KERANGKA PEMBAHASAN
1.
Transformasi Linier secara Umum
2.
Kernel dan Range
3.
Transformasi Linier Invers
4.
Matriks Transformasi Linear
5.
Similaritas
7.1
TRANSFORMASI LINIER SECARA UMUM
Misalkan V dan W adalah ruang vektor, T : V W dinamakan transformasi linear, jika
untuk setiap dan berlaku :
Jika V = W maka T dinamakan operator linear
V
b
a
,
R
a b
T . 1 T
a T
b
a
T
. 2 T
aContoh 1 :
Tunjukan bahwa T : R2 R3, dengan
merupakan tranformasi linear.
Jawab :
Ambil unsur sembarang di R2,
Misalkan
(i) Akan ditunjukan bahwa y x y x y x T , 2 1 u u u 2 2 1 R v v v
u
v
T
u
T
v
T
Rumus TransformasiTerbukti bahwa
u v
T 2 1 2 1 v v u u T
2 2 1 1 2 2 1 1 v u v u v u v u
2 2 1 1 2 2 1 1 v u v u v u v u 2 1 2 1 2 1 2 1 v v v v u u u u
u v
Τ
u Τ
v T (ii) Ambil unsur sembarang
Jadi, T merupakan transformasi linear.
R
R
u
2dan
2 1 u u u 2 1 2 1 u u u u 2 1 2 1 u u u u 2 1 2 1 u u u u
u Τ α Contoh 2 :
Misalkan T merupakan suatu transformasi dari M2x2 ke R
yang didefinisikan oleh T(A) = det (A), untuk setiap A
M2x2, Apakah T merupakan Transformasi linier.
Jawab :
Misalkan
maka untuk setiap R berlaku
det (
A) = 2 2 4 3 2 1 x M a a a a A 4 3 2 1 det a a a a
1 2 3 4
2det( ) 2 A a a a a Contoh 3 :
Diketahui T : P2 (Polinom orde-2) R2, dengan
a. Apakah T merupakan transformasi linear b. Tentukan c a b a cx bx a T( 2) ) 1 ( x x2 T 2 3 2 1 u x u x u u
v
v
1
v
2x
v
3x
2 Jawab :a.(i) Ambil unsur sembarang P2,
Sehingga
v
Perhatikan bahwa
2
3 3 2 2 1 1 v u v x u v x u T v u T
3 3 1 1 2 2 1 1 v u v u v u v u
3 1 3 1 2 1 2 1 v v u u v v u u 3 1 2 1 3 1 2 1 v v v v u u u u
2
3 2 1 2 3 2 1 u x u x T v v x v x u T Memenuhi
T
u v
Τ
u Τ
vAmbil unsur sembarang P2, dan
R, sehinggaJadi, T merupakan transformasi linear
2 3 2 1 u x u x u u
2
3 2 1 u x u x u T u T
3 1 2 1 u u u u
3 1 2 1 u u u u 3 1 2 1 u u u u
2
3 2 1 u x u x u T
u Τ α b.
Suatu transformasi linear T : V W dapat direpresentasikan dalam bentuk :
A dinamakan matriks transformasi dari T.
) 1 ( x x2 T 0 0 1 1 1 1
u
A
u
T
untuk setiapu
V.
Contoh 4:
Misalkan, suatu transformasi linear T : R2 R3 didefinisikan oleh :
Jawab :
Perhatikan bahwa
Jadi matriks transformasi untuk T : R2 R3 adalah
Jika T : Rn Rm merupakan transformasi linear maka ukuran
matriks transformasi adalah m x n
y x y x y x y x 1 0 0 1 1 1 1 0 0 1 1 1 A y x y x y x
dengan
v
1,
v
2
3 2 : R R
vi ui
2 2 2 1 1 1 u v v T u v v T
1 2
2 2
1 2
3 2 2 3xv
v
x
u
u
x
v1 v2
1 2 1 2 1 u u v v Misalkanbasis bagi ruang vektor V dan
merupakan transformasi linear
untuk setiap i = 1,2.
Sehingga Jadi
basis bagi V
maka ia punya invers
Matriks transformasinya dapat ditentukan dengan cara : Tulis :
1 0 0 , 1 1 0 , 1 1 1 3 2 1 v v v 1 3 : R P
v
iA
v
ip
iT
x p p x p1 1 ; 2 1; 3 2 2 1 1 dan Contoh 5 : Misalkanadalah basis bagi R3
Transformasi linear didefinisikan untuk setiap i = 1,2,3.
Tentukan :
Matrix transformasi A Jika
2 0 2 ; 0 1 1 ; 1 1 1 2 3 1 x B p B p x B p 3 , 2 , 1 , vi pi i 2 0 1 0 1 1 1 1 1 0 1 1 0 0 1 1 1 1 1 0 1 1 0 0 1 2 0 1 0 1 1 Jawab : Definisikan : Karena Maka atau 0 0 1 0 1 0 0 0 1 1 1 1 0 1 1 0 0 1 1 0 1 0 1 1 0 0 1 1 1 0 0 1 0 0 0 1 ~ 1 1 0 0 1 1 0 0 1 1 0 0 0 1 0 0 0 1 ~ 2 2 1 0 1 0 1 1 0 0 1 1 0 0 1 2 0 1 0 1 1
1
2
2
0
1
0
invers matriks dicari dengan OBE :
Sehingga
2 1 1 2 1 1 1 1 2 1 1 2 2 1 0 1 0 x B 1 1 1 ingat bahwa jadi Sementara itu,
x
1 2 1 1
2 2
1 , , 1 x x x x x
2 1 0 1 x T
0 2 1 2 x x T
0 1 2 1 x x2 T
2
1 x x T Contoh 6 :Jika T : P2 R3 adalah transformasi linear
dimana
Tentukan
.
Diketahui basis dari polinom orde dua adalah
Gunakan Definisi Membangun
Jawab :
Perhatikan bahwa
himpunan 3 polinom tersebut adalah basis bagi polinom orde 2
maka polinom tersebut ditulis nejadi :
Samakan suku-suku sejenis sehingga diperoleh SPL
dengan solusi k1 =0 , k2 = 2, dan k3 = 1.
1
1
1
3 2 3 2 1 3 1
k
k
k
k
k
k
k
2
3 2 2 1 21
1
1
x
x
k
x
k
x
x
k
x
x
Jadi kombinasi linear diatas berbentuk :
atau
Karena transformasi T bersifat linear maka :
2
2
2
1 2 1 0 1 x x T x T x x T x x T 0 1 2 0 2 1 2 0 5 4
2
2
2
1 1 2 1 0 1 x x T x x x x x T
2
2
2 1 1 2 1 0 1 x x x x x x x7.2 KERNEL DAN RANGE
Misalkan T : V → W merupakan transformasi linear. Semua unsur di V yang dipetakan ke vektor nol di W dinamakan kernel T dengan notasi ker ( T ) atau
Contoh 1 : Trans. Linear T : P2 R2 Perhatikan bahwa maka
| 0
) (T u V T u Ker c a b a cx bx a T( 2) ) 1 ( x x2 T 0 0 1 1 1 1 ) ( 1 x x2 Ker TSementara itu,
karena
Jelas bahwa vektor nol pada daerah asal transformasi merupakan unsur kernel T.
Tetapi, tak semua transformasi linear mempunyai vektor tak nol sebagai unsur kernel T.
Teorema :
Jika T : V W adalah transformasi linear maka Ker (T) merupakan subruang dari V
Bukti :
Ambil a, b Ker (T) sembarang dan Riil
)
(
2
1
x
x
2
Ker
T
0 1 1 ) 2 1 ( 2 x x T1. Karena setiap artinya setiap maka Ker(T) V
2. Perhatikan bahwa artinya setiap
oleh karena itu Ker(T) ≠ { }
3. Karena dan Ker(T) V
Ingat bahwa V mrp ruang vektor, sehingga berlaku
akibatnya Jadi ) (T Ker a
0 sehingga V T a a ) ( 0 Ker T
0 A0 0 T ) ( , b Ker T a V b a
a b
T (a) T (b) 0 0 0 T
T b a kerkarena V adalah ruang vektor
maka untuk setiap Riil berlaku :
Jadi,
Dengan demikian, terbukti bahwa
Jika T : V W adalah transformasi linear maka
Ker(T ) merupakan subruang dari ruang vektor V Karena Ker(T ) merupakan subruang
Basis Ker(T). V a T Ker a ( ) maka Karena 4.
)
(
T
Ker
a
a
T
a
0
0
T
c b a T
2
2
2 0 x c b a x c a b a c b a T Contoh 2 :Diketahui Transformasi linear T : R3 →P2 dengan
Jawab :
Perhatikan bahwa :
=(a + b) + (2a – c)x + (2a + b + c)x2
0 0 0 2 2 c b a c b b a c b a T c b a c b b a 2 2 1 1 2 1 2 0 0 1 1 c b a Ini memberikan sehingga
Jadi, matriks transformasi bagi T adalah
1 1 2 1 2 0 0 1 1 A
~ 0 0 0 1 1 2 1 2 0 0 1 1 0 0 0 1 1 0 1 2 0 0 1 1 0 0 0 2 / 1 0 0 2 / 1 1 0 2 / 1 0 1 ~
0
0
0
1
0
0
0
1
0
0
0
1
~
Dengan melakukan OBE pada matriks tersebut :
Dengan demikian, Basis ker(T) = { } dan nulitasnya adalah nol.
1 1 0 , 1 2 1 , 2 0 1
1 2x2 , 1 2x x2 , x x2
Perhatikan hasil OBE
maka basis ruang kolom dari matriks A adalah :
oleh karena itu, basis jangkauan dari T adalah :
d c b a d c b a d c b a T 2 2 Contoh 3:
Diketahui transformasi linear T : R4 R3
didefinisikan oleh :
Jawab : d c b a d c b a d c b a T 2 2 d c b a 2 1 1 1 2 1 0 0 0 0 1 1 2 1 1 1 2 1 0 0 0 0 1 1 A Jadi
4 , 0 R d c b a v v A v T 0 0 0 0 2 1 0 0 0 0 1 1 ~ 2 1 1 1 2 1 0 0 0 0 1 1 ~ ABasis Ker(T) dan Nulitasnya?
Dengan OBE
0
v
A
0 , , 2 1 1 0 0 0 0 1 1 s t s t d c b a d c b a 2 1 1 0 0 , 0 0 1 1Ker(T) = ruang solusi dari yaitu
Jadi Basis Ker(T) adalah
7.3 TRANSFORMASI LINIER INVERS
TRANSFORMASI SATU-KE-SATU
Transformasi linear
T: V
W
dikatakan
satu-ke-satu
jika
T
memetakan vektor jarak di V ke vektor
jarak di W
Contoh 1:
Jika A adalah matriks n x n dan
T
A:
R
n
R
nadalah perkalian dengan A, maka TA adalah
satu-ke-satu jika dan hanya jika A adalah matriks yang
dapat dibalikkan
CONTOH 2
Misalkan
T
: P
n
P
n+1adalah memiliki TL:
T
(
p
) =
T
(
p
(x)) =
xp(x)
Jika
= = + + ⋯ + dan = = + + ⋯ +
adalah polinomial jarak, maka keduanya berbeda paling tidak satu
koefisien. Sehingga,
= + + ⋯ + dan ( ) = + + ⋯ +
juga berbeda paling tidak satu koefisien. Karena itu,
T
adalah
satu-ke-satu, karena
T
memetakan polinomial jarak
p
dan
q
ke polinomial jarak
PERNYATAAN EKUIVALEN
Jika
T: V
W
adalah transformasi linear, maka
yang berikut ini adalah ekuivalen:
1.
T
adalah satu-ke-satu
2.
Kernel T
mengandung hanya vektor nol;
maka ker(T) = 0
CONTOH
Tentukan TL satu-ke-satu menggunakan kernel dan nullitas:
a)
T
:
R
2
R
2merotasi tiap vektor melalui sudut
θ
b)
T
:
R
3
R
3adalah proyeksi ortogonal pada bidang-
xy
JAWAB
a) Karena setiap vektor di bidang-xy dapat diperoleh dengan merotasikan beberapa vektor melalui sudut
θ, kita memiliki R(T) = R2. karena itu,
hanya satu vektor yang merotasi dari 0 ke
0, sehingga ker(T) = {0}
b) Ker(T) adalah kumpulan titik yang memetakan
kedalam 0 = (0,0,0) yang ada di sumbu z. Karena T memetakan setiap titik di R3 kedalam bidang-xy, selang T harus ada beberapa sub-kumpulan di
bidang ini. Tetapi setiap titik (x0,y0,0) di bidang-xy adalah bayangan T dari beberapa titik; faktanya, itu adalah bayangan dari semua titik-titik pada garis vertikal yang lewat melalui (x0,y0,0). Karena R(T)
JAWAB
c) Rank
Hasil eselon baris terreduksi:
berarti
NULITAS (T) = 4
T OPERATOR LINEAR PADA DIMENSI-TENTU
Berikut ini adalah ekuivalen:
1.
T
adalah satu-ke-satu
2.
ker(T) = {0}
3.
Nullitas (
T
) = 0
CONTOH
Misalkan
T
:
R
4
R
4dikalikan dengan
Apakah
T
Aadalah satu-ke-satu?
JAWAB
karena det(A) = 0, maka tidak dapat dibalikkan, maka
TL BALIKAN (DARI SUBBAB 4.3)
Jika
T
A: R
n
R
nadalah OL-SKS, maka matriks A dapat dibalikkan
: R
n
R
nsendiri adalah OL; dan disebut balikan
T
A
OL
dan
menghilangkan efek satu sama lainnya untuk semua x di
CONTOH
Seperti pada contoh sebelumnya, T: Pn Pn+1 memiliki TL:
T(p) = T(p(x)) = xp(x)
adalah satu-ke-satu, karena itu memiliki balikan. Di sini selang T tidak semua dari Pn+1, sehingga R(T) adalah subruang dari Pn+1 yang terdiri atas
polinomial dengan sebuah konstanta nol. Buktinya:
+ + ⋯ + = + + ⋯ +
T-1: P
n+1 Pn maka: + + ⋯ + = + + ⋯ +
CONTOH
Misalkan T:R3 R3 adalah operator linear dengan rumus
, , = 3 + , −2 − 4 + 3 , 5 + 4 − 2 Tentukan apakah T adalah satu-ke-satu, dan temukan T-1
JAWAB:
DIMENSI DOMAIN DAN KODOMAIN
Jika
V
dan
W
ruang vektor dimensi-tentu dengan
dim(
W
)<dim(
V
), dan jika
T:V
W
adalah TL, maka T
bukan satu-ke-satu
.
Dengan kata lain, dimensi kodomain
W
harus sebesar
dimensi domain
V
agar menjadi TL-SKS dari
V
ke
W
Ini berarti, sebagai contoh,
bukanlah TL-SKS dari ruang
R
3ke bidang R
27.4 MATRIKS TRANSFORMASI LINEAR
Andaikan bahwa
V
adalah vektor ruang berdimensi-
n
dan
W
adalah vektor ruang berdimensi-
m
. Jika kita
memilih basis
B
dan
B
’ untuk
V
dan
W
, maka untuk
setiap
x
di
V
, vektor koordinat [
x
]
Bakan ada sebuah
vektor di R
n, dan vektor koordinat [
T
(
x
)]
B’
akan ada
MATRIKS STANDAR
Andaikan T:V
W adalah transformasi linear,
maka akan diperoleh peta dari R
nke R
myang
dapat ditunjukkan bahwa itu transformasi linear.
Jika A adalah matriks standar untuk
transformasi ini maka
[ ] =
( )
Matriks A adalah matriks untuk T yang
berhubungan dengan basis B dan B’
KALKULASI T(X) SECARA LANGSUNG DAN TAK-LANGSUNG
x
[x]
B
[
T
(x)]
B’
T
(x)
Menghitung vektor koordinat [x]B Mengalikan [x]B di kiri dengan [T]B’,B Rekonstruksi dari vektor koordinat [T(x)]B’ Perhitungan langsungAndaikan
B =
[
u
1,
u
2, ...,
u
n] adalah basis ruang vektor V dan
B’ =
[
v
1,
v
2, ...,
v
m] adalah basis ruang vektor W, maka matriks
standarnya berdimensi mxn:
Persamaan-persamaannya:
MATRIKS OPERATOR LINEAR
Pada kasus khusus dengan
V = W
(sedemikian rupa hingga
T:V
V
adalah operator linear), biasanya B = B’ saat membangun matriks
T
.
Pada kasus ini matriks yang dihasilkan disebut
matriks T yang
berhubungan dengan basis B
yang dinotasikan dengan [
T
]
Bbukan [
T
]
B,BJika
B =
{
u
1,
u
2, ...,
u
n}, maka
CONTOH
Misalkan T: P1 P2 memiliki TL: T(p) = T(p(x)) = xp(x) Temukan matriks standar T yang sesuai dengan basis dengan
Cek hasilnya untuk x = a + bx di P1 JAWABAN
CONTOH
Misalkan
T:R
2
R
3adalah operator linear dengan rumus
Temukan matriks standar T yang sesuai dengan basis
dan
dengan
JAWABAN:
Matriks T dengan basis B:
Matriks T berbasis B relatif terhadap basis B’ ditemukan dengan
kombinasi linear:
=
+
+
dan
1 −2 −5 = 1 0 −1 + −1 2 2 + 0 1 2 dan 2 1 −3 = 1 0 −1 + −1 2 2 + 0 1 2 1 −1 0 0 2 1 −1 2 2 1 −2 −5 ~ 1 −1 0 0 2 1 0 1 2 1 −2 −4 ~ 1 −1 0 0 1 −1 0 1 2 1 2 −4 ~ 1 −1 0 0 1 −1 0 0 3 1 2 −6 ~ 1 0 −10 1 0 0 0 1 3 0 −2 ~ 1 0 00 1 0 0 0 1 1 0 −2 = 1, = 0, dan = −2 sehingga = − 2 1 −1 0 0 2 1 −1 2 2 2 1 −3 ~ 1 −1 0 0 2 1 0 1 2 2 1 −1 ~ 1 −1 0 0 1 −1 0 1 2 2 2 −1 ~ 1 −1 0 0 1 −1 0 0 3 2 2 −3 ~ 1 0 −10 1 0 0 0 1 4 1 −1 ~ 1 0 00 1 0 0 0 1 3 1 −1 = 3, = 1, dan = −1 sehingga = 3 + −
CONTOH
Misalkan T:R2
R2 adalah operator linear dengan rumus:dengan basis B: B = {u1, u2}
a). Tentukan [T]B b). Verifikasikan bahwa setiap x ada di R2
JAWABAN: a).
MATRIKS OPERATOR IDENTITAS
Jika B = {u1, u2, ..., un} adalah basis ruang vektor V dimensi-tentu dan I:V
V adalahTEOREMA 8.4.1
Jika
T:R
n
R
madalah transformasi linear, dan jika
B dan B’ adalah basis-basis standar masing-masing
untuk R
ndan R
m, maka
KENAPA MATRIKS TRANSFORMASI LINEAR
PENTING?
Ada dua alasan penting mempelajari matriks TL umum, satu sangat
teoritis, yang kedua praktis:
1.
Jawaban untuk pertanyaan teoritis tentang struktur transformasi
linear umum pada ruang vektor berdimensi-hingga seringkali dapat
diperoleh dengan mempelajari hanya transformasi matriks. Hal
tersebut dianggap secara rinci dalam lebih lanjut kuliah aljabar
linear, tapi kami akan menyentuh pada mereka dalam bagian
berikutnya.
2.
Matriks ini memungkinkan untuk menghitung gambar vektor
menggunakan perkalian matriks. Perhitungan tersebut dapat
dilakukan dengan cepat pada komputer.
MATRIKS TRANSFORMASI KOMPOSISI DAN BALIKAN
1.
Jika
T
1:
U
V
dan
T
2:
V
W
adalah TL dan jika B, B”, dan B’
adalah basis untuk U, V dan W, maka
[
T
2ºT
1]
B’,B=[
T
2]
B’,B”[
T
1]
B”,B2.
Jika
T:V
V
adalah operator linear, dan B adalah basis V,
maka berikut ini adalah pernyataan yang ekivalen:
a) T adalah satu-ke-satu
b) [T]B dapat dibalikkan