Kebebasan linear: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
k Bot: Perubahan kosmetika |
Rescuing 0 sources and tagging 1 as dead.) #IABot (v2.0.9.5 |
||
| (10 revisi perantara oleh 6 pengguna tidak ditampilkan) | |||
Baris 1:
{{short description|Properti himpunan bagian dari dasar ruang vektor}}
<!--{{technical|date=Oktober 2020}}-->
{{For|ketergantungan linear variabel acak|Kovarian}}{{More citations needed|date=Januari 2019}}[[File:Vec-indep.png|thumb|right|Linearly independent vectors in <math>\R^3</math>]]
[[File:Vec-dep.png|thumb|right|Linearly dependent vectors in a plane in <math>\R^3</math>.]]
Dalam [[aljabar linear]], sekelompok [[vektor (spasial)|vektor]] disebut '''bebas linear''' apabila masing-masingnya tidak dapat ditulis sebagai [[kombinasi linear]] dari vektor-vektor yang lain. Sekelompok vektor yang tidak memenuhi syarat ini dinamakan '''bergantung linier'''.
Baris 33 ⟶ 38:
jika dan hanya jika ''a''<sub>''i''</sub> = 0 untuk semua ''i'' = 1, 2, ..., ''n''.
== Arti geometris ==
Contoh geografis dapat membantu memperjelas konsep kemerdekaan linier. Seseorang yang menjelaskan lokasi suatu tempat mungkin berkata, "3 mil sebelah utara dan 4 mil timur dari sini." Informasi ini cukup untuk menggambarkan lokasi, karena sistem koordinat geografis dapat dianggap sebagai ruang vektor 2 dimensi (dengan mengabaikan ketinggian dan kelengkungan bumi). Orang itu mungkin menambahkan, "Tempatnya 5 mil timur laut dari sini." Meskipun pernyataan terakhir ini adalah '' benar '', itu tidak perlu.
Dalam contoh ini vektor "3 mil utara" dan vektor "4 mil timur" tidak bergantung linear. Artinya, vektor utara tidak dapat dijelaskan dalam bentuk vektor timur, dan sebaliknya. Vektor ketiga "5 mil timur laut" adalah [[kombinasi linear]] dari dua vektor lainnya, dan itu membuat himpunan vektor '' bergantung secara linear '', yaitu, salah satu dari tiga vektor tidak diperlukan.
Perhatikan juga bahwa jika ketinggian tidak diabaikan, vektor ketiga harus ditambahkan ke himpunan bebas linear. Secara umum, vektor bebas linear '' n '' diperlukan untuk mendeskripsikan semua lokasi dalam ruang dimensi '' n ''.
== Mengevaluasi independensi linear ==
=== Vektor pada R<sup>2</sup>===
'''Tiga vektor:''' Pertimbangkan himpunan vektor' 'v' '<sub> 1 </sub> = (1, 1), ''v''<sub>2</sub> = (−3, 2) dan ''v''<sub>3</sub> = (2, 4), maka kondisi untuk ketergantungan linier mencari sekumpulan skalar bukan nol, sedemikian rupa
::<math> a_1 \begin{Bmatrix} 1\\1\end{Bmatrix} + a_2 \begin{Bmatrix} -3\\2\end{Bmatrix} + a_3 \begin{Bmatrix} 2\\4\end{Bmatrix} =\begin{Bmatrix} 0\\0\end{Bmatrix},</math>
atau
::<math> \begin{bmatrix} 1 & -3 & 2 \\ 1 & 2 & 4 \end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \\ a_3 \end{Bmatrix}= \begin{Bmatrix} 0\\0\end{Bmatrix}.</math>
[[Reduksi baris]] persamaan matriks ini dengan mengurangkan baris pertama dari baris kedua untuk mendapatkan,
::<math> \begin{bmatrix} 1 & -3 & 2 \\ 0 & 5 & 2 \end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \\ a_3 \end{Bmatrix}= \begin{Bmatrix} 0\\0\end{Bmatrix}.</math>
Lanjutkan pengurangan baris dengan (i) membagi baris kedua dengan 5, lalu (ii) mengalikan dengan 3 dan menjumlahkan baris pertama, yaitu
::<math> \begin{bmatrix} 1 & 0 & 16/5 \\ 0 & 1 & 2/5 \end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \\ a_3 \end{Bmatrix}= \begin{Bmatrix} 0\\0\end{Bmatrix}.</math>
Sekarang kita dapat mengatur ulang persamaan ini untuk mendapatkan
::<math> \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \end{Bmatrix}= \begin{Bmatrix} a_1\\ a_2 \end{Bmatrix}=-a_3\begin{Bmatrix} 16/5\\2/5\end{Bmatrix}.</math>
yang menunjukkan bahwa bukan nol ''a''<sub>''i''</sub> ada seperti itu ''v''<sub>3</sub> = (2, 4) dapat didefinisikan dalam istilah ''v''<sub>1</sub> = (1, 1), ''v''<sub>2</sub> = (−3, 2). Jadi, ketiga vektor tersebut bergantung secara linear.
'''Dua vektor:''' Sekarang perhatikan ketergantungan linear dari dua vektor ''v''<sub>1</sub> = (1, 1), ''v''<sub>2</sub> = (−3, 2), dan cek,
::<math> a_1 \begin{Bmatrix} 1\\1\end{Bmatrix} + a_2 \begin{Bmatrix} -3\\2\end{Bmatrix} =\begin{Bmatrix} 0\\0\end{Bmatrix},</math>
atau
::<math> \begin{bmatrix} 1 & -3 \\ 1 & 2 \end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \end{Bmatrix}= \begin{Bmatrix} 0\\0\end{Bmatrix}.</math>
Pengurangan baris yang sama disajikan di atas hasil,
::<math> \begin{bmatrix} 1 & 0 \\ 0 & 1 \end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \end{Bmatrix}= \begin{Bmatrix} 0\\0\end{Bmatrix}.</math>
Ini menunjukkan ''a''<sub>i</sub> = 0, yang berarti vektor ''v''<sub>1</sub> = (1, 1) dan ''v''<sub>2</sub> = (−3, 2) adalah independen linear.
=== Vektor pada R<sup>4</sup>===
Untuk menentukan apakah ketiga vektor pada '''R'''<sup>4</sup>,
::<math> \mathbf{v}_1= \begin{Bmatrix}1\\4\\2\\-3\end{Bmatrix}, \mathbf{v}_2=\begin{Bmatrix}7\\10\\-4\\-1\end{Bmatrix}, \mathbf{v}_3=\begin{Bmatrix}-2\\1\\5\\-4\end{Bmatrix}. </math>
bergantung secara linear, membentuk persamaan matriks,
::<math>\begin{bmatrix}1&7&-2\\4& 10& 1\\2&-4&5\\-3&-1&-4\end{bmatrix}\begin{Bmatrix} a_1\\ a_2 \\ a_3 \end{Bmatrix} = \begin{Bmatrix}0\\0\\0\\0\end{Bmatrix}.</math>
Baris mengurangi persamaan ini untuk mendapatkan,
::<math> \begin{bmatrix} 1& 7 & -2 \\ 0& -18& 9\\ 0 & 0 & 0\\ 0& 0& 0\end{bmatrix} \begin{Bmatrix} a_1\\ a_2 \\ a_3 \end{Bmatrix} = \begin{Bmatrix}0\\0\\0\\0\end{Bmatrix}.</math>
Atur ulang untuk memecahkan v<sub> 3 </sub> dan dapatkan,
::<math> \begin{bmatrix} 1& 7 \\ 0& -18& \end{bmatrix} \begin{Bmatrix} a_1\\ a_2 \end{Bmatrix} = -a_3\begin{Bmatrix}-2\\9\end{Bmatrix}.</math>
Persamaan ini dengan mudah diselesaikan untuk mendefinisikan bukan nol ''a''<sub>i</sub>,
::<math> a_1 = -3 a_3 /2, a_2 = a_3/2,
</math>
dimana ''a''<sub>3</sub> bisa dipilih secara sewenang-wenang. Jadi, vektornya ''v''<sub>1</sub>, ''v''<sub>2</sub> dan ''v''<sub>3</sub> bergantung secara linear.
== Metode alternatif menggunakan determinan ==
Metode alternatif bergantung pada fakta bahwa vektor '' n '' di <math>\mathbb{R}^n</math> secara linier '' 'independen' '' [[jika dan hanya jika]] [[determinan]] dari [[matriks (matematika)|matriks]] yang dibentuk dengan mengambil vektor sebagai kolomnya bukan nol.
Dalam hal ini, matriks yang dibentuk oleh vektor adalah
:<math>A = \begin{bmatrix}1&-3\\1&2\end{bmatrix} . </math>
Kami dapat menulis kombinasi linier dari kolom sebagai
:<math> A \Lambda = \begin{bmatrix}1&-3\\1&2\end{bmatrix} \begin{bmatrix}\lambda_1 \\ \lambda_2 \end{bmatrix} . </math>
Kami tertarik pada apakah '' A'' = '''0''' untuk beberapa vektor bukan nol Λ. Ini tergantung pada determinan '' A '', yaitu
:<math> \det A = 1\cdot2 - 1\cdot(-3) = 5 \ne 0 . </math>
Karena [[determinan]] bukan nol, vektor (1, 1) dan (−3, 2) bebas linear.
Jika tidak, misalkan kita memiliki vektor '' m '' dengan koordinat '' n '', dengan '' m '' <'' n ''. Maka '' A '' adalah matriks '' n '' × '' m '' dan Λ adalah vektor kolom dengan entri '' m '', dan kami kembali tertarik pada '' A'' = '''0'''. Seperti yang kita lihat sebelumnya, ini setara dengan daftar persamaan '' n ''. Perhatikan baris pertama '' m '' dari '' A '', persamaan '' m '' pertama; solusi apa pun dari daftar lengkap persamaan juga harus benar untuk daftar yang dikurangi. Faktanya, jika 〈''i''<sub>1</sub>,...,''i''<sub>''m''</sub>〉 adalah daftar baris '' m '', maka persamaan tersebut harus benar untuk baris tersebut.
:<math> A_{{\lang i_1,\dots,i_m} \rang} \Lambda = \mathbf{0} . </math>
Lebih jauh, kebalikannya benar. Artinya, kita dapat menguji apakah vektor '' m '' bergantung secara linier dengan menguji apakah
:<math> \det A_{{\lang i_1,\dots,i_m} \rang} = 0 </math>
untuk semua kemungkinan daftar baris '' m ''. (Dalam kasus '' m '' = '' n '', ini hanya membutuhkan satu determinan, seperti di atas. Jika '' m ''> '' n '', maka itu adalah teorema bahwa vektor harus linier d) Fakta ini berharga untuk teori; dalam perhitungan praktis tersedia metode yang lebih efisien.
== Lebih banyak vektor daripada dimensi ==
Jika ada lebih banyak vektor daripada dimensi, vektor-vektor tersebut bergantung secara linier. Ini diilustrasikan dalam contoh di atas dari tiga vektor di '''R'''<sup>2</sup>.
== Lihat pula ==
* {{annotated link|Matroid}}
== Referensi ==
{{reflist}}
== Pranala luar ==
* {{springer|title=Linear independence|id=p/l059290}}
* [http://mathworld.wolfram.com/LinearlyDependentFunctions.html Fungsi
* [http://people.revoledu.com/kardi/tutorial/LinearAlgebra/LinearlyIndependent.html Tutorial dan program interaktif] tentang Kemerdekaan Linear.
* [https://www.khanacademy.org/math/linear-algebra/vectors_and_spaces/linear_independence/v/linear-algebra-introduction-to-linear-kemerdekaan Pengantar Kemerdekaan Linier]{{Pranala mati|date=Juni 2023 |bot=InternetArchiveBot |fix-attempted=yes }} di KhanAcademy.
{{Aljabar linear}}
{{DEFAULTSORT:Indepensi Linear}}
[[Kategori:Aljabar abstrak]]
[[Kategori:Aljabar linear]]
[[Kategori:Artikel yang berisi bukti]]
| |||