LANDASAN TEORI
Adapun landasan teori yang akan digunakan oleh penulis dalam penyusunan
tugas akhir adalah sebagai berikut:
2.1 Matriks
2.1.1 Definisi Matriks
Definisi 2.1 (Howard Anton, 1987): Matriks adalah susunan segi empat
siku-siku dari bilangan-bilangan. Bilangan-bilangan dalam susunan tersebut
dinamakan entri dalam matriks.
Matriks tersebut dapat ditulis dalam bentuk:
a11 a12 a1n
a a 22 a 2 n
A 21
a m1 am2 a mn
II-2
2.1.7 Rank Matriks
Definisi 2.7 (Howard Anton, 1987): Dimensi ruang baris dan ruang kolom
matriks A dinamakan rank dan di nyatakan dalam bentuk rank (A).
Untuk semua skalar . Skalar disebut nilai eigen dari , dan disebut sebagai
vektor eigen dari yang terkait dengan .
Untuk mencari nilai eigen dan vektor eigen dari suatu matriks adalah sebagai
berikut:
(2.2)
(2.3)
II-3
Teorema 2.1 (Bill Jacob. 1990): Jika adalah sebuah matriks bujur sangkar,
maka:
a) dapat didiagonalkan jika dan hanya jika jumlah multiplisitas geometri nilai
eigennya .
b) Jika multiplisitas geometri dari masing-masing nilai eigen adalah sama
dengan multiplisitas aljabarnya, maka dapat didiagonalkan.
c) Jika semua nilai eigen berbeda (masing-masing multiplisitas aljabarnya
adalah ), maka dapat didiagonalkan.
Berdasarkan Teorema 2.1 maka untuk setiap nilai eigen dari matriks terdapat
dua kemungkinan:
1. Multiplisitas Aljabar Multiplisitas Geometri
Jika ini terjadi maka matriks dapat didiagonalkan.
2. Multiplisitas aljabar Multiplisitas Geometri
Jika ini terjadi maka tidak dapat didiagonalkan.
Contoh 2.1:
Penyelesaian:
Untuk mencari nilai eigen dari matriks gunakan Persamaan (2.2) dengan hasil
matriks:
[ ]
II-4
Selanjutnya untuk mencari vektor eigen dari matriks yang terkait dengan jika
dan hanya jika adalah sebuah solusi nontrivial dari , yaitu dengan
menggunakan Persamaan (2.3).
[ ][ ] [ ]
[ ][ ] [ ]
[ ] [ ]
Sehingga:
[ ]
[ ][ ] [ ]
II-5
Berdasarkan nilai dan , maka vektor eigen yang terkait dengan
adalah vektor-vektor tak nol yang berbentuk:
[ ] [ ] [ ] [ ] [ ]
[ ] dan [ ]
: [ ]
: [ ] [ ]
Berdasarkan Teorema 2.1 maka didapat banyaknya nilai eigen atau multiplisitas
aljabar dari matriks adalah dan untuk banyaknya vektor eigen atau
multiplisitas geometri dari matriks adalah 3.
dimana adalah rank dari matriks . Jika adalah vektor eigen, adalah
vektor eigen tergeneralisasi dari vektor eigen , dan seterusnya.
II-6
2.2 Diagonalisasi Matriks
Diagonalisasi matriks merupakan proses pembentukan suatu matriks
menjadi matriks diagonal dengan melibatkan nilai eigen dan vektor eigen.
Diberikan definisi tentang diagonalisasi suatu matriks.
II-7
Contoh :
Penyelesaian:
Dari Contoh telah didapat dan dan untuk vektor eigennya
[ ]
[ ][ ][ ] [ ]
J n1 (1 ) 0
J n 2 ( 2 )
J
0 J nk ( k )
II-8
Matriks Jordan terdiri dari beberapa matriks blok Jordan. Setiap blok Jordan
hanya mempunyai satu nilai eigen dari satu vektor eigen yang bebas linear.
Bentuk kanonik Jordan dibentuk melalui proses diagonalisasi.
(2.6)
Definisi 2.11 (I.N. Herstein, 2000): Sebuah matriks blok Jordan adalah
matriks segitiga atas dengan bentuk
1 0
1
J k ( )
1
0
Nilai eigen muncul kali pada diagonal utama, angka muncul
kali pada superdiagonal sedangkan entri-entri lainnya nol.
1 1 0 0 0 0
0 1 0 0 0 0
0 0 3 1 0 0
J
0 0 0 3 0 0
0 0 0 0 1 1
0 0 0 0 0 1
Matriks dengan matriks blok Jordan terdiri dari tiga blok yaitu [ ],
[ ] dan [ ] dengan .
II-9
Berikut cara mencari bentuk kanonik Jordan dengan cara umum:
1. Matriks sebarang.
2. Tentukan nilai eigen matriks .
3. Tentukan vektor eigen.
4. Tentukan matriks yang terdiri dari vektor eigen dan vektor eigen
tergeneralisasi.
5. Tentukan .
6. Tentukan matriks kanonik Jordan dengan .
Contoh :
Penyelesaian:
Untuk mencari nilai eigen dari matriks gunakan Persamaan (2.2) dengan hasil
matriks:
[ ]
Selanjutnya untuk mencari vektor eigen dari matriks yang terkait dengan jika
dan hanya jika adalah sebuah solusi nontrivial dari , yaitu dengan
menggunakan Persamaan (2.3).
[ ][ ] [ ]
[ ][ ] [ ]
II-10
Oleh karena itu, sistem ini didapat hasil:
Berdasarkan nilai dan , maka vektor eigen dari yang terkait dengan
adalah vektor-vektor tak nol yang berbentuk:
[ ] [ ]
[ ]
[ ][ ] [ ]
[ ] [ ]
[ ]
II-11
Selanjutnya , maka Persamaannya (2.3) menjadi:
[ ][ ] [ ]
Misalkan , maka:
[ ]
[ ]
Selanjutnya dibentuk matriks dari vektor eigen dan vektor eigen tergeneralisasi
dengan
[ ]
dan
[ ]
[ ][ ][ ] [ ]
dengan .
II-12
2.4 Kendali Optimal Waktu Diskrit
Selanjutnya pada subbab yang keempat ini, akan dibahas tentang kendali
optimal waktu diskrit.
Diberikan persamaan fungsi kendali secara umum masalah kendali optimal
waktu diskrit sistem dinamik sebagai berikut (Ogata, Katsuhiko, 1995):
. (2.7)
Selanjutnya diketahui fungsi tujuan sebagai berikut:
∑ [ ]. (2.8)
Maka dengan menggunakan pengali Lagrange maka diberikan definisi dimana:
[ ] [
] . (2.9)
(2.10)
(2.11)
(2.12)
(2.13)
(2.14)
dengan:
II-13
: waktu yang merupakan bilangan bulat .
: vektor keadaan, .
: vektor output, .
: matriks anggota .
: matriks anggota .
II-14
1 0
2
P FP
1
0 3
(2.16)
dengan 1 , 2 ,., n adalah nilai eigen berbeda dari . Sistem teramati jika dan
hanya jika tidak ada kolom dari matriks yang semua elemennya nol.
Jika matriks tidak mempunyai vektor eigen yang berbeda, maka
pendiagonalan tidak mungkin dilakukan. Dalam kasus ini, kita boleh mengubah
menjadi bentuk kanonik Jordan.
Sistem dikatakan dalam keadaan teramati jika dan hanya jika:
1. Tidak ada dua blok Jordan dalam yang bersesuaian dengan nilai eigen
yang sama.
2. Kolom yang bersesuaian dengan baris pertama dari masing-masing blok
Jordan tidak ada yang elemennya nol semua.
3. Elemen dari masing-masing kolom yang bersesuaian dengan nilai eigen
yang berbeda tidak semuanya nol.
II-15