BAB 6: TRANSFORMASI LINIER

Slides:



Advertisements
Presentasi serupa
Eigen value & Eigen vektor
Advertisements

ALJABAR LINIER DAN MATRIKS
Nilai dan Vektor Eigen Selamat datang di Modul 7 dengan judul Nilai dan Vektor Eigen Masalah nilai eigen amat penting dalam matematika dan banyak aplikasinya.
Definisi kombinasi linear
Determinan Trihastuti Agustinah.
NILAI EIGEN DAN VEKTOR EIGEN
INVERS MATRIKS (dengan adjoint)
Bab 3 MATRIKS.
Aljabar Linear Elementer
DETERMINAN 2.1. Definisi   DETERMINAN adalah suatu bilangan ril yang diperoleh dari suatu proses dengan aturan tertentu terhadap matriks bujur sangkar.
MATRIKS DEFINISI MATRIKS :
Aljabar Linear Elementer
Aljabar Linier Pertemuan 1.
BAB III DETERMINAN.
Matriks dan Transformasi Linier
PERMUTASI Merupakan suatu himpunan bilangan bulat {1,2,…,n} yang disusun dalam suatu urutan tanpa penghilangan atau pengulangan. Contoh : {1,2,3} ada 6.
MATRIKS.
Determinan.
NILAI DAN VEKTOR EIGEN.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
BAB 3 DETERMINAN.
MATRIKS.
DETERMINAN Route Gemilang routeterritory.wordpress.com.
BAB VIII RUANG HASILKALI DALAM (lanjutan).
INVERS MATRIKS.
NILAI EIGEN VEKTOR EIGEN
INVERS MATRIKS (dengan adjoint)
MATRIKS DEFINISI MATRIKS :
DETERMINAN.
PERTEMUAN 5 1. MATRIKS 2. METODE ELIMINASI GAUSS 3. METODE ITERASI GAUSS SEIDEL 4. METODE DEKOMPOSISI LU.
Pertemuan 2 Alin 2016 Bilqis Determinan, Cramer bilqis.
Definisi Matriks Matriks adalah susunan segi empat siku-siku dari objek yang diatur berdasarkan baris (row) dan kolom (column). Objek-objek dalam susunan.
Ruang Eigen dan Diagonalisasi
Aljabar Linear Elementer
Aljabar Linier Pertemuan 1.
Matriks Invers (Kebalikan)
MATRIKS DEFINISI MATRIKS :
Determinan Matriks Ordo 3 × 3
dan Transformasi Linear dalam
Aljabar Linear Elementer
Determinan dan Invers Daniel Rudy Kristanto, S.Pd
Aljabar Linear Elementer
NILAI EIGEN DAN VEKTOR EIGEN Definisi :
MATRIKS.
DETERMINAN Pengertian Determinan
Aljabar linear pertemuan II
Kelas XII Program IPA Semester 1
Aljabar Linear Elementer
DIPERSEMBAHKAN OLEH B. GINTING MUNTHE, SPd NIP
Pertemuan 10 INVERS MATRIK.
MATRIKS.
Transformasi Linear Misalkan V dan W adalah ruang vektor, T : V  W
MATRIKS dan DETERMINASI
DETERMINAN MATRIKS.
TRANSFORMASI LINEAR  Disusun untuk Memenuhi Tugas Mata Kuliah Aljabar Linear Dosen Pengampu : Abdul Aziz Saefudin, M.Pd   Disusun oleh : Kelompok 7 Kelas.
MATRIKS Materi - 7 Pengertian Matriks Operasi Matriks
Oleh : Asthirena D. A ( ) Pmtk 5C.
Soal Latihan Pertemuan 13
Pertemuan 11 Matrik III dan Determinan
INVERS MATRIKS.
EIGEN VALUE DAN EIGEN VECTOR
Aljabar Linier Pertemuan 1.
Aljabar Linear Elementer
Aljabar Linear Elementer
Aljabar Linear Elementer
Peta Konsep. Peta Konsep A. Invers Perkalian Matriks Ordo (2 x 2)
NILAI EIGEN DAN VEKTOR EIGEN
DETERMINAN 1.Pengertian Determinan 2.Perhitungan Determinan Matriks Bujur Sangkar 3.Sifat-sifat Determinan 4.Menghitung Determinan Menggunakan Sifat-Sifat.
NILAI EIGEN VEKTOR EIGEN
Determinan dan invers matriks Silabus Determinan dan inves matriks berordo 2x2 Determinan dan invers matriks ber ordo 3x3 Tujuan Pembelajaran Matematika.
Transcript presentasi:

BAB 6: TRANSFORMASI LINIER Pengertian Transformasi Transformasi Vektor Linier Matriks Transformasi Produk Transformasi Transformasi Invers Nilai eigen dan vektor eigen

1. Pengertian Transformasi Misalkan 2 buah himpunan A dan B. Suatu fungsi f : A → B , jika mengaitkan setiap x ϵ A dengan tepat satu y ϵ B . Di mana: a ᶠ 2 b ᶠ 1 c ᶠ 2 f adalah fungsi A → B. Himpunan A adalah domain. Himpunan B adalah kodomain. Selanjutnya digunakan perkataan transformasi sebagai pengganti perkataan fungsi. a b c 1 2

1. Pengertian Transformasi Contoh: Tentukan peta dari [2, -1, 4], jika diketahui suatu transformasi T : R³ → R³ untuk setiap x = [x1 , x2 , x3] ϵ R³ dengan rumus transformasinya sebagai berikut: a) T [x1 , x2 , x3] = [x2 , 2x2 – x1 , x3] b) T [x1 , x2 , x3] = [x1 , x2 + x3 , x1 – x3] c) T [x1 , x2 , x3] = [x3 , x1 + x3 , x1 – x3] d) T [x1 , x2 , x3] = [x1, x2 + x3, x1 + x3] e) T [x1 , x2 , x3] = [x1, x2 + x3, –x3]

2. Transformasi Vektor Linier Transformasi linier banyak dipakai dalam bidang-bidang seperti ekonomi, fisika, keteknikan, dll. Khusus untuk informatika banyak sekali dipakai dalam bidang citra (image). Transformasi vektor linier yaitu pemetaan dari satu ruang vektor ke ruang vektor yang lain yang memenuhi aksioma kelinieran. Aksioma kelinieran yang dimaksud adalah sebagai berikut: Misalkan V dan W adalah ruang vektor, T : V  W dinamakan transformasi linear, jika untuk setiap dan berlaku : Jika V = W maka T dinamakan operator linear

Contoh : Tunjukan bahwa T : R2  R3, dimana merupakan tranformasi linear. Jawab : Ambil unsur sembarang di R2, Misalkan (i) Akan ditunjukan bahwa 10/01/2019 18:09

10/01/2019 18:09

(ii) Ambil unsur sembarang Jadi, T merupakan transformasi linear. 10/01/2019 18:09

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 maka untuk setiap  R berlaku det (A) = 10/01/2019 18:09

(i) Ambil unsur sembarang R^3, Perhatikan bahwa det(A) ≠  det(A) Jadi T bukan transformasi linier. Contoh 3 : Diketahui T : R^3  R^2, dimana a. Apakah T merupakan transformasi linear b. Tentukan Jawab : (i) Ambil unsur sembarang R^3, 10/01/2019 18:09

Sehingga Perhatikan bahwa 10/01/2019 18:09

Ambil unsur sembarang R3, dan   R, sehingga Jadi, T adalah transformasi linear b. 10/01/2019 18:09

Latihan Soal Transformasi Vektor Linier Diketahui rumus Transformasi Vektor sebagai berikut: 1. T : R3  R3 T[x1, x2, x3] = [x2, 2x2 – x1, x3]. 2. T : R3  R3 T[x1, x2, x3] = [2x1 + 3x2 + x3, 3x3 + 2x2 – 3, 2x1 – 2x2]. Apakah rumus transformasi di atas merupakan transformasi vektor linier?, Tunjukkan dengan jelas.

3. Matriks Transformasi Suatu transformasi linear T : Rn  Rm dapat direpresentasikan dalam bentuk :  Amxn dinamakan matriks transformasi dari T. Contoh 1: Misalkan, suatu transformasi linear T : R2  R3 didefinisikan oleh : untuk setiap  V.

Jawab : Perhatikan bahwa Jadi matriks transformasi untuk T : R2  R3 adalah Jika T : Rn  Rm merupakan transformasi linear maka ukuran matriks transformasi adalah m x n 10/01/2019 18:09

Contoh 2: Misalkan, suatu transformasi linear T : R3  R3 didefinisikan oleh rumus transformasi sbb: T[x, y, z] = [y, 2y + x, z] Carilah matriks Transformasi dari [2, 2, 1]! Jawab : Perhatikan bahwa Jadi matriks transformasi dari [2, 2, 1] adalah = matriks transformasi 1 2 x y z 1 2 2 1 2 6 1 10/01/2019 18:09

ST disebut produk transformasi dari S ke T Pandang 2 buah transformasi linier T : Vn  Wr S : Wr  Um dengan matriks transformasi berturut-turut A dan B. Setiap vektor v oleh transformasi T dipetakan menjadi w = Av , kemudian hasilnya w oleh transformasi S dipetakan menjadi u = Bw = B (Av) = (BA) v v w u  V n  W r T S  V n  W r  U m w = Av u = Bw = B (Av) = B A (v) v u : transformasi baru ST dengan matriks transformasi BA ST disebut produk transformasi dari S ke T

Diketahui rumus transformasi sebagai berikut: Contoh : Diketahui rumus transformasi sebagai berikut: T : R3  R3 dengan T[x1, x2, x3] = [x1 + 2x2, x2 + x3, x1] S : R3  R3 dengan S[x1, x2, x3] = [3x2 + x3, x1 + x3, x1 + 2x2 + x3] Tentukan: Matriks transformasi dari T! Matriks transformasi dari S! Matriks transformasi ST! Rumus dari produk transformasi ST! Peta dari [2, 1, 0] oleh matriks transformasi ST! 10/01/2019 18:09

5. Transformasi Invers Pandang 2 buah transformasi linier T : Vn  Wr S : Wr  Vn dengan matriks transformasi berturut-turut A dan B v w v = B.w w = A.v Produk transformasi ST (dengan matriks transformasi BA) : (BA) v = B (Av) = B . w = v = I . v , ( I : matriks Identitas) Produk transformasi TS (dengan matriks transformasi AB) : (AB) w = A (Bw) = A . v = w = I . w , ( I : matriks Identitas) T  V n  W r S

Dituliskan: S = T ˉ¹ atau T = Sˉ¹ B = Aˉ¹ atau A = B ˉ¹ Contoh: Bila A dan B matriks-matriks transformasi dari transformasi linier T dan S dimana berlaku BA = AB = I, maka dikatakan S adalah transformasi invers dari T dan sebaliknya T adalah transformasi invers dari S. Dituliskan: S = T ˉ¹ atau T = Sˉ¹ B = Aˉ¹ atau A = B ˉ¹ Contoh: Carilah vektor v jika diketahui vektor w = [-2, 2, 3] adalah peta dari v oleh transformasi T dengan matriks transformasi A = 1 2

6. Nilai Eigen dan Vektor Eigen Definisi : Misalkan Anxn matriks matriks persegi, adalah vektor tak nol di Rn dan λ adalah skalar Rill sehingga memenuhi : maka λ dinamakan nilai eigen dari A, sedangkan dinamakan vektor eigen dari A .

Contoh : A = dan , maka Nilai eigen 5 10 Vektor eigen 10/01/2019 18:09

Perhatikan !!! Ingat…. merupakan vektor tak nol Ini Berarti Persamaan Karakteristik 10/01/2019 18:09

Tentukan nilai eigen dari matriks Contoh : Tentukan nilai eigen dari matriks Persamaan Karakteristik det (A – λI) = 0 10/01/2019 18:09

Dengan ekspansi kofaktor sepanjang kolom ke-2 (1− λ) ( (1−λ) (−λ) − 2 ) = 0 (1 − λ) ( λ² − λ − 2) = 0 (1 − λ) ( λ − 2) ( λ + 1) = 0 Jadi, matriks A memiliki tiga buah nilai eigen yaitu : λ = −1, λ = 1, dan λ = 2. Contoh : Tentukan Nilai eigen dari : 10/01/2019 18:09

Nilai eigen dari A diperoleh saat Jawab : Nilai eigen dari A diperoleh saat   (λ – 2){( λ – 2)2 –1} + (–λ +1) – (1+( λ–2)) = 0  (λ – 2){ λ2 – 4 λ + 3} – (λ – 1) – (λ – 1) = 0  (λ – 2){( λ – 3)( λ – 1 )} – 2 (λ – 1) = 0  (λ – 1)(( λ – 2)( λ – 3) – 2) = 0  (λ – 1)( λ2 – 5 λ + 4) = 0  (λ – 1)2( λ – 4) = 0 10/01/2019 18:09

Tentukan nilai eigen dan vektor eigen Contoh : Tentukan nilai eigen dan vektor eigen Persamaan Karakteristiknya adalah      10/01/2019 18:09

Jadi vektor eigen yang bersesuaian dengan Untuk Jadi vektor eigen yang bersesuaian dengan adalah vektor tak nol yang berbentuk , dimana t merupakan parameter. 10/01/2019 18:09

Jadi vektor eigen yang bersesuaian dengan Untuk Jadi vektor eigen yang bersesuaian dengan adalah vektor tak nol yang berbentuk , dimana t merupakan parameter 10/01/2019 18:09

Tentukan nilai eigen dan vektor eigen matriks Contoh : Tentukan nilai eigen dan vektor eigen matriks Jawab : Persamaan karakteristik dari matriks A adalah : atau 10/01/2019 18:09

Dengan menggunakan ekspansi kofaktor : Pilih Baris I Sehingga diperoleh nilai eigen 10/01/2019 18:09

, dimana t adalah parameter tak nol Untuk Dengan OBE maka , dimana t adalah parameter tak nol Jadi vektor eigen yang bersesuaian dengan adalah 10/01/2019 18:09

, dimana t adalah parameter tak nol Untuk Dengan OBE maka , dimana t adalah parameter tak nol Jadi vektor eigen yang bersesuaian dengan adalah 10/01/2019 18:09

, dimana t adalah parameter tak nol Untuk Dengan OBE maka , dimana t adalah parameter tak nol Jadi vektor eigen yang bersesuaian dengan adalah 10/01/2019 18:09

TERIMA KASIH