BAB 8
Linier Umum
Transformasi
ISI BAB 8.1 Transformasi Linier Umum 447
8.2 Komposisi dan Transformasi Invers 458 8.3
Isomorfisme 466 8.4
Matriks Transformasi Linier Umum 472
8.5 Kesamaan 481
PENDAHULUAN Pada bagian sebelumnya kita mempelajari transformasi linier dari Rn ke Rm. Dalam bab ini kita akan
mendefinisikan dan mempelajari transformasi linier dari ruang vektor umum V ke ruang vektor umum W.
Hasil yang akan kita peroleh di sini mempunyai penerapan penting dalam fisika, teknik, dan berbagai
cabang matematika.
Definisi dan
Pada Bagian 1.8 kita mendefinisikan transformasi matriks TA: Rn → R mmenjadi pemetaan bentuk
Terminologi
T A(x) =
Ax
dimana A adalah matriks berukuran m × n . Kami kemudian menetapkan dalam Teorema 1.8.3 bahwa
n ke m , yaitu transformasi dengan sifat
transformasi matriks adalah transformasi linier dari R R
linieritas
Kita akan menggunakan kedua properti ini sebagai titik awal untuk mendefinisikan transformasi linier
yang lebih umum.
DEFINISI 1 Jika T : V → W adalah pemetaan dari ruang vektor V ke ruang vektor W, maka T disebut
transformasi linier dari V ke W jika dua sifat berikut berlaku untuk semua vektor u dan
v di V dan untuk semua skalar k:
447
Machine Translated by Google
bahwa jika v 1dan v 2 adalah vektor dalam V dank 1 dan k 2adalah sembarang skalar, maka
Secara umum, jika v 1, v 2,..., v r adalah vektor dalam V dank 1, k 2,...,k r adalah sembarang skalar, maka
Teorema berikut merupakan analogi bagian (a) dan (d) Teorema 1.8.2.
Bukti Misalkan u adalah sembarang vektor di V. Karena 0u = 0, maka dari sifat homogenitas dalam Definisi 1 dapat
Gunakan dua bagian Teorema 8.1.1 untuk
disimpulkan bahwa
membuktikannya
T(0) = T(0u) = 0T(u) = 0
T(-v) = -T (v)
yang membuktikan (a).
untuk semua v di V.
Kita dapat membuktikan bagian (b) dengan menulis ulang T(u - v) sebagai
T(u - v) = T u + (-1)v
= T(u) + (-1)T(v)
= T(u) - T(v)
setiap transformasi matriks T A : Rn → Rm juga merupakan transformasi linier dalam pengertian yang lebih umum dengan
n dan W = m
V= R R .
Karena itu,
transformasi T : Pn → Pn +1 sebesar
2 n+ 1
T(p) = T(p(x)) = xp(x) = C 0x + C 1 x +···+C n x
Transformasi ini linier karena untuk sembarang skalar k dan sembarang polinomial P1 dan P2
T(kp) = T(kp(x)) = x(kp(x)) = k(xp(x)) = kT(p)
Dan
T(p1 + p2) = T(p1(x) + p2(x)) = x(p1(x) + p2(x))
= xp1(x) + xp2(x) = T(p1) + T(p2)
yang memetakan vektor x ke perkalian titiknya dengan v 0. Transformasi ini linier, karena jika k adalah
sembarang skalar, dan jika u dan v adalah sembarang ,vektor di Rn maka sifat-sifat perkalian titik pada Teorema
3.2.2 dapat disimpulkan bahwa
Misalkan M nnadalah ruang vektor dari matriks n × n . Pada setiap bagian tentukan apakah transformasinya linier.
Jadi, T 2 tidak homogen dan karenanya tidak linier jika n > 1. Perhatikan bahwa penjumlahan juga gagal karena
kita menunjukkan dalam Contoh 1 Bagian 2.3 bahwa det(A + B) dan det(A) + det(B) pada umumnya tidak sama
.
Machine Translated by Google
x0
mengidentifikasi transformasi yang tidak linier. Misalnya, jika X 0adalah vektor tetap bukan nol di R2, maka
transformasinya
T(x) = x + x0
X
X mempunyai efek geometrik yaitu menerjemahkan setiap titik x ke arah sejajar x 0 melalui jarak ║ x 0║ (Gambar 8.1.1).
0
Ini bukan transformasi linier karena T(0) = x 0, jadi T tidak memetakan 0 ke 0.
X 1, X 2 ,..., X n
n adalah transformasinya
menjadi barisan bilangan real berbeda, dan misalkan T : V → R
yang mengasosiasikan dengan f tupel n nilai fungsi pada x 1 , x 2,..., x n. Kita menyebutnya transformasi evaluasi
pada V pada x 1, x 2 ,,..., x n. Jadi, misalnya jika
X 1, = -1, X 2, = 2, X 3, =4
2 1, maka
dan jika f(x) = x
T(f ) = f( x 1), f( x 2), f( x 3) = (0, 3, 15)
Transformasi evaluasi pada (2) adalah linier, karena jika k adalah sembarang skalar, dan jika f dan g apakah
ada fungsi di V, kalau begitu
Dan
Menemukan Linier
Transformasi dari Kita melihat pada Rumus (15) Bagian 1.8 bahwa jika TA: R
n→
R
m dikalikan dengan A, dan jika
e 1, e 2,..., e n adalah
Gambar Vektor Basis
Machine Translated by Google
n , maka
vektor basis standar untuk R e e e
A = [T( 1,) | T( 2,) |···| T( n)]
A dapat dinyatakan sebagai
Oleh karena itu, bayangan suatu vektor v = ( c 1,, c 2,,...,c n,) dalam Rn yang dikalikan dengan A dapat dinyatakan
sebagai
berhingga. Jika S = { v 1, v 2,..., v n} adalah basis untuk V, maka bayangan vektor apa pun v di V
dapat dinyatakan sebagai
T(v) = c 1T( v 1) + c 2T( v 2) +···+ c nT( v n) (3)
dimana c 1, c 2,...,c n adalah koefisien yang diperlukan untuk menyatakan v sebagai kombinasi
linier dari vektor-vektor pada basis S.
Temukan rumus untuk T( x 1, x 2, x 3), lalu gunakan rumus tersebut untuk menghitung T(2, -3, 5).
Penyelesaian Pertama-tama kita perlu menyatakan x = ( 1 x , x 2 , x 3) sebagai kombinasi linier dari v 1, v 2dan
v 3 Jika kita menulis
( x 1, x 2, x 3) = c 1(1, 1, 1) + = c 21, 1, 0) + = c 3 (1, 0, 0)
kemudian dengan menyamakan komponen-komponen yang bersesuaian, kita peroleh
c 1 +c 2+c 3 = x 1
c1 + c2 = x2
c1 = x3
J (f ) = f(t) dt
0
Transformasi J : V ÿW adalah linier, karena jika k adalah suatu konstanta, dan jika f dan g adalah suatu fungsi
dalam V, maka sifat-sifat integralnya menyatakan bahwa
X X
Kernel dan Range Ingatlah bahwa jika A adalah matriks berukuran m × n , maka ruang nol dari A terdiri dari semua vektor x dalam Rn
sehingga Ax = 0, dan berdasarkan Teorema 4.7.1 ruang kolom A terdiri dari semua vektor b dalam Rm yang paling
sedikit terdapat satu vektor x di Rn sehingga Ax = b. Dari sudut pandang transformasi matriks,
ruang nol A terdiri dari semua vektor di Rn yang dikalikan dengan A dipetakan menjadi 0, dan ruang kolom A terdiri
dari semua vektor di Rm yang merupakan gambaran dari setidaknya satu vektor di Rn yang dikalikan oleh A.
Definisi berikut memperluas gagasan ini ke transformasi linier umum.
DEFINISI 2 Jika T : V ÿW merupakan transformasi linier, maka himpunan vektor dalam V yang dipetakan T
menjadi 0 disebut inti dari T dan dilambangkan dengan ker(T ). Himpunan semua vektor di W yang
merupakan bayangan di bawah T paling sedikit satu vektor di V disebut rentang T dan dilambangkan dengan
R(T ).
adalah proyeksi ortogonal pada bidang xy. Seperti diilustrasikan pada Gambar 8.1.2a, titik-titik yang
dipetakan T ke dalam 0 = (0, 0, 0) adalah titik-titik yang berada pada sumbu z, jadi
Machine Translated by Google
ker(T ) adalah himpunan titik-titik berbentuk (0, 0, z). Seperti diilustrasikan pada Gambar 8.1.2b, T memetakan titik-titik
di R3 ke bidang xy, dimana setiap titik pada bidang tersebut merupakan bayangan setiap titik pada garis vertikal di
atasnya. Jadi, R(T ) adalah himpunan titik-titik yang berbentuk (x, y, 0).
z z
(0, 0, z)
(x, y, z)
T kamu kamu
T
(0, 0, 0)
X X (x, y, 0)
Gambar 8.1.2 (a) ker(T) adalah sumbu z. (b) R(T) adalah seluruh bidang xy
kamu
Televisi)
ÿ
adalah operator linier yang memutar setiap vektor pada bidang xy melalui sudut ÿ (Gambar 8.1.3). Karena setiap
X
vektor pada bidang xy dapat diperoleh dengan memutar suatu vektor melalui sudut ÿ, maka R(T ) = R2. Selain
itu, satu-satunya vektor yang berputar menjadi 0 adalah 0, jadi ker(T ) = {0}.
Gambar 8.1.3
Properti Kernel danDalam semua contoh sebelumnya, ker(T ) dan R(T ) ternyata merupakan subruang. Dalam Contoh 14, 15, dan
Jangkauan17
keduanya merupakan subruang nol atau seluruh ruang vektor. Dalam Contoh 16 kernel adalah garis yang melalui titik asal, dan jangkauannya adalah
bidang yang melalui titik asal, keduanya merupakan subruang dari
R3. Semua ini merupakan konsekuensi dari teorema umum berikut.
Bukti (a) Untuk menunjukkan bahwa ker(T ) adalah suatu subruang, kita harus menunjukkan bahwa ker(T ) memuat
paling sedikit satu vektor dan tertutup pada penjumlahan dan perkalian skalar. Berdasarkan bagian (a) dari Theo rem
8.1.1, vektor 0 berada di ker(T ), sehingga kernel berisi setidaknya satu vektor. Misalkan v1 dan v2 adalah vektor dalam
ker(T ), dan k adalah sembarang skalar. Kemudian
T(kv1) = kT(v1) = k0 = 0
Bukti (b) Untuk menunjukkan bahwa R(T ) adalah subruang dari W, kita harus menunjukkan bahwa subruang
tersebut memuat paling sedikit satu vektor dan tertutup pada penjumlahan dan perkalian skalar. Akan tetapi, paling
tidak memuat vektor nol W karena T(0) = (0) pada bagian (a) Teorema 8.1.1. Untuk membuktikan bahwa ia tertutup
pada penjumlahan dan perkalian skalar, kita harus menunjukkan bahwa jika
w1 dan w2 adalah vektor-vektor di R(T ), dan jika k adalah suatu skalar, maka terdapat vektor a dan b di V yang
mana
T(a) = w1 + w2 dan T(b) = kw1
(4)
Tetapi fakta bahwa w1 dan w2 berada di R(T ) memberitahu kita bahwa terdapat vektor v1 dan v2 di V
sehingga
T(v1) = w1 dan T(v2) = w2
Perhitungan berikut melengkapi pembuktian dengan menunjukkan bahwa vektor a = v1 + v2 dan b = kv1
memenuhi persamaan pada (4):
DIPERLUKAN KALKULUS
CONTOH 19 Penerapan Persamaan Diferensial
Persamaan diferensial bentuk
muncul dalam studi tentang getaran. Himpunan semua solusi persamaan ini pada
interval (ÿ, ) adalah inti transformasi linier D :C2(ÿ, )ÿC(ÿ, ), diberikan oleh D(y) = y +
ÿ2 y
Hal ini dibuktikan dalam buku teks standar persamaan diferensial bahwa kernel adalah subruang dua dimensi
dari C2(ÿ, ), sehingga jika kita dapat menemukan dua solusi bebas linier dari (5), maka semua solusi lainnya
dapat dinyatakan sebagai kombinasi linier dari keduanya. Kami menyerahkannya kepada Anda untuk
mengonfirmasi dengan membedakannya
y = c1 cos ÿx + c2 sin ÿx
(6)
adalah “solusi umum” dari (5) dalam arti bahwa setiap pilihan c1 dan c2 menghasilkan solusi, dan setiap solusi
berbentuk seperti ini.
Pangkat dan Nullitas Linier Dalam Definisi 1 Bagian 4.8 kita mendefinisikan pengertian rank dan nullitas untuk matriks m × n , dan dalam
Transformasi
Teorema 4.8.2, yang kita sebut Teorema Dimensi untuk Matriks, kita membuktikan bahwa jumlah rank dan
nullitas adalah n. Selanjutnya kita akan menunjukkan bahwa hasil ini merupakan kasus khusus dari hasil yang
lebih umum tentang transformasi linier. Kita mulai dengan definisi berikut.
DEFINISI 3 Misalkan T : V ÿW adalah transformasi linier. Jika rentang T berdimensi berhingga, maka
dimensinya disebut pangkat T ; dan jika inti dari T berdimensi terbatas, maka dimensinya disebut nullitas
dari T. Rank dari T dinotasikan dengan rank(T ) dan nullitas dari T dengan nullity(T ).
Dalam kasus khusus dimana A adalah matriks m × n dan TA: Rn ÿRm adalah perkalian oleh A,
inti TA adalah ruang nol dari A, dan jangkauan TA adalah ruang kolom
A. Jadi, dari Teorema 8.1.4 berikut ini
peringkat(TA) + nullitas(TA) = n
OPSIONAL Bukti Teorema 8.1.4 Asumsikan V berdimensi n. Kami harus menunjukkan hal itu
redup(R(T )) + redup(ker(T )) = n
Kita akan memberikan bukti untuk kasus dimana 1 ÿ dim(ker(T )) < n. Kasus dimana dim(ker(T )) =
0 dan dim(ker(T )) = n dibiarkan sebagai latihan. Asumsikan redup(ker(T )) = r, dan biarkan v1,..., vr
menjadi basis kernel. Karena {v1,..., vr} bebas linier,
Teorema 4.5.5(b) menyatakan bahwa terdapat n ÿ r vektor, vr+1,..., vn, sehingga perpanjangan
himpunan {v1,..., vr, vr+1,..., vn} adalah basis untuk V. Untuk melengkapi pembuktiannya, kita akan menunjukkan bahwa
vektor n ÿ r pada himpunan S = {T (vr+1), . . . , T(vn)} membentuk dasar untuk rentang T . Dia
kemudian akan mengikuti itu
redup(R(T )) + redup(ker(T )) = (n ÿ r) + r = n
Pertama kita tunjukkan bahwa S mencakup rentang T. Jika b adalah sembarang vektor dalam
, Kemudian
rentang T b = T(v) untuk suatu vektor v dalam V. Karena {v1,..., vr, vr+1,..., vn} adalah basis untuk V, maka vektor
v dapat ditulis dalam bentuk
Sejak v1,..., vr terletak di kernel T , kita mempunyai T(v1) =···= T(vr) = 0, jadi
yang mengatakan bahwa kr+1vr+1 +···+ knvn ada di kernel T . Oleh karena itu, vektor ini dapat terjadi ditulis
sebagai kombinasi linier dari vektor-vektor basis {v1,..., vr}, katakanlah
Dengan demikian,
Karena {v1,..., vn} bebas linier, semua k adalah nol; secara khusus,
kr+1 =···= kn = 0, yang melengkapi pembuktian.
Machine Translated by Google
14. Pada setiap bagian, gunakan informasi yang diberikan untuk mencari
1. (a) T(A) = A2 (c) (b) T(A) = tr(A) pangkat transformasi linier T.
T(A) = A + AT (a) T : R7 ÿM32 memiliki nullitas 2.
7. T : P2 ÿP2, dimana 18. Misalkan V adalah subruang dari C[0, 2ÿ] yang direntang oleh vektor 1, sin
(a) T(a0 + a1x + a2x2) = a0 + a1(x + 1) + a2(x + 1)2 x, dan cos x, dan misalkan T : V ÿR3 adalah evaluasi transformasi formasi
pada barisan titik 0, ÿ, 2ÿ. Menemukan
(b) T(a0 + a1x + a2x2)
= ( a0 + 1) + (a1 + 1)x + (a2 + 1)x2 (a) T(1 + dosa x + cos x) (b) ker(T )
(a) T(f(x)) = 1 + f(x) (b) T(f(x)) = f(x + 1) 19. Misalkan basis S = {v1, v2} untuk R2, dimana v1 = (1, 1) dan v2 = (1, 0),
dan misalkan T : R2 ÿR2 adalah operator linier yang
9. T : R ÿR, dimana
T(a0, a1, a2,...,an, . . .) = (0, a0, a1, a2,...,an, . . .) T(v1) = (1, ÿ2) dan T(v2) = (ÿ4, 1)
10. Misalkan T : P2 ÿP3 adalah transformasi linier yang didefinisikan oleh Temukan rumus untuk T(x1, x2), dan gunakan rumus tersebut untuk mencari T(5,
T(p(x)) = xp(x). Manakah dari berikut ini yang termasuk dalam ÿ3).
ker(T )? (a) x2
(b) 0 (c) 1 + x (d) ÿx 20. Misalkan basis S = {v1, v2}untuk R2, dimana v1 = (ÿ2, 1) dan v2 = (1, 3),
dan misalkan T : R2 ÿR3 adalah transformasi linear sedemikian
11. Misalkan T : P2 ÿP3 adalah transformasi linier pada Latihan 10. sehingga
Manakah dari berikut ini yang termasuk dalam R(T )?
T(v1) = (ÿ1, 2, 0) dan T(v2) = (0, ÿ3, 5)
(a) x + x2 (b) 1 + x (c) 3 ÿ x2 (d) ÿx
Temukan rumus untuk T(x1, x2), dan gunakan rumus tersebut untuk
12. Misalkan V adalah sembarang ruang vektor, dan misalkan T : V ÿV didefinisikan oleh
mencari T(2, ÿ3).
T(v) = 3v.
(a) Apa inti dari T ? 21. Perhatikan basis S = {v1, v2, v3} untuk R3, dimana
v1 = (1, 1, 1), v2 = (1, 1, 0), dan v3 = (1, 0, 0), dan misalkan
(b) Berapa kisaran T ?
T : R3 ÿR3 menjadi operator liniernya
13. Di setiap bagian, gunakan informasi yang diberikan untuk mencari nullitas T(v1) = (2, ÿ1, 4), T(v2) = (3, 0, 1),
transformasi linier T . (b) T : P4 ÿP3 memiliki peringkat 1.
(
ÿ
1
,
5
,
1
)
Temukan rumus
untuk T(x1, x2, x3),
dan gunakan rumus
tersebut untuk
mencari T(2, 4, ÿ1).
Machine Translated by Google
(b) Temukan basis untuk inti T . jika T(v1) = v1, T(v2) = v2, . . . , T(vn) = vn
(c) Temukan basis untuk kisaran T . maka T adalah transformasi identitas pada V.
25. (a) (Diperlukan Kalkulus) Misalkan D: P3 ÿP2 adalah transformasi 34. Buktikan: Jika {v1, v2,..., vn} adalah basis untuk ruang vektor V dan w1,
diferensiasi D(p) = p (x). Apa inti dari D? w2,..., wn adalah vektor-vektor dalam ruang vektor W, belum
tentu berbeda, maka terdapat a transformasi linier T : V ÿW sedemikian rupa
(b) (Diperlukan kalkulus) Misalkan J : P1 ÿR adalah integrasi trans
1 sehingga
formasi J (p) = p(x) dx. Apa inti dari J ?
ÿ1 T(v1) = w1, T(v2) = w2, . . . , T(vn) = wn
26. (Diperlukan kalkulus) Misalkan V = C[a, b] adalah ruang vektor dari
fungsi kontinu pada [a, b], dan misalkan T : V ÿV adalah transformasi yang Latihan Benar-Salah
didefinisikan oleh
TF. Pada bagian (a)–(i) tentukan apakah pernyataan tersebut benar atau salah, dan
X
jelaskan jawaban
T(f) = 5f(x) + 3 f(t) dt Anda. (a) Jika T(c1v1 + c2v2) = c1T(v1) + c2T(v2) untuk semua vektor v1
A
dan v2 di V dan semua skalar c1 dan c2, maka T adalah transformasi linier.
Apakah T merupakan operator linier?
(b) Jika v adalah vektor bukan nol di V, maka terdapat tepat satu
27. (Diperlukan Kalkulus) Misalkan V adalah ruang vektor dari fungsi transformasi linier T : V ÿW sehingga T(ÿv) = ÿT(v).
bernilai riil dengan turunan kontinu semua orde pada in
terval (ÿ, ), dan misalkan W = F (ÿ, ) adalah ruang vektor dari fungsi (c) Terdapat tepat satu transformasi linier T : V ÿW dimana T(u + v) = T(u ÿ v)
bernilai riil yang didefinisikan pada (ÿ, ). untuk semua vektor u dan v di V.
(a) Temukan transformasi linier T : V ÿW yang intinya (d) Jika v0 adalah vektor bukan nol di V, maka rumus T(v) = v0 + v
adalah P3.
mendefinisikan operator linier pada V.
Satu-ke-Satu dan Onto Untuk menetapkan dasar diskusi kita pada bagian ini, kita memerlukan hal-hal berikut
definisi yang diilustrasikan pada Gambar 8.2.1.
DEFINISI 1 Jika T : V ÿW merupakan transformasi linier dari ruang vektor V ke ruang vektor W,
maka T dikatakan satu-satu jika T memetakan vektor-vektor berbeda di V ke vektor-vektor
berbeda di W.
DEFINISI 2 Jika T : V ÿW merupakan transformasi linier dari ruang vektor V ke ruang vektor W,
maka T dikatakan ke ( atau ke W) jika setiap vektor di W merupakan bayangan dari paling sedikit
satu vektor di V .
V WV W V W V W
Kisaran T Kisaran T
Gambar 8.2.1
TEOREMA 8.2.1 Jika T : V ÿW merupakan transformasi linier, maka pernyataan berikut ekuivalen.
(a) T adalah
Bukti (a) ÿ (b) Karena T linier, kita mengetahui bahwa T(0) = 0 berdasarkan Teorema 8.1.1(a). Karena T
adalah satu-satu, maka tidak ada vektor lain di V yang memetakan ke 0, jadi ker(T ) = {0}.
(b) ÿ (a) Asumsikan ker(T ) = {0}. Jika u dan v adalah vektor berbeda di V, maka u ÿ v = 0. Artinya T(u ÿ
v) = 0, karena jika tidak, ker(T ) akan memuat vektor bukan nol. Karena T linier, maka berikut ini
jadi T memetakan vektor-vektor berbeda di V menjadi vektor-vektor berbeda di W dan karenanya adalah vektor satu-ke-satu.
Dalam kasus khusus dimana V berdimensi hingga dan T adalah operator linier pada V, maka kita
dapat menambahkan pernyataan ketiga pada Teorema 8.2.1.
Machine Translated by Google
TEOREMA 8.2.2 Jika V dan W adalah ruang vektor berdimensi berhingga dengan dimensi yang
sama, dan jika T :V ÿW merupakan transformasi linier, maka pernyataan berikut ekuivalen. (a) T
adalah satu- satu. (b)
Bukti Kita telah mengetahui bahwa (a) dan (b) ekuivalen berdasarkan Teorema 8.2.1, sehingga cukup
ditunjukkan bahwa (b) dan (c) ekuivalen. Kami membiarkan Anda melakukan ini dengan mengasumsikan bahwa
dim(V ) = n dan menerapkan Teorema 8.1.4.
Persyaratan dalam Teorema 8.2.2 bahwa V dan W mempunyai dimensi yang sama sangat penting untuk
validitas teorema tersebut. Dalam latihan ini kami akan meminta Anda untuk membuktikan fakta-fakta berikut untuk
kasus yang tidak mempunyai dimensi yang sama. • Jika
dim(W ) < dim(V ), maka T tidak bisa satu-satu. • Jika dim(V ) <
Dinyatakan secara informal, jika transformasi linier memetakan ruang “lebih besar” ke ruang “lebih kecil”, maka
beberapa titik dalam ruang “lebih besar” harus mempunyai bayangan yang sama; dan jika transformasi linier
memetakan ruang “lebih kecil” ke ruang “lebih besar”, maka pasti ada titik-titik di ruang “lebih besar” yang bukan
merupakan gambaran titik mana pun di ruang “lebih kecil”.
Jika TA:RnÿRm merupakan perkalian dengan matriks A berukuran anm × n , maka dari pembahasan di atas dapat
disimpulkan bahwa TA bukan perkalian satu-satu jika m<n dan tidak termasuk dalam jika n<m. Dalam
kasus dimana m = n kita mengetahui dari Teorema 4.10.2 bahwa TA adalah satu-satu dan ke jika dan hanya jika A
dapat dibalik.
Transformasi linier T1: P3 ÿR4 dan T2: M22 ÿR4 ditentukan oleh
T(p) = c0x + c1x2 +···+ cnxn+1 dan T(q) = d0x + d1x2 +···+ dnxn+1
juga berbeda dalam setidaknya satu koefisien. Oleh karena itu, T adalah satu-ke-satu karena memetakan polinomial
berbeda p dan q menjadi polinomial berbeda T(p) dan T(q). Namun, itu tidak berlaku
Machine Translated by Google
V = R adalah ruang barisan yang dibahas pada Contoh 3 Bagian 4.1, dan pertimbangkan “operator
perpindahan” linier pada V yang didefinisikan oleh
Penyelesaian (a) Operator T1 adalah operator satu-ke-satu karena barisan-barisan yang berbeda pada R jelas
mempunyai bayangan yang berbeda pula. Operator ini tidak termasuk karena tidak ada vektor di R yang dipetakan ke
dalam barisan (1, 0, 0,..., 0, . . .), misalnya.
Penyelesaian (b) Operator T2 bukan operator satu-satu karena misalnya vektor-vektor (1, 0,
0,..., 0, . . .) dan (2, 0, 0,..., 0, . . .) keduanya dipetakan menjadi (0, 0, 0,..., 0, . . .). Operator ini
Mengapa Contoh 4 tidak melanggar on karena setiap kemungkinan barisan bilangan real dapat diperoleh dengan pilihan bilangan u2,
Teorema 8.2.2?
u3,...,un,....
diferensiasi yang dibahas dalam Contoh 11 Bagian 8.1. Transformasi linier ini tidak bersifat satu-satu karena
memetakan fungsi-fungsi yang berbeda konstanta ke dalam fungsi yang sama. Misalnya,
D(x2 ) = D(x2 + 1) = 2x
Komposisi Linier Definisi berikut memperluas Rumus (1) Bagian 4.10 pada transformasi linier umum.
Transformasi
Perhatikan bahwa kata “dengan” es DEFINISI 3 Jika T1: U ÿV dan T2: V ÿW merupakan transformasi linier, maka susunan T2 dengan T1 yang
mencantumkan urutan operasi dalam dilambangkan dengan T2 ÿ T1 (dibaca “T2 lingkaran T1”) adalah fungsi yang didefinisikan dengan rumus
suatu komposisi. Komposisi T2
dengan T1 adalah
T2 ° T1
T1 T2
kamu T
1(kamu) T2(T1 (kamu))
UVW
Teorema kita berikutnya menunjukkan bahwa komposisi dua transformasi linier itu sendiri merupakan
transformasi linier.
TEOREMA 8.2.3 Jika T1: U ÿV dan T2: V ÿW merupakan transformasi linier, maka (T2 ÿ T1): U ÿW
juga merupakan transformasi linier.
Bukti Jika u dan v adalah vektor pada U dan c adalah skalar, maka berikut dari (1) dan linearitas T1 dan T2
bahwa
= T2(T1(u)) + T2(T1(v))
Dan
(T2 ÿ T1)(cu) = T2(T1(cu)) = T2(cT1(u))
(T2 ÿ T1)(p(x)) = (T2 ÿ T1)(c0 + c1x) = (2x + 4)(c0 + c1(2x + 4)) = c0(2x + 4) + c1(2x
+ 4)2
Seperti diilustrasikan pada Gambar 8.2.3, komposisi dapat didefinisikan untuk lebih dari dua transformasi
linier. Misalnya jika
(T3 ° T2 ° T1)(kamu)
T1 T2 T3
T
T3(T2(T1(kamu)))
kamu
1(kamu) T2(T1 (kamu))
UVW Y
Linier Terbalik
Pada Teorema 4.10.1 kita menunjukkan bahwa operator matriks TA: Rn ÿRn adalah operator satu-ke-satu jika dan hanya jika
Transformasi
matriks A dapat dibalik, dalam hal ini operator inversnya adalah TAÿ1 . Kami kemudian
menunjukkan bahwa jika w adalah bayangan suatu vektor x dengan operator TA, maka x adalah bayangannya
di bawah TAÿ1 dari vektor w (lihat Gambar 4.10.8). Tujuan kami selanjutnya adalah memperluas gagasan tersebut
invertibilitas ke transformasi linier umum.
Jika T :V ÿW adalah transformasi linier satu-ke-satu dengan rentang R(T ), dan jika w adalah sembarang vektor
dalam R(T ), maka fakta bahwa T adalah satu-satu berarti terdapat tepat satu vektor v
di V dimana T (v) = w. Fakta ini memungkinkan kita untuk mendefinisikan fungsi baru, yang disebut invers dari T
(dan dilambangkan dengan T ÿ1), yang didefinisikan pada rentang T dan dipetakan kembali ke w
v (Gambar 8.2.4).
ay w = T(v)
Gambar 8.2.4 Kebalikan dari T
memetakan T(v) kembali ke v. V T–1 R(T)
Dapat dibuktikan (Latihan 33) bahwa T ÿ1: R(T )ÿV merupakan transformasi linier. Lebih dari ÿ1 itu lebih,
ini mengikuti dari definisi T
T ÿ1 (T(v)) = T ÿ1
(w) = v (4)
T (T ÿ1 (w)) = T(v) = w
(5)
sehingga T dan T ÿ1, bila diterapkan berturut-turut dalam urutan mana pun, akan menghilangkan efek masing-masing
lainnya.
adalah satu-ke-satu tetapi tidak ke. Fakta bahwa hal itu tidak terjadi dapat dilihat secara eksplisit dari rumus
T(x1, x2, x3) = (3x1 + x2, ÿ2x1 ÿ 4x2 + 3x3, 5x1 + 4x2 ÿ 2x3)
Tentukan apakah T satu-satu; jika ya, carilah T ÿ1(x1, x2, x3).
Machine Translated by Google
Penyelesaian Berdasarkan Rumus (15) Bagian 1.8, matriks standar untuk T adalah
310
ÿ ÿ
[T ] = ÿ
ÿ2 ÿ4 3 ÿ
ÿ 5 4 ÿ2 ÿ
(memeriksa). Matriks ini dapat dibalik, dan dari Rumus (9) Bagian 4.10 matriks standar ÿ1
untuk T adalah
4 ÿ2 ÿ3
[T ÿ1 ] = [T ] ÿ1 = ÿ ÿ11 6 ÿ
9
ÿ ÿ12 7 10 ÿ
x1 x1 4 ÿ2 ÿ3 x1
4x1 ÿ 2x2 ÿ 3x3
ÿ ÿ
= ÿ
T ÿ1 ÿ ÿ ÿ ÿÿ = [T ÿ1 ] ÿ x2 ÿ ÿ11 6 ÿÿÿ ÿ = ÿ11x1 + 6x2 + 9x3
9
ÿ ÿ
x2 x2
ÿ x3 ÿ ÿ ÿ x3 ÿ ÿ ÿ12 7 10 ÿ x3 ÿ ÿ ÿ12x1 + 7x2 + 10x3 ÿ
Komposisi dari LinierKita akhiri bagian ini dengan teorema yang menunjukkan bahwa komposisi transformasi linier satu-ke-satu
Satu-ke-Satu adalah satu-satu dan invers suatu komposisi adalah komposisi invers-invers yang urutannya terbalik.
Transformasi
TEOREMA 8.2.4 Jika T1: U ÿV dan T2: V ÿW adalah transformasi linier satu-ke-satu, maka: (a)
T2 ÿ T1
adalah transformasi linier
satu-ke-satu. (b) (T2 ÿ T11)ÿ12 =. T
ÿ1 ÿ1 ÿ T
Bukti (a) Kita ingin menunjukkan bahwa T2 ÿ T1 memetakan vektor-vektor berbeda di U menjadi vektor-vektor berbeda
di W. Tetapi jika u dan v adalah vektor-vektor berbeda di U, maka T1(u) dan T1(v) adalah vektor-vektor berbeda di V
karena T1 adalah satu-ke-satu. Ini dan fakta bahwa T2 adalah satu-ke-satu menyiratkan hal itu
juga merupakan vektor yang berbeda. Namun ungkapan ini juga dapat ditulis sebagai
untuk setiap vektor w pada rentang T2 ÿ T1. Untuk tujuan ini, biarkan
kamu = (T2 ÿ T1)ÿ1 (w) (7)
atau, setara,
T2(T1(u)) = w
Machine Translated by Google
atau, setara,
ÿ1 ÿ1
kamu = (T1 ÿT2 )(w)
Dengan kata lain, bagian (b) Teorema 8.2.4 menyatakan bahwa invers suatu komposisi adalah komposisi
invers dalam urutan terbalik. Hasil ini dapat diperluas ke komposisi
dari tiga atau lebih transformasi linier; Misalnya,
ÿ1 ÿ1 ÿ1 ÿ1
(T3 ÿ T2 ÿ T1) =T ÿT ÿT (8)
1 2 3
Dalam hal TA, TB, dan TC merupakan operator matriks pada Rn, maka rumus (8) dapat dituliskan
Perhatikan urutan subnya sebagai
ÿ1
(TCBA) = TAÿ1Bÿ1Cÿ1 (9)
12
ÿ ÿ
4. (a) SEBUAH =
ÿ
27 ÿ
10. Misalkan E adalah matriks elementer tetap berukuran 2 × 2. Apakah rumusnya T(A)
ÿ1
T (x, y), T
Dalam Latihan 13–14, hitung (T3 ÿ T2 ÿ T1)(x, y). ÿ1 ÿ1
(x, y), (T2 ÿ T1) (x, kamu)
1
2
13. T1(x, y) = (ÿ2y, 3x, x ÿ 2y), T2(x, y, z) = (y, z, x),
ÿ1 ÿ1 ÿ T 2 .
T3(x, y, z) = (x + z, y ÿ z) (c) Pastikan (T2 ÿ T1)ÿ1 = T 1
14. T1(x, y) = (x + y, y, ÿx), 23. Misalkan T1: P2 ÿP3 dan T2: P3 ÿP3 adalah transformasi linier
ab
18. Misalkan T1: Pn ÿPn dan T2: Pn ÿPn adalah operator linier yang = (a + b) + (c + d)x dan
tions yang diberikan oleh T1
CD
diberikan oleh T1(p(x)) = p(x ÿ 1) dan T2(p(x)) = p(x + 1). Carilah
(T1 ÿ T2)(p(x)) dan (T2 ÿ T1)(p(x)). T2(a + bx) = (a, b, a). (a)
Tentukan rumus T2 ÿ T1.
19. Misalkan T : P1 ÿR2 adalah fungsi yang ditentukan oleh rumus
(b) Tunjukkan bahwa T2 ÿ T1 tidak satu-satu dengan mencari perbedaan
T(p(x)) = (p(0), p(1)) 2 × 2 matriks A dan B sedemikian rupa sehingga
(d) Temukan T ÿ1(2, 3), dan buat sketsa grafiknya. 27. Misalkan T : R3 ÿR3 adalah proyeksi ortogonal dari R3 ke atas
bidang xy. Tunjukkan bahwa T ÿ T = T .
20. Pada setiap bagian, tentukan apakah operator linier
T : Rn ÿRn satu-satu; jika iya, carilah T ÿ1(x1, x2,...,xn). (a)
28. (Diperlukan Kalkulus) Misalkan V adalah ruang vektor C1[0, 1] dan misalkan T :
T(x1, x2,...,xn) = (0, x1, x2,...,xnÿ1) V ÿR didefinisikan oleh
29. (Diperlukan Kalkulus) Teorema Dasar Kalkulus menyiratkan bahwa integrasi dan
T(x1, x2,...,xn) = (a1x1, a2x2,...,anxn)
diferensiasi membalikkan tindakan satu sama lain. Definisikan transformasi D: Pn
dimana a1,...,an adalah konstanta. ÿPnÿ1 oleh D(p(x)) = p (x), dan tentukan J : Pnÿ1 ÿPn oleh
22. Misalkan T1: R2 ÿR2 dan T2: R2 ÿR2 adalah operator linier yang diberikan oleh rumus (b) Jelaskan mengapa J bukan transformasi invers dari D.
T1(x, y) = (x + y, x ÿ y) dan T2(x, y) = (2x + y, x ÿ 2y) (c) Dapatkah domain dan/atau kodomain D dan J dibatasi sehingga
merupakan transformasi linier terbalik?
Machine Translated by Google
30. (Diperlukan Kalkulus) Biarkan 36. Buktikan: Jika terdapat transformasi linier ke T : V ÿW
X
lalu redup(V ) ÿ redup(W ).
D(f) = f(x) dan J (f) = f(t) dt
0
jadilah transformasi linier pada Contoh 11 dan 12 pada Bagian 8.1. 37. Buktikan: Jika V dan W adalah ruang vektor berdimensi berhingga sehingga dim(W
Temukan (J ÿ D)(f) untuk ) < dim(V ), maka tidak terdapat transformasi linier satu-ke-satu T : V ÿW.
(a) f(x) = x2 + 3x + 2. (b) f(x) = dosa x.
31. (Diperlukan Kalkulus) Misalkan J :P1 ÿR adalah transformasi integrasi Latihan Benar-Salah
1
matian J (p) = p(x)dx. Tentukan apakah J adalah satu-ke
ÿ1 TF. Pada bagian (a)–(f) tentukan apakah pernyataan tersebut benar atau salah,
satu. Benarkan jawaban Anda.
dan jelaskan jawaban Anda. (a)
32. (Diperlukan Kalkulus) Misalkan D: Pn ÿPnÿ1 adalah transformasi diferensiasi Komposisi dua transformasi linier juga merupakan transformasi linier.
D(p(x)) = p (x). Tentukan apakah D termasuk dalam, dan berikan justifikasi atas
jawaban Anda.
(b) Jika T1: V ÿV dan T2: V ÿV adalah dua operator linier, maka T1 ÿ T2 = T2 ÿ T1.
buktikan (d) Jika transformasi linier T mempunyai invers, maka inti T adalah subruang nol.
35. Misalkan q0(x) adalah polinomial tetap berderajat m, dan tentukan fungsi T
(f ) Jika T1: U ÿV dan T2: V ÿW merupakan transformasi linier, dan jika T1 bukan transformasi satu-
dengan domain Pn dengan rumus T(p(x)) = p(q0(x)).
satu, maka T2 ÿ T1 juga tidak.
Buktikan bahwa T adalah transformasi linier.
8.3 Isomorfisme
Pada bagian ini kita akan membangun hubungan mendasar antara ruang vektor nyata berdimensi hingga dan ruang Euclidean Rn. Hubungan ini tidak hanya penting secara teoritis,
perhitungan vektor dalam ruang vektor umum dengan bekerja dengan vektor-vektor di Rn.
Isomorfisme Meskipun banyak teorema dalam teks ini hanya membahas ruang vektor Rn, teorema ini tidaklah sebatas yang terlihat. Kita akan menunjukkan bahwa ruang
berdimensi n harus mempunyai struktur aljabar yang sama dengan Rn meskipun vektornya tidak dapat dinyatakan sebagai n- tupel. Untuk menjelaskan apa yang kami
Dalam latihan kami akan meminta Anda untuk menunjukkan bahwa jika T :V ÿW merupakan isomorfisme, maka T
ÿ1: W ÿV juga merupakan isomorfisme. Oleh karena itu, kita biasanya akan mengatakan secara sederhana bahwa V dan
W adalah isomorfik dan T adalah isomorfisme antara V dan W.
Kata isomorfik berasal dari kata Yunani iso yang berarti “identik” dan morphe yang
berarti “bentuk”. Terminologi ini tepat karena, seperti yang akan kita jelaskan sekarang, ruang
vektor isomorfik mempunyai “bentuk aljabar” yang sama, meskipun keduanya
Machine Translated by Google
dapat terdiri dari berbagai jenis objek. Misalnya digambarkan diagram berikut isomorfisme
antara P2 dan R3
T
c0 + c1x + c2x2 ÿÿÿÿÿÿ ÿÿÿÿÿÿ (c0, c1, c2)
ÿ1
T
Walaupun vektor-vektor pada kedua sisi anak panah merupakan jenis benda yang berbeda, namun operasi vektor di
setiap sisi mencerminkan operasi di sisi lain. Misalnya untuk skalar
perkalian yang kita miliki
T
k(c0 + c1x + c2x2) ÿÿÿÿÿÿ ÿÿÿÿÿÿ k(c0, c1, c2)
ÿ1
T
T
kc0 + kc1x + kc2x2 ÿÿÿÿÿÿ ÿÿÿÿÿÿ (kc0, kc1, kc2)
ÿ1
dan untuk penjumlahan vektor yang kita punya T
T
(c0 + c1x + c2x2) + (d0 + d1x + d2x2) ÿÿÿÿÿÿ ÿÿÿÿÿÿ (c0, c1, c2) + (d0, d1, d2)
ÿ1
T
T
(c0 + d0) + (c1 + d1)x + (c2 + d2)x2 ÿÿÿÿÿÿ ÿÿÿÿÿÿ (c0 + d0, c1 + d1, c2 + d2)
ÿ1
T
Teorema berikut, yang merupakan salah satu hasil paling dasar dalam aljabar linier, terungkap pentingnya ruang
vektor Rn.
TEOREMA 8.3.1 Setiap ruang vektor real berdimensi n adalah isomorfik terhadap Rn.
Bukti Misalkan V adalah ruang vektor nyata berdimensi n. Untuk membuktikan bahwa V isomorfik terhadap Rn
Teorema 8.3.1 memberitahu kita bahwa ev kita harus mencari transformasi linier T : V ÿRn yang satu-ke-satu dan ke. Untuk ini
vektor n-dimensi nyata
tujuan, biarkan
ruang berbeda dari Rn hanya di
S = {v1, v2,..., vn}
notasi; struktur aljabar kedua
menjadi dasar apa pun untuk V, misalkan
ruang tersebut adalah
sama. u = k1v1 + k2v2 +···+ knvn (1)
menjadi representasi vektor u di V sebagai kombinasi linier dari vektor basis, dan misalkan T : V
ÿRn menjadi peta koordinat
Kita akan menunjukkan bahwa T adalah isomorfisme (linier, satu-satu, dan ke). Untuk membuktikan
linearitas, misalkan u dan v adalah vektor dalam V, misalkan c adalah skalar, dan misalkan
u = k1v1 + k2v2 +···+ knvn dan v = d1v1 + d2v2 +···+ dnvn (3)
menjadi representasi u dan v sebagai kombinasi linier dari vektor basis. Lalu itu mengikuti
dari (3) itu
yang menunjukkan bahwa T linier. Untuk menunjukkan bahwa T adalah satu-satu, kita harus menunjukkan bahwa jika u
dan v adalah vektor berbeda di V, begitu pula bayangannya di Rn. Tetapi jika u = v, dan jika
Machine Translated by Google
representasi vektor-vektor ini dalam bentuk vektor basis adalah seperti pada (3), maka kita harus mempunyai ki
= di untuk paling sedikit satu i. Dengan demikian,
yang menunjukkan bahwa u dan v memiliki gambar berbeda di bawah T . Terakhir, transformasi T menjadi, untuk if
w = (k1, k2,...,kn)
adalah sembarang vektor di Rn, maka dari (2) berikut ini w adalah bayangan di bawah T dari vektor tersebut
Teorema 8.3.1 secara umum menyatakan bahwa setiap ruang vektor berdimensi n adalah isomorfik terhadap Rn, maka
rumus (2) dalam pembuktiannyalah yang memberitahu kita cara mencari isomorfisme.
TEOREMA 8.3.2 Jika S = {v1, v2,..., vn} adalah basis untuk peta ruang vektor V , lalu coor
dinate
T
kamu
ÿÿ (kamu)S
Catatan Ingatlah bahwa peta koordinat bergantung pada urutan daftar vektor basis.
Jadi, Teorema 8.3.2 sebenarnya menjelaskan banyak kemungkinan isomorfisme, satu untuk masing-masing n!
kemungkinan urutan di mana vektor basis dapat dicantumkan.
mendefinisikan isomorfisme antaraPnÿ1 danRn. Ini disebut isomorfisme alami antara ruang-ruang vektor
tersebut.
D
a0 + a1x + a2x2 + a3x3 ÿÿ a1 + 2a2x + 3a3x2
Machine Translated by Google
0100 a0
ÿ ÿ ÿ a1
ÿ
0020 ÿ a1 ÿ ÿ
0003
ÿ ÿ
ÿ
ÿ
ÿ
= 2a2
ÿ ÿ
ÿ ÿ
a2 ÿ
ÿ
a3 ÿ 3a3 ÿ
ÿ ÿ
Jadi, misalnya, turunannya
D
(2 + x + 4x2 ÿ x3 ) = 1 + 8x ÿ 3x2
dx
dapat dihitung sebagai produk matriks
0100 2
ÿ 1ÿ 1
ÿ ÿ
ÿ
0020
ÿ
ÿ ÿ
ÿ ÿ
= ÿ
8ÿ ÿ
4
ÿ
0003 ÿ
ÿ3
ÿ ÿ ÿ
ÿ ÿ1
ÿ ÿ
Ide ini berguna untuk membangun algoritma numerik untuk menghitung turunan.
Solusi Kita akan mengubahnya menjadi masalah matriks dengan membuat matriks yang baris-
barisnya merupakan vektor koordinat polinomial di bawah isomorfisme natural dan
kemudian menentukan apakah baris-baris tersebut bebas linier menggunakan operasi baris dasar. Matriks
yang baris-barisnya merupakan vektor koordinat polinomial pada isomorfisme natural adalah
1 2 ÿ3401
ÿ ÿ
3 ÿ4654
SEBUAH = ÿ
1 ÿ
3 8 ÿ11 16 10 9
ÿ ÿ
Kami membiarkan Anda menggunakan operasi baris dasar untuk mereduksi matriks ini menjadi bentuk
eselon baris
1 2 ÿ3401
R= ÿ
1 ÿ1253
ÿ
ÿ0 ÿ
000000
ÿ ÿ
Matriks ini hanya mempunyai dua baris bukan nol, sehingga ruang baris A adalah dua dimensi, yang
berarti vektor-vektor barisnya bergantung linier. Oleh karena itu, polinom al yang diberikan juga
demikian.
pada produk bagian dalam. Jadi, jika V dan W adalah ruang hasil kali dalam, maka kita menyebut
isomorfisme T : V ÿW isomorfisme ruang hasil kali dalam jika
Analog Teorema 8.3.2 berikut memberikan metode penting untuk memperoleh isomorfisme ruang
hasil kali dalam antara ruang hasil kali dalam nyata dan ruang vektor Euclidean.
TEOREMA 8.3.3 Jika S = {v1, v2,..., vn} adalah basis ortonormal terurut untuk
ruang vektor re, alal lVu peta koordinat
T
kamu
ÿÿ (kamu)S
adalah isomorfisme ruang hasil kali dalam antara V dan ruang vektor Rn dengan hasil kali dalam
Euclidean.
v1
ÿ ÿ
v2
(v1, v2,...,vn)
ÿ ÿ
Tÿ ÿ ÿ ÿ
ÿ
. ÿ
ÿ ay ÿ
adalah isomorfisme ruang hasilkali dalam, jadi perbedaan antara ruang hasilkali dalam Rn dan ruang
hasilkali dalam Mn pada dasarnya bersifat notasi, sebuah fakta yang telah kita gunakan berkali-kali
dalam teks ini.
Machine Translated by Google
CD
ÿ ÿ
ÿ
ÿ
a+b+c ÿ
ab 18. (a) Berapa nilai k, jika ada, yang merupakan Mmn isomorfik
ke Rk ?
4.
ÿad ÿ bc dari M22 ke R.
CD
(b) Berapa nilai k, jika ada, yang merupakan Mmn isomorfik
ke Pk ?
5.
(a, b, c, d)ÿa + bx + cx2 + (d + 1)x3 dari R4 ke P3.
19. Misalkan T :P2 ÿM22 adalah pemetaannya
6. AÿAT dari Mnn ke Mnn.
hal(0) hal(1)
7.
c1 sin x + c2 cos x ÿ(c1, c2) dari subruang C(ÿ, ) T (p) = T (p(x)) =
hal(1) hal(0)
direntang oleh S = {sin x, cos x} sampai R2.
ÿÿ110 23. Buktikan jika U, V, dan W adalah ruang vektor sehingga U isomorfik
ÿÿ110 ÿ
terhadap V dan V isomorfik terhadap W, kemudian U isomorfik
ÿ
Dalam Latihan 13–14, carilah dimensi n dari ruang solusi W terhadap W.
dari Ax = 0, dan kemudian buatlah isomorfisme antara W dan
Rn. 24. Gunakan hasil pada Latihan 22 untuk membuktikan bahwa dua ruang
vektor nyata berdimensi berhingga yang berdimensi sama adalah
1010 isomorfik satu sama lain.
1111 ÿ 1010
ÿ ÿ 25. Buktikan bahwa isomorfisme ruang hasil kali dalam
13. SEBUAH = 2222
ÿ ÿ mempertahankan sudut dan jarak—yaitu, sudut antara u dan v
ÿ3333 ÿ 14. SEBUAH = ÿ
ÿ
ÿ
ÿ
ÿ vV = T (kamu) ÿ T (v)W .
ÿ0101
ÿ
Dalam Latihan 15–16, tentukan apakah transformasi tersebut
merupakan isomorfisme dari M22 ke R4. 26. Buktikan bahwa isomorfisme ruang hasilkali dalam memetakan orto
himpunan normal menjadi himpunan ortonormal.
A
ab 15. CD
Machine Translated by Googleÿ ÿ
ÿ ÿ ÿ
a+b+c ÿ
ÿ
TF. Pada bagian (a)–(f) tentukan apakah pernyataan tersebut benar atau
ÿa+b+c+d ÿ salah, dan jelaskan jawaban Anda.
Machine Translated by Google
(c) Setiap transformasi linier dari M33 ke P9 merupakan isomorfisme. (f ) Rn isomorfik terhadap subruang Rn+1.
Matriks Linear Misalkan V adalah ruang vektor berdimensi n, W adalah ruang vektor berdimensi m, dan T : V ÿW merupakan transformasi
Transformasi linier. Misalkan B adalah basis untuk V, bahwa B adalah basis untuk W, dan untuk setiap vektor x di V, matriks koordinat
untuk x dan T(x) adalah [x]B dan [T(x)]B , masing-masing (Gambar 8.4.1).
T
X Sebuah
Sebuah vektor T(x)
di V vektor di W
(n-dimensi) (dimensi-m)
dalam Rn dalam Rm
[X]B [T(x)] B
Gambar 8.4.1
Tujuan kita adalah mencari matriks A berukuran m × n sehingga perkalian dengan A memetakan vektor [x]B ke dalam
vektor [T(x)]B untuk setiap x dalam V (Gambar 8.4.2a). Jika kita dapat melakukannya, maka, seperti diilustrasikan pada
Gambar 8.4.2b, kita akan dapat melaksanakan transformasi linier T dengan menggunakan perkalian matriks dan prosedur
tidak langsung berikut :
peta T
V ke W
T
X
X T(x)
T(x) Perhitungan langsung
(1) (3)
Kalikan dengan A
[X]B A [T(x)] B´ [X]B [T(x)]B´
(2)
Kunci untuk melaksanakan rencana ini adalah menemukan matriks A berukuran m × n dengan sifat itu
Untuk tujuan ini, misalkan B = {u1, u2,..., un} menjadi basis untuk ruang berdimensi n V dan B = {v1, v2,..., vm} menjadi
basis untuk ruang berdimensi m W. Karena Persamaan (1) harus berlaku untuk semua vektor di V, maka persamaan tersebut
harus berlaku khususnya untuk vektor basis di B; itu adalah,
Tetapi
1 0 0
ÿ ÿ ÿ ÿ ÿ ÿ
0 ÿ
1 0 ÿ
[u1]B = ÿ ÿ
ÿ ÿ ÿ 0 ,..., [un]B = ÿ ÿ ÿ
ÿ
ÿÿÿ0ÿÿÿ
ÿ ÿ ÿ , [u2]B = ÿ ÿ ÿÿÿ0ÿÿÿ
ÿ
. .. .
ÿ ÿ
. .ÿ ÿ
ÿ
. .. ÿ
ÿ
ÿ0ÿ
ÿ0ÿ ÿ 1ÿ
Jadi
1
a11 a12 ··· a1n ÿ ÿ a11
ÿ a21 a22 ··· a2n ÿ 0 ÿ a21 ÿ
ÿ ÿ
. .
ÿ ÿ
SEBUAH[u1]B =
ÿ ÿ
ÿ
= .
ÿ ÿ ÿ
0
ÿ ÿ
.
ÿ
. . ÿ
.
.
ÿ ÿ ÿ ÿ
. .
ÿ
ÿ ÿ
0
a11 a12 ··· a1n ÿ ÿ a12
ÿ ÿ ÿ
1 ÿ ÿ ÿ
ÿ
a21 a22 ··· a2n ÿ
ÿ ÿ
ÿ
a22 ÿ
SEBUAH[u2]B = . .
ÿ ÿ
=
ÿ
ÿ
. .
ÿ
0 ÿ
..
ÿ ÿ ÿ ÿ
. ÿ
.
ÿ ÿ
ÿ
. . ÿ
0
a11 a12 ··· a1n ÿ ÿ a1n
ÿ a21 a22 ··· a2n ÿ 0 ÿ a2n ÿ
ÿ ÿ
A[tidak]B = . .
ÿ
ÿ ÿ
ÿ
.
ÿ ÿ ÿ ÿ ÿ
.
ÿ
= ÿ
. ÿ
.. ÿ
0 ÿ
. ÿ
ÿ
ÿ
ÿ
.
ÿ
. . ÿ
a22 a2n
ÿ ÿ ÿ ÿ
ÿ
.. ÿ
. ÿ
.
. . .
ÿ ÿ
.
ÿ
.
ÿ ÿ
ÿ ÿ
ÿ
yang menunjukkan bahwa kolom-kolom berurutan dari A adalah vektor koordinat dari
sehubungan dengan dasar B . Jadi, matriks A yang melengkapi tautan pada Gambar 8.4.2a adalah
Kita akan menyebutnya matriks untuk T relatif terhadap basis B dan B dan akan menyatakannya dengan simbol [T ]B
Machine Translated by Google
,B. Dengan menggunakan notasi ini, Rumus (3) dapat ditulis sebagai
[T ]B ,B = [T(u1)]B | [T(u2)]B |···| [T(tidak)]B
(4)
Machine Translated by Google
Kita membiarkannya sebagai latihan untuk menunjukkan bahwa dalam kasus khusus dimana TC: Rn ÿRm
adalah perkalian dengan C, dan dimana B dan B masing-masing adalah basis standar untuk Rn dan Rm , maka
[T] [TC]B ,B = C (6)
B´,B
Dasar untuk ruang Dasar untuk Catatan Perhatikan bahwa pada notasi [T ]B ,B subskrip kanan merupakan basis domain , T dan
gambar domain subskrip kiri merupakan basis ruang citra T (Gambar 8.4.3). Selain itu, amati bagaimana subskrip B
tampak “batal” pada Rumus (5) (Gambar 8.4.4).
Gambar 8.4.3
Pembatalan
T(p(x)) = xp(x)
Gambar 8.4.4
Temukan matriks untuk T terhadap basis standar
Jika diamati, vektor koordinat untuk T(u1) dan T(u2) relatif terhadap B adalah
0 0
ÿ ÿ ÿ ÿ
[T(u1)]B = ÿ 1 ÿ
[T(u2)]B = ÿ 0 ÿ
ÿ 0ÿ, ÿ 1ÿ
Jadi, matriks T terhadap B dan B adalah
00
ÿ ÿ
[T ]B ,B = [T(u1)]B | [T(u2)]B = ÿ 10 ÿ
ÿ01 ÿ
X T(x)
Perhitungan langsung
(1) (3)
Larutan
Langkah 2. Mengalikan [x]B dengan matriks [T ]B ,B yang ditemukan pada Contoh 1 kita memperoleh
Meskipun Contoh 2 sederhana,
prosedur yang diilustrasikannya 00 0
ÿ A ÿ Aÿ
[T ]B ,B[x]B = ÿ =
dapat diterapkan pada
ÿ
10 ÿ
ÿ ÿ
= [T(x)]B
B
permasalahan yang sangat kompleks. B
ÿ01 ÿ ÿ
ÿ
Langkah 3. Merekonstruksi T(x) = T(a + bx) dari [T(x)]B kita memperoleh T(a + bx)
= 0 + ax + bx2 = ax + bx2
x2 01
x1 ÿ ÿ= ÿ ÿ x1
T = ÿ5x1 + 13x2
ÿ ÿ
ÿ
ÿ5 13 ÿ
x2 x2
ÿ ÿ7x1 + 16x2 ÿ ÿ ÿ7 16 ÿ
Tentukan matriks transformasi T terhadap basis B = {u1, u2} untuk R2 dan B = {v1, v2, v3} untuk R3, di
mana
1
3 5 ÿ ÿ ÿ1 0
ÿ ÿ ÿ ÿ
u1 = , u2 = ; v1 = 0 v2 = 2 v3 = 1
ÿ ÿ ÿ ÿ
ÿ ÿ
1 2
ÿ ÿ1 ÿ, ÿ 2 ÿ, ÿ2ÿ
T(u2) = ÿ
1 ÿ
ÿ ÿ5 ÿ,
ÿ ÿ3 ÿ
Menyatakan vektor-vektor ini sebagai kombinasi linier dari v1, v2, dan v3, kita peroleh (verifikasi)
T(u1) = v1 ÿ 2v3, T(u2) = 3v1 + v2 ÿ v3
Dengan demikian,
1 3
ÿ ÿ ÿ ÿ
[T(u1)]B = ÿ
0 ÿ
[T(u2)]B = ÿ
1 ÿ
ÿ ÿ2 ÿ, ÿ ÿ1 ÿ
Jadi
1 3
ÿ ÿ
[T ]B ,B = [T(u1)]B | [T(u2)]B = ÿ
0 1 ÿ
ÿ ÿ2 ÿ1 ÿ
Contoh Keterangan 3 mengilustrasikan bahwa transformasi linier tetap umumnya mempunyai banyak representasi,
masing-masing bergantung pada basis yang dipilih. Dalam hal ini matriks
01 1 3
ÿ ÿ ÿ ÿ
[T ] = ÿ
ÿ5 13 ÿ
dan [T ]B,B = ÿ
0 1
ÿ
ÿ ÿ7 16 ÿ ÿ ÿ2 ÿ1 ÿ
keduanya mewakili transformasi T , yang pertama relatif terhadap basis standar untuk R2 dan R3, yaitu
Machine Translated by Google
detik relatif terhadap basis B dan B yang dinyatakan dalam contoh.
Machine Translated by Google
Matriks Linear
Dalam kasus khusus di mana V = W (sehingga T : V ÿV adalah operator linier), B = B biasa digunakan
Operator
ketika membuat matriks untuk T. Dalam h.al ini matriks yang dihasilkan disebut matriks
untuk T relatif terhadap basis B dan biasanya dilambangkan dengan [T ]B daripada [T ]B,B.
Diutarakan secara informal, Jika B = {u1, u2,..., un}, maka Rumus (4) dan (5) menjadi
Rumus (7) dan (8) menyatakan
[T ]B = [T(u1)]B | [T(u2)]B |···| [T(tidak)]B (7)
bahwa trix , bila dikalikan dengan
ma untuk T , vektor koordinat
untuk x, menghasilkan vektor
koordinat untuk T(x).
[T ]B[x]B = [T(x)]B (8)
Dalam kasus khusus dimana T : Rn ÿRn adalah operator matriks, katakanlah perkalian dengan A, dan
B adalah basis standar untuk Rn, kemudian Rumus (7) disederhanakan menjadi
[T ]B = SEBUAH
(9)
Matriks Identitas
Ingat bahwa operator identitas I : V ÿV memetakan setiap vektor di V ke dalam dirinya sendiri, yaitu, I (x)
Operator
= x untuk setiap vektor x diV. Contoh berikut menunjukkan bahwa jikaV berdimensi n, maka matriks
untuk I relatif terhadap sembarang basis B untuk V adalah matriks identitas n × n .
Karena itu,
1 0 ··· 0
ÿ ÿ
0 1 ··· 0 ÿ
[Saya ]B = ÿÿÿ0ÿÿÿ
0 ··· 0 ÿ
= saya
. .
..
ÿ
.. .. . ÿ
ÿ 0 ··· 1 ÿ
0
ÿ
T(p(x)) = p(3x ÿ 5)
yaitu, T(c0 + c1x + c2x2) = c0 + c1(3x ÿ 5) + c2(3x ÿ 5)2. (a)
Carilah [T ]B relatif terhadap basis B = {1, x, x2}. (b)
Gunakan prosedur tidak langsung untuk menghitung T(1 + 2x +
3x2). (c) Periksa hasil pada (b) dengan menghitung T(1 + 2x + 3x2) secara langsung.
Jadi
1 ÿ5 25
ÿ ÿ ÿ ÿ ÿ ÿ
[T(1)]B = ÿ
0 ÿ [T(x)]B ÿ
3 ÿ [T(x2 )]B = ÿ
ÿ30 ÿ
= 9ÿ
ÿ 0ÿ, ÿ 0ÿ, ÿ
Machine Translated by Google
Dengan demikian,
1 ÿ5 25
ÿ ÿ
[T ]B = ÿ
0 3 ÿ30
ÿ
00 9
ÿ ÿ
Solusi (b)
Langkah 1. Matriks koordinat p = 1 + 2x + 3x2 relatif terhadap basis B = {1, x, x2}
adalah
1
ÿ2ÿ
[p]B = ÿ ÿ
3
ÿ ÿ
Langkah 2. Mengalikan [p]B dengan matriks [T ]B yang terdapat pada bagian (a) kita peroleh
1 ÿ5 25 1 66
0 ÿ ÿ
[T ]B[p]B = ÿ
00 9 3 27
ÿ ÿ ÿ ÿ ÿ ÿ
Matriks Komposisi dan Kami akan menyimpulkan bagian ini dengan menyebutkan dua teorema tanpa pembuktian yang
Invers
merupakan generalisasi dari Rumus (4) dan (9) dari Bagian 4.10.
Transformasi
TEOREMA 8.4.1 Jika T1: U ÿV dan T2: V ÿW adalah transformasi linier, dan jika B, B, dan B
berturut- turut adalah basis untuk U, V, dan W, maka
TEOREMA 8.4.2 Jika T : V ÿV adalah operator linier, dan jika B adalah basis untuk V, maka
persamaan berikut ini
ekuivalen. (a) T adalah
Catatan Pada (10), amati bagaimana subskrip interior B (basis untuk ruang tengah V ) tampak
“meniadakan”, sehingga hanya menyisakan basis untuk domain dan ruang gambar komposisi sebagai
[T2° T1 ] B´,B = [T2 ] B´,B´´[T1 ]B´´,B subskrip (Gambar 8.4.5). “Pembatalan” subskrip interior ini menunjukkan perluasan Rumus (10) berikut
ke komposisi tiga transformasi linier (Gambar 8.4.6):
Pembatalan
[T3 ÿ T2 ÿ T1]B,B = [T3]B,B[T2]B,B[T1]B,B (12)
Gambar 8.4.5
Machine Translated by Google
T1 T2 T3
Dasar B
Dasar B´´ Dasar B´´´ Dasar B´
Gambar 8.4.6
CONTOH 6 Komposisi
Misalkan T1: P1 ÿP2 adalah transformasi linier yang didefinisikan oleh
Mari kita pilih B = {1, x}sebagai basis P1 dan pilih B = {1, x, x2}sebagai basis P2. Kami
menunjukkan dalam Contoh 1 dan 5 hal itu
00 1 ÿ5 25
ÿ
= ÿ ÿ
ÿ
[T1]B ,B ÿ
10
ÿ
dan [T2]B =
ÿ
0 3 ÿ30 ÿ
1 ÿ5 25 00 ÿ5 25
ÿ ÿÿ ÿ ÿ
[T2 ÿ T1]B ,B = ÿ
0 3 ÿ30 ÿ = 3 ÿ30 ÿ
(15)
ÿ ÿ
10 ÿ ÿ
ÿ 00 9 0 9ÿ
ÿ ÿ01 ÿ ÿ
Sebagai pengecekannya, kita akan menghitung [T2 ÿ T1]B ,B langsung dari Rumus (4). Karena B = {1,
x}, maka dari Rumus (4) dengan u1 = 1 dan u2 = x maka
[T2 ÿ T1]B ,B = [(T2 ÿ T1)(1)]B | [(T2 ÿ T1)(x)]B
(16)
Menggunakan (13) hasil
(T2 ÿ T1)(1) = 3x ÿ 5 dan (T2 ÿ T1)(x) = (3x ÿ 5) 2 = 9x2 ÿ 30x + 25
Dari sini dan fakta bahwa B = {1, x, x2}, maka
ÿ5 25
ÿ ÿ ÿ ÿ
[(T2 ÿ T1)(1)]B = ÿ
3 ÿ
dan [(T2 ÿ T1)(x)]B = ÿ
ÿ30 ÿ
ÿ 0ÿ ÿ 9ÿ
ÿ 0 9ÿ
Machine Translated by Google
B = {u1, u2, u3} dan B = {v1, v2, v3, v4} (a) Tentukan matriks T terhadap basis
Di mana B = {v1, v2, v3}, dimana
(a) Tentukan matriks T relatif terhadap basis standar B = {1, x, (c) Periksa hasil yang diperoleh pada bagian (b) dengan menghitung T(2 ÿ
x2} untuk P2. 3x + 4x2) secara langsung.
(b) Verifikasi bahwa matriks [T ]B yang diperoleh pada bagian (a) memenuhi
8. Misalkan T : P2 ÿP3 adalah transformasi linier yang didefinisikan
Rumus (8) untuk setiap vektor x = a0 + a1x + a2x2 di P2.
oleh T(p(x)) = xp(x ÿ 3), yaitu,
T x1
x2 = x1 ÿ x2 [T ]B ,BB B = {1, x, relatif terhadap basis B = {1, x, x2} dan (a) Carilah
x1 + x2 x2, x3}.
dan misalkan B = {u1, u2} menjadi basisnya (b) Gunakan prosedur tiga langkah yang diilustrasikan dalam Contoh 2 untuk
1 ÿ1 menghitung T(1 + x ÿ x2).
[T ]B. (b) Verifikasikan bahwa Rumus (8) berlaku untuk setiap vektor x di R2.
1 ÿ1 13
5. Misalkan T : R2 ÿR3 didefinisikan oleh 9. Misalkan v1 = dan v2 = , dan misalkan A = menjadi
3 4 ÿ2 5
matriks untuk T : R2 ÿR2 relatif terhadap basis B = {v1, v2}.
x1 + 2x2
ÿ ÿ (a) Temukan [T(v1)]B dan [T(v2)]B.
T x1
= ÿ
ÿx1
x2 (b) Temukan T(v1) dan T(v2).
ÿ
0
ÿ ÿ
x1 .
(a) Tentukan matriks [T ]B ,B relatif terhadap basisnya (c) Temukan rumus untuk T
x2
B = {u1, u2} dan B = {v1, v2, v3}, dimana
1
1 2 3 3 ÿ210
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ
v1 = ÿ 1 ÿ
v2 = ÿ 2 ÿ
v3 = ÿ 0 ÿ 10. Misalkan A = ÿ 1621 ÿ menjadi matriks untuk
Machine Translated by Google
1
ÿ ÿ, 0 0 ÿ ÿ3071 ÿ
ÿ ÿ, ÿ ÿ
(b) Verifikasikan bahwa Rumus (5) berlaku untuk setiap vektor di R2.
T : R4 ÿR3 relatif terhadap basis B = {v1, v2, v3, v4} dan
Machine Translated by Google
ÿ ÿ
ÿ
T(2 + 2x + x2) menggunakan prosedur tiga langkah yang diilustrasikan
x3
ÿ ÿ x4 ÿ ÿ. pada Contoh 2.
2
ÿÿ 2ÿÿ
ÿ ÿ
(c) Periksa hasil yang diperoleh pada bagian (b) dengan menghitung T(2
ÿ (d) Gunakan rumus yang diperoleh pada (c) untuk menghitung T + 2x + x2) secara langsung.
ÿ
ÿ ÿ
0
ÿ ÿ
ÿ ÿ 0 ÿ ÿ. 16. Misalkan T : M22 ÿR2 adalah transformasi linier yang diberikan oleh
1 3 ÿ1
ab a+b+c
ÿ ÿ =
11. Misalkan A = 205 menjadi matriks untuk T : P2 ÿP2 dengan T CD D
ÿ 6 ÿ2 4 ÿ
terhadap basis B = {v1, v2, v3}, dimana v1 = 3x + 3x2, v2 = ÿ1 + 3x + 2x2, dan misalkan B menjadi basis standar untuk M22, B menjadi basis standar untuk R2,
v3 = 3 + 7x + 2x2. (a) Temukan [T(v1)]B, dan
1 ÿ1
[T(v2)]B, dan [T(v3)]B.
B= ,
(b) Temukan T(v1), T(v2), dan T(v3). 1 0
(c) Carilah rumus untuk T(a0 + a1x + a2x2). (d) (a) Carilah [T ]B ,B dan [T ]B,B.
12
Gunakan rumus yang diperoleh pada (c) untuk menghitung T(1 + x2). (b) Hitung T menggunakan prosedur tiga langkah
34
12. Misalkan T1: P1 ÿP2 adalah transformasi linier yang didefinisikan oleh yang diilustrasikan dalam Contoh 2 untuk kedua matriks yang terdapat pada
bagian (a).
T1(p(x)) = xp(x)
(c) Periksa hasil yang diperoleh pada bagian (b) dengan menghitung
dan misalkan T2: P2 ÿP2 menjadi operator linier yang ditentukan oleh 12
T secara langsung.
T2(p(x)) = p(2x + 1) 34
Misalkan B = {1, x} dan B = {1, x, x2} adalah basis baku untuk P1 dan P2. 17. (Diperlukan Kalkulus) Misalkan D: P2 ÿP2 adalah operator diferensiasi D(p) = p (x).
(a) Tentukan matriks D
(a) Carilah [T2 ÿ T1]B ,B, [T2]B, dan [T1]B ,B. (b) relatif terhadap basis B = {p1, p2, p3} untuk P2 dimana p1 = 1, p2 = x, p3 = x2.
(b) Gunakan matriks pada bagian (a) untuk menghitung D(6
Nyatakan rumus yang menghubungkan matriks-matriks pada bagian (a).
ÿ 6x + 24x2).
(c) Verifikasi bahwa matriks pada bagian (a) memenuhi rumus Anda
dinyatakan pada bagian (b). 18. (Diperlukan Kalkulus) Misalkan D: P2 ÿP2 adalah operator diferensiasi D(p) = p (x).
(a) Tentukan matriks D
13. Misalkan T1: P1 ÿP2 adalah transformasi linier yang didefinisikan oleh
relatif terhadap basis B = {p1, p2, p3} untuk P2 yang p1 = 2, p2 = 2 ÿ 3x, p3 = 2 ÿ 3x +
T1(c0 + c1x) = 2c0 ÿ 3c1x 8x2. (b) Gunakan matriks pada bagian (a) untuk menghitung D(6 ÿ
dan misalkan T2: P2 ÿP3 menjadi transformasi linier yang ditentukan oleh 6x + 24x2).
T2(c0 + c1x + c2x2 ) = 3c0x + 3c1x2 + 3c2x3 19. (Diperlukan kalkulus) Misalkan V adalah ruang vektor dari
fungsi bernilai riil yang didefinisikan pada interval (ÿ, ), dan
Misalkan B = {1, x}, B = {1, x, x2}, dan B = {1, x, x2, x3}. misalkan D: V ÿV adalah
(a) Carilah [T2 ÿ T1]B ,B, [T2]B ,B, dan [T1]B,B. operator diferensiasi. (a) Tentukan matriks D relatif terhadap
(b) Nyatakan rumus yang menghubungkan matriks-matriks pada bagian (a). basis B = {f1, f2, f3} untuk V dimana f1 = 1, f2 = sin x, f3 = cos x
Machine Translated by Google
(b) Gunakan matriks pada bagian (a) untuk menghitung 23. Buktikan jika B dan B adalah basis baku untuk Rn dan
Rm masing-masing, maka matriks untuk transformasi linier T :
D(2 + 3 sin x ÿ 4 cos x) Rn ÿRm relatif terhadap basa B dan B adalah standarnya
matriks untuk T .
20. Misalkan V adalah ruang vektor empat dimensi dengan basis B, misalkan W
adalah ruang vektor tujuh dimensi dengan basis B dan misalkan T, : V
ÿW adalah transformasi linier. Identifikasi empat ruang vektor yang memuat Latihan Benar-Salah
vektor-vektor di sudut-sudut diagram terlampir. TF. Pada bagian (a)–(e) tentukan apakah pernyataan tersebut benar atau salah,
dan jelaskan jawaban Anda.
Jika S: V ÿV dan T : V ÿV adalah operator linier dan B adalah basis untuk V, maka matriks S ÿ T rel
Bekerja dengan Bukti
22. Buktikan bahwa jika T : V ÿW adalah transformasi nol, maka matriks T terhadap sembarang basis untuk V dan W adalah matriks nol.
Jika T : V ÿV adalah operator linier yang dapat dibalik dan B adalah basis
ÿ1 ÿ1
untuk V, maka matriks untuk Trelatif terhadap B adalah [T ] B. _
8.5 Kesamaan
Matriks untuk operator linier T: V ÿV bergantung pada basis yang dipilih untuk V. Salah satu
permasalahan mendasar aljabar linier adalah memilih basis untuk V yang membuat matriks untuk T
sesederhana mungkin—diagonal atau segitiga matriks, misalnya. Pada bagian ini kita akan mempelajari
masalah ini.
[T ]B = 11
(1)
ÿ2 4
Mari kita bandingkan matriks ini dengan matriks [T ]B untuk operator yang sama T tetapi relatif terhadap
basis B = {u 1, u 2} untuk R2 di mana
1
=
1 = (2)
,
1
kamu 1
2
kamu 2
Sejak
1 1 1 2 11 1 3
= =
T(kamu 1) =
= 2kamu 1 dan T(u 2) = = 3u 2
ÿ2 4 1 2 ÿ2 4 2 6
2 0
[T(kamu 1)]B = dan [T(u 2)]B =
0 3
Machine Translated by Google
20
[T ]B = T(u 1)B | T(u 2)B = 03
Matriks ini, karena bersifat diagonal, memiliki bentuk yang lebih sederhana daripada [T ]B dan menyampaikan
dengan j1elas bahwa operator T mensk2alakan u dengan faktor 2 dan u dengan faktor 3, informasi yang tidak
langsung terlihat dari [T ]B.
Salah satu tema utama dalam mata kuliah aljabar linier tingkat lanjut adalah menentukan “bentuk paling
sederhana” yang dapat diperoleh matriks operator linier dengan memilih basis yang tepat. Kadang- kadang
dimungkinkan untuk mendapatkan matriks diagonal (seperti di atas, misalnya), sedangkan di lain waktu kita harus
memilih matriks segitiga atau bentuk lainnya. Kami hanya dapat menyentuh topik penting ini dalam teks ini.
Masalah dalam menemukan basis yang menghasilkan matriks paling sederhana untuk operator linier T : V
ÿV dapat diatasi dengan terlebih dahulu mencari matriks untuk T relatif terhadap basis apa pun , biasanya basis
standar, jika memungkinkan, dan kemudian mengubah basis di cara yang menyederhanakan matriks. Sebelum
menerapkan ide ini, ada baiknya kita meninjau kembali beberapa konsep tentang perubahan basis.
PBÿB[v]B = [v]B
(5)
PB ÿB[v]B = [v]B
(6)
Teorema berikut menunjukkan bahwa matriks transisi pada Rumus (3) dan (4) dapat
dipandang sebagai matriks untuk operator identitas.
TEOREMA 8.5.1 Jika B dan B adalah basis untuk ruang vektor berdimensi terbatas V, dan jika I : V ÿV adalah operator id
PBÿB = [I ]B ,B dan PB ÿB= [Saya ]B,B
Pembuktian Misalkan B = {u1, u2,..., un} dan B = {uu n} adalah bkaamsuis1,u2n,.t..u, k V. Dengan menggunakan fakta bahwa I (
= [Saya (u1)]B | [I (u2)]B |···| [Saya (tidak)]B
[Saya ]B ,B
= [u1]B | [u2]B |···| [tidak]B
= PBÿB [ Rumus (3) di atas]
Soal Jika B dan B adalah dua basis untuk ruang vektor berdimensi berhingga V, dan jika T : V ÿV adalah operator linier, apa hubung
Pengaruh Perubahan Basis pada
Matriks Linier
Operator
Machine Translated by Google
Jawaban atas pertanyaan tersebut dapat diperoleh dengan memperhatikan komposisi ketiganya operator linier
pada V digambarkan pada Gambar 8.5.1.
SAYA T SAYA
ay ay
Televisi) Televisi)
V V VV
Gambar 8.5.1 Dasar = B´ Dasar = B Dasar = B Dasar = B´
Pada gambar ini, v pertama-tama dipetakan ke dalam dirinya sendiri oleh operator identitas, kemudian v dipetakan
menjadi T(v) kali T , dan kemudian T(v) dipetakan ke dalam dirinya sendiri oleh operator identitas. Semua empat
ruang vektor yang terlibat dalam komposisi adalah sama (yaitu, V ), tetapi basis untuk
ruang bervariasi. Karena vektor awalnya adalah v dan vektor akhir adalah T(v), maka komposisinya
menghasilkan hasil yang sama seperti menerapkan T secara langsung; itu adalah,
T = Saya ÿ T ÿ Saya
(7)
Jika, seperti diilustrasikan pada Gambar 8.5.1, ruang vektor pertama dan terakhir diberi basis B
dan dua ruang tengah diberi alas B, maka berikut dari (7) dan Untuk mula (12) Bagian 8.4 (dengan penyesuaian yang sesuai
dengan nama alasnya) bahwa
[T ]B ,B
= [Saya ÿ T ÿ Saya ]B ,B = [Saya ]B ,B[T ]B,B[Saya ]B,B (8)
[T ]B = PBÿB[T ]BPB ÿB
(10)
TEOREMA 8.5.2 Misalkan T : V ÿV adalah operator linier pada vektor berdimensi hingga
spasi V, dan misalkan B dan B menjadi basis untuk V. Lalu
ÿ1
[T ]B = P [T ]BP (11)
ÿ1
dimana P = PB ÿB dan P = PBÿB.
[T] B
= PBÿB´ [T]B PB´ÿB Peringatan Saat menerapkan Teorema 8.5.2, mudah untuk melupakan apakah P = PBÿB (benar) atau
P = PBÿB (salah). Mungkin membantu jika menggunakan diagram pada Gambar 8.5.2 dan mengamati bahwa subskrip
Subskrip eksterior luar matriks transisi cocok dengan subskrip matriks yang dilingkupinya.
Gambar 8.5.2
Dalam terminologi Definisi 1 Bagian 5.2, Teorema 8.5.2 memberitahu kita bahwa matriks
mewakili operator linier yang sama relatif terhadap basis yang berbeda harus serupa. Teorema berikut, yang kita nyatakan
tanpa bukti, menunjukkan bahwa kebalikan dari Teorema 8.5.2
juga benar.
TEOREMA 8.5.3 Jika V adalah ruang vektor berdimensi hingga, maka dua matriks A dan B
mewakili operator linier yang sama (tetapi mungkin terhadap basis yang berbeda) jika dan
hanya jika mereka serupa. Apalagi jika B = P basis yang ÿ1 AP , maka P adalah matriks transisi dari
digunakan untuk B dengan basis yang digunakan untuk A.
Machine Translated by Google
11 20
C= dan D =
ÿ2 4 03
mewakili operator linier yang sama T : R2 ÿR2. Verifikasi bahwa matriks-matriks ini sebangun
dengan mencari matriks P yang D = P ÿ1CP.
Solusi Kita perlu mencari matriks transisi
standar dimana 1, u 2} adalah basis untuk R2 yang diberikan oleh (2) dan B = {e1, e2} adalah basis
B = {u untuk R2. Kita melihatnya melalui inspeksi
kamu= 1e1 + e2
= e1 + 2e2
k
1 1
[kamu 1]B = dan [u 2]B =
1 2
Dengan demikian,
11
P = PB ÿB = [u 1]B | [kamu 2]B =
12
2 ÿ1
P ÿ1 =
ÿ1 1
dan karenanya
20 2 ÿ1 11 11
=
03 ÿ1 1 ÿ2 4 12
ÿ1
D P C P
Invarian Kemiripan Ingat dari Bagian 5.2 bahwa suatu properti matriks persegi disebut invarian kesamaan jika properti tersebut dimiliki
oleh semua matriks yang serupa. Pada Tabel 1 bagian itu kami mencantumkan invarian kesamaan yang
paling penting. Karena kita mengetahui dari Teorema 8.5.3 bahwa dua matriks adalah sebangun jika dan
hanya jika matriks-matriks tersebut mewakili operator linier yang sama
T : V ÿV, maka jika B dan B adalah basis untuk V, maka setiap kesamaan bersifat invarian dari
[T ] B juga merupakan properti invarian kesamaan dari [T ]B. Misalnya, untuk dua basis B dan B yang
harus kita miliki
det[T ]B = det[T ]B
Dari persamaan ini dapat disimpulkan bahwa nilai determinan bergantung pada T
, tapi tidak menyala
basis tertentu yang digunakan untuk merepresentasikan T dalam bentuk matriks. Jadi, determinan dapat
dianggap sebagai properti dari operator l,inier T dan kita dapat mendefinisikan determinan dari
operator linier T menjadi
det(T ) = det[T ]B (12) dengan B adalah basis apa pun untuk
Machine Translated by Google
V. Tabel 1 mencantumkan invarian kesamaan dasar dari operator linier T : V ÿV.
Machine Translated by Google
Properti Kesamaan
Dapat dibalik [T ]B dapat dibalik jika dan hanya jika P ÿ1[T ]BP dapat dibalik.
Ketidaksahan
[T ]B dan P ÿ1[T ]BP memiliki nullitas yang sama.
Polinomial karakteristik [T ]B dan P ÿ1[T ]BP memiliki polinomial karakteristik yang sama.
Nilai eigen [T ]B dan P ÿ1[T ]BP memiliki nilai eigen yang sama.
Dimensi ruang eigen Jika ÿ merupakan nilai eigen dari [T ]B dan P ÿ1[T ]BP, maka ruang eigen dari [T ]B
yang bersesuaian dengan ÿ dan ruang eigen dari P ÿ1[T ]BP yang bersesuaian dengan ÿ
mempunyai dimensi yang sama.
1 1 20
[T ] = dan [T ]B =
ÿ2 4 03
mewakili operator linier yang sama relatif terhadap basis yang berbeda, yang pertama relatif
terhadap basis standar B = {e1, e2} untuk R2 dan yang kedua relatif terhadap basis B =1{, uu 2} yang
mana
= 1 1
kamu 1
, =
1
kamu 2
2
Artinya [T ] dan [T ]B harus merupakan matriks yang sebangun dan karenanya harus memiliki sifat invarian kesamaan
yang sama. Secara khusus, mereka harus memiliki determinan yang sama. Kami menyerahkannya kepada Anda untuk
memverifikasinya
det[T ] =
11 20
= 6 dan det[T ]B = =6
ÿ2 4 03
Solusi Karena nilai eigen adalah invarian kesamaan, kita dapat mencari nilai eigen dari T
dengan memilih basis B untuk P2 dan menghitung nilai eigen matriks [T ]B. Kita
biarkan Anda menunjukkan bahwa matriks untuk T relatif terhadap basis standar B = {1, x, x2}
adalah
0 0 ÿ2
ÿ ÿ
[T ]B = ÿ
121 ÿ
ÿ 103 ÿ
Jadi, nilai eigen T adalah ÿ = 1 dan ÿ = 2 (Contoh 7 Bagian 5.1).
Machine Translated by Google
1 B= 110
ÿ ÿ ÿ
T(x1, x2, x3) = (ÿ2x1 ÿ x2, x1 + x3, x2)
ÿ 100 ÿ, ÿ 110 ÿ
B adalah basis standar, dan B = {v1, v2, v3}, dimana v1
101 001
ÿ ÿ ÿ ÿ = (ÿ2, 1, 0), v2 = (ÿ1, 0, 1), v3 = (0, 1, 0)
(b) SEBUAH = ÿ
0 B= 001
ÿ ÿ ÿ
3. Misalkan T : R2 ÿR2 adalah operator linier, dan misalkan B dan B menjadi basis T(x1, x2, x3) = (x1 + 2x2 ÿ x3, ÿx2, x1 + 7x3)
untuk R2 yang
B adalah basis standar, dan B = {v1, v2, v3}, dimana
20 32
v1 = (1, 0, 0), v2 = (1, 1, 0), v3 = (1, 1, 1)
[T ]B = dan PBÿB =
1 1 11
11. T : R2 ÿR2 adalah putaran terhadap titik asal melalui sudut 45ÿ,
Temukan matriks untuk T relatif terhadap basis B .
B adalah basis standar, dan B = {v1, v2}, dimana
4. Misalkan T : R2 ÿR2 adalah operator linier, dan misalkan B dan B menjadi basis
1 1 1 1
untuk R2 yang v1 =
ÿ2 , v2 = ÿ ÿ2 , ÿ2 , ÿ2
[T ]B =
32 4 5 12. T : R2 ÿR2 adalah geser ke arah x dengan faktor positif k, B
dan PBÿB =
ÿ1 1 1 ÿ1 adalah basis standar, dan B = {v1, v2}, dimana
5. Misalkan T : R2 ÿR2 adalah operator linier, dan misalkan B dan B menjadi basis
untuk R2 yang 13. T : P1 ÿP1 didefinisikan oleh
[T ]B = 20 32
dan PBÿB = B adalah basis standar untuk P1, dan B = {q1, q2}, dimana
1 1 11
Temukan matriks untuk T relatif terhadap basis B.
q1 = x + 1, q2 = x ÿ 1
6. Misalkan T : R2 ÿR2 adalah operator linier, dan misalkan B dan B menjadi basis 14. T : P1 ÿP1 didefinisikan oleh T(a0 + a1x) = a0 + a1(x + 1), dan B =
untuk R2 yang
{p1, p2} dan B = {q1, q2}, dimana
[T ]B = p1 = 6 + 3x, p2 = 10 + 2x; q1 = 2, q2 = 3 + 2x
32 4 5
dan PBÿB =
ÿ1 1 1 ÿ1 15. Misalkan T : P2 ÿP2 didefinisikan oleh
Temukan matriks untuk T relatif terhadap basis B. T(a0 + a1x + a2x2) = (5a0 + 6a1 + 2a2) ÿ
Dalam Latihan 7–14, carilah matriks T relatif terhadap basis B, (a1 + 8a2)x + (a0 ÿ 2a2)x2
dan gunakan Teorema 8.5.2 untuk menghitung matriks T relatif (a) Tentukan nilai eigen dari T.
terhadap.basis B
(b) Temukan basis untuk ruang eigen T.
7. T : R2 ÿR2 didefinisikan oleh
17. Karena basis standar untuk Rn sangat sederhana, mengapa seseorang ingin
30. (a) Buktikan jika A dan B adalah matriks-matriks yang sebangun, maka A2 dan B2
merepresentasikan operator linier pada Rn dengan basis lain? juga sebangun.
18. Temukan dua matriks bukan nol berukuran 2 × 2 (berbeda dengan matriks pada
(b) Jika A2 dan B2 serupa, apakah A dan B harus serupa? Mantan
Latihan 1) yang tidak sebangun, dan jelaskan mengapa matriks tersebut tidak sebangun. polos.
Pada Latihan 19–21, carilah determinan dan nilai eigen dari 31. Misalkan C dan D adalah matriks m × n , dan misalkan B = {v1, v2,..., vn}
operator linier T . adalah basis untuk ruang vektor V. Buktikan jika C[x]B = D[x]B untuk semua
19. T : R2 ÿR2, x di V, maka C = D.
dengan T(x1, x2) = (3x1 ÿ 4x2, ÿx1 + 7x2)
22. Misalkan T : P4 ÿP4 adalah operator linier yang diberikan oleh rumus T(p(x)) (a) Jika A sebangun dengan B, dan B sebangun dengan C, maka A sebangun ke C.
= p(2x + 1).
(a) Temukan matriks untuk T relatif terhadap basis tertentu, lalu gunakan (b) Jika A dan B sebangun dan B tunggal, maka A tunggal.
matriks tersebut untuk mencari rank dan nullitas T .
(b) Gunakan hasil pada bagian (a) untuk menentukan apakah T adalah satu
untuk satu.
(c) Jika A dan B dapat dibalik dan sebangun, maka Aÿ1 dan Bÿ1 adalah
serupa.
Bekerja dengan Bukti
(d) Jika T1 : Rn ÿRn dan T2 : Rn ÿRn adalah operator linier, dan jika [T1]B,B =
23. Lengkapi pembuktian di bawah ini dengan memberikan justifikasi pada setiap langkahnya.
[T2]B,B terhadap dua basis B dan B untuk Rn, maka T1(x) = T2(x) untuk setiap
Hipotesis: A dan B adalah matriks sejenis. vektor x di Rn.
Kesimpulan: A dan B mempunyai polinomial karakteristik yang sama. (f ) Jika T1 : Rn ÿRn adalah operator linier, dan jika [T1]B = [T1]B terhadap dua
Dalam Latihan 25–28, buktikan bahwa sifat-sifat yang disebutkan adalah suatu persamaan
eigen yang sama.
invarian.
ÿ13 ÿ60 ÿ60 1 ÿ1 1
25. Jejak ÿ ÿ ÿ ÿ
26. Pangkat SEBUAH = ÿ 10 42 40 ÿ dan P = ÿ 2 ÿ1 ÿ1 ÿ
27. Nulitas
28. Dapat dibalik ÿ ÿ5 ÿ20 ÿ18 ÿ ÿ1 ÿ1 0ÿ
29. Misalkan ÿ adalah nilai eigen dari operator linier T : V ÿV. Buktikan bahwa
T2. Misalkan T : R3 ÿR3 adalah transformasi linier yang matriks standarnya adalah
vektor eigen dari T yang bersesuaian dengan ÿ adalah vektor bukan nol di inti ÿI
ÿT . matriks A pada Latihan T1. Carilah basis S untuk R3 yang diagonalnya
[T ]S .
Machine Translated by Google
1. Misalkan A adalah matriks n × n , B adalah matriks bukan nol n × 1, dan x adalah 8. Misalkan V dan W adalah ruang vektor, misalkan T , T1, dan T2
vektor dalam Rn yang dinyatakan dalam notasi matriks. Apakah T(x) = Ax + B adalah transformasi linier dari V ke W, dan misalkan k adalah
merupakan operator linier di Rn? Benarkan jawaban Anda. skalar. Definisikan transformasi baru, T1 + T2 dan kT , dengan rumus
2. Biarkan
(T1 + T2)(x) = T1(x) + T2(x)
karena ÿ ÿ dosa ÿ (kT )(x) = k(T(x))
SEBUAH =
dosa ÿ karena ÿ
(a) Tunjukkan bahwa (T1 + T2): V ÿW dan kT : V ÿW keduanya
(a) Tunjukkan itu merupakan transformasi linier.
(c) Dengan memperhatikan pengaruh geometri perkalian dengan A, (a) AT dan BT serupa. (b) Jika A
diperoleh hasil pada bagian (b) secara geometri. dan B dapat dibalik, maka Aÿ1 dan Bÿ1 sebangun.
3. Rancanglah metode untuk mencari dua matriks n × n yang tidak 10. (Teorema Alternatif Fredholm) Misalkan T : V ÿV adalah operator linier
sebangun. Gunakan metode Anda untuk menemukan dua matriks 3 × 3 yang pada ruang vektor berdimensi n. Buktikan bahwa tepat salah satu pernyataan
tidak sebangun.
berikut ini berlaku:
4. Misalkan v1, v2,..., vm adalah vektor tetap di Rn, dan misalkan T : Rn ÿRm (i) Persamaan T(x) = b mempunyai solusi untuk semua vektor
adalah fungsi yang didefinisikan oleh T(x) = (x · v1, x · v2,..., x · vm), b di V.
dimana x · vi adalah hasil kali dalam Euclidean pada (ii) Nullitas T > 0.
Rn. (a) Tunjukkan bahwa T adalah transformasi linier.
11. Misalkan T : M22 ÿM22 adalah operator linier yang didefinisikan oleh
(b) Tunjukkan bahwa matriks dengan vektor baris v1, v2,..., vm T(X) = 1 1 00
merupakan matriks standa.r untuk T
X+X
00 1 1
5. Misalkan {e1, e2, e3, e4} menjadi basis standar untuk R4, dan misalkan T : R4 Tentukan pangkat dan nullitas T .
ÿR3 adalah transformasi linier yang
12. Buktikan: Jika A dan B adalah matriks-matriks yang sebangun, dan jika B dan C juga merupakan
T(e1) = (1, 2, 1), T(e2) = (0, 1, 0), matriks-matriks yang sebangun, maka A dan C adalah matriks-matriks yang sebangun.
T(e3) = (1, 3, 0), T(e4) = (1, 1, 1)
13. Misalkan L: M22 ÿM22 adalah operator linier yang didefinisikan oleh L(M) = MT
(a) Temukan basis untuk jangkauan dan kernel T. . Temukan matriks untuk L terhadap basis standar untuk M22.
14. Misalkan B = {u1, u2, u3} dan B = {v1, v2, v3} adalah basis untuk ruang
6. Misalkan vektor-vektor pada R3 dilambangkan dengan matriks 1 × 3, dan
tentukan T : R3 ÿR3 oleh vektor V, dan misalkan
2 ÿ1 3
ÿ124
ÿ ÿ P = ÿ 114 ÿ
T([x1 x2 x3]) = [x1 x2 x3] ÿ
301 ÿ
ÿ 012 ÿ
ÿ 225 ÿ
(b) Temukan basis untuk kisaran T . (a) Nyatakan v1, v2, v3 sebagai kombinasi linier dari u1, u2, u3.
(b) Nyatakan u1, u2, u3 sebagai kombinasi linier dari v1, v2, v3.
7. Misalkan B = {v1, v2, v3, v4} adalah basis untuk ruang vektor V, dan misalkan
T : V ÿV jadilah operator liniernya 15. Misalkan B = {u1, u2, u3} adalah basis untuk ruang vektor V, dan misalkan
(a) Tentukan pangkat dan nullitas T . Carilah [T ]B, dimana B = {v1, v2, v3} adalah basis untuk V yang didefinisikan
oleh
(b) Tentukan apakah T satu-satu.
v1 = u1, v2 = u1 + u2, v3 = u1 + u2 + u3
Machine Translated by Google
x1 ÿ x2 + x3
ÿ ÿ
ÿ
x1
ÿ
dan titik (x1, a1), (x2, a2), dan (x3, a3)?
[T(x)]B = jika [x]B =
ÿ
x2 ÿ ÿ ÿ
x2
ÿ x1 ÿ x3 ÿ x3 ÿ 22. (Diperlukan kalkulus) Misalkan p(x) dan q(x) adalah fungsi kontinu,
ÿ dan misalkan V adalah subruang dari C(ÿ, ) yang terdiri dari semua
Temukan [T ]B.
fungsi yang terdiferensiasi dua kali. Tentukan L: V ÿV oleh
18. Misalkan T : V ÿV adalah operator linier. Buktikan T satu-satu jika dan
hanya jika det(T ) = 0.
L(y(x)) = y(x) + p(x)y (x) + q(x)y(x)
hal(0)
ÿ
ÿ ÿ
0020 ··· 0 ÿ
ÿ hal(1) ÿ
ÿ ÿ ÿ 0003 ··· ÿ ÿ ÿ ÿ ÿ 0 ÿ
ÿ
. . . . . ÿ
. . . . . ÿ
0000 ··· n
ÿ
21. Misalkan x1, x2, dan x3 adalah bilangan real berbeda sedemikian rupa sehingga
(x ÿ c)2 (x ÿ c)n
x1 < x2 < x3 1, xÿc, ,...,
2! N!
dan misalkan T : P2 ÿR3 adalah fungsi yang ditentukan oleh rumus menjadi dasar untuk Pn. Temukan matriks untuk operator diferensiasi
hal(x1) Latihan 23 terhadap basis ini.
ÿ ÿ
T(p(x)) = ÿ
hal(x2) ÿ
. .
ÿ
kam u( 0)
n + 1 = . .
.
ÿÿ ÿ
kam u (3 0)
ÿ
ÿ
. n+ 1 .
ÿ
TB 0 ··· 0 Jilid
ÿ
ÿ
ÿ
T3. Dengan menggunakan solusi eksak u(x, y) untuk distribusi suhu yang
ÿ 0 TR ··· TR 0 ÿ dijelaskan pada Latihan T2, gunakan program grafik untuk
2. Untuk setiap nilai k = 0, 1, 2, 3,..., hitung U(k+1) menng+g1unakan
kamnu+(k1+1) = melakukan hal berikut: (a) Plot permukaan z = u(x, y) dalam ruang xyz
14
(Mn+1U(k) n+1 + U(k) n+1Mn+1)
tiga dimensi dimana z adalah suhu di titik (x, y)
di mana Mn+1 seperti yang didefinisikan dalam Latihan T1. Kemudian n+1
pada daerah persegi.
sesuaikan U(k+1) dengan mengganti semua entri tepi dengan entri tepi awna+l1d.i U(0)
[Catatan: Entri tepi suatu matriks adalah entri pada kolom pertama dan (b) Gambarkan beberapa isoterm distribusi suhu (kurva pada
terakhir serta baris pertama dan terakhir.] bidang xy yang suhunya konstan).
3. Lanjutkan proses ini sampai U(k+n+11) ÿ U(k) (c) Gambarkan beberapa kurva suhu sebagai fungsi x dengan y
n+1 adalah sekitar
matriks nol. Hal ini menunjukkan bahwa U(k) konstan.
Un+1 = bakÿtas (d) Gambarkan beberapa kurva suhu sebagai fungsi y dengan x tetap.
n+1
Masalah dasar dari computer tomography adalah membuat gambar penampang tubuh manusia
menggunakan data yang dikumpulkan dari banyak berkas sinar X yang dilewatkan melalui
penampang tersebut. Data ini diproses oleh komputer, dan potongan melintang yang dihitung
ditampilkan pada monitor video. Gambar 10.11.1 adalah diagram
Gambar 10.11.1