Derdtr

Matematika Sistem
Oleh : Subiono Jurusan Matematika, FMIPA-ITS, Surabaya Email: subiono2008@matematika.its.ac.id Versi : 2.0.1 22 April 2010
Kata Pengantar
Alhamdulillahirabbilalamin, segala puji hanyalah milikmu ya Allah yang telah meberikan "kebebasan bertanggung jawab" kepada manusia untuk suatu kebaikan dalam melaksanakan amanatnya di hamparan bumi yang dihuni manusia. Sholawat dan Salam kepadamu ya Nabi Muhammad beserta para keluarganya dan para pengikutnya sampai nanti di hari akhir. Buku ini disusun dengan maksud untuk membantu dan mempermudah mahasiswa dalam mempelajari materi kuliah MATEMATIKA SISTEM. Selain dari pada itu juga dimaksudkan untuk menambah suatu wacana bagi para peminat lainnya baik pada disiplin ilmu teknik, ekonomi atau kalangan industri dan perguruan tinggi. Dalam buku ini diberikan beberapa konsep pengertian dari materi yang disajikan setelah itu diikuti dengan beberapa contoh untuk mempermudah pemahaman, selain itu juga diberikan i
ii beberapa contoh aplikasi dan beberapa soal sebagai latihan. Topik bahasan disajikan dengan penekanan pada "matematika" tetapi tidaklah menjadikan para pemakai lain akan mengalami kesulitan dalam mempelajari buku ini, karena peletakan penekanan aspek matematika dibuat dengan porsi yang seimbang. Sehingga para peminat matematika tetap dapat menikmati dan menggunakan ilmunya terutama dalam matematika sistem, begitu juga untuk para pemakai yang lainnya diharapkan mendapat tambahan wawasan untuk melihat matematika sebagai alat yang dibutuhkan terutama dalam kajian matematika sistem untuk menyelesaikan masalah-masalah praktis yang dihadapinya. Untuk memudahkan pembaca mengikuti alur dari setiap topik bahasan dalam buku ini, diasumsikan pembaca mempunyai bekal pengetahuan tentang "Persamaan Dierensial" dan "Aljabar Linear" yang memadai. Persiapan penulisan materi buku ini membutuhkan waktu yang agak lama, sejak penulis mengajarkan mata kuliah "Matematika Sistem" dijurusan Matematika FMIPA-ITS, Surabaya sekitar tahun 1990. Beberapa materi disusun dari pengalaman mengajar tsb. Selain itu juga dari kumpulan materi yang penulis dapat saat mengikuti "Short Course and Work Shop on Mathematical Systems Theory" yang diselenggarakan dalam rangka kerjasama Jurusan Matematika FMIPA-ITS, Surabaya dengan Delft Universisty of Technology, the Netherlands dari tgl. 12 April 1991 sampai dengan tgl. 12 Agustus 1991. Short Course
Matematika-Sistem, Copyright: c 2010 Subiono
iii tsb. langsung diberikan oleh Prof. Dr. G.J. Olsder yang mana dia juga sebagai penulis buku "Mathematical Systems Theory" yang penulis pakai sebagai rujukan utama dalam buku ini ([1]). Selain dari pada itu draft tulisan buku ini ditulis saat penulis megikuti program doktor di Delft University of Technology, the Netherlands mulai September 1995 sampai Juli 2000. Penulis pada kesempatan ini menyampaikan keaktifan pembaca dalam mengkaji buku ini untuk menyampaikan kritik dan saran guna perbaikan buku ini, sehingga pada versi yang mendatang "mutu buku" yang baik bisa dicapai. Kritik dan saran ini sangat penting karena selain alasan yang telah disebutkan tadi, penulis percaya bahwa dalam sajian buku ini masih kurang dari sempurnah bahkan mungkin ada suatu kesalahan dalam sajian buku ini baik dalam bentuk redaksional, pengetikan dan materi yang menyebabkan menjadi suatu bacaan kurang begitu bagus.
Buku ini dapat diperoleh secara gratis oleh siapapun tanpa harus membayar kepada penulis. Hal ini berdasarkan pemikiran penulis untuk kebebasan seseorang mendapatkan suatu bacaan yang tersedia secara bebas dengan maksud "kemanfaatan" dan "kejujuran". Yang dimaksud dengan kemanfaatan adalah bergunanya bacaan ini untuk kemudahan pembaca memperoleh informasi penting yang diperlukannya dan untuk pembelajaran. Sedangkan kejujuran adalah ikatan moral dari pembaca untuk tidak memdistribusi buku in dengan tujuaan yang tidak bermanfaat.
iv Penulis menulis buku ini berdasarkan pemikiran "kebebasan menulis" (tidak harus menggunakan media cetak penerbit) dengan asas "kemanfaatan" menggunakan media yang tersaji masa kini. Beberapa alat bantu untuk penulisan buku ini juga diA dapat secara gratis, yaitu perangkat lunak L TEX dan WinEdt A sebagai salah satu media L TEX editor. Beberapa gambar yang ada dalam buku ini menggunakan perangkat lunak LaTexDraw yang juga didapat secara gratis. Begitu juga beberapa bahan rujukan didapat secara gratis lewat internet. Selain itu untuk menyelesaikan beberapa contoh yang dibahas digunakan alat bantu perangkat lunak Euler Math Toolbox versi 8.8 dan Scilab5.2.0, kedua perangkat lunak ini juga didapat dari interner secara gratis. Akhirnya, dengan segala kerendahan hati penulis memohon kepada Allah semoga penulisan ini bisa berlanjut untuk versi mendatang yang tentunya lebih "baik" dari Versi 1 yang tersedia saat ini dan semoga benar-benar buku yang tersaji ini bermanfaat bagi pembaca. Catatan Untuk Versi 1.1 Versi ini merupakan versi revesi dari beberapa kesalahan ketik, gambar dan penulisan formula matematika yang terdapat dalam versi sebelumnya. Juga diberikan suatu tambahan yaitu suatu cara atau algorithma untuk memperoleh matriks eksponensial eAt . Bagi pembaca yang ingin mendapatkan cara menghitung matriks eksponensial eAt ini bisa memperolehnya dalam [6]. Catatan Untuk Versi 1.2 Versi 1.2 merupakan kelanjutan dari
v versi 1.1 dengan beberapa tambahan yang melengkapi Bab 4. Penambahan pada Bab 4 khususnya mengenai pengertian kestabilan sistem dan kriteria kestabilan sistem menurut Routh-Hurwitz diberikan secara agak lengkap. Materi ini merupakan hasil penulis ketika membimbing tugas akhir S1 di Jurusan Matematika FMIPAITS. Pembahasan yang lebih lengkap dan rinci mengenai kestabilan dengan kriteria Routh-Hurwitz bisa didapat dalam [7]. Catatan Untuk Versi 2.0 Dalam Versi 2.0 ini ada beberapa tambahan meteri yang lebih lengkap terutama materi yang berkaitan dengan pengertian keterkontrolan, keteramatan dan penstabilan sistem dalam Bab 4 dan Bab 5 . Selain itu materi realisasi minimal dari suatu sistem linear invarian waktu juga diberikan lebih lengkap dalam Bab 6. Tambahan materi tsb. diambil dari tugas akhir S1 Jurusan Matematika FMIPA-ITS hasil bimbingan penulis yang bisa didapat dalam [8] dan [9]. Catatan Untuk Versi 2.0.1 Dalam Versi 2.0.1 ini diberikan algorithma penghitungan matriks transisi eAt yang lebih lengkap dan mudah dibandingkan dengan yang telah diberikan sebelumnya.
Surabaya, 22 April 2010 san Mate ru u
a atik m
-I
TS
, S ur a
ay a
* F M I PA
Penulis
vi
Daftar Isi
Kata Pengantar 1 Pendahuluan 1.1 Pengertian Sistem . . . . . . . . . . . . . . . . . . 1.2 Sejarah ringkas . . . . . . . . . . . . . . . . . . . 1.3 Uraian ringkas isi . . . . . . . . . . . . . . . . . . 2 Prinsip-prinsip pemodelan 2.1 Hukum-hukum konservasi . . 2.2 Prinsip-prinsip Phenomenalogi 2.3 Hukum-hukum prinsip sika . 2.3.1 Termodinamika . . . . 2.3.2 Mekanika . . . . . . . 2.3.3 Elektromagnit . . . . . 2.4 Contoh-contoh . . . . . . . . . vii
i 1 1 9 11 13 13 14 15 15 16 17 20
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
viii 2.4.1 2.4.2 2.4.3 2.4.4 2.4.5 2.4.6 2.4.7 2.4.8 2.4.9
DAFTAR ISI
Pendulum terbalik . . . . . . . . . . . . . Dinamika satelit . . . . . . . . . . . . . . . Batang dipanasi . . . . . . . . . . . . . . . Rangkaian Elektrik . . . . . . . . . . . . . Dinamika populasi . . . . . . . . . . . . . Ketergantungan umur dinamika populasi . Bioreaktor . . . . . . . . . . . . . . . . . . Transport polusi . . . . . . . . . . . . . . Ekonomi nasional . . . . . . . . . . . . . .
20 24 26 27 30 33 36 38 39 43 43 50 61
3 Sistem dierensial linier 3.1 Uraian dalam dan uraian luar suatu sistem . . . . 3.2 Pelinearan . . . . . . . . . . . . . . . . . . . . . . 3.3 Penyelesaian persamaan dierensial linier . . . . .
3.4 Respon impuls dan step . . . . . . . . . . . . . . 106 4 Sifat-sifat sistem 4.1.1 4.1.2 4.1.3 4.1.4 4.2.1 115
4.1 Kestabilan . . . . . . . . . . . . . . . . . . . . . . 115 Kestabilan dari segi nilai karakteristik . . 115 Kriteria Routh-Hurwitz . . . . . . . . . . 121 Kestabilan Lyapunov . . . . . . . . . . . . 128 Kestabilan masukan-keluaran . . . . . . . 132 Ruang-bagian "keadaan" ditinjau dari masukan dan keluaran . . . . . . . . . . . . . 135
4.2 Keterkontrolan dan keteramatan . . . . . . . . . . 133
DAFTAR ISI
ix
Munculnya sistem takterkontrol atau sistem tak teramati . . . . . . . . . . . . . . 4.2.3 Keterkontrolan . . . . . . . . . . . . . . . 4.2.4 Keteramatan . . . . . . . . . . . . . . . . 4.2.5 Ruang-bagian terkontrol dan teramati . . 4.3 Dualitas keterkontrolan dan keteramatan . . . . . 4.4 Bentuk kompanion terkontrol dan teramati . . . .
4.2.2
139 142 150 154 160 161
5 Umpan balik keadaan dan keluaran 171 5.1 Umpan balik dan terstabilkan . . . . . . . . . . . 173 5.2 Pengamat dan prinsip pemisahan . . . . . . . . . 182 5.3 Penolakan gangguan . . . . . . . . . . . . . . . . 195 6 Penyajian masukan/keluaran 6.1 Transformasi Laplace dan kegunaannya 6.1.1 Hubungan sistem-sistem . . . . 6.1.2 Ossilasi . . . . . . . . . . . . . 6.1.3 Fungsi rasional . . . . . . . . . 6.2 Fungsi transfer dan matriks transfer . . 6.3 Realisasi minimal . . . . . . . . . . . . 6.4 Metoda Frekuensi . . . . . . . . . . . . 197 198 202 204 206 209 225 228
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
Indeks Daftar Pustaka
236 237
Bab
1
Pengertian Sistem
Pendahuluan
1.1
Dalam bagian ini diberikan suatu pengertian dari suatu sistem secara umum, dari pengertian ini kita harapkan memberi suatu gambaran apa sistem itu dalam konteks pengertian yang diberikan sebagaimana berikut ini. Selanjutnya diberikan beberapa contoh untuk menjelaskan pengertian ini. Gambar 1.1 memberikan alur pengertian suatu sistem. Secara langsung bisa kita katakan bahwa sistem adalah bagian dari realita. Realita diluar sistem dinamakan "sekitar sistem". Interaksi diantara sistem dan sekitar sistem direalisasikan lewat besaran, sangat sering merupakan fungsi dari waktu yang dinamakan masukan (input) dan keluaran (output). Sistem dipengaruhi sekitar melaui masukan dan sistem mempunyai pe1
Pendahuluan..
sekitar sistem realita
masukan sistem
keluaran
Gambar 1.1: Pengertian Sistem.
ngaruh pada sekitar melalui keluaran. Masukan dan keluaran sistem yang disajikan oleh signal atau fungsi dari waktu bisa merupakan waktu yang kontinu atau diskrit. Hal ini berkaitan dengan apa yang dinamakan sistem kontinu dan sistem diskrit. Mengkaji (menganalisis) proses sis atau mendisainnya dinamakan sistem sis dalam hal ini hubungan masukan dan keluran sistem disajikan oleh suatu model matematika. Sangat sering model matematika ini berbentuk suatu persamaan dierensial (untuk yang kontinu) dan persamaan beda (untuk yang diskrit). Untuk sistem dengan masukan dan keluarannya yang disajikan oleh bentuk persamaan dierensial biasa dinamakan sistem tergumpal (lumped), bila tidak demikian dinamakan sistem terdistribusi. Pembentukan suatu model matematika sering membutuhkan asumsi tentang sifat dasar proses sis Contoh-contoh: Dalam perekonomian: Laju permintaan (masukan) mempunyai pengaruh pada keluaran dalam hal ini adalah perilaku infestasi. Mobil: Putaran kemudi suatu mobil (masukan) mempunyai pengaruh pada arah dua roda depan mobil (keluaran). Matematika-Sistem, Copyright: c 2010 Subiono
Pengertian Sistem..
Temperatur ruangan (masukan) pengetesan tanaman mempunyai pengaruh pada pertumbuhan tanaman (keluaran). Air hujan (masukan) memberikan pengaruh pada ketinggian permukaan dari suatu sungai (keluaran). Diberbagai bidang kajian, suatu phenomena tidak dikaji secara langsung melainkan lewat suatu model dari phenomena. Suatu model adalah suatu penyajian yang sering dalam istilah matematika penyajian tsb. dirasa penting untuk waktu mendatang bagi kajian obyek atau sistem. Dengan memanipulasi penyajian tsb. diharapkan pengetahuan baru tentang phenomena yang telah dimodelkan tadi bisa diperoleh tanpa bahaya, biaya atau ketidak nyamanan dalam pemanipulasian phenomena real itu sendiri. Dalam matematika sistem kita hanya bekerja dengan model dan saat berbicara suatu sistem kita artikan suatu versi model dari sistem sebagai bagian dari realita. Kebanyakan pemodelan menggunakan matematika sebagai alatnya. Keadaan mendatang yang penting dari berbagai phenomena sika secara numerik bisa diuraikan serta hubungan diantara keadaan mendatang tsb. diuraikan oleh persamaan atau pertidaksamaan. Secara khusus misalnya dalam pengetahuan alam dan rekayasa, sifat-sifat massa, percepatan dan gaya bisa diuraikan oleh persamaan matematika. Bagaimanapun demi suksesnya pemanfaatan pendekatan pemodelan diperlukan suatu pengetahuan phenomena yang dimodelkan serta sifat-sifat rekayasa pemodelan. Perkembangan komputer berkecepatan tinggi secara besar meningkatkan penggunaan dan pemanfaatan pemodelan. Dengan penyajian suatu sistem sebagai suatu model matematika mengubah model yang ada kedalam instruksi dari Matematika-Sistem, Copyright: c 2010 Subiono
Pendahuluan..
suatu komputer dan mengoperasikannya. Dalam hal ini adalah sangat memungkin untuk memodelkan sistem yang lebih besar dan kompleks dari yang sebelumnya. Penekanan dari makna sistem yang dikaji adalah perilaku dinamik dari phenomena, yaitu bagaimana karakteristik keadaan mendatang (seperti masukan dan keluaran) berubah sesuai dengan berubahnya waktu dan apa hubungannya yang juga sebagai fungsi dari waktu. Satu gambaran dari hal tsb. adalah bila mencoba untuk mendisain sistem kontrol sedemikian hingga suatu perilaku yang diharapkan bisa dicapai. Matematika sistem membentuk dasar matematika bagi area rekayasa, seperti kontrol otomatik dan jejaring (networks). Ia juga awal untuk subyek matematika yang lain yaitu teori kontrol optimal dan teori lter. Dalam teori kontrol optimal adalah mencoba mendapakan suatu fungsi masukan yang menghasilkan fungsi keluaran sekaligus sedapat mungkin memenuhi suatu persyaratan tertentu. Sedangkan teori lter, interpretasi dari fungsi masukan diamati dengan kesalahan pengukuran, dalam hal ini sistem mencoba untuk merealisasi suatu keluaran yang sama dengan pengamatan ideal, yaitu tanpa kesalahan pengukuran. Matematika sistem juga memainkan suatu peranan dalam ekonomi (khususnya teori kontrol ekonomi makro dan analisa time series), teori ilmu komputer (teori automata, Petri-nets) dan ilmu manajemen (model dari perusahaan dan organisasi yang lain).
Contoh 1 [Autopilot kapal] Suatu autopilot yang diagramnya disajikan dalam Gambar 1.2 adalah suatu perangkat, sebagai masukan adalah sudut kesalahan arah e yang terjadi akibat beda diantara sudut arah yang diingini e dengan kenyataan sudut Matematika-Sistem, Copyright: c 2010 Subiono
Pengertian Sistem..
utara e e + u
Gambar 1.2: Auto pilot.
e e
gangguan auto u kapal pilot
arah kapal saat ini (misalnya diukur dengan suatu instrumen kompas magnetik atau gyrocompass). Sudut arah kapal yang diinginkan e adalah sudut acuan bagi navigator. Dengan menggunakan informasi tsb. perangkat secara otomatis memposisi kemudi fungsi waktu u sebagai masukan sedemikian hingga kesalahan arah yang terjadi e = e sekecil mungkin . Diberikan kedinamikan boat dan gangguan luar (angin, gelombang besar dsb.) teori kontrol otomatik membantu untuk menentukan masukan kontrol u = f (e) yang sesuai dengan maksud khusus yaitu untuk tujuan kestabilan, keakuratan, waktu respon, dsb. Misalnya, untuk hal ini suatu pengontrol yang mungkin adalah suatu bang-bang kontrol yang diberikan oleh: u= +umax bila e > 0, umax bila e < 0. u = K.e dimana K suatu konstanta. Dalam hal ini diasumsikan umax K.e +umax untuk semua nilai u yang diingini. Bila u bukan Matematika-Sistem, Copyright: c 2010 Subiono
Pengontrol u mungkin adalah bentuk proporsional:
Pendahuluan..
seperti hal diatas, beberapa jenis saturasi harus diperkenalkan. Hukum kontrol juga mungkin terdiri dari suatu bagian proporsional, bagian integral dan bagian dierensial:
t
u = K.e + K
e(s)ds + K
de , dt
(1.1)
dimana K, K dan K adalah konstanta. Hukum kontrol ini biasa ditulis PID, dimana P bagian proporsional, I bagian integral dan D bagian dierensial. Teori kontrol otomatik membantu dalam pemilihan hukum kontrol yang terbaik. Bila kapal itu sendiri kita pertimbangkan sebagai suatu sistem, maka sebagai masukan ke kapal adalah posisi kemudi u (dan mungkin juga gangguan) dan keluaran arah kapal adalah . Auto pilot adalah sistem yang lain dengan masukan signal kesalahan e dan keluaran adalah posisi kemudi kapal. Terlihat bahwa suatu keluaran dari suatu sistem bisa merupakan masukan bagi sistem lainnya. Kombinasi dari kapal, autopilot dan keterkaitan dan e bisa juga sebagai suatu sistem dengan masukan sudut arah kapal yang diharapkan e dan keluaran realita sudut arah kapal (lihat Gambar 1.2).
Contoh 2 [Masalah kontrol optimal] Gerakan dari suatu kapal diberikan oleh: x(t) = f (x, u, t), dimana keadaan x = (x1 , x2 )T R2 menyajikan posisi kapal terhadap suatu sistem kordinat tetap. Vektor u = (u1 , u2 )T R2 menyajikan kontrol dan t adalah waktu. Notasi x menyatakan turunan terhadap waktu dari dua komponen keadaan sedangkan Matematika-Sistem, Copyright: c 2010 Subiono
Pengertian Sistem..
notasi T menyatakan transpose. Masing-masing fariabel kontrol u1 dan u2 dipilih sebagai posisi kemudi dan kecepatan kapal. Masalahnya sekarang adalah memilih u1 dan u2 sedemikian hingga bahan bakar yang digunakan kapal sekecil mungkin. Bila kapal meninggalkan Surabaya pada suatu waktu tertentu dan mencapai Makassar 4 hari kemudian. Fungsi pengontrol u1 dan u2 mungkin bergantung pada informasi yang tersedia yaitu waktu, ramalan cuaca, badai dsb. Secara formal, u = (u1 , u2)T harus dipilih sedemikian hingga integral
ta
g(x, u, t)dt
t0
minimum. Kriteria integral diatas menguraikan banyaknya bahan bakar yang digunakan. Fungsi g adalah bahan bakar yang digunakan per satuan waktu, t0 waktu keberangkatan dan ta waktu kedatangan.
Contoh 3 [Filtering] Sistem satelit NAVSAT merupakan singkatan dari NAVigation by means of SATellites. Sistem navigasi satelit ini mencakup seluruh dunia dikaji oleh agen ruang angkasa masyarakat Eropah. Selama tahun 1980 sistem NAVSAT dalam tahap pengembangan dengan kajian sibelitas dikerjakan oleh berbagai institut penelitian ruang angkasa masyarakat Eropah. Misalnya pada National Aerospace Laboratory NLR, Amsterdam, Belanda, suatu alat simulasi dikembangkan sebagai alternatif konsep NAVSAT yang bervariasi dan skenario bisa dievaluasi. Matematika-Sistem, Copyright: c 2010 Subiono
Pendahuluan..
Ide dasar satelit yang melandasi sistem navigasi adalah: Pengguna (misalnya suatu pesawat atau suatu kapal) menerima pesan lebih dari satu satelit, penerima bisa mengestimasi posisi pesawat/kapalnya. Satelit menyiarkan kordinatnya (dalam beberapa frame acuan yang diketahuai) dan saat waktu dimana pesan tsb. disiarkan, penerima mencatat waktu saat ia menerima pesan dengan jam yang ada. Sehingga penerima tahu perbedaan waktu diantara pengiriman dan penerimaan pesan yang menghasilkan jarak diantara posisi satelit dengan pesawat/kapal. Bila penerima bisa menghitung jarak tsb. sedikitnya dari tiga satelit yang berbeda, maka secara prinsip penerima bisa menghitung posisi pesawat/kapalnya. Faktor yang kompleks dalam perhitungan adalah: i). satelit-satelit yang berbeda mengirim pesan pada saat waktu yang berbeda pada saat yang bersamaan pesawat/kapal bergerak, ii). beberapa sumber kesalahan yang tersaji dalam data, misalnya keterlambatan ionospheric dan tropospheric yang tak diketahui, jam diantara satelit dan penerima tidak secara sinkron sama dan posisi satelit yang sedang disiarkan hanya dengan keakuratan yang terbatas. Permasalahan yang harus diselesaikan oleh penerima adalah bagaimana menghitung posisi pesawat/kapal seakurat mungkin ketika ia mendapatkan informasi dari satelit-satelit dan bagaimana ia mengetahui karakteristik stokhastik dari kesalahan atau ketaktentuan yang disebutkan diatas. Bila satelit-satelit menyiarkan informasi secara periodik, penerima juga bisa meng-update estimasi posisi pesawat/kapalnya secara periodik yang mana posisi ini juga merupakan fungsi dari waktu. Matematika-Sistem, Copyright: c 2010 Subiono
Sejarah ringkas..
1.2
Sejarah ringkas
Umpan balik adalah konsep dari teori sistem bisa ditemui diberbagai tempat misalnya di alam dan dalam kehidupan organisme. Sebagai contoh kontrol dari temperatur badan. Begitu juga proses sosial dan ekonomi dikontrol oleh mekanisme umpan balik. Pada sebagian besar perlengkapan teknik menggunakan mekanisme kontrol. Pada masa lalu umpan balik sudah diterapkan misalnya dalam kincir air Babylonic untuk pengontrolan tinggi air. Sejarawan Otto Mayr seorang tekniksi menguraikan untuk pertama kalinya kegunaan dari suatu mekanika umpan balik yang didisain oleh Cornelis Drebbel seorang kimiawan [1572-1633]. Ia mendisain Athanor, suatu pemanas yang mana ia berharap dengan optimis mengubah timah menjadi emas. Kontrol temperatur pemanasnya agak kompleks dan bisa dipandang sebagai suatu disain umpan balik. Penemuan Drebbel digunakan untuk maksud komersial oleh menantunya, Augustus Kuer [1595-1677]. Pada saat yang lain Christian Huygens [1629-1695] salah seorang yang mendisain sendiri suatu roda penggilingan untuk pengontrolan kecepatan putar penggiling. Ide ini diperhalus oleh R. Hooke [1635-1703] dan J. Watt [1736-1819]. Nama yang terakhir tsb. adalah penemu mesin uap. Pada pertengahan abab ke-19 mesin uap J. Watt telah menghabiskan lebih dari 75000 bola-putar yang dipasang pada pemutar di mesin uap tsb. Segera disadari bahwa bila pengontrol terlalu kaku yang dikenakan pada alat tsb. akan Matematika-Sistem, Copyright: c 2010 Subiono
10
Pendahuluan..
memberikan suatu masalah. Saat kini disadari bahwa perilaku yang terjadi membentuk suatu ketidakstabilan yang disebabkan suatu gain tinggi dalam loop umpan balik. Masalah perilaku buruk ini diselidiki oleh J.C. Maxwell [1831-1879] seorang yang pertama kali mengkaji analisa matematika masalah kestabilan. Papernya On Governor dapat dipandang sebagai artikel matematika pertama yang berkaitan dengan teori kontrol. Perkembangan penting berikutnya dimulai pada periode sebelum perang dunia ke-2 di Bell Labs, USA. Temuan amplikasi elektronik yang menggunakan umpam balik dimulai pendisainan dan penggunaan pengontrol umpan balik dalam perangkat komunikasi. Dalam area teoritik, teknik domain-frekuensi dikembangkan untuk penganalisaan kestabilan dan kesensititasan. H. Nyquist [1889-1976] dan H.W. Bode [1905-1982] adalah dua orang ternama dalam hal tsb. Norber Wiener [1894-1964] bekerja pada kontrol pembakaran dan pertahanan anti-aircraft selama perang dunia ke-2. Ia juga penyokong teori kontrol dalam berbagai macam kecerdasan buatan sebagai ilmu yang lain yang dia namakan Cybernetics (kerja ini sudah digunakan oleh A.M. Ampere [1775-1836]). Teori matematika sistem dan teori kontrol akhir-khir ini dikenal, ditemui jejaknya pada tahun 1950. Teori kontrol (klasik) memberikan suatu dorongan yang berarti. Awalnya teori matematika sistem kurang lebihnya suatu kumpulan konsep dan rekayasa dari persamaan dierensial, aljabar linier, teori matriks, teori probabilitas, statistik dan sedikit perlusan teori fungsi kompleks. Selanjutnya (sekitar 1960) teori sistem memperoleh wajahnya sendiri, hasil dari hal tsb. adalah terutama dalam struktur dari kotak (box) yang berkaitan dengan masukan dan keluaran.
Uraian ringkas isi..
11
Ada dua kontribusi pada pengembangan tsb., pertama terdapat pengembangan fundamental teori di sekitar tahun 1950. Namanama yang berhubungan dengan pengembangan tsb. adalah L.S. Pontryagin (kontrol optimal), R. Bellman (programing dinamik) dan R.E. Kalman (model ruang keadaan dan lter rekursif). Kedua terdapat temuan chip di akhir tahun 1960 disusul kemudian pengembangan elektronik-mikro. Hal ini menghasilkan suatu kemudahan dan kemajuan komputer berkecepatan tinggi dengan demikian algorithma yang berkaitan dengan kotrol yang mempunyai kompleksitas derajat tinggi bisa diatasi.
1.3
Uraian ringkas isi
Pada bagian ini diberikan uraian ringkas dari materi yang disajikan dalam buku ini, pendahuluan diberikan dalam Bab 1, dimana didalam bagian 1.1 diberikan pengertian dari sistem serta contoh-contohnya. Selanjutnya, pada bagian 1.2 diuraikan sejarah ringkas serta perkembangan dari sistem. Prinsip-prinsip pemodelan diberikan dalam Bab 2 dimana didalamnya berisi beberapa bagian tentang hukum-hukum: konservasi, phenomenalogi dan sika, sedangkan contoh-contohnya diberikan pada bagian berikutnya dalam bab yang sama. Dalam Bab 3 diuraikan sistem persamaan linier. Pada bab ini bagian 3.1 diberikan pengertian uraian luar dari suatu sistem yang membicarakan hubungan langsung diantara masukan dengan keluaran dan uraian dalam suatu sistem yang memberikan gambaran "keadaan" dalam sistem tsb. Kajian tentang pelinieran diberikan pada bagian 3.2. Bagian 3.3 dan bagian 3.4 berturut-turut berisi tentang penyelesaian sistem persamaan difMatematika-Sistem, Copyright: c 2010 Subiono
12
Pendahuluan..
ferensial dan respon impuls - respon step dari suatu sistem. Sifat-sifat sistem diberikan dalam Bab 4. Sifat sifat ini antara lain membicarakan kestabilan pada bagian 4.1, keterkontrolan pada bagian 4.2.3 dan keteramatan pada bagian 4.2.4. Tiga bagian terakhir dari Bab 4 yaitu bagian 4.2.5, bagian 4.3 dan bagian 4.4 berturut-turut membicarakan ruang bagian terkontrol dan teramati, dualitas keterkontrolan dan keteramatan dan bentuk kompanion terkontrol dan teramati. Bab 5 berisi tentang umpan balik keadaan dan keluaran yang terdiri dari bagian 5.1 membahas umpan balik dan terstabilkan, bagian 5.2 mebahas pengamat dan prinsip pemisahan sedangkan bagian 5.3 membahas penolakan gangguan. Dalam bab terakhir, Bab 6 berisi tentang penyajian masukan/keluaran. Dalam bab ini pada bagian 6.1 membahas transformasi Laplace dan kegunaannya, bagian 6.2 membahas fungsi transfer dan matriks transfer, bagian 6.3 membahas realisasi minimal dan bagian 6.4 membahas metoda frekuensi.
Bab
Prinsip-prinsip pemodelan
Pada bagian ini disajikan beberapa alat yang bisa digunakan dalam pemodelan phenomena dinamik. Bagian ini tidak memberikan suatu perlakuan mendalam terhadap alat-alat tsb. tetapi hanya sekedar sebagai suatu pengantar prinsip yang mendasar. Satu hal yang bisa diperdebatkan, bahwa prinsip pemodelan bukan merupakan domain dari teori matematika sistem. Dalam teori matematika sistem ini biasanya dimulai dengan suatu model yang diberikan, mungkin dibuat oleh seorang ahlinya pada bidang terapan yang terkait.
2.1
Hukum-hukum konservasi
Salah satu prinsip-prinsip pemodelan yang paling fundamental adalah pengertian dari konservasi. Hukum-hukum diturunkan dari pengertian ini mengikuti alasan alamia dan bisa diterapkan 13
14
Prinsip-prinsip pemodelan..
dimana saja. Misalnya, ketika memodelkan phenomena sika, sering menggunakan (bahkan tanpa alasan lagi) konservasi zat/bahan, konservasi muatan listrik, konservasi energi dll. Tapi juga dalam suatu disiplin ilmu yang tidak begitu banyak berorientasi secara matematika prinsip-prinsip konservasi digunakan. Misalnya dalam menguraikan evolusi dari suatu populasi, dalam hal ini bisa diasumsikan bahwa ada konservasi dari individu-individu, sebab secara sederhana tidak ada individu bisa tercipta atau tidak ada tampa alasan. Dengan cara serupa, dalam ekonomi harus selalu ada konservasi dari asset dalam makna yang serupa atau yang lainnya. Jadi, hukum-hukum konservasi bisa dilihat sebagai hukumhukum yang berdasar pada alasan dan hitungan.
2.2
Prinsip-prinsip Phenomenalogi
Disamping hukum-hukum konservasi yang telah didiskusi diatas sering juga apa yang dinamakan hukum-hukum phenomenalogi digunakan. Hukum-hukum ini diperoleh dalam suatu cara empirik dan sangat banyak bergantung pada phenomena alam yang harus dimodelkan. Satu contoh dari hukum tsb. adalah hukum Ohm V = RI yang berkaitan dengan voltage V atas suatu resistor bernilai R dengan arus I yang melewati resistor. Hukum Ohm penting dalam pemodelan rangkaian elektrik. Bagaimanapun, hukum-hukum serupa terjadi dalam disiplin yang lainnya, seperti hukum Forier pada konduksi panas dan hukum Fick pada difusi cahaya. Tidaklah dengan suatu alasan hukum-hukum seperti hukum Ohm diturunkan, tetapi hukumMatematika-Sistem, Copyright: c 2010 Subiono
Hukum-hukum prinsip sika..
15
hukum tsb. merupakan hasil dari suatu eksperimen. Tidak ada alasan mengapa voltage, arus dan resistor berelasi seperti yang dilakukan Ohm. Meskipun demikian, hal tsb. merupakan bagian dari realita sika oleh sebab itu bisa digunakan dalam pemodelan phenomena dinamik. Banyak lagi hukum-hukum phenomenalogi lainnya, beberapa diantaranya didiskusikan pada bagian berikutnya.
2.3
Hukum-hukum prinsip sika
Dalam bagian ini secara ringkas didiskusikan hukum-hukum prinsip yang paling penting yang memenuhi realita sika.
2.3.1
Termodinamika
Bila memodelkan suatu phenomena termodinamik kita bisa memakai tiga prinsip hukum yang sangat fundamental. 1. Konservasi energi 2. Irreversibiliti perilaku suatu sistem makroskopik 3. Temperatur nol mutlak tidak bisa dicapai. Hukum ke-2 sering juga dikatakan sebagai entropi dari suatu sistem tidak dapat menurun. Entropi adalah suatu ukuran untuk keadaan tak teratur dalam suatu sistem. Kita catat bahwa hukum ke-2 berdasarkan pada alasan. Bila hukum tidak dipenuhi, maka beberapa bentuk energi akan hilang dan hukum tidak bisa dibuat untuk memenuhi hal kehilangan Matematika-Sistem, Copyright: c 2010 Subiono
16
energi ini. Hukum ke-2 dan ke-3 berdasarkan pada eksperimen dan menguraikan sifat-sifat phenomenalogi.
2.3.2
Mekanika
Bila memodelkan suatu phenomena mekanika tanpa disadari kita sering menggunakannya beberapa prinsip hukum-hukum yang sangat penting. Salah satu diantara prinsip tsb. adalah konservasi energi yang telah kita diskusikan. Bentuk selain konservasi energi juga sering digunakan. Begitu juga tiga hukum (postulat) Newton berikut sangat bermanfaat. 1. Bila tidak ada gaya aksi yang bekerja pada suatu massa, maka massa ini akan tetap dalam keadaan diam atau ia akan bergerak dengan kecepatan tetap dalam suatu lintasan garis lurus. 2. Gaya F yang bekerja pada suatu massa dan posisinya s 2s memenuhi persamaan F = m d 2 dt 3. Aksi=-reaksi. Hukum pertama sudah dikenal Galileo, sebagai suatu hasil eksperimen yang diselesaikannya. Hukum kedua diformulasikan oleh Newton ketika ia mengembangkan kalkulus. Hukum-hukum Newton, khususnya yang pertama diilhami oleh eksperimen. Asalnya hukum-hukum dikembangkan untuk titik massa dan gerakan dengan lintasan lurus (rectilinear). Secara bertahap versi hukum-hukum tsb. dikembangkan pada media kontinu, gerakan berputar, pada uida, gas dsb. Misalnya, Matematika-Sistem, Copyright: c 2010 Subiono
17
bila torsi N dikenakan pada suatu titik dari suatu bodi dan mo2 men inersia sekitar titik tsb. adalah J, maka N = J d 2 , dimana dt d2 menyatakan percepatan angular bodi. dt2 Setelah hukum-hukum Newton tersedia, pendekatan yang lain untuk menguraikan gerakan yang lebih umum dari struktur makanika dikembangkan. Salah satu dari pendekatan ini adalah menggunakan konsep enerji kinetik dan enerji potensial yang membawa ke persamaan gerakan dikenal sebagai persamaan Euler-Lagrange.
2.3.3
Elektromagnit
Ketika memodelkan phenomena elektromagnit, versi-versi hukum yang diungkapkan oleh 4 persamaan Maxwell bisa digunakan, versi tsb. dilengkapi oleh persamaan Lorentz. Dalam suatu medium dengan dielektrik konstan dan susceptibiliti , persamaan Maxwell berkaitan dengan medan elektrik E, magnetik B, kepadatan muatan dan kepadatan arus adalah sebagai berikut: 1 B E divE = , rotE = , divB = 0, rotB = ( + ). t t Dalam persamaan-persamaan diatas semua variabel bergantung pada waktu t dan pada posisi (x, y, z). Selanjutnya E, B dan adalah besaran vektor, sedangkan suatu skalar. Masingmasing div dan rot dibaca divergensi dan rotasi. Masing-masing persamaan pertama dan ketiga pada persamaaan Maxwell diatas mengungkapkan konservasi dari muatan elektrik dan muatan magnetik. Kenyataan divB = 0 bisa dikaitkan dengan fakta bahwa tidak ada monopoles magnetik (muatan terisolasi). Matematika-Sistem, Copyright: c 2010 Subiono
18
Gaya F pada suatu partikel dengan suatu muatan q bergerak dengan kecepatan v dalam suatu medium seperti diuraikan diatas diberikan oleh persamaan Lorentz F = q(E + v B). Disini menyatakan perkalian silang (cross product). F dan v adalah vektor dan q skalar. Semua tiga variabel yang disebutkan bergantung pada waktu t dan posisi (x, y, z). Persamaan-persamaan diatas sangat umum dan sering terlalu umum untuk tujuan kajian kita. Hukum-hukum lain yang lebih sederhana telah kita peroleh sebelumnya. Sebagian dari hukumhukum tsb. untuk rangkaian elektrik didiskusikan berikutnya. Kebanyakan rangkaian yang disebutkan diatas dibangun dari elemen-elemen dasar misalnya resistor, kapasitor dan kumparan (coil). 1. Bila arus I melintasi resistor R maka voltage drop V pada resistor bisa dihitung dengan hukum Ohm R I V = IR V 2. Bila arus I dikirim ke kapasitor dengan kapasitas C, maka voltage drop V pada kapasitor mempunyai hubungan sebagai berikut
-
19
C
E
E dV I = V dt C 3. Terakhir, bila arus I melewati kumparan dengan induktansi L, maka voltage drop pada kumparan diperoleh sedI bagai berikut V = L , dt L I
V dengan variabel V dan I adalah fungsi dari waktu t, sedangkan R, C dan L sering diasumsikan konstan. Hukum-hukum diatas adalah phenomenalogi di alam. Hukum-hukum tsb. hasil dari eksperimen. Selain dari pada itu dua hukum berikut juga memainkan peranan yang penting dalam area jaringan elektrik. Hukum-hukum ini dinamakan hukum Kirchho dan diformulasikan sebagai berikut. 4. Dalam setiap titik dari jaringan jumlah dari semua arus adalah nol. 5. Dalam setiap loop jaringan jumlah dari semua voltage drop adalah nol. Catatan hukum Kirchho adalah jenis konservasi. Untuk menjelaskan dua hukum Kirchho kita tinjau jaringan yang diberikan dalam Gambar 2.1 dengan suatu sumber voltage drop V konstan. Arah panah pada jaringan pada Matematika-Sistem, Copyright: c 2010 Subiono
20
-
1 2?
V
?
3
5
Gambar 2.1: Hukum Kircho.
gambar dengan indeks i menyatakan suatu elemen dimana suatu arus Ii yang mengalir menyebabkan voltage drop Vi . Maka empat titik termasuk sumber memenuhi: I1 +I2 +I4 = 0, I2 I5 +I3 = 0, I4 +I5 = 0, I1 I3 = 0, V = V1 + V2 + V3 , V = V1 V4 + V5 + V3 , V = V2 + V4 + V5 .
2.4
Contoh-contoh
Dalam bagian ini diberikan beberapa contoh sistem. Contoh model yang mendasari dapat diturunkan dengan menggunakan hukum-hukum prinsip sika sebagai mana yang telah kita diskusikan sebelumnya.
2.4.1
Pendulum terbalik
Kita tinjau gambar yang diberikan dalam Gambar 2.2. Poros dari pendulum ditempelkan pada kereta yang dapat bergerak dengan arah horizontal. Kereta digerakkan oleh suatu motor kecil yang pada saat waktu t bekerja suatu gaya u(t) pada kereta. Gaya tsb. adalah fariabel masukan pada sistem. Massa kereta Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
21
u(t)
V 6

mg
?
l s
Gambar 2.2: Pendulum-terbalik.
adalah M, sedangkan massa pendulum m. Jarak antara titik poros pendulum ke pusat gratasi massa adalah l. Dalam gambar H(t) menyatakan gaya reaksi horizontal dan V (t) adalah gaya reaksi vertikal pada poros. Sudut yang dibentuk oleh pendulum dengan sumbu vertikal adalah (t). Dengan menggunakan hukum kedua Newton, pada pusat gratasi pendulum didapat persamaan berikut. m m I d2 (s + l sin ) = H, dt2 (2.1) (2.2)
d2 (l cos ) = V mg, dt2
d2 = V l sin Hl cos . (2.3) dt2 Fungsi s(t) menyatakan posisi dari kereta pada saat t dan I adalah momen inersia terhadap pusat gratasi. Bila pendulum mempunyi massa yang terdistribusi seragam m per satuan 2l Matematika-Sistem, Copyright: c 2010 Subiono
22
panjang, maka momen inersia disekitar pusat gratasi diberikan oleh: m l 2 1 I= d = ml2 . 2l l 3 Persamaan yang menguraikan gerakan kereta diberikan oleh. M d2 s = u H. dt2 (2.4)
Substitusikan H, V dari (2.1) dan (2.2) pada (2.3) dan (2.4), diperoleh persamaan berikut. g sin + s cos = 0 (M + m) + ml( cos 2 sin ) = u, s
4l 3
(2.5)
dimana tanda menyatakan turunan pertama terhadap waktu danmenyatakan turunan kedua tehadap waktu, jadi s = ds dan dt = d22 . dt Persamaan (2.5) bisa ditulis sebagai persamaan dierensial tingkat satu dalam bentuk vektor x diberikan oleh x = (, , s, s)T . Persamaan gerakan pendulum terbalik juga bisa diperoleh melalui persamaan Euler-Lagrange menggunakan ungkapan berikut untuk total energi kinetik T dan energi potensial V T = 1 M s2 + 2 V =
m g 2l 2l 0 1m 2 2l 2l ((s 0
+ cos )2 + ( sin )2 )d
cos d = mgl cos ,
dimana T adalah energi kinetik kereta yang disamping itu terdiri dari energi kinetik dari semua bagian elemen kecil pendulum d yang berjarak dari titik porosnya dengan 0 2l. Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
23
Catatan serupa juga berlaku pada energi potensial. Denisikan Langragian L = T V , setelah melakukan perhitungan integral diperoleh 1 1 2 L = M s2 + ms2 + mls cos + ml2 2 mgl cos . (2.6) 2 2 3 Persamaan Euler-Lagrage yang menguraikan gerakan pendulum terbalik sekarang bisa diperoleh melalui persamaan berikut d L L d L L ( ) = 0, ( ) = u. dt dt s s Dalam persamaan-persamaan diatas variabel V bergantung pada , , s dan s. Jadi untuk T dan V seperti diatas diperoleh L 4 = mls cos + ml2 , 3 hal yang sama pula untuk
L L , s s
dan
L .
Latihan 1 Asumsikan bahwa sudut dari pendulum dengan garis vertikal diukur. Misalkan pengukuran ini dinyatakan dengan variabel y,yaitu y = . Perluh diperhatikan bahwa y dan variabel yang lainnya juga , , s, s dan u adalah fungsi dari waktu t. Bila s, s)T , maka dapatkan fungsi f (x, u) dan h(x, u) vektor x = (, , sedemikian hingga pendulum terbalik bisa diuraikan sebagai x = f (x, u), y = h(x, u). Disini x =
dx dt
= (, , s, s)T .
24
Latihan 2 Bila variabel L seperti yang diberikan dalam (2.6), maka turunkan persamaan gerakan dari pendulum terbalik dengan menggunakan persamaan Euler-Lagrange. Latihan 3 Dalam contoh diatas kereta bergerak secara horizontal. Sekarang kita ubah kereta hanya bergerak pada arah vertikal dan hanya gaya vertikal yang bisa berpengaruh, sedangkan gravitasi tetap bertindak secara vertikal. Selidiki bagaimana persamaan berubah dalam contoh diatas.
2.4.2
Dinamika satelit
Kita tinjau satelit dengan massa ms mengelilingi bumi sebagai pusatnya. Lihat juga Gambar 2.3. Sebagai satelit yang me-
lintasan pusat bumi

I
r R satelit
Gambar 2.3: Dinamika setelit.
ngelilingi bumi sebagai lintasannya, dalam hal ini akan memudahkan bila posisi dan kecepatan disajikan dalam koordinat kutub r dan dan turunan pertamanya terhadap waktu t masing masing adalah r dan dengan bumi berpusat pada posisi pusat lintasan (r = 0). Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
25
Kecepatan radial satelit adalah r sedangkan kecepatan tan Untuk menggunakan hukum Newton dipergensialnya adalah r . lukan kedua kecepatan tsb. selain itu juga percepatannya. Masing-masing percepatan radial dan percepatan tangensial satelit diberikan oleh r r 2 dan 2r + r . Pengertian mengenai kece patan/percepatan radial dan tangensial adalah pengertian yang elementer banyak dijumpai dalam teksbook mekanika. Gerakan dari satelit mengelilingi bumi akan dipengaruhi gaya gratasi bumi. Gaya ini berarah secara radial dan besarnya sama b dengan G mrms , dimana mb menyatakan massa bumi sedangkan 2 G adalah gratasi bumi yang dalam hal ini kita pertimbangkan konstan. Selain itu pula berkaitan dengan gratasi, gaya radial dan gaya tangensial masing-masing kita notasikan sebagai Fs dan F . Gaya Fr adalah gaya dengan arah menjauhi bumi. Kedua gaya Fr dan F disebabkan oleh dorongan jet yang ada pada satelit. Pemakaian dari hukun Newton kedua dalam arah radial dan tangensial menghasilkan
b ms ( r 2 ) = G mrms + Fr r 2 r + r ) = F . ms (2
(2.7)
Catatan: Persamaan diatas bisa diperoleh juga dari persamaan Euler-Lagrange. Oleh karenanya energi kinetik T dan energi potensial V dari satelit diberikan sebgai berikut T = 1 ms (r 2 + (r )2 ) 2 mb ms V = G r . Selajutnya dengan Lagrangian diberikan oleh L = T V , kita Matematika-Sistem, Copyright: c 2010 Subiono
26 peroleh persamaan
d L ( ) dt r d L ( ) dt
L r L
= Fr , = F .
Latihan 4 Asumsikan bahwa jarak r diukur dan dinyatakan dengan y. Selanjutnya kita perkenalkan vektor x = (r, , r, )T F F dan u = ( mrs , m )T , dapatkan fungsi-fungsi f (x, u) dan h(x, u) s sehingga model satelit diatas dapat diuraikan sebagai x = f (x, u), y = h(x, u). Latihan 5 Mengacu pada persamaan Lagrangian diatas, turunkan persamaan Euler-Langrange untuk memperoleh persamaan gerakan dari setelit.
2.4.3
Batang dipanasi
Kita tinjau suatu batang metal panjang L yang diisolasi dari keadaan sekitarnya kecuali pada bagian ujung kirinya dimana batang dipanasi oleh suatu pancaran dengan perpindahan panas u(t). u(t) E r 0 L Temperatur batang pada posisi r dengan 0 r L dinyatakan oleh T (t, r), dimana r adalah fariabel yang berkaitan dengan posisi. Agar supaya dapat menentukan perilaku panas dari batang Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
27
perlu diketahui distribusi temperatur awal T (t0 , r), 0 r L dan u(t), t t0 . Keadaan dari sistem adalah T (t, .) : [0, L] R. Dari sika diketahui bahwa T memenuhi persamaan dierensial parsial: T (t, r) 2 T (t, r) =c , (2.8) t r 2 dimana c adalah suatu konstanta karakteristik batang. Pada bagian sebelah kiri kita dapatkan A T (t, r) t = c,
r=0
(2.9)
dimana A luas permukaan-lintang batang. Pada bagian kanan batang karena terisolasi, kita peroleh T (t, r) t = 0.
r=L
(2.10)
Evolusi keadaan yang diuraikan oleh persamaan dierensial parsial (2.8) dengan kondisi-kondisi batas (2.9) dan (2.10). Dalam contoh masalah ini masukan hanya masuk melalui kondisi-kondisi batas. Dalam masalah yang lainnya masukan bisa juga terdistribusi. Dapatkah anda memberikan suatu interpretasi persamaan dierensial berikut T (t, r) 2 T (t, r) =c + u(t, r)? t r 2
2.4.4
Rangkaian Elektrik
Kita tinjau jaringan berikut yang terdiri dari resistor R, kapasitor C dan kumparan L. Jaringan dihubungkan dengan voltage Matematika-Sistem, Copyright: c 2010 Subiono
28
drop V dan voltage drop pada kapasitor diukur. Arus kita notasikan dengan I. I R V L
C
VC
Bila VR , VC dan VL masing-masing menyatakan voltage drop pada resistor, kapasitor dan kumparan, maka dari hukum elektrik yang telah kita sebutkan pada subbagian sebelumnya diperoleh 1 dI VR = RI, VC = Q, VL = L , C dt dimana Q menyatakan muatan elektrik pada kapasiator yang memenuhi I = dQ . Menurut hukum Kirchho V = VR +VC +VL . dt Jadi 1 dI dQ V = RI + Q + L , I = . (2.11) C dt dt Sekarang kita susun kembali persamaan diatas sebagai berikut Q 0 1 Q 0 d = + V, 1 R 1 dt I I LC L L VC = ( 1 0) C Q ,A = I Q I
Kita denisikan u = V, y = VC dan x= 0 1 1 LC R L ,B = 0

1 L
,C = (
1 0) C
Contoh-contoh..
29
dimana perlu kita tekankan bahwa C yang baru kita denisikan adalah matriks yang berukuran 1 2 hal ini dijelaskan supaya tidak ada kebingungan dengan kapasitor yang juga kita gunakan dengan simbol yang sama. Dengan cara penulisan tsb. kita dapatkan uraian sistem berikut ini x = Ax + Bu, y = Cx. Catatan : Eleminasi I dari persamaan (2.11) menghasilkan persamaan differensial biasa tingkat dua dengan koesien konstan sebagaimana berikut L d2 Q dQ 1 +R + Q = V. 2 dt dt C
Jenis dari persamaan ini tidak hanya terjadi dalam pemodelan jaringan elektrik, tetapi juga muncul pada disiplin lainnya. Misalnya, ketika memodelkan suatu struktur makanika seperti dalam Gammbar 2.4 berikut. k
tembok
M f
Fl -
Gambar 2.4: Struktur Mekanika.
Struktur terdiri dari suatu massa M dihubungkan ke tembok Matematika-Sistem, Copyright: c 2010 Subiono
30
vertikal melalui suatu pegas dengan konstanta pegas k dan suatu peredam dengan faktor redaman f . Pada massa bekerja suatu gaya luar Fl , dalam hal ini kita asumsikan massa bergerak hanya secara horizontal gratasi tidak mempunyai peranan. Bila s menyatakan posisi massa dari posisi setimbangannya. Menurut hukum kedua Newton M s = ks f s + Fl . Jadi M s + f s + ks = Fl . Persamaan ini serupa dengan persamaan yang telah kita turunkan pada jaringan listrik sebelumnya. Contoh lain dari persamaan jenis ini bisa didapat pada pemodelan phenomena dalam disiplin seperti akustik, kimia dan hidrolik.
2.4.5
Dinamika populasi
Kita tinjau suatu popolasi tertutup manusia dalam suatu negara, atau populasi binatang atau organisme di alam. Misalkan N(t) menyatakan banyaknya individu di dalam populasi pada waktu t. Asumsikan bahwa N(t) sebegitu besar dan merupakan suatu fariabel kontinu. Bila B(t, t + ) dan D(t, t + ) masing-masing menyatakan banyaknya kelahiran dan kematian dalam interval (t, t + ], maka konservasi dari induvidu-induvidu diberikan oleh N(t + ) N(t) = B(t, t + ) D(t, t + ). Misalkan B(t, t + ) = b(t) + o(), D(t, t + ) = d(t) + o() Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
31
dimana o() menyatakan suatu fungsi yang cenderung lebih cepat menuju ke nol dari pada . Masing-masing fungsi b(t) dan d(t) adalah fungsi laju kelahiran dan laju kematian. Lagi pula diasumsikan b(t) dan d(t) masing-masing berbanding lurus dengan N(t), yaitu b(t) = bN(t) dan d(t) = dN(t) untuk konstanta b dan d. Jadi N(t + ) N(t) = (b d)N(t) + o(). Kita denisikan r = b d, bagi kedua ruas persamaan diatas dengan dan untuk mendekati nol kita peroleh N(t) = rN(t). Persamaan ini mempunyai penyelesaian N(t) = N(t0 )er(tt0 ) . Terlihat bahwa, banyaknya individu meningkat bila r > 0 dan menurun bila r < 0. Umumnya laju pertumbuhan dari suatu populasi bergantung pada beberapa faktor selain dari pada yang telah disebutkan diatas yaitu hanya tergantung pada laju kelahiran dan kematian. Khususnya sering tergantung pada bagaimana interaksi internal popolasi tsb. Misalnya, kepadatan populasi dari suatu negara, maka laju kematian bisa meningkat karena akibat keterbatasan tempat dan sumber-sumber alam, atau karena kerentanan yang tinggi terhadap penyakit. Asumsikan populasi tidak akan terdiri lebih dari K > 0 individu., model diatas bisa dimodikasi sebagai berikut N(t) N(t) = r(1 )N(t). K Matematika-Sistem, Copyright: c 2010 Subiono
32
Persamaan ini disebut sebagai persamaan Logistik. Selanjutnya model bisa dimodikasi dalam cara berikut. Disini kita asumsikan bahwa spesies dari populasi diatas adalah mangsa dari populasi lainnya yaitu pemangsa yang terdiri dari M(t) individu. Dalam hal ini cukup beralasan kita asumsikan r > 0, sehingga persamaan sebelumnya berubah menjadi N(t) N (t) = r(1 )N(t) N(t)M(t) K dengan > 0. Modikasi ini berarti bahwa laju penurunan mangsa berbanding lurus dengan mangsa dan pemangsanya. Sebagai model dari pemangsa, persamaan berikut bisa digunakan M (t) = cM(t) + N(t)M(t) dengan c > 0 dan > 0. Kedua persamaan yang disebutkan diatas secara bersamaan dinamakan model mangsa-pemangsa. Catatan, bila r > 0 berarti bahwa populasi mangsa mempunyai suatu kecenderungan alamia meningkat, sedangkan bila c > 0 populasi pemangsa mempunyai kecenderungan alamia menurun. Sekarang kita asumsikan banyaknya mangsa bisa tak terbatas (k = ). Hal ini bisa kita pikirkan ikan-ikan kecil sebagai mangsa dan ikan salam sebagai pemangsanya. Asumsikan bahwa dengan adanya faktor penangkapan u1 (t) terhadap mangsa begitu juga faktor penangkapan u2(t) terhadap pemangsa. Model sebelumnya dari mangsa-pemangsa berubah sebagai berikut N (t) = rN(t) N(t)M(t) N(t)u1 (t) = (r M(t) u1 (t))N(t) M (t) = N(t)M(t) cM(t) M(t)u2 (t) = (N(t) c u2 (t))M(t) Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
33
Jenis model ini dikenal sebagai suatu model dari Volterra-Lotka. Bila banyaknya ikan salam dimonitor dengan suatu cara adalah y(t), maka model yang telah ada bisa diuraikan sebagai suatu sistem berbentuk x(t) = f (x(t), u(t)) y(t) = h(x(t), u(t)), dimana x(t) = (x1 (t) x2 (t))T = (N(t) M(t))T , u(t) = (u1 (t), u2 (t))T dan fungsi f (x, u) = (r x2 u1 )x1 , (x1 c u2 )x2
h(x, u) = x2 .
Latihan 6 Untuk masing-masing model diatas dapatkan situasi stasioner. Situasi ini adalah situasi dimana variabel-variabel tetap pada tingkat konstan, oleh karenanya turunan terhadap waktu adalah nol.
2.4.6
Ketergantungan umur dinamika populasi
Kita tinjau lagi suatu populasi. Untuk mengungkapkan ukuran populasi N sebagai fungsi dari laju kelahiran b, misalkan P (r, t) Matematika-Sistem, Copyright: c 2010 Subiono
34
probabilitas seseorang lahir pada waktu t r, ia tetap hidup pada waktu t (dimana dia berumur umur r). Maka
t
N(t) =
P (t s, t)b(s)ds.
Disini diasumsikan bahwa fungsi P dan b sedemikian hingga integral diatas terdisi dengan baik. Adalah beralasan untuk mengasumsikan bahwa P (r, t) = 0 dengan r > L untuk L > 0 (tak seorangpun akan mencapai umur lebih dari L). Maka
t
N(t) =
tL
P (t s, t)b(s)ds.
Bila p kontinu dalam semua argumennya dan bila b kontinu bagian demi bagian (yaitu b diskontinu di sejumlah hingga titik disetiap interval hingga dan limit kiri dan kanan dari b dititik diskontinu ada), maka integral diatas ada. Kembali pada integral yang semula dan asumsikan bahwa suatu fungsi g ada sedemikian hingga P (t s, s) = g(t s), didapat
t
N(t) =
g(t s)b(s)ds.
Bila integral ini ada untuk semua fungsi laju kelahiran b yang bisa diterima, maka akan ditunjukkan kemudian bahwa hal ini bisa diinterpretasikan sebagai suatu sistem masukan/keluaran invarian-waktu dan kausal ketat (strictly causal). Pengertian dari invarian waktu dan kausal (ketat) akan dibuat secara tepat Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
35
pada subbagian mendatang. Secara harah invarian waktu berarti bahwa waktu (kalender) mutlak tidak berperan sedangkan kekausalan berarti bahwa keadaan mendatang tidak mempengaruhi proses perilaku yang terjadi saat ini. Untuk sistem yang demikian probabilitas bahwa seseorang tetap hidup mencapai usia r hanya ditentukan oleh r sendiri bukan oleh tanggal kelahirannya. Latihan 7 Misalkan p menyatakan densiti populasi yang bergantung pada waktu t dan umur r. Banyaknya orang yang berumur diantara r dan r + dr pada saat waktu tertentu t diberikan oleh p(t, r). Didinisikan angka kematian (t, r) sebagai berikut: (t, r)drdt adalah sebagian kecil orang yang berumur diantara [r, r + dr] yang meninggal pada interval waktu [t, t + dt]. Tunjukkan bahwa p memenuhi persamaan dierensial berikut: p p + = p. r t Misalkan distribusi umur awal diberikan oleh: p(0, r) = p0 (r), 0 r 1, dan angka kelahiran p(t.0) = u(t), t 0. Disini diasumsikan bahwa umur r diskala sedemikian hingga tak seorangpun mencapai umur r > 1. Fungsi u(t) adalah masukan dari sistem dan y(t) sebagai keluaran dari sistem misalnya dalam hal ini adalah banyaknya orang yang berumur diantara a dan b dengan 0 < a < b < 1 yang berarti bahwa
b
(2.12)
y(t) =
a
p(t, r)dr.
36
2.4.7
Bioreaktor
Tinjau suatu bioreaktor yang disajikan dalam Gambar 2.5. Dalam

biomassa
-
qm D
+
gula
Gambar 2.5: Bioreaktor.
reaktor terdapat biomassa (organisma) yang diberi makanan gula (nutrisi). Nutrisi tambahan disuplai prodak meninggalkan reaktor. Kita notasikan hal berikut p(t) adalah konsentrasi biomassa dalam reaktor (g/l) q(t) adalah konsentrasi gula dalam reaktor (g/l) qm (t) adalah konsentrasi gula yang dialirkan kedalam reaktor (g/l) D(t) adalah aliran dari air-gula yang melewati reaktor (1/det yaitu fungsi dari isi reaktor per detik) Persamaan yang dibentuk reaksi didalam reaktor diberikan sebagai berikut d dt p q = pertumbuhan alamia Dp konsumsi alamia Dq + Dqm
Contoh-contoh..
37
dimana masing-masing Dp dan Dq menyatakan jumlah biomassa dan jumlah gula yang keluar dari reaktor dan Dqm jumlah gula yang disuplai ke dalam reaktor. Untuk melengkapi uraian matematik beberapa hukum empirik yang berkaitan dengan biomassa dan konsentrasi gula digunakan. Disini hukum-hukum menyatakan bahwa pertumbuhan biomassa sebanding dengan konsentrasinya begitu juga komsumsi dari gula sebanding dengan konsentrasinya. Selanjutnya, diasumsikan bahwa kesebandingan tsb. hanya bergantung pada konsentrasi gula. Jadi ada fungsi dan masing-masing bergantung pada konsentrasi gula yang menentukan laju pertumbuhan biomassa dan laju pertumbuhan komsumsi gula, hubungannya diberikan oleh persamaan berikut d dt p q = (q)p Dp . (q)p Dq + Dqm
Latihan 8 Asumsikan aliran air-gula dalam reaktor D adalah tetap, tetapi konsentrasi gula qin dalam aliran ini dapat dikontrol. Selanjutnya asumsikan bahwa konsentrasi dalam gula dari aliran yang keluar diukur. Uraikan proses diatas sebagai suatu sistem dengan keadaan masukan dan keluaran. Latihan 9 Seperti halnya persamaan diatas, tetapi sekarang konsentrasi gula qin dalam aliran yang masuk adalah tetap dan banyaknya aliran D bisa dikontrol.
38
2.4.8
Transport polusi
Tijau suatu sungai (dimensi-satu) terkontaminasi oleh material organik yang terlarut dalam air. Aksi dari bakteri ini menurunkan kadar air. sungai v
E
Kita notasikan yang berikut ini (r, t) adalah kepadatan pollutan didalam sungai pada posisi r dan waktu t (kg/m) v(r, t) adalah kecepatan pollutan dan air dalam sungai pada posisi r dan waktu t (m/det) q(r, t) adalah uks pollutan didalam sungai pada posisi r dan waktu t (kg/det) k(r, t) adalah perubahan yang mana pollutan meningkat didalam sungai pada posisi r dan waktu t (kg/(mdet)) Konservasi massa bisa diungkapkan sebagai berikut q + = k. t r Dalam hal ini dua hal bisa kita pertimbangkan 1. Hanya terdapat afeksi. Maka , q dan v direlasikan oleh q = v. Ini berarti bahwa uks pollutan hanya disebabkan oleh phenomena tranportasi. Matematika-Sistem, Copyright: c 2010 Subiono
Contoh-contoh..
39
2. Hanya terdapat diusi. Maka dan q direlasikan oleh q = , dimana adalah konstanta yang bergantung pada r posisi r dan waktu t. Bila diusi dan afeksi kita gabungkan maka q = v . Asumr sikan bahwa konstan tidak tergantung pada posisi r dan waktu t dan v tidak tergantung pada r tetapi hanya bergantung pada t, maka persamaan konservasi massa bisa ditulis sebagai 2 = (v ) + k = 2 v +k t r r r r Untuk memodelkan aksi bakteri yang menurunkan kadar air dan peranan industri, asumsikan k = + , dimana tidak tergantung pada r dan t dan adalah suatu besaran pollutan yang disebabkan oleh industri. Maka kita peroleh persamaan berikut 2 = 2 v + . t r r Catatan : Dengan konstanta , v dan persamaan terakhir secara formal bisa ditulis sebagai x = Ax + , 2 dimana x = dan A = r2 v adalah mapping linier r diantara ruang fungsi yang sesuai.
2.4.9
Ekonomi nasional
Tinjau model sederhana berikut dari ekonomi nasional suatu negara. Misalkan Matematika-Sistem, Copyright: c 2010 Subiono
40
y(k) total pendapatan nasional di tahun ke-k c(k) pembelanjaan konsumer di tahun ke-k i(k) investasi di tahun ke-k u(k) pembelanjaan pemerintah di tahun ke-k Untuk model diatas kita buat asumsi berikut 1. y(k) = c(k) + i(k) + u(k) 2. Pembelanjaan konsumer adalah suatu fungsi dari total pendapatan tahun sebelumnya: c(k) = my(k 1) dimana 0m1 3. Investasi di tahu ke-k bergantung pada peningkatan pembelanjaan konsumer dari tahun ke-(k 1) ke tahun ke-k: i(k) = (c(k) c(k 1)), dimana konstanta positif. Catatan, asumsi pertama adalah jenis konservasi, sedangkan dua asumsi lainnya berdasarkan pada observasi. Dengan asumsi diatas evolusi dari ekonomi nasional bisa diuraikan sebagai berikut. i(k + 1) c(k + 1) = c(k) c(k + 1) = my(k) = m(i(k) c(k)) + m(1 + )c(k) + mu(k) Bila vektor keadaan didenisikan sebagai x(k) = (x1 (k), x2 (k))T dengan x1 (k) = i(k) c(k) dan x2 (k) = c(k), maka persamaan evolusi keadaan diberikan oleh x1 (k + 1) x2 (k + 1) = 0 m m(1 + ) x1 (k) 0 + u(k) x2 (k) m
Contoh-contoh..
41
dan persamaan keluaran diberikan oleh y(k) = (1 1 + ) x1 (k) + u(k) x2 (k)
Dalam hal ini kita peroleh suatu sistem diskrit waktu-invarian dari model ekonomi nasional. Latihan 10 Misalkan pemerintah memutuskan untuk menghentikan pembelanjaan dari tahun k = 0. Jadi u(k) = 0 untuk k 0. Selanjutnya misalkan bahwa dalam tahun k = 0 konsumen tidak membelanjakan uangnya dan investasi sama dengan 1. Jadi, c(0) = 0, i(0) = 1. Selidiki bagaimana total pendapatan nasional berubah untuk k 0. Latihan 11 Untuk model ekonomi diatas, dapatkan situasi stasioner bila u(k) = 1 untuk semua k, yaitu situasi yang tidak berubah lagi dengan adanya perubahan tahun bila u(k) = 1 untuk semua k.
42
Bab
Sistem dierensial linier

Pada bab ini dikaji suatu sistem yaitu sistem linier. Pada kajian ini akan kita uraikan bagaimana kita mendapatkan sistem linier dari suatu sistem non-linier, hal ini kita kenal dengan apa yang dinamakan dengan pelinearan. Namum sebelum itu, pada bagian berikut ini kita berikan suatu diskripsi dari suatu sistem yang berkenaan dengan hubungan diantara masukan dan keluaran serta kajian "dalam" (internal) dari sistem tsb.
3.1
Uraian dalam dan uraian luar suatu sistem
Suatu pertanyaan secara wajar muncul adalah bagaimana hubungan antara masukan dan keluaran dari suatu sistem, atau apakah suatu keluaran yang dihasilkan bergantung secara tunggal pada masukan yang dikenakan pada sistem tsb. Ada faktor lain di 43
44
Sistem dierensial linier..
dalam sistem yang menentukan suatu keluaran sistem. Misalnya, pada sistem rangkaian listrik arus masih ditentukan oleh muatan yang sudah ada dalam rangkaian sebelum tegangan diberikan. Sesuatu didalam sistem yang ikut mempengaruhi keluaran sistem dinamakan keadaan (state) dari sistem. Uraian "dalam" suatu sistem adalah: suatu gambaran yang diberikan sistem dimana suatu keluaran sistem pada setiap saat hanya bergantung pada "keadaan" sistem, pada saat yang sama masukan mempengaruhi keluaran lewat perubahan "keadaan" sistem tsb. Pada suatu sistem sika, fariabel "keadaan" lewat suatu elemen yang menyimpan energi. Sedangkan suatu sistem bila disajikan dalam suatu model matematika dalam hal ini persamaan dierensial, pemilihan fariabel "keadaan" dapat ditentukan lewat keluaran dari operator integrator yang dinotasikan dengan . Pemilihan friabel keadaan ini akan memudahkan untuk meyelesaikan model matematika dari sistem yang disajika dalam bentuk persamaan dierensial biasa. Pemilihan fariabel "keadaan" suatu sistem tidak tunggal. Pemilihan fariabel keadaan baik lewat elemem-elemen yang menyimpan energi ataupun lewat keluran dari suatu integrator tidak akan mengubah perilaku sistem bila ditinjau dari masukan dan keluran sistem, artinya bahwa perilakunya memberikan diskripsi yang tepat sama. Makna matematisnya, perilaku ini akan memberikan dua sistem yang ekivalen. Perbedaan pemilihan fariabel keadaan ini bisa diilustrasikan sebagai melihat suatu benda dari dua sudut pandang atau perspektif yang berbeda. Pandangan perspektif yang berbeda ini sangat mungkin muncul dengan latar belakang dari yang memandangnya berkaitan dengan apa
Uraian dalam dan uraian luar suatu sistem..
45
yang dibutuhkannya. Penjelasan pemilihan faribel keadaan ini akan dibahas lagi pada contoh yang berikutnya. Suatu sistem waktu kontinu secara umum formulasi matematikanya diberikan oleh bentuk persamaan : dx(t) = f (x(t), u(t), t) , dt dengan keadaan awal x(t0 ) = x0 y(t) = g (x(t), u(t), t) ,
dimana
x(t) menyatakan keadaan sistem saat waktu t, u(t) menyataka masukan dari sistem saat waktu t, y(t) menyatakan keluaran sistem saat waktu t. Untuk sistem sika, elemen-elemen yang menyimpan energi diberikan dalam tabel berikut: Elemen kapasitor induktor massa m momen inersia pegas k kompressibiliti uida kapasitor uida kapasitas thermal energi
cv2 2 Li2 2 mv2 2 J 2 2 kx2 2 2 V PL 2KB Ah2 2 c 2 2
fariabel sika voltage v arus i kecepatan translasi v kecepatan rotasi posisi x tekanan PL tinggi h temperatur
46
K
Sistem dierensial linier.. L
i(t) e(t) i(t)

C Gambar 3.1: Rangkaian seri RLC. R
Contoh berikut menjelaskan lagi bagaimana memilih fariabel keadaan dari sudut pandang elemen yang menyimpan energi dan dari sudut pandang keluaran suatu integrator dari suatu sistem yang sama. Contoh 4 Suatu rangkaian seri RLC yang diberikan dalam Gambar 3.1 voltage e(t) sama dengan jumlah dari penurunan voltage (voltage drop) bila swicth ditutup diberikan oleh persamaan berikut: VL + VR + VC = e(t) (3.1)
di 1 atau L dt + Ri(t) + C i(t)dt = e(t). Rangkain memuat dua elemen yang menyimpan energi, yaitu induktor L dan kapasitor C. Misalkan x1 (t) = VC dan x2 (t) = i(t), didapat
1 x2 (t) C 1 R 1 x2 (t) = x1 (t) x2 (t) + e(t) L L L x1 (t) = Matematika-Sistem, Copyright: c 2010 Subiono
47
atau dalam bentuk matriks x1 (t) x2 (t) =

1 0 C 1 L R L
x1 (t) + x2 (t)
0
1 L
e(t).
Catatan:
Bila masukan dari sistem u(t) = e(t) dan keluaran dari sistem y(t) = VC (t), didapat uraian sistem dalam fariabel keadaan sebagai berikut: 1 0 x1 (t) 0 x1 (t) C = + 1 u(t) 1 R x2 (t) x2 (t) L L L (3.2) x1 (t) y(t) = 1 0 . x2 (t) VC (t) = q 1 = C C i(t)dt.
Untuk y(t) = VC (t) dan e(t) = u(t) persamaan (3.1) dapat ditulis dalam bentuk: LC y (t) + RC y(t) + y(t) = u(t) RC 1 1 y(t) + y(t) = u(t). (3.3) LC LC LC Hasil-hasil yang didapat disini bisa kita bandingkan dengan kajian pada contoh rangkain-elektrik yang telah diberikan sebelumnya. Dalam persamaan (3.3) ada dua keluaran integrator yaitu y(t) dan y(t). y (t) + atau
48 y
-
Gambar 3.2: Keluaran dari integrator.
Kita dapat pilih fariabel keadaan x1 (t) = y(t) dan x2 (t) = y(t). Sehingga didapat: x1 (t) = x2 (t) 1 x2 (t) = LC x1 (t) R x2 (t) + L
1 u(t). LC
Untuk masukan u(t) dan keluaran y(t), didapat: 0 1 x1 (t) 0 x1 (t) + 1 u(t) x2 (t) = 1 R x2 (t) LC LC L y(t) = (1 0) x1 (t) . x2 (t) u
1 LC
(3.4)
1 - LR 1 - LC
Gambar 3.3: Diagram blok RLC.
Terlihat bahwa walaupun pengambilan fariabel keadaan dari dua sudut pandang yang berbeda tetapi hasil diskripsi sistemnya Matematika-Sistem, Copyright: c 2010 Subiono
49
dalam penyajian ruang keadaan hampir mirip, hal ini bisa dilihat dalam persamaan (3.2) dan (3.4). Diagram blok dari rangkaian listrik ini diberikan dalam Gambar 3.3
Diagram blok dari suatu sistem dilihat dari pengertian uraian "dalam" diberikan oleh Gambar 3.4. Tampak bahwa dalam Gambar 3.4, keluaran y(t) tidak hanya secara langsung dipengaruhi oleh masukan u(t), tetapi juga dipengaruhi oleh keadaan "dalam" sistem itu sendiri yaitu x(t), dimana keadan x(t) ini sendiri didalamnya sistem terhadap perubahan waktu t mengalami suatu perubahan dengan laju perubahan diberiakan oleh persamaan x(t) = f (x(t), u(t), t), dimana tanda x = dx(t) . dt
x0 y(t) -
u(t) - x(t) = f (x(t), u(t), t) y(t) = g(x(t), u(t), t)
Gambar 3.4: Uraian "dalam" suatu sistem.
Walaupun dalam sistem tidak ada masukan yaitu u(t) = 0, keadaan di dalam sistem ini mengalami perubahan keadaan yang diberikan oleh persamaan x(t) = f (x(t), t). Sehingga walaupun tanpa masukan, keluaran sistem y(t) = g(x(t), t) tetap dipengaruhi oleh suatu keadaan di dalam sistem yaitu x(t). Tanpa menyelesaikan persamaan keadaan x(t) = f (x(t), t), tidak mung kin bisa didapat keluaran y(t) = g(x(t), t).
50 U(.)-
H(.)
Y (.) -
Gambar 3.5: Uraian "luar" suatu sistem.
Berbeda dengan uraian "dalam" dari suatu sistem, uraian "luar" suatu sistem menguraikan hubungan langsung antara masukan dan keluaran tanpa apa yang ada di "dalam" sistem sebagaimana mana diberikan dalam Gambar 3.5. Sehingga hubungan diantara masukan dan keluaran dari sistem bisa ditulis sebagai persamaan Y (.) = H(.)U(.). Terlihat bahwa keluaran U(.) langsung mempengaruhi keluaran Y (.) melalui "pengali" H(.). Uraian luar ini sangat erat kaitannya dengan apa yang dinamakan fungsi transfer sistem dimana pengertian ini akan kita bahas lebih rinci dalam Bab 6.
3.2
Pelinearan
Pada bagian ini utamanya akan dikonsentrasikan pada sistem persamaan dierensial linier. x(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) + D(t)u(t). (3.5)
Ada dua alasan penting untuk sistem persamaan linier. Yang pertama adalah secara analitik menarik. Sistem ini bisa dianalisa lebih baik daripada sistem non linier. Hal ini khususnya benar bila sistem matriks (3.5) konstan terhadap waktu. Penyelesaian dalam hal ini diungkapkan didalam suatu kondisi awal dan fungsi masukan yang bisa kita tuliskan kemudian. Alasan kedua Matematika-Sistem, Copyright: c 2010 Subiono
Pelinearan..
51
adalah banyak sistem berbentuk linier atau setidaknya didekati oleh sistem linier. Bahkan sistem nonlinier mungkin dilinierkan secara lokal, yaitu suatu penyelesaian disekitar pertubasi kecil akan mempunyai perilaku seperti sistem linier. Disini akan diasumsikan bahwa, persamaan (3.5) terdenisi dengan baik untuk setiap kondisi awal, misalnya x(0) dan masukan u(t), t 0 pada penyelesaian (3.5). Kondisi awal dan fungsi masukan yang demikian dinamakan dapat-diterima (admissible). Dalam hal ini semua elemen matriks dan masukan kontinu bagian demi bagian. Secara umum diasumsikan bahwa semua himpunanhimpunan U, U, Y, Y , X dan X ada dengan u(t) U untuk setiap t, u(.) U, y(t) Y untuk setiap t, y(.) Y , x(t) X untuk setiap t dan x(.) X sedemikian hingga penyelesaian (3.5) ada. Untuk peyederhanaan penyajian kesemuanya yang telah dikenalkan tidak selamanya secara langsung ditampilkan. Bila matrik-matriks A, B, C dan D konstan yaitu tidak tergantung t, maka dikatakan sistem adalah invarian-waktu. Berikut ini diturunkan konsep pelinearan secara lebih tepat. Tinjau suatu persamaan dierensial non-linier diberikan oleh
x = f (x, u), x Rn , u Rm y = g(x, u), y Rp .
(3.6)
Diberikan suatu penyelesaian x(.), y (.) dan bila diberikan keadaan awal x(0) = x0 dan masukan u(.). Tinjau penyelesaian yang lain x(.) + z(.), y (.) + w(.) yang merupakan hasil dari x0 + z0 dan u(.) + v(.). Dalam beberapa makna z0 dan v(.) cukup kecil sedemikian hingga diharapkan z(.) dan w(.) juga kecil, dalam Matematika-Sistem, Copyright: c 2010 Subiono
52 hal ini diperoleh
d x(t) dt
= f (, u), x(0) = x0 x + z(t)) = f ( + z, u + v), ( + z)(0) = x0 + z0 . x x
d ((t) x dt
x Namakan x + z = x dan u + v = u. Jadi f ( + z, u + v) = f (x, u), selanjutnya digunakan deret Taylor untuk f (x, u) disekitar x = x dan u = u, didapat f f z+ v + suku tingkat dua keatas. x u
f (x, u) = f (, u) + x
Tetapi Jadi
d ((t)+z(t)) x dt
= f (x, u) dan
d ((t)+z(t)) x dt
d x + dt z(t). d dt
d f f d x + z(t) = f (, u) + x z+ v + suku tingkat dua keatas. dt dt x u
Dengan kenyataan z0 dan v(.) cukup kecil, maka suku-suku tingkat dua keatas dapat diabaikan, sehingga diperoleh d f f z(t) = z+ v, z(0) = z0 dt x u Matematika-Sistem, Copyright: c 2010 Subiono
Pelinearan..
53
atau dalam bentuk matriks f1 dz1 x1 dt dz f2 2 dt = x1 . . . . . . dz fn n dt x 1 f1 u1 f2 + u1 . . . fn u1 Persamaan f d f z(t) = z+ v, z(0) = z0 dt x u adalah persamaan dierensial keadaan hasil pelinearan disekitar titik (, u). Dengan cara yang sama pelinearan untuk keluaran x disekitar titik (, u) adalah: x g g z(t) + v(t) x u f1 z1 xn z2 f2 . . . xn . . . . . . . fn . . zn xn f1 v1 um v2 f2 . . . um . . . . . . . fn . . vm um
... ...
... ... ...
...
w(t) =
54
yang dapat ditulis dalam bentuk matriks g1 g1 w1 z1 w2 x1 . . . xn z2 g2 . . g2 . . . ... . . = x1 xn . . . . . . . . . . . . . . gp gp . . . ... wp zn x xn 1 g1 g1 v1 u1 . . . um v2 g2 . g2 . . ... um . + u1 . . . . . . . . . gp gp . . ... vm u1 um Jika variabel z, v dan w masing-masing diganti dengan x, u dan y, tetapi dalam hal ini tentunya berbeda dengan x, u dan y yang sebelumnya (asli), sehingga didapat: x(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) + D(t)u(t), dimana f1 f1 x1 . . . xn f2 f2 ... xn , A(t) = x1 . . . . . . fn fn ... x1 xn |x=,u= x u
Pelinearan..
55 f1 f1 u1 . . . um f2 f2 ... um B(t) = u1 , . . . . . . fn fn ... u1 um |x=,u= x u g1 g1 x1 . . . xn g2 g2 ... xn , C(t) = x1 . . . . . . gp gp ... x1 xn |x=,u= x u
dan g1 g1 u1 . . . um g2 g2 ... um . D(t) = u1 . . . . . . gp gp ... u1 um |x=,u= x u Hasil pelinearan sistem non linier adalah: x(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) + D(t)u(t), yaitu sistem linier tetapi umumnya varian-waktu. Matematika-Sistem, Copyright: c 2010 Subiono
56
Contoh 5 Diberikan sistem: x1 = x2 1 x2 = ux1 y = x2 , t 0 2 Pelinearan disekitar penyelesaian x1 (t) =
dan u(t) = 1 adalah: 1 1 1 2 2 d 2 ( + z1 ) = ( + z1 )2 = ( ) z1 z1 , dt 1 + t 1+t 1+t 1+t 2 z1 adalah persamaan pertama yang terlididapat: z1 = 1+t nierkan, selanjutnya d 1 1 1 (ln(1+t)+z2) = (1+v)( +z1 ) = +z1 + v +z1 v, dt 1+t 1+t 1+t 1 v adalah persamaan kedua yang terdidapat: z2 (t) = z1 + 1+t linierkan. Juga untuk keluaran: y(t) + w = (ln(1 + t))2 + w = (ln(1 + t) + z2 )2 2 = (ln(1 + t))2 + 2z2 ln(1 + t) + z2 , didapat: w(t) = 2z2 ln(1 + t) adalah persamaan keluran yang terlinierkan. Penggabungan hasil-hasil pelinearan didapat: 2 0 z1 z1 0 = 1 + t + 1 v z2 z2 1 0 1+t w = 0 2 ln(1 + t) z1 z2
1 , x2 (t) = ln(1 + t) 1+t
Pelinearan..
57
Contoh 6 Diinginkan mengontrol suatu batang dengan gaya horizontal (lihat gambar). Panjang batang 1 satuan panjang. . . . . . .
mg
Sudut memenuhi persamaan (hukum Newton): = g sin u cos . Diasumsikan batang hanya bergerak pada bidang vertikal. Pertama diturunkan suatu formula pelinearan sistem sepanjang penyelesaian umum. Misalkan (, u) suatu trayektori x tetap sebarang dan : = x1 = x2 = x1 . Didapat: x1 (t) x2 (t) = x2 g sin x1 u cos x1 x(t) = dan f = A(t) = x |(, v) x x1 (t) x2 (t) 0 1 , g cos + v sin 0 = f (x, u),
dimana x = (, )T ,
f B(t) = = u |(, v) x
0 = cos x1 |(, v) x
0 . cos
58
Jadi pelinearan sistem sepajang trayektori umum adalah: x1 (t) x2 (t) = 0 1 g cos + v sin 0 x1 (t) 0 + u. x2 (t) cos
Selanjutnya, bila ditinjau sistem yang sama tetapi sekarang didalam bidang horizontal (tidak dipengaruhi gratasi), didapat model: = u cos . Kita linierkan model disekitar penyelesaian setimbang = 0 dan u = 0. Untuk ini misalkan = x1 = x2 = x1 . Didapat: x1 (t) x2 (t) = x2 u cos x1 x1 (t) x2 (t) = f (x, u),
x(t) = dan f = A(t) = x x1 = 0 x2 = 0 u=0 = 0 1 0 0
0 1 u sin x1 0
x1 = 0 x2 = 0 u=0
f B(t) = = u x1 = 0 x2 = 0 u=0
0 cos x1
x1 = 0 x2 = 0 u=0
0 . 1
Pelinearan..
59
Jadi pelinearan sistem disekitar penyelasaian setimbang adalah: x1 (t) x2 (t) = 0 1 0 0 x1 (t) 0 + u. x2 (t) 1
Contoh 7 Ditinjau lagi contoh pendulum-terbalik yang diberikan dalam bagian 2.4.1 dan ditulis ulang persamaan (2.5) yaitu: g sin + s cos = 0 (M + m) + ml( cos 2 sin ) = u, s
4l 3
(3.7)
Persamaan sistem (3.7) bisa ditulis dalam empat persamaan differensial tingkat satu dengan vektor "keadaan" dinisikan sebagai x(t) = ((t) (t) s(t) s(t)) . Selanjutnya dilinierkan persamaan (3.7) setelah itu dikonstruksi sekumpulan persamaan dierensial. Linearkan (3.7) disekitar penyelesaian (t) = (t) = s(t) = s(t) = 0 dan v = 0 memberikan hasil 4l (t) g(t) + s(t) = 0, (M + m)(t) + ml(t) = u(t), (3.8) s 3 Dengan mendinisikan vektor keadaan x(t) = ((t) (t) s(t) s(t)) Matematika-Sistem, Copyright: c 2010 Subiono
60 persamaan (3.8) bisa ditulis 0 1 dx(t) a2,1 0 = 0 0 dt a4,1 0 dimana a2,1 = dan b2 =
sebagai 0 0 0 b2 0 0 x(t) + u(t), 0 0 1 0 0 b4
(3.9)
3g(M + m) 3gm , a4,1 = l(4M + m) 4M + m 3 4 , b4 = . l(4M + m) 4M + m
Bila diberikan M = 0.98 kg, m = 0.08 kg, l = 0.312 m dan g = 10 m/det2 , maka persamaan (3.9) menjadi 0 1 0 0 0 dx(t) 25 0 0 0 x(t) + 2.4 u(t). = (3.10) 0 0 0 0 1 dt 0.6 0 0 0 1 Bila besaran yang diukur adalah s(t) dan (t), maka fungsi keluarannya adalah: y(t) = 0 0 1 0 x(t). 1 0 0 0 (3.11)
Latihan 12 Diberikan persamaan dierensial: x1 (t) = x2 (t) x2 (t) = x1 (t) x2 (t) + u(t) 2 Matematika-Sistem, Copyright: c 2010 Subiono
Penyelesaian persamaan dierensial linier..
61
dan fungsi keluaran y(t) = x1 (t). Tunjukkan bahwa untuk u(t) = cos2 (t) suatu penyelesaian dari persamaan dierensial adalah x1 (t) = sin(t), x2 (t) = cos(t). Linearkan persamaan keadaan dan fungsi keluaran disekitar penyelesaian tsb. dan tulis hasilnya dalam bentuk matriks. Apakah hasil pelinearan merupakan sistem yang invarian-waktu? Latihan 13 Linearkan sistem berikut: x1 (t) = x1 (t) x2 (t) x1 (t)x2 (t) 1 1 x2 (t) = 2x2 (t) x1 (t)x2 (t) x2 (t) 2 2 disekitar penyelesaian x1 (t) = 0, x2 (t) = 0. Selesaikan hasil pelinearan tsb. bila x1 (0) = 1, x2 (0) = 3.
3.3
Penyelesaian persamaan dierensial linier
Dalam bagian ini ditinjau persamaan dierensial varian-waktu berbentuk x(t) = A(t)x(t) + B(t)u(t) (3.12) dan persamaan dierensial invarian-waktu: x(t) = Ax(t) + Bu(t), (3.13)
62
dimana matriks-matriks A, B dan x, u masing-masing dengan ukuran yang bersesuaian. Selanjutnyaserta dikaji penyelesaiannya. Sebelum membahas penyelesaian persamaan yang dimaksud. Ditinjau ulang suatu persamaan dierensial biasa homogin dalam bentuk skalar yaitu : x(t) = ax(t), (3.14)
dimana x(t) adalah fungsi kontinu di R (R adalah himpunan bilangan real) dan a R, a = 0. Sebagaimana telah diketahui, persamaan (3.14) ini mempunyai penyelesaian umum x(t) = ceat , dimana c suatu konstanta di R. Bila persamaan (3.14) diubah dalam bentuk persamaan matriks x(t) = Ax(t), (3.15)
dimana A matriks berukuran n n dan x(t) berukuran n 1, maka penyelesaian persamaan (3.15) mempunyai penyelesaian yang mirip bentuknya dengan penyelesaian persamaan (3.14) yaitu x(t) = eAt x(t0 ). Hal ini akan ditunjukkan pada pembahasan berikutnya. Namum sebelumnya dibahas dulu bentuk persamaan dierensial homogen berikut x(t) = A(t)x(t). (3.16)
Sifat dari penyelesaian persamaan (3.16) diberikan dalam teorema berikut: Teorema 1 Himpunan dari semua penyelesaian x(t) = A(t)x(t) membentuk ruang vektor berdimesi-n atas lapangan R. Bukti : Misalkan 1 dan 2 dua penyelesaian sebarang dari (3.16), maka Matematika-Sistem, Copyright: c 2010 Subiono
63
untuk sebarang a, b R didapat : d d d (a1 + b2 ) = a 1 + b 2 = aA(t)1 + bA(t)2 dt dt dt = A(t)(a1 + b2 . Terlihat bahwa penyelesaian-penyelesaiannya membentuk suatu ruang linear atas R yang dinamakan ruang penyelesaian dari (3.16). Selanjutnya ditunjukkan bahwa ruang penyelesaian ini mempunyai dimensi n. Misalkan e1 , e2 , . . . , en adalah basis baku di Rn dan 1 , 2 , . . . , n adalah penyelesaian dari (3.16) dengan kondisi awal i (t0 ) = ei , i = 1, 2, . . . , n. Akan ditunjukkan bahwa i , i = 1, 2, . . . , n adalah bebas linear. Andaikan bahwa i , i = 1, 2, . . . , n bergantungan linear, maka pilih vektor = 0 yang memenuhi : 1 (t) 2 (t) . . . n (t) = 0, t R. Bila =
T
(3.17)
a1 a2 . . . an
dimana tanda menyatakan tranpose, maka persamaan (3.17) bisa ditulis sebagai a1 1 (t) + a2 2 (t) + . . . + an n (t) = 0, t R. a1 1 (t0 ) + a2 2 (t0 ) + . . . + an n (t0 ) = 0, atau a1 e1 + a2 e2 + . . . + an en = 0, dengan fakta bahwa vektor = 0, maka ai = 0 untuk beberapa i. Hal ini berakibat bahwa vektor-vektor ei , e2 , . . . , en Matematika-Sistem, Copyright: c 2010 Subiono (3.18)
Khususnya dalam (3.18) bisa diambil t = t0 , sehingga didapat
64
adalah bergantungan linear. Hasil ini menunjukkan bahwa bertentangan dengan kenyataan vektor-vektor ei , e2 , . . . , en adalah bebas linear. Jadi haruslah bahwa vektor-vektor penyelesaian dari (3.16) 1 , 2 . . . , n adalah bebas linear. Selanjutnya ditunjukkan bahwa sebarang penyelesaian dari (3.16) merupakan kombinasi linear dari vektor-vektor 1 , 2 . . . , n . Misalkan (t) adalah sebarang penyelesaian dari (3.16) dengan (t0 ) = e. Didapat (t0 ) = e = b1 e1 + b2 e2 + . . . + bn en , bi R dan
d dt
(b1 1 (t) + b2 2 (t) + . . . + bn n (t)) d d d = b1 dt 1 (t) + b2 dt 2 (t) + . . . + bn dt n (t) = b1 A(t)1 (t) + b2 A(t)2 (t) + . . . + bn A(t)n (t) = A(t) (b1 1 (t) + b2 2 (t) + . . . + bn n (t)) .
Terlihat bahwa vektor b1 1 (t) + b2 2 (t) + . . . + bn n (t) adalah penyelesaian dari (3.16) yang memenuhi kondisi awal b1 1 (t0 ) + b2 2 (t0 ) + . . . + bn n (t0 ) = b1 e1 + b2 e2 + . . . + bn en = e = (t0 ). Sebagaimana telah diketahui dari teori persamaan diiferensial bahwa penyelesaian ini adalah tunggal, maka haruslah (t) = b1 1 (t) + b2 2 (t) + . . . + bn n (t).
Telah ditinjukkan dalam Teorema 1 bahwa persamaan (3.16) mempunyai n penyelesaian 1 (t), 2 (t), . . . , n (t) yang bebas linear. Matriks berikut ini adalah matriks yang kolom-kolomnya merupakan penyelesaian dari (3.16), yaitu Y (t) = 1 (t) 2 (t) . . . n (t)
65
dinamakan matriks fundamental. Karena 1 (t), 2 (t), . . . , n (t) bebas linear untuk setiap t R, maka matriks Y (t) mempunyai invers, sehingga Y 1 (s) ada untuk suatu s R. Matriks berikut ini (t, s) = Y (t)Y 1 (s) disebut matriks transisi dan dari hasil Teorema 1 dapat ditunjukkan merupakan penyelesaian tunggal dari persamaan dierensial matriks d (t, s) = A(t)(t, s), (s, s) = I, dt (3.19)
dimana I adalah matriks satuan. Kolom ke-i dari matriks (t, s) adalah penyelesaian tunggal dari x(t) = A(t)x(t) dengan kondisi awal x(s) = ei , dimana ei vektor basis baku (standart) ke-i di Rn . Penyelesaian dari x(t) = A(t)x(t), x(t0 ) = x0 bisa diungkap kan sebagai x(t) = (t, t0 )x0 . Hal ini bisa ditunjukkan sebagai berikut : x(t) = d x(t) dt d (t, t0 )x0 = dt d = (t, t0 )x0 = A(t)(t, t0 )x0 , (dari (3.19)) dt = A(t)x(t).
Terlihat bahwa x(t) = (t, t0 )x0 adalah penyelesaian dari persamaan x(t) = A(t)x(t) yang memenuhi syarat kondisi awal x(t0 ) = (t0 , t0 )x0 = Ix0 = x0 . Sudah ditunjukkan bahwa matriks transisi memainkan suatu peranan penting dalam penyelesaian persamaan dierensial homogin x(t) = A(t)x(t). Pada pembahasan berikutnya juga terlihat peranannya dalam peyelesaian persamaan dierensial Matematika-Sistem, Copyright: c 2010 Subiono
66
takhomogin x(t) = A(t)x(t) + B(t)u(t). Berikut ini diturunkan sifat-sifat matriks transisi : 1. (t2 , t0 ) = (t2 , t1 )(t1 , t0 ), untuk semua t0 , t1 , t2 R, 2. 1 (t, s) = (s, t), untuk semua s, t R, sifat-sifat ini bisa ditunjukkan sebagai berikut : 1. (t2 , t0 ) = Y (t2 )Y 1 (t0 ) = (Y (t2 )Y 1 (t1 ))(Y (t1 )Y 1 (t0 )) = (t2 , t1 )(t1 , t0 ) (Y (s)Y 1 (t))(Y (t)Y 1 (s)) Y (s)(Y 1 (t)Y (t))Y 1 (s) Y (s)Y 1 (s) I, (t, s)(s, t) = I 1 (t, s) = (s, t).
2. (s, t)(t, s) = = = = juga didapat :
Sifat-sifat diatas memenuhi apa yang dinamakan group. Sifat yang pertama dinamakan sifat tertutup dan yang kedua adalah sifat adanya invers, sifat elemen netral adalah (t, t) = I. Sifat assosiatif mengikuti sifat assosiatif dari perkalian matriks. Contoh 8 Diberikan persamaan : x(t) = 0 0 t 0 x(t)
Persamaan ini bisa ditulis dalam bentuk dua persamaan : x1 (t) = 0 dan x2 (t) = tx1 (t) Matematika-Sistem, Copyright: c 2010 Subiono
67
Penyelesaian persamaan ini diberikan oleh x1 (t) = x1 (t0 ) dan x2 (t) = 1 t2 x1 (t0 ) + x2 (t0 ). Untuk x1 (t0 ) = 1, x2 (t0 ) = 0, didapat 2 T 1 (t) = 1 1 t2 dan untuk x1 (t0 ) = 0, x2 (t0 ) = 1, didapat 2 T 2 (t) = 0 1 . Jadi matriks fundamentalnya adalah : Y (t) = 1 (t) 2 (t) = 1
1 2 t 2
0 1
Contoh 9 Tinjau persamaan varian waktu: 0 0 1 x (t) x1 (t) 1 d + u(t), t > 0, = 1 2 2 dt x2 (t) x2 (t) 2 t t t2 yang mana ekivalen dengan persamaan dierensial tingkat dua (x1 (t) = y(t)): t2 y (t) 2ty(t) + 2y(t) = u(t). Pertama tinjau persamaan homogen (yaitu u(t) = 0) dan substisusikan suatu penyelesaian yang mungkin berbentuk y(t) = tk , didapat: k 2 3k + 2 = 0 k = 1, k = 2
Maka dari itu y(t) = t dan y(t) = t2 adalah dua penyelesaian yang bebas dan (t, 1)T dan (t2 , 2t)T adalah dua penyelesaian bebas dari: 0 1 x(t) = x(t). 2 2 2 t t Matematika-Sistem, Copyright: c 2010 Subiono
68
Masing-masing matriks fundamental dan matriks transisi diberikan oleh: 2t t2 t2 s s2 t + s t t2 Y (t) = , (t, s) = 1 2t 2 2t 2t 1 + s s2 s
Teorema berikut menjelaskan penyelesaian persamaan dierensial takhogin yang diberikan dalam persamaan (3.12). Teorema 2 Penyelesaian dari persamaan x(t) = A(t)x(t) + B(t)u(t) dengan kondisi awal x(t0 ) = x0 adalah
t
x(t) = (t, t0 )x0 +

t0
(t, s)B(s)u(s)ds
Bukti : x(t) = d d t (t, t0 )x0 + (t, s)B(s)u(s)ds dt dt t0 = A(t)(t, t0 )x0 + (t, s)B(s)u(s)|s=t t d + t0 (t, s)B(s)u(s)ds dt t = A(t) (t, t0 )x0 + t0 (t, s)B(s)u(s)ds + B(t)u(t) = A(t)x(t) + B(t)u(t).
69
Selajutnya pembahasan dibatasi untuk bentuk yang disajikan dalam persamaan (3.13). Untuk sistem yang demikian matriks transisi juga ada, untuk maksud ini perluh denisi matriks berikut 1 22 1 33 A t + A t + ... (3.20) 2! 3! denisi diatas terdenisi dengan baik sebab deret konvergen, hal ini dijamin oleh Teorema Cayley Hamilton yang berkaitan dengan matriks persegi yaitu, bila matriks persegi A berukuran nn dengan polinomial kharakteristik eAt = I + At +
def
p() = n + a1 n1 + . . . + an1 + an , maka p(A) = An + a1 An1 + . . . + an1 A + an I = 0. (3.21)
Selanjutnya lakukan algorithma pembagian terhadap polinomial m dibagi oleh polinomial p() = n + a1 n1 + . . . + an1 + an , didapat m = p()q() + r() atau m = p()q() + 1 + 2 + . . . + n1 n1 (3.22)
Dengan menggunakan Persamaan (3.22) matriks Am diberikan oleh Am = p(A)q(A) + 1 I + 2 A + . . . + n1 An1 Gunakan Persamaan (3.21), didapat Am = 1 I + 2 A + . . . + n1 An1 (3.23)
70
Persamaan (3.23) menunjukkan bahwa, secara berulang bentuk pangkat Am dengan m n dapat ditulis sebagai: Am = 1 I + 2 A + . . . + n1 An1 . (3.24)
Sehingga berapapun besarnya m, maka Am bisa disajikan dalam persamaan (3.23), oleh karena itu persamaan (3.20) menjadi eAt = b0 I + b1 (At) + b2 (At)2 + + bn1 (At)n1 = b0 I + (b1 t) A + (b2 t2 ) A2 + + (bn1 tn1 ) An1 atau eAt = c0 I + c1 A + c2 A2 + + cn1 An1 . (3.25)
Cara untuk menentukan nilai-nilai c0 , c1 , . . . , cn1 akan dibahas kemudian. Dengan memperhatikan persamaan (3.20), maka eAt adalah matriks berukuran n n. Catatan : Notasi berikut eA(ts) yang juga didenisikan seperti (3.20), yaitu 1 1 eA(ts) = I + A(t s) + A2 (t s)2 + A3 (t s)3 + . . .. Disini 2! 3! notasi A(t s) berarti perkalian dari A dengan (t s). Perhatikan jangan sampai kacau dengan notasi A(t) yang digunakan sebelumnya yaitu berarti bahwa matriks A berisi elemen-elemen fungsi dari waktu t. Teorema berikut menjelaskan hubungan matriks transisi dari persamaan x(t) = Ax(t) dengan matriks eksponen eAt . Teorema 3 Matriks eA(ts) adalah matriks transisi dari persamaan x(t) = Ax(t), yaitu eA(ts) = (t, s). Matematika-Sistem, Copyright: c 2010 Subiono
71
Bukti Pembuktian menggunakan substitusi:

d A(ts) = e dt d 1 1 (I + A(t s) + A2 (t s)2 + A3 (t s)3 + ) dt 2! 3! 1 3 2 2 = A + A (t s) + A (t s) + 2! 1 = A(I + A(t s) + A2 (t s)2 + ) = AeA(ts) , 2!
jadi d (t, s) = A(t, s) dt dan (s, s) = eA(ss) = I + A.0 + 1 2 A .0 + = I. 2!
Pada pembahasan berikutnya untuk menyingkat penulisan, x(t) cukup ditulis x dalam konteks yang jelas bahwa vektor-vektor x dengan komponen-komponennya merupakan fungsi dari t. Penyelesaian dari x = Ax dengan x(0) = x0 adalah x(t) = eAt x0 . Penyelesaian ini juga bisa diperoleh melalui diagram berikut yang menyajikan persamaan dierensial:
c
x0 x(t)
E
x(t)
72
Putari diagram terus menerus akan didapat:

t t 2
x(t) = x0 +
0 t
Ax0 d1 +
0 2 3
A
0
Ax0 d1 d2
+
0
A
0
A
0
Ax0 d1 d2 d3 +
= (I + At + Karena eAt
1 22 1 33 A t + A t + )x0 = eAt x0 2! 3! adalah matriks transisi, sifat-sifat berikut dipenuhi:
1. eA(t2 t0 ) = eA(t2 t1 ) eA(t1 t0 ) , demikian pula eA(t+s) = eAt eAs . 2. (eAt )1 = eAt . Matriks exponential eAt memainkan suatu peranan yang penting di dalam teori sistem linier dan sudah banyak paper yang terbit membahas seberapa baik prosedur untuk menghitung eAt . Berikut ini kita berikan suatu sifat untuk menghitung eAt secara analitik. Lemma 1 Bila suatu matriks P punya invers, maka eAt = P eP
P 1 AP t
1 AP t
P 1 .
1 AP t
Bukti Kita harus buktikan P 1 eAt P = eP

e = = + = =
1 1 I + P 1 AP t + (P 1 AP )2 t2 + (P 1 AP )3 t3 + 2! 3! 1 1 1 1 I + P AP t + (P AP P AP )t2 2! 1 1 (P AP P 1 AP P 1 AP )t3 + 3! 1 1 I + P 1 AP t + (P 1 A2 P )t2 + (P 1 A3 P )t3 + 2! 3! 1 1 P 1 (I + At + A2 t2 + A3 t3 + )P = P 1 eAt P. 2! 3!
73
Misalkan bahwa A dapat didiagonalkan, yaitu ada matriks punya invers T sedemikian hingga T 1 AT = D, dimana: 1 0 .. D= . . 0 n Dalam kenyataannya, {i } adalah nilai karakteristik dari A dan kolom ke-i dari matriks T adalah vektor karakateristik yang bersesuaian dengan nilai karakteristik i . Dengan menggunakan Lemma 1 didapat: eAt = T eT
1 AT t
T 1 = T eDt T 1 .
Matriks exponen eDt mudah didapat dengan menggunakan (3.20): e1 t 0 .. = . . n t 0 e
eDt
Sayangnya tidak semua matriks persegi bisa didiagonalkan. Oleh karena itu metoda yang diuraikan diatas tidak bisa digunakan untuk sebarang matriks persegi. Diagonalisasi hanya mungkin bila matriks A mempunyai n vektor karakteristik yang saling bebas linier. Kondisi cukup (tapi tidak perluh) bahwa A mempunyai n vektor karakteristik yang saling bebas linier adalah semua nilai karakteristinya berbeda, hal ini akan diberikan dalam sifat-sifat berikut. Matematika-Sistem, Copyright: c 2010 Subiono
74
Teorema 4 Misalkan matriks A berukuran nn. Maka A dapat didiagonalkan bila dan hanya bila ada suatu himpunan X yang memuat n vektor karakteristik dari A yang bebas linear. Bukti () Misalkan X = {x1 , x2 , x3 , . . . , xn } adalah himpunan yang memuat n vektor karakteristik dari A yang bebas linear dengan nilai karakteristik yang bersesuaian 1 , 2 , 3 , . . . , n dan didinisikan T = x1 | x2 | 1 0 0 2 D= 0 0 . . . . . . 0 0 x3 | 0 0 3 . . . 0 . . . | x n ... 0 ... 0 ... 0 = . . . . . . n
1 e1 |2 e2 |3 e3 | . . . |n en
Kolom-kolom dari T adalah vektor-vektor yang bebas linear, maka T adalah matriks yang nonsingulir. Jadi matriks invers T 1 ada. Sehingga didapat T 1 AT = = = = = = = = T 1 A x1 | x2 | x3 | . . . | xn T 1 Ax1 | Ax2 | Ax3 | . . . | Axn T 1 1 x1 |2 x2 |3 x3 | . . . |n xn T 1 1 T e1 |2 T e2 |3 T e3 | . . . |n T en T 1 T (1 e1 )|T (2 e2 )|T (3e3 )| . . . |T (n en ) T 1 T 1 e1 |2 e2 |3 e3 | . . . |n en In D D.
75
() Sebaliknya, misalkan A dapat didiagonalkan, maka ada matriks nonsingulir berukuran n n S= dan matriks d1 0 E= 0 . . . 0 diagonal 0 0 d2 0 0 d3 . . . . . . 0 0 ... ... ... 0 0 0 . . . y1 | y2 | y3 | . . . | yn
. . . dn
d1 e1 |d2 e2 |d3 e3 | . . . |dn en
yang memenuhi S 1 AS = E. Sehingga diperoleh Ay1 |Ay2 |Ay3 | . . . |Ayn = = = = = = = A y1 |y2 |y3 | . . . |yn AS In AS SS 1 AS SE S d1 e1 |d2 e2 |d3 e3 | . . . |dn en d1 (Se1 )|d2 (Se2 )|d3 (Se3 )| . . . . . . |dn (Sen )] d1 y1 |d2y2 |d3 y3 | . . . |dn yn . =
Terlihat bahwa Ayi = di yi , i = 1, 2, 3, . . . , n, jadi yi adalah vektor karakteristik dari A dengan nilai karakteristik di .
76
Teorema 4 tidak mensyaratkan kondisi dari nilai karakteristik i , yaitu i tidak harus berbeda satu dengan yang lainnya. Sepanjang n vektor karakteristik dari matriks A adalah vektor-vektor yang bebas linear, maka pasti matriks A bisa didiagonalkan. Teorema berikutnya menjelaskan bagaimana bila i = j untuk i = j.
Teorema 5 Misalkan matriks A berukuran nn, bila nilai karakteristik dari A adalah i , i = 1, 2, . . . , n dengan i = j untuk i = j, maka matriks A dapat didiagonalkan.
Bukti Misalkan S = {x1 , x2 , x3 , . . . , xn } adalah himpunan vektor karakteristik dari A yang bersesuaian dengan nilai karakteristik 1 , 2 , 3 , . . . , n . Pertama akan ditunjukkan bahwa S adalah himpunan dari vektor-vektor yang bebas linear. Digunakan bukti tidak langsung, yaitu andaikan bahwa S memuat vektor-vektor yang bergantungan linear. Dinisikan himpunan Si = {x1 , x2 , x3 , . . . , xi } dan k adalah suatu bilangan bulat sedemikian hingga Sk1 = {x1 , x2 , x3 , . . . , xk1 } adalah bebas linear sedangkan Sk = {x1 , x2 , x3 , . . . , xk } bergantungan linear. Pilih skalar a1 , a2 , a3 , . . . , ak dengan aj = 0 untuk beberapa j sehingga berlaku
0 = a1 x1 + a2 x2 + a3 x3 + . . . + ak xk . Matematika-Sistem, Copyright: c 2010 Subiono
(3.26)
77
Maka, didapat 0 = (A k In )0 = (A k In )(a1 x1 + a2 x2 + a3 x3 + . . . + ak xk ) = a1 (A k In )x1 + a2 (A k In )x2 + a3 (A k In )x3 + . . . + ak (A k In )xk = a1 (Ax1 k x1 ) + a2 (Ax2 k x2 ) + a3 (Ax3 k x3 ) + . . . + ak (Axk k xk ) = a1 (1 x1 k x1 ) + a2 (2 x2 k x2 ) + a3 (3 x3 k x3 ) + . . . + ak (k xk k xk ) = a1 (1 k )x1 + a2 (2 k )x2 + a3 (3 k )x3 + . . . + ak (k k )xk = a1 (1 k )x1 + a2 (2 k )x2 + a3 (3 k )x3 + . . . +ak1(k1 k )xk1 . Karena vektor-vektor x1 , x2 , x3 , . . . , xk1 adalah bebas linear, maka didapat a1 (1 k ) = a2 (2 k ) = . . . = ak1 (k1 k ) = 0 dan karena i = j , i = j, maka diperoleh a1 = a2 = a3 = . . . = ak1 = 0. Oleh karena itu persamaan (3.26) menjadi 0 = 0 + 0 + 0 + . . . + ak xk atau 0 = ak xk . Karena xk = 0, maka ak = 0. Hasil ini gabungkan dengan hasil dalam persamaan (3.27), didapat aj = 0 Matematika-Sistem, Copyright: c 2010 Subiono (3.27)
78
untuk semua j = 1, 2, 3, . . . , k. Hal ini kontradiksi, yaitu bertentangan dengan kenyataan bahwa aj = 0 untuk beberapa j. Jadi haruslah S = {x1 , x2 , x3 , . . . , xn } adalah himpunan vektorvektor yang bebas linear. Oleh karena itu, berdasarkan Teorema 4 matriks A dapat didiagonalkan.
Berikut ini diberikan contoh-contoh menghitung matriks ekponensial eAt untuk matriks A yang bisa didiagonalkan. Contoh 10 Diberikan matriks 1 1 2 2 . A= 0 0 0 1 3
Vektor karaktertistik dari matriks A adalah 1 0 1 x1 = 0 , x2 = 2 , x3 = 1 1 0 1 yang bersesuaian dengan nilai karakteristik 1 = 2 = 1 dan 3 = 2. Bisa dicek bahwa vektor-vektor x1 , x2 dan x3 adalah bebas linear. Jadi matriks T = [x1 |x2 |x3 ] 1 0 1 = 0 2 1 0 1 1 Matematika-Sistem, Copyright: c 2010 Subiono
79
adalah nonsingulir, sehingga matriks T 1 ada, yaitu 1 1 2 T 1 = 0 1 1 . 0 1 2 Sehingga matriks A dapat didiagonalkan menjadi D = 1 AT T 1 1 2 1 1 2 1 0 1 2 0 2 1 = 0 1 1 0 0 0 1 2 0 1 3 0 1 1 1 0 0 = 0 1 0 . 0 0 2 Dalam hal ini, matriks A bisa ditulis sebagai A = T DT 1. Selanjutnya matriks eAt diberikan oleh eAt = eT DT t = T eDt T 1 t 1 0 1 e 0 0 1 1 2 = 0 2 1 0 et 0 0 1 1 0 1 1 0 0 e2t 0 1 2 t e e2t et 2et 2e2t = 0 2et e2t 2e2t 2et . 0 et e2t 2e2t et
1
80 Contoh 11
Vektor karaktertistik dari matriks A adalah 1 0 1 x1 = 1 , x2 = 1 , x3 = 2 0 1 2
Diberikan matriks 3 2 2 A = 2 1 3 . 2 2 4
yang bersesuaian dengan nilai karakteristik 1 = 1, 2 = 2 dan 3 = 3. Bisa dicek bahwa vektor-vektor x1 , x2 dan x3 adalah bebas linear. Jadi matriks S = [x1 |x2 |x3 ] 1 0 1 2 = 1 1 0 1 2
adalah nonsingulir, sehingga matriks S 1 ada, yaitu 0 1 1 1 . S 1 = 2 2 1 1 1 Sehingga matriks A dapat didiagonalkan menjadi E = S 1 AS 0 1 1 3 2 2 1 0 1 1 2 1 3 1 1 2 = 2 2 1 1 1 2 2 4 0 1 2 1 0 0 = 0 2 0 . 0 0 3 Matematika-Sistem, Copyright: c 2010 Subiono
81
Dalam hal ini, matriks A bisa ditulis sebagai A = SES 1 . Selanjutnya matriks eAt diberikan oleh eAt = eSES t = SeEt S 1 t 1 0 1 e 0 0 0 1 1 2 0 e2t 0 2 2 1 = 1 1 3t 0 1 2 0 0 e 1 1 1 3t t 3t e e e et e3t = 2e3t 2e2t 2e3t + 2e2t + et 2e3t + e2t + et . 2e2t 2e3t 2e3t 2e2t 2e3t e2t
1
Teorema 4 dan Teorema 5 memberikan syarat bagaimana suatu matriks persegi bisa didiagonalkan, hasil teorema ini memudahkan untuk menghitung matriks eksponensial tanpa harus menderetkan matriks eksponensial sebagaimana diberikan dalam Contoh 10 dan Contoh 11. Telah dijelaskan sebelumnya, bahwa tidak semua matriks persegi berukuran n n bisa didiagonalkan. Hal ini berkaitan dengan banyaknya vektor karakteristik dari matriks persegi ini yang bebas linear, bila banyaknya vektor karakteristik yang bebas linear kurang dari n, maka jelas matriks persegi tsb. tidak bisa didiagonalkan. Oleh karenanya suatu matriks persegi berukuran nn tak dapat didiagonalkan mempunyai k (< n) nilai karakteristik yang akan dinotasikan dengan i , i = 1, 2, . . . , k. Multisiplisitas aljabar dari i adalah banyaknya akar rangkap i dari polinomial karakteristik det(A i In ) dan dinotasikan oleh A (i ), akar i mungkin bilangan kompleks. Multisiplisitas geometri Matematika-Sistem, Copyright: c 2010 Subiono
82
dari i adalah banyaknya vektor karakteristik yang bebas linear bersesuaian dengan nilai karakteristik i dan dinotasikan oleh A (i ). Suatu ruang bagian yang dibangun oleh semua vektor karakteristik yang bebas linear dari nilai karakteristik i dinamakan ruang karakteristik dan dinotasikan oleh A (i ). Jelas bahwa A (i ) = dim(A (i )), dimana dim(A (i )) adalah dimensi dari ruang karakteristik A (i ) dan secara umum berlaku A (i ) A (i ). Dalam Contoh 10 matriks A dengan nilai karakteristik = 1 mempunyai multisiplisitas aljabar 2 dan mulisiplisitas geometrinya juga 2, sedangkan untuk nilai karakteristik = 2 multisiplisitas aljabarnya 1 dan multisiplisitas geometrinya juga 1. Disini terlihat bahwa masing-masing multisiplisitas aljabar sama dengan multisiplisitas geometrinya. Begitu juga dalam Contoh 11 masing-masing multisiplisitas aljabar dan multisiplisitas geometrinya sama. Dalam masing-masing Contoh yang telah disebutkan ini sudah diketahui bahwa masing-maasing matriks persegi yang diberikan dalam contoh bisa didiagonalkan. Hal ini memberikan suatu isyarat bahwa bila aljabar multisipisitas dan geometri multisiplisitas tidak sama maka matriks tidak dapat didiagonalkan. Sifat berikut menjelaskan apa yang telah dinahas ini. Teorema 6 Misalkan matriks A berukuran nn, maka A dapat didiagonalkan bila dan hanya bila A () = A () untuk setiap nilai karakteristik dari A. Bukti Misalkan A mempunyai nilai karakteristik yang berbeda satu dengan yang lainnya yaitu 1 , 2 , . . . , k dan misalkan Si = {xi1 , xi2 , . . . , xiA (i ) } himpunan vektor karakteristik yang bebas linear untuk nilai karakteristik dari i (jelas bahwa vektor-vektor Matematika-Sistem, Copyright: c 2010 Subiono
83
ini adalah salah satu basis dari A (i )) untuk 1 i k. Maka S = S1 S2 . . . Sk adalah himpunan vektor-vektor karakteristik dari A. Satu vektor karakteristik tidak akan bisa berpasangan dengan dua nilai karakteristik yang berbeda, jadi Si Sj = , i = j, dengan kata lain S merupakan gabungan dari Si yang saling asing untuk 1 i k. () Banyaknya anggota dari himpunan S adalah
k
|S| = =
A (i )
i=1 k
A (i )
i=1
= n.
Selanjutnya dibahas persamaan berikut 0 = a11 x11 + a12 x12 + . . . + a1A (1 ) x1A (1 ) + a21 x21 + a22 x22 + . . . + a2A (2 ) x2A (2 ) + . . . + ak1 xk1 + ak2 xk2 + . . . + akA (k ) xkA (1 ) , dan misalkan y1 = a11 x11 + a12 x12 + . . . + a1A (1 ) x1A (1 ) y2 = a21 x21 + a22 x22 + . . . + a2A (2 ) x2A (2 ) . . . yk = ak1 xk1 + ak2 xk2 + . . . + akA (k ) xkA (k ) . Matematika-Sistem, Copyright: c 2010 Subiono
84 Sehingga didapat persamaan
0 = y1 + y2 + . . . + yk .
(3.28)
Selanjutnya ditunjukkan bahwa yi = 0 untuk i = 1, 2, . . . , k. Jelas bahwa yi A (i ), i = 1, 2, . . . , k. Jadi kemungkinannya adalah yi adalah vektor karakteristik yang sesuai dengan nilai karakteristik i (yi = 0) atau yi = 0. Bila masing-masing yi adalah vektor karakteristik yang sesuai dengan nilai karakteristik i dan karena i = j , i = j, maka y1 , y1 , . . . , yk adalah bebas linear. Hal ini tadaklah mungkin dengan melihat kenyataan persamaan (3.28). Jadi haruslah semua yi = 0, i = 1, 2, . . . , k. Sehingga didapat 0 = a11 x11 + a12 x12 + . . . + a1A (1 ) x1A (1 ) 0 = a21 x21 + a22 x22 + . . . + a2A (2 ) x2A (2 ) . . . 0 = ak1 xk1 + ak2 xk2 + . . . + akA (k ) xkA (k ) . Karena masing-masing xi1 , xi2 , . . . , xiA (i ) adalah basis dari ruang karakteristik A (i ) untuk i = 1, 2, . . . , k, maka haruslah
k
aij = 0 untuk i = 1, 2, . . . , k dan j = 1, 2, . . . ,

l=1
A (l ) = n.
Jadi himpunan S merupakan himpunan vektor-vektor yang bebas linear. Maka dari itu mengingat hasil dari Teorema 4 matriks A dapat didiagonalkan. () Misalkan bahwa A dapat didiagonalkan dan andaikan ada t sehingga A (t ) = A (t ), maka A (t ) < A (t ) dan A (i ) A (i ) untuk 1 i k dengan i = t. Karena A dapat didiagonalkan, maka Teorema 4 menjamin ada suatu himpunan S dari Matematika-Sistem, Copyright: c 2010 Subiono
85
n vektor bebas linear yang merupakan vektor-vektor karakteristik dari A. Misalkan ni adalah banyaknya vektor karakteristik di S yang bersesuaian dengan nilai karakteristik i dan ingat bahwa suatu vektor tidak akan merupakan suatu vektor karakteristik untuk dua nilai karakteristik yang berbeda. Himpunan S adalah himpunan dari n vektor yang bebas linear dan, jadi Si adalah himpunan bagian dari S terdiri dari ni vektor yang juga bebas linear. Karena ruang karakteristik A (i ) berdimensi A (i ) dan Si adalah himpunan bagian dari A (i ) yang memuat ni vektor bebas linear, maka ni A (i ) untuk 1 i k. Sehingga didapat n = n1 + n2 + . . . + nt + . . . + nk A (1 ) + A (2 ) + . . . + A (t ) + . . . + A (k ) < A (1 ) + A (2 ) + . . . + A (t ) + . . . + A (k ) = n. Terlihat bahwa terjadi suatu kontradiksi (tidak mungkin n < n). Jadi haruslah A () = A () untuk semua nilai karakteristik dari matriks A.
Berikut ini diberikan suatu contoh dari matriks yang tidak bisa didiagonalkan. Contoh 12 Diberikan matriks persegi 1 1 2 A = 2 2 6 . 1 2 5
Polinomial karakteristik dari A adalah pA () = |AI3 | = 3 + 42 5 + 2 = (1 )2 (2 ). Sehingga didapat multisiplisitas Matematika-Sistem, Copyright: c 2010 Subiono
86
aljabar dari = 1 adalah A (1) = 2 dan multiplisitas aljabar dari = 2 adalah A (2) = 1. Untuk memperoleh multisiplitas geometri dari = 1 bisa ditentukan lewat dimensi dari ruang A (1) = ker(A I3 ). Matriks (A I3 ) adalah 1 1 2 1 0 0 0 1 2 A I3 = 2 2 6 0 1 0 = 2 3 6 . 1 2 5 0 0 1 1 2 4 Sehingga diperoleh 0 ker(A I3 ) = a 2 a R , 1
terlihat bahwa dim(ker(A I)) = 1 atau dim(A (1)) = 1 oleh karena itu A (1) = 1. Jadi A (1) = 1 < 2 = A (1), menurut hasil dari Teorema 6 matriks A tidak bisa didiagonalkan.
Teorema 7 Misalkan matriks A berukuran n n mempunyai sebanyak k nilai karakteristik i yang berbeda dengan multisiplisitas mi , i = 1, 2, . . . , k, k mi = n. Didenisikan Ni = i=1 ker[(A i I)mi ], maka 1. dimensi dari ruang bagian linear Ni adalah mi , i = 1, 2, . . . , k 2. ruang vektor linear berdimensi n Cn atas bilangan kompleks adalah jumlahan langsung dari ruang bagian Ni , yaitu: Cn = N1 N2 Nk . Matematika-Sistem, Copyright: c 2010 Subiono
87
Untuk bukti teori tsb. dan materi dasar teori matriks pembaca bisa merujuk pada [Bellman, 1970]. Suatu ruang linear N merupakan jumlahan langsung dari dua ruang bagian linear N1 dan N2 ditulis N = N1 N2 bila untuk setiap x N bisa secara tunggal dikomposisikan sebagai x = x1 + x2 dengan x1 N1 dan x2 N2 . Bila matriks A berukuran n n mempunyai n nilai karakteristik yang berbeda, maka Ni dalam Teorema 7 adalah ruang bagian berdimensi satu dibangun oleh vektor karakteristik dengan nilai karakteristik i . Teorema 8 Untuk setiap matriks nn ada suatu matrik T yang punya invers sedemikian hingga T 1 AT = J, (3.29)
dalam hal ini matriks J dinamakan bentuk Jordan yang mempunyai struktur diagonal-blok berbentuk J = diag(J1 , J2 , . . . , Jk ), yaitu: J1 0 J2 J = .. . 0 Jk
(3.30)
Disini k seperti didenisikan seperti didalam Teorema 7. Setiap blok Ji , i = 1, 2, . . . , k, juga memmpunyai struktur diagonal-blok, Ji = diag(Ji1 , Ji2 , . . . , Jili ), dimana li adalah suatu bilangan bulat Matematika-Sistem, Copyright: c 2010 Subiono
88
1 dan dimana setiap sub-blok berbentuk seperti berikut i 1 0 ... 0 . .. .. .. . . . . . .. .. Jij = . . 0 .. . 1 0 i Bila matriks T dipartisi sebagai T = [T1 , T2 , . . . , Tk ], sesuaikan dengan partisi di (3.30), maka vektor kolom Ti membentuk suatu basis untuk ruang bagian Ni . Dari persamaan (3.29) didapat AT = T J. Bila vektor kolom individu dari T dinotasikan dengan q1 , q2 , . . . , qn , maka kolom ke-i dari AT sama dengan Aqi dan kolom ke-i dari T J sama dengan qi + i qi1 dengan i bernilai satu atau nol, bergantung kepada lokasi baris ke-i dari blok Jordan yang sesuai. Jadi Aqi = qi + i qi1 , i = 1, 2, . . . , n, (1 = 0), (3.31)
dimana adalah suatu nilai karakteristik dan dimana i nol atau satu. Bila i = 0 maka qi adalah suatu vektor karakteristik dari A. Bila i = 1, maka vektor qi dinamakan vektor karakteristik tergenerallisir. Selanjutnya kita hitung eAt , yaitu eAt = T eJt T 1 . Pemakaian dari denisi eJt (lihat (3.20)) memberikan eJt = diag(eJ1 t , eJ2 t , , eJk t ) Matematika-Sistem, Copyright: c 2010 Subiono
89
dan untuk masing-masing blok eJi t = diag(eJil t , eJil t , , eJili t ). Terakhir untuk masing-masing sub-blok: t2 1 t 2! .. .. .. . . . Jij t i t .. .. e =e . . .. . 0 dimana dij adalah dimensi dari Jij . Catatan : Perhatikan bahwa bila qi+1 , qi+1 , , qi+dij adalah vektor karakteristik (tergenerallisir) untuk blok Jordan Jij dengan nilai karakteristik i , maka (A i I)k qi+k = 0, k = 1, 2, , dij . Hal ini bisa dibuktikan sebagai berikut. Untuk k = 1 jelas bahwa (A i I)qi+1 = 0 sebab qi+1 adalah suatu vektor karakteristik. Untuk k = 2 bisa kita tulis (A i I)2 qi+2 = (A i I)((A i I)qi+2 ) = (A i I)qi1 = 0, disini kita gunakan (3.31). Bukti untuk k yang lebih tinggi bisa kita gunakan induksi. Jadi vektor qi+1 , qi+1 , , qi+dij membangun ruang bagian linear Ni seperti yang telah dinyatakan dalam Teorema 7. Selanjutnya untuk mempermudah perhitungan dalam mencari bentuk Jordan dari suatu matriks A berukuran nn dengan polinomial karakteristik ( 1 )m1 ( 2 )m2 . . . ( k )mk dengan m1 + m2 + . . . + mk = n dan i berbeda satu dengan yang lainnya untuk i = 1, 2, . . . , k; kita berikan langkah-langkah sebagai berikut: Matematika-Sistem, Copyright: c 2010 Subiono
tdij 1 (dij 1)!
. . .
t2 2!
t 1
90
1. Selesaikan persamaan (A 1 I)v1 = 0. 2. Selesaikan persamaan (A 1 I)vi = vi1 dengan i = 2, 3, . . . , m1 . 3. Ulangi langkah [1.]-[2.] untuk j dan mj dengan j = 2, 3, . . . , k. 4. Pilih matriks T = [v1 v2 . . . vn ]. 5. Bentuk Jordan dari matriks A diberikan oleh J = T 1 AT . Contoh 13 Diberikan matriks A 0 1 0 25 0 0 A= 0 0 0 3 0 0 5
0 0 . 1 0
Nilai karakteristik dari A adalah 1,2 = 0, 3 = 5 dan 4 = 5. Untuk nilai karakteristik 0 rangkap sebanyak 2, kita selesesaikan persamaan: 0 1 0 0 0 25 0 0 0 0 0 0 0 1 v1 = 0; didapat v1 = 1 . 3 0 0 0 0 5 Selanjutnya kita selesesaikan persamaan: 0 1 0 0 0 0 25 0 0 0 0 0 0 0 0 1 v2 = 1 ; didapat v2 = 0 . 3 0 0 0 0 1 5 Matematika-Sistem, Copyright: c 2010 Subiono
91
Untuk 3 = 5, diselesaikan persamaan (A 5I)v3 = 0; yaitu: 25 5 1 0 0 3 25 5 0 125 0 v = 0, didapat v3 = 13 . 0 0 5 1 3 5 3 5 0 0 5 1 Untuk 4 = 5, diselesaikan persamaan (A + 5I)v4 = 0; yaitu: 5 25 0 3 5 1 5 0 0 0 0 5 0 25 0 3 125 0 3 v = 0, didapat v3 4 = 1 . 1 4 5 1 5
Sehingga diperoleh matriks T , yang diberikan oleh: 25 0 0 25 3 3 0 0 125 125 3 3 T = 1 1 0 1 5 5 0 1 1 1 dan invers matriks T diberikan oleh: 3 125 0 1 0 3 0 125 0 1 . = 3 3 250 0 0 50 3 3 50 250 0 0
T 1
92
Bentuk Jordan dari matriks A, diberikan oleh J = T 1 AT : 3 125 0 1 0 0 1 0 3 0 25 0 0 125 0 1 J = 3 3 250 0 0 0 0 0 50 3 3 0 3 0 0 50 250 0 5 25 0 0 25 3 3 0 0 125 125 3 3 1 1 0 1 5 5 0 1 1 1 0 1 0 0 0 0 0 0 = 0 0 5 0 0 0 0 5 dan eJt 1 0 = 0 0 t 0 0 1 0 0 . 0 e5t 0 0 0 e5t 0 0 1 0
Sedangkan matriks eAt diberikan oleh: cosh 5t 5 sinh 5t = 3 (1 cosh 5t) 125 3 25 sinh 5t sinh 5t cosh 5t 3 (5t sinh 5t) 625 3 (1 cosh 5t) 125
1 5
eAt = T eJt T 1
0 0 1 0
0 0 . t 1
93
Contoh 14
Diberikan matriks A 0 1 0 3 0 0 A= 0 0 0 0 2 0
0 2 . 1 0
Nilai karakteristik dari A adalah 1,2 = 0, 3 = i dan 4 = i. Dengan melakukan perhitungan serupa dengan contoh sebelumnya, masing-masing matriks T dan T 1 diberikan oleh: 0 2 1 1 0 2 1 0 3 0 0 i i , T 1 = 1 6 0 0 3 T = 3 1 1 0 2i 2i 1250 2 2 i 0 1 3 1 i 0 1 0 1 2 2 2 2 . Sedangkan bentuk 0 1 0 0 0 0 J = 0 0 i 0 0 0 Jordan dari matriks A diberikan oleh: 0 1 t 0 0 0 0 dan eJt = 0 1 0 0 0 eit 0 . 0 i 0 0 0 eit 0 2 2 cos t 0 2 sin t . 1 3t + 4 sin t 0 3 + 4 cos t
Sedangkan matriks eAt diberikan oleh: 4 3 cos t sin t 3 sin t cos t eAt = T eJt T 1 = 6t + 6 sin t 2 + 2 cos t 6 + 6 cos t 2 sin t Latihan 14 Hitung eAt bila 1. A = 0 0 . 2. A = 0 0 1 2 . 2 1
94 0 1 . 4. A = 0 0 1 0 . 0 2
3. A = 5. A =
1 0 1 1
Latihan 15 Bila A1 dan A2 dua matriks yang komutatif, maka tunjukkan bahwa e(A1 +A2 )t = eA1 t eA2 t . Berikan contoh penyangkal terhadap persamaan ini bila A1 dan A2 tidak komutatif. Latihan 16 Diberikan sistem dengan order n x(t) = Ax(t) den gan 0 1 0 ... 0 . .. .. .. . . . . . . . . . .. .. A= . . . 0 . . 0 ... ... 0 1 a0 a1 . . . an2 an1 Tunjukkan bahwa polinomial karakteristik dari A adalah n + an1 n1 + . . . + a1 + a0 . Bila adalah suatu nilai karakteristik dari A, maka tunjukkan bahwa vektor karakteristik yang bersesuaian adalah: (1, , 2, . . . , n1 )T . Latihan 17 Tunjukkan 1 1 0 A = . . . 0 0 bahwa suatu bentuk Jordan matriks 1 0 . . . . . . 0 1 0 . . . . . . 0 1 1 0 . . . 0 . .. .. . . . . . . . . . . 1 1 0 ... ... 0 1 1
95
adalah 0 1 0 0 0 0 ... ... ... ... . 0 0 . 1 . . 0 ... . . 0 . . . . . . . . . . . . . 0 ... . ... . . . . . . . ... ... ... ... ... ... ... ... ... 1 0 ... 1 1 0 .. .. .. . . . 0 ... ... 1 0 0
0 . . . 0 . 0 0 1 1
Sebagaimana telah dibahas sebelumnya untuk menghitung matriks eksponesial eAt adalah tidak begitu sederhana. Beberapa tahapan harus dilakukan, yaitu : bila matriks persegi A bisa didiagonalkam, maka menghitung matriks eksponensial eAt adalah mudah dilakukan. Namum prosedur untuk mendapatkan matriks A menjadi bentuk diagonal tidaklah sederhana. Hal ini melibatkan beberapa pemahaman yang berkaitan dengan pengertian pasangan vektor karakteristik dan nilai karakteristik dari matriks A. Begitu juga bila matriks A tidak bisa didiagonalkan, maka matriks A dijadikan matriks hampir diagonal yaitu matriks bentuk Jordan, sehingga penghitungan matriks eksponensial eAt menjadi agak mudah. Tetapi kompleksitas kesulitan untuk memperoleh matriks Jordan ini dibandingkan dengan mendapatkan matriks yang bisa didiagonalkan adalah lebih rumit. Hal ini berkaitan dengan masalah bahwa multiplisitas aljabar Matematika-Sistem, Copyright: c 2010 Subiono
96
dari suatu nilai karakteristik lebih besar dari pada multiplisitas geometrinya. Oleh karena itu dalam pembahasan berikut ini diberikan suatu cara lain untuk menghitung matriks eksponensial eAt berdasarkan persamaan (3.25), yaitu : f (At) = c0 I + c1 A + c2 A2 + + cn1 An1 , (3.32)
dengan f (At) = eAt . Dari persamaan (3.32) ini bila nilai-nilai c0 , c1 , , cn1 bisa ditentukan, maka matriks eksponensial eAt bisa diperoleh. Misalkan bahwa semua nilai karakteristik dari matriks A, k , k = 1, 2, , n berbeda, koesien c0 , c1 , . . . , cn1 bisa diperoleh dari kondisi f (k ) = ek (t) = c0 + c1 k + . . . + cn1 n1 , k = 1, 2, , n. k (3.33) Persamaan (3.33) adalah persamaan linear dengan n persamaan dan n peubah dan dapat ditulis dalam bentuk matrix 1 1 1 2 . . . . . . 1 n e1 t . . . (1 )n1 c0 . . . (2 )n1 c1 e2 t . . = . .. . . . . . . . n t n1 . . . (n ) cn1 e
(3.34)
Selesiakan Persamaan (3.34), maka didapat c0 , c1 , . . . , cn1 . Bila nilai karakteristik ada yang sama, misalkan 1 = 2 = . . . = m dan sisanya m+1 , . . . , n berbeda. Maka c0 , c1 , . . . , cm , cm+1 , cn Matematika-Sistem, Copyright: c 2010 Subiono
97
didapat dari persamaan linear berikut. e1 t = c0 + c1 1 + + cn1 n1 1 d 1 t d e = c0 + c1 1 + + cn1 n1 1 d1 d1 d2 d2 1 t e = c0 + c1 1 + + cn1 n1 1 2 2 d1 d1 . . . m1 d dm1 n1 e1 t = m1 m1 c0 + c1 1 + + cn1 1 d1 d1 m+1 t e = c0 + c1 m+1 + + cn1 n1 m+1 . . . n t e = c0 + c1 n + + cn1 n1 n
Contoh 15 Diberikan matriks A= Didapat f (A) = eA = c0 I + c1 A = 2c1 + c1 4c1 c1 2c1 + c0 2 4 1 2 1 = 0, 2 = 4.
dan f () = c0 + c1 . Sehingga diperoleh e0 = c0 + c1 (0) c0 = e0 = 1 e4 1 e4 = c0 + c1 (4) c1 = . 4 Matematika-Sistem, Copyright: c 2010 Subiono
98 Jadi e4 1 2 +1 e4 1 4 eA = e4 1 e4 1 2 +1 4 4
e4 1 2 +2 = e4 1 4 4
e 1 . 4 e 1 + 2 2
Contoh 16 Dapatkan matriks transisi dari matriks 5 7 5 A = 0 4 1 2 8 3 Jawab Polinomial karakteristik dari A diberikan oleh 5 7 5 4 1 =0 det(I A) = det 0 2 8 + 3 atau 3 62 + 11 6 = ( 1)( 2)( 3) = 0. Didapat nilai karakteristik dari A, 1 = 1, 2 = 2, 3 = 3. Sehingga didapat persamaan t 1 1 1 b0 e 31 1 2 (2) b1 = e2t . 1 3 (3)31 b2 e3t Matematika-Sistem, Copyright: c 2010 Subiono
99
Nilai b0 , b1 , b2 diberikan oleh
et e2t e3t b0 = 1 1 1
1 2 3 1 2 3
1 4 9 2e3t 6e2t + 6et = = e3t 3e2t + 3et , 2 1 4 9
1 1 1 b1 = 1 1 1
et e2t e3t 1 2 3
1 4 9 3 e3 t 5 et 3 e3 t + 8 e2 t 5 et = + 4 e2 t = 2 2 2 1 4 9
dan
1 1 1 b2 = 1 1 1
1 2 3 1 2 3
et e2t e3t e3 t et e3 t 2 e2 t + et = = e2 t + . 2 2 2 1 4 9
100 Sehingga didapat eAt = b0 I + b1 A + b2 A2 = 1 0 0 e3t 3e2t + 3et 0 1 0 0 0 1

3t
e3 t + 2 e2 t 2 et e3 t + 5 e2 t 6 et e3 t 3 e2 t + 4 et e3 t 3 e2 t + 2 et . = e3 t + 2 e2 t et e3 t + 5 e2 t 3 et e3 t + 4 e2 t 3 et e3 t + 10 e2 t 9 et e3 t 6 e2 t + 6 et Contoh 17 Diberikan matriks 1 1 0 A = 0 1 0 . 0 0 2 Polinomial karakteristik dari A adalah p() = ( 1)2 ( 2) = 0, didapat 1 = 2 = 1 dan 3 = 2. Sehingga diperoleh persamaan linear et = b0 + b1 + b2 tet = b1 + 2b2 e2t = b0 + 2b1 + 4b2 Matematika-Sistem, Copyright: c 2010 Subiono
5 7 5 3e 5e 0 4 1 + + 4 e2 t 2 2 2 8 3 15 23 17 3t t e e + 2 8 1 e2 t + 2 2 4 22 9
t
101
atau 1 0 1
dalam bentuk matriks t t 1 1 b0 e b0 0 2 1 e b1 = tet b1 = 2 tet . 1 2 3 2 2t 2 4 b2 e b2 1 1 1 e2t e2 t 2 t et b0 b1 = 2 e2 t + 3 t et + 2 et . b2 e2 t t et et
Didapat
Dengan demikian matriks transisi eAt diberikan oleh eAt = b0 I + b1 A + b2 A2 1 0 0 = e2 t 2 t et 0 1 0 0 0 1
1 1 0 + 2 e2 t + 3 t et + 2 et 0 1 0 0 0 2
t e t et 0 0 . = 0 et 0 0 e2 t
1 2 0 + e2 t t et et 0 1 0 0 0 4
Contoh 18 Diberikan matriks A= 0 1 1 0 1 = i, 2 = i.
102 Didapat
f (At) = eAt = c0 I + c1 A =
c0 c1 c1 c0 eit + eit = cos t 2 eit eit = sin t 2i .
dan f () = e t = c0 + c1 . Sehingga diperoleh e = c0 + c1 i eit = c0 + c1 (i) Jadi eAt =

it
c0 = c1 =
cos t sin t sin t cos t
Contoh 19 Diberikan matriks 0 0 0 A = 1 0 0 1 = 0 = 2 , 3 = 1. 1 0 1 Didapat f (At) = eAt = c0 I + c1 A + c2 A2 c0 0 0 c0 0 = c1 c2 + c1 0 c2 + c1 + c0 dan f () = e t = c0 + c1 + c2 2 , untuk = 0, didapat satu tambahan persamaan d t e = c1 + 2c2 d Matematika-Sistem, Copyright: c 2010 Subiono
103
atau t e t = c1 + 2c2 . Sehingga diperoleh : e0 t = c0 + c1 (0) + c2 (0)2 t e0 t = c1 + 2c2 (0) t 2 e = c0 + c1 (1) + c2 (1) eAt c0 = 1 c1 = t c2 = et t 1.
Jadi
1 0 0 = t 1 0 . t e 1 0 et
Untuk matriks yang dapat didiagonalkan A bisa ditulis 1 0 w1 . 1 .. A = T DT = (v1 vn ) (3.35) . , . . 0 n wn dimana {vi } adalah vektor kolom dari T dan dimana {wi } adalah vektor baris dari T 1 . Mudah ditunjukkan bahwa A =
n i=1
i vi wi .
Produk dari suatu kolom vektor dan vektor baris (vi wi ) dinamakan suatu dyad (suatu dyad mempunyai rank maximal satu). Matriks A adalah jumlah dari n dyad. Transisi matriks bisa ditulis sebagai: e1 0 n 1 .. eAt = T T = ei t vi wi . (3.36) . n i=1 0 e Matematika-Sistem, Copyright: c 2010 Subiono
104
Oleh karena itu penyelesaian x = Ax dengan x(0) = x0 dapat ditulis sebagai:

n n
x(t) = e x0 =
i=1
At
e vi wi x0 =
i=1
i t
i ei t vi ,
(3.37)
dimana i = wi x0 adalah besaran skalar. Penyelesaian dari x = Ax (x = Ax+Bu dengan u = 0 adakalanya sangat beralasan disebut respon bebas) adalah terdekomposisi sepanjang vektor karakteristik, yaitu sebagai kombinasi linear dari suku-suku dengan koesien exponensial. Penyelesaian yang berkaitan dengan hanya satu vektor karakteristik (yaitu, x0 sedemikian hingga i = 0 untuk beberapa i dan k = 0 untuk k = i) disebut suatu mode dari sistem. Untuk i bilangan konpleks formula diatas menjadi sebagai berikut: Misalkan = + i, , R adalah suatu nilai karakteristik A dengan vektor karakteristik yang bersesuaian v = r + is, r, s Rn . Oleh karena itu Av = v dan A = , tanda menyatakan kompleks konjugate. Jadi v v = i dan v = r is. Misalkan x0 berada pada ruang bagian yang dibangun oleh r dan s. Maka dengan a, b R, 1 1 x0 = ar + bs = (a ib)(r + is) + (a + ib)(r is) = v + v , 2 2
1 dimana = 2 (a ib) C. Respon bebas diberikan oleh:
x(t) = et v + et v .
p Bila ditulis sebagai = 2i ei dengan p dan bilangan real, maka p t+i x(t) = (e v + eti v ) 2i = pet (r sin(t + ) + s cos(t + )).
105
Didalam beberapa pemakaian, sistem adjoint dari x = Ax, T didenisikan sebagai x = A x memainkan suatu peranan. Mu d T dah diselidiki bahwa (x x) = 0, terlihat bahwa bahwa hasil dt kali dalam (innerproduct) dari vektor x(t) dan x(t) tidak bergan tung pada waktu. Teorema 9 Bila (t, s) matriks transisi untuk x(t) = A(t)x(t), T maka (s, t) adalah matriks transisi untuk persamaan adjoint x(t) = AT (t)(t). x Bukti Dierensialkan I = 1 (t, s)(t, s) untuk memperoleh: 0 = d d I = [1 (t, s)(t, s)] dt dt d 1 d = [ (t, s)](t, s) + 1 (t, s)[ (t, s)] dt dt d 1 = [ (t, s) + 1 (t, s)A(t)](t, s) dt d 1 (t, s) = 1 (t, s)A(t) dt atau d 1 { (t, s)}T = AT (t){1 (t, s)}T , dt yang mana hal ini ekivalen dengan d {(s, t)}T = AT (t){(s, t)}T . dt
Karena (t, s) non-singular maka haruslah:
106
3.4
Respon impuls dan step

t
Penyelesaian dari x = A(t)x + B(t)u bisa diuraikan sebagai x(t) = (t, t0 )x0 +
t0
(t, s)B(s)u(s)ds
(3.38)
Bila suatu fungsi masukan berbentuk y(t) = C(t)x(t) + D(t)u(t) maka y(t) bisa diungkapkan didalam u(.) sebagai berikut:
t
y(t) = C(t)(t, t0 )x0 +

t0
C(t)(t, s)B(s)u(s)ds + D(t)u(t).
(3.39) Selanjutnya kita denisikan matriks K(t, s) berukuran p m sebagai berikut: K(t, s) = C(t)(t, s)B(s). (3.40)
Karena (t, s) kontinu terdierensial dalam argumennya dan C(t) dan B(t) diasumsikan kontinu bagian demi bagian, maka matriks K(t, s) juga kontinu bagian demi bagian dalam argumennya. Kita asumsikan bahwa ada t0 sedemikian hingga x(t0 ) = 0. Dalam hal ini kita hanya tertarik di dalam sistem untuk t t0 dan asumsikan bahwa u(s) = 0 untuk s < t0 , maka (3.39) bisa ditulis sebagai:
t
y(t) = (F u)(t) =
K(t, s)u(s)ds + D(t)u(t),
(3.41)
Respon impuls dan step..
107
dimana F adalah suatu pemetaan: F : U Y dengan U = CB+ (Rm ), Y = CB+ (Rp ). Notasi CB+ artinya adalah kontinu bagian demi bagian dalam argumennya dan bernilai nol untuk t t0 . Catatan pemetaan F yang disajika oleh K(t, s) dan D(t) mengkarakterisasi uraian luar sistem, yaitu fungsi masukan secara langsung dipetakan kedalam fungsi keluaran tanpa perantara keadaan. Dalam hal ini keadaan tereliminasi. Berikutnya kita asumsikan bahwa D(t) = 0, menghasilkan berikut ini:
t
y(t) = (F u)(t) =
K(t, s)u(s)ds.
(3.42)
Matriks fungsi K(t, s) mempunyai interpretasi berikut. Misalkan fungsi masukan adalah u(t) = (tt1 )ei , dimana ei adalah vektor basis ke-i dan (t t1 ) adalah fungsi delta yang didenisikan sebagai berikut:

(t t1 )(t)dt = (t1 )
Keluaran untuk masukan fungsi delta adalah:

t
untuk setiap fungsi (.). Fungsi (t t1 ) bisa didenisikan sebagai limit dari barisan fungsi untuk n 1 n 2 untuk |t t1 | < n fn (t t1 ) = 0 untuk |t t | 1 1 n y(t) =
(s t1 )ei ds = kolom ke i K(t, t1 ).
108
Kolom-kolom matriks K(t, t1 ) bisa diinterpretasikan sebagai respon dari sistem (keluaran) pada waktu t disebabkan oleh suatu fungsi masukan berbentuk suatu impuls (yaitu suatu funfsi ) pada waktu t1 . Oleh karena itu K(t, s) disebut matriks respon impuls. Yang terkait dengan respon impuls adalah respon step. Sekarang sebagai ganti fungsi masukan berbentuk impuls kita gunakan fungsi masukan yang berbentuk step. Fungsi step yang demikian disebut fungsi Heaviside H(t t1 ) yang didenisikan sebagai berikut: H(t t1 ) = 1 untuk t t1 0 untuk t < t1 .
Perhatikan bahwa fungsi H(t t1 ) bukan merupakan klas fungsi masukan kontinu bagian demi bagian. Untuk fungsi impuls perlu juga kita perhatikan bahwa fungsi ini bukanlah suatu fungsi seperti fungsi sebagai mana biasanya. Selain itu hubungan diantara fungsi step dan fungsi impuls dalam versi integral diberikan oleh:
t
H(t t1 ) =
(s t1 )ds.
Keluaran dari masukan fungsi step H(tt1 )ei dengan pengasumsian bahwa sistem dimulai dari awal pada waktu t0 jauh pada massa yang lalu adalah:
t t
y(t) =
K(t, s)H(s t1 )ei ds =

t
K(t, s)ei ds.

t1
Matriks S(t, t1 ) = t1 K(t, s)ei ds berukuran p m disebut matriks respon step. Hubungan diantara S(t, t1 ) dan K(t, t1 ) Matematika-Sistem, Copyright: c 2010 Subiono
109
adalah: d d S(t, s) = ds ds
t s
K(t, )d = K(t, s).
(3.43)
Untuk sistem invarian-waktu K(t, s) = CeA(ts) B. Matriks K(t, s) biasanya ditulis sebagai G(t) yaitu hanya tergantung pada satu parameter G(t s) = CeA(ts) B. (3.44)
Uraian luar (3.42) tidak hanya berlaku bagi sistem dierensial linear (kausal ketat) seperti ditunjukkan dalam contoh berikut. Contoh 20 Tinjau sistem masukan-keluaran tunggal berbentuk: 1 t y(t) = u(s)ds, T tT yang mana ada kalanya disebut rata-rata gerakan. Sistem ini adalah linear, invarian-waktu dan fungsi respon impulsnya adalah: 1 untuk 0 T T G( ) = 0 untuk > T.
Sistem ini bukan berbentuk (3.12) seperti yang akan kita lihat sebagai akibat langsung dari teorema berikut. Bila kita ingin mendenisikan suatu keadaan pada sistem ini, maka akan jelas bahwa secara intuisi sistem tsb. mempunyai ruang keadaan berdimensi tak hingga (faktanya, keadaan x(t) sama dengan fungsi u pada interval [t T, t)). Matematika-Sistem, Copyright: c 2010 Subiono
110
Teorema 10 Diberikan suatu K(t, s) sebagai matriks respon impuls dari suatu sistem linear dimensi hingga (yaitu berbentuk (3.12)) bila dan hanya bila ada suatu dekomposisi dipenuhi untuk semua t dan s berbentuk K(t, s) = H1 (t)H2 (s), dengan H1 dan H2 adalah matriks berdimensi hingga. Bukti Syarat cukup. Misalkan bahwa pemfaktoran diberikan dalam pernyataan teorema adalah mungkin. Tinjau realisasi A = 0, B = H1 danC = H2 , yaitu x(t) = H1 (t)u(t), y(t) = H2 (t)x(t). Didapat:
t
y(t) = H2 (t)x(t0 ) + H2 (t)

t0 t
H1 ()u()d
= H2 (t)x(t0 ) +
t0
K(t, )u()d.
Syarat perlu. Misalkan diberikan suatu sistem linear berbentuk (3.12). Maka untuk sistem ini didapat: K(t, s) = C(t)(t, s)B(s). Tetapi, bila t1 sebarang konstanta, dari hukum komposisi untuk matriks transisi diperoleh: (t, s) = (t, t1 )(t1 , s). Matematika-Sistem, Copyright: c 2010 Subiono
111
Bila kita buat identikasi H1 (t) = C(t)(t, t1 ) dan H2 (t) = (t1 , s)B(s), didapat: H1 (t)H2 (t) = C(t)(t, t1 )(t1 , s)B(s) = C(t)(t, s)B(s) = K(t, s).
Bila kita tulis

+ +
y(t) =
K(t, s)u(s)ds, y(t) =
G(t s)u(s)ds, (3.45)
dengan batas atas + secara prinsip kita dapat suatu sistem tak-kausal. Catatan : Kausal berarti bahwa evolusi sistem pada saat ini tidak dapat bergantung pada phenomena yang akan terjadi pada massa mendatang. Sistem kausal membentuk suatu sub-klas dari klas sistem yang diuraikan oleh (3.45) dengan K(t, s) = 0 untuk t < s atau G( ) = 0 untuk < 0. Perilaku luar dari suatu sistem dierensial linear secara lengkap ditentukan oleh K(t, s) dan D(t). Adalah mungkin bahwa himpunan matriks yang berbeda (A(t), B(t), C(t)) memberikan matriks K(t, s) yang sama. Misalkan hal ini kita jelaskan hanya untuk sistem invarian-waktu: x = Ax + Bu, y = Cx + Du, G(t) = CeAt B. (3.46)
112
Bila S : Rn Rn suatu transformasi basis yang punya invers dalam ruang keadaan X = Rn , maka untuk tranformasi keadaan z = Sx didapat persamaan berikut: z = S x = SAx + SBu = SAS 1 z + SBu y = Cx + Du = CS 1 z + Du. Transformasi basis S mentransformasi himpunan matriks (A, B, C, D) kedalam (SAS 1 , SB, CS 1, D). Perhitungan dari matriks respon impuls untuk sistem yang ditransformasi memberikan: G(t) = CS 1 eSAS
1 t
SB = CS 1 SeAt S 1 SB = CeAt B
terlihat bahwa transformasi basis tidak mengubah G(t). Hal ini menjelaskan bahwa pemilihan suatu basis baru dalam ruang keadaan tidak akan mengubah perilaku luar dari suatu sistem. Denisi 1 Dua sistem linear x = Ax + Bu, y = Cx + Du, x Rn dan x x = A + Bu, y = C x + Du, x Rn
dengan banyaknya masukan sama begitu juga banyaknya keluran sama adalah isomorpik bila dan hanya bila ada suatu transformasi linear yang punya invers S : Rn Rn sedemikian hingga A = SAS 1 , B = SB, C = CS 1 , D = D. Hubungan dari dua sistem dalam denisi diatas diberikan oleh diagram isomorpik yang digambarkan pada Gambar 3.6. Matematika-Sistem, Copyright: c 2010 Subiono
113
Rn B R
m
ER
C Rp C
S A
S
E c n
B c Rn
Gambar 3.6: Diagram isomorpik
Sebelum Defenisi 1 telah kita tunjukkan bahwa dua sistem isomorpik mempunyai matriks respon impuls yang sama. Adalah jelas bahwa diberikan fungsi respon impuls ada realisasi-realisasi (A, B, C, D) yang mempunyai vektor keadaan dengan dimensi berbeda. Suatu contoh trivial dari keadaan ini adalah dengan menambah suatu persamaan vektor pada sistem (3.46) yang tidak mempunyai pengaruh pada masukan, yaitu: x = Ax + Bu x = F x + Gu y = Cx + Du. Kelihatannya tidak terdapat batas atas pada dimensi suatu realisasi dari suatu fungsi respon impuls. Bagaimanapun dengan kondisi yang bisa diterima ada batas bawah. Bila suatu sistem diberikan oleh matriks (A, B, C, D) merealisasikan fungsi respon impuls K(t, s) dinamakan suatu minimal realisasi bila tidak ada realisasi lain dari K(t, s) yang mempunyai vektor keadaan Matematika-Sistem, Copyright: c 2010 Subiono
114
berdimensi lebih rendah. Dimensi minimum disebut tingkat dari fungsi respon impuls. Cabang yang dikenal dari teori sistem yang berkaitan dengan masalah realisasi adalah diberikan uraian luar dari suatu sistem (misalnya yang ditentukan oleh pemetaan F dalam (3.41)), tentukan/cari uraian keadaan sistem. Pada sistem invarian waktu dimensi hingga permasalahan tsb. adalah diberikan fungsi matriks respon impuls G(t), cari/dapatkan matrks A nn, B nm dan C pn sedemikian hingga G(t) = CeAt B, n juga ditentukan. Suatu kesimpulan walaupun dengan minimal dimensi n keberadaan realisasi tidak tunggal, misalnya bila (A, B, C, D) suatu realisasi, maka (SAS 1 , SB, CS 1, D) juga suatu realisasi berdimensi vektor keadaan sama, dimana S matriks taksingular nn. Latihan 18 Diberikan persamaan keadaan 0 2 0 x(t) = x(t) + + u(t) 2 5 1 y(t) = 1 0 x(t).
a). Dapatkan respon impuls untuk t 0. b). Bila u(t) adalah step function dan x1 (0) = 1, x2 (0) = 2, dapatkan responnya untuk t 0.
Bab
4
Kestabilan
Sifat-sifat sistem
4.1
Ada beberapa konsep kestabilan untuk persamaan dierensial. Kestabilan ini dibedakan menurut kestabilan sistem autonomus (berkaitan dengan vektor keadaan) dan kestabilan yang dikaitkan dengan masukan dan keluaran sistem (kestabilan didenisikan dari segi masukan dan keluaran).
4.1.1
Kestabilan dari segi nilai karakteristik
Denisi 2 Diberikan persamaan dierensial tingkat satu x(t) = f (x(t)) dengan x Rn , penyelesaan dengan keadaan awal x(0) = x0 dinotasikan oleh x(t, x0 ). Vektor x yang memenuhi f () = 0 disebut suatu titik se x timbang. 115
116
Sifat-sifat sistem..
Suatu titik setimbang x dikatakan stabil bila untuk setiap > 0 ada > 0 dan t sedemikian hingga bila xt x < maka x(t, xt ) x < untuk semua t > t . Suatu titik setimbang x dikatakan stabil asimtotik bila ia stabil dan bila ada 1 > 0 sedemikian hingga limt x(t, xt ) x = 0 bila xt x < 1 . Suatu titik setimbang dikatakan takstabil bila ia tidak stabil. Dalam denisi tsb. tanda . berarti norm, biasanya digunakan norm Euclidean. Secara intuisi stabil berarti penyelesaian sangat dekat ketitik setimbang didalam suatu sekitar. Sedangkan stabil asimtotik berarti penyelesaian konvergen ke titik setimbang (asalkan titik awal adalah cukup dekat ke titik setimbang). Takstabil artinya selalu ada penyelesaian yang dimulai dari manapun dekatnya dengan titik setimbang tapi akhirnya menjauh dari titik setimbang. Untuk suatu persamaan dierensial linear x = Ax dengan A berukuran n n, sebagai titik setimbang diambil titik asal x = 0 meskipun mungkin ada yang lainnya asalkan determinan matriks A sama dengan nol. Untuk selanjutnya dikatakan bahwa persamaan dierensial x = Ax atau bahkan matriks A itu sendiri adalah stabil asimtotik, stabil atau takstabil bila titik asal x = 0 sebagai titik setimbang adalah stabil asimtotik, stabil atau takstabil. Perlu diperhatikan bahwa, pengertian dari stabil asimtotik, stabil dan takstabil tidak bergantung pada pilihan basis. Jadi, bila suatu persamaan dierensial adalah stabil asimtotik yang berkaitan dengan satu basis, maka ia stabil asimtotik terhadap Matematika-Sistem, Copyright: c 2010 Subiono
Kestabilan..
117
pilihan basis yang lainnya. Hal ini juga berlaku untuk pengertian stabil dan takstabil. Oleh karena itu, untuk menguji masalah kestabilan, suatu hal yang terbaik adalah menggunakam basis dengan diskripsi sesederhana mungkin. Satu contoh berikut menjelaskan diskripsi matematika yang menjelaskan pengertian suatu persamaan dierensial linear adalah stabil. Contoh 21 Selidiki kestabilan sistem x(t) = 2x(t) dengan keadaan awal x(0) = 1. Jawab : Penyelesaian sistem adalah x(t, 0) = e2t . Untuk titik setimbang x = 0, sistem adalah stabil sebab diberikan sebarang 1 > 0 dapat dipilih > 0 dan t dengan = 2 dan t = ln( 3 ) 2 , sehingga bila |xt x| = |xt 0| = |xt | = maka didapat |x(t, t ) x| = e2t 0 = e2t < , untuk t > t . = < = , 3 3 2
Teorema berikut memberikan syarat kestabilan dari persamaan dierensial x = Ax, dimana matriks A mempunyai peranan penting kususnya nilai karakteristik dari matriks A yaitu bagian real dari yang dinotasikan oleh Re. Teorema 11 Diberikan persamaan dierensial x = Ax dengan matriks A berukuran n n dan mempunyai nilai karakteristik yang berbeda 1 , , k (k n). Matematika-Sistem, Copyright: c 2010 Subiono
118
Titik asal x = 0 adalah stabil asimtotik bila dan hanya bila Rei < 0 untuk semua i = 1, , k. Titik asal x = 0 adalah stabil bila dan hanya bila Rei 0 untuk semua i = 1, , k dan untuk semua i dengan Rei = 0 multisiplisistas aljabar sama dengan mutiplisistas geometrinya. Titik asal x = 0 adalah takstabil bila dan hanya bila Rei > 0 untuk beberapa i = 1, , k atau ada i dengan Rei = 0 dan multisiplisistas aljabar lebih besar dari mutiplisistas geometrinya.
Bukti Dalam bukti digunakan formula eAt = T eJt T 1 , (4.1)
dimana J adalah bentuk Jordan. Mudah diselidiki bahwa semua elemen eJt mendekati nol untuk t bila semua nilai karakteristik bagian realnya lebih kecil dari nol. Maka dari itu eAt juga mendekati nol dan akibatnya penyelesaian x(t) = eAt x0 juga mendekati nol. Bila beberapa bagian real dari nilai karakteristik sama dengan nol hal sedikit lebih rumit. Sub-blok Jij dari J dengan Ri < 0 tetap tidak ada masalah (sebab eJij t 0 bila t ), tetapi sub-blok dengan bagian real dari i = 0 Matematika-Sistem, Copyright: c 2010 Subiono
Kestabilan..
119
mungkin bisa merusak kestabilan, untuk kasus yang ini matriks t2 tdij 1 1 t (dij 1)! 2! . .. .. .. . . . . . Jij t i t .. .. e =e t2 . . . 2! .. . t 0 1 Terlihat bahwa ei t tetap terbatas (tetapi tidak mendekati nol sebab |ei t| = 1), sedangkan elemen-elemen dalam matriks tidak 1 semuanya terbatas, yaitu elemen-elemen t, 2! t2 ,dst. Elemen-elemen ini akan muncul bila ukuran dari matriks Jij lebih besar dari 1 1. Untuk kasus ini suatu kondisi awal akan ada sehingga menghasilkan suatu penyelesaian menjadi takterbatas. Oleh karenya bila ukuran dari Jij adalah lebih besar dari 1 1, maka tak akan terjadi kestabilan. Sebaliknya bila semua matriks sub-blok Jij dengan bagian real nilai karakteristiknya sama dengan nol semuanya berukuran 1 1 (multiplisistas aljabar dari i sama dengan multiplisistas geometrinya), maka kestabilan akan dijamin. Kondisi yang diberikan dalam pernyataan ini memberikan fakta bahwa semua sub-blok mempunyai ukuran 1 1. Contoh 22 Diberikan persamaan dierensial x = Ax dimana A: 0 0 0 1 1. A = , 2. A = , 0 0 0 0 3. A = 1 2 , 4. A = 2 1 1 0 0 2
120 dan 5. A =
Untuk yang pertama adalah stabil, yang kelima stabil asimtotik, sedangkan yang lainnya takstabil. Latihan 19 Selidiki kestabilan dari matriks A dalam contoh pendulum terbalik dan orbit satelit.
1 0 . 1 1
Contoh 23 Hasil dari Teorema 11 tidak berlaku untuk sistem varian-waktu seperti ditunjukkan oleh penyelesaian dari persamaan deerensial berikut: d dt x1 x2 = 4a 3ae8at ae8at 0 x1 , x2
dimana a adalah suatu parameter real. Nilai karakteristik dari matrik sistem adalah 1 = a, 2 = 3a. Jadi untuk a < 0 kedua nilai karakterisitik tsb. bagian realnya lebih kecil dari nol. Bagaimanapun kasus ini, penyelesaian eksak dengan kondisi awal x1 (0) = x10 , x2 (0) = x20 adalah: 3 1 (x10 + x20 )e5at (x10 + 3x20 )e7at 2 2 1 1 at (x10 + 3x20 )e (x10 + x20 )e3at , x2 (t) = 2 2 x1 (t) = yang mana tak stabil untuk setiap a = 0. Hal ini bisa ditunjukkan, misalnya untuk x10 = 1, x20 = 1 didapat x1 (t) = e7at dan x2 (t) = eat . Jadi ada suatu kondisi awal dimana penyelesaiannya menjauhi titik asal yang merupakan satu-satunya titik Matematika-Sistem, Copyright: c 2010 Subiono
Kestabilan..
121
setimbang. Kesimpulan ini berlaku bila a > 0 dan juga bila a < 0. Bila a = 0, maka matriks sistem sama dengan nol dan setiap titik setimbang adalah stabil.
Denisi 3 Diberikan suatu sistem dimensi-n x = Ax. Ruang bagian stabil untuk sistem ini adalah ruang bagian (real) dari jumlahan-langsung dari ruang bagian linear Ni (lihat Theorema 7) yang berkaitan dengan nilai karakteristik dari A yaitu nilainilai karakteristik dengan bagian real lebih kecil dari pada nol. Ruang bagian tak-stabil didenisikan dengan cara serupa, yaitu bekaitan dengan bagian real tak-negatif. Dari denisi diatas diperoleh bahwa ruang keadaan Rn adalah jumlahan langsung dari ruang bagian linear stabil dan tak-stabil.
Latihan 20 Tunjukkan bahwa sistem nonlinear skalar x(t) = 2 x(t) + x (t) titik setimbang x(t) = 0 adalah stabil asimptotik untuk setiap > 0 dan tidak stabil untuk 0. Bagaimanapun pelinearan sistem disekitar titik setimbang adalah stabil untuk = 0. Bagaimanakah hal ini bisa dijelaskan?
4.1.2
Kriteria Routh-Hurwitz
Nilai-nilai karakteristik dari matriks A adalah akar-akar karakteristik dari polinomial p(s) = det(sI A) = an sn + an1 sn1 + . . . + a1 s + a0 (4.2)
122
dengan an = 1. Kriteria kestabilan Routh-Hurwitz dapat dipakai untuk mengecek langsung kestabilan melalui koesien ai tampa menghitung akar-akar dari polinomial yang ada, yaitu dengan melakukan penabelan dan suatu aturan penghitungan dari koesien ai akan diketahui bahwa apakah polinomial yang diberikan oleh persamaan (4.2) semua akar-akarnya bagian realnya adalah negatif. Berikut ini diberikan algoritma denga beberapa kasus nuntuk mengetahui polinomial dalam persamaan (4.2) dengan an = 0 apakah semua akar-akarnya bagian realnya negatif. Secara matematika kajian kriteria kestabilan Routh-Hurwitz tidaklah sederhana. Pembahasan yang lengkap serta beberapa teorema berkaitan dengan kriteria kestabilan Roth-Hurwitz bisa di dapat dalam [7]. Diberikan suatu polinomial q(s) = an sn + an1 sn1 + . . . + a1 s + a0 , an = 0 susun tabel sebagai berikut : sn s sn2 sn3 . . . s0
n1
an an2 an4 . . . an1 an3 an5 . . . b1 b2 b3 c1 c2 c3 . . . q

an1 an4 an an5 , an1 b1 an5 b3 an1 , b1
dimana b1 , b2 , . . . , c1 , c2 , . . . dan q secara rekursif didapat dari: b1 = c1 =

an1 an2 an an3 , an1 b1 an3 b2 an1 , b1
b2 = c2 =
... ...
Kestabilan..
123
Kriteria Routh-Hurwitz menyimpulkan bahwa : banyaknya perubahan tanda dalam kolom pertama pada tabel diatas sama dengan banyaknya akar-akar polinomial q(s) yang bagian realnya positip. Jadi bila pada kolom pertama dalam tabel tidak ada perubahan tanda (semuanya bertanda positip atau semuanya bertanda negatif), maka semua akar polinomial q(s) bagian realnya adalah tak-positip, bila polinomial ini merupakan polinomial akar-akar karakteristik dari matriks A dimana x(t) = Ax(t), maka sistem ini adalah stabil. Contoh 24 Diberikan polinomial q(s) = s3 + 14s2 + 41s 56, didapat tabel sebagai berikut : b1 = b2 = c1 =
14411(56) 14 14010 14
s3 s2 s1 s0
1 41 14 56 b1 = 45 b2 = 0 c1 = 56
= 45
=0 = 56
45(56)140 45
Dari tabel terlihat kolom pertama terdapat satu perubahan tanda dari +45 ke 56. Jadi polinomial q(s) = s3 + 14s2 + 41s 56 mempunyai satu akar yang bagian realnya adalah positip, hal ini juga bisa dicek dengan memfaktorkan q(s), yaitu q(s) = s3 + 14s2 + 41s 56 = (s 1)(s + 7)(s + 8). Terlihat bahwa q(s) mempunyai satu akar yang positip yaitu s = 1.
Contoh 25 Diberikan polinomial q(s) = s4 + 5s3 + s2 + 10s + 1, Matematika-Sistem, Copyright: c 2010 Subiono
124 didapat tabel sebagai berikut : b1 = s4 s3 s2 s1 s0 1 1 1 5 10 b1 = 1 b2 = 1 c1 = 15 c2 = 0 d1 = 1 b2 = c1 = c2 = d1 =
51110 5 5110 5
= 1 =1 = 15 =0 =1
11051 1 1050 1
151(1)0 15
Dari tabel terlihat kolom pertama terdapat dua perubahan tanda dari +5 ke 1 dan dari 1 ke +15. Jadi polinomial q(s) = s4 + 5s3 + s2 + 10s + 1 mempunyai dua akar yang bagian realnya adalah positip. Akar-akar dari q(s) adalah : s = 0.1368279 + 1.3800281i, s = 0.1368279 1.3800281i, s = 0.1005128 dan s = 5.173143.
Berikut ini diberikan suatu cara untuk menangani suatu kasus bila elemen pertama dari suatu baris dari tabel adalah nol sebagai berikut: ganti nol dengan dimana ini sangat kecil. Selanjutnya dalam kolom pertama dari tabel dapatkan banyaknya perubahan tanda untuk > 0 dan < 0. Kedua hal ini akan memberikan hasil yang sama. Contoh 26 Diberikan polinomial q(s) = s4 + s3 + s2 + s + 3, Matematika-Sistem, Copyright: c 2010 Subiono
Kestabilan..
125
didapat tabel sebagai berikut : b1 = s4 s3 s2 s1 s0 1 1 3 1 1 b1 = b2 = 3 c1 = 3 c2 = 0 d1 = 3 b2 = c1 = c2 = d1 =

1111 1 1310 1 113 010
=0 =0 =3 =
3
=0 =3
3 30 3
Dari tabel terlihat kolom pertama untuk positip kecil terdapat dua perubahan tanda dari + ke 3 dan dari 3 ke +3. Jadi polinomial q(s) = s4 + s3 + s2 + 1s + 3 mempunyai dua akar yang bagian realnya adalah positip. Akar-akar dari q(s) adalah s = 0.5781471 + 1.0894962i, s = 0.5781471 1.0894962i, s = 1.0781471 + 0.8998075i dan s = 1.0781471 0.8998075i. Kasus yang lainnya adalah bila suatu baris dari tabel keseluruhannya bernilai nol, penanganannya adalah bentuk suatu polinomial pembantu berdasarkan pada baris yang sebelumnya dari baris yang semua elemennya nol. Lalu, ganti semua elemen nol dengan turunan dari polinomial pembantu. Kasus ini menunjukkan bahwa kemungkinan letak akar-akar dari polinomialnya adalah : terletak tepat di sumbu imajiner atau bagian real dari akar-akar polinomial terbagi secara simetri atau Matematika-Sistem, Copyright: c 2010 Subiono
126
empat akar-akar polinomial terbagi secara simetri. Kemungkinan letak akar-akar ini bisa dilihat dalam gambar berikut Im(s) x x Re(s) Im(s) x x Im(s) x Re(s) x x x Re(s)
Contoh 27 Diberikan polinomial p(s) = s5 + 7s4 + 6s3 + 42s2 + 8s + 56, didapat tabel s5 s4 s3 s2 s1 s0 1 6 8 7 42 56 b1 = 0 b2 = 0 b3 = 0 c1 c2 d1 d2 f1
b1 = b2 = b3 =
76142 7 78156 7 7010 7
=0 =0 =0
Terlihat dalam tabel, seluruh elemen baris s3 sama dengan nol. Dibentuk polinomial pembantu yang koesiennya berada pada baris s4 yaitu q(s) = 7s4 +42s2 +56, didapat dq(s) = 28s3 +84s+0. ds Selanjutnya ganti elemen-elemen baris s3 dengan 28, 64 dan 0. Matematika-Sistem, Copyright: c 2010 Subiono
Kestabilan..
127
Sehingga diperoleh tabel baru c1 = s5 s4 s3 s2 s1 s0 1 6 8 7 42 56 28 84 0 c1 = 21 c2 = 56 d1 = 28 d2 = 0 3 f1 = 56 c2 = d1 = d2 = f1 =

2842784 28 285670 28
= 21 = 56 =
28 3
21842856 21 210280 21
=0 = 56
28 56210 3 28 3
Dari tabel terakhir ini terlihat kolom pertama tidak ada perubahan tanda (semuanya bertanda positip). Jadi semua akar-akar polinomial bagian realnya tak-positip. Contoh aplikasi berikut ini sebagai akhir dari pembahasan kriteria kestabilan Routh-Hurwitz. Contoh 28 Diberikan suatu sistem x(t) = Ax(t). Bila polino mial karakteristik dari matriks A adalah p(s) = s3 + 3s2 + 3s + (1 + k), maka tentukan nilai k yang memenuhi supaya sistem stabil. Penyelesaian : dibentuk suatu tabel berikut s3 s2 s1 s0 1 3 3 1+k b1 = 8k 3 c1 = 1 + k b1 = c1 =
331(1+k) 3
8k 3
(8k) (1+k)30 3 (8k) 3
=1+k
128 Supaya sistem stabil didapat :

8k 3
>0k<8
1 + k > 0 1 < k
1 < k < 8.
Latihan 21 Untuk nilai k yang mana persamaan 3 + 32 + 3 + k = 0 hanya mempunyai akar-akar dengan bagian real yang negatif ?
4.1.3
Kestabilan Lyapunov
Menentukan apakah semua penyelesaian dari suatu persamaan dierensial (invarian atau tak-invarian waktu) tetap terbatas atau menuju nol bila t mendekati adalah suatu masalah yang cukup sulit. Tetapi, hal ini tetaplah mungkin untuk menurunkan syarat cukup yang berguna untuk menjamin bahwa semua penyelesaian yang dimaksud akan terbatas atau bahkan menuju nol. Untuk tujuan ini, diperkenalkan fungsi skalar dari x dan t dan dikaji evolusinya terhadap perubahan waktu. Ide asli dasarnya dalam mekanika klasik dimana kriteria kestabilan yang berkaitan dengan pengertian skalar dari energi sangat berguna. Suatu sistem mekanika yang didinisikan stabil bila energinya tetap terbatas. Lyapunov mengembangkan ide ini, oleh karena itu teori yang muncul berkaitan dengan masalah tsb. menggunakan namanya. Matematika-Sistem, Copyright: c 2010 Subiono
Kestabilan..
129
Selanjutnya pembahasan difokuskan pada persamaan differensial invarian-waktu berbentuk x(t) = Ax(t). Fungsi skalar V (x(t)) secara langsung tak-bergantung dengan t dan dinisikan sebagai def V (s(t)) = xT (t)P x(t) untuk matriks denit-positif P dapat dipandang sebagai energi tergeneralisir dari sistem. Perhatikan bahwa suatu matriks dikatakan denit-positip bila matriks ini simetri dan aT P a > 0 untuk semua vektor a dengan a = 0. Karena keinvariananwaktu, maka V (x(t)) secara langsung tidak bergantung pada waktu t. Bila sistem stabil asimtotik, maka energi harus menurun dengan bertambahnya waktu, oleh karena itu, derivatif d V (x(t)) = xT (t)P x(t) + xT (t)P x(t) = xT (t)[P A + AT P ]x(t), dt harus bernilai negatif. Jadi, bila Q = [P A + AT P ] denitpositif, maka energi menurun dengan bertambahnya waktu. Bahkan akan ditunjukkan bahwa bila Q > 0, maka sistem stabil asimtotik, yaitu lim V (x(t)) = 0.
t def
Teorema 12 Semua nilai-karakteristik dari matriks A bagian realnya bernilai negatif bila dan hanya bila untuk setiap matriks denit-positif Q, ada suatu matriks denit-positif P yang memenuhi AT P + P A = Q (4.3) Bukti Misalkan terdapat matriks P sedemikian hingga memenuhi (4.3), maka V (x(t)) = xT (t)P x(t) adalah tak-negatif dan merud pakan fungsi turun asalkan x(t) = 0 (sebab dt V (x(t)) < 0). Jadi Matematika-Sistem, Copyright: c 2010 Subiono
130
d lim V (x(t)) dijamin ada. Hal ini berakibat bahwa dt V (x(t)) menuju ke nol bila t menuju ke takhingga. Maka dari itu limit berikut lim xT (t)Qx(t) = 0, selanjutnya dengan fakta bahwa t
Q > 0, maka haruslah lim x(t) = 0. Dengan menggunakan

t
Teorema 11 hasil lim x(t) = 0 berikibat bahwa semua nilai t karakteristik dari matriks A bagian realnya adalah negatif. Sebaliknya, bila semua nilai karakteristik dari A bagian realnya bernilai negatif; diberikan matriks denit-positif Q, dipilih matriks P dengan
P =
0
eA t QeAt dt.
Nilai integral diatas ada, sebab matriks A stabil asimtotik yaitu Rei < 0 untuk semua nilai karakteristik i dari matriks A. Selajutnya dengan substitusi diperoleh:

AT P + P A =
0
AT e
AT t
QeAt dt +
0
eA t QeAt Adt
=
0
AT eA t QeAt + eA t QeAt A dt d AT t At e Qe dt dt
T
=
0
= eA t QeAt
= Q
Kestabilan..
131
Latihan 22 Sistem dengan input dan output tunggal mempunyai model keadaan: a b 0 x = b a 0 x, y = Cx. 0 0 c Apakah sistem tsb. stabil jika a). a = c = 0, b = 0. b). a < 0, c = 0.
Latihan 23 Diberikan persamaan keadaan berbentuk x(t) = Ax(t) dengan A= 0 1 2 3 dan x(t) = x1 (t) . x2 (t)
Bila energi dari sistem diberikan oleh V (x) = 5 19 2 1 x1 + x1 x2 + x2 . 12 2 12 2
Selidiki apakah energi ini menurun dengan bertambahnya waktu. Dari hasil ini selidiki apakah keadaan setimbang x(t) = 0 merupakan keadaan stabil. Selanjutnya tuliskan V (x) dalam bentuk V (x) = xT P x serta dV = xT (Q)x dan tunjukkan bahwa dt AT P + P A = Q.
132
4.1.4
Kestabilan masukan-keluaran
Kestabilan masukan-keluaran merujuk pada akibat dari fungsi masukan. Ide dari jenis kestabilan ini dalah bila masukan dari sistem terbatas akan menghasilkan keluaran yang juga terbatas. Kestabilan yang demikian dinamakan "kestabilan masukan-keluaran" Suatu fungsi masukan u(.) dikatakan terbatas bila ada bilangan real konstan c sedemikian hingga berlaku u(t) c untuk semua t. Keluaran y(.) terbatas didinisikan serupa dengan keterbatasan masukan. Berikut ini diberikan denisi mengenai pengertian kestabilan keluaran-masukan yang selajutnya dinamakan stabil BIBO. BIBO artinya adalah Bounded Input Bounded Output. Denisi 4 Sistem x(t) = A(t)x(t) + B(t)u(t) y(t) = C(t)x(t) + D(t)u(t), adalah BIBO bila untuk semua t0 , dengan keadaan awal nol di t = t0 , setiap masukan terbatas pada [t0 , ) memberikan suatu keluaran yang terbatas pada [t0 , ). Sistem dikatakan stabil BIBO seragam bila ada suatu konstan k sedemikian hingga untuk semua t0 , bila x(t0 ) = 0 dan u(t) 1 untuk semua t t0 , maka y(t) k untuk semua t t0 . Dalam hal ini jelas bahwa k tak bergantung pada x0 . Kestabilan BIBO sering dirujuk sebagai kestabilan luar (external stability), berbeda dengan kestabilan asimtotik dari x(t) = A(t)x(t) yang sering dirujuk sebagai kestabilan dalam (internal stability). Untuk sistem invarian waktu yaitu sistem dengan A, B, C dan D adalah matriks-matriks konstan. Hal ini bisa Matematika-Sistem, Copyright: c 2010 Subiono
Keterkontrolan dan keteramatan..
133
ditunjukkan bahwa, suatu sistem adalah stabil BIBO bila dan
hanya bila
0
G(t) dt < , dimana G(t) = CeAt B, yaitu respon
impuls dari sistem lepas dari suku tambahan D(t). Perlu diperhatikan bahwa matriks D tidak berperanan sebab kontribusinya tidak bisa menghasilkan suatu keluaran yang tak-terbatas bila masukannya terbatas. Juga bisa ditunjukkan bahwa bila suatu sistem stabil dalam, maka ia stabil luar.
4.2
Keterkontrolan dan keteramatan
Pada bagian ini kita berikan dua pengertian yang sangat penting dalam kajian suatu sistem linear, yaitu pengertian tentang keterkontrolan dan keteramatan suatu sistem. Namum sebelumnya kita perkenalkan munculnya sistem tak terkontrol dan/atau takteramti disertai bebeberapa alasannya melalui beberapa contoh. Beberapa konsep-konsep ruang-keadaan dapat dipandang sebagai penafsiran ulang dari konsep-konsep yang mendahuluinya, yaitu konsep-konsep domain-frekuensi. Selain itu hal khusus dari metoda ruang-keadaan adalah keterkontolan dan keteramatan. Ide-ide yang berkaitan dengan masalah keterkontrolan dan keteramatan telah diperkenalkan oleh R.E. Kalman dipertengahan tahun 1950an sebagai suatu cara untuk menerangkan mengapa metoda dari pendisainan kompensator sistem tak stabil menggunakan penghapusan pole-pole tak stabil dengan zeros diseparuh bidang kompleks mengalami kegagalan walaupun proses penghapusan ini berjalan sempurnah. Masalah ini sudah diketahui bahwa metoda pengkompensatoran tsb. tidak sibel sebab Matematika-Sistem, Copyright: c 2010 Subiono
134
penghapusan yang sempurnah tsb. tidak mungkin dalam praktis. Disamping itu pada tahun 1954 Bergen dan Ragazzai telah menunjukkan suatu penghapusan eksak secara matematik tidak akan mungkin dalam perangkat keras real. Kalman juga menunjukkan suatu penghapusan sempurnah pole-zero suatu sistem tak stabil menghasilkan suatu fungsi transfer stabil. Tetapi fungsi transfer ini mempunyai order lebih rendah dari sistem aslinya disamping itu mode takstabilnya tidak bisa dipengaruhi oleh masukan (tidak dapat dikontrol) atau taktampak dalam keluaran (tidak bisa diamati). Kajian mendalam secara matematik yang berkaitan dengan masalah keterkontrolan dan keteramatan bisa di lihat di (R.E. Kalman et al, 1974). Bertolak belakang dengan keterkontrolan dan keteramantan, kajian ketakterkotrolan dan ketakteramatan tampaknya kurang menarik. Hal ini tidaklah begitu benar. Para praktisi sistem kontrol yang tidak memahami perbedaan pengertian "ketakterkontrolan sistem untuk setiap nilai dari parameter-parameter" dan "sistem hampir selalu terkontrol" bila mereka berhadapan dengan suatu proses tak-dikenalnya disajikan dalam ruang keadaan yang hanya diberikan oleh data numerik, berdasarkan pengalamannya bisa jadi intuisinya menyimpulkan sistem yang dihadapinya adalah terkontrol atau teramatati. Tetapi bila dikaji secara teliti kemungkinan besar bisa sebaliknya, yaitu sistem takterkontrol atau takteramati (Bernard Friedland, 1987). Pada bagian ini kita kaji ulang pengertian tsb. yang didahului dengan suatu contoh untuk memberikan suatu gambaran bahwa dalam analisa domain-frekuensi secara taklangsung diasumsikan sifatsifat dinamik dari suatu sistem secara lengkap dapat ditentukan oleh fungsi transfernya. Asumsi ini tidak selalu benar. Selanjutnya pada subbagian berikut ini diberikan beberapa contoh dan
135
alasan penting dari mana munculnya masalah ketakterkontrolan dan ketakteramatan.
4.2.1
Ruang-bagian "keadaan" ditinjau dari masukan dan keluaran
Pada bagian ini kita bahas 4 ruang-bagian keadaan berdasar pada pengamatan masukan dan keluaran. Pembagian ini kita berikan lewat contoh yang juga akan memberikan gambaran bahwa tidak selalu benar fungsi transfer dari suatu sistem menentukan secara lengkap perilaku dari sistemnya. Kajian yang agak lebih lengkap berkaitan dengan ruang bagian takterkontrol dan takteramati dari suatu sistem akan kita berikan pada bagian yang mendatang. Contoh 29 Misalkan suatu sistem disajikan oleh sistem persamaan dierensial berikut: x1 (t) = 2x1 (t) + 3x2 (t) + 2x3 (t) + x4 (t) + u(t) x2 (t) = 2x1 (t) 3x2 (t) 2u(t) (4.4) x3 (t) = 2x1 (t) 2x2 (t) 4x3 (t) + 2u(t) x4 (t) = 2x1 (t) 2x2 (t) 2x3 (t) 5x4 (t) u(t) y(t) = 7x1 (t) + 6x2 (t) + 4x3 (t) + 2x4 (t). (4.5)
dan persamaan pengamatan
Persamaan (4.4) dan (4.5) disajikan dalam bentuk persamaan matriks ruang keadaan sebagai berikut: x(t) = Ax(t) + Bu(t) y(t) = Cx(t), (4.6)
136
dengan x(t) = x1 (t) x2 (t) x3 (t) x4 (t) dan 2 3 2 1 1 2 3 0 2 0 A= 2 2 4 0 , B = 2 , C = 7 6 4 2 . 2 2 2 5 1 Fungsi transfer dari sistem (4.6) diberikan oleh H(s) = C(sI A)1 B = s3 + 9s2 + 26s + 24 . s4 + 10s3 + 35s2 + 50s + 24 (4.7)
Bila pembilang dan penyebut dari fungsi transfer tsb difaktorkan, kita peroleh: H(s) = (s + 2)(s + 3)(s + 4) 1 = . (s + 1)(s + 2)(s + 3)(s + 4) (s + 1) (4.8)
Dari persamaan (4.8) terlihat bahwa ada 3 pole yang dihapus oleh 3 zeros yaitu s = 1, s = 3 dan s = 4. Jika kita perhatikan fungsi transfer yang diberikan oleh persamaan (4.8), fungsi ini berkaitan dengan persamaan dierensial tingkat satu. Hal ini tentunya berbeda dengan sistem aslinya yaitu sistem persamaan dierensial tingkat empat sebagaimana yang disajikan dalam persamaan (4.4). Untuk memperjelas apa yang telah kita peroleh, yaitu fungsi transfer dari sistem dengan realisasi berdimensi satu yang berbeda dengan sistem aslinya yaitu dimensi empat kita lakukan transformasi variabel keadaan sebagai berikut: x = T x, Matematika-Sistem, Copyright: c 2010 Subiono
137
dengan 4 3 T = 2 1 3 3 2 1 2 2 2 1 1 1 1 0 0 1 dan T 1 = 1 2 1 0 . 0 1 2 1 1 1 0 0 1 2
Dengan transformasi T , matriks A menjadi matriks diagonal: 1 0 0 0 0 2 0 0 , A = T AT 1 = 0 0 3 0 0 0 04 sedangkan masing-masing matriks B dan C berubah menjadi: 1 0 B = T B = dan C = CT 1 = 1 1 0 0 . 1 0 Persamaan keadaannya menjadi: x1 x2 x3 x4 = 1 + u x = 22 x = 33 + u x = 44 x y = x1 + x2 .
(4.9)
dan keluaranya diberikan oleh persamaan: (4.10)
Dari persamaan (4.9) dan (4.10) dapat kita terangkan sebagai berikut. Jelas bahwa masukan u hanya mempengaruhi variabel Matematika-Sistem, Copyright: c 2010 Subiono
138
keadaan x1 dan x3 , variabel x2 dan x4 tidak dipengaruhi oleh ma sukan u. Keluaran y hanya bergantung pada variabel keadaan x1 dan x2 , sedangkan variabel keadaan x3 dan x4 tidak mempunyai kontribusi terhadap keluaran y. Jadi akibat transformasi kordinat, sistem mempunyai 4 sub-sistem yang berbeda. Dalam hal ini masing-masing sub-sistem hanya disajikan oleh persamaan tingkat satu. Keempat sub-sistem tsb. adalah: 1. Variabel keadaan x1 : dipengaruhi oleh masukan u, tampak pada keluran y. 2. Variabel keadaan x2 : tidak dipengaruhi oleh masukan u, tampak pada masukan y. 3. Variabel keadaan x3 : dipengaruhi oleh masukan u, tidak tampak pada keluaran y. 4. Variabel keadaan x4 : tidak dipengaruhi oleh masukan u, tidak tampak pada keluaran y. Hanya sub-sistem pertama yang berkaitan dengan fungsi transfer 1 . Disini terlihat fungsi transfer ini tidak mendiskripH(s) = s+1 sikan secara lengkap perilaku dari seluruh variabel keadaan sistem. Subsistem pertama merupakan subsistem yang terkontrol dan teramati, subsistem kedua merupakan subsistem takterkontrol tapi teramati, subsistem ketiga merupakan subsistem yang terkontrol tapi takteramati sedangkan susbsistem keempat merupakan subsistem yang takterkontrol dan takteramatai. Jika suatu sistem memuat subsistem takterkontrol atau takteramati, maka dikatakan sistem takterkontrol atau takteramati. Matematika-Sistem, Copyright: c 2010 Subiono
139
Dari contoh yang kita kaji ini bisa kita simpulkan; suatu sistem dengan masukan dan keluaran tunggal yang fungsi transfernya ditentukan oleh subsistem terkontrol dan teramati dengan dimensi lebih kecil dari dimensi ruang-keadaannya, maka dapat dipastikan sistem ini memuat subsistem takterkontrol atau memuat subsistem takteramati. Selanjutnya, pada bagian berikut ini kita berikan beberapa contoh yang membahas dari mana munculnya sistem takterkontrol atau takteramati.
4.2.2
Munculnya sistem takterkontrol atau sistem tak teramati
Contoh yang telah kita kaji pada bagian sebelumnya merupakan suatu contoh sistem tak terkontrol dan takteramati yang muncul dalam kajian akademik, bukan muncul dalam dunia nyata. Dalam kenyataannya sistem takterkontrol dan takteramati tidak semua muncul dari kajian akademik sebagaimana yang akan kita ungkapkan pada bagian ini. Redundansi variabel keadaan. Suatu hal yang biasa terjadi munculnya suatu sistem takterkontrol adalah berkenaan dengan redundansi variabel keadaan. Sebagai contoh, suatu sistem dinamik diberikan oleh: x = Ax + Bu, untuk beberapa alasan, misalkan kita dinisikan suatu variabel baru sebagai berikut: z = Fx (4.11) Matematika-Sistem, Copyright: c 2010 Subiono
140
dimana F adalah suatu matriks berukuran n k. Sehingga kita peroleh suatu persamaan dierensial berikut: z = F x = F (Ax + Bu). Selanjutnya bila vektor x= x , z
maka diperoleh persamaan dierensial: x x = A + Bu, dimana A= A 0 FA 0 dan B = B . FB (4.12)
Persamaan (4.12) dapat ditulis sebagai: x = Ax + Bu z = F Ax + F Bu . (4.13)
Pada persamaan (4.13) terlihat bahwa masukan u tampak pada variabel keadaan x dan variabel redundan keadaan z. Dalam hal ini kelihatannya sistem yang disajikan oleh persamaan (4.12) atau persamaan (4.13) terkontrol, tetapi kenyataannya tidak. Untuk menunjukkan sistem (4.13) takterkontrol, dilakukan transformasi kordinat terhadap variabel keadaan sebagai berikut: x = z Ik 0 F In x , z (4.14)
141
dimana masing-masing Ik dan In adalah matriks identitas dengan ukuran k k dan n n. Dari (4.14) didapat: x = x = Ax + Bu z = F x + z = 0
(4.15)
Pada persamaan (4.15) terlihat bahwa masukan u hanya bisa mempengaruhi variabel keadaan x sedangkan variabel redundan keadaan z tidak bisa dipengaruhi oleh masukan u. Dalam hal ini variabel z tidak akan bisa dikontrol oleh pengontrol apapun yang merupakan masukan dari sistem. Jadi sistem yang disajikan oleh persamaan (4.12) atau (4.13) takterkontrol. Dari kajian redundansi variabel keadaan ini tentu kita pahami bahwa tak seorangpun akan bermaksud menggunakan variabel keadaan yang lebih banyak dari jumlah minimum yang dibutuhkannya untuk mengetahui karakakteristik perilaku proses dinamik. Tetapi dalam suatu proses yang kompleks dengan sis yang takdikenal para praktisi sistem kontrol bisa mungkin mempunyai kecenderungan menuliskan segala apa yang dipandang dan dikerjakannya kedalam persamaan dierensial. Hal ini akan menghasilkan lebih banyak persamaan dari yang dibutuhkan sehingga hasil model sistemnya merupakan sistem takterkontrol. Dalam bagian berikut ini diberikan sifat suatu sistem linear invarian waktu yaitu keterkontrolan dan keteramatan. Keterkontrolan dan ketermatan sistem ini merupakan suatu hal yang mendasar. Salah satu manfaat keterkontrolan suatu sistem dapat digunakan untuk penstabilan suatu sistem sebagaimana dalam bahasan berikut ini. Matematika-Sistem, Copyright: c 2010 Subiono
142
4.2.3
Keterkontrolan
Diberikan sistem linear invarian-waktu yang disajikan oleh persamaan: x(t) = Ax(t) + Bu(t) (4.16) y(t) = Cx(t) + Du(t).
Denisi 5 Sistem linear (4.16) dikatakan terkontrol bila untuk setiap kedaan sebarang x(0) = x0 ada masukan u(t) yang tidak dibatasi mentransfer keadaan x0 kesebarang keadaan akhir x(t1 ) = x1 dengan waktu akhir t1 hingga.
Dari pengertian sistem terkontrol yang diberikan dalam Denisi 5, hal ini berarti bahwa bila diberikan sebarang keadaan awal x(0) dan sebarang keadaan akhir x(t1 ) akan selalu ada pengontrol u(t) yang akan mentransfer keadaan awal x(0) ke keadaan akhir yang diinginkan x(t1 ) dalam waktu yang berhingga t1 . Perlu diingat bahwa sebarang keadaan awal dan sebarang keadaan akhir ini terdiri dari n komponen dan apa bila semua komponen dari keadaan awal ini bisa dikontrol ke n komponen yang sesuai keadaan akhir, maka sistem bisa dikontrol. Sedangkan maksud dari keberadaan pengontrol u(t) yang tak dibatasi adalah tidak disyaratkan apa-apa kecuali hanya untuk mentransfer sebarang keadaan awal yang diberikan ke sebarang keadaan akhir yang diinginkan dalam waktu yang berhingga. Dalam kajian kontrol optimal pemilihan pengontrol u(t) ini merupakan pengontrol yang mentransfer keadaan awal ke keadaan akhir yang diinginkan dengan energi yang sekecil mungkin (minimum). Matematika-Sistem, Copyright: c 2010 Subiono
143
Penyelesaian dari x(t) = Ax(t) + Bu(t) diberikan oleh

t
x(t) = e x0 +
0
At
eA(t ) Bu( )d.
(4.17)
Bila sistem terkontrol, yaitu ada masukan u(t) yang mentransfer x0 ke x1 dalam waktu berhingga t = t1 . Dalam hal ini x1 diberikan oleh
t1
x1 = e
At1
x0 +
0
eA(t1 ) Bu( )d.
(4.18)
Teorema berikut adalah memberikan syarat perlu dan cukup bahwa sistem (4.16) adalah terkontrol. Ada dua bagian dari Teorema ini, bagian yang pertama adalah untuk menjamin keberadaan pengontrol u(t) untuk mentransfer sebarang keadaan awal ke sebarang keadaan akhir yang diinginkan dalam waktu berhingga sedangkan bagian yang kedua adalah untuk menjamin bahwa semua n komponen dari keadaan awal bisa dikontrol ke n komponen yang bersesuaian dari keadaan akhir yang diinginkan. Teorema 13 Syarat perlu dan cukup sistem (4.16) terkontrol adalah:
t1
1. w(0, t1 ) =
0
eA BB T eA d non-singulir.
2. Matriks: Ktr = B | AB | A2 B | . . . | An1 B mempunyai rank sama dengan n
144
Bukti 1. Bila w(0, t1 ) non-singulir, diberikan sebarang keadaan awal x(0) = x0 dan keadaan akhir x1 pilih masukan u(t) = B T eA t w 1 (0, t1 ) x0 eAt1 x1 .
T
(4.19)
Dengan masukan ini dan kita gunakan persamaan (4.18), diperoleh:

t1
x(t1 ) = e
At1
x0 +
0
eA(t1 ) B{B T eA t w 1 (0, t1 ) x0 eAt1 x1 }d
= eAt1 x0 eAt1 + eAt1

At1
t1
T
t1
eA BB T eA d w 1 (0, t1 )x0
T
= e
x0 eAt1 w(0, t1)w 1 (0, t1 )x0 +eAt1 w(0, t1)w 1 (0, t1 )eAt1 x1 = eAt1 x0 eAt1 x0 + x1 = x1.
eA BB T eA d w 1 (0, t1 )eAt1 x1
Terlihat bahwa dengan masukan u(t) yang diberikan dalam (4.19) sebarang kedaan awal x0 ditransfer ke sebarang keadaan akhir x(t1 ) = x1. Jadi sistem terkontrol. Sebaliknya, andaikan w(0, t1) singulir tetapi sistem terkontrol. Maka untuk t1 > 0 pilih vektor Matematika-Sistem, Copyright: c 2010 Subiono
145
= 0 sedemikian hingga
t1
w(0, t1 ) =
0
T eA BB T eA d = 0.
(4.20)
Untuk setiap t dengan 0 < t t1 kita peroleh: T eAt B = 0. (4.21) Dari asumsi sistem terkontrol, maka untuk setiap keadaan awal x0 ada u(t) yang memenuhi (4.17), Oleh karena itu kita peroleh:
t1
x1 = e
At1
x0 +
0
eA(t1 ) Bu( )d.
Jika kedua ruas persamaan diatas kita kalikan dengan T eAt1 , diperoleh:
t1
T At1
x1 = x0 +
0 t1
T eA Bu( )d
= T x0 +
0
0u( )d
= T x0 atau Kita pilih x0 = eAt1 x1 + , maka diperoleh persamaan: T eAt1 x1 + eAt1 x1

T
T x0 eAt1 x1 = 0.
= 0
= 0.
146
Dari persamaan terakhir diatas ini kita peroleh = 0 ini bertentangan dengan kenyataan = 0. Jadi haruslah w(0, t1) nonsingulir. 2. Asumsikan rank Ktr = n, dan andaikan sistem tak-terkontrol. Karena sistem tak-terkontrol, maka w(0, t1) singulir. Jadi, kita peroleh suatu persamaan yang serupa pada (4.21). Kita turunkan persamaan (4.21) terhadap t sampai k kali, dengan k = 0, 1, 2, . . . , (n 1); dan pada t = 0 kita peroleh: T Ak B = 0, k = 0, 1, 2, . . . , (n 1). (4.22) Jadi: T B | AB | A2 B | . . . | A(n1) B = T Ktr = 0. (4.23) Karena = 0 maka rank Ktr < n. Hal ini bertentangan dengan kenyataan rank Ktr = n. Jadi haruslah sistem terkontrol. Sebaliknya, asumsikan sistem terkontrol tetapi rank Ktr < n. dari asumsi, kita pilih = 0 yang memenuhi (4.23). Hal ini ekivalen dengan (4.22). Dari teorema "Hamilton-Cayley" A(n+1) dapat diuraikan sebagai kombinasi linear dari I, A, A2, . . . , A(n1) . Jadi eAt juga dapat diraikan sebagai kombinasi linear dari I, A, A2 , . . . , A(n1) , dari hal ini kita peroleh: T eAt B = 0, 0 t t1 , = 0. Oleh karena itu kita peroleh:
t1
0=
0
T eAt BB T eA t dt = T w(0, t1 ).
147
Karena = 0, maka w(0, t1) singulir. Jadi sistem tak-terkontrol. Hal ini bertentengan dengan asumsi sistem terkontrol. Jadi haruslah rank Krt = n. Matriks terkontrol Ktr diatas ditentukan oleh pasangan matriks (A, B), adakalanya kita juga menyebut matriks terkontrol dari sistem dengan (A, B).
Contoh 30 Kita kaji lagi contoh dinamika satelit yang diberikan pada sub-seksi 2.4.2. Bila u1 (t) dan u2 (t) masing-masing menyatakan gaya radial dan gaya tangensial. Kita peroleh: r (t) = r(t)2 (t) g r 2 (t) + u1 (t),
2(t)r(t) 1 + + u2 (t). (t) = r(t) r(t) Ada penyelesaian setimbang r(t) = , (t) = t dengan u( .) = u2 (.) = 0, konstan dan memenuhi 3 2 = g. Penyelesaian disekitar penyelesaian setimbang, memberikan: 0 1 0 0 0 0 x(t) 3 2 0 0 2 x(t) + 1 0 u(t), = 0 0 0 0 0 1 dt 0 2 0 0 0 1 dimana x1 (t) r(t) x (t) x1 (t) x(t) = 2 = x3 (t) [(t) t] . x4 (t) x3 (t) Matematika-Sistem, Copyright: c 2010 Subiono
148 Untuk = 1, didapat 0 1 3 0 A= 0 0 0 2 dan 0 1 Ktr = 0 0 0 1 0 0 0 0 1 2 0 0 0 0 0 2 1 0
rank dari matriks Ktr sama dengan 4. Jadi sistem terkontrol. Bila u1 (t) 0, didapat matriks terkontrol terhadap u2 (t): 0 0 2 0 0 2 0 2 Ktr2 = 0 1 0 4 1 0 4 0 rank dari Ktr2 = 4. Jadi sistem sedangkan u1 (t) sebarang, didapat hadap u1 (t): 0 1 1 0 Ktr1 = 0 0 0 2 terkontrol. Bila u2 (t) 0 matriks keterkontrolan ter 0 1 1 0 2 0 0 2
0 0 2 1 0 2 1 0 0 2 1 2 0 0 4 0 0 4 2 0
rank Ktr1 = 3, jadi sistem tak-terkontrol.
Latihan 24 Selidiki apakah pasangan matriks berikut ini dapat dikontrol: Matematika-Sistem, Copyright: c 2010 Subiono
149
1 A= 2 A= 3 A= 4 A= 5 A=
1 0 0 2 1 0 0 2 1 0 0 1 a1 0 a2 0 l 0 1 0 0 0
, B= , B= , B= , B= , B=
1 . 1 0 . 1 1 . 2 1 . 1
0 l 0 6 A= 0 0 7 A= 0
1 . 0 0 b1 , B = b2 . 1 b3 0 b1 1 , B = b2 . b3
Latihan 25 Suatu sistem diberikan oleh persamaan berikut: x(t) = Ax(t) + Bu(t) y(t) = Cx(t), dengan A= 1 1 , B= 0 2 0 1 dan C = (1 0).
150
AT t e QeAt dt 0
1 0 , maka: 0 2 a). Tunjukkan bahwa AT P + P A = Q, jelaskan mengapa persamaan ini bisa dipenuhi untuk matriks P dan Q seperti diatas. b). Dapatkan pengontrol u(t) sehingga dengan pengontrol ini 0 keadaan awal x(0) = bisa dikontrol ke keadaan akhir x(1) = 0 1 , tunjukkan hal ini dalam perhitungan. 2 Bila P = dengan matriks Q =
4.2.4
Keteramatan
Berikut ini kita berikan suatu pengertian dari keteramatan dari suatu sistem; pengertian ini merupakan dual dari keterkontrolan. Denisi 6 Bila setiap keadaan awal x(0) = x0 secara tunggal dapat diamati dari setiap pengukuran keluaran sistem (4.16) dari waktu t = 0 ke t = t1 , maka sistem dikatakan "teramati". Istilah dual yang kita perkenal diatas kata terkontrol diganti dengan kata teramati masukan u(t) diganti dengan keluaran y(t), yaitu dalam terminologi keterkontrolan kita mengontrol sebarang keadaan awal x0 dengan suatu masukan u(t) ke sebarang keadaan akhir x1 dimana 0 t t1 sedangkan dalam terminologi keteramatan kita mengamati sebarang keadaan awal x0 lewat sebarang pengukuran keluaran y(t) pada interval waktu 0 t t1 . Matematika-Sistem, Copyright: c 2010 Subiono
151
Keluaran sistem (4.16) diberikan oleh:

t
y(t) = CeA(t) x0 + C
0
eA(t ) Bu( )d + Du(t).
(4.24)
Bila kita ukur keluaran y(t) pada t = 0, maka diperoleh: y(0) = Cx0 + Du(0). (4.25)
Terlihat keadaan awal x0 muncul dalam persamaan (4.25). Selanjutnya bila kita ukur keluaran y(t) pada ts dengan 0 < ts t1 , diperoleh: y(ts ) = CeA(ts ) x0 + C
ts 0
eA(ts ) Bu( )d + Du(ts )
(4.26)
= Cx(ts ) + Du(ts ). Bila keadaan awal x0 dapat diamati, maka keadaan ini juga akan muncul pada pengukuran keluaran y(ts ), yaitu y(ts ) = Cx0 + Du(ts ). Sehingga dari persamaan (4.26) dan (4.27) kita peroleh: x0 = x(ts ), dengan 0 < ts t1 . Berikut ini kita dinisikan suatu matriks:
t
(4.27)
m(0, t) =
0
eA C T CeA d.
(4.28)
152
Bila kita perhatikan matriks m(0, t) ini mempunyai bentuk yang hampir serupa dengan matriks w(0, t) yang muncul pada kajian keterkontrolan. Matriks A dalam m(0, t) muncul sebagai AT dalam w(0, t) sedangkan matriks C dalam m(0, t) muncul sebagai B T dalam w(0, t). Selanjunya kita berikan suatu pernyataan dalam suatu teorema berikut ini yang menyatakan syarat perlu dan cukup suatu sistem teramati. Teorema 14 Syarat perlu dan cukup sistem (4.16) teramati adalah: 1. Matriks m(0,t) pada (4.28) non-singulir. 2. Matriks keteramatan C CA CA2 . . .
T er = CA(n1) mempunyai rank sama dengan n. Seperti halnya matriks Ktr, adakalanya matriks keteramatan T er kita notasikan dengan (C, A).
153
Contoh 31 Kita tinjau lagi dinamika satelit; 0 1 3 0 A= 0 0 0 2 dan C= 1 0 0 0 0 0 1 0 0 0 0 0 0 2 1 0
baris ke-1 matriks C menyatakan pengukuran jari-jari, sedangkan baris ke-2 dari C menyatakan pengukuran sudut. Dalam hal ini kita peroleh matriks keteramatan: 1 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 T er = 3 0 0 2 0 2 0 0 0 1 0 0 6 0 0 4 dengan rank T er = 4. Jadi sistem teramati. Selanjutnya hanya yi (t) (i = 1 atau 2) dapat diukur; didapat: 1 0 0 1 T er1 = 3 0 0 1 0 0 0 0 0 0 2 0
154
dengan rank T er1 = 3, jadi sistem tak-teramati; dan 0 1 0 0 0 0 0 1 T er2 = 0 2 0 0 . 6 0 0 4 dengan rank T er2 = 4, jadi sistem teramati. Latihan 26 Selidiki apakah sistem dalam pendulum terbalik dapat diamati. Lakukan lagi penyelidikan bila hanya y1 (t) atau y2 (t) yang tersedia untuk diukur.
4.2.5
Ruang-bagian terkontrol dan teramati
Pada pembahasan keterkontrolan dan keteramatan sebagaimana yang telah kita bahas pada dua bagian sebelumnya keduanya erat kaitannya dengan keadaan awal x(0) = x0. Jadi dalam hal sistem terkontrol mempunyai arti bahwa semua komponen (n komponen) dari vektor x(0) harus bisa dikontrol, bila ada setidaknya satu komponen dari x(0) yang tidak bisa dikontrol ini sudah menyatakan bahwa sistem tak-terkontrol. Begitu juga halnya bila ada setidaknya satu komponen dari x(0) yang tidak dapat ditentukan dari pengukuran keluaran sistem maka kita katakan sistem tidak bisa diamati. Pada bagian ini kita kaji pengelompokan semua komponen dari x(0) yang terkontrol, begitu juga yang teramati. Untuk maksud ini kita butuhkan suatu transformasi linear yang akan mentransformasi sistem yang ada ke bentuk sistem linear yang Matematika-Sistem, Copyright: c 2010 Subiono
155
lain. Transformasi linear ini tidak akan mengubah sifat-sifat sistem yang asli; misalnya saja bila sistem terkontrol, maka hasil sistem yang kita lakukan transformasi linear tetap terkontrol. Telah kita kenal dari teori matriks bahwa bila suatu "ruang bagian linear" V Rn adalah invarian-A, maka kita bisa dapatkan suatu basis (a1 , a2 , . . . , an ) dari Rn sedemikian hingga span{a1 , a2 , . . . , an } dimV = k < n; selajutnya dengan basis ini pemetaan A mempunyai bentuk A1,1 | A1,2 A = ... ... ... 0 | A2,2 k nk k nk (4.29)
Basis yang kita sebutkan diatas bisa kita dapatkan dengan prosedur Gram-Schmidt. Kesimpulan disini adalah bila dim(Im Ktr) = k < n, maka kita bisa mendapatkan suatu basis (a1 , a2 , . . . , an ) dari Rn sedemikian hingga Im Ktr = span{a1 , a2 , . . . , ak }; dengan basis tsb. matriks A mempunyai bentuk (4.29). Karena Im B Im Ktr, maka dengan basis baru tsb. B mempunyai bentuk B1 B = . . . 0 m k nk (4.30)
156
Dengan basis tsb. matriks terkontrol mempunyai bentuk: Ktr = B | AB | . . . | A(n1) B (n1) B1 | A1,1 B1 | ... | A1,1 B1 = 0 0 | 0 | ... 0
(n1)
dan rank (B1 |A1,1 B1 | . . . |A1,1 B1 ) = k, jadi pasangan (A1,1 , B1 ) terkontrol. Dalam hal ini mempunyai arti bahwa pada sistem yang asli sebanyak k komponen dari keadaan awal x(0) = x0 yang bisa dikontrol sedangkan sisanya tidak. Pemilihan basis baru adalah ekivalen dengan memperlakukan suatu transformasi basis. Maka dari itu ada suatu matriks T yang punya invers sedemikian hingga T 1 AT dan T 1 B masingmasing mempunyai bentuk (4.29) dan (4.30) Dengan cara serupa bila dim(Ker T er) = k < n, maka kita bisa mendapatkan suatu basis (a1 , a2 , . . . , an ) dari Rn sedemikian hingga Ker Ktr = span{a1 , a2 , . . . , ak }; dengan basis tsb. matriks A mempunyai bentuk: k A1,1 | A1,2 ... ... ... A= nk 0 | A2,2 (4.31) k nk Matriks A pada persamaan ini secara umum berbeda dengan (4.29). Karena Ker C Ker T er, maka dengan basis baru tsb. C mempunyai bentuk C = 0 | C1 k nk
(4.32)
157
Dengan basis tsb. matriks teramati 0 C CA 0 T er = = . . . . . . CA(n1) 0 dimana C1 C1 A2,2 . . .
mempunyai bentuk: | C1 | | C1 A2,2 | (4.33) . . | . | (n1) | C1 A2,2
jadi pasangan (C1 , A2,2 ) teramati.
rank =k (n1) CA2,2
Contoh 32 Diberikan pasangan matriks 0 1 0 0 0 3 0 0 2 1 A= 0 0 0 1 , B = 0 0 2 0 0 0 Matriks terkontrol (A, B) pada contoh ini sama dengan matriks Ktr1 pada contoh terdahulu. Kita tahu bahwa sistem Matematika-Sistem, Copyright: c 2010 Subiono
158
tak-terkontrol sebab rank Ktr1 = 3. Dari matriks Ktr1 kita dapatkan tiga vektor bebas linear yang membangun Im Ktr1 , yaitu: 0 1 0 1 0 1 , , . 0 0 2 0 2 0 Vektor ke-4 kita pilih sehingga bebas linear terhadap ketiga vektor tsb. Kita pilih vektor ke-4 sebagai: 2 0 . 0 1 Kita dapat transformasi linear T sebagai berikut: 0 1 0 2 1 0 1 0 T = 0 0 2 0 0 2 0 1 dan invers dari matriks T adalah: 0 10 5 0 2 0 0 4 = 0.1 0 0 5 0 4 0 0 2
T 1
159
sedangkan T 1 AT dan T 1 B masing-masing diberikan oleh: 0 0 0 | 7.5 1 0 0.5 | 0 1 1 0 | 0.5 A = T AT = 0 | 0 0 0 | 0 dan 1 0 = T 1 B = 0 . B 0 Partisi matriks A dan B masing-masing berdasarkan (4.29) dan (4.30), dengan pasangan (A1,1 , B1 ) diberikan oleh: 0 0 0 1 1,1 = 1 0 0.5 , B1 = 0 . A 0 1 0 0 Pasangan (A1,1 , B1 ) terkontrol 1 0 rank 0 sebab, 0 0 1 0 = 3. 0 1
Latihan 27 Tulis pasangan terkontrol dalam Latihan 24 kedalam bentuk persamaan (4.29) dan (4.30).
160
4.3
Dualitas keterkontrolan dan keteramatan
Pada bagian ini kita bahas dualitas dari keterkontrolan dan keteramatan. Dualitas disini kita artikan bahwa sifat-sifat yang ada dalam keterkontrolan bisa diperoleh dari sifat-sifat yang ada dalam keteramatan dengan menggunakan konsep dualitas dan sebaliknya juga berlaku demikian. Selajutnya akan kita berikan dualitas dari keterkontrolan dan keteramatan dalam teorema berikut. Teorema 15 (A, B) terkontrol bila dan hanya bila (B T , AT ) teramati. (C, A) teramati bila dan hanya bila (AT , C T ) terkontrol.
Bukti (A, B) terkontrol rank[B|AB| . . . |A(n1) B] = n rank[B|AB| . . . |A(n1) B]T = n BT B T AT rank = n . . . B T (AT )(n1)
(B T , AT ) teramati
Bentuk kompanion terkontrol dan teramati..
161
Bukti bagian kedua serupa.
Kesimpulan dari teorema diatas adalah x(t) = Ax(t) + Bu(t) terkontrol bila dan hanya bila sistem z(t) = AT z(t), y(t) = B T z(t) teramati. Matriks transpose A AT , B B T adalah contoh sederhana dari konsep "dualitas". Ruang dual dari Rn terdiri dari semua fungsi linear c : Rn R yang merupakan himpunan dari vektor-vektor berdimensi n. Ruang dual ditulis sebagai (Rn ) , dimana dalam contoh yang kita kaji sebelumnya adalah Rn sendiri. Bila A : Rn Rn adalah pemetaan linear, maka AT adalah pemetaan linear dari (Rn ) ke (Rn ) .
4.4
Bentuk kompanion terkontrol dan teramati
Pada bagian ini kita bahas suatu bentuk yang kita namakan bentuk "kompanion". Bentuk kompanion ini bermanfaat terutama untuk masalah penempatan pole-pole yang sesuai kita inginkan sehingga sistem loop-tutup "terstabilkan". Masalah ini akan kita bahas pada bagian berikutnya. Selain dari pada itu pada bagian ini juga akan kita manfaatkan sifat dualitas dari keterkontrolan dan keteramatan untuk memperoleh bentuk kompanion teramati lewat bentuk kompanion terkontrol. Diberikan suatu sistem masukan-tunggal keluaran-tunggal: x(t) = Ax(t) + Bu(t) y(t) = Cx(t) (4.34)
162 dan kita tentukan suatu transformasi:
x(t) = P x(t), P matriks konstan non singulir
(4.35)
sehingga dengan transformasi ini, sistem (4.34) ditransformasi menjadi: x x(t) = A(t) + Bu(t) , (4.36) y(t) = C x(t) dimana A = P AP 1, B = P B dan C = CP 1 . Berikut ini kita berikan suatu teorema yang berkenaan dengan bentuk "kompanion terkontrol", bila sistem (4.34) terkontrol. Teorema 16 Bila sistem (4.34) terkontrol, maka sistem tsb. bisa ditransformasi kebentuk:
0 0 0 . . . 1 0 0 . . . 0 1 0 . . . ... ... ... 0 0 0 . . . 0 0 0 x(t) + . u(t) . . 0 1 1 1 0 0 0 . . . (4.37)
x(t) = 0 0 0 ... 0 n n1 n2 . . . 2 y(t) = n n1 n2 . . . 2 1
x(t)
dimana 1 , 2 , . . . , n adalah koesien-koesien dari polinomial karakteristik matriks A. Bukti Sistem (4.34) terkontrol, maka vektor-vektor B, AB, . . . , A(n1) B Matematika-Sistem, Copyright: c 2010 Subiono
163
bebas linear. Kita bentuk suatu basis sebagai berikut: qn = B qn1 = Aqn + 1 qn = AB + 1 B qn2 = Aqn1 + 2 qn = A2 B + 1 AB + 2 B (4.38) . . . def q1 = Aq2 + n1 qn = A(n1) B + 1 A(n2) B + . . . + n1 B Selanjutnya dari (4.38) kita peroleh: Aq1 = (An + 1 A(n1) + . . . + n1 A + n I)B n B 0 0 . = n B = n qn = (q1 q2 . . . qn1 qn ) . . 0 n 1 0 . . .
def def def
Aq2 = q1 n1 qn = (q1 q2 . . . qn1 qn ) 0 n1 ............................................................................ 0 0 . . Aqn = qn1 1 qn = (q1 q2 . . . qn1 qn ) . 1 1 Matematika-Sistem, Copyright: c 2010 Subiono
164 atau:
(q1 q2 . . . qn1 qn )1 Aq1
= 0 n 1 0 . . .
0 0 . . .
(q1 q2 . . . qn1 qn )1 Aq2
.................................................................. 0 0 . . .
= 0 n1
(q1 q2 . . . qn1 qn )1 Aqn
= 1 1
Dari hasil diatas diperoleh: 0 1 0 0 0 1 0 0 0 Q1 AQ = . . . . . . . . . 0 0 0 n n1 n2
... ... ...
0 0 0 . . .
... 0 . . . 2
= A, 1 1
0 0 0 . . .
165
dimana Q = (q1 q2 . . . qn1 qn ). Sehingga bila dilakukan suatu transformasi seperti yang diberikan pada (4.35), dimana P = Q1 diperoleh: x x = A(t) + Bu(t) y(t) = C x(t) ,
dan
dimana A = P AP 1 dan B = P B dengan 0 1 0 ... 0 0 0 0 1 ... 0 0 0 0 0 ... 0 0 A= . . . . . , . . . . . . . . . . 0 0 0 ... 0 1 n n1 n2 . . . 2 1 0 0 0 = . B . . 0 1 C = CQ = n n1 n2 . . . 2 1 .
(4.39)
(4.40)
(4.41)
Bentuk (4.37) dinamakan bentuk kompanion terkontrol. Telah dijelaskan bahwa bentuk kompanion terkontrol ini diperoleh dari transformasi x = Q1 x, dimana matriks Q dapat diperoleh dari persamaan (4.35). Matrik Q juga bisa didapat sebagai berikut. Misalkan R = [B AB A2 B . . . An1 B] Matematika-Sistem, Copyright: c 2010 Subiono
166 dan
R = [B AB A2 B . . . An1 B] atau R = = = = = = = [B AB A2 B . . . An1 B] [I A A2 . . . An1 ]B 1 1 1 2 [Q Q Q AQ Q A Q . . . Q1 An1 Q](Q1 B) Q1 [I A A2 . . . An1 ]Q(Q1 B) Q1 [I A A2 . . . An1 ]B Q1 [B AB A2 B . . . An1 B] Q1 R Q = RR1 .
Dengan A dan B masing-masing diberikan oleh persamaan (4.39) dan (4.40), maka dapat ditunjukkan bahwa matriks R1 diberikan oleh n1 n2 . . . 1 1 n2 n3 . . . 1 0 . . . . .. . R1 = . (4.42) . . . . . . . . 1 1 ... 0 0 1 0 ... 0 0 Selanjutnya diberikan suatu teorema yang merupakan "dual" dari teorema (16) yaitu bentuk kompanion teramati. Teorema 17 Bila sistem masukan-tunggal keluran tunggal x(t) = Ax(t) + Bu(t) y(t) = Cx(t) Matematika-Sistem, Copyright: c 2010 Subiono (4.43)
167
teramati, maka sistem ini dapat ditransformasi menjadi bentuk kompanion teramati yang diberikan oleh: 0 1 0 x(t) = . . . 0 0 y(t) = 0 0 . . . 0 n 0 . . . 0 n1 0 . . . 0 n2 . . . x(t) + . . . . . . 0 0 . . . 0 2 0 0 . . . 1 1 0 0 1 . . . 0 0 . . . 0 1 x, n n1 n2 . . . 2 1
u(t)
dimana 1 , 2 , . . . , n adalah koesien-koesien dari polinomial karakteristik matriks A. Bukti Karena sistem (4.43) teramati, maka berdasarkan Teorema 15 sistem dual x(t) = AT x(t) + C T u(t) (4.44) y(t) = B T x(t) terkontrol. Jadi dari hasil Teorema 16, ada matriks P nonsingulir sedemikian hingga 0 0 0 . . . 1 0 0 . . . 0 1 0 . . . ... ... ... 0 0 0 . . . 0 0 0 . . .
P AT P 1
= , (4.45) 0 0 0 ... 0 1 n n1 n2 . . . 2 1
168
dan B T P 1 =
0 0 0 P CT = . . . 0 1 n n1 n2 . . . 2 1
1 0 0 . . . 0 1 0 . . . ... ... ... 0 0 0 . . . 0 0 0 . . .
(4.46)
(4.47)
atau didapat sistem yang diberikan oleh

z (t) = 0 0 0 ... 0 n n1 n2 . . . 2 y(t) = n n1 n2 . . . 2 1 0 0 0 . . . 0 0 0 z (t) + . u(t) . . . 0 1 1 1 (4.48)
z (t)
Sistem (4.48) adalah terkontrol dualitas dari sistem ini adalah teramati yang dilakukan dengan mentranspose tiga persamaan matriks (4.45), (4.46) dan (4.47), diperoleh: 0 0 0 . . . 0 n 1 0 0 . . . 0 n1 0 1 0 . . . 0 n2 1 (P 1 )T AP T = . . . . . = QAQ , . . . . . . . . . . 0 0 0 . . . 0 2 0 0 0 . . . 1 1 Matematika-Sistem, Copyright: c 2010 Subiono
169
CP T = 0 0 0 . . . 0 1 = CQ1 dan n n1 n2 . . .
(P 1)T B = 2 1
= QB,
dimana Q = (P 1 )T . Jadi dengan transformasi x(t) = Qx(t) sistem teramati (4.43) menjadi: x(t) = QAQ1 x(t) + QBu(t) y(t) = CQ1 x(t) atau 0 1 0 x(t) = . . . 0 0 y(t) = 0 (4.49)
0 . . . 0 n 0 . . . 0 n1 0 . . . 0 n2 . . . x(t) + . . . . . . 0 0 . . . 0 2 0 0 . . . 1 1 0 0 1 . . . 0 0 . . . 0 1 x,
n n1 n2 . . . 2 1
u(t)
Masing-masing sistem (4.43) dan (4.49) adalah teramati dan sistem (4.49) didapat dari sistem (4.43) dengan melakukan suatu Matematika-Sistem, Copyright: c 2010 Subiono
170
transformasi x(t) = Qx(t). Bila masing-masing matriks ketera matan dari kedua sistem ini diberikan oleh C CQ1 CA CQ1 (QAQ1 ) CA2 = CQ1 (QA2 Q1 ) , W = dan W . . . . . . n1 1 n1 1 CA CQ (QA Q ) maka CQ1 CQ1 (QAQ1 ) CQ1 (QA2 Q1 ) . . . CQ1 (QAn1 Q1 ) C CA CA2 . . . CAn1
W = Jadi
1 Q = W Q1 .
Dapat ditunjukkan bahwa matriks W 1 diberikan oleh matriks yang sama dalam persamaan (4.42), yaitu n1 n2 . . . 1 1 n2 n3 . . . 1 0 . . . . .. 1 = . . . . . W . . . . . 1 1 ... 0 0 1 0 ... 0 0
W = W Q1 Q = W 1 W.
Bab
Umpan balik keadaan dan keluaran

Pada bagian 1.1 dalam contoh tentang auto pilot suatu boat, pengontrol u(t) diungkapkan dalam besaran-besaran sebagaimana yang dikenal untuk memperoleh perilaku kemudi yang baik dari kapal. Salah satu hukum pengnontrol yang telah diperkenalkan adalah u(t) = Ke(t), dimana K adalah suatu konstan, e(t) kesalahan diantara a yang sebenarnya dan ae yang diinginkan. Dalam hal ini ae yang diinginkan sudah diatur oleh jurumudi, sedangkan a yang merupakan suatu signal keluaran dari dinamika sistem secara sinambung diukur. Dengan demikian saat pengendali normal yaitu ketika auto-pilot tidak digunakan oleh juru-mudi; juru mudi tahu mengenai a dan ae pada saat pengamatan dan membuat koreksi sesuai yang diinginkan bila terjadi diviasi. Pada situasi tsb. keluaran (pengukuran-pengukuran) diumpan balikan ke masukan u(t); pengontrol yang de171
172
Umpan balik keadaan dan keluaran..
mikian kita namakan kontrol umpam-balik atau ekivalen sebagai kontrol loop-tutup. Dalam sistem kontrol loop-tutup, keluaran dihubungkan dengan masukan sistem akan dalam hal ini sistem secara otomatis memerintah dengan sendirinya. Kebalikan dari sistem loop-tutup adalah sistem loop-buka, dalam hal ini pengontrol u(t) tidak dipengaruhi oleh keluaran. Suatu sistem pemanggang roti otomatis yaitu suatu pemanggang roti yang bisa padam secara otomatis adalah salah satu contoh dari sistem kontrol loop-buka. Dalam hal ini sistem di kontrol oleh "timer" (fungsi u(t), suatu fungsi "on-o"). Waktu untuk membuat roti yang bagus harus diestimasi oleh pemakai yang bukan suatu bagian dari sistem. Pengontrolan atas mutu (misalnya saja warna roti) yang merupakan keluaran diatur oleh timer, untuk hal ini dapat kita disain suatu pemanggang roti sebagai sistem umpan balik, warna dari roti secara sinambung diukur dan pengukuran ini dihubungkan dengan "switch" dari elemen pemanas. Kembali pada keperluan yang lebih matematis mengenai prinsip umpan balik. Misalkan suatu sistem diuraikan oleh: x(t) = Ax(t) + Bu(t) y(t) = Cx(t) + Du(t) dimana sistem tidak stabil. Juga diasumsikan C = I dan D = 0, yaitu keseluruhan keadaan teramati. Untuk memfokuskan ide, kita gunakan contoh pada pendulum terbalik yang telah kita bahas pada sub-bagian 2.4.1. Misalkan ada gangguan awal x0 = 0 (x0 = 0 berhubungan dengan kesetimbangan tidak stabil dari kereta yang tidak bergerak pada situasi yang diberikan saat pendulum tegak, dapat ditentukan suatu fungsi u(.); [t, ) R sedemikian hingga penyelesaian dari x(t) = Ax(t)+Bu(t), x(0) = Matematika-Sistem, Copyright: c 2010 Subiono
Umpan balik dan terstabilkan..
173
x0 akan konvergen ke 0 kalua t . Suatu pengontrol yang demikian (loop-tutup) sangat tidak praktis. Karena gangguan mendatang tidak terjaga. Sebagai pengganti dapat diberikan suatu umpan balik linear berbentuk u(t) = F x(t), (5.1)
dimana F suatu matriks m n (pada contoh pendulum terbalik adalah 1 4). Keadaan x(t) memenuhi: x(t) = Ax(t) + Bu(t) = (A + BF )x(t). (5.2) Matriks F dipilih sedemikian hingga sistem loop-tutup (5.2) mempunyai suatu perilaku yang diinginkan, misalnya stabil asimtotik. Suatu umpan balik yang diberikan oleh (5.1) dinamakan umpan balik keadaan. Bila umpan balik keadaan tidak digunakan, alternatif yang lainnya adalah umpan balik keluaran u = Hy(t), dimana H suatu matriks sesuai pilihan berukuran m p. Keadaan x(t) akan memenuhi: x(t) = Ax(t) + BHy(t) = (A + BHC)x(t). Suatu pengontrol yang demikian disebut umpan balik keluaran. Masukan u(t) = F x(t) adalah suatu hukum kontrol, bila dipandang sebagai suatu sistem tersendiri (statik) dengan x(t) sebagai masukan dan u(t) sebagai keluaran, hukum kontrol ini disebut hukum kompensator statik.
5.1
Umpan balik dan terstabilkan
Melaui suatu kompensator pengaruh dinamik dari suatu sistem bisa kita pengaruhi. Kita ingin menggunakan pengaruh Matematika-Sistem, Copyright: c 2010 Subiono
174
ini untuk menstabilkan sistem disekitar titik kesetimbangan takstabil. Penstabilan merupakan pokok bahasan pada bagian ini, walaupun ada sifat-sifat sistem yang lain yang dapat dipengaruhi oleh suatu kompensator. Kondisi pada matriks A dan B akan diberikan sedemikian hingga matriks A + BF stabil asimtotik bila matriks F dipilih sesuai dengan apa yang diinginkan. Denisi 7 Sistem x(t) = Ax(t) + Bu(t) bisa distabilkan bila ada suatu matriks F ukuran m n sedemikian hingga semua nilai-karakterisrik dari matriks A + BF , () < 0. Berikut ini diberikan suatu teorema yang memberikan syarat suatu sistem bisa distabilkan. Teorema 18 Sistem x(t) = Ax(t) + Bu(t) terkontrol bila dan hanya bila untuk setiap polinomial p() = n + p1 (n1) + p2 (n2) + . . . + pn , dengan koesien pi real, ada matriks F ukuran mn sedemikian hingga det[I (A + BF )] = p() Bukti Asumsikan bahwa untuk setiap sebarang p() yang mempunyai bentuk seperti diberikan dalam teorema ada suatu matriks K sedemikian hingga det[I (A + BF )] = p() dan andaikan sistem x(t) = Ax(t) + Bu(t) tak-terkontrol. Maka ada basis di Rn sedemikian hingga: A= A1,1 A1,2 , B= 0 A2,2 B1 0 (5.3)
175
Bila kita partisi sebarang matriks umpan-balik F sebagai (F1 F2 ), maka A + BK = = A1,1 A1,2 0 A2,2 + B1 (F1 F2 ) 0
A1,1 + B1 F1 A1,2 + B1 F2 . 0 A2,2
Kita gunakan bentuk persamaan berikut P Q 0 R = P 0 0 I I P 1 QR1 0 I I 0 0 R
untuk menentukan polinomial karakteristik dari matriks (A + BF ), yaitu:

det[I (A + BF )] = det I (A1,1 + B1 F1 ) (A1,2 + B1 F2 ) 0 I A2,2 = det(K) det(L) det(M ),
dengan matriks K, L dan M masing-masing adalah K= L= dan M= I (A1,1 + B1 F1 ) 0 , 0 I
I [I (A1,1 + B1 F1 )]1 [A1,2 + B1 F2 ][I A2,2 ]1 0 I I 0 . 0 I A2,2
176 Sehingga kita peroleh
det[I (A + BF )] = det[I (A1,1 + B1 F1 )] det[I A2,2 ]
Terlihat bahwa apapun pilihan kita terhadap F , polinomial dari det[I A2,2 ] tidak bisa kita pilih sebarang dan polinomial ini selalu merupakan suatu bagian dari polinomial karakteristik dari matriks (A + BF ). Akibatnya polinomial karakteristik dari matriks (A + BF ) tidak akan bisa kita pilih sebarang. Hal ini kontradiksi dengan kenyataan asumsi. Jadi haruslah sistem x(t) = Ax(t) + Bu(t) terkontrol. Sebaliknya, asumsikan (A, B) terkontrol. Akan kita tunjukkan bahwa untuk setiap polinomial p() = n + p1 (n1) + p2 (n2) +. . .+pn ada tunggal suatu matriks F sedemikian hingga det[I (A + BF )] = p(). Sistem (A, B) terkontrol, maka berdasarkan Teorema 16 A dan B mempunyai bentuk kompanion:
A= 0 0 0 ... 0 n n1 n2 . . . 2
0 0 0 . . .
1 0 0 . . .
0 1 0 . . .
... ... ...
0 0 0 . . .
0 0 0 dan B = . . . . 0 1 1 1 0 0 0 . . .
177
Pilih F = (n pn n1 pn1 . . . 1 p1 ), maka 0 1 0 ... 0 0 0 0 1 ... 0 0 0 0 0 ... 0 0 A + BF = . . . . . . . . . . . . . . . 0 0 0 ... 0 1 n n1 n2 . . . 2 1 0 0 0 + . (n pn n1 pn1 . . . 1 p1 ) . . 0 1 0 1 0 ... 0 0 0 0 1 ... 0 0 0 0 0 ... 0 0 = . . . . . . . . . . . . . . . . 0 0 0 ... 0 1 pn pn1 pn2 . . . p2 p1 Dari hasil diatas diperoleh det[I (A + BF )] = n + p1 (n1) + p2 (n2) + . . . + pn = p().
Teorema 18 menyatakan bahwa bila (A, B) terkontrol, polinomial karakteristik dari (A+BF ) bisa dipilih sebarang untuk suatu pilihan F yang sesuai. Maka dari itu "zeros" dari polinomial Matematika-Sistem, Copyright: c 2010 Subiono
178
karakteristik yang identik dengan nilai-karakteristik dari matriks A + BF dapat diletakkan pada setiap lokasi sesuai dengan yang dikehendaki. Suatu lokasi khusus adalah separoh bidang kompleks sebelah kiri sedemikian hingga x(t) = (A + BF )x(t) sta bil asimtotik. Suatu kesimpulan dari Teorema 18 adalah bila x(t) = Ax(t) + Bu(t) terkontrol maka terstabilkan (kebalikan pernyataan ini tidak benar). Teorema 18 adakalanya dinamakan "pole assignment". Contoh 33 Diberikan sistem x1 (t) x2 (t) = 1 0 0 1 x1 (t) 0 + u(t). x2 (t) 1
Sistem tak-terkontrol. Bilih kita pilih u(t) = (0 2) kita peroleh sistem loop-tutup x1 (t) x2 (t) = 1 0 0 2 x1 (t) . x2 (t) x1 (t) x2 (t)
Terlihat bahwa sistem loop-tutup stabil asimtotik. Contoh ini menunjukkan bahwa walaupun sistem tak-terkontrol tapi sistem bisa distabilkan.
Contoh 34 Kembali pada Contoh 7 pendulum terbalik. Hasil pelinearan disekitar peyelesaian sama denagn nol serta dengan Matematika-Sistem, Copyright: c 2010 Subiono
179
memberikan nilai-nilai tertentu pada beberapa konstanta yang tidak diketahui, matriks A dan B masing-masing diberikan oleh 0 1 0 0 0 25 0 0 0 dan B = 2.4 A= 0 0 0 0 1 0.6 0 0 0 1 Dapat kita cek bahwa sistem terkontrol. Polinomial karakteristik dari A adalah 4 252 , dari polinomial ini terlihat bahwa salah satu nilai karakteristik dari A sama dengan 5, jadi sistem takstabil. Misalkan dingini memilih umpan balik F supaya nilaikarakteristik dari A + BF adalah: 1, 2 dan 2 i, dalam hal ini polinomial p() diberikan oleh: ( + 1)( + 2)(2 + 4 + 5) = 4 + 73 + 192 + 23 + 10. Misalkan F = (f1 f2 f3 f4 ), maka kita peroleh suatu persamaan yang diberikan oleh: det[I (A + BF )] = p(). Tetapi
1 0 0 25 + 2.4f1 + 2.4f2 2.4f3 2.4f4 det[I (A + BF )] = det 0 0 1 0.6 f1 f2 f3 f4 = 4 + (2.4f2 f4 )3 + (f3 25 + 2.4f1 )2 +(25f4 1.44f4 ) + (25f3 1.44f3 ).
Dengan menyamakan koesien-koesien yang bersesuaian dari polinomial det[I (A + BF )] dan p() kita peroleh: f3 = 10 23 1 10 , f4 = , f1 = 44 + , 23.56 23.56 2.4 23.56
180 dan
f2 =
1 23 7+ . 2.4 23.56
Contoh 35 Diberikan sistem dalam bentuk kanonik terkontrol: 0 1 0 0 0 0 1 x(t) + 0 u(t). x(t) = 2 3 1 1 Bila masukan dipilih sebagai u(t) = (f1 f2 f3 )x(t). Untuk nilai fi , i = 1, 2, 3 yang mana sistem loop-tutup stabil asimtotik? Dari hukum umpan balik yang diberikan menghasilkan: 0 1 0 0 1 x(t). x(t) = 0 2 + f1 3 + f2 1 + f3 Polinomial karakteristik dari matriks sistem ini adalah: 3 + (1 f3 )2 + (3 f2 ) + (2 f1 ) = 0. Karena lokasi yang tepat dari "zeros" tidak penting, kita gunakan kriteria Routh-Hurwitz untuk memperoleh kondisi-kondisi Matematika-Sistem, Copyright: c 2010 Subiono
181
fi yang akan menjamin kestabilan asimtotik. Skemanya adalah: 1 1 f3

(1f3 )(3f2 )(2f2 ) 1f3
3 f2 0 2 f1 0 0 0 0
2 f1 0
Maka dari itu, kondisi syarat perlu dan cukup untuk stabil asimtotik adalah: 1 f3 > 0, 2 f1 > 0, (1 f3 )(3 f2 ) > (2 f1 ). Latihan 28 Berikan contoh sistem linear invarian-waktu yang tidak dapat dikontrol tapi dapat distabilkan. Latihan 29 Tunjukkan bahwa sistem ivarian waktu x(t) = Ax(t) + Bu(t) dalam hal ini u(t) tidak harus suatu skalar adalah bisa distabilkan bila ruang bagian takstabilnya termuat didalam ruang bagian Latihan 30 Tinjau realisasi 2 1 0 2 x(t) = 0 0 0 0 takterkontrol: 0 0 0 0 0 1 + u(t). 1 0 1 0 1 1
182
Apakah realisasi ini dapat distabilkan? Apakah memungkinkan mendapatkan suatu vektor F sedemikian hingga hukum umpan balik u(t) = F x(t) menyebabkan nilai karakteristik dari sistem umpan balik adalah: 2, 2, 1, 1 atau 2, 2, 2, 2, 1 atau 2, 2, 2, 2? Latihan 31 Sistem linear terkontrol dan teramati diberikan oleh persamaan berikut: x= 1 2 0 x+ u, y = (1 2)x. 3 1 1
Bila umpan balik keadaan u = (k1 k2 )x + r. Tentukan nilai k1 dan k2 supaya sistem umpan balik keadaan tetap terkontrol tetapi tak dapat diamati.
5.2
Pengamat dan prinsip pemisahan
Banyak prosedur kontrol dari suatu sistem didasarkan pada asumsi bahwa semua komponen vektor-keadaan dapat diamati. Dalam prosedur yang demikian hukum kontrol mempunyai bentuk u(t) = F x(t) atau (u(t) = F x(t) + Gv(y)). Bagaimanapun dalam berbagai sistem perlengkapan pengukuran yang dibutuhkan untuk mengamati keseluruhan keadaan sangat mahal, terutama dalam sistem "sika". Dalam sistem ekonomi prosedur pengukuran statistika yang dibutuhkan sangat mahal, Matematika-Sistem, Copyright: c 2010 Subiono
Pengamat dan prinsip pemisahan..
183
adakalanya sangatlah tidak mungkin memperoleh pengukuran dari keseluruhan keadaan bila beberapa fariabel internal tidak bisa dicapai. Misalnya suatu satelit, karena komplek masalah peralatannya, pengukuran akan sukar dilakukan, misalnya pengukuran temperatur yang akan digunakan dalam satelit tsb. Saat satelit dalam lintasan orbit, sangatlah terlalu jauh mengukur besaran-besaran tertentu dari bumi. Dalam keseluruhan hal tsb., kontrol harus berdasar pada suatu informasi yang digunakan, yakni keluaran y(t) = Cx(t) (untuk penyederhanaan dimabil D = 0, dalam hal D = 0 dapat ditangani dalam keadaan standart bila y(t) Du(t) = Cx(t) diintepretasikan sebagai pengukuran baru). Kita perlukan suatu sistem pembantu yang dinamakan pengamat (observer) yang mempunyai masukan u(t) dan keluaran y(t) dari sistem riil dan keluran x(t) suatu pendekatan dari kedaan x(t) dari sistem riil. Suatu pengamat dari sistem x(t) = Ax(t) + Bu(t), y(t) = Cx(t) diasumsikan berbentuk: z(t) = P z(t) + Qu(t) + Ky(t) x(t) = Sz(t) + T u(t) + Ry(t). Vektor z(t) adalah keadaan dari pengamat. Sedangkan matriksmatriks P, Q, K, S, T dan R adalah matriks-matriks yang dapat ditenttukan. Kita bisa bayangkan sistem rill sebagai suatu satelit dalam orbit dimana tidak semua komponen dari x(t) dengan mudah dapat diukur, tidak banyak fariabel-fariabel keluaran yang bisa membantu, misalnya hanya posisi dan jarak yang bisa memberikan informasi. Sedangkan pengamat adalah suatu sistem dibumi, misalnya saja Matematika-Sistem, Copyright: c 2010 Subiono
184
suatu program komputer yang berfungsi untuk memperoleh semua fariabel dengan mudah. Diagram alir pengamat dan sistem riil dan hubungan diantara sistem-sistem tsb. disajikan dalam Gambar 5.1. pengamat u(t)
-
z(t) = P z(t) + Qu(t) + Ky(t) - x(t) = Sz(t) + T u(t) + Ry(t)
x(t)
x(t) = Ax(t) + Bu(t) y(t) = Cx(t) sistem riil
y(t)
Gambar 5.1: Sistem pengamat.
Terlihat bahwa pengamat dan sistem riil tampak dalam Gambar 5.1. Bila kesemuanya memungkinkan, pengamat seharusnya paling tidak memenuhi persyaratan berikut: 1. Bila x(t0 ) = x(t0 ) pada waktu tertentu t0 , maka didapat x(t) = x(t) untuk t t0 . Sekali pengamat mempunyai estimasi yang bagi vektor keadaan riil, maka estimasi ini akan tetap benar untuk waktu mendatang. 2. Beda x(t)x(t) harus konvergen ke nol bila t terlepas dari kondisi awal x(0), z(0) dan kontrol u(t). Matematika-Sistem, Copyright: c 2010 Subiono
185
Akan kita konstruksi suatu pengamat dimana S = I, T = R = 0, hal ini memberikan x(t) = z(t) dengan demikian keadaan pengamat merupakan pendekatan keadaan x(t). Selajutnya kita peroleh: x(t) x(t) = Ax(t) + Bu(t) P x(t) Qu(t) Ky(t) = Ax(t) + Bu(t) P x(t) Qu(t) KCx(t) = (A KC)x(t) P x(t) + (B Q)u(t) Dari formulasi persyaratan pertama pengamat menghasilkan B = Q, A KC = P. Oleh karena itu pengamat mempunyai bentuk: x(t) = A(t) + Bu(t) + K(y(t) y (t)), dengan y (t) = C x(t). x (5.4) Terlihat sangat banyak kemiripan dengan sistem asal. Sistem (5.4) merupakan duplikat dari sistem riil terlepas dari suku tambahan K(y(t) y (t)) yang bisa ditafsirkan sebagai suku koreksi. Dia gram alir dari kondisi ini diberikan dalam Gambar 5.2.
-
u
-
x = Ax + Bu y = Cx
y
? + -
x = A + Bu + K(y y ) y x y = Cx
6 x
-
Gambar 5.2: Diagram alir sistem pengamat.
186
Selanjutnya agar persyaratan kedua dipenuhi, kita kaji bagaimana mengestimasi kesalahan e(t) = x(t) x(t) bila t , e(t) = x(t) x(t) = Ax(t) + Bu(t) A(t) Bu(t) K(Cx(t) c(t)) x x = (A KC)(x(t) x(t)) = (A KC)e(t). Karena e(t) harus konvergen ke nol, persyaratannya menjadi matriks (AKC) harus stabil asimtotik. Dalam hal ini timbul pertanyaan sebagai berikut: Dapatkah suatu matriks K diperoleh sedemikian hingga persyaratan tsb. memungkinkan? Teorema berikut menyatakan bahwa hal tsb. mungin bila (C, A) teramati. Teorema 19 Untuk setiap polinomial w() = n + w1 (n1) + w2 (n2) + . . . + wn dengan koesien wi riil ada suatu matriks ukuran np sedemikian hingga det[I (A KC)] = w() bila dan hanya bila (C, A) teramati.
Bukti (C, A) teramati bila dan hanya bila (AT , C T ) terkontrol. (AT , C T ) terkontrol bila dan hanya bila untuk setiap polinomial w() ada matriks F sedemikian hingga det[I (AT + C T F )] = w(). Pilih K = F T , maka det[I (A KC)] = det[I (AT C T K T )] = w()
187
Contoh 36 Contoh ini merupakan kelanjutan contoh sebelumnya dari pendulum terbalik. Di asumsikan bahwa hanya pengukuran-pengukuran skalar dan posisi kereta dibuat sedemikian hingga A dan C adalah: 0 1 0 0 25 0 0 0 , C = 0 0 1 0 . A= 0 0 0 1 0.6 0 0 0 Matriks keteramatan adalah: 0 0 0 0 T er = 0.6 0 0 0.6 1 0 0 0 0 1 rank T er = 4. 0 0
Sehingga Teorema 19 bisa digunakan. Misalkan dikonstruksi suatu pengamat sedemikian hingga pole dari (A KC) pada titiktitik 1 (sebanyak dua kali) dan 1 i. Ini berarti bahwa K = (K 1 k2 k3 k4 )T harus dikonstruksi sedemikian hingga: det[I (A KC)] = ( + 1)2 ( + 1 i)( + 1 + i) = 4 + 43 + 72 + 6 + 2, dilain pihak 1 k1 0 25 k2 0 det[I (A KC)] = det 0 0 + k3 1 0.6 0 k4
= 4 + k3 3 + (25 + k4 )2 +(25 0.6k1 ) + (0.6k2 25k4)
188
sehingga dengan menyamakan koesien yamg bersesuaian persamaan diatas, kita peroleh: k3 = 4; k4 = 32; k1 = 106 802 dan k2 = . 0.6 0.6
Dalam hal ini pengamat mempunyai bentuk: 0 1 0 0 0 25 0 0 0 x(t) + 2.4 u(t) x(t) = 0 0 0 0 1 0.6 0 0 0 1 1060 6 8020 + 6 (y(t) (0 0 1 0)(t)) . x 4 32 Penyelesaian pengamat ini, memenuhi:
t
lim x(t) = x(t).
Latihan 32 Tinjau kedinamikan dari trayektori satelit. Bila hanya pengukuran satu skalar yang diijinkan yaitu y1 (t) atau y2 (t) yang mana harus diplih supaya keteramatan dipenuhi? Konstruksikan suatu pengamat untuk pengukuran yang dipilih sedemikian hingga pole-pole dari pesamaan kesalahan e(t) = (A KC)e(t) semuanya sama dengan 1.
189
Teorema 19 memberikan suatu syarat perlu dan cukup sedemikian hingga pole dari matriks (A KC) bisa dipilih sekehendak kita. Suatu kemungkinan pemilihan adalah menempatkan semua pole diseparuh bidang sebelah kiri (pole-pole tidak harus pada tempat-tempat khusus). Ini tentunya persyaratan yang lebih lunak yang mana keteramatan merupakan syarat cukup, tetapi bukan merupakan syarat perlu sebagaimana yang kita berikan dalam uraian berikut. Tinjau pasangan matriks: A= 1 0 0 1 dan C = (1 0),
dapat kita cek bahwa (C, A) tak-teramati. Pole dari A KC dengan K = (k1 k2 )T adalah "zeros" dari det[I (A KC)] = ( 1 + k1 )( + 1). Bila kita pilih k1 > 1, kedua "zeros" terletak diseparuh bidang kiri, sehingga bila kita mengkonstruksi pengamat dimana letak pole sama dengan letak zeros tsb., maka untuk t pengamat ini akan konvergen ke vektor keadaan riil. Salah satu polenya adalah 1, merupakan pole yang sudah tetap tidak bisa kita ubah. Suatu syarat perlu dan cukup sedemikian hingga semua pole dari (A KC) harus terletak di separuh bidang kiri adalah bila A dan C kita uraikan kedalam suatu basis tertentu sedemikan hingga masing-masing mempunyai bentuk: A1,1 | A1,2 A = , C = (0 | C1 ), 0 | A2,2 Matematika-Sistem, Copyright: c 2010 Subiono
190
dimana pasangan (C1 , A2,2 ) teramati. Oleh karena itu sekarang haruslah kondisi matriks A1,1 stabil asimtotik. Sifat dari pasangan matriks (C, A) sedemikian hingga suatu K dapat dipilih dimana pole-pole dari matriks (A KC) terletak di separuh bidang kiri dinamakan dapat-dideteksi. Latihan 33 Tunjukkan bahwa sistem invarian-waktu x(t) = Ax)t) + Bu(t), y(t) = Cx(t) dapat-dideteksi bila dan hanya bila ker(T er) termuat dalam ruang stabilnya. Latihan 34 Tunjukkan bahwa keterdetesian adalah suatu konsep dual, yaitu bila (A, B) dapat distabilkan, maka (B T , AT ) dapat-dideteksi.
Pengamat dikenalkan sebab kekurangan informasi mengenai keseluruhan komponen vektor keadaan. Vektor keadaan ini digunakan dalam suatu loop umpan balik sebagaimana untuk memberi sifat-sifat yang diharapkan sistem. Selanjutnya kita kombinasi konsep umpan balik dengan pengamat. Bila u(t) = F x(t) suatu hukum umpan balik yang membuat sistem x(t) = (A + BF )x(t) stabil asimtotik, maka kita inginkan hal serupa pada hukum umpan balik u(t) = F x(t). Selanjutnya secara bersama sama perilaku sistim asli dan pengamat: x(t) = Ax(t) + BF x(t) x(t) = A(t) + BF x(t) + K(Cx(t) C x(t)). x Matematika-Sistem, Copyright: c 2010 Subiono
191
atau ekivalen dengan: x(t) e(t) =
Dengan menggunakan e(t) = x(t) x(t) persamaan diatas men jadi x(t) = (A + BF )x(t) BF e(t) (5.5) e(t) = (A KC)e(t). A + BF BF 0 A KC x(t) . e(t)
Nilai karakteristik dari sistem diatas sama dengan nilai karaktersistem asli v(t) + u(t)B
-
+
6
x(t) A
y(t) -
B
? + 6
x
-
+ ?
A
-
C y (t)
kompensator
Gambar 5.3: Diagram alir pemisahan sistem.
192
istik dari matriks A+BF bersama-sama dengan nilai karakteristik matriks A KC. Jadi nilai karakteristik keseluruhan sistem sama dengan nilai karakteristik yang diperoleh melalui umpan balik u(t) = F x(t) dan malalui pengkonstruksian pengamat. Umpan balik u(t) = F x(t) dan pengamat bisa kita disain secara tak bergantungan satu dengan yang lainnya. Bila kita letakkan bersama sistem asli dan pengamat dengan umpan balik u(t) = F x(t), nilai karakteristik tidak saling mempengaruhi. Prinsip ini dinamakan prinsip pemisahan. Total sistem dari sistem asli, pengamat dan loop umpan balik kita berikan ringkasannya dalam diagram alir dalam Gambar 5.3 yang tersaji dalam halaman sebelumnya. Dua sub-sistem yang dikelilingi oleh garisputus masing-masing adalah sistem asli dan kompensator. Kompensator disini berbeda dengan kompensator statik yang telah kita kenalkan, oleh karena itu kompensator ini disebut kompensator dinamik.
193
gaya dorong
posisi kereta
f1
x1
+
25 -2.4
k1
f2 +
x2 x3 +
k2 + + -
f3
k3
-.6
f4
x4
+ k4
Gambar 5.4: Gambungan umpan balik keadaan dan pengamat.
Contoh 37 Kita berikan contoh kereta dengan pendulum terbalik (lihat Gambar 5.4). Pada dua contoh sebelumnya didisain hukum umpan balik keadaan dan pengamat. Kombinasi pendisainan sebagai berikut, nilai numerik fi dan ki dengan i = 1, 2, 3, 4 seperti yang telah diberikan dalam dua contoh terdahulu.
194
Sebegitu jauh kita belum pertimbangkan masukan baru v(t), yang dberikan oleh u(t) = F x(t) + v(t), F x(t) adalah komponen umpan balik, sedangkan v(t) adalah komponen baru loop-buka. Bila kita ubah keseluruhan disain dari sistem asli dan pengamat dalam diagram yang lebih ramping sebagaimana diberikan oleh Gambar 5.5. v(t) u(t) a b B

+
6
sistem asli
y(t)
+
6
+ ? 6
A
-
Gambar 5.5: Peyederhanaan diagram.
Dalam Gambar 5.5 terlihat hubungan baru bc sebagai pengganti dari hubungan ab dalam diagram sebelumnya. Dalam diagram terlihat v(t) tidak masuk ke kompensator. Hal ini tidak akan mengubah sifat kestabilan dari keseluruhan sistem disebabkan v(t) hanya bergantung pada waktu t tidak tergantung Matematika-Sistem, Copyright: c 2010 Subiono
Penolakan gangguan..
195
pada keadaan. Diagram yang paling akhir secara simbolik bisa digambar sebagai mana yang diberikan dalam Gambar 5.6. Terlihat v
-+ 6 -
sistem asli
Fx
sistem dinamik dalam loop-umpan balik
Gambar 5.6: Simbolik diagram.
dalam Gambar 5.6 kestabilan dari suatu pengamat bisa diinterpretasikan sebagai umpan balik keluaran, dalam hal ini kita peroleh suatu sistem dinamik loop-umpan balik.
5.3
Penolakan gangguan
Kita kaji suatu sistem linear waktu-invarian dengan m + l masukan yang dipartisi sebagai (u(t), v(t)): x(t) = Ax(t) + Bu(t) + Ev(t), y(t) = Cx(t), (5.6)
dimana u(t) adalah masukan sistem sebagaimana biasanya, sedangkan v(t) dapat kita interpretasikan sebagai "gangguan". Gangguan ini tidak dapat diukur secara langsung, hanyalah keluaran y(t) yang dapat diukur. Dalam kasus ini kita bertujuan mendisain suatu hukum umpan balik: u(t) = F x(t) + u(t) Matematika-Sistem, Copyright: c 2010 Subiono
196
sedemikian hingga v(t) tidak mempunyai pengaruh apapun terhadap keluaran dan tidak masalah apa bentuk dari u(t) atau keadaan awal x(0) dari sistem (5.6). Contoh 38 Kita berikan sistem x1 (t) = x2 (t) + u(t) x2 (t) = v(t) y(t) = x1 (t). Bila kita gunakan hukum umpan balik u(t) = x2 (t) + u(t), kita peroleh:
t
y(t) = x1 (0) +
0
u( )d,
terlihat bahwa keluaran y(t) bebas dari gangguan v(t).
Bab
Penyajian masukan/keluaran
Penyajian masukan/keluaran dari suatu sistem merujuk pada suatu pendiskripsian dimana masukan secara langsung dikaitkan dengan keluaran, tanpa fungsi media-antara lainnya atau fariabel keadaan. Kita sudah kaji suatu masukan-keluaran melalui kajian fariabel keadaan pada bagian yang terdahulu. Kajian masukan-keluaran juga bisa kita temui pada pembahasan terdahulu dalam fungsi atau matriks respon impuls. Melalui fungsi K(t, s) fungsi masukan secara langsung dikaitkan dengan fungsi keluaran. Diskripsi ini kita peroleh dengan mengeliminasi vektor keadaan x(t). Pada bagian berikut ini kita kaji penyajian yang berguna dari masukan/keluaran suatu sistem.
197
198
Penyajian masukan/keluaran..
6.1
Transformasi Laplace dan kegunaannya untuk sistem invarian-waktu linear
Transformasi Laplace dari fungsi kontinu sepotong-demi sepotong f : [0, ) R, didinisikan sebagai:
F (s) = L(f ) =
f (t)est dt.
0
Bila f = O(ebt ) untuk t , yaitu ia bertambah secara eksponensial dengan b R suatu konstata, maka integral diatas "ada" untuk semua bilangan riil s > b. Bila f = O(ebt ), maka integral juga ada untuk semua bilangan kompleks s dengan Re(s) > b (Re adalah bagian riil), sebab: f (t)est = |f (t)| eRe(s)t . Oleh karena itu domain dari fungsi F : (b, ) R bisa diperluas sampai semua s C dengan Re(s) > b dan F : {s C|Re(s) > b} C adalah fungsi kompleks. Pada kajian disini s akan selalu menunjukkan bilangan kompleks. Perluasan ke fungsi bernilai vektor adalah: L(f ) = (L(f1 ), . . . , L(fn ))T = (F1 (s), . . . , Fn (s))T = F (s). Sedangkan perluasan ke matriks fungsi adalah secara per-komponen. Misal, diberikan sistem dierensial invarian-waktu matriks Matematika-Sistem, Copyright: c 2010 Subiono
Transformasi Laplace dan kegunaannya..
199
respon impulsnya adalah:

t
y(t) =
G(t )u( )d.
Untuk penyederhanaan, diasumsikan u(t) = 0 untuk t 0, maka

t
y(t) =
0
G(t )u( )d.
(6.1)
Andaikan bahwa fungsi y(.), u(.) dan G(.) mempunyai transformasi Laplace yang masing-masing dinotasikan dengan Y (.), U(.) dan H(.), jadi

Y (s) =
0
y(t)e
st
dt,
U(s) =
0
u(t)est dt
dan H(s) =
G(t)est dt,
0
maka transformasi Laplace dari (6.1) diberikan oleh: Y (s) = H(s)U(s). (6.2)
Matriks H(S) p m disebut matriks transfer dari sistem. Ia memberikan diskripsi sistem sangat sederhana. Sifat bahwa (6.2) adalah transformasi Laplace dari (6.1) disebut teori konvolusi. Disini kita asumsikan pembaca mengenal sifat ini dan secara Matematika-Sistem, Copyright: c 2010 Subiono
200
lebih umum dengan transformasi Laplace. Bila G(t) = O(ebt ) maka matriks transfer terdinisi hanya untuk Re(s) > b. Teori transformasi Laplace menganjurkan bahwa H(s) analitik untuk Re(s) > b, dan teori bilangan komplek menerangkan bahwa keujudan dari kekontinuan analitik H(s) adalah tunggal. Suatu Fungsi matriks ada untuk semua s C dan tunggal, analitik dibidang kompleks kecuali disejumlah titik-titik terisolasi. Hal ini adalah identitik dengan H(s) untuk Re(s) > b. Bila X(s) adalah transformasi Laplace dari x(t), maka dx(t) dt
=
0
dx(t) st e dt dt
x(t)est 0
+
0
x(t)sest dt
= x(0) + sX(s). Transformasi Laplace dari x(t) = Ax(t) + Bu(t), x(0) = x0 adalah sX(s) x0 = AX(s) + BU(s) (6.3) dari persamaan (6.3) diperoleh: X(s) = (sI A)1 x0 + (sI A)1 BU(s). Juga, bila transformasi Laplace keluran y(t) = Cx(t) adalah Y (s) = CX(s) dan kita asumsikan x(0) = 0, maka Y (s) = C(sI A)1 BU(s) = H(s)U(s) Matematika-Sistem, Copyright: c 2010 Subiono (6.4)
201
Bila kita bandingkan dengan:

t
y(t) =
0
CeA(t ) Bu( )d
yang memberikan hasil H(s) = L(CeAt B) = C(sI A)1 B. (6.5)
Perlu kita perhatikan bahwa, secara perlu tidak benar semua nilai karakteristik dari A menyebabkan H(s) singulir, sebab perkalian diantara (sI A)1 dengan C dan B beberapa faktor mungkin terkansel. Persamaan (6.5) menyatakan bahwa matriks transfer adalah transformasi Laplace dari matriks respons impuls. Contoh 39 Kembali pada contoh sistem dinamik satelit yaitu; 0 1 0 0 0 0 3 0 0 2 , B = 1 0 dan C = 1 0 0 0 . A= 0 0 0 1 0 0 0 0 1 0 0 2 0 0 0 1 Matriks transfer dari sistem tsb. adalah: H(s) = L(G(t)) = L = = 2 + s
1 s2 +1 2 s3 +s 1 s2 +1 2s s2 +1 2 s3 +s 2 3 s s4 +s2
s22s +1 s32 + s24 +1
sin(t) 2 2 cos(t) 2 + 2 cos(t) 3t + 4 sin(t)

2 s
202
Sekarang suatu metode baru sudah didapat untuk menghitung matriks transisi. Transformasi Laplace dari : x(t) = Ax(t). x(0) = x0 dan x(t) = eAt x0 adalah X(s) = (sI A)1 x0 , X(s) = L(eAt )x0 . Jadi dimana L1 transformasi Laplace-invers. Fungsi matriks (sI A)1 dinamakan resolvent dari matriks A. eAt = L1 (sI A)1 ,
6.1.1
Hubungan sistem-sistem
U1 (s) H1 (s) Y1 (s) ; U2 (s) H2 (s) Y2 (s)
Gambar 6.1: Dua Sistem.
Gambar 6.1 menjelaskan dua sistem masing-masing dengan fungsi transfer H1 (s) dan H2 (s). Diskripsi dari sistem-sistem lewat matriks transfer bermanfaat bila kita ingin menghubungkan sistemsistem yang ada. Gambar 6.2 menjelaskan hubungan "parallel" dari dua sistem dimana simbol menyatakan penjumlahan. Jadi matriks tranfer dari sistem parallel ini diberikan oleh H(s) = H1 (s) + H2 (s).
203
H1 (s) U(s) H2 (s)

Gambar 6.2: Hubungan parallel dua sistem.
Y (s)
Sedangkan hubungan seri dari dua sistem diberikan oleh Gambar 6.3 dan matriks transfernya dari hubungan seri ini diberikan oleh H(s) = H1 (s)H2 (s). U(s) H1 (s) Y (s)
H2 (s)
Gambar 6.3: Hubungan seri dua sistem.
Perlu kita perhatikan bahwa untuk sistem dengan banyak masukan - banyak keluaran yaitu masing-masing m dan p lebih besar dari 1, umumnya perkalian dua matriks fungsi H1 (.) dan H2 (.) tidak komutatif, yaitu H1 H2 = H2 H1 . Oleh karena itu urutan dimana sistem-sistem dihubungkan sangatlah penting. Hubungan umpan-balik dua sistem diberikan oleh Gambar 6.4. Bila signal yang masuk ke H1 (S) kita notasikan dengan V (S), maka matriks transfer dari keseluruhan sistem kita hitung sebagai berikut:
V (s) = U (s) H2 (s)Y (s) Y (s) = H1 (s)V (s) Y (s) = H1 (s)(U (s) H2 (s)Y (s)).
204 U(s)+ V (s) H1 (s) H2 (s)
Y (s)
Gambar 6.4: Hubungan umpan balik dua sistem.
Kita selesaikan y(s) didapat: Y (s) = (I + H1 (s)H2 (s))1 H1 (s)U(s). Jadi matriks transfer hubungan umpan-balik dari dua sistem adalah H(s) = I + H1 (s)H2 (s))1 H1 (s). (6.6) Pertimbangan hubungan diatas diasumsikan bahwa banyaknya masukan adalah m sedangkan banyaknya keluran p sehingga uraian hubungan diatas tetap punya makna.
6.1.2
Ossilasi
Sebegitu jauh kajian kita, telah diasumsikan fungsi-fungsi masukan dan keluaran adalah fungsi bernilai riil. Dari segi pandangan kontrol adalah bermanfaat untuk menggunakan fungsifungsi bernilai kompleks. Bila kita gunakan fungsi masukan kompleks: 0, untuk t > 0 u(t) = st e c, untuk t 0 Matematika-Sistem, Copyright: c 2010 Subiono
205
dengan s C dan c suatu vektor kompleks. Bila x(0) = 0, maka fungsi keluaran yang terkait dengan masukan tsb. diberikan oleh:
t
y(t) =
0 t
G(t )es cd G(r)es(tr) cdr
=
0
= =
G(r)esr dr est c G( )es d u(t).
Bila t dan kita asumsikan integral konvergen ke H(s) untuk Re(s) cukup besar, maka kita peroleh y(t) H(s)u(t). Bila s = i dengan R, maka u(t) = c(cos(t) + i sin(t)) = eit c dan y(t) H(i)eit c untuk t sangat besar. Masukan u(t) = eit c disebut ossilasi harmonik sedangkan H(i)eit c dinamakan respon stasioner pada ossilasi harmonik eit c. Matriks H(i) dinamakan matriks response frekuensi. Beda diantara y(t) dengan response stasioner dinamakan pe
rilaku transient.
Bila
0
Gi,j ( )d < untuk semua i, j,
206
maka perilaku transient mendekati nol untuk t . Dan dari
hasil kajian kestabilan bisa kita simpulkan bahwa
Gi,j ( )d <
bila semua nilai karakteristik i dari matriks A memenuhi Re(i ) < 0.
6.1.3
Fungsi rasional
Pada bagian ini lebih rinci kita kaji matriks transfer H(s) = L(G(t)) = C(sI A)1 B. Matriks invers (sI A)1 secara prinsip bisa kita peroleh dengan menggunakan aturan "Cramer", misalkan, hasilnya diberikan sebagai berikut: q1,1 (s) . . . q1,n (s) 1 . . , . (sI A)1 = . . . p(s) qn,1 . . . qn,n (s) dimana p(s) adalah polinomial karakteristik dari matriks A. Kita tulis p(s) sebagai: p(s) = sn + p1 sn1 + . . . + pn1 s + pn , pi R. Suku-suku qi,j (s) untuk semua i, j adalah determinan dari submatriks (sI A) berukuran (n 1) (n 1), oleh karena itu suku-suku tsb. merupakan polinomial dalam s yang berderajad tidak lebih dari (n 1). Jadi elemen-elemen dari (sI A)1 q (s) adalah fungsi rasional dalam s yaitu i,j . Suatu fungsi rap(s) sional adalah pembagian dari dua polinomial. Fungsi rasional Matematika-Sistem, Copyright: c 2010 Subiono
207
ini dimamakan fungsi rasioanal sejati kuat bila derajad dari pembilang lebih kecil dari derajad penyebutnya. Bila suatu fungsi rasional diberikan oleh h(s), maka suatu dinisi ekivalen dari fungsi rasional murni adalah lim h(s) = 0. Bila limit ini
|s|0
bernilai hingga yaitu tidak perlu bernilai nol, maka dalam hal ini kita namakan fungsi rasional sejati. Mudah kita cek bahwa elemen-elemen dari H(s) adalah fungsi rasional sejati kuat. Misalkan H(s) kita tulis sebagai R(s) , dimana R(s) adalah matriks p(s) berukuran m p dengan elemen-elemen polinomial berderajad kurang dari n sedangkan derajad dari p(s) sama dengan n. Sebagaimana telah kita diskusikan sebelumnya, pole-pole dari H(s) adalah titik-titik dimana H(s) mempunyai singularitas, yaitu titik s0 dimana lim H(s) tidak ada. Nilai-nilai karakteristik dari A merupakan calon titik-titik pole, tetapi tidak perlu keseluruhannya merupakan pole.
ss0
Contoh 40 Bila A= maka (sI A)1 = s+1 0 0 s+2 1 = (s + 1)(s + 2) 1 0 s+1 = . 1 0 s+2
1
1 0 0 2
B=
1 0
dan C = (1 1),
s+2 0 0 s+1
208
Terlihat matriks (sI A)1 mempunyai pole-pole di s = 1 dan s = 2. Sedangkan, 1 s+1 mempunyai hanya satu pole, yaitu di s = 1. C(sI A)1 )B =
Sebegitu jauh kita membahas sistem dengan D = 0. Bila D = 0 dan x0 = 0, maka

t
y(t) =
0
CeA(t ) B + D(t ) u( )d
dan fungsi matriks H(s) adalah: H(s) = C(sI A)1 B + L[D(t )] = C(sI A)1 B + D. Bila kita perhatikan matriks ini dengan rinci, terlihat bahwa elemen-elemennya merupakan fungsi rasional sejati, karena umumnya derajad dari pembilang sama dengan derajad dari penyebutnya. Contoh berikut menunjukkan ada fungsi transfer dimana elemennya bukan fungsi rasioanal. Contoh 41 Fungsi transfer dari sistem "rata-rata gerakan" adalah:
H(s) =
0
1 G(t)est dt = T
0
1.est dt =
1 est . sT
Fungsi transfer dan matriks transfer..
209
6.2
Fungsi transfer dan matriks transfer
Pada bagian ini utamanya akan kita kaji masukan tunggal keluaran tunggal sistem dierensial linear. Dalam kasus ini, matriks transfernya merupakan suatu fungsi skalar yang kita notasikan dengan h(s) sebagai ganti dari matriks transfer H(s) yang digunakan dalam sistem banyak masukan-banyak keluaran. Pada bagian ini, juga kita asumsikan derajad pembilang dari h(s) lebih kecil atau sama dengan dari derajad penyebutnya. Tanpa menghilangkan ke generalannya, secara eksplisit kita tulis h(s) sebagai berikut: h(s) = q(s) q0 sn + q1 sn1 + . . . + qn = n . p(s) s + p1 sn1 + . . . + pn (6.7)
Kita kenal dengan baik bahwa suatu polinomial derajad n bisa difaktorkan kedalam n suku-suku linear, oleh karena itu kita peroleh: h(s) = q(s) c(s b1 )(s b2 ) . . . (s bk ) = p(s) (s a1 )(s a2 ) . . . (s an ) (6.8)
dengan ai , bi C, c R dan k = n. Kita asumsikan bahwa q(s) dan p(s) tidak mempunyai faktor persekutuan. Bila punya, faktor-faktor persekutuan tsb. akan terkansel. "Zeros" dari pembilang p(s) yaitu a1 , a2 , . . . , an dinamakan "pole" dari fungsi transfer dan b1 , b2 , . . . , bk dinamakan "zeros" dari fungsi transfer. Alasan dari terminologi yang dikenalkan adalah sebagai berikut. Misalkan diberikan masukan: u(t) = es0 t , t 0 0, t < 0
210
maka transformasi Laplace dari keluran diberikan oleh: Y (s) = c(s b1 )(s b2 ) . . . (s bk ) 1 . (s a1 )(s a2 ) . . . (s an ) s s0
Bila s0 = bi , i = 1, 2, . . . , k, maka Y (s) bisa difaktorkan sebagai berikut: Y (s) = A1 A2 An An+1 + +...+ + , Ai C, (6.9) s a1 s a2 s an s s0
dimana untuk alasan penyederhanaan, kita asumsikan bahwa semua pole ai mempunyai "multisitas satu". Transformasi invers dari (6.9) menghasilkan: y(t) = A1 ea1 t + A2 ea2 t + . . . + An ean t + An+1 es0 t , dalam hal ini n suku-suku pertama dinamakan "mode bebas" dari sistem. Suku yang terakhir adalah suatu hasil dari masukan. Selanjutnya, bila s0 = bi untuk beberapa i, nisalnya saja i = 1, maka Y (s) = c(s b1 )(s b2 ) . . . (s bk ) 1 . (s a1 )(s a2 ) . . . (s an ) s b1 c(s b2 )(s b3 ) . . . (s bk ) = (s a1 )(s a2 ) . . . (s an ) A1 A2 An = + + ...+ Ai C. s a1 s a2 s an
Terlihat bahwa frekuensi dari signal masukan s0 tidak nampak dalam signal keluaran, hanya mode bebas yang nampak. Zeros dari sistem adalah frekuensi-frekuensi yang bukan merupakan bagian bentuk dari signal keluaran. Matematika-Sistem, Copyright: c 2010 Subiono
211
Denisi 8 Bila semua nilai karakteristik i bagian riilnya adalah negatif, waktu-konstan yang berkaitan dengan sistem di denisikan sebagai 1 = mini {Re(i )}. Denisi 9 Sistem masukan tunggal keluaran tunggal x(t) = Ax(t) + Bu(t), y(t) = Cx(t) adalah suatu sistem bukan phase minimum bila setidaknya satu zeros bagian rill nya positip. Contoh 42 Diberikan fungsi transfer suatu sistem: s2 s + 1 3 4 = + . + 5s + 6 s+2 s+3
Terlihat bahwa sistem ini bukan phase minimum. Bila masukan fungsi Heaviside dikenakan pada sistem, maka keluaranny adalah 3 4 y(t) = (1 e2t ) (1 e3t ), t 0. 2 3 Bisa kita cek bahwa y(0) = 0 dan y() = 1 > 0; hal ini menyim6 pulkan bahwa suatu masukan bernilai positip diperoleh dalam waktu yang begitu lama. Untuk suatu umpan balik stabil, cenderung kita pilih u(t) = ky(t) dengan k < 0. Karena y(t) = 1 1 dan y() = 6 > 0, maka tanda dari y(t) untuk nilai-nilai t yang sangat kecil akan berbeda dengan tanda y(t) untuk nilai-nilai t yang begitu besar. Oleh karena itu pada kasus ini secara intuisi kita pilih kontrol umpan balik keluaran u(t) = ky(t). Jadi, untuk sistem-sistem bukan phase minimum dibutuhkan perhatian yang teliti bila kita ingin menggunakan suatu umpan balik keluaran. Matematika-Sistem, Copyright: c 2010 Subiono
212
Contoh 43 Lagi kita tinjau sistem dinamik satelit. Suatu versi dimana hanya satu fariabel masukan u( t) dan satu fariabel keluaran y2 (t) yang kita pertimbangkan. Dengan = 1, kita peroleh matriks-matriks: 0 1 0 0 0 3 0 0 2 0 A= 0 0 0 1 , B = 0 , C = 0 0 1 0 . 0 2 0 0 1 s2 3 Fungsi transfer ini adalah: 4 . Zeros dari sistem ini adalah s + s2 s = + 3 dan s = 3, secara tegasnya dalam frekuensi ini tak ada ossilasi sama sekali; s = 3 berkaitan dengan fungsi eksponensial yang mana tidak bisa membentuk suatu komponen signal keluaran. Tetapai karena sistem tidak stabil, maka mode yang dibangun oleh masukan tidak akan pernah habis sama sekali.
Suatu sistem dengan masukan dan keluaran tunggal x(t) = Ax(t) + Bu(t), y(t) = Cx(t) + Du(t) dimana u(t) dan y(t) skalar, menghasilkan suatu fungsi transfer (matriks berukuran 1 1) yang diberikan oleh: h(s) = C(sI A)1 B + D, (6.10) dimana derajad pembilang lebih kecil atau sama dengan derajad penyebut. Sebaliknya, untuk fungsi transfer dengan derajad Matematika-Sistem, Copyright: c 2010 Subiono
213
pembilang lebih kecil atau sama dengan derajad penyebut (=n), ada matriks A, nn, B, n1, C, 1n dan matriks D, 11 yang q(s) memenuhi (6.10). Misalkan diberikan fungsi transfer h(s) = p(s) dengan derajad q(s) derajad p(s). Pertama kita tentukan D, ada dua kemungkinan: 1. bila derajad q(s) < derajad p(s), maka ambil D = 0, 2. bila derajad q(s) = derajad p(s), maka, h(s) kita tulis sebagai berikut: h(s) = q0 sn + q1 sn1 + . . . + qn q(s) = p(s) sn + p1 sn1 + . . . + pn q0 (sn + p1 sn1 + . . . + pn ) = p(s) (q1 q0 p1 )sn1 + . . . + (qn q0 pn ) + p(s) q (s) , = q0 + p(s)
dimana derajad q (s) < derajad p(s). Dalam hal ini kita ambil D = q0 . Agar supaya sederhana, notasi q (s) kita tulis dengan q(s) yang tentunya berbeda dengan q(s) yang terdahulu. Dengan demikian kita bisa lanjutkan dengan bentuk rasional q(s) , dengan derajad q(s) < derajad p(s) p(s) dan matriks D sebagaimana yang telah kita tentukan yaitu D = q0 . Sehingga kita peroleh: q(s) = q1 sn1 + q2 sn2 + . . . + qn , p(s) = sn + p1 sn1 + . . . + pn . Matematika-Sistem, Copyright: c 2010 Subiono
214
Bila Y (s) dan U(s) masing-masing adalah transformasi Laplace dari y(t) dan u(t), maka Y (s) = h(s)U(s), atau ekivalen: p(s)Y (s) = q(s)U(s), atau sn Y (s) + p1sn1 Y (s) + . . . + pn Y (s) = q1 sn1 U(s) + . . . + qn U(s). (6.11) Selanjutnya kita awali dengan suatu q(s) yang khusus, yaitu kita tentukan q(s) = qn = 1. Oleh karena itu kita punyai suatu sistem yang berbeda dengan yang aslinya. Dalam hal ini sebagai pengganti keluaran y(t), kita gunakan z(t) dengan transformasi Laplaceny Z(s). Maka kita peroleh: sn Z(s) + p1 sn1 Z(s) + . . . + pn Z(s) = U(s), persamaan yang baru diatas merupakan transformasi Laplace dari dn z(t) dn1z(t) + p1 + . . . + pn z(t) = u(t) dtn dtn1
n1
(6.12)
(0) dengan kondisi awal z(0) = z(0) = . . . = dzdtn1 = 0. Per samaan (6.12) bisa ditulis sebagai sistem persamaan dierensial
215
tingkat satu berbentuk:

d dt = 0 0 0 0 n1 (t) dz pn pn1 . . . p2 dtn1 0 0 . + . u(t). . . . . 1 z(t) z(t) . . . . . . 0 0 . . . 1 0 . . . 0 1 . . . ... ... . . . z(t) z(t) . . . . 1 . . dz n1 (t) p1 0 0 . . .
dtn1
Jadi kita peroleh suatu sistem persamaan dierensial x(t) = Ax(t) + Bu(t), y(t) = Cx(t)
(t) dengan keadaan x(t) = z(t) z(t) . . . dz n1 dt
n1
dan
A= 0 0 0 0 pn pn1 . . . p2
0 0 . . .
1 0 . . .
0 1 . . .
... ... . . .
0 0 . , B = . , C = (1 0 . . . 0). . . 1 . . p1 1 (6.13) 0 0 . . .
Matriks-matriks dalam (6.13) merupakan suatu realisasi dari 1 h(s) = p(s) . Catatan, nilai karakteristik dari matriks A dalah pole-pole dari h(s) sebab det(sI A) = p(s). Selajutnya kita tinjau kasus untuk sebarang polinomial derajad pembilang q(s) < n. Transformasi Laplace invers dari (6.11) Matematika-Sistem, Copyright: c 2010 Subiono
216
dengan nilai awal semua derivatif dari u(t) dan y(t) sama dengan nol diberikan oleh:
dn dn1 dn1 y(t) + p1 n1 y(t) + . . . + pn y(t) = q1 n1 u(t) + . . . + qn u(t). dtn dt dt (6.14)
Penyelesaian z(t) pada (6.12) akan kita hubungkan dengan penyelesaian y(t) pada (6.14). Karena z(t) memenuhi (6.12), maka qn z(t) memenuhi: dn dn1 (qn z(t))+p1 n1 (qn z(t))+. . .+pn (qn z(t)) = qn u(t). (6.15) dtn dt Kita dierensialkan (6.12) dan sekaligus kita kalikan dengan qn , diperoleh: dn dn1 (qn z(t))+p1 n1 (qn z(t))+. . .+pn (qn z(t)) = qn u(t). (6.16) dtn dt Kita lanjutkan cara ini sampai kita peroleh:
dn dtn d d d d qni dti z(t) + p1 dtn1 qni dti z(t) + . . . + pn qni dti z(t)
i i n1 i i
d = qni dti u(t)
untuk i = 0, 1, . . . , (n 1). Bila kita jumlahkan semua persamaan ini, kita peroleh:
dn dtn d qn z + qn1 z(t) + . . . + q1 dtn1 z(t) + . . . + d +pn qn z + qn1 z(t) + . . . + q1 dtn1 z(t) d = qn u + q1 u(t) + . . . + q1 dtn1 u(t)
n1 n1 n1
(6.17)
217
Realisasi yang lain tentunya ada sebagaimana telah diuraikan pada bagian sebelumnya suatu transformasi kordinat dalam ruang keadaan tidak akan mengubah fungsi transfer. Realisasi yang diberikan dalam (6.18) dimanakan realisasi terkontrol baku atau bentuk kanonik terkontrol. Bentuk ini juga telah kita bahas pada bagian 4.4 dengan nama bentuk kompanion. Prosedur untuk memperoleh suatu realisasi diatas bisa dilakukan dengan menggunakan suatu diagram alir, berikut ini diberikan suatu diagram yang menjeleskan realisasi dari suatu fungsi transfer, khusus untuk n = 3. Notasi z (i) (t) yang Matematika-Sistem, Copyright: c 2010 Subiono
Bila kita bandingkan (6.14) dengan (6.17), kita peroleh penyelesaian tunggal y(t) pada (6.14) dengan semua nilai awal semua derivatif y(t) sama dengan nol adalah qn z + qn1 z(t) + . . . + dn1 q1 dtn1 z(t). Jadi dalam hal ini realisasi dari h(s) = q(s) dengan p(s) fariabel keadaan z(t) z(t) . . . dn1 z(t) dtn1 diberikan oleh 0 0 1 0 ... 0 0 0 0 1 ... 0 . . . , B = . . . A= . . . . . . . . . . . . . (6.18) . 0 0 0 0 1 . pn pn1 . . . p2 p1 1 dan C = (qn qn1 . . . q1 )
218
digunakan dalam Gambar 6.5 mempunyai arti derivatif ke-i dari z(t). q2 q1 u +
z (3) -p2 z (2) z (1) z
q0
-p1
-p0
Gambar 6.5: Diagram realisasi.
Dalam diagram Gambar 6.5 kotak menyatakan integral yang merupakan notasi singkat dari sistem x(t) = u(t); y(t) = x(t) dengan fungsi transfer 1 sedangkan masing-masing kotak pi s dan qi menyatakan perkalian dengan koesien didalam kotak tsb. Diagram menunjukkan juga bagaimana sistem bisa direalisasi dalam praktis (dibangun) bila kita mempunyai perangkat dalam bentuk blok-blok yang berupa integral, tambah dan kali. Hal ini sama dengan apa yang digunakan dalam komputer analog. Secara khusus dapat juga mengimplementasi atau membentuk sistem ini melalui dierensiator.Disain ini atau diagram alir diantara u(t) dan z(t) diberikan dalam Gambar 6.6.
219 z
z (3) -p2 -p1 -p0
z (2)
z (1)
Gambar 6.6: Diagram dierensiator.
Oleh karena itu dengan menggunakan superposisi kita peroleh diagram yang diberikan oleh Gambar 6.7. q0 u q1 q2
d dt d dt d dt
q0 z + q1 z + q2 z = y + -p2 -p1 -p0

Gambar 6.7: Diagram superposisi.
Diagram yang terakhir juga menguraikan sistem yang dikarakteristikan oleh h(s) = q(s) . Pada diagram ini telah kita gunakan p(s) blok
d dt
dierensiator. Sebagaimana diketahui secara teknik dif-
220
ferensiator sulit dibangun. Sebagai penggantinya lebih disukai menggunakan integrator sebab integrator ini mudah direalisasikan. Contoh 44 Dalam Contoh 43 telah kita kaji suatu masalah bentuk sistem dinamik satelit telah kita kaji dengan fungsi transfer s2 3 . s4 + s2 Suatu realisasi dari fungsi ini adalah: 0 1 0 0 0 0 0 1 0 0 x(t) = 0 0 0 1 x(t) + 0 u(t) 0 0 1 0 1 dan y(t) = 3 0 1 0 x(t). Berikut ini akan kita berikan bentuk khusus lain suatu realisasi dari fungsi transfer dinamakan bentuk kanonik teramati yang tidak kita kaji secara intensive. Disini fungsi transfer yang kita kaji diberikan dalam persamaan (6.7) hanya untuk q0 = 0; realisasi dari fungsi transfer tsb. diberikan oleh:
pn pn1 . A= . . p2 p1 1 0 ... 0 0 ... . . . . . . . . . 0 0 ... 0 0 0 0 qn qn1 0 . . , C = (1 0 0 . . . 0). ,B = . q2 1 0 q1 (6.19)
221
Sebelum kita akhiri bagian ini, akan kita berikan satu metoda q(s) lain yang juga merealisasikan fungsi transfer h(s) = dengan p(s) derajad q(s) < derajad p(s). Metoda yang diberikan berdasarkan pada faktorisasi dari h(s): h(s) = A1 A2 An q(s) = + + ...+ , p(s) s a1 s a2 s an
dimana ai adalah pole-pole dari h(s) yang untuk saat ini kita asumsikan bernilai riil dan mempunyai "multisiplisitas" satu.
1 sa1
A1 y A2 +
1 sa2
1 san
An
Gambar 6.8: Realisasi diagonal.
realisasi ini bisa kita pandang dalam suatu diagram blok yang diberikan dalam Gambar 6.8. Realisasi yang kita kaji ini diMatematika-Sistem, Copyright: c 2010 Subiono
Dalam kasus ini, suatu realisasi dari h(s) diberikan oleh: a1 . . . 0 1 . .. . x(t) + . u(t) x(t) = . . . . . . . 0 . . . an 1 y(t) = (A1 A2 . . . An ) x(t)
222
namakan realisasi diagonal. Sistem asli tingkat ke-n "terdikopel" kedalam n sub-sistem yang independen. Blok yang 1 berisi merupakan bentuk ringkas dari blok yang diberikan s ai dalam Gambar 6.9. 1 s ai
:=
ai
Gambar 6.9:
Bila p(s) = 0 mempunyai akar-akar real dengan multisiplisiti lebih besar dari satu, misalkan s = a dengan multisiplisiti dua, maka faktorisasinya diberikan oleh: h(s) = x1 1 sa A B + + ... s a (s a)2 1 sa x2 A + B
Gambar 6.10:
Suku-suku diatas secara bersama dapat direalisasikan seperti diberikan dalam Gambar 6.10. Bila keluaran dari dua blok inMatematika-Sistem, Copyright: c 2010 Subiono
223
tegrator dalam Gambar 6.10 berturut-turut dinotasikan dengan x1 (t) dan x2 (t), maka suatu realisasi ruang keadaan dari bentuk A B + s a (s a)2 diberikan oleh: x1 (t) x2 (t) = a 1 0 a x1 (t) 0 x (t) + u(t); y(t) = (B A) 1 . x2 (t) 1 x2 (t)
Terlihat bahwa matriks sistemnya adalah suatu blok Jordan berukuran 2 2. Bila dalam faktor-faktor p(s) berbentuk s2 + bs + c dengan 2 b 4ac < 0, maka dekomposisi kedalam suatu faktor riil adalah tidak mungkin. Contoh berikut memberikan suatu kemungkinan diagram alir dari kasus ini. Misalkan diberikan fungsi transfer berbentuk: s+2 . h(s) = 2 s + 2s + 5 Penyebut dari h(s) tidak dapat dikomposisi kedalam faktor-faktor riil. Oleh karena h(s) dapat ditulis sebagai: 2 1 s+2 1 (s + 1)2 s+1 h(s) = 2 = + , 2 s + 2s + 5 2 2 22 1+ 1+ (s + 1)2 (s + 1)2 sedangkan diagram alirnya diberikan dalam Gambar 6.11. Bila keluaran dari blok integrator dalam Gambar 6.11 berturut-turut kita notasikan dengan x1 dan x2 , maka realisasi ruang Matematika-Sistem, Copyright: c 2010 Subiono
224
u +
1 s + 1 x2
2 -2
1 s+1
x1
1 2
y +
Gambar 6.11:
keadaannya diberikan oleh: x1 (t) x2 (t) = 1 2 1 1 1 x1 (t) 0 x (t) + u(t); y(t) = ( 1) 1 . x2 (t) 1 x2 (t) 2
Latihan 35 Suatu sistem linear mempunyai fungsi transfer H(s) = 4s3 + 25s2 + 45s + 34 . 2s3 + 12s2 + 20s + 16
Dapatkan suatu realisasi dari fungsi transfer tsb. dalam bentuk kanonik-terkontrol dan kanonik-teramati. Latihan 36 Bila pasangan tripel matriks {A, B, C} dengan ukuran masing-masing n n, n 1 dan 1 n adalah suatu realisasi q(s) dari suatu fungsi transfer p(s) . Tunjukkan bahwa derajad dari q(s) = m bila dan hanya bila CAi B = 0, i = 0, 1, 2, . . . , nm2 dan CAnm1 B = 1.
Realisasi minimal..
225
6.3
Realisasi minimal
Pada bagian ini kita kaji suatu realisasi dari fungsi tranfer yang mempunyai dimensi ruang keadaan minimal, realisasi yang demikian kita namakan realisasi minimal. Berikut ini kita berikan suatu sifat dari realisasi minimal untuk sistem masukan tunggal dan keluaran tunggal.
Teorema 20 Suatu realisasi ruang keadaan dari fungsi transfer q(s) terkontrol dan teramati bila dan hanya bila q(s) dan h(s) = p(s) p(s) tidak mempunyai faktor persekutuan.
Bukti Bukti diberikan hanya untuk fungsi-fungsi transfer dengan realisasi diagonal, yaitu matriks sistem A diagonal. Perhatikan realisasi diagonal yang diberikan oleh: b1 1 . . . 0 . .. . , B = . , C = (c . . . c ). (6.20) A=. . . . 1 n . . . bn 0 . . . n realaisasi ini bersesuaian dengan fungsi transfer q(s) h(s) = = p(s)
n
i=1
gi , s i
226
dengan skalar bi , ci dan gi memenuhi bi ci trol Ktr diberikan oleh: b1 b1 1 b1 2 1 b2 b2 2 b2 2 2 . . . . . Ktr = . . . . bn1 bn1 n1 bn1 2 n1 bn bn n bn 2 n determinan dari Ktr adalah: 1 1 2 1 1 2 2 2 . . . . . det Ktr = det . . . . 1 n1 2 n1 1 n 2 n =
1i<jn
= gi . Matriks terkon... ... . . . b1 n1 1 b2 n1 2 . . .
, n1 . . . bn1 n1 ... bn n n
. . . n1 1 . . . n1 n 2 . . b . . i . . n1 i=1 . . . n1 . . . n n
(6.21)
(j i ).
Determinan bagian sebelah kanan persamaan (6.21) disebut determinan Van der Monde. Jadi det Ktr = 0 bila dan hanya bila i = j untuk semua i = j dan bi = 0 untuk semua i. Pernyataan yang terakhir cukup jelas, bila belaku sebaliknya yaitu bila bi = 0 untuk beberapa i maka komponen ke-i tidak dibangkitkan oleh masukan dan tidak dapat berada pada ruang bagian terkontrol. Jadi realisasi (6.20) terkontrol bila dan hanya bila i = j untuk semua i = j dan bi = 0 untuk semua i. Dengan argumentasi yang sama dapat ditunjukkan realisasi teramati bila dan hanya bila i = j untuk semua i = j dan ci = 0 untuk semua i. Untuk suatu realisasi bentuk (6.20) terkontrol dan Matematika-Sistem, Copyright: c 2010 Subiono
Realisasi minimal..
227
teramati, kita punyai bi = 0 dan ci = 0, oleh karena itu gi = 0. Ini berarti tidak ada faktor persekutuan dalam h(s). Sebaliknya, misalkan q(s) dan p(s) tak mempunyai faktor persekutuan dan andaikan realisasi (6.20) tak-terkontrol atau tak teramati. Maka dari itu det Ktr = 0; jadi i = j untuk beberapa i, j atau bi = 0 untuk beberapa i. Hal ini menjukkan bahwa q(s) dan p(s) mempunyai faktor persekutuan. Kenyataan ini bertentangan dengan hipotesa bahwa dalam h(s) tak ada faktor persekutuan. Jadi haruslah realisasi (6.20) terkontrol dan teramati.
Contoh 45 Diberikan sistem 1 2 1 0 0 x(t) + 0 u(t), y(t) = (1 1 1)x(t). x(t) = 0 1 1 4 3 1 (6.22) Matrik ketrkontrolan Ktr dan keteramatan T er, berturut-turut diberikan oleh: 0 1 4 1 1 1 0 , T er = 2 3 2 Ktr = 0 0 1 3 8 4 7 4 Kedua matriks Ktr dan T er adalah singulir. Bahkan bila hanya satu saja dari kedua matriks tsb. singulir sudah cukup untuk menyimpulkan bahwa fungsi tranfer dari sistem (6.22). Fungsi transfernya adalah: h(s) = (s 1)(s 2) 1 = . 2 (s 1)(s 2) s2
228
Jadi, perilaku masukan-keluaran sistem direalisasikan oleh (6.20) dengan ruang keadaan berdimensi tiga juga dapat direalisasikan oleh ruang keadaan berdimensi satu. Realisasi ini adalah: x(t) = 2x(t) + u(t), y(t) = x(t). Realisasi yang terakhir tsb. adalah realisasi minimal.
6.4
Metoda Frekuensi
Pada bagian ini kita tetap batasi pembahasan untuk sistem dengan masukan dan keluaran tunggal, oleh karena itu fungsi transfernya kita notasikan dengan h(s). Untuk suatu respon frekuensi kita tulis: h(i) = |h(i)| ei arg h(i) . Respon stasioner dari u(t) = u eit , u , R adalah: y(t) = h(i)u ei = |h(i)| u ei(t+arg h(i)) . Bila kita ambil bagian imajiner dari u(t): Im (u(t)) = u sin(t + ) = Im u ei eit respon stasionernya menjadi: Im (y(t)) = Im h(i)u ei eit = Im |h(i)| u ei(t++arg h(i)) = |h(i)| u sin (t + + arg h(i)) . Matematika-Sistem, Copyright: c 2010 Subiono (6.23)
Metoda Frekuensi..
229
Terlihat, respon stasionernya berbentuk sinus dengan amplitudo |h(i)| u . Phase dari ossilasi bertambah sebesar arg h(i). Jadi, sistem linear invarian-waktu dengan fungsi transfer h(s) mentransformasi suatu signal sinusiodal dengan frekuensi kebentuk signal sinusiodal yang lain dengan frekuensi , amplitudonya menjadi amplitudo asal dikalikan dengan |h(i)| dan phasenya bertambah sebesar arg h(i). Contoh 46 Kita kaji lagi contoh rangkaian elektrik RLC yang diberikan dalam Contoh 4. Bentuk ruang keadaan sistem diberikan oleh: x1 (t) x2 (t) =
1 0 C 1 L R L
x1 (t) + x2 (t)
0
1 L
u(t),
dimana masukan sistem u(t) = e(t). Fungsi transfer sistemnya adalah: h(s) = C(sI A)1 B = LCs2 1 . + RCs + 1
1 Jadi h(i) = LC2 +1+iRC . Pole-pole dari h(s) adalah akar1 akar dari s2 + R + LC = 0. Dapat ditunjukkan bahwa kedua L polenya mempunyai bagian ril negatif, jadi
y(t) |h(i)| u sin (t + + arg h(i)) , bila gunakan signal masukan u sin(t + ), kita peroleh: (1 LC 2 )2 + R2 C 2 2 RC arg h(i) = arctan . 1 LC 2 Matematika-Sistem, Copyright: c 2010 Subiono |h(i)| = 1
230
Secara lebih umum, bila suatu signal kombinasi dari sinusiodal dengan frekuensi yang memunkinkan berbeda dikenakan pada sistem, maka keluaran merupakan signal kombianasi sinusiodal tang lain dengan frekuensi sama dengan frekuensi masukan.
Fungsi-fungsi respon frekuensi sering digunakan dalam analisa jaringan, kontrol otomatik dan akustik. Ada dua metoda yang dikenal untuk secara grapik menampilkan h(i) guna memperoleh kesan dari perilaku sistem yang dikaji. Dua moteda ini secara singkat kita diskusikan. 1. Diagram Nyquist atau plot polar. Fungsi h(i) kita plot sebagai kurva dalam bidang dengan parameter yang bervariasi dari 0 sampai +. Bila kita lihat h(s) sebagai fungsi dari bidang kompleks ke bidang kompleks, maka diagram Nyquist adalah "image" dari h pada sumbu imajiner positif. 2. Diagram Bode atau diagram logarithma. Dalam hal ini h disajikan oleh dua grapik yaitu plot amplitudo: ln |h(i)| sebagai fungsi dari ln dan plot phase: arg(h(i)) sebagai suatu fungsi ln . Sebagai contoh, pada Gambar 6.12 diagram Nyquist dan Bode 1 dari sistem dengan fungsi transfer 1+ s , > 0. Skala ln |h(i)| diungkapkan dengan decibel (dB). Grapik |h(i)| "versus" mengungkapkan yang dapat melewati sistem dan gain. Jadi sistem dapat diinterpretasikan sebagai suatu lter dari signal masukan. Matematika-Sistem, Copyright: c 2010 Subiono
Metoda Frekuensi..
231 Amplitudo (dB)
2010 log |i| 0.01 1 0 Re 0 u=0 u=4 u = .5 -20 u=1 u=2
Im
0.1
1 u = T asimtot
-40 0 arg(h(i)) phase ( ) 0.01 0.1 0 -300 -600 -900
1 u = T
Gambar 6.12: Diagram Nyquist dan Bode.
|h|
B
|h|
gain
|h|
B
|h|
Gambar 6.13: Filter frekuensi rendah.
232
Dalam gambar yang pertama dari Gambar 6.13 hanya frekuensifrekuensi rendah yang akan melewati sistem, sedangkan frekuensifrekuensi tinggi dipotong. Filter-lter yang demikian tadi dinamakan suatu lter frekuensi rendah. Gambar-gambar yang lain menunjukkan macam-macam lter yang lain. Bandwidth B dari suatu sistem didenisikan sebagai range dari frekuensi signal masukan yang mana respon sistem akan memuaskan. Berikut ini kita uraikan suatu pemakaian sederhana dari suatu lter frekuensi rendah (lihat Gambar 6.13). Misalkan suatu signal gangguan yang biasanya merupakan signal-signal frekuensi tinggi. Bila kita ingin membersihkan gangguan ini, kita bisa gunakan suatu lter frekuensi rendah. Sebagai akibatnya, bagian signal keluran yang berkaitan dengan frekuensi tinggi dapat dihentikan. U(s) + Y (s)
H2 (s)
H1 (s)
Gambar 6.14:
Contoh 47 Kita tinjau kongurasi sistem umpan balik berikut yang diberikan oleh Gambar 6.14. Dalam Gambar 6.14, sistem dengan fungsi transfer H1 (s) biasanya dinamakan plan. Kita ingin mendisain suatu kontroler H2 (s) sedemikian hingga keseluruhan sistem umpan balik mempunyai karakteristik yang menyenangkan. Kontroler yang dikarakteristik oleh fungsi transfernya Matematika-Sistem, Copyright: c 2010 Subiono
Metoda Frekuensi..
233
bisa dipilih oleh disainer. Bisa ditunjukkan bahwa fungsi transfer keseluruhan sistem umpan balik diberikan oleh: H(s) = (I + H1 (s)H2 (s))1 H1 (s)H2 (s). Suatu kriteria disain yang mungkin adalah Y (s) sedapat mungkin mendekati U(s). Hal ini dinamakan "tracking". Suatu kemungkinan untuk memperoleh suatu sistem tracking yang baik adalah mendisain H2 (s) dengan suatu cara sehingga H1 (s)H2 (s) "besar", maka dari itu (I + H1 (s)H2 (s))1 H1 (s)H2 (s) I, hal ini berakibat Y (s) U(s). Untuk frekuensi yang kita pertimbangkan s diganti dengan i, kita denisikan S() sebagai: S() = (I + H1 (i)H2 ())1 , S() dinamakan operator sensititas. Suatu sistem dikatakan mempunyai karakterisitik sensititas yang baik bila (I + H1 (i)H2 ()) () untuk semua || 0 (bandwidth yang diingini), dimana () adalah suatu fungsi positip yang bernilai besar.
Contoh 48 Masalah dierensiator, misalkan y(t) = maka untuk u(0) = 0 kita peroleh:
du(t) ,t dt
R,
Y (s) =
0
st du(t)
dt
dt =
u(t)est 0
+s
0
u(t)est dt = sU(s).
Fungsi transfernya adalah h(s) = s, dalam hal ini derajad dari pembilang lebih besar dari penyebutnya, yaitu sistem adalah Matematika-Sistem, Copyright: c 2010 Subiono
234
tak-kausal. Sistem semacam ini secara teknik tidak bisa direalisasikan, sebab bila u(s) diketahui sampai saat waktu t, maka derivatif pada titik akhir s = t tidak ada. Selanjutnya karena |h(i)| = || ini berarti frekuensi tinggi dikenakan terus menerus dengan phase arg(i) = untuk semua frekuensi. 2
Berikut ini kita tinjau persamaan (6.6) dengan umpan balik H2 (s) = I dan H1 (s) merepresentasikan sistem masukan-keluaran tunggal, oleh karena itu kita ganti H1 (s) dengan h1 (s). Kita asumsikan fungsi transfer h(s) "sejati kuat" dan tidak mempunyai pole pada suumbu imajiner, asumsi yang akhir ini tidak begitu esensial tetapi hal ini hanya sekedar untuk penyederhanaan. Persamaan (6.6) menjadi: h(s) = h1 (s) . 1 + h1 (s)
Kita tinjau pemetaan h(i), dimana < < + dan h(i) adalah suatu kurva dalam domain kompleks. Untuk = kurva dinotasikan dengan , kita mulai dari titik asal, dan untuk = + kurva berakhir pada titik asal lagi. Oleh karena itu titik asal terletak didalam kurva tertutup . Teorema 21 Dengan formulasi asumsi diatas, banyaknya putaran mengelilingi titik 1 oleh kurva tutup searah dengan putaran jarum jam sama dengan banyaknya pole-pole tak-stabil dari sistem loop-tutup dikurangi banyaknya pole-pole tak-stabil dari sistem loop-buka.
Metoda Frekuensi..
235
Sistem loop-buka adalah sistem dengan fungsi transfer h1 (s), sedangkan sistem loop-tutup, merujuk pada sistem dengan umpan balik satuan I. Teorema 21 adalah versi sederhana dari teorema yang lebih umum yang dikenal dengan nama kriteria Nyquist yang bisa digunakan untuk mengecek apakah sistem loop-tutup stabil. Disini kita tidak memberikan bukti kriteria Nyquist. Kriteria ini berdasar pada teorema Teorema Cauchy dalam teori fungsi kompleks. Berikut ini, kita berikan teorema Cauchy. Teorema 22 Asumsikan bahwa h suatu fungsi rasional atau lebih umumnya suatu fungsi "meromorphic" yang tak mempunyai pole atau zeros pada suatu kurva tutup sederhana C. Lagipula kita asumsikan bahwa putaran pada C searah jarum jam. Maka integral berikut: d h(s) 1 ds ds 2 C h(s) sama dengan banyaknya pole-pole dalam C dikurangi banyaknya zeros dalam C.
Pembatasan umpan balik adalah I bukan dimaksudkan untuk membatasi kajian, sebagai mana yang kita lihat berikut ini. Untuk umpan balik h2 (s), persamaan (6.6) menjadi: h(s) = h1 (s) h1 (s)h2 (s) = h1 (s) 1 + h1 (s)h2 (s) 1 + h1 (s)h2 (s) 2
kita lihat bahwa ungkapan diatas sebagai suatu sistem seri dari dua subsistem yang dikarakteristik masing-masing oleh h1 h2 (1 + Matematika-Sistem, Copyright: c 2010 Subiono
236
h1 h2 )1 dan h1 asalkan keduanya terdenisi dengan baik. Sub2 sistem yang pertama adalah suatu sistem yang dikarakteristik oleh h1 h2 dengan suatu umpan balik I. Jadi kajian kestabilan dari suatu sistem dengan umpan balik bukan I bisa ditransformasi ke kajian kestabilan suatu sistem dengan umpan balik I dengan tambahan persyaratan bahwa sistem yang dikarakteristik oleh h1 ada. newpage 2
Daftar Pustaka
[1] G.J. olsder and J.W. van der Woude, "Mathematical Systems Theory", Faculty Technical Mathematics and Informatics Delft University of Technology, the Netherlands, (1994). [2] M. Gopal, "Modern Control System Theory", Wiley Eastern Limited, (1984). [3] C.T. Chen, "Linear System Theory and Design", Holt, Rinehart and Wistons, (1984). [4] R.E. Kalman, P.L. Falb and M.A. Arbit, "Topics in mathematical system theory", Tata McGraw-Hill Publishing Company LTD., (1974) [5] B. Friedland, "Control System Design", McGraw-Hill Book Company, (1987). [6] Richard Bronson, "Matrix Operations", International Edition, Schaums Outline Series, (1989). 237
238
DAFTAR PUSTAKA
[7] Elok Widihastuti, "Kajian Kriteria Kestabilan RouthHurwitz pada Sistem Linear Invarian Waktu", Tugas Akhir S1, Jurusan Matematika FMIPA-ITS, (2002) [8] Nunik Hariyani, "Kajian Dualitas Keterkontrolan dan Keteramatan pada Stabilisasi Sistem Kontrol Loop Tutup", Tugas Akhir S1, Jurusan Matematika FMIPA-ITS, (2002) [9] Fenti Rahayu, "Kajian Realisasi Minimal Fungsi Transfer dari suatu Sistem Linear Invarian Waktu", Tugas Akhir S1, Jurusan Matematika FMIPA-ITS, (2002)

Derdtr

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Derdtr

Diunggah oleh

Hak Cipta:

Format Tersedia

Matematika Sistem

Matematika-Sistem, Copyright: c 2010 Subiono

Matematika-Sistem, Copyright: c 2010 Subiono

Matematika-Sistem, Copyright: c 2010 Subiono

Surabaya, 22 April 2010 san Mate ru u

Matematika-Sistem, Copyright: c 2010 Subiono

Matematika-Sistem, Copyright: c 2010 Subiono

4.2 Keterkontrolan dan keteramatan . . . . . . . . . . 133

Matematika-Sistem, Copyright: c 2010 Subiono

139 142 150 154 160 161

Indeks Daftar Pustaka

Matematika-Sistem, Copyright: c 2010 Subiono

sekitar sistem realita

Gambar 1.1: Pengertian Sistem.

gangguan auto u kapal pilot

Pengontrol u mungkin adalah bentuk proporsional:

Matematika-Sistem, Copyright: c 2010 Subiono

Uraian ringkas isi..

Uraian ringkas isi

Matematika-Sistem, Copyright: c 2010 Subiono

Hukum-hukum prinsip sika..

Hukum-hukum prinsip sika

Hukum-hukum prinsip sika..

Matematika-Sistem, Copyright: c 2010 Subiono

Hukum-hukum prinsip sika..

Gambar 2.1: Hukum Kircho.

d2 (l cos ) = V mg, dt2

cos d = mgl cos ,

Matematika-Sistem, Copyright: c 2010 Subiono

lintasan pusat bumi

Gambar 2.3: Dinamika setelit.

Kita denisikan u = V, y = VC dan x= 0 1 1 LC R L ,B = 0

Matematika-Sistem, Copyright: c 2010 Subiono

Gambar 2.4: Struktur Mekanika.

Ketergantungan umur dinamika populasi

Matematika-Sistem, Copyright: c 2010 Subiono

Tinjau suatu bioreaktor yang disajikan dalam Gambar 2.5. Dalam

Gambar 2.5: Bioreaktor.

Matematika-Sistem, Copyright: c 2010 Subiono

Matematika-Sistem, Copyright: c 2010 Subiono

Matematika-Sistem, Copyright: c 2010 Subiono

dan persamaan keluaran diberikan oleh y(k) = (1 1 + ) x1 (k) + u(k) x2 (k)

Matematika-Sistem, Copyright: c 2010 Subiono

Matematika-Sistem, Copyright: c 2010 Subiono

Sistem dierensial linier

Uraian dalam dan uraian luar suatu sistem

Sistem dierensial linier..

Matematika-Sistem, Copyright: c 2010 Subiono

Uraian dalam dan uraian luar suatu sistem..

Matematika-Sistem, Copyright: c 2010 Subiono

Sistem dierensial linier.. L

i(t) e(t) i(t)

Uraian dalam dan uraian luar suatu sistem..

atau dalam bentuk matriks x1 (t) x2 (t) =

Matematika-Sistem, Copyright: c 2010 Subiono

Sistem dierensial linier..

Gambar 3.2: Keluaran dari integrator.

Gambar 3.3: Diagram blok RLC.

Uraian dalam dan uraian luar suatu sistem..

u(t) - x(t) = f (x(t), u(t), t) y(t) = g(x(t), u(t), t)

Gambar 3.4: Uraian "dalam" suatu sistem.

Matematika-Sistem, Copyright: c 2010 Subiono

Sistem dierensial linier..