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: V→V disebut Operator Linear V.
Pemetaan T:V→W , 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: V→V 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.
CONTOH
• Misalkan F:R2→R2 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:V→W 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.

• 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
 Tiga Sifat Dasar Transformasi Linear

Jika T:V→W 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:V→W 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 :U→V dan T2 :V→W adalah transformasi linear
maka (T2 o T1 ):U→W 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 :U→V dan T2 :V→W adalah transformasi linear,

komposisi T2 dan T1 , dinotasikan T2 oT1 (baca“T2 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:V→W 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
scalar. Then
T (v1 + v2) = T (v1) + T (v2) = 0+0 = 0
so that v1 + v2 is in ker(T ).
Also,
T (k v1) = kT (v1) = k 0 = 0
so that k v1 is in ker(T ).
Let w1 and w2 be vectors in the range of T ,
and let k be any scalar. There are vectors a1
and a2 in V such that T (a1) = w1 and T(a2) = w2 .
Let a = a1 + a2 and b = k a1 .
Then
T (a) = T (a1 + a2) = T (a1) + T (a2) = w1 + w2
and
T (b) = T (k a1) = kT (a1) = k w1
 Peringkat dan Kekosongan Transformasi Linear

Jika T:V→W 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, m×n, 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:V→W 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
8.3 Inverse Linear
Transformations
 Definition

•One to One
Transformasi linear T:V→W dikatakan one-to-one jika
T memetakan vektor-vektor berbeda pada V ke vektor-
vektor berbeda pada W.

Jika A adalah suatu matriks nxn dan TA :Rn→Rn adalah

perkalian dengan A, maka TA adalah one-to-one jika dan
hanya jika A adalah invertible matrix.
 Equivalent Statements
• Theorem 8.3.1
Jika T:V→W adalah suatu transformasi linear, maka:

T adalah one-to-one , jika:

• Kernel dari T hanya terdiri dari vektor nol → ker(T) = {0}
• Nullity (T) = 0
 Theorem 8.3.2

Jika V adalah ruang vektor berdimensi terhingga, dan

T:V →V adalah suatu operator linear, maka:

T adalah one to one; jika

• ker(T) = {0}
• nulitas (T) = 0
• R(T) =V
 Contoh
Anggap T A:R 6 -> R 4 adalah perkalian dengan
− 1 2 0 4 5 − 3
 3 −7 2 0 1 4 

 2 −5 2 4 6 1
 
 4 −9 2 −4 −4 7 

Tentukan apakah T A adalah one to one.

rank(A) = 2 → rank(TA) =2
kekosongan(A) = 4 → kekosongan (TA) = 4
rank (T ) + nullity (T ) = n = 6

Ker (T) = {4} → T bukan one to one

Jika T:V→W adalah suatu transformasi linear, maka T adalah
one-to-one , jika
(a) Kernel dari T hanya terdiri dari vektor nol → ker(T) = {0}
(b) Nullity (T) = 0
 Inverse Linear Transformations
Jika T :V → W adalah transformasi linear, maka daerah hasil dari
T, R (T ) adalah sub ruang W yang terdiri dari semua bayangan di
bawah T dari vektor-vektor pada V.

Jika T adalah one to one maka setiap vektor v pada V memiliki

bayangan unik w=T(v) pada R(T).

Inverse of T →T –1 memetakan w kembali ke v

 Invers dari Komposisi

• Jika T1:U →V and T2:V→W adalah transformasi linier

one to one, maka:

(a)T2 o T1 is one to one

(b) (T2 o T1)-1 = T1-1 0 T2-1

 Contoh
Anggap T A:R 4 -> R 4 adalah perkalian dengan

Tentukan apakah T A adalah one to one.

Jawab :
det(A)=0 → not invertible → TA is not one to one.

Jika A adalah suatu matriks nxn dan TA :Rn→Rn adalah perkalian dengan A, maka TA
adalah one-to-one jika dan hanya jika A adalah invertible matrix.
 Contoh
Anggap T :R 3 ->R 3 adalah operator linear yang didefinisikan oleh rumus:
T (x1,x2,x3)=(3x1+x2,-2x1-4x2+3x3,5x1+4 x2-2x3)
Tentukan apakah T adalah one to one, jika demikian cari
T-1 (x1,x2,x3)

Matriks standars T :

Cek, apakah [T] memiliki invers?

Cek dulu apakah det T terdefinisi?

Jika A adalah suatu matriks nxn dan TA :Rn→Rn adalah perkalian dengan A, maka TA
adalah one-to-one jika dan hanya jika A adalah invertible matrix.
Matriks standars T :