Irdam, Lucia
Irdam, Lucia
Keywords: Linear Equation System, Singular Value Decomposition (SVD), orthonormal base,
singular value.
40
Jurnal Matematika Vol. 13, No.1, April 2010:40-45
∑= ⋮ ⋮ ⋱ ⋮ ⋮
σi= λi , i = 1, 2, …, n (1)
0 0 ⋯ σ r −1 0
Suatu matriks A yang berukuran mxn 0 0 ⋯ 0 σ r
dan m ≥ n (asumsi ini hanya dibuat untuk b. MatriksV
memudahkan, semua hasil juga akan Misalkan V = [ v1 v2 … vr vr+1 … vn
berlakuj ikam<n) dengan rank(A) = r dan r ]. V adalah matriks uniter berukuran
≤ min(m,n),dapat difaktorkan kedalam nxn. Karena V adalah matriks uniter,
bentuk : maka vektor-vektor kolom dari V
A = USVH (2) membentuk himpunan ortonormal.
yang disebut dengan SVD dari matriks A, Vektor-vektor kolom dari matriks V
di mana : adalah vektor-vektor eigen dari
U = [ u1 u2 ... um ] adalah matriks matriks AHA. Agar vektor-vektor
uniter berukuran mxm kolom matriks V membentuk
V = [ v1 v2 ... vn ] adalah matriks unit himpunan ortonormal, maka vektor-
berberukuran nxn vektor eigen dari AHA tersebut
Σ 0 dinormalisasikan, yaitu :
S = adalah matriks yang
0 0 1
vi = xi
berukuran mxn, di mana ∑ adalah matriks xi
diagonal yang berukuran rxr. xi adalah vector eigen yang
Teorema 2.2 [6] Diberikan matriks A bersesuaian dengan nilai eigenߣi.
berukuran mxn yang mempunyai rank r Untuksetiap r+1 ≤ i ≤ n, vi akan
dan nilai singularnya adalah σ1 ≥ σ2 ≥ … ≥ membentuk basis ortonormal
σr. Jika terdapat matriks U, S, dan V maka untukN(A). Sedangkan untuk setiap 1
matriks A dapat difaktorkan kedalam ≤ i ≤ r ,vi akan membentuk basis
bentuk : ortonormal untukR(AH) dan himpunan
A = USVH {v1, v2, …, vn} membentuk basis
dimana U dan V adalah matriks uniter, S ortonormal untukCn.
Σ 0 c. MatriksU
= , dengan ∑ adalahmatriks Misalkan U = [ u1 u2 … ur ur+1 …
0 0
um ]
diagonal yang entrinya adalah nilai
U adalah matriks uniter berukuran
singular dari matriksA.
mxm. Basis ortonormal dari R(A)
Berikut ini akan diberikan
didefinisikan oleh: [4]
penjelasan tentang matriks U, S, danV.
1
a. MatriksS ui = Av i ,
Matriks S disebut matriks nilai σi
singular dari A karena entri diagonal untuk setiap ui dengan 1 ≤ i ≤ r, akan
dari matriks S diisi dengan nilai berada di dalam ruang kolom dari A.
singular dari A sedangkan entri selain Sedangkan untuk setiap ui dengan r+1
diagonalnya adalah nol. Matriks S ≤ i ≤ m akan membentuk basis
berukuran mxn dan mempunyai ortonormal untuk N(AH) dan himpunan
bentuk : {u1, u2, …, um} membentuk basis
Σ 0 ortonormal untuk Cm.
S= , dengan
0 0
41
Irdam Haidir Ahmad, Lucia Ratnasari(Menyelesaikan Sistem Persamaan Linier Menggunakan Analisis SVD)
4.1317 0 1.66
=
S= 0 1.7114 1.42
0 0 Jadi solusi pendekatan terbaik dari SPL ini
adalah : x1 = 1.66 dan x2 = 1.42.
− 0.6552 − 0.7555
V =
0.7555 − 0.6552 4. KESIMPULAN
Dari matriks-matriks di atas, dapat Berdasarkan pembahasan ini dapat
ditentukan basis-basis ortonormal untuk disimpulkan bahwa suatu SPL Ax = b akan
R(A), R(AH), N(A), dan N(AH), yaitu : konsisten jika dan hanya jika proyeksi b
Basis dari R(A) : {u1, u2} = pada R(A) sama dengan b. Selain itu,
0.0243 − 0.8243 berdasarkan SVD dari matriks A, dapat
diketahui basis-basis untuk R(A), R(AH),
0.8657 , − 0.2657 N(A), dan N(AH) sehingga setiap SPL dapat
− 0.5 − 0.5
dicari solusinya dengan menggunakan
Basis dari R(AH) : {v1, v2} = analisis SVD dengan mudah.
− 0.6552 − 0.7555
, 5. DAFTAR PUSTAKA
0.7555 − 0.6552 [1] Akritas, A. G., G. I. Malaschonok,
Basis dari N(A) : {v3} = { } and P. S. Vigklas, (2006), The SVD-
− 0.5657 Fundamental Theorem of Linear
H Algebra, Nonlinear Analysis
Basis dari N(A ) : {u3} = 0.4243 :Modelling and Control.
0.7071
(www.lana.lt, diakses tanggal 14
Sekarang akan ditentukan apakah b sama Februari2009).
dengan proyeksi b pada R(A). [2] Clark, David, (2007), A Note On The
2 Pseudoinverse.
proy R ( A) b = ∑ b , u k u k (www.farinhansford.com,
k =1
diaksestanggal 13 April 2009).
= b , u1 u1 + b , u 2 u 2 [3] http://himatika.fmipa.ugm.ac.id,
− 0.0015 3.08159 Dekomposisi Matriks. (diakses
tanggal 14 Februari 2009).
= − 0.0533 + 0.9933
[4] Kalman, Dan, (2002), A Singularly
0.0308 1.8692 Valuable Decomposition : The SVD
of a Matrix, The American
3.08
University, Washington, DC.
= 0.94 (www.math.umn.edu, diakses
1.9 tanggal 28 Februari 2009).
Berdasarkan perhitungan tersebut [5] Leon, Steven J., (2005). Aljabar
diperoleh proy R ( A) b ≠ b = ( 3, 1, 2 ) Linear dan Aplikasinya, edisi kelima,
Erlangga, Jakarta.
Karena proy R ( A) b ≠ b , berarti b∉R(A). Hal [6] Nicholson, W. Keith, (2001),
tersebut menandakan SPL ini tidak Elementary Linear Algebra,
mempunyai solusi. Akan tetapi solusi McGraw-Hill, Singapore.
pendekatan terbaiknya dapat dicari, yaitu :
2 b , uk b , u1 b , u2
x=∑ vk = v1 + v2
k =1 σk σ1 σ2
0.0098 1.6502
=
− + 1.4312
0 . 0112
45