Método de eigenvalores-eigenvectores para el cálculo de e At

Transformaciones

o
Si x  t   Ax  t  ; x    
Transformando con: x  t   Pz  t  ;  P 1
z  t   P 1 x  t 
o o
z  t   P 1 x  t   P 1 Ax  t   P 1 APz  t  ; z    P 1
 Jz  t  ; J  P 1 AP
Cuya solución es:
  t   e J t   z   =e J t   P 1
Usando x  t   Pz  t 
Se tiene:   t   Pe J t   P 1
o
La solución a x  t   Ax  t  ; x    
Está dada por:   t   e At  
A t   J  t  
Por lo que: e  Pe P 1

Ejercicio:

Calcular e Jt donde se tiene una matriz de Jordan

 1 0 0
0   0 0
 
J    
 
0 0   1
 0 0 0  

Caso especial:
Si se tiene: A  PDP 1 donde D  Diagonal  i 
Entonces:   t   Te DtT 1
Donde T  1 2   n 

Es fácil mostrar que:

  e1 t 0 0 
 
0 e2 t 0 
e Dt  
  
 
 0 0 en t 

Ejemplo: Calcular e At , donde:

 a b
A  b0
 b a 
Paso (1): Enccontrar los eigenvalores de A.

   a b 
det   I  A   
 b   a 
   a b 
det  A   I   det 
 b   a 
    a   b 2   2  2 a   a 2  b 2 
2

2 a  4a 2  4(a 2  b 2 )
Los ceros de esta son: 1,2 
2
1  a  jb
2  a  jb

Paso (2): Cálculo de eigenvectores 1 & 2 .

 a b   1   1 
      1   
 b a   2   2

a1  b 2   a  jb  1  b 2  jb1  0
 ó b1  a 2   a  jb   2
b1  a 2  a 2  jb 2
1  j 2
j1   2
Seleccionando 1  1   2  j
 1
 1    
 j
Puesto que 1  2 (Conjugados complejos de cada uno)
1   2
 1 
 2    
 j

Paso (3): Formar T & T 1

1 1 
T  1   2    
 j  j
1  j 
 T 1  1  
2 1 j 

Paso (4):
 e( a  j b ) t 0  1
e T 
At
( a  j b )t T
 0 e 

 e( a  j b ) t e( a  j b ) t  1
  (a  j b)t T
 je  je( a  j b ) t 

 e at e j bt  e  j bt  
 e at e j bt  e  j bt  
1  j 
  
2 at  e j bt  e  j bt 
e e at e j bt  e  j bt  
  j

 

Relaciones importantes: e j
 Cos    jSen   (Ecuación de Euler).

j
e  e j  e j
 e j 
Sen    ; Cos   
2j 2

 e at Cos  b t  e at Sen  b t    Cos  b t  Sen  b t  

  at  e at  
 e Sen  b t  e at Cos  b t  
    Sen  b t  Cos  b t  
e. o. e.
Suponiendo que D  Diag  D1 , D2 , , Dp  es una matriz de bloques diagonal, entonces se
tiene:

Proposición:

 eD 1t 0 0 
 
0 eD 2 t 0 
e  
Dt


 
 0 0 e p 
D t


Ejemplo. Calcular e At donde:

  1 4 0 
A   1 1 0 
 4 2 3

Paso 1: Los eigenvalores de A están dados por.

  1 4 0 
det  I  A  det  1   1 0 
 
 4 2   3

    3    1  4 
2

 

  A : Espectro de A

  A  1  3, 2   1  j 2, 3  1  j 2

Paso 2:
Para calcular los eigenvalores de A:

(a) Calcular 1 :

 1 4 0   1   1 
    
 1 1 0    2   3   2 
 4 2 3      
  3   3
 0
1    0 
1
 

(b) Calcular 2 :

 1 4 0   1   1 
    
 1 1 0    2    1  j 2    2 
 4 2 3      
  3   3

1  4 2  1  j 21

2 2  j1
1   2   2  j 2 2
1   j 2 2
2 2  j1

41  2 2  3 3   3  j 2 3
41  2 2   2  j 2   3

Selecccionando  2  1  1   j 2
&  3  2.5  j1.5

 2 j 
  2   1 

 2.5  j 1.5

 2j 
  
Ya que 2  3 ,  2  3 3   1 
 2.5  j 1.5 
 

Definiendo una nueva transformación:

T  1  Re ( 2 )  Im ( 2 )

0 0 2    0.75  2.5 1 

T  0 1 0  ;T 1
  0 1 0 
1 2.5 1.5   0.5 0 0 
  3 0 0 
D  T 1 AT   0 1 2 
 0 2 1
 A  TDT 1
& e At  Te DtT 1

e  3t 0 0 
 
T  0 e Cos  2 t   e Sen  2 t   T 1
t t

 0
 e  t Sen  2 t  e t Cos  2 t  

En forma simplificada se tiene:

 e  t Cos  2 t   2 e  t Sen  2 t  0 
 
e At  0.5 e  t Sen  2 t  e Cos  2 t 
t
0 

 q t  p t  e  3t 

q  t   0.75e 3t  1.25e  t Sen  2 t   0.75e  t Cos  2t 

p  t   2.5e 3t  2.5e  t Cos  2 t   1.5e  t Sen  2t 

Descomposición modal del vector de estado

En el caso de una matriz normal, es decir, con n eigenvalores  i y n eigenvectores

independientes cuando la matriz es de orden n. Los eigenvectores derechos se denotan por
vi , pueden ser utilizados como base para x  t  , por lo que para un tiempo t:

x  t   q1  t  v1  q2  t  v2  ...  qn  t  vn
donde

x  t   Ax  t   B  t  u  t  ; x  t0   x0

Descomponiendo B  t  u  t  , se tiene:
B  t  u  t   1  t  v1   2  t  v2  ...   n  t  vn
Donde;
i  t   ri , B  t  u  t   r i B  t  u  t  ri  
T
base recíproca

Expandiendo la ecuación,
    
x  t   q1 v1  q 2 v2  ...  q n vn
 q1 Av1  q1 Av2  ...  qn Avn  1  t  v1   2  t  v2  ...   n  t  vn

por lo que cuando la matriz A es constante y tiene eigenvalores diferentes,

A i  
i i

     
 q1  1q1  1  v1   q 2  2 q2   2  v2  ...   q n  n qn   n  vn  0
     
Como los eigenvectores son linealmente independientes, la solución es:

q i  i qi  i ; i  1, 2, , n
Como A es constante, con un conjunto completo de eigenvectores:
qi  t   e qi  t0    e  i   d
i  t  t0  t i  t  
t0

Donde: qi  t0   ri , x  t0   r i x  t0 
T

entonces,

n
x  t    qi  t  vi  q1  t  v1  q2  t  v2  ...  qn  t  vn
i 1

Descomposición modal de la Matriz de Transición de Estado

Como
n
x  t    qi  t  vi
i 1

Para el sistema homogéneo: x  t   Ax  t 

qi  t   e qi  t0   ei ( t to )  ri , x  t0  
i  t t0 

n
Entonces x  t    e i ( t to )  ri , x  t0   vi
i 1

n
  e i ( t to ) r i x  t0  vi
T

i 1

n
  e i (t to )vi r i x  t0 
T T
vi  ri : vi r i
i 1
  n 
x  t     ei ( t to ) vi  ri  x  t0 
 i 1 

Como x  t     t , to  x  to 
 n 
  t , to     ei ( t to ) Ri 
 i 1 

Donde Ri  vi  ri o matrices residuales.

Como la base recíproca está dada por:

 r1T 
 
 r T2   v v ...v   I
 T 1 2 n
r 3 
 

al normalizar en (1.3) y (1.4)

ri  wi o eigenvectores izquierdos,

por lo que

 v i1   v i 1 wi 1 v i 1 wi 2  v i 1 win 
v  v w v i 2 wi 2  v i 2 win 
Ri   i2 
wi1 wi 2  win    i 2 i1 
     
   
 vi   v in wi 1 v in wi 2  v in win 

De donde se puede observar que los factores v ik w ik son los que afectan al valor de la
exponencial e i ( t t0 ) y que se conocen como factores de participación.

Pik  vik wik

Propiedades de los factores de participación

1) Los factores de participación son adimensionales e independientes de las unidades.

2) Se observa que

 i Pik   k Pik 1
 o
3) Pik es la sensibilidad de  i a variaciones pequeñas entre x y x
Propuesta:
Si A  t  conmuta con  A  d
t

to
t
 A d
Entonces   t , to   e to

Resultado

Suponer que:
A  t   1  t  M 1   2  t  M 2     p  t  M p
Donde M i son matrices constantes tales que M i M j  M j M i  i, j

Entonces otra vez:

t
to A d
  t , to   e

Ejemplo: Encontrar la matriz de transición de estado de:

t 1
A t    
1 t 

1 0   0 1 
At   t  
0 1  1 0 
 
M1 M2

Como M 1M 2  M 2 M 1

   t , t0   exp    M 1   M 2  d 
t

 to 
si t0  0
 t2 
 exp  M 1  M 2 t 
 2 
 t 
2
 exp  M 1 exp  M 2 t 
 2 
Como
t 2  e 0 
2
t /2

M 1  I  exp  M 1    
 2   0 2
et / 2 
 0 1 
M2    1  1; 2  1
1 0 

0 1   1   1   1 1
1 0         2  1 ó 1    ;  2   
  2 2   1  1 

1 1  1 0  1 1  1
TAT 1     
1 1  0 1 1 1 2

1 1   et 0  1 1  1
 e M 2t     
1 1  0 e  t  1 1 2

 et e  t  1 1  1
 t  
e  e  t  1 1 2

1  et  e  t et  e  t 
  
2  et  e  t et  e  t 

1 e 0   et  e  t
2
et  e  t 
t 2
 t2 
exp  M 1  exp  M 2t      t t 
2 2 0 et 2   e  e et  e  t 
2
 

1 t 2 2  et  e  t et  e  t 
 e  t t 
2  e e et  e  t 

Representación del modelo de estado en el dominio de la frecuencia

Recordando que:
o
x  Ax  Bu ; x  t0   x0
y  Cx  Du

sX  s   X  0   AX  s   BU  s 
Y  s   CX  s   DU  s 

X  s    sI  A  X  0    sI  A  BU  s 
1 1

Y  s   C  sI  A  X  0   C  sI  A  B  D  U  s 
1 1
 

La matriz de la función de transferencia está definida como:

 H  s   C  sI  A B  D
1

Que también es la respuesta al impulso

 sI  A
1
Cálculo de y su relación con e At

Suponiendo que A tiene eigenvalores diferentes. Se define:

  s   det  sI  A 

Recordar también que:

Adj ( sI  A) R  s 
 sI  A
1
 
 (s)  (s)

Puesto que los eigenvalores de A son diferentes:

 sI  A
1
tiene una expansión por fracciones parciales.

R s R1 Rn
 sI  A
1
    
 ( s) ( s  1 ) ( s  n )

 ( s  i ) R ( s ) 
Ri  lim  
s  i
  (s) 
Observar que:
1 ( sI  A) 1   R1e1t  R2 e2t    Rn ent  e At
Por consiguiente:
( sI  A) 1   e At 
También:
R( s ) N s n 1  N s n 2    N n
( sI  A)1   n 1 n 1 2 n  2
 ( s) s  a1 s  a2 s    an

Teorema: Las matrices residuales tienen las siguientes propiedades:

n
(i) R
i 1
i I

(ii) ARi  i Ri
(iii) Ri A  i Ri
1 ik
(iv) Ri Rk   ik Ri  ik  
0 ik
Algoritmo de Leverrier:

N1  I a1  tr  N1 A 
1
N 2  N1 A  a1 I a2   tr  N 2 A
2
1
N3  N 2 A  a2 I a3   tr  N3 A
3
  
1
N n  N n 1 A  an 1 I an   tr  N n A
n
0  N n A  an I

R( s ) N1 s n 1  N 2 s n2    N n
 1
( sI  A)  
 ( s) s n  a1 s n 1  a2 s n 2    an

Ejemplo: Calcular ( sI  A) 1 cuando:

 1 4 0 
 
A   1 1 0 
 
 4 2 3 

Paso 1: N1  I a1  tr  N1 A   5
Paso 2: Encontrar N 2 & a2

 4 4 0 
 
N 2  N1 A  a1 I  A  a1 I   1 4 0 
 4 2 2
 

 8 12 0 
1 1  
a2   tr  N 2 A   tr  3 8 0   11 a2  11
2 2  
 6 14 6 
Paso 3: Encontrar N 3 & a3

N3  N 2 A  a2 I

 8 12 0  11 0 0   3 12 0 

     
  3 8 0    0 11 0    3 3 0 
 6 14 6   0 0 11  6 14 5 
     
  15 0 0 
  1
N3 A   0 15 0   a3   tr  N3 A   15
 0 3
 0 15 

1 0 0  4 4 0   3 12 0 
  2    
0 1 0 s  1 4 0 s   3 3 0
0 0 1  4 2 2  6 14 5 
1
( sI  A)       
s  5 s  11 s  15
3 2
 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  
2 2
  O   
x x0 ,u0 u x0 ,u0

y0    g  x0 , u0 , t  
g
x x0 ,u0

g
u x0 ,u0
 2
 O   
2

Donde las matrices Jacobianas son:

 f1 f1 f1   f1 f1 f1 

  u 
 x x2 xn  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 
  u 
 x x2 xn  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 
2 2
Si los términos de alto orden  y  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