Professional Documents
Culture Documents
x
1
x
2
.
.
.
x
n
(8)
Por lo tanto para que la igualdad se cumpla en esta ecuacion diferencial homogenea, se requiere
tener n elementos en cada una de las las de nuestra matriz A. Asi mismo es posible denir para
4
que esto suceda se requieren n columnas en nuestra matriz A. De tal manera que,
A =
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
(9)
Ahora si construimos la ecuacion de estado homogenea, tenemos lo siguiente
x =
x
1
x
2
.
.
.
x
n
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
x
1
x
2
.
.
.
x
n
(10)
escribiendo esta expresion general de la ecuacion diferencial matricial de una manera individual
se denen n ecuaciones diferenciales como se establece a continuacion
x
1
= a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
(11)
x
2
= a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
(12)
.
.
. =
.
.
. (13)
x
n
= a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
(14)
Entonces nalmente vemos que para que la igualdad se satisfaga, esto es que de tal forma que
el vector de n elementos en el lado izquierdo y el vector que da como resultado de la operacion
de A x sea un vector de dimension n se requiere que A sea una matriz cuadrada de dimension
n n, A R
nn
.
2.5 Caso no-homogeneo
La ecuacion de estado no homogenea representa un modelo de un sistema dinamico con una
entrada diferente a cero, u(t) = 0. De tal manera que para este caso se sabe que arbitraria-
mente cual sea el valor de la variable u(t), este existe para el intervalo de tiempo determinado.
Suponiendo esto, la ecuacion de este tipo se representa como lo hicimos de manera general
x(t) = Ax(t) +Bu(t) de la cual ya vimos como se obtiene la dimension de la matriz A. Primero
consideraremos el caso mas sencillo, cuando la entrada es de tipo escalar u(t) R
1
.
Para simplicar nuestro analisis, primero excribiremos todas las variables asociadas o corre-
spondientes a la ecuacion diferencial de orden n y una entrada.
Caso 1. x R
n
, u R
1
La forma mas sencilla de entender esto es asumir que para dicha ecuacion diferencial (4), la
variable x y cada una de sus derivadas representan una variable diferente dentro de nuestra nueva
forma de representacion. Si seguimos este concepto sabiendo que x,
d
i
x
dt
i
|x
i
, i = 1 : n, por lo
tanto en x R
n
, entonces deberemos tener como resultado un vector de variables de estado de
orden n. Segun esta descripcion de las variables, tenemos que el vector de variables de estado es
x = [x
1
x
2
x
n
].
5
De esta manera, tenemos que para la ecuacion anterior, el vector x en ambos lados. El primer
termino de la ecuacion se escribe x = Ax. Se sabe bien que este termino representa el producto
de los elementos A y x. Sabiendo que el vector x tiene n elementos y este se encuentra en ambos
lados de la igualdad, que dimension debera tener el elemento A?
Las dimensiones de las matrices correspondientes a la ecuaci on de estado se obtiene sabiendo
las dimensiones de cada uno de los vectores asociados x y u.
Para este caso, es muy simple el razonamiento para poder obtener mediante la multiplicacion
de la matriz B y el escalar u(t) una multiplicacion que nos de como resultado un vector de
dimension n. Esto debe ser as, ya que el lado izquierdo de la igualdad donde tenemos el vector
de variables de estado derivado con respecto al tiempo x tiene n elementos. Por lo tanto sabemos
que
B u(t)
R
n1
. De tal manera, de manera mas generalizada tenemos que para que esto
suceda, el segundo termino de la ecuacion (??), debe ser
+
b
1
b
2
.
.
.
b
n
u(t) (15)
x
1
= a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
+ b
1
u (16)
x
2
= a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
+ b
2
u (17)
.
.
. =
.
.
. (18)
x
n
= a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
+ b
n
u (19)
Caso 2. x R
n
, u R
m
Asumiendo que de manera general la dimension del vector de estado es x R
n
y la del vector
de control es u R
m
, podemos saber las dimensiones de las matrices asociadas A y B a la
ecuacion de estado. Para establecer estas, es necesario recordar las reglas de la multiplicacion de
vectores y matrices y obedecer al algebra elemental de vectores en una ecuacion.
Suponiendo que el vector u(t) tiene m elementos, u(t) R
m
, la expresion con valores arbitrarios
se puede escribir como
B =
b
11
b
12
b
1m
b
21
b
22
b
2m
.
.
.
.
.
.
.
.
.
.
.
.
b
n1
b
n2
b
nm
(20)
De tal forma que la ecuacion de estado completa junto con los terminos generales con valores
arbitrarios que denimos anteriormente se escribe como
x =
x
1
x
2
.
.
.
x
n
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
nn
x
1
x
2
.
.
.
x
n
b
11
b
12
b
1m
b
21
b
22
b
2m
.
.
.
.
.
.
.
.
.
.
.
.
b
n1
b
n2
b
nm
u
1
u
2
.
.
.
u
m
(21)
6
Simplicando esta expresion tenemos que
x
1
= a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
+ b
11
u
1
+ b
12
u
2
+ + b
1m
u
m
(22)
x
2
= a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
+ b
21
u
1
+ b
22
u
2
+ + b
2m
u
m
(23)
.
.
. =
.
.
. (24)
x
n
= a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
+ b
n1
u
1
+ b
n2
u
2
+ + b
nm
u
m
(25)
Tambien es importante saber, que representa cada uno de sus elementos.
Denicion 2.6. La ecuacion de salida es una ecuacion algebraica que expresa las variables de
salida de un sistema como combinaciones lineales de las variables de estado y las entradas.
Denicion 2.7. Espacio de estado. Es el espacio vectorial de dimension n cuyos ejes representan
los valores de sus elementos que son las variables de estado.
Denicion 2.8. Trayectoria de estado
Asimismo, se requiere determinar las dimensiones de las matrices C y D para la ecuacion de
salida.
2.6 Signicado de las matrices y su relacion con el vector de estado
y de control
Cada matriz de las ecuaciones de estado y de salida {A, B, C, D} representa una parte impor-
tante del modelo de un sistema dinamico.
2.7 Ejemplos
Ejemplo 2.1. Un automovil esta inicialmente en reposo. Despues del tiempo inicial, este se
pone en movimiento en linea recta hasta detenerse a una distancia e.
Para identicar y denir los elementos del sistema de control optimo, el problema se puede
plantear de la siguiente manera:
d(t) = distancia de 0 en tiempo t
Simplicando el modelo podemos representar el automovil como una masa que puede acelerar
o desacelerar utilizando el freno. Las fuerzas que proporcionan la aceleracion y la desaceleracion
estan dadas por y respectivamente. Segun la ley de Newton, F = ma, por lo tanto la fuerza
que en este caso representa una entrada al sistema es directamente proporcional a la aceleracion
que tiene la partcula. Las entradas al sistema sabemos que estan dadas como una funcion de
u(t). Por lo tanto, es posible expresar esta situacion del vehculo o la partcula con aceleracion
y desaceleracion por la siguiente ecuacion diferencial:
0 1
0 0
x(t) +
0 0
1 1
u(t); x(t) R
2
, u(t) R
2
(33)
sabiendo de antemano que el intervalo de tiempo es t [t
0
, t
f
]
Denicion 2.9. La historia de valores de control de entrada durante el intervalo [t
0
, t
f
] se expresa
como u y es llamado la historia de control.
Denicion 2.10. La historia de valores de estado en el intervalo [t
0
, t
f
] es llamado una trayectoria
de estado y se expresa como x.
De acuerdo al enunciado de nuestro ejemplo, sabemos que inicialmente el auto se encuentra en
0 y su posicion nal sera el punto e, por lo tanto estas son las condiciones iniciales del problema
x
1
(t
0
) = 0 (34)
x
1
(t
f
) = e (35)
Ademas, como inicialmente se encuentra en reposo y asimismo se detiene en su estado nal,
tenemos que
x
2
(t
0
) = 0 (36)
x
2
(t
f
) = 0 (37)
De forma matricial, estas condiciones de frontera se expresan como
x(t
0
) =
0
0
, x(t
f
) =
e
0
(38)
3 Linealizacion de sistemas dinamicos no-lineales
Un modelo de un sistema dinamico no-lineal representado por una funcion no-lineal f cuyos
elementos quiza representen varios terminos se expresa de la siguiente forma general
x
i
(t) = f
i
(x(t), u(t), t); x R
n
, u R
m
(39)
8
Si aplicamos cierto control que llamaremos control nominal, el sistema dinamico se movera y
generara una trayectoria de estado x
n
. El funcionamiento para este control u
n
sera en un llamado
punto nominal, el cual tambien se conoce como su punto de operacion.
Suponga que el termino f(x, u) es una funcion no lineal, a partir de este modelo no lineal
normalmente no es posible obtener una representacion de las matrices {A, B, C, D}. A pesar
de esto, es posible obtener una representacion equivalente a partir de este sistema no lineal,
el cual sera linealizado en el punto nominal o en algun punto de equilibrio establecido para el
sistema. Tambien se hace esta linealizacion para por ejemplo, poder representar el modelo como
una funcion de transferencia.
Un punto de equilibrio del sistema dinamico representa las condiciones de las variables del
sistema, en donde este se encuentra estatico. Por ejemplo, en el caso de una partcula si se
encuentra en reposo sin alguna fuerza externa que representa una entrada, entonces se dice
que se encuentra en un punto de equilibrio. Entonces, un punto de equilibro esta dado en
x = f(x
0
, u
0
) 0.
Si queremos linealizar el sistema en la ecuacion (39) en algun punto nominal dado como
(u
n
, x
n
). Tenemos el sistema expresado como x
i
= f
i
(x, u, t). Supongamos que inicialmente
el sistema esta en el punto nominal y ante ciertas perturbaciones peque nas estas variables se
expresan como
x(t) = x
0
(t) + x(t) (40)
u(t) = u
0
(t) + u(t) (41)
Por lo tanto, substituyendo en (39), tenemos que la ecuacion se puede escribir como
x
i
=
d
dt
(x
0
i
+ x
i
) = f
i
(x
0
+ x, u
0
+ u) (42)
Para realizar la linealizacion analticamente en este sistema expresado de forma general, debemos
realizar una expansion en series de Taylor de f(, ) para expresar los terminos que tienen las
perturbaciones de manera separada. La serie de Taylor se representa como la serie innita
expresada a continuacion
f(x) =
k=0
f
k
(a)
k!
(x a) (43)
Una expansion en series de Taylor representa este mismo concepto, aunque para el caso que
se hace la expansion los terminos de orden superior se consideran despreciables por ser muy
pequeos.
Entonces, la expansion en serie de Taylor de f(, ) en el punto de operacion o nominal
x
0
(t), u
0
(t)
x
i
=
d
dt
(x
0
i
+ x
i
) f
i
(x
0
, u
0
) +
f
x
0
x +
f
u
0
u +O(n > 2) (44)
en donde los terminos de las derivadas parciales deben ser evaluados en el punto nominal (u
0
, x
0
).
Por lo tanto, realizando esto obtenemos
f
i
x
=
f
i
x
1
f
i
x
n
(45)
9
Como sabemos que
d
dt
x
0
i
= f
i
(x
0
, u
0
) (46)
por lo tanto, tenemos que
d
dt
(x
i
)
f
i
x
0
+
f
u
0
u (47)
Entonces para expresar el sistema linealizado podemos escribir lo siguiente
d
dt
x =
f
1
x
0
f
2
x
0
.
.
.
fn
x
x +
f
1
u
0
f
2
u
0
.
.
.
fn
u
f
1
x
1
0
f
1
x
2
0
f
1
xn
0
f
2
x
1
0
f
2
x
2
0
f
2
xn
0
.
.
.
.
.
.
.
.
.
.
.
.
fn
x
1
0
fn
x
2
0
fn
xn
, B(t)
f
1
u
1
0
f
1
u
2
0
f
1
um
0
f
2
u
1
0
f
2
u
2
0
f
2
um
0
.
.
.
.
.
.
.
.
.
.
.
.
fn
u
1
0
fn
u
2
0
fn
um
(49)
Si la ecuacion de salida y = g(x, u) es no-lineal tambien y y(t) = y
0
+ y, entonces
d
dt
x =
g
1
x
0
g
2
x
0
.
.
.
gn
x
x +
g
1
u
0
g
2
u
0
.
.
.
gn
u
f
x
xn,un
; B =
f
u
xn,un
(52)
Si el punto de operacion o nominal es un punto de equilibrio del sistema x
0
(t), u
0
(t) son cero, en-
tonces las matrices de las ecuaciones diferenciales para obtener el grupo de matrices {A, B, C, D}
sera constante. (sistema lineal e invariante en el tiempo).
10
3.1 Ejemplos
Ejemplo 3.1.
Ejemplo 3.2. Considere el sistema dinamico no lineal que describe un pendulo simple
(t) +
g
l
sen(t) = 0 (53)
1. Asigne q
1
= y q
2
=
. Encuentre la ecuacion q = f(q).
2. Encuentre un modelo lineal en el punto nominal =
n
= 0.
3. Verique (b) usando la igualdad sen .
Figura 1. Pendulo simple
Si sabemos que las variables del modelo dado son y
podemos denir las variables de estado
de nuestro modelo como q
1
= , y q
2
=
.
Pero lo mas imporante en este sistema no lineal es como escribimos la relacion q = f(q)?
Primero, denimos el vector como es dado
q =
q
1
q
2
(54)
de la denicion anterior, sabemos que q
1
=
, y por lo tanto q
1
= q
2
.
Entonces si q
2
=
, q
2
esta denido por q
2
=
. De esta manera, de la ecuacion (53) despejamos
=
g
l
sen (55)
de esta forma, substituyendo las variables en las ecuaciones tenemos que
f(q) = q =
q
2
g
l
senq
1
f
1
(q)
f
2
(q)
(56)
esta es la funcion no lineal por lo tanto debemos linealizarlo ya que se nos pide encontrar un
modelo lineal para = 0.
11
De acuerdo al metodo de linealizacion, debemnos derivar parcialmente con respecto a cada
una de las variables usadas para encontrar la matriz A linealizada
f
q
0
=
f
1
x
1
0
f
1
x
2
0
f
2
x
1
0
f
2
x
2
0 1
g
l
cos q
1
0
0
(57)
Para obtener nalmente la linealizacion debemos evaluar esta matriz en los valores nominales
de las variables de nuestro sistema dinamico. Sabemos que estas son y
. Recordemos que al
evaluar en un punto nominal, este puede representar ya sea algun punto de equilibrio o un punto
de operacion del sistema dinamico que estamos considerando.
Pero para entender a que nos referimos es importante saber que representan esta variable
fsicamente. La variable representa el angulo con respecto a la posicion vertical del pendulo
colgado. Por lo tanto, si = 0, esto representa que el pendulo esta en una posicion estatica.
Debemos evaluar esta matriz en los valores de = 0 y como
representa la derivada de esto,
asmismo es
= 0.
Al evaluar (57) en estos valores nominales, tenemos que el modelo es
z =
f
q
0
z =
0 1
g
l
0
z (58)
Podemos vericar lo anterior directamente del modelo del sistema usando la igualdad sen .
Por lo tanto, considerando esto la ecuacion
+
g
l
sen = 0
+
g
l
= 0 (59)
Ademas, si q
1
= , y q
2
=
tenemos que esto es equivalente a lo que se hizo antes
q
2
+
g
l
q
1
= 0 ; q = f(q) =
q
2
g
l
q
1
,
f
q
=
0 1
g
l
0
z (60)
4 Transformaciones de la representacion del sistema dinamico
Las representaciones de espacio de estado no son unicas ya que hay libertad para escoger cual
es el vector de variables de estado que estamos tomando en cuenta. Por lo regular, la seleccion
de las variables de estado se hace en forma arbitraria, y no es tan importante el orden.
En realidad, es posible de un modelo dado poder hacer una transformacion a otro modelo
equivalente en funcion de sus propiedades de entrada-salida.
4.1 Transformacion entre una funcion de transferencia y la ecuacion
de estado
Supongamos que inicialmente tenemos una funcion de transferencia dada por la expresion
general
(61)
12
4.2 Forma canonica controlable
4.3 Transformacion entre la ecuacion de estado y una funcion de
transferencia
Consideremos la forma general de la representacion de espacio de estados, la cual es tambien
equivalente a tener una funcion de transferencia G(s), como se vio anteriormente
x(t) = Ax(t) + Bu(t) (62)
y(t) = Cx(t) + Du(t) (63)
Es posible realizar la transformacion de este sistema expresado como ecuaciones de estado a
una representacion de funcion de transferencia por medio de un proceso simple.
Consideremos el sistema dado por las ecuaciones (62)-(63) y expresemos las variables en el
dominio de Laplace.
L
(64)
sX(s) x(0) = AX(s) + BU(s) (65)
y
L
(66)
Y (s) = CX(s) + DU(s) (67)
de esto obtenemos
(sI A)X(s) = BU(s) + x(0) (68)
X(s) = (sI A)
1
BU(s) + (sI A)
1
x(0) (69)
ademas,
Y (s) =
C(sI A)
1
B + D
U(s) + C(sI A)
1
x(0) (70)
De esta ecuacion, vemos que el primer termino representa la funcion de transferencia
G(s) =
Y (s)
U(s)
= C(sI A)
1
B + D (71)
El segundo termino C(sI A)
1
x(0) es la respuesta de la condicion inicial. Es parte de la
respuesta, pero no de la funcion de transferencia.
Ademas, si tomamos en cuenta que la condicion inicial es x(0) = 0, la ecuacion anterior se
reduce y se puede expresar solamente como una funcion de transferencia.
4.4 Ejemplos
Ejemplo 4.1. Representacion en el espacio de estados a funcion de transferencia
13
Sea
x
1
x
2
x
3
0 1 0
0 0 1
1 2 3
x
1
x
2
x
3
10
0
0
u (72)
y = [1 0 0]
x
1
x
2
x
3
(73)
Puesto que sabemos las matrices del sistema {A, B, C, D}, debemos aplicar el metodo para
realizar la transformacion de la representacion en el espacio de estados a una funcion de trans-
ferencia.
Obtengamos primero la ecuacion caracterstica (sI A).
(sI A) = s
1 0 0
0 1 0
0 0 1
0 1 0
0 0 1
1 2 3
s 1 0
0 s 1
1 2 s + 3
(74)
(sI A)
1
=
adj(sI A)
det (sI A)
(75)
det (sI A) = s
2
(s + 3) + 1 + 2s (76)
= s
3
+ 3s
2
+ 2s + 1 (77)
(sI A)
1
=
s(s + 3) + 2 1 s
s + 3 s(s + 3) (2s + 1)
1 2 s
2
T
s
3
+ 3s
2
+ 2s + 1
=
s
2
+ 3s + 2 s + 3 1
1 s(s + 3) 2
s (2s + 1) s
2
s
3
+ 3s
2
+ 2s + 1
(78)
G(s) =
[1 0 0]
s
2
+ 3s + 2 s + 3 1
1 s(s + 3) 2
s (2s + 1) s
2
s
3
+ 3s
2
+ 2s + 1
(79)
Simplicando obtenemos
G(s) =
10(s
2
+ 3s + 2)
s
3
+ 3s
2
+ 2s + 1
(80)
5 Cambio de variables y diagonalizacion
Algebra Lineal Vectores Propios y Valores Propios y Matriz Modal
14
5.1 Forma canonica de Jordan
6 Funciones de matrices y Teorema de Cayley-Hamilton
6.1 Potencias de una matriz y polinomios matriciales
Considere matrices de dimension A R
nn
Por denicion, sabemos que cualquier n umero elevado a la potencia 0 es la unidad, i.e. Por lo
tanto, para una matriz A
0
= I, donde I es la matriz identidad de orden n.
El producto de dos factores de la matriz Aes A
2
= AA. Si utilizamos este concepto y aplicamos
las reglas conocidas de la multiplicacion de un n umero determinado de factores tenemos varios
ejemplos a continuacion.
A
m
A
n
= (A A A)(A A A) = A
m+n
(81)
esto es equivalente a escribir
(A
m
)
n
= (A A A)
n
= (A
n
A
n
A
n
) = (A A A)(A A A) (A A A) = A
mn
(82)
Esta notacion de potencias de una matriz se utiliza para denir polinomios matriciales. Un
polinomio general de grado m de la variable x R se puede espresar como
P(x) = c
m
x
m
+ c
m1
x
m1
+ + c
1
x + c
0
(83)
entonces el polinomio matricial correspondiente se dene como
P(A) = c
m
A
m
+ c
m1
A
m1
+ + c
1
A + c
0
I (84)
donde A R
nn
.
Las series innitas pueden ser convergentes o divergentes; e.g. la serie geometrica converge si
los valores numericos de cada termino decrece para n > 1, y la serie gemoetrica diverge si el valor
numerico de cada uno de los terminos de la serie para n > 1 aumenta. El ejemplo mas sencillo
de una serie geometrica se puede escribir como la funcion (x) = 1 +x+x
2
+x
3
+ +x
k
+ .
Esta serie converge para valores de |x| < 1, y diverge para valores de x > 1.
Teorema 6.1. Si A R
nn
, es una matriz con valores propios
i
, la serie innita general
(x) = a
0
+ a
1
x + a
2
x
2
+ (85)
es convergente para cada uno de los n valores propios x =
i
, por lo tanto
(A) = a
0
I + a
1
A + a
2
A
2
+ + a
k
A
k
+ =
k=0
a
k
A
k
(86)
converge.
Para expresar una funcion como una expansion en la serie de potencias innita, tenemos el
siguiente teorema
15
Teorema 6.2. Sea f(z) una funcion analtica que no contiene puntos singulares (en donde no
esta denida), donde z es un escalar complejo y esta contenida en una region circular del plano
complejo . Entonces f(z) puede ser representada como una expansion en una serie de potencias
convergente en cualquier punto z dentro de la region de .
Teorema 6.3. Si f(z) es una funcion analtica dentro de un crculo en el plano complejo, el cual
contiene todos los valores propios
i
de A, entonces la funcion matricial correspondiente f(A) se
puede denir por una serie de potencias convergente.
De esa manera, suponga una funcion analtica para valores x para la cual la serie convergente
se expresa como
exp
x
= 1 + x +
2
x
2
2!
+
3
x
3
3!
+ +
k
x
k
k!
+ , x R (87)
exp
A
= I + A +
2
A
2
2!
+
3
A
3
3!
+ +
k
A
k
k!
+ , A R
nn
(88)
Utilizando estos conceptos, si sabemos (88), por ejemplo podemos expresar la derivada de la
exponencial exp
At
como la derivada de cada uno de sus terminos como
d exp
At
dt
= A +
2A
2
t
2!
+
3A
3
t
2
3!
+ (89)
d exp
At
dt
= A
I + At +
A
2
t
2
2!
+
(90)
= [I + At +
A
2
t
2
2!
+
A = Aexp
At
= exp
At
A (91)
6.2 Polinomio caracterstico y el Teorema de Cayley-Hamilton
Un tipo de polinomio matricial es el polinomio caracterstico de una matriz. Si el polinomio
caracterstico de una matriz cuadrada se escribe como
|A I| = ()
n
+ c
n1
n1
+ c
n2
n2
+ + c
1
+ c
0
= () (92)
Entonces, el polinomio matricial correspondiente es
(A) = (1)
n
A
n
+ c
n1
A
n1
+ c
n2
A
n2
+ + c
1
A + c
0
I (93)
Teorema 6.4. El Teorema de Cayley-Hamilton establece que cada matriz satisface su propia
ecuacion caracterstica, (A) = 0.
Por ejemplo, este teorema se puede usar para encontrar la inversa de una matriz en funcion
de su representacion como una serie de potencias convergente. El caso general se explica a
continuacion.
Sea A una matriz de dimension A R
nn
con valores propios , y cuya ecuacion caracterstica
es () =
n
+ c
n1
n1
+ + c
1
+ c
0
= 0 se puede diagonalizar y representar en funcion
de los valores propios como una matriz diagonal donde los valores propios son sus elementos
16
A = diag
n
. Ademas, tomando en cuenta esto sabemos que det A =
1
2
n
, en donde el
producto es 0 si y solo si la matriz A es singular.
Utilizando la expresion (93) y asumiendo que A
1
existe, la mutltiplicacion de (93) por esta
inversa es
(1)
n
A
n1
+ c
n1
A
n2
+ c
n2
A
n3
+ + c
1
I + c
0
A
1
= 0 (94)
o, la inversa misma se puede expresar como
A
1
=
1
c
0
[(1)
n
A
n1
+ c
n1
A
n2
+ + c
1
I] (95)
donde la c
0
es el determinante de la matriz diagonal representada en funcion de sus valores
propios.
Ejemplo 6.1. Sea A =
3 1
1 2
3 1
1 2
3 1
1 2
3 1
1 2
+5
1 0
0 1
10 5
5 5
3 1
1 2
+5
1 0
0 1
0 0
0 0
(96)
Por lo tanto siguiendo la anterior representacion en (95) tenemos que A
1
=
1
5
[A 5I] =
1
5
2 1
1 3
.
7 Solucion de la ecuacion de estado
7.1 Caso homogeneo
Suponga que tenemos una ecuacion de estado sin entrada (u = 0), la cual representa el caso
homogeneo del problema de respuesta en el tiempo.
x = Ax(t) , x R
n
, A R
nn
, t
0
= 0 (97)
La solucion por medio de la utilizacion de series innitas, es un metodo similar a la forma de
encontrar la solucion clasica de una ecuacion diferencial.
Asumimos que la solucion de x(t), se puede expresar como una serie del tiempo
x(t) = b
0
+ b
1
t + b
2
t
2
+ + b
k
t
k
+ b
k+1
t
k+1
+ , b
k
R (98)
Al substituir esta serie en la ecuacion (97), tenemos que
b
1
+2b
2
t + kb
k
t
k1
+(k +1)b
k+1
t
k
+ = A(b
0
+b
1
t +b
2
t
2
+ +b
k
t
k
+b
k+1
t
k+1
+ (99)
17
igualando los coecientes resulta en
b
1
= Ab
0
(100)
b
2
=
1
2
Ab
1
=
1
2
A(Ab
0
) =
1
2
A
2
b
0
(101)
.
.
. (102)
b
k
=
1
k!
A
k
b
0
(103)
b
k+1
=
1
(k + 1)!
A
k+1
b
0
(104)
donde A R
nn
, y b
k
R
n
substituyendo estos valores en (98)
x(t) = b
0
+ Ab
0
t +
1
2
A
2
b
0
t
2
+ +
1
k!
A
k
b
0
t
k
+
1
(k + 1)!
A
k+1
b
0
t
k+1
+ (105)
= (I + At +
1
2
A
2
t
2
+ +
1
k!
A
k
t
k
+
1
(k + 1)!
A
k+1
t
k+1
+ )b
0
(106)
Si recordamos que para expresar la solucion de la ecuacion diferencial utilizando las trans-
formadas de Laplace se utiliza el valor inicial de la variable. Por lo tanto si asumimos que b
0
representa el valor inicial x(0) = b
0
, la solucion general se puede escribir utilizando la ecuacion
anterior de la siguiente forma
x(t) = (I + At +
1
2
At
2
+ )x(0) , x(0) = b
0
(107)
por lo tanto la solucion general es
exp
At
= I + At +
A
2
t
2
2!
+
A
3
t
3
3!
+ +
A
k
t
k
k!
+
A
(k+1)
t
(k+1)
(k + 1)!
+ , x(t) = exp
At
x(0) (108)
donde exp
At
es la matriz de transicion de estados, porque mediante su obtenci
on y el valor inicial x(0) es posible encontrar el valor de x(t) para cualquier tiempo en el intervalo
t [t
0
, t
f
] para t > t
0
.
x(t) = (t)x(0) , (t) = exp
At
(109)
En resumen, la matriz de transicion de estados (t) tiene las siguientes propiedades matematicas
1. x(t) = (t)x(0)
2. Para t = 0, tenemos que x(0) = (0)x(0), donde (0) = I
3. Si derivamos con respecto al tiempo, x(t) =
x(0). Comparando esto con la ecuacion (97),
en t = 0,
(0)x(0) = Ax(0), por lo tanto
(0) = A.
18
7.2 Solucion al caso no-homogeneo
Suponga que tenemos una ecuacion de estado con entrada u(t), la cual representa el caso
homogeneo del problema de respuesta en el tiempo. Para entender mas claramente el desarrollo
analtico del problema, primero consideremos un caso escalar, en donde x R
1
, u R
1
.
x = ax + bu, x(0) = x
0
(110)
resolviendo la ecuacion de la siguiente manera podemos determinar x(t).
x(t) ax(t) = bu(t) (111)
exp
at
[ x(t) ax(t)] =
d
dt
(exp
at
x(t)) = exp
at
bu(t) (112)
t
0
d
d
exp
a
x()d = exp
at
x(t) x(0) =
t
0
exp
a
bu()d (113)
x(t) = exp
at
x
0
+
t
0
exp
a(t)
bu()d (114)
Ahora, haremos lo mismo para un caso matricial, en donde la dimension de los vectores x y u
es n y m respectivamente
x(t) = Ax(t) + Bu(t) , x(t) R
n
, A R
nn
, u(t) R
m
, B R
nm
, t
0
= 0 (115)
Multiplicando por exp
At
en ambos lados tenemos
exp
At
x(t) = exp
At
[Ax(t) + Bu(t)] (116)
y una vez que unimos terminos comunes tenemos que
exp
At
[ x(t) Ax(t)] = exp
At
Bu(t) (117)
Si recordamos la forma de expresar un termino exponencial como una serie innita en (88) y
(108), sabemos que es similar a la derivada con respecto al tiempo del mismo exponencial
d exp
At
dt
.
d exp
At
dt
= A +
2A
2
t
2!
+
3A
3
t
2
3!
+ (118)
exp
At
[ x Ax] =
d
dt
(exp
At
x(t)) = exp
At
Bu(t) (119)
Integrando en los lmites del tiempo
t
0
d
d
exp
A
x()d = exp
At
x(t) x(0) (120)
=
t
0
exp
A
Bu()d (121)
exp
At
x(t)
t
0
= exp
At
x(t) x(0) =
t
0
exp
A
Bu()d (122)
19
al ser evaluado el exp
At
en t = 0, como el exponente es una matriz, el resultado es tambien una
matriz, la matriz identidad I R
nn
de la misma dimension de A.
Despejando x(t) de la ultima ecuacion anterior, tenemos que
x(t) = exp
At
x(0) +
t
0
exp
A(t)
Bu()d (123)
= (t)x(0) +
t
0
(t )Bu()d (124)
donde (t) = exp
At
es la matriz de transicion de estados.
8 Controlabilidad y observabilidad
9 Observadores de estado
Referencias
[1] W. L. Brogan, Modern control theory, Third edition, Prentice-Hall, Inc., 1991.
[2] T. Kailath, Linear Systems. Prentice Hall, 1980.
[3] Poincar`e
[4] D. G. Luenberger, An introduction to observers, IEEE Transactions on Automatic Con-
trol, vol. AC-16, pp. 596602, December 1971.
20