Anda di halaman 1dari 30

8.

1 Transformasi Linier Umum

Bukan lagi transformasi Rn Rm,


tetapi transformasi linier dari
ruang vektor V vektor W.
Remind transformasi Rn Rm
Remind transformasi Rn Rm
Contoh : The equations
w1 x1 x 2
w2 3 x1 x 2
w3 x12 x 22
define a transformation T:R 2 R 3 .
T(x1 ,x 2 ) ( x1 x 2 ,3 x1 x 2 , x12 x 22 )
Thus, for example, T (1,2) (1,6,3)
TRANSFORMASI LINIER

Suatu fungsi yang memetakan suatu vektor di ruang vektor V ke


ruang vektor W ( dinotasikan dengan T : V W) disebut
transformasi linear jika untuk setiap vektor u dan v V berlaku:
1. T(u+v) = T(u) + T(v)
2. T(ku) = k T(u), dengan k skalar
Beberapa Istilah dalam TL
Tranformasi linear yang bekerja pada ruang vektor yang
sama V=W , T: VV disebut Operator Linear V.
Pemetaan T:VW , disebut transformasi nol jika ,
T (u+v) = 0 T (u) = 0, T (v) = 0 dan T (k u) = 0
Dengan demikian,
T (u+v) =T (u) +T (v) dan T (k u) = kT (u)

Pemetaan I: VV yang didefinisikan oleh I (v) = v disebut


operator identitas pada V.

Transformasi linear T : V W dengan T (u ) = A u


disebut Transformasi Matriks.
A disebut matriks transformasi.
ContohTL

Dilation and Contraction operators


Jika V sebarang vektor dan k sebarang skalar, maka fungsi
T:V V yang didefinisikan oleh
T (v) = k v operator linier pada V
Dilation/Pelebaran V : k > 1
Contraction/ Penyempitan V: 0 < k < 1
ContohTL
Proyeksi Orthogonal
Jika W adalah sub ruang berdimensi terhingga dari suatu ruang
hasil kali dalam V, maka proyeksi orthogonal dari V pada W adalah
transformasi yang didefinisikan oleh:
T (v ) = projwv

Jika S = {w1, w2, , wr} sebarang basis ortonormal


untuk W, maka T (v ) :
T (v ) = projwv = <v,w1>w1 + <v,w2>w2 ++<v,wr>wr

Bukti bahwa T adalah suatu transformasi linier diperoleh dari sifat-sifat hasil kali
dalam, sbb:
T (u+v) = <u+v, w1>w1 + <u+v, w2>w2 + +<u+v, wr> wr
= <u, w1>w1 + <u, w2>w2 + + <u, wr>wr + <v, w1>w1 + <v, w2>w2 + +<v,wr>wr
= T (u) + T (v)
Dengan cara yang sama: T (ku) = kT (u)
ContohTL

Computing an Orthogonal Projection


Anggap V = R3 memiliki hasil kali dalam Euclidean.
Vektor w1 = (1,0,0) dan w2 = (0,1,0) membentuk basis
ortonormal bidang xy. Jika v = (x,y,z) adalah sebarang vektor
R3 , proyeksi ortogonal dari R3 pada bidang xy adalah:
T (v ) = <v, w1>w1 + <v, w2>w2
= x (1, 0, 0) + y (0, 1, 0)
= ( x, y, 0 )

Proyeksi Ortogonal R3 pada bidang xy


CONTOH
Misalkan F:R2R2 adalah fungsi yang didefinisikan oleh F(w) =
(2x, y) dengan w = (x, y) di R2. buktikan bahwa F merupakan
transformasi linier

Misalkan u = (x1, y1) dan v = (x2, y2)


Bukti pertama:
F(u + v) = F((x1, y1) + (x2, y2))
= F(x1+x2, y1+y2)
= (2(x1+x2), (y1+y2))
= ((2x1, y1) + (2x2, y2))
F(u + v) = F(u) + F(v) => terbukti
Bukti kedua:
F(ku) = F(kx1, ky1)
= (2kx1, ky1)
= k (2x1, y1)
F(ku) = k F(u) => terbukti

Jadi F adalah trasnformasi linier


Sifat-sifat Transformasi Linear

Jika T:VW adalah suatu transformasi linear, maka untuk


sebarang vektor v1 dan v2 dalam V dan sebarang skalars c1 dan
c2 , kita dapatkan:
T (c1 v1 + c2 v2) = T (c1 v1 ) + T (c2 v2) = c1T (v1 ) + c2T (v2)

Dan secara lebih umum v1 , v2 , , vn adalah vektor-vektor pada


V dan c1 , c2 , , cn adalah skalar, maka:
T (c1 v1 + c2 v2 ++ cn vn ) = c1T (v1 ) + c2T ( v2 ) ++ cnT ( vn ) 1)

1) transformasi linear mempertahankan kombinasi linear.


Tiga Sifat Dasar Transformasi Linear

Theorem 8.1.1
Jika T:VW adalah suatu transformasi linear, maka:
(a) T (0) = 0
(b) T (-v ) = -T (v ) untuk semua v dalam V
(c) T (v-w ) = T (v ) - T (w) untuk semua v dan w dalam V

Proof.
(a) Let v be any vector in V. Since v=0, we have
T (0)=T (0v)=0T (v)=0

(b) T (-v) = T ((-1)v) = (-1)T (v)=-T (v)

(c) v-w=v+(-1)w; thus,


T (v-w)= T (v + (-1)w) = T (v) + (-1)T (w)
= T (v) -T (w)
Mencari Transformasi Linear dari Bayangan Vektor
Basis

Jika T:VW adalah suatu transformasi linear dan


{v1 , v2 , , vn } adalah sebarang basis untuk V,
maka bayangan T (v) dari sebarang vektor v pada V dapat
dihitung dari bayangan:
T (v1), T (v2), , T (vn)
dari vektor-vektor basis.
Nyatakan v sebagai kombinasi linear dari vektor-vektor basis;
v = c1 v1+ c2 v2+ + cn vn
Gunakan rumus (1) untuk menulis:
T (v) = c1 T (v1) + c2 T (v2) + + cn T (vn)
Suatu transformasi linear secara lengkap ditentukan oleh
bayangan sebarang vektor-vektor basis.

T (c1 v1 + c2 v2 ++ cn vn ) = c1T (v1 ) + c2T ( v2 ) ++ cnT ( vn )


Mencari Transformasi Linear dari Bayangan Vektor
Basis
Contoh:

Tinjau basis S = {v1 , v2 , v3 } untuk R3 , dimana v1 = (1,1,1),


v2 =(1,1,0), dan v3 = (1,0,0).
Anggap T: R3 R2 adalah transformasi linear sedemikian
sehingga:
T (v1)=(1,0), T (v2)=(2,-1), T (v3)=(4,3)

Carilah rumus untuk T (x1 , x2 , x3 ); kemudian gunakan


untuk menghitung T (2,-3,5).
Jawab:
Nyatakan x = (x1 , x2 , x3 ) sebagai kombinasi linear
v1 =(1,1,1), v2 =(1,1,0), and v3 = (1,0,0).
(x1 , x2 , x3 ) = c1 (1,1,1) + c2 (1,1,0) + c3 (1,0,0)
Dengan menyamakan komponen yang bersepadanan:
c1 + c2 + c3 = x1
c1 + c2 = x2
c1 = x3

c1 = x3 , c2 = x2 - x3 , c3 = x1 - x2 , sehingga
Kombinasi Liner:
(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

Jadi transformasi linear:


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 dapatkan
T (2 , -3 , 5 ) =(9,23)
Komposisi T2 dengan T1
Jika T1 :UV dan T2 :VW adalah transformasi linear
maka (T2 o T1 ):UW juga merupakan transformasi linear.

Proof. If u and v are vectors in U and c is a scalar, then it follows from (2) and the linearity of T1 andT2 that
(T2 oT1 )(u+v) = T2 (T1(u+v)) = T2 (T1(u)+T1 (v))
= T2 (T1(u)) + T2 (T1(v))
= (T2 oT1 )(u) + (T2 oT1 )(v)
and
(T2 oT1 )(c u) = T2 (T1 (c u)) = T2 (cT1(u))
= cT2 (T1 (u)) = c (T2 oT1 )(u)

Thus, T2 oT1 satisfies the two requirements of a linear transformation.


Komposisi T2 dengan T1

Jika T1 :UV dan T2 :VW adalah transformasi linear,


komposisi T2 dan T1 , dinotasikan T2 oT1 (bacaT2 circle
T1 ), adalah fungsi yang didefinisikan oleh rumus

(T2 oT1 )(u) = T2 (T1 (u)) (2)

dimana u adalah vektor dalam U


T3 o T2 oT1

Dapat disimpulkan bahwa komposisi bisa didefinisikan


untuk lebih dari dua transformasi linear. Misalnya:
T1 : U V and T2 : V W ,dan T3 : W Y
adalah transformasi linear, maka komposisi T3 o T2 oT1
didefinisikan oleh:
(4)
Contoh

Anggap T1 : P1 P1 dan T2 : P2 P2 adalah transformasi


linear yang diberikan oleh rumus
T1(p(x)) = xp(x) dan T2 (p(x)) = p (2x+4)

Komposisi (T2 T1 ): P1 P2 diberikan oleh rumus:


(T2 T1 )(p(x)) = (T2)(T1(p(x))) = T2 (xp(x)) = (2x+4)p (2x+4)
Contoh
8.2 Kernel And Range
Definisi
Jika T:V W adalah suatu transformasi linear, maka
himpunan vektor pada V yang dipetakan T ke 0
disebut kernel dari T
himpunan semua vektor pada W yang merupakan
bayangan dibawah T yang paling tidak merupakan satu
vektor pada V disebut daerah hasil dari T
dinyatakan R(T).
Sifat Kernel dan Daerah Hasil
Jika T:VW adalah suatu transformasi linear , maka

(a) Kernel dari T adalah sub ruang dari V


(b) Daerah hasil dari T adalah sub ruang dari W

Proof (a). Proof (b).


Let v1 and v2 be vectors in ker(T ), and let k be any Let w1 and w2 be vectors in the range of T ,
and let k be any scalar. There are vectors a1
scalar. Then
and a2 in V such that T (a1) = w1 and T(a2) = w2 .
T (v1 + v2) = T (v1) + T (v2) = 0+0 = 0 Let a = a1 + a2 and b = k a1 .
so that v1 + v2 is in ker(T ).
Then
T (a) = T (a1 + a2) = T (a1) + T (a2) = w1 + w2
Also,
T (k v1) = kT (v1) = k 0 = 0
and
so that k v1 is in ker(T ). T (b) = T (k a1) = kT (a1) = k w1
Peringkat dan Kekosongan Transformasi Linear

Jika T:VW adalah suatu transformasi linear,


rank (T): peringkat T
dimensi daerah hasil dari T disebut
peringkat dari T rank(T).

nullity (T): kekosongan (T)


Dimensi kernel disebut kekosongan dari T
nullity (T).
Peringkat dan Kekosongan Transformasi Linear

Untuk TA :Rn Rm adalah perkalian dengan


matriks A, mn, maka
Kernel dari TA ruang kosong A
Daerah hasil TA ruang kolom A

Theorem 8.2.2
Jika A adalah suatu matriks mxn dan TA :Rn Rm adalah
perkalian dengan A, maka
nullity (TA ) = nullity (A )
rank (TA ) = rank (A )
Contoh

Jika TA :R6 R4 dikalikan oleh


1 2 0 4 5 3
3 7 2 0 1 4
A=
2 5 2 4 6 1

4 9 2 4 4 7

Cari peringkat dan kekosongan TA


Cari peringkat dan kekosongan dari matriks A sbb:

Bentuk baris-eselon tereduksi A:


Ada 2 baris tak-nol atau ada dua utama 1,
maka;
Ruang baris dan ruang kolom berdimensi 2,
sehingga
rank(A) = 2
Untuk mencari kekosongan dari A, cari dimensi ruang penyelesaian
dari sistem liner homogen Ax = 0

Ruang Null

Empat vektor membentuk suatu basis untuk


ruang penyelesaian, sehingga;
kekosongan(A) = 4
rank(A) = 2 rank(TA) =2
kekosongan(A) = 4 kekosongan (TA) = 4
Teorema Dimensi untuk Transformasi Linear

Theorem 8.2.3
Jika T:VW adalah suatu transformasi linear dari
suatu ruang vektor V berdimensi n ke suatu ruang
vektor W, maka

rank (T ) + nullity (T ) = n

Transformasi linear peringkat ditambah kekosongan


sama dengan dimensi daerah asal.
Contoh

Jika TA :R6 R4 dikalikan oleh

1 2 0 4 5 3
3 7 2 0
A= 1 4
2 5 2 4 6 1

4 9 2 4 4 7

rank(A) = 2 rank(TA) =2
kekosongan(A) = 4 kekosongan (TA) = 4

rank (T ) + nullity (T ) = n = 6