Anda di halaman 1dari 12

Nama : Zizwatin Athiyah

Npm : 10310255
Kelas : 4F
Kelompok : V

TRANSFORMASI LINEAR
A. Pengantar Transformasi Linear
Transformasi linear dari R
n
ke R
m
pertama-tama didefinisikan sebagai sebuah
fungsi T(x
1
, x
2, . . . ,
x
n
) = (w
1
, w
2
, . . . , w
m
)
Dimana persamaan-persamaan yang menghubungkan w
1
, w
2
, . . . , w
m
dengan
x
1
, x
2
, . . . , x
n
adalah linear. Telah ditunjukkan bahwa sebuah transformasi T: R
n
R
m

adalah linear jika dan hanya jika kedua hubungan
T(u + v) = T(u) + T(v) dan T(cu) = cT(u)
Berlaku untuk semua vektor u dan v pada R
n
dan setiap skalar c. Sifat-sifat ini
digunakan untuk awal pendefinisian transformasi linear umum.

Definisi :
Jika T: V W adalah sebuah fungsi yang memetakan sebuah ruang vektor V ke
sebuah ruang vektor W, maka T disebut sebagai transformasi linear (linear
transformation) dari V ke W jika semua vektor u dan v pada V dan semua skalar c
a. T(u + v) = T(u) + T(v) b. T(cu) = cT(u)
Dalam kasus yang spesifik dimana V = W , transformasi linear T: V V disebut
sebagai operator linear (linear operator) pada V.
Contoh :
1. Transformasi Matriks
Transformasi linear dari R
n
ke R
m
juga merupakan transformasi linear yang
berada dalam ruang lingkup definisi yang lebih umum. Maka , transformasi linear
dari Rn ke Rm dapat disebut transformasi matriks (matrix transformation),
karena transformasi semacam ini dapat dilakukan melalui perkalian matriks.
2. Transformasi Nol
Misalkan V dan W adalah dua buah vektor. Pemetaan T:VW sehingga T(v) = 0
untuk setiap v pada V adalah sebuah transformasi linear yang disebut
transformasi nol (zero transformation). Untuk membuktikan bahwa T adalah
linear, perhatikan bahwa :
T(u+v) = 0, T(u) = 0, T(v) = 0 dan T(ku) = 0
Maka,
T(u+v) = T(u) + T(v) dan T(ku) = kT(u)
3. Operator Identitas
Misalkan V adalah ruang vektor sebarang. Pemetaan T:VV yang didefinisikan
oleh T(v) = v dinamakan transformasi identitas (identity operator) pada V.
4. Operator Dilasi dan Kontraksi
Misalkan V adalah ruang vektor sebarang dan k adalah skalar tetap sebarang.
Telah dibuktikan bahwa fungsi T: VV yang didefinisikan oleh T(v) = kv adalah
sebuah operator linear pada V. Operator linear ini disebut dilasi (dilation) dari V
dengan faktor k jika k > 1 dan disebut kontraksi (contraction) dari V dengan
faktor k jika 0<k<1. Secara geometrik, dilasi memperbesar setiap vektor pada V
dengan faktor sebesar k, dan kontraksi pada V memperkecil setiap vektor
dengan faktor sebesar k.
5. Proyeksi Ortogonal
Proyeksi ortogonal dapat didefinisikan di dalam ruang hasil kali dalam umum
sebagaimana berikut : Misalkan bahwa W adalah sebuah subruang berdimensi
terhingga dari suatu ruang hasilkali dalam V; maka proyeksi ortogonal V pada W
(ortogonal projection of V onto W) adalah transformasi yang didefinisikan oleh
T(v) = proj
w
v
Berdasarkan Teorema 6.3.5 dapat diketahui bahwa jika
S = { w
1
, w
2
, . . . . , w
r
}
Adalah basis ortonormal sebarang untuk W , maka T(v) dirumuskan sebagai
T(v) = proj
w
v = (v, w
1
)w
1
+ (v, w
2
)w
2
+ . . . + (v, w
r
)w
r
Pembuktian bahwa T adalah sebuah transformasi linear dapat diturunkan dari
sifat-sifat hasilkali dalam. Sebagai contoh
( )


() ()
Demikian pula, T(ku) = kT(u)
6. Transformasi Linear dari Ruang V ke R
n
Misalkan S = {w
1
, w
2
, . . . ,w
n
} adalah sebuah basis untuk suatu ruang vektor V
berdimensi n, dan misalkan

(v)
s
= (k
1
, k
2
, . . ., k
n
)
Adalah vektor koordinat dari vektor v pada V relatif terhadap S; maka
v = k
1
w
1
+ k
2
w
2
+ . . . + k
n
w
n
definisikan T: V R
n
sebagai fungsi yang memetakan v ke vektor koordinatnya
relatif terhadap S;
Fungsi T adalah sebuah transformasi linear. Untuk membuktikan hal ini dapat
dilakukan dengan menggunakan matriks koordinat aupun vektor koordinat.
7. Transformasi Linear dari P
n
ke P
n+1
Misalkan p = p(x) = c
0
+ c
1
x + . . . + c
n
x
n
adalah sebuah polinomial pada P
n
, dan
definisikan fungsi T: P
n
P
n+1
sebagai

T(p) = T(p(x))= xp(x) = c
0
x +c
1
x
2
+ . . . + c
n
x
n+1
Fungsi T adalah sebuah transformasi linear, karena untuk skalar sebarang k dan
polinomial sebarang p
1
dan p
2
pada P
n
diperoleh
T( p
1
+ p
2
) = T(p
1
(x) + p
2
(x)) = x(p
1
(x) + p
2
(x))
= xp
1
(x) +xp
2
(x) = T(p
1
) + T(p
2
)
dan
T(kp) = T(kp(x)) = x(kp(x)) = k(xp(x)) = kT(p)
8. Operator Linear pada P
n
Misalkan p = p(x) = c
0
+ c
1
x + . . . + c
n
x
n
adalah sebuah polinomial dalam P
n
, dan
misalkan a dan b adalah skalar sebarang. Fungsi T yang didefinisikan oleh
T(p) = T(p(x)) = p(ax + b) = c
0
+ c
1
(ax + b) + . . . + c
n
(ax+b)
n
Adalah sebuah operator linear. Sebagai contoh, jika ax + b = 3x 5, maka T: P
2
P
2
akan merupakansebuah operator linear yang dirumuskan oleh
T(c
0
+ c
1
x + c
2
x
2
) = c
0
+ c
1
(3x 5) + c
2
(3x 5)
2
9. Transformasi Linear Menggunakan sebuah Hasilkali Dalam
Misalkan V adalah sebuah ruang hasilkali dalam dan misalkan v
0
adalah vektor
tetap sebarang pada V. Misalkan T: VR adalah transformasi yang emetakan
sebuah vektor v ke hasilkali dalamnya dengan v
o
; yaitu,
T(v) = (v, v
0
)
Dari sifat-sifat hasilkali dalam dapat diketahui bahwa
( )

() ()
Dan
()

()
Sehingga T adalah sebuah transformasi linear
10. Transformasi Linear dari C
1
(-,) ke F (-,)
Misalkan V = C
1
(-,) adalah ruang vektor yangterdiri dari fungsi-fungsi dengan
turunan pertama kontinu pada (-,) dan W = F(-,) adalah ruang vektor yang
terdiri dari semua fungsi bernilai real yang terdefinisi pada (-,). Misalkan D:
VW adalah transformasi yang memetakan sebuah fungsi f = f(x) ke fungsi
turunannya; yaitu,
D(f) = f(x)
Dari sifat-sifat diferensial, diperoleh :
D(f+g) = D(f) + D(g) dan D(kf) = kD(f)
Sehingga, D adalah sebuah transformasi linear.
11. Transformasi Linear dari C

(-,) ke C
1
(-,)
Misalkan V = C(-,) adalah ruang vektor yang terdiri dari fungsi-fungsi kontinu
pada (-,), dan W = C
1
(-,) adalah ruang vektor yang terdiri dari fumgsi-
fungsi dengan turunan pertama kontinu pada (-,). Misalkan J: VW adalah
transformasi yang memetakan f = f(x) ke integral ()

.
Dari sifat-sifat integral, diperoleh
( ) (() ()) () ()

() ()


() ()

()

()
12. Transformasi yang Tidak Linear
Misalkan T: M
nn
R adalah transformasi yang memetakan sebuah matriks n x n
ke determinannya; yaitu,
T(A) = det(A)
Jika n > 1, maka transformasi ini tidak memenuhi kedua sifat yang dipersyaratkan
untuk sebuah transformasi linear. Sebagai contoh pada contoh 1 subbab 2.3
bahwa
det(A
1
+ A
2
) det(A
1
) + det(A
2
)
secara umum, selanjutnya, det(cA) = c
n
det(A), sehingga
det(cA) c det(A)
secara umum. Dengan demikian, T bukan sebuah transformasi linear.
B. Sifat Transformasi Linier ; Kernel dan Jangkauan
Sifat-sifat Transformasi Linier :
Teorema 1.1
Jika T: V W adalah transformasi linier, maka :
a) T(0)= 0
b) T(-v) = T(v) untuk semua u di dalam V
c) T(v-w) = T(v) T(w) untuk semua v dan w di dalam V.
Bukti :
Misalkan v adalah sebarang vektor di dalam V. Karena 0v = 0 maka diperoleh
T(0) = T(0v) = 0T(v) = 0
Yang membuktikan bagian a). Juga,
T(-v) = T((-1)v) = (-1)T(v) = -T(v)
Yang membuktikan bagian b). Akhirnya v w = v +(-1)w, sehingga,
T(v-w) = T(v+(-1)w)
= T(v) + (-1)T(w)
= T(v) T(w)
Yang membuktikan bagian c).
Dengan kata lain bagian a) dari teorema di atas menyatakan bahwa sebuah
transformasi linear memetakan 0 ke 0. Sifat ini sangat bermanfaat untuk
mengidentifikasi transformasi-transformasi yang tidak linear. Sebagai contoh,
jika x
o
adalah sebuah vektor tak nol tetap pada R
2
, maka transformasi
T(x) = x + x
o
Memiliki efek geometrik untuk mentranslasikan setiap titik pada x ke arah yang
sejajar dengan x
o
sejauh ||x
o
||. Hal ini bukan merupakan sebuah transformasi
linear karena T(0) = x
o
, sehingga T tidak memetakan 0 ke 0.
Menentukan Transformasi Linear dari Bayangan Vektor Baris
Sebuah transformasi matriks sepenuhnya ditentukan oleh bayangan vektor
basis standarnya. Hal ini adalah kasus spesifik dari sebuah hasil yang lebih
umum. Jika T:VW adalah sebuah transformasi linear dan jika (v
1
, v
2
, . . . , v
n
)
adalah basis sebarang untuk V, maka bayangan T(v) dari vektor v sebarang pada
V dapat dihitung dari bayangan
T(v
1
), T(v
2
), . . . , T(v
n
)
Vektor basis tersebut. Hal ini dapat dilakukan dengan terlebih dahulu menyatakan
v sebagai sebuah konbinasi linear dari vektor-vektor baris, misalnya
v = c
1
v
1
+ c
2
v
2
+ . . . + c
n
v
m

dan kemudian dengan menggunakan Rumus (1) untuk menuliskan
T(v) = c
1
T(v
1
) + c
2
T(v
2
)+ . . . + c
n
T(v
n
)
dengan kata lain, ssebuah transformasi linier sepenuhnya ditentukan oleh
bayangannya dari vektor basis sebarang

Definisi :
Jika T
1
: UV dan T
2
: VW adalah transformasi linier, komposisi T
2
dengan T
1
(composition of T
2
with T
1
)dinotasikan dengan T
2
o T
1
(dibaca T
2

lingkaran T
1

), adalah fungsi yang didefinisikan oleh rumus


(T
2
o T
1
)(u) = T
2
(T
1
(u))
Dimana u adalah sebuah vektor pada U.
Catatan :
Perhatikan bahwa definisi ini mempersyaratkan bahwa domain T
2
(yaitu V)
mengandung range T
1
; hal ini sangat penting agar rumus T
2
(T
1
(u)) masuk akal.

Teorema 1.2
Jika T
1
: U V dan T
2
:VW adalah transformasi linear, maka (T
2
o T
1
):
UW juga merupakan transformasi linear

Bukti : jika u dan v adalah vektor-vektor pada U dan c adalah sebuah skalar,
maka dari (2) dan sifat kelinearan T
1
dan T
2
kita memperoleh
(

)( )

( ))

()

())

())

())
(

)() (

)()
dan
(

)()

())

())

()) (

)()
Sehingga T
2
o T
1
memenuhi kedua persyaratan dari sebuah transformasi linear.
Catatan :
Komposisi dapat didefinisikan untuk lebih dari dua transformasi linear.
Sebagai contoh, jika
T
1
: UV, T
2
: VW, dan T
3
:WY
adalah transformasi-transformasi linear, maka komposisi T
3
o T
2
o T
1
didefinisikan dengan
(T
3
o T
2
o T
1
)(u) = T
3
(T
2
(T
1
(u)))

Kernel dan Jangkauan
Jika A adalah sebuah matriks m x n, maka ruang nul matriks A terdiri
dari semua vektor x pada R
n
sedemikan sehingga Ax = 0, dan berdasarkan
teorema 5.5.1 ruang kolom matriks A terdiri dari semua vektor b pada R
m
di
mana terdapat setidaknya satu vektor x pada R
n
sedemikan rupa sehingga Ax =
0. Dari sudut pandang transformasi matriks, ruang nul dari matriks A terdiri
dari semua vektor pada R
n
yang mana perkaliannya dengan A memetakannya
ke 0, dan ruang kolom dari A terdiri dari semua vektor pada R
m
yang
merupakan bayangan dari setidaknya satu vektor pada R
n
apabila vektor ini
dikalikan dengan A. Definisi berikut ini memperluas ruang lingkup gagasan
tersebut sehingga mencakup transformasi linear umum.
Definisi
Jika T: VW adalah sebuah transformasi linear, maka himpunan vektor-vektor
pada V yang dipetakan oleh T ke 0 disebut kernel dari T (kernel of T), dan
dinotasikan dengan ker(T). Himpunan semua vektor pada W yang merupakan
bayangan karena T dari setidaknya satu buah vektor pada V disebut range dari
T (range of T), dan dinotasikan dengan R(T).
Contoh :
1. Kernel dan Range sebuah Transformasi Matriks
Jika T
A
: R
n
R
m
adalah perkalian dengan sebuah matriks A, m x n, maka dari
definisi di atas dapat diketahui bahwa kernel dari T
A
adalah ruang nul dari
matriks A, dan range dari T
A
adalah ruang kolom dari matriks A.
2. Kernel dan Range Transformasi Nol
Misalkan T: VW adalah transformasi nol (Contoh 2 subbab 8.1). Karena T
memetakan setiap vektor pada V ke 0, maka ker(T) = V. Selanjutnya, karena 0
adalah satu-satunya bayangan dari vektor-vektor pada V karena T, maka R(T)
= {0}.
3. Kernel dan Range Operator Identitas
Misalkan I: VV adalah operator identitas (contoh 3 subbab 8.1). Karena I(v)
= v untuk semua vektor pada V , setiap vektor pada V adalah bayangan dari
suatu vekor (yaitu, bayangan dirinya sendiri); sehingga, R(I) = V. Karena
satu-satunya vektor yang dipetakan I ke 0 adalah 0, maka ker(I) = {0}.
4. Kernel dan Range Proyeksi Ortogonal
Misalkan T: R
3
R
3
adalah proyeksi ortogonal pada bidang xy. Kernel dari T
adalah himpunan titik-titik yang dipetakan T ke 0 = (0, 0, 0); titik-titik ini
adalah titik-titik yang terletak pada sumbu z. Karena T memetakan setiap titik
pada R
3
ke bidang xy, range dari T haruslah merupakan suatu subhimpunan
dari bidang ini. Akan tetapi setiap titik (x
o
, y
o
, 0) pada bidang xy adalah
bayangan dari suatu titik karena T; pada kenyataannya, titik itu adalah
bayangan dari semua titik yang terletak pada garis vertikal yang melewati (x
o
,
y
o
, 0). Sehingga, R(T) adalah seluruh bidang xy itu sendiri
5. Kernel dan Range Rotasi
Misalkan T: R
2
R
-
adalah operator linear yang merotasikan seiap vektor pada
bidang xy sebesar sudut . Karena setiap vektor pada bidang xy dapat
diperoleh dengan cara merotasikan suatu vektor sebesar sudut . Maka
diperoleh R(T) = R
2
. Selanjutnya, satu-satunya vektor yang dirotasikan ke 0
adalah 0, sehingga ket(T) = {0}.
6. Kernel sebuah Transformasi Diferensiasi
Misalkan V = C
1
(-, ) adalah ruang vektor yang terdiri dari fungsi-fungsi
dengan turuna pertama kontinu pada (-, ), misalkan W = F(-, ) adalah
ruang vektor yang terdiri dari semua fungsi bernilai real yang terdefinisi pada
(-, ), dan misalkan D: VW adalah transformasi diferensiasi D(f) = f(x).
Kernel dari D adalah hipunan fungsi-fungsi pada V yang turunannya adalah
nol. Dari kalkulus diketahui bahwa himpunan ini adalah himpunan fungsi-
fungsi konstan pada (-, ).
Sifat-sifat Kernel dan Range
Ker(T) dan R(T) ternyata diketahui sebagai subruang yang berbeda-beda. Semua
hal ini merupakan konsekuensi dari hasil umum berikut ini.
Teorema 2.1
Misalkan T: VW adalah transformasi linear, maka :
a) Kernel dari T adalah sebuah subruang dari V
b) Range dari T adalah sebuah subruang dari W.
Bukti a) : untuk membuktikan bahwa ker(T) adalah sebuah subruang, kita harus
menunjukkan bahwa ker(T) mengandung setidaknya satu vektor dan bersifat
tertutup terhadap penjumlahan dan perkalian skalar. Berdasarkan bagian a)
teorema 8.1.1, vektor 0 berada di dalam ker(T), sehingga himounan ini
mengandung setidaknya satu vektor. Misalkan v
1
dan v
2
adalah vektor-vektor di
dalam ker(T), dan misalkan k adalah skalar sebarang, maka
T(v
1 +
v
2
) = T(v
1
)+T(v
2
)= 0 + 0
Sehingga v
1
+ v
2
terletak pada ker (T). Dan juga,
T(kv
1
) = kT(v
1
) = k0 = 0
Sehingga kv
1
terletak pada ker(T).
Bukti b) : karena T(0) = 0, terdapat setidaknya satu vektor pada R(T). Misalkan
w
1
dan w
2
adalah vektor-vektor di dalam range dari T, dan k adalah skalar
sebarang. Untuk membuktikan bagian ini , kita harus menunjukkan bahwa w
1
+
w
2
dan kw
1
terletak di dalam range dari T; jelasnya, kita harus menemukan vektor
a dan vektor b pada V sedemikan rupa sehingga T(a
1
) = w
1
+ w
2
dan T(b) = kw
1
Karena w
1
dan w
2
berada di dalam range dari T, terdapat vektor-vektor a
1
dan a
2
pada V sedemikian rupa sehingga T(a
1
) = w
1
dan T(a
2
) = w
2
. Jika a = a
1
+ a
2
dan
b = ka
1
, maka
T(a) = T(a
1
+ a
2
) = T(a
1
) + T(a
2
) = w
1
+ w
2
Dan
T(b) = T(ka
1
) = kT(a
1
) = kw
1

Yang melengkapi pembuktian ini.
Pada subbab 5.6 telah di definisikan rank sebuah matriks sebagai dimensi ruang
kolom (atau ruang baris)-nya dan nulitas sebagai dimensi ruang nulnya. Definisi
berikut ini memperluas definisi tersebut hingga mencakup transformasi linear
umum.
Definisi
Jika T: VW adalah transformasi linear, maka dimensi range dari T disebut
sebagai rank dari T (rank of T) dan dinotasikan dengan rank(T); dimensi
kernelnya disebut nulitas dari T (nulity of T) dan dinotasikan dengan
nulitas(T).
Jika A adalah sebuah matriks m x n dan T
A
:R
n
R
m
aadalah perkalian dengan A,
maka dapat diketahui dari contoh 1 bahwa kernel dari T
A
adalah ruang nul dari
matriks A dan range dari T
A
adalah ruang kolom dari matriks A. Sehingga, dapat
diperolrh hubungan antara rank dan nulitas sebuah matriks dengan rank dan
nulitas transformasi linear yang terkait dengannya, seperti tercantum di bawah ini.
Teorema 2.2
Jika A adalah sebuah matriks m x n dan T
A
: R
n
R
m
adalah perkalian dengan
A, maka :
a) Nulitas(T
A
) = nulitas (A) b) Rank (T
A
) = rank (A)

Contoh :
Misalkan T: R
3
R
3
adalah proyeksi ortogonal pada bidang xy. Kernel T adalah
sumbu z yang berdimensi satu; dan range T adalah bidang xy, yang berdimensi
dua. Sehingga
Nulitas(T) = 1 dan rank(T) = 2

Teorema Dimensi untuk Transformasi Linear
Ingat kembali Teorema Diensi untuk Matriks (Teorema 5.6.3) bahwa jika A
adalah sebuah matriks yang memiliki n kolom , maka
rank(A) + nulitas(A) = n
teorema berikut memperluas hasil di atas himgga mencakup transformasi linear
umum.

Teorema 8.2.3 : Teorema Dimensi untuk Transformasi Linear
Jika T: VW adalah sebuah transformasi linear dari suatu ruang vektor V
berdimensi n ke suatu ruang vektor W, maka
rank(T) + nulitas(T) = n

dengan kata lain, teorema ini menyatakan bahwa untuk transformasi linear, rank
ditambah mulitas sama dengan dimensi dari domain yang bersangkutan.
CATATAN:
jika A adalah sebuah matriks m x n dan T
A
: R
n
R
m
adalah perkalian dengan A,
aka domain T
A
memiliki dimensi n. Sehingga teorema 8.2.3 konsisten dengan
Teorema 5.6.3
Teorema 2.4
Jika A adalah matriks m x n maka dimensi ruang pemecahan dari Ax = 0 adalah
n rank(A)












































Latihan soal !

1. Misalkan F:R
2
R
2
adalah fungsi yang didefinisikan oleh F(v) = (2x, y) dengan v
= (x, y) di R
2
. buktikan bahwa F merupakan transformasi linier !
2. Carilah matriks baku (A) untuk tranformasi
T: R
3
R
2
yang didefinisikan oleh T(x) = (x
1
+x
2
, x
2
+x
3
), untuk setiap x = (x
1
, x
2
,
x
3
) dalam R
n
!
3. Jika T
1
:P
1
P
2
dan T
2
:P
2
P
2
adalah transformasi linear yang dirumuskan oleh
T
1
(p(x) = xp(x) dan T
2
(p(x)) = p(2x+4)
Maka komposisi (T
2
o T
1
): P
1
P
2
adalah ?
4. Jika T: VV adalah suatu operator linear sebarang, dan jika I:VV adalah
operator identitas. Buktikan T o I = I o T !
5. Diketahui T : R
3
R
3
dimana : T[x, y, z] = [x + 2y +z, 2x + 3z, 3x + 2y +4z].
Tentukan basis dan dimensi ruang peta dan ruang nol !
Jawab :
1. Misalkan u = (x
1
, y
1
) dan v = (x
2
, y
2
)
Bukti pertama:
F(u + v) = F((x
1
, y
1
) + (x
2
, y
2
))
= F(x
1
+x
2
, y
1
+y
2
)
= (2(x
1
+x
2
), (y
1
+y
2
))
= ((2x
1
, y
1
) + (2x
2
, y
2
))
F(u + v) = F(u) + F(v) => terbukti
Bukti kedua:
F(ku) = F(kx
1
, ky
1
)
= (2kx
1
, ky
1
)
= k (2x
1
, y
1
)
F(ku) = k F(u) => terbukti
Jadi F adalah trasnformasi linier

2. Diketahui : T: R
3
R
2
yang didefinisikan oleh
T(x) = (x
1
+x
2
, x
2
+x
3
), untuk setiap x = (x
1
, x
2
, x
3
) dalam R
n

Ditanya : Carilah matriks baku (A) untuk tranformasi
Jawab : T: R
3
R
2
Basis baku dari R
3
adalah:
e1 = (1, 0, 0) T(e1) = (1 + 0, 0 + 0) = (1, 0)
e2 = (0, 1, 0) T(e2) = (0 + 1, 1 + 0) = (1, 1)
e3 = (0, 0, 1) T(e3) = (0 + 0, 0 + 1) = (0, 1)
Maka matriks A nya adalah vektor kolom bentukan dari T(e1), T(e2), dan T(e3),
yaitu [


]



3. Diketahui : T
1
:P
1
P
2
dan T
2
:P
2
P
2
adalah transformasi linear yang dirumuskan
oleh T
1
(p(x) = xp(x) dan T
2
(p(x)) = p(2x+4)
Ditanya : komposisi (T
2
o T
1
): P
1
P
2
?
Jawab :
Berdasarkan rumus
(T
2
o T
1
)(p(x)) = T
2
(T
1
(p(x))) = T
2
(xp(x)) = (2x+4)p(2x+4)
Secara spesifik, jika p(x) = c
o
+ c
1
x, maka
(

)(()) (

)(

) ( )( )

( )

( )



4. Diketahui : Jika T: VV adalah suatu operator linear sebarang, dan jika I:VV
adalah operator identitas
Ditanya : Buktikan T o I = I o T!
Jawab :
Berdasarkan teorema 1.2 , maka untuk semua vektor v pada V diperoleh :
(T o I)(v) = T(I(v)) = T(v)
(I o T)(v) = I(T(v)) = T(v)
Dengan demikian T o I dan I o T keduanya sama dengan T; yaitu,
T o I = T dan I o T = T (terbukti)
5. Diketahui T : R
3
R
3
dimana : T[x, y, z] = [x + 2y +z, 2x + 3z, 3x + 2y +4z].
Ditanya : Tentukan basis dan dimensi ruang peta dan ruang nol
Jawab :
Tentukan dulu matriks transformasi A :
T[1, 0, 0] = [1, 2, 3]
T[0, 1, 0] = [2, 0, 2]
T[0, 0, 1] = [1, 3, 4]
| |
(
(
(

= =
4 2 3
3 0 2
1 2 1
e
e
T A

Rank matriks A (secara kolom) :

(
(
(

~
(
(
(

~
(
(
(

1 0 3
1 0 2
0 0 1
1 3 3
1 4 2
0 0 1
4 2 3
3 0 2
1 2 1
) 4 (
23
) 1 (
31
) 2 (
21
K
K
K

Adalah = 2. Jadi dimensi Im(T) = 2 dan basisnya dapat diambil {|1, 2, 3|, |0, 1,
1|}. T di atas adalah trnasforasi yang singular.
Untuk mencari Ker(T) :
Misalkan v = [v
1
, v
2
, v
3
] e Ker(T), maka Av = 0 atau :

(
(
(

=
(
(
(

(
(
(

0
0
0
4 2 3
3 0 2
1 2 1
3
2
1
v
v
v
, dimensi Ker(T) = n rank(A) = 3 2 = 1.
Kita menghitung jawab susunan persamaan linier homogen di atas : cukup
diambil 2 persamaan yang bebas :
v
1
+ 2v
2
+ v
3
= 0
2v
1
+ 0v
2
+ 3v
3
= 0
Ambil 1 parameter, misalnya v
2
= , maka v
1
= -6 , v
3
= 4 .
Jadi v = [-6, 1, 4]; Ker(T) mempunyai basis (-6, 1, 4) Atau Ker(T) = L {[-6, 1,
4]}.
Sumber :
Buku Aljabar Linear Elementer Versi Aplikasi Edisi Kedelapan Jilid 1 karangan
Howard Anton dan Chris Rorres , Erlangga 2004 Jakarta
http://search.4shared.com/postDownload/1RHvoZrW/transformasi__vektor__linier.ht
ml