MODUL PERKULIAHAN
W152100010 –
Aljabar Linear
Hasil Kali bagian dalam
dan Proses Gram-Schmidt
Abstrak Sub-CPMK
10
Indra Sudung H.L.T. M.Kom
Ilmu Komputer Teknologi Informasi
Ortogonality
Vektor-vektor Ortogonal
Dari bab sebelumnya, sudut θ antara dua vektor bukan nol u dan v di Rn didefinisikan oleh:
u·v
θ = cos-1( )
||u||||v||
Dari sini, maka θ = π / 2 jika dan hanya jika u · v = 0. Dari sini dibuat definisi berikut.
DESINISI 1. Dua vektor nol u dan v di Rn dikatakan orthogonal (atau tegak lurus) Jika
u · v = 0. Kami juga akan setuju bahwa vektor nol di Rn adalah ortogonal ke setiap vektor
di Rn.
(a) Tunjukkan bahwa u = (-2, 3, 1, 4) dan v = (1, 2, 0, -1) adalah vektor ortogonal dalam R4.
(B) Misalkan S = {i, j, k} menjadi set vektor unit standar di R3. Tunjukkan bahwa setiap
pasangan vektor yang dipesan di S adalah orthogonal.
i·j=i·k=j·k=0
karena secara otomatis akan mengikuti sifat simetri dari hasil dot bahwa
j·i=k·i=k·j=0
Meskipun ortogonalitas vektor di S jelas secara geometris dari Gambar 3.2.2, tapi dapat
dipastikan juga secara aljabar dengan perhitungan
i · j = (1, 0, 0) · (0, 1, 0) = 0
i · k = (1, 0, 0) · (0, 0, 1) = 0
j · k = (0, 1, 0) · (0, 0, 1) = 0
Dalam banyak aplikasi perlu diuraikan" vektor u ke dalam jumlah dua istilah, satu istilah
menjadi kelipatan skalar dari vektor bukan nol a yang sudah ditentukan, dan istilah lain
menjadi ortogonal untuk a. Misalnya, jika u dan a adalah vektor dalam R2 yang diposisikan
sehingga poin awal mereka bertepatan pada titik Q, maka kita dapat menciptakan
dekomposisi seperti berikut (Gambar 10 1):
Karena
w1 + w2 = w1 + (u - w1) = u
setelah didekomposisi u menjadi sejumlah dua vektor ortogonal, istilah pertama menjadi
kelipatan skalar dari a dan yang kedua adalah orthogonal ke a.
Gambar 10 1
Teorema berikut menunjukkan bahwa hasil di atas, yang kami ilustrasikan menggunakan
vektor di R2, berlaku juga di Rn.
Jika u dan a adalah vektor di Rn, dan jika a ≠ 0, maka u dapat diekspresikan secara tepat
satu cara dalam bentuk u = w1 + w2, di mana w1 adalah kelipatan skalar a dan w2 adalah
orthogonal ke a.
Bukti. Karena vektor w1 akan menjadi kelipatan skalar a, dia harus memiliki bentuk
(7)
w1 = ka
u = w1 + w2 (8)
Nilai skalar k dapat ditentukan dengan menggunakan (7) untuk menulis ulang (8) menjadi:
u = w1 + w2 = ka + w2
Karena w2 akan menjadi ortogonal ke a, suku terakhir dalam (9) harus 0, dan karenanya k
harus memnuhi persamaan.
u · a = k||a||2
u·a
k=
||a||2
sebagai satu-satunya nilai yang mungkin untuk k. Buktinya dapat diselesaikan dengan
menulis ulang (8) sebagai
u·a
w2 = u - w1 = u - ka = u – a
||a||2
Vektor w1 dan w2 dalam teorema proyeksi memiliki nama yang terkait – vektor w1 disebut
proyeksi ortogonal u pada a atau kadang-kadang komponen vektor u sepanjang a, dan
vektor w2 disebut komponen vektor u orthogonal ke a. Vektor w1 biasanya dilambangkan
oleh simbol projau, dimana ini mengikuti persamaan (8) bahwa w2 = u - projau. Singkatnya,
u·a (10)
projau = a (komponen vektor u sepanjang a)
||a||2
𝑒1 · a
projae1 = a = (cos θ) (cos θ, sin θ) = (cos2 θ, sin θ cos θ)
||a||2
Demikian pula, karena e2 · a = (0, 1) · (cos θ, sin θ) = sin θ, mengikuti rumus (10), maka
𝑒2 · a
projae2 = a = (sin θ) (cos θ, sin θ) = (sin θ cos θ, sin2 θ)
||a||2
Ambil u = (2, -1, 3) dan a = (4, -1, 2). Temukan komponen vektor u sepanjang a dan
komponen vektor u orthogonal ke a.
Penyelesaian
||a||2 = 42 + (-1)2 + 22 = 21
u·a 15 20 5 10
projau = a= (4, -1, 2) = ( , − , )
||a||2 21 7 7 7
20 5 10 6 2 11
u - projau = (2, -1, 3) - (− 7
, − 7,7
) = (− 7, − 7, 7
)
Sekedar cek, coba diverifikasi bahwa vektor u - projau dan a adalah tegak lurus dengan
menunjukkan bahwa hasil titik mereka adalah nol.
Kadang-kadang kita akan lebih tertarik pada norma komponen vektor u sepanjang a
daripada pada komponen vektor itu sendiri. Rumus untuk norma ini dapat diturunkan
sebagai berikut:
u·a u·a |u · a|
||projau|| = ‖ 2 𝐚‖ = | 2 𝐚| ||a|| = ||a||
||a|| ||a|| ||a||2
|u · a|
||projau|| = (12)
||a||
Gambar 10 3
Teorema Pythagoras.
Pada bagian 3.2 banyak teorema tentang vektor di R2 dan R2 juga berlaku pada Rn.
Contohnya adalah generalisasi teorema Pythagoras berikut (Gambar 10 4).
Jika u dan u adalah vektor ortogonal di RN dengan produk dalam Euclidean, maka
Bukti.
Gambar 10 4
u + v = (-1, 5, 1, 3)
||u + v||2 = 36
||u||2 + ||v||2 = 30 + 6
Ingat bahwa dua vektor di ruang hasil bagian dalam dikatakan ortogonal jika hasil bagian
dalam mereka adalah nol. Definisi berikut memperluas gagasan ortogonalitas ke set vektor
di ruang produk bagian dalam.
DESINISI 1. Satu set yang terdiri dari dua atau lebih vektor dalam ruang produk bagian
dalam dikatakan orthogonal jika semua pasangan vektor berbeda dalam set adalah
ortogonal. Set ortogonal di mana setiap vektor memiliki norma 1 dikatakan orthonormal.
Katakanlah
asumsikan bahwa R3 memiliki hasil bagian dalam Euclidean. Ini mengikuti set vektor
Ini sering terjadi dimana seseorang telah menemukan satu set vektor ortogonal di ruang
hasil bagian dalam tetapi apa yang sebenarnya dibutuhkan adalah satu set vektor
ortonormal. Cara sederhana untuk mengubah set ortogonal vektor nol ke dalam set
ortonormal adalah dengan mengalikan setiap vektor v dalam ortogonal yang ditetapkan
oleh kebalikan dari panjangnya untuk membuat vektor norma 1 (disebut unit vektor). Untuk
melihat mengapa ini berhasil, misalkan v adalah vektor bukan nol di ruang produk bagian
dalam, dan anggap
1
u= v (1)
||v||
1 1 1
||u|| = ‖||𝐯|| 𝐯‖ = |||𝐯||| ||v|| = ||v|| = 1
||𝐯||
𝑣1 𝑣2 1 1 3 𝑣 1 1
u1 = = (0, 1, 0), u2 = =( , 0, ), u3 = =( , 0, − )
||𝑣1 || ||𝑣2 || √2 √ 2 ||𝑣 || 3 √2 √2
Periksalah bahwa S = {u1, u2, u3} adalah orthonormal dengan menunjukkan bahwa
<u1, u2> = <u1, u3> = <u2, u3> = 0 dan ||v1|| = ||v2|| = ||v3|| = 1
Dalam R2 dua vektor tegak lurus bukan nol secara linear independen karena tidak ada
kelipatan skalar dari yang lain; dan dalam R3, tiga vektor nonzero yang saling tegak lurus
secara linear independen karena tidak ada yang ada satu pun yang terletak diatas bidang
dua lainnya (dan karenanya tidak dapat diekspresikan sebagai kombinasi linear dari dua
lainnya). Teorema berikut menggeneralisasi pengamatan ini.
TEOREMA 4.1. Jika S = {v1, v2, …, vn} adalah set ortogonal vektor nol di ruang hasil
bagian dalam, maka S bersifat independen secara linear.
Untuk menunjukkan bahwa S = {v1, v2, …, vn} independen secara linear, kita harus buktikan
bahwa k1= k2= … = kn = 0
atau, setara,
ki<vi , vi> = 0
Karena vektor dalm S diasumsikan bukan nol, itu mengikuti aksioma positif untuk hasil
bagian dalam yang <vj, vi> ≠ 0. Dengan demikian, persamaan sebelumnya menyiratkan
bahwa setiap ki dalam persamaan (2) adalah nol, yang akan dibuktikan berikut ini.
Dalam ruang produk bagian dalam, dasar yang terdiri dari vektor ortonormal disebut basis
ortonormal, dan dasar yang terdiri dari vektor ortogonal disebut basis ortogonal. Contoh
dasar dari basis ortonormal adalah dasar standar untuk Rn dengan hasil bagian dalam
Euclidean:
Ingat dari contoh 7 bagian 6.1 bahwa hasil bagian dalam standar dari polinomial
adalah
Anda harus dapat melihat dari formula ini bahwa basis standar
1 1 1 1
u1 = (0, 1, 0), u2 = ( , 0, ), u3 = ( , 0, − )
√2 √ 2 √2 √2
Proses Gram-Schmidt
Teorema kita berikutnya, menunjukkan bahwa setiap ruang vektor berdimensi-hingga tak
nol memiliki basis ortonormal. Bukti dari hasil ini sangat penting karena menyediakan
algoritma, atau metode, untuk mengubah basis arbitrer menjadi basis ortonormal.
TEOREMA 4.2. Setiap ruang hasilkali dalam berdimensi-hingga tak nol memiliki basis
ortonormal.
Bukti. Misalkan W adalah sembarang subruang berdimensi-hingga tak nol dari ruang
hasilkali dalam, dan anggaplah S = {u1, u2, …, ur} adalah sembarang basis untuk W.
Cukuplah untuk menunjukkan bahwa W memiliki basis ortogonal karena vektor-vektor
dalam basis tersebut dapat dinormalisasi untuk memperoleh basis ortonormal. Urutan
langkah berikut akan menghasilkan basis ortogonal {v1, v2, …, vr} untuk W:
Langkah 2. Seperti diilustrasikan pada Gambar 10 5, kita dapat memperoleh vektor v2 yang
ortogonal terhadap v1 dengan menghitung
komponen u2 yang ortogonal terhadap ruang W1
yang direntang oleh v1. Menggunakan Rumus (12)
untuk melakukan perhitungan ini, diperoleh
<𝑢2 , 𝑣1 >
v2 = u2 - proj𝒘1 u2 = u2 - 𝑣1
Gambar 10 5 ||𝑣1 ||2
Tentu saja, jika v2 = 0, maka v2 bukan vektor basis. Tapi ini tidak bisa terjadi,
karena akan mengikuti dari rumus sebelumnya untuk v2 bahwa
Langkah 4. Untuk menentukan vektor v4 yang ortogonal terhadap v1, v2 dan v3, kita
menghitung komponen ortogonal u4 terhadap ruang W3 yang direntang oleh v1, v2 dan v3.
Dari (12),
Melanjutkan cara ini kita akan menghasilkan setelah r langkah himpunan ortogonal dari
vektor bukan nol {v1, v2, …, vr}. Karena himpunan tersebut bebas linier, kita akan
menghasilkan basis ortogonal untuk ruang r-dimensi W. Dengan menormalkan vektor basis
ini, kita dapat memperoleh basis ortonormal.
Konstruksi langkah demi langkah dari basis ortogonal (atau ortonormal) yang diberikan
dalam pembuktian di atas disebut proses Gram-Schmidt. Untuk referensi, berikut ringkasan
langkah-langkahnya.
Proses Gram-Schmidt
Untuk mengonversi basis {u1, u2, …, ur} menjadi basis ortogonal {v1, v2, …, vr}, lakukan
perhitungan berikut:
Langkah 1. v1 = u1
<𝑢2 , 𝑣1 >
Langkah 2. v2 = u2 - proj𝒘1 u2 = u2 - ||𝑣1 ||2
𝑣1
Langkah Opsional. Untuk mengubah basis ortogonal menjadi basis ortonormal { q1, q2,
…, qr }, normalkan vektor basis ortogonal.
4. Seymour Lipschutz, Marc Lipson, Schaum's Outline of Theory and Problems of Linear
Algebra