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 V dikawankan dengan vektor tunggal w 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 V , maka vektor f(u) 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 V dan semua skalar k 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 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
28
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) W v 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 V yang dipetakan ke vektor nol oleh f. Kernel dari f ini dituliskan ker (f). Jadi, ker (f) = { v 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
29
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: Rp Rp 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 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 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: Kq Kp yang didefinisikan dengan a(x) = Ax untuk semua x Kq. Dalam pemetaan ini: dom (a) = Kq, im (a) = { y Kp Ax = y), ker (a) = { x Kq Ax = 0}. Dim ( dom (a)) = dim (Kq) = 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
30
jika y 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 im (a) dan tidak ada solusi jika y im (a);
(ii)
Jika rank (A) = p = Dim Kp 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 im (a) atau tidak ada solusi jika y im (a);
Kasus 2: Banyak persamaan melebihi banyak variabel: p > q. (i)
Jika rank (A) < q < p = im (a) Kp. 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) = 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);
Kasus 3: Banyak persamaan sama dengan banyak variabel: p = q. (i)
Jika rank (A) = q = p im (A) = Kp. Dari sisi lain nulitas (a) = q – rank (A) = 0. Jadi terdapat solusi tunggal jika y im (a);
(ii)
Jika rank (A) < p = q im (A) Kp. Dari sisi lain nulitas (a) = q – rank (A) > 0 a singular. Jadi, ada banyak solusi jika y im (a) dan tidak ada solusi jika y im (a);
5. Transformasi linear/heri/6/8/2010/9:19:48 AM
31
F. INVERSE 1. Definisi-1. Pemetaan f: V W adalah invertibel (terbalikkan) jika untuk setiap vektor w W terdapat dengan tunggal vektor v 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 w W ke unsur tunggal vektor v 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 Kp Kp 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) = v dengan suatu skalar dan v ≠ 0, maka v disebut suatu vektor eigen dari f, dan 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 V. 3. Suatu skalar adalah nilai eigen dari pemetaan linear f: V V jika dan hanya jika pemetaan f - i: 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
32
ker (f - i) adalah vektor-vektor eigen yang terkait dengan nilai eigen
. 4. Jika adalah suatu nilai eigen dari pemetaan linear f: V V, maka himpunan vektor eigen yang terkait dengan , bersama-sama dengan vektor nol, membangun sebuah subruang dari V. Subruang ini disebut ruang eigen yang terkait dengan . 5. Definisi-2. Kerangkapan geometrik dari suatu nilai eigen adalah dimensi ruangruang 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 S , maka f(s) 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: Kn Kn yang didefinisikan dengan a(v) = Av untuk semua v di Kn.
5. Transformasi linear/heri/6/8/2010/9:19:48 AM
33
3. Definisi-3. Bilangan real dikatakan nilai eigen dari matriks A(nxn) atas R jika terdapat vektor v real v ≠ 0 sedemikian sehingga Av = v. Bilangan kompleks dikatakan nilai eigen dari matriks B(nxn) atas C jika terdapat vektor n kompleks v ≠ 0 sedemikian sehingga Bv = v. 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 1, 2, … , n yang berlainan, maka vektor-vektor yang terkait e1, e2, … , en 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 ATA = I. 3. Jika A ortogonal, maka AT juga ortogonal. 4. Jika A adalah matriks ortogonal nxn, maka a). untuk sebarang x vektor n, Ax x ; b). untuk sebarang x dan y vektor n, (Ax)T (Ay) = xTy. 5. Jika S adalah himpunan ortonormal terdiri atas n vektor di Rn, maka terdapatlah suatu matriks A(nxn), dengan kolom-kolom A adalah n vektor di S sedemikian sehingga A mentransformasikan basis pokok ke himpunan S. 5. Transformasi linear/heri/6/8/2010/9:19:48 AM
34
