Professional Documents
Culture Documents
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.
__
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.
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
Principal
q q
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
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
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
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
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
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
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
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
Principal
D Carta de Nichols
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
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
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
(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,
denominada transformada
y produce una
La funcin
y produce
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
Transformada de Laplace
Transformada
La transformada
se define como
Transformada bilateral
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...rsos/ingenieria/2001619/lecciones/preliminar/node3.html (4 de 18)06/07/2008 12:42:35
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
Diferenciacin2.5:
Diferencia positiva:
Desplazamiento en la frecuencia:
Escalamiento en la frecuencia:
Multiplicacin por :
Multiplicacin por
Convolucin:
Convolucin:
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.
Transformada
iterar
$ \frac {1}{(sa)^2}$
iterar
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
La expresin
es de la forma
. Aplicando
linealidad tenemos:
Ejemplo 2.4 Para obtener la transformada inversa de Laplace de destacamos que el denominador de
, primero
en las transformadas de Laplace de las sinusoides amortiguadas. Con esto presente, buscamos reescribir con el denominador en la forma . Para ello, ntese que
(y por tanto
)y como
, por lo
con
. Por lo tanto,
resulta ser:
consiste en reescribir
(o
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).
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)
, si se considera que
, y que la derivada
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):
Ejemplo 2.9
Al igualar coeficientes se genera un sistema de dos ecuaciones lineales con dos incgnitas:
Ejemplo 2.10
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
escribimos:
Por lo tanto
La transformada inversa
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineale...u.co/cursos/ingenieria/2001619/lecciones/analisis/node1.html06/07/2008 12:43:45
Subsecciones
q q
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:
(3.1)
o en forma resumida:
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
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
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).
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q
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.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lin.../cursos/ingenieria/2001619/lecciones/analisis/node5.html (1 de 6)06/07/2008 12:44:20
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
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
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.
Donde:
q
=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)
Ejemplo 3.3 Para el sistema de la figura 3.10 la aplicacin de la regla de Mason es como sigue:
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:
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:
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
, y su transformada
La funcin
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
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
es un conjunto de valores en el tiempo, que puede representarse , tal como se muestra en la figura 3.15.
puede representarse como un impulso aplicado en el Dicho de otra forma, cualquier seal puede
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:
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:
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...cursos/ingenieria/2001619/lecciones/analisis/node6.html (5 de 12)06/07/2008 12:44:28
es
, 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
hasta un valor
el resultado es la funcin
cualquiera, y calculemos el rea bajo la grfica de ese producto (ver figura 3.18)
(3.2)
, 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
, que es
por lo tanto
Si el sistema continuo tiene una funcin de transferencia sistema, en el dominio de la frecuencia transferencia:
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
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
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
q q
4.5 Efecto de los ceros. Sistemas de fase mnima 4.6 Polos dominantes
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
(4.1)
(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 .
tambien cambia el valor del nico polo de la funcin de transferencia (4.1), el polo es un real negativo , y viceversa.
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.
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
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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...co/cursos/ingenieria/2001619/lecciones/orden/node2.html (3 de 3)06/07/2008 12:45:14
(4.3)
(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 .
tambien cambia el valor de el nico polo de la funcin de transferencia el polo es un real negativo ,y
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
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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
(4.5)
En caso de que
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 :
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...o/cursos/ingenieria/2001619/lecciones/orden/node4.html (2 de 11)06/07/2008 12:45:25
, y se ha variado
y se ha variado
. La figura
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
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
donde
es el valor mximo, y
Para calcular el sobrepico mximo, primero derivamos instantes en los que suceden los mximos y mnimos de
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
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
(4.7)
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)$
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 .
y . Aunque
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
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.
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.
como
(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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
(4.10)
(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)
evaluada en
La derivada siempre es positiva, por lo tanto, para valores cercanos a positiva. Por otra parte, la respuesta de estado estacionario de ser
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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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:
(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)
Si escribimos
respectivamente, las
(5.5)
(5.6)
(5.7)
(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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q q
donde decir
(5.10)
(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
$ 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
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
0 1 0
0 0
donde
decir
(5.13)
Ahora el valor de
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
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
sea
1 0 2 0 0
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
(5.15)
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.
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
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
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)
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
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:
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
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
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:
superior a
(5.21)
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
Ejemplo 5.7 Supngase que existe un sistema dinmico continuo cuya funcin de transferencia tiene el siguiente denominador
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:
debe ser positivo. Por lo tanto, aseguramos que el sistema sea estable si y slo si $ K>0.52$
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineales/www.virtual.unal.edu.co/cursos/ingenieria/2001619/lecciones/realimenta/node3.html (7 de 25)06/07/2008 12:46:34
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
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
). El arreglo de Routh lo continuamos remplazando la fila de ceros por los coeficientes de la derivada de
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
de la ubicacin de
son:
(5.22)
(5.23)
, 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
0 0
(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:
es un complejo, (5.24)
(5.25)
, pues
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
; como
es negativa
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
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
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.
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)
$ \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)
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)
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
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
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))
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
(figura 5.17(d))
RL 0 o 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))
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
$\displaystyle \arg{\left\{G(j\omega) H(j\omega)\right\}}=\left\{ \begin {matrix}\pm 180^\text{o} \\ 0^\text {o} \end{matrix} \right.$ 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).
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.
, 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.
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
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
son:
(5.33)
. 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
db,
, en decibeles, para la cual una rama del root-locus atraviesa el eje imaginario es tal que
como
Tambin debemos buscar los puntos para los cuales el ngulo de magnitud de $ G(j\omega)H es asinttico a (j\omega)$ a:
es
el ngulo de
es
, 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
para los cuales un polo cruza el eje imaginario, y han resultado ser
desde
hasta
en los cuales la estabilidad es constante; para conocer la estabilidad de cada intervalo basta con determinar la de uno de sus puntos:
: Seleccionamos
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
: Seleccionamos
, es decir que tiene dos raices en el semiplano derecho y en consecuencia el sistema realimentado es inestable.
(5.34)
(5.35)
por
(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).
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
(5.39)
, 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
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 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
el resultado es tambin una trayectoria cerrada que encierra al origen en sentido horario un nmero de veces :
(5.40)
Ntese que la trayectoria de Nyquist recorre todo el eje emaginario y regresa por una semicircunferencia de radio Para el caso especial en que
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
Si calculamos
. El criterio de Nyquist se deriva de aplicar el principio del argumento a esta curva. Aplicando (5.40) se tiene:
(5.41)
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)
(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.
en la figura 5.1, para que el sistema realimentado sea estable. Para ello debe notarse que el diagrama de Nyquist de
slo en la escala, es decir tienen la misma forma, pero el primero est amplificado respecto al segundo haya polos en el semiplano derecho.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineales/www.virtual.unal.edu.co/cursos/ingenieria/2001619/lecciones/realimenta/node3.html (23 de 25)06/07/2008 12:46:34
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
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:
tiene en el semiplano derecho es cero, de acuerdo con (5.45). De esta forma, el criterio de
(5.45)
. 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
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
el punto
resulta encerrado una vez por el diagrama, y por lo tanto el sistema realimentado tendr un polo en el semiplano
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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.
(5.46)
(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
. Al aplicar (5.47)
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.
indefinido
(5.49)
(5.50)
se obtiene
Los valores de
son los mismos valores que hacen que todas las races de
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)
(5.53)
son reales y
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.
(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:
El arreglo con las cuatro primeras lneas su muestra en la figura 5.34.La quinta lnea se construye asi:
condiciones
Ntese que este criterio se reduce a unas condiciones muy simples para el caso de polinomios de segundo orden (
):
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)
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:
o lo que es equivalente:
(5.63)
(5.64)
se muestra en la figura 5.36. Se ha dibujado all tambin el crculo unitario, para facilitar la determinacin de la estabilidad.
(5.65)
y en
(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
(5.68)
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineales/www.virtual.unal.edu.co/cursos/ingenieria/2001619/lecciones/realimenta/node4.html (7 de 12)06/07/2008 12:47:04
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.
, variando
entre 0 y
(5.69)
y ngulo
, por lo tanto, si
vara entre 0 y
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
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)
vara de 0 a
).
es
es 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.
el ngulo de
es
Lo anterior significa que dos ramas del root locus complementario cruzan la circunferencia unitaria en
(5.72)
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineales/www.virtual.unal.edu.co/cursos/ingenieria/2001619/lecciones/realimenta/node4.html (9 de 12)06/07/2008 12:47:04
(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).
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)
es inestable. Sin embargo el nmero de veces que se encierra el punto , se necesita que
estable. Por lo tanto, para que el sistema realimentado sea estable con valores positivos 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,
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,
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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.
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)
(6.2)
entradas al sistema,
(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)
(6.6)
(6.7)
Para encontrar la solucin de las ecuaciones (6.4) y (6.5) y efectuar su anlisis, pero sobre todo para
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...o/cursos/ingenieria/2001619/lecciones/estado/node2.html (3 de 4)06/07/2008 12:47:18
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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...o/cursos/ingenieria/2001619/lecciones/estado/node3.html (2 de 27)06/07/2008 12:47:45
cruce por el origen dentro del plano. Combinacin lineal: Es una expresin de la forma
en donde 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
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
Las expresiones que permiten encontrar las coordenadas de coordenadas en la otra son las siguientes:
(6.8)
(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
y produce un vector
Sea
una transformacin lineal, que en la base estndar se representa por la matriz por
. La
(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
Ejemplo 6.6 En
puede definirse una base con cualquier pareja de vectores no paralelos. , (vectores rojos en la figura 6.3). y
sern
en las bases
Ejemplo 6.7 En el ejemplo 6.5 se mostr que la rotacin de representada en la base estndar por la matriz
por la matriz
y en la base
y en la base
(6.11)
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 decir
tal 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
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:
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
en general
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
en general
Construimos la matriz
y hallamos su determinante:
Seleccionando arbitrariamente
se obtiene
o en general
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
, y se define asi:
La matriz
Como igual
o lo que es
en donde
es el rango de la matriz
linealmente independientes de Ejemplo 6.12 Obtener los valores y vectores propios de la matriz y diagonalizarla
Construimos la matriz
y hallamos su determinante:
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
y diagonalizarla
Construimos
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
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
Cada bloque de Jordan est asociado a un valor propio de la matriz de la matriz es necesario responder estas preguntas:
q q
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 . . .
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 .
la matriz6.2
hacemos
Es decir,
de multiplicidad
. Nos
y calculamos
Al calcular
encontramos :
tendr 2
y otro de tamao
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
son
remplazando
las columnas complejas por columnas con la parte real e imaginaria de stas, y verificamos.
(6.14)
Si la matriz decir, si
, es
(6.15)
Como
puede calcularse en
como
(6.16)
cuando
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
que no sea un polinomio de los escalares a las en series de Taylor expandidas alrededor de 0 (series
(6.17)
como un polinomio de
. Si
(6.18)
(6.19)
(6.20)
podemos
que de acuerdo con los resultados del ejemplo 6.16 se calcular asi:
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l.../cursos/ingenieria/2001619/lecciones/estado/node3.html (26 de 27)06/07/2008 12:47:45
Patra calcular
escribimos
y por lo tanto
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q q
, ,
, ,
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.
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.
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
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
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 .
(6.23)
generado
es directamente proporcional a la corriente de campo con una cierta constante de proporcionalidad , es decir
(6.24)
(6.25)
(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
se tendr:
mueran, es decir
en donde
Para encontrar
, podemos
suponer que cada franja de edades tiene una rata de reproductividad diferente
, es decir
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
(6.30)
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)
(6.32)
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)
(6.34)
(6.35)
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q q q
6.4.1 Retratos de fase 6.4.2 Espacio de estado 6.4.3 Matriz de transicin de estado
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...o/cursos/ingenieria/2001619/lecciones/estado/node5.html (1 de 22)06/07/2008 12:48:15
(6.39)
, y por lo tanto
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)
calcular
(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
(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)
(6.44)
. El clculo de
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:
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
son
Debido a que los valores propios son complejos, es conveniente encontrar la forma cannica real de Jordan de .
son
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 :
No obstante, como
Retomando el clculo de
(6.45)
Una vez solucionada (6.45) es posible trazar las curvas posible trazar una curva vs , en un plano
vs
vs . Tambin es
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)
vs , el valor 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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l.../cursos/ingenieria/2001619/lecciones/estado/node5.html (14 de 22)06/07/2008 12:48:15
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.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l.../cursos/ingenieria/2001619/lecciones/estado/node5.html (15 de 22)06/07/2008 12:48:15
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
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
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
La matriz
es la siguiente:
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
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
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
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
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
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
(6.46)
calculando
(6.47)
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q
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)
(6.52)
es el vector que contiene las condiciones iniciales de por diversos mtodos, de los cuales destacamos los siguientes
directamente: veces
(6.53)
Este mtodo no es prctico, debido a la dificultad de calcular especiales este clculo es sencillo (matrices diagonales)
Forma cannica de Jordan: Si se ha obtenido la Forma cannica de Jordan de la matriz matrices y tales que
y por lo tanto
(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 .
(6.55)
(6.56)
(6.57)
calculando
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q q
(6.58)
(6.59)
(6.60)
(6.61)
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
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
entradas y
salidas):
El elemento
de la matriz
a la salida
en que esto no es as: supngase que existe el mismo nmero de entradas que de salidas matriz de funciones de transferencia es diagonal:
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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q q
(6.64)
(6.65)
(6.66)
(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
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
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
entradas y
salidas):
El elemento
de la matriz
a la salida
en que esto no es as: supngase que existe el mismo nmero de entradas que de salidas matriz de funciones de transferencia es diagonal:
(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)
,y
. Adems muestra cul es el aporte exacto del valor de la entrada en un instante , que es aporta a la construccin de
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li...o/cursos/ingenieria/2001619/lecciones/estado/node9.html (1 de 8)06/07/2008 12:48:53
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:
Se obtienen entonces unos nuevos sistemas para los que las entradas son variables de estado son (ver figura 6.16). Si definimos
y las las
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
Ejemplo 6.31 Considrese el circuito de la figura 6.19, en el que la variable de entrada es la variable de salida es
Debido a la simetra del circuito, si las condiciones iniciales son nulas ( el condensador siempre ser cero, sin importar qu valor tome la fuente
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.
y se verifica su rango:
(6.74)
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
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.
y se verifica su rango:
(6.75)
,y
. Las matrices
y por lo tanto tienen rango 0, lo que significa que el sistema es no controlable y no observable
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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.
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
En la figura 7.2 se muestra el comportamiento del sistema con ante dos entradas diferentes:
q
. .
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
. . .
es diferente de la salida que se obtiene cuando la entrada es que se demuestra que el sistema no tiene la propiedad de superposicin.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
(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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
(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
las trayectorias tienden a formar una rbita cerrada (marcada en rojo); est rbita corresponde a un ciclo lmite del sistema.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
(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 .
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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)
, porque es la
. 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.
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20lineal...co/cursos/ingenieria/2001619/lecciones/no_lineal/node8.html06/07/2008 12:50:05
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. "
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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:
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)
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)
(A.5)
$\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$
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
El trmino la sumatoria
cuando
, e incorporarlo en
(A.6)
es
La integral corresponde a la definicin de la Transformada de Laplace (B.1), pero evaluada en en lugar de , es decir
(A.8)
respecto a
La derivada se hace respecto a y la integral respecto a , por lo tanto la derivada puede incorporarse dentro de la integral
son constantes:
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
y la derivada respecto a
se tiene
, es decir
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
Dado que
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
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 $
y $ t=\xi+ \tau$
Como
es independiente de
Adems, consideramos de
es
y $ t=\tau + T se tiene $
Si asumimos que
vale cero para todo valor negativo de , entonces los lmites de la integral
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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:
(A.13)
Sean y
son, respectivamente
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
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
(A.17)
de la diferencia
tenemos
de $ f(k) , es decir $
tenemos
de $ f(k) , es decir $
de
es
en
(A.20)
respecto a
Multiplicando por
La sumatoria corresponde a la Transformada (B.19) Para demostrar (B.20) definamos una funcin
de
y apliquemos (B.19)
Cuando la demostracin
lo que completa
Demostracin A.14 Para demostrar (B.22) calculemos la transformada y apliquemos la propiedad de diferencia positiva (B.16)
de la expresin
se obtiene
Como
es independiente de
A.2.7 Convolucin:
(A.23)
de la convolucin entre
que implica
podemos
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
(A.2)
(A.3)
(A.4)
La magnitud de
ser
A. Carta de Nichols
(A.5)
El ngulo de
ser
(A.6)
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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
es el elemento
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
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
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
es un subespacio de Ejemplo A.8 $ (\mathbb {R}^2,en operaciones cerradas . En general si \mathbb {R})$
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 .
si
, 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
. Es claro que
(A.2)
son linealmente
(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
. Si son los
Teorema A.3 Todo elemento de un espacio vectorial determinada base $ B=\{b_1,b_2,\cdots, b_n\}$
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\}$
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.
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/algebra/node2.html (8 de 13)06/07/2008 12:51:52
para
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
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
es linealmente ;
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 justamente
Efectuando este procedimiento podemos construir en forma consecutiva los cuales sern conjuntos linealmente dependientes. Sin embargo, es
, todos
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
y como las matrices que tienen en sus columnas cada de dimensin . Definimos las matrices uno de los elementos de las bases y respectivamente:
Un vector
tendr coordenadas
en la base
en la base
(A.4)
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)
(A.6)
puede definirse una base con cualquier pareja de vectores no paralelos. , (vectores rojos en la figura E.1). y
sern
en las bases
$\displaystyle \mathbf{B}= \begin {bmatrix} 3&2\\ 1&2 \end{bmatrix} \qquad \mathbf{C}= \begin{bmatrix} 1&-1\\ 1&-1 \end{bmatrix}$
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
en donde
Definicin A.17 Norma de un vector Sea un espacio vectorial sobre . Una operacin
N.4
, 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
ese espacio vectorial. Se define la distancia entre los vectores tal que
como la operacin
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
. Se define el ngulo
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
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
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
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
La mayor distancia al origen que resulta es, segn la norma y , por lo tanto
la matriz
Para calcular
aplicamos la transformacin
. Es un ejercicio interesante demostrar que esta distancia corrresponde a los puntos y por lo tantoA.1
la matriz
Para calcular
aplicamos la transformacin
La mayor distancia al origen que resulta es, segn la norma cualquiera de los puntos cuya segunda coordenada es o
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
(A.13)
(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
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
Gracias a la linealidad de
es decir, para cualquier combinacin lineal de que y por lo tanto segn el teorema E.1
tal
Definicin A.27 Rango El rango de una matriz representado por , denotado por es la dimensin del codominio del operador lineal
sima columna de
como
, es decir
es decir,
, es decir
en
representada por
en
El codominio de de
resulta ser el eje horizontal, es decir, un subespacio , denotado por tambin es . es entonces . Ntese
. La dimensin de
, que es el rango de
en
representada por
en
tambin es
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
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
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)
con
una matriz
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
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)
(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, .
Podemos escoger arbitrariamente los valores de 3 de las incgnitas otras dos, para construir una base de , y . Si seleccionamos ,
una matriz
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
respectivamente:
, por lo tanto
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
Subsecciones
q q q
A.5.1 Valores propios diferentes A.5.2 Valores propios repetidos A.5.3 Obtencin de vectores propios generalizados
un vector no nulo
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
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
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
Construimos la matriz
y hallamos su determinante:
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
$\displaystyle en general \quad \mathbf{v} _1=\begin {bmatrix}a\\ -2a \end{bmatrix}$ tambin deben cumplir (E.23):
Para obtener un vector propio asociado a o para . Por ejemplo, si escogemos ser
en general
Construimos la matriz
y hallamos su determinante:
Seleccionando arbitrariamente
se obtiene
o en general
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 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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/algebra/node6.html (5 de 25)06/07/2008 12:52:36
_i=\lambda_i \mathbf{v}_i $
(A.26)
y por tanto
adj
(A.27)
Ejemplo A.32 Para obtener los vectores propios del ejemplo E.30 construimos
adj
adj
adj
adj
adj
adj
, y sea , es
un vector
Demostracin A.17 Efectuamos la demostracin por contradiccin. Suponemos que los linealmente dependientes, y por lo tanto existen
son
Suponemos que $ , (si es necesario reordenamos los vectores) y multiplicamos a cada lado de \alpha_1 \neq 0$
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/algebra/node6.html (6 de 25)06/07/2008 12:52:36
la ecuacin por
(A.28)
El producto
son diferentes y
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
(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
$\displaystyle \mathbf{M}= \begin{bmatrix} \mathbf{v} _1&\mathbf{v}_2&\cdots& \mathbf{v}_n \end{bmatrix}$ $ \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}$
(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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20li.../cursos/ingenieria/2001619/lecciones/algebra/node6.html (8 de 25)06/07/2008 12:52:36
\mathbf{v}_i $
{A}\mathbf {M}$
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
de orden
(A.32)
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,
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
Construimos la matriz
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
file:///C|/Mis%20lugares%20Web/analisis%20sistemas%20l...cursos/ingenieria/2001619/lecciones/algebra/node6.html (11 de 25)06/07/2008 12:52:36
{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
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):
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)
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)
el espacio nulo de
es un subespacio de
un vector en
. Sea pero no en
el
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
construimos
tales que
es la recta de pendiente
, tal como se muestra en la figura E.12. debe estar en , pero no en , por ejemplo
vectores de la cadena de vectores propios generalizados creada por casi-diagonal que tiene a decir en la diagonal,
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
de
. Para demostrar , es
que la primera columna tambin es igual, empleamos el teorema E.22, segn el cual decir
y por lo tanto
la transformacin
El resultado de calcular
es
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
Si definimos E.14
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 .
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 .
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
respectivamente. Cada uno de estos vectores estar . Cada columna se completa con la
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.
la matrizA.3
hacemos
Es decir,
de multiplicidad
. Nos
y calculamos
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 . .
columnas
1. Para
se tiene que
, es decir
2. Construimos
3. Al aplicar el algoritmo izquierda-a-derecha slo se extrae la primera columna de tanto las matrices y sern:
, por lo
es la columna
, con
, por lo tanto tales que $ \mathbf : {B}^2 \mathbf {x}= \mathbf {0}$
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
Matthew, por lo tanto el conjunto completo de vectores propios generalizados de a son los que aparecen en el diagrama de Matthew:
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
columnas; la
generalizados asociados a
(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:
Los bloques
Cada bloque
, tiene
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:
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
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
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.
, 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
ser
se obtiene remplazando en
son
,y
tal que
En donde ya que
es la matriz identidad, y
De esta manera, un bloque de real de Jordan puede interpretarse como un nmero complejo matricial.
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)
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte
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
(A.40)
Si la matriz decir, si
, es
(A.41)
Como
puede calcularse en
(A.42)
cuando
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
cuando
es una matriz triangular superior, en la que los elementos de la fila pero estn desplazados una casilla a la derecha.
son los
casillas
(A.43)
(A.44)
como un polinomio de
. Si
(A.45)
(A.46)
(A.47)
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:
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)
que de acuerdo con los resultados del ejemplo E.45 se calcular asi:
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
una matriz con la forma de los bloques de jordan como la del ejemplo E.46.
que de acuerdo con los resultados del ejemplo E.46 se calcular asi:
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)
Para calcular
escribimos
y por lo tanto
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
. Claramente
con ndices
(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
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
, se tiene que
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
Como
, y como
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
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
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
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
Sea
una matriz
. Para calcular
2. Definir el polinomio
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
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
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
3. Obtenemos
ecuaciones
5. Calculamos
cuando
es una matrix
con la
(A.50)
cuando
(A.51)
Ntese que las derivadas en (E.51) son respecto a (E.52) Ejemplo A.55 Calcular . cuando
(A.52)
Documento generado usando latex2html a partir de las Notas de Clase originales redactadas por Oscar Duarte