BAB VIII RUANG HASILKALI DALAM (lanjutan).

Slides:



Advertisements
Presentasi serupa
Matriks.
Advertisements

Eigen value & Eigen vektor
RUANG VEKTOR II BUDI DARMA SETIAWAN.
BAB 3. MATRIKS 3.1 MATRIKS Definisi: [Matriks]
Transformasi Linier.
MATRIKS 1. Pengertian Matriks
BAB 2 DETERMINAN.
Matriks Definisi Matriks adalah kelompok bilangan yang disusun dalam suatu jajaran berbentuk persegi atau persegi panjang yang terdiri dari baris dan kolom.
Ruang Hasil kali Dalam (INNER PRODUCT SPACE)
RUANG VEKTOR UMUM.
RUANG VEKTOR Trihastuti Agustinah..
Determinan Trihastuti Agustinah.
InversRANK MATRIKS.
INVERS MATRIKS (dengan adjoint)
Konsep Vektor dan Matriks
RUANG VEKTOR EUCLIDEAN
Ortogonal.
Aljabar Linear Elementer
DETERMINAN MATRIKS Misalkan
Transformasi Linier.
BAB VII RUANG VEKTOR UMUM (lanjutan).
RUANG VEKTOR EUCLIDEAN
Matriks dan Transformasi Linier
BAB VIII RUANG HASILKALI DALAM (lanjutan).
TRANSFORMASI LINIER.
Inner Product Ortogonal dan Ortonormal Proses Gram Schmidt
RUANG PERKALIAN DALAM.
BAB 8 RUANG PERKALIAN DALAM.
2. VEKTOR 2.1 Vektor Perpindahan B
BAB 3 DETERMINAN.
DETERMINAN Route Gemilang routeterritory.wordpress.com.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
Sistem Persamaan Linier Oleh : Sudaryatno Sudirham
PERSAMAAN LINEAR MATRIK.
BAB X TRANSFORMASI LINIER.
RUANG VEKTOR EUCLIDEAN
Standard Unit Vektor Kombinasi Linear Membangun Bebas Linear Basis
Pertemuan 10 INVERS MATRIK.
Operasi Matriks Pertemuan 02 Matakuliah: K0292 – Aljabar Linear Tahun: 2008.
MATRIKS EGA GRADINI, M.SC.
P. VIII 1 d DETERMINAN
Pertemuan 2 Alin 2016 Bilqis Determinan, Cramer bilqis.
Determinan.
MODUL VII BASIS DAN DIMENSI
RUANG HASIL KALI DALAM Kania Evita Dewi.
MODUL VIII NILAI EGIEN DAN VEKTOR EIGEN
ALJABAR LINIER (MATRIKS)
Operasi Matriks Pertemuan 24
ALJABAR LINEAR BASIS DAN DIMENSI
MATRIKS.
ALJABAR LINEAR KOMBINASI LINEAR, MERENTANG
Kelas XII Program IPA Semester 1
Inner Product Ortogonal dan Ortonormal Proses Gram Schmidt
Lanjutan Ruang Hasil Kali Dalam
Pertemuan 10 INVERS MATRIK.
RUANG VEKTOR.
Ruang vektor real Kania Evita Dewi.
MATRIKS Materi - 7 Pengertian Matriks Operasi Matriks
SOAL RUANG VEKTOR BUDI DARMA SETIAWAN.
Standard Unit Vektor Kombinasi Linear Membangun Bebas Linear Basis
Aljabar Linear Elementer
Matriks Elementer & Invers
Pertemuan 2 Pengolahan matrik
PERTEMUAN 14 DETERMINAN LANJUT.
PERTEMUAN 2 MATRIKS.
PERTEMUAN 7 RUANG N EUCLEDIAN.
Standard Unit Vektor Kombinasi Linear Membangun Bebas Linear Basis
BAB 6: TRANSFORMASI LINIER
NILAI EIGEN VEKTOR EIGEN
Bab 1.3 – 1.5 Matriks & Operasinya Matriks invers.
Transcript presentasi:

BAB VIII RUANG HASILKALI DALAM (lanjutan)

8.4 Matris Ortogonal ; Perubahan Basis Definisi Sebuah matriks persegi A yang memiliki sifat A–1 = AT disebut sebagai matriks ortogonal. Dari definisi kita dapat menyimpulkan bahwa suatu matrik persegi dikatakan ortogonal jika dan hanya jika AAT = ATA = I

Contoh 8.12 Buktikan bahwa matriks ortogonal Bukti

Karena ATA = I, maka terbukti bahwa matriks A adalah matriks ortogonal

Teorema 8.4.1 Pernyataan-pernyataan berikut adalah ekivalen untuk sebuah matriks A, n x n. a) A adalah matriks ortogonal Vektor-vektor baris matriks A membentuk sebuah himpunan ortonormal pada Rn yang memiliki hasilkali dalam Euclidean. c) Vektor-vektor kolom A membentuk sebuah himpunan ortonormal pada Rn yang memiliki hasilkali dalam Euclidean.

Contoh 8.13 Tunjukkan bahwa adalah ortogonal dengan menunjukkan: a) vektor-vektor baris matriks A membentuk sebuah himpunan ortonormal pada R2 vektor-vektor kolom matriks A membentuk sebuah himpunan ortonormal pada R2 Penyelesaian

a) Karena 〈r1, r2〉 = 0 dan ||r1|| = ||r2|| = 1, berarti vektor- vektor baris dari matriks A membentuk suatu himpunan ortonormal.

b) Karena 〈c1, c2〉 = 0 dan ||c1|| = ||c2|| = 1, berarti vektor- vektor kolom dari matriks A membentuk suatu himpunan ortonormal.

Teorema 8.4.2 a) Invers dari sebuah matriks matriks ortogonal adalah sebuah matriks ortogonal Hasilkali matriks-matriks ortogonal akan menghasilkan sebuah matriks ortogonal Jika A ortogonal, maka det (A) = 1 atau det (A) = –1

Contoh 8.14 Telah ditunjukkan pada contoh 8.13 bahwa adalah ortogonal, sehingga berdasarkan teorema 8.4.2 c, det (A) = 1 atau det (A) = –1

8.4.1 Matriks Koordinat v = k1v1 + k2v2 + … + knvn Dari teorema sebelumnya, jika S = {v1, v2, …, vn } adalah sebuah basis untuk suatu ruang vektor V, maka setiap vektor v didalam V dapat dinyatakan secara unik sebagai sebuah kombinasi linier dari vektor-vektor basis, v = k1v1 + k2v2 + … + knvn Skalar k1, k2, …, kn adalah koordinat-koordinat v relatif terhadap S dan vektor (v)S = (k1, k2, …, kn) adalah vektor koordinat dari v relatif terhadap S. Jika (v)S ditulis dalam bentuk matriks n x 1, maka

Jika (v)S ditulis dalam bentuk matriks n x 1, Selanjutnya [v]S didefinisikan sebagai matriks koordinat dari vektor v relatif terhadap S Contoh 8.15 Tentukan matriks koordinat v relatif terhadap S = {v1, v2, v3} jika v = (2, –1, 3); v1 = (1, 0, 0), v2 = (2, 2, 0), v3 = (3, 3, 3,) Penyelesaian

v = k1v1 + k2v2 + k3v3 (2, –1, 3) = k1 (1, 0, 0) + k2 (2, 2, 0) + k3 (3, 3, 3) k1 + 2k2 + 3k3 = 2 0k1 + 2k2 + 3k3 = –1 0k1 + 0k2 + 3k3 = 3