Teorema 6.3.


Jika S adalah basis ortonormal untuk ruang hasil kali dalam V berdimensi n dan (u ) S  (u 1 , u 2 ,...., u n ) ,

(v ) S  (v1 , v2 ,...., vn ) vektor-vektor di V maka berlaku:


1. u  u12  u 22  u32  .......  u n2
 
2. d (u , v )  (u1  v1 ) 2  (u 2  v2 ) 2  .......  (u n  vn ) 2
 
3. u , v  u1v1  u 2 v2  ........  u n vn
Contoh: Menghitung Norm dengan menggunakan basis ortonormal


1. Jika u = (1, 1, 1) maka dengan menggunakan hasil kali dalam Euclid di 3 didapat
 1
u = u •u 2
= 12 + 12 + 12 = 3

 1 7
Jika S adalah basis ortonormal, maka didapat koordinat (u ) S  (1, , ) (dari contoh diatas).
5 5

 1 7 75
Dengan menggunakan teorema diatas juga diperoleh u = 12 + (- ) 2 + ( ) 2 = = 3
5 5 25

    1 1 1  1 1 -1  2 -1
2. Misal S  {v1 , v2 , v3 } dengan v1 = ( , , ) , v2 = ( , , ) , v3 = ( , ,0) .
6 6 6 6 6 6 6 6

Buktikan:

 S adalah basis ortonormal untuk 3 dengan hasil kali dalam yang didefinisikan sebagai
 
u , v = u1 v1 + 2u 2 v2 + 3u 3 v3
  
 Jika u = (1, -1, 2), hitung norm u secara langsung dan menggunakan vektor koordinat (u) S

   
Jika S  {v1 , v2 ,......, vn } adalah basis ortogonal untuk ruang vektor V dan setiap vektor v i
  
v1 v 2 vn
dinormalisasi, maka diperoleh basis ortonormal S ' =  ,  ,........,  .
v1 v 2 vn
 
Berdasarkan teorema 6.3.1, untuk sembarang u ∈V dapat ditulis sebagai

     
  v1 v1  v2 v2  vn vn
u = u,   + u,   + ....... + u ,   atau
v1 v1 v2 v2 vn vn

     
 u , v1  u , v2  u , vn  
u =  2 v1 +  2 v2 + ....... +  2 v n . Ini menyatakan u sebagai kombinasi linier dari vektor-
v1 v2 vn
  
vektor basis ortogonal S  {v1 , v2 ,......, vn }

Teorema 6.3.3

    
Jika S  {v1 , v2 ,......, vn } adalah himpunan ortogonal di ruang hasil kali dalam V dengan vi ≠0,∀i ,

maka S bebas linier.

Contoh:

  1 1  1 -1   
Untuk v1 = (0, 1, 0), v 2 = ( ,0, ) dan v3 = ( ,0, ) , maka S  {v1 , v2 , v3 } adalah
2 2 2 2
himpunan ortonormal terhadap hasil kali dalam Euclid di 3.

Menurut teorema 6.3.3, S bebas linier, 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 u ∈V
    
dapat dinyatakan ”tepat satu cara” sebagai u = w1 + w2 dimana w1 ∈W dan w2 ∈W ⊥

     
w1 disebut proyeksi ortogonal u pada W, w1 = projW u dan w2 disebut komponen u yang ortogonal
 
ke W, w2 = projW ⊥ u

  
Sehingga dapat ditulis u = projW u + projW ⊥ u
       
projW ⊥ u = u - projW u maka didapat u = projW u + ( u - projW u ) yang di 3 dapat digambar seperti

gambar di bawah ini.


u

 
u - projW u


projW u W

Teorema 6.3.5

Misal W adalah sub-ruang berdimensi hingga dari ruang hasil kali dalam V

{  
} 
1. Jika v1 , v2 ,......, vr adalah basis ortonormal untuk W dan u ∈V , maka projW u =


        
u , v1 v1 + u , v2 v2 + ...... + u , vr vr
    
2. Jika {v1 , v2 ,......, vr } adalah basis ortogonal untuk W dan u ∈V , maka projW u =
     
u , v1  u , v2  u , vr 
 2 v1 +  2 v2 + ....... +  2 vr
v1 v2 vr

Contoh: Perhitungan proyeksi

3 dengan hasil kali dalam Euclid, W adalah sub-ruang yang direntang oleh vektor-vektor ortonormal
  -4 3  
v1 = (0, 1, 0) dan v2 = ( ,0, ) . Jika u = (1, 1, 1) maka projW u =
5 5
      -1 - 4 3 4 -3
u , v1 v1 + u , v2 v2 = (1)(0,1,0) + ( )( ,0, ) = ( ,1, )
5 5 5 25 25

   4 -3 21 28
projW ⊥ u = = u - projW u = (1, 1, 1) - ( ,1, ) = ( , 0, )
25 25 25 25

  
Jika diperiksa maka projW ⊥ u akan ortogonal dengan v1 dan v2
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 u1 , u 2 ,......, u n . Untuk menghasilkan basis

ortogonal digunakan proses Gram Schmidt berikut.

{  
}
Proses Gram-Schmidt: untuk u1 , u 2 ,......, u n yang bebas linier

 
Step 1: Tetapkan v1 = u1

 
Step 2: Mencari komponen u 2 yang ortogonal terhadap ruang W1 yang direntang oleh v1 , diperoleh
 
vektor v 2 yang ortogonal dengan v1 berdasarkan rumus

 
    u 2 , v1 
v 2 = u 2 - projW1 u 2 = u 2 -  2 v1
v1

 
     u 2 , v1  u ,v 
v2 ≠0 karena jika v2 = 0 didapat u 2 =  2 v1 = 2 21 u1 yang berarti u 2 kelipatan dari
v1 u1
   
u1 . Ini kontradiksi dengan {u1 , u 2 ,......, u n } yang bebas linier

  
Step 3: Bentuk vektor v 3 yang ortogonal terhadap v1 dan v 2 , yaitu dengan mencari komponen dari
  
u 3 yang ortogonal terhadap ruang W2 yang direntang oleh v1 dan v 2 . Dengan menggunakan
teorema 6.3.5 bagian 2 didapat:

   
    u 3 , v1  u 3 , v 2    
v 3 = u 3 - projW2 u 3 = u 3 -  2 v1 -  2 v 2 Sesuai dengan step 2, karena {u1 , u 2 ,......, u n }
v1 v2
 
yang bebas linier maka v 3 ≠0
    
Step 4: Bentuk vektor v 4 yang ortogonal terhadap v1 , v 2 dan v 3 , yaitu dengan mencari komponen dari
   
u 4 yang ortogonal terhadap ruang W3 yang direntang oleh v1 , v 2 dan v 3 . Dengan
menggunakan teorema 6.3.5 bagian 2 didapat:

     
    u 4 , v1  u 4 , v 2  u 4 , v3 
v 4 = u 4 - projW3 u 4 = u 4 -  2 v1 -  2 v2 -  2 v 3
v1 v2 v3

{  
}
Proses dilanjutkan sampai diperoleh himpunan vektor yang ortogonal v1 , v2 ,......, vn . Karena V

{ 
berdimensi n dan setiap himpunan ortogonal bebas linier, maka didapat basis ortogonal v1 , v2 ,......, vn

}
Dengan menormalisasi setiap vektor di basis ortogonal akan didapatkan basis ortonormal .

Contoh:

{  
Jika 3 dengan hasil kali dalam Euclid mempunyai basis S = u1 , u 2 , u 3 dengan}
     
u1 = (1, 1, 1), u 2 = (0, 1, 1) dan u 3 = (0, 0, 1). Maka ubahlah S menjadi basis ortonormal {q1 , q2 , q3 } .

Jawab:

 
Step 1: v1 = u1 = (1, 1, 1),

 
    u 2 , v1  2 2 1 1
Step 2: v 2 = u 2 - projW1 u 2 = u 2 -  2 v1 = (0, 1, 1) - (1, 1, 1) = (- , , )
v1 3 3 3 3

   
    u 3 , v1  u 3 , v 2 
Step 3: v 3 = u 3 - projW2 u 3 = u 3 -  2 v1 -  2 v 2
v1 v2

1
 1 2 1 1 1 1
v 3 = (0, 0, 1) - (1, 1, 1) - 3 (- , , ) = (0, - , )
3 2 3 3 3 2 2
3

{  
}
Sehingga didapat v1 , v2 , v3 basis ortogonal 3.


 v1 1 1 1 1
q1 =  = (1, 1, 1) = ( , , )
v1 3 3 3 3
 
 v2 3 2 1 1 -2 1 1
q2 =  = (- , , ) = ( , , )
v2 6 3 3 3 6 6 6


 v3 1 1 -1 1   
q 3 =  = 2 (0, - , ) = (0, , ) dan {q1 , q2 , q3 } adalah basis ortonormal 3
v3 2 2 2 2

Catatan:

  
 Dari proses Gram-Schmidt dapat dilihat bahwa untuk k ≥ 2 , {q1 , q 2 ,......, q k } adalah basis

{ 
ortonormal untuk ruang vektor yang direntang oleh u1 , u 2 ,......, u k

}
   
 vektor q k ortogonal terhadap u1 , u 2 ,......, u k 1 

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 u1 , u 2 ,......, u n  dan vektor-vektor kolom yang ortonormal
  
dari Q adalah {q1 , q 2 ,......, q n }

A  u1 u 2 ...... u n ] dan Q  q1 q 2 ,...... q n 

    

Berdasarkan teorema 6.3.1 dapat ditulis:

         
u1  u1 , q1 q1  u1 , q 2 q 2  ........  u1 , q n q n

         
u 2  u 2 , q1 q1  u 2 , q 2 q 2  ........  u 2 , q n q n

         
u n  u n , q1 q1  u n , q 2 q 2  ........  u n , q n q n

Atau
  u1 , q1 u2 , q1 ........ un , q1 
 
u u 2 ...... u n ] = q1 q 2 ,...... q n 
      u1 , q2 u2 , q2 ........ un , q2 
atau A = Q R
1
 
 
 u1 , qn u2 , qn ......... un , qn 

   
Karena vektor q k ortogonal terhadap u1 , u 2 ,......, u k 1  untuk setiap k ≥ 2 maka didapat

 u1 , q1 u2 , q1 ........ un , q1 
 
0 u2 , q2 ........ un , q2 
R= 
 
 
 0 0 ......... un , qn 

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 A  QR 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:

1 0 0
 
Jika A  1 1 0 , dan det A ≠ 0 maka vektor-vektor kolom A bebas linier yaitu;
 
1 1 1

1 0  0 
       
u1  1 , u 2  1 dan u 3  0 .
1 1 1

Dengan proses Gram-Schmidt diperoleh vektor-vektor ortonormal

1   2   
 3  6  0 
        
q1   1  , q 2   1  dan q 3   1 
3 6 2
1   1   1 
    
 2 
 3  6
Sehingga didapat matriks

     
 u1 , q1 u 2 , q1 ........ u n , q1  3 2 1 
       3 3 3
R= 
0 u2 , q2 ........ un , q2 = 0 2 1 
       6 6
     0 0 1 
 0 0 ......... u1 , q n   2 

Dekomposisi Q R dari A adalah

1 2  3 2 1 
1 0 0  3 6 0   3 3 3
  1 1   1 
A  1 1 0 =  1
 0
2
3 6 2 6 6
1 1 1  1 1 1   1 
 32   0 0
2 
 3 6

6.4 Best Approximation: Least Square

Misal P adalah titik di R3, W adalah bidang yang melalui titik asal, titik Q adalah titik yang terdekat
dengan titik P

   
Jika u = OP maka projW u  OQ dan u  projW u adalah jarak minimal antara titik P dengan bidang

   
Misal u akan di aproksimasi oleh vektor di W, berarti akan ada vektor error yaitu u  w dengan w  W
   
Aproksimasi terbaik dari u adalah vektor yang mempunyai u  w minimal yaitu projW u

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 projW u adalah aproksimasi terbaik dari u di W karena u  projW u  u  w
 
untuk w  W yang berbeda dengan projW u

Bukti:

      
w W dapat ditulis u  w  (u  projW u )  (projW u  w) dengan
   
(u  projW u )  W  dan (projW u  w)  W
    
Sehingga (u  projW u ) dan (projW u  w) saling ortogonal yang sesuai dengan teorema Pythagoras
  2  2   2
berlaku: u  w  u  projW u  projW u  w

       
Jika w  projW u maka projW u  w  0 . Sehingga didapat u  w  u  projW u
2 2
atau
       
u  w  u  projW u atau u  w  u  projW u

Least Square Problem

 
Diberikan suatu sistem persamaan linier Ax  b dengan m persamaan dan n unknown, akan dicari
   
vektor x yang meminimumkan Ax  b terhadap hasil kali dalam Euclid di m. Vektor x dinamakan

 
solusi least-square dari persamaan Ax  b

 
Misal W ruang kolom dari A. Untuk setiap matriks x berukuran n x 1, perkalian Ax adalah kombinasi
linier dari vektor-vektor kolom dari A.

 
Karena vektor x bervariasi di n, maka vektor Ax juga bervariasi dari semua kemungkinan kombinasi

linier dari vektor-vektor kolom A yaitu vektor Ax bervariasi dari seluruh ruang kolom W.

 
Secara geometri, mencari vektor x sedemikian sehingga Ax adalah vektor terdekat dengan b yaitu
  
Ax  b minimal merupakan least-square problem atau x adalah solusi least-square.

    
Teorema 6.4.1 mengatakan agar x menjadi solusi least square dari Ax  b maka Ax  proyW b

   
b  Ax  b  proyW b adalah ortogonal terhadap ruang kolom A.

  
Sesuai dengan teorema 6.2.6 maka b  Ax ada di nullspace dari AT. Sehingga AT (b  Ax )  0 atau

  
AT Ax  AT b → persamaan ini disebut sistem normal yang bersesuaian dengan Ax  b
Catatan:

 Sisten normal terdiri dari n persamaan dengan n unknown

 
 Sisten normal konsisten karena dipenuhi oleh solusi least square dari Ax  b
 Sisten normal mungkin mempunyai banyak solusi.

Teorema 6.4.2:

 
 Untuk sembarang sistem persamaan linier Ax  b , sistem normal yang bersesuaian

AT Ax  AT b selalu konsisten dan semua solusi dari sistem normal adalah solusi Least-square
 
dari Ax  b
  
 Jika W adalah ruang kolom dari A dan x adalah sembarang solusi Least-square dari Ax  b
  
maka proyeksi ortogonal dari b pada W adalah proyW b = Ax

Teorema 6.4.3:

Jika A adalah matriks m x n, maka persamaan berikut ekivalen

1. A mempunyai vektor kolom yang bebas linier

2. AT A invertible
Bukti:

(1) → (2)

A mempunyai vektor kolom yang bebas linier maka AT A berukuran n x n

 
Akan dibuktikan AT A invertible atau persamaan AT Ax = 0 mempunyai solusi trivial.

 T  
Jika x adalah solusi dari A Ax = 0 , maka

 
Ax ada di nullspace AT atau Ax ada di ruang kolom A

 
Ax = 0 karena null-space dari AT dan ruang kolom A saling ortogonal komplement
    
Ax = 0 dan A mempunyai vektor kolom yang bebas linier maka x = 0 .

 
Jadi AT Ax = 0 hanya mempunyai solusi trivial atau AT A invertible

(2) → (1)

   
AT A invertible, maka AT Ax = 0 hanya mempunyai solusi trivial x = 0

 
Akan dibuktikan A mempunyai vektor kolom yang bebas linier atau Ax = 0 hanya mempunyai solusi
 
trivial x = 0

       
Misal x adalah solusi dari Ax = 0 , maka AT Ax = AT (0) = 0 . Karena AT A invertible maka x = 0

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 Ax = b mempunyai solusi Least Square yang unik yaitu
 
x = ( AT A) -1 AT b

 Jika W ruang kolom dari A maka proyeksi ortogonal dari b pada W adalah
  
projW b = Ax = A( AT A) -1 AT b

x1 - x 2 = 4

Contoh: Cari solusi Least Square dari sistem linier 3 x1 + 2 x 2 = 1 dan cari proyeksi ortogonal dari b
- 2 x1 + 4 x 2 = 3
pada ruang kolom dari A

 1 -1 4
Jawab: A   3 2  dan b  1 
 
-2 4   3 

Vektor-vektor kolom A bebas linier, maka solusi Least Square yang unik.
  1 -1
 1 3 -2    14 -3 
A AT
  3 2   -3 21
-1 2 4    
-2 4 

 4
 1 3 -2     1 
A b
T
 1    
-1 2 4    10 
 3

 14 -3   x1   1 
Sistem normal AT Ax  AT b menjadi      
 -3 21  x2  10

17 143 
Sehingga didapat x1 = , x2 = dan proyeksi ortogonal b pada ruang kolom A adalah
95 285
 - 92 
 1 -1  17   285 
Ax   3 2  
95   439 

143   285
-2 4   285  94 
 57 


1. Cari proyeksi ortogonal vektor u = (-3, -3, 8, 9) pada subruang dari 4 yang direntang oleh vektor-
  
vektor u1 = ( 3, 1, 0, 1) u 2 = (1, 2, 1, 1) u 3 = (-1, 0, 2, - 1)
  
Jawab: W subruang dari 4 yang direntang oleh vektor-vektor u1 , u 2 , u 3 adalah ruang kolom dari

3 1 -1  -3
1 2 0  -3
matriks A dan u   
0 1 2 8
   
1 1 -1 9

  
Proyeksi u pada subruang tersebut projW b = Ax (Lanjutkan)

Definisi:

Jika W adalah subruang dari m, maka transformasi P : R m → W yang memetakan setiap vektor
 
x ∈Rm ke proyeksi ortogonal projW x di W disebut proyeksi ortogonal dari m pada W.
Matriks standard untuk proyeksi ortogonal dari m pada W adalah [P] = A( AT A) -1 AT dimana A

dibentuk dengan menggunakan sembarang basis untuk W sebagai vektor-vektor kolom.

Contoh:

Matriks standard untuk proyeksi ortogonal di 3 pada bidang xy adalah

1 0 0 
 P   0 1 0
0 0 0 

1  0 
   
Jika W = bid xy, ambil u1  0 , u2  1 sebagai basis untuk W maka
   
 0  0 

1 0  1 0 
  1 0 0   1 0 
 A   0 1  , A A  
T
  0 1    
0 0  0 1 0    0 1 
 0 0 

1 0  1 0 0 
1 0 0 
 P   A( AT A)-1 AT  0 1  I   0 1 0
 0 1 0   
0 0 0 0 0 

6.5 Matriks Ortogonal dan Perubahan Basis

Definisi:

Suatu matriks bujur sangkar A disebut matriks ortogonal jika bersifat A-1 = AT

Matriks bujur sangkar A ortogonal ⇔ AAT = AT A = I

1 -1  1 -1  1 1 
 2 2  2 2  2 2  1 0 
Contoh: 1. A maka AAT   
1 1  1 1   -1 1  0 1 
 2 2   2 2   2 2 
 1 1 
 2 2
Jadi A disebut matriks ortogonal dan A  -1

-1 1 
 2 2 

2. Periksa ortogonalitas dari matriks dibawah ini dan cari A -1

 -1 1 1 
0 1 1  
 2 2 6 3
 
a. 1 0 0  b.  0 -2 1 
   6 3
0 0 1  1 1 1 
 2   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 n dengan hasil kali dalam Euclid
(c) Vektor-vektor kolom dari A membentuk himpunan ortonormal di 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) Ax = x , ∀x ∈R n
     
(c) Ax • Ay = x • y ∀x, y ∈R n
Bukti:

(a) → (b)

A ortogonal , maka AT A = I

   1   1   1 
Ax = ( Ax • Ax ) 2 = ( x • AT Ax ) 2 = ( x • x ) 2 = x

(b)  (c)

  
Diket. Ax  x ,  x  R
n

  1   2 1  
Ax  Ay  Ax  Ay - Ax  Ay
2

4 4
1   2 1  
 A( x  y ) - A( x  y )
2

4 4
1   2 1   2
 xy - xy
4 4
 
 xy

(c)  (a)
     
Diket. Ax  Ay  x  y x, y  R n

         
x  y  Ax  Ay  x  AT Ay  x  AT Ay - x  y  0

  
 x  ( AT Ay  y )  0
 
 x  ( AT A  I ) y  0

Karena berlaku untuk sembarang x maka berlaku juga untuk

   
x  ( AT A  I ) y , sehingga ( AT A  I ) y • ( AT A  I ) y = 0

dari sifat inner product diperoleh:


( AT A  I ) y = 0


Persamaan ini berlaku untuk sembarang y  R n , sehingga
 AT A  I  0 atau AT A  I A orthogonal

Jika T : R n  R n adalah perkalian oleh matrix orthogonal A, maka T disebut operator orthogonal pada

Rn .

Dari Teorema 6.5.3  operator orthogonal pada R n tidak mengubah panjang vektor.

 pencerminan dan rotasi di R 2 dan R 3 mempunyai matrix standard yang orthogonal.

   
Misal S  v1 , v2 ,..., vn  adalah basis untuk ruang vektor V, maka  v  V dapat dinyatakan sebagai:
   
v  k1v1  k 2 v2  k n vn

 k1 
 
k 
dengan v S   2  disebut matrix koordinat dari v relatif terhadap S.

 
k 
 n

Masalah Perubahan Basis:

Jika basis dari suatu ruang vector di ubah dari basis lama B menjadi basis baru B’, apa hubungan antara
v B dan v B ' ?
   
Misal B  u1 ,u 2  dan B'  v1 , v2  , B = basis lama, B’ = basis baru

 a  c
Misalkan v1 B    dan v 2 B   
b d 

  
v1  au1  bu 2
yaitu   
v 2  cu1  du 2

   k1    
Misal v  V dan v B '    atau v  k1v1  k 2 v2
 k2 

    
sehingga v  k1 (au1  bu 2 )  k 2 (cu1  d u 2 )

 
 (k1a  k 2 c)u1  (k1b  k 2 d )u 2
   k1a  k 2 c  a c  k1 
berarti v B       
 k1b  k 2 d   b d  k 2 


= v1 B v2 B  v B '

Secara umum:

Jika kita mengubah basis lama dari suatu ruang vektor V, B  u1 , u 2 ,..., u n  

menjadi basis baru B'  v1 , v2 ,.., vn maka v   B =P v B'

dimana P adalah matrix yang kolom-kolomnya adalah matrix koordinat vektor-vektor basis baru

     .
terhadap basis lama, yaitu v1 B , v2 B ,..., vn B

P disebut matrix transisi basis dari B’ ke B.

Contoh:

   
B  u1 ,u 2 dan B'  v1 , v2 adalah basis untuk R 2 ,

1  0  2   3
dengan u1   , u 2   , v1   , v 2   
 0 1 1  4 

Misal P adalah matrix transisi dari B’ ke B  P= v1   v  

B 2 B

v1  au1  bu 2 
 v1  B
 2
  , v 
2 B
 3
 
v2  cu1  d u 2  1 4

 2  3
Maka P   
1 4 

Jika w  
 3 

 5

 cari w B dan w B ' 
Cara I :
w  k1 u1  k 2 u 2 
1 4 3 3    311 

wB  
3

   2  3
 w B  P w B '    
 w B '  w B '    
11 1 2 5   13 

 1 4   11
5 

Cara II : (secara langsung)

w  c1 v1  c 2 v 2
3  2   3
 5  c1  1   c 2  4   2c1  3c 2  3  c1   3
11
     
c1  4c 2  5 c 2   13
11

 3 

 w B'   11 
 1311

Misal Q adalah matrix transisi dari B ke B’, maka

Q  u1  u  
B' 2 B'

3   4 3 
 u 
u1  av1  bv2    4 
 u1   11 ,   11  Q   11 11
u 2  cv1  d v2 
B'
 111
2 B'
 11
2   1 2 
  11 11

 2  3   411 311  1 0 
PQ =   =    Q  P 1
 1 4    111 211  0 1 

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 = PT