Soal Dan Pembahasan Analisis Matriks - Aditya Firman Ihsan

Analisis Matriks - Soal dan Pembahasan
Aditya Firman Ihsan
July 6th, 2015

Contents
1 Matriks Normal 3
1.1 Kertas Kerja 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Kertas Kerja 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Kertas Kerja 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Diktat Pak Muchlis Bab 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Tugas Tambahan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Soal Ujian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Faktorisasi Matrix 27
2.1 Kertas Kerja 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3 Tugas Tambahan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4 Soal Ujian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3 Norm Matriks 46
3.1 Kertas Kerja 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3 Tugas Tambahan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.4 Soal Ujian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4 Lokalisasi Nilai Eigen 73

4.1 Kertas Kerja 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.3 Soal Ujian . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
2
Chapter 1
Matriks Normal
3
4 CHAPTER 1. MATRIKS NORMAL
1.1 Kertas Kerja 1

1. Jelaskan semua yang anda ketahui mengenai permutasi
Jawab Suatu pemetaan σ : A → A disebut permutasi jika σ satu-satu dan pada, dengan A
adalah himpunan bilangan asli terhingga. Contoh untuk A = 1, 2, 3, dapat dibentuk suatu
permutasi σ sehingga σ(1) = 2, σ(2) = 3, σ(3) = 1.
2. Apakah definisi dari matriks permutasi? Berikan contohnya
Jawab Matriks P berukuran n × n disebut matriks permutasi bila setiap baris dan kolom
dari P hanya memuat
 satu 
buah komponen tak nol dan komponen tak nol tersebut adalah
0 1 0
1. Contoh : P = 1 0 0
0 0 1
3. Uraikan hubungan antara matriks permutasi dan matriks identitas
Jawab
(a) Matriks identitas adalah salah satu contoh matriks permutasi
(b) Suatu baris/kolom matriks permutasi adalah baris/kolom matriks identitas yang ditukar-
tukar.
4. Tunjukkan bahwa permutasi dapat diinduksi oleh matriks permutasi
Jawab Misal P matriks berukuran n × n dan A = 1, 2, . . . , n himpunan bilangan asli. Dari

A dapat dibuat suatu pemetaan τ : Q → Q dengan τ (u) = P u untuk u ∈ Q (Terbukti ada
pada Tugas Tambahan nomor 2). Sehingga dapat diinduksi suatu pemetaan σ : A → A
dengan σ(iu ) = iP u untuk iu adalah komponen ke-i dari vektor u.
5. Tunjukkan bahwa dari suatu permutasi dapat diperoleh suatu matriks permutasi secara tung-
gal.
Jawab Misal dari σ diperoleh matriks permutasi A dan B, akan ditunjukkan bahwa A = B.
Untuk setiap baris ke-i dan kolom ke-j dari A, didapat aij = δσ(i)j . Demikian pula B, didapat
bij = δσ(i)j . Karena pada baris dan kolom yang sama, A dan B sama-sama memiliki nilai
δσ(i)j , maka aij = bij untuk setiap baris dan kolom di kedua matriks. Artinya setiap entri di
A sama dengan setiap entri di B, dengan demikian A = B.
6. Jelaskan konsekuensi dari mengalikan suatu matriks oleh matriks permutasi baik dari kiri
ataupun dari kanan.
Jawab
(a) Kasus dari kiri (AP )
a01

 a02 
A dapat dtulis dalam bentuk A =  .  dengan a0i = (ai1 ai2 · · · ain ). Karena
 
 .. 
a0n
Pij = δjσ(i) , maka a0i P = (ai σ(1) ai σ(2) · · · ai σ(n)) yang berarti merupakan permutasi
0
dari posisi urutan Hal ini berlaku sama untuk semua i ∈ {1, 2, . . . , n}. Dengan
 a0i . 
ai P
 a02 P 
demikian, AP =  .  merupakan matriks hasil pertukaran kolom-kolom dari A.
 
 .. 
a0n P
1.1. KERTAS KERJA 1 5
(b) Kasus dari kanan (P A)  

a1i
 a2i 
A dapat ditulis dalam bentuk A = (a001 a002 · · · a00n ) dengan a00i =  .  Karena Pij =
 
 .. 
ani
 
aσ−1 (1)i
 aσ−1 (2)i 
δσ−1 (i)j , maka P ai =   merupakan invers permutasi dari posisi urutan a00i .
 
..
 . 
aσ−1 (n)i
Hal ini berlaku untuk semua i. Dengan demikian, P A = (P a001 P a002 · · · P a00n ) merupakan
matriks hasil pertukaran baris-baris di A.
7. Misalkan terdapat dua permutasi, tentukan perkalian dua matriks permutasinya. Misal
Pσ dan Pτ masing-masing adalah matriks permutasi untuk permutasi σ dan τ . Dari
nomor 6(b), perkalian matriks dari kanan pada matriks permutasi menghasilkan per-
tukaran baris-baris dari matriks awal sesuai dengan permutasi yang terkait. Misalkan
Pτ = (eτ −1 (1) eτ −1 (2) · · · eτ −1 (n) ) dengan ei adalah vektor dengan semua komponen nol
kecuali pada komponen ke-i yang bernilai satu. Maka,
Pσ Pτ = (P eτ −1 (1) P eτ −1 (2) · · · P eτ −1 (n) )
= (eσ−1 τ −1 (1) eσ−1 τ −1 (2) · · · eσ−1 τ −1 (n) )
= (e(τ σ)−1 (1) e(τ σ)−1 (2) · · · e(τ σ)−1 (n) )
= Pτ ◦σ
8. Tunjukkan bahwa matriks permutasi adalah matriks uniter
Jawab Misal Pσ matriks permutasi, maka Pσt = Pσ−1 (Ditunjukkan pada Tugas Tamba-
han nomor 7). Karena Pσ merupakan hasil pertukaran baris/kolom dari identitas I, maka
Pσ−1 Pσ = Pσ Pσ−1 = I, atau dengan kata lain Pσ−1 = Pσ−1 . Karena Pσ adalah matriks
permutasi, maka entrinya hanya bernilai nol dan satu, sehingga pij = pij untuk semua i dan
t
j. Dengan demikian, Pσ∗ = P σ = Pσt = Pσ−1 = Pσ−1 , maka Pσ uniter.
9. Tunjukkan bahwa setiap matriks permutasi serupa dengan suatu matriks blok diagonal
Jawab Dengan menggunakan notasi σ = (a1 a2 · · · an ), kita definisikan suatu permu-

tasi siklis dengan σ(ai ) = ai + 1, σ(ak ) = ai , dan σ(aj ) = j untuk k < j ≤ n. Setiap
permutasi dapat ditulis sebagai komposisi sejumlah permutasi siklis, maka untuk suatu per-
(1) (1) (1) (2) (2) (2) (l) (l) (l)
mutasi σ, dapat dituliskan σ = (a1 a2 · · · ak1 )(a1 a2 · · · ak2 ) · · · (a1 a2 · · · akl ).
Selanjutnya kita dapat membuat suatu permutasi siklis baru τ = (b1 b2 · · · bl ) dengan
(i) (i) (i)
bi ∈ {a1 , a2 , . . . , aki }. Maka terlihat bahwa σ −1 τ σ berbentuk (1 2 · · · j1 )((j1 + 1) (j1 +
2) · · · j2 ) · · · ((jl−1 + 1) (jl−1 + 2) · · · jl ), sehingga Pσ−1 τ σ = Pσ Pτ Pσ−1 berbentuk matriks
blok diagonal.
10. Jelaskan pengertian matriks permutasi siklis. Berikan contohnya
Jawab Matriks permutasi siklis adalah matriks yang terkait dengan suatu permutasi siklis.

12345 12345 12345
Contoh: σ = = τ1 τ2 dengan τ1 = dan τ2 = . Maka
21534 21345 12534
 
001
01
matriks permutasi siklis yang berkaitan adalah D1 = dan 1 0 0. Perhatikan bahwa
10
010
Pσ = Pγ−1 diag(D1 , D2 )Pγ untuk suatu matriks permutasi Pγ .
11. Jelaskan pengertian matriks sirkulan. Berikan contohnya.
Jawab Matriks sirkulan adalah matriks yang merupakan kombinasi linear dari
{I, C, C 2 , . . . , C n−1 } dengan
 C merupakan
 matriks 
permutasi
 siklis. Contoh : Suatu ma-
001 010
triks permutasi siklis C = 1 0 0, didapat C 2 = 0 0 1 . Maka kelas matriks sirkulan
010 100
 
abc
yang terbentuk T3 = c a b dengan a, b, c ∈ N.
bca
12. Tunjukkan bahwa matriks permutasi siklis membangun matriks sirkulan.
Jawab Setiap penambahan orde pangkat matriks permutasi siklus menggeser posisi satu
utama pada tiap baris sebanyak satu kolom. Dengan demikian setiap entri selalu dapat
terwakilkan oleh C k untuk 0 ≤ k ≤ n − 1. Karena matriks sirkulab merupakan kombinasi
linear dari {I, C, C 2 , . . . , C n−1 }, maka setiap matriks sirkulan M selalu dapat dituliskan
menajdi M = a0 I + a1 C + a2 C 2 + · · · + an−1 C n−1 . Dengan demikian matriks permutasi
siklus membangun matriks sirkulan.
13. Tentukan polinom karakteristik dari matriks permutasi siklus
Jawab Polinom karakteristik f (t) adalah polinom yang akar-akarnya merupakan nilai eigen
dari suatu matriks A, dengan f (t) = det(A − tIn ), t nilai eigen dari A. Maka, untuk suatu
matriks permutasi siklus C, polinom karakteristiknya adlaah
p(t) = det(tIn − C)
   
1 0 ··· 0 0 1 ··· 0
0 1 · · · 0 0 0 ··· 0
= det t  . . . ..  −  .. ..
   
.. .. 
 .. .. .. . . . . .
0 0 ··· 1 0 0 ··· 0
t −1 0 ··· 0 0
0 t −1 ··· 0 0
= det ... ..
.
..
.
..
.
..
.
..
.
0 0 0 ··· t −1
−1 0 0 ··· 0 t
= t(tn−1 ) + (−1)n+1 (−1)(−1)n−1
= tn − 1
14. Tentukan nilai dan vektor eigen dari matriks permutasi siklus.
Jawab
(a) Misalkan C matriks permutasi siklus, berdasarkan nomor 13, C memiliki polinom karak-
teristik p(t) = tn − 1. Karena nilai eigen dalah akar-akar dari polinom karakteristik
2kiπ
p(t) = 0, dan solusi dari tn − 1 = 0 adalah tk = wk = e n dengan k = 0, 1, 2, . . . , n − 1
2kiπ
(Ditunjukkan pada Tugas Tambahan no. 8), maka nilai eigen dari C adalah e n ,
k = 0, 1, . . . , n − 1
(b) Vektor eigen dari suatu matriks adalah vektor v yang memenuhi Av = tv atau (tIn −
C)v = 0 dengan t adalah nilai eigen. Maka untuk suatu matriks permutasi C dengan
polinom
 k karakteristikp(t) dan nilai eigen wk , diambil suatu matriks B = wk I − C =
w −1 · · · 0
 0 wk · · · 0
t
..  Misal v(k) = (v1 v2 · · · vn ) adalah vektor eigen dari C yang terkait
 
 .. .. . .
 . . . . 
−1 0 · · · wk
dengan nilai eigen wk , maka
Bv(k) = 0
k
    
w −1 ··· 0 v1 0
0 wk ··· 0   v2  0
  ..  =  .. 
    
 .. .. .. ..
 . . . .   .  .
−1 0 ··· wk vn 0
k
  

w v1 − v2 0
 wk v2 − v3  0
 =  .. 
   
 ..
 .  .
k
w vn − v 1 0
Sehingga didapatkan wk vi = vi+1 untuk i = 1, 2, . . . , n − 1 dan

 w
k
 vn = v 1 . Dengan

 1 
  wk 

 


menetapkan v1 = s, didapat solusi untuk SPL di atas adalah s  ;s ∈ R

..




 .  


w(n−1)k
 
Maka, vektor eigen dari matriks permutasi siklis C untuk nilai eigen wk adalah v(k) =
 
1
 wk 

..

 
 . 
w(n−1)k
15. Tentukan bahwa setiap matriks permutsi dapat didiagonalkan oleh matriks uniter.
Jawab Dari nomor 14, karena suatu matriks permutasi siklis C memiliki nilai eigen wk , k =
0, 1, . . . , n dengan vektor eigen v(k) , maka ada matriks diagonal D = diag(1, w, w2 , . . . , wn−1 )
sehingga C = QDQ−1 dengan Q adalah matriks yang terdiri dari vektor-vektor eigen dari
C, atau Q = (v(0) v(1) · · · v(n−1) ). Karena Q∗ Q = nIn (Ditunjukkan pada Tugas Tambahan
∗
nomor 10), maka Q−1 = Qn . Definisikan F = √Qn . Perhatikan bahwa F ∗ F = In , sehingga
C = F DF ∗ dapat didiagonalkan secara uniter. Dari nomor 9, diketahui bahwa setiap matriks
permutasi P dapat ditulis sebagai P = G−1 diag(S1 , S2 , · · · , Sk )G. Karena Si , i = 1, 2, . . . , k
merupakan matriks permutasi siklis, maka dapat dituliskan Si = Fi Di Fi∗ , sehingga
F1 D1 F1∗
 
 F2 D2 F2∗ 
−1 
P =G  G

 . .. 
∗
Fk Dk Fk
   ∗ 
F1 D1 F1
 F2  D2  F2∗ 
= G−1  G
   
..   ..   ..
 .  .  . 
Fk Dk Fk∗
 
D1
 D2 
 ∗
=U U

..
 . 
Dk
Perhatikan bahwa U U ∗ = U ∗ U = In , sehingga U uniter. Dengan demikian, P dapat didiag-

onalkan secara uniter.
1.2 Kertas Kerja 2

1. Apakah definisi dari matriks normal? Berikan contohnya.

1 3
Jawab Matriks A ∈ Cn×n dikatakan normal jika A∗ A = AA∗ . Contoh: A = .
3 2

∗ 1 3 1 3
Perhatikan bahwa AA = = A∗ A.
3 2 3 2
2. Selidiki apakah matriks hermit, matriks permutasi, dan matriks uniter adalah matriks normal
Jawab
(a) Matriks hermit : Perhatikan bahwa jika A matriks hermit, A∗ A = AA = AA∗ . Maka
A adalah matriks normal.
(b) Matriks uniter : Perhatikan bahwa jika A matriks uniter, A∗ A = A−1 A = I = AA−1 =
AA∗ . Maka A adalah matriks normal.
(c) Matriks permutasi: Karena setiap matriks permutasi adalah matriks uniter (Ditun-
jukkan pada KK 1 nomor 8), maka setiap matriks permutasi juga matriks normal.
3. Misalkan A matriks normal berukuran n × n atas kompleks dan Au = λu untuk suatu skalar
∗
λ dan u ∈Cn yang n
memenuhi u u = 1. Misalkan X = (u v2 v3 · · · vn ) ∈ C uniter. Jika
∗
λ y
X ∗ AX = dengan y ∈ Cn−1 dan B berukuran n − 1 × n − 1, tunjukkan bahwa y = 0
0 B
dan BB ∗ = B ∗ B
λ y∗

Jawab Misal A matriks normal berukuran n × n dengan X ∗ AX = , maka A =
0 B
∗
λ y∗ λ y∗

λ 0
X X ∗ , sehingga A∗ = X X∗ =X X ∗ . Perhatikan bahwa
0 B 0 B y B∗
λ y∗ |λ| + y ∗ y y ∗ B ∗
2
λ 0
AA∗ = X X ∗
= X X∗
0 B y B∗ By BB ∗
dan
y∗ λy ∗
2
∗ λ 0 λ ∗ |λ|
A A=X X =X X∗
y B∗ 0 B yλ yy ∗ + B ∗ B
Karena A normal, maka |λ|2 + y ∗ y = |λ|2 ⇔ y ∗ y = 0 ⇔ y = 0 dan BB ∗ = yy ∗ + B ∗ B ⇔
BB ∗ = B ∗ B. Dengan demikian, y = 0 dan BB ∗ = B ∗ B
4. Misalkan A matriks n × n atas kompleks. Tunjukkan bahwa A dapat didiagonalkan oleh
matriks uniter jika dan hanya jika A matriks normal.
Jawab
(a) Misal A dapat didiagonalkan secara uniter, maka ada U matriks uniter sehingga A =
U DU ∗ dengan D adalah suatu matriks diagonal. Karena,
AA∗ = (U DU ∗ )(U DU ∗ )∗
= (U DU ∗ )(U DU ∗ )
= U DDU ∗
= U DDU ∗
= (U DU ∗ )(U DU ∗ ) = A∗ A
maka A normal.

λ1 0
(b) Misal A normal, dari nomor 3, maka A dapat ditulis dalam bentuk X X∗
0 B1
dengan λ1 adalah nilai eigen dari A, X = (u1 v2 v3 · · · vn ) untuk u1 vektor eigen
yang terkait dengan λ1 , dan B1 matriks normal n − 1 × n − 1. Selanjutnya, karena B
normal, dapat dilakukan hal yang sama hingga n kali, dan didapatkan pada tiap itearasi
nilai eigen
 λ1 , λ2 , . . . , λn untuk
 vektor eigen u1 , u2 , . . . , un , sehingga akan didapatkan
λ1 0 · · · 0
 0 λ2 · · · 0 
A = X . ..  X ∗ , dengan X = (u1 u2 · · · un ) matriks uniter. Dengan
 
.. ..
 .. . . . 
0 0 · · · λn
demikian, A dapat didiagonalkan secara uniter.
1.3 Kertas Kerja 3

1. Apakah definisi dan contoh dari matriks definit tak-negatif?
Jawab Matriks hermit A ∈ C dikatakan definit tak negatif jika semua nilai eigen A tidak
32
negatif. Contoh : A = adalah matriks hermit karena A∗ = A. Perhatikan bahwa
23
3−λ 2
p(A) = = (3 − λ)2 − 4 = (λ − 5)(λ − 1). Dengan demikian A punya nilai eigen
2 3−λ
λ1 = 5 dan λ2 = 1, karena λ1 dan λ2 tak negatif, maka A definit tak negatif.
2. Apakah perbedaan matriks definit tak negatif dan matriks definit positif?
Jawab Matriks definit positif tidak memiliki nilai eigen nol, sedangkan matriks definit tak
negatif bisa memiliki nilai eigen nol.
3. Jika A matriks definit tak negatif, apakah syarat perlu dan cukup bagi A agar menjadi
matriks definit positif?
Jawab
(a) Syarat perlu : Semua komponen diagonal utamanya positif.

(b) Syarat cukup : A tidak singular.
4. A hermit dan definit tak negatif. Tunjukkan bahwa jika B submatriks utama dari A, maka
B definit tak negatif.
Jawab Misalkan A matriks

hermit.
Misalkan juga B submatriks utama pemuka dari A,
B F
maka A dapat ditulis , dengan B ∈ Ck×k , F ∈ Ck×n−k , dan C ∈ Cn−k×n−k ,
F∗ C
∗
F∗

B
sehingga A∗ = . Karena A hermit, terlihat bahwa B juga hermit. Mis-
F C

y
alkan x = ∈ Cn dengan y ∈ Ck , maka karena A definit tak negatif, x∗ Ax =
0
B F y
y∗ 0 = y ∗ By ≥ 0, sehingga B juga definit tak negatif.
F∗ C 0
Bila B bukan submatrix pemuka utama dari A, baris/kolom di A dapat ditukar sedemikian
rupa melalui suatu matriks permutasi P menjadi A0 = P AP −1 sehingga B adalah subma-
triks utama pemuka dari A0 . Karena A0 mirip dengan A, maka mereka juga punya nilai eigen
yang sama. Dengan demikian, bila A definit tak negatif, maka B juga definit tak negatif.
Catatan : Bila
5. Jika A adlaah matriks hermit, uraikanlah kaitan antara nilai-nilai eigennnya dengan x∗ Ax
dengan x∗ x = 1. Jelaskan jawaban anda.
Jawab Untuk suatu matriks hermit A ∈ Cn×n dengan nilai eigen λ1 < λ2 < · · · < λn dan
ui vektor eigen dari a untuk nilai eigen λi . Jika 1 ≤ k < l < n, maka λk ≤ x∗ Ax ≤ λl dengan
x ∈ huk , uk+1 , . . . , ul i dan x∗ x = 1.
Bukti. Karena vektor eigen untuk nilai eigen yang berbeda bebas linear, maka
{u1 , u2 , . . . , un } bebas linear. Karena A hermit, maka vektor-vektor eigennya saling ortogo-
nal. Misalkan x∗ x = kxk = 1 untuk x ∈ hu1 , u2 , . . . , un i maka {uk , uk+1 , . . . , ul } membentuk
basis ortonormal, sehingga x dapat dituliskan dalam bentuk x = huk , xiuk + huk+1 , xiuk+1 +
Pl
· · · + hul , xiul , dengan i=k |hui , xi|2 = kxk2 = 1. Perhatikan bahwa
l
X l
X l
X
x∗ Ax = x∗ A hui , xiui = x∗ hui , xiAui = x∗ hui , xiλi ui
i=k i=k i=k
l
X
= hui , xiλi x∗ ui
i=k
l
X
= hui , xiλi hui , xi
i=k
l
X
= |hui , xi|2 λi
i=k
Pl Pl Pl
Sehingga untuk k ≤ i ≤ l, λk = λk i=k |hui , xi|2 ≤ i=k hui , xiλi ≤ λl i=k |hui , xi|2 =
λl
6. Jika A adalah matriks hermit, uraikan kaitan antara nilai-nilai eigen A dengan nilai eigen
dari submatriks utama A. Jelaskan jawaban Anda.
Jawab Misalkan A ∈ Cn×n hermit dan B ∈ Ck×k submatriks utama dari A, maka λi ≤
µi ≤ λn+1−k untuk j = 1, 2, . . . , k dengan λ1 ≤ λ2 ≤ · · · ≤ λn adalah nilai eigen A dan
µ1 ≤ µ2 ≤ · · · ≤ µk adalah nilai eigen B.
Proof. Misalkan B adalah submatriks utama pemuka dari A. Dari nomor 4, hal ini tidak
akan mengurangi keumuman. Misal uj dan yi masing-masing adalah vektor eigen A dan B
untuk nilai eigen λj dan µi dengan j = 1, 2, . . . , n dan i = 1, 2, . . . , k, {u1 , u2 , . . . , un }
maka
yi
dan {y1 , y2 , . . . , yn } bebas linear, sehingga dapat didefinisikan vi = ∈ Cn sebagai vek-
0
tor eigen dari matriks diag(B, 0) ∈ Cn×n untuk nilai eigen mui , i = 1, 2, . . . , k. Misalkan
x(i) ∈ hv1 , v2 , · · · , vi i ∩ hui , ui+1 , . . . , un i dengan i = 1, 2, . . . ,k, maka
x dapat dipandang
y(1)
sebagai vektor eigen di A ataupun di diag(B, 0). Ambil x(1) = , y(1) ∈ hy1 , y2 , . . . , yi i.
0
Dari nomor 5, sebagai vektor eigen dari A, x(1) memenuhi λi ≤ x∗(1) Ax(1) ≤ λn dan se-
bagai vektor eigen dari diag(B, 0), x(1) memenuhi µi ≤ x∗(1) diag(B, 0)x(1) ≤ µn . Karena

B F y(1)

∗ ∗ ∗
x(1) Ax(1) = y(1) 0 = y(1) By(1) , maka λi ≤ x∗(1) Ax(1) = y(1) ∗
By(1) ≤ µi .
F∗ C 0
Kita lakukan hal yang sama untuk x(2) ∈ hu1 , u2 , . . . , un+i−k i ∩ hvn+i−k , vn+i−k+1 , . . . , vk i.
y(2)
Ambil x(2) = dengan y(2) ∈ hyn+i−k , yn+i−k+1 , . . . , yk i, sehingga akan diperoleh
0
µi ≤ x∗(2) Ax(2) = y ∗ B(2) ≤ λn−i+k . Dengan demikian λi ≤ µi ≤ λn−i+k .
7. Jika A adalah matriks hermit, apakah syarat perlu dan cukup bagi A agar menjadi matriks
definit tak negatif? Sebutkan setidaknya tiga. Tunjukkan.
Jawab
(a) x∗ Ax ≥ 0, ∀x ∈ Cn
Bukti. i. Misalkan A definit tak negatif dan x ∈ Cn . Karena A hermit, maka vektor-
vektor eigennya ortogonal. Karena bebas linear, maka mereka membentuk basis
ortogonal di Cn . Misal vi , i = 1, 2, . . . , n vektor-vektor eigen di A dari nilai eigen
λi . Karena A definit tak negatif, maka λi ≥ 0. Perhatikan

Pn bahwa x daat dit-
uliskan dalam kombinasi linear basis-basisnya, maka x = i=1 αi vi dengan αi ∈ C,
sehingga,
Xn n
X
x∗ Ax = ( αi vi )∗ A( αi vi )
i=1 i=1
Xn n
X
∗
=( αi vi )( αi Avi )
i=1 i=1
Xn n
X
=( αi vi∗ )( α i λ i vi )
i=1 i=1
n X
X n
= (αi αi λi vi∗ vi )
j=1 i=1
n X
X n
= (λi |αi |2 kvi k2 ) ≥ 0
j=1 i=1
ii. Misalkan x∗ Ax ≥ 0, ∀x ∈ Cn . Misal λ ∈ R nilai eigen A dengan vektor eigen u,

maka u∗ Au = u∗ λu = λu∗ u = λkuk2 ≥ 0. Karena kuk2 ≥ 0, maka λ ≥ 0.
(b) det(S) ≥ 0, ∀S submatriks utama A

Bukti. i. Misalkan A definit tak negatif. Karena A hermit, maka A dapat didiago-
nalkan menjadi matriks yang komponen diagonalnya adalah nilai-nilai eigen dari
A yang bernilai real. Karena A definit tak negatif, maka semua nilai eigen dari
A tak negatif. Dengan demikian determinan A tak negatif. Dari nomor 4 didap-
atkan bahwa semua submatriks utama dari A juga definit tak negatif, maka nilai
eigennya tak negatif, sehingga determinannya pun tak negatif. Dengan demikian,
∀S submatriks utama A, det(S) ≥ 0.
ii. Misalkan untuk semua S submatriks utama suatu matriks A, det(S) ≥ 0. Poli-
nomP karakteristik dari suatu matriks A dapat dituliskan dalam bentuk pA (t) =
n
tn + i=1 (−1)i Ci tn−1 dengan Ci merupakan jumlah determinan semua submatriks
utama dari A yang berukuran i × i. Karena determinan semua submatriks utama
dari A tak negatif, maka Ci semuanya tak negatif. Misalkan λ sembarang nilai eigen
A, maka pA (λ) = 0. Andaikan λ < 0, perhatikan bahwa jika n genap, pA (λ) > 0
dan jika n ganjil, pA (λ) < 0. Hal ini kontradiksi dengan kondisi yang seharusnya,
maka haruslah λ ≥ 0.
(c) ∃B ∈ Cn×n sehingga A = BB ∗

Bukti. i. Misalkan A matriks definit tak negatif. Karena A hermit, maka ∃u ∈
Cn×n yang uniter dan D = diag(λ1 , λ2 , . . . , λn ) sehingga A = U DU ∗ . Karena
A definit tak negatif, maka λ1 , λ2 , . . . , λn tak negatif. Kita bisa ambil B =
U diag(α1 , α2 , . . . , αn )U ∗ dengan |αi |2 = λi , maka terlihat bahwa
BB ∗ = (U diag(α1 , α2 , . . . , αn )U ∗ )(U diag(α1 , α2 , . . . , αn )U ∗ )∗

= U diag(|α1 |2 , |α2 |2 , . . . , |αn |2 )U ∗
= U diag(λ1 , λ2 , . . . , λn )U ∗
=A
ii. Misalkan ∃B ∈ Cn×n sehingga A = BB∗ untuk A suatu matriks hermit. Misalkan
U adalah suatu matriks uniter ukuran n × n dan αi , i = 1, 2, . . . , n adalah bilangan
kompleks sembarang. B dapat diambil berbentuk U diag(α1 , α2 , . . . , αn )U ∗ . Per-
hatikan bahwa B ada karena BB ∗ = U diag(|α1 |2 , |α2 |2 , . . . , |αn |2 )U ∗ = (BB ∗ )∗
hermit. Karena entri-entri diagonal dari hasil diagonalisasi matriks adalah nilai
eigen matriks tersebut, maka A = BB ∗ memiliki nilai eigen |αi |2 , i = 1, 2, . . . , n.
Jelas bahwa |αi |2 ≥ 0. Dengan demikian λi tak negatif, sehingga A matriks definit
tak negatif.
8. Jika A adalah matriks hermit, apakah syarat perlu dan cukup bagi A agar menjadi matriks
definit positif? Sebutkan setidaknya empat. Tunjukkan.
Jawab
(a) x∗ Ax > 0, ∀x ∈ Cn Bukti seperti nomor 7(a), namun untuk ketidaksamaan kuat.
(b) det(S) > 0, ∀S submatriks utama A
Bukti. masih belum dapat dikonstruksikan

(c) ∃B matriks non singular sehingga BB ∗ = A Bukti seperti nomor 7(c), namun karena
ketidaksaman pada nilai eigen berlaku kuat (λi 6= 0) entri diagonal dari B pun tidak
boleh nol. Dengan demikian, syarat tidak singular ditambahkan pada B.
(d) Ada matriks segitiga bawah non singilar L ∈ Cn×n yang memenuhi A = LL∗ dan hanya
ada tepat satu L yang komponen diagonalnya real positif.
Bukti. Akan ditunjukkan dengan induksi. Misalkan A matriks definit positif berukuran
n × n.

a11 a21 l 0
i. Misal n = 2, maka A dapat dituliskan . Misalkan L = 11 suatu
a21 a22 l21 l22
|l11 |2

l21 l11
matriks segitiga bawah. Perhatikan bahwa LL∗ = . Jika
l21 l11 |l21 |2 + |l22 |2
kita pilih L sedemikian sehingga |l11 |2 = a11 , |l21 ||l11 | = |a21 |, dan |l22 |2 = det(A)
a11 ,
maka LL∗ = A. Terlihat juga bahwa hanya ada satu L yang memiliki entri diagonal
√
q
real positif, yaitu L dengan l11 = a11 dan l22 = det(A) a11 .
ii. Misal n ≥ 3 dan teorema
berlaku untuk semua matriks berorde n − 1, maka A
B u
dapat ditulis dengan B ∈ Cn−1×n−1 , u ∈ Cn , dan α ∈ C. Berdasarkan
u∗ α
hipotesis induksi, karena B berorde n − 1, berlaku ∃L1 matriks segitiga bawah
sehingga L1 L∗1
= B. Dapat dilakukan operasi baris elementer pada A menjadi
B u
sehingga dapat dihitung det(A) = (α − u∗ Bu) det(B). Misal
0 α − u∗ Bu
L1 L∗1

L1 0 ∗ L1 v
L = . Perhatikan bahwa LL = . Sehingga dapat
v∗ β v ∗ L∗1 v ∗ v + |β|2
det(A)
kita pilih L sedemikian sehingga v = L−1 2
1 u dan |β| = det(B) , maka LL = A.
∗
det(A)
Karena β yang real positif hanya satu kemungkinan, yaitu det(B) dan L1 yang
memiliki entri diagonal real positif tunggal, maka L yang memiliki entri diagonal
real positif juga tunggal.
Dengan demikian, dari proses induksi, teorema berlaku untuk semua n.
1.4 Diktat Pak Muchlis Bab 1

1. Misalkan Sn adalah himpunan semua permutasi pada {1, 2, , . . . , n} dan P ermn adalah
himpunan semua matriks permutasi n × n. Tunjukkan bahwa terdapat pemetaan bijektif
Φ : Sn → P ermn , yang memenuhi Φ(σ ◦ τ ) = Φ(τ )Φ(σ), untuk semua σ, τ ∈ Sn .
Jawab Definisikan Φ : Sn → P ermn dengan Φ(σ) = Pσ , pij = δiσ(j) . Karena dari se-
tiap permutasi dapat diperoleh suatu matriks permutasi secara tunggal (Ditunjukkan pada
KK 1 nomor 5), maka pengaitan Φ adalah pemetaan yang satu-satu. Karena Sn maupun
P ermn hingga dengan |Sn | = |P ermn | = n!, maka Φ pemetaan pada, sehingga Φ bijektif.
Selanjutnya, karena Φ(σ ◦ τ ) = Pσ◦τ = Pτ Pσ = Φ(τ )Φ(σ), maka Φ homomorfisma.
2. Misalkan A ∈ Cm×n dengan rank(A) = r. Tunjukkan bahwa terdapat matriks permutasi P ,

matriks B berukuran m × r dan C berukuran r × n yang memenuhi rank(B) = rank(C) = r
dan AP = BC
Jawab Karena rank(A) = r maka ada r kolom dari A yang bebas linear. Misalkan P suatu
matriks permutasi yang mengelompokkan kolom-kolom di A sehingga AP = (B D), dengan B
terdiri dari kolom-kolom bebas linear dari A. Jelas bahwa rank(B) = r. Karena kolom-kolom
D juga merupakan kolom-kolom di A, ia merupakan kombinasi linear dari kolom-kolom bebas
linear di A, maka ada G dengan D = CG. Dengan demikian, AP = (B BG) = B(Ir G).
Misal C = (Ir G), jelas bahwa rank(C) = r. Sehingga terbukti ∃P matriks permutasi,
B ∈ Cm×r , C ∈ Cr×n sehingga AP = BC dengan rank(B) = rank(C) = r.
3. Dengan P1 , P2 , . . . , Pk matriks-matriks permutasi berorde n. Misalkan αi ∈ R, P

0 < αi <
k
1, i = 1, 2 . . . , k. Tunjukkan bahwa semuakomponen pada setiap baris matriks A = i=1 αi Pi
konstan, demikian pula dengan jumlah semua komponen setiap kolomnya.
n
P
Jawab  PnA ∈ R.
Misal  Definisikan notasi b (A) ∈ R sebagai jumlah baris-baris A atau
i=1 a1i
P .. Pt n
b (A) =  , dan notasi k ∈ R sebagai jumlah dari kolom-kolom A, atau
 
Pn .
a
P Pn i=1 ni Pn
k (A) = ( i=1 ai1 · · · i=1 ain ). Misal P1 , P2 , . . . , Pk matriks-matriks permutasi berorde
n, maka tiap baris/ kolomnya hanya Pmemiliki satu buah elemen tak nolPdan bernilai 1.
t n
Sehingga untuk αi ∈ R, 0 < αi < 1, b ) =(αi · · · αi ). Misal A = i=1 αi Pi , maka
(αi Pi
αi c
P P Pn Pk  .   ..  Pk
b (A) = b( i=1 αi Pi ) =
.
i=1  .  =  .  untuk suatu konstan c = i=1 αi . Hal
αi c
yang sama berlaku pada kolom.

1 2 3 4 5 6 7
4. Misalkan τ =
2 6 5 7 3 1 4
(a) Tentukan matriks

 permutasi
 P ∈ C7×7 yang memenuhi Pτ = P diag(S1 , S2 , S3 )P −1 ,
0 1 0
0 1
dimana S1 = 0 0 1 dan S2 = S3 =
1 0
1 0 0
Jawab Permutasi τ dapat ditulis dalam komposisi matriks permutasi siklis, sehingga
τ = (1 2 6)(3 5)(4 7). Misal σ suatu permutasi dengan σ = (3 4 6). Perhatikan bahwa
στ σ −1 = (1 2 3)(4 5)(6 7), sehingga Pστ σ−1 = Pσ−1 Pτ P σ = diag(S1 , S2 , S3 ). Dengan
1.4. DIKTAT PAK MUCHLIS BAB 1 15
demikian P yang memenuhi Pτ = P diag(S1 , S2 , S3 )P −1 adalah

 
1 0 0 0 0 0 0
0 1 0 0 0 0 0
 
0 0 0 1 0 0 0
 
0
Pσ =  0 0 0 0 1 0
0 0 0 0 1 0 0
 
0 0 1 0 0 0 0
0 0 0 0 0 0 1
(b) Tentukan nilai-nilai dan vektor-vektor eigen Pτ
Jawab Misal D = diag(S1 , S2 , S3 ). Nilai eigen dari D adalah solusi dari det |tIn −D| =
det |tI3 − S1 | det |tI2 − S2 | det |tI2 − S3 | = 0 yang merupakan nilai eigen dari S1 , S2 , dan
S3 . Karena S1 , S2 , S3 adalah matriks permutasi siklis berorde dua dan tiga, maka
2ijπ
nilai eigennya berbentuk e 3 , j = 0, 1, 2 dan eikπ , k = 0, 1 (Ditunjukkan pada KK 1
nomor 14). Karena Pτ serupa dengan D, mereka memilikinilai eigen yang sama, yaitu
     
 1 1 1 
2 4 2 4
{1, e 3 iπ , eiπ , e 3 iπ }. Vektor-vektor eigen untuk S1 adalah 1 , e 3 iπ  , e 3 iπ  ,
4 2
1 e 3 iπ e 3 iπ
 

1 1
dan vektor-vektor eigen untuk S2 dan S3 adalah , iπ , sehingga vektor-vektor
1 e
eigen untuk D adalah
             
 1
 1 1 0 0 0 0 
2 4 


1 e 3 iπ  e 3 iπ  0  0  0  0  
   4   2          
   iπ   iπ
1 e 3  e 3  0  0  0  0 
          

0 ,  0  ,  0  , 1 ,  1  , 0 ,  0 
             


0  0   0  1 eiπ  0  0  
              
0 0 0 1 1 

0 0
              

 

0 0 0 1 eiπ

0 0

.
 
0 1 0
5. Misalkan A = 1 0 1. Apakah terdapat matriks tak singular S sehingga S −1 sehingga
0 1 0
S −1 AS tidak simetris.
Jawab Misalkan P = S −1 AS, P dikatakan simetris jika P t = P ⇔ (S −1 AS)t = S t At (S −1 )t ) =

S −1 AS. Jelas bahwa memang At = A. Maka P simetris jika dan hanya jika S t = S −1 atau
S ortogonal.
 Maka
 dengan memilih S yang tidak ortogonal, P tidak simetris. Ambil contoh
1 1 0
S = 0 1 0, maka
0 0 1
     
1 −1 0 0 1 0 1 1 0 −1 0 −1
S −1 AS = 0 1 0 1 0 1 0 1 0 =  1 1 1
0 0 1 0 1 0 0 0 1 0 1 0
tidak simetris.
6. Misalkan A ∈ Cn×n . Tunjukkan bahwa A dapat didiagonalkan oleh matriks uniter menjadi
matriks diagonal yang semua komponen diagonal utamanya imajiner murni jika dan hanya
jika A∗ = A−1 .
Jawab
(a) Misalkan A dapat didiagonalkan oleh matriks uniter menjadi matriks diagonal yang se-
mua komponen diagonal utamanya imajiner murni, maka A = U DU ∗ dengan U matriks
uniter dan D = diag(α1 i, α2 i, . . . , αn i), αi ∈ R. Terlihat bahwa,
A∗ = (U DU ∗ )∗
= U D∗ U ∗
= U diag(−α1 i, −α2 i, . . . , −αn i)U ∗
= −U diag(α1 i, α2 i, . . . , αn i)U ∗
= −U DU ∗
= A−1
(b) Misalkan A∗ = A−1 . Misalkan juga λ1 , λ2 , . . . , λn adalah nilai-nilai eigen dari A dan
u1 , u2 , . . . , un adalah vektor-vektor eigen dari A, maka Aui = λi ui . Perhatikan bahwa
(Aui )∗ = (λi ui )∗ ⇔ −u∗i A = λi u∗i . Misalkan U matriks uniter yang terdiri dari vektor-
vektor eigen dari A, atau U = (u1 u2 · · · un ), maka,
U ∗ AU = U ∗ (Au1 Au2 · · · Aun )

= U ∗ (λ1 u1 λ2 u2 · · · λn un )
= U ∗ U diag(λ1 , λ2 , . . . , λn )
= diag(λ1 , λ2 , . . . , λn )
=D
A dapat didiagonalkan secara uniter. Perhatikan bahwa D∗ = diag(λ1 , λ2 , . . . , λn ) =

(U ∗ AU )∗ = U ∗ A∗ U = −U ∗ AU = −D, sehingga λi = −λi untuk setiap i = 1, 2, . . . , n.
Bilangan kompleks yang memenuhi z = −z hanyalah bilangan imajiner murni, maka D
terdiri dari bilangan-bilangan yang imajiner murni.

2×2 cos θ sin θ
7. Buktikan bahwa A ∈ R adalah matriks ortogonal jika dan hanya jika A =
sin θ cos θ
cos θ sin θ
atau A = untuk suatu θ ∈ R.
sin θ − cos θ
Jawab

b a
(a) Misalkan A = ∈ R2×2 matriks ortogonal, maka At A = I2 = AAT . Perhatikan
d c
bahwa 2
a + c2 ab + cd

t a c a b 1 0
AA= = =
b d c d ab + cd b2 + d2 0 1
maka a2 + c2 = b2 + d2 = 1 dan ab + cd = 0. Karena a2 + c2 = 1 merupakan persamaan
lingkaran, ia dapat dituliskan dalam bentuk parameter sehingga a = ± cos θ, c = ± sin α
atau sebaliknya, dengan θ ∈ R. Hal ini berlaku juga untuk b2 + d2 = 1 dengan bentuk
parameter b = ± cos θ, d ± sin θ atau sebaliknya. Perhatikan juga bahwa
2
a + b2 ac + bd

T a b a c 1 0
AA = = =
c d b d ac + bd c2 + d2 0 1
sehingga didapat a2 + c2 = 1 = a2 + b2 ⇔ b = ±c dan ac + bd = 0 = ab + cd ⇔ a(c − b) =

d(c−b). Dengan cara yang sama didapat sebaliknya, yaitu a = ±d dan b(d−a) = c(d−a).
Karena larangan pembagian dengan nol, dapat disimpulkan bahwa b = c jika dan hanya
jika a = −d, dan sebaliknya, a = d jika dan hanya jika b = −c. Karena yang merupakan
fungsi genap (f = −f ) adalah fungsi kosinus, kita hanya dapatkan 2 solusi, yaitu
i. a = d = cos θ dan b = c = sin θ
ii. a = −d = cos θ dan b = c = cos θ.

cos θ sin θ
Dengan demikian, A ∈ R2×2 matriks ortogonal ⇒ A = atau A =
sin θ cos θ

cos θ sin θ
untuk suatu θ ∈ R.
sin θ − cos θ

cos θ sin θ
(b) Misalkan A = . Perhatikan bahwa
sin θ cos θ

cos θ sin θ cos θ sin θ
At A =
sin θ cos θ sin θ cos θ
2
2
cos θ + sin θ 2 cos θ sin θ
=
2 cos θ sin θ sin2 θ + cos2 θ

1 0
=
0 1
=I

cos θ sin θ
maka A ortogonal. Hal yang sama berlaku untuk A =
sin θ − cos θ
8. Misalkan A matriks normal. Buktikan bahwa ruang kolom A ortogonal terhadap ruang nol
A.
Jawab Misalkan v ∈ N (A) dengan N (A) adalah ruang nol A, dan A = (c1 c2 · · · cn ) ∈
Cn×n dengan ci adalah vektor-vektor kolom di A. Perhatikan bahwa karena A normal, maka
Av = 0
∗
A Av = 0
AA∗ v = 0
A∗ v = 0
(c∗1 c∗2 · · · c∗n )t v = 0
(c∗1 v c∗2 v · · · c∗n v)t = 0
c∗i v = 0, i = 1, 2 . . . , n
Misalkan w ∈ R(A) dengan R(A) adalah ruang kolom dari A, maka dapat ditulis w =
a1 c1 + a2 c2 + · · · + an cn dengan ai ∈ C, sehingga
w∗ v = (a1 c1 + a2 c2 + · · · + an cn )∗ v
= (a1 c∗1 + a2 c∗2 + · · · + an c∗n )v
= a1 c∗1 v + a2 c∗2 v + · · · + an c∗n v
= a1 0 + a2 0 + · · · + an 0
=0
Karena untuk sembarang w ∈ R(A) dan v ∈ N (A) berlaku hw, vi = w∗ v = 0, maka
R(A)⊥N (A).
9. Misalkan A matriks normal berukuran n × n atas kompleks dan Au = λu untuk suatu skalar
∗
λ dan u ∈Cn yang n
memenuhi u u = 1. Misalkan X = (u v2 v3 · · · vn ) ∈ C uniter. Jika
∗
λ y
X ∗ AX = dengan y ∈ Cn−1 dan B berukuran n − 1 × n − 1, tunjukkan bahwa y = 0
0 B
dan BB ∗ = B ∗ B
Jawab Sudah ditunjukkan pada KK 2 nomor 3

10. Misalkan L matriks segitiga bawah. Buktikan bahwa L matriks normal jika dan hanya jika
L matriks diagonal.
Jawab Akan dibuktikan dengan induksi. Misalkan L matriks segitiga bawah berukuran
n × n.

l11 0
(a) Misal n = 2, maka L dapat ditulis L = . Perhatikan bahwa
l21 l22
|l21 |2 + |l11 |2 |l11 |2

∗ l21 l22 ∗ l11 l21
L L= 2 dan LL =
l2 2l21 |l22 l21 l11 |l21 |2 + |l22 |2
i. Misakan L normal, maka L∗ L = LL∗ , sehingga |l21 |2 = 0 ⇔ l21 = 0 dan l22 = l11 .
Dengan demikian L matriks diagonal.

l11 0
ii. Misalkan L matriks diagonal, maka l21 = 0, sehingga L = . Perhatikan
0 l22
|l11 |2

0
bahwa L∗ L = = LL∗ . Dengan demikian L matriks normal.
0 |l22 |2
(b) Misal n ≥ 3 danteorema(L normal ⇔ L diagonal) berlaku untuk ukuran Ln − 1, maka
L1 0
L dapat ditulis , dengan L1 ∈ Cn−1×n−1 , u ∈ Cn−1 , dan α ∈ C. Perhatikan
u∗ α
bahwa
L1 L∗1
∗
L1 L1 + u∗ u uα

∗ L1 u ∗
LL = dan L L =
u∗ L∗ u∗ u + |α|2 αu∗ |α|2
. Dari hipotesis induksi, karena L1 berukuran n − 1, berlaku L1 normal ⇔ L1 diagonal.
∗ ∗
i. Misalkan L normal,
L1 normal, sehingga u u = uu = 0 ⇔ u = 0. Dengan
maka
L1 0
demikian L = Karena L1 diagonal, maka L juga diagonal.
0 α

L1 0
ii. Misalkan L diagonal, maka L = dengan L1 diagonal. Karena L1 diagonal,
0 α
L1 L∗1
∗
0 L1 L1 0
maka ia juga normal. Perhatikan bahwa LL∗ = = =
0 |α|2 0 |α|2
L∗ L. Dengan demikian L normal.
Berdasarkan induksi, L normal ⇔ L diagonal berlaku untuk semua L ukuran n.
11. Misalkan A matriks normal berorde n dan x ∈ Cn . Buktikan x vektor eigen A jika dan hanya
jika x vektor eigen A∗ .
Jawab Sebelumnya, akan ditunjukkan bahwa bila matriks A dan B normal, maka A − B
juga normal. Perhatikan bahwa untuk matriks A dan B normal, (A − B) ∗ (A − B) = (A∗ −
B ∗ )(A − B) = A∗ A − BA∗ − AB ∗ + BB ∗ = A∗ A − AB ∗ −BA∗ + B ∗ B = (A − B)(A∗ − B ∗ ) =
(A − B)(A − B)∗ . Dengan demikian A − B juga normal. Misalkan A matriks normal berorde
n dan x ∈ Cn .
(a) Misalkan x vektor eigen A, maka ∃λ sehingga Ax = λx atau (A − λIn )x = 0. Karena

A dan λIn normal, dari lemma sebelumnya, maka A − λIn normal, sehingga
Ax = λx
(A − λIn )x = 0
(A − λIn )∗ (A − λIn )x = 0
(A − λIn )(A − λIn )∗ x = 0
(A − λIn )∗ x = 0
(A∗ − λIn )x = 0
A∗ x = λx
Dengan demikian x adalah vektor eigen dari A∗ untuk nilai eigen λ.

(b) Misalkan x vektor eigen A∗ , maka ∃µ sehingga A∗ x = µx atau (A∗ − µIn )x = 0. Karena
A normal, maka A∗ normal. Karena A∗ dan µIn normal, dari lemma sebelumnya, maka
A∗ − µIn normal, sehingga
A∗ x = µx
∗
(A − µIn )x = 0
(A − µIn ) (A∗ − µIn )x = 0
∗ ∗
(A∗ − µIn )(A∗ − µIn )∗ x = 0

(A∗ − µIn )∗ x = 0
(A − µIn )x = 0
Ax = µx
Dengan demikian x adalah vektor eigen dari A untuk nilai eigen µ Terbukti bahwa x
vektor eigen A ⇔ x vektor eigen A∗ .
12. Misalkan A ∈ Cn×n Tunjukkan bahwa terdapat matriks-matriks H, M ∈ Cn×n yang memenuhi
H ∗ = H, M ∗ = −M , dan A = H+M sehingga setiap matriks dapat dituliskan sebagai jumlah
dua matriks normal
Jawab Misalkan A ∈ Cn×n dengan A = [aij ]. Ambil H, M ∈ Cn×n dengan H ∗ = H dan

M ∗ = −M sedemikian sehingga hij = 21 (aij + aji ) dan mij = 12 (aij − aji ). Perhatikan bahwa
untuk setiap baris i dan kolom j, hij + mij = 21 (aij + aji ) + 21 (aij − aji ) = aij . Dengan
demikian A = H + M .
13. Misalkan A, B ∈ Cn×n definit tak-negatif dan α, β bilangan-bilangan real tak negatif. Tun-
jukkan bahwa αA + βB definit tak-negatif.
Jawab Misalkan A, B ∈ Cn×n definit tak-negatif, maka x∗ Ax ≥ 0 dan x∗ Bx ≥ 0 untuk

setiap x ∈ Cn . Perhatikan bahwa untuk suatu α, β bilangan-bilangan real tak negatif dan
x ∈ Cn , x∗ (αA+βB)x = αx∗ Ax+βx∗ Bx ≥ 0. Dengan demikian,αA+βB definit tak-negatif
.
14. Misalkan x1 , x2 , . . . , xn ∈ Cn . Misalkan komponen baris ke-i kolom ke-j matriks A ∈ Cn×n
adalah x∗j xi , i, j = 1, 2, . . . , n. Tunjukkan bahwa A definit tak-negatif.
Jawab Misalkan A = [aij ] dengan aij = x∗j xi untuk x1 , x2 , . . . , xn ∈ Cn , i, j = 1, 2, . . . , n.

Misalkan juga X = x1 x2 · · · xn . Perhatikan bahwa
x∗1 x1 x∗2 x1 x∗n x1

 
···
 x∗1 x2 x∗2 x2 ··· x∗n x2 
A= .
 
.. .. .. 
 .. . . . 
x∗1 xn x∗2 xn ··· x∗n xn
 ∗ t
x1 x1 x∗1 x2 ··· x∗1 xn
 x∗2 x1 x∗2 x2 ··· x∗2 xn 
= .
 
.. .. .. 
 .. . . . 
x∗n x1 x∗n x2 · · · x∗n xn
 ∗  t
x1
 x∗2  
=  .  x1 x2 · · · xn 
  
 ..  
∗
xn
= (X ∗ X)t = X t X
Sehingga untuk sembarang y ∈ Cn , dapat dilihat

y ∗ Ay = y ∗ X t Xy = (Xy)∗ (Xy) = kXyk2 ≥ 0
Dengan demikian, A definit tak negatif.
15. Misalkan A ∈ Cn×n matriks Hermit. Tunjukkan bahwa A definit tak-negatif jika dan hanya
jika A = B 2 , untuk suatu matriks definit tak-negatif B ∈ Cn×n . Tunjukkan bahwa dalam
hal ini B tunggal.
Jawab Misalkan A ∈ Cn×n matriks Hermit.

• Misalkan A definit tak-negatif, maka A normal sehingga dapat didiagonalkan secara
uniter. Misalkan U matriks uniter dan λi , i = 1, 2 . . . , n nilai eigen dari A, perhatikan
bahwa
A = U diag(λ1 , λ2 , . . . , λn )U ∗
p p p p p p
= U diag( λ1 , λ2 , . . . , λn )diag( λ1 , λ2 , . . . , λn )U ∗
p p p p p p
= U diag( λ1 , λ2 , . . . , λn )U ∗ U diag( λ1 , λ2 , . . . , λn )U ∗
p p p
= (U diag( λ1 , λ2 , . . . , λn )U ∗ )2
√ √ √ √
Misalkan B = U diag( λ1 , λ2 , . . . , λn )U ∗ , maka A = B 2 . Karena λk ≥ 0, maka B
definit tak negatif.
• Misalkan A = B 2 dan B definit tak negatif. Misalkan µ nilai eigen dari B. Karena B
definit tak negatif, maka µ ≥ 0. Misalkan x ∈ Cn adalah vektor eigen yang bersesuaian
dengan mu, maka
Bx = µx
BBx = Bµx
Ax = µ2 x
Karena µ2 ≥ 0, maka A definit tak negatif.
• Misalkan B, C ∈ Cn×n definit tak negatif sehingga A = C 2 dan A = B 2 Misalkan
αi , i = 1, 2 . . . , n nilai eigen dari B, maka
B 2 = U diag(α12 , α22 , . . . , αn )U ∗ = A
Misalkan βi , i = 1, 2, . . . , n nilai eigen dari C, maka
C 2 = U diag(β12 , β22 , . . . , βn )U ∗ = A
. Sehingga, αi2 = βi2 . Karena B dan C definit tak negatif, yang artinya α, β ≥ 0, maka
hal tersebut hanya menghasilkan satu kemungkinan, yaitu α = β. Karena B dan C
punya nilai eigen yang sama, maka B = C, sehingga eksistensi B unik.
Dengan demikian, A definit tak negatif ⇔ A = B 2 untuk suatu B matriks definit tak negatif
unik.
16. Misalkan A definit tak-negatif. Buktikan bahwa Ak definit tak-negatif untuk semua bilangan
asli k.
Jawab Misalkan A definit tak-negatif, maka λ ≥ 0 dengan λ nilai eigen dari A. Misalkan
x vektor eigen yang bersesuaian dengan λ. Perhatikan bahwa
Ax = λx
AAx = λAx
A2 x = λ 2 x
..
.
Ak x = λ k x dengan k ∈ N
Karena λ ≥ 0, maka λk ≥ 0. Dengan demikian Ak definit tak negatif.

 
1 2 3
17. Tunjukkan bahwa matriks A = 2 8 12 definit positif. Kemudian dapatkan faktorisasi
3 12 27
Cholesky untuk A.
 
1 2 3
Jawab Misalkan A = 2 8 12.
3 12 27
• Dari nomor 8(b) pada KK 3 diketahui bahwa syarat perlu dan cukup untuk A agar
definit positif adalah setiap submatriks utama pemuka dari A positif. Dapat kita periksa
satu per satu,
|1| = 1 > 0
1 2
=8−4=4>0
2 8
1 2 3
8 12 2 12 2 8
2 8 12 = 1 −2 +3 = 72 − 36 + 0 = 36 > 0
12 27 3 7 3 12
3 12 27
Karena semua submatriks utama pemukanya positif, maka A definit positif.
• Kita dapat mencari faktorisasi Choleskynya
menggunakan konstruksi
bukti nomor
8(d)
B u 1 2 3
pada KK 3. Kita partisi A menjadi dengan B = ,U = , dan α =
u∗ α 2 8 12
∗
27. Untuk suatu L1 matriks segitiga bawah,
q kita dapat menuliskan B = L1 L1 dengan
√ det(B)
l11 = 1 = 1, l21 = √21 = 2, dan l22 = = 2. Kemudian kita dapat memilih
1
L1 0 −1 1 0 3
suatu matriks segitiga bawah L = , dengan v = L1 u = =
v∗ β −1 1/2 12

3
q q
det(A)
dan β = det(B) = 36 4 = 3. Sehingga,
3
    
1 0 0 1 2 3 1 2 3
LL∗ = 2 2 0 0 2 3 = 2 8 13 = A
3 3 3 0 0 3 3 12 27
merupakan faktorisasi Cholesky untuk A.

1.5 Tugas Tambahan

1. Misalkan A adalah himpunan dengan elemen hingga dan T adalah suatu pemetaan dari A
ke A yang satu-satu. Tunjukkan bahwa T pada.
Jawab Misalkan A = {a1 , a2 , . . . , an }. Karena T satu-satu, maka pastilah untuk i 6= j,

T (ai ) = T (aj ) ⇒ ai = aj , sehingga setiap i ∈ {1, 2, . . . , n} pasti memiliki pasangan unik
i ∈ {1, 2, . . . , n}. Maka, untuk suatu ai ∈ A, pasti ada aj ∈ A sehingga T (aj ) = ai . Dengan
demikian T pada.
2. Misalkan A = {1, 2 . . . , n} dan Q = {(q1 , q2 , . . . , qn )|qi ∈ A, i 6= j ⇒ qi 6= qj )}. Misalkan juga
P matriks permutasi berukuran n × n, tunjukkan untuk suatu u ∈ Q, P u ∈ Q.
Jawab Karena P adalah matriks permutasi, maka tiap baris memiliki elemen tak nol berni-
lai satu secara unik pada tiap baris/kolomnya. Dengan demikian, untuk setiap i, j dimana
pij = 1, elemen ke-i dari P u merupakan elemen ke-j dari u, sehingga setiap elemen P u juga
merupakan elemen berbeda dari A, maka P u ∈ Q.
3. Tuliskan bentuk umum dari P A dan AP untuk A suatu matriks n × n dan P matriks
permutasi n × n.
Jawab
(a) Kasus perkalian P A
a01
 
 a02 
A dapat dtulis dalam bentuk A =  .  dengan a0i = (ai1 ai2 · · · ain ). Karena
 
 .. 
a0n
Pij = δjσ(i) , maka a0i P = (ai σ(1) ai σ(2) · · · ai σ(n)) yang berarti merupakan permutasi
0
dari posisi urutan a0i . 
Hal ini berlaku sama untuk semua i ∈ {1, 2, . . . , n}. Dengan
ai P
 a02 P 
demikian, AP =  .  merupakan matriks hasil pertukaran kolom-kolom dari A.
 
 .. 
a0n P
(b) Kasus Perkalian AP  
a1i
 a2i 
A dapat ditulis dalam bentuk A = (a001 a002 · · · a00n ) dengan a00i =  .  Karena Pij =
 
 .. 
ani
 
aσ−1 (1)i
 aσ−1 (2)i 
δσ−1 (i)j , maka P ai =   merupakan invers permutasi dari posisi urutan a00i .
 
..
 . 
aσ−1 (n)i
Hal ini berlaku untuk semua i. Dengan demikian, P A = (P a001 P a002 · · · P a00n ) merupakan
matriks hasil pertukaran baris-baris di A.
4. Tunjukkan bahwa dari suatu permutasi dapat diperoleh suatu matriks permutasi secara tung-
gal
Jawab Misal dari σ diperoleh matriks permutasi A dan B, akan ditunjukkan bahwa A = B.
Untuk setiap baris ke-i dan kolom ke-j dari A, didapat aij = δσ(i)j . Demikian pula B, didapat
bij = δσ(i)j . Karena pada baris dan kolom yang sama, A dan B sama-sama memiliki nilai
δσ(i)j , maka aij = bij untuk setiap baris dan kolom di kedua matriks. Artinya setiap entri di
A sama dengan setiap entri di B, dengan demikian A = B.
1.5. TUGAS TAMBAHAN 23
5. Bila Pσ adalah matrix permutasi, apa makna dari pij = δiσ(j) ?
Jawab Fungsi kronicker delta δi j akan bernilai satu jika i = j dan nol selain itu, maka
pij = δiσ(j) akan bernilai satu jika i = σ(j) dan nol lainnya. Makna matriks permutasi sendiri
secara tidak langsung adalah pemetaan permutasi dari indeks baris ke indeks kolomnya,
sedangkan yang terjadi pada pij = δiσ(j) adalah sebaliknya, yaitu permutasi dari indeks
kolom ke indeks barisnya. Sehingga, pij = δiσ(j) merupakan entri dari transpose Pσ .
6. Apakah δiσ(j) sama dengan δjσ(i) . Jika iya, lalu mengapa pak Muchlis menggunakan notasi
kedua?
Jawab Tidak sama.
7. Tunjuukan bahwa Pσt = Pσ−1 .
Jawab Misal Pσ matriks permutasi, maka untuk suatu i dan j dimana pij = 1, σ(i) = j
atau i = σ −1 (j). Misalkan Pσt = Pτ dengan τ suatu permutasi. Karena Pσt memiliki entri
p0ij = pji , maka untuk suatu i dan j dimana p0ij = pji = 1, τ (i) = σ −1 (i), sehingga p0ij =
δjτ (i) = δjσ−1 (j) yang merupakan entri dari Pσ−1 . Dengan demikian, Pσt = Pτ = Pσ−1 .
2πik
8. Tunjukkan bahwa solusi dari λn − 1 = 0 adalah λk = e n , dengan k = 1, 2, . . . , n.
Jawab Dalam bentuk polar, λ dapat dituliskan berbentuk λ = r(cos θ + i sin θ = reiθ
dengan r = |λ| dan θ = arg(λ). Maka,
λn − 1 = 0
λn = 1
rn eniθ = |1|ei(arg(1))
2kπ
Sehingga rn = |1| = 1 ⇔ r = 1 dan nθ = arg(λ) = arg(1) = 2kπ ⇔ θ = n . Dengan
2kπ
demikian, λ = reiθ = e n
9. Tunjukkan bahwa eiθ = cos θ + i sin θ.
Jawab Dengan menggunakan ekspansi taylor, kita dapatkan

∞
X (ix)n
eiθ =
n=0
n!
∞ ∞
X (−1)n x2n X (−1)n−1 x2n−1
= +i
n=0
(2n)! n=1
(2n − 1)!
= cos x + i sin x
10. Tunjukkan F ∗ F = nIn , dengan F adalah matriks yang terdirbsii dari vektor-vektor eigen
dari suatu matriks permutasi C.
Jawab Karena vektor eigen untuk nilai eigen wk dari suatu matriks permutasi berbentuk
 
1
 wk 
vk = 

..


 . 
w(n−1)k
2ikπ
dengan wk = e n , k = 0, 1, 2, . . . , n − 1, maka
1 1 ··· 1
 
2iπ
1 e n ··· e2iπ 
F =  .. .. ..
 
.. 
. . . . 
2iπ(n−1)
1 e n ··· e2iπ(n−1)
Sehingga, perhatikan bahwa
1 1 ··· 1 1 1 ··· 1
  
2πi(n−1) 2iπ
1 2πi
e− n ··· e − n
 1
  e n ··· e2iπ 
G = F ∗F =  .   .. .. ..
 
.. .. .. ..
 ..

. . .  . . . . 
2iπ(n−1)
1 e−2πi ··· e −2πi(n−1)
1 e n ··· e2iπ(n−1)
Terlihat bahwa komponen diagonal ke-t dari matriks G berbentuk

n−1 n−1
2itkπ 2itkπ
X X
Gtt = (e n e− n )= (1) = n
k=0 k=0
Sedangkan untuk komponen selain diagonal (baris ke-t dan kolom ke-s dengan t 6= s), karena
Pn−1 2iklπ
selalu berbentuk k=0 (e n ) untuk suatu l = |t−s|, yang merupakan deret geometri dengan
2ilπ
nilai awal 1 dan rasio e n , entrinya dapat dihitung menjadi
a(1 − rm )
Gts =
1−r
2ilπ
1−e n n
= 2ilπ
1−e n
1 − e2ilπ
= 2ilπ
1−e n
1−1
= 2ilπ
1−e n
=0
 
n 0 ··· 0
0 n ··· 0
Dengan demikian, G = F ∗ F =  . ..  = nIn
 
.. ..
 .. . . .
0 0 ··· n
1.6. SOAL UJIAN 25
1.6 Soal Ujian

1. Diberikan matriks permutasi  
1 0 0 0
0 0 1 0
P =
 
0 1 0 0
0 0 0 1
Tentukan matriks uniter U dan matriks diagonal D sehingga P = U DU ∗ [U1 S2 ’11/’12]
2. Misalkan A = B −1 B ∗ untuk suatu matriks B ∈ Cn×n yang tak singular. Jika B berbentuk
B = HN H, dengan N ∈ Cn×n merupakan matriks normal dan H ∈ Cn×n matriks Hermit
dan keduanya tak singular, buktikan A similar dengan suatu matriks uniter. [U1 S2 ’11/’12]
3. Misalkan v1 , · · · , vk ⊂ Cn×n . Definisikan matriks G = [gij ] ∈ Ck×k dimana gij = vj∗ vi =
hvj , vi i. [U1 S2 ’11/’12]
(a) Buktikan bahwa G merupakan matriks Hermit.
(b) Buktikan G merupakan matriks definit tak negatif.
4. Misalkan A ∈ Cn×n matriks Herimit. Tunjukkan bahwa A definit tak negatif jika dan hanya
jika A = BB untuk suatu matriks definit tak negatif B ∈ Cn×n . [U2 S2 ’11/’12]
5. Misalkan A ∈ Cn×n memenuhi Ae = e. Jika setiap kolom A memiliki tepat satu komponen
tak nol, buktikan bahwa A matriks permutasi. [UTS S1 ’12/’13]
 
1 2 3
6. Apakah matriks A = 2 8 0  definit positif? Jika ya, berikan sebuah faktorisasi
3 0 27
Cholesky untuk A. [UTS S1 ’12/’13]
7. Misalkan V suatu ruang hasil kali dalam atas lapangan kompleks yang berdimensi n (hingga).
Suatu operator pada V
T :V →V
disebut operator yang adjoint dengan diri sendiri jika berlaku
hT (u), vi = hu, T (v)i
untuk semua u, v ∈ V . Buktikan bahwa suatu operator T yang adjoint dengan diri sendiri
jika dan hanya jika terdapat satu basis ortonormal B sehingga matriks representasi [T ]B
adalah hermit. [UTS S1 ’13/’14]
8. Misalkan A ∈ Cn×n . Buktikan bahwa terdapat B, C ∈ Cn×n normal sehingga
A=B+C
[UTS S1 ’13/’14]
9. Suatu matriks N ∈ Cn×n disebut nilpotent jika terdapat bilangan bulat positif k sehingga
Ak = 0. Misalkan N matriks nilpotent. Biktikan bahwa N hermit jika dan hanya jika N = 0.
[UTS S1 ’13/’14]
10. Diketahui A ∈ Cn×n matriks Hermit dfinit positif dengan nilai karakteristik
0 < λ1 ≤ λ2 ≤ · · · ≤ λn
dan 1 ≤ k < n. Biktikanbahwa terdapat matriks B Hermit definit tak negatif dengan
Rank(B) = n − k yang memenuhi sifat
x∗ (A − B)x ≤ λk
untuk semua x ∈ Cn dengan kxk = 1. [UTS S1 ’13/’14]

11. Misalkan Pσ matriks permutasi, dan λ sembarang nilai eigen matriks Pσ . Buktikan
ma (λ) = mg (λ)
dimana ma (λ) adalah multiplisitas aljabar dari λ dan mg (λ) adalah multiplisitas geometri
dari λ. [U1 S2 ’13/’14]
12. Misalkan A matriks real berukuran 3 × 3 dengan nilai eigen λ1 = 2 dan λ2 = 3 dan ruang
eigen    
 1   1 
Eλ1 = span 0 dan Eλ2 = span  0 
1 −1
   
Buktikan bahwa xt Ax > 0 untuks setiap x ∈ R3 , x 6= 0. [U1 S2 ’13/’14]

∗
13. Misalkan A ∈ Cn×n matriks normal. Buktikan Ax = 0 jikadan hanya jika
Ax = 0.
0 1 0 0
Dengan kata lain ruang nol A dan A∗ sama. Gunakan matriks dan untuk
0 0 1 0
menunjukkan bahwa secara umum tidak selalu berlaku. [U1 S1 ’14/’15]
14. (a) Misalkan A1 , . . . , An matriks-matriks definit tak negatif. Buktikan bahwa searang kom-
binasi linear dari A1 , . . . , An adalah matriks definit tak negatif.
(b) Apakah hal yang sama berlaku bila A1 , . . . , An matriks-matriks definit positif?
[U1 S1 ’14/’15]
Chapter 2
Faktorisasi Matrix
27
28 CHAPTER 2. FAKTORISASI MATRIX
2.1 Kertas Kerja 4

1. Apakah definisi dan contoh dari nilai singulir, vektor singulir, dan dekomposisi nilai singulir
dari suatu matriks.
Jawab Misalkan A ∈ Cm×n . Misalkan juga suatu bilangan asli r ≤ min(m, n), suatu
matriks diagonal D = diag(α1 , α2 , . . . , αr ) dengan αi ∈ R+ , dan matriks-matriks U ∈
Cm×r , V ∈ Cn×r yang memenuhi U ∗ U = Ir = V ∗ V dengan U = (u1 u2 · · · ur ) dan
V = (v1 v2 · · · vr ), maka untuk i = 1, 2, . . . , r, αi disebut sebagai nilai singulir dari A,
ui [vi ] disebut sebagai vektor singulir kiri[kanan] dan dekomposisi A = U DV ∗ disebut seba-
gai dekomposisi nilai singulir. Contoh : λ = 5 adalah nilai
singulir dari matriks A = (1 2)
1
dengan U = (1) sebagai vektor singulir kiri dan V = 5 sebagai vektor singulir kanannya,
2
5
∗
sehingga A = U diag(λ)V .
2. Tentukan dekomposisi matriks singulir dari suatu matriks tak nol. Jelaskan proses pemben-
tukannya.

11 1 3 3
Jawab Misalkan A = . Perhatikan bahwa AA∗ = , memiliki nilai eigen
11 1 3 3

1 1
6 dan 0 dengan vektor eigen masing-masing adalah dan . Dapat dibentuk suatu
1 −1
matriks diagonal berelemen diagonal positif dari nilai eigen yang positif sehingga D = (6)
dan suatu matriks yang memenuhi U ∗ U = I dari !vektor eigen ternormalkan yang terkait
√1
dengan nilai eigen yang positif sehingga U = √1
2 . Dapat dilihat bahwa AA∗ = U DU ∗ .
2
Selanjutnya akan
 √ditentukan
 suatu matriks V yang memenuhi V ∗ V = I dengan V = A∗ U D
2
 √6 
sehingga V =  62 . Dengan demikian, dekomposisi matriks singulir yang terbentuk dari
√
2
6 !
√1 √ √ √
∗ 2 2 2 2
A adalah A = U DV = √1
(6) 6 6 6 .
2
3. Tunjukkan bahwa setiap matriks tak nol dapat didekomposisi menjadi U DV ∗ dengan U ∗ U =
I = V ∗ V dan D adalah matriks diagonal dengan komponen diagonal utamanya positif.
Jawab Misalkan A ∈ Cm×n adalah matriks tak nol. Perhatikan bahwa AA∗ = (AA∗ )∗ ,
maka AA∗ adalah matriks hermit sehingga dapat didiagonalkan menjadi AA∗ = W ΛW ∗
dengan Λ matriks diagonal yang terdiri dari nilai-nilai eigen AA∗ . dan W matriks uniter
yang terdiri dari vektor-vektor eigen AA∗ . Dapat dilihat bahwa
AA∗ = W ΛW ∗ = W (P −1 P )Λ(P −1 P )W ∗ = (W P −1 )(P ΛP −1 )(P W ∗ )
dengan P suatu
2 matriks
permutasi yang mengatur baris dan kolom Λ sedemikian sehingga
D 0
P ΛP −1 = dan D suatu matriks diagonal yang terdiri dari akar nilai-nilai eigen
0 0
positif AA∗ . Maka, W P −1 akan menukar kolom-kolom di W sedemikian sehingga W P −1 =
(U T ) dengan U terdiri dari vektor-vektor eigen yang terkait dengan nilai-nilai eigen positif
AA∗ dan T terdiri dari vektor-vektor eigen yang terkait dengan nilai eigen nol AA∗ . Aki-
batnya, AA∗ = U D2 U ∗ . Perhatikan
∗ bahwa∗ karena
W dan P uniter, maka W P −1 = (U T )
U U U T
juga uniter atau (U T )∗ (U T ) = = I, sehingga U ∗ U = I. Dengan mengambil
T ∗U T ∗T
V = A∗ U D−1 , dapat dilihat bahwa
V ∗ V = (A∗ U D−1 )∗ (A∗ U D−1 )

= D−1 U ∗ AA∗ U D−1
= D−1 U ∗ (U D2 U ∗ )U D−1
=I
dan
U DV ∗ = U D(A∗ U D−1 )∗ = U DD−1 U ∗ A = A
Dengan demikian, setiap matriks tak nol dapat didekomposisi menjadi U DV ∗ dengan U ∗ U =
I = V ∗ V dan D adalah matriks diagonal dengan komponen diagonal utamanya positif.
4. Misalkan A ∈ Cm×n dengan m ≤ n. Konstruksilah suatu matriks definit tak-negatif P dan

matriks U dengan U U ∗ = I yang memenuhi P U = A dan rank(P ) = rank(A).
Jawab Misalkan A ∈ Cm×n dengan m ≤ n. Dari nomor 3, A dapat didekomposisi menjadi

A = W1 D1 V1 dengan W1∗ W1 = I = V1∗ V1 dan D adalah matriks diagonal dengan komponen
diagonal utamanya positif. Kita perluas ketiga matriks hingga semua berukuran m × m
menjadi D = diag(D1 , 0) ∈ Cm×m , W = (W1 W2 ) ∈ Cm×m , dan V = (V1 V2 ) ∈ Cm×m
sehingga W uniter dan V ∗ V = I. Maka A dapat dituliskan dalam dekomposisi baru yaitu
A = W DV ∗ . Dengan mengambil P = W DW ∗ ∈ Cm×m dan U = W V ∗ ∈ Cm×n . Karena P
serupa dengan D yang memiliki nilai eigen tak negatif, maka P definit tak negatif. Karena
D juga serupa dengan A, maka baik P , D, maupun A punya rank yang sama. Perhatikan
bahwa U U ∗ = W V ∗ V W ∗ = I, rank(P ) = rank(A) = m (Ditunjukkan pada nomor 4 Tugas
Tambahan 2) dan P U = W DW ∗ W V ∗ = W DV ∗ = A. Dalam hal ini P unik (Ditunjukkan
pada nomor 3 Tugas Tambahan 2)
5. Tunjukkan bahwa setiap matriks dapat difaktorkan menurut dekomposisi Schur.
Jawab Untuk suatu matriks A ∈ Cn×n , teorema Schur mengatakan bahwa ada matriks
uniter U ∈ Cn×n dan matriks segitiga atas R ∈ Cn×n sehingga A = U RU ∗ .
Bukti. Akan ditunjukkan dengan induksi. Misalkan A ∈ Cn×n .
(a) Misal n = 2. Misalkan λ adalah nilai eigen dari A dengan vektor eigen ternormalkan
yang berkaitan dalah u. Ambil v ∈ Cn yang ortornormal dengan u sehingga U = (u v)
menjadi suatu matriks uniter. Perhatikan bahwa
∗
∗ u
U AU = A u v
v∗
∗
u Au u∗ Av

=
u∗ Av v ∗ Av
∗
u λu u∗ Av

=
u∗ λv v ∗ Av
λ u∗ Av

=
0 v ∗ Av
=R
maka A = U RU ∗ dengan R suatu matriks segitiga atas.

(b) Misal n ≥ 3 dan dekomposisi berlaku pada A berukuran n − 1. Misalkan W = (w W1 )
adalah matriks uniter dengan w adalah vektor eigen dari A terkait nilai eigen λ dan
W1∈ Cn×n−1 adalah matriks yang kolom-kolomnya saling ortonormal, maka A =
λ x∗

W W ∗ dengan x ∈ Cn dan B ∈ Cn−1×n−1 . Berdasarkan hipotesis induksi,
0 B
B dapat didekomposisi Schur menjadi B = V SV ∗ denganV matriks

uniter dan S
1 0
matriks segitiga atas. Maka mengambil U = (w W1 V ) = W ,
0 V∗
x∗

∗ ∗ λ
U AU = (w W1 V ) W W ∗ (w W1 V )
B0
λ x∗

1 0 ∗ ∗ 1 0
= W W W W
0 V∗ 0 B 0 V
∗

1 0 λ x 1 0
=
0 V∗ 0 B 0 V
∗

λ x
=
0 V ∗ BV
λ x∗

=
0 S
=T
Karena S matriks segitiga atas, maka T juga segitiga atas. Dengan demikian, A =
UTU∗
6. Tentukan syarat suatu matriks agar dapat difaktorkan menurut dekomposisi LU atau QR.
Berikan penjelasannya.
Jawab
(a) Syarat suatu matriks A dapat didekomposisi LU adalah determinan submatriks utama
pemukanya yang berorde k, dengan k = 1, 2, . . . , rank(A), tak nol.
Bukti. Misalkan A = [aij ] tak-singular. Perhatikan  untuk n = 2, dekomposisi LU

1 0
yang dapat dilakukan berbentuk A =   a11 a12
, maka
0 a22 − a12 a21 /a11
a21 /a11 1
a11 6= 0, sehingga det(S) 6= 0 untuk S submatriks utama pemuka A. Sedangkan per-

B w
hatikan untuk n ≥ 3, dekomposisi LU yang dapat dilakukan berbentuk A = =
z∗ α
L−1

L1 0 U1 1 w
∗ −1 dengan B ∈ Cn−1×n−1 adalah submatriks utama
z U1 1 0 α − z ∗ U1−1 L−11 w
pemuka A yang memiliki dekomposisi LU berbentuk B = L1 U1 . Karena U1 maupun
L1 harus memiliki invers, maka keduanya tak singular, sehingga B juga harus tak sin-
gular. Hal yang sama berlaku secara induktif hingga n = 2. Selebihnya, misalkan A
singular dengan rankr, maka setiap kolom/baris di A dapat dituliskan dalam kombinasi
linear kolom-kolom/baris-baris yang bebas linear di A. Misalkan B =∈ Cr×r adalah
submatriks utama pemuka A yang terdiri dari kolom-kolom/baris-baris
yang bebas lin-
B X B BC
ear tersebut, maka A dapat ditulis A = = . Agar A dapat
Y Z EB EBC
didekomposisi secara LU , B harus dapat juga didekomposisikan
menjadi B = L1 U1
L1 U1 L1 U1 C L1 0 U1 U1 C
sehingga A = = . Dengan demikian, B
EL1 U1 EL1 U1 C EL1 0 0 0
haruslah tak singular. Hal ini berlaku secara induktif seperti kasus tak singular hingga
n = 2.
(b) Syarat suatu matriks A ∈ Cm×n dapat didekomposisi QR adalah memiliki rank(A) = n
dan Q ∈ Cm×n memenuhi Q∗ Q = In .
 
a1 i
Bukti. Misalkan A = (a1 a2 · · · an ) dengan ai =  ...  , i = 1, 2, . . . , n. Dekom-
 
am i
posisi QR adalah proses ortonormalisasi Gram-Schmidt dalam bahasa matriks. Maka
dilakukan proses Gram-Schmidt pada kolom-kolom di A menjadi
a1
q1 = dengan α1 = ka1 k
α1
a2 − hq1 , a1 iq1
q2 = dengan α2 = ka2 − hq1 , a1 iq1 k
α2
..
.
Pn−1 n−1
an − i=1 hqi , an iqi X
qn = dengan αn = an − hqi , an iqi
αn i=1
sehingga
a1 = q1 α1
a2 = hq1 , a2 iq1 + q2 α2
..
.
an = hq1 , an iq1 + hq2 , an iq2 + · · · + hqn−1 , an iqn−1 + qn αn
dengan demikian
A = (a1 a2 · · · an )
= ((q1 α1 ) (hq1 , a2 iq1 + q2 α2 ) · · ·
(hq1 , an iq1 + hq2 , an iq2 + · · · + hqn−1 , an iqn−1 + qn αn ))
 
α1 hq1 , a2 i · · · hq1 , an i
0 α2 · · · hq2 , an i
= (q1 · · · qn )  .
 
. .. .. 
 .. .. . . 
0 0 ··· αn
= QR
Perhatikan bahwa karena Q terdiri dari kolom-kolom yang membentuk basis ortonormal
(hasil dari proses Gram-Schmidt), maka Q∗ Q = In . Karena itu pula, kolom-kolom Q
bebas linear, dan karena semua kolom A dapat dituliskan dalam kombinasi linear kolom-
kolom di Q, maka jumlah kolom di Q merupakan rank dari A, yaitu n.
7. Tunjukkan bahwa Refleksi Householder H adalah matriks hermite yang memenuhi H 2 = In .
2vv ∗
Jawab Misalkan H adalah suatu Refleksi Householder, maka H = In − kvk2 . Karena
∗ ∗ ∗ ∗
2vv ∗ 2(vv ) 2vv
H ∗ = (In − 2
) = In∗ − 2
= In − =H
kvk kvk kvk2
maka H hermite. Perhatikan bahwa
2vv ∗ 2vv ∗
H 2 = (In − )(In − )
kvk2 kvk2
2vv ∗ 2vv ∗ vv ∗
= In − 4 + 4
kvk2 kvk4
∗
2vv 2vkvk2 v ∗
= In − 4 + 4
kvk2 kvk4
∗
2vv 2vv ∗
= In − 4 2
+4
kvk kvk2
= In
8. Tunjukkan setiap matriks dapat didekomposisi menjadi matrks Heissenberg dan uniter.
Jawab Misalkan A ∈ Cn×n . Kita dapat dekomposisi A menjadi matriks Heissenberg dan
matriks uniter dengan menggunakan Refleksi Householder. Definisikan suatu refleksi House-
∗
holder Hv = In − 2vv n
v ∗ v dengan v ∈ C dan v 6= 0. Sebelumnya kita akan tunjukkan lemma
bahwa untuk v = x ∓ kxke1 , Hv x = ±kxke1 .
Bukti. Salah satu kegunaan refleksi Householder adalah untuk mengubah sebarang vektor
tak nol menjadi vektor yang semua elemennya bernilai nol kecuali elemen pertama. Maka
kita andaikan Hv x = ke1 dengan k ∈ R. Misal v = x − αe1 dengan α ∈ R, perhatikan bahwa
2vv ∗

Hv x = In − ∗ x
v v
2vv ∗

ke1 = x − x
v∗ v
∗
2v x
=x− v
v∗ v
2(x − αe1 )∗ x

=x− (x − αe1 )
(x − αe1 )∗ (x − αe1 )
2(x∗ − αe∗1 )x

=x− (x − αe1 )
(x∗ − αe∗1 )(x − αe1 )
2(kxk2 − αx1 )

=x− (x − αe1 )
kxk2 − 2αx1 + α2
2(kxk2 − αx1 ) 2(kxk2 − αx1 )

= 1− x+ αe1
kxk2 − (2αx1 + α2 kxk2 − 2αx1 + α2
maka, karena x dan e1 bebas linear,
2(kxk2 − αx1 )

1− =0
kxk2 − 2αx1 + α2
2(kxk2 − αx1 )

=1
kxk2 − 2αx1 + α2
2(kxk2 − αx1 ) = kxk2 − 2αx1 + α2
kxk2 = α2
α = ±kxk
sehingga didapat k = α = ±kxk2 . Dengan demikian, v = x ∓ kxke1 dan Hv x = ke1 =

±kxke1
 
a21
a11 A12
Selanjutnya, misalkan A = dapat kita ambil x(1) = A21 =  ... . Dari lemma
 
A21 B1
an1
sebelumnya, untuk v (1) = x(1) ∓ kx(1) ke1 , didapat Hv(1) x(1) = ±kx(1) ke1 . Kita konstruksi
suatu matriks

(1) 1 0 1 0
A = A
0 Hv(1) 0 Hv(1)

1 0 a11 A12 1 0
=
0 Hv(1) A21 B1 0 Hv(1)

a11 A12 Hv(1)
=
±kx(1) ke1 Hv(1) B1 Hv(1)
!
(1) (1)
(1) n−1×n−1 (1) c11 C12
Misalkan C = Hv(1) B1 Hv(1) ∈ C , maka C = (1) . Melakukan hal
C21 B2
 (1) 
c21
(1)  . 
yang sama seperti sebelumnya, dengan mengambil x(2) = C21 =  .. 

, didapat
(1)
c(n−1)1
Hv(2) x(2) = ±|x(2) ke1 untuk v (2) = x(2) ∓ kx(2) ke1 , sehingga dapat kita konstruksikan lagi
matriks
   
1 0 0 1 0 0
A(2) = 0 1 0  A(1) 0 1 0 
0 0 Hv(2) 0 0 Hv(2)
 
a11 A
12 Hv(1)

= 1 0 1 0 
±kx(1) ke1 C (1)
0 Hv(2) 0 Hv(2)
 
a11 A12 Hv(1) !
(1) (1)
= 1 0 c11 C12 1 0
 
±kx(1) ke1

0 Hv(2) (1) 0 Hv(2)
C21 B2
 
a11 a12 Hv(1) A13 Hv(1)
(1) (1)
= ±kx(1) k c11 C12 Hv(2) 
0 ±kx(2) ke1 Hv(2) B2 Hv(2)
Dengan iterasi yang sama hingga n kali, akan didapat suatu konstruksi matriks
 
1 0 ··· 0  
0 1 ··· 0  1 ··· 0
  .. . . .. 
A(n) = .

.. .. ..  . . . 
 .. . . . 
0 · · · Hv(n−1)
0 0 ··· Hv(n)

1 0 1 0
··· A ···
0 Hv(1) 0 Hv(2)
 
  1 0 ··· 0
1 ··· 0
..  0 1 · · · 0 

 .. . . 
. . . .. 
 .. .. . . .
. .  
. 
0 · · · Hv(n−1)
0 0 · · · Hv(n)
···
 
a11 a12 Hv(1) a13 Hv(1) a1n Hv(1)
±kx(1) k (1) (1) (1)
 c11 c12 Hv(2) ··· c1(n−1) Hv(2) 
(2) (2)
±kx(2) k
 
=  0 c11 ··· c1(n−2) Hv(3) 
 .. .. .. .. .. 
 . . . . . 
0 0 0 ··· Hv(n) Bn Hv(n)
(i)
yang merupakan matriks Heissenberg. Perhatikan bahwa  Hv , ∀i =
 Refleksi Householder
1 0 ··· 0
0 1 · · · 0 
1 0
1, 2, . . . , n selalu uniter (berdasarkan nomor 7), maka U =  . . . · · ·
 
..
 .. .. .. 0 Hv(1)

. 
0 0 · · · Hv(n)
(n) ∗
juga uniter. Dengan demikian, A = U A U dengan U matriks uniter dan A(n) matriks
Heissenberg.

1. Misalkan λ ∈ R, λ > 0. Tunjukkan bahwa λ nilai karakteristik AA∗ jika dan hanya jika λ
nilai A∗ A.
Jawab
(a) Misalkan λ adalah nilai karakteristik dari AA∗ , maka
AA∗ x = λx
A AA∗ x = λA∗ x
∗
A∗ Ay = λy
Maka λ adalah nilai karakteristik dari A∗ A

(b) Misalkan λ adalah nilai karakteristik dari A∗ A, maka
A∗ Ax = λx
AA∗ Ax = λAx
AA∗ y = λy
Maka λ adalah nilai karakteristik dari AA∗
Dengan demikian, λ nilai karakteristik dari AA∗ ⇔ λ nilai karakteristik dari A∗ A
2. Misalkan A ∈ Cn×n memenuhi A∗ = −A.
(a) Apa saja yang bisa dikatakan tentang nilai-nilai karakteristik A?
Jawab Perhatikan bahwa
Ax = λx
−Ax = −λx
A∗ x = −λx
Sehingga nilai karakteristik A adalah negatif dari nilai karakteristik A∗

(b) Tentukan dekomposisi nilai singulir untuk A
Jawab Misalkan λ2i , i = 1, 2, . . . , r adalah nilai eigen dari AA∗ . Secara umum, A
memiliki dekomposisi nilai singulir A = U DV ∗ dengan D = diag(λ1 , λ2 , . . . , λr ) ∈
Rn×n , U, V ∈ Cn×n . Perhatikan bahwa bila A∗ = −A, dekomposisi nilai singulirnya
dapat berbentuk
A = U DV ∗
A∗ = (U DV ∗ )∗
−A = V DU ∗
A = V D0 U ∗
dengan D0 = diag(−λ1 , −λ2 , . . . , −λr )
3. Berikan bukti alternatif untuk teorema 2.1.2 dengan pertama-tama mendiagonalisasi A∗ A

Jawab Teorema 2.1.2 mengatakan bahwa untuk A ∈ Cm×n , A 6= 0, ada bilangan asli
(r×r)+
r ≤ min(m, n), matriksdiagonal
D∈R , dan matriks-matriks uniter U ∈ Cm×m , V ∈
D 0
Cn×n , sehingga A = U V ∗.
0 0
Bukti alternatif. Perhatikan bahwa A∗ A hermit, maka A∗ A = U ΛU ∗ , dengan Λ =

diag(λ1 , λ2 , . . . , λn ) untuk λi merupakan nilai eigen A∗ A dan selalu bernilai real tak negatif.
Dapat dilihat bahwa
A∗ A = U ΛU ∗ = U (P −1 P )Λ(P −1 P )U ∗ = (U P −1 )(P ΛP −1 )(P U ∗ )
dengan P suatu
2 matriks
permutasi yang mengatur baris dan kolom Λ sedemikian sehingga
−1 D 0
P ΛP = dan D suatu matriks diagonal yang terdiri dari akar nilai-nilai eigen
0 0
positif A∗ A. Maka, U P −1 akan menukar kolom-kolom di W sedemikian sehingga U P −1 =
(U1 U2 ) dengan U1 terdiri dari vektor-vektor eigen yang terkait dengan nilai-nilai eigen positif
A∗ A. Dengan demikian berlaku U1∗ U1 = 1, U1∗ U2 = 0, dan A∗ A = U1 D2 U1∗ , sehingga
A∗ AU2 = 0 ⇒ AU2 = 0. Dapat dilihat juga karena I = U U ∗ = U1 U1∗ + U2 U2∗ , maka
U1 U1∗ = I − U2 U2∗ . Kita definisikan V1 = AU1 D−1 ∈ Cm×r . Perhatikan bahwa
V1∗ V1 = (AU1 D−1 )∗ AU1 D−1

= (D−1 )∗ U1∗ A∗ AU1 D−1 = D−1 U1∗ U1 D2 U1∗ U1 D−1 = I
dengan hal sama berlaku untuk V1 V1∗ sehingga V1 uniter. Perluas V1 menjadi V = (V1 V2 ) ∈
Cm×m sehingga V pun uniter. Dapat kita peroleh
2 ∗
D 0 D 0 V1
U V ∗ = U1 U2
0 0 0 0 V2∗
= U1 DV1∗
= U1 D(AU1 D−1 )∗
= U1 DD−1 U1∗ A∗
= U1 U1∗ A∗
= A∗ − U2 U2∗ A∗
= A∗ − (AU2 U2∗ ) = A
4. Misalkan σmax (A) menyatakan nilai singulir terbesar dari A. Buktikan bahwa
σmax (A) = max{|x∗ Ay||x ∈ U2m , y ∈ U2n }
dimana U2k = {x ∈ Ck |kxk2 = 1}
Jawab Misalkan A ∈ Cm×n , maka A memiliki dekomposisi nilai singulir A = W DV ∗ den-

gan W ∈ Cm×r , V ∈ Cn×r yang memenuhi W ∗ W = I = V ∗ V dan D = diag(σ1 , σ2 , . . . , σr ) ∈
Cr×r terdiri dari nilai-nilai singulir A. Misalkan W = (w1 w2 · · · wr ) dan V = (v1 v2 · · · vr )
dengan wi ∈ Cm dan vi ∈ Cn . Perhatikan bahwa
D = W ∗ AV
diag(σ1 , σ2 , . . . , σr ) = (w1 w2 · · · wr )∗ A(v1 v2 · · · vr )
σi = wi∗ Avi i = 1, 2, . . . , r
max σi = max |wi∗ Avi | (karena) σi ≥ 0
i i
Karena W ∗ W = I = V ∗ V , maka wi∗ wi = kwi k2 = 1 = vi∗ vi = kvi k2 untuk i = 1, 2, . . . , r

sehingga wi ∈ U2m dan vi ∈ U2n . Dengan demikian σmax (A) = max{|x∗ Ay||x ∈ U2m , y ∈ U2n }.
5. Misalkan A ∈ Cm×n , rank(A) = r, dan B diperoleh dengan membuang kolom terakhir A

sehingga rank(B) = r − 1. Misalkan nilai-nilai singulir A adalah σ1 < σ2 < · · · < σr dan
nilai-nilai singulir B adalah τ1 < τ2 < · · · < τr−1 . Tunjukkan bahwa σi ≤ τi ≤ σi+1 , i =
1, 2, . . . , r − 1.
Jawab Misalkan A = (B C) ∈ Cm×n dengan B ∈ Cm×n−1 dan C ∈ Cm Perhatikan bahwa

∗ ∗
B B B∗C

B
A∗ A =

B C =
C∗ C ∗B C ∗C
Misalkan nilai-nilai singulir A adalah σ1 < σ2 < · · · < σr dan nilai-nilai singulir B adalah
τ1 < τ2 < · · · < τr−1 , maka nilai-nilai eigen dari A∗ A adalah σ12 < σ22 < · · · < σr2 dan
nilai-nilai eigen dari B adalah τ12 < τ22 < · · · < τr−1
2
. Berdasarkan teorema sela, karena B ∗ B
∗
merupakan submatriks utama A A, diperoleh
σi2 ≤ τi2 ≤ σi+1 untuk i = 1, 2, . . . , r − 1
2
sehingga σi ≤ τi ≤ σi+1 , i = 1, 2, . . . , r − 1
6. Misalkan A, B ∈ Cm×n . Buktikan bahwa
σmax (A + B) < σmax (A) + σmax (B)
dimana σmax (X) adalah nilai singulir terbesar matriks X.
Jawab Dari nomor 4, untuk x ∈ U2m dan y ∈ U2n , berlaku σmax (A) = max |x∗ Ay|. Misalkan
A, B ∈ Cm×n , maka
σmax (A + B) = max |x∗ (A + B)y|
= max |x∗ Ay + x∗ By|
≤ max(|x∗ Ay| + |x∗ By|)
= max |x∗ Ay| + max |x∗ By|
= σmax (A) + σmax (B)
7. Misalkan A ∈ Cn×n tak singular. Jika P U = A adalah dekomposisi kutub untuk A, tun-
jukkan bahwa A normal jika dan hanya jika P U = U P .
Jawab Misalkan A ∈ Cn×n tak singular dan memiliki dekomposisi kutub A = P U dengan
P ∈ Cn×n definit tak negatif dan U ∈ Cn×n . Karena A matriks persegi, maka U uniter.
• Misalkan A normal, maka
AA∗ = A∗ A
P U (P U )∗ = (P U )∗ P U
P U U ∗P ∗ = U ∗P ∗P U
P P ∗ = U ∗P ∗P U
P 2 = U ∗P 2U
P = U ∗P U
PU = UP
• Misalkan P U = U P , maka
A∗ A = (P U )∗ P U
= U ∗P ∗P U
= P ∗U ∗U P
= P U U ∗P
= P U (P U )∗
= AA∗
A matriks normal
Dengan demikian, A normal jika dan hanya jika P U = U P

 
α 2 0
8. Tentukan semua α ∈ C yang membuat matriks A =  1 α 1  tidak memiliki faktorisasi
0 1 α
LU .
Jawab Dari nomor 6(a) pada KK 4, syarat suatu matriks A dapat didekomposisi LU adalah
determinan submatriksutama pemukanya
 yang berorde k, dengan k = 1, 2, . . . , rank(A), tak
α 2 0
nol. Maka untuk A =  1 α 1 , perhatikan bahwa
0 1 α

• det α = α 6= 0
√

α 2
• det = α2 − 2 6= 0 ⇒ α 6= ± 2
1 α
 
α 2 0 √
• det  1 α 1  = α(α2 − 1) − 2(α) = α3 − 3α 6= 0 ⇒ α 6= ± 3
0 1 α
√ √ √ √
Dengan demikian, nilai α yang membuat A tidak dapat difaktorkan LU adalah {− 3, − 2, 0, 2, 3}
9. Misalkan A ∈ Cn×n tak singular dan A = QR = Q1 R1 adalah dua faktorisasi QR untuk

matriks A. Tunjukkan bahwa terdapat matriks diagonal D = diag(d1 , d2 , . . . , dn ), dengan
|d1 | = |d2 | = · · · = |dn | = 1, sehingga berlaku Q = Q1 D
Jawab Misalkan A ∈ Cn×n tak singular dan A = QR = Q1 R1 adalah dua faktorisasi QR

untuk matriks A. Karena A matriks persegi, maka Q dan Q1 uniter. Perhatikan bahwa
A∗ A = A∗ A
R∗ Q∗ QR = R1∗ Q∗1 Q1 R1
R∗ R = R1∗ R1
RR1−1 = (R∗ )−1 R1∗
Karena R matriks segitiga atas, invers dari matriks segitiga atas adalah matriks segitiga
bawah, dan adjoin dari matriks segitiga atas adalah matriks segitia bawah, maka RR1−1
adalah matriks segitiga atas sedangkan (R∗ )−1 R1∗ adalah matriks segitiga bawah. Suatu
matriks segitiga atas sama dengan matriks segitiga bawah terjadi jika keduanya matriks
diagonal, sehingga RR1−1 = (R∗ )−1 R1∗ = D dengan D suatu matriks diagonal. Dapat dilihat
bahwa D = (R∗ )−1 R1∗ = ((DR1 )∗ )−1 R1∗ = D−1 (R1∗ )−1 R1∗ = D−1 , maka D = D∗ = D−1
hermit dan uniter, sehingga D2 = I yang mengakibatkan D = diag(d1 , d2 , . . . , dn ), dengan
|d1 | = |d2 | = · · · = |dn | = 1. Dengan demikian, diperoleh
QR = Q1 R1
QRR1−1 = Q1
QD = Q1
Q = Q1 D
 
1 19 −34
10. Diberikan matriks real A = −2 −5 20 . Gunakan refleksi Householder untuk mem-
2 8 37
peroleh faktorisasi QR bagi A. Kemudian, gunakan rotasi Givens untuk tujuan yang sama.
Jawab Misalkan A = (a1 a2 a3 ) dengan at1 = (1 − 2 2), at2 = (19 − 5 8), at3 = (−34 20 37).
∗
(a) Matriks Householder Hv = In − 2vv
v ∗ v memetakan suatu vektor v menjadi kelipatan e1 ,
maka kita bisa memanfaatkannya untuk mengkonstruksi matriks segitiga atas. Misalkan
     
1 p 1 −2
u1 = a1 − ka1 ke1 = −2 − 12 + (−2)2 + 22 0 = −2
2 0 2
maka
2u1 u∗1
Hu1 (A) = (I3 − )A
u∗1 u1
 
−2
 


 2 −2 −2 −2 2  
 2 
= In −
    A
 −2  
 −2 −2 2 −2 
2
    
4 4 −4 1 19 −34
2
= In −
 p  4 4 −4 −2 −5 20 
(−2)2 + (−2)2 + 22 −4 −4 4 2 8 37
 2 2
− 23
 
3 3 1 19 −34
=  23 2
3 − 23  −2 −5 20 
2 2 2
− −3 2 8 37
 3 3
3 15 0
= 0 −9 54
0 12 3

0 9 54
Selnjutnya mengambil A = . Misal
12 3

−9 p 1 −24
u2 = a01 − ka01 ke1 = 2
− (−9) + (12) 2 =
12 0 12
maka
2u2 u∗2 0
Hu2 (A0 ) = (I2 − )A
u∗2 u2

−24
 
2 −24 12 
12
 A0

= I n −
 −24 
−24 12
12
!
2 4 −2 9 54
= In − p
(−24)2 + (12)2 −2 1 12 3
3 4
−5 5 9 54
= 4 3
12 3
5 5

15 −30
=
0 45
Sehingga terbentuk
 
3 15 0
1 0
R= Hu1 A = 0 15 −30
0 Hu2
0 0 45

1 0
suatu matriks segitiga atas. Misal Q = Hu1 . Perhatikan bahwa karena
0 Hu2
matriks Householder uniter dan hermit, maka Q juga uniter dan hermit, sehingga R =
QA ⇔ A = QR. Dengan demikian,
 terbentuk
 dekomposisi QR dari A dengan Q =
3 15 0
Hu1 0
dan R = 0 15 −30
0 Hu2 Hu1
0 0 45
(b) Dengan rotasi givens, kita dapat membuat komponen nol satu persatu pada matriks
A hingga terbentuk matriks segitiga atas. Mula-mula kita ingin membuat nol kolom
pertama baris kedua, maka rotasi Given yang kita gunakan adalah
 
cos θ sin θ 0
G1 = − sin θ cos θ 0
0 0 1
(1)
. Misalkan P (1) = G1 A. Agar kolom pertama baris kedua nol atau p21 = 0, θ harus
memenuhi tan θ = aa11
21
, atau dengan kata lain
a11 1
cos θ = p =√
a211 + a221 5
a21 2
sin θ = p = −√
a211 + a221 5
sehingga
 
cos θ sin θ 0
P (1) = − sin θ cos θ 0 A
0 0 1
 √1 2
− √5 0
  
5 1 19 −34
=  √25 √1
5
0  −2 −5 20 
0 0 1 2 8 37
 √5 29 74
−√
√

5 5 5
33 −58
= 0 √
5
√ 
5
2 8 37
Masih dengan kolom pertama, kita buat nol baris ketiga, maka kita gunakan Rotasi
Given
 
cos θ 0 sin θ
G2 =  0 1 0 
− sin θ 0 cos θ
Misalkan P (2) = G2 P (1) . Dengan cara yang sama kita peroleh
(1) √
p11 5
cos θ = q =
(1) (1) 3
(p11 )2 + (p31 )2
(1)
p31 2
sin θ = q =
(1) (1) 3
(p11 )2 + (p31 )2
sehingga
 
cos θ 0 sin θ
P (2) = 0 1 0  P (1)
− sin θ 0 cos θ
√ 
5 2 √5 29 74
−√
√

0 5 5 5
 3 3 
33 −58
= 0 1 0 0
√ 
√
5
√
5

5
− 23 0 3
2 8 37
3 15 0
 
33 58
= 0 √
5
− √5 
0 − √65 111
√
5
Selanjutnya pada kolom kedua, kita ingin membuat nol baris ketiga, maka kita gunakan
 
1 0 0
G3 = 0 cos θ sin θ 
0 − sin θ cos θ
Misalkan P (3) = G3 P (2) . Dengan cara yang sama kita peroleh

(2)
p21 11
cos θ = q = √
(2) (2)
(p31 )2 + (p31 )2 5 5
(2)
p31 2
sin θ = q =− √
(2) 2 (2) 2
p21 ) + (p31 ) 5 5
sehingga
 
1 0 0
P (3) = 0 cos θ sin θ  P (2)
0 − sin θ cos θ
1 0 0 3 15 0
  
11 2 33 58
= 0 5√5 − 5√5  0 √
5
−√ 5

2 11 √6 111
0 5√5 √
5 5
0 − 5
√
5
 
3 15 0
= 0 15 34.4
0 0 44.2
Ambil Q∗ = G3 G2 G1 dan R = P (3) , maka R = Q∗ A. Karena masing-masing G1 , G2 ,

dan G3 bersifat uniter, maka Q∗ juga uniter.
 Dengan demikian,
 terbentuk dekomposisi
3 15 0
QR dari A dengan Q = G∗1 G∗2 G∗3 dan R = 0 15 34.4
0 0 44.2
2vv ∗
11. Misalkan A = [a1 a2 · · · an ] ∈ Cn×n . Tentukan v ∈ Cn sehingga H = In − v∗ v memenuhi
Ha1 = ka1 ke1
Jawab Dari nomor 8 pada KK 4, telah dibuktikan suatu lemma yang mengatakan bahwa
∗
dengan suatu refleksi Householder Hv = In − 2vv
v ∗ v , untuk v = x ∓ kxke1 , berlaku Hv x =
±kxke1 . Dengan lemma tersebut, dapat dilihat bahwa untuk A = [a1 a2 · · · an ] ∈ Cn×n ,
kita dapat memilih v = a1 − ka1 ke1 sehingga Hv a1 = ka1 ke1 .
12. Buktikan teorema 2.2.5

Jawab Teorema 2.2.5 mengatakan bahwa suatu Refleksi Householder H adalah matriks
hermit dan uniter. Hal ini telah ditunjukkan pada nomor 7 pada KK 4
13. Misalkan [aij ] ∈ Rn×n . Tentukan θ ∈ R sehingga

 
cos θ sin θ 0
− sin θ cos θ 0 A
0 0 In−2
memiliki komponen nol pada baris kedua kolom pertama.
Jawab Misalkan
  a ··· a1n

cos θ sin θ 0 11
G = − sin θ cos θ 0   ... .. .. 

. . 
0 0 In−2 an1 ··· ann
Jika komponen G pada baris kedua kolom pertama bernilai 0, perhatikan bahwa
g21 = 0
a21 cos θ − a11 sin θ = 0
a21 cos θ = a11 sin θ
a11
cot θ =
a21
a11
θ = cot−1
a21
Dengan demikian
nilai θ agar G memiliki komponen nol pada baris kedua kolom pertama
−1 a11
adalah cot a21 .
14. Jika A ∈ Cn×n matriks tridiagonal, haruskah matriks R hasil faktorisasi QR matriks A
adalah matriks diagonal? Mengapa?
Jawab Tidak harus. Berdasarkan nomor 6(b) pada KK 4, kontruksi R pada faktorisasi
QR berbentuk  
α1 hq1 , a2 i · · · hq1 , an i
0
 α2 · · · hq2 , an i
 .. .. .. .. 
 . . . . 
0 0 ··· αn
dengan qi adalah kolom-kolom matriks Q dan ai adalah kolom-kolom matriks A. Perhatikan
bahwa bila A matriks tridiagonal, nilai hqi , aj i pada baris ke-i dan kolom ke j > i matriks R
tidak harus 0, dengan demikian R tidak harus matriks diagonal.
15. Buktikan teorema 2.2.8.
Jawab Teorema 2.2.8 mengatakan bahwa untuk suatu matriks A ∈ Cn×n , ada matriks
uniter U ∈ Cn×n dan matriks Heissenberg S ∈ Cn×n yang memenuhi A = U SU ∗ . Hal ini
telah ditunjukkan pada nomor 8 pada KK 4
2.3 Tugas Tambahan

1. Jelaskan syarat perlu dan cukup suatu matriks memiliki nilai eigen nol.
Jawab Misalkan A ∈ Cn×n . A memiliki nilai eigen nol ⇔ A singulir.
Proof. Kita ketahui bahwa λ ∈ C merupakan nilai eigen A jika dan hanya jika det(A−λIn ) =
0. Maka λc = 0 merupakan salah satu nilai eigen dari A jika dan hanya jika det(A − λc In ) =
det(A) = 0
2. Jelaskan keterkaitan antara nilai eigen 0 dengan ke-hermit-an matriks.
Jawab Misalkan A ∈ Cn×n . Jika A hermit, maka A dapat didiagonalkan secara uniter men-
jadi matriks diagonal yang elemen diagonalnya real tak negatif. Perhatikan bahwa karena
hasil diagonalisasi matriks tersebut terdiri dari nilai-nilai eigen A, maka dengan kata lain
nilai-nilai eigen dari matriks hermit pasti tak negatif, sehingga nilai eigen nol masih memu-
ngkinkan ada dalam matriks hermit. Dengan demikian, nilai eigen nol tidak memiliki pen-
garuh apa-apa dari ke-hermit-an matriks.
3. Tunjukkan bahwa matriks P dalam faktorisasi polar adalah unik.
Jawab Misalkan P U dan P1 U1 dua faktorisasi kutub untuk A. Perhatikan bahwa karena
P dan P1 hermit, serta U U ∗ = I = U1 U1∗ , maka
P 2 = P P ∗ = P U U ∗P ∗
= P U (P U )∗ = AA∗ = P1 U1 (P1 U1 )∗ =
P1 U1 U1∗ P1∗ = P1 P1∗ = P12
Misalkan λ2 dan µ2 adalah nilai eigen dari P 2 dan P12 dengan λ adalah nilai eigen dari P
dan µ adalah nilai eigen dari P1 . Perhatikan bahwa karena P 2 = P12 , mereka memiliki nilai
eigen yang sama, atau λ2 = µ2 . Karena P dan P1 definit tak negatif, maka λ = µ, sehingga
P dan P1 juga memiliki nilai eigen yang sama. Hal ini berarti P = P1
4. Tunjukkan bahwa rank(P ) = rank(A) dalam dekomposisi A = P U .
Jawab Misalkan A = U DV ∗ merupakan dekomposisi nilai singular dari A ∈ Cm×n dengan

D ∈ Cr×r matriks diagonal dan U ∈ Cm×r , V ∈ Cn×r memenuhi U ∗ U = I = V ∗ V . Per-
hatikan bahwa AV = U D, maka kolom-kolom U menyusun sebuah basis bagi P eta(A),
sehingga rank(A) = dim(P eta(A)) = r. Misalkan kita bisa melakukan faktorisasi po-
lar terhadap A sehingga A = P U dengan konstruksi P = U DU ∗ . Perhatikan bahwa
P U = U D, maka kolom-kolom U juga menyusun sebuah basis bagi P eta(P ). Dengan
demikian rank(P ) = dim(P eta(P )) = r = rank(A).
5. Cari contoh matriks A ∈ C2×2 yang determinan submatriks utama pemukanya tak nol se-
hingga a21 = 0.

1 0
Jawab A=
0 1
6. Turunkan matriks refleksi Householder.

Jawab Kita akan mencari suatu matriks H yang merupakan refleksi terhadap subruang v ⊥
∗
untuk suatu v ∈ Cn , v 6= 0 berbentuk H = In − 2vv
v∗ v .
Misalkan v ∈ Cn , v 6= 0, dan H ∈ Cn×n adalah refleksi terhadap subruang v ⊥ , maka untuk
y ∈ v ⊥ , H(y + αv) = y − αv. Misalkan x = y + αv. Karena y⊥v, maka
v∗ y = 0
∗
v (x − αv) = 0
v ∗ x − αv ∗ v = 0
v∗ x
α= ∗
v v
Perhatikan bahwa
H(y + αv) = y − αv
Hx = x − 2αv
∗
v x
= x − 2v
v∗ v
2vv ∗

= In − ∗ x
v v
2vv ∗
Dengan demikian, H = In − v∗ v
2.4 Soal Ujian

1. Diberikan matriks  
1 2 4
A = 3 6 −12
2 3 −3
 
1 0 0
dan matriks permutasi P = 0 0 1
0 1 0
(a) Jelaskan mengapa A tidak memiliki faktorisasi LU .
(b) Jelaskan mengapa matriks P A memiliki faktorisasi LU .
(c) Tentukan faktorisasi LU dari matriks P A.
[U2 S2 ’11/’12]
 
1
2. Misalkan a = 1 ∈ R3 . Tentukan matriks refleksi Householder H ∈ R3×3 sehingga Ha =
1
kake1 . [U3 S2 11/’12]
3. Misalkan A ∈ C2×2 matriks uniter dengan det(A) = −1. Tentukan suatu dekomposisi nilai
singular untuk A. [UTS S1 ’12/’13]
 
1 1 2 1
−1 −1 −1 1
4. Misalkan A = 0
.
1 1 1
−1 0 −1 1
Tuliskan A sebagai A = P LR, dimana P adalah matriks permutasi, L adalah matriks segitiga
bawah, dan R matriks segitiga atas yang semua komponen diagonal utamanya 1. [UTS S1
’12/’13]
5. Misalkan A ∈ Cn×n tak singular dan A = QR = Q1 R1 dua faktorisasi QR untuk matriks A.
Jika semua komponen diagonal utama R dan R1 real positif, tunjukkan bahwa Q = Q1 dan
R = R1 . [UTS S1 ’12/’13]
6. Misalkan A ∈ Cn×n matriks normal. Dengan memanfaatkan diagonalisasi A oleh matriks
uniter, dapatkan dua dekomposisi nilai singular untuk A dalam bentuk kanonik. Kedua
dekomposisi tersebut secara umum harus berbeda. Buktikan jawaban anda. [U.tambahan
S1 ’12/’13]
 
0 −20 −14
7. Diberikan matriks A = 3 27 −4 
4 11 −2
Gunakan rotasi Givens untuk memperoleh faktorisasi QR bagi A dimana Q matriks ortogonal
dan R matriks segitiga atas. [U3 S2 ’13/’14]
8. Misalkan A ∈ Cn×n tak singular. Jika P U = A adalah dkomposisi kutub untuk A, tunjukkan
bahwa A normal jika dan hanya jika P U = U P . [U2 S1 ’14/’15]
9. Diberikan matriks  
1 2 4
A = 3 6 −12
2 3 −3
(a) Jelaskan mengapa A tidak memiliki faktorisasi LU .
(b) Tentuka matriks permutasi Q, matriks segitiga bawah L dan matriks segitiga atas R
sehingga A = QLR.
[U2 S1 ’14/’15]
2.4. SOAL UJIAN 45
10. Buktikan bahwa matriks rotasi Givens berukuran n × n merupakan matriks ortogonal. [U2
S1 ’14/’15]
Chapter 3
Norm Matriks
46
3.1 Kertas Kerja 5

1. Jelaskan pengertian dan contoh dari norm vektor. Tuliskan sebanyak mungkin contoh yang
anda ketahui, beserta pembuktiannya.
Jawab Misalkan V adalah ruang vektor atas lapangan F , norm vektor dari V adalah fungsi
p : V → R yang memenuhi
(a) p(av) = |a|p(v)
(b) p(u + v) ≤ p(u) + p(v)
(c) p(v) = 0 ⇒ v = 0
untuk ∀a ∈ F dan ∀u, v ∈ V . Seringkali notasi norm disimbolkan dengan k · k. Beberapa
contoh dari norm vektor antara lain :
(a) p(x) = 0 untuk x ∈ Cn
Bukti. Perhatikan bahwa untuk a ∈ C dan u, v ∈ Cn , p(av) = 0 = a0 = ap(v), p(u+v) =
0 = 0 + 0 = p(u) + p(v) dan p(v) = 0 ⇒ v = 0, maka p(x) adalah norm vektor.
Pn
(b) q(x) = i=1 |xi | untuk x ∈ Cn
Bukti. Perhatikan bahwa untuk a ∈ C dan u, v ∈ Cn ,
n
X n
X n
X
q(av) = |avi | = |a||vi | = |a| |vi | = aq(v)
i=1 i=1 i=1
n
X n
X n
X n
X
q(u + v) = |ui + vi | = (|ui | + |vi |) = |ui | + |vi | = q(u) + q(v)
i=1 i=1 i=1 i=1
dan
n
X
q(v) = |vi | = 0 ⇒ vi = 0 ≡ v = 0
i=1
maka q(x) adalah norm vektor

v
u n
uX
p
(c) qp (v) = t |xi |p untuk x ∈ Cn .
i=1

v v v v
u n u n u n u n
uX uX u X uX
p
qp (av) = t |avi |p = t
p
|a|p |vi |p = t
p
|a|p |vi |p = |a| t
p
|vi |p = aq(v)
i=1 i=1 i=1 i=1
v
u n
uX
p
qp (u + v) = t |ui + vi |p
i=1
v
p−1
u n !
uX
p p
X n p−k k p
= t |ui | + (|ui | |vi | ) + |vi |
i=1
k
k=1
v
u n n
uX X
≤tp
|ui |p + |vi |p
i=1 i=1
v v
u n u n
uX uX
≤t
p
|ui |p + p
t |vi |p = qp (u) + qp (v)
i=1 i=1
48 CHAPTER 3. NORM MATRIKS
dan v
u n
uX
p
qp (v) = t |vi |p = 0 ⇒ vi = 0 ≡ v = 0
i=1
maka qp (x) adalah norm vektor

(d) q∞ (x) = max{|x1 |, |x2 |, . . . , |xn |} untuk x ∈ Cn .
q∞ (av) = max{|av1 |, |av2 |, . . . , |avn |}

= max{a|v1 |, a|v2 |, . . . , a|vn |}
= a max{|v1 |, |v2 |, . . . , |vn |}
= aq∞ (v)
q∞ (u + v) = max{|u1 + v1 |, |u2 + v2 |, . . . , |un + vn |}

= max{|u1 | + |v1 |, |u2 | + |v2 |, . . . , |un | + |vn |}
≥ max{|u1 |, |u2 |, . . . , |un |} + max{|v1 |, |v2 |, . . . , |vn |}
= q∞ (u) + q∞ (v)
dan
q∞ (v) = max{|v1 |, |v2 |, . . . , |vn |} = 0 ⇒ vi = 0 ≡ v = 0
maka q∞ (x) adalah norm vektor.
√
(e) rA (x) = x∗ Ax untuk x ∈ Cn dengan A ∈ Cn×n matriks definit positif.
Bukti. Perhatikan bahwa untuk a ∈ C dan u, v ∈ Cn
p
rA (av) = (av)∗ A(av)
√
= av ∗ Aav
p
= |a|2 v ∗ Av
√
= |a| v ∗ Av = |a|rA (v)
rA (u + v) = (u + v)∗ A(u + v)
= (u∗ + v ∗ )(Au + Av)
= u∗ Au + v ∗ Au + u∗ Av + v ∗ Av
≤ u∗ Au + v ∗ Av = rA (u) + rA (v)
dan karena A matriks definit positif,
rA (v) = v ∗ Av = 0 ⇒ vi = 0 ≡ v = 0
maka rA (v) adalah norm vektor

2. Jelaskan kaitan norm vektor dengan hasil kali dalam.
Jawab Misalkan V adalah ruang vektor atas lapangan F , yang dimaksud hasil kali dalam
dari V adalah fungsi q : V × V → F yang memenuhi
• q(u, v) = q(v, u)
• q(au, v) = aq(u, v)
• q(u + v, w) = q(u, w) + q(v, w)
• q(v, v) = 0 ⇒ v = 0
untuk ∀a ∈ F dan ∀u, v, w ∈ V . Seringkali notasi hasil kali dalam disimbolkan dengan h·, ·i.
Misalkan V adalah ruang vektor atas lapangan F yang dilengkapi operasi hasil kali dalam
q : V × V → F , maka norm vektor p : V → R dari V adalah akar dari p operasi hasil kali
dalam vektor di V dengan dirinya sendiri atau dengan kata lain p(x) = q(x, x). Perhatikan
bahwa aksioma-aksioma norm turun langsung dari aksioma hasil kali dalam:
(a) Dari sifat

p q(u, v) = q(v, u), didapat q(u, u) = q(u, u) yang menyebabkan peta dari norm
p(u) = q(u, u) selalu real, apapun lapangan peta dari hasil kali dalamnya.
(b) Dari sifat q(au, v) = aq(u, v) dan q(u, v) = q(v, u), didapat
p p q
p(au) = q(au, au) = aq(u, au) = aq(au, u)
q p
= aaq(u, u) = |a|2 q(u, u) = |a|p(u)
(c) Dari sifat q(u + v, w) = q(u, w) + q(v, w), didapat

p
p(u + v) = q(u + v, u + v)
p
= q(u, u + v) + q(v, u + v)
q
= q(u + v, u) + q(u + v, v)
q
= q(u, u) + q(v, u) + q(u, v) + q(v, v)
q
≤ q(u, u) + q(v, v)
p
= q(u, u) + q(v, v)
p p
≤ q(u, u) + q(v, v) = p(u) + p(v)
(d) Dari sifat q(v, v) = 0 ⇒ v = 0 langsung jelas didapat p(v) = 0 ⇒ v = 0
3. Buktikan Ketaksamaan Holder dan Ketaksamaan Minkowski.
Jawab
(a) Ketaksamaan Holder : Misalkan p, q ∈ R+ memenuhi 1

p + 1
q = 1, maka |y ∗ x| ≤
kxkp kykq , ∀x, y ∈ Cn .
1 1
Proof. Misalkan p, q ∈ R+ memenuhi p + q = 1. Misalkan juga x, y ∈ Cn .
Sebelumnya akan dibuktikan dulu ketaksamaan Young, yang mana untuk a, b ∈ R tak
p q
negatif dan p, q ∈ R+ memenuhi p1 + 1q = 1, berlaku ab ≤ ap + bq . Kita ketahui bahwa
fungsi yang konkav (cekung ke luar) memenuhi f ((1 − t)x + ty) ≥ (1 − t)f (x) + tf (y)
untuk t ∈ [0, 1]. Misalkan t = p1 , maka 1 − t = 1q . Perhatikan bahwa karena fungsi
logaritma konkav,
log(tap + (1 − t)bq ) ≥ t log(ap ) + (1 − t) log(bq ) = log(a) + log(b) = log(ab)
Dengan demikian ketaksamaan Young terbukti.

Selanjutnya, misalkan x́ dan ý adalah vektor yang didapatkan dengan membuang semua
posisi dimana komponen x dan y adalah 0, sehingga kx́kp ≤ kxkp dan kýkq ≤ kykq .
Misalkan juga x̂ = x́/kx́kp dan ŷ = ý/kýkq , sehingga kx̂kp = kŷkq = 1, perhatikan
bahwa
n
X
|ŷ ∗ x̂| = yî x̂i
i=1
n
X
≤ |yî ||x̂i |
i=1
n
X 1 q 1 1 1 1 1
≤ |yî | + |x̂i |p = kx̂kpp + kŷkqq = +
i=1
q p p q p q
y´∗ x́ 1 1
≤ + =1
kx́kp kýkq p q
∗ ´∗
y x = y x́ ≤ kx́kp kýkq ≤ kxkp kykq
Dengan demikian, terbukti |y ∗ x| ≤ kxkp kykq , ∀x, y ∈ Cn ketika p, q ∈ R+ memenuhi

1 1
p + q = 1.
(b) Ketaksamaan Minkowski : Misalkan p ∈ R, p ≥ 1. Maka

v v v
u n u n u n
u X uX uX
n t p
∀x, y ∈ C , p
|xi + yi | ≤ t
p
|xi |p + p
t |yi |p
i=1 i=1 i=1
Proof. Perhatikan bahwa

n
X n
X
kx + ykpp = |xi + yi |p = |xi + yi ||xi + yi |p−1
i=1 i=1
n
X n
X
≤ |xi ||xi + yi |p−1 + |yi ||xi + yi |p−1
i=1 i=1
1 1 p−1
Untuk q =1− p = p , da[at kita peroleh ketaksaman holder
n
X
|xi ||xi + yi |p−1
i=1
v
u n
u
1
X
≤ kxkp kx + ykqp−1 = kxkp t
q |xi + yi |q p − 1
i=1
v
u n
p−1
uX
= kxkp p t |xi + yi |p = kxkp kx + ykp−1
p
i=1
Dengan cara serupa, didapat

n
X
|yi ||xi + yi |p−1 ≤ kykp kx + ykp−1
p
i=1
Sehingga,
n
X n
X
kx + ykpp ≤ |xi ||xi + yi |p−1 + |yi ||xi + yi |p−1
i=1 i=1
= kxkp kx + ykpp−1 + kykp kx + ykpp−1
= (kxkp + kykp )kx + ykp−1
p
kx + ykp ≤ kxkp + kykp
Dengan demikian
v v v
u n u n u n
uX uX uX
∀x, y ∈ Cn , t
p
|xi + yi |p ≤ p
t |xi |p + p
t |yi |p
i=1 i=1 i=1
4. Tuliskan pengertian ekivalensi pada norm vektor
Jawab Dua norma k · k0 dan k · k00 di Cn dikatakan ekivalen jika ∃m, M ∈ R+ , mkxk0 ≤
kxk00 ≤ M kxk0 , ∀x ∈ Cn
5. Tunjukkan bahwa sebarang norm vektor di ruang vektor atas lapangan kompleks selalu eki-
valen.
Jawab Misalkan kita punya himpunan U = {x ∈ Cn |kxk = 1} untuk k·k adalah sembarang
norma di Cn . Dari definisi U sendiri, jelas bahwa U terbatas di 1. Misalkan {uk } adalah
barisan di U yang konvergen ke a. Perhatkan bahwa
0 ≤ |1 − kak| = |kuk k − kak| ≤ kuk − ak
. Karena {uk } adalah barisan di U yang konvergen ke a, maka kuk − ak konvergen ke 0,

sehingga |1 − kak| = 0 ⇔ kak = 1. Dengan demikian a ∈ U sehingga U terutup.
Kita akan memanfaatkan sifat ketertutupan dan keterbatasan himpunan U untuk memakai
teorema nilai ekstrim sehingga dapat memnunjukkan ekivalensi norm-norm vektor. Namun,
karena U bergantung pada fungsi norm yang dipakai, kita harus mencari suatu norm yang
mana norm-norm lain akan tetap kontinyu pada himpunan U yang terkait dengannya. Akan
dibuktikan terlebih dahulu bahwa norm yang dimaksud adalah kxk1 = q(x) sebagaimana
yang terdefinisikan pada nomor 2(b).
Misalkan k · k adalah
Pn fungsi norma sembarang di Cn . Misalkan juga x ∈ Cn , maka x dapat
dituliskan x = i=1 (αi ei ), sehingga
n
X n
X n
X
kxk ≤ |ai |kei k ≤ |ai | max kej k = c |ai | = ckxk1
j
i=1 i=1 i=1
dengan c = maxj kej k. Misalkan {uk } ∈ U1 konvergen ke a ∈ U1 dengan U1 = {x ∈

Cn |kxk1 = 1}, maka
0 ≤ |kuk k − kak| ≤ kuk − 1k ≤ ckuk − ak1
Karena {uk } konvergen ke a di U1 , maka kuk − ak1 → 0, sehingga |kuk k − kak| → 0 atau
dengan kata lain kuk k konvergen juga ke kak di U1 . Dengan demikian, fungsi norma k · k
kontinyu di U1 . Secara umum, dapat dikatakan setiap fungsi norma di Cn kontinyu di U1 .
Teorema nilai ekstrim mengatakan bahwa setiap fungsi real yang kontinyu pada suatu him-
punan tertutup dan terbatas mencapai maksimum dan minimumnya di dalam himpunan
tersebut. Maka dari penjelasan sebelumnya, setiap fungsi norma di Cn memiliki nilai mak-
simum dan minimum di U1 . Misalkan maksimum dan minimum suatu norma k · k di U1
berturut-turut adalah M dan m, maka untuk setiap x vektor tak nol di Cn berlaku
x
m≤ ≤M
kxk1
mkxk1 ≤ kxk ≤ M kxk1
Berdasarkan definisi, hal ini berarti k · k ekivalen dengan k · k1 . Karena ini berlaku umum
untuk semua fungsi norma di Cn , maka setiap dua norma k · k0 dan k · k00 di Cn ekivalen.
6. Jelaskan pengertian dan contoh norm matriks. Tuliskan sebanyak mungkin contoh yang anda
ketahui beserta pembuktiannya.
Jawab Pemetaan v : Cn×n → R disebut norma matriks jika memenuhi
• v(αA) = |α|v(A)
• v(A + B) ≤ v(A) + v(B)
• v(A) ≥ 0 dan v(A) = 0 ⇔ A = 0
• v(AB) ≤ v(A)v(B)
untuk ∀A, B ∈ Cn×n , α ∈ C. Seperti norm vektor, norm matriks juga sering dinotasikan
dengan k · k. Beberapa contoh dari norm matriks antara lain:
Pn
(a) v1 (A) = maxj i=1 |aij |
Proof. Perhatikan bahwa untuk α ∈ C dan A, B ∈ Cn×n ,

i.
n
X
v1 (αA) = max |αaij |
j
i=1
Xn
= max |α||aij |
j
i=1
n
X
= |α| max |aij | = |α|v1 (A)
j
i=1
ii.
n
X
v1 (A + B) = max |aij + bij |
j
i=1
Xn
≤ max (|aij | + |bij |
j
i=1
Xn n
X
= max |aij | + max |bij |
j j
i=1 i=1
= v1 (A) + v1 (B)
Pn
iii. Karena |aij | ≥ 0, maka v(A) = maxj i=1 |aij | ≥ 0, dan v(A) = 0 ⇔ |aij | = 0 ⇔
A=0
iv.
n X
X n
v1 (AB) = max (aik bkj )
j
i=1 k=1
Xn Xn
≤ max |aik bkj |
j
i=1 k=1
Xn X n
= max |aik ||bkj |
j
i=1 k=1
n n
!
X X
= max |bkj | |aik |
j
k=1 i=1
Xn n
X
≤ max |bkj | max |aik |
j k
k=1 i=1
= v1 (A)v1 (B)
Dengan demikian v1 adalah norma matriks.

(b) v2 (A) = maxi σi (A) dengan σi (A) adalah nilai singulir dari A.
Bukti. Sebelumnya akan diperlihatkan bahwa untuk λ dan µ nilai eigen dari suatu
matriks A dan B, (A + B)x = Ax + Bx = λx + µx = (λ + µ)x dan (AB)x = A(Bx) =
A(µx) = µAx = µλx. Dengan demikian nilai eigen dari jumlah matriks adalah jumlah
nilai eigen kedua matriksnya, dan nilai eigen dari hasil kali matriks adalah hasil kali
nilai eigen kedua matriksnya.
Perhatikan bahwa untuk α ∈ C, A, B ∈ Cn×n , λi (A) ∈ C nilai eigen dari A, dan
σi (A) ∈ R+ nilai singulir dari A,
p
i. Diketahui dari definisi nilai singulir bahwa σi (A) = λi (AA∗ ). Dapat dilihat
∗ 2 ∗ 2 ∗
bahwa λi (αA(αA) ) = λi (|α| AA ) = |α| λi (AA ). Akibatnya,
p q
σi (αA) = λi (αA(αA)∗ ) = |α|2 σi2 (A)
p
= |α|2 λi (AA∗ )
p
= |α| λi (AA∗ ) = |α|σi (A)
Dengan demikian,
v2 (αA) = max σi (αA) = max |α|σi (A) = |α| max σi (A) = |α|v2 (A)
i i i
p p
ii. Diketahui σi (A) = λi (AA∗ ) dan σi (B) = λi (BB ∗ ). Dapat dilihat bahwa
λi ((A + B)(A + B)∗ ) = λi (AA∗ + AB ∗ + A∗ B + BB ∗ )

≤ λi (AA∗ ) + λi (BB ∗ )
= σi2 (A) + σi2 (B)
Akibatnya,
p q
σi (A + B) = λi ((A + B)(A + B)) = σi2 (A) + σi2 (B)
q q
≤ σi2 (A) + σi2 (B)
= σi (A) + σi (B)
Dengan demikian,
v2 (A + B) = max σi (A + B)
i
= max(σi (A) + σi (B))
i
= max σi (A) + max σi (A) = v2 (A) + v2 (B)
i i
iii. Karena nilai singulir selalu tak negatif, jelas bahwa v2 (A) ≥ 0. Dapat dilihat juga
bahwa nilai singular dari A bernilai nol jika dan hanya jika A adalah matriks nol,
maka v2 (A) = 0 ⇔ A = 0
p p
iv. Diketahui σi (A) = λi (AA∗ ) dan σi (B) = λi (BB ∗ ). Dapat dilihat bahwa
p p
σi (AB) = λi (AB(AB)∗ ) = λi (ABB ∗ A)
p
= λi (A)λi (BB ∗ )λi (A)
p
= λi (A)λi (A∗ )λi (BB ∗ )
p
= λi (AA∗ )λi (BB ∗ )
p p
= λi (AA∗ ) λi (BB ∗ )
= σi (A)σi (B)
Dengan demikian v2 (AB) = maxi σi (AB) = maxi (σi (A)σi (B)) ≤ maxi σi (A) maxi σi (B) =
v1 (A)v1 (B)
Pn
(c) v∞ (A) = maxi j=1 |aij |
Bukti. Perhatikan bahwa untuk α ∈ C dan A, B ∈ Cn×n ,
n
X
v∞ (αA) = max |αaij |
i
j=1
Xn
= max |α||aij |
i
j=1
n
X
= |α| max |aij | = |α|v∞ (A)
i
j=1
ii.
i.
n
X
v∞ (A + B) = max |aij + bij |
i
j=1
Xn
≤ max (|aij | + |bij |
i
j=1
Xn n
X
= max |aij | + max |bij |
i i
j=1 j=1
= v∞ (A) + v∞ (B)
Pn
iii. Karena |aij | ≥ 0, maka v(A) = maxi j=1 |aij | ≥ 0, dan v(A) = 0 ⇔ |aij | = 0 ⇔
A=0
iv.
n X
X n
v∞ (AB) = max (aik bkj )
i
j=1 k=1
Xn Xn
≤ max |aik bkj |
i
j=1 k=1
Xn X n
= max |aik ||bkj |
i
j=1 k=1
 
n
X n
X
= max |aik | |bkj |
i
k=1 j=1
n
X n
X
≤ max |aik | max |bkj |
i k
k=1 j=1
= v∞ (A)v∞ (B)
Dengan demikian v∞ adalah norma matriks.

qP
n Pn
(d) F (A) = i=1 j=1 |aij |2
Bukti. Perhatikan bahwa untuk α ∈ C dan A, B ∈ Cn×n

i.
v
u n X
n
uX
F (αA) = t |αaij |2
i=1 j=1
v
u n X
n
uX
=t |α|2 |aij |2
i=1 j=1
v
u n X
n
uX
= |α|t |aij |2 = |α|F (A)
i=1 j=1
ii.
v
u n X
n
uX
F (A + B) = t |aij + bij |2
i=1 j=1
v
u n X
n
uX
≤t (|aij |2 + |bij |2 )
i=1 j=1
v
u n X
n n
n X
uX X
=t |aij |2 + |bij |2
i=1 j=1 i=1 j=1
v v
u n X
n
u n X
n
uX uX
≤t |aij |2 + t |bij |2
i=1 j=1 i=1 j=1
= F (A) + F (B)
Pn Pn
iii. Jelas karena unsur akar, F (A) ≥ 0. Dapat dilihat juga bahwa F (A) = i=1 j=1 |aij |2 =
0 ⇔ |aij | = 0 ⇔ A = 0
iv.
v
u n n n 2
uX X X
F (AB) = t aik bkj
i=1 j=1 k=1
v
n X
u n X n
uX
≤t |aik bkj |2
i=1 j=1 k=1
v
u n X
n X
n
uX
=t |aik |2 |bkj |2
i=1 j=1 k=1
v  
u
uXn Xn n
X
=t |aik |2 |bkj |2 
u 
k=1 i=1 j=1
v
u n X
n n X
n
uX X
= t |aik |2 |bkj |2
i=1 k=1 k=1 j=1
v v
u n n
u n X
n
uX
uX X
= t 2
|aik | t |bkj |2
i=1 k=1 k=1 j=1
= F (A)F (B)
Dengan demikian, F (A) merupakan norm matriks. Sedikit catatan bahwa F (A)
dikenal dengan norm Frobernius dan dinotasikan dengan k · kF .
7. Jelaskan mengapa ruang matriks dapat dilengkapi dengan norm.
Jawab Himpunan matriks Cm×n membentuk ruang vektor yang isomorfik dengan dengan
Cmn . Sehingga kita bisa menggunakan struktur dari Cmn yang mana memiliki fungsi norm
untuk membentuk fungsi norm di Cm×n
8. Konstruksilah norm matriks yang diinduksi dari norm vektor.
Jawab Misalkan A ∈ Cn×n suatu matriks dan uk suatu barisan di U = {x ∈ Cn |kxk = 1}

yang konvergen ke w ∈ U , maka kuk − wk1 konvergen ke 0. Perhatikan bahwa
0 ≤ |kAuk k1 − kAwk1 |
≤ kAuk − Awk1
= kA(uk − w)k1
Xn
= |A(uk − w)|
i=1
n X
X n
= aij ((uk )j − wj )
i=1 j=1
 
n
X Xn
≤  |aij ||(uk )j − wj |
i=1 j=1
  
n
X Xn n
X
≤  |aij  |(uk )j − wj |
i=1 j=1 j=1
 
n
X Xn
=  |aij | k(uk )j − wj k1
i=1 j=1
n X
X n
= k(uk )j − wj k1 |aij |
i=1 j=1
Karena k(uk )j − wj k1 → 0, maka |kAuk k1 − kAwk1 | → 0. Karena ekivalensi norm vektor,

untuk sembarang norm vektor k · k, |kAuk k − kAwk| → 0 ⇔ kAuk k → kAwk, sehingga
fungsi kAxk kontinyu di U . Berdasarkan teorema nilai ekstrim, fungsi tersebut mencapai
maksimum di U . Dengan demikian untuk sembarang norm k · k di Cn , dapat kita definisikan
suatu fungsi k · k : Cn×n → R dengan kAk := maxx6=0 kAxk
kxk = maxkxk6=1 kAxk. Perhatikan
bahwa untuk α ∈ Cn dan A, B ∈ Cn×n
(a)
|αAk = max kαAxk
kxk6=1
= max |α|kAxk
kxk6=1
= |α| max kAxk = |α|kAk

kxk6=1
(b)
|A + Bk = max k(A + B)xk
kxk6=1
= max kAx + Bxk ≤ max (kAxk + kBxk)

kxk6=1 kxk6=1
= max kAxk + max kBxk = kAk + kBk

kxk6=1 kxk6=1
(c) Karena kAxk ≥ 0, kAk = maxkxk6=1 kAxk ≥ 0. Terlihat juga Ax = 0 ⇔ kAxk =

0 ⇔ kAk = maxx6=0 kAxk
kxk = 0. Karena x 6= 0, maka Ax = 0 ⇔ A = 0, sehingga
kAk = 0 ⇔ A = 0.
(d) Jika AB = 0, jelas berlaku kABk ≤ kAkkBk. Sedangkan jika AB 6= 0, maka kABk =
maxx6=0 kABxk
kxk = 0 > 0, sehingga kABxk > 0 atau Bx 6= 0. Akibatnya
kABxk
kABk = max
x6=06=Bx kxk

kABxk kBxk
= max
x6=06=Bx kBxk kxk
kABxk kBxk
≤ max max
Bx6=0 kBxk x6=0 kxk
kAyk kBxk
= max = 0 max
y6=0 kyk x6=0 kxk
= kAkkBk
Karena fungsi k · k memenuhi semua sifat norm matriks, maka untuk sembarang norm vektor
kita dapat mengkonstruksi norm matriks pada k·k pada Cn×n dengan kAk = maxx6=0 kAxk
kxk =
maxkxk6=1 kAxk
9. Apakah terdapat norm matriks yang dapat didefinisikan, dan bukan merupakan norm hasil
induksi? Jelaskan jawaban anda.
Jawab Iya. Misalkan k · k0 merupakan norm matriks hasil induksi. Perhatikan bahwa
kIxk0 kxk0
kIn k0 = max = max = max 1 = 1
x6=0 kxk0 x6=0 kxk0 x6=0
Sehingga kontraposisi dari hal tersebut, bila ada suatu norm matriks k·k yang tidak memenuhi
kIn k = 1, maka ia bukan norm hasil induksi. Kita dapat memberi contoh bahwa norm matriks
yang dimaksud ada. Misalkan k·kF merupakan norm matriks seperti yang terdefinisikan pada
6(d). Jelas bahwa
√
kIn kF = n 6= 1
Dengan demikian norm matriks k · kF bukanlah norm hasil induksi.
10. Jelaskan mengenai bilangan kondisi.
Jawab Misalkan A ∈ C tak singular, maka bilangan kondisi bisa memperlihatkan besarnya
pengaruh galat terhadap suatu persamaan linear. Perhatikan bahwa pada suatu persamaan
Ax = b, bila kita menambahkan suatu galat , maka
Ax = b
Ax = b
x = A−1 b
Misal k · k norm matriks di Cn×n . Sebelumnya akan ditunjukkan terlebih dahulu bahwa
terdapat norma vektor k · k0 di Cn yang memenuhi kAxk0 ≤ kAkkxk0 untuk setiap A ∈
Cn×n , x ∈ Cn .
Bukti. Misalkan A ∈ Cn×n , kita akan tunjukkan untuk dua kasus.

• Bila k · k norm hasil induksi,
kAxk
kAk = max
x6=0 kxk
kAxk
≥
kxk
kAkkxk ≥ kAxk
• Bila k · k bukan norm hasil induksi, kita dapat mendefinisikan suatu norm vektor kxk0 =
kxe∗1 k untuk x ∈ Cn . Dapat dilihat bahwa kxk ≥ 0 dan ia memenuhi semua aksioma
norm vektor :
– kαxk0 = kαxe∗1 k = |α|kxe∗1 k = |α|kxk0
– kx + yk0 = k(x + y)e∗1 k = kxe∗1 + ye∗1 k ≤ kxe∗1 k + kye∗1 k = kxk0 + kyk0
– kxk0 = 0 ⇒ kxe∗1 k = 0 ⇒ xe∗1 = 0 ⇒ x = 0
Maka dapat diperoleh
kAxk0 = kAxe∗1 k ≤ kAkkxe∗1 k = kAkkxk0
Kemudian perhatikan bahwa
kxk = kA−1 bk ≤ kA−1 kkbk

1 1
kbk = kAxk ≤ kAkkxk ⇔ ≤ kAk
kxk kbk
sehingga
kxk kbk
≤ kAkkA−1 k
kxk kbk
Dalam hal ini, kAkkA−1 k adalah bilangan kondisi dari A, atau dinotasikan dengan k(A).
Ketaksamaan di atas memberikan batas galat relatif solusi Ax = b terhadap galat relatif b.
Perhatikan juga bahwa
kxk kbk
≤ kAkkA−1 k
kxk kbk
kxk kbk
|| ≤ kAkkA−1 k
kxk kbk
|| ≤ kAkkA−1 k||
k(A) = kAkkA−1 k ≥ 1

1. Misalkan k · k norma di Cn .
(a) Buktikan bahwa |kuk − kvk| < ku − vk, untuk setiap u, v ∈ Cn .
Jawab Perhatikan bahwa
kuk = k(u − v) + vk
≤ ku − vk + kvk
kuk − kvk ≤ ku − vk
Sedangkan di sisi lain,
kvk = ku + (−(u − v))k

≤ kuk + k − (u − v)k
= kuk + ku − vk
−ku − vk ≤ kuk − kvk
Sehingga
−ku − vk ≤ kuk − kvk ≤ ku − vk
|kuk − kvk| < ku − vk
(b) Apakah selalu berlaku ku − vk ≤ ku + vk
Jawab Tidak. Dapat ditunjukkan dengan contoh penyangkal. Misalkan ut = (−1 · · · −

1)n dan v t = (3 · · · 3)n . Dapat dilihat bahwa
−4 4 2
ku − v k = .. = ...
0 0. dan ku + v k = ...
0 0
−4 4 2
Maka, ku0 − v 0 k > ku0 + v 0 k.
2. Misalkan v(A) adalah maksimum modulus komponen A ∈ Cn×n . Tunjukkan, untuk setiap
n > 1, bahwa terdapat A, B ∈ Cn×n yang memenuhi v(AB) > v(A)v(B)
Jawab Misal v(A) = maxi,j |aij | dengan A ∈ Cn×n . Untuk setiap n > 1, kita dapat
memilih    
1 1 ··· 0 1 0 ··· 0
0 0 · · · 0 1 0 · · · 0
A = . . . ..  dan  ..
   
. . . .. . . .. 
. . . . . . . .
0 0 ··· 0 1 0 ··· 0
sehingga  
n 0 ··· 0
0 0 ··· 0
AB =  . .
 
.. .. 
 .. .. . .
0 0 ··· 0
Perhatikan bahwa v(A)v(B) = 1.1 = 1 ≤ n = v(AB) Dengan demikian, selalu ada A, B ∈
Cn×n yang memenuhi v(AB) > v(A)v(B) untuk setiap n > 1
3. Misalkan v(A) adalah jumlah modulus semua komponen A ∈ Cn×n . Periksa apakah v
memenuhi sifat submultiplikatif.
Pn Pn
Jawab Misalkan v(A) = i=1 j=1 |aij |. Perhatikan bahwa untuk A, B ∈ Cn×n
n X
X n X
n
v(AB) = aik bkj
i=1 j=1 k=1
Xn X n Xn
≤ |aik bkj |
i=1 j=1 k=1
Xn X n X n
= |aik ||bkj |
i=1 j=1 k=1
 
n
X Xn n
X
=  |aik | |bkj |
k=1 i=1 j=1
n X
n
! n X
n

X X
= |aik |  |bkj |
k=1 i=1 k=1 j=1
= v(A)v(B)
4. Diberikan ruang vektor l = {(a1 , a2 , ·)|ai ∈ C}, hampir semuanya 0 (dengan operasi kompo-
nen demi komponen). Maka k · k1 dan k · k∞ keduanya norma di l. Tunjukkan bahwa kedua
norma tersebut tidak ekivalen.
Pn
Jawab Misal k · k1 = i=1 |xi | dan k · k∞ = maxi |xi |. Norma k · k1 dan k · k∞ pada l
ekivalen jika ∃m, M ∈ R+ sehingga mkxk1 ≤ kxk∞ ≤ M kxk1 , ∀x ∈ l Kita akan tunjukkan
dengan contoh penyangkal. Ambil y sedemikian sehingga memiliki nilai 1 pada sejumlah
berhingga N komponen dan memiliki nilai 0 untuk lainnya. Perhatikan bahwa selalu ada
M ∈ R sehingga M + 1 > N > M . Kita peroleh kyk1 = N dan kyk∞ = 1, sehingga
(M + 1)kyk∞ > kyk1 > M kyk∞ , yang mana kontradiksi dengan definisi ekivalensi sendiri.
Dengan demikian k · k1 dan k · k∞ tidak ekivalen
5. Misalkan A ∈ Cn×n Buktikan bahwa kAxk n

kxk2 konstan untuk semua x 6= 0 di C jika dan hanya
2
jika semua nilai singular A sama besar.
Jawab Misalkan A ∈ Cn×n dan σi ∈ R+ , i = 1, 2, . . . , r nilai singular dari A, maka σi2

adalah nilai eigen dari A∗ A.
kAxk2
(a) Misalkan kxk2 = c konstan untuk semua x 6= 0 di Cn . Misal x ∈ Cn , perhatikan bahwa
kAxk22 (Ax)∗ (Ax)

2 =
kxk2 x∗ x
(x∗ A∗ Ax)
c=
x∗ x
∗ 2
x σi x)
=
x∗ x
2 ∗
σ x x
= i∗
x x
= σi2
Nilai singular pasti √

positif, maka nilai semua nilai singular σi , i = 1, 2, . . . , n dari A
sama-sama bernilai c
(b) Misalkan semua nilai singular A sama besar, maka σ1 = σ2 = · · · = σr = c, dengan

c ∈ R+ suatu konstan. Perhatikan bahwa
A∗ Ax = σi2 x
x∗ A∗ Ax = x∗ σi2 x
(Ax)∗ Ax = x∗ c2 x
= c2 x ∗ x
kAxk22 = c2 kxk22
kAxk2 = ckxk2
kAxk2
=c kxk2 6= 0
kxk2
kAxk2
Sehingga, karena kxk2 6= 0 ⇔ x 6= 0, maka kxk2 berlaku konstan untuk semua x 6= 0.
Dengan demikian, kAxk n

kxk2 konstan untuk semua x 6= 0 di C jika dan hanya jika semua nilai
2
singular A sama besar.
6. Tunjukkan bahwa k · k∞ memenuhi sifat submultiplikatif.
Jawab Telah ditunjukkan pada nomor 6(b).iv KK 5
7. Misalkan x ∈ Cn dan A = xx∗ . Tentukan kAk1 , kAk2 , kAk∞ , kAkF dengan menggunakan
norma-norma vektor yang tepat.
Jawab Misalkan x = (x1 x2 · xn ) ∈ Cn dan A = xx∗ , maka aij = xi xj
(a)
n
X
kAk1 = max |aij |
j
i=1
Xn
= max |xi xj |
j
i=1
Xn
= max |xi ||xj |
j
i=1
n
X !
= max |xj | |xi |
j
i=1
= kxk∞ kxk1
(b) Misalkan σi nilai singulir dari A. Perhatikan bahwa
kAxk2 kxx∗ xk2 x∗ xkxk2

= = = x∗ x = kxk22
kxk2 kxk2 kxk2
Berdasarkan nomor 5, hal ini berarti semua nilai singulir A memiliki nilai yang sama,
yaitu kxk22 , sehingga
kAk2 = max σi (A) = kxk22
i
(c)
n
X
kAk∞ = max |aij |
i
j=1
Xn
= max |xi xj |
i
j=1
Xn
= max |xi ||xj |
i
j=1
 
Xn
= max |xi |  |xj |
i
j=1
= kxk∞ kxk1
(d)
v
u n X
n
uX
kAkF = t |aij |2
i=1 j=1
v
n
u n X
uX
=t |xi xj |2
i=1 j=1
v
u n X
n
uX
=t |xi |2 |xj |2
i=1 j=1
v v
u n
u n
uX
uX
= t 2
|xi | t |xj |2
i=1 j=1
= kxk2 kxk2 = kxk22
A 6= 0. Tunjukkan bahwa jika nilai-nilai singulir A adalah σ1 , σ2 , . . . , σr , maka

8. Misalkan P
r
kAkF = ( i=1 σi2 )1/2 = (tr(A∗ A))1/2 = (tr(AA∗ ))1/2
Pn Pn
Jawab Misalkan A = [aij ], maka A∗ A = [ k=1 aki akj ] dan AA∗ = [ k=1 aik ajk ].
∗
Karena
Pn PAA dan A A memiliki komponen diagonal yang sama, maka tr(A A) = tr(AA∗ ) =
∗ ∗
n 2 2 ∗
j=1 k=1 |akj | = kAkF . Selanjutnya, karena A A hermit, dan karena dua matriks yang
serupa memiliki trace yang sama, maka
n
X
tr(A∗ A) = tr(U DU ∗ ) = tr(D) = σi2
i=1
∗ 1/2 ∗ 1/2
Pr
Dengan demikian, kAkF = (tr(A A)) = (tr(AA )) = ( i=1 σi2 )1/2 .
9. Tentukan m, M real positif yang memenuhi sekaligus (i) mkAk1 ≤ kAk2 ≤ M kAk1 , untuk
setiap A ∈ Cn×n , dan (ii) mkA1 k1 = kA1 k2 , kA2 k2 = M kA2 k2 untuk suatu A1 , A2 ∈ Cn×n
Jawab Misalkan x ∈ Cn , perhatikan bahwa

v
u n n p n
uX X X
kxk2 = t |xi |2 ≤ |xi |2 = |xi | = kxk1
i=1 i=1 i=1
Misalkan juga y t = (1 · · · 1)n . Berdasarkan ketaksamaan Holder (Ditunjukkan pada nomor

3(a) KK 5), √
kxk1 = |y ∗ x| ≤ kyk2 kxk2 = nkxk2
Misal A ∈ Cn×n , perhatikan bahwa
kAxk2
kAk2 = max
x6=0 kxk2
√
nkAxk1
≤ max
x6=0 kxk1
√ kAxk1
= n max
x6=0 kxk1
√
= nkAk1
dan
kAxk1
kAk1 = max
x6=0 kxk1
√
nkAxk2
≤ max
x6=0 kxk2
√ kAxk2
= n max
x6=0 kxk2
√
= nkAk2
√
Sehingga √1 kAk1 ≤ kAk2 ≤ nkAk1 . Ambil A1 = I1 = A2 sehingga
n
1 1
√ kA1 k1 = √ kI1 k1 = 1 = kI1 k2 = kA1 k2
n 1
dan
√ √
kA2 k2 = kI1 k2 = 1 = 1kI1 k1 = nkA2 k1
Dengan demikian kita dapat memilih m = 1 = M sehingga berlaku mkAk1 ≤ kAk2 ≤

M kAk1 , untuk setiap A ∈ Cn×n , dan mkA1 k1 = kA1 k2 , kA2 k2 = M kA2 k2 untuk suatu
A1 , A2 ∈ Cn×n
10. Tentukan norm vektor di C n yang memenuhi pernyataan sifat 3.2.5 untuk norm matriks k·kF
Jawab Sifat 3.2.5. mengatakan bahwa untuk setiap norm matriks k · k di Cn×n , ada norm
vektor k · k0 yang memenuhi kAxk0 ≤ kAkkxk0 dengan A ∈ Cn×n dan x ∈ Cn . Perhatikan
bahwa v
u n
uX
kxk2 = t |xi |2 = kxe∗1 kF
i=1
Maka
kAxk2 = kAxe∗1 kF ≤ kAkF kxe∗1 kF = kAkF kxk2
Dengan demikian, norm vektor di C n yang memenuhi pernyataan sifat 3.2.5 untuk norm
matriks k · kF adalah k · k2 .
11. Tunjukkan bahwa norm matriks k · k2 adalah norm hasil induksi dari norm Euklid di Cn
Jawab Misalkan A ∈ Cn×n . Terdefinisikan norm matriks kAk2 = maxi σi (A). Perhatikan
bahwa A∗ A hermit, sehingga jika λi adalah nilai eigen dari A∗ A, berdasarkan teorema
Rayleigh-Jeans, kita peroleh
x∗ (A∗ A)x
max λi = max
i x6=0 x∗ x
√
. Kita√ketahui bahwa norm euklid untuk x ∈ Cn terdefinisikan sebagai kxk2 = x∗ x. Karena
σi = λi merupakan nilai singulir dari A, maka
kAxk2
kAk2 = max
x6=0kxk2
p
kAxk22
= max p
x6=0 kxk22
r
(Ax)∗ (Ax)
= max
x6=0 x∗ x
s
(x∗ A∗ Ax)
= max
x6=0 x∗ x
q
= max λi
i
p
= max λi
i
= max σi (A)
i
Dengan demikian kAk2 = maxi σi (A) adalah norm hasil induksi dari norm Euklid di Cn .
12. (a) Misalkan D ∈ Cn×n matriks diagonal. Tentukan kDk2
Jawab Misalkan D = diag(d1 , d2 , . . . , dn ), maka D∗ D = diag(|d1 |2 , |d2 |2 , . . . , |dn |2 ).

Karena nilai eigen dari matriks diagonal adalah komponen diagonalnya, maka nilai eigen
dari D∗ D adalah |di |2 , i = 1, 2, . . . , n, sehingga nilai singular dari D adalah |di |, i =
1, 2, . . . , n Dengan demikian, kDk2 = maxi σi (D) = maxi |di | atau maksimum modulus
komponen diagonalnya.
(b) Misalkan A ∈ Cn×n . Buktikan bahwa jika A normal, maka ρ(A) = kAk2
Jawab Misalkan A ∈ Cn×n matriks normal, maka A = U DU ∗ dengan komponen

diagonal D nilai eigen dari A dan U uniter. Perhatikan bahwa
A∗ A = AA∗ = (U DU ∗ )(U DU ∗ ) = U D2 U ∗
dengan komponen diagonal D2 adalah nilai eigen dari AA∗ dan AA∗ , yang berarti juga
merupakan kuadrat dari nilai singulir dari A. Hal ini mengakibatkan nilai eigen dari A
sama dengan nilai singulir dari A, demikian juga nilai maksimum modulusnya. Dengan
demikian ρ(A) = kAk2
13. Tunjukkan bahwa norm matriks k · k∞ adalah norm hasil induksi dari norm maksimum
modulus komponen k · k∞ .
Pn
Jawab Misakan A = [aij ] ∈ Cn×n , maka Ax = [ j=1 aij xi ]. Perhatikan bahwa
Pn
kAxk∞ maxi | j=1 aij xi |
max = max
x6=0 kxk∞ x6=0 maxi |xi |
Pn
maxi |xi | maxi | j=1 aij |
= max
x6=0 maxi |xi |
n
X
= max aij
i
j=1
= kAk∞
14. Jika k · k adalah norm matriks di Cn×n hasil induksi. Tunjukkan bahwa kIn k = 1
Jawab Misalkan k · k adalah norm matriks hasil induksi di Cn×n , perhatikan bahwa
kIxk kxk
kIn k = max = max = max(1) = 1
x6=0 kxk x6 = 0 kxk x6=0
15. Misalkan k · k suatu norm vektor di Cn dan S ∈ Cn×n tak singular

(a) Tunjukkan bahwa kxk0 := kSxk mendefinisikan sebuah norm vektor di Cn .
Jawab Misalkan x, y ∈ Cn dan α ∈ C

• kαxk0 = kαSxk = |α|kSxk = |α|kxk0
• kx + yk0 = kS(x + y)k = kSx + Syk ≤ kSxk + kSyk = kxk0 + kyk0
• kxk0 = 0 ⇒ kSxk = 0 ⇒ Sx = 0 ⇒ x = 0
Dengan demikian k · k0 adalah sebuah norm vektor.
(b) Tunjukkan bahwa norm matriks hasil induksi kedua norm vektor tersebut memenuhi
kAk0 = kSAS −1 k, untuk setiap A ∈ Cn×n .
Jawab Misalkan A ∈ Cn×n . Perhatikan bahwa

kAxk0
kAk0 = max
x6=0 kxk0
kSAxk
= max , misal y = Sx
x6=0 kSxk
kSAS −1 yk
= max
y6=0 kyk
= kSAS −1 k
16. Misalkan k · k, k · k0 dua norm di Cn . Misalkan pula norm-norm hasil induksi keduanya
memenuhi kAk ≤ kAk0 , untuk semua A ∈ Cn×n dengan rank 1. Buktikan bahwa terdapat
konstanta real positif c yang memenuhi kvk = ckvk0 , untuk setiap v ∈ Cn
Jawab Misalkan A ∈ Cn×n matriks yang memiliki rank 1, maka A dapat dituliskan A = vet1
dengan v ∈ Cn . Misalkan juga k·k, k·k0 norm di Cn yang mana norm matriks hasil induksinya
memenuhi kAk ≤ kAk0 . Perhatikan bahwa untuk x ∈ Cn ,
kAk = max kAxk

kxk=1
= max kvet1 xk
kxk=1
= max kvx1 k
kxk=1
= max |x1 |kvk

kxk=1
= kvk max |x1 |

kxk=1
= akvk dengan a = max |x1 |

kxk=1
Dengan cara yang sama kita dapatkan kAk0 = akvk0 Sehingga, perhatikan bahwa
kAk ≤ kAk0
akvk ≤ akvk0
kvk ≤ kvk0
kvk = ckvk0 untuk 0 ≤ c ≤ 1
Dengan demikian, ∃c ∈ R+ yang memenuhi kvk = ckvk0 , ∀v ∈ Cn

17. Misalkan A ∈ Cn×n tak singular dan b ∈ Cn , b 6= 0. Misalkan δb deviasi pada b dan δx
deviasi pada solusi yang diakibatkan δb. Tunjukkan bahwa
kδbk kδxk
≤ k(A)
kbk kxk
Jawab Telah ditunjukkan pada nomor 10 KK 5

3.3 Tugas Tambahan

1. Diketahui ∀x ∈ Cn , kxk2 = (x∗ x)1/2 . Misalkan A ∈ Cn×n . Buktikan A normal jika dan
hanya jika kAxk2 = kA∗ xk2
Jawab Misalkan A ∈ Cn×n .

• Misalkan A normal. Perhatikan bahwa
kAxk2 = ((Ax)∗ (Ax))1/2
= (x∗ A∗ Ax)1/2
= (x∗ AA∗ x)1/2
= ((A∗ x)∗ (A∗ x)1/2
= kA∗ xk2
• Misalkan kAxk2 = kA∗ xk2 . Perhatikan bahwa

kAxk2 = kA∗ xk2
((Ax)∗ (Ax))1/2 = ((A∗ x)∗ (A∗ x)1/2
(Ax)∗ (Ax) = (A∗ x)∗ (A∗ x)
x∗ A∗ Ax = x∗ AA∗ x
A∗ A = AA∗
Dengan demikian, A normal ⇔ kAxk2 = kA∗ xk2

2. Misal k · kα suatu norm di Cn dengan sifat ∀x ∈ Cn×n yang uniter dan ∀U ∈ Cn , kxkα =
kU xkα . Buktikan ∃a > 0 sehingga ∀x ∈ Cn , kxkd = akxk2
Jawab Misalkan U uniter dan x ∈ Cn , perhatikan bahwa

kU xk22 = (U x)∗ (U x)
= x∗ U ∗ U x
= x∗ x = kxk22
Definisikan kxkα = αkxk2 . Dapat dilihat bahwa
kU xkα = αkU xk2 = αkxk2 = kxkα
Dengan demikian, mengambil a = α, ∀x ∈ Cn , kxkd = akxk2
3. Misalkan A ∈ Cn×n dan λ nilai karakteristik A. Misalkan v, w 6= 0 ∈ Cn yang memenuhi
Av = λv, w∗ A = λw∗ , dan w∗ v = 1. Misalkan P = vw∗ ∈ Cn×n .
(a) Tunjukkan bahwa kpk2 ≤ kvk2 kwk2
Jawab
kP vk2
kP k22 = max
v6=0 kvk2
kvw∗ vk2
= max
v6=0 kvk2
kvk2
= max
v6=0 kvk2
= 1 = w∗ v = hw, vi2 ≤ kvk2 kwk2
(b) Tentukan kP wk2 , lalu simpulkan bahwa kP k2 = kvk2 kwk2

Jawab
kP wk2 = kvw∗ wk2

= kwk22 kvk2
kP wk2
= kwk2 kvk2
kwk2
kP wk2
max ≥ kwk2 kvk2
w6=0 kwk2
kP k ≥ kwk2 kvk2
Dari sebelumnya, kP k ≤ kwk2 kvk2 , maka kP k = kwk2 kvk2
4. Misalkan x, y ∈ Cn dan A = xy ∗ ∈ Cn×n . Tentukan kAk2 dengan menggunakan norm x

dan/atau y yang tepat.
Jawab Misalkan x, y ∈ Cn dan A = xy ∗ ∈ Cn×n . Perhatikan bahwa
kAyk kxy ∗ yk2 kyk22 kxk2

= = = kyk2 kxk2
kyk kyk2 kyk2
Berdasarkan nomor 5 Diktat Pak Muchlis Bab 3, hal ini berarti semua nilai singulir A
memiliki nilai yang sama, sehingga
kAk2 = max σi (A) = kyk2 kxk2

i
λmax (A)
5. Buktikan K(A) ≥ ρ(A)ρ(A−1 ) = , ∀A ∈ Cn×n tak singular.
λmin (A)
Jawab Misalkan A ∈ Cn×n matriks tak singular, λmax (A) adalah nilai eigen terbesar dari
A, dan λmin (A) adalah nilai eigen terkecil dari A. Karena A tak singular, perhatikan bahwa
Ax = λmin (A)x
−1
A Ax = A−1 λmin (A)x
x = λmin (A)A−1 x
λ−1
min (A)x = A
−1
x
λmax (A−1 )x = A−1 x
Dengan demikian, ρ(A) = |λmax (A)| dan ρ(A−1 ) = |λmax (A−1 )| = |λ−1
min (A)|.
Misalkan k · k0 suatu norm vektor di Cn . Dari nomor 10 pada KK 5, telah ditunjukkan bahwa
berlaku kAxk0 ≤ kAkkxk0 untuk k · k suatu norm matriks di Cn×n . Sehingga dapat dilihat
bahwa
|λmax (A)|kxk0 = kλmax (A)xk0 = kAxk0 ≤ kAkkxk0
|λmax (A)| ≤ kAk
Dengan cara yang sama, kita dapatkan
|λ−1
min (A)| ≤ kA
−1
k
Sehingga
|λmax (A)|
K(A) = kAkkA−1 k ≥ = ρ(A)ρ(A−1 )
|λmin (A)|
pPn
6. Jika A normal, buktikan kAkF = i=1 |λi |2 , λi nilai eigen A.
Jawab Misalkan A ∈ Cn×n . Karena A normal, ia dapat dituliskan dalam A = U DU ∗

dengan U uniter dan D matriks diagonal dengan λi , i = 1, 2, . . . , n, nilai eigen A sebagai
elemen diagonalnya. Perhatikan bahwa
A∗ A = (U DU ∗ )∗ (U DU ∗ ) = U D2 U ∗ = U diag(|λ21 |, |λ2 |2 , . . . , |λn |n )U ∗
Berdasarkan nomor 8 Diktat Pak Muchlis bab 3,
n
X
∗ 2
kAkF = tr(A A) = tr(D ) = |λi |2
i=1
7. (a) Apakah ∀A ∈ Cn×n berlaku kAk2 = kA∗ k2 ? Jika tidak, beri contoh penyangkal!
Jawab Misalkan A ∈ Cn×n . Berdasarkan nomor 1 Diktat Pak Muchlis Bab 2, kita
ketahui bahwa nilai eigen dari AA∗ dan A∗ A adalah sama. Dengan demikian nilai
singulir dari A dan A∗ juga sama, sehingga kAk2 = maxi σi (A) = maxi σi (A∗ ) = kA∗ k2
(b) Apakah berlaku ∀A ∈ Cn×n , kAk1 = kA∗ k∞
Jawab Misalkan A ∈ Cn×n , perhatikan bahwa

n
X n
X
kA∗ k∞ = max |aji | = max |aij | = kAk1
i j
j=1 i=1
8. Misalkan x, y ∈ Cn , tentukan kxy ∗ k1 , kxy ∗ k2 , kxy ∗ kF menggunakan norm vektor yang tepat.
Jawab Misalkan x, y ∈ Cn
(a)
n
X
∗
kxy k1 = max |xi yj |
j
i=1
Xn
= max |xi ||yj |
j
i=1
n
X
= max |yj |
j
i=1
= kyk∞ kxk1
(b) Telah ditunjukkan pada nomor 4
(c)
v
u n X
n
uX
kxy ∗ kF = t |xi yj |2
i=1 j=1
v
u n X
n
uX
=t |xi |2 |yj |2
i=1 j=1
v
u n n
uX X
=t |xi |2 |yj |2
i=1 j=1
v v
u n
u n
uX
uX
= t 2
|xi | t |yj |2
i=1 j=1
= kxk2 kyk2
1
9. Tunjukkan n kAk∞ ≤ kAk1 ≤ nkAk∞ .
Jawab Misalkan u ∈ Cn Perhatikan bahwa

n
X n
X n
X
kuk∞ = max |ui | = |uk | ≤ |ui | = kuk1 = |ui | ≤ max |ui | = n max |ui | = nkuk∞
i i i
i=1 i=1 i=1
Maka
kAuk∞ ≤ kAuk1 ≤ nkAuk∞
kAuk∞ kAuk∞ kAuk1 nkAuk∞ nkAuk∞
≤ ≤ ≤ ≤
nkuk∞ kuk1 kuk1 kuk1 kuk∞
1
kAk∞ ≤ kAk1 ≤ nkAk∞
n
10. Misalkan D matriks diagonal definit positif. Definisikan kxkD = (x∗ Dx)1/2 . Tunjukkan
norm matriks induksi dari kxkD adalah kAkD = maxi σi (D1/2 AD−1/2 ).
Jawab Misalkan D matriks diagonal definit positif, maka D = D1/2 D1/2 . Kita peroleh
kxkD = (x∗ Dx)1/2 = (x∗ D1/2 D1/2 x)1/2 = (x∗ D∗1/2 D1/2 x)1/2 = kD1/2 xk2
Misalkan A ∈ Cn×n , perhatikan bahwa
kAxkD
kAkD = max
x6=0 kxkD
kD1/2 Axk2
= max
D 1/2 x6=0 kD 1/2 xk2
kD1/2 Axk2
= max
D 1/2 x6=0 kD 1/2 xk2
kD1/2 AD−1/2 D1/2 xk2

= max misal D1/2 x = y
D 1/2 x6=0 kD1/2 xk2
kD1/2 AD−1/2 yk2
= max
y6=0 kyk2
= kD1/2 AD−1/2 k2
= max σi (D1/2 AD−1/2 )
i
11. Tunjukkan kxk = (x∗ Ax)1/2 adalah norm vektor dengan A adalah matriks definit positif.
Jawab Misalkan x, y ∈ Cn dan α ∈ C. Perhatikan bahwa karena A definit positif, maka

x∗ Ax > 0 sehingga kxk = (x∗ Ax)1/2 terdefinisikan dengan baik. Selain itu,
•
kαxk = ((αx)∗ Aαx)1/2
= (αx∗ Aαx)1/2
= (|α|2 x∗ Ax)1/2
= |α|(x∗ Ax)1/2 = |αkxk
•
kx + yk = ((x + y)∗ A(x + y))1/2
= ((x∗ + y ∗ )A(x + y))1/2
= ((x∗ Ax) + (y ∗ Ay))1/2
≤ (x∗ Ax)1/2 + (y ∗ Ay)1/2
= kxk + kyk
√
• kxk = 0 ⇒ x∗ Ax = 0 ⇒ x = 0 Dengan demikian, kxk = (x∗ Ax)1/2 adalah norm
vektor.
12. Buktikan k · kF invarian uniter
Jawab Misalkan A ∈ Cn×n dan U, V matriks uniter. Karena matriks yang serupa memiliki
trace yang sama, maka
tr((U AV )∗ (U AV )) = tr(V ∗ A∗ U ∗ U AV ) = tr(V ∗ A∗ AV ) = tr(A∗ A)
Sehingga berdasarkan nomor 8 Diktat Pak Muchlis Bab 3,
kU AV kF = tr((U AV )∗ (U AV ))
= tr(A∗ A)
= kAkF
Dengan demikian k · kF invarian uniter.

13. Buktikan ∀D, U tak singular, kAk0 = kD−1 U ∗ AU Dk∞ mendefinisikan norm matriks.
Jawab Perhatikan bahwa untuk A, B ∈ Cn×n dan α ∈ C
kαAk0 = kD−1 U ∗ αAU Dk∞

= |α|kD−1 U ∗ AU Dk∞ = |α|kAk0
kA + Bk = kD−1 U ∗ (A + B)U Dk∞

= kD−1 U ∗ AU D + D−1 U ∗ BU Dk∞
≤ kD−1 U ∗ AU Dk∞ + kD−1 U ∗ BU Dk∞
= kAk0 + kBk0
• Karena k · k∞ norm, maka kAk0 = kD−1 U ∗ AU Dk∞ ≥ 0 dan
kAk0 = 0 ⇒ kD−1 U ∗ AU Dk∞ = 0 ⇒ D−1 U ∗ AU D = 0 ⇒ A = 0
kABk = kD−1 U ∗ ABU Dk∞

= kD−1 U ∗ A(U DD−1 U ∗ )BU Dk∞
= kD−1 U ∗ AU DD−1 U ∗ BU Dk∞
≤ kD−1 U ∗ AU Dk∞ kD−1 U ∗ BU Dk∞
= kAk0 kBk0
Dengan demikian, kAk0 = kD−1 U ∗ AU Dk∞ adalah norm matriks.

3.4 Soal Ujian

1. (a) Misalkan D ∈ Cn×n matriks diagonal. Tentukan kDk2 .
(b) Misalkan A ∈ Cn×n . Buktikan jika A normal maka ρ(A) = kAk2 .
[U3 S2 ’11/’12]
2. Tentukan norma vektor di Cn yang memenuhi sifat 3.2.5 yaitu
kAxk ≤ kAkF kxk
untuk setiap A ∈ Cn×n , x ∈ Cn . [U3 S2 ’11/’12]

3. Misalkan A ∈ Cn×n matriks hermit yang definit tak negatif. Misalkan A = [aij ] dan terdapat
1 ≤ k ≤ n sehingga komponen diagonal utama akk = 0. Buktikan bahwa baris ke-k dan kolom
ke-k dari A adalah nol. [UAS S1 ’13/’14]
4. Tentukan norma-1 terbesar dan terkecil untuk matriks ortogonal di R2×2 . [UAS S1 ’13/’14]
5. Misalkan A = [aij ] ∈ Cn×n matriks strictly diagonally dominant dan D = diag(a1 1, . . . , ann ).
Buktikan bahwa D mempunyai balikan dan ρ(In − D−1 A) < 1. [UAS S1 ’13/’14]
6. (a) Tunjukkan bahwa kAkF = kA∗ kF untuk setiap matriks A ∈ Cn×n .
(b) Apakah untuk setiap matriks A ∈ Cn×n berlaku kAk1 = kA∗ k1 ? Tunjukkan.
[U3 S2 ’13/’14]
7. Diberikan dua norm matriks k · kα dan k · kβ . Untuk setiap A ∈ Cn×n .
Kα (A) = kA−1 kα kAkα dan Kβ (A) = kA−1 kβ kAkβ
Buktikan terdapat konstanta positif Cm dan CM sehingga
Cm Kα (A) ≤ Kβ (A) ≤ CM Kα (A)
untuk setiap A ∈ Cn×n . [U4 S2 ’13/’14]

Chapter 4
Lokalisasi Nilai Eigen
73
74 CHAPTER 4. LOKALISASI NILAI EIGEN
4.1 Kertas Kerja 6

Masih dalam konstruksi

Masih dalam konstruksi
4.3 Soal Ujian

 
2 1 0
1. Diberkan matriks A = 1 4 1
1 0 3
(a) Tentukan cakram-cakram Gershgorin dari matriks A.

(b) Dengan menggunakan Teorema Gershgorin, tunjukkan bahwa 0 bukan nilai karakteristik
matriks A.
(c) Menggunakan poin (b), periksa apakah A memiliki invers.
[U4 S2 ’11/’12]
2. Misalkan A ∈ Rn×n , A ≥ 0. Buktikan bahwa A tidak tereduksi jika dan hanya jika At tidak
tereduksi. [U4 S2 ’11/’12]
3. Misalkan A = (aij ) ∈ Rn×n , A ≥ 0, dan ρ(A) menyatakan modulus nilai eigen terbesar dari
matriks A. Buktikan bahwa
n
X n
X
min aij ≤ ρ(A) ≤ max aij
i i
j=1 j=1
. [U4 S2 ’11/’12]
4. Untuk matriks A = [aij ] ∈ Cn×n , cakram Gershgorin baris ke-i dari matriks A didefinisikan
sebagai  
 X 
Di (A) = z ∈ C : |z − aii | ≤ |aij |
 
j6=i
Gabungan dari semua cakram Gershgorin untuk matriks A diberi notasi

n
[
D(A) = Di (A)
i=1
Misalkan S adalah himpunan smua matriks di Cn×n yang nonsingulir dan σ(A)adalah him-
punan semua nilai karakteristik dari matriks A ∈ Cn×n . Buktikan bahwa
\
D(S −1 AS) = σ(A)
S∈S
[UTS S1 ’13/’14]
5. Misalkan A ∈ Rn×n dengan untuk setiap i 6= j berlaku
Di (A) ∩ Dj (A) = ∅
Buktikan bahwa semua nilai karakteristik dari A adalah real [UTS S1 ’13/’14]
4.3. SOAL UJIAN 75
6. Misalkan A ∈ Rn×k dan A+ adalah pseudoinvers dari A. Buktikan bahwa

A+ = lim → 0AT (AAT + tIn )−1
t
[UTS S1 ’13/’14]
7. Misalkan A ∈ Rn×k dengan rank k. Buktikan bahwa matriks AT A mempunyai invers. [UTS
S1 ’13/’14]
8. Diberikan matriks A = [aij ] ∈ n × n. Misalkan λ suatu nilai eigen matriks A. Buktikan
bahwa
[n n
X
λ∈ {z ∈ C : |z − ajj | ≤ |aij |}
j=1 i=1
i6=j
 
1 1 1 1
9. Misalkan A = 1 1 1 1
1 1 1 1
 
1
0 4×2
0 konstruksikanlah matriks U2 = [u1 Au1 ] ∈ R
(a) Dengan menggunakan u1 =  
0
(b) Dengan menggunakan metode Lanczos dan matriks U2 , tentukan M2 dan m2 yang
masing-masing merupakan hampiran nilai eigen terbesar dan terkecil dari matriks A.
10. Misalkan A ∈ Rp×n , B ∈ Rm×n , dan A+ adalah pseudoinvers dari A. Buktikan N (A) ⊆
N (B) jika dan hanya jika BA+ A = B, dengan N (A) adalah ruang nol matriks A.
11. Untuk setiap A = [aij ] ∈ Cn×n , definisikan
n
\ X
G(A) = {z ∈ C : |z − aii | ≥ |aij |}
i=1 j=1,j6=1
(a) Diberikan matriks A = [aij ] ∈ Cn×n dengan nilai eigenλ. Buktikan bahwa λ ∈ G(A) ∩
G(At ).
 
2 1 0
(b) Jika A = 1 4 1, tentukan G(A) ∩ G(At ) sebagai perkiraan lokasi nilai-nilai eigen
1 0 3
matriks A.
[U4 S1 ’14/’15]

0 1
12. Misalkan A0 = .
−1 0
(a) Misalkan A0 = A. Lakukan metode QR untuk mendapatkan A1 dan A2 .
(b) Buktikan bahwa Ak tidak konvergen ke suatu matriks segitiga atas.
[U4 S1 ’14/’15]
 
1 1 1
13. Misalkan A = 1 1 1. Dalam metode Lanczos, dari suatu vektor u ∈ Rn , perlu dikon-
1 1 1
struksi matriks Uk = [u Au · · · Ak−1 u] ∈ Rn×k , k = 1, 2, . . . , n, sehingga nilai-nilai eigen
∗
matriks A dihampiri oleh nilai-nilai eigen
 ekstrim
 matriks
 Uk AUk . Dalam pengkonstruksian
1 1
matriks Uk , apakah dapat dipilih u =  0  atau u = 1? Jelaskan jawaban anda. [U4 S1
−1 1
’14/’15]

Soal Dan Pembahasan Analisis Matriks - Aditya Firman Ihsan

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Soal Dan Pembahasan Analisis Matriks - Aditya Firman Ihsan

Diunggah oleh

Hak Cipta:

Format Tersedia

Analisis Matriks - Soal dan Pembahasan

Aditya Firman Ihsan

July 6th, 2015

4 Lokalisasi Nilai Eigen 73

1.1 Kertas Kerja 1

Jawab Misal P matriks berukuran n × n dan A = 1, 2, . . . , n himpunan bilangan asli. Dari

(b) Kasus dari kanan (P A)  

8. Tunjukkan bahwa matriks permutasi adalah matriks uniter

Jawab Dengan menggunakan notasi σ = (a1 a2 · · · an ), kita definisikan suatu permu-

dengan nilai eigen wk , maka

Sehingga didapatkan wk vi = vi+1 untuk i = 1, 2, . . . , n − 1 dan

Perhatikan bahwa U U ∗ = U ∗ U = In , sehingga U uniter. Dengan demikian, P dapat didiag-

1.2 Kertas Kerja 2

1.3 Kertas Kerja 3

(a) Syarat perlu : Semua komponen diagonal utamanya positif.

Jawab Misalkan A matriks

λi . Karena A definit tak negatif, maka λi ≥ 0. Perhatikan

ii. Misalkan x∗ Ax ≥ 0, ∀x ∈ Cn . Misal λ ∈ R nilai eigen A dengan vektor eigen u,

(b) det(S) ≥ 0, ∀S submatriks utama A

(c) ∃B ∈ Cn×n sehingga A = BB ∗

BB ∗ = (U diag(α1 , α2 , . . . , αn )U ∗ )(U diag(α1 , α2 , . . . , αn )U ∗ )∗

Bukti. masih belum dapat dikonstruksikan

1.4 Diktat Pak Muchlis Bab 1

2. Misalkan A ∈ Cm×n dengan rank(A) = r. Tunjukkan bahwa terdapat matriks permutasi P ,

3. Dengan P1 , P2 , . . . , Pk matriks-matriks permutasi berorde n. Misalkan αi ∈ R, P

(a) Tentukan matriks

demikian P yang memenuhi Pτ = P diag(S1 , S2 , S3 )P −1 adalah

(b) Tentukan nilai-nilai dan vektor-vektor eigen Pτ

Jawab Misalkan P = S −1 AS, P dikatakan simetris jika P t = P ⇔ (S −1 AS)t = S t At (S −1 )t ) =

U ∗ AU = U ∗ (Au1 Au2 · · · Aun )

A dapat didiagonalkan secara uniter. Perhatikan bahwa D∗ = diag(λ1 , λ2 , . . . , λn ) =

sehingga didapat a2 + c2 = 1 = a2 + b2 ⇔ b = ±c dan ac + bd = 0 = ab + cd ⇔ a(c − b) =

ii. a = −d = cos θ dan b = c = cos θ.

Jawab Sudah ditunjukkan pada KK 2 nomor 3

|l21 |2 + |l11 |2 |l11 |2

(a) Misalkan x vektor eigen A, maka ∃λ sehingga Ax = λx atau (A − λIn )x = 0. Karena

Dengan demikian x adalah vektor eigen dari A∗ untuk nilai eigen λ.

(A∗ − µIn )(A∗ − µIn )∗ x = 0

Jawab Misalkan A ∈ Cn×n dengan A = [aij ]. Ambil H, M ∈ Cn×n dengan H ∗ = H dan

Jawab Misalkan A, B ∈ Cn×n definit tak-negatif, maka x∗ Ax ≥ 0 dan x∗ Bx ≥ 0 untuk

Jawab Misalkan A = [aij ] dengan aij = x∗j xi untuk x1 , x2 , . . . , xn ∈ Cn , i, j = 1, 2, . . . , n.

x∗1 x1 x∗2 x1 x∗n x1

Sehingga untuk sembarang y ∈ Cn , dapat dilihat

Jawab Misalkan A ∈ Cn×n matriks Hermit.

Karena λ ≥ 0, maka λk ≥ 0. Dengan demikian Ak definit tak negatif.

merupakan faktorisasi Cholesky untuk A.

1.5 Tugas Tambahan

Jawab Misalkan A = {a1 , a2 , . . . , an }. Karena T satu-satu, maka pastilah untuk i 6= j,

5. Bila Pσ adalah matrix permutasi, apa makna dari pij = δiσ(j) ?

Jawab Tidak sama.

7. Tunjuukan bahwa Pσt = Pσ−1 .

9. Tunjukkan bahwa eiθ = cos θ + i sin θ.

Jawab Dengan menggunakan ekspansi taylor, kita dapatkan

Sehingga, perhatikan bahwa

Terlihat bahwa komponen diagonal ke-t dari matriks G berbentuk

1.6 Soal Ujian

hT (u), vi = hu, T (v)i

untuk semua x ∈ Cn dengan kxk = 1. [UTS S1 ’13/’14]

Buktikan bahwa xt Ax > 0 untuks setiap x ∈ R3 , x 6= 0. [U1 S2 ’13/’14]

2.1 Kertas Kerja 4

AA∗ = W ΛW ∗ = W (P −1 P )Λ(P −1 P )W ∗ = (W P −1 )(P ΛP −1 )(P W ∗ )

V = A∗ U D−1 , dapat dilihat bahwa

V ∗ V = (A∗ U D−1 )∗ (A∗ U D−1 )

B dapat didekomposisi Schur menjadi B = V SV ∗ denganV matriks