BAB 8 TRANSFORMASI LINEAR Dr. Ir. Abdul Wahid Surhim, MT.

KERANGKA PEMBAHASAN
1. Transformasi Linier secara Umum
2. Kernel dan Range
3. Transformasi Linier Invers
4. Matriks Transformasi Linear
5. Similaritas
7.1 TRANSFORMASI LINIER SECARA UMUM
Misalkan V dan W adalah ruang vektor, T : V W
dinamakan transformasi linear, jika
untuk setiap a, b V dan R berlaku :

1. T a b T a T b

2. T a T a

Jika V = W maka T dinamakan operator linear

Contoh 1 :
Tunjukan bahwa T : R2 R3, dengan
x y
x
T x Rumus Transformasi
y y

merupakan tranformasi linear.

Jawab :
Ambil unsur sembarang di R2,
Misalkan
u1 v1
u , v R2
u2 v2

(i) Akan ditunjukan bahwa T u v T u T v

 u1 v1
T u v
T
u2 v2
u1 v1 u 2 v2

u1 v1
u 2 v2

u1 v1 u 2 v2

u1 v1
u 2 v2

u1 u2 v1 v2

u1 v1
u v
2 2

Terbukti bahwa T u v u v
(ii) Ambil unsur sembarang u R 2 dan R
u
u 1
u 2
u1 u 2

u1
u
2
u 1 u 2

u 1
u
2

u1 u 2

u1
u
2
u
Jadi, T merupakan transformasi linear.
Contoh 2 :
Misalkan T merupakan suatu transformasi dari M2x2 ke R
yang didefinisikan oleh T(A) = det (A), untuk setiap A
M2x2, Apakah T merupakan Transformasi linier.

Jawab :
Misalkan a1a2
A M 2 x 2

3 a a 4

maka untuk setiap R berlaku

a a
det (A) = det
a
1

a
2
2
a1a2 a3a4 2 det( A)
3 4

Perhatikan bahwa det(A) det(A). Jadi T bukan transformasi linier.

 Contoh 3 :
Diketahui T : P2 (Polinom orde-2) R2, dengan
2 a b
T (a bx cx )
a c
a. Apakah T merupakan transformasi linear
b. Tentukan T (1 x x 2 )

Jawab :
a.(i) Ambil unsur sembarang P2,
u u1 u2 x u3 x 2 v v1 v2 x v3 x 2
Sehingga

u v u1 v1 u2 v2 x u3 v3 x 2
Perhatikan bahwa

T u v T u1 v1 u2 v2 x u3 v3 x 2
u v u2 v2
1 1
u1 v1 u3 v3
u u v1 v2
1 2
u
1 3 u v1 v
3

u u v v
1 2 1 2
u1 u3 v1 v3

T u1 u2 x u3 x 2 T v1 v2 x v3 x 2
Memenuhi T u v u v
Ambil unsur sembarang P2, dan R, sehingga

u u1 u2 x u3 x 2

T u T u1 u2 x u3 x 2
u1 u2

u1 u3
u1 u2

u1 u3
u1 u2

u1 u3

T u1 u2 x u3 x 2
u
Jadi, T merupakan transformasi linear
 1 1 0
b. T (1 x x 2 )
1 1 0

Suatu transformasi linear T : V W dapat

direpresentasikan dalam bentuk :
T u Au untuk setiap u V.

A dinamakan matriks transformasi dari T.

Contoh 4:
Misalkan, suatu transformasi linear T : R2 R3 didefinisikan oleh :
x y
x
x
y y
Jawab :
Perhatikan bahwa
x y 1 1
x x
x 1 0
y y 0 1 y

Jadi matriks transformasi untuk T : R2 R3 adalah

1 1

A 1 0
0 1

Jika T : Rn Rm merupakan transformasi linear maka ukuran

matriks transformasi adalah m x n
Misalkan
v1 , v 2 basis bagi ruang vektor V dan
: R 2 R3 merupakan transformasi linear

dengan
vi ui untuk setiap i = 1,2.
Matriks transformasinya dapat ditentukan dengan cara :
Tulis :
T v1 v1 u1
T v 2 v 2 u 2
Sehingga
3 x 2 v1 v2 2 x 2 u1 u 2 3 x 2 v1 v2 basis bagi V
Jadi maka ia punya invers

u1 u 2 v1 v 2 1
Contoh 5 :
Misalkan
1 0 0

v 1 , v
1 2 3 0
1 , v adalah basis bagi R3
1 1 1

: R 3 P1 Transformasi linear didefinisikan

T vi Avi pi untuk setiap i = 1,2,3.

Jika
p1 1 x; p2 1; p3 2 x
Tentukan : 1

Matrix transformasi A dan 1
2
Jawab :
Definisikan :
1 1 0
p1 1 x B ; p2 1B ; p3 2 x B

1 0 2
Karena
vi pi , i 1,2,3
Maka
1 0 0
1 1 0
1 1 0
1 1 1 1 0 2

atau
1
1 0 0
1 1 0
1 1 0
1 0 2 1 1 1

invers matriks dicari dengan OBE :
1 0 0 1 0 0 1 0 0 1 0 0

1 1 0 0 1 0 ~ 0 1 0 1 1 0
1 1 1 0 1 1 1 0 1
0 0 1

1 0 0 1 0 0

~ 0 1 0 1 1 0
0 0 1 0 1 1

Sehingga 1 0 0
1 1 0 0 1 0
1 1 0
1 0 2 0 1 1 1 2 2

Jadi matriks transformasi T adalah 0 1 0

1 2 2
Sementara itu,
1 1 1

1 1
0 1 0
1
2

2
1 2 2 2

1

1
1
ingat bahwa 1 x
1 B

jadi
1

1 1 x
2

Contoh 6 :
Diketahui basis dari polinom orde dua adalah
1 x, x x2 , 1 x x2
Jika T : P2 R3 adalah transformasi linear
dimana
0 1 2


T 1 x 1 2

T x x 2 2

T 1 x x 1
2 0 0

Tentukan
Gunakan

T 1 x x 2
Definisi
Membangun

.
Jawab :
Perhatikan bahwa
himpunan 3 polinom tersebut adalah basis
bagi polinom orde 2
maka polinom tersebut ditulis nejadi :

1 x x 2 k1 1 x k 2 x x 2 k3 1 x x 2
Samakan suku-suku sejenis
sehingga diperoleh SPL

k1 k3 1
k1 k 2 k3 1
k 2 k3 1
dengan solusi k1 =0 , k2 = 2, dan k3 = 1.
Jadi kombinasi linear diatas berbentuk :

1 x x 2 0 1 x 2 x x 2 1 1 x x 2
atau

T 1 x x 2 T 0 1 x 2 x x 2 1 1 x x 2

Karena transformasi T bersifat linear maka :

T 1 x x2 0T 1 x 2T x x2 T 1 x x2
1 2 4

2 2 1 5
0 0 0

7.2 KERNEL DAN RANGE
Misalkan T : V W merupakan transformasi linear. Semua unsur di V yang
dipetakan ke vektor nol di W dinamakan kernel T dengan notasi ker ( T ) atau

Ker (T ) u V | T u 0

Contoh 1 :
2 a b
Trans. Linear T : P2 R2 T (a bx cx )
a c
Perhatikan bahwa
2 1 1 0
T (1 x x )
1 1 0
maka
1 x x 2 Ker (T )
Sementara itu, 1 2 x x 2 Ker (T )
2 1
karena T (1 2 x x ) 0
1
Jelas bahwa vektor nol pada daerah asal transformasi
merupakan unsur kernel T.
Tetapi, tak semua transformasi linear mempunyai
vektor tak nol sebagai unsur kernel T.

Teorema :
Jika T : V W adalah transformasi linear
maka Ker (T) merupakan subruang dari V
Bukti :
Ambil a , b Ker (T ) sembarang dan Riil
1. Karena setiap a Ker (T )
artinya setiap a V sehingga T a 0
maka Ker(T) V

2. Perhatikan bahwa 0 Ker (T )

artinya setiap T 0 A 0 0
oleh karena itu Ker(T) { }

3. Karena a , b Ker (T ) dan Ker(T) V

Ingat bahwa V mrp ruang vektor, sehingga berlaku
a b V
akibatnya

Jadi
T a b T ( a ) T (b ) 0 0 0

a b ker T
4. Karena a Ker (T ) maka a V
karena V adalah ruang vektor
maka untuk setiap Riil berlaku :

T a T a 0 0
Jadi,
a Ker (T )
Dengan demikian, terbukti bahwa
Jika T : V W adalah transformasi linear maka
Ker(T ) merupakan subruang dari ruang vektor V

Karena Ker(T ) merupakan subruang

Basis Ker(T).
Contoh 2 :
Diketahui Transformasi linear T : R3 P2 dengan
a

T b =(a + b) + (2a c)x + (2a + b + c)x2
c

Tentukan basis dan dimensi Ker(T) dan R(T)

Jawab :
Perhatikan bahwa :
a

T b a b 2a c x 2a b c x 2 0
c
 Ini memberikan
a b 0

2b c 0
2a b c 0

sehingga
a a b 1 1 0 a

T b 2b c 0 2 1 b
c 2a b c 2 1 1 c

Jadi, matriks transformasi bagi T adalah

1 1 0

A 0 2 1
2 1 1

Dengan melakukan OBE pada matriks tersebut :
1 1 0 0 1 1 0 0 1 0 1/ 2 0

0 2 1 0 ~ 0 2 1 0 ~ 0 1 1/ 2 0
2 1 1 0
0 1 1 0 0 0 1/ 2 0

1 0 0 0

~ 0 1 0 0
0 0 1 0

Dengan demikian, Basis ker(T) = { }
dan nulitasnya adalah nol.
Perhatikan hasil OBE
maka basis ruang kolom dari matriks A adalah :

1 1 0

0 , 2 , 1
2 1 1

oleh karena itu, basis jangkauan dari T adalah :

1 2x2 , 1 2x x2 , x x2
sehingga rank (dimensi basis R(t)) = 3
Contoh 3:
Diketahui transformasi linear T : R4 R3
didefinisikan oleh :
a
ab
b

T c 2d
c
a b c 2d
d

Tentukan basis kernel dari T dan nulitasnya

Jawab :
a
ab

b
T c 2d
c
a b c 2d
d
a
1 1 0 0
b
0 0 1 2
1 1 1 2 c
d

Jadi
1 1 0 0

A 0 0 1 2
1 1 1 2

Basis Ker(T) dan Nulitasnya?

Ker(T) adalah ruang solusi dari

a

b
T v Av 0,v R 4
c

d

Dengan OBE
1 1 0 0 1 1 0 0

A ~ 0 0 1 2 ~ 0 0 1 2
1 1 1 2 0 0 0 0

Ker(T) = ruang solusi dari Av 0
yaitu
a a 1 0

b b 1 0
s t , s , t 0
c 0 1
c
d


d
0
1
2
Jadi Basis Ker(T) adalah
1 0

1 0
,
1
0
0 1
2
Nulitas = Dimensi dari Ker(T) = 2
7.3 TRANSFORMASI LINIER INVERS
TRANSFORMASI SATU-KE-SATU
Transformasi linear T: V W dikatakan satu-ke-
satu jika T memetakan vektor jarak di V ke vektor
jarak di W

Contoh 1:
Jika A adalah matriks n x n dan TA: Rn Rn
adalah perkalian dengan A, maka TA adalah satu-
ke-satu jika dan hanya jika A adalah matriks yang
dapat dibalikkan
CONTOH 2
Misalkan T: Pn Pn+1 adalah memiliki TL:
T(p) = T(p(x)) = xp(x)
Jika
= = + ++ dan = = + ++
adalah polinomial jarak, maka keduanya berbeda paling tidak satu
koefisien. Sehingga,
= + + + dan ( ) = + ++
juga berbeda paling tidak satu koefisien. Karena itu, T adalah satu-ke-
satu, karena T memetakan polinomial jarak p dan q ke polinomial jarak
T(p) dan T(q)
PERNYATAAN EKUIVALEN
Jika T: V W adalah transformasi linear, maka
yang berikut ini adalah ekuivalen:
1. T adalah satu-ke-satu
2. Kernel T mengandung hanya vektor nol;
maka ker(T) = 0
3. Nullitas (T) = 0
CONTOH
Tentukan TL satu-ke-satu menggunakan kernel dan nullitas:
a) T: R2 R2 merotasi tiap vektor melalui sudut
b) T: R3 R3 adalah proyeksi ortogonal pada bidang-xy
c) T: R6 R6 adalah perkalian dengan matriks
JAWAB
a) Karena setiap vektor di bidang-xy dapat diperoleh
dengan merotasikan beberapa vektor melalui sudut
, kita memiliki R(T) = R2. karena itu,
hanya satu vektor yang merotasi dari 0 ke
0, sehingga ker(T) = {0}
b) Ker(T) adalah kumpulan titik yang memetakan
kedalam 0 = (0,0,0) yang ada di sumbu z. Karena T
memetakan setiap titik di R3 kedalam bidang-xy,
selang T harus ada beberapa sub-kumpulan di
bidang ini. Tetapi setiap titik (x0,y0,0) di bidang-xy
adalah bayangan T dari beberapa titik; faktanya,
itu adalah bayangan dari semua titik-titik pada garis
vertikal yang lewat melalui (x0,y0,0). Karena R(T)
adalah keseluruhan bidang-xy
JAWAB
c) Rank

Hasil eselon baris terreduksi:

Rank(A) = 2

berarti
 NULITAS (T) = 4

T adalah satu-ke-satu
T OPERATOR LINEAR PADA DIMENSI-TENTU
Berikut ini adalah ekuivalen:
1. T adalah satu-ke-satu
2. ker(T) = {0}
3. Nullitas (T) = 0
4. Selang dari T adalah V, yakni R(T) = V
CONTOH
Misalkan T: R4 R4 dikalikan dengan
Apakah TA adalah satu-ke-satu?

JAWAB
karena det(A) = 0, maka tidak dapat dibalikkan, maka
TA bukan satu-ke-satu
TL BALIKAN (DARI SUBBAB 4.3)
Jika TA: Rn Rn adalah OL-SKS, maka matriks A dapat dibalikkan
: Rn Rn sendiri adalah OL; dan disebut balikan TA
OL dan menghilangkan efek satu sama lainnya untuk semua x di
Rn
CONTOH
Seperti pada contoh sebelumnya, T: Pn Pn+1 memiliki TL:
T(p) = T(p(x)) = xp(x)
adalah satu-ke-satu, karena itu memiliki balikan. Di sini selang T tidak semua
dari Pn+1, sehingga R(T) adalah subruang dari Pn+1 yang terdiri atas
polinomial dengan sebuah konstanta nol.
Buktinya:
+ + + = + + +
T-1: Pn+1 Pn maka: + + + = + + +

Jika n3, maka 2 +5 +3 =2 +5 +3

CONTOH
Misalkan T:R3 R3 adalah operator linear dengan rumus
, , = 3 + , 2 4 + 3 , 5 +4 2
Tentukan apakah T adalah satu-ke-satu, dan temukan T-1

JAWAB:
Matriks standarnya adalah
TEOREM 8.3.3
DIMENSI DOMAIN DAN KODOMAIN
Jika V dan W ruang vektor dimensi-tentu dengan
dim(W)<dim(V), dan jika T:V W adalah TL, maka T
bukan satu-ke-satu.
Dengan kata lain, dimensi kodomain W harus sebesar
dimensi domain V agar menjadi TL-SKS dari V ke W
Ini berarti, sebagai contoh, bukanlah TL-SKS dari ruang
R3 ke bidang R2
7.4 MATRIKS TRANSFORMASI LINEAR
Andaikan bahwa V adalah vektor ruang berdimensi-n
dan W adalah vektor ruang berdimensi-m. Jika kita
memilih basis B dan B untuk V dan W, maka untuk
setiap x di V, vektor koordinat [x]B akan ada sebuah
vektor di Rn, dan vektor koordinat [T(x)]B akan ada
sebuah vektor di Rm
MATRIKS STANDAR
Andaikan T:V W adalah transformasi linear,
maka akan diperoleh peta dari Rn ke Rm yang
dapat ditunjukkan bahwa itu transformasi linear.
Jika A adalah matriks standar untuk
transformasi ini maka
[ ] = ( )
Matriks A adalah matriks untuk T yang
berhubungan dengan basis B dan B
 KALKULASI T(X) SECARA LANGSUNG DAN TAK-LANGSUNG

x Perhitungan langsung
T(x)
Menghitung vektor Rekonstruksi dari
koordinat [x]B vektor koordinat [T(x)]B

[x]B Mengalikan [x]B di kiri

[T(x)]B
dengan [T]B,B
Andaikan B = [u1, u2, ..., un] adalah basis ruang vektor V dan B =
[v1, v2, ..., vm] adalah basis ruang vektor W, maka matriks
standarnya berdimensi mxn:

Persamaan-persamaannya:
[ ] = ( ) , [ ] = ( ) , ..., [ ] = ( )
MATRIKS OPERATOR LINEAR
Pada kasus khusus dengan V = W (sedemikian rupa hingga T:V V
adalah operator linear), biasanya B = B saat membangun matriks T.
Pada kasus ini matriks yang dihasilkan disebut matriks T yang
berhubungan dengan basis B yang dinotasikan dengan [T]B bukan [T]B,B
Jika B = {u1, u2, ..., un}, maka

dan
CONTOH
Misalkan T: P1 P2 memiliki TL: T(p) = T(p(x)) = xp(x)
Temukan matriks standar T yang sesuai dengan basis
dengan
Cek hasilnya untuk x = a + bx di P1
JAWABAN

[ ] = + = dan
CONTOH
Misalkan T:R2 R3 adalah operator linear dengan rumus

Temukan matriks standar T yang sesuai dengan basis dan

dengan
JAWABAN:
Matriks T dengan basis B:
Matriks T berbasis B relatif terhadap basis B ditemukan dengan
kombinasi linear: = + + dan
= + +
1 1 1 0 2 1 1 0
2 = 0 + 2 + 1 dan 1 = 0 + 2 + 1
5 1 2 2 3 1 2 2
1 1 0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 0 1 3 1 0 0 1
0 2 1 2 ~ 0 2 1 2 ~ 0 1 1 2 ~ 0 1 1 2 ~ 0 1 0 0 ~ 0 1 0 0
1 2 2 5 0 1 2 4 0 1 2 4 0 0 3 6 0 0 1 2 0 0 1 2
= 1, = 0, dan = 2 sehingga = 2
1 1 0 2 1 1 0 2 1 1 0 2 1 1 0 2 1 0 1 4 1 0 0 3
0 2 1 1 ~ 0 2 1 1 ~ 0 1 1 2 ~ 0 1 1 2 ~ 0 1 0 1 ~ 0 1 0 1
1 2 2 3 0 1 2 1 0 1 2 1 0 0 3 3 0 0 1 1 0 0 1 1
= 3, = 1, dan = 1 sehingga =3 +
CONTOH
Misalkan T:R2 R2 adalah operator linear dengan rumus:
dengan basis B: B = {u1, u2}
a). Tentukan [T]B b). Verifikasikan bahwa setiap x ada di R2
JAWABAN:
a).

b).
MATRIKS OPERATOR IDENTITAS
Jika B = {u1, u2, ..., un} adalah basis ruang vektor V dimensi-tentu dan I:V V adalah
operator identitas pada V, maka
TEOREMA 8.4.1
Jika T:Rn Rm adalah transformasi linear, dan jika
B dan B adalah basis-basis standar masing-masing
untuk Rn dan Rm, maka
[T]B,B = [T]
KENAPA MATRIKS TRANSFORMASI LINEAR
PENTING?
Ada dua alasan penting mempelajari matriks TL umum, satu sangat
teoritis, yang kedua praktis:
1. Jawaban untuk pertanyaan teoritis tentang struktur transformasi
linear umum pada ruang vektor berdimensi-hingga seringkali dapat
diperoleh dengan mempelajari hanya transformasi matriks. Hal
tersebut dianggap secara rinci dalam lebih lanjut kuliah aljabar
linear, tapi kami akan menyentuh pada mereka dalam bagian
berikutnya.
2. Matriks ini memungkinkan untuk menghitung gambar vektor
menggunakan perkalian matriks. Perhitungan tersebut dapat
dilakukan dengan cepat pada komputer.
MATRIKS TRANSFORMASI KOMPOSISI DAN BALIKAN
1. Jika T1:U V dan T2:V W adalah TL dan jika B, B, dan B
adalah basis untuk U, V dan W, maka
[T2T1]B,B =[T2]B,B[T1]B,B
2. Jika T:V V adalah operator linear, dan B adalah basis V,
maka berikut ini adalah pernyataan yang ekivalen:
a) T adalah satu-ke-satu
b) [T]B dapat dibalikkan
Karena itu, maka [T-1]B = [T]B-1
7.5 SIMILARITAS
Jika A dan B adalah matriks bujur-sangkar, dikatakan B
SIMILAR dengan A jika ada sebuah matriks P yang
dapat dibalikkan sehingga
B = P-1AP

Sebuah matriks bujur-sangkar dikatakan invarian

similaritas jika sifatnya berbagi dengan dua matriks
similar manapun
INVARIAN SIMILARITAS
CONTOH
Misalkan T:R2 R2 adalah operator linear dengan rumus:

Tentukan det(T)
JAWABAN:
Basis B:

Basis B: