PERTEMUAN 8 TRANSFORMASI LINIER.

Slides:



Advertisements
Presentasi serupa
Eigen value & Eigen vektor
Advertisements

PERTEMUAN KE-2 Penggunaan Matriks dan Transformasi Linear dalam
Pertemuan 8 Transformasi Linier 4.2 bilqis.
TRANSFORMASI LINIER II
Transformasi Linier.
InversRANK MATRIKS.
Informatika Semester 1. Mahasiswa mampu memahami konsep aljabar linier dan memilih metoda yang tepat untuk menyelesaikan berbagai persoalan aljabar linier.
ALJABAR MATRIKS pertemuan 10 Oleh : L1153 Halim Agung,S.Kom
Bab 5 TRANSFORMASI.
Univ. INDONUSA Esa Unggul INF-226 FEB 2006 Pertemuan 13 Tujuan Instruksional Umum : Sistem Persamaan Linier Tujuan Instruksional Khusus : Mahasiswa mampu.
Transformasi Linier.
RUANG VEKTOR EUCLIDEAN
TRANSFORMASI GEOMETRI.
TRANSFORMASI LINIER.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
TRANSFORMASI LINIER.
Matakuliah : Kalkulus II
NILAI DAN VEKTOR EIGEN.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
RUANG PERKALIAN DALAM.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
BAB X TRANSFORMASI LINIER.
NILAI EIGEN VEKTOR EIGEN
MATEMATIKA Mata Pelajaran Wajib Disusun Oleh: SUPARNO Disklaimer
Pertemuan 2 Alin 2016 Bilqis Determinan, Cramer bilqis.
SISTEM PERSAMAAN LINIER
RUANG VEKTOR BUDI DARMA SETIAWAN.
Ruang Eigen dan Diagonalisasi
RUANG HASIL KALI DALAM Kania Evita Dewi.
ALJABAR LINIER (MATRIKS)
ALJABAR MATRIKS Bila kita mempunyai suatu sistem persamaan linier
Sistem Persamaan Linier dan Matriks Jilid 2
dan Transformasi Linear dalam
TEKNIK KOMPUTASI 4. INVERS MATRIKS (II).
SISTEM PERSAMAAN LINIER
TRANSFORMASI LINIER II
P. XIV RUANG-RUANG VEKTOR EUCLIDEAN
Kelas XII Program IPA Semester 1
Relasi Invers dan Komposisi Relasi
Aljabar Linear Elementer
ALJABAR MATRIKS pertemuan 8 Oleh : L1153 Halim Agung,S.Kom
Lanjutan Ruang Hasil Kali Dalam
Transformasi Linier.
TRANSFORMASI LINIER KANIA EVITA DEWI.
TRANSFORMASI LINIER KANIA EVITA DEWI.
Transformasi (Refleksi).
RUANG VEKTOR BUDI DARMA SETIAWAN.
RUANG VEKTOR BUDI DARMA SETIAWAN.
Core Teknik Informatika Kode MK/SKS : TIF /2
Transformasi Linier.
ALJABAR LINIER DAN MATRIKS
Eigen Value – Eigen Space
Jenis Operasi dan Matriks Pertemuan 01
TRANSFORMASI LINEAR  Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu : Abdul Aziz Saefudin, M.Pd   Disusun oleh : Kelompok 7 Kelas.
Aljabar Linear Elementer
RUANG VEKTOR REAL Kania Evita Dewi.
TRANSFORMASI LINIER Afri Yudamson, S.T., M.Eng..
EIGEN VALUE and EIGEN VECTOR DIAGONALIZATION
Peta Konsep. Peta Konsep A. Komposisi Transformasi.
ULANGAN SELAMAT BEKERJA Mata Pelajaran : Matematika
PERTEMUAN 2 MATRIKS.
SISTEM PERSAMAAN LINIER
PERTEMUAN 7 RUANG N EUCLEDIAN.
Vektor Proyeksi dari
ALJABAR MATRIKS pertemuan 5 (Quiz’s Day) Oleh : L1153 Halim Agung,S
TRANSFORMASI LINIER BUDI DARMA SETIAWAN.
Peta Konsep. Peta Konsep A. Komposisi Transformasi.
BAB 6: TRANSFORMASI LINIER
NILAI EIGEN VEKTOR EIGEN
Bab 1.3 – 1.5 Matriks & Operasinya Matriks invers.
Transcript presentasi:

PERTEMUAN 8 TRANSFORMASI LINIER

TUJUAN INSTRUKSIONAL KHUSUS Setelah menyelesaikan pertemuan ini mahasiswa diharapkan : Dapat mengetahui matriks-matriks yang digunakan untuk transformasi linier Dapat mengetahui aplikasi transformasi linier TRANSFORMASI LINIER

Transformasi Linier TRANSFORMASI LINIER

Pemetaan (mapping) dari himpunan A ke himpunan B Fungsi: Pemetaan (mapping) dari himpunan A ke himpunan B f A B b a Notasi f : A  B Himpunan A disebut DOMAIN(f) Himpunan B disebut CODOMAIN(f) Tiap elemen A dipasangkan dengan (associated with) satu elemen B Himpunan semua elemen b yang punya pasangan di A disebut RANGE(f) Notasi f(a) = b, b disebut bayangan (image) dari a TRANSFORMASI LINIER

f : Rn  Rm disebut transformasi dan ditulis T : Rn  Rm T adalah transformasi linier jika T(u + v) = T(u) + T(v) T(cu) = cT(u) Catatan: u, v vektor-vektor di Ruang-n c adalah skalar T(u + v), T(u), T(v), T(cu), cT(u) vektor-vektor di Ruang-m TRANSFORMASI LINIER

Transformasi T dapat “digantikan” oleh perkalian matrix T : Rn  Rm Transformasi T dapat “digantikan” oleh perkalian matrix (matrix A berukuran m x n) (x1, x2, x3, …, xn)  (w1, w2, …, wm) jika x = (x1, x2, x2, …, xn)T dan w = (w1, w2, …, wm)T maka transformasi dapat “digantikan” dengan persamaan: Ax = w di mana A disebut matriks standar untuk transformasi linier T TRANSFORMASI LINIER

Transformasi nol (zero transformation) dari R3 ke R2 Contoh: Transformasi nol (zero transformation) dari R3 ke R2 Transformasi nol (zero transformation) dari R2 ke R3 Refleksi (lihat Tabel 2 halaman 185) Proyeksi ortogonal (lihat Tabel 4 halaman 187) TRANSFORMASI LINIER

Tabel Pencerminan TRANSFORMASI LINIER

Tabel Pencerminan TRANSFORMASI LINIER

Tabel Proyeksi orthogonal TRANSFORMASI LINIER

Tabel Proyeksi orthogonal TRANSFORMASI LINIER

Tabel Proyeksi orthogonal TRANSFORMASI LINIER

Tabel Proyeksi orthogonal TRANSFORMASI LINIER

Komposisi dua transformasi: u v w T1 T2 T2 ° T1 v = T1(u) w = T2(v) = T2(T1(u)) = ( T2 ° T1 ) (u) TRANSFORMASI LINIER

Komposisi dua transformasi: u v w T1 T2 T2 ° T1 Matriks standar untuk T1 = A1 Matriks standar untuk T2 = A2 Matriks standar untuk T2 ° T1 = (A2)(A1) TRANSFORMASI LINIER

Komposisi dua / lebih transformasi: Tr ° T r-1 ° ……..T2 ° T1 Contoh: u = (–3, 4) T1 refleksi terhadap sumbu-y A1 = -1 0 0 1 T2 proyeksi ortogonal pada sumbu-x A2 = 1 0 0 0 Hasilnya : (3, 0) ? (cek dengan menghitung dan menggambar) TRANSFORMASI LINIER

Komposisi dua / lebih transformasi: Contoh: u = –3 4 T1 refleksi terhadap sumbu-y A1 = -1 0 A1u = v = 3 0 1 4 T2 proyeksi ortogonal pada sumbu-x A2 = 1 0 A2 v = w = 3 0 0 0 A2  A1 = –1 0 (A2  A1 ) u = 3 0 0 0 TRANSFORMASI LINIER