Anda di halaman 1dari 23

MODUL 6

TRANSFORMASI LINEAR

PENDAHULUAN

Pembentukan konsep dari sebuah fungsi adalah menghubungkan anggota


dari sebuah himpunan dengan anggota pada himpunan lainnya dengan aturan
tertentu. Hal ini dinotasikan dengan 𝑓: 𝑆 → 𝑇.

Pada Modul 6 ini, kita akan membahas tentang fungsi 𝑓: 𝑉 → 𝑊, dengan 𝑉


dan 𝑊 adalah ruang vektor atas lapangan yang sama.

Setelah mempelajari Modul 6 ini diharapkan mahasiswa mampu


menjelaskan pengertian transformasi linear, mampu membuktikan sifat-sifat
transformasi linear dan mampu mencari matriks representasi dari suatu
transformasi linear.

PENYAJIAN MATERI

A. Definisi dan Sifat-sifat Transformasi Linear

Berikut definisi dari Transformasi Linear.


Definisi 6.1 Diberikan ruang vektor 𝑉 dan 𝑊 atas suatu lapangan 𝐹. Suatu fungsi
𝑇: 𝑉 → 𝑊 disebut transformasi linear (linear transformation) atau homomorfisma
(homomorphism) jika 𝑇 mengawetkan operasi penjumlahan vektor dan perkalian
skalar, yaitu:
a. 𝑇(𝑣1 + 𝑣2 ) = 𝑇(𝑣1 ) + 𝑇(𝑣2 ), ∀𝑣1 , 𝑣2 𝜖𝑉
b. 𝑇(𝛼𝑣1 ) = 𝛼𝑇(𝑣1 ), ∀𝑣1 𝜖 𝑉 dan ∀𝛼𝜖𝐹

Contoh 6.1

Tunjukkan bahwa 𝑇: ℝ → ℝ didefinisikan oleh 𝑇(𝑥 ) = 2𝑥 adalah transformasi


linear.

Program Linear 81
Penyelesaian

Diambil sebarang 𝑥, 𝑦𝜖ℝ dan 𝛼𝜖ℝ maka

𝑇(𝑥 + 𝑦) = 2(𝑥 + 𝑦) rumus fungsi

= 2𝑥 + 2𝑦 sifat dalam bilangan real

= 𝑇 (𝑥 ) + 𝑇 (𝑦 ) rumus fungsi

dan

𝑇(𝛼𝑥 ) = 2(𝛼𝑥 ) rumus fungsi

= 𝛼 (2𝑥 ) sifat dalam bilangan real

= 𝛼𝑇(𝑥 ) rumus fungsi

Jadi 𝑇 merupakan transformasi linear.

Contoh 6.2

Diberikan 𝑇: ℝ2 → ℝ3 adalah fungsi yang didefinisikan dengan:

𝑇((𝑥, 𝑦)) = (𝑥, 𝑥 + 𝑦, 𝑥 − 𝑦)

Apakah 𝑇 merupakan transformasi linear atau bukan?

Penyelesaian

Diambil sebarang 𝑢, 𝑣𝜖ℝ2 dengan 𝑢 = (𝑥1 , 𝑦1 ) dan 𝑣 = (𝑥2 , 𝑦2 ) dan 𝛼𝜖ℝ, maka

𝑇(𝑢 + 𝑣 ) = 𝑇(𝑥1 + 𝑥2 , 𝑦1 + 𝑦2 )

= (𝑥1 + 𝑥2 , (𝑥1 + 𝑥2 ) + (𝑦1 + 𝑦2 ), (𝑥1 + 𝑥2 ) − (𝑦1 + 𝑦2 ))

= (𝑥1 + 𝑥2 , (𝑥1 + 𝑦1 ) + (𝑥2 + 𝑦2 ), (𝑥1 − 𝑦1 ) + (𝑥2 − 𝑦2 ))

= (𝑥1 , (𝑥1 + 𝑦1 ), (𝑥1 − 𝑦1 )) + (𝑥2 , (𝑥2 + 𝑦2 ), (𝑥2 − 𝑦2 ))

= 𝑇(𝑝0𝑥1 , 𝑦1 ) + 𝑇(𝑥2 , 𝑦2 )

Aljabar Linear 82
= 𝑇 (𝑢 ) + 𝑇 (𝑣 )

dan

𝑇(𝛼𝑢) = 𝑇(𝛼𝑥1 , 𝛼𝑦1 )

= (𝛼𝑥1 , 𝛼𝑥1 + 𝛼𝑦1 , 𝛼𝑥1 − 𝛼𝑦1 )

= (𝛼𝑥1 , 𝛼(𝑥1 + 𝑦1 ), 𝛼(𝑥1 − 𝑦1 ))

= 𝛼 (𝑥1 , 𝑥1 + 𝑦1 , 𝑥1 − 𝑦1 )

= 𝛼𝑇(𝑢)

Jadi 𝑇 merupakan transformasi linear.

Contoh 6.3

Tunjukkan bahwa 𝑇: 𝑀2 (ℝ) → 𝑃2 (ℝ) yang didefinisikan oleh:

𝑎 𝑏
𝑇 ([ ]) = 𝑎 + (𝑑 − 𝑐 )𝑥 + (𝑏 − 𝑐 )𝑥 2 adalah transformasi linear.
𝑐 𝑑

Penyelesaian

𝑎1 𝑏1 𝑎2 𝑏2
Diambil sebarang [ ],[ ] 𝜖𝑀2 (ℝ), maka berdasarkan rumus fungsi
𝑐1 𝑑1 𝑐2 𝑑2
diperoleh:

𝑎 𝑏1 𝑎 𝑏2 𝑎 + 𝑎2 𝑏1 + 𝑏2
𝑇 ([ 1 ]+[ 2 ]) = 𝑇 ([ 1 ])
𝑐1 𝑑1 𝑐2 𝑑2 𝑐1 + 𝑐2 𝑑1 + 𝑑2

= (𝑎1 + 𝑎2 ) + ((𝑑1 + 𝑑2 ) − (𝑐1 + 𝑐2 ))𝑥 + ((𝑏1 + 𝑏2 ) − (𝑐1 + 𝑐2 ))𝑥 2

= (𝑎1 + (𝑑1 − 𝑐1)𝑥 + (𝑏1 − 𝑐1 )𝑥 2 ) + (𝑎2 + (𝑑2 − 𝑐2 )𝑥 + (𝑏2 − 𝑐2 )𝑥 2 )

𝑎 𝑏1 𝑎 𝑏2
= 𝑇 ([ 1 ]) + 𝑇 ([ 2 ]).
𝑐1 𝑑1 𝑐2 𝑑2

Selanjutnya jika diambil sebarang 𝛼𝜖ℝ, maka

𝑎1 𝑏1 𝛼𝑎 𝛼𝑏1
𝑇 (𝛼 [ ]) = 𝑇 ([ 1 ])
𝑐1 𝑑1 𝛼𝑐1 𝛼𝑑1

Aljabar Linear 83
= 𝛼𝑎1 + (𝛼𝑑1 − 𝛼𝑐1 )𝑥 + (𝛼𝑏1 − 𝛼𝑐1)𝑥 2

= 𝛼𝑎1 + 𝛼 (𝑑1 − 𝑐1)𝑥 + 𝛼 (𝑏1 − 𝑐1 )𝑥 2

= 𝛼 (𝑎1 + (𝑑1 − 𝑐1)𝑥 + (𝑏1 − 𝑐1 )𝑥 2 )

𝑎 𝑏1
= 𝛼𝑇 ([ 1 ]).
𝑐1 𝑑1

Jadi terbukti bahwa 𝑇 merupakan transformasi linear.

Contoh 6.4

Tunjukkan bahwa 𝑇: ℝ → ℝ yang didefinisikan oleh 𝑇(𝑥 ) = 𝑥 2 bukan


merupakan transformasi linear.

Penyelesaian

Untuk menunjukkan bahwa 𝑇 bukan merupakan transformasi linear dengan


menggunakan contoh penyangkal berikut:

Berdasarkan rumus fungsi 𝑇(𝑥 ) = 𝑥 2 , diperoleh bahwa 𝑇(1) = 12 = 1 dan


𝑇(2) = 22 = 4. Karena 2 = 1 + 1 dan 22 ≠ 12 + 12 , maka

22 = 𝑇(2) = 𝑇(1 + 1) ≠ 𝑇(1) + 𝑇(1) = 12 + 12 .

Jadi terbukti bahwa 𝑇 bukan merupakan transformasi linear.

Suatu transformasi linear dari ruang vektor 𝑉 ke ruang vektor 𝑉 yang sama
disebut operator linear.

Contoh 6.5

Diberikan ruang vektor 𝑉 dan didefinisikan 𝐼: 𝑉 → 𝑉 dengan:

𝐼 (𝑣 ) = 𝑣, ∀𝑣𝜖𝑉

𝐼 adalah transformasi linear yang disebut dengan transformasi identitas.

Contoh 6.6

Diberikan ruang vektor 𝑉 dan 𝑊 didefinisikan 𝑇0 : 𝑉 → 𝑊 dengan:

Aljabar Linear 84
𝑇0 (𝑣 ) = 0𝑊 , ∀𝑣𝜖𝑉

𝑇0 adalah transformasi linear yang disebut dengan transformasi nol.

Teorema 6.2 Diberikan ruang vektor 𝑉, 𝑊. Jika 𝑇: 𝑉 → 𝑊 adalah transformasi


linear, maka:

a. 𝑇(0𝑉 ) = 0𝑊 .
b. 𝑇(−𝑣 ) = −𝑇(𝑣 ), untuk semua 𝑣𝜖𝑉.
c. 𝑇(𝑣 − 𝑤) = 𝑇(𝑣 ) − 𝑇(𝑤), untuk semua 𝑣, 𝑤𝜖𝑉.

Bukti:

a. Diambil sebarang vektor 𝑣𝜖𝑉, karena 0𝑉 𝑣 = 0, diperoleh


𝑇(0𝑉 ) = 𝑇(0𝑉 𝑣 ) = 0𝑉 𝑇(𝑣 ) = 0𝑊
Jadi terbukti bahwa 𝑇(0𝑉 ) = 0𝑊 .
b.Diambil sebarang vektor 𝑣𝜖𝑉,
𝑇(−𝑣 ) = 𝑇(−1. 𝑣 ) = −1 𝑇(𝑣 ) = −𝑇(𝑣 )
Jadi terbukti bahwa 𝑇(−𝑣 ) = −𝑇(𝑣 ).
c. Diambil sebarang vektor 𝑣, 𝑤𝜖𝑉,
𝑇(𝑣 − 𝑤) = 𝑇(𝑣 + (−1𝑤))
= 𝑇(𝑣 ) + 𝑇(−1𝑤)
= 𝑇(𝑣 ) + (−1𝑇(𝑤))
= 𝑇 (𝑣 ) − 𝑇 ( 𝑤 )
Jadi terbukti bahwa 𝑇(𝑣 − 𝑤) = 𝑇(𝑣 ) − 𝑇(𝑤).

Teorema berikut bermanfaat untuk menentukan apakah sebuah fungsi


merupakan transformasi linear.

Teorema 6.3 Diberikan ruang vektor 𝑉, 𝑊. Fungsi 𝑇: 𝑉 → 𝑊 merupakan


transformasi linear jika dan hanya jika:

𝑇(𝛼𝑣1 + 𝑣2 ) = 𝛼𝑇(𝑣1 ) + 𝑇 (𝑣2 ), ∀𝑣1 , 𝑣2 𝜖𝑉 dan ∀𝛼𝜖𝐹

Contoh 6.7

Aljabar Linear 85
Didefinisikan 𝑇: ℝ3 → ℝ2 dengan
𝑥1
𝑥 + 𝑥3
𝑇 ([ 2 ]) = [ 1
𝑥 ]
𝑥3 2 + 5𝑥2

Tunjukkan bahwa 𝑇 bukan merupakan transformasi linear.


Penyelesaian
Akan ditunjukkan bahwa 𝑇 bukan merupakan transformasi linear dengan
menggunakan contoh penyangkal berikut:
1 0
Diambil 𝑣1 = [1] , 𝑣2 = [0] 𝜖𝑉 dan 𝛼𝜖ℝ.
1 0

1 0 −1 −1 + (−1) −2
( )
𝑇 𝛼𝑣1 + 𝑣2 = 𝑇 (−1 [1] + [0]) = 𝑇 [−1] = [ ] = [ ].
2 + 5(−1) −3
1 0 −1
Di sisi lain
1 0
1+ 1 0+0 −2
𝛼𝑇(𝑣1 ) + 𝑇(𝑣2 ) = −1. 𝑇 [1] + 𝑇 [0] = −1. [ ]+[ ] = [ ].
2 + 5.1 2 + 5.0 −5
1 0
Karena 𝑇(𝛼𝑣1 + 𝑣2 ) ≠ 𝛼𝑇(𝑣1 ) + 𝑇(𝑣2 ) maka 𝑇 bukan merupakan transformasi
linear.

B. Kernel dan Range (Jangkauan)


Selanjutnya kita akan membahas tentang kernel dan range transformasi
linear serta sifat-sifatnya.

Definisi 6.4 Jika 𝑇: 𝑉 → 𝑊 merupakan transformasi linear, maka himpunan dari


semua vektor di 𝑉 yang dipetakan oleh 𝑇 ke 0𝑊 di 𝑊 disebut Kernel (ruang nol)
dari 𝑇 dan disimbolkan dengan Ker (𝑇), yaitu:

𝐾𝑒𝑟(𝑇) = {𝑣𝜖𝑉: 𝑇(𝑣 ) = 0𝑊 }.

Definisi 6.5 Jika 𝑇: 𝑉 → 𝑊 merupakan transformasi linear, maka himpunan dari


semua vektor di 𝑊 yang merupakan bayangan vektor-vektor di 𝑉 di bawah
transformasi linear 𝑇, dinamakan Jangkauan (Range) dari 𝑇 dan disimbolkan
dengan 𝑅𝑎𝑛𝑔𝑒 (𝑇), yaitu:

Aljabar Linear 86
𝑅𝑎𝑛𝑔𝑒 (𝑇) = {𝑇(𝑣 ): 𝑣𝜖𝑉 } atau

𝑅𝑎𝑛𝑔𝑒 (𝑇) = {𝑤𝜖𝑊: 𝑤 = 𝑇(𝑣 ) 𝑢𝑛𝑡𝑢𝑘 𝑠𝑢𝑎𝑡𝑢 𝑣𝜖𝑉 }.

Contoh 6.8

Diberikan ruang vektor 𝑉 dan 𝑊, didefinisikan 𝑇: 𝑉 → 𝑊 dan 𝑇 merupakan


transformasi nol. Tentukan Kernel dan Range dari transformasi linear 𝑇.

Penyelesaian

𝑇: 𝑉 → 𝑊 merupakan transformasi nol, berarti 𝑇 memetakan setiap vektor pada 𝑉


ke 0𝜖𝑊, maka 𝐾𝑒𝑟 (𝑇) = 𝑉. Selanjutnya, karena 0 adalah satu-satunya
bayangan dari vektor-vektor pada 𝑉 karena 𝑇 maka 𝑅𝑎𝑛𝑔𝑒 (𝑇) = 0.

Selanjutnya Teorema 6.6 berikut membahas tentang sifat-sifat kernel dan


range.

Teorema 6.6 Jika 𝑇: 𝑉 → 𝑊 merupakan transformasi linear, maka:

a. Kernel dari 𝑇 adalah subruang dari 𝑉.


b. Range dari 𝑇 adalah subruang dari 𝑊.

Bukti

a. Untuk membuktikan bahwa 𝐾𝑒𝑟(𝑇) adalah subruang, berarti harus


ditunjukkan bahwa 𝐾𝑒𝑟(𝑇) setidaknya mengandung satu vektor, dan
bersifat tertutup terhadap operasi penjumlahan dan pergandaan skalar.
Berdasarkan Definisi 6.5 Setidaknya vektor 0 pasti berada di dalam
𝐾𝑒𝑟(𝑇). Misalkan vektor-vektor 𝑣1 dan 𝑣2 adalah vektor-vektor di dalam
𝐾𝑒𝑟(𝑇), dan diambil sebarang skalar 𝛼𝜖ℝ, maka:
𝑇(𝑣1 + 𝑣2 ) = 𝑇(𝑣1 ) + 𝑇(𝑣2 ) = 0 + 0 = 0,
sehingga 𝑣1 + 𝑣2 𝜖𝐾𝑒𝑟(𝑇) , dan
𝑇(𝛼𝑣1 ) = 𝛼𝑇(𝑣1 ) = 𝛼. 0 = 0,
sehingga 𝛼𝑣1 𝜖𝐾𝑒𝑟(𝑇) juga.
Jadi terbukti bahwa 𝐾𝑒𝑟(𝑇) merupakan subruang.

Aljabar Linear 87
b. Karena 𝑇(0) = 0, setidaknya terdapat satu vektor pada 𝑅𝑎𝑛𝑔𝑒 (𝑇).
Misalkan 𝑤1 , 𝑤2 adalah sebarang vektor-vektor yang ada di dalam
𝑅𝑎𝑛𝑔𝑒 (𝑇), dan diambil sebarang skalar 𝛼𝜖ℝ. Akan ditunjukkan bahwa
𝑅𝑎𝑛𝑔𝑒 (𝑇) tertutup terhadap operasi penjumlahan dan pergandaan skalar.
Dari Definisi 6.5, berarti kita harus menemukan vektor 𝑣 dan 𝑢 pada 𝑉,
sedemikian hingga 𝑇(𝑣 ) = 𝑤1 + 𝑤2 dan 𝑇(𝑢) = 𝛼𝑤1 .
Karena 𝑤1 , 𝑤2 𝜖𝑅𝑎𝑛𝑔𝑒 (𝑇), berarti terdapat vektor-vektor 𝑣1 𝜖𝑉 dan 𝑣2 𝜖𝑉
sedemikian hingga 𝑇(𝑣1 ) = 𝑤1 dan 𝑇(𝑣2 ) = 𝑤2 . Jika 𝑣 = 𝑣1 + 𝑣2 dan
𝑢 = 𝛼𝑣1 , maka:
𝑇(𝑣 ) = 𝑇(𝑣1 + 𝑣2 ) = 𝑇(𝑣1 ) + 𝑇(𝑣2 ) = 𝑤1 + 𝑤2 𝜖𝑅𝑎𝑛𝑔𝑒 (𝑇)
dan 𝑇(𝑢) = 𝑇(𝛼𝑣1 ) = 𝛼 𝑇(𝑣1 ) = 𝛼𝑤1 𝜖𝑅𝑎𝑛𝑔𝑒 (𝑇) .
Jadi terbukti bahwa 𝑅𝑎𝑛𝑔𝑒 dari 𝑇 adalah subruang dari 𝑊.

Definisi 6.7 Jika 𝑇: 𝑉 → 𝑊 merupakan transformasi linear, maka dimensi dari


𝑅𝑎𝑛𝑔𝑒 (𝑇) dinamakan rank dari 𝑇 dan dimensi dari 𝐾𝑒𝑟(𝑇) dinamakan nullitas
dari 𝑇.

Teorema 6.8 Jika 𝑇: 𝑉 → 𝑊 merupakan transformasi linear dari sebuah ruang


vektor 𝑉 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑛 kepada sebuah ruang vektor 𝑊, maka:

rank 𝑑𝑎𝑟𝑖 𝑇 + 𝑛𝑢𝑙𝑙𝑖𝑡𝑎𝑠 𝑑𝑎𝑟𝑖 𝑇 = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑉 atau

rank 𝑑𝑎𝑟𝑖 𝑇 + 𝑛𝑢𝑙𝑙𝑖𝑡𝑎𝑠 𝑑𝑎𝑟𝑖 𝑇 = 𝑛.

Contoh 6.9

Diberikan 𝑉 adalah ruang vektor dari matriks simetri berukuran 2 × 2, dan


transformasi linear 𝑇: 𝑉 → 𝑃2 didefinisikan dengan:

𝑎 𝑏
𝑇 ([ ]) = (𝑎 − 𝑏) + (𝑏 − 𝑐 )𝑥 + (𝑐 − 𝑎)𝑥 2 .
𝑐 𝑑

Tentukan rank dan nullitas dari transformasi linear 𝑇.

Penyelesaian
𝑎 𝑏 𝑎 𝑏
𝐾𝑒𝑟(𝑇) = {[ ] : 𝑇 ([ ]) = 0}
𝑐 𝑑 𝑐 𝑑

Aljabar Linear 88
𝑎 𝑏 (
𝐾𝑒𝑟(𝑇) = {[ ] : 𝑎 − 𝑏) + (𝑏 − 𝑐 )𝑥 + (𝑐 − 𝑎)𝑥 2 = 0}
𝑐 𝑑

𝑎 𝑏 (
𝐾𝑒𝑟(𝑇) = {[ ] : 𝑎 − 𝑏) = (𝑏 − 𝑐 ) = (𝑐 − 𝑎) = 0}
𝑐 𝑑

𝑎 𝑏
𝐾𝑒𝑟(𝑇) = {[ ] : 𝑎 = 𝑏 = 𝑐}
𝑐 𝑑

𝑐 𝑐 1 1
𝐾𝑒𝑟(𝑇) = {[ ] : 𝑐𝜖ℝ} = 𝑠𝑝𝑎𝑛 ([ ]) .
𝑐 𝑐 1 1

1 1
Jadi [ ] merupakan basis untuk 𝐾𝑒𝑟(𝑇), sehingga
1 1

𝑛𝑢𝑙𝑙𝑖𝑡𝑎𝑠 (𝑇) = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝐾𝑒𝑟(𝑇) = 1,

𝑟𝑎𝑛𝑘 (𝑇) = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑊 − 𝑛𝑢𝑙𝑙𝑖𝑡𝑎𝑠 (𝑇) = 3 − 1 = 2.

Teorema 6.9 Jika 𝐴 adalah matriks berukuran 𝑚 × 𝑛, maka dimensi ruang


penyelesaian dari 𝐴𝑥 = 0 adalah 𝑛 − 𝑟𝑎𝑛𝑘 (𝐴).

C. Jenis-jenis Transformasi Linier


Selanjutnya kita akan membahas beberapa jenis transformasi linear. Dari
beberapa konsep ini akan kita pelajari konsep isomorfisme dari dua ruang vektor.

Definisi 6.10 Diberikan 𝑇: 𝑉 → 𝑊 adalah suatu transformasi linear.

a. 𝑇 disebut transformasi linear pada (onto atau surjektif) jika untuk setiap
elemen di 𝑊 mempunyai kawan di 𝑉, yaitu:
(∀𝑤𝜖𝑊 )(∃𝑣𝜖𝑉 )𝑇(𝑣 ) = 𝑤.
b. 𝑇 disebut transformasi linear satu-satu (injektif) jika untuk setiap elemen
di 𝑊 mempunyai kawan di 𝑉, makan kawannya tunggal, yaitu:
(∀𝑣1 , 𝑣2 𝜖𝑉 )(𝑇(𝑣1 ) = 𝑇(𝑣2 ) → 𝑣1 = 𝑣2 ).

Contoh 6.10

Diberikan transformasi linear berikut: 𝑇: ℝ2 → ℝ3 , didefinisikan:

Aljabar Linear 89
𝑥 2𝑥
𝑇 ([𝑦]) = [𝑥 − 𝑦].
0

Tunjukkan apakah transformasi linear tersebut injektif atau surjektif.

Penyelesaian

𝑥1 𝑥2
a. Ambil sebarang 𝑣1 , 𝑣2 𝜖ℝ2 , dengan 𝑣1 = [𝑦 ], 𝑣2 = [𝑦 ] dan
1 2

𝑥1 𝑥2 2𝑥1 2𝑥2
𝑇 [𝑦 ] = 𝑇 [𝑦 ] maka[𝑥1 − 𝑦1 ] = [𝑥2 − 𝑦2 ],
1 2
0 0
Didapat dua buah persamaan, yaitu 2𝑥1 = 2𝑥2 dan 𝑥1 − 𝑦1 = 𝑥2 − 𝑦2,
sehingga diperoleh 𝑥1 = 𝑥2 dan 𝑦1 = 𝑦2, atau dengan kata lain 𝑣1 = 𝑣2 .
Dengan demikian 𝑇 adalah transformasi linear injektif.

𝑥 𝑥 0
2
b. Diperhatikan bahwa tidak ada [𝑦] 𝜖ℝ yang memenuhi 𝑇 ([𝑦]) = [0].
1
Karena rangenya tidak semuanya berada di ℝ3 , maka 𝑇 bukan
transformasi linear surjektif.

Teorema 6.11 Transformasi linear 𝑇: 𝑉 → 𝑊 adalah injektif jika dan hanya jika
𝐾𝑒𝑟(𝑇) = {0} dengan 0𝜖𝑉.

Contoh 6.11

Diberikan transformasi linear 𝑇: ℝ2 → 𝑃1 didefinisikan

𝑎
𝑇 ([ ]) = 𝑎 + (𝑎 + 𝑏)𝑥.
𝑏

Tunjukkan bahwa tranformasi linear 𝑇 adalah injektif dan surjektif.

Penyelesaian

a. Akan ditunjukkan bahwa 𝑇 adalah injektif.

Aljabar Linear 90
𝑎 𝑎
Jika [ ] adalah kernel dari 𝑇, maka 0=T( ) = 𝑎 + (𝑎 + 𝑏)𝑥. Dengan
𝑏 𝑏
𝑎 0
demikian 𝑎 = 0 dan 𝑎 + 𝑏 = 0, diperoleh 𝑏 = 0, maka [ ] = [ ] dan
𝑏 0
0
𝐾𝑒𝑟(𝑇) = {[ ]}.
0
Berdasarkan Teorema 6. 11 maka terbukti bahwa 𝑇 adalah injektif.

b. Akan ditunjukkan bahwa 𝑇 adalah surjektif.


𝑅𝑎𝑛𝑘 (𝑇) = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 ℝ2 − 𝑛𝑢𝑙𝑙𝑖𝑡𝑎𝑠 (𝑇) = 2 − 0 = 2, sehingga
𝑟𝑎𝑛𝑔𝑒 (𝑇) = ℝ2 .
Jadi terbukti bahwa 𝑇 adalah surjektif.

Teorema 6.12 Diberikan transformasi linear 𝑇: 𝑉 → 𝑊.

𝐷𝑖𝑚𝑒𝑛𝑠𝑖 𝑉 = 𝐷𝑖𝑚𝑒𝑛𝑠𝑖 𝑊 = 𝑛, maka 𝑇 adalah injektif jika dan hanya jika


transformasi linear tersebut surjektif.

Teorema 6.13 Diberikan 𝑇: 𝑉 → 𝑊merupakan transformasi linear injektif. Jika


𝑆 = {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑘 } adalah himpunan yang bebas linear di 𝑉, maka 𝑇(𝑆) =
{𝑇(𝑣1 ), 𝑇(𝑣2 ), 𝑇(𝑣3 ), … , 𝑇(𝑣𝑘 )} adalah himpunan yang bebas linear di 𝑊.

Teorema 6.14 Transformasi linear 𝑇: 𝑉 → 𝑊 adalah invertilble jika dan hanya


jika 𝑇 injektif dan surjektif.

Definisi 6.15 Transformasi linear 𝑇: 𝑉 → 𝑊 disebut isomorfisme jika 𝑇 injektif


dan surjektif. Jika 𝑉 dan W merupakan ruang vektor sehingga ada isomorfisme
dari 𝑉 ke 𝑊, maka dikatakan 𝑉 isomorfis dengan 𝑊 dan dinotasikan dengan 𝑉 ≅
𝑊.

Contoh 6.12

Tunjukkan bahwa 𝑃𝑛+1 dan ℝ𝑛 adalah isomorfis

Penyelesaian

Didefinisikan 𝑇: 𝑃𝑛−1 → ℝ𝑛 dengan (𝑝(𝑥)) = [𝑝(𝑥 )]𝜀 , 𝜀 = {1, 𝑥, 𝑥 2 , … , 𝑥 𝑛−1 }.

Dengan kata lain:

Aljabar Linear 91
𝑎0
𝑎1
𝑇(𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 + ⋯ + 𝑎𝑛−1 𝑥 ) = 𝑎2
2 𝑛−1

[𝑎𝑛−1 ]

Diperhatikan bahwa 𝑇 merupakan transformasi linear karena:

a. Diambil sebarang 𝑝(𝑥1 ), 𝑝(𝑥2 )𝜖𝑃𝑛−1 berlaku:


𝑇(𝑝(𝑥1 ) + 𝑝(𝑥2 )) = 𝑇(𝑝(𝑥1 )) + 𝑇(𝑝(𝑥2 ))
b. Diambil sebarang 𝑝(𝑥1 )𝜖𝑃𝑛−1 dan 𝛼𝜖ℝ berlaku
𝑇(𝛼𝑝(𝑥1 )) = 𝛼𝑇(𝑝(𝑥1 )).

Selanjutnya jika 𝑝(𝑥 ) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛−1 𝑥 𝑛−1 merupakan 𝐾𝑒𝑟(𝑇),


maka:

𝑎0 0
𝑎1 0
𝑎2 = 𝑇(𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + ⋯ + 𝑎𝑛−1 𝑥 𝑛−1 ) = 0 , sehingga
⋮ ⋮
[𝑎𝑛−1 ] [0]

𝑎0 = 𝑎1 = 𝑎2 = ⋯ = 𝑎𝑛−1 = 0, maka 𝑝(𝑥 ) = 0, jadi diperoleh: 𝐾𝑒𝑟(𝑇) = {0}.

Berdasarkan Teorema 6.11 maka 𝑇 adalah injektif.

Selanjutnya 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑃𝑛−1 = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 ℝ𝑛 = 𝑛, maka berdasarkan Teorema 6.12


𝑇 adalah surjektif.

Dengan demikian terbukti bahwa 𝑃𝑛−1 ≅ ℝ𝑛 .

Teorema 6.17 Diberikan 𝑉dan 𝑊 adalah dua buah ruang vektor yang berdimensi
𝑛, maka 𝑉 isomorfis dengan 𝑊 jika dan hanya jika 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑉 = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑊.

Contoh 6.13

Diberikan 𝑊 merupakan ruang vektor dari matriks simetris berukuran 2 × 2.


Tunjukkan bahwa 𝑊 isomorfis dengan ℝ3 .

Penyelesaian

Aljabar Linear 92
Karena anggota vektor basis 𝑊 ada 3 maka 𝐷𝑖𝑚𝑒𝑛𝑠𝑖 𝑊 = 3 sehingga
𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑊 = 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 ℝ3. Berdasarkan Teorema 6.17, maka 𝑊 ≅ ℝ3 .

D. Transformasi Linear dari ℝ𝑛 ke ℝ𝑚


Diberikan matriks 𝐴 berukuran 2 × 3 dengan anggotanya merupakan
bilangan real, maka untuk setiap 𝑣𝜖ℝ3, hasil perkalian 𝐴𝑣 akan berada di ℝ2 . Jadi
dapat disimpulkan bahwa untuk setiap 𝑣𝜖ℝ3 terdapat dengan tunggal 𝑎𝜖ℝ2
sedemikian hingga berlaku 𝑎2×1 = 𝐴2×3 𝑣3×1. Berdasarkan hal ini dapat
disimpulkan bahwa dari matriks 𝐴2×3 dapat dibuat fungsi atau pemetaan berikut:
𝑇: ℝ3 → ℝ2

dengan 𝑇(𝑣 ) = 𝐴2×3𝑣3×1, ∀𝑣3×1 𝜖ℝ3 .

Selanjutnya dari sifat 𝐴(𝑣 + 𝑤) = 𝐴(𝑣 ) + 𝐴(𝑤) dan 𝐴(𝛼𝑣 ) = 𝛼𝐴(𝑣 ),


∀𝑣, 𝑤𝜖ℝ3 dan 𝛼𝜖ℝ, dapat dituliskan dengan fungsi 𝑇 berikut: ∀𝑣, 𝑤𝜖ℝ3 dan 𝛼𝜖ℝ
berlaku:

𝑇 ( 𝑣 + 𝑤 ) = 𝑇 (𝑣 ) + 𝑇 ( 𝑤 )

dan

𝑇(𝛼𝑣 ) = 𝛼𝑇(𝑣 ).

Dari sifat ini diperhatikan bahwa 𝑇 mengawetkan operasi penjumlahan


pada ℝ3 ke penjumlahan pada ℝ2 dan 𝑇 juga mengawetkan operasi pergandaan
skala dengan vektor 𝑣𝜖ℝ3 ke pergandaan skalar dengan vektor di ℝ2 .

Selanjutnya transformasi linear 𝑇dari ℝ𝑛 keℝ𝑚 dijelaskan pada Definisi


6.18 berikut:

Definisi 6.18 Fungsi 𝑇: ℝ𝑛 → ℝ𝑚 disebut transformasi linear jika ∀𝑥, 𝑦𝜖ℝ𝑛 dan
∀𝛼𝜖ℝ, berlaku:

a. 𝑇(𝑥 + 𝑦) = 𝑇(𝑥 ) + 𝑇(𝑦)


b. 𝑇(𝛼𝑥 ) = 𝛼𝑇(𝑥 )

Aljabar Linear 93
Terlihat bahwa untuk setiap matriks 𝐴𝑚×𝑛 = [𝑎𝑖𝑗 ] dengan komponen-komponen
real akan mendefinisikan transformasi linear 𝑇 dari ruang vektor ℝ𝑛 ke ruang
vektor ℝ𝑚 ,yaitu:

𝑇: ℝ𝑛 → ℝ𝑚

Dengan definisi ∀ 𝑥𝜖ℝ𝑛

𝑇 (𝑥 ) = 𝐴𝑥.

Contoh 6.14

1 −3
Diberikan matriks 𝐴 = [ 3 5 ] dan transformasi linear 𝑇: ℝ2 → ℝ3 , dengan
−1 7
definisi
1 −3 𝑥 𝑥1 − 3𝑥2
1 2
𝑇(𝑥 ) = 𝐴𝑥 = [ 3 ]
5 𝑥 [ ] = [ 3𝑥1 + 5𝑥2 ] , untuk semua 𝑥𝜖ℝ .
2
−1 7 −𝑥1 + 7𝑥2

Berdasarkan uraian di atas, diperhatikan bahwa transformasi linear dari ℝ𝑛 →


ℝ𝑚 merupakan transformasi matriks. Jika 𝑇: ℝ𝑛 → ℝ𝑚 adalah sebarang
transformasi linear, maka dapat ditentukan suatu matriks 𝐴 yang berukuran 𝑚 × 𝑛
sedemikian hingga 𝑇 merupakan perkalian oleh 𝐴 dengan 𝑥𝜖ℝ𝑛 . Hal ini
diperlihatkan dalam Teorema 6.19.

Teorema 6.19 Jika 𝑇: ℝ𝑛 → ℝ𝑚 adalah transformasi linear dan {𝑒1 , 𝑒2 , … , 𝑒𝑛 }


adalah basis standar untuk ℝ𝑛 , maka 𝑇 adalah perkalian oleh 𝐴 dengan 𝑥𝜖ℝ𝑛 ,
atau 𝑇(𝑥 ) = 𝐴𝑥, untuk 𝐴 adalah matriks dengan vektor-vektor kolomnya yaitu:
𝑇(𝑒1 ), 𝑇(𝑒2 ), … , 𝑇(𝑒𝑛 ).

Contoh 6.15

Tentukan matriks standar untuk transformasi linear 𝑇: ℝ3 → ℝ4 , yang


didefinisikan oleh:

𝑥1 𝑥1 + 𝑥2
𝑥 − 𝑥2
𝑇 ([𝑥2 ]) = [ 1 ]
𝑥3 𝑥3
𝑥1

Aljabar Linear 94
Penyelesaian

1+0 1
1
𝑇(𝑒1 ) = 𝑇 ([0]) = [ 1 − 0 ] = [1],
0 0
0 1 1

0+1 1
0
𝑇(𝑒2 ) = 𝑇 ([1]) = [ 0 − 1 −1
] = [ ],
0 0
0 0 0

0+0 0
0
𝑇(𝑒3 ) = 𝑇 ([0]) = [0 − 0] = [0],
1 1
1 0 0

Jadi diperoleh matriks standar untuk transformasi linearnya adalah:

1 1 0
1 −1 0
𝐴=[ ].
0 0 1
1 0 0

Definisi 6.19 Jika 𝐴 adalah suatu matriks tertentu, maka transformasi linear
𝑇𝐴: ℝ𝑛 → ℝ𝑚. Didefinisikan 𝑇𝐴 (𝑥 ) = 𝐴𝑥 disebut transformasi linear yang
dihubungkan dengan matriks 𝐴.

Lebih lanjut sama dengan pembahasan sebelumnya, jika 𝑇 merupakan


transformasi linear dari ruang vektor ℝ𝑛 ke ruang vektor ℝ𝑚 , maka 𝑇 tidak
hanya mengawetkan operasi penjumlahan dan pergandaan skalar, tetapi juga
mengawetkan vektor nol, mengawetkan negatif dari vektorl serta mengawetkan
kombinasi linear.

E. Matriks Representasi Transformasi Linear

Telah dibahas bahwa setiap transformasi linear matriks 𝐴𝑚×𝑛 akan


mendefinisikan transformasi linear dari ℝ𝑛 → ℝ𝑚 . Apakah hal berlaku
sebaliknya, yaitu apakah setiap transformasi linear dari ℝ𝑛 → ℝ𝑚 menentukan
suatu matriks berukuran 𝑚 × 𝑛 atas ℝ? Untuk menjawab hal ini perhatikan
penjelasan berikut.

Aljabar Linear 95
Diberikan transformasi linear 𝑇: 𝑉 → 𝑊, dengan 𝑉 adalah sebuah ruang
vektor berdimensi 𝑛, dan 𝑊 adalah sebuah ruang vektor berdimensi 𝑚. Jika kita
memilih basis 𝜇 dan 𝛽 masing-masing untuk ruang vektor 𝑉 dan 𝑊, dengan 𝜇 =
{𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 } dan 𝛽 = {𝑤1 , 𝑤, 𝑤3 , … , 𝑤𝑛 } maka untuk setiap vektor 𝑣 pada 𝑉,
matriks koordinat [𝑣 ]𝜇 akan merupakan sebuah vektor pada ℝ𝑛 dan matriks
koordinat [𝑇(𝑣 )]𝛽 akan merupakan sebuah vektor pada ℝ𝑚 .

Jadi, proses pemetaan 𝑣 ke 𝑇(𝑣 ) untuk transformasi linear 𝑇 akan menghasilkan


suatu pemetaan dari ℝ𝑛 ke ℝ𝑚 , yang memetakan [𝑣 ]𝜇 ke [𝑇(𝑣 )]𝛽 .

Akan diperlihatkan bahwa pemetaan yang dihasilkan tersebut merupakan


transformasi linear.

Selanjutnya kita misalkan 𝐴 sebagai matriks standar untuk transformasi


𝑇: 𝑉 = ℝ𝑛 → 𝑊 = ℝ𝑚 , dengan 𝐴𝑚×𝑛 = [𝑎𝑖𝑗 ], 1 ≤ 𝑖 ≤ 𝑚 dan 1 ≤ 𝑗 ≤ 𝑛, yang
memenuhi:

𝐴[𝑣 ]𝜇 = [𝑇(𝑣 )]𝛽

untuk semua vektor 𝑣𝜖𝑉. Dalam hal ini matriks 𝐴 disebut matriks untuk 𝑇 yang
berkorespondensi dengan basis 𝜇 dan basis 𝛽 (matrix for 𝑻 with respect to the
bases 𝝁 and 𝜷).

Agar persamaan 𝐴[𝑣 ]𝜇 = [𝑇(𝑣 )]𝛽 dipenuhi, untuk vektor basis 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 ,


yaitu

𝐴[𝑣1 ]𝜇 = [𝑇(𝑣1 )]𝛽 , 𝐴[𝑣2 ]𝜇 = [𝑇(𝑣2 )]𝛽 , … , 𝐴[𝑣𝑛 ]𝜇 = [𝑇(𝑣𝑛 )]𝛽 .

Karena

1 0 0
0 1 0
[𝑣1 ]𝜇 = 0 , [𝑣2 ]𝜇 = 0 , … , [𝑣𝑛 ]𝜇 = 0
⋮ ⋮ ⋮
[0] [0] [1]

maka

Aljabar Linear 96
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 1
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 0
𝐴[𝑣1 ]𝜇 = 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 0 ,
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 ] 0]
[

𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 0


𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 1
𝐴[𝑣2 ]𝜇 = 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 0 ,
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 ] [0]

𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 0


𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 0
𝐴 𝑣𝑛 𝜇 = 𝑎31
[ ] 𝑎32 𝑎33 … 𝑎3𝑛 0 .
⋮ ⋮ ⋮ ⋱ ⋮ ⋮
[𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 ] [1]

Diperoleh:

𝑎11 𝑎12 𝑎1𝑛


𝑎21 𝑎22 𝑎2𝑛
[𝑇(𝑣1 )]𝛽 = 𝑎31 , [𝑇(𝑣2 )]𝛽 = 𝑎32 , … , [𝑇(𝑣𝑛 )]𝛽 = 𝑎3𝑛 ,
⋮ ⋮ ⋮
[𝑎𝑚1 ] [𝑎𝑚2 ] [𝑎𝑚𝑛 ]

yang menunjukkan bahwa kolom 𝐴 yang berurutan merupakan matriks koordinat


dari

𝑇(𝑣1 ), 𝑇(𝑣2 ), … , 𝑇(𝑣𝑛 )

yang berkorespondensi dengan basis 𝛽. Jadi diperoleh matriks tunggal 𝐴 yang


disebut matriks untuk 𝑇 yang berkorespondensi dengan basis 𝜇 dan basis 𝛽 dan
dinyatakan oleh:

𝐴 = [[𝑇(𝑣1 )]𝛽 [𝑇(𝑣2 )]𝛽 … [𝑇(𝑣𝑛 )]𝛽 ].

Matriks 𝐴 inilah yang dinamakan matriks representasi dari transformasi linear 𝑇


terhadap basis 𝜇 dan basis 𝛽 dan dinotasikan dengan [𝑇]𝜇,𝛽 .

Aljabar Linear 97
Secara khusus, jika 𝑉 = 𝑊, maka biasanya diambil 𝜇 = 𝛽. Dalam hal ini
matriks yang dihasilkan disebut matriks untuk 𝑇 yang berkorespondensi dengan
basis 𝜇 dan dinyatakan dengan:

[𝑇]𝜇 = [[𝑇(𝑣1 )]𝛽 [𝑇(𝑣2 )]𝛽 … [𝑇(𝑣𝑛 )]𝛽 ].

Contoh 6.16

Diberikan transformasi linear 𝑇: ℝ2 → ℝ2, didefinisikan

𝑎 2𝑎 − 𝑏
𝑇 ([ ]) = [ ].
𝑏 4𝑎 − 3𝑏

Tentukan [𝑇]𝜇 untuk 𝜇 adalah basis standar ℝ2 .

Penyelesaian

1 2 1 0
𝑇 ([ ]) = [ ] = 2 [ ] + 4 [ ],
0 4 0 1

0 −1 1 0
𝑇 ([ ]) = [ ] = −1 [ ] + (−3) [ ],
1 −3 0 1

2 −1
Jadi [𝑇]𝜇 = [ ].
4 −3

Contoh 6.17

Diberikan transformasi linear 𝑇: ℝ2 → ℝ3, yang didefinisikan

𝑥2
𝑥1
𝑇 ([𝑥 ]) = [−5𝑥1 + 13𝑥2 ].
2
−7𝑥1 + 16𝑥2

Tentukan matriks untuk 𝑇 yang berkorespondensi dengan basis

1 −1 0
3 5
𝜇 = {𝑣1 = [ ] , 𝑣2 = [ ]} dan 𝛽 = {𝑤1 = [ 0 ] , 𝑤2 = [ 2 ] , 𝑤3 = [1]}.
1 2
−1 2 2

Penyelesaian

Dari fungsi 𝑇 diperoleh:

Aljabar Linear 98
1 1 0
( ) 3
𝑇 𝑣1 = 𝑇 ([ ]) = [−2] = 1 [ 0 ] − 2 [1] = 𝑤1 − 2𝑤3 ,
1
−5 −1 2

2 1 −1 0
5
𝑇(𝑣1 ) = 𝑇 ([ ]) = [ 1 ] = 3 [ 0 ] + 2 [ 2 ] − [1] = 3𝑤1 + 2𝑤2 − 𝑤3.
2
−3 −1 2 2

1 3
Jadi [𝑇(𝑣1 )]𝜇 = [ 0 ] dan [𝑇(𝑣2 )]𝜇 = [ 1 ].
−2 −1

1 3
Karena itu, [𝑇]𝜇,𝛽 = [ 0 1 ].
−2 −1

Selanjutnya Teorema 6.20 berikut menyatakan bahwa representasi dari


suatu matriks bermanfaat dimana komponen dari peta 𝑣 di bawah 𝑇 dapat
diperoleh dengan mengalikan representasi matriks dari 𝑇dengan komponen 𝑣.

Teorema 6.20 Diberikan 𝑇: 𝑉 → 𝑊 merupakan transformasi linear dari ruang


vektor berdimensi hingga 𝑉 ke ruang vektor berdimensi hingga 𝑊. Diambil 𝜇
dan 𝛽 berturut-turut sebagai basis untuk 𝑉 dan 𝑊.

Jika 𝑣𝜖𝑉, maka [𝑇(𝑣 )]𝛽 = [𝑇]𝜇,𝛽 [𝑣 ]𝜇 .

Contoh 6.18

Diberikan 𝑇: ℝ2 → ℝ2 , didefinisikan

𝑎 2𝑎 − 𝑏
𝑇 ([ ]) = [ ].
𝑏 4𝑎 − 3𝑏

2 −1
Gunakan basis baku 𝜇 dari ℝ2 dan [𝑇]𝜇 = [ ] untuk menghitung
4 −3
−2
[𝑇 ([ ])] .
3 𝜇

Penyelesaian

−2 1 0
[ ] = −2 [ ] + 3 [ ]
3 0 1

Sehingga

Aljabar Linear 99
−2 −2
[[ ]] = [ ].
3 𝜇 3

Diketahui bahwa [𝑇(𝑣 )]𝜇 = [𝑇]𝜇 [𝑣 ]𝜇 ,

−2 2 −1 −2 −7
Karena itu [𝑇 ([ ])] = [ ] [ ] = [ ].
3 𝜇 4 −3 3 17

−2 −7
Jadi diperoleh [𝑇 ([ ])] = [ ].
3 𝜇 17

Latihan/Tugas

1. Gunakan Definisi 6.1 untuk menunjukkan bahwa fungsi 𝑇: ℝ3 → ℝ2 yang


didefinisikan oleh:
𝑥1
2𝑥 − 𝑥2 + 𝑥3
𝑇 ([𝑥2 ]) = [ 1 ]
𝑥3 𝑥1 + 𝑥2 − 4𝑥3

merupakan sebuah transformasi linear.


2. Buktikan Teorema 6.13
3. Diberikan 𝑇1: 𝑉 → 𝑊 dan 𝑇2 : 𝑉 → 𝑊 adalah transformasi-transformasi
linear. Didefinisikan fungsi (𝑇1 + 𝑇2): 𝑉 → 𝑊 dan (𝑇1 − 𝑇2 ): 𝑉 → 𝑊
dengan rumus:
(𝑇1 + 𝑇2 )(𝑣 ) = (𝑇1)(𝑣 ) + (𝑇2 )(𝑣 )
(𝑇1 − 𝑇2 )(𝑣 ) = (𝑇1)(𝑣 ) − (𝑇2 )(𝑣 )
a. Tunjukkan bahwa 𝑇1 + 𝑇2 dan 𝑇1 − 𝑇2 adalah transformasi-
transformasi linear.
b. Tentukan rumus (𝑇1 + 𝑇2 )(𝑥, 𝑦) dan (𝑇1 − 𝑇2 )(𝑥, 𝑦) jika 𝑇1 : ℝ2 → ℝ2
dan 𝑇2: ℝ2 → ℝ2 diberikan oleh rumus (𝑇1)(𝑥, 𝑦) = (2𝑦, 3𝑥 ) dan
rumus (𝑇2 )(𝑥, 𝑦) = (𝑦, 𝑥. )
4. Diberikan transformasi linear dari 𝑇 yang diwakili oleh matriks
1 4 5 0 9
3 −2 1 0 −1
[ ]
−1 0 −1 0 −1
2 3 5 1 8
Carilah rank dan nullitas 𝑇.

Aljabar Linear 100


5. Diberikan transformasi linear 𝑇: ℝ3 → ℝ3, yang diwakili oleh matriks
1 3 4
[ 3 4 6]
−2 3 0
a. Carilah 𝐾𝑒𝑟(𝑇).
b. Carilah 𝑅𝑎𝑛𝑔𝑒(𝑇).
6. Diberikan transformasi linear 𝑇: ℝ𝑛 → ℝ𝑚 dan 𝜇 = {𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 }
adalah basis di ℝ𝑛 . Jika 𝑇 merupakan transformasi linear yang surjektif,
buktikan bahwa {𝑇(𝑣1 ), 𝑇(𝑣2 ), 𝑇(𝑣3 ), … , 𝑇(𝑣𝑛 )} adalah basis di ℝ𝑚 .
7. Diberikan : 𝑃2 → 𝑃2 , didefinisikan 𝑇(𝑝) = 𝑝 + 2𝑝′ + 3𝑝".
Gunakan 𝐵 = {1, 𝑥, 𝑥 2 } untuk mencari [𝑇]𝐵 .
8. Diberikan : 𝑃2 → 𝑃2 , didefinisikan 𝑇(𝑝) = 𝑝 + 2𝑝′ + 3𝑝".
1 3 8
Gunakan 𝜇 = {1, 1 + 𝑥, 1 + 𝑥 + 𝑥 2 } dan [𝑇]𝜇 = [0 1 8],
0 0 1
untuk menghitung [𝑇(2 − 𝑥 + 𝑥 2 )]𝜇 dan 𝑇(2 − 𝑥 + 𝑥 2 ).

Rangkuman

Jika 𝑇: 𝑉 → 𝑊 merupakan transformasi linear dari ruang vektor


𝑉 ke ruang vektor 𝑊, maka 𝑇 mengawetkan operasi penjumlahan dan
pergandaan skalar, dan tidak hanya itu tetapi juga mengawetkan vektor nol,
mengawetkan negatif dari sebuah vektor serta mengawetkan kombinasi linear.

Transformasi linear dapat dinyatakan dalam bentuk matriks. Setiap


transformasi linear dari ruang vektor berhingga ke ruang vektor berhingga
menentukan suatu matriks yang disebut dengan matriks representasi transformasi
linear.

PENUTUP

Tes Formatif

1. Diberikan fungsi 𝑇: ℝ3 → ℝ2 , didefinisikan

Aljabar Linear 101


𝑥
𝑥+𝑦+𝑧
𝑇 ([𝑦]) = [ ].
2𝑥 − 3𝑦 + 4𝑧
𝑧
Tunjukkan apakah 𝑇 merupakan transformasi linear atau bukan.
2. Diberikan 𝑉 dan 𝑈 adalah ruang vektor atas lapangan 𝐾. Misalkan 𝜇 =
{𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 } adalah basis dari 𝑉 dan jika 𝑣1 , 𝑣2 , 𝑣3 , … , 𝑣𝑛 adalah
vektor di 𝑈. Maka terdapat transformasi linear tunggal 𝑇: 𝑉 → 𝑈
sedemikian hingga 𝑇(𝑣1 ) = 𝑢1 , 𝑇(𝑣2 ) = 𝑢2 , 𝑇(𝑣3 ) = 𝑢3 , … , 𝑇(𝑣𝑛 ) = 𝑢𝑛 .
3. Diberikan 𝑇: ℝ3 → ℝ3 , didefinisikan
𝑥 𝑥 + 2𝑦 − 𝑧
𝑇 ([𝑦]) = [ 𝑦 + 𝑧 ]
𝑧 𝑥 + 2𝑦 − 𝑧
Tentukan basis dan dimensi dari: 𝑅𝑎𝑛𝑔𝑒 (𝑇) dan 𝐾𝑒𝑟(𝑇).
4. Diberikan transformasi linear 𝑇: 𝑃2 → 𝑃2, yang didefinisikan oleh
𝑇(𝑝(𝑥 )) = 𝑥. 𝑝(𝑥 ).
Tentukan matriks untuk 𝑇 yang berkorespondensi dengan basis 𝜇 = {1, 𝑥 }
dan 𝛽 = {1, 𝑥, 𝑥 2 }.
5. Diberikan : 𝑃2 → 𝑃2 , yang didefinisikan 𝑇(𝑝) = 𝑝 + 2𝑝′ + 3𝑝".
1 2 4
Gunakan 𝜇 = {1, 1 + 𝑥, 1 + 𝑥 + 𝑥 2 } dan [𝑇]𝜇 = [0 1 4],
0 0 1
untuk menghitung [𝑇(2 − 𝑥 + 𝑥 2 )]𝜇 dan 𝑇(2 − 𝑥 + 𝑥 2 ).

Umpan Balik

1. Gunakan Definisi 6.1 dan melihat Contoh 6.1 sampai dengan Contoh 6.5
2. Gunakan tiga langkah berikut untuk membuktikannya, yaitu: (1)
definisikan dahulu fungsi 𝑇 yang memetakan 𝑉 ke 𝑈, (2) Buktikan 𝑇
merupakan transformasi linear, dan (3) Tunjukkan bahwa 𝑇 tunggal.
3. Lihat Contoh 6.9.
4. Lihat Contoh 6.16 dan Contoh 6.17.
5. Lihat Contoh 6.18.

Aljabar Linear 102


Tindak Lanjut

Pada Modul 6 ini, dilakukan pengukuran pemahaman Anda tentang transformasi


linear dan sifat-sifatnya serta mampu menunjukkan matriks representasi dari suatu
transformasi linear.

1. Soal 1, 3,4 dan 5 mempunyai bobot 10 dan soal 2 mempunyai bobot 30.
𝐵𝑜𝑏𝑜𝑡
2. 𝑁𝑖𝑙𝑎𝑖 = × 100.
70

3. Perhatikan nilai anda peroleh termasuk dalam kategori manakah:


0 ≤ 𝑁𝑖𝑙𝑎𝑖 ≤ 50 : kurang, anda wajib mengulang Modul 6.
50 < 𝑁𝑖𝑙𝑎𝑖 ≤ 70 : cukup, anda harus lebih banyak mengerjakan soal
latihan.
70 < 𝑁𝑖𝑙𝑎𝑖 ≤ 100 : Baik, silahkan lanjut ke Modul 7.

Kunci Jawaban

1. 𝑇 Transformasi linear.
2. (1) definisikan dahulu fungsi 𝑇 yang memetakan 𝑉 ke 𝑈, (2) Buktikan 𝑇
merupakan transformasi linear, dan (3) Tunjukkan bahwa 𝑇 tunggal.
1 0
3. Basis 𝑅𝑎𝑛𝑔𝑒 𝑇 = {[0] , [ 1 ]}, dimensi 𝑅𝑎𝑛𝑔𝑒 (𝑇) = 2.
( )
1 −1
3
Basis 𝐾𝑒𝑟(𝑇) = [−1], dimensi 𝐾𝑒𝑟(𝑇) = 1.
1

0 0
4. [𝑇]𝜇,𝛽 = [1 0].
0 1
3
5. 𝑇 2 − 𝑥 + 𝑥 𝜇 = 2] , 𝑇(2 − 𝑥 + 𝑥 2 ) = 6 + 3𝑥 + 𝑥 2 .
[ ( 2 )] [
1

Aljabar Linear 103