ALJABAR LINEAR II

6.4 HAMPIRAN TERBAIK; KUADRRAT TERKECIL

6.5 PERUBAHAN BASIS

KELOMPOK 3 ;
NEMISON ENAMBERE
NATALIA KAWER
TRIMALENA SIAHAAN
ROMAULI SIMANJUNTAK
6.4 HAMPIRAN TERBAIK;
KUADRRAT TERKECIL
 Jika
   P adalah suatu titik dalam
berdimensi 3 dan W adalah suatu
bidang yang melalui titik asal,
u maka titik Q dalam W yang
terdekat dengan P didapatkan
dengan menggambarkan suatu
garis tegak lurus dari P ke W
(a)
W seperti pada gambar disamping.
Dengan demikian, jika kita
anggap u  , maka jarak antara P
dan W diberikan oleh
||u – proyw u||
Dengan kata lain, diantara semua vector w dalam W, vector
w = proyw u meminimalkan jarak ||u – w|| .Ada cara lain untuk
memandang gagasan ini.
Pandang u sebagi suatu vector tetap yang ingin kita hampiri
dengan suatu vector pada W. Sembarang hampiran w akan
menghasilkan suatu” vector galat”
u–w
yang kecuali jika u berada dalam W,
tidak bisa disamakan dengan 0.
Akan tetapi dengan memilih
w = proyw u
(b)
kita bisa membuat panjang vector galat
||u – w||=||u – proyw u||

Sekecil mungkin. Jadi kita bisa menguraikan proyw u

sebagai “hampiran terbaik” untuk u dengan vector
-vektor pada W.
 Teorema 6.4.1 (Teorema Hampiran
Terbaik
Jika W adalah sub-ruang berdimensi terhingga dari
suatu ruang hasil kali dalam V, dan jika u adalah suatu
vector dalam V, maka proyw u adalah hampiran
terbaik untuk u dari W dalam pemahaman bahwa
||u – proyw u||<||u – w||

Untuk setiap vector w dalam W yang bukan proyw u.

 Penyelesaian
Kuadrat Terkecil Dari Sistem Linier
Masalah Kuadrat Tekecil

Diketahui suatu system linier Ax = b dengan m persamaan

dalam n peubah, cari suatu vector x, jika mungkin, yang
meminimalkan ||Ax = b|| berkenaan dengan hasil kali dalam
Euclidean pada . Vector seperti itu disebut penyelesaian
kuadrat terkecil dari Ax = b.

Anggap e = Ax – b, yang bisa kita pandang sebagai vector

galat yang dihasilkan dari hampiran x. Jika e = (e1, e2,…, en),
maka suatu penyelesaian kuadrat terkecil meminimalkan  ||
e|| = (e1²+ e2²+…+ en²) ; dengan demikian juga
meminimalkan ||e||² = (e1²+ e2²+…+ en²); sehingga istilah
yang dipakai adalah kuadrat terkecil.
Dari teorema hampiran terbaik tersebut kita dapatkan
bahwa vector dalam W yang terdekat
dengan b merupakan proyeksi orthogonal dari b pada W.
Jadi, untuk suatu vector x agar menjadi penyelesaian
kuadrat terkecil dari Ax = b, harus memenuhi
Ax = proyw b
Dari teorema proyeksi (6.3.4) jika W adalah suatu sub-
ruang berdimensi terhingga dari suatu ruang hasil kali
dalam V, maka setiap vector u dalam V bisa dinyataka
tepat dalam satu cara sebagai
u = w1 + w2
dimana w1 berada dalam W dan w2 berada dalam W
orthogonal.
Kita dapatkan bahwa
b – Ax = b – proyw b
yang orthogonal terhadap W. tetapi W adalah ruang
kolom dari A, sehingga dari Teorema (6.2.6) pada
bagian b menyatakan  jika A adalah suatu matriks m
x n, maka : ruang kosong dari AT dan ruang kolom
dari A adalah komplemen-komplemen orthogonal
dalam Rm berkenaan dengan hasil kali dalam
Euclidean.
Kita dapatkan bahwa b – Ax terletak pada ruang
kosong AT. oleh karena itu, suatu penyelesaian
kuadrat terkecil dari Ax = b harus memenuhi
AT (b – Ax) = 0
Atau secara ekuivalen,
AT Ax = AT b
Ini disebut system nornmal yang dikaitkan dengan Ax = b,
dan persamaan individualnya disebut persamaan normal
yang dikaitkan dengan Ax = b.
Teorema 6.4.2  untuk sebarang system linier Ax =
b, sistem normal terkait
AT Ax = AT b
Konsiten, dan semua penyelesaian dari sistem normal
tersebut merupakan penyelesaian kuadrat terkecil
dari Ax = b. Lebih jauh jika W adalah ruang kolom dari
A, dan x adalah sebarang penyelesaian kuadrat terkecil
dari Ax = b, maka proyeksi orthogonal dari b pada W
adalah
proyw b = Ax
Keunikan Penyelesaian Kuadrat Terkecil
Teorema 6.4.3

 jika A adalah suatu matriks m x n, maka pernyataan berikut

ekuivalen.
(a) A mempunyai vector-vektor kolom yang bebas secara linier.
(b) ATA da[at dibalik.
Teorema 6.4( Keunikan Penyelesaian Kuadrat
Terkecil ). Jika A adalah suatu matriks m x n
dengan vektor-vektor kolom yang bebas secara linier,
maka untuk setiap matriks b, n x 1, sistem linier Ax =
b mempunyai suatu penyelesaian kuadrat terkecil
yang unik. Penyelesaian ini diberikan oleh
x =( AT A)-1 AT b
lebih jauh, jika W adakah ruang kolom dari A, maka
proyeksi orthogonal dari b pada W adalah
proyw b = Ax =A ( AT A)-1 AT b
Penyelesaian kuadrat terkecil  dari  Ax = b paling mudah
dihitung dengan menggunakan eliminasi Gaussian atau
eliminasi Gauss-Jordan untuk menyelesaikan persamaan
normal, dan proyeksi orthogonal dari b pada ruang kolom
dari A paling mudah diperoleh dengan
menghitung Ax, dimana x adalah penyelesaian kuadrat
terkecil dari Ax = b.
Contoh soal

Carilah
  solusi kuadrat terkecil
dari system linier Ax=b berikut
Di sini A =dan b=
 
Sesuai dengan teorema yang tadi
dikatakan maka,
ATA= =
 
ATb= =
Sehingga system normal
ATAx=ATb untuk kasus ini adalah
 
Dengan menyelesaikan system
ini kita memperoleh solusi
kuadrat terkecil X1 = X2 =-
Dan kita bisa
mendapatkanproyeksi
orthogonal b pada ruang kolom
dari A adlah
Ax = =
 6.5 MATRIKS-MATRIKS
ORTOGONAL; PERUBAHAN BASIS
 MATRIKS-MATRIKS ORTOGONAL

Definisi
Suatu matriks bujur sangkar A dengan sifat

Disebut suatu matriks ortogonal

Suatu matriks dikatakan ortogonal jika dan hanya jka

Contoh:

Matriks

adalah matriks ortogonal karena

= =
Matriks rotasi searah jam pada R2 :

Jika A di transpos kan dan dikalikan A, maka matriks

rotasi tersebut adalah ortogonal
= =
Teorema 6.5.1
Pernyataan-pernyataan berikut ini ekuivalen untuk
Untuk suatu matriks A, n × n.

(a) A ortogonal.
(b) Vektor-vektor baris dari A membentuk suatu himpunan
ortonormal pada dengan hasil kali dalam Euclides.
(c) Vektor-vektor kolom dari A membentuk suatu himpunan
ortonormal pada dengan hasil kali dalam Euclides.
 BEBERAPA SIFAT DASAR DARI MATRIKS-
MATRIKS ORTOGONAL
Teorema 6.5.2.

a) Invers dari suatu matriks ortogonal adalah ortogonal

b) Hasil kali matriks-matriks ortogonal adalah ortogonal.
c) Jika A ortogonal, maka det(A)=1 atau det(A)=-1
Contoh:
Matriks

Adalah ortogonal karena ortogonal karena

det(A) = 1
Dan pertukaran baris menghasilkan det(A) = -1
 MATRIKS-MATRIKS ORTOGONAL
SEBAGAI OPERATOR LINEAR
Teorema 6.5.3.
Jika A adalah suatu matriks n × n, maka pernyataan-
peryataan berikut ini ekuivalen.

(a) A ortogonal
(b) untuk semua pada
(c) untuk semua dan pada .
 MATRIKS-MATRIKS KOORDINAT

Jika adalah suatu basis untuk

ruang vektor , maka setiap vektor dalam bisa
dinyatakan tepat sebagai suatu kombinasi linier dari vektor-
vektor basis

Skalar adalah koordinat-koordinat v

relatif terhadap basis S , atau

adalah matriks koordinat v relatif

terhadap basis .
 PERUBAHAN BASIS

Anggap suatu vektor dengan basis lama

dan basis baru ,, maka matriks
koordinat lama dan matriks koordinat baru
Memiliki hubungan sebagai berikut

dimana kolom-kolom dari P adalah matriks-matriks

koordinat dari vektor-vektor basis baru relatif terhadap
basis lama; yaitu, vektor-vektor kolom dari P adalah
 MATRIKS-MATRIKS TRANSISI

Matriks P disebut matriks transisi dari B’ ke B.

Contoh:
Terdapat suatu basis dengan dan
basis lainnya dengan
Dan . Tentukan matriks transisi P dari B’ ke B,
dan tentukan jika
! Matriks transisi dapat dibentuk sedemikian
 Penyelesaian:

,
Teorema 6.5.4.
Jika P adalah suatu matriks transisi dari suatu basis B’ ke
basis B, maka:
(a) Matriks transisi P dapat dibalik
(b) Matriks adalah matriks transisi dari B ke B’
 PERUBAHAN BASIS ORTONORMAL

Teorema 6.5.5.
Jika P adalah suatu matriks transisi dari suatu basis
ortonormal ke basis ortonormal lainnya untuk suatu
ruang hasil kali dalam, maka P adalah suatu matriks
ortogonal; yaitu,
 ROTASI SUMBU KOORDINAT

,
Perubahan koordinat-xy ke koordinat –x’y’ dihubungkan
oleh:

Matriks transisi

=
 Koordinat baru Q adalah

Jika maka,

Jika koordinat lama Q = (2,-1), maka

Koordinat baru Q adalah Q adalah