BAB I

PENDAHULUAN

A. LATAR BELAKANG

Sudah menjadi rahasia umum bahwa matematika merupakan momok menakutkan bagi sebagaian
besar siswa. Salah satu materi matematika yang menyulitkan bagi siswa adalah Aljabar. Diantaranya
karena Aljabar umum menggunakan dummy variabel berbentuk huruf (misalnya x, y, z, p,q, m, n)
yang umumnya sulit untuk dapat dicerna (baca:dibayangkan) oleh siswa. Sehingga perlu adanya
pemahaman lebih dalam bagi mahasiswa pendidikan Matematika sebagai calon pendidik nantinya.

Aljabar Linear yang termasuk salah satu cabang ilmu Matematika, memiliki karakteristik
tersendiri dalam isi maupun proses pembelajarannya. Aljabar Linear ini identik dengan penggunaan
logika dalam pemecahan masalah dan pencarian solusi. Pembelajaran Aljabar Linear yang harus
melalui pra syarat penguasaan Logika Matematika & Himpunan tentunya tidak lepas dari aplikasi
penggunaannya dalam kehidupan sehari-hari, baik secara konkret maupun abstrak. Nilai-nilai yang
terkandung di dalamnya tentu menjadi sebuah pembelajaran yang sangat berguna bagi orang yang
mempelajari maupun mengajarinya, khususnya bagi mahasiswa pendidikan Matematika.

1
 BAB II
PEMBAHASAN

TRANSFORMASI LINIEAR DARI Rn KE Rm

A. Fungsi - Fungsi Dari Rn Ke R

Ingat bahwa sebuah fungsi adalah suatu aturan f yang menghubungkan setiap unsur dalam
himpunan A ke satu dan hanya satu unsur dalam himpunan B. Jika f menghubungkan unsur b
dengan unsur a, maka kita tulis b = f (a) dan kita katakan bahwa b adalah bayangan dari a
dibawah f atau bahwa f (a) adalah nilai dari f di a. Himpunan A disebut daerah asal dari f
dan himpunan B disebut daerah kawan dari f. Fungsi-fungsi umum lainnya terjadi ketika B
adalah himpunan bilangan real dan A himpunan vektor dalam R2, R3, atau secara lebih umum,
dalam Rn. Beberapa contoh ditunjukkan dalam Tabel 1.

TABEL 1
RUMUS CONTOH KLASIFIKASI URAIAN
2
f (x) f (x) = x Fungsi bernilai real Fungsi dari R ke R
dari suatu variabel
real
f (x,y) f (x,y) = x2 + y2 Fungsi bernilai real Fungsi dari R2 ke R
dari dua variabel real

f (x,y,z) f (x,y,z) = x2 + y2+ z2 Fungsi bernilai real Fungsi dari R3 ke R

dari tiga variabel real

f (x1,x2,……,xn) f (x1,x2,…….,xn) = Fungsi bernilai real Fungsi dari Rn ke R

𝑥12 +𝑥22 +…𝑥𝑛2 dari n variabel real

B. Fungsi - Fungsi Dari Rn Ke Rm

Jika daerah asal suatu fungsi f adalah Rn dan daerah kawannya adalah Rm (m dan n
mungkin sama), maka f disebut suatu peta atau transformasi dari Rn ke Rm, dan kita
katakan bahwa f memetakan Rn ke Rm. Kita nyatakan ini dengan menuliskan Rn → Rm.
Dalam kasus dimana m = n transformasi f : Rn → Rn disebut suatu operator pada Rn.
Entri pertama dalam Tabel 1 merupakan suatu operator pada R.
Untuk mengilustrasikan suatu cara penting di mana transformasi dapat muncul,
anggap f1 ,f2,..,fm adalah fungsi-funngsi bernilai real dari n peubah real, misalkan :

w1 = f1 (x1,x2,…,xn)
w2=f2 (x1,x2,…,xn)
⋮ ⋮
wm = fm (x1,x2,…,xn) (1)

2
 Persamaan-persamaan m di atas menempatkan suatu titik unik (w1,w2,.,wm) dalam Rm
ke setiap titik (x1,x2,…,xn) dalam Rn. Jika kita menyatakan transformasi ini dengan T,
maka Rn → Rm dan T (x1,x2,…,xn) = (w1,w2,..,wm).

Contoh 1 : Persamaan-persamaan

w1 = x1 + x2
w2 = 3x1x2
w3 = 𝑥12 – 𝑥22

Mendefinisikan suatu transformasi T: R2 → R3. Dengan transformasi ini bayangan dari

titik (x1,x2) adalah
T(x1,x2) = (x1 + x2, 3x1x2, 𝑥12 - 𝑥22 )
Jadi, misalnya
T(1,-2) = (-1,-6,-3)

C. Transformasi Liniear Dari Rn ke Rm

Dalam kasus khusus di mana persamaan pada (1) adalah liniear, transformasi
T: R → Rm yang didefinisikan oleh persamaan-persamaan itu disebut suatu
n

transformasi liniear
T: Rn → Rm didefinisikan oleh persamaan berbentuk :

w1 = a11x1 + a12x2 + ⋯ + a1nxn

w2 = a21x1 + a22x2 + ⋯ + a2nxn
⋮ ⋮ ⋮ ⋮
wm = am1x1 + am2x2 + ⋯ + amnxn (2)

Atau dalam notasi matriks :

w1 a11 a12 ⋯ a1n x1

w2 = a21 a22 ⋯ a2n x2
⋮ ⋮ ⋮ ⋮ ⋮
wm am1 am2 ⋯ amn xn (3)

Atau secara lebih ringkas dengan :

w = Ax. (4)

Matriks A = [𝑎𝑖𝑗] disebut matriks standar untuk transformasi liniear T, dan T disebut
perkalian dengan A.

Contoh 2 : Transformasi liniear T: R4 → R3 yang didefinisikan oleh persamaan-

persamaan
w1 = 2x1 – 3x2 + x3 – 5x4
w2 = 4x1 + x2 – 2x3 + x4
w3 = 5x1 – x2 + 4x3 (5)

3
 Dapat dinyatakan dalam bentuk matriks sebagai :

w1 2 -3 1 -5 x1
w2 = 4 1 -2 1 x2
w3 5 -1 4 0 x3
x4 (6)
sehingga matriks standar untuk T adalah :

2 -3 1 -5
A= 4 1 -2 1
5 -1 4 0

Bayangan dari suatu titik (x1,x2,x3,x4) dapat dihitung secara langsung dari persamaan
yang mendefinisikannya (5) atau dari (6) dengan perkalian matriks. Misalnya, jika
(x1,x2,x3,x4) = (1,-3,0,2), maka dengan mensubtitusikannya ke (5) kita akan
mendapatkan :
w1 = 1, w2 = 3, w3 = 8

(buktikan) atau dengan cara lain (6)

w1 2 -3 1 -5 1 1
w2 = 4 1 -2 1 -3 = 3
w3 5 -1 4 0 0 8
2
D. Beberapa Masalah Rotasi

Jika T:Rn  Rm adalah perkalian dengan A, dan jika kita perlu menekankan bahwa A
adalah matriks standar untuk T, kita akan menyatakan transpormasi linier T:Rn  Rm dengan
TA:RnRm. jadi :
TA(x)=Ax (7)
Dipahami dalam persamaan ini bahwa vektor x dalam Rn dinyatakan sebagai suatu matriks
kolom.
Jika kita memperkenalkan suatu huruf baru untuk suatu transformasi linier T:Rn  Rm. dalam
kasus-kasus seperti inikita akan menyatakan matriks standar untuk T dengan simbol [T].
dengan notasi ini persamaan (7) akan menjadi:
T (x) = [T]x (8)
Kadangkala, dua notasi untuk matriks standar akan dicampur, di mana kita mempunyai
hubungan.
[TA] = A (9)

Komentar : Ditengah-tengah notasi ini, merupakan suatu hal yang pentinguntuk tetap
mengingat bahwa kita telah menetapkan persamaan antara matriks-matriks m x n dan
transformasi linier dari Rn ke Rm . untuk setiap matriks A terdapar suatu transformasi linier TA
yang cocok (pekalian dengan A) , dan untuk setiap transformasi linier T:Rn  Rm. terdapat
suatu matriks [T] m x n yang cocok (matriks standar untuk T)
4
E. Geometri Transformasi Linier

Tergantung dari apakah ganda-n dipandang sebagai titik atau vektor, dampak geometri
dari suatu operator T:Rn  Rm adalah mentransformasi setiap titik (atau vektor) dalam Rn
ke dalam beberapa titik (atau vektor) baru (gambar 1)
T(x)

T(x)

x x

T memetakan titik ke titik T memetakan vektor ke vektor

Gambar 1

Contoh 3 Jika 0 adalah matriks nol m x n dan 0 adalah vektor nol dalam Rn, maka untuk
setiap vektor x dalam Rn
T0 (x) = 0x = 0
Sehingga perkalian dengan nol memetakan setiap vektor dalam Rn kedalam vektor nol dalam
Rm. kita sebut T0 sehingga transformasi nol bari Rn ke Rm. kadang- kadang transformasi nol
dinyatakan 0. Meskipun ini adalah notasi yang sama dengan yang digunakan untuk martiks
nol, interpretasi yang tetap biasanya akan jelas dari konteksnya.
Contoh 4 Jika I adalah matriks identitas m x n maka untuk setiap vektor x dalam Rn

TI(x) = Ix = x

Sehingga perkalian dengan I memetakan setiap vektor dalam Rn ke dirinya sendiri. Kita sebut
sendiri TI sebagai operator identitas pada Rn. kadang-kadang operator identitas dinyatakan
dengan I. meskipun ini adalah notasi yang sama dengan yang digunakan untuk matriks
identitas, interpretasi yang tepat biasanya akan jelas dari konteksnya.

F. Operator-Operator Pencerminan

Tinjau operator T:Rn  Rm yang memetakan setiap vekktor ke bayangan simetrisnya terhadap
sumbu y (gambar 2)

(-x,y) (x,y)

W = T(x) x

Gambar 2
5
Jika kita anggap w = T(x), maka persamaan yang menghubungkan komponen-komponen x
dan w adalah

𝑤1 = −𝑥 = −𝑥 + 0𝑦

𝑤2 = 𝑦 = 0𝑥 + 𝑦 (10)

Atau dengan bentuk matriks,

𝑤1 −1 0 𝑥
[𝑤 ] = [ ][ ] (11)
2 0 1 𝑦
Karena dalam persamaan (10) adalah linier, maka T adalah suatu operator linier dan dari (11)
matriks standar untuk T adalah:
−1 0
[𝑇] = [ ]
0 1
Secara umum operator pada R2 dan R3 yang memetakan setiap vektor kebayangan simetrisnya
terhadap suatu garis atau bidang di sebut operator pencerminan. Operator-operator tersebut
linier. Tabel 2 dan 3 berisi daftar beberapa operator pencerminan yang umum.
TABEL 2

Operator Ilustrasi Persamaan Matriks standar

𝑤1 = −𝑥
𝑤2 = 𝑦
y
Pencerminan
−1 0
terhadap (-x,y) (x,y) [ ]
sumbu y 0 1

W=T(x) x x

𝑤1 = 𝑥
y (x,y) 𝑤2 = −𝑦
Pencerminan x 1 0
terhadap [ ]
0 −1
sumbu y
w = T(x) (x,-y)

𝑤1 = 𝑦
y 𝑤2 = 𝑥
(y,x) y=x
Pencerminan W=T(x)
0 1
terhadap garis x [ ]
1 0
x=y x (x,y)x

6
TABEL 3

Matriks
Operasi Ilustrasi Persamaan
standar
z

(x,y,z) 𝑤1 = 𝑥 1 0 0
Pencerninan x 𝑤2 = 𝑦 [0 1 0]
terhadap bidang y 𝑤3 = −𝑧 0 0 −1
xy
x w
(x,y,-z)

z
(x,-y,z) (x,y,z)
𝑤1 = 𝑥 1 0 0
Pencerminan
w x 𝑤2 = −𝑦 [0 −1 0]
terhadap bidang
y 𝑤3 = 𝑧 0 0 1
xz

z (-x,y,z)

w 𝑤1 = −𝑥 −1 0 0
Pencerminan
x (x,y,z) 𝑤2 = 𝑦 [ 0 1 0]
terhadap bidang
𝑤3 = 𝑧 0 0 1
yz
y

G. Operator –Operator Proyeksi

Tinjau operator T: R2 → R2 yang memetakan setiap vektor ke proyeksi ortogonalnya pada

sumbu x (gambar 3)
y
(x,y)

x
w
(x,0)

Gambar 3

7
persamaan –persamaan yang menghubungkan komponen-komponen x dan w =T(x) adalah
w1 = x = x + 0y (12)
w2 = 0 = 0x + 0y
atau dalam bentuk matriks
𝑤1 1 0 𝑥
[𝑤 ] = [ ][ ] (13)
2 0 0 𝑦
Persamaan dalam (12) adalah linier, maka T adalah suatu operator linier dan dari (13)matriks
standar untuk T adalah

[𝑇] = [1 0]
0 0
Secara umum, sebuah operator proyeksi (atau lebih tepatnya operator proyeksi ortogonal )
pada R2 atau R3 adalah sembarang operator yang memetakan setiap vektor keproyeksi
ortogonalnya pada suatu garis atau bidang yang melalui titik asal .Dapat ditunjukkan bahwa
operator-operator seperti itu adalah linier.Beberapa operator proyeksi dasar pada R2 dan R3
dibuat daftar pada tabel 4 dan 5.

TABEL 4

Operator Ilustrasi Persamaan Matrik

standar
Proyeksi W1 = x 1 0
[ ]
ortogonal W2 = 0 0 0
Pada sumbu x

Proyeksi W1 = 0 0 0
[ ]
ortogonal W2 = y 0 1
Pada sumbu y

TABEL 5

Operator Ilustrasi Persamaan Matrik

standar
Proyeksi z W1 = x 1 0 0
ortogonal W2 = y [0 1 0]
Pada bidang xy W3 = 0 0 0 0
(x,y,z)
x
y

x w
(x,y,0)
8
 z 1 0 0
Proyeksi (x,-y,z) (x,y,z) W1 = x [0 0 0]
ortogonal W2 = 0 0 0 1
Pada bidang xz w x W3 = z
y

x
Proyeksi W1 = 0 0 0 0
ortogonal W2 = y [0 1 0]
Pada bidang yz z (-x,y,z) W3 = z 0 0 1

w
x (x,y,z)

H. Operator-Operator Rotasi

Operator yang merotasikan setip vektor dalam 𝑅 2 melalui sudut tetap 𝜃 disebut
operator rotasi pada 𝑅 2 .Tabel 6 memberikan rumus-rumus untuk operator-operator rotasi
pada 𝑅 2 .Untuk menunjukan bagaimana hasil-hasil ini diturunkan, tinjau opertor rotasi yang
merotasikan setiap vektor berlawanan arah dengan jarum jam pada suatu sudut tetap 𝜃. Untuk
mencari persamaan yang menghubungkan x dan w = T(x), anggap ∅ adalah sudut dari sumbu
x positif ke x, dan anggap panjang x dan w masing-masing adalah r (Gambar 4)

Gambar 4
Maka dari trigonometri dasar 𝑥 = 𝑟 cos ∅, 𝑦 = 𝑟 sin ∅ (14)

Dan 𝑤1 = 𝑟 cos( 𝜃 + ∅), 𝑤2 = 𝑟 sin(𝜃 + ∅) (15)

Dengan menggunakan identitas trigonometri pada (15) kita dapat

𝑤1 = 𝑟 cos 𝜃 cos ∅ − 𝑟 sin 𝜃 sin ∅

𝑤2 = 𝑟 sin 𝜃 cos ∅ + 𝑟 cos 𝜃 sin ∅ (16)

9
Dan mensubtitusikan (14) menghasilkan

𝑤1 = 𝑥 cos 𝜃 − 𝑦 sin 𝜃

𝑤2 = 𝑥 sin 𝜃 + 𝑦 cos 𝜃
Persamaan-persamaan dalam (16) adlah linier sehingga T adalah sebuah operator linier; lebih
jauh, dari persamaan ini kita dapati bahwa matriks standar untuk T adalah

[𝑇] = [cos 𝜃 − sin 𝜃

]
sin 𝜃 cos 𝜃
TABEL 6

Operator Ilustrasi Persamaan Matriks Standar

Rotasi
dengan 𝑤1 = 𝑥 cos 𝜃 − 𝑦 sin 𝜃 cos 𝜃 − sin 𝜃
[ ]
sudut 𝜃 sin 𝜃 cos 𝜃
𝑤2 = 𝑥 sin 𝜃 + 𝑦 cos 𝜃

Contoh 5 Jika setiap vektor pada 𝑅 2 dirotasikan dengan sudut dengan π/6 = (30° ) maka
bayangan w dari suatu vektor
𝑥
𝑥 = [𝑦]

adalah

√3 1
cos 𝜋/6 −sin 𝜋/6 𝑥 √3/2 −1/2 𝑥 𝑥 − 𝑦
𝑤=[ ] [𝑦] = [ ] [𝑦] = 2 2
sin 𝜋/6 cos 𝜋/6 1/2 √3/2 1 √3
[ 2𝑥 +
2 ]
𝑦

Misalnya, bayangan vektor

1
𝑥=[ ]
1
adalah
√3−1

𝑤= [ 2 ]
1+√3
2

Suatu rotasi vektor-vektor pada 𝑅 3 biasanya diuraikan dalam hubunganya dengan

sinar yang berasal dari titik asal , yang disebut sumbu rotasi. Ketika suatu vektor berputar
mengelilingi sumbu rotasi maka vektor tersebut menyapu beberapa bagian dari sebuah
kerucut (Gambar 5a). Sudut rotasi, yang diukur di dasar kerucut, dijabarkan sebagai “searah
jarum jam” atau “berlawana arah dengan jarum jam” dalam hubungannya dengan suatu sudut
pandang yang sejajar dengan sumbu rotasi dengan melihat kearah titik asal. Misalnya, pada
Gambar 5a vektor w dihasilkan dengan memutar (merotasikan) vektor x berlawanan arah

10
dengan jarum jam terhadap sumbu l dengan sudut 𝜃 Sebagaimana dalam 𝑅 2 ,sudutnya positif
jika sudut-sudut tersebut dibangkitkan oleh rotasi berlawanan dengan arah jarum jam dan
negatif jika dibangkitkan searah dengan jarum jam.
Cara yang paling umum untuk menjabarkan sebuah sumbu rotasi yang umum adalah
dengan menentukan suatu vektor tak nol u yang berada pada sumbu rotasi dan mempunyai
titik pangkal dititik asal. Selanjutnya, arah yang berlawanan dengan jarum jam untuk suatu
rotasi terhadap sumbunya ditentukan dengan suatu “aturan tangan tangan” (Gambar 5b): Jika
ibu jari kanan menunjukan pada arah u, maka jari-jari yang menggenggam menunjuka pada
suatu arah belawanan dengan jarum jam.

Gambar 5

Sebuah operator rotasi pada 𝑅 3 merupakan operasi linier yang merotasikan setiap
vektor dalam 𝑅 3 terhadap beberapa sumbu rotasi dengan suatu sudut tetap 𝜃 Pada Tabel 7 kita
telah menguraikan operator rotasi pada 𝑅 3 yang sumbu-sumbu rotasinya adalah sumbu-sumbu
koordinat positif. Untuk masing-masing rotasi ini salah satu komponenya tidak diubah oleh
rotasi, dan hubungan antara komponen-komponen yang lain dapat diturunkan (16). Misalnya ,
dalam rotasi terhadap sumbu z, komponen-komponen z dari x dan w = T(x) adalah sama, dan
komponen-komponen x dan y dihubungkan sebagai dalam (16). Hal ini menghasilkan
persamaan rotasi yang ditunjukan pada baris terakhir Tabel 7.

TABEL 7

Operator Ilustrasi Persamaan Matriks Standar

Rotasi 𝑤1 = 𝑥 1 0 0
berlawanan 𝑤2 = 𝑦 cos 𝜃 − z sin 𝜃 [0 cos 𝜃 −sin 𝜃 ]
arah dengan 𝑤3 = 𝑦 sin 𝜃 + z cos 𝜃 0 sin 𝜃 cos 𝜃
jarum jam
terhadap
sumbu x
positif
dengan sudut
𝜃

11
Rotasi 𝑤1 = 𝑥 cos 𝜃 + 𝑧 sin 𝜃 cos 𝜃 0 sin 𝜃
berlawanan 𝑤2 = 𝑦 [ 0 1 0 ]
arah dengan 𝑤3 = −𝑥 sin 𝜃 + 𝑧 cos 𝜃 − sin 𝜃 0 cos 𝜃
jarum jam
terhadap
sumbu y
positif
dengan sudut
θ
Rotasi 𝑤1 = 𝑥 cos 𝜃 − y sin 𝜃 cos 𝜃 − sin 𝜃 0
berlawanan 𝑤2 = 𝑥 sin 𝜃 + y cos 𝜃 [ sin 𝜃 cos 𝜃 0]
arah dengan 𝑤3 = 𝑧 0 0 1
jarum jam
terhadap
sumbu z
positif
dengan sudut
𝜃

Untuk lengkapnya, kita perhatikan bahwa standar matriks untuk suatu rotasi yang
berlawanan arah dengan jarum jam dengan sudut terhadap suatu sumbu pada 𝑅 3 , yang
ditentukan oleh suatu vektor satuan sembarang u = (a, b, c) yang mempunyai titik pangkal di
titik pusat, adalah

𝑎2 (1 − cos 𝜃) + cos 𝜃 𝑎𝑏(1 − cos 𝜃) − 𝑐 sin 𝜃 𝑎𝑐(1 − cos 𝜃) + 𝑏 sin 𝜃

[ 𝑎𝑏(1 − cos 𝜃) + 𝑐 sin 𝜃 𝑏 2 (1 − cos 𝜃) + cos 𝜃 𝑏𝑐(1 − cos 𝜃) − 𝑎 sin 𝜃 ] (17)
𝑎𝑐(1 − cos 𝜃) − 𝑏 sin 𝜃 𝑏𝑐(1 − cos 𝜃) + 𝑎 sin 𝜃 𝑐 2 (1 − cos 𝜃) + cos 𝜃
Penurunanya dapat ditemukan dalam Buku Principles of Interactive Computer Graphics, oleh
W.M Newman dan R.F Sproull, New York, McGraw-Hill, 1979. Akan berguna bagi pembaca
untuk menurunkan hasil-hasil dalam Tabel 7 sebagai kasus khusus dari hasil yang lebih utama
ini.
I. Operator-Operator Pelebaran Dan Penyempitan

Jika k adalah suatu skalar non negatif, maka opertor T(x) = kx pada 𝑅 2 atau 𝑅 3 disebut
suatu penyempitan dengan faktor k jika 0 ≤ 𝑘 ≤ 1 dan suatu pelebaran dengan faktor k jika
𝑘 ≥ 1. Dampak geometrik dari suatu penyempitan adalah memampatkan suatu vektor dengan
suatu faktor k (Gambar 6a), dan dampak suatu pelebaran adalah meregangkan setiap vektor
dengan suatu faktor k (Gambar 6b). Suatu penyempitan memempatkan 𝑅 2 dan 𝑅 3 secara
seragam menuju titik asal dari semua arah, dan suatu pelebaran meregangkan 𝑅 2 dan 𝑅 3
secara seragam menjauh dari titik asal pada semua arah.

Gambar 6

12
Penyempitan yang paling ekstrem terjadi jika k = 0, di mana T(x) = kx berubah menjadi
operator nol T(x) = 0, yang memampatkan setiap vektor menjadi suatu titik tunggal (asal).
Jika k = 1, maka T(x) =kx berubah menjadi operator identitas T(x) = x, yang membuat setiap
vektor tidak berubah; ini dapat dipandang baik sebagai penyempitan ataupun suatu pelebaran
dan penyempitan pada 𝑅 2 dan 𝑅 3 .

TABEL 8

Operator Ilustrasi Persamaan Matriks

Standar
Penyempitan dengan 𝑤1 = 𝑘𝑥
faktor k pada 𝑤2 = 𝑘𝑦
𝑅 2 (0 ≤ 𝑘 ≤ 1)

𝑘 0
[ ]
Penyempitan dengan 𝑤1 = 𝑘𝑥 0 𝑘
faktor k pada 𝑤2 = 𝑘𝑦
𝑅 2 (𝑘 ≥ 1)

TABEL 9

Operator Ilustrasi Persamaan Matriks

Standar
Penyempitan dengan 𝑤1 = 𝑘𝑥
faktor k pada 𝑤2 = 𝑘𝑦
𝑅 2 (0 ≤ 𝑘 ≤ 1) 𝑤3 = 𝑘𝑧

𝑘 0 0
[0 𝑘 0]
Penyempitan dengan 𝑤1 = 𝑘𝑥 0 0 𝑘
faktor k pada 𝑤2 = 𝑘𝑦
𝑅 2 (𝑘 ≥ 1) 𝑤3 = 𝑘𝑧

13
J. Komposisi Transformasi Linier

Jika 𝑇𝐴 : 𝑅 𝑛 → 𝑅 𝑘 dan 𝑇𝐵 : 𝑅 𝑘 → 𝑅 𝑚 adalah trasformasi-transformasi linier,

maka untuk setiap x dalam 𝑅 𝑛 kita pertama-tama dapat menghitung 𝑇𝐴 (𝒙) yang suatu
vektor dalam 𝑅 𝑘 dan kemudian kita dapat menghitung 𝑇𝐵 (𝑇𝐴 (𝑥)), yang merupakan suatu
vektor dalam 𝑅 𝑚 . Jadi, penerapan 𝑇𝐴 yang diikuti oleh 𝑇𝐵 menghasilkan suatu transformasi
dari 𝑅 𝑛 dan 𝑅 𝑚 . Transformasi ini disebut komposisi 𝑇𝐵 dengan 𝑇𝐴 dan dinyatakan oleh
𝑇𝐵 ° 𝑇𝐴 (dibaca” 𝑇𝐵 lingkaran 𝑇𝐴 ”). Jadi,
(𝑇𝐵 ° 𝑇𝐴 )(𝑥) = 𝑇𝐵 (𝑇𝐴 (𝑥)) (18)

Komposisi 𝑇𝐵 ° 𝑇𝐴 adalah linier karena

(𝑇𝐵 ° 𝑇𝐴 )(𝑥) = 𝑇𝐵 (𝑇𝐴 (𝑥)) = 𝐵(𝐴𝑥) = (𝐵𝐴)𝑥 (19)

Sehingga 𝑇𝐵 ° 𝑇𝐴 adalah perkalian dengan BA, yang merupakan suatu transformasi linier.
Rumus (19) juga menyatakan kepada kita bahwa matriks standar untuk 𝑇𝐵 ° 𝑇𝐴 adalah BA. Hal
ini dinyatakan dengan rumus 𝑇𝐵 ° 𝑇𝐴 = 𝑇𝐵𝐴 (20)
Komentar. Rumus (20) menyatakan suatu gagasan penting: mengalikan matriks-matriks
setara dengan mengkomposisikan transformasi linier yang berpadanan dalam urutan faktor
dari kanan ke kiri.

Terdapat suatu bentuk alternatif dari Rumus (20) : Jika 𝑇1 : 𝑅 𝑛 → 𝑅 𝑘 dan 𝑇2 : 𝑅 𝑘 →

𝑅 𝑚 adalah transformasi-trasformasi linier, maka karena matriks standar untuk komposisi
𝑇2 ° 𝑇1 adalah hasil kali matriks-matriks standar dari 𝑇2 dan 𝑇1 , kita mendapatkan
[𝑇2 ° 𝑇1 ] = [𝑇2 ][𝑇1 ] (21)

Contoh 6 Anggap 𝑇1 : 𝑅 2 → 𝑅 2 dan 𝑇2 : 𝑅 2 → 𝑅 2 adalah operator-operator linier

yang merotasikan vektor masing-masing dengan sudut 𝜃1 dan 𝜃2 . Jadi, operasi
(𝑇2 ° 𝑇1 )(𝑥) = 𝑇1 (𝑇2 (𝑥))

Pertama merotasikan x dengan sudut 𝜃1 , kemudian merotasikan 𝑇1 (𝑥) dengan sudut 𝜃2 .

Oleh karena itu, dampak bersih dari 𝑇2 ° 𝑇1 adalah merotasikan setiap vektor dalam 𝑅 2
dengan sudut 𝜃1 + 𝜃2 (Gambar 7)

Gambar 7
Jadi, matriks-matriks standar untuk operator-operator linier ini adalah
cos 𝜃1 −sin 𝜃1 cos 𝜃2 −sin 𝜃2
[𝑇1 ] = [ ], [𝑇2 ] = [ ],
sin 𝜃1 cos 𝜃1 sin 𝜃2 cos 𝜃2
cos(𝜃1 + 𝜃2 ) −sin(𝜃1 + 𝜃2 )
[𝑇1° 𝑇2 ] = [ ]
sin(𝜃1 + 𝜃2 ) cos(𝜃1 + 𝜃2 )
14
Matriks-matriks ini seharusnya memenuhi (21). Dengan bantuan beberapa identitas
trigonometri dasar, kita dapat menunjukan bahwa matriks-matriks tersebut memeng
memenuhi (21) sebagai berikut :
cos 𝜃2 −sin 𝜃2 cos 𝜃1 − sin 𝜃1
[𝑇2 ][𝑇1 ] = [ ][ ]
sin 𝜃2 cos 𝜃2 sin 𝜃1 cos 𝜃1
cos 𝜃2 cos 𝜃1 − sin 𝜃2 sin 𝜃1 −(cos 𝜃2 sin 𝜃1 + sin 𝜃2 cos 𝜃1 )
= [ ]
sin 𝜃2 cos 𝜃1 + cos 𝜃2 sin 𝜃1 − sin 𝜃2 sin 𝜃1 + cos 𝜃2 cos 𝜃1
cos(𝜃1 + 𝜃2 ) − sin(𝜃1 + 𝜃2 )
= [ ]
sin(𝜃1 + 𝜃2 ) cos(𝜃1 + 𝜃2 )

= 𝑇2 ° 𝑇1
Komentar. Secara umum, misalnya adalah bagaimana urutan komposisi transformasi
linier. Hal ini sudah diperkirakan karena komposisi dua transformasi linier berpadanan
dengan perkalian matriks-matriks standarnya, dan kita tau bahwa urutan perkalian matriks
yang berbeda dapat memberikan hasil yang berbeda.

Contoh 7 Anggap 𝑇1 : 𝑅 2 → 𝑅 2 adalah operator pencerminan terhadap garis y = x, dan

anggap 𝑇2 : 𝑅 2 → 𝑅 2 adalah proyeksi ortogonal terhadap sumbu y. Gambar 8
mengilustrasikan secara grafis bahwa 𝑇1 ° 𝑇2 dan 𝑇2 ° 𝑇1 mempunyai dampak yang berbeda
pada suatu vektor x. Kesimpilan yang sama dapat diperoleh dengan menunjukan bahwa
matriks-matriks standar untuk 𝑇1 dan 𝑇2 tidaklah komutatif :

[𝑇1 ° 𝑇2 ] = [𝑇1 ][𝑇2 ] = [0 1] [0 0 0 1

]= [ ]
1 0 0 1 0 0
0 0 0 1 0 0
[𝑇2 ° 𝑇1 ] = [𝑇2 ][𝑇1 ] = [ ][ ]= [ ]
0 1 1 0 1 0
Maka [𝑇2 ° 𝑇1 ] ≠ [𝑇1 ][𝑇2 ]

Gambar 8 𝑇2 ° 𝑇1 𝑇1 ° 𝑇2

Contoh 8 Anggap 𝑇1 : 𝑅 2 → 𝑅 2 adalah pencermian tehadap sumbu y dan anggap

𝑇2 : 𝑅 2 → 𝑅 2 adalah pencerminan terhadap x. Dalam kasus ini [𝑇1 ][𝑇2 ] dan [𝑇2 ° 𝑇1 ] sama;
keduanya memetakan setiap vektor x = ( x, y ) menjadi negatifnya –x = ( -x, -y ) ( Gambar 9)
(𝑇1 ° 𝑇2 )(𝑥, 𝑦) = 𝑇1 (𝑥, −𝑦) = (−𝑥, −𝑦)

(𝑇2 ° 𝑇1 )(𝑥, 𝑦) = 𝑇2 (−𝑥, 𝑦) = (−𝑥, −𝑦)

15
Gambar 9 𝑇1 ° 𝑇2 𝑇2 ° 𝑇1
Kesamaan 𝑇1 ° 𝑇2 dan 𝑇2 ° 𝑇1 dapat juga diperoleh dengan menunjukan bahwa matriks-
matriks standar untuk 𝑇1 dan 𝑇2 komutatif:

[𝑇1 ° 𝑇2 ] = [𝑇1 ][𝑇2 ] = [−1 0 ] [1 0 −1 0

]= [ ]
0 1 0 −1 0 −1

[𝑇2 ° 𝑇1 ] = [𝑇2 ][𝑇1 ] = [1 0 −1 0 −1 0

][ ]= [ ]
0 −1 0 1 0 −1
Operator T(x) = -x pada 𝑅 2 atau 𝑅 2 disebut pencerminan terhadap titik asal. Sebagaimana
yang ditunjukan oleh perhitungan di atas, matriks standar untuk opertor ini pada 𝑅 2 adalah

[𝑇] = [−1 0
]
0 −1

K. Komposisi Tiga atau Lebih Trasformasi Linier

Komposisi dapat didefinisikan untuk tiga atau lebih transformasi linier. Misalnya,
tinjau transformasi-transformasi linier

𝑇1 : 𝑅 𝑛 → 𝑅 𝑘 , 𝑇2 : 𝑅 𝑘 → 𝑅 𝑙 , 𝑇3 : 𝑅 𝑙 → 𝑅 𝑚

Kita definisikan komposisi (𝑇3 ° 𝑇2 ° 𝑇1 ) ∶ 𝑅 𝑛 → 𝑅 𝑚 dengan

(𝑇3 ° 𝑇2 ° 𝑇1 )(𝑥) = 𝑇3 (𝑇2 (𝑇1 (𝑥)))

Dapat ditinjaukan bahwa komposisi ini merupakan suatu transformasi linier dan bahwa
matriks standar untuk 𝑇3 ° 𝑇2 ° 𝑇1 dihubungkan dengan matriks-matriks standar untuk 𝑇1 , 𝑇2
dan 𝑇3 dengan
[𝑇3 ° 𝑇2 ° 𝑇1 ] = [𝑇3 ][𝑇2 ][𝑇1 ] (22)

Yang merupakan generalisasi dari (21). Jika matriks-matriks standar untuk 𝑇1 , 𝑇2 dan
𝑇3 dinyatakan masing-masing dengan A, B dan C maka kita juga mempunyai generalisasi
dari (20) sebagai berikut :

𝑇𝐶 ° 𝑇𝐵 ° 𝑇𝐴 = 𝑇𝐶𝐵𝐴 (23)

Contoh 9 Carilah matriks standar untuk operasi linier 𝑇1 : 𝑅 3 → 𝑅 3 yang pertama-tama

merotasikan vektor berlawanan dengan jarum jam terhadap sumbu z dengan sudut 𝜃,
16
kemudian mencerminkan vektor yang dihasilkan terhadap sumbu yz, dan kemudian
memproyeksikan vektor itu secara ortogonal pada bidang xy.

Penyelesaian. transformasi linier T dapat dinyatakan sebagai komposisi 𝑇 = 𝑇3 ° 𝑇2 ° 𝑇1

Dengan 𝑇1 adalah rotasi terhadap sumbu z, 𝑇2 adalah pencerminan terhadap bidang yz, dan
𝑇3 adalah proyeksi ortogonal pada bidang xy. Dari tabel 3,5 dan 7 matriks-matriks standar
untuk transformasi-transformasi linier ini adalah
cos 𝜃 − sin 𝜃 0 −1 0 0 1 0 0
[𝑇1 ] = [ sin 𝜃 cos 𝜃 0], [𝑇2 ] = [ 0 1 0], [𝑇3 ] = [0 1 0]
0 0 1 0 0 1 0 0 1
Jadi, dari (22) matriks standar untuk T adalah [𝑇] = [𝑇3 ][𝑇2 ][𝑇1 ] ; yaitu
1 0 0 −1 0 0 cos 𝜃 − sin 𝜃 0 −cos 𝜃 sin 𝜃 0
[𝑇] = [0 1 0] [ 0 1 0] [ sin 𝜃 cos 𝜃 0] = [ sin 𝜃 cos 𝜃 0]
0 0 1 0 0 1 0 0 1 0 0 0

17
 BAB III

PENUTUP

A. KESIMPULAN

Manfaat Pembelajaran Aljabar Linear dapat dikategorikan menjadi dua, yaitu manfaat secara
konkret seperti dalam bidang ekonomi, perdagangan, pertanian, dan perikanan; serta bermanfaat bagi
para akuntan, banker dana administrator. Sedangkan manfaat secara abstrak diantranya adalah
meningkatkan nalar kritis transformative, wahana pencerah jiwa, dan mempertajam daya imajinasi
berpikir. Aplikasi Pembelajaran Aljabar Linear dalam ruang tiga dimensi (kehidupan real) juga dapat
diklasifikasikan dalam apliksi secara konkret dan secara abstrak yang ditinjau dari aspek psikologi
jiwa, moral, dan dalam perspektif social serta agama.

Setelah kita mengetahui aplikasi dari materi Aljabar Linear, diharapkan bisa memotivasi kita
untuk lebih mendalami pengetahuan khususnya mengenai Aljabar Linear, umumnya ilmu matematika.

Selain itu, diharapkan kita bisa mengaplikasikan materi Aljabar yang kita pelajari seperti aplikasi-
aplikasi yang dibahas dalam makalah ini maupun aplikasi lain dari aljabar linear yang tidak tercantum
dalam makalah ini.

18