IDENTITAS BUKU

Buku Pertama

Judul Buku Aljabar Linear

Penulis Setiadji
Tahun Terbit 2008
Penerbit Graha Ilmu
Kota Terbit Yogyakarta
ISBN 978-979-756-294-6

Buku Kedua

Judul Buku Buku Ajar Aljabar linear

Penulis Yuliant Sibarani
Tahun Terbit 2002
Penerbit Sekolah Tinggi Teknologi Telkom
Kota Terbit Bandung
ISBN -

Buku Ketiga

Judul Buku Matriks dan Transformasi Linear

Penulis Wikaria Gazali
Tahun Terbit 2005
Penerbit Graha Ilmu
Kota Terbit Yogyakarta
ISBN 979 756 040 4

Materi Buku

Transformasi Linear

Defenisi
Suatu transformasi linear T dari ruang vektor V ke ruang vektor W, keduanya atas
lapangan F yang sama, adalah suatu pemetaan dari V ke W sedemikian sehingga,
untuk semua x, y ∈V dan a ∈ F berlaku :

i) T ( x + y )=T ( x ) +T ( y )

ii) T ( ∝ . x )=∝ .T ( x )

defenisi

suatu transformasi Linear T dari ruang vektor V ke ruang vektor W, keduanya atas
lapangan F yang sama, adalah suatu pemetaan dari V ke W sedemikian sehinggam
untuk semua x, y ∈V dan ∝ , β ∈ F berlaku

T ( ∝ x+ βy ) =∝. T ( x )+ βT ( y )

Akan ditunjukkan bahwa kedua definisi ini ekivalen. Defenisi 1=defenisi 2

Ambil sebarang vektor x, y ∈V dan skalar-skalar ∝ , β ∈ F .

Menurut ii) maka T ( ∝ . x )=∝ .T ( x ) dan T ( βy )= βT ( y ). Dan menurut i)

T ( ∝ x+ βy ) =T ( ∝ x ) +T ( βy) sehingga T ( ∝ x+ βy ) =∝T ( x ) + βT ( y)

Defenisi 2.2 → 2.1

Ambil ∝=β=1 ∈ F. Maka, menurut defenisi 2

T ( x + y )=T (1. x +1. y ) =1.T ( x ) +1. T ( y )=T ( x ) +T ( y )

Dan ambil β=0 ∈ F maka, menurut defenisi 2

T ( ∝ . x )=T ( ∝ x+ 0. y )=∝T ( x ) +0=∝T ( x)

Selanjutnya, sebagaimana dikenal dalam teori pemetaan, maka dua pemetaan

linear T 1 dan T 2 dari V ke W dikatakan sama jika dan hanya jika:

T 1 ( x )=T 2 ( x), untuk semua x∈V

Deenisi 3.
Jumlahan T 1+T 2 dan pergandaan dengan skalar ∝T 1 pemetaan linear-pemetaan
linear dari V ke W didefenisikan masing-masing dengan :

a. (T ¿ ¿ 1+T 2 ) ( x )=T 1 ( x ) +T 2 ( x ) , ¿ untuk semua x∈V

b. ( ∝ T 1 ) ( x )=∝T 1 ( x ) , untuk semua x∈V, dan semua ∝∈ F

Jika T 1 transformasi linear dari V ke W dan T 2 transformasi linear dari W

ke U, maka transformasi linear T 1 . T 2 dari V ke U didefenisikan dengan

c. ( T 1 . T 2) ( x )=T 1 {T 2 ( x ) }, untuk semua x∈V. Oleh karena itu, untuk

himpunan transformasi-transformasi linear yang memetakan V ke dirinya
sendiri, ada tiga operasi yang well defined
Jumlahan T 1+T 2
Pergandan dengan scalar:
∝T 1
T 1. T 2

Dapat dibuktikan bahwa himpunan semua transformasi linear dari V ke V adalah

tertutup terhadap operasi-operasi ini, yaitu, transformasi hasil pada tiap keadaan
adalah linear. Beberapa transformasi linear khusus yang menarik perhatian.
Transformasi linear nol yaitu Z didefinisikan dengan Z(x)=0, untuk setiap x ∈ V

Transformasi Linear identitas I didefinisikan dengan

I ( x )=x, untuk setiap x ∈ V

Berhubungan dengan transformasi linear T, ada transformasi linear negatip, yang

ditunjukkan –T dan didefinisikan dengan

−T ( x )=−T (x ), untuk setiap x ∈ V

Mudah ditunjukkan bahwa

T + Z=T , untuk setiap T

T . I =I . T =T , untuk setiap T
T +(−T )=Z, untuk setiap T

Contoh-contoh Transformasi Linear

x− y
x =
2
1. Diketahui T : R → R dengan T
y
3
()
x , apakah T merupakan transformasi
y
linear ?

Jawaban

x1 x2
Misalkan ú= dan v́=
y1 y2

Syarat 1

x 1+ x 2
ú+ v́=
( y 1+ y 2 )
maka

x 1 + x 2− ( y 1 + y 2 ) x1− y 1 x2 − y 2
x +x
(
T ( ú+ v́ )=T 1 2 =
y1 + y2 ) ( x1 + x 2
y1 + y2 )( )( )
= x1 + x 2 =T ( ú ) +T ( v́ )
y1 y2

Syarat 2

k x1
Untuk sembarang skalar k, k . ú= ( )
k y1

k x 1−k y 1 x 1− y 1
T ( k . ú ) =T
k x1
( )
k y1
=
( k x1
k y1 )( )
=k x 1 =k .T (ú )
y1

x− y
Kedua syarat terpenuhi, maka T
x =
y () ( ) x merupakan transformasi linear.
y

2. Kernel (Inti) dan Jangkauan

Diketahui transformasi linear T :V →W , dengan fungsi T ( ú ) , ú ∈V

Kernel dari T (disingkat kerl (T)) adalah himpunan ( ú ) sedemikian hingga T ( ú )=0́
atau {ú∨T ( ú ) =0́ } . ker (T) juga disebut ruang nol dari T

Himpunan b́sedemikian T ( ú )=b́ disebut jangkauan dari T atau disingkat R(T).

R(T) disebut juga dengan bayangan u oleh T ( ú )

Transformasi Linear T :V →W dapat pula disebut suatu homorfisma dari ruang V

ke runag mungkin ruang yang sama, tetapi tidak perlu demikian.

Daerah awal (domain) dari T adalah runag V, dan daerah hasil dari T adalah
himpunan bagian Im(T) dari W,

ℑ ( T )={w ∈W ∨( ∃ v ∈ V ) . T ( v )=w }

Mudah dibuktikan bahwa Im(T) suatu ruang bagian dari W, karena jika
w 1 , w 2 ∈ ℑ(T ), maka terdapat v1 , v 2 ∈V sedemikian sehingga T( v1 ¿=w1 dan
T v 2=w 2.

Maka w 1+ w2=T ( v 1 ) +T (v 2)∈ ℑ¿

Juga untuk ∝∈ F , α w1=∝T ( v 1 ) =T ( ∝ v 1 )=∈ ℑ(T )

Dengan teorema yang telah dijelaskan sebelumnya, maka Im(T) adalah suatu
ruang bagina dari W.

Contoh :

Tentukan basis dan dimensi dari Ker(T) dan R(T) dari transformasi linear

1 −1 2
[
T : R3 → R 2 dengan T ( ú )=A ú, dengan ú ∈ R3 dan A= 2 −2 −4 ]
Jawaban :

Kernel

Ker(T) adalah ruang nol dari T ( ú )=A ú=0́. Jadi ker(T) merupakan ruang solusi
dari SPL
A ú= 0́. Dengan menggunakan eliminasi gaus –jordan didapatkan solusi dari SPL

s−2t 1 −2

t 0[ ][] [ ]
adalah ú= s = 1 s + 0 t
1

1 −2

[ ][ ]
Jadi baris kert(T) = 1 , 0 dan dim Kert(T) = 2
0 1

b. Jangkauan

R(T) merupakan himpunan dari b́ dengan A ú= b́. Kalau kita perhatikan maka
R(T) merupakan ruang kolom dari A. dari eliminasi Gaus Jordan pada A maka

1 −1 2
didapatkan A~....~ [ 0 0 0 ]
Jadi baris R(T) merupakan baris ruang kolom A yaitu [−21 ] dan dim(R) = 1
Transformasi Non-Singular

Defenisi : suatu taransformasi linear T disebut non-singular jika ada transformasi

linear T −1 sedemikian sehingga T −1 T =I . Jika tidak demikian T disebut singular.

Misal T transformasi linear dari Vn ke W, maka pernyataan-pernyataan berikut

adalah ekivalen.

a). T adalah non-singular

b). Jika V≠ W maka T(v) ≠ T (w)

c). Ker (T) =0

d). v(T)=0

e. ρ ( T ) =n

f). Jika {v 1 , v 2 , … , v n } basis untuk v n maka {T ¿ basis untuk Im(T)

3. Matriks Transformasi

Ketika membahas masalah transformasi matriks, maka hal utama yang ingin
diketahui tentunya adalah bayangan suatu vektor dari transformasi tersbut dan
matriks trasnformasinya. Penentuan matriks transformasi tergantung dari faktor-
faktor yang diketahui.

Contooh :

Misalnya {v́ 1 , v́ 2 , v́ 3 } merupakan baris R3 Transformasi linear T : R3 → P 2 memiliki

T ( v́ i )=wi dengan v́1 =( 1, 1 ,−1 ) , v́ 2=( 0 ,−1 , 1 ), v́ 2=( 0 , 0 ,−1 ),

p ( x ) =1−x + x 2 , q ( x )=1+2 x 2 , r ( x ) =2 x− x2

a. Tentukan matriks transformasi A sedemikian hingga A v́ i =wi !

b. Tentukan bayangan (1,2,1) dari transformasi tersebut!

−1

[]
c. Jika [ ź ] A= −1 , tentukan bayangan ź!
1

Jawaban:

A v́ i =wi , jika B=[ v́ 1 v́ 2 v́ 3 ] dan C=[ p( x) q(x ) r ( x ) ]maka AB = C. karena

v́1 , v́ 2 , v́ 3 baris R3 maka B bujursangkar B−1 ada sehingga didapatkan A =C B−1.
Pada soal diatas.

1 0 0 1 1 0
a. B= 1
[1 0 , C= −x
−1 −1 −1 x2 ] [ 0 2x
2 x −x 2
2 ]
 1 0 0
kemudian B −1
dicari dan didapatkan B−1
= −1 1
[
0
0 −1 −1 ]
0 1 0
−1

[
Jadi A =C B = −x −2 x −2 x
−x 2 −2 x 2 x2 ]
b. Bayangan (1,2,1) adalah

1 1 0 1 0 1 2

[] [] [ ][ ] [ ]
T 2 = A 2 = −x −2 x −2 x 2 = −5 x =2−5 x−4 x 2
1 1 −x 2 −2 x 2 x 2 1 −4 x 2

−1

[]
c. [ ź ] A= −1
1
berarti ź=−v́ 1−v́2 + v́ 3, bayangan z dapat ditentukan dengan

beberapa cara yaitu :

T [ ź ] = A ź dengan A adalah matriks transformasi pada jawaban (a)

−1

[]
Dapat dicari tanpa menggunakan A. karena [ ź ] A= −1 =ḱ , maka [ ź ] B= ḱ
1

sehingga T ( ź )=T ( B ḱ )= AB ḱ=C ḱjadi

1 1 0 −1 −2

[
T ( ź )=C ḱ= −x 0
x 2 2 x 2 −x2 1 ][ ] [ ]
2 x −1 = 3 x =−2+3 x−4 x 2
−4 x 2

Matriks Baku/Standar

Misal transformasi matriks T : R n → R m dengan T ( x́ )= A x́ memiliki baris standar

S={é 1 , é 2 ,… , é n }, maka matriks transformasi dari transformasi diatas (matriks

standar untuk T) adalah A=[ T ( é 1 ) T ( é 2 ) … ..T ( é n) ]

Matriks Transformasi terhadap A dan B

Diketahui ruang V, W dengan dimensi ruang vektor berturut-turut n dan m dan
transformasi linear T : v → w dengan fungsi T ( x́ ) , x́ ∈V jika A,B merupakan baris
V,W maka untuk setiap x́ ∈ V dapat ditentukan [ x́ ] A dengan [ x́ ] A ∈V . Karena
T ( x́ ) ∈V maka juga dapat ditentukan [ T ( x́) ] B dengan [ T ( x́) ] B ∈ B .

Sekarang misalkan dimiliki transformasi linear yang lain T : v → w dengan fungsi

( T [ x́ ] A ) =[ T x́ ] B=D [ x́ ] A maka matris transformasi linear diatas D) disebut matriks
T terhadap baris A dan B.

Menentukan matriks T terhadap bari A dan B

Contoh

y
Diketahui transformasi linear T : R → R dengan T
2 3 x =
([ ])
y [
−5 x+13 y
−7 x+16 y ]
Jika A={( 3,1 ) , (5,2 ) } dan B={ ( 1,0 ,−1 ) , (−1,2,2 ) , ( 0,1,2 ) } berturut-turut
merupakan baris R2 dan R 3

a. tentukan matriks T terhadap baris A dan B

b. untuk x́=(2,1) tentukan T ( [ x́ ] ¿¿ A)¿

jawaban :

a. misal D adalah matris T terhadap baris A dan B, maka D =

[ ([ ])]] [ ([ ])]]
T 3
1 B
T 5
2 B
 1 2
1
−5[ ] ([ ]) [ ]
T 3 = −2 , T 5 = −1
([ ]) 21
−3

1 1 2 3
[ [ ] ] [ ] [ ] [[ ]] [ ] [ ]
T 3
1 b
= −2
5 B
=…= 0 ,T 5 = 1 =…= 1
−2
2
−3 −1

1 3

[ ]
Jadi matriks T terhadap baris A dan B 0 1
−2 −1

k1 3 5 k1 2 k
b. [ x́ ] A = [ ] [ ][ ] [ ]
k2
→ = didapatkan 1 =
1 2 k2 1 k2 [][ ]
−1
1

1 3 2
T x́
jadi ( A )
[ ] = 0
[ ][ ] [ ]
1
−2 −1
−1 =
1
1
1

Contoh Soal:

1. Misalkan T:RnRmadalah perkalian oleh sebuah matriks Ayang berukuran m x

n.
Dari contoh 13 maka kernel dari T terdiri dari semua pemecahan dari Ax = 0 ; jadi
kernel tersebut adalah ruang pemecahandari sistem ini. Juga dari contoh 13,
jangkuan dari T terdiri dari semua vektor b sehingga Ax = b konsisten. Jadi,
menurut Teorema 14 dari bagian 4.6, jangkuan dari T adalah ruang kolomdari
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 = k1v1 + k2v2 + ... + knvn
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.
2. Misalkan T:R2> R2 adalah rotasi dari R2 melalui sudut π/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.

3. Misalkan T:Rn> Rm adalah perkalian sebuah matriks A yang berukuran m x n.

Didalam contoh 14 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)

Juga didalam Contoh 14, 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.

Teorema 3. (Teorema Dimensi). Jika T:V> W adalah transformasi linier dari

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

(rank dariT) + (nolitas dari T) = n

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) (5,4)

Akan tetapi, kita memperhatikan di dalam Contoh 17 bahwa nutilas dari T adalah
dimensi dari ruang pemecahan dari Ax = 0, dan rank dari T adalah rank dari
matriks A. Jadi (5.4) menghasilkan teorema yang berikut.

Teorema 4. Jika A adalah matriks m x n maka dimensi ruang pemecahan dari Ax

= 0 adalah : n - rank (A)