Clases 2000

Notas de Clase Control Automtico 2
Julio H. Braslavsky jbrasla@unq.edu.ar 10 de julio de 2000
Resumen Estas notas son una transcripcin de las transparencias usadas para las clases de Control Automtico 2 dadas en el cuatrimestre de otoo de 2000. No pretende ser un apunte completo para el curso, sino una gua detallada para el estudio del material citado como biliografa recomendada, en el cual se basa.
ndice General
1 Introduccin 1.1 Introduccin a Control Automtico 2 1.1.1 Representacin Externa . . . 1.1.2 Representacin Interna . . . 1.1.3 Sistemas Estacionarios . . . 1.2 Panorama de la Materia . . . . . . . 1.3 Bibliografa y Material de Estudio . . 1.4 Cursado y Regularizacin . . . . . . 1.5 Calendario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 4 4 4 5 5 6 6 6 8 8 9 9 10 10 11 12 15 15 16 16 17 19 19 20 21 22 22 23 24 24 24 27 27 28 29 30 31 31 32 32 33 34 35
2 Descripcin Matemtica de Sistemas 2.1 Una taxonoma de sistemas . . . . . . . . . . . . . . . . 2.2 Sistemas Lineales . . . . . . . . . . . . . . . . . . . . . 2.3 Sistemas lineales estacionarios . . . . . . . . . . . . . . 2.3.1 Representacin entrada-salida . . . . . . . . . . 2.3.2 Representacin en Espacio de Estados . . . . . 2.4 Representacin en diagrama de bloques . . . . . . . . . 2.5 Linealizacin . . . . . . . . . . . . . . . . . . . . . . . . 2.6 Sistemas discretos . . . . . . . . . . . . . . . . . . . . . 2.6.1 Descripcin entrada-salida de sistemas discretos 2.6.2 Representacin en Espacio de Estados . . . . . 2.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . .
3 Herramientas de lgebra Lineal 3.1 Vectores y Matrices . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Bases y Ortonormalizacin . . . . . . . . . . . . . . . . . . . . 3.2.1 Norma de vectores . . . . . . . . . . . . . . . . . . . . . 3.2.2 Ortonormalizacin . . . . . . . . . . . . . . . . . . . . . 3.3 Ecuaciones Lineales Algebraicas . . . . . . . . . . . . . . . . . 3.4 Transformaciones de Similitud . . . . . . . . . . . . . . . . . . . 3.5 Forma Diagonal y Forma de Jordan . . . . . . . . . . . . . . . 3.5.1 Autovalores y autovectores . . . . . . . . . . . . . . . . 3.5.2 Forma Companion . . . . . . . . . . . . . . . . . . . . . 3.6 Funciones de Matrices Cuadradas . . . . . . . . . . . . . . . . 3.6.1 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.2 Polinomio mnimo . . . . . . . . . . . . . . . . . . . . . 3.6.3 Funciones matriciales no necesariamente polinomiales 3.6.4 Series de Potencias . . . . . . . . . . . . . . . . . . . . 3.6.5 Diferenciacin e Integracin Matricial . . . . . . . . . . 3.6.6 La Exponencial Matricial . . . . . . . . . . . . . . . . . . 3.7 Ecuacin de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . 3.8 Formas Cuadrticas . . . . . . . . . . . . . . . . . . . . . . . . 3.8.1 Matrices denidas y semi-denidas positivas . . . . . . 3.9 La Descomposicin en Valores Singulares (SVD) . . . . . . . . 3.10 Normas de Matrices . . . . . . . . . . . . . . . . . . . . . . . .
ndice General
3.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.12 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Solucin de la Ecuacin de Estado y Realizaciones 4.1 Solucin de Ecuaciones de Estado Estacionarias . . . . . . . . . . 4.1.1 Comportamiento asinttico de la respuesta a entrada nula 4.1.2 Discretizacin . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Ecuaciones de Estado Equivalentes . . . . . . . . . . . . . . . . . 4.2.1 Equivalencia a estado cero . . . . . . . . . . . . . . . . . . 4.2.2 Parmetros de Markov . . . . . . . . . . . . . . . . . . . . . 4.3 Formas Cannicas . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 Forma cannica modal . . . . . . . . . . . . . . . . . . . . 4.3.2 Forma cannica controlable . . . . . . . . . . . . . . . . . . 4.3.3 Forma cannica del controlador . . . . . . . . . . . . . . . 4.4 Realizaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 Realizacin Mnima . . . . . . . . . . . . . . . . . . . . . . 4.4.2 Sistemas Discretos . . . . . . . . . . . . . . . . . . . . . . . 4.5 Solucin de Ecuaciones de Estado Inestacionarias . . . . . . . . . 4.5.1 Matriz Fundamental . . . . . . . . . . . . . . . . . . . . . . 4.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . 4.6 Ecuaciones Inestacionarias Equivalentes . . . . . . . . . . . . . . 4.7 Realizaciones de Sistemas Inestacionarios . . . . . . . . . . . . . 4.8 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Estabilidad 5.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Estabilidad Entrada-Salida de Sistemas Estacionarios . . . . 5.2.1 Representacin externa . . . . . . . . . . . . . . . . . 5.2.2 Caso MIMO . . . . . . . . . . . . . . . . . . . . . . . . 5.2.3 Representacin interna . . . . . . . . . . . . . . . . . 5.2.4 Caso discreto . . . . . . . . . . . . . . . . . . . . . . . 5.3 Estabilidad Interna de Sistemas Estacionarios . . . . . . . . 5.3.1 Sistemas discretos . . . . . . . . . . . . . . . . . . . . 5.4 El Teorema de Lyapunov . . . . . . . . . . . . . . . . . . . . 5.5 Estabilidad Interna de Sistemas Discretos . . . . . . . . . . . 5.6 Estabilidad de Sistemas Inestacionarios . . . . . . . . . . . . 5.6.1 Estabilidad entrada/salida . . . . . . . . . . . . . . . . 5.6.2 Estabilidad interna . . . . . . . . . . . . . . . . . . . . 5.6.3 Invariancia frente a transformaciones de equivalencia 5.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Controlabilidad y Observabilidad 7 Especicaciones y Limitaciones de Diseo 7.1 Sensibilidad y Robustez . . . . . . . . . . . . . . . . 7.1.1 Perturbaciones . . . . . . . . . . . . . . . . . 7.1.2 Incertidumbre . . . . . . . . . . . . . . . . . . 7.2 Funciones de Sensibilidad . . . . . . . . . . . . . . . 7.3 Especicaciones de la Respuesta en Frecuencia . . 7.4 Robustez . . . . . . . . . . . . . . . . . . . . . . . . 7.4.1 Estabilidad Robusta . . . . . . . . . . . . . . 7.4.2 Desempeo robusto . . . . . . . . . . . . . . 7.5 Restricciones algebraicas en y . . . . . . 7.6 Especicaciones de diseo en la respuesta temporal 7.7 Restricciones en la Respuesta al Escaln . . . . . . 7.7.1 Efecto de ceros y polos en el eje imaginario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36 37 39 39 41 42 43 44 44 45 45 45 46 46 49 49 49 50 53 54 55 56 57 58 58 58 58 61 61 62 62 64 64 66 67 67 67 69 70 70 72 73 73 74 74 75 77 77 77 78 79 80 81 84
ndice General
7.8 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Realimentacin de Estados y Observadores 8.1 Panorama del captulo . . . . . . . . . . . . . . . . . . . . . . 8.2 Nota Histrica . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.3 Realimentacin de Estados . . . . . . . . . . . . . . . . . . . 8.3.1 Otra receta para calcular . . . . . . . . . . . . . . . 8.4 Estabilizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.5 Regulacin y Seguimiento . . . . . . . . . . . . . . . . . . . . 8.5.1 Seguimiento Robusto: Accin Integral . . . . . . . . . 8.6 Observadores . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.6.1 Una primer solucin: Observador a lazo abierto . . . 8.6.2 Una solucin mejor: Observador a lazo cerrado . . . 8.6.3 Observador de orden reducido . . . . . . . . . . . . . 8.7 Realimentacin de estados estimados . . . . . . . . . . . . . 8.8 Realimentacin de estados caso MIMO . . . . . . . . . . . 8.8.1 Diseo Cclico . . . . . . . . . . . . . . . . . . . . . . 8.8.2 Diseo via Ecuacin de Sylvester . . . . . . . . . . . 8.8.3 Diseo Cannico . . . . . . . . . . . . . . . . . . . . . 8.9 Observadores MIMO . . . . . . . . . . . . . . . . . . . . . 8.9.1 Observador MIMO de orden reducido . . . . . . . . . 8.9.2 Nota Histrica . . . . . . . . . . . . . . . . . . . . . . 8.10 Consideraciones de diseo . . . . . . . . . . . . . . . . . . . 8.10.1 Dicultades de la realimentacin de ganancia elevada 8.10.2 Resumen del proceso de diseo . . . . . . . . . . . . 8.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.12 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Introduccin al Control ptimo 9.1 Introduccin . . . . . . . . . . . . . . . 9.1.1 El Principio de Optimalidad . . 9.1.2 Nota Histrica . . . . . . . . . 9.2 Control LQ discreto . . . . . . . . . . . 9.2.1 Transicin !" . . . . 9.2.2 Transicin $#% !" . . . . 9.2.3 Transicin '&()" . . . . . . 9.3 Control LQ en tiempo continuo . . . . 9.4 Control LQ de Horizonte Innito . . . . 9.5 Estimadores ptimos . . . . . . . . . 9.5.1 Modelos de sistemas con ruido 9.5.2 Filtro de Kalman discreto . . . 9.6 Notas . . . . . . . . . . . . . . . . . . 9.7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
86 87 89 89 90 90 94 94 94 97 98 99 99 101 102 104 104 106 107 107 108 108 108 109 110 110 112 114 114 114 115 116 116 117 117 119 119 121 121 122 125 126
Captulo 1
Introduccin
1.1 Introduccin a Control Automtico 2
Esta materia es un curso avanzado en sistemas lineales y tcnicas de control, que introduce la representacin y el diseo de sistemas en dominio temporal. Los sistemas a los que nos referiremos a lo largo de la materia son representaciones matemticas de sistemas fsicos, y el tipo de representacin considerada son las ecuaciones en variable de estado. En general, vamos a asumir que el modelo del sistema fsico est disponible. Es decir, no vamos a profundizar en la obtencin de este modelo, que puede hacerse utilizando tcnicas de modelado a partir de leyes fsicas (como en Procesos y Mquinas), o a travs de estimacin paramtrica (como en Identicacin).
1.1.1 Representacin Externa

A partir de la propiedad de linearidad, un sistema puede describirse mediante la ecuacin integral
La ecuacin (1.1) describe la relacin entre la seal de entrada y la seal de salida 0 , ambas funciones, en 1 general vectoriales, de la variable real , el tiempo. Este tipo de representacin es entrada-salida G o externa, y el sistema en s est descripto como un operador, denotmoslo T , que mapea la funcin en 0 ,
0 213547698 C1CDFE(HGIPE(RQS1 8 @BA
(1.1)
Para cada posible seal de entrada , el operador T computa la salida 0 a travs de la integral (1.1), que est denida por la funcin , intrnseca al sistema.
GXW TVU 0 0 4 T G 0 21FY4`6 8 C1CDFE(HGIPE(RQS1cb 8 @aA A
1.1.2 Representacin Interna

La descripcin externa (1.1) vale para sistemas a parmetros distribuidos (como las lneas de transmisin de energa elctrica). Cuando el sistema es a parmetros concentrados, entonces tambin puede describirse por ecuaciones del tipo
1Fihgpq21FHGrC13 e d 21F4gf"21F e 2 1FShwvx21FHGI21F(b 0 21354tsuC13 e 2
(1.2) (1.3)
Notar que la ecuacin (1.2) es un sistema de ecuaciones diferenciales de primer orden, mientras que la ecuacin (1.3) es un sistema de ecuaciones algebraicas. Conforman lo que se conoce como representacin interna de sistemas lineales. Como el vector e se denomina el estado del sistema, el conjunto de ecuaciones (1.2), (1.3) se denominan ecuacin en espacio de estados, o simplemente, ecuacin de estado. 4
1. Introduccin
1.1.3 Sistemas Estacionarios

Si el sistema es lineal, adems de ser a parmetros concentrados, estacionario, entonces las ecuaciones (1.1), (1.2) y (1.3) se reducen a
1354 6 0 2 e d 21F4gf 0 21354ts y
8 C 1 E(HGIPE( Qi1 A 2 F 1 S w h pBGI213 e e 21F(hgvGI21F(b
(1.4) (1.5) (1.6)
I G 0 54 (1.7) A B4q C13C donde la funcin es la funcin o matriz transferencia del sistema. Ambas (1.4) y (1.7) son representaciones A externas; (1.4) en el dominio temporal, y (1.7) en el dominio frecuencial. A
Para los sistemas lineales estacionarios es posible aplicar la transformada de Laplace, que es una herramienta importante en anlisis y diseo (Control Automtico 1). Aplicando la transformada de Laplace a (1.4) obtenemos la familiar representacin
1.2
Panorama de la Materia
3.9. Formas cuadrticas y matrices denidas positivas 3.10. Descomposicin en valores singulares 3.11. Normas de matrices 4. Solucin de la Ecuacin de Estado y Realizaciones 4.1. Solucin de ecuaciones de estado estacionarias 4.2. Cambio de coordenadas 4.3. Realizaciones 4.4. Sistemas lineales inestacionarios 5. Estabilidad 5.1. Estabilidad entrada-salida 5.2. Estabilidad interna 5.3. Teorema de Lyapunov 2.1. Una taxonoma de sistemas 2.2. Sistemas lineales 2.3. Sistemal lineales estacionarios 2.4. Linealizacin 2.5. Sistemas discretos 6. Controlabilidad y Observabilidad 6.1. Controlabilidad 6.2. Observabilidad 6.3. Descomposiciones cannicas 6.4. Condiciones en ecuaciones en forma de Jordan 6.5. Ecuaciones de estado discretas 6.6. Controlabilidad y muestreo 6.7. Sistemas inestacionarios 7. Especicaciones y Limitaciones de Diseo 7.1. Funciones de sensitividad 7.2. Especicaciones de diseo 7.3. Limitaciones en la respuesta temporal 5.4. Estabilidad de sistemas inestacionarios
1. Introduccin 2. Descripcin Matemtica de Sistemas 3. Herramientas de lgebra Lineal 4. Solucin de la Ecuacin de Estado y Realizaciones 5. Estabilidad 6. Controlabilidad y Observabilidad 7. Especicaciones y Limitaciones de Diseo 8. Realimentacin de Estados y Observadores 9. Introduccin al Control ptimo
2. Descripcin Matemtica de Sistemas
3. Herramientas de lgebra Lineal 3.1. Vectores y matrices 3.2. Bases y ortonormalizacin 3.3. Ecuaciones lineales algebraicas 3.4. Transformaciones de similaridad 3.5. Forma diagonal y forma de Jordan 3.6. Funciones matriciales 3.7. Ecuacin de Lyapunov 3.8. Algunas frmulas tiles
1. Introduccin
7.4. Limitaciones en la respuesta frecuencial 8. Realimentacin de Estados y Observadores 8.1. Realimentacin de estados 8.2. Regulacin y seguimiento 8.3. Observadores 8.4. Realimentacin de estados estimados 8.5. Realimentacin de estados Caso MIMO 8.6. Observadores Caso MIMO
8.7. Realimentacin de estados estimados Caso MIMO 9. Introduccin al Control ptimo 9.1. El principio de optimalidad 9.2. Regulador ptimo cuadrtico 9.3. Estimador ptimo cuadrtico 9.4. Control ptimo cuadrtico Gaussiano
1.3
Bibliografa y Material de Estudio
El programa sigue principalmente los libros (en ingls, sorry!) 1. Chi-Tsong Chen. Linear System Theory and Design. Oxford University Press, 3rd edition, 1999. 2. John S. Bay. Fundamentals of Linear State Space Systems. WCB/McGraw-Hill, 1999. Otros libros recomendados: 3. Wilson J. Rugh. Linear System Theory. Prentice Hall, 2nd edition, 1995. 4. T. Kailath. Linear Systems. Prentice Hall, Englewood Cliffs, NJ, 1980. 5. E.D. Sontag. Mathematical control theory. Deterministic nite dimensional systems. Springer-Verlag, 2nd edition, 1998.
1.4
Cursado y Regularizacin
Regularizacin: La materia se regulariza aprobando los dos parciales y los trabajos prcticos con un promedio de por lo menos 60%. De ser necesario, habr un parcial recuperatorio. Aprobacin: La materia se aprueba en el examen nal, consistente de dos partes: prctica y coloquio. Para regulares, la prctica cubre los captulos no includos en los trabajos prcticos y parciales. No regulares (libres) rinden prctica sobre toda la materia. El coloquio es no promocionable y cubre toda la materia. El promedio de regularizacin contribuye a la nota del examen nal en la siguiente proporcin: Parciales: Trabajos Prcticos: Prctica Final: Coloquio Final: 40% 20% 20% 20%
1.5
Calendario
L UNES M ARTES Clase 1 7 8 2 15 2 22 3 M IRCOLES Clase 2 9 J UEVES 10 V IERNES
Mar 6 1 13 2 20 3
Clase 3
14
Clase 4
16
17
Clase 5
21
Clase 6
23
24
1. Introduccin
L UNES 27 3 Abr 3 4 10 4 17 5 Clase 7 28
M ARTES 29 3 5 4 12 4 19 5
M IRCOLES Clase 8
J UEVES 30 31
V IERNES
Clase 9
Clase 10
Clase 11
11
Clase 12
13
14
Clase 13
18
Clase 14
20 Jueves santo 27 Mesas de abril 4
21 Viernes santo 28 Mesas de abril 5
24 Clase 15 Mesas de abril 5 May 1 D. del Trabajador 8 6 15 6 22 7 29 7 5 8 Clase 17
25 Mesas de abril 2
26 Clase 16 Mesas de abril 6 3 Primer parcial 10 6 17 7 24 7 31 8 7 8 14 8 21 9 28 9 5 9 Clase 18
11
12
Clase 19
16
Clase 20
18
19
Clase 21
23
Clase 22
25
26
Clase 23
30
Clase 24
Jun 1
Clase 25
Clase 26
12 Segundo parcial 19 8 26 9 Jul 3 9 Clase 28
13
Clase 27
15
16
20
Clase 29
22
23
Clase 30
27
Clase 31
29
30
Clase 32
Clase 33
7 Entrega de Actas
Captulo 2
Descripcin Matemtica de Sistemas

2.1 Una taxonoma de sistemas
G
Uno de los problemas ms simples en robtica es el control de la posicin de un brazo simple de robot usando un motor colocado en la junta. Matemticamente, este sistema no es ms que un pndulo controlado por torque. Asumiendo que la friccin es despreciable, que el brazo es rgido, y que toda la masa del brazo est concentrada en el extremo libre, aplican do las leyes de Newton, el ngulo respecto de la vertical est dado por la ecuacin diferencial
C13h XH 21F4GrC13Rb
(2.1)
El brazo simple de robot es un ejemplo de lo que se llama un sistema dinmico, causal, de tiempo continuo, nito-dimensional, no lineal y estaFigura 2.1: Pndulo cionario. Dinmico se1 reere a que d las variables que denen el estado del brazo G en un instante dado, y , no dependen en forma instantnea del torque de control . Si por ejemplo se aplica un valor de torque constante, tomar un tiempo no nulo en alcanzar su valor de equilibrio. Un sistema no dinmico es esttico, y en l la salida depende en forma instantnea de la entrada. Un ejemplo es un G 0 amplicador electrnico donde efectos capacitivos e inductivos son despreciables. Los sistemas estticos suelen llamarse tambin sin memoria. Un sistema es causal o no anticipativo si la salida en un Figura 2.2: Amplicador instante dado depende de los valores presentes y pasados de la entrada, y no de valores futuros. Sistemas anticipativos o predictivos pueden adivinar entradas futuras. Ningn sistema fsico real es anticipativo. La salida actual de un sistema causal depende del pasado de la entrada. Pero cunto tiempo atrs tienen efecto valores pasados de la entrada? Estrictamente, habra que volver atrs en el tiempo hasta , lo que no es muy prctico. El concepto de estado salva este problema.
e y y El estado un en el instante y es la informacin junto Gr21F de 1 tsistema 1y C13 en que 1 1 y con la 0 entrada para determina unvocamente la salida para todo .
El estado e y resume d 1 y toda la historia del sistema desde hasta y : conociendo el valor deG ngulo y velocidad angular en , podemos predecir la respuesta del brazo de robot a valores de torque para todo 11 y .
21
21
Podemos pensar 1Yt1 y que la entrada para sistema para
1ud1 y
y las condiciones iniciales e
21 y
determinan la evolucin del
1 2 e 21FHDS1t1 yBegf e GI213y 2 Di11 y
e El ejemplo en un instante cualquiera 1 del brazo de robot es nito-dimensional, puesto que el estado de tiempo puede ser caracterizado completamente por un nmero nito de parmetros (en este caso, dos: ngulo y velocidad angular). Un ejemplo de sistema innito-dimensional aparece en el problema de regulacin de la temperatura del aula por medio de acondicionadores de aire. La temperatura aparece como una distribucin en todo el volumen del aula, y su caracterizacin completa requiere un nmero innito de datos (la temperatura en todos los puntos del aula). 1 El trmino en tiempo continuo se reere al hecho de que la variable es continua, en contraste al caso de un sistema denido por una ecuacin diferencia e ih h7j 4f e ih hgpG e b
C13
2.2
Sistemas Lineales
k 21 y ek 21FHDS1t1 y e f e G k 21FHDl11 y
Un sistema se llama lineal si cumple con el principio de superposicin, es decir, dados dos pares de condiciones iniciales y entradas, para
4nj%DpouD
(2.2)
tenemos que
21 Sh 21 y e%q C13h er 21FHDS1t1 yBe f e G q 21Fy ShwG e r 21FH q r Di1t1 y C1 s ek 21FHDS1t1 y e f s e G k C13y HDS11 sut$v b s k y
(2.3) (2.4)
La propiedad (2.3) es de aditividad, y la propiedad (2.4) de homogeneidad. La combinacin de ambas es la propiedad de superposicin La propiedad de aditividad permite considerar la respuesta del sistema como la superposicin de la respuesta a condiciones iniciales y excitacin aplicadas por separado.
e 21FY4 ew C13h ex 21FHDl1Yt1 yBe { zyz zz 2132Dl1t1 ex y zzz z|
e w 21FHDS11 y
e C1 y e f r G 21F4w}~DS1t1 y e C1 y 54`} e f Gr21FHDi11 y
La respuesta de un sistema lineal es la superposicin de su respuesta libre (a condiciones iniciales, sin excitacin) y su respuesta forzada (a excitacin, con condiciones iniciales nulas relajado).
Los sistemas no lineales, como el brazo de robot, no cumplen con el principio de superposicin.
2.3
Sistemas lineales estacionarios

C1 y e 2132Di11 y e f e r G 21FHDS11 y
Un sistema es estacionario si para cada par condiciones iniciales y entrada (2.5)
10
y cada
tv
, tenemos que (2.6)
1 HDS1t1 y h ef e C1 y h e 2 Gr21 (h`G r 21FHDS11 y h b
Es decir, el sistema responde da la misma respuesta, corrida en tiempo, si se le aplica la misma entrada corrida con iguales condiciones iniciales. Un sistema que no cumple esta propiedad se dice inestacionario.
2.3.1 Representacin entrada-salida

Por superposicin se deduce la representacin de sistemas lineales mediante la integral de convolucin
donde es respuesta al impulso: la salida del sistema a un impulso unitario (Chen 1999). La causalidad implica que causalidad
0 2135476V C1CDFE(HGIPE(RQIED 21D3ER 21CDFE(54`}
(2.7)
21F
en el instante
para
1uE
y como las condiciones iniciales se asumen nulas, (2.7) se reduce a
0 2135476 8 C1CDFE(HGIPE(RQIEb 8@ Si el sistema tiene entradas y vH .
salidas, entonces hablamos de la matriz de respuesta al impulso
se reduce a
21D3E(54 21Rh D3Eh Y4 21 E Dp}Rb 21 c E Dp} 1 E( 2 As podemos redenir simplemente como . La representacin entrada-salida del sistema 1 E(HGIPE(RQIE476 8 E(HGI21 E( QrEb 0 2135476 8 C y y
La condicin de causalidad para un sistema lineal estacionario se reduce a
Si el sistema es estacionario entonces para cualquier
se cumple
21D3ER t
21F4w}
para
19}
2.3.2 Representacin en Espacio de Estados

Todo sistema lineal nito-dimensional puede describirse mediante ecuaciones de estado (EE)
1Fihgpq21FHGrC13 e d 21F4gf"21F e 2 1FShwvx21FHGI21F(b 0 21354tsuC13 e 2
j Para sistema de orden , el vector de estados es un vector B , es decir que tiene variables de estado, 13 un tvY para cada 1 . Si el sistema tiene entradas y salidas, entonces Gr21F tv e 0 C13 tv . Las e 2 fuDpD2s5DHv
matrices se suelen llamar
f $ t v U p tv U
de evolucin de entrada
s $ t vH U v tvH U
de salida de ganancia directa
Cuando el sistema es adems estacionario, entonces la representacin en EE se reduce a
e d 21F4gf e 21FShwpBGI213 1F(hgvGI21F(b 0 21354ts e 2
(2.8)
11
Aplicando la transformada de Laplace a (2.8) obtenemos
e e }4gf 54ts 0
hgp I G e Shgv r G P(D e P
de donde siguen
En M ATLAB las funciones tf2ss y ss2tf permiten pasar de una representacin a otra.
qp e }Sh Y f qp G qp e q (2.9) }Sh su Y f p hgv Gr P(b P 0 e } Gr P y de y . Las transformadas inversas Las ecuaciones permiten computar e 21F 0 21F algebraicase (2.9) }Y4w } e dan e . Asignando vemos que la matriz transferencia del sistema es Y4su fY q phwv A 54 fY e f 0 54 Y
Ejemplo 2.1. Supongamos que el brazo de robot trabaja tomando objetos de distinta masa. Entonces vara con cada objeto y tenemos que escribir
1F " 21FSh 2 C13 H 21F4tGr21F(b
El sistema se convierte en inestacionario. Ejemplo 2.2. Consideremos un cohete a reaccin que asciende en forma vertical de la supercie de la tierra. Gy } p La fuerza de propulsin es el producto , donde es la velocidad relativa de escape de gases, y G y 9} d C13 , supuestas constantes. la velocidad de variacin de masa Asumiendo la aceleracin de la gravedad constante,
13 21F54 21F h G y b C d C134G y , entonces 21F4 y hG y 1 . Deniendo e q 21F U 4 21F y Como er 21F U 4 d 21F y tomando como salida la altura, llegamos a la representacin en EE } e d q 213 4 } j e q 213 h D e }54`} h } } e r 213F e d r 213F @ @ @ 8 21F 0 21F4 j} ee rq 21F
El sistema es lineal, de dimensin 2, e inestacionario.
d C13 21F
Figura 2.3: Cohete
2.4
Representacin en diagrama de bloques

2 F 1 o eq h } 2 F 1 er q C13 hcGI21F C13F r
El diagrama de bloques se obtiene en forma directa de las EE. Ejemplo 2.3. El sistema
13 4 o }b ed q 2 13F j der 2 q 0 21F4 o ee
(2.10)
tiene el diagrama de bloques de la Figura 2.4.
12
o GrC13 o }~b e d r 21F

Figura 2.4: DB del sistema (2.10)
e d q 213
e q 21F o
0 C13
er 21F
2.5
Linealizacin
13HDHGrC13HD e e d 21F4d% e C 13HDHGrC13HD e 0 21354 e C 21 y H D13RD e 2 1 y Y4 e y 21 y H D13RD
La gran mayora de los sistemas fsicos son no lineales. Una clase importante de ellos se puede describir por las ecuaciones de estado (2.11)
donde y son campos vectoriales no lineales, es decir, escrita en trminos escalares, la componente m de e d 213 en (2.11) es
132G q 21FHDbHbbDHG 21FH e q 2 1 y HDHbbHbD e 2 1 H1F e d k 21F4n k e q 21FHDbHbbD e 2 y
ek C1 y 54 ek y b
Este tipo de sistemas se trata en detalle en Sistemas No Lineales. Una ecuacin de estado lineal es una herramienta til para describir sistemas como (2.11) en forma aproximada. El proceso de obtencin de un modelo lineal a partir de uno no lineal se llama linealizacin. La 21Flinealizacin e y GI213 se realiza alrededor de un punto o trayectoria de operacin, denida por valores nominales e , y que satisfacen (2.11),
e 21FHDS1t1 yBegf
e 21 y GI2132Di11 y
Nos interesa el comportamiento de la ecuacin para una entrada y estado inicial cercaGI213 4 GI213no hGHlineal 213 (2.11) e y 4 e y h e y para GHC13 y e y sucientemente nos a los valores nominales, es decir y 1t1 y pequeos para . 21F4 e C13h Suponemos que la correspondiente solucin permanece cercana a la nominal, y escribimos e e C13 para cada 1t1 y . En trminos de la ecuacin de estado no lineal (2.11) tenemos
G 21FShwGHC13HD132D e 2 1 Sh 21 Y4 e y h e y e d 21FSh e d 213Y4d e 21FSh e C13HD y e y
13
Asumiendo2diferenciabilidad, podemos expandir el lado derecho de esta ecuacin usando series de Taylor C13 e 13 y Gr alrededor de , reteniendo slo los trminos de G 1 primer orden. Notar que la expansin es en trminos de e y ; no se hace con respecto a la tercer variable . Especicamos la operacin para la componente e C13 ey m , que queda 1
e y
e 21F
e 21F
k e h e D GqhgG D1Fn k e D GrD1F k h e D GrD1F e q hH2h k e D eq e k h G e D GD132G q hw2Hh G k q
GD13 e e D GD132G 4jDbbHbHD

(2.12)
Figura 2.5: Trayectoria de operacin y aproximacin
213Yd e 21FHD Gr21Fph e D GD13 e 5h G e D GrD1FHGH e d 21FSh e d e x donde la notacin representa el Jacobiano, o Matriz Jacobiana, del campo vectorial con respecto a e , x x bbHb x x Cx bbHb x bbC bbbHb H b H b b b bH b e x x bbHb x C d C134% e C13HD G21FHD13RD e 21 y 4 e y D 213 G221F Dado que e la relacin entre e y (el modelo incremental) queda
aproximadamente descripto por una EE lineal inestacionaria de la forma
Repitiendo la operacin para cada m y volviendo a la notacin vectorial, obtenemos
21 y 54 e y e y e d 21F54gf"21F e 21FShwp21FHG22132D e `
donde
De igual manera se expande la ecuacin de salida cin lineal
f"21FY4 e 2 1FHD r G 21FHD1F(Dp21F4 G e 21FHD I G 21FHD1F(b e 0 213Y4 e C13HDHGrC13HD13 0 21F47su21F e 213ShgvxC13HG 21FHD
donde 0 y
, de donde obtenemos la aproxima-
21F4 e 21FHD r G 21FHD1F 21FY4 0 2 1F 0 213 , con 0
su21F54 e C13HD G 21FHD13RDvX213Y4 G e C13HD G 21FHD13Rb e
Notar que las EE por linealizacin van a ser en general inestacionarias, an cuando las fun obtenidas ciones originales y sean estacionarias, debido a que las matrices Jacobianas se evalan a lo largo de trayectorias y no puntos estacionarios. Ejemplo 2.4. Consideremos el pndulo invertido sobre un carro mvil de la Figura 2.6. Las ecuaciones de movimiento son
Gqh d r 2H "2 i 0 4 h H r Gl d r CH l "hw h 2 b 4 r h 2
14
G 0
Figura 2.6: Pndulo invertido.
(es un equilibrio). Las matrices son
4 e 4 d d 4d% e DHG , donde e tv e q 4 0 , e r 4 0 d , e w y vemos que el sistema tiene la forma e G Deniendo t v , y est dada como y er q e DG% w c G% 4 P P % e DHG54 r e D e e DG% w l e DG% w ( 21Fg}1 % e 21FHD Gr21FpY 2135`} , GI , que es fcil } Como trayectoria de operacinf tomamos p ver que satisface
y de los respectivos Jacobianos de
evaluados sobre esta trayectoria
fV4 }Dp}4 e
} } } }
} } }
} w }
} } j
p94 G
} q } }~D}4 b q w
Ejemplo 2.5 ((Rugh 1995)). Volvemos al ejemplo del cohete de la clase pasada. Las ecuaciones de movimiento eran
donde ahora 2 tomamos la velocidad de cambio de masa libre clase anterior). 13 21Fu4 C13(ejercicio e r C13u4 en e d 21Fla q e 21F4 C13 , y Deniendo como una variable de estado ms, y denotando , , Gr21F tomando como una entrada independiente llegamos al modelo no lineal e r C13 13 edq C 13 4 h GI21F b edr C e C 13 de C13 Gr2 1F
C13 21F54 21F h p GI21F(D
Gr21F4
d 21F
Consideramos ahora linealizacin alrededor una trayectoria nominal correspondiente a un valor consG4G su y 7} . No es difcil calcular la trayectoria nominal explcitamente mediante integratante de la entrada 213 21F 21F cin directa, primero de e , luego er y nalmente e%q . Haciendo las cuentas obtenemos
C13Y4 e% q e r C13Y4 C13Y4 e

1 Por
Gy1 1r h y jh G y 1 jh G y 1 o G yu ( y y y G 1 1 h jYh y y( g h G 1 b y y y .
simplicidad no escribimos la dependencia temporal de
15
Los Jacobianos necesarios son
} e DG%Y4 } } e
} }
G% r x } e D
} G e DG%54 e b j 21F GI213 obtenemos la EE linealizada en las Graparecen) 21F n
e y Substituyendo los valores nominales 1F 21F4 e C13 (slo 213 losG de 213Y4GI2 e e ` y variables incrementales e d 21F4 } } } } } j }
} G y 21FSh GH21F(b y xg h G y 1F r e y hwG y 1 j } }
Las condiciones iniciales para las variables incrementales estn dadas por
e }4 e }
} b y
2.6
Sistemas discretos
La mayora de los conceptos de EE para sistemas lineales continuos puede transladarse directamente a 1 sistemas discretos, descriptos por ecuaciones diferencia. En este caso la variable temporal slo asume valores en un conjunto denumerable (cuyos elementos pueden contarse 2 ). muestreo Cuando el sistema discreto se obtiene 1 a 4 partir de 4 un}~ Dpj%Daoqbde bHb un sistema continuo, vamos a considerar h ,h slo el caso de muestreo regular, donde , donde G GI es el perodo de muestreo. En h , etc. este caso denotamos las variables discretas (secuencias) como ih Los conceptos de dimensin nita, causalidad, linealidad y el principio de superposicin de las respuestas debido a condiciones iniciales y entradas, son exactamente como en el caso continuo. Una salvedad: a diferencia del caso continuo, retardos puros no dan lugar a un sistema de dimensin innita si el retardo es un mltiplo del perodo de muestreo .
2.6.1 Descripcin entrada-salida de sistemas discretos

Denimos la secuencia de impulsos
4 j Iihx f }
si si
4 4 h h
Iih
como
donde h y son nmeros enteros. Notar que en el caso discreto los impulsos son fcilmente realizables fsicamente. G En un sistema lineal discreto toda secuencia de entrada h puede representarse mediante la serie
ih
denota la salida de una sistema discreto a una secuencia de impulsos aplicada en el instante , entonces tenemos que
D Si ih
G b Iih

2 Es
Iihx D G Iih D G Iih
D ( h D G i h D G i ih
(por homogeneidad) (por aditividad)
decir, ponerse en correspondencia con los nmeros naturales.
2. Descripcin Matemtica de Sistemas As la salida 0
16
G ih excitada por la entrada i h 0 ih 4 ih D G b

causalidad
puede representarse mediante la serie (2.13)
Si el sistema es causal no habr salida antes de que la entrada se aplique, por lo que
D 4w} ih
para
Para sistemas discretos causales la representacin (2.13) se reduce a
0 ih 4 i h D G D @
y si adems tenemos estacionariedad, entonces vale la propiedad de invariancia respecto de corrimientos en el tiempo y llegamos a la representacin del sistema mediante la convolucin discreta
0 ih 4 i hx G 4 G i hx b y y

2.6.2 Representacin en Espacio de Estados
Todo sistema discreto lineal nito-dimensional puede describirse mediante EE (diferencia)
4 f e g h p G e ih h7j h ih i h ih 4 s e g h v G D 0 ih 7 ih h ih h 4 f e ih h7j 4 s 0 ih 7 PY4tsuPR h pG e i h g h h vG b e h w i h fY q phgvD
y en el caso estacionario
h . La relacin entre En este caso, tiene sentido hablar de funciones transferencia discretas, funcin transferencia discreta y representacin de estados es idntica al caso A continuo,
y sirven las mismas funciones de M ATLAB ss2tf y tf2ss.
P4
2.7

Resumen
La matriz transferencia es racional sii el sistema es lineal, estacionario y de dimensin nita. Las representaciones externas asumen condiciones iniciales nulas. Los sistemas de dimensin innita no pueden describirse en EE. Mediante linealizacin, puede describirse el comportamiento de un sistema no lineal en forma aproximada mediante un modelo en EE incremental lineal. La linealizacin se realiza alrededor de una trayectoria de operacin nominal conocida, y los modelos incrementales obtenidos sern, en general, inestacionarios. Los sistemas discretos tienen representaciones equivalentes a las de sistemas continuos mediante series de convolucin, funciones transferencia en transformada , y EE diferencia. A diferencia del caso continuo, los retardos puros no necesariamente dan lugar a un sistema discreto distribuido.
17
Tipo de sistema dim. innita lineal dim. nita, lineal
Representacin interna
53 F ! F #%$ F "5
r% FSV F @ r%r FSV F @ Fr% FS @ & ' % & & ' 'H
Representacin externa
dim. inf., lineal, est.
dim. n., lineal, est.
("
"! %$
F r% FS @ & ' & ' % 'H &
2.8
Ejercicios
C13 1 8 QS1 0 5476 0 21F0) 2 y
Ejercicio 2.1. A partir de la denicin de transformada de Laplace de 0
probar que para un sistema lineal estacionario 0
54 GI .
Ejercicio 2.2. Cmo se modica el sistema del cohete si la velocidad de cambio de masa d 21F ? Escribir las EE y clasicarlo.
Gy
es
GrC13 4
Ejercicio 2.3. Considerar un sistema consistente en un retardo puro,
0 21354nGI21 (b
Es dinmico, lineal, de dimensin nita, estacionario? Ejercicio 2.4. Introducir el sistema (2.10) en M ATLAB utilizando la funcin ss y obtener la funcin transferencia con ss2tf. Explorar las herramientas ssdata, tfdata, zpkdata y ltiview. Ejercicio 2.5. Para la ecuacin diferencial
1F4 j GI213 0 21FSh43 0 2
usar simple identidad trigonomtrica como ayuda para encontrar una solucin nominal correspondente a GrC13Y4una c1 0 } Y4j 4g} 0 d } 2 , , . Determinar una EE linealizada que describa el comportamiento del sistema alrededor de esta trayectoria nominal. Ejercicio 2.6. Linealizar la EE no lineal
j 13Y4 e%d q C r e r 213 13Y4nGI213 e q 213 edr C
q alrededor de la trayectoria nominal originada en e

Ejercicio 2.7. Para la EE no lineal
}Y4 e r }4dj
,y
Gr21F4g}
13 4 edq 2 13F der 2
13 er 213 r o e%q 2 e r 213 r 2 F 1 S h 2 F 1 S h 1FShwGr21F eq eq er 2
calcular las posibles soluciones constantes, a menudo denominadas estados de equilibrio, y las correspondientes EE linealizadas.
18
GI21F GI21F e q 21F e 213 e r 213 o e 213 0 21354 er 213 o e 213 }465 y r87 GI2134 j con estado inicial e y entrada nominal constante . Mostrar que la salida nominal es 0 21F54dj . Linealizar la EE alrededor de la solucin nominal. Hay algo raro en este sistema? 1 Ejercicio 2.9. De la denicin de transformada de la secuencia 0 0 P4 0 ih 4 0 h y P 0 P54 P GI e d 21F4
probar que para un sistema lineal estacionario discreto .
Ejercicio 2.8. Considerar la EE no lineal
Captulo 3
Herramientas de lgebra Lineal

3.1 Vectores y Matrices
j j
Los elementos bsicos en teora de sistemas lineales son vectores (columna) o (la) y matrices tv , f tv . Denotamos el elemento m del vector como k , y el es decir, con elementos reales, f f elemento m 9 de una matriz como @ k A o k A .
q r 4 4 q . . .
En ;vn] = [v1,v2, ,vn] y matrices A=[a11,a12, ,a1m;a21,a22, bbHb M ATLAB:bHvectores bb 1 v = [v1;v2; ,a2m; ]. 4GF f p 1 El producto de dos matrices t$v y tvED slo est denido si . En particular para vectores tv , H tv , tenemos IH B tv . } } Escribimos la matriz con todos sus elementos cero como , simplemente si las dimensiones 4 } (M ATLAB [n,m]=size(A) ) son claras del contexto. Para matrices cuadradas, , la matriz nula es y la matriz identidad o simplemente (M ATLAB I=eye(n)). Asumimos las operaciones de suma y producto de matrices fup pYf familiares. Lo interesante del producto de matrices es que en general es no conmutativo , es decir, yf no son siempre lo mismo. f w} f y 4d Si es cuadrada, para cualquier entero la potencia est bien denida, con . Si existe un h } f 4`} f decimos que es nilpotente. hQP tal que Traza. Para una matriz cuadrada trace(A))
3 bbHb @ q q @ qr bbHb @ q C r q F r r r bHbb B C D fV4 @ bHbb@ bHbbbbHb@ bHbb bbHb @q @r @ b bb bbb
bbHb
, la traza es la suma de los elementos de su diagonal (en M ATLAB
RS fV4 @ k k b k q
Si
son tales que
fup
es cuadrada, entonces
RS fup 4 R S pf . R f
Determinante El determinante es otra familiar funcin escalar de una matriz cuadrada, TVU (M ATLAB k A el det(A)). El determinante puede evaluarse recursivamente mediante la expansin de Laplace : Sea j k A j W j k A cofactor del elemento @ f , o sea el producto de submatriz por el determinante de lajY X X obtenida de eliminar en la la m y la columna 9 . Entonces para cualquier m jo, m ,
fV4 k A k A b TU R A q @ W
(3.1)
1 Ojo con la transpuesta en M ATLAB cuando se trabaja con vectores o matrices complejos; representa la transpuesta conjugada, la transpuesta sin conjugar es ..
19
3. Herramientas de lgebra Lineal
20
Esta es la expansin sobre la la m . Una expresin anloga existe para la expansin sobre una columna 9 . Vemos de (3.1) que el determinante no es ms que la suma de productos de los elementos de la matriz, por lo f que p es una funcin matricial diferenciable todas veces Y4 las fY R que p"Y4 uno Rquiera. ppfY R fup Si y son matrices , entonces TVU TVU R TU TU .
(M ATLAB inv(A), , sii TVU Inversa La matriz cuadrada tiene q inversa, , f una f A(-1)). Una frmula comn para se basa en los cofactores de . f f f El adjunto de , àTcb , es la matriz cuyo elemento m 9 es el cofactor 9m de o sea, la transpuesta de la matriz de cofactores. Entonces f q 4 àTcb ff R
TVU
f q 5 f f q 4nf q fw4
R f 4n}
La inversa del producto de dos matrices cuadradas no singulares cumple . Una frmula muy til en teora de sistemas lineales es el lema de inversin de matrices. Lema 3.1 (Inversin de Matrices). Dadas matrices cuadradas y no singulares, entonces
fup" q 4np q f q
DplD0e Df
de dimensiones compatibles, donde
d y son
d
e5 q fu q 4
q5 e F f e qf q b q h d q d d
Bases y Ortonormalizacin El conjunto de todos los vectores de v puede verse como un espacio vectorial lineal con las operaciones estndar de suma de vectores y producto por nmeros reales. Las matrices (o si consideramos vectores la) son operadores lineales denidos sobre estos espacios. Dos vectores e q e e r h en v son linealmente independientes (LI) si la nica combinacin lineal de ellos que sr e r 4w} , es la trivial, sq 4`}~D s5r 4w} . Sino son linealmente dependientes. da el vector nulo, sq e q
concepto se extiende a un conjunto de cualquier nmero de vectores. Si el conjunto de vectores e q DEl e r DbHbbHD e es linealmente dependiente, entonces existe un conjunto de escalares sq D sr DHbbHbD s don4`} de al menos uno es distinto de cero, digamos sq , y s qeq h s rer hH2h s e 4g}b q h2H%h 4 Entonces podemos escribir e q como combinacin lineal de los restantes vectores, e q g sr e r s e . La dimensin de un espacio lineal es el mximo nmero de vectores LI en ese espacio; en v . v se puede escribir como una Un conjunto de vectores LI en v es una base de v si todo D r vector DbHbbHD de q combinacin lineal nica de los vectores del conjunto. Sea una base de v . Entonces dado e tv un vector cualquiera
3.2
ese caso
e 4 s q q h s r r hw22h s sq sr 4 q r bbHb 4ih e D .. . s 4 bbHb s B D DHbbHbD donde e h sqsr es la representacin de e con respecto a la base (o en las coordenadas) q r v La matriz y sirve para obtener la representacin de cualquier vector en en qe D esDno bHbbHsingular D e i 4 por h denicin, la base q r . , ) q 4 jq}bHbbY} B ) r 4 }j5bbb5} B En particular, , , etc. En ht4t siempre existe la base formada por los versores
Ejemplo 3.1. Consideremos los q yr 4 vectores jq B e La representacin del vector en las coordenadas .
puede expresarse en forma nica como
j B
4 o q
o B v r. . Como son LI, forman una base en D r jqo es B , que se obtiene de
21 o sea que e puede escribirse como e
q j e 4 q r q j o 4 jo o jo j 4 jj 3 3 j 4 o D
3.2.1 Norma de vectores
huo r q .
El concepto de norma de un vector es una generalizacin de la idea de magnitud. La norma de un vector e , denotada p e p , es una funcin del espacio vectorial en v y (los reales positivos ms el 0) que cumple con las siguientes tres propiedades:
9} 4g} e 4g} pe p para todo e y p e p sii . r 4 q q s p e p , para todo escalar s . 2. p s e p h er X eq h er p p p p p para todo eq , er (desigualdad triangular). 3. p eq 4 e q e r bHbb e B Dado un vector e , tres tpicas normas en v son
1.
pe pq t s k q p e p r tu e B e q p e p xw k`Cy e
qe k q
kq
4 v k q q e k q r 4 s
norma-1 norma-2 o eucldea norma-
En M ATLAB norm(x,1), norm(x,2) = norm(x) y norm(x,inf). La bola unitaria es el conjunto de vectores de norma no mayor que la unidad. La forma de la bola unitaria depende de la norma.
p q 47 e tv e XtjYb UIp p
La norma 2 o eucldea es la longitud del vector desde el origen. A menos que aclaremos lo contrario, vamos

Figura 3.2: Bola unitaria en a trabajar siempre con la norma 2.
v r
en normas 1, 2 e
22
e Un vector e de v est normalizado si p e p e r B e q 4`} . Un conjunto de vectores ek D m 4nj%Dpo~DHbu bHbHD } e k B eA 4 f j

si si
3.2.2 Ortonormalizacin
B e 4
. Dos vectores , es ortonormal si
eq
er
son ortogonales si
e qB er 4
4 D ml 9 4 b m
9
, podemos obtener un conjunto ortonormal de vectores Dado conjunto de vectores LI q r q Dj r un DbHbbH Dj usando el procedimiento de ortonormalizacin de Schmidt, Gq Gr bHb b G h4 Si q r r bbHb q
s
DbHbbHD
hYh B Qu puede decirse entonces de ?
G q G qB r q r bH bb qq B G es una matriz ,
q pGqp D r pGrp D G b
p p X
, con todas sus columnas ortonormales, entonces
h B h4d .
3.3
Ecuaciones Lineales Algebraicas

(3.2)
Consideremos el conjunto de ecuaciones lineales algebraicas son matrices reales dadas, respectivamente y , y e es la incgnita a resolver, X . El problema consiste de ecuaciones y incgnitas escalares, y puede que sea menor, igual o mayor f que . La existencia de solucin depende de la imagen f de . El espacio imagen, o simplemente imagen , de es el espacio generado f f haciendo todasf las posibles combinaciones lineales de las columnas de . La dimensin de la imagen de es el rango de f . f f e 4} Un vector e se llama vector nulo de si . El espacio de todos los vectores nulos de se llama el f f kernel o espacio nulo de . La dimensin del kernel de cumple la relacin dimensin de
f e 4 0 f donde e 0
fYY4 f S %rfY nmero de columnas de ` U S
En M ATLAB orth(A) da una base ortonormal de la imagen de , rank(A) da el rango, y null(A) da una base ortonormal del kernel. Ejemplo 3.2. Sea la matriz
(3.3)
fV4
} o
j } f
o o
jo
b 3} @ q @ r @ @
q r @ son combinacin lineal de @ q y @ r . Podemos tomar el El rango de q D es , ya que @ y @ son LI pero @ y f r conjunto @ @ como una base de la imagen de . f o La ecuacin (3.3) implica que la dimensin del kernel de es , y puede vericarse que los vectores 4 } o } j CB r f f 4g}x4wf r D ). Como q y r son LI, q r son vectores nulos de ( q f f Hemosf denido el rango de como el nmero de columnas LI de 4 j q j
y las LI de , por lo que se cumple que
j} CB
es una base del kernel de . , pero tambin es igual al nmero de
S ` %PfX
D (b
Teorema 3.1 (Existencia de solucin). Dada una matriz
f t$v
y un vector 0
tv
3. Herramientas de lgebra Lineal 1. Existe una solucin e
23 sii 0 pertenece a la imagen de , o sea,
Teorema 3.2 (Parametrizacin Dada una matriz t7vf y un vector f e 4 0 de todas la soluciones). %rfY S e sea una solucin de y sea h ` la dimensin del kernel de . Entonces
2.
t v de la ecuacin f e 4 0 $ S ` fY54 S ` f 0 q f donde 0 t$v . f 4 0 Existe una solucin e de e para todo 0 tv
sii
S ` %rfYY4 (f es de rango la pleno).
0 tgv
4`} f ( tiene rango columna pleno), entonces la solucin e es nica. } q D r DbHbbD f j%Do~ DbHbbD una base del kernel de . Entonces para cualquier conjunto de h 2. Si hQP sea D 4 reales s k m h el vector e 4 e h s q q h s r r hw22h s f e 4 0 es tambin solucin de . f 4 0 Ejemplo 3.3. Consideremos la ecuacin e } j jo e q 3 jo 3 e r 4 b q o } o } e } e
1. Si
nmeros
(3.4)
0 e es una solucin. Con la base Puede q D r verse fcilmente f que est en la imagen de y que del kernel de obtenida en el Ejemplo 3.2 podemos expresar la solucin general de (3.4) como e 4 e h } 4 }3 } sq
y
y yly B
e 0 e 0 son A veces j vamos a encontrar el problema formulado en trminos de vectores la, f B e B 4 0 B , donde . y . Puede tratarsef como 4 0 antes considerando el problema transpuesto En M ATLAB la solucin defVe4 puede obtenerse como x = A y. El smbolo denota divisin matricial 0 usamos la divisin matricial por derecha x = y/A. por izquierda. Para el caso e j
Teorema 3.3 (Sistemas cuadrados). Sea
donde
sr
s qq h s rr } j o h sq j j h s r } D } j
pueden tomar cualquier valor en
tv
fg4
0 1. Si es no singular f e 4g} existe 4ùna } solucin nica para cada , dada por e solucin de es .
2. La ecuacin homognea e tiene soluciones no nulas sii f LI es igual a la dimensin del kernel de .
f e 4 0
donde
es cuadrada. Entonces
e 4nf q 0
. En particular la nica
4}
es singular. El nmero de soluciones
Transformaciones de Similitud f Una matriz cuadrada mapea vectores de v en v ,

f e 4 0 b
Si4 representamos los vectores de h0 0 , y la ecuacin (3.5) da f e 4 0 f hQe i E 4 h0
3.4
con respecto a una nueva base
q D r DHbbbHD
, tenemos que e
4he
(3.5) e
h q fEhae 4 0
24
h q E f h f D DHbbbHD . La transformacin es la representacin de con respecto a la base q r 4ih q fEh h q fV f 4th fE V f f se llama transformacin de similitud , y y se dicen similares. ) 0 V D ) DbbHbC D) f Si q r (formada por los versores), entonces la columna m de no es ms es la base cannica f) k ) q DC) r DHbbHb DC) que la representacin del con respecto q D r DbH bbD vector f a la base f k. D DbHbbHD m en la base q r . Esto En la base la columna de es la representacin de q fVt 4 h f h se ve de , que se suele escribir f h E 4 h f b f q r bbb 4 h @ q @ r bbH @ b h f q f r bbHbf 4 h@ q h@ r bbd @ Ejemplo 3.4. la matriz Consideremos o j } j o3 fV4 o j } h74 } } y la base j j j 3 Calculamos } } f je q j } j fVi 4 h E f h4 } j
La matriz
3.5
Forma Diagonal y Forma de Jordan
3.5.1 Autovalores y autovectores f f 4 Un nmero g tih es un autovalor de la matriz f tvY si existe un vector no nulo tv tal que g5 . Este vector es un autovector (por derecha) de asociado al autovalor . g f
Los autovalores de
fY w 4 }b g
se encuentran resolviendo la ecuacin algebraica
Como vimos en la clase pasada, este sistema admite soluciones no nulas si la matriz (determinante cero). f Denimos el polinomio caracterstico de
(3.6) es singular
4 R fY(b j 5 g TVU g j j El g es mnico,2 de grado , y tiene coecientes reales. Para cada raz de g la matriz polinomio fY g es singular, y por lo tanto, una solucin no nula. ecuacin algebraica (3.6) f tienej al menos f j la g es un autovalor de ; como g tiene grado , la matriz tiene Concluimos que toda raz de
autovalores (aunque no necesariamente todos distintos).
3.5.2 Forma Companion
En general, el clculo del polinomio caracterstico de una matriz requiere la expansin de TU g . Sin embargo, para ciertas matrices el polinomio caracterstico es evidente. Estas son las matrices en la forma companion, (M ATLAB A = compan(p), donde p es un polinomio)
fY
} } }
j} } } } j
} } }
} s
2 El
j } } j
s
s jsq s } sr } s q } } j } } j s r s
s r } j } q
s s s s
}s } j q j} r } j } } } }
} }
s } } j }
coeciente del trmino de mayor orden es k .
25
s qg s rg s g s . g con el mismo polinomio caracterstico f g F4 DHbbHbD B lg q g ; En M ATLAB los autovalores de se calculan con la funcin r = eig(A), donde poly(r) da el polinomio caracterstico. f Otro caso donde los autovalores (y el polinomio caracterstico) son particularmente evidentes es cuando es diagonal, q g } f 4 } V }.
. .
j 54
r h
g}r
} }
}.
. .
H2} H2} H2} H2.
b f f
}.
. .
..
. . .
Pero, podemos siempre representar 1. autovalores todos reales y distintos 2. autovalores complejos y distintos 3. autovalores repetidos Analizamos cada caso. Caso 1: autovalores de
en forma diagonal? No siempre, depende de si
tiene:
En este caso los autovectores correspondientes q r , f f son LI. Usamos el conjunto de autovectores, f como base. Sea la representacin de en esta base. La columna 1 de es la representacin de f q 4 q q g en la base nueva,
todos reales y distintos
D DHbbbHD
f q 4 q q 4 g n mmm
p o y y..
.
f r q es g b~ } blbH } }bHbb} B f 4 r r . La columna 2 es la representacin de r g B . Siguiendo este procedimiento, llegamos a que

con
y concluimos que la columna 1 de } respecto a la base nueva, o sea g
4 fV
q g }
. . }.
g r
H2 H2
} }
. . .
. . }.
..
H2.
Concluimos que toda matriz con autovalores distintos tiene una representacin en forma diagonal (es diagonalizable). Caso 2: autovalores de
complejos y distintos
Cuando todos los autovalores son distintos, pero algunos son complejos, no podemos llevar a una forma diagonal real f (aunque si compleja). 4rq Siendo real, los autovalores complejos aparecen siempre 9as , y dan lugar 4nGq en pares conjugados g a pares de autovectores tambinf complejos conjugados 9IH . En este caso se puede llevar a una forma real diagonal en bloques, para lo cual la nueva base se arma con los autovectores reales, y las partes reales e imaginarias de los autovectores complejos. D Dtq h g q g r q Por ejemplo, si tenemos dos autovalores reales y dos paresDG de autovalores complejos, t D q t D q h w D q D D G h H D G h D G 9us q q v9us q r 9us r r v9as r con autovectores q r q 9IH q q v9IH q r 9IH r r v9IH r , formamos la base
qD r DG D D G D Yb q H q r H r
26
En esta base la matriz
f } } }
q g } 4 } fV } } }
g}r
} } } }
tiene la representacin
} } } }
} } } }
q q } s q
sq q
Hay un bloque de
q r s r
} } } b } sq r r
por cada par de autovalores complejos conjugados.
Caso 3: autovalores de
repetidos
Este es un caso especial. Cuando tiene autovalores repetidos puede que no podamos llevarla a una forma diagonal, pero siempre f se puede llevar a una forma triangular o diagonal en bloques. Supongamos que t9v tiene un autovalor g con multiplicidad , es decir, un slo autovalor repetido 4 3 veces. Para simplicar consideremos . fY Sabemos Ahora, caben las posibilidades de que el kernel (espacio que fY la matriz g jDpes o~D singular. nulo) de g tenga dimensin o3 . (no nulas, pues la Si tiene dimensin 3 , entonces sabemos que hay cuatro soluciones independientes D D D nula es la solucin particular), correspondientes a una base del kernel q r .
. Veamos ahora el otro caso extremo, el kernel de tiene dimensin . En este caso slo podemos encontrar una solucin independiente. Necesitamos tres vectores independientes ms para armar una base. Una forma de lograrlo es usando el concepto de autovalores generalizados. Un vector es un autovector generalizado de grado asociado al autovalor g si
sq r b fY e 4`} x e 4 q r s g s s f qD rD D En este caso hay 3 autovectores independientes, y esf diagonalizable usando j la base
Si
4dj r q
fY ` 4 }
fY q w 4 }
el problema se reduce al caso recin visto. Para
4 3
denimos
f t 4 Pf g g r f t 4 Pf g g f t 4 Pf b g r g
Estos vectores f 4g} forman f una r cadena 4w} f de autovectores 4w} generalizados fY 4`} de longitud 4, y cumplen las propiedades , , y g . g q Dg D D r g Los vectores q r LI por denicin, y cumplen con
f q f r f f
4 4
h q g5 r 4 r h 5 g 4 h g5 f
g}
g5 q
As la representacin de
y 4
} }
g}
j
g
} }
con respecto a la base
qD rD D
es
g}
j b
27
3 , en la base q r . Es fcil chequear que las columnas de son la representacin de k m Esta matriz triangular bloque de Jordan de orden 4. Pf sellama Si el kernel de zg tiene dimensin cuya 2, D entonces %G DG hay dos cadenas %G DG Dde G autovectores D D generalizados G longitudes sumadas dan 4. Pueden ser q r y q r , q y q r , q r y q . En este caso la base se forma con los vectores f de las dos cadenas. Igualmente, si el kernel de {g tiene dimensin 3, entonces hay tres cadenas de autovectores generalizados, etc. f h En resumen, si t$v tiene un autovalor g con multiplicidad 4, existe una matriz no singular tal que
D 4djDpo~D~D
D D D
f 4ih q E V f h
g}
tiene una de las siguientes formas de Jordan
} }
g}
j
g
g}
} } g} j } }
} }
g}
j
g
g}
} } g} j } }
} }
g} g
g}
} } g} j } }
}
g}
} } }
g} g
} } g} j } }
}
g}
} } }
g} g
} } }
La forma general a la que podemos llevar j j una matriz va a ser diagonal en bloques, donde los bloques pueden ser de para autovalores reales distintos, o o para pares de autovalores complejos conjugados, y bloques de Jordan para autovalores mltiples. La forma de Jordan puede usarse para establecer h 4 h propiedades h q R f generales f de R f 4 TU R h q fE R R matrices. Porf ejemplo, TVU . Como es TVU TVU TVU R es el producto de los autovalores, triangular, TVU
fV4 | k fY(D R T U k q g f
por lo que es no singular sii no tiene autovalores nulos. En M ATLAB podemos usarf [q,d] = eig(A) para calcular los autovalores y la base de autovectores si es diagonalizable (sino, Chen (1999) menciona [q,d] = jordan(A), usable con restricciones, pero aparentemente disponible solamente en las versiones de M ATLAB con el symbolic toolbox).
Camille Jordan (1838-1922)
3.6
Funciones de Matrices Cuadradas

4 } f
est bien denida. Dado un polinomio
3.6.1 Polinomios
Vimos q que h cualquier entero %fY h la potencia hH2para @ qg @ denimos como
% B4
g g
%fY4gf h 4 f q }
Si
f q hH2h b @ q @
} % f b r 4h q E h fV f h fV4h q fE Dada la transformacin de similitud o h q 4h fE h q hafEh q 2 f 4h fE H4h f h q D f f r

y tambin tenemos que
es diagonal en bloques, digamos
}y y fV4 c } %fYY4 %f} q
es fcil vericar que
, como
th q %fY4th% f
Teorema 3.4 (Cayley-Hamilton). Sea f caracterstico de . Entonces
54h q % % fY Pfthub j a4 R g TU g
fYa4
h s q q h72Hh s q h s g g g el polinomio
(3.7)
j fYY4f h s q f q hw2Hh s q fh s S4w}b
28
Es de Cayley-Hamilton implica f decir, una matriz satisface su propio polinomio caracterstico. %pD3fqDHbbHEl bHD3f teorema r q . Si multiplicamos (3.7) por f que se puede escribir como una combinacin lineal de q f fuDf DbHbbHDf obtenemos que sepuede escribir , que a su vez se puede pD3fuDbbHbH D3f q como combinacin lineal de escribir en trminos de . %fY En conclusin, todo puede expresarse, para apropiados ~ k , como una combinacin lineal j f polinomio } de las potencias de de a a .
%fY4
h q fhw2Hh q f q b ~ y ~ ~
3.6.2 Polinomio mnimo

Habamos visto el deca a4 R de Cayley-Hamilton, fY fYa 4} que toda matriz f satisface su polinomio caractersj teorema j que tico, es decir, si , entonces . Pero, podr satisfacer un polinomio de grado g T U g j menor al de g ? f La respuesta depende de la multiplicidad de los autovalores de . Cuando los autovalores son todos de f multiplicidad 1 (todos distintos), entonces el polinomio caracterstico es el polinomio de menor grado que satisface (polinomio mnimo), o sea en este caso. Cuando hay autovalores con multiplicidad mayor que 1 (repetidos), el polinomio mnimo podr ser de grado menor que . El polinomio mnimo se puede expresar como
4 | 5 D kC g g g k
donde k es la dimensin del x bloque X de Jordan ms grande asociado a bloque de Jordan asociado k . Ejemplo 3.5. En la matriz
g k . Como g k puede tener ms de un
q g } f 4 V } }
g q
} }
g q
} }
El autovalor g q tiene multiplicidad 3, y dos bloques de Jordan asociados: rdenes 2 y 1. El autovalor g multiplicidad 1.
g r
} } r
tiene
4 | j Y g k | 54 g k
4 RD g g k g g q gg r C 4 r RD g g k g g q gg r
polinomio caracterstico polinomio mnimo
b %
El polinomio mnimo es siempre factor del polinomio caracterstico.
Como%consecuencia del teorema de Cayley-Hamilton vimos que todo g , el polinomio q fY %pD3para fqDHbbHbH D3f polinomio matricial se puede expresar como una combinacin lineal de . %Pf k Si el polinomio mnimo se conoce (y por se puede expresar como una pD3lo fuDtanto bbHbHD3f los q ), en realidad combinacin lineal de un conjunto menor, , que es an mejor. %Pf j g si se conoce, y sino con g ) es mediante la frmula de divisin Una forma de calcular (con de polinomios:
mejor determinar los coecientes de de ecuaciones algebraicas.
% 4 j h (D g g g g donde g es el polinomio cociente y g el polinomio resto. Tenemos %fY4 fY fYh fYY4 fY}h P f54 fY(D j 54i q g q hH2h" q g h" y o sea que todo se reduce a determinar los coecientes . % del polinomio g j g g La divisin de polinomios es til si el grado de no es mucho mayor que el de . De lo contrario es f
g
evaluando
en los autovalores de
y planteando un sistema
3. Herramientas de lgebra Lineal Si los autovalores g k de ciones con incgnitas
29
son todos distintos, los para
k de g se pueden resolver del sistema de ecua-
Si tiene autovalores repetidos, hay que derivar faltantes.
% k Y4 k j k Sh k Y4 k RD g g g g g f q yFy
4 j%Dpo~DHbbHbD b % 4 j h g g g g
hasta obtener las ecuaciones
Queremos calcular Ejemplo 3.6. fV4 } j j o b
con
Planteamos clculo de g r j problema Y4r q el h" y j 54 hèl como g g . Sea g g . En el espectro (el conjunto de autovalores) de
% "4 f
g
q yFy
evaluado en . El polinomio caracterstico de
es
j 54 j f j 54 j
y as concluimos que
f q y3y 4r q f h" y 4 j}} } 4 jj }8 }
j jo j}%} j}cjx b
j q y3y 4 q h" y j}}a jtwu4r q D 4 j}} y 4 Y4 j}} ,y 8 , o sea, g ( g V j} %8 } j2
(dos elementos iguales en este caso,
4
) tenemos
. Finalmente,
k q g g k , Teorema 3.5. Sean dados g y una matriz con polinomio caracterstico g 4 k q k donde s q 4 . q h`H2h hr q qg y el polinomio de orden X j , con coecientes k a determinar, tal Sea g %Pf4 fY g que . Entonces los coecientes k pueden calcularse resolviendo el sistema de ecuaciones algebraicas k Y4 k RD g g k Q Q % g g g % g
g
para
Resumimos el resultado que usamos en el ejemplo en un teorema.
j x4
4`}~Dj%DbHbb2D k j
,y
4nj%DpoDbbHbHD
donde
o o
Q g k g Q g
o o b %Pf
3.6.3 Funciones matriciales no necesariamente polinomiales

Dada una funcin mos el polinomio ms general, denir es usando el Teorema 3.5. Es decir: j una forma%de 5 4 f %Pf5calcula4 Pf de orden igualando g . g en el espectro de , y as denimos
Ejemplo 3.7. Queremos calcular
j r
o . Sea g g CjY4 Cj CjY4 u Cj oY4 o
Haciendo las cuentas obtenemos
y 4 o 1 ) h) r q 4g 1 ) hop) o2) r r 4x) r ) 1) 8 8, 8 8 8,y 8 8 8 . Finalmente ) } 4 fYY4t) r ) 1) 3f r hw 1) 8 ho2) 8 p o ) r 8 3f h o 1 ) 8 hi) r 8 2 8 8 8 r 8 op) ) } op) op) r 8 8 8 } 8 b } ) 4 8 ) r ) } op) r )
Y4r r r % h g x ) 8 4 r x71) 4` 8 o r x) 4 8 3
r )} f 45 y yq yyq y 7 . El polinomio caracterstico de f es j g 4 8 para q g h" y . Aplicando el Teorema 3.5 tenemos que 3 h" q h" y r h" q r hoV q h" y b
g
8
8
3 Ojo
que la diferenciacin en la segunda lnea es con respecto a , no .
30
Ejemplo 3.8. Consideremos el bloque de Jordan de orden 4
q g f 4 }} V }
g} q
g} q
} } b j g q
Su caracterstico es simplemente q polinomio h" y , elegimos g
4t j Y 54i g h r g r h g gXg q . Si en vez de seleccionar g
h" r r h% q h" y D g 4 g g q gg q g g q % 54 f La condicin g g en el espectro de da las expresiones r q y 4n% q ( D q 4d0 q ( D r 4 g D 4 g q b o g g fY Una propiedad til del bloque de Jordan es la de nilpotencia de g q , q yl yylyq yq DH fY 4 yl y yylyq D q yyq D2 q f r 4 y y y l y y q fY54 yyl q y yl g yl yly yyyly g yyl yly5 y5yy g yly yyl ylyy yl yl yy D y yl yl q fY 4 y y l y l y g yylylyy %fY que en este ejemplo permite obtener la expresin general para % q q pIj r q po q p g} %g q g q r j r g q p o %fY4 g g } } % q g q pIj b } } }g %g q
As, por ejemplo, si
y )} 4 8 y y
% 54G) g 0 r 8 8 y 8 y y
8, r 8 b 8 8 %fY %
g . Supongamos
3.6.4 Series de Potencias

Otra % forma de denir una funcin matricial que g se puede representar por
es a travs de la serie de potencias de
% 4 k k g k y ~ g
con radio de %fY convergencia . Si todos los autovalores de denir como
tienen magnitud menor que , entonces podemos
%fY4 k f k b k y ~
(3.8)
Esta denicin es en realidad equivalente a la anteriormente vista en el Teorema 3.5. No lo probamos, pero mostramos un caso particular. Ejemplo 3.9. Consideremos otra vez el bloque de Jordan del Ejemplo 3.8,
o q y y o 7 fV4 yy`y o q o yq b y`y7y
31
Supongamos que
q % 4d% q (h` q 2 (h o r hH2 g q g g g gg g g q
%
g
tiene el siguiente desarrollo en serie de potencias alrededor de
g q
Entonces
q r h H2 %fY4d% q H~h`f q 2f (h o g f q g q g g g Y f 4g} Por la propiedad de nilpotencia del bloque de Jordan, g

3.6.5 Diferenciacin e Integracin Matricial
Se dene elemento a elemento,
para reduce inmediatamente a la expresin que sacamos en el Ejemplo 3.8.
4 3
, la serie de potencias se
6 8 fuE(2QIE D y
Q f"21F Q 1 S
son respectivamente
6 8 k A PE(CQrEcD y @
Q 213Rb Q 1 @ kA S
Con estas deniciones no es difcil probar que vale la propiedad
Q f 2132p21F 4 u d2 f d C13Hpq21Flhf"21F pB 1F(D QS1 " Q Q 1 6 y 8 f"PE(2QIE 4wf"21F(D S
el teorema fundamental del clculo,
y la regla de Leibniz
Q 6 8 " d 21FShu6 8 fuC1CDFE(2QIEb f 2 1 3 D ( E 2 I Q E g 4 " f 2 1 3 D ( E 2 F 1 u f C C 1 F D ( E d Q 1 x S x 1 8 8
o o r 8 h`22h oUna funcin de particular inters en este curso es ) } 8 . Como la serie de Taylor ) 8 4 j"h g 1Sh 0 1 w h 2 H converge para todo g y nitos, tenemos que 8 )} 4tch`1f h
3.6.6 La Exponencial Matricial
1 r fhw2H%4 o
En M ATLAB se calcula con la funcin expm(A),4 que implementa) la expansin de Pad. } Usando (EXP) es fcil probar las siguientes dos propiedades de 8
)}
1 f b h y
(EXP)
) y 4nrD )} 44)} 8 8 q 8 ) } 8 D ) } 44) } b 8 8
Cmo probamos la tercera? En general 8 8 Diferenciando trmino a trmino (EXP) obtenemos
) }
4G) } ) 8
(por qu?).
Q ) } 4 1 q f Q 1 8 S j h q X 4w f 1 f 0 q h 4 1 f d f D q h ) } 4w f ) } 4x) } f as tenemos que 8 8 8 8 4
Ojo no confundir con exp(A), que da la matriz de las exponenciales de los elementos de .
32
Ejercicio 3.1. Probar que la transformada de Laplace de
es
(xi
3.7
Ecuacin de Lyapunov
i
(LYAP)
Es la siguiente ecuacin matricial
donde y son matrices constantes, respectivamente de dimensiones zi y { . Las matrices y la incgnita son z{ . La ecuacin (LYAP) es lineal en y puede escribirse como sistema de ecuaciones algebraicas en la forma estndar . Vemoslo para t y t :
G 0 t w t t w t t w Haciendo las cuentas y expresando y como vectores apilando sus columnas, llegamos a w w t t t w w t w t t w t w t t t w w t t t w w w w w w w w
es decir , donde es la matriz # #a de la ecuacin anterior, y y son las matrices y convertidas en vectores Ya .5 Como es cuadrada, por el Teorema 3 de la clase del 20 de marzo, esta ecuacin tiene solucin nica si la matriz es invertible, es decir si no tiene ningn autovalor nulo. Resulta que si E y son respectivamente los autovalores de y , los autovalores de son E V , cIfCf0 l ICfCf . En M ATLAB la ecuacin (LYAP) se resuelve con lyap(A,B,-C).
3.8
Formas Cuadrticas
B
Dada una matriz 08 , la funcin escalar , donde "r , es una forma cuadrtica. Sin prdida B de generalidad se puede tomar como simtrica, G , ya que
B B iu B (
para todo
. con autovector de
Los autovalores de una matriz simtrica son todos reales, ya que para todo autovalor 4 B , 1. el escalar
(donde denota la transpuesta conjugada de ) es real (sea real o no),

y as

2.
debe ser real dado que E {{l2fv Y t0 (
puede escribirse en forma compacta como
: producto de Kronecker).
33
Toda matriz real simtrica es diagonalizable, es decir, el orden de su mayor bloque de Jordan es . Si no lo fuera, es decir, si existiera un autovector generalizado de orden mayor que asociado a algn autovalor repetido , tendra que vericarse que

Pero entonces
para algn
,y
(3.9) (3.10)
f t 2 B
(3.11)
debera ser nulo por (3.9) y no nulo por (3.10). Una contradiccin que prueba que no puede tener bloques de Jordan de orden mayor que , y por lo tanto debe ser similar a una matriz diagonal: existe una matriz r08 no singular tal que t v , donde GCV es diagonal. Notar que como es simtrica y diagonal,
tv 4 # B # B B 4 B G y Y B . Toda matriz no singular con esta propiedad se llama ortogonal, y que implica que
sus columnas son vectores ortonormales.

Teorema 3.6. Para toda matriz real simtrica
tv B
donde
, que son todos reales, en la diagonal. Una desigualdad importante para una matriz simtrica es la desigualdad de Rayleigh-Ritz, que dice que para cualquier B B "! B
es una matriz diagonal con los autovalores de
tt
existe una matriz ortogonal tal que
donde

"!
son respectivamente el menor y mayor autovalor de
3.8.1 Matrices denidas y semi-denidas positivas
Una matriz simtrica se dice denida positiva, que denotamos , si para todo vector B no nulo. Es semi-denida positiva, que denotamos , si para todo vector % no nulo. B Si es denida positiva, entonces sii { . Si es semi-denida positiva, entonces existe B algn no nulo tal que . Existen pruebas para determinar si una matriz es denida o semi-denida positiva basados en las propiedades del signo de los determinantes de diversas submatrices. Uno de ellos se basa en los menores principales. una Sea matriz simtrica 08 con entradas # . Entonces dados los enteros fCfC y fCff , con 00 , denimos los menores principales de la matriz como
$#
%#
&
0'
0 fCff E 214365
Los escalares ICfCC , la esquina superior izquierda de
) ) GG @RWRP7 @@@ G
798 7 @B8 7 C0 A 87
0 7 @ @ @ 0C A @
& ('
00 00 00 00
7 A @ A C0 A A
n t IcT 1D365VU
GG @QWQI7 777 G
c nC1D365FEHGG
ICffC , que son simplemente los determinantes de las submatrices de ,
GG @IWIX7 WWW(Y G
Q@7I77
00
GG @RP7 @( @S
son los primeros menores principales de
34
Teorema 3.7. Una matriz simtrica guientes condiciones se satisface:
es denida positiva (semi-denida positiva) sii cualquiera de las si-
1. Cada uno de sus autovalores es positivo (no negativo). 2. Todos sus primeros menores principales son positivos (todos su menores principales son no negativos). 3. Existe una matriz no singular B . t ) tal que
ba
` `
xCV (una matriz singular
tC8 , o una matriz
V , con
Una matriz simtrica denida positiva).
es denida negativa (semi-denida negativa ) si es denida positiva (semi-
Ejemplo 3.10. La matriz simtrica
w t
w t
es denida positiva si y slo si ,y .
y w w Y
. Es semi-denida positiva si y slo si w
3.9
La Descomposicin en Valores Singulares (SVD)
Consideremos una matriz 8 y denamos positiva. Sus autovalores son no negativos. Como
B . Claramente es , simtrica, y semi-denida
las matrices cuadradas de autovalores nulos. Supongamos que hay
1D365 G #
in B E
G c
1D365
B y n B comparten los mismos autovalores positivos y slo dieren en el nmero

autovalores positivos de
B
Fi"p 0C Los valores singulares de la matriz son qs ffCC ) rut B Por el Teorema 3.7, para i existe una matriz ortogonal tal que B B Exvxw B w 0C
donde
# i
, y sea ) edgf hV . Entonces podemos ordenar
es una matriz diagonal con los
en la diagonal. La matriz w es con los q en la diagonal. Gt
Teorema 3.8 (Descomposicin en Valores Singulares). Para toda matriz tonormales i y 08 tales que
G G q
. . . .
. .
8 , existen matrices or-
w r T
. . .
00 00
..
.
. .
00 00 00 00
q0
.
. .
.
. .
0C 0C 0C 0C 0C 0C 0C
.
. .
.
. .
. . . .
. .
donde q # q #
C0
# q0 #
35
Los vectores en las columnas de y derechos respectivamente de . Es fcil vericar comparando las columnas de las ecuaciones t B
y E 7 8 8 S E 7 8 8 S
son los vectores singulares izquierdos y
q f q t
yw
B que
CfCf
df h8 )
La descomposicin en valores singulares (SVD)6 revela muchas propiedades de la matriz . Por ejemplo, si es el ndice del valor singular positivo ms pequeo, entonces
es c , 2. los vectores & ip fCfC ' son una base ortonormal del kernel de , 3. los vectores &4 CfC i ' son una base ortonormal de la imagen de ,
1. el rango de 4. tenemos la representacin
i q B
& fehgcig
Los valores singulares representan precisamente las longitudes de los semiejes del hiper-elipsoide . La Figura 3.3 muestra el conjunto para una matriz con I p .
'
kj q
kl q
0.5
q q

0.5
1 1 0.5 0 0 0.5 1 1 0.5 0.5 1
Figura 3.3: Hiper-elipsoide
en
En M ATLAB la funcin [U,S,V]=svd(A) calcula los valores y vectores singulares.
3.10 Normas de Matrices

El concepto de norma de vectores se extiende a matrices. Sea denirse como
una matriz . La norma de puede

(3.12)
g wg yxrz4{ gig gngdp suh t orv q g wg | s | }
Esta norma denida desde la norma de los vectores se llama norma inducida. Usando diferentes normas vectoriales ( , , , etc.) obtenemos diferentes normas inducidas. En este curso vamos a utilizar la norma inducida por la norma vectorial eucldea, c , que es la que se conoce como norma espectral de una matriz. Otra propiedad importante de la descomposicin en valores singulares de es que la norma espectral de est dada por su mayor valor singular,
g wg
gng q
6 Singular
Value Decomposition.
36
Ejemplo 3.11. Si
y son nmeros reales, la norma espectral de
est dada por (3.12) como
gng ~ s dp o6q 7@ p s @ @ h 1D365
Para no tener que resolver un problema de optimizacin con restricciones, calculamos B B computando los autovalores de . El polinomio caracterstico de es
g0ng
a travs de
i B ET1D365
Las races de esta cuadrtica estn dadas por
El radical puede escribirse de forma que su positividad es obvia. Eligiendo el signo positivo, y despus de un poco de lgebra llegamos a
gng t
(3.13)
De (3.13) se ve que
gng q # q 0 q
La propiedad de que es mayor que la magnitud mayor de los autovalores de para cualquier autovalor no nulo de C8
e dpo6q8 es general, y ms an,
La norma espectral de una matriz en M ATLAB se calcula con norm(A). Algunas propiedades tiles de la norma espectral de matrices:
gwgugngDgcwg ggu g n g xgupg g (gu g ngDu g p g

3.11 Resumen
En este captulo hemos repasado
Las deniciones bsicas relativas a vectores y matrices, traza, determinante, e inversa. Bases y conjuntos ortonormales, independencia lineal, el concepto de norma, y el mtodo de ortonormalizacin de Schmidt. Los resultados principales para la solucin de ecuaciones lineales algebraicas, y los conceptos de imagen, rango y kernel de una matriz. En particular, la ecuacin tiene solucin sii est en la imagen de . tiene solucin nica si
3DE & ' (1f d 3DE 3 . tiene innitas soluciones si 1f d
).
37
Transformaciones de similitud de matrices, que permiten representar una matriz en diferentes coordenadas, Formas diagonales y de Jordan, que muestran la estructura bsica de una matriz dada. No toda matriz puede diagonalizarse, pero siempre se puede obtener la forma de Jordan (diagonal en bloques). Funciones polinomiales de matrices y el teorema de Cayley-Hamilton, que dice que toda matriz satisface su polinomio caracterstico. El polinomio mnimo, que es el polinomio de menor orden tal que E . Es siempre un factor del polinomio caracterstico de la matriz (coincide con ste si no tiene autovalores repetidos). Que una funcin de una matriz cuadrada, puede denirse evaluando por lo tanto, como una combinacin lineal de ccfCf0c (o de ccfCf0c orden del polinomio mnimo de ).
&
r'
&
n r'
en el espectro de , y donde es el
Diferenciacin e integracin de matrices, denida elemento a elemento. La ecuacin de Lyapunov , que es una ecuacin lineal algebraica matricial que tiene solucin nica C sii los autovalores de CV , y de i son tales que , fCff CfCf .
G G
Las formas cuadrticas , que son funciones escalares cuadrticas en los elementos del vector , B ). donde puede tomarse como simtrica (o ser reemplada por
Que las matrices simtricas tienen siempre autovalores reales, y que son siempre diagonalizables. Matrices simtricas denidas, y semi-denidas positivas, que son aquellas positiva, y no negativa, respectivamente.
para las que
B es
La descomposicin en valores singulares de una matriz . Los valores singulares son la raz cuadrada B de los autovalores de . La norma espectral de una matriz mximo valor singular, de .
, que es la inducida por la norma eucldea de vectores, y es el
3.12 Ejercicios
Ejercicio 3.2. Dados los vectores 1. Calcular sus normas 1, 2 e
B B vEl S y vE S
.
2. Encontrar vectores ortonormales que generen el mismo subespacio. Ejercicio 3.3. Determinar rango y bases de la imagen y el kernel para cada una de las siguientes matrices:
Ejercicio 3.4. Dada la ecuacin
Cuantas soluciones tiene? Qu pasa si Ejercicio 3.5. Dada la ecuacin
E S B
38
1. Encontrar la forma de la solucin general. 2. Encontrar la solucin de mnima norma eucldea. Ejercicio 3.6. Dadas
encontrar las representaciones de
con respecto a las bases & c
t t ' y & t c c ' .
Ejercicio 3.7. Representar en forma de Jordan las siguientes matrices
(4
Ejercicio 3.8. Mostrar que si con autovector .
es un autovalor de con autovector , entonces es un autovalor de
l (
para las matrices y del Ejercicio 2 de la clase del 22 de marzo. Ex . Ejercicio 3.10. Mostrar que funciones de la misma matriz conmutan:
Ejercicio 3.9. Calcular Ejercicio 3.11. Sean todos los autovalores de distintos, y sea a
,
1. 2.
. Sea EH
7 @ S y r
es un autovector por izquierda de asociado a : ) % ) .
0 ...
00 7 @
a un autovector por derecha de donde ) es la la de . Mostrar que
asociado
) v solucin de la ecuacin de Lyapunov con %
Ejercicio 3.12. Encontrar solucin nica?
v , t , "E S . Existe 2E2
Ejercicio 3.13. Son las siguientes matrices denidas o semi-denidas positivas?
Ejercicio 3.14. Calcular los valores singulares de las siguientes matrices
Ejercicio 3.15. Calcular la norma espectral de las siguientes matrices
Ejercicio 3.16. Dada una constante . de sean los dos y
Ejercicio 3.17. Si
es invertible probar que g
g ng#
, mostrar cmo denir una matriz tal que los autovalores
g#gng .
Captulo 4
Solucin de la Ecuacin de Estado y Realizaciones

4.1 Solucin de Ecuaciones de Estado Estacionarias
Vimos que los sistemas lineales pueden representarse mediante integrales de convolucin y, si son de dimensin nita (a parmetros concentrados), tambin mediante ecuaciones de estado. No existe forma analtica simple de resolver la integral de convolucin
ntEe
(4.1)
La forma ms fcil es calcularla numricamente en una computadora digital, para lo cual hay que aproximarla primero mediante una discretizacin. Cuando el sistema es de dimensin nita, la forma ms eciente de calcular n w es obtener una representacin en EE de (4.1) (realizacin) y resolver las ecuaciones
www(w H t ntEGHtwC w w wiHt w w
(4.2) (4.3)
Empezamos considerando el caso estacionario (invariante en el tiempo), es decir: Buscamos la solucin t de la ecuacin
H w
(CvE6 constantes.
(4.4)
para un estado inicial y entrada t0 dados. Un mtodo de encontrar la solucin en este caso, como es simple, es probar una solucin candidata y ver si satisface la ecuacin. Para el sistema escalar
g#
sabemos que la solucin tiene la forma w , as que probamos suponiendo que involucrar a la exponencial matricial f2 . Multiplicando ambos lados de la ecuacin (4.4) (en ) por obtenemos
Ht
en (4.4) va a
u 2
Df
La integracin de esta ltima ecuacin entre
D
es decir,
x D s v v H v D
y da
2 wn v
39
4. Solucin de la Ecuacin de Estado y Realizaciones
40
Como la inversa de de (4.4)
es y
4 , como vimos en clases anteriores, nalmente arribamos a la solucin

(4.5)
Ht
v 0 H
zx H tC v r
La ecuacin (4.5) es la solucin general de la ecuacin de estado (4.4). Suele referirse como la frmula de variacin de los parmetros. La substitucin de (4.5) en la ecuacin de salida (4.3) expresa E t como
ntEG 2 r
(4.6)
que evidencia la superposicin de la respuesta a entrada nula y la respuesta a condiciones iniciales nulas. La solucin de la ecuacin de estado tambin puede calcularse en el dominio frecuencial haciendo la transformada de Laplace de (4.2) y (4.3)1 y resolviendo las ecuaciones algebraicas obtenidas:
E 4 E i S E S T GE
C
. Como vimos, esta puede calcularse en
Las frmulas (4.5) o (4.6) requieren la exponencial matricial ms de una forma, entre otras,
1. Usando el Teorema 1 de la clase del 27 de marzo, evaluando calculando los coecientes del polinomio matricial . 2. Encontrando la forma de Jordan de " de marzo), y despus haciendo i 3. Como
E S

, usando la frmula explcita de (tambin vista el 27 .
ua en el espectro de , y
4i , calculando la inversa de i y antitransformando. t H por el mtodo 3; la inversa de es
Ejemplo 4.1. Consideremos la ecuacin
Ht (
Su solucin est dada por la ecuacin (4.5). Calculamos
" "8 8 8 8
La matriz es la antitransformada Laplace de , que obtenemos expandiendo en fracciones simples y usando una tabla de transformada Laplace (o en M ATLAB con el symbolic toolbox con la funcin ilaplace).
X p @ X p @ X p X p @ X p @
xt u
g C w v S H v E
Finalmente, usando la frmula de variacin de los parmetros (4.5)
w
1 Clase
e w 2 i C w
del 8 de marzo.
41
4.1.1 Comportamiento asinttico de la respuesta a entrada nula

De la forma de donde est en forma de Jordan podemos deducir el comportamiento asinttico de la respuesta del sistema a condiciones iniciales. Consideremos un sistema cuya matriz t E es
La respuesta a entrada nula de en forma cerrada para f2
Htt t
u 7
es
w(
f2 , donde ya conocemos la expresin
@ 7 7 7 @ ' , que Vemos que cada elemento de ser una combinacin lineal de los trminos &V ( u B surgen de los autovalores de y sus multiplicidades.
Podemos as deducir que
7 u
u 7 7 u 7 7 u u 7 u u
Si todos los autovalores de , repetidos o no, tienen parte real negativa, respuesta de extingue. Si algn autovalor de forma ilimitada.
g 2 g
cuando
; la
tiene parte real positiva, g
g }
cuando
; la respuesta crece en
Si ningn autovalor de tiene parte real positiva, y los autovalores con parte real cero son de multiplicidad 1, para alguna cota ; la respuesta permanece acotada. cuando
g
Si tiene autovalores con parte real cero de multiplicidad respuesta crece en forma ilimitada.
o mayor, g
g }
cuando
; la
Estas conclusiones son vlidas en general para la respuesta de un sistema Ejemplo 4.2 (Oscilador armnico). Para el oscilador armnico, donde
tiw .
%
obtenemos
i
de donde
h x ( x 3 x3h x i
La respuesta a entrada nula
ser oscilatoria.
42
4.1.2 Discretizacin
Una aplicacin directa de la frmula de variacin de los parmetros es la discretizacin de sistemas para simulacin o diseo de controladores digitales.
E S
D/A
www(w H t ntEGHtwC w w
ss pF p s s
EHt
A/D
Consideremos el sistema en tiempo continuo
dado por sus EE
Pretendemos obtener un modelo discreto en EE un muestreador a la salida. Discretizacin simple pero inexacta
asumiendo un bloqueador de orden cero a la entrada y
Hagamos primero un enfoque intuitivo. La forma ms simple de obtener un modelo discreto de este sistema para un muestreo regular con periodo es usando la aproximacin
n w
w t para obtener C (fC , llegamos al modelo n ,
H t
. Si slo nos interesa la evolucin del sistema en los instantes (4.7)
S x%
E S
El modelo discreto (4.7) es simple de obtener, pero inexacto inclusive en los instantes de muestreo. Discretizacin exacta Un modelo discreto exacto del sistema continuo puede obtenerse usando la frmula de variacin de los parmetros que da la solucin general de la EE. La salida del bloqueador de orden cero (D/A) se mantiene constante durante cada perodo de muestreo hasta la prxima muestra,
r E S
para
e a
Para esta entrada seccionalmente constante, evaluamos el estado del sistema continuo en el instante de muestreo n4 ,
p B B p S r c E Q p B H v B p B B B B E S Q p B B v sr B B E S q E S v
4. Solucin de la Ecuacin de Estado y Realizaciones donde en la ltima lnea usamos G As llegamos al modelo discreto
43
E E S S r E S E S T
E S E S
(4.8)
donde
r r
B E
r B D v r
El modelo (4.8) da el valor exacto de las variables en n . B B Usando la igualdad , si es no singular podemos computar
C
con la frmula
Un mtodo mejor, que vale para toda , surje del siguiente resultado Teorema 4.1 (Van Loan (1978)). Sean dados los enteros positivos la matriz triangular z
tales que . Si denimos
7 7 @ @ y 7 V @ , entonces para # donde V , 8 9 7 w t w H w @ donde w @ 7 w v . Aplicando el teorema para % vv obtenemos y La funcin M ATLAB [Ad,Bd] = c2d(A,B,T) calcula y de estas expresiones.
4.2
Ecuaciones de Estado Equivalentes
La descripcin en EE para un sistema dado no es nica. Dada una representacin en EE, un simple cambio de coordenadas nos lleva a una representacin en EE distinta equivalente del mismo sistema. Ejemplo 4.3. Sea el circuito RLC de la gura, donde tensin en el capacitor. Si elegimos como variables de estado la tensin en la resistencia y la tensin en el capacitor, obtenemos en la descripcin EE
( ,
D y r . Como salida tomamos la
Si en cambio elegimos las corrientes de lazo obtenemos
Las dos descripciones en EE valen para el mismo circuito. De hecho puede vericarse que . es decir o
La matriz
u u
(no singular) representa un cambio de coordenadas o transformacin de equivalencia.
44
Denicin 4.1 (Transformacin de Equivalencia). Sea Entonces la EE
CV una matriz no singular, y sea { .
w w H t ntE Ht wC donde matrices f0E , y
r
r v r , se dice (algebraicamente) equivalente a la EE en con las 4

es una transformacin de equivalencia.
Por lo visto en el repaso de lgebra Lineal, las matrices y son similares y comparten los mismos autovalores con la misma estructura de autovectores.2 La funcin M ATLAB [Ab,Bb,Cb,Db] = ss2ss(A,B,C,D,P) realiza transformaciones de equivalencia.
4.2.1 Equivalencia a estado cero

Dos descripciones estacionarias en EE son equivalentes a estado cero si tienen la misma matriz transferencia,
i icC C
Usando la expansin en series3
(4.9)
i
vlida para todo
C0
que no sea un autovalor de , podemos escribir (4.9) como
r( rE 2E
C0 00 G G
Teorema 4.2 (Equivalencia a Estado Cero). Dos EE lineales y estacionarias fvE cIpffC son equivalentes a estado cero sii t y E , para
&
6 '
v ( ' & (
4.2.2 Parmetros de Markov

La matriz reduce a
wx
( E Enu
la ganancia esttica directa del sistema. Cuando representa , la matriz transferencia se EGi , que no es otra cosa que la transformada Laplace de la respuesta al impulso
2
Los coecientes

. . .
son las derivadas de la respuesta al impulso en el origen, y se llaman parmetros de Markov. En otras palabras, dos sistemas en EE son equivalentes a estado cero
sus respuestas al impulso son idnticas . sus ganancias estticas y sus parmetros de Markov son idnticos.
Es claro que equivalencia algebraica implica equivalencia a estado cero. Pero que dos sistemas tengan la misma matriz transferencia no implica que tengan la misma descripcin en EE.
2 Dado 3 Surge
que la forma de Jordan es nica, salvo reordenamientos de las y columnas. de evaluar matricialmente la funcin
r4 9gD 4 u B9 .
45
Ht ntE Ewt 0 son equivalentes a estado cero, ya que para y (r , E G ambos . No son, para todo # , y por ende, tienen la misma funcin transferencia, E a sin embargo, algebraicamente equivalentes

(tienen distinta dimensin).
Ejemplo 4.4 (Equivalencia algebraica
equivalencia a estado cero). Los sistemas
w It
4.3
Formas Cannicas
Existen formas particulares de las EE que presentan caractersticas tiles. Estas formas se llaman cannicas y discutimos tres:
Forma cannica modal, Forma cannica controlable, Forma cannica del controlador.
4.3.1 Forma cannica modal

La forma cannica modal es aquella en la que la matriz del sistema esta en forma de Jordan. Como ya vimos, la matriz de cambio de base se forma apilando los autovectores y autovectores generalizados del sistema. , r naturalmente conjugados ya Una salvedad: cuando hay autovalores complejos que es real con autovectores
en vez de apilar
y en hay que usar c y para obtener la forma de Jordan real con el bloque E
Ejemplo 4.5. La matriz
S.
tiene autovalores %
, , y i , respectivamente con autovectores nv xU v
La matriz de cambio de base
la lleva a la forma de Jordan real
4.3.2 Forma cannica controlable

Presentamos esta forma cannica para el caso de una sola entrada de control, es decir cannica se obtiene seleccionando como matriz de cambio de base cvCffat matriz a una forma companion,
% . Esta forma S , que lleva a la
. . .. . . . . . . f C
fC fC fC
. . . .
.
.
. .
(4.10)
46
Obviamente se requiere que la matriz sea no singular (lo que veremos sucede si el sistema es controlable). Esta forma cannica tiene una relacin uno a uno con el polinomio caracterstico de , 0 n E 2 C0 . En M ATLAB la funcin [Ac,Bc,Cc,Dc] = canon(A,B,C,D,modal) genera la forma cannica modal y canon(A,B,C,D,companion) la forma cannica controlable.
1D365
4.3.3 Forma cannica del controlador

Una forma cannica similar a la controlable (4.10), pero ms conveniente para diseo de control, es la del controlador. Esta est dada por (caso SISO)
. . . fC fC E vcffCuc , donde La matriz de cambio de base es x ff 2 ff . . . . . . . . ff . . . . . .. ff ff ff E . .

.
.
. .
. . .
fC fC
..
. .
.
La derivacin del caso multientrada es complicada; ver Rugh (1995, 13). Ejemplo 4.6. Consideremos un sistema cuyas matrices
y son
Calculamos la matriz tico de , poly(A),
bE cvt S con la funcin M ATLAB ctrb(A,B), y E l j j n l l n
con el polinomio caracters-
de donde obtenemos
nj
4.4
Realizaciones
Como vimos, todo sistema lineal estacionario (invariante en el tiempo) puede describirse por una representacin entrada-salida con matriz transferencia
y si el sistema es de dimensin nita, tambin por una representacin interna en EE
wwi ntEGwT
t wC
47
Cuando tenemos las EE, f0E , la matriz transferencia puede calcularse en forma nica como E i . El problema inverso, de obtener las EE (CvE de , se llama problema de realizacin. Diremos que una matriz transferencia es realizable si existe una EE con (CvE tales que x , y el cudruplo (CvE se dice una realizacin de . Como sabemos, si existe una realizacin, existen innitas, no necesariamente de la misma dimensin. Una funcin transferencia racional (cociente de polinomios) es propia si el grado del polinomio numerador no supera al grado del polinomio denominador, estrictamente propia si el grado del numerador es menor que el del denominador. Una matriz transferencia es (estrictamente) propia si todos sus elementos son funciones racionales (estrictamente) propias.
T
&
r '
T
&
&
6 ' 6 '
&
6 '
Teorema 4.3 (Realizabilidad). Una matriz transferencia propia. Demostracin. ( ) Si
es realizable
es una matriz racional y
( ) Si que es una matriz racional propia es la parte estrictamente propia de . Denimos Ei de los elementos de
x iT 14365 ou1iCC Si es , 14365Ei es un polinomio de orden . Como cada elemento de o1 es el determinante de una submatriz , o1%0 es una matriz de polinomios de a lo sumo grado . As uz es racional y estrictamente propia, y si , racional y propia.
es realizable, entonces existen matrices & f0Er
'
tales que
0 E `
i ` . 0 i
. .
i i 0C i i como el polinomio mnico mnimo comn denominador 0 . Entonces podemos expresar ` i

C0
descomponemos
0 0 , donde
donde las son matrices constantes forma cannica del controlador
` i ` i
. Entonces no es difcil probar que el conjunto de EE en
0 0 0 fC i fC i 2 ì ì ì 2 Cf ` t } w es una realizacin de , nalizando la demostracin.
.
. .
0
. . .
fC fC
.. .
. . t .
. . 0
.
Como vimos, una matriz transferencia es realizable sii es racional y propia. Vimos tambin (en la prueba del teorema) una forma de obtener las matrices fv de la realizacin ( es ). En el caso SISO esta forma es particularmente simple y se reduce a la forma cannica del controlador
w .. w . . . . .. . . . . . . . . . . 00 2 00 ntE 2 0 2t 0 para una funcin transferencia dada por 00 00
(4.11)
(4.12)
0C 2 0 0
48
En el caso SIMO (una entrada y varias salidas) la forma es tambin simple; la nica modicacin en la ecuacin (4.11) es en la ecuacin de salida
ntE
para
. .
0C 0C w . . 0C
. . . .
w C0 0
t w . .
.
(4.13)
, y la matriz transferencia es
0 C w t 0 C . .
0C 2 C 0
La realizacin SISO (4.11)-(4.12), o la SIMO (4.11)-(4.13), pueden escribirse directamente por inspeccin de la matriz transferencia . El caso MIMO puede encararse como la superposicin de varios SIMOs,

. . .
.
. .
t .
. .
C0 C0 C0 C0 0C
G 0 w
G . . . .
G G
G
.
00
G G G
.
. .

. . .
G 6
G V ,
00 00
..
Si C 0 es la realizacin de la columna la superposicin es
CfCf , de entonces una realizacin de . .

. .
. .
.
. .
.
. .
C0 C0
..
C0 00
. .
. .
G . . . G
. .
.
. .
.
. .
00 C0
G
. .
. .
49
De forma similar, la realizacin de un sistema MIMO tambin se puede encarar, mutatis mutandis, como la superposicin de varios sistemas MISOs subdividiendo la matriz transferencia por las. Ejemplo 4.7. Consideramos la matriz transferencia
w v pp p @ p X p X p B B p u B p X p B X!p$ B @ H" # p % p @ u
'
pp @ p X B X p p X & # X p @

(4.14)
Realizamos la parte estrictamente propia de (4.14) por columnas.
X p B @ H "! # p %@ p

( ) nl m ( l
X p p X p # @p B
'

para obtener su realizacin completa.
Finalmente superponemos las realizaciones de las columnas de
) ( nl
(4.15)
4.4.1 Realizacin Mnima

Notamos que estos mtodos de obtener una realizacin de una matriz transferencia (por columnas, por las, etc.) dan en general realizaciones de distintos rdenes. Para toda matriz transferencia realizable existen siempre realizaciones de orden mnimo, llamadas realizaciones mnimas. stas son entre s no slo equivalentes a estado cero, sino algebraicamente equivalentes. Las realizaciones mnimas estn intrnsecamente relacionadas con las propiedades de controlabilidad y observabilidad del sistema que estudiaremos en 6. La funcin M ATLAB [Am,Bm,Cm,Dm] = minreal(A,B,C,D) lleva una realizacin dada f0E de a una realizacin mnima.
&
6 '
4.4.2 Sistemas Discretos

Todo lo visto relativo a realizaciones en este captulo se aplica sin modicaciones a sistemas de tiempo discreto.
4.5
Solucin de Ecuaciones de Estado Inestacionarias

www(w H t ntEGHtwC w w
Consideremos el sistema inestacionario descripto por las EE (4.16)
4. Solucin de la Ecuacin de Estado y Realizaciones para el que asumimos solucin nica para cada condicin inicial Antes de ir al caso ms general tratamos el sistema homogneo
50
y cada entrada de control
w .
(4.17)
witHt
y mostramos por qu el mtodo aplicado en el caso estacionario no sirve. Una condicin suciente para existencia y unicidad de solucin de (4.17) es que continua de .
Para cada par c la ecuacin lineal (4.17) con t continua tiene una solucin nica y continuamente diferenciable. w para En el caso estacionario t w extendimos la solucin de la ecuacin escalar w t mostrar que la solucin es usando la propiedad de conmutatividad de con en
w sea una funcin
v v
2 i 2
Ahora, para el caso inestacionario sabemos que la solucin de la ecuacin escalar inestacionaria t w con condicin inicial es
w
(4.18)
w 10 2
y adems tenemos la propiedad
10 2 P
w 103 2
10 2
P wC
Veamos si funciona extender directamente (4.18) en forma matricial. Escribimos (4.18) en forma matricial como
w 10 2 P 04 2 P
donde la exponencial matricial 0 2
4I
P puede expresarse como v z v H C0
La extensin de la solucin escalar al caso matricial no es vlida en el caso inestacionario pues
para derivarla.
0 2 Pr w w w 00 v v 0 2 P w dado que para distintos tiempos y las matrices t y son distintas y por ende en general no w r tw . conmutan, t w En general, 0 2 P no es una solucin de tz Htw y debemos usar otro mtodo
4.5.1 Matriz Fundamental

Consideremos
witHtC
(4.19)
donde w08 es una funcin continua de . Entonces para cada condicin inicial solucin w . Supongamos que tomamos un conjunto de condiciones iniciales Y , darn soluciones a .4 Apilamos estas soluciones en una matriz i 5 tn a C0 c 08 para cada .
H v

existe una nica
4 La
H notacin 6487@9BAH
ICffC , que
representa la solucin de (4.19) con condicin inicial 6D87DC A
4. Solucin de la Ecuacin de Estado y Realizaciones Dado que cada 5 5

5
51
5
Si es no singular (es decir, las fundamental del sistema (4.19).
H t wiHt w
es una solucin de (4.19), la matriz 5 con condicin inicial .
condiciones iniciales H v son LI), entonces Ht se dice una matriz

5
w satisface
(4.20)
Ejemplo 4.8. Consideremos la ecuacin homognea
La solucin de la primer componente w w es t p zi Para condiciones iniciales n
wC
(4.21)
a E
5
wQ es HtQ ; la solucin de la segunda componente H x v n uu i . E v S y n E S tenemos respectivamente las soluciones

y
a E
Como los estados iniciales
y son linealmente independientes,
tn
u u( H v
es una matriz fundamental de (4.21).

5
5 Obviamente, como las columnas de se pueden elegir LI de muchas formas, la matriz fundamental w no es nica. 5 Una propiedad muy importante de una matriz fundamental w es la siguiente. 5 Una matriz fundamental t es no singular para todo . 5 Demostracin. Si w fuera singular para algn , entonces existira un vector no nulo E tal que 5 E . 5 w E es una solucin que cumple F tE para todo Por linealidad del sistema, la funcin F w . Como las soluciones son nicas, F t para todo (la solucin nula es nica), y en particular para 5 5 , es decir F ( E . Llegamos a una contradiccin, pues fue asumida no singular en . 5 Como una matriz fundamental w es no singular para todo , su inversa est bien denida y podemos hacer la siguiente denicin crucial para la solucin de EE inestacionarias. 5 Denicin 4.2 (Matriz de Transicin de Estado). Sea t cualquier matriz fundamental de wi t w . Entonces la matriz G 5 5
H v
#v
( v
H v
se llama matriz de transicin de estados de
En el caso estacionario ( wr constante), una matriz fundamental es directamente y as la matriz de transicin resulta G 5 5
tww .
5
w
5
v ,
( v E
H v E
Ejemplo 4.9. Para el sistema (4.21) en el ejemplo anterior obtenemos

G
( v E
H 2 v
u"

v mv g v (m
u u
@ U ! @ p! "H!!w Y , y as
Como hemos visto, el mtodo usado en el caso estacionario no poda aplicarse para derivar la solucin general de EE inestacionarias (esencialmente porque w no conmuta con ). Hemos tambin denido
52
w , formada apilando soluciones LI del sistema E t0 wCfCf t S , y G 5 5 ( v w v . En el caso estacionario la matriz de transila matriz de transicin de estados H cin es simplemente f .
la matriz fundamental
5 G
En los ejercicios propuestos se pide probar que I G G G Ei w C EG I
v es la nica solucin de la ecuacin matricial
( v
G
H ( v
v v
(4.22)
y que satisface las siguientes propiedades:

G
(t4 G v E v (t ( G G G ( v E ( ( v C
G
(4.23) (4.24) (4.25)
Demostracin de (4.26). Tenemos que mostrar que la solucin w en (4.27) satisface las condiciones iniciales y la ecuacin diferencial de EE en (4.26). Evaluando (4.27) en y usando la propiedad (4.23) vemos que
www(w Ht nt EGHt w C w w con condiciones iniciales v v y entrada Ht Ht G ( v v G C(

G
En esta clase utilizamos estas propiedades de
v para mostrar que las solucin de

(4.26) est dada por (4.27)
G v v
v v v
v C(
Usando (4.22) y la regla de Leibniz,5 obtenemos I I G G t I I C(
H ( v v I G G G w v v I BC Q wCw w G w v v t G B0 Q G (t0w t w t Ht w C
La respuesta de la salida en (4.26) est dada por
ntEGHt v v r Ht
G
BC C w t0
La respuesta a entrada nula es G
ntEGHt v v ntEe
G
y la respuesta a condiciones iniciales nulas se puede escribir como
cw HCTwQPn
R ` SYX RBSUT V8W SaX W
(4.28)
` SaX T 8 V W SYXpi S W i
5 Clase
del 27 de marzo
"7QbdcDQefc 87QbHcD4h g 87 "7QbHc4 g 878
87@bHcDQeqc
53
que corresponde con la representacin entrada-salida vista
ntEe
H C C
(4.29)
Comparando (4.28) y (4.29) concluimos que la respuesta del sistema (4.26) a un impulso aplicado en el instante est dada por G EG w C( wQ P 5 5 G w t C wQ P C (4.30)
La solucin general de la EE en sistemas inestacionarios requiere la solucin de la ecuacin
witHtC
para obtener I G I
5
t , o la solucin de la ecuacin
G ( Eiw H( v v G ( v . Salvo para casos especiales, estas ecuaciones son difciles de resolver. para obtener
Sin embargo, estos casos especiales pueden ser tiles: es decir, si
1. La matriz
w es triangular; como por ejemplo en w H t H t w w H t w w Ht t t w w wC
En este caso podemos resolver la ecuacin escalar ecuacin de ,
wz
t w w y substituir la solucin en la
w t
2. La matriz
w posee la propiedad conmutativa
para todo y (como es el caso de solucin est dada por

G
w
Ht diagonal o constante). Entonces puede probarse que la
t 0 2 2 P sr & sv
4.5.2 Caso Discreto

La solucin de las EEs inestacionarias en tiempo discreto
E nE S E S E S r E S nE S w E S T gE
S E S S9 E S
(4.31)
es mucho ms simple que el caso en tiempo continuo. En forma similar denimos la matriz de transicin de estados discreta como la solucin de G G G con
v v fCf Pero en este caso la solucin se obtiene en forma explcita como G E vS VE S nE S80C VE vHS x v y G E v vS 4 . para
para
v S VE S E v S
E v v S
(4.32)
54
Notar: Dado que la matriz fundamental en el caso en tiempo continuo es no singular para todo , la matriz de transicin de estados est denida para todo , y (lo que implica que podemos resolver la EE en tiempo invertido). G En el caso discreto, si la matriz es singular la inversa de no est denida, por lo que la contrapartida discreta de la propiedad (4.25) G G G
# v a v E v S
E v S E S E v S # v. slo vale si # La solucin general de la EE en el caso discreto es G G E S E vHS v E S E pS9 E pS TgE S E S G

4.6
Ecuaciones Inestacionarias Equivalentes

w w w ntE t w
Denicin 4.3 (Equivalencia de EE Inestacionarias). Sea w una matriz w t . Entonces la EE mente diferenciable para todo . Sea
w H ( t w w w S9
no singular y continua(4.33)
donde
se dice (algebraicamente) equivalente a la EE (4.26) y w es una transformacin de equivalencia. 5 5 No es difcil ver que si t es una matriz fundamental del sistema original (4.26), entonces t 5 t w es una matriz fundamental del sistema (4.33). Una propiedad interesante en el caso inestacionario es que es posible llevar al sistema a una forma equivalente donde t sea constante.
HtvE wtw H txw w
ft
Ht wCw H t H t
H v
Teorema 4.4 (Transformacin a matriz de evolucin estacionaria). Sea una matriz ii constante cualquiera. Entonces existe una transformacin de equivalencia que lleva (4.26) a (4.33) con wi . 5 5 Demostracin. Sea w una matriz fundamental de tv w t , y denamos t# t . Entonces,
w twHt t t 5 5 5 5 wHt v 0w 0w w w 5 H t
5 5
(4.34)
Como 5
w t 5 5 wG , el reemplazo de (4.35) en (4.34) muestra que que sigue de derivar t 5 5 wi v w Ht v

Si
(4.35)
v se elige como la matriz nula, v , entonces t 5 y el sistema barra se reduce a w v w 5 t0wC HtGw 5 HtC tEwC
Una representacin considerablemente ms simple, aunque necesitamos conocer una matriz fundamental del sistema original para obtenerla. Es fcil ver usando (4.30) que la respuesta al impulso inestacionaria es invariante con respecto a transformaciones de equivalencia. Sin embargo, y a diferencia de lo que pasaba en el caso estacionario, las propiedades de la matriz de evolucin del sistema w pueden cambiar drsticamente con una transformacin de equivalencia! Esta es una excepcin donde el caso estacionario no es un caso particular del caso inestacionario (nunca vamos a poder transformar la matriz w en la matriz nula con una transformacin de equivalencia estacionaria).
55
4.7
Realizaciones de Sistemas Inestacionarios
En el caso inestacionario no podemos usar la transformada de Laplace para describir el comportamiento entrada-salida del sistema, por lo tanto usamos directamente la descripcin en dominio temporal
ntEe
Si el sistema es de dimensin nita tiene representacin en EE. Vimos en (4.30) que de la representacin en EE (4.26) la respuesta al impulso est dada por
5 5 BEGw t CC wQPC para # , (4.36) 5 tww . es una matriz fundamental del sistema donde Ht CCw Ct y w de la respuesta al impulso B . As, El problema inverso se trata de obtener Ht B se dice realizable si existen w Cf(wC0w y t tales que se cumple una respuesta al impulso (4.36). Teorema 4.5 (Realizabilidad de sistemas inestacionarios). Una matriz ) de respuesta al impulso
es realizable si y slo si puede descomponerse en la forma
como
BEw ` TwQP (4.37) para todo # , donde , ` y son matrices z{ , z) y z) para algn entero . Demostracin. Si B es realizable entonces existe una realizacin que cumple (4.36) y wi 5 w t y ` n 5 . puede descomponerse en la forma (4.37) entonces Si H w E ` w Ht Ew Ew w T t w entonces 5 w es una matriz fundamental y es una realizacin del sistema. En efecto, si w w C ` x t @P E . Ex u , puede factorizarse Ejemplo 4.10. La respuesta al impulso wb ua , o BE BE
u
u huHh u
56
y as admite la realizacin inestacionaria
ntE w
g uhu w hu uu u pwC u
(4.38)
Alternativamente, la transformada de Laplace de zacin estacionaria
es
E uu"S
p @ , de donde obtenemos la reali @
ntE
w It0
4.8
Resumen
Obtuvimos la solucin general de la ecuacin de estado para sistemas lineales estacionarios, conocida como frmula de variacin de los parmetros.
En este captulo:
Aplicamos la frmula de variacin de los parmetros para obtener la discretizacin exacta de un sistema con un bloqueador de orden cero a la entrada y un muestreador a la salida. Vimos que sistemas cuyas representaciones en EE estn relacionadas a travs de un cambio de coordenadas no singular son equivalentes. Equivalencia a estado cero de EE, que implica que dos representaciones en EE tienen la misma matriz transferencia, aunque no necesariamente sean algebraicamente equivalentes. Algunas formas cannicas tiles de EE: modal, controlable y del controlador. El problema de realizacin, que consiste en obtener una descripcin en EE dada una matriz transferencia racional y propia. La realizacin de una matriz transferencia en forma cannica del controlador es particularmente simple para los casos de una entrada. Esta simplicacin es til para subdividir la realizacin de una matriz transferencia con varias entradas (columnas) superponiendo las realizaciones de cada columna. La teora de realizacin vista se aplica sin modicaciones a sistemas en tiempo discreto. Primera conclusin en la solucin de la EE para sistemas lineales inestacionarios: el mtodo usado para derivar la solucin en el caso estacionario no sirve. 5 Para la solucin general denimos la matriz fundamental w , formada apilando soluciones LI del G 5 5 t , que en el caso estacionario se sistema, y la matriz de transicin de estados Y reduce a . Continuar fC
Mostramos la frmula de la solucin general de la EE lineal inestacionaria, utilizando la matriz de G transicin denida en la clase pasada. G Una dicultad en el caso inestacionario es el cmputo de , que es difcil salvo casos especiales como los de w triangular, diagonal o constante. G Para sistemas discretos s se puede calcular explcitamente (la solucin en tiempo discreto es vlida en la direccin positiva del tiempo).
E vHS
Vimos transformaciones de equivalencia (algebraica) inestacionarias. Estas llevan el sistema a una forma con la misma descripcin entrada-salida, pero en la que la matriz t puede tener propiedades muy distintas.
La respuesta al impulso de un sistema inestacionario es realizable sii simple que separa la dependencia en y .
admite una factorizacin
57
4.9
Ejercicios
Ejercicio 4.1. Utilizando la regla de Leibniz para derivar expresiones integrales,6 vericar que (4.5) satisface (4.2) con estado inicial . Ejercicio 4.2. Probar que los sistemas descriptos por EE equivalentes tienen la misma funcin transferencia. Ejercicio 4.3. Para los siguientes casos de la matriz ,
obtener una expresin de la respuesta a entrada nula, w w , y dibujar en forma cualitativa el diagrama de fases ( w versus w ). Cmo es la respuesta a condiciones iniciales sobre las direcciones de los autovalores de ? Vericar los diagramas obtenidos mediante simulacin numrica con un conjunto de distintas condiciones iniciales en el marco de la ventana ( % , ( " . (Los diagramas corresponden a los tipos de sistemas de segundo orden conocidos respectivamente como nodo, nodo degenerado, foco y ensilladura.)
V (

Ejercicio 4.4. Terminar los detalles de la demostracin del Teorema 4.3. Ejercicio 4.5. Hallar una realizacin para la matriz transferencia
Ejercicio 4.6. Hallar una realizacin de cada columna de en el ejercicio anterior por separado, y despus conectarlas en un solo modelo en EE. Son las realizaciones obtenidas equivalentes? Ejercicio 4.7. Hallar una realizacin de cada la de en el ejercicio anterior por separado, y despus conectarlas en un solo modelo en EE. Cmo se compara la realizacin obtenida con las de los ejercicios anteriores? G Ejercicio 4.8. Probar que la matriz de transicin satisface las siguientes propiedades G 1. es la nica solucin de la ecuacin diferencial matricial
2 wpp X p w p X p
( v
v ( t , v E G G G ( v E ( ( v . 4. Ejercicio 4.9. Encontrar matrices fundamentales y de transicin para los sistemas w wC y t a wC Ejercicio 4.10. Mostrar que la matriz de transicin de t w H t w t t H w H tiene la forma G G G v G v t ( v E v t G G v , donde u ( v E v para . para todo u wC w mediante una transformacin de Ejercicio 4.11. Llevar un sistema estacionario Cv0 a (
3.
G G
2.
(t ,
G G v 0 H( v rw
v v 4
equivalencia inestacionaria.
Ejercicio 4.12. Encontrar una realizacin inestacionaria y una estacionaria de la respuesta al impulso a .
tE
6 Clase
27/03/00.
Captulo 5
Estabilidad
5.1 Introduccin
La estabilidad de un sistema puede pensarse como una continuidad en su comportamiento dinmico. Si se presenta un cambio pequeo en las entradas o condiciones iniciales, un sistema estable presentar modicaciones pequeas en su respuesta perturbada.
t
Estable
v v
Inestable
En un sistema inestable, cualquier perturbacin, por pequea que sea, llevar estados y/o salidas a crecer sin lmite o hasta que el sistema se queme, se desintegre o sature. La estabilidad es un requerimiento bsico de los sistemas dinmicos destinados a realizar operaciones o procesar seales, y es lo primero que debe garantizarse en el diseo. Estudiaremos la estabilidad de sistemas estacionarios e inestacionarios por separado, empezando por los primeros.
5.2
Estabilidad Entrada-Salida de Sistemas Estacionarios
Hemos visto que la respuesta de los sistemas dinmicos que estudiamos se descompone en respuesta con condiciones iniciales nulas y respuesta con entrada nula. Estudiamos la estabilidad de estas respuestas por separado comenzando por la estabilidad entrada-salida.
5.2.1 Representacin externa

Sea un sistema lineal, causal y estacionario SISO descripto por
ntEe
H e v v H
(5.1)
para el cual asumimos condiciones iniciales nulas. Una seal w se dice acotada si existe una constante
w x
para todo
tal que
58
5. Estabilidad
59
Denicin 5.1 (Estabilidad entrada-acotada/salida-acotada (BIBO)). 1 Un sistema es estable BIBO (entradaacotada/salida-acotada) si toda entrada acotada produce una salida acotada. Teorema 5.1 (Estabilidad BIBO de sistemas SISO). Un sistema SISO es estable BIBO si y slo si su respuesta al impulso t es absolutamente integrable en el intervalo , es decir, existe una constante tal que
E }
t una entrada arbitraria acotada, # Ew v H C v R v r x el sistema es BIBO. x w no es absolutamente integrable, es decir que existe algn tal que Supongamos ahora que 7 } v
Demostracin. Supongamos que t es absolutamente integrable. Sea es decir, w para todo . Entonces Consideremos la entrada acotada
v r gt a2}
Ewv 7
si si
# a
La salida del sistema para esta entrada y
es
n Ee
v 7 } v
el sistema no es BIBO.
Notar que una funcin absolutamente integrable no necesariamente es acotada y puede no ir a cero cuando . Un ejemplo de una funcin que es absolutamente integrable y no va a cero cuando es i para v para
a a
para
# .
Teorema 5.2 (Estabilidad BIBO y respuesta en rgimen permanente). Si un sistema con respuesta al impulso w es estable BIBO, entonces cuando 1. La salida correspondiente a una entrada constante
. t , para # , tiende a la constante 2. La salida correspondiente a una entrada sinusoidal w x3Dh v , para g# , tiende a la sinusoide v x3DV v c . h H v
Input Bounded Output.
Demostracin.
1 Bounded
5. Estabilidad
60
1. Si
para todo
EwEe
, entonces
y as
v r v r sv r 2. Si tCx3Dh v , para # , entonces fd

Ew EwEe
t es absolutamente integrable, entonces podemos evaluar 1Ee r T r ( x I r x3Dhw v v qUH v 1 ( 1 1 n 1 x3Dd h 1 C x Finalmente de (5.2), cuando } ( ( Ew x3D h v v r x v (w x v h v r 3 x3 h v w 1 v 6 v x3D h v & eF3 x 3 v fkd ( 1 v S 1 v E x3h v xg 1 v x v x3hh h " v i 1 v C 1 v x3DV
Si El teorema anterior es bsico; especica la respuesta de un sistema BIBO a seales constantes y sinusoidales una vez que los transitorios se extinguen. Esta es la base del ltrado de seales. El resultado siguiente establece la estabilidad BIBO en trminos de funciones transferencia racionales y propias. Teorema 5.3 (Estabilidad BIBO para funciones racionales y propias). Un sistema SISO con una funcin transferencia racional y propia es BIBO estable si y slo si todos los polos de tienen parte real negativa. Si tiene un polo en los trminos
x3Dh v H v ( ( e FE x3D h v 3 v Qx3Dh v x x v S v 6 ( Cx3 h v v x v x3 v v x3Dh v w
(5.2)
con multiplicidad
, es claro que su expansin en fracciones simples incluir
) 0
fCff
) G 0
La transformada de Laplace inversa de binaciones lineales de las exponenciales
t ( ( cffCf( G
Es fcil chequear que todos estos trminos sern absolutamente integrables si y slo si semiplano (abierto, sin incluir al eje 1 ) izquierdo del plano complejo.
la respuesta al impulso del sistema relajado incluir com-
pertenece al
5. Estabilidad
61
Ejemplo 5.1. Sea el sistema en realimentacin positiva de la Figura 5.1 que incluye un retardo unitario, , y una ganancia esttica de valor . El sistema es de dimensin innita, puesto que incluye un retardo, y no tiene funcin transferencia racional. Cuando la entrada es un impulso, tjP w , la salida est dada por
P 0 P 0C $r t jk P , y as Podemos considerar los impulsos como positivos, con lo que H r }mm # si aG . v r w Esr l v m m aC} si Concluimos que el sistema es BIBO estable si y slo si a . w
+ +
Figura 5.1: Sistema realimentado con retardo.
5.2.2 Caso MIMO

Los resultados de estabilidad BIBO para sistemas MIMO siguen de los de sistemas SISO, ya que una matriz transferencia sera BIBO estable si y slo si cada una de sus entradas son BIBO estables.
5.2.3 Representacin interna

Cuando el sistema est representado en EE,
wi ntEGwT
t wC
la estabilidad BIBO depender de los autovalores de la matriz , ya que todo polo de de ,
es un autovalor
tendrn parte real negativa, y el sistema ser BIBO. No obstante, no todo autovalor de es un polo de , ya que puede haber cancelaciones entre ceros y polos al computar . As un sistema puede ser BIBO estable aunque algunos autovalores de no tengan parte real negativa.
xCC o1CiT 1D365i y as si todos los autovalores de tienen parte real negativa, todos los polos de
Ejemplo 5.2. El sistema
ntE
( t w ( p wE wC p
a pesar de tener un autovalor con parte real positiva en rencia
, es BIBO estable porque su funcin transfe-
ExCCx
Y4 .
tiene su nico polo en
5. Estabilidad
62
5.2.4 Caso discreto

El caso discreto es anlogo al caso continuo, mutatis mutandis, con el sistema descripto por
pS s v s v G G E S es la secuencia respuesta a un impulso discreto aplicado en el instante donde F nr

Resumimos los resultados principales en los siguientes teoremas.
FE
pS9 E p S or
FE pS9 E
Teorema 5.4 (Estabilidad BIBO discreta). Un sistema discreto MIMO con matriz respuesta al impulso es estable BIBO si y slo si cada es absolutamente sumable, es decir,
S x F E sv a2} Teorema 5.5 (Respuesta en rgimen permanente discreta.). Si un sistema discreto con respuesta al im pulso FE S es estable BIBO, entonces, cuando } , , para # , tiende a . 1. La salida excitada por E S , tiende a h p , para # E es x38 h " v q c , donde 2. La salida excitada por E S 2x3D la transformada r de FE S , E sr FE pS E G G hv Teorema 5.6 (Estabilidad BIBO para funciones racionales y propias). Un sistema discreto MIMO con matriz transferencia racional y propia E E E S es BIBO estable si y slo si todo polo de E tiene
r
EP E SS
E S
E S
magnitud menor que .
Notar: Que en el caso de tiempo continuo las funciones absolutamente integrables pueden no ser acotadas, o no tender a cuando . En el caso de tiempo discreto, si es absolutamente sumable entonces debe necesariamente ser acotada y aproximarse a cuando .
Ejemplo 5.3. Sea un sistema discreto estacionario con respuesta al impulso . Analizamos si es absolutamente sumable,
E S
r sv FE S
E S

E S }
E S
, para #
,y
00 m
C0
00
C0
0C
La secuencia de la respuesta al impulso es acotada pero no sumable, por lo tanto el sistema no es BIBO.
5.3
Estabilidad Interna de Sistemas Estacionarios
La estabilidad BIBO se deni bajo condiciones iniciales nulas, y se refera al comportamiento externo del sistema, o sea, aquel observable en la relacin entre salidas y entradas independientemente de estados del sistema. Ahora estudiamos la estabilidad interna del sistema, que se reere al comportamiento de los estados del sistema. Consideramos la respuesta a condiciones iniciales E y con entradas nulas, es decir,
wiHtC
(5.3)
La estabilidad interna describe las propiedades de convergencia de las trayectorias a puntos de operacin o de equilibrio del sistema.
5. Estabilidad
de un sistema en EE Denicin 5.2 (Punto de Equilibrio). Un punto de equilibrio vector constante tal que si n , entonces t para todo .
63
w#
tc
es un
La denicin de punto de equilibrio vale para sistemas no lineales, que pueden tener varios. Para sistemas lineales, salvando los casos en que la matriz tenga autovalores nulos, existe un solo punto de equilibrio: el origen. Ejemplo 5.4. Sean los sistemas
En el primer sistema la matriz tiene un autovalor nulo, por lo que tiene un kernel no trivial generado por el vector (p ut . La direccin denida por es un conjunto de equilibrio. , es decir, En el segundo sistema, los equilibrios estn denidos por los tales que i . Como la matriz es no singular, el nico equilibrio es . u t v xw fCf . El tercer sistema es no lineal. Haciendo t obtenemos , donde
E u
wxx3Dhw
H Cx3h
HS
E S
Para los sistemas lineales que tratamos en la materia, interesa un equilibrio nico y estable en el origen. ste ser un equilibrio en cualquier representacin en EE equivalente del sistema. Denicin 5.3 (Estabilidad en el sentido de Lyapunov). El (equilibrio del) sistema t w es estable en el sentido de Lyapunov, o simplemente estable, si toda condicin inicial nita origina una trayectoria acotada. Denicin 5.4 (Estabilidad Asinttica). El sistema tx t es asintticamente estable si toda condicin inicial nita origina una trayectoria acotada que adems tiende al origen cuando .
Denicin 5.5 (Inestabilidad). El sistema Htt
es inestable si no es estable.
Estabilidad Lyapunov
Estabilidad asinttica
Inestabilidad
Para sistemas del tipo (5.3) la estabilidad queda determinada por los autovalores de . Teorema 5.7 (Estabilidad Interna). El sistema
Htt
es
1. estable en el sentido de Lyapunov si y slo si todos los autovalores de tienen parte real no positiva, y aquellos con parte real cero estn asociados a un bloque de Jordan de orden de . 2. asintticamente estable si y slo si todos los autovalores de
tienen parte real negativa.
Demostracin. Notamos primero que la estabilidad de una EE no ser alterada por transformaciones de w , donde es una matriz no singular, si t es acotado equivalencia algebraica, puesto que en w tambin lo ser t . Y si t tiene a cero, tambin lo har w . tiene los mismos autovalores que . En el sistema transformado es wQ w , donde . Sean fCff son los autovalores de 08 con multiplicidad k Sea la transformacin de equivalencia que lleva el sistema a su forma cannica modal, o sea que es diagonal en bloques,
H G
G c
.
. .
.
. .
. . .
C0 C0 C0
..
.
. .
C0
5. Estabilidad
Yy Yy donde el bloque es el bloque de Jordan asociado al autovalor . z , donde d z tambin es diagonal en bloques La solucin de w w es w d
64
7 .
. .
i i
@
.
. .
C0 C0 W C0
. . . ..
Como vimos, cada y involucra trminos con las exponenciales y y y , etc., dependiendo de la multiplicidad de . Es claro entonces que la respuesta del sistema slo puede ser acotada si ningn autovalor tiene parte real positiva y todos los autovalores con parte real nula estn asociados a bloques de Jordan de orden . Para que el estado converja asintticamente al origen, es necesario que todos los autovalores tengan parte real estrictamente negativa. Ejemplo 5.5. Sea el sistema
C0
. . .
u (
HtC
Tiene un autovalor doble en y uno simple en . Como el autovalor nulo est asociado a dos bloques de Jordan de orden , concluimos que el sistema es estable en el sentido de Lyapunov. El sistema
HtC
sin embargo, tiene los mismos autovalores, pero esta vez el autovalor nulo est asociado a un bloque de Jordan de orden , y por lo tanto el sistema es inestable. Como ya discutiramos, todo polo de la matriz transferencia del sistema
xCC
debe ser un autovalor de , por lo que estabilidad interna implica estabilidad BIBO. Sin embargo, no todo autovalor de aparecer como polo de , por lo que estabilidad BIBO no implica estabilidad interna.
5.3.1 Sistemas discretos

Las deniciones de estabilidad en el sentido de Lyapunov y asinttica son las mismas para sistemas en i . El teorema 5.7 se reformula de la siguiente forma. tiempo discreto
wE
wE S
Teorema 5.8 (Estabilidad Lyapunov para sistemas discretos). El sistema
S E
es
1. estable en el sentido de Lyapunov si y slo si todos los autovalores de tienen magnitud no mayor que , y aquellos con magnitud igual a estn asociados a un bloque de Jordan de orden de . 2. asintticamente estable si y slo si todos los autovalores de
tienen magnitud menor que .
5.4
El Teorema de Lyapunov
Da una forma alternativa de chequear estabilidad asinttica de w w . La importancia de este resultado (en su forma general) es que permite estudiar la estabilidad de sistemas ms generales, como por ejemplo inestacionarios o no lineales. Diremos que una matriz es Hurwitz si todos sus autovalores tienen parte real negativa.
5. Estabilidad
65
Teorema 5.9 (Teorema de Lyapunov). La matriz denida positiva , la ecuacin de Lyapunov
es Hurwitz si y slo si dada cualquier matriz simtrica y

(5.4)
ti%4
`
.
tiene una solucin nica simtrica y denida positiva
Aleksandr Lyapunov (1857-1918)
Demostracin. ( ) La ecuacin (5.4) es un caso especial de la ecuacin de Lyapunov
i
que viramos en la clase del 27 de marzo, con t , rt , y r . Como y t tienen los mismos autovalores, si es Hurwitz no hay dos autovalores y tales que . As, por lo visto en 3, la ecuacin de Lyapunov es no singular y tiene una solucin nica para cada . Postulamos la siguiente candidata a solucin
e r U{a ` 2
(5.5)
Substituyendo (5.5) en (5.4) da
t i%
e r
vr
donde hemos usado el hecho de que 2 puesto que de (5.5) es solucin de la ecuacin de r Lyapunov (5.4). De (5.5) se ve tambin que si es simtrica, tambin lo es matriz no singular, y consideremos
U{a ` }| v { `Y r sv `
t { ` 2 2H~

` x `
vr
{ `Y w
fd
es Hurwitz. As mostramos que en efecto . Factoricemos
t `
donde
es una
tx r t { ` t # ` ne r
Como y son no singulares, para cualquier no nulo el integrando de (5.6) es positivo para cada . Es decir, t para todo , y concluimos que es denida positiva. ( ) Mostramos que si y son denidas positivas entonces es Hurwitz. Sea un autovalor de y el autovector correspondiente, es decir, E . Tomando la traspuesta conjugada obtenemos t a . As, de (5.4)
v g `# ig
(5.6)
t G eF3
(5.7)
Como los trminos y y muestra que es Hurwitz.
6`
son reales y positivos, como viramos en el 3, (5.7) implica que eF3 a
5. Estabilidad
66
Un corolario de este resultado que nos va a ser til ms adelante es el siguiente. Corolario 5.1. La matriz
o4hf
r o4h
es Hurwitz si y slo si para cualquier matriz t ` r{ con i a y la propiedad ` ` . .
la ecuacin de Lyapunov
G 8
t i%4
` t `
.
tiene una solucin nica simtrica y denida positiva
Un resultado importante que usamos en la prueba del Teorema de Lyapunov es el siguiente, que resumimos en un teorema aparte. Teorema 5.10. Si
es Hurwitz, entonces la ecuacin de Lyapunov
ti%4
tiene una solucin nica para cada
que puede ser expresada como
e r { ` 2
5.5
Estabilidad Interna de Sistemas Discretos
5 vista en el Captulo 3 es La contrapartida discreta de la ecuacin general de Lyapunov i 5 xE (5.8) 5 donde las matrices e son respectivamente y " y las matrices y son . De forma similar al caso visto,2 la ecuacin (5.8) es una ecuacin lineal en que puede reescribirse en la forma . 5 Si es un autovalor de y un autovalor de , la condicin para que exista una solucin nica de (5.8) es que
2 para todo l
(5.9)
Puede verse intuitivamente como surge esta condicin. Sea un autovector derecho (vector columna ) 5 5 . Sea un autovector izquierdo (vector la ( ) asociado al asociado al autovalor de ; o sea, de ; o sea, i . autovalor V Si pensamos a la ecuacin (5.8) en trminos de la funcin matricial 5 la ecuacin se reduce a E . Evaluando en la matriz I , tenemos que 5 n I 4 aV I I
son autovalores de (5.8). Si por lo que lo V , entonces existe una solucin nica de la ecuacin EG . De otro modo, pueden o no existir soluciones. r . Volvemos entonces ahora a la condicin de estabilidad para el sistema discreto
E `
Teorema 5.11 (Teorema de Lyapunov Discreto). Todos los autovalores de la matriz 08 tienen mag t , donde nitud menor que si y slo si dada cualquier matriz simtrica y denida positiva , o 8 con i tiene la propiedad
S `
E S
o4hf
2 En
a ` `
. . .
` w`
G 8
la clase del 27/03/2000.
5. Estabilidad
67
la ecuacin de Lyapunov discreta
t%
`
.
(5.10)
tiene una solucin nica simtrica y positiva denida
Un esquema de la demostracin, que sigue pasos similares a la del caso continuo, se puede encontrar en Chen (1999, p. 136-137). En este caso una solucin explcita est dada por el siguiente resultado. Teorema 5.12 (Solucin de la Ecuacin de Lyapunov Discreta). Si todos los autovalores de la matriz tienen magnitud menor que , entonces la ecuacin de Lyapunov
t %
tiene solucin nica para cada
nr
Remarcamos que an cuando tuviera autovalores con magnitud mayor que , la ecuacin de Lyapunov tiene solucin si se cumple (5.9), pero no puede expresarse en la forma (5.11). La funcin M ATLAB lyap calcula la solucin de la ecuacin de Lyapunov continua, mientras que la funcin dlyap calcula la discreta.
G sv
, y la solucin puede expresarse en la forma (5.11)
G ` G
5.6
Estabilidad de Sistemas Inestacionarios
5.6.1 Estabilidad entrada/salida

El concepto de estabilidad BIBO para sistemas lineales inestacionarios es el mismo que vimos en el caso estacionario; si el sistema est representado por
ntEe
H v #u v
tal que
decimos que el sistema es BIBO estable si toda entrada acotada produce una salida acotada. La condicin necesaria y suciente para estabilidad BIBO es que exista una constante nita para todo y todo , ,
g B6gt
5.6.2 Estabilidad interna
Como en el caso estacionario, la ecuacin wQ w w es estable en el sentido de Lyapunov si toda condicin inicial genera una respuesta acotada. Como la respuesta est gobernada por G
v v
es asintticamente estable si la respuesta generada por toda condicin inicial es acotada y adems tiende a cero cuando . Las condiciones de estabilidad asinttica incluyen (5.12) y adems G cuando .
v #u v g v 6g a } v4Htw La ecuacin w g v 6g
concluimos que la respuesta es Lyapunov estable si y slo si existe una constante nita y , , G
tal que para todo

(5.12)
Como en el caso inestacionario la respuesta depende del tiempo inicial , interesa caracterizar la estabilidad del sistema de como una propiedad independiente de . As surgen las nociones de estabilidad uniforme y estabilidad asinttica uniforme.
5. Estabilidad
68
Denicin 5.6 (Estabilidad Uniforme). La ecuacin
witHtC
es uniformemente estable si existe una constante nita positiva tal que para cualquier correspondiente satisface
la solucin (5.13)
gctrg c g v gu
#v v
, la constante debe ser mayor que . Notar que como la ecuacin (5.13) debe satisfacerse en n El adjetivo uniforme se reere precisamente a que no debe depender de la eleccin del tiempo inicial, como se ilustra en la Figura 5.2.

Figura 5.2: Estabilidad uniforme.
Ejemplo 5.6. La ecuacin wx U w H
Es fcil ver que para un jo, existe un tal que (5.14) es acotada por para todo , dado que el trmino domina en el exponente cuando crece. Sin embargo, la ecuacin de estado no es uniformemente estable. Con un estado inicial jo, considexw remos la secuencia , con w ICff , y los valores de las correspondientes soluciones evaluadas segundos ms tarde: w p
mx3h t wCH v v @ p H p @ v
puede vericarse que tiene la solucin (5.14)
g vg
V# v v
p u v v
Claramente, no hay cota del factor exponencial independiente de , o sea que va a depender forzosamente de , y as del tiempo inicial . Denicin 5.7 (Estabilidad Exponencial Uniforme (EEU)). La ecuacin
witHtC
v #v v
(5.15)
es uniformemente exponencialmente estable si existen constantes nitas positivas quier y la solucin correspondiente satisface
v gctrg
tales que para cual-
g v gu u c #
Nuevamente, , y el adjetivo uniforme se reere a que y ilustra en la Figura 5.3.
son independientes de v , como se
Teorema 5.13 (EEU para w acotada). Supongamos que existe para todo . tal que 0 w Entonces la ecuacin lineal (5.15) es uniformemente exponencialmente estable si y slo si existe tal que
g 6g
q 6 gu q gG
para todo
, #
5. Estabilidad
69
gc v g gc v g gw6g v v
Figura 5.3: Estabilidad exponencial uniforme.
w6g g
Ver Rugh (1995, p. 102-103) por la demostracin. En el caso estacionario, w , la condicin el teorema anterior lleva al requerimiento de que todos los autovalores de tengan parte real negativa para que el sistema tenga EEU. En el caso inestacionario los autovalores de w no determinan las propiedades de estabilidad del sistema, como muestra el siguiente ejemplo.
Ejemplo 5.7. Sea el sistema inestacionario
witHt
El polinomio caracterstico de
w es
a t0
(5.16)
a itc214365 4 w tiene dos autovalores en 4 para todo . Puede vericarse que la matriz por lo que G E u V
1D365
satisface la condicin I G G Ei w I
y es por lo tanto la matriz de transicin de estados del sistema (5.16). Como la entrada t de t crece en forma ilimitada con , el sistema no puede ser asintticamente o Lyapunov estable. A diferencia del caso estacionario, los autovalores de t no son tiles para chequear estabilidad.
( v
H ( v
5.6.3 Invariancia frente a transformaciones de equivalencia

En el caso inestacionario las propiedades de estabilidad, determinadas por los autovalores de , son invariantes frente a transformaciones de equivalencia. En el caso inestacionario sabemos que esta propiedad no se conserva, ya es posible llevar la matriz w a una matriz constante arbitraria mediante una transformacin de equivalencia inestacionaria t . No obstante, para ciertas t , es posible hacer que las propiedades de estabilidad sean tambin invariantes en el caso inestacionario.
w que es continuamente diferenciable Denicin 5.8 (Transformacin de Lyapunov). Una matriz { e invertible en cada se llama transformacin de Lyapunov si existen constantes y tales que para todo
g trg
Una condicin equivalente a la (5.17) es la existencia de una constante tal que para todo
14365 w # g
(5.17)
g trg
Ht6g
5. Estabilidad
70
Teorema 5.14 (Equivalencia y Estabilidad en Sistemas Inestacionarios). Supongamos que t es una transformacin de Lyapunov. Entonces la ecuacin lineal (5.15) es uniformemente (exponencialmente) estable si y slo si la ecuacin de estado
E
wvE
Cwtt H t
fHt w S E w
es uniformemente (exponencialmente) estable.
5.7
Resumen
Hemos introducido los primeros conceptos de estabilidad de sistemas estacionarios, comenzando por la estabilidad entrada-salida BIBO: entrada-acotada/salida-acotada.
Vimos que un sistema es BIBO estable si y slo si su respuesta al impulso es absolutamente integrable (sumable, para sistemas discretos), o si su funcin transferencia (en discreto E ) es racional y propia, todos los polos de tienen parte real negativa (los polos de E tienen magnitud menor que ).

5.8
Los sistemas MIMO son BIBO estables si y slo si todos los subsistemas SISO que conectan las diferentes entradas y salidas son BIBO estables. La respuesta en rgimen permanente de un sistema BIBO a una entrada sinusoidal de frecuencia es sinusoidal de la misma frecuencia, y con magnitud y fase dadas por el la magnitud y fase de la en sistemas discretos. funcin transferencia del sistema evaluada en #1 (E
Denimos estabilidad interna para un sistema con entradas nulas. Denimos estabilidad segn Lyapunov, y estabilidad asinttica. La condicin necesaria y suciente para estabilidad segn Lyapunov es que la matriz en { no tenga autovalores con parte real positiva, y para aquellos autovalores con parte real nula, que no estn asociados a un bloque de Jordan de dimensin mayor que . La condicin necesaria y suciente para estabilidad asinttica es que todos los autovalores de tengan para real negativa (Hurwitz). Presentamos un mtodo alternativo de chequear si la matriz es Hurwitz (tiene todos sus autovalores con parte real negativa), mediante la existencia de solucin de una ecuacin de Lyapunov.. Vimos el teorema de Lyapunov para sistemas discretos, que vincula la existencia de solucin de la ecuacin " t x con la propiedad de que tenga todos sus autovalores dentro del crculo unitario.
Vimos las nociones de estabilidad para sistemas lineales inestacionarios, incluyendo estabilidad uniforme y estabilidad exponencial uniforme. Una nota importante es que los autovalores de mas lineales inestacionarios.
w en general no determinan la estabilidad en siste-
Ejercicios
Ejercicio 5.1. Probar que las funciones
8 @ E Ejercicio 5.2. Es el sistema con funcin transferencia p BIBO estable? Ejercicio 5.3. Cules son las respuestas en rgimen permanente de un sistema con funcin transferencia w2 excitado por t y w x3h para # ? p
y son absolutamente integrables si y slo si ) .3
Ejercicio 5.4. Probar los Teoremas 5.5 y 5.6 para sistemas discretos.
3
1x )q
5. Estabilidad
71
Ejercicio 5.5. Analizar la estabilidad de los siguientes sistemas
w w E S E
Y Y
w E E
S S `
Ca si y slo si para
Ejercicio 5.6. Probar que todos los autovalores de tienen parte real menor que cualquier matriz simtrica y positiva denida dada, la ecuacin
ti 4
` `
Ejercicio 5.7. Probar que todos los autovalores de tienen magnitud menor que si y slo si para cualquier matriz simtrica y positiva denida dada, la ecuacin
u t
` (
Ejercicio 5.8. Es el sistema con respuesta al impulso hay de ?
x x3DhV Ejercicio 5.9. Es el sistema tGt

Lyapunov? Asintticamente estable?
B( u2 m m m m para #C BIBO estable? Qu wCEw u @ w BIBO estable? Estable en el sentido de

tHt w
Ejercicio 5.10. Mostrar que la ecuacin del problema anterior puede transformarse, usando con w , en
@ wCEw HtC
Es el sistema transformado BIBO estable? Estable en el sentido de Lyapunov? Asintticamente estable? Es t una transformacin de Lyapunov?
Captulo 6
Controlabilidad y Observabilidad
Ver notas de clase de Anbal Zanini, disponibles de las pginas de Control Automtico 2 en http://vcyt22.unq.edu.ar/ . 1. Controlabilidad 2. Observabilidad 3. Descomposiciones cannicas 4. Condiciones en ecuaciones en forma de Jordan 5. Ecuaciones de estado discretas 6. Controlabilidad y muestreo 7. Sistemas inestacionarios
72
Captulo 7
Especicaciones y Limitaciones de Diseo

Como referencias generales a los temas de este captulo pueden consultarse Goodwin, Graebe & Salgado (2000, 5), para las deniciones de funciones de sensibilidad y arquitecturas de realimentacin; Doyle, Francis & Tannenbaum (1992) y Snchez Pea (1992), para los resultados relativos a robustez; y Seron, Braslavsky & Goodwin (1997, 1), para los resultados relativos a limitaciones en la respuesta al escaln.
7.1
Sensibilidad y Robustez
Uno de los esquemas de control ms simples es el lazo en realimentacin de la Figura 7.1. En el lazo de la
c
-
p
G
Figura 7.1 las seales representan
Figura 7.1: Lazo de control de un grado de libertad.
n V e salida V e control p V e perturbacin de salida
c e referencia e perturbacin de entrada G e perturbacin de medicin
La implementacin prctica de un sistema de control se ve afectada en su desempeo de dos principales fuentes de error: 1. seales espreas (perturbaciones) en el lazo de control, 2. incertidumbre en el modelo de la planta
Un buen diseo de control debe tolerar satisfactoriamente tanto perturbaciones como incertidumbres en el modelado. La especicacin de las propiedades del sistema de control con respecto a rechazo de perturbaciones e incertidumbre denen los objetivos de desempeo (en ingls: performance) del diseo. 73
7. Especicaciones y Limitaciones de Diseo
74
7.1.1 Perturbaciones
Las seales espreas representan perturbaciones que bajo condiciones ideales deberan ser nulas, pero que estn presentes, en mayor o menor medida en todo sistema real. Ejemplo 7.1. El control de corriente de armadura de un motor de corriente continua se suele implementar mediante inversores que trabajan por modulacin de ancho de pulso (PWM: pulse width modulation), w . La componente continua de la seal, w , es el control efectivo; las armnicas representan una perturbacin t w . de entrada t , w
v C
v w
Actuador PWM
Denicin 7.1 (Sensibilidad). Cuando un sistema de control retiene su desempeo nominal frente a perturbaciones se dice que tiene buenas propiedades de rechazo, o baja sensibilidad, a perturbaciones.
7.1.2 Incertidumbre
La incertidumbre en el modelado surge de que es imposible conocer con exactitud el modelo de un sistema. As, el modelo con el que se disea el controlador (nominal) es una aproximacin al verdadero sistema sobre el cual este actuar. Por ejemplo, si diseamos un controlador basados en el modelo linealizado alrededor de un punto de operacin nominal de un sistema no lineal, las alinealidades se presentarn como incertidumbres de modelado. Ejemplo 7.2. Sea el sistema no lineal
wt t w G I HtHt HtC
t , y as el control El modelo linealizado alrededor del origen es t w asintticamente el sistema linealizado. Sin embargo, este control aplicado al sistema real da el lazo cerrado wGt t GY tct0
(uw estabiliza
y por lo tanto slo alcanza estabilidad asinttica para un conjunto acotado de condiciones iniciales, .
'
& e a
Para tener en cuenta la incertidumbre del modelo en el diseo del controlador es necesario contar con una representacin de la incertidumbre con alguna cota conocida. Por ejemplo, es habitual representar la incertidumbre con un modelo lineal multiplicativo
donde representa la funcin transferencia real, la funcin transferencia nominal (el modelo utilizado para diseo), y una funcin transferencia desconocida salvo por alguna cota del tipo " , con " conocida.
v I
(7.1)
6gn
Ejemplo 7.3. Supongamos que tenemos el sistema
75
P , donde donde existe incertidumbre en la posicin del polo, { tacin de esta incertidumbre en el modelo multiplicativo (7.1) es
es el valor nominal. La represen-
v Pt(
v v 0
v v qP P v qP
Denicin 7.2 (Robustez). Un sistema de control que retiene sus propiedades de estabilidad y desempeo frente a incertidumbres de modelo en la planta se dice robusto. No siempre es posible alcanzar buen rechazo de perturbaciones conjuntamente con robustez, y as deben adoptarse soluciones de compromiso en el diseo. Para alcanzar soluciones de compromiso adecuadas a las condiciones de perturbaciones e incertidumbre existentes en el sistema considerado, es til disponer de ndices que de alguna forma midan las propiedades de sensibilidad y robustez de un controlador dado. Dos ndices tradicionalmente utilizados son las funciones de sensibilidad del lazo.
7.2
Funciones de Sensibilidad
E 1pV E c n n G C n p c n G
Volvamos al sistema de control de la Figura 7.1, que supondremos SISO por simplicidad. La respuesta del sistema a condiciones iniciales nulas est dada por
de donde resolvemos
E c
" n G p c n p c G
La arquitectura del esquema de la Figura 7.1 se llama de un grado de libertad. Este nombre reeja el hecho de que slo existe un grado de libertad para denir las funciones transferencias de lazo cerrado que a n , y y 1p a n . mapean y As, si se disea para obtener una particular respuesta a la seal de referencia,
se induce al mismo tiempo una nica respuesta a la perturbacin de salida,
n p
A menudo, es deseable ajustar las respuestas a referencia y perturbaciones en forma independiente. Esto puede lograrse con una arquitectura de dos grados de libertad, como la de la Figura 7.2. La salida en este caso esta dada por
n c
76
Figura 7.2: Lazo de control de dos grados de libertad.

Ahora puede usarse para ajustar la respuesta a la perturbacin (que tiene la misma transferencia que en la arquitectura de un grado de libertad), y puede usarse para ajustar la respuesta a la referencia independientemente, dada por
No obstante, notar que an en la arquitectura de dos grados de libertad quedan funciones transferencias cuya dinmica no puede ajustarse independientemente. , As, el controlador puede usarse para ajustar la respuesta a una perturbacin , p o pero una vez elegido, las restantes respuestas quedan determinadas. La salida del controlador en el esquema de la Figura 7.2 est dada por
La respuesta a lazo cerrado del sistema de la Figura 7.2 est entonces gobernada por cuatro funciones transferencia, colectivamente llamadas funciones de sensibilidad, (7.2)
w r
w r
(7.3)
e individualmente
e Sensibilidad complementaria w e Sensibilidad w e Sensibilidad de entrada w e Sensibilidad de control

La funciones de sensibilidad estn algebraicamente relacionadas, y estas relaciones son unas de las manifestaciones de las restricciones inherentes al lazo de control en realimentacin. No es difcil ver que
w E w w E E w E w
77
7.3
Especicaciones de la Respuesta en Frecuencia
posee un espectro de bajas frecuencias, se especica Como normalmente la seal de referencia como ltro pasa-bajos, y as rechazar al mismo tiempo el ruido de medicin, normalmente de alta frecuencia. La Figura 7.3 muestra especicaciones tpicas de la respuesta en frecuencia para 1 y 1 (recordemos que y no pueden elegirse en forma independiente ya que E para todo ).
1 1
0.5
|T(j)|
1 0 1 2
|S(j)|
0.5
0 2 10
10
10
10
10
0 2 10
10
10
Figura 7.3: Formas tpicas para
w 1 and
10
10
1 .
7.4
Robustez
7.4.1 Estabilidad Robusta
Adems de especicar la respuesta del sistema a seales, las funciones 1 y 1 sirven para especicar las propiedades de robustez del sistema. Supongamos que representamos la incertidumbre en el modelo con estructura multiplicativa
v 0
(7.4)
y que se conoce la cota de incertidumbre
mayores). Cmo se obtiene la cota
1 " 0 (7.5) Tpicamente, " es una funcin creciente de la frecuencia (el modelo es ms incierto a frecuencias
Ejemplo 7.4 (Incertidumbre de modelado). Supongamos que la planta es estable y se obtuvo su funcin mediante experimentos de respuesta en frecuencia: transferencia nominal La magnitud y fase de la salida se miden para sinusoides de referencia de distintas frecuencias ffCC . El experimento se repiti veces. Denotamos el par (magnitud,fase) para la frecuencia y el experimento como . El modelo a estas mediciones, por ejemplo, minimizando el error cuadrtico nominal se puede obtener ajustando medio total (tpico en Identicacin de Sistemas). , se puede obtener " eligindola de forma Una vez obtenida la funcin transferencia nominal tal que
" en la prctica? El siguiente ejemplo ilustra una forma.
Existen distintos criterios para ajustar " . La Figura 7.4 muestra los resultados de un experimento real en un sistema intercambiador de calor experimental ( ).
Q y v 1
"0
CfCf
fCf
78
Diagrama de Nyquist
10
Nyquist nominal Mediciones Incertidumbre
Diagrama de Bode
0.5
0
Parte Imaginaria
10
0.5
1
Diagrama de Bode
Diagrama de Nyquist
Magnitud
10
Magnitud Frecuencia
1.5
Nyquist nominal Mediciones Incertidumbre Parte Imaginaria
2 1
10
0.5
0.5
Parte Real
1.5
2
Parte Real
10
10
10
10
10
Frecuencia
Figura 7.4: Mediciones, modelo nominal e incertidumbre
El siguiente es un importante resultado que da condiciones necesarias y sucientes para estabilidad robusta con incertidumbre multiplicativa en los lazos de control de la Figura 7.1, 7.2. Teorema 7.1 (Estabilidad robusta con incertidumbre multiplicativa). Sea la planta nominal con incertidumbre de modelo estable y dada por (7.4) y (7.5). Entonces, si los lazos de control de la Figura 7.1, 7.2 son estables con la planta nominal , sern estables con la planta real si y slo si
" ax para todo , 1 a v " donde v 1 es la sensibilidad complementaria nominal (de (7.2) con
v ).
(7.6)
Demostracin. Ver por ejemplo Snchez Pea (1992, 2) o Doyle et al. (1992, 4). Este resultado nos dice que si existe mucha incertidumbre de modelo a una determinada frecuencia, debe disearse (a travs de ) para tener valores bajos a esa frecuencia, o la estabilidad nominal del sistema puede llegar a perderse en la planta real. El resultado anterior tiene la siguiente interpretacin grca: Puesto que
"
entonces, para cada frecuencia el punto crtico 1 . radio "
" 1 v 1 a 1 v 1 H 1 v 1 a 1
v 1
se encuentra fuera del disco de centro
1 1 y
7.4.2 Desempeo robusto

El desempeo nominal del sistema puede especicarse deniendo la forma de peso dada " requiriendo que
"
w 1 G a "
w con una funcin de

(7.7)
Si (7.7) se preserva de la planta nominal a la planta real, y adems se preserva la estabilidad, decimos que el sistema tiene desempeo robusto. El desempeo robusto, como intuitivamente puede esperarse, requiere la estabilidad robusta (7.6) como condicin necesaria. El siguiente resultado establece una condicin necesaria y suciente para el desempeo robusto de los sistemas de la Figura 7.1, 7.2.
79
imag
real
Figura 7.5: Estabilidad robusta grcamente
con Teorema 7.2 (Desempeo robusto con incertidumbre multiplicativa). Sea la planta nominal incertidumbre de modelo estable y dada por (7.4) y (7.5). Entonces, si los lazos de control de la , el sistema tiene desempeo Figura 7.1, 7.2 son estables, y se cumple (7.7) con la planta nominal robusto si y slo si
(7.8) " w v 1 " v 1 a para todo , y v 1 son la sensibilidad y sensibilidad complementaria nominales (de (7.2) con donde v ). w v 1
Demostracin. Ver Snchez Pea (1992, 2) o Doyle et al. (1992, 4). La condicin de desempeo robusto tambin admite una buena interpretacin grca:
imag
real
Figura 7.6: Desempeo robusto grcamente
7.5
Restricciones algebraicas en
En resumen, se pueden especicar las propiedades del sistema de control a lazo cerrado especicando una forma en la respuestas en frecuencia de y . no pueden ajustarse arbitrariamente. Existen restricciones en los valores Sin embargo, 1 y que pueden tomar y para ciertos valores de que imponen restricciones sobre los valores en el eje . La restriccin ms obvia es la relacin de complementariedad
Otras restricciones surgen en los ceros y polos a lazo abierto debido al requerimiento de estabilidad del lazo cerrado.
80
Lema 7.1 (Restricciones de Interpolacin). Si el sistema a lazo abierto no tiene cancelaciones polocero inestables, entonces, para cualquier control que estabilice al sistema a lazo cerrado, y deben satisfacer las siguientes condiciones 1. si
es un polo inestable de
w )
2. si
E E
) E
( e3
) #
) ( e3
es un cero de fase no mnima de
Demostracin. Por el requerimiento de estabilidad del lazo cerrado, ceros y polos con parte real positiva de la planta o el controlador no pueden cancelarse, por lo que permanecern en . Las condiciones de interpolacin siguen directamente de las deniciones de y .
Sea cual fuera el controlador elegido, las funciones de sensibilidad debern satisfacer estas restricciones en los polos y ceros de parte real no negativa del lazo abierto.
7.6
Especicaciones de diseo en la respuesta temporal
Alternativamente a la especicacin de la respuesta en frecuencia, la especicacin del desempeo del sistema a lazo cerrado suele hacerse sobre la respuesta temporal del sistema. La especicacin de la
h Q x
d H
Figura 7.7: Especicaciones en la respuesta temporal respuesta temporal es ms directa respecto de lo que se pretende del sistema, pero entonces es ms difcil traducir estas especicaciones a condiciones para las funciones transferencia del lazo cerrado. Los parmetros tpicos para la respuesta al escaln son sobrevalor Q
subvalor tiempo de crecimiento tiempo de establecimiento d
Denimos los parmetros de la respuesta al escaln sobre el sistema de la Figura 7.1, y denimos el error de seguimiento QQdQ . sobrevalor: es el mximo valor en que la respuesta del sistema excede su valor de rgimen permanente,
xQj QU
81
subvalor: es mximo pico negativo de la salida del sistema, U tiempo de crecimiento: cuantica aproximadamente el tiempo mnimo que toma la salida en alcanzar el nuevo punto de operacin, g j hQ para todo en el intervalo f q tiempo de establecimiento: cuantica el tiempo que tardan los transitorios en decaer permanentemente por debajo de un determinado nivel , usualmente entre el 1 y 10% del valor de rgimen permanente, para todo en el intervalo
7.7
Restricciones en la Respuesta al Escaln
Como vimos, los polos y ceros en el semiplano derecho del plano complejo imponen restricciones algebraicas en las funciones de sensibilidad del sistema, no importa cual sea el controlador usado. Veremos cmo estas restricciones algebraicas se traducen en restricciones en el desempeo alcanzable de la respuesta al escaln del sistema a lazo cerrado. Usaremos el siguiente resultado preliminar, que surge de la denicin de transformada Laplace. Lema 7.2. Sea 8 una funcin transferencia estrictamente propia cuyos polos se encuentran en el semi plano i d& , para algn nmero real nito . Sea la antitransformada Laplace de 8 . Entonces para cualquier nmero } & 8

La salida y el error de seguimiento en la respuesta al escaln del sistema de la Figura 7.1 satisfacen las siguientes condiciones integrales. Teorema 7.3 (Polos inestables). Supongamos que el sistema a lazo abierto 8 tiene un polo en , con . Entonces si el lazo cerrado es estable & h (7.9) h h (7.10)

Demostracin. Veamos primero que al ser el sistema estable, el error Q es acotado, digamos . En efecto, , y por lo tanto su transformada Laplace 8 no tiene singularidades en & 8 Q d para todo 3& . &
!
#"" $ % 2
"" &)( '
10
Entonces, por el Lema 7.2, la ecuacin (7.9) sigue de h g

8 , el hecho de que la referencia es un escaln, f8 donde usamos la relacin 8 " f 8 restriccin de interpolacin de en los polos inestables de 8 . La ecuacin (7.10) sigue de (7.9) y el hecho de que Q para todo ,
3
1 , y la
h
Qd % h
82
Un resultado dual existe para plantas con ceros de fase no mnima.
Teorema 7.4 (Ceros de fase no mnima). Supongamos que el sistema a lazo abierto 8 tiene un cero en . Entonces si el lazo cerrado es estable , con & h (7.11)
% 65 2 4 2h 75
(7.12)
Demostracin. Ejercicio. Estos teoremas muestran que si la planta tiene ceros o polos en el semiplano derecho del plano complejo, entonces el error y la salida a una entrada escaln deben satisfacer relaciones integrales independientemente del controlador usado para estabilizar el sistema. Damos interpretaciones de diseo de estas integrales en trminos de los parmetros de la respuesta al escaln. Corolario 7.1 (Polos inestables reales y sobrevalor). Si la planta tiene un polo inestable real en , su d respuesta al escaln tiene forzosamente sobrevalor. Ms an, si es el tiempo de crecimiento del sistema
a lazo cerrado, entonces se cumple que Q d
98 8
A@CB
(7.13)
Demostracin. Necesariamente el error deber cambiar de signo para que la integral (7.9) sea nula a menos que sea idnticamente nulo. As, la salida deber superar a la referencia en algn momento sobrevalor. 3d De la denicin de d tenemos que Q3d para H , o sea que . Usando esta cota en la integral (7.9) tenemos que d B (7.14) d
DFE
A@ % D HG
A@ PI 2 B 2 8 HG A @ 8 I Q
B RQ HG
De (7.14) y la denicin de sobrevalor tenemos que Q Q H d
8 A@ G @ G 8 SI Q
T
2 B @
de donde surge (7.13). Sigue del Corolario 7.1 que si la planta tiene un polo inestable: 1. necesariamente hay sobrevalor en la respuesta al escaln 2. el sobrevalor ser mayor cuanto mayor sea el tiempo de respuesta del lazo cerrado. Los polos inestables demandarn accin de control rpida para un mejor desempeo (menor sobrevalor). Cuanto mayores (ms rpidos) sean los polos inestables, mayor ser esta demanda. Ejemplo 7.5. Supongamos que nuestra planta a lazo abierto tiene un polo en . Entonces tenemos que la cota en sobrevalor en la respuesta al escaln del lazo cerrado (estable) es
98
Si diseamos el controlador para obtener un tiempo de crecimiento p , el sobrevalor ser mayor al . 100%! Para una respuesta razonable deberamos elegir al menos d
VU
83
Corolario 7.2 (Ceros de fase no mnima y subvalor). Si la planta tiene un cero de fase no mnima real en , su respuesta al escaln tiene forzosamente subvalor. Ms an, si es el tiempo de establecimiento a un nivel del sistema a lazo cerrado, entonces se cumple que
5 HW
Demostracin. Similar a la del Corolario 7.1. Ejercicio. La interpretacin del Corolario 7.2 es que si la planta tiene un cero real de fase no mnima, necesariamente hay subvalor en la respuesta al escaln
el pico del subvalor ser mayor cuanto menor sea el tiempo de establecimiento del lazo cerrado.
Los ceros de fase no mnima demandarn accin de control lenta para un mejor desempeo (menor subvalor). Cuanto menores (ms lentos) sean los ceros de fase no mnima, mayor ser esta demanda. En conclusin podemos extraer las siguientes reglas prcticas de diseo bsicas para evitar sobrevalor o subvalor excesivos: 1. El polo dominante a lazo cerrado deber mayor (en magnitud) que cualquier polo inestable a lazo abierto del sistema. 2. El polo dominante a lazo cerrado deber menor (en magnitud) que el menor cero no mnima fase del sistema. Vemos que entre las plantas inestables y no mnima fase, aquellas que posean polos a lazo abierto a la derecha de sus ceros en sern ms difciles, ya que no podremos satisfacer ambas reglas simultneamente, y habr un compromiso inevitable entre reducir sobrevalor o subvalor.
PX
Y$`
Yb`
Figura 7.8: Caso manejable El siguiente resultado considera este caso.
Figura 7.9: Caso difcil
Corolario 7.3 (Plantas inestables y no mnima fase). Consideremos el esquema de control de un grado y un polo de libertad con realimentacin unitaria. Supongamos que 8 8 8 tiene un cero real real , con . Entonces
1. si
0 4 4 0
fe 4
el sobrevalor satisface Q
g8 4 8
(7.15)
2. si
el subvalor satisface
x
4
(7.16)
Demostracin. Para el caso 1, combinando las relaciones integrales de los teoremas sobre ceros de fase no mnima y polos inestables de la clase pasada obtenemos

75
De la denicin de sobrevalor entonces sigue Q q Q
4 4

5 2
(7.17)
84
Finalmente, la relacin (7.15) sale inmediatamente de (7.17) pues . De la misma manera se prueba 2 usando las restantes relaciones integrales y usando el hecho de que . Ejemplo 7.6. Consideremos el sistema de pndulo invertido de la Figura 7.10. El modelo linealizado alrededor del origen de este sistema tiene la siguiente funcin transferencia entre la fuerza y la posicin del carro : d8 8 8 8 8 8 8 y . Vemos que el sistema donde
4 4
4 B 4 u T B 4 wv x y 4 v B satisface las condiciones del corolario Si normaliza anterior. , obtenemos que mos para que 4 y consideramos . Entonces el corolario anterior predice un subvalor su-
i r its
p h q
perior a en la respuesta al escaln! La Figura 7.11 muestra los resultados de simulaciones del lazo cerrado controlado con distintas velocidades de respuesta. Vemos que el subvalor es en todos los casos mucho mayor que la cota inferior de .
Figura 7.10: Pndulo invertido
y(t) 14.20 10.76 7.32 3.88 0.44 -3.00 -6.44 -9.88 -13.32 -16.76 -20.20 0.00 2.86 5.71 8.57 11.43 14.29 17.14 20.00
Figura 7.11: Respuesta a lazo cerrado del pndulo invertido
7.7.1 Efecto de ceros y polos en el eje imaginario

Los resultados sobre ceros y polos en nario.
PX
vistos en la clase pasada pueden extenderse sobre el eje imagi-
Corolario 7.4 (Zeros y polos en el eje imaginario). Para todo controlador que estabilice el lazo de un gra h do de libertad, el error en la respuesta al escaln unitario satisface 8 1. si la planta tiene un par de ceros en , entonces
) 46h ` Q 6 h ` `
Y$`
7. Especicaciones y Limitaciones de Diseo 2. si la planta 8 tiene un par de polos en
85
Demostracin.
) 6h ` h Q 46 `
Y$`
, entonces
1. Extendiendo formalmente las relaciones integrales vistas en la clase anterior (puede probarse rigurosamente que vale), tenemos que d
)!
El resultado entonces sigue usando
` `
2. Se prueba de la misma forma usando las expresiones correspondientes para polos.
B !
Y$`
Estas restricciones son particularmente severas si los ceros en el eje imaginario se encuentran cercanos al origen (cercanos con respecto al ancha de banda de lazo cerrado), como vemos en el siguiente ejemplo.
. Ejemplo 7.7. Supongamos que tenemos una planta con un par de ceros sobre el eje imaginario en Por simplicidad, supongamos que podemos denir el tiempo de establecimiento en forma exacta, es decir, como ! 8 Q d
Y$`
asumiendo que podemos despreciar directamente los transitorios para tenemos Q 4 d
. Entonces, del Corolario 7.4-1
6 ` ` Asumiento que fe obtenemos que W Q g 8 h) ` 8 ` D ` Q 8 ` ` D 1) ` Vemos si 4dji , entonces q i . Concluimos que los zeros sobre el eje imaginario tambin imponen restricciones sobre el ancho de banda mximo del lazo cerrado. `
Ejemplo 7.8 (Tren de laminacin). Un ejemplo tpico del efecto perjudicial de ceros sobre (o muy cerca de) el eje imaginario se da en el problema de laminacin de acero. Este fenmeno se conoce como efecto de hold-up, y aparece como un incremento de oscilaciones en cuanto se pretende hacer la respuesta del sistema ms rpida controlando slo la separacin entre los rodillos de laminacin ((Goodwin et al. 2000)).
W
86
7.8
Resumen
La implementacin prctica de un sistema de control est afectado de perturbaciones e incertidumbres de modelado que afectarn su desempeo, apartndolo de las especicaciones idealizadas en la etapa de diseo. Algunas de estas perturbaciones e incertidumbres pueden tenerse en cuenta de cierta forma en el diseo si se lleva a cabo un diseo robusto. Distinguimos las propiedades de robustez en 1. Estabilidad robusta: el sistema real preserva las caractersticas de estabilidad (Lyapunov, BIBO, etc.) del sistema nominal.1 2. Desempeo robusto: el sistema real preserva las caractersticas de respuesta a referencias y rechazo de perturbaciones del sistema nominal. El anlisis de las propiedades de robustez y rechazo de perturbaciones
Estabilidad nominal Desempeo nominal Estabilidad robusta Desempeo robusto
del sistema de control puede hacerse a priori, sin embargo, mediante las funciones de sensibilidad, que capturan funciones transferencia cruciales en el lazo de control.
kmo l n pqsr kbtu : buen seguimiento de referencia a bajas frecuencias l n pqsr kbtv : buen rechazo de ruido de medicin a altas frecuencias k mo
1
|T(j)|
0.5
|S(j)|
yh{ z{ nVqsr
0.5
k w l n pqxr kbtv : buen rechazo de perturbaciones de salida a bajas frecuencias Los ceros y polos a lazo abierto en el semiplano derecho PX imponen restricciones fundamentales en la

0 2 10
10
10
10
10
0 2 10
10
10
10
10
respuesta del sistema. Estas restricciones valen para todo controlador estabilizante.
1 En
lo que sigue, con estabilidad nos referiremos a estabilidad interna asinttica.
87
compromiso velocidad/sobrevalor si la planta tiene un polo real instable, necesariamente existir sobrevalor en la respuesta al escaln. Cuanto ms lento se disee el lazo cerrado, mayor ser el sobrevalor. compromiso velocidad/subvalor si la planta tiene un cero real no mnima fase, necesariamente existir subvalor en la respuesta al escaln. Cuanto ms rpido se disee el lazo cerrado, mayor ser el subvalor. Estos compromisos indican que para un desempeo aceptable, los polos inestables requieren un lazo cerrado rpido, mientras que los ceros no mnima fase uno lento.
7.9
Ejercicios
Ejercicio 7.1. Considerar el control en realimentacin de una planta con modelo 8 que el controlador es tal que la sensibilidad complementaria es
X | | T . Suponiendo
8
B~ T
1. calcular la funcin transferencia del controlador 8 , 2. si la referencia es un escaln, calcular la respuesta en rgimen permanente de la seal de entrada de la planta. 3. calcular el mximo error instantneo en la salida siguiendo a esta referencia. Un Ejercicio 7.2. El modelo nominal de una planta es un doble integrador 8 modelo ms deta , y slo se sabe llado (que tomamos como la planta real) incluye un retardo, de forma que 8 g que pertenece al intervalo . Expresar esta incertidumbre como multiplicativa y obtener una funcin tal que
` " d " "" d 1 "" T "" Yb` "" ` ` Y$` Ejercicio 7.3. La funcin transferencia de una planta est dada por d 8
R T
T d "" d 1 ` "" "" Yb` "" T ` ` " Y$` " d T ,gel Ejercicio 7.4. Para el modelo nominal de un doble integrador 8 requerimiento de desempeo f es que la salida de la planta siga referencias en el intervalo de frecuencias . La funcin peso de desem peo | puede elegirse como la magnitud de un ltro pasa-bajos de magnitud constante en este rango de frecuencias, y que decae a frecuencias mayores, como por ejemplo un ltro Butterworth. Elegir un ltro ` Butterworth de tercer orden para | con frecuencia de corte rad/s. Tomar el peso T como ` ` "" B "" T ` "" YbY$` ` "" c 1. Disear un controlador propio 8 para obtener estabilidad nominal del lazo de control. } c 2. Chequear la condicin de estabilidad robusta T 0 . Si no se satisface, redisear 8 hasta conseguirlo. No es necesario obtener buen desempeo. ` Yb`
Uqf donde la ganancia es incierta pero se sabe que pertenece al intervalo . Representar la familia de plantas posibles con un modelo de incertidumbre multiplicativa, eligiendo una planta nominal y una funcin tales que peso
88
3. Si la condicin de estabilidad robusta se satisface, el mnimo nivel de desempeo robusto es el valor
"" | 3 1} "" "" `T Y$` "" " ` Y$` " por el controlador elegido? Cul es el valor de alcanzado
2 B
Ejercicio 7.5. Obtener los parmetros de la respuesta al escaln de 8 8 8
d d
TB B
Ejercicio 7.6. Probar el Teorema 7.4 y el Corolario 7.2. Ejercicio 7.7. Dado el sistema 8
, para obtener error esttico nulo y un tiempo de crecimiento disear un controlador PI, 8 Estimar el sobrevalor en la respuesta usando (7.13). Cul es el sobrevalor efectivo en el sistema?
Ejercicio 7.8. El modelo nominal de una planta es " 8 8 "
Esta planta debe controlarse con un lazo en realimentacin de un grado de libertad. 1. Determinar las restricciones en la respuesta al escaln. 2. Por qu es el control de esta planta especialmente difcil? Discutir. Ejercicio 7.9. Considerar la planta dada por 8 48
1. Obtener expresiones para los parmetros del controlador 8

de forma tal que los polos de lazo cerrado estn todos en
f
2. Tabular los parmetros del controlador y cotas para el sobrevalor y el subvalor2 de la respuesta al escaln del sistema a lazo cerrado para los siguientes casos:
1
xQ
Caso 1 0.5 -0.5
Caso 2 0.5 0.2
Caso 3 0.2 0.5
8 8
Caso 1 Caso 2 Caso 3
3. Con los valores calculados simular el sistema a lazo cerrado y medir los valores efectivos de sobrevalor y subvalor obtenidos. Comparar con las cotas tericas.
Q
2 Tomar
un tiempo de establecimiento
al
de aproximadamente
C2 .
Captulo 8
Realimentacin de Estados y Observadores

8.1 Panorama del captulo
La teora de sistemas lineales que vimos da la base para la teora de control lineal. En este captulo introducimos los conceptos y tcnicas de control en sistemas descriptos por variables de estado. Slo consideraremos sistemas estacionarios. La teora de control lineal involucra la modicacin del comportamiento de un sistema de entradas, salidas y estados
QQ B u hx Q
(8.1)
que llamamos la planta o ecuacin de estados en lazo abierto, mediante la aplicacin de una realimentacin lineal de estados de la forma
u Qf c
donde f es el nuevo nombre para la seal de entrada. La matriz es la ganancia de realimentacin de estados y la ganancia de precompensacin. La substitucin de (8.2) en (8.1) da la ecuacin de estados en lazo cerrado
(8.2)
Q c Q B Q hxQ
(8.3)
Es obvio que el sistema a lazo cerrado tambin es lineal y estacionario. La Figura 8.1 representa el esquema de control por realimentacin de estados para un sistema SISO. El control es esttico, pues depende slo
u
-
Figura 8.1: Realimentacin de estados de valores presentes de
y .
89
8. Realimentacin de Estados y Observadores
90
Cuando los estados del sistema no pueden medirse, se recurre a estimarlos mediante un observador de estados, que reconstruye a partir de mediciones de y . La combinacin de un observador y realimentacin de estados es un controlador dinmico por realimentacin de salida, esquematizado en la Figura 8.2.
u
-
Observador
Figura 8.2: Realimentacin de salida con observador En este captulo veremos tcnicas de diseo de para estabilizacin (ubicacin de polos), esquemas de regulacin y seguimiento (desempeo y robustez),
tcnicas de diseo de observadores.
La meta a alcanzar: saber disear un sistema de control lineal por realimentacin de salida (va realimentacin de estados + observador) para satisfacer especicaciones deseadas de estabilidad, desempeo y robustez. En la primera mitad del captulo introducimos las tcnicas para sistemas SISO. En la segunda, presentamos una tcnica para sistemas MIMO. Veremos otra tcnica (ptima) para sistemas MIMO en el captulo que sigue.
8.2
Nota Histrica
Rudolph E. Kalman, considerado uno de los investigadores ms inuyentes en teora de control, fue el lder en el desarrollo de una teora rigurosa de sistemas de control durante los aos 1960s. Sus contribuciones incluyen las nociones de variable de estados, controlabilidad, observabilidad, control por realimentacin de estados, y el principio de superposicin de control y observacin. Durante 1960-1961, desarroll, junto a Richard Bucy, el estimador ptimo hoy conocido como ltro de Kalman, ampliamente usado en sistemas de navegacin, radares, y sonares, y tambin en campos tan diversos como procesamiento de datos ssmicos, plantas nucleares, instrumentacin y econometra. Nacido en Budapest, Hungra, estudi en el MIT, y recibi su doctorado de la R.E. Kalman (1930-) Columbia University (1957). Hoy es profesor emrito de estudios de postgrado de la University of Florida, y ad personam chair del Swiss Federal Institute of Technology en Zurich, Suiza.1
8.3
Realimentacin de Estados
Comenzamos con sistemas SISO y el esquema de control de la Figura 8.1, suponiendo por el momento para simplicar la notacin.
1 Nota
histrica extrada de un artculo de Eduardo Sontag en el SIAM News, 6/94.
91
Una propiedad de sistemas lineales esencial en la realimentacin de estados es la de controlabilidad. Nuestra primer observacin importante es que La controlabilidad de un sistema es invariante con respecto a realimentacin de estados. Teorema 8.1 (Invariancia de la controlabilidad). El par q , para cualquier vector trolable si y slo si el par es controlable.
c | , es con-
Demostracin. La matriz de controlabilidad del sistema a lazo abierto (8.1) es
S |
y la matriz de controlabilidad del sistema a lazo cerrado (8.3) es
c q c T q c | estn relacionadas de la forma No es difcil chequear que y c c c q c c T c q c c q c c 6 .. .. . . .. . . . . . . . q c Notar que como es y es , todas las entradas de la matriz que multiplica a son escalares. Como esta matriz es no singular, el rango de es igual al rango de . As (8.1) es controlable si y slo si 6

(8.3) es controlable. Aunque la controlabilidad es invariante con respecto a la realimentacin de estados, la observabilidad no lo es, como se ve en el siguiente ejemplo. Ejemplo 8.1. El sistema Q Q
B 2 u Q b h | T x Q $ Q B 2 u Q h u |
(8.4)
es controlable y observable, ya que las matrices de controlabilidad , y observabilidad , son no singulares. en (8.4) lleva al sistema a lazo cerrado El control por realimentacin de estados fd
j
|T|
(8.5)
, que es no singular y comprueba que el sistema realimenLa matriz de controlabilidad de (8.5) es tado es controlable. Sin embargo, la matriz de observabilidad de (8.5) es , que es singular, por lo que el sistema con esta realimentacin no es observable.
|T
|| TT
La observabilidad de un sistema no es invariante con respecto a realimentacin de estados. El siguiente ejemplo ilustra lo que puede conseguirse con realimentacin. Ejemplo 8.2. La planta Q Q
B u3
92
tiene una matriz de evolucin con polinomio caracterstico 88 } } 8 8
y, como se ve, autovalores y , por lo que es inestable. Consideremos un control que el sistema a lazo cerrado queda
T h
I 2 | | T
| T , con el
P TQ B
B $
B | T B T B | T | 8 o, equivalentemente, los autovalores del sistema a lazo cerrado pueden Est claro que las races de ubicarse en cualquier posicin mediante una eleccin adecuada de | y T . B Por ejemplo, si los dos autovalores se ubican en , el polinomio caracterstico deseado es 8 " B B B B ) h Tc ) . Igualando | y T . As la ganancia Y | a da .| ~ y T ~ mover los autovalores de ~ de realimentacin Y Y El ejemplo muestra que la realimentacin de estados permite ubicar c Y los autovalores del sistema realimentado en cualquier posicin, y que la ganancia de realimentacin puede calcularse por substitucin directa. Sin embargo, el mtodo del ejemplo no es prctico para mayores dimensiones. Ms an, no queda claro que rol jug la controlabilidad en esta asignacin de autovalores. Para formular un resultado general de ubicacin de autovalores recurrimos a la forma cannica del con qq trolador, vista en el Captulo 4: Si es no singular, el sistema (8.1) puede llevarse a la forma
La nueva matriz de evolucin tiene el polinomio caracterstico 8 8 8 d
| 22 22 u Q Q ... . . . Q . .. . . . . . . . . . (8.6) 2 2 2 2 | 22 T | h | | T mediante el cambio de coordenadas , donde q | | T T q | T . . . q . . . | T qw | ... ... . . . (8.7) q T | q | q d La funcin transferencia 8 queda dada por d 8 B | | B B T T B 2B 2B 2 B (8.8) | | T T Teorema 8.2 (Asignacin autovalores). Si la EE (8.1) es controlable, entonces mediante la realimentac t u c de , los autovalores de c pueden cin de estados } , donde es un vector real constante ser asignados arbitrariamente, siempre que los autovalores complejos conjugados se asignen en pares. Demostracin. Si (8.1) es controlable puede llevarse a la forma (8.6). Denotemos con y las matrices en | y . Puede verse tambin que (8.6). As tenemos que | q S | qq S (8.9)

por lo que y la matriz de la extrema derecha en (8.7) es . Substituyendo p en la realimentacin de estados da j
93
| | c c | c u c c | . Puesto que c c | , vemos que c y c tienen los mismos donde autovalores. Ahora, de cualquier conjunto de autovalores deseados podemos formar el polinomio caracterstico deseado 8 B | | B 2 B (8.10) c Si elegimos q T T | | , la ecuacin de estado de lazo cerrado deviene (en las nuevas coordenadas) 22 22 u Q . . . Q ... Q . .. . . . . . . . 2. . 2 | 22 T 2 2 | h | | T c , y consecuentemente el de ) c , Por estar en forma companion, el polinomio caracterstico de
es (8.10). As el sistema realimentado tiene los autovalores deseados. Finalmente, la ganancia de realimentacin en las coordenadas originales es, usando (8.9), q
c 6 |
En lazo cerrado, la funcin transferencia del sistema cambia de (8.8) a 8
| | B T B | | B
lo que muestra que si bien hemos movido los polos del sistema, sus ceros han quedado invariantes. Esta es una propiedad general: La realimentacin de estados puede mover los polos de una planta pero no tiene ningn efecto sobre los ceros. Esta propiedad explica por qu la realimentacin de estados puede alterar la propiedad de observabilidad, ya que uno o ms polos pueden ubicarse mediante realimentacin para cancelar ceros del sistema, lo que vuelve esos modos inobservables. Resumimos los pasos para calcular en el siguiente procedimiento:
B T B 2 2 B T B 2 T
(8.11)
Procedimiento para asignacin de autovalores (via forma cannica) qq 1. Obtener los coecientes del polinomio caracterstico " del sistema a lazo abierto. q 2. Formar las matrices de controlabilidad y
| T
VV 6 VVs | | | ... ... ... . . . . . . | | 3. Elegir los coecientes | T q del polinomio caracterstico deseado nancia de realimentacin en coordenadas de c q q | | T T
4. Determinar la ganancia de realimentacin en coordenadas originales
8 y determinar la ga-
c g |
94
8.3.1 Otra receta para calcular
involucra la solucin de una ecuacin de Lyapunov (mediante la funcin M ATLAB lyap, por ejemplo). Este mtodo, sin embargo, tiene la restriccin de que los autovalores deseados no pueden ser ninguno de los autovalores de .
c Un mtodo alternativo para calcular c
} c
Procedimiento para asignacin de autovalores (via Lyapunov) Considerar un par controlable, donde es y . Encontrar un vector real tenga cualquier conjunto de autovalores deseados que no contenga autovalores de . 1. Elegir una matriz cualquiera que tenga los autovalores deseados. 2. Elegir un vector cualquiera tal que sea observable.
tal que
3. Calcular solucin nica
de la ecuacin de Lyapunov
4. Calcular la ganancia de realimentacin
} |. cj
c .
Una ventaja del ltimo mtodo es que se extiende directamente al caso MIMO. Daremos su justicacin en la prxima clase.
8.4
Estabilizacin
Si una ecuacin de estado es controlable, sus autovalores pueden asignarse arbitrariamente mediante realimentacin de estados. Veamos qu se puede hacer cuando la ecuacin de estado no es controlable. Toda ecuacin de estado incontrolable puede llevarse a la forma
| B u o T R (8.12) es controlable. Como la matriz de evolucin en (8.12) es block triangular, donde autovalores de y . La los la matriz en las coordenadas originales son la unin de los autovalores de realimentacin de estados uj c c | T U
lleva al sistema a lazo cerrado 4
c | | c 4 T T B (8.13) Vemos de (8.13) que los autovalores de o no son afectados por la realimentacin, y por lo tanto no pue no slo es suciente sino tambin den modicarse. Por lo tanto, la condicin de controlabilidad de c en posiciones deseadas. necesaria para asignar todos los autovalores de es Denicin 8.1 (Estabilizabilidad). El sistema (8.12) es estabilizable si o es Hurwitz y el par
2
controlable. La propiedad de estabilizabilidad es una condicin ms dbil que la de controlabilidad para alcanzar estabilidad a lazo cerrado. Es equivalente a pedir que los autovalores no controlables sean estables.
8.5
Regulacin y Seguimiento
El problema de regulacin se da cuando la referencia es nula ; se pretende bsicamente que el sistema sea asintticamente estable y que la respuesta a condiciones iniciales producidas por perturbaciones tienda a cero. El problema de seguimiento (o del servomecanismo) se da cuando se pretende que la salida reproduzca asintticamente (que tienda a) la referencia . Es comn que la referencia sea un valor constante Q . El problema de regulacin es un caso particular del de seguimiento con .
8
2 Tiene
todos sus autovalores con parte real negativa.
95
Si el sistema es controlable, sabemos que podemos asignar los autovalores del lazo cerrado calculando para obtener la matriz de evolucin . La respuesta del sistema realimentado entonces est dada por h f
B c sea Hurwitz, ya c As, el problema de regulacin ( Qg ) queda resuelto si se calcula para que q que entonces i h para toda condicin inicial c sea Para el problema de seguimiento de referencia constante Qp e , adems de que Hurwitz, requerimos una condicin en la ganancia de precompensacin , para que Q i , B I i Q Q i D a 8R 1 B c | " g D " D (8.14) c | 8R h B c | es la funcin transferencia a lazo cerrado Como 2 B d 8 B | | B B | | 2 B . Obviamente, es condicin necesaria que e . la condicin (8.14) es equivalente a Para regulacin: Es necesario que sea controlable. Se requiere entonces c disear para que todos los autovalores de c tengan parte real negativa. Para seguimiento de referencias constantes: Es necesario que sea controlable y "R&1 | e . Se requiere entonces disear c para que todos los autovalores de c tengan parte real negativa, c | . disear La condicin de controlabilidad del par puede relajarse a la de estabilizabilidad. La restriccin
Ejemplo 8.3 (Seguimiento de referencia constante). En el segundo ejemplo de la clase pasada calculaq mos la ganancia de realimentacin que asigna los autovalores a lazo cerrado del sistema Q Q Q
estar en que no habr entonces control total de la velocidad de convergencia del error. Si hubiera modos no controlables muy cercanos al eje , la respuesta podra ser demasiado lenta u oscilatoria para considerar la regulacin y seguimiento satisfactorios.
U en . Supongamos que el sistema tiene la salida h , que se pretende que siga asintti camente referencias constantes. La funcin transferencia del sistema a lazo cerrado resulta 8
I TB
~ ) | T Q B
Y$`
d dS Como
, hQ tender a para una referencia constante Q Q , con Incorporamos precompensacin rediseando 3 Q
96
0.2
1.4
1.0 0.1
0.6 0 0.2 -0.1 -0.2
-0.2 -0.6
-0.3 0 1 2 3 4 5 6 7 8 9 10
-1.0 0 1 2 3 4 5 6 7 8 9 10
Figura 8.3: Respuesta sin precompensacin
Figura 8.4: Respuesta precompensada
La Figuras 8.3 y 8.4 muestran la respuesta del sistema a lazo cerrado a un escaln unitario en Q sin y con precompensacin. La funcin transferencia del sistema a lazo cerrado con precompensador resulta 8 h Q .
B B B T
i
Ejemplo 8.4 (Efecto de incertidumbres en el modelo). Retomemos el sistema anterior, pero supongamos que existe un error en el modelo usado para el diseo de control y la planta real tiene una matriz de evolucin q p es decir que los autovalores a lazo abierto estn en
B B
~ ~~
~~ , en vez de ~
. La funcin trans-
1.1 0.9 0.7 0.5 0.3 0.1 -0.1 -0.3 -0.5 -0.7 -0.9 0 1 2 3 4 5 6 7 8 9 10
Figura 8.5: Respuesta del sistema con incertidumbre ferencia del sistema real compensado con la ganancias ahora 8 g
d o
calculadas en base al modelo nominal es
B B B T
y, aunque la estabilidad se ha conservado, la propiedad de seguimiento se ha perdido. Este esquema de control no tiene desempeo robusto; requiere conocer la planta con exactitud. Ejemplo 8.5 (Efecto de perturbaciones a la entrada de la planta). Sea ahora el mismo sistema, con el modelo correcto, pero con una perturbacin constante a la entrada de la planta. La transferencia desde a no estar precompensada, y por lo tanto se originar un error esttico . Otra vez, se conserva la estabilidad pero se pierde el seguimiento. proporcional al valor de
97
u
-
8.5.1 Seguimiento Robusto: Accin Integral

Introducimos un esquema robusto de seguimiento de referencias constantes con propiedades de rechazo de perturbaciones de entrada constantes. El esquema se basa en aumentar la planta agregando un nuevo estado que integra el error de seguimiento,
como se muestra en la Figura 8.6.
Figura 8.6: Esquema de seguimiento robusto La EE del sistema original con perturbacin de entrada es
B x B u x
B u B B C $ u da el sistema a lazo cerrado de la Figura 8.6 La realimentacin de estados c $ B C B 2 (8.15) $ c La idea entonces es disear para que la matriz de evolucin en (8.15) sea Hurwitz. En particular, la estabilizacin de implcitamente produce el seguimiento deseado, ya que t Qj
de modo que el sistema aumentado a lazo abierto queda Cabe preguntarse si el sistema aumentado ser controlable q .
98
Teorema 8.3 (Controlabilidad de la planta aumentada con un integrador). Si es controlable y si "i " no tiene ceros en , los autovalores de la matriz de evolucin aumentada en (8.15) pueden asignarse arbitrariamente seleccionando la matriz de realimentacin .
Demostracin. Ver Chen (1999, p. 244-245).

En trminos de polos y ceros: si la planta tuviera un cero en , su conexin en cascada con el integrador de producira una cancelacin polo-cero inestable y hara que la planta aumentada sea no controlable.
R |
Propiedades de seguimiento y rechazo de perturbaciones. Intercambiando el orden de los sumadores donde entran y en la Figura 8.6 obtenemos el diagrama de bloques de la Figura 8.7, donde
8 d 8 8 8R h B c | B c . La respuesta del d 8 con 8 8R sistema en dominio es entonces: d8 8 B 8 B B Figura 8.7: DB equivalente. 8 f" B 8 8 " B 8 8 B 8 Si la referencia y la perturbacin de entrada son " y 8)U , y la salida del sistema a lazo cerraconstantes, Q , ) , entonces f do es 8 B 8 d8 " 3 B " 8 8 B Finalmente, usando el Teorema del valor nal, vlido pues el lazo cerrado es estable, y la hiptesis de que e , obtenemos que h 8 h B 3 B j B ' B
El sistema rechazar perturbaciones constantes y seguir referencias constantes ambas de valor no necesariamente conocido an frente a incertidumbres de modelado de la planta, siempre que el lazo cerrado permanezca estable.
8.6
Observadores
El control con realimentacin de estados asume la disponibilidad de las variables de estado. Este puede no ser el caso en la prctica, ya sea porque ciertos estados no son medibles, o es muy difcil o muy caro medirlos. Para implementar una realimentacin de estados, entonces, debemos disear un dispositivo dinmico, llamado observador o estimador de estados, cuya salida sea una estima del vector de estados. En esta seccin introduciremos observadores de orden completo, donde el observador tiene el mismo Q a la estima de orden que la planta es decir, estimamos todo el vector de estados. Denotamos con . Consideramos entonces el sistema Q Q (8.16) h Q
son conocidas, y la entrada 3 y salida Q son medibles, aunque no el estado . El problema es estimar Q de esta informacin.
x donde y
B u
99
8.6.1 Una primer solucin: Observador a lazo abierto

Conociendo
y , podemos duplicar la ecuacin de estados original construyendo el sistema Q B u Q u 8
(8.17)
Este sistema podra construirse en forma electrnica con amplicadores operacionales, o, discretizado, mediante un programa en una computadora y una placa de entradas/salidas, como podra ser un PLC moderno. Esta duplicacin es un observador a lazo abierto (Figura 8.8). Si los sistemas (8.16) y (8.17) tuvieran las Q mismas condiciones iniciales, entonces para toda entrada Q tendramos que .
Figura 8.8: Observador en lazo abierto problema se reduce entonces a estimar el estado inicial. Si el sistema es observable, su estado inicial El puede computarse a partir de u Q e Q sobre cualquier intervalo, digamos g . Con calculamos | T , T 8 | , y as poniendo y obtenemos Q 8 . T T T En conclusin: si el sistema es observable podemos usar un observador en lazo abierto para estimar el vector de estados. Sin embargo, el observador en lazo abierto tiene las siguientes importantes desventajas: 1. Hay que calcular el estado inicial cada vez que usemos el estimador. 2. Si la matriz tuviera autovalores con parte real positiva, entonces la menor diferencia entre f y q para algn hara que el error de estimacin Q d Q crezca con el tiempo.
8.6.2 Una solucin mejor: Observador a lazo cerrado
Notemos que aunque ambas 3Q e Q estn disponibles, slo hemos usado Q para construir el observador a lazo abierto. Usamos entonces Q para mejorar el diseo anterior introduciendo una correccin proporcional al error de estimacin en la salida
dQ
, donde es una matriz Inyectamos en el diseo anterior la seal de correccin de ganancia constante. Si no hay error, no se hace correccin. Pero si hay error, un diseo apropiado de podr hacer que el error de estimacin tienda asintticamente a cero. El esquema obtenido (Figura 8.9) se llama observador a lazo cerrado, observador asinttico, o simplemente observador. De la Figura 8.9, las ecuaciones del observador son
Q B u Q B hd Q B B Q u Q Q
(8.18)
100
Figura 8.9: Observador en lazo cerrado

Figura 8.10: Observador en lazo cerrado
101
Demostracin. Recurriendo a la dualidad control/observacin, el par es observable si y slo si c es controlable. Si es controlable todos los autovalores de pueden asignarse arbitrariac . La c es c y por lo tanto mente mediante una eleccin adecuada de transpuesta de c . c sirven As, los mismos procedimientos usados para calcular la matriz de realimentacin de estados para calcular la matriz del observador. Resumimos el procedimiento dual al de la ecuacin de Sylvester. Consideramos el sistema -dimensional SISO Q Q B u (8.20) hx Q
Procedimiento de diseo de observador 1. Elegir una matriz Hurwitz cualquiera que no tenga autovalores en comn con los de . cualquiera tal que sea controlable. 2. Elegir un vector
(8.19) se La ecuacin (8.19) gobierna la dinmica del error de estimacin. Si todos los autovalores de pudieran asignar de forma que tengan parte real menor que, digamos, , con , entonces el error de estimacin en todos los estados decrecera a una velocidad mayor o igual a . Q podr aproximarse As, aunque hubiera un error grande en los estados iniciales, el estado estimado Q al estado real rpidamente. Teorema 8.4 (Asignacin de Autovalores en Observadores). Dado el par , todos los autovalores de pueden asignarse arbitrariamente seleccionando un vector real si y slo si es observable.
Veamos qu condiciones debe cumplir para que tienda asintticamente a cero. substituyendo (8.18), obtenemos Q (8.16) y d Q B u Qi Qh u3 x Q Qd Q Q a a
Denamos el error de estimacin Q d Q
Derivando Q y
3. Calcular la solucin nica
, no singular, de la ecuacin de Sylvester
4. Entonces la ecuacin de estados &Q Q genera una estima asinttica de .
Q |
Q
B } u
B
Denamos el error como p Q &d
Como
} . As, de } q } B } B } 3 u Q B xQd B xdi } B Q }
(8.21)
obtenemos } Q } u Q Q Q
es Hurwitz, el error debe tender asintticamente a cero.
8.6.3 Observador de orden reducido

Si el par
.. . |
es observable, usando la matriz no singular
102
como cambio de base llevamos la matriz qq
a una forma companion donde
| ... q | n
. . .
.. . qq qq qq
. . .
. . .
(8.22)
En estas coordenadas la salida queda como el primer estado, y as, no es necesario construir un observador para estimar todo el estado, sino solamente los restantes. Este observador es de orden reducido. Procedimiento de diseo de observador de orden reducido
cualquiera que no tenga autovalores en comn con los de 1. Elegir una matriz Hurwitz . cualquiera tal que sea controlable. 2. Elegir un vector
3. Calcular la solucin nica una matriz .
, no singular, de la ecuacin de Sylvester
. Notar que
es
4. Entonces la ecuacin de estados de orden
Q B } u B Q & | Q } genera una estima asinttica de .
El diseo de observadores via la resolucin de la ecuacin de Sylvester es conveniente porque el mismo procedimiento sirve para observadores completos y reducidos y, como veremos, tambin para sistemas MIMO.
8.7
Realimentacin de estados estimados
Consideremos nuevamente la planta
en asignar los autovalores de cualquier posicin deseada. Si las variables de estado no estn disponibles para la realimentacin podemos construir un observador. Si es observable, podemos construir un observador de orden completo o reducido con autovalores arbitrarios. Discutimos aqu slo el caso de observador completo
QQ B u hx Q es controlable, la realimentacin de estados u Si
Q Q B u Q B Q Q La estima se aproximar asintticamente a Q a una velocidad determinada por la eleccin de . Q converge a Q , es natural aplicar la realimentacin de estados a la estima Como u QQd c u c c u c
como se muestra en la Figura 8.11. La conexin controlador-observador, es efectivamente un controlador dinmico que realimenta la salida. Tres dudas bsicas surgen frente a la conexin controlador-observador: 1. Los autovalores de se obtienen de . Seguiremos teniendo los mismos autovalores con ?
103
u
-

Figura 8.11: Realimentacin de estados estimados
2. Afectar la conexin a los autovalores del observador? 3. Cul ser el efecto del observador en la funcin transferencia a lazo cerrado? Para contestar a estas preguntas recurrimos a las EE que describe el sistema completo (juntando las del sistema y las del observador y con ):
c c B
Consideremos la transformacin de equivalencia ) Notemos que . La transformacin (8.23) lleva al sistema controlador-observador a la forma
j (8.23) | c c B C Como la matriz de evolucin los autovalores del sistema completo son la unin de los c y es block-triangular, autovalores de . Esto implica que el estimador no afecta la realimentacin de estados
original; tampoco son afectados los autovalores del observador por la realimentacin de estados. Propiedad de separacin de control y observacin: Los diseos del control por realimentacin de estados y el observador pueden realizarse en forma independiente. Finalmente, notemos que la EE
evidencia los modos controlables y los no controlables. As, vemos que los modos del error de estimacin son no controlables, por lo que no aparecern en la funcin transferencia del sistema completo, que queda determinada por la ecuacin de estados de orden reducido es decir: 8 8
B C
c B x
B c | R h
104
8.8
Realimentacin de estados caso MIMO
Si el sistema considerado
en ) tiene elementos; es decir, hay un exceso de grados de libertad, ya que en principio slo necesitamos ganancias para asignar autovalores a lazo cerrado del sistema. En el caso de una sola entrada, existe una nica solucin para una dada conguracin de autovalores a lazo cerrado elegida. En el caso multi-entrada la ganancia que da los autovalores a lazo cerrado elegidos no es nica Cul elegir entonces? Este exceso de grados de libertad puede llegar a ser un problema si no est claro como aprovecharlo. Existen varias formas de atacar el problema de eleccin de en el caso multi-entrada, entre ellas:
x B u x c tiene entradas, la ganancia de realimentacin de estados c
1. Diseo cclico. Reduce el problema a uno de una entrada y aplica las tcnicas conocidas. 2. Diseo va ecuacin de Sylvester. Extiende el mtodo de la ecuacin de Sylvester a multi-entrada. 3. Diseo cannico. Extiende la frmula de Bass-Gura usando la forma cannica multi-entrada del controlador. 4. Diseo ptimo. Calcula la matriz
en forma ptima.
Desarrollaremos los tres primeros. El diseo ptimo, que es una forma sistemtica de utilizar todos los grados de libertad disponibles, lo trataremos en el captulo siguiente. M ATLAB la funcin K = place(A,B,P) es vlida en el caso multi-entrada, y permite asignar los autovalores especicados en P, inclusive repitiendo autovalores un nmero mximo de veces igual al nmero de entradas. Antes de entrar en los mtodos de diseo, vale remarcar que los resultados de controlabilidad y asignabilidad de autovalores se extienden al caso multivariable. Los resumimos en los siguiente teoremas; las pruebas siguen de cerca el caso SISO y no las repetimos. Teorema 8.5 (Controlabilidad y realimentacin MIMO). El par q , para cualquier matriz real es controlable. , es controlable si y slo si
pueden asigTeorema 8.6 (Asignabilidad de autovalores MIMO). Todos los autovalores de narse arbitrariamente (siempre y cuando los autovalores complejos conjugados se asignen en pares) eligien do la matriz constante real si y slo si es controlable.
c
8.8.1 Diseo Cclico

En este mtodo transformamos el problema multi-entrada en uno de una entrada y despus aplicamos los mtodos de asignacin de autovalores del caso SISO. Denicin 8.2 (Matriz Cclica). Una matriz polinomio mnimo. Recordemos:
Toda matriz Hamilton.
se dice cclica si su polinomio caracterstico es igual a su
satisface su polinomio caracterstico

f
, por el Teorema de Cayley-
El polinomio mnimo de una matriz
es el polinomio de mnimo orden para el que
El polinomio mnimo de una matriz es igual al caracterstico si y slo si hay un y slo un bloque de Jordan asociado a cada autovalor distinto de .
105
Ejemplo 8.6.
T T La matriz | es cclica: | tiene slo un bloque de Jordan de orden 1 y T slo uno de orden 3. La matriz T no es cclica: | tiene un bloque de Jordan de orden 1 pero T tiene dos, uno de orden 2 y uno de orden 1. controlabilidad con entrada). Si el sistema de orden Teorema 8.7 (Controlabilidad con entradas , el sistema con entradas es controlable y si es cclica, entonces para casi cualquier vector de 1 entrada es controlable.

|

|

No probamos este resultado pero mostramos su validez intuitivamente. Como la controlabilidad es invariante bajo transformacin de coordenadas, asumimos Jordan. Para ver la idea bsica consideremos el ejemplo siguiente:
en forma de
| T
(8.24)
Hay slo un bloque de Jordan asociado a cada autovalor; por lo tanto es cclica. La condicin para que sea controlable en estas coordenadas es que la tercera y ltima la de sean distintas de cero. Las condiciones necesarias y sucientes para que el par de una entrada sea controlable son y en (8.24). Como
| B T y | entonces o es cero si y slo si | o | T a hacer controlable. ! T puede asumir cualquier valor El vector en T que no est en la unin de las dos lneas
q

e
. As, cualquier
que no tenga
o
va
mostradas en la Figura 8.12. La probabilidad de que un elegido aleatoriamente caiga sobre estas lneas es nula, y por lo tanto, para casi todo el par ser controlable. La condicin de que sea cclica es esencial. Por ejemplo, el par q# " h " &
T

es controlable, puesto que las las son linealmente independientes. Sin embargo, no hay ningn tal que sea controlable (dos bloques de Jordan asociados al mismo autovalor y una Figura 8.12: sola entrada). Si todos los autovalores de son distintos, entonces hay slo un bloque de Jordan asociado a cada uno, y por lo tanto la matriz es cclica. Teorema 8.8 (Cclica por realimentacin). Si es controlable, entonces para casi toda matriz real constante , la matriz tiene autovalores distintos y, por lo tanto, es cclica.
T T| T%$
T| T| $
|

de
coincidan No es difcil ver que la probabilidad de que, eligiendo al azar, los autovalores de y es nula. Este resultado, junto con el anterior, nos da el procedimiento para asignar los autovalores de en los lugares deseados.
c
106
Procedimiento de asignacin de autovalores por diseo cclico 1. Si no es cclica, introducir tal que q sea cclica. Como tambin lo es . ' 2. Elegir una tal que sea controlable.
c | u c | es controlable, c c | sea tal que los autovalores de c T sean los deseados. 3. Introducir 3 T , donde T ( u i c | B c T . 4. La realimentacin nal es |
En M ATLAB, partiendo de matrices A,B y autovalores a lazo cerrado deseados en el vector P: (n,p) = size(B); K1 = rand(p,n); V = rand(p,1); K2 = place(A-B*K1,BV,P); K = K1 + V*K2;
>> >> >> >> >>
u
-
c| c T
Figura 8.13: Realimentacin por diseo cclico
8.8.2 Diseo via Ecuacin de Sylvester

El mtodo de diseo via la solucin de una ecuacin de Sylvester se extiende al caso multi-entrada. Sea un sistema controlable de orden y entradas . El problema es encontrar una matriz real constante tal que tenga cualquier conjunto de autovalores deseados siempre que no contenga ningn autovalor de .
Procedimiento de asignacin de autovalores por diseo va ecuacin de Sylvester 1. Elegir una matriz con el conjunto de autovalores deseados que no contenga ninguno de . 2. Elegir una matriz arbitraria tal que sea observable. 3. Hallar la nica solucin
} } c } 4. Si es singular, elegir una distinta y repetir el proceso. Si

en la ecuacin de Sylvester
c .
es no singular,
} c} c implican Si es no singular, la ecuacin de Sylvester y c } }| c } } o c y son similares y tienen los mismos autovalores. y as }
es siempre no singular, en el caso MIMO observable.
tiene el conjunto de autovalores deseados.
c } | , y
A diferencia del caso SISO, donde puede ser singular an cuando es controlable y
107
8.8.3 Diseo Cannico

Este diseo extiende a MIMO el procedimiento que seguimos para derivar la frmula de Bass-Gura en SISO. La derivacin es complicada, pero como realmente muestra la esencia de la realimentacin de estados, lo presentamos para un ejemplo. La idea es llevar al sistema a la forma cannica multientrada del controlador. Supongamos que tenemos 0) ) , 1 ) 0) , y i( un sistema de orden 6, 2 entradas y 2 salidas, es decir, ( . Primero buscamos columnas linealmente independientes en q 02 3 en orden de izquierda a derecha. Supongamos que los ndices de controlabilidad son 3 y3 . Entonces existe una matriz no singular tal que el cambio de coordenadas transformar el
| ~
sistema a la forma cannica multi-entrada del controlador
|||
|| T
||
||
T || T | T T | T | | || || T || || | T | | TT T || T | T T | T | TT | TTT
8
| TT B T T | TTT
|T |
| T u
Ahora, de cualquier conjunto de 6 autovalores deseados podemos formar el polinomio
Eligiendo
B | || B | | T B | | B | | 8 T B | B T TT T TT

como
| T | ||| T | |

||| ||T T || T | T T

|| T | | T|T T|

|| || T| T|

|| | T | | T T T | TT | TT | T TT TTT
se puede vericar fcilmente que
| TT TTT c es triangular en bloques, para cualesquiera |4 65 xgg , su polinomio caracterstico es Como p ~ T igual al producto de los polinomios caractersticos de los bloques diagonales de rdenes ~ y . Como estos c es igual al deseado. Finalmente bloques en forma companion, el polinomio caracterstico de c c estn c ubica los autovalores de en las posiciones deseadas.

|||

||

||

||

| | T
| T T
| T
| T
8.9
Observadores MIMO
Todo lo que discutimos sobre observadores en el caso SISO vale para el caso MIMO; para el sistema de estados, entradas y salidas
B u x x
3 Es
decir, en las 7 columnas LI de 8 hay 4 de la entrada 1, y 2 de la entrada 2.
108
el problema de observacin consiste en usar la entrada y la salida medida para obtener una estima asinttica del estado del sistema . Como en el caso SISO, el observador est dado por las ecuaciones Este es un observador de orden completo. Deniendo el error de estimacin como en el caso SISO, Q d Q llegamos a que la dinmica del error est dada por
u B u B pueden asignarse arbitrariamente por Si el par es observable, entonces los autovalores de medio de una eleccin adecuada de . As, la velocidad de convergencia de la estima al estado actual puede hacerse tan rpida como se quiera. c y asignar los autovalores de i c pueden usarse para Los mismos mtodos vistos para calcular . Por ejemplo, en MATLAB, dados los autovalores deseados en calcular y asignar los autovalores de el vector , usamos
4
>> L = place(A,C,P);
8.9.1 Observador MIMO de orden reducido

Presentamos el procedimiento de Chen (1999) via ecuacin de Sylvester. Procedimiento de diseo de observador MIMO de orden reducido Sea el par observable, donde i1 y i( . Asumimos que el rango de es (es decir, todas las salidas son l.i.). 1. Elegir una matriz Hurwitz cualquiera 9 que no tenga autovalores en comn con los de . tal que sea controlable. 2. Elegir una matriz cualquiera 1
4 5 75 75 75 5 } } } . 3. Calcular la solucin nica 1 65 de la ecuacin @ 2 es singular, volver al paso 2 y repetir el proceso. Si 4. Si la matriz entonces la EE & Q B } u B Q Q } | genera una estima asinttica de .
es no singular,
8.9.2 Nota Histrica

El concepto de observadores puede atribuirse a David G. Luenberger, que lo desarroll como resultado de su tesis doctoral (Stanford University, 1963). Su trabajo inclua los aspectos bsicos de observadores, incluyendo observadores de orden reducido y transformaciones cannicas. Actualmente, David Luenberger es profesor en el departamento de sistemas econmicos, de ingeniera y investigacin operacional de la Universidad de Stanford.
8.10 Consideraciones de diseo

Sabiendo ya cmo asignar autovalores a lazo cerrado por realimentacin de estados, y cmo disear un observador en caso de que no todos los estados sean medibles, resta decidir dnde colocar estos autovalores. Damos ahora algunas pautas a tener en cuenta en esta eleccin. Recordemos que dado el polinomio caracterstico deseado 8
B | | B 2 B
4 Sin embargo, esto no necesariamente implica que el error pueda reducirse arbitrariamente. Puede mostrarse que ceros y polos DF E HQP SR GT E P SRVU , lograble eligiendo W . Hay de la planta con parte real positiva imponen una limitacin a la mnima energa del error, AC B GI casos en que no puede reducirse a cero.
109
| T | | T | . T . c ... .. .. q ... ... ... | T T T | q | | | q q q | es la matriz de controlabilidad del sistema. donde c

4
la frmula de Bass-Gura daba la ganancia de realimentacin (SISO) q q
(8.25)
Notamos de (8.25) que ser mayor en magnitud (norma): cuanto ms se desplacen los autovalores respecto de las posiciones de lazo abierto (mayores diferencias entre y ),
cuanto ms cerca de ser singular est llevar controlarlo).
(cuanto menos controlable sea el sistema, mayor esfuerzo
8.10.1
Dicultades de la realimentacin de ganancia elevada
Si se desea estabilizar el sistema, habr necesariamente que mover autovalores al lado izquierdo del plano complejo. Sin embargo, moverlos excesivamente a la izquierda implicar usar una elevada. Una elevada tender a hacer saturar los actuadores, trayendo efectos indeseados en el desempeo del sistema. Si bien la estabilidad es un punto esencial en el diseo, no es el nico; existen tambin requerimientos de velocidad de respuesta, sobrevalor, etc. La velocidad del sistema queda denida por su ancho de banda, denido como la frecuencia a partir de la cual la magnitud de la respuesta en frecuencia del sistema comienza a decaer signicativamente (3 dB). El ancho de banda queda determinado por los autovalores dominantes, es decir, aquellos cuya parte real es ms cercana al origen (los de transitorios de decaimiento ms lento). El mover los autovalores excesivamente a la izquierda implica tambin un lazo cerrado de gran ancho de banda, que puede amplicar incertidumbres en el modelo y perturbaciones de alta frecuencia. Adems, si lo autovalores a lazo cerrado se sitan a distancias desparejas del origen, el esfuerzo de control no ser ecientemente distribuido, lo que implica desperdicio de energa. Resumiendo, para una eleccin razonable de los autovalores: Elegir el ancho de banda sucientemente grande como para alcanzar los requerimientos de velocidad de respuesta deseados.
No excederse en el ancho de banda ojo a los efectos de ceros de fase no mnima (subvalor excesivo), y el ruido y la incertidumbre de modelado en alta frecuencia. Ubicar los autovalores a distancias aproximadamente uniformes del origen para un uso eciente del esfuerzo de control.
Una conguracin de autovalores comn que satisface estos lineamientos es la de Butterworth, originaria de teora de ltrado. La conguracin Butterworth se dene por 2 parmetros: la frecuencia de corte y el orden . La ubicacin de los autovalores queda denida por las races de la ecuacin
Los polinomios cuyos ceros tienen la conguracin Butterworth son los polinomios de Butterworth. Los primeros 4 son: 8
| B 8 T B B T 8 B T B B 8 B ) B B
Q
X |
B T B )
Los ltros de Butterworth, cuyos denominadores son los polinomios de Butterworth, se pueden calcular en M ATLAB con la funcin
110
Y$`

X6Y
Y$` a
X6Y`
Y$` a
XaYb
Y$` a
~ Ug Figura 8.14: Conguracin de polos Butterworth para ~.
>> [Num,Den] = butter(N,W0,s) Como veremos en detalle en el ltimo captulo, la conguracin Butterworth tiene propiedades de optimalidad.
8.10.2
Resumen del proceso de diseo
Arquitectura de control Chequeo de robustez
Especicaciones no Modelo matemtico si OK?
Ganancias de control
Simulacin
Observador
Construccin y ensayo
Figura 8.15: Proceso de diseo
8.11 Resumen
Vimos dos mtodos para calcular la ganancia de realimentacin de estados para asignar los autovalores de la matriz de evolucin del lazo cerrado en las races de un polinomio caracterstico deseado:
c 8 B | | B 2 B
111
El primer mtodo
usa la frmula
. . .
T|
| .. T . T |

T . . . |
q q q q q q
. . .
T|
| | . . | . . . .
q que se conoce como Frmula de Bass-Gura, donde son los coecientes del polinomio carac q terstico de , y es la matriz de controlabilidad del sistema a lazo abierto.
| T
Funciones tiles en M ATLAB

pol=poly(A) calcula los coecientes pol=[ U A.
R=hankel(fliplr(pol(1:n-1))) arma la matriz

c
| T q ] del polinomio caracterstico de la matriz CC=ctrb(A,B) calcula la matriz de controlabilidad . f lop=fliplr(pol) invierte el orden de los coecientes en el vector pol; o sea lop=[ q T | ].
VV VV ... ... | |
| | ... ... ...
La siguiente secuencia en M ATLAB calcula (polinomio deseado): >> >> >> >> pol n = R = K =
en la frmula de Bass-Gura, de A,B y polK=[
| q ]
= poly(A); length(pol); hankel(fliplr(pol(1:n-1))); (polK(2:n-1) - pol(2:n-1))*inv(R)*inv(ctrb(A,B));
} } c donde es una matriz cualquiera con los autovalores a lazo cerrado deseados (distintos de los de c vector la arbitrario tal que sea observable. Entonces c c} |
En M ATLAB >> T = lyap(A,-F,-B*Kbar); >> K = Kbar*inv(T);
El segundo mtodo resuelve la ecuacin de Lyapunov generalizada (tambin llamada de Sylvester)
)y
un
Tarea de estudio Ver la justicacin del segundo mtodo en Chen (1999, 8.2.1, pginas 239-41). Convenientemente, M ATLAB tiene la funcin K = place(A,B,P) que calcula para ubicar los autovalores en los valores dados en el vector . Restriccin: no permite repetir autovalores.
112
8.12 Ejercicios
Ejercicio 8.1. Calcular un control por realimentacin de estados )w pndulo invertido dado por las EE n
para estabilizar el sistema del
ubicando los autovalores del lazo cerrado en y . Utilizar los dos procedimientos dados y comparar las ganancias de realimentacin obtenidas. Simular la respuesta del sistema realimentado a un escaln unitario en la referencia. Calcular la cota inferior terica para el subvalor en la respuesta y comparar con los valores observados en la simulacin. Cul es el compromiso de diseo si se quisiera hacer la respuesta a lazo cerrado ms rpida? para ubicar uno de los autovalores a lazo cerrado Cmo se altera la respuesta si se recalcula una sobre el cero estable del sistema?
Ejercicio 8.2. Redisear el controlador para el sistema del Ejemplo 8.3 incorporando accin integral segn el esquema de la Figura 8.6. Vericar por simulacin las propiedades de robustez y rechazo de perturbaciones del lazo cerrado introduciendo incertidumbres de modelado y perturbaciones de entrada. Ejercicio 8.3. Es posible cambiar la funcin de transferencia a lazo abierto a la de lazo cerrado 8 8
d d
X | X | T T X X | X | T T X
| X T X
mediante realimentacin de estados? Ser el sistema resultante BIBO estable? Y asintticamente estable? Qu puede decirse para ed al lazo cerrado 8 8 Ejercicio 8.4. Encontrar la ganancia del sistema
en
para asignar en y los autovalores a lazo cerrado
| X
B $ u
Ejercicio 8.5. Disear un observador de orden completo y uno de orden reducido para estimar los estados g . del sistema del Ejercicio 8.4. Elegir los autovalores de los estimadores dentro del conjunto Ejercicio 8.6. Calcular la funcin transferencia de a del sistema a lazo cerrado del Ejercicio 8.4. Repetir el clculo si la realimentacin se aplica al estado estimado con el observador de orden completo diseado en el Ejercicio 8.5. Repetir pero ahora con la estima obtenida del observador de orden reducido. Son las tres funciones transferencia la misma? Ejercicio 8.7. Considerar el diseo del control de posicin del motor de corriente continua del ejemplo tutorial en Matlab. 1. Implementar el sistema con controlador en S IMULINK. Simular la respuesta a un escaln en , y a un escaln de torque de perturbacin aplicado segundos ms tarde. 2. Disear un observador de orden reducido. Asignar los autovalores del observador de modo que no afecten la respuesta especicada para el sistema. 3. Incorporar el observador al modelo S IMULINK y aumentar el valor del momento de inercia del motor en un 20%. Repetir el ensayo de respuesta a un escaln de la referencia y perturbacin de torque. Se conserva el desempeo? Cul es la mxima perturbacin admisible?
113
Ejercicio 8.8. Para el sistema dado por n n q n o n
encontrar 2 matrices
tales que los autovalores de
sean
~ Y
~. Y
Captulo 9
Introduccin al Control ptimo

9.1 Introduccin
El mtodo de diseo combinado de observador y realimentacin de estados que vimos en el captulo pasado es una herramienta fundamental en el control de sistemas en variable de estados. Sin embargo, no es siempre el mtodo ms til; tres dicultades obvias: 1. La traduccin de especicaciones de diseo a ubicacin de polos no es directa, especialmente en sistemas complejos; cul es la mejor conguracin de polos para especicaciones dadas? 2. Las ganancias de realimentacin en sistemas MIMO no son nicas; cul es la mejor ganancia para una conguracin de polos dada? 3. Los autovalores del observador deben elegirse ms rpidos que los del controlador, pero, tenemos algn criterio adicional para preferir una conguracin a otra? Los mtodos que introduciremos en este captulo dan respuestas a stas preguntas. Veremos que las ganancias de realimentacin de estados, y del observador pueden elegirse de forma que minimicen un criterio de optimizacin dado. El criterio particular que veremos es un funcional cuadrtico del estado y la entrada de control,
f Q c
u Q hg B u c 3 u
donde g y son matrices constantes (aunque no necesariamente) semi-denida y denida positivas respectivamente. El control que se obtiene de minimizar este criterio es lineal. Como el criterio se basa en funcionales cuadrticos, el mtodo se conoce como lineal-cuadrtico (LQ: linear-quadratic), del que se obtiene el regulador lineal cuadrtico (LQR). Criterios similares de optimizacin se siguen para el diseo de observadores, slo que el funcional depende del error de estimacin, y se basa en una caracterizacin estadstica de los ruidos que afectan al sistema. Este estimador ptimo lineal-cuadrtico se conoce como el ltro de Kalman. Cuando se combinan la ganancia de realimentacin de estados LQ con el ltro de Kalman, obtenemos lo que se conoce como un controlador lineal-cuadrtico-gaussiano (LQG). (Lo de gaussiano viene de la caracterizacin estadstica del ruido empleada.) Como material de estudio para este captulo recomendamos Bay (1999, Captulo 11) y Friedland (1986, Captulos 9, 10 y 11).
9.1.1 El Principio de Optimalidad

Para entender la idea de criterio de optimizacin en variable de estados, la introduciremos con sistemas de tiempo discreto, que son ms simples. El estado de un sistema discreto describe una trayectoria haciendo transiciones discretas de un estado a otro bajo el efecto de una entrada tambin aplicada en tiempo discreto.
114
9. Introduccin al Control ptimo
115
Cuando se asocia un criterio de optimizacin al sistema, cada transicin de estado tiene asociado un costo o penalidad. Por ejemplo, pueden penalizarse las transiciones de estado que se alejan demasiado del estado nal deseado, o las acciones de control de valores demasiado elevados. A medida que el sistema evoluciona de estado en estado, los costos se suman hasta acumular un costo total asociado a la trayectoria. Ilustramos el concepto con el grafo de la Figura 9.1, que representa 8 estados de un sistema discreto con sus transiciones posibles. El estado inicial es el 1, y el nal el 8. El sistema pasa de un estado a otro en cada tiempo determinado por la entrada y las ecuaciones Las transiciones posibles se representan por los arcos que conectan el estado inicial 4 al nal a travs de los estados intermedios. 2 7 El costo asociado f a cada transicin se representa con la letra ; por ejemplo, el costo de 8 1 f 5 moverse del estado 3 al 5 es 2 . iqpSr Asumiendo que los costos se acumulan en i tu 6 3 forma aditiva, vemos que la trayectoria marcai rVs i sVt da en rojo, por ejemplo, tiene un costo total f f f f )v . 2 2 ) Figura 9.1: Posibles trayectorias de 1 al 8. Como hay varias rutas alternativas del estado 1 al 8, el costo total depender de la trayectoria elegida. La seal de control qw que determina la trayectoria de menor costo es la estrategia ptima. Como ya veremos, en sistemas de tiempo continuo, la acumulacin de costos se representa mediante integracin, en vez de suma. La herramienta matemtica que usaremos para determinar la estrategia ptima es el principio de optimalidad de Bellman. En cualquier punto intermedio en una trayectoria ptima entre y Tx , la
B u x
| B B
4 estrategia desde 4 al punto nal %x
debe ser en s una estrategia ptima.
Este obvio principio nos permitir resolver en forma cerrada nuestros problemas de control ptimo. Tambin se usa en el cmputo recursivo de las soluciones ptimas en un procedimiento llamado programacin dinmica.
9.1.2 Nota Histrica

El nacimiento del control ptimo se atribuye al problema del braquistocrono, propuesto por el matemtico suizo Johann Bernoulli en 1696. El problema consista en determinar cul, entre todas las trayectorias posibles, era la que llevaba a una partcula (sin rozamiento) en el menor tiempo posible, desde un punto a un punto en el mismo plano vertical, sujeta slo a la accin de la gravedad.
Johann Bernoulli (1667-1748)

Braquistocrono Una formulacin matemtica moderna del problema del braquistocrono es la siguiente: encontrar la seal " que lleve al sistema control
hQ h
$ Qu Q v Q Q v d
116
desde el punto al punto en mnimo tiempo, sujeto a la restriccin control ptimo.
uT B T
. Tpico problema de
9.2
Control LQ discreto
B u (P u ( X | x (9.1) El problema de control que queremos resolver es: Encontrar la secuencia de control u que lleve al sistema (9.1) de la condicin inicial 4 al estado nal %x , minimizando el funcional cuadrtico | f | 3 B | g B u c u (9.2) 4 T T 4 (9.2) puede interpretarse como el costo total de la transicin de 4 a y, en particular, el trmino 3 penaliza El funcional el error en3 alcanzar el estado nal deseado. c Las matrices de peso g y pueden seleccionarse para penalizar ciertos estados/entradas ms que 3 c otros. Como veremos, las matrices y g deben ser semi-denidas positivas, y la denida positiva.
9.2.1 Transicin
S#6 S
Consideremos el sistema en tiempo discreto denido por1
Para encontrar el control a aplicar al sistema de forma que se minimice (9.2), supongamos que estamos en el paso i de la trayectoria ptima. As, el costo (9.2) de la transicin de i a es
B u | c u |fe | 3 B g | | | T d Usando (9.1), substituimos como una funcin de u | , lo que da B u | 3 | B u | f | | h Tg |

f f
(9.3)
Como
es cuadrtico en , podemos minimizarlo diferenciando
B | g | B u | c u h |i
kj
|V u | j 3 | B 3 c B u e
f
u |e B c u | 3 B | |
(9.4)
De (9.4) obtenemos el ltimo elemento de la secuencia de control ptima
u w |
j
B 3 e | 3 | B 3

(9.5)
que resulta ser un mnimo, ya que
T f u |V j T |
Como vemos, (9.5) es un control lineal por realimentacin de estados de la forma habitual
donde
u w |
c |
c | | c B 3 | 3 e
(9.6)
1 Para
abreviar las expresiones, cambiamos la habitual notacin discreta GTl men a Gpo .
9. Introduccin al Control ptimo El valor del costo mnimo w

f
117
u w | es | obtenido con q f w | c | | e 3 | c | | e | | B ThgQ | g | B | c | c c | | i (9.7) c 3 c B B c c9c | | gq | e | e g | |i | T 3 | | | (9.8) | T 3 c 3 |re c |fe B g B c | cgc | . La eleccin de la notacin donde denimos | 3 | en (9.8) surge de que si estamos en el paso nal , no hay ninguna accin de control que tomar y 3 f f w | , es decir, T 3 3 c c B 3 e | 3 3 | c | e 3 c | e B g B c | c9c |
S#ksh S
9.2.2 Transicin
Tomamos otro paso para atrs en el cmputo del control ptimo y consideremos ahora que estamos en el paso i . Notemos primero de (9.2) que f f f Por lo tanto, para calcular la estrategia ptima para ir del estado en principio de optimalidad para deducir que f w f w f y as reducimos el problema la obtuvimos). Asi que ahora el paso de , y i en vez de i f
T T
B | T B T |
| |

al estado nal en
, usamos el
| | 3 | | B g T B u c u T e T | d T f T T Igual que antes, podemos minimizar T | sobre todos los posibles u T , y es fcil ver que las expresiones en vez de , y en vez de i , son las mismas pero con i u w c T T T donde c c B 3 | e | 3 | T
9.2.3 Transicin
utQv
al de calcular la estrategia ptima para ir de a
(la de
es el nal, y podemos usar la misma ecuacin (9.3) pero con . Obtenemos
ya
en vez
Retrocediendo en los pasos j control ptimo
g j
g q
se generan la siguientes expresiones recursivas para el
El conjunto de ecuaciones (9.9), (9.10) y (9.11) representa el controlador LQ completo para el sistema discreto (9.1), que resulta, en general, inestacionario. La ecuacin en diferencias (9.11) se conoce como la ecuacin matricial en diferencias de Riccati. El hecho de que se resuelva para atrs en el tiempo le da a la peculiaridad de que los transitorios aparecen al nal del intervalo , en vez de al principio.
3 X | | 3 X | c 3 X | c B g B c c9c 3 3 Notar que la ecuacin en diferencias (9.11) de se resuelve para atrs, comenzando en 3 f costo ptimo de a es w | . T
u w c c c B 3
(9.9) (9.10)
3 (9.11) . El
118
Ejemplo 9.1 (Control LQ en tiempo discreto). Simulamos el sistema h
X |
f
2 B 2 u
con el controlador LQ ptimo que minimiza el costo
B u T 2 T c Las siguientes lneas de cdigo M ATLAB computan y | |

w B | | T |
en lazo cerrado.
% Costo Q=[2 0;0 0.1];R=2;S=diag([5,5]); k=10; % Sistema A=[2 1;-1 1];B=[0;1];x0=[2;-3]; % Solucion de la ecuacion de Riccati while k>=1 K(k,:)=inv(R+B*S*B)*B*S*A; S=(A-B*K(k,:))*S*(A-B*K(k,:))+Q+K(k,:)*R*K(k,:); k=k-1; end % Simulacion del sistema realimentado x(:,1)=x0; for k=1:10 x(:,k+1) = A*x(:,k)-B*K(k,:)*x(:,k); end
La matriz de realimentacin debe calcularse en tiempo invertido y almacenarse para ser aplicada posteriormente al sistema en tiempo normal.
2
xzy { | } x ~ {| }
-1
-2
-3 0 2 4
10
Figura 9.2: Evolucin del estado en lazo cerrado Aunque la planta a lazo abierto es inestable (autovalores en ), vemos que el estado es estabilizado asintticamente por qw . Notar que la planta a lazo cerrado es inestacionaria, ya que el control lo es. La Figura 9.2 muestra la evolucin de las ganancias de control. Podemos comprobar que sus valores cambian ms sobre el nal del intervalo, ms que al comienzo, donde permanecen casi constantes.
T T
119
2.5
| y {| } | ~ {| }
1.5
0.5
-0.5
-1 0 1 2 3 4
Figura 9.3: Evolucin de las ganancias
| T .
9.3
Control LQ en tiempo continuo
La deduccin del control ptimo LQ para el sistema en tiempo continuo, Q Q
B u
(9.12)
sigue los mismos pasos que el de tiempo discreto, slo que las transiciones se reducen a incrementos innitesimales. El costo es ahora f Qhg Q Q c Q B x x e
| T
B | T
B u
Haciendo tender los incrementos a cero se obtienen los equivalentes de tiempo continuo de las ecuaciones (9.9), (9.10) y (9.11), que denen el control ptimo LQ en este caso (ver detalles en Bay (1999, 11.1.2)),
u w Q c Q c Q c | Q Q c | (g1 c
(9.13) (9.14)
Q
La ecuacin (9.15) es la famosa ecuacin diferencial matricial de Riccati, que, como en el caso discreto, tambin debe resolverse hacia atrs en el tiempo, con condiciones iniciales Sx . Como en el caso discreto: El control ptimo LQ es una realimentacin lineal de estados, aunque inestacionaria.
Los transitorios en y ocurrirn sobre el nal del intervalo x .
(9.15)
Pero, la ecuacin diferencial (9.15) es en general de difcil solucin. An, hacindolo numricamente, cmo pueden guardarse los (innitos) valores de Q calculados en tiempo invertido para ser aplicados luego al sistema? , que surge de considerar el Esta dicultad lleva a buscar una solucin ptima estacionaria, Q) caso de horizonte innito x .
9.4
Control LQ de Horizonte Innito
las soluciones de la ecuacin La Figura 9.3 del ejemplo sugiere que si hacemos tender el tiempo nal a de Riccati permaneceran constantes en el valor del instante inicial. Bajo esta suposicin, Q , y (9.15)
120
se convierte en la ecuacin algebraica de Riccati (ARE)2 c g g
B B
(CARE)
con el correspondiente control ptimo LQ (ahora estacionario)
u w Q c Q c | Q 3 3 , que da de (9.11), (9.10) En el caso discreto tenemos 3 3 1 3 c B 3 e | 3 B g c c B 3 e | 3
(DARE)
En rigor, no sabemos an si estas soluciones algebraicas de rgimen permanente resuelven los correspondientes problemas ptimos de horizonte innito. Analizamos este punto a continuacin. Queremos controlar el sistema
B u Q Q
f
con una realimentacin esttica de estados 3
hg Q
B u
tal que se minimice el funcional de costo
Q c 3Q B e
Con la realimentacin, el sistema a lazo cerrado queda
Q
f
c Q
(9.16)
incurriendo en un costo
hg Q
La solucin de (9.16) es Q
f
c es Recordando el Teorema de Lyapunov, que viramos en el 3, sabemos que el sistema asintticamente estable si y slo si la matriz denida en (9.17) es la nica solucin denida positiva de la
ecuacin de Lyapunov
g I % x c B
c gc e B 1 , que reemplazada en la expresin del costo da B c c9c e 1 Q

(9.17)
B c c9c (9.18) c que estabilice asintticamente el sistema, la matriz solucin de Por lo tanto, para cualquier ganancia (9.18) dar un costo nito. c c | s . Substituyendo esta c en (9.18) obtenemos Supongamos que consideramos en particular c | c | B g B c | c BB | c | B g B c | B B g c |

g
c B
que es exactamente la ecuacin algebraica de Riccati (CARE). Por lo tanto, la solucin del problema de control ptimo LQ con horizonte innito est dado por la solucin de la ecuacin (CARE), cuando sta existe. El mismo resultado vale en el caso discreto. Esto no quiere decir que las soluciones de las ecuaciones (CARE) o (DARE) sern nicas. Si existe una solucin nica que estabilice al sistema, entonces es la ptima. Cabe entonces la pregunta: Cundo existir una solucin de las ecuaciones algebraicas de Riccati, y bajo qu condiciones ser nica? La respuesta la dan los siguientes resultados:
2 Algebraic
Riccati Equation.
121
Teorema 9.1. Si es estabilizable, entonces, independientemente del peso , existe una solucin esttica nita ( ) de la ecuacin diferencial (diferencia) de Riccati (9.15) ( (9.11)). Esta solucin ser tambin una solucin de la ecuacin algebraica de Riccati correspondiente, y ser la solucin ptima en el caso de horizonte innito. , entonces la solucin esttica Teorema 9.2. Si la matriz de peso g puede factorearse en la forma gj
3
) de la ecuacin diferencial (diferencia) de Riccati es la nica solucin denida positiva de la correspon diente ecuacin algebraica si y slo si es detectable. es estabilizable y detectable, existe una solucin nica de (CARE) ( (DARE)) En conclusin, si
(3
}
} }
}
que da la ganancia ptima de realimentacin. Con M ATLAB, (continuo) y K = dlqr(A,B,Q,R) (discreto).
se puede calcular con K = lqr(A,B,Q,R)
9.5
Estimadores ptimos
Uno de los factores ms importantes en el desempeo de sistemas de control, a menudo no tenido en cuenta, es el efecto de perturbaciones y ruido. Todos los sistemas estn sujetos a ruido, sea en la forma de alinealidades de entrada no modeladas,
dinmica no modelada, o seales de entrada no deseadas.
En esta seccin trataremos algunos modelos simples de ruido y determinaremos formas de tenerlos en cuenta en el diseo de observadores y realimentacin de estados. Consideraremos primero ruido perturbando la observacin del estado de un sistema. Con un modelo en ecuaciones de estado que incluye ruido, generaremos el mejor observador posible, es decir, el que mejor rechaza el efecto del ruido. Estos observadores suelen llamarse estimadores, y el particular que desarrollaremos es el ltro de Kalman.
9.5.1 Modelos de sistemas con ruido

Consideramos el sistema en tiempo discreto
X | x B x B
u B d
(9.19)
Las nuevas seales de entrada y que aparecen en este modelo son procesos aleatorios, consistentes en ruido blanco estacionario, con media cero, y no correlacionados entre s. Esto quiere decir que tienen las siguientes propiedades: g g cuando g para todo .
Y La funcin denota la media estadstica (para una breve introduccin a procesos aleatorios ver por ejemplo Friedland 1986, 10). Consideraremos adems que el estado inicial del sistema (9.19) es en tambin una variable aleatoria
ya que raramente podemos conocerlo con exactitud. Consideramos que es ruido blanco, con varianza
"
e e $ Asumimos que no est correlacionado con
La entrada
se llama ruido de planta, o de proceso, y la entrada
y .
medicin. El ruido de planta modela el efecto de entradas ruidosas que actan en los estados mismos, mientras que el ruido de medicin modela efectos tales como ruido en los sensores. La entrada es la habitual entrada de control, considerada determinstica.
, que acta a la salida, ruido de u
122
9.5.2 Filtro de Kalman discreto

Reconsideramos nuestra derivacin anterior del observador, esta vez considerando los efectos de ruido en la seleccin de la matriz de ganancia . Esta matriz deber elegirse de forma de dar la mejor estima del estado del sistema rechazando al mismo tiempo cualquier inuencia de los ruidos y . La eleccin que haremos dene el observador ptimo conocido como ltro de Kalman. Observador actual Suponiendo por el momento que no hay ruidos ( # ), rederivamos el observador para sistemas discretos con una ligera variante: Separamos el proceso de observacin en dos etapas: 1. prediccin del estado estimado en d base a datos en (estima anterior + entrada actual),
h
(9.20)
2. correccin de la estima en con los datos medidos en .

h hhTh0 hh
(9.21)
La diferencia con lo derivado anteriormente es que ahora corregimos la estima con la medicin actual h hp en vez de utilizar la medicin vieja I . De (9.20) y (9.21), obtenemos la ecuacin del as llamado observador actual
Th h 6 6 T h
(9.22)
La ecuacin del observador (9.22) diere signicativamente de la que presentamos anteriormente con sistemas continuos:
e e e e 6 q 6
Para el observador actual la dinmica del error est dada por

h
por lo que los autovalores para el observador son los de la matriz , en vez de los de 6 como vimos antes. En este caso, la observabilidad del par r no garantiza que se puedan asignar los autovalores de arbitrariamente. Sin embargo, si la matriz es de rango completo, el rango de es el mismo que el de , y podemos considerar como una nueva matriz de salida y asignar los autovalores de como de costumbre. El observador actual ser conveniente para derivar el ltro de Kalman discreto, considerando los efectos de los ruidos h y por separado. Estructura del observador Siguiendo a Bay (1999, 11), usamos la variante del observador actual para derivar el ltro de Kalman. La mejor prediccin del estado que podemos hacer cuando hay ruido es el valor esperado
h@ d r dado que eQ
sta suele denominarse la estima a priori, porque se hace antes de medir la salida (o sea que no tiene correccin). Una vez disponible la salida en el instante q , terminamos de armar el observador actualizando la estima obteniendo la, a menudo llamada, estima a posteriori:
h hhah %h h
(9.23)
Notar que usamos una ganancia de observacin variante en el tiempo, lo que, como veremos, es necesario. En observadores determinsticos, se seleccionaba para asignar la dinmica del error de estimacin. En este caso, adems, trataremos de minimizar el efecto de los ruidos.
123
Criterio de optimizacin El ltro de Kalman es ptimo en el sentido de que da la mejor estima del estado y al mismo tiempo minimiza el efecto de los ruidos. Su derivacin surge de minimizar el error de estimacin a posteriori

Como est afectado por ruido, y por lo tanto depende de variables aleatorias, su valor en un instante dado puede no ser representativo de las bondades de la estimacin. Buscamos entonces tratar de minimizar su valor en promedio para todo el conjunto de ruidos posibles. Denimos entonces la covarianza a posteriori

Cuanto menor sea la norma de la matriz ruidos, y mejor el rechazo de stos.

1
, menor ser la variabilidad del error de estimacin debida a
1 line 1 line 1
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
-0.2 0 50 100 150 200 250 300 350
-0.2 0 50 100 150 200 250 300 350
Figura 9.4: Dos seales ruidosas con mayor (iz.) y menor (der.) variabilidad. Pretendemos determinar a para minimizar la variabilidad del error de estimacin.
rrq e rrq r fp p rp rpT
(9.24)
Para obtener una expresin para , derivamos la dinmica del error:

0 h dh
a
r
vpq h dha h hva @ a a h @ 6 raa
Usando esta expresin de obtenemos

F d 6 dh aq F 6 dh dh a 1q6 a a C
(9.25)
124
De las hiptesis sobre las propiedades estadsticas de los ruidos vistas la clase pasada, tenemos que
r u h hV Sh Q
(9.26)
Adems, no es difcil ver que

h @ h @ h v S h
(9.27)
ya que y no estn correlacionadas con h . Y por otro lado,

h @ v @ v
3
(9.28)
ya que y tampoco estn correlacionadas con . la expresin

h u6 h
Usando (9.26), (9.27) y (9.28) en (9.25), llegamos a
au h
hp
(9.29)
La expresin recursiva (9.29) representa la dinmica de la covarianza del error de estimacin. Esta expresin, sin embargo, no es enteramente til, pues todava no conocemos h , que determinaremos en lo que sigue. Determinacin de la ganancia de observacin ptima Para determinar el valor de la ganancia ah que minimiza el criterio de optimizacin (9.24), expandimos p h de (9.29) en
p h p
p Qhe h 9 p p 9 h h p h r
(9.30)
Ahora derivamos (9.30) con respecto a h . Los dos primeros trminos dan cero, pues no dependen de h . Para los siguientes trminos usamos las siguientes propiedades de la derivada de la traza de una matriz (ver Bay 1999, Apndice A),

As obtenemos de (9.30)
qahe

ah
QQh

que tiene como solucin

h

(9.31)
Esta es la ganancia ptima para el estimador dado por la ecuacin (9.23), y se conoce como la ganancia de Kalman. Como supusimos, es inestacionaria, ya que depende de , que se obtiene resolviendo la ecuacin en diferencias (9.29).
3 Aunque
s lo estn
! { y "# , dado que ! {%$'& (0)'13245)67"# .
125
Procedimiento para computar el ltro de Kalman discreto Resumimos los pasos necesarios para programar el ltro de Kalman. Partimos del conocimiento de las propiedades estadsticas, valor esperado y varianza, de los ruidos h y , y la condicin inicial . 1. Calculamos la estima a priori del estado (prediccin)
h I
98
inicializada con la estima inicial @ . 2. Calculamos la ganancia de Kalman de (9.31),

#@
que inicializamos con la covarianza original @ 6
#@
8 8
8 .
3. Calculamos la estima a posteriori, corregida con la salida medida h mediante (9.23), que puede simplicarse a
h 6Qhe Qh%h
4. Calculamos, de (9.29), la matriz de covarianza para la prxima iteracin,

h! h 9 h hp h
y el proceso se repite el siguiente paso.
9.6
A A A A A A A A
Notas
La ecuacin diferencia de Riccati (9.29) que determina la matriz de covarianza se calcula para adelante en el tiempo, a diferencia del dual caso de control ptimo LQ. Esto implica que el ltro de Kalman puede implementarse en su forma inestacionaria en tiempo real. El ltro de Kalman derivado es el mejor estimador si los ruidos de proceso y medicin son Gausianos. Para otras distribuciones probabilsticas, el ltro de Kalman es el mejor estimador lineal. El ltro de Kalman puede obtenerse tambin en tiempo continuo, aunque es raramente usado en la prctica, ya que casi siempre se implementa en una computadora digital, para la que la versin discreta es ms natural. La derivacin de las ecuaciones es similar al caso continuo, y lleva a una ecuacin diferencial de Riccati, dual al caso de control LQ (ver Bay 1999, 11.2.3). Como en el caso de control ptimo LQ, tambin en el caso del ltro de Kalman pueden calcularse soluciones estacionarias de la ecuacin diferencia (diferencial) de Riccati que la matriz de determina r es estabilizarle, covarianza. Esta solucin ser aproximadamente ptima, y nica si y slo si . y detectable, donde
(B
BCB
En M ATLAB, la funcin kalman computa el ltro de Kalman estacionario (continuo o discreto). Naturalmente, el ltro de Kalman puede combinarse con cualquier control por realimentacin de estados. Cuando el controlador elegido es el ptimo LQ, la combinacin da lo que se conoce como controlador lineal cuadrtico gausiano (LQG). La robusticacin de un regulador LQG mediante agregado de accin integral es exactamente igual al caso visto en asignacin de polos y se aplica de la misma manera (la accin integral es parte del diseo de la arquitectura de control, y no del control en s). Pueden verse algunas aplicaciones industriales del ltro de Kalman en Goodwin et al. (2000) (hay una copia disponible en IACI).
126
9.7
Ejercicios
Ejercicio 9.1. Para el sistema discreto

h
QED
Q Q
EF EG

QzHF
Q
encontrar la secuencia de control que minimiza el funcional de costo
VU RQ P S 4 T

P 98

Ejercicio 9.2. Para el sistema discreto

h
IT

determinar el control por realimentacin de estados que minimiza el criterio
SY W Y PX T U Q
Q
Ejercicio 9.3. Para el sistema

h T
` Uba Udc
disear una realimentacin de estados para ubicar los autovalores a lazo cerrado en . Q Q Disear un observador de orden completo estndar, y uno actual. Programar ambos en M ATLAB y comparar sus desempeos mediante simulacin. Ejercicio 9.4. La medicin ruidosa en tiempo discreto de una constante desconocida
T
satisface el modelo
donde es ruido blanco de varianza
f P. e
1. Determinar un ltro ptimo para estimar . 2. Construir un esquema S IMULINK para evaluar el ltro anterior en rgimen permanente. Ejercicio 9.5. Considerar el problema de medicin en tiempo discreto de una senoide de frecuencia conocida pero amplitud y fase desconocidas, es decir:
T
g(hpi !q 8 dre
q
donde es ruido blanco de varianza
f P. e
1. Contruir un modelo para generar la senoide.
2. Determinar un ltro ptimo para estimar y . 3. Construir un esquema S IMULINK para evaluar el ltro en rgimen permanente.
Bibliografa
Bay, J. S. (1999), Fundamentals of Linear State Space Systems, WCB/McGraw-Hill. Chen, C.-T. (1999), Linear System Theory and Design, 3rd edn, Oxford University Press. Doyle, J. C., Francis, B. A. & Tannenbaum, A. (1992), Feedback control theory, Macmillan Pub. Co. Friedland, B. (1986), Control System Design, McGraw-Hill. Goodwin, G., Graebe, S. & Salgado, M. (2000), Control System Design, Prentice Hall. Rugh, W. J. (1995), Linear System Theory, 2nd edn, Prentice Hall. Snchez Pea, R. (1992), Introduccin a la teora de control robusto, Asociacin Argentina de Control Automtico. Seron, M. M., Braslavsky, J. H. & Goodwin, G. C. (1997), Fundamental Limitations in Filtering and Control, CCES Series, Springer-Verlag. Van Loan, C. (1978), Computing integrals involving the matrix exponential, IEEE Trans. on Automatic Control 23(3), 395404.
127

Clases 2000

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clases 2000

Cargado por

Copyright:

Formatos disponibles

Notas de Clase Control Automtico 2

Julio H. Braslavsky jbrasla@unq.edu.ar 10 de julio de 2000

1.1.1 Representacin Externa

0 213547698 C1CDFE(HGIPE(RQS1 8 @BA

GXW TVU  0 0 4 T G 0 21FY4`6 8 C1CDFE(HGIPE(RQS1cb 8 @aA A

1.1.2 Representacin Interna

1Fihgpq21FHGrC13 e d 21F4gf"21F e 2 1FShwvx21FHGI21F(b 0 21354tsuC13 e 2

1.1.3 Sistemas Estacionarios

1354 6 0 2 e d 21F4gf 0 21354ts y

8 C 1 E(HGIPE( Qi1  A 2 F 1 S w h pBGI213 e e 21F(hgvGI21F(b

(1.4) (1.5) (1.6)

Bibliografa y Material de Estudio

L UNES 27 3 Abr 3 4 10 4 17 5 Clase 7 28

20 Jueves santo 27 Mesas de abril 4

21 Viernes santo 28 Mesas de abril 5

24 Clase 15 Mesas de abril 5 May 1 D. del Trabajador 8 6 15 6 22 7 29 7 5 8 Clase 17

26 Clase 16 Mesas de abril 6 3 Primer parcial 10 6 17 7 24 7 31 8 7 8 14 8 21 9 28 9 5 9 Clase 18

12 Segundo parcial 19 8 26 9 Jul 3 9 Clase 28

Descripcin Matemtica de Sistemas

2. Descripcin Matemtica de Sistemas

Podemos pensar 1Yt1 y que la entrada para sistema para

y las condiciones iniciales e

determinan la evolucin del

1 2 e 21FHDS1t1 yBegf e GI213y 2 Di11 y

e 21FY4 ew C13h ex 21FHDl1Yt1 yBe { zyz zz 2132Dl1t1 ex y zzz z|

e C1 y e f r G 21F4w}~DS1t1 y e C1 y 54`} e f Gr21FHDi11 y

Sistemas lineales estacionarios

Un sistema es estacionario si para cada par condiciones iniciales y entrada (2.5)

2. Descripcin Matemtica de Sistemas

, tenemos que (2.6)

1 HDS1t1 y h ef e C1 y h e 2  Gr21 (h`G r 21FHDS11 y h b 

2.3.1 Representacin entrada-salida

0 2135476V C1CDFE(HGIPE(RQIED 21D3ER 21CDFE(54`}

y como las condiciones iniciales se asumen nulas, (2.7) se reduce a

0 2135476 8 C1CDFE(HGIPE(RQIEb 8@ Si el sistema tiene entradas y vH .

salidas, entonces hablamos de la matriz de respuesta al impulso

Si el sistema es estacionario entonces para cualquier

2.3.2 Representacin en Espacio de Estados

1Fihgpq21FHGrC13 e d 21F4gf"21F e 2 1FShwvx21FHGI21F(b 0 21354tsuC13 e 2

de salida de ganancia directa

Cuando el sistema es adems estacionario, entonces la representacin en EE se reduce a

e d 21F4gf e 21FShwpBGI213 1F(hgvGI21F(b 0 21354ts e 2

2. Descripcin Matemtica de Sistemas

Aplicando la transformada de Laplace a (2.8) obtenemos

hgp I G e Shgv r G P(D e P

1F " 21FSh 2 C13 H 21F4tGr21F(b

Figura 2.3: Cohete

Representacin en diagrama de bloques

13 4 o }b ed q 2 13F j  der 2  q 0 21F4  o ee

tiene el diagrama de bloques de la Figura 2.4.

2. Descripcin Matemtica de Sistemas

o GrC13 o   }~b e d r 21F 

132G q 21FHDbHbbDHG 21FH e q 2 1 y HDHbbHbD e 2 1 H1F e d k 21F4n k e q 21FHDbHbbD e 2  y

G 21FShwGHC13HD132D e 2 1 Sh 21 Y4 e y h e y e d 21FSh e d 213Y4d e 21FSh e C13HD y e y

2. Descripcin Matemtica de Sistemas

k e h e D GqhgG D1Fn k e D GrD1F k h e D GrD1F e q hH2h k e D eq e k h G e D GD132G q hw2Hh G k q

GD13 e e D GD132G 4jDbbHbHD

Figura 2.5: Trayectoria de operacin y aproximacin

Repitiendo la operacin para cada m y volviendo a la notacin vectorial, obtenemos

De igual manera se expande la ecuacin de salida cin lineal

, de donde obtenemos la aproxima-

21F4 e 21FHD r G 21FHD1F 21FY4 0 2 1F 0 213  , con 0

su21F54 e C13HD G 21FHD13RDvX213Y4 G e C13HD G 21FHD13Rb e

Gqh d r 2H  "2 i 0 4 h H r Gl d r CH l "hw h 2 b  4  r h 2

GXW TVU 0 0 4 T G 0 21FY4`6 8 C1CDFE(HGIPE(RQS1cb 8 @aA A

8 C 1 E(HGIPE( Qi1 A 2 F 1 S w h pBGI213 e e 21F(hgvGI21F(b

e C1 y e f r G 21F4w}~DS1t1 y e C1 y 54`} e f Gr21FHDi11 y

1 HDS1t1 y h ef e C1 y h e 2 Gr21 (h`G r 21FHDS11 y h b

13 4 o }b ed q 2 13F j der 2 q 0 21F4 o ee

o GrC13 o }~b e d r 21F

132G q 21FHDbHbbDHG 21FH e q 2 1 y HDHbbHbD e 2 1 H1F e d k 21F4n k e q 21FHDbHbbD e 2 y

k e h e D GqhgG D1Fn k e D GrD1F k h e D GrD1F e q hH2h k e D eq e k h G e D GD132G q hw2Hh G k q

21F4 e 21FHD r G 21FHD1F 21FY4 0 2 1F 0 213 , con 0

Gqh d r 2H "2 i 0 4 h H r Gl d r CH l "hw h 2 b 4 r h 2

C13 21F54 21F h p GI21F(D

C13Y4 e% q e r C13Y4 C13Y4 e

} G e DG%54 e b j 21F GI213 obtenemos la EE linealizada en las Graparecen) 21F n

} G y 21FSh GH21F(b y xg h G y 1F r e y hwG y 1 j } }

Iihx D G Iih D G Iih

D ( h D G i h D G i ih

G ih excitada por la entrada i h 0 ih 4 ih D G b

0 ih 4 i hx G 4 G i hx b y y

53 F ! F #%$ F "5

F r% FS @ & ' & ' % 'H &

1F4 j GI213 0 21FSh43 0 2

j 13Y4 e%d q C r e r 213 13Y4nGI213 e q 213 edr C

13 4 edq 2 13F der 2

13 er 213 r o e%q 2 e r 213 r 2 F 1 S h 2 F 1 S h 1FShwGr21F eq eq er 2

e Un vector e de v est normalizado si p e p e r B e q 4`} . Un conjunto de vectores ek D m 4nj%Dpo~DHbu bHbHD } e k B eA 4 f j

fYY4 f S %rfY nmero de columnas de ` U S

t v de la ecuacin f e 4 0 $ S ` fY54 S ` f 0 q f donde 0 t$v . f 4 0 Existe una solucin e de e para todo 0 tv