7.

Matriks Proyeksi

Proyeksi ortogonal dari sebuah mx 1 vektor x ke sebuah ruang vektor S dapat dengan mudah dinyatakan
dalam bentuk matriks. Diketahui {z1, …, zr } akan ada basis ortonormal untuk S sementara {z1, …, zm }
adalah basis ortonormal untuk Rm. Misalkan α1, …, αm adalah konstanta memenuhi hubungan

di mana u dan v sebagai didefinisikan sebelumnya. Tulis α = (α1’,α2’ )’ dan Z = (Z1 Z2 ). dimana α1 = (α1
, ...,αr ) ', α2 = (αr+1 , ..., αm)', Z1 = (z1 , ..., zr ) dan Z2 = (zr+1 , ..., zm) . Kemudian ekspresi untuk x yang
diberikan di atas dapat ditulis sebagai

x = Zα = Z1 α1 + Z2 α2

yaitu, u = Z1α1 dan v = Z2α2. Karena orthonormality dari zis , memiliki Z1’Z1 = Ir dan Z1’Z2 = 0, dan juga

Teorema 2.17

Misalkan kolom mxr dari matriks Z1 membentuk basis ortonormal untuk ruang vektor S yang merupakan
subruang dari Rm. jika x ϵ Rm, proyeksi ortogonal x ke S diberikan oleh Z1Z1T x.

Matriks Z1Z1T muncul di Teorema 2.17 disebut matriks proyeksi untuk ruang vektor S dan kadang-kadang
akan dilambangkan dengan PS. Demikian pula, Z2Z2T adalah matriks proyeksi untuk S┴ dan ZZT = Im adalah
matriks proyeksi untuk Rm. Karena ZZT = Z1Z1T + Z2 Z2T, memiliki persamaan sederhana Z2Z2T = Im – Z1Z1T
berkaitan matriks proyeksi subruang vektor dan komplemen ortogonal nya. Meskipun ruang vektor tidak
memiliki basis ortonormal yang unik, matriks proyeksi terbentuk dari basis ortonormal ini adalah unik.

Teorema 2.18

Misalkan kolom mxr dari matriks Z1 dan W1 masing-masing membentuk sebuah basis ortonormal untuk r-
dimensi ruang vektor S. Maka Z1Z1T = W1W1T.

Lihat lagi prosedur orthonormalisasi Gram-Schmidt, kali ini menggunakan matriks proyeksi. Prosedur ini
membutuhkan himpunan awal bebas linear dari vektor-vektor {x1,…, xr}, yang ditransformasikan dengan
himpunan ortogonal {y1, ..., yr}, yang kemudian ditransformasikan ke himpunan ortonormal {z1, …, zr }.
Hal ini sangat mudah untuk memverifikasi bahwa untuk i = 1, ..., r - 1, vektor yi+1 dapat
dinyatakan sebagai

yaitu, yi+1 = ( Im – Z(i)Z(i)T )xi+1, dimana Z(i) = (z1, ..., zr). Dengan demikian, ke - (i + 1) vektor orthogonal yi+1
diperoleh sebagai proyeksi ke - (i + l) vektor asli ke komplemen ortogonal dari ruang vektor yang direntang
oleh i pertama vektor orthogonal pertama , y1, …, yi.
Proses ortonormalisasi Gram-Schmidt merupakan salah satu metode untuk memperoleh sebuah basis
ortonormal untuk ruang vektor S dari basis yang diberikan {x1,…,xr }. Secara umum, jika mendefinisikan
mxr matriks X1 = (x1,…, xr), kolom

Z1 = X1A (2.6)

akan membentuk basis ortonormal untuk S jika A adalah matriks rxr yang mana

Z1TZ1 = ATX1TX1A = Ir

Matriks A harus nonsingular karena harus memiliki rank (X1 ) = rank (Z1) = r; jadi A-1 ada, dan X1TX1 = (A-
) A atau (X1TX1)-1 = AAT; yaitu, A adalah matriks akar kuadrat dari (X1T X1 )-1. Akibatnya, dapat
1 T -1

memperoleh ekspresi untuk PS matriks proyeksi ke ruang vektor S dalam hal X1 sebagai

PS = Z1Z1T = X1AATX1T = X1(X1TX1)-1X1T ( 2.7 )

Perhatikan bahwa persamaan Gram-Schmidt diberikan dalam (2.5) dapat ditulis dalam bentuk matriks
sebagai Y1 = X1T , dimana Y1 = (y1, ...,yr ), X1 = (x1, ..., xr), dan T adalah matriks segitiga atas rxr dengan
setiap elemen diagonal sama dengan 1. Normalisasi untuk menghasilkan Z1 kemudian dapat ditulis sebagai
Z1 = X1TD-1 , di mana D adalah matriks diagonal dengan akar kuadrat positif dari yiTyi sebagai elemen
diagonal ke-i. Akibatnya, matriks A = TD-1 adalah segitiga atas dengan elemen diagonal p ositif. Dengan
demikian orthonormalization Gram-Schmidt adalah kasus khusus dari persamaan (2.6) di mana matriks A
telah dipilih untuk menjadi segitiga matriks akar kuadrat atas (X1T X1)-1 yang memiliki elemen-elemen
diagonal positif.

Teorema 2.19

P adalah mxm matriks simetri idempotent pada rank r. Maka ada ruang vektor r-dimensi yang memiliki P
sebagai matriks proyeksi.

Contoh 1

Dengan menggunakan basis { x 1 , x 2 , x 3 } dari contoh sebelumnya , bentuk matriks X1

( )
1 1 3
1 −2 1
X1=
1 1 1
1 −2 −1

Menghitung
 [ ]
4 −2 4
X ' 1 X 1= −2 10 4
4 4 12

−1
( X ' 1 X1) =
[
1 26 10 −12
36
10 8 −6
−12 −6 9 ]
Proyeksi matriks untuk ruang vektor S direntang oleh { x 1 , x 2 , x 3 } adalah

[ ]
3 1 1 −1
−1 1 1 3 −1 1
Ps =X 1 ( X ' 1 X 1 ) X ' 1=
4 1 −1 3 1
−1 1 1 3

Ini, tentu saja, adalah sama dengan , dimana Z1 = (z1, z2, z3 ) dan z1, z2, z3 vektor yang diperoleh
dengan orthonormalisasi Gram-Schmidt pada contoh terdahulu. Jika x = (1, 2, -1, 0)T cari proyeksi x onto S.
Disisi lain, jika x = (1, -1, 2, 1)T, cari juga proyeksi x onto S, dan proyeksi orthogonal x onto komponen S.