Transformasi Linier. Transformasi linier memiliki beberapa fungsi yang perlu dipelajari. Fungsi-fungsi tersebut antara lain :

dokumen-dokumen yang mirip
Pertemuan 6 Transformasi Linier

MUH1G3/ MATRIKS DAN RUANG VEKTOR

Aljabar Linier Elementer. Kuliah 26

8.1 Transformasi Linier Umum. Bukan lagi transformasi R n R m, tetapi transformasi linier dari

TRANSFORMASI LINEAR. Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear. Dosen Pengampu : Abdul Aziz Saefudin, M.Pd

BAB IV TRANSFORMASI LINEAR. sebuah vektor yang unik di dalam W dengan sebuah vektor di dalam V, maka kita mengatakan F

Aljabar Linier Sistem koordinat, dimensi ruang vektor dan rank

TRANSFORMASI LINIER (Kajian Fungsi antar Ruang Vektor)

8.3 Inverse Linear Transformations

RUANG VEKTOR. Nurdinintya Athari (NDT)

Minggu II Lanjutan Matriks

Matriks adalah susunan segi empat siku-siku dari objek yang diatur berdasarkan baris (row) dan kolom (column). Objek-objek dalam susunan tersebut

MATEMATIKA INFORMATIKA 2 TEKNIK INFORMATIKA UNIVERSITAS GUNADARMA FENI ANDRIANI

Aljabar Linier Elementer. Kuliah 27

Aljabar Linear Elementer

MUH1G3/ MATRIKS DAN RUANG VEKTOR

ALJABAR LINIER MAYDA WARUNI K, ST, MT ALJABAR LINIER (I)

SUMMARY ALJABAR LINEAR

Operasi perkalian skalar merupakan suatu aturan yang mengasosiasikan setiap skalar k dan setiap objek u pada v dengan suatu objek ku, yang disebut

Pertemuan 1 Sistem Persamaan Linier dan Matriks

Kumpulan Soal,,,,,!!!

Ruang Vektor. Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Ruang Vektor. Syarat agar V disebut sebagai ruang vektor. Aljabar Linear dan Matriks 1

Ruang Baris, Ruang Kolom, dan Ruang Null (Kernel)

KS KALKULUS DAN ALJABAR LINEAR Ruang Vektor TIM KALIN

DIKTAT PERKULIAHAN. EDISI 1 Aljabar Linear dan Matriks

GARIS-GARIS BESAR PROGRAM PEMBELAJARAN

BAB 7 TRANSFORMASI LINEAR PADA RUANG VEKTOR

BAB II LANDASAN TEORI

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

Kata Pengantar. Puji syukur kehadirat Yang Maha Kuasa yang telah memberikan pertolongan hingga modul ajar ini dapat terselesaikan.

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx wertyuiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiopasdfg

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS VETERAN BANGUN NUSANTARA SUKOHARJO

RUANG VEKTOR UMUM AKSIOMA RUANG VEKTOR

6. TRANSFORMASI LINIER

Transformasi Linear dari R n ke R m

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : Definisi, Notasi, dan Operasi Vektor 2.

Aljabar Linier & Matriks

BAB II TINJAUAN PUSTAKA

BAB 5 RUANG VEKTOR A. PENDAHULUAN

Pengantar Vektor. Besaran. Vektor (Mempunyai Arah) Skalar (Tidak mempunyai arah)

PERTEMUAN 11 RUANG VEKTOR 1

BAB II SISTEM PERSAMAAN LINEAR. Sistem persamaan linear ditemukan hampir di semua cabang ilmu

Trihastuti Agustinah

MATERI ALJABAR LINEAR LANJUT RUANG VEKTOR

DIKTAT MATA KULIAH ALJABAR LINEAR ELEMENTER (BAGIAN II) DISUSUN OLEH ABDUL JABAR, M.Pd

TEKNIK INFORMATIKA FENI ANDRIANI

Materi Aljabar Linear Lanjut

TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep mendasar meliputi ruang vektor,

02-Pemecahan Persamaan Linier (1)

Yang dibahas : Ortogonal Basis ortogonal Ortonormal Matrik ortogonal Komplemen ortogonal Proyeksi ortogonal Faktorisasi QR

04-Ruang Vektor dan Subruang

TE Teknik Numerik Sistem Linear. Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro - FTI Institut Teknologi Sepuluh Nopember

1.1. Definisi, Notasi, dan Operasi Vektor 1.2. Susunan Koordinat Ruang R n 1.3. Vektor di dalam R n 1.4. Persamaan garis lurus dan bidang rata

BAB II DASAR DASAR TEORI

Aljabar Linier. Kuliah

BAB II LANDASAN TEORI. yang biasanya dinyatakan dalam bentuk sebagai berikut: =

Suatu himpunan tak kosong F dengan operasi penjumlahan dan perkalian, dikatakan sebagai field jika untuk setiap,, memenuhi sifat-sifat berikut:

SUBRUANG VEKTOR. Disusun Untuk Memenuhi Mata Kuliah Aljabar Linier. Dosen Pembimbing: Abdul Aziz Saefudin, M.Pd

Pertama, daftarkan kedua himpunan vektor: himpunan yang merentang diikuti dengan himpunan yang bergantung linear, perhatikan:

Pertemuan 4 Aljabar Linear & Matriks

BAB 4 RUANG VEKTOR EUCLID. Dr. Ir. Abdul Wahid Surhim, MT.

0. Diperoleh bahwa: Selanjutnya dibuktikan tertutup terhadap perkalian skalar:

Part II SPL Homogen Matriks

Chapter 5 GENERAL VECTOR SPACE Row Space, Column Space, Nullspace 5.6. Rank & Nullity

Aljabar Matriks. Aljabar Matriks

5. PERSAMAAN LINIER. 1. Berikut adalah contoh SPL yang terdiri dari 4 persamaan linier dan 3 variabel.

SATUAN ACARA PERKULIAHAN MATA KULIAH : ALJABAR LINIER KODE / SKS : IT / 2 SKS

Banyaknya baris dan kolom suatu matriks menentukan ukuran dari matriks tersebut, disebut ordo matriks

RENCANA KEGIATAN PERKULIAHAN Kode Mata Kuliah : MAA 526 Nama Mata Kuliah : Analisis Fungsional

Pertemuan 2 Matriks, part 2

BAB II LANDASAN TEORI

Bab 4 RUANG VEKTOR. 4.1 Ruang Vektor

2. MATRIKS. 1. Pengertian Matriks. 2. Operasi-operasi pada Matriks

(Departemen Matematika FMIPA-IPB) Matriks Bogor, / 66

UNIVERSITAS PENDIDIKAN INDONESIA

SOLUSI SISTEM PERSAMAAN LINEAR

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I MATRIKS DEFINISI : NOTASI MATRIKS :

4. SISTEM PERSAMAAN DAN PERTIDAKSAMAAN

SISTEM PERSAMAAN LINEAR

Tujuan. Mhs dapat mendemonstrasikan operasi matriks: penjumlahan, perkalian, dsb. serta menentukan matriks inverse

BAB 1 PENDAHULUAN. Sebuah garis dalam bidang xy secara aljabar dapat dinyatakan oleh persamaan yang berbentuk

BAB III PEMBAHASAN. Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab

BAB III OPERATOR LINEAR TERBATAS PADA RUANG HILBERT. Operator merupakan salah satu materi yang akan dibahas dalam fungsi

R maupun. Berikut diberikan definisi ruang vektor umum, yang secara eksplisit

Institut Teknologi Sepuluh Nopember Surabaya. Keterkendalian (Controlability)

Aljabar Linier & Matriks. Tatap Muka 2

MODUL ALJABAR LINEAR 1 Disusun oleh, ASTRI FITRIA NUR ANI

KS KALKULUS DAN ALJABAR LINEAR Ruang Baris Ruang Kolom Ruang Nol TIM KALIN

MATRIKS Nuryanto, ST., MT.

6 Sistem Persamaan Linear

Matematika Teknik INVERS MATRIKS

BAB 2 LANDASAN TEORI

BAB 6 RUANG HASIL KALI DALAM. Dr. Ir. Abdul Wahid Surhim, MT.

Vektor. Vektor. 1. Pengertian Vektor

Yang dipelajari. 1. Masalah Nilai Eigen dan Penyelesaiannya 2. Masalah Pendiagonalan. Referensi : Kolman & Howard Anton. Ilustrasi

MATRIKS. Notasi yang digunakan NOTASI MATRIKS

Contoh. C. Determinan dan Invers Matriks. C. 1. Determinan

Transkripsi:

Transformasi Linier Objektif:. definisi transformasi linier umum.. definisi transformasi linier dari R n ke R m. 3. invers transformasi linier. 4. matrix transformasi 5. kernel dan jangkauan 6. keserupaan.definisi TRANSFORMASI LINIER UMUM Transformasi linier umum adalah sebuah fungsi yang memetakan suatu ruang vector B ke suatu ruang vector C, sehingga variable A dinyatakan sebagai transformasi linier dari B ke C. Pernyataan tersebut ditunjukkan pada skema dibawah ini : Jika A : B C Variabel akan disebut sebagai transformasi linier jika semua vector u dan v yang ada pada B dan semua scalar c, seperti : T(u + v) = T(u) + T(v) T(cu) = ct(u) Transformasi linier akan tampak terlihat jelas jika B = C dan akan dinyatakan dalam bentuk A: B B yang disebut dengan operator linier pada B. Transformasi linier memiliki beberapa fungsi yang perlu dipelajari. Fungsi-fungsi tersebut antara lain : Fungsi diatas bernilai real. Contoh : f(x) = x + sin x Fungsi diatas merupakan fungsi variabel. Contoh: f(x,y) = (x+y) Fungsi diatas merupakan fungsi n variable. Contoh:

f(x, x,.,x n ) = a x + a x + + a n x n Fungsi diatas bernilai vektor. Contoh: f(t) = (t +,t) Fungsi diatas merupakan fungsi variabel bernilai vektor. Contoh: F(x,y) = (cos x, sin y).fungsi DARI R n KE R m Fungsi adalah aturan yang mengkaitkan setiap x elemen di daerah definisi di R n ke f(x) elemen di daerah hasil di R m. Fungsi diatas disebut juga transformasi dai R n ke R m. Sistem persamaan linear (SPL) dapat dinyatakan dalam perkalian matriks vektor, seperti:, dimana vektor di R m sedangkan vektor di R n kemudian A matriks mxn. Matriks disebut matriks standard untuk transformasi linier T. Sedangkan transformasi nol dinyatakan dengan dan transformasi identitias dinyatakan dengan. Transformasi linier dari jika memiliki invers berupa. Transformasi Elementer Pada Baris dan Kolom Matriks Transformasi Elamenter pada matriks adalah: Penukaran tempat baris ke i dan ke j (baris ke i dijadikan baris ke j dan baris ke j dijadikan baris ke i), ditulis H ij (A) Penukaran tempat kolom ke i dan kolom ke j (kolom ke i dijadikan kolom ke j atau sebaliknya), ditulis K ij (A) Memperkalikan baris ke i dengan skalar Memperkalikan kolom ke i dengan, ditulis ditulis Menambah baris ke i dengan Menambah kolom ke i dengan kali baris ke j, ditulis kali kolom ke j,ditulis

3.INVERS TRANSFORMASI LINIER Jika suatu transformasi elementer adalah: Bentuk Kampanyon Koefisien-koefisien dari matriks tersebut adalah koefisien deret λ dari persamaan karakteristik: Dua bentuk kampanyon, tergantung pada koefisien-koefisin yang muncul pada kolom pertama atau baris terakhir. Contoh : Kampanyon kolom Kampanyon baris

Persamaan karakteristik : CONTOH KASUS Pada pertemuan enam ini akan dibahas contoh kasus menggunakan transformasi linier. Dibawah ini diberikan sebuah matriks A dengan anggota matriksnya adalah: Berdasarkan matriks tersebut, carilah matriks B yang dihasilkan sederetan transformasi elementer H 3 (-), H (), H, K 4 (), K 3 ().. Maka matriks B yang digunakan adalah: 4.MATRIKS TRANSFORMASI LINIER UMUM Misalkan A adalah suatu matriks berorde m n. Jika notasi matriks digunakan untuk vektor di R m dan R n, maka dapat didefinisikan suatu fungsi T: R n R m dengan T(x) = Ax Jika x adalah matriks n x, maka hasil kali Ax adalah matriks m x ; jadi T memetakan R n ke dalam R m dan T linier *teorema Jika T: R n R m adalah transformasi linier, dan jika e, e,, en adalah basis baku untuk R n, maka T adalah perkilaan oleh A atau T(x) = Ax dimana A adalah matriks yang mempunyai vektor kolom T(e), T(e),.., T(e3)

CONTOH Carilah matriks baku (A) untuk tranformasi T: R 3 R yang didefinisikan oleh T(x) = (x+x, x+x3), untuk setiap x = (x, x, x3) dalam R n Jawab T: R 3 R Basis baku dari R 3 adalah: e = (, 0, 0) T(e) = ( + 0, 0 + 0) = (, 0) e = (0,, 0) T(e) = (0 +, + 0) = (, ) e = (0, 0, ) T(e3) = (0 + 0, 0 + ) = (0, ) Maka matriks A nya adalah vektor kolom bentukan dari T(e), T(e), dan T(e3), yaitu Buktikan jawaban tersebut! SOAL Misalkan T: R 3 R adalah transformasi matriks, dan misalkan: T(,0,0) = (,) T(0,,0) = (3,0) T(0,0,) = (4, -7) Hitunglah: a. Matriks transformasinya b. T(, 3, 8) c. T(x, y, z)

5.KERNEL DAN JANGKAUAN Jika T: V W adalah transformasi linier, maka himpunan vektor di V yang dipetakan ke 0, dinamakan dengan kernel (atau ruang nol) dari T. himpunan tersebut dinyatakan oleh ker(t). Hipunan semua vektor di W yang merupakan bayangan di bawah T dari paling sedikit satu vektor di V dinamakan jangkauan dari T; himpunan tersebut dinyatakan oleh R(T). Kernel dan jankauan pada matrix transformasi Jika TA : Rn Rm adalah perkalian matrix A mxn maka : Kernel dari TA ruang nol A Jangkauan dari TA ruang kolom pada A Kernel dan jankauan pada transformasi Nol Anggap T : V W adalah transformasi nol. Karena T memetakan setiap vektor pada V ke 0 ker(t) = V Apabila 0 adalah satu-satunya bayangan di bawah T dari vektor-vektor pada V Ker(T) = {0} Kernel dan jangkauan pada Operator indentitas Jika I:V V adalah operator identita Dimana I(v) = v untuk semua vektor pada V, setiap vektor pada V merupakan bayangan dari suatu vektor,yaitu vektor itu sendiri R(I ) = V. Karena satu-satunya vektor yang dipetakan I ke 0 adalah 0 ker(i ) = {0}. SIFAT TRANSFORMASI LINIER Jika T:V W adalah trasnformasi linier, maka T(0) = 0 T(-v) = -T(v) untuk semua v di V T(v-w) = T(v) T(w) untuk semua v dan w di V

RANK DAN NULITAS Jika T:V W adalah transformasi linier, maka dimensi jangkauan dari T dinamakan rank T, dan dimensi kernel dinamakan nulitas T Jika T:V W adalah trasnformasi linier, maka 6.KESERUPAAN Kernel dari T adalah sub-ruang dari V Jangkauan dari T adalah subruang dari W Jika L adalah transpormasi linieryang memetakkan rung vektor V berdmensi n kedalam dirinya sndri, maka lambang matriks dari L akan bergantung pada basis terurut yang diplih untuk p. Dengan menggunakan basis basis yang berbeda, maka di mugkinkan untuk melambangkan l dengan matriks matriks n x n yang berbeda. Kita mulai dengan meninjau satu contoh di dalam R. misalkan L adalah transpormasi linieryang memetakan R kedalam dirinya sendiri yang di definisikan oleh L (x) = (x, x + x ) r Karena L(e ) = ( ) dan L(e ) = ( 0 ) Maka lambang matrik dari L relatif terhadap { e, e } adalah A = ( 0 ) Jika kita menggunaka basis yang berbeda utk R, lambang matriks dari L akan berubah sebagai conyoh kita akan mengguakan u = ( ) dan u = ( ) untuk sebuah basis maka untuk menetukan lambang matriks dari L relaatif terhadap [u, u ], kita harus menentukan L(u ), L (u ) dan menuskan vektor vektor in sebagai kombinasi linier dari u dan u. Kita dapat menggunakan matrks A ntuk menentukan L(u ), L (u ). L(u ) = Au = ( 0 ) ( ) = ( )

L(u ) = Au = ( 0 ) ( ) = ( 0 ) Untuk menyataakan vektor-vektor ini dalam u dan u, kita menggunakan matriks transisi untuk mengubah basis terurt [e, e] menjadi [u, u ], Marilah kita hitung matriks transisi dari [u, u ], ke V [ e, e] sederhana dapat di lihat di bawah ini U = (u + u ) = ( ) Matriks transisi dari [e, e] ke [u, u ] jadi U = [ ] untuk menentukan koordinat-koordinat dari L(u ) dan L (u ) relatif terhadap [u, u ] kalikan vektor-vektor ini dengan U L(u ) = U Au = [ L(u ) = U Au = [ ] = ( 0 ) ] 0 = ( )

Daftar Pustaka. http://downloads.ziddu.com/downloadfiles/783855/transformasi_linier_a.pdf. http://downloads.ziddu.com/downloadfiles/783853/transformasi_linier_b.pdf 3. http://personal.fmipa.itb.ac.id/novriana/files/00/09/6-transformasi-linier-dan-matriks.pdf 4. http://lovesthi.wordpress.com/009/09//contoh-program-oopjdbc-dan- servletjsp/#respond