Anda di halaman 1dari 24

Chapter 6 Inner Product Spaces (IPS)

6.1. Inner Products 6.2. Angle and Orthogonality in IPS 6.3. Orthonormal Bases; Gram-Schmidt Process; QR Decomposition 6.4. Best Approximation; Least Squares 6.5. Change of Bases 6.6. Orthogonal Matrices

Chapter 6 Inner Product Spaces (IPS)


6.1. Inner Products 6.2. Angle and Orthogonality in IPS 6.3. Orthonormal Bases; Gram-Schmidt Process; QR Decomposition 6.4. Best Approximation; Least Squares 6.5. Change of Bases 6.6. Orthogonal Matrices

DEFINISI: V = ruang vektor; u, v V, maka u, v = skalar


Bab 3: perkalian titik (dot product, Euclidean Inner Product) R2 : u v = u 1 v 1 + u 2v 2 R3 : u v = u 1 v 1 + u 2v 2 + u 3v 3

Bab 6: perkalian dalam (bersifat umum)


Jika vektor u dan v Rn , maka weighted Euclidean Inner Product u dan v
u, v = u v = w1u1v1 + w2u2v2 + w3u3v3 + + wnunvn
3

Ruang Perkalian Dalam :


Rn : u v = w1u1v1 + w2u2v2 + w3u3v3 + + wnunvn w1, w2, w3, , wn disebut bobot (weight) Perkalian Dalam pada sebuah Ruang Vektor V adalah fungsi yang memetakan pasangan vektor u dan v di V kepada suatu nilai skalar u, v Sifat Perkalian Dalam: 1. 2. 3. u, v = v, u u+v, w = u, w + v, w ku, v = ku, v
4

Norm (u) : di dalam Ruang Perkalian Dalam tertentu || u || = u, u

Jarak di antara dua titik (dua vektor u dan v) d(u, v) = || u v || Contoh: Ruang Vektor = R2, dengan perkalian dalam = 3u1v1 + 2u2v2 1. Jika u = (1, 0) maka || u || = (3u12 + 2u22) = 3 2. Jika u = (1, 0) dan v = (0, 1) maka d(u, v) = || u v || = || (1, 1) || = (3(1)2 + 2(1)2) = 5

Contoh: Ruang Vektor = R2, dengan perkalian dalam = 3u1v1 + 2u2v2 Bukti bahwa 3u1v1 + 2u2v2 adalah perkalian dalam di R2
Sifat Perkalian Dalam: 1. 2. 3. 4. u, v = v, u u+v, w = u, w + v, w ku, v = ku, v

1. u, v

v, v 0 dan v, v = 0 v = = v, u 0 ?

u, v = 3u1v1 + 2u2v2 = 3v1u1 + 2v2u2 = v, u 3. ku, v = ku, v ? ku, v = 3(ku1)v1 + 2(ku2)v2= k (3u1v1 + 2u2v2) = k u, v

Contoh: Ruang Vektor = R2, dengan perkalian dalam = 3u1v1 + 2u2v2 Bukti bahwa 3u1v1 + 2u2v2 adalah perkalian dalam di R2
Sifat Perkalian Dalam: 1. 2. 3. 4. u, v = v, u u+v, w = u, w + v, w ku, v = ku, v

2.

v, v 0 dan v, v = 0 v u+v, w = 0 u, w + v, w ? =

u+v, w = 3(u1+v1)w1+ 2(u2 + v2)w2 = 3(u1w1+v1w1) + 2(u2w2+v2w2) = (3u1w1+ 2u2w2) +(3v1w1 + 2v2w2) = u, w + v, w
7

Contoh: Ruang Vektor = R2, dengan perkalian dalam = 3u1v1 + 2u2v2 Bukti bahwa 3u1v1 + 2u2v2 adalah perkalian dalam di R2
Sifat Perkalian Dalam: 1. 2. 3. 4. u, v = v, u u+v, w = u, w + v, w ku, v = ku, v v, v 0 dan v, v = 0 v = 0

4.

v, v 0 ?

v, v = 3v1v1 + 2v2v2 = 3v12 + 2v22 0 Jika v = 0 maka v, v = 3(0)(0) + 2(0)(0) =0


8

Teorema

6.1.1.
=0 + u,

1. 0, v = v, 0 2. u, v + w w 3. u, kv 4. u v, w w 5. u, v w w

= u, v

= k u, v = u, w = u, v v, u,
9

PR Exercise set 6.1 no. 2, 3, 4, 10

10

Chapter 6 Inner Product Spaces (IPS)


6.1. Inner Products 6.2. Angle and Orthogonality in IPS 6.3. Orthonormal Bases; Gram-Schmidt Process; QR Decomposition 6.4. Best Approximation; Least Squares 6.5. Change of Bases 6.6. Orthogonal Matrices

11

Sudut antara dua vektor: u, v = || u || || v || cos , di mana adalah sudut antara u dan v Sifat ortogonal: dua vektor u dan v dalam suatu Ruang Perkalian Dalam saling ortogonal jika u, v = 0

12

Daftar Teorema: 6.2.1 6.2.3 1. Cauchy-Schwarz Inequality jika u dan v adalah vektor-vektor di dalam suatu RPD, maka | u, v | || u || || v || 2. a. || u || 0 b. || u || = 0 u = 0 c. || ku || = |k| || u || d. || u + v || || u || + || v || 3. a. d( u, v ) 0 b. d( u, v ) = 0 u = v c. d( u, v ) = d( v, u ) d. d( u, v ) d( u, w ) + d( w, v )
13

Sifat ortogonal: dua vektor u dan v dalam suatu Ruang Perkalian Dalam saling ortogonal jika u, v = 0

Komplemen Ortogonal:
V = Ruang Vektor, W = subspace dari V Vektor u V disebut ortogonal pada W jika u ortogonal semua vektor v W. Himpunan semua vektor u V yang ortogonal pada W disebut

Komplemen Ortogonal dari W, dan dinotasikan W .

14

Daftar Teorema: 6.2.4 6.2.6 4. Pythagoras: jika u dan v dua vektor yang saling ortogonal, maka || u + v ||2 = || u ||2 + || v ||2

5.

Jika W adalah subspace dari Sebuah Ruang Perkalian Dalam V yang dimensinya berhingga, maka a. b. c. W merupakan subspace V Irisan W dan W adalah { vektor nol } (W) = W

6.

A adalah matriks (m x n) Dalam ruang Rn dioperasikan Perkalian Dalam Euclidean a. Ruang Nol (A) komplemen ortogonal dari Ruang Baris (A) b. Ruang Nol (AT) komplemen ortogonal dari Ruang Kolom (A)
15

Lihat Example 6

16

P.R. Exercise set 6.2. no.

17

Chapter 6 Inner Product Spaces (IPS)


6.1. Inner Products 6.2. Angle and Orthogonality in IPS 6.3. Orthonormal Bases; Gram-Schmidt Process; QR Decomposition 6.4. Best Approximation; Least Squares 6.5. Change of Bases 6.6. Orthogonal Matrices

18

Himpunan ortogonal: Sebuah himpunan vektor dalam suatu Ruang Perkalian Dalam (RPD) disebut ortogonal jika untuk semua vektor u, v di RPD (u v )dipenuhi u, v = 0 Contoh: Ruang Perkalian Dalam : R3 dengan Euclidean product Himpunan vektor H = { u = (0, 1, 0), v = (1, 0, 1), w = (1, 0, 1) } H adalah himpunan ortogonal sebab u, v = 0 u, w = 0 v, w = 0
19

Himpunan ortonormal: Sebuah himpunan vektor ortogonal dalam suatu Ruang Perkalian Dalam (RPD) disebut ortonormal jika untuk semua vektor u di RPD || u || = 1

Contoh: Ruang Perkalian Dalam : R3 dengan Euclidean product Himpunan vektor H = { u = (0, 1, 0), v = (1, 0, 1), w = (1, 0, 1) } Normalisasi H menghasilkan himpunan ortonormal H = {u, v, w} Caranya: u = u / || u || v = v / || v || w = w / || w || = ( 0, 1, 0 ) = ( 1/2, 0, 1/2 ) = ( 1/2, 0, 1/2 )
20

Proses Gram-Schmidt
Diketahui V adalah RPD dengan basis B = {u1, u2, , un} Dengan proses Gram-Schmidt basis B dapat ditransformasi menjadi basis ortogonal B = {v1, v2, , vn} Algoritmanya:
v1 = u1 v2 = u2 ( u2, v1 / || v1 ||2 ) v1 v3 = u3 ( u3, v1 / || v1 ||2) v1 ( u3, v2 / || v2 ||2 ) v2 . vn = un ( un, v1 / || v1 ||2 ) v1 ( un, v2 / || v2 ||2 ) v2 . ( un, vn1 / || vn1 ||2) vn1
21

Contoh 7: Ruang R3 dengan Euclidean product dan basis B = {u1 = (1, 1, 1), u2 = (0, 1, 1), u3 = (0, 0, 1) }. Basis B dijadikan ortogonal B = { v1, v2, v3 } dengan proses Gram-Schmidt, menjadi: v1 = u1 = (1, 1, 1) u2, v1 = 2, v2 = u2 || v1 ||2 = 3

( u2, v1 / || v1 ||2 ) v1

= (0, 1, 1) (2/3) (1, 1, 1) = (0, 1, 1) (2/3, 2/3, 2/3) = (2/3, 1/3, 1/3) u3, v1 = 1, v3 = u3, v2 = 1/3, || v2 ||2 = 6/9 = 2/3

u3 ( u3, v1 / || v1 ||2) v1 ( u3, v2 / || v2 ||2 ) v2 (1/3) / (1, 1, 1) ((1/3) / (2/3))(2/3, 1/3, 1/3)
22

= (0, 0, 1)

= (0, 0, 1) (1/3, 1/3, 1/3) (1/3, 1/6, 1/6) = (0, 1/2, 1/2)

Contoh 7: Ruang R3 dengan Euclidean product dan basis ortogonal B dinormalisasi menjadi basis B = (q1, q2, q3) yang ortonormal

v1 = (1, 1, 1);

v2 = (2/3, 1/3, 1/3);

v3 = (0, 1/2, 1/2)

qk = vk / || vk ||

untuk k = 1, 2, 3

q1 = ( 1/3, 1/3, 1/3 ); q2 = ( 2/6, 1 /6, 1/6 ); q3 = ( 0, 1/2, 1/2 );

23

P.R. Exercise set 6.3. no.

24