# Nakafa Learning Content

> For AI agents: use [llms.txt](https://nakafa.com/llms.txt) for the site index. Markdown versions are available by appending `.md` to content URLs or sending `Accept: text/markdown`.

URL: https://nakafa.com/id/materi/ai-ds/metode-linear-ai/matriks-kompleks
Source: https://raw.githubusercontent.com/nakafaai/nakafa.com/refs/heads/main/packages/contents/material/lesson/ai-ds/linear-methods/complex-matrix/id.mdx

Pelajari matriks kompleks dengan operasi adjoint, transpose Hermitian, norma Euclidean, dan sifat penting untuk komputasi kuantum dan pemrosesan sinyal.

---

## Definisi Matriks dengan Entri Kompleks

Sama seperti matriks dengan entri real, kita juga dapat membentuk matriks yang entri-entrinya berupa bilangan kompleks. Bayangkan sebuah tabel persegi panjang yang berisi bilangan-bilangan kompleks yang tersusun rapi dalam baris dan kolom.

Sebuah skema persegi panjang bilangan kompleks dengan $$m \in \mathbb{N}$$ baris dan $$n \in \mathbb{N}$$ kolom disebut matriks kompleks $$m \times n$$:

Visible text: Sebuah skema persegi panjang bilangan kompleks dengan baris dan kolom disebut matriks kompleks :

```math
A = \begin{pmatrix} a_{11} & \cdots & a_{1n} \\ \vdots & & \vdots \\ a_{m1} & \cdots & a_{mn} \end{pmatrix} = (a_{ij})_{\substack{i=1,\ldots,m \\ j=1,\ldots,n}}
```

dengan **koefisien** $$a_{ij} \in \mathbb{C}$$ untuk $$i = 1, \ldots, m$$ dan $$j = 1, \ldots, n$$. Himpunan semua matriks kompleks $$m \times n$$ ditulis sebagai $$\mathbb{C}^{m \times n}$$.

Visible text: dengan **koefisien** untuk dan . Himpunan semua matriks kompleks ditulis sebagai .

Perbedaan utama dengan matriks real adalah bahwa setiap entri $$a_{ij}$$ sekarang dapat berupa bilangan kompleks seperti $$2 + 3i$$ atau $$-1 - 4i$$.

Visible text: Perbedaan utama dengan matriks real adalah bahwa setiap entri sekarang dapat berupa bilangan kompleks seperti atau .

## Matriks Adjoint

Dalam konteks matriks kompleks, konsep transpose matriks diperluas menjadi konsep yang lebih umum yang disebut **matriks adjoint**. Konsep ini merupakan generalisasi kompleks dari matriks transpose $$A^T$$.

Visible text: Dalam konteks matriks kompleks, konsep transpose matriks diperluas menjadi konsep yang lebih umum yang disebut **matriks adjoint**. Konsep ini merupakan generalisasi kompleks dari matriks transpose .

Misalkan $$A \in \mathbb{C}^{m \times n}$$ adalah matriks kompleks $$m \times n$$. **Matriks adjoint** (matriks konjugat transpose) $$A^H$$ dari $$A$$ adalah matriks kompleks $$n \times m$$ yang diperoleh dengan menukar baris dan kolom dari $$A$$ dan mengambil konjugat kompleks dari setiap entri:

Visible text: Misalkan adalah matriks kompleks . **Matriks adjoint** (matriks konjugat transpose) dari adalah matriks kompleks yang diperoleh dengan menukar baris dan kolom dari dan mengambil konjugat kompleks dari setiap entri:

```math
A^H = \overline{A^T} = \overline{A}^T = \begin{pmatrix} \overline{a_{11}} & \cdots & \overline{a_{m1}} \\ \vdots & & \vdots \\ \overline{a_{1n}} & \cdots & \overline{a_{mn}} \end{pmatrix} \in \mathbb{C}^{n \times m}
```

Proses ini melibatkan dua langkah: pertama transpose matriks (tukar baris dan kolom), kemudian ambil konjugat kompleks dari setiap entri.

## Sifat-sifat Matriks Adjoint

Matriks adjoint memiliki beberapa sifat penting yang berguna dalam perhitungan. Berikut adalah sifat-sifat fundamental yang selalu berlaku:

### Sifat Dasar

1. **Hubungan dengan transpose real**: Untuk $$A \in \mathbb{R}^{m \times n} \subset \mathbb{C}^{m \times n}$$, berlaku $$A^H = A^T$$

Visible text: 1. **Hubungan dengan transpose real**: Untuk , berlaku

Ini masuk akal karena jika matriks hanya berisi entri real, maka konjugat kompleks tidak mengubah nilainya.

2. **Involusi**: $$(A^H)^H = A$$

Visible text: 2. **Involusi**:

Jika kita mengambil adjoint dari adjoint, kita kembali ke matriks asal.

### Sifat Operasi Linear

3. **Linearitas penjumlahan**: $$(A + B)^H = A^H + B^H$$

4. **Linearitas perkalian skalar**: $$(\lambda \cdot A)^H = \overline{\lambda} \cdot A^H$$

Visible text: 3. **Linearitas penjumlahan**: 

4. **Linearitas perkalian skalar**:

Perhatikan bahwa untuk perkalian skalar, kita perlu mengambil konjugat dari skalar $$\lambda$$.

Visible text: Perhatikan bahwa untuk perkalian skalar, kita perlu mengambil konjugat dari skalar .

### Sifat Perkalian

5. **Sifat antikomutatif perkalian**: $$(A \cdot B)^H = B^H \cdot A^H$$

Visible text: 5. **Sifat antikomutatif perkalian**:

Sifat ini menunjukkan bahwa adjoint dari hasil kali matriks adalah hasil kali adjoint matriks-matriks tersebut dalam urutan terbalik.

## Norma Euclidean pada Ruang Kompleks

Untuk vektor dalam ruang kompleks, kita memerlukan cara untuk mengukur "panjang" atau norma vektor tersebut. Konsep norma Euclidean diperluas untuk ruang kompleks menggunakan matriks adjoint.

Untuk $$v \in \mathbb{C}^n$$, kita definisikan:

Visible text: Untuk , kita definisikan:

```math
v^H v = \sum_{i=1}^n \overline{v_i} v_i = \sum_{i=1}^n |v_i|^2 \in \mathbb{R}_0^+
```

**Norma Euclidean** dihitung sebagai:

```math
\|v\|_2 = \sqrt{v^H v}
```

Ini mendefinisikan norma pada $$\mathbb{C}^n$$, yaitu **norma Euclidean** $$\|\cdot\|_2 : \mathbb{C}^n \to \mathbb{R} : v \mapsto \|v\|_2$$.

Visible text: Ini mendefinisikan norma pada , yaitu **norma Euclidean** .

### Sifat-sifat Norma Euclidean

Norma Euclidean memenuhi sifat-sifat berikut:

**Homogenitas**: $$\|\alpha v\|_2 = |\alpha| \|v\|_2$$

Visible text: **Homogenitas**:

**Definit positif**: $$\|v\|_2 \geq 0$$ dan $$\|v\|_2 = 0 \Leftrightarrow v = 0$$

Visible text: **Definit positif**: dan

**Ketidaksamaan segitiga**: $$\|v + w\|_2 \leq \|v\|_2 + \|w\|_2$$

Visible text: **Ketidaksamaan segitiga**:

Sifat-sifat ini menjamin bahwa $$\|\cdot\|_2$$ benar-benar merupakan norma dalam pengertian matematika yang formal.

Visible text: Sifat-sifat ini menjamin bahwa benar-benar merupakan norma dalam pengertian matematika yang formal.