Teorema 2
Misalkan 𝑉 berdimensi hingga dan misalkan 𝑇: 𝑉 → 𝑊 linear. Maka
dim(𝑉) = dim(𝐾𝑒𝑟(𝑇)) + dim(𝐼𝑚(𝑇)) = 𝑛𝑢𝑙𝑖𝑡𝑎𝑠(𝑇) + 𝑟𝑎𝑛𝑘(𝑇)
Contoh
Misalkan 𝑇: ℝ4 → ℝ3 transformasi linear yang didefinisikan sebagai
𝑥1
𝑥1 − 𝑥2 + 𝑥3 + 𝑥4
𝑥2
𝑇 ([𝑥 ]) = [ 1 − 2𝑥2 + 3𝑥3 + 4𝑥4 ]
2𝑥
3
𝑥4 3𝑥1 − 3𝑥2 + 4𝑥3 + 5𝑥4
Contoh
Diberikan transformasi linear 𝑇: ℝ4 → ℝ3 dengan definisi sebagai berikut
𝑥1
−𝑥1 + 𝑥2 − 4𝑥3
𝑥2
𝑇 ([𝑥 ]) = [ 2𝑥1 + 𝑥3 ]
3
𝑥4 𝑥2 − 2𝑥4
Jadi,
0 0
2𝑡 2
𝐾𝑒𝑟 (𝑇) = 4 |𝑡 ∈ ℝ = 𝑡 4 ||𝑡 ∈ ℝ
7𝑡 7
{[ 𝑡 ] } { [1] }
Yang berarti bahwa 𝐾𝑒𝑟(𝑇) berdimensi 1 karena dibangun oleh satu buah vector
0
2
yaitu vector 4 .
7
[1]
−𝑥1 + 𝑥2 − 4𝑥3
b. Akan ditentukan basis dan dimensi dari 𝐼𝑚(𝑇). [ 2𝑥1 + 𝑥3 ]
𝑥2 − 2𝑥4
Pertama tentukan image/bayangan dari basis standar ℝ4 .
1 0
−1 1
0 1
𝑇 ([ ]) = [ 2 ], 𝑇 ([ ]) = [0]
0 0
0 1
0 0
0 0
−4 0
0 0
𝑇 ([ ]) = [ 1 ], 𝑇 ([ ]) = [ 0 ]
1 0
0 −2
0 1
Vektor-vektor image merentang 𝐼𝑚(𝑇). Oleh karena itu, bentuklah matriks 𝑀 yang
baris-barisnya adalah vektor-vektor image ini dan lakukan reduksi baris untuk
mendapatkan bentuk eselon:
1 −2 0
−1 2 0 1
1 0 1
𝑀=[ ]~ 0 1 −
2
−4 1 0
0 0 1
0 0 −2 [
0 0 0 ]
1 0 0
1
Jadi, [−2] , [ 1] dan [0] merupakan basis dari 𝐼𝑚(𝑇) . Oleh karena itu,
0 −2 1
dim(𝐼𝑚(𝑇)) = 3 dan 𝑟𝑎𝑛𝑘 (𝑇) = 3.
Jadi, dim(𝐼𝑚(𝑇)) + dim(𝐾𝑒𝑟(𝑇)) = 3 + 1 = 4 = dim(ℝ4 ).