ANALISIS PEUBAH GANDA

(MULTIVARIATE ANALYSIS)

PENGENALAN MATRIKS

DEPARTEMEN STATISTIKA
DR. IR. I MADE SUMERTAJAYA, MSI
 Definisi Matriks
Susunan angka-angka di dalam kotak yang
dibagi ke dalam baris dan kolom.
Misalkan terdiri dari n baris dan p kolom,
maka matriks tersebut berdimensi n x p.
contoh :
3 4 5
1 9 2
 
12 0 7
 
5 5 10 
 Matriks Putaran
Diperoleh dengan cara menukar baris dan
kolomnya, dinotasikan dengan A’.
contoh :
1 2
1 3 5 
A  3 4 A'   
5 6
 2 4 6 

 Matriks Simetrik
Jika A = A’ maka A adalah matriks simetrik
1 2 5
2 7 9
 

5 9 0

 Matriks Diagonal
Jika matriks n x n yang semua unsur
nondiagonalnya bernilai nol, disebut
matriks diagonal.
5 0 0
0 0 0

0 0 7 
 Matriks Khusus
- matriks identitas
- matriks nol
- matriks segitiga
 Kebebasan Linier
Sekumpulan vektor kolom atau baris tak nol
dikatakan bebas linier jika tidak ada satupun
yang bisa dituliskan sebagai kombinasi linier
dari vektor lainnya.

1 3
9 4
 
10 11

 Pangkat Matriks
Banyaknya baris atau kolom pada
matriks itu yang bersifat bebas linier.
pada matriks di atas berpangkat r(A)=2
 Matriks Singular dan Nonsingular
Matriks A n x n dikatakan singular jika
semua baris atau kolomnya saling bebas
linier.
 Kebalikan Matriks
Untuk matriks persegi A, jika berlaku
AB = BA= I, maka B adalah matriks
kebalikan dari A, dinotasikan A-1.
1 3  4 3 
 
A 23 
9 4 A1   23
9 1
  
 23 23 
 Normal Vektor Euclidian
Sebuah vektor a berukuran n x 1 memiliki
panjang yang didefinisikan sebagai :
a' a

Dan vektor normal dari a =a/√a’a

memiliki norma √22+12+22 =3
2
 2 3
2 1
a  1 b
1 
1   
3  3
2 
2 2

3

 Jarak Euclid antar Dua Vektor
Jika dua buah vektor a dan b berukuran n
x 1 maka jarak euclid:
d ( a, b)  ( a  b)' ( a  b)

5 
a  3
2
d (a, b)  (5  6) 2  (3  1) 2  (2  4) 2  3
6 
b  1 
4
 Vektor dan Matriks Ortogonal
Dua buah vektor berukuran n x 1 dikatakan
ortogonal satu sama lain jika a’b=0.
5  1
a9  b   0 
 

5  1 

Sebuah matriks A berukuran n x n adalah

matriks ortogonal jika A’A=AA’=I.
 1 1 1 
  
 3 2 6
1 1 1 
A  
 3 2 6
 1 2 
 0 
 3 6 
Akar Ciri dan Vektor Ciri
Untuk matriks A berukuran n x n
maka pasangan-pasangan
(λ1,x1),…,(λn,xn) dikatakan sebagai
pasangan akar ciri dan vektor ciri
yang ortonormal jika berlaku:
Ax1= λ1x1
:
:
Axn= λnxn
Atau memenuhi det(Ax – λIx)=0
 Penguraian Spektral dari Sebuah Matriks Simetrik
A=PΛP’
dengan A adalah matriks simetrik n x n, P adalah
suatu matriks ortogonal dan Λ adalah matriks
diagonal. P=(x1|x2|…|xn) dan Λ=diag(λ1,…, λn)

 Determinan Matriks
yaitu perkalian dari seluruh akar ciri dari matriks
persegi n x n A, |A|= λ1x….x λn

 Teras Matriks
teras dari matriks A n x n, tr(A) adalah
penjumlahan semua akar cirinya.
tr(A)= λ1+ ….+λn , yang sebanding dengan
jumlah dari semua unsur diagonal utamanya.
 Bentuk Kuadratik
Misal A adalah matrik berukuran n x n dan
x adalah vektor peubah berukuran n x 1
maka: n n
x ' Ax  a
i 1 j 1
ij xi x j

 a11x12  ...  ann xn2  (a12  a21 ) x1 x2  ...  (an 1,n  an ,n 1 ) xn 1 xn

Bentuk itu adalah bentuk kuadratik dari x.

Contoh:
1 2 3  x1
A  4 2 1 x   x 2
1 1 1  x3
maka
x' Ax  x12  2 x22  x32  6 x1 x2  4 x1 x3  2 x2 x3
 Matriks Definit dan Semidefinit Positif
Matriks simetrik berukuran n x n bersifat:
-definit positif jika
x’Ax > 0 untuk sembarang vektor x ≠
0
-semidefinit positif jika
x’Ax ≥ 0 untuk sembarang vektor x ≠
0
Akar Kuadratik Matrik Semidefinit
Positif
A=matrik semidefinit positif,
diperoleh matriks ∆ atas U sehingga
A=U’U (penguraian Cholesky)
Akar kuadrat dari matrik simetrik:
A=PΛP’=(PΛ1/2P’)(PΛ1/2P’)=A1/2A1/2
dimana P matrik ortogonal dan Λ
matriks diagonal.
Perkalian Kronecker
Perkalian Kronecker C denganD
dinotasikan
CD
Yaitu dengan mengalikan setiap unsur
matriks C dengan matriks D, dan
kemudian membuat matriks
gabungannya. 1 0 3 4 
contoh: 3
 0 9 12 


1 0 3 4 

1  

7 0 21 28

 1
D  3
0 4 1

C  0 4 1  1 C  D  0

12 3  3

0 28 7  7
1 1  3 2  7 1 1 3 2 
 
3 3 9 6 
7  21 14 
 7 
MATRIKS DALAM MULTIVARIATE

Untuk banyaknya pengamatan

(observasi) sebesar n dan
banyaknya peubah sebesar p,
matriks datanya dituliskan
 x11 x12 ... x1 p   x1 ' 
x x22 ... x2 p   x2 '
X   
21

 : : ... :   : 
   
 xn1 ... ... xnp   xn '
  x1   x11 x12 ... x1n  1  1 
x  x x22 ... x2 n  1  0 ... 0 
x  
1  s11
 
2 21

 :  n : : ... :   :   0 
1
     1 2 0 ...
 p 
x  x p1 x p2 ... x pn  1 D  s22 
( p p )  
1  : : ... : 
x  X '1 1 
n  0 0 ...
 s pp 

 s11 s12 ... s1 p   s11 s12 s1 p 
   ... 
S : : ... :   s11 s11 s11 s22 s11 s pp   1 r12 ... r1 p 
 
 s1 p s2 p ... s pp  R : : ... ...    : : ... : 
  s1 p s2 p s pp   
1  1   ...  r1 p r2 p ... 1 
S X '  I  11'  X  s11 s pp s22 s pp s pp s pp 
n 1  n  
 s11 0 ... 0 
 
 
12 0 s22 ... 0 
D
( p p ) : : ... : 
 
 0 0 : s pp 
R = D-1/2SD-1/2 atau
S = D1/2RD1/2
Jika vektor a dikalikan terhadap X sehingga
membentuk kombinasi linier dari X, maka
Rataan (a’X) = a' x
Ragam (a’X) = a’Sa
Ragam (a’X dan b’X) = a’Sb
 Partisi Matriks

 x1   s11 ... s1q | s1,q 1 ... s1 p 

 :   : 
   ... : | : ... : 
 xq   x (1) 
     sq1 ... sqq | sq ,q 1 ... sqp 
x            
( px1)
 xq 1   x ( 2 )  Sn                
   
 : 
( pxp)
 sq 1,1 ... sq 1,q | sq 1,q 1 ... sq 1, p 
 x   
 p   : ... : | : ... : 
s ... s | s ... s 
 p1 pq p , q 1 pp 

q pq

q  s11
| s12 
   |   
 
pq s
 21 | s22 
TERIMAKASIH