Analisis Sistemas Lineales - Oscar Duarte

Principal
Bienvenidos!
El curso de Anlisis de Sistemas Dinmicos est dirigido a estudiantes de pregrado de la carrera de Ingeniera Elctrica. Como prerrequisito se debe haber tomado el curso Circuitos III.
Ultima actualizacin: 19-Febrero-2008
__
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineale....unal.edu.co/cursos/ingenieria/2001619/frames/principal.html06/07/2008 12:12:03
Principal
Descripcin
Nombre del curso: Anlisis de Sistemas Dinmicos Facultad: Ingeniera Elctrica. Profesor encargado:
Duarte Velasco, scar Germn
Dirigido a: Estudiantes de Ingeniera Elctrica. Tipo de contenido: Teoria y Ejercicios. Formato del curso: Html. Objetivos
Se trata de que los estudiantes adquieran la capacidad de modelar sistemas dinmicos y de analizar sus respuestas dinmicas y estticas.
q
Formular modelos externos/internos de sistemas dinmicos de diferentes tipos. Obtener modelos linealizados de sistemas no lineales y comprender sus propiedades. Estudiar las diversas herramientas desarrolladas para analizar modelos matemticos de sistemas lineales y no lineales, continuos y discretos.
Intensidad Semanal: 4 Horas Tericas y 0 Horas Prcticas

Crditos Monitor Nelson Javier Hurtado Montaje de los contenidos en html Nov a Dic de 2002 __
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineal...du.co/cursos/ingenieria/2001619/docs_curso/descripcion.html06/07/2008 12:10:22
Principal
Datos Generales
Apellidos: Duarte Velasco Nombres: scar Germn Cargo: Coordinador de Posgrados Facultad de Ingeniera Categora Docente: Profesor asociado Dedicacin: Dedicacin Exclusiva Correo Electrnico: ogduarte@ingenieria.unal.edu.co Oficina: 453-202/224 Telfono: (+34) 630860297 Ttulos: Ingeniero Electricista, Nacional de Colombia. 1991 M.Sc. Automatizacin Industrial, Nacional de Colombia. 1997 Ph.D. Informtica, Universidad de Granada. 2000
Publicaciones
q
Duarte O. Microcontrolador 8031.Texto para el curso impartido por la Unidad de Educacin Continuada de la Facultad de Ingeniera, Universidad Nacional de Colombia. 1994..1994
q
Duarte O. UNFUZZY - Software para el Diseo, Anlisis, Simulacin e Implementacin de Sistemas de Lgica Difusa.Tesis de Magister. Facultad de Ingeniera, Universidad Nacional de Colombia. 1997.1997
q
Duarte, O. Circuitos D.C. Con Resistores No Lineales.Editorial de la Facultad de Ingeniera, Universidad Nacional de Colombia. 1997.1997
q
Duarte O. UNFUZZY - Software para el Diseo, Anlisis, Simulacin e Implementacin de Sistemas de Lgica Difusa.Conferencia presentada en las III Jornadas Iberoamericanas de Automtica Industrial. Cartagena. Agosto de 1997.1997
q
Losada M.A., Duarte O., Llorca J. Recommendations for maritime structures in Spain: A review of the new ROM 0.2-99 en Coastal Structures-99.Santander, Spain 1999.1999 Losada M.A.
q
Duarte O. Presentacin de la nueva ROM 0.2-99. II. Factores de Proyecto en EROM 99-1. Universitat de Valencia y Puertos del Estado. 1999.1999
q
Losada M.A., Duarte O. Presentacin de la nueva ROM 0.2-99. I. Criteros Generales en EROM 99-1. Universitat de Valencia y Puertos del Estado. 1999.1999
q
Duarte O., Prez G. UNFUZZY: fuzzy logic system analysis, design simulation and implementation software.Proceedings of the 1999 Eusflat-Estylf Joint Conference. Mallorca, Spain 1999.1999
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...u.co/cursos/ingenieria/2001619/docs_curso/profesor.html (1 de 3)06/07/2008 12:10:35
Principal
Duarte O., Delgado M., Requena I. Algorithms to extend crisp functions and their inverse functions to fuzzy numbers.Proceedings of the 1999 Eusflat-Estylf Joint Conference. Mallorca, Spain.1999
q
Duarte O. Sistemas de Lgica Difusa - Fundamentos.Ingeniera e Investigacin, Facultad de Ingeniera Universidad Nacional de Colombia. No. 42 Abril de 1999, pp 22-30.1999
q
Duarte O. Tcnicas Difusas en la Evaluacin de Impacto Ambiental.Tesis Doctoral, Universidad de Granada. Espaa, Septiembre del 2000
q
Duarte O., Delgado M., Requena I. Application of the Extension of crisp Functions to Fuzzy Numbers In the Environmental Impact Analysis.Information Processing and Managment of Uncertainity in Knowledge.based Systems en Proceedings of the Eighth Internatio nal Conference IPMU 2000. Madrid, Spain.2000 Proyectos de Investigacin
q q q q
Variacin del algoritmo gentico BLX-alfa UNFUZZY 1.2 Soporte informtico para la ROM 0.1-00 Tcnicas difusas y Evaluacin de Impacto Ambiental
Temas de Inters
q
Computacin flexible: No es fcil encontrar una definicin exacta para el trmino "Computacin Flexible"; se trata de un conjunto de estrategias de computacin no tradicional que tienen en comn sus capacidades para manejar en forma robusta informacin que contiene incertidumbre. r Algunas de las tcnicas incluidas dentro del paradigma de la Computacin flexible son: r Lgica difusa r Redes Neuronales r Algoritmos Genticos Control y Automatizacin Industrial: La aplicacin industrial del Control y la Automatizacin de procesos va ms all del estudio de la Teora Matemtica del Control, y abarca temas como la utilizacin de Controladores y de PLCs, y la planificacin de procesos. Microcontroladores: Los Microcontroladores son dispositivos electrnicos con capacidades lgicas similares a las de un microprocesador, pero mucho ms limitadas, y que incorporan en si mismos otros dispositivos de hardware, tales como contadores, temporizadores, puertos de Entrada/Salida, manejadores de interrupciones, puertos seriales, etc. Por esta razn resultan adecuados para el desarrollo de aplicaciones electrnicas en donde se requiera manejar pocas seales fsicas con poca potencia de clculo, tal como sucede en muchas aplicaciones de Control de bajo nivel. Existen varias familias de Microcontroladores, entre las que destacan las de Intel, MicroChip, Motorola y National. Tcnicas difusas: Las Tcnicas difusas son todas aquellas estrategias de representacin del conocimiento y/o anlisis de la informacin basados en la Teora de Conjuntos Difusos propuesta por Zadeh. r Puede encontrarse una presentacin preliminar de estas tcnicas en cualquiera de estos documentos: r Tcnicas Difusas r Lgica difusa - Fundamentos r Lgica difusa - Aplicaciones
Cursos Dictados
q q q
22010: Circuitos I 22015: Laboratorio de Circuitos 22020: Circuitos II
Principal
q q
22110: Anlisis de Sistemas Dinmicos 22120: Control
Software Desarrollado
q
q q
UNFUZZY 1.2: Herramienta de Software para el Anlisis, Diseo, Simulacin e Implementacin de Sistemas de Lgica Difusa. TDEIA (Demo): Tcnicas Difusas de Evaluacin de Impacto Ambiental. Ejemplos de UNFUZZY: C-Means (01/11/97): Un sencillo programa demostrativo del algoritmo de agrupamiento difuso "Fuzzy C-Means". Corre en DOS, y se trata de agrupar los nmeros enteros del 1 al 20. Se incluye el cdigo fuente UNFUZZY 1.1 (01/01/98): Software para el anlisis, diseo, simulacin e implementacin de Sistemas de Lgica Difusa LabAg (01/06/99): Laboratorio de Algoritmos Genticos con Codificacin Real
Hardware Desarrollado
q
Controlador Programable de Movimiento (01/06/91): Sistema basado en el microprocesador 80286 diseado para el control de hasta seis grados de libertad Tarjetas electrnicas para dimmer artsticos (01/01/92): Diseadas para el auditorio "Getseman" del Centro de Convenciones Cartagena de Indias, y para el auditorio "Amira de la Rosa" de Barranquilla. Sistema de Desarrollo para Microcontrolador 8031 (01/06/94): Tarjetas electrnicas con un microcontrolador programable desde un PC a travs del puerto serial Tesis y Trabajos de Grado dirigidos No hay Tesis ni Trabajos de Grado dirigidos en los registros
__
Principal
Contenido
captulo 1. Introduccin al Modelamiento de Sistemas
q q
q q
1. Introduccin al Modelamiento de Sistemas 1.1 Conceptos preliminares r 1.1.1 Sistemas r 1.1.2 Seales r 1.1.3 Modelos r 1.1.4 Construccin de los Modelos Matemticos r 1.1.5 Clasificacin de los Modelos Matemticos r 1.1.6 Modelos matemticos a utilizar 1.2 Sistemas Fsicos 1.3 Grafos de Enlaces de Potencia. "Bond graphs" r 1.3.1 Elementos bsicos r 1.3.2 Causalidad r 1.3.3 Obtencin de las ecuaciones r 1.3.4 Procedimientos especficos s 1.3.4.1 Circuitos Elctricos s 1.3.4.2 Sistemas traslacionales
captulo 2. Preliminares Matemticos

q q
2. Preliminares Matemticos 2.1 Ecuaciones Diferenciales y de Diferencia r 2.1.1 Ecuaciones Diferenciales r 2.1.2 Ecuaciones de Diferencias Finitas r 2.1.3 Ecuaciones Diferenciales y de Diferencias Lineales s 2.1.3.1 Linealidad s 2.1.3.2 E.D. Lineales s 2.1.4 Mtodos de solucin de E.D. Lineales 2.2 Transformada de Laplace y Transformada Z r 2.2.1 Definiciones s 2.2.1.1 Transformada de Laplace s 2.2.1.2 Transformada Z r 2.2.2 Propiedades r 2.2.3 Parejas de Transformadas r 2.2.4 Utilizacin de la tabla de parejas de transformadas r 2.2.5 Transformadas Inversas por Expansin de Fracciones Parciales s 2.2.5.1 Otra estrategia 2.3 Solucin de E.D. Lineales mediante transformadas
captulo 3. Introduccin al Anlisis de Sistemas Dinmicos Lineales
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li....co/cursos/ingenieria/2001619/docs_curso/contenido.html (1 de 5)06/07/2008 12:09:42
Principal
q q
q q q
3. Introduccin al Anlisis de Sistemas Dinmicos Lineales 3.1 Sistemas Dinmicos y E.D. r 3.1.1 Sistemas contnuos r 3.1.2 Sistemas discretos 3.2 Funciones de Transferencia 3.3 Diagramas de Bloques 3.4 Diagramas de Flujo de Seal r 3.4.1 Regla de Mason 3.5 Respuesta al Impulso r 3.5.1 Caso Discreto s 3.5.1.1 La funcin Impulso Unitario Discreto s 3.5.1.2 La Respuesta a un Impulso genrico s 3.5.1.3 Convolucin r 3.5.2 Caso Contnuo s 3.5.2.1 La funcin Impulso Unitario Contnuo s 3.5.2.2 Respuesta al Impulso s 3.5.2.3 Convolucin 3.6 Simulacin de Sistemas
captulo 4. Sistemas de primer y Segundo Orden

q q q q
q q
4. Sistemas de primer y Segundo Orden 4.1 Sistemas Contnuos de Primer Orden 4.2 Sistemas Discretos de Primer Orden 4.3 Sistemas Contnuos de Segundo Orden r 4.3.1 Regin de Estabilidad r 4.3.2 Regin de Tiempo mximo de asentamiento r 4.3.3 Regin de Frecuencia mxima de oscilacin r 4.3.4 Regin de sobrepico mximo r 4.3.5 Regin de diseo 4.4 Sistemas Discretos de Segundo Orden r 4.4.1 Regin de Estabilidad r 4.4.2 Regin de Tiempo mximo de asentamiento r 4.4.3 Regin de Frecuencia mxima de oscilacin r 4.4.4 Regin de sobrepico mximo r 4.4.5 Regin de diseo 4.5 Efecto de los ceros. Sistemas de Fase Mnima 4.6 Polos Dominantes r 4.6.1 Caso contnuo r 4.6.2 Caso discreto
captulo 5. Anlisis de Sistemas retroalimentados simples
Principal
q q
5. Anlisis de Sistemas retroalimentados simples 5.1 Tipo de Sistema y Error de Estado Estacionario r 5.1.1 Caso Contnuo r 5.1.2 Caso Discreto 5.2 Estabilidad y Criterios de Estabilidad en sistemas contnuos r 5.2.1 Arreglo y Criterio de Routh-Hurwitz s 5.2.1.1 Construccin del Arreglo de Routh s 5.2.1.2 Criterio de Routh-Hurwitz s 5.2.1.3 Problemas en la Construccin del Arreglo de Routh r 5.2.2 Lugar Geomtrico de las Raices s 5.2.2.1 Determinacin de la estabilidad s 5.2.2.2 Reglas de construccin de los diagramas r 5.2.3 Diagramas y Criterio de Bode s 5.2.3.1 Mrgenes de Estabilidad r 5.2.4 Diagrama y Criterio de Nyquist s 5.2.4.1 Determinacin grfica del valor de una funcin compleja racional s 5.2.4.2 Principio del Argumento s 5.2.4.3 Trayectoria de Nyquist s 5.2.4.4 Diagrama de Nyquist s 5.2.4.5 Criterio de Nyquist 5.3 Estabilidad y Criterios de Estabilidad en sistemas discretos r 5.3.1 Transformacin bilineal r 5.3.2 Arreglo y Criterio de Jury s 5.3.2.1 Construccin del Arreglo de Jury s 5.3.2.2 Criterio de Jury s 5.3.2.3 Problemas en la construccin del arreglo de Jury r 5.3.3 Lugar Geomtrico de las Raices r 5.3.4 Diagramas y Criterio de Bode r 5.3.5 Diagrama y Criterio de Nyquist
captulo 6. Representacin en Variables de Estado

q q q
6. Representacin en Variables de Estado 6.1 Introduccin 6.2 Algunos resultados de lgebra Lineal r 6.2.1 Espacios Vectoriales r 6.2.2 Valores y Vectores Propios r 6.2.3 Forma Cannica de Jordan s 6.2.3.1 Matrices con valores propios diferentes s 6.2.3.2 Matrices con valores propios repetidos s 6.2.3.3 Matrices con valores propios complejos r 6.2.4 Funciones de Matrices Cuadradas 6.3 Variables de Estado r 6.3.1 El concepto de Estado r 6.3.2 Representacin de Estado a partir de ED 6.4 Sistemas contnuos libres r 6.4.1 Retratos de Fase r 6.4.2 El Espacio de Estado r 6.4.3 Matriz de Transicin de Estado 6.5 Sistemas discretos libres r 6.5.1 Matriz de Transicin de Estado 6.6 Sistemas contnuos excitados
Principal
6.6.1 Matriz de Funciones de Transferencia r 6.6.2 Variables de Estado en el Tiempo 6.7 Sistemas discretos excitados r 6.7.1 Matriz de Funciones de Transferencia r 6.7.2 Variables de Estado en el Tiempo 6.8 Introduccin al Control por Variable de Estado r 6.8.1 Controlabilidad s 6.8.1.1 Test de Controlabilidad s 6.8.1.2 Anotaciones al concepto de Controlabilidad r 6.8.2 Observabilidad s 6.8.2.1 Test de Observabilidad s 6.8.2.2 Anotaciones al concepto de Observabilidad
r
captulo 7. Introduccin a los Sistemas No Lineales

q q q q q q q q q
7. Introduccin a los Sistemas No Lineales 7. Introduccin a los Sistemas No Lineales 7.1 Prdida de Superposicicin y Proporcionalidad 7.2 Mltiples Puntos de Equilibrio 7.3 Estabilidad Local 7.4 Ciclos Lmite 7.5 rbitas Homoclnicas 7.6 Bifurcaciones 7.7 Comportamientos caticos
ANEXOS
A Anotaciones al concepto de Modelo

q
1. Anotaciones al concepto de Modelo
B Transformadas Z y L - Demostraciones
q q
B. Transformadas Z y L - Demostraciones 1.1 Propiedades de la Transformada de Laplace r 1.1.1 Linealidad: r 1.1.2 Diferenciacin: r 1.1.3 Desplazamiento en la Frecuencia: r 1.1.4 Multiplicacin por t: r 1.1.5 Teorema de valor Inicial: r 1.1.6 Teorema de valor final: r 1.1.7 Convolucin: r 1.1.8 Desplazamiento en el tiempo: 1.2 Propiedades de la Transformada Z r 1.2.1 Linealidad: r 1.2.2 Diferencia positiva: r 1.2.3 Escalamiento en la Frecuencia: r 1.2.4 Multiplicacin por k
C Diagramas de Bode para Sistemas Contnuos
Principal
1.1 Definicin r 1.2 Construccin de los diagramas de Bode
D Carta de Nichols
q
1. Introduccin r 1.1 M-crcunferencias r 1.2 N-crcunferencias r 1.3 Carta de Nichols
E Apuntes de lgebra Lineal

q
q q q
q q
1.1 Espacios Vectoriales r 1.1.1 Estructuras Algebricas Bsicas r 1.1.2 Definicin de Espacio Vectorial r 1.1.3 Bases r 1.1.4 Cambio de Base 1.2 Transformaciones Lineales r 1.2.1 Transformaciones y Cambios de Base 1.3 Normas de Vectores y Matrices 1.4 Sistemas de Ecuaciones Algebricas 1.5 Valores y Vectores Propios r 1.5.1 Valores propios diferentes r 1.5.2 Valores propios repetidos r 1.5.3 Obtencin de vectores propios generalizados 1.6 Forma Cannica de Jordan 1.7 Forma Cannica Real de Jordan r 1.7.1 Bloques de Jordan de tamao 1 s 1.7.1.1 Otra alternativa s 1.7.1.2 Una interpretacin r 1.7.2 Bloques de Jordan de tamao mayor que 1 1.8 Funciones de Matrices Cuadradas r 1.8.1 Polinomios de matrices r 1.8.2 Funciones como series de potencias r 1.8.3 Definicin de funciones mediante polinomios
__
2. Preliminares Matemticos
2. Preliminares Matemticos
Subsecciones
q
2.1 Ecuaciones diferenciales y de diferencia r 2.1.1 Ecuaciones diferenciales r 2.1.2 Ecuaciones de diferencias finitas r 2.1.3 Ecuaciones diferenciales y de diferencias lineales s 2.1.3.1 Linealidad s 2.1.3.2 E.D. lineales r 2.1.4 Mtodos de solucin de E.D. lineales 2.2 Transformadas de Laplace y r 2.2.1 Definiciones s 2.2.1.1 Transformada de Laplace s 2.2.1.2 Transformada r 2.2.2 Propiedades r 2.2.3 Parejas de transformadas r 2.2.4 Utilizacin de la tabla de parejas de transformadas r 2.2.5 Transformadas inversas por expansin de fracciones parciales s 2.2.5.1 Otra estrategia 2.3 Solucin de E.D. lineales mediante transformadas
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineal...o/cursos/ingenieria/2001619/lecciones/preliminar/node1.html06/07/2008 12:37:43
2.2 Transformadas de Laplace y
Subsecciones
q
2.2.1 Definiciones r 2.2.1.1 Transformada de Laplace r 2.2.1.2 Transformada 2.2.2 Propiedades 2.2.3 Parejas de transformadas 2.2.4 Utilizacin de la tabla de parejas de transformadas 2.2.5 Transformadas inversas por expansin de fracciones parciales r 2.2.5.1 Otra estrategia
q q q q

2.2.1 Definiciones
2.2.1.1 Transformada de Laplace
Dada una funcin de los reales en los reales,
Existe una funcin produce una funcin
denominada transformada de Laplace que toma como argumento de los complejos en los complejos.
La funcin produce
denominada transformada inversa de Laplace toma como argumento , tal como se visualiza en la figura 2.1
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (1 de 18)06/07/2008 12:42:35
\begin{center}\vbox{\input{/home/ ogduarte/Cursos/sistemas/fig/preliminar/ trans_laplace} }\end{center}
La transformada de Laplace se define2.3 como
(2.11)
Existe una definicin alternativa, conocida como la transformada bilateral de Laplace, cuyos lmites de integracin son ( y ):
(2.12)
Debido a que nuestro inters se centra en el comportamiento de las seales a partir del instante de , trabajaremos con la versin unilateral de la transformada. tiempo
2.2.1.2 Transformada
Dada una funcin de los enteros en los reales,
Existe una funcin funcin
denominada transformada
que toma como argumento
y produce una
de los complejos en los complejos.
La funcin
denominada transformada inversa
toma como argumento
y produce
, tal como se visualiza en la figura 2.2
La transformada
se define2.4 como
(2.13)
Existe una definicin alternativa, conocida como la transformada bilateral integracin son ( y ):
, cuyos lmites de
(2.14)
Debido a que nuestro inters se centra en el comportamiento de las seales a partir del instante de tiempo , trabajaremos con la versin unilateral de la transformada. La tabla 2.3 muestra una comparacin entre las definiciones de las transformadas de Laplace y
Tabla:Comparacin de las definiciones de las transformadas de Laplace y
Transformada de Laplace
Transformada
La transformada de Laplace se define como
La transformada
se define como
Transformada bilateral de Laplace:
Transformada bilateral
$\displaystyle \begin{matrix} F_b(z)\doteq\mathcal{Z}_b \left\{f(k)\right\} \\ F_b(z)= \sum_{k=-\infty}^\infty f(k)z^ {-k} \end{matrix}$
2.2.2 Propiedades
Las transformadas de Laplace y satisfacen ciertas propiedades que son muy similares para una y otra transformada; algunas de estas transformadas se listan en la tabla 2.4, y sus demostraciones se presentan en el apndice [*] . De estas propiedades destacamos los siguientes hechos: 1. La propiedad de linealidad permite que la aplicacin de estas transformadas a la solucin de E. D. lineales sea bastante simple. Por el contrario, estas transformadas no suelen ser tiles para solucionar E.D. No Lineales. 2. Las propiedades de diferenciacin y diferencias positivas son las que permiten convertir Ecuaciones Diferenciales y Ecuaciones de Diferencia, respectivamente, en Ecuaciones Algebricas. 3. Hay una diferencia sutil pero importante entre las propiedades de diferenciacin y diferencias positivas: las condicin inicial est multiplicada por en el caso discreto, mientras que
en el caso contnuo no est multiplicada por . Este hecho origina algunas diferencias en la forma de las parejas de funciones y sus
transformadas (ver seccin 2.2.3) y en la forma en que se emplea la expansin en fracciones parciales para calcular las transformadas inversas(ver seccin 2.2.5). 4. La propiedad de multiplicacin por el tiempo tiene una expresin directa en el caso continuo (multiplicacin por ) mientras que en el caso discreto tiene una expresin iterativa (multiplicacin por ). Este hecho se ve reflejado en la tabla 2.6 5. La propiedad de convolucin pone de manifiesto que la transformada del producto de dos funciones NO es el producto de las transformadas individuales. Tabla:Propiedades de las transformadas de Laplace y Transformada de Laplace Sean tres funciones Transformada Sean cuyas Transformadas ,y respectivamente un escalar (real o complejo). Se cumplen las siguientes propiedades: Linealidad: tres funciones son, y
cuyas Transformadas de Laplace son, respectivamente
un escalar (real o complejo). Se cumplen las siguientes propiedades: Linealidad:
Diferenciacin2.5:
Diferencia positiva:
Desplazamiento en la frecuencia:
Escalamiento en la frecuencia:
Multiplicacin por :
Multiplicacin por
Teorema de valor inicial:
Teorema de valor inicial:
Teorema de valor final:
Teorema de valor final:
Convolucin:
Convolucin:
2.2.3 Parejas de transformadas

La tabla 2.5 muestra las parejas de transformadas para las funciones elementales ms importantes en
el anlisis de sistemas dinmicos. El contenido de la tabla se demuestra en el Apndice [*] . De estas parejas destacamos los siguientes hechos: 1. En cada uno de los casos de las tablas 2.5 y 2.6, las transformadas (de Laplace o fraccciones de polinomios en la variable compleja ( o ). ) son
2. Al comparar estos polinomios en funciones anlogas (por ejemplo y ) notamos que el orden del denominador es el mismo; en el numerador, sin embargo, sucede que el orden de los polinomios de la transformada siempre es superior en al de su contraparte en la transformada de Laplace. 3. Si centramos nuestra atencin en la tabla 2.5, podemos notar que la ubicacin de los polos de las funciones transformadas en el plano complejo determina el tipo de funcin en el dominio del tiempo. Este hecho se resalta en la tabla 2.7 y en las figuras 2.3 y 2.4 4. Las funciones reseadas en la tabla 2.6 tambin estn asociadas a una ubicacin especfica de los polos en el plano complejo, pero cuando stos se repiten.
Tabla 2.5:Tabla de parejas de transformadas elementales Transformada de Laplace Transformada
Tabla 2.6:Tabla de parejas de transformadas elementales multiplicadas por el tiempo
Transformada de Laplace $ f(k) $ $ k\mu (k)$
Transformada
iterar
$ \frac {1}{(sa)^2}$
iterar
Tabla 2.7:Ubicacin de los polos en los planos complejos y funciones en el tiempo

Caso Contnuo Ubicacin de los polos Origen Semieje real positivo Funcin escaln exponenciales Intervalo crecientes eje real Caso Discreto Ubicacin de los polos Funcin escaln series geomtricas crecientes no alternantes
del
Intervalo
del eje real Semieje real negativo exponenciales Intervalo decrecientes del eje real Intervalo del eje real Eje imaginario Complejos en el semiplano derecho sinusoidales funciones sinusoidales amplificadas por una exponencial creciente sinusoidales amplificadas por una exponencial decreciente
series geomtricas crecientes alternantes series geomtricas decrecientes no alternantes series geomtricas decrecientes alternantes
circunferencia sinusoidales. unitaria Complejos fuera del crculo unitario sinusoidales amplificadas por una serie geomtrica creciente sinusoidales amplificadas por una serie geomtrica decreciente
Complejos en el semiplano izquierdo
Complejos dentro del crculo unitario
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...sos/ingenieria/2001619/lecciones/preliminar/node3.html (10 de 18)06/07/2008 12:42:35
2.2.4 Utilizacin de la tabla de parejas de transformadas

Para emplear las tablas 2.5 y 2.6 para obtener la transformada inversa de una funcin, primero hay que expresar sta ltima como alguno de los casos que aparecen en dichas tablas. Suele ser til son funciones lineales. recordar que las transformaciones de Laplace y Ejemplo 2.3 Para obtener la transformada inversa de Laplace de reescribimos la como: , primero
La expresin
es de la forma
, cuya transformada inversa de Laplace es
. Aplicando
linealidad tenemos:
Ejemplo 2.4 Para obtener la transformada inversa de Laplace de destacamos que el denominador de
, primero
es de segundo orden, y por tanto es similar al que aparece
en las transformadas de Laplace de las sinusoides amortiguadas. Con esto presente, buscamos reescribir con el denominador en la forma . Para ello, ntese que
Igualando los coeficientes podemos identificar (y por tanto
(y por tanto
)y como
). En consecuencia, podemos reescribir
Los dos sumandos corresponden a transformadas de la forma tanto:
, por lo
Este resultado puede reescribirse utilizando la identidad trigonomtrica:
con
. Por lo tanto,
resulta ser:
2.2.5 Transformadas inversas por expansin de fracciones parciales

Una de las estrategias que pueden emplearse para obtener la transformada Inversa de Laplace (o de una funcin racional de polinomios en (o ): )
consiste en reescribir
(o
) como suma de funciones ms sencillas, cuyas transformadas
inversas sean posibles de obtener mediante la lectura de las tablas de parejas. Este procedimiento se conoce como la expansin en fracciones parciales. El procedimiento general puede enumerarse como sigue: 1. Si entonces se realiza la divisin hasta obtener una fraccin en la que el grado del
polinomio del denominador sea mayor al del numerador; en los siguientes puntos se trabaja slo con la fraccin. Ejemplo 2.5
2. Identificar las races del polinomio del denominador ( de ellas ( , o multiplicidad de la raiz).
), y cuntas veces se repite cada una
Evidentemente la suma de las multiplicidades ser , el grado del polinomio 3. Escribir la fraccin como suma de de fracciones parciales:
4. Obtener los coeficientes Este sencillo procedimiento tiene dos puntos de dificultad, el primero de los cuales es cmo encontrar las races de , y el segundo cmo obtener los coeficientes .
Para la obtencin de las races suponemos que disponemos de algn tipo de procedimiento (analtico o computacional) para ello. Para la obtencin de los coeficientes los siguientes procedimientos, segn sea el caso: 1. Polos de multiplicidad 1 Si el polo expansin podr calcularse como: (2.15) tiene multiplicidad , el coeficiente de la , por su parte, pueden seguirse
Ejemplo 2.6
2. Polos de multiplicidad mayor que 1 Si el polo como: tiene multiplicidad , el coeficiente de la expansin podr calcularse
(2.16)
Esta expresin tambin es vlida para
, si se considera que
, y que la derivada
de orden cero es la misma funcin. Ejemplo 2.7
El procedimiento anterior tambin es vlido cuando las races del denominador son complejas: Ejemplo 2.8
Las fracciones complejas pueden sumarse (ntese que los numeradores y denominadores de una fraccin son los conjugados de la otra):
2.2.5.1 Otra estrategia

Existe otra posibilidad para obtener los coeficientes fracciones parciales e igualar coeficientes. Tambin pueden combinarse las dos estrategias. Adems, puede emplearse el hecho segn el cual la suma de las fracciones debidas a polos complejos conjugados sern de la forma . Consiste en efectuar la suma de las
Ejemplo 2.9
Al sumar las fracciones parciales se tiene:
Al igualar coeficientes se genera un sistema de dos ecuaciones lineales con dos incgnitas:
Ejemplo 2.10
Obtenemos el primer coeficiente con 2.18:
Reescribimos la expansin e igualamos coeficientes:
$\displaystyle =\frac{10}{s(s^2+4s+13)}=\frac {10/13}{s}-\frac{0.77s+3.08}{s^2+4s+13}$
2.3 Solucin de E.D. lineales mediante transformadas

La solucin de Ecuaciones Diferenciales (o de diferencia) mediante transformadas emplea el siguiente procedimiento: 1. Aplicar la transformada (de Laplace o $ segn sea el caso) a cada lado de la Ecuacin. 2. Despejar la transformada de la funcin \mathcal desconocida. {Z} o $ segn sea el caso) a la funcin desconocida. 3. Aplicar la transformada inversa (de Laplace $ \mathcal {Z} Para la aplicacin del ltimo paso, suele ser conveniente utilizar la expansin en fracciones parciales. $ Ejemplo 2.11 Resolver la ecuacin diferencial $\displaystyle y(k+2)+3y(k+1)+2y(k)=5\mu (k) $ Con las condiciones iniciales : $ y(0)=-1$ , 1. Al aplicar la Transformada .
a cada lado de la ecuacin se tiene:
Debido a la propiedad de linealidad se tiene
Si denominamos por tenemos
, y empleamos la propiedad de diferencias positivas,
Reemplazando los valores de las condiciones iniciales, tenemos:
2. Para despejar la transformada de la funcin desconocida
escribimos:
3. Para aplicar la transformada inversa parciales de
primero efectuamos una expansin en fracciones
Los coeficientes se pueden calcular como
Por lo tanto
La transformada inversa
se puede obtener ahora en forma directa:
3. Introduccin al Anlisis de Sistemas Dinmicos Lineales
3. Introduccin al Anlisis de Sistemas Dinmicos Lineales
En este captulo se presentan algunas herramientas bsicas del anlisis de sistemas dinmicos. La seccin 3.1 muestra cmo puede descomponerse la respuesta de cualquier sistema dinmico en las respuesta de entrada cero y de estado cero; a partir de sta ltima se presenta en la seccin 3.2 la definicin de funcin de transferencia; con esta definicin se desarrollan en las secciones 3.3 y 3.4 se presentan dos herramientas grficas; la respuesta al impulso se analiza en la seccin 3.5.
Subsecciones
q
3.1 Respuestas de estado cero y de entrada cero r 3.1.1 Sistemas continuos r 3.1.2 Sistemas discretos 3.2 Funciones de transferencia 3.3 Diagramas de bloques 3.4 Diagramas de flujo de seal r 3.4.1 Regla de Mason 3.5 Respuesta al impulso r 3.5.1 Caso discreto s 3.5.1.1 La funcin impulso unitario discreto s 3.5.1.2 La respuesta a un impulso genrico s 3.5.1.3 Convolucin r 3.5.2 Caso continuo s 3.5.2.1 La funcin impulso unitario continuo s 3.5.2.2 Respuesta al impulso s 3.5.2.3 Convolucin
q q q
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineale...u.co/cursos/ingenieria/2001619/lecciones/analisis/node1.html06/07/2008 12:43:45
3.1 Respuestas de estado cero y de entrada cero
Subsecciones
q q
3.1.1 Sistemas continuos 3.1.2 Sistemas discretos

3.1.1 Sistemas continuos
Supngase un sistema dinmico lineal continuo como el de la figura 3.1, cuya relacin entre la entrada y la salida est descrita por la siguiente ecuacin diferencial genrica:
$\displaystyle a_n\frac{d^ny}{dt^n}+\cdots+a_1\frac{dy}{dt}+a_0y(t)= b_m\frac{d^mu}{dt^m}+\cdots+b_1\frac{du}{dt}+b_0u(t)$
(3.1)
o en forma resumida:
Al aplicar la transformada de Laplace a esta ecuacin se tiene:
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lin.../cursos/ingenieria/2001619/lecciones/analisis/node2.html (1 de 5)06/07/2008 12:44:01
De esta ecuacin podemos despejar
como:
o de otra forma:
La ecuacin (3.2) muestra que la respuesta de un sistema dinmico continuo puede descomponerse en dos partes3.1: Respuesta de estado cero: Es la primera parte de la ecuacin (3.2). Depende de la entrada y no de las condiciones
iniciales; de hecho, es la respuesta que tiene el sistema si las condiciones iniciales son cero, es decir, si su estado inicial es cero (de all su nombre). Respuesta de entrada cero: Es la segunda parte de la ecuacin (3.2). Depende de las condiciones iniciales y no de la entrada nombre). ; de hecho, es la respuesta que tiene el sistema si la entrada es cero (de all su
3.1.2 Sistemas discretos
Supngase un sistema dinmico lineal discreto como el de la figura 3.2, cuya relacin entre la entrada $ u y la salida est descrita por la siguiente ecuacin de diferencias genrica: (k)$
o en forma resumida:
Al aplicar la transformada
a esta ecuacin se tiene:
De esta ecuacin podemos despejar
como:
o de otra forma:
De forma semejante al caso continuo, la ecuacin 3.4 muestra que la respuesta de un sistema dinmico continuo puede descomponerse en dos partes: Respuesta de estado cero: Es la primera parte dela ecuacin 3.4. Depende de la entrada y no de las condiciones
iniciales; de hecho, es la respuesta que tiene el sistema si las condiciones iniciales son cero, es decir, si su estado inicial es cero (de all su nombre). Respuesta de entrada cero: Es la segunda parte dela ecuacin 3.4. Depende de las condiciones iniciales y no de la entrada ; de hecho, es la respuesta que tiene el sistema si la entrada es cero (de all su nombre).
3.2 Funciones de transferencia

Se define la funcin de transferencia de un sistema continuo o discreto como la relacin en el dominio de la frecuencia compleja entre salida y entrada con condiciones iniciales nulas
De acuerdo con las ecuaciones 3.2 y 3.4, la funcin de transferencia ser, para los casos continuo y discreto, respectivamente:
Las expresiones
slo son vlidas si las condiciones iniciales son nulas. En este caso, es posible representar grficamente la relacin entrada-salida del sistema mediante dos tipos de diagramas: Diagramas de bloque: La figura 3.3 muestra un sistema como un bloque definido por la funcin de transferencia o o , que recibe una seal de entrada o y entrega una seal de salida
. Estos diagramas se explican en la seccin 3.3.
Diagramas de flujo de seal: y ) La figura 3.4 muestra un sistema como dos seales $ U y $ Y (o (s)$ (s)$ o $ F(z). Estos diagramas se relacionadas entre s por la funcin de transferecia $ explican en la seccin 3.4
3.4 Diagramas de flujo de seal
Subsecciones
q
3.4.1 Regla de Mason

La figura 3.8 presenta las relaciones bsicas de un diagrama de flujo de seal. Ntese que el nfasis se pone en la seal y no en el sistema, a diferencia de los diagramas de bloques. Este es un texto de anlisis de sistemas y no de anlisis de seales, por esa razn preferimos los diagramas de bloques a los de flujo de seal.
No obstante lo anterior, el ejemplo 3.1 pone de manifiesto que para la obtencin de la funcin de transferencia de un sistema a partir de su diagrama de bloques es necesario desarrollar una habilidad especfica debido a que no existe un algoritmo para ello. Por el contrario, si se utilizan diagramas de flujo de seal s se cuenta con un procedimiento para la obtencin de la funcin de transferencia conocido como la regla de Mason. La regla de Mason, que se explica en la seccin 3.4.1, emplea las definiciones que se presentan a continuacin y que se ilustran en el ejemplo 3.2. Camino directo Conjunto de ramas que llevan de la entrada a la salida, sin repetirse.
Ganancia de camino directo Producto de las ganancias de las ramas que forman el camino directo. Lazo cerrado Conjunto de ramas que parten de un nodo y llegan a el mismo nodo, sin repetir ningn otro nodo. Ganancia de lazo cerrado Producto de las ganancias de las ramas que forman un lazo. Lazos adyacentes Lazos que comparten al menos un nodo. Lazos no adyacentes Lazos que no comparten ningn nodo. Ejemplo 3.2 Considrese el diagrama de flujo de seal de la figura 3.9(a) Camino directo Las figuras 3.9(b) y 3.9(c) muestran los caminos directos. 3.2 Ganancia de camino directo Las ganancias de camino directo Son:
r
Figura 3.9(b): Figura 3.9(c): .
Lazo cerrado Las figuras 3.9(d) a 3.9(f) muestran los lazos del ejemplo. Ganancia de lazo cerrado Las ganancias de lazo cerrado son:
r
Figura 3.9(d): Figura 3.9(e): Figura 3.9(f):
Lazos adyacentes Los lazos mostrados en las figuras 3.9(e) y 3.9(f) son adyacentes. Lazos no adyacentes Los lazos mostrados en las figuras 3.9(d) y 3.9(e) son no adyacentes.
3.4.1 Regla de Mason

El clculo de la funcin de transferencia de un diagrama de flujo de seal esta dado por:
Donde:
q
p= Nmero de caminos directos de = Ganancia del camino directo nmero
=1 - (Suma de ganancias de lazos cerrados) + (Suma de ganancias de lazos no adyacentes tomados de a 2) - (Suma de ganancias de lazos no adyacentes tomados de a 3) + (Suma de ganancias de lazos no adyacentes tomados de a 4)
para el diagrama eliminando los lazos que tocan el camino nmero
Ejemplo 3.3 Para el sistema de la figura 3.10 la aplicacin de la regla de Mason es como sigue:
Slo existe un camino directo (
), cuya ganancia es:
Existen cuatro lazos cerrados, cuyas ganancias son:
Como existen 4 lazos, hay 6 posibles grupos de 2 lazos ( ,
), pero de ellos, slo son no adyacentes los siguientes:
Como existen 4 lazos, hay 4 posibles grupos de 3 lazos ( ), pero de ellos, slo hay uno que es no adyacentes:
Como existen 4 lazos, slo hay un posible grupo de 4 lazos ( adyacentes. De acuerdo con lo anterior, el valor de es:
), pero estos son
Al eliminar los lazos que tocan el nico camino directo slo subsiste el lazo resulta:
. Por lo tanto
Dado que slo hay un camino directo, la funcin de transferencia se calcula como:
3.5 Respuesta al impulso
Subsecciones
q
3.5.1 Caso discreto r 3.5.1.1 La funcin impulso unitario discreto r 3.5.1.2 La respuesta a un impulso genrico r 3.5.1.3 Convolucin 3.5.2 Caso continuo r 3.5.2.1 La funcin impulso unitario continuo r 3.5.2.2 Respuesta al impulso r 3.5.2.3 Convolucin

La funcin de transferencia presentada en la seccin 3.2 permite caracterizar un sistema dinmico lineal invariante en el tiempo, en situacin de reposo, mediante una expresin en el dominio de la frecuencia compleja o . La respuesta al impulso logra esa misma caracterizacin, pero en el dominio del tiempo o , mediante el estudio del comportamiento del sistema cuando se estimula con una seal especial: el impulso unitario3.3.
3.5.1 Caso discreto

3.5.1.1 La funcin impulso unitario discreto
Dado un sistema como el de la figura 3.2 la respuesta al impulso es la respuesta del sistema cuando la entrada es el impulso unitario denotarse por , con condiciones iniciales nulas. La respuesta al impulso suele por
, y su transformada
La funcin
(ver figura 3.11) se define como:
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...cursos/ingenieria/2001619/lecciones/analisis/node6.html (1 de 12)06/07/2008 12:44:28
Una de las caractersticas importantes de la funcin se muestra a continuacin:
es que su transformada
es
, tal como
Supngase un sistema discreto con condiciones iniciales nulas, con funcin de transferencia que se excita con el impulso unitario (figura 3.12). La respuesta del sistema, en el dominio de la frecuencia ser el producto de la entrada por la funcin de transferencia:
Este hecho pone de manifiesto la relacin que existe entre la respuesta al impulso y la funcin de transferencia (ver figura 3.13): la funcin de transferencia es la transformada de la respuesta al impulso
3.5.1.2 La respuesta a un impulso genrico

Supngase un sistema discreto lineal, que es excitado con la funcin impulso la respuesta al impulso , y cuya salida es
, tal como el de la figura 3.14(a). Si ese mismo sistema se excita con la
funcin impulso, pero retrasada en , la salida debe ser la misma respuesta al impulso retrasada en , como se muestra en la figura 3.14(b) ya que se supone que el sistema es invariante en el tiempo.
Por otra parte, debido a que el sistema es lineal, al multiplicar la entrada por un escalar la salida se multiplicar por el mismo escalar ; por lo tanto, si el sistema recibe como entrada la seal impulso , la salida ser (ver figura 3.14(c)).
3.5.1.3 Convolucin
Una seal discreta cualquiera
es un conjunto de valores en el tiempo, que puede representarse , tal como se muestra en la figura 3.15.
como la suma de infinitos impulsos individuales
Adems, cada uno de los pulsos individuales
puede representarse como un impulso aplicado en el Dicho de otra forma, cualquier seal puede
instante de tiempo , cuya amplitud es justamente escribirse como:
Debido a que el sistema es lineal, podemos aplicar el principio de superposicin, y obtener la respuesta del sistema impulsos cuando la entrada es como la suma debida a cada uno de los
(suponiendo condiciones iniciales nulas). Estas respuestas son de la forma que se ser de la forma:
muestra en la figura 3.14(c), y por tanto la respuesta
Esta ltima sumatoria corresponde a la convolucin discreta de las seales representada por el operador El resultado anterior no debe sorprender, ya que al aplicar transformada se tiene:
a cada lado de la igualdad
y la transformada de la respuesta al impulso resulta ser la funcin de transferencia del sistema, tal como se haba mostrado ya en la figura 3.13
3.5.2 Caso continuo

3.5.2.1 La funcin impulso unitario continuo
Para obtener con sistemas continuos un resultado similar el mostrado para sistemas discretos en la seccin 3.5.1 es necesario contar con una funcin continua cuyas propiedades sean anlogas a las de la funcin impulso discreto; es decir, se necesita una funcin cuya transformada de Laplace sea . Dicha funcin es la funcin impulso o delta de Dirac, generalmente representado por .
Para presentar la funcin la figura 3.16:
, primero consideramos la funcin
, cuya grfica se muestra en
Ntese que el rea bajo la grfica de la funcin decir,
es
, independientemente del valor de
, es
Se define la funcin delta de Dirac como la funcin que resulta al disminuir hasta llevarlo al lmite en que tiende a cero:
progresivamente,
Esta funcin, cuya grfica se muestra en la figura 3.17 conserva la propiedad segn la cual el rea bajo la grfica es
Adems, si calculamos el rea bajo la grfica desde escaln unitario
hasta un valor
el resultado es la funcin
Por otra parte, consideremos el producto de la funcin funcin
desplazada en el tiempo, con una
cualquiera, y calculemos el rea bajo la grfica de ese producto (ver figura 3.18)
Para valores de de base y altura
suficientemente pequeos, el rea puede hacerse equivalente a la de un rectngulo , por lo tanto,
El lmite puede introducirse en la integral, con lo que se obtiene
(3.2)
Es posible demostrar que la transformada de Laplace del impulso es
, es decir que
Para ello, puede aplicarse directamente el resultado de la ecuacin 3.5 o considerar la propiedad de la transformada de Laplace segn la cual
Observese que la transformada de Laplace de
, que es
puede escribirse como
por lo tanto
3.5.2.2 Respuesta al impulso

Dado un sistema como el de la figura 3.1 la respuesta al impulso es la respuesta del sistema cuando la entrada es el impulso unitario denotarse por , con condiciones iniciales nulas. La respuesta al impulso suele
, y su transformada de Laplace por
Si el sistema continuo tiene una funcin de transferencia sistema, en el dominio de la frecuencia transferencia:
, (figura 3.19), la respuesta del
ser el producto de la entrada por la funcin de
Este hecho pone de manifiesto la relacin que existe entre la respuesta al impulso y la funcin de transferencia (ver figura 3.20):La funcin de transferencia es la transformada de Laplace de la respuesta al impulso
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...ursos/ingenieria/2001619/lecciones/analisis/node6.html (10 de 12)06/07/2008 12:44:28
De manera semejante al caso discreto (ver seccin 3.5.1) puede argumentarse que debido a que el sistema es lineal e invariante en el tiempo, la respuesta del sistema a una seal impulso genrica ser
3.5.2.3 Convolucin
La ecuacin 3.5 muestra que una seal cualquiera contnua entre y puede representarse como la convolucin (se han intercambiado las variables y
identificada con el operador
, lo que no altera el resultado):
La integral es la suma de infinitos trminos (trminos infinitesimales), y por tanto podemos emplear el principio de superposicin para obtener la respuesta del sistema cuando la entrada es
como la suma debida a cada uno de los trminos infinitesimales (suponiendo condiciones iniciales nulas), es decir:
Al igual que en al caso discreto, la respuesta del sistema a una entrada cualquiera obtener como la convolucin (contnua) de esa entrada con la respuesta al impulso.
se puede
Este resultado concuerda con una afirmacin previa, ya que al aplicar transformada de Laplace a cada
lado de la igualdad se tiene:
y la transformada de Laplace de la respuesta al impulso resulta ser la Funcin de Transferencia del sistema, tal como se haba mostrado ya en la figura 3.20
4. Sistemas de primer y Segundo Orden
Los sistemas de primer y segundo orden merecen especial atencin, ya que ellos presentan los comportamientos bsicos que pueden aparecer en cualquier sistema dinmico. Dicho de otra forma, en general un sistema dinmico presentar un comportamiento que puede descomponerse en los comportamientos ms simples de los sistemas de primer y segundo orden. Este hecho puede explicarse observando el mtodo de solucin de E.D. que emplea expansin en fracciones parciales (ver seccin ): una fraccin se descompone en fracciones ms simples en donde los denominadores son polinomios de primer o segundo orden. La excepcin a esta regla la constituyen los sistemas con polos repetidos, en donde adems aparecen o (ver tablas y ). los mismos comportamientos bsicos multiplicados por En este captulo se estudian los sistemas continuos de primer y segundo orden. En todos los casos se proceder de la misma forma: se seleccionar una funcin de transferencia prototipo, se calcular su respuesta al escaln unitario4.1 con condiciones iniciales nulas, y se analizar la relacin existente entre esa respuesta y el valor de los polos dela funcin de transferencia. Las secciones 4.5 y 4.6 buscan resaltar que los resultados presentados en este captulo son estrictamente vlidos para las funciones prototipo seleccionadas.
Subsecciones
q q q
4.1 Sistemas continuos de primer orden 4.2 Sistemas discretos de primer orden 4.3 Sistemas continuos de segundo orden r 4.3.1 Regin de estabilidad r 4.3.2 Regin de tiempo mximo de asentamiento r 4.3.3 Regin de frecuencia mxima de oscilacin r 4.3.4 Regin de sobrepico mximo r 4.3.5 Regin de diseo 4.4 Sistemas discretos de segundo orden r 4.4.1 Regin de estabilidad r 4.4.2 Regin de tiempo mximo de asentamiento r 4.4.3 Regin de Frecuencia mxima de oscilacin r 4.4.4 Regin de sobrepico mximo
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...co/cursos/ingenieria/2001619/lecciones/orden/node1.html (1 de 2)06/07/2008 12:45:09

r
4.4.5 Regin de diseo
q q
4.5 Efecto de los ceros. Sistemas de fase mnima 4.6 Polos dominantes
4.1 Sistemas continuos de primer orden

Supngase un sistema continuo de primer orden, cuya funcin de transferencia sea
(4.1)
Al estimular el sistema con un paso unitario puede calcularse como sigue:
, con condiciones iniciales nulas, la respuesta
(4.2)
La expresin (4.2) muestra que la respuesta del sistema depender del valor de constata en la figura 4.1, que muestra las grficas de
. Este hecho se .
para distintos valores de
Al cambiar el valor de que es
tambien cambia el valor del nico polo de la funcin de transferencia (4.1), el polo es un real negativo , y viceversa.
. Para cualquier valor real positivo de
Cuando el polo es positivo, la respuesta del sistema tiende a infinito, y se dice que el sistema es inestable. La figura 4.2 muestra cuales son las regiones de estabilidad e inestabilidad con referencia a la recta real, es decir, en qu lugares debe estar ubicado el polo de la funcin de transferencia para que el sistema sea, respectivamente, estable o inestable.
Para un polo negativo cualquiera
, la respuesta es como la que se muestra en la figura 4.3. El
valor determina qu tan empinada es la respuesta (y cul ser el valor final de la respuesta); para se valores grandes de , la respuesta es ms empinada, debido a que la respuesta natural extingue ms rpido. Para medir qu tan rpido decae una respuesta natural, podemos definir el tiempo de asentamiento o tiempo de estabilizacin, como el tiempo a partir del cual la respuesta natural (su valor absoluto) no supera un porcentaje de su valor mximo, por ejemplo el . Para el caso del sistema continuo de
primer orden, este tiempo
satisface:
En general, al alejar el polo del origen (al desplazarlo hacia la izquierda) disminuye el tiempo de asentamiento, es decir, la respuesta es ms empinada. Esto nos permite definir una regin de tiempo de asentamiento mximo, como la que se muestra en la figura 4.4. Si el polo de la funcin de transferencia (4.1) cae en esa regin podemos asegurar que su tiempo de asentamiento satisface .
Ntese que la regin de tiempo de asentamiento mximo est contenida dentro de la regin de estabilidad; esto es lgico, ya que la definicin de tiempo de asentamiento slo tiene sentido para sistemas estables.
4.2 Sistemas discretos de primer orden

Supngase un sistema discreto de primer orden, cuya funcin de transferencia sea
(4.3)
Al estimular el sistema con un paso unitario puede calcularse como sigue:
(4.4)
La expresin (4.4) muestra que la respuesta del sistema depender del valor de constata en la figura 4.1, que muestra las grficas de
. Este hecho se .
para distintos valores de
Al cambiar el valor de (4.3), que es
tambien cambia el valor de el nico polo de la funcin de transferencia el polo es un real negativo ,y
. Para cualquier valor real positivo de
viceversa. Cuando el polo es negativo, la respuesta del sistema es de signo alternante (P.ej. ); por el contrario, si el polo es positivo la respuesta siempre ser del mismo signo. Por otra parte, si el valor absoluto de es mayor que 1, el valor absoluto de la respuesta tiende a infinito, y se dice que el sistema es inestable. La figura 4.6 muestra cuales son las regiones de estabilidad e inestabilidad con referencia a la recta real, es decir, en qu lugares debe estar ubicado el polo de la funcin de transferencia para que el sistema sea, respectivamente, estable o inestable; tambin se muestra en la misma figura cuando la respuesta es alternante o no.
Para medir qu tan rpido decae una respuesta natural en los sistemas estables podemos definir el tiempo de asentamiento o tiempo de estabilizacin, como el tiempo a partir del cual la respuesta natural (su valor absoluto) no supera un porcentaje de su valor mximo, por ejemplo el sistema discreto de primer orden, este tiempo ser el menor entero tal que: . Para el caso del
En consecuencia,
satisface
En general, al alejar el polo del origen (al acercarlo a
) aumenta el tiempo de asentamiento,
es decir, la respuesta es ms lenta. Esto nos permite definir una regin de tiempo de asentamiento mximo, como la que se muestra en la figura 4.7. Si el polo de la funcin de transferencia (4.3) cae en esa regin podemos asegurar que su tiempo de asentamiento satisface .
Al igual que en el caso continuo, en el caso discreto la regin de tiempo de asentamiento mximo est contenida dentro de la regin de estabilidad.
4.3 Sistemas continuos de segundo orden
Subsecciones
q q q q q
4.3.1 Regin de estabilidad 4.3.2 Regin de tiempo mximo de asentamiento 4.3.3 Regin de frecuencia mxima de oscilacin 4.3.4 Regin de sobrepico mximo 4.3.5 Regin de diseo

Supngase un sistema continuo de segundo orden, cuya funcin de transferencia sea
(4.5)
Los polos de la funcin de transferencia sern:
En caso de que
, el radical es negativo, y los polos resultan ser complejos conjugados:
La figura 4.8 muestra la ubicacin de los polos complejos. Ntese que la distancia de los polos al origen (la magnitud del complejo) es justamente :
Adems, el coseno del ngulo
formado con el semieje real negativo, es justamente
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...o/cursos/ingenieria/2001619/lecciones/orden/node4.html (1 de 11)06/07/2008 12:45:25
Al estimular el sistema (4.5) con un paso unitario puede calcularse como sigue:
(4.6)
donde,
Las figuras 4.9 a 4.11 muestran la grfica de (4.6) en varias condiciones: en la figura 4.9 se ha fijado
, y se ha variado
. En la figura 4.10 se ha fijado .
y se ha variado
. La figura
4.11 muestra la forma genrica de (4.6) con
4.3.1 Regin de estabilidad

Al evaluar (4.6) se observa que para valores positivos de el trmino exponencial crece coincide con la parte real
indefinidamente, y por tanto la respuesta se har infinita. El trmino
de los polos de (4.5), tal como se muestra en la figura 4.8, por lo tanto, la regin de estabilidad, aquella en la que deben ubicarse los polos para que el sistema sea estable, resulta ser el semiplano izquierdo. Esto se muestra en la figura 4.12
4.3.2 Regin de tiempo mximo de asentamiento

La respuesta transitoria de (4.5) es el producto de una exponencial , es decir, su amplitud es menor o igual que por una sinusoidal .
Si tomamos el tiempo de asentamiento como el tiempo a partir del cual la respuesta natural (su valor absoluto) no supera el este tiempo satisface: de su valor mximo, en el caso del sistema continuo de segundo orden
Debido a que
es la parte real de los polos de (4.5) , tal como se muestra en la figura 4.8, la
regin de tiempo de asentamiento mximo es la que se muestra en la figura 4.13
4.3.3 Regin de frecuencia mxima de oscilacin

La frecuencia de oscilacin de la respuesta es la frecuencia de la sinusoidal de (4.5), es decir es , que corresponde a la parte imaginaria de los polos de (4.5) (ver figura 4.8). Por esta razn, la regin de frecuencia mxima de oscilacin es la que se muestra en la figura 4.14
4.3.4 Regin de sobrepico mximo

Uno de los parmetros ms importantes de la respuesta graficada en la figura 4.11, es el sobrepico mximo, , que indica qu tanto llega a valer la respuesta en relacin con su valor final:
donde
es el valor mximo, y
el valor final (estacionario) de
Para calcular el sobrepico mximo, primero derivamos instantes en los que suceden los mximos y mnimos de
e igualamos a cero para obtener los :
Para obtener el valor de la arcotangente en la ecuacin anterior, obsrvese en la figura (4.8) el valor de :
La funcin
es peridica, de periodo
, por lo tanto
Existen infinitos instantes en los que la derivada de mnimos locales que se observan en la figura 4.11. Para respuesta corresponde a
es nula, que corresponden a los mximos y resulta , por lo tanto la , que
es prcticamente horizontal en su inicio. El sobrepico mximo sucede en :
El valor de
en
es el valor mximo de
, es decir
Dado que
, podemos escribir
El valor final de
es 1, por lo tanto
Las figuras 4.15 y 4.16 muestran cmo vara el sobrepico mximo en funcin de el factor de amortiguamiento depende del ngulo y el ngulo , respectivamente. Es interesante observar que el sobrepico
que forman los polos con el semieje real negativo (figura 4.8), lo que nos
permite establecer una regin de sobrepico mximo, tal como la que se muestra en la figura 4.17

Las regiones que se muestran en las figuras 4.12, 4.13, 4.14 y 4.17 pueden resumirse en una nica regin de diseo, como la que se muestra en la figura 4.18. Refirindonos a esta figura, la regin de
diseo puede interpretarse asi: Dado un sistema de segundo orden como el de la ecuacin (4.5) con condiciones iniciales nulas, cuyos polos estn ubicados dentro de la regin de diseo, puede asegurarse que:
q q
el sistema es estable el tiempo de asentamiento es menor o igual que la frecuencia mxima de oscilacin de la respuesta natural es al estimularlo con un escaln unitario el sobrepico mximo es menor que
4.4 Sistemas discretos de segundo orden
Subsecciones
q q q q q
4.4.1 Regin de estabilidad 4.4.2 Regin de tiempo mximo de asentamiento 4.4.3 Regin de Frecuencia mxima de oscilacin 4.4.4 Regin de sobrepico mximo 4.4.5 Regin de diseo

Supngase ahora un sistema discreto de segundo orden, cuya funcin de transferencia sea $\displaystyle F(z)=\frac{1-2b \cos a+b^2}{z^2-2bz\cos{a} +b^2}$
(4.7)
Los polos de la funcin de transferencia sern:
$\displaystyle p_{1,2}=\frac{2b\cos{a}\pm\sqrt{4b^2\cos^2a-4b^2}}{2} =b\left(\cos{a}\pm \sqrt{\cos^2a-1}\right) $
El trmino del radical ser menor o igual que cero; en caso de que sea menor, los dos polos sern los complejos conjugados: $\displaystyle p_{1,2}=b\left(\cos{a}\pm j\sqrt{1-\cos^2a} \right)= b\left(\cos{a}\pm j\sin{a}\right) $ La figura 4.19 muestra la ubicacin de los polos en el plano complejo.
Al estimular el sistema (4.7) con un paso unitario $ , con condiciones iniciales nulas, la respuesta \mu $ y puede calcularse como sigue: (k)$ (k)$
sumando e igualando coeficientes se obtiene
Finalmente, las dos sinusoidales se pueden agrupar en una sola, para obtener:
(4.8)
donde
La figura 4.20 muestra la grfica de slo tiene sentido en los valores enteros de obtendra para valores reales de .
para unos valores especficos de
y . Aunque
, se ha trazado tambin en punteado la curva que se
Podra plantearse que para estudiar la secuencia
(los puntos en la figura 4.20) sera vlido
analizar el sistema continuo que la genera ((la curva punteada en la figura 4.20)); sin embargo, en y , ocasiones los resultados pueden ser muy engaosos: considrese el caso en que que se grafica en la figura 4.21; si se analiza la curva contnua, se concluye que el mximo valor (absoluto) de ser cercano a . , pero al ver la secuencia de puntos observamos que sta nunca
supera (en valor absoluto) a
No obstante, dado que un anlisis de la curva contnua arrojar valores mayores o iguales que la secuencia, puede utilizarse para establecer cotas superiores de los valores de la secuencia, y asi establecer regiones de diseo.
4.4.1 Regin de estabilidad

Al evaluar (4.8) se observa que para valores de mayores que 1 el trmino exponencial crece indefinidamente, y por tanto la respuesta se har infinita. El trmino coincide con la magnitud de los polos de (4.7), tal como se muestra en la figura 4.19, por lo tanto, la regin de estabilidad, aquella en la que deben ubicarse los polos para que el sistema sea estable resulta ser el crculo unitario centrado en el origen, tal como se ve en la figura 4.22.
4.4.2 Regin de tiempo mximo de asentamiento

La respuesta transitoria de (4.7) es el producto de la exponencial es decir, su amplitud es menor o igual que . por la sinusoide ,
Si tomamos el tiempo de asentamiento como el tiempo a partir del cual la respuesta natural (su valor absoluto) no supera el este tiempo satisface: de su valor mximo en el caso del sistema discreto de segundo orden,
Debido a que es la magnitud de los polos de (4.7) , tal como se muestra en la figura 4.19, la regin de tiempo de asentamiento mximo es la que se muestra en la figura 4.23.
4.4.3 Regin de Frecuencia mxima de oscilacin

La frecuencia de oscilacin de la respuesta es la frecuencia de la sinusoidal de (4.7), es decir es , que corresponde al ngulo de los polos de (4.7) respecto a la horizontal (ver figura 4.19). Por esta razn, la regin de frecuencia mxima de oscilacin es la que se muestra en la figura 4.24.
4.4.4 Regin de sobrepico mximo

Al comparar las respuestas a escalones unitarios de los sistemas continuos y discretos de segundo orden, que aparecen en las ecuaciones (4.6) y (4.8) respectivamente, podemos ver las semejanzas de estas respuestas.
Si reescribimos las sinusoides:
como
, podemos asimilar los coeficientes de los exponentes y
De tal manera que
(4.9)
La ecuacin 4.9 permite definir, para el caso discreto, curvas anlogas a las que generan la regin de sobrepico mximo de los sistemas continuos (figura 4.17). La figura 4.25 muestra las curvas generadas por la ecuacin (4.9) para distintos valores de .
Por su parte, la figura 4.26) muestra la regin definida por (4.9) al fijar un valor de
(o de
), es
decir, al establecer un factor de amortiguamiento. Esta regin no es la regin de sobrepico mximo, sino la regin de amortiguamiento mnimo. El sobrepico mximo es ms difcil de obtener debido a que el tiempo es discreto.

Al combinar las regiones definidas en las figuras 4.22 a 4.26 se obtiene la regin de diseo que se muestra en la figura 4.27. Su significado es anlogo a la regin de diseo del caso continuo.
4.5 Efecto de los ceros. Sistemas de fase mnima

Pese a que en las secciones anteriores se ha hecho nfasis en el efecto que tiene sobre la respuesta natural la ubicacin de los polos en el plano, no debe desconocerse que los ceros tambin influyen en la respuesta. Supngase un sistema continuo de segundo orden, con un cero real:
(4.10)
La respuesta al escaln del sistema definido por (4.10) es :
(4.11)
La figura 4.28 muestra la grfica de (4.11), para tres valores distintos de , con unos valores fijos de y ; es decir, lo que se est modificando es la posicin del cero de la funcin de transferencia. Alli puede verse que la ubicacin del cero afecta directamente la forma de la respuesta.
Es importante resaltar que las regiones de diseo de las figuras 4.18 y 4.27 fueron desarrolladas para sistemas prototipo de segundo orden, sin ceros. Estas regiones pueden emplearse para el anlisis y control de sistemas de segundo orden con ceros, pero slo como una gua de carcter general. Ms importante an es resaltar que para ceros en el semiplano derecho (este es el caso en la
figura 4.28) la respuesta al escaln presenta en sus inicios valores de signo contrario a los de la respuesta de estado estacionario; este fenmeno, conocido como subpico (en ingls undershoot) puede llegar a ser muy peligroso en algunos sistemas fsicos, y constituye una gran dificultad para su control. Los sistemas que no poseen ceros en el semiplano derecho, se conocen como sistemas de fase mnima, o simplemente minifase 4.2. La presencia de subpicos ante una entrada escaln es fcil de demostrar para un sistema de segundo orden con polos reales y un cero real4.3, tal como
(4.12)
La respuesta al escaln ser:
El signo de la derivada de momento:
evaluada en
nos indica si la respuesta crece o decrece en ese
La derivada siempre es positiva, por lo tanto, para valores cercanos a positiva. Por otra parte, la respuesta de estado estacionario de ser
ser siempre ; para sistemas
estables, tanto b como c son positivos, y por lo tanto el signo de la respuesta estacionaria es el mismo signo de . En conclusin, para valores negativos de (ceros positivos), la respuesta en sus inicios tendr un signo diferente al de la respuesta de estado estacionario y suceder el subpico.
5. Anlisis de Sistemas retroalimentados simples

En este captulo centramos nuestro inters en sistemas continuos y discretos como los que se muestran en las figuras 5.1 y 5.2, respectivamente. Este tipo de sistemas se denominan realimentados es retornada para ser comparada con la entrada o retroalimentados, debido a que la seal de salida mediante una resta. El resultado de esta comparacin es la seal de error . Esta es una estructura tpica de control; es la planta que se desea controlar, y el comportamiento que se desea que tenga . es el comportamiento real de , que es medido y comparado con a travs de . Si el comportamiento real difiere del deseado, existir un error que se amplifica por como entrada directa a
Definimos la funcin de transferencia del sistema realimentado como la relacin entre la salida y la entrada con condiciones iniciales nulas. En el caso continuo ser
(5.1)
y en el discreto:
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/realimenta/node1.html (1 de 4)06/07/2008 12:46:01
(5.2)
Tambin se define la funcin de transferencia del error o transmitancia del error como la relacin entre el error y la entrada. En el caso continuo:
(5.3)
y en el discreto:
(5.4)
Adems, a los productos
se les denomina ganancia de lazo abierto.
Si escribimos
como dos fraccin de polinomios
respectivamente, las
expresiones (5.1), (5.2), (5.3) y (5.4) se convierten en:

q
Funcin de transferencia del sistema realimentado, caso continuo:
(5.5)
Funcin de transferencia del sistema realimentado, caso discreto:
(5.6)
Funcin de transferencia del error, caso continuo:
(5.7)
Funcin de transferencia del error, caso discreto:
(5.8)
Subsecciones
q
5.1 Tipo de sistema y error de estado estacionario r 5.1.1 Caso continuo r 5.1.2 Caso discreto 5.2 Estabilidad y criterios de estabilidad en sistemas continuos r 5.2.1 Arreglo y criterio de Routh-Hurwitz s 5.2.1.1 Construccin del arreglo de Routh s 5.2.1.2 Criterio de Routh-Hurwitz s 5.2.1.3 Problemas en la construccin del arreglo de Routh r 5.2.2 Lugar geomtrico de las races s 5.2.2.1 Determinacin de la estabilidad s 5.2.2.2 Reglas de construccin de los diagramas r 5.2.3 Diagramas y criterio de Bode s 5.2.3.1 Mrgenes de estabilidad r 5.2.4 Diagrama y criterio de Nyquist s 5.2.4.1 Determinacin grfica del valor de una funcin compleja racional s 5.2.4.2 Principio del argumento s 5.2.4.3 Trayectoria de Nyquist s 5.2.4.4 Diagrama de Nyquist s 5.2.4.5 Criterio de Nyquist 5.3 Estabilidad y criterios de estabilidad en sistemas discretos r 5.3.1 Transformacin bilineal r 5.3.2 Arreglo y criterio de Jury
r r r
5.3.2.1 Construccin del arreglo de Jury s 5.3.2.2 Criterio de Jury s 5.3.2.3 Problemas en la construccin del arreglo de Jury 5.3.3 Lugar geomtrico de las races 5.3.4 Diagramas y criterio de Bode 5.3.5 Diagrama y criterio de Nyquist
s
5.1 Tipo de sistema y error de estado estacionario
Subsecciones
q q
5.1.1 Caso continuo 5.1.2 Caso discreto

5.1.1 Caso continuo
Uno de los objetivos de los esquemas de control como el que se muestra en las figura 5.1 suele ser el asegurar que la seal de error sea nula, al menos despues de que las respuestas transitorias hayan desaparecido. Por ese hecho, se estudia la respuesta de estado estacionario de la seal de error, comunmente denominada el error de estado estacionario. Bajo la suposicin de que el sistema realimentado es estable5.1, se puede argumentar que despues de un cierto tiempo la respuesta transitoria se habr hecho lo suficientemente pequea como para considerar que no existe, y por lo tanto slo queda la respuesta estacionaria, es decir (5.9)
donde decir
es el error de estado estacionario, y
es la seal de error en el dominio del tiempo, es
El teorema de valor final de la transformada de Laplace provee una forma de calcular
(5.10)
Combinando (5.10) con (5.3) se obtiene:
(5.11)
Al observar (5.11), se encuentra que el error de estado estacionario podr ser 0, dependiendo del nmero de polos y ceros en en los siguientes ejemplos. Ejemplo 5.1 Sea estacionario ser y que tengan y
o un valor finito, , como se muestra
. Segn (5.11) el error de estado
Ejemplo 5.2 Sea estacionario ser
Ejemplo 5.3 Sea estacionario ser
$ F_E(s)=\frac{s(s+4)} y {(s+3)(s+5)}$
En los ejemplos anteriores puede observarse que el valor de (5.11) puede o no cancelarse con otros trminos
depende de si la
que aparece en . Con esto en
que aparezcan en que tenga
mente, definimos el tipo de sistema como el nmero de ceros en
construimos la tabla 5.1. Ntese que las entradas transformadas de Laplace tienen trminos De acuerdo con (5.7) los ceros de cero, es decir son iguales a los polos de de sistema como el nmero de polos en
que se han empleado son aquellas cuyas
en el denominador. son los valores de que hacen que sea
. Por esta razn tambin podemos definir el tipo que tenga .
Tabla 5.1:Error de estado estacionario para sistemas continuos Tipo de sistema
0 1 0
0 0
5.1.2 Caso discreto

Consideraciones similares pueden hacerse para el caso discreto. Si el sistema realimentado es estable5.2, el error de estado estacionario de un sistema como el de la figura 5.2 ser (5.12)
donde
es el error de estado estacionario, y
es la seal de error en el dominio del tiempo, es
decir
El teorema de valor final de la transformada
provee una forma de calcular
(5.13)
o lo que es igual, (5.14)
Ahora el valor de
depende del numero de ceros y polos en
que tengan que tenga
y y
Por lo tanto, definimos tipo de sistema como el nmero de ceros en construimos la tabla 5.2. Ntese que las entradas transformadas de Laplace tienen trminos
que se han empleado son aquellas cuyas en el denominador.
De acuerdo con (5.8), los ceros de cero, es decir son iguales a los polos de de sistema como el nmero de polos en
son los valores de
que hacen que
sea
. Por esta razn tambin podemos definir el tipo que tenga .
Tabla 5.2:Error de estado estacionario para sistemas discretos

Tipo de sistema
1 0 2 0 0
5.2 Estabilidad y criterios de estabilidad en sistemas continuos
Subsecciones
q
5.2.1 Arreglo y criterio de Routh-Hurwitz r 5.2.1.1 Construccin del arreglo de Routh r 5.2.1.2 Criterio de Routh-Hurwitz r 5.2.1.3 Problemas en la construccin del arreglo de Routh 5.2.2 Lugar geomtrico de las races r 5.2.2.1 Determinacin de la estabilidad r 5.2.2.2 Reglas de construccin de los diagramas 5.2.3 Diagramas y criterio de Bode r 5.2.3.1 Mrgenes de estabilidad 5.2.4 Diagrama y criterio de Nyquist r 5.2.4.1 Determinacin grfica del valor de una funcin compleja racional r 5.2.4.2 Principio del argumento r 5.2.4.3 Trayectoria de Nyquist r 5.2.4.4 Diagrama de Nyquist r 5.2.4.5 Criterio de Nyquist

En este captulo empleamos la definicin de estabilidad de entrada acotada - salida acotada5.3, tambien conocida como estabilidad BIBO por sus siglas en ingls (Bounded Input - Bounded Output). Un sistema dinmico es BIBO estable si cualquier entrada acotada produce una salida acotada. En otras palabras, si ante entradas de valor fininto la respuesta (su valor absoluto) no tiende a infinito. La figura [*] muestra que las funciones continuas cuyos valores absolutos crecen indefinidamente tienen sus polos en el semiplano derecho. Si una funcin de transferencia tiene uno de sus polos en esa zona la respuesta natural tender a infinito, independientemente del valor de la entrada, y por tanto el sistema sera inestable. En consecuencia, para asegurar que un sistema dinmico lineal sea estable, todos los polos de su funcin de transferencia deben estar en el semiplano izquierdo. Basta con que un polo est en el semiplano derecho para que el sistema sea inestable. Si existe un polo en el eje imaginario, es decir, en la frontera entre los semiplanos derecho e izquierdo, se dice que el sistema es marginalmente estable.
5.2.1 Arreglo y criterio de Routh-Hurwitz

Dado que la estabilidad de un sistema dinmico est determinada por la ubicacin de los polos de su funcin de transferencia, es decir por la ubicacin de las races de un cierto denominador, planteamos ahora el siguiente problema: Cmo determinar si las races de un polinomio como (5.15) estn ubicadas todas en el semiplano izquierdo?
(5.15)
Antes de contestar esta pregunta, hacemos notar lo siguiente:

q q
Si (5.15) tiene coeficientes de signos diferentes, o coeficientes cero, entonces tiene al menos una raiz en el semiplano derecho o en el eje imaginario. Si (5.15) tiene todos sus coeficientes del mismo signo, no podemos extraer conclusiones a priori sobre la ubicacin de sus races.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineales/www.virtual.unal.edu.co/cursos/ingenieria/2001619/lecciones/realimenta/node3.html (1 de 25)06/07/2008 12:46:34
Para demostrar lo anterior, supngase primero que (5.15) tiene slo races reales, y por tanto puede factorizarse asi: $\displaystyle p(s)=A(s-\alpha_1)(s-\alpha_2) \cdots(s-\alpha_n)$ (5.16)
Si las races
son todas negativas, los trminos
sern todos positivos, y en general el producto
tendr todos los coeficientes positivos. De esta forma, los coeficientes de (5.15) sern todos positivos o debe ser negativo, lo que implicara que tendra al menos una raiz positiva
todos negativos, dependiendo del signo de (en el semiplano derecho).
en (5.16). Por esta razn, si
tiene coeficientes de signos diferentes o cero, necesariamente al menos un trmino
Ahora supngase que (5.15) tiene dos races complejas conjugadas: (5.17)
El producto de los trminos que tienen que ver con las races complejas es: $\displaystyle (s-(\delta+j\omega))(s-(\delta-j\omega))=s^2-2 \delta s +(\delta^2+\omega^2)$ (5.18)
Si
, es decir si las races estn en el semiplano izquierdo, ( 5.18) tendr slo coeficientes positivos, y por tanto (5.15) tendr todos sus coeficentes del mismo signo (positivos si
es positiva y negativos si
es negativa).
Como consecuencia de lo anterior, si (5.15) tiene coeficientes de signos diferentes, o cero, podemos asegurar que tiene una o ms races en el semiplano derecho o en el eje imaginario. Si por el contrario tiene todos los coeficientes de igual signo, es necesario realizar otro tipo de pruebas antes de establecer la ubicacin de sus races. Una de esas pruebas se conoce como la prueba de Routh-Hurwitz, para lo cual es necesario primero construir un arreglo especfico con los coeficientes de (5.15)
5.2.1.1 Construccin del arreglo de Routh

Dado un polinomio como (5.15)
Es posible construir el arreglo de Routh de lnea, siguiendo las siguientes indicaciones.
a partir de los coeficientes
que aparecen en (5.15). Para ello, inicialmente construimos el arreglo que se muestra en la figura 5.3. A continuacin, se completa el arreglo de Routh lnea por
Figura 5.3:Arreglo de Routh. Primeras dos lneas

q q
Cada nueva lnea se construye con informacin de las dos lneas inmediatamente anteriores. Para calcular el trmino simo de una lnea ( en la figura 5.4) se efecta la operacin
(5.19)
Figura 5.4:Arreglo de Routh. Dos lneas genricas Ejemplo 5.4 Considere el polinomio (5.20)
La figura 5.5 muestra las dos primeras lneas del arreglo de routh para (5.20)
Figura 5.5:Arreglo de Routh del ejemplo 5.4. Primeras dos lneas Los valores de la lnea correspondiente a se calculan asi:
No es necesario calcular
, porque ya no hay ms columnas en las dos primeras lneas, y por lo tanto el resultado ser 0. se tiene:
Para la lnea correspondiente a
Para la lnea correspondiente a
Y para la lnea correspondiente a
El resultado es el arreglo que se muestra en la figura 5.6
Figura 5.6:Arreglo de Routh del ejemplo 5.4 Es conveniente resaltar algunos aspectos de la construccin del arreglo
q q
El nmero de filas del arreglo disminuye progresivamente: cada dos filas se disminuye una columna. El trmino que est en la ltima columna justo antes de desaparecer sta es siempre el mismo (es en la figura 5.6), debido a que ste se calcular siempre como
5.2.1.2 Criterio de Routh-Hurwitz

El criterio de Routh-Hurtwiz puede expresarse asi:
Criterio de Routh-Hurwitz El nmero de races de (5.15) en el semiplano derecho es igual al nmero de cambios de signo que se suceden en la primera columna del arreglo de Routh de dicho polinomio.
Retomando el ejemplo 5.20, el polinomio (5.20) tiene dos races en el semiplano derecho, ya que su arreglo de Routh (figura 5.6) tiene dos cambios de signo en la primera columna: uno al pasar de Miremos ahora el sistema realimentado de la figura 5.1. La funcin de transferencia, y por lo tanto sus polos, dependen de la variable para que el sistema realimentado sea estable. Esto podemos verlo mediante los ejemplos 5.5, 5.6 y 5.7: condiciones en la varible Ejemplo 5.5 Supngase que en el sistema de la figura 5.1 se tiene que
, y otro al pasar de
, como claramente se establece en (5.5). La utilizacin del criterio de Routh-Hurwitz permite establecer
La funcin de transferencia del sistema realimentado es
El arreglo de Routh para el polinomio del denominador $ s^2+3s+(k+2)$
se muestra en la figura 5.7.
Figura:Arreglo de Routh del ejemplo 5.5 Para que todas las races estn en el semiplano izquierdo, y por lo tanto el sistema sea estable, se necesita que todos los signos de la primera columna sean iguales, y por lo tanto:
Podemos concluir que para cualquier valor de
superior a
el sistema ser estable, y para cualquier valor menor que
ser inestable. Justo cuando
el sistema tendr estabilidad Marginal.
Ejemplo 5.6 Supngase que en el sistema de la figura 5.1 se tiene que
(5.21)
El arreglo de Routh para el polinomio del denominador
se muestra en la figura 5.8.
Figura:Arreglo de Routh del ejemplo 5.6 Para que todas las races estn en el semiplano izquierdo, y por lo tanto el sistema sea estable, se necesita que todos los signos de la primera columna sean iguales, y por lo tanto: $ y $\displaystyle \displaystyle \qquad 6+K>0 $ 60-K>0$ en el intervalo $ (-6,60)$ el sistema ser estable, y para cualquier valor por fuera de ese intervalo ser inestable. Justo cuando
Podemos concluir que para cualquier valor de
o $ K=60$ el sistema tendr estabilidad Marginal.
Ejemplo 5.7 Supngase que existe un sistema dinmico continuo cuya funcin de transferencia tiene el siguiente denominador
El arreglo de Routh correspondiente se muestra en la figura 5.9.
Figura 5.9:Arreglo de Routh del ejemplo 5.7 Para que el sistema sea estable se necesita que todos los trminos de la primera columna sean del mismo signo, por lo tanto deben cumplirse las siguientes dos condiciones
La segunda condicin podra darse si tanto numerador como denominador son del mismo signo, sin embargo descartamos la opcin de que ambos sean negativos, porque la primera condicin impone que el denominador sea positivo, es decir las dos condiciones son:
La segunda condicin se cumple si $ K<-2.52$
o $ K>0.52$ . De estas dos posibilidades descartamos la primera, debido a que
debe ser positivo. Por lo tanto, aseguramos que el sistema sea estable si y slo si $ K>0.52$
5.2.1.3 Problemas en la construccin del arreglo de Routh

Debido a que los trminos del arreglos de Routh se calculan como est indicado en (5.19), surge una dificultad cuando en la primera columna aparece un cero, pues para calcular los trminos de las columnas siguientes ser necesario dividir por cero. Tal es el caso del polinomio
cuyo arreglo de Routh se muestra (parcialmente) en la figura 5.10.
Figura 5.10: Arreglo de Routh con cero en la primera columna. Arreglo incompleto Para calcular los trminos de la siguiente columna sera necesario dividir por cero. Una estrategia para obviar este problema consiste en remplazar 0 por , completar el arreglo, y luego analizar el lmite cuando tiende a cero por la derecha. En , el arreglo resulta ser como el de la figura 5.12, y por lo tanto el polinomio tiene dos races en el semiplano derecho. esas condiciones, el arreglo de Routh ser como el que se muestra en la figura 5.11. Cuando
Figura 5.11:Arreglo de Routh con cero en la primera columna. Aproximacin \begin{figure} \centering \begin {tabular}{l\vert ccc} $s^4$\ &$1$\ &$2$\ &$3$\\ ... ...$ \ &\\ $s^1$\ &$\infty$\ & &\\ $s^0 Figura 5.12: $\ &$3$\ de & &\\ Arreglo Routh \end{tabular} con cero en\end la {figure} primera columna. Arreglo completo
Una dificultad mayor surge cuando todos los trminos de una fila se hacen cero. Este hecho se conoce como la terminacin prematura del arreglo, y est relacionada con polinomios cuyas races estn ubicadas en forma simtrica respecto al origen, como por ejemplo cuando existen races en el eje imaginario. Tal es el caso del polinomio
cuyo arreglo de Routh se muestra (parcialmente) en la figura 5.13.
Figura 5.13: Arreglo de Routh con terminacin prematura. Arreglo incompleto La estrategia a emplear en este caso consiste en escribir el polinomio lnea vertical ( que se obtiene con los coeficientes de la fila inmediatemente superior a la que qued con ceros; el orden del primer monomio est dado por el trmino a la izquierda de la
en el ejemplo) y el de los dems monomios se decrementa en dos:
Este polinomio resulta ser un divisor exacto de
(puede comprobarse que
). El arreglo de Routh lo continuamos remplazando la fila de ceros por los coeficientes de la derivada de
El arreglo resultante se muestra en la figura 5.14
Figura 5.14:Arreglo de Routh con terminacin prematura. Arreglo completo
5.2.2 Lugar geomtrico de las races

De acuerdo con la ecuacin (5.5) los polos de la funcin de transferencia de un sistema como el de la figura5.1 dependen del valor de varia de cero a infinito ( ). los polos de (5.5) conforme Se define tambin el root-locus complementario como el grfico en el plano de la ubicacin de los polos de (5.5) conforme
. El lugar geomtrico de las races, o simplemente root-locus es el grfico en el plano
de la ubicacin de
varia de menos infinito a cero (
Ejemplo 5.8 Supngase que en el sistema de la figura 5.1 los bloques
son:
De tal manera que la funcin de transferencia del sistema realimentado es
(5.22)
Los polos de 5.22 estarn dados por
(5.23)
La tabla 5.3 muestra el valor de
para diversos valores positivos de
, segn (5.23). La figura 5.15 muestra cmo vara la ubicacin de los polos de (5.22): en rojo se muestra qu sucede al variar
de 0 a
es decir, lo que
corresponde al root-locus; en azul se muestra el efecto de variar
de menos infinito a cero, lo que corresponde al root-locus complementario.
Tabla 5.3:Polos de la funcin de transferencia del ejemplo 5.8
0 0
5.2.2.1 Determinacin de la estabilidad

Si nos referimos a la ecuacin (5.5), encontramos que la condicin para los polos de ser
(5.24)
Es importante hacer notar que la condicin expresada en (5.24) est dada en trminos de la ganancia de lazo abierto puede escribirse en trminos de su magnitud y ngulo:
en lugar de la funcin de transferencia del sistema realimentado (5.5). Dado que
es un complejo, (5.24)
(5.25)
De acuerdo con (5.25), si un valor como
forma parte del root-locus, entonces est en el root-locus) entonces .
o; adems, podemos saber cul es el valor de
que hace que la rama del root-locus pase justamente por
, pues
es positiva (estamos suponiendo que
Si por el contrario,
forma parte del root-locus complementario, entonces. est en el root-locus complementario) entonces $ K=-\frac{1}{\vert G . (s_0)H(s_0)\vert}$
o; el valor de
que hace que la rama del root-locus pase justamente por
, ser tal que pues
; como
es negativa
(estamos suponiendo que
Ejemplo 5.9 Si tomamos el ejemplo de la figura 5.15, podemos conocer cul es el valor de
que hace que la rama del root-locus complementario que viene desde
llegue a 0. Este valor ser justamente:
De esta manera, podemos concluir que para valores de semiplano izquierdo, y por lo tanto el sistema ser estable.
menores que
siempre habr un polo en el semiplano derecho, y por lo tanto el sistema ser inestable. Para valores
mayores que
todas las ramas del root-locus estn en el
Ejemplo 5.10 Supngase que en la figura 5.1 los valores de
son
(5.26)
La figura 5.16 muestra los diagramas de Root-Locus y Root-Locus complementario para (5.26). Ntese como una rama del root locus complementario (en azul) viene desde izquierdo. Esto significa que para valores de muy negativos el sistema realimentado tiene un polo en el semiplano derecho y por lo tanto es inestable.
por el eje real, y pasa del semiplano derecho al semiplano
Sin embargo, conforme cul es el valor de
aumenta y se acerca a 0 el polo que origina la inestabilidad se desplaza a la izquierda, y en algn momento pasa al semiplano izquierdo y por lo tanto el sistema realimentado deja de ser inestable. Para determinar . De acuerdo con 5.25 tenemos:
en el que sucede esta transicin, observamos que la rama cruza el eje imaginario justo en $ s=0+j0$
(5.27)
La ecuacin (5.28) establece cul es el valor absoluto de
$ \displaystyle \vert K \vert=6$ que hace que la rama del root-locus complementario pase del semiplano derecho al izquierdo. Como sabemos que se trata de valores negativos de es estable.
(5.28)
podemos establecer que para
$ K<-6$ el sistema realimentado es inestable, mientras que para
Si observamos ahora el diagrama de root-locus (en rojo) observamos que existen dos ramas (simtricas respecto al eje horizontal) que nacen en el semiplano izquierdo y pasan al semiplano derecho. Esto significa que para valores pequeos de el sistema realimentado es estable, pero a partir de algn valor positivo de se torna en inestable. Las dos ramas cruzan el eje imaginario simultaneamente, asi que para determinar el momento en el que sucede la transicin basta con estudiar una de ellas. Tomemos por ejemplo la rama superior, que cruza el eje imaginario en El valor de en el que esto sucede puede determinarse empleando 5.25: .
(5.29)
(5.30)
Segn la ecuacin (5.30) para
el sistema retroalimentado es estable, y para
es inestable.
Combinando esta informacin con la que se obtuvo al analizar el root-locus complementario puede concluirse que el sistema realimentado es estable si y slo si
5.2.2.2 Reglas de construccin de los diagramas

La figura 5.15 ha sido construida a partir de la expresin exacta de la ubicacin de los polos, dada por (5.23). No obstante, podra haberse empleado un mtodo diferente, ya que existen varias reglas constructivas, que permiten trazar manualmente el root-locus y el root-locus complementario de funciones de transferencia de orden superior, con un alto grado de precisin. Estas reglas constructivas, algunas de las cuales se han resumido en la tabla 5.55.4, se basan en la ecuacin (5.5). En el ejemplo 5.11 se muestra cmo se emplean estas reglas.
Tabla 5.5:Reglas de construccin para el root-locus y el root-locus complementario
Regla nmero de ramas Inicio de las ramas Fin de las ramas
root-locus
root-locus complementario
Polos de en )
(o
Ceros de en )
(o
Ceros de en )
(o
Polos de $ G(s)H(s)$ (o en )
Intervalos A la izquierda de un del eje nmero impar de polos y real ceros de Nmero de ramas que van hacia (o vienen desde) ngulos de las rectas asntotas Centroide de las rectas asntotas
A la izquierda de un nmero par de polos y ceros de $ G(s)H(s)$
Ejemplo 5.11 Trazar el root-locus y el root-locus complementario de
Para trazar el diagrama de root-locus, comenzamos por ubicar en el plano complejo los polos y ceros de $ G(s)H(s)$ (figura 5.17(a)). De acuerdo con la Regla cuales del root locus complementario (figura 5.17(b)). Las reglas y
, podemos definir qu intervalos del eje real forman parte del root locus y
nos permiten determinar si las ramas del eje real llegan o salen de los ceros y polos de $ G(s)H(s)$ (figura 5.17(c))
Segn la regla centroide
, debern existir ser:
ramas que van al infinito en el root locus, y otras
ramas que vienen desde el infinito en el root locus complementario. Estas ramas sern asntotas a unas rectas que cruzan el eje real en el
, que segn la regla
$\displaystyle \sigma=\frac{((0)+(-4)+(-1+j)+(-1-j)-(-1)}{4-1}= \frac{-5}{3} $
Podemos calcular los ngulos de esas rectas siguiendo la regla
(figura 5.17(d))
RL 0 o o o o
RLC $ \theta_0= o \frac{2i}{4-1} 180^$ o o o
Con esta informacin podriamos trazar parte de las ramas que van o vienen al infinito (figura 5.17(e)), pero sera necesario emplear otras reglas, o programas de simulacin, para obtener los diagramas completos (figura 5.17(f))
5.2.3 Diagramas y criterio de Bode

El anlisis del lugar geomtrico de las races permite establecer la ubicacin de los polos de un sistema como el de la figura 5.1 conforme cambia el valor de . Si estamos interesados en estudiar la estabilidad del sistema, debemos analizar los puntos en los cuales las ramas del root-locus y el root locus complementario cruzan el eje imaginario, pues es en ese punto en donde los polos pasan del semiplano izquierdo al derecho, o viceversa, y por lo tanto son los puntos en donde puede cambiar la estabilidad del sistema realimentado. Adems, el root-locus es simtrico respecto al eje horizontal, por lo cual basta con estudiar en qu momento las ramas atraviesan una de las dos mitades del eje imaginario, generalmente la mitad positiva. Este hecho sugiere otra posibilidad de estudiar la estabilidad de los sistemas realimentados: En lugar de estudiar en dnde estn ubicadas las ramas del root-locus en todo el plano complejo, centrar nuestra atencin nicamente en el eje imaginario positivo, y detectar cundo es atravesado por alguna rama del root-locus. Recordemos que de acuerdo con (5.25) los puntos del plano complejo que forman parte del root-locus son tales que al evaluar en ellos la funcin $ G(s)H(s)$ el ngulo del nmero complejo resultante debe ser oo o.
De acuerdo con lo anterior, los puntos en donde puede cambiar la estabilidad del sistema realimentado coincide con aquellos puntos
del eje imaginario en donde
$\displaystyle \arg{\left\{G(j\omega) H(j\omega)\right\}}=\left\{ \begin {matrix}\pm 180^\text{o} \\ 0^\text {o} \end{matrix} \right.$ Para encontrar cules son los valores de que satisfacen (5.31) pueden trazarse los diagramas de bode5.5 de $ G(s)H(s)$ y buscar grficamente en el diagrama de fase cules son los puntos en donde el ngulo de vale
(5.31)
oo
o, tal como se muestra en la figura 5.185.6. Para determinar los valores de (5.25): en los cuales la rama del root-locus atraviesa el eje imaginario, puede emplearse nuevamente
(5.32)
El valor de
puede leerse (en decibeles) en el diagrama de bode de magnitud, tal como se muestra en la figura 5.18. A partir de ese valor, y empleando (5.32) puede determinarse los valores de en la figura 5.18).
para los cuales una rama del
root-locus atraviesa el eje imaginario (
5.2.3.1 Mrgenes de estabilidad

Las ecuaciones (5.31) y (5.32) establecen dos condiciones que deben cumplir los puntos del plano complejo para formar parte del root-locus o del root-locus complementario; una de las condiciones hace referencia a la gananacia de , y explorar qu margen se tiene cuando se cumple una de esas condiciones:
y la otra a su fase. La idea de los mrgenes de estabilidad consiste en suponer que Margen de ganancia: El margen de ganancia consiste en el menor valor por el que se debe amplificar la ganancia de
cuando se satisface la condicin (5.31), para que simultneamente se cumpla la condicin (5.32).
Para el caso en que $ K>0$ , el margen de ganancia puede leerse (en decibeles) en los diagramas de bode como el valor negativo de la ganancia a la frecuencia en la que la fase es de
o.
Para el caso en que Margen de fase:
, el margen de ganancia puede leerse (en decibeles) en los diagramas de bode como el valor negativo de la ganancia a la frecuencia en la que la fase es de
o.
El margen de fase consiste en el menor valor que se le debe sumar al ngulo de
cuando se satisface la condicin (5.32), para que simultneamente se cumpla la condicin (5.31)
Para el caso en que $ K>0$ , el margen de fase puede leerse en los diagramas de bode como
, donde
es el ngulo a la frecuencia en la que la ganancia es de
Para el caso en que $ K<0$ , el margen de fase puede leerse en los diagramas de bode como Ejemplo 5.12 Supngase que en el sistema de la figura 5.1 los bloque $ G (s)$ y $H (s)$
, donde
es el ngulo a la frecuencia en la que la ganancia es de
son:
(5.33)
La figura 5.19 muestra los Diagramas de Bode de
. Segn (5.31) los puntos en los cuales puede cambiar la estabilidad del sistema realimentado son aquellos en los que el ngulo de
es
o o es
o.
Al observar la figura 5.19 notamos que el ngulo de lo que significa que la magnitud de
es
o para una frecuencia de
Hz, es decir para
. En esa frecuencia el valor de la magnitud de $ G(j\omega)H es de (j\omega)$ , lo que equivale a:
db,
, en decibeles, para la cual una rama del root-locus atraviesa el eje imaginario es tal que
como
(hemos encontrado una rama del root locus) entonces
Tambin debemos buscar los puntos para los cuales el ngulo de magnitud de $ G(j\omega)H es asinttico a (j\omega)$ a:
es
o. En la figura 5.19 se observa que el diagrama de fase es asinttico a
o, es decir, que para
el ngulo de
es
o. El diagrama de , lo que equivale
db, lo que significa que la magnitud de
, en decibeles, para la cual una rama del Root-Locus complementario atraviesa el eje imaginario es tal que
como $ K<0$ (hemos encontrado una rama del root locus complementario) entonces
Hemos encontrado los valores de
para los cuales un polo cruza el eje imaginario, y han resultado ser
. Esto significa que al variar
desde
hasta
, la estabilidad del sistema realimentado slo puede cambiar en
. En consecuencia, podemos definir tres intervalos para

q
en los cuales la estabilidad es constante; para conocer la estabilidad de cada intervalo basta con determinar la de uno de sus puntos:
: Seleccionamos
de tal manera que el denominador de (5.21) se convierte en
Como el denominador tiene coeficientes de signos diferentes al menos tiene una raiz en el semiplano derecho, y en consecuencia el sistema realimentado es inestable.
q
: Seleccionamos
Las raices del denominador son negativas (
) , y en consecuencia el sistema realimentado es estable.
: Seleccionamos
cuyas raices son
, es decir que tiene dos raices en el semiplano derecho y en consecuencia el sistema realimentado es inestable.
5.2.4 Diagrama y criterio de Nyquist

Para poder presentar el criterio de Nyquist, es conveniente recordar antes el principio del argumento, que puede explicarse a partir de la metodologa grfica para calcular el valor de una funcin compleja racional.
5.2.4.1 Determinacin grfica del valor de una funcin compleja racional

Supngase una funcin compleja que puede escribirse como una razn de polinomios:
(5.34)
Al factorizar los polinomios, la ecuacin (5.34) podr escribirse como
(5.35)
Si se quiere calcular el valor de
para un valor especfico de , digamos
, es decir, si se quiere calcular
, basta con remplazar
por
$\displaystyle F(s_0)=A\frac{(s_0-c_1)(s_0-c_2) \cdots(s_0-c_m)}{(s_0-p_1)(s_0-p_2)\cdots(s_0p_ n)}$
(5.36)
Cada uno de los parntesis que aparecen en (5.36) puede determinarse de forma grfica, tal como se explica a continuacin: La figura 5.20 muestra el diagrama de polos y ceros de una funcin de transferencia se observa que el vector corresponde al vector que va desde hasta . La magnitud y el ngulo de dicho vector pueden medirse en la grfica, y correspondera al primero de los parntesis de (5.36).
hipottica; en dicho diagrama
De forma similar podra procederse con cada uno de los parntesis de (5.36), de tal manera que una forma de calcular la magnitud y el ngulo de
sera:
(5.37)
(5.38)
siendo
o si
o si
5.2.4.2 Principio del argumento

Para presentar el principio del argumento, supongamos inicialmente que la funcin a que se refiere la ecuacin (5.34) es
(5.39)
es decir, tiene un nico cero en
y no tiene polos. Supongamos tambin que deseamos calcular
, para
La figura 5.21 muestra dos planos complejos: en el primero de ello se ha dibujado el diagrama de polos y ceros de (5.39); este plano lo denominaremos plano s. En el segundo plano se ha dibujado el resultado de calcular denominaremos plano F. Para obtener y poder graficarlo en el plano se ha empleado el mtodo grfico en el plano , y el resultado se ha trasladado, tal como se seala en la figura 5.21.
, y por eso lo
Si ahora quisieramos calcular
no en un nico punto
sino en todos los puntos de una trayectoria cerrada del plano , podriamos repetir el procedimiento anterior en cada uno de los puntos de la trayectoria. Las figuras 5.22 y 5.23 otra trayectoria cerrada en sentido horario.
muestran los resultados para dos trayectorias diferentes que se han recorrido en el sentido horario. En ambos casos se produce en el plano La principal diferencia entre las dos trayectorias seleccionadas es que la primera de ellas (figura 5.22) no encierra al cero de cerrada que aparece en el plano no encierra al origen, mientras que en el segundo s lo hace.
mientras que la segunda (figura 5.22) s lo hace. Como consecuencia de esto, en el primer caso la trayectoria
Las figuras 5.24 y 5.25 muestran cul habra sido el resultado si del plano negativo.
tuviera un polo en
en lugar de un cero, es decir si
. En el plano
aparecen trayectorias cerradas que slo encierran al origen si la trayectoria tiene signo
encierra al polo. Sin embargo, debe resaltarse que el sentido de la trayectoria que encierra al origen es antihorario, lo que se explica observando que en la ecuacin (5.38) el ngulo de los vectores que van de polos a
Ahora bien, si la trayectoria hubiese encerrado varios ceros y varios polos, cada uno de estos ceros habra contribuido en 5.36 con un trmino que habra variado o en sentido antihorario. habra variado Otro detalle a tener en cuenta, es que si la trayectoria pasa por un polo de consignarse en el principio del argumento, que se presenta a continuacin: Principio del argumento Dada una funcin , calculada en una trayectoria cerrada , , al calcularla en ese punto el resutado ser
o en sentido horario, mientras que cada polo lo hara con otro trmino que
, y por lo tanto la trayectoria generada en el plano
no necesariamente ser cerrada. Estos hechos pueden
que no pasa por ningn polo de
, recorrida en sentido horario,
el resultado es tambin una trayectoria cerrada que encierra al origen en sentido horario un nmero de veces :
(5.40)
5.2.4.3 Trayectoria de Nyquist

La trayectoria de Nyquist para un sistema continuo realimentado como el de la figura 5.1 es una curva cerrada nyquist para el caso general. que abarca todo el semiplano derecho, y que no contiene ningn polo de . La figura 5.26 muestra la trayectoria de
Ntese que la trayectoria de Nyquist recorre todo el eje emaginario y regresa por una semicircunferencia de radio Para el caso especial en que
, abarcando todo el semiplano derecho.
tiene polos en el eje imaginario es necesario modificar la trayectoria, tal como se muestra en la figura 5.26, mediante pequeas semicircunferencias de radio arbitrariamente pequeo
5.2.4.4 Diagrama de Nyquist

Para un sistema continuo como el de la figura 5.1, el diagrama de Nyquist es la trayectoria orientada que resulta de calcular a travs de la trayectoria de Nyquist (ver figura 5.28).
5.2.4.5 Criterio de Nyquist

Para el sistema continuo realimentado de la figura 5.1, con definamos la funcin
Si calculamos
a lo largo de la trayectoria de Nyquist
, el resultado es una curva
. El criterio de Nyquist se deriva de aplicar el principio del argumento a esta curva. Aplicando (5.40) se tiene:
(5.41)
La ecuacin (5.42) puede escribirse de otra forma, si se tiene en cuenta que:

q q
La curva
encierra todo el semiplano derecho Los polos de $ R son los mismos polos de , como se puede verificar en (5.41) (s)$ Los ceros de son los mismos polos del sistema realimentado (con ) como puede verse al comparar (5.41) con (5.5)
Con estas consideraciones la ecuacin (5.42) se convierte en
(5.42)
es la curva que resulta de calcular $ R a lo largo de la trayectoria de Nyquist , pero como (s)$ al origen es igual que evaluar cuntas veces encierra el diagrama de Nyquist de cuntas veces encierra
, el punto
es igual al diagrama de Nyquist de $ G(s)H(s)$ desplazado a la derecha una unidad; de tal manera que evaluar . Por esta razn podemos convertir (5.43) en la forma conocida como el criterio de Nyquist:
Criterio de Nyquist El nmero de polos en el semiplano derecho que tiene un sistema continuo realimentado como el de la figura 5.1 , con puede determinarse a partir de la ecuacin (5.43)
Para que el sistema realimentado sea estable debe tener cero polos en el semiplano derecho.
El criterio de Nyquist tambin permite determinar qu valores puede tener
en la figura 5.1, para que el sistema realimentado sea estable. Para ello debe notarse que el diagrama de Nyquist de
difiere del diagrama de Nyquist de para asegurar que no
slo en la escala, es decir tienen la misma forma, pero el primero est amplificado respecto al segundo haya polos en el semiplano derecho.
veces. Observando el diagrama de Nyquist puede determinarse qu tanto debe amplificarse
Para estudiar los valores negativos de rotacin de
que haran que el sistema fuera estable, podramos trazar el diagrama de Nyquist de .
; sin embargo esto no es necesario, ya que ese diagrama slo puede diferir del de
en una
o, por lo tanto es suficiente con averiguar qu tantas veces se encierra el punto
Ejemplo 5.13 La figura 5.29 muestra el diagrama de Nyquist correspondiente a un sistema realimentado con
(5.44)
En esa figura se han destacado los puntos en los que el Diagrama de Nyquist cruza el eje real ( $ -1/60 y $ Nyquist, ecuacin (5.44), establece que:
). El nmero de polos que
tiene en el semiplano derecho es cero, de acuerdo con (5.45). De esta forma, el criterio de
(5.45)
y por lo tanto el sistema realimentado es estable para para
. Adems, en el diagrama de Nyquist se observa que ste se puede amplificar hasta 60 veces sin que cambie el nmero de veces que encierra al punto
, lo que significa que
el sistema sigue siendo estable. Si se amplifica por un valor superior a
el punto $ (-1,0)$ resulta encerrado dos veces por el diagrama, y por lo tanto el sistema realimentado tendr dos polos en el semiplano derecho, es
decir, ser inestable. Evaluamos ahora la estabilidad para valores negativos de Remitindonos nuevamente a la figura 5.29, observamos que podemos amplificar 6 veces el diagrama sin que cambie el nmero de veces que encierra al punto , lo que
significa que para $ -6>K>0$
el sistema sigue siendo estable. Si se amplifica por un valor mayor a .
el punto
resulta encerrado una vez por el diagrama, y por lo tanto el sistema realimentado tendr un polo en el semiplano
derecho, es decir, ser inestable. En resumen, el sistema ser estable para
5.3 Estabilidad y criterios de estabilidad en sistemas discretos
Subsecciones
q q
5.3.1 Transformacin bilineal 5.3.2 Arreglo y criterio de Jury r 5.3.2.1 Construccin del arreglo de Jury r 5.3.2.2 Criterio de Jury r 5.3.2.3 Problemas en la construccin del arreglo de Jury 5.3.3 Lugar geomtrico de las races 5.3.4 Diagramas y criterio de Bode 5.3.5 Diagrama y criterio de Nyquist
q q q

Por razones anlogas a las expresedas en la seccin 5.2, la estabilidad de sistemas dinmicos lineales discretos tambin est determinada por la ubicacin de sus polos. La condicin de estabilidad consiste en que stos deben estar ubicados en el interior del crculo unitario. Debido a que esta condicin es diferente a la que existe para los sistemas continuos, las herramientas presentadas en la seccin 5.2 no pueden emplearse directamente, sino que es necesario efectuar algn tipo de adecuacin. Existen en general tres estrategias:
q q q
Adecuar el sistema discreto para que parezca un sistema continuo. Este es el caso de la transformacin bilineal que se explica en la seccin 5.3.1. Disear estrategias especficas para sistemas discretos. El criterio de Jury que se presenta en la seccin 5.3.2 corresponde a este caso. Adecuar las estrategias de anlisis para que funcionen con sistemas discretos. Las secciones 5.3.3, 5.3.4 y 5.3.5 explican como adecuar las estrategias de root-locus, Bode y Nyquist, respectivamente (ver seccin5.2), para aplicarlas en el caso discreto.
5.3.1 Transformacin bilineal

La transformacin
(5.46)
Se conoce como la transformacin bilineal, ya que al despejar
en (5.47) resulta una expresin similar:
(5.47)
La transformacin bilineal tiene la propiedad de transformar la circunferencia unitaria en el eje imaginario. Para demostrarlo, supongamos un valor de observamos que se transforma en
que est en la circunferencia unitaria, es decir
para algn valor de
. Al aplicar (5.47)
que puede escribirse como
Al efectuar las operaciones se obtiene que
es un imaginario puro:
(5.48)
La tabla 5.6 muestra cmo se transforman algunos puntos sobre la circunferenca unitaria. Esta transformacin se visualiza en la figura 5.30.
Tabla 5.6:Transformacin bilineal de algunos puntos sobre la circunferencia unitaria
indefinido
Ejemplo 5.14 Supngase que en el sistema de la figura 5.2 se tiene que
(5.49)
(5.50)
Al aplicar la transformacin bilineal a
se obtiene
Los valores de
que hacen que todas las races de
estn dentro del crculo unitario en el plano
son los mismos valores que hacen que todas las races de
estn en el semiplano izquierdo del plano
. Estos ltimos pueden determinarse por medio del
criterio de Routh Hurwitz. El arreglo correspondiente se muestra en la figura 5.31 de donde se deduce que las condiciones para que el sistema del ejemplo sea estable son: (5.51)
O lo que es equivalente: (5.52)
Figura 5.31:Arreglo de Routh para el sistema transformado
5.3.2 Arreglo y criterio de Jury

El criterio de Jury 5.7permite determinar cuntas races tiene un polinomio en el interior del crculo unitario. Cumple, para el caso discreto, un papel anlogo al que cumple el criterio de Routh-Hurwitz en el caso continuo.
5.3.2.1 Construccin del arreglo de Jury

Dado un polinomio
(5.53)
en donde los coeficientes coeficientes de
son reales y
es positivo, es posible construir el Arreglo de Jury de hasta
a partir de los coeficientes
que aparecen en (5.54). Para ello, inicialmente se construye el arreglo que se muestra en la figura 5.32: la primera lnea contiene los
en orden, desde
, y en la segunda lnea en orden inverso. En general, cada lnea par contiene los mismos coeficientes que la lnea inmediatamente anterior pero en el orden inverso.
Los elementos de las lneas impares se construyen asi:

(5.54)
Es decir, el primer elemento de una fila impar se calcula como el determinate de la matriz construida tomando de las dos lneas inmediatamente anteriores la primera y la ltima columna; el segundo elemento de forma similar pero con la primera y la penltima columnas; el tercero con la primera y la antepenltima, y asi sucesivamente. Dado que el ltimo elemento sera el determinante de la matriz formada con dos columnas iguales (la primera dos veces), este valor ser siempre cero, y por tanto no se escribe en el arreglo (se ha eliminado).
Figura 5.32:Arreglo de Jury. Primeras dos lneas Ejemplo 5.15 Considrese el polinomio (5.55)
Las primeras dos lneas del arreglo de Jury para La tercera lnea se construye asi:
se muestran en la figura 5.33. Slo es necesario construir 5 lneas, porque
El arreglo con las cuatro primeras lneas su muestra en la figura 5.34.La quinta lnea se construye asi:
Figura 5.33:Arreglo de Jury del ejemplo 5.15. Primeras dos lneas
Figura 5.34:Arreglo de Jury del ejemplo 5.15. Primeras cuatro lneas
Figura 5.35:Arreglo de Jury del ejemplo 5.15. Arreglo completo
5.3.2.2 Criterio de Jury

El Criterio de Jury puede expresarse asi: Criterio de Jury Las condiciones necesarias y suficientes para que del plano son: en (5.54) tenga todas sus races en el interior del crculo unitario
condiciones
Ntese que este criterio se reduce a unas condiciones muy simples para el caso de polinomios de segundo orden (
):
Ejemplo 5.16 Supngase el polinomio
de la ecuacin (5.56) en el Ejemplo 5.15, cuyo arreglo de Jury se muestra en la figura 5.35. Las condiciones (5.57) se convierten en:
Por lo que
tiene todas su races en el interior del crculo unitario. Efectivamente, las races de
son:
Ejemplo 5.17 Supngase ahora un sistema como el del ejemplo 5.14, es decir un sistema realimentado como el de la figura 5.2 con
(5.59)
(5.60)
Para que el denominador de
tenga todas sus races en el crculo unitario, y por tanto el sistema realimentado sea estable, se deben satisfacer (5.57); como el denominador es de segundo orden, estas condiciones se convierten en las que muestra (5.58), es decir:
Estas condiciones se convierten en
o lo que es equivalente:
(5.63)
que coincide con lo obtenido en (5.53)
5.3.2.3 Problemas en la construccin del arreglo de Jury

Es posible que algunos o todos los elementos de una fila en el arreglo de Jury sean cero, en cuyo caso se considera que el arreglo ha terminado de forma prematura. La solucin ha este inconveniente se considera fuera del alcance del curso y por lo tanto se ha omitido en estas notasfootnotevase [#!RAO!#].
5.3.3 Lugar geomtrico de las races

El root-locus y el root-locus complementario muestran cmo vara la ubicacin de los polos de la ecuacin (5.5) al variar . Como la forma de (5.5) y la de (5.6) son idnticas, pueden emplearse estos diagramas en forma anloga a como se emplean en el caso continuo para determinar la estabilidad de un sistema discreto realimentado como el de la figura 5.2: deben encontrarse las condiciones para que todas las ramas del root-locus y el root-locus complementario estn en el interior del crculo unitario. Ejemplo 5.18 Tomemos el mismo sistema analizado en los ejemplos 5.14 y 5.17. Se trata de un sistema realimentado como el de la figura 5.2 con
(5.64)
El root-locus y el root-locus complementario de
se muestra en la figura 5.36. Se ha dibujado all tambin el crculo unitario, para facilitar la determinacin de la estabilidad.
El root-locus cruza el circulo unitario en
, Estos puntos corresponden a una ganancia
positiva tal que
(5.65)
El root-locus complementario cruza el crculo unitario en
y en
.Estos puntos corresponden a unas ganancias
negativa tales que
(5.66)
(5.67)
De las ecuaciones (5.66), (5.67) y (5.68) se desprenden las condiciones para que el root-locus y el root locus complementario estn en el interior del crculo unitario: Para el root-locus se necesita que y . Estas condiciones se pueden resumir en una sla
y para el root-locus complementario que
(5.68)
que coincide con las encontradas en (5.53) y (5.64)
5.3.4 Diagramas y criterio de Bode

En la seccin 5.2.3 se muestra cmo pueden emplearse los Diagramas de Bode para estudiar la estabilidad de sistemas realimentados contnus como los de la figura 5.1. La figura 5.18 muestra la relacin entre el cruce por el eje real de las ramas del root-locus y el rootlocus complementario con los diagramas de bode de .
Para estudiar la estabilidad de los sistemas discretos ya no es importante el cruce por el eje imaginario, sino el cruce por la circunferencia unitaria. Por esta razn, los diagramas de
ya no son tiles.
Dicho de otra forma, ya no es interesante recorrer el eje imaginario
, sino la circunferencia unitaria. Esta ltima se puede recorrer con la funcin
, variando
entre 0 y
. En efecto, podemos emplear la Frmula de Euler para escribir
(5.69)
La ecuacin (5.70) muestra que
es un nmero complejo de magnitud
y ngulo
, por lo tanto, si
vara entre 0 y
se recorre la circunferencia unitaria. .
Al igual que en el caso continuo, podemos argumentar la simetra del root-locus para recorrer unicamente la mitad de la circunferencia, es decir, tomar
En resumen, podemos trazar los diagramas de magnitud y ngulo para diagramas de bode para sistemas continuos.
con
, o lo que es igual, para
con
. Estos son los diagramas de bode para sistemas discretos y emplean las mismas escalas que los
La relacin que existe entre los diagramas de root-locus y root-locus complementario, por una parte, y los diagramas de bode, por otra, para sistemas discretos se muestra en la figura 5.37. De esta forma, la determinacin de la estabilidad de sistemas realimentados discretos es completamente anloga al caso continuo, y se ilustra con el ejemplo 5.19
Ejemplo 5.19 Retomemos el mismo sistema analizado en los ejemplos 5.14, 5.17 y 5.18. Se trata de un sistema realimentado como el de la figura 5.2 con
(5.70)
Los diagramas de bode de
se muestran en la figura 5.38 (Ntese que
vara de 0 a
).
Se observa que el ngulo de
es
o para una frecuencia de
Hz, es decir para , lo que equivale a:
. En esa frecuencia el valor de la magnitud de
es de
db, lo que significa que la magnitud de
, en
decibeles, para la cual una rama del Root-Locus atraviesa la circunferencia unitaria es tal que
(5.71)
Para estudiar los cruces por la circunferencia unitaria de ramas del root-locus complementario, observamos que el diagrama de fase es asinttico a Hz, es decir el ngulo es de o, que es igual a o.
o, es decir que para
el ngulo de
es
o. Tambin se observa que para una frecuencia de
Lo anterior significa que dos ramas del root locus complementario cruzan la circunferencia unitaria en
que se pueden calcular como:
(5.72)
(5.73)
Los resultados de las ecuaciones (5.72) a (5.74) son coherentes con los obtenidos en (5.53), (5.64) y (5.69).
5.3.5 Diagrama y criterio de Nyquist

El criterio de Nyquist para sistemas realimentados continuos de la ecuacin (5.44) se construye empleando las trayectorias de Nyquist que se muestran en las figuras 5.26 y 5.27. Estas trayectorias han sido diseadas en forma tal que encierran todo el semiplano derecho y asi poder emplear el principio del argumento (ecuacin (5.40)) en forma conveniente. Para sistemas discretos realimentados como los de la figura 5.2 es necesario modificar la trayectoria de Nyquist para que encierre toda la porcin del plano complejo que est por fuera del crculo unitario. La trayectoria seleccionada se muestra en la figura 5.39; en caso de que tenga polos exactamente sobre la circunferencia unitaria, es necesario modificar la trayectoria como se muestra en la figura 5.40. Denominaremos al diagrama obtenido con estas trayectorias Diagrama de Nyquist para sistemas discretos, o
simplemente Diagrama de Nyquist discreto.
En estas condiciones, el Criterio de Nyquist para sistemas discretos puede enunciarse asi: Criterio de Nyquist para sistemas discretos El nmero de polos por fuera del crculo unitario que tiene un sistema discreto realimentado como el de la figura 5.2 , con puede determinarse a partir de la ecuacin (5.74)
Para que el sistema realimentado sea estable debe tener cero polos por fuera del crculo unitario. Ejemplo 5.20 Retomemos el mismo sistema analizado en los ejemplos 5.14, 5.17, 5.18 y 5.19. Se trata de un sistema realimentado como el de la figura 5.2 con
(5.75)
El diagrama de Nyquist de
se muestra en la figura 5.41; puede observarse que el diagrama de Nyquist encierra una vez el punto
. Adems,
tiene cero polos por fuera del crculo unitario. Segn (5.75) se tiene que
(5.76)
y por lo tanto el sistema realimentado con
es inestable. Sin embargo el nmero de veces que se encierra el punto , se necesita que
puede ser 0 si el diagrama se amplifica por un valor positivo menor que
. En estas condiciones el sistema realimentado ser
estable. Por lo tanto, para que el sistema realimentado sea estable con valores positivos de
Para estudiar los valores negativos de
que haran que el sistema fuera estable, podramos trazar el diagrama de Nyquist de
; sin embargo esto no es necesario, ya que ese diagrama slo puede diferir del de
en una rotacin de
o,
por lo tanto es suficiente con averiguar qu tantas veces se encierra el punto
En la figura 5.41 se observa que el nmero de veces que el diagrama de Nyquist puede encerrar al punto Si se amplifica por una cantidad menor que Si se amplifica por una cantidad mayor que Si se amplifica por una cantidad mayor que lo encierra 0 veces. y menor que lo encierra lo encierra veces.
es 0,
en las siguientes condiciones:
q q q
vez.
Por lo tanto, para que el sistema realimentado sea estable con valores negativos de Al combinar los resultados obtenidos para valores positivos y negativos de
, se necesita que
se tiene que (5.77)
que coincide con (5.53), (5.64), (5.69) y (5.72).
6.1 Introduccin
6.1 Introduccin
En los captulos anteriores se han presentado distintas estrategias para modelar el comportamiento de sistemas dinmicos continuos y discretos, entre ellas:
q q q q q
Ecuaciones diferenciales o de diferencia Funciones de transferencia Respuestas al impulso Diagramas de bloque Diagramas de flujo de seal
En este captulo se estudia una nueva alternativa que emplea un conjunto de variables denominadas variables de estado. Puede pensarse que stas son tan slo variables matemticas auxiliares, aunque en ocasiones tienen un sentido fsico. Algunas de las ventajas que se obtienen con esta nueva representacin son las siguientes:
q q
q q
La representacin de sistemas de mltiples entradas y mltiples salidas es ms sencilla. Toda la dinmica del sistema se representa por ecuaciones diferenciales o de diferencia de primer orden. Permite el desarrollo de mtodos computacionales ms eficientes para la simulacin de sistemas dinmicos. Brinda una nueva perspectiva sobre la dinmica de los sistemas. Algunas de las tcnicas de control moderno (como el control robusto) se basan en este tipo de representacin.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...o/cursos/ingenieria/2001619/lecciones/estado/node2.html (1 de 4)06/07/2008 12:47:18
6.1 Introduccin
Vale la pena aclarar que si bien las ecuaciones que se emplean son de primer orden, stas operan sobre vectores. Refirindonos a las figuras 6.1 y 6.2, si se trata de un sistema continuo sern:
(6.1)
y si se trata de un sistema discreto sern:
(6.2)
En las ecuaciones (6.1) y (6.2)
es un vector que contiene cada una de las salidas del sistema,
entradas al sistema,
es un vector que contiene cada una de las una de las
es un vector que contiene cada
variables de estado del sistema, es decir:
(6.3)
Las ecuaciones vectoriales (6.1) y (6.2) son en realidad un conjunto de ecuaciones. Por ejemplo, las ecuaciones (6.1) corresponden a algo de la forma:
6.1 Introduccin
En general, estudiaremos sistemas dinmicos lineales invariantes en el tiempo, de mltiples entradas y mltiples salidas. Si el sistema es continuo, como el de la figura 6.1 su modelo corresponder a las ecuaciones Matriciales
(6.4)
Si el sistema es discreto, como el de la figura 6.2 su modelo corresponder a las ecuaciones matriciales
(6.5)
En las ecuaciones (6.4) y (6.5)
son matrices de tamao adecuado:
(6.6)
(6.7)
Para encontrar la solucin de las ecuaciones (6.4) y (6.5) y efectuar su anlisis, pero sobre todo para
6.1 Introduccin
buscarle un significado a las variables de estado, se emplean algunos conceptos de lgebra Lineal. Con el propsito de recordar esos conceptos, se presenta en la seccin 6.2 los resultados necesarios ms importantes. Una presentacin formal de stos se encuentra en el apndice [*] , de donde se han extraido algunos apartes y ejemplos.
6.2 Algunos resultados de lgebra lineal
Subsecciones
q q q
6.2.1 Espacios vectoriales 6.2.2 Valores y vectores propios 6.2.3 Forma cannica de Jordan r 6.2.3.1 Matrices con valores propios diferentes r 6.2.3.2 Matrices con valores propios repetidos r 6.2.3.3 Matrices con valores propios complejos 6.2.4 Funciones de matrices cuadradas

6.2.1 Espacios vectoriales
Sea un conjunto y un campo (usualmente se trata de o con las
operaciones usuales de suma y multiplicacin). A los elementos de se les denomina Vectores, y a los elementos de Escalares. tiene estructura de Espacio Vectorial sobre si est dotado de una operacin binaria (suma vectorial) y una operacin entre elementos de y (Producto por escalar) que cumplen las siguientes propiedades: Para la suma vectorial V.1 Clausurativa: V.2 Asociativa: V.3 Modulativa: V.4 Invertiva: V.5
Conmutativa: Para el producto por escalar V.1 Clausurativa: V.2 Asociativa: V.3 Modulativa: V.4 Anulativa: Para las dos operaciones V.1 Distributiva respecto a V.2 Distributiva respecto a : : . Donde 0 es el mdulo de ,y es el mdulo de . es el mdulo de
Ejemplo 6.1 Uno de los espacios vectoriales ms conocidos, y que servir para futuros ejemplos en sobre el campo con las operaciones usuales. En general, este captulo es el formado por sobre el campo con las operaciones usuales forma un espacio vectorial. Ejemplo 6.2 El conjunto de todos los polinomios sobre el campo entre polinomios forma un espacio vectorial. con las operaciones usuales
Ejemplo 6.3 El conjunto de todas las funciones continuas a trozos sobre el campo operacin definida como la suma punto a punto forma un espacio vectorial.
con la
Ejemplo 6.4 El conjunto de todas las matrices de tamao fijo operaciones usuales entre matrices forma un espacio vectorial.
sobre el campo
con las
Los siguientes son algunos conceptos asociados a los espacios vectoriales: Subespacio: Es un espacio vectorial contenido dentro de otro espacio vectorial, por ejemplo una recta que
cruce por el origen dentro del plano. Combinacin lineal: Es una expresin de la forma
en donde los
son escalares y los
son vectores
Independencia lineal: Un conjunto de vectores es lineamente independiente si la nica combinacin lineal de ellos cuyo resultado es es la que tiene todos los coeficientes iguales a 0. Conjunto generado: Es el conjunto de todas las posibles combinaciones lineales de los vectores de un cierto conjunto, al que se denomina conjunto generador. Dimensin: Es el mximo nmero de vectores linealmente independientes que puede haber en un espacio vectorial. Base: Es cualquier conjunto de vectores linealmente independiente que adems genera el espacio vectorial. En la base estndar est formada por los vectores y
Coordenadas de un vector: Un vector de un espacio vectorial puede escribirse como una nica combinacin lineal de su base :
Los coeficientes
de esa combinacin lineal son las coordenadas de
en la base
Cambios de base: Un mismo vector tendr diferentes coordenadas en dos bases diferentes. Sean y de dimensin . Definimos las matrices y columnas cada uno de los elementos de las bases dos bases del mismo espacio vectorial como las matrices que tienen en sus y respectivamente:
Un vector y
tendra coordenadas
en la base
en la base
. Definimos los vectores columna
que contienen las coordenadas:
Las expresiones que permiten encontrar las coordenadas de coordenadas en la otra son las siguientes:
en una base a partir de sus
(6.8)
sea la base estndar, la matriz En caso de que (6.8) se convierte en
resulta ser la matriz identidad de orden
(6.9)
Transformaciones lineales: de dimensin Dado un espacio vectorial contexto de este captulo, una funcin cuadrada de dimensin :
, entenderemos por transformacin lineal, en el que puede representarse por una matriz
En otras palabras, una transformacin lineal toma un vector mediante la operacin .
y produce un vector
Transformaciones y cambios de base:
Sea
una transformacin lineal, que en la base estndar se representa por la matriz por
. La
misma transformacin se representar en otra base
(6.10)
en donde
Ejemplo 6.5 La funcin consistente en la rotacin de vectores horario es una transformacin lineal representada por la matriz :
o en sentido
Un vector asi:
de coordenadas
se convertir en un vector
cuyas coordenadas se calculan
Ejemplo 6.6 En
puede definirse una base con cualquier pareja de vectores no paralelos. , (vectores rojos en la figura 6.3). y
Definamos por ejemplo
Consideremos ahora el vector
en la figura 6.3. Sus coordenadas en la base estndar
sern
Para obtener las coordenadas de empleamos (6.9)
en las bases
construimos las matrices
Puede verificarse que las coordenadas en las bases
satisfacen las relaciones (6.8)
Ejemplo 6.7 En el ejemplo 6.5 se mostr que la rotacin de representada en la base estndar por la matriz
o en sentido horario estaba
La misma transformacin se representar en la base
por la matriz
Supngase ahora el vector son un vector
, cuyas coordenadas en la base estndar son
y en la base
(ejemplo 6.6). Al efectuar la rotacin de cuyas coordenadas en la base estndar sern
o en sentido horario se obtendr sern :
y en la base
6.2.2 Valores y vectores propios

Sea una transformacin lineal . Un escalar caracterstico de si existe un vector no nulo tal que que satizfaga es un valor propio o valor . Cualquier vector no nulo
(6.11)
es un vector propio asociado con el valor propio
6.1.
La relacin (6.11) implica que para un vector propio el efecto de aplicarle la transformacin lineal es igual que amplificarlo por el escalar . Esto implica que un vector y el vector transformado son colineales o paralelos y por lo tanto linealmente dependientes. Para calcular los valores propios de una matriz puede reescribirse la ecuacin (6.11) como
En donde
es la matriz identidad de igual orden que
, es decir
. Para que exista una vector
tal que
debe cumplirse que
(6.12)
El lado izquierdo de la ecuacin (6.12) corresponde a un polinomio de orden conocido como el polinomio caracterstico de y denotado por .
en la variable
Dicho de otra forma, los valores propios de Por tanto, la matriz tiene valores propios
son las raices de su polinomio caracterstico
; estos valores podrn ser reales o
complejos y podrn ser diferentes o repetidos. Ejemplo 6.8 Obtener los valores y vectores propios de la matriz
Construimos la matriz
y hallamos su determinante:
Los valores propios de
sern las races de
Los vectores propios asociados a
deben cumplir (6.11):
Se crea entonces un sistema de ecuaciones con infinitas soluciones:
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
podemos escoger arbitrariamente un valor para obtenemos . En consecuencia, un
vector propio asociado a
en general
tambin deben cumplir (6.11):
Se crea entonces un segundo sistema de ecuaciones con infinitas soluciones:
en general
Ejemplo 6.9 Obtener los valores y vectores propios de la matriz
sern las races de
Al aplicar (6.11) para
se obtienen dos sistemas de ecuaciones con infinitas soluciones
Seleccionando arbitrariamente
se obtiene
o en general
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l.../cursos/ingenieria/2001619/lecciones/estado/node3.html (10 de 27)06/07/2008 12:47:45
6.2.3 Forma cannica de Jordan

6.2.3.1 Matrices con valores propios diferentes
Sean sea los valores propios de una matriz con de orden . El conjunto , todos diferentes, y
un vector propio asociado a
es linealmente independiente, y por lo tanto sirve como una base para el espacio vectorial. Si se efectua un cambio de base a la nueva base acuerdo con (6.10): , la matriz se transforma en la matriz de
(6.13)
La matriz
es la matriz diagonalizada, o la forma cannica de Jordan de
, y se define asi:
La matriz
se denomina la matriz modal, y se define asi:
Esta afirmacin puede demostrarse facilmente al comprobar que
Como igual
entonces las ecuaciones anteriores se reducen a
o lo que es
Ejemplo 6.10 La transformacin lineal representada por la matriz
cuyos valores propios son (Ejemplo 6.8)
con vectores propios
Tiene una representacin en la base
dada por la matriz diagonal
Ejemplo 6.11 La transformacin lineal representada por la matriz
cuyos valores propios son (Ejemplo 6.9)
dada por la matriz diagonal
6.2.3.2 Matrices con valores propios repetidos

Al intentar efectuar la diagonalizacin de una matriz que tenga valores propios repetidos puede encontrarse un tropiezo debido a que los vectores propios no necesariamente son linealmente independientes; de hecho, lo usual es que no lo sean aunque existen casos en que lo son. Al no contar con un nmero suficiente de vectores propios linealmente independientes no es posible construir una base que diagonalice la matriz. No ser posible obtener y no se podr calcular . Pese a ello, siempre se podr obtener una diagonalizacin por bloques. Dada una transformacin lineal la degeneracidad del valor propio de orden , denotada por , de valores propios , , , , se define
, como el nmero de vectores propios de , y se calcula asi:
linealmente independientes asociados a un valor propio
en donde
es el rango de la matriz
, que equivale al nmero de columnas (o filas)
linealmente independientes de Ejemplo 6.12 Obtener los valores y vectores propios de la matriz y diagonalizarla
sern las races de
La degeneracidad de
se obtiene asi:
Lo anterior significa que aunque tiene multiplicidad , slo es posible encontrar un vector linealmente independiente. Este se obtiene empleando (6.11), y resulta ser
en general
No es posible construir una base para el espacio de dimensin es posible diagonalizar
con un slo vector, por lo tanto no
Ejemplo 6.13 Obtener los valores y vectores propios de la matriz
y diagonalizarla
Construimos
Su polinomio caracterstico resulta ser
Las races del polinomio son calculamos
. Para determinar la degeneracidad de
Lo anterior significa que existen dos vectores propios linealmente independientes asociados a . Estos dos vectores junto con el vector propio asociado a una base y por tanto es posible diagonalizar (6.11): pueden formar
. Para obtener los tres vectores propios empleamos
Se originan los sistemas de ecuaciones
Que se convierten en
Podemos construir dos vectores linealmente independientes tercero que satisface , por ejemplo
que satisfacen
y un
En la base
la transformacin
se representa por
Cuando no se puede encontrar un conjunto de vectores propios linealmente independiente lo suficientemente grande para diagonalizar la matriz, debe acudirse al concepto de vectores propios generalizados para lograr una diagonalizacin por bloques. El concepto de vector propio generalizado, y la forma de calcularlos se sale del mbito de este texto, aunque una presentacin detallada puede encontrarse en el apndice [*] . No obstante, es posible determinar en forma sencilla cul es la forma de la matriz diagonalizada por bloques, o forma cannica de Jordan de una matriz, segn se explica a continuacin. En general, se representa la forma cannica de Jordan de la matriz por , y es de la forma
en donde cada trmino
es una submatriz cuadrada (un bloque de Jordan) de la forma
Cada bloque de Jordan est asociado a un valor propio de la matriz de la matriz es necesario responder estas preguntas:
q q
. Para conocer la forma exacta
Cuntos bloques tiene asociados cada valor propio no repetido de la matriz ? De qu tamao es cada uno de los bloques de Jordan asociados a cada valor propio no repetido de la matriz ? , y deber
El siguiente algoritmo permite obtener las respuestas. Se plantea para un valor propio aplicarse para cada valor propio diferente: 1. Se define la matriz 2. Se calcula exponente. 3. Se calculan las nulidades 4. Se calcula , para , en donde . . .
hasta que no haya cambio al incrementar el
5. Se construye el diagrama de Matthew con la forma que se presenta en la figura 6.4: el nmero de celdas de cada fila del diagrama de Matthew est determinado por 6. Utilizar las siguientes convenciones: 1. Identificar el nmero de columnas del diagrama como . .
2. Identificar las columnas del diagrama como 3. Identificar el tamao de cada columna como
de izquierda a derecha. . es , y el
7. En esas condiciones el nmero de bloques de Jordan asociados al valor propio tamao de cada uno de esos bloques es .
En general, la forma cannica de Jordan ser entonces:
Ejemplo 6.14 Sea
la matriz6.2
Para calcular los valores propios de
hacemos
Es decir,
tiene un valor propio
de multiplicidad
y un valor propio 0 de multiplicidad .
. Nos
proponemos encontrar el diagrama de Matthew de los vectores propios asociados a
Para ello definimos
y calculamos
, sus rangos y nulidades
Al calcular
encontramos :
y por tanto no es necesario continuar. Con la informacin
anterior podemos calcular
Con esta informacin podemos construir el diagrama de Matthew
De donde se deduce que
; en otras palabras, el valor propio
tendr 2
bloques de Jordan, uno de tamao
y otro de tamao
. Adicionalmente, el valor propio .
0 tendr un nico bloque de Jordan de tamao
, por ser un valor propio de multiplicidad ser
En consecuencia la forma cannica de Jordan de la matriz
6.2.3.3 Matrices con valores propios complejos

Dado que los valores propios de una matriz pueden ser complejos, en general las matrices de Jordan y Modal, y , sern complejas. No obstante, cuando existen valores propios complejos es posible efectuar otro cambio de coordenadas diferente que produce tambin una matriz diagonal por bloques, pero real, conocida como la forma cannica real de Jordan. La nueva matriz modal reemplaza cada pareja de vectores propios complejos conjugados de
por dos vectores reales, uno con la parte real y otro con la parte imaginaria de los vectores reemplazados. Para un valor propio complejo forma que no se repite, el bloque de Jordan asociado tendr la
Ejemplo 6.15 Sea la matriz
son
La forma cannica de Jordan de
y la matriz modal que la producen son:
Para obtener la forma cannica real de Jordan de
construimos la matriz real
remplazando
las columnas complejas por columnas con la parte real e imaginaria de stas, y verificamos.
6.2.4 Funciones de matrices cuadradas

Sea una funcin que opera sobre un escalar, y sea una matriz cuadrada . En esta de los
seccin se aborda el problema de cmo calcular escalares a las matrices. Si
, es decir, como extender
es un polinomio, la extensin a las matrices se fundamenta en la definicin
(6.14)
Si la matriz decir, si
tiene una representacin cannica de Jordan entonces
obtenida con la matriz modal
, es
(6.15)
Como
es un a matriz diagonal por bloques, el clculo de
puede efectuarse como sigue:
Empleando la definicin (6.14), un polinomio genrico
puede calcularse en
como
o en funcin de las matrices
(6.16)
Ejemplo 6.16 Calcular
cuando
es una matriz diagonal:
cuando es una matriz con la forma de los bloques reales de Jordan Ejemplo 6.17 Calcular para el caso en que los valores propios son imaginarios puros
calculamos los primeros trminos
Observando la secuencia se puede inferir que
Tambin es posible extender una funcin matrices empleando la representacin de de MacLaurin):
que no sea un polinomio de los escalares a las en series de Taylor expandidas alrededor de 0 (series
(6.17)
Empleando (6.17) se puede expresar puede calcularse
como un polinomio de
. Si
es una matriz cuadrada,
empleando ese polinomio.
Las siguientes son las expansiones de algunas funciones comunes:
(6.18)
(6.19)
(6.20)
Ejemplo 6.18 Sea emplear (6.18)
una matriz diagonal como la del ejemplo 6.16. Para calcular
podemos
que de acuerdo con los resultados del ejemplo 6.16 se calcular asi:
Cada uno de los trminos de la diagonal,
, corresponde a la expansin en series de Taylor de ser:
una exponencial como las de (6.18), por lo tanto
Ejemplo 6.19 Sea
una matriz con la forma de los bloques reales de Jordan para el caso en que podemos
los valores propios son imaginarios puros, como la del ejemplo 6.17. Para calcular emplear (6.18)
que de acuerdo con los resultados del ejemplo 6.17 se calcular asi:
Cada uno de los trminos de la matriz corresponde a la expansin de Taylor de una sinusoide como
las de (6.19) y (6.20), por lo tanto
puede calcularse como
Ejemplo 6.20 Sea
una matriz con la forma de los bloques reales de Jordan
Patra calcular
escribimos
como la suma de dos matrices:
De tal manera que que
. Empleando los resultados de los ejemplos 6.18 y 6.19 se tiene
y por lo tanto
6.3 Variables de estado
Subsecciones
q q
6.3.1 El concepto de estado 6.3.2 Representacin de estado a partir de E.D.

De acuerdo con la presentacin de la seccin 6.1, se estudiarn en este captulo sistemas dinmicos de mltiples entradas y mltiples salidas como los de las figuras 6.1 y 6.2. El modelo matemtico de estos sistemas sern las ecuaciones (6.21) y (6.22) para los casos continuos y discretos, respectivamente; en ambos casos la primera ecuacin, que contiene la dinmica del sistema, se denomina ecuacin de estado y la segunda ecuacin de salida.
En las ecuaciones (6.21) y (6.22) especificadas en (6.6), mientras que
, ,
, ,
son matrices reales cuyas dimensiones estn
son los vectores definidos en (6.3), que contienen las
variables de entrada, salida y estado respectivamente. Ntese que la dinmica del sistema est representada en la ecuacin de estado, pues es all en donde aparecen las derivadas o las diferencias, mientras que la ecuacin de salida es algebrica. Las figuras 6.5 y 6.6 muestran dos diagramas de bloques que representan las ecuaciones 6.21 y 6.22 respectivamente. Para interpretar adecuadamente estos diagramas es necesario tener en cuante que: 1. Las flechas representan vectores de seales y los bloques 2. El bloque , , y matrices.
en la figura 6.5 corresponde a la funcin de transferencia de un integrador
que opera sobre cada una de las seales de entrada de forma independiente. 3. El bloque retardo en la figura 6.6 corresponde a la funcin de transferencia de un bloque de que opera sobre cada una de las seales de entrada de forma
independiente. 4. Como en todo diagrama de bloques con funciones de transferencia, se han supuesto condiciones iniciales nulas.
6.3.1 El concepto de estado

Qu son las variables de estado? una posible aproximacin es pensar en ellas como variables matemticas auxiliares que permiten representar el comportamiento de sistemas mediante ecuaciones como (6.1) y (6.2), que en el caso de sistemas lineales invariantes en el tiempo se convierten en (6.21) y (6.22). No obstante, existe otra posible interpretacin: Los sistemas dinmicos se rigen por ecuaciones diferenciales y de diferencia; este tipo de ecuaciones tienen una nica solucin unicamente si se establece un conjunto de condiciones, denominadas condiciones auxiliares; usualmente stas determinan en el instante de tiempo considerado como inicial, y por tanto se denominan condiciones iniciales. De lo anterior se desprende que para conocer el comportamiento de un sistema dinmico se necesita cierta informacin adicional a la sla ecuacin diferencial. Este hecho justifica la siguiente definicin: Definicin 6.1 Estado El Estado de un sistema en el tiempo (o en si es discreto) es la cantidad de informacin , el
necesaria en ese instante de tiempo para determinar de forma nica, junto con las entradas comportamiento del sistema para todo (o para todo si es discreto)
De acuerdo con la definicin 6.1, las variables de estado sern variables que muestran cmo evoluciona el estado del sistema, es decir, sern variables que contienen la informacin necesaria para predecir la evolucin del comportamiento del sistema en forma nica. Tambin suelen definirse las variables de estado como cualquier conjunto de variables que describa el comportamiento del sistema, siempre y cuando ese conjunto sea del menor tamao posible. Cualquiera que sea la interpretacin que se adopte, debe tenerse presente que:
q q q
Las variables de estado pueden tener o no sentido fsico. Las variables de estado pueden o no ser medibles. Para un mismo sistema dinmico las variables de estado no son nicas; de hecho, se pueden definir infinitos conjuntos de variables que sirvan como variables de estado.
Ejemplo 6.21 Para conocer el comportamiento de un circuito RLC serie como el de la figura 6.7 es necesario establecer los valores de sirven como variables de estado. y , por esta razn, las variables y
La aplicacin de las leyes de Kirchhoff en el circuito da como resultado
Estas ecuaciones pueden organizarse de la siguiente forma
O en forma matricial:
Supngase que en el circuito se quiere estudiar el comportamiento de las variables es decir, que seleccionamos estas variables como las salidas del sistema. Dado que , podremos escribir la ecuacin
En resumen, una representacin en variable de estado del circuito estara dada por las ecuaciones
que son de la forma
en donde
Ejemplo 6.22 Supngase un motor elctrico de corriente continua controlado por campo, como el que se muestra en la figura 6.8, con corriente de armadura constante, que mueva una carga de momento de inercia , con coeficiente de friccin viscosa a una velocodad angular .
La ecuacin del circuito elctrico de campo es
(6.23)
Al considerar que la corriente de armadura es constante, se tiene que el par motor
generado
es directamente proporcional a la corriente de campo con una cierta constante de proporcionalidad , es decir
(6.24)
La aplicacin de las leyes de newton al sistema dan la ecuacin
(6.25)
Las ecuaciones (6.23), (6.24) y (6.25) pueden escribirse como
que en forma matricial se convierten en
(6.27)
Si seleccionamos como variable de salida la velocidad angular, obtenemos una representacin en variable de estado del sistema:
(6.28)
No obstante, esta no es la nica representacin posible; podemos, por ejemplo, seleccionar como variables de estado y , en cuyo caso la representacin en variable de estado ser
(6.29)
Ejemplo 6.23 A continuacin se presenta un modelo lineal simple del crecimiento demogrfico de una sociedad. Se ha distribuido el total de la poblacin por franjas de edad:
Si denotamos por
la poblacin total de la sociedad en el periodo
se tendr:
Si tomamos cada periodo como un intervalo de periodo
aos, en el periodo en el periodo
las personas que en el , salvo aquellos que
estn en la franja , estarn en la franja
mueran, es decir
en donde
es la rata de mortalidad para la franja de edades nmero .
Para encontrar
, es decir el nmero de personas que nacen en el periodo
, podemos
suponer que cada franja de edades tiene una rata de reproductividad diferente
, es decir
De esta manera podemos escribir las ecuaciones matriciales
Adems, podriamos considerar los fenmenos de migracin como entradas al sistema. Definamos como la diferencia entre el numero de inmigrantes y emigrantes de la franja ; con esta definicin el modelo se convierte en en el periodo
6.3.2 Representacin de estado a partir de E.D.

Existe un procedimiento sencillo para obtener una representacin en variables de estado de sistemas de una entrada y una salida de los cuales se conoce la ecuacin diferencial o de diferencia que lo rige. Supngase un sistema dinmico continuo descrito por la ecuacin diferencial
(6.30)
El comportamiento del sistema queda nivocamente determinado si se conocen las condidiones iniciales estado: , , , , por lo tanto podemos seleccionar las siguientes variables de
(6.31)
De tal manera que (6.30) puede escribirse como
(6.32)
Las ecuaciones (6.31) y (6.32) se escriben en forma matricial asi:
De forma anloga puede obtenerse una representacin en variables de estado de sistemas discreto de una entrada y una salida a partir de su ecuacin de diferencias Supngase un sistema dinmico discreto descrito por la ecuacin de diferencias (6.33)
Podemos seleccionar las variables de estado:
(6.34)
de tal manera que la ecuacin (6.33) se convierte en
(6.35)
Las ecuaciones (6.34) y (6.35) se escriben en forma matricial asi:
6.4 Sistemas continuos libres
Subsecciones
q q q
6.4.1 Retratos de fase 6.4.2 Espacio de estado 6.4.3 Matriz de transicin de estado

Como un primer paso para el anlisis de la ecuacin (6.21), en esta seccin se estudia la ecuacin de estado con el sistema libre (sin entradas), es decir estudiamos la ecuacin (6.36)
La ecuacin matricial (6.36) recuerda la ecuacin escalar
cuya solucin es (6.37)
debido a que
(6.38)
Resulta entonces natural preguntarse si al reemplazar el escalar por la matriz , y la variable por el vector de variables se mantienen las relaciones (6.38) y asi encontrar una solucin de (6.36) similar a (6.37). Es posible demostrar que
(6.39)
Para ello, empleamos la expansin en series de Taylor (6.18)
de donde se observa que derivada de :
, y por lo tanto
. Adems, podemos calcular la
De esta forma hemos demostrado (6.39), y por lo tanto tambin hemos demostrado que la solucin de (6.36) es
(6.40)
En (6.40)
es el vector que contiene las condiciones iniciales de
. Por otra parte, es posible
calcular
por diversos mtodos, de los cuales destacamos los siguientes6.3:
Series de Taylor: Podemos emplear la expansin en series de Taylor (6.18) directamente:
(6.41)
; sin embargo, en algunos casos Este mtodo no es prctico, debido a la dificultad de calcular especiales este clculo es sencillo, como se muestra en los ejemplos 6.18, 6.19y 6.20 Forma cannica de Jordan: Si se ha obtenido la forma cannica de Jordan de la matriz , entonces se tienen dos matrices y tales que
y por lo tanto
puede calcularse asi:
(6.42)
La ventaja de emplear (6.42) radica en que es una matriz diagonal por bloques, y por lo tanto es ms fcil de calcular, especialmente si es completamente diagonal
Transformada de Laplace: Podemos obtener la solucin de (6.36) empleando la transformada de Laplace, y asi deducir el valor de .
(6.43)
Jordan y Laplace: Pueden combinarse (6.42) y (6.43) para obtener
(6.44)
Ejemplo 6.24 Obtener la solucin de la ecuacin
sujeta a las condiciones iniciales
La ecuacin es de la forma es muy simple, debido a que
, por lo tanto la solucin ser es una matriz diagonal (Ejemplo 6.18):
. El clculo de
Este resultado tambin se habra podido obtener mediante la transformada de Laplace:
por lo tanto la solucin de la ecuacin diferencial ser
En un caso como este en el que la matriz es diagonal, realmente la ecuacin diferencial matricial representa un conjunto de ecuaciones diferenciales sencillas en el que las variables estn desacopladas; La ecuacin matricial y las condiciones iniciales pueden escribirse como:
cuyas soluciones son
En el ejemplo 6.10 se ha obtenido la forma cannica de Jordan de la matriz , que ha resultado ser y tales que la matriz , perfectamente diagonal; es decir se han encontrado las matrices
lo que permite calcular
Tambin podemos obtener este resultado mediante la Transformada de Laplace:
son
, y dos vectores propios asociados son
Debido a que los valores propios son complejos, es conveniente encontrar la forma cannica real de Jordan de .
lo que permite calcular
Empleando el resultado del ejemplo 6.20
son
. Adems se puede comprobar que no es posible
diagonalizar . En consecuencia, la forma cannica de Jordan de ser un nico bloque de tamao . La obtencin de los vectores propios generalizados con los que se obtiene la forma cannica de Jordan escapa al alcance de este texto. No obstante, vamos a suponer que se han encontrado las matrices y :
de tal manera que se puede calcular
No obstante, como
no es diagonal, debemos calcular
mediante la transformada de Laplace.
Retomando el clculo de
6.4.1 Retratos de fase

Supngase ahora un sistema como (6.36) de dimensin dos, es decir, supngase
(6.45)
Una vez solucionada (6.45) es posible trazar las curvas posible trazar una curva vs , en un plano
vs
vs . Tambin es
conocido como el plano de fase (ver
Ejemplo 6.28). La curva resultante es un trayectoria de (6.45), y puede visualizarse como una curva paramtrica definida por con el parmetro variando de 0 a .
La solucin de (6.45) depende de las condiciones iniciales, por lo tanto la trayectoria depende de las condiciones iniciales. Sobre el mismo plano de fase se pueden trazar diferentes trayectorias obtenidas con distintas condiciones iniciales; el resultado es el retrato de fase de (6.45). Ejemplo 6.28 La solucin de la ecuacin
es (Ejemplo 6.26)
La figura 6.9 muestra las grficas de vs tomando para cada tiempo
vs , el valor de
vs , a partir de las cuales se ha trazado y y trasladndolos al plano de
fase. La curva resultante es una trayectoria de la ecuacin diferencial.La flecha roja indica el sentido en el que se recorre la trayectoria cuando el tiempo avanza. Se ha repetido el procedimiento para varios juegos de condiciones iniciales, con el fin de obtener el retrato de fase que se muestra en la figura 6.10. Las condiciones iniciales seleccionadas han sido:
La figura 6.11 muestra los retratos de fase tpicos de sistemas lineales estables6.4, mientras que la figura 6.12 muestra los retratos de fase tpicos de los sistemas lineales inestables. Debemos resaltar que la forma de estos retratos depende de cmo son los valores propios de la matriz .
En general, un sistema lineal como (6.45) tendr un retrato de fase semejante a alguno de los que se muestran en las figuras6.11 y 6.12. No obstante, el retrato de fase no necesariamente ser idntico. La semejanza a la que nos referimos aqui consiste en una equivalencia de forma (sern topolgicamente equivalentes). Ejemplo 6.29 La figura 6.13 muestra los retratos de fase de varios ejemplos. En cada caso se ha y su formacanonica de Jordan . Ntese la semejanza de forma con los anotado la matriz
ejemplos tpicos de las figuras 6.11 y 6.12.
En las figuras 6.11 y 6.12 se observa que el origen del plano de fase juega un papel importante, atrayendo o repeliendo todas las trayectorias (o siendo el centro de ellas en el caso especial en el que los valores propios son imaginarios puros). El origen del plano de fase es el punto de equilibrio de (6.45), que definimos a continuacin.
Definicin 6.2 Punto de Equilibrio de Sistemas Continuos es un Punto de Equilibrio de un sistema descrito por la ecuacin diferencial derivada es cero, es decir, si Si la matrix en (6.45) es no singular, el nico punto de equilibrio de (6.45) es el origen del plano de fase. Lo anterior se demuestra al notar que un punto de equilibrio es la solucin del sistema de ecuaciones , que tiene una nica solucin en si y slo si es no singular. Si la matriz en (6.45) es singular pueden existir infinitos puntos de equilibrio, y los retratos de fase sern diferentes a los contemplados en las figuras 6.11 y 6.12. Estos casos no se considerarn en este curso. si
6.4.2 Espacio de estado

Dada una ecuacin de la forma (6.36), podemos definir el conjunto formado por todas las soluciones de (6.36). Este conjunto forma un espacio vectorial conocido como el espacio de estado, tal como se especifica en el siguiente teorema. Teorema 6.1 Dada una ecuacin de la forma (6.36), el conjunto de todas las soluciones forma un sobre el campo con las operaciones usuales. espacio vectorial Demostracin 6.1 El conjunto de todas las soluciones de (6.36) es un subconjunto del espacio vectorial formado por las funciones vectoriales continuas de orden . Por lo tanto, slo es necesario demostrar que el conjunto es cerrado bajo las operaciones usuales de suma de funciones y producto por escalar. Supngase dos funciones y que son solucin de (6.36).
Podemos multiplicar estas ecuaciones por cualesquiera escalares
y sumarlas
Esta expresin demuestra que cualquier combinacin lineal de soluciones de (6.36) es tambin una es cerrada bajo la suma y el producto por escalar, y por lo tanto solucin de (6.36), es decir, forma un espacio vectorial. Los siguientes son algunos conceptos importantes asociados al Espacio de Estado. En todos los casos se ha supuesto que es no singular y de tamao :
Dimensin del Espacio de Estado: tiene una dimensin igual al rango de la matriz en (6.36). La El espacio vectorial es . dimensin de Soluciones linealmente independientes: Las soluciones de (6.36) dependen de las condiciones iniciales. Si se utilizan dos condiciones iniciales linealmente independientes, las soluciones que se obtienen tambin son linealmente independientes. Por el contrario, Si se utilizan dos condiciones iniciales linealmente dependientes, las soluciones que se obtienen tambin son linealmente dependientes. Base del espacio de estado: estar formada por soluciones de (6.36) linealmente independientes. Una base de Denotemos estas funciones por obtenerse seleccionando Matriz Fundamental: Una matriz . Estas soluciones pueden
condiciones iniciales linealmente independientes. columnas formadas por soluciones de (6.36) linealmente
que tenga
ndependientes se denomina una Matriz Fundamental de (6.36).
Bases y vectores propios: Si la matriz en (6.36) tiene vectores propios linealmente independientes, entonces stos pueden escogerse como el juego de condiciones iniciales que se necesitan para construir una base de . Este cambio de base es equivalente a la obtencin de la Forma cannica de Jordan de . Ejemplo 6.30 Supngase el sistema dinmico
que es de la forma (6.36). Los valores propios de la matriz vectores propios asociados a ellos son:
son
, y unos
de tal manera que la forma cannica de Jordan y la matriz modal son
La matriz
es la siguiente:
y por lo tanto la solucin de la ecuacin diferencial, para unas condiciones iniciales
es
El retrato de fase del sistema se muestra en la figura 6.14. Cada trayectoria del retrato de fase es una solucin de la ecuacin diferencial para unas ciertas condiciones iniciales. De esas trayectorias se destacan 2 que corresponden a lneas rectas. No es casualidad que esas trayectorias rectas coincidan con los vectores propios y . Veamos:
Si seleccionamos como condiciones iniciales las mismas coordenadas del vector propio
, es decir,
si hacemos
la solucin de la ecuacin ser
Es decir, se encuentra que
lo que corresponde a una recta en el plano de fase. , es decir, slo depende del valor
Adems, la dinmica del sistema slo depende de trminos propio al cual est asociado
. Al seleccionar como condicin inicial un punto del primer
vector propio, toda la dinmica del sistema depende exclusivamente del primer valor propio. Un resultado similar obtendremos si seleccionamos como condiciones iniciales las mismas coordenadas del vector propio ecuacin ser , es decir, si hacemos y . La solucin de la
Es decir, se encuentra que
lo que corresponde a otra recta en el plano de fase. , es decir, slo depende del valor
Adems, la dinmica del sistema slo depende de trminos propio al cual est asociado
. Al seleccionar como condicin inicial un punto del segundo
vector propio, toda la dinmica del sistema depende exclusivamente del segundo valor propio. Hay otra forma de comprender estos resultado: Supngase que en algn instante (por ejemplo en ) el vector de estado calcularse como es un vector propio del primer valor propio , pero como es un vector propio, entonces ; su derivada podr . En otras
palabras, la derivada ser un vector con la misma direccin de y por lo tanto el sistema evolucionar en esa direccin, que es justamente la del vector propio. Las dos soluciones que se han obtenido tanto sirven como base del espacio de estado y son linealmente independientes, y por lo
. Construimos la matriz fundamental
Lo que se ha hecho es equivalente a efectuar un cambio de base en el plano de fase, tomando como nueva base la formada por los vectores propios. El nuevo retrato de fase se muestra en la figura 6.15
6.4.3 Matriz de transicin de estado

Definimos la matriz de transicin de estado en el tiempo a partir del estado en el tiempo como la matriz quepermite obtener el estado mediante la expresin 6.5:
(6.46)
Para un sistema como (6.36) es posible obtener
calculando
(6.47)
6.5 Sistemas discretos libres
Subsecciones
q

Abordamos ahora el anlisis de la ecuacin (6.22) con el sistema libre (sin entradas), es decir estudiamos la ecuacin (6.48)
La ecuacin matricial (6.48) recuerda la ecuacin escalar
cuya solucin es
(6.49)
debido a que
(6.50)
Al igual que en el caso continuo, nos preguntamos si al reemplazar el escalar por lamatriz , y la variable por el vector de variables se mantienen las relaciones (6.50) y asi encontrar una solucin de (6.48) similar a (6.49). Evidentemente
(6.51)
En consecuencia la solucin de (6.48) es
(6.52)
En (6.52) calcular Definicin:
es el vector que contiene las condiciones iniciales de por diversos mtodos, de los cuales destacamos los siguientes
. Por otra parte, es posible
Podemos emplear la definicin de
directamente: veces
(6.53)
Este mtodo no es prctico, debido a la dificultad de calcular especiales este clculo es sencillo (matrices diagonales)
; sin embargo, en algunos casos
Forma cannica de Jordan: Si se ha obtenido la Forma cannica de Jordan de la matriz matrices y tales que
, entonces se tienen dos
y por lo tanto
puede calcularse asi:
(6.54)
La ventaja de emplear (6.54) radica en que es una matriz diagonal por bloques, y por lo tanto es ms fcil de calcular, especialmente si es completamente diagonal Transformada : Podemos obtener la solucin de (6.48) empleando la transformada de .
, y asi deducir el valor
(6.55)
Jordan y Transformada : Pueden combinarse (6.54) y (6.55) para obtener
(6.56)

Definimos la Matriz de Transicin de Estado estado en el tiempo a partir del estado en el tiempo como la matriz que permite obtener el mediante la expresin
(6.57)
Para un sistema como (6.48) es posible obtener
calculando
6.6 Sistemas continuos excitados
Subsecciones
q q
6.6.1 Matriz de funciones de transferencia 6.6.2 Variables de estado en el tiempo

Estudiamos ahora el sistema continuo con excitacin, es decir el sistema descrito por (6.58)
(6.58)
Para ello, aplicamos transformada de Laplace a cada lado de las ecuaciones
(6.59)
En la primera ecuacin podemos despejar
(6.60)
Ahora podemos incorporar (6.60) en la segunda ecuacin de (6.59)
(6.61)
En (6.61) se observa que la respuesta Respuesta de estado cero:
tiene dos componentes6.6:
Es la primera parte de la ecuacin (6.61). Depende de las entradas
y no de las
condiciones iniciales; de hecho, es la respuesta que tiene el sistema si las condiciones iniciales son cero, es decir, si su estado inicial es cero (de all su nombre). Respuesta de entrada cero: Es la segunda parte de la ecuacin (6.61). Depende de las condiciones iniciales y no de las entradas su nombre). ; de hecho, es la respuesta que tiene el sistema si las entradas son cero (de all
6.6.1 Matriz de funciones de transferencia

Si se consideran condiciones iniciales nulas, la ecuacin (6.61) se convierte en
Podemos definir la Matriz de Funciones de Transferencia como la matriz de relaciona las entradas y las salidas, cuando las condiciones iniciales son nulas: (6.62)
La matriz
en (6.62) es una matriz
entradas y
salidas):
El elemento
de la matriz
muestra cmo afecta la entrada
a la salida
En general, una entrada
afectar a todas las salidas
. No obstante, existe un caso especial , y que la
en que esto no es as: supngase que existe el mismo nmero de entradas que de salidas matriz de funciones de transferencia es diagonal:
En este caso especial, la entrada es desacoplado.
slo afecta la salida
. Se dice entonces que el sistema
6.6.2 Variables de estado en el tiempo

Podemos obtener el comportamiento en el tiempo de las variables de estado aplicando la transformada inversa de Laplace a (6.60)
La primera de las transformadas corresponde a
como puede verse en (6.43) y (6.47).
Ntese que la segunda transformada incluye el producto de dos funciones de . El resultado es:
(6.63)
En la seccin 6.7.2 buscaremos aproximarnos a una interpretacin de (6.63) apoyndonos en el caso discreto.
6.7 Sistemas discretos excitados
Subsecciones
q q
6.7.1 Matriz de funciones de transferencia 6.7.2 Variables de estado en el tiempo

Estudiamos ahora el sistema discreto con excitacin, es decir el sistema descrito por (6.64)
(6.64)
Para ello, aplicamos transformada
a cada lado de las ecuaciones
(6.65)
En la primera ecuacin podemos despejar
(6.66)
Ahora podemos incorporar (6.66) en la segunda ecuacin de (6.65)
(6.67)
De forma anloga al caso continuo, (6.67) muestra que la respuesta Respuesta de estado cero: Es la primera parte de la ecuacin (6.67). Depende de las entradas
tiene dos componentes6.7:
y no de las
condiciones iniciales; de hecho, es la respuesta que tiene el sistema si las condiciones iniciales son cero, es decir, si su estado inicial es cero (de all su nombre). Respuesta de entrada cero: Es la segunda parte de la ecuacin (6.67). Depende de las condiciones iniciales y no de las entradas su nombre). ; de hecho, es la respuesta que tiene el sistema si las entradas son cero (de all
6.7.1 Matriz de funciones de transferencia

Si se consideran condiciones iniciales nulas, la ecuacin (6.67) se convierte en
Podemos definir la Matriz de Funciones de Transferencia como la matriz de relaciona las entradas y las salidas, cuando las condiciones iniciales son nulas: (6.68)
La matriz
en (6.68) es una matriz
entradas y
salidas):
El elemento
de la matriz
muestra cmo afecta la entrada
a la salida
En general, una entrada
afectar a todas las salidas
. No obstante, existe un caso especial , y que la
en que esto no es as: supngase que existe el mismo nmero de entradas que de salidas matriz de funciones de transferencia es diagonal:
En este caso especial, la entrada es desacoplado.
slo afecta la salida
. Se dice entonces que el sistema
6.7.2 Variables de estado en el tiempo

Podemos obtener el comportamiento en el tiempo de las variables de estado aplicando la Transformada inversa a (6.66)
La primera de las transformadas corresponde a
como puede verse en (6.55) y (6.57). . El resultado es:
Ntese que la segunda transformada incluye el producto de dos funciones de
(6.69)
La ecuacin (6.63) y (6.69) son anlogas; sin embargo, es ms fcil de analizar (6.69). Para ello, vamos a expandir la sumatoria:
(6.70)
La ecuacin (6.70) muestra que de las entradas
esta formada por aportes de las condiciones iniciales
,y
. Adems muestra cul es el aporte exacto del valor de la entrada en un instante , que es aporta a la construccin de
de tiempo especfico: por ejemplo, la entrada en justamente .
Un anlisis similar podra hacerse para el caso continuo con la ecuacin (6.63); para ello debe emplearse la funcin impulso nuevo, se ha omitido en este texto. . Debido a que este anlisis no aporta ningn concepto
6.8 Introduccin al control por variable de estado
Subsecciones
q
6.8.1 Controlabilidad r 6.8.1.1 Test de controlabilidad r 6.8.1.2 Anotaciones al concepto de Controlabilidad 6.8.2 Observabilidad r 6.8.2.1 Test de observabilidad r 6.8.2.2 Anotaciones al concepto de observabilidad

El esquema bsico de control por variable de estado se muestra en la figura 6.16. La estrategia, que es igualmente vlida para sistemas continuos y discretos consiste en utilizar las variables de estado para realimentar el sistema mediante una matriz , y comparar el estado con unas seales de referencia , de donde se tiene que (6.71)
Para que (6.71) tenga sentido, las dimensiones de las variables involucradas deben ser las siguientes:
Podemos emplear los diagramas de bloques de la representacin en variable de estado para sistemas
continuos y discretos que se muestran en las figuras 6.5 y 6.6 para complementar la figura 6.16. El resultado se muestra en las figuras 6.17 y 6.18
Combinando las ecuaciones (6.21) y (6.22) con (6.71) se obtienen las ecuaciones de estado para sistemas continuos y discretos con realimentacin por variable de estado:
que pueden reescribirse como
Se obtienen entonces unos nuevos sistemas para los que las entradas son variables de estado son (ver figura 6.16). Si definimos
, las salidas son y
y las las
ecuaciones de estos nuevos sistemas sern
Dado que el comportamiento de los sistemas descritos por (6.72) y (6.73) dependen de los valores propios de , se desprende que la estrategia de control por variable de estado consiste en establecer tal que los valores propios de en un sistema como el de la figura 6.16 y seleccionar una matriz (6.72) y (6.73) sean los deseados.
Como este no es un texto de control, no abordaremos el problema de cmo obtener esa matriz embargo, resaltamos que esta estrategia plantea al menos dos interrogantes:
. Sin
1. Pueden asignarse con total libertad los valores propios de ?, es decir, dado un conjunto de que permita asignarle a dichos valores propios deseados, existir siempre una matriz valores propios? 2. Dado que las variables de estado no necesariamente tienen sentido fsico, y en caso de tenerlo no necesariamente son medibles, Como pueden conocerse los valores de las variables de estado para implementar el esquema de la figura 6.16? Las secciones 6.8.1 y 6.8.2 intentan dar respuesta a estas preguntas.
6.8.1 Controlabilidad
La nocin de controlabilidad de un sistema est asociada con la posibilidad de hacer que sus variables de estado tomen cualquier valor deseado, no importa cuales sean las condiciones iniciales, en un tiempo finito. Definicin 6.3 Controlabilidad Un sistema dinmico es controlable en deseado si para cualquier estado que aplicada entre y cualquier estado y produce
es posible encontrar una entrada , con
Ejemplo 6.31 Considrese el circuito de la figura 6.19, en el que la variable de entrada es la variable de salida es
. Es claro que para escribir las ecuaciones de estado de ese circuito .
podemos escoger como variable de estado la tensin en el condensador
Debido a la simetra del circuito, si las condiciones iniciales son nulas ( el condensador siempre ser cero, sin importar qu valor tome la fuente
), la tensin en . Por lo tanto, no es
posible modificar a nuestro antojo el valor de la variable de estado, y en consecuencia el sistema es no controlable.
La definicin 6.3 no brinda por s sla un mecanismo fcil para determinar si un sistema es controlable o no. No obstante, podemos aplicar un test de controlabilidad para determinar si un sistema dinmico lineal invariante en el tiempo es o no controlable.
6.8.1.1 Test de controlabilidad

Para determinar si un sistema como (6.21) o como (6.22) es o no controlable, con y una matriz , se construye la matriz de controlabilidad una matriz
y se verifica su rango:
(6.74)
6.8.1.2 Anotaciones al concepto de Controlabilidad

1. La definicin 6.3 es realmente la definicin de controlabilidad de estado, dado que se refiere a la posibilidad de obtener cualquier estado. Existe una definicin semejante para la controlabilidad de salida, que no se aborda en este texto. 2. El test de controlabilidad (6.74) pone de manifiesto que la controlabilidad slo depende de las y , es decir, slo depende de la ecuacin de estado y no de la ecuacin de matrices salida 3. Para determinar la controlabilidad de un sistema como(6.21) no es necesario resolver la ecuacin diferencial. Se realiza un anlisis cualitativo de la ecuacin. 4. Si un sistema es controlable, entonces con un esquema de control por realimentacin de real variable de estado como el de la figura 6.16 siempre es posible encontrar una matriz para que la matriz en (6.72) o en (6.73) tenga los valores propios deseados6.8.
5. El test es igualmente vlido para sistemas continuos y discretos.
6.8.2 Observabilidad
Al observar la estrategia de control por Realimentacin de Variable de Estado sugerida en la figura 6.16 surge la cuestin de cmo medir las variables de estado , ya que es posible que estas no tengan sentido fsico, o que no sean medibles. Para solucionar este problema se plantea la utilizacin de un estimador de estado, u observador de estado, que es un elemento que intenta estimar el estado del sistema a partir de mediciones de las entradas y salidas al sistema (se supone que stas s tienen sentido fsico y son medibles), tal como se observa en la figura 6.20, en la que es la estimacin que el observador hace del estado
La nocin de observabilidad de un sistema est asociada con la posibilidad de determinar el estado del sistema a partir de mediciones de sus entradas y salidas durante un tiempo finito, es decir, con la posibilidad de construir un observador. Definicin 6.4 Observabilidad Un sistema dinmico es observable en mediciones de las entradas con Ejemplo 6.32 Considrese nuevamente el circuito de la figura 6.19, en el que la variable de entrada es , la variable de salida es y la variable de estado la tensin en el condensador si es posible conocer el estado a partir de y ,
y las salidas
durante el periodo comprendido entre
Es claro que a partir de mediciones de
(que son iguales) no es posible conocer las
condiciones iniciales del condensador y en consecuencia el sistema es no observable. La definicin 6.4 no brinda por s sla un mecanismo fcil para determinar si un sistema es observable o no. No obstante, podemos aplicar un test de observabilidad para determinar si un sistema dinmico lineal invariante en el tiempo es o no observable.
6.8.2.1 Test de observabilidad

Para determinar si un sistema como (6.21) o como (6.22) es o no observable, con y una matriz , se construye la matriz de observabilidad una matriz
y se verifica su rango:
(6.75)
6.8.2.2 Anotaciones al concepto de observabilidad

1. El test de observabilidad (6.75) pone de manifiesto que la controlabilidad slo depende de las y . matrices 2. Para determinar la observabilidad de un sistema como(6.21) no es necesaro resolver la ecuacin diferencial. Se realiza un anlisis cualitativo de la ecuacin. 3. Si un sistema es observable, entonces puede construirse un observador como el que se sugiere en la figura 6.20. En este texto no se aborda el problema de cmo construir dicho observador. 4. El test es igualmente vlido para sistemas continuos y discretos. Ejemplo 6.33 Tomemos nuevamente el circuito de la figura 6.19. Para escribir las ecuaciones que rigen el sistema, ntese que el equivalente Thvenin del circuito visto por el condensador es una resitencia de valor , de tal manera que:
La ecuacin de salida es trivial:
De tal manera que la representacin en variable de estado para el circuito es:
Es decir, es un sistema como (6.21) con
,y
. Las matrices
de controlabilidad y observabilidad definidas en (6.74) y (6.75) son:
y por lo tanto tienen rango 0, lo que significa que el sistema es no controlable y no observable
7. Introduccin a los Sistemas No Lineales

Si bien el objetivo de este curso es el anlisis de los sistemas dinmicos lineales invariantes en el tiempo, en este captulo se hace una breve presentacin de los sistemas no lineales, con el propsito principal de resaltar:
q
Que los resultados y las tcnicas presentadas en captulos anteriores tienen una aplicabilidad limitada a los sistemas lineales. Que el comportamiento de los sistemas lineales es limitado a un cierto tipo de respuestas, mientras que los sistemas no lineales pueden tener un comportamiento de mayor riqueza.
Para ello, hacemos inicialmente una distincin entre dos tipos de funciones no lineales: No linealidades estticas: Se trata de sistemas no lineales sin memoria, es decir, aquellos cuyas salidas dependen de las entradas en ese mismo instante slo
. La figura 7.1 resume algunas de las no
linealidades estticas ms frecuentes. Algunos de los elementos que se pueden modelar con este tipo de no linealidades estticas son: r Vlvulas de apertura gradual. r Transformadores y motores en regiones de saturacin magntica. r Materiales ferromagnticos en general. r Huelgos en engranajes. r Cilindros hidralicos y neumticos con cambio de direccin. r Linealizaciones de elementos elctricos y electrnicos.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...ursos/ingenieria/2001619/lecciones/no_lineal/node1.html (1 de 3)06/07/2008 12:49:14
No linealidades dinmicas:
Se trata de sistemas no lineales con memoria, es decir, aquellos cuyas salidas no slo de las entradas en ese mismo instante
dependen
, sino tambin de sus derivadas o
diferencias finitas. Es decir, consideramos ecuaciones diferenciales y de diferencia de la forma
En donde el vector contiene las entradas al sistema, las variables de estado, y es un funcin vectorial no lineal (no necesariamente lineal). Las secciones 7.1 a 7.8 se refieren a este tipo de no linealidades
Subsecciones
q q q q q q q q
7.1 Prdida de superposicicin y proporcionalidad 7.2 Mltiples puntos de equilibrio 7.3 Estabilidad local 7.4 rbitas peridicas no sinusoidales 7.5 Ciclos lmite 7.6 rbitas homoclnicas 7.7 Bifurcaciones 7.8 Comportamientos caticos
7.1 Prdida de superposicicin y proporcionalidad

Las propiedades de superposicin y proporcionalidad son inherentes a los sistemas lineales. Estas dos propiedades se pierden en los sistemas no lineales. Ejemplo 7.1 Consideremos un sistema continuo descrito por la ecuacin (7.1) que no es lineal debido al trmino (7.1)
En la figura 7.2 se muestra el comportamiento del sistema con ante dos entradas diferentes:
q
y condiciones iniciales nulas
Se ha simulado la salida Se ha simulado la salida
con una entrada con una entrada
. .
Ntese que aunque se ha multiplicado por la entrada, la salida no est multiplicada por ; de hecho, el valor estacionario tan slo se ha duplicado, con lo que se demuestra que el sistema no tiene la propiedad de proporcionalidad. (es decir, haciendo ms pequeo el efecto no Ahora trabajamos con el sistema suponiendo lineal) y manteniendo condiciones iniciales nulas. Se ha simulado el comportamiento del sistema en tres condiciones diferentes:
q
Se ha simulado la salida Se ha simulado la salida Se ha simulado la salida
con una entrada con una entrada con una entrada
. . .
La figura 7.3 muestra
. Se destaca como la suma , con lo
es diferente de la salida que se obtiene cuando la entrada es que se demuestra que el sistema no tiene la propiedad de superposicin.
7.2 Mltiples puntos de equilibrio

Un punto de equilibrio de un sistema continuo es un punto tal que en ese punto valga cero, ya que en esas condiciones el sistema no cambiar nunca de estado. Por otra parte, un punto de equilibrio de un sistema discreto es un punto tal que
en ese punto valga cero, ya que en esas condiciones el sistema no cambiar nunca de estado. Si consideramos un sistema continuo lineal libre de la forma , es claro que el nico punto 7.1 de equilibrio que existe corresponde a , sin embargo, pueden existir sistemas no lineales con ms de un punto de equilibrio. Ejemplo 7.2 Tomemos como ejemplo un pndulo simple de barra rgida como el de la figura 7.4 cuyas ecuaciones dinmicas son
(7.2)
en donde
q
representa el ngulo de giro del pndulo medido respecto a la vertical en el punto de giro. representa la velocidad angular. , es la aceleracin de la gravedad. es la distancia del punto de giro al centro de gravedad del pndulo. es el coeficiente de friccin viscosa del punto de giro. es la masa del pndulo.
q q q
Para que
sean cero en (7.2) se necesita que
, es decir que los
puntos de equilibrio son:
Este resultado corresponde a nuestra experiencia: el pndulo est en reposo slo en direccin vertical, bien sea hacia arriba o hacia abajo; si est hacia abajo el ngulo ) y si est hacia arriba el ngulo ambos casos la velocidad angular es 0. es (que es igual a es 0 (que es igual a ), y en
Para mostrar grficamente la presencia de varios puntos de equilibrio se ha trazado el retrato de . fase del pndulo simple en la figura 7.5 con
7.3 Estabilidad local

El concepto de estabilidad est asociado con los puntos de equlibrio, es decir se dice que un punto de equilibrio puede tener un cierto tipo de estabilidad (ser estable, inestable, un punto de sila, etc.). Como los sistemas lineales slo tienen un punto de equilibrio, se dice que la estabilidad del sistema es la de ese punto de equilibrio. Debido a que los sistemas no lineales pueden tener ms de un punto de equilibrio, ya no es vlido hablar de la estabilidad del sistema como un todo, sino que es necesario estudiar la establidad de cada punto de equilibrio. A este tipo de estabilidad se le denomina estabilidad local. Ejemplo 7.3 Considremos de nuevo el caso del pndulo simple descrito por (7.2) y cuyo retrato de fase se muestra en la figura 7.5. Para conocer el comportamiento del sistema en todos los puntos de equilibrio basta con analizarlo en dos de ellos (un ngulo es igual a un ngulo ):
La figura 7.6 muestra una ampliacin del retrato de fase de la figura 7.5 cerca al punto de equilibrio . El retrato de fase resultante es similar al de un sifn de un sistema lineal, por lo tanto diremos que es un punto de equilibrio del tipo sifn, y por lo tanto estable.
Por otra parte, la figura 7.7 muestra una ampliacin del retrato de fase de la figura 7.5 cerca al punto de equilibrio . El retrato de fase resultante es similar al de un punto de silla de un sistema es un punto de equilibrio del tipo punto de silla, es decir, es
lineal, por lo tanto diremos que inestable.
7.4 rbitas peridicas no sinusoidales

En un sistema lineal la nica posibilidad de tener soluciones peridicas se da cuando los valores propios son imaginarios puros; en estos casos las trayectorias del retrato de fase son elipses y se denominan rbitas cerradas del sistema. En los sistemas no lineales hay otras posibilidades de tener soluciones peridicas, que no necesariamente correspondern a elipses en los retratos de fase. Ejemplo 7.4 Supngase un sistema descrito por las ecuaciones de Lotka-Volterra
(7.3)
La ecuacin (7.3) sirve como un modelo simplificado para predecir el crecimiento de las poblaciones de dos especies en un mbito cerrado en la que una de ellas es el predador de la otra (la presa). representa la poblacin del predador y proporcional al producto . la de la presa. La variacin de la poblacin est afectada
por cuntas veces se cruzan miembros de una especie con los de la otra, que se supone que es
La figura 7.8 muestra el retrato de fase del sistema descrito por (7.3). Se nota un punto de equilibrio en que es un centro, y otro punto de equilibrio en que es un punto de silla. Adems, se
destacan infinitas soluciones peridicas que no tienen forma de elipse ni estn centradas en
7.5 Ciclos lmite
7.5 Ciclos lmite

En ocasiones las trayectorias del sistema tienden a formar una rbita cerrada; cuando esto sucede se dice que existe un ciclo lmite estable. Tambin se da el caso en el que las trayectorias se desprenden de una rbita cerrada, en cuyo caso se dice que se existe un ciclo lmite inestable. Ejemplo 7.5 Supngase un sistema descrito por las ecuaciones:
(7.4)
La ecuacin (7.4) representa al Oscilador de Van der Pol, y corresponde a un oscilador con un amortiguamiento no lineal correspondiente al trmino proporcional a .
La figura 7.9 muestra el retrato de fase del sistema descrito por (7.4) con
. Ntese que todas
las trayectorias tienden a formar una rbita cerrada (marcada en rojo); est rbita corresponde a un ciclo lmite del sistema.
7.5 Ciclos lmite
7.6 rbitas homoclnicas

En un sistema lineal, cuando el punto de equilibrio es del tipo punto de silla, una trayectoria que inicie en el vector propio inestable viajar por ese vector hasta el infinito. En algunos sistemas no lineales puede darse un comportamiento especial: una trayectoria que inicie en un punto de equilibrio del tipo punto de silla puede llegar a terminar en el mismo punto de equilibrio. Cuando esto sucede, la trayectoria descrita se denomina una rbita homoclnica Ejemplo 7.6 Supngase un sistema descrito por las ecuaciones:
(7.5)
La ecuacin (7.5) representa al Oscilador de Duffing, y corresponde a un oscilador con una excitacin adicional; por ejemplo, (7.5) puede representar a un pndulo simple como el de la figura 7.4 cuando el ngulo es pequeo, y adicionalmente se ejerce una fuerza proporcional a La figura 7.10 muestra el retrato de fase del sistema descrito por (7.5) con amortiguamiento). El sistema tiene tres puntos de equilibrio: en puntos de equilbrio del tipo centro; en y en (sin hay unos .
hay un punto de equilibrio del tipo punto de silla. En y ; la
este punto hay dos trayectorias especiales (en rojo): una de ellas inicia en la direccin despues de dar una vuelta hacia la derecha regresa al punto otra inicia en la direccin punto sistema. desde la direccin desde la direccin
y despues de dar una vuelta hacia la izquierda regresa al . Estas dos trayectorias son rbitas homoclnicas del
7.7 Bifurcaciones
7.7 Bifurcaciones
Si las ecuaciones de un sistema dinmico dependen de un parmetro, es lgico pensar que el comportamiento de dicho sistema dependa del valor de ese parmetro. Esto es cierto tanto para sistemas lineales como no lineales. Sin embargo, las variaciones de comportamiento que puede tener un sistema lineal son menores en comparacin con las que pueden suceder en sistemas no lineales. Si al variar un parmetro el comportamiento del sistema cambia estructuralmente (de forma muy notoria), se dice que el parmetro ha tomado un valor de bifurcacin. Ejemplo 7.7 Consideremos el sistema descrito por la ecuacin (7.6)
Para valores negativos de nica condicin en la que
el sistema tendr un nico punto de equilibrio en . Sin embargo, si
, porque es la
existirn tres puntos de equilibrio en
. Este cambio es muy importante, y por lo tanto decimos que en hay una bifurcacin del sistema, o lo que es igual, que el valor de bifurcacin para el parmetro es 0.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineal...co/cursos/ingenieria/2001619/lecciones/no_lineal/node8.html06/07/2008 12:50:05
A. Anotaciones al concepto de Modelo

Por considerarlo de inters, a continuacin se reproduce una traduccin de un trozo del libro de Ljung System Identification. Theory for the user. Tipos de Modelo y su uso `` Cuando se interacta con un sistema, se necesita algn concepto sobre cmo se relacionan sus variables entre s. En una definicin amplia, llamaremos modelo del sistema a esa relacin que se asume entre las seales observadas. Obviamente, los modelos pueden tener distintas formas y ser presentados con distintos grados de formalismo matemtico. El uso para el que se disee el modelo determinar el grado de sofisticacin que se requiera para convertirlo en un modelo apropiado. Sin duda, en la vida diaria muchos sistemas se asocian con modelos mentales que no involucran ningn tipo de formalizacin matemtica. Para manejar un carro, por ejemplo, se necesita el conocimiento segn el cual al girar el timn a la izquierda se logra que el carro gire a la izquierda, junto con cierta informacin subyacente en la memoria muscular, que no debe ser subestimada. Para algunos sistemas resulta adecuado describir sus propiedades usando tablas numricas y/o grficas. Llamaremos a tales descripciones modelos grficos. Los sistemas lineales, por ejemplo, pueden ser descritos de forma unvoca por sus respuestas al impulso o al escaln o por sus respuestas de frecuencia. La representacin grfica de estas respuestas es ampliamente usada con varios propsitos de diseo. Las caractersticas no lineales de, digamos, una vlvula tambin pueden ser descritas de forma muy adecuada por un modelo grfico. Para aplicaciones ms avanzadas, puede ser necesario el uso de modelos que describan las relaciones entre las variables del sistema en trminos de expresiones matemticas como las ecuaciones diferenciales o las ecuaciones de diferencias finitas. Llamaremos a esos modelos modelos matemticos o modelos analticos. Estos modelos pueden caracterizarse por ciertos adjetivos (en el tiempo continuo o discreto, de parmetros concentrados o distribuidos, determinsticos o aleatorios, lineales o no lineales, etc.) segn el tipo de ecuacin diferencial o de diferencia usada. El uso de modelos matemticos es inherente a todas las ramas de la ingeniera y la fsica. De hecho, una parte importante de la ingeniera consiste en cmo obtener buenos diseos basados en modelos matemticos. Tambin se emplean para simulacin y prediccin, que son dos aplicaciones ampliamente usadas en otros campos, incluyendo reas no tcnicas como la economa, la ecologa y la biologa. El modelo de un sistema usado en una simulacin de computador es un programa. Para sistemas complejos, este programa puede ser constituido por muchas subrutinas y
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...co/cursos/ingenieria/2001619/lecciones/ljung/node1.html (1 de 3)06/07/2008 12:50:38
tablas interconectadas, y puede no ser posible resumirlo analticamente como un modelo matemtico. Usaremos el trmino modelo de software para tales descripciones computarizadas. Estos modelos han tomado un papel cada vez ms importante en la toma de decisiones para sistemas complicados. Construccin de modelos Bsicamente, un modelo debe construirse a partir de datos observados. El modelo mental de la dinmica carro-conduccin, por ejemplo, se desarrolla a travs de la experiencia de conducir. Los modelos grficos se construyen a partir de ciertas mediciones. Los modelos matemticos pueden ser desarrollados siguiendo dos caminos (o una combinacin de ellos): Un camino consiste en descomponer el sistema, hablando en figurado, en subsistemas cuyas propiedades se entiendan bien gracias a la experiencia previa. Este camino se conoce como modelamiento y no necesariamente involucra una experimentacin sobre el sistema actual. El proceso de modelamiento depende fuertemente de la aplicacin y a menudo tiene sus races en la tradicin y en tcnicas especficas del rea de aplicacin en cuestin. Las tcnicas bsicas tpicamente involucran una estructuracin del proceso en diagramas de bloques, cuyos bloques son elementos simples. La reconstruccin del sistema a partir de esos bloques simples se hace cada vez ms con el computador, resultando as un modelo de software en lugar de un modelo matemtico. El otro camino para obtener modelos tanto matemticos como grficos se basa directamente en la experimentacin. Se registran seales de entrada y salida del sistema y se someten a anlisis de datos para inferir el modelo. Este camino es la Identificacin del sistema. La Ficcin del Sistema Verdadero El sistema de la vida real es un objeto de una clase diferente a nuestros modelos matemticos. En cierto sentido, existe una pantalla impenetrable pero transparente entre nuestro mundo de las descripciones matemticas y el mundo real. Podemos mirar a travs de esa ventana y comparar ciertos aspectos del sistema fsico con su descripcin matemtica, pero no podremos nunca establecer ninguna conexin exacta entre ellos. La pregunta de si la naturaleza es susceptible de ser descrita matemticamente tiene algunos aspectos filosficos profundos, y en trminos prcticos debemos tener una visin ms pragmtica sobre los modelos. Nuestra aceptacin de los modelos debe estar guiada por su 'utilidad' en lugar de su 'verdad'. Sin embargo, ocasionalmente utilizaremos el concepto del 'Sistema Verdadero' definido en trminos de una descripcin matemtica. tal ficcin es til para la elaboracin de mtodos de identificacin y para el entendimiento de sus propiedades. En tales contextos asumiremos que los datos observados han sido generados de acuerdo a ciertas reglas matemticas bien definidas, lo cual por su puesto es una idealizacin. "
A. Transformada de Laplace y -Demostraciones
A. Transformada de Laplace y Demostraciones

Subsecciones
q
A.1 Propiedades de la Transformada de Laplace r A.1.1 Linealidad: r A.1.2 Diferenciacin: r A.1.3 Desplazamiento en la frecuencia: r A.1.4 Multiplicacin por : r A.1.5 Teorema de valor inicial: r A.1.6 Teorema de valor final: r A.1.7 Convolucin: r A.1.8 Desplazamiento en el tiempo: A.2 Propiedades de la transformada r A.2.1 Linealidad: r A.2.2 Diferencia positiva: r A.2.3 Escalamiento en la frecuencia: r A.2.4 Multiplicacin por : r A.2.5 Teorema de valor inicial: r A.2.6 Teorema de valor final: r A.2.7 Convolucin: A.3 Parejas de transformadas de Laplace r A.3.1 Escaln unitario r A.3.2 Exponenciales r A.3.3 Sinusoides s A.3.3.1 Seno s A.3.3.2 Coseno r A.3.4 Sinusoides amortiguadas r A.3.5 Rampas, parbolas y monomios de r A.3.6 Exponenciales por r A.3.7 Sinusoides por r A.3.8 Sinusoides amortiguadas multiplicadas por A.4 Parejas de transformadas
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../ingenieria/2001619/lecciones/demostraciones/node1.html (1 de 2)06/07/2008 12:50:46
A. Transformada de Laplace y -Demostraciones

r r r
r r r r
A.4.1 Escaln unitario A.4.2 Series geomtricas A.4.3 Sinusoides s A.4.3.1 Seno s A.4.3.2 Coseno A.4.4 Sinusoides amortiguadas A.4.5 Rampas, y monomios de A.4.6 Series geomtricas por A.4.7 Sinusoides por s A.4.7.1 Seno s A.4.7.2 Coseno A.4.8 Sinusoides amortiguadas por
A.1 Propiedades de la Transformada de Laplace
Subsecciones
q q q q q q q q
A.1.1 Linealidad: A.1.2 Diferenciacin: A.1.3 Desplazamiento en la frecuencia: A.1.4 Multiplicacin por : A.1.5 Teorema de valor inicial: A.1.6 Teorema de valor final: A.1.7 Convolucin: A.1.8 Desplazamiento en el tiempo:

La transformada de Laplace de una funcin calculada como $ f:\mathbb es una funcin {R}\to \mathbb{R} $ $ F:\mathbb {C}\to \mathbb{C} $ (A.1)
$\displaystyle F(s)=\mathcal{L}\left\{f(t) \right\}=\int_0^\infty f(t)e^{-st}dt$
Sean $ F(s), F_1(s), F_2(s) , y $
tres funciones cuyas Transformadas de Laplace son, respectivamente un escalar (real o complejo). Se cumplen las siguientes propiedades:
A.1.1 Linealidad:
$\displaystyle \mathcal{L}\left\{f_1(t) +f_2(t)\right\}=F_1(s)+F_2(s)$ (A.2)
(A.3)
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...ingenieria/2001619/lecciones/demostraciones/node2.html (1 de 11)06/07/2008 12:51:02
Demostracin A.1 La propiedad de Linealidad de la Trasformada de Laplace se desprende de la propiedad de Linealidad de la integracin. Demostramos primero la propiedad de superposicin (B.2). La Transformada de Laplace de $ f_1(t)+f_2(t) es, segn la definicin (B.1): $ $\displaystyle \mathcal{L}\left\{f_1(t)+f_2(t)\right\}= \int_0^\infty{[f_1(t)+f_2(t)]e^{-st}dt} $ Debido a que la Integracin es una operacin lineal, podemos separar la integral de una suma en la suma de las integrales:
Las dos integrales corresponden a las transformadas de Laplace de $ f_1 y $ f_2 , respectivamente, (t)$ (t)$ con lo que queda demostrada (B.2) $\displaystyle \mathcal{L}\left\{f_1(t) +f_2(t)\right\}=F_1(s)+F_2(s) $ Para demostrar B.3 tambin acudimos a la propiedad de linealidad de la integracin. La Transformada de Laplace de es
A.1.2 Diferenciacin:
(A.4)
$\displaystyle \mathcal{L}\left\{ \frac{d^nf(t)}{dt^n} \right\}=s^nF(s) -\sum_{i=0}^{n-1} s^{n-i-1}f^{(i)} (0^+)$
(A.5)
Demostracin A.2 Para demostrar B.4 calculamos la Transformada de Laplace de la derivada
$\displaystyle \mathcal{L}\left \{ \frac{df(t)}{dt}\right\}=\int_0^ \infty{\left[\frac{df}{dt}e^{-st} \right]dt} $ Esta integral puede resolverse por partes, haciendo $ du=-se^{-st}dt$ y $ v=f(t)$ : $\displaystyle \mathcal{L}\left\{ \frac{df(t)}{dt}\right\}= \left.f(t)e^{-st}\right\vert _0^\infty - \int_0^\infty{(-s)e^{st}f(t)dt} $ La integral es respecto a , y por tanto es constante y puede salir de la integral $ dv=\left[\frac y {df}{dt}\right] y por lo tanto dt$
$\displaystyle \mathcal{L}\left\{ \frac{df(t)}{dt}\right\}= \lim_{t\to\infty}{f(t)e^{-st}} -f(0^+)e^{-s0} + sF(s) $
El valor del lmite no est determinado, hasta tanto no se conozca
. Sin embargo, para todas
el valor aquellas funciones que decrezcan, sean constantes, o que crezcan ms lentamente que del lmite ser 0. Este tipo de funciones son las que empleamos en Anlisis de Sistemas Dinmicos, y en consecuencia podemos escribir
Esto concluye la demostracin de (B.4). Para demostrar (B.5), hacemos notar que para se reduce a (B.4), y por tanto podemos
emplear el mtodo de induccin para la demostracin: Calculemos la transformada de empleando (B.4):
El trmino la sumatoria
cuando
, e incorporarlo en
Esta expresin corresponde a (B.5) para
lo que completa la demostracin por induccin.
A.1.3 Desplazamiento en la frecuencia:
(A.6)
Demostracin A.3 La Transformada de Laplace de
es
La integral corresponde a la definicin de la Transformada de Laplace (B.1), pero evaluada en en lugar de , es decir
A.1.4 Multiplicacin por :

(A.7)
(A.8)
Demostracin A.4 Para demostrar (B.7) calculamos la derivada de
respecto a
La derivada se hace respecto a y la integral respecto a , por lo tanto la derivada puede incorporarse dentro de la integral
Como la derivada es respecto a ,
son constantes:
La integral corresponde a la Transformada de Laplace de de (B.7).
, lo que completa la demostracin
se convierte en (B.7), y por tanto podemos Para demostrar (B.8) resaltamos que cuando se obtiene emplear el mtodo de induccin. Al evaluar (B.8) en
La derivada
de
respecto a
es
$\displaystyle \frac{d^{(k+1)} F(s)}{ds^{(k+1)}}=\frac{d} {ds}\left\{ \frac{d^kf}{ds^k} \right\} $
Como la integral es respecto a
y la derivada respecto a
se tiene
La integral corresponde a la transformada de Laplace de
, es decir
Esta expresin resulta ser igual a (B.8) evaluada en demostracin.
con lo que se completa la
A.1.5 Teorema de valor inicial:

(A.9)
Demostracin A.5 Para demostrar (B.9) consideremos primero la propiedad de diferenciacion a cada lado de la igualdad: (B.4) y calculemos el lmite cuando $\displaystyle \mathcal{L}\left \{ \frac{df(t)}{dt}\right\}=sF(s)-f (0^+) $ $\displaystyle \lim_{s\to\infty}\left[\mathcal{L}\left \{ \frac{df(t)}{dt}\right\}\right]= \lim_{s\to\infty} \left[sF(s)-f(0^+)\right] $
Cuando
la integral de hace cero, y por lo tanto tenemos
Dado que
es independiente de , y adems $ f(0^+)=lim_{t\to 0^+}f se tiene (t)$
A.1.6 Teorema de valor final:

(A.10)
Demostracin A.6 Para demostrar (B.10) consideremos primero la propiedad de diferenciacion a cada lado de la igualdad: (B.4) y calculemos el lmite cuando $\displaystyle \mathcal{L}\left \{ \frac{df(t)}{dt}\right\}=sF(s)-f (0^+) $ $\displaystyle \lim_{s\to 0}\left[\mathcal{L}\left \{ \frac{df(t)}{dt}\right\}\right]= \lim_{s\to 0} \left[sF(s)-f(0^+)\right] $
Cuando
la integral se simplifica
Con lo que resulta $\displaystyle \lim_{t\to \infty}f(t)= \lim_{s\to 0}
sF(s) $
A.1.7 Convolucin:
(A.11)
Demostracin A.7 Para demostrar (B.11) calculemos la transformada de Laplace de la convolucin entre $ f_1 y $ f_2 : (t)$ (t)$ $\displaystyle \mathcal{L}\left\{f_1(t)*f_2(t)\right\}= \mathcal{L}\left\{\int_0^\infty{f_1(t-\tau)f_2(\tau)d\tau} \right\}= $
$\displaystyle \mathcal{L}\left\{f_1(t)*f_2(t)\right\}= \int_0^ \infty \int_0^\infty f_1(t-\tau)e^{-st}f_2(\tau)d\tau dt $ Podemos interambiar el orden de integracin y reagrupar: $\displaystyle \mathcal{L}\left\{f_1(t)*f_2(t)\right\}= \int_0^ \infty \int_0^\infty f_1(t-\tau)e^{-st}f_2(\tau)dt d\tau $
Ahora efectuamos un cambio de variable
de tal manera que
y $ t=\xi+ \tau$
Como
es independiente de
podemos sacar la integral
Adems, consideramos de
vale cero para valores negativos de , y por tanto podemos
modificar los lmites de la integral, completando asi la demostracin
A.1.8 Desplazamiento en el tiempo:

(A.12)
Demostracin A.8 La transformada de Laplace de $ f(t-T)$
es
Efectuando el cambio de variable
de tal manera que
y $ t=\tau + T se tiene $
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20...ngenieria/2001619/lecciones/demostraciones/node2.html (10 de 11)06/07/2008 12:51:02
Como la intergal es respecto a
es constante, puede sacarse de la integral el trmino
Si asumimos que
vale cero para todo valor negativo de , entonces los lmites de la integral
pueden modificarse asi:
La integral corresponde a la transformada de Laplace de calcula se ha denominado ahora en lugar de , es decir
, en dnde la variable en la que se
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20...ngenieria/2001619/lecciones/demostraciones/node2.html (11 de 11)06/07/2008 12:51:02
A.2 Propiedades de la transformada
Subsecciones
q q q q q q q
A.2.1 Linealidad: A.2.2 Diferencia positiva: A.2.3 Escalamiento en la frecuencia: A.2.4 Multiplicacin por : A.2.5 Teorema de valor inicial: A.2.6 Teorema de valor final: A.2.7 Convolucin:

La transformada calculada como de una funcin es una funcin
(A.13)
Sean y
tres funciones cuyas Transformadas
son, respectivamente
un escalar (real o complejo). Se cumplen las siguientes propiedades:
A.2.1 Linealidad:
(A.14)
(A.15)
se desprende de la propiedad Demostracin A.9 La propiedad de Linealidad de la Trasformada de Linealidad de la sumatoria. Demostramos primero la propiedad de superposicin (B.14).
La Transformada de
es, segn la definicin (B.13):
Debido a que la sumatoria es una operacin lineal, podemos separarla en la suma de dos sumatorias:
Las dos integrales corresponden a las transformadas que queda demostrada (B.14)
de
, respectivamente, con lo
Para demostrar B.15 tambin acudimos a la propiedad de linealidad de la sumatoria. La Transformada de es
A.2.2 Diferencia positiva:

(A.16)
$\displaystyle \mathcal{Z}\left\{ f(k+n)\right\} =z^nF(z) -\sum_{i=0}^{n-1}z^{n-i}f(i)$
(A.17)
Demostracin A.10 Para demostrar B.16 calculamos la Transformada
de la diferencia
Si dividimos a cada lado de la ecuacin por
tenemos
Si sumamos a cada lado de la ecuacin
La sumatoria resulta ser la Transformada
de $ f(k) , es decir $
Esto concluye la demostracin de (B.16). Para demostrar (B.17) calculamos la Transformada de
Si dividimos a cada lado de la ecuacin por
tenemos
Si sumamos a cada lado de la ecuacin
La sumatoria resulta ser la Transformada
de $ f(k) , es decir $
Esto concluye la demostracin de (B.17).
A.2.3 Escalamiento en la frecuencia:

(A.18)
Demostracin A.11 La Transformada
de
es
La integral corresponde a la definicin de la Transformada lugar de , es decir
(B.13), pero evaluada en
en
A.2.4 Multiplicacin por :

(A.19)
(A.20)
Demostracin A.12 Para demostrar (B.19) calculamos la derivada de
respecto a
Multiplicando por
a cada lado de la ecuacin se tiene
La sumatoria corresponde a la Transformada (B.19) Para demostrar (B.20) definamos una funcin
de
, lo que completa la demostracin de
y apliquemos (B.19)
Lo que completa la demostracin de (B.20)
A.2.5 Teorema de valor inicial:

(A.21)
Demostracin A.13 La demostracin de (B.21) se desprende de la definicin de transformada (B.13)
Cuando la demostracin
cada uno de los trminos de la derecha se hace cero, salvo
lo que completa
A.2.6 Teorema de valor final:

(A.22)
Demostracin A.14 Para demostrar (B.22) calculemos la transformada y apliquemos la propiedad de diferencia positiva (B.16)
de la expresin
Al tomar el lmite cuando
se obtiene
Como
es independiente de
puede salir del lmite, con lo que se completa la demostracin
A.2.7 Convolucin:
(A.23)
Demostracin A.15 Para demostrar (B.23) calculemos la transformada y :
de la convolucin entre
Podemos intercambiar el orden de las sumatorias y reagrupar los trminos:
Efectuamos el cambio de variable
que implica
Si consideramos slo funciones
que valgan cero para valores negativos de
podemos
cambiar los lmites de la sumatoria, con lo que se completa la demostracin
A.1 Definicin
A.1 Definicin
El valor de una funcin de transferencia amplitud es y cuyo ngulo es , para un especfico, es un nmero complejo cuya
. Los diagramas de Bode para sistemas continuos toma todos los
muestran cmo vara la amplitud y el ngulo de ese nmero complejo, cuando posibles valores del eje imaginario positivo ( los siguientes diagramas: Diagrama de magnitud: r La abscisa (eje horizontal) muestra el valor de
r
). Especficamente se definen
en escala logartmica. medida en decibeles:
La ordenada (eje vertical) muestra la magnitud de
Diagrama de fase: r La abscisa (eje horizontal) muestra el valor de

r
en escala logartmica. medida en grados o radianes.
La ordenada (eje vertical) muestra el ngulo de
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineal....edu.co/cursos/ingenieria/2001619/lecciones/bode/node2.html06/07/2008 12:51:25
A. Carta de Nichols
A. Carta de Nichols
Supngase la funcin de transferencia (D.1), que corresponde a un sistema realimentado simple con realimentacin unitaria,
(A.1)
Al evaluar
en
la ecuacin (D.1) se convierte en
(A.2)
Podemos calcular la magnitud y el ngulo de :
, a partir de la parte real y la parte imaginaria de
(A.3)
Al remplazar (D.3) en (D.2) se obtiene
(A.4)
La magnitud de
ser
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/nichols/node1.html (1 de 2)06/07/2008 12:51:37
A. Carta de Nichols
(A.5)
El ngulo de
ser
(A.6)
La tangente del ngulo de
ser
(A.7)
En las secciones D.1 y D.2 se muestra como (D.5) y (D.7) corresponden a las ecuaciones de unas y constantes. circunferencias, para
Subsecciones
q q q
A.1 -circunferencias A.2 -circunferencias A.3 Carta de Nichols
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/nichols/node1.html (2 de 2)06/07/2008 12:51:37
A.1 Espacios vectoriales
Subsecciones
q q q q
A.1.1 Estructuras algebricas bsicas A.1.2 Definicin de espacio vectorial A.1.3 Bases A.1.4 Cambio de base

A.1.1 Estructuras algebricas bsicas
Definicin A.1 Grupo Un conjunto dotado de una operacin binaria tiene estructura de grupo si la operacin satisface las siguientes propiedades: G.1 G.2 Clausurativa (Cerradura): $ \forall\; x,y \in \Gamma \quad x \oplus y\in \Gamma$ $ \forall\; x,y,z \in \Gamma\quad (x \oplus y) Asociativa: \oplus z=x \oplus (y \oplus z)$ Modulativa: $ \exists\; 0 \in \Gamma\;\vert\; \forall x \in \Gamma\quad x \oplus 0=x$ Invertiva:
G.3
G.4
Definicin A.2 Grupo conmutativo Un conjunto dotado de una operacin binaria tiene estructura de grupo conmutativo o grupo abeliano si la operacin satisface las propiedades de grupo y: G.1 Conmutativa: $ \forall\; x,y \in \Gamma\quad x \oplus y=y \oplus x$ Ejemplo A.1 El conjunto $ \Gamma= \{a,b,c\}$ dotado con la operacin descrita en la tabla
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/algebra/node2.html (1 de 13)06/07/2008 12:51:52
tiene estructura algebrica de grupo conmutativo, en donde el mdulo 0 de
es el elemento
Ejemplo A.2 El conjunto
dotado con la operacin suma usual no tiene estructura de
grupo porque no se satisface la propiedad clausurativa ( $ 1+1=2\not\in ). Sin embargo, con la \Gamma$ operacin descrita en la tabla s tiene estructura de grupo 0 0 0 Definicin A.3 Anillo Un conjunto dotado de dos operaciones binarias y tiene estructura de anillo si las operaciones satisfacen las siguientes propiedades. Para la operacin R.1 R.2 Clausurativa: $ \forall\; x,y \in \Gamma \quad x \oplus y\in \Gamma$ Asociativa: 0
R.3 Modulativa: R.4 Invertiva: R.5 Conmutativa:
Para la operacin R.1 R.2 Clausurativa: $ \forall\; x,y \in \Gamma \quad x \otimes y\in \Gamma$ $ \forall\; x,y,z \in \Gamma\quad (x \otimes y) Asociativa: \otimes z=x \otimes (y \otimes z)$
Para las dos operaciones R.1 Distributiva respecto a : $ \forall\; x,y,z \in \Gamma\quad x \otimes (y \oplus z)= (x \otimes y) \oplus (x \otimes z)$
Definicin A.4 Anillo modulativo (anillo con unidad) Un conjunto satisface: R.1 Modulativa: $ \exists\; 1 \in \Gamma\;\vert\; \forall x \in \Gamma\quad x \otimes 1=1 \otimes x=x$ Definicin A.5 Anillo conmutativo Un conjunto dotado de dos operaciones binarias y tiene estructura de anillo conmutativo si satisface: dotado de dos operaciones binarias y tiene estructura de anillo modulativo o de anillo con unidad si las operaciones satisfacen las propiedades de anillo y adems la operacin
las operaciones satisfacen las propiedades de anillo y adems la operacin R.1 Conmutativa: $ \forall\; x,y \in \Gamma\quad x \otimes y=y \otimes x$ Definicin A.6 Campo Un conjunto dotado de dos operaciones binarias y
tiene estructura de campo si tiene
estructura de anillo conmutativo con unidad. Ejemplo A.3 Algunos de los campos ms conocidos son los reales , los complejos . conjunto de las funciones racionales de con coeficientes reales $ \mathbb {R} (s)$ A.1.2 Definicin de espacio vectorial y el
Definicin A.7 espacio vectorial Sea un conjunto y $ \mathbf{F}: un campo. A los elementos de se les denomina vectores, y a (\Phi ,\oplus, escalares. si est dotado de una los elementos de \otimes)$ tiene estructura de espacio vectorial sobre (suma vectorial) y una operacin entre elementos de y (producto por operacin binaria escalar) que cumplen las siguientes propiedades: Para la suma vectorial V.1 V.2 Clausurativa: $ \forall\; x,y \in \Gamma \quad x + y\in \Gamma$ Asociativa: $ \forall\; x,y,z \in \Gamma\quad (x + y) + z=x + (y + z)$ V.3 Modulativa: V.4 Invertiva: V.5 Conmutativa: $ \forall\; x,y \in \Gamma\quad x + y=y + x$ Para el producto por escalar V.1 Clausurativa: $ \forall\; x \in \Gamma ,\; \forall \; \alpha \in \Phi\quad \alpha \cdot V.2 x\in \Gamma$ Asociativa: $ \forall\; x \in \Gamma ,\; \forall\; \alpha,\beta \in \Phi \quad (\alpha\otimes\beta) \cdot x= \alpha \cdot (\beta V.3 \cdot x)$ . es el mdulo de Modulativa: $ \forall\; x \in \Gamma ,\; 1\cdot V.4 x=x$ .En donde 0 es el mdulo de , y Anulativa: $ \forall\; x \in \Gamma ,\; 0\cdot x= \mathbf{0}$ Para las dos operaciones V.1 Distributiva respecto a : $ \forall\;x,y \in \Gamma ,\; \forall \alpha \in \Phi\quad \alpha\cdot(x+y)=(\alpha\cdot x)+(\alpha\cdot y)$
es el mdulo de
V.2 Distributiva respecto a : $ \forall\;x \in \Gamma ,\; \forall \alpha,\beta \in \Phi\quad (\alpha\oplus\beta)\cdot x= (\alpha\cdot x)+(\beta\cdot x)$
Ejemplo A.4 Uno de los espacios vectoriales ms conocidos, y que servir para futuros ejemplos sobre el campo con las operaciones usuales. En general, en este captulo es el formado por sobre el campo con las operaciones usuales forma un espacio vectorial. Ejemplo A.5 El conjunto de todos los polinomios sobre el campo entre polinomios forma un espacio vectorial. con las operaciones usuales
Ejemplo A.6 El conjunto de todas las funciones contnuas a trozos sobre el campo operacin definida como la suma punto a punto forma un espacio vectorial.
con la
Ejemplo A.7 El conjunto de todas las matrices de tamao fijo operaciones usuales entre matrices forma un espacio vectorial.
sobre el campo
con las
Definicin A.8 Subespacio un subconjunto de . Si Sea $ V:(\Gamma,+, un espacio vectorial sobre ; sea \cdot,\mathbf $ W:(\Omega ,+, forma un espacio vectorial sobre {F})$ se dice que es un subespacio de . \cdot,\mathbf{F}) $ un subconjunto de . Teorema A.1 Sea $ V:(\Gamma,+, un espacio vectorial sobre ; sea \cdot,\mathbf {F})$ es un subespacio de si y slo si , son cerradas en .
Demostracin A.1 Si
son cerradas en
se satisfacen V.1 y V.6. Las dems propiedades es un espacio vectorial; por lo
contenidas en la definicin E.7 se satisfacen porque tanto de .
es un Espacio vectorial y de acuerdo con la definicin E.8, es un subespacio
es un subespacio de Ejemplo A.8 $ (\mathbb {R}^2,en operaciones cerradas . En general si \mathbb {R})$
, ya que la suma y el producto por escalar son se tiene que es un subespacio de
Ejemplo A.9 Una lnea recta que cruce por el origen es un subsepacio de
, ya que: i) la
suma de dos vectores que estn sobre una misma recta da otro vector sobre esa recta y ii) el producto por escalar de un vector da otro vector sobre la misma recta. Ejemplo A.10 El conjunto de los polinomios de orden 2, es un subespacio del conjunto de los polinomios de orden 4 (con las operaciones usuales y sobre ), ya que: i) la suma de dos polinomios de orden 2 da otro polinomio de orden 2 y ii) el producto de un polinomio de orden 2 por un escalar da otro polinomio de orden 2. Se entiende que un polinomio de orden es un polinomio que no tiene monomios de orden superior a .
A.1.3 Bases
Definicin A.9 Combinacin lineal Sea $ \alpha_1, \alpha_2,\cdots, de \alpha_n$ un espacio vectorial. Sean cualesquiera escalares de es la operacin cualesquiera vectores y denominados coeficientes. Una combinacin lineal
Definicin A.10 Independencia lineal Un conjunto de vectores $ \{x_1,x_2,\cdots, es linealmente independiente si la nica combinacin x_n\}$ lineal nula se obtiene con coeficientes nulos. Es decir, si
Definicin A.11 Dimensin El mximo nmero de vectores linealmente independientes en un espacio vectorial dimensin de .
se denomina la
Definicin A.12 Conjunto generador Dado un conjunto de vectores $ X=\{x_1,x_2,\cdots,x_n ; es un Conjunto generado por si es \}$ es un el conjunto de todas las posibles combinaciones lineales de elementos de ; se dice que y se denota por Conjunto generador de
Definicin A.13 Base de un espacio vectorial Un conjunto de vectores $ B=\{b_1,b_2,\cdots, b_n\}$ es linealmente independiente y genera a .
es una base del espacio vectorial
si
Teorema A.2 En un espacio vectorial de dimensin linealmente independientes es una base de .
, cualquier conjunto de
vectores
Demostracin A.2 Sea $ A=\{a_1,a_2,\cdots, un conjunto arbitrario de vectores linealmente a_n\}$ es una base de es necesario demostrar que cubre a independientes en . Para demostrar que , es decir, que cualquier elemento de puede expresarse como una combinacin lineal de los elementos de . Debido a que (tiene elementos, el conjunto $ \{x,a_1,a_2,\cdots, es linealmente dependiente a_n\}$ elementos y es el mximo nmero de vectores linealmente independientes) y por tiene
tanto existe una combinacin lineal (A.1)
con algunos de los
. Es claro que
por que de lo contrario se obtendra
(A.2)
lo que implica que todos los
deberan ser cero ya que los elementos de podemos despejar
son linealmente
independientes (son una base). Como
(A.3)
es decir, que existe una combinacin lineal de los elementos de tanto genera el espacio vectorial . Definicin A.14 Coordenadas de un vector Sea un elemento del espacio vectorial ,y
cuyo resultado es
, y por lo
una base de en la base
. Si son los
se dice que las coordenadas de coeficientes de esa combinacin lineal
. Usualmente se agrupan en un vector
Teorema A.3 Todo elemento de un espacio vectorial determinada base $ B=\{b_1,b_2,\cdots, b_n\}$
tiene unas nicas coordenadas en una
Demostracin A.3 Segn la definicin E.14 genera a y por lo tanto existe al menos una cuyo resultado es , es decir, existen al menos unas combinacin lineal de los elementos de coordenadas de en la base . Para demostrar que estas coordenadas son nicas, supongamos que existen dos juegos de coordenadas diferentes $ \{\alpha_1, y $ \{\beta_1,\beta_2, . Segn la definicin E.14 se tiene \alpha_2,\cdots, \cdots,\beta_n\}$ \alpha_n\}$
Al restar estas dos expresiones se obtiene
De acuerdo con la definicin E.13, el conjunto
es linealmente
independiente, y por lo tanto la nica combinacin lineal de sus elementos que es nula es la que tiene todos sus coeficientes nulos, por lo tanto dos juegos de coordenadas deben ser iguales.
para
lo que significa que los
Teorema A.4 Al aumentar los elementos de una base el conjunto resultante es linealmente dependiente. Demostracin A.4 Sea de . Debido a que genera a una base de es posible encontrar y sea un elemento cualquiera
tales que
y por tanto puede escribirse
Esta es una combinacin lineal nula con coeficientes no nulos (al menos el coeficiente de y por tanto el conjunto es linealmente dependiente.
es
Teorema A.5 Todas las bases de un mismo espacio vectorial tienen el mismo nmero de elementos que coincide con la dimensin del espacio vectorial. Demostracin A.5 Por el teorema E.2 sabemos que pueden existir bases de tamao igual a la dimensin. Segn las definiciones E.11 y E.13 no puede haber bases con un nmero mayor de elementos, debido a que este conjunto sera linealmente dependiente, por lo tanto slo es necesario probar que no puede haber bases con un nmero de elementos inferior a la dimensin del espacio. Sea un espacio vectorial de dimensin . Supongamos dos bases y :
con
. Segn el teorema E.4 el conjunto
es linealmente ;
dependiente y alguno de los elementos supongamos que este es justamente
es una combinacin lineal de los otros elementos de , (en caso de que no lo sea, reorganizamos el conjunto y
cambiamos los subndices). El espacio cubierto por es el mismo espacio cubierto por y por , , , , ,
por lo tanto el conjunto $ C_2= , , , , \{b_2$ podemos argumentar que alguno de los elementos elementos de ; supongamos que este
es linealmente dependiente; de nuevo
es una combinacin lineal de los otros .
es justamente
Efectuando este procedimiento podemos construir en forma consecutiva los cuales sern conjuntos linealmente dependientes. Sin embargo, es
, todos
que es un subconjunto de la base forma demostramos que
y por lo tanto no puede ser linealmente dependiente. De esta
es una contradiccin. Como consecuencia, todas las bases del
espacio vectorial deben tener el mismo tamao, que coincide con la dimensin del espacio. Ejemplo A.11 Cualquier pareja de vectores no paralelos en el plano es una base del espacio vectorial Ejemplo A.12 El conjunto formado por los polinomios vectorial de los polinomios de orden 3. Ejemplo A.13 El espacio vectorial de todos los polinomios tiene dimensin infinita. Una base de ese espacio es la formada por los polinomios forma una base del espacio
A.1.4 Cambio de base

Sean y dos bases del mismo espacio vectorial
y como las matrices que tienen en sus columnas cada de dimensin . Definimos las matrices uno de los elementos de las bases y respectivamente:
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...cursos/ingenieria/2001619/lecciones/algebra/node2.html (10 de 13)06/07/2008 12:51:52
Un vector
tendr coordenadas
en la base
en la base
, de tal manera que
(A.4)
Definimos los vectores columna
que contienen las coordenadas:
de tal manera que podemos reescribir (E.4) como
Igualando estas dos expresiones se encuentran las expresiones que permiten encontrar las coordenadas de en una base a partir de sus coordenadas en la otra: (A.5)
sea la base estndar, la matriz En caso de que (E.5) se convierte en
resulta ser la matriz identidad de orden
(A.6)
Ejemplo A.14 En Definamos por ejemplo
puede definirse una base con cualquier pareja de vectores no paralelos. , (vectores rojos en la figura E.1). y
Consideremos ahora el vector
en la figura E.1. Sus coordenadas en la base estndar
sern
Para obtener las coordenadas de empleamos (E.6)
en las bases
construimos las matrices
$\displaystyle \mathbf{B}= \begin {bmatrix} 3&2\\ 1&2 \end{bmatrix} \qquad \mathbf{C}= \begin{bmatrix} 1&-1\\ 1&-1 \end{bmatrix}$
Puede verificarse que las coordenadas en las bases
satisfacen las relaciones (E.5)
A.3 Normas de vectores y matrices

Definicin A.16 Producto interno Sea un espacio vectorial sobre . Una operacin
se denomina producto interno o producto interior si satisface las siguientes condiciones P.1 La igualdad se cumple slo si P.2
P.3
P.4
Ejemplo A.20 El producto escalar usual es un producto interno. Se define como
en donde
son las coordenadas de
respectivamente, y la dimension del espacio es
Definicin A.17 Norma de un vector Sea un espacio vectorial sobre . Una operacin
es una funcin de Norma si satisface las siguientes condiciones N.1
N.2 si y slo si N.3
N.4
Ejemplo A.21 Sea interno de ese espacio. Si la cantidad
un espacio vectorial sobre
, y sea
un producto
es una funcin de norma se dice que es una norma inducida por el producto interno resalta que se trata de la raiz positiva del producto interno de Ejemplo A.22 Sea coordenadas del vector 1. 2. 3. 4. Definicin A.18 Distancia entre vectores Sea un espacio vectorial sobre , y sea y un espacio vectorial de dimensin consigo mismo.
. El signo
, y sean
las
. En esas condiciones, las siguientes funciones son funciones de normas:
una norma definida en
ese espacio vectorial. Se define la distancia entre los vectores tal que
como la operacin
Toda funcin de distancia satisface las siguientes propiedades: d.1
d.2 si y slo si d.3
d.4
Definicin A.19 Vector normal Un vector es normal si su norma es Definicin A.20 Bola unitaria Sea un espacio vectorial sobre , y sea una funcin de distancia
definida en ese espacio vectorial. Se define la bola unitaria como el conjunto de todos los vectores cuya distancia al origen sea . Tambin puede definirse de forma equivalente como el conjunto de todos los vectores cuya norma sea , o lo que es igual, el conjunto de todos los vectores normales. Ejemplo A.23 La figura E.3 muestra las bolas unitarias para tres funciones de distancia diferentes, originadas las siguientes normas , y definidas en el Ejemplo E.22, para el se emplea el trmino
. Como se trata de un espacio de dimensin espacio vectorial circunferencia unitaria en lugar de bola unitaria
Definicin A.21 ngulo entre vectores Sea un espacio vectorial sobre , sea un producto interno definido
en ese espacio, y mediante asi:
la norma inducida por
. Se define el ngulo
entre los vectores
Definicin A.22 Vectores ortogonales Un conjunto de vectores es ortogonal si
Definicin A.23 Vectores ortonormales Un conjunto de vectores normales, es decir, si es ortonormal si es ortogonal y todos sus vectores son
en donde
se conoce como la funcin delta de Kronecker
Teorema A.9 Los elementos de un conjunto ortogonal de vectores son linealmente independientes. Demostracin A.9 Supngase un conjunto ortogonal combinacin lineal nula de ellos: y construyamos una
Si seleccionamos un vector cualquiera ecuacin tenemos
y efectuamos el producto interno a cada lado de la
Como se trata de un sistema ortogonal el nico
es
y por lo tanto
Y por tanto
Este conclusin se puede obtener para todos los coeficientes , por lo tanto la unica combinacin lineal nula de los vectores es la que tiene coeficientes nulos, es decir, los vectores son linealmente independientes. Definicin A.24 Proceso de ortonormalizacin de Gram-Schmidt Sea en ese espacio, y independientes un espacio vectorial sobre la norma inducida por , sea un producto interno definido
.Dado un conjunto de vectores linealmente
es posible encontrar un conjunto de vectores ortonormales siguiendo el proceso de ortonormalizacin de Gram-Schmidt:
Definicin A.25 Norma de una matriz cuadrada Sea una matriz que representa una transformacin lineal la matriz inducida por una norma vectorial como
. Se define la norma de
Es decir, la norma de una matriz es la norma ms grande que se obtiene al aplicar la transformacin lineal sobre los elementos de la bola unitaria. Ejemplo A.24 Sea la matriz
Para calcular
aplicamos la transformacin
a la circunferencia unitaria de la norma
, tal como se muestra en la figura E.4.
La mayor distancia al origen que resulta es, segn la norma y , por lo tanto
, la correspondiente a los puntos
Ejemplo A.25 Sea
la matriz
Para calcular
La mayor distancia al origen que resulta es, segn la norma como
, la marcada en la figura E.5
. Es un ejercicio interesante demostrar que esta distancia corrresponde a los puntos y por lo tantoA.1
Tambin puede demostrarse que
Ejemplo A.26 Sea
la matriz
Para calcular
La mayor distancia al origen que resulta es, segn la norma cualquiera de los puntos cuya segunda coordenada es o
, la correspondiente a , por ejemplo , por lo tanto
A.4 Sistemas de ecuaciones algebricas

El propsito de esta seccin es el de presentar algunas propiedades de las matrices. Para ello, consideramos el sistema de ecuaciones algebricas:
(A.13)
que puede escribirse en forma matricial como
(A.14)
La ecuacin (E.14) puede interpretarse como el sistema de ecuaciones algebracas (E.13), como una , o en general como una transformacin lineal de un espacio transformacin lineal vectorial de dimensin a otro espacio vectorial de dimensim con y .
Empleamos esta mltiple interpretacin para hacer algunas definiciones y obtener ciertas conclusiones acerca de la existencia y unicidad del sistema de la solucin del sistema de ecuaciones algebricas. Definicin A.26 Codominio El Codominio de un operador lineal es el conjunto definido como
Teorema A.10 El codominio de un operador lineal
es un subespacio de
Demostracin A.10 Es claro que el codominio . Supnganse dos vectores vectores , en tales que ,
es un subconjunto de de
, es decir
. Segn la definicin E.26 existen dos
Gracias a la linealidad de
cualquier combinacin lineal de
es decir, para cualquier combinacin lineal de que y por lo tanto segn el teorema E.1
es posible encontrar un elemento es un subespacio de .
tal
Definicin A.27 Rango El rango de una matriz representado por , denotado por es la dimensin del codominio del operador lineal
(ver figura E.7).
Teorema A.11 El rango de una matriz independientes de . Demostracin A.11 Si denotamos la
es igual el nmero de columnas linealmente
sima columna de
como
, es decir
la ecuacin E.14 puede escribirse como
es decir,
es una combinacin lineal de las columnas de . El codominio de
cuyos coeficientes son
ser entonces el conjunto de todas las posibles combinaciones ; por lo tanto la
lineales de las columnas de dimensin de en el conjunto , que es
, es decir
, ser igual al nmero de elementos linealmente independientes .
Ejemplo A.27 Considrese la transformacin lineal de donde es la matriz
en
representada por
en
Esa transformacin toma un punto horizontal (figura E.8):
en el plano y lo convierte en un punto sobre el eje
El codominio de de
, que denotamos por
resulta ser el eje horizontal, es decir, un subespacio , denotado por tambin es . es entonces . Ntese
. La dimensin de
, que es el rango de
que el nmero de columnas linealmente independientes de
Ejemplo A.28 Considrese la transformacin lineal de donde es la matriz
en
representada por
en
Esa transformacin toma un punto pendiente (figura E.9):
en el plano y lo convierte en un punto sobre la recta de
El codominio de subespacio de entonces
, que denotamos por . La dimensin de
resulta ser la recta identidad, es decir, un , que es el rango de , denotado por es .
. Ntese que el nmero de columnas linealmente independientes de
tambin es
En el teorema E.14 se demuestra que el rango de una matriz no se altera al premultiplicarla o
posmultiplicarla por matrices no singulares. Esto significa que las operaciones elementales sobre matrices no alteran el rango de una matriz y por lo tanto puede comprobarse que el rango tambin es igual el nmero de filas linealmente independientes de la matriz, es decir, para una matriz de dimensiones se tiene que
(A.15)
Adems, puede demostrarse que una matriz es no singular si y slo si todas sus filas y todas sus columnas son linealmente independientes, Teorema A.12 El sistema de ecuaciones (E.14) donde para todo en si y solo si es una matriz tiene solucin
, o lo que es equivalente, si y slo si
Demostracin A.12 La demostracin se desprende directamente de las definiciones E.26 y E.27 Definicin A.28 Espacio Nulo El Espacio Nulo de un operador lineal es el conjunto definido como
La linealidad del operador permite demostrar que el Espacio Nulo es un Subespacio de permite hacer la siguiente definicin Definicin A.29 Nulidad La Nulidad de un operador lineal nulo de , denotada por
. Esto
es la dimensin del espacio
El ejemplo E.29 muestra la relacin existente entre el rango y la nulidad de un operador lineal , con y (figura E.10).
(A.16)
Teorema A.13 El sistema de ecuaciones distinta de la trivial si y slo si . Si
con
una matriz
tiene una solucin
esto es equivalente a decir si y slo si
Demostracin A.13 De la definicin E.29 se desprende que el nmero de soluciones linealmente independientes de es . Para que exista una solucin no trivial se necesita que . Si entonces seran
. Empleando (E.16) esta condicin se convierte en es cuadrada y la condicin es equivalente a linealmente dependientes. Ejemplo A.29 Supngase el sistema de ecuaciones donde
, ya que las columnas de
es la matriz
en donde las dos primeras columnas son linealmente independientes, pero las ltimas tres no lo son ( ), ya que pueden escribirse como combinaciones lineales de las dos primeras:
(A.17)
El sistema de ecuaciones
(A.18)
Empleando (E.17) la ecuacin (E.18) se convierte en
(A.19)
(A.20)
Como
son linealmente independientes, (E.20) slo puede cumplire si los coeficientes son
cero, es decir si
(A.21)
El sistema de ecuaciones (E.21) tiene 5 incgnitas y 2 ecuaciones linealmente independientes, es decir, existen 3 grados de libertad para escoger los valores de Ntese que ( . Dicho de otra forma, .
), cumpliendo con la ecuacin (E.16).
Podemos escoger arbitrariamente los valores de 3 de las incgnitas otras dos, para construir una base de , y . Si seleccionamos ,
y deducir el valor de las y : como los trios
tendremos los tres vectores base de
Teorema A.14 Sea y
una matriz
dos matrices no singulares cualesquiera
respectivamente. En esas condiciones se tiene que
Demostracin A.14 La demostracin se apoya en la desigualdad de Sylvester, que establece que si existen dos matrices y de dimensiones y entonces
(A.22)
Al aplicar (E.22) a
se tiene que
como
son no singulares, sus rangos son
respectivamente:
Por (E.15) se sabe que
, por lo tanto
Las desigualdades slo pueden cumplirse simultneamente si se tiene que
A.5 Valores y vectores propios
Subsecciones
q q q
A.5.1 Valores propios diferentes A.5.2 Valores propios repetidos A.5.3 Obtencin de vectores propios generalizados

Definicin A.30 Valor propio y vector propioA.2 Sea una transformacin lineal tal que . Un escalar . Cualquier vector no nulo es un valor propio si existe que satizfaga (A.23)
un vector no nulo
es un vector propio asociado al valor propio
La definicin E.30 implica que para un vector propio el efecto de aplicarle la transformacin lineal es igual que amplificarlo por el escalar . Esto implica que un vector y el vector transformado son colineales o paralelos y por lo tanto linealmente dependientes. La definicin E.30 se refiere estrictamente a valores y vectores propios por derecha, para . En distinguirlos de los valores y vectores propios por izquierda, que deben satisfacer $ \mathbf {v^tA}= como este texto slo se consideran los primeros, y por tanto se hace referencia a ellos simplemente \lambda valores y vectores propios. \mathbf{v^t} $ Teorema A.15 es un valor propio de si y slo si satisface la ecuacin $\displaystyle \det (\lambda\mathbf {I}-\mathbf{A})=0 $ es la matriz identidad de igual orden que . es un valor propio de entonces existe un vector tal que (A.24)
donde
Demostracin A.15 Si
El trmino
para facilitar la factorizacin de
De acuerdo con el teorema E.13 esta ecuacin tiene solucin no trivial (existe un vector propio y slo si
) si
Como el determinante de una matriz no se afecta al multilpicar sta por un escalar no nulo, podemos escribir
El teorema E.15 brinda una posibilidad para calcular los valores propios de polinomio caracterstico valor propio de
: podemos construir el ser un
y encontrar sus raices. Cada raiz de
. Los vectores propios pueden obtenerse directamente de (E.23).
Debido a que los valores propios resultan ser las raices del polinomio caracterstico, stos pueden ser reales o complejos, diferentes o repetidos. Definicin A.31 Multiplicidad La multiplicidad de un valor propio es el nmero de veces que ste aparece como raiz del polinomio caracterstico. Ejemplo A.30 Obtener los valores y vectores propios de la matriz
sern las raices de
deben cumplir (E.23):
Se crea entonces un sistema de ecuaciones con infinitas soluciones:
$\displaystyle en general \quad \mathbf{v} _1=\begin {bmatrix}a\\ -2a \end{bmatrix}$ tambin deben cumplir (E.23):
Se crea entonces un segundo sistema de ecuaciones con infinitas soluciones:
en general
Ejemplo A.31 Obtener los valores y vectores propios de la matriz
sern las raices de
Al aplicar (E.23) para
se obtienen dos sistemas de ecuaciones con infinitas soluciones
Seleccionando arbitrariamente
se obtiene
o en general
$\displaystyle \mathbf{v} _1=\begin{bmatrix}1\\ j \end{bmatrix}\quad\mathbf {v}_2=\begin{bmatrix}1\\ -j\end{bmatrix}$
A.5.1 Valores propios diferentes

Teorema A.16 Sea vector propio de una transformacin lineal con valores propios no repetidos, y sea asociado al valor propio . En esas condiciones es directamente un
proporcional a cualquier columna no nula de adj $ {(\lambda_i \mathbf{I}Demostracin A.16 La demostracin se basa en\mathbf que para una matriz {A})}$ adj
se tiene que (A.25)
se tiene Al aplicar (E.25) a la matriz $ (\lambda_i \mathbf{I}\mathbf adj $\displaystyle (\lambda_i\mathbf {A})$ {I}-\mathbf{A}) =\det {(\lambda_i\mathbf{I}-\mathbf {A})}\mathbf{I} $ Como es un vector propio de asociado al valor propio , entonces $ \mathbf{A} o lo que \mathbf{v} es igual
_i=\lambda_i \mathbf{v}_i $
(A.26)
lo que implica que
y por tanto
adj
(A.27)
Comparando (E.26) y (E.27) se concluye que no nula de adj .
es directamente proporcional a cualquier columna
Ejemplo A.32 Para obtener los vectores propios del ejemplo E.30 construimos
adj
adj
adj
adj
adj
adj
Teorema A.17 Sean caractersitico asociado a linealmente independiente. con
valores caractersticos diferentes de . El conjunto , ,
, y sea , es
un vector
Demostracin A.17 Efectuamos la demostracin por contradiccin. Suponemos que los linealmente dependientes, y por lo tanto existen
son
algunos de los cuales no son nulos, tales que
Suponemos que $ , (si es necesario reordenamos los vectores) y multiplicamos a cada lado de \alpha_1 \neq 0$
la ecuacin por
(A.28)
El producto
se puede calcular como
Y por lo tanto (E.28) se convierte en
Por hiptesis, todos los
son diferentes y
es no nulo (es un vector propio), lo que significa que
. Con esta contradiccin se concluye la demostracin.
Teorema A.18 Sea y
una transformacin lineal , con es una base de .
; sean . Si todos los
los valores propios de son diferentes,
entonces el conjunto
Demostracin A.18 Segn el teorema E.17 el conjunto es linealmente independiente. Como adems tiene elementos, segn el teorema E.2 el conjunto es una base. Teorema A.19 Sea y una transformacin lineal , con se representa en la base simo de la diagonal es . ; sean . Si todos los los valores propios de son diferentes, por una matriz
entonces la transformacin lineal diagonal en la que el elemento
(A.29)
Demostracin A.19 El teorema E.7 permite obtener la representacin de denotamos esta representacin por tendremos
en la nueva base. Si
con
la matriz modal que contiene los vectores propios
$\displaystyle \mathbf{M}= \begin{bmatrix} \mathbf{v} _1&\mathbf{v}_2&\cdots& \mathbf{v}_n \end{bmatrix}$ $ \mathbf{\hat y demostramos , o lo que es Para demostrar el teorema construimos {A}}=\mathbf equivalente, $ \mathbf{M} : {M}\mathbf{A} \mathbf{\hat \mathbf{M}^{-1} {A}}=\mathbf $ {A}\mathbf {M}$
Calculamos por separado
(A.30)
(A.31)
Como $ \mathbf{A} entonces las ecuaciones (E.30) y (E.31) se reducen a $ \mathbf{M} o lo que \mathbf{\hat \mathbf{v} es igual {A}}=\mathbf _i=\lambda_i
\mathbf{v}_i $
{A}\mathbf {M}$
Ejemplo A.33 La transformacin lineal representada por la matriz
cuyos valores propios son (Ejemplo E.30)
por la matriz diagonal
Ejemplo A.34 La transformacin lineal representada por la matriz
cuyos valores propios son (Ejemplo E.31)
por la matriz diagonal
A.5.2 Valores propios repetidos

La diagonalizacin planteada en el teorema E.19 no siempre es posible si existen valores propios repetidos. Esto se debe a que el teorema E.17 se refiere a valores propios distintos, y sin ese resultado no puede asegurarse que el conjunto matriz modal no existir. sea una base. Esto se traduce en que la puede
puede ser singular, y por tanto (E.29) no puede usarse debido a que
Definicin A.32 Degeneracidad El nmero de vectores propios de una transformacin lineal independientes asociados a un valor propio por . de orden linealmente , denotada
es la degeneracidad del valor propio
Teorema A.20 La degeneracidad de es igual a
, un valor propio de una transformacin lineal
de orden
(A.32)
Demostracin A.20 Un vector propio
de
asociado a
debe cumplir
Segn la definicin E.29, el nmero de vectores propios linealmente independientes sern entonces la nulidad de la matriz que premultiplica al vector,
Podemos emplear (E.16) para escribir
Ejemplo A.35 Obtener los valores y vectores propios de la matriz $\displaystyle \mathbf{A}= \begin{bmatrix} 1 & 2\\ -2 & 5 \end{bmatrix}$ y hallamos su determinante:
y diagonalizarla
sern las raices de
se obtiene con (E.32): La degeneracidad de $ \lambda_ {1,2}=3$ $\displaystyle d_1=2-\rho(3 \mathbf{I}-\mathbf{A}) \qquad $
Lo anterior significa que aunque tiene multiplicidad , slo es posible encontrar un vector linealmente independiente. Este se obtiene empleando (E.23), y resulta ser $ $ en general \displaystyle \displaystyle \mathbf{v} \quad \mathbf _1= \begin {v}_1=\begin
{bmatrix}a\\ No es posible construir una base{bmatrix}1 para el espacio de dimensin con un slo vector, por lo tanto no \\ 1\end a\end es posible diagonalizar . {bmatrix}$ {bmatrix}$ Ejemplo A.36 Obtener los valores y vectores propios de la matriz y diagonalizarla
Construimos
Su polinomio caracterstico resulta ser
Las raices del polinomio son
. Para determinar la degeneracidad de
calculamos $ \lambda_1 \mathbf {I}$\displaystyle \lambda\mathbf{I}-\mathbf{A}= \begin{bmatrix} (2\mathbf 3) & 0 & 1 \\ -... ...{bmatrix}= \begin{bmatrix} -1 & 0 & 1 \\ -1 & 0 {A}$ & 1\\ 1& 0 & -1 \end{bmatrix}$
Lo anterior significa que existen dos vectores propios linealmente independientes asociados a $ \lambda_1= . Estos dos vectores junto con el vector propio asociado a pueden formar \lambda_2=2$ una base y por tanto es posible diagonalizar . Para obtener los tres vectores propios empleamos (E.23):
Se originan los sistemas de ecuaciones
Que se convierten en
Podemos construir dos vectores linealmente independientes tercero que satisface , por ejemplo
que satisfacen
y un
En la base
la transformacin
se representa por
Definicin A.33 Vectores propios generalizados Sea una transformacin lineal y sea un valor propio de propio generalizado de grado de asociado a si y slo si
es un vector
(A.33)
Ntese que para
la ecuacin (E.33) se reduce a
con
, que coincide
con la definicin E.30 de vector propio. Definicin A.34 Cadena de vectores propios generalizados Sea una transformacin lineal y sea un vector propio generalizado de orden asociado a . Los vectores si y slo si forman una cadena de vectores propios
generalizados de longitud
(A.34)
Teorema A.21 Sea
el espacio nulo de
es un subespacio de
Demostracin A.21 Sea lado por demuestra que
un vector en
, por lo tanto y por lo tanto es un subespacio de
; al multiplicar a cada est en . . Esto
se tiene que , y por lo tanto
Teorema A.22 Sea
el espacio nulo de est en
. Sea pero no en
el
simo vector de una cadena .
como las definidas en (E.34). El vector
Demostracin A.22 La demostracin se obtiene calculando utilizando (E.34) y (E.33):
Los teoremas E.21 y E.22 se visualizan en la figura E.11. Cada subespacio nulo dentro del subespacio nulo , y el vector est justo en la diferencia entre
est embebido y .
Teorema A.23 Los vectores de una cadena de vectores propios generalizados como los de la definicin E.34 son linealmente independientes. Demostracin A.23 Dado que cada vector pertenece a un subespacio diferente, segn se
muestra en la figura E.11, estos vectores no pueden ser linealmente dependientes. Ejemplo A.37 Sea la transformacin
que tiene un valor propio repetido las matrices y :
Para encontrar los espacios nulos
construimos
El espacio nulo nulo
es el conjunto de los vectores tales que
tales que
, mientras que el espacio . Claramente se ve que
es el conjunto de los vectores
Es decir, el espacio nulo corresponde a
es la recta de pendiente
, mientras que el espacio nulo
, tal como se muestra en la figura E.12. debe estar en , pero no en , por ejemplo
Un vector propio generalizado de orden
Lo que origina una cadena de vectores generalizados
Teorema A.24 Sea
una transformacin lineal . Sea
con un nico valor propio repetido, asociado a . En
un vector propio generalizado de orden en donde
esas condiciones, se cumple que
es la matriz modal formada por los y es una matriz
vectores de la cadena de vectores propios generalizados creada por casi-diagonal que tiene a decir en la diagonal,
encima de la diagonal, y 0 en cualquier otro lugar. Es
Demostracin A.24 Demostrar (E.35) equivale a demostrar $ \mathbf , por lo tanto {MJ}= y y comparamos los resultados: calculamos por separado \mathbf{AM} $
$\displaystyle \mathbf{MJ}= \begin{bmatrix} \lambda\mathbf{v}_1 & (\mathbf{v}_1+... ...\mathbf{v}_3) & \cdots & (\mathbf{v}_{n-1}+\lambda \mathbf{v}_n) & \end{bmatrix}$ $\displaystyle \mathbf{AM}= \mathbf{A} \begin{bmatrix} \mathbf{v}_1 & \mathbf{v}... ...f{v}_2 & \mathbf{A}\mathbf{v}_3 & \cdots & \mathbf{A}\mathbf {v}_n \end{bmatrix}$ De acuerdo con la definicin E.34, el vector , por lo tanto de la cadena se calcula como
lo que significa que las columnas
de
son iguales a las de
. Para demostrar , es
que la primera columna tambin es igual, empleamos el teorema E.22, segn el cual decir
y por lo tanto
, lo que concluye la demostracin.
Ejemplo A.38 Sea
la transformacin
que tiene un valor propio repetido E.37):
y una cadena de vectores propios generalizados (ejemplo
El resultado de calcular
es
A.5.3 Obtencin de vectores propios generalizados

El teorema E.24 supone que la matriz de tamao tiene un vector propio generalizado de
orden asociado al valor propio , a partir del cual se construye una nica cadena de vectores. Esto no siempre sucede, por lo tanto, es necesario contar con un procedimiento para encontrar el conjunto de vectores propios asociados a . Segn el teorema E.21, anterior significa que es un subespacio de . , si denotamos por la dimensin de , lo
Este hecho permite construir el diagrama de Matthew (figura E.13) en el que se muestran las nulidades en el arreglo). mediante casillas de un arreglo ( ser igual al nmero de casillas para
Debido a que
es el espacio nulo de
, es posible calcular
empleando (E.16) y
de esa manera establecer la forma del diagrama de Matthew
Si definimos E.14
el diagrama de Matthew tendr la forma que se muestra en la figura
Ejemplo A.39 Forma del arreglo Cada casilla del diagrama de Matthew podra contener un vector de la base para un que sirven de base para tambin pueden formar parte de la base de , ya que . Los vectores .
Debido al teorema E.22, un vector
de una cadena de vectores puede formar parte de una base para . Esto permite disear una estrategia para
que no pueden formar parte de una base para buscar las bases de los convenciones .
y asi llenar el diagrama de Matthew. Para ello empleamos las siguientes
1. Identificar el nmero de columnas del diagrama como 2. Identificar las columnas del diagrama como 3. Identificar el tamao de cada columna como 4. Identificar cada celda por los subndices arriba a abajo. 5. Identificar el vector de la celda por . , con
. de izquierda a derecha. . e de
Para llenar el diagrama de Matthew deben buscarse de orden
vectores propios generalizados
respectivamente. Cada uno de estos vectores estar . Cada columna se completa con la
ubicado en la primera celda de las columnas, es decir
cadena de vectores propios generalizados creada por el primer elemento de la columna. La forma que adopta el diagrama de Matthew se muestra en la figura E.15.
Ejemplo A.40 Sea
la matrizA.3
Para calcular los valores propios de
hacemos
Es decir,
tiene un valor propio
de multiplicidad
y un valor propio 0 de multiplicidad .
. Nos
proponemos encontrar el diagrama de Matthew de los vectores propios asociados a
Para ello definimos
y calculamos
Puede comprobarse que anterior podemos calcular :
y por tanto no es necesario continuar. Con la informacin
Con esta informacin podemos construir el diagrama de Matthew
El algoritmo para encontrar 1. .
es el siguiente:
2. 3.
una matriz vaca. una matriz vaca. , una base para . . linealmente se extrae la
4. Encontrar 5. Construir
6. Emplear el algoritmo izquierda-a-derecha para extraer las columnas de independientes y adicionrselas a columna correspondiente de 7. Sea 8. la siguiente columna con es la matriz que contiene a . Por cada columna que se extraiga de y se adiciona a la matriz . Hacer . .
y repetir desde 4 hasta terminar las
columnas
Ejemplo A.41 Para obtener los vectores ,
del ejemplo E.40 identificamos
, y empleamos el algoritmo siguiendo los siguientes pasos
1. Para
se tiene que
, por lo tanto buscamos tales que :
una base para
, es decir
buscamos los vectores
2. Construimos
3. Al aplicar el algoritmo izquierda-a-derecha slo se extrae la primera columna de tanto las matrices y sern:
, por lo
$\displaystyle \mathbf{P}= \begin{bmatrix} 2 \\ 2 \\ 0 \\ 0 \\ 0 \\ 0 \end{... ...qquad \mathbf{V}= \begin {bmatrix} 0 \\ 0 \\ 0 \\ 1 \\ 0 \ \ 0 \end{bmatrix}$
4. La siguiente columna de altura menor a buscamos una base para
es la columna
, con
, por lo tanto tales que $ \mathbf : {B}^2 \mathbf {x}= \mathbf {0}$
, es decir buscamos los vectores
5. Construimos
6. Al aplicar el algoritmo izquierda-a-derecha slo se extraen la primera y la cuarta columnas de , por lo tanto las matrices y sern:
7. La matriz
contiene los dos vectores necesarios para construir el diagrama de asociados
Matthew, por lo tanto el conjunto completo de vectores propios generalizados de a son los que aparecen en el diagrama de Matthew:
A.6 Forma cannica de Jordan

Sea una transformacin lineal . Sea . Sean los valores propios cuyo diagrama de Matthew, diferentes de tiene uno de esos valor propios, de multiplicidad sima columna tendr altura
columnas; la
; adems los vectores propios . tales que (A.35)
generalizados asociados a
obtenidos con este diagrama son y
En esas condiciones, es posible encontrar dos matrices
(A.36)
(A.37)
(A.38)
es conocida como la forma cannica de Jordan de . La ecuacin E.37 muestra que la matriz es diagonal por bloques, es decir, est formada por bloques organizados en la diagonal. Por fuera de es la matriz modal, y est formada por los vectores estos bloques slo hay ceros en la matriz. propios generalizados de . La matriz modal no es nica. Los bloques que forman tienen las siguientes propiedades:
Cada valor propio diferente
tendr asociados uno o varios bloques
El nmero de bloques asociados a matthew, .
ser igual al nmero de columnas de su diagrama de
Los bloques
son cuadrados, y el tamao del bloque (el nmero de filas o de columnas) es .
igual a la altura de la columna correspondiente en el diagrama de Matthew,

q
Cada bloque
tiene en la diagonal al valor propio
, tiene
por encima de la diagonal, y
q q
cero en las restantes casillas. Cada valor propio que no se repita tendr asociado un nico bloque de tamao 1. En el caso sencillo en que ningn valor propio se repita ser una matriz diagonal que tendr en la diagonal a los valores propios .
del ejemplo E.40, se Ejemplo A.42 Para obtener la forma cannica de Jordan de la matriz con todos los vectores propios generalizados. En el ejemplo necesita construir la matriz modal E.41 se calcularon los vectores asociados a . En vector propio asociado a ser:
Por lo tanto la matriz modal ser
La forma cannica de Jordan ser
Ntese que el valor propio
tiene dos bloques de Jordan asociados de tamao
respectivamente, tal como se podra infereir de su diagrama de Matthew: el diagrama tiene dos columnas, la primera de altura 3 y la segunda de altura 2. El valor propio tamao 1. no se repite, y por tanto tiene un nico bloque de jordan asociado de
A.7 Forma cannica real de Jordan
Subsecciones
q
A.7.1 Bloques de Jordan de tamao 1 r A.7.1.1 Otra alternativa r A.7.1.2 Una interpretacin A.7.2 Bloques de Jordan de tamao mayor que 1

Dado que los valores propios de una matriz pueden ser complejos, en general las matrices que aparecen en las ecuaciones (E.37), (E.38) y (E.39) sern complejas. y
No obstante, cuando existen valores propios complejos es posible efectuar otro cambio de coordenadas diferente que produce tambin una matriz diagonal por bloques, pero real, conocida como la forma cannica Real de Jordan.
A.7.1 Bloques de Jordan de tamao 1

Supngase que la matriz tiene dos valores propios complejos conjugados y
, y que cada uno de estos valores tiene un bloque de Jordan de tamao 1 asociado a los vectores propios generalizados forma cannica de Jordan de y , que tambin son complejos conjugados. Es decir, la
es de la forma
La forma cannica real de Jordan remplaza los dos bloques de tamao 1 por uno de tamao 2 de la forma
Es decir, la forma cannica real de Jordan de
ser
La matriz modal real
se obtiene remplazando en
los vectores complejos conjugados , es decir
por dos vectores reales con la parte real y la parte imaginaria de
Ejemplo A.43 Sea la matriz
son
La forma cannica de Jordan de
y la matriz modal que la producen son:
Para obtener la Forma Cannica Real de Jordan de verificamos.
construimos la matriz real
,y
A.7.1.1 Otra alternativa

dado un bloque
existe una matriz
tal que
es real, con la forma cannica real de Jordan:
A.7.1.2 Una interpretacin

Un bloque real de jordan forma: asociado a un valor propio puede reescribirse de la siguente
En donde ya que
es la matriz identidad, y
es una matriz que cumple un papel similar a
De esta manera, un bloque de real de Jordan puede interpretarse como un nmero complejo matricial.
A.7.2 Bloques de Jordan de tamao mayor que 1

dado un bloque
Su forma cannica real de Jordan es
En la diagonal est la nueva presentacin de los e-valores, como bloques reales de Jordan y sobre la diagonal est la matriz identidad. Para obtener est matriz puede procederse de forma similar a como se hace con los bloques de tamao 1, es decir, remplazar los vectores propios complejos conjugados por vectores con las partes real e imaginaria de stos. En general ser de la forma:
(A.39)
A.8 Funciones de matrices cuadradas
Subsecciones
q q q
A.8.1 Polinomios de matrices A.8.2 Funciones como series de potencias A.8.3 Definicin de funciones mediante polinomios

Sea una funcin que opera sobre un escalar, y sea una matriz cuadrada . En esta de los
seccin se aborda el problema de cmo calcular escalares a las matrices.
, es decir, cmo extender
A.8.1 Polinomios de matrices

Si es un polinomio, la extensin a las matrices se fundamenta en la definicin
(A.40)
Si la matriz decir, si
tiene una representacin cannica de Jordan entonces
obtenida con la matriz modal
, es
(A.41)
Como
es una matriz diagonal por bloques, el clculo de
puede efectuarse como sigue:
Empleando la definicin (E.41), un polinomio genrico
puede calcularse en
como $\displaystyle f(\mathbf{A})=a_0\mathbf{I}+a_1 \mathbf{A}+a_2\mathbf{A}^2+% \cdots+a_n \mathbf{A}^n $
o en funcin de las matrices
(A.42)
Ejemplo A.44 Calcular
cuando
es una matriz diagonal:
cuando es una matriz con la forma de los bloques reales de Jordan Ejemplo A.45 Calcular para el caso en que los valores propios son imaginarios puros
calculamos los primeros trminos
Observando la secuencia se puede inferir que
cuando
es una matriz con la forma de los bloques de Jordan; para
ilustrar este caso supongamos una matriz de tamao
Calculamos los primeros trminos
Puede verse que
es una matriz triangular superior, en la que los elementos de la fila pero estn desplazados una casilla a la derecha.
son los
mismos elementos de la fila
Los trminos de la diagonal son de la diagonal en cualquier fila;
. Denotemos por ser
un elemento que est desplazado
casillas
Este resultado se puede generalizar para una matriz
con la forma de los bloques de Jordan:
(A.43)
En caso de que un exponente
sea negativo, el trmino correspondiente en E.44 ser 0
A.8.2 Funciones como series de potencias

Es posible extender una funcin de los escalares a las matrices empleando la representacin de
en series de Taylor expandidas alrededor de 0 (series de MacLaurin):
(A.44)
Empleando (E.45) se puede expresar puede calcularse
como un polinomio de
. Si
es una matriz cuadrada,
empleando ese polinomio.
Las siguientes son las expansiones de algunas funciones comunes:
(A.45)
(A.46)
(A.47)
Ejemplo A.47 Sea emplear (E.46)
una matriz diagonal como la del ejemplo E.44. Para calcular
podemos
que de acuerdo con los resultados del ejemplo E.44 se calcular asi:
Cada uno de los trminos de la diagonal corresponde a la expansin de en series de Taylor de una exponencial como las de (E.46), por lo tanto ser:
Ejemplo A.48 Sea
una matriz con la forma de los bloques reales de Jordan para el caso en que podemos
los valores propios son imaginarios puros, como la del ejemplo E.45. Para calcular emplear (E.46)
Cada uno de los trminos de la matriz corresponde a la expansin de Taylor de una sinusoide como las de (E.47) y (E.48), por lo tanto puede calcularse como
Ejemplo A.49 Sea Para calcular
una matriz con la forma de los bloques de jordan como la del ejemplo E.46.
podemos emplear (E.46)
Efectuando el cambio de variable
se tiene
Cada una de las sumatorias corresponde a la expansin de taylor de una exponencial como la de (E.46), por lo tanto
(A.48)
Ejemplo A.50 Sea
una matriz con la forma de los bloques reales de Jordan
Para calcular
escribimos
como la suma de dos matrices:
De tal manera que que
. Empleando los resultados de los ejemplos E.47 y E.48 se tiene
y por lo tanto
A.8.3 Definicin de funciones mediante polinomios

Definicin A.35 Polinomio mnimo de una matriz Sea una matriz cuadrada. El polinomio mnimo de es el polinomio mnico de menor
orden tal que Teorema A.25 El polinomio mnimo de una matriz cuadrada su representacin cannica de Jordan . Demostracin A.25 En virtud de (E.43), es claro que Definicin A.36 ndice de una matriz Sea una matriz cuadrada, cuya forma cannica de Jordan es propio es de multiplicidad y tiene asociados es el mismo polinomio mnimo de
si y slo si
, de la forma de (E.37). Cada valor
bloques de Jordan de la forma de (E.38). , denotado por como el
Cada bloque es de tamao
. Se define el ndice del valor propio
tamao ms grande de los bloques de jordan y .
asociados al valor propio
. Claramente
Teorema A.26 Sean
, los valores propios de una matriz es
con ndices
respectivamente. El polinomio mnimo de
(A.49)
Demostracin A.26 De acuerdo con el teorema E.25, basta con demostrar que (E.50) es el polinomio mnimo de , la forma cannica de Jordan de . Consideremos primero la matriz con los bloques de Jordan asociados al valor propio :
El polinomio mnimo de :
es
como puede comprobarse al calcular
De acuerdo con la definicin E.36 es claro que
es el tamao del bloque de Jordan asociado a para todos los bloques de Jordan asociados a se desprende que
ms grande, . Como es
diagonal por bloques, y sus bloques son polinomio mnimo de es $ (\lambda- . \lambda_j)^ {\bar n_j}$
es decir, que el
Siguiendo un argumento similar, como el polinomio mnimo de es
es diagonal por bloques, y sus bloques son
, se tiene que
Ejemplo A.51 Las matrices,
que estn en la forma cannica de Jordan, tienen todas el mismo polinomio caracterstico . Sin embargo, el polinomio mnimo de cada una de ellas es diferente, debido a que el ndice de
q
es diferente:
para
es
para para
es es
Teorema A.27 (Teorema de Caley-Hamilton) Si cuadrada , entonces es
es el polinomio caracterstico de una matriz
Demostracin A.27 El polinomio mmino de
Mientras que el polinomio caracterstico es
Como
, y como
, queda demostrado que
Definicin A.37 Valores de una funcin en el espectro de una matriz Sean respectivamente. Sea valores de , los valores propios de una matriz el polinomio mnimo de son los valores: y sea con ndices un polinomio cualquiera. El conjunto de para y en total son ; valores.
en el espectro de en donde
Teorema A.28 Sean respectivamente. Sea
, los valores propios de una matriz el polinomio mnimo de y sean
con ndices y dos polinomios
cualesquiera. En esas condiciones cualquiera de las siguientes afirmaciones es equivalente 1.
2. Una de dos condiciones se cumple: o bien polinomios 3. Los valores de , . y de en el espectro de ; son iguales .
para algunos
para
Demostracin A.28 Dado que
es evidente la equivalencia de las afirmaciones 1 y 2. y
Para demostrar la equivalencia entre 2 y 3 basta recordar que calcular las derivadas y .
Definicin A.38 Funciones de matrices cuadradas Sea una funcin, no necesariamente un polinomio, definida en el espectro de entonces se define . Si . es un
polinomio que tiene los mismos valores en el espectro de
La definicin E.38 brinda una posibilidad para extender a las matrices cuadradas una funcin definida para escalares. Es decir, permite calcular calculando buscando un polinomio adecuado y
. El procedimiento completo puede resumirse asi:
Sea
una funcin, y sea
una matriz
. Para calcular
deben seguirse los
siguientes pasos 1. Obtener el polinomio caracterstico de
2. Definir el polinomio
en donde igualmente vlido. 3. Plantear
son desconocidas. Cualquier otro polinomio de orden ecuaciones igualando los valores de y en el espectro de
es
para
4. Obtener 5. Calcular
a partir de las
ecuaciones del punto anterior
con
El problema puede plantearse tambin de la siguiente forma: dada Empleamos el procedimiento propuesto: 1. El polinomio caracterstico de es
calcular
2. Definimos el polinomio
3. Obtenemos las ecuaciones
4. obtenemos
5. Calculamos
cuando $ es una matriz con la forma de los bloques de Jordan. \mathbf Para ilustrar suponemos una matriz de orden {A} $ 4 $ \times 4$ $\displaystyle \begin {bmatrix} \lambda_1 & 1 & 0 & 0 \\ 0 & \lambda_1 & 1 & 0 \\ 0 & 0 & \lambda_1 & 1 \ \0&0&0& \lambda_1 \end Empleamos el procedimiento propuesto: {bmatrix}$ Ejemplo A.53 Calcular 1. El polinomio caracterstico es
2. Definimos un polinomio de orden
3. Obtenemos
ecuaciones
4. Obtenemos los valores de
5. Calculamos
Siguiendo un procedimiento similar puede obtenerse forma de los bloques de Jordan
cuando
es una matrix
con la
(A.50)
Ejemplo A.54 Calcular .
cuando
es una matriz con la forma de los bloques de Jordan y
Empleando (E.51) se obtiene directamente
(A.51)
Ntese que las derivadas en (E.51) son respecto a (E.52) Ejemplo A.55 Calcular . cuando
. Vale la pena comparar los resultados (E.49) y
es una matriz con la forma de los bloques de Jordan y
Empleando (E.51) se obtiene directamente
(A.52)

Analisis Sistemas Lineales - Oscar Duarte

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Analisis Sistemas Lineales - Oscar Duarte

Uploaded by

Copyright:

Available Formats

Principal

Ultima actualizacin: 19-Febrero-2008

Intensidad Semanal: 4 Horas Tericas y 0 Horas Prcticas

22010: Circuitos I 22015: Laboratorio de Circuitos 22020: Circuitos II

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...u.co/cursos/ingenieria/2001619/docs_curso/profesor.html (2 de 3)06/07/2008 12:10:35

22110: Anlisis de Sistemas Dinmicos 22120: Control

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...u.co/cursos/ingenieria/2001619/docs_curso/profesor.html (3 de 3)06/07/2008 12:10:35

captulo 2. Preliminares Matemticos

captulo 3. Introduccin al Anlisis de Sistemas Dinmicos Lineales

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li....co/cursos/ingenieria/2001619/docs_curso/contenido.html (1 de 5)06/07/2008 12:09:42

captulo 4. Sistemas de primer y Segundo Orden

captulo 5. Anlisis de Sistemas retroalimentados simples

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li....co/cursos/ingenieria/2001619/docs_curso/contenido.html (2 de 5)06/07/2008 12:09:42

captulo 6. Representacin en Variables de Estado

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li....co/cursos/ingenieria/2001619/docs_curso/contenido.html (3 de 5)06/07/2008 12:09:42

captulo 7. Introduccin a los Sistemas No Lineales

A Anotaciones al concepto de Modelo

1. Anotaciones al concepto de Modelo

C Diagramas de Bode para Sistemas Contnuos

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li....co/cursos/ingenieria/2001619/docs_curso/contenido.html (4 de 5)06/07/2008 12:09:42

1.1 Definicin r 1.2 Construccin de los diagramas de Bode

1. Introduccin r 1.1 M-crcunferencias r 1.2 N-crcunferencias r 1.3 Carta de Nichols

E Apuntes de lgebra Lineal

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li....co/cursos/ingenieria/2001619/docs_curso/contenido.html (5 de 5)06/07/2008 12:09:42

2.2 Transformadas de Laplace y

2.2 Transformadas de Laplace y

Existe una funcin produce una funcin

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (1 de 18)06/07/2008 12:42:35

2.2 Transformadas de Laplace y

\begin{center}\vbox{\input{/home/ ogduarte/Cursos/sistemas/fig/preliminar/ trans_laplace} }\end{center}

La transformada de Laplace se define2.3 como

Existe una funcin funcin

que toma como argumento

de los complejos en los complejos.

denominada transformada inversa

toma como argumento

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (2 de 18)06/07/2008 12:42:35

2.2 Transformadas de Laplace y

, tal como se visualiza en la figura 2.2

Tabla:Comparacin de las definiciones de las transformadas de Laplace y

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (3 de 18)06/07/2008 12:42:35

2.2 Transformadas de Laplace y

La transformada de Laplace se define como

Transformada bilateral de Laplace:

$\displaystyle \begin{matrix} F_b(z)\doteq\mathcal{Z}_b \left\{f(k)\right\} \\ F_b(z)= \sum_{k=-\infty}^\infty f(k)z^ {-k} \end{matrix}$

2.2 Transformadas de Laplace y

cuyas Transformadas de Laplace son, respectivamente

un escalar (real o complejo). Se cumplen las siguientes propiedades: Linealidad:

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (5 de 18)06/07/2008 12:42:35

2.2 Transformadas de Laplace y

Teorema de valor inicial:

Teorema de valor inicial:

Teorema de valor final:

Teorema de valor final:

2.2.3 Parejas de transformadas

2.2 Transformadas de Laplace y

Tabla 2.5:Tabla de parejas de transformadas elementales Transformada de Laplace Transformada

Tabla 2.6:Tabla de parejas de transformadas elementales multiplicadas por el tiempo

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (7 de 18)06/07/2008 12:42:35

2.2 Transformadas de Laplace y

Transformada de Laplace $ f(k) $ $ k\mu (k)$

Tabla 2.7:Ubicacin de los polos en los planos complejos y funciones en el tiempo

file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (8 de 18)06/07/2008 12:42:35

2.2 Transformadas de Laplace y