Fitri Learning

BelajarMatematika SMA Kelas 11Bab 3

Operasi Matriks

Matematika SMA Kelas 11 · Bab 3: Matriks

Penjumlahan Matriks

Penjumlahan dua matriks hanya dapat dilakukan jika kedua matriks memiliki ordo yang sama. Operasi ini dilakukan dengan menjumlahkan elemen-elemen yang seletak pada kedua matriks tersebut.

Apabila terdapat matriks $A = a_{ij}$ dan matriks $B = b_{ij}$, maka

$A + B = C \leftrightarrow$ ordo $A$ = ordo $B$ ordo $C$ = ordo $A$ = ordo $B$

Pada penjumlahan matriks berlaku sifat berikut:

  • Komutatif: $A + B = B + A$
  • Asosiatif: $(P + Q) + R = P + (Q + R)$

Apabila ordo A sembarang matriks $m \times n$ dan O matriks nol berordo $m \times n$, berlaku:

$$A + O = O + A$$

Matriks nol dapat dikatakan sebagai elemen identitas penjumlahan matriks.

Pengurangan Matriks

Setiap matriks mempunyai lawan, maka dapat ditulis $A + (-B)$ sebagai $A - B$. Dengan kata lain, matriks A dikurang matriks B didefiniiskan sebagai matriks A ditambah dengan lawan dari matriks B.

$$A - B = A + (-B)$$

Perkalian Bilangan Real dengan Matriks

Dalam aljabar matriks, bilangan real umumnya disebut sebagai suatu skalar. Hasil kali skalar k dan matriks A dituliskan dengan notasi $k \cdot A$.

Matriks $kA$ merupakan suatu matriks yang elemen-elemennya merupakan hasil kali dari k dengan elemen-elemen matriks A.

Misalkan:

$$P = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$$

sehingga

$$\begin{aligned} P + P &= \begin{pmatrix} a & b \\ c & d \end{pmatrix} + \begin{pmatrix} a & b \\ c & d \end{pmatrix} \\[4pt] &= \begin{pmatrix} a+a & b+b \\ c+c & d+d \end{pmatrix} = \begin{pmatrix} 2a & 2b \\ 2c & 2d \end{pmatrix} \end{aligned}$$

Oleh karena $P + P = 2P$, maka:

$$2P = 2\begin{pmatrix} a & b \\ c & d \end{pmatrix} = \begin{pmatrix} 2a & 2b \\ 2c & 2d \end{pmatrix}$$

Demikian pula $P + P + P = 3P$.

$$3P = 3\begin{pmatrix} a & b \\ c & d \end{pmatrix} = \begin{pmatrix} 3a & 3b \\ 3c & 3d \end{pmatrix}$$

Dengan demikian, dapat disimpulkan bahwa apabila k merupakan bilangan real, maka:

$$k\begin{pmatrix} a & b \\ c & d \end{pmatrix} = \begin{pmatrix} ka & kb \\ kc & kd \end{pmatrix}$$

Perkalian Matriks

Perkalian dua matriks merupakan proses penjumlahan hasil kali yang diperoleh dengan mengalikan elemen-elemen pada baris suatu matriks dengan elemen-elemen pada kolom matriks lainnya. Jika matriks pertama disebut matriks A dan matriks kedua disebut matriks B, maka hasil kali dari matriks A dan B dinyatakan dengan notasi AB.

Syarat Perkalian Matriks

Secara umum, dua matriks A dan B dapat dikalikan jika matriks A memiliki ordo $m \times n$ dan matriks B memiliki ordo $n \times p$. Hasil perkalian matriks $A \times B$ akan menghasilkan matriks dengan $m \times p$.

Berikut dijelaskan proses perkalian matriks yang berordo $3 \times 2$ dan matriks berordo $2 \times 2$ yang akan menghasilkan matriks berordo $3 \times 2$.

$$\begin{pmatrix} a & b \\ c & d \\ e & f \end{pmatrix}\begin{pmatrix} p & q \\ r & s \end{pmatrix} = \begin{pmatrix} (a \times p)+(b \times r) & (a \times q)+(b \times s) \\ (c \times p)+(d \times r) & (c \times q)+(d \times s) \\ (e \times p)+(f \times r) & (e \times q)+(f \times s) \end{pmatrix}$$

Pada perkalian matriks, sifat komutatif umumnya tidak berlaku, yaitu $AB \neq BA$. Istilah yang digunakan dalam aljabar, matriks perkalian AB adalah matriks B dikalikan dari kiri oleh matriks A dan perkalian BA adalah matriks B dikalikan dari kanan oleh matriks A.

Matriks Satuan (Identitas)

Perhatikan contoh perkalian berikut.

Jika matriks $A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}$ dan $I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$, maka:

$$\begin{aligned} AI &= \begin{pmatrix} a & b \\ c & d \end{pmatrix}\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \\[4pt] &= \begin{pmatrix} a+0 & 0+b \\ c+0 & 0+d \end{pmatrix} = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \end{aligned}$$

$$\begin{aligned} IA &= \begin{pmatrix} a & b \\ c & d \end{pmatrix}\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} \\[4pt] &= \begin{pmatrix} a+0 & b+0 \\ 0+c & 0+d \end{pmatrix} = \begin{pmatrix} a & b \\ c & d \end{pmatrix} \end{aligned}$$

Pada contoh di atas, ditunjukkan bahwa $AI = IA$ dan hasil perkaliannya adalah matriks A. Hal serupa berlaku jika sembarang matriks berordo $2 \times 2$ dikalikan dengan matriks $I_2$ (matriks satuan berordo $2 \times 2$), hasil perkaliannya adalah matriks itu sendiri. Matriks $I_2$ tersebut dinamakan matriks satuan atau identitas perkalian yang berordo $2 \times 2$.

Analisis Jaringan Sosial dengan Matriks
  • Matriks adjacency merupakan alat yang sangat berguna dalam menganalisis jaringan sosial, khususnya dalam menggambarkan hubungan atau koneksi antarindividu. Dalam konteks media sosial, matriks ini digunakan untuk merepresentasikan hubungan pertemanan, interaksi, atau koneksi antar pengguna. Matriks adjacency berbentuk matriks persegi yang elemennya bernilai 1 jika ada hubungan langsung antara dua individu, dan 0 jika tidak ada hubungan. Misalnya, jika pengguna A dan B berteman di suatu platform, maka elemen pada baris A dan kolom B, serta baris B dan kolom A, akan bernilai 1. Jika tidak berteman, nilainya adalah 0. Matriks ini bersifat simetris jika hubungan dianggap timbal balik (misalnya, pertemanan), namun dapat menjadi matriks tak simetris jika hubungan bersifat satu arah (misalnya, mengikuti di Twitter).

  • Dalam analisis jaringan sosial, matriks adjacency memudahkan untuk menghitung berbagai parameter jaringan, seperti derajat simpul, yaitu jumlah koneksi yang dimiliki oleh setiap pengguna. Matriks ini juga memungkinkan identifikasi komunitas atau kelompok pengguna yang saling terhubung lebih erat. Algoritma graf seperti PageRank dan Clustering Coefficient menggunakan matriks adjacency untuk mengukur pentingnya suatu simpul atau menemukan kelompok-kelompok kecil dalam jaringan besar. Misalnya, pada sebuah komunitas online, pengguna dengan nilai derajat tinggi dalam matriks adjacency dapat dianggap sebagai influencer atau pusat interaksi. Dengan teknik seperti analisis komponen terhubung, matriks ini dapat membantu memahami bagaimana informasi menyebar dalam jaringan sosial.

  • Selain itu, matriks adjacency sangat bermanfaat dalam analisis sentralitas, yaitu menentukan pengguna mana yang paling berpengaruh atau memiliki akses luas dalam jaringan. Sentralitas derajat, misalnya, dihitung langsung dari jumlah 1 pada baris atau kolom tertentu dalam matriks. Di sisi lain, sentralitas antara dan sentralitas eigen memanfaatkan operasi matriks yang lebih kompleks untuk mengukur kekuatan pengaruh tidak langsung. Penggunaan matriks adjacency dalam media sosial tidak hanya terbatas pada analisis interaksi pengguna, tetapi juga dalam deteksi hoaks dan analisis sentimen, dimana pola hubungan antara akun dapat mengungkapkan jaringan penyebaran informasi palsu. Dengan demikian, pemanfaatan matriks adjacency dalam jaringan sosial memberikan wawasan yang lebih mendalam mengenai struktur dan dinamika interaksi antarindividu.

Gratis — tolong sebarkan

Materi dan latihan di sini bisa dipakai siapa saja tanpa membayar dan tanpa mendaftar. Aplikasi Fitri Learning membawa semuanya ke HP, lengkap dengan nilai dan pembahasan, dan jalan tanpa internet setelah diunduh sekali.

Gratis, tanpa akunUnduh aplikasinya →