Anda di halaman 1dari 18

Teorema 6.3.

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 =

vektor-vektor di V maka berlaku:


1.
2 2
3
2
2
2
1
.......
n
u u u u u + + + + =


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

= (1, 1, 1) maka dengan menggunakan hasil kali dalam Euclid di 9


3
didapat
3 1 1 1 = + + = =
2 2 2
2
1
u u u


Jika S adalah basis ortonormal, maka didapat koordinat )
5
7
,
5
1
, 1 ( ) ( =
S
u

(dari contoh diatas).


Dengan menggunakan teorema diatas juga diperoleh 3
25
75
) ( )
5
1
(- 1 = =
5
7
+ + =
2 2 2
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

= (1, -1, 2), hitung norm u

secara langsung dan menggunakan vektor koordinat


S
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

dapat ditulis sebagai



n
n
n
n
v
v
v
v
u
v
v
v
v
u
v
v
v
v
u 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

sebagai kombinasi linier dari vektor-


vektor basis ortogonal } ,......, , {
2 1 n
v v v S

=
Teorema 6.3.3
Jika } ,......, , {
2 1 n
v v v S

= adalah himpunan ortogonal di ruang hasil kali dalam V dengan i v
i
, 0

,
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

disebut proyeksi ortogonal u

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

proj akan ortogonal dengan


2 1
v v

dan

Teorema 6.3.6
Setiap ruang hasil kali dalam V berdimensi hingga selalu mempunyai basis ortonormal
Bukti: Karena V berdimensi hingga n maka ada basis
{ }
n
u u u

,......, ,
2 1
. Untuk menghasilkan basis
ortogonal digunakan proses Gram Schmidt berikut.
Proses Gram-Schmidt: untuk
{ }
n
u u u

,......, ,
2 1
yang bebas linier
Step 1: Tetapkan
1 1
= u v


Step 2: Mencari komponen
2
u

yang ortogonal terhadap ruang W


1
yang direntang oleh
1
v

, diperoleh
vektor
2
v

yang ortogonal dengan


1
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

. Ini kontradiksi dengan


{ }
n
u u u

,......, ,
2 1
yang bebas linier

Step 3: Bentuk vektor
3
v

yang ortogonal terhadap


1
v

dan
2
v

, yaitu dengan mencari komponen dari


3
u

yang ortogonal terhadap ruang W


2
yang direntang oleh
1
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

yang ortogonal terhadap


1
v

,
2
v

dan
3
v

, yaitu dengan mencari komponen dari


4
u

yang ortogonal terhadap ruang W


3
yang direntang oleh
1
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

= (0, 0, 1). Maka ubahlah S menjadi basis ortonormal } , , {


3 2 1
q q q

.
Jawab:
Step 1:
1 1
= u v

= (1, 1, 1),
Step 2:
2
v

=
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 yang mempunyai w u



minimal yaitu u
W

proj
Teorema 6.4.1: Teorema Aproksimasi Terbaik
Jika W adalah subspace berdimensi hingga dari suatu ruang hasil kali dalam V, dan jika 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

yang berbeda dengan u


W

proj
Bukti:
W we

dapat ditulis ) proj ( ) proj ( w u u u w u


W W

+ = dengan

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

= dengan m persamaan dan n unknown, akan dicari


vektor x

yang meminimumkan b x A

terhadap hasil kali dalam Euclid di 9


m
. Vektor x

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

juga bervariasi dari semua kemungkinan kombinasi


linier dari vektor-vektor kolom A yaitu vektor x A

bervariasi dari seluruh ruang kolom W.


Secara geometri, mencari vektor x

sedemikian sehingga x A

adalah vektor terdekat dengan b yaitu


b x A

minimal merupakan least-square problem atau x

adalah solusi least-square.


Teorema 6.4.1 mengatakan agar x

menjadi solusi least square dari b x A


= maka b x A
W

proy =
b b x A b
W

proy = adalah ortogonal terhadap ruang kolom A.


Sesuai dengan teorema 6.2.6 maka x A b

ada di nullspace dari A


T
. Sehingga 0 ) ( = x A b A
T

atau
b A x A A
T T
=

persamaan ini disebut sistem normal yang bersesuaian dengan b x A


=

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

= , sistem normal yang bersesuaian


b A x A A
T T
=

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

adalah sembarang solusi Least-square dari b x A


=
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

adalah solusi dari 0

= x A A
T
, maka

x A

ada di nullspace
T
A atau x A

ada di ruang kolom A


0

= x A karena null-space dari


T
A dan ruang kolom A saling ortogonal komplement
0

= x A dan A mempunyai vektor kolom yang bebas linier maka 0

= 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 A hanya mempunyai solusi


trivial 0

= x
Misal x

adalah solusi dari 0

= 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

= mempunyai solusi Least Square yang unik yaitu


b A A A x
T T

-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

pada ruang kolom dari A


Jawab:
1 -1
3 2
-2 4
A
(
(
=
(
(


dan
4
1
3
b
(
(
=
(
(


Vektor-vektor kolom A bebas linier, maka solusi Least Square yang unik.

1 -1
1 3 -2 14 -3
3 2
-1 2 4 -3 21
-2 4
T
A A
(
( (
(
= =
( (
(

(


4
1 3 -2 1
1
-1 2 4 10
3
T
A b
(
( (
(
= =
( (
(

(


Sistem normal b A x A A
T T
=

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

pada ruang kolom A adalah


92
-
285 1 -1
17
95
439
3 2
285
143
-2 4 285
94
57
Ax
(
(
( (
(
( (
= =
(
( (
(
(

(


1. Cari proyeksi ortogonal vektor u

= (-3, -3, 8, 9) pada subruang dari 9


4
yang direntang oleh vektor-
vektor 1) 0, 1, 3, ( =
1
u

) 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

pada subruang tersebut x A b


W

= 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