1

MODUL PERKULIAHAN

W152100010 –
Aljabar Linear
Hasil Kali bagian dalam
dan Proses Gram-Schmidt

Abstrak Sub-CPMK

Vektor-vektor Ortogonal, Sub-CPMK 4.1

Ortogonal & Ortonormal, Hasil Kali Bagian Dalam
Proses Gram-Schmidt. Dan Proses Gram-Schmidt.

Fakultas Program Studi Tatap Muka Disusun Oleh

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.

Contoh 1. Vektor-vektor ortogonal

(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.

Solusi (a). Vektor-vektor bersifat ortogonal karena

u · v = (-2) (1) + (3) (2) + (1) (0) + (4) (- 1) = 0

Solusi (b) Cukup dengan menunjukkan bahwa

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

2021 Aljabar Linier

2 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Proyeksi ortogonal

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):

• Jatuhkan tegak lurus dari ujung U ke garis melalui a.

• Bangun vektor w1 dari Q ke kaki tegak lurus.

• Bangun vektor w2 = u - w1.

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.

TEOREMA 3.2. TEOREMA PROYEKSI

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

2021 Aljabar Linier

3 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Tujuannya adalah menemukan nilai skalar k dan vektor w2 yang bersifat ortogonal pada a
sehingga

u = w1 + w2 (8)

Nilai skalar k dapat ditentukan dengan menggunakan (7) untuk menulis ulang (8) menjadi:

u = w1 + w2 = ka + w2

dan kemudian menerapkan teorema 2.2 dan 2.3 untuk mendapatkan w2

u · a = (ka + w2) · a = k||a||2 + (w2 · a) (9)

Karena w2 akan menjadi ortogonal ke a, suku terakhir dalam (9) harus 0, dan karenanya k
harus memnuhi persamaan.

u · a = k||a||2

dari mana kita dapatkan𝐴 = 𝜋𝑟 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

dan kemudian memastikan bahwa w2 adalah orthogonal ke a dengan menunjukkan

bahwa w2 · a = 0 (silahkan anda coba temukan).

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

2021 Aljabar Linier

4 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 u·a
u - projau = u - a (komponen vektor u ortogonal pada a) (11)
||a||2

CONTOH 4 Proyeksi ortogonal pada baris

Temukan proyeksi ortogonal vektor e1 = (1, 0) dan e2

= (0, 1) pada garis L yang membentuk sudut θ dengan
sumbu x-positif dalam R2.

Solusi. Seperti diilustrasikan pada Gambar

10.2, a = (cos θ, sin θ) adalah vektor satuan di
sepanjang garis L, jadi masalah pertama kami adalah
menemukan proyeksi ortogonal e1 sepanjang a.
Karena Gambar 10 2

||a|| = √𝑠𝑖𝑛2 𝜃 + 𝑐𝑜𝑠 2 𝜃 = 1 dan e1 · a = (1, 0) · (cos θ, sin θ) = cos θ

Ini mengikuti rumus (10) bahwa proyeksi ini adalah

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

CONTOH 5 Komponen vektor u sepanjang a

Ambil u = (2, -1, 3) dan a = (4, -1, 2). Temukan komponen vektor u sepanjang a dan
komponen vektor u orthogonal ke a.

Penyelesaian

u · a = (2) (4) + (-1) (- 1) + (3) (2) = 15

||a||2 = 42 + (-1)2 + 22 = 21

Dengan demikian komponen vektor u sepanjang a adalah

u·a 15 20 5 10
projau = a= (4, -1, 2) = ( , − , )
||a||2 21 7 7 7

2021 Aljabar Linier

5 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
dan komponen vektor u ortogonal ke a adalah

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

di mana kesetaraan kedua mengikuti dari bagian

(c) teorema 2.1 dan yang ketiga dari fakta bahwa
||a||2 > 0. Jadi,

|u · a|
||projau|| = (12)
||a||

Jika θ menunjukkan sudut antara u dan a, maka

u · a = ||u|| ||a|| cos θ, jadi (12) juga dapat ditulis
sebagai

||projau|| = ||u|| |Cos θ| (13)

(Verifikasi.) Interpretasi geometris terhadap hasil

ini diberikan pada Gambar 10 3.

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).

2021 Aljabar Linier

6 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 TEOREMA 3.3. Teorema Pythagoras di RN

Jika u dan u adalah vektor ortogonal di RN dengan produk dalam Euclidean, maka

||u + v||2 = ||u||2 + ||v||2 (14)

Bukti.

Karena u dan v adalah ortogonal, jadi u · v = 0, maka

||u + v||2 = (u+v)·(u+v) = ||u ||2 + 2(u.v) + ||v||2 = ||v||2 + ||v||2

Gambar 10 4

Contoh 6 Teorema Pythagoras di R4

Pada contoh 1 ditunjukan bahwa vektor

u = (-2, 3, 1, 4) dan v = (1, 2, 0, -1)

adalah ortogonal. Verifikasi teorema Pythagoras untuk vektor-vektor ini.

Penyelesaian. Silahkan konfirmasikan bahwa

u + v = (-1, 5, 1, 3)

||u + v||2 = 36

||u||2 + ||v||2 = 30 + 6

Jadi, ||u + v||2 = ||u||2 + ||v||2

2021 Aljabar Linier

7 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Proses Gram-Schmidt
Set ortogonal dan orthonormal

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.

CONTOH 1 Set ortogonal dalam R3

Katakanlah

v1 = (0, 1, 0), v2 = (1, 0, 1), v3 = (1, 0, -1)

asumsikan bahwa R3 memiliki hasil bagian dalam Euclidean. Ini mengikuti set vektor

S = {v1, v2, v3} adalah ortogonal sejak v1, v2 = v1, v3 = v2, v3 = 0.

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||

Mengikuti teorema 6.1.1 (b) dengan k = ||v|| bahwa

1 1 1
||u|| = ‖||𝐯|| 𝐯‖ = |||𝐯||| ||v|| = ||v|| = 1
||𝐯||

Proses mengalikan vektor v dengan kebalikan dari panjangnya disebut normalisasi v.

Silahkan teruskan untuk menunjukkan bahwa menormalkan vektor dalam rangkaian

2021 Aljabar Linier

8 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
ortogonal dari vektor bukan-nol akan mempertahankan ortogonalitas vektor dan
menghasilkan rangkaian ortonormal.

CONTOH 2 Membangun Set Orthonormal

Norma-norma Euclidean dari vektor dalam contoh 1 adalah

||v1|| = 1, ||v2|| = √2, ||v3|| = √2

Akibatnya, menormalkan u1, u2, dan u3 akan menghasilkan

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.

Bukti. Asumsikan bahwa

k1v1+ k2v2 + … + knvn = 0 (2)

Untuk menunjukkan bahwa S = {v1, v2, …, vn} independen secara linear, kita harus buktikan
bahwa k1= k2= … = kn = 0

Untuk setiap vi di S, mengikuti persamaan (2) jadi

<k1v1+ k2v2 + … + knvn , vi> = <0 , vi> = 0

atau, setara,

k1<v1, vi> + k2<v2, vi> + … + kn<vn , vi> = 0

2021 Aljabar Linier

9 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Dari ortogonalitas S mengikuti bahwa <vj, vi> = 0 ketika j ≠ i, jadi persamaan ini menjadi

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:

e1 = (1, 0, 0, …, 0), e2 = (0, 1, 0, …, 0), …, en = (0, 0, 0, …, 1)

CONTOH 3 Sebuah Basis Ortonormal untuk Pn

Ingat dari contoh 7 bagian 6.1 bahwa hasil bagian dalam standar dari polinomial

p = a0 + a1x + … + anxn dan q = b0 + b1x + … + bnxn

adalah

<p, q> = a0b0 + a1b1 + … + anbn

dan norma p relatif terhadap hasil bagian dalam ini adalah

||p|| = √< 𝐩, 𝐩 > = √𝑎0 2 + 𝑎1 2 + ⋯ + 𝑎1 𝑛

Anda harus dapat melihat dari formula ini bahwa basis standar

S {1, x, x2, …, xn}

adalah orthonormal sehubungan dengan hasil bagian dalam ini.

CONTOH 4 Basis Ortonormal

Dalam contoh 2 sudah ditunjukkan bahwa vektor

1 1 1 1
u1 = (0, 1, 0), u2 = ( , 0, ), u3 = ( , 0, − )
√2 √ 2 √2 √2

2021 Aljabar Linier

10 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
membentuk set ortonormal sehubungan dengan hasil bagian dalam Euclidean pada R3.
Oleh Teorema 6.3.1, vektor-vektor ini membentuk set independen linear, dan karena R3
adalah tiga dimensi, berikut ini dari Teorema 4.5.4 dimana S = {u1, u2, u3} adalah basis
ortonormal untuk R3.

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 1. Misalkan v1 = u1.

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

<𝑢2 , 𝑣1 > <𝑢2 , 𝑣1 >

u2 = 𝐯1 = 𝐮𝟏
||𝑣1 ||2 ||𝑢1 ||2

yang menyiratkan bahwa u2 adalah kelipatan dari 𝐮𝟏 , bertentangan dengan

independensi linier dari basis {u1, u2, …, ur}.

2021 Aljabar Linier

11 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Langkah 3. Untuk membuat vektor v3 yang ortogonal terhadap v1 dan v2, kita menghitung
komponen ortogonal u3 terhadap ruang W2 yang
direntang oleh v1 dan v2 (Gambar 10 6).
Menggunakan rumus (12) untuk perhitungan ini,
diperoleh

<𝑢3 , 𝑣1 > <𝑢3 , 𝑣2 >

v3 = u3 - proj𝒘𝟐 u3 = u3 - ||𝑣1 ||2
𝑣1 - ||𝑣2 ||2
𝑣2

Seperti pada Langkah 2, independensi linier {u1, u2,

…, ur} memastikan bahwa v3 ≠ 0. Silahkan lanjutkan
Gambar 10 6
lebih detail.

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),

<𝑢4 , 𝑣1 > <𝑢4 , 𝑣2 > <𝑢4 , 𝑣3 >

v4 = u4 - proj𝒘𝟑 u4 = u4 - ||𝑣1 ||2
𝑣1 - ||𝑣2 ||2
𝑣2 - ||𝑣3 ||2
𝑣3

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

<𝑢3 , 𝑣1 > <𝑢3 , 𝑣2 >

Langkah 3. v3 = u3 = u3 - ||𝑣1 ||2
𝑣1 - ||𝑣2 ||2
𝑣2

2021 Aljabar Linier

12 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
 <𝑢4 , 𝑣1 > <𝑢4 , 𝑣2 > <𝑢4 , 𝑣3 >
Langkah 4. v4 = u4 - ||𝑣1 ||2
𝑣1 - ||𝑣2 ||2
𝑣2 - ||𝑣3 ||2
𝑣3

(lanjutkan untuk r langkah)

Langkah Opsional. Untuk mengubah basis ortogonal menjadi basis ortonormal { q1, q2,
…, qr }, normalkan vektor basis ortogonal.

2021 Aljabar Linier

13 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/
Daftar Pustaka

1. Howard Anton, Aljabar Linear

2. Mahmud Imrona, Aljabar Linear Dasar

3. Yuliant Sibaroni, Aljabar Linear

4. Seymour Lipschutz, Marc Lipson, Schaum's Outline of Theory and Problems of Linear
Algebra

2021 Aljabar Linier

14 Indra Sudung
Biro Bahan Ajar E-learning dan MKCU
http://pbael.mercubuana.ac.id/