BA B V

III. T R
ANSFO
RMAS
I LIN
EAR

L
i
s
a
m
r
o
f
s
n
a
r
T
.1.

r
a
ine

m
u
Um

Definisi
Jika T: VW adalah sebuah fungsi yang memetakan
sebuah ruang vektor V kesebuah ruang vektor W,
maka T disebut sebagai transformasi linear dari
V ke W jika semua vektor u dan v pada V dan
semua skalar c
T

(u+v) = T (u) + T (v)

T (cu) = cT (u)
Dalam kasus yang spesifik dimana V=W,
transformasi linear T:VV disebut operator linear
pada V.

Contoh 8.1.1 : Transformasi Nol

Misalkan V dan W adalah dua buah ruang vektor.
Pemetaan T:VW sedemikian hingga T (v)=0 untuk
setiap v pada V adalah sebuah transformasi linear
yang disebut transformasi Nol.
Untuk membuktikan Bahwa T adalah linear, perhatikan
bahwa

T (u+v) = 0. T (u)=0, T (v)=0. dan T (k u)=0

Maka,

T (u+v) =T (u) +T (v) and T (k u) = kT (u)

Contoh 8.1.2 : Proyeksi

Ortogonal
Misalkan W adalah sebuah subruang berdimensi
terhingga dari suatu ruang hasilkali dalam V ; maka
proyeksi ortogonal
V
pada W
adalah
transformasi yang didefinisikan oleh

T (v ) = projwv

Berdasarkan Teorema 6.3.4 kita mengetahui bahwa jika

S = {w1, w2, , wr}

adalah basis ortonormal untuk W, maka T (v )
dirumuskan sebagai
T (v ) = projwv = <v,w1>w1 + <v,w2>w2 +
+<v,wr>wr
Pembuktian bahwa T adalah sebuah transformasi linear
dapat diturunkan dari sifat-sifat hasilkali dalam.
Sebagai contoh,
T (u+v) = <u+v, w1>w1 + <u+v, w2>w2 + +<u+v,
w r> w r
= <u, w1>w1 + <u, w2>w2 + + <u, wr>wr
+ <v, w1>w1 + <v, w2>w2 + + <v, wr>wr
= T (u) + T (v)
Demikian pula, T (ku) = kT (u)

Contoh 8.1.3. : Menghitung Ortogonal

Proyeksi
Misalkan V = R3 memiliki hasilkali dalam. Vektor w1
= (1,0,0) dan w2 = (0,1,0) membentuk sebuah basis
ortonormal pada bidang xy. Jika v = (x,y,z) adalah
vektor sebarang pada R3 , proyeksi ortogonal R3
pada bidang xy adalah
T (v ) = <v, w1>w1 + <v, w2>w2
= x (1, 0, 0) + y (0, 1, 0)
= ( x, y, 0 )

Contoh 8.1.4.
Transformasi Linear dari ruang V ke Rn
Misalkan S = {w1 , w2 , , wn } adalah suatu basis
untuk suatu ruang vektor V berdimensi n , dan
misalkan
(v)s = (k1, k2, , kn )
Adalah vektor koordinat relatif terhadap S dari
vektor v pada V; maka
v = k1 w1 + k2 w2 + + kn wn
Definisikan T: VRn sebagai fungsi yang memetakan
v ke vektor koordinatnya terhadap S; jelasnya,
T (v) = (v)s = (k1, k2, , kn )

Fungsi T adalah transformasi linear.

Untuk membuktikan hal ini, misalkan u dan v
adalah vektor-vektor pada V dan
u = c1 w1+ c2 w2+ + cn wn
v = d1 w1+ d2 w2+ + dn wn
maka,
(u)s = (c1, c2, , cn ) dan (v)s = (d1, d2, , dn )
tetapi
u+v = (c1+d1) w1+ (c2+d2) w2++ (cn+dn) wn
k u = (kc1) w1 +(kc2) w2 ++ (kcn) wn
sehingga
(u+v)s = (c1+d1, c2+d2 , cn+dn )
(k u)s = (kc1, kc2, , kcn )

Dengan demikian,
(u+v)s = (u)s + (v)s and (k u)s = k (u)s
Dengan menyatakan kedua persamaan ini dalam
bentuk T akan menghasilkan
T (u+v) = T (u) + T (v) and T (k u) = kT (u)
Yang menunjukkan bahwa T adalah transformasi
linear.

Contoh 8.1.5.
Transformasi Linear dari pn ke pn+1
Misalkan p = p(x) = C0 + C1 X + C2X2 + + CnX n adalah
sebuah polinomial pada Pn , dan didefinisikan fungsi T: Pn
Pn+1 sebagai
T (p) = T (p(x)) = xp(x)= C0 X + C1X2 + + CnX

n+1

Fungsi T adalah transformasi linear, karena untuk

sebarang skalar k dan polinomial sebarang p1 dan p2
pada Pn kita peroleh
T (p1+p2) = T (p1(x) + p2 (x)) = x (p1(x)+p2 (x))
= x p1 (x) + x p2 (x) = T (p1) +T (p2)
dan
T (k p) = T (k p(x)) = x (k p(x))= k (x p(x))= k T(p)

Contoh 8.1.6.
Transformasi A Linear menggunakan hasilkali
dalam

Misalkan V adalah sebuah ruang hasilkali dalam dan

misalkan v0 adalah vektor tetap sebarang pada V.
Misalkan
T:VR
adalah transformasi
yang
memetakan sebuah vektor v ke hasilkali dalamnya
dengan v0 ;yaitu
T (v) = <v, v0>
Dari sifat-sifat hasilkali dalam kita mengetahui bahwa
T (u+v) = <u+v, v0>= <u, v0> + <v, v0>
= T (u) + T (v)
dan
T (k u) = <k u, v0 > = k <u, v0 > = kT (u)

Contoh 8.1.7.
Transformasi Linear dari C1(-,) ke F (,)

Misalkan V = C1(-,) adalah ruang vektor yang terdiri dari

fungsi-fungsi dengan turunan pertama kontinu pada (-,)
dan W = F (-,) adalah ruang vektor yang terdiri dari
semua fungsi bernilai riil yang terdefinisi pada (-,).
Misalkan D:VW adalah transformasi yang memetakan
sebuah fungsi f = f(x) ke fungsi turunannya; yaitu,
D(f)=f'(x)
Dari sifat-sifat diferensial, kita peroleh
D(f+g)=D(f)+D(g)danD(kf)=kD(f )
sehingga, D adalah transformasi linear.
p.20

p.50

Contoh 8.1.8.
Transformasi Linear dari C (-,) ke C1(,)

Misalkan V = C(-,) adalah ruang vektor yang terdiri

dari fungsi-fungsi kontinu pada (-,) dan W= C1(-,)
adalah ruang vektor yang terdiri dari fungsi-fungsi dengan
turunan pertama kontinu pada (-,).
Misalkan J:VW adalah
transformasi yang memetakan
x
f= f(x) ke integral 0 f (t ) dt
. . Sebagai contoh jika f=x2
maka
x
3
3
x
t
x
J f t 2 dt

0
3 0
3

Dari sifat-sifat integral, kita peroleh

x

J f g ( f (t ) g (t ))dt

f (t ) dt

g (t ) dt

J f J g

J cf cf (t ) dt

c f (t ) dt
0

cJ f

Sehingga J adalah transformasi linear .

Contoh 8.1.9.
Transformasi yang tidak Linear
Misalkan T : Mnn R adalah transformasi yang
memetakan sebuah matriks
n
n ke
deteminannya, yaitu,
T (A) = det (A)
Jika n>1, maka transformasi ini tidak memenuhi
kedua sifat yang dipersyaratkan untuk sebuah
transformasi linear. Sebagai contoh, pada subbab
2.3 secara umum bahwa
det (A1+A2) det (A1) + det (A2)
Selanjutnya, det (cA) =C n det (A), sehingga
det (cA) c det (A)
Dengan demikian, T bukan transformasi linear .

Sifat-sifat Transformasi Linear

Jika T:VW adalah transformasi linear, maka untuk vektor v1
dan v2 pada V dan skalar c1dan c2, kita peroleh

T(c1v1 +c2v2) =T (c1v1 ) + T (c2v2) = c1T (v1 ) + c2T (v2)

Dan secara lebih umum, jika v1 , v2 , , vn adalah vektor-vektor
pada V dan c1 , c2, , cnadalah skalar, maka

T (c1v1 +c2v2 ++ cnvn ) = c1T (v1 ) +c2T (v2 ) ++ cnT(vn ) .(1)

Teorema 8.1.1
JikaT:VWadalah transformasi linear, maka:
(a) T(0)=0
(b) T(-v )=-T(v )untuk semua vpadaV
(c) T(v-w )=T(v )-T(w)untuk semuavdanwpadaV

Bukti.
(a) Misalkan v vektor sebarang pada V.
karena 0v=0, kita peroleh
T (0)=T (0v)=0T (v)=0
(b) T (-v) = T ((-1)v) = (-1)T (v)=-T (v)
(c) v-w=v+(-1)w; sehingga,
T (v-w)= T (v + (-1)w) = T (v) + (-1)T (w)
= T (v) -T (w)

Menentukan Transformasi Linear

dari bayangan vektor Basis
Jika T:VW adalah transformasi linear, dan jika {v1 ,v2 , ,vn } adalah
basis sebarang pada V, maka bayangan T(v) dari vektor v pada Vdapat
dihitung dari bayangan
T(v1),T(v2), , T(vn)
vektor basis tersebut. Hal ini dapat dilakukan dengan terlebih dahulu
menyatakan v sebagai kombinasi linear dari vektor-vektor basis,
misalnya
v = c1v1+c2v2+ +cnvn
Dan kemudian dengan menggunakan rumus (1) untuk menuliskan
T(v) = c1T(v1) + c2T(v2) + + cnT(vn)
Dengan kata lain , sebuah transformasi Linear sepenuhnya
ditentukan oleh bayangannya dari vektor basis sebarang

Contoh 8.1.10.
Menghitung dengan menggunakan bayangan
vektor basis

Perhatikan basis S = {v1 , v2 , v3 } untuk R3 ,

dimana v1 = (1,1,1), v2 =(1,1,0), dan v3 =
(1,0,0).
Misalkan T: R3 R2 adalah transformasi linear
sedemikian sehingga
T (v1)=(1,0), T (v2)=(2,-1), T (v3)=(4,3)
Tentukan sebuah rumus untuk T (x1 , x2 , x3 );
kemudian gunakan rumus tersebut untuk
menghitung T (2,-3,5).

Penyelesaian :
Kita nyatakan v = (x1 , x2 , x3 ) sebagai kombinasi linear dari v1
=(1,1,1), v2 =(1,1,0), dan v3 = (1,0,0).
Jika kita tulis
(x1 , x2 , x3 ) = c1 (1,1,1) + c2 (1,1,0) + c3 (1,0,0)
Maka dengan menyusun persamaan dari komponen-komponen
yang bersesuaian, kita peroleh
c1 + c 2 + c 3 = x 1
c1 + c 2
= x2
c1
= x3

Yang menghasilkan c1 = x3 , c2 = x2 - x3 , c3 = x1 - x2 ,
sehingga

(x1 , x2 , x3 ) = x3 (1,1,1) + (x2 - x3 ) (1,1,0) + (x1 - x2 ) (1,0,0)

= x3 v1 + (x2 - x3 ) v2 + (x1 - x2 ) v3
Dengan demikian,
T (x1 , x2 , x3 ) = x3 T (v1) + (x2 - x3 ) T (v2) + (x1 - x2 ) T (v3)
= x3 (1,0) + (x2 - x3 ) (2,-1) + (x1 - x2 ) (4,3)
= (4x1 -2x2 -x3 , 3x1 - 4x2 +x3)
Dari rumus ini kita peroleh :
T (2 , -3 , 5 ) =(9,23)

Definisi
Jika T1 :UV dan T2 :VW adalah
transformasi linear , komposisi T2 dengan T1 ,
dinotasikan dengan T2 T1 (baca T2
lingkaran T1 ), adalah fungsi yang
didefinisikan oleh rumus
(T2 T1 )(u) = T2 (T1 (u))
(2)
dimana u adalah vektor pada U

Komposisis T2 dengan T1

Teorema 8.1.2
Jika T1 :UV dan T2 :VW adalah
transformasi linear, maka (T2 T1 ):UW
juga transformasi linear.

Bukti.
Jika u dan v adalah vektor-vektor pada U dan c adalah
skalar, maka dari (2) dan sifat kelinearan T1 dan T2 kita
peroleh
(T2 T1 )(u+v) = T2 (T1(u+v)) = T2 (T1(u)+T1 (v))
= T2 (T1(u)) + T2 (T1(v))
= (T2 T1 )(u) + (T2 T1 )(v)
dan
(T2 T1 )(c u) = T2 (T1 (c u)) = T2 (cT1(u))
= cT2 (T1 (u)) = c (T2 T1 )(u)
sehingga, T2 T1 memenuhi kedua persyaratan dari
sebuah transformasi linear.

Contoh 8.1.11.
Komposisi Transformasi Linear
Jika T1 : P1 P1 dan T2 : P2 P2 adalah transformasi linear yang
dirumuskan oleh
T1(p(x)) = xp(x) dan T2 (p(x)) = p (2x+4)
Maka komposisi (T2 T1 ): P1 P2 diberikan oleh rumus
(T2 T1 )(p(x)) = (T2)(T1(p(x))) = T2 (xp(x)) = (2x+4)p (2x+4)
Secara spesifik , jika p(x) = c0 + c1 x, maka
(T2 T1 )(p(x)) = (T2 T1 )(c0 + c1 x)
= (2x+4) (c0 + c1 (2x+4))
= c0 (2x+4) + c1 (2x+4)2

Jika T1 :UV , T2 :VW dan T3 :WY

adalah transformasi linear , maka komposisi
T3 T2 T1 didefinisikan dengan
(T3 T2 T1 )(u) = T3 (T2 (T1 (u)))
(3)

Komposisis tiga transformasi linear

8.2 Kernel dan

Range

Definisi
ker(T

): kernel dari T
Jika T:VW adalah sebuah transformasi
linear , maka himpunan vektor-vektor pada V
yang dipetakan oleh T ke 0

(T ): range dari T
Himpunan semua vektor pada W yang
merupakan bayangan karena T dari
setidaknya satu buah vektor pada V

Contoh 8.2.1
Kernel dan Range dari Transformasi
Matriks
Jika TA :Rn Rm perkalian oleh matriks A mn,
maka dari definisi,

kernel dari TA adalah ruang nul dari matriksA

range dari TA adalah ruang kolom dari

matriksA
BAB V.P.55

Contoh 8.2.2
Kernel dan Range Proyeksi Ortogonal
Misalkan T: R3 R3 adalah proyeksi ortogonal pada
bidang xy. Kernel dari T adalah himpunan titik-titik
yang dipetakan T ke 0 = (0,0,0); titik-titik ini adalah
titik-titik yang terletak pada sumbu z.

Ker (T) adalah sumbu z

Karena T memetakan setiap titik pada R3 ke bidang xy,

range dari T haruslah merupakan suatu subhimpunan
dari bidang ini. Akan tetapi setiap titik (x0 ,y0 ,0) pada
bidang xy adalah bayangan dari suatu titik karenaT ;
pada kenyataannya, titik itu adalah bayangan dari
semua titik yang terletak pada garis vertikal yang
melewati (x0 ,y0 , 0). Sehingga R(T ) adalah seluruh
bidang xy itu sendiri.

R(T) adalah seluruh bidang

xy

Contoh 8.2.2
Kernel dan Range Rotasi
Misalkan
T: R2 R2
adalah operator linear yang
merotasikan setiap vektor pada bidang xy sebesar .
Karena setiap vektor pada bidang xy dapat diperoleh
dengan cara merotasikan suatu vektor sebesar , kita
peroleh R(T ) = R2 . Selanjutnya, satu-satunya vektor
yang dirotasikan ke 0 adalah 0, sehingga ker(T ) = {0}.

p.44

Contoh 8.2.3
Kernel sebuah Transformasi Differensiasi
Misalkan V= C1 (-,) adalah ruang vektor yang
terdiri dari fungsi-fungsi dengan turunan pertama
kontinu pada (-,) , dan misalkan W = F (-,)
adalah ruang vektor yang terdiri dari semua fungsi
yang bernilai real yang terdefinisi pada (-,) , dan
misalkan D:VW adalah transformasi diferensiasi
D (f) = f(x).
kernel dari D
adalah himpunan
fungsi-fungsi
padaV yang turunannya adalah nol. Himpunan ini
adalah himpunan fungsi-fungsi konstan pada (,) .

Teorema 8.2.1
Jika T:VW adalah transformasi linear, maka:
(a)

(b)

Kernel dari T adalah sebuah subruang dari

V.
Range dari T adalah sebuah subruang dari
W.

Bukti(a).
Misalkan v1 dan v2 adalah vektor-vektor di dalam
ker(T ), dan misalkan k adalah skalar. Maka
T (v1 + v2) = T (v1) + T (v2) = 0+0 = 0
Sehingga v1 + v2 terletak pada ker(T ).
Dan juga,
T (k v1) = kT (v1) = k 0 = 0
Sehingga k v1 terletak pada ker(T ).

Bukti (b).
Misalkan w1 dan w2 berada didalam range dari T ,
dan k adalah skalar sebarang. Terdapat vektorvektor a1 dan a2 pada V sedemikian sehinggaT
(a1) = w1 dan T(a2) = w2 . Misalkan a = a1 + a2 dan
b = k a1 .
Maka
T (a) = T (a1 + a2) = T (a1) + T (a2) = w1 + w2
dan
T (b) = T (k a1) = kT (a1) = k w1

Definisi
Rank

(T)
Jika T:VW
adalah sebuah transformasi
linear, maka dimensi range dari T disebut
sebagai rank dari T dan dinotasikan dengan
rank(T) .
nulitas

(T)
Dimensi kernelnya disebut nulitas dari T dan
dinotasikan dengan nulitas(T) .

Teorema 8.2.2
Jika A adalah sebuah matriks mn dan TA :Rn Rm
adalah perkalian dengan A , maka:
(a) nulitas (TA ) = nulitas (A )
(b)

rank (TA ) = rank (A )

Contoh 8.2.4
Menentukan Rank and Nulitas
Misalkan TA :R6 R4 adalah perkalian dengan
5 3
1 2 0 4
1
4
A 3 7 2 0
2 5 2 4
6
1
4 9 2 4 4 7

Tentukan rank dan nulitas dari TA

Penyelesaian .
Kita dapat menunjukkan bahwa rank (A ) = 2
dan nulitas (A ) = 4. Maka , dari Teorema 8.2.2
kita peroleh rank (TA ) = 2 dan nulitas (TA ) =

Teorema 8.2.3
Teorema Dimensi untuk Transformasi Linear
Jika T:VW adalah sebuah transformasi linear
dari suatu ruang vektor V berdimensi n ke suatu
ruang vektor W, maka
rank (T ) + nulitas (T ) = n

Dengan kata lain, teorema ini menyatakan bahwa

untuk transformasi linear, rank ditambah nulitas
sama
dengan
dimensi
dari
domain
yang
bersangkutan.

Contoh 8.2.5
Menggunakan Teorema Dimensi
Misalkan T: R2 R2 adalah operator linear yang
merotasikan setiap vektor pada bidang xy
sebesar . Kita telah menunjukkan di dalam
contoh 8.2.2 ker(T ) = {0} dan R (T ) = R2 .
Maka,
rank (T ) + nulitas (T ) = 2 + 0 = 2
Yang konsisten dengan fakta bahwa domain T
berdimensi dua.

LATIHAN
1. Misalkan T: R2 R2 adalah operator linear yang
dirumuskan oleh

T x, y 2 x y,8 x 4 y

Manakah di antara vektor-vektor berikut ini yang

berada di dalam R(T).
(a). (1-4)
(b). (5,0)
(c). (-3, 12)
2. Misalkan T: R2 R2 adalah operator linear yang
diberikan dalam soal 1.
Manakah di antara vektor-vektor berikut ini yang
berada di dalam ker(T).
(a). (5, 10)
(b). (3, 2)
(c). (1, 1)

8.3 Transformasi Linear

Invers

Definisi
satu-ke-satu
Sebuah Transformasi linear T:VW disebut
satu-ke-satu
jika T
memetakan vektorvektor yang berbeda pada V ke vektor-vektor
yang berbeda pada W .

Contoh 8.3.1
Transformasi Linear satu ke satu
Ingat kembali Teorema 4.3.1 bahwa jika A
adalah sebuah matriks nn dan
TA :RnRn adalah perkalian dengan A , maka
TA adalah satu-ke-satu jika dan hanya jika A
adalah sebuah matriks yang dapat dibalik.

Contoh 8.3.2
Misalkan T A:R
A=

1
2
3
1

adalah perkalian dengan

3 2 4
6 4 8
9 1 5
1 4 8

Tentukan apakah T

satu ke satu.

Penyelesaian:
det(A)=0, karena dua baris pertama matriks A
adalah sebanding sehingga A tidak dapat dibalik.
Maka, T A bukan satu ke satu.

Contoh 8.3.3
Misalkan T: Pn Pn+1 adalah transformasi linear
T (p) = T(p(x)) = xp(x)
Jika
p = p(x) = c0 + c1 x ++ cn xn

Adalah polinomial-polinomial yang berbeda. Sehingga,

T(p) = c0 x + c1 x2 ++ cn xn+1
Juga memiliki perbedaan pada setidaknya satu koefisien.
Dengan demikian, T adalah satu ke satu, karena
memetakan polinomial p yang berbeda ke polinomial T
(p).

Contoh 8.3.4
Transformasi Linear yang bukan satu ke satu
Misalkan
D: C1(-,) F (-,)
Adalah transformasi diferensiasi yang telah dibahas
dalam contoh 8.1.7. Transformasi linear ini bukan
satu ke satu karena memetakan fungsi-fungsi yang
perbedaannya terletak pada satu buah konstanta ke
sebuah fungsi yang sama. Sebagai contoh,
D(x2) = D(x2 +1) = 2x

Teorema 8.3.1
Pernyataan-pernyataan yang Ekuivalen

Jika T:VW adalah transformasi linear, maka

pernyataan-pernyataan berikut ini adalah
ekuivalen.
(a)
(b)

(c)

T adalah satu-ke-satu
Kernel dari T hanya mengandung vektor
nol; yaitu , ker(T) = {0}
Nulitas (T) = 0

Teorema 8.3.2
Jika V adalah sebuah ruang vektor berdimensi
terhingga, dan
T:V V adalah sebuah operator linear, maka
pernyataan-pernyataan berikut ini ekuivalen
(a). T adalah satu ke satu.
(b). ker(T) = {0}
(c). Nulitas (T) = 0
(d). Range dari T adalah V; yaitu ,R(T) =V

Transformasi Linear Invers

Jika T :V W adalah sebuah transformasi linear,
Maka range dari T yaitu R (T ), adalah subruang
dari W yang terdiri dari semua bayangan vektor
pada V karena transformasi T .
Jika T satu ke satu, maka setiap vektor w di
dalam
R(T ) adalah bayangan dari sebuah
vektor v yang unik pada V.

Transformasi Linear Invers

Keunikan
ini
memungkinkan
kita
untuk
mendefinisikan sebuah fungsi baru, yang disebut
invers dari T. dinotasikan dengan T1 , yang
memetakan w kembali ke v.

Invers dari T memetakan T(v) kembali ke

v.

Transformasi Linear Invers

T 1:R (T ) V adalah transformasi linear.
Dari definisi T 1 kita peroleh
T 1(T (v)) = T 1(w) = v
T 1(T (w)) = T 1(v) = w

(2a)
(2b)

Sehingga T dan T 1, apabila diterapkan secara

berturut-turut tanpa memperhatikan urutannya,
akan saling menghilangkan pengaruh satu sama
lainnya.

Contoh 8.3.5
Misalkan T :R 3 R 3 adalah operator linear
Yang didefinisikan oleh rumus
T (x1,x2,x3)=(3x1+x2,-2x1-4x2+3x3,5x1+4 x2-2x3)
Tentukan apakah T adalah satu ke satu; jika ya,
tentukan T -1(x1,x2,x3).

Penyelesaian :

3 1
0
T 2 4
3
5
4 2

maka

T T
1

4 2 3
11 6 9
12 7 10

x1 4 2 3 x1 4 x1 2 x2 3x3
T 1 x2 11 6 9 x2 11x1 6 x2 9 x3
x 12 7 10 x 12 x 7 x 10 x
1
2
3
3
3
T

x1 , x2 , x3 4 x1 2 x2 3x3 ,11x1 6 x2 9 x3 ,12 x1 7 x2 10 x3

Teorema 8.3.3

Jika T1:U V dan T2:V W adalah

transformasi linear satu ke satu, maka :

(a). T2 0 T1 adalah satu ke satu

(b). (T2 0 T1)

-1 =

T1

-1

T2

-1

8.4 Matriks Transformasi

Linear Umum

V dan W adalah sebuah ruang vektor masingmasing berdimensi n dan m. B dan B adalah
basis masing-masing untuk V and W . Maka
untuk setiap vektor x pada V ,
Matriks koordinat [x]B merupakan sebuah vektor
pada Rn, dan matriks koordinat
[T(x)]B
merupakan sebuah vektor pada Rm

Matriks Transformasi Linear

Jika kita misalkan A

sebagai matriks standar
maka
A [x]B = [T (x)]B '
(1)
Matrix A dalam (1)
disebut matriks untuk
T berkenaan dengan
basis B dan B

Misalkan B ={u1,u2,un} adalah sebuah basis

untuk ruang V.
a11 a12 ... a1n
a21 a22 ... a2 n
A
:
:
:

am1 am 2 ... amn

Sedemikian sehingga (1) berlaku untuk semua

vektor x pada V.
A[u1]B=[T (u1)]B' ,A [u2]B=[T (u2)]B' A[un]B=[T (un)]B'
(2)

 u1 B

1
0
0 ,

0

u2 B

0
1
0 ,

0

, un B

0
0
0

1

a11 a12 ... a1n 1 a11

a21 a22 ... a2 n 0 a21
0
A u1 B
:
:
:

a
a
a
...
a

m1
mn 0
m1 m 2
a11 a12 ... a1n 0 a12
a21 a22 ... a2 n 1 a22
0
A u 2 B

:
:
:

a
a
a
...
a
m2
mn 0
m1 m 2

A u n B

a11 a12 ... a1n 0 a1n

a21 a22 ... a2 n 0 a2 n
0

:
:
:

a
a
a
...
a

mn
mn 1
m1 m 2

 a11
a21
T u1 B ,
a
m1

a12
a22
T u 2 B
a
m2

a1n
a2 n
,
T u n B

a
mn

yang menunjukkan kolom-kolom matriks A adalah

matriks-matriks koordinat dari
T (u1),T (u2),. ,T (un)
yang berkenaan dengan basis B'
Dengan demikian, matriks untuk T berkenaan
dengan basis B dan B' adalah
A=[[T (u1)]B'| [T (u2)]B'|. [T (un)]B']

(3)

Matriks ini secara umum dinotasikan dengan

simbol
[T ]B'.B,
Sehingga rumus di atas dapat juga dituliskan
sebagai
[T ]B'.B = [[T (u1)]B'| [T (u2)]B'|. [T (un)]B']
(4)
Dan dari (1) dapat diketahui bahwa matriks ini
memiliki sifat
[T ]

[x] =[T (x)]

(4a)

Matriks Operator Linear

Dalam kasus di mana V = W (sehingga T : V V),
merupakan suatu hal yang umum untuk
mengganggap bahwa B = B' ketika membentuk
sebuah matriks untuk T.
Dalam kasus ini, matriks yang dihasilkan disebut,
matriks untuk T berkenaan dengan basis B.
[T ]B = [[T (u1)]B| [T (u2)]B|. [T (un)]B]

(5)
[T ]B [x]B= [T (x)]B

(5a)

Contoh 8.4.1.
Misalkan T :P1 P2 adalah transformasi yang
didefinisikan oleh
T (p(x)) = xp(x).
Tentukan matriks T dengan basis standar
B={u1,u2} and B'={v1,v2,v3}
di mana u1=1 , u2=x ; v1=1 , v2=x ,v3=x2
Penyelesaian :
T (u1)=T (1)=(x)(1)=x
T (u2)=T (x)=(x)(x)=x2

 0
T u1 B 1 ,
0

0
T u 2 B 0
1

Sehingga, matriks T berkenaan dengan B dan B

adalah

T B, B T u1 B

0 0
T u 2 B 1 0
0 1

Contoh 8.4.2.
Misalkan T : R2 R3 adalah transformasi yang
didefinisikan oleh
x2

x1
T 5 x1 13x2
x2 7 x1 16 x2

Tentukan
matriks
untuk
transformasi
T
berkenaan dengan basis B = {u1,u2} untuk R2
dan basis
B' {v1,v2,v3} untuk R3,di
mana
1
-1
0
u1 3 , u 2
1

5 ; v 0 , v 2 , v
2 1 1 2 2 3

1
2

Penyelesaian:
Dari rumus untuk T

1
T u1 2 ,
5

2
T u2 1
3

Dengan menyatakan kedua vektor ini sebagai

kombinasi linear dari v1,v2 dan v3 kita peroleh T
T(u1)=v1-2v3 T (u2)=3v1+v2- v3
Dengan demikian 1
3

T u1 B

0 ,
2

sehingga

T B, B T u1 B

T u 2 B

1
1

1 3
T u 2 B 0 1
2 1

Contoh 8.4.3.

Misalkan T : R2 R2 adalah operator linear yang

didefinisikan oleh
x1
T
x2

x1 x2

2
x

4
x
1
2

dan misalkan B u1 ,u 2 adalah basisnya, dimana

u1 1 ,
1

Tentukan T B

u2 1
, 2

Penyelesaian :
Dari rumus untuk T ,
T u1 2 2u1 ,
2

T u 2 3 3u 2
6

T u1 B 02 , T u2 B 03

Sebagai konsekkuensinya,

T B T u1 B

2
0

T u2 B 0 3

p.85

Teorema 8.4.1

Jika T:Rn Rm adalah sebuah transformasi

linear dan jika B dan
B' masing-masing
adalah basis-basis standar untuk Rn dan Rm ,
maka

T B , B T

p.84

Catatan :
Misalkan T:V W adalah sebuah transformasi
linear. Matriks T B, B dapat digunakan untuk
menghitung T x
dalam tiga langkah dengan
mengikuti prosedur tidak langsung berikut ini :
1. Hitung matriks koordinat x B
2. Kalikan x B pada sisi kiri denganT B, B
T x B
sehingga menghasilkan
3. Bentuk kembaliT x dari
matriks koordinatnya

Contoh 8.4.4.
Misalkan T :P2 P2 adalah operator linear yang
didefinisikan oleh
T (p (x))=p (3x-5), yaitu,
T (co+c1x+c2x2)= co+c1(3x-5)+c2(3x-5)2
(a). Tentukan [T ]B berkenaan dengan basis
B={1,x,x2}
(b). Gunakan prosedur tidak langsung untuk
menghitung T (1+2x+3x2)
(c). Hitung T (1+2x+3x2) dengan cara langsung.

Penyelesaian (a) :
Dari rumus untuk T maka,
T (1)=1,T (x)=3x-5,T (x2)=(3x-5)2=9x2-30x+25
sehingga,

T 1 B

1
0 ,
0

T x B

Dengan demikian,
1 5 25
T B 0 3 30
0 0
9

5
3 ,
0

T x
2

25
- 30
9

Penyelesaian (b) :
Matriks koordinat bagi vektor p =1+2x+3x2
relatif terhadap B adalah

Sehingga dari (5a)

1
P B 2
3

[T (1+2x+3x2 )]B =[T (p)]B = [T ]B [p]B

1 5 25
0 3 30
0 0
9

1 66
2 84
3 27

kita peroleh :
T (1+2x+3x2 )=66-84x+27x2

Penyelesaian (c) :
Melalui perhitungan langsung
T (1+2x+3x2 )=1+2(3x-5)+3(3x-5)2
=1+6x-10+27x2-90x+75
=66-84x+27x2

Teorema 8.4.2

Jika T1:UV dan T2:VW adalah transformasi

linear, dan jika B, B'' dan B' masing-masing
adalah basis untuk U,V dan W maka

T2 T1 B, B T2 B, B T1 B, B

Teorema 8.4.3
Jika T:V V adalah sebuah operator linear
dan jika B adalah sebuah basis untuk V,
maka pernyataan-pernyataan berikut ini
adalah ekuivalen
(a). T adalah satu ke satu
(b). [T]B dapat dibalik

Selanjutnya,
dengan
syarat
tersebut berlaku
[T-1]B = [T]B-1

ekuivalensi

8.5 Similaritas

SIMILARITAS

Matriks sebuah operator linear T: V V

bergantung pada basis yang dipilih untuk V.
Salah satu permasalahan mendasar yang
dihadapi dalam aljabar linear adalah
memilih sebuah basis untuk V yang dapat
menjadikan matriks untuk T sesederhana
mungkin misalnya
sebuah matriks
diagonal atau matriks segitiga.

Matriks sederhana untuk

Operator Linear

Sebagai contoh, perhatikan operator linear T : R2

R2
yang didefinisikan oleh
x x x
1
2
T 1

2
x

4
x
1
2
2

B e1 ,e2
dan basis

e1 1 , e2 0
0
1
standar

untuk R2, dimana

,
Berdasarkan Teorema 8.4.1. matriks untuk T berkenaan
T B matriks
T T e1 |standar
T e2
dengan basis ini adalah
T :yaitu,

Dari (1) diperoleh,

T e1

1 ,
2

T e2 1
4

sehingga, T B 12 14

(2)

p.89

Sebagai perbandingan, kita telah menunjukkan pada

contoh 8.4.3 bahwa jika
u1 1 ,
1

u2 1
2

(3)

B ' u1 , u2

2 0 dengan basis
Maka matriks untuk T berkenaan
T B '

0 3

adalah matriks diagonal

(4)
Matriks

ini

sederhana

dibandingkan

matriks

(2),

dalam

Teorema 8.5.1

Jika B dan B' adalah basis-basis untuk sebuah ruang

vektor berdimensi terhingga V, dan jika I:VV
operator identitas, maka I B ,B ' adalah matriks transisi
dari B' ke B.

Hasil dari teorema ini diilustrasikan pada gambar

berikut
V
v
Basis=B

V
v
Basis=B

Teorema 8.5.2

Misalkan T:V V adalah sebuah operator linear

pada suatu ruang vektor berdimensi terhingga V,
dan jika B dan B' adalah basis-basis untuk V,
maka
T B ' P 1 T B P
p.89
(5)
dimana P adalah matriks matriks transisi dari B'
ke B.

Warning.

T B ' I B ', B T B I B , B '

The interior
subscripts
are the
same
The
exterior
subscripts
are the

p.99

Contoh 8.5.1

menggunakan

Teorema 8.5.2
2
2
Misalkan T: R R
x1
T
x2

didefinisikan oleh

x1 x2

2
x

4
x
1
2

Tentukan matriks T berkenaan dengan basis standar

B e1 , e2

R2

untuk
, kemudian gunakan Teorema 8.5.2
u1 ,u 2
untukBmenentukan
matriks T berkenaan dengan
basis
, dimana
u1 ' 1
1

dan

u 2 ' 1
2

Penyelesaian :
Kita telah menunjukkan sebelumnya [lihat 2] bahwa
1 1
TB

2 4
T B '

Untuk menentukan
P I Bdari
u1 ' B | harus
u2 ' B menentukan
. B ' (5)kita
matriks transisi
u1 ' e1 e2
1
1

u2 ' e1 2e2

sehingga

Matriks transisi dari B' ke B adalah

u1 ' B 1 ,

1 1
P

1
2

u2 ' B

2 1
1
1

P 1

2 1 1 1 1 1 2 0
1 2 4 1 2 0 3
1

T B ' P 1 T B P

p.93

Definisi

Jika A dan B adalah matriks-matriks

bujursangkar, kita mengatakan bahwa B similar
dengan A jika terdapat sebuah matriks P yang
dapat dibalik sedemikian
B sehingga
P 1 AP

Jika A dan B adalah matriks-matriks yang

similar, maka A dan B memiliki determinan yang
1
sama.
B P AP

sehingga
det B det P 1 AP det P 1 det A det P

det A det P det A

det P

Definisi

Suatu sifat dari matriks bujur sangkar

disebut similarity invariant atau invarian di
bawah similaritas jika sifat tersebut dimiliki
oleh dua matriks yang similar.

Contoh 8.5.2

2
R 2 Rdidefinisikan
oleh

Misalkan T:

x1
T
x2

x1 x2

Tentukan
det(T).

2 x1 4 x2

Penyelesaian :
Jika kita memilih basis standar, maka dari contoh 8.5.1

T B

1 1

, sehingga

2
4

Jika kita memilih basis

kita peroleh

T B '

det T 1 1 6
2 4

u1.udiberikan
B ' yang
dari contoh 8.5.1, maka
2

2 0

sehingga

0
3

det T 2 0 6
0 3

Nilai Eigen sebuah operator

Linear
Vektor eigen dan nilai eigen dapat didefinisikan untuk
operator linear sebagaimana halnya untuk matriks.
Sebuah skalar disebut sebagai nilai eigen dari sebuah
operator linear T:V V apabila terdapat suatu vektor
taknol x pada V sedemikian sehingga Tx=x. Vector x
disebut vektor eigen dari T yang terkait dengan .
Demikian juga vektor eigen dari T yang terkait dengan
adalah vektor-vektor taknol yang berada di dalam kernel
I-T. Kernel ini disebut sebagai ruang eigen dari T yang
terkait dengan .
1.Nilai eigen dari T adalah sama dengan nilai eigen dari T
B
2.Vector x adalah sebuah vektor eigen dari T yang terkait
dengan jika dan hanya jika matriks koordinatnya
x B,
adalah sebuah vektor eigen dari
yang terkait
T B
dengan .

Contoh 8.5.3

Tentukan nilai eigen dan basis untuk ruang

T : P2 P2
eigen dari operator linear yang didefinisikan
oleh

T a bx cx 2c a 2b c x a 3c x
2

Penyelesaian :

2
Matriks T yang berkenaan dengan basis standarB 1, x, x
adalah

T B

0 0 2
1 2 1
1 0 3

1
2
T B
u1 ,u2 eigen dari
2
Nilai eigen dari T adalah
dan
.. Ruang
yang bersesuaian dengan
memiliki basis
dimana

u1 0 , u 2
1

T B

u3 dari
Ruang eigen
basis
dimana

1
0

yang

u3

1
bersesuaian
dengan

2
1
1

memiliki

Matriks u1 , u 2 dan u3
terhadap B dari

adalah matriks-matriks koordinat relatif

p1 1 x 2 , p2 x,

p3 2 x x 2

Sehingga, ruang eigen dari T yang terkait dengan 2

basis

memiliki

dan, ruang eigen dari T yang terkait dengan dengan 1

basis
2

memiliki

p1 , p2 1 x 2 , x

p3 2 x x

Untuk
memeriksa
kebenaran
hasil
diatas,
kita
dapat
menggunakan rumus yang diberikan untuk T untuk membuktikan
bahwa
T p1 2 p1 , T p2 2 p2 dan T p3 p3

Contoh 8.5.4

3
3
T
:
R

R
Misalkan
adalah sebuah operator
linear yang dirumuskan oleh

x1

T x2
x
3

2 x3

x 2x x

1
2
3
x 3x
1
3

Tentukan sebuah basis untuk R sedemikian

sehingga matriks untuk T adalah matriks
diagonal.

Penyelesaian :

Jika B e1 , e2 , e3

1
T e1 T 0
0

menotasikan basis standarR 3 , maka

0
1 , T e T
2
1

0
1
0

0
2 , T e T
3
0

0
0
1

2
1
3

Sehingga matriks standar untuk T adalah

0 0 2
T 1 2 1
1 0 3

(6)

Misalkan P sebagai matriks transisi dari suatu basis yang tidak

diketahui B' ke basis standard B, maka
menurut Teorema 8.5.2
matriks T dan matriks T B '
akan dihubungkan oleh

T B ' P 1 T P

Dalam contoh 7.2.1 kita mengetahui bahwa matriks

pada (6 ) didiagonalissasi oleh
1
P 0

0 2
1
1
0
1

Karena P merepresentasikan matriks transisi dari basis

B u1 , u 2 , u3 ke basis standar B e , e , e , kolom-kolom
1 2 3
matriks P adalah u1 B , u2 B , dan u3 B sehingga

u1 ' B
maka

1
0
2
0 , u 2 ' B 1 , u3 ' B 1
1
0
1

1
u1 ' 1 e1 0 e2 1 e3 0
1
0
u 2 ' 0 e1 1 e2 0 e3 1
0

2
u3 ' 2 e1 1 e2 1 e3 1
1

Dari rumus yang diberikan untuk T kita peroleh

2

T u1 0 2u1 , T u 2
2

0
2
2 2u 2 , T u3 1 u3
1
0

sehingga

T u1 B '

2
0
0
0 , T u 2 B ' 2 , T u3 B ' 0
0
0
1

Dengan demikian

T B '

T B '
P

T P

1
1
1

0
1
0

2 0 0
T u1 ' B ' | T u2 ' B ' | T u3 ' B ' 0 2 0
0 0 1

2
1
1

0
1
1

0
2
0

2
1
3

1
0
1

0
1
0

2
2
1 0
0
1

0
2
0

0
0
1

PR. BAB VIII

Kerjakan soal di Howard Anton Edisi
9:
Bab
Bab
Bab
Bab
Bab

8.1
8.2
8.3
8.4
8.5

no
no
no
no
no

3, 5, 8a,
3 , 4, 7b ,
3b, 4a, 15 ,
4, 5, 6,
2, 11, 12a,

Dikumpul tanggal