Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A ; 0
Donde:
i o
i n
o n
Por lo que:
A I 0
Para tener soluciones no triviales:
det A I 0
Diagonalización
Definiendo
T : 1 2 n
1 0 0
0 2 0
D :
0 0 n
Por lo que,
AT TD
D T 1 AT
Se tiene que A es una matriz similar a una matriz diagonal D , utilizando transformaciones de
similitud. La matriz diagonal está formada por los eigenvalores de A .
Funciones matriciales de una matriz cuadrada:
Se una función f A se puede representar por una serie de potencia infinita, también se puede
representar en términos de potencias de A con n 1 términos.
f A 0 I 1 A 2 A2 n 1 An 1
Que también implica:
f k 0 1k 2k2 n 1kn 1
Con lo que se forma:
1 1 12 1n 1 0 f 1
1 2 22 2n 1 1 f 2
n 1
1 n 1 n 1
2
n 1 n 2 f n 2
1 n n2 nn 1 n 1 f n 1
Matriz de Vandermonde
Ejemplo:
Sea:
1 2
A
2 1
1 1 ; 2 3
Calcular A1
f A A1 0 I 1 A
f 1 11 0 I 11 1
1
f 2 2 1 0 I 12
3
Por lo que:
1 1 0 1
1 3 1 3
1
2 1
0 1
3 3
2 1 0 1 1 2
A 1
3 0 1 3 2 1
1 1 2
A 1
3 2 1
1
1 1 1 3 1
1 3
4 1 1
Ejemplo:
Calcular e At del ejemplo anterior:
f A e At 0 t I 1 t A
f 1 e1t 0 I 11 e t
f 2 e2t 0 I 12 e3t
1 1 0 e t
1 3 3t
1 e
0 3e t e3t 1 e t e3t
1 1
4 4
Por lo que:
1 0 1 t 3t 1 2
e At
1
3e t e3t e e
4 0 1 4 2 1
1 e t e 3t e t e 3t
e t 3t
At
2 e e e t e 3t
1 1 1 1
t 2 2 3t 2 2
e e
1 1 1 1
2 2 2 2
Ejemplo:
Calcular Ak del ejemplo anterior:
f A Ak 0 t I 1 t A
f 1 1k 0 I 11 1
k
f 2 2 k 0 I 12 3
k
1 1 0 1
k
1 3 1 3
k
0
1
4
3 1 3
k k
1
1
4
k
1 3
k
Por lo que:
Ak
1
4
k 1
3 1 3
k
0 1 k 1
1 3
0 1 4
k 2
2 1
1 1 3 1 3
k k k k
A
k
2 1k 3k 1k 3k
1 1 1 1
1 3
k 2 2 k 2 2
1 1 1 1
2 2 2 2
Teorema de Sylvester
n
P A P i Zi i
i 1
Donde:
A I
n
j
j 1
Z i i
j i
n
i j
j 1
j i
Z i i
n
A I j
j 1
j i
i j
n
e At eit Z i i
i 1
Z i i
n
A I
j
j 1
j i
i j
A 2 I A 1 I
Z1 1 ; Z 2 2
1 2 2 1
A 2 I 0 1 2 0 2 1
Z1 1
1 2 2 3 0 2 2 1
1 2 1 2 1
A 1 I 1 0 1 1 0 1 1 1 1
Z 2 2
2 1 1 2 3 0 1 2 2 2 2
2 1 2 1 1
2 1 2t 1 1
e At e t e
2 1 2 2
2e t e 2t e t e 2 t
t 2 t
2e 2e e t 2e 2t
LINEALIZACIÓN
Comportamiento a pequeñas señales
Sea un sistema no lineal
x0 t f x0 t , u0 t , t ; t0 t t f
o
y0 t g x0 t , u0 t , t
o
Alrededor de un punto de equilibrio x0 , u0 , t0 . Este se tiene cuando x0 t 0 , un sistema no
lineal puede tener muchos puntos de equilibrio.
Un sistema no lineal ante disturbios pequeños se comporta como un sistema lineal. Por lo que en
general:
x t f x t , u t , t
o
y t g x t , u t , t
Se desea la solución perturbada x1 , u1 , t1 en t0 t t f donde:
u1 u0
x1 x0
y1 y0
Por lo que:
o o
x0 f x0 , u0 , t
y0 g x0 , u0 , t
Suponiendo que f y g son funciones diferenciables al menos dos veces en todos sus argumentos,
excepto en t, y desarrollando en serie de Taylor alrededor de la solución original.
f f
o o
x0 f x0 , u0 , t O
2 2
x x0 ,u0 u x0 ,u0
y0 g x0 , u0 , t
g
x x0 ,u0
g
u x0 ,u0
O
2 2
Donde las matrices Jacobianas son:
f1 f1 f1 f1 f1 f1
x x2 xn u u2 ur
1 1
f 2 f 2 f 2 f 2 f 2 f 2
f f
x1 x2 xn u1 u2 ur
x u
f n f n f n f n f n f n
x1 x2 xn u1 u2 ur
g1 g1 g1 g1 g1 g1
x x2 xn u u2 ur
1 1
g 2 g 2 g 2 g 2 g 2 g 2
g g
x1 x2 xn u1 u2 ur
x u
g m g m g m g m g m g m
x1 x2 xn u1 u2 ur
g g
x x0 ,u0 u x0 ,u0
g g
C t ; D t
x x0 ,u0 u x0 ,u0
En general se considera que un disturbio es pequeño si para propósitos de análisis se puede modelar
como un sistema lineal.
Se considera que un disturbio es grande si para propósitos de análisis no se puede modelar como
un sistema lineal.
Los sistemas discretos se presentan en muchos casos, ya sea por el manejo en computadoras o por
facilidad cuando se discretizan sistemas continuos para un manejo más eficiente, como sucede en
registros de carga eléctrica, escurrimientos de agua, registros de viento, radiación solar, precios de
mercado, frecuencia y en general en datos de sistemas continuos que se almacenan en
computadoras utilizando muestreos.
Los modelos discretos se manejan por el tiempo de muestreo de entrada salida son:
y k n an 1 y k n 1 a1 y k 1 a0 y k
u k m bm1u k m 1 b1u k 1 b0u k
Transformada
Propiedades
P.1. Linealidad.
af k bg k aF z bG z
f k 1 k 1
g k
0 k 0
G z z 1 F z
Ejemplos:
Y z : z k ; z 1
k 0
Entonces
z
k 0
k
a
1 z k 1 z 1 z z k 1 z 1 z k 1
k 1 k 1 k 1
Para k j 1
1 z 1 z k a
k 0
1
1 z a a
Entonces:
z
Y z
z 1
Ejemplos:
1. Resolver
y k 1 y k 0 k 0,1, 2, y 0 1
Transformando:
zY z zy 0 Y z 0
z 1 Y z z 0
Por lo que:
z
Y z
z 1
y k 1 ; k 0,1, 2,
2. Resolver
y k 1 2 y k 4k k 0,1, 2, y 0 0
z
zY z zy 0 2Y z
z4
z
zY z 2Y z z 2 Y z
z4
z
Y z
z 2 z 4
Utilizando fracciones parciales
2 1
z 3 3
z 2 z 4 z4 z2
0
k 0
y k 2 k 1 1
3 4 3 2
k 1
k 1
y k n an 1 y k n 1 a1 y k 1 a0 y k
u k m bm1u k m 1 b1u k 1 b0u k
Forma normal lineal en variables de estado
Sistema nolineal:
x k 1 f x k , u k , k ; x 0 x0
y k g x k ,u k , k
Sistema lineal:
x k 1 A k x k B k u k
y k C k x k D k u k
Donde:
(1) x k n
para toda k, es el vector de estado.
(2) u k m
para toda k, es el vector de entrada.
(3) y k r
para toda k, es el vector de salida.
Utilizando:
x k 1 qx k
x k q 1 x k 1
x1 k 1 a1 1 0 x1 k b1
x2 k 1 a2 0 1 x2 k b2 u k
x k 1 a 0 0 x3 k b3
3 3
x1 k
y k 1 0 0 x2 k 0 u k
x k
3
Diagrama de simulación
u
b3 b2 b1
x3 k 1 x3 k x2 k 1 x2 k x1 k 1 x1 k
+ + + + +
q 1 q 1 q 1 y
- - -
a3 a2 a1
x k 1 A k x k ; x 0 x0
Por lo que:
x 1 A 0 x 0
x 2 A 1 x 1 A 1 A 0 x 0
x 3 A 2 x 2 A 2 A 1 A 0 x 0
x k A k 1 A k 2 A 0 x 0
Entonces
k 1
x k A x 0
0
Por lo que:
k 1
A A k 1 A k 2
j
A j
k 1
Si j=k
A : I
k
n
k 1
k , j A A k 1 A k 2 A j
j
u k u 0 , u 1 , , u i ,
x 1 A 0 x 0 B 0 u 0
x 2 A 1 x 1 B 1 u 1 A 1 A 0 x 0 B 0 u 0 B 1 u 1
A 1 A 0 x 0 A 1 B 0 u 0 B 1 u 1
x 3 A 2 x 2 B 2 u 2
A 2 A 1 A 0 x 0 A 2 A 1 B 0 u 0 A 2 B 1 u 1 B 2 u 2
k
x k k , 0 x 0 k , j B j 1 u j 1
j 1
Con la salida:
k
y k C k k , 0 x 0 C k k , j B j 1 u j 1 D k u k
j 1
x k 1 Ax k ; x 0 x0
x 1 x 0
x 2 Ax 1 A2 x 0
x 3 Ax 2 A3 x 0
x k Ak x 0
La solución es:
x k Ak x 0
k , j Ak j
Como:
k , m Ak m
k, m A k m
TD k m
T 1
2. Cálculo por Sylvester.
3. Cálculo por Cayley-Hamilton.
4. Potencias.
5. Solución por transformaciones.
Como
x k 1 Ax k ; x 0 x0
Utilizando la transformación Z
x k 1 A x k
zX z zx 0 AX z
zI A X z zx 0
X z z zI A x 0
1
Obsevando que: x k Ak x 0
Se deduce que:
Ak z zI A
1
También
1 z zI A 1 Ak