Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

Sistem persamaan linear

Sistem persamaan linear (SPL) adalah sekumpulan dua atau lebih persamaan aljabar linear yang memiliki variabel sama, pangkat tertinggi satu, dan diselesaikan bersamaan untuk mencari nilai variabel yang memenuhi seluruh persamaan. SPL dapat berbentuk dua variabel (SPLDV) atau tiga variabel (SPLTV), dengan solusi unik, tak hingga banyak, atau tidak ada.

  • Contoh persamaan linear (SPLDV):

    ax+by=cax + by = c
  • Contoh persamaan linear (SPLTV):

    ax+by+cz=dax + by + cz = d

sebuah ekspresi linear dalam nn peubah tidak diketahui(atau variabel) x1,x2,...,xnx_1,x_2,...,x_n adalah ekspresi berbentuk

a1x1+a2x2+...+anxn,a_1x_1 + a_2x_2 + ... + a_nx_n,

dengan a1,a2,..,ana_1,a_2,..,a_n adalah bilangan real tetap.

Sebuah persamaan linear dalam peubah x1,x2,...,xnx_1,x_2,...,x_n adalah persamaan yang dapat disederhanakan hanya menggunakan penjumlahan dan pengurangan menjadi bentuk

a1x1+a2x2+...+anxn=ba_1x_1 + a_2x_2 + ... + a_nx_n = b

yang kita sebut sebagai bentuk baku, persamaan tersebut disebut homogen jika b=0b = 0

Saat menampilkan sistem yang terdiri atas mm persamaan dalam nn peubah, x1,x2,...,xnx_1,x_2,...,x_n biasanya kita menuliskan setiap persamaan dalam bentuk baku dan menyelaraskan suku-suku yang bersesuaian ke dalam kolom:

a11x1+a12x2++a1nxn=b1a21x1+a22x2++a2nxn=b2am1x1+am2x2++amnxn=bm\begin{array}{ccccccccc} a_{11}x_1 &+& a_{12}x_2 &+& \cdots &+& a_{1n}x_n &=& b_1 \\ a_{21}x_1 &+& a_{22}x_2 &+& \cdots &+& a_{2n}x_n &=& b_2 \\ \vdots && \vdots && \vdots && \vdots && \vdots \\ a_{m1}x_1 &+& a_{m2}x_2 &+& \cdots &+& a_{mn}x_n &=& b_m \end{array}

sistem homogen biasanya ditulis:

a11x1+a12x2++a1nxn=0a21x1+a22x2++a2nxn=0am1x1+am2x2++amnxn=0\begin{array}{ccccccccc} a_{11}x_1 &+& a_{12}x_2 &+& \cdots &+& a_{1n}x_n &=& 0 \\ a_{21}x_1 &+& a_{22}x_2 &+& \cdots &+& a_{2n}x_n &=& 0 \\ \vdots && \vdots && \vdots && \vdots && \vdots \\ a_{m1}x_1 &+& a_{m2}x_2 &+& \cdots &+& a_{mn}x_n &=& 0 \end{array}

notasi indeks ganda yang digunakan untuk menampilkan sistem linear. Berikut cara memahaminya:

  • Indeks ii pada aija_{ij} dan bib_i menunjukkan baris ke-ii dalam sistem yang ditampilkan, atau secara ekuivalen, persamaan ke-ii.

  • Indeks jj pada aija_{ij} menunjukkan kolom ke-jj, yang berkaitan dengan peubah ke-jj, untuk 1jn1≤j≤n.

Diberikan suatu sistem linear, kita berupaya mencari himpunan seluruh solusinya. Seperti yang akan segera kita lihat, himpunan solusi ini memiliki salah satu dari tiga bentuk kualitatif berikut:

  1. Himpunan solusi kosong; artinya, tidak ada solusi. Dalam hal ini, sistem disebut tidak konsisten. Jika tidak demikian, sistem disebut konsisten.

  2. Himpunan solusi berisi tepat satu elemen; artinya, hanya ada satu solusi.

  3. Himpunan solusi berisi tak hingga banyak elemen; artinya, terdapat tak hingga solusi.

Example

  1. xy=0xy=1x - y = 0\\ x - y = 1
  2. xy=0x+y=1x - y = 0\\ x + y = 1
  3. xy=12x2y=2x - y = 1\\ 2x - 2y = 2
    1. Persamaan pertama mengimplikasikan xyx - y. Substitusi yy untuk xx pada persamaan kedua menghasilkan 0=10 = 1 suatu kontradiksi. Maka tidak ada solusi: S=S = \emptyset

    2. Persamaan pertama memberi xyx - y. Substitusi ke persamaan kedua menghasilkan 2x=12x = 1, sehingga x=12x = \dfrac{1}{2}. Maka solusi tunggalnya adalah (x,y)=(12,12)(x,y) = (\dfrac{1}{2},\dfrac{1}{2}), dan S=(12,12)S = {(\dfrac{1}{2},\dfrac{1}{2})}

    3. Persamaan kedua hanyalah dua kali persamaan pertama. Keduanya memiliki himpunan solusi yang sama, sehingga cukup cari semua solusi dari xy=1x - y = 1. Misalkan x=tx = t untuk sebarang tRt \in \mathbb{R}, maka y=t1y = t -1. Jadi solusinya adalah (x,y)=(t,t1)(x,y) = (t,t-1) untuk semua tRt \in \mathbb{R}, dan S=(t,t1):tRS = {(t,t - 1): t \in \mathbb{R}}, suatu himpunan tak hingga!

Representasi Matriks dari Sistem Linear. Jika AA adalah matriks koefisien dari suatu sistem persamaan linear dan b adalah vektor konstanta, maka kita akan menuliskan LS(A,LS(A, b)) sebagai ungkapan singkat untuk sistem persamaan linear tersebut, yang akan kita sebut sebagai representasi matriks dari sistem linear.

Example Notasi untuk sistem persamaan linear.

Sistem persamaan linear

2x1+4x23x3+5x4+x5=93x1+x2+x43x5=02x1+7x25x3+2x4+2x5=32x_1 + 4x_2 - 3x_3 + 5x_4 + x_5 = 9\\ 3x_1 + x_2 + x_4 - 3x_5 = 0\\ -2x_1 + 7x_2 - 5x_3 + 2x_4 + 2x_5 = -3

Matriks koefisien

A=[243513101327522]A = \begin{bmatrix} 2 & 4 & -3 & 5 & 1\\ 3 & 1 & 0 & 1 & -3\\ -2 & 7 & -5 & 2 & 2 \end{bmatrix}

Vektor konstanta

b=[903]b = \begin{bmatrix} 9\\ 0\\ -3 \end{bmatrix}

dan sehingga akan direferensikan sebagai LS(A,LS(A, b)).

Matriks augmentasi. Misalkan kita memiliki sistem dengan mm persamaan dalam nn variabel, dengan matriks koefisien AA dan vektor konstanta b. Maka matriks augmentasi dari sistem persamaan tersebut adalah matriks berukuran m×(n+1)m \times (n+1) yang nn kolom pertamanya adalah kolom-kolom dari AA dan kolom terakhirnya (kolom ke-n+1n+1) adalah vektor kolom b. Ketika dideskripsikan secara simbolik, matriks ini akan dituliskan sebagai [Ab][A|b] matriks augmentasi hanyalah sebuah matriks, dan bukan sistem persamaan. Namun, matriks augmentasi selalu terkait dengan suatu sistem persamaan, dan sebaliknya.

Example Matriks augmentasi

3 sistem persamaan dengan 3 variabel.

x1x2+2x3=12x1+x2+x3=8x1+x2=5\begin{array}{} x_1 &-& x_2 &+& 2x_3 &=& 1\\ 2x_1 &+& x_2 &+& x_3 &=& 8\\ x_1 &+& x_2 && &=& 5 \end{array}

berikut adalah matriks augmentasinya

[112121181105]\left[ \begin{array}{ccc|c} 1 & -1 & 2 & 1\\ 2 & 1 & 1 & 8\\ 1 & 1 & 0 & 5 \end{array} \right]