BAB 7

HASIL
KALI
DALAM
TIM DOSEN ALJABAR
LINEAR FTUI
 Mampu menggunakan konsep
hasil kali dalam dalam
CMPK 6 menyelesaikan masalah
diagonalisasi dan orthogonal
(C3)
INDIKATOR
1. Mahasiswa mampu menentukan apakah suatu fungsi merupakan
hasil kali dalam
2. Mahasiswa mampu menerapkan konsep orthogonalitas di ruang
hasil kali dalam
3. Mahasiswa mampu memahami dan menggunakan metode Gram
Schmidt serta mendomposisi suatu matriks ke dalam bentuk QR
KERANGKA
PEMBAHASAN
1. Hasil Kali Dalam
2. Sudut dan Keortogonalan pada Ruang Hasil
Kali Dalam
3.Basis Ortogonal, Proses Gram-Schmidt
4.Aplikasi Least Square
PENGANTAR
Pada bab sebelumnya, telah dibahas HASILKALI
TITIK (Dot Product) di R2 dan R3
Konsep ini digunakan untuk mendefinisikan gagasan
tentang PANJANG, SUDUT, JARAK, dan
ORTOGONALITAS
Di bab ini, KONSEP INI AKAN DITERAPKAN
SECARA UMUM, bukan hanya di Rn dan disebut
HASILKALI DALAM (INNER PRODUCT)
RUANG HASILKALI DALAM
(RHD)
1. Ruang Hasilkali Titik EUCLID
2. RHD Euclid TERTIMBANG
3. RHD MATRIKS
4. RHD POLINOMIAL
5. RHD FUNGSI
6.1 HASILKALI DALAM
Definisi
Misalnya V adalah suatu ruang vektor, dan maka notasi < , >
dinamakan hasilkali dalam jika memenuhi keempat aksioma sebagai
berikut:

1. (Simetris)

2. (Aditivitas)

3. untuk suatu kR, (Sifat Homogenitas)

4. , untuk setiap dan (Sifat Positifitas)

Ruang vektor yang dilengkapi dengan operasi hasilkali dalam dinamakan
Ruang Hasilkali Dalam (RHD)
NORM VEKTOR
Jika V merupakan suatu ruang hasil kali dalam, maka norm (panjang)
sebuah vektor dinyatakan oleh :

Contoh 1 : Ruang Hasil Kali Dalam Euclid ( Rn )

Misalkan maka +...+
HASILKALI DALAM
EUCLIDIAN TERTIMBANG
Jika , , ..., adalah bilangan nyata positif, yang disebut dengan
BOBOT (weight), dan jika dan adalah vektor di , maka dapat
ditunjukkan bahwa rumus

mendefinisikan hasil kali dalam pada , dan disebut hasilkali

dalam Euclidian tertimbang dengan bobot , , ...,
CONTOH 2
Misalnya W  R3 yang dilengkapi dengan operasi hasil kali
tertimbang +, dengan
Buktikan bahwa W adalah ruang hasilkali dalam yang
memenuhi 4 aksioma
Jawab :

Misalkan , maka

(i). +

(terbukti simetris)
(ii).

= 2(u1+ v1)w1 + (u2+v2)w2 + 3(u3+v3)w3

= 2u1w1+2v1w1+u2w2 +v2w2+3u3w3+3v3w3

= 2u1w1+u2w2+3u3w3+2v1w1+v2w2+3v3w3 (bersifat aditivitas)

(iii) untuk suatu kR,

= 2ku1v1 + ku2v2 + 3ku3v3

= k2u1v1 + ku2v2 + k.3u3v3 (bersifat homogenitas)
(iv).
Jelas bahwa untuk setiap dan jika (Sifat
Positifitas)

Untuk vektor R2,

CONTOH 3
Tunjukan bahwa bukan merupakan hasil kali dalam

JAWAB:
Perhatikan
Pada saat 3u32 > u12 + 2u22 maka
Tidak memenuhi Sifat positivitas
Bukti dengan u = (2,2,2)
 seharusnya nol hanya pada u = (0,0,0)
CONTOH 4: MENGGUNAKAN
HASILKALI DALAM
EUCLIDIAN TERTIMBANG
Penting diketahui bahwa norma dan jarak tergantung pada HASILKALI DALAM
YANG DIGUNAKAN. Contohnya, vektor u = (1,0) dan v = (0,1):
1. Hasilkali dalam Euclid

2. Hasilkali dalam Euclid tertimbang

 CONTOH 5: LINGKARAN
SATUAN TAKBIASA DI R 2
1. Sketsakan lingkaran satuan di sistem koordinat-xy di R 2 menggunakan hasilkali
dalam Euclid
2. Sketsakan lingkaran satuan di sistem koordinat-xy di R 2 menggunakan hasilkali
dalam Euclid tertimbang
JAWAB
3. Jika u = (x,y) maka . Pada lingkaran satuan maka atau
4. Jika u = (x,y) maka . Pada lingkaran satuan maka atau
APLIKASI LAIN EUCLID
TERTIMBANG: RATA-RATA
TERTIMBANG
Hasil eksperimen berupa data variabel sejumlah data:

dengan berbagai variasi frekuensinya dengan jumlah totalnya (lihat tabel). Maka
rata-rata tertimbangnya () adalah:
No. Variabel Frekuensi 𝑥 1 𝑓 1+ 𝑥 2 𝑓 2+ 𝑥 3 𝑓 3 +…+ 𝑥 𝑛 𝑓 𝑛
𝑥=
𝑓 1 + 𝑓 2 + 𝑓 3+ …+ 𝑓 𝑛
1
2
: : :

TOTAL
HASILKALI DALAM
DITURUNKAN DENGAN
MATRIKS
Jika Jika

Maka hasilkasli dalamnya adalah maka

•
•
•
CONTOH 6
Diketahui

Hasilkali dalamnya adalah mengikuti rumus

CONTOH
Diketahui dan realtif terhadap hasilkali dalam di R 2 yang diturunkan oleh matriks .
Tentukan dan .
JAWAB:
CONTOH 7
Diketahui matriks

maka

dan jaraknya:
HASILKALI DALAM
POLYNOMIAL
Jika
adalah dua vektor di P2, maka
Normanya:

CONTOH:
dan
HASILKALI DALAM FUNGSI
Misalkan f = dan g = adalah dua fungsi di C [a,b] dan didefinisikan:
ditambah satu fungsi s = , maka hasilkali dalamnya:

1. Jika adalah fungsi apapun di kemudian untuk semua di ; karena

itu, . Karena dan kontinyu pada , maka jika dan hanya jika untuk
semua di . Karena itu, jik dan hanya jika . ini membuktikan
𝐿
aksioma 4 ‖f ‖
NORMANYA:
Jika di , maka PANJANG BUSUR-nya:
CONTOH
Diketahui ruang vektor memiliki hasilkali dalam: dengan dan . Tentukan , , , dan
JAWAB:

dan
SIFAT-SIFAT HASILKALI
DALAM
6.2 SUDUT DAN KEORTOGONALAN
PADA RUANG HASILKALI DALAM
Subbab ini membahas
1. Definisi gagasan SUDUT antara dua vektor di ruang
hasilkali dalam
2. Penggunaan konsep ini untuk mendapatkan beberapa
hubungan dasar antar vektor pada hasilkali dalam,
termasuk hubungan geometri mendasar antara ruang-
nul dan ruang kolom dari sebuah matriks
KETIDAKSAMAAN CAUCHY-
SCHWARZ
Sudut antara dua vektor dalam suatu RHD :

Karena , maka

Hal ini terbukti dengan KETIDAKSAMAAN CAUCHY-

SCHWARZ:
SIFAT-SIFAT PANJANG DAN
JARAK
SIFAT-SIFAT PANJANG SIFAT-SIFAT JARAK
SUDUT ANTAR-VEKTOR
Jika dikuadratkan maka
atau ekueivalen dengan:
CONTOH
Tentukan sudut dua vektor: u = (4,3,1,-2) dan v = (-2,1,2,3)
Jawaban:

rad
CONTOH
Misalkan pada R2 didefinisikan hasil kali dalam . Jika dan ,
tentukan dan kosinus sudut antara u dan v.
JAWABAN
dengan dan .
,

maka
JIKA MENGGUNAKAN RHD EUCLID BIASA:

maka
ORTOGONALITAS
Seperti pada bab sebelumnya, ortogonal berarti tegak
lurus atau terjadi saat cos  = 0 atau

Contoh: Apakah dua matriks berikut ortogonal?

(ORTOGONAL)
 CONTOH: ORTOGONAL
VEKTOR DI P 2
Diketahui hasilkali dalam berikut:
Misalkan p = x dan q = x2, maka

Karena , maka vektor p = x dan q = x2 ortogonal relatif terhadap hasilkali dalam yang
diketahui
PYTHAGORAS
Jika u dan v vektor ortogonal di RHD, maka

Contoh: Seperti contoh sebelumnya

dengan
Pythagoras: maka
Bukti dengan integrasi:
6.3 BASIS ORTONORMAL,
PROSES GRAM-SCHMIDT
Sebuah himpunan vektor pada RHD dinamakan himpunan ortogonal jika semua
pasangan vektor yang berbeda dalam himpunan tersebut adalah ortogonal (saling
tegak lurus).
Himpunan ORTONORMAL  himpunan ortogonal yang setiap vektornya memiliki
panjang (normnya) satu.

Misalkan, T = {c1, c2, …, cn} pada suatu RHD

T dikatakan himpunan vektor ortogonal jika <ci, cj> = 0 untuk setiap i ≠ j
Sedangkan, T dikatakan himpunan vektor ortonormal jika untuk setiap i berlaku
CONTOH
Misalkan
Maka himpunan vektor tersebut ortogonal karena
Tentukan ortonormal vektor tersebut!
JAWAB:
Normalisasi u menghasilkan:
ortonormal karena
BASIS ORTONORMAL
Dalam RHD, basis yang mengandung vektor-vektor ortonormal disebut
BASIS ORTONORMAL dan basis yang mengandung vektor-vektor
ortogonal disebut BASIS ORTOGONAL
Contoh:
Vektor-vektor yang ada di Gambar 2 adalah basis ortonormal:

Pada R lebih tinggi:

Gambar 2
KOORDINAT RELATIF
TERHADAP BASIS ORTONORMAL
TEOREMA:
Jika adalah basis ortonormal untuk RHD V, dan u adalah vektor di V, maka

Contoh: Nyatakan vektor u = (1,1,1) sebagai kombinasi linear dari dan

tentukan koordinat u

Koordinat u relatif tehadap S:

TEOREMA 6.3.2
CONTOH
Seperti contoh sebelumnya, tentukan norma u = (1,1,1)
menggunakan Teorema 6.3.2 (a):
JAWAB:
Menggunakan cara biasa:
Menggunakan teorema:
KOORDINAT RELATIF
TERHADAP BASIS ORTOGONAL
Jika adalah basis ortonormal untuk RHD V, maka normalisasi
vektor tersebut menghasilkan basis ortonormal

TEOREMA 6.3.3
Jika adalah himpunan ortogonal vektor-vektor bukan-nol di
RHD, maka S adalah bebas linear.
CONTOH
Seperti pada contoh sebelumnya:

adalah
• membentuk himpunan ortogonal di RHD Euclid di R 3
• membentuk himpunan bebas linear
• karena R3 memiliki dimensi-3, maka adalah basis ortonormal
untuk R3
PROYEKSI ORTOGONAL
(TEOREMA 6.3.4)
Jika W adalah subruang dari RHD V dimensi-tentu, maka setiap
vektor u di V dapat dinyatakan secara pasti dengan

dengan di W dan adalah di W

CONTOH
Misalkan R3 memiliki RHD Euclid, dan misalkan W subruang yang
dibentangkan oleh vektor-vektor ortonormal dan . Proyeksi ortogonal pada
W adalah

Komponen u yang ortogonal terhadap W adalah

MENEMUKAN BASIS
ORTOGONAL DAN
ORTONORMAL: PROSES GRAM-
SCHMIDT
Tahap 1. Misalkan
Tahap 2. Seperti diilustrasikan pada Fig. 6.3.3, kita dapat menemukan
sebuah vektor yang ortogonal terhadap dengan menghitung komponen
yang ortogonal terhadap yang dibentangkan oleh .

Jika , maka bukan vektor basis

MATLAB: R2
A=[a11 a12;a21 a22]’
u1=[A(1,1) A(1,2)];
u2=[A(2,1) A(2,2)];
v1=u1;
v2=u2-dot(u2,v1)*v1/(norm(v1))^2;
BasisOrtogonal=[v1;v2]
nv1=norm(v1);
nv2=norm(v2);
q1=v1/nv1;
q2=v2/nv2;
BasisOrtonormal=[q1;q2]
 MATLAB: R3
A=[a11 a12 a13;a21 a22 a23;a31 a32 a33]’ nv1=norm(v1);
u1=[A(1,1) A(1,2) A(1,3)]; nv2=norm(v2);
u2=[A(2,1) A(2,2) A(2,3)]; nv3=norm(v3);
u3=[A(3,1) A(3,2) A(3,3)]; q1=v1/nv1;
v1=u1; q2=v2/nv2;
v2=u2-dot(u2,v1)*v1/(norm(v1))^2; q3=v3/nv3;
v3=u3-dot(u3,v1)*v1/(norm(v1))^2-dot(u3,v2)*v2/(norm(v2))^2; BasisOrtonormal=[q1;q2;q3]
BasisOrtogonal=[v1;v2;v3]
 MATLAB: R4
A=[a11 a12 a13 a14;a21 a22 a23 a24;a31 a32 a33 a34;A41 a42 a43 a44]’ nv1=norm(v1);
u1=[A(1,1) A(1,2) A(1,3) A(1,4)];
nv2=norm(v2);
u2=[A(2,1) A(2,2) A(2,3) A(2,4)];
nv3=norm(v3);
u3=[A(3,1) A(3,2) A(3,3) A(3,4)];
nv4=norm(v4);
u4=[A(4,1) A(4,2) A(4,3) A(4,4)];
v1=u1;
q1=v1/nv1;
v2=u2-dot(u2,v1)*v1/(norm(v1))^2; q2=v2/nv2;
v3=u3-dot(u3,v1)*v1/(norm(v1))^2-dot(u3,v2)*v2/(norm(v2))^2; q3=v3/nv3;
v4=u4-dot(u4,v1)*v1/(norm(v1))^2-dot(u4,v2)*v2/(norm(v2))^2-dot(u4,v3)*v3/ q4=v4/nv4;
(norm(v3))^2;
BasisOrtogonal=[v1;v2;v3;v4] BasisOrtonormal=[q1;q2;q3;q4]
 BasisOrtogonal =
1.0000 1.0000 1.0000
-0.6667 0.3333 0.3333
CONTOH -0.0000 -0.5000
BasisOrtonormal =
0.5000

Gunakan proses Gram-Schmidt untuk mentransformasikan 0.5774 0.5774 0.5774

vektor-vektor basis , dan terhadap basis ortogonal -0.8165 0.4082 0.4082
-0.0000 -0.7071 0.7071
JAWAB:
Dengan demikian,

membentuk basis ortogonal untuk

R3.
Normanya adalah

maka basis ortonormalnya:

 CONTOH
Gunakan proses Gram-Schmidt untuk mentransformasikan
vektor-vektor basis , dan terhadap basis ortogonal
JAWAB:
LATIHAN
Gunakan proses Gram-Schmidt untuk mentransformasikan vektor-vektor
basis , dan terhadap basis orthogonal dan ortonormal menggunakan
RHD biasa dan tertimbang:
LATIHAN
Gunakan proses Gram-Schmidt untuk mentransformasikan vektor-vektor
basis , dan terhadap basis orthogonal dan ortonormal menggunakan
RHD biasa dan tertimbang:
MATLAB: MUPAD
CONTOH
RHD tertimbang: . Tentukan basis ortonormalnya
menggunakan proses Gram-Schmidt dari
J A WA B A N

, dan
Basis ortonormalnya:
,
JIKA MENGGUNAKAN RHD EUCLID BIASA:

,,
CONTOH
Tentukan basis ortonormalnya menggunakan proses Gram-Schmidt dari
menggunakan hasilkali dalam:
DEKOMPOSISI-QR
PERMASALAHAN: Jika A adalah matriks m x n yang vektor kolomnya
bebas linear, dan jika Q adalah matriks dengan vektor kolom ortonormal yang
dihasilkan dari penerapan proses Gram-Schmidt terhadap vektor kolom A,
apakah hubungan, kalau ada, di antara A dan Q?
Untuk menyelesaikan permasalahan ini, andaikan bahwa vektor kolom A
adalah , , …, dan vektor kolom ortonormal Q adalah , , …, ; maka

A = QR
dengan R adalah MSA
MATLAB DEKOMPOSISI QR: R 2
A=[a11 a12;a21 a22] R=[dot(u1,q1) dot(u2,q1);0 dot(u2,q2)]
A=A’
A=Q*R
u1=[A(1,1) A(1,2)];
u2=[A(2,1) A(2,2)]; Ainv=inv(R)*Q'
v1=u1;
v2=u2-dot(u2,v1)*v1/(norm(v1))^2;
%BasisOrtogonal=[v1;v2]
nv1=norm(v1);
nv2=norm(v2);
q1=v1/nv1;
q2=v2/nv2;
Q=[q1;q2]’
 MATLAB DEKOMPOSISI QR: R 3
A=[a11 a12 a13;a21 a22 a23;a31 a32 a33] nv1=norm(v1);
A=A’ nv2=norm(v2);

u1=[A(1,1) A(1,2) A(1,3)]; nv3=norm(v3);

q1=v1/nv1;
u2=[A(2,1) A(2,2) A(2,3)];
q2=v2/nv2;
u3=[A(3,1) A(3,2) A(3,3)];
q3=v3/nv3;
v1=u1;
Q=[q1;q2;q3]’
v2=u2-dot(u2,v1)*v1/(norm(v1))^2; R=[dot(u1,q1) dot(u2,q1) dot(u3,q1);0 dot(u2,q2)
v3=u3-dot(u3,v1)*v1/(norm(v1))^2-dot(u3,v2)*v2/ dot(u3,q2);0 0 dot(u3,q3)]
(norm(v2))^2; A=Q*R
%BasisOrtogonal=[v1;v2;v3] Ainv=inv(R)*Q'
 MATLAB DEKOMPOSISI QR: R 4
A=[a11 a12 a13 a14;a21 a22 a23 a24;a31 a32 a33 a34;A41 a42 a43 a44] nv1=norm(v1);

A=A’ nv2=norm(v2);
nv3=norm(v3);
u1=[A(1,1) A(1,2) A(1,3) A(1,4)];
nv4=norm(v4);
u2=[A(2,1) A(2,2) A(2,3) A(2,4)];
q1=v1/nv1;
u3=[A(3,1) A(3,2) A(3,3) A(3,4)]; q2=v2/nv2;
u4=[A(4,1) A(4,2) A(4,3) A(4,4)]; q3=v3/nv3;

v1=u1; q4=v4/nv4;
Q=[q1;q2;q3;q4]’
v2=u2-dot(u2,v1)*v1/(norm(v1))^2;
Q=[q1;q2;q3;q4]'
v3=u3-dot(u3,v1)*v1/(norm(v1))^2-dot(u3,v2)*v2/(norm(v2))^2;
R=[dot(u1,q1) dot(u2,q1) dot(u3,q1) dot(u4,q1);0 dot(u2,q2)
v4=u4-dot(u4,v1)*v1/(norm(v1))^2-dot(u4,v2)*v2/(norm(v2))^2-dot(u4,v3)*v3/ dot(u3,q2) dot(u4,q2);0 0 dot(u3,q3) dot(u4,q3);0 0 0 dot(u4,q4)]
(norm(v3))^2; A=Q*R
Ainv=inv(R)*Q'
CONTOH
Temukan dekomposisi-QR matriks:
JAWAB:
Matriks kolom A:

Vektor ortonormal dengan proses Gram-Schmidt:

ENHANCED GRAM-SCHMIDT
PROCESS (EGSP)
Untuk mengubah sebuah basis ke sebuah basis ortogonal :

dan
dengan dan mengganti
Atau dengan kata lain: matriks A yang semula ditranspos sehingga
Dengan N = 3

(sebelumnya)

Sumber: Mastriani, M. 2016. New version of Gram-Schmidt Process with inverse for
Signal and Image Processing. https://www.researchgate.net/publication/305401489
CONTOH
Gunakan proses Gram-Schmidt untuk mentransformasikan vektor-vektor basis , dan
terhadap basis ortogonal


ORTOGONAL
Hasil sebelumnya:
;;
CONTOH
Gunakan proses Gram-Schmidt untuk mentransformasikan vektor-vektor basis , dan
terhadap basis ortogonal


Hasil sebelumnya:
SAMA
MATLAB FUNGSI EGSP
function [v,q] = egsp(u) for m = 1:n-1
[M,N] = size(u); num = dot(u(:,n),v(:,m));
r = []; den = dot(v(:,m),v(:,m));
k = 0; k = k+1;
for n = 1:N r(k) = num/den;
v(:,n) = u(:,n); v(:,n) = v(:,n)-r(k)*v(:,m);
end
q(:,n)=v(:,n)/norm(v(:,n));
end
A=
APLIKASI: LEAST SQUARE
APPROXIMATION (LSA)
Misalkan kontinyu pada [a,b] dan misalnya adalah subruang
berdimensi tertentu dari . Pendekatan kuadrat terkecil (LSA)
dari fungsi terhadap diberikan oleh

dengan adalah basis orthogonal untuk

LSA akan terjadi jika harga minimum:

CONTOH
Temukan LSA dari ,

JAWAB
Gunakan kalkulus untuk menemukan titik kritis dan yang membuat minimum,
yakni TURUNAN PERTAMA = 0. Karena ada dua harga yang dicari, maka
digunakan turunan parsial: