Judul : Metode Kuadrat Terkecil Metode Kuadrat Terkecil Adalah
link : Metode Kuadrat Terkecil Metode Kuadrat Terkecil Adalah
Metode Kuadrat Terkecil Metode Kuadrat Terkecil Adalah
Hohoho, selamat sore, di kesempatan akan menjelaskan tentang metode kuadrat terkecil adalah Metode Kuadrat Terkecil simak selengkapnya
Metode kuadrat terkecil, yang kian dikenal dengan nama Least–Squares Method, ialah alpa satu metode‘pende katan’ yang membelokkan penting
dalam dunia keteknikan untuk:
(a). regresi ataupun pembentukan persamaan dari titiktitik data diskretnya (dalam pemodelan), dan
(b). analisis sesatan pengukuran (dalam validasi model).
Metode kuadrat bungsu termasuk dalam keluarga metode metode ancangan sesatan terdistribusi (“distributed error” approximation methods), beralaskan karakterisik kerjanya yang melaksanakan pengurangan sesatan menyeluruh (global error) yang terukur beralaskan interval pendekatan keseluruhan (whole approximation interval) bertemu dengan order ancangan yang meningkat. Metode ini berbeda dengan metode-metode asimptotis, khususnya yang dikembangkan dengan ancangan dengan deret ‘Taylor’, akibat metode asimptotis memiliki idiosinkrasi kerja yang mengabaikan sesatan atas jumlah bercak tertentu, bertemu dengan order ancangan yang meningkat.
- Proyeksi Ortogona Dipandang Sebagai Aproksimasi
Jika P adalah sebentuk bercak di dalam ruang berdimensi 3 biasadan W adalah sebentuk bidang yang melewati bercak awal ruang tersebut, maka titik Q pada W yang jaraknya terdekat dengan P dapat diperoleh dengan memproyeksikan P secara tegak luurus terhadap W. Sehingga, jika u = panjang OP, jarak antara P dan W diberikan oleh
||u – projw u||
Dengan kata lain, di antara semua vector w pada W, vector w = projw umeminimalkan jarak ||u – w||
“Jika W ialah sebentuk subruang berdimensi terhingga dari ruang hasilkali dalam V, dan jika u adalah sebentuk vector atas V, maka projW u adalah aproksimasi pokta bagi u pada W, dalam penafsiran bahwa
||u – projw u|| < ||u – w||
Untuk saban vector w pada W yang bukan projW u.
- Solusi Kuadrat Terkecil Dari Sistem Persamaan Linear
Pada system linier Ax = b merupakan system yang tidak koheren dalam jenjang teoritis, ini berjalan akibat adanya kesalahan-kesalahan pengukuran atas entri-entri A dan B. Dalam situasi ini, upaya yang boleh dilakukan yaitu mencari nilai x yang “paling dekat” dengan solusi yang diharapkan, dalam artian bahwa solusi ini boleh meminimalkan nilai ||Ax – b|| merujuk pada produk kali dalam Euclidean. Kuantitas ||Ax – b|| dapat dipandang sebagai suatu ukuran kesalahan yang berjalan akhir memandang x sebagai solusi aproksimasi dari system linier Ax = b. Jika system koheren dan x adalah solusi eksaknya, maka kesalahannya ialah nol, karena ||Ax – b|| = ||0|| = 0. Sehingga boleh disimpulkan, semakin besar nilai ||Ax – b||, maka semakin buruk x sebagai aproksimasi solusi system tersebut.
Masalah Kuadrat Terkecil
Jika Ax = b yang terdiri dari m persamaan dengan n factor yang tidak diketahui, tentukan sebentuk vector x, andaikata mungkin, yang meminimalkan nilai ||Ax – b|| merujuk atas produk kali dalam Euclidean pada Rm. Vektor semacam ini disebut sebagaisolusi kuadrat terkecil (least square solution) dari Ax = b.
Untuk system linier sebarang Ax = b, system normal yang terkait
AT Ax = ATb
bersifat konsisten, dan semua solusi dari system normal ialah solusi kuadrat bungsu dari Ax=b. selanjutnya, andaikata W ialah ruang esai dari A, dan x adalah solusi kuadrat bungsu sebarang dari Ax=b, maka proyeksi orthogonal b atas W adalah
projW b= Ax
- Keunikan Solusi Kuadrat Terkecil
Jika A ialah sebentuk matriks m x n, maka pernyataan-pernyataan berikut ini ialah ekuivalen.
- a. A memiliki vector-vektor esai yang berdikari linier
- ATA boleh dibalik
Teorema seterusnya ialah konsekuensi langsung dari teorema 6.4.2
Jika A ialah sebentuk matriks m x n yang memiliki vector-vektor esai yang berdikari linier, maka buat saban matriks b, m x 1, system linier Ax = b memiliki sebentuk solusi kuadrat bungsu yang unik. Solusi ini diberikan oleh
x = ( ATA )-1ATb
selanjutnya, andaikata W ialah ruang esai dari A, maka proyeksi orthogonal b pada W adalah
projW b = Ax = ( ATA )-1ATb
Jika A ialah sebentuk matriks n x n, dan andaikata TA: Rn → Rn adalah perbanyakan dengan A, maka pernyataan-pernyataan berikut ini ialah ekuivalen.
- A boleh dibalik
- Ax=0 hanya memiliki solusi trivial
- Bentuk eselon banjar tereduksi dari A ialah In.
- A boleh dinyatakan sebagai hasilkali dari matriks-matriks elementer
- Ax=b konsisten buat saban matriks b, n X 1
- Ax=b memiliki tepat satu solusi buat saban matriks b, n X 1
- Det (A) = 0
- Range dari TA adalah Rn.
- TA adalah satu ke satu.
- Vektor-vektor esai dari A berdikari linier
- Vektor-vektor banjar dari A berdikari linier
- Vektor-vektor esai dari A merentang Rn
- Vektor-vektor banjar dari A merentang Rn
- Vektor-vektor esai dari A membentuk alas buat Rn
- Vektor-vektor banjar dari A membentuk alas buat Rn
- A memiliki rank n
- A memiliki nulitas 0
- Komplemen orthogonal ruang nul dari A ialah Rn
- Komplemen orthogonal ruang banjar dari A ialah 0
- ATA boleh dibalik.
oke pembahasan tentang Metode Kuadrat Terkecil semoga info ini berfaedah terima kasih
tulisan ini diposting pada tag , tanggal 22-10-2021, di kutip dari https://hanyalahdewi.wordpress.com/2011/04/25/metode-kuadrat-terkecil/
Demikian Metode Kuadrat Terkecil Metode Kuadrat Terkecil Adalah
Anda sekarang membaca artikel Metode Kuadrat Terkecil Metode Kuadrat Terkecil Adalah dengan alamat link https://metodekuadrat.blogspot.com/2021/10/metode-kuadrat-terkecil-metode-kuadrat.html