2
Jika S adalah basis ortonormal untuk ruang hasil kali dalam V berdimensi n dan ) ,...., , ( ) (
2 1 n S
u u u u =
,
) ,...., , ( ) (
2 1 n S
v v v v =
2.
2 2
2 2
2
1 1
) ( ....... ) ( ) ( ) , (
n n
v u v u v u v u d + + + =
3.
n n
v u v u v u v u + + + = ........ ,
2 2 1 1
Contoh: Menghitung Norm dengan menggunakan basis ortonormal
1. Jika u
Jika S adalah basis ortonormal, maka didapat koordinat )
5
7
,
5
1
, 1 ( ) ( =
S
u
2. Misal } , , {
3 2 1
v v v S
= dengan )
6
1
,
6
1
,
6
1
( =
1
v
, )
6
1 -
,
6
1
,
6
1
( =
2
v
, ) 0 ,
6
1 -
,
6
2
( =
3
v
.
Buktikan:
- S adalah basis ortonormal untuk 9
3
dengan hasil kali dalam yang didefinisikan sebagai
3 3 2 2 1 1
+ + = v u v u v u v u 3 2 ,
- Jika u
Jika } ,......, , {
2 1 n
v v v S
= adalah basis ortogonal untuk ruang vektor V dan setiap vektor
i
v
dinormalisasi, maka diperoleh basis ortonormal =
2
2
1
1
n
n
v
v
v
v
v
v
S
,........, , ' .
Berdasarkan teorema 6.3.1, untuk sembarang V u
, ....... , , + + + =
2
2
2
2
1
1
1
1
atau
n
n
n
v
v
v u
v
v
v u
v
v
v u
u
2 2 2
2
2
1 2
1
1
+ + + =
,
.......
, ,
. Ini menyatakan u
,
maka S bebas linie
Contoh:
Untuk
1
v
= (0, 1, 0), )
2
1
,0,
2
1
( =
2
v
dan )
2
1 -
,0,
2
1
( =
3
v
, maka } , , {
3 2 1
v v v S
= adalah
himpunan ortonormal terhadap hasil kali dalam Euclid di 9
3
.
Menurut teorema 6.3.3, S bebas linier, 9
3
ruang vektor berdimensi 3, maka S merupakan basis dan
merupakan basis ortonormal
Teorema 6.3.4: Teorema Proyeksi
Jika W adalah sub-ruang berdimensi hingga dari ruang hasil kali dalam V, maka setiap vektor V u
dapat dinyatakan tepat satu cara sebagai
2 1
+ = w w u
dimana W w
1
dan
2
W w
1
w
pada W, u w
W
proj =
1
dan
2
w
disebut komponen u
yang ortogonal
ke W, u w
W
=
2
proj
Sehingga dapat ditulis u
= u
W
proj + u
W
proj
u
W
proj = u
- u
W
proj maka didapat u
= u
W
proj + ( u
- u
W
proj ) yang di 9
3
dapat digambar seperti
gambar di bawah ini.
u u
W
proj -
u
W
proj
u
W
Teorema 6.3.5
Misal W adalah sub-ruang berdimensi hingga dari ruang hasil kali dalam V
1. Jika
{ }
r
v v v
,......, ,
2 1
adalah basis ortonormal untuk W dan V u
, maka u
W
proj =
r r
v v u v v u v v u
, ...... , , + + +
2 2 1 1
2. Jika
{ }
r
v v v
,......, ,
2 1
adalah basis ortogonal untuk W dan V u
, maka u
W
proj =
r
r
r
v
v
v u
v
v
v u
v
v
v u
2 2 2
2
2
1 2
1
1
+ + +
,
.......
, ,
Contoh: Perhitungan proyeksi
9
3
dengan hasil kali dalam Euclid, W adalah sub-ruang yang direntang oleh vektor-vektor ortonormal
1
v
= (0, 1, 0) dan )
5
3
,0,
5
4 -
( =
2
v
. Jika u
= (1, 1, 1) maka u
W
proj =
)
25
3 -
,1,
25
4
( )
5
3
,0,
5
4 -
)(
5
1 -
( ) 0,1,0 )( 1 ( , , = + = +
2 2 1 1
v v u v v u
u
W
proj = = u
- u
W
proj = (1, 1, 1) - )
25
3 -
,1,
25
4
( = )
25
28
0, ,
25
21
(
Jika diperiksa maka u
W
, diperoleh
vektor
2
v
berdasarkan rumus
2
v
=
2
u
-
2
1
u
W
proj =
2
u
-
1 2
1
1 2
v
v
v u
,
0
2
v karena jika 0
=
2
v didapat
2
u
=
1 2
1
1 2
v
v
v u
,
=
2 1
1 2
1
, u v
u
u
yang berarti
2
u
kelipatan dari
1
u
dan
2
v
dan
2
v
. Dengan menggunakan
teorema 6.3.5 bagian 2 didapat:
3
v
=
3
u
-
3
2
u
W
proj =
3
u
-
2 2
2
2 3
1 2
1
1 3
v
v
v u
v
v
v u
,
-
,
Sesuai dengan step 2, karena
{ }
n
u u u
,......, ,
2 1
yang bebas linier maka 0
3
v
Step 4: Bentuk vektor
4
v
,
2
v
dan
3
v
,
2
v
dan
3
v
. Dengan
menggunakan teorema 6.3.5 bagian 2 didapat:
4
v
=
4
u
-
4
3
u
W
proj =
4
u
-
3 2
3
3 4
2 2
2
2 4
1 2
1
1 4
v
v
v u
v
v
v u
v
v
v u
,
-
,
-
,
Proses dilanjutkan sampai diperoleh himpunan vektor yang ortogonal
{ }
n
v v v
,......, ,
2 1
. Karena V
berdimensi n dan setiap himpunan ortogonal bebas linier, maka didapat basis ortogonal
{ }
n
v v v
,......, ,
2 1
Dengan menormalisasi setiap vektor di basis ortogonal akan didapatkan basis ortonormal .
Contoh:
Jika 9
3
dengan hasil kali dalam Euclid mempunyai basis S =
{ }
3 2 1
u u u
, , dengan
1
u
= (1, 1, 1),
2
u
= (0, 1, 1) dan
3
u
=
2
u
-
2
1
u
W
proj =
2
u
-
1 2
1
1 2
v
v
v u
,
= (0, 1, 1) - ) 1 1, 1, (
3
2
= )
3
1
,
3
1
,
3
2
(-
Step 3:
3
v
=
3
u
-
3
2
u
W
proj =
3
u
-
2 2
2
2 3
1 2
1
1 3
v
v
v u
v
v
v u
,
-
,
3
v
= (0, 0, 1) - ) 1 1, 1, (
3
1
-
3
2
3
1
)
3
1
,
3
1
,
3
2
(- = )
2
1
,
2
1
- (0,
Sehingga didapat
{ }
3 2 1
v v v
, , basis ortogonal 9
3
.
)
3
1
,
3
1
,
3
1
( 1) 1, 1, (
3
1
= = =
1
1
1
v
v
q
)
6
1
,
6
1
,
6
2 -
( )
3
1
,
3
1
,
3
2
- (
6
3
= = =
2
2
2
v
v
q
)
2
1
,
2
1 -
, 0 ( )
2
1
,
2
1
- 0, ( 2 = = =
3
3
3
v
v
q
dan } , , {
3 2 1
q q q
adalah basis ortonormal 9
3
Catatan:
- Dari proses Gram-Schmidt dapat dilihat bahwa untuk 2 k , } ,......, , {
k
q q q
2 1
adalah basis
ortonormal untuk ruang vektor yang direntang oleh
{ }
k
u u u
,......, ,
2 1
- vektor
k
q
ortogonal terhadap { }
1 2 1
,......, ,
k
u u u
Dekomposisi QR
Problem: Jika A adalah matriks m x n dengan vektor-vektor kolom yang bebas linier dan Q adalah
matriks dengan vektor-vektor kolom yang ortonormal hasil dari proses Gram-Schmidt dari
vektor kolom A. Maka akan dilihat hubungan antara A dan Q
Misal vektor-vektor kolom dari A adalah { }
n
u u u
,......, ,
2 1
dan vektor-vektor kolom yang ortonormal
dari Q adalah } ,......, , {
2 1 n
q q q
| | ] ..... .
2 1 n
u u u A
= dan | |
n
q q q Q
,......
2 1
=
Berdasarkan teorema 6.3.1 dapat ditulis:
n n
q q u q q u q q u u
, ........ , ,
1 2 2 1 1 1 1 1
+ + + =
n n
q q u q q u q q u u
, ........ , ,
2 2 2 2 1 1 2 2
+ + + =
:
n n n n n n
q q u q q u q q u u
, ........ , ,
2 2 1 1
+ + + =
Atau
| | ] ..... .
2 1 n
u u u
= | |
n
q q q
,......
2 1
1 1 2 1 1
1 2 2 2 2
1 2
, , ........ ,
, , ........ ,
, , ......... ,
n
n
n n n n
u q u q u q
u q u q u q
u q u q u q
(
(
(
(
(
(
atau A = Q R
Karena vektor
k
q
ortogonal terhadap { }
1 2 1
,......, ,
k
u u u
untuk setiap k 2 maka didapat
R =
1 1 2 1 1
2 2 2
, , ........ ,
0 , ........ ,
0 0 ......... ,
n
n
n n
u q u q u q
u q u q
u q
(
(
(
(
(
(
Teorema 6.3.7 ( Dekomposisi QR )
Jika A adalah matriks m x n dengan vektor-vektor kolom yang bebas linier, maka A dapat dinyatakan
sebagai QR A= dimana Q adalah matriks m x n dengan vektor kolomnya ortonormal dan R matriks
n x n yang berupa matriks segitiga atas yang invertible
Contoh:
Jika
(
(
(
=
1 1 1
0 1 1
0 0 1
A , dan det A 0 maka vektor-vektor kolom A bebas linier yaitu;
(
(
(
=
1
1
1
1
u
,
(
(
(
=
1
1
0
2
u
dan
(
(
(
=
1
0
0
3
u
.
Dengan proses Gram-Schmidt diperoleh vektor-vektor ortonormal
(
(
(
(
(
=
3
1
3
1
3
1
1
q
,
(
(
(
(
(
=
6
1
6
1
6
2
2
q
dan
(
(
(
(
(
=
2
1
2
1
0
3
q
Sehingga didapat matriks
R =
(
(
(
(
(
n
n
n
q u
q u q u
q u q u q u
, ......... 0 0
, ........ , 0
, ........ , ,
1
2 2 2
1 1 2 1 1
=
(
(
(
(
(
2
1
0 0
6
1
6
2
0
3
1
3
2
3
3
Dekomposisi Q R dari A adalah
(
(
(
=
1 1 1
0 1 1
0 0 1
A =
(
(
(
(
(
32
1
2
1
0
6
1
6
1
6
2
3
1
3
1
3
1
(
(
(
(
(
2
1
0 0
6
1
6
2
0
3
1
3
2
3
3
6.4 Best Approximation: Least Square
Misal P adalah titik di R
3
, W adalah bidang yang melalui titik asal, titik Q adalah titik yang terdekat
dengan titik P
Jika u
=OP maka OQ u
W
=
proj dan u u
W
proj adalah jarak minimal antara titik P dengan bidang
W
Misal u
akan di aproksimasi oleh vektor di W, berarti akan ada vektor error yaitu w u
dengan W we
Aproksimasi terbaik dari u
adalah
vektor di V maka u
W
proj adalah aproksimasi terbaik dari u
di W karena w u u u
W
< proj
untuk W we
e W u u
W
) proj (
dan W w u
W
e ) (proj
Sehingga ) proj ( u u
W
dan ) (proj w u
W
saling ortogonal yang sesuai dengan teorema Pythagoras
berlaku:
2 2 2
proj proj w u u u w u
W W
+ =
Jika u w
W
proj = maka 0 proj > w u
W
. Sehingga didapat
2 2
proj u u w u
W
> atau
u u w u
W
proj > atau u u w u
W
proj >
Least Square Problem
Diberikan suatu sistem persamaan linier b x A
yang meminimumkan b x A
dinamakan
solusi least-square dari persamaan b x A
=
Misal W ruang kolom dari A. Untuk setiap matriks x
berukuran n x 1, perkalian x A
adalah kombinasi
linier dari vektor-vektor kolom dari A.
Karena vektor x
bervariasi di 9
n
, maka vektor x A
sedemikian sehingga x A
= maka b x A
W
proy =
b b x A b
W
=
Catatan:
- Sisten normal terdiri dari n persamaan dengan n unknown
- Sisten normal konsisten karena dipenuhi oleh solusi least square dari b x A
=
- Sisten normal mungkin mempunyai banyak solusi.
Teorema 6.4.2:
- Untuk sembarang sistem persamaan linier b x A
selalu konsisten dan semua solusi dari sistem normal adalah solusi Least-square
dari b x A
=
- Jika W adalah ruang kolom dari A dan x
=
maka proyeksi ortogonal dari b
pada W adalah x A b
W
= proy
Teorema 6.4.3:
Jika A adalah matriks m x n, maka persamaan berikut ekivalen
1. A mempunyai vektor kolom yang bebas linier
2. A A
T
invertible
Bukti:
) 2 ( ) 1 (
A mempunyai vektor kolom yang bebas linier maka A A
T
berukuran n x n
Akan dibuktikan A A
T
invertible atau persamaan 0
= x A A
T
mempunyai solusi trivial.
Jika x
= x A A
T
, maka
x A
ada di nullspace
T
A atau x A
= x .
Jadi 0
= x A A
T
hanya mempunyai solusi trivial atau A A
T
invertible
) 1 ( ) 2 (
A A
T
invertible, maka 0
= x A A
T
hanya mempunyai solusi trivial 0
= x
Akan dibuktikan A mempunyai vektor kolom yang bebas linier atau 0
= x
Misal x
= x A , maka 0 ) 0 (
= =
T T
A x A A . Karena A A
T
invertible maka 0
= x
atau A mempunyai vektor kolom yang bebas linier
Teorema 6.4.4 (Ketunggalan dari solusi Least Square)
- Jika A adalah matriks m x n dengan vektor kolom yang bebas linier maka untuk setiap matriks b
(n x 1), sistem persamaan linier b x A
-1
) ( =
- Jika W ruang kolom dari A maka proyeksi ortogonal dari b
pada W adalah
b A A A A x A b
T T
W
-1
) ( proj = =
Contoh: Cari solusi Least Square dari sistem linier
3 4 2 -
1 2 3
4 -
= +
= +
=
2 1
2 1
2 1
x x
x x
x x
dan cari proyeksi ortogonal dari b
menjadi
1
2
14 -3 1
-3 21 10
x
x
( ( (
=
( ( (
Sehingga didapat
285
143
,
95
17
= =
2 1
x x dan proyeksi ortogonal b
) 1 1, 2, 1, ( =
2
u
1) - 2, 0, -1, ( =
3
u
Jawab: W subruang dari 9
4
yang direntang oleh vektor-vektor
3 2 1
u u u
, , adalah ruang kolom dari
matriks
3 1 -1
1 2 0
0 1 2
1 1 -1
A
(
(
(
=
(
(
dan
-3
-3
8
9
u
(
(
(
=
(
(
Proyeksi u
= proj (Lanjutkan)
Definisi:
Jika W adalah subruang dari 9
m
, maka transformasi W R P
m
: yang memetakan setiap vektor
x
R
m
ke proyeksi ortogonal x
W
proj di W disebut proyeksi ortogonal dari 9
m
pada W.
Matriks standard untuk proyeksi ortogonal dari 9
m
pada W adalah
[ ]
T T
A A A A P
-1
) ( = dimana A
dibentuk dengan menggunakan sembarang basis untuk W sebagai vektor-vektor kolom.
Contoh:
Matriks standard untuk proyeksi ortogonal di 9
3
pada bidang xy adalah
| |
1 0 0
0 1 0
0 0 0
P
(
(
=
(
(
Jika W = bid xy, ambil
1
1
0
0
u
(
(
=
(
(
,
2
0
1
0
u
(
(
=
(
(
sebagai basis untuk W maka
| |
1 0
0 1
0 0
A
(
(
=
(
(
,
1 0
1 0 0 1 0
0 1
0 1 0 0 1
0 0
T
A A
(
( (
(
= =
( (
(
(
| |
-1
1 0
1 0 0
( ) 0 1
0 1 0
0 0
T T
P A A A A I
(
(
(
= = =
(
(
(
1 0 0
0 1 0
0 0 0
(
(
(
(
6.5 Matriks Ortogonal dan Perubahan Basis
Definisi:
Suatu matriks bujur sangkar A disebut matriks ortogonal jika bersifat
T
A A =
-1
Matriks bujur sangkar A ortogonal A A AA
T T
= = I
Contoh: 1.
1 -1
2 2
1 1
2 2
A
(
(
=
(
(
maka
1 -1 1 1
1 0
2 2 2 2
1 1 -1 1 0 1
2 2 2 2
T
AA
( (
(
( (
= =
(
( (
( (
Jadi A disebut matriks ortogonal dan
-1
1 1
2 2
-1 1
2 2
A
(
(
=
(
(
2. Periksa ortogonalitas dari matriks dibawah ini dan cari
-1
A
a.
1
0 1
2
1 0 0
1
0 0
2
(
(
(
(
(
(
b.
-1 1 1
2 6 3
-2 1
0
6 3
1 1 1
2 6 3
(
(
(
(
(
(
(
Teorema 6.5.1
Pernyataan berikut ekivalen untuk matriks A (n x n)
(a) A ortogonal
(b) Vektor-vektor baris dari A membentuk himpunan ortonormal di 9
n
dengan hasil kali dalam Euclid
(c) Vektor-vektor kolom dari A membentuk himpunan ortonormal di 9
n
dengan hasil kali dalam
Euclid
Teorema 6.5.2
(a) Invers dari matriks ortogonal juga ortogonal
(b) Perkalian matriks-matriks ortogonal juga ortogonal
(c) Jika A ortogonal maka det (A) = 1 atau det (A) = -1
Teorema 6.5.3
Pernyataan berikut ekivalen untuk matriks A (n x n)
(a) A ortogonal
(b)
n
R x x x A =
,
(c)
n
R y x y x y A x A =
,
Bukti:
) ( ) ( b a
A ortogonal , maka I A A
T
=
x x x x A A x x A x A x A
T
= = = =
2
1
2
1
2
1
) ( ) ( ) (
(b) (c)
Diket.
n
R x x x A e =
,
4
1
-
4
1
) (
4
1
- ) (
4
1
4
1
-
4
1
2 2
2 2
2 2
y x
y x y x
y x A y x A
y A x A y A x A y A x A
- =
+ =
+ =
+ = -
(c) (a)
Diket.
n
R y x y x y A x A e - = -
,
0 - = - - - = - = - y x y A A x y A A x y A x A y x
T T
0 ) (
0 ) (
= -
= -
y I A A x
y y A A x
T
T
Karena berlaku untuk sembarang x maka berlaku juga untuk
) ( y I A A x
T
= , sehingga ) ( y I A A
T
) ( y I A A
T
= 0
dari sifat inner product diperoleh:
) ( y I A A
T
= 0
Persamaan ini berlaku untuk sembarang
n
R y e
, sehingga
0 = I A A
T
atau I A A
T
= A orthogonal
Jika
n n
R R T : adalah perkalian oleh matrix orthogonal A, maka T disebut operator orthogonal pada
n
R .
Dari Teorema 6.5.3 operator orthogonal pada
n
R tidak mengubah panjang vektor.
pencerminan dan rotasi di
2
R dan
3
R mempunyai matrix standard yang orthogonal.
Misal { }
n
v v v S
,..., ,
2 1
= adalah basis untuk ruang vektor V, maka V v e
dapat dinyatakan sebagai:
n n
v k v k v k v
+ + =
2 2 1 1
dengan | |
|
|
|
|
|
.
|
\
|
=
n
S
k
k
k
v
2
1
disebut matrix koordinat dari v relatif terhadap S.
Masalah Perubahan Basis:
Jika basis dari suatu ruang vector di ubah dari basis lama B menjadi basis baru B, apa hubungan antara
| |
B
v
dan | |
' B
v
?
Misal { }
2 1
, u u B
= dan { }
2 1
, ' v v B
= , B = basis lama, B = basis baru
Misalkan | |
|
|
.
|
\
|
=
b
a
v
B 1
dan | |
|
|
.
|
\
|
=
d
c
v
B 2
yaitu
2 1 2
2 1 1
u d u c v
u b u a v
+ =
+ =
Misal V v e
dan | |
|
|
.
|
\
|
=
2
1
'
k
k
v
B
atau
2 2 1 1
v k v k v
+ =
sehingga ) ( ) (
2 1 2 2 1 1
u d u c k u b u a k v
+ + + =
2 2 1 1 2 1
) ( ) ( u d k b k u c k a k
+ + + =
berarti | |
|
|
.
|
\
|
|
|
.
|
\
|
=
|
|
.
|
\
|
+
+
=
2
1
2 1
2 1
k
k
d b
c a
d k b k
c k a k
v
B
= | | | | | |
B B
v v
2 1
| |
' B
v
Secara umum:
Jika kita mengubah basis lama dari suatu ruang vektor V, { }
n
u u u B ,..., ,
2 1
=
menjadi basis baru { }
n
v v v B ,.., , '
2 1
= maka | |
B
v = P | |
' B
v
dimana P adalah matrix yang kolom-kolomnya adalah matrix koordinat vektor-vektor basis baru
terhadap basis lama, yaitu | | | | | |
B n B B
v v v ,..., ,
2 1
.
P disebut matrix transisi basis dari B ke B.
Contoh:
{ }
2 1
, u u B = dan { }
2 1
, ' v v B = adalah basis untuk
2
R ,
dengan
|
|
.
|
\
|
=
|
|
.
|
\
|
=
|
|
.
|
\
|
=
|
|
.
|
\
|
=
4
3
,
1
2
,
1
0
,
0
1
2 1 2 1
v v u u
Misal P adalah matrix transisi dari B ke B P= | | | | | |
B B
v v
2 1
| | | |
(
=
(
+ =
+ =
4
3
,
1
2
2 1
2 1 2
2 1 1
B B
v v
u d u c v
u b u a v
Maka
|
|
.
|
\
|
=
4 1
3 2
P
Jika
|
|
.
|
\
|
=
5
3
w cari | |
B
w dan | |
' B
w
Cara I :
| |
| | | | | | | |
(
(
=
|
|
.
|
\
|
(
=
|
|
.
|
\
|
= =
=
+ =
11
13
11
3
5
3
2 1
3 4
11
1
4 1
3 2
5
3 ' ' '
2 2 1 1
B B B B
B
w w w P w
w
u k u k w
Cara II : (secara langsung)
11
13
5 4
11
3
3 3 2
4
3
1
2
5
3
2 2 1
1 2 1 2 1
2 2 1 1
= = +
= =
|
|
.
|
\
|
+
|
|
.
|
\
|
=
(
+ =
c c c
c c c c c
v c v c w
| |
(
(
=
11
13
11
3
' B
w
Misal Q adalah matrix transisi dari B ke B, maka
| | | | | |
' 2 ' 1 B B
u u Q =
| | | |
|
|
.
|
\
|
=
(
(
=
(
(
+ =
+ =
11
2
11
1
11
3
11
4
11
2
11
3
,
11
1
11
4
' 2 ' 1
2 1 2
2 1 1
Q u u
v d v c u
v b v a u
B B
PQ =
|
|
.
|
\
|
4 1
3 2
|
|
.
|
\
|
11
2
11
1
11
3
11
4
=
|
|
.
|
\
|
1 0
0 1
1
= P Q
Teorema 6.5.4.
Jika P adalah matrix transisi dari suatu basis B ke B maka:
a. P invertible
b. P
-1
adalah matrix transisi dari B ke B
Teorema 6.5.5 Jika P adalah matrix transisi dari suatu basis ortonormal ke basis ortonormal lain pada
suatu ruang vektor, maka P adalah matrix orthogonal, yaitu: P
-1
= P
T