Upload
votram
View
342
Download
6
Embed Size (px)
Citation preview
Faktorisasi Matriks
Matriks
Modul 7,
FAKTORISASI MATRIKS
Penguraian Nilai Singular/ Singular Value
Decomposition(SVD)
Teorema 1 :
Jika A suatu matriks berukuran m xn
Dengan rank r >0, terdapat matriks
orthogonal Pmxm dan Qn x n,
sehingga A=PDQT dan D=PT AQ dimana
matriks D berukuran m xn diberikan oleh :
a) jika r = m = n
b) jika r = m < n
a) jika r = n < m
d)
jika r < m, r < n
Dimana merupakan matriks diagonal berukuran r x r,
dengan elemen diagonalnya positif.
Elemen diagonal dari matriks 2 merupakan eigen
value positif dari A TA dan AAT
)0(
)0(
)0()0(
)0(
AKIBAT 1.
Jika A matriks berukuran m x n dengan
Rank r>0, maka terdapat matriks P1
berukuran m x r dan Q berukuran n x r
Sedemikian hingga P1’.Q1=Ir dan A=P1Q1’
dimana matriks diagonal r x r dengan
Elemen diagonalnya positif
catatan
P merupakan eigen vektor dari AA’
Q eigen vektor A’A
P, Q merupakan E.Vektor yang
ternormalisasi
Contoh 1Jika A matriks simetris dan definit positif
matrix U dapat dihitung melalui :
◦ V dapat dihitung melalui :
21,
21,
21,
2110,120det
111
111
11
31
13
131
113
131
113
2121
TTT
T
uuIAA
AAA
305,
302,
301,0,
51,
52,
61,
62,
61
0,10,120det
242
4100
2010
131
113
11
31
13
131
113
321
321
TTT
T
T
vvv
IAA
AAA
V dapat dihitung melalui :
305,
302,
301,0,
51,
52,
61,
62,
61
0,10,120det
242
4100
2010
131
113
11
31
13
131
113
321
321
TTT
T
T
vvv
IAA
AAA
Lanjutan... Dengan 2
1=12 and 22=10, maka singular value decomposition
(SVD) dri A adalah :
Sehingga U, V and dihitung melalui nilai eigen dari
AAT dan ATA
Sembaramg matriks matriks dapat ditemtukan SVD akan tetapi hanya matriks definit positive yamg memiliki dekomposisi eige
0,5
1,5
2
21
21
106
1,6
2,6
1
21
21
12
131
113A
Latihan :
Tentukan SVD dari
11
66A
3 1 1
1 3 1A
Petunjuk.Tentukan
1. rank dari matriks A
2. A’A
3. eigen value dan eigen vektor dari A’A
4. AA’
5. eigen value dan eigen vektor dari AA’
6. 2 (matriks diagonal dengan elemen diagonal eigenvalue positif dari A’A dan AA’)
7. (matriks diagonal, dengan elemen diagonal akarpositif dari 2 )
8. Buat matriks P (eigen vektor ternormalisai dari AA’)
9. Buat matriks Q (eigen vektor ternormalisasi dari A’A)
Dekomposisi Spectral
Teorema 2 :
Jika A suatu matriks simetri berukuran m x m
dengan eigen value 1,2,...,m dan asumsikan
x1,x2,...,xm adalah himp orthonormal eigenvektor
yang bersesuaian dengan nilai eigen valuenya.
Jika =diag(1,2,.. m) dan X=(x1,x2,..,xm) maka
Berlaku
A=XXT
m
i
Ti
xi
xi1
Akar
Jika Am xm matrik definit positif dengan
menggunakan decomposisi spektral :
A=XXT
m
i
Ti
xi
xi1
Dimana XXT’= X
T X=I dan x1,x2,...,xm adalah
himp orthonormal eigenvektor yang bersesuaian
dengan nilai eigen valuenya
Jika =diag(1,2,.. m) dan X=(x1,x2,..,xm)
maka
i >0
Sehingga :
A-1
=X-1
XT
m
i
Ti
xi
x
i1
1
----Karena
(X-1
XT) XX
T =(XX
T )X
-1X
T= XX
T=I
Jika kita ambil 1/2
merupakan matriks
diagonal dengan elemen diagonal ke i adalah
(i)1/2
Matriks
m
i
XXTi
xi
xi
T
1
2/1 merupakan akar
dari matriks A
Dinotasikan A1/2
Dengan Sifat-sifat :
1. (A1/2
)T= A
1/2
2. A1/2
A1/2
=A
3. (A1/2
)-1
m
i
Ti
xi
x
i1
1
= X
-1/2X
T
4. A1/2
A-1/2
=A-1/2
A1/2
=I dan A-1/2
A-1/2
=A-1
,
dimana A-1/2
=(A1/2
)-1
Jika tidak A tidak nonnegative definit, maka
A1/2
matriks komplek jika beberapa eigen value
dari A negative
Perluasan jika A1/2
bukan matriks simetri
Pertimbangkan sembarang matriks A1/2
yang
memenuhi
A= A1/2
A1/2
Jika Q matriks orthogonal berukuran m x m ,
maka A1/2
=XA1/2
QT
Yang juga merupakan akar dari matriks
karena :
A1/2
(A1/2
)T= XA
1/2Q
T Q A
1/2X
T= XA
1/2I
A1/2
XT= XA
1/2 A
1/2X
T= XAX
T=A
Jika A1/2
matriks segitiga bawah dengan elemen
diagonal non negative, maka faktorisasi A=A1/2
(A1/2
)T dikenal sebagai Cholesky
Decomposition dari A