MATEMATIKA TEKNIK 1
“Transformasi Linear”
(Pertemuan Ke – 12)
Disusun oleh :
Kelas 2IC05
Kelompok 2
1. Abdul Hamid Fadillah (20418026)
2. Ardiansyah Yudha Pratama (21418017)
3. Rifan Aldhiansyah (26418131)
i
ii
KATA PENGANTAR
Penulis
ii
iii
DAFTAR ISI
iii
BAB I
PENDAHULUAN
A. Latar Belakang
Matematika merupakan ilmu dasar yang menjadi tolak ukur bagi
perkembangan ilmu pengetahuan serta teknologi. Matematika dapat
memberikan kemampuan berpikir logis dalam memecahkan masalah yang
rumit. Komputer merupakan serangkaian intruksi-intruksi yang berjalan
dengan metode matematika. Maka dari itu, harus mampu menguasai seluruh
materi. Karena, hal itu adalah modal utama dalam penguasan ilmu
pengetahuan dan teknologi untuk menghadapi persaingan global.
Salah satu materi yang harus benar-benar anak didik kuasai adalah materi
aljabar, materi ini banyak diterapkan pada kehidupan sehari-hari.
B. Rumusan Masalah
1. Menjabarkan tentang apa itu transformasi linier?
C. Tujuan Masalah
Diharapkan pembaca khususnya minimal mengetahui tentang apa itu
transformasi linier atau lebih bagus lagi jika memahami tentang transformasi
linier itu sendiri
1
2
BAB II
PEMBAHASAN
B. PRODUK TRANSFORMASI
Pandang 2 buah transformasi linier :
T : Vn → Wr
S : Wr → Um
2
3
v є Vn → w є Wr → u є Um
ST
Contoh :
(ST) [x1, x2, x3] = S(T[x1, x2, x3]) = S[2x2+x3, 3x1+x2+x3, x2] =
[2(2x2+x3)+1(3x1+x2+x3)+1(x2), 1(2x2+x3)+1(x2),
2(2x2+x3)+1(3x1+x2+x3)+2(x2)]=
3 6 3
[ST]ee = 0 3 1
3 7 3
2 1 1
Jelas [S]ee = B =
1 0 1
2 1 2
3
4
0 2 1
[T]ee = A = 3 1 1
0 1 0
Di dalam bagian ini kita mulai mempelajari fungsi bernilai vector dari
sebuah variable vector. Yakni, fungsi yang berbentuk w = F(v), dimana
variable bebas v dan variable tak bebas w kedua-duanya adalah vector. Kita
akan memusatkan perhatian pada kelompok khusus fungsi vector yang
dinamakan transformasi linier. Kelompok fungsi ini mempunyai banyak
pemakaian penting di dalam fisika, ilmu sosial, dan berbagai cabang
matematika.
Jika V dan W adalah ruang vektor dan F adalah sebuah fungsi yang
mengasosiasikan sebuah vektor yang unik di dalam W dengan sebuah vektor
di dalam V, maka kita mengatakan F memetakan V ke dalam W, dan kita
menuliskan F : V W. Lebih lanjut lagi, jika F mengasosiasikan vektor w
dengan vektor v, maka kita menuliskan w = F(v) dan kita mengatakan bahwa
w adalah bayangan dari v di bawah F.
Untuk melukiskannya, maka jika v = (x,y) adalah sebuah vektor di dalam
R2 , maka rumus :
F(v) = ( x , x + y , x - y )
4
5
Definisi.
Jika F : V W adalah sebuah fungsi dari ruang vektor V ke dalam
ruang vektor W, maka F dinamakan transformasi linear jika :
1. F(u + v) = F(u) + F(v) untuk semua vektor u dan v di dalam V.
2. F(ku) = k F(u) untuk semua vektor u di dalam V dan semua skalar k.
Untuk melukiskannya, misalkan F : R2 R3 adalah fungsi yang
didefinisikan oleh;
Jika u = ( x1 , y1 ) dan v = ( x2 , y2 ), maka u + v = ( x1 + x2 , y1 + y2
), sehingga :
F(u + v) = (x1 +x2 , [x1 + x2] + [y1 + y2], [x1 + x2] - [y1 + y2])
= ( x1 , x1 + y1 , x1 - y1 ) + ( x2 , x2 + y2 ,x2 - y2)
F(u + v) = F(u) + F(v)
Juga , jika k adalah sebuah skalar , k u = (kx1 , ky1 ), sehingga
F(k u) = (kx1 , kx1 +ky1 , kx1 - ky1)
= k (x1 , x1 +y1 ,x1 - y1)
= k F(u)
Jadi F adalah sebuah transformasi linear.
Jika F : V W adalah sebuah transformasi linear, maka untuk sebarang
v1 dan v2 di dalam V dan sebarang k1 dan k2 , kita memperoleh :
5
6
T(x) = A x
Perhatikan jika bahwa x adalah sebuah matriks n x 1 , maka hasil kali A x adalah
matriks m x 1 ; jadi T memetakan Rn ke dakam Rm . Lagi pula , T linear, untuk
melihat ini , misalnya u dan v adalah matriks n x 1 dan misalkan k adalah sebuah
skalar. Dengan menggunakan sifat-sifat perkalaian matriks, maka kita
mendapatkan :
A (u + v) = A u + A v dan A (k u) = k (A u)
Atau
Contoh 2 :
Sebagai kasus khusus dari contoh sebelumnya, misalkan adalah
sebuah sudut tetap, dan misalkan T : R2 R2 adalah perkalian oleh
matriks :
cos 𝜃 sin 𝜃
A=[ ]
sin 𝜃 cos 𝜃
𝑥
Jika v adalah vektor v = [𝑦 ]
6
7
x’ = r cos( + ) y’ = r sin( + )
𝑥′ r cos( 𝜃 + ∅)
Maka v’ = [ ]=[ ]
𝑦′ r sin(𝜃 + ∅)
x cos 𝜃 − 𝑦 sin 𝜃
=[ ]
x sin 𝜃 + 𝑦 cos 𝜃
cos 𝜃 − sin 𝜃
=[ ]
sin 𝜃 cos 𝜃
= Av = T(v)
7
8
Contoh 3:
Misalkan V dan W adalah sebarang dua vektor. Pemetaan
T : V W sehingga T(v) = 0 untuk tiap-tiap v di dalam V adalah
sebuah transformasi linear yang dinamakan transformasi nol. Untuk
melihat bahwa T linear, perhatikanlah bahwa :
Maka
Contoh 4:
Misalkan V adalah sebarang ruang vektor. Pemetaan T : V V
yang didefinisikan oleh T(v) = v dinamakan transformasi identitas pada
V.
Jika seperti di dalam contoh 2 dan 4 , T : V V adalah
transformasi linear dari sebuah ruang vektor V ke dalam dirinya sendiri,
maka T dinamakan operator linear pada V.
Contoh 5:
8
9
Contoh 6:
Misalkan V adalah sebuah ruang perkalian dalam, dan misalkan W
adalah sebuah sub-ruang dari V yang berdiameter berhingga yang
mempunyai :
S = {w1,w2,…,wr}
T(v) = v, w1 w1 + v, w2 w2 + … + v, wr wr
9
10
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)
Contoh 7 :
Sebagai kasus khusus dari contoh sebelumnya, misalnya V = R3
mempunyai perkalian dalam Euclidis. Vektor-vektor w1 = (1, 0, 0) dan
w2 = (0, 1, 0) membentuk sebuah basis ortonormal untuk bidang xy. Jadi,
jika v = (x, y , z) adalah sebarang vektor di dalam R3 , maka proyeksi
ortogonal dari R3 pada bidang xy diberikan oleh :
T(v) = v, w1 w1 + v, w2 w2
= x(1, 0, 0 ) + y(0, 1, 0)
= (x, y , 0)
10
11
11
12
Contoh B.2
Misalkan T:Rn Rm adalah perkalian oleh
Sehingga sistem
Konsisten.
12
13
13
14
Teoremanya adalah :
Jika T:V W adalah trasnformasi linier maka :
1. Kernel dari T adalah subruang dari V.
2. Jangkuan dari T adalah subruang dari W.
Bukti
1. Untuk memperlihatkan bahwa ker (T) adalah subruang, maka kita harus
memperlihatkan bahwa ker (T) tersebut tertutup di bawah pertambahan
dan perkalian skalar.
Misalkan v1 dan v2 adalah vektor-vektor di dalam ker (T), dan
misalkan k adalah sebarang skalar.
Maka
T(v1 + v2 ) = T(v1 ) + T(v2 )
=0+0=0
sehingga v1 + v2 berada di dalam ker (T).
Juga T(kv1 ) = kT (v1 ) = k0 = 0
Sehingga kv1 berada di dalam ker (T).
2. Misalkan w1 dan w2 adalah vektor di dalam jangkauan dari T. Untuk
membuktikan bagian ini maka kita harus memperlihatkan bahwa w1 + w2
dan k w1 berada di dalam jangkuan dari T untuk sebarang skalar k; yakni
kita harus mencari vektor a dan b di dalam V sehingga T (a) = w1 + w2
dan T(b) = kw1. Karena w1 dan w2 berada di dalam jangkuan dari T,
maka ada vektor a1 dan a2 di dalam V sehingga T (a1) = w1 dan T(a2) =
w2. Misalkan a = a1 + a2 dan b = ka1.
Maka
T(a) = T (a1 + a2) = T(a1) + T(a2) = w1 + w2 dan
T(b) = T(ka1) = kT(a1) = kw1 yang melengkapkan bukti tersebut.
14
15
Contoh B.3
Misalkan T:Rn Rm adalah perkalian oleh sebuah matriks A yang
berukuran m x n.
Dari contoh B.2 maka kernel dari T terdiri dari semua pemecahan dari
Ax = 0 ; jadi kernel tersebut adalah ruang pemecahan dari sistem ini. Juga dari
contoh B.2, jangkuan dari T terdiri dari semua vektor b sehingga Ax = b
konsisten. Jadi, menurut Teorema di atas dari bagian 4.6, jangkuan dari T
adalah ruang kolom dari matrik A.
Misalkan {v1 , v2,....., vn } adalah sebuah basis untuk ruang vektor V
dan T:V > W adalah transformasi linier. Jika kebetulan kita mengetahui
bayangan vektor basis, yakni T(v1), T(v2), ..., T(vn) maka kita dapat
memperoleh bayangan T(v) dari seberang vektor v dengan menyatakan dulu v
dalam basis tersebut, katakanlah v = k1 v1 + k2 v2 + ... + kn vn dan kemudian
menggunakan hubungan (5.2) dari bagian 5.1 untuk menuliskan T(v) = (1,0)
T(v2) = (2, - 1) T(v3) = (4,3) Carilah T(2, -3,5) !
Pemecahan
Mula-mula kita menyatakan v = (2, -3, 5) sebagai kombinasi dari
v1 = (1, 1, 1), v2 = (1, 1, 0), dan v3 = (1, 0, 0). Jadi (2, 3, 5) = k1 (1, 1, 1) +
k2 (1, 1, 0) + k3 (1, 0, 0) atau setelah menyamakan komponen-komponen
yang bersangkutan k1 + k2 + k3 = 2 k1 + k2 = -3 k1 = 5 yang menghasilkan
k1 = 5, k2 = -8, k3 = 5 sehingga (2, -3, 5) = 5v1 -8v2 + 5v3
Jadi T(2, -3, 5) = 5T(v1) - 8T(v2) + 5T3 = 5(1,0) - 8(2, -1) + 5(4,3) = (9, 23)
Jika T:V > W adalah transformasi linier, maka dimensi dari jangkauan
dari T dinamakan rank dari T dan dimensi dari kernel dinamakan nulitas
(nullity) dari T.
Contoh B.4
Misalkan T:R2 > R2 adalah rotasi dari R2 melalui sudut p/4. Jelaslah
secara geometrik bahwa jangkauan dari T adalah semuanya R2 dan kernel dari
T adalah (0). Maka T mempunyai rank 2 dan nulitas = 0.
15
16
Contoh B.5
Misalkan T:Rn > Rm adalah perkalian sebuah matriks A yang
berukuran m x n. Didalam contoh B.3 kita mengamati bahwa jangkauan dari T
adalah ruang kolom dari A jadi rank dari T adalah dimensi ruang kolom dari
A, yang persis sama dengan rank dari A.
Secara ringkas, maka rank (T) = rank (A), dan juga didalam Contoh
B.3, kita melihat bahwa kernel dari T adalah ruang pemecahan dari Ax = 0.
Jadi nulitas dari T adalah dimensi ruang pemecahan ini. Teorema kita
berikutnya menghasilkan sebuah hubungan di antara rank dan nulitas dari
transformasi linier yang didefinisikan pada sebuah ruang vektor berdimensi
berhingga. Kita akan menangguhkan buktinya sampai keakhir bagian ini.
Teoremanya :
Jika T:V > W adalah transformasi linier dari sebuah ruang vektor V
yang berdimensi n kepada sebuah ruang vektor W, maka di dalam kasus
khusus di mana V=Rn-, W=Rm-, dan T:Rn > Rm adalah perkalian oleh
sebuah matriks A yang berukuran m x n, maka teorema dimensi tersebut
menghasilkan hasil yang berikut :
nulitas dari T = n - (rank dari T)
= (banyaknya kolom dari A) - (rank dari T)
16
17
Contoh B.6.
Di dalam Contoh diatas, kita memperlihatkan bahwa sistem homogeny
17
18
a 11 a 12 a 1n
a a 22 a 2n
Maka A = T(e 1 ) T(e 2 ) T(e n ) = 21
a m1 a m2 a mn
18
19
a 11 a 12 a 1n x1 a 11 x1 a 12 x2 a 1n xn
a a 22 a 2n x 2 a x a 22 x2 a 2n xn
Ax = 21 = 21 1
a m1 a m2 a mn x m a m1 x1 a m2 x2 a mn xn
a 11 a 12 a 13
a a 2
= x1 21 + x2 21 + .... + x3 a 23 = x1 T(e 1 ) + x2 T( e 2 )+ ... + xn T(
a m1 a m2 a m3
en)
Sampai disini dapat disimpulkan bahwa T(x ) = Ax
19
20
Dapat dihitung di dalam tiga langkah menurut prosedur tak langsung yang
berikut :
1. Hitunglah matriks koordinat [x]B
2. Kalikanlah [x]B di sebelah kiri dengan A untuk menghasilkan [T(x)]B’
3. Bangunlah kembali T(x) dari matriks koordinatnya [T(x)]B’
C. Keserupaan
20
21
21
22
𝐴
[𝑥]𝐵 → [𝑇[𝑥]]𝐵
𝑃 ↑ ↓ 𝑃 −1
[𝑥]𝐵′ 𝐴′ [𝑇[𝑥]]𝐵′
→
Gambar ini melukiskan bahwa ada dua cara untuk mendapatkan matriks
[ T ( x ) ] B’ dari matriks [ x ] B’. Yakni :
A’[x]B’ = [T(x)]B’ atau P-1AP[x]B’ = [T(x)]B’
Dari pernyataan di atas dapat dihasilkan :
P-1AP[x]B’ = A’[x]B’
Dan untuk semua x di dalam V adalah P-1AP = A’. Dengan begitu dari
kedua persamaan tersebut sudah membuktikan bahwa merupakan Teorema.
22
23
BAB III
PENUTUP
A. KESIMPULAN
Jika V dan W adalah ruang vektor dan F adalah sebuah fungsi yang
mengasosiasikan sebuah vektor yang unik di dalam W dengan sebuah vektor
di dalam V, maka kita mengatakan F memetakan V ke dalam W, dan kita
menuliskan F : V → W. Lebih lanjut lagi, jika F mengasosiasikan vektor w
dengan vektor v, maka kita menuliskan w = F(v) dan kita mengatakan bahwa
w adalah bayangan dari v di bawah F.
Untuk melukiskannya, maka jika v = (x,y) adalah sebuah vektor di dalam
R2, maka rumus : F(v) = ( x , x + y , x - y ).
Definisi.
Jika F : V W adalah sebuah fungsi dari ruang vektor V ke dalam
ruang vektor W, maka F dinamakan transformasi linear jika :
1. F(u + v) = F(u) + F(v) untuk semua vektor u dan v di dalam V.
2. F(ku) = k F(u) untuk semua vektor u di dalam V dan semua skalar k.
B. SARAN
Penulis sangat menyadari dan memahami bahwa pembuatan makalah
ini jauh dari kekurangan dan kelemahan dalam pembuatannya. Maka dari itu,
penulis pun tidak menolak adanya saran dan kritik yang sifatnya mendukung
dan membangun dari para pembaca agar Makalah selanjutnya nanti, jauh
lebih sempurna dan layak untuk dibaca oleh para pembaca sekalian.
23
1