# Nakafa Learning Content
> For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`.
URL: https://nakafa.com/id/materi/ai-ds/metode-linear-ai/produk-skalar
Source: https://raw.githubusercontent.com/nakafaai/nakafa.com/refs/heads/main/packages/contents/material/lesson/ai-ds/linear-methods/scalar-product/id.mdx
Pahami produk skalar dalam ruang vektor: bentuk bilinear, matriks definit positif, sifat Hermitian, dan implementasi real vs kompleks.
---
## Definisi Produk Skalar
Produk skalar adalah operasi fundamental yang memungkinkan kita menghitung "perkalian" antara dua vektor dengan hasil berupa bilangan skalar. Melalui setiap matriks definit positif, kita dapat mendefinisikan produk skalar pada ruang vektor.
Produk skalar pada ruang kompleks $$\mathbb{C}^n$$ adalah bentuk sesquilinear Hermitian yang definit positif dengan tiga sifat utama.
Visible text: Produk skalar pada ruang kompleks adalah bentuk sesquilinear Hermitian yang definit positif dengan tiga sifat utama.
### Sifat Sesquilinear
Untuk semua vektor $$x, y, z \in \mathbb{C}^n$$ dan skalar $$\lambda, \mu \in \mathbb{C}$$, produk skalar memenuhi:
Visible text: Untuk semua vektor dan skalar , produk skalar memenuhi:
Component: MathContainer
Children:
```math
\langle \lambda x + \mu y, z \rangle_A = \overline{\lambda} \langle x, z \rangle_A + \overline{\mu} \langle y, z \rangle_A
```
```math
\langle x, \lambda y + \mu z \rangle_A = \lambda \langle x, y \rangle_A + \mu \langle x, z \rangle_A
```
Sifat ini disebut sesquilinear karena semilinear pada argumen pertama dan linear pada argumen kedua.
### Sifat Hermitian
Untuk semua vektor $$x, y \in \mathbb{C}^n$$, berlaku:
Visible text: Untuk semua vektor , berlaku:
```math
\langle y, x \rangle_A = \overline{\langle x, y \rangle_A}
```
### Sifat Definit Positif
Untuk semua vektor $$x \in \mathbb{C}^n$$, berlaku:
Visible text: Untuk semua vektor , berlaku:
Component: MathContainer
Children:
```math
\langle x, x \rangle_A \geq 0
```
```math
\langle x, x \rangle_A = 0 \Leftrightarrow x = 0
```
Dengan demikian, produk skalar adalah bentuk sesquilinear Hermitian yang definit positif pada $$\mathbb{C}^n$$.
Visible text: Dengan demikian, produk skalar adalah bentuk sesquilinear Hermitian yang definit positif pada .
## Produk Skalar pada Ruang Real
Jika $$A \in \mathbb{R}^{n \times n}$$ adalah matriks definit positif, maka pemetaan:
Visible text: Jika adalah matriks definit positif, maka pemetaan:
```math
\langle \cdot, \cdot \rangle_A : \mathbb{R}^n \times \mathbb{R}^n \to \mathbb{R} : (x, y) \mapsto \langle x, y \rangle_A = x^T A y
```
memiliki sifat-sifat berikut:
1. **Bilinear**: Untuk semua vektor $$x, y, z \in \mathbb{R}^n$$ dan skalar $$\lambda, \mu \in \mathbb{R}$$, berlaku:
```math
\langle \lambda x + \mu y, z \rangle_A = \lambda \langle x, z \rangle_A + \mu \langle y, z \rangle_A
```
```math
\langle x, \lambda y + \mu z \rangle_A = \lambda \langle x, y \rangle_A + \mu \langle x, z \rangle_A
```
Sifat ini disebut bilinear karena linear pada kedua argumen.
2. **Simetris**: Untuk semua vektor $$x, y \in \mathbb{R}^n$$, berlaku:
```math
\langle y, x \rangle_A = \langle x, y \rangle_A
```
3. **Definit Positif**: Untuk semua vektor $$x \in \mathbb{R}^n$$, berlaku:
```math
\langle x, x \rangle_A \geq 0
```
```math
\langle x, x \rangle_A = 0 \Leftrightarrow x = 0
```
Dengan demikian, produk skalar adalah bentuk bilinear simetris yang definit positif pada $$\mathbb{R}^n$$.
Visible text: 1. **Bilinear**: Untuk semua vektor dan skalar , berlaku:
Sifat ini disebut bilinear karena linear pada kedua argumen.
2. **Simetris**: Untuk semua vektor , berlaku:
3. **Definit Positif**: Untuk semua vektor , berlaku:
Dengan demikian, produk skalar adalah bentuk bilinear simetris yang definit positif pada .
## Produk Skalar pada Ruang Kompleks
Generalisasi ke ruang kompleks melibatkan peran penting konjugat kompleks. Jika $$A \in \mathbb{C}^{n \times n}$$ adalah matriks definit positif, maka pemetaan:
Visible text: Generalisasi ke ruang kompleks melibatkan peran penting konjugat kompleks. Jika adalah matriks definit positif, maka pemetaan:
```math
\langle \cdot, \cdot \rangle_A : \mathbb{C}^n \times \mathbb{C}^n \to \mathbb{C} : (x, y) \mapsto \langle x, y \rangle_A = x^H A y
```
memiliki sifat-sifat yang sama seperti definisi umum di atas, yaitu sesquilinear pada argumen pertama, linear pada argumen kedua, Hermitian dengan konjugat kompleks, dan definit positif.
Hal ini menunjukkan bahwa ketika kita beralih ke ruang kompleks, konjugat kompleks berperan penting dalam mempertahankan struktur produk skalar yang konsisten.
## Representasi Matriks
Hasil penting dalam teori produk skalar adalah bahwa setiap produk skalar dapat dinyatakan dalam bentuk matriks yang sesuai.
Setiap produk skalar $$s(x, y)$$ pada $$\mathbb{R}^n$$ maupun pada $$\mathbb{C}^n$$ dapat dinyatakan dalam bentuk:
Visible text: Setiap produk skalar pada maupun pada dapat dinyatakan dalam bentuk:
Component: MathContainer
Children:
```math
s(x, y) = x^T A y \text{ (untuk kasus real)}
```
```math
s(x, y) = x^H A y \text{ (untuk kasus kompleks)}
```
melalui matriks definit positif $$A \in \mathbb{R}^{n \times n}$$ yang sesuai atau $$A \in \mathbb{C}^{n \times n}$$.
Visible text: melalui matriks definit positif yang sesuai atau .
Elemen-elemen matriks $$A$$ dapat dihitung sebagai:
Visible text: Elemen-elemen matriks dapat dihitung sebagai:
```math
a_{ij} = s(e_i, e_j) \text{ untuk } i, j = 1, \ldots, n
```
dimana $$e_i$$ adalah vektor basis standar.
Visible text: dimana adalah vektor basis standar.
## Contoh Produk Skalar Standar
Contoh paling sederhana adalah produk skalar standar yang menggunakan matriks identitas $$I$$.
Visible text: Contoh paling sederhana adalah produk skalar standar yang menggunakan matriks identitas .
Produk skalar standar didefinisikan sebagai:
Component: MathContainer
Children:
```math
\langle x, y \rangle = x^T y \text{ (untuk kasus real)}
```
```math
\langle x, y \rangle = x^H y \text{ (untuk kasus kompleks)}
```
Produk skalar standar ini diperoleh dengan menggunakan matriks identitas sebagai matriks representasinya, sehingga semua sifat yang diperlukan terpenuhi secara alami.
> Melalui hubungan antara produk skalar dan matriks definit positif, kita dapat membangun berbagai jenis produk skalar yang sesuai dengan kebutuhan aplikasi tertentu.