DETERMINAN

1.1 Pengertian

Setiap matrik bujursangkar A selalu dikaitkan dengan suatu sknlar yang disebut Determinan. Sebelum mulai dengan yang lebih umum, kita ambil dahulu matrik A(2x2) sebagai berikut : clip_image002

Didefinisikan ; det(A) = clip_image004 = ad -bc

Contoh :

A = clip_image006 maka det(A) = 1.5 – 3.5 = 5 – 15 = -10

2.2 PERMUTASI

Definisi :

Permutasi himpunan bilangan – bilangan bulat {1,2,3 …,n} adalah susunan bilangan – bilangan bulat ini menurut suatu aturan tanpa menghilangkan atau mengulangi bilangan – bilangan tersebut.

Contoh 4.1:

Ada 6 permutasi yang berbeda dari himpunan {1,2,3} yaitu {1,2,3}, {1,3,2}, {2,1,3}, {2,3,1}, {3,2,1}, {3,1,2}

Banyaknya permutasi dapat dihitung dengan factorial. Untuk contoh soal diatas 3! = 1.2.3 = 6

Definisi

Invers pada suatu permutasi (j1, j2, j3 …,jn) adalah adanya jk < ji (jk mendahului ji) padahal ji < jk (I dan k = 1, 2, . . ., n)

Contoh 4.2:

Berapa banyak invers yang terdapat pada permutasi {2, 1, 4, 3} ?

Ada 2 invers yaitu :

1. ji = 2 mendahului jk = 1, padahal 1 < 2

2. ji = 4 mendahului jk = 3, padahal 3 < 4

3.3 DETERMINAN

Cara termudah mencari determinan dari matrik bujursangkar untuk orde yang tidak terlalu besar adalah dengan metode SARRUS .

(-) (-) (-)

clip_image007clip_image007[1]clip_image007[2]clip_image008clip_image009clip_image008[1]clip_image011clip_image013

(+) (+) (+)

Contoh 4.3:

clip_image015 clip_image017 = 2.1.2 + 3.2.3 + 1.2.1 – 1.1.3 – 2.2.1 – 3.2.2

= 4 + 18 + 2 – 3 – 4 – 12 = 5

5.4 SIFAT – SIFAT DETERMINAN

1. det(A) = det(AT)

2. Tanda determinan berubah jika 2 baris atau kolom ditukar tempatnya.

3. Harga determinan menjadi l kali, bila suatu baris / kolom dikalikan dengan skalar l

5.5 MENGHITUNG DETERMINAN DGN REDUKSI BARIS

Metode ini penting untuk menghindari perhitungan panjang yang terlibat dalam penerapan definisi determinan secara langsung.

Theorema :

Jika A adalah matrik segitiga n x n, maka det(A) adalah hasil kali elemen – elemen pada diagonal utama, yaitu , det(A) = a11.a22.a33 .. ann

Contoh 4.4 : clip_image019 = (2) (-3) (6) (9) (4) = -1296

Contoh 4.5 :

Hitung det(A) dimana A = clip_image021


Jawab :

Baris I ditukar dengan baris II ( H21), sehingga menjadi = - clip_image023

= - 3 clip_image025 clip_image027 H31(-2) clip_image027[1] = - 3 clip_image030 clip_image027[2] H32(-10) clip_image027[3]

= - 3 clip_image034 = (-3) (-55) clip_image036 = (-3) (-55) (1) = 165

Metode reduksi baris ini sangat sesuai untuk menghitung determinan dengan menggunakan komputer karena metode tersebut sistematis dan mudah diprogramkan.

5.6 MINOR, EKSPANSI KOFAKTOR, & ATURAN CRAMER

Minor aij adalah determinan submatrik yang tetap setelah baris ke – i dan kolom ke – j dicoret dari A . Dinyatakan dengan |Mij|.

Sedangkan bilangan (-1) i+j |Mij|dinyatakan oleh Cij disebut Kofaktor

Contoh 4.6 :

A = clip_image038 Minor dari elemen a23 = clip_image040 = 18 – 24 = -6

Kofaktor dari elemen a23 = (-1)clip_image042(-6) = 6

Perhatikan bahwa kofaktor dan minor hanya berbeda pada tandanya, yaitu Cij = clip_image044Mij . Cara cepat untuk menentukan apakah penggunaantanda + atau tanda – merupakan penggunaan tanda yang menghubungkan Cij dan Mij berada dalam baris ke – i dan kolom ke – j dari susunan :

clip_image046

Misalnya C11 = M11, C21 = -M21 , C44 = M44, C23 = -M23

Theorema

Determinan matrik A yang berukuran n x n dapat dihitung dengan mengalikan elemen – elemen dalam suatu baris (atau kolom) dengan kofaktor – kofaktornya dan menambahkan hasil kali – hasil kali yang dihasilkan, yaitu setiap 1 £ i £ n dan 1 £ j £ n , maka

det(A) = a1jC1j + a2jC2j + … + anjCnj

(ekspansi kofaktor sepanjang kolom ke – j)

dan

det(A) = ai1Ci1 + ai2Ci2 + … + ainCin

(ekspansi kofaktor sepanjang baris ke – i)


Contoh 4.7 :

Det(A) bila A = clip_image048adalah

Dengan menggunakan ekspansi kofaktor sepanjang baris pertama

= 3 clip_image050 - 1 clip_image052 + 0 clip_image054 = (3)(-4) – (1)(-11)

= -12 + 11

= -1

Definisi :

Jika A adalah sebarang matrik n x n dan Cij adalah kofaktor aij, maka matrik

clip_image056 disebut matrik kofaktor A.

Transpose matrik ini disebut Adjoin A dan sinyatakan dengan adj(A).

Jika A adalah matrik yang dapat dibalik, maka : Aclip_image058 = clip_image060 adj(A)

ATURAN CRAMER

Theorema

Jika AX = B adalah sistem yang terdiri dari n persamaan linier dalam n bilangan tak diketahui sehingga det(A) clip_image062 0, maka system tesebut mempunyai pemecahan unik. Pemecahan ini adalah :

x1 = clip_image064, x2 = clip_image066, … , xn = clip_image068

dimana Aj adalah matrik yang didaptkan dengan mengantikan elemen- elemen dalam kolom ke j dari A dengan elemen matrik B = clip_image070

Contoh 4.8:

Gunakan aturan Cramer untuk memecahkan

x1 + + 2x3 = 6

-3x1 + 4x2 + 6x3 = 30

-x1 - 2x2 + 3x3 = 8

Jawab :

A= clip_image072,

A1= clip_image074, A2= clip_image076, A3= clip_image078

Maka

x1 = clip_image064[1]=clip_image080=clip_image082,

x2= clip_image066[1]=clip_image084=clip_image086,

x3 = clip_image088=clip_image090 = clip_image092

0 comments:

Post a Comment