P. 1
Control en El Espacio de Estado

Control en El Espacio de Estado

5.0

|Views: 5.024|Likes:
Publicado porAlejandro Florencio

More info:

Published by: Alejandro Florencio on Oct 20, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/05/2015

pdf

text

original

Sections

  • Figura 3.4: Superposición de la evolución libre con el subespacio controlable
  • Figura 3.5: Representación gráfca del subsistema controlable
  • Figura 4.2: Sistema lineal con el conjunto de entrada de test
  • Figura 4.4: Separación simultánea de los subsistema controlable y observble
  • Figura 4.5: Separación detallada de los subsistemas controlable y observble
  • 4.9. !:Reducción del modelo
  • 4.9.1. Valores singulares de Hankel y realizaciones equilibradas
  • 4.9.2. Tansformación a la realización internamente equilibrada
  • 4.9.3. Reducción del modelo
  • 4.10. EJEMPLOS ADICIONALES
  • 4.10. Ejemplos adicionales
  • 4.11. Ejercicios resueltos
  • Control por realimentación del estado
  • 5.2. REALIMENTACIÓN DEL ESTADO
  • 5.2. Realimentación del estado
  • 5.3. Control de sistemas monovariables
  • 5.3.1. Diseño del bucle de realimentación
  • 5.3.2. Obtención de la matriz de transformación a vriables de
  • 5.3.3. El problema de la ganancia
  • 5.3.4. Diseño de servosistemas
  • Figura 5.6: Conversión a sistema de tipo uno
  • 5.4. ! CONTROL DE SISTEMAS MULTIVARIABLES
  • 5.4. 6 Control de sistemas multivariables
  • 5.4.1. Diseño del bucle de realimentación
  • 5.4.2. Obtención de la matriz de transformación a variables de
  • 5.5. Ejemplos adicionales
  • 5.6. Ejercicios resueltos
  • 5.7. Ejercicios propuestos
  • 6 Observadores del estado
  • 6.1. Introducción
  • Figura 6.2: Sistema con observador y realimentación
  • 6.2. Defnición de observadores
  • 6.3. COMPORTAMIENTO DEL CONJUNTO SISTEMA-OBSERVADOR 291
  • 6.3. Comportamiento del conjunto sistema-observador
  • 6.3.1. Sin realimentación del estado
  • 6.3.2. Con realimentación del estado
  • Figura 6.4: Sistema con observdor y realimentación del estado
  • 6.4. CÁLCULO DEL OBSERVADOR EN SISTEMAS MONOVARIABLES 295
  • Cálculo del observador en sistemas monovariables
  • Figura 6.5: Esquema des sistema con observador en la forma canónica observable
  • 6.4.1. Cálculo de la matriz de transformación
  • Figura 6.6: Sistema con observador y matriz de transformación
  • 6.5. 6 Cálculo del observador en sistemas multivaria
  • 6.5.1. Cálculo de la matriz de transformación
  • 6.6. Observadores de orden reducido
  • Figura 6.8: Sistema con observador de orden reducido
  • 6.7. Ejemplos adicionales
  • 6.8. Ejercicios resueltos
  • 6.9. Ejercicios propuestos

I

.. OtlQO

"

f

/ / ,

CEA

c�
e

de
amél

Sergio Domínguez
Pascual Campoy
José María Sebastián
Agustín Jiménez

Control en el espacio de estado

CONSULTORES EDITORIALES

Prof Dr PEDRO ALBERTO S PÉREZ

Catedrático de Ingemería de SIstemas y AutomátIca

UNIVERSIDAD POLITÉCNICA DE VALENCIA

Prof Dr lA VIER ARACIL SANTONlA

Catedrático de Ingemería de SIstemas y AutomátIca

UNIVERSIDAD DE SEVILLA

Prof Dr SEBASTIÁN DORMIDO BENCOMO

CatedrátIco de Ingemería de SIstemas y AutomátIca

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

Control en el espacio de estado

Segunda edición

Sergio Domínguez
Pascual Campoy
José María Sebastián
Agustín Jiménez

Departamento de Automática, Ingeniería Electrónica e Informática Industrial

Escuela Técnica Superior de Ingenieros Industriales

Universidad Politécnica de Madrid

PEARSON

,

Prentice

Hall

Madrid e México e Santa Fe de Bogotá e Buenos Aires e Caracas e Lima e Montevideo
San Juan e San José e Santiago e Sao Paulo e White Plains

datos de catalogación bibliográfca

CONTROL EN EL ESPACIO DE ESTADO

Domnguez, S.; Campoy, P.; Sebastán, J.M.; Jiménez, A.

Pearson Educación S.A., Madrd, 2006

ISBN 10: 84-8322-297-3

ISBN 13: 978-84-8322-297-3

Matera: Ingeniera de Control Automátco, 681.5

Forato: 170 x 240 m
.

Págnas: 440

Queda prohibida, salvo excepción prevista en la Ley, cualquier forma de reproducción,
distribución, comunicación pública y transformación de esta obra sin contar con autorización
los titulares de propiedad intelectual. La infracción de los derechos mencionados puede ser
constitutiva de delito contra la propiedad intelectual (ars. 270 y sgts. Código Penal).

DERECHOS RESERVADOS
© 2006 por PEARSON EDUCACIÓN S.A..
Rbera del Loira, 28
28042 Madrid

CONTROL EN EL ESPACIO DE ESTADO

Domnguez, S.; Campoy, P.; Sebastán, J.M.; Jiménez, A.

ISBN 10: 84-8322-297-3

ISBN 13: 978-84-8322-297-3

Deposito Legal: M-24794-2006

PRENTICE HALL es un sello editorial autorizado de PEARSON EDUCACIÓ

N S A

Equipo editorial

Editor: Miguel Martín-Romo

Técnico editorial: MaÍta Caicoya

Equipo de producción:

Director: 'José A. Ciares

Técnco: María Alvear

Diseño de cubierta: Equipo de diseño de Pearson Educación S.A.

Impreso por: Rigorma Grafc S.L.

IMPRESO EN ESPAÑA -PRNTED IN SPAIN

Este libro ha sido impreso con papel y tintas ecológicos

índice general

Indice de fguras

Presentación

Prefacio

Prólogo

Prólogo a la 2a edición

1 Sistemas continuos
1. Modelo de estado

1.1. Introducción .................. .
1.2. Concepto de estado .............. .
1.2.1. Propiedades de la variables de estado
1.3. Ecuaciones del modelo de estado . . .
1.3.1. Sistemas dinámicos lineales ..
1.3.2. Sistemas dinámicos invariantes
1.4. Tansformaciones lineales ...... .
1.5. Representación gráca de sistemas lineales .
1.6. Fnción de transferencia y modelo de estado .
1.7. Métodos de obtención del modelo de estado .
1.7.1. Variables de estado como magnitudes físicas .
1.7.2. Variables de estado como salida de los integradores.
1.7.3. Variables de estado de fase
1.7.4. Variables de Jordan ..
1.7.5. Estructura compuestas
1.8. Ejemplos adicionales
1.9. Ejercicios resueltos . . . . . . .

v

XI
XIII
XV
XVII
XXI

1

3

3
4
7
9
12
13
14
15
17
19
20
22
27
28
30
33
45

VI

ÍNDICE GENERAL

1.10. Ejercicios propuestos ................... .

2. Solución de la ecuación de estado de sistemas lineales

2.1. Introducción ........................ .
2.2. Solución de la ecuación homogénea. Matriz de transición .
2.2.1. Caso general ................. .
2.2.2. Casos particulares de la matriz de transición
2.3. Propiedades de la matriz de transición
2.4. Solución de la ecuación completa . .
2.5. Cálculo de la matriz de transición ..
2.5.1. Método de Cayley-Hamilton .
2.5.2. Método de Jordan ..... .
2.5.3. Mediante la transformada inversa de Laplace
2.6. Ejemplos adicionales
2.7. Ejercicios resueltos

3. Controlabilidad

3.1. Introducción ............. .
3.2. Defniciones . . . . . . . . . . . . . .
3.3. Controlabilidad en sistemas lineales.
3.3.1. Cálculo de la entrada en sistemas lineales
3.4. Controlabilidad en sistemas lineales invariantes .
3.4.1. Invarianza de la controlabilidad ante cambio de base
3.5. / Interpretación geométrica de la controlabilidad .
3.6. Subespacio controlable . . . . . . . . .
3.6.1. Base del subespacio controlable
3.6.2. Estados alcanzables ..... .
3.7. Separación del subsistema controlable
3.8. Controlabilidad de la salida
3.9. Ejemplos adicionales
3.10. Ejercicios resueltos .
3.11. Ejercicios propuestos

4. Observabilidad

4.1. Introducción.
4.2. Defniciones . . . . . . . . . . . . .
4.3. Observabilidad en sistemas lineales
4.3.1. Planteamiento ...... .
4.3.2. Teorema. . . . . . .

. . . .
4.3.3. Determinación del estado inicial en sistemas observables
4.3.4. Estados no-observables. . . . . . . . . . . . . . . . .
4.4. Sistemas lineales invariantes . . . . . . . . . . . . . . . . . .
4.4.1. Invarianza de la observabilidad ante cambio de base

61

63

63
64
64
65
68
70
72
72
75
78
79
89

109

109
112
113
116
122
125
125
128
130
130
131
134
137
152
171

175

175
177
177
177
178
181
183
185
187

ÍNDICE GENERAL
4.5. /:Interpretación geométrica de la observabilidad
4.6. Subespacio no-observable ........ .
4.6.1. Base del sub espacio no-observable ... .
4.7. Separación del subsistema no-observble .... .
4.8. Separación de los subsistemas controlable y observable
4.8.1. Cálculo de la matriz de cambio de base ....

VII

188
189
190
191
194
197

4.9. /:Reducción del modelo. . . . . . . . . . . . . . . . .

198

4.9.1. Valores singulares de Hankel y realizaciones equilibradas.

199

4.9.2. Tansformación a la realización internamente equilibrada

201

4.9.3. Reducción del modelo

204

4.10. Ejemplos adicionales

209

4.11. Ejercicios resueltos . . . . . .

214

5. Control por realimentación del estado

231

5.1. Introducción. . . . . . . . . . . . .

231

5.2. Realimentación del estado . . . . . . .

233

5.3. Control de sistemas monovariables . .

234

5.3.1. Diseño del bucle de realimentación

234
5.3.2. Obtención de la matriz de transformación a variables de fae 238
5.3.3. El problema de la ganancia . .

239

5.3.4. Diseño de servosistema . . . . . .

243

5.4. /:Control de sistemas multivariables. . .

249

5.4.1. Diseño del bucle de realimentación

249
5.4.2. Obtención de la matriz de transformación a variables de fase 253

5.5. Ejemplos adicionales

255

5.6. Ejercicios resueltos .

274

5.7. Ejercicios propuestos

284

6. Observadores del estado

287

6.1. Introducción. . . . . . . . . . . . . . . . . . . . . .

287

6.2. Defnición de observdores . . . . . . . . . . . . . .

288

6.3. Comportamiento del conjunto sistema-observador.

291

6.3.1. Sin realimentación del estado . . . . . . . .

291

6.3.2. Con realimentación del estado. . . . . . . .

293

6.4. Cálculo del observador en sistema monovariables .

295

6.4.1. Cálculo de la matriz de transformación. . .

299

6.5. /:Cálculo del observador en sistemas multivariables

300

6.5.1. Cálculo de la matriz de transformación.

305

6.6. Observadores de orden reducido .

308

6.7. Ejemplos adicionales

312

6.8. Ejercicios resueltos .

325

6.9. Ejercicios propuestos

338

VIII

ÍNDICE GENERAL

JI Sistemas discretos
7. Modelo Discreto de Estado

7.1. Introducción ................. .
7.2. Defnición de estado para sistemas discretos
7.3. Sistema dinámicos discretos ....... .
7.4. Obtención de modelos discretos de estado .
7.4.1. Modelo de estado en variables de fae
7.4.2. Modelo de estado en variables de Jordan .
7.4.3. Tansformaciones lineales ........ .
7.5. Obtención de la representación externa a partir del estado
7.6. Sistema muestreados ............. .
7.6.1. Sistema discreto invariante equivalente.
7.6.2. Sistemas variantes ....... .
7.6.3. Sistemas híbridos ........ .
7.6.4. Sistemas híbridos realimentados.
7.7. Ejercicios resueltos ........... .

8. Solución de la ecuación discreta de estado

8.1. Introducción ......................... .
8.2. Solución de la ecuación homogénea. Matriz de transición .
8.3. Propiedades de la matriz de transición
8.4. Cálculo de la matriz de transición. . . . . . . . . . . .
8.4.1. Método iterativo ................ .
8.4.2. Método de la matriz fundamental de soluciones
8.4.3. Método de diagonalización de Jordan
8.4.4. Método de Cayley-Hamilton ..
8.4.5. Método de la matriz resolvente
8.5. Solución de la ecuación completa
8.6. Ejercicios resueltos . . . . . . . . . . .

9. Control discreto por realimentación del estado

9.1. Controlabilidad ....................... .
9.2. Controlabilidad en sistemas discretos lineales ...... .
9.3. Controlabilidad en sistemas discretos lineales invariantes.
9.4. Controlabilidad de la salida . . . .

. . . . . .
9.5. Observabilidad . . . . . . . . . . . . . . . . . . . . . . .
9.6. Observabilidad en sistemas discretos lineales ...... .
9.7. Observbilidad en sistemas discretos lineales invariantes
9.8. Controlabilidad y observabilidad en sistemas muestreados
9.9. Control de sistemas discretos por realimentación del estado
9.10. Sistemas muestreados de control
9.11. Ejercicios resueltos ...................... .

341

343

343
344
344
346
347
348
350
351
352
352
354
355
356
357

365

365
365
366
367
367
368
370
370
372
374
375

379

379
380
382
384
385
386
388
390
392
393
397

ÍNDICE GENERAL
III Apéndices

A. Valores y vectores propios

A.l. Defniciones . . . . . . . . . . . . . . . . . . . . . . .
A.2. Diagonalización de una matriz en caja de Jordan .
A.3. Cálculo del vector propio asociado a un valor propio

Indice de materias

Bibliografa

IX

403

405

405
406
407

410
413

í nd

ice de figu ras

1.1. Evolución temporal de las variables de estado ...... .
1.2. Tayectoria del vector de estado en el espacio de estado.
1.3. Tansitividad de estado ....

. .

1.4. Bloque integrador. . ..... .

.

1.5. Multiplicación por una matriz.
1.6. Bloque sumador ........ .
1.7. Representación gráfca del modelo de estado.
1.8. Representación gráfca vectorial del modelo de estado.
1.9. Sistemas en serie ............ .
1.10. Sistemas en paralelo .......... .
1.11. Realimentación constante de la salida.
1.12. Realimentación del estado ..

8
8
9
15
16
16
17
18
31
31
32
33

3.1. Sistema no controlable.

110

3.2. Puntos alcanzables desde (0,0).

110

3.3. Tansición del estado entre dos puntos, de forma directa (línea continua)
y con un punto de paso intermedio (línea discontinua). . . . . . .

118

3.4. Superposición de la evolución libre con el subespacio controlable.

131

3.5. Representación gráfca del subsistema controlable.

133

4.1. Concepto de observabilidad. . . . . . . . . . . . . .

175

4.2. Sistema lineal con el conjunto de entradas de test.

188

4.3. Separación de la parte no-observable. . . . . . . . .

193

4.4. Separación simultánea de los subsistemas controlable y observable.

196

4.5. Separación detallada de los subsistema controlable y observable.

197

5.1. Sistema con realimentación de estado. . ..... .
5.2. Tansformación de la matriz de realimentación K.
5.3. Adición del parámetro Kü. . . . . . . . . .
5.4. Realimentación en sistema de tipo uno. .
5.5. Control proporcional del sistema anterior.

XI

233
240
241
244
245

XII

ÍNDICE DE FIGURAS

5.6. Conversión a sistema de tipo uno ..

246

6.1. Concepto de observador. . . . . . .

287

6.2. Sistema con observador y realimentación.

288

6.3. Esquema del sistema con observador. . . .

292

6.4. Sistema con observador y realimentación del estado.

293
6.5. Esquema des sistema con observador en la forma canónica observable. 297
6.6. Sistema con observador y matriz de transformación. .......... 300
6.7. Esquema des sistema con observador y realimentación en espacio de estado
transformado. . . . . . . . . . . . . . . . . .

301

6.8. Sistema con observador de orden reducido. .

310

7.1. Sistema continuo multivariable ....... .
7.2. Sistema discreto equivlente. ....... .
7.3. Sistema con parte discreta y parte continua. .
7.4. Sistema híbrido realimentado.
9.1. Sistema muestreado ..... .
9.2. Sistema discreto con realimentación del estado.
9.3. Sistema muestreado con realimentación del estado.
9.4. Sistema muestreado con tiempo de cálculo nulo. . .
9.5. Sistema muestreado con tiempo de cálculo no nulo.
9.6. Sistema con retardo no múltiplo entero del tiempo de muestreo ..

352
353
355
357
390
392
393
394
395
396

Presentación

En apenas cincuenta años el Control Automático ha irrumpido como una disciplina
pujante y de gran interés no sólo científco y tecnológico, sino también económico. Los
sistema de control automático, que tienen sus orígenes en la má remota antigüedad, han
sustentado sus raíces en la matemática aplicadas y se están convirtiendo, de manera
cada vez más creciente, en componentes esenciales y críticos de cualquier sistema dinámi­
co. El Control Automático es una de la poca disciplinas que trasciende las frontera de
los campos tradicionales de la ingeniería (mecánica, eléctrica, química, nuclear, etc.).
El Comité Español de Automática de IFAC (CEA-IFAC), es una aociación sin ánimo
de lucro que tiene como objetivo báico servir de foro y ofrecer un marco para el desarrollo
en nuestro país de la Automática. Es, aimismo, el miembro nacional de la Federación
Internacional de Control Automático (IFAC) y canaliza la relaciones internacionales de
nuestros técnicos y científcos con esta prestigiosa aociación.
Esta aociación está abierta a toda aquellas personas e instituciones interesada en
los tema teóricos y prácticos propios de la automatización, el control de procesos y toda
la nuevas tecnologías que permiten la realización de los modernos sistemas de control
automático.

Los fnes del CEA-IFAC son, entre otros:

• promover el estudio, aplicación y mejora de la técnica de la Automática;
• promover la colaboración entre socios, entidades, universidades y empresa, y aso­
ciaciones internacionales, en el área de la Automática:

• organizar y desarrollar cursos, conferencias, congresos, comisiones de trabajo y de
elaboración de normas;

• editar y divulgar publicaciones, informes, normas y monografía en el campo de la

Automática.

De acuerdo con estos objetivos y en colaboración con el Grupo Pearson se ha iniciado
una nueva serie de monografías sobre «Control Automático e Informática Industrial» cuya
fnalidad es doble: de una parte servir como textos de referencia para nuestros estudiantes,
y, de otra, tratar de llenar un hueco, que creemos que existe, con una colección de libros

XIII

en español dedicados también al profesional que trabaja en esta temática y que necesita
de un reciclaje de conceptos, técnicas y procedimientos que demandasn las cada vez
más exigentes especifcaciones de la automatización de procesos. La colección de libros
«Control Automático e Informática Industrial» se plantea, pues, como un vehículo de
comunicación de doble sentido entre la comunidad académica y el mundo industrial que
está trabajando en el área del Control Automático.
Esta colección de libros se ha estructurado en tres direcciones que tratan de abor­
dar los diferentes aspectos que confguran, en un sentido amplio, la automatización de
procesos. Estas tres series son:

• Fundamentos
• Instrumentación y
• Robótica
Este primer libro con el que se inicia la colección pertenece a la serie de ÍFunda­
mentosz y trata sobre «Control en el Espacio de Estado». Está escrito por un grupo
de profesores, con una amplia experiencia docente, de la Escuela Superior de Ingenieros
Industriales de la Universidad Politécnica de Madrid. En los meses sucesivos irán apare­
ciendo nuevos títulos que tratarán de ir perflando el alcance y el sentido de esta colección,
que inicia su andadura con el mejor de los deseos de ser útil al lector interesado por este
apasionante mundo del Control Automático.

Madrid, octubre de 2001

Consultores editoriales
Profesores Pedro Albertos
Javier Aracil
Sebastián Dormido

XIV

Prefacio

A fnales del siglo XIX H. Poincaré, con su trabajo pionero sobre los Nuevos Métodos
de la Mecánica Celeste, intuyó la signifcación profunda de formular una teoría general
de los sistema dinámicos en función de conjuntos de ecuaciones diferenciales de primer
orden, e introdujo la ahora familiar idea de considerar el conjunto relevante de vriables
del sistema como la trayectoria de un punto en un espacio n-dimensional.
El enfoque de Poincaré al estudio de problemas dinámicos rápidamente se popularizó
y se vino a conocer como método del espacio de estado. Así, el concepto de estado se
hace dominante en el estudio de los sistema dinámicos. Lo que es fundamental es que
su conducta actual está infuenciada por su historia previa y que su comportamiento
no puede por lo tanto especifcarse simplemente como una relación ñinstantáneaZ entre
conjuntos de variables de entrada y saida. Se necesita un conjunto extra de variables
cuyo objetivo es tomar en cuenta la historia pasada del sistema; esta variables son la
variables de estado. Las variables de estado representan pues la mínima cantidad de infor­
mación que nos resume todo el pasado dinámico del sistema y es todo lo que necesitamos
conocer para poder predecir su evolución futura frente a cualquier señal de entrada que le
apliquemos. La utilización del tratamiento del espacio de estados condujo rápidamente a
una compensación más profunda de los problema científcos y matemáticos del Control
Automático y se puede considerar que su introducción marca la emergencia de éste como
una disciplina científcamente madura.
Hacia mediados de los años 50 los trabajos de Pontryagin y Bellman, entre otros,
dejaron claro la gran utilidad del concepto de estado en la formulación y solución de
muchos problemas de decisión y control.
La importancia creciente de los métodos del espacio de estados lleva a R.E. Kalman
a investigar la relación entre las representaciones en el espacio de estado (representación
interna) y la función de transferencia (representación externa) lo que motivó la introduc
ción de dos conceptos estructurales fundamentales para la compensación de los sistema
dinámicos: controlabilidad y observabilidad. La incorporación de todos estos métodos del
dominio temporal tuvo un efecto profundo sobre el problema del control y dio lugar a
contribuciones importantes para resolver los problema de guiado del programa espacial
que se había iniciado a comienzo de los años 60.

xv

A partir de estas consideraciones el estudio de los sistema lineales invariantes en el
tiempo, tanto continuos como discretos, es sin lugar a duda uno de los recursos que
cualquier especialista en Control Automático debe estudiar y por supuesto conocer. Este
libro con el que se inicia la serie «Fndamentos» de la colección «Control Automático e
Informática Industrial» tendrá, estamos seguros, una muy buena acogida entre la amplia
comunidad de persona que se dedica de una u otra forma a trabajar en este apaionante
campo del Control Automático.
El texto está escrito en un estilo muy directo cuya lectura resultará de indudable valor
de una parte a nuestros estudiantes y de otra al profesional que se dedica al ejercicio
práctico de la Automática para reforzar y mejorar su formación en toda esta temática.
La signifcación real de la introducción de los métodos del espacio de estado supone el
comienzo de un nuevo, más general, más riguroso y profundo enfoque de nuestro campo.
Ahora estamos empezando a ver que el Control Automático es una disciplina muy vasta
y que se requieren esfuerzos redoblados para ir enmarcando sus fundamentos técnicos.
Madrid, octubre de 2001

Consultores editoriales
Profesores Pedro Albertos
Javier Aracil
Sebastián Dormido

XVI

Prólogo

Si «la información es poder» y nuestro objetivo es poder controlar el comportamiento
de un sistema, ¿qué mejor que tener la máxima información posible sobre dicho sistema,
para ser utilizada en su control? Esta es la idea básica del Control en el Espacio de
Estado. Es decir, contar con la máxima información posible del sistema con
objeto de utilizarla para controlarlo mejor.

Con esta idea báica como objetivo principal, el libro se halla dividido en distintos
capítulos que abordan las diferentes faes hasta la consecución del control de un sistema
partiendo de la máxima información posible de éste, información que viene representada
por el denominado "estado del sistema". Así cada capítulo aborda y resuelve cada una
de la importantes cuestiones planteada, que son:
1. ¿Cuál es la máxima información que determina el comportamiento de
un sistema?
En el Capítulo 1 se explicita que dicha información esta formada por
un conjunto mínimo de vriables que constituyen el denominado estado del sistema
que, junto con la evolución de las entrada al mismo, determinan el comportamiento
de cualquiera de sus vriables. La evolución temporal del estado obedece a una
ecuaciones que, junto con la relación entre sus variables y el resto del sistema,
forman el denominado modelo de estado del sistema.
2. ¿Cuál es la evolución temporal del sistema si conocemos las leyes de
variación de las entradas y la información de su estado en el instante
inicial?
La resolución de esta pregunta, abordada en el Capítulo 2, es crucial para
relacionar las entrada con la evolución del sistema y ésta con sus salida medibles.
Estos resultados son explotados en los dos capítulos posteriores para contestar a
las pregunta fundamentales que a continuación se enumeran.
3. ¿Qué parte del sistema puede controlarse con las entradas disponibles?
Esta pregunta se resuelve en el Capítulo 3, en el que se separan claramente la
vriables que pueden controlarse con la entrada del sistema, que constituyen el
denominado subsistema controlable, de aquella variables cuya evolución tempo­
ral es independiente de las entradas y está solamente relacionada con sus valores
iniciales y la propia dinámica interna del sistema.

XVII

4. Si las variables que constituyen el estado del sistema tienen toda la información
necesaria de esté en un instante dado ¿cómo se puede conocer su valor? O dicho de
forma más precisa, ¿cuáles son las variables que forman parte del estado
del sistema, cuyo vlor puede obtenerse a partir de las manifestaciones
exteriores del comportamiento de éste (es decir, sus salidas y entradas)?

Esta cuestión se resuelve en el Capítulo 4, en el que se especifca que dicho conjunto
de variables de estado constituye el denominado subsistema observable, puesto que
su valor puede calcularse a partir de las salida y la entradas del sistema, si se
lo separa del resto de las variables de estado, cuya evolución temporal no tiene
ninguna repercusión sobre el comportamiento de las salidas del sistema.
Llegado a este punto y al fnal de este capítulo, se obtiene un subsistema deno­
minado controlable y observable, constituido por un subconjunto de variables
formadas por combinación lineal de las variables de estado del sistema original, tal
que la información de su estado puede conocerse con mediciones externa de sus
salidas y entradas y cuya evolución temporal puede controlarse con el conjunto de
entradas disponibles. Éste es, por tanto, el subsistema que puede y va a ser utilizado
en los capítulos subsiguientes para efectuar el denominado Control en el Espacio
de Estado o control por realimentación del estado del sistema.
5. Si un sistema, o subsistema, puede ser controlado con sus entradas: ¿cómo deben
calcularse estas entradas en función del estado del sistema, para modi
fcar su dinámica?
Esta cuestión es abordada y resuelta en el Capítulo 5, en
el que se ve que en los sistema controlables, no sólo puede fjarse su evolución
temporal con una entrada adecuada, sino que su dinámica puede modifcarse de
forma sustancial (fjación de sus polos) mediante una realimentación del esta
do
del sistema. En este capítulo se aborda y resuelve igualmente el problema del
servoposicionador, en el que se consigue controlar el valor en régimen permanente
de la salida de un sistema, modifcando adicionalmente su dinámica mediante la
realimentación de sus estados.
6. Si el capítulo anterior resuelve la modifcación potestativa de la dinámica del sis­
tema a partir del conocimiento de su estado, surge de forma inmediata la importante
cuestión: ¿cómo es posible conocer el estado del sistema a partir de sus
manifestaciones exteriores (es decir, sus entradas y salidas) para que
pueda ser utilizado en la modifcación de la dinámica del sistema?
Esta
cuestión es resuelta en el Capítulo 6 para el subsistema observble, mediante el
diseño de los sistemas denominados observadores del estado del sistema. La reali­
zación práctica de estos sistema observadores impide que sus cálculos se efectúen
mediante operaciones matemáticas derivativas, difícilmente realizables en la prác­
tica, obligando por tanto a que estos observadores constituyan un sistema con su
propia dinámica intrínseca en el cálculo de su salida (es decir, variables de estado
estimadas del sistema original) yen función de sus entrada (es decir, entradas y
salidas del sistema original). En este capítulo se resuelve el diseño de estos sistemas

XVIII

observadores del estado, imponiéndoles consecuentemente una dinámica mucho má
rápida que la de la evolución de la propias variables de estado que se estiman.
Este capítulo supone la culminación de la estructura completa de Control por Reali­
mentación del Estado en sistema continuos y como tal es abordada en los apartados
correspondientes de dicho capítulo.
7. Si el control del sistema se efectúa mediante un dispositivo digital, en el que la in
teracción entre ambos se realiza en instantes de tiempo determinados y periódicos:

¿cuál es el estado considerado éste desde el punto de vista del sistema
digital de control? ¿Y cuál es el modelo que determina el comportamien
to del sistema en los instantes de tiempo de interacción con él?
Esta
cuestiones son resueltas en el Capítulo 7 mediante la obtención de un modelo dis­
creto de comportamiento de los sistemas, tanto en el caso en el que vienen descritos
por ecuaciones en diferencias, como en el caso de los sistemas muestreados, en los
que se dispone inicialmente de unas ecuaciones diferenciales de su comportamiento,
pero sobre los que se interacciona desde fuera sólo en instantes concretos de tiempo
y de forma periódica.
8. Una vez obtenido el modelo del comportamiento dinámico de los sistemas discretos
(al menos desde el punto de vista del sistema de control) ¿cuál es la evolución
temporal del sistema a partir del instante en el que se conoce su estado
y conocida la ley de variación de las entradas?
Esta cuestión es resuelta en el
Capítulo 8, obteniéndose unas ecuaciones de evolución del sistema completamente
análogas a la obtenidas en el Capítulo 2 para modelos continuos, pero con un
cálculo más sencillo a partir del modelo discreto, debido a la simplifcación que
introduce en su resolución la importante limitación temporal de interacción sobre
el sistema.
9. Una vez vista la analogía entre las ecuaciones de los modelos discretos y continuos,
surgen las misma pregunta que las abordadas anteriormente para éstos últimos:

¿es posible controlar el estado de un sistema?, ¿es posible calcular su
estado a partir de la información de las entradas suministradas y de las
salidas medidas?
La respuesta a ambas pregunta lleva a los mismos conceptos
de controlabilidad y observabilidad de sistema continuos, pero con la característica
diferenciadora de que en los sistemas discretos es importante determinar el número
de valores de entrada o de salida que son necesarios tanto para controlar el sis­
tema como para observrlo, hecho diferenciador debido claramente a la importante
limitación temporal de interacción con ellos.
La determinación de la controlabilidad y observabilidad del sistema lleva a la obten­
ción del subsistema que es simultáneamente controlable y observable, y por tanto
adecuado para efectuar su control por realimentación del estado. Este control se
realiza mediante una estructura análoga a la vista en sistemas continuos, que in­
cluye un sistema observador del estado y una realimentación hacia la entrada del

XIX

estado calculado por el observdor.
Todas las cuestiones anteriormente planteadas y su resolución son abordada de for­
ma progresiva en los distintos capítulos de este libro. Para ello, en cada uno se avanza
en la resolución teórica de las interrogantes planteadas, intercalando ejemplos que ilus
tran su aplicación en caos prácticos y de forma progresiva hasta cubrir los objetivos
inicialmente planteados. Al fnal de cada capítulo se recogen una serie de problemas
resueltos, que ilustran la aplicación de los nuevos avances expuestos, entremezclados con
conocimientos adquiridos en capítulos anteriores y aumentando en consecuencia la co­
herencia del conjunto. Por último el alumno dispone en cada capítulo de una serie de
problemas planteados y no resueltos, que pueden ser utilizados para la autoevaluación
de sus conocimientos y su aplicación a la resolución de problemas prácticos.

Madrid, octubre de 2001

Los autores
Profesores Sergio Domínguez
Pascual Campoy
José María Sebastián
Agustín Jiménez

xx

Prólogo a la 2a edición

Han pasado cinco años desde la publicación de la primera edición de este libro, tiempo
sufciente para que su utilización en clase haya puesto de manifesto posibles vías para
la actualización del texto. De entre toda ellas, fnalmente se ha considerado atacar
el problema de su mejora fundamentalmente a través de dos caminos: la revisión y la
ampliación.

El texto de la primera edición se ha revisado profundamente, dando lugar a la reorde­
nación de agunos conceptos para mejorar la claridad de la presentación y la comprensión
global de la materia. A la vez, se han incluido también multitud de nuevos ejemplos cuya
intención es ir más allá del uso de una determinada fórmula; en su mayoría, siguen una
idea de profndización en los conceptos teóricos a través de su aplicación práctica. El
resultado es una serie de casos en los que se hace uso extensivo de la teoría, revisando
metódicamente sus posibilidades, peculiaridades y, sobre todo, los aspectos má rele
vantes de su utilización en situaciones reales. Dada la considerable extensión de algunos
de ellos, se ha considerado como mejor solución agruparlos en una sección aparte de cada
capítulo, con la intención de mejorar la legibilidad de la parte teórica, evitando prolon­
gadas interrupciones. Así, bajo el nombre de Ejemplos adicionales, el lector encontrará
estos caos de uso extendidos; a diferencia de los ejercicios, tanto resueltos como pro
puestos, que se incluyen en cada capítulo y cuyo objetivo es facilitar la práctica de los
conocimientos adquiridos, estos ejemplos se incorporan como una herramienta didáctica
de apoyo a la explicación teórica mediante la aplicación y el análisis de los resultados
obtenidos con la técnica presentadas.
El contenido del libro ha sido asimismo ampliado mediante la inclusión de nuevos
conceptos teóricos; todos ellos se fundamentan en las técnicas presentes en la primera
edición, pero representan una lectura avnzada. Estos nuevos contenidos atañen fnda­
mentalmente a controlabilidad y observabilidad, profundizando en su estudio teórico y
en los apectos de su aplicación en la práctica, y llegando, como consecuencia, a plantear
la reducción del modelo. En este sentido, el resultado de esta segunda edición es un texto
que se puede entender como estructurado en dos niveles: uno básico y otro avanzado,
como ya se ha dicho. El básico constituye el contenido apropiado para un curso de ini­
ciación a los conceptos y técnicas del control mediante variables de estado, mientra que
el avanzado incluye los contenidos accesibles para lectores familiarizados con lo anterior.

XXI

Como en el caso de los ejemplos extendidos, se ha intentado que la inclusión de estos
nuevos contenidos no interfera con la lectura por parte de quienes toman contacto con el
control con variables de estado por primera vez, de forma que se ha optado por marcar
estos conceptos avanzados con el signo 6, visible tanto en el cuerpo del texto como en el
Índice general. De esta forma, a comenza una sección cuya temática se considera fuera
del temario básico, la presencia de este símbolo avisa al lector novel de que su contenido
está orientado hacia personas con más experiencia.
Los autores deseamos aprovechar la oportunidad que ahora se nos presenta para
mostrar nuestro agradecimiento a todas las personas que han hecho posible la apari­
ción de esta segunda edición; comenzando por todos aquellos que con sus comentarios y
aportaciones han permitido la mejora del texto, siguiendo por los Consultores Editoriales
de la colección de "Automática y Robótica y terminando, no por ello con menor efusión,
por el Equipo Editorial de Prentice-Hall.

Madrid, mayo de 2006

Los autores
Profesores Sergio Domínguez
Pascual Campoy
José María Sebatián
Agustín Jiménez

XXII

Parte 1

Sistemas continuos

1

1 Modelo de estado

1.1. Introducción

La teoría moderna de control está basada en el conocimiento del comportamiento
interno de los sistemas, refejado en las variables que infuyen en su dinámica. Esta
variables constituyen el concepto de estado del sistema, que será defnido en este primer
capítulo, y establecen la piedra angular de dicha teoría. El conocimiento de la evolución
de toda las variables que infuyen en la dinámica del sistema permite efectuar un control
má potente de ésta y abordar el control de sistemas más complejos.
La teoría moderna de control se desarrolla para solventar algunos de los problemas
en los que presenta fertes limitaciones la denominada teoría clásica, basada en el mode­
lado de la relación entre una entrada y una salida de los sistemas dinámicos lineales de
parámetros constantes. Las ventaja de la teoría moderna de control, en contraposición
a la teoría clásica, son fundamentalmente las siguientes:
• Es aplicable a sistemas multivariables en los que existe un elevado grado de interac­
ción entre la variables del sistema, no pudiendo establecerse bucles de control entre
una salida y una entrada concreta que se puedan ajustar de forma independiente
según se aborda en la teoría clásica.

• Es aplicable a sistema con relaciones no-lineales entre las variables involucradas
en su dinámica y cuyo comportamiento no puede ser aproximado por un modelo
lineal, dentro del rango de vlores que vn a tomar sus variables.

• Es aplicable a sistema cuyos parámetros varían en el tiempo a velocidades com­
parables con la evolución de sus variables, para los que no se puede obtener, en
consecuencia, un modelo de parámetros constantes válido en el rango temporal
necesario para efectuar el control.

3

4

CAPÍTULO 1. MODELO DE ESTADO

• Es aplicable a sistemas complejos de control, con un gran número de variables
internas que condicionan el comportamiento futuro de la salida. La utilización de la
realimentación sólo de la salida, según el modelo clásico, empobrece la información
disponible por el regulador para controlar la planta, lo que llega a impedir un
control de la salida del sistema con mejores prestaciones.

• Es aplicable a la optimización del comportamiento de sistemas, entendida ésta como
la minimización de una función objetivo que describe un índice de costo que a su
vez refeja la calidad en la consecución de los objetivos de control.
Las mencionadas ventajas diferenciadoras de la teoría son abordadas por distintas
rama del control, denominadas respectivamente: control multivariable, control no-lineal,
control adaptativo, control por asignación de polos y control óptimo. Aunque cada una
de estas ramas del control automático utiliza técnicas que le son propias, todas ellas
confuyen en la necesidad de un modelo del comportamiento de sistemas dinámicos que
incluya la evolución de sus variables internas, que pueda aplicarse a sistemas multivaria­
bles y que pueda ser no-lineal y/o de parámetros no constantes. Este modelo del sistema
es el denominado modelo de estado del sistema, que se presenta y estudia en el presente
libro.

Si los sistemas multivariables a los que se aplica la teoría moderna de control presentan
un comportamiento dinámico que puede aproximarse por modelos lineales de parámetros
constantes, se simplifca mucho su análisis y el diseño de los reguladores multivariables.
El estudio de estos sistemas lineales e invariantes es abordado en los apartados correspon­
dientes de cada uno de los capítulos de este libro, estudiándose en los últimos capítulos
el diseño de reguladores para la asignación directa de los polos del sistema multivariable,
que fjan su comportamiento dinámico en cadena cerrada.

1.2. Concepto de estado

La teoría moderna de control se basa en la representación matemática de los sistema
dinámicos por medio del concepto de estado, en contraposición con la teoría clásica de
control, que utiliza únicamente la relación entre su entrada y su salida.

Se defne estado de un sistema como la mínima cantidad de información nece
saria en un instante para que, conociendo la entrada a partir de ese instante, se
pueda determinar cualquier variable del sistema en cualquier instante posterior.

Es común emplear la nomenclatura de representación interna, cuando se utiliza el es­
tado para representar un sistema, y representación externa, cuando se emplea la relación
entrada-salida. Se diferencia entre ambas nomenclaturas para recalcar los distintos enfo
ques. El Ejemplo 1.1 que se describe a continuación pone de manifesto las diferencias.

1.2. CONCEPTO DE ESTADO

Ejemplo 1.1

El depósito de la figura recibe un caudal q(t) que modifica el volumen de
líquido que contiene, según la expresión:

q(t) = V(t) = Ah(t)

h(t)

Entrada

Salida

SISTEMA L •

-...

Ji Estado h�t� .� _1I1

q(t)

-

h(t)

Suponiendo constante la sección A del depósito, la evolución de la altura se
puede calcular integrando la anterior expresión:

¡t 1

h(t) = -0 ¡q(T)dT

Para determinar la altura en cualquier instante de tiempo, es necesario cono
cer la evolución del caudal desde el comienzo de los tiempos, lo que evidente
mente obliga a un conocimiento de las condiciones que han actuado sobre el
sistema, normalmente fuera de alcance. En la teoría clásica de control se realiza-

5

6

CAPÍTULO 1. MODELO DE ESTADO

ban algunas simplificaciones, como considerar que las condiciones iniciales eran
nulas.

Una alternativa a estos planteamientos, sobre la que se basa la teoría moderna
de control, es considerar la información que resuma todo lo acontecido en el
sistema hasta ese momento. Esta información, que si es la mínima se denomina
estado, podría ser en el presente ejemplo la altura en un determinado instante
to: h(to); de esta forma la evolución de la altura del depósito sería:

lt 1

h(to) +

A q(r)dr

to

h(t)

l(t, to, h(to), q(r)), to < r : t

Donde se aprecia que la altura en un determinado instante de tiempo sólo
depende de los instantes inicial y final, de la entrada aplicada entre ambos y
de la altura en el instante inicial (no influye la evolución hasta entonces, sólo el
valor en ese instante). La altura del depósito representa el estado en el ejemplo
considerado y, debido a su sencillez, coincide con la salida del sistema. Esta
situación no es en absoluto generalizable a otros sistemas, en los cuales la salida
y el estado no sólo no tienen por qué coincidir, sino que ni siquiera han de poseer
la misma dimensión.

La cantidad mínima de información que defne el estado viene representada por un
conjunto de variables Xi(t) cuyos valores dependen del instante t considerado, denomi­
nadas variables de estado del sistema. Este conjunto de variables, x(t), recibe el nombre
de vector de estado. En la gran mayoría de los sistemas físicos reales se podrá obtener un
modelo sufcientemente aproximado donde el vector de estado sea de dimensión fnita, n,
siendo éste el único caso estudiado a lo largo de todo este texto.
Si además se representa el conjunto de variables de entrada mediante el vector u(t),
la anterior defnición puede expresarse de forma matemática como:

x(t) = l(t, to, x(to), u(r)), to < r : t

(1.1)
Si bien el modelo de estado tal como se formula es válido para establecer la repre­
sentación de sistemas tanto lineales como no lineales, en el presente texto el estudio se
va a centrar en los primeros, atendiendo, en primer lugar, a los sistemas lineales contin
uos y, en la segunda parte del libro, a los discretos. El hecho de que no se profundice
igualmente en el estudio de los sistemas no lineales viene dado por la falta de generalidad

1.2. CONCEPTO DE ESTADO

7

en su tratamiento; no existe un procedimiento universal para la solución de ecuaciones
diferenciales no lineales (y un modelo de estado de un sistema no lineal es precisamente
eso), por lo que no se puede establecer una metodología genérica para su análisis. En aras
pues de avnzar en la introducción de los conceptos fndamentales de la teoría moderna
de control, se orienta por tanto el estudio hacia los sistemas lineales.
En principio, para la formulación del modelo de estado de la Ecuación 1.1 se vn
a establecer dos hipótesis ya conocidas, y que también aparecen en la teoría clásica de
control; en primer lugar, el estudio se centra en los sistemas físicos, sistema que por
propia naturaleza cumplen con el principio de causalidad, por lo que siempre se parte del
supuesto de que se ha de cumplir con esta propiedad. Dentro de los sistema causales, el
análisis se centra en los sistema deterministas, para los que dada una entrada se puede
encontrar una salida de forma unívoca; en contraposición a los sistema estocáticos, para
los que la salida ante una determinada entrada se modeliza como una cierta función de

densidad de probabilidad.

El vector de estado se defne sobre el denominado espacio de estado:

Espacio de estado es el espacio vectorial en el cual el vector de estado toma
valores, teniendo por tanto la misma dimensión que el número de elementos de
dicho vector.

Al ser el espacio de estado un espacio vectorial, admite infnitas bases, relacionadas
entre sí mediante transformaciones lineales. La representación del estado depende de la
base elegida, por lo que también existen infnita posibilidades, igualmente relacionadas
entre sí por transformaciones lineales. Esta dependencia no afecta a cualquier variable
externa, como la entradas y la salidas, que no modifcan su expresión sea cual sea la
representación del estado elegida.
El valor del estado en distintos instantes varía en función de la condiciones iniciales
con la que empieza a evolucionar el proceso y de la entrada que recibe el sistema, según
se refeja en la Ecuación 1.1. El comportamiento descrito por esta ecuación se traduce
en que cada una de las variables de estado modifca su valor a lo largo del tiempo, tal
como se observ en la Figura 1.1 para el caso de un modelo con tres variables de estado;
la combinación de estas evoluciones, por eliminación del tiempo entre todas ellas, se
concreta en una trayectoria que el vector de estado sigue dentro del espacio de estado,
como puede verse en la Figura 1.2.

1.2.1. Propiedades de las vriables de estado

Las trayectorias que describe el vector de estado de un sistema causal y determin
ista dentro del espacio de estado están sujetas a las siguientes condiciones ligada a la
defnición de estado del sistema:
1. Unicidad

't � to, Xo = x(to), U(T) to < T � t =

x(t) es única.

8

X,

1.5

X,
1

X,

0.5
0.25
-0.25
-0.5
-0.75
-1

CAPÍTULO 1. MODELO DE ESTADC

Figura 1.1: Evolución temporal de las variables de estado.

¡

-
-

/ \

-
-

/

-
-

-

/ I

X3

/

/ I

-
-

I

/

-
-

-1

I

0.5

o

o

I -0.5X,

Xl

-1

2

Figura 1.2: Trayectoria del vector de estado en el espacio de estado.

1.3. ECUACIONES DEL MODELO DE ESTADO

2. Continuidad

La trayectoria en el espacio de estado son funciones continua:
lím x(t) = x(to)

t--to

3. Tansitividad o propiedad de transición

Vt, to

9

(1.2)

Si se considera en una trayectoria en el espacio de estado tres tiempos, to, tl Y
t2, tal como se muestra en la Figura 1.3, el valor del estado en estos tiempos está
relacionado por esta propiedad de transición:

siendo:

2 x(to)

/:,

---.....

J"

x(td

Figura 1.3: 'ansitividad de estado

X(t2) = W(t2, to, x(to), U(T)) con to < T : t2
X(t2) = W(t2, tl,x(h), U(T)) con h < T: t2

x(td = w(tl, to, x(to), U(T)) con to < T : h
Esto signifca que para conocer el estado en el instante t2 da lo mismo:

• Conocer el estado en to Y la entrada entre to Y t2·
• Conocer el estado en h y la entrada entre tl y t2·

1.3. Ecuaciones del modelo de estado

Como se ha establecido con anterioridad, la teoría de estado representa un formalismo
para el tratamiento y resolución de sistemas dinámicos deterministas. Una defnición
amplia de dichos sistemas es la siguiente:

10

CAPÍTULO 1. MODELO DE ESTADO

Un modelo de sistema dinámico determinista es una relación matemática entre
dos conjuntos de variables, las de entrada y las de salida:

u(t) � y(t)

donde u(t) es un vector de dimensión m e y(t) es un vector de dimensión p.

En la teoría moderna se añade, como ya se ha explicado, otro conjunto de variables,
a las que se llama estados. Entradas y estados se encuentran relacionados como ya se vio
en la Ecuación 1.1. De otra parte, como el estado recoge toda la información del sistema
en un determinado instante, es posible defnir una relación de la salida con éste y con la
entrada. Dicha relación se establece mediante una ecuación de la forma:

y(t) = r(t, x(t), u(t))

(1.3)
donde se puede observr que la salida en el instante t sólo depende del tiempo, del estado
y de la entrada en ese instante, no del estado y de la entrada en instantes anteriores.
Esto se debe a que toda esta información, por propia defnición, ya está recogida en el
estado.

Los sistemas dinámicos diferenciales se caracterizan porque pueden ser representados
por una ecuación que incluya información del estado de la forma:

x(t) = ¡(t, x(t), u(t))
y(t) = r(t, x(t), u(t))

(1.4)
(1.5)

donde a la Ecuación 1.4 se le llama ecuación de estado, que representa la dinámica de la
evolución del estado del sistema, y a la Ecuación 1.5 se le llama ecuación de salida. La
resolución de dicha Ecuación 1.4 con unas determinadas condiciones iniciales da lugar a
la Ecuación 1.1, que describe la trayectoria seguida por el estado dentro del espacio de
estado.

A la representación de estado descrita en las Ecuaciones 1.4 y 1.5 se le llama realización
en el espacio de estado del sistema. Asimismo, se llama orden del modelo al número de
variables de estado con el que se construye.
De estas ecuaciones se intuye la continuidad de las trayectorias descritas por la
variables de estado, que la dimensión del vector de estado coincide con el número mínimo
de condiciones iniciales necesarias para resolver la ecuación de estado y que pueden
considerarse como variables de estado las salidas de los integradores.
Como el estado es la representación sufciente del sistema, para determinar su dinámi­
ca también basta el conocimiento de las variables de estado y de la ecuación de estado.
De esta forma, aspectos como la estabilidad del sistema y sus posibles estados de equi­
librio, entendiendo por tales valores del estado en los que el sistema funciona por tiempo

1.3. ECUACIONES DEL MODELO DE ESTADO

11

indefnido sin que se produzca variación alguna, se estudian a partir de la Ecuación 1.4;
el estudio de estabilidad requerirá de métodos específcos según la naturaleza lineal o no
lineal de esta ecuación, mientra que la determinación de los estados de equilibrio se lleva
a cabo encontrando las soluciones de la ecuación:

J(t,x(t), u(t)) = O

(1.6)

Ejemplo 1.2

11 Obtener el modelo de estado que define la evolución del desplazamiento y(t),
de una masa M con constante elástica K y con coeficiente viscoso J, ante una
fuerza de desplazamiento F(t):

11y(t)

f
F(t) = Ky(t) + Jdy(t) + Md2y(t)
dt

dt2

Al ser un sistema de segundo orden, se necesitarán dos variables de estado.

Se eligen:

Xl(t) = y(t)
X2(t) = y(t)

Teniendo en cuenta que u(t) = F(t), las ecuaciones del modelo de estado serán:

:i(t)

:h(t)

y(t) = X2(t)

1

j(t) = M [u(t) -Ky(t) -Jy(t)] =

1

M [u(t) -KX1(t) -JX2(t)]

12

CAPÍTULO 1. MODELO DE ESTADO

La ecuación de salida será simplemente:

y(t) = Xl (t)

1.3.1. Sistemas dinámicos lineales

En primer lugar, es necesario conocer si un sistema dinámico dado es o no lineal. Para
ello se le aplica el test de superposición:

Se tiene un sistema que partiendo de un estado inicial cualquier Xl (to), con una
entrda cualquiera Ul (r), to < r : t, responde con una salida Yl (t), ya partir de
cualquier otro estado inicial X2(tO) con cualquier otra entrada u2(r), to < r : t,
responde con otra salida Y2(t). Se dice que dicho sistema es lineal si para todo a
y b rales, partiendo del estado inicial X3(tO) = aXl (tO)+bX2(tO) con una entrada
u3(r) = aUl(r) + bU2(r), to < r : t, la salida es Y3(t) = aYl(t) + bY2(t).

Esta propiedad de linealidad en sistemas diferenciales se traduce en que la funciones
f y r son lineales con respecto a x y a u:

f (t, aXl(t) + ,X2(t),aul(t) + ,u2(t)) =
= af(t,xl(t), Ul(t)) + ,f(t,X2(t), U2(t))
r (t, aXl (t) + ,X2(t), aUl (t) + ,u2(t)) =
= ar(t,xl(t), Ul(t)) + ,r(t,X2(t), U2(t))

(1.7)

(1.8)
donde f y r son funciones vectoriales, por lo que la propiedad de linealidad se verifca
si y sólo si las ecuaciones del modelo de estado se pueden expresar en forma matricial
como:

x(t) = A(t)x(t) + B(t)u(t)
y(t) = C(t)x(t) + D(t)u(t)

(1.9)
(1.10)
Ésta es la forma en la que se representa el modelo de estado de un sistema dinámico

lineal, donde:

x(t) es el vector de estado, de dimensión n.
u( t) es el vector de entradas, de dimensión m.
y(t) es el vector de salida, de dimensión p.
A(t) es la matriz del sistema, de dimensiones n x n.
B(t) es la matriz de entradas, de dimensiones n x m.
C(t) es la matriz de salida, de dimensiones p x n.
D(t) tiene dimensiones p x n (en la mayoría de los sistemas es nula).
Las expresiones de las matrices A(t), B(t) y C(t) dependen de la representación del
estado elegida, como se detalla en la Sección 1.4.

11.3. ECUACIONES DEL MODELO DE ESTADO

Ejemplo 1.3

Para la evolución del desplazamiento y(t), el modelo de estado en forma
matricial se calcula a partir de las ecuaciones dadas.

Tomando:

el modelo de estado queda como:

f
Xl (t) = y(t)
X2(t) = i(t)

1

_1M

. y(t)

y(t)

[1 O] [ �� ] + [O]u(t)

1.3.2. Sistemas dinámicos invariantes

1 ] u(t)

Un sistema, con un estado inicial dado por Xo = x( to), sometido a una entrada
uI(r), to < r � t, Y que produce como salida la señal YI(t), se dice que es
invariante si VT, partiendo del mismo estado Xo, pero en el instante to + T,
excitado con una entrada u2(r + T) = UI(T), to < T � t, responde con una
salida que es Y2(t + T) = YI(t) .

13

Esta propiedad de invarianza signifca que, en los sistema lineales, las matrices A,
B, e y D tienen sus elementos constantes, no son fnciones del tiempo.

14

CAPÍTULO 1. MODELO DE ESTADO

1.4. Tansformaciones lineales

Se parte de una representación cualquiera de estado x(t):

x(t) = A(t)x(t) + B(t)u(t)
y(t) = C(t)x(t) + D(t)u(t)

y se defne una Tnxn(t) con la particularidad de que no sea singular y de que exista la
derivada de su inversa. Se defne un nuevo vector de estado a partir de x(t) mediante la
expresión:

x(t) = T(t)5(t)
5(t) = T-1(t)x(t)

derivndo la expresión de 5(t) se tiene:

j(t) = (T�

l )(t)x(t) + T-1(t)x(t)

como se cumple que:

{ x(t) = T(t)5(t)
x(t) = A(t)x(t) + B(t)u(t)

entonces se puede sustituir, quedando:

j(t)

(T�

l )(t)T(t)5(t) + T-1(t) [A(t)T(t)5(t) + B(t)u(t)] =

[(T�

l )(t)T(t) + T-1(t)A(t)T(t)] 5(t) + T-1(t)B(t)u(t)

que junto con la ecuación:

y(t) = C(t)T(t)5(t) + D(t)u(t)

supone una nueva representación del estado, equivlente a la inicial.

(1.11)

(1.12)

(1.13)

Esta nueva representación del estado, mediante el vector de estado 5(t) y obtenida
mediante una transformación lineal que en general depende de t, da lugar a nuevas
matrices del modelo:

A(t) = [(T�

l )(t)T(t) + T-1(t)A(t)T(t)]

B(t) = T-1(t)B(t)
C(t) = C(t)T(t)
D(t) = D(t)

(1.14)

Partiendo de un modelo de estado cualquiera y conociendo la matriz de transfor­
mación T(t), se puede obtener una nueva representación de estado. Esto es lo que se
denomina una transformación lineal en el espacio de estado.

(5. REPRESENTACIÓN GRÁFICA DE SISTEMAS LINEALES

15

Lo que se está haciendo es un cambio de bae por lo que el vector de estado x(t) viene
defnido por distinta componentes, pero sigue siendo el mismo. La matriz de transfor
mación T(t) es ta que sus columna representan las coordenada de los vectores que
constituyen la nuev base expresados en la bae antigua.
La situación más común es que la matriz de transformación T sea invariante, es decir,
que no dependa del tiempo, lo que simplifca la expresión de la matrices del modelo de
estado en la nueva bae:

A(t) = T-l A(t)T
B(t) = T-1 B(t)
C(t) = C(t)T
D(t) = D(t)

1.5. Representación gráfca de sistemas lineales

(1.15)

¡ i

El modelo de estado de un sistema lineal admite una forma gráfca por bloques similar
a la de los sistemas representados por su función de transferencia. Hay tres tipos básicos
de elementos:

1. Bloque integrador, representado en la Figura 1.4.

Figura 1.4: Bloque integrador.

y(t) = jt u(r)dr = y(to) + (t u(r)dr
-0

ita

2. Multiplicación por una matriz, representada en la Figura 1.5.

u(t) �

y(t)

.

.

0 ·

Figura 1.5: Multiplicación por una matriz.

y(t) = R(t)u(t)

(1.16)

(1.17)

16

CAPÍTULO 1. MODELO DE ESTADO

3. Bloque sumador 1 , representado en la Figura 1.6.

u(t)

y(t)

v(t)

Figura 1.6: Bloque sumador.

y(t) = u(t) + v(t)

Ejemplo 1.4

Hallar la representación gráfica del sistema:

j(t) + ai(t) + by(t) = u(t) = j(t) = -ai(t) -by(t) + u(t)

(1.18)

El Ejemplo 1.4 suministra un primer método para obtener el modelo de estado a
partir de la representación gráfca: tomar como variables de estado las salida de los
integradores y considerar las condiciones iniciales en el instante to como estado inicial.
Hay que recordar que un mismo sistema admite distintas representaciones de estado, lo
que hará que el mismo sistema pueda estar representado por distinta matrices A, B,-C
y D. Así para el siguiente sistema:

(1.19)

1 En adelante, si no se indica lo contrario, se suponen siempre positivas las entrada a todos los bloques

sumadores.

1.6. FUNCIÓN DE TRANSFERENCIA Y MODELO DE ESTADO

17

(1.20)

La representación de este sistema con los anteriores tipos de bloque será la represen

tada en la Figura 1. 7 .

Figura 1.7: Representación gráfca del modelo de estado.

En lugar de operar con escalares es más útil operar con vectores, como puede verse

en la Figura 1.8.

u(t)

Figura 1.8: Representación gráca vectorial del modelo de estado.

1.6. Fnción de transferencia y modelo de estado

El problema que se aborda en este apartado es obtener, a partir de la representación
del estado de un sistema lineal e invariante, la fnción de transferencia. Si el sistema no

18

CAPíTULO 1. MODELO DE ESTADO

cumple con esta dos condiciones, linealidad e invrianza, no es posible establecer esta
relación, puesto que el modelo de la teoría clásica requiere que el sistema cumpla con
estas condiciones.
La expresión de un sistema lineal e invariante es:

x(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)

(1.21)

(1.22)

Para aproximar el modelo al de la función de transferencia se toman transformada
de Laplace y se establece una relación entre la entrada y la salida. En principio, todas
las variables son vectores:

sX(s) -x(O) = AX(s) + BU(s)
donde x(O) es el vector de condiciones iniciales. Si es x(O) = 0, entonces:
[sI -Al X(s) = BU(s)
X(s) = [sI -Ar1

BU(s)
Y(s) = CX(s) + DU(s) = C [sI -Ar1

BU(s) + DU(s)

Y(s) = [c [sI -

Ar1

B + D] U(s) =

= G(s) = C [sI -Al-1

B + D

(1.23)

donde G(s) es una matriz de funciones de transferencia de dimensión p x m

. Esta matriz

consiste, para todos sus elementos, en cocientes de polinomios.
Ya se tiene, de esta manera, una relación entre la función de transferencia de la teoría
cláica y el sistema de estado de la teoría moderna.
Como ya se ha visto en este capítulo, un mismo sistema admite infnitas representa
ciones de estado, pudiendo obtenerse una cualquiera a partir de una dada mediante la
aplicación de una transformación lineal.
Si T es una transformación invariante, la función de transferencia del correspondiente
sistema es, aplicando la Ecuación 1.15:

O(s)

e [sI -Á r 1

B + f =

CT [sI -T-1 AT] -1

T-1B + D =

CTT-1 [sI -

Al-1

TT-1B + D =

C [sI -Ar1

B + D = O(s)

(1.24)

Es decir, coincidiendo con la teoría clásica, la función de transferencia que rige la
relación entrada salida es única, sea cual sea el modelo de estado del sistema.
Teniendo en cuenta además que en 1.24:

[sI -Al-1

= det [s� _ Al Adj [sI -AlT

(1.25)

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

19

se concluye que el polinomio característico del sistema es :
p(s) = det [sI -Al

(1.26)

por lo que los polos del sistema coinciden con los valores propios de la matriz A.

Polos =

Valors propios de A
Se ve aimismo que, como el polinomio característico sólo depende de A, también ha
4e ser así con la estabilidad del sistema. La posición de los ceros del sistema viene dada
por la matrices A, B, C y D.

1. 7. Métodos de obtención del modelo de estado

Como se ha venido mencionando en distintas secciones de este capítulo, la represen­
tación del estado de un sistema no es única, sino que pueden encontrarse infnita, toda
ella equivalentes entre sí, e igualmente válidas para la descripción del sistema. En esta
sección se van a explicar diferentes técnicas para obtener una representación del estado,
de forma que dado un sistema cada una de ella es diferente, pudiendo obtenerse una a
partir de otra mediante transformaciones lineales.
Observando la ecuaciones de estado y de salida del sistema:

x(t) = Ax(t) + Bu(t)
y(t) = Cx(t) + Du(t)

se pueden deducir las siguientes condiciones que habrá que tener en cuenta cuando se
elige un modelo de estado:

1. En la ecuación de estado sólo pueden estar relacionadas la variables de estado, sus
primeras derivadas y las entradas.

2. En la ecuación de salida sólo pueden estar relacionada las variables de estado, la
entradas y la salidas.

3. La variables de estado no pueden presentar discontinuidades, aunque la entrada al
sistema sí que las tenga, pues en tal cao la derivada de la variable de estado que
aparece en la Ecuación 1.4 no estaría defnida.

4. Se admiten discontinuidades en la entrada (por ejemplo, entrada en escalón), por
lo que en ningún cao pueden elegirse las entradas como vriables de estado del
sistema.

Existen distintas posibilidades de elección de la variables de estado de un sistema,
para cada una de la cuaes las ecuaciones que defnen su comportamiento, 1.4 y 1.5,
tienen distinta expresión. En los siguientes subapartados se explican diversas metodologías
para elegir vriables de estado de un sistema y, por tanto, para representarlo mediante
su modelo de estado:

20

CAPíTULO 1. MODELO DE ESTADO

1. Variables de estado como magnitudes físicas del sistema.

2. Variables de estado como salida de los integradores del sistema.

3. Variables de estado de fase.

4. Variables de estado de Jordan.
Estas metodologías se presentan ordenadas de manera que las variables de estado
elegidas en cada una de ellas presentan un orden decreciente en su signifcado fsico y un
orden creciente en cuanto a la simplicidad del modelo matemático resultante. Según este
criterio de ordenación, la primera metodología puede considerarse como la más intuitiva,
desde el punto de vista físico, y las dos últimas como las que presentan una mayor
elaboración matemática que repercute en la simplicidad de las ecuaciones del modelo de
estado resultante. La segunda, basada en la salida de los integradores, puede considerarse
con unas características intermedias, en la que las variables de estado elegida pueden
tener una interpretación física y adicionalmente se puede sistematizar su elección para la
obtención del modelo de estado sencillo.
Según se verá en las subsecciones siguientes, la dos últimas metodologías expuesta
son aplicables solamente a sistemas lineales, mientras que la primera es la más genérica y
menos sistematizada, pudiéndose aplicar a cualquier tipo de sistemas dinámicos lineales
o no-lineales. La segunda puede aplicarse también a todo tipo de sistemas, si bien en
el caso de sistemas lineales se puede predecir la forma del modelo de estado resultante,
según se muestra en el Subapartado 1.7.2.

1.7.1. Variables de estado como magnitudes fsicas

La idea básica es escoger como variables de estado los elementos que acumulan ener­
gía, lo que impide que las variables de estado presenten discontinuidades. Al hablar de
elementos que acumulan energía, se hace referencia tanto a elementos que acumulan
energía potencial (un condensador, una masa suspendida a una cierta cota o el agua
dentro de un depósito hasta una cierta altura), como a aquellos que acumulan energía
cinética (intensidades en bobinas, una masa desplazándose a una cierta velocidad o un
objeto girando a una cierta frecuencia). Cuando uno de estos elementos acumuladores
de energía son puestos en contacto con un entorno con un nivel energético distinto,
se produce una transmisión de energía hasta producir un equilibrio energético, con la
característica de que dicha transmisión no es instantánea en ningún caso: el condensador
tiene una función de descarga, la masa suspendida cae con una cierta aceleración fnita,
el móvil giratorio se decelera con una cierta aceleración angular, etc. Por tanto, las
variables que pueden elegirse como variables de estado son aquellas que caracterizan esta
transmisión de energía entre un objeto y el medio, y que al representar esa dinámica no
podrán sufir variaciones bruscas:

• En sistemas eléctricos: las tensiones en los condensadores y las intensidades en la

bobinas.

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

21

• En sistemas mecánicos: las posiciones (energía potencial) y la velocidades (energía

cinética).

• En sistemas hidráulicos: altura de fuido en los depósitos (energía potencial).
• En sistemas térmicos: temperatura (energía térmica).

Ejemplo 1.5

Elegir un conjunto posible de variables de estado para el sistema de la figura:

14

15

l/2

+

R

R

R

L

U

e

e

uc1

uc2

L/2

e

e

Según se ha dicho, se deben elegir como variables de estado aquellas que repre
sentan el "estado"de cada uno de los elementos acumuladores de energía, que en
un circuito electrónico son las tensiones en los condensadores y las intensidades
en las bobinas. Por tanto, las tensiones Uc1 Y Uc2 son variables de estado del
sistema que representan la tensión en condensadores diferentes. Dichas tensiones
tienen en general valores distintos que dependen de sus condiciones iniciales.
El mismo razonamiento es aplicable para concluir que las intensidades i4 e
i5 son ambas variables de estado y representan variables distintas que tendrán
en general valores distintos, que son necesarios para determinar el estado del
sistema en cada instante.
Las tensiones Uc3 Y Uc4 no representan distintas variables físicas y son idén
ticamente iguales para cualesquiera condiciones iniciales y cualquier evolución
de la dinámica del sistema, representando en realidad la misma tensión física de
un mismo condensador. Por tanto, deben ser designadas con el mismo símbolo
y ser elegidas sólo como una nueva variable de estado.
Un razonamiento análogo al del apartado anterior lleva a la conclusión de
que la intensidad que pasa por la última rama es la misma que pasa, simultánea
mente, por los dos devanados contiguos que constituyen la única bobina de esta
rama, y por tanto dicha intensidad debe considerarse como la única variable de
estado asociada a dicha rama del circuito.

22

CAPÍTULO 1. MODELO DE ESTADO

Se concluye, por consiguiente, que una adecuada elección de las variables de
estado ligada a los elementos físicos que componen el sistema es: Uc1, Uc2, Uc3,
i4 e is.

Ejemplos adicionales de obtención de modelos de estado baándose en este criterio se
pueden encontrar en la sección dedicada a tal efecto al fnal del capítulo, en concreto los

1.7 y 1.8.

1.7.2. Variables de estado como salida de los integradores

Una opción clara para elegir variables de estado de acuerdo con su defnición da
da en la Sección 1.2, es elegir éstas como la variables que representan la condiciones
iniciales de la ecuaciones diferenciales que defnen el comportamiento dinámico del sis
tema. Esta elección es equivalente a expresar dichas ecuaciones diferenciales en forma
de integraciones sucesiva y elegir como vriables de estado la salida de cada uno de los
integradores, que por tanto no presentan discontinuidades en sus valores ante discon­
tinuidades de la entrada.
Este procedimiento puede aplicarse de forma genérica tanto a sistemas lineales como a
sistemas no-lineales. Sin embargo, a continuación se expone dicho procedimiento aplicado,
de forma sistemática, a sistemas lineales con objeto de obtener una forma genérica del
modelo de estado para dichos sistema, simplifcando con ello la notación empleada. Un
ejemplo de aplicación a sistema no-lineales de esta metodología de elección de variables
de estado puede verse en el Ejercicio 3 al fnal de este capítulo.

Variables de estado como salida de integradores en sistemas monovriables

Para estudiar esta metodología se va a considerar, en primer lugar, la obtención de
variables de estado de sistema monovariables representados por una ecuación genérica
del tipo:

(1.27)

donde por comodidad se ha omitido la dependencia del tiempo de las variables u(t) e
y(t), como se hará en adelante con las Xi(t).
Primeramente se reordena y se saca como factor común el operador derivada en dicha
ecuación genérica, resultando:

(1.28)

donde el término entre corchetes se obtiene mediante la integración del término de la
derecha de la ecuación y, por tanto, puede ser elegido como variable de estado, Xl,
descomponiéndose entonces la anterior ecuación en la dos siguientes:

bou-aoy
(sn-l

+ an_1Sn-2

+ ... + at)y -(bnsn-1 + ... + b1)u

(1.29)

(1.30)

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

23

que son, respectivamente, la ecuación de salida del integrador y la ecuación que describe
la vriable de estado.

Procediendo de forma análoga con la segunda de estas última ecuaciones se obtiene:

en la que de nuevo se elige el término entre corchetes como la siguiente variable de estado,
resultando:

xI+blu-aIY
(Sn-2

+ an_ISn-3

+ ... + a2)Y -(bnSn-2

+ ... + b2)u

(1.32)

(1.33)

Procediendo reiteradamente de la misma forma, se van obteniendo ecuaciones con la
siguiente expresión genérica:

hasta obtener la dos última ecuaciones:

Xn-l + bn-Iu -an-IY
y -bnu

(1.34)

(1.35)

(1.36)

la última de esta ecuaciones es la ecuación de salida del sistema monovariable, que puede
reescribirse como:

(1.37)

e introduciendo este valor de y en la ecuaciones anteriores de salida de los integradores
representadas por su expresión genérica 1.34, se obtiene:

Xl = -aaXn + (ba -bnaa)u, para i = 1
Xi =Xi-l -ai-IXn + (bi_l -ai-Ibn)U, para 1 < i : n
que, expresado en forma matricial, da lugar al siguiente modelo de estado:

Xl

O O

O -aa

Xl

ba -bnaa

X2

1 O

O -al

X2

bl -bnal

X3

O 1

O -a2

X3 +

b2 -bna2

Xn

O O

1 -an-l

Xn

bn-l -bnan-l

Y=[O

O 1 ] x + bnu

u

(1.38)

(1.39)

(1.40)

(1.41)

24

CAPíTULO 1. MODELO DE ESTADO

Ejemplo 1.6

Hallar un modelo de estado del sistema descrito por:

u(t)

K(s + e)

y(t)

, S2 + as + b

Siendo el denominador no factorizable en �

se definen:

con lo que:

K(s + c)u = (S2 + as + b)y ::
::
s2y + s(ay -Ku) + by -cKu = O::
::
s(sy + ay -Ku) + by -cKu = O

Xl = sy + ay -K u = i + ay -K u
sy = Xl -ay + K u ::X2 = Y

Xl + bX2 -cK u = O ::Xl = -bX2 + cK U
X2 + aX2 -K u -Xl = O ::X2 = Xl -aX2 + K u

y las ecuaciones de estado son:

-bX2 +cKu
-ax2 +XI +Ku
X2

Variables de estado como salida de integradores en sistemas multivriables

El procedimiento anterior se puede generalizar para sistemas lineales multivariables,
representados por un conjunto de ecuaciones diferenciales y algébricas lineales. Denomi­
nando Ui, (i = 1, ... , m) a las distintas entradas del sistema y Wi, (i = 1, ... , q) al resto
de la variables involucradas en las ecuaciones del sistema entre las que se encuentran las
variables de salida consideradas, para que el sistema esté bien defnido existirán q ecua­
ciones linealmente independientes, cada una de las cuales va a relacionar un conjunto Uj
de entradas con un conjunto Wj de variables intermedias y de salida:

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

25

= L (bji nj snj + ... + bji lS + bji O)Ui para j = 1, ... , q (1.42)

iEU,
verifcándose que al menos uno de los coefcientes aji nj es no nulo y siendo nj = O en la
ecuaciones algébrica.

En cada una de las ecuaciones diferenciales se van eligiendo variables de estado de
manera análoga al procedimiento descrito para sistema monovariables. En primer lugar
se reordena y se saca factor común al operador derivada:

= L bji OUi -L aji OWi (1.43)
iEUj

iEWj

Se elige entonces como variable de estado el término entre corchetes, descomponién­
dose la ecuación anterior en las dos siguientes:

Xjl = L (aji njSnj-l

+ ... + aji l)Wi -L (bji njSnj-l

+ ... + bji ¡)Ui }

iEW,

iEUj

Xjl = L bji OUi -L aji OWi
iEUj

iEWj

(1.44)

Al igual que en sistemas monovriables el procedimiento se reitera con la primera de
la anteriores ecuaciones, obteniéndose un conjunto de ecuaciones diferenciales de primer
orden de la forma:

Xjk=Xjk-l+ Lbjik-lUi-L ajik_lWiparak=2, ... ,nj
iEUj

iEWj

junto con la ecuación algébrica:

Xj nj = L aji njWi -L bji njUi
iEWj

iEUj

(1.45)

(1.46)

La aplicación de este procedimiento a toda las ecuaciones diferenciales dará entonces
como resultado un conjunto de n ecuaciones diferenciales de primer orden, siendo:

(1.47)

26

CAPÍTULO 1. MODELO DE ESTADO

que se pueden agrupar de forma matricial, dando como resultado una expresión de la
forma:

(1.48)

También se obtienen q ecuaciones algébricas que se pueden agrupar de forma matricial:

(1.49)

donde, si las q ecuaciones iniciales son linealmente independientes, la matriz A2, de
dimensiones q x q, será no singular pudiéndose despejar, por tanto, la variables w:
w = -A2l

(E2x + B2u)

Sustituyendo ahora en 1.48 se obtiene la ecuación de sistema:

(1.50)

x = Elx + Bl U -

AlA2l

(E2X + B2u) = (El -AlA2l

E2) x + (Bl -AlA2l

B2)u

(1.51)

Obsérvese que, al ser las variables de salida Yi un subconjunto de las variables Wi, el
vector de salida y se obtiene directamente del vector w mediante una matriz de selección
S, de modo que:

(1.52)

En la sección dedicada al desarrollo de ejemplos se puede encontrar un caso de obten­
ción del modelo de estado para un sistema multivariable por este método en el Ejemplo

1.9.

Variables de estado como salida de sistemas de orden reducido

El procedimiento descrito es un método sistemático, en el que las ecuaciones diferen­
ciales del sistema se han descompuesto en integraciones sucesiva de distintos términos,
que han sido elegidos como variables de estado del sistema, puesto que representan la
información del sistema en cada instante y no pueden presentar discontinuidades en sus
valores ante discontinuidades de la entrada.
Para elegir variables de estado no es necesario descomponer la ecuaciones diferen­
ciales del sistema hasta obtener integradores puros, pudiéndose elegir alternativamente
como variables de estado la salida de una ecuación diferencial de primer orden simple,
o bien la salida y la derivada de ésta en una de segundo orden simple2• En estos casos
se descompone el sistema original en bloques con funciones de transferencia de orden
reducido, en los que pueden elegirse sus salidas y las derivada de sus salidas como varia­
bles de estado sin necesidad de una descomposición más pormenorizada en integradores
puros, como la detallada anteriormente.
Varios casos de obtención de modelos de estado según este método se pueden encontrar
en los ejemplos agrupados en el Ejemplo 1.10 al fnal del capítulo.

2Como norma general, se puede elegir como variable de estado la salida del bloque si el grado del

denominador supera en uno al del numerador; la derivada de la salida si el grado del denominador supera
en dos al del numerador, y así sucesivamente para la derivadas de orden superior de la salida.

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

1.7.3. Variables de estado de fase

La expresión genérica de un sistema monovariable:

27

(1.53)

puede reescribirse de la siguiente forma como cociente de dos polinomios en el operador
derivada s:

bmsm + ... + bIS + bo

(1.54)

y =

n

n-l

U

S + an-lS + ... + alS + ao

El procedimiento de elección de variable de estado de fae consiste en elegir como
primera viable de estado Xl:

(1.55)
lo que quiere decir que Xl es una solución de la ecuación diferencial del primer término
igualada a u.

Se eligen la restantes variables por sucesiva derivación:

Xn = Xn-l

Con este criterio ya se pueden escribir las ecuaciones de estado:

Xn
SnXl = -an_lSn-lXl -an_2Sn-2Xl -... -alSXl -aOXl + u
-an-lXn -an-2Xn-l -... -alX2 -aOXl + u

(1.56)

(1.57)

Con lo que ya puede construirse la ecuación de estado, que puesta en forma matricial
resultará:

o

1

O O

O

O

O O

1

O

O

O

O O O

1

O

O

x=

x+

u

(1.58)

O O O

O

1

O

-ao -al -a2 -a3

-an-l

1

La ecuación de salida queda:

y = (bmsm + ... + bIS + bo) Xl

(1.59)

28

CAPÍTULO 1. MODELO DE ESTADO

paando esta expresión a notación matricial se obtiene:

y = [bo b1 b2 . .. bm O . .. O] x

(1.60)

Cuando n = m, en los casos en los que en la función de transferencia se cumple que
gr(num) = gr(den), entonces al ser snX1 = xn se sustituye xn por la Ecuación 1.57:

y (bnsn + ... + b1s + bo) Xl =
bn [-aOX1 -a1X2 -... -an-1Xn + u] +
+bn-1xn + ... + b1X2 + bOX1

En este caso, la ecuación de salida sería de la forma:

que podría ponerse en forma matricial como:

y = Cx+Du

(1.61)

(1.62)

La matriz D sólo aparece si el grado del numerador es igual al del denominador, lo
que indica la matriz D es la acción directa de la entrada sobre la salida a la que se
superpone una respuesta dinámica.

1.7.4. Variables de Jordan

Partiendo de la Ecuación 1.54, la representación del sistema en variables de Jordan
admite las siguientes opciones:

1. Se suponen todos los polos simples y se descompone en fracciones simples, de la

forma:

y= (bn+�+�+"'+�)u
s -Al S -A2 S -An

Se le asigna una variable a cada uno de estos operadores:

1

Xl = -u
S -Al

1

X2= -u
S -A2

1

X3 = -

u

S -A3

1

xn=-u
s -An

(1.63)

(1.64)

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

con lo que la ecuación viene representada por:

x= [�l

�2 :::

O O

La ecuación de salida se obtiene como:

y = [PI P2 . .. Pn] X + bn u

29

(1.65)

(1.66)

2. Suponiendo que uno de los polos tiene multiplicidad r, la descomposición se reali­
zará como:

y

(b + PI + ...

+ Pr-l + �

+

n (s-Adr (s-Ad2 S-Al
+ Pr+l + ... +�

) U

S -Ar+l s -An

El método de aignación de variables de estado será:

1

1
Xl = u= -X2 ::
(S-Al)r S-Al
1

1

X2 = (s _

Adr-l u = s _

Al x3 ::

1

1
Xr-l = ( \ )2U = --\-xr ::
S -Al S -Al

1
Xr= -u ::
S -Al
1
Xn = -u :: xn = AnXn + u
s -An

Con esto, la ecuación de estado queda de la forma:

Al 1 O O O O

O

O Al O O O O

O

x= O O Al 1 O O

O

O O O Al O O x+
O O O O Ar+l O

1

O O O O O An 1

(1.67)

(1.68)

u (1.69)

30

CAPÍTULO 1. MODELO DE ESTADO

y la ecuación de salida toma la forma:

y = [PI P2 Pr-l Pr Pr+l Pn ] x + bnu

(1. 70)
Cuando hay raíces múltiples, la matriz deja de ser diagonal y paa a ser diagona
por cajas de Jordan; lo que aparece es un bloque de dimensión r x r, en el cual la
diagonal principal tiene el valor del polo múltiple y la superior todo unos, con un
vector B de ceros con un uno en el último elemento.
La representación gráfca llevaría integradores en serie en el bloque de raíz múltiple
e integradores en paralelo en el de raíces simples.
De todo esto se concluye que de un sistema descrito mediante ecuaciones diferencia
les se pueden extraer de forma sencilla cuatro representaciones de estado diferentes, que
darán lugar a cuatro bloques de matrices que representan lo mismo.

1.7.5. Estructuras compuestas

Los sistemas multivariables pueden considerarse compuestos por varios subsistema
má sencillos conectados entre sí, de manera que las salida de unos subsistemas actúan
como entradas de otros de forma directa o mediante sencillas operaciones agebraca. La
variables de estado del sistema global están formada de manera natural por la unión de
las variables de estado de cada uno de los subsistemas que lo componen.
La obtención de la ecuaciones de estado del sistema global se puede realizar a partir
de la ecuaciones de estado de cada subsistema, eliminando las variables intermedia
que son salida de unos subsistemas y entradas de otros mediante la operación con la
ecuaciones de estado de dichos subsistemas. A continuación se presentan los caos de
conexión de sistemas más habituales.

1. Dos sistemas disjuntos en serie, como los representados en la Figura 1.9, donde
cada uno de ellos cumple:

{Xl = AlXl + BlUl
Yl = ClXl + DlUl
{ X2 = A2X2 + B2U2
Y2 = C2X2 + D2U2

Figura 1.9: Sistemas en serie.

1.7. MÉTODOS DE OBTENCIÓN DEL MODELO DE ESTADO

31

La entrada del sistema conjunto es u = Ul, Y la salida y = Y2; por construcción se
cumple que U2 = Yl.
El estado del sistema conjunto será la unión de los dos subsistema:

x = [ :� ]

De forma que sustituyendo U2 por Yl:
{Xl = AlXl + BlUl
X2 = A2X2 + B2 (ClXl + DI ud
Y2 = C2X2 + D2 (ClXl + DI ud

= {X =

[B�b

l 12] X + [ B�b

l ] U

Y = [D2Cl C2] X + [D2Dll u

2. Dos sistema disjuntos en paralelo, como los representados en la Figura 1.10:

u

Figura 1.10: Sistemas en paralelo.

Para este sistema se cumplen la siguientes relaciones:

u = Ul = U2

y = Yl + Y2

El estado del sistema vendrá dado por:

x = [ :� ]

Por lo que las ecuaciones de estado en forma matricial quedan:

32

CAPÍTULO 1. MODELO DE ESTADO

3. Sistema con realimentación constante de la salida:

r

y

w

K

Figura 1.11: Realimentación constante de la salida.

Las ecuaciones del sistema sin realimentar son:

Al realimentar se cumplirá que:

{ x= Ax+Bu
y=Cx+Du

w Ky
u r-w
con lo que la nueva entrada es r, la salida continúa siendo y y se sigue representando
el estado con el vector x. De todo lo anterior, se deducen las siguientes ecuaciones:
y = Cx + D(r -w) = Cx + Dr -DKy = [1 + DK]y = Cx + Dr
y = [1 + DK]-lCX + [1 + DK]-lDr
x = Ax + B(r -Ky) = Ax + Br -BK[I + DK]-lCx -BK[I + DKtlDr
x = [A -BK[I + DK]-lC] x + [B -BK[I + DK]-lD] r
En el caso más habitual, que la matriz D se anule, la expresión anterior queda
como:

x= [A-BKC]x+Br

4. En un sistema con realimentación de estado como el que apaece en la Figura 1.12,
las ecuaciones del sistema sin realimentar son:

Al realimentar se cumplirá que:

{ x=Ax+Bu
y=Cx+Du

w=Kx

1.8. EJEMPLOS ADICIONALES

33

.�����

����

������

���

' ..-

-

--1

,
t

r

w

Figura 1.12: Realimentación del estado.

u=r-w
con lo que la nueva entrada es r, la salida continúa siendo y y el estado sigue repre
sentado por el vector x. De todo lo anterior, se cumplirán las siguientes ecuaciones:

x = Ax + B(r -Kx) = [A -BK]x + Br
y = ex + D(r -Kx) = [e -DK]x + Dr

(1.71)
(1. 72)

Como en el cao anterior, es frecuente que la matriz D se anule, con lo que la
Ecuación 1. 72 queda de la forma:

y=ex

(1.73)

1.8. Ejemplos adicionales

Modelo de estado de un sistema de depósitos

Ejemplo 1.7

La figura representa dos depósitos de áreas respectivas Al y A2 que están
comunicados entre sí mediante una tubería en sus bases, de sección eficaz SI.
En el primer depósito entra un flujo F1, que representa una variable de entrada
manipulada, y el segundo depósito tiene un orificio de salida libre de caudal,
cuya sección eficaz S2 puede variar y considerarse, por tanto, como una entrada

34

CAPÍTULO 1. MODELO DE ESTADO

de perturbación al sistema.

' 7

1

Las ecuaciones de comportamiento de este sistema hidráulico son:

A1h1

F1 -81 y2g(h1 -h2)

A2h2

81 y2g(h1 -h2) -82y2gh2

Éste es un sistema de dos ecuaciones diferenciales de primer orden, por lo

que su estado viene representado por dos variables, pudiendo elegirse las alturas
en ambos depósitos h1 y h2, con lo que las ecuaciones anteriores representan
directamente las ecuaciones del modelo de estado no lineal del sistema. Las
expresiones anteriores son sólo válidas mientras h1 � h2; en caso contrario es
necesario cambiar el signo delante de ambas raíces, obteniéndose una expresión
alternativa válida en el rango de valores h2 > h1. Obsérvese que, aunque las
condiciones iniciales del sistema podrían dar lugar a que h2 > h1. en los primeros
instantes de tiempo, el sistema tiende luego a su punto de equilibrio en el que
se cumple h1 > h2

Si se desea obtener un modelo de estado lineal del sistema que aproxime
su comportamiento en las cercanías de un punto de funcionamiento, se derivan
las ecuaciones anteriores y se toman valores incrementales respecto al punto de
funcionamiento, quedando:

1.8. EJEMPLOS ADICIONALES

Simplificando la notación en las ecuaciones anteriores, se obtiene el siguiente
modelo de estado del sistema linealizado:

donde los valores de las matrices están ligados a los parámetros físicos del sis
tema, debiendo cumplirse que a3 > a2.
El modelo de estado anterior puede paricularizase para cada sistema. En
concreto si se supone que los parámetros físicos del sistema valen 81 = 0,3,
82 = 0,25, Al = 2 Y A2 = 1,5 Y tomando como punto de linealización el estado
de equilibrio determinado por el flujo de entrada FlO = 1, de las ecuaciones
no lineales del sistema se obtienen los valores de las alturas en punto de equi
librio, que valen hlO = 1,38 Y h20 = 0,816. Introduciendo estos valores en las
ecuaciones anteriores, se obtiene el siguiente modelo de estado para el sistema
linealizado planteado:

Modelo de estado de un péndulo invertido

Ejemplo 1.8

35

36

CAPÍTULO 1. MODELO DE ESTADO

En la figura se representa el esquema de un péndulo invertido. Este sistema
mecánico tiene como única variable de entrada la fuerza u que se aplica al carro
de masa M, dando lugar a su desplazamiento horizontal x. Sobre dicho carro se
halla una barra rígida, que gira libremente sobre su punto de apoyo un ángulo (
y cuya masa m se puede suponer concentrada en un punto situado a distancia
l de su base sobre el carro.
Este sistema del péndulo invertido presenta unas ecuaciones análogas a las de
un cohete propulsado en vertical, en el que su empuje lateral se efectúa desde las
toberas situadas por debajo de su centro de gravedad. Las ecuaciones del sistema
se obtienen aplicando la ley de Newton sobre ambas masas, y proyectando sobre
ambos ejes:

d2(x + l sin ()

m

dt2
d2(l eos ()

m

dt2

Mx

Tsin(

Teos( -mg

u -Tsin(

siendo la variable T la fuerza que ejercen recíprocamente entre sí el carro y la
barra.

Eliminando dicha variable intermedia T, se obtienen las siguientes ecuaciones

del sistema:

u-Mx

ueos( -Mxeos( -mg sin (

Derivando las expresiones indicadas se obtiene:

mx -ml sin (iP + ml eos (O

-ml sin ( eos (02 -ml sin2 (O

u-Mx

ueos( -Mxeos( -mgsin(

Éstas son dos ecuaciones de segundo grado, por lo que el sistema tiene cuatro
variables de estado, pudiendo elegirse las posiciones y velocidades de ambas
masas, esto es (, O, x y x. Eliminando entre las dos ecuaciones anteriores O y x,
respectivamente, se obtienen las siguientes dos ecuaciones de comportamiento
del sistema:

(M + msin2 ()x

l(M + m sin2 ()O

ml sin (02 -mg sin ( eos ( + u

(M + m) 9 sin ( -eos (u -ml sin ( eos (02

1.8. EJEMPLOS ADICIONALES

En las que definiendo las siguientes variables de estado: Xl = X, X2 = X,
X3 = ( y X4 = i se obtienen las siguientes ecuaciones que representan el modelo
de estado no lineal:

X2
ml sin X3X� -mg sin X3 cos X3 + u
M + msin2

X3

= X4

(M + m)g sin X3 -COSX3U -ml sinx3 COSX3X�
lM + lm sin2

X3

Si suponemos que se realiza una estructura de control que logra mantener
al sistema funcionando en torno al estado definido por Xl = X2 = X3 = X4 = O,
las anteriores ecuaciones pueden linealizarse en torno a dicho punto de fun
cionamiento, obteniéndose el siguiente modelo lineal del sistema:

O

_!

M

O

(M+m)g
1M

Si las variables de salida del sistema son ((t) y x(t), se puede escribir la
ecuación de salida del modelo como:

[ O O
O 1

Modelo de estado de un sistema de masas múltiples

Ejemplo 1.9

Se pretende obtener un modelo de estado para el sistema de la figura formado
por dos muelles de coeficientes de elasticidad Kl y K2 respectivamente, y dos
masas ml Y m2, que presentan una fricción viscosa de coeficientes {l y {2. La
entrada es una fuerza F aplicada a la masa m2 Y las salidas son las distancias
Yl e Y2 de las masas respecto a sus puntos de equilibrio. Se considera además
la variable intermedia T correspondiente a la tensión ejercida por el muelle K2.

37

38

CAPÍTULO 1. MODELO DE ESTADO

F

Las ecuaciones que determinan el comporamiento del sistema son:

T

T

F

mlih + fd¡l + KIYI
K2(Y2 -Yd
m2ih + f2Y2 + T

(1. 74)

(1.75)

Es decir, dos ecuaciones diferenciales y una ecuación algébrica. Aplicando el
procedimiento descrito a 1.74 se obtiene:

s{(mlS + fdYI} = T -KIYI

-
-

Xl

Xl = (mIS + fdYI
Xl

T -KIYI

operando ahora con 1.76:

A partir de 1.75:

s(mlyd = Xl -

fIYI

-
.

X2

X2

mlYI

X2

Xl -

fIYI

(1. 76)

1.8. EJEMPLOS ADICIONALES

s{(m2S + ,2)Y2} = F -T
'

..-

X3

y finalmente a partir de 1.77:

s(m2Y2) = X3 -,2Y2

'
-

X4

X4

m2Y2

X4

X3 -,2Y2

(1. 77)

Resumiendo, se han obtenido cuatro ecuaciones diferenciales de primer orden:

y tres ecuaciones algébricas:

Xl = T -KIYI
X2 = Xl -,IYI
X3 = F-T
X4 = X3 -,2Y2

(1. 78)

(1. 79)

De estas últimas se pueden despejar las variables de salida e intermedias:

1

Y2 = -X4
m2

K2

K2
T= -X4 --X2
m2

mI

y sustituyendo en 1.78 se obtienen, finalmente, las ecuaciones del sistema:

K2

K2

KI
-X4 --X2 --X2 =
m2

mI

mI

KI +K2

K2

-

-X2+-X4

mI

m2

39

40

{I
Xl --X2
mI

CAPÍTULO 1. MODELO DE ESTADO

k2

K2
F--X4+ -

X2 =

m2

mI

K2

K2
-X2 --X4+F
mI

m2

{2
X3 --X4
m2

Aunque es evidente que en este caso la resolución directa presentada es
la más sencilla y adecuada, habrá otros casos más complejos donde la forma
matricial resulte conveniente, ya que es más sistemática. La forma matricial del
sistema de ecuaciones 1.78 es:

y el sistema 1.79 queda:

o
O
O
-{2

(1.81)

A partir de 1.81 se despejan las variables de salida e intermedias invirtiendo
la correspondiente matriz:

[ ; 1 -[ K2 -K2

-mI O
O -m2

O 1

O

mI
O O O

O K2

O

mI

� r [�

O

r �� 1

1
m2
K2
m2

O
1
O

O O

X2

=

O O

J[ x, 1

O 1

X3
X4

(1.82)

1.8. EJEMPLOS ADICIONALES

y sustituyendo en 1.80 se obtiene:

o KI+K2

O K2

mI

m2

[ �¡ 1 1

fI

O O

[ �n +

[ ! 1 F

mI

O

K2

O K2

mI

m2

O

O

1 f2
m2

La ecuación de salida se obtiene ahora a partir de 1.82, mediante la selección
de las variables correspondientes:

1

O

O O

Modelos de estado de sistemas de orden reducido

Ejemplo 1.10

u(t)

Si la dinámica del sistema se puede representar mediante la ecuación dife-

41

42

CAPíTULO 1. MODELO DE ESTADO

rencial:

Ku=: +aXI

el sistema posee una única variable de estado, al ser de grado uno, que puede
ser la salida del bloque. La ecuación de estado es, por tanto:

u(t)

: = -aXI +Ku

K
" s2 + as + b

"

La dinámica del sistema de la figura viene dada por la ecuación diferencial:

por lo que el modelo de estado exige la presencia de dos variables de estado.
Como primera puede tomarse la salida del bloque, mientras que la segunda puede
ser la derivada de la salida:

X2 = Xl
Xl = X2 = K u -aXI -bXI

Las ecuaciones de estado son:

u(t)

K(s + e)
' (s+a)(s+b)

Entre otros métodos, se puede realizar descomponiendo el sistema en dos
bloques, uno que contiene un polo y otro que contiene un par polo cero, teniendo
en cuenta que el bloque que contiene un polo debe preceder al del par polo cero

1.8. EJEMPLOS ADICIONALES

para garantizar la derivabilidad de ambas variables de estado:

u(t) K

. X2(t) s+c Xl (t)

" -

.

s+b "

s+a

1

Se elige como segunda variable la representada entre los dos bloques.
El sistema se comporta como:

K u = X2 + aX2 = X2 = -aX2 + K u
X2 + CX2 = Xl + bXI = Xl = -bXI + CX2 + X2 = -bXI + (e -a)X2 + Ku

Las ecuaciones de estado son:

{ xI=-bxI+(c-a)X2+Ku
X2 = -aX2 +Ku

Otra solución a este mismo problema se puede encontrar descomponiendo el

sistema en:

u(t)

K(s+c) =�+�
(s+a)(s+b) s+a s+b

Se elige como segunda variable de estado la salida de uno de los dos bloques,
además de la salida global del sistema:

Bu = (s + b)(Xl -X2) = Xl -X2 + bXI -bX2 = Xl + bXI + (a -b)X2 -Au

Las ecuaciones de estado quedan:

{Xl -bXI + (b -a)X2 + (A + B)u
X2 -aX2 + Au

y

Xl

43

44

CAPÍTULO 1. MODELO DE ESTADO

_u_(t_) 'IK(s + a) ry_(t) ..
s+b

..

En sistemas con igual grado en el denominador y en el numerador, no es
posible que la salida del sistema sea una variable de estado, pues una variación
brusca de la entrada implicaría una variación brusca del estado. En estos sistemas
es necesario realizar una descomposición del mismo, a fin de obtener un bloque
en el que el grado del denominador sea mayor que el del numerador. Es necesario
descomponerlo en:

u(t)

y(t)

K(a -

b) x¡(t)

s+b

Ks+a =K+Ks+a-s-b =K+Ka-b
s+b s+b s+b

Eligiendo como nueva variable de estado la salida del nuevo bloque:

K(a -b)u =:h + bXI

Las ecuaciones de estado quedan:

{: = -bXI + K(a -b)u
y = Xl +Ku

Diagramas más complejos pueden ser resueltos descomponiéndolos en los an
teriores o de forma similar. Nótese que en estos casos las condiciones iniciales del
estado no se corresponderán con las salidas de los integradores puros, debiendo
ser calculados a partir de ellos.

1.9. EJERCICIOS RESUELTOS

Cuando se obtiene el modelo de estado a partir de un diagrama de bloques
no se pueden realizar cancelaciones, ya que para modelar el comportamiento del
sistema es necesario conocer todas las variables involucradas, con sus condiciones
iniciales correspondientes. Además, y como se vio en la teoría clásica, puede
enmascarar posibles inestabilidades. Por ejemplo, el sistema de la figura posee
dos variables de estado, Xl y X2.

u(t)

1

X2(t) s+a

-
-

"i-

-

! .

s+a

s+b

u = X2 + aX2
X2 + aX2 = Xl + bXl

= X2 = -aX2 + u
= Xl = -bXl + aX2 + X2 =

Xl (t)

= -bXl + aX2 -aX2 + u = -bXl + U

Las ecuaciones de estado quedan:

{Xl

-bXl + U

X2

-aX2 + u

y

Xl

1.9. Ejercicios resueltos

45

1. Hallar un modelo de estado del sistema de la fgura, sabiendo que ha de incluir el
mayor número posible de las variables representadas.

u(t)

46

CAPÍTULO 1. MODELO DE ESTADO

Observando la fgura, se aprecia que X2 Y X3 pueden ser variables de estado, ya que
no van a sufrir discontinuidades ante cambios bruscos en las entradas del sistema.
No sucede lo mismo con Xl, pues una variación brusca en la entrada u originaría
la aparición de una variación brusca en esta variable. Para este bloque, se precisa
obtener dos variables de estado:

, [SiX' -¿ + X3l +2x, -4u + 4X3] � 3(u -X3) -4x,

,

;

X5

Se eligen como variables de estado X4 Y X5, dado que cumplen con las condiciones
de derivabilidad necesarias:

resultando:

X4 = Xl -U + X3
X5 = X4 + 2XI -4u + 4X3

X4 =X5 + 4u -4X3 -2X4 -2u + 2X3 =
=X5 -2X4 -2X3 + 2u
X5 =3(u -X3) -4XI =
=3u -3X3 -4X4 -4u + 4X3 =
= -4X4 + X3 -U
X2 = -X2 + Xl + V =
= -X2 + X4 + U -X3 + V
X3 = -3X3 + X2

Si se expresa todo el conjunto de ecuaciones en forma matricial:

1.9. EJERCICIOS RESUELTOS

47

2. Para el sistema de la fgura, indicar cuáles de las siguientes afrmaciones son váli­

das:

11

14

12
U1� C 13 C=.U2
C .U3

+

L

Ug

R

a) I puede ser variable de estado.
b) h puede ser variable de estado.
c) la puede ser variable de estado.
d) l4 puede ser variable de estado.
e) l6 puede ser variable de estado.

C

U4•

16

R

f) U2, l4 y Ua pueden ser variables de estado a la vez.
g) U4 y U5 pueden ser variables de estado a la vez.
h) U4 y U5 pueden ser, cualquier de las dos, variables de estado.
i) U2 y Ua pueden ser variables de estado a la vez.
j) h e ls pueden ser variables de estado a la vez.
k) h e 19 pueden ser variables de estado a la vez.

L

a) l2 no puede ser variable de estado, puesto que cambia bruscamente ante dis­
continuidades en la tensión de entrada Ug• Estas discontinuidades en Ug se
repiten en bornes de la primera rama (y de todas las demás), por lo que la
tensión en bornes de alguno de sus componentes colocados en serie debe tam­
bién variar bruscamente, y puesto que la tensión en bornes de un condensador
nunca puede hacerlo, es la tensión en bornes de la resistencia de esta primera
rama la que absorbe la discontinuidad de la entrada, variando por tanto la
intensidad que pasa por ella l2 también de forma brusca (según la ley de Ohm
U = Rl).

48

CAPÍTULO 1. MODELO DE ESTADO

b) h no puede ser vriable de estado puesto que, ante cambios bruscos en la
tensión de entrada Ug, la intensidad h varía bruscamente (según el apartado
a), y al ser h una componente de la intensidad 11, ésta también presentará
una discontinuidad ante dichos cambios bruscos de la entrada.

e) la sí que puede ser variable de estado, puesto que es la intensidad que pasa por
una bobina y ésta nunca puede variar de forma brusca (las discontinuidades
en la tensión de entrada provocan saltos en la derivada de la intensidad l).
d) 14 también puede ser variable de estado por los mismos motivos que los expli­
cados en c).

e) 16 no puede ser vriable de estado, por los mismos motivos que los explicados

en a).

f) U2, 14 y Ua sí que pueden ser variables de estado a la vez, puesto que ninguna
de ellas varía bruscamente ante discontinuidades de la entrada y además no
son linealmente dependientes entre sí. Desde un punto de vista físico, esta
tercera rama está compuesta de tres subsistemas de primer orden, y cada uno
de ellos lleva asociada una variable de estado, que es la magnitud física que
no puede variar bruscamente: la tensión en los condensadores y la intensidad
en la bobina.
g) U4 y U5 no pueden ser a la vez variables de estado. Los dos condensadores están
conectados en paralelo, de manera que actúan como un único condensador
(de capacitancia 20), siendo forzosamente la tensión en sus bornes siempre
la misma, que es por tanto la única variable de estado asociada a estos dos
condensadores que se comportan como uno solo.
h) U4 y U5 sí que pueden ser, cualesquiera de las dos por sí solas, variables
de estado, puesto que las dos son la misma tensión y ésta no puede variar
bruscamente ante cambios bruscos de la entrada.
i) U2 y Ua sí que pueden ser a la vez variables de estado, puesto que ninguna de
ellas varía bruscamente ante cambios bruscos de la entrada y, además, no son
linealmente dependientes entre sí. Podría parecer que, al ser la intensidad que
circula por ambos condensadores la misma (por estar conectados en serie), la
tensiones de ambos condensadores estarán ligadas linealmente entre sí (esto
es, actúan como un único condensador de capacidad f) y por tanto estas dos
tensiones no podrían ser a la vez variables de estado. El razonamiento an­
terior es válido para unas tensiones iniciales dadas en ambos condensadores,
pero nada impide que estas tensiones iniciales puedan tener valores arbitrarios
cualesquiera en cada condensador, correspondiendo por tanto a variables de es­
tado independientes, asociadas a condensadores físicamente distintos, aunque
su evolución temporal está ligada a partir de unas tensiones iniciales dadas.
j) h e 18 no pueden ser variables de estado a la vez, debido a un razonamiento
similar al que se ha hecho en el apartado g) con los condensadores de tensiones

..9. EJERCICIOS RESUELTOS

49

U2 y U3• En el presente cao, la intensidad que circula por los devanados
de cada una de la bobinas es siempre la misma, independientemente de la
condiciones iniciales y de la evolución de la entrada, por lo que sólo se tiene
una única variable de estado.
k) he 19 sí que pueden ser variables de estado a la vez, por un razonamiento aná­
logo al del apartado i). En el presente caso, debido a la conexión en paralelo de
la dos ramas con la misma impedancia, cualquier entrada dará lugar a que los
incrementos de intensidades sobre los valores iniciales sean siempre los mismos
en ambas rama, pero los vlores absolutos de la intensidades que circulan
por cada una de ellas pueden ser completamente distintos, dependiendo de la
condiciones iniciales. Por tanto, las intensidades que pasan por ambas ramas
son variables físicas distinta sin ligazón lineal entre sí y que, al no variar
bruscamente ante cambios bruscos de la entrada, pueden ser consideradas
ambas a la vez como vriables de estado.

3. Las ecuaciones de la trayectoria circular de una nave espacial en ingravidez son:

donde:

Variable

P

w
O

u

w

-

aw + KwpcosO u

mi

_pw2 + KpsinO u

Descripción

Radio de giro de la trayectoria de la nave.
Velocidad angular de la nave.
Ángulo de la tobera de propulsión.
Consumo de combustible de propulsión.

Siendo a, m, Kw, Kp constantes del sistema, que valen respectivamente a = 1, m =
1, Kw = 0,01, Kp = 1.

a) Obtener un modelo de estado del sistema no lineal original.

b) Obtener un modelo de estado del sistema linealizado en torno a la trayectoria
de referencia defnida por Wo = 0,01 radj s y Po = 100 m.

a) Utilizando el operador derivda, la ecuaciones del sistema se pueden escribir

como:

-aw + Kwp cos O U
_pw2 + KpsinO u

50

CAPÍTULO 1. MODELO DE ESTADO

Eligiendo como variables de estado la salida de los integradores en ambas
ecuaciones, se obtiene:

Con lo que las ecuaciones de estado quedan:

Xl

-aXI + KwX3 cos 8 u

.

1 2 K .

8

X2

--x3XI + psm u

m

X3

X2

b) Calculando los valores de funcionamiento de las entradas para la trayectoria
de referencia se obtiene: 80 = 7 / 4 Y Ua = 0,01 y, con lo que las ecuaciones
linealizadas del sistema en torno a estos valores de referencia son:

w(t)

1

-w(t) + O,OOOlp(t) +

yu(t) -O,OIB(t)

p(t)

1

-O,OOOlp(t) -2w(t) +

yu(t) + 0,0l8(t)

Eligiendo las misma variables de estado, se obtiene el siguiente modelo de
estado lineal del sistema en torno a la trayectoria de referencia:

1

-Xl + 0,0001x3 +

y U -0,018
1

-2XI -0,0001x3 +

yu + 0,018

X2

4. Se dispone de dos depósitos de agua de sección constante Al y A2, respectivamente.
Ambos están alimentados por un caudal qe. En cada depósito el caudal de salida es
proporcional con una constante B a la altura del líquido, h, y ambos vierten a una
misma tubería. Hallar un modelo de estado:

1.9. EJERCICIOS RESUELTOS

a) A partir del sistema fsico.
b) A partir del diagrama de bloques.
c) Usando variables de fase.
d) Usando variables de Jordan.
La ecuaciones físicas del sistema son:

qe -qSi = Aih } b d ó'
en am os ep SItoS

qSi = Bhi

qs = qSl + qS2

51

De aquí en adelante, para mayor claridad en el desarrollo, se omite la dependencia
del tiempo de la variables.

a) Se eligen como vriables de estado:

y sustituyendo en las ecuaciones física:

. B 1
::Xl = --Xl + -qe
Al Al
. B
1
::X2 = --X2 + -qe
A2 A2

52

CAPÍTULO 1. MODELO DE ESTADO

escrito en forma matricial:

o

B

-

A2

Si en lugar de haber elegido esta variables de estado se hubiesen elegido los
caudales de salida:

entonces el desarrollo hubiera sido:

. Al .
qe = Alhl +XI =

EXI +XI

. A2 .
qe = A2h2 + X2 =

EX2 + X2

que escrito en forma matricial resulta:

b) A partir del diagrama de bloques:

o

B

-

A2

Tomando transformadas de Laplace en las ecuaciones del sistema:

1.9. EJERCICIOS RESUELTOS

B

-_B

__ = Ai

AiS + B s + J.

Ai

para cada depósito

Eligiendo como vriables de estado, por ejemplo:

Xl = qs = Y
X2 = qSl

con lo que quedarían las ecuaciones:

. B

B

X2 + Al X2 = Al qe
(Xl -X2) + �2 (Xl -X2) = �2 qe

y expresado en forma matricia:

[ -

!2

53

e) Para utilizar las variables de fase, primero hay que hallar la función de trans­
ferencia del sistema:

A partir de esta función de transferencia, es posible obtener directamente la
variables de fase, mediante el proceso:

2 ( B B ) B2 ( B B ) 2B
s qs + Al + A2 sqs + AIA2 qs = Al + A2 sqe + AIA2

54

CAPÍTULO 1. MODELO DE ESTADO

Con lo que la expresión del modelo en forma matricial queda:

o

1

y = [

d) Para utilizar variables de Jordan, nuevamente se parte de la función de trans
ferencia:

( B

B

)

A,

A2

qs = --B-+ --B-

qe

S + A,

S + A2

A partir de esta función de transferencia se extraen la variables de Jordan:

B

B

y = -Xl + -x2
Al A2
y
poniendo toda las ecuaciones en forma matricial:
[ :�] [-!, _!] [ �� ] + [ � ] qe
y = [:, :2 J[ �� ]
5. Dado el sistema de la fgura, escribir su representación mediante ecuaciones de

estado.

1.9. EJERCICIOS RESUELTOS

55

El sistema precisa de cuatro variables de estado para su representación, dos para
el primer bloque, de segundo orden, y una por cada uno de los bloques de primer
orden. En el diagrama aparecen tres variables, la de salida de cada uno de los blo­
ques, que pueden ser tomadas como variables de estado; dada esta tres variables,
es necesario encontrar otra asociada al bloque de segundo orden. Esta variable se
obtiene como:

con lo que la ecuaciones quedan:

Xl -Xl + X2 -3X3 -3X4 + U
X2 -Xl -3X3 -3X4 + U
X3 Xl -X3
X4 2XI -X4

y

3X3 + 3X4

que expresado en forma matricial es:

6. Dado el sistema de la fgura, elegir un modelo de estado que contenga como variables
de estado el máximo número posible del conjunto de variables [Xl> X2].

56

CAPíTULO 1. MODELO DE ESTADO

De las dos variables propuestas para ser incluidas en el modelo de estado, Xl podría
utilizarse, pero X2 no, puesto que puede presentar discontinuidades ante vriaciones
bruscas de la entrada.
Se necesitan cuatro variables de estado para representar el sistema y se dispone
solo de una Xl, por lo que será necesario incluir otras tres. Una de ellas puede ser
la salida del bloque de realimentación, que se denotará por X3 Y que en ningún caso
sufrirá variaciones bruscas, por ser la salida de un bloque con una diferencia de un
grado entre el denominador y el numerador. Del primer bloque, de segundo orden:

5(u -X3) = (82 + 28 + 3)XI

5(u -X3) = 8(8 + 2)XI + 3XI
5(u -X3) -3XI = 8 (Xl + 2XI)

"
-

X5

de donde se obtienen las dos ecuaciones:

X5 = Xl + 2XI = Xl = -2XI + X5
X5 = 5u -5X3 -3XI
Nótese que sería igualmente válido, en este caso, tomar como X5 = Xl, pues la
diferencia de grados entre el denominador y el numerador en el bloque considerado
es de dos órdenes, por lo que se garantiza continuidad en la variable de salida y en
su derivada. Del bloque asociado a la entrada v:

(8 + 2)v = (8 + 3)X4
donde X4 representa la salida de dicho bloque, que no puede ser variable de estado:

2v - 3X4 = S (X4 -v)

'
-

de donde se obtiene:

Finalmente, del bloque de realimentación:

5(X4 + x¡)
5(X6 + V + x¡)

de donde se obtiene la ecuación:

X6

1.9. EJERCICIOS RESUELTOS

57

Por último, falta calcular la ecuación de la salida en función de la variables de
estado:

y = X2 = 5(X4 + X¡) = 5X6 + 5

v + 5Xl

Expresando el conjunto de ecuaciones en forma matricial:

[ �� 1 [

Y = [5 O

-2 O
5 -1
-3 -5
O O

1
O
O
O i 1 p: 1 +

[� i 1 [ �

1

-3

X6 0-1

O 5l[�n+[o 5l[�l

7. En el sistema de la fgur, deducir las ecuaciones de estado, tomando como variables
de estado el volumen y la concentración de salida, y como salidas el fujo y la
concentración, para el sistema linealizado.

h('lI

F,C

Se plantean las ecuaciones física de comportamiento del sistema:

donde:

Balance de caudal:

� = Fl + F2 -F

Flujo de salida:

F = kv = k�

58

CAPÍTULO 1. MODELO DE ESTADO

V representa el volumen de fuido en el depósito.
H y F2 representan los caudales de entrada.
F representa el caudal de salida.
Cl y C2 representan las concentraciones de entrada, que se suponen constantes.
C representa la concentración de salida.
• h representa la altura de fuido en el depósito.
• S representa la superfcie del depósito, que supone constante.
En el punto de equilibrio se cumplirá que:

Fa = FlO + F2a
ClFlO + C2F2a
= CFa
Fa = Kf

Linealizando en torno a este punto de equilibrio:

V = Fl + F2 -F
év +
cv = ClFl + C2F2 -CF '
�é+�V=�H+��-�F-�C
F
= __

_

l_V = Fa V

2V y

2Va

Teniendo en cuenta que:

Xl = V Yl = F Ul = Fl
X2
= C Y2 = C U2 = F2

se vuelve a las ecuaciones linealizadas para formular el modelo de estado:

.

Fa

V = H + F2 -F = Ul + U2 -Yl = Ul + U2 --V

2Va

. Cl C2 Ca Fa Ca .
C
= -Ul + -U2 --F --C --V
Va Va Ca Va Va
. Cl C2 Ca Fa Ca Ca Ca Fa
C --Ul + -U2 --F --C --Ul --U2 +
-

V

-Va � Ca Va Va Va 2Va2

Ecuaciones que expresadas en forma matricial quedan:

[ �] [-r _ o� 1 [ � ] + [
[�]=[í �][�]

1

C1-CO

-
-

1

C2-CO

-
-

1.9. EJERCICIOS RESUELTOS

59

8. Obtener el modelo de estado linealizado del sistema representado por la siguiente
ecuación diferncial:

d2y(t) (dy(t)) 2 =

()

dt2 +

dt u t

Linealizarlo en torno a las tryectorias descritas por las variables de estado ante
una entrada u(t):

u(t) =

2 + 4t2

sabiendo que en este caso se obtiene una salida de y =

t2•

En primer lugar, se deben elegir las variables de estado, en este caso dos, por ser
la ecuación de segundo orden:

Xl =

y

X2 =

Y

Se linealiza en torno a la trayectoria propuesta:

j + 2yoY =

u

según la trayectoria dada:

X20 =

Yo =

2t

por lo que se puede escribir la ecuación como:

Por lo que escribiendo la ecuaciones en forma matricial queda:

[ ��] [�-4�] [ �� ] + [ ] u
y =

[1 O]

[ �� ]

9. Hallar un modelo de estado del siguiente sistema:

Se trata de un sistema no lineal en el que la salida no presenta discontinuidades
ante discontinuidades en la entrada y, consecuentemente, puede ser elegida como
variable de estado. No sucede lo mismo con la derivada de la salida, y, que presenta
las misma discontinuidades que la entrada y, por tanto, no puede elegirse como
vriable de estado del sistema.

60

CAPíTULO 1. MODELO DE ESTADO

Para la elección de variables de estado, se va a utilizar la metodología de elegir la
salida de los integradores. La ecuación propuesta puede escribirse como:

s(i -u) = yu2 -i2

donde el término entre paréntesis puede obtenerse como integración del término de
la derecha y, por tanto, elegirlo como variable de estado:

Xl = i + u

que, introducido en la ecuación inicial, da como resultado la defnición de su dinámi­
ca:

.

·2

Xl = yu -y

En la ecuación de defnición de la variable Xl, se elige de nuevo como variable de
estado la salida del integrador, esto es:

X2 =y

que es la ecuación de salida del sistema.
Introduciendo este valor de y en la defnición de Xl se obtiene:

X2 = Xl -U
e introduciendo los valores de y e i dados por las dos últimas ecuaciones en la
ecuación de la dinámica de Xl, se obtiene la siguiente ecuación del modelo de
estado:

.

2

(

)2

Xl = X2U -Xl -U
que, junto con la ecuación de la dinámica de X2 Y la de salida, la defnición de X2,
forman las ecuaciones del modelo de estado no lineal del sistema.

1.10. Ejercicios propuestos

1. Dado el circuito eléctrico de la fgura:

1.10. EJERCICIOS PROPUESTOS

61

15 R '
-

+

e

L

L

L

R

Tomando como entrada Ug, elegir un modelo de estado que contenga el mayor
númer posible de variables de estado entre l¡, h, h, 14, 15.

2. Obtener la matriz de funciones de transferencia corrrespondiente al sistema repre­
sentado por el siguiente modelo de estado:

[ -1 O] [ Xl ] + [O 1] [ UI

]

O -2 X2

1 1 U2

y

[O 1] [ �� ] + [O 1] [ �� ]

3. Obtener el modelo de estado linealizado respecto al punto de equilibrio del sistema
representado por las ecuaciones:

Lr =

9 sin < -j cos <

Mj+Fi =

u

4. Obtener el modelo de estado del sistema representado por el siguiente diagrama de
bloques, tomando Xl y X2 como variables de estado.

62

CAPÍTULO 1. MODELO DE ESTADO

u(t)

8+1
82 + 8 + 1

Xl

1
8+1

v(t)

5. Obtener el modelo de estado del sistema representado por el siguiente diagrma de
bloques tomando Xl, X2, X3, X4 como variables de estado.

u(t)

6. H altar un modelo de estado no lineal del siguiente sistema:

2

2.1.

Solución de la ecuación de
estado de sistemas lineales

Introducción

En el capítulo anterior se ha establecido la forma de representar el comportamiento
de un sistema mediante la ecuación de estado; tal como se encuentra formulada toma
la forma de ecuación diferencial de primer orden. En principio, dada la diversidad en
la naturaleza y comportamiento de los sistemas que pueden ser representados con esta
metodología, no existe ninguna restricción en la forma de dicha ecuación, salvo los ya
conocidos de causalidad y determinismo.
Como ecuación diferencial que es, la ecuación de estado describe completamente el
comportamiento del sistema al que representa y, sin embargo, es necesario resolver esta
ecuación diferencial para tener un conocimiento explícito de la evolución de dicho sistema,
lo que nos permitiría extraer conclusiones detallada sobre su régimen de funcionamiento,
tanto dinámico como estático.
La solución de la ecuación en su forma má genérica, incluyendo la posibilidad de
aparición de no linealidades arbitrarias, no puede abordarse de forma general; como en
la mayoría de los caos de ecuaciones diferenciales no lineales, su tratamiento se ha de
abordar de forma particularizada y, muchas veces, sin la posibilidad de obtener una
solución analítica. Obviamente el problema es aún abordable haciendo uso de métodos
numéricos de solución, pero estas técnicas quedan fuera del ámbito de estudio del presente
texto. Es por este motivo que en este capítulo el desarrollo se va a ceñir a ecuaciones
diferenciales lineales, dejando claro el hecho de que no se trata de una limitación propia
de la utilización de variables de estado en la descripción del sistema, sino en la posibilidad
práctica de resolución analítica del problema matemático subyacente.

63

64

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

El objetivo en este capítulo es, por consiguiente, resolver la ecuación de estado de un
sistema lineal en el caso más general, es decir:

x(t) =

A(t)x(t) + B(t)u(t)

(2.1)

La solución de esta ecuación se plantea, a semejanza con las ecuaciones diferenciales
usuales, en dos fases: resolución de la ecuación homogénea y resolución de la ecuación
completa. Cabe recordar que se conoce como ecuación homogénea aquella para la cual
la entrada al sistema se anula, es decir, que dicho sistema no recibe estímulo externo
alguno, por lo que la respuesta de éste vendrá dada por su evolución libre. Por contra,
la ecuación completa contempla tanto esta evolución libre como la respuesta del sistema
ante el estímulo externo mencionado.

2.2. Solución de la ecuación homogénea. Matriz de tran

sición

En la ecuación homogénea se supone que la entrada u(t) es nula, por lo que la ecuación

a resolver es:

x(t) =

A(t)x(t)

(2.2)

con condiciones iniciales x(to) =

Xo.

2.2.1. Caso general

Para encontrar la solución de la ecuación homogénea se puede utilizar el método de
integración por aproximaciones sucesivas de Peano-Baker, que dice que dada una ecuación
diferencial de la forma:

x(t) =

f(x(t), u(t), t)

(2.3)

con condiciones iniciales x( to) =

Xo, se puede obtener la solución de dicha ecuación

construyendo una secuencia de funciones del tipo:

'o =

Xo

'k(t) =

'o + t f ('k-l (T), U(T), T) dT

ita

en la que la solución de la ecuación diferencial se obtiene como:

x(t) =

lím 'k(t)
k-o

(2.4)

(2.5)

En el caso de una ecuación diferencial de la forma propuesta en la Ecuación 2.2 se

obtiene la sucesión:

(2.6)

2.2. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. MATRIZ DE TRANSICIÓN

<2(t)=l:A(T)

[xo+ 1: A(TddTIXO]dT=
= Xo + t A(T)dTXo + t A(T) r A(Tl)dTldTXO =

ho

ho ho

= [1 + t A(T)dT + t A(T) r A(TddT1dT] Xo

Jto

Jto Jto

65

(2.7)

A medida que progresa la construcción de los sucesivos términos de la serie, se com
prueba que en todos ellos va apareciendo un término Xo que se puede extraer por la
derecha; después de la extracción de este factor común la expresión a la que se tiende es:

X(t) = c(t, to)xo

(2.8)

donde c(t, to) es la llamada matriz de transición, mediante la que se construye la solución
de la ecuación diferencial, y cuya expresión es:

(2.9)

El vector x(t) obtenido es solución de la ecuación homogénea con condiciones iniciales
x(to) = Xo. Se puede demostrar además que esta solución es única.

2.2.2. Casos particulares de la matriz de transición

La Ecuación 2.2 tiene una solución sencilla mediante el método de integración por
aproximaciones sucesiva de Peano-Baker, cuando el producto de A(t) y J

t: A(T)dT es

conmutativo. En este cao la matriz de transición viene dada por:

(2.10)

Teniendo en cuenta que:

Al entrar con este resultado en el término general de la solución de Peano-Baker:

66

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

¡t

A( T) . .. rk-3 A( Tk-2) rk-2 � -
d

d

[rk-l A( Tk)dTk] 2

dTk-l dTk-2 ... dT =

ita

ita

ita 2 Tk-l ita

,

"

v

[1:k-2 A(Tk)dTk r

=

1: A(T)··· 1:k-3 A(Tk-2)

[� [1:k-2 A(Tk)dTk] 2

] dTk-2dTk-3··· dT

"

'

v

�-

d

d

[rk-3 A(Tk)dTk]3

3. Tk-2 ita

y si se continúa con las sustituciones, sucesivamente se llega a que el término general de
la serie de Peano-Baker es igual a:

con lo que la suma de la serie se convierte en:

<(t, to) =

1 + ¡t

A(T)dT + � [ ¡t

A(T)dT] 2

+ ... + �, [ ¡t

A(T)dT] k

+ ...

ita

2. ita

. ita

que, por ser el desarrollo en serie de Taylor de la función exponencial, se puede expresar
como:

<(t, to) =

eJ,� A(r)dr

(2.11)

Existe una serie de casos en los que se cumple la restricción de que el producto de
la matriz A(t) y su integral es conmutativo, por lo que en dichas situaciones se podrá
hallar la matriz de transición de forma directa aplicando la expresión 2.11:
La matriz
A(t) es diagonal: en este caso, es claro que ambas matrices conmutan, por
lo que se puede aplicar la fórmula general, resultando:

r [ aU{Tl

O

1 d,

<(t, to)

eJ,o A(r)dr

=

e 'o

ann(T)

J ta'ldT

O

ft

o ann (T )dT

r J,' all(r)dr

O

1

e o

(2.12)

O

eJ,o ann(r)dr

2.2. SOLUCIÓN DE LA ECUACIÓN HOMOGÉNEA. MATRIZ DE TRANSICIÓN

67

La matriz A(t) se puede factorizar: si a la matriz A se le puede extraer como fac
tor común de todos sus términos una función del tiempo, de forma que se pueda
expresar como el producto de una matriz invariante por dicha función, entonces se
cumple el producto conmutativo del supuesto. Es decir, si:

A(t) =

Ma(t)
donde M es una matriz invariante y a(t) es un escalar. Entonces:
"(t t ) -Jtt A(T)dT _

J; Ma(T)dT _

M J; a(T)dT

',o-ea

-ea

-e a

(2.13)

(2.14)

La matriz A es invariante: en este caso, la matriz conmuta con su integral, de forma
que se puede aplicar la expresión general:

"(t t ) -J; AdT _

A J; dT _

A(t-ta)

',o-ea -e a -e

(2.15)
En este cao, al depender la expresión de la matriz de transición q(t, to) sólo de la
diferencia entre el instante inicial y el fnal, se suele utilizar la notación q(t -to).
La matriz A(t) es un escalar: en este cao, es evidente que la matriz y su integral
conmutan, puesto que en ambos casos se trata de escalares para los que siempre se
da la propiedad de conmutación en el producto, por lo que la matriz de transición
toma la forma:

Ejemplo 2.1

q(t, to) =

eJ;a a(T)dT

(2.16)

Calcular la evolución del estado ante entrada nula para el sistema:

o
-2

O � 1 x
-1

sabiendo que to =

1 Y Xo

diagonal entonces es:

[1 -

1 2V. Como la matriz del sistema es

q(t, to) =

eA(t-ta) =

[ et-�ta

O
e-2(t-ta)
O

con lo que la evolución libre del estado es:

x(t) � "(t, l)x, � [ O

e-2(t-l)
O

O
O
e-(t-l)

et-1 1
_e-2(t-l)
2e-(t-l)

68

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Un caso más desarrollado de cálculo de la evolución libre del estado de un sistema se
puede ver en el Ejemplo 2.6 al fnal de este capítulo.

2.3. Propiedades de la matriz de transición

1. Derivación respecto al tiempo

Si se deriva la expresión genérica de la matriz de transición, se tiene:

di(t to)

¡t

d

' =

A(t) + A(t) A(T)dT + .

.. =

A(t)i(t, to)

t

ta

(2.17)

Como se observa, la derivación cancela el primer integrando de todos los sumandos,
por lo que la matriz A(t) puede ser extraída de todos los términos como factor
común por la izquierda; después de esta extracción, lo que queda vuelve a ser
la suma infnita que defne a la matriz de transición, como queda refejado en la
expresión.
Además, puede observarse que la matriz i(t, to) cumple con la misma ecuación
diferencial que el estado (Ecuación 2.2), por lo que puede extraerse la conclusión
de que cada uno de los vectores columna de la matriz de transición cumple con dicha
ecuación diferencial homogénea. Se puede demostrar además que estas n columnas
forman un sistema generador del espacio de soluciones de la Ecuación 2.2, lo que
signifca que cualquier solución que se obtenga, dadas unas condiciones iniciales, se
puede expresar como una combinación lineal de dichos vectores columna.

2. Valor de la matriz de transición en to
El valor de la variable x(t) para el instante t =

to coincide con el �pecifcado
como condición inicial, es decir xo, por lo que al particularizar la sohición para
este instante inicial, y teniendo en cuenta que la ecuación se cumple para cualquier
estado inicial, se deduce que:

x(to) =

i(to, to)x(to) ::i(to, to) =

1

(2.18)

es decir, que la particularización de la matriz de transición para el instante inicial
debe dar como resultado la matriz identidad de la misma dimensión.
A esta conclusión se llega igualmente haciendo t =

to en la expresión de i(t, to)
mediante la serie de Peano-Baker (Ecuación 2.8), por lo que todas las integrales se
anulan permaneciendo únicamente la matriz identidad.

3. Tansitividad de la solución de la ecuación homogénea
Si se calcula la solución de la ecuación homogénea para cualquier instante t2, se
obtiene:

2.3. PROPIEDADES DE LA MATRIZ DE TRANSICIÓN

69

Si se hace lo mismo para otro instante ti, se tiene:

x(td =

<(h, to)x(to)

Como la solución de la ecuación de estado es única, se debe alcanzar el mismo estado
para un instante determinado si se parte de las mismas condiciones iniciales, por
lo que también se cumple:

por tanto, al ser válido para cualquier estado inicial, se deduce:

(2.19)
Para el caso de sistemas invariantes, dado un instante t y un intervalo de tiempo
T, la solución de la ecuación homogénea particularizada para el instante t + Tes:

(2.20)

4. Inversión de tiempos
Si en la ecuación de transitividad se hace la suposición de que t2 = to, se obtiene:

lo que, como consecuencia, permite afrmar que la matriz de transición ha de ser
no singular.
Para el caso de matriz A invariante, esta propiedad se reduce a:

5. Cambio de representación del estado

(2.21)

Para cualquier cambio de representación del estado, x(t) = T(t)x(t) con la condi­
ción de existencia de T-i (t) se verifca:

<(t, to) =

T-i(t)<(t, to)T(to)

(2.22)
En efecto, si en la solución de la ecuación homogénea se sustituye x( t) por su valor:

x(t) = <(t, to)x(to) = T(t)x(t) =

<(t, to)T(to)x(to)

Despejando de esta ecuación el valor de x(t):

x(t) =

T-i(t)<(t, to)T(to)x(to) =

=

<( t, to) =

T-i (t)<( t, to)T( to)

70

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

2.4. Solución de la ecuación completa

El objetivo de este apartado es la resolución de la ecuación completa, es decir, cuando
existen condiciones iniciales no nulas y entrada:

x(t) =

A(t)x(t) + B(t)u(t)

(2.23)

Para calcular la solución de esta ecuación se utiliza el método de variación de las
constantes, según el cual se va a suponer que existe una z(t), tal que la solución de la
ecuación completa se puede expresar de la forma:

x(t) = c(t, to)z(t)

(2.24)

hipótesis que se verifcará a continuación, calculando la z(t) que lo cumple.
Si la hipótesis formulada es correcta, entonces esta expresión de x(t) debe verifcar la
ecuación completa, por lo que sustituyendo en la Ecuación 2.23 queda:

<(t, to)z(t) + c(t, to)z(t) =

A(t)c(t, to)z(t) + B(t)u(t)

c(t, to)z(t) + [<(t, to) -A(t)c(t, to)] z(t) =

B(t)u(t)

,

.

v

o

(2.25)

(2.26)

donde el término entre corchetes se anula por la primera propiedad vista para la matriz
de transición y, como c(t, to) es no singular, se puede despejar z(t) como:

z(t) = c-l

(t, to)B(t)u(t)

(2.27)
que mediante integración se resuelve, demostrando que existe la z(t) que cumple con la
hipótesis formulada en principio:

z(t) = z(to) + (t

c-l

(T, to)B(T)U(T)dT

ita

(2.28)
donde al aplicar la propiedad de inversión de tiempos a la matriz c(t, to), y teniendo en
cuenta que z(to) =

x(to) a partir de la ecuación 2.28, se obtiene:

z(t) = x(to) + (t

c(to,T)B(T)U(T)dT

ita

Si se sustituye esta expresión en la Ecuación 2.24 se obtiene:

x(t) =

c(t, to)xo + c(t, to) (t

c(to, T)B(T)U(T)dT

ita

(2.29)

(2.30)
En el segundo término aparece c(t, to) fuera de la integral, pero como no depende de la
variable de integración puede introducirse dentro de la misma, y al producto entre ésta

2.4. SOLUCIÓN DE LA ECUACIÓN COMPLETA

71

y <(to, T) aplicarle la propiedad de transitividad para reducirlo, de forma que al fnal
queda la siguiente expresión de la solución de la ecuación completa:

x(t) = <(t, to)xo + (t <(t, T)B(T)U(T)dT

i

ta

(2.31)

Se observa que la solución completa de la ecuación de estado es una suma de dos

términos:

• El primero representa la evolución libre del sistema propiciada por la situación
inicial de las variables de estado o, dicho de otro modo, debida a las condiciones
iniciales cuando la entrada es nula. Como puede verse, este término existe si y sólo
si existen condiciones iniciales no nulas.

• El segundo representa la evolución forzada del sistema, debida a la acción producida
por la entrada del sistema.

Ejemplo 2.2

Determinar la evolución del estado ante entrada escalón para el sistema

definido por:

sabiendo que to = 1 Y Xo = [1

o
-2
O
-1

�lx+

[lu

-1

-1
2]T. Del Ejemplo 2.1 se sabe que:

[ t-ta
<(t, to) = eA(t-tal = e � O

e-2(t-tal

O

así como la evolución libre del sistema partiendo de las condiciones iniciales
dadas, por lo que, aplicando superposición, la evolución del estado ante entrada
escalón es:

72

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Otro caso de cálculo de la evolución forzada del estado de un sistema se puede en­
contrar en el Ejemplo 2.6 al fnal del capítulo.

2.5. Cálculo de la matriz de transición

Por lo expresado en el apartado anterior, el cálculo de la matriz de transición de un
sistema es equivalente al cálculo de la exponencial de una matriz:

<(t, to) = eJ,o A(r)dr

Se van a estudiar tres métodos para la obtención del resultado de esta expresión.

2.5.1. Método de Cayley-Hamilton

Para los casos en que la matriz A(t) sea factorizable según la Ecuación 2.13, que
incluye el caso invariante, la matriz de transición se puede expresar mediante su desarrollo
en serie, que no es sino un polinomio infnito que depende de M y de t:

0

eMJ,o a(r)dr

= L ak(t)Mk = Q(M, t)

(2.32)

k=O

donde:

(2.33)
Para el caso de matriz A invariante el planteamiento sería el mismo, salvo por el
hecho de que la función a(t) es igual a uno.
Como se verá a continuación, por el teorema de Cayley-Hamilton este polinomio
infnito particularizado en A(t) puede calcularse mediante un polinomio R(M, t), de
grado fnito y menor que n.
Llamando P(>) al polinomio característico de la matriz M, cuyo grado coincide con
el número de variables de estado n, se forma el cociente entre el desarrollo en serie de la
matriz de transición y éste, obteniéndose la expresión:

Q(>, t) = C(>, t)P(>) + R(>, t)

(2.34)

donde C(>, t) es el polinomio cociente y R(>, t) es un polinomio de grado n -

1, resto de

la división entre el polinomio infnito y el polinomio característico:

n-l
R(>, t) = L hj(t)>j
j=O

Por el teorema de Cayley-Hamilton:

P(M) = O

(2.35)

(2.36)

2.5. CÁLCULO DE LA MATRIZ DE TRANSICIÓN

73

es decir, que el polinomio característico de M se anula particularizado para sí misma,
por lo que, sustituyendo en la Ecuación 2.34 A =

M, se puede deducir que:

Q(M, t) =

R(M, t)

(2.37)

Esta expresión presenta la ventaja de haber reducido el problema de obtener un
polinomio de grado infnito a problema de obtener un polinomio de grado fnito.
Para obtener los coefcientes del polinomio R(M, t) se hace uso de la propiedad de
que los valores propios anulan el polinomio característico:

donde los Ai son los valores propios de la matriz M, por lo que:

con lo que se obtiene un sistema de n ecuaciones:

n-1

eAi J:o Q{r)dr =

R(Ai, t) =

L hj(t)A{
j=a

que permitiría obtener las n incógnitas hj(t).

Ejemplo 2.3

Calcular la matriz de transición del sistema definido por la matriz:

A =

[-2 1]
2 -

3

(2.38)

(2.39)

(2.40)

En primer lugar se calculan sus autovalores, comprobándose que sus valores son

Al =

-1, A2 =

-4. A continuación, se plantea la ecuación asociada a cada uno
de ellos, sustituyendo en la Ecuación 2.40. con lo que resulta:

{ e-(t-to) =

ha -h1

e-4(t-to) =

ha -4h1

y despejando este sistema resulta:

ha =

�(4e-(t-to) -e-4(t-to)), h1 =

�(e-(t-to) _

e-4(t-to))

por lo que la matriz de transición resulta:

[ �(2e-(t-to) + e-4(t-to))

<(t, ta) =

ha I+h1 A =

�(e-(t-to) _

e-4(t-to)) �(e-(t-to) _

e-4(t-to)) ]
�(e-(t-to) + 2e-4(t-to))

74

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Otro caso de obtención de la matriz de transición haciendo uso de este método para
un sistema no invariante puede verse en el Ejemplo 2.7 al fnal de este capítulo.
En el caso de que la matriz M presente algún valor propio múltiple, para obtener
t�tas ecuaciones distintas como incógnitas, se deben utilizar las derivadas de la Ecuación
2.34 hasta un orden inferior en una unidad a la multiplicidad del valor propio. Dado un
valor propio Ai con multiplicidad mi, el polinomio característico es de la forma:

con lo que la expresión del cociente entre polinomios queda:

Si se deriva esta expresión respecto a A, resulta:

dQ(A, t)
dA

d

C�, t)

Pi(A)(A _ Ai)mi + C(A, t) d

�y)

(A _

Ai)mi

+ C(A, t)Pi(A)mi(A _

Ai)mi-l + dR�, t)

(2.41)

(2.42)

(2.43)
expresión en la que todos los términos se anulan al particularizar para Ai salvo el último,
quedando:

dQ(A, t)

I = dR(A, t)

I

dA A=�

dA A=�

(2.44)
Esta igualdad entre la derivada de Q (A, t) Y la del polinomio R( A, t) se seguirá cumpliendo
hasta la derivada de orden mi -1 inclusive. A partir de este orden aparecen sumandos
que no dependen de (A -Ai) y que, por lo tanto, no se anularán cuando se particularice
la derivada de orden superior de Q(A, t) en Ai.

Ejemplo 2.4

Obtener la matriz de transición del sistema definido por:

A=[ 2 1]
-1 O

sabiendo que to = o.

En primer lugar se determinan los valores propios de la matriz dada, com
probándose que ambos coinciden en Al,2 = 1, es decir, un valor propio doble.
Se cumple que:

2.5. CÁLCULO DE LA MATRIZ DE TRANSICIÓN

y, al ser el valor propio doble, se ha de cumplir también que:

dQ(>, t) _

dR(>, t)

At _

h

d> -

d> = te -1

De donde, sustituyendo> por su valor, se tiene el sistema de ecuaciones:

et = ho + h1
tet = h1 = ho = (1 -

t)et

Sustituyendo en el polinomio resto queda:

2.5.2. Método de J ordan

tet ]
(1-t)é

75

Al igual que para el método de Cayley-Hamilton, se parte de una forma de la matriz
A(t) que permita su factorización de la forma que se expresa en la Ecuación 2.13, con lo
que la matriz de transición del sistema toma la forma:

El método de Jordan consiste en realizar una transformación:

(2.45)

que transforma a la matriz del sistema en:

A(t) = Ma(t) = T-1 A(t)T = T-1MTa(t)

(2.46)

de manera que sea diagonal en caja de Jordan, conocida como forma canónica de Jordan.
Ta como se vio en el teorema de cambio de representación de estado, si se consigue
encontrar la matriz de transición para el sistema en el nuevo sistema de referencia, �(t, to),
es posible obtener la del sistema original mediante la transformación:

<(t, to) = T�(t, to)T-1

(2.47)

Para el cálculo de la matriz T se sabe que, en el caso de que todos los autovalores
sean distintos, ésta se compone, por columnas, de los vectores propios asociados a los
valores propios de la matriz M.
La ventaja de esta transformación es que la exponencial de una matriz diagonal en
caja de Jordan se calcula de forma muy sencilla; la exponencial de una matriz en cajas

76

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

de Jordan es una matriz en la que cada bloque de la diagonal es la exponencial de una
caja:

<(t, to) = exp

MI O
O M2

O O

-t
eM"Ito" u(r)dr

O

O
O

Mi

¡h

to

O

-t
eM2Ito" u(r)dr

a(T)dT

O
O

O

O

-t
eMi Ito" u(r)dr

donde Mia(t) son caja de JordanI de la matriz Á(t).
La exponencial de algunas cajas de Jordan es la siguiente:

(2.48)

Exponencial de una caja con valores propios distintos: si la matriz es:

la exponencial es:

Valor propio múltiple: si la matriz es:

) 1
O )
Ái(t) = Mia(t) = O O

O O

O

O
1

)

O

O
O
O a(t)

)

O
O

eAk 1:; u(r)dr

(2.49)

1 En el Apéndice A de este libro, Sección A.2, se muestra un método para la obtención de la matriz
diagonal en caja de Jordan

2.5. CÁLCULO DE LA MATRIZ DE TRANSICIÓN

la exponencial es:

1'1 -

-ti

e to Ai(r)dr

= eMi fto a(r)dr

=

1 J

t: a(T)dT

O

1

Ut: a(T)dT)2
2!

J

t: a(T)dau

Ut: a(T)dT)n-l

(n -

1)!
Ut: a(T)dT)n-2

77

= eA f:� a(r)dr

(n -

2)!

Utt

o a(T)dT)n-3

(2.50)

O

O

1

(n -3)!

O

O

O

1

De esta forma, según el método de Jordan, el cálculo de la exponencial de una matriz
se realiza en los siguientes paos:

• Cálculo de la matriz diagonal en caja de Jordan, mediante el cálculo previo de la
matrices T y T-l.

• Cáculo de la exponencial de la matriz diagonal en caja de Jordan, �(t, to).
• Multiplicación de esta matriz por la matrices de transformación para devolver el
sistema a su expresión original, <(t, to).

Ejemplo 2.5

Calcular la matriz de transición del sistema definido por la matriz:

A = [-2 1]
2 -3

Del Ejemplo 2.3 sabemos que los autovalores de esta matriz son Al = -1,
A2 = -4. A continuación se calculan los vectores propios asociados, con los que
se construye la matriz de diagonalización del sistema:

Con lo que se tiene:

-[-1

A=

O

O ]

[ e-(t
2

-to)

- �(t, to) =

-4

78

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

En el Ejemplo 2.8, al fnal del capítulo, puede encontrarse un caso de cómputo de
la matriz de transferencia haciendo uso tanto del método de Cayley-Hamilton como del
de Jordan, mientras que en el Ejercicio 3 se puede ver un caso de aplicación de esta
metodologías para un caso no invariante.

2.5.3. Mediante la transformada inversa de Laplace

Si el sistema es invariante, la ecuación de estado se puede resolver mediante la trans­
formada de Laplace. Se parte de la ecuación:

x(t) = Ax(t) + Bu(t)

Tomando la transformada de Laplace:

sX(s) -Xo = AX(s) + BU(s) =
= (sI -A)X(s) = Xo + BU(s) =
= X(s) = (sI -A)-l

XO + (sI -A)-lBU(s)

y tomando antitransformada de Laplace:
x(t) = .-l

[(sI _ A)-l

] Xo + .-l

[(sI -A)-l

BU(s)]

(2.51)

(2.52)

Esta expresión permite obtener la evolución del estado en función de las matrices de
las ecuaciones de estado y del estado inicial.
Como puede observarse en la Ecuación 2.52, si la entrada al sistema es nula, el segundo
sumando se anula. Por otro lado, la situación de entrada nula es la que se plantea para la
ecuación homogénea, por lo que se propone un método alternativo para hallar su solución
como:

x(t) = .-l

[(sI -A)-l

] Xo

(2.53)

Por tanto, se puede establecer una correspondencia entre la expresión de la solución
completa, mediante la transformada de Laplace, y la expresión general hallada en la
sección anterior. De esta forma, identifcando el primer término, como se acaba de hacer,
se observa que la matriz de transición se puede hallar como:

(2.54)

En cuanto al segundo sumando, se comprueba, por las propiedades de la transformada

de Laplace, que:

.-l

[(sI _ A)-l

BU(s)] = c(t) * Bu(t)

(2.55)

que se corresponde con una integral de convolución en el dominio del tiempo, convolución
que aparece como segundo sumando de la solución general de la Ecuación completa 2.52.

2.6. EJEMPLOS ADICIONALES

2.6. Ejemplos adicionales

Determinación de la evolución del estado

Ejemplo 2.6

Calcular la evolución del estado del sistema dado por:

[ �l ] = [-1 O] [ Xl ] + [ 1

] u(t),

X2 O -2 X2 -3

a. Ante entrada nula.

b. Cuando la entrada es un escalón unitario.

c. Cuando la entrada es u(t) = sin(t).

to = O x(to) = Xo = [ 2 ]

-4

En primer lugar se ha de calcular la matriz de transición del sistema, cálculo
que resulta trivial en este caso al ser la matriz A diagonal.

A partir de este resultado se plantea la solución a cada uno de los casos que
se exponen en el ejemplo.

a. Ante entrada nula, el estado evoluciona según la expresión:

.

[e-t O

] [ 2] [2e-t]

x(t) = <(t, O)xo = O e-2t -4

= -4e-2t

La representación gráfica de la evolución de cada una de las variables de
estado es la representada en la siguiente figura:

Xl
2

0.5

+

-t

+

-t

-4

Lo que define una trayectoria en el espacio de estado que se representa en
la siguiente figura:

79

80

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

1.5

-1

-2

-3

-4

b. Ante entrada escalón unitario, la evolución del estado se calcula haciendo
uso de la expresión que proporciona la solución de la ecuación completa:

x(t) = <(t,O)xo + t <(t,T)B(T)U(T)dT =

to
= [ 2e-t ] ¡t [ e-(t-r)
_4e-2t +

O

to

O

e-2(t-r)
[ 1 + e-t

]

= _4e-2t + � (e-2t -1)

Esta evolución temporal se representa gráficamente en las figuras que apare
cen a continuación:

Xl

X2

2

1

3

4

5 t

1.5

-1

1

-2

0.5

-3

4

5 t

-4

En la siguiente gráfica se muestra la trayectoria dentro del espacio de estado
marcada por estos comportamientos.

0.5

1

1.5

-1

-2

-3

-4

2.6. EJEMPLOS ADICIONALES

c. En el tercer caso planteado, la entrada al sistema es una senoide, por lo que
la evolución del estado se calcula nuevamente haciendo uso de la expresión
obtenida para la ecuación completa.

x(t) = !(t, O)xQ + t !(t, r)B(r)u(r)dr =

Jta

o

] + f

ta

t [ e-(ot-T)

Jt,

e-2(t-T) ] [ !3 ] sin(r)dr =
= [ 2e-t + 1 (e-t -cos(t) + sin(t))
_4e-2t -j (e-2t -cos(t) + 2sin(t)) ]

En las gráficas que se muestran a continuación puede observarse la evolu
ción de las dos variables de estado, a lo largo del tiempo, cuando la entrada
es una senoide:

X,

X2

1

2

o t

-1

-2

-3

-4

Eliminando el tiempo de estas expresiones, se obtiene la trayectoria en el
espacio de estado que se representa a continuación:

1

-2

-3
-4

1. 5

2 Xl

81

82

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Evolución del estado de un sistema no invariante

Ejemplo 2.7

Calcular la evolución libre del sistema dado por el modelo de estado:

[Xl] = [-Sin(t)
X2 4 sin(t)

2sin(t) ] [ Xl ]
-3sin(t)

X2

pariendo del estado inicial Xo =

[ _� ] en to = O
En primer lugar, se comprueba que la matriz A(t) del sistema es tal que
admite una factorización como la expresada en la Ecuación 2.13, por lo que
es susceptible de utilizarse el método de Cayley-Hamilton. Dicha factorización
queda como:

A(t) = [ -s

.in(t)
4sm(t)

2sin(t) ] = [ -1
-3 sin(t)

4

2 ] { M = [-1 2]
-3 sin(t) =

4 -3

a(t) = sin(t)

Una vez identificados los factores, el siguiente paso es el cálculo de los valores
propios de la matriz M, que posteriormente servirán para plantear las ecuaciones
mediante las que se despejan los coeficientes del polinomio resto.

det[.U -M] = A2

+ 4A -5 =

(A -l)(A + 5)

con lo que los autovalores son Al = 1, A2 = -5.
El siguiente paso es plantear las ecuaciones que igualan las exponenciales de
los valores propios con la particularización del polinomio resto para los mismos:

que, aplicada sobre los valores propios, origina el sistema de ecuaciones:

Ai =

1 = e(1-cos(t)) = ho + h1
Ai = -5 = e-5(1-cos(t)) = ho -5h1

que despejando deja:

ho

� (e-5(1-COS(t)) + 5e(1-COS(t)))

h1

� ( _e-5(1-cos(t)) + 5e(1-COS(t)))

2,6. EJEMPLOS ADICIONALES

La matriz de transición se encuentra sustituyendo estos coeficientes en la
expresión del polinomio resto y particularizándolo para la matriz M:

1 [ e-5C(t) + 2eC(t)
c(t, to) = hoI + h1M =: _2e-5C(t) + 2eC(t)

_e-5C(t) + eC(t) ]
2e-5C(t) + eC(t)

donde C(t) = (1 -

cos(t)).
Conocida la matriz c(t, to), ya es posible calcular la evolución del sistema a
partir del estado incial proporcionado y, dado que la entrada es nula al pedirse
la evolución libre:

1 [ 4eC(t) + 5e-5C(t) ]
x(t) = c(t, O)xo =: 4eC(t) _ lOe-5C(t)

que, representado en función del tiempo y en el espacio de estado, queda:

X,

10

x,

10

8

4

2

-2

4

X,

10

/
2 / :\

/ \

/ \

(

I

/+------�v,-

-

-

-
;
10 t

-2

8

10 Xl

Evolución temporal de un sistema de depósitos comunicados

Ejemplo 2.8

En el sistema de depósitos comunicantes del Ejemplo 1.7 se desea ver la
evolución de ambas alturas cuando el flujo de entrada es constante de valor
F, siendo su modelo de estado linealizado el calculado anteriormente en dicho

83

84

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

ejemplo:

donde los valores de estas matrices dependen de los parámetros físicos del sistema
concreto y de su punto de linealización.
Para hallar la evolución temporal de las alturas es necesario calcular previa
mente la matriz de transición, que se va a resolver primero mediante el método
de Cayley-Hamilton y después mediante el método de Jordan. En ambos méto
dos se calcula en primer lugar el polinomio característico del sistema y sus valores
propios (es decir, polos del sistema).

P(A) = det[AI-A] = det [ A + al

-a2

Resolviendo este polinomio característico se obtienen los dos polos reales del
sistema que denominamos Al y A2.

Matriz de transición por el método de Cayley-Hamilton

Particularizando el polinomio eAt = hoI + hlA para ambos valores propios

se tiene:

e)1t = ho + hlAl
eA2t = ho + hlA2

y resolviendo ambas ecuaciones en ho y hl:

ho

A2eA1t -AleA2t
A2 -Al
eA1 t _

eA2t

Sustituyendo estos valores en el polinomio que determina la matriz de tran

sición se obtiene:

<(t, O) = eAt = hoI + hlA =

_

1 [(A2 + adeA1t -(Al + adeA2t

-

A2 -Al

-a2eA1 t + a2eA2t

Al mismo resultado se llega resolviendo la matriz de transición por el segundo

método propuesto.

2.6. EJEMPLOS ADICIONALES

Matriz de transición por el método de Jordan

La matriz T de cambio de base que diagonaliza la matriz A de la dinámica
del sistema está formada por los vectores propios VI y V2 correspondientes a los
dos valores propios Al y A2, que se calculan a continuación:
[A.I -Al

[ �:�] [�] i = 1,2

donde sustituyendo el valor de A:

i = 1,2

Suprimiendo la segunda ecuación por ser combinación lineal de la primera
(puesto que Ai es un valor propio), queda la siguiente ecuación aplicable a cada
valor propio:

i = 1,2
Haciendo por ejemplo Vil = al, se obtiene Vi2 = al + Ai, por lo tanto la
matriz de cambio de base diagonalizante, formada por ambos vectores propios,
queda:

T=[

y calculando su matriz inversa:

con lo que la matriz de transición en la base original del sistema resulta:

<(t, O) = eAt = TeÁtT-l =
al(A21

-Ad [al�Al al�'2] [e

�¡t

e�2t] [��l+

_A

�l ��l] =

[al (A2 + al)e)¡t -al (Al + ade)2t

-aie)¡t + aie)2t
(al
+ Al)(A2 + ad(e)¡t -e)2t) -al (Al + ade)¡t + al(A2 + al)e)2t

si en los términos de la segunda fila de esta matriz se tienen en cuenta las
siguientes relaciones entre los parámetros ai Y los polos Ai, deducidas de los
coeficientes del polinomio característico:

85

86

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

se obtiene la siguiente expresión de la matriz transición:

coincidente con la calculada anteriormente.

Evolución temporal

La evolución temporal de las alturas se resuelve a partir de la matriz de
transición anteriormente calculada mediante:

donde Fl(T) es la evolución del flujo de entrada entre el instante inicial que se
toma como origen de tiempos (nótese que es un sistema invariante) yel instante
genérico posterior t. En nuestro caso estamos interesados en ver la evolución
cuando el flujo es constante Fl (t) = F, pudiendo valer O en el caso de que no
exista caudal de entrada. Por tanto, sustituyendo el valor de eAt y efectuando
la integral anterior se obtiene:

donde el primer sumando representa la evolución libre del sistema, es decir, la
evolución de las alturas desde sus condiciones iniciales en ausencia de caudal de
entrada, y el segundo término representa la evolución de las alturas cuando las
condiciones iniciales son nulas (es decir, valores incrementales nulos respecto al
punto de linealización) y se introduce un flujo constante de valor F.
Obsérvese que este sistema ha podido resolverse analíticamente mediante la
matriz de transición, porque el sistema ha sido previamente linealizado en torno
a un punto de funcionamiento. Esta resolución analítica mediante la matriz de
transición no es posible, sin embargo, si se utilizan las ecuaciones no lineales
originales del sistema, en cuyo caso la resolución de la evolución de las alturas
debe efectuarse de forma genérica mediante un programa de simulación.

2.6. EJEMPLOS ADICIONALES

87

Si se considera el sistema concreto del Ejemplo 1.7, cuyas ecuaciones son:

[ 1 ] = [-0,441 0,441] [ h1 ] + [ 0,5 ] F1

h2

0,588 -0,996 h2

O

de donde se tienen los siguientes polos del sistema: )1 = -0,139 Y )2 = -1,3,
con lo que la matriz de transición resultante es:

[ O 7394e-0,139t + O 2606e-1,3t

<(t, O) =

0'

506ge-0,139t _

0'

506ge-1,3t

,

,

0,3802e-0,139t -0,3802e-1,3t ]
0,2606e-0,139t + 0,7394e-1,3t

y la evolución de las alturas resulta:

[ hl(t) ] _
h2(t) -

[ 0,7394e-0,139t + 0,2606e-1,3t 0,3802e-0,139t -0,3802e-1,3t ] [ hlO ] +
0,506ge-0,139t -0,506ge-1,3t 0,2606e-0,139t + 0,7394e-1,3t

h20
[ -2 6661(e-0,139t -1) -1 8278(e-1,3t -1) ]

+ F

-0;1003(e-0,139t _

1) + 0;1952(e-1,3t -1)

donde poniendo como condiciones iniciales de las alturas en ambos depósitos
[hlO h20]T = [0,5 0,5f e introduciendo una entrada constante de valor F =
1, siendo todos estos valores incrementales sobre el punto de linealización, se
obtiene la evolución de las alturas representada en la siguiente figura:

2

5r

----------_

2

E

S 1

.5

��

§

0

��

--�

2--�

4--�

6�--

8�-�

10

tiempo (5)

1 2

S 08

N

06

O\�--�2--�

4--�6---8�-�10
tiempo (5)

88

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

En la siguiente figura se representa la trayectoria de esta evolución de las
alturas en el espacio de estado, siendo ésta una curva para métrica en función
del tiempo, que por tanto no figura de forma explícita. En dicha figura puede
observarse la evolución libre de los incrementos de las alturas (es decir, ante
entrada incremental nula), la evolución desde condiciones iniciales nulas y con
entrada incremental y, por último, la evolución final de los incrementos de las
alturas cuando existen condiciones iniciales y entrada, como suma de las dos
trayectorias anteriores.

14r

--------

12

. ° B

E"06

04
02

evolucion libre
---desde e i nula

-

-evolucion total
��-�-�0�5-�1���=5=�2=�25

h1(t) (m)

Las evoluciones anteriores de las alturas se han calculado de forma analítica
a partir del sistema linealizado en torno a un punto de funcionamiento, lo que
permite un análisis matemático de esta evolución encaminado al cálculo de una
estructura de control por realimentación del estado, según se verá en capítulos
posteriores. La resolución analítica del modelo de estado no lineal no es posible
de forma general, por lo que su evolución sólo puede obtenerse mediante un
programa de simulación numérica que resuelva dichas ecuaciones no lineales
de forma iterativa. En la siguiente figura pueden observarse las diferencias de
la evolución de los incrementos de altura entre el sistema real no lineal y la
aproximación lineal en torno al punto FlO = 1, hlO = 1,38 Y h20 = 0,816.

000

5

000

g 4: ,//,/OOO

� _____ --

s 35

� ..3 "

2

o --modelo no lineal
-modelo linealizad

1

-�

10��2�O��30�=4�O=�50

tiempo (s)

35

r
-

3

000

000

///'/'�
-

---modelo no lineal
modelo linealizad

1
0�-�

10��2�O�=30�=4�O=�50

tiempo (s)

2.7. EJERCICIOS RESUELTOS

Obsérvese que en las proximidades del punto de linealizaci6n, esto es, para
[hlO h20V = [O oV, el comportamiento del modelo lineal es similar al del sistema
no lineal, haciéndose notable la diferencia cuando los valores incrementales de
la altura se alejan de las condiciones iniciales nulas. En el ejemplo propuesto
esta diferencia se hace muy notable en régimen permanente, porque la entrada
incremental introducida F = 1 supone un 100 % de aumento sobre el punto de
linealización definido por FlO = 1, con lo que las alturas se desvían mucho de sus
respectivos valores de linealización hlO = 1,38 Y h20 = 0,816. Estas diferencias
entre ambos modelos serán, sin embargo, mínimas cuando exista un sistema de
control que garantice pequeñas variaciones de las alturas respecto a su punto de
linealizaci6n, lo que será objeto de estudio en capítulos posteriores.

2.7. Ejercicios resueltos

1. Hallar la matriz de trnsición del siguiente sistema:

89

El primer pao para hallar la expresión de la matriz de transición es el cálculo de
los autovalores de la matriz A, que como ya se sabe coinciden con los polos del
sistema. Para ello, se ha de resolver el polinomio característico:

det(AI -A)

A +3 -1

O
-1 A+3 O =(A+3)3_(A+3)=

O

O A+3

(A + 3)[(A + 3)2

-1] = (A + 3)(A + 2)(A + 4)

Por lo que se tiene que los valores propios son:

Al =-2
A2 =-3
A3 =-4

A partir del conocimiento de estos valores propios, los polos del sistema� existen dos
posibilidades para calcular la matriz de transición: utilizar el método de Cayley­
Hamilton o el de Jordan.

Método de Cayley-Hamilton

Se plantea el sistema de ecuaciones correspondientes a la particularización

90

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

del polinomio eAt = hol + h1A + h2A 2 para cada uno de los valores propios
calculados:

e-2t = ho -2h1 + 4h2 )

e-3t = ho -3h1 + 9h2

e-4t = ho -4h1 + 16h2
de donde despejando los coefcientes (ho, h1, h2) se obtiene el resultado:

ho = 6e-2t -8e-3t + 3e-4t

h -1 -2t -3t + 1 -4t
2 -2e -e

2e

Con estos coefcientes se plantea la ecuación mediante la que se obtiene la
matriz de transición:

Método de Jordan

1

(-2t -4t)

-e -e
2
�(e-2t + e-4t)
2

O

Conocidos los valores propios, se sabe que existe una base del sistema para la
cual la matriz del sistema es diagonal, y en dicha base de referencia la matriz
de transición toma la forma:

[ e-2t O

O 1

4(t) =

O e-3t O
O

O e-4t
Basándose en la transformación que pasa la matriz A a forma diagonal, se
puede calcular la matriz de transición del sistema para el sistema original
a partir de la matriz 4. Como ya se sabe, la matriz que diagonaliza A es
la formada por columnas, por sus vectores propios, por lo que el cálculo de
la matriz de transformación T se reduce al cálculo de los vectores propios
asociados a los valores propios calculados. Particularizando la expresión (Al
A) = O para los distintos vlores propios se obtiene:

A � -2, =

[-� -� n [�:: 1 [ � 1

2.7. EJERCICIOS RESUELTOS

Vll = V12

V13 = O
[ -� -1

A = -3, =

O
O

V22 = O

V21 = O

[ -1 -1

A = -4, =

-1 -1

O O
V31 = -V32

V33 = O

=

V, �

[ il

� 1 [ v"

1

V22
V23

=

V2 =

[n

O

][ v"' 1

O V32
1

V33

[n

[ � 1

=

v3 �

[ -ll

de donde se obtiene que la matriz de transformación T y su inversa valen:

91

Aplicando la transformación dada por T a la matriz <, se obtiene la expresión
de la matriz de transición en el sistema de referencia inicial:

[

(e-2t+e-4t)
l(t) = T -(e -e )
2

O

1

(-2t -4t)

1

" e -e

O

1
_(e-2t + e-4t) O
2

O

e-3t

2. Obtener el modelo de estado y la evolución de las variables de estado del sistema
representado mediante la siguiente ecuación diferencial:

y + 7f + 14y + 8y = O

con las siguientes condiciones de contorno:

to = O y(to) = 2 y(to) = -1 f(to) = 1

92

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

En primer lugar se han de elegir la variables de estado; en este caso, dado que la
ecuación es de tercer orden, serán necesarias tres, siendo una posible elección:

Xl = y
X2 = i
X3 = f

:h =X2
X2 = X3
X3 = -7X3 -14x2 -8Xl

con lo que el modelo de estado expresado en forma matricial queda:

o
O
-8

1
O
-14

A partir de esta expresión se calcula la matriz de transición por el procedimiento
habitual; en primer lugar, se extraen los valores propios, que identifcan a los polos
del sistema y, por lo tanto, su dinámica:

det(AI -A)

A -1

O
O A -1 =A2(A+7)+8+14A=
8 14 A + 7
A3 + 7)2

+ 14> + 8 = (A + 4)(A + 2)(A + 1)
Una vez conocidos los valores propios de la matriz A, se calculan los vectores
propios para hallar la transformación que la diagonaliza (método de Jordan):

A=-l, =

V11 = -V12

A = -2, =

-2V21 = V22

-2V22 = V23

A = -4, =

2.7. EJERCICIOS RESUELTOS

93

Con lo que la matriz de transformación es:

8

1

-

2 -

T�[

3

3

1 1

-¡ ]

5 1

-1 -2

T-1= -2

1 4 16

2 2

1 1 1

-

-

-

3 2 6

De esta forma, transformando la matriz de transición de la expresión diagonalizada
de la matriz A, se obtiene la matriz < del sistema en su referencia original:

-1
O
O

O

-2

O J]

8 -t 2 -2t + 1 -4t

3e -e

3e

8 -t 2 -2 + 16 -4t

3e -e

Te

<(t) = T1(t)T-1 =

2 -t 5 -2t + 1 -4t

e -2e

2e

},,]

1 -t 1 -2t + 1 -4t 1

3e -2e

(e

1 -t + -2t 2 -4t

-3e

e

-3e

1 -t 2 -2t + 8 -4t

3e -e

3e

3. Obtener la evolución del estado del siguiente sistema, supuestos conocidos Xl (to) Y

X2(tO):

Como se ha visto en este capítulo, éste es uno de los casos en los que es factible
encontrar una solución sencilla para la ecuación de estado, puesto que se trata de
una matriz A(t) que puede descomponerse en el producto de una función del tiempo
por una matriz constante. Como se vio entonces, la forma de hallar la solución de
esta ecuación de estado es resolviendo:

[ 1 2] (t2_t�)

"(t t ) _

I; A(T)dT _

MI; a(T)dT _

3 2 2

',o-eo

-e o

-e

El cálculo de la exponencial de la matriz se puede realizar según los dos métodos
explicados, bien por diagonalización o bien por Cayley-Hamilton:

Método de J ardan

En primer lugar se calculan los valores propios de la matriz M:

det(AI -M) = IA

�/ > _ 2

21 = (A -l)(A -2) -6 = (> + l)(A -4)

94

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

En el sistema de referencia diagonalizado, la matriz de transición del sistema
sería:

[ -1 O]

2 2

<(t,to) = e O 4

2

= [ e'Q�'

A partir de esta expresión de la matriz de transición y mediante la matriz de
transformación correspondiente, es posible hallar la matriz l(t, to) en el sis­
tema de referencia inicial. Dicha matriz de transformación, como ya es sabido,
se construye por columnas con los vectores propios de la matriz A:

) = -1 = [ -2
-3

-2 ] [ Vll ]

-3 V12

[ ]

= Vll = -V12 Vl=

[ -� ]

)=4 = [ -

; -� ] [ V21 ] [ ]

V22

= 3V21 = 2V22 V2 = [ � ]

Por lo que la matriz de transformación queda como:

Con lo que la matriz de transición en el sistema de referencia inicial queda
como:

l(t, to) = T

Método de Cayley-Hamilton

Se componen las ecuaciones correspondientes a cada uno de los valores propios
calculados anteriormente:

_ ,2-'5

e 2 = ho -h1

e2(t2

-t�) = ho + 4h1
de donde se despejan los valores de ho(t) y h1(t):

2.7. EJERCICIOS RESUELTOS

95

sustituyendo estos valores en la anterior ecuación y sustituyendo en A, se
obtiene fnalmente:

_

� 2e2(t -tal + 3e-2

[ 2 2

<(t,to) -

2 2

,2-'5

5

3e2(t -tal -3e-2

resultado que, lógicamente, coincide con el anterior.
Conocido entonces el valor de la matriz de transición por cualquiera de los dos
métodos, la evolución del estado viene dada por:

4. Dado el sistema descrito por la ecuación:

y partiendo del estado inicial nulo en el instante to = O, determinar la evolución
del estado cuando la entrda es:

{O t < O
20 u(t) = 1 1 � t < 2

O t? 2

En primer lugar se calcula la matriz de transición. Por conveniencia se utiliza la vía
de la diagonalización del sistema y la defnición de la pertinentes matrices de trans
formación. Esto es así porque, dado que posteriormente se han de realizar cálculos
de respuesta ante determinada entradas, resulta mucho má cómodo hacerlos para
el sistema diagonalizado y luego devolver los resultados a la representación original,
que realizarlos directamente en ésta.
Primero se calculan los autovalores de la matriz A:

p(>) = det[>I -Al = >2

+ 8> + 12 = (> + 6)(> + 2)
y, a partir de ellos, se calcula la matriz de transformación a la forma diagonal
construida con los vectores propios:

> =-6 [ -3
-1

-3
-1

96

CAPíTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

de donde:

T = [!1 �] * T-I

= � [ �

con lo que las matrices transformadas quedan:

Á =T-I AT = [-6 O]
O -2

B =T-I

B = [ 1 ]

A continuación se calcula la evolución del sistema en esta representación, para
posteriormente devolver el resultado a la representación original.

• t < O

El estado inicial es nulo y, como no se indica lo contrario, se puede suponer
que proviene de esta situación desde un tiempo indefnido, por lo que el valor
del estado anterior a la aplicación de la entrada se puede suponer nulo.

• O � t < 1, u(t) = 2

Para este intervalo el valor inicial del estado es nulo, por lo que no existe
término correspondiente a la evolución libre al calcular su valor:

¡t

¡t [ -6(t-r)

xa(t) =

Jo <(t, r)B(r)u(r)dr = Jo e

O

= [ -�(1 e-6t) ]

que devuelto a la representación original del sistema queda:

• 1 � t < 2, u(t) = 1

Para este intervalo hay que tener en cuenta que va a existir un valor inicial
del estado distinto del nulo, que es el valor de la expresión calculada para el
intervalo anterior cuando t = 1:

-

_

-

(1) _

[ -�(1-e-6)

]

XbO-Xa -

O

Esto produce la existencia de evolución libre, por el valor de dicho estado
inicial, y de evolución forzada, por la existencia de una entrada:

[ 1 (1 -6)] ¡t

[ -6(t-r)

Xb(t) =<(t, 1) -3 � e

+

JI

e

O

O

_e2(t-r)

2.7. EJERCICIOS RESUELTOS

que en la representación original del sistema equivale a:

[ i(-1-e-6(t-1)+2e-6t) ]
Xb(t) = TXb(t) = -i( -1 _ e-6(t-1) + 2e-6t)

• t;:2, u(t) = O

97

En este intervlo existe un valor inicial, fjado por la evolución del estado al
fnal del intervalo anterior:

y lo que no existe es término debido a la evolución forzada, puesto que la
entrada se anula, por lo que la variación del estado se debe exclusivamente a
su evolución libre:

[ 1 (1 -6 + 2 -12)] [_ -61 (-2e-6t + e-6(t-1) + e-6(t-2)) ]

Xb(t) = c(t, 2) 6 --e O

e =

O

que en su representación original es:

x t -Tx t -

6 e e e

[ _1(-2 -6t + -6(t-1) + -6(t-2)) ]

b( ) -

b( ) -i( -2e-6t + e-6(t-1) + e-6(t-2))

5. En el sistema de la fgura, determinar la evolución de la tensión en cada conden­
sador, así como la diferencia entre ambas, a partir del instante to = O, en los
siguientes casos:

11

12

+

R1

R2

Ug

Uc1•

Uc2•

C1

C2

98

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Considerar dos posibles valores de G 1:
a) G1 = 10-6

F.
b) G1 = 2 x 1O-6

F.

Para cada valor de G1, considerar tres posibles entradas:

1) Permanece nula.

2) Un escalón unitario a partir de too
3) Un escalón unitario a partir de to, hasta un tiempo tt = 0,58, y posteriormente

cero.

Datos: R1 = 100K R2 = 200K G2 = 10-6

F
Tensiones iniciales en los condensadores: Uc, = 2V UC2 = -1 V

La ecuaciones del sistema son las siguientes:

Ug(t) = R1lt (t) + Uc, (t) con

con

Sustituyendo las intensidades se obtiene:

Ug(t) = R1Gd, (t) + Uc, (t)
Ug(t) = R2G2UC2(t) + UC2(t)

Se eligen las siguientes variables de estado:

siendo la entrada y la salida:

Xl (t) = Uc,
X2(t) = UC2

u(t) = Ug(t)
y(t) = Uc, (t) -UC2(t)

por lo que las ecuaciones de estado quedan:

Xl = -R}, X1(t) + R,l

C, u(t)

X2 = -

R2�2X2(t) + R21

C2 u(t)

2.7. EJERCICIOS RESUELTOS

En forma matricial se expresan como:

1

R1Gl

1

R2G2

99

] U(t)

La evolución del estado es la solución de la ecuación completa, cuya expresión es:

x(t) = 4(t, tO)X(tO) + ¡t

4(t, r)B(r)u(r)dr

i

to

donde se aprecia el término debido a la evolución libre y el término debido a la
entrada. Para calcular la evolución del estado es necesario obtener previamente la
matriz de transición. Como A es invariante, se puede expresar como:

4(t, tO) = eA(t-to)
Al ser la matriz A diagonal, la expresión de la matriz de transición es sencilla de
calcular, sin necesidad de aplicar los métodos de Caley-Hamilton o Jordan.

[ 1

-R1Gl

4(t, to) = eA(t-to)

= e

O

O

1

-R2G2

La entradas consideradas son la siguientes:

Entrada ua

o 5

O 2

O 4

O 6

O B

-O 5
-1

a) Si el = 10-6 F.

u.

Entrada Ub

1 5

1 t

O 5

O 2

O 4

O 6

] (t-to) [_..
e
Rlel

O

u,

Entrada u.

O B
O 6
O 4
O 2

O B

1 t

O 2

O 4

O 6

O B

1 t

1) Si la entrada es nula, en la evolución del estado sólo infuye el término
debido a la evolución libre:

x(t) = 4(t, to)x(to) = [ e-

�l

La salida es:

100

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Dando valores a las constantes:

[ 2e-lOt ]

x(t) =

e-St

y(t) =

2e-lOt + e-St

La representación gráfca del estado y de la salida es la siguiente:

Evolución del estado. Entrada ua.xo=[2

_l]T

2

Estado 0.5

-0.5

-l� _

_ ������

O 0.2

0.4

0.6

0.8

1

t

Evolución de la salida. Entrada ua.xo=[2

_l]T

3

2

Salida 1.5

1

0.5

O����������
O 0.2

0.4

0.6

0.8

1

t

2) Si la entrada es un escalón, la evolución del estado será:

x(t) = <(t, to)x(to) + {t

<(t, T)B(T)U(T)dT

lta

2.7. EJERCICIOS RESUELTOS

Sustituyendo:

x(t)

+

x(t)

La salida será:

[ -

e RICI

O

l-e-RICI

t-to

1 -e-R2C2

1

RICI

1

R2C2

1 [

Dando valores, se obtiene:

[ 1 + e-lOt ]

x(t) = 1 _

2e-5t = y(t) = e-10t + 2e-5t
La representación gráfca del estado y de la salida es la siguiente:

Evolución del estado. Entrada ub.xo=[2 _lJT

2

1.5

1

Estado 0.5

O�
-

-0.5

-l

� _

_

_ �

_

_

_

_

O

0.2

0.4

0.6

0.8

1

t

101

102

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

Evolución de la salida. Entrada ub.xo=[2 _l]T

o���������=�

0.2

0.4

0.6

0.8

1

t

3) Si la entrada es un rectángulo de altura unidad, entre [to, tI], la evolución
del estado será:

x(t) = <(t, to)x(to) + t <(t, r)B(r)u(r)dr

ita

Donde hay que distinguir dos casos:
• Primer caso: si t < tI, será igual que el apartado anterior .
• Segundo caso: si t � tI, entonces, sustituyendo:

x(t)

+

x(t)

2.7. EJERCICIOS RESUELTOS

Mientras que la salida será:

Dando valores, se obtiene:

[ e-lOt + e-1O(t-O,5) ]
X(t) = -2e-5t + e-5(t-O,5)

= y(t) = e-lOt + e-1O(t-O,5) + 2e-5t _ e-5(t-O,5)
La representación gráfca del estado y de la salida será:

Evoluc1ón del estado. Entrada uc.xo=[2 _l]T

1

Estado 0.5

0.4

0.6

0.8

1

t

Evolución de la sal1da. Entrada ub.xo=[2 _l]T

Sal1da 1. 5

1

0.5

O

��������

O

0.2

0.4

0.6

0.8

t

103

104

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

b) Si el = 2 x 1O-6

F.

1) Entrada nula. Sustituyendo en las ecuaciones obtenidas en a.l:

Se obtiene:

x(t)

y(t)

x(t)

y(t)

[ 2e-5t ]
_e-5t

3e-5t

La representación gráca del estado y de la salida es la siguiente:

Evolución del estado. Entrada ua.xo=[2 _l]T

2

Estado 0.5

-0.5

-1


0--

0�

.�

2��

0�

.4��

0�

.�

6-�

0�

.8��
1

t

Evoluclón de la salida Entrada ua.xo=[2 _l]T

0.5

o����������

O

0.2

0.4

O 6

0.8

t

2.7. EJERCICIOS RESUELTOS

2) Entrada escalón. Sustituyendo en la ecuaciones obtenidas en a.2:

x(t)

y(t)

Se obtiene:

x(t) =

y(t) =

[ �

1

1 + e-RlCl

1-2e-R2c2

-

-

e RlCl + 2e R2C2

[ 1 + e-5t
1 -2e-5t

]

3e-5t
La representación gráca del estado y de la salida es la siguiente:

Evolución del estado. Entrada ub.xo=[2 _l]T

2

1.5

1

Estado 0.5

0�
-

0.2

0.4

0.6

0.8

1

t

Evolución de la sallda. Entrada ub.xo=[2 _l]T

1

0.5

O������;���
O 0.2

0.4

06

0.8

1

t

105

106

CAPÍTULO 2. SOLUCIÓN DE LA ECUACIÓN DE ESTADO DE SISTEMAS LINEALES

3) La entrada es un rectángulo de altura unidad, entre [to, t¡J. Se distinguen
dos casos:

• Primer caso: si t < tl, será igual que el apartado b.í
• Segundo caso: si t ;:tl, entonces, sustituyendo en las ecuaciones
obtenidas en a.3:

x(t)

y(t)

Se obtiene:

_ .

_ .
:

_ .

_ t -t 1

e R1Cl + e R1Cl + 2e R2C2 -

e R2C2

[ e-5t + e-5(t-O,5) ]

x(t)

-2ét + e-5(t-O,5)

y(t)

3e-5t

La representación gráfca del estado y de la salida será:

EvoluC16n del estado. Entrada uc.xo=[2 _1]T

2

1.5

1

Estado 0.5

0.4

0.6

0.8

1

t

2.7. EJERCICIOS RESUELTOS

107

Evoluc�ón de la sal�da. Entrada ub.xo=[2 _l]T

0.5

O�

_

�����;===�

O

0.2

0.4

0.6

0.8

1

t

Se observa que con cualquiera de las tres entrada, para el segundo
valor del condensador el, la salida es la misma. Como dicha salida
es la diferencia de las dos variables de estado, esto signifca que el
sistema impone una restricción a la variables de estado: dadas unas
condiciones iniciales determinadas, se puede conseguir por separado
cualquier valor del estado; pero en cambio no es posible obtener los dos
a la vez, pues su diferencia ya está fjada. Esta limitación, achacable
al' sistema, será profundamente tratada en el siguiente capítulo. Está
motivada por la coincidencia en la dinámica de las dos variables de
estado, por lo que los incrementos en su evolución serán los mismos.
La dinámica del sistema se aprecia en la ecuación de estado, una vez
particularizados los datos:

y(t)

3 Controla bi I id ad

3.1. Introducción

En el Capítulo 1 se ha establecido la metodología para la descripción del compor
tamiento de un sistema mediante vriables de estado, expresado mediante la ecuación de
estado. Má precisamente, se ha estudiado cómo dicha ecuación en general viene descrita
en función del vector de estado, su derivda primera, la entrada y el tiempo. A continua
ción, en el Capítulo 2, se ha resuelto dicha ecuación de estado, estableciendo de forma
explícita la relación que existe entre la evolución del estado, el vlor inicial del mismo y
el vlor de la entrada en cada instante.
A la vista de la relación existente entre entrada y estado, cabe abordar el estudio
de cómo se puede infuir en el valor del estado a través de la entrada: así, es pertinente
preguntarse si dada una trayectoria arbitraria defnida en el espacio de estado, es posible
encontrar la entrada que haga que el vector de estados la siga o si, por el contrario, existe
alguna restricción en las posibles trayectorias que se puede inducir en el vector de estado
mediante la elección de las entradas apropiadas.
El estudio de la controlabilidad de un sistema determina los puntos del espacio de
estado que pueden ser alcanzados por un sistema actuando sobre la entradas de éste;
puntos que determinan los denominados estados controlables. Este estudio abarca dos
cuestiones a tener en cuenta:
1. Considerando un sistema, un estado inicial y un estado fnal, se desea determinar
la existencia de una entrada que lleve al sistema entre ambos en un tiempo fnito.
Esto no es posible en todos los caos, como se puede observar en el sistema de la
Figura 3.1.
En este caso, desde un determinado estado inicial sólo podrían ser alcanzados de­
terminados puntos del espacio de estado, porque los valores de la dos vriables

109

110

CAPÍTULO 3. CONTROLABILIDAD

1

Xl (t)

8+2

u(t)

2

X2(t)

8+2

Figura 3.1: Sistema no controlable.

de estado están ligadas, al estar sometidas ambas a la misma dinámica; este he
cho queda patente por el estudio de los bloques con cuyas salidas se corresponden
dichas variables. Entonces se dice que el sistema no es controlable, porque no puede
alcanzar cualquier estado deseado a partir de un estado inicial dado.

2. Si un sistema no es controlable, la siguiente cuestión que surge es determinar los
puntos del espacio de estado que pueden ser alcanzados partiendo de un estado
inicial dado.

x,

Figura 3.2: Puntos alcanzables desde (0,0).

El lugar geométrico de los puntos que pueden ser alcanzados por las variables de
estado dadas para el sistema de la Figura 3.1, partiendo de condiciones iniciales
nulas, es el representado en la Figura 3.2. Como puede verse, la restricción de que la
dinámica de ambas variables de estado es la misma en todos los casos se traduce en
que, partiendo de condiciones iniciales nulas como se ha dicho, en cualquier instante
el valor de la variable X2 es dos veces el valor de la variable Xl.

1.1. INTRODUCCIÓN

Ejemplo 3.1

La figura representa un circuito eléctrico formado por dos ramas RC en
paralelo, alimentadas por una única fuente de tensión común a ambas ramas
(véase el Ejercicio 5 del Capítulo 2).

u

Si las constantes de tiempo de ambas ramas son distintas, R1Cl = R2C2,
cada condensador se carga a distinta velocidad, de manera que las tensiones
incrementales en ambos condensadores serán diferentes entre sí, dependiendo
la evolución de cada una de ellas de la ley de variación de la entrada u(t)
utilizada. En este caso cabe preguntarse si existe o no una u(t) que consiga que
cada una de las tensiones tome un valor predeterminado en un tiempo también
predeterminado.

En el caso de que las constantes de tiempo de carga de ambos condensadores
sean idénticas, Rl Cl = R2C2, ambos condensadores se cargan con la misma
tensión incremental (a partir de cualquier situación inicial de equilibrio), sea
cual sea la ley de variación de la tension de entrada u(t) utilizada. Si la situación
inicial no fuera de equilibrio, las tensiones en ambos condensadores tenderían a
igualarse, dependiendo su valor final y su evolución temporal de la ley de variación
de la tensión de entrada u(t). Por tanto queda claro que en este caso no son
controlables todas las combinaciones de tensiones en ambos condensadores (es
decir, puntos del espacio de estado). En este caso cabe preguntarse, pues, cuáles
son estos puntos controlables en un tiempo determinado, que dependen de las
tensiones iniciales de ambos condensadores.
En ambos casos planteados y una vez resuelta la pregunta de cuáles son las
combinaciones de las tensiones en ambos condensadores que son controlables en
un determinado tiempo y desde unas determinados valores iniciales de aquéllas,
cabe preguntarse cómo es posible encontrar una entrada o conjunto de entradas
que consiguen controlar dichos puntos. Igualmente es importante conocer las
implicaciones que tiene la utilización de una ley de variación de la entrada con
creta sobre la variación temporal de las tensiones de los condensadores, así como
las propiedades de dicha entrada utilizada.
Las cuestiones planteadas en este ejemplo son objeto de estudio del presente

111

112

CAPÍTULO 3. CONTROLABILIDAD

capítulo, y serán resueltas de forma teórica y después aplicadas en éste y otros
casos prácticos.

3.2. Defniciones

La controlabilidad del estado en un intervalo de tiempo partiendo de un estado inicial

se defne:

Se dice que un punto del espacio de estado de un sistema, Xl, es controlable
desde el estado Xo en [to, tI] si existe una entrada u defnida en el intervalo
[to, tI], tal que transfera el estado del sistema desde Xo en to hasta Xl en tI.

En la anterior defnición se han impuesto restricciones tanto en el tiempo como en
el estado inicial desde el que se comienza a aplicar la entrada; resulta un concepto de
controlabilidad condicionado en el aspecto temporal y en los estados inicial y fnal. Estas
restricciones se pueden eliminar una por una o ambas a la vez, resultando un concepto
de controlabilidad extendido a cualquier intervalo de tiempo y partiendo de cualquier
estado inicial.

Se dice que un punto Xl del espacio de estado de un sistema es controlable
desde Xo si y sólo si para todo to existe un tI fnito, tal que Xl es controlable
desde Xo en [to, tI].

Se dice que un punto Xl del espacio de estado de un sistema es controlable en
[to, tI] si y sólo si para todo xo, Xl es controlable desde Xo en [to, t¡].

La controlabilidad del estado para cualquier instante y para cualquier estado inicial

se defne como:

Se dice que un punto Xl del espacio de estado de un sistema es controlable si,
para todo estado inicial, xo, y para todo to, existe un t¡ fnito, tal que Xl es
controlable desde Xo en [to, tI].

La diferencia entre las defniciones de controlabilidad primera y tercera respecto a la
segunda y cuarta estriba en la forma de considerar la variable tiempo. En el primer caso
se considera únicamente un intervlo de tiempo [to, tI] determinado, mientras que en el
segundo se exige que para todo to exista un t¡, que puede ser arbitrario aunque fnito.
Ninguna de las dos restricciones incluye a la otra:

• Un punto Xl puede ser controlable desde Xo en [to, tI], pero puede no serlo para
cualquier instante inicial.

• Por contra, un punto puede ser controlable partiendo desde cualquier instante inicial
to, pero no en un intervalo predeterminado [to, t¡].

3.3. CONTROLABILIDAD EN SISTEMAS LINEALES

113

Obsérvese que la controlabilidad de un punto no implica que éste sea un estado
de equilibrio, sino que es posible encontrar una entrada tal que el estado describa una
trayectoria que incluya al punto controlable; dicho de otra forma, la controlabilidad de
un punto implica que la trayectoria en el espacio de estado pasa por él, pero no que se
detenga en él, como ocurriría con un punto de equilibrio.
El concepto de controlabilidad de un punto del espacio de estado de un sistema se
amplía al concepto de controlabilidad de un sistema, defnido como:

Un sistema se dice controlable si todos los puntos de su espacio de estado son

controlables.

Obsérvese que, en la defnición de controlabilidad de un sistema, la referencia a posi­
bles restricciones en el estado inicial y en el intervalo se obtienen cuando se invoca a
la controlabilidad de los puntos de su espacio de estado; de esta forma, un sistema es
controlable bajo la misma restricciones que lo son dichos puntos. Dicho de otra forma,
se pueden extender la cuatro defniciones de controlabilidad de un punto a la contro­
labilidad de un sistema cuando todo el espacio de estado cumpla con las condiciones
formulada en cada una.
Las idea expuestas en esta sección se generalizan a la controlabilidad de la salida en
lugar del estado, apecto que se estudiará en secciones posteriores de este capítulo.

3.3. Controlabilidad en sistemas lineales

Dada la expresión de la solución completa de la ecuación del estado para sistema

lineales:

(3.1)

si en esta expresión se fja x( tI) Y x( to), ¿existe una entrada u( T) que soluciona esta
ecuación? El estudio de controlabilidad determina si existe una entrada u(t) que haga
que se cumpla la igualdad. Estudiar si existe esta entrada es equivalente a plantear si
existe una entrada capaz de llevar el sistema desde el estado inicial cero hasta el estado:

(3.2)

de forma que puede reducirse la Ecuación 3.2 a:

(3.3)

La controlabilidad de un sistema lineal depende de las matrices 4(t, to) y B(t), in­
dependientemente del valor de Xo, y puesto que 4(t, to) es función propia de A(t), la
controlabilidad depende exclusivamente de A(t) y B(t), utilizándose entonces la expre­
sión par (A(t), B(t)) para referirse a la controlabilidad de los sistema. El estudio de la
controlabilidad de un sistema se baa en el siguiente teorema:

114

CAPÍTULO 3. CONTROLABILIDAD

Un sistema con una ecuación de estado:

X{t) = A(t)x(t) + B(t)u(t)

es controlable en [to, tl] si y sólo si su gramiano de controlabilidad, W(tl, to),
defnido como:

(3.4)

es no singular.

Demostración

Condición sufciente

Se intenta comprobar que existe una entrada que lleva el estado desde cualquier
x(to) = Xo hasta cualquier X(tl) = Xl o, lo que es lo mismo, según la Ecuación 3.3,
desde el estado inicial nulo hasta el estado Xl. Para ello se considera como entrada:

(3.5)

Sustituyendo:

(3.6)

W-l(tl, to) puede salir fuera de la integral, y lo mismo sucede con Xl, quedando:

(3.7)

Si W(h, to) es no singular, se puede encontrar al menos una entrada que transfere
el estado desde el origen hasta cualquier estado xl, siendo esta entrada la expresada
por la Ecuación 3.5.

Condición necesaria

Si se supone W(tl, to) singular, se demuestra que existen puntos del espacio de
estado que no son controlables.
Se parte de que W(tl, to) es singular, por lo que:
det [W(tl, to)] = O

(3.8)

El determinante coincide con el producto de los valores propios de la matriz, por
lo que W(t, to) tiene al menos un valor propio cero.
Si se considera el vector propio, v, correspondiente a ese valor propio nulo se veri­
fcará que:

(3.9)

3.3. CONTROLABILIDAD EN SISTEMAS LINEALES

115

Esto supone que si se multiplica por la izquierda por yT:

(3.10)

y entonces, sustituyendo el valor de W(tl, to):

(3.11)

(3.12)

integral de una función siempre positiva que tiene que ser igual a cero. Para que
esto se verifque se tiene que cumplir que �(r) = O, to ::r ::h:

(3.13)

Formando el producto por u( r) e integrando se obtiene:

lh

yT c(tl, r)B(r)u(r)dr = O

to

yTX(tI)=0

(3.14)

siendo x(tI) el estado del sistema en el instante h, partiendo del origen y ante la
entrada genérica u(r).
La Ecuación 3.14 signifca que, desde el estado inicial nulo, cualquiera que sea la
señal de entrada con la que se excite al sistema, se va a tener un estado que al ser
multiplicado por el vector yT va a resultar cero, por lo que es un vector de estado
ortogonal a éste. Por tanto, no se puede alcanzar cualquier punto del espacio de
estado, sino sólo aquellos que se encuentren sobre un vector ortogonal al vector
propio yT. Sólo se alcanzarán puntos que verifquen la condición: vT x( tI) = O. Por
consiguiente, el sistema no es controlable en [to, tI].

D

Ejemplo 3.2

Determinar la controlabilidad del sistema definido por:

partiendo del instante inicial to = O y para cualquier instante t.
Para analizar la controlabilidad mediante el estudio del comportamiento del

116

CAPÍTULO 3. CONTROLABILIDAD

gramiano, el primer paso es calcular la matriz de transición:

2 e -e

3( -t -3t)]

e-3t

Una vez que se dispone de la matriz de transición 1(t, O), se puede abordar el
cálculo del gramiano de controlabilidad aplicando la fórmula:

Para poder afirmar que un sistema es controlable según su gramiano, es
necesario comprobar que éste es invertible, es decir, que su determinante es
distinto de cero. Por lo tanto, se puede estudiar la controlabilidad del sistema
verificando los valores de t para los que el determinante de W(t, O) es distinto
de cero. Para ello se calcula primero dicho determinante:

1

1

1

1

1

det [W(t O)] = -+ _e-8t __ e-6t + _e-4t __ e-2t
,

192 192

48

32

48

Es fácil deducir que se ha de anular para t = O, puesto que en ese caso
los límites de la integral que define W(t, O) coinciden. Para sucesivos instantes
de tiempo, se comprueba que el valor total del determinante va aumentando,
hasta que, transcurrido un tiempo suficiente, todos los sumandos exponenciales
tienen un valor despreciable, permaneciendo solamente el primero. A partir de
este instante, el valor del determinante permanece prácticamente constante.
Por lo tanto, se puede afirmar que el sistema propuesto es controlable en
cualquier intervalo de tiempo que comience en t = O, salvo cuando éste sea
también el final de dicho intervalo.

3.3.1. Cálculo de la entrada en sistemas lineales

En la Ecuación 3.5 se describe un procedimiento mediante el que se puede calcular
una entrada que lleve al sistema desde el estado inicial Xo en to al estado fnal objetivo
Xl en h:

siendo:

x(td = x(td -

1(h, to)x(to)

como se describe en la Ecuación 3.2.

3.3. CONTROLABILIDAD EN SISTEMAS LINEALES

117

La particularidad específca esta entrada es que es la señal de mínima energía l

que
consigue llevar el estado desde el valor inicial hasta el fnal en el tiempo dado, entendiendo
energía como:

(3.15)

Además, de forma inmediata se puede deducir que la entrada obtenida por este método
no es sino una de las infnitas entradas posibles que consiguen realizar esta transición en
el valor del vector de estado: basta con elegir cualquier estado Xa y fjarse como objetivo
alcanzarlo en cualquier instante ta intermedio entre to y tI; a continuación, se calcula una
entrada que lleve al sistema desde este estado intermedio Xa en ta al estado fnal Xl en
tI. Yuxtaponiendo ambas entrada en el tiempo se obtiene una nueva entrada que lleva
al sistema desde Xo en to a Xl en t¡, pasando por un punto arbitrario Xa en el instante
intermedio tao Como tanto Xa como ta pueden tomar vaores cualesquiera arbitrariamente
elegidos, se concluye que existe una variedad infnita de entradas para llevar al sistema
desde Xo en to a Xl en tI'
Cao 1: 'ansición directa

(3.16)

donde:

Cao 2: 'ansición con punto de paso intermedio

BT(t)

(ta, to)xa, to � t < ta

BT(t)

(tl, ta)XI, ta � t < t¡

donde:

Xa =Xa -<(ta, to)Xo
Xl =XI -<(tl, ta)Xa

según se ve en la Ecuación 3.2.

(3.17)

En la Figura 3.3 se puede observar gráfcamente este procedimiento de generación de
nuevas entradas por elección de un punto de paso.

1 Véase el artículo de B.C. Moore referenciado en la Bibliografía

118

U2, t

/

I
\ \

-8

\

-6

-4

-2

CAPÍTULO 3. CONTROLABILIDAD

x,

2 25

2 � Xa
I U2, t > ta

Xl

2

Figura 3.3: Transición del estado entre dos puntos, de forma directa (línea continua) y
con un punto de paso intermedio (línea discontinua).

Ejemplo 3.3

11

Dado el sistema controlable definido por la ecuación de estado:

. [-1 O] [ 1 ]

x = -1 -2 x + O u

calcular una entrada necesaria para realizar la transferencia del estado:

Dado que el enunciado ya formula que el sistema es controlable, no es nece
sario realizar la correspondiente comprobación. Por lo tanto es posible pasar
directamente al cálculo de la evolución libre del sistema, puesto que para calcu
lar la entrada que realiza la transición propuesta hay que tener en cuenta cuál
es el efecto de dicha evolución. Como paso previo es necesario calcular el valor
de la matriz de transición del sistema por cualquiera de los métodos explicados

3.3. CONTROLABILIDAD EN SISTEMAS LINEALES

en el Capítulo 2 de este libro, resultando:

[ e-t

O

]

<(t, O) = -2t -t -2t
e -e e

[ -t
= x(0,5) = <(t, 0)lt=0,5 xo = e-2; _

e-t

] [ 1

] [0,6065

]

t=0,5 1 -0,1292

La entrada necesaria para llevar al estado al valor propuesto, partiendo de
este estado inicial, es la misma que la que lo llevaría desde el estado inicial nulo
a:

Xl = [ ] -[ �:���� ] = [ �:;��� ]

De las infinitas entradas posibles, se calcula la de mínima energía, que se obtiene
de la Ecuación 3.5, por lo que es necesario calcular el gramiano para el intervalo
propuesto:

119

[0,5

T

T

[ 0,3160

W(0,5 , O) = Jo <(0,5, T)B(T)B (T)< (0,5, T)dT = -0,0571

-0,0571

]

0,0143

por lo que, aplicando la Ecuación 3.5, la entrada que consigue realizar la tran
sición propuesta para el estado con el mínimo coste energético es:

siendo dicho coste:

Otro método para el cálculo de una entrada que transfera el estado entre dos valores
prefjados es la composición de escalones. De forma resumida, consiste en:

• Fijar el número de escalones que se utilizarán: en general, para ajustar el valor de
n variables de estado será necesaria la utilización de una secuencia de n escalones
cuya alturas deberán ser calculada para cumplir con el objetivo.

• Fijar el intervalo en el que se aplicará cada uno de estos escalones: esta longitud
se fja arbitrariamente, utilizándose como método general la división del tiempo
disponible para realizar la transición en n subintervalos de igual longitud.
Nótese que una secuencia de n escalones como la descrita genera un sistema con
2n -1 grados de libertad, n alturas y n -1 longitudes de subintervalo, supuesta fja la
longitud del intervalo total. Una posibilidad de ajuste consiste en prefjar la longitud de
estos subintervalos para conseguir reducir el problema a otro con n grados de libertad,

120

CAPíTULO 3. CONTROLABILIDAD

resultando, por tanto, un sistema determinado en el que se utilizan n parámetros (alturas
de los n escalones) para el ajuste de n variables (las n componentes del vector de estado).
También se puede ajustar la secuencia de escalones prefjando una combinación de n -

1

parámetros (alturas y/o subintervalos), procediendo luego al ajuste de la entrada con los
n grados de libertad restantes. Al fnal del capítulo, en el Ejemplo 3.8, se ha incluido la
solución del mismo planteamiento del Ejemplo 3.3 por dos métdos de ajuste de un par
de escalones secuenciados.
En conclusión, existen infnitas entradas capaces de transferir el estado entre dos
valores cualesquiera para un sistema controlable, como ya se ha referido anteriormente.
La forma elegida dependerá, por lo general, de algún criterio de minimización de una
función de coste, problema que en su resolución implicaría la utilización de técnicas de
Control Óptimo.

Energía de la señal de entrada

Si se considera una transformación del estado mediante una matriz T no singular:

de forma que:

x(t) = Tx(t)

Á = T-lAT
B = T-l

B
<(t, to) = T-l

<(t, to)T

entonces esta transformación modifca el valor del gramiano de controlabilidad según:

W(tl, to) = ¡t

l T-l

<(tl' T)TT-l

B(T)BT(T)T-TTT <(tl, tfT-T =

to

= T-lW(tl,to)T-T (3.18)
es decir, que aunque los autovalores de la matriz A son invariantes ante transformación
lineal, los autovalores del gramiano de controlabilidad no lo son, por lo que el gramiano
no ofrece una información concluyente sobre la facilidad de controlar el estado para un
sistema concreto.

Sin embargo, como ya se ha comentado, la entrada sí que es invariante ante trans­
formación lineal, y en concreto también la de mínima energía, por lo que dicha energía
mínima puede tomarse como un indicador de controlabilidad, mediante la comparación
del desplazamiento inducido en el valor del estado y la energía en la entrada para con
seguirlo.

Se pueden formular unos indicadores generales que van a ocasionar un incremento en
dicha energía para un mismo desplazamiento del estado, como pueden ser:

3.3. CONTROLABILIDAD EN SISTEMAS LINEALES

121

• A menor longitud de intervalo [ta, t1l mayor es la energía necesaria, como puede
deducirse fácilmente. El EjemIlo ?? contiene un estudio de este comportamiento.

• Cuanto más rápida es la dinámica del sistema, se tiende a necesitar más energía,
como queda patente en el Ejemplo 3.10.

• Dependiendo de la dirección de avance del estado, en general se modifca la energía
necesaria para una misma distancia desplazada. Un indicador de la diferencia de
coste según la dirección es el número de condición del gramiano2, como se demuestra
en la Sección 3.5.

Ejemplo 3.4

Analizar la controlabilidad del sistema definido por:

x(t) = [1

2] x(t) + [ 1�3 ] u(t)
Calculando el gramiano y sus valores singulares para t = 1 se obtiene un número
de condición de 3,23 1013

, lo que en principio indica muy diferente controlabili
dad según la dirección de desplazamiento elegida para el estado. Sin embargo,
mediante una sencilla operación de escalado:

el problema se transforma en:

Al repetir el mismo cálculo se obtiene un número de condición de 77,44, lo que
indica un mejor equilibrio entre las direcciones de desplazamiento del estado.
En este segundo caso se comprueba además cómo evoluciona la anisotropía
del espacio de estado, a medida que el tiempo se hace mayor. En la siguiente
gráfica se puede observar el conjunto de estados alcanzables consumiendo una
unidad de energía cuando t = 0,5, t = 1 Y t = 2, que tienen como número de
condición de W(h,O), respectivamente, 222,27, 77,44 y 43,29. En dicha figura
llaman la atención dos características:

• El lugar geométrico de los puntos que se pueden alcanzar consumiendo una
cantidad fija de energía es una elipse (una elipsoide en el caso general con
n variables de estado). La aparición de esta forma se justifica en la Sección

2

Número de condición de una matriz: la razón entre el mayor y el menor valor singular en la descomo
posición en valores singulares de una matriz.

122

CAPÍTULO 3. CONTROLABILIDAD

3.5 .

• A medida que el número de condición baja. la elipse de estados alcanza
bles va siendo más redondeada. lo que indica un mejor equilibrio entre las
posibles direcciones de evolución del estado.

3.4. Controlabilidad en sistemas lineales invariantes

En el caso de sistemas lineales invariantes, existe un método alternativo a la aplicación
del gramiano para el estudio de la controlabilidad, cuya aplicación es más sencilla, y que
se formula mediante el siguiente teorema:

El sistema de dimensión n con ecuación de estado:

x(t) = Ax(t) + Bu(t)

es controlable si y sólo si la matriz de controlabilidad Q, defnida de la siguiente
forma:

es de rango máximo, es decir, n.

En este caso, y dado que el sistema es invariante, ya no se tiene en cuenta la variable
tiempo, y se habla sencillamente de controlabilidad. Esto signifca que, 'si un punto es
controlable, siempre se puede transferir el estado inicial a cualquier otro en cualquier
tiempo fnito.

La matriz Q se compone como se muestra en la fórmula, de modo que tiene n x m
columnas, n bloques de m columnas cada uno. Se puede descomponer en m submatri­
ces, siendo la i-ésima la multiplicación de la matriz A y sus potencias con la columna
i-ésima de la matriz B. El rango de cada una de estas matrices Qi defne si el sistema es
controlable utilizando sólo la entrada i-ésima.

3.4. CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES

123

Demostración

Condición necesaria

Si el sistema es controlable, es necesario que existan n columnas de la matriz Q
linealmente independientes. La solución de la ecuación de estado, si se parte de un
estado inicial nulo, es:

Aplicando entonces el método de Cayley-Hamilton:

eA(t,-T) =

1 + A(tl -T) + 2A2(tl -T)2

+ ... =

2!

= ho(T)I + h1(T)A + ... + hn-1(T)A n-l

y sustituyendo en la Ecuación 3.19 se obtiene:

(3.19)

(3.20)

(3.21)

El estado x(tI) que se puede alcanzar desde el origen es combinación lineal de la
columnas de la matriz Q. Por lo tanto, para que x(tI) pueda ser cualquier punto
del espacio de estado, es necesario que de toda las columnas que aparecen haya n
linealmente independientes.

Condición sufciente

Se supone que el sistema no es controlable y se verá que no existen n columnas de
la matriz Q linealmente independientes.
Si el sistema no es controlable, la matriz W es singular, por lo tanto su determinante
es nulo y tiene un valor propio nulo, cuyo vector propio correspondiente verifca la
Ecuación 3.13:

vT<(tl,T)B(T) =

O

Este resultado aplicado al caso de sistema invariantes se puede poner de la forma:

(3.22)

Si se deriva esta ecuación n -1 veces respecto al tiempo:

(3.23)

124

CAPÍTULO 3. CONTROLABILIDAD

Hay un vector que aparece en todos los términos y que es ortogonal a los productos
AB. Cuando existe un vector ortogonal a todas las columnas de la matriz Q, es que
no abarcan la totalidad del espacio de estado, es decir, que el resto de los vectores
no son base de un espacio de n dimensiones, son linealmente dependientes. D

Ejemplo 3.5

Dado el sistema:

[20
x(t) = O 1
4 O

su matriz de controlabilidad será:

[ 1 O
Q= O 2
O 5

2 O
O 17

4 15

El rango es tres, con las primeras columnas, luego es controlable. Siempre se
encontrarán las entradas para llevar el sistema desde cero a cualquier valor.
Con estas dos entradas se puede llevar el estado entre dos valores cualesquiera
del espacio de estado, lo que no se sabe es qué ocurriría si se usara una sola
entrada. Sería equivalente a decir que la matriz B tiene una sola columna.
Entonces se puede comprobar si sería controlable:
[ 1 2 4]
Ql = O O 12

O 4 20 rango(Ql) = 3 ' Es controlable.
Utilizando sólo la primera entrada, se puede hacer que el sistema ocupe cualquier
punto del espacio de estado, igual que con las dos. En caso de utilizar la segunda:

[ O O O]
Q2 = 2 17 62

5 15 45

rango(Q2) = 2 ' No es controlable.

No se puede hacer que el estado evolucione del origen hasta cualquier punto del
espacio de estado.

3.5. 6 INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILIDAD

3.4.1. Invarianza de la controlabilidad ante cambio de base

125

La controlabilidad de un sistema es independiente de la representación de estado que
se maneje. Para probarlo lo único que se necesita es construir la representación de estado
realizando el cambio:

x(t) = Ax(t) + Bu(t)
x(t) = Tx(t)

Con esto se consigue una nueva representación de estado:

:(t) = T-I ATx(t) + T-I

Bu(t)

La matriz de controlabilidad de la nueva representación será:

Puesto que la matriz T es no singular, el rango de Q coincidirá con el de Q, por lo tanto,
si el sistema es controlable con Q también lo será con Q.

3.5. L Interpretación geométrica de la controlabilidad

El número de condición del gramiano de controlabilidad es, como se ha mencionado
anteriormente en este capítulo, un indicador de la anisotropía del espacio de estado
en términos del coste de desplazar el valor del estado dependiendo de la dirección de
dicho desplazamiento. El concepto que subyace se puede explicar, para sistemas lineales
e invariantes, en términos de respuesta del sistema ante un determinado conjunto de
s eñales, como se explica a continuación. Partiendo de la defnición del gramiano de
controlabilidad, dada en la Ecuación 3.4:

se puede entender el término F(t -T) = 1(t -T)B como una aplicación F : l - lnxm.
Así, F(t) representa la aplicación de un conjunto de m señales vectoriales infuyendo
sobre n variables de estado, con lo que cada columna supondría el efecto de cada entrada
sobre el conjunto de variables.
Por propia defnición, el gramiano de controlabilidad es una matriz semidefnida po­
sitiva, con un conjunto de valores propios reales af � a� � ... � a; � O y el correspon-
diente conjunto de autovectores ortonormales VI, V2, ... , Vn. .
El gramiano de controlabilidad se puede interpretar en términos de energía trans
mitida desde la entrada a las variables de estado en la siguiente forma. La integral

J

t:' IIF(T)II; dT representa la energía total del conjunto de señales en el intervalo [ta, h],

126

CAPÍTULO 3. CONTROLABILIDAD

refejando los autovlores y sus correspondientes autovectores la distribución espacial de
esta energía.

Considérese el conjunto de posibles entradas al sistema u(t) E Im, y sea n la clase de
todas las funciones de entrada continuas a trozos en [to, tI] que satisfacen la restricción
en su norma:

1
(1:1
Ilu(T)II� dT) 2 � 1

(3.24)

La imagen de la convolución:

{x E In : x = 1: F(t -T)U(T)dT, t � tI, U(T) E PCf[to, td} (3.25)
donde Pcm [to, h] representa el conjunto de vectores de entrada de dimensión m continuos
a trozos en el intervalo [to, h], es el sub espacio generado por los vectores propios, Vi,
correspondientes a los autovalores distintos de cero. El conjunto contenido en este sub-
espacio:

s = {x E In : x = 1: F(t -T)U(T)dT, t � tI U(T) En} (3.26)
aporta información sobre la estructura de dicho subespacio. Se puede demostrar que S
es una región en In cuya superfcie es una elipsoide defnida por los autovlores y los
autovectores de F(t) en [to, td, como ya se adelantó en el Ejemplo 3.5.
Sean ai Y Vi, i = 1, ... , n las raíces cuadradas de los autovalores del gramiano de
controlabilidad y los vectores propios asociados en [to, tI], Y sean E, V E Inxn:

(3.27)

(3.28)

Sea el conjunto:

s = {x E In : x = VEp, Ilpll = 1}

(3.29)

es decir, un elipsoide con semiejes aiVi, i = 1,2, ... , n. Entonces se demuestra que el
conjunto S se puede caracterizar como:

S = {x E In : x = ax con x E S Y O � a � 1 }

(3.30)

es decir, que S es la superfcie de S.

El conjunto S de de estados que resultan de la convolución de
F(t -T) = <((t -T)B con una entrada de norma unitaria coincide con la su
perfcie de un elipsoide cuyos semiejes son aiVi, i = 1,2, ... , n, siendo ai las
raíces cuadradas de los valores propios del gramiano de controlabilidad y Vi los
vectores propios asociados.

3.5. 6 INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILlDAD

127

Este resultado indica que al aplicar una entrada con una cierta energía, los estados que
se pueden alcanzar se encuentran sobre un elipsoide cuyas proporciones son las indicada
por los autovalores y autovectores del gramiano de controlabilidad, como aparece en la
fgura del Ejemplo 3.4.

Demostración

Suponiendo On > O (sistema controlable), para todo x E S existe un vector p, Ilpll =
1 que satisface que x = VEp. Por su propia defnición se sabe que:

(3.31)

lo que signifca que, si se defne q = VE-I

p, se cumple que x = W(h, to)q; lo que
supone que la entrada u(t) = F(h -t)q conduce al estado x(t) al valor x en el
instante tI. A partir de esta defnición de entrada se obtiene que:

¡t

1 uT(r)u(r)dr = ¡t

1 qTF(tI _ r)FT(tI _ r)qdr =

to

to

= pTE-TVT [1:1 F(tI -r)FT (tI .r)dr] VE-I

p =

,

"

..

W(t¡,to)

=

pTE-TVTVE2VTVE-I

p = 1 (3.32)

lo que signifca que u(t) E n y que x E S.
Para completar la demostración es sufciente probar que la entrada u(t) referida
en el párrafo anterior es la entrada con mínima norma (energía) que conduce al
sistema al estado x en el instante tI. De la defnición de dicha entrada se tiene:

q

= BT

= BT

(tl, t)x (3.33)

p

que es, según la Ecuación 3.5 la entrada de mínima energía que transfere el estado
desde el origen hasta x.

O

Este resultado facilita la interpretación de la información que suministra el gramiano
de controlabilidad para un sistema lineal e invariante:

• El gramiano y la matriz Q establecen la controlabilidad teórica de un sistema, en
términos de si es matemáticamente posible encontrar una entrada que produzca
una determinada transición del estado desde un valor inicial a un valor fnal dado.

128

CAPÍTULO 3. CONTROLABILIDAD

• La estructura de los valores y vectores propios del gramiano de controlabilidad
determina la facilidad relativa con la que se puede recorrer el espacio de estado
según la dirección elegida, siendo mayor el coste cuanto menor sea el valor propio
asociado a la dirección elegida.

• Dado que dicho gramiano no es invariante, este estudio es concluyente en tanto en
cuanto se utilice una representación del estado en la que sus variables tengan un
signifcado físico claro.

• En la circunstancia de utilizar una representación con correspondencia física, la
estructura del gramiano de controlabilidad revela las posibilidades prácticas de
realizar transiciones en el espacio de estado, así como su coste energético relativo
dependiendo de la dirección elegida para la transición. En el Ejemplo 3.11, al fnal
de este capítulo, se puede observar un caso claro de cómo una transición matemáti
camente posible se revela inviable en la práctica.

3.6. Subespacio controlable

Según se ha detallado en los anteriores apartados, en un sistema lineal e invarian­
te que sea controlable se va a poder alcanzar un estado determinado, partiendo desde
cualquier estado inicial, eligiendo la entrada adecuada. Sin embargo, si no es controlable,
no se va a poder alcanzar cualquier estado. No obstante parece interesante, en estos
casos, caracterizar aquellos puntos que van a ser controlables, es decir, que se van a
poder alcanzar.

La descripción se va a realizar en dos etapas: primero se detallan los puntos que se
pueden alcanzar a partir de un estado inicial nulo, para posteriormente generalizarlo para
cualquier estado inicial.

Dado un sistema lineal invariante:

x(t) = Ax(t) + Bu(t)

el conjunto de puntos del espacio de estado alcanzables partiendo del estado
inicial nulo forman un subespacio vectorial, al que se denomina subespacio con
trolable, Xc, generado por los vectores columna de Q.

Estos puntos forman un espacio vectorial, pues el origen pertenece a él y además
cumplen la condición de linealidad: si partiendo de un estado inicial nulo, ante una
entrada UI, se alcanza el estado Xl y, ante una entrada U2, se alcanza el estado X2;
entonces para cualquier combinación lineal:

se alcanzará el estado:

aUI + fu2, a, f E l

3.6. SUBESPACIO CONTROLABLE

129

Se puede plantear la defnición del subespacio controlable, Xc, en función de la res
puesta de la variables de estado del sistema, partiendo del estado inicial nulo, a un
conjunto de señales de test presentada en su entrada.

El subespacio contrlable, Xc, es el subespacio de menor dimensión que contiene
a la imagen de la trnsformación defnida por Xt(t), para todo t E [ta, tI], siendo:

Xt(t) = [xi(t) x�(t) ... xr(t)]

(3.34)

donde x�(t) representa la evolución del estado ante la entrada de test ui(t),
defnida como:

o

i = l, .

.. ,m

(3.35)

o

Demostración

Si se se defne el conjunto de entradas de test:

o

i = l, ... ,m

(3.36)

o
donde 8(t) representa el impulso de Dirac, entonces es:

= <(t, ta)bi (3.37)

con lo que, repitiendo para todas la ui(t) queda:

(3.38)

es decir, la respuesta impulsional del sistema. Dado que se trata de un sistema
lineal, las regiones del espacio de estado para los que dicha respuesta es cero tendrán
respuesta nula para cualquier otra entrada, con lo que la imagen del mapa dado
por 3.38 se corresponde con el sub espacio controlable.

O

130

CAPÍTULO 3. CONTROLABILIDAD

3.6.1. Base del sub espacio controlable

Según se deduce de la demostración de la Sección 3.4, los vectores columna de Q
generan el espacio controlable; por lo tanto una posible base de este espacio vectorial son
las columnas linealmente independientes de la matriz Q, siendo la dimensión del mismo
su rango rQ.

Para el cálculo de una base del sub espacio controlable bata observar que si en la

matriz:

la columna Aibj es linealmente dependiente de sus anteriores columnas:

Aibj

AOlb1 + A02b2 + ... + Aombm +
+ AllAb1 + ... + AlmAbm + ...
AilAibl + Ai2Aib2 + ... + Ai,j_1Aibj_1

(3.39)

entonces Ai+kbj, con k > O, también será linealmente dependiente de sus dos anteriores
columnas, ya que multiplicando la Ecuación 3.39 por la izquierda por A k se obtiene que:

Ai+kbj

AOIAkb1 + A02Akb2 + ... + AomAkbm +
+ AllAl+kb1 + ... + AlmAl+kbm + ...
+k

+k

+k
AirA' b1 + Ai2A' b2 + ... + Ai,j-1A' bj-1

(3.40)

El método consiste entonces en ir seleccionando columnas de izquierda a derecha y,
cuando una de ella, Aibj, sea linealmente dependiente de las anteriores, entonces se
descartan ésta y todas las Ai+kbj posteriores.
El proceso termina cuando todas las columnas de un grupo AiB sean linealmente
dependientes, ya que a partir de entonces los restantes grupos A i+kB también lo serán.

3.6.2. Estados alcanzables

La relación de los estados controlables, a partir de un estado inicial nulo (x(t)) con
los estados alcanzables desde cualquier estado inicial (x(t)), viene dada por la cuación
3.2, de donde:

x(t) = x(t) + <(t, to)x(to)

(3.41)

De esta forma, los puntos alcanzables en el espacio de estado están defnidos por una

variedad lineal tal que:

• La componente debida a la entrada es el sub espacio controlable, Xc, que constituye
el subespacio director de la variedad.

• La componente que depende del sistema y de las condiciones iniciales representa la
evolución libre del sistema ante entrada nula.

3.7. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE

t

----

1 ..,' ..

A

X(t)

-

-

-

-

-

-

-

��

-

-

-

_

_

_

_

�X1

I
I

,l

,

A

X(t1)

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->