Bab 3: Geometri Analitik

Norma, Jarak, Sudut, dan Proyeksi Ortogonal

Peta Konsep

                            graph LR
                                A[Vektor] --> B[Inner Product]
                                B --> C["Norma (Panjang)"]
                                B --> D[Sudut]
                                B --> E[Ortogonalitas]
                                C --> F["Jarak (Metrik)"]
                                E --> G[Proyeksi Ortogonal]
                            
Konsep geometri dibangun di atas Inner Product.

1. Norma (Norms)

Norma memberikan kita konsep "panjang" dari sebuah vektor. Dilambangkan dengan $\|\boldsymbol{x}\|$. Norma yang paling umum di ML adalah Euclidean Norm ($\ell_2$-norm):

$$ \|\boldsymbol{x}\|_2 = \sqrt{\sum_{i=1}^{n} x_i^2} = \sqrt{\boldsymbol{x}^\top\boldsymbol{x}} $$

2. Hasil Kali Dalam (Inner Product)

Inner product (biasanya Dot Product di $\mathbb{R}^n$) memungkinkan kita mengukur hubungan geometris antara dua vektor, seperti sudut dan panjang.

$$ \langle \boldsymbol{x}, \boldsymbol{y} \rangle = \boldsymbol{x}^\top\boldsymbol{y} = \sum_{i=1}^{n} x_i y_i $$

3. Sudut dan Ortogonalitas

Menggunakan Inner Product, kita bisa mendefinisikan sudut $\omega$ antara dua vektor:

$$ \cos \omega = \frac{\langle \boldsymbol{x}, \boldsymbol{y} \rangle}{\|\boldsymbol{x}\| \|\boldsymbol{y}\|} $$

4. Proyeksi Ortogonal

Proyeksi adalah salah satu konsep terpenting untuk algoritma seperti PCA (Principal Component Analysis). Jika kita ingin memproyeksikan vektor $\boldsymbol{x}$ ke subruang (garis) yang direntang oleh basis vektor $\boldsymbol{b}$ (asumsikan $\|\boldsymbol{b}\|=1$ untuk kemudahan, atau gunakan rumus umum di bawah), kita mencari vektor hasil proyeksi $\pi_U(\boldsymbol{x})$.

U (Subruang) x π(x) Error

Visualisasi Proyeksi Ortogonal