Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR

dokumen-dokumen yang mirip
7. NILAI-NILAI VEKTOR EIGEN. Nilai Eigen dan Vektor Eigen Diagonalisasi Diagonalisasi Ortogonal

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks

Eigen value & Eigen vektor

Aljabar Linear Elementer

Aljabar Linier Sistem koordinat, dimensi ruang vektor dan rank

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I)

BAB 6 RUANG HASIL KALI DALAM. Dr. Ir. Abdul Wahid Surhim, MT.

SUMMARY ALJABAR LINEAR

SOLUSI PENDEKATAN TERBAIK SISTEM PERSAMAAN LINEAR TAK KONSISTEN MENGGUNAKAN DEKOMPOSISI NILAI SINGULAR

BAB I PENDAHULUAN 1.1 Latar Belakang

CHAPTER 6. Ruang Hasil Kali Dalam

MATRIKS. Notasi yang digunakan NOTASI MATRIKS

PERTEMUAN 11 RUANG VEKTOR 1

Pengantar Vektor. Besaran. Vektor (Mempunyai Arah) Skalar (Tidak mempunyai arah)

CHAPTER 6. INNER PRODUCT SPACE

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

MATRIKS A = ; B = ; C = ; D = ( 5 )

KS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN

Pertemuan 1 Sistem Persamaan Linier dan Matriks

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO

Bab 7 Sistem Pesamaan Linier. Oleh : Devie Rosa Anamisa

8.1 Transformasi Linier Umum. Bukan lagi transformasi R n R m, tetapi transformasi linier dari

Ruang Vektor. Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Ruang Vektor. Syarat agar V disebut sebagai ruang vektor. Aljabar Linear dan Matriks 1

Aljabar Linier Elementer. Kuliah ke-9

Hand-Out Geometri Transformasi. Bab I. Pendahuluan

Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut:

BAB V DIAGONALISASI DAN DEKOMPOSISI MATRIKS. Sub bab ini membahas tentang faktorisasi matriks A berorde nxn ke dalam hasil

BAB II DETERMINAN DAN INVERS MATRIKS

BAB I MATRIKS DEFINISI : NOTASI MATRIKS :

erkalian Silang, Garis & Bidang dalam Dimensi 3

BAB 4 : SISTEM PERSAMAAN LINIER

Part II SPL Homogen Matriks

BAB I PENDAHULUAN. 3) Untuk mengetahui apa yang dimaksud dengan invers matriks. 4) Untuk mengetahui apa yang dimaksud dengan determinan matriks

BAB 2 LANDASAN TEORI

DIKTAT MATA KULIAH ALJABAR LINEAR ELEMENTER (BAGIAN II) DISUSUN OLEH ABDUL JABAR, M.Pd

Konsep Dasar. Modul 1 PENDAHULUAN

Aljabar Linier & Matriks

Trihastuti Agustinah

Ruang Vektor Real. Modul 1 PENDAHULUAN

Chapter 5 GENERAL VECTOR SPACE Row Space, Column Space, Nullspace 5.6. Rank & Nullity

ALJABAR LINIER DAN MATRIKS

BAB II LANDASAN TEORI

Part III DETERMINAN. Oleh: Yeni Susanti

Yang dipelajari. 1. Masalah Nilai Eigen dan Penyelesaiannya 2. Masalah Pendiagonalan. Referensi : Kolman & Howard Anton. Ilustrasi

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

Transformasi Linier. Transformasi linier memiliki beberapa fungsi yang perlu dipelajari. Fungsi-fungsi tersebut antara lain :

Kode, GSR, dan Operasi Pada

a11 a12 x1 b1 Definisi Vektor di R 2 dan R 3

RUANG VEKTOR. Nurdinintya Athari (NDT)

BAB IV TRANSFORMASI LINEAR. sebuah vektor yang unik di dalam W dengan sebuah vektor di dalam V, maka kita mengatakan F

dimana a 1, a 2,, a n dan b adalah konstantakonstanta

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel.

Sebuah garis dalam bidang xy bisa disajikan secara aljabar dengan sebuah persamaan berbentuk :

Pertemuan 2 & 3 DEKOMPOSISI SPEKTRAL DAN DEKOMPOSISI NILAI SINGULAR

Bab 4 RUANG VEKTOR. 4.1 Ruang Vektor

MATRIKS. a A mxn = 21 a 22 a 2n a m1 a m2 a mn a ij disebut elemen dari A yang terletak pada baris i dan kolom j.

Interpretasi Geometri Dari Sebuah Determinan

Vektor di Bidang dan di Ruang

BAB 4 RUANG VEKTOR EUCLID. Dr. Ir. Abdul Wahid Surhim, MT.

Aljabar Linier Elementer. Kuliah 1 dan 2

MATRIKS. Matriks adalah himpunan skalar (bilangan riil/kompleks) yang disusun secara empat persegi panjang (menurut baris dan kolom)

MODUL E LEARNING SEKSI -1 MATA KULIAH : ALJABAR LINIER KODE MATA KULIAH : ESA 151 : 5099 : DRA ENDANG SUMARTINAH,MA

Analisis Matriks. Ahmad Muchlis

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI

Penyelesaian Sistem Persamaan Linear (SPL) Dengan Dekomposisi QR

BAB 5 RUANG VEKTOR A. PENDAHULUAN

MAKALAH ALJABAR LINEAR TRANSFORMASI LINEAR ATAU PEMETAAN LINEAR

Kata Pengantar. Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan.

Pertemuan 13 persamaan linier NON HOMOGEN

Chapter 5 GENERAL VECTOR SPACE 5.1. REAL VECTOR SPACES 5.2. SUB SPACES

MATRIKS Nuryanto, ST., MT.

DIKTAT ALJABAR LINIER DAN MATRIKS VEKTOR. Penyusun Ir. S. Waniwatining Astuti, M.T.I.

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI: S1 SISTEM INFORMASI Semester : 1

Vektor. Vektor. 1. Pengertian Vektor

Pertemuan 6 Transformasi Linier

Pengolahan Dasar Matriks Bagus Sartono

Pertemuan 2 Matriks, part 2

Soal No. 1 Perhatikan gambar berikut, PQ adalah sebuah vektor dengan titik pangkal P dan titik ujung Q

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse

Operasi Eliminasi Gauss. Eliminasi Gauss adalah suatu cara mengoperasikan nilai-nilai di dalam

Lampiran 1 Pembuktian Teorema 2.3

Aljabar Linier & Matriks

Matriks - Definisi. Sebuah matriks yang memiliki m baris dan n kolom disebut matriks m n. Sebagai contoh: Adalah sebuah matriks 2 3.

Matematika Teknik INVERS MATRIKS

03-Pemecahan Persamaan Linier (2)

Banyaknya baris dan kolom suatu matriks menentukan ukuran dari matriks tersebut, disebut ordo matriks

Bab 2 LANDASAN TEORI

DIKTAT MATEMATIKA II

Determinan. Untuk menghitung determinan ordo n terlebih dahulu diberikan cara menghitung determinan ordo 2

2. MATRIKS. 1. Pengertian Matriks. 2. Operasi-operasi pada Matriks

Matriks biasanya dituliskan menggunakan kurung dan terdiri dari baris dan kolom: A =

TRANSFORMASI LINIER (Kajian Fungsi antar Ruang Vektor)

BAB 2. DETERMINAN MATRIKS

Definisi Jumlah Vektor Jumlah dua buah vektor u dan v diperoleh dari aturan jajaran genjang atau aturan segitiga;

MUH1G3/ MATRIKS DAN RUANG VEKTOR

Pertemuan 4 Aljabar Linear & Matriks

Matriks. Baris ke 2 Baris ke 3

Matriks adalah susunan segi empat siku-siku dari objek yang diatur berdasarkan baris (row) dan kolom (column). Objek-objek dalam susunan tersebut

BAB III PEREDUKSIAN RUANG INDIVIDU DENGAN ANALISIS KOMPONEN UTAMA. Analisis komponen utama adalah metode statistika multivariat yang

BAB II TINJAUAN PUSTAKA

Transkripsi:

Ortogonal

Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR

Ortogonal Himpunan vektor {v, v,.., v k } dalam R n disebut himpunan ortogonal jika semua pasangan dalam himpunan vektor tersebut adalah ortogonal yaitu jika : v i. v j = 0 ketika i j untuk i, j =,,.., k Basis standar {e, e,.., e n } dalam R n adalah himpunan ortogonal.

Contoh : Tunjukkan bahwa {v, v, v 3 } adalah himpunan ortogonal dalam R 3 jika : Jawab : 0 v, v, v - 3 - Harus ditunjukkan bahwa setiap pasang adalah ortogonal v. v = (0) + () + (-)() = 0 v. v 3 = 0() + (-) +()() = 0 v. v = () + (-) +(-)()= 0 Kesimpulan : {v, v, v 3 } adalah himpunan ortogonal

Teori. Jika {v, v,.., v k } adalah himpunan vektor bukan nol yang ortogonal, maka vektor-vektor tersebut adalah bebas linier. Bukti : Jika c, c,., c k adalah skalar sehingga : c v + + c k v k =0 kemudian (c v + + c k v k ). v i = 0. v i = 0 Atau hal yang sama : c (v. v i )+.. +c i (v i. v i )+ + c k (v k. v i ) = 0 Karena {v, v,.., v k } adalah himpunan ortogonal, semua perkalian titik pasangan vektor adalah nol kecuali (v i. v i ), sehingga persamaan dapat diringkas menjadi : c i (v i. v i ) = 0

Dengan hipotesa : v i 0 sehingga v i. v i 0, oleh karena itu yang harus memiliki nilai = 0 adalah c i. Hal ini juga berlaku untuk semua i =,.. k, sehingga disimpulkan bahwa {v, v,.., v k } adalah bebas linier. Basis Ortogonal Definisi : Basis ortogonal dari subruang W dari R n adalah basis dari W merupakan himpunan ortogonal. Contoh soal : Cari basis ortogonal dari subruang W dari R 3 yaitu : x W y : x y z 0 z

Jawab : Subruang W adalah bidang yang berada pada R 3, dari persamaan bidang diperoleh : x = y z. Maka W terdiri dari vektor dengan bentuk : y z - Jadi vektor u = y y z 0 z 0 dan v = 0-0 adalah basis W, namun tidak ortogonal. Untuk memenuhi syarat ortogonal, diperlukan vektor bukan nol lain dalam W yang ortogonal pada salah satu vektor tersebut.

x Anggap w y adalah vektor dalam W yang ortogonal z dengan u. Karena w dalam bidang W : x-y+z = 0, maka u.w = 0 diperoleh persamaan : x+y = 0. Dengan menyelesaikan SPL : x-y+z = 0 x+y = 0 Didapatkan : x = -z dan y = z Jadi vektor tidak nol w dapat dituliskan dalam bentuk : w -z z z

- Jika diambil w dengan mudah dapat dibuktikan bahwa [u,w] adalah himpunan ortogonal dalam W, sehingga merupakan basis ortogonal W dan dim W=. Teori. Jika {v, v,.., v k } adalah basis ortogonal dari subruang W dari R n dan w merupakan vektor dalam W, maka skalar unik c,., c k dapat ditulis : w = c v + + c k v k Menghasilkan : c i wv. vv. i i i untuk i =,, k

Contoh soal : Carilah koordinat w yang menjadi basis ortogonal 3 dari B = {v, v, v 3 } dengan Jawab : c wv. 3 vv. 4 6 0 v, v, v - 3 - c c 3 wv. 0 3 5 v. v 0 wv. 3 3 vv. 3 3 3

Jadi : w = c v + c v + c 3 v 3 = /6 v + 5/ v + /3 v 3 Sehingga koordinat w yang menjadi basis ortogonal B adalah : 6 w B 5 3

Ortonormal Definisi : himpunan vektor dalam R n adalah himpunan ortonormal jika terdapat himpunan ortogonal dari vektor satuan. Basis ortonormal untuk subruang W dari R n adalah basis dari W dan merupakan himpunan ortonormal. Catatan : Jika S= {q,.., q k } adalah himpunan vektor ortonormal, kemudian q. q = 0 untuk i j dan Kenyataannya bahwa setiap q i merupakan vektor satuan dengan kata lain : q i. q i =. Disimpulkan bahwa : S merupakan ortonormal jika : 0 jika i j qq i. j jika i j q i

Contoh soal :. Tunjukkan bahwa S = {q,q } adalah himpunan ortonormal dalam R 3 jika : Jawab : qq. 0 q 8 8 8 qq. 3 3 3 q. q 4 6 6 6 3 6 - dan 3 6 3 6 Jika terdapat himpunan ortogonal, maka dapat dengan mudah ditentukan himpunan ortonormalnya yaitu menormalisasi setiap vektor himpunan ortogonal tersebut. q ortonormal

. Bangun basis ortonormal untuk R 3 dari vektor-vektor : 0 v, v, v - 3 - Jawab : dari penyelesaian soal sebelumnya diketahui bahwa v, v, dan v 3 adalah basis ortogonal, jadi tinggal menormalisasi setiap vektor diperoleh : q q v Jadi {q, q, q 3 } merupakan basis ortonormal untuk R 3 6 6 v 6 - - 6 v - - 3 3 3 3 v3 3 3, q v 0 0 v

Teori 3. Jika {q, q..., q k } basis ortonormal dari subruang W dari R n dan w adalah vektor dalam W, maka : w = (w. q )q + (w. q )q + + (w. q k ) q k Matrik ortogonal Definisi : Suatu matrik Q ukuran n x n yang memiliki kolom berbentuk himpunan ortonormal disebut: matrik ortogonal. Teori 4. Kolom matrik Q ukuran m x n berbentuk himpunan ortonormal jika dan hanya jika Q T Q = I n Teori 5. Matrik bujursangkar Q adalah ortogonal jika dan hanya jika Q - = Q T

Contoh soal : Tunjukkan bahwa matrik-matrik berikut ini adalah ortogonal dan carilah matrik inversnya! A Jawab : 0 0 0 0 dan 0 0 cos Kolom matrik A merupakan vektor-vektor basis standar dari R 3 jelas merupakan ortonormal, sehingga A adalah ortogonal dan A B A T sin sin cos 0 0 0 0 0 0

Untuk matrik B dilakukan pengecekan sebagai berikut : T BB cos sin cos sin sin cos sin cos cos sin cos sin sin cos sin cos cos sin sin cos 0 0 Oleh karena itu B adalah ortogonal, dan B T cos sin B sin cos

Teori 6. Ambil Q matrik nxn, maka pernyataan berikut ini memiliki arti yang sama : a. Q adalah ortogonal. b. c. Qx x untuk setiap x dalam R Qx. Qy x. y untuk setiap x dan y dalam R Teori 7. Jika Q adalah matrik ortogonal, maka elemen baris merupakan himpunan ortonormal. Teori 8. Ambil Q merupakan matrik ortogonal. a. Q - adalah ortogonal b. det Q = c. Jika λ adalah nilai eigen dari Q, maka d. Jika Q dan Q adalah matrik ortogonal nxn, maka demikian juga untuk Q Q n n

Komplemen ortogonal Definisi : Ambil W subruang dari R n. Sebuah vektor v dalam R n ortogonal dengan W jika v ortogonal dengan setiap vektor dalam W. Himpunan semua vektor yang ortogonal dengan W disebut komplemen ortogonal dari W ditulis sebagai: W W = {v dalam R n : v.w = 0 untuk semua w dalam W} v w W W dan W = l

Teori 9. Ambil W subruang dari R n. a. b. W adalah subruang dari R n. ( W ) W W c. W = {0} d. Jika W = span (w,, w k ), maka v berada dalamw jika dan hanya jika v. w i = 0 untuk semua i=,.,k Teori 0. Ambil A matrik m x n. Komplemen ortogonal dari ruang baris A adalah ruang null A dan komplemen ortogonal dari ruang kolom A adalah ruang null A T T ( baris( A)) null( A) dan ( kolom( A)) null( A )

Jadi suatu matrik m x n mempunyai 4 subruang : baris (A) dan null (A) : komplemen ortogonal dari R n kolom (A) dan null (A T ): komplemen ortogonal dari R m Disebut : subruang fundamental dari matrik A mx n null (A) null (A T ) 0 0 T A baris (A) R n kolom (A) R m

Contoh soal :. Carilah basis dari 4 subruang fundamental dari : 3 6 A - 0 - -3 - dan buktikan bahwa : Jawab : 4 6 3 T ( baris( A)) null( A) dan ( kolom( A)) null( A ) Dengan mereduksi eselon baris dari A diperoleh :

R 0 0-0 0 3 0 0 0 4 0 0 0 0 0 baris (A) = baris (R) Baris (A) = span (r, r, r 3 ) dengan : r = { 0 0 -}, r = {0 0 3}, r 3 = {0 0 0 4} Dengan menyelesaikan persamaan homogen Rx = 0 diperoleh : x x 3 4 5 - s t - -s-3t - -3 x x s s t 0 su tv x x -4t 0-4 t 0

Null (A) = span (u, v) dengan : - u = - dan v = -3 0 0-4 0 Untuk menunjukkan ( baris( A)) null( A) cukup dengan menunjukkan bahwa setiap vektor r ortogonal dengan u dan v. Selanjutnya, dapat dilihat bahwa : r 3 = r + r dan r 5 = -r + 3r + 4r 4

Dengan demikian r 3 dan r 5 tidak memberikan kontribusi apapun pada kolom (R), sehingga vektor kolom r, r dan r 4 adalah bebas linier dan merupakan vektor satuan. Jadi basis kolom A = span{a, a, a 3 } dengan : - a, a, a4-3 - 4 Perhitungan null(a T ) dilakukan dengan reduksi baris : T A -3 4 0 0 0 0-0 0 0 6 0 0 3 0 6 0 0 0 3 0-0 0 0 0 0 0 6-3 0 0 0 0 0 0

Jika y didalam null(a T ) dengan y = - y 4, y = -6 y 4 dan y 3 = -3y 4, maka dapat diperoleh hasil : null(a T ) = - y 4-6y4 6 span -3y 3 y 4 4 Dengan mudah dapat dibuktikan bahwa vektor tersebut ortogonal dengan a, a, a 3 sehingga terbukti bahwa : T ( kolom( A)) null( A )

. Ambil W adalah subruang R 5 yang dibangun oleh : - 0-3 - w 5, w, w 4 3 0 - - 5 3 5 Tentukan basis dari W Jawab : subruang W dibangun oleh w,w dan w 3 sama dengan ruang kolom dari : - 0-3 - A 5 4 0 - - 5 3 5

Teori 0 menyatakan Sehingga dapat dihitung : T A y didalam y = 3 y 4 4 y 5, y = y 4 3 y 5 dan y 3 = y 5 Sehingga diperoleh : Ada vektor basis untuk T W ( kolom( A)) null( A ) -3 5 0 5 0 0 0 3 4 0 0 - - 3 0 0 0 3 0 0-4 - 5 0 0 0 0 0 W jika dan hanya jika : -3y - 4y -3-4 4 5 - y - 3y - -3 4 5 W - y span 0 - W y y 5 4 5 0 0

Proyeksi ortogonal Definisi : Ambil W subruang dari R n dan {u, u..., u k } merupakan basis ortogonal W. Untuk setiap vektor v dalam R n, maka proyeksi ortogonal v pada W didefinisikan sebagai : uv. uk. v proy v u u. u. u w( )... uu Komponen v ortogonal ke W adalah vektor : v perp ( v) v proy ( v) w w k k k u perp u (v) u v p proy u (v) p p W u

Contoh soal : Jika W bidang dalam R 3 dengan persamaan x-y+z=0 dan 3 v - Carilah proyeksi ortogonal v pada W dan komponen v yang ortogonal ke W! Jawab : W terdiri dari vektor dengan bentuk : y z - y y z 0 z 0

Diperoleh vektor basis W : u = 0 dan u = - Proyeksi ortogonal v pada W adalah : u. v u. v proyw() v u u u u. u. u - 3 0-5 3 3 3 v proy w (v) perp w (v) W

Dan komponen v ortogonal pada W adalah : perp w (v) = v proj w (v)= 3 5 4 3 3 - - - 4 3 3 8 3 3 Dengan mudah dapat di tunjukkan bahwa proj w (v) berada dalam W karena hasilnya memenuhi persamaan bidang. Demikian pula halnya dengan perp w (v) adalah ortogonal ke W karena merupakan perkalian skalar dari vektor normal terhadap W. -

Dekomposisi ortogonal Teori. Jika W merupakan subruang dari R n dan v adalah vektor dalam R n, maka ada vektor-vektor unik w dalam W dan w dalam W dapat dituliskan : v = w + w Teori. Jika W merupakan subruang dari R n, maka : dim W + dim W = n

Faktorisasi QR Teori 3. Jika A merupakan matrik mxn yang memiliki kolom bebas linier, maka A dapat difaktorisasi sebagai QR dengan : Q adalah matrik mxn yang memiliki kolom ortogonal dan R adalah matrik segitiga atas yang invertible. Untuk melihat terjadinya faktorisasi QR, misalkan a,,a n adalah kolom bebas linier dari matrik A dan q,,q n adalah vektor ortonormal yang diperoleh dari normalisasi matrik A dengan menggunakan metode Gramm-Schmidt. Untuk setiap i =,..,n : W i = span (a,,a i ) = span (q,,q i ) Sehingga jika terdapat skalar r i,r i,r ii dapat dituliskan : a i = r i q + r i q +..+r ii q i untuk i=,, n

Diperoleh hasil : a = r q a = r q + r q a n = r n q + r n q +..+r nn q n Dituliskan dalam bentuk matrik sebagai berikut : r r... r n 0 r... r n A a a... an q q... qn QR 0 0... r nn

Contoh soal : Cari faktorisasi QR dari : Jawab : - - 0 Subruang W dibangun oleh x,x dan x 3 sama dengan ruang kolom dari matrik A. {x,x, x 3 } adalah himpuan bebas linier, sehingga merupakan basis dari W. Ambil v = x, selanjutnya dengan metode Gramm-Schmidt dihitung komponen x yang ortogonal pada W = span (v ) v perp ( x ) x v A v. x - vv. 0 4 - w 3 3

Untuk menghilangkan pecahan pada v dilakukan perkalian skalar tanpa merubah hasil akhirnya. Dengan demikian v dirubah menjadi : 3 Selanjutnya dihitung komponen x 3 ortogonal pada W = span (x,x ) = span (v,v )= span ( v, v ) menggunakan basis ortogonal v ( v, v) v 3 3 v perp ( x ) x v v 3 3 v. x v. x - 5 3 0 v. v v. v 4-0 3 w 3 3 -

Kembali dilakukan penskalaan ulang : v v 3 3 - Akhirnya diperoleh basis ortogonal 0 v, v, v3 Untuk mendapatkan basis ortonormal dilakukan normalisasi setiap vektor q v v - - - - untuk W

q 3 5 0 3 3 5 3 0 v 5 5 0 5 0 v q v 6 3 3 v3-0 - 6 6 0 6 6 6 3

Jadi Q q q q 3 3 5 6 0 6 3 5 0 - - 0-5 6 0 6 5 6 0 6 A = QR, untuk mencari R suatu matrik segitiga atas, digunakan kenyataan bahwa Q memiliki kolom orto-normal sehingga Q T Q = I. Oleh karena itu : Q T A=Q T QR = IR=R Diperoleh hasil akhir : R T Q A - - - 0 5-0 - 0 0 0 3 5 3 5 5 5 3 5 0 0 0 0 6 6 6 6 6 6 3

Diagonalisasi ortogonal dari matrik simetri Definisi : Matrik bujursangkar A dapat didiagonalisai ortogonal jika terdapat matrik ortogonal Q dan matrik diagonal D sehingga diperoleh : Q T AQ = D Teori 4. Jika A dapat didiagonalisai ortogonal, maka A adalah matrik simetri Bukti : Karena Q - = Q T diperoleh Q T Q = I = QQ T sehingga : QDQ T = QQ T AQQ T = IAI = A Tetapi juga : A T = (QDQ T ) T = (Q T ) T D T Q T = QDQ T = A Setiap matrik diagonal adalah simetri, maka A simetri.

Latihan soal :. V=R 3 dengan perkalian skalar <a,b>= a b + a b + 3a 3 b 3 Tentukan proyeksi ortogonal a= (,,), b= (,,). V=R 3 dengan perkalian skalar <a,b>= a b + a b + a 3 b 3 W subruang linier yang dibangun oleh {(-,,), (,,)} dan v = (,,3) Tentukan proyeksi ortogonal v pada W