Oleh Kelompok 5 ( VB ) :
1. HENDRA KURNIAWAN / 13.48.55.038
2. MUHAMMAD FAUZAN / 13.48.55.094
3. SETIAH M BUDI / 13.48.55.130
4. SULAIMAN ALKONUNI / 13.48.55.141
5. ZAHID HABIBURRAHMAN / 13.48.55.153
Puji syukur kami ucapkan kehadirat Allah SWT, karena dengan rahmat dan
ridho-Nya kami masih diberikan kesempatan untuk bekerja sama dalam menyelesaikan
makalah ini. Dimana makalah ini merupakan salah satu tugas mata kuliah Aljabar
Linier & Matrik, yaitu “Transformasi Linier”. Tidak lupa kami ucapkan terimakasih
kepada Dosen Pembimbing dan teman-teman yang telah memberikan dukungan dalam
menyelesaikan makalah ini.
Kami menyadari bahwa dalam penulisan makalah ini masih banyak kekurangan.
Oleh karena itu kami sangat mengharapkan kritik dan saran yang membangun. Dan
semoga makalah ini dapat bermanfaat bagi pembaca dan teman-teman. Amin-amin
yarobbal alamin...
Penulis
2
DAFTAR ISI
HALAMAN JUDUL...............................................................................................................i
KATA PENGANTAR............................................................................................................ii
DAFTAR ISI............................................................................................................................iii
BAB I PENDAHULUAN...............................................................................................1
A. Latar Belakang.................................................................................................1
B. Rumusan Masalah............................................................................................1
C. Tujuan..................................................................................................................1
BAB II PEMBAHASAN..................................................................................................2
A. Pengantar Transformasi Linier..................................................................2
B. Sifat Transformasi Linier : Kernel dan Jangkauan..............................9
C. Transformasi Linier dari Rn ke Rm Geometri
Transformasi Linier dari R2 ke R2 14
D. Matriks Transformasi Linier 16
E. Keserupaan 17
BAB III PENUTUP.............................................................................................................20
A. Kesimpulan 20
B. Saran 21
DAFTAR PUSTAKA
3
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
BAB II
PEMBAHASAN
Definisi.
Jika F : VW 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 : R2R3 adalah fungsi yang didefinisikan
oleh;
2
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 : VW adalah sebuah transformasi linear, maka untuk sebarang v 1 dan
v2 di dalam V dan sebarang k1 dan k2 , kita memperoleh :
Contoh 1 :
Misalkan A adalah sebuah matriks m x n yang tetap. Jika kita
menggunakan notasi matriks untuk vektor di dalam Rm dan Rn , maka kita
dapat mendefinisikan sebuah fungsi T: RnRm dengan :
T(x) = A x
3
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, misalkanadalah sebuah
A= [cossinθθ cos
sinθ
θ ]
4
Dan misalkan v’ = [x'y' ] adalah vektor yang dihasilkan bila v
x’ = r cos(+) y’ = r sin(+)
θ+∅
¿
x' ¿
Maka v’ = = θ
[y' ] ¿
r cos ¿
¿
= [xxcossinθθ+−yycossinθθ ]
= [cossinθθ−cossinθθ ]
= Av = T(v)
Transformasi linear di dalam contoh ini dinamakan rotasi dari R2 melalui sudut
.
5
Contoh 3:
Misalkan V dan W adalah sebarang dua vektor. Pemetaan
T : VW 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 : VV yang
didefinisikan oleh T(v) = v dinamakan transformasi identitas pada V.
Jika seperti di dalam contoh 2 dan 4 , T : VV adalah transformasi
linear dari sebuah ruang vektor V ke dalam dirinya sendiri, maka T dinamakan
operator linear pada V.
Contoh 5:
Misalkan V adalah sebarang ruang vektor dan k adalah sebarang skalar
tetap. Kita membiarkannya sebagai latihan untuk memeriksa bahwa fungsi T :
VV yang didefinisikan oleh : T(v) = k v
6
adalah sebuah operator linear pada V. Jika k1 , T dinamakan dilatasi dari V
dan jika 0k1 , maka T dinamakan kontraksi dari V. Secara geometrik,
maka dilatasi “merenggangkan“ setiap vektor di dalam V dengan sebuah faktor
sebesar k , dan kontradiksi dari V “memampatkan
“ setiap vektor dengan sebuah faktor sebesar k seperti gambar dibawah :
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}
7
Pemetaan T dinamakan proyeksi ortogonal dari V pada W ; linearitasnya
didapatkan dari sifatsifat dasar perkalian dalam. Misalnya :
= u, w1w1 +u, w2w2 + … +u, wrwr +v, w1w1 +v, w2w2 +
… +v, wrwr
= 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
8
B. Sifat Transformasi Linier : Kernel dan Jangkauan
Di dalam bagian ini kita memperlihatkan bahwa sekali bayangan vektor basis
dibawah transformasi linier telah diketahui, maka kita mungkin mencari bayangan
vektor yang selebihnya di dalam ruang tersebut. Teoremanya :
Contoh B.2
Misalkan T:Rn Rm adalah perkalian oleh
9
Kernel dari T terdiri dari semua
Sehingga sistem
Konsisten.
10
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.
11
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.
Contoh B.5
12
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)
Akan tetapi, kita memperhatikan di dalam Contoh B.5 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 :
13
Contoh B.6.
Di dalam Contoh diatas, kita memperlihatkan bahwa sistem homogeny
Mempunyai lima kolom, maka jelaslah dari Teorema 4 bahwa rank A harus
memenuhi 2 = 5 - rank (A)
Sehingga rank (A) = 3. Pada pembaca dapat memeriksa hasil ini dengan
mereduksi A kepada bentuk eselon baris dan dengan memperilihatkan bahwa
matriks yang dihasilkan mempunyai tiga baris yang tak nol.
14
Misalkan e1 , e 2 , ..., en adalah basis baku dari Rn dan A adalah matriks berukuran
mxn yang kolom kolomnya adalah T(e1), T(e2), ... , T(en) sebagai vektor-vektor
kolomnya.
x
Selanjutnya untuk setiap x Rn berlaku x = m = x1 e 1
2
+ x2 e + ... + xn en
15
a11
a x1 x2 a x a x a1n xn
12 a1n 11 1 12
a x
2
a a x a x
a 21 22 a 2n xm = 21 1 22 2 2n n
mn xn
a a x a x
a
Ax = m1
m2 a mn m1 1 m2 2
a a a
11 12 13
a a 2 a
21 21 23
a a m3 a x2 T( e 2 )+ ... + xn T( en)
= x1 + x2 m2
m1 + .... + x3 = x1 T(e1 ) +
Sampai disini dapat disimpulkan bahwa T(x ) = Ax
16
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’
⋮
Sehingga berlaku vektor basis
untuk semua vektor x di dalam V. Khususnya bila x adalah
u1 : A[u1]B
= [T(u1)]B’, Tetapi :
[]
¿
a1 n
a a
0 11 12 ⋯
a a
1 21 22 … ¿a1m
0 ⋮ ⋮ ¿
[U1]B= 0 sehingga ⋮
⋮
¿ [0 ] [a m 1 ]
1 a
11
a 0 a
A [U1 ]B=[am 1 m2 … amn¿] 0 = 21
⋮ ⋮
17
[
a
am 1 ]
11
a
21
Jadi A[u1]B = [T(u1)]B’ berarti : = [T(u1)]B’
⋮
Matriks A yang unik yang didapatkan dengan cara ini dinamakan matriks T
terhadap basis B dan B’.
E. Keserupaan
Matriks sebuah operator ilnier T:V V bergantung pada basis yang dipilih untuk
V. Pada soal fundamental dari aljabar linier kita perlu memilih sebuah basisuntuk V
yang membuat matriks T sesederhana mungkin. Seringkali soal ini ditangani dengan
terlebih dulu mencari matriks T relatif terhadap suatu basis “sederhana’ seperti basis
standar. Biasanya, pilihan ini tidak menghasilkan matriks T yang paling sederhana,
sehingga kita mencari suatu cara untuk mengubah basis tersebut supaya
menyederhanakan matriksnya. Untuk memecahkan soal serupa ini, maka kita harus
mengetahui bagaimana perubahan basis akan mempengaruhi matriks operator linier.
Teoremanya :
Misalkan T:V V adalah operator linier pada ruang vektor berdimensi berhingga
V. Jika A adalah matriks T terhadap basis B, dan A ’ adalah matriks T terhadap basis
B’, maka A’ = P -1 AP dimana P adalah matriks transisi dari B’ ke B.
Untuk membuktikan teorema ini, maka akan memudahkan untuk menjelaskan
hubungan Au = v
Karena A adalah matriks T terhadap B, dan A’ adalah matriks T terhadap B’,
maka hubungan yang berikut berlaku untuk semua “x” dalam V.
A[x]B’ = [T(x)]B dan A’[x]B = [T(x)]B’ Ini
dapat dituliskan sebagai :
'
[x ] A[T [ x ]]B
' [x ]B A [T [x ]]
dan
'
B → → B
18
Ini dapat dituliskan sebagai :
→ →
Dari kedua hubungan di atas dapat dikaitkan menjadi sebuah gambar sebagai
berikut :
[ x ]B A [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’
19
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.
20
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 R 2,
maka rumus : F(v) = ( x , x + y , x - y ).
Definisi.
Jika F : VW 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.
Di dalam transformasi linier terdapat sifat, yakni kernel dan jangkauan. Kernel
dan jangkauan merupakan sekali bayangan vektor basis dibawah transformasi linier
telah diketahui, maka kita mungkin mencari bayangan vektor yang selebihnya di
dalam ruang tersebut.
Pada transformasi linear terdapat istilah yang biasa disebutkan dalam
pembahasan kali ini, yakni Teorema. Teorema ini merupakan pernyataan yang dapat
dibuktikan kebenarannya, sehingga untuk membuktikan kebenaran dari suatu
pernyataan atau rumus dibutuhkan teorema.
Dan dalam matriks transformasi linier terdapat dua alasan utama mengapa
prosedur tak langsung penting untuk dilakukan, yaitu :
1. Prosedur tersebut menyediakan cara yang efisien untuk melakukan transformasi
linier pada komputer digital
2. Bersifat teoretis, tetapi dengan konsekuensi praktis yang penting
21
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.
22
DAFTAR PUSTAKA
http://kseminar.staff.ipb.ac.id/files/2013/02/09_Transformasi-Linier.pdf
http://amriesagala.blogspot.com/2014/12/transformasi-linear.html
https://www.facebook.com/MentalMilyader/posts/390821624348617
http://eprints.undip.ac.id/32244/5/M03_Hikmatul_Aini_chapter_I.pdf