KONTROL OPTIMUM

LINEARISASI DAN MODEL STATE SPACE

Oleh :
PAMONA DWIRAHAYU (J1A112011)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM STUDI S1 MATEMATIKA
BANJARBARU
2016

BAB I
PENDAHULUAN
1.1

LATAR BELAKANG
Matematika berasal dari bahasa latin "mathematika" yang mulanya diambil

dari bahasa yunani "mathematike" yang berarti mempelajari. Banyak yang

beranggapan bahwa matematika adalah sesuatu yang rumit. Padahal seringkali
Matematika kita jumpai di dalam kehidupan sehari-hari. Banyak masalah dalam
kehidupan sehari-hari dapat dinyatakan dalam sistem persamaan. Sebelum
menyelesaikan suatu permasalahan, terlebih dahulu permasalahan tersebut diubah
menjadi model matematika yang membuat sistem persamaan linier.
Masalah yang dijumpai dalam kehidupan sehari-hari dapat dimodelkan dalam
bentuk model Matematika, yaitu bentuk persamaan linear dan persamaan nonlinear.
Sebagian besar model matematika yang muncul berbentuk non linear. Untuk
mendapatkan solusi masalah yang berbentuk sistem non linear tidaklah mudah.
Namun demikian, hal ini tidak menjadi masalah karena bentuk model matematika
khususnya yang berbentuk sistem persamaan diferensial non linear dapat dilihat
perilaku solusinya melalui sistem persamaan diferensial linear dengan syarat bagian
real akar karakteristik tidak nol. Linearisasi dilakukan untuk mendapatkan sistem
linear dari sistem non linear.
State space (ruang keadaan) adalah ruang n dimensi yang sumbu koordinatnya
sumbu x1, sumbu x2, , sumbu xn. Suatu keadaan dapat dinyatakan dengan satu titik
dalam ruang keadaan. Representasi state space dari suatu sistem merupakan suatu
konsep dasar dalam teori kontrol modern. Model state space dapat mengatasi
keterbatasan dari teori kontrol konvensional dalam meramalkan perilaku dinamis dari
suatu sistem yang kompleks. Analisa state space dapat diterapkan pada suatu sistem
multi input-multi output, yang mungkin linear ataupun nonlinear, parameter
konstan(time-invariant) ataupun parameter berubah. Oleh karena itu penulis tertarik
mengangkat judul Linierisasi dan Model State Space.

1.2
RUMUSAN MASALAH
Rumusan masalah pada makalah ini adalah :
1. Bagaimana penyelesaian dari sistem persamaan linear?
2. Bagaimana penyelesaian dari sistem persamaan nonlinear?
3. Bagaimana bentuk model dan solusi dari model state space?
4. Bagaimana cara penyelesaian dari soal model state space?
1.3
1.
2.
3.
4.

TUJUAN
Tujuan dari pembuatan makalah ini adalah
Untuk mengetahui penyelesaian dari sistem persamaan linear.
Untuk mengetahui penyelesaian dari sistem persamaan nonlinear.
Mengetahui bentuk model dan solusi dari model state space
Mengetahui cara penyelesaian dari soal model state space

1.4

MANFAAT
Manfaat dari makalah ini adalah
1. untuk menambah wawasan dalam linearisasi sistem persamaan nonlinear dan
penyelesaian dari persamaan linear.
2. Menambah pengetahuan tentang model state space dan penyelesaian soal model
state space .

BAB II
ISI DAN PEMBAHASAN
4.1 PERSAMAAN LINIER
Suatu persamaan linier yang mengandung n peubah
dinyatakan dalam bentuk :

x1 , x2 , , xn

a1 x1 +a2 x 2 ++a n x n=b

dengan

a1 , a2 , , an ,b

adalah konstanta riil. Dalam hal ini peubah yang dimaksud

bukan fungsi trigonometri, fungsi logaritma atau fungsi eksponensial. Namun, apabila
diketahui sistem persamaan linier dengan m buah persamaan linier dan n
peubah maka bentuk umumnya sebagai berikut :
a11 x 1+ a12 x 2 ++ a1 n x n=b 1
a21 x 1 +a 22 x2 + + a2 n xn =b2

am 1 x 1+ am 2 x 2 ++ amn x n=bm
Sistem persamaan linier di atas dapat ditulis dalam bentuk matriks yaitu :
A x =b

][ ] [ ]

b1
a11 a12 a1 n x 1
a21 a22 a2 n x 2 = b 2

bm
am 1 a m 2 amn x m

Untuk menyelesaikan persamaan linier tersebut dilakukan eliminasi menggunakan

metode eliminasi Gauss-Jordan.
Prosedur umum untuk metode eliminasi Gauss-Jordan adalah :
a. Ubah sistem persamaan linier yang ingin dihitung menjadi matriks augmentasi.

b. Lakukan operasi baris elementer pada matriks augmentasi [ A b ] untuk

mengubah matriks A menjadi dalam bentuk baris eselon yang tereduksi.

Contoh sistem persamaan linier dengan tiga (3) peubah :

x+ 2 y z=6
x+ 3 y +2 z=9

2 x + y +2 z=12
Penyelesaian :
1. Ubah sistem persamaan linier di atas menjadi matriks augmentasi :
1 2 1 6
1 3 2 9
2 1 2 12

[
[
[
[
[
[

2. Baris kedua dikurangi baris ke satu

1 2 1 6
0 1 1 3
2 1 2 1

3. Baris ketiga dikurangi 2 kali baris ke satu

1 2 1 6
0 1 1 3
0 3 0 0

4. Baris ke tiga ditambah 3 kali baris kedua

1 1 1 6
0 1 1 3
0 0 3 9

]
]
]

5. Baris ketiga dibagi 3

1 1 1 6
0 1 1 3
0 0 1 3
6. Baris pertama dikurangi baris kedua dan baris kedua dikurangi baris ketiga
1 0 0 3
0 1 0 0
0 0 1 3

Setelah langkah ke-6 maka matriks ini telah dalam bentuk baris eselon tereduksi. Dari
matriks terakhir ini dapat disimpulkan bahwa nilai x=3 , y=0 dan z=3.

4.2 PERSAMAAN NONLINIER

Pendekatan linier dari sistem nonlinear, untuk memperoleh model matematik
yang linier dari suatu sistem nonlinier, dianggap bahwa variable hanya
mengalamideviasi yang kecil dari titik kerjanya. Tinjau suatu sistem yang
mempunyai masukan x(t) dan keluaran y(t). Hubungan antara y(t) dan x(t) diberikan
oleh :
y = f(x)

Jika kondisi kerja normal dinyatakan dengan

, dan

, maka persamaan di

atas dapat diuraikan menjadi deret Taylor di sekitar titik kerja, sebagai berikut:
y = f(x)
1 df
df
( x x ) 2 ....
(x
2 ! dx
x
x
dx
= f( ) +
- )+

Dimana turunan-turunan

variasi x -

df
dx ,

d f
x
2 , .... , dihitung pada x =
. JIka
dx

adalah kecil, dengan mengabaikan suku-suku (x- ) berorde tinggi.

Selanjutnya persamaan dapat ditulis dengan lebih sederhana, berikut:

y

y=
y

dimana

+K(x-

x
= f ( ) dan

K=

df
dx

x
untuk x =

Persaman di atas dapat diubah menjadi, berikut:

y - y = K ( x -

x )

yang menunjukkan bahwa y -

sebanding dengan x -

; persamaan ini akan

memberikan suatu model matematik linier dari sistem nonlinier yang diberikan
persamaan sebalumnya melalui pendekatan deret Taylor.
Selanjutnya, tinjau suatu sistem yang keluarannya, y, merupakan fungsi dari
dua buah masukan x1 dan x2, sedemikian rupa sehingga berlaku:
y = f (x1, x2)
Analog, dengan cara yang sama seperti diatas akan diperoleh hasil model
linier, sebagai berikut:
yy

dimana,

=f(

y = K ( x 1
1

x 1
untuk x1 =

df
dx 2

K2 =

) + K2 (x2 -

x 2

x1 x 2
, )

df
dx1

K1 =

x 1

x 2
dan x2 =

x 1
untuk x1 =

x 2
dan x2 =

Untuk mempelajari perilaku sistem dinamik non linear dilakukan melalui

linearisasi di sekitar titik ekuilibrium. Diberikan sistem
dx
= f ( x, y )
dt
dy
= g ( x, y )
dt

(1)
( a, b); f ( a, b) = g (a, b) = 0

dengan titik ekuilibrium

. Pendekatan linear fungsi

f(x,y) di sekitar (a,b) diperoleh dengan menderetkan fungsi f(x,y) sebagai berikut
f
f
f ( x , y ) f ( a , b )+ ( a , b )( xa )+ ( a ,b )( y b ) +Q f
x
y

(2)

Sedangkan Deret Taylor fungsi g(x,y) di sekitar (a,b) adalah

g
g
g ( x , y ) g ( a , b )+ ( a ,b )( xa ) + ( a , b ) ( yb )+Q g
x
y
Qf

dengan

(3)

Qg

dan

suku-suku non linear yang selanjutnya dapat dihilangkan.

Dari (1) dan (2) diperoleh pendekatan linear untuk Sistem (1), yakni
dx f
f
= ( a , b ) ( xa )+ ( a ,b )( y b )
dt x
y
dy g
g
= ( a , b ) ( x a ) + ( a , b ) ( yb )
dt x
y

(4)

Persamaan (4) dapat dituliskan sebagai matriks

dx
dt
=
dy
dt

f
(a , b)
x
g
(a , b )
x

Substitusi

)(

f
( a , b)
( x a )
y
g
( a , b ) ( yb )
x

u = x- a

(5)

v = y- b

dan

diperoleh persamaan yang lebih

sederhana, yaitu

du
dt
=
dv
dt

f
(a , b )
x
g
( a ,b )
x

f
(a , b)
x
J
=
dengan
g
(a , b)
x
pada titik (a,b).

)( )

f
( a , b)
y
u
g
v
( a , b)
x

f
( a ,b )
y
g
( a , b)
x

(6)

dikenal sebagai matriks Jacobian Sistem (1)

x = ( x1 , x2 ,..., xn )
Diberikan

variabel bebas dan u merupakan fungsi yang

x1 , x2 ,..., xn

bergantung pada variabel

. Sistem persamaan dua variabel orde satu

berbentuk sebagai berikut:

u1 u1

f1 (u)
x t
u2 u2

f 2 (u)
x
t

(7)

un un

f n (u)
x
t

u = (u1 , u2 ,..., un )
dengan

u0 = (u01 , u02 ,..., u0 n )

dan nilai awal

u ( x,t ) = u ( u 0 , x, t )

u 0 = u ( x, t 0 )
(7) dengan nilai awal

. Solusi Sistem

dinyatakan sebagai

u* x

Vektor

u* x

disebut distribusi umur steady state Sistem (7), jika

memenuhi Sistem berikut.

du1* ( x)
f1[u* x ]
dx

du2* ( x)
f 2 [u* x ]
dx
:

dun* ( x )
f n [u* x ]
dx

(8)

u* (0) u*0

Andaikan Sistem (8) dengan nilai awal yang diberikan misal

u* x

memiliki solusi

, kestabilan distribusi umur steady state tersebut dapat

diselidiki dengan melakukan linearisasi Sistem (7).

Selanjutnya, linearisasi sistem persamaan di sekitar kondisi steady state
u* ( x) [u1* ( x), u2* ( x)]

sebagai berikut. Diperhatikan dua persamaan awal pada

Sistem (7), yakni
u1 u1

f1 (u1 , u2 )
x t
u2 u2

f 2 (u1 , u2 )
x
t

(9)

Diberikan transformasi
v ( x, t ) [v1 ( x, t ), v2 ( x , t )] [u1 ( x, t ) u1* ( x ), u2 ( x, t ) u2* ( x )]

Dengan

mengambil deret Taylor f1 dan f2 Sistem (10), diperoleh

v1 v1
f
f

f1 (u* ) 1 (u* )[u1 u1* ] 1 (u* )[u2 u2* ] 1

x t
u1
u2
,

f1 *
f
(u )v1 1 (u* )v2
u1
u2
,

v2 v2
f
f

f 2 (u* ) 2 (u* )[u1 u1* ] 2 (u* )[u2 u2* ] 2

x t
u1
u2

f 2 *
f
(u )v1 2 (u* )v2
u1
u2
,

1 , 2
dengan

suku suku non linear sehingga dapat diabaikan. Hasil

linearisasi Sistem (9), yakni

v1 v1 f1 *
f

(u )v1 1 (u* )v2

x t u1
u2

4.3 MODEL STATE SPACE

Untuk sistem yang linear time-invariant, bentuk state space-nya digambarkan
dalam persamaan state: proses yang stasioner apabila sistem ini merupakan sistem
yang linear timeinvariant. Untuk sistem yang linear time-invariant, bentuk state
space-nya digambarkan dalam persamaan state:
Y t +1= AY t +GX t+1

Dan persamaan outputnya:

Z t =HY t
Di mana:
Yt : vektor state dengan order k
A : matriks transisi k k
G : matriks input k n
Xt : vektor input pada sistem n 1
Zt : vektor output m 1
H : matriks observasi atau output m k
Secara umum persamaan ruang keadaan sistem dinyatakan dalam bentuk
berikut:
x =

dx (t)
=f (x , u , t) .... (1)
dt

dengan x adalah variabel keadaan, u menandai input sistem, dan t menyatakan

variabel waktu. Sebagai catatan,

x - dibaca x dot - adalah simbol yang lazim

digunakan untuk menandai turunan pertama dari variabel keadaan. Sementara itu,
apabila dilibatkan pernyataan output sistem berikut
y (t )=g ( x , u , t) ....(2)
maka persamaan (1)-(2) membentuk dinamika sistem. Untuk sistem linier tak
bergantung waktu (linear time invariant), persamaan 1 biasanya berbentuk :
x = Ax+ Bu ....(3)

dengan A dan B berbentuk matriks berdimensi sesuai dengan variabel keadaan

dan inputnya, serta persamaan (2) berbentuk :
y=Cx+ Du ....(4)
Dalam beberapa literatur, A sering disebut sebagai matriks keadaan (state
matrix) atau matriks sistem, B disebut matriks input, C dinamai matriks output, D
adalah matriks transmisi langsung (direct transmission matrix). Kadang-kadang
sistem ruang keadaan dinyatakan dengan (A, B, C, D).
. Pemodelan ruang keadaan tidak memerlukan transformasi peubah, tetap
disusun dalam kawasan (time-domain). Alat matematika yang digunakan adalah
aljabar matriks (linier algebra). Model ruang keadaan adalah model sistem berbasis
matriks. Bentuk umum model ruang keadaan.
u(t)

SISTEM

y(t)

Sistem dengan isyarat masukan u(t) dan isyarat keluaran y(t) dinyatakan dengan
dua persamaan :

= AX +BU
Persamaankeadaan : X
Persamaan Kelua ran : Y =CX+ DU

Dengan bagan kotak :

Gambar 4.4 Diagram kotak ruang keadaan

u = isyarat masukan u(t) : merupakan vector kolom : m buah isyarat masukan.

[]

u1 ( t )
u2 ( t )
u3 ( t )
[ m x ]= .
.
.
um (t)

y = isyarat keluaran y(t) : merupakan vektor kolom : k buah isyarat keluaran.

[]

y1 ( t )
y2 ( t )
y (t )
[ k x ] = 3.
.
.
y k (t)

x = peubah keadaan (state variable) : merupakan vector kolom : n buah peubah

keadaan yang menemukan dinamik dari sistem yang di modelkan.

[]

x 1 (t )
x2 ( t )
x3 ( t )
[ x ]= .
.
.
x n( t)

x =

dx( t)
dt

= vector kolom [nx] =

[]
dx 1
dt
dx 2
dt
.
.
.
dxn(t)
dt

dx
x
= lim
dt t 0 t
Matriks matriks A,B,C dan D harus tertentu dimensinya sesuai
dengan dimensi vector u, x dan y agar operasi perkalian /penjumlahan dalam

persamaan keadaan dan persamaan keluaran sahih (valid) mengikuti kaidah-kaidah

aljabar linier.
x

= AX + BU

y = CX + DU
Untuk diagram blok berikut

fungsi transfer sistem dituliskan sebagai

G ( s )=

Y ( s)
Y ( s )=G ( s ) U (s)
U ( s)

Perhatikan sistem ruang keadaan berikut

x = Ax+ Bu

y=Cx+ Du
Transformasi Laplace untuk sistem tersebut berbentuk
sX ( s ) x ( 0 )=AX ( s ) + BU ( s )
Y ( s )=CX ( s ) + DU (s)
Dengan definisi fungsi transfer, yaitu kondisi mula sistem dianggap nol,
didapat bentuk

( sl A ) X ( s )=BU ( s ) X ( s ) =( slA )1 BU ( s )

Y (s)=CX (s)+ DU ( s)

dengan I adalah matriks satuan (unit matrix) dan (sI - A)-1 menandai inversi dari
(sI A). Substitusi X(s) ke persamaan Y(s) didapat
Y ( s )=[ C ( sl A )1 B+ D ] U (s )
Dengan demikian, fungsi transfer sistem berbentuk
G ( s )=C(slA )1 B + D
Berikut ini akan dibahas salah satu cara mengubah model Nisbah Alih menjadi
model Ruang Keadaan yaitu yang menghasilkan bentuk khusus matriks A yang
disebut bentuk Jordan Companion.
Misalkan ada model Nisbah-Alih dari suatu sistem :

m1

C (S) bm S +b m1 S ++ b1 S+ b0
G ( S )=
=
R (S) an S n +a n1 S n1 ++a 1 ( S ) +a 0
Kasus m < n
C(S) = isyarat keluaran = c(t)
R(S) = isyarat keluaran = r(t)
Selanjutnya dibangkitkan isyarat sembarang x(t) =

L1 X (S)

( m S +bm 1 S

b
++b 1 S+b 0) X (S)

m1

( an Sn +a n1 Sn1 ++ a1 ( S ) +a 0 ) X (S)
C( S)
=
R( S)

Jika C(S) : ( m S + bm1 S

Maka R(S):

( an S + an1 S

m1

n1

b
++b 1 S+b 0) X ( S) .()

++ a1 ( S )+ a0 ) X ( S ) .

Dengan asumsi keadaan awal = nol, maka inverse transformasi Laplace akan
menghasilkan :
dn x (t)
d n1 x(t )
d n2 x (t )
dx ( t )
r ( t ) =an
+ an1
+ an2
++ a1
+a0 x (t)
n
n1
n2
dt
dt
dt
dt
Untuk memenuhi bentuk umum model ruang keadaan, maka tetapkan :
r(t) u

x(t)

x 1 x1

dx1 (t ) dx (t )
=
x2
dt
dt

dx d 2 x ( t )
dx(t)
x 2 x2= 2 =
x3
dt
dt
dt 2
dx d 3 x ( t )
d 2 x (t)
x3 x3= 3 =
x4
dt
dt
dt 3

n2

x (t)

dt n2

dx n1 d n1 x ( t )
x n1 x n1
=
=
xn
dt
dt n1

dxn (t ) d n x ( t )
d n1 x (t)
x n xn =
=
dt
dt n1
dt n
n
n1
a dx ( t ) a0
d x (t) an1 d x ( t ) an2 d n2
1
=

1
x ( t )+ u
n
n1
n2
a
a
a
dt
a
a
dt
dt
n
n dt
n
n
n

x =

a 0
a
a
a
1
x 1 1 x 2 n2 x n1 n1 x n + u
an
an
an
an
an

Persamaan keadaan

[ ][

][ ] [ ]

01 0 0 0
0
x1
x1
0
01
0

0
0
x2
x
2
0 0 01 0
0
x3
x3
.
.
.
x = . =
+
.
.
.
.
.
.
.
.
0 0 0 1
0

xn1
a 0 a 1
an2 an1 xn1 1
..

xn

xn
an
an
an
an
n

Dari persamaan (*)

C(S) : ( m S + bm1 S

b
++b 1 S+b 0) X ( S)

m1

dengan asumsi yang sama dengan sebelumnya :

c (t )=bm

dm x (t)
d m1 x (t)
dx ( t )
+b
++b 1
+ b0 x (t )
m 1
m
m 1
dt
dt
dt

Dengan ketetapan yang sama dengan sebelumnya

c (t ) y y =bm x m+1 +b m1 x m +b m2 x m1 ++b 1 x 2+ b0 b1

[]

x1
x2
x3
y=[ bo b 1 b 2 bm1bm 0 ] + [ 0 ] u
xm
xm+1
xn

4.3.1 contoh soal state space

berikut ini adalah contoh soal state space dari berbagai bidang
contoh 1:
model state space ditampilkan sebagai berikut. Dengan input

Freebody Diagram

dan output

Equation

Diatas adalah tiga penyimpan energi, jadi kita memiliki tiga persamaan state
space.energi disimpan sebagai energi potensial didalam pegas (Kr1) dan energi
kinetik di dua flywheels (J11, J22). Jadi kita memiliki persamaan variabel
state

Sekarang kita memerlukan persamaan untuk diturunkan. Persamaan dari diagram

free-body menghasilkan:

atau

Dengan input u= a, dan output y=1.

Contoh 2
Diberikan suatu model state space. Dengan input ia dan output e2.

Diatas terdapat 3 penyimpanan energi, dan kita mengharapkan 3 persamaan

satate. Coba pilih i1, i2 dan e1 sebagai variabel state. Dan sekarang kita memerlukan
turunanya. Tegangan induktor L2 adalah e1 (yang merupakan salah satu variabel
state)

Persamaan variabel state pertama adalah

Jika kita jumlahkan arus ke node berlabel n1 kita akan mendapatkan

Persamaan ini mempunyai input(ia) dan 2 variabel state (iL2 and iL1) dan saat
ini melalui kapasitor. Jadi kita mendapatkan persamaa state kedua

Dan terakhir, persamaan state yang kita dapatkan untuk tegangan di L1 (yang e2)
didalam variabel state yang lain.

Kita juga memerlukan persamaan uotput:

Jad representasi dari state space kita menjadi:

Contoh 3:
Diberikan suatu model state space. Dengan input

fa

dan output

Kita dapat menuliskan persamaan free body untuk sistem saat x dan y

Freebody Diagram

Equation

Diatas terdapat tiga penyimpanan energi, jadi kita dapat tiga persamaan state.
k
k
Penyimpanan energi adalah pegas, 2 , dan massa adalah pegas 1 . Kita pilih
variabel state x (energi di pegas
m massa adalah m v
y(energi di pegas

k1

k2

adalah k2x), kecepatan di x(energi dalam

dimana v adalah penurunan pertama dari x) dan

adalah k1(y-x), jadi kita pilih y-x sebagai variabel state,

tapi kita hanya akan menggunakan y ( karena x sudah variabel state) maka kita
akan memiliki variabel state yaitu:

Sekarang kita menginginkan persamaan untuk penurunan. Persamaan dari diagram

free body adalah

atau

Dengan input u=fa.

Contoh 4:
Dibetikan persamaan sistem:
m y +b y + ky=u
Definisikan variabel state:
x 1 ( t )= y ( y )
x 2 ( t )= y ( y )
Sehingga diperoleh
x 1=x 2

x 2=

1
1
(ky b y ) + u
m
m

Sehingga persamaan output:

y=x 1

Persamaan state dalam bentuk vektor:

[][

0
x 1
= k
x 2
m

][ ] [ ]

1 x
0
1
+ 1 u
b
x2
m
m

Persamaan output dalam bentuk vektor:

y=[ 0 1 ]

[]
x1
x2

Sehingga:

0
A= k
m

1
b
m

Blog diagram sistem:

[]

0
B= 1
m

C=[ 0 1 ]

D=0

BAB III
PENUTUP
3.1 KESIMPULAN
Adapun kesimpulan dari makalah ini sebagai berikut:

1. untuk memperoleh model matematik yang linier dari suatu sistem nonlinear, maka
model persamaan nonlinear harus dilinearisasi dengan menggunakan bantuan deret
taylor dan juga matriks jacobian. Adapun bentuk persamaan setelah dilinearisasi
adalah sebagai berikut:

v1 v1 f1 *
f

(u )v1 1 (u* )v2

x t u1
u 2

2. model persamaan linear memiliki bentuk

a1 x1 + a2 x 2 ++a n x n=b
Dan dapat pula diselesaikan dengan menggunakan metode gaussjordan. Dengan mengubah persamaan linier menjadi matriks augmentasi.
Kemudian lakukan operasi baris elementer untuk mengubah matriks
augmentasi ke bentuk baris eselon yang tereduksi
3. bentuk umum dari model state space adalah

x =

dx ( t )
=f ( x ,u , t )
dt

x = Ax+ Bu

Dan outputnya adalah

y (t )=g ( x , u , t)
y (t )=Cx + Du
Untuk menyelesaikan model state space, bentuk dulu transformasi laplace
sedemikian rupa sehingga didapatkan penyelesaiannya dalam bentuk matriks

[ ][

][ ] [ ]

01 0 0 0
0
x1
x1
0 01 0 0
0
x2
x2
0
0
01

0
0
x3
x3
.
.
. + .
x = . =
.
.
.
.
.
.
.
0 0 0 1
0

xn1
a 0 a 1
an2 an1 xn1 1
..

xn

xn
an
an
an
an
n

[]

x1
x2
x3
y=[ bo b 1 b 2 bm1bm 0 ] + [ 0 ] u
xm
xm+1
xn
3.2

SARAN
Adapun saran untuk pembaca adalah mencari referensi lain terkait

penyelesaian sistem persamaan linier selain dengan metode gauss-jordan

dan juga penyelesaian dari linearisasi dari persamaan sistem nonlinear.
Dan juga mencari referensi lain terkait model space state.

DAFTAR PUSTAKA

Anonim. Sistem persamaan linear. 2012

http://ocw.stikom.edu/course/download/2012/10/Sistem-Persamaan-Linier.pdf
Diakses pada tanggal 5 november 2016
Anonim. Model State Space.

a-research.upi.edu/operator/upload/s_mat_060849_chapter3.pdf

Diakses pada tanggal 5 november 2016

Anonim. State space representations of linear physical systems
http://lpsa.swarthmore.edu/Representations/SysRepSS.html
Diakses pada tanggal 5 november 2016
Brauer F., dkk, Mathematical Epidemiology, 2008, Springer-Verlag, Berlin-

Heidelberg- New York

Lestari, dewi. Linearisasi sistem persamaan diferensial parsial pada model
epidemi sir berdasarkan kelompok umur. 2012.

https://www.google.co.id/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&uact=8&ved=0ahUKE
wiQ_pi66JjQAhXKPo8KHWzpArgQFgggMAE&url=http%3A%2F
%2Fseminar.uny.ac.id%2Fsemnasmipa%2Fsites
%2Fseminar.uny.ac.id.semnasmipa%2Ffiles%2Fpaper%2FMatematika%2FDwi
%2520Lestari-makalah%2520semnas%2520MIPA-UNY
%25202012.docx&usg=AFQjCNFN7BpXN8ObPAA9W9UMBIttVYsNg&sig2=BuaKlgEUubkP5djV7GYDWQ
Diakses pada tanggal 5 november 2016
Sibaroni, Yuliant. 2002. Buku Ajar Aljabar Linear. STT Telkom
Williams, robert L and Lawrent, Douglas A. 2007. Linear State-Space Control
Systems. Ohio university
Wijaya, Rendy dan Hendryli Janson. 2009. Penyelesaian Sistem Persamaan Linear
dengan Metode Eliminasi Gauss-Jordan. Universitas Tarumanagara