Pengantar Aljabar Linear yang Dijelaskan dengan Garis

 (ducktyped.org)
4 poin oleh GN⁺ 2025-10-08 | 1 komentar | Bagikan ke WhatsApp
  • Artikel ini memperkenalkan konsep dasar aljabar linear dengan ilustrasi
  • Pada bagian awal, penjelasan berfokus pada konsep eliminasi Gauss dan gambaran baris vs gambaran kolom
  • Dengan menggunakan contoh yang realistis (koin, makanan), artikel ini menjelaskan persamaan linear dan proses mencari solusinya dengan mudah
  • Artikel ini menekankan pergeseran cara berpikir matematis melampaui deret angka, seperti vektor dan notasi matriks
  • Ditekankan bahwa inti dari aljabar linear adalah menangani array, vektor, dan matriks alih-alih sekadar angka

Pendahuluan

Artikel ini adalah materi pengantar bagi orang yang sudah memahami aljabar biasa tetapi belum mengenal aljabar linear.
Dua konsep penting yang pertama kali dibahas adalah eliminasi Gauss (Gaussian elimination) dan gambaran baris (row picture) vs gambaran kolom (column picture).

Contoh uang

  • Dijelaskan persoalan menghitung berapa banyak koin nikel (nickel) dan koin penny (penny) yang dibutuhkan untuk membentuk 23 sen
  • x adalah jumlah nikel, y adalah jumlah penny. Jika dibuat menjadi persamaan, kombinasi nilai x dan y yang menghasilkan 23 menjadi sebuah persamaan linear
  • Dalam contoh ini, ada banyak solusi yang mungkin (misalnya 4 nikel dan 3 penny, atau 23 penny)
  • Ditekankan bahwa persamaan linear (linear equation) adalah ekspresi yang semuanya berada pada bidang datar, tanpa kurva atau lubang
  • Menyesuaikan satu angka dengan 2 variabel itu mudah, tetapi ketika harus menyesuaikan dua angka sekaligus dengan 2 variabel, situasinya menjadi lebih rumit, dan di sinilah eliminasi Gauss berguna

Contoh makanan

  • Ada dua jenis makanan, seperti roti (bread) dan susu (milk), dan berdasarkan informasi karbohidrat (carbs) serta protein (protein) dari masing-masing makanan, dicari kombinasi yang memenuhi target tertentu (misalnya 5 g karbohidrat dan 7 g protein)
  • Dalam kasus ini, perlu dibuat dua persamaan untuk mencari nilai x (jumlah susu) dan y (jumlah roti)
  • Untuk masalah seperti ini digunakan eliminasi Gauss

Eliminasi Gauss

  • Dijelaskan proses menuliskannya ulang menjadi dua persamaan linear, lalu mengurangi atau menambahkan kelipatan tertentu dari satu persamaan ke persamaan lain untuk menghilangkan variabel satu per satu dan mempersempit nilainya
  • Pada contoh, y dihilangkan untuk mendapatkan nilai x, lalu nilai tersebut disubstitusikan kembali untuk mencari nilai y
  • Hasil akhirnya adalah 3 susu dan 1 roti
  • Disebutkan bahwa eliminasi Gauss adalah teknik umum dengan sejarah yang panjang

Cara memahami dengan gambar

  • Jika sebelumnya soal diselesaikan dengan pendekatan gambaran baris (row picture), kini persoalan dijelaskan secara visual melalui gambar/grafik
  • Setiap persamaan diubah berdasarkan x (susu) lalu digambarkan sebagai garis lurus pada grafik
  • Grafik persamaan pertama merepresentasikan semua kombinasi susu-roti yang memenuhi target karbohidrat (titik-titik di atas garis)
  • Persamaan kedua juga digambarkan dengan cara yang sama
  • Ditekankan bahwa untuk memenuhi kedua target sekaligus, jawaban yang benar adalah satu titik tempat kedua garis berpotongan
  • Metode ini pada akhirnya juga menghasilkan 3 susu dan 1 roti
  • Dijelaskan bahwa eliminasi Gauss adalah teknik yang sangat dasar namun esensial, dan telah digunakan selama lebih dari 2.000 tahun bahkan tanpa aljabar linear

Gambaran kolom (Column Picture)

  • Sebelumnya fokusnya adalah pada gambaran baris (row picture), yaitu melihat setiap persamaan secara terpisah, tetapi kini diperkenalkan pendekatan gambaran kolom (column picture)
  • Dua persamaan digabung menjadi satu persamaan, dan koefisiennya dinyatakan sebagai array (vektor)
  • Vektor bisa dianggap sebagai array yang elemennya memiliki urutan nomor (mirip dengan vektor dalam ilmu komputer)
  • Visualisasi vektor: vektor bisa direpresentasikan sebagai titik, atau juga sebagai panah
  • Jika penjumlahan antarvektor dilihat secara visual, jalur menuju jawaban (misalnya menjumlahkan vektor susu tiga kali dan vektor roti satu kali) dapat dipahami secara intuitif
  • Dijelaskan juga bahwa perkalian dan penjumlahan vektor masing-masing merupakan operasi per elemen vektor
  • Pendekatan gambaran kolom dengan vektor dalam banyak hal bisa terasa lebih intuitif daripada pendekatan sebelumnya

Memahami aljabar linear

  • Diingatkan bahwa inti penting aljabar linear adalah pergeseran cara berpikir dari aljabar berbasis angka ke aljabar yang berpusat pada array dan vektor
  • Baik gambaran kolom maupun gambaran baris adalah cara visualisasi yang sangat penting dalam aljabar linear
  • Terakhir, diperkenalkan secara singkat notasi matriks (matrix), yang menunjukkan bahwa seluruh sistem dapat dirangkum dalam bentuk matriks x vektor

Pratinjau isi berikutnya

  • Pada bab-bab selanjutnya, konsep penting aljabar linear seperti matriks dan dot product akan dibahas lebih lanjut
  • Jika tertarik, pembaca diajak untuk berlangganan

Bacaan tambahan dan penutup

  • Disediakan tautan Instagram untuk melihat lebih banyak materi dan karya seni

Bacaan terkait

1 komentar

 
GN⁺ 2025-10-08
Komentar Hacker News

  • Saya setuju isinya jelas dan berguna, tetapi angka yang dipakai dalam contoh, yaitu 1 dan 2, sekaligus mewakili roti dan susu, sehingga saat melihat bentuk matriks sulit secara intuitif membedakan mana angka 1 untuk roti dan mana angka 1 untuk susu. Menurut saya, kalau memakai angka yang semuanya berbeda seperti 1, 2, 3, 4, penjelasannya akan jauh lebih jelas.

    • Saya setuju dengan catatan ini. Saat mempelajari aljabar linear, angka yang muncul sangat banyak dan urutannya benar-benar penting. Karena itu, ketika memakai angka contoh saya lebih suka deret khusus seperti bilangan prima, karena jadi lebih mudah melacak angka mana yang berkontribusi pada hasil perkalian.

  • Saya sangat menyukai bagian akhir tulisan blog ini. Namun, memulai dari eliminasi Gauss terasa, meski saya sulit menemukan kata yang pas, agak "misterius". Seharusnya masalahnya muncul lebih dulu ("bagaimana menyelesaikan sistem persamaan?" "bagaimana mencari titik potong dua garis?"), lalu ditunjukkan secara grafis, setelah itu baru metode atau algoritmenya diperkenalkan. Kalau dibalik rasanya seperti mengajarkan aturan rantai dalam kalkulus lebih dulu tanpa makna geometrisnya.

    • Saya penulisnya — sepertinya kamu benar. Saya menulis bagian eliminasi Gauss sebagai semacam pengulangan karena saya mengira sebagian besar pembaca sudah pernah melihatnya, dan saya ingin cepat masuk ke inti materi. Kalau ada lebih banyak orang yang merasa kesulitan di bagian ini, saya ingin mendengar masukan; mungkin memang perlu dijelaskan lebih pelan dan lebih rinci.

    • Saya masih belum benar-benar paham hal seperti, "apa sebenarnya arti bahwa kita bisa melakukan eliminasi?" Namun, cara Anda memperkenalkan sudut pandang kolom itu sendiri sangat menarik dan sangat membantu bagi pemula seperti saya.<br>Tambahan lagi, ada sangat banyak buku teks aljabar linear, tetapi isi dan urutannya semuanya berbeda. Karena itu saya merasa aljabar linear sulit diajarkan sekaligus sulit dipahami. Jadi saya rasa kita butuh lebih banyak sudut pandang yang beragam, karena tidak ada satu pendekatan tunggal yang cocok untuk semua orang.

  • Saya sangat suka tulisan ini. Sepertinya akan lebih tidak membingungkan kalau nama variabel untuk roti dan susu tidak hanya memakai x dan y, melainkan huruf variabel lain, karena nanti x dan y berubah lagi menjadi x dan y untuk konsep lain di grafik seperti karbohidrat dan protein.

    • Sepertinya memang ada sesuatu yang membingungkan terkait variabel. Saya perlu memikirkan bagian mana yang sebaiknya diubah.

  • Senang melihat karya Aditya Bhargava lagi. Saya sudah jadi penggemarnya sejak dulu saat membaca Grokking Algorithms.

    • Terima kasih, proses menulis buku itu sangat menyenangkan.

  • Isinya cukup bagus. Aljabar linear benar-benar terasa misterius bagi saya sampai saya mengambil satu semester kuliah di universitas. Ringkasannya sangat baik.<br>Kalau pembacanya belum akrab dengan konsep vektor, mungkin akan lebih baik jika dijelaskan secara singkat bagaimana dua vektor (besar dan arah) masing-masing bisa merepresentasikan 1 roti dan 1 susu, serta bagaimana vektor itu bisa dipindahkan atau dijumlahkan.

  • Andai ada lebih banyak konten seperti ini di dunia. Membuat konten pendidikan matematika yang bagus itu benar-benar sulit. Isinya sangat bagus.

  • Saya sangat suka metode penjelasan visual dan cara membangun motivasinya. Saat ini saya sedang belajar aljabar linear dari beberapa sumber seperti "The No Bullshit Guide to Linear Algebra", dan menurut saya cukup bagus. Kalau ada rekomendasi buku aljabar linear lain yang praktis dan bisa langsung diterapkan seperti ini, akan senang sekali kalau dibagikan. Kebanyakan buku terasa terlalu teoretis atau hambatan masuknya terlalu tinggi.

    • Saya juga sedang meninjau berbagai buku teks LinAlg sekarang. Saya tertarik ke sisi ML/AI, jadi mendekatinya dari sudut pandang itu.<br>Saya sudah mengikuti materi sampai aljabar linear di KA academy, dan juga memakai sumber serta buku teks lain secara bersamaan.<br>Orang-orang biasanya akan merekomendasikan 3B1B dan Strang (kuliah LinAlg MIT OCW). 3B1B memang intuitif dan luar biasa untuk pengantar, tetapi untuk pertama kali belajar serius rasanya agak cepat, dan Strang benar-benar hebat tetapi kadang melantur saat kuliah sehingga agak sulit diikuti. Meski begitu, saya tetap memakainya sebagai materi pendamping.<br>LADR4e (Linear Algebra Done Right) juga bagus, tetapi bagian pembuktiannya sulit sehingga saya masih belum bisa mengikuti semuanya.<br>Ada juga 'Linear Algebra done wrong' dan buku Hefferon, tetapi ini juga cukup cepat menjadi berfokus pada pembuktian. Sepertinya bagus untuk belajar putaran kedua atau ketiga.<br>Selain itu, ada mata kuliah terpisah yang disebut 'abstract linear algebra', tetapi tingkat kerumitannya tidak jauh berbeda dari buku aljabar linear tradisional.<br>Yang cukup banyak saya pakai adalah buku ROB101 (https://github.com/michiganrobotics/rob101/blob/main/Fall%202021/Textbook/ROB_101_December_2021_Grizzle.pdf), yang saya jadikan referensi utama sampai topik independensi linear, sambil juga mengikuti kuliah MIT Strang.<br>ROB101 juga membahas sisi pemrograman dengan baik, jadi cocok untuk memikirkan aljabar linear dalam kaitannya dengan coding di ML/AI.<br>Saya juga punya beberapa buku matematika Eropa Timur untuk latihan soal.<br>Akhir-akhir ini saya mengulas ulang kursus/buku teks di https://www.math.ucdavis.edu/~linear/, dan juga sangat terbantu oleh catatan di https://math.berkeley.edu/~arash/54/notes/.

    • Buku yang menurut saya sangat menarik untuk dibaca adalah "Introduction to Applied Linear Algebra – Vectors, Matrices, and Least Squares".<br>https://web.stanford.edu/~boyd/vmls/

    • Anda bilang tujuan Anda adalah "pemahaman yang praktis dan bisa langsung diterapkan", tetapi saya penasaran ingin menggunakannya secara spesifik untuk apa. Menurut saya, mempelajari teori (misalnya aljabar linear) hanya dengan motivasi praktis itu agak aneh. Sebenarnya bukankah bisa saja membaca buku aplikasi nyatanya sambil mempelajari teorinya secara paralel? Dan kalau memang sampai pada situasi di mana teori itu benar-benar diperlukan, maka seberapa pun sulitnya isinya, pada akhirnya tetap harus dipelajari.<br>Misalnya, aljabar linear sangat penting untuk mempelajari mekanika kuantum. Jadi jika itu tujuannya, saya justru merasa lebih baik melihat buku teks mekanika kuantum terlebih dahulu.

    • Saya juga menulis bahwa tujuan saya adalah "praktis, pada tingkat yang bisa langsung diterapkan", dan saya sepenuhnya setuju. Saya rasa ML adalah bidang yang sangat cocok untuk benar-benar memakainya, dan saya juga sedang menyiapkan seri yang membahas ini.

  • Saya merasa seri aljabar linear dari 3blue1brown juga wajib disebut. Tingkatnya sedikit lebih tinggi daripada tulisan ini, tetapi penjelasannya sangat luar biasa dan tetap mudah diakses.<br>https://youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab

    • Video-video 3B1B memang luar biasa, tetapi video aljabar linearnya terasa agak cepat bagi saya, dan itulah salah satu alasan saya mulai menulis seri ini.

    • Luar biasa juga bahwa framework grafis yang dipakai 3B1B dirilis sebagai open source.<br>https://github.com/ManimCommunity/manim

  • Setiap kali membaca tulisan seperti ini, awalnya saya selalu berpikir, "Wah! Akhirnya ada orang yang bisa menjelaskan matematika dengan cara yang bisa saya pahami!", tetapi mulai dari bagian eliminasi Gauss saya kembali kehilangan alurnya.

  • Nama Josh Starmer otomatis mengingatkan saya pada ekspresi "Bam!". Saya tidak tahu apakah ada yang ingat buku itu, yang menjelaskan machine learning sambil menggambar. Saya juga dulu sering menonton kanal YouTube-nya. Konten penjelasan seperti ini benar-benar membuat belajar jadi lebih menyenangkan.