Di lahan luas fisika matematika dan ilmu data, matriks matriks AᵀCA berdiri sebagai jembatan universal. Baik Anda menghitung perpindahan gedung pencakar langit akibat beban angin (Kekakuan) atau mencari penyesuaian terbaik untuk data statistik yang bising (Kuadrat Terkecil), strukturnya tetap sama. Ketika invers "sempurna" dari A tidak ada karena sistem singular atau berlebihan, maka Pseudoinvers A⁺ muncul sebagai petunjuk kembali ke keseimbangan.
1. Geometri Pseudoinvers
Pseudoinvers $A^+$ adalah matriks $n$ kali $m$ yang bertindak sebagai invers sempurna jika memungkinkan. Ia menghubungkan Empat Ruang Pokok dengan memastikan vektor-vektor $u_1, \dots, u_r$ di ruang kolom $A$ dipetakan kembali secara langsung ke $v_1, \dots, v_r$ di ruang baris.
Aturan Pemetaan
- Untuk $i \leq r$: $A^+ u_i = \frac{1}{\sigma_i} v_i$ (Invers dari skala nilai singular)
- Untuk $i > r$: $A^+ u_i = 0$ (Ruang nol kiri dihilangkan)
2. Pembentukan AᵀCA
Sistem fisika mencapai keseimbangan melalui siklus tiga tahap:
- Kinematika ($Ax=e$): Perpindahan eksternal $x$ menciptakan regangan internal $e$.
- Hukum Konstitutif ($y=Ce$): Sifat material (seperti Hukum Hooke) mengubah regangan menjadi tegangan internal $y$.
- Keseimbangan ($A^Ty=f$): Tegangan internal menyeimbangkan gaya eksternal $f$.
Menggabungkan ketiganya menghasilkan persamaan utama: $A^TCAx=f$. Jika $A^TA$ dapat dibalik, kita mendapatkan solusi kuadrat terkecil berbobot standar.
3. Proyeksi dan Identitas
Berbeda dengan invers standar, $AA^+$ dan $A^+A$ tidak selalu menghasilkan matriks Identitas penuh. Sebaliknya, mereka bertindak sebagai Matriks Proyeksi:
- $AA^+$ adalah matriks proyeksi ke ruang kolom dari $A$.
- $A^+ A$ adalah matriks proyeksi ke ruang baris dari $A$.
🎯 Definisi SVD
Definisi matematis formal menggunakan Dekomposisi Nilai Singular:
$A^+ = V \Sigma^+ U^T = \begin{bmatrix} v_1 \cdots v_r \cdots v_n \end{bmatrix} \begin{bmatrix} \sigma_1^{-1} & & \\ & \ddots & \\ & & \sigma_r^{-1} \\ & & & 0 \end{bmatrix} \begin{bmatrix} u_1 \cdots u_r \cdots u_m \end{bmatrix}^T$
Contoh Kerja: Menemukan A⁺ untuk Matriks Berperingkat 1
Masalah
Pertimbangkan $A = \begin{bmatrix} 2 & 2 \\ 1 & 1 \end{bmatrix}$. Carilah $A^+$.
Analisis
Rank $r=1$. Ruang baris direntang oleh $v_1 = \frac{1}{\sqrt{2}}(1, 1)$. Ruang kolom direntang oleh $u_1 = \frac{1}{\sqrt{5}}(2, 1)$. Nilai singular $\sigma_1 = \sqrt{2^2+2^2+1^2+1^2} = \sqrt{10}$.
Perhitungan
$A^+ = v_1 \sigma_1^{-1} u_1^T = \frac{1}{\sqrt{2}}\begin{bmatrix} 1 \\ 1 \end{bmatrix} \frac{1}{\sqrt{10}} \frac{1}{\sqrt{5}}\begin{bmatrix} 2 & 1 \end{bmatrix} = \frac{1}{10} \begin{bmatrix} 2 & 1 \\ 2 & 1 \end{bmatrix}$.