Capitulo 4

U
D
DEEPPA
ARRT
TAAM
MEEN
NTTO
ODDE
ECCO
ONNT
TRRO
OLL
CCaappííttuulloo 44
C
Coonnttrrooll M
Mooddeerrnnoo
ANÁLISIS DE SISTEMAS DE CONTROL

EN EL ESPACIO DE ESTADOS
4.1. CONTROLABILIDAD
En el capítulo 2 se ha establecido la metodología para la descripción del comportamiento de un

sistema mediante variables de estado, expresado mediante la ecuación de estado. Más precisamente, se
ha estudiado como dicha ecuación en general viene descrita en función del vector de estado, su primera
derivada, la entrada y el tiempo. A continuación en el capítulo 3, se ha resuelto dicha ecuación de
estado, estableciendo de forma explícita la relación que existe entre la evolución del estado, el valor
inicial del mismo y el valor de la entrada en cada instante.
A la vista de la relación existente entre entrada y estado, cabe abordar el estudio de cómo se
puede influir en el valor del estado a través de la entrada: así, es pertinente preguntarse si dada una
trayectoria arbitraria definida en el espacio de estado, es posible encontrar una entrada que haga que el
vector de estados la siga o sí, por el contrario, existe alguna restricción en las posibles trayectorias que
se pueden incluir en el vector de estado mediante la elección de las entradas apropiadas.
El estudio de la controlabilidad de un sistema determina los puntos del espacio de estado que
pueden ser alcanzados por un sistema actuando sobre las entradas de éste; puntos que determinan los
denominados estados controlables. Este estudio abarca dos cuestiones a tener en cuenta:
1. Considerando un sistema, un estado inicial y un estado final, se desea determinar la
existencia de una entrada que lleve al sistema de uno al otro en un tiempo finito. Esto no es
posible en todos los casos, como se puede observar en el sistema de la Figura 4.1
2 x1(t)
S+2
u(t)
2 x2(t)
S+2
Fig. 4.1 Sistema no controlable
En este caso, desde un determinado estado inicial sólo podrían ser alcanzados determinados
puntos del espacio de estado, porque los valores de las dos variables de estado están
ligadas, al estar sometidas ambas a la misma dinámica; este hecho queda patente por el
estudio de los bloques con cuyas salidas le corresponden dichas variables. Entonces se dice
Capítulo 4 Control Moderno
que el sistema no es controlable, porque no se puede alcanzar cualquier estado deseado a

partir de un estado inicial dado.
2. Si un sistema no es controlable, la siguiente cuestión que surge es determinar los puntos del
espacio de estado que pueden ser alcanzados partiendo de un estado inicial dado.
El lugar geométrico de los puntos que pueden ser alcanzados por las variables de estado
dadas para el sistema de la Fig. 4.1 partiendo de condiciones iniciales nulas, es el
representado en la Fig. 4.2. Como puede verse, la restricción de que la dinámica de ambas
variables de estado es la misma en todos los casos se traduce en que, partiendo de
condiciones iniciales nulas como se ha dicho, en cualquier instante el valor de la variable x2
es dos veces el valor de la variable x1.
Puntos alcansables desde (0,0)
5
3
x1(t)
-1
-2 0 2 4 6 8 10
x2(t)
Fig. 4.2 Puntos alcanzables desde (0,0) para el sistema de la Figura 4.1
Ejemplo 4.1 La Figura 4.3 representa un circuito eléctrico formado por dos ramas RC en
paralelo, alimentadas por una única fuente de voltaje común a ambas ramas.
R1 R2
Vi I1 I2
C1 C2
Fig. 4.3 Circuito eléctrico del Ejemplo 4.1
M.C. Manuel Amarante Rodríguez 75

3 de Julio del 2009
Si las constantes de tiempo de ambas ramas son distintas R1C1  R2 C 2 cada condensador se
carga a distinta velocidad, de manera que los voltajes incrementales en ambos condensadores serán
diferentes entre sí, dependiendo la evolución de cada uno de ellos del la ley de variación de la entrada
u(t) utilizada. En este caso cabe preguntarse si existe o no un u(t) que consiga que cada una de las
tenciones tome un valor predeterminado en un tiempo también predeterminado.
En el caso de que las constantes de tiempo de carga de ambos condensadores sean idénticas
R1C1  R2 C 2 , ambos condensadores se cargan con el mismo voltaje incremental (a partir de cualquier
situación inicial de equilibrio), sea cual sea la ley de variación del voltaje de entrada u(t) utilizada. Si la
situación inicial no fuera de equilibrio, las tensiones de ambos condensadores tenderían a igualarse,
dependiendo su valor final y su evolución temporal de la ley de variación del voltaje de entrada u(t).
Por lo tanto queda claro que en este caso no son controlables todas las combinaciones de voltajes en
ambos condensadores (es decir puntos del espacio de estado). En este caso cabe preguntarse, pues,
cuáles son estos puntos controlables en un tiempo determinado, que dependen de los voltajes iniciales
de ambos condensadores.
En ambos casos planteados y una vez resuelta la pregunta de cuáles son las combinaciones de
los voltajes en ambos condensadores que son controlables en un determinado tiempo y desde unos
valores determinados iniciales de aquellos, cabe preguntarse como es posible encontrar una entrada o
conjunto de entradas que consigan controlar dichos puntos. Igualmente es importante conocer las
implicaciones que tiene la utilización de una ley de variación de la entrada concreta sobre la variación
temporal de los voltajes de los condensadores, así como las propiedades de dicha entrada utilizada.
4.2. DEFINICIONES
La controlabilidad del estado en un intervalo de tiempo partiendo de un estado inicial se define:

Se dice que un punto del espacio de estado de un sistema, x1, es controlable desde el estado x0 en [t0,
t1] si existe una entrada u definida en el intervalo [t0, t1], tal que transforma al estado del sistema
desde x0 en t0 hasta x1 en t1.
En la definición anterior se han impuesto restricciones tanto en el tiempo como en el estado
inicial desde el que se comienza a aplicar la entrada; resulta un concepto de controlabilidad
condicionado el aspecto temporal y en los estados inicial y final. Estas restricciones se pueden eliminar
una por una o ambas a la vez, resultando un concepto de controlabilidad extendido a cualquier intervalo
de tiempo y partiendo de cualquier estado inicial.
Se dice que un punto x1 del espacio de estado de un sistema es controlable desde x0 si y sólo si
para todo t0 existe un t1 finito, tal que x1 es controlable desde x0 en [t0, t1].
Se dice que un punto x1 del espacio de estado de un sistema es controlable en [t0, t1] sí y sólo
sí para todo x0, x1 es controlable desde x0 en [t0, t1].
La controlabilidad del estado para cualquier instante y para cualquier estado inicial se define
como:
Se dice que un punto x1 del espacio de estado de un sistema es controlable sí, para todo
estado inicial, x0, y para todo t0, existe un t1 finito, tal que x1 es controlable desde x0 en [t0, t1].
La diferencia entre las definiciones de controlabilidad primer y tercera respecto a la segunda y
cuarta estriba en la forma de considerar la variable tiempo. En el primer caso se considera únicamente
un intervalo de tiempo [t0, t1] determinado, mientras que en el segundo se exige que para todo t0 exista
un t1, que puede ser arbitrario aunque finito. Ninguna de las dos restricciones incluye a la otra:
 Un punto x1 puede ser controlable desde x0 en [t0, t1], pero puede no serlo para cualquier
instante inicial.

3 de Julio del 2009
 Al contrario, un punto puede ser controlable partiendo desde cualquier instante inicial t0,
pero no en un intervalo predeterminado [t0, t1].
Obsérvese que la controlabilidad de un punto no implica que este sea un estado de equilibrio,
sino que es posible encontrar una entrada tal que el estado describa una trayectoria que incluya al punto
controlable; dicho de otra manera, la controlabilidad de un punto implica que la trayectoria en el
espacio de estado pasa por él, pero no que se detenga en él, como ocurriría en uno de equilibrio.
El concepto de controlabilidad de un punto del espacio de estado de un sistema se amplía al
concepto de controlabilidad de un sistema, definido como:
Un sistema se dice controlable si todos los puntos de un espacio de estado son controlables.
Obsérvese que, en la definición de controlabilidad de un sistema, la referencia a posibles
restricciones en el estado inicial y en el intervalo se obtienen cuando se invoca a la contolabilidad de
los puntos de un espacio de estado; de esta forma, un sistema es controlable bajo las mismas
restricciones que lo son dichos puntos. Dicho de otra manera, se pueden extender las cuatro
definiciones de controlabilidad de un punto a la controlabilidad de un sistema cuando todo el espacio
de estado cumpla con las condiciones formuladas en cada una.
Las ideas expuestas en esta sección se generalizan a la controlabilidad de la salida en lugar del
estado, aspecto que se considerará más adelante.
4.3. CONTROLABILIDAD EN SISTEMAS LINEALES
Dada la expresión de la solución completa de la ecuación de estado para sistemas lineales:
xt1   t1 , t 0 xt 0    t1 , B u  d

t1
(4.1)
t0
si en esta expresión se fija x(t1) y x(t0), ¿existe una entrada u() que soluciona esta ecuación? El estudio
de controlabilidad determina si existe una entrada u(t) que haga que se cumpla la igualdad. Estudiar si
existe esta entrada equivale a plantear si existe una entrada capaz de llevar el sistema desde el estado
inicial cero hasta el estado:
^
x t1   xt1    t1 , t 0 x t 0  (4.2)
De forma que puede reducirse la Ec. (4.2) a:
^
x t1    t1 B u  d  
t1
(4.3)
t0
La controlabilidad de un sistema lineal depende de las matrices Φ(t, t0) y B(t)

independientemente del valor de x0, puesto que Φ(t, t0) es función propia de A(t), la controlabilidad
depende exclusivamente de A(t) y B(t), utilizándose entonces la expresión par(A(t),B(t)) para referirse
ala controlabilidad de los sistemas. El estudio de la controlabilidad de un sistema se basa en el siguiente
teorema:
Un sistema con una ecuación de estado:

x t   At x t   Bt u t  (4.4)
es controlable en [t0, t1] sí y sólo sí su Gramiano de Controlabilidad, W(t1, t0)definido como:
3 de Julio del 2009
W t1 , t 0    t1 , B BT  T t1 , d

t1
(4.5)
t0
es no singular.
Demostración
 Condición Suficiente
Se intenta comprobar que existe una entrada que lleva el estado desde cualquier x(t0) = x0 hasta
cualquier x(t1) = x1 o, lo que es lo mismo, según la Ec. (4.3), desde el estado inicial nulo hasta
^
el estado x1 . Para ello se considera como entrada:
^
u    B T   T t1 , W 1 t1 , t 0  x1 (4.6)
substituyendo
^ ^
xt1    t1 , B BT   T t1 , W 1 t1 , t0  x1 d
t1
(4.7)
t0
^
W-1(t1, t0) puede salir fuera de la integral, y lo mismo sucede con x1 , quedando:
^ ^ ^
x1  W t1 , t0 W 1 t1 , t0  x1  x1 (4.8)
Si W(t1, t0)es no singular, se puede encontrar al menos una entrada que transfiere el estado
^
desde el origen hasta cualquier estado x1 , siendo esta entrada la expresada por la Ec. (4.6)
 Condición Necesaria
Si se supone W(t1, t0) singular, se demuestra que existen puntos del espacio de estado que no
son controlables.
Se parte de que W(t1, t0) es singular, por lo que:
W t1 , t0   0 (4.9)
El determinante coincide con el producto de los valores propios de la matriz, por lo que W(t1, t0)
tiene al menos un valor propio cero.
Sí se considera el vector propio, v, correspondiente a ese valor propio nulo se verificara que:
W t1 , t 0 v  0 (4.10)
Esto supone que si se multiplica por la izquierda por vT:

3 de Julio del 2009
vT W t1 , t0 v  0 (4.11)
y entonces, substituyendo el valor de W(t1,t0):
 v t , B 
B   t , v d  0
t1
T T T
1 1 (4.12)
t0 
  
     d  0     
t1 t1 2
T
d (4.13)
t0 t0
integral de una función siempre positiva que tiene que ser igual acero. Para que esto se verifique
se tiene que cumplir que ε() = 0, t0 ≤  ≤ t1:
B T   T t1 , v  0
    0   T , t 0    t1 (4.14)
 v t1 , B   0
Formando el producto por u() e integrando se tiene:
vT  t1 , B u  d  0

t1
t0
(4.15)
^
v xt1   0
T
^
siendo xt1  el estado del sistema en el instante t1, partiendo del origen y ante la entrada
genérica u().
La Ec. (4.15) significa que, desde el estado inicial nulo, cualquiera que sea la señal de entrada
con la que se excite al sistema, se va tener un estado que al ser multiplicado por el vector vT va a
resultar cero, por lo que es un vector de estado ortogonal a éste. Por lo tanto, no se puede
alcanzar cualquier punto del espacio de estado, sino sólo aquellos que se encuentren sobre un
vector ortogonal al vector propio vT. Solo se alcanzarán puntos que verifiquen la condición
vTx(t1) = 0. Por consiguiente, el sistema no es controlable en [t1,t0].
Ejemplo 4.2: Determinar la controlabilidad del sistema definido por:
  1 3  1
xt     x  (4.16)
 0  3  1
partiendo del instante inicial t0 = 0 y para cualquier instante t.

Para analizar la controlabilidad mediante el estudio del comportamiento del gramiano, el primer
paso es calcular la matriz de transición:
e  t
t ,0   
3
2 e t
 e 3t   (4.17)

0 e 3t 

3 de Julio del 2009
Una vez que se dispone de la matriz de transición Φ(t, 0), se puede abordar el cálculo del
gramiano de controlabilidad aplicando la fórmula:
W t ,0   t , B B   t , d   1

t
T T    1  2e  e 
 18 1  3e 6t  3e 4t  e 2t 1
8
6 t 4t
(4.18)
0 
 8  1  2e  e
6 t 4 t
 1  e  
1
6
6 t
Para poder afirmar que un sistema es controlable según su gramiano, es necesario comprobar
que éste es invertible, es decir, que su determinante es distinto de cero. Por lo tanto, se puede estudiar
la controlabilidad del sistema verificando los valores de t para los que el determinante de W(t, 0) es
distinto de cero. Para ello se calcula primero dicho determinante:
1 1 8t 1 6t 1 4t 1 2t

W t ,0   e  e  e  e (4.19)
192 192 48 32 48
Es fácil deducir que se ha de anular para t = 0, puesto que en ese caso los limites de la integral
que define W(t, 0) coinciden. Para sucesivos instantes de tiempo, se comprueba que el valor total del
determinante va aumentando, hasta que, transcurrido un tiempo suficiente, todos los sumandos
exponenciales tienen un valor despreciable, permaneciendo solamente el primero. A partir de este
instante, el valor del determinante permanece prácticamente constante.
Por lo tanto, se puede afirmar que el sistema propuesto es controlable en cualquier intervalo de
tiempo que comience en t = 0, salvo cuando éste sea también el final de dicho intervalo.
Desarrollo del Ejemplo 4.2 en Matlab
>> syms s
>> A=[-1 3;0 -3]
A=
-1 3
0 -3
>> I=eye(2)
I=
1 0
0 1
>> FI=inv(s*I-A)
FI =
[ 1/(s+1), 3/(s+1)/(s+3)]
[ 0, 1/(s+3) ]

3 de Julio del 2009
>> pretty(FI)
[ 1 3 ]
[----- --------------- ]
[s + 1 (s + 1) (s + 3)]
[ ]
[ 1 ]
[ 0 ----- ]
[ s+3 ]
>> num12=[0 0 3]
num12 =
0 0 3
>> den12=[1 4 3]
den12 =
1 4 3
>> [r p k]=residue(num12,den12)
r=
-1.5000
1.5000
p=
-3
-1
k=
[]
>> FI=[1/(s+1) (3/2)/(s+1)-(3/2)/(s+3);0 1/(s+3)]
FI =
[ 1/(s+1), 3/2/(s+1)-3/2/(s+3)]
[ 0, 1/(s+3) ]
>> pretty(FI)
[ 1 1 1 ]
[----- 3/2 ----- - 3/2 -----]
[s + 1 s+1 s + 3]
[ ]
[ 1 ]
[ 0 ----- ]
[ s+3 ]
3 de Julio del 2009
>> FI=ilaplace(FI)
FI =
[ exp(-t), 3/2*exp(-t)-3/2*exp(-3*t)]
[ 0, exp(-3*t) ]
>> syms t tau
>> FIttau=[exp(-(t-tau)) 3/2*exp(-(t-tau))-3/2*exp(-3*(t-tau));0 exp(-3*(t-tau))]
FIttau =
[ exp(-t+tau), 3/2*exp(-t+tau)-3/2*exp(-3*t+3*tau)]
[ 0, exp(-3*t+3*tau) ]
>> FIttauT=[exp(-t+tau) 0;3/2*exp(-t+tau)-3/2*exp(-3*t+3*tau) exp(-3*t+3*tau)]
FIttauT =
[ exp(-t+tau), 0 ]
[ 3/2*exp(-t+tau)-3/2*exp(-3*t+3*tau), exp(-3*t+3*tau)]
>> B=[1;-1]
B=
1
-1
>> w=FIttau*B
w=
-1/2*exp(-t+tau)+3/2*exp(-3*t+3*tau)
-exp(-3*t+3*tau)
>> w=w*B'
w=
[ -1/2*exp(-t+tau)+3/2*exp(-3*t+3*tau), 1/2*exp(-t+tau)-3/2*exp(-3*t+3*tau)]
[ -exp(-3*t+3*tau), exp(-3*t+3*tau) ]
>> w=w*FIttauT
w=
[(-1/2*exp(-t+tau)+3/2*exp(-3*t+3*tau))*exp(-t+tau)+(1/2*exp(-t+tau)-3/2*exp(-
3*t+3*tau))*(3/2*exp(-t+tau)-3/2*exp(-3*t+3*tau)), (1/2*exp(-t+tau)-3/2*exp(-3*t+3*tau))*exp(-
3*t+3*tau)]
[-exp(-3*t+3*tau)*exp(-t+tau)+exp(-3*t+3*tau)*(3/2*exp(-t+tau)-3/2*exp(-3*t+3*tau)), exp(-
3*t+3*tau)^2]

3 de Julio del 2009
>> W=int(w,tau,0,t)
W=
[ 1/8*(exp(t)^6-exp(t)^4+3*exp(t)^2-3)/exp(t)^6, -1/8*(exp(t)^6+exp(t)^2-2)/exp(t)^6]
[ -1/8*(exp(t)^6+exp(t)^2-2)/exp(t)^6, 1/6-1/6*exp(-3*t)^2 ]
>> pretty(W)
[ 6 4 2 6 2 ]
[ exp(t) - exp(t) + 3 exp(t) - 3 exp(t) + exp(t) - 2]
[1/8 --------------------------------- , - 1/8 --------------------- ]
[ 6 6 ]
[ exp(t) exp(t) ]
[ ]
[ 6 2 ]
[ exp(t) + exp(t) - 2 2 ]
[- 1/8 --------------------- , 1/6 - 1/6 exp(-3 t) ]
[ 6 ]
[ exp(t) ]
>> det(W)
ans =
-1/192*(-exp(t)^12+4*exp(t)^12*exp(-3*t)^2+4*exp(t)^10-4*exp(t)^10*exp(-3*t)^2-
6*exp(t)^8+12*exp(t)^8*exp(-3*t)^2-12*exp(t)^6*exp(-3*t)^2+3*exp(t)^4-12*exp(t)^2+12)/exp(t)^12
>> DETW=ans
DETW =
-1/192*(-exp(t)^12+4*exp(t)^12*exp(-3*t)^2+4*exp(t)^10-4*exp(t)^10*exp(-3*t)^2-
6*exp(t)^8+12*exp(t)^8*exp(-3*t)^2-12*exp(t)^6*exp(-3*t)^2+3*exp(t)^4-12*exp(t)^2+12)/exp(t)^12
>> pretty(DETW)
12 12 2 10
- 1/192 (-exp(t) + 4 exp(t) exp(-3 t) + 4 exp(t)
10 2 8 8 2
- 4 exp(t) exp(-3 t) - 6 exp(t) + 12 exp(t) exp(-3 t)
6 2 4 2 / 12
- 12 exp(t) exp(-3 t) + 3 exp(t) - 12 exp(t) + 12) / exp(t)
/
4.3.1. Cálculo de la entrada en sistemas lineales
En la Ec. (4.6) se describe un procedimiento mediante el que se puede calcular una entrada que
lleve al sistema desde el estado inicial x0 en t0 al estado final objetivo x1 en t1.
3 de Julio del 2009
^
u    B T   T t1 , W 1 t1 , t 0  x1 (4.20)
siendo
^
xt1   xt1   t1 , t0 xt 0  (4.21)
La particularidad especifica esta entrada porque es la señal de mínima energía que consigue
llevar el estado desde el valor inicial hasta el final en el tiempo dado, entendiendo energía como:
Eu t    u T  u  d
t
(4.22)
t0
Además, de forma inmediata se puede deducir que la entrada obtenida por este método no es
sino una de las infinitas entradas posibles que consiguen realizar esta transición en el valor del vector
de estado: basta con elegir cualquier estado xa y fijarse como objetivo alcanzarlo en cualquier instante
ta intermedio entre t0 y t1; a continuación, se calcula una entrada que lleve al sistema desde este estado
intermedio xa en ta al estado final en x1 en t1. Yuxtaponiendo ambas entradas en el tiempo se obtiene
una nueva entrada que lleva al sistema desde x0 en t0 a x1 en t1 pasando por un punto arbitrario xa en el
instante intermedio ta. Como tanto xa como ta pueden tomar valores cualesquiera arbitrariamente
elegidos, se concluye que existe una variedad infinita de entradas para llevar al sistema desde x0 en t0 a
x1 en t1.
Caso1: Transición directa
^
x0 , t0  u
t 
x1 , t1, u1 t   BT t  T t1 , t W 1 t1 , t 0  x1 (4.23)
donde:
^
x1  x1   t1  t 0 x0 (4.24)
Caso 2: Transición con punto paso intermedio
x0 , t0  u xa , t a   T ^

 B t  T ta , t W 1 ta , t0  xa , t0  t  ta
t 

1
 u2 t    (4.25)
xa , ta  u
t 
2
x1 , t1
^
 BT t  T t1 , t W 1 t1 , t a  x1 , ta  t  t1
donde:
^
x a  xa  t a , t0 x0
^ (4.26)
x1  x1  t1 , t a xa
En la Figura 4.4 se puede observar gráficamente este procedimiento de generación de nuevas

entradas por elección de un punto de paso.

3 de Julio del 2009
x2
u2, t < ta
xa
u2, t > ta
u1
x1
x0
x1
Fig. 4.4 Transición del estado entre dos puntos, de forma directa (línea continua) y con un punto
de paso intermedio (línea discontinua)
Ejemplo 4.3: Dado el sistema controlable definido por la ecuación de estado:
  1 0  1
x  x   u (4.27)
  1  2 0 
calcular una entrada necesaria para realizar la transferencia del estado:
1 1
x0   , t0  0  x1   , t1  0.5 (4.28)
1 1
Dado que el enunciado ya formula que el sistema es controlable, no es necesario realizar la
correspondiente comprobación. Por lo tanto es posible pasar directamente al cálculo de la evolución
libre del sistema, puesto que para calcular la entrada que realiza la transición propuesta hay que tener
en cuenta cuál es el efecto de dicha evolución. Como paso previo es necesario calcular el valor de la
matriz de transición del sistema por cualquiera de los métodos vistos resultando:
 e t 0   et 0  1 0.6065

t ,0    2t  x 0 .5    t ,0  x 0    (4.29)
e  e
t
e2t  t 0.5  2 t
e  e
t
e2t  t 0.5 1 0.1292
La entrada necesaria para llevar al estado al valor propuesto, partiendo de este estado inicial, es
la misma que la que lo llevaría desde el estado inicial nulo a:
^ 1 0.6065 0.3934

x1        (4.30)
1 0.1292 0.8707 
De las infinitas entradas posibles, se calcula la de mínima energía, que se obtiene de la Ec. (4.6),
por lo que es necesario calcular el gramiano para el intervalo propuesto:
3 de Julio del 2009
 0.3160  0.0571
W 0.5,0    0.5, B BT   T 0.5, d  
0.5
 (4.31)
0
 0.0571 0.0143 
Por lo que aplicando la Ec. (4.6) la entrada que consigue realizar la transición propuesta para el
estado con el mínimo costo energético es:
 
^
u    B T   T 0.5, W 1 0.5,0  x1  e  116.372  86.7069e (4.32)
Siendo dicho costo:
Eu t    u 2  d  222.481
0.5
(4.33)
0
Desarrollo del Ejemplo 4.3 en Matlab
>> syms s t tau

>> A=[-1 0;-1 -2]
A=
-1 0
-1 -2
>> B=[1;0]
B=
1
0
>> x0=[1;1]
x0 =
1
1
>> x1=[1;1]
x1 =
1
1
>> I=eye(2)
I=
1 0
0 1

3 de Julio del 2009
>> FI=s*I-A
FI =
[ s+1, 0]
[ 1, s+2]
>> FI=inv(FI)
FI =
[ 1/(s+1), 0 ]
[ -1/(s+1)/(s+2), 1/(s+2)]
>> num21=[0 0 -1]
num21 =
0 0 -1
>> den21=[1 3 2]
den21 =
1 3 2
>> [R P K]=residue(num21,den21)
R=
1
-1
P=
-2
-1
K=
[]
>> FI=[1/(s+1) 0;(1/(s+2))-(1/(s+1)) 1/(s+2)]
FI =
[ 1/(s+1), 0 ]
[ 1/(s+2)-1/(s+1), 1/(s+2)]
>> pretty(FI)
[ 1 ]
[ ----- 0 ]
[ s+1 ]
[ ]
[ 1 1 1 ]
3 de Julio del 2009
[----- - ----- ----- ]

[s + 2 s + 1 s + 2]
>> FI=ilaplace(FI)
FI =
[ exp(-t), 0 ]
[ exp(-2*t)-exp(-t), exp(-2*t)]
>> FI05=[exp(-0.5) 0;exp(-2*0.5)-exp(-0.5) exp(-2*0.5)]
FI05 =
0.6065 0
-0.2387 0.3679
>> x05=FI05*x0
x05 =
0.6065
0.1292
>> x1G=x1-x05
x1G =
0.3935
0.8708
>> FI05tau=[exp(-(0.5-tau)) 0;exp(-2*(0.5-tau))-exp(-(0.5-tau)) exp(-2*(0.5-tau))]
FI05tau =
[ exp(-1/2+tau), 0 ]
[ exp(-1+2*tau)-exp(-1/2+tau), exp(-1+2*tau)]
>> FI05tau=[exp(-0.5)*exp(tau) 0;exp(-1)*exp(2*tau)-exp(-0.5)*exp(tau) exp(-1)*exp(tau)]
FI05tau =
[ 2731571253070597/4503599627370496*exp(tau), 0]
[828390857088487/2251799813685248*exp(2*tau)-
2731571253070597/4503599627370496*exp(tau),
828390857088487/2251799813685248*exp(tau)]
>> pretty(FI05tau)
[2731571253070597 ]
[------------------------ exp(tau) , 0 ]
[4503599627370496 ]
[ ]
3 de Julio del 2009
[828390857088487 2731571253070597 828390857088487 ]

[----------------------- exp(2 tau) - ------------------------- exp(tau) , ----------------------- exp(tau)]
[2251799813685248 4503599627370496 2251799813685248 ]
>> 2731571253070597/4503599627370496
ans =
0.6065
>> 828390857088487/2251799813685248
ans =
0.3679
>> 2731571253070597
ans =
2.7316e+015
>> 2731571253070597/4503599627370496
ans =
0.6065
>> FI05tau=[0.6065*exp(tau) 0;0.3679*exp(2*tau)-0.6065*exp(tau) 0.3679*exp(tau)]
FI05tau =
[ 1213/2000*exp(tau), 0 ]
[ 3679/10000*exp(2*tau)-1213/2000*exp(tau), 3679/10000*exp(tau)]
>> FI05tauT=[0.6065*exp(tau) 0.3679*exp(2*tau)-0.6065*exp(tau);0 0.3679*exp(tau)]
FI05tauT =
[ 1213/2000*exp(tau), 3679/10000*exp(2*tau)-1213/2000*exp(tau)]
[ 0 , 3679/10000*exp(tau) ]
>> w=FI05tau*B*B'*FI05tauT
w=
[ 1471369/4000000*exp(tau)^2, 1213/2000*exp(tau)*(3679/10000*exp(2*tau)-1213/2000*exp(tau))]
[ 1213/2000*exp(tau)*(3679/10000*exp(2*tau)-1213/2000*exp(tau)), (3679/10000*exp(2*tau)-
1213/2000*exp(tau))^2]
>> W=int(w,tau,0,0.5)
W=
[ 1471369/8000000*exp(1/2)^2-1471369/8000000,
4462627/60000000*exp(1/2)^3-1471369/8000000*exp(1/2)^2+13145281/120000000]

3 de Julio del 2009
[ 4462627/60000000*exp(1/2)^3-
1471369/8000000*exp(1/2)^2+13145281/120000000, 13535041/400000000*exp(1/2)^4-
4462627/30000000*exp(1/2)^3+1471369/8000000*exp(1/2)^2-82805393/1200000000]
>> 1471369/8000000*exp(1/2)^2
ans =
0.4999
>> 1471369/8000000*exp(1/2)^2-1471369/8000000
ans =
0.3160
>> 4462627/60000000*exp(1/2)^3-1471369/8000000*exp(1/2)^2+13145281/120000000
ans =
-0.0571
>> 4462627/60000000*exp(1/2)^3-1471369/8000000*exp(1/2)^2+13145281/120000000
ans =
-0.0571
>> 13535041/400000000*exp(1/2)^4-4462627/30000000*exp(1/2)^3+1471369/8000000*exp(1/2)^2-
82805393/1200000000
ans =
0.0143
>> W=[0.3160 -0.0571;-0.0571 0.0143]
W=
0.3160 -0.0571
-0.0571 0.0143
>> WI=inv(W)
WI =
11.3637 45.3754
45.3754 251.1145
>> utau=B'*FI05tauT*WI*x1G
utau =
-
7401310079662976642015524619172899/63382530011411470074835160268800*exp(tau)+5515212
31616830610516774270443588139/6338253001141147007483516026880000*exp(2*tau)
3 de Julio del 2009
>> -7401310079662976642015524619172899/63382530011411470074835160268800
ans =
-116.7721
>> 551521231616830610516774270443588139/6338253001141147007483516026880000
ans =
87.0147
>> utau=[-116.7721*exp(tau) 87.0147*exp(2*tau)]
utau =
[ -4108553015994299/35184372088832*exp(tau), 1530778790999045/17592186044416*exp(2*tau)]
>> utau2=[-116.7721*exp(tau) 87.0147*exp(2*tau)]*[-116.7721*exp(tau);87.0147*exp(2*tau)]
utau2 =
16880207885235850534511600501401/1237940039285380274899124224*exp(tau)^2+23432837069
72497893509190912025/309485009821345068724781056*exp(2*tau)^2
>> 16880207885235850534511600501401/1237940039285380274899124224
ans =
1.3636e+004
>> 2343283706972497893509190912025/309485009821345068724781056
ans =
7.5716e+003
>> Eu=int(utau2,tau,0,0.5)
Eu =
16880207885235850534511600501401/2475880078570760549798248448*exp(1/2)^2+23432837069
72497893509190912025/1237940039285380274899124224*exp(1)^2-
21566775299180846321529982325451/2475880078570760549798248448
>> 16880207885235850534511600501401/2475880078570760549798248448*exp(1/2)^2
ans =
1.8533e+004
>> 2343283706972497893509190912025/1237940039285380274899124224*exp(1)^2
ans =
1.3987e+004

3 de Julio del 2009
>> 21566775299180846321529982325451/2475880078570760549798248448
ans =
8.7108e+003
>> 1.8533e+004+1.3987e+004-8.7108e+003
ans =
2.3809e+004
Otro método para el cálculo de una entrada que transfiera el estado entre dos valores prefijados
es la composición de escalones. De forma resumida, consiste en:
 Fijar el numero de escalones que se utilizaran: en general, para ajustar el valor de n variables de
estado será necesario la utilización de una secuencia de n escalones cuyas alturas deberán ser
calculadas para cumplir con el objetivo.
 Fijar el intervalo en el que se aplicara cada uno de esos escalones: esta longitud se fija
arbitrariamente, utilizándose como método general la división del tiempo disponible para
realizar en n subintervalos de igual longitud.
Nótese que una secuencia de n escalones como la descrita genera un sistema con 2n-1 grados de
libertad, n alturas y n-1 longitudes de subintervalo, supuesta fija la longitud del intervalo total. Una
posibilidad de ajuste consiste en prefijar la longitud de estos subintervalos para conseguir reducir el
problema a otro con n grados de libertad, resultando, por lo tanto, un sistema determinado en el que se
utilizan n parámetros (alturas de los n escalones) para el ajuste de n variables (las n componentes del
vector de estado). También se puede ajustar la secuencia de escalones prefijando una combinación de
n-1 parámetros (alturas y/o subintervalos), procediendo luego al ajuste de la entrada con los n grados
de libertad restantes.
En conclusión, existen infinitas entradas capaces de transferir el estado entre dos valores
cualesquiera para un sistema controlable, como ya se ha referido anteriormente. La forma elegida
dependerá, por lo general, de algún criterio de minimización de una función de costo, problema que en
su resolución implicaría la utilización de técnicas de Control Optimo.
Energía de la señal de entrada
Si se considera una transformación del estado mediante una matriz T no singular:
~
xt P  T xt  (4.34)
De forma que:
~
A  T 1 AT
~
B  T 1 B (4.35)
~
t , t0   T 1t , t 0 T

3 de Julio del 2009
Entonces esta transformación modifica el valor del gramiano de controlabilidad según:
~
W t1 , t0    T 1t1 , TT 1B BT  T T T T t1 , t  T T  T 1W t1 , t0 T T
t1 T
(4.36)
t0
es decir, que aunque los autovalores de la matriz A son invariantes ante transformación lineal,
los autovalores del gramiano de controlabilidad no lo son, por lo que el gramiano no ofrece una
información concluyente sobre la factibilidad de controlar el estado para un sistema concreto.
Sin embargo, como ya se ha comentado, la entrada sí que invariante ante transformación lineal,
y en concreto también de mínima energía, por lo que dicha energía mínima puede tomarse como
indicador de controlabilidad, mediante la comparación del desplazamiento inducido en el valor del
estado y la energía en la entrada para conseguirlo.
Se pueden formular unos indicadores generales que van a ocasionar un incremento en dicha
energía para un mismo desplazamiento en el estado, como pueden ser:
 A menor longitud de intervalo [t0, t1] mayor es la energía necesaria, como puede
deducirse fácilmente.
 Cuanto más rápida es la dinámica del sistema, se tiende a necesitar más energía.
 Dependiendo de la dirección de avance del estado, en general se modifica la energía
necesaria para una misma distancia desplazada. Un indicador de la diferencia de costo
según la dirección es el número de condición del gramiano.
Ejemplo 4.4: Analizar la controlabilidad del sistema definido por:
  1 0   103 
xt     x t    3 u t  (4.37)
 0  2 10 
Calculando el gramiano y sus valores singulares para t=1 se obtiene un numero de condición de
3.23*1013, lo que en principio indica muy diferente controlabilidad según la dirección de
desplazamiento elegida para el estado. Sin embargo mediante una sencilla operación de escalado:
~ ~
x1 t   103 x1 t , x 2 t   10 3 x2 t  (4.38)
el problema se transforma en:

 1 0~
t    u t 
~ 1
x t   0

 2 x 1
(4.39)
Al repetir el mismo cálculo se obtiene un número de condición de 77.44, lo que indica un mejor
equilibrio entre las direcciones de desplazamiento del estado.
En este segundo caso se comprueba además cómo evoluciona la anisotropía del espacio de
estado, a medida que el tiempo se hace mayor. En la gráfica de la Fig. 4.5 se puede observar el
conjunto de estados alcanzables consumiendo una unidad de energía cuando t=0.5, t=1 y t=2, que
tienen como numero de condición de W(t1, 0), respectivamente, 222.27, 77.44 y 43.29. En dicha figura
llaman la atención dos características:

3 de Julio del 2009
 El lugar geométrico de los puntos que se pueden alcanzar consumiendo una cantidad fija
de energía es una elipse (una elipsoide en el caso general con n variables de estado).
 A medida que el numero de condición baja, la elipse de estados alcanzables va siendo
más redondeada, lo que implica un mejor equilibrio entre las posibles direcciones de
evolución del estado.
Fig. 4.5 Gráfica de los estados alcanzables consumiendo una unidad de energía cuando t=0.5, t=1 y t=2
que tienen como numero de condición respectivamente 222.27, 77.44 y 43.29
4.4. CONTROLABILIDAD EN SISTEMAS LINEALES INVARIANTES
En el caso de sistemas lineales invariantes, existe un método alternativo a la aplicación del

Gramiano para el estudio de la controlabilidad, cuya aplicación es más sencilla, y que se formula
mediante el siguiente teorema:
El sistema de dimensión n con ecuación de estado:


x t   Axt   Bu t  (4.40)
es controlable si y sólo si la matriz de controlabilidad Q, definida or la siguiente forma:
 
Q  B AB A2 B    An1 B (4.41)
es de rango máximo, es decir, n.
En este caso, y dado que el sistema es invariante, ya no se tiene en cuenta la variable tiempo, y
se habla sencillamente de Controlabilidad. Esto significa que, si un punto es controlable, siempre se
puede transferir el estado inicial a cualquier otro en cualquier tiempo finito.
La matriz Q se compone como se muestra en la fórmula, de modo que tiene n x m columnas, n
bloques de m columnas cada uno. Se puede descomponer en m submatrices siendo la i-ésima la
3 de Julio del 2009
multiplicación de la matriz A y sus potencias con la columna i-ésima de la matriz B. El rango de cada
una de estas matrices Qi define si es controlable solo usando la entrada i-ésima.
Demostración
 Condición necesaria
Si el sistema es controlable, es necesario que existan n columnas de la matriz Q linealmente
independientes. La solución de la ecuación de estado, si se parte de un estado inicial nulo, es:
^
xt1    t1 , Bu  d   e At1  Bu  d
t1 t1
(4.42)
t0 t0
Aplicando entonces el método de Cayley-Hamilton:
1 2
e At1   I  At1     A t1         h0  I  h1   A      hn1   An1
2
(4.43)
2!
y substituyendo en Ec. (4.42) se obtiene:
^
xt1   B  h0  u  d  AB  h1  u  d      An1 B  hn1  u  d
t1 t1 t1
(4.44)
t0 t0 t0
^
El estado xt1  que se puede alcanzar desde el origen es combinación lineal de las columnas
^
de Q. Por lo tanto, para que xt1  pueda ser cualquier punto del espacio de estado, es necesario
que de todas las columnas que aparecen haya n linealmente independientes.
 Condición suficiente
Se supone que el sistema no es controlable y se vera que no existen n columnas de la matriz Q
linealmente independientes.
Si el sistema no es controlable, la matriz W es singular, por lo tanto su determinante es nulo y
tiene un valor propio nulo, cuyo vector propio correspondiente verifica la Ec. (4.11):
V T  t1 , B   0 (4.45)

Este resultado aplicado al caso de sistemas invariantes se puede poner de la forma:
V T e At B  0 (4.46)
Si se deriva esta ecuación n-1 veces respecto al tiempo:
V T e At AB  0 

V T e At A2 B  0 
 V e Q  0
T At
(4.47)
 
V e A B  0
T At n1

3 de Julio del 2009
Hay un vector que aparece en todos los términos y que es ortogonal a los productos AB.
Cuando existe un vector ortogonal a todas las columnas de la matriz Q, es que no abarcan la
totalidad del espacio de estado, es decir que el resto de los vectores no son base de un espacio
de n dimensiones, son linealmente independientes.
Ejemplo 4.5: Dado el sistema:
 2 0 0 1 0

xt   0 1 3 xt   0 2u t 


(4.48)
4 0 3 0 5
su matriz de controlabilidad será:
1 0 2 0 4 0 
 
Q  0 2 0 17 12 62 (4.49)
0 5 4 15 20 45
El rango es tres, con las primeras columnas, luego es controlable. Siempre se encontraran las
entradas para llevar el sistema desde cero a cualquier valor.
Con estas dos entradas se puede llevar el estado entre dos valores cualesquiera del espacio de
estado, lo que no se sabe es qué ocurrirá si se usara una sola entrada. Sería equivalente a decir que la
matriz B tiene una sola columna.
Entonces se puede comprobar si sería controlable:
1 2 4 
Q1  0 0 12  rango(Q1)=3→Es Controlable (4.50)
0 4 20
Utilizando sólo la primera entrada, se puede hacer que el sistema ocupe cualquier punto del
espacio de estado, igual que con las dos. En caso de utilizar la segunda:
0 0 0 
Q2  2 17 62 rango(Q2)=2→No es Controlable (4.51)
5 15 45
No se puede hacer que el estado evolucione del origen hasta cualquier punto del espacio de
estado.
Solución con Ayuda de Matlab:
Carga de las matrices A y B
>> A=[2 0 0;0 1 3;4 0 3]

3 de Julio del 2009
A=
2 0 0
0 1 3
4 0 3
>> B=[1 0;0 2;0 5]
B=
1 0
0 2
0 5
Matriz de Controlabilidad y su rango con las dos entradas
>> Cc=ctrb(A,B)
Cc =
1 0 2 0 4 0
0 2 0 17 12 62
0 5 4 15 20 45
>> rank(Cc)
ans =
3
Comprobación de la Controlabilidad con la primera entrada B1
>> B1=[1;0;0]
B1 =
1
0
0
>> Cc1=ctrb(A,B1)
Cc1 =
1 2 4
0 0 12
0 4 20
>> rank(Cc1)
ans =
3
Comprobación de la Controlabilidad con la segunda entrada B2

3 de Julio del 2009
>> B2=[0;2;5]
B2 =
0
2
5
>> Cc2=ctrb(A,B2)
Cc2 =
0 0 0
2 17 62
5 15 45
>> rank(Cc2)
ans =
2
4.4.1. Invariancia de la controlabilidad ante cambios de base
La controlabilidad de un sistema es independiente de la representación de estado que se maneje.

Para probarlo lo único que se necesita es construir la representación de estado realizando los cambios:

xt   Axt   Bu t 
~
(4.52)
xt   T x
Con esto se consigue una nueva representación de estado:

~ ~
x  T 1 AT xt   T 1 Bu t  (4.53)
La matriz de controlabilidad de la nueva representación será:
~
 
Q  T 1 B T 1 AB T 1 A2 B    T 1 An1 B  T 1Q (4.54)
~
Puesto que la matriz T es no singular, el rango de Q coincidirá con el de Q, por lo tanto, si el
~
sistema es controlable con Q también lo será con Q .
4.5. INTERPRETACIÓN GEOMÉTRICA DE LA CONTROLABILIDAD

3 de Julio del 2009
El número de condición del Gramiano de Controlabilidad es, como se ha mencionado

anteriormente en este capítulo, un indicador de la anisotropía del espacio de estado en términos del
costo de desplazar el valor del estado dependiendo de la dirección de dicho desplazamiento. El
concepto que subyace se puede explicar, para sistemas lineales e invariantes, en términos de respuesta
del sistema ante un determinado conjunto de señales, como se explica a continuación. Partiendo de la
definición del Gramiano de Controlabilidad
W t1 , t 0    t1 , BB T T t1 , d

t1
(4.55)
t0
se puede entender el término F(t-τ) = Φ(t-τ)B como una aplicación F :    nm . Así, F(t) representa
la aplicación de un conjunto de m señales vectoriales influyendo sobre n variables de estado, con lo que
cada columna supondría el efecto de cada entrada sobre el conjunto de variables.
Por propia definición, el Gramiano de Controlabilidad es una matriz semidefinida positiva, con
un conjunto de valores propios reales  12   22       n2  0 y el correspondiente conjunto de
autovectores ortonormales V1, V2,∙∙∙, Vn.
El Gramiano de Controlabilidad se puede interpretar en términos de energía transmitida desde la
 F  
t1 2
entrada a las variables de estado en la siguiente forma. La integral 2
d representa la energía
t0
total del conjunto de señales en el intervalo [t0, t1], reflejando los autovalores y sus correspondientes
autovectores la distribución espacial de esta energía.
Considérese el conjunto de posibles entradas al sistema u t    m , y sea Ώ la clase de todas las
funciones de entrada continuas a trozos en el intervalo [t0, t1], que satisfacen la restricción en su norma:
1
 t1 u   2 d   1
2
 t0
(4.56)
2

La Imagen de la convolución:
x   : x   F t  u d , t  t , u  PC t , t 

n
t
t0
1
m
0 1 (4.57)
donde PCm[t0,t1] representa el conjunto de vectores de entrada de dimensión m continuos a trosos en el

intervalo [t0,t1], es el subespacio generado por los vectores propios, Vi, correspondientes a los
autovalores distintos de cero. El conjunto contenido en este subespacio:

S  x   n : x   F t   u  d , t  t1 , u    
t
t0
 (4.58)
aporta información sobre la estructura de dicho subespacio. Se puede demostrar que S es una región en
 n cuya superficie es una elipsoide definida por los autovalores y autovectores de F(t) en [t0,t1], como
ya se adelanto en el Ejemplo 4.4.
Sean σi y Vi, i=1,…..,n las raíces cuadradas de los autovalores del Gramiano de Controlabilidad
y los vectores propios asociados en [t0,t1], y sean , V   n  n :

3 de Julio del 2009
 1 0  0
0   0 
 2
(4.59)
   
 
0 0  n
V  v1 v2  vn  (4.60)
Sea el conjunto:
 
^
S  x   n : x  Vp, p  1 (4.61)
es decir, un elipsoide con semiejes σiVi, i=1,2,∙∙∙∙, n. Entonces se demuestra que el conjunto S se puede
caracterizar como:
 ^ ^ ^

S   x   n : x   x con x  S y 0    1 (4.62)
 
^
Es decir, que S es la superficie de S.
El conjunto S de estados que resultan de la convolución de F(t-τ) = Φ(t-τ)B con una norma
de entrada unitaria coincide con la superficie de un elipsoide cuyos semiejes son σiVi, i = 1, 2,∙∙∙∙, n,
siendo σi las raíces cuadradas de los valores propios del Gramiano de Controlabilidad y Vi los
vectores propios asociados.
Este resultado indica que al aplicar una entrada con una cierta energía, los estados que se
pueden alcanzar se encuentran sobre una elipsoide cuyas proporciones son las indicadas por los
autovalores y autovectores del Gramiano de Controlabilidad, como aparece en la Fig. 4.5.
Demostración
^ ^
Suponiendo σn > 0 (sistema controlable), para todo x  S existe un vector p, p  1 que
^
satisface que x  Vp . Por su propia definición se sabe que:
W t1 , t 0    F  F T  d  V 2V T
t1
(4.63)
t0
lo que significa que, si se define q = VΣ-1p, que cumple que; lo que supone que la entrada u(t) =
^
F(t1-t)q conduce al estado x t  al valor x en el instante t1 . A partir de esta definición de entrada se
obtiene que:

3 de Julio del 2009
 u  u  d   q F t   F T t1   qd 

t1 t1
T T
1
t0 t0
 p T T V T   F t1   F T t1   d V 1 p 

t1
(4.64)
 t0 
 
W t1 ,t0 
p  T V TV 2V T V 1 p  1
T
^
lo que significa que u t    y que x  S .
Este resultado facilita la interpretación de la información que suministra el Gramiano de
Controlabilidad para un sistema lineal e invariante:
 El Gramiano y la matriz Q establecen la controlabilidad teórica de un sistema, en términos de
que si es matemáticamente posible encontrar una entrada que produzca una determinada
transición del estado desde un valor inicial a un valor final dado.
 La estructura de los valores de los vectores propios del Gramiano de Controlabilidad determina
la factibilidad relativa con la que se puede recorrer el espacio de estado según la dirección
elegida, siendo mayor el costo menor sea el valor propio asociado a la dirección elegida.
 Dado que dicho Gramiano no es invariante, este estudio es concluyente en tanto y en cuanto se
utilice una representación del estado en la que sus variables tengan un significado físico claro.
 En la circunstancia de utilizar una representación con correspondencia física, la estructura del
Gramiano de Controlabilidad revela las posibilidades prácticas de realizar transiciones en el
espacio de estado, así como un costo energético relativo dependiendo de la dirección elegida
para la transición.
4.6. SUBESPACIO CONTROLABLE
Según se ha detallado en los anteriores apartados, en un sistema lineal e invariante que sea
controlable se va a poder alcanzar un estado determinado, partiendo desde cualquier estado inicial,
eligiendo la entrada adecuada. Sin embargo, si no es controlable, no se va a poder alcanzar cualquier
estado. No obstante parece interesante, en estos casos, caracterizar aquellos puntos que van a ser
controlables, es decir, que se van a poder alcanzar.
La descripción se va a realizar en dos etapas: primero se detallan los puntos que se pueden
alcanzar a partir de un estado inicial nulo, para posteriormente generalizarlo para cualquier estado
inicial.
Dado un sistema lineal invariante:

x t   Axt   Bu t  (4.65)
el conjunto de puntos del espacio de estado alcanzables partiendo del estado inicial nulo
forman un subespacio vectorial, al que se denomina subespacio controlable, Xc , generado
por los vectores columna de Q.
Estos puntos forman un espacio vectorial, pues el origen pertenece a él y además cumplen la
condición de linealidad: si partiendo de un estado inicial nulo, ante una entrada u1, se alcanza el estado
x1 y, ante una entrada u2, se alcanza el estado x2; entonces para cualquier combinación lineal:
u1  u2 ,  ,    se alcanzara el estado x1  x2 .

3 de Julio del 2009
Se puede plantear la definición del subespacio controcable, Xc, en función de la respuesta de las
variables de estado del sistema, partiendo del estado inicial nulo, a un conjunto de señales de prueba
presentadas en su entrada.
El subespacio controlable, Xc , es el subespacio de menor dimensión que contiene a la imagen
de la transformación definida por Xt(t), para todo t  t0 ,t1  , siendo
 
X t t   xt1 t  xt2 t   xtm t  (4.66)
donde xti t  representa la evolución del estado ante la entrada de prueba u i t  , definida
como:
 0 
  
 
u i t   u i t  (4.67)
 
  
 0 
Demostración
Si se define el conjunto de entradas de prueba:
 0 
  
 
u i t    t  (4.68)
 
  
 0 
donde δ(t) representa el impulso de Dirac, entonces es:
xti t     t , Bu i  d    t , b1  bi  bm u i  d   t , t0 bi

t t
(4.69)
t0 t0
es decir, la respuesta impulsorial del sistema. Dado que se trata de un sistema lineal, las
regiones del espacio de estado para los que dicha respuesta es cero tendrán respuesta nula para
cualquier otra entrada, con lo que la imagen del mapa dado por Ec. (4.69) se corresponde con el
subespacio controlable.
4.6.1. Base del Subespacio controlable

3 de Julio del 2009
Según se deduce de la demostración de la sección 4.5 los vectores columna de Q generan el

subespacio controlable; por lo tanto una posible base de este espacio vectorial son las columnas
linealmente independientes de la matriz Q, siendo la dimensión del mismo su rango rQ.
Para el cálculo de una base del subespacio controlable basta observar que si en la matriz
Q B  AB A2 B  An1 B  (4.70)
La columna Aibj es linealmente dependiente de sus anteriores columnas:
Ai b j  01b1  02b2    0 m bm  11 Ab1    1m Abm  

(4.71)
 i1 Ai b1  i 2 Ai b2    i , j 1 Ai b j 1
entonces Ai+kbj , con k > 0, también será linealmente dependiente de sus dos anteriores
columnas, ya que multiplicando la Ec. (4.154) por la izquierda por Ak se obtiene que:
Ai k b j  01 Ak b1  02 Ak b2    0 m Ak bm  11 A1k b1    1m A1k bm  

(4.72)
 i1 Ai k b1  i 2 Aik b2    i , j 1 Ai k b j 1
El método consiste entonces en ir seleccionando columnas de Izquierda a derecha y, cuando una

de ellas, Aibj, sea linealmente dependiente de las anteriores, entonces se descartan ésta y todas las
Ai+kbj posteriores.
El proceso termina cuando todas las columnas de un grupo AiB sean linealmente dependientes,
ya que a partir de entonces los restantes grupos Ai+kB también lo serán.
4.6.2. Estados alcanzables
^ 
La relación de los estados controlables, a partir de un estado inicial nulo  xt  con los estados
 
alcanzables desde cualquier estado inicial  xt  , viene dada por la Ec. (4.85) de donde:
^
x t   x t    t , t0 xt 0  (4.73)
De esta forma, los puntos alcanzables en el espacio de estado están definidos por una variedad
lineal tal que:
 La componente debido a la entrada es el subespacio controlable, Xc, que constituye el

subespacio director de la variedad.
 La componente que depende del sistema y de las condiciones iniciales representa la
evolución libre del sistema ante entrada nula.
En la Figura 4.6 puede verse un espacio de estado de dimensión dos en el que se ha

representado:

3 de Julio del 2009
 Una recta que representa el subespacio controlable de dimensión uno.

 Una línea discontinua que representa la evolución libre del sistema.
Fig 4.6 Superposición de la evolución libre con el subespacio controlable.
Sobre ambas curvas se ha resaltado los valores del estado para los instantes t0, t1 y t2. Como puede
verse, el estado para cada uno de estos instantes se obtiene mediante la superposición de ambos valores,
como describe la Ec. 4.72.
4.7. SEPARACIÓN DEL SUBSISTEMA CONTROLABLE
Dado el sistema lineal invariante con dimensión del subespacio controlable, dim(Xc)=rQ < n:

x t   Axt   Bu t  (4.74)
existe una matriz de transformación T, tal que sí se efectúa dicho cambio de base:
~
xt   T xt  (4.75)
3 de Julio del 2009
la ecuación de estado en el nuevo sistema de referencia puede ser escrita como:
~ 

 
~
 xa t   Aaa Aab   xa t    B a u t 
~ ~ ~
 ~    ~ ~ (4.76)
 x t   0 Abb   xb t   0 
 b 
~
verificándose que el sistema formado por las variables xa , cuya dinámica viene representada por las
~ ~ 
matrices  Aaa , B a  , conociéndose como el subespacio controlable, siendo su dimensión rQ; por lo tanto
 
~
la dimensión del subsistema formado por las variables xb es n-rQ. Adicionalmente, se deduce de la Ec.
~ 
(4.76), este subsistema está caracterizado por las matrices  Abb ,0  , y tiene un comportamiento
 
independiente de la entrada.
La ecuación de estado de orden reducido de los estados controlables:


~ ~ ~ ~
x a t   Aaa x a t   B a u t  (4.77)
representa el comportamiento del subsistema controlable y define la misma función de transferencia

que la ecuación de estado en su forma original y la expresada en la forma reflejada en la Ec. (4.76); en
otras palabras, son distintas realizaciones del mismo sistema, es decir, que ante la misma entrada todas
generan la misma salida.
La matriz T que realiza esta transformación se construye:
T  Ta Tb  (4.78)
donde Ta se forma con una base cualquiera del subespacio controlable, y Tb esta formado por n-rQ
vectores cualesquiera que sean linealmente independientes entre sí y con los de la matriz Ta.
El sistema original se descompone en dos subsistemas según el gráfico de la Figura 4.7, donde
S1 es un subsistema controlable (en Rojo) y S2 (en Verde) esta totalmente separado de u, evoluciona de
forma independiente a la señal de entrada, por lo que no es controlable. Se consigue, pues, dividir el
sistema en dos: uno controlable y otro que presenta un comportamiento independiente de la entrada.
Si en un espacio total de dimensión tres se supone que el subespacio controlable es de

dimensión uno, lo que se esta haciendo es girar los ejes de coordenadas de manera que uno de ellos se
situé sobre la recta controlable. Así se tiene una variable de estado totalmente controlable, la que esta
sobre la recta (subespacio controlable), y las otras dos evolucionan en forma independiente de la
entrada.

3 de Julio del 2009
Si el subespacio controlable fuese plano, la dimensión de S1 (en Rojo) sería dos, por lo que se
podrían separar dos variales de estado que se podrían llevar a cualquier valor.
•
~ ~
u(t) ~ Xa Xa ~ y(t)
Ba ∫ Ca
~
Aaa
S1
~
Aab S2
•
~ ~
Xb Xb ~
∫ Cb
~
Abb
Fig. 4.7 Representación gráfica del subsistema controlable
Ejemplo 4.6: dado el sistema
1 0 4  3
xt   0 1  4 xt    1u t 
 

(4.79)
0 0 2   1 
su matriz de controlabilidad es:
3 7 15 
 
2

Q  B AB A B   1  5  13 Rango(Q) = 2 < 3→Sistema no controlable (4.80)
 1 2 4 
3 1 0 4   3   7  1 0 12   3   15 
B   1 AB  0 1  4  1   5 A B  0 1  12  1   13
2
(4.81)
 1  0 0 2   1   2  0 0 4   1   4 
La base del subespacio controlable será:

3 de Julio del 2009
3 7 3 7 1
T1   1  5  T   1  5 0
   (4.82)
 1 2   1 2 0
Con lo que las matrices transformadas quedan:
0 0.666 1.666  1 0 4   3 7 1  0  2 0 
A  T AT  0  0.333  0.333 0 1  4  1  5 0  1 3 0
    
~
1
(4.83)
1 0.333  2.666 0 0 2   1 2 0 0 0 1
0 0.666 1.666   3  1

B  T B  0  0.333  0.333  1  0

~
1
(4.84)
1 0.333  2.666  1  0
La matriz de controlabilidad queda:
1 0  2 
~ ~ ~ ~2 ~ 
Q   B A B A B   0 1 3 
~ _
Rango(Q)  2 (4.85)
  0 0 0 
 
con lo que se comprueba la existencia de un subsistema de dimensión dos que es controlable.
~ ~
El subsistema controlable está formado por x1 y x 2 , que, expresados en la base inicial, son:
~
 x~1   x1 
x   T x 
1
(4.86)
 ~2   2
 x3   x3 
 
Realización del ejemplo 4.6 con ayuda del Matlab
>> A=[1 0 4;0 1 -4;0 0 2]
A=
1 0 4
0 1 -4
0 0 2
>> B=[3;-1;1]
B=
3
-1
1

3 de Julio del 2009
>> Q=ctrb(A,B)
Q=
3 7 15
-1 -5 -13
1 2 4
>> rank(Q)
ans =
2
>> T=[3 7 1;-1 -5 0;1 2 0]
T=
3 7 1
-1 -5 0
1 2 0
>> rank(T)
ans =
3
>> TI=inv(T)
TI =
0.0000 0.6667 1.6667
0 -0.3333 -0.3333
1.0000 0.3333 -2.6667
>> AT=TI*A*T
AT =
0.0000 -2.0000 0.0000
1.0000 3.0000 0
0.0000 0.0000 1.0000
>> BT=TI*B
BT =
1
0
0
>> QT=ctrb(AT,BT)
QT =
3 de Julio del 2009
1.0000 0.0000 -2.0000

0 1.0000 3.0000
0 0.0000 0.0000
>> rank(QT)
ans =
2
4.8. CONTROLABLIDAD DE LA SALIDA
Se define la controlabilidad de la salida en un intervalo de tiempo:
Se dice que un punto del espacio de salida de un sistema, y1, es controlable en [t0, t1] si existe
una entrada u definida en el intervalo [t0, t1], tal que para todo punto de origen en t0 consiga que la
salida valga y1 en t1.
Para cualquier instante y para cualquier estado se define como:
Se dice que un punto del espacio de salida de un sistema y1 es controlable si para todo punto
de origen y para todo instante inicial t0, existe una entrada u en el intervalo [t0, t1] con t1 finito, que
lleve la salida al valor y1 en t1.
Estos conceptos de controlabilidad de un punto en el espacio de salida se pueden extender a la

controlabilidad de todo el espacio de salida, de forma similar como se hizo en la sección 4.3.
Los teoremas de controlabilidad del estado se pueden generalizar de forma sencilla a los
siguientes teoremas de controlabilidad de la salida. Así, para determinar la controlabilidad de la salida
de un sistema lineal se utiliza el siguiente teorema:
Dado el sistema:

xt   At xt   Bt u t  (4.87)
yt   C t xt 
la salida es controlable en [t0,t1] si y sólo si la matriz denominada Gramiano de

Controlabilidad de la salida y definida por:
Wc t1 , t0    C  t1 , B B T   T t1 , C T  d

t1
(4.88)
t0
es no singular.
Se comprueba además que, de forma similar a lo visto al estudiar la controlabilidad del estado, a
partir de la definición del Gramiano de Controlabilidad de la Salida, se puede calcular la entrada de
mínima energía que desplaza el valor de la salida a un punto dado, y1, en un intervalo [t0, t1]:

3 de Julio del 2009
_
u t   BT t  T t1 , t C T t WC1 t1 , t0  y1 (4.89)
donde
_
y1  y1  C t1 t0 , t1 x0 (4.90)
Además, como también ocurre en el caso de controlabilidad del estado, el rango del Gramiano
de Controlabilidad de la Salida indica la dimensión del subespacio de salida controlable.
Para sistemas en los que además de la condición de linealidad se cumpla la de invarianza, se

puede aplicar el siguiente teorema, basado en unos cálculos más sencillos que el anterior:
Dado el sistema lineal e invariante:

xt   Axt   Bu t  (4.91)
yt   Cxt 
la salida es controlable si y sólo si la matriz definida por:
QC  CB  CAB CA 2 B  CA n1B  (4.92)
es de rango p(notese que QC = CQ).
Ejemplo 4.7: determinar la controlabilidad de las salidas del sistema definido por las
ecuaciones:
 4 8 7  6 
x    3 3  x   4u

1  
 8  10  11   9  (4.93)
1 1  1
y x
 1 3 2 
partiendo del instante t0 = 0 y para un instante genérico t.
El problema se puede resolver por dos vías, bien utilizando el Gramiano de Controlabilidad de
la Salida o bien utilizando la Matriz de Controlabilidad de la Salida. A continuación se plantean ambas
soluciones.
 Mediante el Gramiano de Controlabilidad de la Salida

En este caso se plantea la integral mediante la que se calcula el Gramiano correspondiente:

3 de Julio del 2009
WC t ,0    C ( )t , B BT   T t , C T  d

t
(4.94)
0
Donde:
4 8  7  6
  1  1  1
A    3 1 3  B    4 C     
 8  10  11  9   1 3 2 
5e  t    3e 2t    e 3t    5e  t    2e 2 t    3e 3t    5e  t    3e 2t    2e 3t   

 
 (t ,  )   1 sI  At       3e t    3e  2t   3e t    2e 2 t   3e t    3e  2t   
 7e t    6e 2t    e t    7e t    6e  2t    e 3t    7e t    6e  2t    2e 3t   

 5e  t    3e 2 t    e 3t    3e  t    3e 2t   7e  t    6e 2t    e  t   

 
 T t ,    5e t    2e 2 t    3e 3t   3e t    2e 2 t    7e t    6e 2t    e 3t   
 5e t    3e 2t    2e 3t   3e t    3e 2 t    7e t    6e 2 t    2e 3t   

 1  1
BT  6  4 9 C T   1 3 
 1 2 
Substituyendo en la Ec. (4.94) y realizando operaciones nos queda:
5e  t    3e 2t    e 3t    5e  t    2e 2 t    3e 3t    5e  t    3e 2t    2e 3t   

 1  1  1 
WC t ,0    
t
t  
   3e  3e 2t   3e t    2e 2t   3e t    3e 2t   
0 1 3 2
   7e t    6e 2t    e t    7e t    6e 2 t    e 3t    7e t    6e 2t    2e 3t   

6   5e t    3e 2t    e 3t    3e t    3e 2t   7e t    6e 2t    e t     1  1
 46  4 9 5e t    2e 2t    3e 3t   3e t    2e 2t  

 7e t    6e 2 t    e 3t     1 3  d
  
 9   5e t    3e 2 t    2e 3t   3e t    3e 2t    7e t    6e 2t    2e 3t     1 2 

WC t ,0   2
1
1 e  2 t
 0
(4.95)

 0 0
matriz que, como puede comprobarse fácilmente, es de rango uno, por lo que se concluye que la
dimensión del espacio de salida controlable es uno.
 Mediante la Matriz de Controlabilidad de la Salida

En este caso se construye la Matriz de Controlabilidad de la Salida como se especifica en su
definición:

3 de Julio del 2009

QC  CB CAB CA 2 B 
 8  7  2  6 
 
 1 1 1  6  4  8  7  6  4
    1  1  1   1  1  1 
  4   1 3 2   3 1 3   4   1 3 2   3 1 3   4 
  1 3 2        
  9   8  10  11  9   8  10  11  9  
 
1  1 1 
 
0 0 0 
(4.96)
de donde se concluye inmediatamente que el rango de esta matriz es uno y, por lo tanto, que el
subespacio de salida controlable es de dimensión uno, y que la base de dicho espacio es:
1
0 
 
Solución del Ejemplo 4.7 con ayuda del Matlab
 Mediante el Gramiano de Controlabilidad de la Salida
>> A=[4 -8 -7;-3 1 3;8 -10 -11]
A=
4 -8 -7
-3 1 3
8 -10 -11
>> B=[6;-4;9]
B=
6
-4
9
>> C=[1 -1 -1;-1 3 2]
C=
1 -1 -1
-1 3 2
>> BT=B'
BT =
6 -4 9
>> CT=C'
3 de Julio del 2009
CT =
1 -1
-1 3
-1 2
>> I=eye(3)
I=
1 0 0
0 1 0
0 0 1
>> syms s t tau

>> FI=s*I-A
FI =
[ s-4, 8, 7]
[ 3, s-1, -3]
[ -8, 10, s+11]
>> FI=inv(FI)
FI =
[ (s^2+10*s+19)/(s^3+6*s^2+11*s+6), -2*(4*s+9)/(s^3+6*s^2+11*s+6), -
(17+7*s)/(s^3+6*s^2+11*s+6)]
[ -3/(s^2+3*s+2), (s+4)/(s^2+3*s+2), 3/(s^2+3*s+2)]
[ 2*(4*s+11)/(s^3+6*s^2+11*s+6), -2*(5*s+12)/(s^3+6*s^2+11*s+6), (s^2-5*s-
20)/(s^3+6*s^2+11*s+6)]
>> pretty(FI)
[2 ]
[s + 10 s + 19 4s+9 17 + 7 s ]
[----------------- -2 --------- - ---------- ]
[ %1 %1 %1 ]
[ ]
[ 3 s+4 3 ]
[- ------------ ------------ ------------ ]
[ 2 2 2 ]
[ s +3s+2 s +3s+2 s +3s+2]
[ ]
[ 2 ]
[ 4 s + 11 5 s + 12 s - 5 s – 20 ]
[ 2 -------- -2 -------- ----------------]
[ %1 %1 %1 ]
3 2
3 de Julio del 2009
%1 := s + 6 s + 11 s + 6
>> num11=[0 1 10 19]
num11 =
0 1 10 19
>> den11=[1 6 11 6]
den11 =
1 6 11 6
>> [R,P,K]=residue(num11,den11)
R=
-1.0000
-3.0000
5.0000
P=
-3.0000
-2.0000
-1.0000
K=
[]
>> num12=[0 0 -8 -18]
num12 =
0 0 -8 -18
>> den12=den11
den12 =
1 6 11 6
R=
3.0000
2.0000
-5.0000
P=
-3.0000
-2.0000
-1.0000
3 de Julio del 2009
K=
[]
>> num13=[0 0-7 -17]
num13 =
0 -7 -17
>> den13=den11
den13 =
1 6 11 6
R=
2.0000
3.0000
-5.0000
P=
-3.0000
-2.0000
-1.0000
K=
[]
>> num21=[0 0 -3]
num21 =
0 0 -3
>> den21=[1 3 2]
den21 =
1 3 2
R=
3
-3
P=
-2
-1
3 de Julio del 2009
K=
[]
>> num22=[0 1 4]
num22 =
0 1 4
>> den22=den21
den22 =
1 3 2
R=
-2
3
P=
-2
-1
K=
[]
>> num23=[0 0 3]
num23 =
0 0 3
>> den23=den21
den23 =
1 3 2
R=
-3
3
P=
-2
-1
K=
3 de Julio del 2009
[]
>> num31=[0 0 8 22]
num31 =
0 0 8 22
>> den31=den11
den31 =
1 6 11 6
R=
-1.0000
-6.0000
7.0000
P=
-3.0000
-2.0000
-1.0000
K=
[]
>> num32=[0 0 -10 -24]
num32 =
0 0 -10 -24
>> den32=den31
den32 =
1 6 11 6
R=
3.0000
4.0000
-7.0000
P=
-3.0000
-2.0000
-1.0000
3 de Julio del 2009
K=
[]
>> num33=[0 1 -5 -20]
num33 =
0 1 -5 -20
>> den33=den31
den33 =
1 6 11 6
R=
2.0000
6.0000
-7.0000
P=
-3.0000
-2.0000
-1.0000
K=
[]
>> FI=[5/(s+1)-3/(s+2)-1/(s+3) 5/(s+1)+2/(s+2)+3/(s+3) 5/(s+1)+3/(s+2)+2/(s+3);

-3/(s+1)+3/(s+2) 3/(s+1)-2/(s+2) 3/(s+1)-3/(s+2);
7/(s+1)-6/(s+2)-1/(s+3) -7/(s+1)+4/(s+2)+3/(s+3) -7/(s+1)+6/(s+2)+2/(s+3)]
FI =
[ 5/(s+1)-3/(s+2)-1/(s+3), 5/(s+1)+2/(s+2)+3/(s+3), 5/(s+1)+3/(s+2)+2/(s+3)]

[ -3/(s+1)+3/(s+2) , 3/(s+1)-2/(s+2) , 3/(s+1)-3/(s+2) ]
[ 7/(s+1)-6/(s+2)-1/(s+3), -7/(s+1)+4/(s+2)+3/(s+3), -7/(s+1)+6/(s+2)+2/(s+3)]
>> pretty(FI)
[ 5 3 1 5 2 3 5 3 2 ]
[------ - ------ - ------ , ------ + ------ + ------ , ------ + ------ + ------ ]
[s + 1 s + 2 s + 3 s + 1 s + 2 s + 3 s + 1 s + 2 s + 3 ]
[ ]
[ 3 3 3 2 3 3 ]
[ - ------ + ------ , ------ - ------ , ------ - ------ ]
[ s+1 s+2 s+1 s+2 s+1 s+2 ]
3 de Julio del 2009
[ ]
[ 7 6 1 7 4 3 7 6 2 ]
[------ - ------ - ------ , - ------ + ------ + ------ , - ----- + ----- + -----]
[s + 1 s + 2 s + 3 s + 1 s + 2 s + 3 s + 1 s + 2 s + 3]
>> FI=ilaplace(FI)
FI =
[5*exp(-t)-3*exp(-2*t)-exp(-3*t), 5*exp(-t)+2*exp(-2*t)+3*exp(-3*t), 5*exp(-t)+3*exp(-
2*t)+2*exp(-3*t)]
[ -3*exp(-t)+3*exp(-2*t) , 3*exp(-t)-2*exp(-2*t) , 3*exp(-t)-3*exp(-2*t) ]
[7*exp(-t)-6*exp(-2*t)-exp(-3*t) , -7*exp(-t)+4*exp(-2*t)+3*exp(-3*t), -7*exp(-t)+6*exp(-
2*t)+2*exp(-3*t)]
>> pretty(FI)
[5 exp(-t) - 3 exp(-2 t) - exp(-3 t) , 5 exp(-t) + 2 exp(-2 t) + 3 exp(-3 t) , 5 exp(-t) + 3 exp(-2 t) + 2 exp(-3 t)]
[ -3 exp(-t) + 3 exp(-2 t) , 3 exp(-t) - 2 exp(-2 t) , 3 exp(-t) - 3 exp(-2 t) ]
[7 exp(-t) - 6 exp(-2 t) - exp(-3 t) ,-7 exp(-t) + 4 exp(-2 t) + 3 exp(-3 t) ,-7 exp(-t) + 6 exp(-2 t) + 2 exp(-3 t)]
>> FITTAU=[5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau) 5*exp(-t+tau)+2*exp(-2*t+2*tau)+3*exp(-

3*t+3*tau) 5*exp(-t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau);-3*exp(-t+tau)+3*exp(-2*t+2*tau)
3*exp(-t+tau)-2*exp(-2*t+2*tau) 3*exp(-t+tau)-3*exp(-2*t+2*tau); 7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-
3*t+3*tau) -7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau) -7*exp(-t+tau)+6*exp(-
2*t+2*tau)+2*exp(-3*t+3*tau)]
FITTAU =
[ 5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau), 5*exp(-t+tau)+2*exp(-2*t+2*tau)+3*exp(-3*t+3*tau),
5*exp(-t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau)]
[ -3*exp(-t+tau)+3*exp(-2*t+2*tau), 3*exp(-t+tau)-2*exp(-2*t+2*tau),
3*exp(-t+tau)-3*exp(-2*t+2*tau)]
[ 7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau), -7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau), -
7*exp(-t+tau)+6*exp(-2*t+2*tau)+2*exp(-3*t+3*tau)]
>> pretty(FITTAU)
[5 exp(-t + tau) - 3 exp(-2 t + 2 tau) - exp(-3 t + 3 tau) ,

5 exp(-t + tau) + 2 exp(-2 t + 2 tau) + 3 exp(-3 t + 3 tau) ,
5 exp(-t + tau) + 3 exp(-2 t + 2 tau) + 2 exp(-3 t + 3 tau)]
[-3 exp(-t + tau) + 3 exp(-2 t + 2 tau) ,
3 exp(-t + tau) - 2 exp(-2 t + 2 tau) ,
3 exp(-t + tau) - 3 exp(-2 t + 2 tau)]
-7 exp(-t + tau) + 4 exp(-2 t + 2 tau) + 3 exp(-3 t + 3 tau) ,
-7 exp(-t + tau) + 6 exp(-2 t + 2 tau) + 2 exp(-3 t + 3 tau)]
>> FITTAUT=[5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau) -3*exp(-t+tau)+3*exp(-2*t+2*tau) -

7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau);-5*exp(-t+tau)+2*exp(-2*t+2*tau)+3*exp(-
3*t+3*tau) 3*exp(-t+tau)-2*exp(-2*t+2*tau) 7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau);3*exp(-
3 de Julio del 2009
t+tau)-3*exp(-2*t+2*tau) 5*exp(-t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau) -7*exp(-t+tau)+6*exp(-

2*t+2*tau)+2*exp(-3*t+3*tau)]
FITTAUT =
[ 5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau), -3*exp(-t+tau)+3*exp(-2*t+2*tau),
-7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau)]
[ -5*exp(-t+tau)+2*exp(-2*t+2*tau)+3*exp(-3*t+3*tau), 3*exp(-t+tau)-2*exp(-2*t+2*tau),
7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau)]
[ 3*exp(-t+tau)-3*exp(-2*t+2*tau), 5*exp(-t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau),
-7*exp(-t+tau)+6*exp(-2*t+2*tau)+2*exp(-3*t+3*tau)]
>> pretty(FITTAUT)

-3 exp(-t + tau) + 3 exp(-2 t + 2 tau) ,
[-5 exp(-t + tau) + 2 exp(-2 t + 2 tau) + 3 exp(-3 t + 3 tau) ,
3 exp(-t + tau) - 2 exp(-2 t + 2 tau) ,
7 exp(-t + tau) - 6 exp(-2 t + 2 tau) - exp(-3 t + 3 tau)]
[3 exp(-t + tau) - 3 exp(-2 t + 2 tau) ,
5 exp(-t + tau) + 3 exp(-2 t + 2 tau) + 2 exp(-3 t + 3 tau) ,
>> wc=C*FITTAU
wc =
[ exp(-t+tau) , 9*exp(-t+tau), 9*exp(-t+tau) ]
[ -exp(-3*t+3*tau) , -10*exp(-t+tau)+3*exp(-3*t+3*tau), -10*exp(-t+tau)+2*exp(-3*t+3*tau)]
>> wc=wc*B
wc =
51*exp(-t+tau)
-50*exp(-t+tau)
>> wc=wc*BT
wc =
[ 306*exp(-t+tau), -204*exp(-t+tau), 459*exp(-t+tau)]
[ -300*exp(-t+tau), 200*exp(-t+tau), -450*exp(-t+tau)]
>> wc=wc*FITTAUT
wc =
[306*exp(-t+tau)*(5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau))-204*exp(-t+tau)*(-5*exp(-
t+tau)+2*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))+459*exp(-t+tau)*(3*exp(-t+tau)-3*exp(-2*t+2*tau)),
306*exp(-t+tau)*(-3*exp(-t+tau)+3*exp(-2*t+2*tau))-204*exp(-t+tau)*(3*exp(-t+tau)-2*exp(-
2*t+2*tau))+459*exp(-t+tau)*(5*exp(-t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau)), 306*exp(-t+tau)*(-
3 de Julio del 2009
7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))-204*exp(-t+tau)*(7*exp(-t+tau)-6*exp(-2*t+2*tau)-
exp(-3*t+3*tau))+459*exp(-t+tau)*(-7*exp(-t+tau)+6*exp(-2*t+2*tau)+2*exp(-3*t+3*tau))]
[-300*exp(-t+tau)*(5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau))+200*exp(-t+tau)*(-5*exp(-
t+tau)+2*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))-450*exp(-t+tau)*(3*exp(-t+tau)-3*exp(-2*t+2*tau)),
-300*exp(-t+tau)*(-3*exp(-t+tau)+3*exp(-2*t+2*tau))+200*exp(-t+tau)*(3*exp(-t+tau)-2*exp(-2*t+2*tau))-
450*exp(-t+tau)*(5*exp(-t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau)), -300*exp(-t+tau)*(-7*exp(-
t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))+200*exp(-t+tau)*(7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-
3*t+3*tau))-450*exp(-t+tau)*(-7*exp(-t+tau)+6*exp(-2*t+2*tau)+2*exp(-3*t+3*tau))]
>> wc=wc*CT
wc =
[ 306*exp(-t+tau)*(5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau))-204*exp(-t+tau)*(-5*exp(-t+tau)+2*exp(-
2*t+2*tau)+3*exp(-3*t+3*tau))+459*exp(-t+tau)*(3*exp(-t+tau)-3*exp(-2*t+2*tau))-306*exp(-t+tau)*(-3*exp(-
t+tau)+3*exp(-2*t+2*tau))+204*exp(-t+tau)*(3*exp(-t+tau)-2*exp(-2*t+2*tau))-459*exp(-t+tau)*(5*exp(-t+tau)+3*exp(-
2*t+2*tau)+2*exp(-3*t+3*tau))-306*exp(-t+tau)*(-7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))+204*exp(-
t+tau)*(7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau))-459*exp(-t+tau)*(-7*exp(-t+tau)+6*exp(-2*t+2*tau)+2*exp(-
3*t+3*tau)), -306*exp(-t+tau)*(5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau))+204*exp(-t+tau)*(-5*exp(-
t+tau)+2*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))-459*exp(-t+tau)*(3*exp(-t+tau)-3*exp(-2*t+2*tau))+918*exp(-t+tau)*(-
3*exp(-t+tau)+3*exp(-2*t+2*tau))-612*exp(-t+tau)*(3*exp(-t+tau)-2*exp(-2*t+2*tau))+1377*exp(-t+tau)*(5*exp(-
t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau))+612*exp(-t+tau)*(-7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))-
408*exp(-t+tau)*(7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau))+918*exp(-t+tau)*(-7*exp(-t+tau)+6*exp(-
2*t+2*tau)+2*exp(-3*t+3*tau))]
[ -300*exp(-t+tau)*(5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau))+200*exp(-t+tau)*(-5*exp(-t+tau)+2*exp(-
2*t+2*tau)+3*exp(-3*t+3*tau))-450*exp(-t+tau)*(3*exp(-t+tau)-3*exp(-2*t+2*tau))+300*exp(-t+tau)*(-3*exp(-
t+tau)+3*exp(-2*t+2*tau))-200*exp(-t+tau)*(3*exp(-t+tau)-2*exp(-2*t+2*tau))+450*exp(-t+tau)*(5*exp(-t+tau)+3*exp(-
2*t+2*tau)+2*exp(-3*t+3*tau))+300*exp(-t+tau)*(-7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))-200*exp(-
t+tau)*(7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau))+450*exp(-t+tau)*(-7*exp(-t+tau)+6*exp(-2*t+2*tau)+2*exp(-
3*t+3*tau)), 300*exp(-t+tau)*(5*exp(-t+tau)-3*exp(-2*t+2*tau)-exp(-3*t+3*tau))-200*exp(-t+tau)*(-5*exp(-
t+tau)+2*exp(-2*t+2*tau)+3*exp(-3*t+3*tau))+450*exp(-t+tau)*(3*exp(-t+tau)-3*exp(-2*t+2*tau))-900*exp(-t+tau)*(-
3*exp(-t+tau)+3*exp(-2*t+2*tau))+600*exp(-t+tau)*(3*exp(-t+tau)-2*exp(-2*t+2*tau))-1350*exp(-t+tau)*(5*exp(-
t+tau)+3*exp(-2*t+2*tau)+2*exp(-3*t+3*tau))-600*exp(-t+tau)*(-7*exp(-t+tau)+4*exp(-2*t+2*tau)+3*exp(-
3*t+3*tau))+400*exp(-t+tau)*(7*exp(-t+tau)-6*exp(-2*t+2*tau)-exp(-3*t+3*tau))-900*exp(-t+tau)*(-7*exp(-
t+tau)+6*exp(-2*t+2*tau)+2*exp(-3*t+3*tau))]
>> Wc=int(wc,tau,0,t)
Wc =
[ 17/2*(55*exp(t)^4-585*exp(t)^2+416*exp(t)+114)/exp(t)^4, 17*(83*exp(t)^4+447*exp(t)^2-416*exp(t)-114)/exp(t)^4]
[ -25/3*(55*exp(t)^4-585*exp(t)^2+416*exp(t)+114)/exp(t)^4, -50/3*(83*exp(t)^4+447*exp(t)^2-416*exp(t)-
114)/exp(t)^4]
>> rank(Wc)
ans =
 Mediante la Matriz de Controlabilidad de la Salida

3 de Julio del 2009
>> A=[4 -8 -7;-3 1 3;8 -10 -11]
A=
4 -8 -7
-3 1 3
8 -10 -11
>> B=[6;-4;9]
B=
6
-4
9
>> C=[1 -1 -1;-1 3 2]
C=
1 -1 -1
-1 3 2
>> A2=A*A
A2 =
-16 30 25
9 -5 -9
-26 36 35
>> Qc=[C*B C*A*B C*A2*B]
Qc =
1 -1 1
0 0 0
>> Qc1=ctrb(A,B)
Qc1 =
6 -7 9
-4 5 -7
9 -11 15
>> Qc1=C*Qc1
Qc1 =
1 -1 1
0 0 0
>> rank(Qc)
3 de Julio del 2009
ans =
1
4.9. OBSERVABILIDAD
Como se vio al principio del curso, el modelo de espacio de estado refleja las relaciones entre
los tres factores que describen el comportamiento del sistema entrada, estado y salida. En secciones
anteriores se ha estudiado la forma en que la entrada repercute sobre la evolución del estado, así como
las posibilidades de obtener un determinado valor para éste en un instante dado, mediante la elección
adecuada de dicha entrada.
En secciones posteriores se estudia la forma en la que las variaciones en el valor del estado se
manifiestan sobre la salida, con lo que se cubre la segunda etapa de la interacción descrita por el
modelo de estado y se completa el análisis del comportamiento del sistema completo.
La idea de observabilidad se relaciona con la posibilidad de conocer el estado de un sistema, a
partir del conocimiento de la evolución de la entrada y la salida que genera. Una vez conocido el estado
en un instante inicial, se puede determinar el estado en cualquier otro instante posterior utilizando la
solución de la ecuación de estado.
u(t) y(t)
Sistema
A, B; C
x(t)
Observación
Fig.4.8 Concepto de observabilidad
La observabilidad se presenta conceptualmente como una idea complementaria a la de

controlabilidad; si la controlabilidad estudia la relación entrada-estado, ahora se va a ver la relación
estado-salida.
Primero, se vera en qué sistemas es posible conocer el estado y, en segundo lugar, que variables
de estado se pueden conocer, en el caso que no sea posible conocerlas todas. Por último, se estudiara la
selección de las salidas que contienen la máxima información sobre el estado del sistema.
Ejemplo 4.8: Supóngase el sistema de la Figura 4.9
u(t) 5 y(t)
s  2s  2
2
Fig. 4.9 Sistema observable
Si se tiene un sistema con una función de transferencia como la de la Figura 4.9 se puede elegir
como variables de estado la salida y su derivada, por lo que se tendrá todos los estados
conocidos a partir de la salida y por tanto será observable.

3 de Julio del 2009
u(t) 3 x1(t) y(t)

s 1
-
1 x2(t)
s2
Fig. 4.10 Sistema no observable
Por el contrario, el sistema de la Figura 4.10 no es observable, puesto que tiene como variables
de estado las salidas de los bloques. Si se intenta obtener su función de transferencia será:
Y s  3  1  3 s 1 3
 1    (4.97)
U s  s  1  s  2  s  1 s  2 s  2
Este sistema, desde el punto de vista de su función de transferencia entrada-salida, se comporta

como un sistema de primer orden y, conociendo u(t) e y(t) sólo se podrá detectar una variable de
estado, luego el sistema no es observable. Como se ve, se impide la observabilidad con una
cancelación de un polo con un cero.
Los conceptos de controlabilidad y observabilidad son totalmente distintos y, sin embargo como
se verá en secciones posteriores, en lo que se refiere a cálculos son duales.
4.10. DEFINICIONES
Observabilidad:
Se dice que un punto x0 del espacio de estado es observable en [t0, t1] si, siendo éste el estado
inicial en el instante t0, x0 = x(t0) el conocimiento de la entrada u(t) en el intervalo [t0, t1] y de
la salida y(t) en el mismo intervalo permite determinar que el estado inicial del sistema en el
instante t0 es x0.
La observabilidad para un punto y para cualquier instante se define:
Se dice que un punto del espacio de estado, x0,es observable sí, siendo éste el estado inicial
para un instante inicial t0 cualquiera, existe un intervalo de tiempo finito [t0, t1], tal que el
conocimiento de la entrada u(t) en el intervalo [t0, t1] y de la salida y(t) en dicho intervalo
permite determinar que el estado inicial es x0.
Las definiciones, similares a las dadas para controlabilidad, se asocian al concepto de sistemas
observables
Observabilidad de un Sistema
Un sistema es observable en [t0, t1] cuando todos los puntos del espacio de estado son
observables en [t0, t1].

3 de Julio del 2009
Y de igual forma se define sistema observable como:
Un sistema es observable si todos los puntos del espacio de estado son observables.
4.11. OBSERVABILIDAD EN SISTEMAS LINEALES
4.11.1. Planteamiento
El objetivo es determinar bajo que condiciones se puede obtener el estado inicial x0 = x(t0),
conociendo u(τ) e y(τ) con t0 < τ < t. Si fuera conocido x(t0) y u(τ), se podría obtener x(t) con la
expresión:
xt   t , t 0 xt0    t , B u  d

t
(4.98)
t0
y teniendo en cuenta la ecuación de salida:
yt   C t xt   Dt u t  (4.99)
y sustituyendo en esta ecuación la solución de la ecuación de estado:
yt   C t t , t0 xt0    C t t , B u  d

t
(4.100)
t0
Agrupando los términos que dependen de la entrada y la salida, que se suponen conocidas, se
obtiene:

yt   y t    C t t , B u  d  Dt u t   C t t , t0 xt0 
t
(4.101)
t0

donde y t  representa la componente de la salida debida sólo a la existencia de condiciones iniciales no
nulas; es decir, la aportación a la salida dada por la evolución libre del sistema o, lo que es lo mismo, la
salida del sistema ante entrada nula.
De esta forma se observa que la posibilidad de conocer el estado a partir de la salida y la entrada
depende de C(t) y Φ(t, t0), que a su vez depende únicamente de A(t).
En el caso particular de que la matriz C(t) sea cuadrada e invertible, se puede despejar x(t0) de
la Ec. (4.184)

xt0    1 t , t 0 C 1 yt  (4.102)
o lo que es lo mismo:

t , t0 xt0   xt   C 1 y t  (4.103)
3 de Julio del 2009
Obsérvese que en este caso la salida representa un cambio de base de las variables de estado
mediante la matriz C y, por lo tanto, basta conocer la salida en un solo instante para conocer el estado
del sistema.
4.11.2. Teorema
En general es necesario conocer la evolución de la salida en un intervalo de tiempo para poder

calcular el estado del sistema. Este problema de la observabilidad se resuelve mediante el siguiente
teorema:
Dado un sistema definido por las ecuaciones:

xt   At xt   Bt u t  (4.104)
yt   C t xt   Dt u t 
es observable en [t0, t1] si y sólo si la matriz V(t1, t0), conocida como Gramiano de
observabilidad y definido como:
V t1 , t0     T  , t0 C T  C    , t0 d
t1
(4.105)
t0
es no singular
La matriz V(t1, t0) tiene una forma dual a la W(t1, t0) empleada para el estudio de la
controlabilidad.
Demostración
 Condición Suficiente
Si V(t1, t0) no es singular, existe un algoritmo que nos permite despejar x0 de la expresión:

T  , t 0 C T   y  d    T  , t0 C T  C   , t0 x0 d  V t1 , t0 x0
t1 t1

t0 t0
(4.106)
y despejando

x0  V 1 t1 , t0  T  , t 0 C T   y d
t1
(4.107)
t0
Por lo tanto, se puede obtener el estado del sistema en función de la salida ante una entrada
nula.
 Condición Necesaria
El razonamiento es similar al realizado en la demostración del teorema dual de
controlabilidad. Si V es singular (det(V(t1, t0)) = 0), existe algún valor propio nulo, y se

3 de Julio del 2009
fuerza a que el un vector propio asociado, que por otro lado debe ser distinto del vector nulo.
Se cumplirá entonces que:
x0T V t1 , t0 x0  0 (4.108
sustituyendo V(t1, t0) por su valor:

x0T  T  , t0 C T  C   , t0 x0 d  0
t1
t0 
(4.109)
  
     d  0     
t1 t1 2
T
d (4.110)
t0 t0
Para que se cumpla esta expresión es necesario que     0,  , por lo que:


C t t , t0 x0  y t   0, x0  0 (4.111)
La conclusión que se deduce es que, tanto para este estado x0 como para el estado nulo, la

salida ante entrada nula va a ser la misma, y    0 , por lo que no va a ser posible
distinguirlos. Por lo tanto, el sistema no es observable.
Ejemplo 4.9: dado el sistema definido por el modelo de estado:

 1 0 0 1
x   0  2 0  x   1u
 

(4.112)
 0 0  3  1 
y  1 2 3x
determinar el estado inicial desde el que comenzó a evolucionar en t0 = 0, sabiendo que la entrada
escalón unitario produce una salida:
yt   4e 3t  3e 2t  2e t  1 (4.113)
hasta el instante t=2.

En primer lugar se calcula el Gramiano de Observabilidad, para verificar que el sistema es
efectivamente observable:
 1   s 1 1
  s 0 0  1 0 0     0 0  
 
  ,0    sI  A     0
1 1 1   
s 0  0  2 0 

 


 1 
    0 s2 0   

  0 0 s   0 0  3    0 0 s  3 
      
  1 s 1 0 0   e  0 0 
   
  1   0 1 s  2 0     0 e  2
0 
 0 0 1 s 3   0 0 e 3 

(4.114)

3 de Julio del 2009
e  0  1 
0 e  0 0   e 2 2e 3 3e 3 
t     t 
V t ,0     0 e 2  21 2 3 0 e 2  d  0 2e
3
0 0 4e 4 6e 5 d 
0
0
 0 e 3  3 0
 0 e 3  3e 4
 6e 5 9e 6 
(4.115)

 12 1  e 2t   3 1 e
2
 
3t
4 1 e
3 4 t




  23 1  e 3t  1 e 
4 t
5 1 e
6 5 t



 
 34 1  e 4t   6
5 1  e  
5t 3
2 1  e 
6 t 

cuyo determinante es:

1 e 12t 3e 10t 2e 9t 21e 8t 6e 7 t 6e 5t 21e 4t 2e 3t 3e 2t
detV t ,0            (4.116)
1200 1200 100 15 80 25 25 80 15 100
Se puede comprobar fácilmente que el determinante no se anula salvo para t = 0, por lo que se puede
afirmar que el sistema es observable para cualquier valor de t final del intervalo y, en concreto para t =
2.
Dada la observabilidad del sistema, es posible calcular el estado inicial desde el que evoluciona,

aplicando la Ec. 4.107. Para ello el paso previo es calcular yt  , tal como se especifica en la Ec. 4.101
e  0 0  1 

 
y t   yt    Ct , B u  d  4e 3t  3e 2t  2e t  1   1 2 3 0 0   1 d 
t t
e 2
0 0
0
 0 e 3   1 
 3e 3t  2e 2t  3e t
(4.117)
De hecho, como este resultado se ha de repetir sea cual sea la duración del intervalo, puesto que el
sistema es observable para todo valor de t, se cumple que:

x0  V 1 t ,0   T  ,0C T   y  d
t

 12 1  e 2t  1  e  1  e  1 e
2
3
3t 3
4
4 t 
0 0  1  3


x0   23 1  e 3t  1 e 1  e    0
4t 6
5
5t
t
e  2

 
0  2  3e  2e  3e d   1 
3  2 

  1  e  1  e   0
0
 34 1  e 4t

6
5
5t 3
2
6 t
0 e 3  3  1
(4.118)
resultando que, como se puede observar, es independiente del tiempo, como cabía esperar.
Solución con ayuda del Matlab del Ejemplo 4.9:
>> A=[-1 0 0;0 -2 0;0 0 -3]
A=
-1 0 0
0 -2 0
0 0 -3
3 de Julio del 2009
>> B=[1;-1;1]
B=
1
-1
1
>> C=[1 2 3]
C=
1 2 3
>> syms s t tau

>> I=eye(3)
I=
1 0 0
0 1 0
0 0 1
>>FI=ilaplace(inv(s*I-A))
FI =
[ exp(-t), 0, 0]
[ 0, exp(-2*t), 0]
[ 0, 0, exp(-3*t)]
>> CT=C'
CT =
1
2
3
>> t0=0
t0 =
0
>> FIT0TAU=[exp(-(tau-t0)) 0 0;0 exp(-2*(tau-t0)) 0;0 0 exp(-3*(tau-t0))]
FIT0TAU =
[ exp(-tau), 0, 0]
[ 0, exp(-2*tau), 0]
[ 0, 0, exp(-3*tau)]

3 de Julio del 2009
>> FIT0TAUT=FIT0TAU
FIT0TAUT =
[ exp(-tau), 0, 0]
[ 0, exp(-2*tau), 0]
[ 0, 0, exp(-3*tau)]
>> CT=C'
CT =
1
2
3
>> V=FIT0TAUT*CT*C*FIT0TAU
V=
[ exp(-tau)^2, 2*exp(-tau)*exp(-2*tau), 3*exp(-tau)*exp(-3*tau)]
[ 2*exp(-tau)*exp(-2*tau), 4*exp(-2*tau)^2, 6*exp(-2*tau)*exp(-3*tau)]
[ 3*exp(-tau)*exp(-3*tau), 6*exp(-2*tau)*exp(-3*tau), 9*exp(-3*tau)^2]
>> V=int(V,tau,0,t)
V=
[ -1/2*exp(-t)^2+1/2, 2/3*(-1+exp(t)^3)/exp(t)^3, 3/4*(-1+exp(t)^4)/exp(t)^4]
[ 2/3*(-1+exp(t)^3)/exp(t)^3, -exp(-2*t)^2+1, 6/5*(-1+exp(t)^5)/exp(t)^5]
[ 3/4*(-1+exp(t)^4)/exp(t)^4, 6/5*(-1+exp(t)^5)/exp(t)^5, -3/2*exp(-3*t)^2+3/2]
>> DV=det(V)
DV =
-1/1200*(-900*exp(t)^12*exp(-2*t)^2*exp(-3*t)^2+864*exp(t)^2-exp(t)^12
+1440+90*exp(t)^8+800*exp(t)^6-160*exp(t)^9-900*exp(t)^12*exp(-t)^2*exp(-2*t)^2-
900*exp(t)^12*exp(-t)^2*exp(-3*t)^2-765*exp(t)^4-1440*exp(t)^5+900*exp(t)^12*exp(-t)^2*exp(-
2*t)^2*exp(-3*t)^2-288*exp(t)^7+100*exp(t)^12*exp(-3*t)^2+225*exp(t)^12*exp(-2*t)^2
+36*exp(t)^12*exp(-t)^2+1728*exp(t)^7*exp(-t)^2-864*exp(t)^2*exp(-t)^2+1600*exp(t)^9*exp(-
3*t)^2-800*exp(t)^6*exp(-3*t)^2-675*exp(t)^4*exp(-2*t)^2+1350*exp(t)^8*exp(-2*t)^2-
1440*exp(t)^3)/exp(t)^12
>> y1=C*FIT0TAU*B
y1 =
exp(-tau)-2*exp(-2*tau)+3*exp(-3*tau)
>> y1=int(y1,tau,0,t)
y1 =
-exp(-t)+exp(-2*t)-exp(-3*t)+1
3 de Julio del 2009
>> yr=y-y1
yr =
-3*exp(-3*t)+2*exp(-2*t)+3*exp(-t)
>> yrTAU=-3*exp(-3*tau)+2*exp(-2*tau)+3*exp(-tau)
yrTAU =
-3*exp(-3*tau)+2*exp(-2*tau)+3*exp(-tau)
>> V=FIT0TAUT*CT*C*FIT0TAU
V=
[ exp(-tau)^2, 2*exp(-tau)*exp(-2*tau), 3*exp(-tau)*exp(-3*tau)]
[ 2*exp(-tau)*exp(-2*tau), 4*exp(-2*tau)^2, 6*exp(-2*tau)*exp(-3*tau)]
[ 3*exp(-tau)*exp(-3*tau), 6*exp(-2*tau)*exp(-3*tau), 9*exp(-3*tau)^2]
>> V=int(V,tau,0,2)
V=
[ -1/2*exp(-2)^2+1/2, -2/3*exp(-6)+2/3, -3/4*exp(-8)+3/4]
[ -2/3*exp(-6)+2/3, -exp(-4)^2+1, -6/5*exp(-10)+6/5]
[ -3/4*exp(-8)+3/4, -6/5*exp(-10)+6/5, -3/2*exp(-6)^2+3/2]
>> VI=inv(V)
VI =
[ -72*(25*exp(-4)^2*exp(-6)^2-25*exp(-4)^2-25*exp(-6)^2+1-24*exp(-10)^2+48*exp(-10))/(-
900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-10)^2-160*exp(-6)+225*exp(-4)^2-288*exp(-
10)+90*exp(-8)+900*exp(-6)^2+900*exp(-2)^2*exp(-4)^2*exp(-6)^2+1440*exp(-6)*exp(-8)*exp(-
10)-1440*exp(-8)*exp(-10)-1440*exp(-6)*exp(-10)+1350*exp(-8)*exp(-4)^2+1600*exp(-6)^3-
800*exp(-6)^4-900*exp(-2)^2*exp(-4)^2-900*exp(-2)^2*exp(-6)^2-864*exp(-2)^2*exp(-
10)^2+1728*exp(-2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1),
120*(10*exp(-6)^3-10*exp(-6)-10*exp(-6)^2+1-9*exp(-8)*exp(-10)+9*exp(-8)+9*exp(-10))/(-
-60*(16*exp(-6)*exp(-10)-16*exp(-6)-16*exp(-10)+1-15*exp(-8)*exp(-4)^2+15*exp(-8)+15*exp(-
4)^2)/(-900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-10)^2-160*exp(-6)+225*exp(-4)^2-
288*exp(-10)+90*exp(-8)+900*exp(-6)^2+900*exp(-2)^2*exp(-4)^2*exp(-6)^2+1440*exp(-6)*exp(-
8)*exp(-10)-1440*exp(-8)*exp(-10)-1440*exp(-6)*exp(-10)+1350*exp(-8)*exp(-4)^2+1600*exp(-
6)^3-800*exp(-6)^4-900*exp(-2)^2*exp(-4)^2-900*exp(-2)^2*exp(-6)^2-864*exp(-2)^2*exp(-
10)^2+1728*exp(-2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)]

3 de Julio del 2009
[ 120*(10*exp(-6)^3-10*exp(-6)-10*exp(-6)^2+1-9*exp(-8)*exp(-10)+9*exp(-8)+9*exp(-
10))/(-900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-10)^2-160*exp(-6)+225*exp(-4)^2-
-225*(4*exp(-2)^2*exp(-6)^2-4*exp(-2)^2-4*exp(-6)^2+1-3*exp(-8)^2+6*exp(-8))/(-900*exp(-
4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-10)^2-160*exp(-6)+225*exp(-4)^2-288*exp(-10)+90*exp(-
8)+900*exp(-6)^2+900*exp(-2)^2*exp(-4)^2*exp(-6)^2+1440*exp(-6)*exp(-8)*exp(-10)-1440*exp(-
8)*exp(-10)-1440*exp(-6)*exp(-10)+1350*exp(-8)*exp(-4)^2+1600*exp(-6)^3-800*exp(-6)^4-
900*exp(-2)^2*exp(-4)^2-900*exp(-2)^2*exp(-6)^2-864*exp(-2)^2*exp(-10)^2+1728*exp(-
2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1), 120*(6*exp(-
2)^2*exp(-10)-6*exp(-2)^2-6*exp(-10)+1-5*exp(-6)*exp(-8)+5*exp(-6)+5*exp(-8))/(-900*exp(-
2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)]
[ -60*(16*exp(-6)*exp(-10)-16*exp(-6)-16*exp(-10)+1-15*exp(-8)*exp(-4)^2+15*exp(-8)+15*exp(-
120*(6*exp(-2)^2*exp(-10)-6*exp(-2)^2-6*exp(-10)+1-5*exp(-6)*exp(-8)+5*exp(-6)+5*exp(-8))/(-
-200/3*(9*exp(-2)^2*exp(-4)^2-9*exp(-2)^2-9*exp(-4)^2+1-8*exp(-6)^2+16*exp(-6))/(-900*exp(-
2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)]
>> x0=FIT0TAU*CT*yrTAU
x0 =
(-3*exp(-3*tau)+2*exp(-2*tau)+3*exp(-tau))*exp(-tau)
2*(-3*exp(-3*tau)+2*exp(-2*tau)+3*exp(-tau))*exp(-2*tau)
3*(-3*exp(-3*tau)+2*exp(-2*tau)+3*exp(-tau))*exp(-3*tau)
>> x0=int(x0,tau,0,2)
x0 =
3/4*exp(-8)-2/3*exp(-6)-3/2*exp(-4)+17/12
3 de Julio del 2009
6/5*exp(-10)-exp(-8)-2*exp(-6)+9/5
3/2*exp(-12)-6/5*exp(-10)-9/4*exp(-8)+39/20
>> x0=VI*x0
x0 =
-72*(25*exp(-4)^2*exp(-6)^2-25*exp(-4)^2-25*exp(-6)^2+1-24*exp(-10)^2+48*exp(-10))/(-
10)^2+1728*exp(-2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-
1)*(3/4*exp(-8)-2/3*exp(-6)-3/2*exp(-4)+17/12)+120*(10*exp(-6)^3-10*exp(-6)-10*exp(-6)^2+1-
9*exp(-8)*exp(-10)+9*exp(-8)+9*exp(-10))/(-900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-
10)^2-160*exp(-6)+225*exp(-4)^2-288*exp(-10)+90*exp(-8)+900*exp(-6)^2+900*exp(-2)^2*exp(-
4)^2*exp(-6)^2+1440*exp(-6)*exp(-8)*exp(-10)-1440*exp(-8)*exp(-10)-1440*exp(-6)*exp(-
10)+1350*exp(-8)*exp(-4)^2+1600*exp(-6)^3-800*exp(-6)^4-900*exp(-2)^2*exp(-4)^2-900*exp(-
2)^2*exp(-6)^2-864*exp(-2)^2*exp(-10)^2+1728*exp(-2)^2*exp(-10)-1440*exp(-6)*exp(-8)-
675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)*(6/5*exp(-10)-exp(-8)-2*exp(-6)+9/5)-60*(16*exp(-
6)*exp(-10)-16*exp(-6)-16*exp(-10)+1-15*exp(-8)*exp(-4)^2+15*exp(-8)+15*exp(-4)^2)/(-900*exp(-
2)^2*exp(-10)-1440*exp(-6)*exp(-8)-675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)*(3/2*exp(-12)-
6/5*exp(-10)-9/4*exp(-8)+39/20)
120*(10*exp(-6)^3-10*exp(-6)-10*exp(-6)^2+1-9*exp(-8)*exp(-10)+9*exp(-8)+9*exp(-
10))/(-900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-10)^2-160*exp(-6)+225*exp(-4)^2-
1)*(3/4*exp(-8)-2/3*exp(-6)-3/2*exp(-4)+17/12)-225*(4*exp(-2)^2*exp(-6)^2-4*exp(-2)^2-4*exp(-
6)^2+1-3*exp(-8)^2+6*exp(-8))/(-900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-10)^2-
160*exp(-6)+225*exp(-4)^2-288*exp(-10)+90*exp(-8)+900*exp(-6)^2+900*exp(-2)^2*exp(-
675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)*(6/5*exp(-10)-exp(-8)-2*exp(-6)+9/5)+120*(6*exp(-
2)^2*exp(-10)-6*exp(-2)^2-6*exp(-10)+1-5*exp(-6)*exp(-8)+5*exp(-6)+5*exp(-8))/(-900*exp(-
6/5*exp(-10)-9/4*exp(-8)+39/20)
-60*(16*exp(-6)*exp(-10)-16*exp(-6)-16*exp(-10)+1-15*exp(-8)*exp(-4)^2+15*exp(-8)+15*exp(-
3 de Julio del 2009
1)*(3/4*exp(-8)-2/3*exp(-6)-3/2*exp(-4)+17/12)+120*(6*exp(-2)^2*exp(-10)-6*exp(-2)^2-6*exp(-
10)+1-5*exp(-6)*exp(-8)+5*exp(-6)+5*exp(-8))/(-900*exp(-4)^2*exp(-6)^2+36*exp(-2)^2+864*exp(-
10)^2-160*exp(-6)+225*exp(-4)^2-288*exp(-10)+90*exp(-8)+900*exp(-6)^2+900*exp(-2)^2*exp(-
675*exp(-8)^2*exp(-4)^2+675*exp(-8)^2-1)*(6/5*exp(-10)-exp(-8)-2*exp(-6)+9/5)-200/3*(9*exp(-
2)^2*exp(-4)^2-9*exp(-2)^2-9*exp(-4)^2+1-8*exp(-6)^2+16*exp(-6))/(-900*exp(-4)^2*exp(-
6)^2+36*exp(-2)^2+864*exp(-10)^2-160*exp(-6)+225*exp(-4)^2-288*exp(-10)+90*exp(-
6/5*exp(-10)-9/4*exp(-8)+39/20)
Otra forma fe obtener el Gramiano de Observabilidad en Matlab
>> D=0
D=
>> SYS = SS(A,B,C,D)
a=
x1 x2 x3
x1 -1 0 0
x2 0 -2 0
x3 0 0 -3
b=
u1
x1 1
x2 -1
x3 1
c=
x1 x2 x3
y1 1 2 3
d=
u1
y1 0
3 de Julio del 2009
Continuous-time model.
>> Wo=gram(SYS,'o')
Wo =
0.5000 0.6667 0.7500
0.6667 1.0000 1.2000
0.7500 1.2000 1.5000
>> DWo=det(Wo)
DWo =
8.3333e-004
>> 1/1200
ans =
8.3333e-004
Diferencias entre las fórmulas tradicionales de los Gramianos de Controlabilidad y de

Observabilidad y las fórmulas utilizadas en Matlab para ser utilizadas en Sistemas Variantes en el
Tiempo:
Sistema Variante en el Tiempo:

xt   At xt   Bt u t 
yt   C t xt   Dt u t 
Formulas tradicionales de los Gramianos de Controlabilidad y Observabilidad:
W t1 , t 0    t , B B T   T t , d

t1
t0
V t1 , t0     T  , t0 C T  C   , t0 d

t1
t0
Formulas de los Gramianos de Controlabilidad y Observabilidad utilizadas por Matlab:

WC   e   BB e  d
0
A T AT
  e  C Ce  d

AT T A
WO
0
4.11.3. Determinación del estado inicial en sistemas observables
La importancia de la determinación del estado inicial a partir del que evoluciona un

determinado sistema, objeto de la definición de observabilidad, radica en que a partir del conocimiento
3 de Julio del 2009
de dicho estado inicial es posible establecer cuál ha sido la evolución posterior del vector de estado
hasta llegar al conocimiento de cuál es su valor actual.
En la Ec. 4.190 se describe la forma en la que se puede calcular el estado inicial en un sistema
observable conocido el valor del Gramiano de Observabilidad. Además, este resultado, en principio, no
se ve influido por el valor concreto del gramiano, por lo que no cabría la discusión sobre la mejor o la
peor observabilidad de un sistema como sucedía con la controlabilidad.
El estudio de la observabilidad podría entonces realizarse sin tener en cuenta el
condicionamiento del gramiano correspondiente. Sin embargo, esta afirmación sólo es cierta en caso de
que se disponga de un conocimiento perfecto del modelo, sin errores en la determinación de sus
parámetros ni en la medida de la salida, situación posible en teoría pero muy poco realista en la
práctica, por lo que hay que contar con esta incertidumbre. Y es en presencia de de estos errores en la
medida cuando el condicionamiento del gramiano toma importancia, pudiendo manifestarse entonces
esta baja observabilidad en forma de error al determinar el estado inicial como se pone de manifiesto en
el Ejemplo ---, error que, dependiendo del condicionamiento del problema, repercutirá en mayor o
menor medida a la hora de estimar el estado actual.
Para estudiar el condicionamiento del problema de observabilidad, hay que tener en cuenta,
como ocurría con el estudio de la controlabilidad, que el valor del gramiano no es invariante ante
transformación lineal. Si se considera una transformación del estado mediante la matriz invertible T:
~
x t   T x t  (4.119)
entonces
~
A  T 1 AT
~
C  CT (4.120)
~
t , t0   T 1t , t 0 T
y el valor del Gramiano de Observabilidad queda modificado según:
~
V t1 , t0    T T  , t0  T T T T C T CTT 1 , t0 Td  T T V t1 , t0 T
t1 T
(4.121)
t0
por lo que el valor del Gramiano de Observabilidad sólo da información efectiva respecto a la
dificultad de determinación del valor del estado inicial cuando existen errores en la medida de los
parámetros del modelo y de la salida y cuando se trabaja expresando el sistema en una base con
significado físico.
Como en el caso del Gramiano de Controlabilidad, entre los motivos por los que el problema de
observabilidad puede encontrarse mal condicionado se encuentran:
 Intervalos muy cortos de medida de entrada y salida tienden a dificultar la observabilidad,

como puede verse de forma inmediata de la disminución del gramiano.
 La presencia de dinámicas muy rápidas en el sistema también tiende a aumentar la
incertidumbre de la estimación del estado.

3 de Julio del 2009
 No todos los estados iniciales son igualmente observables desde la salida, como ya se
explico también en el caso de controlabilidad. Un indicador de estas diferencias la da el
numero de condición de la matriz V(t1, t0), en la Sección 4.13.
Ejemplo 4.10: Analizar la observabilidad del sistema definido por:
  1 0   103 
xt     x t    3 u t 
 0  2 10  (4.122)
yt   10 3

10 xt 
3
Calculando el Gramiano de Observabilidad y sus valores singulares para t = 1 se obtiene un

número de condición de 1.0378x1013, lo que en principio indica muy deficiente observabilidad según la
dirección dentro del espacio de estado. Sin embargo, mediante cambio de escala en las variables de
estado:
~ ~
x1 t   103 x1 ; x 2 t   10 3 x2 (4.123)
el problema se transforma en:

~  1 0  ~ 1
xt     xt    u t 
 0  2 1 (4.124)
~
yt   1 1 xt 
Al repetir el mismo cálculo se obtiene un número de condición de 77.3434, lo que indica un

mejor equilibrio entre las direcciones de observación del estado.
Solución del Ejemplo 4.10 con ayuda de Matlab:
Cargando las matrices A, B,C y D del sistema sin escalar:
>> A1=[-1 0;0 -2]
A1 =
-1 0
0 -2
>> B1=[1000;0.001]
B1 =
1.0e+003 *
1.0000
0.0000
3 de Julio del 2009
>> C1=[0.001 1000]
C1 =
1.0e+003 *
0.0000 1.0000
>> D1=0
D1 =
0
Calculando el Gramiano de Observabilidad y su Número de Condición del sistema sin escalar por la
fórmula tradicional:
>> syms t tau s

>> I=eye(2)
I=
1 0
0 1
>> t0=0
t0 =
0
>> FI1=ilaplace(inv(s*I-A1))
FI1 =
[ exp(-t), 0]
[ 0, exp(-2*t)]
>> FI1T=FI1
FI1T =
[ exp(-t), 0]
[ 0, exp(-2*t)]
>> C1T=C1'
C1T =
1.0e+003 *
0.0000
1.0000
>> FI1t0tau=[exp(-(tau-t0)) 0;0 exp(-2*(tau-t0))]

3 de Julio del 2009
FI1t0tau =
[ exp(-tau), 0]
[ 0, exp(-2*tau)]
>> FI1Tt0tau=FI1t0tau
FI1Tt0tau =
[ exp(-tau), 0]
[ 0, exp(-2*tau)]
>> V01=FI1Tt0tau*C1T*C1*FI1t0tau
V01 =
[ 1/1000000*exp(-tau)^2, exp(-tau)*exp(-2*tau)]
[ exp(-tau)*exp(-2*tau), 1000000*exp(-2*tau)^2]
>> V01=int(V01,tau,0,1)
V01 =
[ -1/2000000*exp(-1)^2+1/2000000, -1/3*exp(-3)+1/3]
[ -1/3*exp(-3)+1/3, -250000*exp(-2)^2+250000]
>> -1/2000000*exp(-1)^2+1/2000000,
ans =
4.3233e-007
>> -1/3*exp(-3)+1/3
ans =
0.3167
>> -250000*exp(-2)^2+250000
ans =
2.4542e+005
>> V01=[ 4.3233e-007 0.3167;0.3167 2.4542e+005]
V01 =
1.0e+005 *
0.0000 0.0000
0.0000 2.4542
>> cond(V01)
ans =
3 de Julio del 2009
1.0378e+013
Calculando el Gramiano de Observabilidad y su Número de Condición con comandos directos de

Matlab del sistema sin escalar:
>> SYS1=ss(A1,B1,C1,D1)
a=
x1 x2
x1 -1 0
x2 0 -2
b=
u1
x1 1000
x2 0.001
c=
x1 x2
y1 0.001 1000
d=
u1
y1 0
>> Wo1=gram(SYS1,'o')
Wo1 =
1.0e+005 *
0.0000 0.0000
0.0000 2.5000
>> cond(Wo1)
ans =
4.5000e+012
Cargando las matrices A, B,C y D del sistema escalado:
>> A2=[-1 0;0 -2]
A2 =
-1 0
0 -2
3 de Julio del 2009
>> B2=[1;1]
B2 =
1
1
>> C2=[1 1]
C2 =
1 1
>> D2=0
D2 =
0
Calculando el Gramiano de Observabilidad y su Número de Condición del sistema escalado por la

fórmula tradicional:
>> syms t tau s

>> I=eye(2)
I=
1 0
0 1
>> t0=0
t0 =
0
>> FI2=ilaplace(inv(s*I-A2))
FI2 =
[ exp(-t), 0]
[ 0, exp(-2*t)]
>> FI2T=FI2
FI2T =
[ exp(-t), 0]
[ 0, exp(-2*t)]
>> C2T=C2'
C2T =
1
1
3 de Julio del 2009
>> FI2t0tau=[exp(-(tau-t0)) 0;0 exp(-2*(tau-t0))]
FI2t0tau =
[ exp(-tau), 0]
[ 0, exp(-2*tau)]
>> FI2Tt0tau=FI2t0tau
FI2Tt0tau =
[ exp(-tau), 0]
[ 0, exp(-2*tau)]
>> V02=FI2Tt0tau*C2T*C2*FI2t0tau
V02 =
[ exp(-tau)^2, exp(-tau)*exp(-2*tau)]
[ exp(-tau)*exp(-2*tau), exp(-2*tau)^2]
>> V02=int(V02,tau,0,1)
V02 =
[ -1/2*exp(-1)^2+1/2, -1/3*exp(-3)+1/3]
[ -1/3*exp(-3)+1/3, -1/4*exp(-2)^2+1/4]
>> -1/2*exp(-1)^2+1/2
ans =
0.4323
>> -1/3*exp(-3)+1/3
ans =
0.3167
>> -1/3*exp(-3)+1/3
ans =
0.3167
>> -1/4*exp(-2)^2+1/4
ans =
0.2454
>> V02=[0.4323 0.3167;0.3167 0.2454]

3 de Julio del 2009
V02 =
0.4323 0.3167
0.3167 0.2454
>> cond(V02)
ans =
77.3434
Calculando el Gramiano de Observabilidad y su Número de Condición del sistema escalado con

comandos directos de Matlab:
>> SYS2=ss(A2,B2,C2,D2)
a=
x1 x2
x1 -1 0
x2 0 -2
b=
u1
x1 1
x2 1
c=
x1 x2
y1 1 1
d=
u1
y1 0
>> Wo2=gram(SYS2,'o')
Wo2 =
0.5000 0.3333
0.3333 0.2500
>> cond(Wo2)
ans =
38.4740

3 de Julio del 2009
4.11.4. Estados no observables
El hecho de que exista un valor del estado inicial x0 ≠ 0, tal que:
yt   C t t 0 , t x0  y0 t   0; t  t 0 (4.125)
hace que el sistema no sea observable, como se demuestra fácilmente; si se tiene otro estado inicial x1,
tal que:
yt   C t t0 , t x1  y1 t   0 (4.126)
Entonces, por linealidad, si el estado inicial es la suma de los dos anteriores:
y t   C t t 0 , t x0  x1   y0 t   y1 t   y1 t  (4.127)
por lo observado la salida del sistema no se puede determinar si el estado inicial es x1 ó x0 + x1. Se
concluye que desde la salida no se puede distinguir cuándo el sistema evoluciona desde un punto como
x1, o desde la suma de éste con un punto como x0.
Por lo tanto, si el sistema no es observable, existen dos clases de puntos:
 Puntos como x0, que, ante entrada nula, generan salida idénticamente nula cuando se toman
como estado inicial, que se denominan no-observable.
 Puntos como x1, que, ante entrada nula, no dan salida nula al ser tomados como estado
inicial, peo que no son observables, puesto que la misma salida se puede haber generado
por la superposición con un punto no observable.
Según el razonamiento anterior, la existencia de puntos no-observables da lugar a que ningún

punto del espacio sea observable y, por tanto a que el sistema no sea observable.
Ejemplo 4.11: estudiar la observabilidad del sistema definido por las matrices:
3 0 2
A  0 1 0 C  0 1 2 (4.128)
0 2 3
Como se ha visto en apartados anteriores, para estudiar la observabilidad de este sistema se
recurre al Gramiano de Observabilidad., que en este caso vale:

3 de Julio del 2009
 1 4 2 
 s  3
   s 0 0  3 0 2   1
  s  3 s  1
2
s  32  
  1 

t , t0    1 sI  A
1
 
  1  0 s 0  0 1 0    0
1
0  

  0 0 s  0 2 3     s 1 
       0 1 1 
 s  1s  3 s  3  

e 3t 2t  1e3t  et 2t e3t 
 
0 et 0 
0 e 3t  e t e3t 

(4.129)
 e 3t 0  0
 
 T t , t 0   2t  1e3t  et e t
e e 
3t t
(4.130)
 2t e3t 0 e3t 

0 
C  1 
T
(4.131)
2
V t , t0    T  , t 0 C T  C   , t0 d 
t
t0
e 2  t0   1e3 t0   e t0  2  t0 e3 t0   0

3 t0 
t   
  0
t0
e t0  0  10 1 2
 0           2
 e 3 t 0
e t 0
e 3 t 0

 e3 t0  0 0  (4.132)
  t0  
2  t0   1e
3 t0   t0   t0  3 t0 
e e e e  d 

 2  t0 e 0 3  t 
0 3
e 0  t  

0 0 0 
1 6  t  t0  
 0  1  4e  6e 4t t0   3e 2t t0   1  4e 6 t t0 
 3e 4 t t0 

6
0  1  4e 6t t0   3e 4t t0  
4  1  e 6t t0   
matriz cuyo rango es dos, inferior al máximo, por lo que no es invertible, se concluye que el sistema no
es observable.
>> syms s t t0 tau

>> A=[3 0 2;0 1 0;0 2 3]

3 de Julio del 2009
A=
3 0 2
0 1 0
0 2 3
>> C=[0 1 2]
C=
0 1 2
>> I=eye(3)
I=
1 0 0
0 1 0
0 0 1
>> FI=inv(s*I-A)
FI =
[ 1/(s-3), 4/(s-3)^2/(s-1), 2/(s-3)^2]
[ 0, 1/(s-1), 0]
[ 0, 2/(s-1)/(s-3), 1/(s-3)]
>> b=[0 0 2]
b=
0 0 2
>> a=[1 -4 3]
a=
1 -4 3
>> [R,P,K]=residue(b,a)
R=
1
-1
P=
3
1
K=
[]
>> FI=[1/(s-3) 4/(((s-3)^2)*(s-1)) 2/((s-3)^2);0 1/(s-1) 0;0 1/(s-3)-1/(s-1) 1/(s-3)]

3 de Julio del 2009
FI =
[ 1/(s-3), 4/(s-3)^2/(s-1), 2/(s-3)^2]
[ 0, 1/(s-1), 0]
[ 0, 1/(s-3)-1/(s-1), 1/(s-3)]
>> FI=ilaplace (FI)
FI =
[ exp(3*t), (-1+2*t)*exp(3*t)+exp(t), 2*t*exp(3*t)]
[ 0, exp(t), 0]
[ 0, exp(3*t)-exp(t), exp(3*t)]
>> FIt0tau=[exp(3*(tau-t0)) (-1+2*(tau-t0))*exp(3*(tau-t0))+exp(tau-t0) 2*(tau-t0)*exp(3*(tau-

t0));0 exp(tau-t0) 0;0 exp(3*(tau-t0))-exp(tau-t0) exp(3*(tau-t0))]
FIt0tau =
[ exp(3*tau-3*t0), (-1+2*tau-2*t0)*exp(3*tau-3*t0)+exp(tau-t0), (2*tau-2*t0)*exp(3*tau-3*t0)]
[ 0, exp(tau-t0), 0]
[ 0, exp(3*tau-3*t0)-exp(tau-t0), exp(3*tau-3*t0)]
>> FITt0tau=[exp(3*tau-3*t0) 0 0;(-1+2*tau-2*t0)*exp(3*tau-3*t0)+exp(tau-t0) exp(tau-t0)

exp(3*tau-3*t0)-exp(tau-t0);(2*tau-2*t0)*exp(3*tau-3*t0) 0 exp(3*tau-3*t0)]
FITt0tau =
[ exp(3*tau-3*t0), 0, 0]
[ (-1+2*tau-2*t0)*exp(3*tau-3*t0)+exp(tau-t0), exp(tau-t0), exp(3*tau-3*t0)-exp(tau-t0)]
[ (2*tau-2*t0)*exp(3*tau-3*t0), 0, exp(3*tau-3*t0)]
>> CT=C'
CT =
0
1
2
>> V=FITt0tau*CT*C*FIt0tau
V=
[ 0,
………………..0, 0]
[ 0, (-exp(tau-t0)+2*exp(3*tau-3*t0))*exp(tau-t0)+(-2*exp(tau-t0)+4*exp(3*tau-3*t0))*(exp(3*tau-
3*t0)-exp(tau-t0)), (-2*exp(tau-t0)+4*exp(3*tau-3*t0))*exp(3*tau-3*t0)]
[ 0, 2*exp(3*tau-3*t0)*exp(tau-t0)+4*exp(3*tau-3*t0)*(exp(3*tau-
3*t0)-exp(tau-t0)), 4*exp(3*tau-3*t0)^2]
>> V=int(V,tau,t0,t)

3 de Julio del 2009
V=
[ 0, 0,
………………………………………………………...0]
[ 0, 1/6*(3*exp(t)^2*exp(t0)^4-6*exp(t)^4*exp(t0)^2+4*exp(t)^6-exp(t0)^6)/exp(t0)^6, 1/6*(-
3*exp(t)^4*exp(t0)^2+4*exp(t)^6-exp(t0)^6)/exp(t0)^6]
[ 0, 1/6*(-3*exp(t)^4*exp(t0)^2+4*exp(t)^6-exp(t0)^6)/exp(t0)^6,
………………………………..2/3*exp(3*t-3*t0)^2-2/3]
>> DV=det(V)
DV =
0
>> rank(V)
ans =
2
>> rank(A)
ans =
3
Se comprueba a continuación el comportamiento de representantes de puntos no-observables y

de puntos que no son observables:
1. Estado inicial no-observable:
 
x1   0   y t   Ct , t0 x1  0 (4.133)
 0 
2. Estado inicial fuera del conjunto no observable:
0
 
x2      y t   Ct , t0 x2    et  2e3t  2e3t (4.134)
  
3. Superposición de ambos estados iniciales:
 
 
x3      yt   Ct , t0 x3    et  2e3t  2e3t (4.135)
  

3 de Julio del 2009
Las salidas en los casos 2 y 3 son idénticas, por lo que resulta imposible distinguir cuál es el
estado inicial a partir del cual el sistema evoluciona. Por lo tanto, los estados iniciales de la forma x1
son no-observables, mientras que los puntos con la forma x3 (caso que incluye a x2) no pueden ser
observados.
4.12. SISTEMAS LINEALES INVARIANTES
Dado un sistema de dimensión n definido por las ecuaciones:

xt   Axt   Bu t  (4.136)
yt   Cxt   Du t 
es observable si y sólo si la matriz de observabilidad P definida por:
 C 
 CA 
 
P   CA2  (4.137)
 
  
CAn1 
es de rango máximo, es decir,n.

Demostración
 Condición necesaria
A partir de de la expresión de la salida del sistema ante una entrada nula evolucionando desde
un estado inicial genérico, x0, y por aplicación del método de Cayley-Hamilton:
  A2 
y t   Ce At t0  x0  C  I  At  t0   t  t0 2   x0 
 2!  (4.138)

  0 t C  1 t CA     n1CA x0 
n1
Si en la matriz P no existen n filas que sean linealmente independientes, sino que sólo hay rp
< n, esto significa que dentro del espacio de dimensión n existe algún vector que es ortogonal
a todas las filas de la matriz P. Si este vector se llama x0 se verifica que:
 

y t    0 t C  1 t CA     n1 t CA n1 x0  0 (4.139)
es decir, que el sistema evoluciona con salida nula a partir del estado x0.
 Condición suficiente

3 de Julio del 2009
Se supone que existe un vector x0 que, considerado como estado inicial, es tal que la salida
del sistema ante entrada nula es cero:

yt   Ce At t0  x0   0, t (4.140)
Derivando sucesivas veces respecto al tiempo se obtiene:
Ce At t0  x0  0 

CAe At t0  x0  0 
 At t 
CA2 e At t0  x0  0   Pe 0 x0  0 (4.141)
 

CAn1e At t0  x0  0
Esto significa que e At t0  x0 es ortogonal a todas las filas de la matriz P, lo que significa que
no cubre todo el espacio, por lo que el rango de la matriz P será menor que n.
Si la matriz C es de dimensión p x n y la matriz A es de dimensión n x n, la matriz P será de

dimensión pn x n, teniendo pues pn filas. Es posible agrupar las filas según provengan de cada una de
las p salidas o de sus posibles conjuntos, analizando la observabilidad debida a esas salidas.
Ejemplo 4.12: estudiar la observabilidad del sistema cuyas matrices A y C son las siguientes:
3 0 2
A  0 1 0
0 2 3 (4.142)
2 0 0
C
0 1 2
Se obtiene la matriz de observabilidad P, cuya expresión es:
2 0 0
0 1 2
 
6 0 4
P  (4.143)
0 5 6 
18 8 24
 
 0 17 18 

3 de Julio del 2009
El rango de P es tres, por lo que el sistema es observable utilizando las dos salidas
disponibles. Podría comprobarse también si lo es utilizando una única salida. Se empieza
probando con la primera:
2 0 0
C1  2 0 0  P1   6 0 4  (4.144)
18 8 24
El rango es tres, por lo que utilizando la primera salida el sistema también es observable. Se
comprueba ahora si también es observable utilizando la segunda salida:
0 1 2 
C2  0 1 2  P2  0 5 6  (4.145)
0 17 18
El rango de la matriz P2 es menor de tres (dos), por lo que el sistema no es observable

utilizando la segunda salida.

>> A=[3 0 2;0 1 0;0 2 3]
A=
3 0 2
0 1 0
0 2 3
>> C=[2 0 0;0 1 2]
C=
2 0 0
0 1 2
>> C1=[2 0 0]
C1 =
2 0 0
>> C2=[0 1 2]
C2 =
0 1 2
>> P=[C;C*A;C*A^2]
P=
2 0 0

3 de Julio del 2009
0 1 2
6 0 4
0 5 6
18 8 24
0 17 18
>> Ob=obsv(A,C)
Ob =
2 0 0
0 1 2
6 0 4
0 5 6
18 8 24
0 17 18
>> rank(P)
ans =
3
>> rank(A)
ans =
3
>> P1=[C1;C1*A;C1*A^2]
P1 =
2 0 0
6 0 4
18 8 24
>> Ob1=obsv(A,C1)
Ob1 =
2 0 0
6 0 4
18 8 24
>> rank(P1)
ans =
3
>> P2=[C2;C2*A;C2*A^2]
P2 =
3 de Julio del 2009
0 1 2
0 5 6
0 17 18
>> Ob2=obsv(A,C2)
Ob2 =
0 1 2
0 5 6
0 17 18
>> rank(P2)
ans =
2
4.12.1. Invarianza de la observabilidad ante cambio de base
Es importante destacar que la propiedad de observabilidad de un sistema (A, B, C, D) es

_
independiente de la representación del estado, por lo que, si se realiza un cambio x  T x , el rango de la
_
nueva matriz P es idéntico al de la matriz P. Para demostrarlo se parte de la representación del estado
realizando el cambio de base:

xt   Axt   Bu t 
yt   Cxt   Du t  (4.146)
_
x t   T xt 
con lo que después del cambio de base se tiene:

_ _
xt   T 1 AT xt   T 1 Bu t  (4.147)
_
yt   CT xt   Du t 
Por lo que la matriz de observabilidad en la nueva base es:
 CT 
 CAT 
_  
P   CA2T   PT (4.148)
 
  
CAn1T 

3 de Julio del 2009
_
Y puesto que la matriz T no es singular, el rango de P coincide con el de P, por lo que, si el
_
sistema resulta observable con P, también lo hará con P .
4.13. INTERPRETACIÓN GEOMÉTRICA DE LA OBSERVABILIDAD
Como ya se ha referido en este capítulo, el número de condición de la matriz que define el

Gramiano de Observabilidad es un indicador de la anisotropía del espacio de estado, en cuanto a la
dificultad de observar un determinado valor inicial dependiendo de la posición en la que se encuentre.
Al igual que sucedía con el estudio geométrico de la controlabilidad, este hecho se puede explicar
haciendo uso de la respuesta del sistema ante un determinado conjunto de señales.
Sea el sistema lineal e invariante representado en la Figura 4.11, en la que a la estructura usual
se ha añadido un vector de entradas adicionales, d(t), por lo que el modelo de estado toma la forma:

xt   Axt   Bu t   d t  (4.149)
y t   Cx t 
Este vector d(t) se añade para el estudio de observabilidad y no está relacionado con la posible
realidad física del sistema.
d(t)

u(t)
B x t  x(t) C
y(t)
∫
Fig. 4.11 Sistema lineal e invariante con el conjunto de entradas de prueba.
Supuesto el estado inicial nulo, anulando la entrada del sistema, y manteniendo el vector d(t)
como entrada al sistema, se tiene que la salida del sistema es:
yt    Ct , d  d

t
(4.150)
t0
Con lo que se puede definir F T t     Ct    como una aplicación F T :    pn . Esta
aplicación representa la aplicación de un conjunto de n variables de estado que influyen en p salidas,
representando cada columna el efecto de una variable de estado sobre el conjunto de salidas.
A partir de esta definición, se sigue una demostración similar a la que aparece en la sección 4.5,
para llegar a la conclusión de que el Gramiano de Observabilidad describe la forma en que se trasmite
energía desde el estado hacia la salida. Dicha transmisión se realiza una vez más según un patrón
elipsoidal, en el que la longitud de cada semieje indica la proporción del acoplamiento estado-salida en
esa dirección. Así, un semieje de longitud cero (valor propio nulo en el Gramiano de Observabilidad)

3 de Julio del 2009
indicaría la presencia de una dirección dentro del espacio de estado desde la que no se trasmite energía
a la salida.
4.14. SUBESPACIO NO-OBSERVABLE
Dado un sistema lineal invariante definido por las ecuaciones:

xt   Axt   Bu t  (4.151)
yt   Cxt   Du t 
el conjunto de puntos del espacio de estado tales que tomados como estado inicial ante
entrada nula, la salida del sistema es permanentemente nula y denominados no-observables,
forman un subespacio vectorial que se denomina subespacio no observable.
Estos puntos forman un espacio vectorial puesto que, ante entrada nula:
 Si se toma el origen como estado inicial, la salida generada es idénticamente nula.

 Si se encuentran dos puntos x1 y x2, tales que tomados como estado inicial ambos generan
salida idénticamente nula, entonces, por linealidad, si se toma como estado inicial
cualquier combinación lineal de la forma:
x1  x2 , ,  
genera igualmente una salida idénticamente nula.
Al igual que al abordar el estudio del subespacio controlable, se puede analizar el subespacio
no-observable, X0, mediante el conjunto de señales de prueba representado en la Figura 4.11.
El subespacio no-observable, X0, es el subespacio de mayor dimensión que está contenido dentro del
núcleo de la transformación definida por Yt t  , para todo t  t 0 ,t1  , siendo

Yt t   yt1 t  yt2 t   ytn t   (4.152)
donde y t  representa la evolución de la salida ante la entrada de prueba d , definida como:
i
t
i
 0 
  
 
d i t   d i t , i  1,, n (4.153)
 
  
 0 
La demostración es igual a la que se incluye en la sección 4.7 al enunciar la definición de

4.14.1. Base del subespacio no-observable

Para determinar la base del subespacio no-observable se va a partir de la Ec. 4.141
3 de Julio del 2009
0  Pe At t0  x0 , t (4.154)
Particularizando esta ecuación para t = t0, que resulta 0 = Px0, ecuación más sencilla.
Esta ecuación establece una aplicación entre el espacio de estado y el espacio de salida, y el
subespacio no-observable constituye el núcleo de dicha aplicación.
Si rango(P) = rp y la dimensión del espacio de estado es n, la dimensión del núcleo de esta
aplicación es n-rp. Para determinar una base de ese subespacio no-observable lo que se debe determinar
son n-rp vectores linealmente independientes que sean ortogonales a las filas de la matriz P. La base se
constituye encontrando n-rp vectores que verifiquen esta ecuación y sean linealmente independientes.
Para obtener estos vectores, se puede utilizar un método semejante al estudiado en
controlabilidad. Basta observar que si en la matriz P la fila cjAi es linealmente dependiente de sus
anteriores filas, entonces cjAi+k, con k > 0, también será linealmente dependiente de sus anteriores filas.
El método consiste entonces en ir seleccionando filas de arriba abajo y, cuando cjAi sea linealmente
dependiente de las anteriores, entonces se descartan ésta y todas las cjAi+k posteriores.
Este proceso termina cuando todas las columnas de un grupo CAi sean linealmente dependientes
ya que a partir de entonces los restantes grupos CAi+k también lo serán. Una vez obtenida esta matriz
Pr, se pueden obtener los n-rp vectores de la base mediante la resolución directa de:
Pr x  0 (4.155)
Ejemplo 4.13: calcular una base del subespacio no-observable para el sistema determinado por
las siguientes matrices:
3 0 2
A  0 1 0
(4.156)
0 2 3
C  0 1 2
Se comienza por calcular la matriz de observabilidad del sistema:
0 1 2 
P  0 5 6  rangoP   2  3  No es observable (4.157)
0 17 18
Para el cálculo de la base del subespacio no-observable se sabe que su dimensión es 3-2 = 1. Se
necesita un vector que verifique que Prx0 = 0 para conocer la base. En primer lugar se eligen dos filas
linealmente independientes, por ejemplo las dos primeras:
 v1 
0  0 1 2    v2  v3  0
0   0 5 6   v 2  v1 cualquier valor
(4.158)
    v 
 3

3 de Julio del 2009
Así que el vector será:
1
x0  0 (4.159)
0
base del subespacio no-observable.
>> A=[3 0 2;0 1 0;0 2 3]
A=
3 0 2
0 1 0
0 2 3
>> C=[0 1 2]
C=
0 1 2
>> Ob=obsv(A,C)
Ob =
0 1 2
0 5 6
0 17 18
>> rank(Ob)
ans =
2
>> syms v1 v2 v3
>> v=[v1;v2;v3]
v=
v1
v2
v3
>> V=Pr*v
V=
v2+2*v3
5*v2+6*v3
3 de Julio del 2009
>> A=[1 2;5 6]
A=
1 2
5 6
>> B=[0;0]
B=
0
0
>> X=A\B
X=
0
0
>> A1=[1 2 0;5 6 0]
A1 =
1 2 0
5 6 0
>> rref(A1)
ans =
1 0 0
0 1 0
4.15. SEPARACIÓN DEL SUBSITEMA NO-OBSERVABLE
Dado el sistema lineal invariante definido por las ecuaciones:

xt   Axt   Bu t  (4.160)
yt   Cxt   Du t 
con un subespacio no-observable de dimensión n-rp, siendo rango(P) = rp < n, existe una matriz de
cambio de base T no singular con la que se puede hacer la transformación del vector de estado según la
ecuación:
_
xt   T xt  (4.161)
de modo que el modelo de estado en el nuevo sistema de referencia es:

3 de Julio del 2009
 _ 
   
_ _
 xa   Aaa
_
0   xa    Ba u t 
  _ _ _ _
 _   Aba Abb   xb   Bb 
 xb  (4.162)
 _
_  x
y t   C a 0  _a 
 x 
 b
Verificándose que:
_
_ _ 
 El subsistema formado por las variables x a , caracterizado por las matrices  Aaa , c a  , es
 
observable y de dimensión rp.
_
 Adicionalmente el subsistema formado por las variables xb , caracterizado por las matrices
_ 
 Abb ,0  , presenta una evolución del estado desacoplado de la salida del sistema, según se
 
puede deducir de la Ec. 4.162.
El modelo de estado que describe el comportamiento de los estados observables:

_ _ _ _
x a  Aaa x a  B a u t  (4.163)
_ _
yt   C a x a
describe el comportamiento del subsistema observable y genera la misma función de transferencia que
la ecuación de estado en su estado original y la expresada en la Ec. 4.162 representan otra realización
del mismo sistema, es decir, que ante la misma entrada ambos generan la misma salida.
La matriz de cambio de base que consigue esta separación en los subsistemas mencionados se
construye como:
T  Ta Tb  (4.164)
donde Tb está formada por una base del subespacio no-observable y Ta está formada por rp vectores
cualesquiera que sean linealmente independientes entre sí y con los de la matriz Tb. Igualmente se
puede construir otra matriz T a partir de:
V 
T 1   a  (4.165)
Vb 
estando Va formado por rp filas linealmente independientes de P y Vb por n - rp filas linealmente
independientes entre sí y con las de Vb.
Gráficamente el sistema original se descompone en dos subsistemas, S1 subsistema Observale
(en Rojo) y S2 subsistena No-oservable (en Verde) según la Figura 4.12. Lo que se consigue es
_
desconectar la salida y(t) de las variables de estado contenidas en x b .

3 de Julio del 2009
D

~ ~
u(t) xa xa y(t)

~ ~
Ba Ca
~
Aaa S1
~
Aba S2

~ ~
~
xb xb
Bb 
~
Abb
Fig. 4.12 Separación de la parte no-observable
Se han separado, dentro de la imposibilidad de observar el estado del sistema, las variables de
estado en dos grupos, unas observables y otras que no lo son. La dimensión de S2 es n – rp y la de S1 es
rp .
Con este cambio de base lo que se consigue es cambiar el sistema de referencia con respecto al
cual se definen los vectores, desplazándolo para que tantos de ellos como sea necesario coincidan con
la base del subespacio no-observable.
Ejemplo 4.14: dado un sistema definido por las siguientes matrices:
1 0 0 
A  0 1 0 C  4  2 2 (4.166)
3  3 5
separar el sistema en la parte observable y no-observable.

Para comenzar se construye la matriz P:

3 de Julio del 2009
 4 2 2 
P  10  8 10  rango(P) = 2 (4.167)
40  38 50
Dado que el sistema no es observable, como demuestra el hecho de que el rango de la matriz P
sea menor a tres, se puede proceder a la separación del sistema en sus partes observable y no-
observable. Para ello se construye la matriz de cambio de base eligiendo filas linealmente
independientes de la matriz P:
4 2 2  23  16 13 
T 1  10  8 10  T   56  13 53  (4.168)
 0 0 1  0 0 1
Con lo que las matrices de transformación resultan:
 0 1 0
~
1 
A  T AT    5 6 0
 0.5 0.5 1 (4.169)
~
C  CT  1 0 0
>> A=[1 0 0;0 1 0;3 -3 5]

A=
1 0 0
0 1 0
3 -3 5
>> C=[4 -2 2]
C=
4 -2 2
>> Ob=obsv(A,C)
Ob =
4 -2 2
10 -8 10
40 -38 50
>> P=[C;C*A;C*A^2]
P=
4 -2 2
10 -8 10
3 de Julio del 2009
40 -38 50
>> rank(Ob)
ans =
2
>> TI=[4 -2 2;10 -8 10;0 0 1]
TI =
4 -2 2
10 -8 10
0 0 1
>> T=inv(TI1)
T=
0.6667 -0.1667 0.3333
0.8333 -0.3333 1.6667
0 0 1.0000
>> Abar=TI*A*T
Abar =
0 1 0
-5.0000 6.0000 0
-0.5000 0.5000 1
>> Cbar=C*T
Cbar =
1 0 0
4.16. SEPARACIÓN DE LOS SUBSITEMAS CONTROLABLE Y OBSERVABLE
El objetivo de de este apartado es separar simultáneamente la parte observable de la no-

observable y la parte controlable de la no controlable de un sistema lineal invariante.
Dada la expresión del sistema:

xt   Axt   Bu t  (4.170)
yt   Cxt   Du t 
~
Existe una matriz T no singular con la que se puede hacer uncambio de base xt   T xt  , de modo que
~
el sistema referido a las nuevas variables de estado xt  queda definido por las matrices:

3 de Julio del 2009
~ ~

A aa 0 Aac 0 
~ ~ ~ ~
~  Abd 
A  T 1 AT   Aba Abb Abc
~  (4.171)
 0 0 Acc 0 
 0 0
~
Adc Add 
~

~ 
 B~ a 
~
 
B  T 1 B   B b  (4.172)
0
0
 
~
~ ~

C  CT  C a 0 Cc 0 (4.173)
 
y ademas se verifica que:
~
1. El sistema formado por las variables x aa y caracterizado por las matrices:
~ ~ ~ 
 Aaa , B a , C a  (4.174)
Es un subsistema controlable y observable.
~ ~ 
2. El subsistema formado por las variables  x a , x b  y caracterizado por las matrices:
 
 ~  ~  
 A aa 0 ,  B a , C~ 
0  (4.175)
~
  Aba
~ ~  a 
 Abb   B b   
~ ~ 
es un sistema controlable, formando el resto de las variables  x c , x d  un subsistema con
 
comportamiento desacoplado de las entradas.
~ ~ 
3. El subsistema formado por las variables  x a , x c  y caracterizado por las matrices:
 
 ~  ~ 
Aac ,  B a , C~
~
  Aaa
~

~  a C c  (4.176)
  0 Acc   0   
 

3 de Julio del 2009
~ ~ 
es un sistema observable, formando el resto de las variables  x b , x d  un subsistema con
 
comportamiento desacoplado de las salidas.
Los tres sistemas descritos en la enumeración anterior tienen la particularidad de generar la

misma función de transferencia, lo que significa que los tres son realizaciones diferentes de un mismo
sistema en términos de entrada-salida. En concreto, el segundo ya se ha estudiado como subsistema
controlable, y el tercero como subsistema observable. En cuanto al primero, presenta alguna
particularidad que se comenta en seguida: este subsistema es el de mínima dimensión que puede
modelar la relación entre entrada y salida del sistema, por lo que se le conoce como Realización
Mínima del Sistema. Al orden de dicha realización mínima se le conoce también como Grado de
McMillan de dicho sistema.
Existe un teorema, debido a Kalman, que caracteriza la relación mínima de un sistema en

términos de Controlabilidad y Observabilidad:
Una realización dada por (A, B, C, D) es mínima si y solo si es Controlable y Observable.
En general, y como ya se ha comentado en otras ocaciones, un sistyema lineal e invariante no

posee una única realización en el espacio de estado. Sin embargo, las representaciones mínimas son
únicas salvo por un cambio de base; en otras palabras, cualquier par de realizaciones mínimas están
relacionadas por una transformación lineal.
u(t) y(t)
Sa
Sb Sc
Controlable Sd Observable
Fig. 4.13 Separación simultanea de los subsistemas controlable y observable
Gráficamente la separación en subsistemas se puede representar de la forma mostrada en detalle

en la Figura 4.14 y de forma reducida en la Figura 4.13 donde cada susbsistema se compone
de un grupo de variables de estado. Analizandolos se tiene que:
 Existe un subsistema que es controlable y observale (subíndice a), que describe la

realización mínima del sistema.
 Existe un subsistema que junto con el anterior forma un subsistema controlable, pero
separado del anterior porque este es no-observable. Esto no supone que este subsistema
sea controlable aisladamente (subíndice b).
 Existe un subsistema que, junto al primero, es observable, está desconectado de la
entrada y, en consecuencia, no es controlable. Esto no quiere decir que este subsistema
sea observable aisladamente. (subíndice c).
 Finalmente, existe un subsistema que no pertenece a la parte observable y tampoco a la
parte controlable, así que no es ninguna de las dos cosas, ya que esta desconectado de la
entrada y de la salida (subíndice d).
3 de Julio del 2009
u(t) Observable y(t)


~ ~
Ba Ca
~
Controlable y ~
 Cc
Aaa
Observable
~
Acc
~
Aac
~
Aba
~ ~
Abc Adc
~
Bb 
Controlable

~
Abb ~
Add
~
Abd
Fig. 4.14. Separación detallada de los subsistemas controlable y observable.
Con esta transformación se consigue algo parecido a lo que se hacia al realizar las separaciones
entre controlable y no controlable, y entre observable y no-observable, unos cambios de ejes para que
coincidan con la base del subespacio controlable y observable.
4.16.1. Cálculo de la matriz de cambio de base.
Se trata de obtener la matriz de cambio de base que realiza la separación en los subsistemas
descritos en la sección anterior. Dicha matriz de cambio de base está formada por cuatro submatrices:
T  Ta Tb Tc Td  (4.177)
Llamando BC a la base del subespacio controlable y BÖ la b ase del subespacio no-observable,

se determina que las cajas que componen la matriz de transformación cumplen con que:

3 de Julio del 2009
 Ta, Tb separan el subespacio controlable, así que en conjunto los vectores columna de Ta
y de Tb serán una base del subespacio controlable, según la Sección 4.7.
Ta  Tb  BC (4.178)
 Ta, Tc separan el subespacio obsevable, así que, la Scción 4.14, los vectores columna de
Tb, Td deben ser la base del subespacio no-observable.
Ta  Tb  B  Tb  Td  BÖ (4.179)
ö
 Por lo tanto, según las ecuaciones 4.178 y 4.179, Tb es una base de la intersección del
subespacio controlable y del subespacio no-observable.
Tb  BC  BÖ (4.180)
Desde el punto de vista práctico, las distintas submatrices que componen la matriz T se calculan
en el siguiente orden:
 Tb: base del subespacio de intersección entre el subsistema no-observable y el

subsistema controlable.
 Ta: conjunto de vectores columna tales que conjuntamente con Tb forman una base del
 Td: conjunto de vectores columna tales que conjuntamente con Tb forman una base del
subespacio no-observable.
 Tc: conjunto de vectores columna tales que conjuntamente con Ta, Tb y Td forman una
base del espacio de estado.
Por lo que resulta evidente que la dimensión del subsistema controlable y observable coincide
con el número de vectores columna de Ta , la dimensión del sistema controlable, rQ, concide con el
numero de vectores columna de Ta junto con Tb, y la dimensión del sub sistema observable , rP,
coincide con el numero de vectores columna de Ta junto con Tc.
Ejemplo 4.15: Separar en sus partes controlable y observable el sistema dado por las matrices:
2 3  4 0  1 0
 3  2 4 0 3  3
  
A   3 0 2 0 3 B 2  C   3 3 2 0 5 (4.181)
   
 3  3 4  1 1  2
 3 3  4 0  2  2
En primer lugar es necesario conocer las dimensiones de los subespacios controlable y

observable del sistema, para lo que se utiliza el estudio mediante las matrices de controlabilidad y
observabilidad:

3 de Julio del 2009
0 3 3 9  15
 3  4 6  10 18 
 
Q B  AB A2 B A3 B 
A4 B   2  2 2  2 2  (4.182)
 
 2  5 5  11 17 
 2 5  5 11  17
El rango de la matriz Q es 3, por lo que ésa es la dimensión del subespacio controlable del
sistema. Para obtener la base, se extraen tres vectores columnas linealmente independientes de dicha
matriz, en este caso los tres primeros:
 0  3  3 
     6 
 3    4   

BC   2  ,  2 ,  2   (4.183)
 2     
    5  5 
 2  5   5 
En cuanto al estudio de la observabilidad:
 C   3 3 2 0 5
 CA    6 0 8 0 8 
  
P  CA2     12 6 8 0 14  (4.184)
 3  
CA   24  6 32 0 26
CA4   48 18 32 0 50
Siendo el rango de la matriz P tambien 3, por lo que la dimensión del subespacio no-observable
es 2. Para calcular la base de dicho subespacio se recurre a obtener el núcleo de la transformación lineal
definida por la matriz de observabilidad.
 v11 v12 
0 3  3 9  15 v21 v22  0 0
3  4 6  10 18  v v32   0 0 (4.185)
   31 
2  2 2  2 2  v41 v42  0 0
v51 v52 
0v11  3v21  3v31  9v41  15v51  0 0v12  3v22  3v32  9v42  15v52  0
3v11  4v21  6v31  10v41  18v51  0 3v12  4v22  6v32  10v42  18v52  0 .
2v11  2v21  2v31  2v41  2v51  0 2v12  2v22  2v32  2v42  2v52  0
Y despejando se obtiene que la base del subespacio no-observable es:

3 de Julio del 2009
 0  0  
  0  
 1   

BÖ   1 , 0  (4.186)
 0   
  1 
 
 1  0 
Para calcular la matriz de separación de la parte observable y controlable es necesario calcular

la intersección entre los subespacios controlable y no-obsevable, por lo que primero se calcula la
dimensión de dicha intercección.
 0 3  3 0 0 
 
  3  4 6  1 0 
rango  2  2 2  1 0   4 (4.187)
 
 2 5 5 0 1 
 
   2 5  5 1 0 
Y sabiendo que la dimensión de la intersección es 1, se palntea la ecuación:
0 3  3  0  0 
3   4 6  1 0
         
  2     2    2     1  0 (4.188)
         
2   5 5  0  1
 2  5   5  1  0
Que dcesprjando resulta α = ½, β = -¼, γ = -¼, μ = -1, por lo que la base del espacio
intersección entre la parte controlable y la parte no-observable es:
 0  
  
 1  
 
BC  BÖ   1   (4.189)
 1  
  
 1 
Con toda esta información ya se puede identificar las distintas submatrices que componen la
matriz de transformación que realiza la separación:

3 de Julio del 2009
0
1
 
 Intersección del subespacio cntrolable y no-observable: Tb   1 
 
1
 1
0 3
 3  4
 
 Junto a Tb base del subespacio controlable: Ta   2  2
 
 2  5
 2 5 
0
 1
 
 Junto a Tb base del sbespacio no-observable: Td   1
 
0
 1 
1 
0 
 
 Resto de la base del espacio de estado: Tc  0
 
0 
0
Lo que da como resultado la matriz de transformación:
0 3 0 1 0 0 1  13 0 23 
 3 4 1 0  1 0 0 1
0 13 
  3
T   2 2 1 0  1  T 1  0  2 73 1 13  (4.190)
   
 2 5 1 0 0 1 0  1 0  1
 2 5  1 0 1  0 0 0 1 1 
Con esta matriz se realiza la separación en los distintos subsistemas quedando:
0 2 0 0 0
1  1 0 0 0 
~ 
A  T 1 AT  0  4  1  3 0  (4.191)
 
0 0 0 2 0
0 0 0 0  1

3 de Julio del 2009
1
 0
~  
B  T 1 B  0 (4.192)
 
 0
0
~
C  CT  3 0 0  3 0 (4.193)
A la vista de este resultado es posible comprobar tambien cómo la realización mínima del
sistema y la realización original (incluyendo las partes no controlable y no-observable) generan la
misma función de transferencia. Tomando:
3s  1
GCO s   Ca sI  Aaa  Ba 
1
(4.194)
s  2s  1
Mientras que si se toma la realización completa original:
3s  1s  2 s  1 3s  1) 

2
G s   C sI  A B 
1
 (4.195)
s  2s  1s  1 s  2 s  2s  1
2
Cargando las matrices que definen al sistema:
>> A=[2 3 -4 0 -1;-3 -2 4 0 3;-3 0 2 0 3;-3 -3 4 -1 1;3 3 -4 0 -2]
A=
2 3 -4 0 -1
-3 -2 4 0 3
-3 0 2 0 3
-3 -3 4 -1 1
3 3 -4 0 -2
>> B=[0;3;2;2;-2]
B=
0
3
2
2
-2
>> C=[-3 3 2 0 5]

3 de Julio del 2009
C=
-3 3 2 0 5
>> D=[0]
D
0
Calculando las dimensiones de los subespacios controlable y observable:
>> Q=[B A*B A^2*B A^3*B A^4*B]
Q=
0 3 -3 9 -15
3 -4 6 -10 18
2 -2 2 -2 2
2 -5 5 -11 17
-2 5 -5 11 -17
>> Co=ctrb(A,B)
Co =
0 3 -3 9 -15
3 -4 6 -10 18
2 -2 2 -2 2
2 -5 5 -11 17
-2 5 -5 11 -17
>> rank(A)
ans =
5
>> rank(Q)
ans =
3
Se extraen los tres vectores columna de Q que son linealmente independientes para forma
la base del subespacio controlable BC:
>> Bc=[B A*B A^2*B]
Bc =
0 3 -3
3 -4 6
2 -2 2
2 -5 5
-2 5 -5
3 de Julio del 2009
>> rank(Bc)
ans =
3
Estudio de la observabilidad:
>> P=[C;C*A;C*A^2;C*A^3;C*A^4]
P=
-3 3 2 0 5
-6 0 8 0 8
-12 6 8 0 14
-24 -6 32 0 26
-48 18 32 0 50
>> Ob=obsv(A,C)
Ob =
-3 3 2 0 5
-6 0 8 0 8
-12 6 8 0 14
-24 -6 32 0 26
-48 18 32 0 50
>> rank(P)
ans =
3
>> syms v11 v12 v21 v22 v31 v32 v41 v42 v51 v52
>> V=[v11 v12;v21 v22;v31 v32;v41 v42;v51 v52]
V=
[ v11, v12]
[ v21, v22]
[ v31, v32]
[ v41, v42]
[ v51, v52]
>> Q1=[0 3 -3 9 -15;3 -4 6 -10 18;2 -2 2 -2 2]
Q1 =
0 3 -3 9 -15
3 -4 6 -10 18
2 -2 2 -2 2

3 de Julio del 2009
>> Q1V=Q1*V
Q1V =
[ 3*v21-3*v31+9*v41-15*v51, 3*v22-3*v32+9*v42-15*v52]
[ 3*v11-4*v21+6*v31-10*v41+18*v51, 3*v12-4*v22+6*v32-10*v42+18*v52]
[ 2*v11-2*v21+2*v31-2*v41+2*v51, 2*v12-2*v22+2*v32-2*v42+2*v52]

3 de Julio del 2009

Capitulo 4

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo 4

Cargado por

Copyright:

Formatos disponibles

U

ANÁLISIS DE SISTEMAS DE CONTROL

En el capítulo 2 se ha establecido la metodología para la descripción del comportamiento de un

Fig. 4.1 Sistema no controlable

que el sistema no es controlable, porque no se puede alcanzar cualquier estado deseado a

Fig. 4.3 Circuito eléctrico del Ejemplo 4.1

M.C. Manuel Amarante Rodríguez 75

La controlabilidad del estado en un intervalo de tiempo partiendo de un estado inicial se define:

M.C. Manuel Amarante Rodríguez 76

4.3. CONTROLABILIDAD EN SISTEMAS LINEALES

Dada la expresión de la solución completa de la ecuación de estado para sistemas lineales:

xt1   t1 , t 0 xt 0    t1 , B u  d

De forma que puede reducirse la Ec. (4.2) a:

La controlabilidad de un sistema lineal depende de las matrices Φ(t, t0) y B(t)

W t1 , t 0    t1 , B BT  T t1 , d

M.C. Manuel Amarante Rodríguez 78

y entonces, substituyendo el valor de W(t1,t0):

Formando el producto por u() e integrando se tiene:

vT  t1 , B u  d  0

Ejemplo 4.2: Determinar la controlabilidad del sistema definido por:

partiendo del instante inicial t0 = 0 y para cualquier instante t.

M.C. Manuel Amarante Rodríguez 79

W t ,0   t , B B   t , d   1

1 1 8t 1 6t 1 4t 1 2t

Desarrollo del Ejemplo 4.2 en Matlab

M.C. Manuel Amarante Rodríguez 80

>> FI=[1/(s+1) (3/2)/(s+1)-(3/2)/(s+3);0 1/(s+3)]

>> syms t tau

>> FIttau=[exp(-(t-tau)) 3/2*exp(-(t-tau))-3/2*exp(-3*(t-tau));0 exp(-3*(t-tau))]

>> FIttauT=[exp(-t+tau) 0;3/2*exp(-t+tau)-3/2*exp(-3*t+3*tau) exp(-3*t+3*tau)]

M.C. Manuel Amarante Rodríguez 82

4.3.1. Cálculo de la entrada en sistemas lineales

Caso 2: Transición con punto paso intermedio

x0 , t0  u xa , t a   T ^

En la Figura 4.4 se puede observar gráficamente este procedimiento de generación de nuevas

M.C. Manuel Amarante Rodríguez 84

Ejemplo 4.3: Dado el sistema controlable definido por la ecuación de estado:

calcular una entrada necesaria para realizar la transferencia del estado:

 e t 0   et 0  1 0.6065

^ 1 0.6065 0.3934

Siendo dicho costo:

Desarrollo del Ejemplo 4.3 en Matlab

>> syms s t tau

M.C. Manuel Amarante Rodríguez 86

>> num21=[0 0 -1]

>> FI=[1/(s+1) 0;(1/(s+2))-(1/(s+1)) 1/(s+2)]

[----- - ----- ----- ]

>> FI05=[exp(-0.5) 0;exp(-2*0.5)-exp(-0.5) exp(-2*0.5)]

>> FI05tau=[exp(-(0.5-tau)) 0;exp(-2*(0.5-tau))-exp(-(0.5-tau)) exp(-2*(0.5-tau))]

>> FI05tau=[exp(-0.5)*exp(tau) 0;exp(-1)*exp(2*tau)-exp(-0.5)*exp(tau) exp(-1)*exp(tau)]

[828390857088487 2731571253070597 828390857088487 ]

>> FI05tau=[0.6065*exp(tau) 0;0.3679*exp(2*tau)-0.6065*exp(tau) 0.3679*exp(tau)]

>> FI05tauT=[0.6065*exp(tau) 0.3679*exp(2*tau)-0.6065*exp(tau);0 0.3679*exp(tau)]

M.C. Manuel Amarante Rodríguez 89

>> W=[0.3160 -0.0571;-0.0571 0.0143]

>> utau=[-116.7721*exp(tau) 87.0147*exp(2*tau)]

>> utau2=[-116.7721*exp(tau) 87.0147*exp(2*tau)]*[-116.7721*exp(tau);87.0147*exp(2*tau)]

M.C. Manuel Amarante Rodríguez 91

Si se considera una transformación del estado mediante una matriz T no singular:

M.C. Manuel Amarante Rodríguez 92

Entonces esta transformación modifica el valor del gramiano de controlabilidad según:

Ejemplo 4.4: Analizar la controlabilidad del sistema definido por:

M.C. Manuel Amarante Rodríguez 93

>> FIttau=[exp(-(t-tau)) 3/2exp(-(t-tau))-3/2exp(-3(t-tau));0 exp(-3(t-tau))]

>> FIttauT=[exp(-t+tau) 0;3/2exp(-t+tau)-3/2exp(-3t+3tau) exp(-3t+3tau)]

>> FI05=[exp(-0.5) 0;exp(-20.5)-exp(-0.5) exp(-20.5)]

>> FI05tau=[exp(-(0.5-tau)) 0;exp(-2(0.5-tau))-exp(-(0.5-tau)) exp(-2(0.5-tau))]

>> FI05tau=[exp(-0.5)exp(tau) 0;exp(-1)exp(2tau)-exp(-0.5)exp(tau) exp(-1)*exp(tau)]

>> FI05tau=[0.6065exp(tau) 0;0.3679exp(2tau)-0.6065exp(tau) 0.3679*exp(tau)]

>> FI05tauT=[0.6065exp(tau) 0.3679exp(2tau)-0.6065exp(tau);0 0.3679*exp(tau)]

>> utau=[-116.7721exp(tau) 87.0147exp(2*tau)]

>> utau2=[-116.7721exp(tau) 87.0147exp(2tau)][-116.7721exp(tau);87.0147exp(2*tau)]