Resmawan Aljabar Linear Basis Ortonormal Proses Gram Schmidt Metode Kuadrat Terkecil
Resmawan Aljabar Linear Basis Ortonormal Proses Gram Schmidt Metode Kuadrat Terkecil
Resmawan Aljabar Linear Basis Ortonormal Proses Gram Schmidt Metode Kuadrat Terkecil
Resmawan
JURUSAN MATEMATIKA
UNIVERSITAS NEGERI GORONTALO
Agustus 2019
De…nition
Himpunan vektor-vektor dalam ruang hasilkali dalam disebut sebagai
Himpunan Ortogonal, jika setiap pasangan vektor yang berbeda
dalam himpunan tersebut saling ortogonal.
Himpunan ortogonal yang setiap vektornya memiliki norma 1 disebut
Ortonormal.
Dengan kata lain, fv1 , v2 , , vn g dari vektor-vektor di V adalah
ortonormal apabila
hvj , vk i = 0, j 6= k
hvj , vk i = 1, j = k
j, k = 1, 2, n
Example
Diberikan himpunan V = fv1 , v2 , v3 g dengan
1 1 1 1
v1 = (0, 1, 0) , v2 = p , 0, p , v3 = p , 0, p
2 2 2 2
Solution
Himpunan V dikatakan ortonormal apabila memenuhi
Perhatikan bahwa
1 1
hv1 , v2 i = 0 p + 1 0 + 0 p = 0
2 2
1 1
hv1 , v3 i = 0 p +1 0+0 p = 0
2 2
1 1 1 1
hv2 , v3 i = p p +0 0+ p p = 0
2 2 2 2
Solution
Selanjutnya diperoleh
p
kv1 k = 02 + 12 + 02 = 1
s
1 2 2
1 2
kv2 k = p +0 + p =1
2 2
s
1 2 1 2
kv3 k = p + 02 + p =1
2 2
De…nition
Proses perkalian suatu vektor tak nol v dengan kebalikan panjangnya
(norm) untuk memperoleh suatu vektor dengan norm 1 disebut dengan
penormalan atau normalisasi (normalizing) v, yakni
1 1 1
v = kv k = kv k = 1
kv k kv k kv k
Example
Misalkan
1 1 1 1
v2 = u2 = p (1, 0, 1) = p , 0, p
ku2 k 12 + 02 + 12 2 2
1 1 1 1
v3 = u3 = q (1, 0, 1) = p , 0, p
k 3k
u 2 2
12 + 02 + ( 1)2
Example
Tunjukkan bahwa himpunan S = fv1 , v2 , v3 g yang diperoleh pada contoh
sebelumnya merupakan himpunan ortonormal.
Example
Diberikan vektor-vektor
4 3 3 4
v1 = (0, 1, 0) , v2 = , 0, , v3 = , 0,
5 5 5 5
hu, v1 i = 1 0 + 1 1 + 1 0 = 1
4 3 1
hu, v2 i = 1 +1 0+1 =
5 5 5
3 4 7
hu, v3 i = 1 +1 0+1 =
5 5 5
Solution
sehingga diperoleh
Solution
Adapun vektor koordinat u yang realtif terhadap S adalah
Theorem
Jika S adalah sebuah basis ortonormal untuk sebuah ruang hasilkali dalam
berdimensi n, dan jika
( u ) S = ( u1 , u2 , , un ) , (v)s = (v1 , v2 , , vn )
Maka
q
1 kuk = u12 + u22 + + un2
q
2 d (u, v) = (u1 v1 )2 + (u2 v2 )2 + + ( un vn )2
3 hu, vi = u1 v1 + u2 v2 + + un vn
1 7
(u)S = 1, ,
5 5
u = w1 + w2
Theorem
Misalkan W adalah suatu subruang berdimensi berhingga dari suatu ruang
hasilkali dalam V .
1 Jika fv1 , v2 , . . . , vr g adalah sebuah basis ortonormal untuk W dan u
adalah sebarang vektor pada V , maka
Example
Diberikan ruang vektor R 3 dengan hasilkali dalam Euclid dan subruang
vektor W yang direntang oleh vektor-vektor ortonormal
v1 = (0, 1, 0)
4 3
v2 = , 0,
5 5
projW ? u = u projW u
4 3
= (1, 1, 1) , 1,
25 25
21 28
= , 0,
25 25
resmawan@ung.ac.id (MathUNG) [DAC61833] Aljabar Linear Agustus 2019 130 / 162
2 Ruang Hasilkali Dalam 2.3 Basis Ortonormal dan Proses Gram-Schmidt
Theorem
Setiap ruang hasilkali dalam tak nol yang berdimensi berhingga
mempunyai suatu basis ortonormal
Proof.
Misal V ruang hasilkali dalam taknol yang berdimensi n, dan suatu
himpunan U = fu1 , u2 , . . . , un g sembarang basis untuk V . Basis ortogonal
fv1 , v2 , . . . , vn g untuk V , dapat diperoleh melalui Proses Ortogonalisasi
Gram-Schmidt, dengan langkah-langkah sebagai berikut:
Proof.
1. Misal v1 = u1
2. Membentuk vektor v2 yang ortogonal terhadap v1 dengan cara
menghitung komponen dari u2 yang ortogonal terhadap ruang W1
yang direntang oleh v1 , yaitu
v2 = u2 projW 1 u2
hu2 , v1 i
= u2 v1
kv1 k2
Proof.
3. Membentuk vektor v3 yang ortogonal terhadap v1 dan v2 dengan cara
menghitung komponen dari u3 yang ortogonal terhadap ruang W2
yang direntang oleh v1 dan v2 , yaitu
v3 = u3 projW 2 u3
hu3 , v1 i hu3 , v2 i
= u3 v1 v2
kv1 k2 kv2 k2
4. Proses dilanjutkan sampai vn , untuk menghasilkan himpunan
ortogonal fv1 , v2 , . . . , vn g yang terdiri dari n vektor bebas linear di V
dan merupakan suatu basis ortogonal untuk V . Penormalan
vektor-vektor di basis ortogonal akan menghasilkan basis ortonormal.
Example
Diberikan V = R 3 dengan hasilkali dalam Euclid. Terapkan algoritma
Gram-Schmidt untuk mengortogonalkan basis
hu2 , v1 i
v2 = u2 projW 1 u2 = u2 v1
kv1 k2
1 1+0 1+1 1
= (1, 0, 1) (1, 1, 1)
3
2 2 2
= (1, 0, 1) , ,
3 3 3
1 2 1
= , ,
3 3 3
resmawan@ung.ac.id (MathUNG) [DAC61833] Aljabar Linear Agustus 2019 135 / 162
2 Ruang Hasilkali Dalam 2.3 Basis Ortonormal dan Proses Gram-Schmidt
v3 = u3 projW 2 u3
hu3 , v1 i hu3 , v2 i
= u3 v1 v2
kv1 k2 kv2 k2
2 5 1 2 1
= (1, 1, 2) (1, 1, 1) , ,
3 2 3 3 3
1 1
= , 0,
2 2
1 2 1 1 1
fv1 , v2 , v3 g = (1, 1, 1) , , , , , 0,
3 3 3 2 2
resmawan@ung.ac.id (MathUNG) [DAC61833] Aljabar Linear Agustus 2019 136 / 162
2 Ruang Hasilkali Dalam 2.3 Basis Ortonormal dan Proses Gram-Schmidt
Solution
Selanjutnya dapat diperoleh basis ortonormal fq1 , q2 , q3 g dengan
p p ! p
v1 (1, 1, 1) 1 3 1 1 3 3
q1 = = p = =p , , p ,p ,
kv1 k 3 3 3 3 33 3
p p p !
1 2 1
v2 , , 1 2 1 6 6 6
q2 = = 3 p3 3 = p , p , p = , ,
kv2 k 6 6 6 6 6 3 6
3
p p !
1
v3 2p, 0, 12 1 1 2 2
q3 = = = p , 0, p = , 0,
kv3 k 2 2 2 2 2
2
Problem
Jika diberikan sebuha sistem linear Ax = b yang terdiri dari m persamaan
dengan n variabel, tentukan sebuah vektor x jika memungkinkan, yang
dapat meminimalkan nilai kAx bk merujuk pada hasilkali dalam
Euclidean pada R m . Vektor semacam ini disebut sebagai Solusi Kuadrat
Terkecil dari Ax = b.
AT Ax =AT b
bersifat konsisten dan semua solusi dari sistem normal adalah solusi
kuadrat terkecil dari Ax = b. Selanjutnya, jika W adalah ruang kolom dari
A, dan x aadalah solusi kuadrat terkecil sebarang dari Ax = b, maka
proyeksi ortogonal b pada W adalah
projW b = Ax
Theorem
Jika A matiks m n, maka pernyataan berikut ekuivalen
1 A memiliki vektor-vektor kolom yang bebas linear.
2 AT A dapat dibalik
Theorem
Jika A matiks m n yang memiliki vektor-vektor kolom bebas linear, maka
untuk setiap matriks b, m 1, sistem linear Ax = b memiliki solusi
kuadrat terkecil yang unik, yakni
1
x = AT A AT b (10)
x1 x2 = 4
3x1 + 2x2 = 1
2x1 + 4x2 = 3
Solution
Diketahui 2 3 2 3
1 1 4
A=4 3 2 5 dan b = 4 1 5
2 4 3
resmawan@ung.ac.id (MathUNG) [DAC61833] Aljabar Linear Agustus 2019 143 / 162
2 Ruang Hasilkali Dalam 2.4 Aproksimasi Kuadrat Terkecil
Solution
Selanjutnya dapat kita peroleh
2 3
1 1
1 3 2 4 3 14 3
AT A = 2 5=
1 2 4 3 21
2 4
2 3
4
1 3 2 4 1 5= 1
AT b =
1 2 4 10
3
14 3 x1 1
=
3 21 x2 10
Solution
Dengan menyelesaikan sistem diatas diperoleh
17 143
x1 = dan x2 =
95 285
Berdasarkan persamaan (11) diperoleh proyeksi ortogonal b pada ruang
kolom A, yaitu
2 3 2 92
3
1 1 17 285
projW b = Ax = 4 3 2 5 143 95 = 4 285
439 5
285 94
2 4 57
** Latihan 7
** Latihan 7