Catatan Kuliah Minggu ke-10

MA 5021 Analisis Matriks

Semester II 2021/2022
Nama anggota kelompok:
Fawwaz Fakhrurrozi Hadiputra (20121019)
Kemal Firdaus (20121025)

1. Rotasi Givens
Sebelumnya, pada matriks householder kita dapat memperoleh faktorisasi QR
untuk matriks A yang dapat membuat entri di bawah entri dari A menjadi nol
sekaligus. Namun hal ini akan kurang efektif saat ingin mendapatkan komponen
nol secara lebih selektif. Untuk itu, kita akan gunakan rotasi Givens.
Ide: Pandang matriks 2 × 2
 
a c
A= .
b d
Akan dicari G sehingga  
∗ ∗
GA = ,
0 ∗
   
a ∗
yakni G = . Salah satu cara untuk mencapai hal tersebut ialah dengan
b 0
 
a
merotasikan sejauh θ berlawanan arah jarum jam ke sumbu-x, yang diilus-
b
trasikan pada Gambar 1.

Gambar 1. Ilustrasi ide awal.

Lebih jauh, misalkan Rθ : Rotasi sejauh θ berlawanan arah jarum jam. Selan-
jutnya akan dibahas cara menentukan Rθ jika diberikan < a, b >. Matriks rotasi
berlawanan arah jarum jam sebesar θ dapat diperoleh dengan pengamatan pada
rotasi berlawanan arah jarum jam sebesar θ pada kolom-kolom matriks identitas,
yang diilustrasikan pada Gambar
 2. 
cos θ − sin θ
Sehingga diperoleh Rθ = . Untuk penyederhanaan penulisan,
sin θ cos θ
misalkan c = cos θ dan s = sin θ. Misalkan
   
a r
(1) Rθ = .
b 0
1
2

Gambar 2. Ilustrasi pengamatan matriks rotasi.

Akibatnya
(2) ca − sb = r,

(3) sa + cb = 0.
√ √
Karena Rθ isometri, akibatnya |r| = a2 + b2 . Pilih r = a2 + b2 . Dari Pers.
3, diperoleh c = −sa/b. Kalikan Pers. 2 dengan c dan substitusikan hubungan
terakhir, diperoleh
c2 a + s2 a = cr
=⇒ (c2 + s2 )a = cr
=⇒ a = cr
a
(4) =⇒ c = .
r
Akibatnya,
sa + cb = 0
=⇒ sa = −cb
a
=− b
r
b
(5) =⇒ s = − .
r
Lebih jauh, perluas pengamatan pada matriks 4 × 4
    
c −s 0 0 a11 a12 a13 a14 r x x x
s c 0 0 a21 a22 a23 a24   0 x x x
0 0 1 0 a31 a32 a33 a34  = x x x x .
    

0 0 0 1 a41 a42 a43 a44 x x x x

 
c −s
Lalu, bagaimana menolkan a31 dengan rotasi juga? Perhatikan operasi
s c
matriks berikut
  
c 0 −s 0 r x x x
0 1 0 0  0 x x x
s 0 c 0 u x x x .
  

0 0 0 1 x x x x
 3

Perkalian baris ke-1 dan 3 matriks di kiri mengakibatkan baris ke-2 dan 4 dari
matriks di kanan tidak memiliki kontribusi. Pengamatan kepada perkalian baris
ke-1 dan 3 pada matriks di kiri dengan kolom ke-1 dan 3 pada matriks di kanan
memberikan kita
    ′ 
c −s r x s x
= ,
s c u x 0 x

dengan c, s dapat dipilih berdasarkan perolehan sebelumnya. Lebih jauh, secara

umum, untuk menolkan entri aij , i > j dapat diperoleh dengan pengamatan pada
operasi matriks berikut

··· ··· ···

 
a11 a1j a1i a1n
  ..
 ..
.
.. ..
.
.. ..
.
.. 
0 0 0 0  . . . . 

I 
0 c 0 −s 0
 aj1 ··· ajj ··· aji ··· ajn 
  .. .. .. .. .. ..

..  .
0 0 I 0 0 . . .

0
 . . . . 
s 0 c 0  ai1

··· aij ··· aii ··· ain 
0 0 0 0 I  .
 
.. .. .. .. .. .. 
 .. . . . . . . 
an1 ··· anj ··· ani ··· ann

  
c −s akk akj
Hal tersebut analog dengan , dengan c dan s dapat ditentukan
s c ajk ajj     
c −s ajj aji r ∗
berdasarkan akk , akj , ajk , ajj , sehingga = . Sehingga
s c aij aii 0 ∗
untuk menolkan entri ke-ij, dapat dipilih matriks rotasi Givens G = g(i, j) dengan
gii = c, gij = −s, gji = s, gjj = c. Sementara itu untuk k ̸= i, j pilih gkk = 1 dan
nol untuk entri lainnya. Dengan begitu berlaku (GA)ij = 0.
Selain itu, ingat bahwa Pσ adalah matriks permutasi sedemikian sehingga Pσ HPσT
akan menukar baris-baris di H sesuai urutan σ dan menukar kolom-kolom di H
sesuai urutan σ. Artinya, untuk setiap rotasi Givens G yang telah dijelaskan se-
belumnya terdapat matriks permutasi Pσ agar G bisa dituliskan sebagai berikut.

 
c −s 0
G = Pσ  s c 0  PσT
0 0 In−2

Contoh 1. Misalkan diberikan matriks sebagai berikut

 
0 1 −3
A = 0 −1 −1 .
6 3 9

Akan digunakan rotasi Givens untuk menuliskan A sebagai A = QR dengan Q

suatu matriks ortogonal dan R suatu matriks segitiga atas.
4

Pilih rotasi G1 sedemikian sehingga

 
0 0 1
G1 =  0 1 0
−1 0 0
  
0 0 1 0 1 −3
G1 A =  0 1 0 0 −1 −1
−1 0 0 6 3 9
 
6 3 9
= 0 −1 −1
0 −1 3
Selanjutnya, pilih G2 sedemikian sehingga
1 0 0
 
−1 −1
G2 = 0 √2 √2 
1 −1
0 √2 √ 2
1 0 0
  
6 3 9
−1 −1
G2 A = 0 √2 √2  0 −1 −1
−1
0 √12 √ 2
0 −1 3
 
6 √3 9
√
= 0 2 − √2 
0 0 −2 2
Misalkan R = G2 G1 A. Dari hasil sebelumnya, diperoleh bahwa R matriks segitiga
atas. Untuk mencari faktorisasi seutuhnya, definisikan Q = (G2 G1 )−1 = GT1 GT2
yaitu

0 0 −1 1 0 0
  
−1 1
Q = 0 1 0  0 √2 √2 
−1 −1
1 0 0 0 √ 2
√
2
0 √12 √12
 
−1 √1 
Q = 0 √ 2 2
1 0 0
Oleh karena itu, diperoleh bahwa
−1 √1
0
 √
 
2 2 6 √3 √9
−1 −1  
A = QR = 0 √
2
√
2
0 2 − √2 
1 0 0 0 0 −2 2

adalah suatu faktorisasi menggunakan rotasi Givens.

2. Matriks Hessenberg
Matriks Hessenberg H adalah matriks yang dapat dibilang hampir menjadi
matriks segitiga atas. Secara formal, matriks Hessenberg H = (hij ) haruslah
memenuhi hij = 0 untuk i > j + 1. Sebagai contoh, untuk aij ∈ C, berikut
 5

adalah matriks Hessenberg berukuran 5 × 5.

 
a11 a12 a13 a14 a15
a21 a22 a23 a24 a25 
 
 0 a32 a33 a34 a35 
 
 0 0 a43 a44 a45 
0 0 0 a44 a45
Dalam usaha untuk melakukan dekomposisi suatu matriks menjadi matriks segitiga
atas, dekomposisi Schur bekerja dengan baik untuk matriks di Cn×n . Untuk setiap
matriks A ∈ Cn×n akan terdapat U ∈ Cn×n uniter dan R ∈ Cn×n segitiga atas
sedemikian sehingga
U ∗ AU = R
Akan terjadi masalah jika kita menginginkan tiap entri dari matriks itu real, atau
dalam kata lain A, U, R ∈ Rn×n . Jika A ∈ Rn×n punya nilai eigen kompleks dan
kita ingin U ∈ Rn×n , R ∈ Rn×n maka
U ∗ AU = R
tidak mungkin terjadi, karena entri diagonal dari R merupakan nilai eigen dari A.
Setidaknya, kita bisa menjadikan R sebagai matriks Hessenberg.
Teorema 1. Untuk A ∈ Rn×n ada matriks ortogonal Q ∈ Rn×n sehingga
QAQT = H
dengan H matriks Hessenberg.
Matriks Q apa yang kira-kira akan bekerja? Jika Q = Hv adalah matriks House-
holder, perhatikan bahwa
   
a11 a12 a13 a14 α ∗ ∗ ∗
a21 a22 a23 a24  T  0 ∗ ∗ ∗ T
a31 a32 a33 a34  Hv =  0 ∗ ∗ ∗ Hv
Hv    

a41 a42 a43 a44 0 ∗ ∗ ∗

 
∗ ∗ ∗ ∗
∗ ∗ ∗ ∗
=∗ ∗ ∗ ∗


∗ ∗ ∗ ∗
 
α
0
sehingga bentuk   0  tidak dapat dipertahankan. Oleh karena itu, kita perlu


0
menyelipkan matriks Householder tersebut ke dalam matriks blok dalam bentuk
sebagai berikut
 
I 0
Hk = k
0 Hv k
dengan nilai k adalah kolom ke-k yang akan dimanipulasi dan vk adalah kolom
ke-k tanpa k baris paling atas. Beberapa matriks Hk ini dapat diterapkan pada A
sedemikian sehingga
Hn−2 · · · H2 H1 AH1T H2T · · · Hn−2
T
=H
6

untuk H adalah matriks Hessenberg. Singkatnya, bisa kita pilih Q = Hn−2 · · · H2 H1

sehingga QAQT = H dengan Q juga ortogonal.

Contoh 2. Misalkan diberikan matriks A sebagai berikut.

 
3 0 1 −1
0 1 1 0
A=
4 0

2 1
0 0 −1 1

Akan digunakan matriks Householder untuk mendapatkan matriks ortogonal Q

T
sehingga QAQ
  merupakan matriks Hessenberg.
−4
Pilih v =  4  sehingga v ∗ v = 32 dan
0

 
16 −16 0
vv ∗ = −16 16 0
0 0 0
 
16 −16 0
2 2 
vv ∗ = −16 16 0
v∗ v 32
0 0 0
 
1 −1 0
= −1 1 0
0 0 0

sehingga dapat dibuat matriks Householder yang dibangun oleh v yaitu

     
1 0 1 0 0 0
Q1 = = −
0 Hv 0 In 0 v∗2v vv ∗
   
1 0 0 0 0 0 0 0
0 1 0 0 0 1
− −1 0
= 
0 0 1 0 0 −1 1 0
0 0 0 1 0 0 0 0
 
1 0 0 0
0 0 1 0
=0

1 0 0
0 0 0 1
 7

Perhatikan bahwa QT1 = Q1 . Selain itu, dapat diperiksa Q1 ortogonal. Tinjau

Q1 AQT1 = Q1 AQ1 yaitu

   
1 0 0 0 3 0 1 −1 1 0 0 0
0 0 1 0 0 1 1 0 0 0 1 0

Q1 AQ1 =  
0 1 0 0 4 0 2

1 0
 1 0 0
0 0 0 1 0 0 −1 1 0 0 0 1
  
3 0 1 −1 1 0 0 0
4 0 2 1 0 0 1 0
 
=0 1 1 0  0 1 0 0
0 0 −1 1 0 0 0 1
 
3 1 0 −1
4 2 0 1 
=0 1 1 0 


0 −1 0 1

√ 
√

1+ 2
Selanjutnya, pilih u = sehingga u∗ u = 4 + 2 dan
1

 √ √ 
∗ 3 + 2 √2 −1 − 2
uu =
−1 − 2 1
 √ √ 
2 ∗ 2 3 + 2 √2 −1 − 2
uu = √
u∗ u 4 + 2 2 −1 − 2 1
" √ √ #
2 2
1 +√ 2 − 2√
= 2
− 2 1 − 22

sehingga dapat dibuat matriks Householder yang dibangun oleh u yaitu

     
1 0 0 1 0 0 0 0 0
Q2 =  0 1 0  = 0 1 0  − 0 0 0 
2 ∗
0 0 Hu 0 0 In 0 0 u∗ u uu
0 0 0 0
   
1 0 0 0
0 1 0 0 0 0
  0√ 0√ 
= −
1 +√ 22 − 2 

0 0 1 0 0 0 2√
0 0 0 1 0 0 − 22 1− 2
2
1 0 0 0
 
0 1 0√ 0
√ 
= 2 2
0 0 −√ 2 √2
2 2
0 0 2 2
8

Perhatikan bahwa QT2 = Q2 . Selain itu, dapat diperiksa Q2 ortogonal. Tinjau

Q2 (Q1 AQ1 )QT2 = Q2 (Q1 AQ1 )Q2 yaitu
1 0 0 0 0 −1 1 0 0 0
   
3 1
0 1 0√ √
0  4 2 0 1 0 1 0√ 0
√ 
Q2 (Q1 AQ1 )Q2 = 
0 0 − 2 2 
−√ 22 2
 
√2 √2
0 1 1 0 0 0

√2
0 0 2 2 0 −1 0 1 0 0 2 2
2 2 2 2
3 1 0 −1 1 0 0 0
  
4 2 0√ 1 0 1 0√ 0
√ √  √ 
 
=0 − 2 − 2 2  2 2
√2 √2
0 0 −√ 2 √2
2 2 2 2
0 0 2 2 0 0 2 2
√ √ 
−√ 2 −√ 22
2

3 1
4 2 2 
2
=0 −√2 2
1
2 
0 
0 0 0 1
Perhatikan bahwa Q2 (Q1 AQ1 )Q2 sudah menjadi matriks Hessenberg. Oleh karena
itu, pilih Q = Q2 Q1 yaitu
1 0 0 0
  
1 0 0 0
0 1 0√ 0
√  0 0 1
  0
Q= 0 0 − 2 2 

√2 √2
0 1 0 0
0 0 2 2 0 0 0 1
2 2
1 0 0 0
 
0 0√ 1 √0 
= 0 − 2 0 2

√2 √2
2
0 2 0 22
sedemikian sehingga QAQT adalah matriks Hessenberg dengan Q ortogonal.
Penerapan faktorisasi seperti ini bisa juga menggunakan rotasi Givens untuk
menggantikan matriks Householder. Jika diinginkan seperti itu, misalkan A′ adalah
submatriks A tanpa baris dan kolom pertama. Kemudian, pilih suatu matriks G0
yang merupakan hasil komposisi dari beberapa rotasi Givens sedemikian sehingga
G0 A′ = R
untuk R suatu matriks segitiga atas. Rotasi Givens ini dapat diselipkan pada
matriks blok G yaitu
 
1 0
G=
0 G0
sedemikian sehingga GAGT = H untuk H Hessenberg. Dapat ditinjau bahwa
pemberian GT di sisi kanan tidak akan merusak kolom yang telah dimanipulasi
menjadi memiliki beberapa nol.
Perlu diingat bahwa nilai eigen adalah akar-akar persamaan karakteristik p(x) = 0
dengan p(x) polinom karakteristik. Jika α akar p(x) ∈ R[x], maka p(α) = 0.
Akibatnya, 0 = 0 = p(α) = p(α). Ini artinya jika α akar p(x) maka α juga akar p(x).
Kesimpulannya, jika p(x) ∈ R[x] maka akar-akarnya real atau bilangan kompleks
yang saling konjugat. Nilai-nilai eigen ini dapat kita pilih untuk mengisi tri-diagonal
 9

dari matriks Hessenberg hasil di Teorema 1. Penerapan agar mendapatkan hasil

berbentuk kasus khusus ini akan dicantumkan pada teorema berikut.
Teorema 2. Jika A ∈ Rn×n , maka terdapat matriks ortogonal Q sehingga
 
Λ1 ∗ ∗ ··· ∗
 0 Λ2 ∗ ∗
.. 
 
T

Q AQ =  0
 0 Λ3 . 

 . ..
 ..

. ∗
0 0 ··· 0 Λk
dengan Λi berukuran 1 × 1 yang entrinya adalah nilai eigen dari A atau berukuran
2 × 2 yang nilai eigennya adalah nilai eigen dari A yang berbentuk α+βi.