Eigenvalores, eigenvectores y diagonalización

Definición: Los eigenvalores y eigenvectores se definen como:

A   ;   0
Donde:
i  o
i  n
o n

Los i se llaman eigenvalores de A y a los  i se les conoce como eigenvectores de A.

Por lo que:

 A   I   0
Para tener soluciones no triviales:

det  A   I   0

Entonces el polinomio característico de A es:

det  A   I    n  a1 n1   an 1  an

det  A   I      1    2     n 
El conjunto   A   1 , 2 , , n  se conoce como el espectro de A.

Diagonalización

Cuando existe un conjunto de n eigenvectores linealmente independientes, se puede hacer:

A 1  2  n    A1 A 2 A n    11 2 2 n n 

 1 0 0
 
0 2 0
 1  2 n  
 
 
0 0 n 

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:

Teorema de Cayley-Hamilton: Toda matriz cuadrada n  n satisface su ecuación característica.

Det  A   I   q      0 0  1 1   2 2    n n  0
Entonces
q  A  0 I  1 A   2 A2    n An  0
A0  I

Utilizando el Teorema de Cayley-Hamilton.

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  1k   2k2    n 1kn 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

La matriz de Vandermonde no es singular si los eigenvalores son diferentes.

Ejemplo:
Sea:
1 2
A  
2 1
1  1 ; 2  3
Calcular A1
f  A  A1   0 I  1 A
f  1   11   0 I  11  1
1
f  2   2 1   0 I  12 
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   e1t   0 I  11  e t
f  2   e2t   0 I  12  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  11   1
k

f  2   2 k   0 I  12   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    1k   3k  1k   3k 
 
 1 1  1 1 
  1    3 
k 2 2 k 2 2
 1 1  1 1 
 2 2   2 2

Teorema de Sylvester

Sea Ann una matriz con n raíces distintas.

Si P  A  es una matriz polinomial en A y si la matriz cuadrada A tiene n valores propios distintos,
el polinomio en A se puede escribir como:

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

Ejemplo: Calcular e At utilizando el teorema de Sylvester para

 0 1
A  ; 1  1, 2  2
 2 3

n
e At   eit 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 

Si los términos de alto orden  y 

2 2
son suficientemente pequeños para despreciarlos, las
ecuaciones lineales son:
o f f
  
x x0 ,u0 u x0 ,u0

g g
  
x x0 ,u0 u x0 ,u0

Por lo que se tiene:

o
  t   A  t    t   B  t   t 
  t   C  t    t   D  t   t 
Donde
f f
A t   ; B t  
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.

Ejemplo: Sea el sistema no lineal de tercer orden en variables de estado:

o
x1  x2
o
x2  2 x1  u1  3 x32
o
x3  4 x1 x2  x3  2u2
1
Con entradas u1  1, u2  el punto de equilibrio es:
2
  1
x0   0 
 1 
Por lo que la solución linealizada es:
o
  t   A  t    t   B  t   t 
Donde:
 0 1 0  0 0 
A   2 0 6 x3  B  1 0 
 4 x2 4 x1 1  0 2 
Por lo que:
0 1 0
A   2 0 6 
 0 4 1
 Análisis de sistemas lineales discretos

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   bm1u  k  m  1   b1u  k  1  b0u  k 

La forma de solución por transformada se tiene utilizando la Transformada

Transformada

Si una señal E tiene valores discretos e0 , e1 , , ek , se define la transformada de la señal

como la función:

E  z  :  ek z  k ; r0  z  R0
k 0

Propiedades

P.1. Linealidad.

 af  k   bg  k    aF  z   bG  z 

P.2. Secuencia de retraso

 f  k  1 k 1
g k   
 0 k 0
G  z   z 1 F  z 

P.3. Secuencia de avance

 h  k   f  k  1
H  z   zF  z   zf  0 

Ejemplos:

1. Sí y  k   1 , k  0 que es el escalón unitario. Encontrar la transformada Z.


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

Solución de la ecuación discreta por la transformada

La solución por transformaciones de la ecuación discreta comparte muchas características,

métodos y propiedades que se tienen al resolver ecuaciones diferenciales utilizando la
transformada de Laplace.

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  
z4
z
zY  z   2Y  z    z  2  Y  z  
z4

z
Y z 
 z  2  z  4 
Utilizando fracciones parciales

2 1
z 3  3

 z  2  z  4  z4 z2

Que son dos series geométricas retrasadas

 0
 k 0
y  k    2 k 1 1
 3 4  3  2 
k 1
k 1

Representación en variables de estado de sistemas lineales discretos

y  k  n   an 1 y  k  n  1   a1 y  k  1  a0 y  k 
 u  k  m   bm1u  k  m  1   b1u  k  1  b0u  k 
Forma normal lineal en variables de estado

Se desea obtener una ecuación de primer orden multivariable como:

Sistema nolineal:

x  k  1  f  x  k  , u  k  , k  ; x  0   x0
y k   g  x k ,u k , k 

Sistema lineal:

Definición: El modelo de estado de un sistema lineal de parámetros concentrados es un conjunto

de cuatro matrices.
 A   , B   , C   , D  
Tal que

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.

(4)  A   , B   , C   , D   son matrices dimensionadas apropiadamente cuyas

entradas pueden o no depender del tiempo de muestreo k.
Comentario. En el modelo invariante en el tiempo (A, B, C & D son constantes) es un caso
especial del caso general.

Para el caso de tercer orden:

y  k  3  a3 y  k  2   a2 y  k  1  a1 y  k   b3u  k  2   b2u  k  1  b1u  k 

Utilizando:

x  k  1  qx  k 
x  k   q 1 x  k  1

Se puede obtener la forma canónica observable

 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

Solución de la ecuación discreta en variables de estado

Sea la ecuación homogénea variante en el tiempo:

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

Matriz de transición de estado de la ecuación lineal discreta sería:

k 1
  k , j   A     A  k  1 A  k  2  A j 
 j

Solución completa de la ecuación de estado discreta

Para el caso no homogéneo con condiciones iniciales cero, se tiene:

Para una entrada:

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 

Por lo que la solución completa sería:

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

Caso invariante en el tiempo

Sea la ecuación homogénea:

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 

Entonces la Matriz de Transición de estado es:

  k , j   Ak  j

Cálculo de la matriz de Transición de Estado discreta

Como:

  k , m   Ak  m

1. Cálculo por eigenvalores-eigenvectores.

  k , m   Ak m  TDT 1TDT 1 TDT 1

k 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
 