Aljabar Linier Bab 8

Machine Translated by Google
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.
8.1 Transformasi Linier Umum

n m
Sampai saat ini kajian kita tentang transformasi linier terfokus pada transformasi dari R ke R . Pada
bagian ini kita akan mengalihkan perhatian kita pada transformasi linier yang melibatkan ruang vektor
umum. Kami akan mengilustrasikan cara munculnya transformasi tersebut,
dan kami akan membangun hubungan mendasar antara ruang vektor berdimensi n umum dan Rn .
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
T(u + v) = T(u) + T(v) dan T(ku) = kT(u)
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:
(i) T(ku) = kT(u)

[Properti homogenitas]
(ii) T(u + v) = T(u) + T(v) [ Sifat aditif]

Dalam kasus khusus dimana V = W, transformasi linier T disebut operator linier pada ruang vektor
V.
447
448 Bab 8 Transformasi Linier Umum

Sifat homogenitas dan aditif dari transformasi linier T : V → W dapat digunakan secara kombinasi untuk menunjukkan
bahwa jika v 1dan v 2 adalah vektor dalam V dank 1 dan k 2adalah sembarang skalar, maka
T(k 1 v 1 + k 2 v 2 ) = k 1T( v 1) + k 2T( v 2)
Secara umum, jika v 1, v 2,..., v r adalah vektor dalam V dank 1, k 2,...,k r adalah sembarang skalar, maka
T(k 1 v 1 + k 2 v 2 +···+ k r k r ) = k 1T( v 1) + k 2T( v 2) +···+ r T( (1)

v r)
Teorema berikut merupakan analogi bagian (a) dan (d) Teorema 1.8.2.
TEOREMA 8.1.1 Jika T : V→ W merupakan transformasi linier, maka:

(a) T(0) = 0.
(b) T(u - v) = T(u) - T(v) untuk semua u dan v di V .
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)
Kami menyerahkannya kepada Anda untuk membenarkan setiap langkah.
CONTOH 1 Transformasi Matriks

Karena kita mendasarkan definisi transformasi linier umum pada sifat homogenitas dan aditif dari transformasi matriks, maka
setiap transformasi matriks T A : Rn → Rm juga merupakan transformasi linier dalam pengertian yang lebih umum dengan
n dan W = m
V= R R .
CONTOH 2 Transformasi Nol

Misalkan V dan W adalah dua ruang vektor. Pemetaan T : V → W sedemikian rupa sehingga T(v) = 0 untuk setiap v
dalam V merupakan transformasi linier yang disebut transformasi nol. Untuk melihat bahwa T linier, amati itu
T(u + v) = 0, T(u) = 0, T(v) = 0, dan T(ku) = 0
Karena itu,
T(u + v) = T(u) + T(v) dan T(ku) = kT(u)
CONTOH 3 Operator Identitas Misalkan V adalah

sembarang ruang vektor. Pemetaan I : V → V yang didefinisikan oleh I (v) = v disebut operator identitas pada V. Kami
akan membiarkan Anda memverifikasi bahwa I linier.
8.1 Transformasi Linier Umum 449
CONTOH 4 Operator Dilatasi dan Kontraksi

Jika V adalah ruang vektor dan k adalah sembarang skalar, maka pemetaan T : V → V yang diberikan oleh T(x) = kx adalah operator linier
pada V, karena jika c adalah sembarang skalar dan jika u dan v adalah sembarang vektor di V, kalau begitu
T(cu) = k(cu) = c(ku) = cT(u)

T(u + v) = k(u + v) = ku + kv = T(u) + T(v)
Jika 0 < k < 1 , maka T disebut kontraksi V dengan faktor k, dan jika k > 1 disebut dilatasi V dengan
faktor k .
CONTOH 5 Transformasi Linier dari Pn ke Pn +1

n
Misalkan p = p(x) =C 0 +C 1 x +···+ C X adalah polinomial dalam Pn, dan tentukan
n
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)
CONTOH 6 Transformasi Linier Menggunakan Perkalian Titik
Misalkan v 0 adalah sembarang vektor tetap di Rn , dan misalkan T : Rn → R adalah transformasinya

T(x) = x · v 0
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
T (ku) = (ku) · v0 = k(u · v0) = kT (u)

T (u + v) = (u + v) · v0 = (u · v0) + (v · v0) = T (u) + T (v)
CONTOH 7 Transformasi pada Ruang Matriks
Misalkan M nnadalah ruang vektor dari matriks n × n . Pada setiap bagian tentukan apakah transformasinya linier.
(a) T 1 (A) = AT (b)T 1 (A) = det(A)

Solusi (a) Berdasarkan bagian (b) dan (d) Teorema 1.4.8, berikut ini
T 1 (kA) = (kA )T = kA T = = kT 1 (A)
T 1 (A + B) = ( A+ B)T = AT + BT =T 1 (A) +T 1 (B)

jadi T 1 linier.
Solusi (b) Berdasarkan Rumus (1) Bagian 2.3 bahwa
T 2 (kA) = det(kA) = K ndet(A) = K n T 2 (A)

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
.
kamu CONTOH 8 Penerjemahan Tidak Linier

x + x0 Bagian (a) Teorema 8.1.1 menyatakan bahwa transformasi linier memetakan 0 ke 0. Sifat ini berguna untuk
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.
Gambar 8.1.1 T(x) = x + x0

mentranslasikan setiap titik x
sepanjang garis yang sejajar x0 CONTOH 9 Transformasi Evaluasi
melalui jarak x0.
Misalkan V adalah subruang dari F (-∞,∞ ), misalkan
X 1, X 2 ,..., X n
n adalah transformasinya
menjadi barisan bilangan real berbeda, dan misalkan T : V → R
T(f ) = f( X 1,), f( X 2 ), . . . , f( X n) (2)
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
T(kf ) = (kf )( x 1), (kf )( x 2), . . . , (kf )( x n)
= kf( x 1), kf( x 2), . . . , kf( x n)
=kf( x 1), f( x 2), . . . , f( x n) = kT(f )
Dan
T(f + g) = (f + g)( x 1), (f + g)( x 2), . . . , (f + g)( x n)
= f( x 1) +g( x 1), f( x 2) + g( x 2),..f( x n)+g( x n)
= f( x 1),f( x 2), . . . , f( x n) + g( x 1),g( x 2),....g( x n))

= T(f ) + T(g)
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
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
TA(v) = c 1TA(e 1) + c 2TA(e 2) +···+ c nTA(e n)

Rumus ini memberi tahu kita bahwa untuk transformasi matriks, bayangan suatu vektor dapat dinyatakan sebagai kombinasi
linier dari bayangan vektor-vektor basis standar. Ini adalah kasus khusus dari hasil yang lebih umum berikut ini.
TEOREMA 8.1.2 Misalkan T : V → W adalah transformasi linier, dimana V adalah dimensi
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.
Buktikan v sebagai v = c 1 v 1 + c 2 v 2+···+ c n v n dan gunakan linearitas T .
CONTOH 10 Menghitung dengan Gambar Vektor Basis

Misalkan basis S = {V 1, V 2, V 3 } untuk R
3 , dimana
V 1= (1, 1, 1), V 2 = (1, 1, 0), V 3= (1, 0, 0)

3 2 adalah transformasi liniernya
Misalkan T : R -R
T(V 1) = (1, 0), T(V 2) = (2, -1), T(V 3) = (4, 3)
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
yang menghasilkan c 1 = x 3, c 2= x 2 - 3, c 3 = x 1 - x 2, jadi

( x 1, x 2, x 3) = x 3 (1, 1, 1) + ( x 2- x 3 )(1, 1, 0) + ( x 1- x 2)(1, 0, 0)
= x 3 v 1 + ( x 2 - x 1) v 2 + ( x 1- x 2) v 3
Dengan demikian
T( x 1, x 2, x 3) = x 3T( v 1) + ( x 2 - x 3)T( v 2) + (x1 ÿ x2)T(v3)

= x3(1, 0) + (x2 ÿ x3)(2, ÿ1) + (x1 ÿ x2)(4, 3) = (4x1
ÿ 2x2 ÿ x3, 3x1 ÿ 4x2 + x3)
Dari rumus ini kita peroleh
T(2, ÿ3, 5) = (9, 23)
DIPERLUKAN KALKULUS CONTOH 11 Transformasi Linier dari C1(ÿ, ) ke F (ÿ, )

Misalkan V = C1(ÿ, ) adalah ruang vektor dari fungsi-fungsi yang mempunyai turunan pertama kontinu pada
(ÿ, ), dan misalkan W = F (ÿ, ) adalah ruang vektor dari semua fungsi bernilai riil yang terdefinisi pada (ÿ, ).
Misalkan D: V ÿW adalah transformasi yang memetakan suatu fungsi f = f(x) ke dalam turunannya—yaitu,
D(f) = f(x)
Dari sifat-sifat diferensiasi yang kita miliki
D(f + g) = D(f) + D(g) dan D( kf) = kD(f)
Jadi, D adalah transformasi linier.

DIPERLUKAN KALKULUS CONTOH 12 Transformasi Integral

Misalkan V = C(ÿ, ) adalah ruang vektor dari fungsi kontinu pada interval (ÿ, ), misalkan W = C1(ÿ, ) adalah ruang
vektor dari fungsi yang memiliki turunan pertama kontinu pada (ÿ, ), dan misalkan J : V ÿW adalah transformasi
yang memetakan fungsi f di V menjadi
X
J (f ) = f(t) dt
0
Misalnya, jika f(x) = x2, maka

X
X ton
3
x3
J (f ) = 2 hari = t =
0 3 0 3
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
J (kf ) = kf(t) dt = k f(t) dt = kJ (f )

0 0
X X X
J (f + g) = (f(t) + g(t)) dt = f(t)dt + g(t) dt = J (f ) + J (g)

0 0 0
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 ).
CONTOH 13 Kernel dan Range Transformasi Matriks

Jika TA: Rn ÿRm dikalikan dengan matriks A berukuran m × n , maka seperti dibahas di atas, inti TA adalah ruang
nol dari A, dan rentang TA adalah ruang kolom A.
CONTOH 14 Kernel dan Range Transformasi Nol

Misalkan T : V ÿW adalah transformasi nol. Karena T memetakan setiap vektor di V menjadi 0, maka ker(T )
= V. Selain itu, karena 0 adalah satu-satunya bayangan di bawah T dari vektor-vektor di V, maka R(T ) =
{0}.
CONTOH 15 Kernel dan Range Operator Identitas

Misalkan I : V ÿV menjadi operator identitas. Karena I (v) = v untuk semua vektor di V, setiap vektor di V adalah
bayangan dari suatu vektor (yaitu vektor itu sendiri); jadi R(I) = V. Karena satu -satunya vektor yang saya petakan
ke 0 adalah 0, maka ker(I) = {0}.
CONTOH 16 Kernel dan Jangkauan Proyeksi Ortogonal Misalkan T : R3ÿR3
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
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)
CONTOH 17 Kernel dan Rentang Rotasi Misalkan T : R2 ÿR2

ay
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
DIPERLUKAN CONTOH 18 Kernel Transformasi Diferensiasi

KALKULUS Misalkan V = C1(ÿ, ) adalah ruang vektor dari fungsi-fungsi yang mempunyai turunan pertama kontinu pada (ÿ, ), misalkan
W = F (ÿ, ) adalah ruang vektor dari semua fungsi bernilai riil yang terdefinisi pada (ÿ, ), dan misalkan D: V ÿW menjadi
transformasi diferensiasi D(f) = f (x). Kernel dari D adalah himpunan fungsi di V dengan turunan
nol. Dari kalkulus, ini adalah himpunan fungsi konstanta pada (ÿ, ).
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.
TEOREMA 8.1.3 Jika T : V ÿW merupakan transformasi linier, maka: (a)

Kernel dari T adalah subruang dari V. (b) Range dari T
adalah subruang dari W.
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(v1 + v2) = T(v1) + T(v2) = 0 + 0 = 0
jadi v1 + v2 ada di ker(T ). Juga,
T(kv1) = kT(v1) = k0 = 0
jadi kv1 ada di ker(T ).

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):
T(a) = T(v1 + v2) = T(v1) + T(v2) = w1 + w2

T(b) = T(kv1) = kT(v1) = kw1
DIPERLUKAN KALKULUS
CONTOH 19 Penerapan Persamaan Diferensial
Persamaan diferensial bentuk
y + ÿ2 y = 0 (ÿ konstanta positif) (5)
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
y1 = cos ÿx dan y2 = sin ÿx

adalah solusi dari (5). Fungsi-fungsi ini bebas linier karena tidak ada yang merupakan kelipatan skalar dari fungsi
yang lain, dan dengan demikian
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 ).
Teorema berikut, yang pembuktiannya bersifat opsional, menggeneralisasi Teorema 4.8.2.

TEOREMA 8.1.4 Teorema Dimensi Transformasi Linier

Jika T : V ÿW adalah transformasi linier dari ruang vektor berdimensi berhingga V ke
a ruang vektor W, maka jangkauan T berdimensi hingga, dan
peringkat(T ) + nullitas(T ) = redup(V ) (7)
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
v = c1v1 +···+ cr vr + cr+1vr+1 +···+ cnvn
Sejak v1,..., vr terletak di kernel T , kita mempunyai T(v1) =···= T(vr) = 0, jadi
b = T(v) = cr+1T(vr+1) +···+ cnT(vn)
Jadi S mencakup rentang T .

Akhirnya, kita tunjukkan bahwa S adalah himpunan bebas linier dan akibatnya membentuk basis untuk
rentang T. Misalkan beberapa kombinasi linier dari vektor-vektor di S adalah nol;
itu adalah,
kr+1T(vr+1) +···+ knT(vn) = 0

(8)
Kita harus menunjukkan bahwa kr+1 =···= kn = 0. Karena T linier, (8) dapat ditulis ulang menjadi
T(kr+1vr+1 +···+ knvn) = 0
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
kr+1vr+1 +···+ knvn = k1v1 +···+ kr vr
Dengan demikian,
k1v1 +···+ kr vr ÿ kr+1vr+1 ÿ···ÿ knvn = 0
Karena {v1,..., vn} bebas linier, semua k adalah nol; secara khusus,
kr+1 =···= kn = 0, yang melengkapi pembuktian.
Kumpulan Latihan 8.1

Pada Latihan 1–2, misalkan T adalah suatu pemetaan yang domainnya adalah
(c) Kisaran T : Mmn ÿR3 adalah R3.
ruang vektor M22. Di setiap bagian, tentukan apakah T merupakan transformasi
linier, dan jika ya, carilah kernelnya. (d) T : M22 ÿM22 memiliki peringkat 3.
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.
2. (a) T(A) = (A)11 (b) T(A) = 02×2 (b) T : P3 ÿR memiliki nullitas 1.
(c) T(A) = cA (c) Spasi nol T : P5 ÿP5 adalah P5.

(d) T : Pn ÿMmn mempunyai nolitas 3.
Dalam Latihan 3–9, tentukan apakah pemetaan T merupakan
transformasi linier, dan jika ya, carilah kernelnya. 15. Misalkan T : M22 ÿM22 adalah operator dilatasi dengan faktor k = 3.
3. T : R3 ÿR, dimana T(u) = u. 12
(a) Temukan T
4. T : R3 ÿR3, dimana v0 adalah vektor tetap di R3 dan ÿ4 3.
T(u) = u × v0.
(b) Tentukan pangkat dan nullitas T .
5. T : M22 ÿM23, dimana B adalah matriks tetap 2 × 3 dan

T(A) = AB. 16. Misalkan T : P2 ÿP2 adalah operator kontraksi dengan faktor
k = 1/4.
6. T : M22 ÿR, dimana
(a) Carilah T(1 + 4x + 8x2).
ab
(a) T (b) Tentukan pangkat dan nullitas T .
CD = 3a ÿ 4b + c ÿ d
17. Misalkan T : P2 ÿR3 adalah transformasi evaluasi pada se
ab
(b) T barisan titik ÿ1, 0, 1. Tentukan (a)
= a2 + b2
CD
T(x2) (b) ker(T ) (c) R(T )
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 )
8. T : F (ÿ, )ÿF (ÿ, ), dimana (c) R(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.
(a) T : R5 ÿP5 memiliki peringkat 3.

T
(
v
3
)
(
ÿ
1
,
5
,
1
)
Temukan rumus
untuk T(x1, x2, x3),
dan gunakan rumus
tersebut untuk
mencari T(2, 4, ÿ1).
22. Perhatikan basis S = {v1, v2, v3} untuk R3, dimana

30. Pada setiap bagian, tentukan apakah pemetaan T : Pn ÿPn adalah linier.
v1 = (1, 2, 1), v2 = (2, 9, 0), dan v3 = (3, 3, 4), dan misalkan
T : R3 ÿR2 adalah transformasi liniernya (a) T(p(x)) = p(x + 1)
(b) T(p(x)) = p(x) + 1
T(v1) = (1, 0), T(v2) = (ÿ1, 1), T(v3) = (0, 1)
31. Misalkan v1, v2, dan v3 adalah vektor-vektor dalam ruang vektor V, dan
Temukan rumus untuk T(x1, x2, x3), dan gunakan rumus tersebut untuk
misalkan T : V ÿR3 adalah transformasi linier
mencari T(7, 13, 7).
dengan T(v1) = (1, ÿ1, 2), T(v2) = ( 0, 3, 2),
23. Misalkan T : P3 ÿP2 adalah pemetaan yang didefinisikan oleh T(v3) = (ÿ3, 1, 2)
Carilah T(2v1 ÿ 3v2 + 4v3).
T(a0 + a1x + a2x2 + a3x3 ) = 5a0 + a3x2
(a) Tunjukkan bahwa T linier. Bekerja dengan Bukti

(b) Temukan basis untuk inti T .
32. Misalkan {v1, v2,..., vn} adalah basis untuk ruang vektor V, dan
(c) Temukan basis untuk kisaran T . misalkan T : V ÿW adalah transformasi linier. Buktikan jika
T(v1) = T(v2) =···= T(vn) = 0

24. Misalkan T : P2 ÿP2 adalah pemetaan yang didefinisikan oleh
maka T adalah transformasi nol.
T(a0 + a1x + a2x2 ) = 3a0 + a1x + (a0 + a1)x2
33. Misalkan {v1, v2,..., vn} adalah basis untuk ruang vektor V, dan
(a) Tunjukkan bahwa T linier. misalkan T : V ÿV adalah operator linier. Buktikan
(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.
(b) Temukan transformasi linier T : V ÿW yang intinya

(e) Inti transformasi linier adalah ruang vektor.
adalah Pn.
(f ) Kisaran transformasi linier adalah ruang vektor.
28. Untuk bilangan bulat positif n > 1, misalkan T : Mnn ÿR adalah
(g) Jika T : P6 ÿM22 merupakan transformasi linier, maka nullitas dari
transformasi linier yang didefinisikan oleh T (A) = tr(A), dengan A T adalah 3.
adalah matriks n × n dengan entri real. Tentukan dimensi ker(T ).

(h) Fungsi T : M22 ÿR didefinisikan oleh T(A) = det A adalah transformasi
29. (a) Misalkan T : V ÿR3 adalah transformasi linier dari ruang vektor V ke linier.
R3. Secara geometris, berapakah kemungkinan rentang T ?
(i) Transformasi linier T : M22 ÿM22 ditentukan oleh
13
(b) Misalkan T : R3 ÿW merupakan transformasi linier dari R3 ke T(A) = A
26
ruang vektor W. Secara geometris, berapakah kemungkinan inti dari T
? memiliki peringkat 1.
8.2 Komposisi dan Transformasi Terbalik

Pada Bagian 4.10 kita membahas komposisi dan invers transformasi matriks. Pada bagian ini kita akan
memperluas beberapa gagasan tersebut ke transformasi linier umum.
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
Satu lawan satu. Vektor

Bukan satu lawan satu. Ke W. Setiap vektor di W Tidak ke W. Tidak semua vektor
yang berbeda di V
Terdapat vektor-vektor berbeda adalah bayangan beberapa di W merupakan bayangan
memiliki gambar yang berbeda di W.
di V dengan bayangan yang sama. vektor di V. beberapa vektor di V.
Gambar 8.2.1
TEOREMA 8.2.1 Jika T : V ÿW merupakan transformasi linier, maka pernyataan berikut ekuivalen.
(a) T adalah
satu-satu. (b) ker(T )

= {0}.
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
T(u) ÿ T(v) = T(u ÿ v) = 0
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.
8.2 Komposisi dan Transformasi Invers 459
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)
ker(T ) = {0}. (c) T ke
[yaitu, R(T ) = W].
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 ) <
dim(W ), maka T tidak bisa masuk.
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”.
CONTOH 1 Transformasi Matriks
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.
CONTOH 2 Transformasi Dasar Yang Bersifat Satu-ke-Satu dan Ke
Transformasi linier T1: P3 ÿR4 dan T2: M22 ÿR4 ditentukan oleh
T1(a + bx + cx2 + dx3) = (a, b, c, d)

ab
T2
= (a, b, c, d)
CD
keduanya satu-ke-satu dan ke (verifikasi dengan menunjukkan bahwa kernelnya hanya berisi vektor nol).
CONTOH 3 Transformasi Linier Satu-ke-Satu Yang Tidak Onto
Misalkan T : Pn ÿPn+1 adalah transformasi linier
T(p) = T(p(x)) = xp(x)
dibahas dalam Contoh 5 Bagian 8.1. Jika
p = p(x) = c0 + c1x +···+ cnxn dan q = q(x) = d0 + d1x +···+ dnxn

adalah polinomial berbeda, maka polinomial tersebut berbeda paling sedikit dalam satu koefisien. Dengan demikian,
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

karena semua bayangan di bawah T mempunyai konstanta nol. Jadi, misalnya, tidak ada vektor di Pn yang dipetakan
ke dalam konstanta polinomial 1.
CONTOH 4 Operator Pergeseran Misalkan
V = R adalah ruang barisan yang dibahas pada Contoh 3 Bagian 4.1, dan pertimbangkan “operator
perpindahan” linier pada V yang didefinisikan oleh
T1(u1, u2,...,un, . . .) = (0, u1, u2,...,un, . . .)

T2(u1, u2,...,un, . . .) = (u2, u3,...,un, . . .)
(a) Tunjukkan bahwa T1 adalah satu-ke-satu tetapi tidak ke.
(b) Tunjukkan bahwa T2 on dan bukan one-to-one.
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,....
DIPERLUKAN KALKULUS CONTOH 5 Diferensiasi Bukan Satu-satu

Membiarkan
D:C1 (ÿ, )ÿF (ÿ, ) adalah transformasi
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 ÿ T1)(u) = T2(T1(u)) (T2 ÿ T1)(u) = T2(T1(u)) (1)
sedangkan komposisi T1 dengan

dimana u adalah vektor di U.
T2 adalah
(T1 ÿ T2)(u) = T1(T2(u))

Catatan Perhatikan bahwa definisi ini mensyaratkan bahwa domain T2 (yaitu V ) berisi rentang T1. Hal ini penting agar
Secara umum tidak benar bahwa T1
rumus T2(T1(u)) masuk akal (Gambar 8.2.2).
ÿ T2 = T2 ÿ T1.
T2 ° T1
T1 T2
kamu T
1(kamu) T2(T1 (kamu))
UVW
Gambar 8.2.2 Komposisi T2 dengan T1.

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 ÿ T1)(u + v) = T2(T1(u + v)) = T2(T1(u) + T1(v))
= T2(T1(u)) + T2(T1(v))
= (T2 ÿ T1)(u) + (T2 ÿ T1)(v)
Dan
(T2 ÿ T1)(cu) = T2(T1(cu)) = T2(cT1(u))
= cT2(T1(u)) = c(T2 ÿ T1)(u)
Jadi, T2 ÿ T1 memenuhi dua persyaratan transformasi linier.
CONTOH 6 Komposisi Transformasi Linier

Misalkan T1: P1 ÿP2 dan T2: P2 ÿP2 adalah transformasi linier yang diberikan oleh rumus
T1(p(x)) = xp(x) dan T2(p(x)) = p(2x + 4)
Kemudian komposisi (T2 ÿ T1): P1 ÿP2 diberikan oleh rumus
(T2 ÿ T1)(p(x)) = T2(T1(p(x))) = T2(xp(x)) = (2x + 4)p(2x + 4)
Khususnya, jika p(x) = c0 + c1x, maka
(T2 ÿ T1)(p(x)) = (T2 ÿ T1)(c0 + c1x) = (2x + 4)(c0 + c1(2x + 4)) = c0(2x + 4) + c1(2x
+ 4)2
CONTOH 7 Komposisi dengan Operator Identitas

Jika T : V ÿV adalah sembarang operator linier, dan jika I : V ÿV adalah operator identitas (Contoh 3 dari
Bagian 8.1), maka untuk semua vektor v di V, kita punya
(T ÿ Saya)(v) = T(Saya (v)) = T(v)
(Saya ÿ T )(v) = Saya (T(v)) = T(v)
Oleh karena itu T ÿ I dan I ÿ T sama dengan T ; itu adalah,
T ÿ Saya = T dan Saya ÿ T = T

(2)
Seperti diilustrasikan pada Gambar 8.2.3, komposisi dapat didefinisikan untuk lebih dari dua transformasi
linier. Misalnya jika
T1: U ÿV, T2: V ÿW, dan T3: W ÿY
adalah transformasi linier, maka komposisi T3 ÿ T2 ÿ T1 ditentukan oleh
(T3 ÿ T2 ÿ T1)(u) = T3(T2(T1(u))) (3)

(T3 ° T2 ° T1)(kamu)
T1 T2 T3
T
T3(T2(T1(kamu)))
kamu
1(kamu) T2(T1 (kamu))
UVW Y
Gambar 8.2.3 Komposisi tiga transformasi linier.
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.
CONTOH 8 Transformasi Terbalik

Kami menunjukkan dalam Contoh 3 bagian ini bahwa transformasi linier T :PnÿPn+1
diberikan oleh
T(p) = T (p(x)) = xp(x)
adalah satu-ke-satu tetapi tidak ke. Fakta bahwa hal itu tidak terjadi dapat dilihat secara eksplisit dari rumus
T(c0 + c1x +···+ cnxn) = c0x + c1x2 +···+ cnxn+1 (6)

yang memperjelas bahwa jangkauan T terdiri dari semua polinomial di Pn+1 yang memiliki suku
konstan nol. Karena T satu-satu maka mempunyai invers, dan dari (6) inversnya adalah diberikan oleh
rumus
T ÿ1 (c0x + c1x2 +···+ cnxn+1 ) = c0 + c1x +···+ cnxn
Misalnya, dalam kasus dimana n ÿ 3,
T ÿ1 (2x ÿ x2 + 5x3 + 3x4 ) = 2 ÿ x + 5x2 + 3x3
CONTOH 9 Transformasi Terbalik

Misalkan T : R3 ÿR3 adalah operator linier yang ditentukan oleh 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).
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
Oleh karena itu
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
Menyatakan hasil ini dalam hasil notasi horizontal

T ÿ1 (x1, x2, x3) = (4x1 ÿ 2x2 ÿ 3x3, ÿ11x1 + 6x2 + 9x3, ÿ12x1 + 7x2 + 10x3)
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
T2(T1(u)) dan T2(T1(v))
juga merupakan vektor yang berbeda. Namun ungkapan ini juga dapat ditulis sebagai
(T2 ÿ T1)(u) dan (T2 ÿ T1)(v)
jadi T2 ÿ T1 memetakan u dan v ke dalam vektor-vektor berbeda di W.
Bukti (b) Kami ingin menunjukkan hal itu
(T2 ÿ T1)ÿ1 (w) = (T ÿ1 ÿ1 ÿ T 2

1 )(w)
untuk setiap vektor w pada rentang T2 ÿ T1. Untuk tujuan ini, biarkan
kamu = (T2 ÿ T1)ÿ1 (w) (7)
jadi tujuan kami adalah menunjukkan hal itu

ÿ1 ÿT ÿ1
kamu = (T1 2 )(w)
Tapi itu mengikuti dari (7) itu
(T2 ÿ T1)(u) = w
atau, setara,
T2(T1(u)) = w

ÿ1
Sekarang, ambil T 2 ÿ1
dari setiap sisi persamaan ini, lalu ambil T dari setiap sisi hasilnya,
1
dan kemudian gunakan (4) hasil (verifikasi)
ÿ1 ÿ1
kamu = T 1 (T 2 (w))
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
skrip di kedua sisi ÿ1 ÿ1 ÿ1 ÿ1

(TC ÿ TB ÿ TA) = T ÿA
TÿT
Rumus (9). B C
atau alternatifnya sebagai
ÿ1
(TCBA) = TAÿ1Bÿ1Cÿ1 (9)

Pada Latihan 1–2, tentukan apakah transformasi liniernya satu-
5. Gunakan informasi yang diberikan untuk menentukan apakah linier
satu dengan mencari kernelnya dan kemudian menerapkan transformasi adalah satu-ke-satu.
Teorema 8.2.1.
(a) T :V ÿW; nullitas(T ) = 0
1. (a) T : R2 ÿR2, dimana T(x, y) = (y, x) (b) T :V ÿW; pangkat(T ) = redup(V )
(b) T : R2 ÿR3, dimana T(x, y) = (x, y, x + y) (c) T :V ÿW; redup(W ) < redup(V )
(c) T : R3 ÿR2, dimana T(x, y, z) = (x + y + z, x ÿ y ÿ z)
6. Gunakan informasi yang diberikan untuk menentukan apakah linier
2. (a) T : R2 ÿR3, dimana T(x, y) = (x ÿ y, y ÿ x, 2x ÿ 2y) operatornya satu-ke-satu, ke, keduanya, atau tidak keduanya.
(b) T : R2 ÿR2, dimana T(x, y) = (0, 2x + 3y) (a) T :V ÿV ; nullitas(T ) = 0

(b) T :V ÿV ; peringkat(T ) < redup(V )
(c) T : R2 ÿR2, dimana T(x, y) = (x + y, x ÿ y)
(c) T :V ÿV ; R(T ) = V
Dalam Latihan 3–4, tentukan apakah perkalian dengan A adalah satu-
satu dengan menghitung nullitas A dan kemudian menerapkan teori 8.2.1.
7. Tunjukkan bahwa transformasi linier T :P2 ÿR2 didefinisikan oleh
T(p(x)) = (p(ÿ1), p(1)) bukan bilangan satu-satu dengan mencari a
polinomial bukan nol yang dipetakan menjadi 0 = (0, 0). menurut mu
1 ÿ2
bahwa transformasi ini terjadi?
ÿ ÿ
3. (a) SEBUAH = ÿ
2 ÿ4 ÿ
ÿ ÿ3 6 ÿ 8. Tunjukkan bahwa transformasi linier T :P2 ÿP2 didefinisikan oleh

T(p(x)) = p(x + 1) adalah satu-satu. Apakah menurut Anda ini
1317
ÿ ÿ transformasi ke?
(b) SEBUAH =
ÿ
2724 ÿ
9. Misalkan a adalah vektor tetap di R3. Apakah rumus T(v) = a × v

ÿ ÿ1 ÿ300 ÿ
tentukan operator linier satu-ke-satu pada R3? Jelaskan alasan Anda.
12
ÿ ÿ
4. (a) SEBUAH =
ÿ
27 ÿ
10. Misalkan E adalah matriks elementer tetap berukuran 2 × 2. Apakah rumusnya T(A)
ÿ3 9 ÿ = EA mendefinisikan operator linier satu-ke-satu pada M22? Jelaskan

alasan Anda.
1 ÿ361
ÿ ÿ
ÿ
0124 ÿ
Dalam Latihan 11–12, hitung (T2 ÿ T1)(x, y).
(b) SEBUAH =
ÿ 0001 ÿ 11. T1(x, y) = (2x, 3y), T2(x, y) = (x ÿ y, x + y)

12. T1(x, y) = (2x, ÿ3y, x + y), T2(x,

(a) Tunjukkan bahwa T1 dan T2 satu-satu.
y, z) = (x ÿ y, y + z)
(b) Temukan rumus untuk
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
T2(x, y, z) = (0, x + y + z, 3y), T3(x, diberikan oleh rumus

y, z) = (3x + 2y, 4z ÿ x ÿ 3y)
T1 p(x) = xp(x) dan T2 p(x) = p(x + 1)
15. Misalkan T1: M22 ÿR dan T2: M22 ÿM22 adalah transformasi linier yang ÿ1 ÿ1
. (a) Temukan rumus untuk T 1 hal(x) , 2T p(x) , dan
diberikan oleh T1(A) = tr(A) dan T2(A) = AT
ÿ1 ÿ1
ab (T 1
ÿT2 ) hal(x) .
(a) Carilah (T1 ÿ T2)(A), dimana A = . (b) Pastikan (T2 ÿ T1)ÿ1 = T
ÿ1 ÿ1 ÿ T 2 .
CD 1
(b) Dapatkah kamu menemukan (T2 ÿ T1)(A)? Menjelaskan.

24. Misalkan TA: R3 ÿR3, TB: R3 ÿR3, dan TC: R3 ÿR3 berturut-turut adalah refleksi
16. Latihan Pengerjaan Ulang 15 mengingat T1:M22 ÿM22 dan terhadap bidang xy, bidang xz, dan bidang yz. Verifikasi Rumus (9) untuk
T2:M22 ÿM22 adalah transformasi linier, T1(A) = kA dan T2(A) operator linier ini.
= AT , dimana k adalah skalar.

25. Misalkan T1: V ÿV adalah dilatasi T1(v) = 4v. Carilah operator
17. Misalkan transformasi linier T1: P2 ÿP2 dan T2: P2 ÿP3 diberikan linier T2: V ÿV sehingga T1 ÿ T2 = I dan T2 ÿ T1 = I .
dengan rumus T1(p(x)) = p(x + 1) dan T2(p(x)) = xp(x) . Temukan (T2
ÿ T1)(a0 + a1x + a2x2). 26. Misalkan T1:M22 ÿP1 dan T2:P1 ÿR3 menjadi 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
(a) Carilah T(1 ÿ 2x). (T2 ÿ T1)(A) = (T2 ÿ T1)(B)
(b) Tunjukkan bahwa T adalah transformasi linier.

(c) Tunjukkan bahwa T2 ÿ T1 tidak masuk dengan mencari vektor (a, b, c) di R3 yang tidak berada
(c) Tunjukkan bahwa T satu-satu. dalam rentang T2 ÿ T1.
(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
(b) T(x1, x2,...,xn) = (xn, xnÿ1,...,x2, x1)

T(f) = f (0) + 2f (0) + 3f (1)
(c) T(x1, x2,...,xn) = (x2, x3,...,xn, x1)
Verifikasi bahwa T adalah transformasi linier. Tentukan apakah T adalah satu- satu,
dan jelaskan kesimpulan Anda.
21. Misalkan T : Rn ÿRn adalah operator linier yang ditentukan oleh rumus
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
(a) Dalam kondisi apa T mempunyai invers?
(b) Dengan asumsi kondisi yang ditentukan pada bagian (a) X
terpenuhi, carilah rumus untuk T ÿ1(x1, x2,...,xn). J (p(x)) = hal(t)dt

0
(a) Tunjukkan bahwa D dan J adalah transformasi linier.
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?
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.
Bekerja dengan Bukti

33. Buktikan: Jika T : V ÿW merupakan transformasi linier satu-satu, maka T ÿ1:
(c) Kebalikan dari transformasi linier satu-satu adalah transformasi linier.
R(T )ÿV merupakan transformasi linier satu-ke-satu.
34. Gunakan definisi T3 ÿ T2 ÿ T1 yang diberikan oleh Rumus (3) untuk
buktikan (d) Jika transformasi linier T mempunyai invers, maka inti T adalah subruang nol.
bahwa (a) T3 ÿ T2 ÿ T1 merupakan transformasi linier.
(b) T3 ÿ T2 ÿ T1 = (T3 ÿ T2) ÿ T1.

(e) Jika T : R2 ÿR2 merupakan proyeksi ortogonal terhadap sumbu x, maka T ÿ1: R2
(c) T3 ÿ T2 ÿ T1 = T3 ÿ (T2 ÿ T1). ÿR2 memetakan setiap titik pada sumbu x ke suatu garis yang tegak lurus sumbu x.
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
DEFINISI 1 Transformasi linier T :V ÿW yang bersifat satu-ke-satu dan ke

dikatakan isomorfisme , dan W dikatakan isomorfik terhadap V .
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
8.3 Isomorfisme 467
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
T(u) = (u)S = (k1, k2,...,kn) (2)
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
T(cu) = T(ck1v1 + ck2v2 +···+ cknvn)

= (ck1, ck2, . . . , ckn)
= c(k1, k2,...,kn) = cT(u)
dan itu
T(u + v) = T (k1 + d1)v1 + (k2 + d2)v2 +···+ (kn + dn)vn

= (k1 + d1, k2 + d2,...,kn + dn)
= (k1, k2,...,kn) + (d1, d2,...,dn)
= T(kamu) + T(v)
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
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,
T(u) = (k1, k2,...,kn) = (d1, d2,...,dn) = T(v)
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
u = k1v1 + k2v2 +···+ knvn
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
adalah isomorfisme antara V dan Rn.
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.
CONTOH 1 Isomorfisme Natural Antara Pn–1 dan Rn Berdasarkan

Teorema 8.3.2, peta koordinat
a0 + a1x +···+ anÿ1xnÿ1 T

ÿÿ (a0, a1,...,anÿ1)
mendefinisikan isomorfisme antaraPnÿ1 danRn. Ini disebut isomorfisme alami antara ruang-ruang vektor
tersebut.
CONTOH 2 Isomorfisme Natural Antara M22 dan R4 Berdasarkan

Teorema 8.3.2, peta koordinat
ab T
ÿÿ (a, b, c, d)
CD
mendefinisikan isomorfisme antara M22 dan R4. Ini adalah kasus khusus dari isomorfisme yang memetakan matriks
anm × n ke dalam vektor koordinatnya. Kami menyebutnya isomorfisme alami antara Mmn dan Rmn.
DIPERLUKAN KALKULUS CONTOH 3 Diferensiasi dengan Perkalian Matriks

Perhatikan transformasi diferensiasi D : P3 ÿP2 pada ruang vektor poli nomial berderajat 3 atau kurang. Jika kita
memetakan P3 dan P2 menjadi R4 dan R3, masing-masing, dengan isomorfisme natural, maka transformasi D
menghasilkan transformasi matriks yang sesuai dari R4 ke R3. Khususnya transformasi turunan
D
a0 + a1x + a2x2 + a3x3 ÿÿ a1 + 2a2x + 3a3x2
8.3 Isomorfisme 469
menghasilkan transformasi matriks
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.
CONTOH 4 Bekerja dengan Isomorfisme

Gunakan isomorfisme natural antara P5 dan R6 untuk menentukan apakah
polinomial berikut bebas linier.
p1 = 1 + 2x ÿ 3x2 + 4x3 + x5 p2 = 1
+ 3x ÿ 4x2 + 6x3 + 5x4 + 4x5 p3 = 3 + 8x ÿ
11x2 ÿ 16x3 + 10x4 + 9x5
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.
Ruang Produk Dalam

Dalam kasus di mana V adalah ruang hasil kali dalam berdimensi n nyata, baik V maupun Rn ,
Isomorfisme
selain struktur aljabarnya, juga mempunyai struktur geometri yang timbul dari hasil kali dalam
masing-masing. Oleh karena itu, masuk akal untuk menanyakan apakah terdapat isomorfisme dari V
ke Rn yang mempertahankan struktur geometris serta struktur aljabar. Misalnya, kita ingin vektor
ortogonal di V mempunyai vektor ortogonal di Rn, dan kita ingin himpunan ortonormal di V
berkorespondensi dengan himpunan ortonormal di Rn.
Agar suatu isomorfisme dapat mempertahankan struktur geometri, ia jelas harus mempertahankan hasil kali
dalam, karena gagasan tentang panjang, sudut, dan ortogonalitas semuanya didasarkan pada
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
T(u), T(v)=u, v untuk semua u dan v di V
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.
CONTOH 5 Isomorfisme Ruang Hasil Kali Dalam

Kita melihat pada Contoh 1 bahwa peta koordinat
T
a0 + a1x +···+ anÿ1xnÿ1 ÿÿ (a0, a1,...,anÿ1)
sehubungan dengan basis standar untuk Pnÿ1 adalah isomorfisme antara Pnÿ1 dan Rn. Namun, basis
standarnya adalah ortonormal terhadap hasil kali dalam standar pada Pnÿ1 (lihat
Contoh 3 pada Bagian 6.3), sehingga T sebenarnya merupakan isomorfisme ruang hasilkali dalam
terhadap hasil kali dalam standar pada Pnÿ1 dan hasil kali dalam Euclidean di Rn. Untuk memverifikasi
bahwa ini benar, ingat dari Contoh 7 dari Bagian 6.1 bahwa hasil kali dalam standar pada Pnÿ1 dari dua
vektor
p = a0 + a1x +···+ anÿ1xnÿ1 dan q = b0 + b1x +···+ bnÿ1xnÿ1

adalah
p, q = a0b0 + a1b1 +···+ anÿ1bnÿ1

Tapi ini persisnya hasil kali dalam Euclidean pada Rn dari n-tupel
(a0, a1,...,anÿ1) dan (b0, b1,...,bnÿ1)
CONTOH 6 Suatu Masalah Notasi

Misalkan Rn adalah ruang vektor dari n-tupel real dalam bentuk yang dibatasi koma, misalkan Mn adalah
ruang vektor dari matriks n × 1 real, misalkan Rn mempunyai hasil kali dalam Euclidean u, v = u · v, dan
misalkan Mn mempunyai hasil kali dalam u, v = uTv dimana u dan v dinyatakan dalam bentuk kolom.
Pemetaan T : Rn ÿMn ditentukan oleh
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.
8.3 Isomorfisme 471

Dalam Latihan 1–8, nyatakan apakah transformasinya adalah iso a+b
morfisme. Tidak diperlukan bukti. ab ÿ ÿ
a+b
16.
1. c0 + c1x ÿ(c0 ÿ c1, c1) dari P1 ke R2.
ÿ ÿ
CD
ÿ ÿ
ÿ
ÿ
a+b+c ÿ
2. (x, y)ÿ(x, y, 0) dari R2 ke R3. ÿa+b+c+d ÿ

ab
3. a + bx + cx2 + dx3 ÿ 17. Apakah menurut Anda R2 isomorfik terhadap bidang xy di R3?
CD dari P3 ke M22. Benarkan jawaban Anda.
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.
Apakah ini isomorfisme? Benarkan jawaban Anda.

8. Peta (u1, u2,...,un, . . .)ÿ(0, u1, u2,...,un, . . .) dari
R ke R. 20. Tunjukkan bahwa jika M22 dan P3 memiliki produk dalam standar yang
diberikan dalam Contoh 6 dan 7 Bagian 6.1, maka pemetaannya
9. (a) Tentukan isomorfisme antara ruang vektor semua 3 × 3
matriks simetris dan R6. a0 a1 a2
ÿa0 + a1x + a2x2 + a3x3
(b) Temukan dua isomorfisme berbeda antara ruang vektor a3
dari semua matriks 2 × 2 dan R4.
adalah isomorfisme ruang hasilkali dalam antara ruang-ruang tersebut.
10. (a) Tentukan isomorfisme antara ruang vektor semua poli nomial yang
21. (Diperlukan Kalkulus) Rancanglah metode penggunaan
berderajat paling banyak 3 sehingga p(0) = 0 dan R3.
perkalian matriks untuk membedakan fungsi dalam rentang
(b) Tentukan isomorfisme antara ruang vektor ruang vektor {1,sin(x), cos(x),sin(2x), cos(2x)}. Gunakan
span{1,sin(x), cos(x)} dan R3. metodemu untuk mencari turunan dari 3 ÿ 4 sin(x) + sin(2x) + 5 cos(2x)
Dalam Latihan 11–12, tentukan apakah transformasi matriks
TA:R3 ÿR3 merupakan isomorfisme.
0 1 ÿ1 1 ÿ1 0 22. Buktikan jika T : V ÿW merupakan isomorfisme, maka T ÿ1: W ÿV

ÿ ÿ ÿ ÿ juga demikian .
11. SEBUAH = ÿ 102 ÿ 12. SEBUAH = ÿ
002
ÿ
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
di V sama dengan sudut antara T(u) dan T(v) di W, dan u ÿ

ÿ
0101 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
a+b Latihan Benar-Salah

ÿ ÿ
ÿ
TF. Pada bagian (a)–(f) tentukan apakah pernyataan tersebut benar atau
ÿa+b+c+d ÿ salah, dan jelaskan jawaban Anda.
(a) Ruang vektor R2 dan P2 bersifat isomorfik.

(d) Terdapat subruang dari M23 yang isomorfik terhadap R4.
(b) Jika inti transformasi linier T : P3 ÿP3 adalah {0}, maka
(e) Ruang vektor berdimensi hingga isomorfik harus memiliki
T adalah isomorfisme. jumlah vektor basis yang sama.
(c) Setiap transformasi linier dari M33 ke P9 merupakan isomorfisme. (f ) Rn isomorfik terhadap subruang Rn+1.
8.4 Matriks untuk Transformasi Linier Umum

Pada bagian ini kita akan menunjukkan bahwa transformasi linier umum dari sembarang ruang vektor
berdimensi n V ke sembarang ruang vektor berdimensi m W dapat dilakukan
dengan menggunakan transformasi matriks yang sesuai dari Rn ke Rm. Ide ini digunakan
dalam perhitungan komputer karena komputer sangat cocok untuk melakukan perhitungan matriks.
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)
Sebuah vektor Sebuah vektor
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 :
Mencari T(x) Secara Tidak
Langsung Langkah 1. Hitung vektor koordinat [x]B.
Langkah 2. Kalikan [x]B di sebelah kiri dengan A untuk menghasilkan [T(x)]B.
Langkah 3. Rekonstruksi T(x) dari vektor koordinatnya [T(x)]B.
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)
Perkalian dengan A memetakan Rn menjadi Rm
Gambar 8.4.2 (A) (B)

8.4 Matriks Transformasi Linier Umum 473
Kunci untuk melaksanakan rencana ini adalah menemukan matriks A berukuran m × n dengan sifat itu
SEBUAH[x]B = [T(x)]B (1)
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,
A[u1]B = [T(u1)]B, A[u2]B = [T(u2)]B,..., A[un]B = [T(un)]B (2)
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
ÿ am1 am2 ··· amn ÿ ÿ am1ÿ

0
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
ÿ am1 am2 ··· amn ÿ ÿ am2ÿ

ÿ0ÿ
. .
. .
.
.
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
ÿ am1 am2 ··· amn ÿ ÿ amnÿ

1
ÿ ÿ
Mengganti hasil ini menjadi (2) hasil
a11 a12 a1n

ÿ ÿ ÿ ÿ ÿ ÿ
a21
ÿ ÿ
a22 a2n
ÿ ÿ ÿ ÿ
= [T(u1)]B, = [T(u2)]B,..., = [T(un)]B

ÿ
ÿ ÿ ÿ
ÿ
ÿ
ÿ
.. ÿ
. ÿ
.
. . .
ÿ ÿ
.
ÿ
.
ÿ ÿ
ÿ ÿ
ÿ
ÿ am1ÿ ÿ am2ÿ ÿ amnÿ
yang menunjukkan bahwa kolom-kolom berurutan dari A adalah vektor koordinat dari
T(u1), T(u2), . . . , T(tidak)
sehubungan dengan dasar B . Jadi, matriks A yang melengkapi tautan pada Gambar 8.4.2a adalah
SEBUAH = [T(u1)]B | [T(u2)]B |···| [T(tidak)]B

(3)
Kita akan menyebutnya matriks untuk T relatif terhadap basis B dan B dan akan menyatakannya dengan simbol [T ]B
,B. Dengan menggunakan notasi ini, Rumus (3) dapat ditulis sebagai
[T ]B ,B = [T(u1)]B | [T(u2)]B |···| [T(tidak)]B
(4)
dan dari (1), matriks ini mempunyai sifat
[T ]B ,B[x]B = [T(x)]B (5)
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
= [T(x)]B CONTOH 1 Matriks untuk Transformasi Linier

[T] B´,B[x] B
Misalkan T : P1 ÿP2 adalah transformasi linier yang didefinisikan oleh
Pembatalan
T(p(x)) = xp(x)
Gambar 8.4.4
Temukan matriks untuk T terhadap basis standar
B = {u1, u2} dan B = {v1, v2, v3}

Di mana
u1 = 1, u2 = x; v1 = 1, v2 = x, v3 = x2
Solusi Dari rumus yang diberikan untuk T kita peroleh

T(u1) = T(1) = (x)(1) = x
T(u2) = T(x) = (x)(x) = x2
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
CONTOH 2 Prosedur Tiga Langkah

Misalkan T : P1 ÿP2 adalah transformasi linier pada Contoh 1, dan gunakan prosedur tiga langkah
yang dijelaskan pada gambar berikut untuk melakukan komputasi
T(a + bx) = x(a + bx) = kapak + bx2
X T(x)
Perhitungan langsung
(1) (3)
Kalikan dengan [T]

B´,B
[X]B [T(x)]B´
(2)
Larutan
Langkah 1. Matriks koordinat x = a + bx relatif terhadap basis B = {1, x} adalah

A
[x]B =
B
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
CONTOH 3 Matriks untuk Transformasi Linier

Misalkan T : R2 ÿR3 adalah transformasi linier yang didefinisikan oleh
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
Penyelesaian Dari rumus T

,
1 2
ÿ ÿ ÿ ÿ
T(u1) =
ÿ
ÿ2 ÿ
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
detik relatif terhadap basis B dan B yang dinyatakan dalam contoh.
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 .
CONTOH 4 Matriks Operator Identitas

Jika B = {u1, u2,..., un} adalah basis untuk ruang vektor berdimensi berhingga V, dan jika I : V ÿV
adalah operator identitas pada V, maka
Saya (u1) = u1, Saya(u2) = u2,..., Saya(un) = un
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
[Saya (u1)]B [Saya (u2)]B [Saya (tidak)]B
CONTOH 5 Operator Linier pada P2

Misalkan T : P2 ÿP2 adalah operator linier yang didefinisikan oleh
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.
Solusi (a) Dari rumus T ,
T(1) = 1, T(x) = 3x ÿ 5, T(x2 ) = (3x ÿ 5) 2 = 9x2 ÿ 30x + 25
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
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
ÿ 3 ÿ30 ÿÿ 2ÿ ÿ84 = [T(p)]B

ÿ ÿ ÿ
= ÿ ÿ
00 9 3 27
ÿ ÿ ÿ ÿ ÿ ÿ
Langkah 3. Merekonstruksi T(p) = T(1 + 2x + 3x2) dari [T(p)]B kita peroleh
T(1 + 2x + 3x2 ) = 66 ÿ 84x + 27x2
Solusi (c) Dengan perhitungan langsung,
T(1 + 2x + 3x2) = 1 + 2(3x ÿ 5) + 3(3x ÿ 5)2

= 1 + 6x ÿ 10 + 27x2 ÿ 90x + 75
= 66 ÿ 84x + 27x2
yang sesuai dengan hasil pada (b).
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
[T2 ÿ T1]B ,B = [T2]B ,B[T1]B,B (10)
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
satu-satu. (b) [T ]B dapat dibalik.
Terlebih lagi, ketika kondisi setara ini berlaku,

ÿ1 ÿ1
[T ]B = [T ] B (11)
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
T1 T2 T3
Dasar B
Dasar B´´ Dasar B´´´ Dasar B´
Gambar 8.4.6
Contoh berikut menggambarkan Teorema 8.4.1.
CONTOH 6 Komposisi
Misalkan T1: P1 ÿP2 adalah transformasi linier yang didefinisikan oleh
T1(p(x)) = xp(x) dan
misalkan T2: P2 ÿP2 adalah operator linier yang didefinisikan oleh

T2(p(x)) = p(3x ÿ 5)
Maka komposisi (T2 ÿ T1): P1 ÿP2 diberikan oleh
(T2 ÿ T1)(p(x)) = T2(T1(p(x))) = T2(xp(x)) = (3x ÿ 5)p(3x ÿ 5)
Jadi, jika p(x) = c0 + c1x, maka
(T2 ÿ T1)(c0 + c1x) = (3x ÿ 5) c0 + c1(3x ÿ 5)
= c0(3x ÿ 5) + c1(3x ÿ 5)2
(13)
Dalam contoh ini, P1 berperan sebagai U dalam Teorema 8.4.1, dan P2 berperan sebagai V dan W; dengan
demikian kita dapat mengambil B = B pada (10) sehingga rumusnya disederhanakan
menjadi [T2 ÿ T1]B ,B = [T2]B[T1]B ,B (14)
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
Jadi, dari (14) berikut ini

ÿ01 ÿ ÿ 00 9 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
Mengganti (16) hasil

ÿ5 25
yang
setuju
dengan
ÿ
(15). ÿ
[T2 ÿ T1]B ,B = ÿ
3 ÿ30 ÿ
ÿ 0 9ÿ

1. Misalkan T : P2 ÿP3 adalah transformasi linier yang didefinisikan
6. Misalkan T : R3 ÿR3 adalah operator linier yang didefinisikan oleh
oleh T(p(x)) = xp(x).
(a) Tentukan matriks T relatif terhadap basis standar T(x1, x2, x3) = (x1 ÿ x2, x2 ÿ x1, x1 ÿ x3)
B = {u1, u2, u3} dan B = {v1, v2, v3, v4} (a) Tentukan matriks T terhadap basis
Di mana B = {v1, v2, v3}, dimana
u1 = 1, u2 = x, u3 = x2 v1 = 1, v1 = (1, 0, 1), v2 = (0, 1, 1), v3 = (1, 1, 0)

v2 = x, v3 = x2, v4 = x3
(b) Pastikan Rumus (8) berlaku untuk setiap vektor x =
(b) Verifikasi bahwa matriks [T ]B ,B yang diperoleh pada bagian (a) memenuhi
(x1, x2, x3) di R3.
Rumus (5) untuk setiap vektor x = c0 + c1x + c2x2 di P2.
(c) Apakah T satu-satu? Jika ya, carilah matriks T ÿ1
dengan hormat
2. Misalkan T : P2 ÿP1 adalah transformasi linier yang didefinisikan oleh dengan basis B.
T(a0 + a1x + a2x2 ) = (a0 + a1) ÿ (2a1 + 3a2)x

7. Misalkan T : P2 ÿP2 adalah operator linier yang
(a) Tentukan matriks T relatif terhadap basis standar B = {1, x, didefinisikan oleh T(p(x)) = p(2x + 1), yaitu,
x2} dan B = {1, x} untuk P2 dan P1.
2
T(c0 + c1x + c2x2 ) = c0 + c1(2x + 1) + c2(2x + 1)
(b) Verifikasi bahwa matriks [T ]B ,B yang diperoleh pada bagian (a) memenuhi
Rumus (5) untuk setiap vektor x = c0 + c1x + c2x2 di P2.
(a) Tentukan [T ]B terhadap basis B = {1, x, x2}.
3. Misalkan T : P2 ÿP2 adalah operator linier yang didefinisikan oleh

(b) Gunakan prosedur tiga langkah yang diilustrasikan dalam Contoh 2 untuk
2
T(a0 + a1x + a2x2 ) = a0 + a1(x ÿ 1) + a2(x ÿ 1) menghitung T(2 ÿ 3x + 4x2).
(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,
4. Misalkan T : R2 ÿR2 adalah operator linier yang didefinisikan oleh

2
T(c0 + c1x + c2x2 ) = x c0 + c1(x ÿ 3) + c2(x ÿ 3)
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).
(a) Temukan u1 = dan u2 =

1 0 (c) Periksa hasil yang diperoleh pada bagian (b) dengan menghitung T(1 +
x ÿ x2) secara langsung.
[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
u1 = 1 ÿ2 (d) Gunakan rumus yang diperoleh pada (c) untuk menghitung T .

, u2 = 1
3 4
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
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
B = {w1, w2, w3}, dimana

(c) Verifikasi bahwa matriks pada bagian (a) memenuhi rumus yang Anda
0 2 nyatakan pada bagian (b).
1 6
ÿ 1ÿ ÿ 1ÿ ÿ 4ÿ ÿ9ÿ
14. Misalkan B = {v1, v2, v3, v4} adalah basis untuk ruang vektor V. Tentukan
v1 = v2 = v3 = v4 =
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
matriks terhadap B untuk operator linier T : V ÿV yang didefinisikan oleh T(v1)

1 ÿ1 ÿ1 4
ÿ ÿ ÿ ÿ
ÿ ÿ ÿ ÿ
ÿ ÿ1 ÿ, ÿ 2 ÿ, = v2, T( v2) = v3, T(v3) = v4, T(v4) = v1.

ÿ 1ÿ, ÿ2ÿ
0 ÿ7 ÿ6 15. Misalkan T : P2 ÿM22 adalah transformasi linier yang didefinisikan oleh

ÿ ÿ ÿ ÿ ÿ ÿ
w1 = 8 w2 = 8 w3 = 9
p(0) p(1) p(ÿ1)
ÿ 8ÿ, ÿ 1ÿ, ÿ 1ÿ T (p) =
p(0)
(a) Temukan [T(v1)]B, [T(v2)]B, [T(v3)]B, dan [T(v4)]B.
misalkan B adalah basis baku untuk M22, dan misalkan B = {1, x, x2}, B =
(b) Temukan T(v1), T(v2), T(v3), dan T(v4). {1, 1 + x, 1 + x2} menjadi basis untuk P2. (a) Temukan [T
x1 ]B,B dan [T ]B,B.

ÿÿ ÿÿ (b) Untuk matriks yang diperoleh pada bagian (a), hitunglah
ÿ x2
(c) Temukan rumus untuk T
ÿ ÿ ÿ
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
8.5 Kesamaan 481
(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.
(a) Jika matriks transformasi linier T : V ÿW relatif terhadap 2 4

X T(x)
Perhitungan langsung beberapa basis V dan W adalah , maka ada yang bukan nol
03
(1) (3) vektor x dalam V sehingga T(x) = 2x.
Kalikan dengan [T]B´,B

(b) Jika matriks transformasi linier T : V ÿW relatif terhadap 2 4
[X]B [T(x)]B´
(2) Gambar Ex-20 basis untuk V dan W adalah , maka ada vektor bukan nol
03
x dalam V sehingga T(x) = 4x.
21. Di setiap bagian, isilah bagian persamaan yang hilang. (a) [T2 ÿ T1]B,B = [T2] ? [T1]B,B
(b) [T3 ÿ T2 ÿ T1]B,B = [T3] ? [T2]B,B[T1]B,B (c) Jika matriks transformasi linier T : V ÿW relatif terhadap
14
basis tertentu untuk V dan W adalah , maka T adalah satu-satu.
23
Jika S: V ÿV dan T : V ÿV adalah operator linier dan B adalah basis untuk V, maka matriks S ÿ T rel
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.
Matriks Sederhana untuk Linier

Basis standar belum tentu menghasilkan matriks yang paling sederhana untuk operator linier. Misalnya, perhatikan
Operator
operator matriks T : R2 ÿR2 yang matriksnya relatif terhadap basis standar B = {e1, e2} untuk R2 adalah
[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
itu mengikuti itu
2 0
[T(kamu 1)]B = dan [T(u 2)]B =
0 3

jadi matriks untuk T relatif terhadap basis B adalah
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.
Pandangan Baru tentang Transisi

Ingat Rumus (7) dan (8) Bagian 4.6 bahwa jika B = {u1, u2,..., un} dan B = {u ke B dan dari B ke B adalah
Matriks kamu 1, 2,..., u n} adalah basis untuk ruang vektor V, maka matriks transisi dari B
PBÿB = [u1]B | [u2]B |···| [tidak]B

(3)
PB ÿB = [u 1]B | [u 2]B |···| [u n]B (4)
dimana matriks PBÿB dan PB ÿB saling invers. Kita juga menunjukkan dalam Rumus (11) dan (12) pada
bagian tersebut bahwa jika v adalah sembarang vektor di V, maka
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]
Bukti bahwa [I ]B,B = PB ÿB serupa.
Kami sekarang siap untuk mempertimbangkan masalah utama di bagian ini.
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
8.5 Kesamaan 483
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)
atau, dalam notasi yang lebih sederhana,
[T ]B = [I ]B ,B[T ]B[I (9)

]B,B
Kita dapat menyederhanakan rumus ini lebih jauh lagi dengan menggunakan Teorema 8.5.1 untuk menulis ulang rumus tersebut menjadi
[T ]B = PBÿB[T ]BPB ÿB
(10)
Singkatnya, kami memiliki teorema berikut.
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.
CONTOH 1 Matriks Serupa Mewakili Operator Linier yang Sama

Kami telah menunjukkan di awal bagian ini bahwa matriks
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
P = PB ÿB = [u 1]B | [kamu 2]B
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
dari situlah berikut itu
1 1
[kamu 1]B = dan [u 2]B =
1 2
Dengan demikian,
11
P = PB ÿB = [u 1]B | [kamu 2]B =
12
Kami menyerahkannya kepada Anda untuk memverifikasinya
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
V. Tabel 1 mencantumkan invarian kesamaan dasar dari operator linier T : V ÿV.
8.5 Kesamaan 485
Tabel 1 Invarian Kemiripan
Properti Kesamaan
Penentu [T ]B dan P ÿ1[T ]BP memiliki determinan yang sama.
Dapat dibalik [T ]B dapat dibalik jika dan hanya jika P ÿ1[T ]BP dapat dibalik.
Pangkat [T ]B dan P ÿ1[T ]BP mempunyai pangkat yang sama.
Ketidaksahan
[T ]B dan P ÿ1[T ]BP memiliki nullitas yang sama.
Jejak [T ]B dan P ÿ1[T ]BP memiliki jejak 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.
CONTOH 2 Penentu Operator Linier

Pada awal bagian ini kami menunjukkan bahwa matriks
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
CONTOH 3 Nilai Eigen dari Operator Linier

Temukan nilai eigen dari operator linier T : P2 ÿP2 yang ditentukan oleh
T (a + bx + cx2 ) = ÿ2c + (a + 2b + c)x + (a + 3c)x2
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).

Dalam Latihan 1–2, gunakan properti dari Tabel 1 untuk menunjukkan bahwa 8. T : R2 ÿR2 didefinisikan oleh
matriks A dan B tidak sebangun .
x1 x1 + 7x2
13 12 T =
x2
3x1 ÿ 4x2
1. (a) SEBUAH = , B=
11 11 dan B = {u1, u2} dan B = {v1, v2}, dimana
11 ÿ1 0 2 4 18 10
(b) SEBUAH = , B= u1 = , u2 = ; v1 = , v2 =
12 0 ÿ1 2 ÿ1 8 5
111 111 9. T : R3 ÿR3 didefinisikan oleh

ÿ ÿ ÿ ÿ
2. (a) SEBUAH = ÿ
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
ÿ 010 ÿ, ÿ 100 ÿ 10. T : R3 ÿR3 didefinisikan oleh
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
Temukan matriks untuk T relatif terhadap basis B . v1 = (k, 1), v2 = (1, 0)
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(a0 + a1x) = ÿa0 + (a0 + a1)x
[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
x1 ÿ 2x2 16. Misalkan T : M22 ÿM22 didefinisikan oleh

T x1 =
x2 ÿx2 a+c
ab 2c
T =
dan B = {u1, u2} dan B = {v1, v2}, dimana CD b ÿ 2c d
1 0 4 7 (a) Tentukan nilai eigen dari T.
u1 = , u2 = ; v1 = , v2 =
0 1 1 2 (b) Temukan basis untuk ruang eigen T.
8.5 Kesamaan 487
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)
20. T : R3 ÿR3, dimana

Latihan Benar-Salah
T(x1, x2, x3) = (x1 ÿ x2, x2 ÿ x3, x3 ÿ x1) TF. Pada bagian (a)–(h) tentukan apakah pernyataan tersebut benar atau salah, dan jelaskan
jawaban Anda. (a) Suatu
21. T : P2 ÿP2, dimana
T(p(x)) = p(x ÿ 1) matriks tidak mungkin serupa dengan matriksnya sendiri.
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.
(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
ÿ1 basis B dan B untuk Rn, maka B = B .

Bukti: (1) det(ÿI ÿ B) = det(ÿI ÿ P (2) (3) (4) (5) AP )
ÿ1
(6) = det(ÿP ÿ1P ÿ P = AP )
(g) Jika T : Rn ÿRn adalah operator linier, dan jika [T ]B = In terhadap suatu
det(P ÿ1(ÿI ÿ A)P ) = det(P basis B untuk Rn, maka T adalah operator identitas pada Rn.
ÿ1) det(ÿI ÿ A) det(P ) = det(P ÿ1)
det(P ) det(ÿI ÿ A)
(h) Jika T : Rn ÿRn adalah operator linier, dan jika [T ]B,B = In terhadap dua basis
= det(ÿI ÿ A)
B dan B untuk Rn, maka T adalah operator identitas pada Rn.
24. Jika A dan B adalah matriks sebangun, misalkan B = Pÿ1 AP, maka dari Latihan
23 berikut ini bahwa A dan B mempunyai nilai eigen yang sama. Misalkan ÿ
adalah salah satu nilai eigen umum dan x adalah vektor eigen yang bersesuaian Bekerja dengan Teknologi
dari A. Lihat apakah Anda dapat menemukan vektor T1. Gunakan matriks A dan P di bawah ini untuk membuat matriks AP yang
eigen dari B yang bersesuaian dengan ÿ (dinyatakan dalam bentuk ÿ, x, B = P ÿ1 serupa dengan A, dan pastikan, sesuai dengan Tabel 1, bahwa A
dan P).
dan B mempunyai determinan, penelusuran, pangkat, persamaan karakteristik, dan nilai
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 .
Bab 8 Latihan Tambahan
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.
cos 2ÿ ÿ dosa 2ÿ cos 3ÿ ÿ dosa 3ÿ

A2 = dan A3 = (b) Tunjukkan bahwa himpunan semua transformasi linier dari V ke W
dosa 2ÿ karena 2ÿ dosa 3ÿ karena 3ÿ dengan operasi pada bagian (a) merupakan ruang vektor.
(b) Berdasarkan jawaban Anda pada bagian (a), tebaklah bentuk

9. Misalkan A dan B adalah matriks sebangun. Membuktikan:
matriks An untuk sembarang bilangan bulat positif n.
(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.
(b) Tentukan pangkat dan nullitas T .
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
(a) Temukan basis untuk inti T . menjadi matriks transisi dari B ke B.
(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
T(v1) = v1 + v2 + v3 + 3v4 T : V ÿV menjadi operator linier yang mana

T(v2) = v1 ÿ v2 + 2v3 + 2v4 ÿ347
ÿ ÿ
[T ]B = 1 0 ÿ2
T(v3) = 2v1 ÿ 4v2 + 5v3 + 3v4
ÿ 010 ÿ
T(v4) = ÿ2v1 + 6v2 ÿ 6v3 ÿ 2v4
(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
Bab 8 Latihan Tambahan 489
16. Tunjukkan bahwa matriksnya

Di mana
11 (x ÿ x2)(x ÿ x3)
21 P1(x) =
ÿ1 4 Dan (x1 ÿ x2)(x1 ÿ x3)
13
(x ÿ x1)(x ÿ x3)
mirip tapi itu P2(x) =
(x2 ÿ x1) (x2 ÿ x3 )
3 1 ÿ1 2
Dan (x ÿ x1)(x ÿ x2)
ÿ6 ÿ2 10 P3(x) =
(x3 ÿ x1)(x3 ÿ x2)
tidak.
(d) Berapakah hubungan antara grafik fungsi tersebut
17. Misalkan T : V ÿV adalah operator linier, dan B adalah basis untuk V yang
mana a1P1(x) + a2P2(x) + a3P3(x)
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)
19. (Diperlukan Kalkulus)

(a) Tunjukkan bahwa L adalah transformasi linier.
(a) Tunjukkan bahwa jika f = f(x) terdiferensiasi dua kali, maka
(b) Perhatikan kasus khusus dimana p(x) = 0 dan q(x) = 1.
fungsi D:C2(ÿ, )ÿF (ÿ, ) yang didefinisikan oleh D(f) = f (x)
Tunjukkan bahwa fungsinya
adalah transformasi linier.
(b) Temukan basis untuk inti D. ÿ(x) = c1 sin x + c2 cos x
(c) Tunjukkan bahwa himpunan fungsi yang memenuhi persamaan D(f)

ada di kernel L untuk semua nilai riil c1 dan c2.
= f(x) adalah subruang dua dimensi dari C2(ÿ, ), dan tentukan basis untuk
subruang tersebut.
23. (Diperlukan kalkulus) Misalkan D: Pn ÿPn adalah operator diferensiasi
20. Misalkan T : P2 ÿR3 adalah fungsi yang ditentukan oleh rumus D(p) = p . Tunjukkan bahwa matriks D relatif terhadap basis B = {1, x,
p(ÿ1) x2,...,xn} adalah
T(p(x)) = ÿ ÿ 0100 ··· 0

ÿ
hal(0)
ÿ
ÿ ÿ
0020 ··· 0 ÿ
ÿ hal(1) ÿ
ÿ ÿ ÿ 0003 ··· ÿ ÿ ÿ ÿ ÿ 0 ÿ
ÿ
(a) Carilah T(x2 + 5x + 6). . . . . . ÿ
. . . . . ÿ
. . . . . ÿ
(b) Tunjukkan bahwa T adalah transformasi linier. ÿ
0000 ··· n
ÿ
(c) Tunjukkan bahwa T satu-satu.

ÿ 0000 ··· 0ÿ
(d) Temukan T ÿ1(0, 3, 0).
24. (Diperlukan Kalkulus) Dapat ditunjukkan bahwa untuk sembarang bilangan real
(e) Buat sketsa grafik polinomial pada bagian (d). c, vektornya
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
25. (Diperlukan Kalkulus) Misalkan J : Pn ÿPn+1 adalah transformasi integrasi

ÿ hal(x3)ÿ
yang didefinisikan oleh
(a) Tunjukkan bahwa T adalah transformasi linier. X
J (p) = (a0 + a1t +···+ semut n)dt

(b) Tunjukkan bahwa T satu-satu.
0
(c) Verifikasikan bahwa jika a1, a2, dan a3 adalah bilangan real, maka s ebuah
a1 = a0x + x2 +···+ xn+1 n + 1

a1
ÿÿ ÿÿ 2
T ÿ1 ÿ
ÿ = a1P1(x) + a2P2(x) + a3P3(x)
a2
ÿ ÿ
dimana p = a0 + a1x +···+ anxn. Temukan matriks untuk J terhadap basis

ÿ ÿ a3 ÿ ÿ
standar untuk Pn dan Pn+1.
10.11 Tomografi Terkomputasi 613
T2. Hasil latihan sebelumnya dan pembahasan dalam teks

Gunakan komputer dan algoritme ini untuk menyelesaikan u(x, y) jika diketahui
menyarankan algoritma berikut untuk menyelesaikan suhu
kesetimbangan pada daerah
u(x, 0) = 0, u(x, 1) = 0, u(0, y) = 0, u(1, y) = 2
kuadrat R = {(x, y) | 0 ÿ x ÿ 1, 0 ÿ y ÿ
1} mengingat kondisi batas Pilih n = 6 dan hitung hingga U(30) n+1 . Solusi jitunya bisa dinyatakan
sebagai
u(x, 0) = TB, u(x, 1) = TT ,
u(0, y) = TL, u(1, y) = TR 1. 8 sinh[(2m ÿ 1)ÿ x]sin[(2m ÿ 1)ÿy] (2m
kamu(x, kamu) =
Pilih nilai untuk n, lalu pilih tebakan awal, katakanlah ÿm =1
ÿ 1)sinh[(2m ÿ 1)ÿ]
0 TL ··· TL 0
ÿ Gunakan komputer untuk menghitung u(i/6,j/6) untuk i, j = 0, 1,
ÿ 2, 3, 4, 5, 6, lalu bandingkan hasilnya dengan nilai u(i/6,j /6) masuk
ÿ TB 0 ··· 0 Jilid
. .
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
10.11 Tomografi Terkomputasi

Pada bagian ini kita akan melihat bagaimana membangun tampilan penampang tubuh manusia dengan
menganalisis pemindaian sinar-X mengarah pada sistem linier yang tidak konsisten.
Kami menyajikan teknik iterasi yang memberikan “solusi perkiraan” dari sistem linier.
PRASYARAT: Sistem Linier

Logaritma Natural Ruang
Euclidean Rn
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

Aljabar Linier Bab 8

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Aljabar Linier Bab 8

Diunggah oleh

Hak Cipta:

Format Tersedia

Machine Translated by Google

8.1 Transformasi Linier Umum

T(u + v) = T(u) + T(v) dan T(ku) = kT(u)

(i) T(ku) = kT(u)

(ii) T(u + v) = T(u) + T(v) [ Sifat aditif]

448 Bab 8 Transformasi Linier Umum

T(k 1 v 1 + k 2 v 2 ) = k 1T( v 1) + k 2T( v 2)

T(k 1 v 1 + k 2 v 2 +···+ k r k r ) = k 1T( v 1) + k 2T( v 2) +···+ r T( (1)

TEOREMA 8.1.1 Jika T : V→ W merupakan transformasi linier, maka:

(b) T(u - v) = T(u) - T(v) untuk semua u dan v di V .

Kami menyerahkannya kepada Anda untuk membenarkan setiap langkah.

CONTOH 1 Transformasi Matriks

CONTOH 2 Transformasi Nol

T(u + v) = 0, T(u) = 0, T(v) = 0, dan T(ku) = 0

T(u + v) = T(u) + T(v) dan T(ku) = kT(u)

CONTOH 3 Operator Identitas Misalkan V adalah

8.1 Transformasi Linier Umum 449

CONTOH 4 Operator Dilatasi dan Kontraksi

T(cu) = k(cu) = c(ku) = cT(u)

CONTOH 5 Transformasi Linier dari Pn ke Pn +1

CONTOH 6 Transformasi Linier Menggunakan Perkalian Titik

Misalkan v 0 adalah sembarang vektor tetap di Rn , dan misalkan T : Rn → R adalah transformasinya

T (ku) = (ku) · v0 = k(u · v0) = kT (u)

CONTOH 7 Transformasi pada Ruang Matriks

(a) T 1 (A) = AT (b)T 1 (A) = det(A)

T 1 (kA) = (kA )T = kA T = = kT 1 (A)

T 1 (A + B) = ( A+ B)T = AT + BT =T 1 (A) +T 1 (B)

Solusi (b) Berdasarkan Rumus (1) Bagian 2.3 bahwa

T 2 (kA) = det(kA) = K ndet(A) = K n T 2 (A)

450 Bab 8 Transformasi Linier Umum

kamu CONTOH 8 Penerjemahan Tidak Linier

Gambar 8.1.1 T(x) = x + x0

T(f ) = f( X 1,), f( X 2 ), . . . , f( X n) (2)

T(kf ) = (kf )( x 1), (kf )( x 2), . . . , (kf )( x n)

= kf( x 1), kf( x 2), . . . , kf( x n)

=kf( x 1), f( x 2), . . . , f( x n) = kT(f )

T(f + g) = (f + g)( x 1), (f + g)( x 2), . . . , (f + g)( x n)

= f( x 1) +g( x 1), f( x 2) + g( x 2),..f( x n)+g( x n)

= f( x 1),f( x 2), . . . , f( x n) + g( x 1),g( x 2),....g( x n))

TA(v) = c 1TA(e 1) + c 2TA(e 2) +···+ c nTA(e n)

8.1 Transformasi Linier Umum 451

TEOREMA 8.1.2 Misalkan T : V → W adalah transformasi linier, dimana V adalah dimensi

Buktikan v sebagai v = c 1 v 1 + c 2 v 2+···+ c n v n dan gunakan linearitas T .

CONTOH 10 Menghitung dengan Gambar Vektor Basis

V 1= (1, 1, 1), V 2 = (1, 1, 0), V 3= (1, 0, 0)

T(V 1) = (1, 0), T(V 2) = (2, -1), T(V 3) = (4, 3)

yang menghasilkan c 1 = x 3, c 2= x 2 - 3, c 3 = x 1 - x 2, jadi

T( x 1, x 2, x 3) = x 3T( v 1) + ( x 2 - x 3)T( v 2) + (x1 ÿ x2)T(v3)

DIPERLUKAN KALKULUS CONTOH 11 Transformasi Linier dari C1(ÿ, ) ke F (ÿ, )

Dari sifat-sifat diferensiasi yang kita miliki

D(f + g) = D(f) + D(g) dan D( kf) = kD(f)

Jadi, D adalah transformasi linier.

452 Bab 8 Transformasi Linier Umum

DIPERLUKAN KALKULUS CONTOH 12 Transformasi Integral

Misalnya, jika f(x) = x2, maka

J (kf ) = kf(t) dt = k f(t) dt = kJ (f )

J (f + g) = (f(t) + g(t)) dt = f(t)dt + g(t) dt = J (f ) + J (g)

CONTOH 13 Kernel dan Range Transformasi Matriks

CONTOH 14 Kernel dan Range Transformasi Nol

CONTOH 15 Kernel dan Range Operator Identitas

CONTOH 16 Kernel dan Jangkauan Proyeksi Ortogonal Misalkan T : R3ÿR3

8.1 Transformasi Linier Umum 453

CONTOH 17 Kernel dan Rentang Rotasi Misalkan T : R2 ÿR2

DIPERLUKAN CONTOH 18 Kernel Transformasi Diferensiasi