Kalkulator Matriks — Penjumlahan, Perkalian, Determinan

Apa itu matriks dan mengapa penting

Matriks adalah larik angka persegi panjang yang disusun dalam baris dan kolom. Matriks m×n memiliki m baris dan n kolom. Matriks adalah objek fundamental dalam aljabar linear, dan aljabar linear adalah bahasa matematika dari ilmu data, grafis komputer, simulasi fisika, dan optimasi rekayasa.

Setiap elemen dalam matriks diidentifikasi oleh indeks baris dan kolomnya. Elemen pada baris i dan kolom j ditulis aᵢⱼ. Untuk matriks 2×2, a₁₁ adalah elemen kiri-atas, a₁₂ adalah kanan-atas, a₂₁ adalah kiri-bawah, dan a₂₂ adalah kanan-bawah. Matriks persegi (jumlah baris dan kolom sama) memiliki properti tambahan seperti determinan dan jejak yang tidak didefinisikan untuk matriks tidak persegi.

Matriks merepresentasikan transformasi linear — fungsi yang memetakan vektor ke vektor sambil mempertahankan penjumlahan dan perkalian skalar. Matriks 2×2 merepresentasikan semua kombinasi rotasi, penskalaan, refleksi, dan geseran dalam bidang dua dimensi. Mengalikan dua matriks menyusun transformasi yang sesuai: jika A merotasi 45° dan B menskalakan 2×, maka AB menerapkan rotasi diikuti penskalaan.

Operasi matriks dijelaskan

Penjumlahan dan pengurangan memerlukan kedua matriks memiliki dimensi yang sama. Elemen yang bersesuaian dijumlahkan atau dikurangkan: (A+B)ᵢⱼ = aᵢⱼ + bᵢⱼ. Keduanya komutatif untuk penjumlahan (A+B = B+A) tetapi pengurangan tidak (A−B ≠ B−A pada umumnya).

Perkalian matriks lebih kompleks dan tidak komutatif — AB ≠ BA pada umumnya. Untuk dua matriks persegi n×n, elemen pada baris i dan kolom j dari hasil kali adalah perkalian titik dari baris i matriks A dengan kolom j matriks B: (AB)ᵢⱼ = Σₖ aᵢₖ bₖⱼ. Untuk matriks 2×2, ini memerlukan 8 perkalian dan 4 penjumlahan.

Transpos matriks A, ditulis Aᵀ, diperoleh dengan membalik baris dan kolom: (Aᵀ)ᵢⱼ = aⱼᵢ. Baris pertama A menjadi kolom pertama Aᵀ. Transpos digunakan secara ekstensif dalam regresi kuadrat terkecil (persamaan normal melibatkan AᵀA), analisis komponen utama, dan backpropagation jaringan saraf.

Determinan adalah nilai skalar yang merangkum matriks persegi. Untuk matriks 2×2 [[a,b],[c,d]], det = ad − bc. Untuk matriks 3×3, dihitung dengan perluasan kofaktor sepanjang baris pertama. Matriks dengan determinan 0 disebut singular — tidak memiliki invers, artinya transformasi linear yang terkait meruntuhkan ruang ke dimensi yang lebih rendah.

Aplikasi nyata perhitungan matriks

Grafis komputer sepenuhnya bergantung pada operasi matriks. Setiap rotasi, translasi, penskalaan, dan proyeksi perspektif yang diterapkan pada adegan 3D direpresentasikan sebagai perkalian matriks pada koordinat homogen. Pipeline rendering mengalikan serangkaian matriks 4×4: matriks model, tampilan, dan proyeksi digabungkan (dikalikan bersama) sebelum diterapkan ke setiap titik sudut. GPU dioptimalkan khusus untuk beban kerja ini.

Dalam pembelajaran mesin, jaringan saraf menyimpan bobot sebagai matriks. Pass maju melalui sebuah lapisan adalah perkalian matriks antara vektor input (atau matriks batch) dan matriks bobot, diikuti oleh fungsi aktivasi nonlinear. Pelatihan melalui backpropagation menghitung gradien menggunakan transpos: δL/δW = xᵀ · δL/δy. Model bahasa besar seperti GPT melakukan miliaran perkalian matriks per pass maju.

Sistem persamaan linear dapat ditulis dan diselesaikan menggunakan matriks. Sistem ax + by = e, cx + dy = f setara dengan persamaan matriks [[a,b],[c,d]] · [x,y]ᵀ = [e,f]ᵀ. Jika determinannya bukan nol, solusi uniknya adalah x = [x,y]ᵀ = A⁻¹[e,f]ᵀ. Hubungan antara determinan, invers, dan kemampuan solusi ini adalah inti dari analisis numerik dan komputasi ilmiah.