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)
Misalkan , maka
(i). +
(terbukti simetris)
(ii).
= 2u1w1+2v1w1+u2w2 +v2w2+3u3w3+3v3w3
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
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
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:
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
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
(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
Gambar 2
KOORDINAT RELATIF
TERHADAP BASIS ORTONORMAL
TEOREMA:
Jika adalah basis ortonormal untuk RHD V, dan u adalah vektor di V, maka
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
, 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);
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:
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
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: