Buku Kecil Aljabar Linear

 (github.com/the-litte-book-of)
3 poin oleh GN⁺ 2025-09-03 | 1 komentar | Bagikan ke WhatsApp
  • Menjelaskan konsep dasar aljabar linear agar mudah dipahami siapa saja
  • Merangkum topik-topik inti seperti matriks, vektor, dan transformasi linear secara singkat dan jelas
  • Disusun dengan fokus pada contoh dan penjelasan intuitif daripada rumus
  • Cocok sebagai materi pengantar untuk pemula di bidang matematika dan ilmu komputer
  • Juga menyajikan contoh penerapan praktis untuk membantu menghubungkan teori dan praktik

Pengantar

Materi ini merupakan buklet yang merangkum secara intuitif konsep dasar dan prinsip utama aljabar linear. Alih-alih menekankan rumus yang rumit, materi ini berfokus pada gagasan inti, istilah dasar, dan contoh nyata, dengan tujuan membantu pemula memahami pokok-pokok penting aljabar linear dengan cepat.

Susunan isi utama

  • Matriks dan vektor: Menjelaskan secara singkat dan jelas makna matriks dan vektor, cara operasinya, serta arti geometrisnya sebagai fondasi aljabar linear
  • Transformasi linear: Memperkenalkan konsep transformasi linear dalam ruang vektor, contoh-contoh representatif, dan penerapannya dalam kehidupan nyata
  • Nilai eigen dan vektor eigen: Menjelaskan konsep nilai eigen (eigenvalue) dan vektor eigen (eigenvector), yang penting untuk memahami struktur matriks dan data, dengan cara yang mudah dipahami pemula
  • Sistem persamaan: Menjelaskan metode penyelesaian sistem persamaan linear yang digunakan dalam pemecahan masalah nyata beserta latar belakang matematisnya
  • Dimensi, rank, basis: Memberikan definisi istilah dasar seperti dimensi, basis, dan rank pada ruang vektor beserta contoh visual

Karakteristik dan kelebihan

  • Mengutamakan konsep inti dan intuisi visual dibanding teori yang rumit
  • Membantu mengaitkan penggunaan aljabar linear dalam berbagai skenario praktik di bidang matematika, data science, dan teknik komputer dengan cara yang mudah dipahami
  • Merupakan materi pengantar yang dapat dimanfaatkan oleh calon mahasiswa, pembelajar mandiri, maupun pengembang pemula

Contoh penggunaan

  • Juga mencakup panduan sangat ringkas tentang pemanfaatan aljabar linear dalam analisis data, machine learning, pemodelan sistem fisik, dan lainnya
  • Dapat berperan sebagai batu loncatan untuk melangkah ke tahap penerapan nyata setelah memahami konsep dasarnya

Bacaan terkait

1 komentar

 
GN⁺ 2025-09-03
Komentar Hacker News

  • Saya merasa aljabar linear adalah salah satu bidang matematika yang paling mendalam dan menarik, serta diterapkan di hampir semua cabang matematika dan bidang kuantitatif praktis

    • Namun, saya juga mengalami bahwa proses mempelajari dasar-dasarnya seperti vektor, skalar, hasil kali dalam, matriks, eliminasi Gauss, dan sebagainya sangat membosankan

    • Khususnya, aturan atau makna perkalian matriks itu sendiri juga dalam, tetapi sulit dijelaskan dari sisi motivasi, sehingga terasa berat karena harus dipelajari begitu saja sebagai "memang dari sananya seperti itu"

    • Biasanya banyak digunakan pendekatan standar yang dimulai dari definisi dasar lalu maju hingga eliminasi Gauss, tetapi saya juga pernah melihat pendekatan yang dimulai dari fungsi multilinear atau dari aplikasi nyata seperti rotasi dan rantai Markov

    • Membuat siswa merasa tertarik secara pedagogis nyaris seperti mimpi buruk, dan butuh waktu lama sampai suatu hari semuanya tiba-tiba terasa saling terhubung

    • Menurut pengalaman saya, sebenarnya tidak harus seperti itu

      • Kita bisa mulai dengan mendefinisikan transformasi linear lalu menjelaskannya secara visual lewat contoh seperti translasi, rotasi, refleksi, dan sebagainya
      • Penjumlahan dan penskalaan transformasi linear bisa didefinisikan, dan vektor pun tidak harus dinyatakan sebagai R^d karena panah geometris dan aturan jajargenjang saja sudah cukup untuk menjelaskannya
      • Dengan menunjukkan komposisi transformasi linear dan bahwa hasilnya juga merupakan transformasi linear, siswa bisa membangun intuisi terhadap struktur operasinya
      • Karena penjumlahan dan komposisi bekerja sangat mirip dengan penjumlahan dan perkalian bilangan real, siswa dapat diarahkan untuk menemukan sendiri aturan perkalian matriks
      • Ketika sistem koordinat atau basis diperkenalkan, akan terasa alami bahwa alih-alih daftar transformasi linear yang rumit, semuanya bisa direpresentasikan dengan satu matriks

    • Saya tidak pernah merasa ada bagian aljabar linear yang membosankan, dan saya langsung terpikat sejak momen menyelesaikan Ax=b sebagai x=b/A

      • Eliminasi Gauss saya nikmati karena rasanya seperti Sudoku yang benar-benar praktis, dan setelah menguasai metode ini saya bisa menyelesaikan sekitar 2/3 mata kuliah aljabar linear tingkat sarjana dengan mudah
      • Saya belajar dari kuliah Strang, dan mempelajari LU, subspace, QR, spectrum, dalam urutan itu
      • Kemampuan matematika saya tidak luar biasa, tetapi mata kuliah ini langsung terasa intuitif bagi saya

    • Dulu saya pernah mempelajari kursus aljabar linear lewat Khan academy

      • Karena saya mempelajarinya sambil mencoba mengimplementasikan logika rendering, saya bisa langsung mengimplementasikan apa yang dipelajari dan mendapat umpan balik seketika, jadi sangat bermanfaat

    • Jika Anda menyukai pemrograman grafika atau suka belajar secara visual, ada cara yang sangat memotivasi dan memuaskan untuk mempelajari dasar-dasar aljabar linear

      • Saya juga menganggap affine algebra penting
      • Saya sedang menulis tesis magister tentang topik terkait

    • Semakin bertambah usia, saya semakin merasa bahwa "bukan matematika yang sulit, melainkan mengajarkan matematika itu yang sulit"

  • Jika penasaran dengan ringkasan aljabar linear yang lebih visual dan intuitif, saya punya mini-book yang saya buat beberapa tahun lalu

  • Saya merasa video aljabar linear 3Blue1Brown benar-benar berkualitas luar biasa

    • Saya seorang ekonom dan menggunakan aljabar linear setiap hari

  • Setelah 7.4 orthonormal basis, saya melihat rendering rumus tex berhenti di halaman preview readme GitHub

    • Itu digantikan oleh pesan gagal dirender (kotak merah), jadi saya bertanya-tanya apakah ada batas rendering per halaman

      • Sejak titik itu saya beralih membaca versi epub
        • Meski begitu, GitHub tetap patut dipuji karena sudah merender dengan sebagus ini

  • Saya pernah mengambil mata kuliah aljabar linear tingkat sarjana, tetapi belum pernah menggunakannya dalam praktik kerja, jadi saya penasaran cara yang baik untuk mempelajari aplikasi aljabar linear yang nyata

    • Jawaban: ada petunjuk juga di thread atas, misalnya machine learning, LLM, RSA, dan sebagainya
      • Ini juga dipakai dalam statistika multivariat, pergerakan serangga di ruang 3 dimensi, memproyeksikan titik-titik cahaya yang terklaster pada sebuah bidang ke "bidang terbaik", dan lain-lain
      • Itu sendiri pada dasarnya adalah mencocokkan dataset berdimensi tinggi ke garis, bidang, atau manifold berdimensi rendah, dan hal-hal seperti galat (jarak ke bidang) juga berkaitan; SVD digunakan untuk hal seperti penajaman gambar
      • Bidang penerapannya bergantung pada jenis pekerjaan yang ingin Anda lakukan dan kaitannya dengan minat Anda, jadi bagi mahasiswa ilmu komputer, kemungkinan ke depannya nyaris tak terbatas

  • Belakangan ini saya cukup kesulitan saat mencoba memilih buku pengantar aljabar linear

    • Ada terlalu banyak pilihan seperti kursus pertama, kursus kedua, buku yang benar, buku yang salah, dan sebagainya, jadi membingungkan

    • Saya juga sempat melihat LADR4e (Linear Algebra Done Right 4th edition), tetapi kemampuan pembuktian saya masih belum cukup

      • Saya suka buku Serge Lang karena penjelasannya jelas

        • Introduction to Linear Algebra membahas dasar-dasarnya secara ringkas dan menafsirkan perhitungan matriks secara geometris
        • Sebagai catatan, Linear Algebra karya Lang lebih teoretis

      • "Linear Algebra" karya Jim Hefferon beserta rekaman kuliahnya sangat mudah diakses dan tersusun dengan baik

        • Tersedia gratis, dan soal latihan serta buku solusinya juga semuanya gratis

      • Untuk pendekatan yang intuitif dan visual, saya merekomendasikan <Practical Linear Algebra: A Geometry Toolbox> karya Dianne Hansford dan Gerald Farin (edisi pertama berjudul The Geometry Toolbox: For Graphics and Modeling)

      • "No bullshit Guide to Linear Algebra" sangat bagus

        • Itu satu-satunya materi yang saat dipelajari membuat saya merasa benar-benar paham dengan jelas

  • Rasanya aneh belajar aljabar linear tanpa grafika

    • Ketika belajar di sekolah 25 tahun lalu, guru saya selalu menjelaskan intuisi visual lewat diagram, jadi meskipun definisi abstrak pertama tentang ruang vektor (penjumlahan, perkalian skalar) terasa sulit, begitu beliau menggambar panah, semuanya langsung masuk akal

  • Jika ada yang kesulitan karena aljabar linear, saya sangat merekomendasikan "Linear Algebra Done Right" karya Sheldon Axler

    • Beberapa konsep mungkin tampak bertele-tele, tetapi semuanya memang perlu
    • Untuk menangani matriks N x N, kita memang perlu memahami bahwa secara alami kita harus membedakan N^2 elemen
    • Bahkan tanpa membahas matriks pun kita bisa belajar cukup dalam dari landasan abstrak, dan justru lebih mudah merasakan motivasinya

  • Susunan dan pemformatan file .tex tunggalnya sangat rapi, sampai-sampai hanya dengan melihat source code-nya pun saya merasa bisa membaca isinya

    • Saya terkejut GitHub menangani rendering rumus LaTeX di Markdown lebih baik dari yang saya kira

  • Saya selalu suka materi berlisensi CC

    • Materi kali ini sangat minimalis, jadi karena hampir tidak ada penjelasan, gambar, atau pembuktian, mungkin perlu bahan pendamping untuk belajar dasar, tetapi sebagai cheatsheet yang hanya memuat inti-inti penting, ini sudah tampak cukup memadai