Aljabar linear

Dalam ruang Euklides dimensi tiga, ketiga bidang ini mewakili solusi persamaan linear, dan perpotongannya ketiganya mewakili himpunan solusi gabungan: dalam hal ini, sebuah titik yang unik. Garis biru adalah solusi gabungan ketika hanya memperhatikan gabungan dari dua persamaan linear.

Aljabar linear adalah bidang studi matematika yang mempelajari sistem persamaan linear seperti$$a_1{x}_1+\cdots +a_n{x}_n=b,$$pemetaan linear seperti$$(x_1,\dots ,x_n)\mapsto a_1{x}_1+\cdots +a_n{x}_n,$$dan representasinya dalam ruang vektor maupun dengan matriks.

Aljabar linear berperan penting di hampir semua bidang matematika. Sebagai contoh, aljabar linear menjadi dasar dalam menjelaskan geometri secara modern, termasuk dalam mendefinisikan objek-objek dasar seperti garis, bidang, dan rotasi. Analisis fungsional, salah satu cabang matematika analisis, dapat dianggap sebagai penerapan aljabar linear dalam ruang fungsi.

Aljabar linear juga dipakai dalam banyak bidang ilmu dan bidang teknik, karena kemampuannya memodelkan banyak fenomena alam dan mencari solusi model tersebut dengan efisien. Pada sistem nonlinear, aljabar linear sering digunakan sebagai hampiran linear (linear approximation), didasarkan pada fakta turunan dari fungsi multivariabel di suatu titik adalah pemetaan linear yang terbaik dalam menghampiri nilai fungsi disekitar titik tersebut.

Sejarah

Templat:See also Menyelesaikan beberapa persamaan linear secara bersamaan menjadi bagian penting dalam aljabar linear. Prosedur dalam menyelesaikan masalah tersebut, yang sekarang dikenal sebagai eliminasi Gauss, pertama kali muncul dalam Bab Delapan: Array Persegi Panjang di buku matematika Cina kuno Sembilan Bab dalam Seni Matematika. Buku ini mengilustrasikan delapan belas masalah, masing-masing melibatkan dua sampai lima persamaan.

Sistem persamaan linear berkembang di Eropa bersamaan dengan dikenalkannya konsep koordinat dalam geometri, oleh René Descartes pada tahun 1637. Faktanya, pada geometri yang sekarang dikenal sebagai geometri Kartesius ini, garis-garis dan bidang-bidang diwakilkan oleh persamaan linear, dan mendapatkan hasil perpotongan mereka sama dengan menyelesaikan sistem persamaan linear.

Pada perkembangan selanjutnya, determinan digunakan untuk menyelesaikan sistem persamaan linear secara sistematis. Metode ini pertama kali dipertimbangkan oleh Leibniz pada tahun 1693. Pada tahun 1750, Gabriel Cramer menggunakan determinan untuk menghasilkan solusi sistem linear secara eksplisit, menggunakan metode yang saat ini dikenal dengan aturan Cramer. Gauss nantinya juga menjelaskan lebih lanjut tentang metode eliminasi, yang awalnya dicatat sebagai sebuah kemajuan (advancement) dalam geodesi.

Pada tahun 1844, Hermann Grassmann mempublikasikan "Theory of Extension" yang didalamnya meyertakan topik fundamental yang baru, saat ini dikenal sebagai aljabar linear. Pada tahun 1848, James Joseph Sylvester memperkenalkan istilah matrix. Aljabar linear tumbuh dengan konsep-konsep dari bidang kompleks. Sebagai contoh, dua bilangan kompleks $w$ dan $z$ memiliki selisih $w-z$ dan segmen garis $\overline{wz}$ dan $\overline{0(w-z)}$ memiliki panjang dan arah yang sama. Istilah vektor diperkenalkan untuk mewakili suatu titik $v=x\text{i}+y\text{j}+z\text{k}$ dalam ruang.

Arthur Cayley memperkenalkan perkalian matriks dan invers matriks pada tahun 1856. Cayley juga menggunakan satu huruf untuk menandai satu matriks, sehingga mengganggap matriks sebagai suatu gabungan dari banyak objek. Ia juga menyadari hubungan antara matriks dan determinan, dan menulis "Akan ada banyak hal untuk disampaikan tentang teori matriks ini yang, menurut saya, seharusnya mendahului teori determinan."

Publikasi A Treatise on Electricity and Magnetism pada tahun 1873 memulai ilmu teori medan tentang elektromagnetik, dan memerlukan geometri diferensial untuk mengekspresikan konsep-konsepnya. Aljabar linear merupakan geometri diferensial untuk bidang datar dan berperan pada ruang tangen manifold. Simetri elektromagnetik dari ruang waktu diekspresikan lewat transformasi Lorentz, dan banyak dari sejarah aljabar linear selanjutnya juga merupakan sejarah dari transformasi Lorentz.

Definisi yang lebih pasti dan modern mengenai ruang vektor diperkenalkan oleh Peano pada tahun 1888. Teori tentang transformasi linear ruang vektor dimensi hingga berkembang pada tahun 1900. Aljabar linear mendapatkan bentuk modernnya pada awal abad ke-20, ketika banyak ide dan konsep dari abad-abad sebelumnya berhasil diperumum menjadi aljabar abstrak. Perkembangan komputer memulai riset yang pesat dalam algoritme efisien untuk eliminasi Gauss dan dekomposisi matriks; dan aljabar linear menjadi alat penting untuk permodelan dan simulasi.

Ruang vektor

Templat:Main Sampai pada abad ke-19, aljabar linear diperkenalkan lewat sistem persamaan linear dan matriks. Dalam matematika modern, perkenalan lewat ruang vektor lebih disukai karena sifatnya yang lebih umum (tidak terbatas pada kasus dimensi yang berhingga) dan lebih mudah secara konseptual, walaupun lebih abstrak.

Suatu ruang vektor atas medan Templat:Math (umumnya berupa medan bilangan real) adalah suatu himpunan Templat:Math yang dilengkapi oleh dua operasi biner yang memenuhi aksioma-aksioma pada daftar berikut. Elemen dari Templat:Math disebut vektor, dan elemen dari Templat:Math disebut skalar. Opersi yang pertama, penjumlahan vektor, menggunakan sembarang dua vektor Templat:Math dan Templat:Math dan menghasilkan vektor Templat:Math. Operasi yang kedua, perkalian skalar, menggunakan sembarang skalar Templat:Math dan sembarang vektor Templat:Math dan menghasilkan vektor Templat:Math. Dalam daftar berikut, Templat:Math, dan Templat:Math adalah sembarang vektor di Templat:Math, dan Templat:Math dan Templat:Math adalah sembarang skalar di medan Templat:Math.

Aksioma	Hal yang terjadi
Penjumlahan bersifat asosiasif	Templat:Math
Penjumlahan bersifat komutatif	Templat:Math
Penjumlahan memiliki elemen identitas	Ada suatu elemen Templat:Math di Templat:Math, disebut dengan vektor nol (terkadang cukup disebut nol), yang memenuhi Templat:Math untuk setiap Templat:Math di Templat:Math.
Penjumlahan memiliki elemen invers	Untuk setiap Templat:Math di Templat:Math, ada elemen Templat:Math di Templat:Math, disebut invers penjumlahan dari Templat:Math, yang memenuhi Templat:Math
Perkalian skalar bersifat distributif terhadap penjumlahan vektor	Templat:Math
Perkalian skalar bersifat distributif terhadap penjumlahan pada medan	Templat:Math
Perkalian skalar bersifat distributif terhadap perkalian pada medan	Templat:Math Templat:Efn
Perkalian skalar memiliki elemen invers	Untuk setiap Templat:Math di Templat:Math, berlaku hubungan Templat:Math, dengan Templat:Math menandakan identitas perkalian di Templat:Mvar.

Empat aksioma yang pertama mengartikan bahwa Templat:Math adalah suatu grup Abelian dalam penjumlahan.

Elemen dari suatu ruang vektor yang spesifik dapat berupa objek yang beragam. Sebagai contoh, elemen ini dapat berupa deret, fungsi, polinomial, atau matriks. Aljabar linear berfokus pada sifat-sifat objek tersebut yang sama dengan semua ruang vektor lainnya.

Peta linear

Templat:Main Peta linear adalah pemetaan antara dua ruang vektor yang mengawetkan struktur dari ruang vektor. Diberikan dua ruang vektor Templat:Math dan Templat:Math atas medan Templat:Mvar, suatu pet linear adalah pemetaan$$T:V\to W$$yang memenuhi perkalian dan penjumlahan skalar, dengan kata lain, memenuhi$$T(𝐮+𝐯)=T(𝐮)+T(𝐯),T(a𝐯)=aT(𝐯)$$Untuk sembarang vektor Templat:Math di Templat:Math dan skalar Templat:Math di Templat:Mvar. Hal ini mengakibatkan untuk sembarang vektor Templat:Math di Templat:Math dan skalar Templat:Math di Templat:Mvar, berlaku hubungan$$T(a𝐮+b𝐯)=T(a𝐮)+T(b𝐯)=aT(𝐮)+bT(𝐯)$$Ketika Templat:Math, pemetaan linear $T:V\to V$ juga disebut sebagai operator linear di Templat:Mvar. Peta linear yang bijektif antara dua ruang vektor, yakni yang memetakan setiap elemen di satu ruang vektor dengan tepat satu elemen di ruang vektor yang lain, disebut sebagai suatu isomorfisme. Karena isomorfisme mengawetkan struktur linear, dua ruang vektor yang isomorfik "pada dasarnya sama" dalam sudut pandang aljabar linear, dalam artian mereka berdua tidak dapat dibedakan dengan menggunakan sifat-sifat ruang vektor. Satu masalah penting dalam aljabar linear adalah menentukan apakah suatu peta linear bersifat isomorfik; dan jika tidak isomorfik, menentukan citra dan himpunan dari elemen-elemen yang dipetakan ke vektor nol, yang disebut sebagai kernel dari peta tersebut. Masalah-masalah ini dapat diselesaikan dengan eliminasi Gauss, atau variasinya.

Subruang, span, dan basis

Templat:Main Seperti banyak struktur matematika lainnya, mempelajari subset dari ruang vektor yang juga berupa ruang vektor akibat suatu operasi adalah hal yang penting. Subset ini disebut dengan subruang linear. Secara formal, suatu subruang linear dari ruang vektor Templat:Mvar atas lapangan Templat:Mvar adalah suatu subset Templat:Mvar dari Templat:Mvar yang memenuhi Templat:Math dan Templat:Math berada di dalam Templat:Mvar, untuk setiap Templat:Math, Templat:Math di Templat:Mvar, dan setiap Templat:Mvar di Templat:Mvar. (Definisi tersebut cukup untuk menyimpulkan bahwa Templat:Mvar adalah suatu ruang vektor.) Sebagai contoh, untuk pemetaan linear $T:V\to W$, citra Templat:Math dari Templat:Mvar, dan invers dari citra Templat:Math dari 0 (dikenal sebagai kernel atau ruang nol), masing-masing adalah subruang linear dari Templat:Mvar dan Templat:Mvar.

Cara penting yang lain untuk membentuk suatu subruang adalah dengan menggunakan kombinasi linear vektor-vektor dari himpunan Templat:Mvar. Cara ini menghasilkan himpunan berisi vektor-vektor dengan bentuk $$a_1{𝐯}_1+a_2{𝐯}_2+\cdots +a_k{𝐯}_k,$$dengan Templat:Math berada di Templat:Mvar, dan Templat:Math berada di Templat:Mvar. Himpunan tersebut membentuk subruang linear yang disebut span dari Templat:Mvar. Span dari Templat:Mvar juga merupakan irisan dari semua subruang linear yang mengandung Templat:Mvar. Dengan kata lain, span ini adalah subruang linear terkecil (pada relasi subset) yang mengandung Templat:Mvar.

Suatu himpunan vektor dikatakan saling bebas linear jika tidak ada vektor yang berada di span vektor-vektor yang lain. Secara ekuivalen, suatu himpunan vektor-vektor Templat:Mvar saling bebas linear jika satu-satunya cara menyatakan vektor nol sebagai kombinasi linear vektor-vektor di Templat:Mvar adalah dengan memilih 0 untuk setiap koefien $a_i.$

Suatu himpunan vektor yang menjadi merentang (span) suatu ruang vektor disebut himpunan span. Jika himpunan span Templat:Mvar bergantung linear (yakni tidak bebas linear), maka ada vektor Templat:Math di Templat:Mvar yang berada di span vektor-vektor Templat:Mvar yang lain, dan span dari Templat:Mvar tidak akan berubah walau Templat:Math dibuang. Langkah membuang vektor ini dapat diulangi sampai semua elemen Templat:Mvar bebas linear. Himpunan span yang saling bebas linear yang merentang suatu ruang vektor Templat:Mvar disebut sebagai suatu basis bagi Templat:Math. Basis memiliki keunikan karena ia adalah himpunan span dari Templat:Mvar yang terkecil sekaligus himpunan terbesar yang mengandung vektor-vektor di Templat:Mvar. Secara lebih formal, jika Templat:Mvar adalah himpunan yang bebas linear, dan Templat:Mvar adalah himpunan span dengan $S\subseteq T,$ maka ada suatu basis Templat:Mvar sedemikian sehingga $S\subseteq B\subseteq T.$

Ruang vektor Templat:Math dapat memiliki beberapa basis berbeda. Sembarang dua basis dari Templat:Math memiliki kardinalitas yang sama, yang disebut sebagai dimensi dari Templat:Math. Lebih lanjut, dua ruang vektor atas medan Templat:Mvar yang sama saling isomorfik jika dan hanya jika kedua raung vektor tersebut memiliki dimensi yang sama. Jika salah satu basis bagi Templat:Math (dan akibatnya semua basis) memiliki banyak elemen yang berhingga, Templat:Math disebut ruang vektor dimensi hingga. Jika Templat:Math adalah subruang dari Templat:Math, maka Templat:Math. Pada kasus ketika Templat:Math berdimensi hingga, persamaan dari pernyataan tersebut terjadi ketika Templat:Math.

Jika U₁ dan U₂ adalah subruang dari V, maka

$\dim (U_1+U_2)=\dim U_1+\dim U_2-\dim (U_1\cap U_2),$

dengan $U_1+U_2$ menyatakan span dari $U_1\cup U_2.$

Matriks

Templat:MainMatriks memungkinkan manipulasi ruang vektor berdimensi hingga dan peta linear secara eksplisit. Teori tentang matriks selanjutnya menjadi bagian penting dalam aljabar linear.

Misalkan Templat:Mvar adalah ruang vektor berdimensi hingga atas medan Templat:Math, dan Templat:Math menjadi basis bagi Templat:Math (sehingga Templat:Mvar adalah dimensi dari Templat:Math). Dengan menggunakan definisi basis, pemetaan$$\begin{array}{cc}(a_1,\dots ,a_m)& \mapsto a_1{𝐯}_1+\cdots a_m{𝐯}_m\\ F^m& \to V\end{array}$$

adalah suatu bijeksi dari $F^m,$ yakni himpunan berisi barisan Templat:Mvar elemen yang diambil dari Templat:Mvar, ke Templat:Mvar. Ini adalah suatu isomorfisme ruang vektor, jika $F^m$ dilengkapi oleh struktur ruang vektor yang standarnya, yakni dengan operasi penjumlahan vektor dan perkalian skalar dilakukan komponen demi komponen. Isomorfisme ini memungkinan untuk merepresentasikan suatu vektor di Templat:Mvar dengan menggunakan vektor koordinat $(a_1,\dots ,a_m)$ atau dengan vektor$$\left[\begin{array}{c}{a}_1\\ ⋮\\ a_m\end{array}\right].$$Selanjutnya, jika Templat:Mvar adalah ruang vektor dimensi hingga yang lain (atau mungkin yang sama), dengan basis $({𝐰}_1,\dots ,{𝐰}_n),$ suatu peta linear Templat:Mvar dari Templat:Mvar ke Templat:Mvar terdefinisi pasti (well defined) lewat nilai-nilai fungsi pada elemen-elemen basisnya, yakni $(f({𝐰}_1),\dots ,f({𝐰}_n)).$ Sehingga, jika$$f({𝐰}_j)=a_{1,j}{𝐯}_1+\cdots +a_{m,j}{𝐯}_m,$$untuk Templat:Math, maka Templat:Mvar dapat dinyatakan sebagai matriks dengan Templat:Mvar baris dan Templat:Mvar kolom$$\left[\begin{array}{ccc}{a}_{1,1}& \cdots & a_{1,n}\\ ⋮& \ddots & ⋮\\ a_{m,1}& \cdots & a_{m,n}\end{array}\right].$$Perkalian matriks didefinisikan sedemikian sehingga hasil perkalian yang didapat merepresentasikan komposisi peta-peta linear dari matriks-matriks yang bersesuaian. Sedangkan perkalian matriks dengan vektor (matriks kolom) merepresentasikan hasil dari melakukan pemetaan linear kepada vektor tersebut. Dari diskusi ini disimpulkan bahwa teori ruang vektor berdimensi hingga dan teori matriks adalah dua bahasa berbeda untuk mengekspresikan satu konsep yang sama.

Dua matriks yang mewakili pemetaan linear yang sama tapi dalam basis yang berbeda disebut matriks yang serupa. Dapat ditunjukkan bahwa dua matriks serupa jika dan hanya jika satu matriks dapat diubah menjadi matriks yang lainnya hanya dengan melakukan operasi-operasi matriks elementer. Untuk suatu matriks yang mewakili pemetaan linear dari Templat:Mvar ke Templat:Mvar, operasi baris elementer berkorespodensi dengan perubahan basis di Templat:Mvar sedangkan operasi kolom elementer berkorespodensi dengan perubahan basis di Templat:Mvar. Setiap matriks serupa dengan matriks identitas dengan mungkin tambahan beberapa kolom nol dan/atau baris nol. Dalam bahasa ruang vektor, ini mengartikan untuk semua pemetaan linear dari Templat:Mvar ke Templat:Mvar, ada basis sehingga sebagian basis di Templat:Mvar dipetakan secara bijektif menjadi bagian dari basis Templat:Mvar, sedangkan sisa basis Templat:Mvar yang lain, jika ada, akan dipetakan ke vektor nol. Eliminasi Gauss adalah algoritme dasar untuk menentukan operasi-operasi elementer yang diperlukan, dan membuktikan hasil-hasil pada diskusi ini.

Sistem linear

Templat:Main Sebuah himpunan hingga berisi persamaan-persamaan linear, masing-masing dengan terhingga banyaknya variabel, contohnya Templat:Math atau Templat:Math, disebut sebagai sistem persamaan linear atau sistem linear.

Sistem linear membentuk bagian penting dalam aljabar linear. Dari sisi sejarah, aljabar linear dan teori matriks dikembangkan untuk menyelesaikan sistem tersebut. Dalam perkembangan modern saat ini, dimana aljabar linear dinyatakan lewat ruang vektor dan matriks, banyak masalah dinyatakan dalam bentuk sistem linear. Sebagai contoh, misalkanTemplat:NumBlkadalah sistem linear yang menyatakan suatu masalah. Sistem linear tersebut dapat diasosiasikan dengan matriks$$M=\left[\begin{array}{ccc}2& 1& -1\\ -3& -1& 2\\ -2& 1& 2\end{array}\right]$$yang berisi semua koefisien di ruas kiri, dan vektor $$𝐯=\left[\begin{array}{c}8\\ -11\\ -3\end{array}\right]$$yang berisi semua nilai di ruas kanan. Misalkan juga Templat:Mvar adalah transformasi linear yang berasosiasi dengan matriks Templat:Mvar. Sebuah solusi dari sistem (Templat:EquationNote) adalah vektor $$𝐗=\left[\begin{array}{c}x\\ y\\ z\end{array}\right]$$yang memenuhi

$T(𝐗)=𝐯,$

yakni sebuah elemen yang menjadi pracitra dari Templat:Mvar oleh pemetaan Templat:Mvar.

Misalkan (Templat:EquationNote) adalah sistem homogen yang berasosiasi dengan (Templat:EquationNote), yakni sistem persamaan linear dengan semua nilai pada ruas kanan sama dengan nol:Templat:NumBlkHimpunan solusi dari (Templat:EquationNote) adalah elemen-elemen dari kernel Templat:Mvar, atau secara ekuivalen, kernel dari Templat:Mvar.

Solusi dari sistem linear dapat ditemukan dengan melakukan proses eliminasi Gauss-Jordan pada matriks gabungan $$\left[\begin{array}{cc}M& 𝐯\end{array}\right]=\left[\begin{array}{cccc}2& 1& -1& 8\\ -3& -1& 2& -11\\ -2& 1& 2& -3\end{array}\right].$$ Pross eliminasi ini adalah serangkaian operasi baris dasar yang mengubah matriks ke dalam bentuk eselon baris tereduksi. Pada contoh ini, bentuk eselon baris tereduksi-nya adalah $$\left[\begin{array}{cc}M& 𝐯\end{array}\right]=\left[\begin{array}{cccc}1& 0& 0& 2\\ 0& 1& 0& 3\\ 0& 0& 1& -1\end{array}\right],$$ menunjukkan bahwa sistem (Templat:EquationNote) memiliki solusi unik$$\begin{array}{cc}x& =2\\ y& =3\\ z& =-1.\end{array}$$Interpretasi matriks dari sistem linear juga dapat diterapkan untuk menyelesaikan operasi-operasi matriks dan transformasi linear lainnya, seperti menghitung rank, kernel, dan invers matriks.

Endomorfisme dan matriks persegi

Templat:Main Sebuah endomorfisme linear adalah peta linear yang memetakan suatu ruang vektor Templat:Mvar ke dirinya sendiri. Jika Templat:Mvar memiliki basis berisi Templat:Mvar elemen, endomorfisme tersebut dapat dinyatakan oleh sebuah matriks persegi berukuran $n\times n$. Berhubungan dengan pemetaan linear secara umum, endomorfisme linear dan matriks persegi memiliki beberapa sifat khusus yang membuat mereka memainkan peran penting dalam aljabar linear.

Determinan

Templat:Main Determinan dari suatu matriks persegi Templat:Mvar didefinisikan sebagai

$\sum _{\sigma \in S_n}(-1{)}^{\sigma }{a}_{1\sigma (1)}\cdots a_{n\sigma (n)},$

dengan Templat:Math adalah grup dari semua permutasi Templat:Mvar elemen, Templat:Mvar adalah sebuah permutasi, dan Templat:Math adalah paritas dari permutasi. Sebuah matriks disebut terbalikkan (invertible) jika dan hanya jika nilai determinannya dapat dibalik (diinvers), dengan kata lain, nilainya tidak sama dengan nol.

Kaidah Cramer adalah rumus yang dinyatakan dalam bentuk determinan, dan dapat digunakan untuk mencari solusi sistem linear dengan Templat:Mvar persamaan dan Templat:Mvar variabel. Kaidah Cramer berguna untuk menjelaskan solusi yang ditemukan, namun kecuali untuk Templat:Math atau Templat:Math, kaidah tersebut jarang digunakan untuk mencari solusi. Algoritma yang lebih cepat untuk mencari solusi adalah eliminasi Gauss.

Nilai eigen dan vektor eigen

Templat:Main Jika Templat:Mvar adalah endomorfisme linear dari suatu ruang vektor Templat:Mvar atas suatu medan Templat:Mvar, vektor eigen dari Templat:Mvar adalah vektor tak-nol Templat:Mvar di Templat:Mvar sedemikian sehingga Templat:Math untuk suatu skalar Templat:Mvar di Templat:Mvar. Skalar Templat:Mvar ini disebut sebagai nilai eigen dari Templat:Mvar.

Jika dimensi dari Templat:Mvar hingga, dan sebuah basis telah dipilih, Templat:Mvar dan Templat:Mvar dapat direpresentasikan masing-masing oleh sebuah matriks persegi Templat:Mvar dan sebuah matriks kolom Templat:Mvar; Persamaan yang mendefinisikan vektor eigen dan nilai eigen selanjutnya dapat ditulis ulang sebagai $Mz=az.$

Menggunakan matriks identitas Templat:Mvar, matriks dengan semua elemen pada diagonal utama bernilai 1 dan semua elemen lainnya bernilai 0, persamaan tersebut dapat ditulis sebagai $(M-aI)z=0.$

Karena Templat:Mvar bukan vektor nol, ekspresi Templat:Math menyatakan suatu matriks singular yang nilai determinannya, Templat:Math, sama dengan nol.

Daftar pustaka

• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation
• Templat:Citation