Contenido

1 Introduccion al control moderno 1

1.1 Sistemas retroalimentados y control . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Clasicacion de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Representacion matematica de un sistema dinamico . . . . . . . . . . . . . . . . . 1
2 Descripcion en espacio de estado de sistemas dinamicos 2
2.1 Modelo de un sistema dinamico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1.1 Entradas, salidas y variables . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1.2 Concepto de variable de estado . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Representacion de vectores y matrices . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Representacion de la ecuacion de estado . . . . . . . . . . . . . . . . . . . . . . . 4
2.4 Caso homogeneo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4.1 Caso no-homogeneo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4.2 Signicado de las matrices y su relacion con el vector de estado y de control 7
2.4.3 Diagramas de bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4.4 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.5 Linealizacion de sistemas dinamicos no-lineales . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Representacion de sistemas no lineales . . . . . . . . . . . . . . . . . . . . 12
2.5.2 Interpretacion graca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.3 Puntos de equilibrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.4 Linealizacion aproximada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.5.5 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6 Transformaciones de la representacion del sistema dinamico . . . . . . . . . . . . . 18
2.6.1 Transformacion entre una funcion de transferencia y la ecuacion de estado 18
2.6.2 Transformacion entre la ecuacion de estado y una funcion de transferencia 19
2.6.3 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.7 Descomposicion canonica de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7.1 Forma canonica controlable . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7.2 Forma canonica observable . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7.3 Cambio de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7.4 Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.7.5 Forma canonica de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7.6 Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3 Solucion de la ecuacion de estado 25
3.1 Funciones de matrices y Teorema de Cayley-Hamilton . . . . . . . . . . . . . . . . 25
3.1.1 Potencias de una matriz y polinomios matriciales . . . . . . . . . . . . . . 25
3.1.2 Polinomio caracterstico y el Teorema de Cayley-Hamilton . . . . . . . . . 26
3.2 Solucion de cada caso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.1 Caso homogeneo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.2 Solucion al caso no-homogeneo . . . . . . . . . . . . . . . . . . . . . . . . 29
4 Propiedades de sistemas dinamicos 31
4.1 Controlabilidad y observabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5 Dise no de controladores por retroalimentacion de estado 34
5.1 Retroalimentacion de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.1 Lazo abierto y lazo cerrado . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.1.2 Asignacion de polos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.2 Observadores de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1 Introduccion al control moderno
Actualmente, muchos sistemas dinamicos de nuestro entorno estan relacionados con el con-
trol automatico. Al tratar de controlar estos mecanismos aplicamos algunos de los conceptos
teoricos que se aprenden en las clases de control automatico tales como respuesta, estabilidad,
y retroalimentacion. Sabemos tambien que en un sistema din amico es posible aplicar diversas
herramientas matematicas con la nalidad de hacer que el funcionamiento de un sistema se auto-
matice. En el control moderno intervienen conceptos matem aticos tal como el algebra lineal, las
ecuaciones diferenciales, las transformadas de Laplace, y algunos terminos de control clasico tales
como estabilidad, respuesta del sistema y diagramas a bloques que se utilizan para obtener una
nueva representacion de la solucion y realizar el dise no de soluciones a otros problemas orientados
al control automatico.
Es muy importante dominar estas areas de la matematicas con la nalidad de entender las her-
ramientas utlilizadas para resolver los problemas en forma analtica y numerica. Por lo tanto, en
algunas ocasiones se explicara de donde provienen los conceptos utilizados y tambien incluiremos
el desarrollo de los problemas.
Particularmente, el enfoque de control moderno se aplica hacia la modelacion de los sistemas
dinamicos para representarlos de tal manera que se puedan aplicar metodos avanzados de control.
Para la representacion de un sistama dinamico en esta forma, se utilizan ecuaciones diferenciales,
y sus variables y parametros del sistema dinamico como ecuaciones, vectores y matrices. Los
conceptos del algebra lineal se requieren para ello para entender la multiplicacion y suma de
las matrices expresadas en las ecuaciones que representan esta area. As mismo, tambien es
necesario entender la representacion de las ecuaciones diferenciales en el dominio de Laplace y
los diagramas de bloques como funciones de entrada/salida con el n de relacionarlo al nuevo
enfoque de ecuaciones de estado.
1.1 Sistemas retroalimentados y control
1.2 Clasicacion de sistemas
parametros distribuidos y parametros agrupados estocasticos y determinsticos tiempo con-
tinuo y tiempo discreto no-lineal y lineal variantes en el tiempo e invariantes en el tiempo ho-
mogeneos no-homogeneos
1.3 Representacion matematica de un sistema dinamico
Ecuacion diferencial
Representacion salida/entrada
Diagrama de bloques
2 Descripcion en espacio de estado de sistemas
dinamicos
2.1 Modelo de un sistema dinamico
El modelo del sistema dinamico representa una aproximacion de un proceso real o de alguna
maquina o mecanismo. Normalmente, su representacion es mediante un modelo nito que de-
scribe la dinamica del sistema y se desea tratar de controlar su funcionamiento. El modelo se
expresa por una ecuacion diferencial la cual representa las variables del sistema su orden depende
de que tantas variables o detalle se tomen en cuenta. Esta ecuacion diferencial se puede escribir
como
(2.1)
Comenzando con la representacion mas generalizada del modelo de un sistema dinamico
Planta es Modelo de un sistema dinamico
Existen diversas maneras de representar el modelo de un sistema dinamico. Por ejemplo, se
puede representar de manera general como cualquiera de las siguientes formas:
Bloque de relacion entrada salida.
2.1.1 Entradas, salidas y variables
En general, se tienen varias formas de representar un sistema dinamico de n variables y 1
entrada:
1. Forma de una funcion de transferencia
y(t)
u(t)
= f(x, t) (2.2)
C(s)
R(s)
= G(s) (2.3)
2. Forma de ecuacion diferencial que representa el modelo del sistema dinamico.
d
n
x(t)
dt
n
+
d
n1
x(t)
dt
n1
+ +
dx(t)
dt
+ x(t) = u(t) (2.4)
Las formas estan relacionadas entre si. Pero, la solucion de algunos problemas de control no es
posible obtenerla usando metodos de control clasicos.
Suponga que el modelo de un sistema dinamico de dimension n esta representado por una
ecuacion diferencial ordinaria de la siguiente manera
d
n
x
dt
n
= f(x, u, t) (2.5)
Cada una de estas derivadas o diferenciaciones con respecto al tiempo es una variable
ecuacion diferencial de orden n
2.1.2 Concepto de variable de estado
Sabemos que las variables asociadas a este sistema dinamico est an dada por la variable y
cada una de sus derivadas con respecto al tiempo. Por lo tanto, si asumimos que esto es lo que
dene nuestras variables, tendremos n+1 variables para el sistema dinamico de dimension n que
tenemos ah representado.
ecuacion diferencial de orden n ahora esta expresada como n ecuaciones diferenciales de orden
1
Adicionalmente a las tres formas de representacion de un sistema dinamico que enumeramos
anteriormente, tambien hay una llamada la forma de ecuaci on de estado, que se representa de la
siguiente manera
dx
dt
= Ax(t) + Bu(t) , x R
n
, u R
1
(2.6)
donde cada una de las variables asociadas con el modelo se expresa dentro de un vector x. Las
ecuaciones que se forman a partir de este vector, se asocian o estan acopladas de tal forma que
forman un sistema de n ecuaciones diferenciales de primer orden.
Entonces la pregunta es como es posible expresar (2.4) de la forma de (2.6)?
Para representar un modelo del sistema dinamico mediante la ultima forma, se requiere utilizar
una notacion vectorial. Pero que es un vector?
2.2 Representacion de vectores y matrices
Se menciono anteriormente, que existen algunos componentes principales en la teora de control
automatico para la representacion general del modelo y an alisis del mismo. Es importante rela-
cionar en este momento esos componentes principales y otros conceptos de la teora matematica
especcamente el algebra lineal, en donde los vectores y matrices seran piezas fundamentales
utilizadas para una nueva representacion de nuestro sistema dinamico.
Para esto primeramente es necesario denir algunos conceptos generales que nos permiten
expresar el modelo de un sistema dinamico de manera general.
Denicion 2.2.1. Una funcion es la relacion entre los elementos en un conjunto asociados con
los elementos de otro conjunto. Analticamente, se expresa como la relacion existente entre
los elementos especcos del conjunto x
i
X con los del conjunto y
i
Y . Ademas, esta
representacion supone que los vectores y matrices se expresan mediante los espacios vectoriales.
Denicion 2.2.2. Un vector es un arreglo ordenado de n elementos, [x
1
x
2
x
n
]; donde
la posicion de cada elemento preserva su lugar y orden en el conjunto. (correspondiente al orden
en el arreglo o conjunto).
Ahora bien, sabemos que en el control moderno, la forma de expresar los modelos esta rela-
cionado con las ecuaciones algebraicas de los sistemas lineales que se expresan mediante vectores
y matrices.
En nuestro estudio de control moderno, esta es la misma representacion que se pretende utilizar.
Por lo tanto de la misma forma que se utilizan vectores para representar las variables de un
sistema lineal en donde se desea encontrar la solucion a un grupo de variables lineales, se tomara
en cuenta la forma de expresar nuestras variables del sistema dinamico.
3
Para representar una ecuacion diferencial (2.5) de forma equivalente pero utilizando vectores
y matrices. Representar la forma de una ecuacion de estado mas especcamente se escriben
variables asociadas en funcion para el caso general de n variables y m entradas.
Supongamos que se desea representar una ecuacion diferencial como la ecuacion utilizando
la representacion de variables de estado para expresar el modelo del sistema dinamico. Para
hacer esto, es importante primero, lo que representa la representacion de variables de estado.
A continuacion, veremos lo que representa el concepto de variable de estado de un modelo del
sistema dinamico.
Pero antes de seguir debemos preguntarnos, que es una variable de estado? ...
Denicion 2.2.3. La variable de estado de un sistema dinamico representa el n umero mnimo
de variables de este, tal que dados su valor o condicion inicial x(t
0
), y la entrada u(t) para el
intervalo de tiempo t [t
0
, t
f
], t
0
t t
f
entonces x(t) puede ser determinado para dicho
tiempo as como tambien otras variables de interes.
La variable de estado del sistema, es una variable que responde ante una entrada y las condi-
ciones iniciales del sistema. Es aquel conjunto mas peque no de variables de sistema linealmente
independientes, tales que sus valores iniciales ante una excitacion determinen los valores de todas
las variables del sistema para todo t t
0
. Estas variables tambien representan alguna variable
que sea medible en el proceso real o mecanismo que se supone que la describe.
Denicion 2.2.4. El vector de variables de estado es aquel cuyos elementos son las variables de
estado del modelo del sistema dinamico.
Denicion 2.2.5. La ecuacion de estado es un conjunto de n ecuaciones diferenciales simultaneas
de primer orden, con n variables en que cada una representa las variables de estado.
Una ecuacion de estado representa exactamente la misma ecuacion diferencial de orden n,
pero en lugar de escribir una sola ecuacion orden n, ahora la escribiremos como un sistema de
n ecuaciones diferenciales lineales simultaneas o acopladas entre s. Las variables de estado en
este caso representaran a cada una de las variables de la ecuacion diferencial general.
2.3 Representacion de la ecuacion de estado
Ahora veremos como se hace la representacion de las variables de estado mas especicamente.
Una vez que se han determinado las variables de estado correspondientes, el siguiente paso es
saber que dimension tendran los elementos (vectores y matrices) de la ecuacion de estado.
Suponga que la derivada con respecto al tiempo de una variable cualesquiera se puede expresar
por un punto arriba de dicha variable. De esta manera se pueden relacionar dos de las formas de
representacion del modelo de un sistema dinamico como se muestra anteriormente. La ecuacion
de estado en su forma general se describe como
x(t) = Ax(t) + Bu(t) (2.7)
Por lo regular, tendremos que una ecuacion diferencial de orden n se expresara mediante las
variables de estado como n ecuaciones diferenciales de primer orden. Antes veremos la manera
de como se asocian las variables entre si para obtener la representacion de vector de estado y de
los elementos de la ecuacion de estado, as como sus dimensiones.
4
2.4 Caso homogeneo
Consideremos el caso mas simple primero, la ecuacion de estado homogenea. Esta tiene la
caracterstica que no tiene entrada, o simplemente la entrada es u = 0. Por lo tanto si tenemos
x = Ax, y deseamos saber las dimensiones de las matriz A, podemos obtenerla realizando la
multiplicacion de los vectores y matrices con valores arbitrarios. Suponemos inicialmente que
x =
_

_
x
1
x
2
.
.
.
x
n
_

_
(2.8)
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
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
_

_
(2.9)
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
_

_
(2.10)
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
(2.11)
x
2
= a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
(2.12)
.
.
. =
.
.
. (2.13)
x
n
= a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
(2.14)
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
.
2.4.1 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.
5
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 (2.4),
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
].
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 (2.7), debe ser
+
_

_
b
1
b
2
.
.
.
b
n
_

_
u(t) (2.15)
x
1
= a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
+ b
1
u (2.16)
x
2
= a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
+ b
2
u (2.17)
.
.
. =
.
.
. (2.18)
x
n
= a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
+ b
n
u (2.19)
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.
6
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
_

_
(2.20)
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
_

_
(2.21)
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
(2.22)
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
(2.23)
.
.
. =
.
.
. (2.24)
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
(2.25)
Tambien es importante saber, que representa cada uno de sus elementos.
Denicion 2.4.1. 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 2.4.2. Espacio de estado. Es el espacio vectorial de dimension n cuyos ejes repre-
sentan los valores de sus elementos que son las variables de estado.
Denicion 2.4.3. Trayectoria de estado
Asimismo, se requiere determinar las dimensiones de las matrices C y D para la ecuacion de
salida.
2.4.2 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.
2.4.3 Diagramas de bloques
Los diagramas a bloques consisten de bloques separados que tienen funciones particulares. A
continuacion denimos estos bloques y cual es la nalidad de cada uno de ellos.
7
Ganancia
Sumador
Integrador
Existen dos posibilidades o tipo de problemas, ya sea que 1) tengamos que obtener un sistema
de ecuaciones de estado a partir de un diagrama a bloques o 2) que tengamos que obtener un
diagrama a bloques a partir de un grupo de ecuaciones de estado.
Algunas consideraciones para obtener las ecuaciones diferenciales de estado a partir de un
diagrama a bloques son las siguientes:
1. Colocar las variables de estado a la salida de cada integrador.
2. Obtener la relacion entre las variables a la salida de cada sumador.
3. Deducir la relacion que existe a la entrada de cada integrador para encontrar las ecuaciones
de estado de cada variable.
2.4.4 Ejemplos
Ejemplo 2.4.1. Ejemplo Fsico de un Cohete
Suponagamos que tenemos un cohete el cual sera enviado al espacio a traves de la atmosfera.
Transbordador espacial El objeto esta inicialmente en reposo y se impulsa mediante una fuerza
de propulsion F
u
. Deseamos encontrar una representacion de la ecuacion de estado para este
sistema.
Supongamos que la posicion del cohete con respecto al suelo es x.
Si recordamos la ley de Newton y realizamos una suma de fuerzas tenemos
F
u
mg k x = m x (2.26)
m x + k x = (F mg) (2.27)
x +
k
m
x =
F
u
m
g (2.28)
El procedimiento para expresar la ecuacion diferencial en una representacion de espacio de
estado es
Suponiendo que u = F
u
/mg, Las ecuaciones de estado son
x
1
= x
2
(2.29)
x
2
=
k
m
x + u (2.30)
x = Ax + Bu (2.31)
8
x =
_
x
1
x
2
_
(2.32)
x =
_
x
1
x
2
_
=
_
0 1
0
k
m
_ _
x
1
x
2
_
+
_
o
1
_
u (2.33)
En este caso, la ecuacion de salida se obtiene de acuerdo a la variable de estado que se desea
tener
y = Cx + Du (2.34)
cuando la velocidad es la salida de nuestro interes
y(t) = [0 1]
_
x
1
x
2
_
= x
2
(2.35)
cuando la posicion es la salida que nos interesa
y(t) = [1 0]
_
x
1
x
2
_
= x
1
(2.36)
Ejemplo 2.4.2. Ejemplo general de conversion de funcion de transferencia de tercer orden a
espacio de estado
Y (s) =
b
2
s
2
+ b
1
s + b
0
s
3
+ a
2
s
2
+ a
1
s + a
0
U(s) (2.37)
(s
3
+ a
2
s
2
+ a
1
s + a
0
)Y (s) = (b
2
s
2
+ b
1
s + b
0
)U(s)
...
y
(t) + a
2
y(t) + a
1
y(t)a
0
y(t) = b
2
u(t) + b
1
u(t) + b
0
u(t)
para obtener la representacion de espacio de estado de esta ecuacion que tiene terminos con
derivadas de u, es necesario primero hacer un cambio de variables para trabajar con un sistema
donde el numerador sea con ganancia 1.
i.e.
nueva variable =
1
s
3
+ a
2
s
2
+ a
1
s + a
0
U(s) (2.38)
Sea la salida del sistema original
Y (s) = (b
2
s
2
+ b
1
s + b
0
)Z(s) (2.39)
por lo tanto la nueva variable es Z(s)
Z(s) =
1
b
2
s
2
+ b
1
s + b
0
Y (s) (2.40)
Z(s) =
1
s
3
+ a
2
s
2
+ a
1
s + a
0
U(s) (2.41)
con lo que la relacion
Y
Z
Z
U
(2.42)
9
es por lo tanto la funcion de transferencia original.
De 2.41 obtenemos
(s
3
+ a
2
s
2
+ a
1
s + a
0
)Z(s) = U(s) (2.43)
...
z (t) + a
2
z(t) + a
1
z(t) + a
0
z(t) = u(t) (2.44)
haciendo la relacion de variables de estado tenemos
x
3
= a
1
z(t) a
2
z(t) a
0
z(t) + u(t)
x
1
= x
2
(2.45)
x
2
= x
3
(2.46)
x
3
= a
0
x
1
(t) a
1
x
2
(t) a
2
x
3
(t) + u(t) (2.47)
x = Ax + Bu (2.48)
x =
_
_
x
1
x
2
x
3
_
_
(2.49)
x =
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0 1
a
0
a
1
a
2
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
1
_
_
u (2.50)
Sabemos que en este caso la variable z (sin estar derivada) es nuestra salida
z(t) = [1 0 0]
_
_
x
1
x
2
x
3
_
_
= x
1
= z (2.51)
Finalmente, debemos realizar una transformacion correspondiente al cambio de variables que
se utilizo para tener la representacion en las coordenadas originales
Y (s) = (b
2
s
2
+ b
1
s + b
0
)Z(s) (2.52)
y(t) = b
2
z(t) + b
1
z(t) + b
0
z(t) (2.53)
y de acuerdo al cambio realizado en las variables de estado
y(t) = b
0
x
1
(t) + b
1
x
2
(t) + b
2
x
3
(t) (2.54)
De esta manera la ecuacion de salida sera correspondiente a tener lo que dicta la funcion de
transferecia en nuestra salida.
Ejemplo 2.4.3. 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
10
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:

d(t) = (t) + (t) (2.55)

donde es la aceleracion y a la desaceleracion debido al frenado.
Seleccionando variables de estado como posicion y velocidad tenemos:
x
1
(t) = d(t) (2.56)
x
2
(t) =

d(t) (2.57)
y el control esta dado como
u
1
(t) = (t) (2.58)
u
2
(t) = (t) (2.59)
de donde u
1
y u
2
representa la aceleracion y desaceleracion, respectivamente.
Las ecuaciones de estado
x
1
(t) = x
2
(t) (2.60)
x
2
(t) = u
1
(t) + u
2
(t) (2.61)
expresadas en forma matricial se representan como
x(t) =
_
0 1
0 0
_
x(t) +
_
0 0
1 1
_
u(t); x(t) R
2
, u(t) R
2
(2.62)
sabiendo de antemano que el intervalo de tiempo es t [t
0
, t
f
]
Denicion 2.4.4. 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 2.4.5. La historia de valores de estado en el intervalo [t
0
, t
f
] es llamado una trayec-
toria 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 (2.63)
x
1
(t
f
) = e (2.64)
Ademas, como inicialmente se encuentra en reposo y asimismo se detiene en su estado nal,
tenemos que
x
2
(t
0
) = 0 (2.65)
x
2
(t
f
) = 0 (2.66)
11
De forma matricial, estas condiciones de frontera se expresan como
x(t
0
) =
_
0
0
_
, x(t
f
) =
_
e
0
_
(2.67)
2.5 Linealizacion de sistemas dinamicos no-lineales
2.5.1 Representacion de sistemas no lineales
En las secciones anteriores hemos visto como representar los sistemas lineales. En esta seccion
se estudia una manera de obtener una aproximacion lineal de un sistema no lineal. La primer
pregunta que uno se debe hacer es como se representa un sistema no lineal?
Se considera un sistema dinamico no-lineal se puede representar por un conjunto de ecuaciones
diferenciales de la forma general en donde f y h son funciones que representan la dinamica del
sistema y la salida de este dados en terminos de la variable de estado x y la entrada u.
x(t) = f(x(t), u(t)) , x(t
0
) = x
0
(2.68)
y(t) = h(x(t)) (2.69)
donde f es una funcion vectorial de n 1 elementos, expresada en terminos de un vector de
estado lo cual es una variable de estado de dimension x R
n1
. El n umero de estados n es
conocido como el orden del sistema. La solucion x(t) de la ecuacion (2.68) corresponde a una
curva en el espacio de estado donde t vara de cero hasta innito. Esta curva es conocida como
la trayectoria de estado.
2.5.2 Interpretacion graca
La interpretacion graca de una linealizacion es encontrar la forma de la lnea tangente en un
punto de la funcion de una curva. curva x(t) entonces la tangente en el punto de linealizacion
t = t
1
es x(t
1
), y la lnea que describe el comportamiento del sistema en dicho punto es la
tangente a dicho punto. En una vecindad alrededor de este punto se dice que la tangente no
cambia, de igual manera sucedera alrededor del punto de operacion para el cual se encuentra la
linealizacion del sistema dinamico.
Poner una graca describiendo esta interpretacion.
2.5.3 Puntos de equilibrio
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.
12
2.5.4 Linealizacion aproximada
Mediante una expansion en series de Taylor se obtendra un modelo aproximado lineal del
sistema no lineal que se considera.
Considere el sistema
x(t) = f(x(t), u(t)) , x(t
0
) = x
0
(2.70)
y(t) = h(x(t)) (2.71)
en el cual los puntos de equilibrio dados por (X, U, Y ) son constantes.
A continuacion, se integra (2.70)-(2.71), y representa como una ecuacion integral en funcion
de x(t)
x(t) = x
0
+
t
_
t
0
f(x(), u()))d (2.72)
y(t) = h(x
0
+
t
_
t
0
f(x(), u()))d) (2.73)
Asumiendo que el sistema opera en su punto de equilibrio, tenemos que x(t) = x(t
0
) = X,
u(t) = U, y(t) = h(X) = Y . El estado del sistema es constante ya que se encuentra en equilibrio.
Considerense ciertas perturbaciones en el estado de equilibrio del sistema de la siguiente man-
era
x(t
0
) = x
0
+ x
0
= X + x
0
, u(t) = U + u(t) (2.74)
Estas perturbaciones hacen que tanto el estado del sistema x(t) como la salida y(t) tengan
cambios con respecto a los valores de equilibrio en que anteriormente operaban,
x(t) = X + x
0
+
t
_
t
0
f(X + x
0
(), U + u()))d (2.75)
y(t) = h(X + x
0
()) (2.76)
A partir de lo que se denio en (2.74), y de los puntos de equilibrio (operacion) del sistema se
puede obtener el valor del estado perturbado de las ecuaciones anteriores como x(t) = x(t) X
y en la salida obtenemos de manera similar y(t) = y(t) Y , lo que resulta en
x(t) = x
0
+
t
_
t
0
f(X + x
0
(), U + u()))d (2.77)
y(t) = h(X + x
0
()) h(X) (2.78)
De ahi se realiza una aproximacion lineal de estas ecuaciones por medio del teorema de expan-
sion en series de Taylor para cada funcion f(, ) en el punto de operacion o equilibrio (X, U)
f(X + x(t), U + u(t)) = f(X, U) +
f
x

(X,U)
x(t) +
f
u

(X,U)
u(t) +O(n 2) (2.79)
h(X + x(t)) = h(X) +
h
x

X
x(t) +O(n 2) (2.80)
13
en donde los terminos de las derivadas parciales deben ser evaluados en el punto de equilibrio
(operacion) (X, U) y O(n 2) son terminos de orden superior n 2. Por lo tanto, realizando
esto obtenemos los valores de los estados perturbados en las ecuaciones (2.77)-(2.78).
x(t) = x
0
+
t
_
t
0
_
f
x

(X,U)
x(t) +
f
u

(X,U)
u(t) +O(n 2)
_
d (2.81)
y(t) =
_
h
x

X
x(t) +O(n 2)
_
(2.82)
Los terminos de orden superior de la serie de Taylor se truncan de lo cual se obtiene una
aproximacion lineal de los valores de x(t) y y(t).
x(t) = x
0
+
t
_
t
0
_
f
x

(X,U)
x(t) +
f
u

(X,U)
u(t)
_
d (2.83)
y(t) =
_
h
x

X
x(t)
_
(2.84)
Una vez que se realiza este procedimiento,
x(t) = x
0
+
t
_
t
0
_
Ax(t) + Bu(t)
_
d (2.85)
y(t) = Cx(t) (2.86)
El sistema se puede representar en forma de ecuaciones de estado como era su forma original
derivando con respecto al tiempo
x(t) = Ax(t) + Bu(t) , x(t
0
) = x
0
(2.87)
y(t) = Cx(t) (2.88)
de donde las matrices son
A =
f
x

(X,U)
, B =
f
u

(X,U)
, C =
h
x

X
(2.89)
y la dimension de cada matriz o vector de derivadas parciales que se requiera en cada caso
depende de las dimensiones de la variable x y de la variable u.
Otra forma:
Especicamente, si la dinamica de la planta esta dada por
x
i
(t) = f
i
(x(t), u(t), t); x R
n
, u R
m
(2.90)
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.
14
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 (2.90) 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) (2.91)
u(t) = u
0
(t) + u(t) (2.92)
Por lo tanto, substituyendo en (2.90), 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) (2.93)
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) (2.94)
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) (2.95)
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
_
(2.96)
Como sabemos que
d
dt
x
0
i
= f
i
(x
0
, u
0
) (2.97)
15
por lo tanto, tenemos que
d
dt
(x
i
)
f
i
x

0
+
f
u

0
u (2.98)
Entonces para expresar el sistema linealizado podemos escribir lo siguiente
d
dt
x =
_

_
f
1
x

0
f
2
x

0
.
.
.
fn
x

0
_

_
x +
_

_
f
1
u

0
f
2
u

0
.
.
.
fn
u

0
_

_
u = A(t)x + B(t)u (2.99)
Las matrices A y B seran por lo tanto matrices de dimension A R
nn
, y B R
nm
.
Expandiendo los terminos de las ecuaciones anteriores tenemos que
A(t)
_

_
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

0
_

_
, 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

0
_

_
(2.100)
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

0
_

_
x +
_

_
g
1
u

0
g
2
u

0
.
.
.
gn
u

0
_

_
u = C(t)x + D(t)u (2.101)
Por lo tanto, el sistema no-lineal (2.90) se puede expresar como un modelo linealizado de la
forma
z = Az + Bv (2.102)
donde A R
nn
, y B R
nm
se representa como
A =
_
f
x
_
T

xn,un
; B =
_
f
u
_
T

xn,un
(2.103)
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).
16
2.5.5 Ejemplos
Ejemplo 2.5.1.
Ejemplo 2.5.2. Considere el sistema dinamico no lineal que describe un pendulo simple

(t) +
g
l
sen(t) = 0 (2.104)
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 2.1. 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
_
(2.105)
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 (2.104)
despejamos

=
g
l
sen (2.106)
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)
_
(2.107)
esta es la funcion no lineal por lo tanto debemos linealizarlo ya que se nos pide encontrar un
modelo lineal para = 0.
17
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
_
_
=
_
0 1

g
l
cos q
1
0
_

0
(2.108)
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 (2.108) en estos valores nominales, tenemos que el modelo es
z =
f
q

0
z =
_
0 1

g
l
0
_
z (2.109)
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 (2.110)
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 (2.111)
2.6 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.
2.6.1 Transformacion entre una funcion de transferencia y la ecuacion
de estado
Supongamos que inicialmente tenemos una funcion de transferencia dada por la expresion
general
(2.112)
18
La expresion anterior esta en el dominio de Laplace. Dicha representacion puede ser escrita
como una ecuacion en funcion de las variables de entrada U(s) y las variables de salida del
sistema Y (S) de la siguiente manera.

Esta a su vez, puede ser transformada al dominio del tiempo

Esta ecuacion diferencial es la que representa la dinamica del sistema.
2.6.2 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) (2.113)
y(t) = Cx(t) + Du(t) (2.114)
Primer pregunta sencilla que puede ser hecha al transformar ec. de edo y ec. de salida en fn.
de transf
representacion de la ec. de edo, es en dominio tiempo y representacion de fn. de transf es el
dominio Laplace. Por lo tanto primero tenemos que cambiar dicha representacion del dominio
del tiempo al dominio Laplace.
Es posible realizar la transformacion de este sistema expresado como ecuaciones de estado a
una representacion de funcion de transferencia por medio de un procedimiento simple.
Consideremos el sistema dado por las ecuaciones (2.113)-(2.114) y expresemos las variables en
el dominio de Laplace.
L
_
x(t) = Ax(t) + Bu(t)
_
(2.115)
sX(s) x(0) = AX(s) + BU(s) (2.116)
y
L
_
y(t) = Cx(t) + Du(t)
_
(2.117)
Y (s) = CX(s) + DU(s) (2.118)
de esto obtenemos
(sI A)X(s) = BU(s) + x(0) (2.119)
X(s) = (sI A)
1
BU(s) + (sI A)
1
x(0) (2.120)
ademas,
Y (s) =
_
C(sI A)
1
B + D

U(s) + C(sI A)
1
x(0) (2.121)
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 (2.122)
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.
19
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.
La funcion de transferencia tendra una dimension G(s) R
pm
de acuerdo al numero de
entradas y salidas que tenga el sistema original expresado por las ecuaciones (2.113)-(2.114)
2.6.3 Ejemplos
Ejemplo 2.6.1. Representacion en el espacio de estados a funcion de transferencia
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 (2.123)
y = [1 0 0]
_
_
x
1
x
2
x
3
_
_
(2.124)
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
_
_
(2.125)
(sI A)
1
=
adj(sI A)
det (sI A)
(2.126)
det (sI A) = s
2
(s + 3) + 1 + 2s (2.127)
= s
3
+ 3s
2
+ 2s + 1 (2.128)
(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
(2.129)
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
(2.130)
Simplicando obtenemos
G(s) =
10(s
2
+ 3s + 2)
s
3
+ 3s
2
+ 2s + 1
(2.131)
20
2.7 Descomposicion canonica de Kalman
Existen diferentes formas de representar un sistema dinamico expresado como una ecuacion
diferencial de orden n.
Como sabemos es posible expresar esta ecuacion diferencial general como un sistema de ecua-
ciones diferenciales de primer orden mediante las variables de estado.
La diferencia radica en la estructura interna de las variables de estado que se denen para
nuestro sistema dinamico.
2.7.1 Forma canonica controlable
La variable y en la ecuacion diferencial (2.141) aparece diferenciada n veces
2.7.2 Forma canonica observable
2.7.3 Cambio de variable
Una representacion dada en funcion de un espacio de estado no es unica porque hay libertad
en la forma de asignar el vector de estado. Incluso, a partir de un modelo dado, es posible
transformarlo a otro modelo equivalente con respecto a las propiedades entrada-salida.
Supongamos que nuestro modelo es
x(t) = Ax(t) + Bu(t) (2.132)
y(t) = Cx(t) + Du(t) (2.133)
Suponga que Un vector de estado z que esta relacionado al vector de estado original x mediante
una transformacion de similitud x = Tz. Asumiendo que la matriz de transformacion T es
no-singular (invertible) sabemos por lo tanto que z = T
1
.
z = T
1
x = T
1
(Ax + Bu) (2.134)
= T
1
(ATz + Bu) (2.135)
= T
1
ATz + T
1
Bu =

Az +

Bu (2.136)
y = Cx + Du = CTz + Du =

Cz +

Du (2.137)
2.7.4 Diagonalizacion
Valores propios y vectores propios
Matriz modal (de transicion)
Transformacion de similitud
Suponga que la matriz de transformacion T esta dada por una matriz modal M. De esta
manera, la matriz A resultante sera diagonal, y estara en forma de Jordan.
21
2.7.5 Forma canonica de Jordan
La forma Jordan de una matriz es diagonal. Un sistema dinamico que se expresa como una
ecuacion de estado A, B, C, D se puede expresar en la forma canonica de Jordan mediante la
transformacion de similitud dada por la matriz modal obtenida por los valores propios y vectores
propios de la matriz A.
2.7.6 Ejemplos
Ejemplo 2.7.1. Representacion de un mismo sistema dinamico mediante distintas formas canonicas.
Supongamos que sabemos que la funcion de transferencia de un sistema dinamico esta dada por
T(s) =
s + 3
s
3
+ 9s
2
+ 24s + 20
(2.138)
Existen distintas formas de representar esta funcion. Por ejemplo, se puede tratar de factorizar
el denominador de la siguiente manera
T(s) =
s + 3
(s + 2)
2
(s + 5)
(2.139)
De donde sabemos que la ecuacion tiene dos polos situados en s = 2 y uno en s = 5.
Esta misma ecuacion factorizada se puede expresar como una suma de varios terminos sepa-
rados si realizamos una expansion en fracciones parciales.
2
9
s + 2
+
1
3
(s + 2)
2
+

2
9
s + 5
(2.140)
De la representacion de la funcion de transferencia original T(s) = Y (s)/U(s) como una
relacion salida entrada tambien podemos escribir la ecuacion diferencial general como
d
3
y
dt
= 9 y 24 y 20y + u + 3u (2.141)
Por esta razon, tambien es posible expresar de varias formas distintas las ecuaciones de estado
del sistema como se ha visto anteriormente en forma teorica.
De acuerdo a las secciones anteriores donde se explican la formas canonicas, sabemos que para
cada una de estas la asignacion de las variables de estado se hace de una manera bien denida.
Forma canonica controlable
Sabemos que la forma tpica de representar una ecuacion diferencial de orden n es por la forma
canonica controlable y Variables de estado se obtienen de tal manera
Para la forma canonica controlable los bloques de los integradores estan unidos uno detras del
otro. Por lo tanto, similar a como se hizo para un caso general esta relacion corresponde a lo
22
siguiente
y = x
1
(2.142)
y = x
1
(2.143)
y = x
2
x
1
= x
2
(2.144)
y = x
2
(2.145)
y = x
3
x
2
= x
3
(2.146)
Finalmente, despejando de la ecuacion diferencial (2.141) tenemos que
d
3
y
dt
3
= x
3
(2.147)

d
3
y
dt
3
= 20y 24 y 9 y + u (2.148)
x
3
= 20x
1
24x
2
9x
3
+ u (2.149)
Segun la funcion de transferencia (2.138), la ecuacion de salida es
y = 3x
1
+ x
2
(2.150)
De la variable de salida y podemos deducir la ecuacion diferencial de orden n de la siguiente
manera
y = 3x
1
+ x
2
(2.151)
y = 3 x
1
+ x
2
= 3x
2
+ x
3
(2.152)
y = 3 x
2
+ x
3
= 3x
3
+ x
3
(2.153)
d
3
y
dt
3
= 3 x
3
+ x
3
= 3(20x
1
24x
2
9x
3
+ u) 20 x
1
24 x
2
9 x
3
+ u (2.154)
= 3(20x
1
24x
2
9x
3
+ u) 20x
2
24x
3
9 x
3
+ u (2.155)
Reorganizando en funcion de la asignacion de la salida y en (2.151), (2.152) y (2.153) tenemos
que
d
3
y
dt
3
= 20(3x
1
+ x
2
) 24(3x
2
+ x
3
) 9(3x
3
x
3
) + 3u + u (2.156)
= 20y 24 y 9 y + 3u + u (2.157)
Las ecuaciones de estado y la ecuacion de salida se pueden expresar como
x =
_
_
x
1
x
2
x
3
_
_
=
_
_
0 1 0
0 0 1
20 24 9
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
0
1
_
_
u (2.158)
y = [3 1 0]x + 0 u (2.159)
El diagrama a bloques para esta forma tiene cierta forma estructurada que siempre corresponde
a una representacion de este tipo.
23
Forma canonica observable
La estructura interna de la forma canonica observable es diferente a la de la llamada forma
canonica controlable. Las variables de estado y la salida se denen de otra manera, la cual es
equivalente a la ecuacion diferencial la cual corresponde este sistema dinamico.
Para comprobar que efectivamente estas ecuaciones de estado corresponde al sistema de la
ecuacion diferencial (2.141), podemos comenzar por la representacion de la salida en funcion
de las variables de estado y recursivamente ir obteniendo relaciones en funcion de las demas
variables de estado en funcion de las derivadas de y.
La salida y esta dada como
y = x
1
(2.160)
y = x
1
(2.161)
de la ecucacion de estado x
1
x
1
= x
2
9x
1
(2.162)
despejamos x
2
de la ecuacion anterior en funcion de las variables y de la siguiente manera
x
2
= x
1
+ 9x
1
= y + 9y x
2
= y + 9 y (2.163)
de la ecucacion de estado x
2
x
2
= x
3
24x
1
+ u (2.164)
de la misma forma que antes despejamos ahora x
3
en funcion de las variables y como
x
3
= x
2
+ 24x
1
u (2.165)
x
3
= y + 9 y + 24y u (2.166)
x
3
=
d
3
y
dt
+ 9 y + 24 y u (2.167)
(2.168)
de la ecucacion de estado x
3
x
3
= 20x
1
+ 3u (2.169)
y de aqu obtenemos la ecuacion diferencial de nuestro sistema dinamico
d
3
y
dt
+ 9 y + 24 y u = 20y + 3u (2.170)
la cual es la misma que (2.141) la cual representa la ecuacion diferencial de orden n.
La ecuacion de estado y la ecuacion de salida son
x =
_
_
x
1
x
2
x
3
_
_
=
_
_
9 1 0
24 0 1
20 0 0
_
_
_
_
x
1
x
2
x
3
_
_
+
_
_
0
1
3
_
_
u (2.171)
y = [1 0 0]x + 0 u (2.172)
24
3 Solucion de la ecuacion de estado
3.1 Funciones de matrices y Teorema de Cayley-Hamilton
3.1.1 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 A es 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
(3.1)
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
(3.2)
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
(3.3)
entonces el polinomio matricial correspondiente se dene como
P(A) = c
m
A
m
+ c
m1
A
m1
+ + c
1
A + c
0
I (3.4)
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 3.1.1. 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
+ (3.5)
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
(3.6)
converge.
Para expresar una funcion como una expansion en la serie de potencias innita, tenemos el
siguiente teorema
Teorema 3.1.2. 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 3.1.3. 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 (3.7)
exp
A
= I + A +

2
A
2
2!
+

3
A
3
3!
+ +

k
A
k
k!
+ , A R
nn
(3.8)
Utilizando estos conceptos, si sabemos (3.8), 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!
+ (3.9)
d exp
At
dt
= A
_
I + At +
A
2
t
2
2!
+
_
(3.10)
= [I + At +
A
2
t
2
2!
+
_
A = Aexp
At
= exp
At
A (3.11)
3.1.2 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
= () (3.12)
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 (3.13)
Teorema 3.1.4. 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.
26
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
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 (3.13) y asumiendo que A
1
existe, la mutltiplicacion de (3.13) por
esta inversa es
(1)
n
A
n1
+ c
n1
A
n2
+ c
n2
A
n3
+ + c
1
I + c
0
A
1
= 0 (3.14)
o, la inversa misma se puede expresar como
A
1
=
1
c
0
[(1)
n
A
n1
+ c
n1
A
n2
+ + c
1
I] (3.15)
donde la c
0
es el determinante de la matriz diagonal representada en funcion de sus valores
propios.
Ejemplo 3.1.1. Sea A =
_
3 1
1 2
_
. Su ecuacion ecaracterstica es () = det A I = (3
)(2 ) I =
2
5 + 5. Entonces podemos expresar (A) = A
2
5A + 5I = 0 como
(A) =
_
3 1
1 2
_ _
3 1
1 2
_
5
_
3 1
1 2
_
+5
_
1 0
0 1
_
=
_
10 5
5 5
_
5
_
3 1
1 2
_
+5
_
1 0
0 1
_
=
_
0 0
0 0
_
(3.16)
Por lo tanto siguiendo la anterior representacion en (3.15) tenemos que A
1
=
1
5
[A 5I] =

1
5
_
2 1
1 3
_
.
3.2 Solucion de cada caso
3.2.1 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 (3.17)
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 (3.18)
Al substituir esta serie en la ecuacion (3.17), 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
+ (3.19)
27
igualando los coecientes resulta en
b
1
= Ab
0
(3.20)
b
2
=
1
2
Ab
1
=
1
2
A(Ab
0
) =
1
2
A
2
b
0
(3.21)
.
.
. (3.22)
b
k
=
1
k!
A
k
b
0
(3.23)
b
k+1
=
1
(k + 1)!
A
k+1
b
0
(3.24)
donde A R
nn
, y b
k
R
n
substituyendo estos valores en (3.18)
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
+ (3.25)
= (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
(3.26)
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
(3.27)
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) (3.28)
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
(3.29)
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
(3.17), en t = 0,

(0)x(0) = Ax(0), por lo tanto

(0) = A.
28
3.2.2 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
(3.30)
resolviendo la ecuacion de la siguiente manera podemos determinar x(t).
x(t) ax(t) = bu(t) (3.31)
exp
at
[ x(t) ax(t)] =
d
dt
(exp
at
x(t)) = exp
at
bu(t) (3.32)
_
t
0
d
d
exp
a
x()d = exp
at
x(t) x(0) =
_
t
0
exp
a
bu()d (3.33)
x(t) = exp
at
x
0
+
_
t
0
exp
a(t)
bu()d (3.34)
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 (3.35)
Multiplicando por exp
At
en ambos lados tenemos
exp
At
x(t) = exp
At
[Ax(t) + Bu(t)] (3.36)
y una vez que unimos terminos comunes tenemos que
exp
At
[ x(t) Ax(t)] = exp
At
Bu(t) (3.37)
Si recordamos la forma de expresar un termino exponencial como una serie innita en (3.8) y
(3.28), 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!
+ (3.38)
exp
At
[ x Ax] =
d
dt
(exp
At
x(t)) = exp
At
Bu(t) (3.39)
Integrando en los lmites del tiempo
_
t
0
d
d
exp
A
x()d = exp
At
x(t) x(0) (3.40)
=
_
t
0
exp
A
Bu()d (3.41)
_
exp
At
x(t)
_

t
0
= exp
At
x(t) x(0) =
_
t
0
exp
A
Bu()d (3.42)
29
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 (3.43)
= (t)x(0) +
_
t
0
(t )Bu()d (3.44)
donde (t) = exp
At
es la matriz de transicion de estados.
30
4 Propiedades de sistemas dinamicos
4.1 Controlabilidad y observabilidad
4.2 Estabilidad
Estabilidad
Tiempo continuo x = Ax valores propios de A
i
=
i
j
i
Inestable
si
i
> 0 para raiz no repetida o
i
0 para raices no repetidas
Estable
si
i
0 para raiz no repetida o
i
< 0 para raices repetidas
Asintoticamente estable
si
i
< 0 para cualquier raiz
Lazo abierto y lazo cerrado
x = Ax + Bu (4.1)
y = Cx (4.2)
Un sistema esta representado en lazo abierto cuando no existe retroalimentacion de la salida
hacia la entrada. En otros terminos, la funcion de control no esta dada como una funcion
de la salida del sistema. Para este caso, la ecuacion de estado seguira siendo expresada por
x = Ax + Bu. La matriz del sistema en lazo abierto sera A.
Un sistema en lazo cerrado es aquel en donde la entrada u esta dada como una funcion de
la salida y del sistema (ecuacion de salida y = Cx). Por lo tanto el control se retroalimenta
hacia la entrada como u = Kx, donde K es una matriz de la dimension necesaria para efectuar
la multiplicacion Kx, en donde x R
n1
, de tal forma que K R
1n
correspondiente a las
ganancias que multiplican a cada una de las variables de estado que se retroalimentan. De esta
manera, la ecuacion de estado esta dada como
x = Ax + Bu ; u = Kx (4.3)
= Ax + BKx = (A + BK)x (4.4)
La matriz de lazo cerrado del sistema de esta manera es A
c
= A+BK. Esta matriz es aquella
la cual multiplica a la variable de estado x despues de cerrar el lazo de control entre la salida y
la entrada del sistema tal como se muestra en la ecuacion anterior.
El problema que se estudiara a continuacion es aquel que concierne al dise no de un controlador
por retroalimentacion de estado. Se considera esta tecnica por ejemplo en los casos en donde
un sistema inestable se quiera llevar hacia la estabilidad. Esta accion se conoce con el nombre
de asingacion de polos (colocacion de polos) del sistema. El objetivo en este problema es mover
los polos de un sistema en lazo abierto de una posicion de inestabilidad (polos en el semiplano
positivo del eje coordenado) hacia una posicion en donde el sistema de lazo cerrado sea estable
(polos en semiplano negativo del eje coordenado). Se realizara esta accion mediante el dise no de
un controlador por retroalimentacion de estado en la entrada del sistema.
Suponga que se tiene un sistema
x =
_
1 1
1 2
_
x (4.5)
Al revisar las raices del sistema, encontramos que el sistema es inestable. Para ello se obtiene
la ecuacion caracterstica del sistema como det |sI A| = 0.
det |sI A| = det

s 1 1
1 s 2

= 0 (4.6)
= (s 1)(s 2) 1 = 0 (4.7)
= s
2
3s + 1 = 0 s
1
= 2.618, s
2
= 0.382 (4.8)
El sistema expresado en la ecuacion de estado anterior es equivalente a tener
x =
_
1 1
1 2
_
x +
_
0
0
_
u (4.9)
Sabiendo esto, una pregunta en la que se puede pensar es como se puede establizar este
sistema? La respuesta es que no es posible estabilizarlo sin disponer de una entrada u en el
sistema mismo. La unica manera de lograr la estabilidad es tener la matriz de entrada B = [0 0].
En otras palabras se necesita utilizar una entrada para lograrlo.
Por ejemplo, podemos considerar el sistema
x =
_
1 1
1 2
_
x +
_
1
0
_
u (4.10)
el cual sabemos de antemano por los calculos hechos anteriormente de la matriz del sistema en
lazo abierto que es inestable. Pero una manera de poder alterar esta propiedad del sistema es
como se dijo utilizando una entrada u = Kx = [k
1
k
2
]x.
x = Ax + Bu (4.11)
A =
_
1 1
1 2
_
(4.12)
B =
_
1
0
_
(4.13)
K = [k
1
k
2
] (4.14)
El procedimiento analtico para obtener la estabilidad en lazo cerrado es el siguiente
Obtener la ecuacion de estado en lazo cerrado
32
x = Ax + B(Kx) = Ax BKx = (A BK)x (4.15)
= (
_
1 1
1 2
_

_
1
0
_
[k
1
k
2
])x =
_
1 1
1 2
_

_
k
1
k
2
0 0
_
)x (4.16)
=
_
1 k
1
1 k
2
1 2
_
x (4.17)
La matriz de lazo cerrado del sistema es
A
c
=
_
1 k
1
1 k
2
1 2
_
(4.18)
La estabilidad en lazo cerrado se determina encontrando la ecuacion caracterstica para esta
matriz de lazo cerrado A
c
de la siguiente manera.
det |sI A
c
| = det

s (1 k
1
) 1 + k
2
1 s 2

= 0 (4.19)
= (s 2)(s (1 k
1
)) (1)(1 + k
2
) = 0 (4.20)
= s
2
[(1 k
1
) + 2]s + (1 + k
2
) + 2(1 k
1
) = 0 (4.21)
= s
2
+ (k
1
3)s (1 2k
1
+ k
2
) = 0 (4.22)
Asignacion de polos: procedimiento consistente en escoger las ganancias k
1
y k
2
de la retroal-
imentacion de estado tal que los polos del sistema en lazo cerrado tengan valores negativos para
que el sistema sea estable.
La condicion necesaria es que el sistema sea controlable. Por lo tanto se debe checar la
controlabiliad del sistema. Esto se hace vericando que el rango de la matriz de controlabilidad
del sistema sea la dimension del sistema mismo (C) = \.
La matriz de controlabiliad para este caso es una matriz particionada dada por las multipli-
caciones de las matrices de estado C = [BAB]. Para saber si es controlable el sistema debemos
vericar si (C) = ? ya que en este ejemplo la dimension del vector de estado es x R
2
.
AB =
_
1 1
1 2
_ _
1
0
_
=
_
1
1
_
(4.23)
C = [BAB] =
_
1 1
0 1
_
(4.24)
Asi se verica que este sistema si es controlable. Esto quiere decir que es posible dise nar un
controlador para que el sistema sea llevado hacia el origen.
33
5 Dise no de controladores por retroalimentacion de
estado
5.1 Retroalimentacion de estado
5.1.1 Lazo abierto y lazo cerrado
5.1.2 Asignacion de polos
5.2 Observadores de estado
Bibliografa
[1] Linear Algebra book
[2] W. L. Brogan, Modern control theory, Third edition, Prentice-Hall, Inc., 1991.
[3] T. Kailath, Linear Systems. Prentice Hall, 1980.
[4] Poincar`e
[5] Taylor, A. E. and Mann, R. W., Advanced Calculus, 1972.
[6] Churchill, R. V., Introduction to Complex Variables and Applications, 2nd Ed., McGraw-
Hill, New York, 1960.
[7] Kalman, R. E., Canonical Structure of Linear Dynamical Systems, Proceedings of the
National Academy of Sciences, 48 (4): 596600, 1962.
[8] Luenberger, D. G., An Introduction to Observers, IEEE Transactions on Automatic Con-
trol, vol. AC-16, pp. 596602, December 1971.