Aljabar Ma triks |1

BAB 1
PENDAHULUAN
1.1 Latar Belakang
Dalam aljabar matriks, gagasan tentang matriks dan aspek-aspek yang terkait didalamnya
merupakan salah satu contoh yang dibutuhkan dalam penerapan dalam bidang matematika
pada dunia nyata. Penggunaan matriks yang sering ditemui adalah teknik pemfaktoran
matriks. Dalam hal ini matriks difaktorkan menjadi beberapa matriks lain yang bersesuaian
salah satu metode yang digunakan adalah metode dengan dekomposisi nilai singular.
Dekomposisi ini sangat berkaitan dengan nilai eigen matriks. Sama halnya dengan proses
diagonalisasi, proses dekomposisi ini mengharuskan kita untuk menggunakan proses GrammSchmidt untuk mendapatkan vector-vektor yang bersesuaian. Matriks awalnya dikerjakan
dengan metode diagonalisasi yang kemudian dilanjutkan dengan proses dekomposisi.
Dengan dasar itulah makalah ini dibuat. Dalam makalah ini, dibahas mengenai dekomposisi
nilai singular yang dilakukan pada sebuah matriks persegi.
1.2 Rumusan Masalah
Adapun rumusan masalah dari makalah ini antara lain:
1. Jelaskan teorema-teorema yang berkaitan dengan dekomposisi nilai singular ?
2. Bagaimana menggunakan metode dekomposisi nilai singular dalam matriks ?

1.3 Tujuan Penulisan

Adapun tujuan penulisan makalah ini antara lain :
1. Untuk menyelesaikan tugas mengenai dekomposisi nilai singular yang diberikan oleh
dosen pembimbing Aljabar Matriks.
2. Untuk mengetahui teorema-teorema yang berkaitan dengan dekomposisi nilai
singular dan aplikasi dari teori tersebut .

Aljabar Ma triks |2

3. Untuk menyelesaikan soal-soal tentang matriks yang menggunakan dekomposisi

nilai singular .

1.4 Manfaat Penulisan

Adapun manfaat dari makalah ini yaitu agar dapat dijadikan pedoman dalam
menyelesaikan berbagai macam soal-soal matriks dengan menggunakan dekomposisi
nilai singular . Selain itu, penulis berharap agar makalah ini membawa kemaslahatan buat
mahasiswa atau orang-orang yang berkecipung dalam bidang Aljabar Matriks.

Aljabar Ma triks |3

BAB 2
PEMBAHASAN
Dalam teori matriks, dikenal beberapa teorema dekomposisi, di antaranya teorema faktorisasi
LU dan teorema faktorisasi QR. Selanjutnya, terdapat dekomposisi yang dikenal dengan
Dekomposisi Nilai Singular (Singular Value Decomposition atau SVD). SVD terkait dengan
nilai eigen dan nilai singular, yang hubungannya akan diuraikan dibawah ini :
Nilai Eigen :
Untuk suatu matriks persegi A, terdapat vektor tak nol x dan suatu skalar sehingga Ax = x
, x 0 Skalar disebut nilai eigen dari A dan vektor x 0 disebut vektor eigen yang
bersesuaian dengan .
Untuk menentukan nilai eigen dari matriks persegi A, tulis Ax = x sebagai Ax = Ix atau
ekuivalen dengan (A I )x = 0 . Untuk nilai eigen , persamaan tersebut mempunyai
penyelesaian tak nol jika dan hanya jika det (A I ) = 0 dan disebut persamaan karakteristik
matriks A.
Nilai Singular :
Diberikan A matriks dengan rank r. Nilai eigen positif dari (ATA)1/2 disebut nilai singular dari
A. Dengan kata lain, jika adalah nilai singular dari A maka adalah nilai eigen positif
dari (ATA)1/2 , atau 2 adalah nilai eigen dari ATA .

Dari definisi di atas, dapat diketahui hubungan antara nilai eigen dan nilai singular.
Dengan kata lain, untuk matriks A dengan rank r dan nilai-nilai eigen dari matriks ATA
adalah 1 2 .. r r+1 = .= n= 0, maka i =

dengan i = 1, 2, , r, r+1, , n

disebut nilai singular dari matriks A.

Misalnya, Untuk menentukan nilai singular dari [

] dapat diperoleh dengan menghitung

nilai eigen dari ATA =[

]dan nilai eigen dari ATA adalah

dari A adalah

serta nilai singular

Aljabar Ma triks |4

2.1 Pengertian Dekomposisi Nilai Singular

Metode dekomposisi nilai singular merupakan suatu metode yang digunakan untuk
memfaktorkan matriks berdasarkan nilai singularnya.

dengan U matriks orthogonal m x m, V matriks orthogonal n x n dan matriks diagonal m x n

bernilai riil tak negatif yang disebut nilai-nilai singular. Dengan kata lain = diag ( 1, 2,
, n ) terurut sehingga 1 2 n . Jika U = (u1, u2, , un) dan V = (v1, v2, , vn) maka

Dapat juga dinyatakan bahwa matriks Amxn dapat dinyatakan sebagai dekomposisi matriks
yaitu matriks U, dan V . Matriks merupakan matriks diagonal dengan elemen
diagonalnya berupa nilai-nilai singular matriks A, sedangkan matriks U dan V merupakan
matriks-matriks yang kolom-kolomnya berupa vektor singular kiri dan vektor singular kanan
dari matriks A untuk nilai singular yang bersesuaian. Menentukan SVD meliputi langkahlangkah menentukan nilai eigen dan vektor eigen dari matriks AAT atau ATA. Vektor eigen
dari ATA membentuk kolom V, sedangkan vektor eigen dari AAT membentuk kolom U. Nilai
singular dalam adalah akar pangkat dua dari nilai-nilai eigen matriks AAT atau ATA. Nilai
singular adalah elemen-elemen diagonal dari dan disusun dengan urutan menurun.

2.2 Teorema Dekomposisi Matriks Singular

Teorema 1
Nilai singular tak nol dari matriks ACmn adalah akar pangkat dua ( ) dari nilai
eigen matriks A*A atau A*A (nilai eigen dari kedua matriks ini sama).
Bukti
Menurut dekomposisi nilai Singular diperoleh bentuk
demikian :

sehingga dengan

Aljabar Ma triks |5

Diperhatikan bahwa matriks V adalah matriks uniter dan menurut teorema diagonalisasi
berakibat A*A dan * similar. Akibatnya matriks A*A dan * memiliki persamaan
karakteristik yaitu nilai eigen yang sama. Nilai Eigen matriks tak nol, matriks * tidak
lain adalah 12, 22,, r2. Hal serupa berlaku juga untuk :

Teorema 2
Harga mutlak determinan dari matriks persegi ACmxm , yaitu |

|, adalah

perkalian semua nilai singular matriks A.

Bukti
Jika Q merupakan matriks uniter maka QQ* = I, sehingga dengan demikian berlaku
|
|

||

| = |
|

|=|

| = 1 atau dengan kata lain |

. Menurut dekomposisi nilai singular, matriks A disajikan sebagai

. Karena U dan V* matriks uniter maka berlaku |

|=|

sehingga dengan demikian :

Karena matriks merupakan matriks diagonal dengan entri-entrinya merupakan nilai

singular, yaitu merupakan bilangan positif atau nol, maka berlaku |

dan

nilai determinannya merupakan perkalian nilai-nilai singular matriks A.

2.3 Algoritma Dekomposisi Nilai Singular

1. Dibentuk matriks A*A dan tentukan sejumlah r nilai singular tak nolnya.
Misalkan {1, 2,, r } merupakan nilai-nilai singular tak nol matriks A* A dengan
1 2

r+1= = n = 0

Aljabar Ma triks |6

2. Dibentuk matriks diagonal = [

3. Dicari himpunan vektor eigen matriks A* A. Misalkan { v1, v2,

vn} merupakan

vektor-vektor eigen matriks A* A dengan vi merupakan vektor eigen yang

bersesuaian dengan i.
4. Dibentuk matriks uniter

].
untuk setiap 1i n .

5. Dibentuk himpunan vektor { u1, u2, , un}dengan

6. Dibentuk matriks uniter

].

2.4 Contoh Soal

1. Diketahiu matriks A = [

] , akan dicari bentuk dekomposisi nilai singularnya.

Dibentuk matriks A*A = [

][

Diketahui nilai eigen A*A adalah 1=3 dan 2=1

Kemudian dibentuk matriks singularnya = [

Nilai-nilai eigen 1=3 dan 2=1 masing-masing berkorespondensi dengan vector

eigen

[
]

dan

. Himpunan vector-vektor eigen tersebut

]

ortonormal sehingga dapat dibentuk matriks uniter V sebagai berikut :

[

Kemudian untuk matriks U yang dibentuk dari

]
diperoleh :

Aljabar Ma triks |7

dan

. Kemudian dibentuk matriks uniter U :

[

Sehinga bentuk dekomposisi dari matriks A adalah :

A=[

]
[

Diperhatikan matriks uniter U 3x2 , agar matriks unitary U ini menjadi matriks
pesegi berukuran 3x3 , tambahkan satu kolom lagi. Namun vector yang menyusun
kolom tambahan tersebut harusnlah orthonormal dengan vector kolom lainnya.
Karena itu dipilih sebarang vector yang memenuhi syarat tersebut.

, sehingga menjadikan matriks

]

Aljabar Ma triks |8

Namun akibatnya matriks singular harus menambah jumlah baris agar

mengimbangi jumlah kolom tambahan pada matriks unitary, maka baris tambahan
pada matriks singular harus dibentuk oleh vector 0, sehingga :

A=[

Bentuk ini dinamakan bentuk dekomposisi nilai singular penuh karena matriks
unitary U dan V masing-masing berupa matriks pesegi. Sedangkan bentuk
sebelumnya dinamakan bentuk dekomposisi nilai singular tereduksi.

2. Tentukan SVD (Singular Value Decomposition) matriks A= [

Mencari nilai AAT = [

Selanjutnya menentukan nilai eigen dari AAT, yaitu 1= 10 dan 2=12

Diperoleh nilai singular dari A yaitu

dan

Untuk

1= 10 diperoleh vector eigen yang bersesuaian adalah u 1[

2=12

diperoleh

vector

eigen

yang

bersesuaian

adalah

u 2[ ].

menormalisasisakn u1 dan u2 diperoleh

] dan

Diperoleh U = [

[ ]

Selanjutnya cari nilai eigen dari

ATA = [

] dan nilai eigennya ialah 1= 0 , 1= 10 dan 3=12

Diperoleh nilai singular dari A yaitu 0,

dan

] dan untuk
Dengan

Aljabar Ma triks |9

Dengan mencari vector eigen yang bersesuaian u 1= [

], u2= [

] dan u3= [ ].

Akibatnya , vector-vetor singular kanan yang orthomormal adalah

[ ]

Jadi VT=

, dan

[
]

Diperoleh SVD matriks A adalah:

A=

] [

A l j a b a r M a t r i k s | 10

BAB 3
PENUTUP
3.1 Kesimpulan
Dekomposisi nilai singular adalah suatu proses memfaktorkan sebuah matriks menjadi
lebih dari satu matriks, yaitu perkalian antara matriks diagonal yang memuat nilai-nilai
singular ( ) dengan matriks yang memuat vektor-vektor singular ( U dan V). Dimana
matriks U dan V merupakan matriks-matriks yang kolom-kolomnya berupa vektor
singular kiri dan vektor singular kanan dari matriks A untuk nilai singular yang
bersesuaian.

3.2 Kritik dan Saran

Sebelum menyelesaikan persoalaan matriks dengan menggunakan dekomposisi nilai
singular, sebaiknya kita terlebih dahulu memahami proses Gram-Schmidt seperti yang
berlaku pada proses diagonalisasi. Begitupun dalam menentukan nilai eigen, seseorang
harus mampu menentukan persamaan karakteristik dari suatu matriks. Dan juga harus
mampu menentukan nilai singular suatu vektor Selain itu kami penulis mengharapkan
kritik dan saran dari pembaca demi pengembangan kualitas dari makalah kami .