TRANSFORMASI LINIER (Kajian Fungsi antar Ruang Vektor)
TRANSFORMASI LINIER (Kajian Fungsi antar Ruang Vektor)
Drs. Antonius Cahya Prihandoko, M.App.Sc
PS. Pendidikan Matematika PS. Sistem Informasi University of Jember Indonesia
1
2
3
1
2
3
1
2
3
Definisi jika 1 F 2 (u + v ) = F (u) + f (v ), ∀u, v ∈ V F
(ku) = kF (u), ∀u ∈ V dan semua skalar k Contoh 1 n m
Misalkan A sebuah matriks m × n. Fungsi T : R −→ R dengan aturan T
Definisi jika 1 F 2 (u + v ) = F (u) + f (v ), ∀u, v ∈ V F
(ku) = kF (u), ∀u ∈ V dan semua skalar k Contoh 1 n m
Misalkan A sebuah matriks m × n. Fungsi T : R −→ R dengan aturan T
Definisi jika 1 F 2 (u + v ) = F (u) + f (v ), ∀u, v ∈ V F
(ku) = kF (u), ∀u ∈ V dan semua skalar k
Contoh 1 n m
Misalkan A sebuah matriks m × n. Fungsi T : R −→ R dengan aturan T
Definisi jika 1 F 2 (u + v ) = F (u) + f (v ), ∀u, v ∈ V F
(ku) = kF (u), ∀u ∈ V dan semua skalar k
Contoh 1 n m
Misalkan A sebuah matriks m × n. Fungsi T : R −→ R dengan aturan T
Contoh 2
2
− sin θ cos θ sin θ cos θ A =
2
yakni perputaran R melalui sudut θ, merupakan transformasi linier
Contoh 3 Pemetaan T : V −→ W dengan aturan T (v ) = 0, ∀v ∈ V
Contoh 2
2
− sin θ cos θ sin θ cos θ A =
2
yakni perputaran R melalui sudut θ, merupakan transformasi linier
Contoh 3
Pemetaan T : V −→ W dengan aturan T (v ) = 0, ∀v ∈ V
Contoh 4
Pemetaan T : V −→ V dengan aturan
T
(v ) = v , ∀v ∈ V merupakan transformasi linier yang dinamakan transformasi identitas Catatan Jika T : V −→ V merupakan transformasi linier, maka TContoh 4
Pemetaan T : V −→ V dengan aturan
T
(v ) = v , ∀v ∈ V merupakan transformasi linier yang dinamakan transformasi identitas CatatanJika T : V −→ V merupakan transformasi linier, maka T
Contoh 5
Pemetaan T : V −→ V yang didefinisikan oleh
T (v ) = kv
dengan k skalar, merupakan operator linier pada V . Jika
k > 1, T disebut dilasi. Jika 0 < k < 1, T disebut kontraksi
Contoh 6 memiliki S w w
= {w , , ..., }
r
1
2
sebagai basis ortonormal. Misal T : V −→ W dengan aturan
T (v ) =< v , w > w + < v , w > w + ...+ < v , w > w r r
1
1
2
2
merupakan transformasi linier yang dinamakan proyeksi
{(1, 0, 0), (0, 1, 0)} merupakan basis ortonormal untuk bidang xy . Jika v = (x, y , z) adalah sebarang vektor pada
3
3 R maka proyeksi ortogonal dari R pada bidang xy
diberikan oleh
T
(v ) = (x, y, 0)
Contoh 8 Misal V ruang berdimensi n dan S adalah salah satu n
basisnya. Maka T dengan aturan
: V −→ R
{(1, 0, 0), (0, 1, 0)} merupakan basis ortonormal untuk bidang xy . Jika v = (x, y , z) adalah sebarang vektor pada
3
3 R maka proyeksi ortogonal dari R pada bidang xy
diberikan oleh
T
(v ) = (x, y, 0)
Contoh 8
Misal V ruang berdimensi n dan S adalah salah satu
n
basisnya. Maka T dengan aturan : V −→ R
Contoh 9
Misal V adalah sebuah ruang hasilkali dalam dan v adalah sebarang vektor tetap di V . Maka T : V −→ R dengan aturan
T
(v ) =< v , v > merupakan transformasi linier
Contoh 10
Misal V = C [0, 1] adalah ruang vektor dari semua fungsi riil yang kontinu pada selang 0 ≤ x ≤ 1 dan misalkan W adalah subruang dari C [0, 1] yang terdiri dari semua fungsi yang turunan pertamanya kontinu pada selang 0
≤ x ≤ 1. Maka D
: W −→ V dengan aturan
′ D
(f ) = f merupakan transformasi linier
Contoh 11
Misal V = C [0, 1], maka J : V −→ R dengan aturan Z
1 J f
(f ) = (x)dx merupakan transformasi linier.
Jika T : V −→ W adalah transformasi linier, maka
Sifat 1 T
(0) = 0 Sifat 2
T
(−v ) = −t(v ), ∀v ∈ V
Jika T : V −→ W adalah transformasi linier, maka
Sifat 1 T
(0) = 0
Sifat 2
T
(−v ) = −t(v ), ∀v ∈ V
Jika T : V −→ W adalah transformasi linier, maka
Sifat 1 T
(0) = 0
Sifat 2
T
(−v ) = −t(v ), ∀v ∈ V
Jika T : V −→ W adalah transformasi linier, maka
Sifat 1 T
(0) = 0
Sifat 2
T
(−v ) = −t(v ), ∀v ∈ V Jika T : V −→ W adalah transformasi linier, maka Kernel (atau ruang nol) dari T adalah
ker
(T ) = {v ∈ V |T (v ) = 0} Jangkauan dari T adalahR (T ) = {w ∈ W |∃v ∈ V , T (v ) = w} Jika T : V −→ W adalah transformasi linier, maka Kernel (atau ruang nol) dari T adalah
ker
(T ) = {v ∈ V |T (v ) = 0} Jangkauan dari T adalahR (T ) = {w ∈ W |∃v ∈ V , T (v ) = w} Jika T : V −→ W adalah transformasi linier, maka Kernel (atau ruang nol) dari T adalah
ker
(T ) = {v ∈ V |T (v ) = 0} Jangkauan dari T adalahR
(T ) = {w ∈ W |∃v ∈ V , T (v ) = w} Jika T : V −→ W adalah transformasi linier, maka Kernel (atau ruang nol) dari T adalah
ker
(T ) = {v ∈ V |T (v ) = 0} Jangkauan dari T adalahR
(T ) = {w ∈ W |∃v ∈ V , T (v ) = w} Jika T : V −→ W adalah transformasi linier, maka Kernel (atau ruang nol) dari T adalah
ker
(T ) = {v ∈ V |T (v ) = 0} Jangkauan dari T adalahR
(T ) = {w ∈ W |∃v ∈ V , T (v ) = w} Jika T : V −→ W adalah transformasi linier, maka Kernel (atau ruang nol) dari T adalah
ker
(T ) = {v ∈ V |T (v ) = 0} Jangkauan dari T adalahR
(T ) = {w ∈ W |∃v ∈ V , T (v ) = w}
Jika T : V −→ W adalah transformasi linier, maka
dim (ker (T )) disebut nulitas T dim
(R(T )) disebut rank T Contoh 1 Misal T : R
2 −→ R
2 adalah perputaran R
2 melalui sudut π
4 , maka R (T ) = R
2 dan ker (T ) = {0}. Sehingga rank
(T ) = 2
Jika T : V −→ W adalah transformasi linier, maka
dim
(ker (T )) disebut nulitas T
dim (R(T )) disebut rank T
Contoh 1 Misal T : R
2 −→ R
2 adalah perputaran R
2 melalui sudut π
4 , maka R (T ) = R
2 dan ker (T ) = {0}. Sehingga rank
(T ) = 2
Jika T : V −→ W adalah transformasi linier, maka
dim
(ker (T )) disebut nulitas T
dim
(R(T )) disebut rank T
Contoh 1 Misal T : R
2 −→ R
2 adalah perputaran R
2 melalui sudut π
4 , maka R (T ) = R
2 dan ker (T ) = {0}. Sehingga rank
(T ) = 2
adalah perputaran R
rank
dan ker (T ) = {0}. Sehingga
2
, maka R (T ) = R
4
melalui sudut π
2
2
Jika T : V −→ W adalah transformasi linier, maka
−→ R
2
Misal T : R
Contoh 1
(R(T )) disebut rank T
dim
(ker (T )) disebut nulitas T
dim
(T ) = 2
Contoh 2
Misal T : R
n
−→ R
m
adalah perkalian oleh matriks A berukuran m × n. Maka R(T ) adalah ruang kolom A dan
ker
(T ) adalah ruang pemecahan Ax = 0. Sehingga
rank (T ) = dim(ruang kolom A) = rank (A)
dan
nulias (T ) = dim(ruang pemecahan Ax = 0)
Teorema
Jika T : V −→ W adalah transformasi linier dan dim(V ) = n maka
rank
(T ) + nulitas(T ) = n
Teorema Jika A adalah matriks m × n maka dimensi ruang pemecahan dari Ax = 0 adalah
n
Teorema
Jika T : V −→ W adalah transformasi linier dan dim(V ) = n maka
rank
(T ) + nulitas(T ) = n
Teorema
Jika A adalah matriks m × n maka dimensi ruang pemecahan dari Ax
= 0 adalah
n Jika T adalah sebarang transformasi linier, maka dapatkah dicari sebuah matriks A yang berukuran : R −→ R
m × n sehingga T adalah perkalian oleh A? Solusi n
Jika e , e , ..., e adalah basis baku untuk R dan A adalah
1 2 n matriks m × n yang vektor-vektor kolomnya adalah T
(e ), T (e ), ..., T (e ), maka dapat dibuktikan bahwa
1 2 n n
T (x) = Ax, ∀x ∈ R Jika T adalah sebarang transformasi linier, maka dapatkah dicari sebuah matriks A yang berukuran : R −→ R
m × n sehingga T adalah perkalian oleh A? Solusi n
Jika e , e , ..., e adalah basis baku untuk R dan A adalah
1 2 n
matriks m × n yang vektor-vektor kolomnya adalah
T
(e ), T (e ), ..., T (e ), maka dapat dibuktikan bahwa
1 2 n n
T
(x) = Ax, ∀x ∈ R Jika T adalah sebarang transformasi linier, maka dapatkah dicari sebuah matriks A yang berukuran : R −→ R
m × n sehingga T adalah perkalian oleh A? Solusi n
Jika e , e , ..., e adalah basis baku untuk R dan A adalah
1 2 n
matriks m × n yang vektor-vektor kolomnya adalah
T
(e ), T (e ), ..., T (e ), maka dapat dibuktikan bahwa
1 2 n n
T
(x) = Ax, ∀x ∈ R
berikut. Teorema
n m Jika T adalah transformasi linier, dan jika : R −→ R n e e e adalah basis baku untuk R , maka T adalah
, , ...,
1 2 n perkalian oleh A dimana
A = [T (e ), T (e ), ..., T (e )]
1 2 n Catatan
berikut. Teorema
n m
Jika T adalah transformasi linier, dan jika : R −→ R
n e e e adalah basis baku untuk R , maka T adalah
, , ...,
1 2 n
perkalian oleh A dimana
A
= [T (e ), T (e ), ..., T (e )]
1 2 n Catatan
berikut. Teorema
n m
Jika T adalah transformasi linier, dan jika : R −→ R
n e e e adalah basis baku untuk R , maka T adalah
, , ...,
1 2 n
perkalian oleh A dimana
A
= [T (e ), T (e ), ..., T (e )]
1 2 n Catatan
berikut. Teorema
n m
Jika T adalah transformasi linier, dan jika : R −→ R
n e e e adalah basis baku untuk R , maka T adalah
, , ...,
1 2 n
perkalian oleh A dimana
A
= [T (e ), T (e ), ..., T (e )]
1 2 n Catatan
berikut. Teorema
n m
Jika T adalah transformasi linier, dan jika : R −→ R
n e e e adalah basis baku untuk R , maka T adalah
, , ...,
1 2 n
perkalian oleh A dimana
A
= [T (e ), T (e ), ..., T (e )]
1 2 n Catatan
Jika T : R
2
−→ R
2
adalah perputaran terhadap titik asal melalui sudut θ, maka matriks baku untuk T adalah
A
= cos θ − sin θ sin θ cos θ
Refleksi terhadap sumbu y Jika T : R
2 −→ R
2 adalah refleksi terhadap sumbu y , maka matriks baku untuk T adalah
Jika T : R
2
−→ R
2
adalah perputaran terhadap titik asal melalui sudut θ, maka matriks baku untuk T adalah
A
= cos θ − sin θ sin θ cos θ
Refleksi terhadap sumbu y
Jika T : R
2
−→ R
2
adalah refleksi terhadap sumbu y , maka matriks baku untuk T adalah
Jika T : R
2
−→ R
2
adalah refleksi terhadap sumbu x, maka matriks baku untuk T adalah
A
=
1 −1
Refleksi terhadap garis y = x Jika T : R
2 −→ R
2 adalah refleksi terhadap garis y = x, maka matriks baku untuk T adalah
Jika T : R
2
−→ R
2
adalah refleksi terhadap sumbu x, maka matriks baku untuk T adalah
A
=
1 −1
Refleksi terhadap garis y = x
Jika T : R
2
−→ R
2
adalah refleksi terhadap garis y = x, maka matriks baku untuk T adalah
2
2 Jika T adalah ekspansi atau kompresi dalam : R −→ R arah x dengan faktor k , maka akan memetakan titik
(x, y ) ke (kx, y). Sehingga matriks baku untuk T adalah
k
A
= 0 1
Ekspansi dan Kompresi dalam arah y
2
2 Jika T adalah ekspansi atau kompresi dalam : R −→ R arah y dengan faktor k , maka akan memetakan titik
(x, y)
2
2 Jika T adalah ekspansi atau kompresi dalam : R −→ R arah x dengan faktor k , maka akan memetakan titik
(x, y ) ke (kx, y). Sehingga matriks baku untuk T adalah
k
A
= 0 1
Ekspansi dan Kompresi dalam arah y
2
2 Jika T adalah ekspansi atau kompresi dalam
: R −→ R arah y dengan faktor k , maka akan memetakan titik (x, y)
2
2 Jika T adalah geseran dalam arah x dengan : R −→ R faktor k , maka akan memetakan titik 1 k Sehingga matriks baku untuk T adalah A
= 0 1
Geseran dalam arah y
2
2 Jika T adalah geseran dalam arah y dengan : R −→ R faktor k , maka akan memetakan titik
(x, y) ke (x, y + kx).
2
2 Jika T adalah geseran dalam arah x dengan : R −→ R faktor k , maka akan memetakan titik 1 k Sehingga matriks baku untuk T adalah A
= 0 1
Geseran dalam arah y
2
2 Jika T adalah geseran dalam arah y dengan
: R −→ R faktor k , maka akan memetakan titik (x, y) ke (x, y + kx).
Resume matriks-matriks elementer. Dengan fakta ini maka teorema berikut dapat dibuktikan kebenarannya.
Teorema
2
: R −→ R invertibel, maka efek geometri dari T berupa geseran,
kompresi, ekspansi, refleksi, atau gabungan dari
Resume matriks-matriks elementer. Dengan fakta ini maka teorema berikut dapat dibuktikan kebenarannya.
Teorema
2
: R −→ R invertibel, maka efek geometri dari T berupa geseran, kompresi, ekspansi, refleksi, atau gabungan dari Jika T adalah perkalian oleh matriks A yang : R −→ R invertibel, maka 1 2 bayangan sebuah garis lurus adalah sebuah garis lurus bayangan sebuah garis lurus melalui titik asal adalah 3 sebuah garis lurus melalui titik asal bayangan garis-garis lurus yang sejajar adalah 4 garis-garis lurus yang sejajar bayangan sebuah segmen garis yang menghubungkan
titik P dan Q adalah segmen garis yang
menghubungkan bayangan P dan bayangan QJika T adalah perkalian oleh matriks A yang : R −→ R invertibel, maka 1 2 bayangan sebuah garis lurus adalah sebuah garis lurus bayangan sebuah garis lurus melalui titik asal adalah 3 sebuah garis lurus melalui titik asal bayangan garis-garis lurus yang sejajar adalah 4 garis-garis lurus yang sejajar bayangan sebuah segmen garis yang menghubungkan
titik P dan Q adalah segmen garis yang
menghubungkan bayangan P dan bayangan QJika T adalah perkalian oleh matriks A yang : R −→ R invertibel, maka 1 2 bayangan sebuah garis lurus adalah sebuah garis lurus bayangan sebuah garis lurus melalui titik asal adalah 3 sebuah garis lurus melalui titik asal bayangan garis-garis lurus yang sejajar adalah 4 garis-garis lurus yang sejajar bayangan sebuah segmen garis yang menghubungkan
titik P dan Q adalah segmen garis yang
menghubungkan bayangan P dan bayangan QJika T adalah perkalian oleh matriks A yang : R −→ R invertibel, maka 1 2 bayangan sebuah garis lurus adalah sebuah garis lurus bayangan sebuah garis lurus melalui titik asal adalah 3 sebuah garis lurus melalui titik asal bayangan garis-garis lurus yang sejajar adalah 4 garis-garis lurus yang sejajar bayangan sebuah segmen garis yang menghubungkan
titik P dan Q adalah segmen garis yang
menghubungkan bayangan P dan bayangan QJika T adalah perkalian oleh matriks A yang : R −→ R invertibel, maka 1 2 bayangan sebuah garis lurus adalah sebuah garis lurus bayangan sebuah garis lurus melalui titik asal adalah 3 sebuah garis lurus melalui titik asal bayangan garis-garis lurus yang sejajar adalah 4 garis-garis lurus yang sejajar bayangan sebuah segmen garis yang menghubungkan
titik P dan Q adalah segmen garis yang menghubungkan bayangan P dan bayangan Q Jika T adalah perkalian oleh matriks A yang : R −→ R invertibel, maka 1 2 bayangan sebuah garis lurus adalah sebuah garis lurus bayangan sebuah garis lurus melalui titik asal adalah 3 sebuah garis lurus melalui titik asal bayangan garis-garis lurus yang sejajar adalah 4 garis-garis lurus yang sejajar bayangan sebuah segmen garis yang menghubungkan
titik P dan Q adalah segmen garis yang menghubungkan bayangan P dan bayangan Q
Masalah n m
Jika untuk setiap transformasi linier T dapat : R −→ R dinyatakan sebagai transformasi matriks, bagaimana untuk sebarang transformasi linier T
: V −→ W secara umum?
v
B ′ .
B ke [T (x)]
Jadi proses pemetaan x ke T (x) akan menghasilkan pemetaan dari R n ke R m dengan memetakan [x]
B ′ ∈ R m .
∈ R n dan [T (x)]
Maka ∀x ∈ V , [x] B
v m }.
, ...,
2
,
Misalkan V berdimensi n dengan basis B = {u
1
= {v
′
} dan W berdimensi m dengan basis B
n
, ..., u
2
, u
1
Sehingga pemetaan tersebut dapat dilaksanakan menggunakan perkalian dengan matriks A, yakni
v m }.
B ′ .
B ke [T (x)]
Jadi proses pemetaan x ke T (x) akan menghasilkan pemetaan dari R n ke R m dengan memetakan [x]
m .
∈ R
B ′
dan [T (x)]
n
∈ R
B
Maka ∀x ∈ V , [x]
, ...,
Misalkan V berdimensi n dengan basis B = {u
2
v
,
1
= {v
′
} dan W berdimensi m dengan basis B
n
, ..., u
2
, u
1
Sehingga pemetaan tersebut dapat dilaksanakan menggunakan perkalian dengan matriks A, yakni
B
B ′ .
ke [T (x)]
B
dengan memetakan [x]
m
ke R
n
Jadi proses pemetaan x ke T (x) akan menghasilkan pemetaan dari R
m .
∈ R
B ′
dan [T (x)]
n
∈ R
Maka ∀x ∈ V , [x]
Misalkan V berdimensi n dengan basis B = {u
v m }.
, ...,
2
v
,
1
= {v
′
} dan W berdimensi m dengan basis B
n
, ..., u
2
, u
1
Sehingga pemetaan tersebut dapat dilaksanakan menggunakan perkalian dengan matriks A, yakni
B
B ′ .
ke [T (x)]
B
dengan memetakan [x]
m
ke R
n
Jadi proses pemetaan x ke T (x) akan menghasilkan pemetaan dari R
m .
∈ R
B ′
dan [T (x)]
n
∈ R
Maka ∀x ∈ V , [x]
Misalkan V berdimensi n dengan basis B = {u
v m }.
, ...,
2
v
,
1
= {v
′
} dan W berdimensi m dengan basis B
n
, ..., u
2
, u
1
Sehingga pemetaan tersebut dapat dilaksanakan menggunakan perkalian dengan matriks A, yakni
Matriks A berbentuk
A = [[T (u
1 )]
B ′ , [T (u
2 )]
B ′ , ..., [T (u n )]
B ′ ] Matriks A disebut matriks untuk T yang bertalian dengan basis B dan B’ dan disimbolkan
[T ] B,B ′
Jika T operator linier, maka matriks untuk T yang
bertalian dengan basis B adalah
Matriks A berbentuk
A
= [[T (u
1
)]
B ′ , [T (u
2
)]
B ′ , ..., [T (u n
)]
B ′ ] Matriks A disebut matriks untuk T yang bertalian dengan basis B dan B’ dan disimbolkan
[T ] B,B ′
Jika T operator linier, maka matriks untuk T yang
bertalian dengan basis B adalah
Matriks A berbentuk
A
= [[T (u
1
)]
B ′ , [T (u
2
)]
B ′ , ..., [T (u n
)]
B ′ ]
Matriks A disebut matriks untuk T yang bertalian
dengan basis B dan B’ dan disimbolkan
[T ]
B,B ′ Jika T operator linier, maka matriks untuk T yang
bertalian dengan basis B adalah
B ′ , ..., [T (u n
B,B ′
[T ]
dengan basis B dan B’ dan disimbolkan
Matriks A disebut matriks untuk T yang bertalian
B ′ ]
)]
)]
Matriks A berbentuk
2
B ′ , [T (u
)]
1
= [[T (u
A
Jika T operator linier, maka matriks untuk T yang bertalian dengan basis B adalah