MZI
Fakultas Informatika
Telkom University
FIF Tel-U
November 2015
Slide ini disusun berdasarkan materi yang terdapat pada sumber-sumber berikut:
1 Aplikasi Matriks dan Ruang Vektor, Edisi 1, 2014, oleh Adiwijaya.
2 Elementary Linear Algebra, 10th Edition, 2010, oleh H. Anton dan C. Rorres.
3 Slide kuliah Aljabar Linier di Telkom University oleh Jondri.
4 Slide kuliah Aljabar Linier di Fasilkom UI oleh Kasiyah M. Junus dan Siti
Aminah.
5 Slide kuliah Aljabar Linier di Fasilkom UI oleh L. Y. Stefanus.
Beberapa gambar dapat diambil dari sumber-sumber di atas. Slide ini ditujukan
untuk keperluan akademis di lingkungan FIF Telkom University. Jika Anda
memiliki saran/ pendapat/ pertanyaan terkait materi dalam slide ini, silakan kirim
email ke <pleasedontspam>@telkomuniversity.ac.id.
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
Bahasan
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
Permasalahan
2 3
1 0 0
Jika B = 4 0 1 1 5, carilah bilangan bulat n sehingga
0 1 1
2 3n 2 3
1 0 0 1 0 0
4 0 1 1 5 = 4 0 1024 1024 5.
0 1 1 0 1024 1024
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 5 / 46
Masalah Diagonalisasi
Bahasan
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
Masalah Diagonalisasi
Ingat kembali bahwa suatu matriks D dikatakan sebagai matriks diagonal apabila
D berbentuk 2 3
d11 O
6 d22 7
6 7
D=6 . 7.
4 .. 5
O dnn
Permasalahan
Misalkan A adalah sebuah matriks persegi berorde n, apakah terdapat matriks P
yang invertibel dan memenuhi sifat
1
P AP = D
Permasalahan
1
Apakah terdapat matriks invertibel P sedemikian hingga P AP = D untuk
1 1
suatu matriks diagonal D apabila A = .
0 1
Permasalahan
1
Apakah terdapat matriks invertibel P sedemikian hingga P AP = D untuk
1 1
suatu matriks diagonal D apabila A = .
0 1
1
2 1 1 0 1
Pilih P = , sehingga P = 1 , tinjau bahwa
1 0 1 2
1
1 0 1 1 1 2 1
P AP = 1 =
1 2 0 1 1 0
Permasalahan
1
Apakah terdapat matriks invertibel P sedemikian hingga P AP = D untuk
1 1
suatu matriks diagonal D apabila A = .
0 1
1
2 1 1 0 1
Pilih P = , sehingga P = 1 , tinjau bahwa
1 0 1 2
1
1 0 1 1 1 2 1 1 0
P AP = 1 =
1 2 0 1 1 0 0 1
Permasalahan
1
Apakah terdapat matriks invertibel P sedemikian hingga P AP = D untuk
1 1
suatu matriks diagonal D apabila A = .
0 1
1
2 1 1 0 1
Pilih P = , sehingga P = 1 , tinjau bahwa
1 0 1 2
1
1 0 1 1 1 2 1 1 0
P AP = 1 =
1 2 0 1 1 0 0 1
1 0
adalah matriks diagonal yang entri-entri diagonalnya adalah nilai
0 1
eigen dari A (yaitu 1 dan 1).
Permasalahan
1
Apakah terdapat matriks invertibel P sedemikian hingga P AP = D untuk
1 1
suatu matriks diagonal D apabila A = .
0 1
1
2 1 1 0 1
Pilih P = , sehingga P = 1 , tinjau bahwa
1 0 1 2
1
1 0 1 1 1 2 1 1 0
P AP = 1 =
1 2 0 1 1 0 0 1
1 0
adalah matriks diagonal yang entri-entri diagonalnya adalah nilai
0 1
1
eigen dari A (yaitu 1 dan 1). Anda juga bisa memeriksa bahwa 2 adalah
1
1
salah satu vektor basis bagi E 1 dan adalah salah satu vektor basis bagi
0
E1 .
1
Perhatikan bahwa penempatan dari P maupun P berpengaruh, karena bila
posisi dari P dan P 1 ditukar diperoleh
1
Perhatikan bahwa penempatan dari P maupun P berpengaruh, karena bila
posisi dari P dan P 1 ditukar diperoleh
1
2 1 1 1 0 1
1 =
1 0 0 1 1 2
1
Perhatikan bahwa penempatan dari P maupun P berpengaruh, karena bila
posisi dari P dan P 1 ditukar diperoleh
1 3 5
2 1 1 1 0 1 2 4
1 = 3 ,
1 0 0 1 1 2 1 2
Permasalahan
Permasalahan
Syarat apa yang diperlukan agar sebuah matriks persegi A terdiagonalkan?
Teorema
Permasalahan
Syarat apa yang diperlukan agar sebuah matriks persegi A terdiagonalkan?
Teorema
Jika A adalah sembarang matriks persegi berorde n, maka kedua pernyataan
berikut ekivalen
1 A terdiagonalkan.
2 A memiliki himpunan n vektor eigen yang bebas linier.
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 10 / 46
Masalah Diagonalisasi
Bukti (1 ) 2)
Asumsikan A terdiagonalkan.
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
1
P AP = D, (2)
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
1
P AP = D, (2)
AP = PD.
Misalkan P = p1 p2 pn .
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
1
P AP = D, (2)
AP = PD.
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
1
P AP = D, (2)
AP = PD.
AP = A p1 p2 pn =
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
1
P AP = D, (2)
AP = PD.
PD = p1 p2 pn D=
Bukti (1 ) 2)
Asumsikan A terdiagonalkan. Akan ditunjukkan bahwa A memiliki n vektor eigen
yang bebas linier. Dari asumsi A terdiagonalkan, kita dapat menulis
1
P AP = D, (2)
AP = PD.
PD = p1 p2 pn D= d1 p1 d2 p2 dn pn .
Ini berarti pi (vektor kolom dari matriks P) adalah vektor eigen dari A, dan
entri-entri diagonal utama dari D adalah nilai-nilai eigen yang bersesuaian dengan
vektor-vektor eigen untuk setiap vektor pi dengan 1 i n.
Ini berarti pi (vektor kolom dari matriks P) adalah vektor eigen dari A, dan
entri-entri diagonal utama dari D adalah nilai-nilai eigen yang bersesuaian dengan
vektor-vektor eigen untuk setiap vektor pi dengan 1 i n. Kemudian karena
fp1 ; pn : : : ; pn g bebas linier, maka A memiliki himpunan n vektor eigen yang
bebas linier.
Bukti (2 ) 1)
Asumsikan A memiliki himpunan n vektor eigen yang bebas linier.
Bukti (2 ) 1)
Asumsikan A memiliki himpunan n vektor eigen yang bebas linier. Akan
dibuktikan bahwa A terdiagonalkan. Dari asumsi A memiliki himpunan n vektor
eigen yang bebas linier, misalkan himpunan n vektor eigen yang bebas linier itu
adalah fv1 ; v2 ; : : : ; vn g. Masing-masing vi bersesuaian dengan nilai eigen i
untuk 1 i n. Kita memiliki
Bukti (2 ) 1)
Asumsikan A memiliki himpunan n vektor eigen yang bebas linier. Akan
dibuktikan bahwa A terdiagonalkan. Dari asumsi A memiliki himpunan n vektor
eigen yang bebas linier, misalkan himpunan n vektor eigen yang bebas linier itu
adalah fv1 ; v2 ; : : : ; vn g. Masing-masing vi bersesuaian dengan nilai eigen i
untuk 1 i n. Kita memiliki
Bukti (2 ) 1)
Asumsikan A memiliki himpunan n vektor eigen yang bebas linier. Akan
dibuktikan bahwa A terdiagonalkan. Dari asumsi A memiliki himpunan n vektor
eigen yang bebas linier, misalkan himpunan n vektor eigen yang bebas linier itu
adalah fv1 ; v2 ; : : : ; vn g. Masing-masing vi bersesuaian dengan nilai eigen i
untuk 1 i n. Kita memiliki
Perhatikan bahwa
AP = A v1 v2 vn
=
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
=
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
=
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P
Perhatikan bahwa
AP = A v1 v2 vn
= Av1 Av2 Avn
= 1 v1 2 v2 n vn
= v1 v2 vn
= P
sehingga diperoleh
Pada ilustrasi sebelumnya kita melihat bahwa A tak terdiagonalkan dan memiliki
nilai eigen 1 dengan ma (1) = 3 dan mg (1) = 1. Secara umum, kita memiliki
teorema berikut.
Teorema
Matriks persegi A terdiagonalkan jika dan hanya jika mg ( ) = ma ( ) untuk
setiap nilai eigen dari matriks A.
Teorema
Jika v1 ; v2 ; : : : ; vn adalah n vektor eigen yang masing-masing bersesuaian dengan
nilai eigen 1 ; 2 ; : : : ; n yang berbeda, maka fv1 ; v2 ; : : : ; vn g bebas linier.
Akibat
Jika A adalah matriks n n dengan n nilai eigen berbeda, maka A dapat
didiagonalkan.
Bukti
Karena A adalah matriks n n dengan n nilai eigen berbeda, maka A memiliki
himpunan n vektor eigen yang bersifat bebas linier. Akibatnya A dapat
didiagonalkan.
Bahasan
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
Solusi:
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
2 1 x1 0
= ,
0 0 x2 0
1
diperoleh 2x1 + x2 = 0, jadi jika x2 = s maka x1 = 2 s. Akibatnya
E 1 = span
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
2 1 x1 0
= ,
0 0 x2 0
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
2 1 x1 0
= ,
0 0 x2 0
0 1 x1 0
= ,
0 2 x2 0
Latihan
Latihan
1 1
Lakukan diagonalisasi pada matriks A =
0 1
2 1 x1 0
= ,
0 0 x2 0
0 1 x1 0
= ,
0 2 x2 0
1
Perhatikan bahwa 2 ; 1 dan (1; 0) adalah dua vektor eigen dari A yang bebas
linier. Jadi kita dapat memilih
P=
1
Perhatikan bahwa 2 ; 1 dan (1; 0) adalah dua vektor eigen dari A yang bebas
linier. Jadi kita dapat memilih
1
2 1
P= .
1 0
1
Akibatnya P =
1
Perhatikan bahwa 2 ; 1 dan (1; 0) adalah dua vektor eigen dari A yang bebas
linier. Jadi kita dapat memilih
1
2 1
P= .
1 0
1 0 1
Akibatnya P = 1 . Oleh karena itu diperoleh matriks diagonal
1 2
sebagai berikut
1
1 0 1 1 1 2 1
= P AP = 1
1 2 0 1 1 0
1
Perhatikan bahwa 2 ; 1 dan (1; 0) adalah dua vektor eigen dari A yang bebas
linier. Jadi kita dapat memilih
1
2 1
P= .
1 0
1 0 1
Akibatnya P = 1 . Oleh karena itu diperoleh matriks diagonal
1 2
sebagai berikut
1
1 0 1 1 1 2 1
= P AP = 1
1 2 0 1 1 0
1 0
=
0 1
1
Perhatikan bahwa 2 adalah vektor eigen yang bersesuaian dengan nilai
1
1
eigen 1 dan adalah vektor eigen yang bersesuaian dengan nilai eigen 1.
0
Bahasan
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
Permasalahan
Misalkan A adalah sebuah matriks persegi berorde n yang terdiagonalkan.
Bagaimana cara yang e…sien untuk menghitung Ak , k 2 N?
Misalkan A adalah matriks n n yang terdiagonalkan, maka kita memiliki matris
invertibel P dan matriks diagonal yang memenuhi
1
P AP = =
Permasalahan
Misalkan A adalah sebuah matriks persegi berorde n yang terdiagonalkan.
Bagaimana cara yang e…sien untuk menghitung Ak , k 2 N?
Misalkan A adalah matriks n n yang terdiagonalkan, maka kita memiliki matris
invertibel P dan matriks diagonal yang memenuhi
2 3
1 O
6 7
6 2 7
P 1 AP = = 6 .. 7, (3)
4 . 5
O n
k
=
Permasalahan
Misalkan A adalah sebuah matriks persegi berorde n yang terdiagonalkan.
Bagaimana cara yang e…sien untuk menghitung Ak , k 2 N?
Misalkan A adalah matriks n n yang terdiagonalkan, maka kita memiliki matris
invertibel P dan matriks diagonal yang memenuhi
2 3
1 O
6 7
6 2 7
P 1 AP = = 6 .. 7, (3)
4 . 5
O n
1 2 2
P AP =
1 2 2
P AP =
1 1 2
P AP P AP =
1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1
P A2 P = 2
1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1
P A2 P = 2
1 2 2
P AP =
1 1 2
P AP P AP =
1 1 2
P APP A P =
1
P A2 P = 2
Solusi:
0 =
x1 + 0x2 + 2x3 = 0
Diperoleh , akibatnya jika x3 = s maka x1 = 2s dan
x1 + x2 + x3 = 0
x2 = s dengan s 2 R. Jadi E1 = span
x1 + 0x2 + 2x3 = 0
Diperoleh , akibatnya jika x3 = s maka x1 = 2s dan
x1 + x2 + x3 = 0
x2 = s dengan s 2 R. Jadi E1 = span f( 2; 1; 1)g. Selanjutnya akan ditentukan
E2 = ker (2I A).
2 32 3 2 3
2 0 2 x1 0
4 1 0 1 5 4 x2 5 = 4 0 5 .
1 0 1 x3 0
x1 + 0x2 + 2x3 = 0
Diperoleh , akibatnya jika x3 = s maka x1 = 2s dan
x1 + x2 + x3 = 0
x2 = s dengan s 2 R. Jadi E1 = span f( 2; 1; 1)g. Selanjutnya akan ditentukan
E2 = ker (2I A).
2 32 3 2 3
2 0 2 x1 0
4 1 0 1 5 4 x2 5 = 4 0 5 .
1 0 1 x3 0
x1 + 0x2 + 2x3 = 0
Diperoleh , akibatnya jika x3 = s maka x1 = 2s dan
x1 + x2 + x3 = 0
x2 = s dengan s 2 R. Jadi E1 = span f( 2; 1; 1)g. Selanjutnya akan ditentukan
E2 = ker (2I A).
2 32 3 2 3
2 0 2 x1 0
4 1 0 1 5 4 x2 5 = 4 0 5 .
1 0 1 x3 0
A13 =
Bahasan
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
Permasalahan
2 3
1 0 0
Jika B = 4 0 1 1 5, carilah bilangan bulat n sehingga
0 1 1
2 3n 2 3
1 0 0 1 0 0
4 0 1 1 5 = 4 0 1024 1024 5. (Petunjuk: cari terlebih dulu matriks
0 1 1 0 1024 1024
yang mendiagonalkan B).
Solusi:
1 0 0
0 = pB ( ) = j I 0Bj = 1 1
0 1 1
dengan ekspansi baris pertama
0 =
1 0 0
0 = pB ( ) = j I 0 Bj = 1 1
0 1 1
dengan ekspansi baris pertama
1 1
0 = ( 1)
1 1
2
= ( 1) ( 1) 1
2
= ( 1) 2 =( 1) ( ) ( 2)
= ( 1) ( 2) .
1 0 0
0 = pB ( ) = j I 0 Bj = 1 1
0 1 1
dengan ekspansi baris pertama
1 1
0 = ( 1)
1 1
2
= ( 1) ( 1) 1
2
= ( 1) 2 =( 1) ( ) ( 2)
= ( 1) ( 2) .
Dengan
2 OBE diperoleh
3 matriks diperbesar dalam bentuk EB:
1 0 0 0
4 0 1 x1 = 0
1 0 5, akibatnya diperoleh SPL . Akibatnya
x2 x3 = 0
0 0 0 0
x1 = 0 dan bila x3 = t 2 R, maka x2 = t. Jadi
E2 =
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 32 / 46
Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks
Dengan
2 OBE diperoleh
3 matriks diperbesar dalam bentuk EB:
1 0 0 0
4 0 1 x1 = 0
1 0 5, akibatnya diperoleh SPL . Akibatnya
x2 x3 = 0
0 0 0 0
x1 = 0 dan bila x3 = t 2 R, maka x2 = t. Jadi
E2 = ker (2I B) = span f(0; 1; 1)g.
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 32 / 46
Aplikasi Diagonalisasi Matriks: Masalah Logaritma Matriks
Kita dapat memiliki fp1 ; p2 ; p3 g yang bebas linier, dengan p1 = (0; 1; 1),
p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
Kita dapat memiliki fp1 ; p2 ; p3 g yang bebas linier, dengan p1 = (0; 1; 1),
p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
2 3 2 1 1
3
0 1 0 0 2 2
P = 4 1 0 1 5 dan P 1 = 4 1 0 0 5 (tunjukkan!)
1 1
1 0 1 0 2 2
Tinjau bahwa
1
P BP =
Kita dapat memiliki fp1 ; p2 ; p3 g yang bebas linier, dengan p1 = (0; 1; 1),
p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
2 3 2 1 1
3
0 1 0 0 2 2
P = 4 1 0 1 5 dan P 1 = 4 1 0 0 5 (tunjukkan!)
1 1
1 0 1 0 2 2
Tinjau bahwa
2 32 32 3 2 3
1 1
0 2 2 1 0 0 0 1 0 0 0 0
P 1 BP = 4 1 0 0 54 0 1 1 54 1 0 1 5=4 0 1 0 5= .
1 1
0 2 2 0 1 1 1 0 1 0 0 2
1 1 n
Kita memiliki P BP = ,B=P P , sehingga Bn = P P 1
. Kita
memiliki
Bn =
Kita dapat memiliki fp1 ; p2 ; p3 g yang bebas linier, dengan p1 = (0; 1; 1),
p2 = (1; 0; 0), dan p3 = (0; 1; 1). Sehingga
2 3 2 1 1
3
0 1 0 0 2 2
P = 4 1 0 1 5 dan P 1 = 4 1 0 0 5 (tunjukkan!)
1 1
1 0 1 0 2 2
Tinjau bahwa
2 32 32 3 2 3
1 1
0 2 2 1 0 0 0 1 0 0 0 0
P 1 BP = 4 1 0 0 54 0 1 1 54 1 0 1 5=4 0 1 0 5= .
1 1
0 2 2 0 1 1 1 0 1 0 0 2
1 1 n
Kita memiliki P BP = ,B=P P , sehingga Bn = P P 1
. Kita
memiliki
2 32 32 1 1
3
0 1 0 0 0 0 0 2 2
Bn = 4 1 0 1 54 0 1 0 54 1 0 0 5
1 1
1 0 1 0 0 2n 0 2 2
2 3
1 0 0
4 0 1 n
2 1 n 5
= 2 22
1 n 1 n
0 2 2 22
2 3
1 0 0
Karena Bn = 4 0 1024 1024 5, maka
0 1024 1024
2 3 2 3
1 0 0 1 0 0
4 0 1 n 1 n 5 4 0 1024 5
22 2 2 = 1024
1 n 1 n
0 22 22 0 1024 1024
Akibatnya
2 3
1 0 0
Karena Bn = 4 0 1024 1024 5, maka
0 1024 1024
2 3 2 3
1 0 0 1 0 0
4 0 1 n 1 n 5 4 0 1024 5
22 2 2 = 1024
1 n 1 n
0 22 22 0 1024 1024
Bahasan
2 Masalah Diagonalisasi
6 Diagonalisasi Ortogonal
De…nisi
Sebuah matriks persegi Q disebut matriks ortogonal apabila Q invertibel dan
inversnya sama dengan transposnya, yaitu
De…nisi
Sebuah matriks persegi Q disebut matriks ortogonal apabila Q invertibel dan
inversnya sama dengan transposnya, yaitu
1
Q = QT .
Akibat
De…nisi
Sebuah matriks persegi Q disebut matriks ortogonal apabila Q invertibel dan
inversnya sama dengan transposnya, yaitu
1
Q = QT .
Akibat
Q adalah matriks ortogonal jika dan hanya jika QQT = QT Q = I.
Latihan
Periksa apakah matriks-matriks
2 berikut adalah
3 matriks ortogonal.
2 3 0 1 0 0 " #
0 0 1 6 0 p1 p1
0 1 0 7
A = 4 1 0 0 5, B = 6 4 1
7, C = 2 2 ,
0 0 0 5 p1 p1
0 1 0 2 2
0 0 0 1
2 1 1 1 1
3
2 2 2 2
6 1 1 1 1 7 cos sin
D=6
4
2
1
2
1
2
1
2
1
7, E =
5 .
2 2 2 2 sin cos
1 1 1 1
2 2 2 2
Solusi:
Latihan
Periksa apakah matriks-matriks
2 berikut adalah
3 matriks ortogonal.
2 3 0 1 0 0 " #
0 0 1 6 0 p1 p1
0 1 0 7
A = 4 1 0 0 5, B = 6 4 1
7, C = 2 2 ,
0 0 0 5 p1 p1
0 1 0 2 2
0 0 0 1
2 1 1 1 1
3
2 2 2 2
6 1 1 1 1 7 cos sin
D=6
4
2
1
2
1
2
1
2
1
7, E =
5 .
2 2 2 2 sin cos
1 1 1 1
2 2 2 2
Teorema
Misalkan Q adalah sebuah matriks persegi berorde n, maka
pernyataan-pernyataan berikut ekivalen.
1 Q matriks ortogonal.
2 Jika R = fr1 ; r2 ; : : : ; rn g adalah himpunan vektor-vektor baris dari Q, maka
R adalah himpunan ortonormal.
3 Jika C = fc1 ; c2 ; : : : ; cn g adalah himpunan vektor-vektor kolom dari Q,
maka C adalah himpunan ortonormal.
Bukti
Bukti
1
Karena Q matriks ortogonal, maka Q =
Bukti
1
Karena Q matriks ortogonal, maka Q = QT . Tinjau bahwa
T
Q 1 Q 1=
Bukti
1
Karena Q matriks ortogonal, maka Q = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 =
Bukti
Karena Q matriks ortogonal, maka Q 1 = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 = QQ 1 = I. Jadi Q 1 juga matriks
ortogonal.
Teorema
Jika P dan Q adalah matriks ortogonal, maka PQ juga matriks ortogonal.
Bukti
1
Karena P dan Q adalah matriks ortogonal, maka P = PT dan Q 1
= QT .
Tinjau bahwa
1
(PQ) =
Bukti
Karena Q matriks ortogonal, maka Q 1 = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 = QQ 1 = I. Jadi Q 1 juga matriks
ortogonal.
Teorema
Jika P dan Q adalah matriks ortogonal, maka PQ juga matriks ortogonal.
Bukti
1
Karena P dan Q adalah matriks ortogonal, maka P = PT dan Q 1
= QT .
Tinjau bahwa
1
(PQ) = Q 1 P 1 =
Bukti
Karena Q matriks ortogonal, maka Q 1 = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 = QQ 1 = I. Jadi Q 1 juga matriks
ortogonal.
Teorema
Jika P dan Q adalah matriks ortogonal, maka PQ juga matriks ortogonal.
Bukti
Karena P dan Q adalah matriks ortogonal, maka P 1 = PT dan Q 1
= QT .
Tinjau bahwa
1
(PQ) = Q 1 P 1 = QT PT =
Bukti
Karena Q matriks ortogonal, maka Q 1 = QT . Tinjau bahwa
T T
Q 1 Q 1 = QT Q 1 = QQ 1 = I. Jadi Q 1 juga matriks
ortogonal.
Teorema
Jika P dan Q adalah matriks ortogonal, maka PQ juga matriks ortogonal.
Bukti
Karena P dan Q adalah matriks ortogonal, maka P 1 = PT dan Q 1
= QT .
Tinjau bahwa
1 T
(PQ) = Q 1 P 1 = QT PT = (PQ) ,
jadi PQ juga matriks ortogonal.
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 39 / 46
Diagonalisasi Ortogonal
Teorema
Jika Q adalah matriks ortogonal, maka det (Q) = 1.
Bukti
Karena Q matriks ortogonal, maka QT Q = I, akibatnya
1 = det QT Q =
Teorema
Jika Q adalah matriks ortogonal, maka det (Q) = 1.
Bukti
Karena Q matriks ortogonal, maka QT Q = I, akibatnya
Teorema
Jika Q adalah matriks ortogonal, maka det (Q) = 1.
Bukti
Karena Q matriks ortogonal, maka QT Q = I, akibatnya
Permasalahan
Misalkan Q adalah sebuah matriks ortogonal berukuran n n dan x; y 2 Rn .
Apa kaitan antara Qx Qy dan x y? Apa kaitan antara kQxk dan kxk?
Teorema
Jika Q adalah sebuah matriks berukuran n n dan x; y 2 Rn , maka
pernyataan-pernyataan berikut ekivalen.
1 Q ortogonal
2 kQxk = kxk
3 Qx Qy = x y
Diagonalisasi Ortogonal
De…nisi
Suatu matriks persegi A dikatakan dapat didiagonalkan secara ortogonal jika
terdapat matriks ortogonal P yang mendiagonalkan A. Dengan perkataan lain
terdapat matriks ortogonal P dengan sifat
1
P AP = D, dengan D matriks diagonal.
Akibat
Diagonalisasi Ortogonal
De…nisi
Suatu matriks persegi A dikatakan dapat didiagonalkan secara ortogonal jika
terdapat matriks ortogonal P yang mendiagonalkan A. Dengan perkataan lain
terdapat matriks ortogonal P dengan sifat
1
P AP = D, dengan D matriks diagonal.
Akibat
Jika A dapat didiagonalkan secara ortogonal, maka terdapat matriks ortogonal P
sehingga
PT AP = D, dengan D matriks diagonal.
Bukti
Karena P matriks ortogonal, maka P 1
= PT , akibatnya
PT AP = P 1
AP = D.
Teorema
Suatu matriks persegi A dapat didiagonalkan secara ortogonal jika dan hanya jika
A matriks simetris.
Perhatikan bahwa jika A adalah matriks yang dapat didiagonalkan secara
ortogonal, maka terdapat matriks diagonal D sehingga
A = PT DP, sehingga
T
AT = PT DP
= PT DT P = PT DP (karena DT = D)
= A.
Solusi:
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 =
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 = span f(0; 1; 1)g
E1 =
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 =
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 = span f(0; 1; 1)g
Kita memiliki himpunan 3 vektor yang bebas linier, yaitu
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g. Untuk memperoleh himpunan ortonormal dari
himpunan ini, kita dapat melakukan prosedur Gram-Schmidt.
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 = span f(0; 1; 1)g
Kita memiliki himpunan 3 vektor yang bebas linier, yaitu
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g. Untuk memperoleh himpunan ortonormal dari
himpunan ini, kita dapat melakukan prosedur Gram-Schmidt. Namun karena
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g adalah himpunan ortogonal, maka himpunan
ortonormal dari himpunan ini dapat diperoleh dengan cara membagi setiap vektor
dengan norm-nya masing-masing, sehingga diperoleh himpunan
Solusi: dari latihan pada masalah logaritma matriks, kita mengetahui bahwa nilai
eigen dari A adalah 1 = 0, 2 = 1, dan 3 = 2 dan ruang-ruang eigennya adalah
E0 = span f(0; 1; 1)g
E1 = span f(1; 0; 0)g
E2 = span f(0; 1; 1)g
Kita memiliki himpunan 3 vektor yang bebas linier, yaitu
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g. Untuk memperoleh himpunan ortonormal dari
himpunan ini, kita dapat melakukan prosedur Gram-Schmidt. Namun karena
f(0; 1; 1) ; (1; 0; 0) ; (0; 1; 1)g adalah himpunan ortogonal, maka himpunan
ortonormal dari himpunan ini dapat diperoleh dengan cara membagi setiap vektor
dengan norm-nya masing-masing, sehingga diperoleh himpunan
1 1 1 1
0; p ; p ; (1; 0; 0) ; 0; p ; p .
2 2 2 2
MZI (FIF Tel-U) Diagonalisasi Matriks November 2015 45 / 46
Diagonalisasi Ortogonal
2 3
0 1 0
Akibatnya diperoleh matriks P = 4 p1 0 p1 5. Matriks P adalah matriks
2 2
p1 0 p1
2 2
ortogonal karena PPT = PT P = I. Kemudian matriks P juga mendiagonalkan
A karena 2 3
0 0 0
PT AP = D = = 4 0 1 0 5 .
0 0 2