Pengenalan Vektor dalam Matematika Lengkap dengan Gambar + Soal

Cover Vektor Profematika

Definisi Vektor dalam Matematika

Vektor dalam matematika adalah sebuah objek yang mempunyai panjang (besar/nilai) dan arah. Kita dapat menggambarkannya sebagai panah atau segmen garis lurus yang terarah di \(R^{2}\) (Ruang 2 / Ruang dimensi 2) atau \(R^{3}\) (Ruang 3 / Ruang dimensi 3).

Gambar Vektor dalam Matematika (Ruang-2)
Ilustrasi Vektor di Ruang 2
Ilustrasi Vektor dalam Matematika (Ruang-3)
Ilustrasi Vektor di Ruang 3

Pada gambar di atas arah panah menunjukan arah vektor dan panjang panah menyatakan besarnya. Ekor panah dinamakan titik awal (initial point) dan ujung panah dinamakan titik akhir (terminal point) dari vektor.

Ilustrasi dalam Kehidupan Nyata

Pernahkah kalian bermain layang-layang?

Penerapan Vektor Matematika dalam Bermain Layang-Layang

Pada saat kita bermain layang-layang, kita perhatikan posisi layang-layang saat terbang jarang sekali berada lurus tepat di atas kita, hal ini dikarenakan pengaruh vektor sehingga kita dapat melihat layang-layang dengan lebih jelas.

Notasi Vektor (Cara Penulisannya)

Penulisan vektor dalam matematika dapat dinyatakan dalam huruf kecil tebal misalnya a, k dan z. Namun pada kenyataanya tangan kita tidak terbiasa menulis tebal-tipis huruf sehingga akan sedikit merepotkan, sehingga ada alternatif penulisan lainnya yakni \(\vec{a}, \vec{k}\) dan \(\vec{z}\).

Gambar Vektor a, k dan z

Selain itu masih ada lagi, misalkan kita punya vektor \(\vec{v}\) dengan titik awalnya adalah \(A\) dan titik akhirnya adalah \(B\) maka kita dapat tuliskan :

$$\vec{v}=\vec{AB}$$

Catatan 1: Dua vektor atau lebih dikatakan sama jika dan hanya jika arah dan panjangnya sama. Pada gambar di atas vektor \(\vec{k}\) dan \(\vec{z}\) sama, atau \(\vec{k}=\vec{z}\) sebab memiliki arah dan panjang yang sama, walaupun letaknya berbeda.

Operasi Vektor

Jika sebelumnya penggambaran vektor dari sudut pandang geometri. Nah, sekarang karena pembahasannya sudah sampai operasi vektor maka kita akan coba bahas konsep vektor secara analitis. Sehingga nantinya kita juga mendapatkan konsep penjumlahan, pengurangan, perkalian vektor secara analitis.

Mari kita perhatikan vektor berikut :

Konsep Vektor dengan Analitis

Pada gambar di atas kita dapat menyatakan vektor \(\vec{a}=(-3, 7), \vec{k}=(5, 3)\) dan \(\vec{z}=(5, 3)\).

Kok bisa?

Yaps, secara analitis jika kita punya vektor \(\vec{v}\) berada pada ruang-2 (ruang dimensi 2 atau kita gunakan bidang kartesius) maka kita dapat menuliskannya :

Analitis Vektor dalam MatematikaContohnya pada gambar di atas, vektor \(\vec{a}\) mempunyai titik awal di titik \((9, -2)\) dan titik akhir di titik \((6,5)\) sehingga berdasarkan persamaan di atas maka \(a\) dapat kita tuliskan :

Menyatakan Vektor a Secara Analitik

Kemudian bagaimana jika vektornya berada pada ruang-3 (ruang dimensi 3) ?

Jangan khawatir, hal tersebut tidak jauh berbeda dengan konsep yang di ruang-2. Misalkan kita punya \(\vec{v}\) dengan

  • Titik awalKoordinat Titik Awal Vektor Pada Ruang 3
  • Titik AkhirKoordinat Titik Akhir Vektor Pada Ruang 3

Ilustrasi :

Ilustrasi Vektor Di Ruang 3
Ilustrasi Vektor Di Ruang 3

Maka dapat kita tuliskan :

Penulisan Vektor Secara Analitis di Ruang 3

Catatan 2 : Apabila \(\vec{v}\) adalah sebuah vektor yang titik awalnya di titik pusat koordinat (Contoh pada ruang-2 \((0,0)\)) maka \(\vec{v}\) biasa disebut sebagai vektor posisi.

Nah, sudah ada gambaran kan? Pemahaman ini akan kita gunakan pada operasi vektor selanjutnya.

Baca juga : Operasi Matriks dan Sifat-Sifatnya

Penjumlahan Vektor (Hasilnya Berupa Vektor)

Misalkan kita punya vektor \(\vec{a}\) dan \(\vec{k}\) :

 

Gambar Vektor a dan k

Berapa nilai dari \(\vec{k}+\vec{a}\) ?

Secara geometri dalam penjumlahan vektor dapat dilakukan dengan cara menggeser vektor \(\vec{a}\) sehingga titik awal \(\vec{a}\) berhimpit dengan titik akhir \(\vec{k}\).Hasil penjumlahan \(\vec{k}+\vec{a}\) berupa vektor yang dinyatakan oleh panah biru dengan titik awal \(\vec{k}\) dan titik akhir akhir \(\vec{a}\).

Contoh Penjumlahan Vektor dalam Matematika

Selain itu, kita juga dapat menggunakan metode jajaran genjang. Yaps sesuai namanya, kita akan membentuk sebuah jajaran genjang dimulai dengan menggeser vektor \(\vec{k}\) sehingga titik awal \(\vec{k}\) berhimpit dengan titik akhir \(\vec{a}\).

Penjumlahan Vektor dengan Metode Jajaran Genjang

Berdasarkan gambar di atas kita peroleh sifat operasi penjumlahan vektor :

Sifat Komutatif Penjumlahan Vektor

Catatan 3 : Perlu diingat bahwa suatu vektor dalam matematika akan selalu sama (tidak berubah) jika arah dan panjangnya tetap, walaupun posisinya berubah.

Kemudian secara analitis jika punya vektor \(\vec{a}=(a_{1},a_{2})\) dan \(\vec{b}=(b_{1}, b_{2})\) maka berlaku :

Penjumlahan Vektor a dan b secara analitis

Begitu pula jika vektor \(\vec{c}=(c_{1},c_{2},c_{3})\) dan \(\vec{d}=(d_{1},d_{2},d_{3})\) di ruang-3 maka berlaku :

Penjumlahan Vektor c dan d secara Analitis

Contoh 1

Misalkan kita punya vektor \(\vec{a}\) dan \(\vec{b}\) sebagai berikut :

Gambar Vektor a dan b pada Ruang-2

Tentukan hasil dari \(\vec{a}+\vec{b}\)

Penyelesaian :

Secara geometri kita geser vektor \(\vec{b}\) sehingga titik awal vektor \(\vec{b}\) berhimpit dengan titik akhir \(\vec{a}\) dan kita peroleh :

Penyelesaian Soal Penjumlahan Vektor Secara Geometri Matematika

Sedangkan secara analitis maka :

Penulisan Vektor a dan b secara Analitis

Sehingga kita peroleh :

Penulisan Penjumlahan Vektor a dan b secara Analitis

Perkalian Vektor dengan Skalar (Hasilnya Berupa Vektor)

Wah.. kok habis operasi penjumlahan vektor tidak ke operasi pengurangan vektor? Sebab operasi perkalian vektor dengan skalarlah yang nantinya mendasari operasi pengurangan vektor.

Sebelumnya mari kita perhatikan ilustrasi berikut :

Ilustrasi Vektor Matematika dengan Korek Api

Mula-mula terdapat sebuah batang korek api, kemudian kita perbanyak jumlahnya menjadi 3 batang korek api dan kita susun menjadi :

Gambar 3 Buah Batang Korek Api

Sehingga sekarang panjangnya menjadi 3 kali panjang semula. Nah, sama halnya dengan vektor.

Misalkan kita punya vektor \(\vec{a}\) dan skalar \(k\) maka hasil kali \(k\vec{a}\) sepanjang \(|k|\) (nilai mutlak \(k\)) dikali panjang \(\vec{a}\).

Kenapa ada nilai mutlaknya?

Sebab dalam konsep vektor, jika \(k\) bernilai negatif maka hasil kali \(k\vec{a}\) mempunyai arah yang berlawanan dengan \(\vec{a}\). Untuk lebih jelasnya perhatikan gambar berikut :

Ilustrasi Perkalian Vektor dengan Skalar

Kemudian jika \(|k|<1\) maka panjang \(k\vec{a}\) lebih pendek dibanding panjang \(\vec{a}\) (disebut juga pemampatan) dan jika \(|k|>1\) maka panjang \(k\vec{a}\) lebih panjang dibanding panjang \(\vec{a}\) (disebut juga perenggangan).

Secara analitis jika \(\vec{c}=(c_{1},c_{2})\) di ruang-2 dan \(\vec{b}=(b_{1},b_{2},b_{3})\) di ruang-3 dan \(k\) adalah sembarang skalar, maka berlaku :

Penulisan hasil kali vektor dengan skalar pada ruang-2

dan juga

Penulisan hasil kali vektor dengan skalar pada ruang-3

Contoh 2

Misalkan vektor \(\vec{a}\) dan \(\vec{b}\) didefinisikan sebagai berikut :

Pendifinisian Vektor a dan b pada contoh soal-2

Tentukan hasil dari \(\vec{a}+3\vec{b}\)

Penyelesaian :

Secara geometri maka :

Penjumlahan vektor a + 3b secara geometri matematika

Kemudian kita gunakan sifat operasi penjumlahan sehingga kita peroleh :

Penjumlahan vektor a+3b dengan metode jajaran genjang

Mudah bukan?

Jika menyelesaikannya secara analitis maka dapat kita tuliskan :

Menyatakan vektor a dan b secara analitis

Sehingga berdasarkan sifat operasi penjumlahan vektor dan perkalian vektor dengan skalar maka kita dapatkan :

Penjumlahan vektor a+3b secara analitis

Pengurangan Vektor (Hasilnya Berupa Vektor)

Jika kita punya dua sembarang vektor \(\vec{a}\) dan \(\vec{b}\) maka pengurangan \(\vec{a}\) dengan \(\vec{b}\) dapat kita tuliskan :

Operasi Pengurangan Vektor dalam Matematika

Sehingga secara analitis kita punya :

  • Jika kedua vektor tersebut pada ruang-2 maka :

Pengurangan Vektor a - b pada Ruang-2 secara Analitis

  • Jika kedua vektor tersebut pada ruang-3, dengan cara yang sama maka :

Pengurangan Vektor a - b pada Ruang-3 secara Analitis

Sengaja untuk penggambaran secara geometri tidak disertakan, sebab kita akan meninjaunya langsung pada contoh soal berikut.

Contoh 3

Misalkan diberikan dua buah vektor di ruang-2 yang didefinisikan sebagai berikut :

Soal 3 Operasi Pengurangan Vektor di Ruang 2

Tentukan hasil dari \(\vec{a}-\vec{b}\)

Penyelesaian :

Ingat kembali bahwa jika suatu vektor dikali dengan skalar yang bernilai negatif maka hasil perkaliannya berupa vektor yang arahnya berlawanan dengan vektor yang dikalikan.

Penyelesaian Contoh Soal 3 Secara Geometri

Sedangkan secara analitis kita peroleh :

Penyelesaian Pengurangan Vektor secara Analitis-bag1

dan juga

Penyelesaian Pengurangan Vektor secara Analitis-bag2

Sehingga berdasarkan sifat operasi pengurangan vektor, kita peroleh :

Penyelesaian Pengurangan Vektor secara Analitis-bag3

Perkalian Vektor dengan Vektor

Operasi ini terbagai menjadi 2 bagian, pertama Perkalian Titik (dot product) dan yang kedua adalah Perkalian Proyeksi dalam Vektor (cross product).

Kedua bagian tersebut berkaitan dengan sudut dan panjang dalam vektor, dimana yang diartikan sudut antara vektor \(\vec{a}\) dan \(\vec{b}\) adalah sudut yang dihasilkan oleh \(\vec{a}\) dan \(\vec{b}\) setelah titik awal \(\vec{a}\) dan titik awal \(\vec{b}\) diimpitkan. Sudut dapat kita tulis \(\theta\) dengan \(0\leq\theta\leq\pi\).

Sudut Antar Vektor dalam Matematika

Kemudian panjang vektor dalam matematika disebut juga norma (norm). Contohnya panjang vektor dari \(\vec{a}\) ditulis \(\|\vec{a}\|\).

Jika \(\vec{a}\) berada pada ruang-2 atau \(\vec{a}=(a_{1}, a_{2})\)  maka

Norma Vektor di Ruang 2

Jika \(\vec{a}\) berada pada ruang-3 atau \(\vec{a}=(a_{1}, a_{2},a_{3})\)  maka

Norma Vektor di Ruang 3

Catatan 4 : Dalam konsep vektor terdapat vektor nol dinotasikan \(\vec{0}\) dan didefinisikan sebagai vektor yang mempunyai panjang nol (\(\|\vec{0}\|=0\)) dengan arah sembarang yang bersesuaian dengan operasi yang mengikutinya. Secara geometri vektor nol dapat digambarkan sebagai sebuah titik.

Catatan 5 : Selain itu, terdapat vektor satuan yaitu vektor yang panjangnya 1. Pada pelajaran fisika, vektor biasa ditulis : (contoh)

\(\vec{a}=3\hat{i}+5\hat{j}\)

Nah, \(\hat{i}\) dan \(\hat{j}\) merupakan vektor satuan. Asalkan bukan vektor nol, kita dapat mencari vektor satuan dari sebuah vektor. Contohnya vektor \(\vec{b}\neq\vec{0}\), maka vektor satuannya yakni :

\(\hat{b}=\frac{\vec{b}}{\|\vec{b}\|}\)

1. Dot Product (Hasilnya Berupa Skalar)

Jika \(\vec{a}\) dan \(\vec{b}\) berada dalam ruang-2 atau ruang-3 dan \(\theta\) adalah sudut antara keduanya, maka perkalian titik (dot product) didefinisikan sebagai berikut :

Perkalian Titik dalam Vektor

Contoh 5

Tentukan hasil kali titik antara vektor \(\vec{a}=(3,0)\) dengan \(\vec{b}=(3,3\sqrt{3})\) dan sudut antara kedua vektor tersebut sebesar \(60^{\circ}\).

Secara geometri dapat kita gambarkan :

Penyelesaian Contoh Soal 5 Secara Geometri

Sedangkan secara analitis :

Penyelesaian Soal 5 dengan metode analitis

Pada contoh di atas jika kita perhatikan bahwa dalam menghitung perkalian titik masih terikat dengan sudut antar dua vektor yang diketahui. Bayangkan jika yang diketahui hanya posisi vektornya saja, maka kita harus cari sudutnya terlebih dahulu.

Nah, untuk mengatasi permasalahan ini mari kita cari bentuk lain dari perkalian titik yang lebih mudah perhitungannya.

Perhatikan gambar berikut :

Aturan Sinus dalam Perkalian Titik Secara Geometri

Berdasarkan aturan cosinus didapat :

Perkalian Titik dalam Vektor dengan Aturan Cosinus Bagian 1Dengan mensubtitusikan

Perkalian Titik dalam Vektor dengan Aturan Cosinus Bagian 2

Maka akan kita peroleh bentuk lain dari perkalian titik :

Perkalian Titik dalam Vektor dengan Aturan Cosinus Bagian 3

Untuk kasus di ruang 3 dengan cara serupa kita dapatkan :

Perkalian Titik dalam Vektor dengan Aturan Cosinus Bagian 4

Dengan rumus ini dalam menghitung perkalian titik tidak perlu mencari sudut terlebih dahulu.

Sebagai latihan, coba selesaikan contoh soal ke-5 dengan metode di atas.

Sifar-Sifat Hasil Kali Titik (Dot Product)

Sifat Ke-1 Perkalian Titik

Sifat Ke-2 Perkalian Titik

Sifat ke-3 Perkalian Titik

\(4.\) Jika vektor \(\vec{a}\neq\vec{0}\) dan \(\vec{b}\neq\vec{0}\) dan sudut antara kedua vektor tersebut adalah \(\theta\) maka berlaku :

  • \(\theta\) adalah sudut lancip jika dan hanya jika \(\vec{a}\cdot\vec{b}>0\)
  • \(\theta\) adalah sudut tumpul jika dan hanya jika \(\vec{a}\cdot\vec{b}<0\)
  • \(\theta\) adalah sudut siku-siku jika dan hanya jika \(\vec{a}\cdot\vec{b}=0\)

Sifat ke-5 Perkalian Titik (Bersifat asosiatif)

Sifat Ke-6 Perkalian Titik (Bersifat distributif)

Sifat Ke-7 Perkalian Titik untuk sembarang skalar \(k\).

Sifat Ke-8 Perkalian Titik didasari Pertidaksamaan Cauchy-Schwarz.

Proyeksi Vektor

Menentukkan proyeksi vektor dalam matematika dibutuhkan konsep perkalian titik untuk menguraikan vektor (Dekomposisi Vektor) \(\vec{b}\) menjadi dua vektor dengan ketentuan satu vektor sejajar dengan \(\vec{a}\neq\vec{0}\) yakni vektor \(\vec{c_{1}}\) sedangkan vektor yang lainnya yakni \(\vec{c_{2}}\) tegak lurus dengan \(\vec{a}\).

Proyeksi Vektor Pada Ruang 2

Dari gambar di atas kita peroleh hubungan :

Hubungan Komponen Proyeksi Vektor

Vektor \(\vec{c_{1}}\) disebut proyeksi ortogonal \(\vec{b}\) pada \(\vec{a}\) dan beberapa sumber referensi menuliskannya sebagai :

Proyeksi Ortogonal dalam Vektor

Sedangkan vektor \(\vec{c_{2}}\) disebut juga komponen vektor \(\vec{b}\) yang ortogonal (tegak lurus) terhadap \(\vec{a}\).

Komponen Vektor yang Ortogonal

Contoh 6

Jika diketahui vektor \(\vec{c}=(-2,2,4)\) dan \(\vec{d}=(-2,-2,2)\), tentukan komponen vektor \(\vec{c}\) yang sejajar dengan \(\vec{d}\) dan tentukan komponen \(\vec{c}\) yang tegak lurus dengan \(\vec{d}\).

Penyelesaian :

Misalkan \(c_{1}\) adalah komponen vektor yang sejajar dengan \(\vec{d}\) dan \(\vec{c_{2}}\) adalah komponen vektor yang tegak lurus dengan \(\vec{d}\), maka kita peroleh hubungan :

\(\vec{c}=\vec{c_{1}}+\vec{c_{2}}\)

dimana

Mencari Komponen Proyeksi Vektor Secara Analitis

dan

Mencari Komponen Vektor yang Ortogonal Secara Analitis

Catatan 6 : Dalam konsep proyeksi vektor di atas, vektor satuan dari \(\vec{c_{1}}\) dinotasikan \(\hat{c_{1}}\) sama dengan vektor satuan dari \(\vec{b}\) dinotasikan \(\hat{b}\).

2. Cross Product (Hasilnya Berupa Vektor)

Akhirnya kita sudah sampai pada bagian akhir dari pembahasan kali ini, dimana pada operasi perkalian silang (cross product) mempunyai kontribusi yang cukup besar dalam geometri, fisika (momen gaya/torsi) dan ilmu-ilmu teknik.

Perkalian silang dua vektor \(\vec{a}=(a_{1},a_{2},a_{3})\) dan \(\vec{b}=(b_{1},b_{2},b_{3})\) dalam ruang-3 dinotasikan \(\vec{a}\times\vec{b}\) dan didefinisikan :

Perkalian Silang Vektor (Cross Product)

jika dinyatakan dalam bentuk determinan :

Perkalian Silang Vektor (Cross Product) secara Determinan Matriks

Baca Juga : 10 Sifat Determinan beserta Contoh Soal

Operasi ini sangat berguna jika kita diminta mencari sebuah vektor yang tegak lurus pada dua buah vektor yang lain dalam ruang-3. Contohnya pada persamaan di atas, hasil kali perkalian silang \(\vec{a}\times\vec{b}\) adalah vektor yang tegak lurus dengan \(\vec{a}\) dan \(\vec{b}\).

Ilustrasi Perkalian Silang dalam Vektor (Cross Product)

Contoh 7

Misalkan \(\vec{a}=(1,2,3),~\vec{b}=(3,2,1)\) maka tentukan hasil dari \(\vec{a}\times\vec{b}\).

Penyelesaian :

Cara pertama (menggunakan persamaan pertama)

Penyelesaian Contoh Soal Cross Product (Hasil Kali Silang) Bagian1

Cara kedua dengan menggunakan konsep determinan matriks :

Penyelesaian Contoh Soal Cross Product dengan Determinan

Sifat-Sifat Cross Product

Sifat ke-1 Perkalian SIlang (Tidak komutatif)

Sifat ke-2 Perkalian SIlang

Sifat ke-3 Perkalian SIlang

Sifat ke-4 Perkalian SIlang

Sifat ke-5 Perkalian SIlang

Sifat ke-6 Perkalian SIlang (Bersifat distributif)

Sifat ke-7 Perkalian SIlang (Bersifat distributif)

Sifat ke-8 Perkalian SIlang (Bersifat asosiatif, dengan sembarang skalar \(k\))

Sifat ke-9 Perkalian SIlang (Identitas Lagrange)

Sifat ke-10 Perkalian SIlang (Penjabaran dari Identitas Lagrange)

Catatan 7 : Pada sifat ke-10 di atas, nilai dari \(\|\vec{a}\times\vec{b}\|\) sama dengan luas jajaran genjang yang dibentuk oleh \(\vec{a}\) dan \(\vec{b}\).

Menghitung Luas Jajaran Genjang dengan Vektor

Selanjutnya direkomendasikan membaca materi lanjutan mengenai Vektor di Ruang-n Euclides (Ruang berdimensi n).

10 Sifat Determinan dan Reduksi Baris beserta Contohnya

Cover Sifat Determinan dan Reduksi Baris

Sifat-Sifat Determinan Matriks

Kenapa sih kita harus belajar sifat-sifat determinan?

Perumpamaan Sifat Determinan

Untuk mengetahui alasannya, mari kita umpamakan nilai determinan yang kita cari ibarat sebuah layang-layang yang nyangkut di pucuk pohon yang penuh dengan cabang dan sifat-sifat determinan sebagai tangga.

Nah, dari sini ada dua opsi utama untuk mendapatkan layang-layang tersebut, yaitu pertama dengan memanjat pohonnya langsung (menghitung determinan dengan cara umum seperti ekspansi kofaktor atau lainnya) dan opsi kedua menggunakan tangga untuk naik ke atas pohon tersebut.

Kedua pilihan tersebut sama-sama dapat mengambil layangan, namun akan lebih efisien dan efektif jika kita menggunakan bantuan tangga untuk naik pohon dan mendapatkan layangan tersebut.

Dari perumpamaan di atas, kita dapat mempermudah perhitungan dalam mencari determinan dengan memanfaatkan sifat-sifat determinan sebagai berikut :

Sifat 1

Jika matriks \(A\) dan \(B\) adalah matriks persegi yang berordo sama maka

$$\boxed{\text{det}(AB)=\text{det}(BA)=\text{det}(A)\times\text{det}(B)}$$

Contoh 1

MIsalkan \(A, B\) dan \(C\) adalah matriks persegi yang mempunyai ordo yang sama, dengan \(C=AB\).

$$A=\left[{\begin{array}{cc}-3&1\\0&2\end{array}}\right],~B=\left[{\begin{array}{cc}2&-3\\-4&5\end{array}}\right]$$

Tentukan determinan dari matriks \(C\).

Penyelesaian :

Cara pertama, kita lakukan operasi perkalian matriks, sehingga didapat :

$$\begin{aligned}C&=AB\\&=\left[{\begin{array}{cc}-3&1\\0&2\end{array}}\right]\left[{\begin{array}{cc}2&-3\\-4&5\end{array}}\right]\\&=\left[{\begin{array}{cc}-6-4&9+5\\0-8&0+10\end{array}}\right]\\&=\left[{\begin{array}{cc}-10&14\\-8&10\end{array}}\right]\end{aligned}$$

Kemudian kita hitung determinan dari matriks \(C\)

$$\begin{aligned}\text{det}(C)&=\left|{\begin{array}{cc}-10&14\\-8&10\end{array}}\right|\\&=-100-(-112)\\&=12\end{aligned}$$

Cara kedua, kita gunakan sifat 1, sehingga

$$\begin{aligned}\text{det}(C)&=\text{det}(AB)\\&=\text{det}(A)\times\text{det}(B)\\&=\left|{\begin{array}{cc}-3&1\\0&2\end{array}}\right|\times \left|{\begin{array}{cc}2&-3\\-4&5\end{array}}\right|\\&=-6\times(-2)\\&=12\end{aligned}$$

Setelah kita amati ternyata dua cara di atas mempunyai hasil akhir yang sama, namun dari segi efisiensi lebih baik cara kedua.

Sifat 2

Jika \(A\) adalah matriks persegi dan \(A^{T}\) adalah transpose matriks \(A\), maka berlaku

$$\boxed{\text{det}(A)=\text{det}\left({A^{T}}\right)}$$

Contoh 2

Misalkan matriks \(A\) didefinisikan sebagai berikut :

$$A=\left[{\begin{array}{cc}1&2\\3&4\end{array}}\right]$$

Tentukanlah nilai dari \(\text{det}\left({A^{T}}\right)\)

Penyelesaian :

Transpose Matriks Profematika

Cara pertama (manual) dengan mentranspose matriks \(A\)

$$A^{T}=\left[{\begin{array}{cc}1&3\\2&4\end{array}}\right]$$

Selanjutnya menghitung determinan dari \(A^{T}\)

$$\begin{aligned}\text{det}\left({A^{T}}\right)&=\left|{\begin{array}{cc}1&3\\2&4\end{array}}\right|\\&=4-6\\&=-2\end{aligned}$$

Cara kedua menggunakan sifat

$$\begin{aligned}\text{det}\left({A^{T}}\right)&=\text{det}(A)\\&=\left|{\begin{array}{cc}1&2\\3&4\end{array}}\right|\\&=4-6\\&=-2\end{aligned}$$

Sifat 3

Jika A adalah matriks diagonal atau matriks skalar, maka

$$\boxed{\text{det}(A)=a_{11}\times a_{22}\times\dots\times a_{nn}}$$

(Determinan \(A\) adalah perkalian semua entri pada diagonal utama)

Contoh 3

Diberikan matriks \(A\) sebagai berikut :

$$A=\left[{\begin{array}{ccc}\sqrt{2}&0&0\\0&-2&0\\0&0&\frac{1}{2}\end{array}}\right]$$

Tentukan determinan matriks \(A\)

Penyelesaian :

Cara pertama menggunakan aturan sarrus, atau dapat dituliskan :

$$\left[{\begin{array}{ccc|cc}\sqrt{2}&0&0&\sqrt{2}&0\\0&-2&0&0&-2\\0&0&\frac{1}{2}&0&0\end{array}}\right]$$

sehingga determinan dari \(A\) yakni :

$$\begin{aligned}\text{det}(A)&=-\sqrt{2}+0+0-0-0-0\\&=-\sqrt{2}\end{aligned}$$

Cara kedua dengan menggunakan sifat didapat :

$$\begin{aligned}\text{det}(A)&=\left|{\begin{array}{ccc}\sqrt{2}&0&0\\0&-2&0\\0&0&\frac{1}{2}\end{array}}\right|\\&=\sqrt{2}\times-2\times\frac{1}{2}\\&=-\sqrt{2}\end{aligned}$$

Sifat 4

Jika \(A\) adalah matriks segitiga (atas/bawah) maka

$$\boxed{\text{det}(A)=a_{11}\times a_{22}\times\dots\times a_{nn}}$$

(Determinan \(A\) adalah perkalian semua entri pada diagonal utama)

Contoh 4

Misalkan diberikan matriks \(A_{3\times3}=[a_{ij}]\) sebagai berikut :

$$A=\left[{\begin{array}{ccc}\pi&\frac{3}{4}&-1\\0&2&2\sqrt{3}\\0&0&\frac{3}{2}\end{array}}\right]$$

Tentukan determinan dari matriks \(A\)

Penyelesaian :

Cara pertama : Jika pada contoh 3, kita telah menggunakan metode sarrus. Sekarang kita akan menggunakan metode ekspansi kofaktor pada kolom pertama \((a_{11}=\pi,a_{21}=0,a_{31}=0)\).

$$\begin{aligned}\text{det}(A)&=a_{11}C_{11}+a_{21}C_{21}+a_{31}C_{31}\\&=a_{11}C_{11}\\&=\pi(-1)^{1+1}\left|{\begin{array}{cc}2&2\sqrt{3}\\0&\frac{3}{2}\end{array}}\right|\\&=\pi(3-0)\\&=3\pi\end{aligned}$$

Cara kedua menggunakan sifat maka :

$$\begin{aligned}\text{det}(A)&=a_{11}\times a_{22}\times a_{33}\\&=\pi\times2\times\frac{3}{2}\\&=3\pi\end{aligned}$$

Sifat 5

Jika \(A\) adalah matriks persegi berordo \(n\times n\) dan \(k\) adalah sebarang bilangan maka

$$\boxed{\text{det}(kA)=k^{n}\times \text{det}(A)}$$

Contoh 5

Diketahui :

$$A=\left[{\begin{array}{cc}2&4\\6&8\end{array}}\right]$$

Tentukan determinan dari \(3A\)

Penyelesaian :

Cara pertama, dengan mengalikan matriks \(A\) dengan 3 sehingga didapat :

$$\begin{aligned}3A&=3\times \left[{\begin{array}{cc}2&4\\6&8\end{array}}\right]\\&=\left[{\begin{array}{cc}6&12\\18&24\end{array}}\right]\end{aligned}$$

Kemudian kita hitung determinannya.

$$\begin{aligned}\text{det}(3A)&=\left|{\begin{array}{cc}6&12\\18&24\end{array}}\right|\\&=(6)(24)-(12)(18)\\&=-72\end{aligned}$$

Cara kedua dengan menggunakan sifat.

$$\begin{aligned}\text{det}(3A)&=3^{2}\times\text{det}(A)\\&=9\times \left|{\begin{array}{cc}2&4\\6&8\end{array}}\right|\\&=9(16-24)\\&=-72\end{aligned}$$

Sifat 6

Jika matriks \(A\) dapat dibalik (invertible) atau mempunyai invers, maka

$$\boxed{\text{det}\left({A^{-1}}\right)=\frac{1}{\text{det}(A)}}$$

Contoh 6

Diketahui :

$$A=\left[{\begin{array}{cc}-4&1\\2&3\end{array}}\right]$$

Tentukan nilai determinan dari \(A^{-1}\)

Penyelesaian :

Cara pertama :

Umumnya pada saat kita mencari invers dari matriks \(A_{2\times2}=[a_{ij}]\), kita menggunakan rumus :

$$A^{-1}=\frac{1}{\text{det}(A)}\left[{\begin{array}{cc}a_{22}&-a_{12}\\-a_{21}&a_{11}\end{array}}\right]$$

Sehingga berdasarkan rumus di atas kita dapatkan :

$$\begin{aligned}A^{-1}&=\frac{1}{-12-2}\left[{\begin{array}{cc}3&-1\\-2&-4\end{array}}\right]\\&=\left[{\begin{array}{cc}-\frac{3}{14}&\frac{1}{14}\\\frac{2}{14}&\frac{4}{14}\end{array}}\right]\end{aligned}$$

Selanjutnya kita hitung determinan dari \(A^{-1}\).

$$\begin{aligned}\text{det}\left({A^{-1}}\right)&=\left|{\begin{array}{cc}-\frac{3}{14}&\frac{1}{14}\\\frac{2}{14}&\frac{4}{14}\end{array}}\right|\\&=\left({-\frac{3}{14}}\right)\left({\frac{4}{14}}\right)-\left({\frac{1}{14}}\right)\left({\frac{2}{14}}\right)\\&=\frac{-14}{196}\\&=-\frac{1}{14}\end{aligned}$$

Cara kedua menggunakan sifat, kita peroleh :

$$\begin{aligned}\text{det}\left({A^{-1}}\right)&=\frac{1}{\text{det}\left({A}\right)}\\&=\frac{1}{-12-2}\\&=-\frac{1}{14}\end{aligned}$$

Baca juga : Cara mencari invers matriks dengan OBE

Sifat 7

Jika \(A\) adalah matriks persegi yang memuat baris nol atau kolom nol maka

$$\boxed{\text{det}(A)=0}$$

Contoh 7

Misalkan matriks \(A\) dan \(B\) didefinisikan sebagai berikut :

$$A=\left[{\begin{array}{ccc}1&0&2\\3&0&4\\5&0&6\end{array}}\right]$$

$$B=\left[{\begin{array}{ccc}5&4&3\\2&1&0\\0&0&0\end{array}}\right]$$

Tentukan nilai determinan \(A\) dan \(B\)

Pembuktian :

Cara pertama : dengan menggunakan metode ekspansi kofaktor, kita dapatkan :

$$\color{red}{\begin{aligned}\text{det}(A)&=a_{12}C_{12}+a_{22}C_{22}+a_{32}C_{32}\\&=(0)C_{12}+(0)C_{22}+(0)C_{32}\\&=0\end{aligned}}$$

(Ekspansi kofaktor sepanjang kolom kedua dari \(A\))

$$\color{blue}{\begin{aligned}\text{det}(B)&=b_{31}C_{12}+b_{32}C_{22}+b_{33}C_{32}\\&=(0)C_{31}+(0)C_{32}+(0)C_{33}\\&=0\end{aligned}}$$

(Ekspansi kofaktor sepanjang baris ketiga dari \(B\))

Cara kedua dengan memanfaatkan sifat determinan, maka kita cukup mencermati baris-baris dan kolom-kolom pada matriks \(A\) dan \(B\), karena pada matriks \(A\) terdapat satu kolom (kolom kedua) yang semua entri-entrinya bernilai nol sehingga berdasarkan sifat ke-7 maka \(\text{det}(A)=0\) begitu pula pada matriks \(B\) karena terdapat satu baris (baris ketiga) yang entri-entrinya bernilai nol maka \(\text{det}(B)=0\).

Sifat 8

Jika \(A\) adalah matriks persegi dengan memuat dua baris yang saling berkelipatan atau dua kolom yang saling berkelipatan, maka

$$\boxed{\text{det}(A)=0}$$

Contoh 8

Tentukan determinan dari matriks berikut :

$$A=\left[{\begin{array}{ccc}-1&2&1\\3&-2&5\\-3&6&3\end{array}}\right]$$

Penyelesaian :

Berdasarkan aturan sarrus maka :

$$\left[{\begin{array}{ccc|cc}-1&2&1&-1&2\\3&-2&5&3&-2\\-3&6&3&-3&6\end{array}}\right]$$

Sehingga diperoleh :

$$\begin{aligned}\text{det}(A)&=(6)+(-30)+(18)-(6)-(-30)-(18)\\&=0\end{aligned}$$

Cara Alternatif yakni dengan memperhatikan baris-baris dan kolom-kolomnya, apabila terdapat dua baris atau dua kolomnya berkelipatan contohnya pada matriks \(A\), dimana baris ketiga merupakan kelipatan dari baris pertama. Sehingga berdasarkan sifat ke-8 ini maka \(\text{det}(A)=0\).

Sifat 9

Misalkan \(A_{1},A_{2},\dots A_{n}\) dan \(B\) adalah matriks persegi yang berordo sama yang hanya berbeda dalam satu baris tunggal, anggaplah perbedaan terletak pada baris ke-\(k\) kemudian kita misalkan lagi bahwa baris ke-\(k\) dari \(B\) diperoleh dengan menambahkan entri-entri yang bersesuaian dalam setiap baris ke-\(k\) dari \(A_{i}\) dengan \(i=\{1,2,3,\dots,n\}\), sehingga berlaku :

$$\boxed{\text{det}(B)=\sum_{i=1}^{n}\text{det}(A_{i})}$$

Persamaan di atas juga berlaku jika \(A_{1},A_{2},\dots A_{n}\) dan \(B\) hanya berbeda dalam satu kolom tunggal, dengan kolom yang berbeda (misalkan ke-\(j\)) dari B diperoleh dengan menambahkan entri-entri yang bersesuaian dari setiap kolom ke-\(j\) dari matriks \(A_{i}\).

Contoh 9

Misalkan matriks \(A, B\) dan \(C\) didefinisikan sebagai berikut :

$$A=\left[{\begin{array}{ccc}1&2&-1\\\color{red}{5}&\color{red}{2}&\color{red}{0}\\1&2&3\end{array}}\right],~B=\left[{\begin{array}{ccc}1&2&-1\\\color{red}{-4}&\color{red}{3}&\color{red}{1}\\1&2&3\end{array}}\right],~C=\left[{\begin{array}{ccc}1&2&-1\\\color{red}{1}&\color{red}{5}&\color{red}{1}\\1&2&3\end{array}}\right]$$

Kita akan mencoba memperlihatkan bahwa berdasarkan sifat ke-9 ini maka \(\text{det}(C)=\text{det}(A)+\text{det}(B)\).

Pertama kita hitung nilai determinan dari matriks \(A, B\) dan \(C\).

$$\text{det}(A)=\left|{\begin{array}{ccc}1&2&-1\\\color{red}{5}&\color{red}{2}&\color{red}{0}\\1&2&3\end{array}}\right|=-32$$

$$\text{det}(B)=\left|{\begin{array}{ccc}1&2&-1\\\color{red}{-4}&\color{red}{3}&\color{red}{1}\\1&2&3\end{array}}\right|=44$$

$$\text{det}(C)=\left|{\begin{array}{ccc}1&2&-1\\\color{red}{1}&\color{red}{5}&\color{red}{1}\\1&2&3\end{array}}\right|=12$$

Untuk cara perhitungannya bisa menggunakan aturan sarrus atau ekspansi kofaktor dan proses perhitungannya sengaja tidak ditampilkan, untuk latihan bersama.

Sifat 10

Misalkan \(A\) adalah matriks persegi, kemudian \(A\) kita kenakan Operasi Baris Elementer maka berlaku :

  • Jika \(A^{*}\) diperoleh dari \(A\) dengan cara mengalikan satu baris dari \(A\) dengan sembarang bilangan \(k\neq0\), maka \(\boxed{\text{det}\left({A^{*}}\right)=k\times \text{det}(A)}\)
  • Jika \(A^{*}\) diperoleh dari \(A\) dengan cara  menukar dua baris, maka \(\boxed{\text{det}\left({A^{*}}\right)=-\text{det}(A)}\)
  • Jika \(A^{*}\) diperoleh dari \(A\) dengan cara menjumlahkan satu baris dengan kelipatan baris lain, maka \(\boxed{\text{det}\left({A^{*}}\right)=\text{det}(A)}\)

Untuk contohnya akan kita akan bahas bersama pada bagian selanjutnya. Pada bagian selanjutnya kita akan mengenal metode yang tak kalah unik dalam mencari nilai determinan yaitu metode reduksi baris.

Namun, sebelumnya disarankan sudah mengenal Eliminasi Gauss atau Elimanasi Gauss-Jordan sebab kita akan belajar mereduksi baris pada matriks.

Apa Itu Metode Reduksi Baris ?

Umumnya pada saat kita menghitung determinan dari suatu matriks persegi, kita menggunakan tiga metode pokok yaitu :

  • Metode kupu-kupu (Khusus untuk matriks \(2\times2\))
    Metode Kupu-Kupu Pada Matriks 2x2
  • Metode Sarrus (Khusus untuk matriks \(3\times3\))

    Metode Sarrus Pada Matriks 3x3

  • Metode Ekspansi Kofaktor

    Ilustrasi Metode Ekspansi Kofaktor

Selain ketiga metode di atas terdapat metode lain yang dapat digunakan dalam mencari determinan yaitu metode reduksi baris, dimana dalam prosesnya menerapkan operasi baris elementer untuk mengarahkan kedalam bentuk matriks yang sederhana (dapat berupa matriks segitiga, diagonal, eselon baris atau lainnya) tujuannya agar mempermudah dalam menghitung determinannya.

Dalam metode ini tidak ada langkah baku, namun jika kita mengacu pada sifat determinan terutama sifat ke-4 , maka kita punya acuan untuk mereduksi baris sedemikian sehingga terbentuk matriks segitiga.

Menghitung Determinan dengan Metode Reduksi Baris

Perhatikan ilustrasi metode reduksi pada matriks \(3\times 3\) sebagai berikut :

Ilustrasi Metode Reduksi Baris Pada Matriks 3x3

Catatan : Pada ilustrasi di atas, persamaan \(\text{det}(A)=\text{det}(A^{*})=y_{11}\times y_{22}\times y_{33}\) belum tentu benar, namun kita dapat memastikan persamaan tersebut bernilai benar dengan “selalu” menggunakan satu jenis operasi baris elementer, yaitu : menambahkan satu baris dengan kelipatan baris lainnya.

Contoh 11

Tentukan determinan dari matriks \(A\) dengan \(A\) didefinisikan sebagai berikut :

$$A=\left[{\begin{array}{ccc}12&-6&5\\10&11&13\\8&4&-4\end{array}}\right]$$

Penyelesaian :

Pertama-tama kita tuliskan dulu determinan dari \(A\) yakni :

$$\text{det}(A)=\left|{\begin{array}{ccc}12&-6&5\\10&11&13\\8&4&-4\end{array}}\right|$$

Untuk langkah-langkah selanjutnya kita akan menggunakan sifat ke-10.

Sehingga jika kita kenakan operasi \(\frac{1}{4}R_{3}\rightarrow R_{3}\) maka

$$\underbrace{\left|{\begin{array}{ccc}12&-6&5\\10&11&13\\8&4&-4\end{array}}\right|}_{\text{det}(A)}\rightarrow\underbrace{\left|{\begin{array}{ccc}12&-6&5\\10&11&13\\2&1&-1\end{array}}\right|}_{\frac{1}{4}\text{det}(A)}$$

Ingat, tujuan kita membentuk matriks segitiga (atas atau bawah) sehingga kita sederhanakan baris pertama dan kedua dengan operasi \(-6R_{3}+R_{1}\rightarrow R_{1}\) dan \(-5R_{3}+R_{2}\rightarrow R_{2}\).

$$\underbrace{\left|{\begin{array}{ccc}12&-6&5\\10&11&13\\2&1&-1\end{array}}\right|}_{\frac{1}{4}\text{det}(A)}\rightarrow\underbrace{\left|{\begin{array}{ccc}0&-12&11\\0&6&18\\2&1&-1\end{array}}\right|}_{\frac{1}{4}\text{det}(A)}$$

Kemudian kita kenakan operasi \(R_{1}\leftrightarrow R_{3}\)

$$\underbrace{\left|{\begin{array}{ccc}0&-12&11\\0&6&18\\2&1&-1\end{array}}\right|}_{\frac{1}{4}\text{det}(A)}\rightarrow\underbrace{\left|{\begin{array}{ccc}2&1&-1\\0&6&18\\0&-12&11\end{array}}\right|}_{-\frac{1}{4}\text{det}(A)}$$

Tidak lupa kita sederhanakan baris ketiga dengan operasi \(2R_{2}+R_{3}\rightarrow R_{3}\) sehingga kita peroleh matriks segitiga.

$$\underbrace{\left|{\begin{array}{ccc}2&1&-1\\0&6&18\\0&-12&11\end{array}}\right|}_{-\frac{1}{4}\text{det}(A)}\rightarrow\underbrace{\left|{\begin{array}{ccc}2&1&-1\\0&6&18\\0&0&47\end{array}}\right|}_{-\frac{1}{4}\text{det}(A)}$$

Nah, setelah ketemu bentuk matriks segitiga, maka berdasarkan sifat ke-4 kita dapatkan :

$$\begin{aligned}-\frac{1}{4}\text{det}(A)&=\left|{\begin{array}{ccc}2&1&-1\\0&6&18\\0&0&47\end{array}}\right|\\&=2\times6\times47\\&=564\\\Leftrightarrow\text{det}(A)&=-4\times564\\&=-2256\end{aligned}$$

Alasan Metode Sarrus Hanya Berlaku Pada Matriks 3×3

Cover Aturan Sarrus

Definisi Determinan Secara Umum

Pada pembahasan sebelumnya sudah dijelaskan dengan jelas mengenai Definisi Fungsi Determinan dengan Perkalian Elementer. Dimana jika terdapat \(A\) matriks persegi berordo \(n\times n\) maka determinan dari matriks \(A\) dapat ditulis sebagai berikut :

$$\text{det}(A)=\sum \pm a_{1p_{1}}a_{2p_{2}}\dots a_{np_{n}}$$

Dengan \(a_{1p_{1}}a_{2p_{2}}\dots a_{np_{n}}\) bernilai genap jika \((p_{1},p_{2},\dots,p_{n})\) merupakan permutasi genap, sebaliknya \(a_{1p_{1}}a_{2p_{2}}\dots a_{np_{n}}\) bernilai ganjil jika \((p_{1},p_{2},\dots,p_{n})\) merupakan permutasi ganjil. Ingat kembali bahwa permutasi dari \(n\) unsur berbeda dari \((p_{1},p_{2},\dots,p_{n})\) mempunyai \(n!\) permutasi.

Kita akan menggunakan definisi fungsi determinan dengan perkalian elementer untuk melihat apakah metode sarrus hanya berlaku pada matriks \(3\times3\). Sebelum menganalisa lebih lanjut, mari kita kenalan terlebih dahulu metode sarrus.

Apa itu aturan atau metode sarrus?

Metode sarrus atau juga sering orang menyebutnya metode anyaman (Basketweave Method) adalah jalan alternatif dalam menghitung determinan dari matriks \(3\times 3\).

Perhatikan ilustrasi berikut :

Metode Sarrus Pada Matriks 3x3

Berdasarkan ilustrasi di atas kita peroleh langkah-langkah menghitung determinan matriks \(3\times 3\) dengan metode sarrus sebagai berikut.

Tahapan Metode Sarrus dalam Mencari Determinan

Misalkan didefinisikan matriks \(A_{3\times 3}\) sebagai berikut :

$$A=\left[{\begin{array}{ccc}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\\a_{31}&a_{32}&a_{33}\end{array}}\right]$$

Langkah pertama dalam menentukan determinan dengan aturan sarrus yaitu dengan menambahkan secara berurutan kolom ke-\(1\) dan ke-\(2\) pada sebelah kanan kolom ke-\(3\).

$$\left[{\begin{array}{ccc|cc}a_{11}&a_{12}&a_{13}&a_{11}&a_{12}\\a_{21}&a_{22}&a_{23}&a_{21}&a_{22}\\a_{31}&a_{32}&a_{33}&a_{31}&a_{32}\end{array}}\right]$$

Selanjutnya kita coret entri-entri pada diagonal utama dan diagonal lainnya.Tahapan Metode Sarrus

Sehingga diperoleh 6 bagian, kemudian kita kalikan entri-entri yang terletak pada kotak 1 sampai kotak 6.

$$\boxed{1}=a_{11}\times a_{22}\times a_{33}$$

$$\boxed{2}=a_{12}\times a_{23}\times a_{31}$$

$$\boxed{3}=a_{13}\times a_{21}\times a_{32}$$

$$\boxed{4}=a_{13}\times a_{22}\times a_{31}$$

$$\boxed{5}=a_{11}\times a_{23}\times a_{32}$$

$$\boxed{6}=a_{12}\times a_{21}\times a_{33}$$

Langkah terakhir yaitu menghitung determinan dengan mengurangkan jumlah hasil kali pada diagonal-diagonal utama(kotak 1, kotak 2 dan kotak 3) dengan jumlah hasil kali pada diagonal-diagonal pelengkapnya(kotak 4, kotak 5 dan kotak 6).

$$\begin{aligned}\text{det}(A)&=\boxed{1}+\boxed{2}+\boxed{3}-\boxed{4}-\boxed{5}-\boxed{6}\\&=a_{11}a_{22}a_{33}+a_{12}a_{23}a_{31}+a_{13}a_{21}a_{32}-a_{13}a_{22}a_{31}-a_{11}a_{23}a_{32}-a_{12}a_{21}a_{33}\end{aligned}$$

Baca juga : Kelebihan dan Kekurangan Metode Ekspansi Kofaktor

Menghitung Determinan Matriks 3×3 dengan Aturan Sarrus

Diberikan matriks \(A_{3\times 3}\) sebagai berikut :

$$A=\left[{\begin{array}{ccc}2&-1&1\\-3&0&-2\\1&4&1\end{array}}\right]$$

Dengan menggunakan aturan sarrus, tentukan determinan matriks \(A\) tersebut.

Penyelesaian :

Berdasarkan aturan sarrus maka kita peroleh :

$$\left[{\begin{array}{ccc|cc}2&-1&1&2&-1\\-3&0&-2&-3&0\\1&4&1&1&4\end{array}}\right]$$

Menghitung Determinan dengan Aturan Sarrus

Sehingga determinan dari matriks \(A\) yaitu :

$$\begin{aligned}\text{det}(A)&=(2)(0)(1)+(-1)(-2)(1)+(1)(-3)(4)-(1)(0)(1)-(2)(-2)(4)-(-1)(-3)(1)\\&=0+2+(-12)-0-(-16)-3\\&=3\end{aligned}$$

Alasan Metode Sarrus Hanya Berlaku Pada Matriks 3×3

Sebenarnya mengenai alasan aturan sarrus hanya berlaku pada matriks 3×3 tidak perlu ditanyakan, mengapa?

Hal ini karena Metode Sarrus itu sendiri diciptakan sebagai jalan alternatif yang lebih mudah untuk menghitung determinan matriks 3×3.

Namun, penulis mempunyai pandangan yang sedikit berbeda mengenai hal tersebut. Pertama kita sepakati bersama bahwa dalam mencari determinan matriks \(A_{n\times n}\) dengan metode sarrus pada diskusi kita kali ini dimulai dengan menambahkan \(n-1\) kolom pertama tepat pada sebelah kanan kolom terakhir secara berturut-turut.

$$\left[{\begin{array}{cccc|cccc}a_{11}&a_{12}&\dots&a_{1n}&a_{11}&a_{12}&\dots&a_{1(n-1)}\\a_{21}&a_{22}&\dots&a_{2n}&a_{21}&a_{22}&\dots&a_{2(n-1)}\\\vdots&\vdots&\ddots&\vdots&\vdots&\vdots&\ddots&\vdots\\a_{n1}&a_{n2}&\dots&a_{nn}&a_{n1}&a_{n2}&\dots&a_{n(n-1)}\end{array}} \right ]$$

Ide tersebut terinspirasi pada aturan sarrus pada matriks \(3\times 3\) dimana tepat pada sebalah kanan kolom terakhir (ketiga), terdapat \(3-1\) kolom pertama (kolom ke-\(1\) dan kolom ke-\(2\) secara berturut-turut).

Sehingga jika kita hubungkan pada konsep hasil perkalian elementer maka kita akan mendapatkan \(2n\) buah hasil perkalian elementer. Contohnya pada matriks \(3 \times 3\) berdasarkan aturan sarrus maka akan terdapat \(2\times3=6\) buah hasil kali elementer (3 pada diagonal utama dan 3 lainnya pada diagonal pelengkapnya).

Namun, jika kita mengacu pada definisi determinan dengan hasil perkalian elementer maka apabila matriks \(A\) berordo \(n\times n\), maka seluruh hasil perkalian elementer dalam matriks ada sebanyak \(n!\) (baca sebabnya disini).

Sehingga dari kedua pernyataan di atas kita peroleh hubungan :

$$n!=2n$$

Jelas bahwa jika bilangan asli \(n>3\) maka $$n!>2n$$ (kontradiksi) yang berakibat \(1\leq n\leq 3\) dan nilai \(n\) yang memenuhi persamaan tersebut hanya \(n=3\).

Jadi dari pernyataan di atas dapat kita tarik kesimpulan bahwa aturan sarrus hanya berlaku untuk matriks berordo \(3\times 3\).

Kelebihan dan Kekurangan Metode Ekspansi Kofaktor

Cover Ekspansi Kofaktor Profematika

Apa itu Ekspansi Kofaktor?

Metode ekspansi kofaktor adalah suatu metode untuk menghitung determinan dengan menggunakan kofaktor yang mengutamakan kemampuan berhitung secara manual dan secara teoritis.

Lalu apa itu kofaktor?

Metode Sarrus Pada Matriks 3x3
Metode Sarrus
Metode Kupu-Kupu Pada Matriks 2x2
Metode Kupu-Kupu

 

Sebelum mengenal apa itu kofaktor, mari kita ingat kembali pada saat duduk di bangku SMA kita sudah mengenal dan memahami aturan sarrus (untuk matriks 3×3) dan metode kupu-kupu (untuk matriks 2×2).

Perhatikan contoh berikut :

Didefinisikan matriks \(A\) dan \(B\) sebagai berikut :

$$A=\left[{\begin{array}{cc}a_{11}&a_{12}\\a_{21}&a_{22}\end{array}}\right],~B=\left[{\begin{array}{ccc}b_{11}&b_{12}&b_{13}\\b_{21}&b_{22}&b_{23}\\b_{31}&b_{32}&b_{33}\end{array}}\right]$$

Kita akan menentukan determinan matriks \(A\) dan \(B\). Berdasarkan metode kupu-kupu pada matriks \(A\) kita peroleh :

$$\begin{aligned}\text{det}(A)&=a_{11}a_{22}-a_{12}a_{21}\\&=a_{11}(-1)^{1+1}a_{22}+a_{12}(-1)^{1+2}a_{21}\\&=a_{11}(-1)^{1+1}\left|{a_{22}}\right|+a_{12}(-1)^{1+2}\left|{a_{21}}\right|\end{aligned}$$

dan pada matriks \(B\) dengan berdasarkan aturan sarrus dan kupu-kupu kita peroleh :

$$\begin{aligned}\text{det}(B)&=b_{11}b_{22}b_{33}+b_{12}b_{23}b_{31}+b_{13}b_{21}b_{32}-b_{13}b_{22}b_{31}-b_{11}b_{23}b_{32}-b_{12}b_{21}b_{33}\\&=b_{11}(-1)^{1+1}\left({b_{22}b_{33}-b_{23}b_{32}}\right)+b_{12}(-1)^{1+2}\left({b_{21}b_{33}-b_{23}b_{31}}\right)+b_{13}(-1)^{1+3}\left({b_{21}b_{32}-b_{22}b_{31}}\right)\\&=b_{11}(-1)^{1+1}\left|{\begin{array}{cc}b_{22}&b_{23}\\b_{32}&b_{33}\end{array}}\right|+b_{12}(-1)^{1+2}\left|{\begin{array}{cc}b_{21}&b_{23}\\b_{31}&b_{33}\end{array}}\right|+b_{13}(-1)^{1+3}\left|{\begin{array}{cc}b_{21}&b_{22}\\b_{31}&b_{32}\end{array}}\right|\end{aligned}$$

Dari pernyataan di atas bahwa determinan matriks \(B\) dapat dicari dengan menggunakan determinan matriks yang lebih kecil, begitu pula pada matriks \(A\).

Kemudian pada contoh di atas tanpa kita sadari, juga telah menerapkan konsep kofaktor, untuk lebih jelasnya, berikut definisi kofaktor :

Definisi Kofaktor : Jika \(A_{n\times n}=\left[{a_{ij}}\right]\) maka kofaktor dari \(a_{ij}\) dapat lambangkan \(C_{ij}\) dan \(C_{ij}=(-1)^{i+j}M_{ij}\), dengan \(M_{ij}\) menyatakan minor dari \(a_{ij}\) dan \(M_{ij}\) adalah determinan dari submatriks \(A\) yang diperoleh dengan mencoret semua entri pada baris ke-\(i\) dan semua entri pada kolom ke-\(j\).

Baca juga : Definisi Fungsi Determinan dengan Perkalian Elementer

Contoh 1 :

Tentukan minor dan kofaktor dari entri \(a_{12}, a_{31}\) dan \(a_{23}\) pada matriks \(A\) berikut :

$$A=\left[{\begin{array}{ccc}2&-1&1\\1&0&-1\\2&-2&0\end{array}}\right]$$

Penyelesaian :

Menghitung Minor Matriks Persegi

Minor \(a_{12}\) diperoleh dengan cara mencoret semua entri pada baris ke-\(1\) dan semua entri pada kolom ke-\(2\), kemudian dihitung determinannya :

$$M_{12}=\left|{\begin{array}{cc}1&-1\\2&0\end{array}}\right|=(1)(0)-(-1)(2)=2$$

dan kofaktor dari \(a_{12}\) adalah :

$$C_{12}=(-1)^{1+2}M_{12}=-1\times 2=-2$$

Dengan cara yang sama kita cari minor dan kofaktor dari \(a_{31}\) dan \(a_{23}\).

$$M_{31}=\left|{\begin{array}{cc}-1&1\\0&-1\end{array}}\right|=1~\text{sehingga}~C_{31}=(-1)^{3+1}M_{31}=1$$

dan

$$M_{23}=\left|{\begin{array}{cc}2&-1\\2&-2\end{array}}\right|=-2~\text{sehingga}~C_{23}=(-1)^{2+3}M_{23}=2$$

Selanjutnya kita akan menghitung determinan suatu matriks persegi dengan menerapkan konsep ekspansi kofaktor.

Menghitung Determinan dengan Metode Ekspansi Kofaktor

Determinan dari matriks \(A_{n\times n}=\left[{a_{ij}}\right]~\forall~i,j =\{1,2,3,\dots,n\}\) dapat dihitung dengan mengalikan entri-entri dalam suatu baris atau dalam suatu kolom dengan kofaktor-kofaktornya. Kemudian menjumlahkan semua hasil-hasil kali yang dihasilkan, atau dapat ditulis :

$$\text{det}(A)=a_{i1}C_{i1}+a_{i2}C_{i2}+\dots+a_{in}C_{in}$$

(Karena baris ke-\(i\) menjadi acuan, maka disebut juga ekspansi kofaktor sepanjang baris ke-\(i\))

$$\text{det}(A)=a_{1j}C_{1j}+a_{2j}C_{2j}+\dots+a_{nj}C_{in}$$

(Karena kolom ke-\(j\) menjadi acuan, maka disebut juga ekspansi kofaktor sepanjang kolom ke-\(j\))

Contoh 2 :

Didefinisikan matriks \(A\) sebagai berikut :

$$A=\left[{\begin{array}{ccc}3&0&-2\\2&5&1\\-1&3&1\end{array}}\right]$$

Dengan metode ekspansi kofaktor tentukan determinan matriks \(A\).

Penyelesaian :

Tips : pilih baris atau kolom yang mengandung banyak unsur/entri nol agar perhitungan menjadi lebih mudah.

Kita pilih baris pertama (\(a_{12}=0\)) sehingga kita dapat tuliskan :

$$\begin{aligned}\text{det}(A)&=a_{11}C_{11}+a_{12}C_{12}+a_{13}C_{13}\\&=a_{11}C_{11}+a_{13}C_{13}\dots(*)\end{aligned}$$

Kemudian kita cari nilai dari masing-masing kofaktor :

$$M_{11}=\left|{\begin{array}{cc}5&1\\3&1\end{array}}\right|=2~\Rightarrow~C_{11}=(-1)^{1+1}(2)=2$$
$$M_{13}=\left|{\begin{array}{cc}2&5\\-1&3\end{array}}\right|=11~\Rightarrow~C_{13}=(-1)^{1+3}(11)=11$$

Sehingga jika kita subtitusikan ke persamaan \((*)\) akan diperoleh :

$$\begin{aligned}\text{det}(A)&=a_{11}C_{11}+a_{13}C_{13}\\&=3(2)+(-2)(11)\\&=-16\end{aligned}$$

Baca juga : Alasan Metode Sarrus Hanya Berlaku pada Matriks 3×3

Kelebihan Metode Ekspansi Kofaktor

1. Dapat diterapkan pada matriks persegi 2×2 atau lebih.

Jika metode sarrus terbatas pada ordo \(3 \times 3\) maka untuk menghitung determinan dengan ordo yang lebih tinggi \((4\times 4, 5\times5,\dots,n\times n)\) dapat menggunakan metode ekspansi kofaktor.

Kenapa dimulai dari matriks 2×2 ?

Hal ini karena pada matriks 1×1 dalam mencari determinannya cukup menggunakan definisi saja, dimana jika terdapat matriks \(A_{1\times1}=\left[a_{11}\right]\) maka determinannya adalah \(\text{det}(A)=a_{11}\).

2. Efektif untuk yang suka perhitungan manual dan secara teoritis.

Hal ini didapat dari perbandingan dengan metode lainnya seperti aturan sarrus dan reduksi baris, dimana masing-masing mempunyai kelebihan tersendiri. Ekspansi kofaktor juga sekaligus dapat melatih ketahanan dalam berhitung, kita ambil contoh pada saat mencari determinan \(A_{5\times 5}\) maka kita akan menemukan determinan dari submatriks dari \(A\) yang berukuran \(4 \times 4\), dimana determinan dari submatriks tersebut kita hitung juga dengan ekspansi kofaktor sehingga akan ditemukan determinan submatriks dari submatriks \(A\) yang berukuran \(3 \times 3\) dan seterusnya.

Asalkan paham konsep dari ekspansi kofaktor dan mempunyai hitungan yang tepat maka metode ekspansi kofaktor akan efektif dilakukan.

3. Konsep kofaktor berguna untuk mencari invers matriks.

Pada saat duduk dibangku SMA pasti sudah mengenal rumus mencari invers berikut :

$$A_{n\times n}^{-1}=\frac{\text{Adjoin}(A)}{\text{det}(A)}$$

Pada persamaan tersebut terdapat Adjoin\((A)\) yang didefinisikan sebagai transpose matriks kofaktor dari \(A\) dapat kita tuliskan :

$$\text{Matriks kofaktor A}=\left[{\begin{array}{cccc}C_{11}&C_{12}&\dots&C_{1n}\\C_{21}&C_{22}&\dots&C_{2n}\\\vdots&\vdots&\ddots&\vdots\\C_{n1}&C_{n2}&\dots&C_{nn}\end{array}}\right]$$

Maka :

$$\text{Adjoin}(A)=\left[{\begin{array}{cccc}C_{11}&C_{21}&\dots&C_{n1}\\C_{12}&C_{22}&\dots&C_{n2}\\\vdots&\vdots&\ddots&\vdots\\C_{1n}&C_{2n}&\dots&C_{nn}\end{array}}\right]$$

Dari kenyataan tersebut, jelas bahwa konsep kofaktor dapat dimanfaatkan untuk mencari invers matriks. Sehingga tidak ada salahnya mempelajari ekspansi kofaktor, namun disamping itu metode ekspansi kofaktor menurut penulis masih terdapat kekurangan.

Kekurangan Metode Ekspansi Kofaktor

Menurut penulis metode ekspansi kofaktor dalam segi kecepatan masih kurang jika dibandingkan dengan metode campuran yaitu gabungan dari macam-macam metode(sarrus, kupu-kupu, ekspansi kofaktor, reduksi baris dan lainnya) yang dipadukan dengan sifat-sifat determinan.

Pada postingan ini kita tidak akan membahas mengenai metode reduksi baris. Sehingga sekarang untuk membuktikan argumen tersebut, saya asumsikan kita sudah memahami metode reduksi baris.

Contoh 3 :

Misalkan kita akan menghitung determinan matriks \(A\) sebagai berikut :

$$\text{det}(A)=\left|{\begin{array}{cccc}1&4&5&-2\\2&7&2&1\\1&6&4&-1\\-3&3&1&2\end{array}}\right|$$

Kita akan mereduksi matriks tersebut dengan mengenakan operasi baris elementer :

  • \(-2R_{1}+R_{2}\rightarrow R_{2}\)
  • \(-R_{1}+R_{3}\rightarrow R_{3}\)
  • \(3R_{1}+R_{4}\rightarrow R_{4}\)

secara berturut-turut sehingga kita peroleh :

$$\text{det}(A)=\left|{\begin{array}{cccc}1&4&5&-2\\0&-1&-8&5\\0&2&-1&1\\0&15&16&-4\end{array}}\right|$$

Nah, selanjutnya kita kenakan metode ekspansi kofaktor, kita pilih entri-entri pada kolom pertama dimana \(a_{11}=1\) dan \(a_{21}=a_{31}=a_{41}=0\).

$$\begin{aligned}\text{det}(A)&=a_{11}C_{11}+a_{21}C_{21}+a_{31}C_{31}+a_{41}C_{41}\\&=C_{11}\end{aligned}$$

Dengan aturan sarrus kita peroleh :

$$\begin{aligned}M_{11}&=\left|{\begin{array}{cccc}-1&-8&5\\2&-1&1\\15&16&-4\end{array}}\right|\\&=(-1)(-1)(-4)+(-8)(1)(15)+(5)(2)(16)-(5)(-1)(15)-(-1)(1)(16)-(-8)(2)(-4)\\&=63\end{aligned}$$

Sehingga kita peroleh :

$$\text{det}(A)=C_{11}=(-1)^{1+1}M_{11}=(1)63=63$$

Jadi dengan menggunakan metode campuran akan lebih efektif, namun kita dituntut untuk sekreatif mungkin untuk menyusun alur perhitungan yang termudah.