Modelo en el espacio de estados Definiciones: Un modelo en el espacio de

estados observa, en el tiempo, las transformaciones de energa que suceden

al interior de un circuito, y no solo la relacin salida a entrada. Por esto se
nombra a una variable como estado cuando sta describe la energa, como
ocurre con el voltaje en una capacidad o la corriente en una bobina. El
mtodo divide un modelo de orden n en n ecuaciones de orden uno;
cada una llamada ecuacin de estado. En el lado izquierdo de esta ecuacin
est la derivada del estado; en la derecha, una combinacin lineal de todos
los estados y la fuente. La ley de Ohm de la capacidad e inductancia, en
forma diferencial, es la forma ms rpida de comenzar a calcular la
ecuacin de estado, pues ya incluye la variacin, o derivada del estado. Una
vez se escriben las ecuaciones sigue el recopilarlas en forma matricial. Por
ltimo se escribe la ecuacin de salida; esta es una combinacin lineal entre
los estados y la fuente, la cual permite observar cualquier parmetro del
circuito. De izquierda a derecha en el modelo aparece: un vector columna,
con la variacin de los estados; este, igualado a la matriz del sistema A
(en ella est la informacin en cuanto a la conexin entre los elementos),
multiplicada por el vector columna de estados. A esto se le suma el vector
de entrada B, multiplicado por la fuente. En la ecuacin inferior est la
salida, igualada al vector fila de salida C, el cual es multiplicado por el
vector de estado. Por ltimo, se suma una constante d (la cual describe la
influencia directa de la fuente sobre la salida), multiplicada por la fuente.
Caractersticas: Cuando se trata de circuitos de orden dos o tres, resulta
conveniente realizar el diagrama de estados, en el cual el eje X es un
estado, el Y otro, y segn sea el caso, Z uno ms. Resultan curvas que
permiten observar el comportamiento del circuito de manera general, sin
preocuparse por la variacin temporal, de lo cual, por ejemplo, se
desprende el concepto de atractor. En segundo orden, cuando no hay
fuentes, (0,0) es un atractor, debido a que cualquier condicin inicial del
estado uno y dos se dirige a cero siempre, por la disipacin de la energa en
las resistencias. Es posible transformar el modelo en el espacio de estados a
una funcin de transferencia o ecuacin diferencial, aunque con esto se
pierda la visin interna del circuito. Asimismo, de la funcin de transferencia
o ecuacin diferencial se puede pasar al espacio de estados, pero por lo
general resultan estados sin sentido fsico. Esto implica que el juego de
estados no es nico: existen muchas representaciones en el espacio de
estados para un circuito, algunas de las cuales pueden estar formadas por
estados con sentido matemtico y no fsico.

Espacio de estado

2.1 Introducci n o
La teora cl sica de control, basada principalemente en la transformada de
Laplace, proporciona herramientas efectivas a para el an lisis, modelado y

control de sistemas din micos, utilizando un enfoque muy sencillo y de f cil

aplicaci n. La transa a a o formada de Laplace permite analizar sistemas
utilizando una serie de reglas algebraicas en lugar de trabajar con
ecuaciones diferenciales. Lo anterior simplifica grandemente el an lisis pero
lleva a las siguientes limitantes: a No proporciona informaci n sobre la
estructura fsica del sistema. o Solo es v lida para sistemas lineales con
una entrada y una salida e invariantes en el tiempo. a No proporciona
informaci n de lo que pasa dentro del sistema. o Se necesita que las
condiciones iniciales del sistema sean nulas. Ning n sistema din mico de
inter s cumple con todos estos requisitos, esto es: Los sistemas din micos
reales presentan no u a e a linealidades, pueden tener m s de una entrada
o m s de una salida, sus par metros cambian en el tiempo y las
condiciones a a a iniciales no siempre tienen un valor de cero.
Afortunadamente, para muchos sistemas es posible considerar esas
limitaciones, trabajar sobre una condici n de inter s, linealizar y utilizar las
ventajas de la teora cl sica de control. Sin embargo, muchas o e a veces
es de inter s conocer de un sistema algo m s que su relaci n entrada
salida. Ya sea por la complejidad del sistema e a o din mico o por el tipo de
an lisis resulta muchas veces necesario conocer la m xima informaci n
posible del sistema para ser a a a o utilizada en su estudio o control. En
estos casos es muy com n el uso del m todo en espacio de estado. El m
todo en espacio u e e de estado es considerado la piedra angular de la teor
a de control moderna. La representaci n es espacio de estado presenta o
las siguientes ventajas: Aplicable a sistemas lineales y no lineales. Permite
analizar sistemas de m s de una entrada o m s de una salida. a a Pueden
ser sistemas variantes o invariantes en el tiempo. Las condiciones iniciales
pueden ser diferentes de cero. Proporciona informaci n de lo que pasa
dentro del sistema. o Resultados sencillos y elegantes.

Figura 1: Modelado y funci n de transferencia o A continuaci n se definen

algunos conceptos. o Sistema. Es un conjunto de elementos que act an
juntos en un fin determinado. Tambi n se entender como una relaci n u e
a o entre entradas y salidas. Sistema determinista. Un Sistema es
determinista, si a cada entrada le corresponde una y solo una salida. 1

Sistema monovariable. Es aquel que solo tiene una entrada y una salida. Si
el sistema tiene m s de una entrada o m s de una a a salida se llamar
sistema multivariable. a Sistema causal o no anticipatorio. Es aquel que su
salida para cierto tiempo t1 , no depende de entradas aplicadas despu s e
de t1 . Obs rvese que la definici n implica que un sistema no causal es
capaz de predecir entradas futuras, por lo tanto la e o causalidad es una
propiedad intrnseca de cualquier sistema fsico. Sistema din mico. Es
aquel cuya salida presente depende de entradas pasadas y presentes. Si el
valor de la salida en t1 a depende solamente de la entrada aplicada en t1 ,
el sistema se conoce como sistema est tico o sin memoria. a La salida de
un sistema est tico permanece constante si la entrada no cambia. a En un
sistema din mico la salida cambia con el tiempo aunque no se cambie la
entrada, a menos que el sistema ya se a encuentre en estado estable.
Sistema invariante en el tiempo. Es aquel que tiene par metros fijos o
estacionarios con respecto al tiempo, es decir, sus a caractersticas no
cambian al pasar el tiempo o dicho de otra forma, sus propiedades son
invariantes con traslaciones en el tiempo.

2.2 Representaci n por medio del espacio de estado o

La principal ventaja de la representaci n en espacio de estado es que es
posible el an lisis de cualquier sistema din mico, o a a no importa si es no
lineal, lineal, variante en el tiempo o invariante en el tiempo, tampoco hay
restricciones en el n mero de u variables, tanto internas, perturbaciones,
entradas o salidas. Con la representaci n en espacio de estado tenemos la
capacidad o de conocer y controlar en cierta medida la din mica interna de
un sistema y su respuesta. Este m todo principia con la a e selecci n de las
variables de estado, las cuales deben de ser capaces en conjunto de
determinar las condiciones de la din mica o a del sistema para todo tiempo.
Pueden existir varias representaciones en variables de estado para un
sistema. En forma general, un sistema visto en espacio de estado tiene la
siguiente forma x = f (x, t) + g (x, t) u (1)

o donde x n ,u m ,x = dx , f y g son generalmente mapeos suaves de

clase C (una excepci n pueden ser los sistemas dt con
discontinuidades). El vector x representa las variables de estado y el vector
u representa el control. A la ecuaci n (1) se le o llama ecuaci n del espacio
de estado. Para realizar la representaci n en espacio de estado de un
sistema din mico, se necesita o o a manipular las ecuaciones del modelo
que lo representa, de tal forma que se pueda obtener la raz n de cambio
respecto al o tiempo de cada variable de estado seleccionada. A continuaci
n se define la terminologa b sica empleada en espacio de estado: o a
Concepto de estado. El estado de un sistema al tiempo t0 es la cantidad de
informaci n que junto con una entrada u[t0 , ) o nos permite determinar
el comportamiento del sistema de manera unica para cualquier t t0 .

Estado. El estado de un sistema din mico es el conjunto m s peque o de

variables (denominadas variables de estado) tales a a n que el conocimiento
de esas variables en t = t0 , conjuntamente con el conocimiento de la
entrada para t > t0 , determinan completamente el comportamiento del
sistema en cualquier tiempo t > t0 . Variables de estado. Son las variables
que constituyen el conjunto m s peque o de variables que determinan el
estado de a n un sistema din mico. Si se requieren al menos n variables (x1
, x2 , , xn ) para describir completamente el comportamiento a de un
sistema din mico, se dice que el sistema es de orden n. Nota: A veces por
comodidad, suele usarse la palabra estaa dospara referirse a las variables
de estado. Por ejemplo, -uno de los estados no se puede medir-, en lugar de
decir, -una de las variables de estado no se puede medir.-. Esto a veces es
confuso y no es totalmente correcto. Vector de estado. Las n variables de
estado forman el vector de estado, que generalmente es un vector columna
de dimensi n o [n 1]. Donde n es el n mero de variables de estado. u
Cuando se trata de sistemas lineales invariantes en el tiempo, la ecuaci n
(1), se transforma en: o x(t) = Ax(t) + Bu(t) y(t) = Cx(t) + Du(t) (2) (3)

donde A,B,C y D representan matrices con elementos constantes. Las

ecuaciones (2) y (3) representan en forma general un sistema din mico
lineal invariante en el tiempo, la ecuaci n (2) representa la din mica del
estado, mientras que la ecuaci n a o a o

(3) es la ecuaci n de salida del sistema. Las ecuaciones (2) y (3) en forma
desglosada se ven o x1 (t) a11 a12 . . . a1n x1 (t) b11
b12 . . . b1m x2 (t) a21 a22 . . . a2n x2 (t) b21 b22 . . . b2m
= . + . . . . . . . .. .. . . . . . . . . . .
. . . . . . . . xn (t) y1 (t) y2 (t) . . . yp (t) an1 c11 c21 . . .
cp1 an2 c12 c22 . . . cp2 . . . ann ... ... .. . c1n c2n . . . xn
(t) x1 (t) x2 (t) . . . xn (t) bn1 d11 d21 . . . dp1 bn2 d12 d22 . . . dp2 ... ...
... .. . ... bnm d1m d2m . . . dpm

u1 (t) u2 (t) . . . um (t) u1 (t) u2 (t) . . . um (t)

. . . cpn

Las ecuaciones (2) y (3) tienen la ventaja de que es posible manipularlas

utilizando solo las propiedades del algebra lineal. Una de las caracter
sticas princiales de la representaci n en espacio de estado es que no es
unica para cada sistema a re o presentar. Un sistema din mico puede tener
varias representaciones en espacio de estado. En algunas representaciones,
las a variables de inter s pueden estar m s accesibles para medici n y/o
control. A cada representaci n en espacio de estado tame a o o bi n se le
llama realizaci n. La multiplicidad de realizaciones para cualquier sistema,
puede ser ilustrada por el hecho que de e o una realizaci n en espacio de
estado dada es posible obtener otra por medio de un cambio de variables.
Sea el sistema: o x(t) = Ax(t) + Bu(t) y(t) = Cx(t) + Du(t) se aplica el
cambio de variables x(t) = T x(t), donde T es una matriz no singular y x(t)
son las variables de estado nuevas. La nueva realizaci n queda: o x
x(t) = T 1 AT x(t) + T 1 Bu(t) = A(t) + B(t) y(t) = CT x(t) = C x(t)
Como es posible encontrar infinidad de matrices T que no sean singular,
entonces es claro una multiplicidad de realizaciones para el mismo sistema.
Las matrices relacionadas por: A = T 1 AT se dice que son similares. Por

este motivo a la transformaci n hecha anteriormente se le llama

transformaci n de similaridad. o o Con lo visto hasta ahora podemos
deducir lo siguiente: El concepto de estado se aplica a cualquier tipo de
sistema. La elecci n de las variables de estado no es unica. o El estado de
un sistema es una cantidad que puede o no tener un significado fsico. El
estado de un sistema puede consistir de un conjunto finito o infinito de n
meros. u

2.3 Obtenci n de las ecuaciones de estado o

2.3.1 Modelado en espacio de estado
La representaci n en espacio de estado puede ser derivada desde las
ecuaciones diferenciales que representan a un sisteo ma, o desde cualquier
arreglo de ecuaciones diferenciales aunque estas no representen ning n
sistema. Por otra parte, si se u desconoce o no se tiene el modelo matem
tico (ecuaciones diferenciales) de un sistema, ser necesario obtenerlo por
medio a a de las leyes o teoras (fsicas, qumicas, monetarias, etc.) que
gobiernan su comportamiento. Una procedimiento muy com n para
obtener el espacio de estado es el siguiente: u 1. Identificar completamente
el sistema. Conocer el sistema, que es lo que hace, cuales son sus variables,
su comportamiento, su interrelaci n al exterior, etc. o 3

2. Identificar las leyes o teoras que gobiernan el comportamiento del

sistema. Leyes de termodin mica, Leyes din micas, a a segunda ley de
Newton, Ley de voltajes y corrientes de Kirchoff, Ley de Ampere, Ley de
Ohm, Ley de Boyle, etc. 3. Definir las ecuaciones diferenciales que
representen el comportamiento del sistema. Aqu se empieza a formular el
modelo matem tico. El grado de complejidad depender de que tan
fielmente se espera que el modelo matem tico a a a represente el
comportamiento del sistema y de las necesidades de simulaci n, medici n
o control. Los pasos 1,2,3 son o o b sicos de cualquier modelado. a 4.
Seleccionar las variables de estado. Son las variables mnimas que
determinan el comportamiento din mico del siste a ma. Si se escogen
menos de las necesarias, el espacio de estado no representa todo el
comportamiento del sistema, si se definen m s, la representaci n en
espacio de estado es redundante. a o 5. Encontrar la din mica de cada
estado. Es decir, encontrar la raz n de cambio respecto al tiempo de cada
variable de a o estado (su derivada). 6. Desplegar el arreglo de las din
micas del estado como en la ecuaci n (1) o como el arreglo de las
ecuaciones (2)-(3) a o si las ecuaciones son lineales o linealizadas. Ejemplo
2.1. Represente por medio de espacio de estado el sistema mec nico
esquematizado en la figura 2. Donde u(t) es a la fuerza aplicada, b es el
coeficiente de fricci n viscosa, k es la constante del resorte. La fuerza del
resorte se considera o proporcional a la posici n y(t) y la fuerza del
amortiguador es proporcional a la velocidad y(t). o

Figura 2: Sistema mec nico (masa, resorte, amortiguador). a soluci n.

Utilizando la segunda ley de newton, se obtiene la ecuaci n de sumatoria
de fuerzas: o o ma = f uerzas

masa acelaracin = f uerza aplicada f uerza resorte f uerza

amortiguador o m(t) = u(t) by(t) ky(t) y Se desea conocer la posici n
y la velocidad de la masa para todo tiempo. Por esa raz n, esas variables se
definen como las o o variables de estado. x1 (t) = y(t), x2 (t) = y(t) La
representaci n ser entonces de segundo orden (n = 2). Si solo interesara
conocer la posici n, tambi n se escogeran dos o a o e variables de
estado, ya que la misma ecuaci n diferencial nos indica una doble derivada.
Si solo se escogiera la posici n como o o variable de estado, no se
representara totalmente el comportamiento del sistema. El siguiente paso
es determinar las din micas del estado. Para la variable de estado x1 (t) ,
su derivada es la variable de a estado x2 (t) x1 (t) = x2 (t) Mientras que la
derivada del estado x2 (t) se obtiene de la ecuaci n de sumatorias de
fuerzas: o m(t) = u(t) by(t) ky(t) y mx2 (t) = u(t) bx2 (t) kx1 (t)
x2 (t) = b 1 k x1 (t) x2 (t) + u(t) m m m

Finalmente se agrupan las dos ecuaciones de estado: x1 (t) = x2 (t) k x2

(t) = m x1 (t) como la representaci n es lineal, se puede indicar en
matrices o x1 (t) x2 (t) = 0 k m 1 b m x1 (t) x2 (t) + 0
1 m b m x2 (t)

1 m u(t)

u(t)

Ejemplo 2.2 Represente por medio de espacio de estado, el circuito RL de la

figura 3(a).

Figura 3: Circuitos RL y RC de los ejemplos 2.2 y 2.3 Soluci n. Utilizando la

ley de voltajes de Kirchoff, se tiene o V1 (t) = i(t)R + L di(t) dt

Se propone solo una variable de estado, ya que la ecuaci n diferencial que

lo representa es de primer orden ( solo existe un o elemento din mico en el
circuito). Se define a la corriente i(t) como la variable de estado, por tener
de manera explcita su a derivada. Entonces se tiene: di(t) R 1 = i(t) +
V1 (t) dt L L y si se define x(t) = i(t), u(t) = V1 (t) R 1 x(t) = x(t) + u(t) L
L Ejemplo 2.3 Represente por medio de espacio de estado, el circuito RC de
la figura 3(b). Soluci n. Utilizando la ley de voltajes de Kirchoff, se tiene o
V1 (t) = i(t)R + Vc (t) la ecuaci n anterior muestra una variable de entrada
(V1 (t)) y dos variables internas del circuito (i(t) y Vc (t)). No est presente o
a de manera explcita ninguna de las derivadas con respecto al tiempo de
estas variables. Se reformula (conociendo que el capacitor es el elemento
din mico) la ecuaci n como: a o V1 (t) = i(t)R + 1 C i(t)dt

Se define x(t) = i(t)dt como la unica variable de estado, u(t) = V1 (t), y la

salida (y(t)) como el voltaje en el capacitor. La representaci n queda: o 1 1
x(t) = CR x(t) + R u(t) y(t) =
1 C x(t)

2.3.2 De la funci n de transferencia a espacio de estado o

Un m todo muy com n es el m todo de salida de integradores. Se obtendr
n las variables de estado integrando sucesivae u e a mente la funci n de
transferencia. o Suponga la siguiente funci n de transferencia o Y (s) b1 s2
+ b2 s + b3 = 3 U (s) s + a1 s2 + a2 s + a3 5

Como primer paso, se cruzan los denominadores y numeradores entre

ambas partes de la ecuaci n. Las variables en Laplace o (Y (s),U (s)) se
cambian directamente a variables en el tiempo (y, u) s3 y + a1 s2 y + a2 sy
+ a3 y = b1 s2 u + b2 su + b3 u s3 y + a1 s2 y b1 s2 u + a2 sy b2 su +
a3 y b3 u = 0 Se realiza la primera integraci n, se toma una s como
factor com n en la parte izquierda de la ecuaci n o u o s s2 y + a1 sy b1
su + a2 y b2 u + a3 y b3 u = 0 se define lo que queda dentro del par
ntesis en (4) como la primera variable de estado (x1 ) e x1 = s2 y + a1 sy
b1 su + a2 y b2 u ahora la ecuaci n (4) queda: o sx1 + a3 y b3 u = 0
x1 = a3 y + b3 u (6) La ecuaci n (6) es la primera ecuaci n de estado.
El procedimiento se repite, ahora se realiza la segunda integraci n, de la o
o o ecuaci n (5) se toma s como factor com n o u x1 = s(sy + a1 y b1 u)
+ a2 y b2 u se define lo que queda dentro del par ntesis en (7) como la
segunda variable de estado (x2 ) e x2 = sy + a1 y b1 u ahora la ecuaci n
(7) queda: o x1 = sx2 + a2 y b2 u x2 = x1 a2 y + b2 u (9) La ecuaci
n (9) es la segunda ecuaci n de estado. El procedimiento se repite, ahora
se realiza la tercera y ultima integraci n o o o (por ser una funci n de
transferencia de tercer orden). De la ecuaci n (8) se toma s como factor
com n o o u x2 = s(y) + a1 y b1 u se define lo que queda dentro del par
ntesis en (10) como la tercera variable de estado (x3 ) e x3 = y y la ecuaci
n (10) queda: o x2 = sx3 + a1 y b1 u x3 = x2 a1 x3 + b1 u Con las
ecuaciones (6),(9),(12) y (11), se obtiene la representaci n en espacio de
estado o x1 = a3 x3 + b3 u x2 = x1 a2 x3 + b2 u x3 = x2 a1 x3 +
b1 u y = x3 El resultado puede expresarse en forma matricial x1 0
x2 = 1 x3 0 (12) (11) (10) (8) (7) (5) (4)

0 a3 x1 b3 0 a2 x2 + b2 u 1 a1 x3 b1 x1 y =
0 0 1 x2 x3 6

2.3.3 Transformada de Laplace de representaciones en espacio de estado

Es posible obtener la transformada de Laplace a partir de una representaci
n en espacio de estado. Este procedimiento o est limitado a sistemas
lineales invariantes en el tiempo, una entrada, una salida, con condiciones
iniciales iguales a cero. a Suponga una representaci n lineal en espacio de
estado de la forma (2)-(3) o x(t) = Ax(t) + Bu(t) y(t) = Cx(t) + Du(t)
Aplicando la transformada de Laplace a las ecuaciones (13)-(14) se obtiene:
sX(s) x0 = AX(s) + BU (s) Y (s) = CX(s) + DU (s) realizando algunas
modificaciones en (15)-(16) (sI A) X(s) = x0 + BU (s) X(s) = (sI A) Y (s)
= C (sI A)
1 1

(13) (14)

(15) (16)

x0 + (sI A)
1

BU (s)

x0 + C (sI A)

BU (s) + DU (s)

Si las condiciones iniciales son iguales a cero, x0 = 0, entonces Y (s) = C (sI

A) o como normalmente se escribe: G(s) =
1

B + D U (s)

Y (s) 1 = C (sI A) B + D U (s)

(17)

G(s) en (17) es la funci n de transferencia del sistema, es una matriz cuyos

elementos son funciones racionales. Tiene tantas o filas como salida tiene el
sistema y tantas columnas como entradas. Se vuelve a comentar que para
tener significado con la transformada de Laplace de un sistema, se reduce a
una entrada y una salida. Si este es el caso, G(s) es una matriz de 1 1
(escalar). Otro m todo usado para obtener la funci n de transferencia a
partir de un modelo en espacio de estados lineal (una entrada-una e o
salida) es por medio de su representaci n gr fica utilizando bloques
integradores, bloques sumadores y bloques multiplicao a dores. Ejemplo
2.4. Obtenga la funci n de transferencia del siguiente modelo en espacio de
estado, a)utilizando la f rmula (17)y b) o o por medio de su representaci n
gr fica. o a x1 = x2 x2 = 5x1 7x2 + 2u y = x1 Soluci n. a) o Y (s)
1 = C (sI A) B + D U (s) A= (sI A)
1

0 1 5 7

B=
1

02=10

C= s 1 5 s+7 s+7 5

0
1

,=

D=0 1 s2 + 7s + 5 0 2 s+7 5 1 s

s00s

0 1 5 7

Y (s) 1 = 2 U (s) s + 7s + 5

1s

Y (s) 2 = 2 U (s) s + 7s + 5 b) Resolver utilizando su representaci n gr fica.

Se usa un bloque integrador por cada ecuaci n diferencial, se coloca
primero o a o el bloque integrador de la variable x2 por estar m s directa a
la entrada o control a 7

Figura 4: Bloques integradores Del sistema se observa que la derivada de x1

es x2 , por lo que se unen el final del bloque a la izquierda con el principio
del bloque a la derecha (ver figura 4). Mientras que la derivada de x2 es
igual a sumatoria de tres elementos. Utilizando dos puntos de suma y tres
bloques multiplicadores, se tiene

Figura 5: Diagrama a bloques, ejemplo 2.4 Ahora, utilizando las reglas de

reducci n de bloques se obtiene la respuesta esperada o Y (s) 2 = 2 U (s) s
+ 7s + 5

2.4 Soluci n de la ecuaci n de estado de un sistema lineal o o

Una vez que se define o dise a una representaci n en espacio de estado,
se dispone de dos formas de an lisis, el Cualitativo n o a y el Cuantitativo,
el primero se refiere a las caractersticas y cualidades que tiene el sistema,
mientras que el segundo se refiere al valor num rico que poseen las
variables de estado. En esta secci n trabajaremos sobre el an lisis
cuantitativo. Nos e o a enfocaremos a la soluci n en el tiempo de las
variables de estado de sistemas lineales, primero sistemas homog neos
escalares o e y vectoriales, despu s con excitaci n externa. e o

Figura 6: Soluci n del estado. o Soluci n para una representaci n escalar o

o Sea el sistema Homog neo escalar e x(t) = ax(t) suponga que la soluci
n de (18) es de la forma o x(t) = b0 + b1 t + b2 t2 + b3 t3 + la derivada
con respecto al tiempo de (19) es de la forma x(t) = b1 + 2b2 t + 3b3 t2 +
sustituyendo (19) y (20) en (18) se tiene b1 + 2b2 t + 3b3 t2 + = a
b0 + b1 t + b2 t2 + b3 t3 + (20) (19) (18)

igualando los coeficientes con las mismas potencias de t b1 b2 b3 bk

sustituyendo estas igualdades en (19) se tiene 1 1 3 3 x(t) = b0 + ab0 t +
a2 b0 t2 + a b0 t + 2 23 x(t) = ahora, utilizando la igualdad

= ab0 = 1 ab1 = 1 a (ab0 ) = 1 a2 b0 2 2 2 1 = 1 ab2 = 1 a 1 ab1 = 1 2 a3

b0 3 3 2 3 1 1 k = k abk1 = k! a b0

1 3 3 1 1 a t + + ak tk b0 1 + at + a2 t2 + 2 23 k!

eat =
k=0

1 k k a t k!

y considerando que

b0 = x(0) en t = 0

la soluci n para el sistema (18) es o x(t) = eat x(0) Soluci n para una
representaci n vectorial o o Sea el sistema homog neo vectorial e x(t) =
Ax(t) donde x(t)T = [x1 , x2 , , xn ] y A es una matriz de dimensi n n
n. Suponga que la soluci n para (21) es o o x(t) = b0 + b1 t + b2 t2 + b3 t3
+ , donde b = vectores columna derivando (22) y sustituyendo en (21)
b1 + 2b2 t + 3b3 t2 + = A b0 + b1 t + b2 t2 + b3 t3 + Se igualan
coeficientes con las mismas potencias de t b1 b2 b3 bk sustituyendo estos
coeficientes en (22) 1 x(t) = b0 + Ab0 t + A2 b0 t2 + 2 1 1 x(t) = I + At
+ A2 t + + Ak tk + 2 k! utilizando la igualdad eAt =
1 k k k=0 k! A t ,

(21)

(22)

= Ab0 1 1 = 2 Ab1 = 2 A2 b0 1 1 = 3 Ab2 = 23 A3 b0 1 1 = k Abk1 = k!

Ak b0

b0

y b0 = x(0), en t = 0, se tiene x(t) = eAt x(0) (23)

donde x(0)T = [x1 (0), x2 (0), , xn (0)], eAt se le llama la matriz

exponencial. Se puede obtener la matriz exponencial aplicando la
transformada de Laplace a (21) L {x(t) = Ax(t)} sX(s) x(0) = AX(s) (sI
A) X(s) = x(0) X(s) = (sI A)
1

x(0)

y aplicando transformada inversa de Laplace se obtiene x(t) = L1 (sI A)

1

x(0)

(24)

Igualando (23) y (24) se tiene que la matriz exponencial se puede obtener

por eAt = L1 (sI A) Ejemplo 2.6. Encontrar la matriz exponencial para el
siguiente sistema x1 x2 Soluci n o
1 1

(25)

0 1 3 4

x1 x2
1 1

eAt = L1 (sI A) (sI A)

1

s00s

0 1 3 4
1

= = L1

s 1 3 s+4
s+4 (s+1)(s+3) 3 (s+1)(s+3)

s2

1 + 4s + 3

s+4 3

1s

eAt = L1 (sI A) eAt =

1 (s+1)(s+3) s (s+1)(s+3)

3 t 1 e3t 2e 2 3 t 2 e + 3 e3t 2

1 t 1 e3t 2e 2 1 t 2 e + 3 e3t 2

x(t) = eAt x(0)

2.5 Valores propios y vectores propios

2.5.1 Introducci n o
Los conceptos de valores propios y vectores propios son de gran utilidad en
el an lisis en espacio de estado de sistemas a lineales. Parten de la idea de
encontrar escalares que representen los efectos de una transformaci n
lineal del tipo o Y = AX es decir, encontrar escalares de
proporcionalidad,tal que AX = X (26)

donde X, Y n son vectores de la misma dimensi n, A es una matriz que

mapea el vector X en Y , y son escalares. o Todo vector X que satisfaga la
ecuaci n (26) se llama un vector propio de A que pertenece al valor propio
. El conjunto de o todos los vectores que satisfagan (26) se le llama
espacio propio del valor propio . La ecuaci n (26) tiene soluci n no trivial
o o (X = 0) si |I A| = 0 (27) el polinomio igualado a cero que se obtiene
de la ecuaci n (27) se llama ecuaci n caracterstica de la matriz A, es de la
forma: o o n + a1 n1 + a2 n2 + + an1 + an = 0 y las races
de la ecuaci n caracterstica son los valores propios correspondientes a A.
Los t rminos eigenvalor y eigenvector o e o valor caracterstico y vector
caracterstico o autovalor y autovector, es com n utilizarlos en lugar de
valores propios y vec u tores propios. Cualquier matriz cuadrada tiene al
menos un valor propio. Todo valor propio de una matriz, tiene las siguientes
dos propiedades: Multiplicidad algebraica. Es el orden de como raz de la
ecuaci n caracterstica, por ejemplo en el polinomio caracterstico o 3
+ 72 + 15 + 9 = ( + 3)2 ( + 1) = 0 el valor propio = 3 tiene
multiplicidad algebraica 2, mientras que el valor propio = 1 tiene
multiplicidad algebraica 1. Multiplicidad geom trica.La multiplicidad geom
trica de un valor propio es la dimensi n del espacio propio generado. e e o
10

2.5.2 Teorema de Cayley-Hamilton

Toda matriz es un cero de su ecuaci n caracterstica. o 1 2 Ejemplo 2.7
Sea la matriz A = , su polinomio caracterstico es 4 3 P () = |I A| =
Entonces P (A) = 1 2 4 3
2

1 2 4 3 1 4 2 3 1 0

= 2 4 5

01

00

00

2.5.3 Matrices Diagonalizables

Matrices diagonales. Una matriz cuadrada es diagonal si todos sus
elementos no diagonales son nulos y algunos o todos sus elementos
diagonales pueden ser nulos. Por ejemplo 9 0 0 0 7 0 0 0 0 0 0
4 0 0 3 0 0 0 9 0 0 7 0 0 9 0 0 0 9 Matrices diagonalizables.
Una matriz cuadrada A es diagonalizable si existe una matriz no singular M
tal que D = M 1 AM sea una matriz diagonal. En este caso se dice que A es
similar (transformada bajo similitud) a una matriz diagonal D. De hecho, una
matriz cuadrada de n n es diagonalizables si tiene n vectores propios
linealmente independientes (La obtenci n de vectores propios se ver en el
pr ximo tema). Al diagonalizar una matriz se simplifican muchos de sus o a

o c lculos y operaciones, sin embargo no todas las matrices son

diagonalizables, afortunadamente existe otra transformaci n a o bajo
similitud llamada forma de Jordan que puede ayudar a simplificar
operaciones (ver 2.5.5).

2.5.4 C lculo de valores propios y vectores propios a

Algoritmo de diagonalizaci n o

Paso 1.Hallar el polinomio caracterstico P () de A Paso 2. Hallar las races

de P () (los valores propios de A) Paso 3. Para cada valor propio de A,
construir P = A I o P = I A y encontrar una base para el espacio de
soluci n P X = 0. Los vectores vi de la base son los vectores propios
linealmente independiente de o A pertenecientes a i . Paso 4. Construir la
matriz M = [v1 |v2 | |vn ] con todos los vectores propios obtenido en el
paso 3. Si el rango de M es pleno, entonces la matriz A es diagonalizable, es
decir 1 2 = M 1 AM = .. . n donde es la
matriz diagonal de valores propios de A, y M se le llama la matriz modal.
Ejemplo 2.8 Encuentre los valores propios y vectores propios de A = Paso 1.
El polinomio caracterstico es |I A| = 1 2 4 3 = 2 4 5 =
( 5)( + 1) 1 4 2 3

11

Paso 2. ( 5)( + 1) = 0, las races 1 = 5 y 2 = 1, son los valores

propios de A Paso 3. El vector propio v1 correspondiente a 1 se obtiene
restando este valor propio a los elementos diagonales de A P = A I = y
resolviendo el sistema homogeneo PX = 0 4 2 4 2 x y = 0 0 o 4x + 2y
= 0 o 2x y = 0 se elige x = 1 entonces y = 2 asi v1 = 4x 2y = 0 1 2 1 4
2 3 5 0 0 5 = 4 2 4 2

donde la elecci n de x = 1 es arbitraria. o De la misma forma se obtiene el

vector propio v2 correspondiente a 2 P = A I = resolviendo el sistema
homogeneo PX = 0 2 4 2 4 x y = 0 0 o 2x + 2y = 0 o x + y = 0 se elige x =
1 entonces y = 1 asi v2 = 4x + 4y = 0 M= v1 v2 = 1 1 2 1 1 1 1 4 2 3
1 0 0 1 = 2 4 2 4

Paso 4. La matriz modal es

a manera de comprobaci n, se obtiene la matriz diagonal de valores

propios: o 1 1 3 3 1 1 1 2 = M 1 AM = 4 3 2 1 1 2 3 3 lo cual
concuerda con el resultado en el paso 2. Ejemplo 2.9 Encuentre los valores
propios y vectores propios de A = Paso 1. El polinomio caracterstico es |I
A| = +2 6 5 +3 2 6 5 3

5 0 0 1

= 2 + 5 + 36

Paso 2. ( + 2.5 + 5.454356i)( + 2.5 5.454356i) = 0, las races 1 =

2.5 + 5.454356i y 2 = 2.5 5.454356i, son los valores propios de A
Paso 3. El vector propio v1 correspondiente a 1 se obtiene restando este
valor propio a los elementos diagonales de A P = A I = 2 6 5 3
2.5 + 5.454356i 0 0 2.5 + 5.454356i PX = 0 0.5 5.454356i 6 5 0.5
5.454356i x y = 0 0 o [0.5 5.454356i] x 6y = 0 5x + [0.5
5.454356i] y = 0 = 0.5 5.454356i 6 5 0.5 5.454356i

y resolviendo el sistema homogeneo

Nota: Las ecuaciones del sistema homog neo anterior son equivalentes, de
hecho, para que un sistema de ecuaciones hoe mog neo tenga soluci n no
nula se deben de tener m s inc gnitas que ecuaciones. Se toma la primer
ecuaci n y se resuelve: e o a o o [0.5 5.454356i] x 6y = 0 se elige x =
1 entonces y = 0.08333 0.909059i asi v1 = 12 1 0.08333 0.909059i

donde la elecci n de x = 1 es arbitraria. o De la misma forma se obtiene el

vector propio v2 correspondiente a 2 P = A I = 2 6 5 3 2.5
5.454356i 0 0 2.5 5.454356i PX = 0 x = y = 0.5 + 5.454356i 6 5 0.5
+ 5.454356i

y resolviendo el sistema homogeneo 0.5 + 5.454356i 6 5 0.5 +

5.454356i Se toma la primer ecuaci n y se resuelve: o [0.5 + 5.454356i] x
6y = 0 Paso 4. La matriz modal es M= v1 v2 = 1 1 0.08333 0.909059i
0.08333 + 0.909059i se elige x = 1 entonces y = 0.08333 + 0.909059i asi
v2 = 1 0.08333 + 0.909059i 0 0 o [0.5 + 5.454356i] x 6y = 0 5x + [0.5
+ 5.454356i] y = 0

a manera de comprobaci n, se obtiene la matriz diagonal de valores

propios: o = M 1 AM = 0.5 0.04583492i 0 + 0.550019104i 0.5 +
0.04583492i 0 0.550019104i = 2 6 5 3 1 1 0.08333 0.909059i
0.08333 + 0.909059i

2.5 + 5.454356i 0 0 2.5 5.454356i

lo cual concuerda con el resultado en el paso 2.

2.5.5 Forma de Jordan

Como se coment al final de la secci n 2.5.3, la diagonalizaci n de
matrices es una herramienta muy util en algebra lineal o o o aunque no
siempre es posible. Sin embargo, es posible transformar por similitud
cualquier matriz cuadrada a una forma casi diagonal llamada forma de
Jordan. En general, una matriz en forma de Jordan se representa como:
J1 0 0 . . 0 ... ... . J(A) = . .. .. . . . 0 . 0 0 Jn
donde cada elemento Ji es un bloque de Jordan de la forma 1 0 0 1
. .. . . . Ji = . . . 0 0

0 0 .. . . ..

..

.0

00......1

los elementos de la diagonal del bloque de Jordan son los valores propios de
la matriz A tomando en cuenta la multiplicidad algebraica de cada valor
propio. Justo arriba de la diagonal los elementos tienen valor 1 y 0 en los
dem s elementos. a Ejemplo 2.10. Encontrar la matriz de Jordan asociada a
la matriz 2 2 1 0 A = 0 1 1 2 2 13

Soluci n La matriz A tiene el polinomio caracterstico o ( + 1)2 ( + 3) =

0 La multiplicidad algebraica de 1 = 1 es 2 y de 2 = 3 es 1. A n no se
conoce la multiplicidad geom trica de 1 , puede u e ser uno o dos (La
multiplicidad geom trica siempre es menor o igual a la multiplicidad
algebraica). La matriz de Jordan puede e ser alguna de estas dos:
1 1 0 1 0 0 0 0 a) 0 1 b) 0 1 0 0 3 0 0 3 Es la primera (a)
si la multiplicidad geom trica del valor propio 1 es uno (Solo se forma un
bloque de Jordan de dimensi n e o 2 2). Es la segunda opci n (b) si la
multiplicidad geom trica del valor propio 1 es dos. En este caso el valor
propio 1 o e tiene dos bloques de Jordan de dimensi n 1 1. o Para
conocer la multiplicidad geom trica, es necesario obtener el(los) vectores
propios asociados a 1 . Utilizando la sece ci n 2.5.4 se realizan los
siguientes pasos. o 1 2 1 0 0 A 1 I = 0 1 2 1 (A 1 I)
v1 = 0 x 1 1 2 1 0 0 0 y = 0 v1 = 0 z 1 1 2
1 El espacio propio es de dimensi n uno, por lo tanto la matriz de
Jordan es: o 1 1 0 0 J = 0 1 0 0 3 Definir la matriz en forma can
nica de Jordan es solo la primera parte de la soluci n. Lo siguiente es
encontrar una matriz T o o que transforme por similutud a la matriz A a una
forma can nica de Jordan. A partir de la forma de Jordan J ya obtenida y o
de los vectores base est ndard del cuerpo complejo C a 0 0 1
e3 = 0 e2 = 1 , e1 = 0 , 1 0 0 se multiplica por separado J con
cada uno de los vectores base st ndard a
1 1 0 1 1 1 1 0 0 1 1 1 0 0 0 0 1 0 0 = 0 0 0
= 0 ; 0 1 0 1 = 1 ; 0 1 0 0 3 0 0 0 0 3 0 0 0 0
3 1 3 y se obtiene Je1 = 1 e1 Je2 = 1 e2 + e1 Je3 = 2 e3 nota : 1 =
1; 2 = 3 Utilizando la estructura obtenida, se define Av1 = 1 v1 (A
1 I) v1 = 0 Av2 = 1 v2 + v1 (A 1 I) v2 = v1 Av3 = 2 v3 (A 2 I) v3
=0

donde v1 y v3 son vectores propios de la matriz A y v2 es un vector propio

generalizado asociado a 1 . Ya se cuenta con v1 (al inicio del problema), se
obtiene ahora v2 (A 1 I) v2 = v1 1 2 1 x 1 0 0 0 y
= 0 1 2 1 z 1 14

una posible solici n para v2 es o 1 v2 = 0.5 1 Para v3 se procede

igual que para v1 (A 2 I) v3 = 0 1 2 1 x 0 0 2 0 y
= 0 1 2 1 z 0 una posible solici n para v3 es o 1 v3 = 0 1
Entonces, con los vectores v1 ,v2 y v3 la matriz de transformaci n T queda
o 1 1 1 T = 0 0.5 0 1 1 1 Verificando J = T 1 AT 0.5
2 0.5 2 2 1 1 1 1 1 1 0 0 0 1 0 0 0.5 0 = 0 1 0 J
= 0 2 0.5 0 0.5 1 2 2 1 1 1 0 0 3

2.5.6 Criterios para determinar estabilidad por medio de los valores propios
La estabilidad de un sistema lineal representado en espacio de estados,
puede ser determinada por las races de la ecuaci n o caracterstica de su
matriz de realimentaci n (matriz A). o Ejemplo 2.9 Determine si es estable
el sistema representado por x1 = x2 x2 = 20x1 5x2 + u Soluci n. La
matriz de realimentaci n (A) es o o A= la ecuaci n caracterstica se
obtiene de: o |I A| = 2 + 5 + 20 = 0 las races de la ecuaci n
caracterstica (los valores propios) son o 1 = 2.5 + j3.7081 y 2 =
2.5 j3.7081 ambos valores propios tienen parte real negativa, por lo
tanto el sistema es estable. 0 1 20 5

15