Transformasi Linier

Sasaran Pemelajaran
Setelah mengikuti modul ini, Anda diharapkan memiliki kemampuan
sebagai berikut.
1. mengidentifikasi transformasi linier,
2. menentukan matriks standar suatu transformasi linier,
3. menjelaskan sifat-sifat transformasi linier pada bidang dan ruang,
4. menjelaskan ruang eigen sebagai Kernel suatu transformasi linier T
5. menjelaskan interpretasi nilai eigen [T] secara geomeris,
6. menjelaskan sifat similaritas invarian.

Cakupan materi
Pengertian transformasi
linier
Transformasi linier pada
ruang Euclid
Komposisi transformasi linier

Kernel dan range

Inverse transformasi linier

Similaritas

Pre-test modul

Pre-test

Di bawah ini, mana yang merupakan fungsi?

a.

b.

c.

Di bawah ini, mana yang merupakan fungsi surjektif (onto)?

a.

c.

Di bawah ini, mana yang merupakan fungsi injektif(satu-satu)?

a.

b.

b.

c.

Di bawah ini, mana yang merupakan fungsi korespondensi satu-satu

a.

b.

c.

Pengertian transformasi linier

Transformasi linier pada ruang
Euclid
Komposisi transformasi linier
Kernel dan range
Inverse transformasi linier
Similaritas

8.1 Pengertian
transformasi linier

Fungsi
Definisi 8.1: Fungsi
Fungsi adalah aturan pengawanan dari daerah asal D ke daerah hasil K
sedemikian hingga setiap elemen di daeran asal memiliki tepat satu
kawan di daerah hasil.

f
Domain

Kodomain

Notasi: f: D K
f: x

f(x)

Fungsi

Fungsi

Bukan Fungsi

Bukan Fungsi

Pengertian transformasi linier

Definisi 8.2. : Transformasi linier
Jika T: V W adalah fungsi dari ruang vektor V ke ruang vektor W, maka T
disebut transformasi linier jika untuk setiap vektor u, v di V dan setiap
skalar k berlaku:
1. T u v T (u) T (v)
2. T ku kT (u)
Jika V = W, maka T disebut operator linier

T(u)

T(v)

u+v

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

kv

T(kv) = k.T(v)

Contoh 1: Transformasi Linier

y

T(a)

1.

T memetakan vektor a ke T(a)

a
x
b

T(b)

2.

T(a)

T(a)

3.

a
-2a

T(a+b) = T(a) + T(b)

b

T(-2a)=-2T(a)

T(b)

Contoh 2: transformasi nol dan identitas

a. Diberikan ruang vektor V dan W; didefinisikan transformasi linier

T0: V W dengan T0(v) = 0 untuk setiap v elemen V

T0 u v 0
0 0
T0 u T0 v
T0: V W adalah transformasi linier dan disebut transformasi nol
b. Transformasi berikut ini disebut transformasi identitas.
T1 : V V
T1 v V

untuk setiap v elemen V

Contoh 3: transformasi linier

Transformasi linier dari P2 ke P3
T: P2 P3
Untuk v a0 a1 x a2 x 2 P 2
didefinisikan T v a1 x 2 a2 x 3

T kv ka1 x 2 ka2 x 3

k a1 x 2 a2 x 3
kT v

T v w a1 b1 x 2 a2 b2 x 3
a1 x 2 b1 x 2 a2 x 3 b2 x 3

a1 x 2 a2 x 3 b1 x 2 b2 x 3
T u T v

Contoh 4: fungsi bukan transformasi linier

Didefinisikan fungsi dari R2 ke R3 sebagai berikut
T: R2 R3

T : v1 , v2 v1 , v2 ,5

T v w v1 w1 , v 2 w 2 ,5

T v T w v1 w1 , v 2 w 2 ,10
T v w T v T w

T bukan transformasi linier.

Sifat-sifat transformasi linier

Teorema 8.1. : Sifat-sifat transformasi linier
1. T(0) = 0
2. T(-a) = - T(a)
3. T(a b) = T(a) T(b)

0
-a
a-b

0
-T(a)
T(a-b) = T(a) - T(b)

Pengertian transformasi linier

Transformasi linier pada ruang
Euclid
Komposisi transformasi linier
Kernel dan range
Inverse transformasi linier
Similaritas

8.2 Transformasi linier

di ruang Euclid

Transformasi linier di ruang Euclid

Rn

Rm
T(x) =Ax

Ax
Transformasi Linier
R

Setiap transformasi linier dari ruang Euclid ke ruang Euclid selalu dapat
dinyatakan sebagai perkalian matriks, disebut matriks standard
Jika m = n, maka T disebut operator linier.
Notasi: T:Rn Rm
TA(x) = Ax
[TA] = [T] = A matriks standard transformasi T

Proyeksi pada sumbu-x

y

a1

a2
a
a1

T(a) 0
x

a1
a
a2

Matriks
standar

a1 a1 1.a1 0.a2 1 0 a1


T
a
0
0
.
a

0
.
a
0
0
2
2 1

a2

Latihan 1: proyeksi pada sumbu-y

1.
2.
3.
4.

Tentukan hasil proyeksi vektor (x, y) pada sumbu-y.

Tulislah setiap komponen sebagai linier x dan y.
Tentukan matriks standar operator linier proyeksi pada sumbu-y.
Tentukan semua nilai eigen dari matriks tersebut.

Jawaban:
(1) (x, y) diproyeksikan ke (0, y)

x 0 0. x 0 . y
(2) T y y 0. x 1. y

0 0
(3) matriks standard :

0
1

(4) nilai eigen [T] adalah 1 dan 0

Nilai dan vektor eigen operator linier

Definisi 8.3.: Nilai dan vektor eigen operator linier
Jika T: Rm Rn adalah operator linier, maka disebut nilai eigen dari T jika
terdapat vektor tak nol x sedemikian hingga T(x) = x. Vektor tak nol ini
disebut vektor eigen dari T yang bersesuaian dengan .
Rn

Rn
T(a) =Aa

operator linier
R

Ax=x
R

x vektor eigen
nilai eigen

Contoh 5: transformasi linier

5 6

3 4

Diberikan f:R2 R2 dengan f(x) = Ax, dengan A

Tentukan hasil transformasi linier vektor x, y, dan z berikut ini.

4
x
2

1
y
3

5 6 4 8

f x
3

2 4

2
z
2

5 6 1 13

f y
3

4
3

5 6 2 2

f z
3

2 2
y

Az

Ax

Ay

x vektor eigen dari A

y bukan vektor eigen A

z vektor eigen dari A

Delatasi dan kontraksi

Jika k adalah skalar tidak nol, maka operator T(x) = kx di R2 atau R3
disebut kontraksi dengan faktor k (jika 0 k 1) dan delatasi dengan
faktor k jika k 1.
y

T(a)
a

T(a)
k1

0k1

Nilai eigen dari T adalah k, setiap vektor tak nol di R2 adalah vektor eigen.

Determinan operator linier

Definisi 8.4.: determinan operator linier
Jika T: Rm Rn adalah operator linier dengan matriks standar [T] maka
determinan operator linier T adalah

det(T) = det([T])
Contoh 6:

1 0
a. T proyeksi ortogonal pada sumbu - x; matriks standard T
,

0 0
maka det(T ) 0

k
b. Determinan delatasi sebesar k di R adalah k det
0
2

0
k

Pencerminan terhadap sumbu-x di R2

y

x
a
y

Matriks
standar
x

x
T a
y

x x
T
y y

1. x 0. y

0. x 1. y

Nilai eigen T adalah 1 dan -1.

Determinan T adalah -1

1 0 x

0 1 y

Pencerminan terhadap sumbu-y di R2

y

T()

x x 1. x 0 . y
T

y y 0 . x 1. y
1 0
[T
]

Matriks standard =
0 1

1 0 x

0 1 y

det (T) = -1

Nilai nilai eigen T: -1 dan 1. Vektor-vektor eigen yang bersesuaian

dengan nilai eigen -1 adalah semua vektor tak nol horisontal. Vektorvektor eigen untuk nilai eigen 1 adalah semua vektor tak nol vertikal.

Pencerminan terhadap garis y=x di R2

y=x

T(a)

x y
0. x 1. y 0 1 x

1
.
x

0
.
y

1 0 y
y x

a
x

Nilai -nilai eigen dari T adalah 1 dan -1. Vektor (a, a) dengan a 0 adalah
vektor eigen yang bersesuaian dengan nilai eigen 1.
a.

Tentukan vektor eigen untuk nilai eigen -1.

b.

Vektor apa yang dipetakan ke vektor nol?

c.

Hitung det(T)

Pencerminan terhadap garis y=-x di R2

y = -x

T(a)
x
y 0. x 1. y

T

x 1. x 0. y
y

0 1
matriks standard : T

1
0

0 1 x

1 0 y

Det (T) = -1
Nilai-nilai eigen T adalah 1 dan -1

Pencerminan terhadap bidang-xy di R3

z

1. x 0. y 0. z
x x

T y y 0. x 1. y 0. z

0. x 0. y 1. z

T(a)
x

1 0

matriks standar T 0 1
0 0

a.

Tentukan vektor eigen untuk nilai eigen T.

b.

Vektor apa yang dipetakan ke vektor nol?

c.

Hitung det(T)

0
1
0

0 x

0 y
1

0
1

Rotasi di R2
Rotasi sebesar berlawanan arah jarum jam

x x*
Persamaan T *
y y

x r cos , y r sin

x r cos , y r sin
*

x * r cos cos r sin sin

T(a) =(x*, y*)

a=(x, y)

y * r cos sin r sin cos

cos
x x * r cos cos r sin sin x cos y sin

T *
x sin y cos
y
r
cos

sin

r
sin

cos

sin


cos sin
[T] matriks ortogonal
matriks standar T

sin

cos

sin x
cos y

Rotasi terhadap sumbu-x positif di R3

Rotasi sebesar berlawanan arah jarum jam
z

(x*,y*,z*)

(x,y,z)

0
x
x
1


T y y cos z sin 0 cos


z y sin z cos 0 sin

x

sin y
cos z
0

Matriks
standar

Menentukan matriks standar

Teorema 8.2: Jika T : Rn Rm maka T (x) = [T]x (T dapat diterapkan
dengan perkalian matriks standar [T]). Matriks standar [T] diperoleh
sebagai berikut
[T] = [ T(e1) T(e2) T(en) ]
matriks yang kolom-kolomnya hasil pemetaan vektor basis normal standar.
u1
2u1 3u2
Contoh 7: T : R3 R2 dengan
T : u2
4u3

u3

2.1 3.0 2
T (i)
0
4
.
0

2 3 0
Jadi, [T ]

0 0 4

3
T (j)
0

0
T (k )
4

Shear terhadap sumbu-x dan sumbu-y

Terhadap sumbu-x

Terhadap sumbu-y

(x,ky)

T(a)
a

(x,y)

(kx,y)

T(a)
x

matriks standard

k 0
0 1

(x,y)
x

matriks standard

0 k

Bagaimana cara memperoleh matriks standar tersebut?

Rotasi bumi

Bumi berputar pada porosnya yaitu sumbu yang melalui kutub utara dan
selatan. Karena matahari terbit dari timur dan tenggelam ke barat, maka bumi
berputar dari barat ke timur. Dilihat di bawah kutub selatan, bumi berputar
searah jarum jam, tetapi dari atas kutub utara, bumi berputar berlawanan arah
jarum jam.

Pengertian transformasi linier

Transformasi linier pada ruang
Euclid
Komposisi transformasi linier
Kernel dan range
Inverse transformasi linier
Similaritas

8.3 Komposisi transformasi

linier

Komposisi transformasi linier

Teorema 8.3 : Komposisi transformasi linier

Jika T1: V U dan T2: U W adalah transformasi-transformasi linier,

maka komposisi T2 dan T1 ditulis T2oT1 (T2 bulatan T1) adalah
transformasi linier yang didefinisikan sebagai (T2oT1)(v) = T2(T1(v)), dengan
v vektor di V

V
v

U
T1(v)

W
T2(T1(v))

Contoh 8: komposisi dua transformasi linier

a
T1 : R P ; T1 : a bx (a 2b) x 2
b
2

T2 : P M

2x2

c 1
; T2 : c0 c1 x c2 x
0
2

c2

c1 2c3

T2 T1 : R 2 M 2 x 2 ;
b
a
a

2
T2 T1 : a bx (a 2b) x

b
0
a

2
(
a

2
b
)

1
2 2
2 1
T2 T1

1
0
2

2
(
2

2
.
1
)
0
10

Contoh 9: Komposisi dua rotasi

Rotasi kemudian rotasi
y

T2(T1(a))

T1(a)
a

Apakah T2(T1(a)) = T1(T2(a)) ?

Contoh 10: Komposisi rotasi dan proyeksi

a. Rotasi kemudian proyeksi

b. Proyeksi kemudian rotasi

T2(T1(a))

T1(a)

T2(T1(a)) a

Kesimpulan:
Komposisi transformasi linier tidak komutatif

a
T1(a)
x

Komposisi tiga transformasi linier

Diberikan transformasi Linier T1, T2, dan T3.
Domain dari T3 adalah range dari T2.
Domain dari T2 adalah range dari T1.
V

T1(v)

T2(T1(v))

T3(T2(T1(v)))

Matriks standar komposisi transformasi

linier pada ruang Euclid
a1
a
a2

T2(T1(a))

T1 proyeksi ortogonal pada sumbu-x

T2 pencerminan terhadap garis y = x

a
T1(a)
x

1 0

T1
0
0

0 1

1 0

T2

Matriks standar T2oT1 diperoleh sebagai berikut:

a1
a1 0

T2 T1 T2
a2
0 a1

a1 0 1 1 0 a1 0 0 a1

T2 T1
a
1
0
0
0
a
1
0

2
a2
2

0 1 1 0 0 0

2
1
1 0 0 0 1 0

Matriks standar komposisi transformasi

linier di ruang Euclid
Teorema 8.4 : Komposisi transformasi linier

Jika T1: Rn Rm dan T2: Rm Rk, maka [T2oT1] = [T2][T1].

V
v

U
T1(v) =[T1] v

W
T2(T1(v))= [T2][T1]v

Matriks standard proyeksi - rotasi

Proyeksi kemudian rotasi

1 0

0 0

T1

cos
[T2 o T1]= sin

a
T1(a)
x

cos
T2
sin
sin
cos

sin
cos

1 0 cos 0

0
0 0 0