Clases 2000 PDF

Notas de Clase
Control Automtico 2
Julio H. Braslavsky
jbrasla@unq.edu.ar
10 de julio de 2000
Resumen
Estas notas son una transcripcin de las transparencias usadas para las clases de Control Automtico 2
dadas en el cuatrimestre de otoo de 2000. No pretende ser un apunte completo para el curso, sino una
gua detallada para el estudio del material citado como biliografa recomendada, en el cual se basa.
ndice General
1 Introduccin 4
1.1 Introduccin a Control Automtico 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Representacin Externa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Representacin Interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Sistemas Estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Panorama de la Materia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Bibliografa y Material de Estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Cursado y Regularizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Calendario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Descripcin Matemtica de Sistemas 8

2.1 Una taxonoma de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Sistemas Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Sistemas lineales estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 Representacin entrada-salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2 Representacin en Espacio de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Representacin en diagrama de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Linealizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.6 Sistemas discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6.1 Descripcin entrada-salida de sistemas discretos . . . . . . . . . . . . . . . . . . . . . . 15
2.6.2 Representacin en Espacio de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3 Herramientas de lgebra Lineal 19

3.1 Vectores y Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Bases y Ortonormalizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.1 Norma de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2.2 Ortonormalizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Ecuaciones Lineales Algebraicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.4 Transformaciones de Similitud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.5 Forma Diagonal y Forma de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.1 Autovalores y autovectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.2 Forma Companion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.6 Funciones de Matrices Cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.6.1 Polinomios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.6.2 Polinomio mnimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.6.3 Funciones matriciales no necesariamente polinomiales . . . . . . . . . . . . . . . . . . 29
3.6.4 Series de Potencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.6.5 Diferenciacin e Integracin Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.6.6 La Exponencial Matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.7 Ecuacin de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.8 Formas Cuadrticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.8.1 Matrices definidas y semi-definidas positivas . . . . . . . . . . . . . . . . . . . . . . . . 33
3.9 La Descomposicin en Valores Singulares (SVD) . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.10 Normas de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1
ndice General 2
3.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.12 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4 Solucin de la Ecuacin de Estado y Realizaciones 39

4.1 Solucin de Ecuaciones de Estado Estacionarias . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.1.1 Comportamiento asinttico de la respuesta a entrada nula . . . . . . . . . . . . . . . . 41
4.1.2 Discretizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.2 Ecuaciones de Estado Equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.1 Equivalencia a estado cero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.2 Parmetros de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.3 Formas Cannicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Forma cannica modal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.2 Forma cannica controlable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.3 Forma cannica del controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4 Realizaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4.1 Realizacin Mnima . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.4.2 Sistemas Discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.5 Solucin de Ecuaciones de Estado Inestacionarias . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.5.1 Matriz Fundamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.5.2 Caso Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.6 Ecuaciones Inestacionarias Equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.7 Realizaciones de Sistemas Inestacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.8 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5 Estabilidad 58
5.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2 Estabilidad Entrada-Salida de Sistemas Estacionarios . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.1 Representacin externa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2.2 Caso MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.3 Representacin interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.2.4 Caso discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3 Estabilidad Interna de Sistemas Estacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.3.1 Sistemas discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4 El Teorema de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.5 Estabilidad Interna de Sistemas Discretos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.6 Estabilidad de Sistemas Inestacionarios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6.1 Estabilidad entrada/salida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6.2 Estabilidad interna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.6.3 Invariancia frente a transformaciones de equivalencia . . . . . . . . . . . . . . . . . . . 69
5.7 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.8 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6 Controlabilidad y Observabilidad 72
7 Especificaciones y Limitaciones de Diseo 73

7.1 Sensibilidad y Robustez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.1.1 Perturbaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.1.2 Incertidumbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.2 Funciones de Sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.3 Especificaciones de la Respuesta en Frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.4 Robustez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.4.1 Estabilidad Robusta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.4.2 Desempeo robusto . .. . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
7.5 Restricciones algebraicas en y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
7.6 Especificaciones de diseo en la respuesta temporal . . . . . . . . . . . . . . . . . . . . . . . . 80
7.7 Restricciones en la Respuesta al Escaln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7.7.1 Efecto de ceros y polos en el eje imaginario . . . . . . . . . . . . . . . . . . . . . . . . . 84
ndice General 3
7.8 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
7.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
8 Realimentacin de Estados y Observadores 89

8.1 Panorama del captulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.2 Nota Histrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
8.3 Realimentacin de Estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
8.3.1 Otra receta para calcular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
8.4 Estabilizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
8.5 Regulacin y Seguimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
8.5.1 Seguimiento Robusto: Accin Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
8.6 Observadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
8.6.1 Una primer solucin: Observador a lazo abierto . . . . . . . . . . . . . . . . . . . . . . 99
8.6.2 Una solucin mejor: Observador a lazo cerrado . . . . . . . . . . . . . . . . . . . . . . 99
8.6.3 Observador de orden reducido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.7 Realimentacin de estados estimados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
8.8 Realimentacin de estados caso MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.8.1 Diseo Cclico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.8.2 Diseo via Ecuacin de Sylvester . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
8.8.3 Diseo Cannico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.9 Observadores MIMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.9.1 Observador MIMO de orden reducido . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
8.9.2 Nota Histrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
8.10 Consideraciones de diseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
8.10.1 Dificultades de la realimentacin de ganancia elevada . . . . . . . . . . . . . . . . . . . 109
8.10.2 Resumen del proceso de diseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
8.11 Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
8.12 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
9 Introduccin al Control ptimo 114

9.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
9.1.1 El Principio de Optimalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
9.1.2 Nota Histrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
9.2 Control LQ discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.2.1 Transicin

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.2.2 Transicin

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
9.2.3 Transicin

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
9.3 Control LQ en tiempo continuo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
9.4 Control LQ de Horizonte Infinito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
9.5 Estimadores ptimos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
9.5.1 Modelos de sistemas con ruido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
9.5.2 Filtro de Kalman discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
9.6 Notas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
9.7 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Captulo 1
Introduccin
1.1 Introduccin a Control Automtico 2

Esta materia es un curso avanzado en sistemas lineales y tcnicas de control, que introduce la representa-
cin y el diseo de sistemas en dominio temporal.
Los sistemas a los que nos referiremos a lo largo de la materia son representaciones matemticas de
sistemas fsicos, y el tipo de representacin considerada son las ecuaciones en variable de estado.
En general, vamos a asumir que el modelo del sistema fsico est disponible. Es decir, no vamos a
profundizar en la obtencin de este modelo, que puede hacerse utilizando tcnicas de modelado a partir de
leyes fsicas (como en Procesos y Mquinas), o a travs de estimacin paramtrica (como en Identificacin).
1.1.1 Representacin Externa

A partir de la propiedad de linearidad, un sistema puede describirse mediante la ecuacin integral
!#"%$'& ++,.-0/12-435 (1.1)

& (*) /

La ecuacin (1.1) describe la relacin entre la seal de entrada y la seal de salida , ambas funciones, en
general vectoriales, de la variable real , el tiempo.
Este tipo de representacin es entrada-salida / o externa, y el sistema en s est descripto como un ope-
rador, denotmoslo 6 , que mapea la funcin en ,
/:9
687
" 6 /
.;"<$ & ++,.-0/12-435?>
& (=) /
Para cada posible seal de entrada , el operador 6 computa la salida a travs de la integral (1.1), que
est definida por la funcin , intrnseca al sistema.
)
1.1.2 Representacin Interna
La descripcin externa (1.1) vale para sistemas a parmetros distribuidos (como las lneas de transmisin de
energa elctrica). Cuando el sistema es a parmetros concentrados, entonces tambin puede describirse
por ecuaciones del tipo
A @ . "CB . A .EDCFG .0/H+! (1.2)
!#"JIK+! A .5DMLN .0/1 .> (1.3)
Notar que la ecuacin (1.2) es un sistema de ecuaciones diferenciales de primer orden, mientras que la
ecuacin (1.3) es un sistema de ecuaciones algebraicas. Conforman lo que se conoce como representacin
interna de sistemas lineales.
Como el vector A se denomina el estado del sistema, el conjunto de ecuaciones (1.2), (1.3) se denominan
ecuacin en espacio de estados, o simplemente, ecuacin de estado.
4
1. Introduccin 5
1.1.3 Sistemas Estacionarios

Si el sistema es lineal, adems de ser a parmetros concentrados, estacionario, entonces las ecuaciones
(1.1), (1.2) y (1.3) se reducen a
! #" $ & + -0/12-3E

O (1.4)
A @ . "CB A ) .5DMF*/1 !
(1.5)
!#"JI A .DCLP/1 .> (1.6)
Para los sistemas lineales estacionarios es posible aplicar la transformada de Laplace, que es una herra-
mienta importante en anlisis y diseo (Control Automtico 1). Aplicando la transformada de Laplace a (1.4)
obtenemos la familiar representacin
#" /1
(1.7)
) *"RQGS +!+T
donde la funcin es la funcin o matriz transferencia del sistema. Ambas (1.4) y (1.7) son
representaciones ) externas; (1.4)
) en el dominio temporal, y (1.7) en el dominio frecuencial.
1.2 Panorama de la Materia
1. Introduccin 3.9. Formas cuadrticas y matrices definidas positi-

vas
2. Descripcin Matemtica de Sistemas
3.10. Descomposicin en valores singulares
3. Herramientas de lgebra Lineal 3.11. Normas de matrices
4. Solucin de la Ecuacin de Estado y Realiza- 4. Solucin de la Ecuacin de Estado y Realizaciones

ciones
4.1. Solucin de ecuaciones de estado estaciona-
5. Estabilidad rias
4.2. Cambio de coordenadas
6. Controlabilidad y Observabilidad
4.3. Realizaciones
7. Especificaciones y Limitaciones de Diseo 4.4. Sistemas lineales inestacionarios
8. Realimentacin de Estados y Observadores 5. Estabilidad
9. Introduccin al Control ptimo 5.1. Estabilidad entrada-salida
2. Descripcin Matemtica de Sistemas 5.2. Estabilidad interna

5.3. Teorema de Lyapunov
2.1. Una taxonoma de sistemas
5.4. Estabilidad de sistemas inestacionarios
2.2. Sistemas lineales
2.3. Sistemal lineales estacionarios 6. Controlabilidad y Observabilidad
2.4. Linealizacin 6.1. Controlabilidad

2.5. Sistemas discretos 6.2. Observabilidad
3. Herramientas de lgebra Lineal 6.3. Descomposiciones cannicas

6.4. Condiciones en ecuaciones en forma de Jordan
3.1. Vectores y matrices
6.5. Ecuaciones de estado discretas
3.2. Bases y ortonormalizacin
6.6. Controlabilidad y muestreo
3.3. Ecuaciones lineales algebraicas
6.7. Sistemas inestacionarios
3.4. Transformaciones de similaridad
3.5. Forma diagonal y forma de Jordan 7. Especificaciones y Limitaciones de Diseo
3.6. Funciones matriciales 7.1. Funciones de sensitividad

3.7. Ecuacin de Lyapunov 7.2. Especificaciones de diseo
3.8. Algunas frmulas tiles 7.3. Limitaciones en la respuesta temporal
1. Introduccin 6
7.4. Limitaciones en la respuesta frecuencial 8.7. Realimentacin de estados estimados Caso

MIMO
8. Realimentacin de Estados y Observadores
8.1. Realimentacin de estados 9. Introduccin al Control ptimo

8.2. Regulacin y seguimiento
9.1. El principio de optimalidad
8.3. Observadores
9.2. Regulador ptimo cuadrtico
8.4. Realimentacin de estados estimados
8.5. Realimentacin de estados Caso MIMO 9.3. Estimador ptimo cuadrtico
8.6. Observadores Caso MIMO 9.4. Control ptimo cuadrtico Gaussiano
1.3 Bibliografa y Material de Estudio

El programa sigue principalmente los libros (en ingls, sorry!)
1. Chi-Tsong Chen. Linear System Theory and Design. Oxford University Press, 3rd edition, 1999.
2. John S. Bay. Fundamentals of Linear State Space Systems. WCB/McGraw-Hill, 1999.
Otros libros recomendados:
3. Wilson J. Rugh. Linear System Theory. Prentice Hall, 2nd edition, 1995.
4. T. Kailath. Linear Systems. Prentice Hall, Englewood Cliffs, NJ, 1980.

5. E.D. Sontag. Mathematical control theory. Deterministic finite dimensional systems. Springer-Verlag,
2nd edition, 1998.
1.4 Cursado y Regularizacin

Regularizacin: La materia se regulariza aprobando los dos parciales y los trabajos prcticos con un pro-
medio de por lo menos 60%. De ser necesario, habr un parcial recuperatorio.
Aprobacin: La materia se aprueba en el examen final, consistente de dos partes: prctica y coloquio. Para
regulares, la prctica cubre los captulos no includos en los trabajos prcticos y parciales. No regulares
(libres) rinden prctica sobre toda la materia. El coloquio es no promocionable y cubre toda la materia.
El promedio de regularizacin contribuye a la nota del examen final en la siguiente proporcin:
Parciales: 40%
Trabajos Prcticos: 20%
Prctica Final: 20%
Coloquio Final: 20%
1.5 Calendario
L UNES M ARTES M IRCOLES J UEVES V IERNES

Mar 6 Clase 1 7 8 Clase 2 9 10
1 2
13 Clase 3 14 15 Clase 4 16 17
2 2
20 Clase 5 21 22 Clase 6 23 24
3 3
1. Introduccin 7
L UNES M ARTES M IRCOLES J UEVES V IERNES

27 Clase 7 28 29 Clase 8 30 31
3 3
Abr 3 Clase 9 4 5 Clase 10 6 7

4 4
10 Clase 11 11 12 Clase 12 13 14
4 4
17 Clase 13 18 19 Clase 14 20 21
5 5 Jueves santo Viernes santo
24 Clase 15 25 26 Clase 16 27 28
Mesas de abril Mesas de abril Mesas de abril Mesas de abril Mesas de abril
5 6
May 1 2 3 4 5
D. del Trabajador Primer parcial
8 Clase 17 9 10 Clase 18 11 12
6 6
15 Clase 19 16 17 Clase 20 18 19
6 7
22 Clase 21 23 24 Clase 22 25 26
7 7
29 Clase 23 30 31 Clase 24 Jun 1 2

7 8
5 Clase 25 6 7 Clase 26 8 9
8 8
12 13 14 Clase 27 15 16
Segundo parcial 8
19 Clase 28 20 21 Clase 29 22 23
8 9
26 Clase 30 27 28 Clase 31 29 30
9 9
Jul 3 Clase 32 4 5 Clase 33 6 7

9 9 Entrega de Actas
Captulo 2
Descripcin Matemtica de Sistemas
2.1 Una taxonoma de sistemas

Uno de los problemas ms simples en robtica es el control de la
posicin de un brazo simple de robot usando un motor colocado en la /
junta.
Matemticamente, este sistema no es ms que un pndulo controlado
por torque.
Asumiendo que la friccin es despreciable, que el brazo es rgido, y U
U
que toda la masa del brazo est concentrada en el extremo libre, aplican-
do las leyes de Newton, el ngulo respecto de la vertical est dado por
la ecuacin diferencial
VZU[Y +!\D V:W^]0_ ` U[ ."R/H+!4> (2.1)
VXW
El brazo simple de robot es un ejemplo de lo que se llama un sistema
dinmico, causal, de tiempo continuo, finito-dimensional, no lineal y esta-
cionario. Figura 2.1: Pndulo
U @ las variables que definen el estado del brazo

Dinmico se refiere aU que /
en un instante dado, y , no dependen U en forma instantnea del torque de control . Si por ejemplo se
aplica un valor de torque constante, tomar un tiempo no nulo en alcanzar su valor de equilibrio.
Un sistema no dinmico es esttico, y en l la salida de-
/ pende en forma instantnea de la entrada. Un ejemplo es un
amplificador electrnico donde efectos capacitivos e inductivos
son despreciables.
Los sistemas estticos suelen llamarse tambin sin memo-
ria.
Un sistema es causal o no anticipativo si la salida en un
Figura 2.2: Amplificador instante dado depende de los valores presentes y pasados de
la entrada, y no de valores futuros.
Sistemas anticipativos o predictivos pueden adivinar entradas futuras. Ningn sistema fsico real es
anticipativo.
La salida actual de un sistema causal depende del pasado de la entrada. Pero cunto tiempo atrs
tienen efecto valores pasados de la entrada? Estrictamente, habra que volver atrs en el tiempo hasta ba ,
lo que no es muy prctico. El concepto de estado salva este problema.

El estado/H A . O de
uncJsistema
O en el instante O es la informacin O
+! en que junto
cR O con la
entrada para determina unvocamente la salida para todo .
U
El estado A O U resume
@ O toda la historia del sistema desde ba hasta O : conociendo el valor de/ ngulo y
cR O
velocidad angular en , podemos predecir la respuesta del brazo de robot a valores de torque para todo
.
8
2. Descripcin Matemtica de Sistemas 9
Kcd O O
;cJ O que la entrada para
Podemos pensar y las condiciones iniciales A determinan la evolucin del
sistema para

A .0,5^cJ O*egf A /1 !O ,EcR
O
A +!
del brazo de robot es finito-dimensional, puesto que el estado
El ejemplo en un instante cualquiera
de tiempo puede ser caracterizado completamente por un nmero finito de parmetros (en este caso, dos:
ngulo y velocidad angular).
Un ejemplo de sistema infinito-dimensional aparece en el problema de regulacin de la temperatura del
aula por medio de acondicionadores de aire. La temperatura aparece como una distribucin en todo el
volumen del aula, y su caracterizacin completa requiere un nmero infinito de datos (la temperatura en
todos los puntos del aula).
El trmino en tiempo continuo se refiere al hecho de que la variable es continua, en contraste al caso
de un sistema definido por una ecuacin diferencia
A
ih D%j "B A
ih DCFb/
A >
2.2 Sistemas Lineales

Un sistema se llama lineal si cumple con el principio de superposicin, es decir, dados dos pares de condi-
ciones iniciales y entradas,

Ak .0,5^cJ O e f A/ k .O 0,lcR m
"nj,poK,
k O para (2.2)
tenemos que
5D
Aq +!\D Ar .0,5^cJ O*e f A / q .O 5DM/ A r .0O ,EcJ
q r O (2.3)
+
s Ak .0,5^cJ O e f s A / k +!O 0,5cR sutv >
s k O (2.4)
La propiedad (2.3) es de aditividad, y la propiedad (2.4) de homogeneidad. La combinacin de ambas es

la propiedad de superposicin
La propiedad de aditividad permite considerar la respuesta del sistema como la superposicin de la
respuesta a condiciones iniciales y excitacin aplicadas por separado.
A +
A w .0,5cR O e f H/ .O "M}~,5cJ
A .;" Aw +!\D A[x .0,l;cJ O*e { zyz O
zz ! ,lcJ A + O #"<}
Ax O e f /H .0,E^c
zzz O
z|
La respuesta de un sistema lineal es la superposicin de su respuesta libre (a condi-
ciones iniciales, sin excitacin) y su respuesta forzada (a excitacin, con condiciones
iniciales nulas relajado).
Los sistemas no lineales, como el brazo de robot, no cumplen con el principio de superposicin.
2.3 Sistemas lineales estacionarios

Un sistema es estacionario si para cada par condiciones iniciales y entrada
+
A ! ,EcR O e f A H/ .O 0,5cR
O (2.5)
tZv
y cada , tenemos que
+ D
A 0,5cJ O D ef A /H O D</ .0,5cR D >
r O (2.6)
Es decir, el sistema responde da la misma respuesta, corrida en tiempo, si se le aplica la misma entrada
corrida con iguales condiciones iniciales.
Un sistema que no cumple esta propiedad se dice inestacionario.
2.3.1 Representacin entrada-salida

Por superposicin se deduce la representacin de sistemas lineales mediante la integral de convolucin
!#"%$8 W ++,.-0/12-431-P, (2.7)

donde W ,!-4
es respuesta al impulso: la salida del sistema a un impulso unitario
.
en el instante
-
(Chen 1999).
La causalidad implica que
+,.-#"<} u-
causalidad W para ,
y como las condiciones iniciales se asumen nulas, (2.7) se reduce a
!#"%$ & W ++,.-0/12-431-P>

&(
,!-4 t
Si el sistema tiene entradas y salidas, entonces hablamos de la matriz de respuesta al impulso
v^0 . )
Si el sistema es estacionario entonces para cualquier
se cumple
W ,!-#" W 4D ,!-D ;" W -,p}4>
?- ,p} -
As podemos redefinir W simplemente como W . La representacin entrada-salida del sistema
se reduce a
!#"%$ & W + -0/12-431-"%$ & W -0/1 -3H-P>

O O
La condicin de causalidad para un sistema lineal estacionario se reduce a W ."M} para
^'}
.
2.3.2 Representacin en Espacio de Estados

Todo sistema lineal finito-dimensional puede describirse mediante ecuaciones de estado (EE)
A @ . "CB . A .EDCFG .0/H+!
!#"JIK+! A .5DMLN .0/1 .>
j
Para un sistema de orden , el vector de estados es un vector * , es decir que tiene variables de estado,
A ! tRv; para cada . Si el sistema tiene entradas y salidas, entonces /H . tRv e +! tRv . Las
BK,Fb, I#,0L
matrices se suelen llamar
B t v 7 I t v^0 7
de evolucin de salida
F tZv L tZv^0
7 de entrada 7 de ganancia directa
Cuando el sistema es adems estacionario, entonces la representacin en EE se reduce a

A @ . "CB A .5DMF*/1 !
!#"JI A .DCLP/1 .> (2.8)
Aplicando la transformada de Laplace a (2.8) obtenemos

A A }"CB A \DCF 1/

#"JI A 25DCL H/ 2,
de donde siguen
A #"R B; q F A }5D ;B q F /
#"R ;B q F A }5D IK ;B q
F DCL /H2> (2.9)

2 A } /H2
. . algebraicasA (2.9)
Las ecuaciones };"Mpermiten
} computar A y de y . Las transformadas inversas
dan A e . Asignando vemos que la matriz transferencia del sistema es
;"IK B; q FDML

)
En M ATLAB las funciones tf2ss y ss2tf permiten pasar de una representacin a otra.
Ejemplo 2.1. Supongamos que el brazo de robot trabaja tomando objetos de distinta masa. Entonces V
vara con cada objeto y tenemos que escribir
V +! UY .5D V .
W ]0_ ` U[ ."J/H .>
El sistema se convierte en inestacionario.
Ejemplo 2.2. Consideremos un cohete a reaccin /O }
que asciende en forma vertical de la superficie de la tierra.
/ O '}
La fuerza de propulsin es el producto
, donde p

@ +! , supuestas constantes.
es la velocidad relativa de escape de gases, y
la velocidad de variacin de masa V
Asumiendo la aceleracin de la gravedad W constante,
V + ! Y .#" V . W D / O >
Como V
@ +!"/ O , entonces V ." V O D/ O . Definiendo A q . 7 " . y . @ +!
Ar . 7 " @ . y tomando como salida la altura, llegamos a la representacin en
EE
A @ q ! " } j A q ! D } , A }#"<}
A @ r !. } } A r !. D
W ( .
. ( ( &
." j} AA rq .
Figura 2.3: Cohete
El sistema es lineal, de dimensin 2, e inestacionario.
2.4 Representacin en diagrama de bloques

El diagrama de bloques se obtiene en forma directa de las EE.
2.3. El sistema
Ejemplo
A[@ q ! " o }> [A q . D o
}
A@ r ! . j

G
Ar .
." o AA q +! D?/1 . (2.10)
r +!.
tiene el diagrama de bloques de la Figura 2.4.

/H+! A @ q ! A q . +!

o o

}~>
A @ r . Ar .

Figura 2.4: DB del sistema (2.10)
2.5 Linealizacin
La gran mayora de los sistemas fsicos son no lineales. Una clase importante de ellos se puede describir
por las ecuaciones de estado
A @ . "d A + !0,0/H+!0, A O 0 ,!4, A O ;" A O
!#" A + !0,0/H+!0, A O 0 ,!4, (2.11)

donde y son campos vectoriales no lineales, es decir, escrita en trminos escalares, la componente m de
A @ ! en (2.11) es
A @ k ."n k A q .0,>0>>, A ! / q .0,>0>>,0/ . 0 A q O 0,0>>0>, A O 0. Ak + O #" Ak O >
Este tipo de sistemas se trata en detalle en Sistemas No Lineales.
Una ecuacin de estado lineal es una herramienta til para describir sistemas como (2.11) en forma
aproximada. El proceso de obtencin de un modelo lineal a partir de uno no lineal se llama linealizacin.
La .linealizacin
A O /1 ! se realiza alrededor de un punto o trayectoria de operacin, definida por valores nomina-
les A , y que satisfacen (2.11),
A .0,5^cJ O*egf A O
/1 ! ,EcR O

Nos interesa el comportamiento de la /1 !ecuacin
X" /1 !no
D/0lineal
! (2.11)
A O " A O D A O para /0+! y A O suficientemente
para una entrada y estado inicial cerca-
nos a los valores^cJ O
nominales, es decir y
pequeos para . ." A +!D
correspondiente solucin permanece cercana a la nominal, y escribimos A
A +! para cada cJ O .
Suponemos que la
En trminos de la ecuacin de estado no lineal (2.11) tenemos

A @ .5D A @ !;"d A .5D A +!0, / .5DM/0+!0,! , A O 5D A O ;" A O D A O
Asumiendo diferenciabilidad,
A ! y /H +! , reteniendo slo los trminos de primer orden. Notar que la expansin es en trminos
podemos expandir el lado derecho de esta ecuacin usando series de Taylor
/
alrededor de
de A y ; no se hace con respecto a la tercer variable .
Especificamos la operacin para la componente
AO A +! m , que queda 1
A O A . k A D A , /GDC/ ,.n k A , /H,.

A .

D A , /H,. A q D0 D k A ,
k /,! A
A[q A
D / A , /,! / q DM 0D / k
k A , /,! /
q
(2.12)
"j,>>0>0,
Repitiendo la operacin para cada m
Figura 2.5: Trayectoria de operacin y aproximacin
,
y volviendo a la notacin vectorial, obtenemos

A @ .5D A @ !;d A .0, /H .p\D A A , / ,! A #D / A , /H ,.0/0

x
donde la notacin representa el Jacobiano, o Matriz Jacobiana, del campo vectorial con respecto a A ,

x x >>0> x
x + x
x

> 0
> >

A >0 >>+>0> >>>0>>>0 >
x x >>0> x

+
@ +!^" A +!0, / .0,!4, A O ^" A O , ! / .
Dado que A la relacin entre A y (el modelo incremental) queda
aproximadamente descripto por una EE lineal inestacionaria de la forma
A @ .#"CB . A .5DMFb .0/ ! , A O #" A O <
A O
donde
B .;" A . 0, H/ .0,.,Fb .^" / A . 0, /1 . 0,.>

A
!;" A +!0,0/H+!0,!
De igual manera se expande la ecuacin de salida , de donde obtenemos la aproxima-
cin lineal
."%IK . A !5DCLN+!0/ .0,
.;" . ! ." A .0, H/ .0,.
donde , con

y
IK .#" A +!0, / .0,!4,L: !;" / A +!0, / .0,!4>
A
obtenidas
Notar que las EE por linealizacin van a ser en general inestacionarias, an cuando las fun-
ciones originales y sean estacionarias, debido a que las matrices Jacobianas se evalan a lo largo de
trayectorias y no puntos estacionarios.
Ejemplo 2.4. Consideremos el pndulo invertido sobre un carro mvil de la Figura 2.6. Las ecuaciones de
movimiento son
/GD U @ r
V ]0_ ` U VXW] _ ` UE ] U
Y " D VZ]0_ ` r U
@r
UY " /l ] U U V+]0_ ` Ul ] Ur DM V D W ] _ ` U >
D V] _ ` U
U V
V:W

/

Figura 2.6: Pndulo invertido.
A q " , A r " @ , A M " U A " U @

vemos que el sistema tiene la forma A
@ "d A ,0/[ , donde A tv
/ Definiendo y
y t v , y est dada como
q A ,/ Ar

w
?

A ,0/[#" r A ,,// " 2 2
A A
A ,/ w w l

U !#<} /1 .C} A .0, /H .p;
} Como trayectoria de operacinB tomamos F , ver que satisface
, que es fcil
(es un equilibrio). Las matrices y de los respectivos Jacobianos de evaluados sobre esta trayectoria
son
} j } } }
} } ? } q
B8" },p}" } } } j F'" / }~,}" } >
A } } } q
w w
Ejemplo 2.5 ((Rugh 1995)). Volvemos al ejemplo del cohete de la clase pasada. Las ecuaciones de movi-
miento eran
V +! Y .#" V . W D p /1 .,
V /H ." @ .
donde ahora tomamos
V ! la velocidad de cambio de masa libre
A q .K" +!(ejercicio @ .la , Aclase
A r +!K" en .b" V +! , y
anterior).
/H .
Definiendo como una variable de estado ms, y denotando ,
tomando como una entrada independiente llegamos al modelo no lineal
A r +!
A @ q + !
A @ r + ! " W D + ! /1 . >
A@ +! A
/H .
/"/ su
Consideramos ahora
O %} . No es difcil calcular la trayectoria nominal explcitamente mediante integra-
linealizacin alrededor una trayectoria nominal correspondiente a un valor cons-
tante de la entrada ! . .
cin directa, primero de A , luego Ar y finalmente Aq . Haciendo las cuentas obtenemos
W r D V O jD / O [ jD / O /O
A q +!;" o / OK V \O V O V O\

/
A r +!;" W D j;D V O
O
A +!;" V DO C/ O >
1 Por simplicidad no escribimos la dependencia temporal de y .
Los Jacobianos necesarios son

,/;" }} }
j }
/ r ,/#" } >
A
A
} } N } A , /
A j A
A . /1 !

Substituyendo los valores nominales
A A ! los/ de
." A +! (slo !;"R/1 y. /Haparecen)
. obtenemos la EE linealizada en las
variables incrementales < y n
} j } }
} } / O / /0 .>
A @ ." V O NC
D / O . r A .5D V O DM
} } } j O
Las condiciones iniciales para las variables incrementales estn dadas por

}
A }" A }[ } >
V O
2.6 Sistemas discretos

La mayora de los conceptos de EE para sistemas lineales continuos puede transladarse directamente a
sistemas discretos, descriptos por ecuaciones diferencia. En este caso la variable temporal slo asume
valores en un conjunto denumerable (cuyos elementos pueden contarse 2 ).
Cuando el sistema discreto se obtiene a " partir de "
un}~muestreo
,pj,=oG>de>0> un sistema
h ,h
continuo, vamos a considerar
slo el caso de muestreo regular, donde / , /1 es el perodo de muestreo. En
donde
este caso denotamos las variables discretas (secuencias) como
ih h , etc.
Los conceptos de dimensin finita, causalidad, linealidad y el principio de superposicin de las respuestas
debido a condiciones iniciales y entradas, son exactamente como en el caso continuo.

Una salvedad: a diferencia del caso continuo, retardos puros no dan lugar a un sistema de dimensin
infinita si el retardo es un mltiplo del perodo de muestreo .
2.6.1 Descripcin entrada-salida de sistemas discretos

Definimos la secuencia de impulsos 1
ih como
" j h
" V
1
ihN V f } si
"
si h V
donde h y V son nmeros enteros. Notar que en el caso discreto los impulsos son fcilmente realizables
fsicamente. /
En un sistema lineal discreto toda secuencia de entrada
h puede representarse mediante la serie
/ " / V >

ih
1
ihP V

,
Si W
ih V
denota la salida de una sistema discreto a una secuencia de impulsos aplicada en el instante
V , entonces tenemos que
1
ihN V W
h , V
, / , /
1
ih V
V E W
h V
V (por homogeneidad)
, / W ,V / V >
1
ih V
V E
ih
(por aditividad)

2 Es decir, ponerse en correspondencia con los nmeros naturales.
/
As la salida
ih excitada por la entrada i
h puede representarse mediante la serie
i
h " W
ih , V /
V > (2.13)

Si el sistema es causal no habr salida antes de que la entrada se aplique, por lo que
, "M} V
causalidad W
ih V para h .
Para sistemas discretos causales la representacin (2.13) se reduce a

ih " W i
h , V /
V ,

(
y si adems tenemos estacionariedad, entonces vale la propiedad de invariancia respecto de corrimientos
en el tiempo y llegamos a la representacin del sistema mediante la convolucin discreta

ih " W i
hN V /
V " W
V / i
hN V >
O O
2.6.2 Representacin en Espacio de Estados

Todo sistema discreto lineal finito-dimensional puede describirse mediante EE (diferencia)
A
ih D%j " B A C

h
ih
D F /
i
h
ih

ih %" I A C

ih
h
D L / ,

ih
h
y en el caso estacionario
A
ih D%j " B A i
h C
D Fb/

h

ih %" I A
h MD LP/ >
i
h
2P"
En este caso, tiene sentido hablar de funciones transferencia discretas,
W
h . La relacin entre
) continuo,
funcin transferencia discreta y representacin de estados es idntica al caso
2;"JIK24 B; q FZDCL,

)
y sirven las mismas funciones de M ATLAB ss2tf y tf2ss.
2.7 Resumen
La matriz transferencia es racional sii el sistema es lineal, estacionario y de dimensin finita.
Las representaciones externas asumen condiciones iniciales nulas.
Los sistemas de dimensin infinita no pueden describirse en EE.
Mediante linealizacin, puede describirse el comportamiento de un sistema no lineal en forma aproxi-
mada mediante un modelo en EE incremental lineal.
La linealizacin se realiza alrededor de una trayectoria de operacin nominal conocida, y los modelos
incrementales obtenidos sern, en general, inestacionarios.
Los sistemas discretos tienen representaciones equivalentes a las de sistemas continuos mediante
series de convolucin, funciones transferencia en transformada , y EE diferencia.
A diferencia del caso continuo, los retardos puros no necesariamente dan lugar a un sistema discreto
distribuido.
Tipo de sistema Representacin interna Representacin externa

dim. infinita lineal .58 . H

(
dim. finita, lineal #! . .58 . H
H
(
# . .
dim. inf., lineal, est. .5 .H

(

\

0

dim. fin., lineal, est. .5 . H

(

\

0
2.8 Ejercicios
+!
Ejercicio 2.1. A partir de la definicin de transformada de Laplace de
#"%$ . & 35

O
#" W /1
probar que para un sistema lineal estacionario .
/O /H+! "
V @ . ? Escribir las EE y clasificarlo.
Ejercicio 2.2. Cmo se modifica el sistema del cohete si la velocidad de cambio de masa es
Ejercicio 2.3. Considerar un sistema consistente en un retardo puro,

!#"n/1 >
Es dinmico, lineal, de dimensin finita, estacionario?
Ejercicio 2.4. Introducir el sistema (2.10) en M ATLAB utilizando la funcin ss y obtener la funcin transfe-
rencia con ss2tf. Explorar las herramientas ssdata, tfdata, zpkdata y ltiview.
Ejercicio 2.5. Para la ecuacin diferencial
j
Y .5D"! ." /1 !
/H+!;"una] _ ` simple
usar ? }identidad
"C} @ }trigonomtrica
;"Rj como ayuda para encontrar una solucin nominal correspondente a
, , . Determinar una EE linealizada que describa el comportamiento del sistema
alrededor de esta trayectoria nominal.
Ejercicio 2.6. Linealizar la EE no lineal
j
A@ q + !;" A r !
r
@A r + !;"n/1 ! A q !
}[;" A r }"dj /H ."C}
alrededor de la trayectoria nominal originada en A[ q ,y .
2.7. Para
Ejercicio la EE no lineal
[A @ q ! " Ar ! r o A q ! r Ar !
A@ r ! . [A q
.
5D A q .5D A r .5DM/H .
calcular las posibles soluciones constantes, a menudo denominadas estados de equilibrio, y las correspon-
dientes EE linealizadas.
Ejercicio 2.8. Considerar la EE no lineal

/1 .
A @ ." /1 . A q . A !

A r ! o A !
!#" Ar ! o A !
}"$# O r&% /1 !" j
con estado inicial A y entrada nominal constante . Mostrar que la salida nominal es
.#"dj . Linealizar la EE alrededor de la solucin nominal. Hay algo raro en este sistema?

Ejercicio 2.9. De la definicin de transformada de la secuencia

2"

ih "
h
O

probar que para un sistema lineal estacionario discreto 2#" W 2 /12
.
Captulo 3
Herramientas de lgebra Lineal
3.1 Vectores y Matrices

j j
son vectores (columna) o (fila) y matrices
tv , B tZv . Denotamos el elemento m del vector como k , y el
Los elementos bsicos en teora de sistemas lineales
V con elementos reales,
B es decir, B
elemento m ' de una matriz como ( k ) o
k ) .
q !q q qr >>0> q
r ( ( (
" " q >0>> + * , B8" ( >0r+>q >( >0r.>r >>>>0>0>>( >0r > >
r
.
..
q r >>0>
( ( (
> >> >>> >>0>
>>0> M ATLAB:>0vectores
En >> 1 v = [v1;v2; ;vn] = [v1,v2, ,vn] y matrices A=[a11,a12, ,a1m;a21,a22,
,a2m; ]. B F "/.
El producto de dos matrices tv y tZv-, slo est definido si

tv , 0 tv , tenemos 10 * tv . . En particular para vectores
} }
Escribimos la matriz V con todos sus elementos cero como , simplemente " }
si las dimensiones
V nula es y
(M ATLAB [n,m]=size(A)) son
claras del contexto. Para matrices cuadradas, , la matriz
la matriz identidad o simplemente (M ATLAB I=eye(n)).
Asumimos las operaciones de suma y producto de matrices BKF F;B familiares. Lo interesante del producto de
matrices B es que en general es no conmutativo, cM}
es decir, yB no son siempre lo mismo. B O "d
Si} B "<}
es cuadrada, para cualquierB entero h la potencia est bien definida, con . Si existe un
h32 tal que decimos que es nilpotente.
Traza. Para una matriz cuadrada 8 , la traza es la suma de los elementos de su diagonal (en M ATLAB
trace(A))

4 5 B8" ( k k >
k q
B F BKF 4 5
BKF " 4 5
FB .
Si y son tales que es cuadrada, entonces
Determinante El determinante es otra familiar funcin escalar de una matriz cuadrada, 687 (M ATLAB
4 B
k)
k ) j k )
det(A)). El determinante puede evaluarse recursivamente mediante la expansin de
Laplace: j 9 jel
Sea
cofactor del elemento ( B , o sea el producto de por el determinante de laj;submatriz
: :
obtenida de eliminar en la fila m y la columna ' . Entonces para cualquier m fijo, m ,
B8" k ) k ) >
67 4 ) q ( 9 (3.1)
1 Ojo con la transpuesta en M ATLAB cuando se trabaja con vectores o matrices complejos; representa la transpuesta conjugada, la
transpuesta sin conjugar es ..
19
3. Herramientas de lgebra Lineal 20
Esta es la expansin sobre la fila m . Una expresin anloga existe para la expansin sobre una columna ' .
Vemos de (3.1) que el determinante no es ms que la suma de productos de los elementos de la matriz,
por lo B que F es una funcin matricial diferenciable
4 BKF^todas
;" las B;veces
4 que
F;" uno 4quiera.
pFB;
Si y son matrices P , entonces 687 687 4 67 67 .
B B q #B B q "nB q BM" 4 B "n}

Inversa La matriz cuadrada tiene q inversa, ,
B una B , sii 687 (M ATLAB inv(A),
B
A(-1)). Una frmula B
comn para se basa en los cofactores de . B
El adjunto de , <=6?> , es la matriz cuyo elemento m ' es el cofactor 'm de o sea, la transpuesta de la
matriz de cofactores. Entonces
B q " <=6?> BB
4
687
BKF q "nF q B q
La inversa del producto de dos matrices cuadradas no singulares cumple .
Una frmula muy til en teora de sistemas lineales es el lema de inversin de matrices.
,pl,A, B
Lema 3.1 (Inversin de Matrices). Dadas matrices @ de dimensiones compatibles, donde @ y son
cuadradas y no singulares, entonces
A# q BK q " q D @ q^
A . q #A q B q >
@
B
@ @ @
3.2 Bases y Ortonormalizacin

El conjunto de todos los vectores de v puede verse como un espacio vectorial lineal con las operaciones
estndar de suma de vectores y producto por nmeros reales. Las matrices V (o P V si consideramos
vectores fila) son operadores lineales definidos sobre estos espacios.
Dos vectores A q e A r D en v son
sr A r "M} , es la trivial, s^q "<}~, s#r "M} . Sino son linealmente dependientes.
linealmente independientes (LI) si la nica combinacin lineal de ellos que
da el vector nulo, s^q A q
S A q ,ElA r concepto
,>0>>0, A T se extiende a un conjunto de cualquier nmero de vectores. Si el S conjunto s^q , sr ,0>>0>, s T don-
de vectores
"<}
es linealmente dependiente, entonces existe un conjunto de escalares
de al menos uno es distinto de cero, digamos s^q , y
s qA[q D s rAr D0 D s A "C}b>
" q DR 0D
Entonces podemos escribir A q como combinacin lineal de los restantes vectores, A q C sr A r
s A .
La dimensin de un espacio lineal es el mximo nmero de vectores LI en ese espacio; en v .
Un conjunto de vectores LI en v es una base de v siS todo , r vector
,>0>>0, de T
v se puede escribir como una
combinacin lineal nica de los vectores del conjunto. Sea q una base de v . Entonces dado
un vector cualquiera A tZv
puede expresarse en forma nica como
A " s q q D s r r DM D s
s^q
sr
" q r >>0> "ED A ,
..
.
s
" >>0> s * S , ,0>>0>, T
donde A D
s^qsr es la representacin de A con respecto a la base (o en las coordenadas) q r v .
La matriz S , es,no>0>>0singular
, T A E qA
" porD definicin, y sirve para obtener la representacin de cualquier vector en en
la base q r , . q " jG}b>0>>;} * r " }j#>>>#} *
DJ"J siempre existe la base formada por los versores
En particular,
,
, etc. En
ese caso .
q
yr
" j * " o o * v r.
Ejemplo 3.1. Consideremos los
A " vectores
jG * S
q
, rT . jGo
Como son LI, forman una base en
La representacin del vector
en las coordenadas es
* , que se obtiene de
" Duo r
o sea que A puede escribirse como A q .
q j
A " q r

o q j
" jo

" jj o [j o j
! !
" o , j
3.2.1 Norma de vectores

El concepto de norma de un vector es una generalizacin de la idea de magnitud. La norma de un vector A ,
denotada F A F , es una funcin del espacio vectorial en v O (los reales positivos ms el 0) que cumple con las
siguientes tres propiedades:
c'} "C} A "C}
1. FA F para todo A y F A F sii .
"
H G G
2. F s A F s F A F , para todo escalar s .
D Ar : A[q D Ar
3. F A[q F F F F F para todo A[q , Ar (desigualdad triangular).
" A q A r >0>> A *
Dado un vector A
, tres tpicas normas en v son
FA Fq J GA k G
I k q norma-1
" L k q G A k G r
"
F A F r JK A * A I norma-2 o eucldea
G kG
F A F NM k<+O A norma- a
En M ATLAB norm(x,1), norm(x,2) = norm(x) y norm(x,inf).

La bola unitaria es el conjunto de vectores de norma no mayor que la unidad. La forma de la bola unitaria
depende de la norma.
F q "%S A tv A :JjT;>
71F F
La norma 2 o eucldea es la longitud del vector desde el origen. A menos que aclaremos lo contrario, vamos
RTS
P
Q P U P
Q P
Figura 3.2: Bola unitaria en v r en normas 1, 2 e a .
a trabajar siempre con la norma 2.

3.2.2 Ortonormalizacin
" * A " j A q * A r "
Un vector A de v est normalizado si F A F A A[q Ar
A r * A q "<} . Un conjunto de vectores Ak , m "nj,po~,0>K >0>0,
. Dos vectores y son ortogonales si
V , es ortonormal si
} " ,
A k * A) " f j si ml '
" >
si m '
S , ,>0>>0, T
S q ,j r un
Dado ,>0>>0conjunto
,j T de vectores LI q r , podemos obtener un conjunto ortonormal de vectores
usando el procedimiento de ortonormalizacin de Schmidt,
/q q / q F/qF ,
q
/r r q* r q / r F/rF ,
> >0> r >0 >>
/ qq * / / >
I F F

DR" >>0> : D * DR"d
Si
q r D;D * es una matriz V , V , con todas sus columnas ortonormales, entonces .
Qu puede decirse entonces de ?
3.3 Ecuaciones Lineales Algebraicas

Consideremos el conjunto de ecuaciones lineales algebraicas
B A "
(3.2)
B j j
donde e son matrices reales dadas, respectivamente V y V , y A es la incgnita a resolver, : .
El problema consiste de V ecuaciones y incgnitas escalares,
B y puede que V sea menor, igual o mayor
que . La existencia de solucin depende de la imagen B de .
El espacio imagen, o simplemente imagen, B de es el espacio generadoB haciendo todasB las posibles
combinaciones lineales de las columnasB de B . La
A "} . El espacio de todos los vectores nulos de B se llama el
dimensin de la imagen de es el rango de .
Un vector A se llama vector
B nulo de si B
kernel o espacio nulo de . La dimensin del kernel de cumple la relacin
B;;" B 5 HB;
dimensin de V 7 5 nmero de columnas de < ` (3.3)
B
En M ATLAB orth(A) da una base ortonormal de la imagen de , rank(A) da el rango, y null(A) da
una base ortonormal del kernel.
Ejemplo 3.2. Sea la matriz

} j jo
B8" j o !}
W( q ( r ( (
>
o } o
q rB o q r
S q , es
El rango de
r T , ya que ( y ( son LI pero ( yB ( son combinacin lineal de ( y ( . Podemos tomar el
conjunto ( ( como una base de la imagen de . B o
La ecuacin (3.3) implica que la dimensin del kernel de es , y puede verificarse que los vectores
" j " } o } j +*
j j} +*
q r y
B B "C}N"MB r S , T B
son vectores nulos de ( q ). Como q y r son LI, q r es una base del kernel de .
B B
HemosB definido el rango de como el nmero de columnas LI de , pero tambin es igual al nmero de
filas LI de , por lo que se cumple que
5 < ` 2BX: _ ` V , >
M
B tv tZv
Teorema 3.1 (Existencia de solucin). Dada una matriz y un vector ,
1. Existe una solucin A t v de la ecuacin B A "

sii pertenece a la imagen de , o sea,
B
5 < ` B;#" 5 < `
B
B q
donde
tv .
B " 5 < ` HB;;" V (B es de rango fila pleno).
2. Existe una solucin A de A para todo tZv sii
B tCv
B A " de todas la soluciones).
Teorema 3.2 (Parametrizacin HB; Dada una matriz t%vB y un vector ,
A
sea una solucin de
5
y sea h < ` la dimensin del kernel de . Entonces
"<} B
1. Si h ( tiene rango columna pleno), entonces la solucin A es nica.
} S q , r ,>0>>, T B
2. Si h32 S sea , R
" j,o~ ,>0>>, T una base del kernel de . Entonces para cualquier conjunto de h nmeros
reales s k m h el vector
A " A D s q q D s r r DM D s

B A "
es tambin solucin de .
B "
Ejemplo 3.3. Consideremos la ecuacin A

} j jo A q !
jo ! A r " >
o } o } A G} (3.4)
A
A B " O OlO *
B que est en la imagen de y que
S q , r T verse fcilmente
Puede es una solucin. Con la base
del kernel de obtenida en el Ejemplo 3.2 podemos expresar la solucin general de (3.4) como
A " A D s qq D s rr
} j }
" }! D s^q j j D s r o} ,
}
} j

donde s^q y sr pueden tomar cualquier valor en tZv .
A A son BC" ,
j j V vamos a encontrar el problema formulado en trminos de vectores fila,
A veces B * A * " * , donde
y . Puede tratarseB como " antes considerando el problema transpuesto .
En M ATLAB la solucin deB8A" puede obtenerse como x = A Y y. El smbolo Y denota divisin matricial
por izquierda. Para el caso A usamos la divisin matricial por derecha x = y/A.
B A " B
Teorema 3.3 (Sistemas cuadrados). Sea donde es cuadrada. Entonces
B A "nB q
B A "C} existe
1. Si es no singular
A "<una
} solucin nica para cada , dada por . En particular la nica
solucin de es .
B "R} B
2. La ecuacin homognea A B
tiene soluciones no nulas sii es singular. El nmero de soluciones
LI es igual a la dimensin del kernel de .
3.4 Transformaciones de Similitud

B
Una matriz cuadrada mapea vectores de v en v ,
B A " >
(3.5)
v S q , r ,0>>>0, T "ZD\A [
Si" representamos los vectores de con respecto a una nueva base , tenemos que A e
] D^ [
, y la ecuacin (3.5) da
B A " B D3A [ E
- " D_ [ D q B-DX=A [ `
" [

B[ D q -B DX B S , ,0>>>0, T

La matriz es la representacin de con respecto a la base q r . La transformacin
B8 [ "ED q B-D B "JD B-[ D q
8
B B[
se llama 8S , ,>>0>+, T
transformacin de similitud, y y se dicen similares. B
Si q r es la base cannica Ba k (formada por los versores), S q ,+ r ,0>>0>entonces
,+ T la columna m de no es ms
que la representacin S q , r ,>0del >>, vector
T con respecto B [ a la base B k. S , ,>0>>0, T
En la base [B8J " D bB D q la columna m de es la representacin de en la base q r . Esto
se ve de , que se suele escribir
B D]
- " D B[
B q r >>> ] " D ( [ q ( [ r >>0c > [
(
B q B r >>0>B " D_( [ q D_( [ r >>d > D^[
(
Ejemplo 3.4. Consideremos la matriz
o j } j
B8" o j } D%" } } o!

j y la base j j
!
Calculamos
} } fj e
[B8E q
" D -B D" j} j
} j
3.5 Forma Diagonal y Forma de Jordan

3.5.1 Autovalores y autovectores
B B "
Un nmero g tih es un autovalor de la matriz B tv; si existe un vector no nulo tv tal que g# .
Este vector es un autovector
B (por derecha) de asociado al autovalor g .
Los autovalores de se encuentran resolviendo la ecuacin algebraica
B; M" }b>
g (3.6)
B
Como vimos en la clase pasada, este sistema admite soluciones no nulas si la matriz g es singular
(determinante cero). B
Definimos el polinomio caracterstico de
j # " 4 B;>
g 687 g
j j
polinomio
El B; g es mnico,2 de grado , y tiene coeficientes reales. Para cada raz de g la matriz
g ecuacin algebraica (3.6)
es singular, y por lo tanto,j la B tienej al menos
B
una solucin no nula.
Concluimos que toda raz de g es un autovalor de ; como g tiene grado , la matriz tiene
autovalores (aunque no necesariamente todos distintos).
3.5.2 Forma Companion

4 B;
En general, el clculo del polinomio caracterstico de una matriz requiere la expansin de 67 g . Sin
embargo, para ciertas matrices el polinomio caracterstico es evidente. Estas son las matrices en la forma
companion, (M ATLAB A = compan(p), donde p es un polinomio)
} } } s
j} } s js^q } s r }s }
s
} j } } j } }
} } j sr } } j }
^
s q
} j } } s q j} }
} } j }
s r } j }
} } } j s } } j
s s s r s q s } } }
2 El coeficiente del trmino de mayor orden es k .
s qg s rg s g s . j #" D D r D D
B g
con el mismo polinomio caracterstico g ." ,0>>0>, *
En M ATLAB los autovalores de se calculan con la funcin r = eig(A), donde
lg q g ;
poly(r) da el polinomio caracterstico.
B Otro caso donde los autovalores (y el polinomio caracterstico) son particularmente evidentes es cuando
es diagonal,
q } } 0 }
g } } 0 }
g}r
B " }
8 g
0 } >
.. .. .. .. ..

}. }. }. 0 . .
g
B B
Pero, podemos siempre representar en forma diagonal? No siempre, depende de si tiene:
1. autovalores todos reales y distintos
2. autovalores complejos y distintos
3. autovalores repetidos
Analizamos cada caso.
B
Caso 1: autovalores de todos reales y distintos
S , ,0>>>0, T
B[
En este caso los autovectores correspondientes B[
B son LI. Usamos el conjunto de autovectores, q r ,
B q " q q
como base. Sea la representacin de en esta base. La columna 1 de es la representacin de
g en la base nueva,
p o
B q " q q " O
g
n m m m .
O..
B[ q }>0>>} * B " r r
y concluimos que la columna 1 de} } >
l>0g >~}
es . La columna 2 es la representacin de r g con
respecto a la base nueva, o sea
g r * . Siguiendo este procedimiento, llegamos a que
q } 0 }
g } 0 }
[ "
B8 g r >
.. .. .. ..

}. }. 0 . .
g
Concluimos que toda matriz con autovalores distintos tiene una representacin en forma diagonal (es diago-
nalizable).
B
Caso 2: autovalores de complejos y distintos
B
Cuando todos los autovalores son distintos, pero algunos son complejos, no podemos llevar a una forma
diagonal real B (aunque si compleja). "rq
Siendo real, los autovalores complejos aparecen siempre "n/G en pares conjugados g '=s , y dan lugar
a pares de autovectores tambinB complejos conjugados '10 .
En este caso se puede llevar a una forma real diagonal en bloques, para lo cual la nueva base se arma
con los autovectores reales, y las partes reales e imaginarias de los autovectores complejos. S , ,tq D
,q tq q ejemplo,
Por ,q tq r D si tenemos
,r wq r Tr autovalores reales
dos S q , y r dos
,/ q D paresq ,/ de 0
, / D
autovalores
, /
complejos, T g q g r q
'us v'us 'us v'=s con autovectores '10 q v'10 q r '10 r r v'10 r , formamos la
base
S q , r , / q , q , / r , r T;>
0 0
B
En esta base la matriz tiene la representacin
q } } } } }
g } } } } }
g}r
[ " }
B8 q q
sq q
} } >
} } } }
} } a} s q }
q
q r
} } } } sq r
as r r
o o
Hay un bloque de por cada par de autovalores complejos conjugados.
B
Caso 3: autovalores de repetidos
B
Este es un caso especial. Cuando tiene autovalores repetidos puede que no podamos llevarla a una forma
diagonal, pero siempreB se puede llevar a una forma triangular o diagonal en bloques.
Supongamos que t'v tiene un autovalor" ! g con multiplicidad , es decir, un slo autovalor repetido
veces. Para simplificar consideremos
B; .
Sabemos B; la matriz g j,pes
que o~, singular. Ahora, caben las posibilidades de que el kernel (espacio
nulo) de g tenga dimensin o! .
Si tiene dimensin ! , entonces sabemos que hay cuatro soluciones S independientes
, , , T (no nulas, pues la
nula es la solucin particular), correspondientes a una base del kernel q r .
s^q
B; A "<} x
g A " q r ss r >

s
B S q, r, , T
j la base
En este caso hay ! autovectores independientes, y esB diagonalizable usando .
Veamos ahora el otro caso extremo, el kernel de tiene dimensin . En este caso slo podemos
encontrar una solucin independiente. Necesitamos tres vectores independientes ms para armar una base.
Una forma de lograrlo es usando el concepto de autovalores generalizados.
Un vector es un autovector generalizado de grado asociado al autovalor g si
B; <" } B; q M" }
g y g
"dj " !
Si el problema se reduce al caso recin visto. Para definimos

B "J2B
g
g r

B J" 2B
r g
g

B J" 2B >
q g r g

B
Estos "C} forman
vectores B r cadena
una "M} generalizados
"M} B de autovectores B; "<} de longitud 4, y cumplen las propiedades
g q , ,g , , r , g y g .
Los vectores q r LI por definicin, y cumplen con
B q "
g# q
B r " D
q g# r
B " r D
#g
B " D
g#
B S q, r, , T
As la representacin de con respecto a la base es
j } }
g} j }
y " } g} j >
} } g}
g
y
! , en la base q r .
B , "dj,po~,~, S , , , T
Es fcil chequear que las columnas de son la representacin de k m
2B sellama
Esta matriz triangular bloque de Jordan de orden 4.
Si el kernel de zg tiene dimensin S 2,
, entonces
T S/ ,/ hay
T S dosT cadenas
S/ ,/ ,de
/ T autovectores
S , , T generalizados
S[/ T cuya
longitudes sumadas dan 4. Pueden ser q r y q r , q y q r , q r y q . En este caso
la base se forma con los vectores B de las
dos cadenas.
Igualmente, si el kernel de {g tiene dimensin 3, entonces hay tres cadenas de autovectores gene-
ralizados, etc. B D
En resumen, si tv tiene un autovalor g con multiplicidad 4, existe una matriz no singular tal que
B [ "ED q -B D
8
tiene una de las siguientes formas de Jordan
j } } } } } j } } } } } } } }
g} j } g} j } g} } } g} } } g} } }
} g} j } g} j } g} j } g} j } g} }
} } g} } } g} } } g} } } g} } } g}
g g g g g
La forma general a la que podemos llevar j j una matriz va a ser diagonal en
o o
bloques, donde los bloques pueden ser de para autovalores reales distintos,
para pares de autovalores complejos conjugados, y bloques de Jordan para
autovalores mltiples.
4 B " 67 4 D q B-[ DX" 687 4 D 687 4 D q 687 4 B [ . Como B [ es
La forma de Jordan puede usarse para establecer propiedades generales de
matrices. PorB [ ejemplo, 687
triangular, 687
4 es el producto de los autovalores,
4 B8" | k B;,
6 7 k q g
B
por lo que es no singular sii no tiene autovalores nulos. Camille Jordan
En M ATLAB podemos usarB [q,d] = eig(A) para calcular los autovalores (1838-1922)
y la base de autovectores si es diagonalizable (sino, Chen (1999) menciona
[q,d] = jordan(A), usable con restricciones, pero aparentemente disponible
solamente en las versiones de M ATLAB con el symbolic toolbox).
3.6 Funciones de Matrices Cuadradas

3.6.1 Polinomios
" } B *" D
Vimos q que
D0 para B; h la potencia
D cualquier entero est bien definida. Dado un polinomio g g
( qg ( definimos como
B;"CB D B q D0 D >
( q (
B B8" ? } O } O
Si
es diagonal en bloques, digamos es fcil verificar que
B " B q } } > B;;" B} q

} B r

B r y tambin

B8[ "]D q -B D B8"]D q B-[ D
Dada la transformacin de similitud o , como
B "RD B-[ D q "]D B-[ D q D=B-D q 0"]D B [ D q ,

tenemos que
B;"JD B[ tD q B;[ #"]D q 2BtDu>
o
j =" 4 B;=" D s q q D% 0D s q D s
B
Teorema 3.4 (Cayley-Hamilton). Sea g 67 g g ^ g g el polinomio
caracterstico de . Entonces
j B;;"B D s q B q DM 0D s q BD s 5"M}b>
(3.7)
B decir, una matriz satisface su propio polinomio caracterstico. Sp,!BG,0>>0El r q T . Si multiplicamos (3.7) por B
>0,!B teorema
Es de Cayley-Hamilton implica
que se puede B q
escribir como una combinacin lineal de SBK,B ,>0>>0,B T
obtenemos que seS[puede ,!B q T como combinacin lineal de
p,!BK,>>0>0escribir , que a su vez se puede
escribir en trminos de B; .
B polinomio
En conclusin, todo } j puede expresarse, para apropiados ~ k , como una combinacin lineal
de las potencias de de a = .
B;" D q BDM 0D q B q >
~ O ~ ~
3.6.2 Polinomio mnimo

Habamos visto el j teorema
=" 4 de Cayley-Hamilton,
B; B;=deca
j que "} que toda matrizB satisface su polinomio caracters-
j
tico, es decir, si g
6 7 g , entonces . Pero, podr satisfacer un polinomio de grado
menor al de g ? B
La respuesta depende de la multiplicidad de los autovalores de . Cuando los autovalores son todos de B
multiplicidad 1 (todos distintos), entonces el polinomio caracterstico es el polinomio de menor grado que
satisface (polinomio mnimo), o sea en este caso.
Cuando hay autovalores con multiplicidad mayor que 1 (repetidos), el polinomio mnimo podr ser de
grado menor que . El polinomio mnimo se puede expresar como
# " | k + ,
g k
g
g
donde k es la dimensin delx bloque

: de Jordan ms grande asociado a g k . Como g k puede tener ms de un
bloque de Jordan asociado k .
Ejemplo 3.5. En la matriz
q j } }
g } } }
B "
8 g q
} } }
g q
} } }
g r
El autovalor g q tiene multiplicidad 3, y dos bloques de Jordan asociados: rdenes 2 y 1. El autovalor g r tiene
multiplicidad 1.
j ; " | " 4,
g k g g k g g q g g r polinomio caracterstico
#" | + " r 4, >

g k g g k g g q g g r polinomio mnimo
El polinomio mnimo es siempre factor del polinomio caracterstico.

Comoconsecuencia
B; del teorema de Cayley-Hamilton vimos que Sp,!para
BG,0>>0>0todo qT
,!B polinomio g , el polinomio
matricial se puede expresar como una combinacin lineal de
k 2B .
Si el polinomio mnimo se conoce (y por S[p,!loBK,tanto q T ), en realidad
>>0>0,!B los se puede expresar como una
2B
combinacin lineal de un conjunto
menor, , que es j
an mejor.
Una forma de calcular (con g si se conoce, y sino con g ) es mediante la frmula de divisin
de polinomios:
" j \D ,
g g g g

donde g es el polinomio cociente y g el polinomio resto. Tenemos
B;" B; j B;\D B;;" B;}bD 2 B#" B;,

#"E q g q D0 D q g D O
o sea que todo se reduce a determinar los coeficientes del polinomio g j .
La divisin de polinomios es til si el grado de g
no es mucho mayor que el B de g . De lo contrario es
mejor determinar los coeficientes de g evaluando g en los autovalores de y planteando un sistema
de ecuaciones algebraicas.
B k
Si los autovalores g k de son todos distintos, los de g se pueden resolver del sistema de ecua-
ciones con incgnitas
k ;" k j k 5D k ;" k 4, " j,po~,0>>0>, >
R
g g g g g para m
B " j ^D
Si tiene autovalores repetidos, hay que derivar g g g g hasta obtener las ecuaciones
faltantes.
Queremos calcular B q O.O
Ejemplo 3.6. con
B8" } j
j o >

" q O.O B B
r de g g
j #"R D<elj problema
Planteamos
como
;"r q el D
clculo
O evaluado en . El polinomio caracterstico de es
g g . Sea g g . B " j
En el espectro (el conjunto de autovalores) de (dos elementos iguales en este caso, g ) tenemos
j #" j x j q O!O " q D O

f j #" j x j}[}= jtwK"r q ,

" j}[} O " ;" j}[}
& , o sea, g
q
y as concluimos que ,y g 8 . Finalmente,
B q O!O "r q B D O
" j}[} } jo
j j}
& } j
" jj }[&} j}}
j}?jN >
Resumimos el resultado que usamos en el ejemplo en un teorema.

B k q g g k , j N"
Teorema 3.5. Sean " dados g y una matriz con polinomio caracterstico g
k q k
donde I G " .
g q g q D<0 D q g Dr O el polinomio de orden : j , con coeficientes k a determinar, tal
2B" B;
Sea
que .
Entonces los coeficientes k pueden calcularse resolviendo el sistema de ecuaciones algebraicas
k ;" k 4, "<}~,j,>0>> , k j "nj,po,>>0>0, V
g g para h ,y m ,
donde
k 3 3 g 3
g k o o >
3 g
o o g
g g y

3.6.3 Funciones matriciales no necesariamente polinomiales
2B
Dada una funcin g ms general,j una formade
#definir
" B
es usando el Teorema 2B#calcula-
3.5. Es decir: " 2B
mos el polinomio g de orden \ igualando g g en el espectro de , y as definimos .
} B "# OOq Oq O r %
R B j P"
Ejemplo 3.7. Queremos calcular & para O . El polinomio caracterstico de es g g
j r o ;"r r r D q g D O . Aplicando el Teorema 3.5 tenemos que 3
g . Sea g g
+j;" +j & " r
x ] D q D O
+j;" u +j x% "<o
& r D q
o[;" o x r " r Do8 q D O >
& !
O " o D r q "C Dop o r r "N r
Haciendo las cuentas obtenemos & &, & & &,y & & & . Finalmente
} " B;;"J r !B r DM Do
po r !BD o DE r
& & & r & & & & & &
op } op op r
" & } & & } & >
&
r } op r
& & & &
3 Ojo que la diferenciacin en la segunda lnea es con respecto a , no .
Ejemplo 3.8. Consideremos el bloque de Jordan de orden 4

q j } }
g
B " }}
8 g} q
j } >
j
} } g} q
g q
j ; "J #"E g D_ r g r D
Su D O
q polinomio caracterstico es simplemente g g: g q . Si en vez de seleccionar g
g , elegimos
g "] D r r D q \D O ,
g g q g g q
g g q

#" B
La condicin g g en el espectro de da las expresiones
r
O "n q , q "d q , r " o g q , " g q >
g g
B;
Una propiedad til del bloque de Jordan es la de nilpotencia de g q ,
qO Olq O q q
q B;#" OlOlOOO Oq , q B r " OOOOOlOlOO#OOq ,0 q B; " OlOlOlOOOOOlOlOO ,
g OlOOlO g OOlO#O g OlOOlO

O l
O l
O O
q B; " OOOlOlOlOlOO ,
g OOlOlO
B;
que en este ejemplo permite obtener la expresin general para
q q p1j r q po q p
B;"
g} g q g q Hj r g q po >
} } g g q g q p1j
} } } g g q
g
o
#"/
As, por ejemplo, si g &,
W r W
} "
O & & & r >
& O O & &
O O O &
3.6.4 Series de Potencias

B;
Otra forma
de definir una funcin matricial es a travs de la serie de potencias de g . Supongamos
que g se puede representar por
" k k
g k O ~ g
B
convergencia . Si todos los autovalores de
B;de
con radio tienen magnitud menor que , entonces podemos
definir como
B;" k B k >
k O ~ (3.8)
Esta definicin es en realidad equivalente a la anteriormente vista en el Teorema 3.5. No lo probamos, pero
mostramos un caso particular.
Ejemplo 3.9. Consideremos otra vez el bloque de Jordan del Ejemplo 3.8,
o q
o % O O
B8" OO<O o q o Oq >
O<O%O

Supongamos que g tiene el siguiente desarrollo en serie de potencias alrededor de g q
"d q D< q q D o g q r
D 0
g g g g g g g q

Entonces
B;"d q 0~D<f q B q D o g q B r
D 0
g g g
g q

;B "C} c " !
Por la propiedad de nilpotencia del bloque de Jordan, g para h , la serie de potencias se
reduce inmediatamente a la expresin que sacamos en el Ejemplo 3.8.
3.6.5 Diferenciacin e Integracin Matricial

Se define elemento a elemento,
$ & BK- 31-, 3 B . $ & k ) 2-+3H-?, 3 !4>
O 53 son respectivamente O ( 53 ( k )
Con estas definiciones no es difcil probar que vale la propiedad
3 B ! Fb . " K
35
B @ +!0FG .lDB . F*@ .,

el teorema fundamental del clculo,
3
53 $ O & B2- 31- "MB .,
y la regla de Leibniz
3 $ &
B
!
,
- 1
3 - C
"
B
!
,
- . K
B +
+
.
,
- [
@ .5Du$ & BK++,.- 31->
53 x W @ x
& &
3.6.6 La Exponencial Matricial o o
oUna funcin de particular inters en este curso es } & . Como la serie de Taylor & " jD g 5D r & D< D
DM 0
& converge para todo g y finitos, tenemos que
} "J?D<B D
r BDM 0" B >
& o (EXP)
O h
}
En M ATLAB se calcula con la funcin expm(A),4 que implementa la expansin de Pad.
}
Usando (EXP) es fcil probar las siguientes dos propiedades de &
O "nH,
} ""} } ,
& & & &
} q "" } >
& &
} "/ }
Cmo probamos la tercera? En general & & & (por qu?).
Diferenciando trmino a trmino (EXP) obtenemos
3 } " q B
53 & j
q : h

B B
"M]

q h

" B
d B ,
q h
} "M B } "N } B
as tenemos que
& & & & .

4 Ojo no confundir con exp(A), que da la matriz de las exponenciales de los elementos de .
Ejercicio 3.1. Probar que la transformada de Laplace de es

r

Nib
3.7 Ecuacin de Lyapunov

Es la siguiente ecuacin matricial
ÈZ (LYAP)
donde y son matrices constantes, respectivamente de dimensiones zi y { . Las matrices y la

incgnita son z{ .
La ecuacin (LYAP) es lineal en y puede escribirse como sistema de ecuaciones algebraicas en la
forma estndar . Vemoslo para J y J :
` /
w w
t w
w w t
w t w
w
t
t

w w w
Haciendo las cuentas y expresando y como vectores apilando sus columnas, llegamos a

w w t
t
t w w

t t w

t w

w t t t t
w w t t t
es decir , donde es la matriz = de la ecuacin anterior, y y son las matrices
y convertidas en vectores ;= .5
Como es cuadrada, por el Teorema 3 de la clase del 20 de marzo, esta ecuacin tiene solucin nica
si la matriz es invertible, es decir si no tiene ningn autovalor nulo.
Resulta que si - y T son respectivamente los autovalores de y , los autovalores de son - 8 ,
?1f+f l 1+f+f .
En M ATLAB la ecuacin (LYAP) se resuelve con lyap(A,B,-C).
3.8 Formas Cuadrticas

Dada una matriz X& , la funcin escalar , donde rb , es una forma cuadrtica. Sin prdida
*
*
de generalidad se puede tomar como simtrica, / , ya que
* * Eu * para todo .
Los autovalores de una matriz simtrica son todos reales, ya que para todo autovalor con autovector de
" * ,
1. el escalar (donde denota la transpuesta conjugada de ) es real (sea real o no),
y as
2. debe ser real dado que

-
5 puede escribirse en forma compacta como {{l fv ; t ( : producto de Kronecker).
Toda matriz real simtrica es diagonalizable, es decir, el orden de su mayor bloque de Jordan es . Si no
lo fuera, es decir, si existiera un autovector generalizado de orden mayor que asociado a algn autovalor
repetido , tendra que verificarse que

,y

para algn (3.9)
(3.10)

Pero entonces

f t

(3.11)
debera ser nulo por (3.9) y no nulo por (3.10). Una contradiccin que prueba que no puede tener
*
bloques de Jordan de orden mayor que , y por lo tanto debe ser similar a una matriz diagonal: existe una
matriz Hb& no singular tal que J v , donde /b+8 es diagonal.

Notar que como es simtrica y diagonal,
J
v "
* "
*
*
que implica que
* / y ; * . Toda matriz no singular con esta propiedad se llama ortogonal, y
sus columnas son vectores ortonormales.
Teorema 3.6. Para toda matriz real simtrica existe una matriz ortogonal tal que
J
v * o
JJ *
donde
, que son todos reales, en la diagonal.
es una matriz diagonal con los autovalores de
Una desigualdad importante para una matriz simtrica es la desigualdad de Rayleigh-Ritz, que dice
que para cualquier b
* * *
donde y son respectivamente el menor y mayor autovalor de .
3.8.1 Matrices definidas y semi-definidas positivas

Una matriz simtrica se dice definida positiva, que denotamos
*
, si para todo vector
X no nulo. Es semi-definida positiva, que denotamos , si *
para todo vector b no
nulo.
Si es definida positiva, entonces
*
* sii { . Si es semi-definida positiva, entonces existe

algn no nulo tal que

.
Existen pruebas para determinar si una matriz es definida o semi-definida positiva basados en las pro-
piedades del signo de los determinantes de diversas submatrices. Uno de ellos se basa en los menores
principales.
& con entradas . Entonces dados los enteros f+f+ y
Sea

una matriz simtrica

f+ff , con

, definimos los menores principales de la matriz como

%'& % % ( % )
(*& % ( ( ( )
f+ff - "!$# + + +
) &% ) ( ) )
Los escalares 1+f++ , 1+ff+ , que son simplemente los determinantes de las submatrices de
la esquina superior izquierda de ,
n t ? n+,!$#.-0// 3(%1%% // (42% (( 5
1?T6 ,!$#87 // (3931% %%% // (4942% ((( // (191:% 999;
/ / /
son los primeros menores principales de .
Teorema 3.7. Una matriz simtrica es definida positiva (semi-definida positiva) sii cualquiera de las si-
guientes condiciones se satisface:
1. Cada uno de sus autovalores es positivo (no negativo).
2. Todos sus primeros menores principales son positivos (todos su menores principales son no negativos).
3. Existe una matriz no singular
* .
< Nb+8 (una matriz singular < Jb+& , o una matriz < J / 8 , con
>=
J ) tal que < <
Una matriz simtrica es definida negativa (semi-definida negativa ) si es definida positiva (semi-
definida positiva).
Ejemplo 3.10. La matriz simtrica

w
w

es definida positiva si y slo si
w y w w ;

. Es semi-definida positiva si y slo si w
w ,y .
t t

3.9 La Descomposicin en Valores Singulares (SVD)

Consideremos una matriz & y definamos ] / * . Claramente es a , simtrica, y semi-definida
positiva. Sus autovalores son no negativos. Como
,!$# / in * - / ,!$# * b
las matrices cuadradas
* y n * comparten los mismos autovalores positivos y slo difieren en el nmero
de autovalores nulos.
Supongamos que hay ? autovalores positivos de , y sea A@CB D8 . Entonces podemos ordenar
E
.EF +
+
Los valores singulares de la matriz son
G I HKJ ff++
*
Por el Teorema 3.7, para E existe una matriz ortogonal tal que
* * -NL
ZNM * MT
donde
es una matriz diagonal con los G en la diagonal. La matriz M es con los G en la diagonal.
Teorema 3.8 (Descomposicin en Valores Singulares). Para toda matriz /J / & , existen matrices or-
tonormales i y & tales que O / / P
G
+
G

+

. . .
. .. ..
.. ..
G +
. .. ..
*
.
O P 6
M H +

+
. . . . .
.. .. .. .. + ..
+
/ 8
donde G G
+ G .
Los vectores en las columnas de y O Q-SR % & T T T & RVU 5 P W-SX % & T T T & XZY 5 son los vectores singulares izquierdos y
derechos respectivamente de .
Es fcil verificar comparando las columnas de las ecuaciones P OM y * O P M * que
t G \[f
* [ G t^] +f+f _
@`B D&
La descomposicin en valores singulares (SVD)6 revela muchas propiedades de la matriz . Por ejemplo, si
?es el ndice del valor singular positivo ms pequeo, entonces
1. el rango de es ? ,
2. los vectores EaF f+f+ son una base ortonormal del kernel de ,

3. los vectores "[ +f+ [ E son una base ortonormal de la imagen de ,

4. tenemos la representacin
bE G *
[
c
G d
kj G kl G
Los valores singulares representan precisamente las longitudes de los semiejes del hiper-elipsoide
fehg?ig
. La Figura 3.3 muestra el conjunto para una matriz con 1 p . d m
0.5
G

0
G G

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

El concepto de norma de vectores se extiende a matrices. Sea una matriz . La norma de puede
definirse como
gnga_@psucht orv q g g wwg g y| xrs z"| c { gig (3.12)

Esta norma definida desde la norma de los vectores se llama norma inducida. Usando diferentes normas
}
vectoriales ( , , , etc.) obtenemos diferentes normas inducidas. En este curso vamos a utilizar la norma
g wg
inducida por la norma vectorial eucldea, ? , que es la que se conoce como norma espectral de una matriz.

Otra propiedad importante de la descomposicin en valores singulares de es que la norma espectral
de est dada por su mayor valor singular,
gnga G
6 Singular Value Decomposition.
Ejemplo 3.11. Si y son nmeros reales, la norma espectral de

est dada por (3.12) como
gnga ~ s @p( F o$s q ( c i

% ( h
Para no tener que resolver un problema de optimizacin con restricciones, calculamos gng a travs de G
* *
computando los autovalores de . El polinomio caracterstico de es

,!$# i * X-6,!$#

Las races de esta cuadrtica estn dadas por
J m

El radical puede escribirse de forma que su positividad es obvia. Eligiendo el signo positivo, y despus de un
poco de lgebra llegamos a
gnga J

J
(3.13)
De (3.13) se ve que
gnga G

A
@po$q&

La propiedad de que G es general, y ms an,
es mayor que la magnitud mayor de los autovalores de
para cualquier autovalor no nulo de b+&
G G

La norma espectral de una matriz en M ATLAB se calcula con norm(A).
Algunas propiedades tiles de la norma espectral de matrices:
gwgKgng,g?wg
g]gKg nTg Ngupg
g gKg ng,ug pT g
3.11 Resumen
En este captulo hemos repasado
Las definiciones bsicas relativas a vectores y matrices, traza, determinante, e inversa.
Bases y conjuntos ortonormales, independencia lineal, el concepto de norma, y el mtodo de ortonor-
malizacin de Schmidt.
Los resultados principales para la solucin de ecuaciones lineales algebraicas, y los conceptos de
imagen, rango y kernel de una matriz. En particular, la ecuacin
tiene solucin sii est en la imagen de .
!,X- (B @ !,b-
! b .
tiene solucin nica si
).
tiene infinitas soluciones si B @
Transformaciones de similitud de matrices, que permiten representar una matriz en diferentes coorde-
nadas,
Formas diagonales y de Jordan, que muestran la estructura bsica de una matriz dada. No toda matriz
puede diagonalizarse, pero siempre se puede obtener la forma de Jordan (diagonal en bloques).
Funciones polinomiales de matrices y el teorema de Cayley-Hamilton, que dice que toda matriz satis-
face su polinomio caracterstico.
El polinomio mnimo, que es el polinomio de menor orden tal que b-
. Es siempre un factor
del polinomio caracterstico de la matriz (coincide con ste si no tiene autovalores repetidos).
Que una funcin de una matriz cuadrada, b puede definirse evaluando en el espectro de , y
por lo tanto, como una combinacin lineal de ??f+f?b (o de ??f+f? r n r
donde es el
orden del polinomio mnimo de ).
Diferenciacin e integracin de matrices, definida elemento a elemento.
La ecuacin de Lyapunov , que es una ecuacin lineal algebraica matricial que tiene
/
solucin nica b+ sii los autovalores de b+8 , y de E son tales que

, / /
f+ff +f+f .
*
Las formas cuadrticas , que son funciones escalares cuadrticas en los elementos del vector ,
donde puede tomarse como simtrica (o ser reemplada por `]
* ).
Que las matrices simtricas tienen siempre autovalores reales, y que son siempre diagonalizables.
Matrices simtricas definidas, y semi-definidas positivas, que son aquellas para las que * es
positiva, y no negativa, respectivamente.
La descomposicin en valores singulares de una matriz . Los valores singulares son la raz cuadrada
*
de los autovalores de .
, que es la inducida por la norma eucldea de vectores, y es el
La norma espectral de una matriz
mximo valor singular, de . G

3.12 Ejercicios
L-lZ S5 y L- S5
Ejercicio 3.2. Dados los vectores
* *
1. Calcular sus normas 1, 2 e } .

2. Encontrar vectores ortonormales que generen el mismo subespacio.
Ejercicio 3.3. Determinar rango y bases de la imagen y el kernel para cada una de las siguientes matrices:

m m

Ejercicio 3.4. Dada la ecuacin

^

Cuantas soluciones tiene? Qu pasa si - S5 * ?
Ejercicio 3.5. Dada la ecuacin

m

1. Encontrar la forma de la solucin general.

2. Encontrar la solucin de mnima norma eucldea.
Ejercicio 3.6. Dadas

encontrar las representaciones de con respecto a las bases ? t t y t ? ? .
Ejercicio 3.7. Representar en forma de Jordan las siguientes matrices

m m
l
m "
Ejercicio 3.8. Mostrar que si es un autovalor de con autovector , entonces es un autovalor de
b con autovector .
Ejercicio 3.9. Calcular para las matrices y del Ejercicio 2 de la clase del 22 de marzo.
Ejercicio 3.10. Mostrar que funciones de la misma matriz conmutan: b b-N b b .
Ejercicio 3.11. Sean todos los autovalores de distintos,
y sea % = un autovector por derecha de asociado
(
a , . Sea Z-0 % ( Y 5 y H ...

donde es la fila de . Mostrar que
Y
1. es un autovector por izquierda de asociado a : .
2.
b
b
v

Ejercicio 3.12. Encontrar solucin de la ecuacin de Lyapunov con
v , J , - 5 . Existe
solucin nica?
-
Ejercicio 3.13. Son las siguientes matrices definidas o semi-definidas positivas?

Ejercicio 3.14. Calcular los valores singulares de las siguientes matrices

m
u
Ejercicio 3.15. Calcular la norma espectral de las siguientes matrices

Ejercicio 3.16. Dada una constante
, mostrar cmo definir una matriz tal que los autovalores
de sean los dos y . g ng
Ejercicio 3.17. Si es invertible probar que g g_gng .
Captulo 4
Solucin de la Ecuacin de Estado y

Realizaciones
4.1 Solucin de Ecuaciones de Estado Estacionarias

Vimos que los sistemas lineales pueden representarse mediante integrales de convolucin y, si son de di-
mensin finita (a parmetros concentrados), tambin mediante ecuaciones de estado.
No existe forma analtica simple de resolver la integral de convolucin

nSt-A 0 [ S (4.1)

La forma ms fcil es calcularla numricamente en una computadora digital, para lo cual hay que aproximarla
primero mediante una discretizacin.
Cuando el sistema es de dimensin finita, la forma ms eficiente de calcular n w es obtener una repre- S
sentacin en EE de (4.1) (realizacin) y resolver las ecuaciones
SwX]aSwSw]Sw [ 0 t
(4.2)
nSt-/0tSw+
Sw [ S w (4.3)
Empezamos considerando el caso estacionario (invariante en el tiempo), es decir: +v-$
constantes.
Buscamos la solucin t de la ecuacin 0
SwbE0t]
[ Sw (4.4)
para un estado inicial y entrada t
[ S C
dados. Un mtodo de encontrar la solucin en este caso,
como es simple, es probar una solucin candidata y ver si satisface la ecuacin. Para el sistema escalar
Swb

Sw
S
sabemos que la solucin tiene la forma wX , as que probamos suponiendo que
0t en (4.4) va a
involucrar a la exponencial matricial f .
Multiplicando ambos lados de la ecuacin (4.4) (en ) por obtenemos ,
T u\b
[
,f [

La integracin de esta ltima ecuacin entre
y da

, c Iv N v , [ S
es decir,
Swn v
b v , [ 0
39
4. Solucin de la Ecuacin de Estado y Realizaciones 40
Como la inversa de es y v " , como vimos en clases anteriores, finalmente arribamos a la solucin
de (4.4)

0tb

v S [ \ S (4.5)
La ecuacin (4.5) es la solucin general de la ecuacin de estado (4.4). Suele referirse como la frmula
de variacin de los parmetros.
La substitucin de (4.5) en la ecuacin de salida (4.3) expresa - t como 0

nSt-/
r
v r [ SzN
[ 0 t+ (4.6)
que evidencia la superposicin de la respuesta a entrada nula y la respuesta a condiciones iniciales nulas.
La solucin de la ecuacin de estado tambin puede calcularse en el dominio frecuencial haciendo la
transformada de Laplace de (4.2) y (4.3)1 y resolviendo las ecuaciones algebraicas obtenidas:

-
"b - E [ 5

T - /b- ] [ 5 6

[ +

Las frmulas (4.5) o (4.6) requieren la exponencial matricial . Como vimos, esta puede calcularse en
ms de una forma, entre otras,
1. Usando el Teorema 1 de la clase del 27 de marzo, evaluando { u= en el espectro de , y
calculando los coeficientes del polinomio matricial .
2. Encontrando la forma de Jordan de ] , usando la frmula explcita de (tambin vista el 27
de marzo), y despus haciendo E .

3. Como - \5 "iX , calculando la inversa de ib y antitransformando.
Ejemplo 4.1. Consideremos la ecuacin

Swb

0t

[ 0 t

Su solucin est dada por la ecuacin (4.5). Calculamos por el mtodo 3; la inversa de es

iX

^&a &X

&a &
La matriz es la antitransformada Laplace de X]b , que obtenemos expandiendo en fracciones
simples y usando una tabla de transformada Laplace (o en M ATLAB con el symbolic toolbox con la funcin
ilaplace).

: F ( : F (
: F
Nt u C
+ w
: F ( : F (
Finalmente, usando la frmula de variacin de los parmetros (4.5)

A w T v S T S[ S
Swb E + w
v - S 5 S0[ S
1 Clase del 8 de marzo.
4.1.1 Comportamiento asinttico de la respuesta a entrada nula

De la forma de donde est en forma de Jordan podemos deducir el comportamiento asinttico de la
respuesta del sistema a condiciones iniciales. Consideremos un sistema cuya matriz J - es

La respuesta a entrada nula de
0tZStZ [ S t es Sw f , donde ya conocemos la expresin
en forma cerrada para f
% u % % u % % u
u
u u %

E u
u %

(

% % % (
Vemos que cada elemento de ser una combinacin lineal de los trminos 8 u * , que
surgen de los autovalores de y sus multiplicidades.
Podemos as deducir que
Si todos los autovalores de , repetidos o no, tienen parte real negativa, g g }
cuando ; la
respuesta de extingue.
Si algn autovalor de tiene parte real positiva, g g } cuando } ; la respuesta crece en
forma ilimitada.
Si ningn autovalor de tiene parte real positiva, y los autovalores con parte real cero son de multipli-
cidad 1, cuando g g
para alguna cota ; la respuesta permanece acotada. }
Si tiene autovalores con parte real cero de multiplicidad o mayor, g g } cuando } ; la
respuesta crece en forma ilimitada.
Estas conclusiones son vlidas en general para la respuesta de un sistema
StbESw .
Ejemplo 4.2 (Oscilador armnico). Para el oscilador armnico, donde

obtenemos

iX

de donde

x ^x ! D
x^! D ix
La respuesta a entrada nula Stb ser oscilatoria.
4.1.2 Discretizacin
Una aplicacin directa de la frmula de variacin de los parmetros es la discretizacin de sistemas para
simulacin o diseo de controladores digitales.
[ - 5 [ S t -0t -
5
D/A s cIc ss F.F RR
A/D
Consideremos el sistema en tiempo continuo

dado por sus EE
SwX]aSwSw]Sw [ 0 t

nSt-/0tSw+
Sw [ S w
Pretendemos obtener un modelo discreto en EE
asumiendo un bloqueador de orden cero a la entrada y
un muestreador a la salida.
Discretizacin simple pero inexacta

Hagamos primero un enfoque intuitivo. La forma ms simple de obtener un modelo discreto de este sistema
para un muestreo regular con periodo es usando la aproximacin
S n Sw
Sw

para obtener +
S
X w t S 0 [ St
n , f+ , llegamos al modelo . Si slo nos interesa la evolucin del sistema en los instantes

-
S5 N
-
5 E [ - 5
(4.7)

El modelo discreto (4.7) es simple de obtener, pero inexacto inclusive en los instantes de muestreo.
Discretizacin exacta
Un modelo discreto exacto del sistema continuo puede obtenerse usando la frmula de variacin de los
parmetros que da la solucin general de la EE.
La salida del bloqueador de orden cero (D/A) se mantiene constante durante cada perodo de muestreo
hasta la prxima muestra,
[ S wb [ H [ - 5 para e _ = .

Para esta entrada seccionalmente constante, evaluamos el estado del sistema continuo en el instante de
muestreo n" ,
F *
-

S5 H ? - \ F * 3 F * S [ 0
* v F \ *

*
* *
S [ S 3 F \ * S [ - 5
v *
sr
*
* - 5 G [ - 5
v
donde en la ltima lnea usamos / G .

As llegamos al modelo discreto
- S 5 r

- 5 ]
[ - 5

- 5 Z
- 5 6
[ - 5 (4.8)
donde

H *
H * ,T

H -

H
v
El modelo (4.8) da el valor exacto de las variables en n
Usando la igualdad
* *
.
v
_ , si es no singular podemos computar
con la frmula

r
+
Un mtodo mejor, que vale para toda , surje del siguiente resultado
Teorema 4.1 (Van Loan (1978)). Sean dados los enteros positivos tales que . Si definimos

la matriz triangular z

%
donde 8 , &
% ( ( y % 8 ( , entonces para

'

Sw S

w b
%
0 t donde Swb (
S

w
% (
SwX v S

Aplicando el teorema para vv obtenemos y .
La funcin M ATLAB [Ad,Bd] = c2d(A,B,T) calcula y de estas expresiones.

4.2 Ecuaciones de Estado Equivalentes
La descripcin en EE para un sistema dado no es nica. Dada una representacin en EE, un simple cambio
de coordenadas nos lleva a una representacin en EE distinta equivalente del mismo sistema.
Ejemplo 4.3. Sea el circuito RLC de la figura, donde , , y r . Como salida tomamos la
tensin en el capacitor.
Si elegimos como variables de estado la tensin
en la resistencia y la tensin en el capacitor, obte-
nemos la descripcin
EE
en

[

u u
Si en cambio elegimos las corrientes de lazo y u u

obtenemos

[

descripciones
Las dos en EE valen para el mismo circuito. De hecho puede verificarse que

es decir ^ o .

La matriz (no singular) representa un cambio de coordenadas o transformacin de equivalencia.

Definicin 4.1 (Transformacin de Equivalencia). Sea b .

b+8 una matriz no singular, y sea {
Entonces la EE

SwX
Sw [ 0 t
nSt- 0t
[ S w+
donde
b ] H b "
v r

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

Dos descripciones estacionarias en EE son equivalentes a estado cero si tienen la misma matriz transferen-
cia,
iX?++
Z b i

(4.9)
Usando la expansin en series3

iX +

vlida para todo que no sea un autovalor de , podemos escribir (4.9) como

rb r-b
X +
-
Teorema 4.2 (Equivalencia a Estado Cero). Dos EE lineales y estacionarias fv- $
y v

son equivalentes a estado cero sii J y - , para ?1pff+

/ /
4.2.2 Parmetros de Markov

La matriz
reduce a

representa la ganancia esttica directa del sistema. Cuando
`
, la matriz transferencia se
-/ib , que no es otra cosa que la transformada Laplace de la respuesta al impulso
S wbN
Los coeficientes

-

-nu

..
.
son las derivadas de la respuesta al impulso en el origen, y se llaman parmetros de Markov.

En otras palabras, dos sistemas en EE son equivalentes a estado cero
sus respuestas al impulso son idnticas .
sus ganancias estticas y sus parmetros de Markov son idnticos.
Es claro que equivalencia algebraica implica equivalencia a estado cero. Pero que dos sistemas tengan
la misma matriz transferencia no implica que tengan la misma descripcin en EE.
2 Dado
r" ' C,^^ "^ u^^ ^*' .

que la forma de Jordan es nica, salvo reordenamientos de filas y columnas.
3 Surge de evaluar matricialmente la funcin

Ejemplo 4.4 (Equivalencia
algebraica equivalencia a estado cero). Los sistemas
SwX

Sw
[ 0t [ S w SwX

nSt- 1St
-SwbSt
son equivalentes a estado cero, ya que para ambos

y H , - / para todo , y por
ende, tienen la misma funcin transferencia, - = . No son, sin embargo, algebraicamente equivalentes
(tienen distinta dimensin).
4.3 Formas Cannicas

Existen formas particulares de las EE que presentan caractersticas tiles. Estas formas se llaman cannicas
y discutimos tres:
Forma cannica modal,
Forma cannica controlable,
Forma cannica del controlador.
4.3.1 Forma cannica modal

La forma cannica modal es aquella en la que la matriz del sistema esta en forma de Jordan. Como ya
vimos, la matriz de cambio de base se forma apilando los autovectores y autovectores generalizados del
sistema.
& G G
Una salvedad: cuando hay autovalores complejos
, r naturalmente conjugados ya

que es real con autovectores
& ? [ ?[
y en hay que usar ? y [ para obtener la forma de Jordan real con el bloque -

en vez de apilar
5.
Ejemplo 4.5. La matriz

tiene autovalores
, , y E , respectivamente con autovectores

nv
NW7
La matriz de cambio de base v

; la lleva a la forma de Jordan real

N

4.3.2 Forma cannica controlable

Presentamos esta forma cannica para el caso de una sola entrada de
control, es decir
] . Esta forma
cannica se obtiene seleccionando como matriz de cambio de base ?v+ff=tb - 5 , que lleva a la
matriz a una forma companion,

f+
f+

. . f+ . . (4.10)
.. .. . . . . . .. ..
.
f+

Obviamente se requiere que la matriz sea no singular (lo que veremos sucede si el sistema es controlable).
Esta forma cannica tiene una relacin uno a uno con el polinomio caracterstico de , nb ,!$#
- + .
En M ATLAB la funcin [Ac,Bc,Cc,Dc] = canon(A,B,C,D,modal) genera la forma cannica mo-
dal y canon(A,B,C,D,companion) la forma cannica controlable.
4.3.3 Forma cannica del controlador

Una forma cannica similar a la controlable (4.10), pero ms conveniente para diseo de control, es la del
controlador. Esta est dada por (caso SISO)

f+
.
. f+
-Z ..
.. . .. ..
.
..
.
..
.
f+
f+
La matriz de cambio de base es N

, donde - v?ff+u? 5 y

ff
ff
. .. . .. ..
.. . ff ..
ff
. .

ff
ff
La derivacin del caso multientrada es complicada; ver Rugh (1995, 13).
Ejemplo 4.6. Consideremos un sistema cuyas matrices y son

>- ?vt 5 con la funcin M ATLAB ctrb(A,B), y

Calculamos la matriz con el polinomio caracters-
tico de , poly(A), l
- j

j n l

n l
m
de donde obtenemos

n

nj l
4.4 Realizaciones
Como vimos, todo sistema lineal estacionario (invariante en el tiempo) puede describirse por una represen-
tacin entrada-salida con matriz transferencia

T -
[ +

y si el sistema es de dimensin finita, tambin por una representacin interna en EE
SwX]SwE
[ St
nSt-/Sw6
[ Sw+
Cuando tenemos las EE, f- r

, la matriz transferencia puede calcularse en forma nica como -

b i . 6

El problema inverso, de obtener las EE +v- de , se llama problema de realizacin. $

Diremos que una matriz transferencia es realizable si existe una EE con +v- tales que $

6
bNb , y el cudruplo +v- se dice una realizacin de . $

Como sabemos, si existe una realizacin, existen infinitas, no necesariamente de la misma dimensin.
Una funcin transferencia racional (cociente de polinomios) es propia si el grado del polinomio numerador
no supera al grado del polinomio denominador, estrictamente propia si el grado del numerador es menor que
el del denominador.
Una matriz transferencia es (estrictamente) propia si todos sus elementos son funciones racionales (es-

trictamente) propias.
Teorema 4.3 (Realizabilidad). Una matriz transferencia es realizable es una matriz racional y

propia.
Demostracin. (
) Si es realizable, entonces existen matrices f-r
tales que

bNb i6

"!$#b ou ib++
Si es , "!$#-Eb es un polinomio de orden . Como cada elemento de o bX es el

determinante de una submatriz , o X es una matriz de
polinomios de a lo
sumo grado . As uzb es racional y estrictamente propia, y si
, racional y propia.

\ } , donde V
( ) Si que es una matriz racional propia
es la parte estrictamente propia de .
descomponemos X
Definimos -E E E + E E como el polinomio mnico mnimo comn denominador

de los elementos de
V . Entonces podemos

expresar
- E < E
< + < E < E T
donde las son matrices constantes < ^ . Entonces no es difcil probar que el conjunto de EE en
forma cannica del controlador

f+

f+
Stb
. . .
.. .. St
.. [ S t

.. .. . . .. .
f+
E
E E f+

<E <E <E +f < St } [ Sw

es una realizacin de , finalizando la demostracin.

Como vimos, una matriz transferencia es realizable sii es racional y propia. Vimos tambin (en
la prueba del teorema) una forma de obtener las matrices fv de la realizacin ( es ). En el caso
}
SISO esta forma es particularmente simple y se reduce a la forma cannica del controlador

SwX ...

.. .. .. .. Sw .. [ S w (4.11)
. . . . .

nSt- St (4.12)

para una funcin transferencia dada por
b
+

En el caso SIMO (una entrada y varias salidas) la forma es tambin simple; la nica modificacin en la
ecuacin (4.11) es en la ecuacin de salida

+ t
+ w w
nSt-
. . . .. Sw (4.13)
+
.. .. .. .
+

para , y la matriz transferencia es

w +
t +
..
+
.
b
+
La realizacin SISO (4.11)-(4.12), o la SIMO (4.11)-(4.13), pueden escribirse directamente por inspeccin
de la matriz transferencia .

El caso MIMO puede encararse como la superposicin de varios SIMOs,

[

t + / [
. t . + / . .
..
w [ /
. .. .. + . . . .

+ /

[
[
+ / .
[ /
..
[
[ [ / /
[

[

[
..
.
/
/
Si + es la realizacin de la columna $
8 ,
+f+f , de entonces una realizacin de
la superposicin es

+ [
. + . . . [
.. .. . .. .. .. . ..
.. . .. .. .. . ..

. . .
+ / /

/
[ /
[
[
{ / ..

+
/ ..
. .
/ [/
De forma similar, la realizacin de un sistema MIMO tambin se puede encarar, mutatis mutandis, como
la superposicin de varios sistemas MISOs subdividiendo la matriz transferencia por filas.
Ejemplo 4.7. Consideramos la matriz transferencia

b w v
F FF
F \ \: F : F *
(
* F FF (

u * F \: F * F
: *F
F *
( 0 : : F

: \
: F (

F( F
(4.14)
u
Realizamos la parte estrictamente propia de (4.14) por columnas.

F

[
( 0F : F *
nl

(

[
: F F m

: \
( F * F

l

Finalmente superponemos las realizaciones de las columnas de
para obtener su realizacin completa.

[

[
m
(4.15)
nl l [

u [

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

a una realizacin mnima.
4.4.2 Sistemas Discretos

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

Consideremos el sistema inestacionario descripto por las EE
SwX]aSwSw]Sw [ 0 t

nSt-/0tSw+
Sw [ S w
(4.16)
para el que asumimos solucin nica para cada condicin inicial S v y cada entrada de control [ S w .
Antes de ir al caso ms general tratamos el sistema homogneo
SwbEaSt0t
(4.17)
y mostramos por qu el mtodo aplicado en el caso estacionario no sirve.

Una condicin suficiente para existencia y unicidad de solucin de (4.17) es que aSw sea una funcin
continua de .
S v S v
Para cada par ? la ecuacin lineal (4.17) con t continua tiene una solucin nica y continuamente 0
diferenciable.
S
En el caso estacionario t w extendimos la solucin de la ecuacin escalar w

S
w para S S
mostrar que la solucin es
t b

0
usando la propiedad de conmutatividad de con en

E

Ahora, para el caso inestacionario sabemos que la solucin de la ecuacin escalar inestacionaria
SwX
0 S
t w con condicin inicial es

Swb 2S + (4.18)
y adems tenemos la propiedad

2S

Sw !

2S

2S Sw+

Veamos si funciona extender directamente (4.18) en forma matricial.
Escribimos (4.18) en forma matricial como

Swb 2S +

donde la exponencial matricial 2S puede expresarse como

" 2S "1 v aSz v a0 +
La extensin de la solucin escalar al caso matricial no es vlida en el caso inestacionario pues
2r ]aSw aSw aS \S aSw

v v
] aSw 2S
dado que para distintos tiempos y las matrices aSt y a son distintas y por ende en general no
conmutan, aSt w\ r a taSw .
En general,
S
w
2S no es una solucin de Stz 0tSw y debemos usar otro mtodo
para derivarla.
4.5.1 Matriz Fundamental

Consideremos
SwbEaSt0t+
(4.19)
S
donde a wX& es una funcin continua de . Entonces para cada condicin inicial 0 v existe una nica
solucin w . S
Supongamos que tomamos un conjunto de condiciones iniciales ; Zb , S v 1+ff+ , que
S
darn soluciones = .4 Apilamos estas soluciones en una matriz i

#
S 0
tn = + ? & para cada .S S
4 La notacin $"&%('*)0 representa la solucin de (4.19) con condicin inicial $,&%,+^ ) .
Dado que cada 0 t es una solucin de (4.19), la matriz

#
Sw satisface
# # SwbE0t Sw #
S v
con condicin inicial . (4.20)
#
S v
Si es no singular (es decir, las condiciones iniciales 0 v son LI), entonces 0t se dice una matriz
#
fundamental del sistema (4.19).
Ejemplo 4.8. Consideremos la ecuacin homognea

Swb

Sw+ (4.21)

La solucin de la primer componente
Sw3 es 0t3 ; la solucin de la segunda componente
S > S
wb w es tb p zi

0 N v S n uu i .
Para condiciones iniciales n
- v 5 y n - 5 tenemos respectivamente las soluciones
S = - S = -
y

Como los estados iniciales
y son linealmente independientes,
#
Stn
u u
es una matriz fundamental de (4.21).
#
Obviamente, como las columnas de se pueden elegir LI de muchas formas, la matriz fundamental 0 v
#
S
w no es nica. #
Una propiedad muy importante de una matriz fundamental w es la siguiente. S
#
Una matriz fundamental t es no singular para todo . 0
#
Demostracin. Si w fuera singular para algn
S
, entonces existira un vector no nulo - tal que v
#
S
- .
Por linealidad del sistema, la funcin . w
#
w - es una solucin que cumple . t- para todo . S H S S L
Como las soluciones son nicas, . t
para todo (la solucin nula es nica), y en particular para 0

, es decir .
# #
0 v
- . Llegamos a una contradiccin, pues fue asumida no singular en S v S v
.v
#
Como una matriz fundamental w es no singular para todo , su inversa est bien definida y podemos S
hacer la siguiente definicin crucial para la solucin de EE inestacionarias.
#
Definicin 4.2 (Matriz de Transicin de Estado). Sea t cualquier matriz fundamental de wXE t w . 0 S 0 S
Entonces la matriz
S v H St 0 v
/ # #
se llama matriz de transicin de estados de

Stb]aSwSw .
En el caso estacionario ( a wXr constante), una matriz fundamental es directamente S #
Swb
#
S v ,
y as la matriz de transicin resulta
S v - St 0 v -
/ # #
(
Ejemplo 4.9. Para el sistema (4.21) en el ejemplo anterior obtenemos
#
SwX 7 ( F 0w ; , y as

/
S v - v mv u
u C v m u

0 v ^
Como hemos visto, el mtodo usado en el caso estacionario no poda aplicarse para derivar la solucin
general de EE inestacionarias (esencialmente porque a w no conmuta con a

). S S
Hemos tambin definido
la matriz fundamental Sw , formada apilando soluciones LI del sistema - St Sw+f+f St 5 , y

#
la matriz de transicin de estados 0 v a

/ #
S w # S v . En el caso estacionario la matriz de transi-
cin es simplemente f .
S v es la nica solucin de la ecuacin matricial
/
En los ejercicios propuestos se pide probar que
1
S v S 0 v S v v
/ / /
1 -Ea w + -/ (4.22)
y que satisface las siguientes propiedades:
StX"
/
(4.23)
S v - S v t
/ /
(4.24)
S v - S S v +
/ / /
(4.25)
S v para mostrar que las solucin de

/
En esta clase utilizamos estas propiedades de
SwX]aSwSw]Sw [ 0t
nSt -/0t Sw +
Sw [ Sw
(4.26)
con condiciones iniciales S v b v y entrada [ 0t est dada por

/
0t b S v v S
+ [ S
/
(4.27)

Demostracin de (4.26). Tenemos que mostrar que la solucin w en (4.27) satisface las condiciones ini- S
ciales y la ecuacin diferencial de EE en (4.26). Evaluando (4.27) en y usando la propiedad (4.23) v
vemos que
/
S v b S v v v
S v + [ S
/

/
v v
Usando (4.22) y la regla de Leibniz,5 obtenemos
0 1 1
/
0 v v S [ S
/
tb 1 1 +

1
/
]aSw S v v 1 S *+ [ \S3 S w+Sw [ Sw
/ /

]aSw S v v aSt S * [ S3 StSw [ St
/ / /

]aSw St ]0t [ Sw +
La respuesta de la salida en (4.26) est dada por
/
nSt-/0t S v v r
/
0t S *+ [ \ S\+
Sw [ S t

La respuesta a entrada nula es
nSt-/0t S v v
/
y la respuesta a condiciones iniciales nulas se puede escribir como

nSt-A ?Sw 0+\6
Sw32Sn [ \ S
/
(4.28)

5 Clase del 27 de marzo 4 < 5;: %3>@?,3AB? &%3>0?,"D C &%\ %3>0?" SC &%\& < 5=: &%(>0?,3AG? .
4*5768&9 5=: 68&9 5;:FE 5
9 9 E
que corresponde con la representacin entrada-salida vista
nSt-A
0 [ S (4.29)

Comparando (4.28) y (4.29) concluimos que la respuesta del sistema (4.26) a un impulso aplicado en el

instante est dada por
S * /
-/ w + S S
w32 +
S S
# #
/ w t + S S w32 T + \ \ +
S S
(4.30)
La solucin general de la EE en sistemas inestacionarios requiere la solucin de la ecuacin
SwbEaSt0t+
St , o la solucin de la ecuacin
#
para obtener
1
1
S
/

v -EaSw 0 v
/
para obtener S v . Salvo para casos especiales, estas ecuaciones son difciles de resolver.
/
Sin embargo, estos casos especiales pueden ser tiles: es decir, si
1. La matriz aSw es triangular; como por ejemplo en

Sw w 0
t 0 t
Sw 0

t w 0t
S

w
Swz

En este caso podemos resolver la ecuacin escalar
t Sw Sw y substituir la solucin en la
ecuacin de ,

S wb

St St w Sw Sw+
2. La matriz aSw posee la propiedad conmutativa
aSt
\S
aS aSw

para todo y (como es el caso de v 0t diagonal o constante). Entonces puede probarse que la
solucin est dada por
b
2S I H J aS

S v b
/

cIv
4.5.2 Caso Discreto

La solucin de las EEs inestacionarias en tiempo discreto

- S 5 r n- 5 - 5 ] -
5V[ - 5

- 5 Z
n- 5 w

- 5 6
C-
5'[ - 5 (4.31)
es mucho ms simple que el caso en tiempo continuo. En forma similar definimos la matriz de transicin de
estados discreta como la solucin de
/
-
]
/
con
/ v 5 8- 5 - v 5
- v v 5
para
v v f+f Pero en este caso la solucin se obtiene en forma explcita como

/
- vS5 ]8- S5 n- 5&+ 8- v05 (4.32)
para
N v y / - v v5 " .
Notar: Dado que la matriz fundamental en el caso en tiempo continuo es no singular para todo , la matriz
de transicin de estados est definida para todo , y v = v
(lo que implica que podemos resolver la
- v 5
EE en tiempo invertido).
/
En el caso discreto, si la matriz es singular la inversa de no est definida, por lo que la contra-
partida discreta de la propiedad (4.25)
/
- v 5 - 5 - v 5
/ /
slo vale si
v.

La solucin general de la EE en el caso discreto es
/ b /
- 5 - v05 v - S5 - p5'[ - p5 6
C- 5V[ - 5
/c
4.6 Ecuaciones Inestacionarias Equivalentes
Definicin 4.3 (Equivalencia de EE Inestacionarias). Sea w una matriz S _ no singular y continua-
mente diferenciable para todo . Sea
w t . Entonces la EE S S

Sw Sw
SwX a
Sw [ 0 t
nSt- St Sw
Sw [ Sw (4.33)

donde
0tbL- SwtaSwT
Sw 5' fSt 0tb S w+Sw

a 0 tbNSw Sw
0 tb
0 t
se dice (algebraicamente) equivalente a la EE (4.26) y w es una transformacin de equivalencia. S
No
#
S #
es difcil ver que si t es una matriz fundamental del sistema original (4.26), entonces t 0
S S
#
t w es una matriz fundamental del sistema (4.33).
Una propiedad interesante en el caso inestacionario es que es posible llevar al sistema a una forma
S
equivalente donde a t sea constante.
Teorema 4.4 (Transformacin a matriz de evolucin estacionaria). Sea una matriz iE constante v
cualquiera. Entonces existe una transformacin de equivalencia que lleva (4.26) a (4.33) con wbE . S v
#
S #
Demostracin. Sea w una matriz fundamental de tva w t , y definamos t t . En-
S S S 0 0

tonces,
Swb S tw0t St St

a
#
w0t v Sw Sw Sw
# # #
(4.34)
Sw # 0 t
Como
St S wX
# # #
(4.35)
que sigue de derivar St S wX/ , el reemplazo de (4.35) en (4.34) muestra que
# #
a SwbE v S w 0t ] v
# #
Si v se elige como la matriz nula, v , entonces StX # y el sistema barra se reduce a

a Swb v Swb StSw+ a 0tb/Sw 0t+
St-
Sw+
# #
Una representacin considerablemente ms simple, aunque necesitamos conocer una matriz fundamental
del sistema original para obtenerla.
Es fcil ver usando (4.30) que la respuesta al impulso inestacionaria es invariante con respecto a trans-
formaciones de equivalencia.
Sin embargo, y a diferencia de lo que pasaba en el caso estacionario, las propiedades de la matriz de
S
evolucin del sistema a w pueden cambiar drsticamente con una transformacin de equivalencia!
Esta es una excepcin donde el caso estacionario no es un caso particular del caso inestacionario (nunca
S
vamos a poder transformar la matriz a w en la matriz nula con una transformacin de equivalencia estacio-
naria).
4.7 Realizaciones de Sistemas Inestacionarios

En el caso inestacionario no podemos usar la transformada de Laplace para describir el comportamiento
entrada-salida del sistema, por lo tanto usamos directamente la descripcin en dominio temporal
nSt-A
0 [ S

Si el sistema es de dimensin finita tiene representacin en EE. Vimos en (4.30) que de la representacin
en EE (4.26) la respuesta al impulso est dada por
S *-/Sw # St # \+\+
Sw32ST+ para , (4.36)
donde 0t es una matriz fundamental del sistema Stb]aSwSw .

#

El problema inverso se trata de obtener 0t ++Sw +St y
Sw de la respuesta al impulso S * . As,
una respuesta al impulso S * se dice realizable si existen aSw +fSw+Sw y
St tales que se cumple
(4.36).
Teorema 4.5 (Realizabilidad de sistemas inestacionarios). Una matriz de respuesta al impulso S

es realizable si y slo si puede descomponerse en la forma
S *-Sw < 6
Sw32S (4.37)
para todo , donde , < y

son matrices z{ , z y z para algn entero .

Demostracin. Si S * es realizable entonces existe una realizacin que cumple (4.36) y Swi
Sw St y < n # \T .
#
puede descomponerse en la forma (4.37) entonces
Si 0
Sw - < Sw [ 0t
-Sw -Sw Sw 6
St [ Sw
efecto, si aSw a
entonces Sw es una matriz fundamental y
#
es una realizacin del sistema. En
Sw + <

N
St (2ST - S .
Ejemplo 4.10. La respuesta al impulso Swb> u= , o S *-
S -NS u S , puede factorizarse
como

S *-
u u hu0h u

y as admite la realizacin inestacionaria

C uhu
SwX
Sw
[ S w
hu

(4.38)
nSt- uu u u pSw+
S w
Alternativamente, la transformada de Laplace de

zacin estacionaria
es - uu5
( S F ( , de donde obtenemos la reali-
SwX

Sw
[ S w

nSt- 1St
4.8 Resumen
En este captulo:
Obtuvimos la solucin general de la ecuacin de estado para sistemas lineales estacionarios, conocida
como frmula de variacin de los parmetros.
Aplicamos la frmula de variacin de los parmetros para obtener la discretizacin exacta de un sistema
con un bloqueador de orden cero a la entrada y un muestreador a la salida.
Vimos que sistemas cuyas representaciones en EE estn relacionadas a travs de un cambio de coor-
denadas no singular son equivalentes.
Equivalencia a estado cero de EE, que implica que dos representaciones en EE tienen la misma matriz
transferencia, aunque no necesariamente sean algebraicamente equivalentes.
Algunas formas cannicas tiles de EE: modal, controlable y del controlador.
El problema de realizacin, que consiste en obtener una descripcin en EE dada una matriz transfe-
rencia racional y propia.
La realizacin de una matriz transferencia en forma cannica del controlador es particularmente simple
para los casos de una entrada.
Esta simplificacin es til para subdividir la realizacin de una matriz transferencia con varias entradas
(columnas) superponiendo las realizaciones de cada columna.
La teora de realizacin vista se aplica sin modificaciones a sistemas en tiempo discreto.
Primera conclusin en la solucin de la EE para sistemas lineales inestacionarios: el mtodo usado
para derivar la solucin en el caso estacionario no sirve.
#
Para la solucin general definimos la matriz fundamental w , formada apilando soluciones LI del S
/
sistema, y la matriz de transicin de estados ;
# #
S v
t , que en el caso estacionario se S S v

reduce a . Continuar f+
Mostramos la frmula de la solucin general de la EE lineal inestacionaria, utilizando la matriz de
/
S *
transicin definida en la clase pasada.
/
Una dificultad en el caso inestacionario es el cmputo de , que es difcil salvo casos especiales S *
S
como los de a w triangular, diagonal o constante.
Para sistemas discretos
/
- v05
s se puede calcular explcitamente (la solucin en tiempo discreto es
vlida en la direccin positiva del tiempo).
Vimos transformaciones de equivalencia (algebraica) inestacionarias. Estas llevan el sistema a una
forma con la misma descripcin entrada-salida, pero en la que la matriz t puede tener propiedades 0
muy distintas.
La respuesta al impulso de un sistema inestacionario es realizable sii
S * admite una factorizacin
simple que separa la dependencia en y .
4.9 Ejercicios
Ejercicio 4.1. Utilizando la regla de Leibniz para derivar expresiones integrales,6 verificar que (4.5) satisface
(4.2) con estado inicial .

Ejercicio 4.2. Probar que los sistemas descriptos por EE equivalentes tienen la misma funcin transferencia.
casos de la matriz ,
4.3. Para los siguientes
Ejercicio
8 l

m

obtener una expresin de la respuesta a entrada nula, wX] w , y dibujar en forma cualitativa el diagrama
S S
S S
de fases ( w versus w ). Cmo es la respuesta a condiciones iniciales sobre las direcciones de los

autovalores de ?
Verificar los diagramas obtenidos mediante simulacin numrica con un conjunto de distintas condiciones
iniciales en el marco de la ventana , .

(Los diagramas corresponden a los tipos de sistemas de segundo orden conocidos respectivamente como
nodo, nodo degenerado, foco y ensilladura.)
Ejercicio 4.4. Terminar los detalles de la demostracin del Teorema 4.3.
Ejercicio 4.5. Hallar una realizacin para la matriz transferencia
b wFF : F \w F\ : F

Ejercicio 4.6. Hallar una realizacin de cada columna de en el ejercicio anterior por separado, y des-

pus conectarlas en un solo modelo en EE. Son las realizaciones obtenidas equivalentes?
Ejercicio 4.7. Hallar una realizacin de cada fila de en el ejercicio anterior por separado, y despus
conectarlas en un solo modelo en EE. Cmo se compara la realizacin obtenida con las de los ejercicios
anteriores?
/
Ejercicio 4.8. Probar que la matriz de transicin satisface las siguientes propiedades S v
/
S v
1. es la nica solucin de la ecuacin diferencial matricial
/
0 v braSw S v S v v b"
/ /
Stb ,
/
2.
S v - S v t ,
/ /
3.
4. S v - S S v .
/ / /
Ejercicio 4.9. Encontrar matrices fundamentales y de transicin para los sistemas
Swb Sw+ Stb

=

y
Sw+
Ejercicio 4.10. Mostrar que la matriz de transicin de
t S w 0 t
S wb w 0 t 0 t

tiene la forma
S v - t S v / SS vv
/ /
/
t

para todo v , donde K S v -] S v para .
/ /
K
Ejercicio 4.11. Llevar un sistema estacionario +vX a
S w+ S w mediante una transformacin de
equivalencia inestacionaria.
Ejercicio 4.12. Encontrar una realizacin inestacionaria y una estacionaria de la respuesta al impulso
S t-

= .
6 Clase 27/03/00.
Captulo 5
Estabilidad
5.1 Introduccin
La estabilidad de un sistema puede pensarse como una continuidad en su comportamiento dinmico. Si
se presenta un cambio pequeo en las entradas o condiciones iniciales, un sistema estable presentar
modificaciones pequeas en su respuesta perturbada.
St
Estable
Sw
v
v Inestable
En un sistema inestable, cualquier perturbacin, por pequea que sea, llevar estados y/o salidas a
crecer sin lmite o hasta que el sistema se queme, se desintegre o sature.
La estabilidad es un requerimiento bsico de los sistemas dinmicos destinados a realizar operaciones o
procesar seales, y es lo primero que debe garantizarse en el diseo.
Estudiaremos la estabilidad de sistemas estacionarios e inestacionarios por separado, empezando por
los primeros.
5.2 Estabilidad Entrada-Salida de Sistemas Estacionarios

Hemos visto que la respuesta de los sistemas dinmicos que estudiamos se descompone en respuesta con
condiciones iniciales nulas y respuesta con entrada nula. Estudiamos la estabilidad de estas respuestas por
separado comenzando por la estabilidad entrada-salida.
5.2.1 Representacin externa

Sea un sistema lineal, causal y estacionario SISO descripto por

nSt-A 0T [ SA

v v [ 0 S (5.1)
para el cual asumimos condiciones iniciales nulas.

[ S
Una seal w se dice acotada si existe una constante R tal que
[ Sw N R para todo .
58
5. Estabilidad 59
Definicin 5.1 (Estabilidad entrada-acotada/salida-acotada (BIBO)). 1 Un sistema es estable BIBO (entrada-

acotada/salida-acotada) si toda entrada acotada produce una salida acotada.
Teorema 5.1 (Estabilidad BIBO de sistemas SISO). Un sistema SISO es estable BIBO si y slo si su res-
0 - }
puesta al impulso t es absolutamente integrable en el intervalo , es decir, existe una constante

tal que

v H _CJ = }
S
Demostracin. Supongamos que t es absolutamente integrable. Sea [ St una entrada arbitraria acotada,
[ S R
es decir, w Z para todo . Entonces

-Sw v [ S0
+ v 4 [ ST
R v H \
N
R _
el sistema es BIBO.
N
Supongamos ahora que Sw no es absolutamente integrable, es decir que existe algn tal que
%
v _
}
Consideremos la entrada acotada
[ S
-ML
si
si =
La salida del sistema para esta entrada y n es
%
nS -A
v % [ SS
v ^ }
el sistema no es BIBO.
Notar que una funcin absolutamente integrable

no necesariamente es acotada y puede no ir a cero
cuando }
. Un ejemplo de una funcin que
es absolutamente integrable y no va a cero cuando Q
} es

S
b L
E

S
para =
S
para = N O P Q
9
para SR .
Teorema 5.2 (Estabilidad BIBO y respuesta en rgimen permanente). Si un sistema con respuesta al im-
S
pulso w es estable BIBO, entonces cuando }
1. La salida correspondiente a una entrada constante [ Stb , para , tiende a la constante .
2. La salida correspondiente a una entrada sinusoidal [ Sw x!,D v , para C
v x!,8D 0 v UT v ? . , tiende a la sinusoide
Demostracin.
1 Bounded Input Bounded Output.
5. Estabilidad 60

1. Si [ S tb para todo , entonces
-Sw-A
v

[ SS _ \S
v
y as V
v H S^ v H
B@ -SwX

XW
H
cIv
2. Si [ Stb+x!,D v , para
, entonces

-Sw-A
v x^!,DY v S 0

A .- x^!,Z
D v ! v 3x!,DZ v
x x v 5
v $
+x^! D v v [x v x! v v x!,DY v w (5.2)
Si St es absolutamente integrable, entonces podemos evaluar

a-A H \ _6 H x 1 H \x!,Dw
v v \G]70^ v ^
_

a`
_

a b
_^

a cx T n x^!,dD T +

Finalmente de (5.2), cuando }

-Sw x!, D v v H x v w !x v h v H x^! ZD v w
x^!,Z D v e.! v !x v c fk@ $ v
v - x^! D v xgT v
x v x^! DhT v 5

v x^!,8D v

iT v +

El teorema anterior es bsico; especifica la respuesta de un sistema BIBO a seales constantes y sinu-
soidales una vez que los transitorios se extinguen. Esta es la base del filtrado de seales.
El resultado siguiente establece la estabilidad BIBO en trminos de funciones transferencia racionales y
propias.

Teorema 5.3 (Estabilidad BIBO para funciones racionales y propias). Un sistema SISO con una funcin
transferencia racional y propia es BIBO estable si y slo si todos los polos de tienen parte real
negativa.

Si tiene un polo en con multiplicidad , es claro que su expansin en fracciones simples incluir
los trminos

f+ff
/
La transformada de Laplace inversa de la respuesta al impulso del sistema relajado incluir com-

binaciones lineales de las exponenciales
?ff+f / t
Es fcil chequear que todos estos trminos sern absolutamente integrables si y slo si pertenece al
semiplano (abierto, sin incluir al eje ) izquierdo del plano complejo.
5. Estabilidad 61

Ejemplo 5.1. Sea el sistema en realimentacin positiva de la Figura 5.1 que incluye un retardo unitario,
, y una ganancia esttica de valor . El sistema es de dimensin infinita, puesto que incluye un retardo,
[ 0
y no tiene funcin transferencia racional. Cuando la entrada es un impulso, tj2 w , la salida est dada S
por
b
Swb 2S 2ST + H 2 ST
2S
c

Podemos considerar los impulsos como positivos, con lo que 0 t jk c 2S , y as
H
b }mm
v H Sw -IH l m m =+} si =/ .
si
L
c

Concluimos que el sistema es BIBO estable si y slo si
=Z .
[ +
+

Figura 5.1: Sistema realimentado con retardo.
5.2.2 Caso MIMO

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

Cuando el sistema est representado en EE,
]SwE
[ St
nSt-/Sw6
[ Sw+
la estabilidad BIBO depender de los autovalores de la matriz , ya que todo polo de
es un autovalor
de ,

bNb++

,!$#ib o b+i6

y as si todos los autovalores de tienen parte real negativa, todos los polos de tendrn parte real

negativa, y el sistema ser BIBO.

No obstante, no todo autovalor de es un polo de , ya que puede haber cancelaciones entre ceros y
polos al computar . As un sistema puede ser BIBO estable aunque algunos autovalores de no tengan
parte real negativa.
El sistema
Ejemplo 5.2.
Sw

St [ Sw

nSt- pS w- [ Sw+

a pesar de tener un autovalor con parte real positiva en , es BIBO estable porque su funcin transfe-
rencia

-Nb++
N
p

tiene su nico polo en ;" .
5. Estabilidad 62
5.2.4 Caso discreto

El caso discreto es anlogo al caso continuo, mutatis mutandis, con el sistema descripto por
5 b b
- nH .- p5'[ - p
p5 5 oH .- p5'[ -
c/ Iv c/ Iv
- 5 es la secuencia respuesta a un impulso discreto aplicado en el instante
donde . .
Resumimos los resultados principales en los siguientes teoremas.
- 5
-2 - 5Z5 - 5
Teorema 5.4 (Estabilidad BIBO discreta). Un sistema discreto MIMO con matriz respuesta al impulso
es estable BIBO si y slo si cada es absolutamente sumable, es decir,
b 5 N
cIv = }
.
- H

Teorema 5.5 (Respuesta en rgimen permanente discreta.). Si un sistema discreto con respuesta al im-
pulso .- 5 es estable BIBO, entonces, cuando } ,
1. La salida excitada por [ - 5
, para , tiende a .
2. La salida excitada por [ - 5 x!,Z
D , tiende a x^! &D v qT ? , donde - es
p , para
la transformada r de .- 5 ,

b
- XsH .- pX5 - /

/ chv
Teorema 5.6 (Estabilidad BIBO para funciones racionales y propias). Un sistema discreto MIMO
triz transferencia racional y propia - - - 5 es BIBO estable si y slo si todo polo de - tiene
con ma-
magnitud menor que .
Notar: Que en el caso de tiempo continuo las funciones absolutamente integrables pueden no ser aco-
}
tadas, o no tender a cuando
. En el caso de tiempo discreto, si
entonces debe necesariamente ser acotada y aproximarse a cuando .
es absolutamente sumable
} - 5

- 5 , para
- 5
Ejemplo 5.3. Sea un sistema discreto estacionario con respuesta al impulso ,y
- 5
. Analizamos si es absolutamente sumable,
b
H cIv .- 5

m

m
+
j

+
l +

}

La secuencia de la respuesta al impulso es acotada pero no sumable, por lo tanto el sistema no es BIBO.
5.3 Estabilidad Interna de Sistemas Estacionarios

La estabilidad BIBO se defini bajo condiciones iniciales nulas, y se refera al comportamiento externo del
sistema, o sea, aquel observable en la relacin entre salidas y entradas independientemente de estados del
sistema.
Ahora estudiamos la estabilidad interna del sistema, que se refiere al comportamiento de los estados del
sistema. Consideramos la respuesta a condiciones iniciales - y con entradas nulas, es decir,
v
SwbE0t+ (5.3)
La estabilidad interna describe las propiedades de convergencia de las trayectorias a puntos de operacin
o de equilibrio del sistema.
5. Estabilidad 63
Sw St?

Definicin 5.2 (Punto de Equilibrio). Un punto de equilibrio de un sistema en EE es un

vector constante tal que si n , entonces tb para todo .
S
La definicin de punto de equilibrio vale para sistemas no lineales, que pueden tener varios. Para sis-
temas lineales, salvando los casos en que la matriz tenga autovalores nulos, existe un solo punto de
equilibrio: el origen.
Ejemplo 5.4. Sean los sistemas
Swb
Sw -
S5
- 5 SwXNx^!,DSw

u
En el primer sistema la matriz tiene un autovalor nulo, por lo que tiene un kernel no trivial generado por el

- S5
vector p ut . La direccin definida por es un conjunto de equilibrio.
En el segundo sistema, los equilibrios estn definidos por los tales que , es decir, - 05 - 5
i . Como la matriz es no singular, el nico equilibrio
v
es u t
xw .
0 +x^! D - 5
El tercer sistema es no lineal. Haciendo tb obtenemos , donde f+f .
Para los sistemas lineales que tratamos en la materia, interesa un equilibrio nico y estable en el origen.
ste ser un equilibrio en cualquier representacin en EE equivalente del sistema.
Definicin 5.3 (Estabilidad en el sentido de Lyapunov). El (equilibrio del) sistema t w es esta-
S S
ble en el sentido de Lyapunov, o simplemente estable, si toda condicin inicial finita origina una trayectoria
acotada.
Definicin 5.4 (Estabilidad Asinttica). El sistema tN t es asintticamente estable si toda condi-
S S
cin inicial finita origina una trayectoria acotada que adems tiende al origen cuando . }

Definicin 5.5 (Inestabilidad). El sistema 0tb]St es inestable si no es estable.
Estabilidad Lyapunov Estabilidad asinttica Inestabilidad
Para sistemas del tipo (5.3) la estabilidad queda determinada por los autovalores de .
Teorema 5.7 (Estabilidad Interna). El sistema
0tb]St es
1. estable en el sentido de Lyapunov si y slo si todos los autovalores de tienen parte real no positiva,
y aquellos con parte real cero estn asociados a un bloque de Jordan de orden de .
2. asintticamente estable si y slo si todos los autovalores de tienen parte real negativa.
Demostracin. Notamos primero que la estabilidad de una EE no ser alterada por transformaciones de
equivalencia algebraica, puesto que en w S
w , donde es una matriz no singular, si t es acotado S 0
0 0 S
S
tambin lo ser t . Y si t tiene a cero, tambin lo har w .
En el sistema transformado es w3 w , donde b tiene los mismos autovalores que . S
Sean f+ff son los autovalores de b& con multiplicidad
k
/ . ? /c ?

Sea la transformacin de equivalencia que lleva el sistema a su forma cannica modal, o sea que es
diagonal en bloques,

+
+

. . + .
.. .. .. .. ..
. .
+ /
5. Estabilidad 64
;y ;y E E
donde el bloque es el bloque de Jordan asociado al autovalor .
S S
La solucin de wX w es wX dz , donde dz tambin es diagonal en bloques S
%

+

(
+

9 +

z . .
.. .. .. .. ..
. . .
+ U

Como vimos, cada y involucra trminos con las exponenciales y y y , etc., dependiendo de u
la multiplicidad de . Es claro entonces que la respuesta del sistema slo puede ser acotada si ningn
autovalor tiene parte real positiva y todos los autovalores con parte real nula estn asociados a bloques de
Jordan de orden .
Para que el estado converja asintticamente al origen, es necesario que todos los autovalores tengan
parte real estrictamente negativa.
Ejemplo 5.5. Sea el sistema

Swb

0t+

Tiene un autovalor doble en y uno simple en . Como el autovalor nulo est asociado a dos bloques de

Jordan de orden , concluimos que el sistema es estable en el sentido de Lyapunov.
El sistema

Swb

0t+

sin embargo, tiene los mismos autovalores, pero esta vez el autovalor nulo est asociado a un bloque de
Jordan de orden , y por lo tanto el sistema es inestable.
Como ya discutiramos, todo polo de la matriz transferencia del sistema
bNb++
debe ser un autovalor de , por lo que estabilidad interna implica estabilidad BIBO.
Sin embargo, no todo autovalor de aparecer como polo de , por lo que estabilidad BIBO no implica

estabilidad interna.
5.3.1 Sistemas discretos
w- w- 5
Las definiciones de estabilidad en el sentido de Lyapunov y asinttica son las mismas para sistemas en
tiempo discreto S5
E . El teorema 5.7 se reformula de la siguiente forma.
Teorema 5.8 (Estabilidad Lyapunov para sistemas discretos). El sistema - S5 ]-
5 es
1. estable en el sentido de Lyapunov si y slo si todos los autovalores de tienen magnitud no mayor que
, y aquellos con magnitud igual a estn asociados a un bloque de Jordan de orden de .
2. asintticamente estable si y slo si todos los autovalores de tienen magnitud menor que .
5.4 El Teorema de Lyapunov

Da una forma alternativa de chequear estabilidad asinttica de w\ w . La importancia de este re-
S S
sultado (en su forma general) es que permite estudiar la estabilidad de sistemas ms generales, como por
ejemplo inestacionarios o no lineales.
Diremos que una matriz es Hurwitz si todos sus autovalores tienen parte real negativa.
5. Estabilidad 65
Teorema 5.9 (Teorema de Lyapunov). La matriz es Hurwitz si y slo si dada cualquier matriz simtrica y
<
definida positiva , la ecuacin de Lyapunov
tÈ_" < (5.4)
tiene una solucin nica simtrica y definida positiva .
Aleksandr Lyapunov (1857-1918)
Demostracin. (
) La ecuacin (5.4) es un caso especial de la ecuacin de Lyapunov
ÈZ
que viramos en la clase del 27 de marzo, con Z t , rJ , y H . Como y t tienen los mismos <
autovalores, si es Hurwitz no hay dos autovalores y tales que
. As, por lo visto en 3, la
ecuacin de Lyapunov es no singular y tiene una solucin nica para cada . <
Postulamos la siguiente candidata a solucin
A H 7{= <
v (5.5)
Substituyendo (5.5) en (5.4) da
t È_ vH t { < vH { <; w
A H
7{= < 0~
v }|
{ <; H cIv
V < N <

donde hemos usado el hecho de que puesto que B@ es Hurwitz. As mostramos que en efecto
de (5.5) es solucin de la ecuacin de H Lyapunov (5.4).
De (5.5) se ve tambin que si es simtrica, tambin lo es < . Factoricemos < < t < donde < es una
matriz no singular, y consideremos
ctN H ct { < t
<
nA H
v v g < ig (5.6)
<
Como y son no singulares, para cualquier no nulo el integrando de (5.6) es positivo para cada . Es

decir, t
para todo , y concluimos que es definida positiva.
<
( ) Mostramos que si y son definidas positivas entonces es Hurwitz. Sea un autovalor de
+
y
el autovector correspondiente, es decir, - . Tomando la traspuesta conjugada obtenemos
t = . As, de (5.4)
< t _
/ ]e.! b (5.7)
Como los trminos y $< son reales y positivos, como viramos en el 3, (5.7) implica que e.! =
y muestra que es Hurwitz.
5. Estabilidad 66
Un corolario de este resultado que nos va a ser til ms adelante es el siguiente.

Corolario 5.1. La matriz < H{ con E
es Hurwitz si y slo si para cualquier matriz J = y la propiedad

<
<
ao"DB H ao"D ..
.
< b
/ &
la ecuacin de Lyapunov
t È_" < t <
tiene una solucin nica simtrica y definida positiva .
Un resultado importante que usamos en la prueba del Teorema de Lyapunov es el siguiente, que resumi-
mos en un teorema aparte.
Teorema 5.10. Si es Hurwitz, entonces la ecuacin de Lyapunov
tÈ_" <
tiene una solucin nica para cada < que puede ser expresada como
A H { <
v
5.5 Estabilidad Interna de Sistemas Discretos
#
La contrapartida discreta de la ecuacin general de Lyapunov ]E Z vista en el Captulo 3 es
#

N- (5.8)
#
donde las matrices e son respectivamente X y y las matrices y son b . De forma similar
al caso visto,2 la ecuacin (5.8) es una ecuacin lineal en que puede reescribirse en la forma .
#
Si es un autovalor de y un autovalor de , la condicin para que exista una solucin nica de
(5.8) es que

para todo l (5.9)
Puede verse intuitivamente como surge esta condicin. Sea un autovector derecho (vector columna ) [
asociado al autovalor de ; o sea,
# #
[ [
. Sea un autovector izquierdo (vector fila ^ ) asociado al
autovalor 8 de ; o sea, E .
Si pensamos a la ecuacin (5.8) en trminos de la funcin matricial

#

H

la ecuacin se reduce a -Z . Evaluando en la matriz 1 , tenemos que [

[
n 1
#
1 [
" =8
1 [ [
por lo que lo 8

son autovalores de (5.8). Si

, entonces existe una solucin nica de la f
ecuacin -/ . De otro modo, pueden o no existir soluciones.
Volvemos entonces ahora a la condicin de estabilidad para el sistema discreto r . - S5 - 5
Teorema 5.11 (Teorema de Lyapunov Discreto). Todos los autovalores de la matriz b& tienen mag-
nitud menor que si y slo si dada cualquier matriz simtrica y definida positiva , o t , donde < < < w<
< /
& con E tiene la propiedad =

<
<
ao"DB ..
.
<
/ &
2 En la clase del 27/03/2000.
5. Estabilidad 67
la ecuacin de Lyapunov discreta

t_ < (5.10)
tiene una solucin nica simtrica y positiva definida .

Un esquema de la demostracin, que sigue pasos similares a la del caso continuo, se puede encontrar
en Chen (1999, p. 136-137). En este caso una solucin explcita est dada por el siguiente resultado.
Teorema 5.12 (Solucin de la Ecuacin de Lyapunov Discreta). Si todos los autovalores de la matriz
tienen magnitud menor que , entonces la ecuacin de Lyapunov
t _ <
tiene solucin nica para cada < , y la solucin puede expresarse en la forma
b
nH t / < / (5.11)
/ cIv
Remarcamos que an cuando tuviera autovalores con magnitud mayor que , la ecuacin de Lyapunov
tiene solucin si se cumple (5.9), pero no puede expresarse en la forma (5.11).
La funcin M ATLAB lyap calcula la solucin de la ecuacin de Lyapunov continua, mientras que la funcin
dlyap calcula la discreta.
5.6 Estabilidad de Sistemas Inestacionarios

5.6.1 Estabilidad entrada/salida
El concepto de estabilidad BIBO para sistemas lineales inestacionarios es el mismo que vimos en el caso
estacionario; si el sistema est representado por
nSt-A
0 [ S

decimos que el sistema es BIBO estable si toda entrada acotada produce una salida acotada.
La condicin necesaria y suficiente para estabilidad BIBO es que exista una constante finita tal que

para todo y todo , , v K v
g S *$gJ_

5.6.2 Estabilidad interna
S S S
Como en el caso estacionario, la ecuacin w3 a w w es estable en el sentido de Lyapunov si toda
condicin inicial genera una respuesta acotada. Como la respuesta est gobernada por
Swb S v S v
/
concluimos que la respuesta es Lyapunov estable si y slo si existe una constante finita tal que para todo
v K v
y , ,
g S v $gZ = }
/
(5.12)

La ecuacin Sw v"0tSw
es asintticamente estable si la respuesta generada por toda condicin inicial
es acotada y adems tiende a cero cuando }
. Las condiciones de estabilidad asinttica incluyen (5.12)
y adems
/
g S v $g
cuando .
}
Como en el caso inestacionario la respuesta depende del tiempo inicial , interesa caracterizar la es- v
tabilidad del sistema de como una propiedad independiente de . As surgen las nociones de estabilidad v
uniforme y estabilidad asinttica uniforme.
5. Estabilidad 68
Definicin 5.6 (Estabilidad Uniforme). La ecuacin
SwbEaSt0t+
S v b v
es uniformemente estable si existe una constante finita positiva tal que para cualquier v y v la solucin
correspondiente satisface
g?Strg ?g v gu L v (5.13)
Notar que como la ecuacin (5.13) debe satisfacerse en n , la constante debe ser mayor que . v
El adjetivo uniforme se refiere precisamente a que no debe depender de la eleccin del tiempo inicial,
como se ilustra en la Figura 5.2.

"
Z3 Z

X X
Figura 5.2: Estabilidad uniforme.
Ejemplo 5.6. La ecuacin wXN

S m x^! DtSw+0 v b v puede verificarse que tiene la solucin
S7 ]

]
( F 0 F (

wb 0 v (5.14)
v
Es fcil ver que para un fijo, existe un tal que (5.14) es acotada por para todo , dado que el g vg 8 v
C
trmino domina en el exponente cuando crece.
Sin embargo, la ecuacin de estado no es uniformemente estable. Con un estado inicial fijo, conside-
v
remos
w
la secuencia ]
xw
, con v
1+ff , y los valores de las correspondientes soluciones evaluadas
segundos ms tarde:
w
p b

X F \ u v

Claramente, no hay cota del factor exponencial independiente de , o sea que va a depender forzosamente
de , y as del tiempo inicial . v
Definicin 5.7 (Estabilidad Exponencial Uniforme (EEU)). La ecuacin
SwbEaSt0t+
S v b v (5.15)
es uniformemente exponencialmente estable si existen constantes finitas positivas tales que para cual-
v v
quier y la solucin correspondiente satisface
g?Strg X u ?g v gu L v
Nuevamente,
, y el adjetivo uniforme se refiere a que y son independientes de v , como se
ilustra en la Figura 5.3.
Teorema 5.13 (EEU para a w acotada). Supongamos que existe S g S $g
tal que a w para todo .
Entonces la ecuacin lineal (5.15) es uniformemente exponencialmente estable si y slo si existe
tal
que
g / S G $ gu G para todo , .

5. Estabilidad 69
g? v g
g? v g
gSw$g g Sw$g

v v
Figura 5.3: Estabilidad exponencial uniforme.
Ver Rugh (1995, p. 102-103) por la demostracin.

S
En el caso estacionario, a w , la condicin el teorema anterior lleva al requerimiento de que todos
los autovalores de tengan parte real negativa para que el sistema tenga EEU.
S
En el caso inestacionario los autovalores de a w no determinan las propiedades de estabilidad del siste-
ma, como muestra el siguiente ejemplo.
Ejemplo 5.7. Sea el sistema inestacionario

SwbEaSt0t
= St
(5.16)

El polinomio caracterstico de aSw es

,!$# iaSt?X
=

" "!$#

por lo que aSw tiene dos autovalores en " para todo . Puede verificarse que la matriz

u 8
S -
/

satisface la condicin
1
S v S 0 v
/ /
1 -Ea w

y es por lo tanto la matriz de transicin de estados del sistema (5.16). Como la entrada
t de t crece S 0

en forma ilimitada con , el sistema no puede ser asintticamente o Lyapunov estable.
A diferencia del caso estacionario, los autovalores de t no son tiles para chequear estabilidad. 0
5.6.3 Invariancia frente a transformaciones de equivalencia
En el caso inestacionario las propiedades de estabilidad, determinadas por los autovalores de , son inva-
riantes frente a transformaciones de equivalencia.
En el caso inestacionario sabemos que esta propiedad no se conserva, ya es posible llevar la matriz a w S

a una matriz constante arbitraria mediante una transformacin de equivalencia inestacionaria t . 0
S
No obstante, para ciertas t , es posible hacer que las propiedades de estabilidad sean tambin inva-
riantes en el caso inestacionario.
Definicin 5.8 (Transformacin de Lyapunov). Una matriz { w que es continuamente diferenciable S

e invertible en cada se llama transformacin de Lyapunov si existen constantes y tales que para todo
g S trg
"!$# Sw (5.17)
Una condicin equivalente a la (5.17) es la existencia de una constante tal que para todo
g S trg g 0t$g
5. Estabilidad 70
Teorema 5.14 (Equivalencia y Estabilidad en Sistemas Inestacionarios). Supongamos que t es una 0

transformacin de Lyapunov. Entonces la ecuacin lineal (5.15) es uniformemente (exponencialmente) esta-
ble si y slo si la ecuacin de estado
SwXL- +SwtaSt 0 tb

f0t S w 5 - Sw
-
es uniformemente (exponencialmente) estable.
5.7 Resumen
Hemos introducido los primeros conceptos de estabilidad de sistemas estacionarios, comenzando por
la estabilidad entrada-salida BIBO: entrada-acotada/salida-acotada.
Vimos que un sistema es BIBO estable si y slo si

su respuesta al impulso es absolutamente integrable (sumable, para sistemas discretos), o
si su funcin transferencia (en discreto - ) es racional y propia, todos los polos de
tienen parte real negativa (los polos de - tienen magnitud menor que ).
Los sistemas MIMO son BIBO estables si y slo si todos los subsistemas SISO que conectan las
diferentes entradas y salidas son BIBO estables.
La respuesta en rgimen permanente de un sistema BIBO a una entrada sinusoidal de frecuencia v
es sinusoidal de la misma frecuencia, y con magnitud y fase dadas por el la magnitud y fase de la
funcin transferencia del sistema evaluada en ^ (-
en sistemas discretos. v
Definimos estabilidad interna para un sistema con entradas nulas. Definimos estabilidad segn Lyapu-
nov, y estabilidad asinttica.
La condicin necesaria y suficiente para estabilidad segn Lyapunov es que la matriz en {Z no

tenga autovalores con parte real positiva, y para aquellos autovalores con parte real nula, que no estn
asociados a un bloque de Jordan de dimensin mayor que .
La condicin necesaria y suficiente para estabilidad asinttica es que todos los autovalores de tengan
para real negativa (Hurwitz).
Presentamos un mtodo alternativo de chequear si la matriz es Hurwitz (tiene todos sus autovalores
con parte real negativa), mediante la existencia de solucin de una ecuacin de Lyapunov..
Vimos el teorema de Lyapunov para sistemas discretos, que vincula la existencia de solucin de la
ecuacin t _N <
con la propiedad de que tenga todos sus autovalores dentro del crculo
unitario.
Vimos las nociones de estabilidad para sistemas lineales inestacionarios, incluyendo estabilidad uni-
forme y estabilidad exponencial uniforme.
Una nota importante es que los autovalores de aSw en general no determinan la estabilidad en siste-
mas lineales inestacionarios.
5.8 Ejercicios

Ejercicio 5.1. Probar que las funciones y son absolutamente integrables si y slo si .3
& (

Ejercicio 5.2. Es el sistema con funcin transferencia
-

F BIBO estable?
b w F excitado por [ Stb] y [ SwX x^! DT para ?
Ejercicio 5.3. Cules son las respuestas en rgimen permanente de un sistema con funcin transferencia
Ejercicio 5.4. Probar los Teoremas 5.5 y 5.6 para sistemas discretos.
3 x G
.
5. Estabilidad 71
Ejercicio 5.5. Analizar la estabilidad de los siguientes sistemas

SwX

Sw

SwX

Sw

;
- S5 - 5

5 ;
- - 5

Ejercicio 5.6. Probar que todos los autovalores de tienen parte real menor que += si y slo si para
cualquier matriz simtrica y positiva definida dada, la ecuacin <
tÈ_ " <
Ejercicio 5.7. Probar que todos los autovalores de tienen magnitud menor que si y slo si para cualquier
matriz simtrica y positiva definida dada, la ecuacin <
u tT_ <
Ejercicio 5.8. Es el sistema con respuesta al impulso S * u m m m m para + BIBO estable? Qu
0
S x!,D8 x
hay de X ?

Ejercicio 5.9. Es el sistema St/StT [ Sw+-Sw u ( Sw BIBO estable? Estable en el sentido de
Lyapunov? Asintticamente estable?
(
Ejercicio 5.10. Mostrar que la ecuacin del problema anterior puede transformarse, usando SwX S t0t
S
con wX , en

Swb
( Sw+-SwX 0t+
[
Es el sistema transformado BIBO estable? Estable en el sentido de Lyapunov? Asintticamente estable?
S
Es t una transformacin de Lyapunov?
Captulo 6
Controlabilidad y Observabilidad
Ver notas de clase de Anbal Zanini, disponibles de las pginas de Control Automtico 2 en http://vcyt-
22.unq.edu.ar/.
1. Controlabilidad
2. Observabilidad
3. Descomposiciones cannicas
4. Condiciones en ecuaciones en forma de Jordan
5. Ecuaciones de estado discretas
6. Controlabilidad y muestreo
7. Sistemas inestacionarios
72
Captulo 7
Especificaciones y Limitaciones de
Diseo
Como referencias generales a los temas de este captulo pueden consultarse Goodwin, Graebe & Salga-
do (2000, 5), para las definiciones de funciones de sensibilidad y arquitecturas de realimentacin; Doyle,
Francis & Tannenbaum (1992) y Snchez Pea (1992), para los resultados relativos a robustez; y Seron,
Braslavsky & Goodwin (1997, 1), para los resultados relativos a limitaciones en la respuesta al escaln.
7.1 Sensibilidad y Robustez

Uno de los esquemas de control ms simples es el lazo en realimentacin de la Figura 7.1. En el lazo de la

p

?
[

T

-

/
Figura 7.1: Lazo de control de un grado de libertad.
Figura 7.1 las seales representan

n 8 e salida ? e referencia
[ 8 e control
p 8e perturbacin de salida ee perturbacin de entrada
/ perturbacin de medicin
La implementacin prctica de un sistema de control se ve afectada en su desempeo de dos principales

fuentes de error:
1. seales espreas (perturbaciones) en el lazo de control,
2. incertidumbre en el modelo de la planta
.
Un buen diseo de control debe tolerar satisfactoriamente tanto perturbaciones como incertidumbres en
el modelado.
La especificacin de las propiedades del sistema de control con respecto a rechazo de perturbaciones e
incertidumbre definen los objetivos de desempeo (en ingls: performance) del diseo.
73
7. Especificaciones y Limitaciones de Diseo 74
7.1.1 Perturbaciones
Las seales espreas representan perturbaciones que bajo condiciones ideales deberan ser nulas, pero
que estn presentes, en mayor o menor medida en todo sistema real.
Ejemplo 7.1. El control de corriente de armadura de un motor de corriente continua se suele implementar

mediante inversores que trabajan por modulacin de ancho de pulso (PWM: pulse width modulation), w . La S
v S
componente continua de la seal, w , es el control efectivo; las armnicas representan una perturbacin
de entrada t , wb S S
t w . v S + S

Sw

v Sw

Actuador PWM
Definicin 7.1 (Sensibilidad). Cuando un sistema de control retiene su desempeo nominal frente a per-
turbaciones se dice que tiene buenas propiedades de rechazo, o baja sensibilidad, a perturbaciones.
7.1.2 Incertidumbre
La incertidumbre en el modelado surge de que es imposible conocer con exactitud el modelo de un sistema.
As, el modelo con el que se disea el controlador (nominal) es una aproximacin al verdadero sistema sobre
el cual este actuar.
Por ejemplo, si diseamos un controlador basados en el modelo linealizado alrededor de un punto de
operacin nominal de un sistema no lineal, las alinealidades se presentarn como incertidumbres de mode-
lado.
Ejemplo 7.2. Sea el sistema no lineal
SwbSt St [ Sw

/ 1 0t0t [ 0t+
El modelo linealizado alrededor del origen es t wb
0
t , y as el control S [ S [ S w uSw estabiliza
asintticamente el sistema linealizado.
Sin embargo, este control aplicado al sistema real da el lazo cerrado
Swb/XSt St

/; St?St
y por lo tanto slo alcanza estabilidad asinttica para un conjunto acotado de condiciones iniciales, e =

.
Para tener en cuenta la incertidumbre del modelo en el diseo del controlador es necesario contar con
una representacin de la incertidumbre con alguna cota conocida.
Por ejemplo, es habitual representar la incertidumbre con un modelo lineal multiplicativo
b
v 1 (7.1)
v
donde representa la funcin transferencia real, la funcin transferencia nominal (el modelo utiliza-
do para diseo), y una funcin transferencia desconocida salvo por alguna cota del tipo a , g $gn
con conocida.
Ejemplo 7.3. Supongamos que tenemos el sistema

b
a
donde existe incertidumbre en la posicin del polo, { 2 , donde _ v v es el valor nominal. La represen-
tacin de esta incertidumbre en el modelo multiplicativo (7.1) es

b
v S2t

v

v v aq2
2

v v aq2

v +
Definicin 7.2 (Robustez). Un sistema de control que retiene sus propiedades de estabilidad y desempeo
frente a incertidumbres de modelo en la planta se dice robusto.
No siempre es posible alcanzar buen rechazo de perturbaciones conjuntamente con robustez, y as deben
adoptarse soluciones de compromiso en el diseo.
Para alcanzar soluciones de compromiso adecuadas a las condiciones de perturbaciones e incertidumbre
existentes en el sistema considerado, es til disponer de ndices que de alguna forma midan las propie-
dades de sensibilidad y robustez de un controlador dado. Dos ndices tradicionalmente utilizados son las
funciones de sensibilidad del lazo.
7.2 Funciones de Sensibilidad

Volvamos al sistema de control de la Figura 7.1, que supondremos SISO por simplicidad. La respuesta del
sistema a condiciones iniciales nulas est dada por

T -

[ p8

[ - ? n n +

/
? n / [ n p T

de donde resolvemos

[ -

? n / p

T -

? n / p
La arquitectura del esquema de la Figura 7.1 se llama de un grado de libertad. Este nombre refleja el
? /
hecho de que slo existe un grado de libertad para definir las funciones transferencias de lazo cerrado que
mapean y a n , y y p a n .

As, si se disea para obtener una particular respuesta a la seal de referencia,
T

?

se induce al mismo tiempo una nica respuesta a la perturbacin de salida,
n

p

A menudo, es deseable ajustar las respuestas a referencia y perturbaciones en forma independiente.
Esto puede lograrse con una arquitectura de dos grados de libertad, como la de la Figura 7.2. La salida en
este caso esta dada por

n b ?

p

/

-


p
?
[

n

-

/
Figura 7.2: Lazo de control de dos grados de libertad.

Ahora puede usarse para ajustar la respuesta a la perturbacin (que tiene la misma transferencia
que en la arquitectura de un grado de libertad), y puede usarse para ajustar la respuesta a la referencia
independientemente, dada por

T
?

No obstante, notar que an en la arquitectura de dos grados de libertad quedan funciones transferencias
cuya dinmica no puede
ajustarse independientemente. /
As, el controlador puede usarse para ajustar la respuesta a una perturbacin , p o ,
pero una vez elegido, las restantes respuestas quedan determinadas.
La salida del controlador en el esquema de la Figura 7.2 est dada por

[ -

? T

p

/

-

La respuesta a lazo cerrado del sistema de la Figura 7.2 est entonces gobernada por cuatro funciones
transferencia, colectivamente llamadas funciones de sensibilidad,

H
X (7.2) M H

M H

M R H

(7.3)
e individualmente

MX ee Sensibilidad complementaria
M e Sensibilidad de entrada
Sensibilidad
M R e Sensibilidad de control
La funciones de sensibilidad estn algebraicamente relacionadas, y estas relaciones son unas de las mani-
festaciones de las restricciones inherentes al lazo de control en realimentacin. No es difcil ver que
M -
b

M b XM -

M R - MX -

7.3 Especificaciones de la Respuesta en Frecuencia

Como normalmente la seal de referencia a posee un espectro de bajas frecuencias, a ?
se especifica
como filtro pasa-bajos, y as rechazar al mismo tiempo el ruido de medicin, normalmente de alta frecuencia.

La Figura 7.3 muestra especificaciones tpicas de la respuesta en frecuencia para y X (recordemos M
M
que y X no pueden elegirse en forma independiente ya que X - para todo ). M

1 1
|T(j)|
|S(j)|
0.5 0.5
0 0
2 1 0 1 2 2 1 0 1 2
10 10 10 10 10 10 10 10 10 10

Figura 7.3: Formas tpicas para M X and a .

7.4 Robustez
7.4.1 Estabilidad Robusta

Adems de especificar la respuesta del sistema a seales, las funciones y X sirven para especifi- M
car las propiedades de robustez del sistema.
Supongamos que representamos la incertidumbre en el modelo con estructura multiplicativa
b
v
+ (7.4)
y que se conoce la cota de incertidumbre

a

(7.5)
Tpicamente, es una funcin creciente de la frecuencia (el modelo es ms incierto a frecuencias

mayores).
Cmo se obtiene la cota
en la prctica? El siguiente ejemplo ilustra una forma.
transferencia nominal
v
Ejemplo 7.4 (Incertidumbre de modelado). Supongamos que la planta es estable y se obtuvo su funcin
mediante experimentos de respuesta en frecuencia: La magnitud y fase de la

salida se miden para sinusoides de referencia de distintas frecuencias ff++ . El experimento se
repiti veces.

nominal se puede obtener ajustando a
v
Denotamos el par (magnitud,fase) para la frecuencia y el experimento como . El modelo
a estas mediciones, por ejemplo, minimizando el error cuadrtico
medio total (tpico en Identificacin de Sistemas).
Una vez obtenida la funcin transferencia nominal , se puede obtener eligindola de forma
v
tal que
3 y
a

+f+f
f+f
v
Existen distintos criterios para ajustar . La Figura 7.4 muestra los resultados de un experimento real

en un sistema intercambiador de calor experimental ( ] ).
Diagrama de Nyquist Diagrama de Bode

1
10
Nyquist nominal
Mediciones
0.5
Incertidumbre
0 0
10
Parte Imaginaria
Magnitud
0.5
Diagrama de Nyquist 1
1 10
Diagrama de Bode
1.5 Nyquist nominal

Magnitud
Mediciones
Frecuencia Incertidumbre
2
2 Parte Imaginaria 10 2 1 0 1 2
1 0.5 0 0.5 1 1.5 2 10 10 10 10 10
Parte Real Parte Real Frecuencia
Figura 7.4: Mediciones, modelo nominal e incertidumbre
El siguiente es un importante resultado que da condiciones necesarias y suficientes para estabilidad

robusta con incertidumbre multiplicativa en los lazos de control de la Figura 7.1, 7.2.
v
Teorema 7.1 (Estabilidad robusta con incertidumbre multiplicativa). Sea la planta nominal con in-
certidumbre de modelo estable y dada por (7.4) y (7.5). Entonces, si los lazos de control de la Figu-
ra 7.1, 7.2 son estables con la planta nominal , sern estables con la planta real si y slo si
v

v a = a a =N para todo , (7.6)

v ).
donde v es la sensibilidad complementaria
nominal (de (7.2) con b

Demostracin. Ver por ejemplo Snchez Pea (1992, 2) o Doyle et al. (1992, 4).
Este resultado nos dice que si existe mucha incertidumbre de modelo a una determinada frecuencia,
v
debe disearse (a travs de ) para tener valores bajos a esa frecuencia, o la estabilidad nominal
del sistema puede llegar a perderse en la planta real.
El resultado anterior tiene la siguiente interpretacin grfica: Puesto que

a v a =Z

a
=
v a

0 a v a =

a
v

entonces, para

cada frecuencia el punto crtico v se encuentra fuera del disco de centro y
radio a .

7.4.2 Desempeo robusto

El desempeo nominal del sistema puede especificarse definiendo la forma de M X a con una funcin de
peso dada requiriendo que

M a
=
M /
X = (7.7)
Si (7.7) se preserva de la planta nominal a la planta real, y adems se preserva la estabilidad, decimos que
el sistema tiene desempeo robusto.
El desempeo robusto, como intuitivamente puede esperarse, requiere la estabilidad robusta (7.6) como
condicin necesaria.
El siguiente resultado establece una condicin necesaria y suficiente para el desempeo robusto de los
sistemas de la Figura 7.1, 7.2.
imag

real

+

+
Figura 7.5: Estabilidad robusta grficamente
v

Teorema 7.2 (Desempeo robusto con incertidumbre multiplicativa). Sea la planta nominal con
incertidumbre de modelo estable y dada por (7.4) y (7.5). Entonces, si los lazos de control de la
Figura 7.1, 7.2 son estables, y se cumple (7.7) con la planta nominal , el sistema tiene desempeo
v
robusto si y slo si

M v v =Z para todo ,
(7.8)

v ). M v y v son la sensibilidad y sensibilidad complementaria nominales (de (7.2) con \
donde

Demostracin. Ver Snchez Pea (1992, 2) o Doyle et al. (1992, 4).
La condicin de desempeo robusto tambin admite una buena interpretacin grfica:
imag

real

+

+
Figura 7.6: Desempeo robusto grficamente
Ua
7.5 Restricciones algebraicas en y
M

En resumen, se pueden especificar las propiedades del sistema de control a lazo cerrado especificando una
M
forma en la respuestas en frecuencia de X y .
que pueden tomar b
y
M
Sin embargo, X y a

no pueden ajustarse arbitrariamente. Existen restricciones en los valores

para ciertos valores de que imponen restricciones sobre los valores en

el eje .

La restriccin ms obvia es la relacin de complementariedad
Mb -
v

Otras restricciones surgen en los ceros y polos a lazo abierto debido al requerimiento de estabilidad del lazo
cerrado.

Lema 7.1 (Restricciones de Interpolacin). Si el sistema a lazo abierto no tiene cancelaciones polo-
cero inestables, entonces, para cualquier control que estabilice al sistema a lazo cerrado, X y deben M
satisfacer las siguientes condiciones

1. si es un polo inestable de ( e ! )

MX - y -

( e !
2. si
es un cero de fase no mnima de )

MX - y -

Demostracin. Por el requerimiento de estabilidad del lazo cerrado, ceros y polos con parte real positiva
de la planta o el controlador no pueden cancelarse, por lo que permanecern en . Las condiciones de
interpolacin siguen directamente de las definiciones de X y . M
Sea cual fuera el controlador elegido, las funciones de sensibilidad debern satisfacer estas restricciones en
los polos y ceros de parte real no negativa del lazo abierto.

7.6 Especificaciones de diseo en la respuesta temporal

Alternativamente a la especificacin de la respuesta en frecuencia, la especificacin del desempeo del
sistema a lazo cerrado suele hacerse sobre la respuesta temporal del sistema. La especificacin de la
h
x
3

@
0
Figura 7.7: Especificaciones en la respuesta temporal
respuesta temporal es ms directa respecto de lo que se pretende del sistema, pero entonces es ms difcil
traducir estas especificaciones a condiciones para las funciones transferencia del lazo cerrado.
Los parmetros tpicos para la respuesta al escaln son
sobrevalor 3
subvalor
tiempo de crecimiento
tiempo de establecimiento @
Definimos los parmetros de la respuesta al escaln sobre el sistema de la Figura 7.1, y definimos el
error de seguimiento 33d3 .
sobrevalor: es el mximo valor en que la respuesta del sistema excede su valor de rgimen permanente,
x3aj 37

subvalor: es mximo pico negativo de la salida del sistema,

7

tiempo de crecimiento: cuantifica aproximadamente el tiempo mnimo que toma la salida en alcanzar el
nuevo punto de operacin,
j h3a g
G para todo en el intervalo B
tiempo de establecimiento: cuantifica el tiempo que tardan los transitorios en decaer permanentemente

por debajo de un determinado nivel , usualmente entre el 1 y 10% del valor de rgimen permanente,
para todo en el intervalo

[
7.7 Restricciones en la Respuesta al Escaln

Como vimos, los polos y ceros en el semiplano derecho del plano complejo imponen restricciones algebraicas
en las funciones de sensibilidad del sistema, no importa cual sea el controlador usado.
Veremos cmo estas restricciones algebraicas se traducen en restricciones en el desempeo alcanzable
de la respuesta al escaln del sistema a lazo cerrado.
Usaremos el siguiente resultado preliminar, que surge de la definicin de transformada Laplace.

Lema 7.2. Sea & una funcin transferencia estrictamente propia cuyos
polos se encuentran en el semi-

plano i d a , para algn nmero real finito . Sea la antitransformada Laplace de
&
. Entonces para cualquier nmero } [ a

&

La salida y el error de seguimiento en la respuesta al escaln del sistema de la Figura 7.1 satisfacen las

siguientes condiciones integrales.
Teorema 7.3 (Polos inestables). Supongamos que el sistema a lazo abierto & tiene un polo en , con

. Entonces si el lazo cerrado es estable

h
(7.9)

h h
(7.10)
Demostracin. Veamos primero que al ser el sistema estable, el error 3 es acotado, digamos

. En efecto,
, y por lo tanto su transformada Laplace & no tiene singularidades en

[

&
3

d

para todo !

.
Entonces, por el Lema 7.2, la ecuacin (7.9) sigue de

!

h g
!
donde usamos la relacin & B & , el hecho de que la referencia es un escaln, B &

, y la
!
restriccin de interpolacin de & en los polos inestables de & .

La ecuacin (7.10) sigue de (7.9) y el hecho de que 3 para todo ,
3d
h
h

3
h

Un resultado dual existe para plantas con ceros de fase no mnima.

Teorema 7.4 (Ceros de fase no mnima). Supongamos que el sistema a lazo abierto & tiene un cero en

", con "
. Entonces si el lazo cerrado es estable

$# "

h
(7.11)
h
%# (7.12)
Demostracin. Ejercicio.
Estos teoremas muestran que si la planta tiene ceros o polos en el semiplano derecho del plano complejo,
entonces el error y la salida a una entrada escaln deben satisfacer relaciones integrales independientemen-
te del controlador usado para estabilizar el sistema.
Damos interpretaciones de diseo de estas integrales en trminos de los parmetros de la respuesta al
escaln.
Corolario 7.1 (Polos inestables reales y sobrevalor). Si la planta tiene un polo inestable real en
@

, su
respuesta al escaln tiene forzosamente sobrevalor. Ms an, si es el tiempo de crecimiento del sistema
a lazo cerrado, entonces se cumple que
3'&

)(+*
@ (7.13)
&

Demostracin. Necesariamente el error deber cambiar de signo para que la integral (7.9) sea nula a
menos que sea idnticamente nulo. As, la salida deber superar a la referencia en algn momento ,.-
sobrevalor.
De la definicin de @ tenemos que 3a!@ para 0 , o sea que &
!@
. Usando esta cota
en la integral (7.9) tenemos que
)( )(
* 0/ & 21

*

43
@

0/

)(
& 1

3

, 0/

@
* (7.14)
De (7.14) y la definicin de sobrevalor tenemos que

)( &
( / /
3 3

* (
& 51 3
0
d

6

de donde surge (7.13).

Sigue del Corolario 7.1 que si la planta tiene un polo inestable:
1. necesariamente hay sobrevalor en la respuesta al escaln
2. el sobrevalor ser mayor cuanto mayor sea el tiempo de respuesta del lazo cerrado.
Los polos inestables demandarn accin de control rpida para un mejor desempeo (menor sobrevalor).
Cuanto mayores (ms rpidos) sean los polos inestables, mayor ser esta demanda.
Ejemplo 7.5. Supongamos que nuestra planta a lazo abierto tiene un polo en

. Entonces tenemos que
la cota en sobrevalor en la respuesta al escaln del lazo cerrado (estable) es
3'& @
Si diseamos el controlador para obtener un tiempo de crecimiento F

87
, el sobrevalor ser mayor al

100%! Para una respuesta razonable deberamos elegir al menos @ .
"
Corolario 7.2 (Ceros de fase no mnima y subvalor). Si la planta tiene un cero de fase no mnima real en
, su respuesta al escaln tiene forzosamente subvalor. Ms an, si es el tiempo de establecimiento

a un nivel del sistema a lazo cerrado, entonces se cumple que
&
# 09

Demostracin. Similar a la del Corolario 7.1. Ejercicio.
La interpretacin del Corolario 7.2 es que si la planta tiene un cero real de fase no mnima,
necesariamente hay subvalor en la respuesta al escaln
el pico del subvalor ser mayor cuanto menor sea el tiempo de establecimiento del lazo cerrado.
Los ceros de fase no mnima demandarn accin de control lenta para un mejor desempeo (menor subva-
lor). Cuanto menores (ms lentos) sean los ceros de fase no mnima, mayor ser esta demanda.
En conclusin podemos extraer las siguientes reglas prcticas de diseo bsicas para evitar sobrevalor o
subvalor excesivos:
1. El polo dominante a lazo cerrado deber mayor (en magnitud) que cualquier polo inestable a lazo abierto
del sistema.
2. El polo dominante a lazo cerrado deber menor (en magnitud) que el menor cero no mnima fase del
sistema.
derecha de sus ceros en 2:

Vemos que entre las plantas inestables y no mnima fase, aquellas que posean polos a lazo abierto a la
sern ms difciles, ya que no podremos satisfacer ambas reglas simultnea-
mente, y habr un compromiso inevitable entre reducir sobrevalor o subvalor.
;< = ;>< =
Figura 7.8: Caso manejable Figura 7.9: Caso difcil
El siguiente resultado considera este caso.
? @
Corolario 7.3 (Plantas inestables y no mnima fase). Consideremos el esquema de control de un grado
de libertad con realimentacin unitaria. Supongamos que & & & tiene un cero real
"
BA "
y un polo
real
, con . Entonces
1. si " el sobrevalor satisface
3 C& "
(7.15)
"
2. si
"
el subvalor satisface
&
"
x (7.16)

Demostracin. Para el caso 1, combinando las relaciones integrales de los teoremas sobre ceros de fase no

mnima y polos inestables de la clase pasada obtenemos

%#

"

De la definicin de sobrevalor entonces sigue
#

"
3

"
"
q 3 (7.17)
Finalmente, la relacin (7.15) sale inmediatamente de (7.17) pues "

"
. De la misma manera se prueba 2
usando las restantes relaciones integrales y usando el hecho de que .
Ejemplo 7.6.
Consideremos el sistema de pndulo invertido de la Figu-
ra 7.10. El modelo linealizado alrededor del origen de este E
K
sistema tiene la siguiente funcin transferencia entre la fuerza q
y la posicin del carro :
d& " * "
& & EJI
K 6 *

& & & &
H
" ML N PO " L *RQ

donde [ y . Vemos que el sistema
satisface las condiciones del corolarioQ anterior.
, obtenemos que
F
mos para que " D
Si normaliza-

TS . Entonces el corolario anterior predice un subvalor su-
y consideramos
perior a en la respuesta al escaln! La Figura 7.11 muestra

los resultados de simulaciones del lazo cerrado controlado con G
distintas velocidades de respuesta.
Vemos que el subvalor es en todos los casos mucho mayor

que la cota inferior de . Figura 7.10: Pndulo invertido
y(t)
14.20
10.76
7.32
3.88
0.44
-3.00
-6.44
-9.88
-13.32
-16.76
t
-20.20
0.00 2.86 5.71 8.57 11.43 14.29 17.14 20.00
Figura 7.11: Respuesta a lazo cerrado del pndulo invertido
7.7.1 Efecto de ceros y polos en el eje imaginario

Los resultados sobre ceros y polos en 2: vistos en la clase pasada pueden extenderse sobre el eje imagi-
nario.
Corolario 7.4 (Zeros y polos en el eje imaginario). Para todo controlador que estabilice el lazo de un gra-
h
do de libertad, el error en la respuesta al escaln unitario
@
satisface
1. si la planta &

VU
tiene un par de ceros en
WXZY "$h
, entonces
;<

3

Y < $

h

< <
@
2. si la planta & tiene un par de polos en TU , entonces
WXZY $h ;<

< h
3Y "$

<
Demostracin.
1. Extendiendo formalmente las relaciones integrales vistas en la clase anterior (puede probarse riguro-
samente que vale), tenemos que

[]\^

d

U
El resultado entonces sigue usando ;<

WXZY _\`^ * \`^

Y <

\`^

\^
< ;
2. Se prueba de la misma forma usando las expresiones correspondientes para polos.
Estas restricciones son particularmente severas si los ceros en el eje imaginario se encuentran cercanos al
origen (cercanos con respecto al ancha de banda de lazo cerrado), como vemos en el siguiente ejemplo.
Ejemplo 7.7. Supongamos que tenemos una planta con un par de ceros sobre el eje imaginario en . VU
Por simplicidad, supongamos que podemos definir el tiempo de establecimiento en forma exacta, es decir,
como
;<
] a 3]ba d c &

asumiendo que podemos despreciar directamente los transitorios para & . Entonces, del Corolario 7.4-1
9 Y
tenemos

3

$
" d

<
Asumiento que fe obtenemos <
^ 9 que
3

Y
g &

hWXZ< Y
, & <

<
,

<
3

& <

WXZY
Vemos si "@ji , entonces G i

<
. Concluimos que los zeros sobre el eje imaginario tambin
<
imponen restricciones sobre el ancho de banda mximo del lazo cerrado.
Ejemplo 7.8 (Tren de laminacin). Un ejemplo tpico del efecto perjudicial de ceros sobre (o muy cerca de)
el eje imaginario se da en el problema de laminacin de acero. Este fenmeno se conoce como efecto
de hold-up, y aparece como un incremento de oscilaciones en cuanto se pretende hacer la respuesta del
sistema ms rpida controlando slo la separacin entre los rodillos de laminacin ((Goodwin et al. 2000)).
7.8 Resumen
La implementacin prctica de un sistema de control est afectado de perturbaciones e incertidumbres de
modelado que afectarn su desempeo, apartndolo de las especificaciones idealizadas en la etapa de
diseo. Algunas de estas perturbaciones e incertidumbres pueden tenerse en cuenta de cierta forma en el
diseo si se lleva a cabo un diseo robusto.
Distinguimos las propiedades de robustez en
1. Estabilidad robusta: el sistema real preserva las caractersticas de estabilidad (Lyapunov, BIBO, etc.)
del sistema nominal.1
2. Desempeo robusto: el sistema real preserva las caractersticas de respuesta a referencias y rechazo
de perturbaciones del sistema nominal.
El anlisis de las propiedades de robustez y rechazo de perturbaciones
Estabilidad nominal
Desempeo nominal
Estabilidad robusta
Desempeo robusto
del sistema de control puede hacerse a priori, sin embargo, mediante las funciones de sensibilidad, que
k mol n p qsr k>tRu : buen seguimiento de referencia a bajas frecuencias

capturan funciones transferencia cruciales en el lazo de control.
k mol n p qsr k>tv : buen rechazo de ruido de medicin a altas frecuencias

1 1
yh{ z{ n8qsr

|T(j)|
|S(j)|
0.5 0.5
0 0
2 1 0 1 2 2 1 0 1 2
10 10 10 10 10 10 10 10 10 10
k w l n p qxr k>tv : buen rechazo de perturbaciones de salida a bajas frecuencias

Los ceros y polos a lazo abierto en el semiplano derecho 2: imponen restricciones fundamentales en la
respuesta del sistema. Estas restricciones valen para todo controlador estabilizante.
1 En lo que sigue, con estabilidad nos referiremos a estabilidad interna asinttica.
compromiso velocidad/sobrevalor si la planta tiene un polo real instable, necesariamente existir sobre-
valor en la respuesta al escaln. Cuanto ms lento se disee el lazo cerrado, mayor ser el sobrevalor.
compromiso velocidad/subvalor si la planta tiene un cero real no mnima fase, necesariamente existir
subvalor en la respuesta al escaln. Cuanto ms rpido se disee el lazo cerrado, mayor ser el
subvalor.
Estos compromisos indican que para un desempeo aceptable, los polos inestables requieren un lazo cerra-
do rpido, mientras que los ceros no mnima fase uno lento.
7.9 Ejercicios
Ejercicio 7.1. Considerar el control en realimentacin de una planta con modelo &a
@
: | | 6 . Suponiendo
que el controlador es tal que la sensibilidad complementaria es
} &
& *~ 6
?
1. calcular la funcin transferencia del controlador & ,
2. si la referencia es un escaln, calcular la respuesta en rgimen permanente de la seal de entrada de
la planta.
3. calcular el mximo error instantneo en la salida siguiendo a esta referencia.
Ejercicio 7.2. El modelo nominal de una planta es un doble integrador &
@
6
llado (que tomamos como la planta real) incluye un retardo, de forma que &
@ Un
4 6
modelo ms deta-
, y slo se sabe

que pertenece al intervalo
g
. Expresar esta incertidumbre como multiplicativa y obtener una funcin
6
tal que
< @
@ 6
;>< < <
;<
Ejercicio 7.3. La funcin transferencia de una planta est dada por
@ &

donde la ganancia es incierta pero se sabe que pertenece al intervalo
7GB
. Representar la familia de

plantas posibles con un modelo de incertidumbre multiplicativa, eligiendo una planta nominal y una funcin
peso 6
tales que
@ <
@ 6
;>< < <
;< @
Ejercicio 7.4. Para el modelo nominal de un doble integrador &

6 ,gelB requerimiento de desempeo
es que la salida de la planta siga referencias en el intervalo de frecuencias . La funcin peso de desem-
peo | puede elegirse como la magnitud de un filtro pasa-bajos de magnitud constante en este rango
<
de frecuencias, y que decae a frecuencias mayores, como por ejemplo un filtro Butterworth.
Butterworth de tercer orden para | con frecuencia de corte rad/s. Tomar el peso 6 como
Elegir un filtro
* < <
6
< ;>;< < ?
1. Disear un controlador propio & para obtener estabilidad nominal del lazo de control.
}
2. Chequear la condicin de estabilidad robusta 6

. Si no se satisface, redisear &
?
< ;><
hasta conseguirlo. No es necesario obtener buen desempeo.
3. Si la condicin de estabilidad robusta se satisface, el mnimo nivel de desempeo robusto es el valor
| ! }
RY Z
<6 ;<
^
< ;< por el controlador elegido?
Cul es el valor de alcanzado
Ejercicio 7.5. Obtener los parmetros de la respuesta al escaln de
*

@ &
6* *
&

&

Ejercicio 7.6. Probar el Teorema 7.4 y el Corolario 7.2.

Ejercicio 7.7. Dado el sistema
@

&

? *
disear un controlador PI, & |
, para obtener error esttico nulo y un tiempo de crecimiento
.
Estimar el sobrevalor en la respuesta usando (7.13). Cul es el sobrevalor efectivo en el sistema?
Ejercicio 7.8. El modelo nominal de una planta es
@
& & *

Esta planta debe controlarse con un lazo en realimentacin de un grado de libertad.
1. Determinar las restricciones en la respuesta al escaln.
2. Por qu es el control de esta planta especialmente difcil? Discutir.
Ejercicio 7.9. Considerar la planta dada por
@
& "&

1. Obtener expresiones para los parmetros del controlador
? B
&

de forma tal que los polos de lazo cerrado estn todos en .
2. Tabular los parmetros del controlador y cotas para el sobrevalor y el subvalor2 de la respuesta al
escaln del sistema a lazo cerrado para los siguientes casos:
Caso 1 Caso 2 Caso 3

0.5 0.5 0.2
-0.5 0.2 0.5

&
x3
&

3. Con los valores calculados simular el sistema a lazo cerrado y medir los valores efectivos de sobrevalor
y subvalor obtenidos. Comparar con las cotas tericas.
Caso 1 Caso 2 Caso 3

3

2 Tomar un tiempo de establecimiento al P de aproximadamente + .

Captulo 8
Realimentacin de Estados y
Observadores
8.1 Panorama del captulo

La teora de sistemas lineales que vimos da la base para la teora de control lineal. En este captulo introduci-
mos los conceptos y tcnicas de control en sistemas descriptos por variables de estado. Slo consideraremos
sistemas estacionarios.
La teora de control lineal involucra la modificacin del comportamiento de un sistema de entradas,
Q

salidas y estados
3TZ3 * K
Z
hxZ 3 (8.1)
que llamamos la planta o ecuacin de estados en lazo abierto, mediante la aplicacin de una realimentacin
lineal de estados de la forma
K3B ? Z (8.2)
?
donde B es el nuevo nombre para la seal de entrada. La matriz es la ganancia de realimentacin de

estados y la ganancia de precompensacin.
La substitucin de (8.2) en (8.1) da la ecuacin de estados en lazo cerrado
Z 3 _ ? Z3 *T 3
hxZ3 (8.3)
K
Es obvio que el sistema a lazo cerrado tambin es lineal y estacionario. La Figura 8.1 representa el esquema
de control por realimentacin de estados para un sistema SISO. El control es esttico, pues depende slo
-

?
Figura 8.1: Realimentacin de estados
de valores presentes de y .
89
8. Realimentacin de Estados y Observadores 90
K
Cuando los estados del sistema no pueden medirse, se recurre a estimarlos mediante un observador de
estados, que reconstruye a partir de mediciones de y .
La combinacin de un observador y realimentacin de estados es un controlador dinmico por realimen-
tacin de salida, esquematizado en la Figura 8.2.
K

-

?
Observador
Figura 8.2: Realimentacin de salida con observador
En este captulo veremos

tcnicas de diseo de para ?
estabilizacin (ubicacin de polos),
esquemas de regulacin y seguimiento (desempeo y robustez),
tcnicas de diseo de observadores.
La meta a alcanzar:
saber disear un sistema de control lineal por realimentacin de salida (va
realimentacin de estados + observador) para satisfacer especificaciones
deseadas de estabilidad, desempeo y robustez.
En la primera mitad del captulo introducimos las tcnicas para sistemas SISO. En la segunda, presen-
tamos una tcnica para sistemas MIMO. Veremos otra tcnica (ptima) para sistemas MIMO en el captulo
que sigue.
8.2 Nota Histrica

Rudolph E. Kalman, considerado uno de los investigadores ms influyentes en
teora de control, fue el lder en el desarrollo de una teora rigurosa de sistemas
de control durante los aos 1960s. Sus contribuciones incluyen las nociones de
variable de estados, controlabilidad, observabilidad, control por realimentacin de
estados, y el principio de superposicin de control y observacin.
Durante 1960-1961, desarroll, junto a Richard Bucy, el estimador ptimo hoy
conocido como filtro de Kalman, ampliamente usado en sistemas de navegacin,
radares, y sonares, y tambin en campos tan diversos como procesamiento de datos
ssmicos, plantas nucleares, instrumentacin y econometra.
R.E. Kalman (1930-) Nacido en Budapest, Hungra, estudi en el MIT, y recibi su doctorado de la
Columbia University (1957). Hoy es profesor emrito de estudios de postgrado de la
University of Florida, y ad personam chair del Swiss Federal Institute of Technology en Zurich, Suiza.1
8.3 Realimentacin de Estados
Comenzamos con sistemas SISO y el esquema de control de la Figura 8.1, suponiendo por el momento
para simplificar la notacin.
1 Nota histrica extrada de un artculo de Eduardo Sontag en el SIAM News, 6/94.
Una propiedad de sistemas lineales esencial en la realimentacin de estados es la de controlabilidad.

Nuestra primer observacin importante es que
La controlabilidad de un sistema es invariante con respecto a realimen-

tacin de estados.
? ? |Z , es con-
trolable si y slo si el par
es controlable.
Teorema 8.1 (Invariancia de la controlabilidad). El par q , para cualquier vector
Demostracin. La matriz de controlabilidad del sistema a lazo abierto (8.1) es

6 G 5 |

y la matriz de controlabilidad del sistema a lazo cerrado (8.3) es

$
_
? q ? 6 G ? |

No es difcil chequear que y

estn relacionadas de la forma
? ? ? G ? ? 6

?

G ? ?
$ T

G ? ?
.. ..

. .
..
.
..
.

..
.
G
PZ
?
y es , todas las entradas de la matriz

Notar que como es
Como esta matriz es no singular, el rango de es igual al rango de
que multiplica a son escalares.
. As (8.1) es controlable si y slo si
(8.3) es controlable.
Aunque la controlabilidad es invariante con respecto a la realimentacin de estados, la observabilidad no
lo es, como se ve en el siguiente ejemplo.
Ejemplo 8.1. El sistema
* K3
Z3

Z3
h > Z
(8.4)
j |6|
5 x| 6
es controlable y observable, ya que las matrices de controlabilidad , y observabilidad

, son no singulares.
El control por realimentacin de estados Bd K |
en (8.4) lleva al sistema a lazo cerrado

3 Z3 * K3
Z
h Z
(8.5)
$ |6
, que es no singular y comprueba que el sistema realimen-
La matriz de controlabilidad de (8.5) es
tado es controlable. Sin embargo, la matriz de observabilidad de (8.5) es
, que es singular, por lo
|| 66
que el sistema con esta realimentacin no es observable.
La observabilidad de un sistema no es invariante con respecto a reali-

mentacin de estados.
El siguiente ejemplo ilustra lo que puede conseguirse con realimentacin.

Ejemplo 8.2. La planta

Z3

Z3 * K!
tiene una matriz de evolucin con polinomio caracterstico

6 h 6 *
&& } } & &
~

~
y, como se ve, autovalores y , por lo que es inestable. Consideremos un control K | 6 , con el
que el sistema a lazo cerrado queda
1 |

26 3 *
|
*
6
La nueva matriz de evolucin tiene el polinomio caracterstico

* |
& &
6 *

& d
*

6
| 6 |
Est claro que las races de
& o, equivalentemente, los autovalores del sistema a lazo cerrado pueden
ubicarse en cualquier posicin mediante una eleccin adecuada de | y 6 . *
Por ejemplo, si los dos autovalores se ubican en U

* * * *
, el polinomio caracterstico deseado es &
6? . Igualando | h
y 6
; | a da
U .| ~ y 6
. As la ganancia
~ mover los autovalores de ~
; ;
de realimentacin
El ejemplo muestra que la realimentacin de estados permite ubicar
mentado en cualquier posicin, y que la ganancia de realimentacin
? ; los autovalores del sistema reali-
puede calcularse por substitucin
directa.
Sin embargo, el mtodo del ejemplo no es prctico para mayores dimensiones. Ms an, no queda claro
que rol jug la controlabilidad en esta asignacin de autovalores.
trolador, vista en el Captulo 4: Si

GG
Para formular un resultado general de ubicacin de autovalores recurrimos a la forma cannica del con-
es no singular, el sistema (8.1) puede llevarse a la
|
forma

Z 3 ...
Z 3 .. K3

.
.. .. .. ..

.

.
. . (8.6)
a
a | a 6 a |
h
| 6 | Z
mediante el cambio de coordenadas , donde

| 6 GG 6 |
6 |
| 6 GM | . . G . ... ...
.. ..
G
..
6 | G
(8.7)
| G
La funcin transferencia & queda dada por
@
@ & * | | * * 6 6 * * P * *
| | 6 6 (8.8)
Si la EE (8.1) es controlable, entonces mediante la realimenta-

Teorema 8.2 (Asignacin
cin de estados } K ? de, donde ? es un vector
autovalores).
real constante
J
, los autovalores de ? pueden

ser asignados arbitrariamente, siempre que los autovalores complejos conjugados se asignen en pares.

controlable puede llevarse a la forma (8.6). Denotemos con y las matrices en
Demostracin. Si (8.1) es
(8.6). As tenemos que | y . Puede verse tambin que
GG 5 | G 5 | (8.9)
| |
por lo que
Substituyendo F

y la matriz de la extrema derecha en (8.7) es .
? ? | ?
en la realimentacin de estados da
K
j
donde
? ? | . Puesto que ? S ? P | , vemos que S ? y ? tienen los mismos
autovalores.
Ahora, de cualquier conjunto de autovalores deseados podemos formar el polinomio caracterstico
& * | | * P *
deseado
?
(8.10)
Si elegimos
G 6 U 6 | | , la ecuacin de estado de lazo cerrado deviene (en las

nuevas coordenadas)

3 ...
Z

Z 3 ..
K 3
.
.. .. .. ..

. . . .

| 6 |
h
| 6 | Z
Por estar en forma companion, el polinomio caracterstico de
? , y consecuentemente el de ? ,
es (8.10). As el sistema realimentado tiene los autovalores deseados.
? ? $ |
Finalmente, la ganancia de realimentacin en las coordenadas originales es, usando (8.9),
?
q
| | * 6 6 * P *
En lazo cerrado, la funcin transferencia del sistema cambia de (8.8) a
@
* | | * 6 * *

&
6
(8.11)
lo que muestra que si bien hemos movido los polos del sistema, sus ceros han quedado invariantes. Esta es
una propiedad general:
La realimentacin de estados puede mover los polos de una planta pero no
tiene ningn efecto sobre los ceros.
Esta propiedad explica por qu la realimentacin de estados puede alterar la propiedad de observabilidad,
ya que uno o ms polos pueden ubicarse mediante realimentacin para cancelar ceros del sistema, lo que
vuelve esos modos inobservables. ?
Resumimos los pasos para calcular en el siguiente procedimiento:
Procedimiento para asignacin de autovalores (via forma cannica)
1. Obtener los coeficientes
GG
| 6
del polinomio caracterstico del sistema a lazo abierto.

2. Formar las matrices de controlabilidad
G |
y
88 $88s Z | |
... ... ... ...| ...
Z|
|

3. Elegir los coeficientes | 6 G del polinomio caracterstico deseado
& y determinar la ga-
nancia de realimentacin en coordenadas de

? G G | |
6 6
4. Determinar la ganancia de realimentacin en coordenadas originales
? ? g |
8.3.1 Otra receta para calcular

Un mtodo alternativo para calcular
? involucra la solucin de una ecuacin de Lyapunov (mediante la

funcin M ATLAB lyap, por ejemplo). Este mtodo, sin embargo, tiene la restriccin de que los autovalores
deseados no pueden ser ninguno de los autovalores de .
?
Considerar un par

Procedimiento para asignacin de autovalores (via Lyapunov)

?

controlable, donde es y . Encontrar un vector real
tenga cualquier conjunto de autovalores deseados que no contenga autovalores de . tal que
1. Elegir una matriz

cualquiera que tenga los autovalores deseados.
2. Elegir un vector

cualquiera tal que
?
sea observable. ?
3. Calcular solucin nica
} de la ecuacin de Lyapunov } } ? .
4. Calcular la ganancia de realimentacin
? ?j } | .
Una ventaja del ltimo mtodo es que se extiende directamente al caso MIMO. Daremos su justificacin
en la prxima clase.
8.4 Estabilizacin
Si una ecuacin de estado es controlable, sus autovalores pueden asignarse arbitrariamente mediante reali-
mentacin de estados. Veamos qu se puede hacer cuando la ecuacin de estado no es controlable.
Toda ecuacin de estado incontrolable puede llevarse a la forma

o | 6 4 * K (8.12)
es controlable. Como la matriz de evolucin en (8.12) es block triangular,

donde
la matriz en las coordenadas originales son la unin de los autovalores de y . La los autovalores de
realimentacin de
estados
Kj ? ? | 6 7

? | | ? " *

lleva al sistema a lazo cerrado
"

6 6

(8.13)

Vemos de (8.13) que los autovalores de o no son afectados por la realimentacin,
no slo es suficiente sino tambin
y por lo tanto no pue-
necesaria para asignar todos los autovalores de

den modificarse. Por lo tanto, la condicin de controlabilidad ? en posiciones deseadas.
de

Definicin 8.1 (Estabilizabilidad). El sistema (8.12) es estabilizable si o es Hurwitz y el par
es 2
controlable.
La propiedad de estabilizabilidad es una condicin ms dbil que la de controlabilidad para alcanzar
estabilidad a lazo cerrado. Es equivalente a pedir que los autovalores no controlables sean estables.
8.5 Regulacin y Seguimiento

El problema de regulacin se da cuando la referencia es nula a ; se pretende bsicamente que el sistema
sea asintticamente estable y que la respuesta a condiciones iniciales producidas por perturbaciones tienda
a cero.
El problema de seguimiento (o del servomecanismo) se da cuando se pretende que la salida reproduzca
asintticamente (que tienda a) la referencia . Es comn que la referencia sea un valor constante 3
&

. El problema de regulacin es un caso particular del de seguimiento con

.
2 Tiene todos sus autovalores con parte real negativa.
? ?
Si el sistema es controlable, sabemos que podemos asignar los autovalores del lazo cerrado calculando
para obtener la matriz de evolucin S . La respuesta del sistema realimentado entonces est dada
por
h
Z

B * Z

As, el problema de regulacin ( 3C

?
) queda resuelto si se calcula para que q
? sea Hurwitz, ya
Z i
que entonces
h para toda condicin inicial Z

Para el problema de seguimiento de referencia constante 3F A

U ? sea
Hurwitz, requerimos una condicin en la ganancia de precompensacin , para que 3 i ,

, adems de que
3
Z * 1 [ i
3
i

, Z
=
, a &4 *T ? | g
, a ? | (8.14)
Como a &4 h * ? | es la funcin transferencia a lazo cerrado

@ & * | | * P* P* *
| |

la condicin (8.14) es equivalente a . Obviamente, es condicin necesaria que A .
U
Para regulacin: Es necesario que

sea controlable. Se requiere entonces
disear ? para que todos los autovalores de ? tengan parte real negativa.

constantes: Es necesario que _ sea controlable y

a4 | A . Se requiere entonces
Para seguimiento de referencias

disear ? para que todos los autovalores de ? tengan parte real negativa,
disear Za ? | .

La condicin de controlabilidad del par puede relajarse a la de estabilizabilidad. La restriccin
estar en que no habr entonces control total de la velocidad de convergencia del error. Si hubiera modos no
controlables muy cercanos al eje , la respuesta podra ser demasiado lenta u oscilatoria para considerar
la regulacin y seguimiento satisfactorios.
;<
mos la ganancia de realimentacin
G ? ~
Ejemplo 8.3 (Seguimiento de referencia constante). En el segundo ejemplo de la clase pasada calcula-
que asigna los autovalores a lazo cerrado del sistema

Z3

1

Z3

| 6 3 *
3
en
U. Supongamos que el sistema tiene la salida h
7

, que se pretende que siga asintti-
;
camente referencias constantes. La funcin transferencia del sistema a lazo cerrado resulta
@
&
6* *

@5
A
, h3 tender a para una referencia constante 3 .
Como
Incorporamos precompensacin rediseando ! 3 Z3 , conK ?
U
0.2 1.4
1.0
0.1
0.6
0.2
-0.1
-0.2
-0.2
-0.6
-0.3 -1.0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Figura 8.3: Respuesta sin precompensacin Figura 8.4: Respuesta precompensada
La Figuras 8.3 y 8.4 muestran la respuesta del sistema a lazo cerrado a un escaln unitario en 3 sin y
*
con precompensacin. La funcin transferencia del sistema a lazo cerrado con precompensador resulta
@ @ i
*6 *

& h 3

.
Ejemplo 8.4 (Efecto de incertidumbres en el modelo). Retomemos el sistema anterior, pero supongamos
que existe un error en el modelo usado para el diseo de control y la planta real tiene una matriz de evolucin
R * *
q F

es decir que los autovalores a lazo abierto estn en ~ ~~

~~ , en vez de ~
. La funcin trans-
1.1
0.9
0.7
0.5
0.3
0.1
-0.1
-0.3
-0.5
-0.7
-0.9
0 1 2 3 4 5 6 7 8 9 10
Figura 8.5: Respuesta del sistema con incertidumbre
ferencia del sistema real compensado con la ganancias

? y calculadas en base al modelo nominal es
ahora *
o@

&

g *6 * Z
y, aunque la estabilidad se ha conservado, la propiedad de seguimiento se ha perdido. Este esquema de
control no tiene desempeo robusto; requiere conocer la planta con exactitud.
Ejemplo 8.5 (Efecto de perturbaciones a la entrada de la planta). Sea ahora el mismo sistema, con el
modelo correcto, pero con una perturbacin constante

a la entrada de la planta.

La transferencia desde
a no estar precompensada, y por lo tanto se originar un error esttico
proporcional al valor de . Otra vez, se conserva la estabilidad pero se pierde el seguimiento.
-

?
8.5.1 Seguimiento Robusto: Accin Integral

Introducimos un esquema robusto de seguimiento de referencias constantes con propiedades de rechazo

de perturbaciones de entrada constantes. El esquema se basa en aumentar la planta agregando un nuevo
estado que integra el error de seguimiento,

x
como se muestra en la Figura 8.6.

K

-
- -

?
Figura 8.6: Esquema de seguimiento robusto
x * K T
*
La EE del sistema original con perturbacin de entrada es

x

* + K * *
de modo que el sistema aumentado a lazo abierto queda

La realimentacin de estados K da el sistema a lazo cerrado de la Figura 8.6

? * + * (8.15)

?
La idea entonces es disear para que la matriz de evolucin
particular, la estabilizacin de implcitamente produce el seguimiento deseado, ya que
en (8.15) sea Hurwitz. En

J
3j

Cabe preguntarse si el sistema aumentado ser controlable G .


@ 4 |
Teorema 8.3 (Controlabilidad de la planta aumentada con un integrador). Si
i a no tiene ceros en

es controlable y si
?

, los autovalores de la matriz de evolucin aumentada

en (8.15) pueden asignarse arbitrariamente seleccionando la matriz de realimentacin .
Demostracin. Ver Chen (1999, p. 244-245).

En trminos de polos y ceros: si la planta tuviera un cero en
, su conexin en cascada con el integrador
de producira una cancelacin polo-cero inestable y hara que la planta aumentada sea no controlable.
donde entran y ?
Propiedades de seguimiento y rechazo de perturbaciones. Intercambiando el orden de los sumadores
en la Figura 8.6 obtenemos el diagrama de bloques de la Figura 8.7, donde
@ & && a&4 h * ? |

con & &4
* ? . La respuesta del @ &
sistema en dominio es entonces:

-

& * &
* *
d&

& &
* & B * & * & &
Figura 8.7: DB equivalente.

constantes, 3 , , entonces B y &7 , y la salida del sistema a lazo cerra-
Si la referencia y la perturbacin de entrada son
& * &
do es
d&

* & & * !

A , obtenemos
Finalmente,

usando el Teorema del valor final, vlido pues el lazo cerrado es estable, y la hiptesis de que
que

h
h &
*

* j * !

*
El sistema rechazar perturbaciones constantes y seguir referencias constantes ambas de valor no

necesariamente conocido an frente a incertidumbres de modelado de la planta, siempre que el lazo
cerrado permanezca estable.
8.6 Observadores
El control con realimentacin de estados asume la disponibilidad de las variables de estado. Este puede
no ser el caso en la prctica, ya sea porque ciertos estados no son medibles, o es muy difcil o muy caro
medirlos.
Para implementar una realimentacin de estados, entonces, debemos disear un dispositivo dinmico,
llamado observador o estimador de estados, cuya salida sea una estima del vector de estados.
En esta seccin introduciremos observadores de orden completo, donde el observador tiene el mismo
orden que la planta es decir, estimamos todo el vector de estados. Denotamos con Z 3 a la estima de
Z .

T
Z3 Z3 * K
Consideramos entonces el sistema
x
h Z3 (8.16)

donde y K
son conocidas, y la entrada ! y salida 3 son medibles, aunque no el estado . El

problema es estimar Z3 de esta informacin.
8.6.1 Una primer solucin: Observador a lazo abierto

Conociendo y , podemos duplicar la ecuacin de estados original construyendo el sistema
Z 3 T
* K 3 (8.17)
Este sistema podra construirse en forma electrnica con amplificadores operacionales, o, discretizado, me-
diante un programa en una computadora y una placa de entradas/salidas, como podra ser un PLC moderno.
mismas condiciones iniciales, entonces para toda entrada 3 tendramos que Z

3
. K
Esta duplicacin es un observador a lazo abierto (Figura 8.8). Si los sistemas (8.16) y (8.17) tuvieran las
&
K

Figura 8.8: Observador en lazo abierto
Z El puede a partir de K3 e 3 sobre cualquier intervalo, digamos | . Con calculamos

problema se reduce entonces a estimar el estado inicial. Si el sistema es observable, su estado inicial
g
Z 6 , 6 & computarse
| , y as poniendo 6 &
Z

Z

6 y obtenemos
Z

Z
3

6.
En conclusin: si el sistema es observable podemos usar un observador en lazo abierto para estimar el
vector de estados.
Sin embargo, el observador en lazo abierto tiene las siguientes importantes desventajas:
1. Hay que calcular el estado inicial cada vez que usemos el estimador.

2. Si la matriz tuviera autovalores con parte real positiva, entonces la menor diferencia entre ZXB y

ZXG para algn X hara que el error de estimacin Z3 d Z3 crezca con el tiempo.

8.6.2 Una solucin mejor: Observador a lazo cerrado
K
Notemos que aunque ambas !3 e 3 estn disponibles, slo hemos usado 3 para construir el obser- K
vador a lazo abierto.
Usamos entonces 3 para mejorar el diseo anterior introduciendo una correccin proporcional al error

de estimacin en la salida
d3a Z 3
Inyectamos en el diseo anterior la seal de correccin Z , donde es una matriz

de R
ganancia constante.
Si no hay error, no se hace correccin.

Pero si hay error, un diseo apropiado de podr hacer que el error de estimacin tienda asintticamente
a cero.
El esquema obtenido (Figura 8.9) se llama observador a lazo cerrado, observador asinttico, o simple-
mente observador.
De la Figura 8.9, las ecuaciones del observador son
3 *T K3 * hd Z 3
Z
Y3 * K3 * 3 (8.18)


-

Figura 8.9: Observador en lazo cerrado
Figura 8.10: Observador en lazo cerrado


Definamos el error de estimacin

Z3 Zd 3

Veamos qu condiciones debe cumplir para que tienda asintticamente a cero.
Derivando Z3 y

Z 3 Z d 3
substituyendo (8.16) y (8.18), obtenemos
*T K 3i_ Y 3h K! x Z3
Z 3d Z 3
Y3

(8.19)
La ecuacin (8.19) gobierna la dinmica del error de estimacin. Si todos los autovalores de se
pudieran asignar de forma que tengan parte real menor que, digamos, , con
, entonces el error de = =
estimacin en todos los estados decrecera a una velocidad mayor o igual a .
As, aunque hubiera un error grande en los estados iniciales, el estado estimado Z 3 podr aproximarse
al estado real Z
3
rpidamente.

Teorema 8.4 (Asignacin de Autovalores en Observadores). Dado el par

, todos los autovalores de
pueden asignarse arbitrariamente seleccionando un vector real si y slo si es observable.
Demostracin. Recurriendo a la dualidad control/observacin, el par es? observable si y slo si _

es controlable. Si ? . Lalostranspuesta
es controlable todos autovalores de
? es _
?

pueden asignarse arbitraria-
y por lo tanto
? .
mente mediante una eleccin adecuada de de
? sirven

As, los mismos procedimientos usados para calcular la matriz de realimentacin de estados
para calcular la matriz del observador.
Resumimos el procedimiento dual al de la ecuacin de Sylvester. Consideramos el sistema -dimensional
3TZ 3 * K
SISO
Z
hxZ 3 (8.20)
Procedimiento de diseo de observador
1. Elegir una matriz Hurwitz

cualquiera que no tenga autovalores en comn con los de .
2. Elegir un vector

cualquiera tal que

sea controlable.

3. Calcular la solucin nica
} , no singular, de la ecuacin de Sylvester
} } .
* } K *
4. Entonces la ecuacin de estados

}
3 3
3 |
(8.21)
genera una estima asinttica de Z .

Definamos el error como F } . As, de } q } * obtenemos

Z3 d Z } * } !K 3 * xZ3d } Z3 } K3
3 * xZdi } * Z3 _ } 3 Z 3
Z
Como es Hurwitz, el error debe tender asintticamente a cero.
8.6.3 Observador de orden reducido

Si el par

es observable, usando la matriz no singular

..
. |

como cambio de base llevamos la matriz a una forma companion donde

GG

q | ..
.

..
.
..
.

..
.

..
.
GG
GG (8.22)

a
a
| GG a
6 a
|
| n G
En estas coordenadas la salida queda como el primer estado, y as, no es necesario construir un observador
para estimar todo el estado, sino solamente los

restantes. Este observador es de orden reducido.
Procedimiento de diseo de observador de orden reducido

1. Elegir una matriz Hurwitz
cualquiera que no tenga autovalores en comn con los de
.
2. Elegir un vector
S

cualquiera tal que

sea controlable.

} } } }
3. Calcular la solucin nica
una matriz

.
, no singular, de la ecuacin de Sylvester . Notar que es
4. Entonces la ecuacin de estados de orden
3 * } K * 3

3 } |
El diseo de observadores via la resolucin de la ecuacin de Sylvester es conveniente porque el mismo

procedimiento sirve para observadores completos y reducidos y, como veremos, tambin para sistemas
MIMO.
8.7 Realimentacin de estados estimados

Consideremos nuevamente la planta
Z 3TZ3 * K
hxZ 3
? ?
Si es controlable, la realimentacin de estados K asignar los autovalores de S en
cualquier posicin deseada. Si las variables de estado no estn disponibles para la realimentacin podemos
Si
construir un observador.

es observable, podemos construir un observador de orden completo o reducido con autovalores
arbitrarios. Discutimos aqu slo el caso de observador completo
Z 3 Y 3 * K3 * 3
La estima Z 3 se aproximar asintticamente a Z3 a una velocidad determinada por la eleccin de .
Como Z 3 converge a Z3 , es natural aplicar la realimentacin de estados a la estima
K 33d ?

como se muestra en la Figura 8.11. La conexin controlador-observador, es efectivamente un controlador

dinmico que realimenta la salida.
?
Tres dudas bsicas surgen frente a la conexin controlador-observador:
1. Los autovalores de se obtienen de K ?
con K

?
? . Seguiremos teniendo los mismos autovalores
-

?

Figura 8.11: Realimentacin de estados estimados
2. Afectar la conexin a los autovalores del observador?

3. Cul ser el efecto del observador en la funcin transferencia a lazo cerrado?
K ?
Para contestar a estas preguntas recurrimos a las EE que describe el sistema completo (juntando las del
sistema y las del observador y con
? ? *
):

Consideremos la transformacin de equivalencia

j

(8.23)

|
? ? * +
Notemos que . La transformacin (8.23) lleva al sistema controlador-observador a la forma

autovalores de U
Como la matriz de evolucin ? y U es block-triangular, los autovalores del sistema completo son la unin de los
. Esto implica que el estimador no afecta la realimentacin de estados
original; tampoco son afectados los autovalores del observador por la realimentacin de estados.
Propiedad de separacin de control y observacin: Los diseos del control por

realimentacin de estados y el observador pueden realizarse en forma independiente.
? ? *
Finalmente, notemos que la EE

+
evidencia los modos controlables y los no controlables. As, vemos que los modos del error de estimacin
Z son no controlables, por lo que no aparecern en la funcin transferencia del sistema completo, que
? *
queda determinada por la ecuacin de estados de orden reducido

x

es decir: & a& @ 4 h
* ? |
8.8 Realimentacin de estados caso MIMO

Si el sistema considerado
x * K

x
tiene entradas, la ganancia de realimentacin de estados

? en tiene K ?
elementos; es decir,
hay un exceso de grados de libertad, ya que en principio slo necesitamos ganancias para asignar
autovalores a lazo cerrado del sistema. ?
?
En el caso de una sola entrada, existe una nica solucin para una dada configuracin de autovalores
a lazo cerrado elegida. En el caso multi-entrada la ganancia que da los autovalores a lazo cerrado elegidos
no es nica Cul elegir entonces?
?
Este exceso de grados de libertad puede llegar a ser un problema si no est claro como aprovecharlo.
Existen varias formas de atacar el problema de eleccin de en el caso multi-entrada, entre ellas:
1. Diseo cclico. Reduce el problema a uno de una entrada y aplica las tcnicas conocidas.
2. Diseo va ecuacin de Sylvester. Extiende el mtodo de la ecuacin de Sylvester a multi-entrada.
3. Diseo cannico. Extiende la frmula de Bass-Gura usando la forma cannica multi-entrada del con-
trolador.
4. Diseo ptimo. Calcula la matriz
? en forma ptima.
Desarrollaremos los tres primeros. El diseo ptimo, que es una forma sistemtica de utilizar todos los
grados de libertad disponibles, lo trataremos en el captulo siguiente.
M ATLAB la funcin K = place(A,B,P) es vlida en el caso multi-entrada, y permite asignar los autova-
lores especificados en P, inclusive repitiendo autovalores un nmero mximo de veces igual al nmero de
entradas.
Antes de entrar en los mtodos de diseo, vale remarcar que los resultados de controlabilidad y asig-
nabilidad de autovalores se extienden al caso multivariable. Los resumimos en los siguiente teoremas; las
pruebas siguen de cerca el caso SISO y no las repetimos.
?
, es controlable si y slo si
Teorema 8.5 (Controlabilidad y realimentacin MIMO). El par q
? es controlable.
, para cualquier matriz real
Teorema 8.6 (Asignabilidad de autovalores MIMO). Todos los autovalores de pueden asig- ?
?
do la matriz constante real si y slo si

narse arbitrariamente (siempre y cuando los autovalores complejos conjugados se asignen en pares) eligien-
es controlable.
8.8.1 Diseo Cclico

En este mtodo transformamos el problema multi-entrada en uno de una entrada y despus aplicamos los
mtodos de asignacin de autovalores del caso SISO.
Definicin 8.2 (Matriz Cclica). Una matriz se dice cclica si su polinomio caracterstico es igual a su
polinomio mnimo.
Recordemos:
Toda matriz satisface su polinomio caracterstico
Y T B
, por el Teorema de Cayley-
Hamilton.
El polinomio mnimo de una matriz es el polinomio de mnimo orden Y para el que _
.

El polinomio mnimo de una matriz es igual al caracterstico si y slo si hay un y slo un bloque de
Jordan asociado a cada autovalor distinto de .
Ejemplo 8.6.

|
|
|

6

6

6

6

6
6 6

La matriz | es cclica: | tiene slo un bloque de Jordan de orden 1 y 6 slo uno de orden 3.

La matriz 6 no es cclica: | tiene un bloque de Jordan de orden 1 pero 6 tiene dos, uno de orden 2 y
uno de orden 1.
con entradas
controlabilidad con entrada). Si el sistema de orden

, el sistema
Teorema 8.7 (Controlabilidad
con entradas

es controlable y si es cclica, entonces para casi cualquier vector
de 1 entrada es controlable.
No probamos este resultado pero mostramos su validez intuitivamente.
Como la controlabilidad es invariante bajo transformacin de coordenadas, asumimos en forma de
Jordan. Para ver la idea bsica consideremos el ejemplo siguiente:

q |

~ 6 (8.24)

Hay slo un bloque de Jordan asociado a cada autovalor; por lo tanto es cclica. La condicin para que
sea controlable en estas coordenadas es que la tercera y ltima fila de sean distintas de cero.
Las condiciones necesarias y suficientes para que el par de una entrada

sea controlable son A
y A

en (8.24). Como
q
| * 6 y |

entonces o es cero si y slo si | o | 6 | |

a hacer

controlable.
. As, cualquier que no tenga o
6 va
El vector

6 puede asumir cualquier valor
en 6 que no est en la unin de las dos lneas
mostradas en la Figura 8.12. La probabilidad de

6
que un elegido aleatoriamente caiga sobre estas

lneas es nula, y por lo tanto, para casi todo el par
ser controlable.

|
La condicin de que sea cclica es esencial.
Por ejemplo, el par
q 6 6|
h

6| 6|
6 |
6

es controlable, puesto que las filas son y de
|

linealmente independientes. Sin embargo, no hay

ningn tal que sea controlable (dos blo-
ques de Jordan asociados al mismo autovalor y una
Figura 8.12: 6
sola entrada).
Si todos los autovalores de son distintos, en-
tonces hay slo un bloque de Jordan asociado a cada uno, y por lo tanto la matriz es cclica.
Teorema 8.8 (Cclica por realimentacin). Si ?

? _
real constante , la matriz
es controlable, entonces para casi toda matriz
tiene autovalores distintos y, por lo tanto, es cclica. _
No es difcil ver que la probabilidad de que, eligiendo al azar, los autovalores de y coincidan ? ?
?
es nula. Este resultado, junto con el anterior, nos da el procedimiento para asignar los autovalores de
en los lugares deseados.
K ? |
Procedimiento de asignacin de autovalores por diseo cclico
R ? | es controlable,

1. Si no es cclica, introducir tal que q sea cclica. Como

tambin lo es .
2. Elegir una

|
tal que

sea controlable.
? ? ? sean los deseados.
tal que los autovalores de
3. Introducir ! 6 , donde 6 ? * | sea
? 6
4. La realimentacin final es K

i

|
6 .

En M ATLAB, partiendo de matrices A,B y autovalores a lazo cerrado deseados en el vector P:
>> (n,p) = size(B);
>> K1 = rand(p,n);
>> V = rand(p,1);
>> K2 = place(A-B*K1,BV,P);
>> K = K1 + V*K2;
K

- -

?|
?
6
Figura 8.13: Realimentacin por diseo cclico
8.8.2 Diseo via Ecuacin de Sylvester
?
sistema controlable de orden y entradas
?

El mtodo de diseo via la solucin de una ecuacin de Sylvester se extiende al caso multi-entrada. Sea un

. El problema es encontrar una matriz real constante
tal que
autovalor de . tenga cualquier conjunto de autovalores deseados siempre que no contenga ningn

Procedimiento de asignacin de autovalores por diseo va ecuacin de Sylvester
1. Elegir una matriz con el conjunto de autovalores deseados que no contenga ninguno de .
2. Elegir una matriz
arbitraria tal que
?
sea observable. ?
3. Hallar la nica solucin
} }
en la ecuacin de Sylvester } ? .
} ?
4. Si es singular, elegir una distinta y repetir el proceso. Si
} es no singular,
? ? } | , y ?
tiene el conjunto de autovalores deseados.
}
Si es no singular, la ecuacin de Sylvester y
?} ? implican
? } } o
? } }|
y as
? y son similares y tienen los mismos autovalores. }
} _ ?
A diferencia del caso SISO, donde

es siempre no singular, en el caso MIMO puede ser singular an cuando es controlable y
observable.
8.8.3 Diseo Cannico

Este diseo extiende a MIMO el procedimiento que seguimos para derivar la frmula de Bass-Gura en SISO.
La derivacin es complicada, pero como realmente muestra la esencia de la realimentacin de estados, lo
presentamos para un ejemplo.
La idea es llevar al sistema a la forma cannica multientrada del controlador. Supongamos que tenemos
un sistema de orden 6, 2 entradas y 2 salidas, es decir, , , y i
. 6 6
Primero buscamos columnas linealmente independientes en

G

| ~
3
en orden de izquierda a derecha. Supongamos que los ndices de controlabilidad son !
Entonces existe una matriz no singular tal que el cambio de coordenadas
y! .
transformar el 6
sistema a la forma cannica multi-entrada del controlador

a
|`||
a
|`| 6
a
|`|
a
|`|
a
|6 | | 66
a
| 6

*
K

6 || a 6 | 6 a 6 | a 6 | `6 6 |

6`66
a a a

`| || || 6 |`| |`| | 6 | | 66
6 || 6 | 6 6 | 6 | 66 | 6`66
Ahora, de cualquier conjunto de 6 autovalores deseados podemos formar el polinomio
* `| |`| * `| | 6 * `| | * `| | & 6 * | *
& &
6 6`6 6 6`6
Eligiendo
? como
?
| 6 | ||`|
||`| | | 6
|`| 6 | |
|`| ||
|`| a | 6 | a | 6` 6
6 `| | 6 |`| 6 | 6 6|6 6| 6| 6| 6 | 6`6 | 6`6 | `6 66 6`66

se puede verificar fcilmente que

||`| || || ||

6

?

| `| | | | |

66 6
66`6

6 6

6

6

Como F
? es triangular en bloques, para cualesquiera |" $# xgg , su polinomio caracterstico es
6 ~
de rdenes ~ y . Como estos

igual al producto de los polinomios caractersticos de los bloques diagonales ?
es igual al deseado. Finalmente
? ? estn
bloques en forma companion, el polinomio
ubica los autovalores de ? caracterstico de
en las posiciones deseadas.
8.9 Observadores MIMO
"
Todo lo que discutimos sobre observadores en el caso SISO vale para el caso MIMO; para el sistema de

estados, entradas y salidas
x
* K
x
3 Es decir, en las % columnas LI de & hay 4 de la entrada 1, y 2 de la entrada 2.

K
el problema de observacin consiste en usar la entrada y la salida medida para obtener una estima

*T K *
asinttica del estado del sistema . Como en el caso SISO, el observador est dado por las ecuaciones

Este es un observador de orden completo. Definiendo el error de estimacin como en el caso SISO,

Z3 Zd 3

llegamos a que la dinmica del error est dada por
Z
Si el par

los autovalores de S
pueden asignarse arbitrariamente por

medio de una eleccin adecuada de . As, la velocidad de convergencia de la estima al estado actual
es observable, entonces
? y asignar los autovalores de i ? pueden usarse para

4
puede hacerse tan rpida como se quiera.

Los mismos mtodos vistos para calcular
calcular y asignar los autovalores de

. Por ejemplo, en MATLAB, dados los autovalores deseados en

el vector , usamos
>> L = place(A,C,P);
8.9.1 Observador MIMO de orden reducido

Presentamos el procedimiento de Chen (1999) via ecuacin de Sylvester.
Sea el par

observable, donde i y i
Procedimiento de diseo de observador MIMO de orden reducido
PZ # "
. Asumimos que el rango de es (es decir, todas
las salidas son l.i.).

1. Elegir una matriz Hurwitz cualquiera '
%# %#
que no tenga autovalores en comn con los de
%# #
.
2. Elegir una matriz cualquiera tal que

sea controlable.
}
3. Calcular la solucin nica $# de la ecuacin
} } .
4. Si la matriz P
( es singular, volver al paso 2 y repetir el proceso. Si es no singular,
entonces la EE
3 * } K * 3
3 } |

8.9.2 Nota Histrica

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

Sabiendo ya cmo asignar autovalores a lazo cerrado por realimentacin de estados, y cmo disear un
observador en caso de que no todos los estados sean medibles, resta decidir dnde colocar estos autovalo-
res. Damos ahora algunas pautas a tener en cuenta en esta eleccin. Recordemos que dado el polinomio
* | | * P *
caracterstico deseado
&

4 Sin embargo, esto no necesariamente implica que el error pueda reducirse arbitrariamente. Puede mostrarse que ceros y polos
* /1- 032 54 /6- 2 5487 , lograble eligiendo 9 . Hay

de la planta con parte real positiva imponen una limitacin a la mnima energa del error, )+,.
casos en que no puede reducirse a cero.
la frmula de Bass-Gura daba la ganancia de realimentacin (SISO)
| 6
| |
6
G

. 6 . |

G

? ... .. .. G ... ... ... |
6 6 6 | G (8.25)

| | | GG
G | es la matriz de controlabilidad del sistema.
donde ?
Notamos de (8.25) que ser mayor en magnitud (norma):
cuanto ms se desplacen los autovalores respecto de las posiciones de lazo abierto (mayores diferen-
cias entre y ), "
"
cuanto ms cerca de ser singular est (cuanto menos controlable sea el sistema, mayor esfuerzo
llevar controlarlo).
8.10.1 Dificultades de la realimentacin de ganancia elevada

Si se desea estabilizar el sistema, habr necesariamente que mover autovalores al lado izquierdo del plano
complejo. Sin embargo, moverlos excesivamente a la izquierda implicar usar una elevada. Una elevada
? ?
tender a hacer saturar los actuadores, trayendo efectos indeseados en el desempeo del sistema.
Si bien la estabilidad es un punto esencial en el diseo, no es el nico; existen tambin requerimientos
de velocidad de respuesta, sobrevalor, etc.
La velocidad del sistema queda definida por su ancho de banda, definido como la frecuencia a partir de
la cual la magnitud de la respuesta en frecuencia del sistema comienza a decaer significativamente (3 dB).
El ancho de banda queda determinado por los autovalores dominantes, es decir, aquellos cuya parte real
es ms cercana al origen (los de transitorios de decaimiento ms lento).
El mover los autovalores excesivamente a la izquierda implica tambin un lazo cerrado de gran ancho de
banda, que puede amplificar incertidumbres en el modelo y perturbaciones de alta frecuencia.
Adems, si lo autovalores a lazo cerrado se sitan a distancias desparejas del origen, el esfuerzo de
control no ser eficientemente distribuido, lo que implica desperdicio de energa.
Resumiendo, para una eleccin razonable de los autovalores:
Elegir el ancho de banda suficientemente grande como para alcanzar los requerimientos de velocidad
de respuesta deseados.
No excederse en el ancho de banda ojo a los efectos de ceros de fase no mnima (subvalor excesivo),
y el ruido y la incertidumbre de modelado en alta frecuencia.
Ubicar los autovalores a distancias aproximadamente uniformes del origen para un uso eficiente del
esfuerzo de control.
Una configuracin de autovalores comn que satisface estos lineamientos es la de Butterworth, originaria
de teora de filtrado. La configuracin Butterworth se define por 2 parmetros: la frecuencia de corte y el
<
6
orden . La ubicacin de los autovalores queda definida por las races de la ecuacin
1 : |
3

<
Los polinomios cuyos ceros tienen la configuracin Butterworth son los polinomios de Butterworth. Los
| *
primeros 4 son:
&
& 6 * S *
6 & * 6 * *
& * * * S 6 * *

Los filtros de Butterworth, cuyos denominadores son los polinomios de Butterworth, se pueden calcular en
M ATLAB con la funcin
;< :$; P ;< :$; < ;< :=; > ;<

= = = =
<

~
7g[
Figura 8.14: Configuracin de polos Butterworth para ~.
>> [Num,Den] = butter(N,W0,s)

Como veremos en detalle en el ltimo captulo, la configuracin Butterworth tiene propiedades de opti-
malidad.
8.10.2 Resumen del proceso de diseo
Arquitectura de control
Chequeo de robustez
Especificaciones
no
OK?
Modelo matemtico
si
Ganancias de control Simulacin
Observador Construccin y ensayo
Figura 8.15: Proceso de diseo
8.11 Resumen
?
de la matriz de evolucin ?
Vimos dos mtodos para calcular la ganancia de realimentacin de estados para asignar los autovalores
del lazo cerrado en las races de un polinomio caracterstico deseado:
& * | | * P *
El primer mtodo usa la frmula
| 6 | |
6|
G

.. 6
G
..

? ..
. .. G .. ..
. |
6|
. . . .
6 6 |
G

|
|
G
G

que se conoce como Frmula de Bass-Gura, donde

G
G
|
son los coeficientes del polinomio carac- | 6
terstico de , y es la matriz de controlabilidad del sistema a lazo abierto.
Funciones tiles en M ATLAB

pol=poly(A) calcula los coeficientes pol=[ 7
| 6 G ] del polinomio caracterstico de la matriz
A.
CC=ctrb(A,B) calcula la matriz de controlabilidad .

lop=fliplr(pol) invierte el orden de los coeficientes en el vector pol; o sea lop=[ G 6 | ].
B
R=hankel(fliplr(pol(1:n-1))) arma la matriz

88 88 Z |
|
?
... ... ... ... ...
| |
La siguiente secuencia en M ATLAB calcula
? en la frmula de Bass-Gura, de A,B y polK=[
7 | G ]
(polinomio deseado):
>> pol = poly(A);
>> n = length(pol);
>> R = hankel(fliplr(pol(1:n-1)));
>> K = (polK(2:n-1) - pol(2:n-1))*inv(R)*inv(ctrb(A,B));
El segundo mtodo resuelve la ecuacin de Lyapunov generalizada (tambin llamada de Sylvester)

} } ?
donde es una matriz cualquiera con los autovalores a lazo cerrado deseados (distintos de los de
?
?
)y un
vector fila arbitrario tal que
sea observable. Entonces

? ?} |
En M ATLAB
>> T = lyap(A,-F,-B*Kbar);
>> K = Kbar*inv(T);
Tarea de estudio Ver la justificacin del segundo mtodo en Chen (1999, 8.2.1, pginas 239-41).
?
Convenientemente, M ATLAB tiene la funcin K = place(A,B,P) que calcula para ubicar los autovalores
en los valores dados en el vector . Restriccin: no permite repetir autovalores.
8.12 Ejercicios
Ejercicio 8.1. Calcular un control por realimentacin de estados M K ? para estabilizar el sistema del
pndulo invertido dado por las EE

*

n

ubicando los autovalores del lazo cerrado en

y

U
. Utilizar los dos procedimientos dados y U
comparar las ganancias de realimentacin obtenidas.
;
Simular la respuesta del sistema realimentado a un escaln unitario en la referencia. Calcular la cota
;
inferior terica para el subvalor en la respuesta y comparar con los valores observados en la simulacin.
Cmo se altera la respuesta si se recalcula una

?
Cul es el compromiso de diseo si se quisiera hacer la respuesta a lazo cerrado ms rpida?
para ubicar uno de los autovalores a lazo cerrado
sobre el cero estable del sistema?
Ejercicio 8.2. Redisear el controlador para el sistema del Ejemplo 8.3 incorporando accin integral segn el
esquema de la Figura 8.6. Verificar por simulacin las propiedades de robustez y rechazo de perturbaciones
del lazo cerrado introduciendo incertidumbres de modelado y perturbaciones de entrada.
@
Ejercicio 8.3. Es posible cambiar la funcin de transferencia a lazo abierto
@
: | | 6 : 6 : |

: 6 :

& a la de lazo cerrado &
mediante realimentacin de estados? Ser el sistema resultante BIBO estable? Y asintticamente esta-
: | | : 6 :
ble? Qu puede decirse para
@ &

al lazo cerrado &
A@ @ : |
6

Ejercicio 8.4. Encontrar la ganancia

? K
en
?
para asignar en y los autovalores a lazo cerrado
del sistema
* K

Ejercicio 8.5. Disear un observador de orden completo y uno de orden reducido para estimar los estados
del sistema del Ejercicio 8.4. Elegir los autovalores de los estimadores dentro del conjunto
g
.
U
Ejercicio 8.6. Calcular la funcin transferencia de a del sistema a lazo cerrado del Ejercicio 8.4. Repetir ;
el clculo si la realimentacin se aplica al estado estimado con el observador de orden completo diseado
en el Ejercicio 8.5. Repetir pero ahora con la estima obtenida del observador de orden reducido. Son las
tres funciones transferencia la misma?
Ejercicio 8.7. Considerar el diseo del control de posicin del motor de corriente continua del ejemplo tuto-
rial en Matlab.
1. Implementar el sistema con controlador en S IMULINK. Simular la respuesta a un escaln en , y a un

escaln de torque de perturbacin aplicado segundos ms tarde.
2. Disear un observador de orden reducido. Asignar los autovalores del observador de modo que no
afecten la respuesta especificada para el sistema.
3. Incorporar el observador al modelo S IMULINK y aumentar el valor del momento de inercia del motor en
un 20%. Repetir el ensayo de respuesta a un escaln de la referencia y perturbacin de torque. Se
conserva el desempeo? Cul es la mxima perturbacin admisible?
Ejercicio 8.8. Para el sistema dado por

n

n
q

n

n

o

? ?
encontrar 2 matrices tales que los autovalores de sean ~U y U ~.
; ;
Captulo 9
Introduccin al Control ptimo
9.1 Introduccin
El mtodo de diseo combinado de observador y realimentacin de estados que vimos en el captulo pasado
es una herramienta fundamental en el control de sistemas en variable de estados. Sin embargo, no es
siempre el mtodo ms til; tres dificultades obvias:
1. La traduccin de especificaciones de diseo a ubicacin de polos no es directa, especialmente en
sistemas complejos; cul es la mejor configuracin de polos para especificaciones dadas?
2. Las ganancias de realimentacin en sistemas MIMO no son nicas; cul es la mejor ganancia para
una configuracin de polos dada?
3. Los autovalores del observador deben elegirse ms rpidos que los del controlador, pero, tenemos
algn criterio adicional para preferir una configuracin a otra?
Los mtodos que introduciremos en este captulo dan respuestas a stas preguntas. Veremos que las
ganancias de realimentacin de estados, y del observador pueden elegirse de forma que minimicen un
criterio de optimizacin dado.
El criterio particular que veremos es un funcional cuadrtico del estado y la entrada de control,
K DCZ * K ? !K
B Z3 3

?
donde C y son matrices constantes (aunque no necesariamente) semi-definida y definida positivas res-
pectivamente.
El control que se obtiene de minimizar este criterio es lineal. Como el criterio se basa en funcionales cua-
drticos, el mtodo se conoce como lineal-cuadrtico (LQ: linear-quadratic), del que se obtiene el regulador
lineal cuadrtico (LQR).
Criterios similares de optimizacin se siguen para el diseo de observadores, slo que el funcional de-
pende del error de estimacin, y se basa en una caracterizacin estadstica de los ruidos que afectan al
sistema. Este estimador ptimo lineal-cuadrtico se conoce como el filtro de Kalman.
Cuando se combinan la ganancia de realimentacin de estados LQ con el filtro de Kalman, obtenemos
lo que se conoce como un controlador lineal-cuadrtico-gaussiano (LQG). (Lo de gaussiano viene de la
caracterizacin estadstica del ruido empleada.)
Como material de estudio para este captulo recomendamos Bay (1999, Captulo 11) y Friedland (1986,
Captulos 9, 10 y 11).
9.1.1 El Principio de Optimalidad

Para entender la idea de criterio de optimizacin en variable de estados, la introduciremos con sistemas de
tiempo discreto, que son ms simples.
El estado de un sistema discreto describe una trayectoria haciendo transiciones discretas de un estado a
otro bajo el efecto de una entrada tambin aplicada en tiempo discreto.
114
9. Introduccin al Control ptimo 115
Cuando se asocia un criterio de optimizacin al sistema, cada transicin de estado tiene asociado un
costo o penalidad. Por ejemplo, pueden penalizarse las transiciones de estado que se alejan demasiado del
estado final deseado, o las acciones de control de valores demasiado elevados. A medida que el sistema
evoluciona de estado en estado, los costos se suman hasta acumular un costo total asociado a la trayectoria.
Ilustramos el concepto con el grafo de la Figura 9.1, que representa 8 estados de un sistema discreto con
K
tiempo determinado por la entrada y las ecuaciones

*
Rx T

* K
sus transiciones posibles. El estado inicial es el 1, y el final el 8. El sistema pasa de un estado a otro en cada

Las transiciones posibles se representan
por los arcos que conectan el estado inicial 4
al final a travs de los estados intermedios. 2
El costo asociado B a cada transicin se repre- 7
senta con la letra ; por ejemplo,
moverse del estado 3 al 5 es
B
.
el costo de 1
5
8
Asumiendo que los costos se acumulan en EGF5H

6 E JK
forma aditiva, vemos que la trayectoria marca- 3
E H8I E I8J
| * * *
da en rojo, por ejemplo, tiene un costo total
B B B B
L .
Como hay varias rutas alternativas del es- Figura 9.1: Posibles trayectorias de 1 al 8.
tado 1 al 8, el costo total depender de la tra-
K
yectoria elegida. La seal de control GM que determina la trayectoria de menor costo es la estrategia
ptima. Como ya veremos, en sistemas de tiempo continuo, la acumulacin de costos se representa me-
diante integracin, en vez de suma.
La herramienta matemtica que usaremos para determinar la estrategia ptima es el principio de optima-
lidad de Bellman.
"
En cualquier punto intermedio en una trayectoria ptima entre y 6N , la
estrategia desde " al punto final N
debe ser en s una estrategia ptima.
Este obvio principio nos permitir resolver en forma cerrada nuestros problemas de control ptimo. Tam-
bin se usa en el cmputo recursivo de las soluciones ptimas en un procedimiento llamado programacin
dinmica.
9.1.2 Nota Histrica

El nacimiento del control ptimo se atribuye al problema del braquistocrono,
propuesto por el matemtico suizo Johann Bernoulli en 1696. El problema consis-
ta en determinar cul, entre todas las trayectorias posibles, era la que llevaba a

una partcula (sin rozamiento) en el menor tiempo posible, desde un punto a un
punto en el mismo plano vertical, sujeta slo a la accin de la gravedad.
O
Johann Bernoulli
(1667-1748)
Q P
Braquistocrono

Una formulacin
matemtica moderna del problema del braquistocrono es la siguiente: encontrar la seal

control R que lleve al sistema
Z 3K3 L h3
d 3 3 L h


desde el punto U TS al punto U V en mnimo tiempo, sujeto a la restriccin K6 * 6
. Tpico problema de
S V
control ptimo.
9.2 Control LQ discreto

Consideremos el sistema en tiempo discreto definido por1
: | x
* K 2 K (9.1)
El problema de control que queremos resolver es: Encontrar la secuencia de control K que lleve al siste-
ma (9.1) de la condicin inicial " al estado final N , minimizando el funcional cuadrtico
|
B | ! * | Y C * K ? K
"XW
6 6 " (9.2)
! penaliza (9.2) puede interpretarse como el costo total de la transicin de " a y, en particular, el trmino
El funcional el error en! alcanzar el estado final deseado.
?
Las matrices de peso C y pueden ! seleccionarse para penalizar ciertos estados/entradas
otros. Como veremos, las matrices y C deben ser semi-definidas positivas, y la definida positiva.
?
ms que
9.2.1 Transicin Z5[\^]$_a` Z5[b_
el paso i

Para encontrar el control a aplicar al sistema de forma que se minimice (9.2), supongamos que estamos en
de la trayectoria ptima. As, el costo (9.2) de la transicin de i

a es
B
| W d6| c ! * | C | * K | ? K |fe (9.3)
Usando (9.1), substituimos como una funcin de K | , lo que da

| * K | ! | * K |
|W h6 g |
B
* | C | * K | ? K D| i

Como
B
es cuadrtico en , podemos minimizarlo diferenciando K
Kj |8| W
B
kj
! | *T K |e * ? K |
? *Tc ! K

c
e | *T ! | (9.4)
De (9.4) obtenemos el ltimo elemento de la secuencia de control ptima

K M | ? * ! e | ! |
c (9.5)
que resulta ser un mnimo, ya que
j 6 B K |8W ? * !
j 6 |

Como vemos, (9.5) es un control lineal por realimentacin de estados de la forma habitual
K M | ? | |

donde
? | ? * ! | ! a
e

c
(9.6)
1 Para abreviar las expresiones, cambiamos la habitual notacin discreta /6l mAn a /po .
El valor del costo mnimo M

B KM
| W obtenido con | es
G

B M
|W | | ? | | e ! | ? | | e
* 6hg3 c | C | * ? ? ? c | | i
? | ! | ? * * ? ?'? (9.7)
|
6 | gqc | e c | e C | |i |
|
| ! | |
6 ! ? ! (9.8)
! | endefinimos | |re ? |fe * C * ? | ?C? | . La eleccin de la notacin

donde
c c
de que si estamos en el paso final , no hay ninguna accin de control que tomar y
B B M |
(9.8) surge
!
W W
! ! 6 , es decir,
? ? * ! e | !
! | c ? | e ! ? | e * C * ? | ?'? |
c c
9.2.2 Transicin Z5[\ksh_a` Z5[b_

Tomamos otro paso para atrs en el cmputo del control ptimo y consideremos ahora que estamos en el

paso i . Notemos primero de (9.2) que
*
6 W | |W
B B B
6W

Por lo tanto, para calcular la estrategia ptima para ir del estado en al estado final en , usamos el
*
principio de optimalidad para deducir que
6W | |W
B M
B
B M

6W

y as reducimos el problema al de calcular la estrategia ptima para ir de U

a U
(la de U
a ya
la obtuvimos).
Asi que ahora el paso

de , y i
en vez de i
es el final, y podemos usar la misma ecuacin (9.3) pero con en vez
| ! * C * K ? K
. Obtenemos
6 W | d6 c | | | B 6 6 6 6 e
B
6 W | sobre todos los posibles K 6 , y es fcil ver que las expresiones

Igual que antes, podemos minimizar
i

en vez de i ,

K M ? 6 6
son las mismas pero con en vez de , y
donde
6
? ? * ! | e | ! | a
6 c
9.2.3 Transicin Zut3_v` Z5[b_
Retrocediendo en los pasos j

g j g G
se generan la siguientes expresiones recursivas para el
control ptimo
K M ?
? ? *T
! : | | ! : |

(9.9)
!
? ! : | ? * C * ? ?'? (9.10)
!
(9.11) de se resuelve para atrs, comenzando en
! ! (9.11)
Notar que la ecuacin en diferencias
B !
costo ptimo de a es M W | .
. El
6
El conjunto de ecuaciones (9.9), (9.10) y (9.11) representa el controlador LQ completo para el sistema
discreto (9.1), que resulta, en general, inestacionario.
La ecuacin en diferencias (9.11) se conoce como la ecuacin matricial en diferencias de Riccati. El ?
}
hecho de que se resuelva para atrs en el tiempo le da a la peculiaridad de que los transitorios aparecen

al final del intervalo , en vez de al principio.
Ejemplo 9.1 (Control LQ en tiempo discreto). Simulamos el sistema
: | * K

Z h

con el controlador LQ ptimo que minimiza el costo
| * | Y
* K 6
w
B | |

6 6 |
?
Las siguientes lneas de cdigo M ATLAB computan y en lazo cerrado.
% Costo
Q=[2 0;0 0.1];R=2;S=diag([5,5]);
k=10;
% Sistema
A=[2 1;-1 1];B=[0;1];x0=[2;-3];
% Solucion de la ecuacion de Riccati
while k>=1
K(k,:)=inv(R+B*S*B)*B*S*A;
S=(A-B*K(k,:))*S*(A-B*K(k,:))+Q+K(k,:)*R*K(k,:);
k=k-1;
end
% Simulacion del sistema realimentado
x(:,1)=x0;
for k=1:10
x(:,k+1) = A*x(:,k)-B*K(k,:)*x(:,k);
end
La matriz de realimentacin
?
debe calcularse en tiempo invertido y almacenarse para ser aplicada
posteriormente al sistema en tiempo normal.
2
xzy { | }
x ~ {| }
-1
-2
-3
0 2 4 6 8 10
|
Figura 9.2: Evolucin del estado en lazo cerrado
U
Aunque la planta a lazo abierto es inestable (autovalores en ), vemos que el estado es estabilizado
K 6 6
asintticamente por GM . Notar que la planta a lazo cerrado es inestacionaria, ya que el control lo es.
La Figura 9.2 muestra la evolucin de las ganancias de control. Podemos comprobar que sus valores
cambian ms sobre el final del intervalo, ms que al comienzo, donde permanecen casi constantes.
2.5
| y {| }
| ~ {| }
1.5
0.5
-0.5
-1
0 1 2 3 4 5 6 7 8 9
|
Figura 9.3: Evolucin de las ganancias

? | 6 X .
9.3 Control LQ en tiempo continuo
*T K
La deduccin del control ptimo LQ para el sistema en tiempo continuo,
Z3 3 (9.12)
sigue los mismos pasos que el de tiempo discreto, slo que las transiciones se reducen a incrementos
* |
infinitesimales. El costo es ahora
K |
B Z !
* K
3 ? 3 * K
6
N Z N 3DC Z3
6 c e
Haciendo tender los incrementos a cero se obtienen los equivalentes de tiempo continuo de las ecuaciones
(9.9), (9.10) y (9.11), que definen el control ptimo LQ en este caso (ver detalles en Bay (1999, 11.1.2)),
K M 3 ? Z3
? 3 ? | _ (9.13)
3 3 ? | aCaS
(9.14)
3 (9.15)
La ecuacin (9.15) es la famosa ecuacin diferencial matricial de Riccati, que, como en el caso discreto,
tambin debe resolverse hacia atrs en el tiempo, con condiciones iniciales a5N . !
Como en el caso discreto:
El control ptimo LQ es una realimentacin lineal de estados, aunque inestacionaria.
Los transitorios en y ? ocurrirn sobre el final del intervalo N .

Pero, la ecuacin diferencial (9.15) es en general de difcil solucin. An, hacindolo numricamente,
cmo pueden guardarse los (infinitos) valores de 3 calculados en tiempo invertido para ser aplicados
luego al sistema?
Esta dificultad lleva a buscar una solucin ptima estacionaria, 3
? ?
caso de horizonte infinito N

. i , que surge de considerar el
9.4 Control LQ de Horizonte Infinito

La Figura 9.3 del ejemplo sugiere que si hacemos tender el tiempo final a las soluciones de la ecuacin
de Riccati permaneceran constantes en el valor del instante inicial. Bajo esta suposicin, a3

, y (9.15)
se convierte en la ecuacin algebraica de Riccati (ARE)2

* *
C ? g | (CARE)
con el correspondiente control ptimo LQ (ahora estacionario)

K M 3 ? Z3 ? | Z3
En el caso discreto tenemos
! ! , que da de (9.11), (9.10)
! T ! ! ? *T ! e | ! * C
? ? *T ! e | c ! a
(DARE)
c
En rigor, no sabemos an si estas soluciones algebraicas de rgimen permanente resuelven los corres-
pondientes problemas ptimos de horizonte infinito. Analizamos este punto a continuacin.
Queremos controlar el sistema
Z 3 T
* K 3
con una realimentacin esttica de estados ! K ? tal que se minimice el funcional de costo
B

DC Z3 * K K
3 ? !3 *
e
c
Con la realimentacin, el sistema a lazo cerrado queda

3
Z ? Z3 (9.16)

incurriendo en un costo
B
DC Z3 * ? C? e *
?
c

La solucin de (9.16) es Z3 , que reemplazada en la expresin del costo da
B 1 Z C * ? ?'? e
3
c
x (9.17)
Recordando el Teorema de Lyapunov, que viramos en el 3, sabemos que el sistema

? _ es
asintticamente estable si y slo si la matriz definida en (9.17) es la nica solucin definida positiva de la
ecuacin de Lyapunov

? * ? *
* ? ?'? C
(9.18)
Por lo tanto, para cualquier ganancia

? que estabilice asintticamente el sistema, la matriz solucin de
(9.18) dar un costo finito.
Supongamos que consideramos en particular
? ? | s . Substituyendo esta ? en (9.18) obtenemos
_ ? |
? * * a _ ? ? | * * C * * ? ? |
T | | C |
T * * C ? |

que es exactamente la ecuacin algebraica de Riccati (CARE). Por lo tanto, la solucin del problema de
control ptimo LQ con horizonte infinito est dado por la solucin de la ecuacin (CARE), cuando sta existe.
El mismo resultado vale en el caso discreto.
Esto no quiere decir que las soluciones de las ecuaciones (CARE) o (DARE) sern nicas. Si existe una
solucin nica que estabilice al sistema, entonces es la ptima.
Cabe entonces la pregunta: Cundo existir una solucin de las ecuaciones algebraicas de Riccati, y
bajo qu condiciones ser nica? La respuesta la dan los siguientes resultados:
2 Algebraic Riccati Equation.
Teorema 9.1. Si

! !
es estabilizable, entonces, independientemente del peso , existe una solucin es-
ttica finita ( ) de la ecuacin diferencial (diferencia) de Riccati (9.15) ( (9.11)). Esta solucin ser tambin
una solucin de la ecuacin algebraica de Riccati correspondiente, y ser la solucin ptima en el caso de
} }
horizonte infinito.
Teorema 9.2. Si la matriz de peso C puede factorearse en la forma Cj
(!
, entonces la solucin esttica
diente ecuacin algebraica si y slo si

}
) de la ecuacin diferencial (diferencia) de Riccati es la nica solucin definida positiva de la correspon-
}
es detectable.
es estabilizable y detectable, existe una solucin nica de (CARE) ( (DARE))
En conclusin, si ?
que da la ganancia ptima de realimentacin. Con M ATLAB, se puede calcular con K = lqr(A,B,Q,R)
(continuo) y K = dlqr(A,B,Q,R) (discreto).
9.5 Estimadores ptimos

Uno de los factores ms importantes en el desempeo de sistemas de control, a menudo no tenido en
cuenta, es el efecto de perturbaciones y ruido. Todos los sistemas estn sujetos a ruido, sea en la forma de
alinealidades de entrada no modeladas,
dinmica no modelada, o
seales de entrada no deseadas.
En esta seccin trataremos algunos modelos simples de ruido y determinaremos formas de tenerlos en
cuenta en el diseo de observadores y realimentacin de estados.
Consideraremos primero ruido perturbando la observacin del estado de un sistema. Con un modelo
en ecuaciones de estado que incluye ruido, generaremos el mejor observador posible, es decir, el que
mejor rechaza el efecto del ruido. Estos observadores suelen llamarse estimadores, y el particular que
desarrollaremos es el filtro de Kalman.
9.5.1 Modelos de sistemas con ruido
: | x * K * @
Consideramos el sistema en tiempo discreto

x * (9.19)
Las nuevas seales de entrada y

que aparecen en este modelo son procesos aleatorios, consistentes
en ruido blanco estacionario, con media cero, y no correlacionados entre s. Esto quiere decir que tienen las
siguientes propiedades:

\

g

g cuando
A
\

;

\
g para todo .
;
La funcin denota la media estadstica (para una breve introduccin a procesos aleatorios ver por ejemplo
Consideraremos adems que el estado inicial del sistema (9.19) es en tambin una variable aleatoria
Friedland 1986, 10).
ya que raramente podemos conocerlo con exactitud. Consideramos que es ruido blanco, con varianza

e
e
!
c c

Asumimos que no est correlacionado con y .
La entrada , que acta a la salida, ruido de

se llama ruido de planta, o de proceso, y la entrada
medicin.
El ruido de planta modela el efecto de entradas ruidosas que actan en los estados mismos, mientras que
el ruido de medicin modela efectos tales como ruido en los sensores. La entrada es la habitual entrada K
de control, considerada determinstica.
9.5.2 Filtro de Kalman discreto

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

D (9.20)
2. correccin de la estima en con los datos medidos en .

D Dh6D DD (9.21)
La
diferencia con lo derivado anteriormente es que ahora corregimos la estima con la medicin actual

D Dp en vez de utilizar la medicin vieja 1 .
De (9.20) y (9.21), obtenemos la ecuacin del as llamado observador actual

D 6D

$
$ 6 D
(9.22)
La ecuacin del observador (9.22) difiere significativamente de la que presentamos anteriormente con siste-
mas continuos:
A A A A

$ G
Para el observador actual la dinmica del error est dada por

D $

por lo que los autovalores para el observador son los de la matriz
, en vez de los de $
como vimos antes. En este caso, la observabilidad del par r no garantiza que se puedan asignar los
autovalores de
arbitrariamente.
Sin embargo, si la matriz es de rango completo, el rango de es el mismo que el de , y pode-
mos considerar como una nueva matriz de salida y asignar los autovalores de como de
costumbre.
El observador actual ser conveniente para derivar el filtro de Kalman discreto, considerando los efectos
de los ruidos D y por separado.
Estructura del observador

Siguiendo a Bay (1999, 11), usamos la variante del observador actual para derivar el filtro de Kalman. La
mejor prediccin del estado que podemos hacer cuando hay ruido es el valor esperado

D
( d r

dado que A3
sta suele denominarse la estima a priori, porque se hace antes de medir la salida (o sea que no tiene
correccin). Una vez disponible la salida en el instante q , terminamos de armar el observador actualizando
la estima obteniendo la, a menudo llamada, estima a posteriori:

D Dh=D D D (9.23)
Notar que usamos una ganancia de observacin variante en el tiempo, lo que, como veremos, es necesario.
En observadores determinsticos, se seleccionaba para asignar la dinmica del error de estimacin. En
este caso, adems, trataremos de minimizar el efecto de los ruidos.
Criterio de optimizacin
El filtro de Kalman es ptimo en el sentido de que da la mejor estima del estado y al mismo tiempo minimiza
el efecto de los ruidos. Su derivacin surge de minimizar el error de estimacin a posteriori

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

Cuanto menor sea la norma de la matriz , menor ser la variabilidad del error de estimacin debida a
ruidos, y mejor el rechazo de stos.
1 1
line 1 line 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
-0.2 -0.2
0 50 100 150 200 250 300 350 0 50 100 150 200 250 300 350
Figura 9.4: Dos seales ruidosas con mayor (iz.) y menor (der.) variabilidad.
Pretendemos determinar = para minimizar la variabilidad del error de estimacin.

rrq A rrq

r fp p

rp rp6 (9.24)
Para obtener una expresin para , derivamos la dinmica del error:

h
dDa aa=
h a dD= h
vpq r
( = = D Dv=
( $ a r==
Usando esta expresin de obtenemos
.b a d
$ a dD = q
. $ a dD dD = (9.25)
q$ =
= +
De las hiptesis sobre las propiedades estadsticas de los ruidos vistas la clase pasada, tenemos que

r u D D8 5D 3 (9.26)
Adems, no es difcil ver que

D ( D (9.27)

( D v 5 D
ya que y no estn correlacionadas con D . Y por otro lado,

D ( v (9.28)

( v
ya que y tampoco estn correlacionadas con . 3

Usando (9.26), (9.27) y (9.28) en (9.25), llegamos a
la expresin

D u$ D =u D Dp D (9.29)
La expresin recursiva (9.29) representa la dinmica de la covarianza del error de estimacin. Esta expre-
sin, sin embargo, no es enteramente til, pues todava no conocemos D , que determinaremos en lo que
sigue.
Determinacin de la ganancia de observacin ptima

Para determinar el valor de la ganancia =D que minimiza el criterio de optimizacin (9.24), expandimos
p
D de (9.29) en
p p p r
D
3DA D
' (9.30)

p
D

'
p

D

p D
Ahora derivamos (9.30) con respecto a D . Los dos primeros trminos dan cero, pues no dependen de
D . Para los siguientes trminos usamos las siguientes propiedades de la derivada de la traza de una
matriz (ver Bay 1999, Apndice A),

r

$ p
$

As obtenemos de (9.30)

=D
p
D
q=DA

1

33D

que tiene como solucin

D
^

z

'

(9.31)
Esta es la ganancia ptima para el estimador dado por la ecuacin (9.23), y se conoce como la ganancia de
Kalman. Como supusimos, es inestacionaria, ya que depende de , que se obtiene resolviendo la ecuacin
en diferencias (9.29).
3 Aunque s lo estn { y , dado que { !"#$% .
Procedimiento para computar el filtro de Kalman discreto

Resumimos los pasos necesarios para programar el filtro de Kalman. Partimos del conocimiento de las
propiedades estadsticas, valor esperado y varianza, de los ruidos D y , y la condicin inicial . '&
1. Calculamos la estima a priori del estado (prediccin)

D
1
inicializada con la estima inicial
( . ( &
2. Calculamos la ganancia de Kalman de (9.31),

D^X

'

'

que inicializamos con la covarianza original ( $ ( & & &
.
3. Calculamos la estima a posteriori, corregida con la salida medida D mediante (9.23), que puede
simplificarse a

D $3DA
3DTD
4. Calculamos, de (9.29), la matriz de covarianza para la prxima iteracin,

D D ' D Dp D
y el proceso se repite el siguiente paso.
9.6 Notas
) La ecuacin diferencia de Riccati (9.29) que determina la matriz de covarianza se calcula para

adelante en el tiempo, a diferencia del dual caso de control ptimo LQ. Esto implica que el filtro de
Kalman puede implementarse en su forma inestacionaria en tiempo real.
) El filtro de Kalman derivado es el mejor estimador si los ruidos de proceso y medicin son Gausianos.
Para otras distribuciones probabilsticas, el filtro de Kalman es el mejor estimador lineal.
) El filtro de Kalman puede obtenerse tambin en tiempo continuo, aunque es raramente usado en la
prctica, ya que casi siempre se implementa en una computadora digital, para la que la versin discreta
es ms natural. La derivacin de las ecuaciones es similar al caso continuo, y lleva a una ecuacin
diferencial de Riccati, dual al caso de control LQ (ver Bay 1999, 11.2.3).
) Como en el caso de control ptimo LQ, tambin en el caso del filtro de Kalman pueden calcularse
soluciones estacionarias de la ecuacin diferencia (diferencial) de Riccati que determina la matriz de
covarianza. Esta solucin ser aproximadamente ptima, y nica si y slo si r es estabilizarle,

y *
detectable, donde a . *+*
) En M ATLAB, la funcin kalman computa el filtro de Kalman estacionario (continuo o discreto).
) Naturalmente, el filtro de Kalman puede combinarse con cualquier control por realimentacin de es-
tados. Cuando el controlador elegido es el ptimo LQ, la combinacin da lo que se conoce como
controlador lineal cuadrtico gausiano (LQG).
) La robustificacin de un regulador LQG mediante agregado de accin integral es exactamente igual
al caso visto en asignacin de polos y se aplica de la misma manera (la accin integral es parte del
diseo de la arquitectura de control, y no del control en s).
) Pueden verse algunas aplicaciones industriales del filtro de Kalman en Goodwin et al. (2000) (hay una
copia disponible en IACI).
9.7 Ejercicios
Ejercicio 9.1. Para el sistema discreto
3-, -. 3z0.

D
3
3

3 -/

3

encontrar la secuencia de control que minimiza el funcional de costo
43 87
1 2 5

2
"6
Ejercicio 9.2. Para el sistema discreto

D

16
'&

; ; ;
determinar el control por realimentacin de estados que minimiza el criterio
1 2:5 ; 9 2

6

Ejercicio 9.3. Para el sistema

D
7

6 3
7
3

disear una realimentacin de estados para ubicar los autovalores a lazo cerrado en 3 3 . < 7>= 7@?
Disear un observador de orden completo estndar, y uno actual. Programar ambos en M ATLAB y comparar
sus desempeos mediante simulacin.
Ejercicio 9.4. La medicin ruidosa en tiempo discreto de una constante desconocida A satisface el modelo
6 A D
donde es ruido blanco de varianza B 2.

1. Determinar un filtro ptimo para estimar . A
2. Construir un esquema S IMULINK para evaluar el filtro anterior en rgimen permanente.
Ejercicio 9.5. Considerar el problema de medicin en tiempo discreto de una senoide de frecuencia conoci-
da pero amplitud y fase desconocidas, es decir:
6 CDFE G & dHA G
donde es ruido blanco de varianza B 2.

1. Contruir un modelo para generar la senoide.
2. Determinar un filtro ptimo para estimar y . A
3. Construir un esquema S IMULINK para evaluar el filtro en rgimen permanente.
Bibliografa
Bay, J. S. (1999), Fundamentals of Linear State Space Systems, WCB/McGraw-Hill.

Chen, C.-T. (1999), Linear System Theory and Design, 3rd edn, Oxford University Press.
Doyle, J. C., Francis, B. A. & Tannenbaum, A. (1992), Feedback control theory, Macmillan Pub. Co.
Friedland, B. (1986), Control System Design, McGraw-Hill.
Goodwin, G., Graebe, S. & Salgado, M. (2000), Control System Design, Prentice Hall.
Rugh, W. J. (1995), Linear System Theory, 2nd edn, Prentice Hall.
Snchez Pea, R. (1992), Introduccin a la teora de control robusto, Asociacin Argentina de Control Auto-
mtico.
Seron, M. M., Braslavsky, J. H. & Goodwin, G. C. (1997), Fundamental Limitations in Filtering and Control,
CCES Series, Springer-Verlag.
Van Loan, C. (1978), Computing integrals involving the matrix exponential, IEEE Trans. on Automatic Control
23(3), 395404.
127

Clases 2000 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clases 2000 PDF

Cargado por

Copyright:

Formatos disponibles

Notas de Clase

2 Descripcin Matemtica de Sistemas 8

3 Herramientas de lgebra Lineal 19

4 Solucin de la Ecuacin de Estado y Realizaciones 39

7 Especificaciones y Limitaciones de Diseo 73

8 Realimentacin de Estados y Observadores 89

9 Introduccin al Control ptimo 114

1.1 Introduccin a Control Automtico 2

1.1.1 Representacin Externa

 !#"%$'& ++,.-0/12-435 (1.1)

1.1.3 Sistemas Estacionarios

 ! #" $ & +  -0/12-3E

1.2 Panorama de la Materia

1. Introduccin 3.9. Formas cuadrticas y matrices definidas positi-

4. Solucin de la Ecuacin de Estado y Realiza- 4. Solucin de la Ecuacin de Estado y Realizaciones

2. Descripcin Matemtica de Sistemas 5.2. Estabilidad interna

2.4. Linealizacin 6.1. Controlabilidad

3. Herramientas de lgebra Lineal 6.3. Descomposiciones cannicas

3.6. Funciones matriciales 7.1. Funciones de sensitividad

7.4. Limitaciones en la respuesta frecuencial 8.7. Realimentacin de estados estimados Caso

8.1. Realimentacin de estados 9. Introduccin al Control ptimo

8.6. Observadores Caso MIMO 9.4. Control ptimo cuadrtico Gaussiano

1.3 Bibliografa y Material de Estudio

4. T. Kailath. Linear Systems. Prentice Hall, Englewood Cliffs, NJ, 1980.

1.4 Cursado y Regularizacin

L UNES M ARTES M IRCOLES J UEVES V IERNES

L UNES M ARTES M IRCOLES J UEVES V IERNES

Abr 3 Clase 9 4 5 Clase 10 6 7

29 Clase 23 30 31 Clase 24 Jun 1 2

Jul 3 Clase 32 4 5 Clase 33 6 7

Descripcin Matemtica de Sistemas

2.1 Una taxonoma de sistemas

U @ las variables que definen el estado del brazo

2.2 Sistemas Lineales

La propiedad (2.3) es de aditividad, y la propiedad (2.4) de homogeneidad. La combinacin de ambas es

2.3 Sistemas lineales estacionarios

2.3.1 Representacin entrada-salida

 !#"%$8 W ++,.-0/12-431-P, (2.7)

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

 !#"%$ & W ++,.-0/12-431-P>

 !#"%$ & W +  -0/12-431-"%$ & W -0/1  -3H-P>

2.3.2 Representacin en Espacio de Estados

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

Aplicando la transformada de Laplace a (2.8) obtenemos

2.4 Representacin en diagrama de bloques

tiene el diagrama de bloques de la Figura 2.4.

/H+! A @ q ! A q .  +!

A @ r . Ar .

Figura 2.4: DB del sistema (2.10)

En trminos de la ecuacin de estado no lineal (2.11) tenemos

Figura 2.6: Pndulo invertido.

A q "  , A r "  @ , A M " U A " U @

Los Jacobianos necesarios son

A . /1 !

2.6 Sistemas discretos

2.6.1 Descripcin entrada-salida de sistemas discretos

Para sistemas discretos causales la representacin (2.13) se reduce a

2.6.2 Representacin en Espacio de Estados

Tipo de sistema Representacin interna Representacin externa

 #"%$  .   & 35

Ejercicio 2.3. Considerar un sistema consistente en un retardo puro,

Ejercicio 2.8. Considerar la EE no lineal

Herramientas de lgebra Lineal

!#"%$'& ++,.-0/12-435 (1.1)

! #" $ & + -0/12-3E

!#"%$8 W ++,.-0/12-431-P, (2.7)

!#"%$ & W ++,.-0/12-431-P>

!#"%$ & W + -0/12-431-"%$ & W -0/1 -3H-P>

/H+! A @ q ! A q . +!

A @ r . Ar .

A q " , A r " @ , A M " U A " U @

A . /1 !

#"%$ . & 35

1. Existe una solucin A t v de la ecuacin B A "

B[ D q -B DX B S , ,0>>>0, T

B " B q } } > B;;" B} q

#" | + " r 4, >

gnga_@psucht orv q g g wwg g y| xrs z"| c { gig (3.12)

r" ' C,^^ "^ u^^ ^*' .

Cuando tenemos las EE, f- r

bNb , y el cudruplo +v- se dice una realizacin de . $

Si es , "!$#-Eb es un polinomio de orden . Como cada elemento de o bX es el

Definimos -E E E + E E como el polinomio mnico mnimo comn denominador

2r ]aSw aSw aS \S aSw