TUGAS AKHIR MODUL 6

1. Lingkungan sekitar dapat menjadi inspirasi dalam mendesain soal matematika, termasuk
lingkungan sekolah.
a. Dengan mengacu pada kriteria yang telah dibahas pada modul 6.2, buatlah sebuah
soal bertipe pemodelan matematika sederhana untuk pembelajaran matematika di
sekolah.
Jawab :
Budi membeli 5 buku, 1 spidol dan 2 pensil dengan harga Rp. 15.000,00, sedangkan
Wati membeli 2 buku, 2 spidol dan 1 pensil dengan harga Rp. 11.000,00 dan Amir
membeli 3 buku, 4 pensil dengan harga Rp. 10.000,00.
Berapakah harga buku, pulpen dan pensil?

b. Dengan mengikuti model siklus pemodelan matematika yang telah dibahas dalam
modul, selesaikan soal yang telah didesain pada poin a.
Jawab :
Misalkan : 𝑥 = buku
𝑦 = spidol
𝑧 = pensil
Maka didapatkan pemodelan sebagai berikut :
5𝑥 + 𝑦 + 2𝑧 = 15 (dalam ribuan rupiah) ... (1)
2𝑥 + 2𝑦 + 𝑧 = 11 (dalam ribuan rupiah) ... (2)
3𝑥 + 4𝑧 = 10 (dalam ribuan rupiah) ... (3)

1) Eliminasi (1) dan (2) didapat 8𝑥 + 3𝑧 = 19 ... (4)

2) Eliminasi (4) dan (3) didapat 𝑥 = 2 ... (5)
3) Substitusi (5) ke (3) didapat 𝑧 = 1 ... (6)
4) Substitusi (5) dan (6) ke (1) didapat 𝑦 = 3
5) Jadi harga buku adalah Rp. 2.000,00, harga spidol adalah Rp. 3.000,00, dan
harga pensil adalah Rp. 1.000,00
c. Masing-masing siswa mungkin akan memberikan jawaban yang bermacam-macam
dan perlu diprediksi sebelum menggunakan soal tersebut dalam proses pembelajaran.
Oleh karena itu, berikan beberapa alternatif lain cara menyelesaikan soal tersebut,
gunakan juga software matematis jika memungkinkan.
Jawab
1 2
: 5𝑥 + 𝑦 + 2𝑧 = 15  𝑥 (𝑏𝑎𝑟𝑢) = − 5 𝑦 (𝑙𝑎𝑚𝑎) − 5 𝑧 (𝑙𝑎𝑚𝑎) + 3
1 11
2𝑥 + 2𝑦 + 𝑧 = 11  𝑦 (𝑏𝑎𝑟𝑢) = −𝑥 (𝑙𝑎𝑚𝑎) − 2 𝑧 (𝑙𝑎𝑚𝑎) + 2
3 10
3𝑥 + 4𝑧 = 10  𝑧 (𝑏𝑎𝑟𝑢) = − 4 𝑥 (𝑙𝑎𝑚𝑎) + 4

Dengan menggunakan Microsoft Excel didapatkan Iterasi Sebagai berikut;

n x y z
0 0 0 0
1 3 5,5 2,5
2 0,9 1,25 0,25
3 2,65 4,475 1,825
4 1,375 1,9375 0,5125
5 2,4075 3,86875 1,46875
6 1,63875 2,358125 0,694375
7 2,250625 3,5140625 1,2709375

Pada iterasi ke-88 didapat 𝑥 = 2, 𝑦 = 3, dan 𝑧 = 1 (dalam ribuan rupiah), artinya

harga buku adalah Rp. 2.000,00, harga spidol adalah Rp. 3.000,00, dan harga
pensil adalah Rp. 1.000,00

2. Nilai Viskositas air 𝜇 dapat ditentukan dengan menggunakan tabel berikut ini:

T(ºC) 𝜇(10-3 Ns/m2)

0 1,792
10 1,308
30 0,801
50 0,549
70 0,406
90 0,317
100 0,284
Perkirakan harga viskositas air 𝜇 pada temperatur 40o menggunakan polinom Newton.

Jawab :
𝑥0 = 0  𝑓(𝑥0 ) = 1,792
 𝑥1 = 10  𝑓(𝑥1 ) = 1,308
𝑥2 = 30  𝑓(𝑥2 ) = 0,801
𝑥3 = 50  𝑓(𝑥3 ) = 0,549

Akan mencari
𝑓3 (𝑥) = 𝑏0 + 𝑏1 (𝑥 − 𝑥0 ) + 𝑏2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑏3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

1,308 − 1,792
𝑓[𝑥1 , 𝑥0 ] = = −0,0484
10 − 0
0,801 − 1,308
𝑓[𝑥2 , 𝑥1 ] = = −0,02535
30 − 10
0,549 − 0,801
𝑓([𝑥3 , 𝑥2 ]) = = −0,0126
50 − 30
𝑓([𝑥2 , 𝑥1 ]) − 𝑓([𝑥1 , 𝑥0 ]) −0,02535 − (−0,0484)
𝑓([𝑥2 , 𝑥1 , 𝑥0 ]) = = = 0,00077
𝑥2 − 𝑥0 30 − 0
𝑓([𝑥3 , 𝑥2 ]) − 𝑓([𝑥2 , 𝑥1 ]) −0,0126 − (−0,02535)
𝑓([𝑥3 , 𝑥2 , 𝑥1 ]) = = = 0,00031875
𝑥3 − 𝑥1 50 − 10
𝑓([𝑥3 , 𝑥2, 𝑥1 ]) − 𝑓([𝑥2 , 𝑥1 , 𝑥0 ]) −0,00045125
𝑓[𝑥3 , 𝑥2 , 𝑥1 , 𝑥0 ] = = = −0,000009025
𝑥3 − 𝑥0 50
𝑓3 (𝑥) = 1,792 − 0,00484(𝑥 − 0) + 0,00077(𝑥 − 0)(𝑥 − 10) − 0,000009025(𝑥 − 0)(𝑥
− 10)(𝑥 − 30)

𝑓3 (40) = 1,792 − 0,00484(40) + 0,00077(40)(30) − 0,000009025(40)(30)(10)

= 1,792 − 0,1936 + 0,924 − 0,1083
= 2,4141

Jadi perkiraan harga viskositas air 𝜇 pada temperatur 40o = 2,4141 – 1,792 = 0,6221.

Menentukan urutan minimal

realisasi sistem deskriptor tanpa

penggunaan bentuk kanonik Weierstrass

Kamele Nassiri Pirbazari ∗ dan Mehdi Azari

Fakultas Ilmu Matematika, Universitas Guilan, Rasht, Iran

Email: k-nasiri@guilan.ac.ir, mr.mehdiazari@yahoo.com

Jurnal Pemodelan Matematika

Vol. 3, No. 1, 2015, hlm. 91-101

JMM

Abstrak. Metode umum untuk menentukan urutan realiza- minimal

Sistem deskriptor invarian waktu linier kontinu adalah untuk terurai

itu menjadi subsistem lambat dan cepat menggunakan bentuk kanonik

Weierstrass. Itu

Dekomposisi Weierstrass harus dihindari karena umumnya merupakan

masalah buruk yang membutuhkan banyak perhitungan rumit khususnya

untuk sistem dimensi tinggi. Penelitian ini menemukan urutan minimal

realisasi sistem deskriptor invarian waktu linier kontinu tanpa

penggunaan bentuk kanonik Weierstrass.

Kata kunci : Sistem deskriptor, realisasi minimal, bentuk kanonik Weierstrass.

Klasifikasi Subjek AMS : 93B10, 93B15, 93B20, 93B17.

1. Perkenalan

Pertimbangkan sistem deskriptor invarian waktu linier kontinu

{E ˙x (t) = Kapak (t) + Bu (t),

y (t) = Cx (t) + Du (t),

(1)

dimana matriks konstan A, E ∈ R n × n , B ∈ R n × m , C ∈ R p × n , D ∈ R p × m adalah

koefisien matriks dan x (t) ∈ R n , u (t) ∈ R m dan y (t) ∈ R p adalah

masing-masing menyatakan, masing-masing vektor input dan output.

∗ Penulis yang sesuai.

Diterima: 15 Oktober 2014 / Revisi: 1 Februari 2015 / Diterima: 5 Februari 2015.

CO 2014 Universitas Guilan

http://research.guilan.ac.ir/jmm

Halaman 2

92

KN Pirbazari dan M. Azari

Matriks λE - A disebut pensil matriks. Pensil matriks juga bisa

dilambangkan dengan pasangan matriks (E, A). Diasumsikan sistem itu ( 1 )

teratur,

yaitu, ada λ ∈ C sedemikian sehingga det (λE - A) = 0.

Matriks G (s) = C (sE - A) −1 B + D disebut sebagai matriks transfer

sistem ( 1 ). Dimensi vektor keadaan x (t) disebut urutan

sistem. Sistem ( 1 ) dapat dikontrol-C jika peringkat [λE - A B ] = n , ∀ λ ∈ C dan

peringkat [E B ] = n . Sistem ( 1 ) dapat diamati-C jika peringkat [

λE - A

]=n,∀λ∈

C dan peringkat [

C]

= n . Demi singkatnya menunjukkan sekuel sistem

( 1 ) sebagai [ E, A, B, C, D ].

Sistem [E, A, B, C, D] dan [˜E, ˜A, ˜B, ˜C, ˜D] disebut setara jika
pesanan dan jumlah input dan output sama dan ada dua

matriks nonsingular P dan Q sedemikian rupa sehingga

˜E = PEQ, ˜A = P AQ, ˜B = PB, ˜C = CQ,

˜D = D.

Rincian lebih lanjut tentang sistem deskriptor dapat ditemukan di [ 2 ] dan [ 4 ]

2 Menentukan urutan realisasi minimal

sistem deskriptor menggunakan Weierstrass canonical

bentuk

Sejak pengamatan metode yang diusulkan untuk menemukan realita- minimal

Agar tion memerlukan pengetahuan tentang metode umum untuk menghitung

realisasi menggunakan bentuk kanonik Weierstrass, bagian ini menjelaskan secara

singkat

konsep terkait yang diperlukan.

Teorema 1. Jika sistem [E, A, B, C, D] teratur dengan urutan n, itu

setara dengan sistem [˜E, ˜A, ˜B, ˜C, ˜D] , di mana

E=[

Saya dan f

N]

A=[
J

0In ∞

],

nf+n∞=n,J∈Rn f ×n f

,N∈Rn ∞ ×n ∞ . Sub-standar J dan N

berada dalam bentuk kanonik Yordania dan matriks N adalah matriks nilpotent
dengan

indeks nilpotensi ≥ 1 .

Bukti. Karena pensil matriks ( E, A ) teratur, terdapat skalar λ ∈ C

sedemikian sehingga det (λE - A) = 0. Tentukan

E = (λE - A) −1 E,

A = (λE - A) −1 A.

Halaman 3

Menentukan urutan realisasi minimal dari sistem deskriptor

93

Mudah didapat

A = (λE - A) −1 (λE + A - λE) = λ (λE - A) −1 E - I n = λ¯E - I n .

Sistem ( 1 ) dapat ditulis sebagai berikut:

{(λE - A) −1 E ˙x (t) = (λE - A) −1 Ax (t) + (λE - A) −1 Bu (t),

y (t) = Cx (t) + Du (t).

Dengan asumsi (λE - A) −1 B = ¯B, maka itu

{¯E ˙x (t) = ¯Ax (t) + ¯Bu (t),

y (t) = Cx (t) + Du (t).

(2)

Ada matriks nonsingular, seperti M , yang mentransformasikan E ke Jordan

bentuk kanonik

M −1 ¯EM = [

¯E 1

0¯E 2 ],

(3)

di mana ¯ E 1 ∈ R n f ×n f

adalah nonsingular dan ¯ E 2 ∈ R n ∞ ×n ∞

tidak ada potensi dan

karena itu λ ¯ E 2 - I n adalah nonsingular. Sebagai tambahan

∞

M −1 ¯AM = M −1 (λ¯E - I n ) M

= λM −1 ¯EM - I n = [

λ¯E1-In f

λ ¯ E 2 - I n ].
∞

(4)

Dengan asumsi M −1 x (t) = z (t), sistem ( 2 ) dapat ditulis sebagai berikut

{M −1 ¯EM ˙z (t) = M −1 ¯

AMz (t) + M −1 ¯

Tapi),
y (t) = CMz (t) + Du (t).

Memasukkan persamaan ( 3 ) dan ( 4 ) ke dalam sistem sebelumnya,

menghasilkan

[¯E 1

0¯E 2 ] ˙z (t) = [λ ¯E 1 - I n f

λ ¯ E 2 - I n ] z (t) + [¯B 1
∞

¯ B 2 ] u (t),

y (t) = [¯C 1 ¯C 2 ] z (t) + Du (t),

(5)

di mana M −1 ¯B = [

¯B1

¯B 2 ] dan CM = [¯C 1 ¯C 2 ]. Sistem ( 5 ) dapat ditulis sebagai

mengikuti

[Saya dan f

0
0

N 1 ] ˙z (t) = [J 1

0 I n ] z (t) +
∞

(¯E 1 ) −1 ¯ B 1

(λ ¯ E 2 - I n ) −1 ¯ B 2 ] u (t),
∞

y (t) = [

¯C 1 ¯C 2 ] z (t) + Du (t),

(6)

Halaman 4

94

KN Pirbazari dan M. Azari

dimana

J1=(

¯E 1 ) −1 (λ ¯E 1 - I n ) = λI n - (¯E 1 ) −1 ,
f f

N 1 = (λ¯E 2 - I n ) −1 ¯E 2 .
∞

Jika indeks nilpotensi ¯ E 2 adalah υ ≥ 1, itu mengikuti dari

(λ¯E 2 - I n ) −1 ¯E 2 = ¯E 2 (λ¯E 2 - I n ) −1 ,
∞ ∞

bahwa N 1 adalah nilpoten dengan indeks nilpoten υ ≥ 1. Matriks N 1 dan J 1

dalam sistem ( 6 ) tidak dalam bentuk kanonik Jordan, namun ada dua

matriks nonsingular G ∈ R n f ×n f dan R ∈ R n ∞ ×n ∞ sedemikian rupa sehingga

G −1 J 1 G = J,
R −1 N 1 R = N,

dan matriks J dan N berada dalam bentuk kanonik Yordania. Selain itu matriks N

tidak berdaya.

Tentukan S = [

G0

0 R]

dan asumsikan bahwa S −1 z (t) = w (t). Sistem ( 6 ) bisa

ditulis sebagai:

[Saya dan f

N] ˙w (t) = [

0 I n ] w (t) +
∞

G −1 (¯E 1 ) −1 ¯B 1

R −1 (λ ¯ E 2 - I n ) −1 ¯ B 2 ] u (t),
∞

y (t) = [

¯C 1 G

¯C 2 R] w (t) + Du (t).
(7)

Seandainya

G −1 (¯E 1 ) −1 ¯B 1 = B 1 , R −1 (λ ¯ E 2 - I n ) −1 ¯B 2 = B 2 ,
∞

¯C 1 G = C 1 ,

¯C 2 R = C 2 .

Begitu

[Saya dan f

N] ˙w (t) = [

0 I n ] w (t) + [B 1
∞

B 2 ] u (t),

y (t) = [C 1

C 2 ] w (t) + Du (t).

Dengan mendefinisikan

P = diag [G −1 (¯E 1 ) −1 , R −1 (λ ¯E 2 - I n ) −1 ] M −1 (λE - A) −1 ,

∞

Q = MS.

Kemudian

˜E = PEQ = [
Saya dan f

N]

, ˜A = P AQ = [

0In ∞

],

Halaman 5

Menentukan urutan realisasi minimal dari sistem deskriptor

95

˜B = PB = [

B1

B 2 ], ˜C = CQ = [C 1

C 2 ], ˜D = D.

Akibatnya, sistemnya setara dan kondisi teorema

didirikan.

Dasar pembuktian untuk Teorema 1 didasarkan pada Duan [ 4 ]

Catatan 1. Representasi

λPEQ - P AQ = λ [

Saya dan f

0
0

N] - [

0 I n ],
∞

pensil λ E – A disebut sebagai bentuk kanonik Weierstrass dari λ E – A.

Catatan 2. Menggunakan Teorema 1 , sistem ( 1 ) dapat didekomposisi menjadi

subsistem:

{˙x 1 (t) = Jx 1 (t) + B 1 u (t),

y (t) = C 1 x 1 (t),

dan

{N ˙x 2 (t) = x 2 (t) + B 2 u (t),

y (t) = C 2 x 2 (t) + Du (t),

yang disebut subsistem lambat dan cepat, masing-masing. Mesin transfer

trices dari subsistem yang lambat dan cepat adalah G 1 (s) = C 1 (sI - J) −1 B 1 dan

G 2 (s) = C 2 (sN - I) −1 B 2 + D, masing-masing.

Notasi 1. Sistem lambat ditunjukkan dengan tiga [ J, B 1 , C 1 ].

Definisi 1. [ E, A, B, C, D ] adalah realisasi dari matriks transfer G (s) jika

G (s) = C (sE - A) −1 B + D. Realisasi ini minimal, ketika memiliki

pesanan sekecil mungkin.

Definisi 2. Realisasi [ E, A, B, C, 0 ] dari matriks transfer G (s)

bersyarat minimal jika memiliki urutan sekecil mungkin di antara semua

realisasi bentuk G (s) = C (sE - A) -1 B.

Teorema 2. Realisasi [E, A, B, C, 0] dari matriks transfer G (s) adalah

bersyarat minimal jika dan hanya jika [E, A, B, C, 0] dapat dikontrol-C dan

C-diamati.

Bukti. Lihat [ 2 ] dan [ 4 ]

Definisi 3. Realisasi [ E, A, B, C, D ] dari matriks transfer G (s) adalah

disebut realisasi minimal kempes jika

1. Sistem [ E, A, B, C, D ] dapat dikontrol-C dan diamati-C.

2. Matriks Nilpoten N dalam bentuk kanonik Weierstrass dari pensil sE − A

tidak mengandung blok indeks nilpotent Jordan satu.

Halaman 6

96

KN Pirbazari dan M. Azari

Teorema 3. Realisasi minimal dari matriks rasional G (s) yang diberikan memiliki

urutan yang sama dengan realisasi minimal G yang dikurangi.

Bukti. Lihat [ 6 ]

Catatan 3. Amati bahwa, untuk setiap matriks G yang rasional , terdapat

representasi

tion G (s) = G 1 (s) + G 2 (s) di mana G 1 (s) adalah matriks rasional yang benar-benar
tepat

dan G 2 (s) adalah matriks polinomial. Misalkan: G 1 (s) = C 1 (sI - J) −1 B 1

dan G 2 (s) = C 2 (sN - I) −1 B 2 + D adalah realisasi minimal G 1 (s) dan

G 2 , masing-masing. Kemudian

G (s) = [C 1

C 2 ] [s [

Saya 0
0 N] - [

J0

0 I]]

−1 [B 1

B 2 ] + D,

adalah realisasi minimal dari G (s) .

Teorema 4. Jika G 2 (s) adalah matriks polinomial, urutan min-

Realisasi imal akan sama dengan urutan realisasi minimal G 2 (s) .

Bukti. Lihat [ 6 ]

Teorema 5. Jika G 2 (s) = C 2 (sN - I) −1 B 2 + D adalah minimal yang kempes

realisasi matriks polinomial G 2 (s) , urutannya akan sama:

n∗

1=

i=2

id saya ,

di mana d i sama dengan jumlah Jordan blocks N ukuran i dan m adalah

urutan terbesar dari blok Jordan di N.

Bukti. Lihat [ 6 ]

3 Menentukan urutan realisasi minimum dari poli-

matriks nominal G 2 (s) = C 2 (sN − I)

−1

B 2 + D tanpa
penggunaan bentuk kanonik Weierstrass

Lemma 1. Matriks R yang didefinisikan dalam Teorema 1 dapat dipilih sedemikian

rupa

N=¯E2.

Bukti. Asumsikan bahwa EE 2 = diag [J α , J α , ..., J α ] adalah matriks nilepoten

1 2 k

dengan ukuran n ∞ × n ∞ , di mana para pelarian J α (i = 1,2, ..., k) adalah Jordan

i

blok, matriks nilpoten dimensi α i . Selain itu, k

i=1

α i = n ∞ dan

Halaman 7

Menentukan urutan realisasi minimal dari sistem deskriptor

97

Jα = i

01

0 ...

... 1

0
, i = 1,2, ..., k.

Menggunakan bentuk blok diagonal dari matriks E 2 , menghasilkan

N 1 = (λ¯E 2 - I n ) −1 ¯E 2
∞

= diag [(λJ α - I α ) −1 J α , (λJ α - I α ) −1 J α , ..., (λJ α - I α ) −1 J α ].

1 1 1 2 2 2 k k k

Karena matriks J α adalah segitiga atas, untuk setiap i = 1,2, ..., k, kita miliki
i

(λJ α - I α ) =
i i

−1 λ

−1 ...

...

−1
= ⇒ (λJ α - I α ) −1i i

−1 −λ −λ 2

··· −λ α i −1

−1

...

...

...

...

...
−λ 2

...

−λ

−1

= ⇒ (λJ α - I α ) −1 J α
i i i

=
0 −1 −λ −λ 2

··· −λ α i −2

...

...

...

...

...

...

...

−λ 2

...

...

−λ

...

−1

0
.

Sekarang, dengan memilih R secara tepat, matriks di atas dapat diubah

ke dalam bentuk kanonik Jordan

Jα =i

01

0 ...

... 1

0
,

menggunakan operasi baris dasar. Ini artinya kanonik Jordan

bentuk setiap blok matriks N 1 sama dengan blok yang sesuai di

Halaman 8

98

KN Pirbazari dan M. Azari

matriks ¯ E 2 . Matriks N 1 , dengan demikian, ditransformasikan ke dalam bentuk

kanonik Jordan

yang diwakili oleh N. Bahkan, setiap blok matriks N sama dengan nya

blok yang sesuai dalam ¯ E 2 ; Karena itu, N = ¯ E 2 .

Lemma 2. Jika matriks nilpotent ¯ E 2 tidak mengandung blok Jordan nilpotent

dari indeks satu, maka urutan realisasi minimal G 2 (s) = C 2 (sN - I) −1 B 2 +

D sama dengan:

n∗

1=

i=2

yaitu saya ,
di mana e i sama dengan jumlah blok Jordan ¯E 2 ukuran i dan m adalah

urutan terbesar dari blok Jordan di ¯ E 2 .

Bukti. Ini segera mengikuti dari Teorema 5 dan Lemma 1 .

Oleh karena itu, untuk menghitung urutan realisasi minimal dari sub-cepat

sistem, tulis formulir Jordan ¯ E 2 dan hitung n ∗

1.

4 Menentukan urutan realisasi minimal dari usaha

ctly transfer matrix yang tepat G 1 (s) = C 1 (sI − J)

−1

B1

tanpa menggunakan bentuk kanonik Weierstrass

Sejak subsistem [J 1, (e 1) -1 b 1, C 1] sistem ( 6 ) setara dengan subsis-

tem [J, B 1 , C 1 ] sistem ( 7 ), urutan realisasi minimalnya adalah

sama. Selanjutnya pertimbangkan subsistem [J 1 , (¯E 1 ) −1 ¯ B 1 , ¯C 1 ]. Matriks

J 1 dapat

langsung diperoleh dengan menggunakan EE 1 tanpa menggunakan bentuk

kanonik Weierstrass

atau dengan menghitung matriks P dan Q. Faktanya, J 1 = λI n - (¯E 1 ) −1 . Juga

f

(¯E 1 ) −1 ¯ B 1 dapat dihitung dengan dekomposisi Jordan ˜E dan ¯B 1 ; sana-

kedepan, urutan realisasi minimal [J 1, (e 1) -1 b 1, C 1] dapat diperoleh

menggunakan metode umum ([ 1 ], [ 3 ] dan [ 5 ]). Jika urutan realisasi minimal

dari subsistem ini adalah n ∗

2 , urutan realisasi sistem minimal ( 1 ) aku s

sama dengan n = n ∗

1+n∗
2.

Catatan 4. Memperhatikan kemampuan kontrol dan kemampuan observasi dari a

sistem kontrol mengarah pada konsep realisasi minimal. Ini penting

karakteristik membentuk sistem dengan urutan serendah mungkin dan itu

penting

Anda ingin mempelajari dan memahami sistem kontrol. Ini lebih penting

ketika sistem dimensi tinggi terlibat. Sistem seperti itu memungkinkan penelitian

dari sistem minimal dengan dimensi lebih rendah dari sistem utama. Penuh arti

dan mendapatkan pesanan minimal untuk sistem itu penting untuk berbagai hal

Alasannya, salah satunya adalah langkah utama untuk memperoleh realisasi

minimal

Halaman 9

Menentukan urutan realisasi minimal dari sistem deskriptor

99

dari suatu sistem dalam algoritma yang ada adalah untuk mengetahui urutan
minimal

sistem ([ 2 ] dan [ 4 ]). Pengetahuan ini membuat setiap realisasi minimal

memesan, dapat dikendalikan dan diamati, dan menghilangkan kebutuhan untuk

menentukan

kontrol dan kemampuan pengamatan sistem.

5 Algoritma untuk menentukan urutan respon minimal

alisasi sistem deskriptor tanpa menggunakan

Bentuk kanonik Weierstrass

Untuk sistem yang dapat dikontrol C dan diobservasi [E, A, B, C, D]:

Langkah 1. Pilih λ ∈ C sedemikian sehingga det (λE - A) = 0 .

Langkah 2. matriks Hitung e = (λE - A) -1 E dan B = (λE - A) -1 B.

Langkah 3. Temukan matriks M ∈ R n × n , ¯ E 1 dan ¯ E 2 , sedemikian sehingga

persamaan ( 3 ) adalah sat-

isfied, di mana ¯ E 1 ∈ R n f ×n f adalah nonsingular dan ¯ E 2 ∈ R n ∞ ×n ∞ adalah nilpo-

tenda.

Langkah 4. Hitung matriks M −1 ¯B = [

¯B1

¯B 2 ] dan CM = [¯C 1

¯C 2 ] , di mana

¯B 1 ∈ R n f ×m , ¯B 2 ∈ R n ∞ ×m , ¯C 1 ∈ R p × n dan ¯C 2 ∈ R p × n .
f ∞

Langkah 5. Hitung urutan realisasi minimal untuk subsistem lambat

[J 1 , (¯E 1 ) −1 ¯ B 1 , ¯C 1 ] menggunakan metode umum.

Langkah 6. Hitung urutan realisasi minimal dari subsistem cepat dengan

menghapus blok dengan indeks nilpotensi sama dengan 1 dalam matriks nilpoten

¯E2.

Langkah 7. Tambahkan pesanan realisasi minimal dari sistem yang lambat dan
cepat,

dari langkah 5 dan 6 menjadi urutan realisasi minimal deskriptor

sistem [E, A, B, C, D] .

Contoh 1. Pertimbangkan sistem [E, A, B, C, 0] sedemikian rupa

E=[

E1

0 0], A = [
A1

0 A 2 ], B = [B 1

B 2 ], C = [C 1 C 2 ],

dimana

E1=

00000000

00000000

10000000

01000000

00100000

00010000
00001000

00000100

,A1=
1 0 0 0 −1

00

0100

−1 0 0

0010

00

0001

00

0 0 0 0 −1

00

0000

−1 0 0

0000
3

10

0000

01

Halaman 10

100

KN Pirbazari dan M. Azari

C1=[

0 0 0 0 0 0 −1

000000

−1]

,C2=[

0 0 0 0 0 0 −1

000000

0]

A2=

100

0
0

001

010

0 0 0 −1

000

−1 0

000

0
0 −1

000

,B1=
−1

−2

−2

−3
,B2=

2
0

−1 0

Urutan minimal sistem ini adalah 11. Program yang ditulis dalam MATLAB

digunakan untuk mendapatkan urutan minimal dari sistem ini. Program ini

menempatkan bentuk kanonik Weierstrass dan bentuk kanonik Jordan

untuk λ = 0. Langkah pertama menggunakan metode Weierstrass umum, untuk

lucu semua tahap yang disebutkan dalam bukti Teorema 1 untuk menemukan
transformasi

matriks, P dan Q. Menggunakan matriks transformasi ini, sistem utama

didekomposisi menjadi deskriptor dan subsistem standar. Blok-blok dari

dimensi 1 dalam nilpotent matrix N, yang dihasilkan dari dekomposisi

sistem utama dihapus untuk mendapatkan urutan deskriptor minimal

subsistem. Selanjutnya, urutan subsistem standar diperoleh dengan

menggunakan

matriks J dari dekomposisi. Urutan sistem utama sama dengan

penjumlahan dari dua pesanan ini. Waktu yang dikonsumsi oleh Weier- umum

bentuk kanonik strass adalah 2,720401 dtk. Metode kanonik Jordan, tidak

tidak perlu melakukan semua tahap pembuktian Teorema 1 ; itu hanya perlu

untuk melanjutkan ke persamaan ( 3 ). Matriks ¯ E 1 dan ¯ E 2 digunakan untuk

menghitung

perintah subsistem deskriptor dan respons subsistem standar

secara aktif. Urutan sistem utama diperoleh sebagai penjumlahan dari

dua nilai ini. Waktu yang dikonsumsi oleh metode ini (tanpa menggunakan

Bentuk kanonik Weierstrass) adalah 1,676645 dtk. Kurangnya kebutuhan untuk

matriks transformasi taktik yang menghilangkan kebutuhan untuk menghitung

mereka

invers, dan penurunan jumlah perhitungan adalah keuntungan dari

metode yang diusulkan.

6. Kesimpulan

Penelitian ini menemukan urutan realisasi minimum dari transfer matrix G (s) =

C (sE - A) −1 B + D tanpa menggunakan bentuk kanonik Weierstrass dan

mengubah matriks P dan Q. Penggunaan bentuk kanonik Jordan, menghilangkan

inated penggunaan bentuk kanonik Weierstrass, yang mengurangi ukuran

perhitungan dan waktu yang diperlukan untuk melakukan perhitungan.

Halaman 11

Menentukan urutan realisasi minimal dari sistem deskriptor

101

Ucapan Terima Kasih

Kami berterima kasih kepada wasit anonim untuk rekomendasi yang berharga

dan komentar yang telah meningkatkan kualitas tulisan.

Referensi

[1] CT Chen, teori dan desain sistem Linear , Edisi ke-3, Oxford

University Press, 1999.

[2] L. Dai, sistem kontrol tunggal , volume 118 catatan Kuliah terkendali

dan ilmu informasi. Springer-Verlag, Berlin, Heidelberg, 1989.

[3] BN Datta, Metode numerik untuk sistem kontrol linier , Elsevier

Buku Sains & Teknologi, 2003.

[4] GR Duan, Analisis dan desain sistem linear deskriptor , Springer,

2010

[5] BD Schutter, realisasi ruang-negara Minimal dalam teori sistem linear:

gambaran umum , J. Comput. Appl. Matematika 121 (2000) 331-354.

[6] VI Sokolov, Kontribusi terhadap masalah realisasi minimal untuk

sistem deskriptor , Ph.D. tesis, Chemnitz, 2006.

 https://jmm.guilan.ac.ir/article_199_73509e717ef96f2eab01c1417ed30360.pdf

Halaman 1

Pemodelan matematika

efek migrasi dan analisis

penyebaran epidemi kolera

Eric Kokomo ∗ dan Yves Emvudu

Departemen Matematika, Fakultas Sains,

Laboratorium Aplikasi Matematika dan Fundamental,

PO Box 812 Yaounde, Universitas Yaounde I, Kamerun,

Pusat Keunggulan Afrika dalam Teknologi,

Informasi dan Komunikasi (CETIC) Universitas Yaounde I, Kamerun

email: kokomoeric@gmail.com, yemvudu@yahoo.fr

Jurnal Pemodelan Matematika

Vol. 6, No. 2, 2018, hlm. 165-186

JMM

Abstrak. Kami mengusulkan pemodelan matematika dari efek migrasi

mempengaruhi ukuran dinamika populasi apa pun dari situs yang heterogen

spasi Ω ⊂ R d , d = 1,2, .... Model yang diperoleh kemudian ditambahkan pada

Model SIR termasuk dinamika bakteri dan beberapa parameter kontrol

eters untuk memodelkan penyebaran epidemi kolera yang terjadi pada Ω. Itu

model yang dirumuskan diberikan oleh sistem empat parsial diferensial parabola

persamaan. Keberadaan dan stabilitas keseimbangan, ketidakstabilan Turing dan

masalah kontrol yang optimal dari model ini dipelajari. Kami selesai dengan nyata-

aplikasi dunia di mana kami menerapkan model khusus untuk kolera

epidemi yang terjadi di Kamerun pada 2011.

Kata kunci : Epidemi kolera, semi-grup, persamaan diferensial parsial, distribusi Dirac

bution, kontrol optimal.

Klasifikasi Subjek AMS : 92D30, 93A30, 74S20.

1. Perkenalan

Kolera adalah infeksi usus akut yang merupakan akibat dari

penyerapan, dengan menelan, dari vibrio choleraic menemukan diri di air atau di

∗ Penulis yang sesuai.

Diterima: 29 Oktober 2017 / Direvisi: 9 Agustus 2018 / Diterima: 9 Agustus 2018.

DOI: 10.22124 / jmm.2018.8861.1128

CO 2018 Universitas Guilan

http://jmm.guilan.ac.ir

Halaman 2

166

E. Kokomo dan Y. Emvudu

makanan, tetapi juga bisa menjadi hasil dari kontaminasi seseorang ke orang lain

mulai dari produk patologis (tinja, muntah, keringat). Itu

pengalaman menunjukkan bahwa vibrios yang dicerna dalam makanan adalah

yang paling mungkin

penyebab infeksi daripada yang tertelan dalam air. Dosis infeksius

terminasi secara eksperimental adalah dari urutan 10 8 sampai

10 11 bakteri. Lambung

keasaman sedikit menguntungkan untuk kelangsungan hidup bakteri di perut.

Setelah melintasi penghalang lambung, vibrios menetap di dekat

Jangan sampai ada bagian usus halus, melewati lapisan lendir dan
mengeluarkannya

racun kolera. Toksin ini mengubah pertukaran air dan

elektrolit dengan mencegah penetrasi natrium di dalam sel.

Ini menginduksi persilangan dengan mengingat saluran pencernaan dalam jumlah

besar

air dapat mencapai 15 liter per hari, menyebabkan dehidrasi parah

individu yang sakit [ 6 ]

Kolera adalah penyakit yang sangat ganas yang mempengaruhi anak-anak

orang dewasa. Dengan tidak adanya perawatan, seseorang bisa mati dalam
beberapa jam. Tentang

75 persen orang yang terinfeksi oleh vibrio choleraic tidak bermanifestasi

gejala apa pun, meskipun basil hadir dalam kotoran mereka selama

7 hingga 14 hari setelah infeksi dan dihilangkan di lingkungan,

di mana ia dapat menginfeksi orang lain yang berpotensi. Bagi mereka yang nyata

gejala-gejalanya, gejala-gejala ini tetap ringan pada 80 persen kasus, sedangkan

sekitar 20 persen kasus, diare berair akut, datang dengan parah

dehidrasi, muntah tetapi tanpa peningkatan suhu dikembangkan

ing. Kotoran menjadi berair cepat, mengambil warna beras air.

Kebocoran air yang penting ini menyebabkan kram yang intens menyebar ke
seluruh tubuh

tubuh manusia, mendorong mata dalam orbit, berkontraksi orbicular

otot-otot bibir, mengarah kemudian untuk memberikan tampilan sianosis ke

wajah

sakit. Orang-orang memiliki kekebalan yang lemah, anak-anak menderita

kurang gizi atau orang yang hidup dengan HIV misalnya, lebih banyak
terkena risiko kematian dalam kasus infeksi [ 8 ]

Penularan kolera terkait erat dengan manajemen yang buruk

lingkungan dan jumlah kasus kolera yang diberitahukan kepada WHO

terus meningkat (Organisasi Kesehatan Dunia, lembar fakta Cholera, Au-

gust 2011. Tersedia dari: www.who.int). Meskipun sekitar seratus

bertahun-tahun studi tentang penyakit ini, kolera tetap endemik dan epidemi

di beberapa negara Afrika, Asia dan Amerika Latin. Epidemiologi

didominasi oleh transmisi hidro. Maka ada kemungkinan kecil bahwa

epidemi sive terjadi di negara-negara di mana kontrol air bakteriologis

diterapkan secara ketat, bahkan jika sumber lokal dimulai. Populasi berlebih

tion, kurangnya kebersihan tubuh dan nutrisi, juga dapat berkontribusi

penyebaran penyakit.

Halaman 3

Pemodelan matematika dari efek migrasi

167

Model matematika yang biasa digunakan untuk menggambarkan penyebaran

suatu

penyakit menular adalah model SIR, nama yang dihasilkan dari fakta bahwa

populasi dibagi menjadi tiga kelompok terpisah: rentan (S), terinfeksi

(I) dan pulih (R) (lihat [ 5 , 10 , 15 ]). Dengan niat membangun matematika-

secara dinamis dinamika bakteri dalam air atau kelimpahan bakteri,

Emvudu dan Kokomo (lihat [ 11 ]) mengusulkan model yang memasukkan bakteri

kelimpahan. Ini memungkinkan kami untuk mendapatkan model SIRB yang

terbentuk dari suatu sistem
empat persamaan diferensial biasa.

Tujuan dari makalah ini adalah untuk membangun model matematika yang

menyamping migrasi individu dan metode kontrol penyakit

diperlukan untuk pemberantasan epidemi.

Makalah ini disusun sebagai berikut. Dengan Bagian 2 , kami merumuskan a

model matematika yang menggambarkan efek migrasi pada dinamika

dari ukuran populasi tertentu. Dalam Bagian 3 , kami usulkan yang dikontrol

model penyebaran kolera. Dengan Bagian 4 , kami melakukan matematika-

analisis ematik model yang diusulkan dalam 3 . Masalah kontrol yang optimal

dirumuskan dan dipelajari dalam bagian 5 . Kami selesai, di Bagian 6 , oleh

masalah dunia di mana kami menerapkan model kami untuk studi epidemi

kolera terjadi di Kamerun pada tahun 2011.

2 pemodelan matematika dari efek mi-

grasi dalam dinamika populasi

2.1 Asumsi pemodelan

Asumsi 1: Individu ditugaskan ke ruang topografi

Ω ⊂ R d (d = 1,2,3), kontinu, heterogen, stabil, batas

∂Ω ∈ C 2 dan dapat pindah ke dalam Ω.

Asumsi 2: Individu dapat diangkut ke kecepatan konstan v

melalui rata-rata transportasi yang dikenal di Ω.

Asumsi 3: Populasi situs Ω adalah homogen dan hanya itu

pergerakan dalam skala besar antara berbagai situs dibatasi dalam

ruang, perpindahan seseorang menjadi independen dari status sosialnya.

Asumsi 4: Migrasi semata-mata berfungsi dari jarak dan gejala

metrik, yaitu, tingkat individu yang bermigrasi dari situs i menuju a

situs j sama dengan ini yang memungkinkan kita untuk keluar dari situs j untuk
situs i

(i = j).

Halaman 4

168

E. Kokomo dan Y. Emvudu

2.2 Perumusan model

Asumsi 1 menunjukkan bahwa model spatiotemporal untuk membangun adalah

eksplisit

model. Jadi, waktu terus menerus, kita akan mulai dengan membangun model

efek migrasi dalam ruang diskrit, yang akan memungkinkan kita untuk
memperoleh

model yang dicari dalam ruang kontinu Ω.

Model efek migrasi dalam ruang diskrit

Ruang menjadi diskrit, kita dapat menggunakan model metapopulasi

Levin (lihat [ 17 ]). Untuk itu, mari kita bagi ruang Ω (diasumsikan di sini sebagai

diskrit) dalam n sub-populasi yang berkumpul di n situs (n = 2,3, ...), situs-situs

tersebut

bergabung dengan migrasi. Populasi situs Ω yang homogen

(asumsi 3), mari kita tunjukkan dengan: X (i, t) kepadatan individu

situs saya pada waktu t. K (i, j) laju transisi per unit waktu individu

bermigrasi ke situs i menuju situs j (i = j). Dengan demikian kami memiliki:

X (i, t + ∆t) = X (i, t) +

n

j=1

X (j, t) K (j, i) ∆t -

j=1

X (i, t) K (i, j) ∆t.

Jumlah pertama sesuai pada imigrasi dan yang kedua pada emigrasi.

Asumsi 4 memungkinkan kita untuk menulis K (i, j) = K (j, i) dan K (i, j) = Φ (i−

j Ω ).

Ketika tendst cenderung ke 0, kita memiliki:

lim

→t → 0

X (i, t + ∆t) - X (i, t)

Itu

∂X (i, t)

Itu

j = 1, j = i

X (j, t) K (j, i) -
n

j = 1, j = i

X (i, t) K (i, j)

j = 1, j = i

X (j, t) K (j, i) - X (i, t)

j = 1, j = i

K (i, j)

j = 1, j = i

X (j, t) K (i, j) - X (i, t)

j = 1, j = i

K (i, j).

Jadi, untuk setiap situs i, i = 1,2, ... n, model efek migrasi (dalam

ruang diskrit Ω) diberikan oleh:

∂X (i, t)

Itu

j = 1, j = i

X (j, t) K (i, j) - X (i, t)

j = 1, j = i

K (i, j).

(1)

Halaman 5

Pemodelan matematika dari efek migrasi

169

Model efek migrasi dalam ruang kontinu

Kami berasumsi sekarang bahwa ruang Ω ⊂ R d kontinu. Mari kita tunjukkan

dengan

X (x, t) kepadatan individu yang menghuni posisi x pada waktu t.

Mengambil Asumsi 3 ke dalam akun, dan kemudian dengan menetapkan ϵ = x - y

∈Ω

model ( 1 ) menjadi

∂X (x, t)

Itu
=

Ω \ {x}

X (x - ϵ, t) Φ (ϵ Ω ) dϵ - X (x, t)

Ω \ {x}

Φ (ϵ Ω ) dϵ,

Ω \ {x}

X (y, t) Φ (x - y Ω ) dy - X (x, t)

Ω \ {x}

Φ (ϵ Ω ) dϵ,

itu adalah,

∂X (x, t)

Itu

= (X (., T) ∗ Φ) (x) - X (x, t)

Ω \ {x}

Φ (ϵ Ω ) dϵ,

(2)

di mana X (., t) ∗ Φ menjadi produk konvolusi X (., t) dan Φ.

Karena delta Dirac memungkinkan kita untuk menyampaikan dalam perjalanan ke
diskrit

menuju kontinu, kita memilih Φ sehingga (lihat [ 19 ]):

Φ = δ - v div δ +

σ2

D 2 δ,

(3)

di mana δ adalah distribusi delta Dirac (multidimensi), σ 2

difusi

koefisien, div =

i=1

∂x i

dan D 2 = ∑

i, j = 1

∂ 2

∂x ∂x i j

operator yang didefinisikan dalam

arti teori distribusi (lihat [ 23 ]).

Memperhatikan linearitas produk konvolusi dan

fakta yang kami miliki untuk semua fungsi tes f (lihat [ 9 ], [ 23 ]):

f (x) ∗ ∂ n δ (x) = ∂ n f (x)

(4)

dimana ∂ n =

∂ n

(∂x ) (∂x ) ... (∂x )

1 α1 2 α2 d αd (n = 0,1, ... dan α 1 + α 2 + ··· + α d = n)

adalah operator turunan parsial dari order n dengan ∂ 0 f = f, kita memiliki:

Teorema 1. Dalam ruang kontinu heterogen Ω, model

efek migrasi diberikan oleh:

∂X (x, t)

Itu

= Divv div X (x, t) +

σ2

i, j = 1

∂ 2 X (x, t)

∂x i ∂x j

(5)

dengan x = (x 1 , x 2 , ..., x d ) T ∈ Ω.

Halaman 6
170

E. Kokomo dan Y. Emvudu

Bukti. Cukup untuk mentransfer ( 3 ) dan ( 4 ) di ( 2 ) dan melakukan perhitungan.

Perkiraan model efek migrasi dalam a

ruang terus menerus

Mari kita atur H = ∑

i=1ϵi

∂x i

. Dengan menerapkan ekspansi Taylor terpotong di

memesan n pada X (x - ϵ, t) dengan ϵ = (ϵ i ) 1≤i≤d , kami memperoleh menurut ( 2 ):

∂X (x, t)

Itu

[∫

Ω \ {x}

X (x, t) - HX (x, t) +

H 2 X (x, t) + ···

(−1) n
n!

H n X (x, t)

)]

Φ (ϵ Ω ) dϵ - X (x, t)

Ω \ {x}

Φ (ϵ Ω ) dϵ, (6)

di mana istilah daya (p, n - p) sesuai dengan turunan-n

∂ n

∂x hal

1 ∂x n − hlm

dengan (x 1 , x 2 ) = (x i ) 1≤i≤d . Selain itu (lihat [ 9 ]) kita punya:

δ (ϵ) = ∂ n δ (ϵ) = 0 saat x = y.

(7)

δ (ϵ) dϵ = 1,

f (ϵ) ∂ (n) δ (ϵ) dϵ = (−1) n ∂ (n) f (0),

(8)

dan akibatnya dengan mentransfer ( 7 ), ( 8 ) dan ( 3 ) menjadi ( 6 ), kami dapatkan

setelah
perhitungan:

∂X (x, t)

Itu

σ2

△ X (x, t) - v div X (x, t),

(9)

yang merupakan persamaan klasik difusi, yang merupakan perkiraan

dari model efek migrasi dalam ruang kontinu yang heterogen.

Komentar 1. Model ( 9 ) dan ( 5 ) hanya ekuivalen ketika d = 1.

3 Model terkendali penyebaran kolera

Pada bagian ini, kami merumuskan model terkendali penyebaran

kolera dalam kondisi di mana semua asumsi ayat

2.1 diverifikasi.

Kami menganggap populasi yang terbagi dalam tiga kelompok terpisah mewakili

tahap besar penyakit: Yang Rentan (S), Terinfeksi (I) dan

Dipulihkan (R). Populasi setiap subkelompok adalah homogen dan kami

dilambangkan dengan S = S (x, t), I = I (x, t), R = R (x, t), masing-masing densitas

dari Rentan, Terinfeksi dan Pulih yang menghuni tempat x ∈ Ω pada saat itu

t ∈ R + . Sesuai dengan model Emvudu dan Kokomo (lihat [ 11 ]), yang

Halaman 7

Pemodelan matematika dari efek migrasi

171

populasi basil (vibrio choleraic) homogen dan diangkut melalui

air mengalir melintasi berbagai situs ruang different. Kepadatannya adalah

B = B (x, t).

Bayi baru lahir tidak rentan, juga tidak akan tertimpa kolera,

semua kelahiran dilindungi. Satu-satunya suara dari infeksi suscep-

tible individual (S) adalah konsumsi air yang berasal dari contam-

sumber inated (B). Individu yang terinfeksi kolera, sembuh pada tingkat γ 1 untuk

individu terinfeksi yang tidak diobati, γ 2 untuk individu terinfeksi yang diobati

dan mati sebagai akibat kolera di tingkat μ 1. Semua waktu yang dia ingat

induk terinfeksi, individu berkontribusi pada peningkatan bakteri

populasi melalui kotorannya pada tingkat e. Populasi bakteri (B)

berkurang dengan kematian alami pada tingkat γ dan juga dapat meningkat pada
tingkat

ditentukan oleh beberapa faktor lingkungan (suhu misalnya).

Efek musiman dijelaskan oleh variasi berkala dari

parameter kebijaksanaan β antara bakteri dan inang. Parameter β bisa

fungsi waktu dan ruang.

Untuk melawan secara efisien melawan penyakit, tiga strategi pertempuran

θ 1 (x, t), θ 2 (x, t) dan θ 3 (x, t) masing-masing mewakili proporsi orang

dia yang menerima obat antibiotik, proporsi orang yang menerima

terapi hidrasi, dan, proporsi air yang terkontaminasi yang diolah,

diperkenalkan ke dalam model. Obat antibiotik mengurangi kontribusinya.

dari individu yang terinfeksi terhadap peningkatan vibrio choleraic di

lingkungan, sedangkan, terapi hidrasi memungkinkan untuk menyelamatkan
nyawa

seorang individu yang terinfeksi tanpa membatasi kontribusinya terhadap

peningkatan

vibrio choleraic di lingkungan. Mari kita perhatikan bahwa pada kenyataannya,

obat antibiotik tidak dapat diberikan tanpa terapi hidrasi

(Lihat [ 1 ]).

Kita memilih θ i (., 0) = 0 dengan θ = (θ 1 , θ 2 , θ 3 ) T milik Γ = {θ ∈

(L 1 (0, T, L ∞ (Ω)) 3 | 0 ≤ θ 1 (x, t) ≤ N 1 ; 0 ≤ θ 2 (x, t) ≤ N 2 ; 0 ≤ θ 3 (x, t ) ≤

N3

ps}, di mana 0 <T ≤ ∞, dengan N 1 <1, N 2 <1 dan N 3 <1 yang

mewakili proporsi maksimal intervensi. Berikut dikendalikan

model, yang terdiri dari empat persamaan diferensial parsial parabola

kemudian diperoleh:

∂S (x, t)

Itu

= −µS - β (x, t) B

K+B

S+r1R+σ 2

∑d

i, j = 1
∂ S 2

∂x ∂x i j

∂Saya (x, t)

Itu

= β (x, t) B

K+B

S - μI - (1 - θ 2 (x, t)) μ 1 I

−γ 1 (1 - θ 1 (x, t)) I - γ 2 θ 1 (x, t) I + σ 2

∑d

i, j = 1

∂ saya
2

∂x ∂x i j

∂R (x, t)

Itu

= - (r 1 + µ) R + σ 2

∑d

i, j = 1

∂ R 2

∂x ∂x i j

+ γ 1 (1 - θ 1 (x, t)) I
+ γ 2 θ 1 (x, t) I,

∂B (x, t)

Itu

= eI - (γ + θ 3 (x, t)) B - v div B +

σ 2

∑d

i, j = 1

∂ B 2

∂x ∂x i j

(10)

Halaman 8

172

E. Kokomo dan Y. Emvudu

D=σ 2

dan D B =

σ 2

masing - masing mewakili koefisien difusi

individu dan bakteri. v mewakili kecepatan konstan bakteri dalam

air mengalir. div dan △ masing-masing mewakili divergensi dan Laplacian

operator. Kondisi awal diberikan oleh S (x, 0) = S (x), I (x, 0) =

I (x), R (x, 0) = R (x) dan B (x, 0) = B (x). Padahal syarat batas

diberikan oleh S (x, t) = I (x, t) = R (x, t) = B (x, t) = 0 pada ∂Ω ∀ (x, t) ∈

Ω×R+.

4 Analisis matematika dari model yang dikendalikan

4.1 Adanya aliran model

Mari kita perhatikan ruang Banach E = L 2 (Ω) dan X = [W 2,2 (Ω) ⋂W

1,2

0 (Ω)]

Mari kita perhatikan fungsi yang tidak diketahui Φ: [0, T [→ X didefinisikan oleh

Φ (t) = (S (., T), I (., T), R (., T), B (., T)) T ∈ X (0 <T ≤ ∞).

Mari kita perhatikan operator A: D (A) = X → X yang ditentukan untuk semua t ∈

[0, T [

oleh

AΦ (t) =
−µS + r 1 R + σ 2

∑d

i, j = 1

∂ S 2

∂x ∂x i j

- (μ 1 + µ) I + σ 2

∑d

i, j = 1

∂ saya
2

∂x ∂x i j

- I 1 saya

- (r 1 + µ) R + σ 2

∑d

i, j = 1

∂ R 2

∂x ∂x i j

+γ1I

eI - γB - v div B +

σ 2

B
2

∑d

i, j = 1

∂ B 2

∂x ∂x i j

Jelas bahwa A adalah operator linear tanpa batas pada E (lihat [ 12 ]). Biarkan
kami

pertimbangkan operator B: Γ → C (0, T, X) dan f: [0, T [→ X ditentukan untuk

semua θ ∈ Γ dan semua t ∈ [0, T [oleh:

(Bθ) (t) =

−θ 2 (., T) μ 1 I (., T) + (γ 1 - γ 2 ) θ 1 (., T) I (., T)

(γ 2 θ 2 (., t) - γ 1 θ 1 (., t)) I (., t)

−θ 3 (., T) B (., T)

dan

f (t) = (- β (t)

B (., T)

K + B (., T)

S (., T), β (t)

B (., T)

K + B (., T)

S (., T), 0,0) T ,

di mana β (t) = β (., t) adalah sedemikian rupa sehingga β (0) = 0.

Kemudian, sistem ( 10 ) dapat ditulis ulang seperti masalah Cauchy berikut

lem pada ruang Banach X:

{dΦ

dt

(t) = AΦ (t) + (Bθ) (t) + f (t), 0 <t <T,

Φ (0) ∈ D (A).

(11)

Halaman 9

Pemodelan matematika dari efek migrasi

173

Kami memiliki lemma berikut:

Lemma 1. (i) Operator A menghasilkan semigroup kontraksi T (t),

t ≥ 0 pada E.

(ii) Operator nonlinear g = (Bθ) + f: [0, T [- → X adalah kontinu

dan fungsi lipschitzian dari [0, T [menuju X.

Bukti. (i) Ini berasal dari [ 12 ] (lihat [ 12 ], teorema 5, bab 7).

(ii) Jelas bahwa g = (Bθ) + f kontinu dalam t ∀t ∈ [0, T [. Sebagai tambahan,

g (t 1 ) −g (t 2 ) X = (Bθ) (t 1 ) - (Bθ) (t 2 ) + f (t 1 ) −f (t 2 ) X ≤ Dt 1 −t 2

dengan

D = sup Φ∈X ((Bθ) L (Γ, C (0, T, X)) +2 sup Φ∈X (β (t 1 ), β (t 2 )).

S (Φ, t 1 ) -

S (Φ, t 2 ) X ). Kami menyimpulkan demikian bahwa g = (Bθ) + f adalah kontinu dan

fungsi lipschitzian dari [0, T [menuju X.

Hasil utama dari ayat ini adalah sebagai berikut:

Teorema 2. Masalah Cauchy ( 11 ) mengaku pada [0, T [, T> 0 a unik

solusi klasik yang diberikan oleh:

Φ (t) = T (t) Φ (0) +

∫t

T (t - τ) g (τ) dτ.

(12)

Bukti. Ini karena Songmu, 2004 (lihat [ 25 ], Konsekuensi 2.4.3)

Komentar 2. Solusi yang diberikan oleh ( 12 ) menunjukkan bahwa masalahnya
( 10 ) aku s

berpose baik dalam arti Hadamard (lihat [ 13 ]).

4.2 Keseimbangan dan stabilitas

4.2.1 Kesetimbangan

Untuk tingkat kontak β (x, t) ≡ β (x) ≡ β untuk semua t ≥ 0 dan intervensi

strategi (θ 1 (x, t), θ 2 (x, t), θ 3 (x, t)) ≡ (θ 1 (x), θ 2 (x), θ 3 (x)), keseimbangan

(S ∗ (x), I ∗ (x), R ∗ (x), B ∗ (x)) dari sistem ( 10 ) adalah solusi dari sistem

∂S (x, t)

Itu

∂Saya (x, t)

Itu

∂R (x, t)

Itu

∂B (x, t)

Itu

= 0.

(13)

Mari kita perhatikan spasi E = {Φ | Φ i ∈ C 1 (Ω), Φ i = 0 pada ∂Ω}, dan Y =

{Φ | Φ i ∈ C 2 (Ω), Φ i = 0 pada ∂Ω}, (i = 1, ..., 4), masing-masing dilengkapi

dengan norma-norma Φ E = maks {Φ i C 1 (Ω)

} dan Φ Y = maks {Φ i C 2 (Ω)

}.

D1=D2

dan D 2 = divv div +

σ 2

∑d

i, j = 1

∂ 2

∂x ∂x i j

dan mari kita pertimbangkan

Halaman 10

174

E. Kokomo dan Y. Emvudu

operator L: Y → (C 1 (Ω)) 4 dan F: Y → (C 1 (Ω)) 4 ditentukan oleh:

L: = diag (−D 1 , −D 1 , −D 1 , −D 2 ) dan

F [Φ] =

−µS - β B
K+B

S+r1R

βB

K+B

S - (r + µ) I

rI - (r 1 + µ) R

eI - γ B

dengan r = γ 1 (1 - θ 1 ) + γ 2 θ 1 , r = r + (1 - θ 2 ) μ 1 , γ = γ + θ 3 . Jadi, itu

sistem ( 13 ) dapat ditulis ulang dalam bentuk

L [Φ

] = F [Φ

], Φ

∗ ∈ Y.

(14)

Dengan tujuan untuk mempelajari secara efisien masalah nonlinear ini, kami
mempertimbangkan

berikut masalah tambahan

L [Φ
∗

] = λF [Φ

], Φ

∗ ∈ Y,

(15)

di mana λ ∈ R + adalah parameter. Mari kita perhatikan bahwa P = {Φ ∈ E | Φ i ≥ 0

in Ω}

dan mari kita pertimbangkan operator Q: R + × P → P yang didefinisikan oleh

Q (λ, Φ) = Φ - λL

−1

F [Φ], (λ, Φ) ∈ R + × P.

(16)

Masalah ( 15 ) kemudian setara dengan:

Q (λ, Φ

) = 0, (λ, Φ

) ∈ R + × P.

(17)

Jelas bahwa Q (λ, 0) = 0 untuk semua λ ∈ R + . Dengan demikian, (λ, 0) adalah

sepele

solusi dari ( 17 ). Mari kita pertimbangkan himpunan ∑ = {(λ, Φ ∗ ) ∈ R + × (P \ {0}):

Q (λ, Φ ∗ ) = 0} dari solusi nontrivial dari ( 17 ). Penutupan ((∑)

mungkin berisi solusi sepele hanya jika solusi tersebut adalah batas
solusi nontrivial yaitu titik bifurkasi dari ( 17 ) (lihat misalnya [ 21 ]).

Kami memiliki lemma berikut.

Lemma 2. Ada λ 0 > 0 sedemikian rupa sehingga ∑ berisi con yang tidak terbatas

tinuum C dengan (λ 0 , 0) milik C.

Bukti. Mari kita pertimbangkan operator L i : C 2 (Ω) → C (Ω) (i = 1,2) yang

ditentukan

oleh L 1 : = −D 1 , L 2 : = −D 2 dan masalah nilai eigen linear berikut:

L i u (x) = λu (x) x ∈ Ω; u (x) = 0 ∀x ∈ ∂Ω.

(18)

Diketahui (lihat misalnya [ 18 ]) itu ( 18 ) mengakui masing-masing infinite

jumlah nilai eigen 0 <λ 1 ≤ λ 2 ≤ ··· dan 0 <ρ 1 ≤ ρ 2 ≤ ···. ini

kemudian cukup untuk mengambil λ 0 = min (λ 1 , ρ 1 ) dan menerapkan Teorema

1.2 yang diberikan dalam [ 21 ]

(Lihat [ 21 ], Halaman 216, Teorema 1.2).

Halaman 11

Pemodelan matematika dari efek migrasi

175

Hasil utama dari bagian ini adalah sebagai berikut:

Teorema 3. Model ( 10 ) mengakui dua keseimbangan: keseimbangan sepele

E 0 = (0,0,0,0) dan kesetimbangan nontrivial E 1 = (S ∗ , I ∗ , R ∗ , B ∗ ) diperoleh

oleh titik bifurkasi λ 0 > 0 dari ( 17 ).

Bukti. Cukup untuk memperhatikan bahwa jika (λ, Φ ∗ ) ∈ R + × P adalah solusi dari
( 17 )

maka Φ ∗ adalah solusi dari ( 13 ) (lihat [ 2 ]) dan memperhitungkan Lemma 2 .

Komentar 3. E 0 = (0,0,0,0) adalah kesetimbangan pada batas ∂Ω dari Ω,

sedangkan, E 1 = (S ∗ , I ∗ , R ∗ , B ∗ ) adalah keseimbangan di dalam Ω. Bahkan,

Lemma 2 menunjukkan bahwa E 0 dan E 1 memiliki lingkungan yang berbeda.

4.2.2 Stabilitas

Linierisasi model ( 10 ) pada kesetimbangan Φ ∗ = (S ∗ , I ∗ , R ∗ , B ∗ )

diberikan oleh:

∂Φ

Itu

= L (Φ) = D (△ Φ) - vE (div Φ) + J (Φ),

(19)

dengan D = diag ( σ 2

,σ 2

,σ 2

σ 2

), E = diag (0,0,0,1) dan

J=
−µ - β B ∗

K+B ∗

r1

−β

(K + B ) ∗ 2 S∗

βB ∗

K+B ∗

−r - µ

(K + B ) ∗ 2 S∗

1r 1 - µ

0
−γ

Menurut teori operator linear standar, diketahui bahwa jika semua

nilai eigen L memiliki bagian riil negatif, maka Φ ∗ secara asimptotik lokal

stabil, dan jika setidaknya satu nilai eigen L memiliki bagian nyata positif, maka

keseimbangan Φ ∗ tidak stabil. Persamaan karakteristik operator L

aku s:

L (ψ) = ξψ.

(20)

Misalkan ψ = (ψ 1 (x), ψ 2 (x), ψ 3 (x), ψ 4 (x)) T vektor eigen L yang sesuai dengan

nilai eigen ξ, dan biarkan ψ =.

k = 0 ϑ k x k , dengan ϑ k = (a k , b k , c k , d k ) T , di mana

a k , b k , c k dan d k adalah koefisien nyata (lihat [ 16 ]), kami memiliki menurut

( 20 ):

k (k - 1) D [

k=2
ϑ k x k − 2 ] - kvE [

k=1

ϑ k x k−1 ] + J [

k=0

ϑkxk]=ξ

k=0

ϑkxk,

yang mengarah ke

(k + 1) (k + 2) D [

k=0

ϑ k x k ] - (k + 1) vE [

k=0

ϑkxk]+J[

∞
∑

k=0

ϑkxk]=ξ

k=0

ϑkxk.

Halaman 12

176

E. Kokomo dan Y. Emvudu

Dengan demikian kita miliki

J k (ψ) = ξψ, k = 0,1,2,3, ...,

(21)

dengan Jk = J + (k + 2) (k + 1) D - (k + 1) vE, u =

(k + 2) (k + 1)

σ 2 dan t =

(k + 1) v +

(k + 2) (k + 1)

σ2

B , untuk k = 0,1,2,3, .... Ini mengikuti dari sini bahwa

eigen dari L adalah dari J k, k = 0,1,2,3, ....

Untuk stabilitas keseimbangan sepele E 0 = (0,0,0,0), kita memiliki

hasil berikut:

Teorema 4. Kesetaraan sepele E 0 = (0,0,0,0) dari model ( 10 ) aku s

stabil asimptotik secara lokal saat maks (−µ + σ 2 , −γ + σ 2

B ) <0.

Bukti. Pada titik E 0 , mudah untuk menunjukkan bahwa spektrum Jk diberikan oleh

Sp (J k) = {-μ + u, r - μ + u, r 1 - μ + u, -γ + t}.

Untuk kestabilan keseimbangan nontrivial E 1 = (S ∗ , I ∗ , R ∗ , B ∗ ) dari

model ( 10 ), mari kita atur

R0=

[(−r - µ + σ 2 ) (- µ - β B ∗

K+B ∗ +σ 2 ) (- r 1 - µ + σ 2 ) (γ + σ 2

B - v)

eβS K (1r −µ + σ ) (- µ + σ )
∗ 1 2 2

(K + B ) ∗ 2

+ rr 1 β B ∗

K+B ∗ (γ - v + σ 2

B)

] −1

. (22)

Kami memiliki hasil sebagai berikut:

Teorema 5. Kesetimbangan nontrivial E 1 = (S ∗ , I ∗ , R ∗ , B ∗ ) dari model

( 10 ) tidak stabil jika R 0 > 1 dan secara lokal asimptotik stabil jika R 0 <1.

Bukti. Polinomial karakteristik dari J k pada titik E 1 diberikan oleh:

P k (X) = X 4 + a 1 (k) X 3 + a 2 (k) X 2 + a 3 X + a 4 (k)

dengan

a 1 (k) = r + 3μ + 3u + β

B∗

K+B∗

+ r 1 + γ + t,

a 2 (k) = (r + µ + u) (µ + β

B∗

K+B∗

+ u) + (r 1 + µ + u) (γ + t)

+ (r + 2µ + 2u + β

B∗

K+B∗

) (r 1 + µ + u + γ + t),

a 3 (k) = (r + µ + u) (µ + β

B∗

K+B∗

+ u) (r 1 + µ + u + γ + t)

+ (r 1 + µ + u) (γ + t) (r + 2μ + 2u + β

B∗

K+B∗

−eβ (r 1 + 2µ + 2u) β

KS ∗
K+B∗

- rr 1 β

B∗

K+B∗

a 4 (k) = (r + µ + u) (µ + β

B∗

K+B∗

+ u) (r 1 + µ + u) (γ + t)

−e (µ + u) (r 1 + µ + u) β

KS ∗

(K + B ∗ ) 2

- rr 1 (γ + t) β

B∗

K+B∗

Halaman 13

Pemodelan matematika dari efek migrasi

177

Dengan demikian, kondisi stabilitas yang diperlukan dan cukup diberikan sesuai

to Routh - kriteria Hurwitz oleh: a 1 (k)> 0, a 1 (k) a 2 (k) −a 3 (k)> 0, a 4 (k)> 0

dan a 1 (k) a 2 (k) a 3 (k) - (a 1 (k)) 2 a 3 (k) - (a 3 (k)) 2 + a 3 (k) a 4 (k) > 0. Jelas,
a 4 (0) <0 mengarah ke R 0 > 1, apa yang menginduksi bahwa Pk mengakui
setidaknya satu root

memiliki bagian nyata yang positif. Dengan demikian, kami menyimpulkan bahwa
E 1 tidak stabil.

Ketika R 0 <1, jelas bahwa a 4 (0)> 0 dan dengan induksi, a 4 (k)> 0

∀k ∈ N. Selain itu, jelas, 1 (k)> 0, a 2 (k)> 0, a 2 (k) a 3 (k) −a 1 (k) a 3 (k)>

0, 1 (k) 2 (k) -a 3 (k)> 0 dan 1 (k) (2 (k) 3 (k) -a 1 (k) 3 (k)) - a 3 (k) (a 3 (k) -

a 4 (k))> 0.

4.3 Analisis ketidakstabilan Turing

Dalam subbagian ini, kita melihat efek migrasi pada yang positif

keseimbangan model ( 10 ) dengan tidak adanya migrasi (model lokal).

Pada kenyataannya, teori Turing (lihat [ 24 ]) menunjukkan interaksi itu

antara reaksi kimia (yang di sini mewakili model lokal) dan

difusi (migrasi di sini) dapat memungkinkan keseimbangan lokal yang stabil

Model menjadi tidak stabil untuk model difusi reaksi (di sini, model

dengan migrasi) dan dengan demikian mengarah pada pembentukan spontan alat
tulis

struktur spasial dan periodik. Jenis ketidakstabilan ini dikenal di bawah

nama ketidakstabilan Turing atau ketidakstabilan yang didorong oleh difusi.

Dengan tidak adanya migrasi, model ( 10 ) menjadi:

dS

dt
= −µS - β (t) B

K+B

S + r 1 R,

dI

dt

= β (t) B

K+B

S - (r + µ) I,

dR

dt

= rI - (r 1 + µ) R,

dB

dt

= eI - γ B,

S (t) = I (t) = R (t) = B (t) = 0 pada ∂Ω ∀t ≥ 0.

(23)

Model ( 23 ) memiliki dua kesetimbangan: Kesetaraan sepele E 0 = (0,0,0,0)

dan kesetimbangan nontrivial positif E 1 = (S ∗ , I ∗ , R ∗ , B ∗ ) dengan

saya

Kγ (r + µ)

e (βA - r - µ)

,S
∗

= AI

,R

r1+µ

saya

dan B

saya

dimana

A=

rr 1 (Kγ + e)

(r 1 + µ) [eβ + µ (Kγ + e)]

Sangat mudah untuk menetapkan bahwa E 0 secara lokal asimtotik stabil pada
∂Ω. Itu
ekuilibrium E 1 dari model ( 23 ) (lihat [ 11 ] untuk metodologi) secara lokal

Halaman 14

178

E. Kokomo dan Y. Emvudu

asimtotik stabil di dalam Ω jika R c > 1 dan tidak stabil jika R c <1 dengan

Rc=

γ (r + µ)

βeS ∗ K

(K + B

)2.

Hasil utama dari ayat ini adalah sebagai berikut:

Teorema 6. Jika R c > 1 dan R 0 > 1 di mana R 0 diberikan oleh ( 22 ), lalu

model ( 10 ) menyajikan ketidakstabilan Turing.

Bukti. Jelas bahwa jika Rc > 1 dan R 0 > 1, maka stabil positif

kesetimbangan nontrivial E 1 dari model ( 23 ) menjadi tidak stabil untuk model

( 10 ).

5 Masalah kontrol yang optimal

Pada bagian ini, kami melanjutkan perumusan dan studi solusi

masalah kontrol yang optimal untuk memberantas epidemi.

5.1 Formulasi masalah kontrol yang optimal

Skema mitigasi yang berhasil adalah skema yang mengurangi kematian terkait
kolera
dengan biaya minimal. Skema kontrol diasumsikan optimal jika meminimalkan

mengukur fungsi tujuan:

J (Φ, θ) =

∫T

(L (t, Φ (t), θ (t))) dt + l (Φ (0), Φ (T)),

(24)

dengan L: [0, T [× X × (L ∞ (Ω)) 3 →] - ∞, + ∞] dan l: X × X →] - ∞, + ∞]

fungsi yang diberikan oleh

L (t, Φ (t), θ (t)) = A (1 - θ 2 (t)) μ 1 I (., T) + B 1 θ 1 (t) I (., T) + C 1 θ 2

1 (t) + B 2 θ 2 (t)

+C2θ2

2 (t) + B 3 θ 3 (t) + C 3 θ 2

3 (t),

(25)

l (h 1 , h 2 ) =

{0,

jika h 1 = Φ (0) dan h 2 = Φ (T);

+ ∞, di tempat lain,

(26)

di mana A, B 1 , B 2 , B 3 , C 1 , C 2 , C 3 adalah koefisien penyeimbang yang

mengubah

integral ke dalam dolar yang dikeluarkan selama periode waktu terbatas T. Dalam
expres-

Sion L (t, Φ (t), θ (t)), jumlah pertama dikalikan dengan A menunjukkan biaya
dari penyakit karena kolera dan ekspresi lainnya adalah biayanya

penerapan tiga strategi kontrol (lihat [ 22 ]). Kuadrat

ekspresi kontrol menunjukkan biaya nonlinier yang dapat timbul untuk a

Halaman 15

Pemodelan matematika dari efek migrasi

179

perawatan tingkat tinggi. Masalah kontrol optimal kemudian dirumuskan sebagai

mengikuti.

Masalah (P) Temukan pasangan (Φ ∗ , θ ∗ ) ∈ C ([0, T [, X) × Γ yang meminimalkan

fungsional ( 24 ) dalam himpunan semua fungsi (Φ, θ) ∈ C ([0, T [, X) × Γ yang

memuaskan ( 11 ).

5.2 Keberadaan pasangan yang optimal

Di sini, kami mempelajari keberadaan pasangan optimal dari masalah (P). Biarkan
kami

pertimbangkan dahulu lemma berikut:

Lemma 3. (i) Operator B: Γ → C (0, T, X) adalah linear kontinu dan

"Kausal".

(ii) Fungsi l dan L (t,.,.), 0 ≤ t ≤ T lebih rendah setengah kontinu dan

cembung pada X × X (resp. X × (L ∞ (Ω)) 3 ) dengan nilai dalam (- ∞, + ∞).

(iii) Untuk setiap fungsi yang sangat terukur Φ: [0, T [→ X dan θ: [0, T [→

(L ∞ (Ω)) 3 ), fungsi Hamilton yang terkait dengan L, H (., Φ (.), 0) adalah

Fungsi Lebesgue terukur.

(iv) L (t, Φ, θ) ≥ f (θ L 1 (0, T, (L ∞ (Ω)) 3 ) ) - g (Φ C (0, T, X) )

∀ (t, Φ, θ) ∈ [0, T [× X × L ∞ (Ω)) 3 di mana:

(a) f adalah fungsi non negatif asli pada [0, T [sedemikian sehingga f (0) = 0;

(B) g adalah fungsi nondecreasing nonnegatif pada [0, T [yang dibatasi

pada set dibatasi;

(c)

f (τ)

→ + ∞ sebagai τ → + ∞;

(d) T [f ( τ

) - g (K + cλ)]) - ηcλ → + ∞ sebagai λ → + ∞, dengan

K = T Φ C (0, T, X) + m C (0, T, X) ,

dan

c = Γ L (L 1 (0, T, (L ∞ (Ω)) 3 ), C (0, T, X)) .

Bukti. (i) Jelas bahwa B adalah linier dan kontinu. Selain itu, oleh

berpose

(E t (Bθ)) =

{(Bθ), jika ≤ t;

0,

jika s> t,

mudah untuk memverifikasi itu

E t (Bθ) = E t (Bθ),

untuk semua θ, θ ∈ L 1 (0, T, Γ) sehingga E t θ = E t θ, dari mana itu menghasilkan

bahwa
B adalah penyebab.

Halaman 16

180

E. Kokomo dan Y. Emvudu

(ii) Jelas bahwa fungsi l dan L (t,.,.), 0 ≤ t ≤ T adalah

masing-masing kontinu pada X × X dan X × (L ∞ (Ω)) 3 . Untuk cembung,

mari kita perhatikan epigraf l dan L (t,.,.) yang diberikan oleh:

epil = {(h 1 , h 2 , α), (h 1 , h 2 ) ∈ X × X, α ∈ R, l (h 1 , h 2 ) ≤ α},

epiL = {(Φ 1 , θ 1 , α), (Φ 1 , θ 1 ) ∈ X × (L

(Ω)) 3 , α ∈ R, L (t, Φ 1 , θ 1 ) ≤ α},

Jadi (lihat [ 4 ]), cukup untuk menunjukkan bahwa epil dan epiL adalah kumpulan
cembung X ×

X × R dan X × (L ∞ (Ω)) 3 × R, masing-masing. Hubungan ( 26 ) memungkinkan untuk

memperoleh

epil = {(Φ (0), Φ (T), α)}, dengan demikian l adalah cembung. Biarkan (Φ 1 , θ 1 , α),
(Φ 2 , θ 2 , α) ∈

epiL dan λ ∈ [0,1]. Perhitungan sederhana memungkinkan untuk memperoleh

L (t, λΦ 1 + (1 - λ) Φ 2 , λθ 1 + (1 - λ) θ 2 ) ≤ λL (t, Φ 1 , θ 1 ) + (1 - λ) L (t, Φ 2 , θ 2 ) + M

≤ λα + (1 - λ) α + M,

dengan

M = −λC 1 θ 2

22 + 2C 1 λθ 11 θ 21 - λC 2 θ 2

22 + C 2 λθ 12 θ 22 - λC 3 θ 2
23 + 2C 3 λθ 13 θ 23 ,

di mana θ i = (θ i1 , θ i2 , θ i3 ) T , i = 1,2. Demikian,

λ (Φ 1 , θ 1 , α) + (1 - λ) (Φ 2 , θ 2 , α) ∈ epiL,

yaitu, L (t,.,.) adalah cembung.

(iii) Cukuplah untuk memperhitungkan definisi kehamilan terkait.

tonian sistem ( 11 ) dan ( 24 ) (lihat [ 4 ]).

(iv) Kami punya

L (t, Φ, θ) ≥ min (C 1 , C 2 , C 3 ) θ L 1 (0, T, (L ∞ (Ω)) 3 ) −Aμ 1

Φ C (0, T, X) ,

untuk semua (t, Φ, θ) ∈ [0, T [× X × L ∞ (Ω)) 3 . Jadi cukup untuk mengambil g (t) =
Aµ 1 t

dan f (t) = min (C 1 , C 2 , C 3 ) t 2 .

Hasil utama dari ayat ini adalah sebagai berikut:

Teorema 7. Masalah (P) mengakui setidaknya satu solusi.

Bukti. Ini berasal dari Lemma 3 , yang memperhitungkan Popescu 1979

(Lihat [ 20 ] teorema 5.1), memberikan kondisi keberadaan yang memadai

solusi masalah (P).

6 Aplikasi dunia nyata

Di bagian ini, kami melanjutkan ke aplikasi dunia nyata untuk mengonfirmasi

hasil teoritis kami. Tabel 1 memberikan kasus baru kolera terdaftar

per wilayah di Kamerun dari 3 Januari hingga 2 Oktober 2011.

Halaman 17

Pemodelan matematika dari efek migrasi

181

Tabel 1: Kasus kolera baru per wilayah. Sumber: Departemen penyakit

kontrol, Kementerian kesehatan masyarakat, Kamerun.

Wilayah

Adamawa (1) Pusat (2) Timur (3) Far North (4) Littoral (5)

Bulan

Kasus baru

Nc

Nc

Nc

Nc

3
3

525

150

30

22

110

488

180

20

300

310

7
53

100

313

80

101

17

157

27

100

440

420

10

165

44

426

900

Wilayah
Utara (6) Barat Laut (7) Barat (8) Selatan (9) Barat Daya (10)

Bulan

Kasus baru

Nc

Nc

Nc

Nc

500

15

25

635

10

11

7
909

100

25

973

105

492

25

114

40

500

1117

150

30

140

0
101

58

30

1759

775

27

65

1093

10

150

65

346

6.1 Simulasi numerik variabel keadaan model

Dalam ayat ini, kami melakukan simulasi numerik dari variabel keadaan

able of the model ( 10 ) di hadapan dan tanpa kontrol

mekanisme, ini, dengan mempertimbangkan hasil yang diperoleh dalam Bagian 4 .

Kasus-kasus baru kolera per wilayah Tabel 1 sesuai dengan aterm

f (x, t) = β (x, t)

B (x, t)

K + B (x, t)

S (x, t),

persamaan kedua model ( 10 ). Nilai parameternya adalah

diberikan oleh: μ = 1 / (51.5 × 12) (nilai Institut Nasional Statistik), γ 1 =

1.8 / bulan (lihat [ 22 ]), γ 2 = 3.6 / bulan (lihat [ 22 ], K = 10 6 (lihat [ 14 ]),

r 1 = 1/30 (lihat [ 14 ]), γ = 1 bulan −1 (lihat [ 14 ]), e = 15 (lihat [ 7 ]), σ = 0,001,

σ B = 0,01, v = 2km / hari, μ 1 = 0,02 / bulan (lihat [ 22 ]), θ 1 = 0,6 (lihat [ 22 ]),

θ 2 = 0,9 (lihat [ 1 ]), θ 3 = 0,01 (lihat [ 22 ]). Kondisi awal dan batas

Halaman 18

182

E. Kokomo dan Y. Emvudu

diberikan oleh:

S (x, 0) = 1000000e

2μ

x,

I (x, 0) = 0,

R (x, 0) = e

-
√

2 (r1 + µ)

x,

B (x, 0) = e

v−

v2 + 2γσ2

σ2

+e

v+

v2 + 2γσ2

σ2

dan S (x, t) = I (x, t) = R (x, t) = B (x, t) = 0 untuk semua (x, t) ∈ ∂Ω. ini

mudah dimulai dari nilai parameter untuk menetapkan bahwa endemik

keseimbangan model lokal ( 23 ) diberikan oleh

E 1 = (150.450; 141,2981; 7276,9; 2119,5) T .

Demikian, ( 22 ) dan ekspresi Rc memungkinkan untuk memperoleh: Rc = 1,0021>

1

dan R0 = 0,6490 <1. Konsekuensinya (lihat Teorema 6 ), tidak ada sebuah

Turing ketidakstabilan. Situasi ini dikonfirmasi oleh Gambar 1 yang menyajikan

evolusi variabel status di hadapan ((a) - (d)) dan tidak ada

((e) - (h)) dari mekanisme kontrol. Gambar 1 juga mengkonfirmasi teori kami

menghasilkan stabilitas keseimbangan sepele pada batas ∂Ω dari Ω,

seperti adanya keseimbangan nontrivial, yang di sini tidak stabil di dalamnya

Ω. Kita dapat berkomentar berdasarkan Gambar 1 (f), bahwa, dengan tidak

adanya kontrol

mekanisme, individu yang terinfeksi hadir di semua wilayah, sedangkan

di hadapan mekanisme kontrol, Gambar 1 (b) dan 1 (c) menunjukkan bahwa

kepadatan individu yang terinfeksi dan yang pulih kurang dari 1, ini

membuktikan pemberantasan kolera di dalam populasi dan mengkonfirmasi

efisiensi strategi pengendalian yang diadopsi.

7 Kesimpulan

Dalam tulisan ini, kami telah mengusulkan skema matematika yang

memungkinkan

model di bawah asumsi yang jelas, penyebaran individu dalam suatu

crete atau ruang heterogen kontinu. Kami telah menerapkan setelah itu

hasil yang diperoleh (dalam kasus kontinu) untuk studi con optimal

trol masalah epidemi kolera di lingkungan yang heterogen dengan

migrasi. Lingkungan yang dianggap di sini adalah ruang Ω dengan batas

∂Ω sedemikian rupa sehingga individu hanya dapat bergerak di dalam
inside. Dalam matematika-

Setelah itu dilakukan analisis model epidemiologi difusif yang diperoleh

menunjukkan bahwa solusi dari model yang diusulkan dapat diamati dalam

benar, kita telah menetapkan keberadaan dua keseimbangan yang memiliki

kesamaan

Halaman 19

Pemodelan matematika dari efek migrasi

183

10

10

−500

500
1000

1500

bulan

Populasi Rentan per wilayah dan per bulan

wilayah

Rentan

10

10

0,1

0,2

0,3

0,4

bulan
Populasi Terinfeksi per wilayah dan per bulan

wilayah

Terinfeksi

(Sebuah)

(b)

10

10

x 10−4

bulan
Populasi yang Dipulihkan per wilayah dan per bulan

wilayah

Dipulihkan

10

10

−5

10

15

20

x 10165

bulan

Populasi Bakteri per wilayah dan per bulan

wilayah

Bakteri

(c)

(d)

10

10

−500

500

1000

1500

bulan

Populasi Rentan per wilayah dan per bulan

wilayah
Rentan

10

10

10

20

30

40

50

60

bulan

Populasi Terinfeksi per wilayah dan per bulan

wilayah

Terinfeksi
(e)

(f)

10

10

10

15

20

25

30

bulan

Populasi yang Dipulihkan per wilayah dan per bulan

wilayah

Dipulihkan

2
4

10

10

−4

−2

x 10166

bulan

Populasi Bakteri per wilayah dan per bulan

wilayah

Bakteri

(g)

(h)

Gambar 1: Dinamis dari Rentan, Terinfeksi, Pemulihan dan Bakteri per

wilayah dan per bulan di hadapan ((a) - (d)) dan tidak adanya ((e) - (h)) dari
mekanisme kontrol.

Halaman 20

184

E. Kokomo dan Y. Emvudu

kontinum: keseimbangan sepele pada batas ∂Ω dan kesetimbangan nontrivial

rium di dalam Ω. Kami telah menentukan parameter ambang batas R 0 yang

memungkinkan

sampai batas tertentu menunjukkan bagaimana implementasi kontrol akan

membantu meringankan masalah epidemi di dalam Ω. Kami juga telah

menentukan a

parameter threshold Rc , yang bergabung dengan R 0 , memungkinkan kita untuk

menganalisis Turing

ketidakstabilan. Masalah kontrol optimal matematis telah

untuk mengurangi kematian terkait kolera dengan biaya minimal,

dan, cukup kondisi keberadaan solusi dari masalah ini miliki

telah diberikan. Kami telah menerapkan model kami untuk masalah dunia nyata,
dengan spesifik-

menerapkannya pada epidemi kolera yang terjadi di Kamerun pada tahun 2008

2011. Dalam masalah dunia nyata yang ditangani, kami telah menunjukkan bahwa
yang diusulkan

Model ini efektif untuk mengendalikan dan mencegah epidemi nyata, dan, kami
punya

juga membenarkan validitasnya.

Referensi

[1] A. Alexanderian, MK Gobberty, K. Renee Fisterz, H. Gaff, S. Lenhart

dan E. Schaeferk, Model terstruktur usia untuk penyebaran epidemi

kolera: analisis dan simulasi, Anal Nonlinear. Appl Dunia Nyata.

12 (2011) 3483-3498.

[2] A. Ambrosetti dan A. Malchiodi, Analisis dan linear nonlinear

masalah elips, Cambridge University Press, 2007.

[3] B. Aulbach dan N. Van Minh, semigroup Nonlinier dan keberadaannya

dan stabilitas solusi dari persamaan evolusi non-otonom semilinear

tions, Abstr. Appl. Anal 4 (1996) 350-380.

[4] V. Barbu dan T. Precupanu, Convexity dan optimisasi di Banach

ruang, Springer Science + Business Media BV, Edisi Keempat, 2012.

[5] F. Brauer, Epidemiologi Matematika Bukan Oksimoron, BMC Pub-

lic Health 9 (Suppl. 1) (2009), S2.

[6] RA Cash, SI Music, JP Libonati, AR Schwartz dan RB Hornick

Respons pria terhadap infeksi vibrio cholerae, Infect. Imun. 10

(1974) 762.

[7] CT Codeo, Dinamika endemik dan epidemi kolera: peran

reservoir akuatik, Infeksi BMC. Dis. 1 (2001) 1.

[8] RR Colwell, Iklim global dan penyakit menular: kolera

paradigma, Sci. 214 (1996) 2025-2031.

Halaman 21

Pemodelan matematika dari efek migrasi

185

[9] JJ Duistermaat dan JAC Kolk, Distribusi: teori dan aplikasi

tions, Springer, 2006.

[10] Y. Emvudu dan E. Kokomo, Analisis stabilitas epidemi kolera

model populasi tertutup, J. Appl. Matematika Bioin. 2 (2012) 69–97.

[11] Y. Emvudu dan E. Kokomo, Analisis matematis epidemi kolera

model dengan musiman, J. Nonlinear Syst. Appl. 4 (2013) 11–29.

[12] LC Evans, Persamaan diferensial parsial, Amer. Matematika Soc. 19 (1998).

[13] J. Hadamard, Ceramah tentang masalah Cauchy dalam perbedaan parsial

linier-

persamaan resmi, Yale University Press, 1923.

https://jmm.guilan.ac.ir/article_2961_ea2a7406ae696fb0fe00e0485f6fa68c.pdf