P. 1
Bab 7 Transformasi Linear

Bab 7 Transformasi Linear

|Views: 205|Likes:
Published by antikanet

More info:

Published by: antikanet on Jan 06, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/15/2015

pdf

text

original

5.

Transformasi linear/heri/6/8/2010/9:19:48 AM 28
BAB 7 TRANSFORMASI LINEAR
PADA RUANG VEKTOR
A. DEFINISI DASAR
1. Definisi-1
Suatu pemetaan f dari ruang vektor V ke ruang vektor W adalah aturan
perkawanan sedemikian sehingga setiap vektor v e V dikawankan
dengan vektor tunggal we W. Kita mengatakan bahwa f memetakan
vektor v ke w, dan juga f memetakan ruang V ke W.
2. Definisi-2.
Kata-kata pemetaan, operator, dan transformasi bermakna sama
dengan pemetaan. Pada transformasi f: V ÷ W, ruang V disebut
domain dan W disebut kodomain untuk f. Jika u e V , maka vektor
f(u) e W disebut bayangan dari u oleh f.
3. Definisi-3.
Misalkan V dan W adalah ruang-ruang vektor atas medan K. Suatu
transformasi linear dari V ke W adalah pemetaan f: V ÷ W sedemikian
sehingga f(u + w) = f(u) + f(v) dan f(ku) = kf(u) untuk semua u, v e V
dan semua skalar k e K.

B. BAYANGAN DAN RANK DARI PEMETAAN LINEAR
1. Definisi-1.
Jika S adalah sebarang subruang dari ruang V, dan f: V ÷ W .
Bayangan S oleh f , ditulis f(S) atau im (S), adalah himpunan
{f(v) _ W | v e S }.
2. Misalkan f: V ÷ W adalah pemetaan linear. Jika S adalah subruang dari
V, maka f(S) adalah subruang dari W.
5. Transformasi linear/heri/6/8/2010/9:19:48 AM 29
3. Jika S adalah subruang berdimensi-finit dari domain suatu transformasi
linear f , maka dim (f(S) ≤ dim (S).
4. Definisi-2.
Jika f: V ÷ W adalah pemetaan linear, bayangan dari V oleh f disebut
bayangan pemetaan, dan ditandakan dengan im (f). Jadi im (f) = f(V) =
{f(v) e W | v e V }.
5. Jika pemetaan f: V ÷ W linear, maka im (f) adalah subruang dari W.
6. Definisi-3.
Rank suatu transformasi linear adalah dimensi bayangannya. Jika
bayangan itu berdimensi-infinit, kita katakan bahwa transformasi itu
mempunyai rank infinit.
Jadi, jika T: V ÷ V linear, maka rank (T) =dim (im (T)).
7. Jika f adalah transformasi linear dengan domain bedimensi-finit
(ditandakan dengan dom (f)), maka rank (f) ≤ dim (dom (f)).

C. RUANG NUL DARI TRANSFORMASI LINEAR
1. Definisi-1.
Ruang nul atau kernel dari pemetaan linear f: V ÷ W adalah
himpunan semua vektor v e V yang dipetakan ke vektor nol oleh f.
Kernel dari f ini dituliskan ker (f). Jadi, ker (f) = { v e V | f(v) = 0}.
2. Kernel suatu pemetaan adalah subruang dari domain.
3. Definisi-2.
Dimensi suatu kernel dari suatu pemetaan disebut nulitas dari
pemetaan. Pemetaan singular adalah pemetaan dengan nulitas positif;
pemetaan nonsingular adalah pemetaan yang nulitas nol.
4. Teorema rank plus nulitas.
Jika f: V ÷ W suatu pemetaan linear, dan V berdimensi-finit, maka
rank (f) + nulitas (f) = dim (domain f).
5. Transformasi linear/heri/6/8/2010/9:19:48 AM 30
5. Definisi-3 (penerapan pada matriks)
Bayangan, kernel atau ruang nul, dan nulitas dari suatu matriks A
berordo pxq adalah berturut-turut bayangan, kenel, dan nulitas dari
operator a: R
p
÷ R
p
yang didefinisikan dengan a(x) = Ax. Suatu
matriks adalah singular jika nulitasnya positif, dan nonsingular jika
nulitasnya nol.

D. SISTEM PERSAMAAN LINEAR (SPL)
Persamaan operator linear adalah persamaan-persamaan berbentuk
f(x) = c, dengan f: V ÷ W suatu operator linear, c unsur yang
diberikan di W, dan x adalah variabel. Himpunan penyelesaian dari
persamaan adalah himpunan semua x yang memenuhi f(x) = c.
Persamaan f(x) = c mempunyai penyelesaian jika dan hanya jika
c e im (f); Jika penyelesaian itu ada, maka:
(i) jika f nonsingular, maka terdapatlah tepat satu penyelesaian;
(ii) jika f singular, maka terdapatlah takhingga penyelesaian; Jika x
adalah sebarang penyelesaian, maka himpunan penyelesaian itu
adalah {X + k | k e ker(f)}.

E. PERSAMAAN LINEAR Ax = y
SPL dengan p persamaan dan q variabel dapat disajikan oleh matriks
Ax = y, dengan A adalah matriks pxq, x adalah vektor q, dan y vektor
p. Persamaan ini dapat dipandang sebagai operator (pemetaan) linear
a: K
q
÷ K
p
yang didefinisikan dengan a(x) = Ax untuk semua x e K
q
.
Dalam pemetaan ini: dom (a) = K
q
, im (a) = { y e K
p
| Ax = y),
ker (a) = { x e K
q
| Ax = 0}. Dim ( dom (a)) = dim (K
q
) = q,
dim ( im (a)) = rank (A), dim (ker (a)) = nulitas (a) = q – rank (A) –
[teorema rank plus nulitas]. Persamaan Ax = y mempunyai solusi x
5. Transformasi linear/heri/6/8/2010/9:19:48 AM 31
jika y e im (a). Perlu diingat bahwa rank (A) ≤ minimum (p, q).
Kasus-kasus yang dapat terjadi:
Kasus 1: Banyak persamaan melebihi banyak variabel: p < q.
(i) Jika rank (A) < p < q = Dim (dom (a)) ¬ nulitas (a) > 0 ¬
a singular ¬ ada banyak solusi jika y e im (a) dan tidak
ada solusi jika y e im (a);
(ii) Jika rank (A) = p = Dim K
p
¬ a adalah onto ¬ untuk
setiap y ada solusi.
Dari sisi lain rank (a) = p < q ¬ nulitas (A) = q – p > 0 ¬
a singular ¬ terdapat solusi jika y e im (a) atau tidak ada
solusi jika y e im (a);
Kasus 2: Banyak persamaan melebihi banyak variabel: p > q.
(i) Jika rank (A) < q < p = im (a) c K
p
. Dari sisi lain nulitas
(a) = q – rank (A) > 0 ¬ a singular ¬ terdapat banyak
solusi jika y e im (a) atau tidak terdapat solusi jika
y e im (a);
(ii) Jika rank (A) = q = Dim (dom (a)) ¬ nulitas (a) = q –
rank (a) = 0 ¬ a nonsingular ¬ terdapat solusi tunggal
jika y e im (a) dan tidak ada solusi jika y e im (a);
Kasus 3: Banyak persamaan sama dengan banyak variabel: p = q.
(i) Jika rank (A) = q = p ¬ im (A) = K
p
. Dari sisi lain nulitas
(a) = q – rank (A) = 0. Jadi terdapat solusi tunggal jika
y e im (a);
(ii) Jika rank (A) < p = q ¬ im (A) c K
p
. Dari sisi lain nulitas
(a) = q – rank (A) > 0 ¬ a singular. Jadi, ada banyak solusi
jika y e im (a) dan tidak ada solusi jika y e im (a);

5. Transformasi linear/heri/6/8/2010/9:19:48 AM 32
F. INVERSE
1. Definisi-1.
Pemetaan f: V ÷ W adalah invertibel (terbalikkan) jika untuk setiap
vektor we W terdapat dengan tunggal vektor ve V sedemikian
sehingga f(v) = w.
2. Definisi-2.
Jika f: V ÷ W adalah invertibel (terbalikkan), maka inverse dari f
adalah transformasi W ÷ V yang memetakan setiap vektor we W ke
unsur tunggal vektor ve V sedemikian sehingga f(v) = w. Inverse dari f
dinotasikan dengan f
-1
.
3. Jika pemetaan f: U ÷ V adalah pemetaan linear, maka:
a). f adalah invertibel jika dan hanya jika im (f) = V dan nulitas (f) = 0.
b). Jika U berdimensi-finit, maka f invertibel jika dan hanya jika
dim (V) = dim (U) dan nulitas (f) = 0.
4. Pemetaan K
p
÷ K
p
terkait dengan matriks pxp adalah invertibel jika
dan hanya jika matriks yang terkait juga invertibel.

G. VEKTOR EIGEN
1. Definisi-1.
Diberikan pemetaan linear f: V ÷ V . Jika f(v) = ìv dengan ì suatu
skalar dan v ≠ 0, maka v disebut suatu vektor eigen dari f, dan ì
adalah nilai eigen yang terkait.
2. Notasi.
Untuk sebarang ruang vektor, kita tandakan i sebagai pemetaan
identitas i : V ÷ V dengan sifat i(v) = v untuk semua v e V.
3. Suatu skalar ì adalah nilai eigen dari pemetaan linear f: V ÷ V jika
dan hanya jika pemetaan f - ìi: V ÷ V adalah singular, dengan i
adalah pemetaan identitas i: V ÷ V . Anggota-anggota bukan nol dari
5. Transformasi linear/heri/6/8/2010/9:19:48 AM 33
ker (f - ìi) adalah vektor-vektor eigen yang terkait dengan nilai eigen
ì.
4. Jika ì adalah suatu nilai eigen dari pemetaan linear f: V ÷ V, maka
himpunan vektor eigen yang terkait dengan ì, bersama-sama dengan
vektor nol, membangun sebuah subruang dari V. Subruang ini disebut
ruang eigen yang terkait dengan ì.
5. Definisi-2.
Kerangkapan geometrik dari suatu nilai eigen adalah dimensi ruang-
ruang eigen. Nilai eigen sederhana atau tak tersusut adalah nilai eigen
dengan kerangkapan 1; nilai eigen kembar adalah kerangkapan 2, dan
seterusnya.
6. Definisi-3.
Subruang invarian untuk pemetaan linear f: V ÷ V adalah sebuah
subruang S dari V dengan sifat untuk semua s e S , maka f(s) e S. Kita
katakan bahwa S adalah invarian oleh f.

H. PERMASALAHAN NILAI EIGEN
1. Definisi-1.
Matriks atas R adalah matriks dengan entri bilangan-bilangan real.
Matriks atas C adalah matriks dengan entri bilangan-bilangan
kompleks. Pada umumnya, matriks atas sebarang medan K adalah
matriks dengan entri unsur-unsur dari K.

2. Definisi-2.
Nilai-nilai eigen dan vektor-vektor eigen suatu matriks A(nxn) atas
medan K didefinisikan sebagai nilai-nilai eigen dan vektor-vektor
eigen dari pemetaan a: K
n
÷ K
n
yang didefinisikan dengan a(v) = Av
untuk semua v di K
n
.

5. Transformasi linear/heri/6/8/2010/9:19:48 AM 34
3. Definisi-3.
Bilangan real ì dikatakan nilai eigen dari matriks A(nxn) atas R jika
terdapat vektor v real v ≠ 0 sedemikian sehingga Av = ìv. Bilangan
kompleks ì dikatakan nilai eigen dari matriks B(nxn) atas C jika
terdapat vektor n kompleks v ≠ 0 sedemikian sehingga Bv = ìv.
Dalam setiap kasus v vektor n, vektor eigen dari A.
4. Jika A adalah matriks real, maka setiap nilai eigen dari A atas R adalah
juga nilai eigen atas C.
5. Vektor-vektor eigen bebas linear.
Jika operator f: V ÷ V mempunyai n nilai-nilai eigen ì
1
, ì
2
, … , ì
n

yang berlainan, maka vektor-vektor yang terkait e
1
, e
2
, … , e
n
adalah
bebas linear.
6. Banyaknya nilai-nilai eigen setiap operator linear pada ruang
berdimensi n tidak mungkin lebih besar daripada n.

I. ROTASI DAN MATRIKS ORTOGONAL
1. Suatu rotasi mentransformasikan himpunan ortonormal ke himpunan
ortonormal yang lain (panjang dan sudut tidak berubah).
2. Definisi-1.
Suatu matriks real A disebut ortogonal jika A
T
A = I.
3. Jika A ortogonal, maka A
T
juga ortogonal.
4. Jika A adalah matriks ortogonal nxn, maka
a). untuk sebarang x vektor n, x Ax = ;
b). untuk sebarang x dan y vektor n, (Ax)
T
(Ay) = x
T
y.
5. Jika S adalah himpunan ortonormal terdiri atas n vektor di R
n
, maka
terdapatlah suatu matriks A(nxn), dengan kolom-kolom A adalah n
vektor di S sedemikian sehingga A mentransformasikan basis pokok
ke himpunan S.

Jadi im (f) = f(V) = {f(v)  W  v  V }. Definisi-2. dan V berdimensi-finit. Kernel dari f ini dituliskan ker (f). maka rank (f) + nulitas (f) = dim (domain f). kita katakan bahwa transformasi itu mempunyai rank infinit. jika T: V  V linear. maka im (f) adalah subruang dari W. maka rank (f) ≤ dim (dom (f)). 2. 4. Dimensi suatu kernel dari suatu pemetaan disebut nulitas dari pemetaan. Transformasi linear/heri/6/8/2010/9:19:48 AM 29 . 7. Ruang nul atau kernel dari pemetaan linear f: V  W adalah himpunan semua vektor v  V yang dipetakan ke vektor nol oleh f. Jika f: V  W adalah pemetaan linear.3. dan ditandakan dengan im (f). Jika f: V  W suatu pemetaan linear. C. Jika pemetaan f: V  W linear. maka rank (T) =dim (im (T)). 5. Definisi-2. 4. 6. Teorema rank plus nulitas. pemetaan nonsingular adalah pemetaan yang nulitas nol. Rank suatu transformasi linear adalah dimensi bayangannya. Pemetaan singular adalah pemetaan dengan nulitas positif. Jika f adalah transformasi linear dengan domain bedimensi-finit (ditandakan dengan dom (f)). ker (f) = { v  V  f(v) = 0}. Definisi-3. 3. Jika S adalah subruang berdimensi-finit dari domain suatu transformasi linear f . maka dim (f(S) ≤ dim (S). Jadi. Definisi-1. Jadi. bayangan dari V oleh f disebut bayangan pemetaan. Kernel suatu pemetaan adalah subruang dari domain. RUANG NUL DARI TRANSFORMASI LINEAR 1. Jika bayangan itu berdimensi-infinit. 5.

kernel atau ruang nul. maka terdapatlah takhingga penyelesaian. maka terdapatlah tepat satu penyelesaian. ker (a) = { x  Kq  Ax = 0}. jika f singular. kenel. im (a) = { y  Kp  Ax = y). SISTEM PERSAMAAN LINEAR (SPL) Persamaan operator linear adalah persamaan-persamaan berbentuk f(x) = c. D. dengan A adalah matriks pxq. Jika penyelesaian itu ada. Dalam pemetaan ini: dom (a) = Kq. Definisi-3 (penerapan pada matriks) Bayangan. dim ( im (a)) = rank (A). dan y vektor p. maka: (i) (ii) jika f nonsingular. x adalah vektor q. Persamaan f(x) = c mempunyai penyelesaian jika dan hanya jika c  im (f). Persamaan ini dapat dipandang sebagai operator (pemetaan) linear a: Kq  Kp yang didefinisikan dengan a(x) = Ax untuk semua x  Kq. dan x adalah variabel. dim (ker (a)) = nulitas (a) = q – rank (A) – [teorema rank plus nulitas]. PERSAMAAN LINEAR Ax = y SPL dengan p persamaan dan q variabel dapat disajikan oleh matriks Ax = y. Jika x adalah sebarang penyelesaian. dan nulitas dari operator a: Rp  Rp yang didefinisikan dengan a(x) = Ax. maka himpunan penyelesaian itu adalah {X + k  k  ker(f)}. Dim ( dom (a)) = dim (Kq) = q. E. dan nonsingular jika nulitasnya nol. c unsur yang diberikan di W. Persamaan Ax = y mempunyai solusi x 5. Suatu matriks adalah singular jika nulitasnya positif. Himpunan penyelesaian dari persamaan adalah himpunan semua x yang memenuhi f(x) = c. dengan f: V  W suatu operator linear. Transformasi linear/heri/6/8/2010/9:19:48 AM 30 . dan nulitas dari suatu matriks A berordo pxq adalah berturut-turut bayangan.5.

Kasus 3: Banyak persamaan sama dengan banyak variabel: p = q. Dari sisi lain nulitas (a) = q – rank (A) > 0  a singular  terdapat banyak solusi jika y  im (a) atau tidak terdapat solusi jika y  im (a). (ii) Jika rank (A) = p = Dim Kp  a adalah onto  untuk setiap y ada solusi.jika y  im (a). Jadi. (ii) Jika rank (A) < p = q  im (A)  Kp. Dari sisi lain nulitas (a) = q – rank (A) = 0. Dari sisi lain rank (a) = p < q  nulitas (A) = q – p > 0  a singular  terdapat solusi jika y  im (a) atau tidak ada solusi jika y  im (a). Dari sisi lain nulitas (a) = q – rank (A) > 0  a singular. 5. Kasus-kasus yang dapat terjadi: Kasus 1: Banyak persamaan melebihi banyak variabel: p < q. Transformasi linear/heri/6/8/2010/9:19:48 AM 31 . (i) Jika rank (A) < q < p = im (a)  Kp. Perlu diingat bahwa rank (A) ≤ minimum (p. Kasus 2: Banyak persamaan melebihi banyak variabel: p > q. (ii) Jika rank (A) = q = Dim (dom (a))  nulitas (a) = q – rank (a) = 0  a nonsingular  terdapat solusi tunggal jika y  im (a) dan tidak ada solusi jika y  im (a). (i) Jika rank (A) < p < q = Dim (dom (a))  nulitas (a) > 0  a singular  ada banyak solusi jika y  im (a) dan tidak ada solusi jika y  im (a). q). (i) Jika rank (A) = q = p  im (A) = Kp. Jadi terdapat solusi tunggal jika y  im (a). ada banyak solusi jika y  im (a) dan tidak ada solusi jika y  im (a).

4.i: V  V adalah singular. 3. Jika f(v) = v dengan  suatu skalar dan v ≠ 0. 2. f adalah invertibel jika dan hanya jika im (f) = V dan nulitas (f) = 0. Suatu skalar  adalah nilai eigen dari pemetaan linear f: V  V jika dan hanya jika pemetaan f . G. Pemetaan Kp  Kp terkait dengan matriks pxp adalah invertibel jika dan hanya jika matriks yang terkait juga invertibel. Jika pemetaan f: U  V adalah pemetaan linear.F. Transformasi linear/heri/6/8/2010/9:19:48 AM 32 . Anggota-anggota bukan nol dari 5. Inverse dari f dinotasikan dengan f -1. Jika U berdimensi-finit. dengan i adalah pemetaan identitas i: V  V . dan  adalah nilai eigen yang terkait. Jika f: V  W adalah invertibel (terbalikkan). maka v disebut suatu vektor eigen dari f. Pemetaan f: V  W adalah invertibel (terbalikkan) jika untuk setiap vektor w W terdapat dengan tunggal vektor v V sedemikian sehingga f(v) = w. Notasi. maka: a). INVERSE 1. Diberikan pemetaan linear f: V  V . 2. maka inverse dari f adalah transformasi W  V yang memetakan setiap vektor w W ke unsur tunggal vektor v V sedemikian sehingga f(v) = w. Untuk sebarang ruang vektor. Definisi-1. Definisi-1. 3. maka f invertibel jika dan hanya jika dim (V) = dim (U) dan nulitas (f) = 0. VEKTOR EIGEN 1. b). Definisi-2. kita tandakan i sebagai pemetaan identitas i : V  V dengan sifat i(v) = v untuk semua v  V.

Matriks atas R adalah matriks dengan entri bilangan-bilangan real. Definisi-1. Nilai eigen sederhana atau tak tersusut adalah nilai eigen dengan kerangkapan 1. 5. maka himpunan vektor eigen yang terkait dengan . PERMASALAHAN NILAI EIGEN 1. Kita katakan bahwa S adalah invarian oleh f. membangun sebuah subruang dari V. bersama-sama dengan vektor nol. Nilai-nilai eigen dan vektor-vektor eigen suatu matriks A(nxn) atas medan K didefinisikan sebagai nilai-nilai eigen dan vektor-vektor eigen dari pemetaan a: Kn  Kn yang didefinisikan dengan a(v) = Av untuk semua v di Kn. matriks atas sebarang medan K adalah matriks dengan entri unsur-unsur dari K. 2. 5. Matriks atas C adalah matriks dengan entri bilangan-bilangan kompleks. Jika  adalah suatu nilai eigen dari pemetaan linear f: V  V. Subruang ini disebut ruang eigen yang terkait dengan . Definisi-2. dan seterusnya. Transformasi linear/heri/6/8/2010/9:19:48 AM 33 . Definisi-3. 6. Definisi-2.i) adalah vektor-vektor eigen yang terkait dengan nilai eigen . H.ker (f . nilai eigen kembar adalah kerangkapan 2. Kerangkapan geometrik dari suatu nilai eigen adalah dimensi ruangruang eigen. maka f(s)  S. Subruang invarian untuk pemetaan linear f: V  V adalah sebuah subruang S dari V dengan sifat untuk semua s  S . Pada umumnya. 4.

maka AT juga ortogonal. maka setiap nilai eigen dari A atas R adalah juga nilai eigen atas C. n yang berlainan. untuk sebarang x dan y vektor n. ROTASI DAN MATRIKS ORTOGONAL 1. Definisi-3. 3. 4. Jika A ortogonal. maka a). maka vektor-vektor yang terkait e1. maka terdapatlah suatu matriks A(nxn). 5. … . Bilangan real  dikatakan nilai eigen dari matriks A(nxn) atas R jika terdapat vektor v real v ≠ 0 sedemikian sehingga Av = v. I. Jika A adalah matriks real. Suatu matriks real A disebut ortogonal jika ATA = I. Suatu rotasi mentransformasikan himpunan ortonormal ke himpunan ortonormal yang lain (panjang dan sudut tidak berubah). Dalam setiap kasus v vektor n. b). vektor eigen dari A.3. 5. 5. Jika A adalah matriks ortogonal nxn. Definisi-1. Vektor-vektor eigen bebas linear. untuk sebarang x vektor n. dengan kolom-kolom A adalah n vektor di S sedemikian sehingga A mentransformasikan basis pokok ke himpunan S. Jika operator f: V  V mempunyai n nilai-nilai eigen 1. 6. Transformasi linear/heri/6/8/2010/9:19:48 AM 34 . (Ax)T (Ay) = xTy. Banyaknya nilai-nilai eigen setiap operator linear pada ruang berdimensi n tidak mungkin lebih besar daripada n. Ax  x . 4. en adalah bebas linear. 2. e2. 2. Jika S adalah himpunan ortonormal terdiri atas n vektor di Rn. … . Bilangan kompleks  dikatakan nilai eigen dari matriks B(nxn) atas C jika terdapat vektor n kompleks v ≠ 0 sedemikian sehingga Bv = v.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->