You are on page 1of 193

CINVESTAV-IPN Unidad Guadalajara

Sistemas Lineales I
Curso impartido por: Dr. Javier Ruiz
jruiz@gdl.cinvestav.mx
Cuatrimestre: Septiembre-Diciembre de 2013

1

Objetivos generales del curso:
•! Que el alumno aprenda la descripción de sistemas dinámicos lineales en espacio de estado y sepa analizar las características básicas de esta representación del sistema, como controlabilidad, observabilidad y estabilidad. •! Que el alumno sepa aplicar control por retroalimentación de estado y diseño de observadores para sistemas escalares.

2

Programa del curso
1.! Sistemas dinámicos y variables de estado 1.1 Introducción 1.2 Definiciones básicas 1.3 Descripción entrada-salida 1.4 El concepto de estado 2.! Descripción de sistemas lineales en variables de estado 2.1 Representación de sistemas en variables de estado 2.2 Solución de la ecuación de estado 2.3 Representaciones canónicas 2.4 Transformaciones de similitud 2.5 Interpretación dinámica de polos y ceros

3

1 Controlabilidad 3. Conceptos básicos de estabilidad 4 .3 Principio de dualidad 3.2 Observabilidad 3. Controlabilidad y observabilidad 3.4 Representaciones mínimas 3.5 Transformaciones de similitud a formas canónicas 3.6 Representación de sistemas no controlables/ no observables 3.7 Pruebas PBH para controlabilidad y observabilidad 4.3.

2 Esquema observador-controlador 5 .5. Observadores de estado 6.4 Rechazo de perturbaciones constantes 6.3 Referencia constante en estado permanente 5. controlabilidad y observabilidad 5.1 Asignación del polinomio característico del sistema 5.1 Diseño del observador 6.2 Efecto de la retroalimentación sobre ceros del sistema. Retroalimentación de estado 5.

1989.D. •! G. Rinehart and Winston. Addison-Wesley.T. J. •! K. •! C.C. Powell. Emami-Naeini.F. “Control de Sistemas Dinámicos con Retroalimentación”. Theory and Design”. “Linear Systems. “Modern Control Engineering”. Chen. A. Prentice Hall. 1997. Dorf. Franklin. 1984. “Linear Systems”. 1989. 6 . Ogata. “Sistemas Modernos de Control: Teoría y Práctica”. Kailath. 1980. Holt. Prentice Hall.Bibliografía •! T. Addison-Wesley. •! R.

1994. Prentice Hall. 7 . Ogata. “Solving Control Engineering Problems with Matlab”.•! K.

1. Sistemas dinámicos y variables de estado 8 .

9 .1. •! Los conceptos desarrollados se aplican en otras áreas. •! Muchos sistemas físicos pueden considerarse como lineales. Estudio de sistemas lineales: •! Necesidad de “controlar” un sistema.1 Introducción Objetivo: Análisis y diseño de sistemas de control. •! Es el tipo más sencillo de sistemas que podemos encontrar.

las cuales se obtienen usando leyes físicas. •! La dinámica de los sistemas se describe generalmente en términos de ecuaciones diferenciales. 10 . •! Simplicidad contra exactitud.Sistema físico Modelo de un sistema: modelo del sistema •! El modelo matemático de un sistema dinámico es un conjunto de ecuaciones que representan las características dinámicas del sistema. y por lo tanto puede tener varios modelos matemáticos. •! Un sistema puede ser representado de varias maneras diferentes.

Control clásico Ecuación diferencial lineal d i y (t ) m d i u (t ) ! ai dt i =! bi dt i i =0 i =0 n Transformada de Laplace Función de transferencia 11 .

•! Existían algunos “aspectos” que no se entendían muy bien. •! Los sistemas no son óptimos en ningún sentido. •! Lugar de las raíces. Nyquist. Limitaciones de control clásico: •! Aplicable solamente a sistemas lineales escalares. •! Retroalimentación. •! No era posible extender resultados a otro tipo de sistemas.•! Análisis de respuesta en el tiempo. 12 . •! Análisis de respuesta en la frecuencia: Bode.

etc. •! Permite estudiar sistemas multivariables. 13 . etc. Algunas áreas de Teoría de control: Sistemas lineales.). sistemas no lineales. sistemas variantes en el tiempo. control óptimo. sistemas híbridos. control adaptable. identificación.Control moderno (espacio de estado) •! Descripción más completa. •! Extensión a otro tipo de sistemas (sistemas no lineales. control inteligente. •! Resultados sencillos y elegantes. sistemas de eventos discretos. control robusto.

la relación (1. (1.1) es una función.2 Definiciones básicas Un sistema se entenderá como una relación entre entradas y salidas. Esto puede denotarse matemáticamente como y = H [u ] donde u es la entrada o entradas del sistema. 14 . y es la salida o salidas del sistema. y H determina la relación entre ellas.1. es decir.1) Un sistema es determinista si a cada entrada le corresponde una y solo una salida.

15 . •! Un conjunto de salidas y cuyos elementos son funciones del tiempo. un sistema consta de: •! Un conjunto de entradas u cuyos elementos son funciones del tiempo. •! Una función H. Entonces. que define una correspondencia unívoca entre los elementos del conjunto de entradas u y los elementos del conjunto de salidas y.Estamos interesados en aquellos sistemas en los cuales tanto la entrada como la salida pueden ser representadas por funciones de una variable independiente t que será la variable tiempo.

es decir. 16 . Si el sistema tiene más de una entrada o más de una salida. la causalidad es una propiedad intrínseca de cualquier sistema físico. Observe que esta definición implica que un sistema no causal es capaz de predecir entradas futuras. Un sistema se dice causal o no anticipatorio si la salida del sistema al tiempo t1 no depende del valor de la entrada aplicada después del tiempo t1 .Un sistema se dice monovariable o escalar si tiene una sola entrada y una sola salida. lo cual es imposible para los sistemas físicos. la salida depende solamente de la entrada aplicada antes y al tiempo t1. entonces es un sistema multivariable. Por lo tanto.

Un sistema dinámico es aquel cuya salida presente depende de entradas pasadas y presentes. el sistema se conoce entonces como sistema estático o sistema sin memoria. Observe que la salida de un sistema estático permanece constante si la entrada no cambia. Si el valor de la salida al tiempo t1 depende solamente de la entrada aplicada en t1 . 17 . mientras que en un sistema dinámico la salida cambia con el tiempo. a pesar de que la entrada no cambie (a menos que se encuentre en un estado o punto de equilibrio).

sus propiedades son invariables con traslaciones en el tiempo. si sus características no cambian con el tiempo. fijo o estacionario. es decir.Un sistema se dice que es invariante en el tiempo. 18 .

1. Consideramos aquí sistemas causales y dinámicos. a menos que se conozca la entrada que se aplicó antes de t0 . y se trata de establecer una relación entre ellas. Si aplicamos la entrada u[ t0 . 19 .3 Descripción entrada-salida Para establecer una relación entrada-salida de un sistema. se aplican diferentes tipos de entradas. la salida al tiempo t 0 depende no solamente de la entrada aplicada en t 0 sino también de entradas previas. se miden las salidas. es evidente que la salida no puede determinarse de manera única.! ) . Para este tipo de sistemas.

Por lo tanto. que el sistema está en reposo en t0 .! ) . es decir. 20 .! ) . para obtener una relación entrada-salida que describa de manera adecuada las propiedades del sistema. o en reposo. inicialmente relajado. Un sistema se dice relajado al tiempo t0 . si la salida y[t0 . depende única y exclusivamente de la entrada u[t0 . es necesario suponer que la salida al tiempo t 0 depende solamente de la entrada aplicada a partir de t0 .

Si la relación anterior no se cumple. si cumple con el principio de superposición.Un sistema se dice lineal (desde el punto de vista entradasalida). esto es. entonces el sistema se dice no lineal. ! 2 se cumple que H (!1u1 + ! 2u2 ) = !1 H (u1 ) + ! 2 H (u2 ). si para 2 entradas cualquiera u1 . 21 . u2 y 2 números reales !1 .

0 % t < $. en cualquier otro punto. f $ (t ) = " !0.Continuando con el proceso de obtener la descripción entradasalida de un sistema. 22 . necesitamos el siguiente concepto: Función impulso unitario o delta de Dirac Considere la siguiente función #1 / $. $ > 0.

Se define la función impulso unitario o delta de Dirac como # (t ) = lim!"0 f ! (t ). 23 .

Cualquier función continua por pedazos puede ser aproximada por un serie de pulsos. Es decir. i 24 . la entrada u(t) puede ser aproximada por u (t ) $ ! u (ti ) f " (t # ti )".

$ De la ecuación anterior. entonces & y = H (u ) # H ) u ( t ) f ( t " t ) ! '* i ! $ i ( i % # * (H f ! (t " ti ) )u (ti )!. si se conoce H" (t # ! ) para toda ! .Si el sistema es lineal. tenemos que y = #%$ (H" (t % ! ) )u (! )d! . entonces se puede obtener la salida del sistema para cualquier entrada. i Cuando " ! 0. 25 .

t 26 .! ) u (! )d! .La función H" (t # ! ) es la salida del sistema relajado cuando se le aplica un impulso unitario al tiempo ! . la salida del sistema es entonces y (t ) = "$# g (t . Si el sistema es causal. es decir # y (t ) = "$# g (t . g (t . Denotando H" (t # ! ) := g (t .! ) u (! )d! .! ) = 0 para t < ! . por lo tanto se le conoce como la respuesta al impulso del sistema.! ).

2) 27 . Si el sistema es invariante en el tiempo. se tiene que t g (t .Considerando que el sistema está relajado en t=0.! ) = g (t " ! ). (1. entonces y (t ) = "0 g (t . bajo las condiciones de linealidad. Entonces.! ) u (! )d! . la salida del sistema está dada por t y (t ) = "0 g (t # ! ) u (! )d! . relajamiento e invariancia en el tiempo. causalidad.

Es decir.Utilizando transformada de Laplace. 28 .3) G ( s) = !0 g (t )e #st dt " (1. tenemos que Y (s) = G(s)U (s).4) es conocida como la función de transferencia del sistema. donde (1. la función de transferencia del sistema se puede definir como la transformada de Laplace de la respuesta al impulso del sistema.

4 El concepto de estado El estado de un sistema al tiempo t 0 se define como la (mínima) cantidad de información que junto con la entrada u[t0 .1.! ) nos permite determinar de manera única el comportamiento del sistema para t ! t0 . 29 .

•! El estado de un sistema puede consistir de un conjunto finito o infinito de números. •! El estado de un sistema puede o no tener un significado físico.Algunas características del concepto de estado: •! El concepto de estado se aplica a cualquier sistema dinámico (no solamente a sistemas lineales). •! La elección de las variables de estado no es única. 30 .

lineales.Sistemas a estudiar en el curso de Sistemas Lineales I: sistemas dinámicos. y de dimensión finita (y escalares). 31 . invariantes en el tiempo.

2. Descripción de sistemas lineales en variables de estado 32 .

t ) • $ ! # ! " (2. t ) y (t ) = g ( x(t ). u (t ).2.1 Representación de sistemas en variables de estado El tipo de sistemas que estudiaremos son aquellos descritos por las siguientes ecuaciones x(t ) = h( x(t ). u (t ).1) 33 .

$ ! ! $ ! u ( t ) % m " 34 . y sus componentes $ ! ! $ ! x ( t ) % n " & y1 (t ) # $ y (t ) ! 2 ! es el vector de salidas. son las variables de estado.& x1 (t ) # $ x (t )! donde x(t ) = $ 2 ! es el vector de estado. y (t ) = $ $ ! ! $ ! y ( t ) % p " &u1 (t ) # $u (t ) ! y u (t ) = $ 2 ! es el vector de entradas.

35 . para t ! t0 .! ) .! ) } " {x[t0 .Usaremos la notación {x(t0 ).! ) producen el estado x(t) y la salida y(t). y[t0 .! ) } para indicar que el estado inicial x(t0 ) y la entrada u[t0 . u[t0 .

u[t0 . dado que {x(t0 ).! ) + # 2u [ t0 .! ) [ t 0 .! ) " {#1 x[t0 .! ) . y[t0 . u x . #1u[t0 .! ) } donde !1 y ! 2 son números reales cualquiera. #1 y[t0 .! ) [ t 0 .! ) + # 2 ~ y[t0 .! ) + # 2 ~ x[t0 .Un sistema se dice lineal si.! ) } ~ } " {~ {~ x (t ).~ y } 0 [ t 0 .! ) .! ) } " {x[t0 . 36 .! ) entonces se cumple que ~ } {#1 x(t0 ) + # 2 ~ x (t0 ).

u[t0 . respuesta a entrada cero respuesta a estado cero 37 .! ) }.0} + respuesta debida a {0.! ) } = respuesta debida a {x(t0 ).La respuesta de un sistema lineal puede separarse en 2 partes: Respuesta debida a {x(t0 ). u[t0 .

B(t).Si el sistema es lineal. n ! m. y p ! m. de dimensiones n ! n. las funciones h y g serán funciones lineales de x y u. C(t) y D(t) son matrices. respectivamente. 38 . Puede que su equipo no tenga donde A(t). es decir x(t ) = A(t ) x(t ) + B(t )u (t ) y (t ) = C (t ) x(t ) + D(t )u (t ) • $ ! # ! " No se puede mostrar la imagen. p ! n.

Q# y[t0 .! ) .! ) } donde Q! es el operador de retraso. y ! es un número real.! ) } " {Q# x[t0 . Q# u[t0 . 39 . dado que {x(t0 ). u[t0 .! ) } entonces se cumple {Q# x(t0 ).Un sistema se dice invariante en el tiempo si.! ) } " {x[t0 . y[t0 .! ) .

3) donde A.) y D(. C(. C.C y D son matrices constantes reales. B(. p ! n.B.). las ecuaciones en espacio de estado que describen el comportamiento de un sistema lineal e invariante en el tiempo son las siguientes x(t ) = Ax (t ) + Bu (t ) y (t ) = Cx (t ) + Du (t ) • $ ! # ! " (2.3) como !( A. y p ! m.Para sistemas invariantes en el tiempo. B. 40 . a menudo se hará referencia en este curso al sistema descrito por (2.) no dependen del tiempo. respectivamente. n ! m. Por lo tanto. D).). de dimensiones n ! n. las matrices A(. Por simplicidad.

41 . es decir.3) el orden del sistema es igual a n.Se define el orden del sistema como el número de variables de estado. para la representación (2.

las ecuaciones (2.3) se pueden representar como se muestra en la siguiente figura. 42 .Esquemáticamente.

X ( s) = ( sI n ! A) !1 x0 + ( sI n ! A) !1 BU ( s). entonces ( sI n ! A) X ( s) = x0 + BU (s).3) y denotando x(0) = x0 .Tomando transformada de Laplace de (2. tenemos sX ( s) ! x0 = AX ( s) + BU ( s) Y ( s) = CX ( s) + DU ( s). 43 . y multiplicando por la izquierda por la inversa de ( sI n ! A). De lo anterior.

podemos ver que G( s) = C ( sI n ! A) !1 B + D es la función de transferencia del sistema. (2. (2.La salida (vector de salidas) está dada por Y ( s ) = C ( sI n ! A) !1 x0 + C ( sI n ! A) !1 BU ( s ) + DU ( s) = C ( sI n ! A) !1 x0 + [C ( sI n ! A) !1 B + D] U ( s). entonces la salida estará dada por Y ( s) = [C ( sI n ! A) !1 B + D] U ( s).5) 44 .4) Haciendo una comparación con la descripción entrada-salida. Si x0 = 0.

La función de transferencia G(s) de un sistema multivariable (matriz de transferencia) es una matriz cuyos elementos son funciones racionales y tiene tantas filas como salidas tiene el sistema y tantas columnas como entradas. es de dimensiones p ! m. 45 . es decir.

Una función racional g(s)=b(s)/a(s) se dice propia si deg a(s) ! deg b(s). Una matriz racional G(s) se dice propia (estrictamente propia) si todos sus elementos son funciones racionales propias (estrictamente propias). y estrictamente propia si deg a(s) > deg b(s). 46 .

det(sI ! A) Cada elemento de Adj(sI ! A) es de grado estrictamente menor que el grado de det(sI ! A). entonces C ( sI ! A) !1 B + D es una matriz propia (pero no estrictamente propia).La función de transferencia G(s) puede escribirse como 1 G( s) = C [Adj( sI ! A)]B + D. 47 . por lo tanto C ( sI ! A) !1 B es una matriz estrictamente propia. Si D es diferente de cero.

48 . No es aplicable si el sistema no está relajado. y no proporciona información sobre el comportamiento interno del sistema. La función de transferencia puede obtenerse por mediciones directas. •! Para algunos sistemas puede ser muy complicado obtener la descripción en espacio de estado.Comparaciones entre las descripciones entrada-salida (descripción externa) y espacio de estado (descripción interna): •! La descripción entrada-salida muestra como están relacionadas las entradas y salidas del sistema.

49 . •! Ambas descripciones tienen sus méritos y pueden utilizarse de manera conjunta.•! Los resultados obtenidos para sistemas multivariables usando espacio de estado pueden también obtenerse usando el enfoque de función de transferencia. •! Espacio de estado permite estudiar sistemas no lineales y sistemas variantes en el tiempo.

50 . donde g(k-m) es la respuesta del sistema debido a la entrada #1. i = m u (i ) = " !0.Sistemas discretos Para este tipo de sistemas.. las señales involucradas toman valores en ciertos instantes de tiempo. k k = 0.. está dada por y (k ) = m =0 ! g (k " m)u(m). La salida de un sistema lineal discreto.2. invariante en el tiempo y relajado.1.. i $ m. causal.

51 .La descripción en variables de estado para sistemas discretos está dada por x(k + 1) = Ax(k ) + Bu (k ) y (k ) = Cx (k ) + Du (k ).

2.2 Solución de la ecuación de estado Nos interesa encontrar la solución x(t ). 52 . t ! 0.6) x(t ) = Ax (t ) + Bu (t ). de la ecuación de estado • (2.

caso escalar: x(t ) = ax(t ). k!!!! $!!2 !!! #!! " e =! at " k =0 (2.Parte homogénea.7) 1 22 1 k k x(t ) = (1 + at + a t + % + a t + %) x(0) = e at x(0).8) 1 k k at k! 53 . Solución: • (2.

9) 1 1 x(t ) = ( I + At + A2t 2 + % + Ak t k + %) x(0) 2 !!#!! k! ! !!" $!!! e At ! x(t ) = e At x(0).10) 1 k k At (2.11) k = 0 k! es una matriz de dimensiones n ! n. e := ! At " 54 . caso matricial: Solución: x(t ) = Ax (t ). • (2. que por analogía con el caso escalar es conocida como matriz exponencial.Parte homogénea. donde (2.

55 . ! e At es no singular iv ) si AB = BA.Propiedades de la matriz exponencial: d At i) e = Ae At = e At A dt ii ) e A(t +r ) = e At e Ar iii) (e At ) "1 = e " At . entonces e ( A+ B )t = e At e Bt .

At Métodos para encontrar la matriz exponencial e : (2. 3) Por diagonalización o reducción a forma de Jordan de la matriz A.t)”).12) 1) Por la formula de expansión (2. 4) Por interpolación de Sylvester.La matriz exponencial en forma “cerrada” está dada por e At = L!1{( sI ! A) !1}.12). 2) Por la transformada inversa de Laplace (2. 5) Utilizando programas computacionales (Maple.11). 56 . función “exponential (A.

13) Las raíces del polinomio característico a(s) = det(sI ! A). se conocen como los modos del sistema. (2.Observe que en la matriz exponencial e At aparecen términos de !t la forma e . El polinomio a( s) = det(sI ! A) = s n + a1s n!1 + a2 s n!2 + ! + an se conoce como polinomio característico del sistema. las cuales corresponden a los valores propios de la matriz A. donde ! es raíz de det( sI ! A). 57 .

donde ! (t ) es una matriz de dimensiones n ! n. • !(0) = I .15) De lo que se ha visto anteriormente. 58 . (2.14) x(t ) = !(t ) x(0).Matriz de transición de estados Se puede expresar la solución de la ecuación x(t ) = Ax (t ) en la forma (2. conocida como la matriz de transición de estados del sistema. y es la solución única de • !(t ) = A!(t ). " (t ) = e At = L!1{( sI ! A) !1}.

Propiedades de la matriz de transición de estados: i ) " ( 0) = e A ( 0 ) = I ii ) " (t ) = e At = (e ! At ) !1 = [" (!t )]!1 # " (t ) !1 = " (!t ) iii) " (t1 + t 2 ) = e A( t1 +t2 ) = e At1 e At2 = " (t1 )" (t 2 ) = " (t 2 )" (t1 ) iv ) [" (t )]n = " (nt ) v) " (t 2 ! t1 )" (t1 ! t0 ) = " (t 2 ! t0 ) = " (t1 ! t0 )" (t 2 ! t1 ). 59 .

!1 At y como ( sI ! A) = L{e }.Solución de la ecuación de estado x(t ) = Ax (t ) + Bu (t ). Usando transformada de Laplace y despejando. tenemos que • X ( s ) = ( sI ! A) !1 x(0) + ( sI ! A) !1 BU ( s ). 60 . entonces X ( s ) = L{e At }x(0) + L{e At }BU ( s ).

17) 61 .16) mientras que la salida del sistema será y(t ) = Cx(t ) + Du(t ). (2. entonces x(t ) = e x(0) + !0 e A(t "# ) Bu (# )d# At t (2.Tomando transformada inversa de Laplace y usando convolución.

.18) y + a1 y + a2 y + a3 y = b3u + b2 u + b1 u .2.. (2. . 62 . . ...3 Representaciones canónicas Suponga que se quiere obtener una representación en espacio de estado de la ecuación diferencial . .

% + a1 % + a2 % + a3% = u .... . esta ecuación puede escribirse de manera equivalente como . .Introduciendo una variable auxiliar ! . . y = b3% + b2 % + b1 % $ ! # ! " (2.19) 63 ..

19) se puede representar esquemáticamente como se muestra en la siguiente figura Fig.La ecuación (2.1 64 . 2.

Moviendo las líneas de derivación hacia atrás. tenemos el siguiente esquema Fig. 2.2 65 .

x1c = !a1 x1c ! a2 x2 c ! a3 x3c + u . x 3 c = x2 c y = b1 x1c + b2 x2 c + b3 x3c . 66 .Forma canónica controlador: . x 2 c = x1c .

' a3 # 0 !. donde • &' a1 Ac = $ 1 $ $ % 0 cc = [b1 b2 ' a2 0 1 b3 ].En forma matricial x c = Ac xc + bc u y = cc xc . ! 0 ! " &1# bc = $0! $ ! $ %0 ! " 67 .

...20) 68 . y + a1 y + a2 y + a3 y = m ..La ecuación (2. $ ! # ! " (2. y + a1 y + a2 y + a3 y = b3u + b2 u + b1 u también puede escribirse en la forma ... .. .18) .. . . m = b3u + b2 u + b1 u .. . .

la ecuación (2.20) se representa como Fig.3 69 .Esquemáticamente. 2.

Moviendo las líneas de derivación hacia adelante. tenemos Fig.4 70 . 2.

2 o en forma matricial & (1 # & 1 0 0# & b1 # $ ( ! = $ a 1 0! $b !. $ 2! $ 1 ! $ 2! $ % (3 ! " $ %a2 a1 1! " $ %b3 ! " '1 71 .donde "1 = b1 " 2 = b2 ! a1b1 " 3 = b3 ! a1b2 ! a2b1 + a1 b1 .

72 .Forma canónica de observabilidad: x ob = Aob xob + bobu y = cob xob . ! ' a1 ! " & (1 # & 1 0 0# & b1 # bob = $ ( 2 ! = $ a1 1 0! $b2 ! $ ! $ ! $ ! $ % (3 ! " $ %a2 a1 1! " $ %b3 ! " '1 cob = [1 0 0]. donde • & 0 Aob = $ 0 $ $ %' a3 1 0 ' a2 0 # 1 !.

lugar de implementar la ecuación ! + a1 ! + a2 ! + a3! = u como se hizo anteriormente. 73 . ecuación . se utiliza el siguiente esquema Fig..18). en . 2. de la .Para obtener otras 2 representaciones (2. que se muestran a continuación..5 de lo cual resultan las formas canónicas observador y controlabilidad..

6 74 . 2.Esquema para la forma canónica observador Fig.

! 0 0! " & b1 # bo = $b2 ! $ ! $ %b3 ! " co = [1 0 0]. 75 .Forma canónica observador x o = Ao xo + bou y = co xo . donde • & ' a1 Ao = $' a2 $ $ % ' a3 1 0# 0 1!.

7 76 .Esquema para la forma canónica de controlabilidad Fig. 2.

donde • '0 0 ! a3 $ Aco = %1 0 ! a2 ".Forma canónica de controlabilidad x co = Aco xco + bcou y = cco xco . % " % &0 1 ! a1 " # cc = [(1 '1$ bco = %0" % " % &0 " # '1 a1 b3 ] %0 1 % % &0 0 a2 $ a1 " . " 1" # !1 (2 ( 3 ] = [b1 b2 77 .

T 78 . que Ao = Ac .Observe de estas representaciones canónicas. T T bo = cc . b ob = cco . cob = bco . T T co = bc T Aob = Aco .

esto es.Parámetros de Markov Sea b( s) b1s n!1 + b2 s n!2 + ! + bn H ( s) = = n a( s) s + a1s n!1 + ! + an una función de transferencia dada. " b( s ) #1 H ( s) = = c( sI # A) b = ! hi s #i = h1s #1 + h2 s #2 + ! a( s) i =1 Los coeficientes {hi } en la expresión anterior son conocidos como los parámetros de Markov del sistema. c) una representación en espacio de estado correspondiente. y !( A. b. 79 .

Dado que I A A2 ( sI ! A) = + 2 + 3 + ! s s s !1 2 cb cAb cA b !1 c( sI ! A) b = + 2 + 3 + ! s s s entonces tenemos que hi = cAi!1b. i = 1.2.… h1 = cb h2 = cAb h3 = cA2b ! 80 . esto es.

i = 1. b. n. 81 . hi = !i . no dependen de la representación !( A. esto es.Observe que: •! Los parámetros de Markov son propios de la función de transferencia. i = 1. •! Los coeficientes !i .…. n. que aparecen en las formas canónicas de observabilidad y controlabilidad corresponden a los primeros n parámetros de Markov del sistema. c) de H(s). esto es.….

como se muestra esquemáticamente en la siguiente figura. b( s ) n g i H ( s) = =! a( s) i=1 s " #i (suponiendo que las raíces de a(s) son distintas). podemos obtener una representación en forma canónica diagonal. 82 .Si hacemos una expansión en fracciones parciales de H(s).

8 83 .Fig. 2.

Forma canónica diagonal: x d = Ad xd + bd u y = cd xd . 'n }. n. '2 . y & b1 # bd = $ " ! $ ! $ %bn ! " bi ci = gi . i = 1. cd = [c1 ! cn ]. 84 .….…. donde • Ad = diag{'1 .

85 .4 Transformaciones de similitud Sea x(t ) = Ax (t ) + bu (t ) y (t ) = cx(t ) una representación de un sistema en espacio de estado.2. y hágase el cambio de variables • x(t ) = T x(t ) donde T es una matriz no singular cualquiera.

86 . c) y !( A.Entonces. b. c) se dicen similares si existe una matriz no singular T tal que A = T !1 AT . 2 representaciones en espacio de estado !( A. Entonces. otra descripción en espacio de estado del mismo sistema está dada por !1 !1 x(t ) = T AT x ( t ) + T b u (t ) = A x(t ) + b u (t ) ! $ # " b A • y (t ) = cT ! x(t ) = c x(t ) c lo cual se conoce como una transformación de similitud. b = T !1b. c = cT . b.

Lema 2. 87 . Los modos de un sistema son invariantes bajo transformaciones de similitud. La función de transferencia de un sistema es invariante bajo transformaciones de similitud. Lema 2.2.1.

5 Interpretación dinámica de polos y ceros Sea H(s) la función de transferencia del sistema • x(t ) = Ax (t ) + bu (t ) y (t ) = cx(t ) esto es. a( s) !1 88 . b( s ) H ( s) = c( sI ! A) b = .2.

Un número ! (real o complejo) es un cero de H(s) si H (! ) = 0. 89 . Observe que si H(s) es irreducible. Dos polinomios a(s) y b(s) se dicen coprimos o primos relativos si no tienen raíces en común. y es un polo de H(s) si lims"# H ( s) " !. La función de transferencia H(s)=b(s)/a(s) se dice irreducible si a(s) y b(s) son coprimos. y cada raíz de a(s) es un polo de H(s). entonces cada raíz de b(s) es un cero de H(s).

Teorema 2. Si la entrada aplicada al sistema es de la forma u (t ) = e !t . y donde n = deg a( s). con función de transferencia H(s)=b(s)/a(s). Si ! es un cero de H(s). donde ! no es un polo de H(s). Sea x(t ) = Ax (t ) + bu (t ) y (t ) = cx(t ) una representación en espacio de estado de un sistema.1. t ! 0. 90 • .1. entonces la salida del sistema y(t) debido a la entrada u (t ) = e !t y a la condición inicial x(0) = ("I ! A) !1 b es cero para t ! 0. está dada por Corolario 2. entonces la salida del sistema debido a esta entrada y a la condición inicial x(0) = ("I ! A) !1 b "t y ( t ) = H ( " ) e .

tal que la respuesta a entrada-cero del sistema está dada por y (t ) = re "t . t ! 0.Teorema 2. El número ! es un polo de H(s) si y solo si existe un estado inicial x(0).2. donde r es una constante diferente de cero. 91 .

3. Controlabilidad y observabilidad 92 .

3. Sean x(t0 ) y x(t1 ) puntos cualquiera del espacio de estado. b.1 Controlabilidad Sea un sistema (escalar) dado en su representación en espacio de estado . 93 . c) # ! " y (t ) = cx(t ). c) es controlable al tiempo t 0 si existe una entrada u(t) que transfiere x(t0 ) a x(t1 ) al tiempo t 1. $ ! x(t ) = Ax (t ) + bu (t ) %( A. Se dice que el sistema !( A. b.

At1 t1 94 .A continuación se derivarán las condiciones bajo las cuales un sistema !( A. b. At t Al tiempo t 1 x(t1 ) = e x(0) + !0 e A(t1"# )bu (# )d# . c) es controlable. La solución de la ecuación de estado (con t 0 = 0) está dada por x(t ) = e x(0) + !0 e A(t "# )bu(# )d# .

At1 k =0 n#1 t 95 .Usando la fórmula de interpolación de Sylvester para la matriz exponencial e = !# k (t ) Ak At k =0 n"1 se obtiene x(t1 ) = e x(0) + " Ak b !01 % k (t1 # $ )u ($ )d$ .

Definiendo wk := !0 $ k (t1 " # )u (# )d# tenemos que n"1 t1 x(t1 ) = e x(0) + ! Ak b wk At1 k =0 La ecuación anterior puede escribirse como x(t1 ) ' e At1 x(0) = [b & w0 # $w ! Ab " An '1b] $ 1 !. $ ! ! $w ! % n '1 " 96 .

Para que tenga solución la ecuación anterior. 97 . entonces debe de cumplirse que las columnas de la matriz [b Ab ! An!1b] sean linealmente independientes. es necesario que x(t1 ) ! e At1 x(0) " Im [b Ab ! An!1b] y como x(t0 ) y x(t1 ) son vectores cualquiera.

Teorema 3. 98 . c) es controlable si y solo si la matriz de controlabilidad del sistema C= [b Ab ! An!1b] es no singular.1. b.La matriz C= [b Ab ! An!1b] se conoce como la matriz de controlabilidad del sistema. El sistema !( A.

! 0 ! " &1 # bc = $0! $ ! $ %0 ! " C c = bc [ Ac bc '1 ! a1 % 2 Ac bc = %0 1 %0 0 & ] 2 a1 ! a2 $ '1 a1 " % ! a1 " = 0 1 % 1 " &0 0 # % a2 $ a1 " . donde &' a1 Ac = $ 1 $ $ % 0 tenemos que ' a2 0 1 ' a3 # 0 !. " 1" # !1 99 .Para un sistema de orden 3 en forma canónica controlador.

para un sistema de orden n en forma canónica controlador. tenemos que ' 1 % 0 % C c = % % # % % & 0 a1 1 0 ! a2 a1 1 ! " 0 an!1 $ an ! 2 " " # " . a1 " " 1 " # !1 100 .En general.

para un sistema de orden n en la forma canónica de controlabilidad C co = I n . donde &0 0 ' a3 # Aco = $1 0 ' a2 !. 101 . $ ! $ %0 1 ' a1 ! " tenemos que &1# bco = $0! $ ! $ %0 ! " &1 0 0 # $0 1 0!.Para un sistema de orden 3 en la forma canónica de controlabilidad. C = co $ ! $ %0 0 1 ! " En general.

Controlabilidad de sistemas discretos. Para el sistema discreto x(k + 1) = Ax (k ) + bu (k ) y (k ) = cx(k ) tenemos que x(1) = Ax (0) + bu (0) x(2) = Ax (1) + bu (1) = A2 x(0) + Abu (0) + bu (1) x(3) = Ax (2) + bu (2) = A3 x(0) + A2bu (0) + Abu (1) + bu (2) " x(n) = An x(0) + An!1bu (0) + ! + bu (n ! 1) 102 .

Ab " An '1b] $ $ ! ! $ u (0) ! % " Entonces. se puede transferir el estado de x(0) a x(n) si y solo si la matriz [b Ab ! An!1b] es no singular.Por lo tanto x(n) = An x(0) + [b & u (n ' 1) # $u (n ' 2)! !. 103 .

El sistema discreto (A.b. El sistema se dice controlable si existe una entrada que transfiere una condición inicial x(0) cualquiera al punto cero.c) es alcanzable si y solo si la matriz [b Ab ! An!1b] es no singular.2. Teorema 3. 104 .El sistema se dice alcanzable si existe una entrada que transfiere la condición inicial x(0)=0 a cualquier estado x(n).

Observe que: •! La no singularidad de la matriz [b Ab ! An!1b] es condición suficiente para alcanzar el origen. pero no es necesaria. 105 . ambos conceptos son equivalentes. •! Para sistemas continuos. •! Alcanzabilidad implica controlabilidad.

b. 106 . c) se dice observable al tiempo t0 .3. si es posible determinar el estado x(t0 ) a partir del conocimiento de la entrada u(t) y de la salida y(t) en un intervalo finito de tiempo.2 Observabilidad El sistema !( A.

tenemos que y (t ) = cx(t ) . 2 y (t ) = cA x(t ) + cb u (t ) = cA x(t ) + cAbu (t ) + cb u (t ) " y ( n !1) (t ) = cAn !1 x(t ) + cAn ! 2bu (t ) + ! + cbu ( n ! 2 ) (t ). 107 .Las condiciones bajo las cuales el sistema !( A. . c) es observable se pueden obtener como se indica a continuación.. Considerando la salida del sistema y(t) y sus derivadas. . b. . . y (t ) = c x(t ) = cAx(t ) + cbu(t ) .

.. 2 $ ! $ y ! $ ! $ ! cA x(t ) + cAb cb ' u ( t ) (t ) = $ !$ $ ! $ ! ! $ % $ % ! $ % ! ' !$ % ! $ n'2 ! $ ( n '1) ! $ y ( n '1) (t )! $ cAn '1 ! (t )" 0" %u " % " % %cA b & ! #! " $ ! #! " $ $!!!! #!!!! "$ ! #! " Y (t ) O T U (t ) 108 . . $ .Lo anterior se puede escribir en forma matricial como & 0 # & u (t ) # & y (t ) # & c # $ !$ . ! $ cA ! ! (t ) ! $ 0 $ cb ! $ u (t ) ! $ y ! .

Con el conocimiento de Y (0) y U (0). el estado x(0) puede ser determinado de manera única si las columnas de la matriz O son linealmente independientes. si O es no singular.En t=0. esto es. en cuyo caso tendremos que x(0) = O!1[Y (0) ! TU (0)]. tenemos Y (0) ! TU (0) = O x(0). 109 .

La matriz & c # $ cA ! ! O= $ $ ! ! $cAn'1 ! % " se conoce como la matriz de observabilidad del sistema. c) es observable si y solo si la matriz de observabilidad es no singular. b.3. El sistema !( A. Teorema 3. 110 .

3 Principio de dualidad Sea el sistema .3. $ ! %1 # x(t ) = Ax (t ) + bu (t ) ! " y (t ) = cx(t ) y su sistema dual. definido como . " 111 . $ ! z (t ) = AT z (t ) + cT v(t ) %2 # T ! w ( t ) = b z (t ).

Entonces: •! •! El sistema !1 es controlable si y solo si ! 2 es observable. El sistema !1 es observable si y solo si ! 2 es controlable. 112 .

b1 .4 Representaciones mínimas La representación en espacio de estado !( A. b. 113 .3. y tal que c( sI ! A) !1 b = c1 ( sI ! A1 ) !1 b1. c) de un sistema se dice que es una representación mínima o realización mínima si no existe otra representación !( A1 . c1 ) de orden menor.

Lema 3. es observable si y solo si a(s) y b(s) son coprimos.Lema 3. 114 .1. n = deg a(s). La forma canónica controlador de orden n de H (s) = b(s) / a(s). Si una función de transferencia b1s n!1 + ! + bn b( s ) H ( s) = = n a( s) s + a1s n!1 + ! + an tiene una representación de orden n controlable y observable. entonces todas las representaciones de orden n de H(s) son también controlables y observables.2.

n = deg a( s). La función de transferencia H(s)=b(s)/a(s) es irreducible (esto es. 115 . tenemos que: Teorema 3.5.De los 2 resultados anteriores. c) es mínima si y solo si los polinomios a(s) := det(sI ! A) y b(s) := c Adj(sI ! A)b son coprimos. Teorema 3. La representación !( A. b. son controlables y observables. a(s) y b(s) son coprimos) si y solo si todas las representaciones de orden n de H(s).4.

116 . b. La representación !( A.6. tenemos: Teorema 3. c) es mínima si y solo si es controlable y observable.Combinando los 2 teoremas anteriores.

polinomio característico y función de transferencia.5 Transformaciones de similitud a formas canónicas No se puede mostrar la imagen. Entonces. cc ) otra representación en la forma canónica controlador. b. 117 . Si sigue apareciendo la x roja. Reinicie el equipo y. Puede que su equipo no tenga suficiente memoria para abrir la imagen o que ésta esté dañada. a continuación. c) una representación en espacio de estado dada y !( Ac . b. abra el archivo de nuevo. puede que tenga que borrar la imagen e insertarla de nuevo. Lema 3. Sea !( A.3. ambas representaciones son similares si y solo si !( A. ambas con el mismo orden.3. c) es controlable. bc .

Lema 3. c) una representación en espacio de estado dada y !( Ao . polinomio característico y función de transferencia.4. b. ambas con el mismo orden. Sea !( A. Entonces. ambas representaciones son similares si y solo si !( A. c) es observable. b. bo . co ) otra representación en la forma canónica observador. 118 .

y si ambas son observables T =C ( A1 . Sean !( A1 . Estas representaciones son similares si 1) det( sI ! A1 ) = det( sI ! A2 ). y 2) ambas representaciones son controlables o ambas son observables. Si ambas son controlables.Lema 3. x1 (t ) = Tx2 (t ). b1 )C!1 ( A2 . b2 . c1 ) y !( A2 . 119 . A1 )O(c2 . c2 ) dos representaciones en espacio de estado del mismo orden y con la misma función de transferencia. A2 ). b1 .5. b2 ) T = O!1 (c1 . la transformación que lleva de una a otra es x1 (t ) = Tx2 (t ).

con A = T !1 AT . b) = r < n. b = T !1b. c = cT 120 . c). Existe una transformación de similitud T. b. b.6 Representación de sistemas no controlables/ no observables Sistemas no controlables Sea !( A. c) un sistema no controlable de orden n.3. tal que la representación !( A. con rango C ( A.

! = $ Ac $ x nc (t )! $ % " %0 y (t ) = [ c c donde: # & # #& A12 ! $ x c (t ) ! + $b c ! u (t ) $ x nc (t )! $0 ! Anc ! "% " % " & # x ( t ) c nc ] $ c ! $ x nc (t )! % " 1)! El subsistema !( Ac . # & x c (t ) $. b c . 2)! La función de transferencia del subsistema !( Ac . c c ) es la misma que la del sistema original.tiene la forma &. 121 . c c ) de orden r es controlable. esto es c( sI ! A) !1 b = c c ( sI ! Ac ) !1 b c . b c .

Como puede verse. siendo x c (t ) las variables de estado controlables. 122 . y x nc (t ) las variables no controlables. existe una clara separación de las partes controlable y no controlable del sistema.

con rango O (c. b. tal que la representación !( A. # & # & x (t ) # & # x o (t ) A 0 $. A) = q < n. b = T !1b. con A = T !1 AT . !=$ o ! $ o ! + $ b o ! u (t ) $ x no (t )! $b no ! $ x no (t )! $ ! A A 21 no "% % " % " % " y (t ) = [ c o & # x ( t ) 0 ]$ o ! $ x no (t )! % " 123 . Existe una transformación de similitud T. c). c) un sistema no observable de orden n. b.Sistemas no observables Sea !( A. c = cT tiene la forma &.

donde 1)! El subsistema !( Ao . c o ) de orden q es observable. b o . 2)! La función de transferencia del subsistema !( Ao . b o . 124 . esto es c( sI ! A) !1 b = c o ( sI ! Ao ) !1 b o . c o ) es la misma que la del sistema original.

125 . y x no (t ) las variables no observables. siendo x o (t ) las variables de estado observables. existe una clara separación de las partes observable y no observable del sistema.Entonces.

Descomposición general (descomposición de Kalman): Para cualquier sistema !( A.o ] 126 .o $b c . 0 ! Anc . los elementos A = T !1 AT . c) existe una transformación de similitud T. b = T !1b. b. o A21 0 0 0 Ac . b.no ! " 0 & b c .o A43 cnc . c). tal que en la representación !( A. c = cT tienen la forma & $ A=$ $ $ % Ac . no $ b= $ 0 $ 0 % # ! ! ! ! " c = [ c c .no 0 0 0 A13 A23 Anc .o 0 # A24 ! !.

o ) b c .o -$ $ * A21 %+ es controlable.no ( # 0]! ! " 127 . b c .o ) es controlable y observable.o . 0 ) .o ) .o ' ' Ac .o ( sI ! Ac .o . !1 !1 con c( sI ! A) b = c c . [ c c . b c .* . c c .o . 2) El subsistema & .donde 1)! El subsistema !( Ac . Ac .no ( + b c .

o ' ' Anc. 128 . A13 ) . b c .o ( + 0 ( # c nc. A c .* . [ c c .3) El subsistema & . 0) no es controlable ni observable.o -$ $* 0 %+ es observable.no .o ]! ! " 4) El subsistema !( Anc.o ) . 0.

129 .

3.7 Pruebas PBH (Popov-Belevitch-Hautus) para controlabilidad y observabilidad
Teorema 3.7 (Prueba de vectores propios) 1.! El par (A,b) es controlable si y solo si no existe un vector fila q ! 0 tal que

qA = ! q, y qb = 0.
Es decir, el par (A,b) es controlable si y solo si ningún vector propio izquierdo de A es ortogonal a b.

130

2.! El par (c,A) es observable si y solo si no existe un vector columna p ! 0 tal que

Ap = ! p, y cp = 0.
Es decir, el par (c,A) es observable si y solo si ningún vector propio derecho de A es ortogonal a c.

131

Teorema 3.8 (Prueba de rango) 1.! El par (A,b) es controlable si y solo si

rango[sI ! A b] = n para toda s.
2.! El par (c,A) es observable si y solo si

& c # rango $ = n para toda s. ! % sI ' A"

132

Conceptos básicos de estabilidad 133 .4.

# ! < t0 " t < !.Un sistema en reposo se dice BIBO (bounded input-bounded ouput) estable. si cualquier entrada acotada u (t ) < M 1 . 134 . o externamente estable. produce una salida acotada y (t ) < M 2 . t0 " t < !.

b. ! 135 . Teorema 4.2. El sistema !( A. c) es BIBO estable si y solo si "0 h(t ) dt < M < ! donde h(t) es la respuesta al impulso del sistema. El sistema !( A.1. b.Teorema 4. c) con función de transferencia H(s) es BIBO estable si y solo si los polos de H(s) tienen parte real negativa.

3. si la solución de x(t ) = Ax (t ). x(0) = x0 tiende a cero a medida que t tiende a infinito. para cualquier condición inicial x0 . El sistema !( A. esto es. 136 . o asintóticamente estable. • Re{!i ( A)} < 0. c) se dice internamente estable. b.El sistema !( A. Teorema 4. c) es internamente estable si y solo si la parte real de los valores propios de la matriz A es negativa. b.

137 . c) es una representación mínima de H(s). •! Ambos conceptos son equivalentes si !( A. c) no controlable se dice estabilizable si la parte no controlable es estable. b. entonces se dice que A es una matriz estable. Un sistema !( A.Si Re{!i ( A)} < 0 para todos los valores propios de A. b. esto es. si el sistema es controlable y observable. Observe que: •! Estabilidad interna implica estabilidad externa.

donde x = x0 en t = t0 . t ) = 0. se le conoce como estado de equilibrio. x0 . Para el sistema anterior. 138 . y sea • ! (t. t ) donde x(t) es el vector de estado del sistema.Otra manera de verificar la estabilidad asintótica de un sistema es mediante el criterio de Lyapunov. Considere un sistema dado por x(t ) = f ( x. t0 ) la solución de la ecuación anterior. al estado xe que satisface f ( xe . para todo t .

Sea S (! ) los puntos tales que || x0 # xe || " ! y sea S (! ) los puntos tales que || % (t. 139 .Sea || x " xe || ! k una región esférica de radio k alrededor del punto de equilibrio xe . t0 ) # xe || " $ . t ! t0 . definida como || x ! xe || = [( x1 ! x1e ) 2 + ! + ( xn ! xne ) 2 ]1/ 2 . x0 . donde || x ! xe || es la norma Euclideana.

sin salirse de S (! ). existe un estado x0 en S (! ) tal que la trayectoria iniciando en este estado sale de S (! ). y si cualquier solución que inicie dentro de S (! ) converge a xe a medida que el tiempo tiende a infinito.Un estado de equilibrio xe se dice que es estable en el sentido de Lyapunov si para cualquier S (! ) existe S (! ) tal que las trayectorias que inicien en S (! ) no se salen de S (! ) a medida que el tiempo tiende a infinito. y cualquier valor ! > 0 arbitrariamente pequeño. 140 . Un estado de equilibrio xe se dice inestable si para algún valor real ! > 0. Un estado de equilibrio xe se dice asintóticamente estable si es estable en el sentido de Lyapunov.

Lema 4.La matriz simétrica P se dice semidefinida positiva (o definida no negativa) si xT Px ! 0 para todo vector x. Si la igualdad se cumple solo si x=0. Todos los valores propios de una matriz simétrica son reales. 141 . entonces P se dice definida positiva.1.

Los menores principales líderes de P son aquellos que se obtienen eliminando las últimas k columnas y las últimas k filas..0.. n-2.. k=n-1..Los menores principales de una matriz P son aquellos menores cuyos elementos diagonales son también elementos diagonales en P. 142 .

iii) Todos los menores principales líderes de P son positivos (no negativos).2.Lema 4. Las siguientes afirmaciones son equivalentes: i)! La matriz simétrica P es definida positiva (semidefinida positiva). ii)! Todos los valores propios de P son positivos (no negativos). 143 .

c) es asintóticamente estable) si y solo si dada una matriz simétrica definida positiva Q. 144 . el sistema !( A.4.El criterio de Lyapunov puede enunciarse de la siguiente manera: Teorema 4. b. existe una (única) matriz simétrica definida positiva P tal que AT P + PA = !Q. La matriz A es estable (o equivalentemente.

Retroalimentación de estado 145 .5.

$ ! x(t ) = Ax (t ) + bu (t ) %( A. 146 . b. c) # ! " y (t ) = cx(t ).5.1 Asignación del polinomio característico del sistema Sea el sistema (escalar) . cuyo polinomio característico es a( s) = det( sI ! A) = s n + a1s n!1 + ! + an .

c) por medio de la retroalimentación de estado u(t ) = !kx(t ) + v(t ) donde k = [k1 k2 ! kn ] es un vector fila y v(t) es una nueva entrada. a fin de obtener un sistema en lazo cerrado con polinomio característico deseado ! ( s) = s n + !1s n"1 + ! + ! n . Esto significa que buscamos reubicar los modos del sistema (y por consiguiente. los polos del mismo) mediante retroalimentación de estado.Se desea modificar el sistema !( A. b. 147 .

148 .La retroalimentación de estado se muestra esquemáticamente en la siguiente figura.

b. c) # x(t ) = ( A % bk ) x(t ) + bv(t ) ! " y (t ) = cx(t ) cuyo polinomio característico es ak ( s) = det( sI ! A + bk ). $ ! &( A % bk . 149 . el problema es averiguar bajo qué condiciones existe u(t ) = !kx(t ) + v(t ) tal que ! ( s) = ak ( s).Aplicando la retroalimentación de estado u(t ) = !kx(t ) + v(t ) al sistema !( A. c) obtenemos el sistema en lazo cerrado . Entonces. y cómo calcular el vector k. b.

Tenemos que " ( s ) = ak ( s ) = det( sI ! A + bk ) = det{( sI ! A)[ I n + ( sI ! A) !1 bk ]} = det( sI ! A) det[ I n + ( sI ! A) !1 bk ]. Entonces se cumple que det( I n ! LN ) = det( I m ! NL). Sean L y N matrices de dimensiones n ! m y m ! n respectivamente.1. 150 . Lema 5.

151 . de donde " ( s ) ! a ( s ) = a ( s )k ( sI ! A) !1 b. con L = !( sI ! A) !1 b. y m = 1. N = k . tenemos que det[ I n + ( sI ! A) !1 bk ] = det[1 + k ( sI ! A) !1 b] = 1 + k ( sI ! A) !1 b.Utilizando el lema anterior en det[ I n + ( sI ! A) !1 bk ]. Por lo tanto " ( s ) = a ( s )[1 + k ( sI ! A) !1 b].

152 . Para ello utilizamos la expresión 1 !1 ( sI ! A) = [ Is n!1 + ( A + a1 I ) s n!2 + ( A2 + a1 A + a2 I ) s n!3 a( s) + ! + ( An!1 + a1 An!2 + ! + an!1 I )]. el vector k puede encontrarse igualando los coeficientes correspondientes de las potencias de “s”.Como tenemos en la ecuación anterior polinomios en “s”.

Examinando por potencias de “s” la ecuación anterior.Por lo tanto ( s n + "1s n!1 + ! + " n ) ! ( s n + a1s n!1 + ! + an ) = k[ Is n!1 + ( A + a1 I ) s n!2 + ( A2 + a1 A + a2 I ) s n!3 + !]b. tenemos que "1 ! a1 = kb " 2 ! a2 = kAb + a1kb " 3 ! a3 = kA2b + a1kAb + a2 kb ! 153 .

Las relaciones anteriores se pueden escribir en la forma

" ! a = kC T
donde

( = [(1 ( 2 ! ( n ]
a = [a1 C= [b & $ $ T =$ $ $ $ % 1 0 # 0 a2 ! an ] Ab ! An'1b] a1 1 0 ! a2 a1 1 " 0 ! an'1 # an ' 2 ! ! # !. a1 ! ! 1 ! "
154

De la ecuación anterior, puede verse que un polinomio cualquiera ! (s) puede ser asignado mediante retroalimentación de estado como polinomio característico del sistema en lazo cerrado si y solo si la matriz de controlabilidad del sistema es no singular, es decir, si y solo si el sistema es controlable. Si el sistema es controlable, el vector de retroalimentación k que asigna el polinomio ! (s) está dado por

k = (" ! a )T !1C!1
la cual se conoce como fórmula de Bass-Gura.

(5.1)

155

Observe que para la forma canónica controlador tenemos que

' 1 % 0 % Cc = % % # % % & 0

a1 1 0 !

a2 a1 1

!

" 0

an!1 $ an ! 2 " " # " = T !1. a1 " " 1 " #

!1

Es decir, que para un sistema en forma canónica controlador, el vector k puede obtenerse como

k = " ! a.

156

Alternativamente, el vector de retroalimentación puede también calcularse mediante la fórmula

k = [0 ! 0 1] C"1! ( A)
conocida como fórmula de Ackermann, donde ! (s) es el polinomio característico deseado y [0 ! 0 1]C!1 es la última fila de C!1.

(5.2)

157

5.2 Efecto de la retroalimentación sobre ceros del sistema, controlabilidad y observabilidad
Efecto de la retroalimentación sobre ceros del sistema Sea

Y ( s) b( s ) !1 H ( s) = = c( sI ! A) b = U ( s) a( s)

la función de transferencia del sistema !( A, b, c). Suponiendo que a(s) y b(s) son coprimos, los ceros del sistema son las raíces de b(s) y los polos del sistema son las raíces de a(s).
158

Para la retroalimentación de estado

u(t ) = !kx(t ) + v(t )
tenemos que (condiciones iniciales iguales a cero)

U ( s ) = !kX ( s ) + V ( s ) = ! k ( sI ! A) !1 bU ( s ) + V ( s )
de donde

U ( s) 1 = . !1 V ( s) 1 + k ( sI ! A) b

159

la función de transferencia del sistema en lazo cerrado está dada por c( sI ' A + bk ) '1 b = Y ( s ) Y ( s ) U ( s ) b( s ) & 1 # = ( = '1 ! V ( s) U ( s) V (s) a( s) $ 1 + k ( sI ' A ) b" % b( s ) & a ( s ) # b( s ) = = $ ! a( s) % a( s) + g ( s) " a( s) + g ( s) donde g (s) := k Adj(sI ! A)b.Entonces. 160 .

los ceros se cancelar si y b(s) tienen raíces comunes.! El polinomio característico del sistema en lazo cerrado es a(s) + g (s) = ! (s). 161 . 2. Sin embargo.! Los ceros del sistema no son afectados por retroalimentación de estado en el sentido de que no se ! pueden ( s) pueden reubicar.De lo anterior puede verse que: 1.

Entonces. 162 . el sistema retroalimentado tampoco es controlable. y por lo tanto sigue siendo controlable. cc ). el sistema retroalimentado ( Ac ! bc k . cc ) sigue estando en la forma canónica controlador. bc . Si el sistema no es controlable.Efecto de la retroalimentación sobre la controlabilidad Considere que tenemos un sistema controlable. dado en la forma canónica controlador !( Ac . la retroalimentación de estado no afecta la controlabilidad del sistema. Se puede ver que con la retroalimentación de estado u(t ) = !kx(t ) + v(t ). bc .

163 . la observabilidad puede ser afectada por retroalimentación de estado. c). la función de transferencia del sistema retroalimentado es b( s ) b( s ) c( sI " A + bk ) b = = . será observable si y solo si b(s) y ! ( s ) son coprimos. b. Por lo tanto. si y solo si los modos del sistema en lazo cerrado no coinciden con los ceros del sistema. b. c) es controlable y observable. suponga que el sistema !( A.Efecto de la retroalimentación sobre la observabilidad Para analizar la observabilidad. a( s) + g ( s) ! ( s) "1 Entonces el sistema "( A ! bk . esto es. el cual sigue siendo controlable. Como se vio anteriormente.

3 Referencia constante en estado permanente Sea !( A. y que se desea usar la retroalimentación de estado u(t ) = !kx(t ) para llevar x0 a cero. se debe calcular el vector k para ubicar los modos del sistema en lazo cerrado en posiciones adecuadas en la parte izquierda del plano complejo. Entonces. La velocidad con que x0 tienda a cero dependerá de los modos del sistema en lazo cerrado. c) controlable. y suponga que al tiempo t0 = 0 se presenta una perturbación de manera tal que x(0) = x0 ! 0. si el sistema no es estable.5. o si se desea por ejemplo hacer que tenga una dinámica más rápida (o más lenta). de los valores propios de la matriz ( A ! bk ). es decir. 164 . b.

es decir y(t ) = cx(t ) ! yd . tal que la salida del sistema tienda a un valor constante deseado. A este problema le llamaremos lograr una referencia constante en estado permanente. Utilizando la retroalimentación de estado u(t ) = !kx(t ) + vd . se quiere llevar a un estado dado.Suponga que en lugar de llevar el estado del sistema a cero. tenemos que x(t ) = ( A ! bk ) xd + bvd = 0 de donde • xd = !( A ! bk ) !1 bvd . 165 .

H k (0) 166 .Entonces yd = cxd = !c( A ! bk ) !1 bvd . Entonces tenemos que yd = H k (0)vd de donde yd vd = . Sea H k ( s) = c( sI ! A + bk ) !1 b la función de transferencia del sistema en lazo cerrado.

si H k ( s) no tiene ceros en s=0. Dado que los ceros de H k ( s) corresponden a los ceros de H(s).Por lo tanto. 167 . existe una entrada vd tal que y(t ) ! yd si H k (0) ! 0. entonces existe vd si H (0) = "cA"1b ! 0. Observe que la velocidad con que la salida tienda al valor deseado depende de los modos del sistema en lazo cerrado. es decir. para una función de transferencia en lazo cerrado H k (s) dada.

5.4 Rechazo de perturbaciones constantes Sea el sistema x(t ) = Ax (t ) + bu (t ) + w y (t ) = cx(t ) donde w es una perturbación constante desconocida (vector). y suponga que se quiere llevar la salida del sistema a cero. • 168 . aún en presencia de esta perturbación.

. y la entrada u(t) dada por u (t ) = !k1 x(t ) ! k 2 q(t ) es decir. pero tendremos valores en estado estacionario para la salida diferentes de cero. Para rechazar la perturbación w (es decir. 169 . la entrada u(t) es una combinación de retroalimentación de estado con retroalimentación dinámica de la salida. vamos a utilizar retroalimentación dinámica de la salida.Utilizando la retroalimentación de estado u(t)=-kx(t) se puede estabilizar el sistema. Sea q(t ) = y (t ). para hacer que la salida tienda a cero sin importar el valor de w). además de retroalimentación de estado.

! = $ !$ ! + $ !. 170 . # &x (t ) & A ' bk1 ' bk2 # & x(t ) # & w# $.Entonces. entonces tendremos que 0 = cx(!) = y(!) es decir. la salida del sistema tenderá a cero sin importar el valor de la perturbación w. 0" q ( t ) $ ! c 0 % % " % " q ( t ) % " Si k1 y k 2 se asignan de manera tal que el sistema aumentado anterior sea estable. tenemos el sistema aumentado .

6. Observadores de estado 171 .

6.1 Diseño del observador
Si un sistema es controlable, se ha visto que mediante retroalimentación de estado se puede asignar cualquier polinomio característico en lazo cerrado. Suponga sin embargo, que por alguna razón los estados del sistema no son accesibles, o que no se tienen los elementos para medirlos. Entonces es necesario estimarlos, y para ello utilizaremos lo que se conoce como un observador de estado.

172

El problema es entonces el siguiente: ¿cómo determinar los estados x(t ), t > 0, del sistema . x(t ) = Ax (t ) + bu (t ), x(0) = x0

y (t ) = cx(t )
a partir del conocimiento de la entrada u(t) y de la salida y(t)? Suponga que dado el sistema !( A, b, c) construimos un modelo o sistema paralelo . x ˆ (t ) = Ax ˆ (t ) + bu (t ), x ˆ (0) = x ˆ0 y ˆ (t ) = c x ˆ (t ) cuyos estados si serán accesibles.

173

Como podemos aplicar la entrada u(t) al modelo construido, lo que necesitamos para conocer x(t ), t > 0, es la condición inicial x(0). Esta condición inicial se puede calcular si el sistema es observable (ver Observabilidad en el Capítulo 3). A este esquema donde la salida del sistema no se utiliza, se le conoce como observador en lazo abierto.

174

Observador en lazo abierto 175 .

x ˆ (0) = x ˆ0 = x0 + ! .Incluso no tomando en cuenta que no hay ajuste a las perturbaciones que pudieran surgir durante la operación del sistema. x ˆ (t ) = Ax ˆ (t ) + bu (t ). esto es x ˆ (0) = x0 + ! . 176 . || ! || << || x0 || . este observador en lazo abierto presenta otros problemas como el siguiente. Entonces los estados del modelo no serán x(t) sino un estimado x ˆ(t ) que satisface la ecuación . Suponga que la condición inicial x ˆ (0) que se utiliza para el modelo construido tiene un pequeño error.

en este caso retroalimentación de la señal de salida y(t). Una forma efectiva de compensar el error es usando algún tipo de retroalimentación. 177 . existirá un error ~ ˆ (t ) que satisface la ecuación . el error ~ x (t ) puede crecer arbitrariamente a medida que el tiempo t tiende a infinito (valores propios de A con parte real positiva). ~ x (0) = ! .x (t ) = x(t ) ! x Por lo tanto. o puede tardar mucho tiempo en desaparecer (valores propios de A con parte real negativa muy pequeña). Ahora. dependiendo de los valores propios de la matriz A. ~ x (t ) = A~ x (t ). y entonces tendremos un observador en lazo cerrado.

Observador en lazo cerrado 178 .

x ˆ (t ) = Ax ˆ (t ) + bu (t ) + l[ y (t ) ! y ˆ (t )]. el cual satisface la siguiente ecuación . ~ x (t ) = x(t ) ! x ˆ (t ) = Ax (t ) + bu (t ) ! [ Ax ˆ (t ) + bu (t ) + lcx(t ) ! lcx ˆ (t )] ~ = A~ x (t ) ! lc ~ x (t ) = ( A ! lc ) ~ x (t ). x ˆ (0) = x ˆ0 ˆ0 es el vector inicial estimado y l es el vector de donde x retroalimentación que debe de servir para controlar el error ~ x (t ). 179 . x (0) = x0 ! x ˆ0 . ˆ (t ) = cx(t ) ! cx ˆ(t ) = c~ Entonces tenemos que . . .La señal de error será y(t ) ! y x (t ).

1.El problema ahora es asignar el vector l de manera tal que el error ~ x (t ) tienda a cero tan rápido como se considere necesario (debido a esta propiedad. Esto es equivalente a decir que debe existir l tal que los valores propios de la matriz (A-lc) puedan ser arbitrariamente asignados. 180 . Teorema 6. Existe un vector l tal que det(sI " A + lc) = ! ( s) = s n + !1s n"1 + ! + ! n donde ! ( s ) es un polinomio cualquiera. se le conoce como observador asintótico). si y solo si el sistema es observable.

En tal caso. el vector l estará dado por l = O!1 (c. 181 . A) es la matriz de observabilidad del sistema. A)(T !1 )T (" ! a )T (c. donde O ( = [(1 ( 2 ! ( n ] a = [a1 & $ $ T =$ $ $ $ % 1 0 # 0 ! a2 ! an ] a1 1 0 a2 a1 1 " 0 ! an '1 # an ' 2 ! ! # ! a1 ! ! 1 ! " y a( s) = det(sI ! A) = s n + a1s n!1 + ! + an es el polinomio característico del sistema.

el vector l también puede calcularse mediante &0 # $!! l = ( ( A) O'1 (c. $0 ! $1! % " 182 .Utilizando la formula de Ackermann. A) $ !.

la ley de control es de la forma u(t ) = !k x ˆ (t ) + v(t ).2 Esquema observador-controlador Nos interesa estudiar el desempeño del sistema !( A. c) cuando es retroalimentado. 183 . es decir. b.6. no con el estado x(t) (que no es accesible). sino con el estado estimado x ˆ (t ) del observador.

Esquema observador-controlador 184 .

# & &x (t ) $. A ' lc ' bk ! ˆ (t )! "$ %b! " %x " $ (6. x x ˆ (t ) = lcx(t ) + ( A ! lc ! bk ) x ˆ (t ) + bv(t ). .2) 185 . ˆ (0) = x ˆ0 las cuales pueden escribirse en la forma (6. x(t ) = Ax(t ) ! bk x x(0) = x0 ˆ (t ) + bv(t ).Las ecuaciones que describen el sistema compuesto son .1) . ! = $A $ ˆ (t )! %lc %x " $ # & x(t )# & # ' bk ! $ ! + $b! v(t ).

Tomando transformada de Laplace de (6. X 186 . sX ˆ (s) De (6.4) ˆ ( s ) = ( sI ! A + lc + bk ) !1 lcX ( s ) + ( sI ! A + lc + bk ) !1 bV ( s ).3) (6.Primeramente se obtendrá la función de transferencia del sistema compuesto.1) y considerando condiciones iniciales iguales a cero. tenemos ˆ ( s) + bV ( s) sX ( s) = AX ( s) ! bk X ˆ ( s) = lcX ( s) + ( A ! lc ! bk ) X ˆ ( s) + bV ( s).4) despejamos X (6.

ˆ ( s ) en (6. Reagrupando [ sI ! A + bk ( sI ! A + lc + bk ) !1 lc ] X ( s ) = [ I ! bk ( sI ! A + lc + bk ) !1 ]bV ( s ) que puede escribirse como [ I ! bk ( sI ! A + lc + bk ) !1 ]!1{( sI ! A + lc ) ! [ I ! bk ( sI ! A + lc + bk ) !1 ]lc} X ( s ) = bV ( s ).3) Reemplazando X sX ( s ) = AX ( s ) ! bk[( sI ! A + lc + bk ) !1 lcX ( s ) + ( sI ! A + lc + bk ) !1 bV ( s )] + bV ( s ). 187 .

! % " $" # ! P sI !Q P Entonces [ I + bk ( sI ! A + lc ) !1 ]{( sI ! A + lc ) ! [ I + bk ( sI ! A + lc ) !1 ]!1 lc} X ( s ) = bV ( s ). 188 .Haciendo uso de la siguiente fórmula matricial I ! P( sI ! Q + RP) !1 R = [ I + P( sI ! Q) !1 R]!1 tenemos que !1 !1 !1 I ! bk ( sI ! A + lc + bk ) = [ I + bk ( sI ! A + lc ) ] .

189 . de donde X ( s ) = ( sI ! A + bk ) !1 bV ( s ).De la ecuación anterior tenemos [sI ! A + lc + bk ! lc] X (s) = bV (s). Como Y ( s ) = cX ( s ) = c( sI ! A + bk ) !1 bV ( s ) entonces la función de transferencia del sistema compuesto es H ( s ) = c( sI ! A + bk ) !1 b.

c) retroalimentado por u(t)=-kx(t)+v(t). Este es un resultado que era de esperarse. b. Es decir.Observe entonces que la función de transferencia del sistema compuesto corresponde también a la función de transferencia del sistema !( A. es decir. que la función de transferencia del sistema compuesto no depende de la dinámica del observador. 190 . debido a que la función de transferencia del sistema se obtiene considerando condiciones iniciales iguales a cero. y en este caso tenemos un observador perfecto. x ˆ (t ) = x(t ).

El problema ahora es determinar si el observador no introduce modos inestables al sistema (cuando se tienen sistemas interconectados.2). puede ocurrir que el sistema compuesto sea inestable. De (6. aún cuando los subsistemas sean estables). se puede ver que los modos del sistema compuesto corresponden a los valores propios de la matriz &A $lc % # . ! A ' lc ' bk " ' bk 191 .

sI " A + lc + . sI " A + ao "c ( s ) = det . 192 . ) .0 I ) $ 0 I sI " A + bk ***# &= det( sI " A + lc ) ! det( sI " A + bk ) = aobs ( s ) ! acont ( s ).Sea ao!c ( s) el polinomio característico de la matriz anterior.I " I +% = det '. Entonces tenemos que bk . ) " lc sI " A + lc + bk * 0 (. " lc ) . I I + .

Otra consecuencia importante que se deduce de esto es que el observador y el controlador pueden diseñarse de manera independiente. 193 . Es decir.De lo anterior tenemos entonces que el polinomio característico del sistema compuesto es igual al producto de los polinomios característicos del observador y del sistema retroalimentado. y a esto se le conoce como el principio de separación. que si aobs ( s) y acont ( s) son estables. entonces ao!c ( s) es también estable.