Representación de espacio de estado

OBJETIVOS

Después de completar este capítulo, el lector podrá hacer lo siguiente:

1. Obtener un modelo de espacio de estado de la función de transferencia del sistema o

ecuación diferencial.
2. Determinar un modelo lineal de un sistema no lineal.
3. Determinar la solución de las ecuaciones del espacio de estado lineal (tiempo continuo
y discreto).
4. Determinar una representación de entrada-salida comenzando desde una
representación de espacio de estado.
5. Determinar una representación equivalente del espacio de estado de un sistema
cambiando los vectores de la base.

En este capítulo, discutimos una representación alternativa del sistema en términos de las
variables de estado del sistema, conocido como la representación o realización del espacio de
estado. Examinamos las propiedades, ventajas y desventajas de esta representación. También
mostramos cómo obtener una representación de entrada-salida desde una representación de
espacio de estado. La obtención de una representación de espacio de estado a partir de una
representación de entrada-salida se analiza con más detalle en el Capítulo 8.

El término realización surge del hecho de que esta representación proporciona la base para
implementar filtros digitales o analógicos. Además, las realizaciones de espacio de estado se
pueden usar para desarrollar metodologías de diseño potentes de controlador. Por lo tanto, el
análisis del espacio de estado es una herramienta importante en el arsenal del diseñador de
sistemas de control de hoy en día.

7.1 Variables de estado

Los sistemas lineales de tiempo de una sola entrada y una sola salida (SISO = single-input-single-
output) se describen normalmente mediante la ecuación diferencial de entrada-salida.

(7.1)

235
Digital Control Engineering, Second Edition.
© 2013 Elsevier Inc. All rights reserved.

1
donde y es la salida del sistema, u es la entrada del sistema, y ai, i = 0, 1 ,. . ., n-1, cj, j = 0, 1 ,. . .,
n son constantes. La descripción es válida para sistemas variables en el tiempo si los coeficientes
ai y cj son funciones explícitas del tiempo. Para un sistema multi-entrada y multi-salida (MIMO
multi-input-multi-output), la representación es en términos de l ecuaciones diferenciales de
entrada-salida de la forma (7.1), donde l es el número de salidas. La representación también se
puede usar para sistemas no lineales si se permite que (7.1) incluya términos no lineales.

La solución de la ecuación diferencial (7.1) requiere el conocimiento de la entrada del sistema

u(t) para el período de interés, así como un conjunto de condiciones iniciales constantes.

donde la notación significa que las derivadas se evalúan en el tiempo inicial t0. El conjunto de
condiciones iniciales es mínimo en el sentido de que el conocimiento incompleto de este
conjunto evitaría la solución completa de (7.1). Por otro lado, las condiciones iniciales
adicionales no son necesarias para obtener la solución. Las condiciones iniciales proporcionan
un resumen de la historia del sistema hasta la hora inicial. Esto lleva a la siguiente definición.

DEFINICIÓN 7.1: ESTADO DEL SISTEMA

El estado de un sistema es el conjunto mínimo de números {xi(t0), i = 1, 2,. . . , n} necesarios

junto con la entrada u(t), con t en el intervalo [t0, tf), para determinar de forma única el
comportamiento del sistema en el intervalo [t0, tf]. El número n se conoce como el orden del
sistema.

A medida que t aumenta, el estado del sistema evoluciona y cada uno de los números xi(t) se
convierte en una variable de tiempo. Estas variables se conocen como las variables de estado.
En la notación vectorial, el conjunto de variables de estado forma el vector de estado

(7.2)
La ecuación anterior sigue la notación estándar en la teoría de sistemas donde un vector
columna está en negrita y se indica un vector fila mediante la transposición de una columna.

El espacio de estado es un espacio vectorial n-dimensional donde {xi(t), i = 1, 2,. . . , n}

representan los ejes de coordenadas. Entonces, para un sistema de segundo orden, el espacio
de estado es bidimensional y se conoce como el plano de estado. Para el caso especial donde
las variables de estado son proporcionales a las derivadas de la salida, el plano de estado se
llama plano de fase y las variables de estado se denominan variables de fase. Las curvas en
espacio de estado se conocen como las trayectorias de estado, y un trazado de trayectorias de
estado en el plano es la imagen de estado (o imagen de fase para el plano de fase).

2
EJEMPLO 7.1

Considere la ecuación de movimiento de una masa de puntos m impulsada por una fuerza f

donde y es el desplazamiento de la masa de puntos. La solución de la ecuación diferencial está

dada por

Claramente, solo se puede obtener una solución completa, dada la fuerza, si las dos condiciones
iniciales {𝑦(𝑡0 ), 𝑦̇ (𝑡0 )} son conocidas. Por lo tanto, estas constantes definen el estado del
sistema en el momento t0, y el sistema es de segundo orden. Las variables de estado son

y el vector de estado es

Las variables de estado son variables de fase en este caso, porque la segunda es la derivada de
la primera.

Las variables de estado se rigen por las dos ecuaciones diferenciales de primer orden

donde u = f. La primera de las dos ecuaciones se sigue de las definiciones de las dos variables de
estado. La segunda se obtiene de la ecuación de movimiento para la masa puntual. Las dos
ecuaciones diferenciales junto con la expresión algebraica

son equivalentes a la ecuación diferencial de segundo orden porque resolver las ecuaciones
diferenciales de primer orden y luego sustituirlas por la expresión algebraica produce la salida
y. Para una fuerza que satisfaga la ley de retroalimentación del estado

tenemos un sistema sub amortiguado de segundo orden con una solución que depende solo de
las condiciones iniciales. Las soluciones para diferentes condiciones iniciales se pueden obtener
utilizando repetidamente los comandos de MATLAB lsim o initial. Cada una de estas soluciones
proporciona datos de posición y velocidad para una trayectoria de fase, que es un gráfico de
velocidad versus posición. Un conjunto de estas trayectorias correspondientes a diferentes
estados iniciales da la representación de fase de la figura 7.1. La variable de tiempo no aparece
explícitamente en la representación de fase y es un parámetro implícito. Las flechas indican la
dirección del aumento del tiempo.

3
FIGURA 7.1
Representación de fase para una masa de puntos.

Tenga en cuenta que la elección de las variables de estado no es única. Por ejemplo, uno podría
usar el desplazamiento y y la suma del desplazamiento y la velocidad como variables de estado
(ver Ejemplo 7.20). Esta elección no tiene un significado físico, pero cumple la definición de
variables de estado. La libertad de elección es una característica general de las ecuaciones de
estado y no está restringida a este ejemplo. Nos permite representar un sistema para mostrar
sus características más claramente y se explora en secciones posteriores.

7.2 Representación del espacio de estado

En el ejemplo 7.1, se obtuvieron dos ecuaciones de primer orden que rigen las variables de
estado a partir de la ecuación diferencial de entrada y salida de segundo orden y las definiciones
de las variables de estado. Estas ecuaciones se conocen como ecuaciones de estado. En general,
hay n ecuaciones de estado para un sistema de orden n. Las ecuaciones de estado se pueden
obtener para variables de estado de sistemas descritos por ecuaciones diferenciales de entrada-
salida, con la forma de las ecuaciones dependiendo de la naturaleza del sistema. Por ejemplo,
las ecuaciones varían en el tiempo para sistemas variables en el tiempo y no lineales para
sistemas no lineales. Las ecuaciones de estado para sistemas lineales invariantes en el tiempo
también se pueden obtener a partir de sus funciones de transferencia.

4
La ecuación algebraica que expresa el resultado en términos de las variables de estado se llama
ecuación de salida. Para sistemas de salida múltiple, se necesita una ecuación de salida separada
para definir cada salida. Las ecuaciones de estado y de salida juntas proporcionan una
representación completa del sistema descrito por la ecuación diferencial, que se conoce como
la representación del espacio de estado. Para los sistemas lineales, a menudo es más
conveniente escribir las ecuaciones de estado como una ecuación de matriz única a la que se
hace referencia como ecuación de estado. De manera similar, las ecuaciones de salida se pueden
combinar en una ecuación de salida única en forma de matriz. La forma de la matriz de la
representación del espacio de estado se demuestra en el Ejemplo 7.2.

EJEMPLO 7.2

Las ecuaciones de espacio de estado para el sistema del Ejemplo 7.1 en forma de matriz son

EJEMPLO (Anexo: 7_1 Ejemplo_1_2.pdf)

La forma general de las ecuaciones de espacio de estado para sistemas lineales es

(7.3)
donde x(t) es un vector real n X 1, u(t) es un vector real m X 1, e y(t) es un vector real l X 1. Las
matrices en las ecuaciones son
A = Matriz de estado del sistema n X n
B = Matriz de entrada o control n X m
C = Matriz de salida l X n
D = Matriz de transmisión directa l X m

El orden de las matrices está establecidas por las dimensiones de los vectores y las reglas de la
multiplicación vector-matriz. Por ejemplo, en el caso de entrada única (SI = Single-Input), B es
una matriz columna, y en el caso de salida única (SO = Single-Output), tanto C como D son
matrices fila. Para el caso SISO, D es un escalar. Las entradas de las matrices son constantes para
los sistemas invariantes en el tiempo y las funciones del tiempo para los sistemas que varían en
el tiempo.

EJEMPLO 7.3

Los siguientes son ejemplos de ecuaciones de espacio de estado para sistemas lineales.

1. Un sistema lineal invariante en el tiempo de 2 entradas y 2 salidas (MIMO) de tercer orden:

5
2. Un sistema de variación de tiempo lineal de una sola entrada y 2 salidas (SIMO) de segundo
orden:

Aquí, la matriz de transmisión directa D es cero, y las matrices de entrada y salida son
constantes. Pero el sistema varía en el tiempo porque la matriz de estado tiene algunas
entradas que son funciones del tiempo.

7.2.1 Representación de espacio de estado en MATLAB

MATLAB tiene una representación de espacio de estado obtenida con el comando ss. Sin
embargo, algunos comandos de estado solo operan en una o más de las matrices (A, B, C, D).
Para ingresar a una matriz

usa el comando
>> A = [1, 1; -5, -4]

Si B, C y D son ingresadas de manera similar, obtenemos el espacio estado cuádruple p con el

comando
>> p = ss(A, B, C, D)

También podemos especificar nombres para la entrada (torque, por ejemplo) y la salida
(posición) usando el comando set

>> set(p, 'inputn', 'torque', 'outputn'; 'posición')

7.2.2 Ecuaciones de espacio de estado lineal versus no lineal

Es importante recordar que la forma (7.3) solo es válida para ecuaciones lineales de estado. Las
ecuaciones de estado no lineales involucran funciones no lineales y no pueden escribirse en
términos de matriz cuádruple (A, B, C, D).

EJEMPLO 7.4

Obtenga una representación de espacio de estado para el manipulador robótico de grado s de

libertad (s-D.O.F.) de la ecuación de movimiento

6
donde

q = vector de coordenadas generalizadas

M(q) = Matriz de inercia definida positiva s X s
𝑽(𝒒, 𝒒̇ ) = Matriz de términos relacionados con la velocidad s X s
g(q) = Vector de los términos gravitacionales s X 1
τ = Vector de fuerzas generalizadas

La salida del manipulador es el vector de posición q.

Solución

El sistema es de orden 2s, ya que se requieren 2s condiciones iniciales para determinar

completamente la solución. La elección más natural de las variables de estado es el vector

donde col {.} denota un vector columna. Las ecuaciones de estado asociadas son

con la fuerza generalizada τ ahora denotada por el símbolo u.

La ecuación de salida es

Esta ecuación es lineal y puede escribirse en la forma estándar

EJEMPLO 7.5

Escriba las ecuaciones de espacio de estado para el 2-D.O.F. manipulador antropomórfico en la

Figura 7.2. Las ecuaciones de movimiento del manipulador son como en el Ejemplo 7.4 con las
definiciones

donde mi, i = 1, 2 son las masas de los dos enlaces; li, i = 1, 2 son sus longitudes; y g es la
aceleración debida a la gravedad. (θ, θ̇) son los vectores de las posiciones angulares y las
velocidades angulares, respectivamente.

7
FIGURA 7.2
Un 2-D.O.F. manipulador antropomórfico.

Solución

Las ecuaciones de estado se pueden escribir usando los resultados del ejemplo 7.4 como

donde

La forma general de las ecuaciones de espacio de estado no lineal es

(7.4)
donde f(.) (n X 1) y g(.) (l X 1) son vectores de funciones que satisfacen condiciones matemáticas
que garantizan la existencia y la singularidad de la solución. Pero una forma que se encuentra a
menudo en la práctica e incluye las ecuaciones de los manipuladores robóticos es

(7.5)

8
Se dice que la ecuación de estado (7.5) es afín en el control porque el RHS (right-hand side) es
afín (incluye un vector constante) para la constante x.

7.3 Linealización de ecuaciones de estado no lineales

Las ecuaciones de estado no lineales de la forma (7.4) o (7.5) pueden aproximarse mediante
ecuaciones lineales de estado de la forma (7.3) para rangos pequeños de las variables de control
y de estado. Las ecuaciones lineales se basan en la aproximación de primer orden

(7.6)
donde x0 es una constante y Δx = x - x0 es una perturbación de la constante. El error asociado
con la aproximación es de orden Δ2x y, por lo tanto, es aceptable para pequeñas perturbaciones.
Para una función de n variables, (7.6) se puede modificar para

(7.7)
donde x0 es el vector constante

y Δx denota el vector de perturbación

2
El término ||Δx|| denota la suma de cuadrados de las entradas del vector (es decir, su norma
2), que es una medida de la longitud o "tamaño" del vector de perturbación.1 Se supone que el
término de error dependiente de esta perturbación se asume ser pequeño y se descuida en la
consecuencia.

Para ecuaciones de espacio de estado no lineal de la forma (7.4), que la i-ésima entrada del
vector f sea fi. Luego aplicar (7.7) a fi produce la aproximación

(7.8)

1
Se pueden usar otras normas, pero la norma 2 se usa con mayor frecuencia.

9
que puede ser reescrito como

(7.9)
En la mayoría de las situaciones donde buscamos un modelo linealizado, el estado nominal es
un punto de equilibrio. Este término se refiere a un estado inicial donde el sistema permanece
a menos que se lo perturbe. En otras palabras, es un sistema donde la tasa de cambio del estado,
expresada por el RHS de la ecuación de estado, debe ser cero (ver Definición 8.1). Por lo tanto,
si la perturbación es aproximadamente un punto de equilibrio, entonces la derivada del vector
de estado es cero en el estado nominal; es decir, fi(x0, u0) es cero y f(x0, u0) es un vector cero.

La i-ésima entrada gi del vector g puede expandirse de manera similar para producir la
perturbación en la i-ésima salida

(7.10)
También notamos que la derivada del vector de perturbación es

(7.11)
porque el estado nominal x0 es constante.

10
Ahora sustituimos las aproximaciones (7.9) y (7.10) en las ecuaciones de estado y de salida,
respectivamente, para obtener las ecuaciones linealizadas

(7.12)
La diferencial Δs reduce (7.12) a (7.13), con las matrices de las ecuaciones de estado lineales
definidas como Jacobianos:

(7.13)
EJEMPLO 7.6

Considere la ecuación de movimiento del sistema no lineal de resorte-masa-amortiguador dado

por

donde y es el desplazamiento, f es la fuerza aplicada, m es una masa de 1 kg, b(y) es una

constante del amortiguador no lineal, y k(y) es una fuerza elástica no lineal. Encuentre la
posición de equilibrio correspondiente a una fuerza f0 en términos de la fuerza del resorte, luego
linealice la ecuación de movimiento sobre este equilibrio.

11
Solución

El equilibrio del sistema con una fuerza f0 se obtiene estableciendo todas las derivadas de tiempo
iguales a cero y resolviendo para y obtenemos

donde k-1 (•) denota la función inversa. El equilibrio es por lo tanto la velocidad cero y la posición
y0.
La ecuación de estado no lineal para el sistema con el vector de estado es

donde u = f. Luego linealizando el equilibrio, obtenemos

Claramente, las entradas de la matriz de estado son constantes cuyos valores dependen de la
posición de equilibrio. Además, los términos que son originalmente lineales no cambian debido
a la linealización.

7.4 La solución de ecuaciones lineales de espacio de estado

Las ecuaciones de espacio de estado (7.3) son lineales y, por lo tanto, pueden transformarse en
Laplace para obtener su solución. Claramente, una vez que la ecuación de estado se resuelve
para el vector de estado x, la sustitución en la ecuación de salida produce fácilmente el vector
de salida y. Entonces comenzamos examinando la transformada de Laplace de la ecuación de
estado.

La ecuación de estado implica la derivada 𝐱̇ del vector de estado x. Porque La transformada de

Laplace es simplemente la multiplicación por un escalar seguido de la integración, la
transformada de Laplace de esta derivada es el vector de las transformadas de Laplace de sus
entradas. Más específicamente,

(7.14)
Usando un argumento similar, la transformada de Laplace del producto Ax es

(7.15)
Por lo tanto, la ecuación de estado

12
tiene la transformada de Laplace

(7.16)
Reordenando los términos, obtenemos

(7.17)
Luego pre multiplicando por el inverso de [𝑠𝐼𝑛 − A] da

(7.18)
Ahora necesitamos la transformada inversa de Laplace para obtener la solución de la ecuación
de estado. Entonces, primero examinamos el inverso conocido como la matriz resolutiva
(Matriz de transición).

(7.19)
Esto se puede expandir como

(7.20)
Entonces la transformada inversa de Laplace produce la serie

(7.21)
Esta suma es una versión matricial de la función exponencial

(7.22)
Por lo tanto, se conoce como matriz exponencial y se escribe como

(7.23)
Volviendo a (7.18), vemos que el primer término puede ahora ser fácilmente obtenido usando
la transformada inversa de (7.23). El segundo término requiere el uso de la propiedad de
convolución de las transformadas de Laplace, que establece que la multiplicación de las
transformadas de Laplace es equivalente a la convolución de sus inversas. Por lo tanto, la
solución de la ecuación de estado viene dada por

(7.24)

13
La solución para el tiempo inicial distinto de cero se obtiene simplemente cambiando la variable
de tiempo

(7.25)
La solución incluye dos términos. El primero se debe a las condiciones iniciales con entrada cero
y se conoce como la respuesta de entrada cero. El segundo término se debe a la entrada con
cero condiciones iniciales y se conoce como la respuesta de estado cero. Por superposición, la
respuesta total del sistema es la suma de la respuesta de estado cero y la respuesta de entrada
cero.

La respuesta de entrada cero implica el cambio del estado del sistema desde el vector inicial x(0)
al vector x(t) a través de la multiplicación por la matriz exponencial. Por lo tanto, la matriz
exponencial también se llama matriz de transición de estado. Este nombre también se le da a
una matriz que cumple una función similar en el caso de sistemas que varían con el tiempo y
depende tanto del tiempo inicial como final y no solo de la diferencia entre ellos. Sin embargo,
la matriz de forma exponencial de la matriz de transición de estado solo es válida para sistemas
lineales invariantes en el tiempo.

Para obtener la salida del sistema, sustituimos (7.24) en la ecuación de salida

Esto da la respuesta de tiempo

(7.26)
EJEMPLO 7.7

Las ecuaciones de estado de un motor de CC controlado por inducido están dadas por

donde x1 es la posición angular, x2 es la velocidad angular, y x3 es la corriente de armadura.

Encuentra lo siguiente:

1. La matriz de transición de estado

2. La respuesta debido a una corriente inicial de 10 mA con posición angular cero y
velocidad angular cero
3. La respuesta debido a una entrada paso unitario
4. La respuesta debido a la condición inicial en la parte 2 junto con la entrada en la parte 3

Solución

1. La matriz de transición de estado es la matriz exponencial dada por la transformada inversa

de Laplace de la matriz

14
Las operaciones anteriores implican escribir s en las entradas diagonales de una matriz,
restando entradas de la matriz A, y luego invirtiendo la matriz resultante. La inversión es
factible en este ejemplo, pero se vuelve progresivamente más difícil a medida que aumenta
el orden del sistema. La matriz inversa se obtiene dividiendo la matriz adjunta por el
determinante porque los algoritmos de inversión de matriz numérica no se pueden usar en
presencia de la variable compleja s.

A continuación, aplicamos la transformada inversa de Laplace para obtener la matriz de

transición de estado

La matriz de transición de estado se puede descomponer como

Esta última forma revela que una matriz exponencial no es más que una suma ponderada
de matrices de exponenciales escalares. Los exponenciales escalares implican los valores
propios de la matriz de estado {0, -1, -10} y se conocen como los modos del sistema. Los
pesos de las matrices tienen rango 1. Esta propiedad general se puede usar para verificar la
validez de la matriz exponencial.

15
2. Para una corriente inicial de 10 mA y cero posición y velocidad angular inicial, el estado inicial
es

La respuesta de entrada cero es

En virtud de la descomposición de la matriz de transición de estados en la parte 1, el

resultado se obtiene usando la multiplicación por matrices constantes en lugar de las que
tienen entradas exponenciales.

3. La respuesta debido a la entrada paso se evalúa fácilmente comenzando en el dominio s

para evitar la integral de convolución. Para simplificar las operaciones de la matriz, la matriz
de resolución se descompone como

La transformada de Laplace de la respuesta de estado cero es

16
 Con la transformada inversa de Laplace, obtenemos la solución

4. La solución completa debido a las condiciones iniciales de la parte 2 y la entrada paso

unitario de la parte 3 es simplemente la suma de las dos respuestas obtenidas
anteriormente. Por lo tanto,

7.4.1 El algoritmo de Leverrier

El cálculo de la matriz resolutiva [𝑠𝐼 − 𝐴]−1 es claramente el cuello de botella en la solución de

ecuaciones de espacio de estado mediante la transformada de Laplace. El algoritmo Leverrier
es un método conveniente para realizar este cálculo, que se puede programar en la generación
actual de calculadoras de mano que son capaces de realizar la aritmética de la matriz. La
derivación del algoritmo se deja como ejercicio (ver problema 7.8).

Primero escribimos la matriz resolutiva como

(7.27)
donde adj[ . ] denota la matriz adjunta y det[ . ] denota el determinante. Luego observamos que,
como sus entradas son determinantes de las matrices de orden n - 1, la mayor potencia de s en
la matriz adjunta es n - 1. Los términos de las mismas potencias de s se pueden separar con
matrices de sus coeficientes, y la matriz resolutiva se puede expandir como

(7.28)

17
donde Pi, i = 1, 2,. . . , n - 1 son matrices constantes n X n, y ai, i = 1, 2,. . . , n - 1 son coeficientes
constantes. Los coeficientes y las matrices se calculan de la siguiente manera.

Algoritmo Leverrier

1. Inicialización: k = n - 1

0
donde tr{ . } denota la traza de la matriz.

2. Iteración hacia atrás: k = n - 2, . . . , 0

3. Chequeo

El algoritmo requiere la multiplicación de la matriz, la multiplicación escalar de la matriz, la suma

de la matriz y la evaluación de seguimiento. Estas son operaciones relativamente simples
disponibles en muchas calculadoras de mano, con la excepción de la operación traza. Sin
embargo, la operación traza puede programarse fácilmente utilizando un único lazo de
repetición. La inicialización del algoritmo es simple, y la iteración hacia atrás comienza con las
fórmulas

El algoritmo de Leverrier produce una forma de la matriz resolvente que no puede ser la
transformada inversa directamente por Laplace para obtener la matriz exponencial. Primero es
necesario expandir las siguientes funciones de dominio s a las fracciones parciales:

(7.29)
donde λi, i = 1,. . ., n son los valores propios de la matriz de estado A definida por

(7.30)
Para simplificar el análisis, suponemos que los valores propios en (7.30) son distintos (es decir,
λi ≠ λj , i ≠ j ). El caso de valores propios repetidos se puede manejar de manera similar pero
requiere términos de orden superior en la expansión de fracciones parciales.

18
Sustituyendo en (7.28) y combinando términos similares da

Por lo tanto, podemos escribir la matriz de resolución en la forma simple

(7.31)
donde las matrices Zi, i = 1, 2,. . . , n son dados por

(7.32)
Finalmente, invertimos la transformada de Laplace para obtener la matriz exponencial

(7.33)
Esta es la forma general de la expansión utilizada para simplificar el cálculo en el Ejemplo 7.7 y
es la forma que usamos a lo largo de este texto.

EJEMPLO 7.8

Use el algoritmo de Leverrier para calcular la matriz exponencial para la matriz de estado del
Ejemplo 7.7:

Solución

1. Inicialización:

2. Iteración hacia atrás: k = 1, 0

(a) k = 1

19
 (b) k = 0

3. Chequeo

Por lo tanto, de (7.27) tenemos

El polinomio característico del sistema es

y los valores propios del sistema son {0, -1, -10}.

A continuación, obtenemos las expansiones parciales de fracciones

20
donde algunos de los coeficientes son cero debido a la cancelación. Esto nos permite evaluar las
matrices

Por lo tanto, la matriz de transición de estado es

Por lo tanto, obtuvimos la respuesta del Ejemplo 7.7 con muchas menos expansiones de
fracciones parciales pero con algunas operaciones adicionales con matrices constantes. Debido
a que estas operaciones se realizan fácilmente usando una calculadora, este es un pequeño
precio a pagar por la simplificación resultante.

7.4.2 Expansión de Sylvester

Las matrices Zi, i = 1, 2,. . . , n, obtenidas en la Sección 7.4.1 usando el algoritmo de Leverrier, se
conocen como las matrices constitutivas de A. Las matrices constitutivas también pueden
calcularse usando la fórmula de Sylvester de la siguiente manera:

(7.34)
donde λi, i = 1, 2,. . . , n son los valores propios de la matriz A.

21
El cálculo numérico de la matriz exponencial usando (7.34) puede ser problemático. Por
ejemplo, si dos valores propios son casi iguales, el denominador escalar en la ecuación es
pequeño, lo que da como resultado grandes errores de cálculo. De hecho, el cálculo numérico
de la matriz exponencial no es tan simple como nuestra presentación puede sugerir, con todos
los procedimientos computacionales conocidos fallando en casos especiales. Estos temas se
discuten con más detalle en un documento bien conocido de Moler y Van Loan (1978).

EJEMPLO 7.9

Calcule las matrices constitutivas de la matriz A dadas en los Ejemplos 7.7 y 7.8 usando la fórmula
de Sylvester.

Solución

Las matrices constitutivas se pueden usar para definir cualquier función analítica de una matriz
(es decir, una función que posee una serie de Taylor) y no solo la matriz exponencial. La siguiente
identidad es verdadera para cualquier función analítica f(λ):

(7.35)
Esta identidad nos permite calcular las funciones eAt y Ai, entre otros. Usando las matrices Zi
descritas en el Ejemplo 7.9 y (7.35), obtenemos la matriz de transición de estado descrita en el
Ejemplo 7.7.

22
7.4.3 La matriz de transición de estado para una matriz de estado diagonal

Para una matriz de estado Λ en la forma

(7.36)
la matriz resolutiva es

(7.37)
La matriz de transición de estado correspondiente es

(7.38)
Por lo tanto, la i-ésima matriz constitutiva para la forma diagonal es una matriz diagonal con
entrada de unidad (i, i) y todas las otras entradas son iguales a cero.

EJEMPLO 7.10

Calcule la matriz de transición de estado si la matriz de estado Λ es

Solución

Usando (7.38), obtenemos la matriz de transición de estado

Asumiendo valores propios distintos, la matriz de estado se puede escribir en general en la

forma

(7.39)
donde

vi, wi, = i = 1, 2,. . . , n son los vectores propios derecha e izquierda de la matriz A,
respectivamente. El hecho de que W sea el inverso de V implica que su producto es la matriz de
identidad, es decir,

23
Igualando las entradas de las matrices da

(7.40)
Los vectores propios derechos son los vectores propios usuales de la matriz, mientras que los
vectores propios izquierdos pueden mostrarse como los vectores propios de la matriz
transpuesta.

La matriz A elevada a cualquier potencia entera se puede escribir en la forma

(7.41)
Sustituyendo de (7.41) en la expansión de la serie exponencial de la matriz da

Es decir,

(7.42)
Por lo tanto, tenemos una expresión para la matriz exponencial de A en términos de la matriz
exponencial para la matriz diagonal Λ. La expresión proporciona otro método para calcular la
matriz de transición de estado usando la eigenstructure (valores propios y vectores propios) de
la matriz de estado. El inconveniente del método es que el cálculo de la estructura genética es
computacionalmente costoso.

EJEMPLO 7.11

Obtenga las matrices constitutivas de la matriz de estado usando (7.42), luego obtenga la matriz
de transición de estado para el sistema

24
Solución

La matriz de estado está en forma complementaria, y su ecuación característica se puede escribir

directamente con los coeficientes obtenidos al negar la última fila de la matriz

Los valores propios del sistema son por lo tanto {-1, -2}. La matriz de vectores propios es la matriz
de Van der Monde

La matriz exponencial es

Como se puede deducir de las matrices particionadas utilizadas en el Ejemplo 7.11, la expresión
(7.42) puede usarse para escribir la matriz de transición de estado en términos de las matrices
constitutivas. Primero obtenemos el producto

25
Luego, premultiplicamos por la matriz de partición V para obtener

(7.43)
Sustituyendo (7.43) a (7.42) rendimientos

(7.44)
Por lo tanto, la i-ésima matriz constitutiva de A está dada por el producto de la i-ésima vectores
propios derecha e izquierda. Las siguientes propiedades de la matriz constitutiva se pueden
probar usando (7.44). Las pruebas se dejan como un ejercicio.

Propiedades de las matrices constitutivas

1. Las matrices constitutivas tienen rango 1.

2. El producto de dos matrices constitutivas es

Al elevar Zi a cualquier potencia, se obtiene la matriz Zi. Se dice que Zi es idempotente.

3. La suma de las n matrices constitutivas de una matriz n X n es igual a la matriz de
identidad

EJEMPLO 7.12

Obtenga las matrices constitutivas de la matriz de estado del Ejemplo 7.11 usando (7.44), y
verifique que satisfagan las Propiedades 1 a 3. Luego obtenga la matriz de transición de estado
para el sistema.

Solución

Las matrices constitutivas son

26
Ambas matrices tienen una segunda columna igual o dependiente a la primera y claramente
tienen rango 1. El producto de la primera y segunda matriz es

Los cuadrados de las matrices son

La matriz de transición de estado es

EJEMPLO 7.13

Obtenga la matriz de transición de estado para el sistema con matriz de estado

Solución

Usando el comando eig de MATLAB, obtenemos las matrices

y los valores propios {-1.8429, 13.3554, 0.4875}. Luego multiplicando cada columna de V por la
fila correspondiente de W, obtenemos las matrices constitutivas

27
La matriz de transición de estado es

7.4.4 Forma real para valores propios complejos conjugados

Para el caso de valores propios complejos conjugados de una matriz real, los vectores propios
también serán complejos conjugados. Esto se muestra fácilmente tomando el complejo
conjugado de la ecuación que define los vectores propios correctos

(7.45)
donde usamos el hecho de que la matriz real A es idéntica a su conjugado. Del mismo modo,
para los vectores propios de izquierda

(7.46)
Por lo tanto, la matriz constitutiva para un valor propio complejo λ como se da por

(7.47)
es el conjugado de la matriz constitutiva de su complejo conjugado eigenvalue λ

(7.48)
Usando este hecho, podemos simplificar la expansión de la matriz de transición de estado con
valores propios complejos de la siguiente manera:

(7.49)
Para el valor propio λ = σ + jωd tenemos

(7.50)

EJEMPLO 7.14

El circuito de resonancia RLC de la figura 7.3 con voltaje de condensador como salida tiene el
modelo de espacio de estado

28
 𝑅 1
Suponiendo valores de componentes normalizados tales que 𝐿 = 2, 𝐿𝐶 = 10, obtenga una
forma real de la matriz de transición de estado del sistema combinando términos complejos
conjugados.

FIGURA 7.3
Circuito Serie RLC.

Solución

La matriz de estado está en forma complementaria, y la ecuación característica se puede escribir

por inspección:

Los valores propios del sistema son

La matriz de vectores propios correctos es la matriz de Van der Monde

La matriz izquierda del vector propio es

La matriz constitutiva para el primer valor propio es

La matriz de transición de estado se puede escribir como

29
7.5 La matriz de la función de transferencia

La matriz de la función de transferencia de un sistema se puede derivar de sus ecuaciones de

estado y salida. Comenzamos por Laplace transformando la ecuación de estado (7.3) con cero
condiciones iniciales para obtener

(7.51)
Luego, Laplace transforma la ecuación de salida y la sustituye de (7.51) para obtener

La última ecuación se puede reescribir en la forma

(7.52)
donde H(s) es la matriz de función de transferencia y H(t) es la matriz de respuesta de impulso.
Las ecuaciones enfatizan el hecho de que la función de transferencia y la respuesta al impulso
son pares de la transformada de Laplace.

La ecuación anterior no puede simplificarse más en el caso MIMO porque la división por un
vector U(s) no está definida. En el caso del SI, la función de transferencia se puede expresar
como un vector de relaciones de salidas a entradas. Esto se reduce a una sola relación escalar
en el caso SISO. En general, la entrada ij-ésima de la matriz de la función de transferencia denota

(7.53)
La ecuación (7.52) puede reescribirse en términos de las matrices constitutivas de A como

(7.54)
Esto muestra que los polos de la función de transferencia son los valores propios de la matriz de
estado A. En algunos casos, sin embargo, uno o ambos productos de matrices CZi, ZiB son cero,
y los valores propios no aparecen en la función de transferencia reducida.

La evaluación de (7.52) requiere el cálculo de la matriz de resolución y puede realizarse

utilizando el algoritmo de Leverrier o la fórmula de Sylvester. Sin embargo, esto implica un
esfuerzo considerable. Por lo tanto, solo debemos usar (7.52) para evaluar la función de
transferencia si se dan las ecuaciones de espacio de estado y las ecuaciones diferenciales de
entrada-salida no lo son. Por lo general, es más sencillo obtener la función de transferencia
mediante Laplace transformando la ecuación diferencial de entrada-salida.

30
EJEMPLO 7.15

Calcule la función de transferencia del sistema del ejemplo 7.7 con la posición angular como
salida.

Solución

7.5.1 Comandos de MATLAB

MATLAB obtiene la función de transferencia para las matrices (A, B, C, D) con los comandos

>> g = tf(ss(A, B, C, D))

Por ejemplo, las matrices

se ingresan como

>> A = [zeros(2, 1), [1, 0; 1, 1]; -3, -4, -2]

>> B = [zeros(1, 2); eye(2)]
>> C = [zeros(2, 1), [1, 0; 1, 1]]
>> D = [zeros(2, 1), ones(2,1)]

Entonces la función de transferencia para la primera entrada se obtiene con el comando de

transformación
>> g = tf(ss(A, B, C, D))

31
g=

From input 1 to output...

s^2 + 2 s
1: -------------------
s^3 + s^2 + 2 s + 3

s^2 - 2 s - 3
2: -------------------
s^3 + s^2 + 2 s + 3

From input 2 to output...

s^3 + s^2 + 3 s + 3
1: -------------------
s^3 + s^2 + 2 s + 3

s^3 + 2 s^2 + 2 s + 3
2: ---------------------
s^3 + s^2 + 2 s + 3

Los primeros dos términos son la primera columna de la matriz de función de transferencia

Los siguientes dos términos son la columna de función de la transferencia correspondiente a la

segundo entrada.

El comando tf también se puede usar para obtener la matriz de resolución configurando B = C =

In con D cero. El comando toma la forma

>> Resolvent = tf(ss(A, eye(n), eye(n), 0))

7.6 Ecuaciones de espacio de estado de tiempo discreto

Dado un sistema analógico con entradas constantes a fragmentos (tramos) durante un período
de muestreo dado, las variables de estado del sistema al final de cada período se pueden
relacionar mediante una ecuación de diferencia. La ecuación de diferencia se obtiene al
examinar la solución del estado analógico derivado en la Sección 7.4, durante un período de
muestreo T. La solución viene dada por (7.25), que se repite aquí por conveniencia:

(7.55)
Deje el tiempo inicial t0 = kT y el tiempo final tf = (k + 1)T. Entonces, la solución (7.55) se reduce
a

(7.56)

32
donde x(k) denota el vector en el tiempo kT. Para una entrada constante por tramos

la entrada se puede mover fuera de la integral. El integrando puede simplificarse cambiando la

variable de integración a

Sustituyendo en (7.56), obtenemos la ecuación de estado de tiempo discreto

(7.57)

dónde

(7.58)

(7.59)
Ad es la matriz de estado de tiempo discreto y Bd es la matriz de entrada discreta, y claramente
son de las mismas gestiones que sus contrapartes continuas. La matriz de estado de tiempo
discreto es la matriz de transición de estado para el sistema analógico evaluado en el período
de muestreo T.

Las ecuaciones (7.58) y (7.59) pueden simplificarse aún más utilizando las propiedades de la
matriz exponencial. Para la matriz de estado inversa A, la integral de la matriz exponencial es

(7.60)
Esto nos permite escribir Bd en la forma

(7.61)
Usando la expansión de la matriz exponencial (7.33), reescribimos (7.58) y (7.59) como

(7.62)

33
 (7.63)
Los integrandos en (7.63) son funciones escalares, y la integral se puede evaluar fácilmente.
Debido a que asumimos valores propios distintos, solo un valor propio puede ser cero. Por lo
tanto, obtenemos la siguiente expresión para Bd:

(7.64)
La ecuación de salida evaluada en el tiempo kT es

(7.65)
La representación de espacio de estado discreto está dada por (7.57) y (7.65). La ecuación (7.57)
es aproximadamente válida para un vector de entrada general u(t), siempre que el período de
muestreo T sea suficientemente corto. Por lo tanto, la ecuación puede usarse para obtener la
solución de la ecuación de estado en el caso general.

EJEMPLO 7.16

Obtenga las ecuaciones de estado de tiempo discreto para el sistema del ejemplo 7.7 para un
período de muestreo T = 0.01 s.

Solución

Del ejemplo 7.7, la matriz de transición de estado del sistema es

Por lo tanto, la matriz de estado de tiempo discreto es

Así, la matriz de estado de tiempo discreto es

34
Esto se simplifica a

La matriz de entrada en tiempo discreto es

Esto se simplifica a

7.6.1 Comandos de MATLAB para ecuaciones de espacio de estado discreto!

El comando MATLAB para obtener el espacio de estado discreto cuádruple pd del cuádruple p
continuo con el período de muestreo T = 0.1 es

>> pd = c2d(p, 0.1)

Alternativamente, las matrices se obtienen usando (7.58) y (7.61) y los comandos de MATLAB

>> Ad = expm(A * 0.1)

>> Bd = A\(Ad-eye(size(A))) * B

7.6.2 Valores propios complejos conjugados

Si un sistema analógico con valores propios complejos conjugados λ1,2 = σ ± jωd se discretiza con
la entrada analógica constante en cada período de muestreo, entonces el sistema resultante
tiene los valores propios complejos conjugados 𝑒 λ1,2 = 𝑒 σ ± j𝑤𝑑 . A partir de (7.50), las matrices
constitutivas para la matriz de estados discretos son las mismas que para el sistema analógico,
y la matriz de estados discretos está en la forma

(7.66)
La matriz de entrada discreta está en la forma

35
 (7.67)
Para valores propios en el eje imaginario λ = jωd, y tenemos las formas más simples

(7.68)

(7.69)

EJEMPLO 7.17

Obtenga el estado discreto y la matriz de entrada para el circuito de resonancias en serie del
ejemplo 7.14 con un DAC y un ADC y un período de muestreo T. Evalúe las matrices para T = 0.05
s y compruebe su respuesta con MATLAB.

Solución

La matriz de estado es

La evaluación de las matrices en T = 0.05 s da la misma respuesta que los comandos de MATLAB

>> Ad = expm(A * 0.05)

Ad =
0.9879 0.0474
-0.4738 0.8932

>> Bd = A\(Ad – eye(size(A))) * B

Bd =
0.0012
0.0474

36
7.7 Solución de ecuaciones de espacio de estado discreto

Ahora buscamos una expresión para el estado en el tiempo k en términos del vector de condición
inicial x(0) y la secuencia de entrada u(k), k = 0, 1, 2 ,. . ., k - 1. Comenzamos examinando la
ecuación de estado de tiempo discreto (7.57):

En k = 0, 1, tenemos

(7.70)
Sustituyendo de la primera en la segunda ecuación en (7.70) da

(7.71)
Luego reescribimos (7.71) como

(7.72)
y observe que la expresión se generaliza a

(7.73)
Esta expresión es, de hecho, la solución general. A la izquierda como ejercicio se encuentran los
detalles de la prueba por inducción donde se supone que (7.73) se mantiene y se muestra que
una forma similar vale para x(k + 1).

La expresión (7.73) es la solución de la ecuación de estado en tiempo discreto. La matriz 𝐴𝑘𝑑 se

conoce como la matriz de transición de estado para el sistema de tiempo discreto, y desempeña
un papel análogo a su homólogo continuo. Se puede definir una matriz de transición de estado
para sistemas de tiempo discreto que varían con el tiempo, pero no es una potencia de matriz,
y depende tanto del tiempo k como del tiempo inicial k0.

La solución (7.73) incluye dos términos como en el caso de tiempo continuo. El primero es la
respuesta de entrada cero debido a condiciones iniciales distintas de cero y entrada cero. El
segundo es la respuesta de estado cero debido a una entrada distinta de cero y cero condiciones
iniciales. Como el sistema es lineal, cada término puede calcularse por separado y luego
agregarse para obtener la respuesta total para un sistema forzado con condiciones iniciales
distintas de cero. Sustituyendo de (7.73) en la ecuación de salida de tiempo discreto (7.65) da la
salida

(7.74)

37
7.7.1 Solución en la Transformada z de ecuaciones de estado en tiempo discreto

La ecuación (7.73) se puede obtener transformando en z la ecuación de estado de tiempo

discreto (7.57). La transformada z está dada por

(7.75)
Por lo tanto, X(z) viene dada por

(7.76)
Por lo tanto, es necesario evaluar la transformada inversa z de la matriz [𝑧𝐼𝑛 − 𝐴𝑑 ]−1 𝑧. Esto se
puede lograr expandiendo la matriz en forma de serie

(7.77)
La transformada inversa z de la serie es

(7.78)
Por lo tanto, tenemos el par de la transformada z

(7.79)
Este resultado es análogo al par de transformaciones escalares

La matriz inversa en (7.79) se puede evaluar utilizando el algoritmo Leverrier de la Sección 7.4.1
para obtener la expresión

(7.80)
Luego, después de la factorización del denominador y la expansión de fracciones parciales,
obtenemos

(7.81)
donde λi, i = 1, 2,. . . , n son los valores propios de la matriz de estado discreto Ad. Finalmente, la
transformada inversa z para obtener la matriz de transición de estado de tiempo discreto

*
(7.82)
Escribiendo (7.82) para k = 1 y usando (7.58), tenemos

(7.83)

38
donde los paréntesis indican términos pertenecientes a la matriz de estado de tiempo continuo
A. Debido a que la igualdad debe mantenerse para cualquier período de muestreo T y cualquier
matriz A, tenemos las dos igualdades

(7.84)
En otras palabras, las matrices constitutivas de la matriz de estado de tiempo discreto son
simplemente las de la matriz de estado de tiempo continuo A, y sus valores propios son
funciones exponenciales de los valores de característica de tiempo continuo multiplicados por
el período de muestreo. Esto nos permite escribir la matriz de transición de estado de tiempo
discreto como

(7.85)
Para una matriz de estado con valores propios complejos conjugados λ 1,2 = σ ± jωd, la matriz de
transición de estado para el sistema de tiempo discreto se puede escribir como

(7.86)
Para completar la solución de la ecuación de estado de tiempo discreto, examinamos la
respuesta de estado cero reescrita como

(7.87)
El término entre llaves en (7.87) tiene una transformada inversa conocida, y la multiplicación
por z-1 es equivalente a retrasar su transformada inversa en un período de muestreo. Los
términos restantes también tienen una transformada inversa conocida. Usando el teorema de
convolución, el inverso del producto es la suma de convolución

(7.88)
Esto completa la solución usando de la transformada z. Usando (7.85) en (7.88), la respuesta de
estado cero puede escribirse como

(7.89)
Luego intercambiando el orden de suma da

(7.90)
Esta expresión es útil en algunos casos especiales donde la suma sobre i puede obtenerse en
forma cerrada.

39
Ocasionalmente, las condiciones iniciales se dan en un tiempo distinto de cero. La solución
completa (7.73) se puede cambiar para obtener la respuesta

(7.91)
donde x(k0) es el estado en el tiempo k0.

EJEMPLO 7.18

Considere la ecuación de estado

1. Resuelva la ecuación de estado para una entrada paso unitario y el vector de condición
inicial x(0) = [1 0] T.
2. Use la solución para obtener las ecuaciones de estado de tiempo discreto para un
período de muestreo de 0.1 s.
3. Resuelva las ecuaciones de estado de tiempo discreto con las mismas condiciones
iniciales y de entrada que en la parte 1, y verifique que la solución sea la misma que la
que se muestra en la parte 1 evaluada en múltiplos del período de muestreo T.

Solución

1. Comenzamos por encontrar la matriz de transición de estado para el sistema dado. La matriz
resolutiva es

Para la transformada inversa de Laplace, necesitamos la expansión de fracciones parciales

Por lo tanto, reducimos la matriz resolutiva a

Las matrices en la expansión anterior son ambas de rango 1 porque son las matrices
constitutivas de la matriz de estado A. La expansión puede transformarse fácilmente con la
transformada de Laplace para obtener la matriz de transición de estado

40
 La respuesta de entrada cero del sistema es

Para una entrada paso, la respuesta de estado cero es

donde * denota convolución. Debido a que la convolución de un exponencial y una señal

paso es una operación relativamente simple, no necesitamos la transformada de Laplace.
Usamos la identidad

para obtener

La respuesta total del sistema es la suma de las respuestas de entrada cero y estado cero

2. Para obtener las ecuaciones de estado de tiempo discreto, usamos la matriz de transición
de estado obtenida en el paso 1 con t reemplazada por el período de muestreo. Para un
período de muestreo de 0.1, tenemos

La matriz de entrada de tiempo discreto Bd se puede evaluar como se muestra

anteriormente usando (7.59). También se puede observar que la respuesta del sistema de
tiempo continuo a una entrada escalón de la duración de un período de muestreo es la
misma que la respuesta de un sistema debido a una entrada constante por tramos discutida
en la Sección 7.6. Si la entrada es de amplitud unitaria, Bd puede obtenerse a partir de la
respuesta de estado cero de la parte 1 con t reemplazada por el período de muestreo T =
0.1. Bd está dado por

41
3. La solución de las ecuaciones de estado de tiempo discreto implica la matriz de transición
de estado de tiempo discreto

La respuesta de entrada cero es el producto

La comparación de este resultado con la respuesta de entrada cero del sistema de tiempo
continuo revela que los dos son idénticos en todos los puntos de muestreo k = 0, 1, 2,. . ..

A continuación, aplicamos la transformada z a la matriz de transición de estado de tiempo

discreto para obtener

Por lo tanto, la transformada z de la respuesta de estado cero para una entrada paso unitario
es

Ahora necesitamos la expansión a fracciones parciales de

Sustituyendo en la expresión de respuesta de estado cero da

Entonces la transformada inversa da la respuesta

Este resultado es idéntico a la respuesta de estado cero para el sistema continuo en el

tiempo t = 0.1 k, k = 0, 1, 2,. . .. La respuesta de estado cero también se puede obtener
usando (7.90) y la suma conocida

42
Sustituyendo la suma en (7.90) con entrada constante y luego simplificando da el resultado

La sustitución de valores numéricos en la expresión anterior produce la respuesta de estado cero

obtenida anteriormente.

7.8 La función de transferencia z desde las ecuaciones de espacio de estado

La función de transferencia z se puede obtener a partir de la representación de espacio de

estado de tiempo discreto mediante la transformada z de la ecuación de salida (7.65) para
obtener

(7.92)
La función de transferencia se deriva bajo cero condiciones iniciales. Por lo tanto, sustituimos la
transformada z de la respuesta de estado cero (7.87) por X(z) para obtener

(7.94)
donde G(z) es la matriz

(7.95)
y G(k) es la matriz de respuesta de impulso. La matriz de la función de transferencia y la matriz
de respuesta al impulso son pares de la transformada z.

Sustituyendo de (7.81) a (7.95) da la expresión alternativa

(7.96)
Por lo tanto, los polos del sistema son los valores propios de la matriz de estado de tiempo
discreto Ad. De (7.84), estas son funciones exponenciales de los valores propios λi(A) de la matriz
de estado de tiempo continuo A. Para una matriz estable A, los valores propios λi(A) tienen
partes reales negativas y los valores propios λi tienen magnitud menor que la unidad. Esto
implica que la discretización de la Sección 7.6 produce un sistema estable de tiempo discreto
para un sistema estable de tiempo continuo.

43
Otra consecuencia importante de (7.96) es que el producto CZiB puede desaparecer y eliminar
ciertos valores propios de la función de transferencia. Esto ocurre si el producto CZi es cero, el
producto ZiB es cero o ambos. Si se produce dicha cancelación, se dice que el sistema tiene un
cero de desacoplamiento de salida en λi, un cero de desacoplamiento de entrada en λi, o un
cero de desacoplamiento de entrada-salida en λi, respectivamente. Los polos de la función de
transferencia reducida son entonces un subconjunto de los valores propios de la matriz de
estado Ad. Se dice que una realización de estado que lleva a la cancelación de polos-ceros es
reducible o no mínima. Si no ocurre una cancelación, se dice que la realización es irreductible o
mínima.

Claramente, en el caso de un cero de desacoplamiento de salida en λi, la respuesta del sistema

forzado no incluye el modo λ𝑘𝑦 . En caso de un cero de desacoplamiento de entrada, el modo
está desacoplado o no afectado por la entrada. En caso de un cero de desacoplamiento de
entrada-salida, el modo se desacopla de la entrada y la salida. Estas propiedades están
relacionadas con los conceptos de controlabilidad y observabilidad discutidos en el Capítulo 8.

EJEMPLO 7.19

Obtenga la función de transferencia z para el sistema de control de posición descrito en el

Ejemplo 7.18.

1. Con x1 como salida

2. Con x1 + x2 como salida

Solución

Del ejemplo 7.18, tenemos

1. La matriz de salida C y la matriz de transmisión directa D para la salida x1 son

Por lo tanto, la función de transferencia del sistema es

2. Con x1 + x2 como salida, C = [1, 1] y D = 0. La función de transferencia es

44
El sistema tiene un cero de desacoplamiento de salida en e-0.1 porque el producto CZ1 es cero.
La respuesta del sistema a cualquier entrada no incluye el término de desacoplamiento. Por
ejemplo, la respuesta a la señal paso es la transformada inversa

Es decir, la respuesta a la señal paso es

7.8.1 La Función de Transferencia z en MATLAB

Las expresiones para obtener las funciones de transferencia del dominio z y del dominio s
difieren solo en que z en el primero se reemplaza por s en el segundo. El mismo comando
MATLAB se usa para obtener las funciones de transferencia de dominio z y dominio s. La función
de transferencia para las matrices (Ad, Bd, C, D) se obtiene con los comandos

>> p = ss(Ad,Bd,C,D,T)
>> gd = tf(p)

donde T es el período de muestreo. Los polos y ceros de una función de transferencia se

obtienen con el comando
>> zpk(gd)

Para el sistema descrito en el Ejemplo 7.19 (2), obtenemos

Zero/pole/gain:
0.090635 (z - 0.9048)
––––––––––––––
(z - 0.9048) (z - 0.8187)
Sampling time: 0.1

El comando revela que el sistema tiene un cero en 0.9048 y polos en (0.9048, 0.8187) con una
ganancia de 0.09035. Con la cancelación de polos-ceros, la función de transferencia es la misma
que la que se muestra en el Ejemplo 7.19 (2).

7.9 Transformación de similitud

Cualquier sistema lineal dado tiene un número infinito de representaciones de espacio de

estado válidas. Cada representación corresponde a un conjunto diferente de vectores de base
en espacio de estado. Se prefieren algunas representaciones porque revelan ciertas propiedades
del sistema, mientras que otras pueden ser útiles para tareas de diseño específicas. Esta sección
considera la transformación de una representación a otra.

45
Dado un vector de estado x(k) con representación de espacio de estado de la forma (7.57),
definimos un nuevo vector de estado z(k)

(7.97)
donde la matriz de transformación Tr se supone invertible. Sustituyendo x(k) de (7.97) en la
ecuación de estado (7.57) y la ecuación de salida (7.65) da

(7.98)
Premultiplicando la ecuación de estado por 𝑇𝑟−1

(7.99)
Por lo tanto, tenemos el espacio de estado cuádruple para el vector de estado z(k)

(7.100)
Claramente, el cuádruple para el vector de estado x(k) se puede obtener del cuádruple de z(k)
usando la transformada inversa Tr (es decir, la matriz 𝑇𝑟−1).

Para el sistema de tiempo continuo de (7.3), se puede definir un vector de estado z(t) como

(7.101)
y sustituyendo en (7.3) dado (7.100). Por lo tanto, una discusión sobre la transformación de
similitud es idéntica para los sistemas de tiempo continuo y discreto. Por lo tanto, dejamos caer
el subíndice d en la secuela.

EJEMPLO 7.20

Considere la masa de puntos m impulsada por una fuerza f del ejemplo 7.1, y determine las dos
ecuaciones de espacio de estado cuando m = 1 y

1. El desplazamiento y la velocidad son las variables de estado

2. El desplazamiento y la suma del desplazamiento y la velocidad son las variables de
estado

Solución

1. Desde el principio, como se muestra en el Ejemplo 7.1, tenemos que la ecuación del
movimiento es

y en el caso 1, al considerar x1 como el desplazamiento y x2 como la velocidad, podemos

escribir

Por lo tanto, obtenemos la realización

46
2. Expresamos las nuevas variables de estado, z1 y z2, en términos de la variable de estado de
la parte 1 como

Esto produce el inverso de la matriz de transformación

El uso (7.100) da la realización

Para obtener la transformación a la forma diagonal, recordamos la expresión

(7.102)
donde V es la matriz modal de vectores propios de A y Λ = diag {λ1, λ2,. . . , λn} es la matriz de
valores propios de A. Por lo tanto, para A = Λ en (7.100), usamos la matriz modal de A como la
matriz de transformación. La forma así obtenida no es necesariamente la misma que la forma
diagonal obtenida en la Sección 8.5.3 de la función de transferencia que usa la expansión de
fracciones parciales. Aunque todas las formas diagonales comparten la misma matriz de estado,
sus matrices de entrada y salida pueden ser diferentes.

EJEMPLO 7.21

Obtenga la forma diagonal de las ecuaciones de espacio de estado

Solución

El comando eig de MATLAB proporciona los valores propios y la matriz modal cuyas columnas
tienen la norma unidad

La matriz de estado está en forma complementaria y también se sabe que la matriz modal es la
matriz de Van der Monde (las normas de columna no necesitan ser unitarias):

47
El comando de MATLAB para la transformación de similitud es ss2ss. Requiere la 𝑇𝑟−1 inversa de
la matriz de transformación de similitud Tr. Dos comandos de MATLAB transforman en forma
diagonal. El primero requiere la matriz modal de vectores propios V y el sistema a transformar

>> s_diag = ss2ss(system, inv(v))

El segundo usa transformación de similitud pero no requiere la matriz de transformación

>> s_diag = canon(system, 'modal')

Los dos comandos producen

Para valores propios complejos conjugados, el comando canon produce una realización real
pero su matriz de estado no está en forma diagonal, mientras que ss2ss producirá una matriz
diagonal pero compleja.

7.9.1 Invarianza de funciones de transferencias y ecuaciones características

Sistemas similares pueden verse como representaciones diferentes de los mismos sistemas. Esto
está justificado por el siguiente teorema.

TEOREMA 7.1

Los sistemas similares tienen funciones de transferencia y polinomios característicos

idénticos.
PRUEBA

Considere los polinomios característicos de realizaciones similares (A, B, C, D) y (A1, B1, C1, D):

La matriz de función de transferencia es

donde usamos la identidad (A B C)-1 = C-1 B-1 A-1.

Claramente, no todos los sistemas con la misma función de transferencia son similares, debido
a la posibilidad de cancelación de polos-ceros. Se dice que los sistemas que dan lugar a la misma
función de transferencia son equivalentes.

48
EJEMPLO 7.22

Demuestre que el siguiente sistema es equivalente al sistema que se muestra en el Ejemplo 7.19
(2).

Solución

La función de transferencia del sistema es

que es idéntico a la función de transferencia reducida del ejemplo 7.19 (2).

Recursos

 D’Azzo, J.J., Houpis, C.H., 1988. Linear Control System Analysis and Design. McGraw-Hill, New York.
 Belanger, P.R., 1995. Control Engineering: A Modern Approach. Saunders, Fort Worth, TX.
 Brogan, W.L., 1985. Modern Control Theory. Prentice Hall, Englewood Cliffs, NJ.
 Chen, C.T., 1984. Linear System Theory and Design. HRW, New York.
 Friedland, B., 1986. Control System Design: an Introduction to State!Space Methods. McGraw-Hill,
New York.
 Gupta, S.C., Hasdorff, L., 1970. Fundamentals of Automatic Control. Wiley, New York.
 Hou, S.-H., 1998. A simple proof of the Leverrier-Faddeev characteristic polynomial algorithm. SIAM
Review 40 (3), 706!709.
 Kailath, T., 1980. Linear Systems. Prentice Hall, Englewood Cliffs, NJ.
 Moler, C.B., Van Loan, C.F., 1978. Nineteen dubious ways to calculate the exponential of a matrix.
SIAM Review 20, 801!836.
 Sinha, N.K., 1988. Control Systems. HRW, New York.

PROBLEMAS

1. Clasifique las ecuaciones de espacio de estado con respecto a la linealidad y la varianza del
tiempo:

49
2. Las ecuaciones de movimiento de un 2-D.O.F. manipulador son

donde θ = [θ1, θ2]T es un vector de ángulos de articulación. Las entradas de la matriz de

inercia definida positiva M dependen de las coordenadas del robot θ. D2 es una constante
de amortiguamiento. Los términos gi, i = 1, 2, son términos relacionados con la gravedad
que también dependen de las coordenadas. El lado derecho es un vector de fuerzas
generalizadas.

(a) Obtenga una representación de estado de espacio para el manipulador, y luego

linealícela cerca de un punto de operación general (x0, u0).
(b) Obtenga el modelo linealizado en la vecindad de coordenadas cero, velocidades e
insumos.
(c) Demuestre que, si las entradas de la matriz de estado son polinomios, la respuesta
a (b) se puede obtener de (a) dejando que todos los términos no lineales pasen a
cero.

3. Obtenga los exponenciales de la matriz para las matrices de estado usando cuatro enfoques
diferentes:

50
 (d) A es una matriz diagonal de bloques con las matrices de (b) y (c) en su diagonal.

4. Obtenga las respuestas de entrada cero de los sistemas del problema 7.3 debido a los
vectores de condición inicial:

(a), (b), (c) [1, 1, 0]T y [1, 0, 0]T

(d) [1, 1, 0, 1, 0, 0]T

5. Determine las ecuaciones de estado de tiempo discreto para los sistemas del problema 7.3

(a), (b) y (c), con b = [0, 0, 1]T en términos del período de muestreo T.

6. Demuestre que los vectores propios (derechos) de la matriz AT son los vectores propios
izquierdos de A y que los valores propios de AT son los valores propios de A que usan

7. Demuestre las propiedades de las matrices constitutivas dadas en la Sección 7.4.3 utilizando
(7.44).

8.
a) Derive las expresiones para los términos de la matriz adjunta utilizada en el algoritmo
Leverrier. Sugerencia: multiplique ambos lados de (7.28) por la matriz [sI - A] e iguale los
coeficientes.

b) Derive las expresiones para los coeficientes de las ecuaciones características usadas en
el algoritmo Leverrier. Sugerencia: La expresión de la transformada de Laplace derivada
de la matriz exponencial para obtener

Toma la traza y luego usa la identidad

9. Se supone que el componente biológico de un sistema de pesca está regido por la ecuación
de dinámica de la población

donde r es la tasa de crecimiento intrínseco por unidad de tiempo, K es la capacidad de

transporte del medio ambiente, x(t) es la biomasa del stock y h(t) es la tasa de cosecha en
peso.2

(a) Determine la tasa de cosecha para una población de peces sostenible x0 < K.
(b) Linealice el sistema en la vecindad de la población de peces x0.

2
Clark, C.W., 1990. Mathematical Bioeconomics: The Optimal Management of Renewable
Resources. Wiley, New York.

51
 (c) Obtenga un modelo de tiempo discreto para el modelo linealizado con una tasa de
cosecha anual promedio fija h(k) en el año k.
(d) Obtenga una condición para la estabilidad de la población de peces de su modelo de
tiempo discreto, y comente sobre la importancia de la condición.

10. Las siguientes ecuaciones diferenciales representan un modelo simplificado de una grúa
aérea: 3

donde mC es la masa del carro, mL es la masa del gancho/arga, l es la longitud del cable, g es
la aceleración de la gravedad, u es la fuerza aplicada al carro, x1 es la posición del carro, y x3
es el ángulo de la cuerda. Considere la posición de la carga y = x1 + l sin x3 como la salida.

(a) Determine un modelo de espacio de estado linealizado del sistema sobre el punto
de equilibrio x = 0 con las variables de estado x1, x3, la primera derivada de x1 y la
primera derivada de x3.
(b) Determine un segundo modelo de espacio de estado cuando la suma de la posición
del trole y del ángulo del cable se sustituye por el ángulo del cable como una tercera
variable de estado.

11. Obtenga la forma diagonal para el sistema discreto del motor de CC controlado por la
armadura del ejemplo 7.15 con la posición angular del motor como salida.

12. Un sistema cuyas respuestas de estado y salida son siempre no negativas para cualquier
condición inicial no negativa y cualquier entrada no negativa se denomina sistema positivo.4
Los sistemas positivos surgen en muchas aplicaciones donde la variable del sistema nunca
puede ser negativa, incluidos procesos químicos, sistemas biológicos y economía, entre
otros. Demuestre que el sistema de tiempo discreto de una sola entrada y de salida única
(A, b, cT) es positivo si y solo si todas las entradas del estado, la entrada y la matriz de salida
son positivas.

13. Para monitorear la contaminación del río, necesitamos modelar la concentración de materia
biodegradable contenida en el agua en términos de la demanda bioquímica de oxígeno para
su degradación. También necesitamos modelar el déficit de oxígeno disuelto definido como
la diferencia entre la concentración más alta de oxígeno disuelto y la concentración real en
mg/l. Si las dos variables de interés son las variables de estado x1 y x2, respectivamente,
entonces un modelo apropiado viene dado por

3PiazziA., Visioli, A., 2002. Optimal dynamic-inversion-based control of an overhead crane. IEE
Proceedings: Control Theory and Applications 149 (5), 405!411.
4Farina, L., Rinaldi, S., 2000. Positive Linear Systems: Theory & Applications. Wiley-Interscience,
New York.

52
 donde k1 es una constante de biodegradación y k2 es una constante de reacción, y ambos
son positivos. Supongamos que las dos constantes positivas son desiguales. Obtenga un
modelo de tiempo discreto para el sistema con el período de muestreo T y demuestre que
el sistema es positivo.

14. Los vehículos submarinos autónomos (AUVs) son submarinos robóticos que se pueden
utilizar para una variedad de estudios del entorno subacuático. La dinámica vertical y
horizontal del vehículo debe controlarse para operar de forma remota el AUV. El INFANTE
(Figura P7.14) es un AUV de investigación operado por el Instituto Superior Técnico de
Lisboa, Portugal.5

Las variables de interés en el movimiento horizontal son la velocidad de oscilación y el

ángulo de orientación. Un modelo lineal del movimiento del plano horizontal del vehículo
viene dado por

donde x1 es la velocidad de oscilación, x2 es el ángulo de orientación, x3 es la velocidad de

orientación, y u es la deflexión del timón. Obtenga el modelo de espacio de estado discreto
para el sistema con un período de muestreo de 50 ms.

FIGURA P7.14
El INFANTE AUV. (De Silvestrea y Pascoa, 2004; usado con permiso).

5Silvestrea,
C., Pascoa, A., 2004. Control of the INFANTE AUV using gain scheduled static output
feedback. Control Engineering Practice 12, 1501!1509.

53
15. Un modelo de espacio de estado lineal simplificado de la ingestión de un fármaco en el
torrente sanguíneo viene dado por6

donde
x1 = la masa del fármaco absorbido en mg
x2 = la masa de la droga en el torrente sanguíneo en mg
u = la tasa a la que se ingiere el medicamento en mg/min

(a) Encuentre la matriz de transición de estado del sistema.

(b) Obtenga un modelo de espacio de estado de tiempo discreto para el sistema con un
período de muestreo T en términos de los parámetros del modelo.

16. Una suposición típica en la mayoría de los modelos matemáticos es que las ecuaciones
diferenciales del sistema o las funciones de transferencia tienen coeficientes reales. En
algunas aplicaciones, esta suposición no es válida. En los modelos de máquinas rotativas, la
evolución de los vectores que gobiernan el sistema con el tiempo depende de su orientación
espacial con respecto a los ejes inerciales fijos. Para un motor de inducción, suponiendo
simetría, se utilizan dos ejes fijos del estator como el marco de referencia: el eje directo (d)
en la dirección horizontal y el eje de la cuadratura (q) en la dirección vertical. Los términos
en la dirección de cuadratura se identifican con un coeficiente (j) que está ausente de los
términos del eje directo. Los dos ejes se muestran en la Figura P7.15.

FIGURA P7.15
Marco del estator para el motor de inducción.

6McClamroch, N.H., 1980. State Models of Dynamic Systems: A Case Study Approach. Springer- Verlag.

54
 Escriba las ecuaciones para el subsistema eléctrico del motor en términos de las
corrientes y tensiones del estator y del rotor. Cada corriente se descompone en un
componente de eje directo y un componente de cuadratura, y este último se identifica
con el término (j). Las ecuaciones del dominio s del motor se obtienen de su circuito
equivalente usando las leyes de Kirchhoff. Las ecuaciones relativas a los ejes del estator
e incluyendo términos complejos son

donde
Rs (Rr) = Resistencia de estator (rotor)
Ls, Lr, Lm = estator, rotor, inductancia mutua, respectivamente
ωr = velocidad angular del rotor

(a) Escriba las ecuaciones de estado para el motor de inducción.

(b) Sin obtener los valores propios de la matriz de estado, demuestre que los dos
valores propios no son complejos conjugados.

17. En muchas aplicaciones prácticas, el muestreo de salida en un sistema de control digital no

está exactamente sincronizado con la transición de entrada. Muestre que la ecuación de
salida correspondiente al muestreo de salida en tk = kT + Δk,

donde .

 Si la matriz de transmisión directa D es cero, ¿influye la entrada directamente en la

salida muestreada?
 ¿Cuándo es el modelo de entrada-salida resultante invariante en el tiempo?

EJERCICIOS INFORMÁTICOS

18. Escriba un programa de computadora para simular los sistemas del problema 7.1 para varias
condiciones iniciales con entrada cero, y discuta sus resultados refiriéndose a las soluciones
del ejemplo 7.4. Obtenga gráficos de las trayectorias de fase para cualquier sistema de
segundo orden.

19. Escriba un programa para obtener la matriz de transición de estado usando el algoritmo
Leverrier.

20. Simule los sistemas del problema 7.3 (a - c) con las condiciones iniciales de 7.4, y obtenga
gráficas de trayectoria de estado con una variable de estado fija para cada sistema.

55
21. Repita el problema 7.5 usando un paquete de diseño asistido por computadora (CAD) para
dos elecciones aceptables del período de muestreo y compare los sistemas resultantes.

22. Simule el sistema de contaminación del río del problema 7.13 para los valores de parámetros
normalizados de k1 = 1, k2 = 2, con un período de muestreo T = 0.01 s para las condiciones
iniciales xT (0) = [1, 0], [0, 1], [1 , 1], y trazar todos los resultados juntos.

23. Repita el problema 7.14 usando un paquete de CAD.

24. Al evaluar las derivadas de la matriz exponencial en t = 0, demuestre que para cualquier
matriz A con valores propios distintos, las matrices constitutivas se pueden obtener
resolviendo la ecuación

Escriba una función MATLAB que evalúe las matrices constitutivas y guárdelas en una matriz
de celdas.

25. El teorema de Cayley-Hamilton establece que, si 𝑓(λ) = λ𝑛 + 𝑎𝑛−1 λ𝑛−1 + ⋯ + 𝑎1 λ + 𝑎0

es el polinomio característico de una matriz A, luego 𝑓(𝐴) = 𝐴𝑛 + 𝑎𝑛−1 𝐴𝑛−1 + ⋯ + 𝑎1 𝐴 +
𝑎0 𝐼0 = 0.

Esto nos permite expresar la enésimo potencia como

(a) Verificar la validez del teorema para la matriz utilizando los comandos de MATLAB
poly y polyvalm. Tenga en cuenta que la respuesta que obtenga no será exacta
debido a errores numéricos.
(b) Use el teorema de Cayley-Hamilton para mostrar que la matriz exponencial
de una matriz A se puede escribir como

(c) Muestre que el valor inicial del vector de funciones de tiempo

56
 es dado por

(d) Al diferenciar la expresión de (b), use el teorema de Cayley-Hamilton para mostrar que
el vector de funciones de tiempo satisface

(e) La transposición de la matriz de (d) está en una forma complementaria cuya

descomposición del vector propio se puede escribir por inspección. Usa este hecho para
obtener la ecuación

(f) Escriba una función MATLAB para calcular la exponencial de la matriz utilizando el
teorema de Cayley-Hamilton y los resultados de (b - e).

57