTEM

Lebih terperinci

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS CIRCULANT, CIRCULANT SIMETRIK, DAN BLOCK CIRCULANT HARYONO HERMANA

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS CIRCULANT, CIRCULANT SIMETRIK, DAN BLOCK CIRCULANT HARYONO HERMANA PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN MATRIKS CIRCULANT, CIRCULANT SIMETRIK, DAN BLOCK CIRCULANT HARYONO HERMANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Persamaan Linier Sistem Persamaan dengan m persamaan dan n bilangan tak diketahui ditulis dengan : Dimana x 1, x 2, x n : bilangan tak diketahui a,b : konstanta Jika SPL

Lebih terperinci

Aljabar Linear. & Matriks. Evangs Mailoa. Pert. 5

Aljabar Linear. & Matriks. Evangs Mailoa. Pert. 5 Aljabar Linear & Matriks Pert. 5 Evangs Mailoa Pengantar Determinan Menurut teorema 1.4.3, matriks 2 x 2 dapat dibalik jika ad bc 0. Pernyataan ad bc disebut sebagai determinan (determinant) dari matriks

Lebih terperinci

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI

PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

ALGORITMA PEMBANGUN MATRIKS KORELASI TUGAS AKHIR

ALGORITMA PEMBANGUN MATRIKS KORELASI TUGAS AKHIR ALGORITMA PEMBANGUN MATRIKS KORELASI TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika oleh HELMAVIRA 0654004474 FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

Aljabar Linear Elementer MA SKS. 07/03/ :21 MA-1223 Aljabar Linear 1

Aljabar Linear Elementer MA SKS. 07/03/ :21 MA-1223 Aljabar Linear 1 Aljabar Linear Elementer MA SKS 7//7 : MA- Aljabar Linear Jadwal Kuliah Hari I Hari II jam jam Sistem Penilaian UTS 4% UAS 4% Quis % 7//7 : MA- Aljabar Linear Silabus : Bab I Matriks dan Operasinya Bab

Lebih terperinci

APLIKASI MATRIKS KOMPANION PADA PENYELESAIAN SISTEM PERSAMAAN DIFERENSIAL LINIER NON HOMOGEN TUGAS AKHIR

APLIKASI MATRIKS KOMPANION PADA PENYELESAIAN SISTEM PERSAMAAN DIFERENSIAL LINIER NON HOMOGEN TUGAS AKHIR APLIKASI MATRIKS KOMPANION PADA PENYELESAIAN SISTEM PERSAMAAN DIFERENSIAL LINIER NON HOMOGEN TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika

Lebih terperinci

TUGAS MANDIRI MATRIKS. Mata Kuliah : Matematika ekonomi

TUGAS MANDIRI MATRIKS. Mata Kuliah : Matematika ekonomi TUGAS MANDIRI MATRIKS Mata Kuliah : Matematika ekonomi NamaMahasiswa : Suriani NIM : 140610098 Kode Kelas Dosen : 141-MA112-M6 : NeniMarlinaPurbaS.Pd UNIVERSITAS PUTERA BATAM 2014 KATA PENGANTAR Puji syukur

Lebih terperinci

uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg

uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg uiopasdfghjklzxcvbnmqwertyuiopasd Qwertyuiopasdfghjklzxcvbnmqwerty cvbnmqwertyuiopasdfghjklzxcvbnmq fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg

Lebih terperinci

Perluasan Teorema Cayley-Hamilton pada Matriks

Perluasan Teorema Cayley-Hamilton pada Matriks Vol. 8, No.1, 1-11, Juli 2011 Perluasan Teorema Cayley-Hamilton pada Matriks Nur Erawati, Azmimy Basis Panrita Abstrak Teorema Cayley-Hamilton menyatakan bahwa setiap matriks bujur sangkar memenuhi persamaan

Lebih terperinci

03-Pemecahan Persamaan Linier (2)

03-Pemecahan Persamaan Linier (2) -Pemecahan Persamaan Linier () Dosen: Anny Yuniarti, M.Comp.Sc Gasal - Anny Agenda Bagian : Matriks Invers Bagian : Eliminasi = Faktorisasi: A = LU Bagian : Transpos dan Permutasi Anny Bagian MATRIKS INVERS

Lebih terperinci

BAB II DETERMINAN DAN INVERS MATRIKS

BAB II DETERMINAN DAN INVERS MATRIKS BAB II DETERMINAN DAN INVERS MATRIKS A. OPERASI ELEMENTER TERHADAP BARIS DAN KOLOM SUATU MATRIKS Matriks A = berdimensi mxn dapat dibentuk matriks baru dengan menggandakan perubahan bentuk baris dan/atau

Lebih terperinci

Part II SPL Homogen Matriks

Part II SPL Homogen Matriks Part II SPL Homogen Matriks SPL Homogen Bentuk Umum SPL homogen dalam m persamaan dan n variabel x 1, x 2,, x n : a 11 x 1 + a 12 x 2 + + a 1n x n = 0 a 21 x 1 + a 22 x 2 + + a 2n x n = 0 a m1 x 1 + a

Lebih terperinci

METODE BARU UNTUK MENGHITUNG DETERMINAN DARI MATRIKS TUGAS AKHIR YESPI ENDRI

METODE BARU UNTUK MENGHITUNG DETERMINAN DARI MATRIKS TUGAS AKHIR YESPI ENDRI METODE BARU UNTUK MENGHITUNG DETERMINAN DARI MATRIKS TUGAS AKHIR Diajukan sebagai salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika oleh: YESPI ENDRI 10854004331 FAKULTAS SAINS

Lebih terperinci

DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN INTISARI

DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN INTISARI Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal. 183-190 DIAGONALISASI MATRIKS ATAS RING KOMUTATIF DENGAN ELEMEN SATUAN Fidiah Kinanti, Nilamsari Kusumastuti, Evi Noviani

Lebih terperinci

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Diagonalisasi Sub bab ini membahas tentang faktorisasi matriks A berorde nn ke dalam hasil kali berbentuk PDP, di mana D adalah matriks diagonal. Jika diperoleh

Lebih terperinci

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN

INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN Saintia Matematika ISSN: 2337-997 Vol 02, No 0 (204), pp 85 94 INVERS SUATU MATRIKS TOEPLITZ MENGGUNAKAN METODE ADJOIN Bakti Siregar, Tulus, Sawaluddin Abstrak: Pencarian invers matriks adalah suatu hal

Lebih terperinci

KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS

KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 279 284. KAJIAN METODE KONDENSASI CHIO PADA DETERMINAN MATRIKS Adrianus Sumitro, Nilamsari Kusumastuti, Shantika Martha

Lebih terperinci

EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH

EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007 ABSTRAK RUDIANSYAH. Evaluasi

Lebih terperinci

BAB III MATRIKS HERMITIAN. dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks

BAB III MATRIKS HERMITIAN. dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks BAB III MATRIKS HERMITIAN Pada bab ini, akan dibahas beberapa konsep penting dari matriks Hermitian dan konsep-konsep lainnya yang berkaitan dengan matriks Hermitian. Matriks Hermitian merupakan kelas

Lebih terperinci

MATRIKS. Notasi yang digunakan NOTASI MATRIKS

MATRIKS. Notasi yang digunakan NOTASI MATRIKS MATRIKS Beberapa pengertian tentang matriks : 1. Matriks adalah himpunan skalar (bilangan riil atau kompleks) yang disusun atau dijajarkan secara empat persegi panjang menurut baris-baris dan kolom-kolom.

Lebih terperinci

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT Nama Mahasiswa : Aprilliantiwi NRP : 1207100064 Jurusan : Matematika Dosen Pembimbing : 1 Soleha, SSi, MSi 2 Dian Winda Setyawati,

Lebih terperinci

Aljabar Linear Elementer MUG1E3 3 SKS

Aljabar Linear Elementer MUG1E3 3 SKS // ljabar Linear Elementer MUGE SKS // 9:7 Jadwal Kuliah Hari I Selasa, jam. Hari II Kamis, jam. Sistem Penilaian UTS % US % Quis % // 9:7 M- ljabar Linear // Silabus : Bab I Matriks dan Operasinya Bab

Lebih terperinci

REGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI

REGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI REGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK

Lebih terperinci

Aljabar Linier Elementer. Kuliah 7

Aljabar Linier Elementer. Kuliah 7 Aljabar Linier Elementer Kuliah 7 Materi Kuliah Ekspansi kofaktor Aturan Cramer 2 2.4 Espansi Kofaktor; Aturan Cramer Definisi: Jika A adalah matriks bujur sangkar, maka minor dari entri a ij dinyatakan

Lebih terperinci

NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL NISA RACHMANI G

NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL NISA RACHMANI G NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL NISA RACHMANI G54103051 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2008 ABSTRACT NISA RACHMANI.

Lebih terperinci

MENENTUKAN NILPOTENT ORDE 4 PADA MATRIKS SINGULAR MENGGUNAKAN TEOREMA CAYLEY HAMILTON TUGAS AKHIR

MENENTUKAN NILPOTENT ORDE 4 PADA MATRIKS SINGULAR MENGGUNAKAN TEOREMA CAYLEY HAMILTON TUGAS AKHIR MENENTUKAN NILPOTENT ORDE 4 PADA MATRIKS SINGULAR MENGGUNAKAN TEOREMA CAYLEY HAMILTON TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh: IRMA

Lebih terperinci

Jln. Perintis Kemerdekaan, Makassar, Indonesia, Kode Pos Perintis Kemerdekaan Street, Makassar, Indonesia, Post Code 90245

Jln. Perintis Kemerdekaan, Makassar, Indonesia, Kode Pos Perintis Kemerdekaan Street, Makassar, Indonesia, Post Code 90245 PERTIDAKSAMAAN DETERMINAN UNTUK MATRIKS SEMIDEFINIT POSITIF Williem Prasetia Widiatno 1), Amir Kamal Amir 2), Naimah Aris 3) williemprasetia@yahoo.com 1), amirkamir@science.unhas.ac.id 2), newima@gmail.com

Lebih terperinci

SISTEM PERSAMAAN LINEAR

SISTEM PERSAMAAN LINEAR Pokok Bahasan : Sistem persamaan linier Sub Pokok Bahasan : Sistem persamaan linier Eliminasi Gauss Eliminasi Gauss Jordan Penyelesaian SPL dengan invers SISTEM PERSAMAAN LINEAR Tujuan : Menyelesaikan

Lebih terperinci

MUH1G3/ MATRIKS DAN RUANG VEKTOR

MUH1G3/ MATRIKS DAN RUANG VEKTOR MUHG3/ MATRIKS DAN RUANG VEKTOR TIM DOSEN Determinan Matriks Determinan Matriks Sub Pokok Bahasan Permutasi dan Determinan Matriks Determinan dengan OBE Determinan dengan Ekspansi Kofaktor Beberapa Aplikasi

Lebih terperinci

Trihastuti Agustinah

Trihastuti Agustinah TE 467 Teknik Numerik Sistem Linear Trihastuti Agustinah Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember O U T L I N E OBJEKTIF 2 3 CONTOH 4 SIMPULAN

Lebih terperinci

BAB 2 LANDASAN TEORI. yang dibicarakan yang akan digunakan pada bab selanjutnya. Bentuk umum dari matriks bujur sangkar adalah sebagai berikut:

BAB 2 LANDASAN TEORI. yang dibicarakan yang akan digunakan pada bab selanjutnya. Bentuk umum dari matriks bujur sangkar adalah sebagai berikut: BAB 2 LANDASAN TEORI Pada bab ini dibicarakan mengenai matriks yang berbentuk bujur sangkar dengan beberapa definisi, teorema, sifat-sifat dan contoh sesuai dengan matriks tertentu yang dibicarakan yang

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI

PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI PENYELESAIAN SISTEM PERSAMAAN LINEAR DENGAN GENERALISASI METODE JACOBI Sandra Roza 1*, M. Natsir 2, Asli Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen JurusanMatematika Fakultas Matematika dan

Lebih terperinci

MENENTUKAN INVERS MOORE PENROSE DARI MATRIKS KOMPLEKS

MENENTUKAN INVERS MOORE PENROSE DARI MATRIKS KOMPLEKS MENENTUKAN INVERS MOORE PENROSE DARI MATRIKS KOMPLEKS skripsi disajikan sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika oleh Astin Wita Yunihapsari 4150407021 JURUSAN

Lebih terperinci

PENYELESAIAN INVERS MATRIKS MENGGUNAKAN METODE GENERALIZED INVERSE TUGAS AKHIR

PENYELESAIAN INVERS MATRIKS MENGGUNAKAN METODE GENERALIZED INVERSE TUGAS AKHIR PENYELESAIAN INVERS MATRIKS MENGGUNAKAN METODE GENERALIZED INVERSE TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika oleh DESI MURNITA 9 FAKULTAS

Lebih terperinci

Operasi Baris Elementer (OBE) dan Eliminasi Gauss-Jordan (EGJ)

Operasi Baris Elementer (OBE) dan Eliminasi Gauss-Jordan (EGJ) Operasi Baris Elementer (OBE) dan Eliminasi Gauss-Jordan (EGJ) Kuliah Aljabar Linier Semester Ganjil 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Agustus 2015 MZI (FIF Tel-U) OBE dan

Lebih terperinci

MODUL IV SISTEM PERSAMAAN LINEAR

MODUL IV SISTEM PERSAMAAN LINEAR MODUL IV SISTEM PERSAMAAN LINEAR 4.. Pendahuluan. Sistem Persamaan Linear merupakan salah satu topik penting dalam Aljabar Linear. Sistem Persamaan Linear sering dijumpai dalam semua bidang penyelidikan

Lebih terperinci

MATA KULIAH : ALJABAR MATRIKS (2 SKS) KODE: MT 304

MATA KULIAH : ALJABAR MATRIKS (2 SKS) KODE: MT 304 MATA KULIAH : ALJABAR MATRIKS (2 SKS) KODE: MT 304 Deskripsi: Perkuliahan ini bertujuan mengembangkan kemampuan mahasiswa memahami konsep-konsep dasar Aljabar Matriks sebagai bekal untuk mengajar matematika

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah : Matematika Diskrit 2 Kode / SKS : IT02 / 3 SKS Program Studi : Sistem Komputer Fakultas : Ilmu Komputer & Teknologi Informasi. Pendahuluan 2. Vektor.. Pengantar mata kuliah aljabar linier.

Lebih terperinci

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I)

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I) ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I) 1 MATERI ALJABAR LINIER VEKTOR DALAM R1, R2 DAN R3 ALJABAR VEKTOR SISTEM PERSAMAAN LINIER MATRIKS, DETERMINAN DAN ALJABAR MATRIKS, INVERS MATRIKS

Lebih terperinci

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Semi Definit dan Indefinit Menggunakan Metode Kuasa Invers dengan Shift

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Semi Definit dan Indefinit Menggunakan Metode Kuasa Invers dengan Shift Menentukan Nilai Eigen Tak Dominan Suatu Matriks Semi Definit dan Indefinit Menggunakan Metode Kuasa Invers dengan Shift Arif Bijaksana 1, Irma Suryani 2 Jurusan Matematika Terapan, Fakultas Sains dan

Lebih terperinci

ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS. Dosen Pengampu: DARMADI, S.Si, M.Pd. Oleh: Kelompok III

ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS. Dosen Pengampu: DARMADI, S.Si, M.Pd. Oleh: Kelompok III ALJABAR LINEAR BASIS RUANG BARIS DAN BASIS RUANG KOLOM SEBUAH MATRIKS Dosen Pengampu: DARMADI, SSi, MPd Oleh: Kelompok III 1 Andik Dwi S (06411008) 2 Indah Kurniawati (06411090) 3 Mahfuat M (06411104)

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Suatu matriks A C m n dikatakan memiliki faktorisasi LU jika matriks tersebut dapat dinyatakan sebagai A = LU dengan L C m m matriks invertibel segitiga bawah

Lebih terperinci

Contoh. C. Determinan dan Invers Matriks. C. 1. Determinan

Contoh. C. Determinan dan Invers Matriks. C. 1. Determinan C. Determinan dan Invers Matriks C.. Determinan Suatu matriks persegi selalu dapat dikaitkan dengan suatu bilangan yang disebut determinan. Determinan dari matriks persegi dinotasikan dengan. Untuk matriks

Lebih terperinci

BASIS RUANG VEKTOR EIGEN SUATU MATRIKS ATAS ALJABAR MAX-PLUS

BASIS RUANG VEKTOR EIGEN SUATU MATRIKS ATAS ALJABAR MAX-PLUS BASIS RUANG VEKTOR EIGEN SUATU MATRIKS ATAS ALJABAR MAX-PLUS oleh PUNDRA ANDRIYANTO M0109057 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika FAKULTAS

Lebih terperinci

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse Matriks Tujuan Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse Pengertian Matriks Adalah kumpulan bilangan yang disajikan secara teratur dalam

Lebih terperinci

MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL. Anis Fitri Lestari. Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK

MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL. Anis Fitri Lestari. Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK MATRIKS UNITER, SIMILARITAS UNITER DAN MATRIKS NORMAL Anis Fitri Lestari Mahasiswa Universitas Muhammadiyah Ponorogo ABSTRAK Matriks normal merupakan matriks persegi yang entri-entrinya bilangan kompleks

Lebih terperinci

BAB 3 FUNGSI MONOTON MATRIKS

BAB 3 FUNGSI MONOTON MATRIKS BAB 3 FUNGSI MONOTON MATRIKS Pada bab ini akan dibahas fungsi monoton matriks. Dalam mengkontruksi fungsi monoton matriks banyak istilah yang harus kita ketahui sebelumnya. Beberapa konsep yang akan dibahas

Lebih terperinci

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks 1.1 LATAR BELAKANG BAB I PENDAHULUAN Teori matriks merupakan salah satu cabang ilmu aljabar linier yang menjadi pembahasan penting dalam ilmu matematika. Sejalan dengan perkembangan ilmu pengetahuan, aplikasi

Lebih terperinci

MATRIKS A = ; B = ; C = ; D = ( 5 )

MATRIKS A = ; B = ; C = ; D = ( 5 ) MATRIKS A. DEFINISI MATRIKS Matriks adalah suatu susunan bilangan berbentuk segi empat dari suatu unsur-unsur pada beberapa sistem aljabar. Unsur-unsur tersebut bisa berupa bilangan dan juga suatu peubah.

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR

PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI QR TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika Oleh :

Lebih terperinci

SEMINAR NASIONAL BASIC SCIENCE II

SEMINAR NASIONAL BASIC SCIENCE II ISBN : 978--97-- PROSEDING SEMINAR NASIONAL BASIC SCIENCE II Konstribusi Sains Untuk Pengembangan Pendidikan, Biodiversitas dan Metigasi Bencana Pada Daerah Kepulauan SCIENTIFIC COMMITTEE: Prof. H.J. Sohilait,

Lebih terperinci

MATRIKS DAN OPERASINYA. Nurdinintya Athari (NDT)

MATRIKS DAN OPERASINYA. Nurdinintya Athari (NDT) MATRIKS DAN OPERASINYA Nurdinintya Athari (NDT) MATRIKS DAN OPERASINYA Sub Pokok Bahasan Matriks dan Jenisnya Operasi Matriks Operasi Baris Elementer Matriks Invers (Balikan) Beberapa Aplikasi Matriks

Lebih terperinci

INVERSE EIGENVALUE PROBLEM UNTUK MATRIKS TRIDIAGONAL SIMETRIK NURFAUZIAH

INVERSE EIGENVALUE PROBLEM UNTUK MATRIKS TRIDIAGONAL SIMETRIK NURFAUZIAH INVERSE EIGENVALUE PROBLEM UNTUK MATRIKS TRIDIAGONAL SIMETRIK NURFAUZIAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI SKRIPSI

Lebih terperinci

Matematika Teknik I: Matriks, Inverse, dan Determinan. Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015

Matematika Teknik I: Matriks, Inverse, dan Determinan. Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015 Matematika Teknik I: Matriks, Inverse, dan Determinan Oleh: Dadang Amir Hamzah STT DR. KHEZ MUTTAQIEN 2015 Dadang Amir Hamzah (STT) Matematika Teknik I Semester 3, 2015 1 / 33 Outline 1 Matriks Dadang

Lebih terperinci

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel.

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel. 1. Persamaan Linier 5. PERSAMAAN LINIER Persamaan linier adalah suatu persamaan yang variabel-variabelnya berpangkat satu. Disamping persamaan linier ada juga persamaan non linier. Contoh : a) 2x + 3y

Lebih terperinci

Sistem Persamaan Linier dan Matriks

Sistem Persamaan Linier dan Matriks Sistem Persamaan Linier dan Matriks 1.1 Pendahuluan linier: Sebuah garis pada bidang- dapat dinyatakan secara aljabar dengan sebuah persamaan Sebuah persamaan jenis ini disebut persamaan linier dalam dua

Lebih terperinci

Pertemuan 2 Matriks, part 2

Pertemuan 2 Matriks, part 2 Pertemuan 2 Matriks, part 2 Beberapa Jenis Matriks Khusus 1. Matriks Bujur Sangkar Suatu matriks dengan banyak baris = banyak kolom = n disebut matriks bujur sangkar berukuran n (berordo n). Barisan elemen

Lebih terperinci

(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66

(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66 MATRIKS Departemen Matematika FMIPA-IPB Bogor, 2012 (Departemen Matematika FMIPA-IPB) Matriks Bogor, 2012 1 / 66 Topik Bahasan 1 Matriks 2 Operasi Matriks 3 Determinan matriks 4 Matriks Invers 5 Operasi

Lebih terperinci

Keunggulan Penyelesaian Persamaan Linear dengan Metode Dekomposisi LU dalam Komputerisasi

Keunggulan Penyelesaian Persamaan Linear dengan Metode Dekomposisi LU dalam Komputerisasi Keunggulan Penyelesaian Persamaan Linear dengan Metode Dekomposisi LU dalam Komputerisasi Elvina Riama K. Situmorang 55) Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift

Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift Jurnal Penelitian Sains Volume 14 Nomer 1(A) 14103 Menentukan Nilai Eigen Tak Dominan Suatu Matriks Definit Negatif Menggunakan Metode Kuasa Invers dengan Shift Yuli Andriani Jurusan Matematika FMIPA,

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN GARIS-GARIS BESAR PROGRAM PEMBELAJARAN Mata Kuliah : Aljabar Linear Kode / SKS : TIF-5xxx / 3 SKS Dosen : - Deskripsi Singkat : Mata kuliah ini berisi Sistem persamaan Linier dan Matriks, Determinan, Vektor

Lebih terperinci

Generalized Inverse Pada Matriks Atas

Generalized Inverse Pada Matriks Atas Jurnal Sains Matematika dan Statistika, Vol., No., Juli ISSN 6 - Generalized Inverse Pada Matriks Atas Corry Corazon Marzuki, Yulia Rosita, Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan

Lebih terperinci

Invers Tergeneralisasi Matriks atas Z p

Invers Tergeneralisasi Matriks atas Z p SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Invers Tergeneralisasi Matriks atas Z p Evi Yuliza 1 1 Fakultas MIPA Universitas Sriwijaya evibc3@yahoocom PM A-1 - Abstrak Sebuah matriks

Lebih terperinci

LAPORAN TUGAS AKHIR. Topik Tugas Akhir : Kajian Matematika Murni PENERAPAN PROSES ORTHOGONALISASI GRAM-SCHMIDT DALAM MEMBENTUK FAKTORISASI QR

LAPORAN TUGAS AKHIR. Topik Tugas Akhir : Kajian Matematika Murni PENERAPAN PROSES ORTHOGONALISASI GRAM-SCHMIDT DALAM MEMBENTUK FAKTORISASI QR LAPORAN TUGAS AKHIR Topik Tugas Akhir : Kajian Matematika Murni PENERAPAN PROSES ORTHOGONALISASI GRAM-SCHMIDT DALAM MEMBENTUK FAKTORISASI QR TUGAS AKHIR Diajukan Kepada Fakultas Keguruan dan Ilmu Pendidikan

Lebih terperinci

BAB 4 : SISTEM PERSAMAAN LINIER

BAB 4 : SISTEM PERSAMAAN LINIER BAB 4 : SISTEM PERSAMAAN LINIER 4.1 PERSAMAAN LINIER Misalnya x 2 Matematika analitik membicarakan ilmu ukur secara aljabar. Garis lurus pada bidang x 1 dan x 2 dapat dinyatakan sebagai persamaan a 1 x

Lebih terperinci

MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU

MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU MENGHITUNG DETERMINAN MATRIKS MENGGUNAKAN METODE SALIHU DENGAN Andi Bahota 1*, Aziskhan 2, Musraini M. 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen JurusanMatematika Fakultas Matematika dan Ilmu Pengetahuan

Lebih terperinci

PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI DOOLITTLE TUGAS AKHIR

PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI DOOLITTLE TUGAS AKHIR PENYELESAIAN SISTEM PERSAMAAN LINEAR FUZZY KOMPLEKS MENGGUNAKAN METODE DEKOMPOSISI DOOLITTLE TUGAS AKHIR Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika

Lebih terperinci

Reduksi Rank pada Matriks-Matriks Tertentu

Reduksi Rank pada Matriks-Matriks Tertentu Reduksi Rank pada Matriks-Matriks Tertentu E. Apriliani, B. Ari Sanjaya September 6, 7 Abstract. Dekomposisi nilai singular (Singular Value Decomposition - SVD) adalah suatu metode untuk menuliskan suatu

Lebih terperinci

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau

BAB II KAJIAN TEORI. yang diapit oleh dua kurung siku sehingga berbentuk empat persegi panjang atau BAB II KAJIAN TEORI Pada bab ini akan diberikan kajian teori mengenai matriks dan operasi matriks, program linear, penyelesaian program linear dengan metode simpleks, masalah transportasi, hubungan masalah

Lebih terperinci

STANDAR KOMPETENSI : Memecahkan masalah berkaitan dengan konsep matriks

STANDAR KOMPETENSI : Memecahkan masalah berkaitan dengan konsep matriks Page 1 of 25 Materi Matriks yang dipelajari A. Pengertian dan Jenis Matriks B. Operasi Aljabar pada Matriks C. Determinan dan Invers Matriks D. Aplikasi Matriks dalam Penyelesaian Sistem PersamaanLinear

Lebih terperinci

Pertemuan 8 Aljabar Linear & Matriks

Pertemuan 8 Aljabar Linear & Matriks Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b

Lebih terperinci

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2014), hal 91 98. SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR Febrianti,

Lebih terperinci

1.1 MATRIKS DAN JENISNYA Matriks merupakan kumpulan bilangan yang berbentuk segi empat yang tersusun dalam baris dan kolom.

1.1 MATRIKS DAN JENISNYA Matriks merupakan kumpulan bilangan yang berbentuk segi empat yang tersusun dalam baris dan kolom. Bab MATRIKS DAN OPERASINYA Memahami matriks dan operasinya merupakan langkah awal dalam memahami buku ini. Beberapa masalah real dapat direpresentasikan dalam bentuk matriks. Masalah tersebut antara lain

Lebih terperinci

SIFAT NILAI EIGEN MATRIKS ANTI ADJACENCY DARI GRAF SIMETRIK

SIFAT NILAI EIGEN MATRIKS ANTI ADJACENCY DARI GRAF SIMETRIK Faktor Exacta 10 (2): 154-161, 2017 SIFAT NILAI EIGEN MATRIKS ANTI ADJACENCY DARI GRAF SIMETRIK NONI SELVIA noni.selvia@gmail.com Program Studi Teknik Informatika Fakultas Teknik,Matematika dan Ilmu Pengetahuan

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2.

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2. SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 3 Minggu Ke Pokok Bahasan dan TIU Sub Pokok Bahasan Sasaran Belajar Cara Pengajaran Media Tugas Referens i 1

Lebih terperinci

MATRIKS. Definisi: Matriks adalah susunan bilangan-bilangan yang berbentuk segiempat siku-siku yang terdiri dari baris dan kolom.

MATRIKS. Definisi: Matriks adalah susunan bilangan-bilangan yang berbentuk segiempat siku-siku yang terdiri dari baris dan kolom. Page- MATRIKS Definisi: Matriks adalah susunan bilangan-bilangan yang berbentuk segiempat siku-siku yang terdiri dari baris dan kolom. Notasi: Matriks dinyatakan dengan huruf besar, dan elemen elemennya

Lebih terperinci

M AT E M AT I K A E K O N O M I MATRIKS DAN SPL I N S TITUT P ERTA N I A N BOGOR

M AT E M AT I K A E K O N O M I MATRIKS DAN SPL I N S TITUT P ERTA N I A N BOGOR M AT E M AT I K A E K O N O M I MATRIKS DAN SPL TO N I BAKHTIAR I N S TITUT P ERTA N I A N BOGOR 2 0 1 2 Kesetimbangan Dua Pasar Permintaan kopi bergantung tidak hanya pada harganya tetapi juga pada harga

Lebih terperinci

DETERMINAN, INVERS, PENYELESAIAN SISTEM PERSAMAAN LINEAR

DETERMINAN, INVERS, PENYELESAIAN SISTEM PERSAMAAN LINEAR DETERMINAN, INVERS, PENYELESAIAN SISTEM PERSAMAAN LINEAR DETERMINAN Definisi Setiap matriks kuadrat/persegi mempunyai suatu nilai khusus yang diseut determinan. determinan adalah jumlah hasil kali elementer

Lebih terperinci

Modul Praktikum. Aljabar Linier. Disusun oleh: Machudor Yusman IR., M.Kom. Ucapan Terimakasih:

Modul Praktikum. Aljabar Linier. Disusun oleh: Machudor Yusman IR., M.Kom. Ucapan Terimakasih: Modul Praktikum Aljabar Linier Disusun oleh: Machudor Yusman IR., M.Kom. Ucapan Terimakasih: David Abror Gabriela Minang Sari Hanan Risnawati Ichwan Almaza Nuha Hanifah Riza Anggraini Saiful Anwar Tri

Lebih terperinci

Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan

Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan Diagonalisasi Matriks Segitiga Atas Ring komutatif Dengan Elemen Satuan Fitri Aryani 1, Rahmadani 2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau e-mail: khodijah_fitri@uin-suskaacid Abstrak

Lebih terperinci

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT

KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT KAJIAN MATRIKS JORDAN DAN APLIKASINYA PADA SISTEM LINEAR WAKTU DISKRIT Oleh: APRILLIANTIWI NRP. 1207100064 Dosen Pembimbing: 1. Soleha, S.Si, M.Si 2. Dian Winda S., S.Si, M.Si LATAR BELAKANG Matriks dan

Lebih terperinci

02-Pemecahan Persamaan Linier (1)

02-Pemecahan Persamaan Linier (1) -Pemecahan Persamaan Linier () Dosen: Anny Yuniarti, M.Comp.Sc Gasal - Anny Agenda Bagian : Vektor dan Persamaan Linier Bagian : Teori Dasar Eliminasi Bagian 3: Eliminasi Menggunakan Matriks Bagian 4:

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Dalam bab ini akan diberikan beberapa materi yang akan diperlukan di dalam pembahasan, seperti: matriks secara umum; matriks yang dipartisi; matriks tereduksi dan taktereduksi; matriks

Lebih terperinci