MT227B CONTROL MODERNO Y ÓPTIMO

Unidad 2b
Formas canónicas, Estabilidad,
Controlabilidad y Observabilidad

Forma canónica controlable

𝑏𝑜
𝑏1
𝑏2

𝑏𝑛−1

𝑥ሶ 𝑛 𝑥𝑛 𝑥𝑛−1 𝑥3 𝑥2 𝑥1
. 𝑏𝑛

𝑎1

𝑎2

𝑎𝑛−1
𝑎𝑛
 1

Formas Canónicas
 Formas Canónicas - Transformaciones
Son modificaciones de un modelo matemático a otro. La finalidad es facilitar la
presentación del modelo físico para obtener ciertas propiedades del sistema para analizar
la controlabilidad del sistema y/o la observabiblidad de variables de estado.

Se inicia este estudio para sistemas SISO de la siguiente manera:

𝑌 𝑠 𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛
𝐹𝑇 = = 𝑛
𝑈(𝑠) 𝑠 + 𝑎1 𝑠 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑠1 + 𝑎𝑛

Dada la FT, se pueden analizar los casos a partir de los coeficientes del polinomio o a partir
de las raíces. Forma canónica
controlable
Análisis de coeficientes
𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛 Forma canónica
𝑛𝑢𝑚 𝑠 𝑛 + 𝑎1 𝑠 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑠1 + 𝑎𝑛 observable
𝐹𝑇 =
𝑑𝑒𝑛 Forma canónica
diagonal o modal
Análisis de polos
𝑐1 𝑐2 𝑐𝑛
𝑏𝑜 + + + ⋯+ Forma canónica
𝑠 + 𝑝1 𝑠 + 𝑝2 𝑠 + 𝑝𝑛
de Jordan
 Formas Canónicas - Transformaciones

1. Análisis de coeficientes

𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛
𝐹𝑇 = 𝑛
𝑠 + 𝑎1 𝑠 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑠1 + 𝑎𝑛

Forma canónica Forma canónica

controlable observable

𝑥ሶ 1 0 1 0 ⋯ 0 𝑥1 0 𝑥ሶ 1 0 0 ⋯ 0 −𝑎𝑛 𝑥1 𝑏𝑛 − 𝑎𝑛 𝑏𝑜
𝑥ሶ 2 0 0 1 ⋯ 0 𝑥 2 0 𝑥ሶ 2 1 0 ⋯ 0 −𝑎𝑛−1 𝑥2 𝑏𝑛−1 − 𝑎𝑛−1 𝑏𝑜
⋮ = ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ + ⋮ 𝑢 ⋮ = ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ + ⋮ 𝑢
𝑥ሶ 𝑛−1 0 0 0 ⋯ 1 𝑥𝑛−1 0 𝑥ሶ 𝑛−1 0 0 ⋯ 0 −𝑎2 𝑥𝑛−1 𝑏2 − 𝑎2 𝑏𝑜
𝑥ሶ 𝑛 −𝑎𝑛 −𝑎𝑛−1 −𝑎𝑛−2 ⋯ −𝑎1 𝑥𝑛 1 𝑥ሶ 𝑛 0 0 ⋯ 1 −𝑎1 𝑥𝑛 𝑏1 − 𝑎1 𝑏𝑜

𝑥1 𝑥1
𝑥2 𝑥2
𝑦 = 𝑏𝑛 − 𝑎𝑛 𝑏𝑜 𝑏𝑛−1 − 𝑎𝑛−1 𝑏𝑜 𝑏𝑛−2 − 𝑎𝑛−2 𝑏𝑜 ⋯ 𝑏1 − 𝑎1 𝑏𝑜 ⋮ + 𝑏𝑜 𝑢 𝑦= 0 0 ⋯ 0 1 ⋮ + 𝑏𝑜 𝑢
𝑥𝑛−1 𝑥𝑛−1
𝑥𝑛 𝑥𝑛
 Formas Canónicas - Transformaciones

2. Análisis de polos

𝑐1 𝑐2 𝑐𝑛 𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛
𝐹𝑇 =
𝐹𝑇 = 𝑏𝑜 + + + ⋯+ 𝑠 + 𝑝1 𝑠 + 𝑝2 2 + 𝑞 2 … 𝑠 + 𝑝𝑛
𝑠 + 𝑝1 𝑠 + 𝑝2 𝑠 + 𝑝𝑛
𝑐1 𝑐2 𝑠 + 𝑝2 𝑐3 𝑞 𝑐𝑛
𝐹𝑇 = 𝑏𝑜 + + − … +
𝑠 + 𝑝1 𝑠 + 𝑝2 2 + 𝑞 2 𝑠 + 𝑝2 2 + 𝑞 2 𝑠 + 𝑝𝑛
Forma canónica Forma canónica
diagonal o modal Polos de valor distinto de Jordan Multiplicidad en uno o más polos
Caso de polos conjugados complejos

𝑥ሶ 1 −𝑝1 0 0 ⋯ 0 𝑥1 1 𝑥ሶ 1 −𝑝1 0 0 ⋯ 0 𝑥1 1
𝑥ሶ 2 0 −𝑝2 0 ⋯ 0 𝑥2 1 𝑥ሶ 2 0 −𝑝2 𝑞 ⋯ 0 𝑥2 1
⋮ = 0 0 −𝑝3 ⋯ 0 𝑥3 + 1 𝑢 ⋮ = 0 −𝑞 −𝑝2 ⋯ 0 𝑥3 + 0 𝑢
𝑥ሶ 𝑛−1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ 𝑥ሶ 𝑛−1 ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
𝑥ሶ 𝑛 0 0 0 ⋯ −𝑝𝑛 𝑥𝑛 1 𝑥ሶ 𝑛 0 0 0 ⋯ −𝑝𝑛 𝑥𝑛 1

𝑥1 𝑥1
𝑥2 𝑥2
𝑦 = 𝑐1 𝑐2 𝑐3 ⋯ 𝑐𝑛 𝑥3 + 𝑏𝑜 𝑢 𝑦 = 𝑐1 𝑐2 𝑐3 ⋯ 𝑐𝑛 𝑥3 + 𝑏𝑜 𝑢
⋮ ⋮
𝑥𝑛 𝑥𝑛
 Formas Canónicas - Transformaciones

2. Análisis de polos
𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛
𝐹𝑇 =
𝑠 + 𝑝1 3 𝑠 + 𝑝4 … 𝑠 + 𝑝𝑛

𝑐1 𝑐2 𝑐3 𝑐4 𝑐𝑛
𝐹𝑇 = 𝑏𝑜 + 3
+ 2
+ + +⋯+
𝑠 + 𝑝1 𝑠 + 𝑝1 𝑠 + 𝑝1 𝑠 + 𝑝4 𝑠 + 𝑝𝑛

Forma canónica
de Jordan Multiplicidad en uno o más polos
Caso de polos reales múltiples

𝑥ሶ 1 −𝑝1 1 0 ⋯ 0 𝑥1 0
𝑥ሶ 2 0 −𝑝1 1 ⋯ 0 𝑥2 0
𝑥ሶ 3 0 0 −𝑝1 ⋯ 0 𝑥3 1
= 𝑥4 + 𝑢
𝑥ሶ 4 0 0 0 −𝑝4 0 1
⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
𝑥ሶ 𝑛 0 0 0 ⋯ −𝑝𝑛 𝑥𝑛 1
𝑥1
𝑥2
𝑥3
𝑦 = 𝑐1 𝑐2 𝑐3 𝑐4 ⋯ 𝑐𝑛
𝑥4 + 𝑏𝑜 𝑢
⋮
𝑥𝑛
 Forma Canónica Controlable - Demostración
𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛 𝑏𝑜 + 𝑏1 𝑠 −1 + ⋯ + 𝑏𝑛−1 𝑠 −(𝑛−1) + 𝑏𝑛 𝑠 −𝑛
𝐹𝑇 = 𝑛 =
𝑠 + 𝑎1 𝑠 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑠1 + 𝑎𝑛 1 + 𝑎1 𝑠 −1 + ⋯ + 𝑎𝑛−1 𝑠 −(𝑛−1) + 𝑎𝑛 𝑠 −𝑛

Aplicando la fórmula de Mason para los sistemas realimentados y este puede ser
representado en el diagrama de bloques siguiente
𝑏𝑜
𝑏1
𝑏2

𝑏𝑛−1

𝑥ሶ 𝑛 𝑥𝑛 𝑥𝑛−1 𝑥3 𝑥2 𝑥1
. 𝑏𝑛

𝑎1

𝑎2

𝑎𝑛−1
𝑎𝑛
 Forma Canónica Controlable - Demostración

Se aprecia que
𝑥ሶ1 = 𝑥2
𝑥ሶ 2 = 𝑥3

𝑥ሶ 𝑛−1 = 𝑥𝑛
𝑥ሶ 𝑛 = 𝑢 − 𝑎1 𝑥𝑛 − 𝑎2 𝑥𝑛−1 − … − 𝑎𝑛−1 𝑥2 − 𝑎𝑛 𝑥1

Además, 𝑦 = 𝑏𝑜 𝑥ሶ 𝑛 + 𝑏1 𝑥𝑛 + 𝑏2 𝑥𝑛−1 + ⋯ + 𝑏𝑛−1 𝑥2 + 𝑏𝑛 𝑥1

Remplazando, se tiene que y es
𝑦 = 𝑏𝑛 − 𝑏𝑜 𝑎𝑛 𝑥1 + 𝑏𝑛−1 − 𝑏𝑜 𝑎𝑛−1 𝑥2 + ⋯ + 𝑏2 − 𝑏𝑜 𝑎2 𝑥𝑛−1 + 𝑏1 − 𝑏𝑜 𝑎1 𝑥𝑛 + 𝑏𝑜 𝑢
 Forma Canónica Observable - Demostración
𝑏𝑜 𝑠 𝑛 + 𝑏1 𝑠 𝑛−1 + ⋯ + 𝑏𝑛−1 𝑠1 + 𝑏𝑛 𝑏𝑜 + 𝑏1 𝑠 −1 + ⋯ + 𝑏𝑛−1 𝑠 −(𝑛−1) + 𝑏𝑛 𝑠 −𝑛 𝑌(𝑠)
𝐹𝑇 = 𝑛 = =
𝑠 + 𝑎1 𝑠 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑠1 + 𝑎𝑛 1 + 𝑎1 𝑠 −1 + ⋯ + 𝑎𝑛−1 𝑠 −(𝑛−1) + 𝑎𝑛 𝑠 −𝑛 𝑈(𝑠)

Multiplicando en aspa
𝑌 + 𝑎1 𝑠 −1 𝑌 + ⋯ + 𝑎𝑛−1 𝑠 − 𝑛−1 𝑌 + 𝑎𝑛 𝑠 −𝑛 𝑌 = 𝑏𝑜 𝑈 + 𝑏1 𝑠 −1 𝑈 + ⋯ + 𝑏𝑛−1 𝑠 −(𝑛−1) 𝑈 + 𝑏𝑛 𝑠 −𝑛 𝑈
Despejando Y
𝑌 = 𝑏1 𝑈 − 𝑎1 𝑌 𝑠 −1 + 𝑏2 𝑈 − 𝑎2 𝑌 𝑠 −2 + ⋯ + 𝑏𝑛−1 𝑈 − 𝑎𝑛−1 𝑌 𝑠 − 𝑛−1 + 𝑏𝑛 𝑈 − 𝑎𝑛 𝑌 𝑠 −𝑛 + 𝑏𝑜 𝑈
+
+
+
Se aplica el siguiente proceso iterativo, tomando en cuenta que 𝑌 = 𝑋𝑛 𝑠 + 𝑏𝑜 𝑈

𝑋𝑛 𝑠 = 𝑠 −1 {𝑏1 𝑈 − 𝑎1 𝑌 + 𝑏2 𝑈 − 𝑎2 𝑌 𝑠 −1 + ⋯ + 𝑏𝑛−1 𝑈 − 𝑎𝑛−1 𝑌 𝑠 − 𝑛−2

+ 𝑏𝑛 𝑈 − 𝑎𝑛 𝑌 𝑠 −(𝑛−1) }
𝑋𝑛 𝑠 = 𝑠 −1 {𝑏1 𝑈 − 𝑎1 𝑌 + 𝑋𝑛−1 (𝑠)}
𝑠𝑋𝑛 𝑠 = 𝑋𝑛−1 𝑠 − 𝑎1 𝑌 + 𝑏1 𝑈 = 𝑋𝑛−1 𝑠 − 𝑎1 (𝑋𝑛 𝑠 + 𝑏𝑜 𝑈) + 𝑏1 𝑈
𝑥ሶ 𝑛 = 𝑥𝑛−1 − 𝑎1 𝑥𝑛 + 𝑏1 − 𝑎1 𝑏𝑜 𝑢
 Forma Canónica Observable - Demostración

𝑋𝑛−1 𝑠 = 𝑠 −1 {𝑏2 𝑈 − 𝑎2 𝑌 + [ 𝑏3 𝑈 − 𝑎3 𝑌 𝑠 −1 + ⋯ + 𝑏𝑛−2 𝑈 − 𝑎𝑛−2 𝑌 𝑠 − 𝑛−3 + 𝑏𝑛−1 𝑈 − 𝑎𝑛−1 𝑌 𝑠 −(𝑛−2) ]}

𝑋𝑛−1 𝑠 = 𝑠 −1 {𝑏2 𝑈 − 𝑎2 𝑌 + 𝑋𝑛−2 (𝑠)}
𝑠𝑋𝑛−1 𝑠 = 𝑋𝑛−2 𝑠 − 𝑎2 𝑌 + 𝑏2 𝑈 = 𝑋𝑛−2 𝑠 − 𝑎2 (𝑋𝑛 𝑠 + 𝑏𝑜 𝑈) + 𝑏2 𝑈
𝑥ሶ 𝑛−1 = 𝑥𝑛−2 − 𝑎2 𝑥𝑛 + 𝑏2 − 𝑎2 𝑏𝑜 𝑢

𝑋𝑛−2 𝑠 = 𝑠 −1 {𝑏3 𝑈 − 𝑎3 𝑌 + [ 𝑏4 𝑈 − 𝑎4 𝑌 𝑠 −1 + ⋯ + 𝑏𝑛−3 𝑈 − 𝑎𝑛−3 𝑌 𝑠 − 𝑛−4 + 𝑏𝑛−2 𝑈 − 𝑎𝑛−2 𝑌 𝑠 −(𝑛−3) ]}

𝑋𝑛−2 𝑠 = 𝑠 −1 {𝑏3 𝑈 − 𝑎3 𝑌 + 𝑋𝑛−3 (𝑠)}
𝑠𝑋𝑛−2 𝑠 = 𝑋𝑛−3 𝑠 − 𝑎3 𝑌 + 𝑏3 𝑈 = 𝑋𝑛−2 𝑠 − 𝑎3 (𝑋𝑛 𝑠 + 𝑏𝑜 𝑈) + 𝑏3 𝑈
𝑥ሶ 𝑛−2 = 𝑥𝑛−3 − 𝑎3 𝑥𝑛 + 𝑏3 − 𝑎3 𝑏𝑜 𝑢

Siguiendo el proceso, se demuestra que

𝑥ሶ 2 = 𝑥1 − 𝑎𝑛−1 𝑥𝑛 + 𝑏𝑛−1 − 𝑎𝑛−1 𝑏𝑜 𝑢
𝑥ሶ 1 = −𝑎𝑛 𝑥𝑛 + 𝑏𝑛 − 𝑎𝑛 𝑏𝑜 𝑢
 Forma Canónica Observable - Demostración
El diagrama de bloque final es
𝑢

𝑏𝑛 − 𝑎𝑛 𝑏𝑜 𝑏𝑛−1 − 𝑎𝑛−1 𝑏𝑜 𝑏1 − 𝑎1 𝑏𝑜 𝑏𝑜

𝑥ሶ 1 𝑥1 𝑥ሶ 2 𝑥2 𝑥ሶ 𝑛−1 𝑥𝑛−1 𝑥ሶ 𝑛 𝑥𝑛
𝑦

𝑎𝑛 𝑎𝑛−1 𝑎1

𝑥ሶ 1 0 0 ⋯ 0 −𝑎𝑛 𝑥1 𝑏𝑛 − 𝑎𝑛 𝑏𝑜
𝑥1
𝑥ሶ 2 1 0 ⋯ 0 −𝑎𝑛−1 𝑥2 𝑏𝑛−1 − 𝑎𝑛−1 𝑏𝑜 𝑥2
⋮ = ⋮ ⋮ ⋱ ⋮ ⋮ ⋮ + ⋮ 𝑢 𝑦= 0 0 ⋯ 0 1 ⋮ + 𝑏𝑜 𝑢
𝑥ሶ 𝑛−1 0 0 ⋯ 0 −𝑎2 𝑥𝑛−1 𝑏2 − 𝑎2 𝑏𝑜 𝑥𝑛−1
𝑥ሶ 𝑛 0 0 ⋯ 1 −𝑎1 𝑥𝑛 𝑏1 − 𝑎1 𝑏𝑜 𝑥𝑛
 Aplicaciones
Dada la siguiente función de transferencia

𝑌(𝑠) 𝑠+5
=
𝑈(𝑠) 𝑠 2 + 3𝑠 + 2

Determine las formas canónicas controlable, observable y modal

solución
𝑏𝑜 = 0, 𝑏1 = 1, 𝑏2 = 5
𝑌(𝑠) 𝑠+5 𝑠2
𝑏𝑜 + 𝑏1 𝑠 + 𝑏2
= = 2 𝑛=2 𝑎1 = 3, 𝑎2 = 2
𝑈(𝑠) 𝑠 2 + 3𝑠 + 2 𝑠 + 𝑎1 𝑠 + 𝑎2

Forma canónica controlable

𝑥ሶ 1 0 1 𝑥1 0 𝑥ሶ 1 0 1 𝑥1 0
= + 𝑢 = + 𝑢
𝑥ሶ 2 −𝑎2 −𝑎1 𝑥2 1 𝑥ሶ 2 −2 −3 𝑥2 1

𝑥 𝑥1
𝑦 = 𝑏2 − 𝑎2 𝑏𝑜 𝑏1 − 𝑎1 𝑏𝑜 𝑥1 + 𝑏𝑜 𝑢 𝑦= 5 1 𝑥 + 0𝑢
2 2
 Aplicaciones
Forma canónica observable

𝑥ሶ 1 0 −𝑎2 𝑥1 𝑏2 − 𝑎2 𝑏𝑜 𝑥ሶ 1 0 −2 𝑥1 5
= + 𝑢 = + 𝑢
𝑥ሶ 2 1 −𝑎1 𝑥2 𝑏1 − 𝑎1 𝑏𝑜 𝑥ሶ 2 1 −3 𝑥2 1

𝑥1 𝑥1
𝑦= 0 1 𝑥 + 𝑏𝑜 𝑢 𝑦= 0 1 𝑥 + 0𝑢
2 2

Forma canónica modal

𝑌(𝑠) 𝑠+5 𝑠+5 4 −3 𝑐1 𝑐2

= = = + = 𝑏𝑜 + +
𝑈(𝑠) 𝑠 2 + 3𝑠 + 2 (𝑠 + 1)(𝑠 + 2) 𝑠 + 1 𝑠 + 2 𝑠 + 𝑝1 𝑠 + 𝑝2

𝑥ሶ 1 −𝑝1 0 𝑥1 1 𝑥ሶ 1 −1 0 𝑥1 1
= + 𝑢 = + 𝑢
𝑥ሶ 2 0 −𝑝2 𝑥2 1 𝑥ሶ 2 0 −2 𝑥2 1

𝑥1 𝑥1
𝑦 = 𝑐1 𝑐2
𝑥2 + 𝑏𝑜 𝑢 𝑦 = 4 −3 𝑥 + 0𝑢
2
 Validación con Simulink

Se aprecia que al editar cada modelo utilizado en el ejemplo, se aprecia que la

variable 𝑦 tiene la misma característica. Se puede concluir que las formas canónicas
son equivalentes en relación a la salida y, no así con las variables de estado 𝑥.

FT Función de Trasferencia

FCC Forma Canónica Controlable

FCO Forma Canónica Observable

FCM Forma Canónica Modal

 Validación con Simulink
Forma canónica controlable

𝑥2
𝑦
𝑥1

Forma canónica observable

𝑥1

𝑥2 𝑦

Realice la construcción de la forma canónica modal

 Aplicaciones
Dada la siguiente función de transferencia
𝑌(𝑠) 4𝑠 2 + 12𝑠 + 8
=
𝑈(𝑠) 𝑠(𝑠 2 + 2𝑠 + 5)

Determine las formas canónicas controlable, observable y de Jordan

Solución
FCC Usaremos la fórmula de Mason para convertir la FT a EE. Dividimos num y den por 𝑠 3
𝑌(𝑠) 4𝑠 2 + 12𝑠 + 8 4𝑠 −1 + 12𝑠 −2 + 8𝑠 −3 La salida tiene tres trayectorias directas
= =
𝑈(𝑠) 𝑠 3 + 2𝑠 2 + 5𝑠 1 + 2𝑠 −1 + 5𝑠 −2 El sistema tiene dos realimentaciones negativas

4
12
𝑥3 𝑥2 𝑥1 ++
𝑢 +_ _ 𝑠 −1 𝑠 −1
𝑠 −1 8 + 𝑦

2
5
 Aplicaciones

Se aprecia que
𝑥ሶ1 0 1 0 𝑥1 0
𝑥ሶ1 = 𝑥2 𝑥ሶ 2 = 0 0 1 𝑥2 + 0 𝑢
𝑥ሶ 2 = 𝑥3 𝑥ሶ 3 0 −5 −2 𝑥3 1
𝑥ሶ 3 = −5𝑥2 − 2𝑥3 + 𝑢 𝑥1
𝑦 = 8𝑥1 + 12𝑥2 + 4𝑥3 𝑦= 8 12 4 𝑥2
𝑥3
Si comparamos con el procedimiento Forma canónica controlable
para modelar al sistema en la FCC
𝑌(𝑠) 4𝑠 2 + 12𝑠 + 8 𝑏𝑜 𝑠 3 + 𝑏1 𝑠 2 + 𝑏2 𝑠1 + 𝑏3
= = 3
𝑈(𝑠) 𝑠 3 + 2𝑠 2 + 5𝑠 + 0 𝑠 + 𝑎1 𝑠 2 + 𝑎2 𝑠1 + 𝑎3

𝑥ሶ 1 0 1 0 𝑥1 0
𝑥ሶ 2 = 0 0 1 𝑥2 + 0 𝑢
𝑥ሶ 3 −𝑎3 −𝑎2 −𝑎1 𝑥3 1
𝑥1 la misma respuesta!
𝑦 = 𝑏3 𝑏2 𝑏1 𝑥2
𝑥3
 Aplicaciones
Construcción del modelo FCC con Simulink
 Aplicaciones
FCJ Usaremos la descomposición de fracciones parciales
8 12 44 8 12 16
𝑌(𝑠) 4𝑠 2 + 12𝑠 + 8 𝐴 𝐵𝑠 + 𝐶 ( ) 𝑠+( ) ( ) (𝑠 + 1) + 2
= = + = 5 + 5 5 = 5 + 5 5
𝑈(𝑠) 𝑠(𝑠 2 + 2𝑠 + 5) 𝑠 𝑠 + 1 2 + 22 𝑠 𝑠 + 1 2 + 22 𝑠 𝑠 + 1 2 + 22

𝑌(𝑠) 𝑐1 𝑐2 𝑠 + 𝑝2 𝑐3 𝑞
= 𝑏𝑜 + + −
𝑈(𝑠) 𝑠 + 𝑝1 𝑠 + 𝑝2 2 + 𝑞 2 𝑠 + 𝑝2 2 + 𝑞 2

Extrayendo 8 12 16
información 𝑐1 = 𝑐2 = 𝑐3 = − 𝑝1 = 0 𝑝2 = 1 𝑞=2
5 5 5

𝑥ሶ 1 −𝑝1 0 0 𝑥1 1 𝑥ሶ 1 0 0 0 𝑥1 1
𝑥ሶ 2 = 0 −𝑝2 𝑞 𝑥2 + 1 𝑥ሶ 2 = 0 −1 2 𝑥2 + 1 𝑢
𝑥ሶ 3 0 −𝑞 −𝑝2 𝑥3 0 𝑥ሶ 3 0 −2 −1 𝑥3 0

𝑥1 𝑥1
𝑦 = 𝑐1 𝑐2 𝑐3 𝑥2 𝑦 = 1.6 2.4 −3.2 𝑥2
𝑥3 𝑥3
Forma canónica de Jordan
 Aplicaciones
Construcción del modelo FCJ con Simulink
 Transformaciones de semejanza
Para un sistema modelado en EE

𝑥ሶ = 𝐀𝑥 + 𝐁𝑢
𝑦 = 𝐂𝑥 + D𝑢

Donde A está representada de la forma siguiente

0 1 0 ⋯ 0
0 0 1 ⋯ 0
𝐀= ⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 ⋯ 1
−𝑎𝑛 −𝑎𝑛−1 −𝑎𝑛−2 ⋯ −𝑎1

Definimos P constituida por los valores propios del sistema, tal que 𝐏ሶ = 𝟎
1 1 1 ⋯ 1
1 2 3 ⋯ 𝑛
𝐏 = 12 22 23 ⋯ 2𝑛
⋮ ⋮ ⋮ ⋱ ⋮
1
𝑛−1
2
𝑛−1
3
𝑛−1
⋯ 𝑛
𝑛−1
 Transformaciones de semejanza
Haciendo el siguiente cambio de variable

𝑥 = 𝐏𝑧
𝑥ሶ = 𝐏𝑧ሶ
Sistema original Sistema semejante
𝑥ሶ = 𝐀𝑥 + 𝐁𝑢 𝐏𝑧ሶ = 𝐀𝐏𝑧 + 𝐁𝑢 𝑧ሶ = 𝐏 −1 𝐀𝐏𝑧 + 𝐏 −1 𝐁𝑢
𝑦 = 𝐂𝑥 + D𝑢 𝑦 = 𝐂𝐏𝑧 + D𝑢 𝑦 = 𝐂𝐏𝑧 + D𝑢

Significa que
𝐀 𝑚 = 𝐏 −1 𝐀𝐏
𝐁𝑚 = 𝐏 −1 𝐁
𝐂𝑚 = 𝐂𝐏
𝐃𝑚 = 𝐃
 Transformaciones de semejanza
Sea el sistema mostrado
𝑥ሶ 1 0 1 𝑥1 0
= + 𝑢
𝑥ሶ 2 −2 −3 𝑥2 1
𝑥1
𝑦= 5 1 𝑥 + 0𝑢
2

Realice la transformación de semejanza y valide que la salida 𝑦 es idéntica

Solución
1. Determinando las raíces del sistema 𝐈 − 𝐀 = 0
 −1 1 = 1, 2 = 2
=0 2 + 3 + 2 = 0
2 +3
2. Definiendo 𝐏
1 1 1 1 2 1
𝐏= = además 𝐏 −𝟏 =
1 2 −1 −2 −1 −1
 Transformaciones de semejanza
3. Hallando las matrices transformadas
2 1 0 1 1 1 −1 0
𝐀𝑚 = 𝐏 −1 𝐀𝐏 = =
−1 −1 −2 −3 −1 −2 0 −2
2 1 0 1
𝐁𝑚 = 𝐏 −1 𝐁 = =
−1 −1 1 −1
𝐂𝑚 = 𝐂𝐏 = 4 3 𝐃𝑚 = 𝐃 = 0

Remplazando
𝑧ሶ = 𝐀 𝐦 𝑧 + 𝐁𝐦 𝑢
𝑦 = 𝐂𝐦 𝑧 + D𝑢

O bien
−1 0 1
𝑧ሶ = 𝑧+ 𝑢
0 −2 −1
𝑦 = 4 3 𝑧 + 0𝑢 Se verifica que la salida 𝑦
son equivalentes.
 2

Independencia lineal, Estabilidad,

Controlabilidad y Observabilidad de
Sistemas
 Independencia lineal de vectores

Se dice que los vectores x1, x2, ..., xn son linealmente independientes si

𝑐1 𝐱 𝟏 + 𝑐2 𝐱 2 + ⋯ + 𝑐𝑛 𝐱 𝑛 = 𝟎

donde c1, c2, ..., cn son constantes, implica que

𝑐1 = 𝑐2 = ⋯ = 𝑐𝑛 = 0

O bien, se dice que los vectores x1, x2, ..., xn son linealmente dependientes si y sólo si xi se
expresa como una combinación lineal de 𝐱𝑗 ( j=1, 2, ..., n; j  i), o
𝑛

𝐱 𝑖 = ෍ 𝑐𝑗 𝐱𝑗
𝑗=1
𝑗≠𝑖

para un conjunto de 𝑐𝑗 constantes. Esto significa que, si 𝐱𝑗 se puede expresar como una
combinación lineal de los otros vectores en el conjunto, es linealmente dependiente de
ellos, o no es un elemento independiente del conjunto.
 Independencia lineal de vectores
1 1 2
Los vectores 𝐱1 = 2 , 𝐱𝟐 = 0 , 𝐱3 = 2
3 1 4

son linealmente dependientes ya que 𝐱1 + 𝐱 2 − 𝐱 3 = 0

Los vectores 1 1 2
𝐲1 = 2 , 𝐲𝟐 = 0 , 𝐲3 = 2
3 1 2

son linealmente independientes ya que 𝑐1 𝐲𝟏 + 𝑐2 𝐲2 + 𝑐3 𝐲3 = 𝟎 0 es el vector nulo

implica que 𝑐1 = 𝑐2 = 𝑐3 = 0
Observe que si una matriz n x n es no singular (es decir, tiene un rango n o el determinante
es diferente de cero), entonces n vectores columna (o fila) son linealmente independientes.
Si la matriz n x n es singular (es decir, tiene un rango menor que n o el determinante es cero),
entonces n vectores columna (o fila) son linealmente dependientes.
 Independencia lineal de vectores
Para demostrar esto, considere que

1 1 2
𝐱1 𝐱2 𝐱3 = 2 0 2 singular Determinante = 0
3 1 4

1 1 2
𝐲1 𝐲2 𝐲3 = 2 0 2 no singular Determinante  0
3 1 2
 Interpretación geométrica de la independencia
lineal de vectores
En el espacio tridimensional usual:

Plano P
u y j son dependientes por tener la misma dirección.
u y v son independientes y definen el plano P.
u, v y w son dependientes por estar los tres contenidos en el mismo plano.
u, v y k son independientes por serlo u y v entre sí y no ser k una combinación lineal de
ellos o, lo que es lo mismo, por no pertenecer al plano P. Los tres vectores definen el
espacio tridimensional.

Los vectores 0 (vector nulo, cuyas componentes son iguales a cero) y k son
dependientes ya que 0 = 0 ·k
 Estabilidad
La Estabilidad es la propiedad del sistema que indica si el sistema vuelve al reposo o
estado de equilibrio luego de una entrada temporal o ante una perturbación.
Desde el punto de vista analítico, podemos decir que un sistema es estable si todos sus
polos, sin excepción, tienen parte real negativa, es decir que se encuentran en el
semiplano izquierdo de Laplace.

Para determinar la estabilidad de un sistema, consideremos el caso general de espacio de

estados:
𝑥ሶ = 𝐀𝑥 + 𝐁𝑢
𝑦 = 𝐂𝑥 + D𝑢

de donde obtenemos la siguiente matriz de transferencia:

−1
FT = 𝐂 𝑠𝐈 − 𝐀 𝐁+D
 Estabilidad
Estabilidad
El denominador de esta expresión contiene al polinomio característico, quién a
su vez contiene a los polos o raíces. Entonces, sabiendo que el polinomio
característico se encuentra en 𝑠𝐈 − 𝐀 −1 ,
lo despejamos de la siguiente manera:
𝐴𝑑𝑗(𝑠𝐈 − 𝐀)
𝑠𝐈 − 𝐀 −1 =
det(𝑠𝐈 − 𝐀)
entonces podemos decir que los polos del polinomio característico se evalúan en

det(𝑠𝐈 − 𝐀)
Esta última expresión coincide con los valores propios (eigenvalues, eigenvalores o
autovalores) de la matriz del sistema A. Por lo tanto, si deseamos calcular los polos del
sistema, debemos determinar los valores propios de A. Podemos concluir, que la
estabilidad del sistema no depende de las entradas ni de las salidas, sino de las
características del propio sistema.
 Ejemplo de aplicación
Determinar si el siguiente sistema de ecuaciones de estado es estable:

𝑥ሶ 1 −1 0 𝑥1 1
= + 𝑢
𝑥ሶ 2 1 −1 𝑥2 0

𝑥1
𝑦= 1 0 𝑥 + 0𝑢
2

Solución
j
Hallando los eigenvalores del sistema

𝐈 − 𝐀 = 0
1 0 −1 0
 − =0
0 1 1 −1
+1 0
=0 
−1 +1 
-1
+1 2
=0 1 = −1, 2 = −1 Sistema estable
 Ejemplo de aplicación
Determinar si el siguiente sistema de ecuaciones de estado es estable:

𝑥ሶ 1 0 1 0 𝑥1 0
𝑥ሶ 2 = 0 0 1 𝑥2 + 0 𝑢
𝑥ሶ 3 −24 −16 −9 𝑥3 6
𝑥1
𝑦 = 1 0 0 𝑥2 + 0𝑢
Solución 𝑥3
Hallando los eigenvalores del sistema

𝐈 − 𝐀 = 0
1 0 0 0 1 0
 0 1 0 − 0 0 1 =0
0 0 1 −24 −16 −9

 −1 0
0  −1 = 0 (2 + 9 + 26) + 24 = 0
24 26  + 9
 Ejemplo de aplicación

(2 + 9 + 26) + 24 = 0
3 + 92 + 26 + 24 = 0
Factorizando
( + 2)( + 3)( + 4) = 0

Los eigenvalores son j

1 = −2
2 = −3
3 = −4

>> P=[1 9 26 24];

>> roots(P)
Usando
Matlab

ans =

-4.0000
   
-3.0000 -4 -3 -2 -1
-2.0000
Sistema estable
 Controlabilidad y Observabilidad

Se dice que un sistema es controlable en el tiempo t0 si se puede transferir

desde cualquier estado inicial x(t0) a cualquier otro estado, mediante un
vector de control sin restricciones, en un intervalo de tiempo finito.

Se dice que un sistema es observable en el tiempo t0 si, con el sistema en

el estado x(t0), es posible determinar este estado a partir de la observación
de la salida durante un intervalo de tiempo finito.

Kalman introdujo los conceptos de controlabilidad y observabilidad, que

juegan un papel importante en el diseño de los sistemas de control en el
espacio de estados. De hecho, las condiciones de controlabilidad y
observabilidad determinan la existencia de una solución completa para un
problema de diseño de un sistema de control.
 Controlabilidad
Controlabilidad completa del estado de sistemas en tiempo continuo. Sea el
sistema en tiempo continuo
𝐱ሶ = 𝐀𝐱 + 𝐁𝑢
donde x = vector de estados (vector de dimensión n)
u = señal de control (escalar)
A = matriz de n x n
B = matriz de n x 1
Si el sistema es de estado completamente controlable, entonces, dado cualquier estado inicial
x(0), la ecuación
𝐁 ⋮ 𝐀𝐁 ⋮ ⋯ ⋮ 𝐀𝑛−1 𝐁
debe satisfacerse y sí y solo si los vectores B, AB, ..., An-1B son linealmente independientes o
que el rango de la matriz n x n sea n igual que la matriz A. Bastaría con verificar que la
determinante sea diferente de cero.
Nota: Rango de una matriz: es el número de líneas de esa matriz (filas o columnas) que son
linealmente independientes.
 Ejemplo de aplicación
Sea el sistema dado por

𝑥ሶ 1 1 1 𝑥1 1 >> A=[1 1;0 -1];

= + 𝑢 >> B=[1;0];
𝑥ሶ 2 0 −1 𝑥2 0 >> Co=ctrb(A,B)

A B Co =

Determine si el sistema es controlable 1 1

0 0
Solución >> rank(Co)

ans =

Como 1 1 1 1 1 1
𝐁 ⋮ 𝐀𝐁 = = 1
0 0 −1 0 0 0
La determinante es singular
El sistema no es de estado completamente controlable.
 Ejemplo de aplicación
Sea el sistema dado por

𝑥ሶ 1 1 1 𝑥1 0 >> A=[1 1;2 -1];

= 𝑥 + 𝑢 >> B=[0;1];
𝑥ሶ 2 2 −1 2 1 >> Co=ctrb(A,B)

A B Co =

Determine si el sistema es controlable 0 1

1 -1
Solución >> rank(Co)

ans =

Como 0 1 1 0 0 1
𝐁 ⋮ 𝐀𝐁 = = 2
1 2 −1 1 1 −1
La determinante es no singular, porque el determinante es  0
El sistema es de estado completamente controlable.
 Controlabilidad a la salida
En el diseño práctico de un sistema de control, se puede necesitar controlar la salida
en lugar del estado del sistema. Una controlabilidad completa del estado no es condición
necesaria ni suficiente para controlar la salida del sistema. Por esta razón, es conveniente
definir de forma independiente la controlabilidad completa de la salida.

Sea el sistema descrito mediante

𝐱ሶ = 𝐀𝐱 + 𝐁𝑢
𝐲 = 𝐂𝐱 + 𝐃𝑢

donde x = vector de estado (vector de dimensión n)

u = vector de control (vector de dimensión r)
y = vector de salida (vector de dimensión m)
A = matriz n x n
B = matriz n x r
C = matriz m x n
D = matriz m x r
 Controlabilidad a la salida
El sistema descrito mediante las ecuaciones de estado es de salida completamente
controlable si y sólo si la matriz m x (n+1)r

𝐂𝐁 ⋮ 𝐂𝐀𝐁 ⋮ 𝐂𝐀𝟐 𝐁 ⋮ ⋯ ⋮ 𝐂𝐀𝑛−1 𝐁 ⋮ D

es de rango m. (m filas)
¿El sistema mostrado es controlable a la salida?

n=2
𝑥ሶ 1 −1 0 𝑥1 1 x = vector de estado (vector de dimensión n)
= + 𝑢 u = vector de control (vector de dimensión r) r=1
𝑥ሶ 2 1 −1 𝑥2 0 y = vector de salida (vector de dimensión n) m=1
A = matriz n x n (2x2)
𝑥1 B = matriz n x r (2x1)
𝑦 = 1 0 𝑥 + 0𝑢
2 C = matriz m x n (1x2)
D = matriz m x r (1x1)

1 −1 0 1
𝐂𝐁 ⋮ 𝐂𝐀𝐁 ⋮ D = 1 0 ⋮ 1 0 ⋮ 0 = 1 −1 0
0 1 −1 0
Tiene rango 1 (m = 1)
 Observabilidad
Sea el sistema no forzado descrito mediante las ecuaciones siguientes:
𝐱ሶ = 𝐀𝐱
𝐲 = 𝐂𝐱
donde x = vector de estado (vector de dimensión n)
y = vector de salida (vector de dimensión m)
A = matriz n x n
C = matriz m x n

Se dice que el sistema de espacio de estados es observable, si a partir de la(s) salida(s) se

pueden estimar todos los estados del sistema. Al determinar la observabilidad de un
sistema, determinamos la factibilidad de agregarle un observador de estados, el cual usará
las pocas salidas sensadas para estimar las que no tienen sensor. En otras palabras, es un
estimador en software.
𝐂
𝐂𝐀 𝑛−1 T
⋮ 𝐂T ⋮ 𝐀T 𝐂T ⋮ ⋯ ⋮ 𝐀T 𝐂
𝐂𝐀𝑛−1
 Ejemplo de aplicación
Sea el sistema descrito por
𝑥ሶ 1 1 1 𝑥1 0
= + 𝑢
𝑥ሶ 2 −2 −1 𝑥2 1
𝑥1
𝑦= 1 0 𝑥 + 0𝑢
2

¿Es este sistema controlable y observable?

Solución
Como el rango de la matriz 0 1 es 2, el sistema es de estado completamente
𝐁 ⋮ 𝐀𝐁 =
1 −1
controlable.

Para la controlabilidad de salida, se calcula el rango de la matriz [CB CAB D]. Como

𝐂𝐁 ⋮ 𝐂𝐀𝐁 ⋮ D = 0 1 0

El rango de esta matriz es 1. Por tanto, el sistema tiene una salida completamente controlable.
 Ejemplo de aplicación
>> A=[1 1;-2 -1];
Para verificar la condición de observabilidad, >> B=[0;1];
evaluamos el rango de 𝐂T ⋮ 𝐀T 𝐂T >> C=[1 0];
>> D=0;
>> Co=ctrb(A,B)
1 1
𝐂T ⋮ 𝐀T 𝐂T = Co =
0 1
0 1
1 -1

Como el rango de 𝐂T ⋮ 𝐀T 𝐂T es 2. Por tanto, el sistema es >> Ob=obsv(A,C)

completamente observable. Ob =

1 0
1 1

>> rank(Co)

ans =

>> rank(Ob)

ans =

2
 Ejemplo de aplicación
Determine la controlabilidad, observabilidad y la controlabilidad de la salida del
siguiente sistema:

𝑥ሶ 1 0 1 0 𝑥1 0
𝑥ሶ 2 = 0 0 1 𝑥2 + 0 𝑢
𝑥ሶ 3 −24 −16 −9 𝑥3 6
𝑥1
𝑦 = 1 0 0 𝑥2 + 0𝑢
𝑥3

solución
Controlabilidad Observabilidad Controlabilidad a la salida

𝐶𝑜 = 𝐁 ⋮ 𝐀𝐁 ⋮ 𝐀2 𝐁 𝑂𝑏 = 𝐂T ⋮ 𝐀T 𝐂T ⋮ 𝐀T 𝐂 𝐶𝑠 = 𝐂𝐁 ⋮ 𝐂𝐀𝐁 ⋮ 𝐂𝐀2 𝐁 ⋮ D

0 0 6 1 0 0
𝐶𝑜 = 0 6 −54 𝑂𝑏 = 0 1 0 𝐶𝑠 = 0 0 6 0
6 −54 390 0 0 1
 Ejemplo de aplicación
Usando Matlab para validar resultados

Controlabilidad Observabilidad Controlabilidad a la salida

>> A=[0 1 0;0 0 1;-24 -16 -9]; >> Ob=obsv(A,C) >> Cs=[C*B C*A*B C*A^2*B 0]
>> B=[0;0;6];
>> C=[1 0 0]; Ob = Cs =
>> Co=ctrb(A,B) 1 0 0 0 0 6 0
0 1 0
Co = 0 0 1 >> rank(Cs)

0 0 6 >> rank(Ob) ans =

0 6 -54 1
6 -54 390 ans =
3
>> rank(Co)

ans =
3
 Bibliografía

 Ingeniería de Control Moderno. K. Ogata. Pearson.

 Mecatrónica. W. Bolton. Alfaomega