Bab6 Lanjut PDF
Bab6 Lanjut PDF
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 ,
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
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
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
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
{
}
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 }
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
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
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
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
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
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
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
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:
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:
2. AT A invertible
Bukti:
(1) → (2)
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
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 AT
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
Contoh:
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
Definisi:
Suatu matriks bujur sangkar A disebut matriks ortogonal jika bersifat A-1 = AT
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
-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
(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
Teorema 6.5.3
(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
xy - xy
4 4
xy
(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
x ( AT A I ) y , sehingga ( AT A I ) y • ( AT A I ) y = 0
( 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.
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
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 v2 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
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
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
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
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.
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