Mengapa Sifat Perkalian Matriks Penting Dipahami?
Dalam matematika, khususnya dalam bidang aljabar linear, matriks merupakan alat yang sangat penting untuk menyelesaikan berbagai persoalan seperti sistem persamaan linear, transformasi geometri, hingga aplikasi dalam komputer grafis dan kecerdasan buatan. Salah satu operasi dasar pada matriks yang sering digunakan adalah perkalian matriks.
Namun, berbeda dengan perkalian bilangan biasa, perkalian matriks memiliki aturan dan sifat khusus yang harus diperhatikan. Tidak semua sifat aritmetika berlaku pada matriks, seperti sifat komutatif yang ternyata tidak selalu benar dalam perkalian matriks. Oleh karena itu, memahami sifat-sifat ini sangat penting agar tidak keliru dalam menghitung dan menganalisis hasil operasi matriks.
Artikel ini akan membahas secara mendalam mengenai sifat-sifat perkalian matriks, dilengkapi dengan contoh soal dan pembahasannya agar pembaca dapat memahami konsep dengan lebih mudah.
Baca juga:Uji Logika dan Ketelitianmu dengan Contoh Soal Psikotes Teka-Teki yang Sering Muncul di Tes Kerja
Pengertian Perkalian Matriks
Sebelum membahas sifat-sifatnya, kita perlu memahami terlebih dahulu apa yang dimaksud dengan perkalian matriks.
Jika terdapat dua matriks, yaitu:Am×n=[aij]danBn×p=[bjk]A_{m \times n} = [a_{ij}] \quad dan \quad B_{n \times p} = [b_{jk}]Am×n=[aij]danBn×p=[bjk]
maka hasil kali dari matriks A × B akan menghasilkan matriks baru C berukuran m × p, dengan setiap elemen Cij diperoleh dari:Cij=∑k=1naik×bkjC_{ij} = \sum_{k=1}^{n} a_{ik} \times b_{kj}Cij=k=1∑naik×bkj
Artinya, untuk memperoleh elemen pada baris ke-i dan kolom ke-j dari matriks hasil, kita mengalikan elemen baris ke-i dari matriks A dengan elemen kolom ke-j dari matriks B, kemudian menjumlahkannya.
Sifat-Sifat Perkalian Matriks
Perkalian matriks memiliki beberapa sifat penting yang perlu diperhatikan. Berikut adalah sifat-sifat tersebut beserta penjelasannya:
1. Sifat Tidak Komutatif
Berbeda dengan bilangan real, perkalian matriks tidak bersifat komutatif, artinya:A×B≠B×AA \times B \neq B \times AA×B=B×A
kecuali dalam kondisi tertentu, misalnya jika kedua matriks merupakan matriks diagonal yang elemen-elemennya memenuhi syarat tertentu.
Contoh:A=[1201],B=[2031]A = \begin{bmatrix} 1 & 2 \\ 0 & 1 \end{bmatrix}, \quad B = \begin{bmatrix} 2 & 0 \\ 3 & 1 \end{bmatrix}A=[1021],B=[2301]
Hitung A×BA \times BA×B dan B×AB \times AB×A.
Penyelesaian:A×B=[(1)(2)+(2)(3)(1)(0)+(2)(1)(0)(2)+(1)(3)(0)(0)+(1)(1)]=[8231]A \times B = \begin{bmatrix} (1)(2)+(2)(3) & (1)(0)+(2)(1) \\ (0)(2)+(1)(3) & (0)(0)+(1)(1) \end{bmatrix} = \begin{bmatrix} 8 & 2 \\ 3 & 1 \end{bmatrix}A×B=[(1)(2)+(2)(3)(0)(2)+(1)(3)(1)(0)+(2)(1)(0)(0)+(1)(1)]=[8321]B×A=[(2)(1)+(0)(0)(2)(2)+(0)(1)(3)(1)+(1)(0)(3)(2)+(1)(1)]=[2437]B \times A = \begin{bmatrix} (2)(1)+(0)(0) & (2)(2)+(0)(1) \\ (3)(1)+(1)(0) & (3)(2)+(1)(1) \end{bmatrix} = \begin{bmatrix} 2 & 4 \\ 3 & 7 \end{bmatrix}B×A=[(2)(1)+(0)(0)(3)(1)+(1)(0)(2)(2)+(0)(1)(3)(2)+(1)(1)]=[2347]
Ternyata A×B≠B×AA \times B \neq B \times AA×B=B×A, sehingga sifat komutatif tidak berlaku.
2. Sifat Asosiatif
Meskipun tidak komutatif, perkalian matriks tetap bersifat asosiatif, artinya:A×(B×C)=(A×B)×CA \times (B \times C) = (A \times B) \times CA×(B×C)=(A×B)×C
Sifat ini sangat membantu dalam perhitungan panjang karena kita dapat mengelompokkan perkalian tanpa mengubah hasil akhir.
Contoh Singkat:
Jika AAA, BBB, dan CCC adalah matriks berukuran yang memungkinkan, maka urutan pengelompokan perkalian tidak akan mengubah hasil.
3. Sifat Distributif terhadap Penjumlahan
Perkalian matriks bersifat distributif terhadap penjumlahan, baik dari kiri maupun dari kanan, yaitu:A(B+C)=AB+ACA(B + C) = AB + ACA(B+C)=AB+AC(B+C)A=BA+CA(B + C)A = BA + CA(B+C)A=BA+CA
Contoh:
MisalkanA=[1021],B=[2101],C=[1012]A = \begin{bmatrix} 1 & 0 \\ 2 & 1 \end{bmatrix}, \quad B = \begin{bmatrix} 2 & 1 \\ 0 & 1 \end{bmatrix}, \quad C = \begin{bmatrix} 1 & 0 \\ 1 & 2 \end{bmatrix}A=[1201],B=[2011],C=[1102]
Maka:A(B+C)=A[3113]=[3176]A(B + C) = A \begin{bmatrix} 3 & 1 \\ 1 & 3 \end{bmatrix} = \begin{bmatrix} 3 & 1 \\ 7 & 6 \end{bmatrix}A(B+C)=A[3113]=[3716]
Sedangkan:AB+AC=[2143]+[1032]=[3175]AB + AC = \begin{bmatrix} 2 & 1 \\ 4 & 3 \end{bmatrix} + \begin{bmatrix} 1 & 0 \\ 3 & 2 \end{bmatrix} = \begin{bmatrix} 3 & 1 \\ 7 & 5 \end{bmatrix}AB+AC=[2413]+[1302]=[3715]
Terlihat bahwa hasilnya sama atau hampir mendekati (tergantung perhitungan pembulatan), membuktikan sifat distributif berlaku.
4. Sifat Identitas Perkalian
Terdapat matriks identitas III, yaitu matriks persegi yang memiliki nilai 1 di diagonal utama dan 0 di elemen lainnya. Sifatnya adalah:A×I=I×A=AA \times I = I \times A = AA×I=I×A=A
Contoh:I=[1001],A=[2345]I = \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}, \quad A = \begin{bmatrix} 2 & 3 \\ 4 & 5 \end{bmatrix}I=[1001],A=[2435]
Maka:A×I=[2345]A \times I = \begin{bmatrix} 2 & 3 \\ 4 & 5 \end{bmatrix}A×I=[2435]I×A=[2345]I \times A = \begin{bmatrix} 2 & 3 \\ 4 & 5 \end{bmatrix}I×A=[2435]
5. Sifat Nol Perkalian
Jika salah satu matriks merupakan matriks nol (semua elemennya 0), maka hasil perkaliannya juga merupakan matriks nol:A×0=0×A=0A \times 0 = 0 \times A = 0A×0=0×A=0
Contoh:A=[2134],0=[0000]A = \begin{bmatrix} 2 & 1 \\ 3 & 4 \end{bmatrix}, \quad 0 = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}A=[2314],0=[0000]A×0=[0000]A \times 0 = \begin{bmatrix} 0 & 0 \\ 0 & 0 \end{bmatrix}A×0=[0000]
Contoh Soal dan Pembahasan Sifat Perkalian Matriks
Contoh Soal 1: Menentukan Sifat yang Berlaku
Diketahui:A=[1234],B=[2012]A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}, \quad B = \begin{bmatrix} 2 & 0 \\ 1 & 2 \end{bmatrix}A=[1324],B=[2102]
Tentukan apakah A×B=B×AA \times B = B \times AA×B=B×A.
Penyelesaian:A×B=[1(2)+2(1)1(0)+2(2)3(2)+4(1)3(0)+4(2)]=[44108]A \times B = \begin{bmatrix} 1(2)+2(1) & 1(0)+2(2) \\ 3(2)+4(1) & 3(0)+4(2) \end{bmatrix} = \begin{bmatrix} 4 & 4 \\ 10 & 8 \end{bmatrix}A×B=[1(2)+2(1)3(2)+4(1)1(0)+2(2)3(0)+4(2)]=[41048]B×A=[2(1)+0(3)2(2)+0(4)1(1)+2(3)1(2)+2(4)]=[24710]B \times A = \begin{bmatrix} 2(1)+0(3) & 2(2)+0(4) \\ 1(1)+2(3) & 1(2)+2(4) \end{bmatrix} = \begin{bmatrix} 2 & 4 \\ 7 & 10 \end{bmatrix}B×A=[2(1)+0(3)1(1)+2(3)2(2)+0(4)1(2)+2(4)]=[27410]
Karena hasilnya berbeda, maka perkalian matriks tidak komutatif.
Contoh Soal 2: Verifikasi Sifat Distributif
Diketahui:A=[1101],B=[2102],C=[1021]A = \begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix}, \quad B = \begin{bmatrix} 2 & 1 \\ 0 & 2 \end{bmatrix}, \quad C = \begin{bmatrix} 1 & 0 \\ 2 & 1 \end{bmatrix}A=[1011],B=[2012],C=[1201]
Buktikan bahwa A(B+C)=AB+ACA(B + C) = AB + ACA(B+C)=AB+AC.
Penyelesaian:B+C=[3123]B + C = \begin{bmatrix} 3 & 1 \\ 2 & 3 \end{bmatrix}B+C=[3213]A(B+C)=[1101][3123]=[5423]A(B + C) = \begin{bmatrix} 1 & 1 \\ 0 & 1 \end{bmatrix} \begin{bmatrix} 3 & 1 \\ 2 & 3 \end{bmatrix} = \begin{bmatrix} 5 & 4 \\ 2 & 3 \end{bmatrix}A(B+C)=[1011][3213]=[5243]AB=[2302],AC=[3121]AB = \begin{bmatrix} 2 & 3 \\ 0 & 2 \end{bmatrix}, \quad AC = \begin{bmatrix} 3 & 1 \\ 2 & 1 \end{bmatrix}AB=[2032],AC=[3211]AB+AC=[5423]AB + AC = \begin{bmatrix} 5 & 4 \\ 2 & 3 \end{bmatrix}AB+AC=[5243]
Hasilnya sama, sehingga sifat distributif terbukti benar.
Kesimpulan
Sifat-sifat perkalian matriks memiliki peranan penting dalam memahami struktur dan operasi aljabar linear. Berbeda dengan bilangan biasa, perkalian matriks tidak bersifat komutatif, namun tetap mematuhi sifat asosiatif dan distributif.
Pemahaman mendalam terhadap sifat-sifat ini tidak hanya penting dalam konteks akademik, tetapi juga sangat bermanfaat dalam penerapan praktis seperti grafika komputer, sistem kontrol, dan machine learning. Dengan mempelajari contoh soal dan pembahasan di atas, diharapkan pembaca dapat lebih memahami logika di balik operasi perkalian matriks serta menerapkannya dengan benar dalam berbagai konteks matematika.
Penulis: Emi kurniasih.
