Lecture Notes Multivariable Control Theory and Excercices

Universidad de Concepcin
Facultad de Ingeniera
Depto. de Ingeniera Elctrica
Apuntes
Control Multivariable - 543 760
D
x&
u
B
planta
xm
AuuKo + Aum - KoAmm - KoAmuKo

Bu - KoBm
&
Ko
Auu - KoAmu
observador
x u
6ta edicin
Prof. Jos R. Espinoza C.
Febrero 2016
Apuntes: 543 760
ii
Tabla de contenidos.
PRLOGO ................................................................................................................................................ IV
NOMENCLATURA .......................................................................................................................................V
ABREVIACIONES .................................................................................................................................... VIII
1
INTRODUCCIN. ................................................................................................................................ 1
1.1 Representacin de Sistemas Tiempo Continuo. ....................................................................... 1
1.2 Representacin de Sistemas Alternos Tiempo Continuo. ....................................................... 12
1.3 Representacin de Sistemas Tiempo Discreto........................................................................ 16
1.4 Matriz de Transferencia. ........................................................................................................ 19
1.5 Retardo en Sistemas MIMO. .................................................................................................. 21
1.6 Valores y Vectores Propios. ................................................................................................... 26
1.7 Realizaciones de Sistemas. ..................................................................................................... 28
1.8 Alcances del Curso 547 504. .................................................................................................. 32
1.9 Ejercicios Propuestos. ............................................................................................................ 32
REPRESENTACIN EN ESPACIO DE ESTADOS. .................................................................................. 36

2.1 Introduccin. .......................................................................................................................... 36
2.2 Respuesta a Entrada Cero en Sistemas Continuos. ............................................................... 36
2.3 Respuesta a Entrada Cero en Sistemas Discretos.................................................................. 40
2.4 Respuesta a c.i. Cero en Sistemas Continuos......................................................................... 42
2.5 Respuesta a c.i. Cero en Sistemas Discretos. ......................................................................... 43
2.6 Observabilidad en Sistemas Continuos. ................................................................................. 44
2.7 Observabilidad en Sistemas Discretos. .................................................................................. 49
2.8 Controlabilidad de Sistemas Continuos. ................................................................................ 52
2.9 Controlabilidad de Sistemas Discretos. ................................................................................. 56
2.10 Observabilidad y Controlabilidad en Realizaciones.............................................................. 58
2.11 Observabilidad y Controlabilidad en Sistemas Muestreados. ............................................... 62
2.12 Estabilidad.............................................................................................................................. 63
REPRESENTACIN EN MATRICES DE TRANSFERENCIA. ................................................................... 67

3.1 Introduccin. .......................................................................................................................... 67
3.2 Realizaciones de Sistemas SISO. ............................................................................................ 69
3.3 Polos y Ceros de H(s). ............................................................................................................ 69
3.4 La forma Smith-McMillan. ..................................................................................................... 71
3.5 Polos y Ceros de la Forma Smith-McMillan.......................................................................... 73
3.6 Polos y Ceros de la Matriz de Transferencia. ........................................................................ 75
3.7 Realizaciones Mnimas. .......................................................................................................... 76
CONTROLADORES Y OBSERVADORES DE ESTADOS. ........................................................................ 79

4.1 Introduccin. .......................................................................................................................... 79
4.2 Controlador de Estados SISO. ............................................................................................... 81
4.3 Controlador de Estados MIMO. ............................................................................................. 84
4.4 Controlador de Estados de Orden Reducido. ........................................................................ 87
Copyright por Prof. Jos R. Espinoza C.
Apuntes: 543 760
iii
4.5 Controlador de Estados con Integradores. ............................................................................ 88

4.6 Desacoplador de Estados. ...................................................................................................... 92
4.7 Observador de Estados SISO. ................................................................................................ 96
4.8 Observador de Estados MIMO............................................................................................. 102
4.9 Controlador basado en un Observador de Estados. ............................................................ 107
4.10 Modelacin, Estimacin y Compensacin de Perturbaciones. ............................................ 108
4.11 Ejercicios Propuestos. .......................................................................................................... 110
5
CONTROL PTIMO. ....................................................................................................................... 114
CONTROL MONOVARIABLE DE SISTEMAS MIMO. ........................................................................ 115

6.1 Introduccin. ........................................................................................................................ 115
6.2 Arreglo de Bristol. ................................................................................................................ 115
6.3 Valores Singulares. .............................................................................................................. 122
6.4 Diseo de Desacopladores. .................................................................................................. 126
CONTROLADORES EN EL PLANO DE LA FRECUENCIA. ................................................................... 134

7.1 Introduccin. ........................................................................................................................ 134
7.2 Caso SISO............................................................................................................................. 134
7.3 Mtodos de Diseo en Sistemas SISO. ................................................................................. 138
7.4 Caso MIMO. ......................................................................................................................... 139
7.5 Criterio de Nyquist Generalizado. ....................................................................................... 147
BIBLIOGRAFA ........................................................................................................................................ 161

NDICE ALFABTICO............................................................................................................................... 162
Apuntes: 543 760
iv
Prlogo.
El curso Control Multivariable es electivo para alumnos de pre-grado de la carrera de Ingeniera
Civil Electrnica/Elctrica/Telecomunicaciones/Biomdica de la Universidad de Concepcin y es la
extensin natural del curso Sistemas de Control. Ambos son en el Departamento de Ingeniera
Elctrica y pertenecen al plan de asignaturas orientadas al rea de Control Automtico. En este ramo
se entregan herramientas de anlisis y diseo para sistemas lineales dinmicos continuos y discretos
invariantes en el tiempo tipo MIMO.
Los tpicos revisados son necesarios para el anlisis y diseo de sistemas reales como los encontrados
en la industria nacional que se caracterizan por estructuras realimentadas con mltiples salidas y
mltiples entradas del tipo continuo y que son controlados por un sistema digital cuya representacin
natural es del tipo discreta. En particular, en esta asignatura se abordan temas como la representacin
en variables de estado, matrices de transferencia, controladores y observadores, y controladores
multivariables. Para esto se asume que el modelo de la planta es siempre conocido y/o, en el peor de
los casos, se tiene una incertidumbre asociada a ste.
El lector debe tener dominio de los temas entregados en el curso de Sistemas de Control para avanzar
fluidamente en los tpicos de este texto. Adicionalmente, debe estar familiarizado con la teora
elemental de matrices; especficamente, conocer sus propiedades tales como valores propios, valores
singulares, vectores propios, norma, rango, determinante, etc. Adems, un holgado dominio de
programas de simulacin es definitivamente necesario para seguir los ejemplos del texto. Se
recomienda, MatLabTM y/o MathCad TM y/o PSimTM.
Esta versin de los apuntes incorpora y mejora ejemplos prcticos e ilustrativos de los tpicos aqu
revisados. Entre los ejemplos destacados estn un accionamiento con eje flexible, un accionamiento
con dos motores, un reactor qumico exotrmico, un compensador trifsico serie de potencia reactiva y
un paciente en una unidad de cuidados intensivos.
El documento fue digitado enteramente en Word for Windows de MicroSoftTM y los ejemplos y
ejercicios fueron desarrollados en MatLabTM y/o MathCad TM y/o PSimTM.
Dr. Jos R. Espinoza C.

Profesor Titular
Depto. de Ingeniera Elctrica, of. 220
Facultad de Ingeniera
Universidad de Concepcin
Casilla 160-C, Correo 3
Concepcin, CHILE
Tel:
+56 41 203512
Fax:
+56 41 246999
jose.espinoza@udec.cl
www.udec.cl/jose.espinoza
Apuntes: 543 760
Nomenclatura
Matrices
A
B
C
D
E
F
T
AT
BT
CT
DT
ET
FT
Tabc-0
T0-abc
T0-dq0
Tdq0-0
Tabc-dq0
Tdq0-abc
H(s)
H(s)
( s)
H
( z)
H
: matriz de parmetros de dimensin n n.

: matriz de parmetros de dimensin n p.
: matriz de parmetros de dimensin q n.
: matriz de parmetros de dimensin q p.
: matriz de parmetros de dimensin n m.
: matriz de parmetros de dimensin q m.
: matriz de transformacin de dimensin de n n.
: matriz de parmetros transformada mediante T de dimensin n n. AT = TAT-1
: matriz de parmetros transformada mediante T de dimensin n p. BT = TB
: matriz de parmetros transformada mediante T de dimensin q n. CT = CT-1
: matriz de parmetros transformada mediante T de dimensin q p. DT = D
: matriz de parmetros transformada mediante T de dimensin n m. ET = TE
: matriz de parmetros transformada mediante T de dimensin q m. FT = F
: matriz de transformacin de ejes abc a 0, dimensin 33.
: matriz de transformacin de ejes 0 a abc, dimensin 33.
: matriz de transformacin de ejes 0 a dq0, dimensin 33.
: matriz de transformacin de ejes dq0 a 0, dimensin 33.
: matriz de transformacin de ejes abc a dq0, dimensin 33.
: matriz de transformacin de ejes dq0 a abc, dimensin 33.
: matriz de transferencia de un sistema tiempo continuo. H(s) = C(sI - A)-1B + D.
: matriz de transferencia de un sistema tiempo discreto. H(s) = C(sI - A)-1B + D.
( s ) = H-1(s).
: matriz de transferencia inversa de un sistema tiempo continuo. H
( z ) = H-1(z).
: matriz de transferencia inversa de un sistema tiempo discreto. H
H(s)H
H(z)H
C
O
L(s)
L(z)
(t)
(t)
Adj{P}
diag{x1,}
e{X}
m{X}
r
X
: matriz conjugada transpuesta de H(s) de un sistema tiempo continuo. H(s)H = (H(s)*)T.

: matriz conjugada transpuesta de H(z) de un sistema tiempo discreto. H(z)H = (H(z)*)T.
: matriz de controlabilidad.
: matriz de observabilidad.
: matriz de transferencia en L.D. de un sistema tiempo continuo.
: matriz de transferencia en L.D. de un sistema tiempo discreto.
: matriz de transicin de un sistema tiempo continuo.
: matriz de transicin de un sistema tiempo discreto.
: matriz adjunta de la matriz P.
: matriz diagonal compuesta por los valores x1, x2, .
: matriz parte real de la matriz X.
: matriz parte imaginaria de la matriz X.
r
: matriz compuesta por elementos xi , j que son fasores.
Vectores
x
u
y
p
: vector de n variables de estados, x = [x1 x2 xn]T

: vector de p variables de entrada, u = [u1 u2 up]T
: vector de q variables de salida, y = [y1 y2 yq]T
: vector de m perturbaciones, p = [p1 p2 pm]T
vi
Apuntes: 543 760
x
y
~
x
: vector de n variables de estados, x = [ x1 x2 xn ]T (estimacin de x).

: vector de q variables de estados, y = [ y1 y 2 y q ]T (estimacin de y).
: vector de n variables de estados, ~
x = [~
x1 ~
x2 ~
xn ]T (error de estimacin de ~
x= x -
x ).
xabc
x0
xdq0
x0
xo
uo
yo
yd
po
x
u
y
p
x(s)
x(z)
u(s)
u(z)
y(s)
y(z)
p(s)
p(z)
vk
wk
vk*
xec
xci
yec
yci
ck
bk
V(x)
r
x
: vector de tres variables de estados, xabc = [xa xb xc]T (ejes estacionarios abc).
: vector de tres variables de estados, x0 = [x x x0]T (ejes estacionarios 0).
: vector de tres variables de estados, xdq0 = [xd xq x0]T (ejes rotatorios dq0).
: condicin inicial del vector de estados, x0 = [x10 x20 xn0]T
: vector de estados en el punto de operacin, xo = [x1o x2o xno]T
: vector de entradas en el punto de operacin, uo = [u1o u2o upo]T
: vector de salidas en el punto de operacin, yo = [y1o y2o yqo]T
: vector deseado (referencia) de q variables de salida, yd = [y1d y2d yqd]T
: vector de perturbaciones en el punto de operacin, po = [p1o p2o pqo]T
: variacin del vector de estados x en torno a xo, x = [x1 x2 xn]T
: variacin del vector de entradas u en torno a uo, u = [u1 u2 up]T
: variacin del vector de salidas y en torno a yo, y = [y1 y2 yq]T
: variacin del vector de perturbaciones p en torno a po, p = [p1 p2 pm]T
: Laplace de x, x(s) = [x1(s) x2(s) xn(s)]T
: Laplace de x, x(z) = [x1(z) x2(z) xn(z)]T
: Laplace de u, u(s) = [u1(s) u2(s) up(s)]T
: Laplace de u, u(z) = [u1(z) u2(z) up(z)]T
: Laplace de y, y(s) = [y1(s) y2(s) yp(s)]T
: Laplace de y, y(z) = [y1(z) y2(z) yp(z)]T
: Laplace de p, p(s) = [p1(s) p2(s) pm(s)]T
: Laplace de p, p(z) = [p1(z) p2(z) pm(z)]T
: k-simo vector propio de A.
: k-simo vector propio de AT.
: conjugado del k-simo vector propio de A.
: vector de estados para entrada cero.
: vector de estados para c.i. nulas.
: vector de salidas para entrada cero.
: vector de salidas para c.i. nulas.
: k-sima fila de la matriz C.
: k-sima columna de la matriz B.
: gradiente de la funcin V(x). V(x) = V(x)/x.
r r
r
r
: vector de fasores, x = [ x1 x2 xn ]T.
Escalares
xk
dxk/dt = x& k
ak
k
k *
ij
l(s)
l(z)
dij
: k-sima variable de estado.

: derivada de la k-sima variable de estado.
: k-simo coeficiente del polinomio caracterstico de A.
: k-simo valor propio de A.
: conjugado del k-simo valor propio de A.
: ganancia relativa entre la entrada i-sima y la salida j-sima.
: funcin de transferencia en L.D. de un sistema tiempo continuo.
: funcin de transferencia en L.D. de un sistema tiempo discreto.
: elemento ij de la matriz D.
vii
Apuntes: 543 760
hij(s)
hij(z)
hij ( s )
h ( z )
: elemento ij de la matriz H(s).

: elemento ij de la matriz H(z).
( s ) = H-1(s).
: elemento ij de la matriz H
( z ) = H-1(z).
: elemento ij de la matriz H
rango{P(s)}
rango{P(z)}
det{P(s)}
det{P(z)}
arg{x}
tr{P(s)}
tr{P(z)}
maxij{wij}l
max{}
min{}
log{}
: rango de la matriz P(s).

: rango de la matriz P(z).
: determinante de la matriz P(s).
: determinante de la matriz P(z).
: ngulo del nmero complejo x.
: traza de la matriz P(s).
: traza de la matriz P(z).
: mximo elemento de la matriz Wl.
: mximo valor.
: mnimo valor.
: logaritmo en base 10.
: entrada escaln continua.
: entrada escaln discreta (tambin escrita u(kT), con T el tiempo de muestreo).
: entrada rampa continua.
: entrada rampa discreta (tambin escrita r(kT), con T el tiempo de muestreo).
: norma del elemento e.
: l-simo valor singular de A.
: mximo valor singular de A.
: mnimo valor singular de A.
: radio espectral de A.
: nmero de condicin de A.
: funcin de Lyapunov.
: vecindad en el espacio de estados de x.
: conjunto invariante.
: conjunto invariante subconjunto de G.
: vector de error en estado estacionario.
: banda de asentamiento.
: tiempo de asentamiento.
: valor medio (RMS) de la seal continua (alterna) v(t).
: funcin en el tiempo continuo.
: funcin en el tiempo discreto (tambin escrita f(kT), con T el tiempo de muestreo).
: funcin en el plano de Laplace.
: funcin en el plano Z.
: funcin en frecuencia continua de tiempo continuo.
: funcin en frecuencia continua de tiempo discreta.
: funcin en frecuencia discreta de tiempo continuo.
: funcin en frecuencia discreta de tiempo discreta.
: fasor.
ij
u(t)
u(k)
r(t)
r(k)
|| e ||
l(A)
(A)
(A)
(A)
(A)
V(x)
G
R
ess
ts
V
f(t)
f(k)
f(s)
f(z)
f()
f()
f(n)
f(m)
r
x
viii
Apuntes: 543 760
Abreviaciones.
Maysculas
L.A.
L.C.
L.D.
L.I.T.
S.P.I.
S.P.D.
F. de T.
F.D.
M. de T.
B.W.
E.S.
S.S.
SISO
MIMO
L.G.R.
P.I.D.
S.P.
M.G.
M.F.
FCD
FCC
FCO
FCJ
T.L.
T.F.
T.F.F.D.
T.Z.
T.F.T.D.
T.F.D.
D. de B.
: lazo abierto.
: lazo cerrado.
: lazo directo.
: lineal invariante en el tiempo.
: semi-plano izquierdo.
: semi-plano derecho.
: funcin de transferencia.
: funcin descriptora.
: matriz de transferencia.
: ancho de banda.
: entrada/salida.
: estado estacionario.
: sistema de una entrada y una salida (single input single output).
: sistema de varias entradas y varias salidas (multiple inputs multiple outputs).
: lugar geomtrico de las races.
: controlador proporcional integral derivativo.
: sobrepaso.
: margen de ganancia.
: margen de fase.
: forma cannica diagonal.
: forma cannica controlable.
: forma cannica observable.
: forma cannica de Jordan.
: Transformada de Laplace.
: Transformada de Fourier.
: Transformada de Fourier de Frecuencia Discreta.
: Transformada Z.
: Transformada de Fourier de Tiempo Discreta.
: Transformada de Fourier Discreta.
: Diagrama de Bode
Minsculas
c.i.
l.i.
l.d.
c.c.
c.a.
a.c.a.
: condiciones iniciales.
: linealmente independiente.
: linealmente dependiente.
: corriente continua (en ingls es d.c.).
: corriente alterna (en ingls es a.c.).
: abscisa de convergencia absoluta.
Apuntes: 543 760
Introduccin.
En este captulo se presenta la representacin en variables de estado y se compara con
la representacin en funcin de transferencia. Adems, se define la terminologa de uso
comn y se presentan las formas cannicas ms utilizadas. Tambin se describen los
ejemplos a utilizar en los apuntes, stos son: un accionamiento con eje flexible, un
reactor qumico exotrmico, un compensador trifsico serie de potencia reactiva y un
paciente en sala de cuidados intensivos. Finalmente, se indican los alcances del curso en
el contexto ms general de los sistemas de control.
1.1 Representacin de Sistemas Tiempo Continuo.

Las ecuaciones que describen al accionamiento en c.c. con eje flexible, Fig. 1.1, considerando la
corriente de campo if(t) = If constante son,
va (t ) = Ra ia (t ) + La
dia (t )
+ ea (t ) ,
dt
d m (t ) 1
+ k (r (t ) l (t )) ,
dt
n
d l (t )
k (r (t ) l (t )) = J l
+ tl (t ) ,
dt
te (t ) = J m
donde, ea(t) = kmm(t), te(t) = kmia(t), m(t) = dm(t)/dt, l(t) = dl(t)/dt, m(t) = nr(t), y m(t) = nr(t).
Ntese que el eje flexible desarrolla un torque dado por k(r(t) - l(t)). Las expresiones anteriores son
fcilmente deducibles a partir del circuito elctrico equivalente del accionamiento en c.c. ilustrado en la
Fig. 1.2, en donde las resistencias 1/bm y 1/bl representan los inversos de los coeficientes de roce bm y
bl, respectivamente, los cuales son considerados nulos en este ejemplo. A partir de las ecuaciones
anteriores, las siguientes representaciones son vlidas.
A.
Modelo de Entrada/Salida.
Se considera que la velocidad de la carga l es la variable de inters. Aplicando la T.L. a las

expresiones anteriores y considerando c.i. nulas se tiene,
+ va -
- vf +
ia
if
n:1
mquina cc
m, m,
Jm, te
l, l,
Jl, tl
1/ k
r, r, tr
Fig. 1.1 Accionamiento c.c. con eje flexible.
carga
Apuntes: 543 760
v a ( s ) = R a i a ( s ) + La si a ( s ) + k m m ( s ) ,
k m ia ( s ) = J m sm ( s ) +
1 1
1
k r ( s ) l ( s ) ,
n s
s
1
1
k r ( s ) l ( s ) = J l s l ( s ) + t l ( s ) ,
s
s
Las expresiones anteriores son utilizadas para obtener la F. de T. entre l y va - considerando tl(t) = 0 la que resulta ser,
l ( s )
kk m
=
va ( s ) La J m J l n
1
.
Ra 3 La kJ l + k n J l + La kn J m 2
J l Ra k
kk m2
4
s +
s +
s + Jm + 2
s+
La
La J m J l
n La J m J l
n La J m J l
2
m
2
Similarmente, la F. de T. entre la posicin l(t) y va(t) es,

kk m
l (s)
=
va ( s ) La J m J l n
1
2
m
2
Ra 4 La kJ l + k n J l + La kn J m 3
J l Ra k 2
kk m2
s +
s +
s + Jm + 2
s +
s
La
La J m J l
n La J m J l
n La J m J l
Ntese que esta ltima expresin es de fcil obtencin considerando la relacin l(t) = dl(t)/dt.
B.
Modelo en Ecuaciones Dinmicas.
En este caso se utiliza una representacin en variables de estado. Para esto, se definen arbitrariamente
las variables: x1(t) = r(t), x2(t) = r(t), x3(t) = l(t), x4(t) = l(t), y x5(t) = ia(t), u(t) = va(t), y p(t) = tl(t)
por lo tanto,
x&1 (t ) = x2 (t )
x&2 (t ) =
k
k
k
x1 (t ) + 2 x3 (t ) + m x5 (t )
2
n Jm
n Jm
nJ m
x&3 (t ) = x4 (t )
x&4 (t ) =
k
k
1
x1 (t ) x3 (t ) p (t )
Jl
Jl
Jl
x&5 (t ) =
R
nkm
1
x2 (t ) a x5 (t ) + u (t )
La
La
La
lo que escrito en forma matricial, conocido como ecuaciones dinmicas, queda como,
Ra
va
La
+
-
ea
ia
+
-
tm
Jm .
te
1/bm
1/k
tr
.
n :1
l
Jl
1/bl
Fig. 1.2 Circuito equivalente del accionamiento c.c. con eje flexible.
tl
Apuntes: 543 760
0
1
x&1 (t )
x& (t ) k /(n 2 J )
0
m
2
x&3 (t ) =
0
0

0
x&4 (t ) k / J l
x&5 (t )
0
nkm / La
0
0
0
x1 (t ) 0
0
0
2
k /(n J m ) 0 km /(nJ m ) x2 (t ) 0
x3 (t ) + 0 u (t ) + 0 p (t ) ,
0
1
0
k / J l
0
0
x4 (t ) 0
1/ J l
0
0
0 Ra / La x5 (t ) 1/ La
donde, x1(t), x2(t), x3(t), x4(t) y x5(t) son las variables de estado y x(t) = [x1(t) x2(t) x3(t) x4(t) x5(t)]T es el
vector de estados. Si la variable de inters y es la velocidad de la carga l(t), entonces, se puede
escribir,
x1 (t )
x (t )
2
y (t ) = [0 0 0 1 0 ] x3 (t ) .
x4 (t )
x5 (t )
An cuando ambas representaciones son vlidas, hay diferencias notorias entre ellas. De hecho, un
aspecto interesante es que hay cinco ecuaciones dinmicas (orden 5); sin embargo, la F. de T. entre
l(t) y va(t) tiene un polinomio caracterstico de cuarto grado. No ocurre lo mismo con la F. de T. entre
l(t) y va(t) que tiene un polinomio caracterstico de quinto grado. Los ordenes y grados de las
representaciones estn relacionados y sern de anlisis en los captulos siguientes.
C.
Expresin general para las Ecuaciones Dinmicas.
Las ecuaciones dinmicas tienen la forma general,

x& (t ) = Ax(t) + Bu(t) + Ep(t), y(t) = Cx(t) + Du(t) + Fp(t),
(1.1)
en donde, u(t) = [u1(t) ... up(t)]T es el vector de entradas, y(t) = [y1(t) ... yq(t)]T es el vector de salidas,
p(t) = [p1(t) ... pm(t)]T es el vector de perturbaciones, y A, B, C, D, E, y F son matrices de parmetros
con dimensiones apropiadas. Si hay n variables de estados, entonces siempre se cumple que las
p(t)
F
x& (t )
u(t)
B
x(t)
y(t)
C
A
D
Fig. 1.3 Diagrama en bloques de las ecuaciones dinmicas generalizadas.
Apuntes: 543 760
dimensiones de cada componente son: x(t): n, u(t): p, y(t): q, A: nn, B: np, C: qn, D: qp, E: nm, y
F: qm, respectivamente. Una representacin en diagrama de bloques se muestra en la Fig. 1.3.
Ejemplo 1.1. En el sistema de la Fig. 1.1 considere que la salida es la velocidad angular de la carga, l(t), determine A, B,
x1 (t )
x (t )
2
C,
D,
E,
y
F.
R.:
x(t ) = x3 (t ) ,
u(t)
=
[u(t)]
=
va(t),
y(t)
=
y(t)
=
[x4(t)],
x4 ( t )
x5 (t )
0
1
0
0
0
0
0
k /(n 2 J )
2
0
k
/(
n
J
)
0
k
/(
nJ
)
m
m
m
m
, B = b = 0 , C = c = [0 0 0 1 0 ], D = d = [0] = 0,
A=
0
0
0
1
0
0
k / J l
0
0
0
k / Jl
1 / La
0
nkm / La
0
0 Ra / La
0
0
E = e = 0 , y F = f = [0] = 0. La simulacin de este sistema para k = 500, n = 12, Jm = 810-4, km = 0.05, Jl = 0.02, La
1 / J l
0
= 5010-3, Ra = 1.2, va(t) = 200u(t) 100u(t - 3), y tl(t) = 0 se encuentra en la Fig. 1.4. Las cantidades estn en V, grados
sex., rpm, y A. Ntese que a pesar de que la velocidad llega a valores constantes (estable), las variables de posicin, r(t) y
l(t), crecen indefinidamente (inestable).
D.
Diferencias entre Modelo Entrada/Salida y Ecuaciones Dinmicas.
i)
El modelo E.S. supone c.i. nulas y por tanto, todo anlisis supone el reposo como condicin
inicial. Adicionalmente, no da cuentas del comportamiento interno del sistema.
En sistemas desconocidos es preferible utilizar un modelo E.S., dado que es fcil de obtenerlo
experimentalmente.
Los sistemas con mltiples retardos quedan mejor representados por modelos E.S. Las
ii)
iii)
va
1 .10
4000
200
4
5 .10
2000
1 .10
ia
4000
200
100
5 .10
2000
0
0
100
Fig. 1.4 Simulacin del accionamiento c.c. con eje flexible (parmetros en Ejemplo 1.1).
Apuntes: 543 760
iv)
v)
vi)
ecuaciones dinmicas, en general, requeriran en estos casos de aproximaciones.

Las ecuaciones dinmicas contienen toda la informacin del sistema en sus variables de estado.
Normalmente, stas tienen significado fsico.
Las c.i. pueden ser fcilmente incluidas en una representacin en ecuaciones dinmicas.
Las ecuaciones dinmicas son de primer orden por lo que su resolucin es simple.
La comparacin anterior indica una serie de ventajas de la representacin en variables de estado. Estas
caractersticas sern aprovechadas en este curso. Por otro lado, los sistemas fsicos reales son
normalmente sistemas no-lineales y para estudiar su comportamiento en torno a un punto de operacin
se puede utilizar la linealizacin como una alternativa de anlisis.
Def.: Se definen puntos de operacin a aquellos valores de u(t), x(t), e y(t), que se identificarn por
uo, xo, po, e yo, que satisfacen:

0 = Axo + Buo + Ep o , y o = Cxo + Duo + Fpo .
(1.2)
Ntese que en un punto de operacin las cantidades toman valores constantes. Sistemas que en S.S.
estn oscilando sern sujeto de transformaciones para su anlisis con herramientas aqu expuestas.
E.
Infinitas Representaciones.
Las ecuaciones dinmicas como indicadas en (1.1) pueden ser re-escritas si se define un nuevo
conjunto de variables de estado. Por ejemplo, sea el nuevo conjunto z(t) dado por z(t) = Tx(t), donde T
es una matriz cuadrada de nn (de coeficientes constantes; es decir, invariante en el tiempo), conocida
como matriz de transformacin, entonces, x(t) = T-1z(t) (T no debe ser singular) y por tanto, (1.1)
puede ser re-escrita como,
T-1 z& (t ) =AT-1z(t) + Bu(t) + Ep(t), y(t) = CT-1z(t) + Du(t) + Fp(t),
multiplicando la primera ecuacin - por la izquierda - por T, se obtiene finalmente,

z& (t ) = TAT-1z(t) + TBu(t) + TEp(t), y(t) = CT-1z(t) + Du(t) + Fp(t).
Normalmente se acostumbra a definir nuevas matrices de parmetros. Es decir, AT = TAT-1, BT = TB,

CT = CT-1, DT = D, ET = TE, y FT = F. Por lo que la representacin alternativa quedara,
z& (t ) = ATz(t) + BTu(t) + ETp(t), y(t) = CTz(t) + DTu(t) + FTp(t).
(1.3)
Es importante destacar que los vectores de entrada u(t), perturbaciones p(t), y la salida y(t) no son
alterados, tan slo las matrices de parmetros y las variables de estado originales (x(t) ha sido
reemplazada por z(t)).
Ejemplo 1.2. En el Ejemplo 1.1 se tienen las variables de estado x(t) = [x1(t) x2(t) x3(t) x4(t) x5(t)]T = [r(t) r(t) l(t) l(t)
ia(t)]T, si por razones de diseo se necesita conocer la diferencia de posicin r(t) - l(t) y no es necesaria la posicin r(t) se
puede definir a z(t) = [z1(t) z2(t) z3(t) z4(t) z5(t)]T = [r(t) - l(t) r(t) l(t) l(t) ia(t)]T como nuevas variables de estado.
1 0 1 0 0
0 1 0 0 0
Determine la transformacin T necesaria. R.: La transformacin T queda definida como, T = 0 0 1 0 0 lo que
0 0 0 1 0
0 0 0 0 1
resultara en un nuevo vector de variables de estado z(t) de la forma,
Apuntes: 543 760
z1 (t )
1
z (t )
2
0
z (t ) = z3 (t ) = Tx(t ) = 0
z4 (t )
0
z5 (t )
0
0 1
1 0
0 1
0 0
0 0
0 x1 (t ) x1 (t ) x3 (t ) r (t ) l (t )
0 x2 (t ) x2 (t ) r (t )
0 x3 (t ) = x3 (t ) = l (t )
0 x4 (t ) x4 (t ) l (t )
1 x5 (t ) x5 (t ) ia (t )
0
0
0
1
0
donde claramente el nuevo conjunto de variables de estado z(t) corresponde a lo requerido. La simulacin del sistema
resultante se muestra en la Fig. 1.5.
F.
Mnimo Nmero de Variables de Estado
El modelo circuital de la Fig. 1.2 que representa al sistema fsico de la Fig. 1.1 puede re-escribirse en
ecuaciones de estado considerando como variables de estado slo a los voltajes y corrientes en
capacitores e inductores, respectivamente. Es decir, una variable de estado por cada componente que
almacena energa. Para esto, se definen las variables: x1(t) = r(t), x2(t) = l(t), x3(t) = tr(t), y x4(t) =
ia(t), u(t) = va(t), y p(t) = tl(t), en donde x1(t) y x2(t) son equivalentes a voltajes y x3(t) es equivalente a
una corriente; por lo tanto,
va
r - l
r
4000
2
200
1
2000
0
1 .10
4000
ia
200
100
5 .10
2000
0
0
100
Fig. 1.5 Simulacin opcional del accionamiento c.c. con eje flexible (parmetros en Ejemplo 1.1) para tl = 4.
va
4000
l
4000
200
2000
2000
tr
20
100
100
ia
200
10
10
Fig. 1.6 Simulacin del accionamiento c.c. con eje flexible con mnimo nmero de variables (parmetros en Ejemplo
1.1) para tl = 4.
Apuntes: 543 760
x&1 (t ) =
k
1
x3 (t ) + m x4 (t )
2
n Jm
nJ m
x&2 (t ) =
k
1
x3 (t ) p (t )
Jl
Jl
x&3 (t ) = kx1 (t ) kx2 (t )

x&4 (t ) =
nkm
R
1
x1 (t ) a x4 (t ) + u (t )
La
La
La
Claramente, se necesitan slo cuatro variables de estado para modelar el sistema y no cinco como
fueron inicialmente consideradas. En este caso no se tienen las posiciones angulares como resultado de
la simulacin; sin embargo, se pueden calcular de las relaciones r(t) = dr(t)/dt y l(t) = dl(t)/dt. La
simulacin del sistema de ecuaciones reducido es la ilustrada en la Fig. 1.6, las cuales son idnticas a
las anteriores, excepto que ahora se tiene como variable de estado al torque tr(t). En general, determinar
el mnimo nmero de variables de estado que representa a un sistema fsico no es directo; sin embargo,
el nmero de elementos que almacenan energa y/o una equivalencia circuital siempre debiera ayudar.
o, o,
Jo, to
+ va1 ia1
m1, 1,
Jm1, tm1
n:1
1/k1
+ va2 ia2
m2, 2,
Jm2, tm2
1/k2
n:1
a)
Ra1
va1
m1
La1
+
-
ea1
+
-
te1
Jm1
1/bm1
ia1
1/k1 r
tm1
.
n :1
tr1
.
o
Jo
Ra2
va2
m2
La2
+
-
ea2
ia2
+
-
te2
Jm2
1/bm2
1/k2 r
tm2
.
n :1
to
1/bo
tr2
.
b)
Fig. 1.7 Accionamiento de dos motores de c.c. con ejes flexibles; a) sistema, b) equivalente circuital.
Apuntes: 543 760
Ejemplo 1.3. Modelar y simular el accionamiento con dos motores de c.c. como ilustrado en la Fig. 1.7(a) en donde se
busca mover con una velocidad dada el cilindro y repartir simtricamente la carga (potencia) entre los motores. R.: Sin duda
que el equivalente circuital, Fig. 1.7(b), es de ayuda inmediata para determinar las ecuaciones de estado, en particular, para
determinar el nmero de variables de estado necesario para representar el sistema. En este sistema se consideran como
variables de estado a x(t) = [x1(t) x2(t) x3(t) x4(t) x5(t) x6(t) x7(t)]T = [ia1(t) ia2(t) o(t) m1(t) m2(t) tm1(t) tm2(t)]T, a las entradas
u(t) = [u1(t) u2(t)]T = [va1(t) va2(t)]T, la perturbacin p(t) = to(t) y a las salidas o(t) y a ia1(t) - ia2(t), puesto que si esta ltima
cantidad es cero, entonces se asegura una reparticin de carga simtrica. As las ecuaciones dinmicas de este sistema
quedan dadas por:
0
0
km1 / La1
x&1 (t ) Ra1 / La1
x& (t )
0
Ra 2 / La 2
0
0
2
x&3 (t )
0
0
0
0

&
0
0
0
x4 (t ) = k m1 / J m1
x&5 (t )
0
km 2 / J m 2
0
0

0
0
nk1
k1
x&6 (t )
x& (t )
0
0
nk2
0
7
0
1/ La1
0
0
0
1/ La 2
0
1/ J o
0
u1 (t )
0
+ 0 p (t )
0
u
(
t
)
2
0
0
0
0
0
0
0
0
0
km 2 / La 2
n / Jo
1/ J m1
k2
x1 (t )
0 x2 (t )
n / J o x3 (t )
0 x4 (t ) +
1/ J m 2 x5 (t )
0 x6 (t )
0 x7 (t )
x1 (t )
x (t )
2
x3 (t )
0 0 1 0 0 0 0
y (t ) =
x4 ( t )
1
1
0
0
0
0
0
x (t )
5
x6 (t )
x (t )
7
La simulacin se muestra en la Fig. 1.8 para Ra1 = Ra2 = 0.2 , La1 = La2 = 50 mH, J1 = J2 = 1 kg m2, Jo = 10.000 kgm2, n =
1/0.07, k1 = k2 = 75.000 Nm/rad y km1 = km2 = 6 Nm/A. Las tensiones va1(t) y va2(t) se calculan para ir de 100 rpm a 120 rpm
en t = 5 s. En t = 20 s aparece un torque de carga, para lo cual se corrigen las tensiones en t = 35 s para tener nuevamente
120 rpm y liberar totalmente al motor 2 de carga. Finalmente, Ra1 aumenta al doble en t = 55 s.
G.
Linealizacin de Ecuaciones Dinmicas No-Lineales.
Las ecuaciones dinmicas de un sistema no-lineal tienen la forma general,

x& (t ) = f (x(t ), u(t ), p(t )), y (t ) = h(x(t ), u(t ), p(t )) ,
o en sus componentes,
x&1 (t ) f1 (x(t ), u(t ), p(t ))
M =
,
M
x&n (t ) f n (x(t ), u(t ), p(t ))
y1 (t ) h1 (x(t ), u(t ), p(t ))
M
M =
.
yq (t ) hq (x(t ), u(t ), p(t ))
Por lo tanto, una representacin lineal en torno a un punto de operacin dado por uo, xo, po, yo es,
x& (t ) = Ax(t ) + Bu(t ) + Ep(t ), y (t ) = Cx(t ) + Du(t ) + Fp(t ) ,
(1.4)
Apuntes: 543 760
donde,
A=
f (x(t ), u(t ), p(t ))

,
x = xo
x(t )
u =u
B=
f (x(t ), u(t ), p(t ))

,
x = xo
u(t )
u =u
o
h(x(t ), u(t ), p(t ))

,
x = xo
x(t )
u =u
o
p = po
p = po
D=
C=
p = po
h(x(t ), u(t ), p(t ))

f (x(t ), u(t ), p(t ))
h(x(t ), u(t ), p(t ))
, E=
, F=
; y x(t), u(t),
x = xo
x = xo
x = xo
u(t )
p
(
t
)
p
(
t
)
u =u
u =u
u =u
o
p =p o
p = po
p =p o
p(t), y y(t), son variaciones de x(t), u(t), p(t) e y(t), respectivamente, en torno al punto de operacin
dado por uo, xo, po, yo. Ntese que en el caso no-lineal uo, xo, po, e yo satisfacen 0 = f(xo, uo, po), yo =
h(xo, uo, po).
Ejemplo 1.4 El sistema mostrado en Fig. 1.9 es un reactor continuamente agitado donde se realiza una reaccin exotrmica
irreversible, A B. Es de inters la temperatura interna, T(t), y la concentracin de la componente A, CA(t), para lo cual se
puede manipular la temperatura del refrigerante, Tc(t). El modelo de este sistema considerando a las variables de estado x(t)
= [x1(t) x2(t)]T = [CA(t) T(t)]T, la entrada u(t) = u(t) = Tc(t) y la salida y(t) = y(t) = T(t), es,
ia1
500
ia2
500
o (rpm)
130
120
0
0
110
500
20
40
60
1 (rpm)
1800
500
20
40
60
2 (rpm)
1800
100
20
40
60
tm1
4000
2000
1600
1600
0
1400
20
40
60
tm2
4000
1400
20
40
60
2000
20
ia1 - ia2
300
40
60
40
60
Ra1
0.4
2000
200
100
2000
20
40
60
va1
1200
0.2
20
40
60
tl / 1000
va2
1200
20
20
1000
800
1000
20
40
60
800
20
40
60
20
40
Fig. 1.8 Simulacin del accionamiento de dos motores de c.c. del Ejemplo 1.3.
60
10
Apuntes: 543 760
q
C& A (t ) = ( C Af C A (t ) ) k0 e RT ( t ) C A (t )
V
q
(H ) RT (t )
UA
T& (t ) = (T f T (t ) ) +
k0 e
C A (t ) +
(Tc (t ) T (t ) )
V
C p
V C p
determine los puntos de operacin y un modelo lineal. R.: El modelo puede ser escrito como,
Rx ( t )
q
C Af x1 (t ) ) k0 e 2 x1 (t )
(
V
x&1 (t ) f1 (x(t ), u(t ))
x& (t ) = f (x(t ), u(t )) =

,
E
2 2
q
(H ) Rx2 ( t )
UA
T x2 (t ) ) +
k0 e
x1 (t ) +
( u (t ) x2 (t ) )
V ( f
C
V
C
p
p
y (t ) = h(x(t ), u(t )) = x2 (t ) ,
por lo tanto, los puntos de operacin estn dado por los valores de CA(t) = x1(t), T(t) = x2(t) y Tc(t) = u(t) tal que satisfacen,
x&1 (t ) 0
x& (t ) = 0 , la Fig. 1.10 muestra la grfica de los puntos de operacin, sta se obtiene solucionando la ecuacin anterior
2
para valores dados de la temperatura de control Tc(t).
Por otro lado, la linealizacin del sistema queda dada por las matrices,
f1 (x(t ), u(t ))
x1 (t )
A=
f 2 (x(t ), u (t ))
x1 (t )
E
q

f1 (x(t ), u (t ))
Rx2 ( t )
k
e
0
V
x2 (t )
f 2 (x(t ), u(t ))
(H ) Rx2 ( t )
k
e
x2 (t )
x = xo C p 0
u = uo
E
Rx ( t )
E
UA
q (H )
2
e
x1 (t )
+
k0
Rx2 (t ) 2
V C p x = xo
V
C p
E
Rx ( t )
k0
e 2 x1 (t )
2
Rx2 (t )
u = uo
F1
F2
Tc
Fs
T, CA
400
380
0.8
Concentracin
Temperatura en el Reactor
Fig. 1.9 Reactor continuo exotrmico, sistema no-lineal.
360
340
320
300
280
0.6
0.4
0.2
290
300
310
320
Temperatura de Control
330
0
280
290
300
310
320
Temperatura de Control
Fig. 1.10 Puntos de operacin del reactor del Ejemplo 1.4.

330
11
Apuntes: 543 760
f1 (x(t ), u(t ))
0
u (t )
= UA ,
B=
f 2 (x(t ), u(t ))
V C p
u (t )
x = xo
h(x(t ), u (t ))
C=
x1 (t )
h(x(t ), u(t ))
= [ 0 1] ,
x2 (t )
x = xo
u = uo
u = uo
D=
h(x(t ), u(t ))
u (t )
x = xo
u = uo
=0.
Dado que no se consideran perturbaciones no se tienen matrices E y F. Adems, solamente A depende del punto de
operacin. Los valores de las cantidades involucradas estn dados en la tabla siguiente.
Variable
Valor
Variable
Valor
q
CAf
Tf
V
100 L/min
1 mol/L
350 K
100 L
1000 g/L
Cp
(-H)
E/R
k0
UA
0.239 J/g K
5x104 J/mol
8750 K
7.2x1010 min-1
5x104 J/min K
La Fig. 1.11 muestra los resultados simulados para el sistema no-lineal y para el linealizado, para un cambio escaln de un
2% en la temperatura de control Tc (de 311.071 K a 317.293 K). Este cambio permite modificar la temperatura T de 385 K a
391 K. Es evidente que el modelo linealizado no representa fielmente tanto el cambio dinmico, como el esttico.
Concentracin
0.09
0.08
0.07
0.06
0.05
0.04
10
10
Temperatura
395
393
391
389
387
385
383
381
Fig. 1.11 Simulacin del reactor del Ejemplo 1.4; lneas segmentadas son las del modelo linealizado
(parmetros en Ejemplo 1.4).
12
Apuntes: 543 760
1.2 Representacin de Sistemas Alternos Tiempo Continuo.

La distribucin de la Energa Elctrica se realiza mayoritariamente en forma alterna y trifsica. La
caracterstica fundamental de esta alternativa es la variacin sinusoidal de las variables elctricas en
estado estacionario. Esto hace a estos sistemas diferir de la forma continua tradicional de encontrar las
variables de estado en donde la teora de control clsica es vlida. Por lo tanto, sistemas dinmicos
trifsicos no pueden ser analizados directamente. Afortunadamente, se dispone de transformaciones
que permiten mapear el problema original dado en cantidades variables sinusoidales a cantidades
continuas. Para esto se revisa primero la transformacin de ejes abc a 0.
A.
Transformacin abc a 0.
Un vector x(t) que representa una variable trifsica cuyas componentes son cantidades sinusoidales se
puede escribir como xabc(t), donde el superndice abc representa las coordenadas abc que se conocen
como ejes estacionarios. Por ejemplo, los voltajes de alimentacin trifsicos pueden ser escritos como,
x a (t ) V sin(t )
x abc (t ) = xb (t ) = V sin(t 120) .

x c (t ) V sin(t 240)
La transformacin de x(t) en ejes abc a x(t) en ejes 0 se logra mediante la transformacin,

x0(t) = Tabc-0(t) xabc(t),
donde, Tabc-0(t) =
x a (t ) V sin(t )
1/ 2 1/ 2
1
2
0
3 / 2 3 / 2 . Para el vector x abc (t ) = xb (t ) = V sin(t 120)
3
x c (t ) V sin(t 240)
1 / 2 1 / 2 1 / 2
x (t ) 3 / 2V sin(t )

se encuentra que x 0 (t ) = x (t ) = 3 / 2V cos(t ) . Naturalmente, la transformacin inversa existe
x 0 (t )
0
-1
T
y es T0-abc(t) = Tabc-0(t) = Tabc-0(t) , de donde,
xabc(t) = T0-abc(t) x0(t).
Esta transformacin no mapea un vector de cantidades trifsicas a cantidades continuas, pero deja en
forma explcita que si el vector de cantidades trifsicas suma cero (es l.d.), entonces hay una
componente (la 0) que siempre es nula y por lo tanto puede dejarse fuera de todo anlisis posterior.
B.
Transformacin 0 a dq0.
El vector x0(t) se puede transformar a coordenadas en ejes rotatorios dq0 mediante la transformacin,
sin(t ) cos(t ) 0
T0-dq0(t) = cos(t ) sin(t ) 0 .
0
0
1
Ntese que T0-dq0(t) es una transformacin variante en el tiempo. Por lo tanto,
xdq0(t) = T0-dq0(t) x0(t).
13
Apuntes: 543 760
x (t ) 3 / 2V sin(t )
x d (t ) 3 / 2V

Para el vector x 0 (t ) = x (t ) = 3 / 2V cos(t ) se encuentra que x dq 0 (t ) = x q (t ) = 0 ,
x 0 (t )
x 0 (t ) 0
0
con el de T0-dq0(t) igual al de las seales alternas y con la primera componente de T0-dq0(t)
sincronizada con la primera componente de xabc(t). Naturalmente, la transformacin inversa existe y es
Tdq0-0(t) = T0-dq0(t)-1 = T0-dq0(t)T, de donde,
x0(t) = Tdq0-0(t) xdq0(t).
Esta transformacin efectivamente mapea un vector de cantidades sinusoidales a cantidades continuas.
C.
Transformacin abc a dq0.
Afortunadamente, la transformacin directa entre ejes abc y ejes dq0 puede ser obtenida como, xdq0(t) =
T0-dq0(t) x0(t) = T0-dq0(t) Tabc-0(t) xabc(t) = Tabc-dq0(t) xabc(t). Por lo tanto,
Tabc-dq0(t) = T0-dq0(t) Tabc-0(t) =
sin(t ) sin(t 120) sin(t 240)

2
cos(t ) cos(t 120) cos(t 240) .
3
1 / 2
1/ 2
1/ 2
Naturalmente, la transformacin inversa existe y es Tdq0-abc(t) = Tabc-dq0(t)-1 = Tabc-dq0(t)T, de donde,

xabc(t) = Tdq0-abc(t) xdq0(t).
En forma general, la transformacin directa entre ejes abc y ejes dq0 puede ser escrita como,
Tabc-dq0(t, ) =
sin(t ) sin(t 120 ) sin(t 240 )
2
cos(t ) cos(t 120 ) cos(t 240 ) ,
1/ 2
1/ 2
1/ 2
donde (arbitrario) da cuentas de la sincronizacin con las variables a transformar.

Ejemplo 1.5. La Fig. 1.12 muestra el circuito equivalente de un compensador serie en el cual la fuente trifsica serie
vcabc(t) toma algn valor arbitrario, pero apropiado para lograr algn efecto de compensacin. Modelar el sistema en
coordenadas rotatorias. R.: El modelo por fase es,
vsa (t ) = Lt
disa (t ) a
di a (t )
di a (t )
di a (t )
+ vc (t ) + R1i1a (t ) + L1 1
, R1i1a (t ) + L1 1
= R2 i2a (t ) + L2 2 ,
dt
dt
dt
dt
vsb (t ) = Lt
disb (t ) b
di b (t )
di b (t )
di b (t )
+ vc (t ) + R1i1b (t ) + L1 1
, R1i1b (t ) + L1 1
= R2 i2b (t ) + L2 2 ,
dt
dt
dt
dt
disc (t ) c
di c (t )
di c (t )
di c (t )
+ vc (t ) + R1i1c (t ) + L1 1
, R1i1c (t ) + L1 1
= R2 i2c (t ) + L2 2 .
dt
dt
dt
dt
Definiendo los vectores en ejes abc: vsabc(t) = [vsa(t) vsb(t) vsc(t)]T, isabc(t) = [isa(t) isb(t) isc(t)]T, vcabc(t) = [vca(t) vcb(t) vcc(t)]T,
i1abc(t) = [i1a(t) i1b(t) i1c(t)]T, e i2abc(t) = [i2a(t) i2b(t) i2c(t)]T, y considerando que isabc(t) = i1abc(t) + i2abc(t) se puede escribir el
conjunto de ecuaciones anteriores como,
vsc (t ) = Lt
v sabc (t ) = Lt
di sabc (t )
di abc (t )
+ v cabc (t ) + R1i1abc (t ) + L1 1
,
dt
dt
14
Apuntes: 543 760
R1i1abc (t ) + L1
di1abc (t )
di abc (t )
di abc (t )
= R2 i sabc (t ) R2 i1abc (t ) + L2 s
L2 1
,
dt
dt
dt
lo que despus de algunas manipulaciones algebraicas queda como,
di sabc (t )
= { L1 R2 i sabc (t ) + ( L1 R2 L2 R1 )i1abc (t ) ( L1 + L2 ) v cabc (t ) + ( L1 + L2 ) v sabc (t )}/ L2 ,
dt
di1abc (t )
= {Lt R2 i sabc (t ) ( Lt R2 + Lt R1 + L2 R1 )i1abc (t ) L2 v cabc (t ) + L2 v sabc (t )}/ L2 ,
dt
donde L2 = L1L2 + LtL1 + LtL2. Considerando que xabc(t) = Tdq0-abc(t) xdq0(t) para x(t) arbitrario, entonces,
dTdq 0 abc (t )i sdq 0 (t )
{ L1 R2 Tdq 0 abc (t )i sdq 0 (t ) + ( L1 R2 L2 R1 )Tdq 0 abc (t )i1dq 0 (t )
dt
( L1 + L2 )Tdq 0 abc (t ) v cdq 0 (t ) + ( L1 + L2 )Tdq 0 abc (t ) vsdq 0 (t )}/ L2

dTdq 0 abc (t )i1dq 0 (t )
dt
= {Lt R2 Tdq 0 abc (t )i sdq 0 (t ) ( Lt R2 + Lt R1 + L2 R1 )Tdq 0 abc (t )i1dq 0 (t )

L2 Tdq 0 abc (t ) v
dq 0
c
(t ) + L2 Tdq 0 abc (t ) v
dq 0
s
(t )}/ L
Por otro lado se tiene que,
dTdq 0 abc (t )x dq 0 (t )
dt
dTdq 0 abc (t )
dt
x dq 0 (t ) + Tdq 0 abc (t )
dx dq 0 (t )
dx dq 0 (t )
= Tdq 0 abc (t ) Wx dq 0 (t ) + Tdq 0 abc (t )
,
dt
dt
0 0
para constante, donde W = 0 0 . Por lo tanto, las ecuaciones anteriores quedan finalmente en ejes dq0 como,
0 0 0
di sdq 0 (t )
= Wi sdq 0 (t ) + { L1 R2 i sdq 0 (t ) + ( L1 R2 L2 R1 )i1dq 0 (t ) ( L1 + L2 ) v cdq 0 (t ) + ( L1 + L2 ) vsdq 0 (t )}/ L2 ,
dt
is a
vs
Ltl
v la
vca
+
-
i1
v sa
R1
i2
L1
fuente
lnea de transmisin
carga 1
R2
L2
i2a
i1a
isa
carga 2
a)
b)
v sa
i2a
jLtisa
vca
jLtisa
v la
i1a
isa
jLtisa
v la
v ca
v la
i2a
i1a
v sa
isa
c)
d)
Fig. 1.12 Equivalente circuital y fasorial por fase de un compensador serie; a) circuito, b) vcabc = 0, c) |vlabc| = |vsabc| y
fuente serie aportando slo reactivos, d) |vlabc| = |vsabc| y factor de potencia unitario en la fuente.
15
Apuntes: 543 760
di1dq 0 (t )
= Wi1dq 0 (t ) + {Lt R2 i sdq 0 (t ) ( Lt R2 + Lt R1 + L2 R1 )i1dq 0 (t ) L2 v cdq 0 (t ) + L2 v sdq 0 (t )}/ L2 .
dt
Nuevamente, si el sistema es balanceado la suma de las cantidades trifsicas es cero y por lo tanto se puede obviar la
componente 0. Un desglose en sus componentes est dado por,
disd (t )
= isq (t ) + { L1 R2 isd (t ) + ( L1 R2 L2 R1 )i1d (t ) ( L1 + L2 )vcd (t ) + ( L1 + L2 )vsd (t )}/ L2 ,
dt
disq (t )
= isd (t ) + { L1 R2 isq (t ) + ( L1 R2 L2 R1 )i1q (t ) ( L1 + L2 )vcq (t ) + ( L1 + L2 )vsq (t )}/ L2 ,
dt
di1d (t )
= i1q (t ) + {Lt R2 isd (t ) ( Lt R2 + Lt R1 + L2 R1 )i1d (t ) L2 vcd (t ) + L2 vsd (t )}/ L2 ,
dt
di1q (t )
= i1d (t ) + {Lt R2 isq (t ) ( Lt R2 + Lt R1 + L2 R1 )i1q (t ) L2 vcq (t ) + L2 vsq (t )}/ L2 ,
dt
y una representacin en variables de estado es,
300
200
200
0
100
0
200
0
0.01
0.02
0.03
0.04
0.05
100
0.01
a)
0.02
0.03
0.04
0.05
0.03
0.04
0.05
b)
150
50
100
0
50
0
50
50
100
100
150
0.01
0.02
0.03
c)
0.04
0.05
150
0.01
0.02
d)
Fig. 1.13 Simulacin del Ejemplo 1.5. La tensin compensadora aparece en t = 0.02 s; a) tensin de red ejes abc,
b) tensin de red ejes dq0, c) tensin compensadora ejes abc, d) tensin compensadora ejes dq0.
16
Apuntes: 543 760
i&sd (t ) L1 R2 / L2
&q
is (t ) =
i&1d (t ) Lt R2 / L2
q
0
i&1 (t )
( L1 R2 L2 R1 ) L2
L1 R2 / L
( Lt R2 + Lt R1 + L2 R1 ) / L2
Lt R2 / L2
( L1 + L2 ) / L
L2 / L2
isd (t )
q
( L1 R2 L2 R1 ) L
is (t ) +
i1d (t )
( Lt R2 + Lt R1 + L2 R1 ) / L2 i1q (t )
0
( L1 + L2 ) / L2
( L1 + L2 ) / L2 vcd (t )
0
+
q
vc (t ) L2 / L2
0
L2 / L2
0
2
( L1 + L2 ) / L vsd (t )
vsq (t )
0
L2 / L2
0
En la representacin final se distinguen claramente las variables de estado, entradas y perturbaciones. La salida se deber
definir de acuerdo a los objetivos de control en estudio. La Fig. 1.12 tambin muestra algunas condiciones de la fuente serie
para lograr variados efectos de compensacin. La Fig. 1.13 y Fig. 1.14 muestran las formas de onda relevantes para el paso
de vc(t) = 0 a vc(t) tal que la corriente de red est en fase con la tensin de red. Se considera R1 = 2, R2 = 3, L1 = 3mH, L2 = 1
mH, Lt = 1 mH, y una tensin de red peak igual a 200 V.
1.3 Representacin de Sistemas Tiempo Discreto.

Hoy por hoy lo natural es controlar sistemas tiempo continuo con un sistema digital dada su
versatilidad como se ilustra en la Fig. 1.15. En efecto, se pueden implementar en paralelo a las rutinas
de control rutinas de supervisin, alarmas, comunicacin, despliegue, etc. Para efectos de diseo de
las estrategias de control en estos casos se optar por utilizar un equivalente discreto del sistema
continuo asumiendo la existencia de un retentor de orden cero a la entrada del mismo, Fig. 1.15. Los
200
200
100
100
0
0
100
200
0.01
0.02
0.03
0.04
0.05
100
0.01
a)
0.02
0.03
0.04
0.05
0.03
0.04
0.05
b)
150
100
100
50
0
50
0
50
100
50
0.01
0.02
0.03
c)
0.04
0.05
100
0.01
0.02
d)
Fig. 1.14 Simulacin del Ejemplo 1.5 (continuacin). La tensin compensadora aparece en t = 0.02 s; a) corriente de red
ejes abc, b) corriente de red ejes dq0, c) corriente de carga 1 en ejes abc, d) corriente de carga 1 en ejes dq0.
17
Apuntes: 543 760
detalles de estas equivalencias se encuentran en el Captulo II, Sistemas Hbridos del Apuntes de
Sistemas de Control. A continuacin se mostrarn los resultados ms relevantes.
A.
Equivalente Discreto de un Sistema Tiempo Continuo sin Retardo.
Si la planta est dada por Fig. 1.15,

x& (t ) = Ax(t ) + Bu(t ) + Ep(t ), y (t ) = Cx(t ) + Du(t ) + Fp(t ) ,
y la relacin en el actuador es,

& (t ) = A a (t ) + B a v (t ), u(t ) = Ca (t ) + Da v (t ) ,
donde (t) es el vector de estados asociados al actuador y la relacin en el sensor/transmisor se puede

escribir como,
& (t ) = A st (t ) + Bst y (t ), y s (t ) = Cst (t ) + Dst y (t ) ,
donde (t) es el vector de estados asociados al sensor/transmisor entonces luego de algo de algebra
se llega a las expresiones generales,
& (t ) A a
x& (t ) = Bc
a

& (t ) B st Dca
0 (t ) Ba
0
A
0 x(t ) + BDa v (t ) + E p(t ) ,
Bst F
Bst C A st (t ) B st DDa
0
y para la salida,
y s (t ) = [Dst DCa
(t )
Dst C Cst ] x(t ) + Dst DDa v (t ) + Dst Fp(t ) .
(t )
El sistema anterior se puede expresar como,

& (t ) = A (t ) + Bv (t ) + Ep(t ), y s (t ) = C (t ) + Dv (t ) + Fp(t ) ,
donde (t) es el vector de estados (t) = [(t)T x(t)T (t)T]T y las matrices A, B, C, D, E, y F definidas de
acuerdo a las expresiones anteriores. Un modelo discreto equivalente de las ecuaciones anteriores para
entradas constantes entre cada muestreo (uso obligatorio de un retentor de orden cero) est dado por,
(kT + T ) = A d (kT ) + Bd v (kT ) + Edp(kT ), y s (kT ) = Cd (kT ) + Dd v (kT ) + Fdp(kT ) ,
(1.5)
donde,
Ad = (T ) = e AT , Bd =
B.
{ e
T
A (T )
B d , Ed =
{ e
T
A (T )
Ed , cd = C , Dd = D y Fd = F .
Equivalente Discreto de un Sistema Tiempo Continuo con Retardo.
Si la planta est dada por Fig. 1.15, donde se asumir que algn elemento (actuador, planta y/o
sensor/transmisor) tiene un retardo que es mltiple del tiempo de muestreo e igual para todas las
entradas. Este es el caso del retardo agregado por la implementacin del algoritmo de control que
aporta un retardo igual a una unidad de tiempo discreto. En general, si se considera al actuador con un
retardo tr de lT unidades de tiempo, entonces, se puede escribir para el actuador,
18
Apuntes: 543 760
& (t ) = A a (t ) + B a v (t tr ), u(t ) = Ca (t ) + Da v (t tr ) ,
por lo que luego de algo de algebra,
& (t ) A a
x& (t ) = Bc
a

& (t ) B st Dca
0 (t ) Ba
0
A
0 x(t ) + BDa v (t tr ) + E p(t ) ,
Bst F
Bst C A st (t ) B st DDa
0
y para la salida,
(t )
Dst C Cst ] x(t ) + Dst DDa v (t tr ) + Dst Fp(t ) .
(t )
y s (t ) = [Dst DCa
El sistema anterior se puede expresar como,

& (t ) = A (t ) + Bv (t tr ) + Ep(t ), y s (t ) = C (t ) + Dv (t tr ) + Fp(t ) ,
donde (t) es el vector de estados (t) = [(t)T x(t)T (t)T]T y las matrices A, B, C, D, E, y F definidas de
acuerdo a las expresiones anteriores, que resultan iguales al caso sin retardo. Anlogamente al caso
anterior, un modelo discreto equivalente de las ecuaciones anteriores para entradas constantes entre
cada muestreo estar dado por,
(kT + T ) = A d (kT ) + Bd v (kT lT ) + Edp(kT ) e y s (kT ) = Cd (kT ) + Dd v(kT lT ) + Fdp(kT )
donde, lT es el retardo total entre la seal v(t) e ys(t) y las matrices Ad, Bd, Cd, Dd, Ed y Fd, son
idnticas al caso sin retardo. La expresin anterior no est en la forma general de ecuaciones de estado
de diferencias por la presencia del retardo lT. Sin embargo, si se definen las variables de estado,
w1 (kT ) = v (kT lT )
w1 (kT + T ) = v (kT lT + T ) = w 2 (kT )
w 2 (kT ) = v (kT lT + T )
w 2 (kT + T ) = v (kT lT + 2T ) = w 3 (kT )
y por lo tanto, M
M
w l 1 (kT ) = v (kT 2T )
w l 1 (kT + T ) = v (kT T )
w l (kT ) = v (kT T )
w l (kT + T ) = v (kT )
,
= w l (kT )
entonces, las ecuaciones discretas con retardo se pueden escribir como,
(kT + T ) A d
w (kT + T ) 0
1

w 2 (kT + T ) 0
=
M
M
w l 1 (kT + T ) 0

w l (kT + T ) 0
y para la salida,
Bd
0
0
M
0
0
0
1
0
M
0
0
L
L
L
O
L
L
0
0
0
M
0
0
0 (kT ) 0
ed
0
0 w1 (kT ) 0

0
0 w 2 (kT ) 0
+ v (kT ) + p(kT ) ,
M
M
M
M
0
1 w l 1 (kT ) 0

0 w l (kT ) 1
0
19
Apuntes: 543 760
y s (kT ) = [ Cd
Dd
(kT )
w (kT )
1
w 2 (kT )
0 L 0 0]
+ Fdp(kT ) .
M
w l 1 (kT )
w l (kT )
Ntese que ha habido un aumento en el nmero de variables de estado para la representacin del
retardo. En particular, hay l p (l es el retardo discreto y p el nmero de variables de entrada o largo del
vector v) variables de estado extras.
1.4 Matriz de Transferencia.

La M. de T. es la relacin entre la entrada y la salida de un sistema lineal en el plano de la frecuencia.
Si bien para sistemas tiempo continuo y tiempo discreto se obtienen relaciones similares, los pasos
intermedios difieren entre si.
A.
M. de T. en Sistemas Tiempo Continuo.
Se obtiene de la relacin entre u(t) e y(t) en el plano de Laplace (se asume p(t) = 0). Utilizando Laplace
en (1.1) se obtiene,
sx ( s ) x(0) = Ax ( s ) + Bu( s ), y ( s ) = Cx ( s ) + Du( s ) ,
lo que puede ser re-escrito como,

( sI A )x ( s ) = Bu( s ) + x (0), y ( s ) = Cx ( s ) + Du( s ) ,
multiplicando la primera ecuacin anterior por la izquierda por el factor (sI - A)-1 se obtiene,
x ( s ) = ( sI A ) 1 Bu( s ) + ( sI A ) 1 x (0), y ( s ) = Cx ( s ) + Du( s ) ,
finalmente,
y ( s ) = {C( sI A ) 1 B + D}u( s ) + C( sI A ) 1 x (0) .
(1.6)
Def.: La Matriz de Transferencia (M. de T.) H(s) se define como la relacin entre las entradas u(s) y
las salidas y(s) considerando c.i. nulas. Por lo tanto,
p(t)
y d(kT)
e(kT)
v(kT)
Controlador
v(t)
S/H
u(t)
y(t)
Planta
Actuador
y s(kT)
ys(t)
S
S/T
sistema digital
Fig. 1.15 Sistema tiempo continuo con un controlador tiempo discreto.

20
Apuntes: 543 760
H( s ) = C( sI A ) 1 B + D .
(1.7)
As, (1.6) se puede escribir como,

y ( s ) = H ( s )u( s ) + C( sI A) 1 x(0) .
Similarmente se podra encontrar la M. de T. entre las perturbaciones p(s) y las salidas y(s)
considerando a las c.i. y a las entradas u(s) nulas. Es importante destacar que si las c.i. son nulas no se
debe escribir H(s) = y(s)/u(s) puesto que u(s) es en general un vector y por lo tanto, tal expresin no
tiene validez matemtica. Ntese que la dimensin de H(s) es q p.
Ejemplo 1.6. Al considerar el sistema con dos entradas, tres salidas y dos variables de estado:
y1 (t ) 1 0
x&1 (t ) 0 1 x1 (t ) 2 1 u1 (t )

x1 (t )
x& (t ) = 2 3 x (t ) + 3 2 u (t ) , y2 (t ) = 0 2 x (t ) ,
2
2
2
2
y3 (t ) 1 1
determine la M. de T. R.:
s 5
1 0
2s + 3
1
1 0 0
1 2 1
1
H( s ) = 0 2 s
=
6 s 8 4 s + 4 .
0 1 2 3 3 2 s 2 + 3s + 2
1 1
5s + 7
s 7
Ntese que cada elemento de H(s) en el ejemplo anterior es una F. de T. que relaciona a una entrada
con una salida en particular. Por lo tanto, stas interactan con dinmicas que en general son distintas;
sin embargo, hay un factor comn que es el denominador s2 + 3s + 2. Este factor se desprende de,
H ( s ) = C( sI A) 1 B + D
=C
=
Adj{sI A}
det{sI A}
B+D
CAdj{sI A}B + Ddet{sI A}

det{sI A}
de donde se puede apreciar que el escalar det{sI - A} que depende de s es comn a todos.
Dado que la M. de T. H(s) relaciona las entradas u(s) y las salidas y(s), la utilizacin de una matriz de
transformacin invariante en el tiempo T no debiera afectar este resultado. En general, si se asume que
un sistema en donde se redefinen las variables de estado mediante una transformacin T resulta en una
nueva M. de T. HT(s), se tiene que,
H T ( s ) = C T ( sI A T ) 1 B T + D T
= CT 1 ( sI TAT 1 ) 1 TB + D
= CT 1 ( T( sI A )T 1 ) 1 TB + D
= CT 1T( sI A ) 1 T 1TB + D
= C( sI A ) 1 B + D
= H( s )
21
Apuntes: 543 760
lo que corrobora que la M. de T. se mantiene al utilizar transformaciones invariantes en el tiempo T.
B.
M. de T. en Sistemas Tiempo Discreto.
Se obtiene de la relacin entre la entrada u(kT) y la salida y(kT) en el plano Z (se asume p(kT) = 0) para
un sistema de la forma,
x(kT+T)= Ax(kT) + Bu(kT), y(kT) = Cx(kT) + Du(kT),
lo que resulta en,
(zI A)x(z) = zx0 + Bu(z), y(z) = Cx(z) + Du(z),
multiplicando la primera ecuacin anterior por la izquierda por el factor (zI - A)-1 se obtiene,
x(z) = (zI A)-1(zx0 + Bu(z)), y(z) = Cx(z) + Du(z),
finalmente,
y(z) = (C(zI A)-1B + D)u(z) + C(zI A)-1zx0,
(1.8)
Def.: La Matriz de Transferencia (M. de T.) H(z) se define como la relacin entre las entradas u(z) y
las salidas y(z) considerando c.i. nulas. Por lo tanto,

H ( z ) = C( zI A) 1 B + D .
(1.9)
As, (1.8) se puede escribir como,

y ( z ) = H ( z )u( z ) + C( zI A)1 zx(0) .
Similarmente se podra encontrar la M. de T. entre las perturbaciones p(z) y las salidas y(z)
considerando a las c.i. y a las entradas u(z) nulas. Ntese que la dimensin de H(z) es qp.
1.5 Retardo en Sistemas MIMO.

Los retardos son una caracterstica propia de los sistemas en donde se encuentra transporte de material.
Como en sistemas SISO tiempo continuo, los retardos quedan mejor descritos si se utiliza el plano de
Laplace. Primero, es importante considerar que la M. de T. del sistema de la Fig. 1.16(a) est dada por,
y ( s ) = (I + GC) 1 GCy d ( s ) ,
donde, C(s) ser diseado para logra caractersticas estticas y dinmicas dadas.
A.
nico Retardo.
Sea la M. de T. con un nico retardo dada por,

Ge str ,
en donde todas las entradas estn retardadas tr unidades de tiempo. Al igual que en el caso SISO, una
alternativa de control es el Predictor Smith MIMO como ilustrado en la Fig. 1.16. En este caso se tiene
que el retardo tr y el modelo G(s) son conocidos, y se debe obtener Pm(s) y C(s). Para efectos de
simplicidad se considera Hst(s) = I; no obstante, las expresiones se pueden generalizar para Hst(s)
arbitraria. La Fig. 1.16(b) muestra que,
22
Apuntes: 543 760
v ( s ) = {I + C(1 e str )Pm }1 Ce( s ) ,

por lo tanto,
y ( s ) = {I + Ge str {I + C(1 e str )Pm }1 C}1 Ge str {I + C(1 e str )Pm }1 Cy d ( s ) .
En la ecuacin anterior se encuentra la estructura (I + X)-1X que puede ser escrita como (X-1 + I)-1. As,
y d(s)
y d(t)
v(s)
v(t)
C(s)
+
-
plant a-actuador
y(s)
y(t)
G(s)
c ontrolador
ys(s)
ys(t)
Hst (s)
(a)
y d(s)
y d(t)
Predic tor Smith
+
-
v(s)
v(t)
y(s)
y(t)
G(s)e-st r
C(s)
plant a-actuador
c ontrolador
1 - e -str
Pm(s)
ys(s)
ys(t)
Hs t(s)
(b)
yd(z)
yd(kT)
Predictor Smith
+
-
z-1
C(z)
v(z)
v(kT)
v(s)
v(t)
planta-ac tuador
y(s)
y(t)
G(s)e -str
S/H
controlador
1 - z-(l+1)
P m(z)
ys (z)
ys (kT)
ys (s)
ys (t)
Hst(s)
(c)
Fig. 1.16 Predictor Smith MIMO; (a) continuo sin retardo, (a) continuo con retardo, (b) incluyendo el retardo por clculo.
23
Apuntes: 543 760
y ( s ) = {C 1{I + C(1 e str )Pm }e str G 1 + I}1 y d ( s )

= {{C1 + (1 e str )Pm }e str G 1 + I}1 y d ( s )
= {{C1 + Pm e str Pm }e str G 1 + I}1 y d ( s )
1 str
1 str
= {{C1G e + Pm G e e
str
1 str
Pm G e } + I}1 y d ( s )
= {C 1G 1e str + PmG 1e str Pm G 1 + I}1 y d ( s )

Finalmente, si se escoge Pm = G, se tiene que,
y ( s ) = {C 1G 1e str + Pm G 1e str Pm G 1 + I}1 y d ( s )

= {C 1G 1e str + Ie str I + I}1 y d ( s )
= {(C 1G 1 + I )e str }1 y d ( s )
1
1 str
= (C G + I ) e
1
= (I + GC) GCe
y d (s)
str
y d (s)
Es decir, se logra una M. de T. resultante cuya estructura corresponde a la de un sistema realimentado

con un nico retardo. Por lo tanto, se puede disear C(s) de manera tradicional considerando que el
resultado final es una planta con su retardo original. El inconveniente es la necesidad de conocer G(s) y
tr en forma exacta.
B.
Retardos Mltiples.
En sistemas MIMO es comn encontrar que cada entrada est retardada en una cantidad dada. Es decir,
el efecto de una entrada ui (i = 1,, p) sobre las salidas de un sistema esta retardado tr i unidades de
tiempo, en donde en general se tiene que tr i tr j con i j. En este caso se puede recurrir a ecualizar los
retardos de manera de tener una M. de T. resultante con un nico retardo como el caso estudiado
anteriormente. Para esto se redefinen las entradas de manera de retardar las entradas ms rpidas hasta
hacerlas igual a la entrada con efecto ms lento.
Sea la M. de T. con mltiples retardos por entrada escrita en sus componentes,
y1 ( s ) g11 ( s )e str1
y (s)
str 1
2 g 21 ( s )e
M g 31 ( s )e str 1
=
str 1
yk ( s ) g 41 ( s )e
M
M

str 1
y p ( s ) g q1 ( s )e
strp
L g 2 k ( s )e
strk
strp
L g 3 k ( s )e
strk
L g 4 k ( s )e
strk
L g1k ( s )e strk
g 22 ( s )e
str 2
g 32 ( s )e
str 2
g 42 ( s )e
str 2
g q 2 ( s )e
O
str 2
u1 ( s )
g 2 p ( s )e u 2 ( s )
st
g 3 p ( s )e rp M
,
st
g 4 p ( s )e rp u k ( s )
M
M
st
g qp ( s )e rp u p ( s )
L g1 p ( s )e
g12 ( s )e str 2
L g qk ( s )e
O
strk
la que se puede escribir como,
y1 ( s ) g11 ( s ) g12 ( s )
y (s) g ( s) g ( s)
22
2 21
M g 31 ( s ) g 32 ( s )
=
yk ( s ) g 41 ( s ) g 42 ( s )
M M
M

y p ( s ) g q1 ( s ) g q 2 ( s )
L g1k ( s ) L g1 p ( s ) e str 1 u1 ( s )
L g 2 k ( s ) L g 2 p ( s ) e str 2 u2 ( s )
L g 3k ( s ) L g 3 p ( s )
M
.
strk
L g 4 k ( s) L g 4 p ( s) e uk ( s)
O
M
O
M
M
strp
L g qk ( s ) L g qp ( s ) e u p ( s )
24
Apuntes: 543 760
Esta situacin se ilustra en la Fig. 1.17. Si la entrada uk tiene el mayor retardo que es tr k, entonces se
puede definir un conjunto v(s) = [v1(s)e-stu 1 v2(s)e-stu 2 vk(s) vp(s)e-stu p]T de p entradas cada una
retardada tu i (i = 1, , p, i k) tal que tr i + tu i = tr k (i = 1, , p, i k). Con estas nuevas entradas se
redefinen las entradas originales de manera que ui = vi(s)e-stu i (i = 1, , p, i k). Matricialmente,
y1 ( s ) g11 ( s ) g12 ( s )
y (s) g ( s) g ( s)
22
2 21
M g 31 ( s ) g 32 ( s )
=
yk ( s ) g 41 ( s ) g 42 ( s )
M M
M

y p ( s ) g q1 ( s ) g q 2 ( s )
L g1k ( s ) L g1 p ( s ) e str 1 v1 ( s )e stu1
L g 2 k ( s ) L g 2 p ( s ) e str 2 v2 ( s )e stu 2
L g 3k ( s ) L g 3 p ( s )
M
,
strk
L g 4 k ( s ) L g 4 p ( s ) e vk ( s )
O
M
O
M
M
strp
stup
L g qk ( s ) L g qp ( s ) e v p ( s )e
por lo que se tiene que,

L g1k ( s ) L g1 p ( s ) e strk v1 ( s )
L g 2 k ( s ) L g 2 p ( s ) e strk v2 ( s )
L g 3k ( s) L g 3 p ( s )
M
,
strk
L g 4 k ( s ) L g 4 p ( s ) e vk ( s )
O
M
O
M
M
strk
L g qk ( s ) L g qp ( s ) e v p ( s )
y1 ( s ) g11 ( s ) g12 ( s )
y (s) g ( s) g (s )
22
2 21
M g 31 ( s ) g 32 ( s )
=
yk ( s ) g 41 ( s ) g 42 ( s )
M M
M

y p ( s ) g q1 ( s ) g q 2 ( s )
lo que permite obtener un sistema de la forma,
y1 ( s ) g11 ( s ) g12 ( s )
y (s) g ( s) g ( s)
22
2 21
M g 31 ( s ) g 32 ( s )
=
yk ( s ) g 41 ( s ) g 42 ( s )
M M
M

y p ( s ) g q1 ( s ) g q 2 ( s )
L
L
L
L
O
L
g1k ( s )
g 2k ( s)
g 3k ( s )
g 4k ( s)
M
g qk ( s )
L
L
L
L
O
L
g1 p ( s )
v1 ( s )
v ( s)
g 2 p ( s)
2
g 3 p ( s ) strk M
e
.
g 4 p ( s)
vk ( s )
M
M
g qp ( s )
v p ( s )
La estructura anterior es de la forma y(s) = G(s)e-strkv(s), la cual puede ser analizada con el Predictor
Smith como revisado anteriormente.
Ejemplo 1.7. En un centro mdico se utilizan dosis de dopamine (DPM ug/kg/min) y sodium nitroprusside (SNP
ug/kg/min) en pacientes para mantener su cardiac output (CO ml/min/kg) y el mean arterial pressure (MAP mmHg)
v1
v2
e-tu 1
-tu 2
e-tr 1
e
e-tu p
up
y1
y2
-tr 2
uk
vk
vp
u1
u2
e-tr k
e-tr p
sistema con mltiples retardos
sistema con retardo nico
Fig. 1.17 Ecualizador de retardos para sistemas MIMO.

yq
25
Apuntes: 543 760
aceptables. Se dispone de pruebas experimentales de cambios escaln en SNP (Fig. 1.18(a)) y DPM (Fig. 1.18 (b)) (note
que para SNP = DPM = 0 se obtiene CO = 130 ml/min/kg y MAP = 120 mmHg). Se pide encontrar la M. de T. G(s) que
mejor relaciona las entradas y salidas, considerando que u = [SNP DPM]T e y = [MAP CO]T. Adems, encuentre un nuevo
conjunto de entradas tal que se logra un sistema con retardo nico. R.: Por inspeccin de la Fig. 1.18(a) se tiene que hay un
retardo comn de 1 min, ganancias dc de 12 y -6, y una constante de tiempo de 1 min para ambas respuestas. Por otro lado,
de la Fig. 1.18(b) se tiene que hay un retardo comn de 2 min, ganancias dc de 5 y 3, y constantes de tiempo de 5 y 3 min.
Con estos resultados se puede inferir que la M. de T. que relaciona y(s) y u(s) de la forma y(s) = G(s)u(s) est dada por,
6 s
e
G (s) = s + 1
12 s
e
s +1
e 2 s
3s + 1
.
5
e 2s
5s + 1
La matriz anterior permite escribir,
6
MAP( s ) s + 1
CO( s ) = 12

s +1
3
s
3s + 1 e SNP( s ) .
5 e 2 s DPM( s )
5s + 1
Esta ltima expresin indica que la primera entrada tiene menos retardo y por tanto se redefinir un nuevo conjunto de
entradas v(s) = [v1(s)e-s v2(s)]T donde la primera entrada tiene un retardo de 1 min, tal que SNP(s) = v1(s)e-s y DPM(s) =
v2(s). As, se tiene que,
6
MAP( s ) s + 1
CO( s ) = 12

s +1
3
6
s
s
e
v
(
s
)
e
1
3s + 1
= s +1
5 e 2 s v ( s ) 12
2

5s + 1
s +1
3
6
2s
e
v
(
s
)
1
3s + 1
= s +1
5 e 2 s v ( s ) 12
2

5s + 1
s +1
3
3s + 1 e 2 s v1 ( s ) ,
v ( s )
5
2
5s + 1
donde claramente las salidas MAP(s) y CO(s) estn retardadas en 2 min respecto de las nuevas entradas v1(s) y v2(s),
respectivamente.
Aquellos casos en donde la M. de T. tiene retardos distintos en cada uno de sus elementos se tratarn en
este curso mediante aproximaciones polinomiales de los retardos.
C.
Sistemas Tiempo Continuo con Retardo nico con Control Digital.
Este es el caso presentado en la Fig. 1.16(c) donde la planta continua con retardo tr es controlada por un
a)
b)
Fig. 1.18 Resultados experimentales de respuestas a entradas escaln del sistema del Ejemplo 1.7; a) respuesta para entrada
escaln en SNP, b) respuesta para entrada escaln en DPM.
26
Apuntes: 543 760
sistema digital que considera explcitamente el retardo unitario por el clculo. Fig. 1.16(c) muestra que,
v ( z ) = {I + C(1 z (l +1) )Pm }1 Cz 1e( z ) ,
por lo tanto,
y ( s ) = {I + Gz l {I + C(1 z (l +1) )Pm }1 Cz 1}1 Gz l {I + C(1 z (l +1) )Pm }1 Cz 1y d ( s ) .
En la ecuacin anterior se encuentra la estructura (I + X)-1X que puede ser escrita como (X-1 + I)-1. As,
y ( z ) = {zC1{I + C(1 z (l +1) )Pm }z l G 1 + I}1 y d ( z )

= {z{C1 + (1 z (l +1) )Pm }z l G 1 + I}1 y d ( s )
= {{C1 + Pm z (l +1) Pm }z l +1G 1 + I}1 y d ( s )
= {{C1G 1 z l +1 + Pm G 1 z l +1 z (l +1) PmG 1 z l +1} + I}1 y d ( z )

= {C1G 1 z l +1 + PmG 1 z l +1 PmG 1 + I}1 y d ( z )
Finalmente, si se escoge Pm = G, se tiene que,
y ( z ) = {C1G 1 z l +1 + Pm G 1 z l +1 Pm G 1 + I}1 y d ( z )
= {C1G 1 z l +1 + Iz l +1 I + I}1 y d ( z )
= {(C1G 1 + I ) z l +1}1 y d ( z )
= (C1G 1 + I ) 1 z (l +1) y d ( z )
= (I + GC)1 GCz (l +1) y d ( z )
Es decir, se logra una M. de T. resultante cuya estructura corresponde a la de un sistema realimentado
con un nico retardo. Por lo tanto, se puede disear C(z) de manera tradicional considerando que el
resultado final es una planta con su retardo original ms el de clculo. El inconveniente es la necesidad
de conocer G(z) y l en forma exacta.
1.6 Valores y Vectores Propios.

Una importante propiedad de una matriz cuadrada arbitraria, en particular la matriz A, dice relacin
con sus valores y vectores propios.
A.
Preliminares.
Los valores propios (tambin como autovalores o valores caractersticos) de la matriz cuadrada A de
orden n estn dado por los valores de tal que det{I - A} = 0. Este polinomio se escribe como,
det{I A} = n + an 1 n 1 + L + a1 + a0 = ( s 1 )( s 2 ) L ( s n ) ,
(1.10)
por lo que las races i (i = 1, ..., n) son los valores propios de A. Cada valor propio i tiene asociado
un vector propio vi (tambin conocido como autovector o vector caracterstico), el cual debe satisfacer,
i v i Av i = 0 ,
i = 1, ..., n
(1.11)
1
0
Ejemplo 1.8. En el caso anterior se tiene que A =
, determine los valores y autovectores propios. R.: det{sI 2 3
A} = s2 + 3s + 2 cuyos valores propios son 1 = -1 y 2 = -2, y vectores propios v1 = [0.707 -0.707]T, v2 = [-0.447 0.894]T.
27
Apuntes: 543 760
Si un valor propio k se repite m veces, entonces, los vectores propios asociados a este valor propio se
calculan como,
k v k Av k
k v k +1 Av k +1
vk
k v k + m1 Av k + m1
B.
(1.12)
= v k + m 2
Propiedades de los valores y vectores propios.
Se asume que i y vi son un valor y un vector propio de la matriz A de nn, respectivamente, entonces,
i)
Hay n valores y vectores propios (i, vi, i = 1,..., n).
ii) Los vectores propios de A son linealmente independientes (forman una base en Rn).
iii) i es un valor propio de AT.
iv) kvi es tambin un vector propio de A (con k constante 0).
v)
Los valores propios de AT = TAT-1 son tambin i. Esta propiedad se prueba a continuacin,
det{sI A T } = det{sTT 1 TAT1} = det{T( sI A )T1}
= det{T}det{sI A}det{T1} = det{sI A}

vi)
Los vectores propios de AT = TAT-1 son Tvi. Esta propiedad se prueba a continuacin,
i v i = Av i
T i v i = TAv i
i Tv i = TAT1Tv i .
i Tv i = A T Tv i
i (Tv i ) = A T (Tv i )
vii)
viii)
ix)
x)
xi)
xii)
xiii)
xiv)
xv)
El Teorema de Cayley-Hamilton indica que A n + a n 1A n 1 + L + a1A + a 0 I = 0 .

i - k es un valor propio de A - kI.
ki es un valor propio de kA.
im es un valor propio de Am (m entero > 0).
kmim + km-1im-1 + + k1i + k0 es un valor propio de kmAm + km-1Am-1 + + k1A + k0I.
1/i es un valor propio de A-1.
eit es un valor propio de eAt.
vi es un vector propio de eAt.
La suma de los valores propios es igual a la traza de A (suma de los elementos de la diagonal de
A). Es decir,
= tr{A}.
i =1
xvi) El producto de los valores propios es igual al determinante de A. Es decir,
= det{A}.
i =1
xvii) La matriz MN y la matriz NM, donde M es de pq y N es de qp tienen idnticos valores propios

distintos de cero. Especficamente, si p > q la matriz MN y NM tienen q valores propios
idnticos y adems la matriz MN tiene p q valores propios idnticos a cero.
28
Apuntes: 543 760
C.
Propiedades adicionales.
Otras propiedades importantes de matrices son,

i)
(M + N)T = MT + NT.
ii) (MN)T = NTMT.
iii) Si MT = M entonces M es simtrica.
iv) Si MT = -M entonces M es skew-simtrica.
v)
Si MT = M-1 entonces M es ortogonal.
vi) Si M*T = MH = M entonces M es Hermitian.
vii) Si M*T = -M entonces M es skew- Hermitian.
viii) Si M*T = M-1 entonces M es unitaria.
ix) S = 1/2(M + MT ) es simtrica.
x)
R = 1/2(M - MT ) es skew-simtrica.
xi) MMT es simtrica.
xii) (MN)-1 = N-1M-1.
xiii) (M-1)T = (MT)-1.
xiv) det{MT} = det{M}.
xv) det{MN} = det{NM} = det{M}det{N}.
xvi) det{kM} = kndet{M}.
1.7 Realizaciones de Sistemas.

Las realizaciones son representaciones alternativas de las variables de estado originales, de la forma z
= T x, tal que permiten un manejo ms expedito de las ecuaciones dinmicas. Para esto se utilizan
transformaciones especiales T de manera que en sistemas de una entrada/una salida (SISO) se logran
importantes propiedades.
A.
Forma Cannica Controlable, FCC.
En este caso se utiliza la transformacin T = (CM)-1 = M-1C-1, donde,

a1
a
2
2
n 1
C = B AB A B L A B , M = M
a n1
1
a 2 L a n1 1
a3 L 1 0
M O M
M ,
1 L 0 0
0 L 0 0
por lo tanto, AT = TAT-1 = (CM)-1A(CM), BT = TB = (CM)-1B, CT = CT-1 = C(CM), y DT = D.

Encontrndose que,
0
0
AT = M
0
a 0
a1
a2 L
0
0
0
0

M , B T = M .

1
0
1
a n 1
Ntese que esta representacin existe si T = (CM)-1 = M-1C-1 existe. Es decir, si det{C} 0 y det{M}
0. Atendiendo a la definicin de M se encuentra que det{M} es 1 1. Por lo tanto, la forma
cannica controlable existe si C es no singular. Esta matriz se conoce como matriz de controlabilidad.
29
Apuntes: 543 760
1
3 1
1
Ejemplo 1.9. Sea el caso donde A = 1 5 1 , B = 0 , C = [1 0 1] , y D = 0, determine su

2
0
2 4
44 12
3
2
encuentra que det{sI - A} = s + 12s + 44s + 48 por lo que a2 = 12, a1 = 44 y a0 = 48 y M = 12 1
1 0
FCC. R.: Se
1
0 , adems,
1
0
1 3 10
0 0.5 0.25
0
0
C = 0 1 10 , por lo que T = 0 2 0.5 con lo que se obtiene A T = 0

0
1 , B T = 0 ,

0 2 16
1 9
48 44 12
1
0
C T = [26 11 1] , y DT = 0. Donde se puede apreciar que slo AT y BT tienen forma definida.
B.
Forma Cannica Observable, FCO.
En este caso se utiliza la transformacin T = MO, donde,

C
a1
CA
a
2
2
O = CA , M = M
M
an 1
CA n 1
1
a2 L an 1 1
a3 L 1 0
M O M
M ,
1 L 0 0
0 L 0 0
por lo tanto, AT = TAT-1 = (MO)A(MO)-1, BT = TB = (MO)B, CT = CT-1 = C(MO)-1, y DT = D.

Encontrndose que,
0
1
A T = 0
M
0
0 L 0
a0
0 L 0 a1
1 M 0 a 2 , C T = [0 0 L 0 1] .
M L M
M
0 L 1 a n 1
Ntese que esta representacin existe si T-1 = (MO)-1 = O-1M-1 existe. Es decir, si det{O} 0 y
det{M} 0. Como en el caso anterior, la forma cannica observable existe si O es no singular. Esta
matriz se conoce como matriz de observabilidad.
Ejemplo 1.10. Sea el caso
0 0
que se obtiene A T = 1 0
0 1
0
1
1
26 14 22
anterior, determine su FCO. R.: O = 1

3
3 , por lo que T = 11 3 9 con lo
6 22 14
1 0 1
48
26
44 , B T = 11 , C T = [0 0 1] , y DT = 0. Donde se puede apreciar que slo AT y CT

1
12
tienen forma definida.
30
Apuntes: 543 760
C.
Forma Cannica Diagonal, FCD.
Esta realizacin se puede obtener si los valores propios de A son distintos entre si. En este caso se
consigue que la matriz AT = TAT-1 resultante sea de la forma,
1 0
0
2
AT =
M
M
0 0
0
L 0
= diag{1 , 2 , L , n } ,
O M
L n
L
la que es diagonal y por tanto est constituida por los valores propios de A. Para encontrar T se recurre
a (1.11) de la cual se puede formar la igualdad,
[1v1
2 v 2 L n v n ] = [Av 1
Av 2 L Av n ] ,
factorizando por A el miembro derecho se tiene,
[1v1
2 v 2 L n v n ] = A[v1
v2 L vn ],
la que se puede re-escribir como,
[ v1
v 2 L v n ] diag{1 , 2 , L , n } = A [ v1
v2 L vn ] ,
multiplicando por la izquierda por [v1 v2 ... vn]-1 se tiene,

diag{1 , 2 , L , n } = [ v1
v 2 L v n ] A [ v1
v2 L vn ] ,
de donde se puede observar que,

T = [v 1
v2 L vn ] .
1
Ejemplo 1.11. Sea el caso anterior, determine su FCD. R.: Los valores propios son 1 = -2, 2 = -4, y 3 = -6; con vectores
1
1
1
T
T
T
propios: v1 = [0.5 0 0.5] , v2 = [0.5 -0.5 0] y v3 = [0 0.5 0.5] por lo que T = 1 1 1 con lo que se obtiene
1 1 1
0
2 0
1
A T = 0 4 0 , B T = 1 , C T = [1 0.5 0.5] , y DT = 0. Donde se puede apreciar que slo AT tiene forma

0
1
0 6
definida.
En el caso de que A tenga valores propios complejos y conjugados, T contendr vectores propios
complejos y conjugados. Por lo tanto, las variables de estado resultantes seran complejas. Una
alternativa es re-definir T de la forma T = [v1 v2 ... vn]-1 para dar paso a variables de estado reales. En
general, si i y vi son complejos, entonces i+1 y vi+1 son iguales a i y vi pero conjugados. Por lo tanto,
basta tomar cmo la matriz identidad, pero con los elementos i, i+1 = 1, i+1, i = j y i+1, i+1 = -j. La
realizacin resultante tiene todas sus variables y matrices reales; sin embargo, es slo casi diagonal.
31
Apuntes: 543 760
3 1 1
Ejemplo 1.12. Sea el caso anterior, pero con A = 1 5 1 . Los valores propios son 1 = 4+2j, 2 = 4-2j, y 3 = 4;
2 2 4
con vectores propios dados por v1 = [0.25-0.25j 0.25+0.25j 0.5]T, v2 = [0.25+0.25j 0.25-0.25j 0.5]T y v3 = [0.5 0.5 0]T
0
0
j j 1
4 + 2 j
j
0.75 0.25 j
T
j
1 con lo que se obtiene A T =
0
4 2 j 0 , B T = j , C T = 0.75 + 0.25 j , y
por lo que T = j
1 1
0
4
1
1
0
1
DT = 0. Es claro que la realizacin resultante es diagonal, pero representara variables de estado complejas. Sin embargo, si
1 1 0 j j 1
1 1 0
0 0 2
se utiliza = j j 0 , se redefine la realizacin T como T = j j 0 j

j
1 = 2 2 0 con lo
0 0 1
0 0 1 1
1 1 1
1 1
4 2 0
0
0.75
que se obtiene A T = 2 4 0 , B T = 2 , C T T = 0.25 , y DT = 0. Claramente, todos los coeficientes son reales,
0 0 4
1
0.5
pero AT es ahora slo casi diagonal.
D.
Forma Cannica de Jordan, FCJ.
Esta realizacin se obtiene en el caso que existan valores propios repetidos. Para esto se forma T como
en el caso anterior pero utilizando los valores propios generalizados segn sea el caso. La realizacin
AT resultante es casi diagonal y luce como,
1
0
AT = 0
0
0
0
0
0
3
en donde se ha supuesto que 1 se repite tres veces y 2 y 3 slo una vez. Los tres bloques
identificados en AT se conocen como bloques de Jordan.
0 6 5
Ejemplo 1.13. Sea el caso anterior, pero con A = 1 0 2 . Los valores propios son 1 = 2, 2 = 1, y 3 = 1; con
3 2 4
valores propios generalizados dados por v1 = [2 -1 2] T, v2 = [1 3/7 5/7]T y v3 = [1 22/49 46/49]T por lo que
4 11 1
2 0 0
4
T= 2
6 5
con lo que se obtiene A T = 0 1 1 , B T = 2 , C T = [0 0.286 0.061] , y DT = 0.

7
0 0 1
7
28 7
Claramente, la realizacin resultante es casi diagonal.
32
Apuntes: 543 760
1.8 Alcances del Curso 547 504.

En este curso se estudiarn en profundidad slo sistemas lineales invariantes en el tiempo (S.L.I.) del
tipo tiempo continuo y discreto, cuya representacin pueda darse de la forma de ecuaciones dinmicas,
x& (t ) = Ax(t ) + Bu(t ), y (t ) = Cx(t ) + Du(t ) ,
x(kT + T ) = Ax(kT ) + Bu(kT ), y (kT ) = Cx(kT ) + Du(kT ) ,
y/o M. de T.,
H ( s ) = C( sI A ) 1 B + D ,
H ( z ) = C( z I A ) 1 B + D ,
con condiciones iniciales x0, u0 e y0 y valores en estado estacionario dados por xo, uo, e yo. Sern de
especial inters los sistemas con mltiples entradas y mltiples salidas (MIMO). Se asume que los
sistemas pueden estar sujetos a un vector de perturbaciones p(s) o p(z) de m1.
1.9 Ejercicios Propuestos.

Resuelva los problemas siguientes. Anote todo su trabajo.
A.
Nivel Bsico
1.-
Determine la FCC, FCO, FCD, y la FCJ de los siguientes sistemas. Modifique la transformacin
si aparecen variables complejas en el sistema resultante de manera de tener slo variables reales.
3 1 2
1
A = 1 5 2 , b = 0 , c = [1 0 0] , y d = 0.
1 1 4
1
a)
b)
2.-
3.-
4.-
5.-
3 1 2
1
A = 1 5 2 , b = 0 , c = [1 0 1] , y d = 0.
1 1 4
0
Determine una expresin generalizada para las variables de estado en S.S. xo de un sistema
descrito por x& (t ) = Ax(t) + Bu(t) + Ep(t), y(t) = Cx(t) + Du(t) + Fp(t), conociendo u(t) y p(t) en
S.S.; es decir, uo y po. Establezca las restricciones para que la solucin sea nica.
descrito por x(kT + T) = Ax(kT) + Bu(kT) + Ep(kT), y(kT) = Cx(kT) + Du(kT) + Fp(kT),
conociendo u(kT) y p(kT) en S.S.; es decir, uo y po. Establezca las restricciones para que la
solucin sea nica.
Determine una expresin generalizada para las entradas en S.S. uo de un sistema descrito por
x& (t ) = Ax(t) + Bu(t) + Ep(t), y(t) = Cx(t) + Du(t) + Fp(t), conociendo y(t) y p(t) en S.S.; es
decir, yo y po. Establezca las restricciones para que la solucin sea nica.
Determine una expresin generalizada para las entradas en S.S. uo de un sistema descrito por
x(kT + T) = Ax(kT) + Bu(kT) + Ep(kT), y(kT) = Cx(kT) + Du(kT) + Fp(kT), conociendo y(kT) y
p(kT) en S.S.; es decir, yo y po. Establezca las restricciones para que la solucin sea nica.
33
Apuntes: 543 760
6.-
descrito por x& (t ) = Ax(t) + Bu(t) + Ep(t), y(t) = Cx(t) + Du(t) + Fp(t), conociendo y(t) y p(t) en
S.S.; es decir, yo y po. Establezca las restricciones para que la solucin sea nica.
7.- Determine una expresin generalizada para las variables de estado en S.S. xo de un sistema
descrito por x(kT + T) = Ax(kT) + Bu(kT) + Ep(kT), y(kT) = Cx(kT) + Du(kT) + Fp(kT),
conociendo y(kT) y p(kT) en S.S.; es decir, yo y po. Establezca las restricciones para que la
solucin sea nica.
8.- Determine una expresin generalizada para la salida en S.S. yo de un sistema descrito por x& (t ) =
Ax(t) + Bu(t) + Ep(t), y = Cx(t) + Du(t) + Fp(t), conociendo u(t) y p(t) en S.S.; es decir, uo y
po. Establezca las restricciones para que la solucin sea nica.
9.- Determine una expresin generalizada para la salida en S.S. yo de un sistema descrito por x(kT +
T) = Ax(kT) + Bu(kT) + Ep(kT), y(kT) = Cx(kT) + Du(kT) + Fp(kT), conociendo u(kT) y p(kT)
en S.S.; es decir, uo y po. Establezca las restricciones para que la solucin sea nica.
10.- Porqu no es posible encontrar una expresin general como en los casos anteriores para
sistemas no-lineales; es decir, los descritos por x& (t ) = f (x(t ), u(t ), p(t )), y (t ) = h(x(t ), u(t ), p(t )) .
B.
Nivel Intermedio
1.-
Si se asume que i y vi son un valor y un vector propio de la matriz A de n n, respectivamente,

entonces demuestre que,
i es un valor propio de AT.
kvi es tambin un vector propio de A (con k constante 0).
i - k es un valor propio de A - kI.
ki es un valor propio de kA.
im es un valor propio de Am (m entero > 0).
a)
b)
c)
d)
e)
iL
vc il
R
a)
vs
b)
vl
+
e(t)
i(t)
+
v(t)
Sw(t)
PCC
L
i(t)
c)
+
e(t)
R
C
ioabc
voabc
iiabc
isabc
d)
Ri
Li
vsabc
y(t)
Ro
Lo
mabc
idc
l1
x(t)
d
vdc
Rdc
Cdc
k
fuente
compensador
carga
Fig. 1.19 Sistemas para ejercitar; a) carga de potencia constante, b) boost dc-dc, c) levitador magntico, d) compensador de
reactivos.
34
Apuntes: 543 760
f)
g)
h)
1/i es un valor propio de A-1.

eit es un valor propio de eAt.
vi es un vector propio de eAt.
i)
El producto de los valores propios es igual al determinante de A. Es decir,
2.-
Un tanque reactor continuamente agitado en el cual se lleva a cabo la reaccin A B se modela

por las ecuaciones siguientes:
3.-
(a)
(b)
(c)
(d)
n
i=1
i = det{A}.
dx1 (t )
dx2 (t )
= x1 (t ) + Da (1 x1 (t ))e x2 (t ) + u1 (t ) ,
= (1 + ) x2 (t ) + BDa (1 x1 (t ))e x2 (t ) + u2 (t )
dt
dt
donde Da = 0.1, = 3.0 y B = 19. Determine un modelo lineal {A, B, C, D, E, F} en torno a un
punto de operacin arbitrario. Encuentre un equivalente discreto y simule y compare con el
modelo continuo lineal.
Para los sistemas de la Fig. 1.19 determine una representacin del tipo x& (t ) = f (x(t ), u(t ), p(t )) ,
y(t) = h(x(t), u(t), p(t)) y encuentre una expresin para los puntos de operacin xo en funcin de
uo y po. Encuentre la realizacin {A, B, C, D, E, F} que representa el modelo linealizado en
torno a xo, uo, y po. Encuentre un equivalente discreto y simule y compare con el modelo
continuo lineal.
El sistema de la Fig. 1.19(a) representa una fuente con una carga de potencia constante por lo que
vl(t)il(t) = Pl es constante. Considere que el vector de estados es x(t) = [x1(t) x2(t)]T = [vc(t) iL(t)] T,
la entrada es u(t) = u(t) = vs(t) y la salida es x1(t) = vc(t).
La Fig. 1.19(b) muestra un circuito elevador de tensin como los utilizados en equipos porttiles
que permite producir una tensin v(t) mayor que e(t). La tensin e(t) es de 6 V pero se espera que
est entre 5 y 7 volts en condiciones de temperatura ambiente ta entre 0 y 55C. La operacin del
circuito est sujeta al encendido y apagado del switch. La razn entre el tiempo encendido y el
tiempo de encendido ms apagado es d(t), en la prctica, para la operacin del circuito se
compara una seal d(t) con una diente de sierra y de la comparacin resulta Sw(t) de encendidoapagado del switch. Los parmetros son L = 5 mH, C = 200 F, R = 12 . Se espera operar a 12
volts en la salida.
En la Fig. 1.19(c) se muestra un levitador magntico. La tensin e(t) es manipulada para que la
bolita se site a 30 cm sobre el nivel del suelo para temperaturas ambiente ta entre 0 y 55C.
Para esto se utiliza el electroimn que puede ser representado por el circuito RL de la figura,
donde R = 1 , L = 50 mH. Ntese que la inductancia L se puede considerar constante, puesto
que se asume al efecto de la proximidad de la bolita al electroimn despreciable. La fuerza de
atraccin fe que ejerce el electroimn est dada por,
i (t ) 2
f e (t ) = ki
,
y (t ) + a
donde a = 2 cm y ki = 310-3 kgm2/(s2A2). Adems, el largo l1 = 50 cm, el largo del resorte en
reposo lr = 20 cm y la posicin desde el piso l0 de la bolita cuando el resorte est en reposo es
de l0 = 30 cm. Por otro lado, M = 250 gr, k = 24.5 kg/s2, d = 1.5 kg/s y g = 9.8 m/s2.
El sistema elctrico trifsico balanceado que se muestra en la Fig. 1.19(d) representa una
alimentacin trifsica balanceada vsabc(t) un consumo dado por una carga RoLo y un compensador
paralelo que toma una corriente iiabc(t). Este ltimo es incluido por el dueo del consumo para
suministrar los reactivos absorbidos por la carga y as obtener un factor de potencia dado (0.93)
en el PCC (punto de comn acoplamiento) y no pagar multa. Se sabe que el compensador
requiere que la tensin en su barra dc, vdc(t), sea constante y mayor al mximo valor de tensin
entre lneas medido en el PCC (800 V). Adems, se puede modelar su lado ac como una fuente
trifsica en estrella de tensiones monofsicas dadas por viabc(t) = mabc(t)vdc(t), donde mabc(t) son
Apuntes: 543 760
35
tres seales moduladoras que suman cero (sinusoidales) y tienen mximos instantneos entre 0.5
y -0.5; finalmente, el modelo del lado dc es idc(t) = iiabc(t)Tmabc(t). Considerar que Li = 5 mH, Ri =
0.5 , Cdc = 200 F, Rdc = 6.4 k, Ro = 18.586 , Lo = 44.37 mH, y que la tensin de fase rms es
de 220 V. Considerando x(t) = [x1(t) x2(t) x3(t) x4(t) x5(t) x6(t)]T = [iia(t) iib(t) iic(t) ioa(t) iob(t) ioc(t)
vdc(t)]T. defina el vector en ejes rotatorios dq sincronizados con la tensin de red. En este caso el
vector de estado es x(t) = [x1(t) x2(t) x3(t) x4(t) x5(t)]T = [iid(t) iiq(t) iod(t) ioq(t) vdc(t)]T y las
ecuaciones de estado son x& = f (x, m d , m q , v s d , v s q ) . Ntese que la otra salida es el factor de potencia
instantneo en el PCC (investigue una definicin apropiada para el factor de potencia).
C.
Nivel Avanzado
1.-
Si se asume que i y vi son un valor y un vector propio de la matriz A de nn, respectivamente,

entonces demuestre que,
a)
El Teorema de Cayley-Hamilton que indica A n + a n 1A n 1 + L + a1A + a 0 I = 0 .
b)
c)
kmim + km-1im-1 + + k1i + k0 es un valor propio de kmAm + km-1Am-1 + + k1A + k0I.

La suma de los valores propios es igual a la traza de A (suma de los elementos de la diagonal de
n
A). Es decir, i =1 i = tr{A}.
d)
La matriz MN y la matriz NM, donde M es de pq y N es de qp tienen idnticos valores propios

distintos de cero. Especficamente, si p > q la matriz MN y NM tienen q valores propios
idnticos y adems la matriz MN tiene p q valores propios idnticos a cero.
Hay sistemas trifsicos en donde la frecuencia no es constante; por ejemplo, en los motores
elctricos trifsicos en donde es precisamente la velocidad la que es controlada. Una buena
alternativa de anlisis y diseo de estos sistemas es la transformacin abc a dq0; sin embargo,
sta debe ser reformulada pues ahora la cantidad es funcin del tiempo. Se pide, reformular la
transformacin abc a dq0 para estos casos.
Los sistemas monofsicos tambin se pueden abordar de manera de representarlos por variables
que en S.S. son continuas. Para esto debe encontrarse una forma de transformar la representacin
en ejes estacionarios (abc en sistemas trifsicos) a ejes rotatorios (dq0 en sistemas trifsicos). Se
pide encontrar una transformacin que logre lo indicado para lo cual asuma que la frecuencia del
sistema monofsico es constante.
2.-
3.-
36
Apuntes: 543 760
Representacin en Espacio de Estados.

En este captulo se revisan variadas propiedades de los sistemas MIMO que son
fcilmente analizadas si la representacin del sistema est en ecuaciones dinmicas. Se
destacan las propiedades de observabilidad y controlabilidad como caractersticas
bsicas para la propuesta de estrategias de control. La revisin se hace para sistemas
continuos y discretos.
2.1 Introduccin.
La teora de sistemas lineales es quizs la ms completa y la ms desarrollada al momento de ser
aplicada al problema de control. Su utilizacin cubre tambin a los sistema no-lineales que permiten
una linealizacin en torno al punto de operacin de inters. Por estas razones, es importante tener un
buen dominio de esta teora.
La solucin de las ecuaciones de estado del sistema continuo,

se divide en la respuesta a entrada cero (con u = 0), la cual satisface,
x& ec (t ) = Axec (t ), y ec (t ) = Cxec (t ) ,
(2.1)
con xec(0) = x0 y la respuesta a c.i. cero, la cual satisface,
x& ci (t ) = Axci (t ) + Bu(t ), y ci (t ) = Cxci (t ) + Du(t ) ,
(2.2)
con xci(0) = 0. Ambas respuestas cumplen con el principio de linealidad al igual que con el de
aditividad. Es decir, la solucin total es la suma de ambas respuestas.
Similarmente, la solucin de las ecuaciones de estado del sistema discreto,
x(kT + T ) = Ax(kT ) + Bu(kT ), y (kT ) = Cx(kT ) + Du(kT ) ,

se divide en la respuesta a entrada cero (con u = 0), la cual satisface,
xec (kT + T ) = Axec (kT ), y ec (kT ) = Cxec (kT ) ,
(2.3)
con xec(0) = x0 y la respuesta a c.i. cero, la cual satisface,
xci (kT + T ) = Ax ci (kT ) + Bu(kT ), y ci (kT ) = Cx ci (kT ) + Du(kT ) ,
(2.4)
con xci(0) = 0. Ambas respuestas cumplen con el principio de linealidad al igual que con el de
aditividad. Es decir, la solucin total es la suma de ambas respuestas.
2.2 Respuesta a Entrada Cero en Sistemas Continuos.

La ecuacin (2.1) se re-escribe como,
x& (t ) = Ax(t ), y (t ) = Cx(t ) ,
37
Apuntes: 543 760
con x(0) = x0, en donde el subndice ha sido suprimido. Para solucionar esta ecuacin hay dos
alternativas, usando series y usando Laplace.
A.
Utilizando Series.
Se deriva la ecuacin dx(t)/dt = Ax(t) sucesivamente, por lo que se puede escribir,
x& (t ) = Ax(t )
&&
x(t ) = Ax& (t ) = AAx(t ) = A 2 x(t )
M
x ( k ) (t ) = A k x(t )
de donde se puede observar que x(k)(0) = Akx(0) = Akx0. Como Ak existe para todo k finito, x(t) se
puede se puede expresar utilizando Taylor como,
1
1
&&
x(t ) t =0 t 2 + L + x ( k ) (t ) t k + L
t =0
2!
k!
1
1
= x 0 + Ax 0t + A 2 x 0t 2 + L + A k x 0t k + L
,
k!
2!
1
1
= I + At + A 2 t 2 + L + A k t k + L x 0
k!
2!
x(t ) = x(0) + x& (t ) t = 0 t +
el trmino en parntesis siempre converge y por su similitud con la serie de Taylor de una exponencial
se denota como eAt, es ms, se le conoce como matriz de transicin de estados.
Def.: La matriz de transicin de estados (t) se define por,
(t ) = e At = I + At +
1 2 2
1
A t +L+ Akt k +L.
2!
k!
(2.5)
Si bien la expresin como serie infinita para la matriz de transicin es generalizada, su utilizacin se da
slo por algoritmos numricos. Algunas propiedades de (t) = eAt son,
e A0 = I
e A ( t1 + t2 ) = e At1 e At2
( e At ) 1 = e At
T
e A t = ( e At ) T .
Ae At = e At A
d At
e = Ae At
dt
Finalmente, la respuesta a entrada cero es,
x (t ) = (t )x 0 = e At x 0 .
(2.6)
38
Apuntes: 543 760
B.
Utilizando Laplace.
Se aplica Laplace a dx(t)/dt = Ax(t), por lo que se obtiene,

sx( s ) x(0) = Ax( s )
( sI A ) x ( s ) = x 0
,
1
x ( s ) = ( sI A ) x 0
por lo tanto,
x (t ) = L1{( sI A ) 1}x 0 .
Al comparar este resultado con el obtenido mediante series de Taylor se puede concluir que,
(t ) = e At = L1{( sI A ) 1 } .
(2.7)
Contrariamente a la serie infinita (2.5), este ltimo resultado (2.7) es de gran utilidad para el clculo
manual de (t).
As, utilizando (2.6), la respuesta a entrada cero es,
y (t ) = Cx (t ) = Ce At x 0 = CL1{( sI A ) 1}x 0 .
(2.8)
1
0
0
Ejemplo 2.1. Dado el sistema descrito por x& = Ax + Bu , y = Cx + Du , donde A =
, B = , C = [1 0] y
2 3
1
s 1
1
D = [0] . Determine (t) y xec(t) con x0 = [1 1]T. R.: En este caso: sI A =
, por lo que, ( sI A ) =
2 s + 3
s + 3 1
, finalmente, (t ) =
2
s + 3s + 2 2 s
2e t e 2t
{( sI A ) 1 } =
t
2t
2e + 2e
e t e 2t
. La respuesta a entrada
e t + 2e 2 t
2e t e 2t + e t e 2t
cero es x ec (t ) = (t )x 0 =
. La Fig. 2.1 muestra grficamente cmo evoluciona el vector
t
2t
t
2t
2e + 2e e + 2e
xec(t) a partir de su condicin inicial x0. Ntese que la representacin es en un plano dado que hay dos variables de estado;
es decir, n = 2.
En el ejemplo anterior, los argumentos de las exponenciales en las expresiones de cada elemento de la
matriz (t) son las races del polinomio s2 + 3s + 2. Estas races son a su vez los valores propios de A.
A continuacin se comentan algunos resultados de estas relaciones.
xec2(t)
xec(0) = x0
1.0
-1.0
xec(t)
xec1(t)
Fig. 2.1 Representacin grfica de la respuesta a entrada cero del Ejemplo 2.1.
39
Apuntes: 543 760
C.
Modos de Oscilacin en Sistemas Continuos.
La matriz de transicin utiliza la matriz

( sI A) 1 =
Adj{sI A}
det{sI A}
en donde cada elemento de la matriz Adj{sI - A} es de orden menor o igual a n-1 y el escalar det{sI A} es de orden n. Por lo tanto, cada elemento de esta matriz puede escribirse,
a11
a12
a
a 22
+
+ L + 21 +
+L ,
2
s s1 ( s s1 )
s s2 ( s s 2 ) 2
donde s1, s2, ..., sn son las races de det{sI - A}. Al tomar Laplace inverso para obtener los elementos
de (t), stos toman la forma,
a11e s1t + a12 te s2t + L + a 21e s2t + a 22 te s2t + L ,

en donde claramente se observa que cada elemento se formar a partir de las races del escalar det{sI A}. Como estas races si son tambin por definicin los valores propios i de A, se puede concluir que
la matriz de transicin de A tiene exponenciales cuyos exponentes estn formados por los valores
propios de A. Estos son tambin conocidos como los modos de oscilacin de A.
Por otro lado, dado que un valor propio i y su respectivo vector propio vi de A estn relacionados por
Avi = ivi, se puede escribir,
Av i = i v i
A 2 v i = AAv i = A i v i = i Av i = i i v i = 2i v i
A 3 v i = AA 2 v i = A2i v i = 2i Av i = 2i i v i = 3i v i ,
M
A k v i = ki v i
de esta manera, al multiplicar la expresin de la matriz de transicin por la derecha por el vector vi se
tiene,
1 2 2
1
A t vi + L + Akt k vi + L
2!
k!
1
1
= v i + i v i t + 2i v i t 2 + L + ki v i t k + L
2!
k!
1
1
= v i + i tv i + 2i t 2 v i + L + ki t k v i + L .
2!
k!
1
1
= 1 + i t + 2i t 2 + L + ki t k + L v i
2!
k!
it
= e vi
e At v i = Iv i + Atv i +
Esta ltima expresin indica que la matriz de transicin eAt tiene por valores propios a eit y por
vectores propios a vi. Un importante y prctico resultado de esto es que la respuesta a entrada cero para
una condicin inicial x0 correspondiente a un vector propio vi se simplifica a,
x (t ) = (t )x 0 = e At v i = e i t v i ,
40
Apuntes: 543 760
es decir, slo el modo i es excitado y la respuesta tiene la direccin de vi y con una magnitud dada por
eit.
Ejemplo 2.2. Dado el ejemplo anterior determine xec(t) con x0 igual a sus vectores propios. R.: En este caso
2e t e 2t
e t e 2t
x ec (t ) = (t ) v i =
v i . Donde los vectores propios de A pueden tomar los valores: v1 = [-1
t
2t
e t + 2e 2 t
2e + 2e
1
0.447
1]T y v2 = [-0.447 0.894]T. As, las respuestas a entrada cero son: x ec (t ) = e t y x ec (t ) = e 2t
,
1

0.894
respectivamente. La Fig. 2.2 muestra grficamente cmo evoluciona el vector xec(t) a partir de su condicin inicial v1 y v2.
Ntese que las grficas son lneas rectas; es decir, las trayectorias son en la direccin del vector propio correspondiente.
Dado que los valores propios son negativos, ambas trayectorias terminan en el origen del plano para t .
Si los valores propios son complejos y conjugados, stos tendrn asociados vectores propios complejos
y conjugados. En este caso, la condicin inicial deber tomarse como x0 = vi + vi* (donde vi* es el
conjugado de vi); por lo tanto,
x (t ) = e At ( v i + v *i )
= e At v i + e At v *i
*
= e it v i + e it v *i
= 2{e i t v i }
donde i* es el valor propio i conjugado.
2.3 Respuesta a Entrada Cero en Sistemas Discretos.

La ecuacin (2.3) se re-escribe como,
x(kT + T ) = Ax(kT ), y (kT ) = Cx(kT ) ,
con x(0) = x0, en donde el subndice ha sido suprimido. Para solucionar esta ecuacin hay dos
alternativas, usando series y usando la Transformada Z.
A.
Utilizando Series.
De la expresin x(kT + T) = Ax(kT) se puede escribir,
xec2(t)
1.0
xec(0) = v1
xec(0) = v2
-1.0
xec1(t)
Fig. 2.2 Representacin grfica de la respuesta a entrada cero del Ejemplo 2.2.
41
Apuntes: 543 760
x(T ) = Ax(0)
x(2T ) = Ax(T ) = AAx(0) = A 2 x(0)
x(kT ) = A k x(0)
Por lo tanto,
x(kT ) = A k x(0) ,
y consecuentemente la matriz de transicin de estados es,
Def.: La matriz de transicin de estados (kT) se define por,
(kT ) = A k .
(2.9)
x(kT ) = (kT )x 0 = A k x 0 .
(2.10)
Finalmente, la respuesta a entrada cero es,
B.
Utilizando la Transformada Z.
Se aplica la Transformada Z a x(kT + T) = Ax(kT), por lo que se obtiene,
zx( z ) zx(0) = Ax( z )

( zI A ) x ( z ) = zx 0
x( z ) = ( zI A) 1 zx 0
por lo tanto,
x(kT ) = Z 1{( zI A) 1 z}x 0 .
Al comparar este resultado con el obtenido mediante series se puede concluir que,
(kT ) = Z 1{( zI A) 1 z} .
(2.11)
Contrariamente a la serie infinita (2.9), este ltimo resultado (2.11) es de gran utilidad para el clculo
manual de (kT).
As, utilizando (2.10), la respuesta a entrada cero es,
y (kT ) = Cx(kT ) = CA k x 0 = CZ 1{( zI A) 1 z}x 0 .
Ejemplo 2.3. Dado el sistema descrito por
x(kT + T ) = Ax(kT ) + Bu(kT ) ,
(2.12)
y (kT ) = Cx(kT ) + Du(kT ) , donde
1
A= 1
, B = , C = [1 0] y D = [0] . Determine (kT) y xec(kT) con x0 = [1 1]T. R.: En este caso: zI A =
1
0 2
0
0
z 1
z 2
1
, por lo que, ( zI A) 1 =
, finalmente, (kT ) = 1{( zI A) 1 z}
0
z 2
z 1
( z 1 )( z 2 ) 0
42
Apuntes: 543 760
k 0
k
= 1
. La respuesta a entrada cero es xec (kT ) = (kT )x 0 = 1k . Ntese que la convergencia est asegurada si los
k
0 2
2
valores propios de la matriz A estn al interior del crculo unitario.
C.
Modos de Oscilacin en Sistemas Discretos.
La matriz de transicin utiliza la matriz

( zI A ) 1 z =
Adj{zI A}z
det{zI A}
en donde cada elemento de la matriz Adj{zI - A} es de orden menor o igual a n-1 y el escalar det{zI A} es de orden n. Por lo tanto, cada elemento de esta matriz puede escribirse,
a11 z
a12 z
a z
za22
+
+ L + 21 +
+ L,
2
z z1 ( z z1 )
z z 2 ( z z2 ) 2
donde z1, z2, ..., zn son las races de det{zI - A}. Al tomar Laplace inverso para obtener los elementos
de (kT), stos toman la forma,
a11 z1k + a12 kTz1k + L + a21 z2k + a22 kTz2k + L ,
en donde claramente se observa que cada elemento se formar a partir de las races del escalar det{zI A}. Como estas races zi son tambin por definicin los valores propios i de A, se puede concluir que
la matriz de transicin de A tiene potencias cuyos exponentes estn formados por los valores propios de
A. Estos son tambin conocidos como los modos de oscilacin de A.
Similarmente, dado que un valor propio i y su respectivo vector propio vi de A estn relacionados por
Avi = ivi, se puede escribir, Akvi = ikvi. Un importante y prctico resultado de esto es que la respuesta
a entrada cero para una condicin inicial x0 correspondiente a un vector propio vi se simplifica a,
x(kT ) = (kT )x 0 = A k v i = ik v i ,
es decir, slo el modo i es excitado y la respuesta tiene la direccin de vi y con una magnitud dada por
i k.
2.4 Respuesta a c.i. Cero en Sistemas Continuos.

La solucin de (2.2) se re-escribe como la ecuacin,

con x(0) = 0, en donde el subndice ha sido suprimido. Para solucionar esta ecuacin se puede utilizar
Laplace. Aplicando Laplace a ambos miembros se tiene,
sx ( s ) = Ax ( s ) + Bu( s ),
y ( s ) = Cx ( s ) + Du( s ) ,

( sI A )x ( s ) = Bu( s ),
y ( s ) = Cx ( s ) + Du( s ) ,
multiplicando la primera ecuacin anterior por la izquierda por el factor (sI - A)-1 se obtiene,
x ( s ) = ( sI A ) 1 Bu( s ) ,
43
Apuntes: 543 760
por lo que los estados x(t) para c.i. nulas son,

t
x (t ) = e A ( t ) Bu( )d .
0
(2.13)
Por otro lado, la salida queda como,
y ( s ) = C( sI A ) 1 Bu( s ) + Du( s ) = {C( sI A ) 1 B + D}u( s ) .

por lo que la respuesta en el tiempo es,
t
y (t ) = Ce A ( t ) Bu( )d + Du(t ) .
0
(2.14)
Alternativamente, la salida en Laplace se puede expresar como,
y ( s ) = H( s )u( s ) + Du( s ) .
por lo que la respuesta en el tiempo sera,
y (t ) = L1{H( s )u( s )} + Du(t ) .

o tambin,
y ( s ) = CL{e At }Bu( s ) + Du( s ) ,

Dado que el sistema es lineal, la respuesta total de estos sistemas puede ser escrita como la suma de la
respuesta a entrada cero y la respuesta a c.i. nulas. As los estados estaran dados por la suma de (2.6) y
(2.13),
t
x (t ) = e At x 0 + e A ( t ) Bu( )d ,
0
(2.15)
y la salida por la suma de (2.8) y (2.14),

t
y (t ) = Ce At x 0 + Ce A ( t ) Bu( )d + Du(t ) .
0
(2.16)
2.5 Respuesta a c.i. Cero en Sistemas Discretos.

La solucin de (2.4) se re-escribe como la ecuacin,
x(kT + t ) = Ax(kT ) + Bu(kT ), y (kT ) = Cx(kT ) + Du(kT ) ,

con x(0) = 0, en donde el subndice ha sido suprimido. Para solucionar esta ecuacin se puede utilizar
la Transformada Z. Aplicando Z a ambos miembros se tiene,
zx( z ) = Ax( z ) + Bu( z ), y ( z ) = Cx( z ) + Du( z ) ,
( zI A)x( z ) = Bu( z ), y ( z ) = Cx( z ) + Du( z ) ,
multiplicando la primera ecuacin anterior por la izquierda por el factor (zI - A)-1 se obtiene,
x( z ) = ( zI A)1 Bu( z ) ,
por lo que los estados x(kT) para c.i. nulas son,
44
Apuntes: 543 760

k 1
x(kT ) = (kT T iT )Bu(iT ) .
(2.17)
i=0
Por otro lado, la salida queda como,

y ( z ) = C( zI A ) 1 Bu( z ) + Du( z ) = {C( zI A ) 1 B + D}u( z ) .
por lo que la respuesta en el tiempo es,
y (kT ) = C (kT T iT )Bu(iT ) + Du(kT ) .
(2.18)
i =
Alternativamente, la salida en Z se puede expresar como,

y ( z ) = H ( z )u( z ) + Du( z ) .
por lo que la respuesta en el tiempo sera,
y (kT ) = Z 1{H ( z )u( z )} + Du(kT ) .
o tambin,
y ( z ) = CZ {A k }Bu( z ) + Du( z ) ,
Dado que el sistema es lineal, la respuesta total de estos sistemas puede ser escrita como la suma de la
respuesta a entrada cero y la respuesta a c.i. nulas. As los estados estaran dados por la suma de (2.10)
y (2.17),
k 1
x(kT ) = A k x 0 + (kT T iT )Bu(iT ) ,
(2.19)
i=0
y la salida por la suma de (2.12) y (2.18),

k 1
y (kT ) = CA k x 0 + C (kT T iT )Bu(iT ) + Du(kT ) .
(2.20)
i =0
2.6 Observabilidad en Sistemas Continuos.

El circuito elctrico de la Fig. 2.3 tiene por entrada a la corriente is y por variables de estado a los
voltajes en los capacitores vc1 y vc2, y a la corriente del inductor iL. Si slo se pudiera medir el voltaje
en el capacitor C1, podra deducirse las restantes variables de estado a partir de esta variable ?.
Cmo cambiara esta respuesta si se miden otras variables ?. El concepto de observabilidad ayudar a
responder estas interrogantes y dar paso a otras alternativas de anlisis y diseo de estrategias de
control.
vc2
iL
vc1
L
C2
is
C1
Ro
Fig. 2.3 Circuito elctrico.

45
Apuntes: 543 760
Def.: Un sistema L.I.T. es observable si el estado inicial x(0) = x0 puede ser deducido en forma nica a
partir del conocimiento de la entrada u(t) y la salida y(t) para todo tiempo t entre 0 y T > 0.
Es importante destacar que si x0 puede ser deducido, entonces tambin se puede deducir x(t) para
0 t T. Esto porque slo x0 es desconocido en la expresin de los estados (2.15). Es decir,
observabilidad indica que podemos deducir los estados para 0 t T.
A.
Estados no observables y observabilidad.
Def.: Un estado x 0 es no observable si la solucin a entrada cero y(t) con x(0) = x es cero para
todo t 0.
Dado que la respuesta a entrada cero en este caso es y(t) = CeAtx , entonces x es no observable si se
cumple que CeAtx = 0 para todo t 0. Geomtricamente en un sistema con una salida, dado que y(t) =
Cx(t), entonces x es no observable si se cumple que el vector de estados de la solucin a entrada cero
es ortogonal al vector C. Es importante destacar que en la caracterstica de observabilidad slo estn
involucradas las matrices A y C; por esta razn, normalmente se habla de si el par {A, C} es o no
observable.
Teorema: Un sistema L.I.T. es observable (o tambin el par {A, C}) si y slo si no tiene estados no
observables.
El teorema anterior es del tipo p (L.I.T. es observable) q (no hay estados no observables), o p q y
q p o del tipo q/ p/ y q p. Por lo tanto, el teorema se prueba si se demuestra esto ltimo; es
decir, (a) si hay un estado no observable entonces el sistema es no observable y (b) si no hay estados no
observables entonces el sistema es observable.
(a) Sea x 0 un estado no observable y x1 0 un estado arbitrario que al ser considerado condicin
inicial generar una salida para entrada cero y1(t) = CeAtx1. Sea ahora x2 = x1 + x , con 0, que
al ser considerado condicin inicial generar una salida para entrada cero y2(t) = CeAtx1 + CeAtx
= CeAtx1 = y1(t). Se observa que dos condiciones iniciales distintas generan igual salida, por lo que
sera imposible discriminar entre stas a partir de la salida y1(t).
(b) Se debe probar que al no haber estados no observables entonces el sistema es observable. Sea el
estado inicial x0 0 por lo que la salida a entrada cero es y(t) = CeAtx0. Si se multiplican ambos
lados por la izquierda por (CeAt)T se tiene,
(Ce At )T y (t ) = (Ce At )T Ce At x 0 ,
si ahora se integra se tiene,
(Ce At ) T y (t )dt = M(T )x 0 ,
donde M(T) esta dado por,

T
M(T ) = (Ce At ) T Ce At dt ,
0
por lo que x0 puede ser deducido como,

46
Apuntes: 543 760

T
M(T ) 1 (Ce At )T y (t )dt = x 0 ,

0
lo cual es vlido si M(T) es no singular, lo que se puede concluir si M(T) es una matriz definida
positiva; es decir, si x0TM(T)x0 > 0, para todo x0 0. A partir de la expresin de M(T) se puede
escribir que,
T
x T0 M(T )x 0 = x T0 (Ce At )T Ce At dtx 0

0
= (Ce At x 0 )T (Ce At x 0 )dt ,

0
= Ce At x 0 dt
0
dado que no hay estados no observables, el argumento de la integral es siempre un nmero

positivo, por ende su integral tambin lo es. En definitiva, la matriz M(T) es definida positiva y su
inversa siempre existe.
B.
Tests de observabilidad.
Hay dos tests de observabilidad que son prcticos para encontrar los x0 que satisfacen CeAtx0 = 0. Estos
tests estn fundamentados en teoremas a saber.
Teorema: El vector x es no observable si y slo si,
C
CA
CA 2 x = 0 .
M
CA n1
(2.21)
El teorema anterior es del tipo p (x es no observable) q (se cumple (2.21)), o p q y q p. Por

lo tanto, el teorema se prueba si se demuestra esto ltimo; es decir, (a) si hay un estado x no
observable entonces se cumple (2.21) y (b) si se cumple (2.21) entonces hay estados no observables.
(a) Sea x 0 un estado no observable entonces se cumple que al ser considerado condicin inicial
generar una salida para entrada cero CeAtx = 0, t 0. Por lo que sus derivadas para t = 0
tambin son cero; es decir,
Ce At x
t =0
= Cx = 0
d
Ce A t x
= CAe At x
= CAx = 0
t
=
0
t =0
dt
d2
Ce At x
= CA 2 e At x
= CA 2 x = 0 ,
2
t
=
0
t
=
0
dt
M
dk
Ce At x
dt k
t =0
= CA k e At x
t =0
= CA k x = 0
que corresponde a la ecuacin (2.21) desarrollada en sus componentes.

47
Apuntes: 543 760
(b) Se debe probar que al cumplirse (2.21) entonces hay estados no observables. La ecuacin (2.21) se
puede descomponer en Cx = CAx = CA2x = = CAn-1x = 0. El teorema de Cayley-Hamilton
indica que An = -an-1An-1 - an-2An-2 - - a1A - a0I, por lo que al multiplicar esta expresin por la
izquierda por C y por la derecha por x se tiene, CAnx = -an-1CAn-1x - an-2CAn-2x - - a1CAx
- a0Cx que es igual a cero de acuerdo a la descomposicin de (2.21). Es decir, CAnx = 0. De la
misma manera, la expresin derivada del Teorema de Cayley-Hamilton se multiplica por A y luego
se multiplica por la izquierda por C y por la derecha por x , con lo que se deduce que CAn+1x = 0.
De la misma manera se puede generalizar que CAkx = 0 k n. Este resultado en combinacin
con (2.21) indica que CAkx = 0 k 0. Por otro lado, la salida se puede expresar como,
A 2t 2
Ak t k
Ce A t x = C I + At +
+L +
+ L x
2!
k!
2 2
CA t x
CA k t k x
= Cx + CAtx +
+L +
+L,
2!
k!
CA 2 x t 2
CA k x t k
= Cx + CAx t +
+L +
+L
2!
k!
la cual se reduce a cero utilizando el hecho de que CAkx = 0 k 0. Por lo tanto, x es no
observable.
Considerando que la matriz involucrada en (2.21) es la matriz de observabilidad O, el teorema anterior
indica que existe un vector no observable si O cumple con (2.21) para algn x ; es decir, si x es
ortogonal a cada fila de O. En otras palabras, las filas de la matriz O no son una base en el espacio ndimensional que puedan generar x , o tambin, el rango de O es menor a n. Es decir, no hay estados no
observables y el sistema es observable si y slo si el rango de O es n. Ntese que es importante definir la
observabilidad en funcin del rango dado que O no necesariamente es cuadrada. De hecho su dimensin
es de (qn)n (q: nmero de salidas). En el caso de ser cuadrada (una salida), rango{O} = n es
equivalente a det{O} 0. Es decir, con q = 1, un sistema L.I.T. es observable si det{O} 0.
1
3 1
Ejemplo 2.4. Dado el sistema descrito por x& = Ax + Bu , y = Cx + Du , con A = 1 5 1 . Determinar
2
2 4
0
1
observable al medir x1, x2, x3, x1 - x2, y al medir x1 y x2. R.: En el primer caso C = [1 0 0] , por lo que O = 3 1
10 6
si es
0
1
1
0
0
que tiene det{O} = 0, por lo que no es observable; en el segundo caso C = [0 1 0] , por lo que O = 1 5 1 que
10 26 10
0
1
0
tiene det{O} = 0, por lo que no es observable; en el tercer caso C = [0 0 1] , por lo que O = 2
2
4 que tiene
16 16 20
1 0
1
det{O} = 0, por lo que no es observable; en el cuarto caso C = [1 1 0] , por lo que O = 2

6
0 que tiene
0 32 4
48
Apuntes: 543 760
0
0
1
0
1
0
3 1
1
1 0 0
det{O} = 16, por lo que es observable; y en el quinto caso C =
, por lo que O = 1 5 1 que tiene un
0 1 0
10 6 6
10 26 10
rango{O} = 3, por lo que es observable. En conclusin, la medicin de una variable no permite obtener las restantes. La
medicin de x1 - x2 permite derivar la tercera variable de estado. Medir x1 y x2 permite obtener x3. Estas consideraciones
sern de utilidad al disear esquemas de control que requieran las variables de estado como informacin.
Teorema: El par {A, C} no es observable si y slo si para algn vector propio v k de A se cumple,
Cvk = 0.
(2.22)
El teorema anterior es del tipo p (par {A, C} no es observable) q (se cumple que Cvk = 0), o q p
y p q. Por lo tanto, el teorema se prueba si se demuestra esto ltimo; es decir, (a) si hay un vector
propio vk que cumple Cvk = 0 entonces el par {A, C} no es observable y (b) si el par {A, C} no es
observable entonces hay un vector propio vk que cumple con Cvk = 0.
(a) Sea vk un vector propio que cumple Cvk = 0, si se utiliza vk como condicin inicial entonces el
vector de estados es x(t) = eAtvk = ektvk (con k el valor propio asociado al vector vk). Por lo que la
salida es y(t) = Cx(t) = Cektvk = ektCvk. Como Cvk = 0, entonces y(t) = 0 y por lo tanto el sistema
no es observable.
(b) Los vectores propios forman un base por lo tanto cualesquier vector x0 0 (en particular si x0 es no
observable) puede ser generado a partir de la combinacin lineal x0 = a1v1 + a2v2 + +anvn (con
ak coeficientes a encontrar para cada x0). Si x0 se usa como condicin inicial, el vector de estados
queda x(t) = eAtx0 = eAt(a1v1 + a2v2 + + anvn) = a1eAtv1 + a2eAtv2 + + aneAtvn = a1e1tv1 +
a2e2tv2 + + anentvn = a1v1e1t + a2v2e2t + + anvnent. Por lo que salida sera y(t) = Cx(t) =
a1Cv1e1t + a2Cv2e2t + + anCvnent. Dado que x0 es no observable entonces y(t) = 0 t y por lo
tanto deber cumplirse que a1Cv1 = a2Cv2 = = anCvn = 0. Como x0 0, entonces hay al menos
un ak 0 y por ende el correspondiente Cvk = 0 para cumplir con la expresin anterior.
En el caso de sistemas no observables, este teorema permite encontrar los modos no observables. Estos
corresponden a los valores propios k para los cuales su vector propio asociado vk cumple con Cvk = 0.
En otras palabras, estas dinmicas no se reflejan en la salida y(t).
Ejemplo 2.5. En el ejemplo anterior se encontr que el sistema es no observable al medir x1. Determine el o los modos no
1
3 1
observables. R.: En este caso A = 1 5 1 y C = [1 0 0] por lo que los valores propios son 1 = -2, 2 = -4 y 3
2
2 4
= -6; y los vectores propios son, respectivamente, v1 = [1 0 1]T , v2 = [1 1 0]T, y v3 = [0 1 1]T. Por lo que Cv1 = 1, Cv2 = 1,
y Cv3 = 0. Por lo tanto, el modo no observable es 3 = -6. La Fig. 2.4 muestra grficamente esta situacin, claramente, C es
perpendicular a v3. Ntese que la representacin es en un espacio tridimensonal dado que hay tres variables de estado; es
decir, n = 3.
49
Apuntes: 543 760
Ejemplo 2.6. Determine la observabilidad del ejemplo del reactor exotrmico. R.: En este caso se tienen las matrices
E
q k e Rx2
0
V
A=
E
(H ) k 0 e Rx2
C p
k0
h(x, u)
Rx 22
y C=
E
x1
q ( H )
E Rx2
UA
+
k0
e
x
1
V
C p
VC p x = xo
Rx 22
E
Rx
e 2
x
1
h(x, u)
x 2
x= xo
= [0 1] por lo
u =uo
u =u o
que la matriz de observabilidad depende del punto de operacin. La Fig. 2.5(a) muestra el determinante de esta matriz para
diferentes puntos de operacin. Si en cambio se considera a la concentracin CA como salida del sistema, se tiene que C = [1
0] y por lo tanto el determinante de la matriz de observabilidad es distinto y toma valores como ilustrado en la Fig. 2.5(b).
En ambos casos se tiene que el determinante es distinto de nulo para valores prcticos de la temperatura T. Esto implica que
si se tiene disponible una variable de estado, se puede determinar la otra numricamente.
2.7 Observabilidad en Sistemas Discretos.

Similarmente al caso continuo es extienden los conceptos de observabilidad a sistemas discretos.
Def.: Un sistema L.I.T. es observable si el estado inicial x(0) = x0 puede ser deducido en forma nica a
partir del conocimiento de la entrada u(kT) y la salida y(kT) para todo tiempo t entre 0 y lT > 0.
Es importante destacar que si x0 puede ser deducido, entonces tambin se puede deducir x(kT) para
0 kT lT. Esto porque slo x0 es desconocido en la expresin de los estados (2.19). Es decir,
observabilidad indica que podemos deducir los estados para 0 kT lT.
A.
Estados no observables y observabilidad.
Def.: Un estado x 0 es no observable si la solucin a entrada cero y(kT) con x(0) = x es cero para
todo kT 0.
Dado que la respuesta a entrada cero en este caso es y(kT) = CAkx , entonces x es no observable si se
cumple que CAkx = 0 para todo kT 0. Geomtricamente en un sistema con una salida, dado que
y(kT) = Cx(kT), entonces x es no observable si se cumple que el vector de estados de la solucin a
entrada cero es ortogonal al vector C. Es importante destacar que en la caracterstica de observabilidad
slo estn involucradas las matrices A y C; por esta razn, normalmente se habla de si el par {A, C} es
v3
v1
v2
Fig. 2.4 Representacin grfica de los vectores propios y el vector C del Ejemplo 2.5.
50
Apuntes: 543 760
o no observable.
Teorema: Un sistema L.I.T. es observable (o tambin el par {A, C}) si y slo si no tiene estados no
observables.
El teorema anterior es del tipo p (L.I.T. es observable) q (no hay estados no observables), o p q y
q p o del tipo q/ p/ y q p. Por lo tanto, el teorema se prueba si se demuestra esto ltimo; es
decir, (a) si hay un estado no observable entonces el sistema es no observable y (b) si no hay estados no
observables entonces el sistema es observable.
(a) Sea x 0 un estado no observable y x1 0 un estado arbitrario que al ser considerado condicin
inicial generar una salida para entrada cero y1(kT) = CAkx1. Sea ahora x2 = x1 + x , con 0,
que al ser considerado condicin inicial generar una salida para entrada cero y2(kT) = CAkx1 +
CAkx = CAkx1 = y1(kT). Se observa que dos condiciones iniciales distintas generan igual salida,
por lo que sera imposible discriminar entre stas a partir de la salida y1(kT).
(b) Se debe probar que al no haber estados no observables entonces el sistema es observable. Sea el
estado inicial x0 0 por lo que la salida a entrada cero es y(kT) = CAkx0. Si se multiplican ambos
lados por la izquierda por (CAk)T se tiene,
(CA k )T y (kT ) = (CA k )T CA k x 0 ,
si ahora se suman l componentes se tiene,
l 1
(CA
) y (kT ) = M (lT )x 0 ,
k T
i =0
donde M(lT) esta dado por,

l 1
M (lT ) = (CA k )T CA k ,
i =0
por lo que x0 puede ser deducido como,

l 1
M (lT )1 (CA k )T y (kT ) = x 0 ,

i =0
1000
|O |
|O |
0.02
2000
0.04
3000
4000
300
320
340
360
380
a)
400
0.06
300
320
340
360
380
400
b)
Fig. 2.5 Determinante de la matriz de observabilidad considerando como salida a; a) temperatura, T, b) concentracin, CA.
51
Apuntes: 543 760
lo cual es vlido dado que M(lT) es no singular y que se demuestra como en los casos continuos.
B.
Tests de observabilidad.
Hay dos tests de observabilidad que son prcticos para encontrar los x0 que satisfacen CAkx0 = 0. Estos
tests estn fundamentados en teoremas a saber.
Teorema: El vector x es no observable si y slo si,
C
CA
CA 2 x = 0 .
M
CA n1
(2.23)
El teorema anterior es del tipo p (x es no observable) q (se cumple (2.23)), o p q y q p. Por

lo tanto, el teorema se prueba si se demuestra esto ltimo; es decir, (a) si hay un estado x no
observable entonces se cumple (2.23) y (b) si se cumple (2.23) entonces hay estados no observables.
(a) Sea x 0 un estado no observable entonces se cumple que al ser considerado condicin inicial
generar una salida para entrada cero CAkx = 0, kT 0; es decir,
CA k x
CA k x
CA k x
k =0
k =1
k =2
= Cx = 0
= CAx = 0
= CA 2 x = 0
M
CA k x
k = n 1
= CA n 1x = 0
que corresponde a la ecuacin (2.23) desarrollada en sus componentes.

(b) Se debe probar que al cumplirse (2.23) entonces hay estados no observables. La ecuacin (2.23)
indica que CAkx = 0 k 0. Por lo que x es no observable.
Considerando que la matriz involucrada en (2.23) es la matriz de observabilidad O y que el sistema es
observable si y slo si el rango de O es n. Ntese que es importante definir la observabilidad en funcin
del rango dado que O no necesariamente es cuadrada. De hecho su dimensin es de (qn)n (q: nmero
de salidas). En el caso de ser cuadrada (una salida), rango{O} = n es equivalente a det{O} 0. Es
decir, con q = 1, un sistema L.I.T. es observable si det{O} 0.
Teorema: El par {A, C} no es observable si y slo si para algn vector propio vl de A se cumple,
Cvl = 0.
(2.24)
El teorema anterior es del tipo p (par {A, C} no es observable) q (se cumple que Cvk = 0), o q p
y p q. Por lo tanto, el teorema se prueba si se demuestra esto ltimo; es decir, (a) si hay un vector
52
Apuntes: 543 760
propio vl que cumple Cvl = 0 entonces el par {A, C} no es observable y (b) si el par {A, C} no es
observable entonces hay un vector propio vl que cumple con Cvl = 0.
(a) Sea vl un vector propio que cumple Cvl = 0, si se utiliza vl como condicin inicial entonces el
vector de estados es x(kT) = Akvl = lkvl (con l el valor propio asociado al vector vl). Por lo que la
salida es y(kT) = Cx(kT) = Clkvl = lkCvl. Como Cvl = 0, entonces y(kT) = 0 y por lo tanto el
sistema no es observable.
(b) Los vectores propios forman un base por lo tanto cualesquier vector x0 0 (en particular si x0 es no
observable) puede ser generado a partir de la combinacin lineal x0 = a1v1 + a2v2 + +anvn (con
al coeficientes a encontrar para cada x0). Si x0 se usa como condicin inicial, el vector de estados
queda x(kT) = Akx0 = Ak(a1v1 + a2v2 + + anvn) = a1Akv1 + a2Akv2 + + anAkvn = a11kv1 +
a22kv2 + + annkvn = a1v11k + a2v22k + + anvnnk. Por lo que salida sera y(kT) = Cx(kT) =
a1Cv11k + a2Cv22k + + anCvnnk. Dado que x0 es no observable entonces y(kT) = 0 kT y por
lo tanto deber cumplirse que a1Cv1 = a2Cv2 = = anCvn = 0. Como x0 0, entonces hay al
menos un al 0 y por ende el correspondiente Cvl = 0 para cumplir con la expresin anterior.
En el caso de sistemas no observables, este teorema permite encontrar los modos no observables. Estos
corresponden a los valores propios l para los cuales su vector propio asociado vl cumple con Cvl = 0.
En otras palabras, estas dinmicas no se reflejan en la salida y(kT).
2.8 Controlabilidad de Sistemas Continuos.

Al retomar el circuito elctrico de la Fig. 2.3 surge otra importante pregunta. Si se considera que la
corriente is es la entrada, es posible llevar el voltaje del capacitor C1 a un valor arbitrario en un tiempo
finito ?. En forma ms restrictiva se podra preguntar: es posible llevar las variables de estado - los
voltajes en los capacitores vc1 y vc2, y a la corriente del inductor iL - a valores arbitrarios en un tiempo
finito ?. El concepto de controlabilidad ayudar a responder las interrogantes anteriores, las cuales a su
vez permitirn desarrollar nuevas estrategias de control.
Def.: Un S.L.I. es controlable si para cada x1 y T > 0 existe una funcin de entrada u(t) tal que el
sistema es llevado del estado inicial x0 en t = 0 al estado final x1 en t = T.
De la expresin de los estados (2.15) se puede deducir que sta tiene por valor en t = T a,
T
x (T ) = x 1 = e AT x 0 + e A ( T ) Bu( )d .
0
Dado que x1 es un valor deseado de alcanzar, la expresin anterior indica que u() puede ser escogida
de manera de dar el valor requerido a la integral y as obtener dicho valor. Es decir, es el valor de la
integral - respuesta a c.i. nulas - la que define si es controlable o no un determinado sistema. Ntese
que la definicin asegura que es posible llevar el sistema a cualesquier estado x1 en un tiempo finito T,
que no necesariamente es parte de un punto de operacin del sistema. Es decir, esta caracterstica
asegura que el sistema puede estar a lo menos para un instante dado en el estado x1.
A.
Estados no controlables y controlabilidad.
Def.: Un estado x 0 es no controlable si la respuesta a c.i. nulas x(t) es ortogonal a x para todo t
0 y para todas las funciones de entrada u(t).
53
Apuntes: 543 760
Esta definicin se puede expresar como,
A ( t )
Bu( )d = x
e
0
Bu(t )d = x e A Bu(t )d = 0 ,
0
la cual debe cumplirse para t 0. Por lo que no hay otra opcin que x eAtB = 0 t 0. Al revisar la
definicin de estado no observable se aprecia una gran similitud con esta ltima expresin; de hecho, al
tomar la transpuesta de la condicin de controlabilidad, se obtiene la condicin de observabilidad pero
considerando BT como C y AT como A.
Teorema: Un S.L.I. es controlable (o tambin el par {A, B}) si y slo si no tiene estados no
controlables.
El teorema anterior es del tipo p (L.I.T. es controlable) q (no hay estados no controlables), o p q
y q p o del tipo q/ p/ y q p. Por lo tanto, el teorema se prueba si se demuestra esto ltimo; es
decir, (a) si hay un estado no controlable entonces el sistema es no controlable y (b) si no hay estados
no controlables entonces el sistema es controlable.
(a) Sea x 0 un estado no controlable, por lo tanto todas las respuestas a c.i. nulas son ortogonales a
x por lo que ningn estado x(Tf) que no sea ortogonal a x es alcanzable.
(b) Se debe probar que al no haber estados no controlables entonces el sistema es controlable. Si en la
T
expresin de la respuesta a c.i. nulas evaluada en t = Tf se define la entrada u(Tf - ) = BTeA v, con
v un vector constante a encontrar, se tiene,
x(T f ) =
Tf
e A Bu(T f )d =
Tf
e A BB T e A vd =
Tf
(B T e A )T (B T e A )dv = N(T f ) v ,
(2.25)
como N(Tf) es definida positiva (debido a similares razones utilizadas para M(Tf) en el caso de la
observabilidad), la solucin para v existe y es nica.
2
2 0
Ejemplo 2.7. Dado el sistema descrito por x& = Ax + Bu , y = Cx + Du , con A =
y B = b = 2 . Determine
0

los puntos de operacin para el vector de estados xo para una entrada arbitraria uo = uo (dado que uo es un escalar) y la
entrada u(t) = u(t) para llevar el sistema a x(Tf) = [1 -2]T en un tiempo Tf = 0.5. R.: De la definicin de punto de operacin se
tiene que xo = -A-1Buo = -A-1Buo = [1 -0.333]Tuo; es decir, los valores alcanzables como puntos de operacin estn en la
direccin dada por el vector -A-1B = [1 -0.333]T. Se asume que el sistema es controlable, de (2.25) se tiene que
e 2 t
0
T
u(t) = BTeA (T f- t)N(Tf)-1x(Tf). Como A es diagonal A = AT, por lo tanto eAt =
y
6t
e
0
8T
1 (e 2T f ) 2
0.5(e f 1)
N (T f ) =
.
8T f
6T
1) (1 (e f ) 2 ) / 3
0.5(e
Por
lo
que
la
expresin
1
para
la
entrada
est
dada
por
2T
8T
e 2(T f t )
0 1 (e f ) 2
0.5(e f 1) 1
u (t ) = [2 2]
. Los resultados de simulacin en funcin del
6 ( T f t )
8T f
6T f 2
1) (1 (e
e
) ) / 3 2
0
0.5(e
tiempo se muestran en la Fig. 2.6(a) y en forma paramtrica en Fig. 2.6(b). Se observa que el sistema pasa por el x(Tf) = [1 2]T en Tf = 0.5 como requerido. Se destaca la familia de puntos de operacin que no contienen el vector x(Tf) = [1 -2]T.
54
Apuntes: 543 760
B.
Tests de controlabilidad.
En este caso se utiliza la dualidad entre observabilidad y controlabilidad para determinar los tests. Para
esto se escribe la condicin de controlabilidad como,
T
x e A B = B T e A x = 0 ,
condicin que luce idntica a la de observabilidad pero considerando C = BT y A = AT. Por lo que
probar la controlabilidad es idntico a probar la observabilidad del sistema ficticio dado por,
x& = A T x,
y = BT x .
Por lo tanto, un estado no controlado x satisface,
BT
T T
B A2
BT AT x = x
B T A T n 1
[B
AB A 2 B L A n 1B = 0 .
As, un sistema es controlable si no existen x que satisfacen la expresin anterior, para lo cual,
AB A 2B L A n 1B ]} = rango{C} = n .
rango{[ B
Ntese que si C es cuadrada, se puede utilizar el test basado en el determinante de C. Es decir, un

sistema es controlable si det{C} 0.
El test de los vectores propios tambin se aplica en este caso. As, el par {A, B} no es controlable si y
slo si para algn vector propio wk de AT se cumple, BTwk = 0. El modo wk se denomina modo no
controlable. Un anlisis interesante es el siguiente,
x& = Ax + Bu ,
multiplicando por la izquierda por wkT y considerando que wkTA = (ATwk)T = (kwk)T = kwkT (donde k
es el valor propio asociado a wk) se tiene,
w Tk x& = w Tk
dx d ( w Tk x )
=
= w Tk Ax + w Tk Bu = k w Tk x + w Tk Bu ,
dt
dt
si el modo k es no controlable, entonces BTwk = wkTB = 0, por lo que finalmente,

x2(t)
x2(t)
-A-1B
xo
0
x(Tf)
u(t)/10
-2
-2
x1(t)
-4
-4
0
0.2
(a)
0.4
0.5
x1(t)
(b)
Fig. 2.6 Representacin grfica de la respuesta a entrada cero del Ejemplo 2.7; a) Respuesta en el tiempo, b) paramtrica.
55
Apuntes: 543 760
d ( w Tk x )
= k w Tk x ,
dt
de donde claramente se ve que el modo k no es afectado por la entrada y por tanto no es controlable.
1
3 1
1
&
Ejemplo 2.8. Dado el sistema descrito por x = Ax + Bu , y = Cx + Du , con A = 1 5 1 y B = 1 . Determine

2
0
2 4
si es controlable. Si no lo es, determine el o los modos no controlables. R.: En este caso, la matriz de controlabilidad es
4
1 2
C = 1 6 36 que tiene un det{C} = 0, por lo que no es controlable. Los valores propios de AT son 1 = -2, 2 = -4 y
0 4 32
3 = -6; y los vectores propios de AT son, respectivamente, w1 = [1 1 1]T , w2 = [1 -1 -1]T, y w3 = [-1 -1 1]T. Por lo que BTw1
= 2, BTw2 = 0, y BTw3 = -2. Por lo tanto, el modo no controlable es 2 = -4. Se anticipa que la regin alcanzable es un plano
dado que hay slo un modo no controlable.
Ejemplo 2.9. Determine la controlabilidad del ejemplo del reactor exotrmico. R.: En este caso se tiene que las matrices
E
q k e Rx2
0
V
son A =
E
(H ) k 0 e Rx2
C p
f1 (x, u)
0
u
Rx 22
UA por lo que la
=
=
y
B
E
f 2 (x, u)
V C
p
q ( H )
E Rx2
UA
x = xo
u
+
k0
e
x
1
2
V
C p
VC p x = xo
u =u o
Rx 2
E
k0
Rx
e 2
x
1
u =u o
matriz de controlabilidad depende del punto de operacin. La Fig. 2.7 muestra el determinante de esta matriz para diferentes
puntos de operacin. Se puede observar que el determinante es distinto de nulo para valores prcticos de la temperatura T.
Esto implica que es posible llevar la temperatura T y la concentracin CA a valores arbitrarios que no necesariamente son los
puntos reoperacin mediante la manipulacin de la temperatura Tc.
Ejemplo 2.10. En el ejemplo del eje flexible - como indicado en el Ejemplo 1.1 - que considera una representacin con 5
variables de estado dadas por: x1 = r, x2 = r, x3 = l, x4 = l, y x5 = ia; adems de: u = va, p = Tl e y = x4 = l, determine si
es controlable y/o observable. R.: Para este caso las matrices A, B, y C estn dadas en el Ejemplo 1.1 por lo que se
4 2
1 kmk
encuentra que la matriz de controlabilidad C = [B AB A2B A3B A4B] tiene un determinante det{C} = 5 4 4 2 =
La n J m J l
0.3
|C |
0.2
0.1
0
300
320
340
360
380
400
Fig. 2.7 Determinante de la matriz de controlabilidad.

56
Apuntes: 543 760
1.4721018 y la matriz de observabilidad OT = [CT (CA)T (CA2)T (CA3)T] tiene un determinante det{O} = 0. Por lo tanto, la
representacin es controlable, pero no observable. Sin embargo, si se utiliza el equivalente circuital del sistema como
ilustrado en la Fig. 1.2 donde hay slo cuatro elementos almacenadores de energa y por tanto se tienen cuatro ecuaciones
dinmicas para su representacin, se tiene que x1 = r, x2 = l, x3 = tr, y x4 = ia; adems de, u = va, p = tl, e y = x2 = l. As,
km
1
0
0
2
0
n J m J mn
0
1
0

0
0
A=
, B = b = 0 , C = c = [0 1 0 0 ]. Por lo tanto, se encuentra que la matriz de
Jl
k
1
k
0
0
nk

R
m
a
La
0
0
La
La
controlabilidad C = [B AB A2B A3B] tiene un determinante det{C} =
[CT (CA)T (CA2)T] tiene un determinante det{O} =
k m3 k 2
L4a
n 3 J m3 J l
0 y la matriz de observabilidad OT =
1 2 km
k
0. Por lo tanto, esta ltima representacin es controlable y
J l3
nJ m
observable.
2.9 Controlabilidad de Sistemas Discretos.

Como anteriormente, el concepto de controlabilidad se extiende a sistemas discretos.
Def.: Un S.L.I. es controlable si para cada x1 y lT > 0 existe una funcin de entrada u(kT) tal que el
sistema es llevado del estado inicial x0 en kT = 0 al estado final x1 en kT = lT.
De la expresin de los estados (2.19) se puede deducir que sta tiene por valor en kT = lT a,
l 1
x(lT ) = A l x 0 + (lT T iT )Bu(iT ) .

i=0
Dado que x1 es un valor deseado de alcanzar, la expresin anterior indica que u(i) puede ser escogida
de manera de dar el valor requerido a la sumatoria y as obtener dicho valor. Es decir, es el valor de la
sumatoria - respuesta a c.i. nulas - la que define si es controlable o no un determinado sistema. Ntese
que la definicin asegura que es posible llevar el sistema a cualesquier estado x1 en un tiempo finito lT,
que no necesariamente es parte de un punto de operacin del sistema. Es decir, esta caracterstica
asegura que el sistema puede estar a lo menos para un instante dado en el estado x1.
A.
Estados no controlables y controlabilidad.
Def.: Un estado x 0 es no controlable si la respuesta a c.i. nulas x(kT) es ortogonal a x para todo
kT 0 y para todas las funciones de entrada u(kT).

Esta definicin se puede expresar como,
k 1
k 1
(kT T iT )Bu(iT ) = x A
T
i=0
i =0
k 1i
k 1
Bu(iT ) = x
k 1
A Bu(kT iT ) = x
i
i =0
i =0
A i Bu(kT iT ) ,
57
Apuntes: 543 760

T
la cual debe cumplirse para kT 0. Por lo que no hay otra opcin que x AkB = 0 kT 0. Al revisar
la definicin de estado no observable se aprecia una gran similitud con esta ltima expresin; de hecho,
al tomar la transpuesta de la condicin de controlabilidad, se obtiene la condicin de observabilidad
pero considerando BT como C y AT como A.
Teorema: Un S.L.I. es controlable (o tambin el par {A, B}) si y slo si no tiene estados no
controlables.
El teorema anterior es del tipo p (L.I.T. es controlable) q (no hay estados no controlables), o p q
y q p o del tipo q/ p/ y q p. Por lo tanto, el teorema se prueba si se demuestra esto ltimo; es
decir, (a) si hay un estado no controlable entonces el sistema es no controlable y (b) si no hay estados
no controlables entonces el sistema es controlable.
(a) Sea x 0 un estado no controlable, por lo tanto todas las respuestas a c.i. nulas son ortogonales a
x por lo que ningn estado x(Tf) que no sea ortogonal a x es alcanzable.
(b) Se debe probar que al no haber estados no controlables entonces el sistema es controlable. Si en la
expresin de la respuesta a c.i. nulas evaluada en kT = lTf se define la entrada u(lTf - iT) =
i
BT(A )Tv, con v un vector constante a encontrar, se tiene,
l 1
l 1
l 1
i =0
i =0
i =0
x(lT ) = A i Bu(lT f iT ) = A i BBT ( A i )T v = (BT ( A i )T )T BT ( A i )T v = N (lT f ) v ,
(2.26)
como N(Tf) es definida positiva (debido a similares razones utilizadas para M(Tf) en el caso de la
observabilidad), la solucin para v existe y es nica.
B.
Tests de controlabilidad.
En este caso se utiliza la dualidad entre observabilidad y controlabilidad para determinar los tests. Para
esto se escribe la condicin de controlabilidad como,
x T A k B = BT ATk x = 0 ,
condicin que luce idntica a la de observabilidad pero considerando C = BT y A = AT. Por lo que
probar la controlabilidad es idntico a probar la observabilidad del sistema ficticio dado por,
x(k + 1) = AT x(k ),
y ( k ) = B T x( k ) .
Por lo tanto, un estado no controlado x satisface,
BT
T T
B A2
BT AT x = x
B T A T n 1
[B
AB A 2 B L A n 1B = 0 .
As, un sistema es controlable si no existen x que satisfacen la expresin anterior, para lo cual,
rango{[ B
AB A 2B L A n 1B ]} = rango{C} = n .
Ntese que si C es cuadrada, se puede utilizar el test basado en el determinante de C. Es decir, un

sistema es controlable si det{C} 0.
58
Apuntes: 543 760
El test de los vectores propios tambin se aplica en este caso. As, el par {A, B} no es controlable si y
slo si para algn vector propio wk de AT se cumple, BTwk = 0. El modo wk se denomina modo no
controlable. Un anlisis interesante es el siguiente,
x(k + 1) = Ax(k ) + Bu(k ) ,
multiplicando por la izquierda por wkT y considerando que wkTA = (ATwk)T = (kwk)T = kwkT (donde k
es el valor propio asociado a wk) se tiene,
w Tk x(k + 1) = w Tk Ax(k ) + w Tk Bu(k ) = k w Tk x(k ) + w Tk Bu(k ) ,
si el modo k es no controlable, entonces BTwk = wkTB = 0, por lo que finalmente,

w Tk x(k + 1) = k w Tk x(k ) ,
de donde claramente se ve que el modo k no es afectado por la entrada y por tanto no es controlable.
2.10 Observabilidad y Controlabilidad en Realizaciones.

La utilizacin de realizaciones modifica las matrices A, B, C, y D y dado que las caractersticas de
observabilidad y controlabilidad dependen de stas, es importante estudiar cmo se alteran estas
propiedades. Por ejemplo, si una realizacin {A, B, C, D}x es controlable/observable y se define la
realizacin {AT, BT, CT, DT}z, donde z(t) = Tx(t) con T una transformacin invariante tal que T-1
existe, es la nueva realizacin siempre controlable/observable ?.
A.
Observabilidad en Sistemas Continuos.
Dada la realizacin, x& = Ax + Bu , y = Cx + Du ; si se define z = Tx, entonces, z& = A T z + B T u ,

y = C T z + D T u , donde, AT = TAT-1, BT = TB, CT = CT-1, y DT = D. Por lo que la matriz de
observabilidad de la nueva representacin es,
CT1 C
CT1
CT

C A
1
1
1
CAT CA
T T CT TAT
O T = CT A T 2 = CT1 (TAT 1 )2 = CA 2 T1 = CA 2 T 1 = OT1 .

M
M
M

M

CT A T n1 CT 1 (TAT1 ) n 1 CA n1T 1 CA n 1
Claramente, las propiedades de observabilidad se mantienen, puesto que si O es cuadrada, del resultado
anterior se deriva que det{OT} = det{O}det{T-1}; como el sistema original es observable entonces
det{O} 0 y dado que T y T-1 existen entonces det{T-1} 0 por lo que det{OT} 0 y por tanto la
nueva realizacin es observable.
Por otro lado, la condicin de modos observables para la nueva realizacin sera CT(Tvk ) = 0, puesto
que los vectores propios de AT son Tvk (con vk vector propio de A). Esta condicin por tanto podra
escribirse como 0 = CT-1(Tvk ) = Cvk que corresponde a la condicin original. Es decir, si la
realizacin original es observable, entonces lo es la nueva realizacin.
B.
Observabilidad en Sistemas Discretos.
Dada la realizacin, x(k + 1) = Ax(k ) + Bu(k ) , y (k ) = Cx(k ) + Du(k ) ; si se define z(k) = Tx(k),
entonces, z (k ) = A T z (k ) + B Tu(k ) , y (k ) = CT z (k ) + DTu(k ) , donde, AT = TAT-1, BT = TB, CT = CT-1,
y DT = D. Por lo que el mismo anlisis anterior es vlido y por tanto las conclusiones.
59
Apuntes: 543 760
C.
Controlabilidad en Sistemas Continuos.
Un anlisis similar al anterior muestra que la matriz de controlabilidad de la nueva representacin es,
C T = B T A T B T A T 2B T L ( A T )n 1 B T
= TB TAT1TB (TAT 1 )2 TB L (TAT 1 )n 1 TB
= TB TAB TA 2 B L TA n 1B
= T B AB A 2B L A n 1B
= TC
As, las propiedades de controlabilidad se mantienen, puesto que si C es cuadrada, del resultado anterior
se deriva que det{CT} = det{T}det{C}; como el sistema original es controlable, entonces det{C}
0 y dado que T y T-1 existen entonces det{T} 0 por lo que det{CT} 0 y por tanto la nueva
realizacin es controlable.
Por otro lado, la condicin de modos controlables para la nueva realizacin sera BTT([TT]-1wk ) = 0,
puesto que los vectores propios de ATT son [TT]-1wk (con wk vector propio de AT). Esta condicin por
tanto podra escribirse como 0 = (TB)T([TT]-1wk ) = BTTT[TT]-1wk = BTwk que corresponde a la
condicin original. Es decir, si la realizacin original es controlable, entonces lo es la nueva
realizacin.
D.
Controlabilidad en Sistemas Discretos.
Similarmente al caso de la observabilidad, las conclusiones para la controlabilidad se pueden extrapolar

al caso discreto. Por tanto, los tests se pueden utilizar igualmente en este caso.
E.
Diagrama para la Controlabilidad y Observabilidad.
Una representacin en diagrama de bloques de la forma cannica diagonal del sistema x& = Ax + Bu ,
y = Cx + Du , permite una mejor comprensin de estas caractersticas. En este caso, la transformacin
T = [v1 v2 ... vn]-1, donde vk corresponde a los vectores propios de A, permite obtener la realizacin:
z& = A T z + B T u , y = C T z + D T u , donde AT = TAT-1 = diag{1, , n} (con 1, , n los valores
w1T B
w1T
T
T
w2
w 2 B
propios de A), BT = TB = B =
(con w1, , wn los vectores propios de AT), CT = CT-1, =
M
M
T
T
w n
w n B
w1T
T
w2
...
...
C[v1 v2 vn] = [Cv1 Cv2 Cvn] y DT = D. Ntese que se utiliza la relacin T = con w1, , wn
M
T
w n
T
los vectores propios de A . Para probar que T est efectivamente compuesto de tales vectores propios
se debe considerar que los valores propios de AT (que son 1, , n) son tambin los de A y si los
vectores propios de AT son w1, , wn se puede escribir que ATwk = kwk; definiendo P = [w1 w2 ... wn]1
, tambin se puede escribir PATP-1 = diag{1, , n}, tomando la transpuesta de esta expresin se
tiene (P-1)TAPT = diag{1, , n}. Al igualar esta ltima expresin con la de AT se puede concluir que
60
Apuntes: 543 760
w1T
T
w2
-1
T
T = P y por lo tanto T = . Finalmente, la nueva realizacin se puede escribir como,
M
T
w n
T
w1 B
1 0 L 0
T
0 L 0
2
z + w 2 B u , y = [Cv1 Cv2 ... Cvn]z + Du. Si se considera que z = [z1 z2 zn]T,
z& =
M
M
M O M
T
0 0 L n
w n B
la expresin previa se puede expresar en sus componentes como,
z&1 1 0
z& 0
2
2 =
M M
M
&
zn 0 0
L 0 z1 w1T B u1
L 0 z 2 w T2 B u2
,
+
O M M M M

L n z n w Tn B u p
y1
z1 d 11
y
z d
2 = [Cv 1 Cv 2 L Cv n ] 2 + 21
M
M M

yq
z n d q1
d 12
d 22
M
d q2
L d 1 p u1
L d 2 p u2
.
O M M

L d qp u p
Grficamente, estas expresiones se pueden mostrar como ilustrado en la Fig. 2.8. Claramente, si algn
factor wkTB = 0, entonces la entrada u no tiene forma de modificar el modo k (el modo k no es
w1 B
z&1
+
z1
Cv1
1
u
w2 B
z&2
+
z2
Cv2
wnTB
z&n
+
zn
Cvn
n
Fig. 2.8 Diagrama en bloques de la FCD.
61
Apuntes: 543 760
controlable y por tanto el sistema es no controlable); por otro lado, si el factor Cvk = 0, entonces el
modo k no se refleja en la salida y (el modo k no es observable y por tanto el sistema es no
observable).
Es importante destacar que si un sistema es no controlable porque un modo es no controlable, entonces
los restantes modos son controlables. Es decir, las variables de estado restantes que estn asociadas con
estos modos pueden tomar cualesquier valor arbitrario en un tiempo finito si se escoge la entrada
apropiada.
1
3 1
1
&
Ejemplo 2.11. El sistema descrito por x = Ax + Bu , y = Cx + Du , con A = 1 5 1 y B = 1 tiene valores

2
0
2 4
T
T
propios 1 = -2, 2 = -4 y 3 = -6; y los vectores propios de A son, respectivamente, w1 = [1 1 1] , w2 = [1 -1 -1]T, y w3 = [ w 1T
0 z1 2
z&1 2 0

1 -1 1]T. Por lo que su FCD queda z& 2 = 0 4 0 z 2 + 0 u donde la transformacin es T = w T2 de donde

w T3
0 6 z 3 2
z& 3 0

se observa que z2 arbitrario no puede ser alcanzable. Es decir, los valores logrables para z1, z2, y z3 son los encontrados en el
plano como se muestra en la Fig. 2.9(a) los cuales se pueden generalizar por la ecuacin del plano z2 = 0, cuyo vector
perpendicular es n1 = [0 1 0]T . Por ejemplo, si se desea alcanzar los valores z1 = 1, z2 = 0 y z3 = -2 para T = 0.5, se redefine
z&1 2 0 z1 2
el sistema como =
+ u y se procede como en el Ejemplo 2.7. Para encontrar los valores logrables
z& 3 0 6 z 3 2
de x se debe considerar que x = T-1z. Como z1 y z3 son alcanzables en forma arbitraria, los valores alcanzables de x1, x2, y x3
1
1
1 z1
x1 1
son x 2 = 1 1 1 0 =

x 3 1 1 1 z 3
alcanzables, los cuales corresponden
que se ilustra en la Fig. 2.9(b).
F.
0.5z1
0.5z
, de donde se puede deducir que los valores dados por x = x - x son
3
3
1
2
0.5z1 + 0.5z 3
al plano descrito por -x1 + x2 + x3 = 0, cuyo vector perpendicular es n2 = [-1 1 1]T, el
La Descomposicin Cannica.
Al tener una realizacin FCD , las variables de estado se pueden clasificar en cuatro categoras,
Controlable y observable (wiTB 0, Cvi 0).
No controlable y observable (wiTB = 0, Cvi 0).
x3
z3
n2
n1
x2
z2
x1
z1
(a)
(b)
Fig. 2.9 Representacin grfica de los planos alcanzables por el sistema del Ejemplo 2.11; a) coordenadas z1, z2, z3, b)
coordenadas x1, x2, x3.
62
Apuntes: 543 760
Controlable y no observable (wiTB 0, Cvi = 0).

No controlable y no observable (wiTB = 0, Cvi = 0).
Esta clasificacin da lugar a una importante representacin que si bien es vlida slo para los casos en
que se dan valores propios distintos, las conclusiones son generales. La representacin est dada en la
Fig. 2.10 y de sta se desprende que si las variables no observables y/o no controlables son retiradas de
la representacin, la relacin entrada/salida queda inalterada. En otras palabras, slo los estados
controlables y observables definen la M. de T. de un sistema.
2.11 Observabilidad y Controlabilidad en Sistemas Muestreados.

Una interrogante importante es qu pasa si un sistema continuo dado por {Ac, Bc, Cc, Dc} que es
controlable y observable es muestreado con un retentor de orden cero y da origen al sistema {Ad, Bd,
Cd, Dd} en trminos de controlabilidad y observabilidad. Recordar que,
A d = (T ) = e AT , Bd =
{ e
T
A (T )
Bd , c d = C , y D d = D .
Para esto se tiene el siguiente teorema.

Teorema: Dado un sistema continuo controlable {Ac, Bc, Cc, Dc} con polos pi = i + ji = i + j2fi, i
= 1, 2, n y sea max = 2fmax = maxi |2fi |. Entonces elmodelo discreto con retencin de
orden cero obtenido con un muestreo T = 1/f ser controlable si T = 1/f satisface,
1
f
= > max = f max .
2T 2
2
(2.27)
El teorema anterior indica una mnima frecuencia de muestreo que coincide con la frecuencia de
muestreo de Nyquist. Adems, si el sistema no tiene races complejas, el teorema indica que no hay una
frecuencia mnima para garantizar que la caracterstica de controlabilidad se mantenga. Naturalmente,
el muestreo ante races reales se restringe para que el resultado sea representativo; esto es, que el
muestreo sea a lo menos 5 veces ms rpido que la ms rpida constante de tiempo del sistema.
Controlables
No observables
u
Controlables
Observables
+
No controlables
Observables
No controlables
No observables
Fig. 2.10 Representacin grfica de la descomposicin cannica para sistemas con distintos valores propios.
63
Apuntes: 543 760
2.12 Estabilidad.
En una M. de T. estable (e.d., todos sus polos son estables) pueden existir estados que no se reflejan en
sta (los no controlables y/o no observables), y que pueden tener dinmicas inestables. Por esto, se
definen dos tipos de estabilidades.
Def.: Un L.I.T. es estable internamente si la solucin a entrada cero xec converge a cero para
cualesquier condicin inicial x0.
Para determinar si un sistema es internamente estable o no, se tiene el siguiente teorema.

Teorema: Un sistema L.I.T. es estable internamente si y slo si todos los valores propios de A estn
en el S.P.I..
En forma adicional, se puede definir la estabilidad desde el punto de la M. de T..
Def.: Un L.I.T. es estable entrada/salida si la solucin a c.i. nulas xci es acotada para cualesquier
entrada acotada u.
Para determinar si un sistema es estable entrada/salida o no se tienen los siguientes teoremas.

Teorema: Un sistema L.I.T. SISO es estable entrada/salida si y slo si su respuesta a impulso
satisface,
| h(t ) | dt < .
0
Teorema: Un sistema L.I.T. SISO es estable entrada/salida si y slo si su M. de T. tiene todos sus
polos en el S.P.I..
En un sistema MIMO la condicin necesaria y suficiente es que todos los coeficientes de la M. de T.
(que son F. de T.) tengan sus polos en el S.P.I..
Es importante destacar que si un sistema es estable internamente, entonces es estable entrada/salida. Lo
inverso no es necesariamente verdadero.
El circuito de la Fig. 2.11 ilustra los conceptos anteriores. En ste se puede apreciar fcilmente que la
vi
vo
L
iL
Ro
Fig. 2.11 Circuito elctrico para mostrar el concepto de estabilidad interna.

64
Apuntes: 543 760
F. de T. es h(s) = 1, por lo tanto es estable entrada/salida. Por otro lado, se puede identificar la dinmica
asociada con la corriente del inductor iL que no se refleja en la F. de T., por tanto es no observable y
por consiguiente el sistema es no observable. Esta dinmica es una dinmica interna y si Ro > 0
entonces el sistema es estable internamente, caso contrario es inestable internamente. Por ltimo, se
puede identificar que la entrada vi afecta directamente a iL, por lo que esta dinmica es controlable y
por tanto el sistema es controlable. Esto ltimo es verdad an cuando la dinmica sea inestable.

A.
Nivel Bsico
1.-
Determine si los siguientes sistemas son controlables y/o observables. Los que no lo sean,
identifiquen los estados que son no controlables y/o no observables.
3 1 2
1
A = 1 5 2 , b = 0 , c = [1 0 0] , y d = 0.
1 1 4
1
a)
b)
2.3.4.5.a)
b)
c)
d)
6.7.-
3 1 2
1
A = 1 5 2 , b = 0 , c = [1 0 1] , y d = 0.
1 1 4
0
Pruebe todas las propiedades de la matriz de transicin (t) = eAt revisadas en estas notas.
Para los sistemas de la Fig. 2.12 determine sus valores propios.
Determine la F. de T. M. de T., segn corresponda, para los sistemas de la Fig. 2.12.
D ejemplos de sistemas,
controlable y observable.
controlable y no observable.
no controlable y observable.
no controlable y no observable.
Los sub-sistemas de la Fig. 2.13(a) son idnticos y tienen c/u por vector de estado a x, determine
una representacin de estados entre la entrada u y la salida y. Utilice un nuevo vector de estados
= [ xT xT]T constituido por los vectores de estado de cada sistema por separado.
Los sub-sistemas de la Fig. 2.13(b) estn dados por
1
2( s 1)
y h2 ( s ) = 2
( s 1)( s + 1)
s + s +1
obtenga realizaciones en variables de estado para ambos sistemas por separado. Si x1 y x2 son los
vectores de estado de cada sub-sistema, determine una representacin de estados entre la entrada
u y la salida y. Utilice el nuevo vector de estados dado por = [ x1T x2T]T.
h1 ( s ) =
B.
Nivel Intermedio
1.2.3.-
Demuestre que si un sistema tiene n entradas l.i. entonces ste es siempre controlable.
Demuestre que si un sistema tiene n salidas l.i. entonces ste es siempre observable.
Para el reactor continuamente agitado modelado por:
65
Apuntes: 543 760
dx1
dx2
= x1 + Da (1 x1 )e x2 + u1 ,
= (1 + ) x2 + BDa (1 x1 )e x2 + u 2
dt
dt
donde Da = 0.1, = 3.0 y B = 19, determine el rango para las entradas tal que el modelo lineal
{A, B, C, D, E, F} en torno al punto de operacin es controlable y/o observable.
4.- Para los sistemas de la Fig. 2.12 determine si son controlables y/o observables. En el caso de no
serlo, determine los estados no controlables y/o no observables.
5.- Demostrar que los vectores propios asociados a los modos no controlables generan una base para
los estados no controlables del sistema.
6.- Demuestre que si {A, B, C, D} es controlable, entonces el sistema {AT, CT, BT, DT} es
observable.
7.- Demuestre que si {A, B, C, D} es observable, entonces el sistema {AT, CT, BT, DT} es
controlable.
8.- Si los sub-sistemas de la Fig. 2.13(a) son controlables y observables, es el sistema resultante
controlable y/o observable ?. Si no lo es, determine los estados no controlables y/o no
observables.
9.- Es el sistema resultante de la Fig. 2.13(b) estable entrada/salida ? Es el sistema resultante de
la Fig. 2.13(b) estable internamente ?.
10.- Demostrar que los vectores propios asociados a los modos no controlables generan una base para
los estados no controlables del sistema.
11.- Demostrar que los vectores propios asociados a los modos no observables generan una base para
los estados no observables del sistema.
C.
Nivel Avanzado
1.2.-
Para los sistemas de la Fig. 2.12 determine su FCC, FCO, FCD y FCJ.
Enuncie qu sucede con las caractersticas de controlabilidad y observabilidad de un sistema con
iL
vc il
R
a)
vs
b)
vl
+
e(t)
i(t)
+
v(t)
Sw(t)
PCC
L
i(t)
c)
+
e(t)
R
C
ioabc
voabc
iiabc
isabc
d)
Ri
Li
vsabc
y(t)
Ro
Lo
mabc
idc
l1
x(t)
d
vdc
Rdc
Cdc
k
fuente
compensador
carga
reactivos.
66
Apuntes: 543 760
ms de una entrada y ms de una salida si se utiliza un transformacin invariante en el tiempo T

para redefinir sus variables de estado.
Si la realizacin {A, B, C, D} de un sistema SISO se caracteriza por tener una matriz A diagonal
(es decir, A = diag{1, 2,..., n}) y los elementos de A son diferentes entre si y distintos de
cero, determine y fundamente matemticamente una condicin necesaria para los vectores B, C y
D tal que el sistema sea controlable. Repita para que sea observable.
Repita 3 para un sistema MIMO arbitrario.
Demuestre la siguiente identidad,
Ak I A A2
Ak
( sI A) 1 = k +1 = + 2 + 3 + ... + k +1 + ...
s s
s
s
k =0 s
3.-
4.5.-
{A, B, C, D}
+
a)
y
b)
y
h1(s)
{A, B, C, D}
Fig. 2.13 Sistemas para ejercitar; a) sistema paralelo, b) sistema serie.
h2(s)
67
Apuntes: 543 760
Representacin en Matrices de Transferencia.

A diferencia del captulo anterior, en ste se revisan variadas propiedades pero en el
plano de la frecuencia (Laplace o Z). Para estos efectos se utiliza la M. de T. de los
sistemas. En particular, se detallan las propiedades que son de fcil manejo en este
dominio, con especial nfasis en los conceptos de realizaciones mnimas, polos y ceros
de sistemas MIMO.
3.1 Introduccin.
Sea por ejemplo un sistema SISO que tiene por F. de T. a,
h( s ) =
s +1
,
s( s + 2)
en donde se puede distinguir un cero en 1 y dos polos, uno en 0 y uno en 2. En general, un sistema
SISO definido por,
h( s ) =
n( s )
bn 1 s n 1 + bn 2 s n 2 + L + b1 s + b0
= n
,
d ( s ) s + a n 1 s n 1 + a n 2 s n 2 + L + a1 s + a 0
en donde n(s) y d(s) son coprimos, los polos estn dados por las races de d(s) y los ceros por las races
de n(s). Por otro lado, un sistema MIMO podra ser,
1
s 2 + 3s + 2
s2 + s 4
H( s ) = 2
s + 3s + 2
s2
s +1
s + 3s + 2
1
1
2s 2 s 8
1
2
2
=
s + s 4 2 s s 8 ,
s 2 + 3s + 2 s 2 + 3s + 2 2
2 s 2 8
2s 4
s 4
s + 1
2
en donde los polos parecieran estar dados por las races del polinomio s2 + 3s + 2 = 0 y,
definitivamente, los ceros no son de fcil visualizacin.
1 0
2
Otro ejemplo es el sistema dado por, por x& = Ax + Bu , y = Cx + Du , donde A =
,
B
=
1 ,
1 1

C = c = [ 0 1] y D = d = [ 0] . Este sistema es de orden n = 2 y tiene una F. de T. dada por

h(s) = 1/(s + 1). Si, por otro lado, se considera A = a = [ 1] , B = b = [1] , C = c = [1] y D = d = [ 0] se
tiene un sistema de orden n = 1 y ste tambin tiene una F. de T. dada por h(s) = 1/(s + 1). Por lo tanto,
una F. de T. puede se representada por realizaciones de distinto orden. Se puede intuir que dada una F.
de T. existir una realizacin de orden mnimo.
Def.: Una realizacin de una M. de T. H(s) es una realizacin mnima si no existe una realizacin de
menor orden cuya M. de T. sea H(s).
68
Apuntes: 543 760
1 0
2
En el ltimo ejemplo, la realizacin A =
, B = , C = [0 1] , D = [0] no es mnima.
1 1
1
Teorema: Una realizacin es mnima si y slo si sta es controlable y observable.
Una alternativa para probar este teorema es utilizando la representacin grfica de la descomposicin
cannica (captulo anterior). De sta se desprende que si el sistema slo tiene estados observables y
controlables, entonces la M. de T. incluye todos los estados del sistema y por tanto es mnima.
Ejemplo 3.1. En el ejemplo del eje flexible - como indicado en el Ejemplo 1.1 - que considera una representacin con 5
variables de estado dadas por: x1 = r, x2 = r, x3 = l, x4 = l, y x5 = ia; adems de: u = va, p = Tl e y = x4 = l, determine si
es mnima. R.: Para este caso las matrices A, B, y C estn dadas en el Ejemplo 1.1 por lo que se encuentra que la matriz de
4 2
1 kmk
controlabilidad C = [B AB A2B A3B A4B] tiene un determinante det{C} = 5 4 4 2 = 1.4721018 y la matriz de
La n J m J l
observabilidad OT = [CT (CA)T (CA2)T (CA3)T (CA4)T] tiene un determinante det{O} = 0. Por lo tanto, la representacin no
es mnima. Sin embargo, si se utiliza el equivalente circuital del sistema como ilustrado en la Fig. 1.2 donde hay slo cuatro
elementos almacenadores de energa y por tanto se tienen cuatro ecuaciones dinmicas para su representacin, se tiene que
km
1
0
0
2
n J m J mn
0
0 ,
x1 = r, x2 = l, x3 = tr, y x4 = ia; adems de, u = va, p = tl, e y = x2 = l. As, A = 0
Jl
k
k
0
0
nk
Ra
m
0
0
La
La
0
0

B = b = 0 , C = c = [0 1 0 0 ]. Por lo tanto, se encuentra que la matriz de controlabilidad C = [B AB A2B A3B] tiene un
1

La
determinante det{C} =
det{O} =
k m3 k 2
L4a
n 3 J m3 J l
0 y la matriz de observabilidad OT = [CT (CA)T (CA2)T (CA3)T] tiene un determinante
1 2 km
k
0. Por lo tanto, esta ltima representacin es mnima.
J l3
nJ m
Ejemplo 3.2. En el ejemplo del accionamiento con dos motores - como indicado en el Ejemplo 1.3 - que considera como
variables de estado a x = [x1 x2 x3 x4 x5 x6 x7]T = [ia1 ia2 o m1 m2 tm1 tm2]T, a las entradas u = [u1 u2]T = [va1 va2]T, la
perturbacin p = to y a la salida y = [o ia1 - ia2]T, estudie si es mnima. R.: Para este caso las matrices A, B, y C estn dadas
en el Ejemplo 1.3. Utilizar la matriz de controlabilidad y observabilidad se torna impracticable dado el tamao de stas;
adems, el resultar no cuadradas slo deja la operacin de rango de matrices para determinar la caracterstica de realizacin
mnima. Se opta entonces por encontrar los estados controlables y observables. As: w1TB = [-2.1610-4+0.015j -2.16104
+0.015j], w2TB = [-2.1610-4-0.015j -2.1610-4-0.015j], w3TB = [-4.45910-4+0.308j 4.45910-4-0.308j], w4TB = [-4.45910-40.308j 4.45910-4+0.308j], w5TB = [14.142 -14.142], w6TB = [0.012-0.03j 0.012-0.03j], w7TB = [0.012+0.03j 0.012+0.03j],
por lo que no hay estados no controlables y, v1TCT = [-4.50910-10-7.19910-6j 0], v2TCT = [-4.50910-10+7.19910-6j 0],
v3TCT = [0 -2.26210-3-3.22810-5j], v4TCT = [0 -2.26210-3+3.22810-5j], v5TCT = [0 2.33], v6TCT = [-1.4110-4-3.48810-4j 0],
v7TCT = [-1.4110-4+3.48810-4j 0], por lo que no hay estados no observables. Por lo tanto, la realizacin es mnima.
69
Apuntes: 543 760
3.2 Realizaciones de Sistemas SISO.

En el caso de tener disponible la F. de T. de un sistema SISO del tipo,
h( s ) =
y( s)
bn 1 s n 1 + bn 2 s n 2 + L + b1 s + b0
,
= n
u ( s ) s + a n 1 s n 1 + a n 2 s n 2 + L + a1 s + a 0
se puede definir z(s) como,

z( s) =
s + a n 1 s
n 1
u( s )
,
+ a n 2 s n 2 + L + a1 s + a 0
por lo que z(n) = - an-1z(n-1) - an-2z(n-2) - - a1 z& - a0z + u. Por otro lado, y(s) = (bn-1sn-1 + bn-2sn-2 + +
b1s + b0)z(s), por lo que, y = bn-1z(n-1) + bn-2z(n-2) + + b1 z& + b0z. Finalmente, si se definen las variables
de estado como: x1 = z, x2 = z& , x3 = &z& , ..., xn = z(n-1), entonces, x&1 = x 2 , x& 2 = x 3 , x& 3 = x 4 , ..., x& n = - an1xn - an-2 xn-1 - - a1x2 - a0x1 + u e y = bn-1xn + bn-2xn-1 + + b1x2 + b0x1. Por lo que una realizacin
para h(s) sera,
0
0
x& = M
0
a 0
a1
a2 L
0 0
0 0

M x + M u , y = [b0 b1 bn-2 bn-1]x,

1 0
a n 1 1
la que corresponde a la FCC; por lo tanto, h(s) representa a un sistema controlable. Si consideramos
que estamos en presencia de un sistema SISO, entonces, h(s) = h(s)T = {c(sI - A)-1b + d}T = bT{(sI - A)1 T T
} c + dT = bT(sI - AT)-1cT + d. Por lo que otra realizacin para h(s) es,
0
1
x& = 0
M
0
0 L 0
a 0 b0
0 L 0 a1 b1

1 M 0 a 2 x + b2 u ,

M L M
M M
0 L 1 a n 1 bn 1
y = [0 0 0 1]x,
la que corresponde a la FCO; por lo tanto, h(s) representa a un sistema observable. Dado que la
realizacin es controlable y observable, la realizacin es mnima.
El tratamiento en un sistema MIMO es distinto y se orienta para responder las preguntas tales cmo
encontrar una realizacin mnima y determinar el nmero de polos y ceros a partir de una M. de T. Para
estos efectos se necesita estudiar la forma Smith-McMillan de una M. de T.
3.3 Polos y Ceros de H(s).

Atendiendo a que la M. de T. puede ser escrita como,
70
Apuntes: 543 760
H ( s ) = C( sI A) 1 B + D
c1

c2
= ( sI A) 1 b1
M

c q
b2 L b p + D
donde los ci son vectores filas, cada coeficiente hij(s) de la M. de T. se puede escribir como,
hij ( s ) = ci ( sI A) 1 b j + dij
=
ci Adj{sI A}b j + d ij det{sI A} .

det{sI A}
Algunas observaciones importantes respecto de cada hij(s) son: (a) el orden del denominador es n, (b) el
orden de ciAdj(sI - A)bj es a lo ms n - 1, (c) el orden del numerador es igual a n si dij es distinto de
cero, debido al trmino dijdet{sI - A}; en este caso, H(s) se dice matriz propia, y (d) si todos los dij
son iguales a cero, el orden del denominador es siempre mayor que el orden del numerador; entonces,
H(s) se dice matriz estrictamente propia.
Dado que las races del denominador det{sI - A} son tambin los valores propios de A, entonces
todos los polos de un hij(s) son los valores propios de A. Sin embargo, no necesariamente todos los
valores propios de A son polos de un hij(s). Esto porque un factor (s - i) que est contenido en
det{sI - A} podra repetirse en los numeradores de hij(s) por lo que podra cancelarse.
Los parmetros involucrados en B, C, y D no condicionan la ubicacin de los polos, Sin embargo,
definen a los ceros del sistema. En el caso SISO un escalar s0 es un cero si h(s0) = 0. En sistemas
MIMO, se define al cero de transmisin como un nmero complejo que satisface,
H( s0 ) w = 0 ,
para algn vector w 0, donde w tiene dimensin p1. La expresin anterior permite encontrar s0 y w.
Para simplificar los clculos, la ecuacin anterior se puede re-escribir como,
{C( s0 I A ) 1 B + D}w = 0 ,
se define, = (s0I - A)-1Bw (que tiene dimensin n1) por lo que la expresin anterior se puede escribir
como C
+ Dw = 0. Finalmente, si ambas expresiones se ordenan matricialmente, s0 y w se pueden
obtener de,
s0 I + A B
= 0.
C
D w
(3.1)
La matriz resultante en (3.1) es de orden (n + q)(n + p). Si sta es cuadrada (lo que implica igual
nmero de entradas y salidas), soluciones no triviales se encuentran si pierde su rango o,
equivalentemente, su determinante es cero, es decir,
s0I + A B
I 0 A B
=
det
s0
+
= 0 .
D
C
0 0 C D
det
En forma generalizada, (3.1) se puede re-ordenar como
71
Apuntes: 543 760
A B
I 0
C D w = s0 0 0 w ,

lo que corresponde al problema generalizado de valores propios, con [
w]T el vector propio asociado
(de dimensin (n + p)1) con el valor propio s0, ambos a encontrar. El caso del valor propio
generalizado se puede escribir como Mv = Nv, donde dadas las matrices M y N se debe encontrar el
escalar (valor propio) y el vector v (vector propio) que satisfacen la expresin.
1
0
1
Ejemplo 3.3. Dado el sistema descrito por x& = Ax + Bu , y = Cx + Du , donde A =
, B = , C = [1 0] y
2 3
1
2
D = [0] . Determine los polos y ceros de transmisin. R.: En este caso: det{I A} = + 3 + 2 , por lo que los valores
propios son 1 = -1 y 2 = -2. Estos sern los polos si la realizacin es mnima (ste es el caso). Por otro lado,
1 0 0 0 1 1
I 0 A B

det s0
+ C D = det s0 0 1 0 + 2 3 1 = 4 + s0 , por lo tanto el nico cero de transmisin es s0 =
0
0

0 0 0 1 0 0
1 1
0
1 0 0
-4. Adicionalmente, la ecuacin 2 3 1 = s 0 0 1 0 , indica que el vector w es de dimensin 1. La
w
1
0 0 0
0 0
solucin de este problema de valores propios generalizados arroja: s0 = -4, = [0 -0.707]T, y w = 0.707.
3.4 La forma Smith-McMillan.

Una matriz racional H() siempre puede ser escrita como una matriz polinomial P() dividida por un
polinomio d(). Es decir,
H () =
1
P () .
d ()
Notar que se utiliza para representar al complejo s o z segn sea una M. de T. de un sistema continuo
o discreto, respectivamente.
Def.: Una matriz polinomial P() es una matriz no singular si su determinante det{P()} 0 para
casi todos los valores de .

Def.: Una matriz polinomial no singular U() es una matriz unimodular si tiene una inversa que
tambin es una matriz polinomial.

Teorema: La matriz U() es una matriz unimodular si y slo si el determinante det{U()} es una
constante independiente de .
Def.: El rango normal de P() es igual a r si rango{P()} = r para casi todos los valores de .
72
Apuntes: 543 760
1
1
s +1
s . Escriba H(s) como una matriz polinomial P(s) sobre un polinomio
Ejemplo 3.4. Dada la M. de T. H( s ) =
1
1
s + 1
s
d(s). Determine si P(s) es unimodular y su rango normal. R.: Es fcil identificar que H(s) se puede escribir como H(s) =
s + 1
s + 1
s
1 s
, por lo tanto, P(s) =
y d(s) = s(s + 1). Por otro lado, det{P(s)} = s2 (s + 1)2 = -2s - 1,
s
s
s ( s + 1) s + 1
s + 1
lo cual depende de s, entonces, P(s) no es unimodular y como det{P(s)} 0 s -1/2 el rango normal de P(s) es 2. Ntese
que el rango se puede obtener igualmente para una matriz racional.
Hay tres operaciones elementales que se pueden realizar en matrices polinomiales. Estas son: (a)
intercambiar dos filas o columnas, (b) multiplicar una fila o columna por una constante, y (c) suma de
una fila o columna a otra pre-multiplicada por un polinomio. Cada una de estas operaciones puede ser
representada por la multiplicacin de la matriz polinomial por una matriz adecuada llamada matriz
elemental, las cuales son unimodales.
Def: Se dice que dos matrices P() y Q() (polinomiales o racionales) son equivalentes (P()
Q()) si hay secuencias de matrices elementales izquierdas {L1(), ..., Ll()} y matrices
elementales derechas {R1(), ..., Rr()} tal que,
P () = L1 ()L Ll ()Q()R1 ()L R r () .
Teorema: Sea P() una matriz polinomial de rango normal r. Entonces P() puede ser transformada
por una secuencia de operaciones elementales sobre su columnas y filas en una matriz
polinomial pseudo-diagonal S() que tiene la forma,
S() = diag{1(), 2(), ..., r(), 0, 0, ..., 0}.
en donde cada i() (i = 1, ..., r) es un polinomio mnico (coeficiente mayor igual a 1) que
satisfacen la propiedad de divisibilidad,
i() | i+1(),
i = 1, ..., r 1,
esto es, i() divide a i+1() sin resto. Ms an si se definen los divisores determinentales
como D0() = 1, Di() = M.C.D. (mayor comn divisor) de todos los menores de orden ii
de P(), donde cada M.C.D. es normalizado para ser un polinomio mnico, entonces,
i () =
Di ()
,
Di 1 ()
i = 1, ..., r 1.
La matriz S() es la forma Smith de P() y los i() se conocen como factores invariantes
de P().
73
Apuntes: 543 760
1
1
2
2
Ejemplo 3.5. Dada la matriz polinomial P( s ) = s + s 4 2 s s 8 , encuentre su forma Smith. R.: Como D0(s) = 1,
s 2 4
2 s 2 8
1
1
1
1
D1(s) = M.C.D.{1, -1, s2 + s - 4, 2s2 - s - 8, s2 - 4, 2s2 - 8} = 1, D2(s) = M.C.D. 2
, 2
,
2
2
s + s 4 2s s 8 s 4 2s 8
0
1
s 2 + s 4 2 s 2 s 8
= (s + 2)(s - 2), entonces, 1(s) = 1 y 2(s) = (s + 2)(s - 2). As, P( s ) S( s ) = 0 ( s + 2)( s 2) .

s2 4
2 s 2 8
0
0
Se puede intuir que la matriz S(s) resultante es equivalente a infinitas matrices polinomiales. Por esto se dice que la forma
Smith es una forma cannica para un conjunto de matrices polinomiales equivalentes.
Teorema: Sea H() una matriz racional de rango normal r. Entonces H() puede ser transformada por
una secuencia de operaciones elementales sobre sus columnas y filas en una matriz racional
pseudo-diagonal M() que tiene la forma,
M() = diag{1()/1(), 2()/2(), ..., r() /r(), 0, 0, ..., 0}.

en donde los polinomios mnicos {i(), i()} (i = 1, ..., r) son coprimos (no tienen
factores comunes) y satisfacen la propiedad de divisibilidad,
i() | i+1(), i+1 () | i (),
i = 1, ..., r 1.
La matriz M() es la forma Smith-McMillan de H().
s 2 + 3s + 2
2
s +s4
Ejemplo 3.6. Dada la matriz racional H( s ) = 2
s + 3s + 2
s2
s + 1
H(s) = P(s)/(s2 + 3s + 2)
con
P(s)
como
( s + 1)( s + 2)
0
1

1
0 ( s + 2)( s 2) =
0

( s + 1)( s + 2)
0

0
0
en
s + 3s + 2
2s 2 s 8
, encuentre su forma Smith-McMillan. R.: Como
s 2 + 3s + 2
2s 4
s + 1
1
el
ejemplo
anterior,
entonces
H( s )
S( s ) =
d (s)
2
s 2
. Por lo tanto M( s ) =
s +1
0
3.5 Polos y Ceros de la Forma Smith-McMillan.

La forma Smith-McMillan se utiliza para estos efectos.
( s + 1)( s + 2)
s 2
.
s +1
0
74
Apuntes: 543 760
Def.: Sea H() una M. de T. racional con una forma Smith-McMillan M() que tiene el polinomio de
polos p() = 1()r() y el polinomio de ceros z() = 1()r(), entonces, las races de
p() y de z() son los polos y ceros de H(), respectivamente, en el sentido Smith-McMillan.
s 2 + 3s + 2
2
s +s4
Ejemplo 3.7. Dada la matriz racional H( s ) = 2
s + 3s + 2
s2
s + 1
s + 3s + 2
2s 2 s 8
, encuentre sus polos y ceros. R.: Como
s 2 + 3s + 2
2s 4
s + 1
2
0
( s + 1)( s + 2)
s 2
M( s ) =
0
, entonces p(s) = (s + 1)(s + 2)(s + 1) y z(s) = (s - 2). Por lo tanto, H(s) tiene polos en {-1,
s +1
0
0
1, -2} y un cero en {2}. Ntese que todos los polos son simples.
Def.: El grado del polinomio de polos p() = 1()r() es el grado Smith-McMillan de H().
En el caso de sistemas SISO, los ceros son los valores de = 0 que cumplen con h(0)u() = 0 para
cualesquier entrada u(). Por lo tanto, los ceros satisfacen h(0) = 0. En sistemas MIMO un = 0 que
cumple con H(0)u() = 0 para cualesquier vector de entradas u() es un cero. Este problema se
abord en el captulo anterior, el cual se reduce a solucionar el problema de los vectores propios
generalizado dado por,
A B
I 0
C D w = 0 0 0 w .

Los valores 0 se conocen tambin como ceros de transmisin.
La M. de T. H() se puede expresar como,
H () = L1 ()L L l ()M ()R1 ()L R r ()

= L()M ()R ()
()
()
= L() 1
,L , r
, 0, L , 0 R ()
r ()
1 ()
considerando que H() tiene dimensin qp (q salidas y p entradas) y M() conserva las dimensiones
qp, entonces L() tiene dimensiones qq y R() tiene dimensiones pp. M() se puede escribir como
M() = N() D()-1, donde N() y D() son matrices polinomiales de la forma N() = diag{1(),
..., r(), 0, ..., 0} y D() = diag{1(), ..., r(), 1, ..., 1}, con D() una matriz cuadrada de orden
pp. Por lo tanto,
75
Apuntes: 543 760
H () = L()N()D( s )1 R ()
= {L()N()}{R ()1 D()}1 ,
= N()D() 1
donde, N() = L()N() y D() = R()-1D(). Dado que R() es unimodal, entonces R()-1 es
polinomial y por tanto lo son N() y D(). Es decir, H() se ha expresado como el cuociente de dos
matrices polinomiales, donde N() es conocida como la matriz numerador y D() la matriz
denominador.
-1
Teorema: Si H() = N()D() (con N() y D() coprimas) entonces,
- z es un cero (de transmisin) de H() si y slo si N() pierde rango en = z.

- p es un polo de H() si y slo si D(p) es singular.
3.6 Polos y Ceros de la Matriz de Transferencia.

Los siguientes teoremas de MacFarlane y Karcanias ayudan a obtener los polos y ceros directamente
desde la M. de T.. Los polos y ceros obtenidos son los correspondientes a una realizacin mnima.
Teorema: El polinomio de polos p() correspondiente a una realizacin mnima de un sistema con M.
de T. H() es el mnimo comn denominador de todos los menores distintos de cero de

todos los ordenes de H().
Teorema: El polinomio de ceros z() correspondiente a una realizacin mnima de un sistema con M.
de T. H() es el mayor comn divisor de todos los numeradores de todos los menores de
orden r de H(), donde r es el rango normal de H(), considerando que estos menores han
sido ajustados de manera de tener el polinomio de polos p() como su denominador.
( s 1)( s + 2)
1
0
( s 1) 2
, encuentre sus
( s + 1)( s + 2)( s 1) ( s + 1)( s + 2) ( s 1)( s + 1) ( s 1)( s + 1)
1
polos y ceros. R.: Los menores de orden 1 son
s +1
s 1
( s + 1)( s + 2)
1
s 1
1
s+2
1
y los menores de orden 2 son
s + 2
( s 1)
2
1
2
; por lo tanto, el menor comn denominador es p(s) = (s + 1)(s + 2) (s - 1)

2
(
s
+
1
)(
s
+
2
)
(
s
+
1
)(
s
+
2
)
(
s
+
1
)(
s
+
2
)
y por consiguiente los polos estn en 1, 1 y uno doble en 2. El rango normal de H(s) es r = 2, por lo tanto, los menores
( s 1) 2 2( s 1)( s + 2) ( s 1)( s + 2)
con sus denominadores ajustados son
; por lo tanto, el mayor comn divisor
p( s )
p( s )
p( s )
de los numeradores es z(s) = s - 1. Por lo tanto, H(s) tiene un cero en {1}.
76
Apuntes: 543 760
3.7 Realizaciones Mnimas.

Una interrogante al tener disponible una M. de T. es cmo obtener una realizacin del tipo
x& = Ax + Bu, y = Cx + Du tal que sea mnima. Para esto hay variadas alternativas, aqu se revisa la
ms utilizada. Se supone la M. de T. H(s) del tipo H(s) = [h1(s) h2(s) hp(s)] (p entradas) y se asume
que cada vector columna hi(s) se puede escribir como,
n1i ( s )
1
hi ( s) =
M + i ,
d i ( s)
n qi ( s )
donde di(s) = sni + ini-1sni-1 + + i1s + i0 es el polinomio comn denominador al vector columna
hi(s), nji(s) = jini-1sni-1 + jini-2sni-2 + + ji1s + ji0 es un polinomio de orden a lo ms ni-1 y i es un
vector de constantes. Se transforma cada hi(s) a una FCC al considerar la realizacin,
0
0
Ai = M
0
i 0
i1
2 L
0
1i 0 1i1
0
0

2 i1
2i 0
M , bi = M , Ci =
M
M

1
0

qi 0 qi1
1
ini 1
L 1ini 1
L 2ini 1
, di = i,
O
M
L qini 1
por lo tanto, una realizacin para H(s) es A = diag{A1, A2, ..., Ap}, B = diag{b1, b2, ..., bp}, C = [C1,
C2, ..., Cp], y D = [
1, 2, ..., p]. La realizacin resultante es controlable dado que se deriva de formas
controlables; sin embargo, puede ser no observable y por ende no sera mnima. Una alternativa es
eliminar los estados no observables como se muestra a continuacin.
Si rango{A} = n y rango{O} = no < n entonces se consideran las primeras no filas de la matriz O para
formar la matriz S. En el caso de que estas filas no sean linealmente independientes, se puede reordenar el vector de variables de estado hasta conseguirlo. Se define U de manera que SU = Io (con Io
la matriz identidad de nono). Si S es cuadrada entonces U = S-1, de lo contrario S tiene menos filas que
columnas y por lo tanto U = ST(SST)-1. La matriz resultante U es la pseudo-inversa por la derecha de S.
Con estas definiciones se encuentra que la realizacin mnima es Am = SAU, Bm = SB, Cm = CU y Dm
= D.
3s + 4
2s + 3
( s + 1)( s + 2) ( s + 1)( s + 2)
, encuentre una realizacin mnima. R.: La M. de T.
2
2
s +1
s +1
2s + 3 3s + 4
2 s + 3
1
1
se puede escribir como H( s ) =
, por lo que h1 ( s ) =
y h 2 ( s) =
2
s
+
4
2
s
+
4
( s + 1)( s + 2)
( s + 1)( s + 2) 2 s + 4
1
1
3s + 4
0
0
3 2
0
0
4 3
1
. As, A1 =
, b1 = , C1 =
, A2 =
, b2 = , C2 =
. Por lo
( s + 1)( s + 2) 2s + 4
2 3
1
4 2
2 3
1
4 2
1
0
0
0
0
2 3 0
1
0
, B=
tanto, una posible realizacin es A =
0
0
0
0
1
0
0
0
estado n = 4 con una matriz de controlabilidad con rango{C = [B
0
0
3 2 4 3
, C =
que tiene cuatro variables de

0
4 2 4 2
1
AB A2B A3B]} = 4; sin embargo tiene una matriz de
Apuntes: 543 760
77
observabilidad con rango{OT = [CT (CA)T (CA2)T (CA3)T]} = 2 = no. Por inspeccin, las dos primeras filas de O son L.I., por
0.421 0.5
0.053
0.0
3 2 4 3
T
T 1
. Finalmente, Am = SAU
.
As,
U
S
(
SS
)
lo tanto, stas se utilizan para formar S =
=
=
0.105
0.0
4 2 4 2
0.579 0.5
2 3
1 0
1 4 1
=
, Bm = SB =
y Cm = CU =
, cuya M. de T. es H(s).
2 0 2
2 2
0 1

A.
Nivel Bsico
1.-
Encuentre la forma Smith-McMillan de

0
1
1
b)
( s + 1)( s + 3) 1 2( s + 1)2
4.-
s2 2
1
s 2 + 2 s + 2 2 s 2
1
1
s+5
s+5
s2 + 2s + 3 s + 1
s 2 + 3s + 2 s + 1
d)
1
1
1
1
s + 2
s + 2
s + 4
s + 4
Encuentre los polos y ceros de la forma Smith-McMillan de las M. de Ts. de la parte 1.
Determine la forma H ( s ) = N( s )D( s ) 1 de las M. de Ts. de la parte 1.
Encuentre los polos y ceros a partir de la forma H ( s ) = N( s )D( s ) 1 de las M. de Ts. de la parte 1.
B.
Nivel Intermedio
1.-
2.3.4.5.6.-
Encuentre realizaciones mnimas de las M. de Ts.,

0
s2 2
1
1
1
b)
( s + 1)( s + 3) 1 2( s + 1)2
s 2 + 2 s + 2 2 s 2
1
1
s+5
s+5
s2 + 2s + 3 s + 1
s 2 + 3s + 2 s + 1
d)
1
1
1
1
s + 4
s + 4
s + 2
s + 2
Determine los ceros de transmisin de las realizaciones obtenidas en la parte 1.
Determine el polinomio caracterstico de las realizaciones obtenidas en la parte 1.
Determine las races del polinomio caracterstico obtenidos en la parte 3.
Compare todos los tipos de polos y ceros obtenidos en los ejercicios anteriores.
Muestre que los polos de det{I + kH(s)} son los polos de H(s) si k es un escalar constante.
C.
Nivel Avanzado
1.-
Pruebe que para H(s) cuadrada, los ceros y polos de H(s)-1 son los polos y ceros,
respectivamente, de H(s).
Muestre que los ceros de la F. de T. de L.D. son ceros tambin de la M. de T. en L.C.
a)
c)
2.3.-
a)
c)
2.-
Apuntes: 543 760
3.-
78
Suponer una M. de T. estrictamente propia H(s) con p = q con realizacin mnima {A, B, C, D =
0} y que B-1 y C-1 existen. Muestre que H(s)-1 = sA0 + A1, donde A0 y A1 son matrices
constantes. Encuentre A0 y A1 en funcin de A, B, y C.
79
Apuntes: 543 760
Controladores y Observadores de Estados.

Uno de los objetivos ms importantes de este curso es estudiar el control de sistemas.
La tcnica ms difundida est basada en la retroalimentacin de las variables de
estado. Su principal restriccin es disponer de los estados del sistema, en el caso de no
estarlos, se puede recurrir a tcnicas basadas en observadores de estados. Este
captulo detalla los alcances tericos y matemticos de estas tcnicas y sus versiones
en sistemas SISO para luego extenderlos a sistemas MIMO.
4.1 Introduccin.
El sistema dado por x& (t ) = Ax(t ) + Bu(t ), y (t ) = Cx(t ) + Du(t ) se considera en L.A. y tiene por puntos de
operacin a los valores de xo, uo e yo que satisfacen 0 = Ax o + Bu o , y o = Cx o + Du o . Lo que se puede
ordenar matricialmente como,
A B x o 0
C D u = y .
o o
A B
Si la matriz
es invertible, entonces existe una entrada uo que lleva el sistema a yo. Este
C D
resultado es importante dado que condiciona los valores alcanzable de la salida en estado estacionario.
Ntese tambin que esta restriccin es equivalente a no tener ceros de transmisin en el origen. Es
s0 I + A B
sea invertible en s0 = 0.
decir, que la matriz
D
C
Un controlador de estados es bsicamente una re-definicin de u tal que la dinmica del sistema es
alterada. Si se define la entrada como u(t) = -Kcx(t) + uex(t) (con Kc una matriz de ganancias de
dimensin pn) se tiene que el sistema en L.C. queda definido por,
x& (t ) = Ax(t ) + B(K c x(t ) + u ex (t )), y (t ) = Cx(t ) + D(K c x(t ) + u ex (t )) ,
lo que se simplifica a,
x& (t ) = ( A BK c )x(t ) + Bu ex (t ), y (t ) = (C DK c )x(t ) + Du ex (t ) ,
y cuya representacin en diagrama de bloques est dada en la Fig. 4.1. Los valores propios del sistema
sin el controlador estn dados por las races del polinomio caracterstico det{sI - A} = 0; por simetra,
los valores propios del sistema incluyendo el controlador estn dados por las races del polinomio
caracterstico det{sI - A + BKc} = 0. Se puede apreciar que la eleccin de las ganancias involucradas
en la matriz Kc definir la localizacin de stos para el nuevo sistema.
Ntese que para la implementacin prctica de este controlador se requiere tener disponible todas las
variables de estado, excepto que una o varias columnas de Kc sean nulas.
Otro aspecto importante es saber qu sucede con los valores alcanzables por el sistema al incluir un
controlador de estados. Para esto se tiene el siguiente teorema.
80
Apuntes: 543 760
Teorema: Los ceros de transmisin del sistema en L.C. son iguales a los ceros de transmisin del
sistema en L.A.
Un cero de transmisin en L.A. s0LA cumple con,
s0 LA I + A B
= 0,
C
D w
(4.1)
para algn 0, w 0; y un cero de transmisin en L.C. s0LC cumple con,
B `
= 0,
D w`
s0 LC I + A BK c
C DK c
para algn ` 0, w` 0. Si se escoge ` = y w` = w + Kc se tiene,
s0LC I + A BK c
C DK c
B ( s0LC I + A BK c ) + B(w + K c)
=
D w + K c
(C DK c ) + D(w + K c )
( s I + A) BK c + Bw + BK c
= 0LC
C DK c + Dw + DK c
( s I + A) + Bw
= 0LC
C + Dw
s I + A B
= 0LC
=0
C
D w
al comparar esta ltima expresin con (4.1) se puede concluir que s0LA = s0LC.
Por lo tanto, los valores alcanzables del sistema con el controlador de estado estn sujeto a que el
D
uex
x&
u
+
y
C
+
planta
Kc
(a)
D
x&
uex
B
A - BKc
y
C - DKc
planta y controlador
(b)
Fig. 4.1 Representacin grfica del controlador de estados; a) explcita, b) implcita.
81
Apuntes: 543 760
sistema en L.A. no tenga cero de transmisin en el origen.

Un ltimo resultado importante es que si un sistema es controlable en L.A. entonces lo es en L.C.. Esta
afirmacin queda refrendada por el siguiente teorema.
Teorema: Un sistema realimentado por estados es controlable con uex si y slo si el sistema en L.A. es
controlable.
Si en L.A. la entrada necesaria es u (t) para llevar a x(t) al estado final x f a travs de la trayectoria
x (t), en L.C. basta tomar uex(t) = u (t) + Kcx (t) para llevar a x(t) al estado final x f.
4.2 Controlador de Estados SISO.

Se asume que se tiene disponible la representacin en F. de T. h(s)LA con la forma,
h ( s ) LA =
bn 1 s n 1 + bn 2 s n 2 + L + b1 s + b0
,
s n + a n 1s n 1 + a n 2 s n 2 + L + a1 s + a 0
a la cual se le puede asignar la representacin FCC,

0
0
x& (t ) = M
0
a0
1
0
M
0
0
1
M
0
a1
a2
0
0
M
1

x(t ) + M u (t ) ,
1
L an 1
L
L
O
L
y(t) = [b0 b1 ... bn-1]x(t).
Al utilizar el controlador de estados (considerando que la matriz Kc en el caso SISO es un vector kc)
del tipo u(t) = uex(t) - kcx(t), con kc = [a0 - a0 a1 - a1 an-1 - an-1] (donde ai, i = 0, ..., n-1 son
ganancias arbitrarias) se tiene que la representacin en L.C. queda,
0
0
x& (t ) = M
0
a 0
1
0
M
0
1
M
0
a1
0
a2
0
0
M

x(t ) + M uex (t ) ,

1
L
0
1
L a n 1
L
L
O
y(t) = [b0 b1 ... bn-1]x(t).
Por lo tanto, la F. de T. en L.C. queda,

h ( s ) LC =
bn 1 s n 1 + bn 2 s n 2 + L + b1 s + b0
.
s n + a n 1 s n 1 + a n 2 s n 2 + L + a 1 s + a 0
Es decir, si se conoce la ubicacin deseada de los polos en L.C. (por tanto se conoce ai, i = 0, ..., n-1) y
se conoce la ubicacin de los polos en L.A. (por tanto se conoce ai, i = 0, ..., n-1), se puede determinar
kc. El procedimiento anterior es directo si se tiene la F. de T.; sin embargo, si se tiene la realizacin {A,
b, c, d}, sta debe ser posible de escribir en su FCC.
Teorema: Si un sistema S: {A, b, c, d} es controlable, se puede transformar en un sistema equivalente
Sco: {Aco, bco, cco, dco}, en que Sco est en la FCC.

82
Apuntes: 543 760
En el Captulo I se encontr que al tomar T = (CCM)-1 = M-1C-1 con C = b Ab A 2b L A n1b ,

a1 a 2 L a n1 1
a
a 3 L 1 0
2
M= M
M O M
M se lleva el sistema a una FCC, en donde las nuevas variables de estado
a n 1 1 L 0 0
1
0 L 0 0
estn dadas por z(t) = T x(t). Para esto M y C deben ser invertibles. M siempre lo es y C lo es si
det{C} 0, lo cual corresponde a la condicin de controlabilidad que se cumple por hiptesis. La
realizacin resultante es Sco = {Aco = TAT-1, bco = Tb, cco = cT-1, dco = d}.
Ntese que x(t) = T-1 z(t), con T 1 = a1b + a 2 Ab + L + a n 1 A n 2 b + A n 1b L a n 1b + Ab b .

Teorema: Si un sistema S: {A, b, c, d} es controlable y se utiliza u(t) = uex(t) - kcx(t), los autovalores
del sistema en L.C. resultante SLC: {ALC = A - bkc, bLC = b, cLC = c - dkc, dLC = d} pueden
asignarse arbitrariamente.
Si S: {A, b, c, d} es controlable, entonces existe T tal que z(t) = T x(t) con,

0
0
z& (t ) = M
0
a0
1
0
M
0
0
1
M
0
a1
a2
0
0
M
1

z (t ) + M u (t ) ,
0
1
L an 1
L
L
O
L
y(t) = [b0 b1 ... bn-1]z(t) + du(t).
Si se toma u(t) = uex(t) - kcx(t) = uex(t) - kcT-1z(t) = uex(t) - kcz(t) (se define kc = kcT-1). Si se desea un
polinomio caracterstico s n + a n 1s n 1 + a n 2 s n 2 + L + a 1s + a 0 , se define kc = [a0 - a0 a1 - a1 an1 - an-1], por lo que el sistema resultante es,
0
0
z& (t ) = M
0
a 0
1
0
M
0
1
M
0
a1
0
a 2
0
0
M

z (t ) + M uex (t ) ,

L
1
0
1
L a n 1
L
L
O
y = [b0 - d(a0 - a0) b1 - d(a1 - a1) bn-1 - d(an-1 - an-1)]z + duex.

Para simplificar el uso de los teoremas anteriores se recurre al siguiente algoritmo de diseo del
controlador de estados para sistemas SISO,
1.- Obtener del sistema original S: {A, b, c, d} los coeficientes ai, i = 0, ..., n-1 a partir del polinomio
caracterstico det{sI - A} = s n + an 1s n 1 + a n2 s n 2 + L + a1 s + a0 .
2.- Darse los valores propios deseados i, i = 1, ..., n, del cual se obtienen los coeficientes ai, i = 0, ...,
n-1, como (s - 1)( s - 2)( s - n) = s n + a n 1s n 1 + a n 2 s n 2 + L + a 1s + a 0 .
83
Apuntes: 543 760
3.- Obtener kc = [a0 - a0 a1 - a1 an-1 - an-1].

4.- Calcular T a partir de A y b.
5.- Determinar kc como kc = kc T.
Ejemplo 4.1 Dado el sistema con M. de T.,
h( s ) LA =
y( s)
s 2 + 4s + 3
,
= 3
u( s ) s 2 s 2 + 16
disear un controlador de estados para que el sistema resultante tenga una respuesta a escaln con un = 0.707 y un tiempo
de asentamiento de 2 s para una banda del 2%. R.: al aplicar el algoritmo anterior se tiene: (1) en este caso se puede obtener
directamente a0 = 16, a1 = 0, y a2 = -2; (2) los polos deseados estn en -2 2j (el tercer polo se ubica en -10), por lo que se
puede escribir (s - -2 + j )( s - -2 - j)( s - -10) = s3 + 14s 2 + 48s + 80, por lo que a0 = 80, a1 = 48, y a2 = 14; (3) kc = [80 - 16
1 0 0
2
1
48 - 0 14 - -2] = [64 48 16]; (4) la matriz T = [a1b + a 2 Ab + A b a 2 b + Ab b] = 0 1 0 ; (5) finalmente, kc =
0 0 1
y(s)
s 2 + 4s + 3
= 3
, que verifica la reu ex ( s ) s + 14 s 2 + 48s + 80
ubicacin de los valores propios del sistema. Una representacin grfica de esta aplicacin es dada en la Fig. 4.2.
[64 48 16]. Para verificar los resultados se obtiene h(s)LC como h( s ) LC =
Ejemplo 4.2 Disee un controlador de estados para el caso del accionamiento con eje flexible. R.: En el Ejemplo 3.1 se
0
0
0 1 /(n 2 J m ) k m /(nJ m )
0
0
1/ J l
0
y b = 0 ; por lo tanto, (1) el polinomio caracterstico
determin que A =
0
k
0
0
k
0
Ra / La
nk m / La 0
1 / La
es s4 + 24s3 + 29403s2 + 704167s + 1562500, por lo que a0 = 1562500, a1 = 704167, a2 = 29403 y a3 = 24; (2) los polos
deseados se escogen en -2 2j (el tercero y cuarto polo se ubican en -25), por lo que se puede escribir (s - -2 + j )( s - -2 - j)(
s - -25)( s - -25) = s4 + 54s3 + 833s 2 + 2900s + 5000, por lo que a0 = 5000, a1 = 2900, a2 = 833 y a3 = 54; (3) kc = [5000 1562500
2900 704167
833 29403
54 - 24] = [-1557500
-701267
-28570
30]; (4) la matriz T =
7
0
3.8410
0
0
0
0
0
.
00002
0
; (5) finalmente, kc = [-274.27 273.672 -30.364 1.5]. Los resultados simulados se

0.0096 0.0096
0
0
0
0.56333 0.05
0
muestran en la Fig. 4.3, donde se ha considerado la presencia de un torque de carga de tl = 4. Ntese que: (a) el sistema est
en S.S. inicialmente, (b) la entrada externa debe tener valores muy pequeos comparada con la entrada al sistema va, (c) el
sistema tiene una dinmica ms suave permitiendo limitar las variables internas (corriente), y (d) se necesita tener la
d
uex
x&
u
+
x
c
+
planta
kc
Fig. 4.2 Representacin grfica del controlador de estados SISO del Ejemplo 4.1.
84
Apuntes: 543 760
variable tr que corresponde al torque en el eje, el cual podra no estar disponible para su medicin.
4.3 Controlador de Estados MIMO.

Al igual que en el caso SISO, la entrada se define como u(t) = uex(t) - Kcx(t); sin embargo, la matriz Kc
es de dimensin pn. As la nueva representacin es x& (t ) = ( A BK c ) x(t ) + Bu ex (t ) ,
y (t ) = (C DK c )x(t ) + Du ex (t ) , la cual tiene sus valores propios dados por det{sI - A + BKc} = 0,
como Kc se puede escoger arbitrariamente, se puede alterar la ubicacin de stos. La matriz de
controlabilidad es C = [B AB An-1B] y si se considera que B se puede expresar en sus componentes
columnas como B = [b1 b2 bp], C se puede escribir como, C = [b1 b2 bp Ab1 Ab2 Abp An-1b1
An-1b2 An-1bp], o como,
C = [b1 Ab1 An-1b1 b2 Ab2 An-1b2 bp Abp An-1bp].

Como es sabido, si rango{C} = n, entonces el sistema es controlable. Ntese que los vectores b1 b2
bp son L.I., puesto que de otra forma implicara que hay entradas que producen el mismo efecto en el
sistema, por lo que deberan ser descartadas. De esto se puede concluir que si hay p = n entradas,
entonces el sistema es siempre controlable. Por otro lado, si existe algn bi tal que rango{[bi Abi
An-1bi]} = n, entonces, el control se puede realizar slo con bi. Si no existe este bi, entonces, se
necesitar ms de una entrada para lograrlo. El siguiente teorema muestra que, an bajo estas
condiciones, podra necesitarse slo una entrada para estos efectos. Si esto es factible, entonces podra
utilizarse posteriormente un controlador de estados como el utilizado en sistemas SISO para ubicar
arbitrariamente los valores propios del sistema.
Teorema: Si el par {A, B} es controlable con B = [b1 b2 bp], entonces para cualesquier i = 1, 2, ...,
p existe una matriz Kci de pn tal que el par {A - BKci, bi} es controlable.
Por simplicidad se demostrar para i = 1. Es decir, si el par {A, B} es controlable, entonces existe una
matriz Kc1 de dimensin pn tal que el par {A - BKc1, b1} es controlable. Es decir, que la matriz [b1
(A - BKc1)b1 (A - BKc1)2b1 (A - BKc1)n-1b1] tiene rango n. Dado que {A, B} es controlable,
uex
4000
4000
-50
2000
2000
-100
12
Tr
12
200
10
100
12
12
ia
20
4.006
4
-10
12
100
3.994
0
12
Fig. 4.3 Simulacin del accionamiento c.c. con eje flexible y con controlador de variables de estado como indicado en el
Ejemplo 4.2 con tl = 4.
85
Apuntes: 543 760
entonces existe una matriz Q (que se forma tomando las columnas L.I. de C), definida como,
Q = [b1 Ab1 Ar1-1b1 b2 Ab2 Ar2-1b2 bp Abp Arp-1bp],
donde r1 + r2 + + rp = n. Adems, se define S de dimensin pn como,
S = [0
-e2
-e3
],
donde ei es la columna i-sima de una matriz identidad de pp, lo que da lugar finalmente a definir
Kc1 = SQ-1. Un resultado intermedio es que Kc1Q = S, es decir,
1
Kc1Q = [Kc1b1 Kc1Ab1 Kc1Ar1-1b1 Kc1b2 Kc1Ab2 Kc1Ar2-1b2 Kc1bp Kc1Abp Kc1Arpbp],
es igual a,
S=[ 0
-e2
-e3
].
Ahora se mostrar que la matriz [b1 (A - BKc1)b1 (A - BKc1)2b1 (A - BKc1)n-1b1] tiene rango n o
que los vectores columna que forman dicha matriz son L.I., para esto, y utilizando la relacin columna
a columna obtenida de la igualdad Kc1Q = S, cada columna de la matriz [b1 (A - BKc1)b1 (A BKc1)2b1 (A - BKc1)n-1b1] se puede escribir como,
b1
= b1
(A - BKc1)b1 = Ab1- BKc1b1
= Ab1
2
2
(A - BKc1) b1 = (A - BKc1)(A - BKc1)b1 = (A - BKc1)Ab1 = A b1 - BKc1Ab1
= A2 b 1
M
= M
(A - BKc1)r1-1b1 = (A - BKc1)(A - BKc1)r1-2b1 = (A - BKc1)Ar1-2b1 = Ar1-1b1 - BKc1Ar1-2b1 = Ar1-1b1
(A - BKc1)r1b1 = (A - BKc1)Ar1-1b1 = Ar1b1 - BKc1Ar1-1b1 = Ar1b1 + Be2 = Ar1b1 + b2
= b2 +
(A - BKc1)r1+1b1 = (A - BKc1)(A - BKc1)r1b1 = (A - BKc1)(b2 + Ar1b1)
= Ab2 +
M
= M
n-1
rp-2
(A - BKc1) b1 = (A - BKc1)(A bp + )
= Arp-1bp +
las cuales corresponden a las columnas de la matriz Q ms una matriz de coeficientes no relevantes.
Dado que Q es de rango n, entonces las columnas anteriores son L.I. y por tanto el par {A - BKc1, b1}
es controlable.
El resultado anterior indica que el sistema puede hacerse controlable slo a travs de la primera
entrada; por lo tanto, en un segundo paso puede utilizarse un controlador de estados como el utilizado
en sistemas SISO para ubicar arbitrariamente los valores propios del sistema.
Teorema: Si el sistema {A, B, C, D} es controlable, entonces un controlador de estados en que u(t) =
uex(t) - Kcx(t), donde Kc es una matriz de dimensin pn puede asignar los autovalores
arbitrariamente al sistema resultante {A - BKc, B, C - DKc, D}.
Dado que el par {A, B} es controlable, se puede escoger u(t) = v(t) - Kc1x(t) con Kc1 de dimensin pn
tal que el par {A - BKc1, b1} es controlable (con Kc1 = SQ-1 como definidas por el teorema anterior). Se
m c1
0
,
introduce ahora otra realimentacin v(t) = uex(t) - Mcx(t) con Mc de dimensin pn tal que Mc =
M
86
Apuntes: 543 760
con
Por lo tanto, el sistema resultante es

x& (t ) = ( A BK c1 BM c )x(t ) + Bu ex (t )
=
( A BK c1 b1m c1 )x(t ) + Bu ex (t ) ,
y (t ) = (C DK c1 DM c )x(t ) + Duex (t ) , y como el par {A - BKc1, b1} es controlable, entonces la
realimentacin v(t) = uex(t) - Mcx(t) puede fijar arbitrariamente los valores propios de la matriz (A BKc1 - b1mc1} mediante la apropiada seleccin de mc1.
Finalmente, combinando u(t) = v(t) - Kc1x(t) con v(t) = uex(t) - Mcx(t) se puede escribir u(t) = uex(t)
(Kc1 + Mc)x(t). Es decir, Kc = Kc1 + Mc.
mc1
un
vector
de
dimensin
1n.
Una representacin grfica del procedimiento anterior est dado en la Fig. 4.4.
Ejemplo 4.3 Dado el sistema descrito por,
1 1 2
A = 2 0 2 , B =
4 2 5
0 0
1 0 , y C = 1 0 0
1 0 1
0 1
disear un controlador de estados para que el sistema resultante tenga valores propios en -10, -2 2j. R.: Los valores
propios del sistema en L.A. estn en det{sI - A} = s3 + 4s2 + 5s + 2 = (s + 1)(s + 1)(s + 2) por lo que se necesita de un
controlador de estados. Afortunadamente, rango{B AB A2B} = 3, desafortunadamente, rango{b1 Ab1 A2b1} = 2 y
2
rango{b2 Ab2 A b2} = 2; por lo tanto, el sistema es controlable pero se necesitan las dos entradas para tales efectos.
1
0 1 0
0 0 0
0 0 0
-1
-1
Primero, se encuentra Kc1 como Kc1 = SQ = [0 -e2 0][ b1 Ab1 b2] =
1 0 0 =
por lo que
0 1 0 0 2 1
1 0 0
el sistema resultante est dado por u = v - Kc1x; es decir, x& = ( A BK c1 )x + Bv , y = (C DK c1 )x + Dv que es controlable
mediante v1. El sistema resultante tiene un polinomio caracterstico dado por det{sI A + BKc1} = s3 + 4s2 + 7s + 4 = (s +
1)( s + 1.5 + 1.323j)( s + 1.5 -1.323j) que no cumple con la ubicacin deseada, pero es controlable a travs de v1. Por lo
tanto, se puede disear Mc considerando que el sistema resultante tiene a0 = 4, a1 = 7, y a2 = 4 y que el sistema deseado debe
tener un polinomio caracterstico dado por det{ sI A + BKc} = det{ sI A + BKc1 + BMc} = (s + 2 + j )( s + 2 - j)( s +
10) = s3 + 14s 2 + 48s + 80, por lo que a0 = 80, a1 = 48, y a2 = 14; as, kc = [80 - 4 48 - 7 14 - 4] = [76 41 10] y la matriz T
= [a1b1 + a 2 ( A BK c1 )b1 + ( A BK c1 ) 2 b1
10
25]. As Kc = Kc1 + Mc =
b 1 ] 1
a 2 b1 + ( A BK c1 )b1
1 1 0
= 5 4 1
3 2 0
; finalmente, mc1 = kcT = [-49
49 10 25
1 0 0 . Para verificar los resultados se obtiene H(s)LC como
D
uex
v
+
x&
u
+
y
C
+
planta
Kc1
Mc
Fig. 4.4 Representacin grfica del controlador de estados para sistemas MIMO.
87
Apuntes: 543 760
H( s ) LC =
2 s 47
s +1
s + 2 s 2 + 11s 14 lo que verifica la re-ubicacin de los valores propios del sistema.
s + 14s + 48s + 80
4.4 Controlador de Estados de Orden Reducido.

Un caso especial es cuando el sistema no es controlable y la matriz de controlabilidad resulta tener un
rango nc < n. En este caso hay nc estados controlables y, por lo tanto, nc de los n valores propios de la
representacin pueden ser ubicados arbitrariamente. Un procedimiento para lograrlo se presenta a
continuacin. El sistema dado por x& (t ) = Ax(t ) + Bu(t ) + Ep(t ), y (t ) = Cx(t ) + Du(t ) + Fp(t ) , puede
ser escrito en forma diagonal si se utiliza una transformacin de similitud T dada por los vectores
propios (v1, v2,, vn) de A. As T = [v1 v2 vn]-1 lo que resulta en una nueva representacin dada por
z& (t ) = A T z (t ) + B Tu(t ) + ETp(t ) , y (t ) = CT z (t ) + DTu(t ) + FTp(t ) , donde z(t) = Tx(t), AT = TAT-1, BT =
TB, CT = CT-1, DT = D, ET = TE y FT = F. Si adems, las primeras columnas de T son los vectores
propios asociados a las nc variables controlables zc de las n - nc no controlables znc, con z = [zcT zncT]T,
la representacin queda,
z& (t ) A
z& (t ) = c = c
z& nc (t ) 0
0 z c (t ) Bc
+
u(t ) + ETp(t ), y (t ) = [ Cc
Anc z nc (t ) 0
z (t )
Cnc ] c + DTu(t ) + FTp(t ) .
z nc (t )
Si se define la entrada como u(t) = v(t) [ K 'c 0]z(t) = v(t) [ K 'c 0][zcT(t) zncT(t)]T = v(t) K 'c zc(t), con
K 'c de dimensin pnc entonces,
z& c (t ) A c
z& (t ) = 0
nc
y (t ) = [Cc
0 z c (t ) Bc
+ ( v (t ) K 'c z c (t )) + ETp(t )
Anc z nc (t ) 0
z (t )
Cnc ] c + DT ( v (t ) K 'c z c (t )) + FTp(t )
z nc (t )
lo que se reduce a,
z& c (t ) A c B c K 'c
z& (t ) =
0
nc
y (t ) = Cc DT K
'
c
0 z c (t ) Bc
+ v (t ) + ETp(t ),
A nc z nc (t ) 0
z (t )
Cnc c + DT v (t ) + FTp(t )
z nc (t )
La operatoria de matrices asegura que los valores propios de la representacin anterior son los valores
de tal que det{I - (Ac - Bc K 'c )}det{I - Anc } = 0. Los asociados a det{I - (Ac - Bc K 'c )}
pueden ser ubicados arbitrariamente dado que por hiptesis se tiene que el par {Ac, Bc} es controlable.
El procedimiento para encontrar K 'c es el utilizado para sistemas MIMO o SISO segn corresponda.
Finalmente, dado que z(t) = Tx(t), entonces u(t) = v(t) [ K 'c 0]z(t) = v(t) [ K 'c 0]Tx(t), por lo que si
se define a Kc = [ K 'c 0]T, entonces u(t) = v(t) Kcx.
88
Apuntes: 543 760
4.5 Controlador de Estados con Integradores.

Como revisado hasta ahora, los controladores de estado requieren para su implementacin el modelo
exacto del sistema; es decir, las matrices A, B, C, D. Esto no es siempre factible debido principalmente
a tres razones, primero, el modelo en la prctica siempre es aproximado, segundo, los parmetros
normalmente se alteran con el tiempo y tercero, la existencia de perturbaciones. Para esto existe una
solucin a la implementacin de controladores de estado al costo de introducir tantos integradores
como salidas estn definidas. Es decir, el sistema original puede ser escrito como, x& (t ) = Ax(t) + Bu(t)
+ Ep(t), y(t) = Cx(t) + Du(t) + Fp(t), al cual se le agregan los integradores del tipo z& (t ) = y(t) - yd(t) =
Cx(t) + Du(t) + Fp(t) - yd(t), donde yd(t) es el vector de salidas deseadas o referencias de dimensin
q1. Ntese que el nuevo vector de estado z(t) est definido de manera de asegurar en el punto de
operacin que y(t) = yd(t) dado que en ste se cumple que z& (t ) = 0. Por lo tanto, una representacin de
este sistema completo es,
A
x& (t )
z& (t ) =
0
0
E
B
x(t )
z (t ) + u(t) + p(t)
F
D
0
x(t )
I yd(t), y(t) = [C 0] z (t ) + Du(t) + Fp(t).
A 0
Ntese que la matriz
tiene los valores propios originales de A ms q valores propios en el
C 0
origen. Lo interesante es mover la localizacin de estos valores propios a un lugar arbitrario mediante
un controlador de estados, como ilustrado en la Fig. 4.5 en donde se ha obviado la perturbacin p. Para
A 0 B
, , [C 0], D debera ser controlable.

lograr esto, el sistema
C 0 D
A 0 B
[
]
,
,
C
0
,
D
es
0 D
controlable si y slo si el sistema original {A, B, C, D} no tiene ceros de transmisin en el

origen.
Teorema: Sea el sistema {A, B, C, D} controlable. El sistema

C
D
uex
x&
u
+
y
C
planta
[x T z T]T
Kc
z&
yd
-
Fig. 4.5 Representacin grfica del controlador de estados con integradores para sistemas MIMO.
89
Apuntes: 543 760
A 0 B
El teorema anterior es del tipo p (

, , [C 0], D es controlable) q ({A, B, C, D} no
C 0 D
tiene ceros de transmisin en el origen), o q p y p q o del tipo p/ q/ y q/ p/ . Por lo tanto, el

teorema se prueba si se demuestra esto ltimo; es decir, (a) si el sistema resultante es no controlable
entonces el sistema original tiene ceros de transmisin en el origen y (b) si hay un cero de transmisin
en el origen entonces el sistema es no controlable.
(a) Si el sistema resultante es no controlable, entonces alguno de sus vectores propios deben arrojar
negativo el test de los vectores propios. Los valores propios del sistema resultante son los valores
propios originales de A (i, i = 1, ..., n) ms q valores propios en el origen (i = 0, i = n + 1, ...,
n + q). Sean los vectores propios de AT dados por wi, i = 1, ..., n por lo tanto se puede escribir,
A 0
T
T
T
[wiT 0]
= [wi A 0] = [iwi 0] = i[wi 0], es decir, el vector propio en el sistema
C
0
resultante asociado al valor propio i es [wiT 0]. Al utilizar el test de los vectores propios se tiene
B
que [wiT 0] = wiTB 0 dado que el sistema original es controlable; por lo tanto los modos i, i
D
= 1, ..., n son todos controlables. Por otro lado, sean wiT = [wi1T wi2T] (i = n + 1, ..., n + q) los
vectores propios asociados a los q valores propios en el origen. Por lo tanto, se puede escribir que
A 0
T
T A
[wi1T wi2T]
=
0
tambin
[
w
w
] = 0 y si se asume que un modo i = 0 es no
i
1
i
2
C 0
C
controlable para cumplir con la hiptesis de tener un sistema resultante no controlable, entonces
B
A B
[wi1T wi2T] = 0; combinando ambas ecuaciones se puede escribir que, [wi1T wi2T]
= 0,
D
C D
A B
como [wi1T wi2T] 0 slo queda que la matriz
tenga deficiencia de rango lo que equivale
C D
a la condicin de tener un cero de transmisin en el origen.
A B
(b) Si hay un cero de transmisin se cumple entonces que [wi1T wi2T]
= 0 para algn valor de
C D
A
[wi1T wi2T] 0; por tanto, este vector tambin cumplir con [wi1T wi2T] = 0 lo que lo hace ser
C
un vector propio asociado a uno de los valores propios en el origen (i = 0, i = n + 1, ..., n + q) del
B
sistema resultante, como este vector tambin satisface [wi1T wi2T] = 0, entonces este modo es
D
no controlable y por tanto el sistema resultante es no controlable.
En el caso de tener un sistema extendido controlable, entonces podemos reubicar los valores propios
x(t )
x(t )
= uex(t) - Kc , donde uex(t) es una
z (t )
z (t )
mediante la ley de control u(t) = uex(t) - [Kcx Kcz]
entrada que puede utilizarse, por ejemplo, para implementar un lazo pre-alimentado para eliminar el
efecto de p(t). En estado estacionario se tiene que,
A 0 B
[K cx
C 0 D
K cz ]
x o
B
=
z
D uex o

E
F po +

0
I ydo,

90
Apuntes: 543 760
dado que el sistema resultante tendr slo valores propios estables (no tiene valores propios en el
A 0 B
[
K
K
]
origen) el trmino
cx
cz
es invertible y por tanto existe solucin nica para xo,

C 0 D
zo independiente de uex. Esto justifica su utilizacin para fines tales como lazos pre-alimentados.
1 1 2
A = 2 0 2 , B =
4 2 5
0 0
1 0 , y C = 1 0 0
1 0 1
0 1
disear un controlador de estados para que el sistema resultante tenga valores propios en -10, -2 2j y que las salidas sigan
referencias dadas por yd. R.: Se agregan dos integradores al sistema puesto que hay dos salidas por lo que el sistema
A 0
B
extendido es {Ap =
, Bp = , Cp = [C 0] , Dp = D}. Los valores propios de este sistema en L.A. estn en
C 0
D
5
4
3
2
2
det{sI - Ap} = s + 4s + 5s + 2s = (s + 1)(s + 1)(s + 2)s por lo que se necesita de un controlador de estados.
2
3
4
Afortunadamente, rango{Bp ApBp Ap Bp Ap Bp Ap Bp} = 5, desafortunadamente, rango{bp1 Apbp1 Ap2bp1 Ap3bp1 Ap4bp1}
= 3 y rango{bp2 Apbp2 Ap2bp2 Ap3bp2 Ap4bp2} = 3; por lo tanto, el sistema es controlable pero se necesitan las dos entradas
para tales efectos.
0 0 0 0 0
Primero, se encuentra Kc1 como Kc1 = SQ-1 = [0 0 -e2 0 0][ bp1 Apbp1 Ap2bp1 bp2 Apbp2]-1 =
0 0 1 0 0
1
0
1
0
0
1 3 0 2
0 2 0 2
0 0 0 0 0
por lo que el sistema resultante est dado por u = v - Kc1x; es decir,
2 6 1 5 =
0 0 0 1 0
0 1 0 0
0 1 0 1
x& = ( A p B p K c 1 )x + B p v , y = (C p D p K c1 )x + D p v que es controlable mediante v1. El sistema resultante tiene un
polinomio caracterstico dado por det{sI Ap + BKc1} = s5 + 4s4 + 5s3 + 4s2 + 2s = s(s + 2.521) (s + 1) ( s + 0.239 +
0.858j)( s + 0.239 - 0.858j) que no cumple con la ubicacin deseada, pero es controlable a travs de v1. Por lo tanto, se
puede disear Mc considerando que el sistema resultante tiene a0 = 0, a1 = 2, a2 = 4, a3 = 5, y a4 = 4 y que el sistema
deseado debe tener un polinomio caracterstico dado por det{sI Ap + BpKc} = det{ sI Ap + BpKc1 + BpMc} = (s + 2 + j
)( s + 2 - j)( s + 10)3 = s5 + 34s4 + 428s3 + 2440s2 + 6400s + 8000, por lo que a0 = 8000, a1 = 6400, a2 = 2440, a3 = 428, a4 =
34; as, kc = [8000 - 0 6400 - 2 2440 - 4 428 - 5 34 - 4] = [8000 6328 2436 423 30] y la matriz T =
y1(t)
6
4
yd1(t)
yd2(t)
4
6
y2(t)
4
0
(a)
10
(b)
Fig. 4.6 Controlador del Ejemplo 4.4; a) salida y1 y referencia yd1, b) salida y2 y referencia yd2.
10
91
Apuntes: 543 760
0
0
0
1
0
2
1
1
1
1
3
2
1
1
1
4
2
0
0
0
1
0 ; finalmente, mc1 = kcT = [-8287 30 4295 -5957 8000]. As Kc = Kc1 + Mc =
0
0
8287 30 4295 5957 8000
. Para verificar los resultados se obtiene el polinomio caracterstico del sistema
0
0
0
1
0
resultante que es det{sI - Ap + BpKc} = s5 + 34s4 + 428s3 + 2440s2 + 6400s + 8000 lo que verifica la ubicacin de los
valores propios del sistema incluyendo el controlador de estados en conjunto con los integradores.
La Fig. 4.6 muestra la simulacin de este caso en donde la salida y1 cambia de 1 a 2 mediante la referencia yd1 mientras la
salida y2 es mantenida por el controlador en -1.
Ejemplo 4.5 Dado el sistema del motor con eje flexible, disear un controlador de estados para que el sistema resultante
tenga valores propios en -10, -2 2j y que la salida siga una referencia dada por yd = yd. R.: Se agrega un integrador al
A 0
b
sistema puesto que hay una salida por lo que el sistema extendido es {Ap =
, bp = , cp = [c 0] , dp = d}. Los
c
0
d
5
4
3
valores propios de este sistema en L.A. estn en det{sI - Ap} = s + 24s + 29402.78s + 704166.67s2 + 1562500s = (s +
0.0037+171.3166j)(s + 0.0037-171.3166j)(s + 2.4741+21.5185j)(s + 2.4741-21.5185j)s por lo que se necesita de un
controlador de estados. Afortunadamente, rango{bp Apbp Ap2bp Ap3bp Ap4bp} = 5; por lo tanto, el sistema es controlable.
(1) el polinomio caracterstico es s5 + 24s4 + 29403s3 + 704167s2 + 1562500s, por lo que a0 = 0, a1 = 1562500, a2 = 704167,
a3 = 29403 y a4 = 24; (2) los polos deseados se escogen en -2 2j (el tercero, cuarto y quinto polo se ubican en -25), por lo
5
+ 77500 s + 125000 s5 + 79s4 +

que se puede escribir (s - -2 + j )( s - -2 - j)( s - -25)3 = s + 79 s + 2183 s + 23725s
3
2
2183s + 23725s + 77500s + 125000, por lo que a0 = 125000, a1 = 77500, a2 = 23725, a3 = 2183 y a4 = 79; (3) kc =
[125000-0 77500-1562500 23725-704167 2183-29403 79-24] = [125000 -1485000 -680442 -27220 55]; (4) la matriz T =
0
0
0
0
3.8410 7
7
3.8410
0
0
0
0
0
; (5) finalmente, kc = [-261.3099 260.7396 -44.0478 2.7500 0.0480].
0
1.9210 5
0
0
3
9.610 3
0
0
0
9.610
0
0
0.5633 0.05
0
La Fig. 4.7 muestra la simulacin de este caso en donde la salida y1 = r cambia de 3000 a 1400 rpm mediante la referencia
z1
yd, r
4000
4000
3000
2000
2000
2950
12
Tr
12
200
10
100
12
12
ia
20
4.00
3.98
-10
12
100
3.97
0
12
Fig. 4.7 Simulacin del accionamiento c.c. con eje flexible y con controlador de variables de estado con integrador como
indicado en el Ejemplo 4.5 con tl = 4.
92
Apuntes: 543 760
yd. Ntese que el cambio en el torque perturbador p no saca al sistema del punto de operacin.
4.6 Desacoplador de Estados.

En un sistema desacoplado se tiene la gran ventaja de que cada entrada afecta slo a una salida. Por
tanto, la M. de T. debe ser cuadrada; es decir, p = q. En estos casos, se pueden implementar fcilmente
controladores monovariables, para los cuales hay suficiente teora para su anlisis y diseo.
Def.: Un sistema MIMO se dice sistema desacoplado si su M. de T. es diagonal y no singular.
En estos casos, la M. de T. es del tipo,

0
h11 ( s )
0
h22 ( s )
H( s ) =
M
M
0
0
L
0
.
O
0
L h pp ( s )
L
En una M. de T. arbitraria interesara manipular separadamente cada salida. Si la M. de T. no es

desacoplada y se representa por x& = Ax + Bu, y = Cx + Du, puede disearse un controlador de estados
del tipo u = Guex - Fx que permita alcanzar esta propiedad. En el sistema en L.A. se tiene una M. de T.
dada por HLA(s) = C(sI A)-1B (con D = 0) y con la realimentacin se tiene una M. de T. HLC(s) =
C(sI A + BF)-1BG. En la Fig. 4.8 se puede observar este caso en donde se espera obtener que las p =
q salidas del vector y sean desacopladas respecto de las p = q nuevas entradas uex.
Teorema: El sistema x& (t ) = Ax(t) + Bu(t), y(t) = Cx(t) + Du(t) tiene por M. de T. a HLA(s) y al
utilizar la realimentacin u(t) = Guex(t) - Fx(t) queda descrito por la M. de T. HLC(s) y

cumple con la igualdad, HLC(s) = HLA(s)(I F(sI A + BF)-1B)G = HLA(s)(I + F(sI A)1
B)-1G.
Para demostrar el teorema se procede a escribir HLC(s) como
= C(sI A + BF)-1BG
= C(sI A)-1(sI A)(sI A + BF)-1BG
= C(sI A)-1(sI A + BF - BF)(sI A + BF)-1BG
= C(sI A)-1((sI A + BF) - BF)(sI A + BF)-1BG
x&
uex
+
y
C
A
F
planta
planta desacoplada
Fig. 4.8 Representacin grfica del desacoplador de estados.

93
Apuntes: 543 760
= C(sI A)-1(I BF(sI A + BF)-1)BG

= C(sI A)-1(BG BF(sI A + BF)-1BG)
= C(sI A)-1B(G F(sI A + BF)-1BG)
= HLA(s)(I F(sI A + BF)-1B)G
Por otro lado, (I F(sI A + BF)-1B)(I + F(sI A)-1B)
= I F(sI A + BF)-1B + F(sI A)-1B - F(sI A + BF)-1BF(sI A)-1B
= I F(sI A + BF)-1(sI A)(sI A)-1B + F(sI A)-1B - F(sI A + BF)-1BF(sI A)-1B
= I F(sI A + BF)-1(sI A)(sI A)-1B + F(sI A)-1B - F(sI A + BF)-1BF(sI A)-1B
= I F(sI A + BF)-1(sI A + BF - BF)(sI A)-1B + F(sI A)-1B - F(sI A + BF)-1BF(sI A)-1B
= I F(sI A + BF)-1(sI A + BF - BF)(sI A)-1B + F(sI A)-1B - F(sI A + BF)-1BF(sI A)-1B
= I F(sI A)-1B + F(sI A + BF)-1BF(sI A)-1B + F(sI A)-1B - F(sI A + BF)-1BF(sI A)-1B
=I
Por lo tanto se puede escribir (I F(sI A + BF)-1B) = (I + F(sI A)-1B)-1 y por ende HLC(s) =
HLA(s)(I + F(sI A)-1B)-1G.
La existencia de las matrices F y G en la realimentacin u(t) = Guex(t) Fx(t) est condicionada por el
siguiente teorema.
Teorema: Existe una realimentacin de estados u(t) = Guex(t) - Fx(t) que desacopla el sistema x& (t ) =
c1 A v1 1B
c 2 A v2 1B
Ax(t) + Bu(t), y(t) = Cx(t) + Du(t), si y slo si la matriz, E =

, es no singular,
vq 1
c q A B
donde CT = [c1T c2T cqT] y vi, i = 1, ..., q son enteros dados por,
min{j / ci A j 1B 0}
vi =
.
j 1
n 1 si ci A B = 0 j
Para demostrar el teorema se considera que la M. de T. en L.A. HLA(s) tiene filas hi(s) dadas por,
hi(s) = ci(sI A)-1B
= ciA0s-1B + ciA1s-2B + + ciAvi-2s-vi+1B + ciAvi-1s-viB + ciAvis-vi-1B + ciAvi+1s-vi-2B + +
si se considera que ciA0B = ciA1B = = ciAvi-2B = 0 y por tanto ciAvi-1B 0, entonces,
hi(s) = ciAvi-1s-viB + ciAvis-vi-1B + ciAvi+1s-vi-2B + +
= s-vi(ciAvi-1B + ciAvis-1B + ciAvi+1s-2B + + )
= s-vi(ciAvi-1B + ciAvi(A0s-1)B + ciAvi(A1s-2)B + + )
= s-vi(ciAvi-1B + ciAvi(sI A)-1B)
Por lo tanto, la M. de T. en L.A. puede escribirse como
s v1
0
HLA(s) =
M
s v2
M
v 1
v
0 c1 A 1 B c1 A 1

v2 1
v2
L 0 c 2 A B c 2 A
1
+
( sI A ) B ,
M
M
O 0
v 1
v
v
L s q c q A q B c q A q
94
Apuntes: 543 760
c1 A v1 1B
c1 A v1
c 2 A v2 1B
c 2 A v2
si se define la matriz B =
(que corresponde a la matriz E) y la matriz C =
,
M
M
vq 1
vq
c q A B
c q A
entonces la M. de T. en L.A. puede escribirse como HLA(s) = diag{s-v1, s-v2, , s-vq }(B + C(sI - A)-1B).
Al emplear la relacin del teorema (considerando que u(t) = Guex(t) - Fx(t)), la M. de T. del sistema en
L.C. HLC(s) puede escribirse como,
HLC(s) = diag{s-v1, s-v2, , s-vq }(B + C(sI - A)-1B)(I + F(sI - A)-1B)-1G,
la que puede formularse como,
HLC(s) = diag{s-v1, s-v2, , s-vq }(B + C(sI - A)-1B)(G-1 + G-1F(sI - A)-1B)-1,
de donde se puede concluir que si B = G-1 y C = G-1F, entonces HLC(s) = diag{s-v1, s-v2, , s-vq } que
corresponde a una M. de T. diagonal y por tanto desacoplada. En resumen, si se escoge G = B-1 y F =
B-1C se obtiene un sistema en L.C. desacoplado. Para esto, B = E debe ser invertible.
1 1 2
A = 2 0 2 , B =
4 2 5
disear un controlador de estados
0
j = 1 el vector c1A0B = [1 0 0] 1
0
1 1 2 0
1
c1A B = [1 0 0] 2 0 2 1

4 2 5 0
0 0
1 0 , y C = 1 0 0
1 0 1
0 1
para que el sistema resultante sea desacoplado. R.: para encontrar v1 se determina para
0
0 = [0 0], como el resultado es el vector nulo se contina con j = 2 lo que resulta en
0
0 = [1 -2] como el resultado es no nulo se tiene que v1 = 2. Para encontrar v2 se
1
0 0
0
determina para j = 1 el vector c2A B = [-1 0 1] 1 0 = [0 1], como el resultado es no nulo se tiene que v2 = 1. Estos
0 1
c A v1 1B
1 2
resultados permiten generar B = 1 v 1 =
yC=
2
0 1
c 2 A B
c1 A v1
5 3 6
=
. Por lo tanto, G =
v2
1 3
3
c 2 A
1 1 0
=
. Para comprobar los resultados se obtiene la M. de T. del sistema resultante descrito por
3 1 3
Cx + Du, con u = Guex - Fx; es decir,
1 2
0 1 y F
x& = Ax + Bu, y =
x& = (A - BF)x + BGuex, y = (C - DF)x + DGuex que resulta ser H( s ) LC
1
2
= s
0
0
1
lo que verifica el desacoplo entrada-salida.
Ejemplo 4.7 Disear un desacoplador de estados para el accionamiento con dos motores de c.c. como ilustrado en la Fig.
1.7. R.: El modelo se encuentra en el desarrollo del Ejemplo 1.3. Para encontrar v1 se determina para j = 1 el vector c1A0B =
[0 0], como el resultado es el vector nulo se contina con j = 2 lo que resulta en c1A1B = [0 0], como el resultado es el
95
Apuntes: 543 760
vector nulo se contina con j = 3 lo que resulta en c1A2B = [0 0], como el resultado es el vector nulo se contina con j = 4 lo
que resulta en c1A3B = [12857 12857], como el resultado es no nulo se tiene que v1 = 4. Para encontrar v2 se determina para
j = 1 el vector c2A0B = [20 -20], como el resultado es no nulo se tiene que v2 = 1. Estos resultados permiten generar B =
c1 A v1 1B
c1 A v1 2571 2571 23910 6 8.410 6 8.410 6 0 0
12857 12857
=
=
. Por lo tanto,
yC=
v2 1
v2
20
4
0
120
120
0 0
20
c 2 A B
c 2 A 4
38.8910 6 0.025
0.025 0.025 38.8910 6 0 0 0 0
G=
y
F
=
. Para comprobar los resultados se obtiene

6
6
0.025
0 0 0 0
38.8910
0.025 0.025 38.8910
la M. de T. del sistema resultante descrito por x& = Ax + Bu, y = Cx + Du, con u = Guex - Fx; es decir, x& = (A - BF)x +
0
h. ( s )
BGuex, y = (C - DF)x + DGuex que resulta ser H ( s ) LC = 11
, como corroborado por el Bode de los
h. 22 ( s )
0
coeficiente de H(s)LC ilustrados en la Fig. 4.9. Ntese que los elementos de la diagonal debieran ser idealmente cero. De
1
1
estos tambin se desprende que h.11 ( s ) = 4 y h.22 ( s ) = .
s
s
Los controladores de estado pueden combinarse para lograr resultados ptimos. Es decir, para lograr
ubicar exactamente los valores propios del sistema en una localizacin deseada (por ejemplo, de
acuerdo a caractersticas transitorias). Sin embargo, tienen un requerimiento que los hace poco
prcticos, esta es la necesidad de contar con todos los estados (el vector x) para su implementacin; es
decir, deben medirse todos los estados. Este requerimiento puede resultar casi imposible de lograr ya
sea por razones tcnicas (no se puede medir) como econmicas (sensores de elevado precio). Para tales
efectos, se han desarrollado tcnicas indirectas de medicin como son los observadores de estado.
200
200
95.826
143.854
400
600
0.01
Magnitud, h21
Magnitud, h12
200
200
400
0.1
600
0.01
10
200
200
Magnitud, h22
Magnitud, h11
200
400
600
0.01
0.1
10
23.796
35.964
200
400
0.1
10
600
0.01
0.1
10
Fig. 4.9 Bode de los coeficientes de H(s)LC del accionamiento de dos motores de c.c. Ejemplo 4.7.
96
Apuntes: 543 760
4.7 Observador de Estados SISO.

La idea bsica es disponer de un set de ecuaciones de estado similares a las del sistema en estudio. Este
set debe tener variables de estado x (t ) que se aproximen tanto dinmica como estticamente a las
variables de estado reales x. A su vez, las variables de estado generadas por el observador x (t )
generarn una salida y (t ) que se aproximar a la salida real y, en la medida que x (t ) se aproxime a
x(t). Para tales efectos hay varias opciones que se estudian a continuacin.
A.
Observador en L.A.
En este caso las ecuaciones dinmicas del observador son x& (t ) = A x (t ) + bu(t), y(t ) = c x (t ) + du(t).
Se puede apreciar que el observador necesita los parmetros A, b, c y d y la entrada u. Una
representacin grfica del observador y el sistema estn dadas en la Fig. 4.10. Si se define el error de
estimacin x% (t ) = x(t ) x (t ) , interesa que ste sea cero para todo instante de tiempo para que el vector
de estados estimado x (t ) sea efectivamente x(t) y as y(t ) sea efectivamente y(t). Para analizar esta
propiedad se estudia la derivada del error que es
x&% (t ) = x& (t ) x& (t ) = Ax(t ) + bu (t ) Ax (t ) bu (t ) = Ax(t ) Ax (t ) = A(x(t ) x (t )) = Ax% (t ) .
Por lo tanto, la ecuacin del error est dada por ~

x ( t ) = e At ~
x (0) = eAt ~
x 0 . De esta expresin se puede
concluir que si los valores propios de A son estables, entonces el error tiende a cero para t y ser
siempre cero si la c.i. lo es; es decir, si ~
x 0 = 0. Si bien esta condicin es tericamente factible, en la
prctica se debe asumir que nunca se da. Bajo estas condiciones se tienen dos inconvenientes. Primero,
el error converger a cero si y slo si los valores propio de A son estables, cuya condicin no es
siempre el caso y, segundo, si el error converge a cero, lo hace con la dinmica fijada por A y por ende
no hay manipulacin de sta. Para remediar estos problemas, se estudia un observador en L.C.
Es importante destacar que el sistema {A, B, C, D} en conjunto con el observador se puede agrupar en
slo un sistema. Para esto, se considera que se tiene un nuevo vector de estados compuesto por las
x(t )
variables de estados originales y el vector de estados de los errores de estimacin y se mantienen

x% (t )
d
x&
u
b
x
c
x&
b
+
planta
x
c
observador
x
Fig. 4.10 Representacin grfica del observador SISO en L.A.
97
Apuntes: 543 760
la entrada y la salida. Por lo tanto, el sistema total se puede representar por,
A
x& (t )
x&% (t ) =
B.
0
A
x(t ) B
x% (t ) + u(t),
x(t )
y(t) = [C 0] +du(t).
x% (t )
Observador en L.C de orden completo.
En este caso las ecuaciones dinmicas del observador son x& (t ) = A x (t ) + bu(t) + ko(y(t) - y(t ) ), y(t ) =
c x (t ) + du(t), donde ko es un vector de dimensin n1 de valores arbitrarios. En este caso tambin se
puede apreciar que el observador necesita los parmetros A, b, c y d del sistema real, la entrada u, y
adems asume que y est disponible. Una representacin grfica del observador y el sistema estn
dadas en la Fig. 4.11. Similarmente, si se define el error de estimacin x% (t ) = x(t ) x (t ) , interesa que
ste sea cero para todo instante de tiempo para que el vector de estados estimado x (t ) sea
efectivamente x(t) y as y(t ) sea efectivamente y(t). Para analizar esta propiedad se estudia la derivada
del error que es,
x&% (t ) = x& (t ) x& (t ) = Ax(t ) + bu (t ) Ax (t ) bu (t ) k o ( y (t ) y (t )) = Ax(t ) Ax (t ) k o (cx(t ) cx (t )) ,
lo que finalmente se reduce a,

x&% (t ) = x& (t ) x& (t ) = A(x(t ) x (t )) k o c(x(t ) x (t )) = Ax% (t ) k o cx% (t ) = ( A k o c)x% (t ) .
Por lo tanto, la ecuacin del error est dada por ~

x ( t ) = e(A - koc)t ~
x (0) = e(A - koc)t ~
x 0 . En este caso, se
puede concluir que si los valores propios de la matriz (A - koc) son estables, entonces el error tiende a
cero para t y ser siempre cero si la c.i. lo es; es decir, si ~
x 0 = 0. Dado que ko se puede escoger
arbitrariamente, es posible modificar los valores propios de (A - koc). Los teoremas siguientes (que son
generalizados para p entradas y q salidas) permiten establecer las condiciones bajo las cuales todos los
valores propios de esta matriz (A - koc) son arbitrariamente posicionables.
d
x&
u
b
x
c
x&
b
+
planta
x
c
y
+
ko
observador
x
Fig. 4.11 Representacin grfica del observador SISO en L.C.
98
Apuntes: 543 760
Teorema: Si el par {A, C} es observable, entonces existe un vector de ganancias Ko tal que los
valores propios de (A - KoC) se pueden asignar a voluntad. En particular, si stos se eligen

estables, entonces ~
x (t ) 0 x (t ) x(t) asintticamente.
El Captulo II muestra que el sistema {A, B, C, D} es observable, si y slo si el sistema dado por {AT,
CT, BT, DT} es controlable. Si el sistema {AT, CT, BT, DT} es controlable, entonces existe una matriz
KoT de dimensin pn tal que permite posicionar los valores propios de la matriz (AT - CTKoT)
arbitrariamente. Dado que los valores propios de la matriz (AT - CTKoT) y su transpuesta (AT - CTKoT)T
= (A - KoC) son los mismos, entonces Ko permite escoger siempre los valores propios de la matriz (A KoC).
En resumen, el procedimiento para encontrar el vector de ganancias ko en un sistema SISO se reduce a
encontrar el vector de ganancias koT para un controlador de estados de manera que posiciona los
valores propios del sistema en L.C. dado por {AT - cTkoT, cT, bT- cTkoT, dT} en una localizacin dada. Se
debe tener en cuenta que estos valores propios fijan la dinmica del error de estimacin.
Similarmente al caso anterior, el sistema {A, B, C, D} en conjunto con el observador se puede agrupar
en slo un sistema. Para esto, se considera que se tiene un nuevo vector de estados compuesto por las
x(t )
variables de estados originales y el vector de estados de los errores de estimacin ; por lo tanto,
x% (t )
el sistema total se puede representar por,
A
x& (t )
x&% (t ) =
x(t ) B
x(t )
x% (t ) + u(t), y = [C 0] x% (t ) +du(t).
A k oc 0
1 1 2
1
Ejemplo 4.8 Dado el sistema descrito por, A = 2 2 2 , b = 2 , y c = [1 0 0] disear un observador de

4 2 5
0
estados completo en L.C. tal que el error tienda cero con una dinmica dada por los valores propios en -5, -2 2j. R.: para
1 2 4
1
T
T
aplicar el algoritmo anterior se debe reformular el sistema a: A = 1 2 2 , c = 0 , y b T = [1 2 0] , ahora

2 2 5
0
se aplica el procedimiento utilizado en los controladores de estados: (1) en este caso el polinomio caracterstico es det{sI AT} = s3 + 8s 2 + 31s + 40 de donde se puede obtener a0 = 40, a1 = 31, y a2 = 8; (2) los polos deseados estn en -5, -2 2j,
por lo que se puede escribir el polinomio caracterstico deseado como (s + 2 + j )( s + 2 - j)( s + 5) = s3 + 9s 2 + 28s + 40, por
1.0
x1 (t )
0.5
x1(t)
0
~
x1 (t )
-0.5
Fig. 4.12 Simulacin del observador del Ejemplo 4.8.

99
Apuntes: 543 760
lo que a0 = 40, a1 = 28, y a2 = 9; (3) as kc = [40 - 40
28 - 31
9 - 8] = [0
-3
1]; (4) y la matriz T =
14 5 1
[a1c + a 2 A c + ( A ) c
a2c + A c
c ] = 1 1 0 ; (5) con lo que finalmente, kc = [1 8 -1]. Por lo
6
2 0
1
T
tanto, el vector de ganancias del observador es ko = kc = 8 .

1
T
T T
T 2 T
T 1
T T
Para verificar los resultados se obtiene el polinomio caracterstico de la matriz (A - koC) que es det{sI - A + koC} = s3 + 9s
2
+ 28s + 40, el cual corresponde al polinomio caracterstico deseado para el error de aproximacin. Resultados simulados se
muestran en la Fig. 4.12 para una entrada u(t) = u(t) + u(t-3), con c.i. para x(t) dadas por x0 = [-0.5 0 0]T y para las
variables del observador x (t ) dadas por x 0 = 0. Se puede apreciar que una vez que el observador logra error en estado
x (t ) = 0, ste se mantiene an ante cambios de las variables de estados del sistema x(t).
estacionario nulo ~
Ejemplo 4.9 Disee un observador de estados para el caso del accionamiento con eje flexible. R.: En el Ejemplo 2.10 se
determin que el sistema de 4 variables de estado es observable. Utilizando la metodologa del ejemplo anterior y forzando
los valores propios del observador a ser: -10, -10, -100 100j y -100 100j se encuentra que el vector ko es koT = [-36.278
196 -200.136 18.532]T. Para verificar los resultados se obtiene el polinomio caracterstico de la matriz (A - koC) que es
4
3
2
det{sI - A + koC} = s + 220s + 241000s + 420000s + 2000000, el cual corresponde al polinomio caracterstico deseado.
Resultados simulados se muestran en la Fig. 4.13. Se puede apreciar que una vez que el observador logra error en estado
estacionario nulo ~
x (t ) = 0, ste se mantiene an ante cambios de las variables de estados del sistema x(t); ntese adems
que se asume que se puede medir la perturbacin p(t).
C.
Observador en L.C de orden reducido.
Un caso interesante es cuando algunas de las variables de estado estn disponibles. En este caso, slo
debera implementarse un observador para las variables no medibles y utilizar - en lo posible - todas las
variables (entrada y variables de estado medibles) para mejorar el desempeo del observador. Para este
anlisis se asume que el vector de variables de estado se puede dividir en variables de estado medibles
x (t )
xm (de dimensin m) y en no medibles xu (de dimensin n - m); por lo tanto, x(t) = m y

xu (t )
va
4000
4000
200
2000
2000
tr
50
-50
ia
10
-5
-100
p
5
Fig. 4.13 Simulacin del accionamiento c.c. con eje flexible y con un observador de estado de orden completo donde las
lneas segmentadas son los valores observados.
100
Apuntes: 543 760
consecuentemente se puede escribir el sistema x& (t ) = Ax(t) + bu(t) como,
A mm
x& m (t )
x& (t ) =
u
A um
A mu
A uu
xm (t ) b m
x (t ) + u(t),
u bu
de donde se puede extraer la relacin,

x& u (t ) = Auuxu(t) + Aumxm(t) + buu(t),
que correspondera a las ecuaciones de estado de las variables no medibles, y la relacin,

x& m (t ) - Ammxm(t) - bmu(t) = Amuxu(t),
por lo que una ecuacin para un observador puede ser,

x& u (t ) = Auu x u (t ) + Aumxm(t) + buu(t) + Ko( x& m (t ) - Ammxm(t) - bmu(t) - Amu x u (t ) ),
en donde Ko de dimensin (n-m)m se escoge para obtener valores propios dados de la respuesta del
error de estimacin. La dinmica del error x&% u (t ) = x& u (t ) x& u (t ) queda dada por,
x&% u (t ) = Auuxu(t) + Aumxm(t) + buu(t) - Auu x u (t ) - Aumxm(t) - buu(t) - Ko(Amuxu(t) - Amu x u (t ) ),
x&% u (t ) = (Auu - KoAmu) x% u (t ) .
El nmero de variables medibles m debe estar entre m = 1 y m = n - 1. Ambos casos extremos son
tambin de inters y se revisan por separado. Si m = 1 entonces Auu es de dimensin (n - 1)(n -1), Ko =
ko de (n - 1)1, y Amu de 1(n - 1). Este caso corresponde a un problema de disear un observador de
orden completo en L.C. de orden n - 1 y por tanto se puede utilizar ese procedimiento para encontrar
Ko = ko. Por otro lado, si m = n - 1 (es decir, hay una variable de estado no medible), entonces Auu es
de dimensin 11, Ko = ko de 1(n - 1), y Amu de (n - 1)1. Este caso es equivalente a tener n - 1 salidas
(las n - 1 variables de estado medibles) y por tanto no necesariamente son todas requeridas para
determinar la variable de estado no medible. Dado que el observador resultante es de primer orden, es
fcil determinar por inspeccin las salidas requeridas mediante la seleccin apropiada de Ko = ko.
Valores de 1 < m < n -1 se analizan posteriormente, pues son tratables como sistemas de varias salidas.
Lamentablemente, la ecuacin del observador necesita x& m (t ) , que es la derivada de las variables de
estado medibles, lo que debe ser evitado considerando el ruido presente en stas. Para esto se define la
variable auxiliar, = x u (t ) - Koxm(t), la que al ser utilizada en la ecuacin del observador se obtiene,
& (t ) = (Auu - KoAmu)(t) + (AuuKo + Aum - KoAmm - KoAmuKo)xm(t) + (bu - Kobm)u(t),
101
Apuntes: 543 760
que corresponde finalmente a la ecuacin implementable en la prctica del observador. De sta se

obtiene (t) y por tanto las variables de estado no medibles x u (t ) como x u (t ) = (t) + Koxm(t). Una
representacin grfica de este observador es dada en la Fig. 4.14.
x(t )
variables de estados originales y el vector de estados de los errores de estimacin , por lo tanto,
x% (t )
el sistema total se puede representar por,
0
x& (t )
A
x&% (t ) = 0 A K A
uu
o mu
x(t ) B
x(t )
x% (t ) + u(t), y(t) = [C 0] x% (t ) +du(t).
1 1 2
1
Ejemplo 4.10 Dado el sistema descrito por, A = 2 2 2 , b = 2 , y c = [1 0 0] con x = [x1 x2 x3]T disear

4 2 5
0
un observador de estados para x3 en L.C. tal que el error de estimacin tienda cero con una dinmica dada por el valor
2
propio -2. R.: se asume que x1 y x2 son medibles y estn disponibles, por lo tanto, xm = [x1 x2]T, Auu = [-5], Amu = ,
2
1 1
Aum = [-4 2], Amm =
, y Ko = ko = [ko1 ko2]. Por otro lado, el nico valor propio de la ecuacin del observador est
2 2
&
dado por Auu - KoAmu = -5 - 2ko1 + 2ko2. = -2. Si se escoge ko2 = 0, entonces ko1 = -1.5. As la ecuacin del observador es
= -2 + [-2.5 0.5]xm + 1.5u, y por tanto x 3 = + [-1.5 0]xm = + -1.5x1.
Ejemplo 4.11 En el motor con eje flexible se debe conocer el torque tr para implementar un controlador de estados como
indicado en el Ejemplo 4.2. Disee un observador de estados para esta variable asumiendo que las otras estn disponibles.
R.: En la representacin original se tiene que el torque tr no es la ltima variable de estado, por lo que primero se redefine la
d
x&
u
b
planta
xm

&
bu - Kobm
Ko
Auu - KoAmu
observador
x u
Fig. 4.14 Representacin grfica del observador de orden reducido.
102
Apuntes: 543 760
0
representacin en variables de estado con A =
nk / L
m
a
0
0
0
k
0
0
k m /(nJ m ) 1 /(n 2 J m )
0
1/ J l
, b =
y e = 1 / J l ;
1 / La
0
R a / La
0
0
0
0
0
donde x = [x1 x2 x3 x4]T = [r l ia tr]T. Por lo tanto, xm = [x1 x2 x3]T, Auu = [0], Amu = [-1/(n2Jm) 1/Jl 0]T, Aum = [k -k 0], Amm
0
0 k m /( nJ m )
, y K = k = [k k k ]. Por otro lado, el nico valor propio de la ecuacin del observador

=
0
0
0
o
o
o1 o2 o3
nk m / La 0 Ra / La
est dado por Auu - KoAmu = -1/(n2Jm)ko1 - 1/Jlko2 = -2 (se asume -2). Si se escoge ko1 = ko3 = 0, entonces ko2 = 0.04. As la
& = -2
+ [500 -500.08 0]xm + 0u + 2p, y por tanto x 4 = + [0 0.04 0]xm = + 0.04x2. La
ecuacin del observador es
Fig. 4.16 muestra los resultados simulados.
4.8 Observador de Estados MIMO.

A.
Observador en L.C de orden completo.
Dualmente a los controladores de estado MIMO, en los observadores MIMO se tienen q salidas y
podra darse el caso de que se necesite slo una, algunas o todas las salidas para determinar todos los
estados del sistema. Especficamente, la matriz de observabilidad es O = [CT ATCT (An-1)TCT]T y si se
considera que C tiene filas ci (i = 1, ..., q), entonces CT = [c1T c2T cqT] y O se puede escribir como,
O = [c1T c2T cqT ATc1T ATc2T ATcqT (An-1)Tc1T (An-1)Tc2T (An-1)TcqT]T, o como,
O = [c1T ATc1T (An-1)Tc1T c2T ATc2T (An-1)Tc2T cqT ATcqT (An-1)TcqT]T.

Como se sabe, si rango{O} = n, entonces el sistema es observable. Ntese que los vectores filas c1 c2
cq son L.I., puesto que de otra forma implicara que hay salidas idnticas, por lo que deberan ser
descartadas. De esto se puede concluir que si hay q = n entradas, entonces el sistema es siempre
D
x&
u
B
x
C
x&
B
y
+
Ko
+
planta
x
C
observador
x
Fig. 4.15 Representacin grfica del observador MIMO en L.C.
103
Apuntes: 543 760
observable. Por otro lado, si existe algn ci tal que rango{[ciT ATciT (An-1)TciT]} = n, entonces, el
observador puede utilizar slo la salida i. Si no existe este ci, entonces, se necesitar ms de una salida
para lograrlo. Como se puede intuir, estas condiciones son idnticas a las utilizadas en el diseo de
controladores MIMO. Por lo tanto, utilizando el principio de dualidad se puede disear el observador
en sistemas MIMO.
As, el diseo se hace en dos etapas, primero se encuentra un observador descrito por una ganancia Ko1
de dimensin qn tal que ste resulta ser observable slo por y1. La ecuacin de este observador es, x& (t )
= A x (t ) + Bu(t) + Ko1(y(t) - y (t ) ), y (t ) = C x (t ) + Du(t), que tambin puede ser escrita como, x& (t ) =
(A - Ko1C) x (t ) + (B - Ko1D)u(t) + Ko1y(t), y (t ) = C x (t ) + Du(t). Estas ecuaciones son consideradas
como un sistema independiente y por tanto para que sea observable slo a travs de y1 debe cumplirse
que rango{[c1T (A - Ko1C)Tc1T ((A - Ko1C)n-1)Tc1T]} = n, para esto se escoge Ko1T = SQ-1, donde
Q = [c1T ATc1T (AT)r1-1c1T c2T ATc2T (AT)r2-1c2T cqT ATcqT (AT)rq-1cqT],
donde r1 + r2 + + rq = n. La cual es la matriz formada por las columnas L.I. de la matriz de
observabilidad transpuesta OT. Adems, se define S de dimensin qn como,
S = [0
-e2
-e3
],
donde ei es la columna i-sima de una matriz identidad de qq. Para probar que al escoger Ko1 como
indicado se logra obtener que rango{[c1T (A - Ko1C)Tc1T ((A - Ko1C)n-1)Tc1T]} = n se puede
proceder como indicado en el diseo de controladores MIMO. Finalmente, se define un observador
basado en el anterior de la forma x& (t ) = (A - Ko1C) x (t ) + (B - Ko1D)u(t) + Ko1y(t) + Mo(y(t) - y (t ) ),
y (t ) = C x (t ) + Du(t), en donde al disear Mo de dimensin pn se considera que es observable a travs
m o1
0
T
, con mo1 un vector de dimensin 1n que se
de y1, por lo tanto puede tener la forma Mo =
M
0
disea siguiendo las reglas de observadores en SISO. El observador resultante tiene la forma x& (t ) = (A
- Ko1C - MoC) x (t ) + (B - Ko1D - MoD)u(t) + (Ko1 + Mo)y(t), y (t ) = C x (t ) + Du(t). Considerando que
Ko = Ko1 + Mo, estas ecuaciones se simplifican a x& (t ) = (A - KoC) x (t ) + (B - KoD)u(t) + Koy(t), y (t )
va
4000
4000
200
2000
2000
tr
50
-50
ia
10
-5
-100
p
5
Fig. 4.16 Simulacin del accionamiento c.c. con eje flexible y con un observador de estado de orden reducido como
indicado en el Ejemplo 4.11, las lneas segmentadas son los valores observados.
104
Apuntes: 543 760
= C x (t ) + Du(t). Al evaluar el error de estimacin x% (t ) = x(t) - x (t ) se encuentra que x&% (t ) = x& (t ) x& (t )
= (A - KoC)(x(t) - x (t ) ) = (A - KoC) x% (t ) .
Una representacin grfica de este observador est dada en la Fig. 4.15. Ntese que este procedimiento
es vlido de utilizar en sistemas SISO donde se tienen disponibles algunas variables de estado y por
tanto se recomienda utilizar un observador de orden reducido.
Similarmente a los casos anteriores, el sistema {A, B, C, D} en conjunto con el observador se puede
agrupar en slo un sistema. Para esto, si se considera que se tiene un nuevo vector de estados
compuesto por las variables de estados originales y el vector de estados de los errores de estimacin
x(t )
x% (t ) y se mantienen la entrada y la salida. Por lo tanto, el sistema total se puede representar por,
0
x& (t )
A
x&% (t ) = 0 A K C
o
B
x(t )
x(t )
x% (t ) + u, y = [C 0] x% (t ) + Du.
2
4
1
1 1
0 1 0
A= 1
0
2 , B = 0 0 , y C =
0 0 1
2 2 5
0 1
disear un observador de estados para que el sistema resultante tenga valores propios en -10, -2 2j. R.: Los valores
propios del observador en L.A. estn en det{sI - A} = s3 + 4s2 + 5s + 2 = (s + 1)(s + 1)(s + 2) por lo que se necesita de un
observador de estados en L.C.. Afortunadamente, rango{CT ATCT (AT)2CT} = 3, desafortunadamente, rango{c1T ATc1T
(AT)2c1T} = 2 y rango{c2T ATc2T (AT)2c2T } = 2; por lo tanto, el sistema es observable pero se necesitan las dos salidas para
1
0 0 0
tales efectos. Primero, se encuentra Ko1T como Ko1T = SQ-1 = [0 -e2 0][c1T ATc1T c2T]-1 =
0 1 0
0 1 0
1 0 0 =
0 2 1
0 0 0
1 0 0 por lo que el observador resultante es observable mediante y1. Este observador tiene un polinomio
caracterstico dado por det{sI A + Ko1C} = s3 + 4s2 + 7s + 4 = (s + 1)( s + 1.5 + 1.323j)( s + 1.5 -1.323j) que no cumple
con la ubicacin deseada, pero es observable a travs de y1. Por lo tanto, se puede disear Mo considerando que el
observador resultante tiene a0 = 4, a1 = 7, y a2 = 4 y que el deseado debe tener un polinomio caracterstico dado por det{sI
A + KoC} = det{ sI A + Ko1C + MoC} = (s + 2 + j )( s + 2 - j)( s + 10) = s3 + 14s 2 + 48s + 80, por lo que a0 = 80, a1 =
48, y a2 = 14; as, ko = [80 - 4
48 - 7
14 - 4] = [76
41
10] y la matriz T =
[a1c1T + a 2 ( A T C T K o1T )c1T + ( A T C T K o1T ) 2 c1T
a 2 c1T + ( A T C T K o1T )c1T
c 1 T ] 1
1 1 0
= 5 4 1
3 2 0
; finalmente,
49 1
mo1 = koT = [-49 10 25]. As Ko = Ko1 + Mo = 10
0 . Para verificar los resultados se obtienen las races de det{sI
25
0
A + KoC} = s3 + 14s 2 + 48s + 80 lo que verifica la ubicacin apropiada de los valores propios del observador.
B.
Observador en L.C de orden reducido.
En el caso de tener disponibles algunas variables de estado, slo debera implementarse un observador
para las variables no medibles. Para este anlisis se asume que el vector de variables de estado se puede
105
Apuntes: 543 760
dividir en variables de estado medibles xm(t) (de dimensin m) y en no medibles xu(t) (de dimensin n x (t )
m); por lo tanto, x(t) = m y por tanto se puede escribir el sistema x& (t ) = Ax(t) + Bu(t) como,
xu (t )
A mm
x& m (t )
x& (t ) =
u
A um
A mu xm (t ) B m
u(t),
+
A uu xu (t ) B u
de donde se pueden extraer la relacin,

x& u (t ) = Auuxu(t) + Aumxm(t) + Buu(t),
que correspondera a las ecuaciones de estado de las variables no medibles, y tambin se puede escribir,
x& m (t ) - Ammxm(t) - Bmu(t) = Amuxu(t),
por lo que una ecuacin para un observador puede ser,

x& u (t ) = Auu x u (t ) + Aumxm(t) + Buu(t) + Ko( x& m (t ) - Ammxm(t) - Bmu(t) - Amu x u (t ) ),
en donde Ko de dimensin (n-m)m se escoge para obtener valores propios dados de la respuesta del
error de estimacin. La cual genera una ecuacin para la dinmica del error x&% u (t ) = x& u (t ) x& u (t ) dada
por,
x&% u (t ) = Auuxu(t) + Aumxm(t) + Buu(t) - Auu x u (t ) - Aumxm(t) - Buu(t) - Ko(Amuxu(t) - Amu x u (t ) )
= (Auu - KoAmu) x% u (t ) .
El nmero de variables medibles m debe estar entre m = 1 y m = n - 1. Ambos casos extremos son
idnticos al caso SISO y su anlisis se revis anteriormente. Valores de 1 < m < n -1, es decir, hay
varias salidas xm se analizan como un diseo de un sistema MIMO con varias salidas en donde A = Auu
y C = Amu.
Tambin se recurre a definir la variable auxiliar, (t) = x u (t ) - Koxm(t), la que al ser utilizada en la
D
x&
u
B
x
+
planta
xm

Bu - KoBm
&
Ko
Auu - KoAmu
observador
x u
Fig. 4.17 Representacin grfica del observador MIMO de orden reducido.
106
Apuntes: 543 760
ecuacin del observador se obtiene,

& (t ) = (Auu - KoAmu)(t) + (AuuKo + Aum - KoAmm - KoAmuKo)xm(t) + (Bu - KoBm)u(t),
que corresponde finalmente a la ecuacin implementable en la prctica del observador. De sta se

obtiene (t) y por tanto las variables de estado no medibles x u (t ) como x u (t ) = (t) + Koxm(t). Una
representacin grfica de este observador es dada en la Fig. 4.17.
x(t )
variables de estados originales y el vector de estados de los errores de estimacin y se mantienen

x% (t )
la entrada y la salida. Por lo tanto, el sistema total se puede representar por,
x& (t ) A
x&% (t ) = 0 A K A

uu
o mu
B
x(t )
x% (t ) + u,
x(t )
y = [C 0] + Du.
x% (t )
Ejemplo 4.13 Dado el sistema descrito por
1 1 2
A = 2 0 2 , B =
4 2 5
0 0
1 0 , y C = 1 0 0
1 0 1
0 1
donde ambas salidas estn disponibles, disear un observador de orden reducido para determinar las variables de estado del
sistema. R.: Las salidas y1 e y2 corresponden a x1 y -x1 + x3, por lo tanto, slo se debe estimar x2, dado que x1 y x3 son
deducibles de las salidas. Se escoge un valor propio en -2 para el observador de orden reducido. El sistema se escribe como
x1
x&1 1 2 1 x1 0 0
x& = 4 5 2 x + 0 1 u1 , y1 = 1 0 0 x , por lo que, A = 1 2 , A = 1 , A = [2 mm
mu
2 um
3
3
u 2 y 2 1 1 0 3
x

4 5
x& 2 2 2 0 x 2 1 0
2
0 0
2], Auu = 0, Bm =
, Bu = [1 0]. La ecuacin del error entonces queda,
0 1
lo que se escoge ko2 = 1 y ko1 = 0. As, la ecuacin del observador es
observada es
~
x& u = (Auu - KoAmu) ~
x u = (-ko1 - 2ko2) ~
x u , por
x1
u1
& = -2
+ [-2 1] + [1 -1] y la variable

x3
x u = x 2 = + [0 1] 1 = + x3. Resultados simulados se presentan en la Fig. 4.18.

x
x2(t)
4
x 2 ( t )
2
~
x2 ( t )
0
Fig. 4.18 Simulacin del observador MIMO de orden reducido del Ejemplo 4.13.
u 2
107
Apuntes: 543 760
4.9 Controlador basado en un Observador de Estados.

Una de las aplicaciones directas de un observador de estados es su utilizacin en un controlador de
estados como ilustrado en la Fig. 4.19. El principio es utilizar los estados estimados por el observador
en la implementacin del controlador. Hay dos interrogantes ante esta alternativa; la primera se refiere
a cmo disear el observador y el controlador y, segundo, respecto del comportamiento global, en
particular la ubicacin resultante de los valores propios.
Al tener el sistema x& (t ) = Ax(t ) + Bu(t ), y (t ) = Cx(t ) + Du(t ) se puede implementar el controlador u(t) =
uex(t) - Kc x (t ) , en donde claramente se aprecia la utilizacin de los estados estimados por el observador
definido por x& (t ) = A x (t ) + Bu(t) + Ko(y(t) - C x (t ) - Du(t)), y (t ) = C x (t ) + Du(t). Al considerar el
error de estimacin como x% (t ) = x(t) - x (t ) se encuentra que x&% (t ) = x& (t ) x& (t ) = (A - KoC)(x(t) - x (t ) ) =
(A - KoC) x% (t ) . Por otro lado, la ecuacin del controlador queda definida por x& (t ) = Ax(t) + B(uex(t) Kc x (t ) ) = Ax(t) + Buex(t) - BKc x (t ) = Ax(t) + Buex(t) - BKc(x(t) - x% (t ) ) = Ax(t) + Buex(t) - BKcx(t) +
BKc x% (t ) = (A - BKc)x(t) + BKc x% (t ) + Buex(t). Por lo tanto, una representacin del sistema y el
controlador en combinacin con el observador es,
A BK c
x& (t )
x&% (t ) =
0
BK c x(t ) B
+
uex(t),
A K o C x% (t ) 0
x(t )
y = [C DK c DK c ] + Duex(t)
x% (t )
A BK c
BK c
Al obtener det
= det{A - BKc}det{A - KoC}, se puede observar que los
0
A K o C
valores propios del sistema resultante son los del controlador de estados en conjunto con los del
observador. Adems, como los valores propios del observador estn dados por la matriz A - KoC, stos
se pueden disear independiente de los valores propios deseados para el controlador. La M. de T.
resultante entre la salida y y la nueva entrada uex resulta ser (C - DKc)(sI A + BKc)-1B + D. Es decir,
los polos del sistema estn definidos slo por los valores propios dados por el controlador de estados.
D
uex
x&
u
+
x
C
x&
B
y
+
Ko
Kc
+
planta
x
C
observador
Fig. 4.19 Representacin grfica del controlador de estados basado en un observador de estados.
108
Apuntes: 543 760
Similares resultados y conclusiones se obtienen en la utilizacin de un controlador que utiliza las

variables de estado desde un observador de orden reducido.
Ejemplo 4.14 En el Ejemplo 4.4 se diseo un controlador para el sistema descrito por
1 1 2
A = 2 0 2 , B =
4 2 5
0 0
1 0 , y C = 1 0 0
1 0 1
0 1
49 10 25
el cual arroj una matriz de ganancia Kc =
. Determine el comportamiento utilizando un observador. R.: La
1 0 0
simulacin de este caso para uex1(t) = 80u(t-5), uex2(t) = 0 considerando que todos los estados estn disponibles est dada en
Fig. 4.20(a). Si se considera ahora que slo las salidas estn disponibles, entonces se puede implementar el observador
obtenido en el Ejemplo 4.13 para obtener una aproximacin de x2. As, el vector de variables de estado a utilizar por el
controlador sera [x1 x 2 x3]. La simulacin de este caso para uex1(t) = 80u(t-5), uex2(t) = 0 se muestra en Fig. 4.20(b).
4.10 Modelacin, Estimacin y Compensacin de Perturbaciones.

Las perturbaciones se caracterizan por modificar las salidas del sistema y no ser manipulables. En
muchos casos son medibles y por tanto se pueden compensar utilizando tcnicas de pre-alimentacin.
En los casos en que stas no son medibles, se puede recurrir a su estimacin como se muestra a
continuacin.
En general, las ecuaciones que describen el comportamiento de las perturbaciones puede ser escrito
como, r& (t ) = Arr(t), p(t) = Crr(t), donde, r(t) es el vector de variables de estado del ruido y p(t) las
perturbaciones. Si consideramos que la perturbacin se suma a la entrada de un sistema descrito por x&
= Ax(t) + Bu(t), y(t) = Cx(t) + Du(t), entonces se puede escribir que x& = Ax(t) + Bu(t) + BCrr(t), y(t)
= Cx(t) + Du(t). En forma matricial queda,
A
x& (t )
=
r& (t )
0
BC r x(t ) B
u(t),
+
A r r (t ) 0
x(t )
y = [C 0] + Du(t).
r (t )
Ntese que la definicin anterior implica valores propios dados por la matriz A y tantos valores propios
adicionales en el origen como sea la dimensin del vector r(t). Si se conoce Ar y Cr, y el sistema
anterior es observable, se puede implementar un observador para ste y as estimar r(t) y con ello
obtener p(t) y por tanto compensar su efecto nocivo mediante un esquema pre-alimentado. Una
4
y2(t)
y1(t)
-2
y2(t)
y1(t)
(a)
-2
(b)
Fig. 4.20 Controlador de estados basado en un observador reducido de estados; a) sin observador, b) con
observador.
109
Apuntes: 543 760
alternativa ms simplificada del caso general anterior es asumir que Ar = 0 y Cr = I, por lo tanto p(t) =
r(t). Este caso resulta en,
A
x& (t )
r& (t ) =
B
0
B
x(t )
r (t ) + u(t),
x(t )
y(t) = [C 0] + Du(t),
r (t )
el cual es cubierto por el siguiente teorema,
A B B
, , [C 0], D es
0 0
observable si y slo si el sistema original {A, B, C, D} no tiene ceros de transmisin en el

origen.
Teorema: Sea el sistema {A, B, C, D} observable. El sistema

0
El teorema anterior es el dual del teorema revisado en 4.5.

Revisemos el caso anterior que es implementado con un controlador de estados y una esquema prealimentado tal que u(t) = uex(t) - p - Kc x . Para lo cual se utiliza un observador de orden completo de
la forma,
x& (t )
A
=
&
0
p (t )
B
0
B
x (t )
p (t ) + u(t) +
K ox
K (y(t) - y ),
or
x (t )
y = [C 0]
+ Du(t),
p (t )
en donde Ko = [Kox Kor]T. Ntese que el vector de ganancias Kc se calcula en forma independiente y
de manera de obtener la localizacin de polos del sistema original en el lugar deseado. Considerando la
ley de control dada por u(t) = uex(t) - p - Kc x . Se tiene que las ecuaciones del observador quedan
dadas por,
x& (t )
A BK c K ox C
=
&
K or C
p (t )
0
0
B
x (t )
p (t ) + uex(t) +
K ox
K y(t).
or
Las ecuaciones resultantes indican la aparicin de valores propios en el origen. Estos se deben al
control pre-alimentado. La Fig. 4.21 muestra una representacin grfica de este caso.
p
uex
u
+
y
+
A, B , C, D = 0
planta
A, B, C, D = 0, Ko
p
observador
Kc
Fig. 4.21 Representacin grfica del compensador de perturbaciones.
Apuntes: 543 760
110

A.
Nivel Bsico
1.-
Determine si los siguientes sistemas son controlables y/o observables. Los que no lo sean,
identifiquen los estados que son no controlables y/o no observables.
3 1 2
1
A = 1 5 2 , b = 0 , c = [1 0 0] , y d = 0.
1 1 4
1
a)
b)
2.-
a)
3.-
a)
4.-
3 1 2
1
A = 1 5 2 , b = 0 , c = [1 0 1] , y d = 0.
1 1 4
0
Para el sistema siguiente disee un controlador de estados tal que las dinmicas controlables se
hacen 10 veces ms rpida.
3 0 0
1
A = 0 5 0 , b = 0 , c = [1 2 0] , y d = 0.
0 0 4
1
Para el sistema siguiente disee un observador de estados para las dinmicas observables con una
dinmica 10 veces ms rpida.
3 0 0
1
A = 0 5 0 , b = 0 , c = [1 2 0] , y d = 0.
0 0 4
1
Un sistema SISO de segundo orden puede ser representado por la F. de T. en L.A. dada por
k
hLA ( s ) =
, en donde la salida y su derivada son consideradas las variables de estado. Se
s ( s + 1)
pide disear un controlador basado en realimentacin de las variables de estado de manera que la
ganancia dc de la F. de T. en L.C. hLC(s) sea unitaria (es decir, hLC(0) = 1) y que el factor de
amortiguamiento sea . Para esto, determine las ganancias k1 y k2 del controlador en funcin de ,
k y .
111
Apuntes: 543 760
5.-
Dada la funcin de transferencia h( s ) =
2
y(s)
=
, en donde el vector de variables de
s + 2s 3 u (s)
2
h)
estados es x = [y dy/dt]T. Se pide,

Determinar la realizacin en variables de estado {A, b, c, d}.
Determine los polos y ceros de la realizacin encontrada en (a).
Determine un controlador de estados u = v - kcx, con kc = [kc1 kc2] tal que los polos de la nueva
realizacin estn ubicados en -1 j.
Determine la realizacin en variables de estado {Ac, bc, cc, dc} de manera que incluya el sistema
y el controlador diseado en (c).
Determine la F. de T. hc(s) = y(s)/v(s) de la realizacin obtenida en (d).
Determine un observador de estados con salida x como el vector x observado y caracterizado por
ko = [ko1 ko2] tal que los polos del error de estimacin sean -10 10j.
Determine la realizacin en variables de estado {Ao, bo, co, do} de manera que el vector de
variables de estado sea = [x x% ], con x% = x x el error de estimacin.
Determine la funcin de transferencia ho(s) = y(s)/u(s) de la realizacin obtenida en (g).
B.
Nivel Intermedio
a)
b)
c)
d)
e)
f)
g)
1.-
2.-
1
0 s + 1
tenga en L.C. al utilizar un controlador basado en realimentacin de variables de estado una
1
F. de T. dada por h1(s) = k1
. Determine la expresin para k1.
1s + 1
Para el circuito de la Fig. 4.23 se tiene que la entrada es u, el vector de variables de estado es x =
[x1 x2]T = [iL vC]T, slo se puede medir iL y se desea controlar vo. Se pide disear un controlador
Deduzca una frmula generalizada para kc tal que el sistema caracterizado por h0(s) = k0
iL
vc il
R
a)
vs
b)
vl
+
e(t)
i(t)
+
v(t)
Sw(t)
PCC
L
i(t)
c)
+
e(t)
R
C
ioabc
voabc
iiabc
isabc
d)
Ri
Li
vsabc
y(t)
Ro
Lo
mabc
idc
l1
x(t)
d
vdc
Rdc
Cdc
k
fuente
compensador
carga
reactivos.
112
Apuntes: 543 760
de estados basado en un observador de orden reducido. En particular,

a)
b)
Encontrar A, b, c, y d para una representacin x& = Ax + bu, y = cx + du para el circuito.

Encuentre las parmetros a, b, y p de la ecuacin del observador de orden reducido dada por
& = a + bu + piL , donde = vC ko iL , con vC como vC observado y ko constante a determinar.
c)
Si Ro = 10 , L = 25.33 mH y C = 10 mF determine ko tal que la constante de tiempo del
observador sea 10 veces ms rpida que el perodo de resonancia del filtro LC.
d)
Considere el error de observacin ~
= , con = vC ko iL , como una variable de estado
]T. Encuentre la
adicional y redefina el vector de estados x inicial como x = [x1 x2 x3]T = [iL vC ~
nueva representacin tipo x& = Ax + bu, y = cx + du del sistema resultante.
e)
Al definir u = r kc[iL vC ]T con kc = [kc1 kc2] como se muestra en la Fig. 4.23, determine la
representacin x& = Ax + br, y = cx + dr del sistema resultante y los modos de ste.
f)
Determine del sistema resultante la F. de T. entre la salida vo y la entrada r.
g)
Determine el valor de kc = [kc1 kc2] tal que la dinmica de la F. de T. obtenida en e) asegure un
tiempo de asentamiento de 0.2 s (b = 2%) y un = 0.5.
3.- Para los sistemas de la Fig. 4.22 determine si son controlables y/o observables en el punto de
operacin de inters.
4.- Para los sistemas de la Fig. 4.22 disee controlables de estado de orden completo o reducido
segn sea el caso de manera de que el estado ms lento sea 10 veces ms lento y los restantes
10 veces ms rpidos.
5.- Disee un desacoplador de estados basado en realimentacin de los estados para los sistemas de
la Fig. 4.22 que as lo admitan.
6.- El compensador ilustrado en la Fig. 4.22(d) pareciera tener estados no controlable y no
observables. Explique con fundamentos circuitales el origen de estos estados.
7.- Utilice integradores en los sistemas ilustrados en la Fig. 4.22. Ubique estos valores propios junto
con los valores propios ms lentos del sistema.
8.- Porqu a utilizacin de un controlador basado en realimentacin de variables de estado no
aumenta el orden del sistema ?.
9.- Porqu se argumenta que un sistema MIMO controlable tiene infinitos controladores de estado
Kc que llevan los valores propios a una localizacin dada ?.
10.- Pueden darse las condiciones para que un sistema MIMO controlable tenga un solo controlador
de estado Kc posible ?.
11.- Es restrictiva la estabilidad entrada/salida y/o interna para la controlabilidad y/o observabilidad
de un sistema ?.
iL
r
u
+
kc
L
+
-
vC
-
Ro
iL
Observador de orden
reducido
v^ C
Fig. 4.23 Circuito RLC para ejercitar.
vo
-
vo
Apuntes: 543 760
113
C.
Nivel Avanzado
1.-
Deduzca una frmula generalizada para kc = [kc1 kc2]T tal que el sistema caracterizado por la F. de
2n 0
T. h0(s) = k0 2
tenga en L.C. al utilizar un controlador basado en
s + 20 n 0 s + n2 0
realimentacin de variables de estado una F. de T. dada por h1(s) = k1
2.3.4.-
2n1
.
s 2 + 21n1s + n21
Determine k1.
Puede aplicarse el procedimiento de ubicacin de races a sistemas con retardo.
Demuestre que si un valor propio complejo es controlable, entonces su conjugado tambin lo es.
Demuestre que si un valor propio complejo es observable, entonces su conjugado tambin lo es.
Apuntes: 543 760
Control ptimo.
114
115
Apuntes: 543 760
Control Monovariable de Sistemas MIMO.

Los controladores multivariables utilizados en sistemas MIMO y revisados
anteriormente podran simplificarse (en su diseo e implementacin) si se pudiera
utilizar controladores monovariables; es decir, controladores que requieren una
referencia, una realimentacin y generan una variable manipulada. La mayor dificultad
de esta alternativa es determinar cules pares de variables se deben utilizar para su
implementacin, cmo asegurar la estabilidad del sistema resultante. En este captulo
revisan dos mtodos de diseo.
6.1 Introduccin.
Existen dos alternativas ampliamente difundidas para determinar cul par de variables se deben utilizar
en la implementacin de controladores monovariables en sistemas MIMO. Es decir, para controlar la
salida yk ( k = 1, , q), cul de las p entradas debera utilizarse ?. Esta situacin es esquematizada en
la Fig. 6.1. Esta problemtica nace del simple hecho de que un sistema MIMO es normalmente
acoplado; es decir, una entrada afecta a varias salidas o una salida es manipulada por varias entradas. Si
un sistema MIMO fuese desacoplado, podra implementarse controladores monovariables sin mayores
dificultades utilizando la teora de control revisada en cursos anteriores.
La discusin anterior permite intuir que una medida del grado de acoplamiento debiera indicar la
efectividad de utilizar controladores monovariables. Estos ndices debieran dar la pauta de qu pares de
variables deberan ser considerados. Para tales efectos existen los mtodos matemticos conocidos
como el Arreglo de Bristol y el de los Valores Singulares.
6.2 Arreglo de Bristol.

El Arreglo de Bristol, tambin conocido como Arreglo de Ganancias Relativas (AGR) puede explicarse
sistemticamente al aplicarlo en los sistemas de dos entradas y dos salidas (tambin conocidos como
sistemas TITO, por two inputs two outputs). Estos sistemas pueden representarse en sus componentes,
y1 ( s ) h11 ( s ) h12 ( s )
y ( s ) = h ( s ) h ( s )
22
2 21
u1 ( s )
u ( s ) ,
2
lo que tambin se puede escribir matricialmente como y(s) = H(s) u(s). En general, si hay igual nmero
de entradas y salidas entonces se puede escribir que u(s) = H-1(s) y(s), si H-1(s) existe. Si se adopta la
u1
u2
y1d
Controlador
Monovariable
( SISO )
y1
y2
Sistema MIMO
up
Fig. 6.1 Sistema MIMO a controlar por controladores monovariables.
yq
116
Apuntes: 543 760
( s ) , entonces, u(s) = H
( s ) y(s), lo que en sus componentes se puede escribir
notacin H-1(s) = H
como,
u1 ( s ) h11 ( s ) h12 ( s )
u ( s ) =
2 h21 ( s ) h22 ( s )
y1 ( s )
y ( s ) ,
2
( s ) se asume compuesta por los elementos hij ( s ) . Si adems se asume

en donde la matriz H
arbitrariamente por ahora que la salida y2 se controla mediante la entrada u2 a travs de un
controlador monovariable como ilustrado en la Fig. 6.2., entonces, la ganancia en L.A. est dada por,
y1 ( s )
y ( s)
= h11 ( s ) ,
= 1
u1 ( s ) LA u1 ( s ) u2 =0
y la ganancia en L.C., considerando y2d = 0 est dada por,
y1 ( s )
y ( s)
h ( s )h12 ( s )h21 ( s )
= 1
= h11 ( s ) c 2
,
1 + h22 ( s )hc 2 ( s )
u1 ( s ) LC22 u1 ( s ) y2 d = 0
en donde el subndice LC22 es para indicar el L.C. de la salida y2 con la entrada u2. Si se define una
medida de cunto cambi la ganancia entre una y otra condicin como,
( y1 ( s ) u1 ( s ) )LA
( y1 ( s ) u1 ( s ) )LC
22
h11 ( s ) + hc 2 ( s )h11 ( s )h22 ( s )

= 11 ( s ) ,
h11 ( s ) + hc 2 ( s )(h11 ( s )h22 ( s ) h12 ( s )h21 ( s ) )
entonces,
y1 ( s )
1
=
h11 ( s ) .
u1 ( s ) LC 22 11 ( s )
Es decir, la F. de T. se altera en el factor 1/11(s). Una simplificacin en el anlisis es considerar que el
controlador monovariable incluye por lo menos un integrador; por lo tanto, hc2(s) para s 0. As,
si se evala 11(s) para s 0 se tiene que,
u1
h11(s)
y1
y2
h12(s)
h21(s)
y2d
hc2(s)
+
-
u2
h22(s)
sistema
Fig. 6.2. Sistema de dos entradas/dos salidas y un controlador monovariable.

117
Apuntes: 543 760
11 = 11 ( s ) s =0 =
h11 ( s )h22 ( s )
.
h11 ( s )h22 ( s ) h12 ( s )h21 ( s ) s =0
Ntese que 11 sera igual a 1 si el sistema cumpliera con h12(s = 0) = 0 h21(s = 0) = 0; es decir, si el
sistema tuviera una de las salidas desacopladas. Ntese que 11 sera igual a 0 si el sistema cumpliera
con h11(s = 0) = 0 h22(s = 0) = 0; es decir, si alguna de las salidas no dependiera de su respectiva
entrada.
Def.: La ganancia relativa ij entre la entrada uj y la salida yi es el cuociente entre dos ganancias. La
ganancia en S.S. entre uj e yi sin control y la ganancia en S.S. entre uj e yi cuando los lazos de
control restantes mantienen todas las variables de salida yl (l = 1, 2, ..., q, con l i) en su valor
nominal. Es decir,
ij =
(yi
(yi
u j )uk =0, k j
u j ) yl =0, l i
hij (0)
= hij (0)h ji (0) .
1 / h ji (0)
Por lo tanto, si se define a como la matriz cuyos elementos son los ij(H), se tiene que, = H(0) x
(0)T , donde x denota el producto elemento a elemento de dos matrices. La matriz = (H) se
H
conoce como el Arreglo de Ganancias Relativas de H(s) y tambin se escribe como (H) = AGR(H).
A . Propiedades del Arreglo de Ganancias Relativas.

Se asume que H(s) es una matriz cuadrada de pq (con p = q) e invertible y que tiene por arreglo de
ganancias relativas a (H), entonces,
(i) (H-1) = (HT) = (H)T.
(ii) Permutaciones en las filas y/o columnas de la matriz H(s) resulta en las mismas permutaciones en
la matriz (H). Es decir, (P1HP2) = P1(H)P2, donde P1 y P2 son matrices de permutacin.
(iii) La suma de los elementos en cada fila (y cada columna) de la matriz (H) es 1. Esto es,
q
j =1
i =1
ij (H) = 1 y
ij
(H) = 1 .
(iv) La matriz (H) es la matriz identidad si H(s) es triangular superior o inferior (en particular si es
diagonal).
(v) La matriz (H) es invariante ante escalamientos de la entrada y/o salida. Es decir, (D1HD2) =
(H), donde D1 y D2 son matrices diagonales.
(vi) La matriz (H) es una medida de la sensibilidad a cambios de parmetros. En particular, la
matriz H(0) se hace singular si un elemento de sta es perturbado de hij(0) a hij(0)(1 - 1/ij(H)).
(vii) (H) siempre tiene al menos un valor propio y un valor singular igual a 1.
Ejemplo 6.1. En el sistema dado por las ecuaciones dx1/dt = -x1 + u1 + u2/2, dx2/dt = -x2 0.075u1 + 0.1u2 determine el
AGR y de ste el par de variables a considerar en un esquema de control monovariable. R.: La representacin matricial est
0.5
1
0.5
s +1
0.727 3.636
-1
s + 1 u( s ) , por lo que H(0) = 1
dada por, x( s ) =
0.075 0.1 y H (0) = 0.545 7.273 , por lo que (H) =
0.075 0.1
s + 1
s +1
118
Apuntes: 543 760
0.727 0.273
0.273 0.727 . De aqu se puede visualizar que los pares a utilizar son u1 con y1 y u2 con y2.
El AGR tambin se puede definir en funcin de la frecuencia. Para esto se deja la M. de T. en funcin
de mediante el reemplazo s = j, por lo que los elementos de la matriz resultan ser nmeros
complejos y por tanto su grfica se puede realizar utilizando mdulo y fase en funcin de la frecuencia.
Ejemplo 6.2. En el caso del paciente con suministro de drogas se encontr una M. de T. dada por
3
3
6 s
6
e 2 s
s +1e
s + 1 3s + 1
s
3
+
1
G (s) =
dado que se presume la utilizacin
, de la cual slo interesa estudiar G ( s ) = 12
12 s
5
5
e
e 2 s
5s + 1
s +1
s + 1 5s + 1
de un ecualizador de retardos y un Predicotr Smith. Estudiar de la M. de T. resultante su AGR. R.: En este caso es
( j) T dado que G(s) es cuadrada. La grfica de los elementos de se muestran en la
fcilmente obtenible = G(j) x G
Fig. 6.3. Esta indica que en el caso de utilizar controladores monovariables deberan emplearse los pares u1 con y2 y u2 con
y1. Por otro lado, la proximidad de los mdulos a 0.5 para bajas frecuencias indica un fuerte acoplamiento.
B . Estabilidad y Control Integral basado en el AGR.

Se asume el esquema ilustrado en la Fig. 6.4 en donde el controlador est compuesto por la matriz
diagonal de integradores k/sI (k una constante e I la matriz identidad) y una matriz compensadora C(s).
Def.: El sistema G(s)C(s) se llama estabilizable integral si existe un k > 0 tal que el sistema en L.C.
mostrado en la Fig. 6.4 es estable y tiene cero error en S.S. para entradas constantes.
Teorema: Asumir que G(s)C(s) es una M. de T. racional propia; entonces, G(s)C(s) es estabilizable
integral slo si det{G(0)C(0)} > 0.

Teorema: Considerar el sistema mostrado en la Fig. 6.4 en donde la matriz compensadora C(s) es
diagonal y que: (a) G(s) es estable, (b) G(s)C(s) es racional y propia y (c) cada lazo es
estable (obtenido al abrir p - 1 lazos); entonces, el sistema es inestable para todo k > 0 si,
1.00
10
0.75
12
12
0
0.50
11
0.25
0.00
0.0001
0.001
0.01
a)
0.1
10
0.0001
11
0.001
0.01
b)
Fig. 6.3. Elementos del AGR del Caso Paciente como indicado en el Ejemplo 6.2; a) mdulo, b) fase.
0.1
119
Apuntes: 543 760
det{G ( s )}
p
ii
<0.
(0)
i =1
La condicin anterior es necesaria y suficiente para sistemas menores e iguales a 2.

Teorema: Si jj(G) < 0 entonces para cualesquier compensador C(s) con las propiedades: (a) G(s)C(s)
propia, (b) C(s) diagonal y (c) cualesquier k > 0 para el sistema ilustrado en la Fig. 6.4,
tiene alguna de las siguientes propiedades: (a) el sistema en L.C. es inestable, (b) el lazo j
es inestable por si solo, (c) el sistema en L.C. es inestable al remover el lazo j.
La definicin y teoremas anteriores permiten aclarar la existencia de una ganancia en particular que
hacen el sistema de la Fig. 6.4 estable. Es de mayor utilidad encontrar un rango de ganancias que
comience en 0 puesto que permitira la implementacin del controlador con ganancias muy pequeas y
aumentarlas hasta obtener un desempeo satisfactorio.
Def.: El sistema G(s)C(s) se llama controlable integral si existe un k > 0 tal que el sistema en L.C.
mostrado en la Fig. 6.4 es estable para valores de k en el rango 0 < k < k y tiene cero error en
S.S. para entradas constantes.
Teorema: El sistema racional G(s)C(s) es controlable integral si todos los valores propios de
G(0)C(0) estn en el S.P.D. del plano complejo. El sistema racional G(s)C(s) no es

controlable integral si cualesquiera de los valores propios de G(0)C(0) est en el S.P.I. del
plano complejo.
Algunos importantes resultados que se obtienen para el caso de la Fig. 6.4 estn dados por los
siguientes teoremas.
Teorema: Se asume G(s)C(s) estable. Si el AGR de G(s)C(s) es la matriz I ; entonces, la
estabilidad de cada lazo implica la estabilidad del sistema total.

El teorema anterior implica que si un sistema se puede dejar en una forma triangular, sera posible
asegurar la estabilidad total asegurando la estabilidad de cada lazo individual. Este teorema se puede
relajar exigiendo que el AGR de G(s)C(s) sea cercano a la matriz I para frecuencias cercanas a la
frecuencia de corte de los lazos. As, una regla para seleccionar los pares de variables es asegurar una
M. de T. resultante G(s)C(s) cercana a una triangular (o que su AGR sea cercana a la matriz I) para
frecuencias cercanas a la de cruce.
yd
k
s I
u
C(s)
G(s)
Fig. 6.4 Configuracin de control integral en sistemas MIMO.

120
Apuntes: 543 760
Teorema: Considerar la M. de T. G(s) con elementos estables y sin ceros en s = 0. Asumir que ij()
es finito y diferente de cero. Si ij(j) y ij(0) tienen signos diferentes; entonces, al menos
una de las siguientes condiciones se cumple: (a) el elemento gij(s) tiene un cero en S.P.D.
(b) la planta G(s) tiene un cero en el S.P.D. o (c) el subsistema con la entrada j y la salida i
removidas tiene un cero en el S.P.D.
C . El AGR para Sistemas No-Cuadrados.

En estos casos se tiene distinto nmero de entradas y salidas. En el caso de tener ms entradas que
salidas, sera de inters eliminar entradas hasta tener un nmero igual al de salidas. En cambio, en el
caso de tener ms salidas que entradas, sera de inters eliminar salidas hasta tener un nmero igual al
de entradas. En este ltimo caso, habran salidas no controladas.
Matemticamente, la matriz H(s) no es cuadrada y por lo tanto, no se puede determinar H-1(s) y por
tanto no se puede determinar (H). Sin embargo, se introduce la pseudo-inversa de H(s) como H(s) .
Def.: La pseudo-inversa H(s) de una matriz H(s) de qp cuyo rango es rango{H(s)} = r est dada
por,
(a) si r = p = q; entonces, H(s) = H(s)-1.
(b) si r = p q; entonces, H(s) = (H(s)HH(s))-1H(s)H, conocida como inversa izquierda.
(c) si r = q p; entonces, H(s) = H(s)H (H(s)H(s)H)-1, conocida como inversa derecha.
(d) si r < min{q, p}; entonces, H(s) = Vr r-1UrH, donde UrH es la conjugada transpuesta de Ur
y Vr r-1UrH es su descomposicin en valores singulares.
De esta definicin se procede a definir el AGR como en el caso de M. de T. cuadradas; es decir, =
(0)T , en donde, H
(0) = H(0) . Con esta definicin en el caso de tener ms entradas que
H(0) x H
salidas, podra dejarse de considerar aquellas entradas correspondientes a las columnas en el AGR
donde la suma de sus elementos es mucho menor que 1. Similarmente, en el caso de tener ms salidas
que entradas, no se controlaran aquellas salidas correspondientes a las filas en el AGR donde la suma
de sus coeficientes es mucho menor que 1.
Ejemplo 6.3. Un proceso qumico tiene 5 salidas y 13 entradas. De stas hay que escoger las 5 mejores utilizando el AGR.
Para solucionar el problema se cuenta con H(0), donde,
1.1489
2.6640 3.0928 0.0703
0.7878
0.6055
0.8814 0.1079 2.3769 0.0540
1.4722 5.0025 1.3279 8.8609

0.1824
1.5477 0.1083 0.0872 0.7539 0.0551

2.5653
6.9433
2.2032 1.5170 8.7714
7.6959 0.9927 8.1797 0.2565

1.4459
H(0)T = 0.0000
0.0000
0.0000
0.0000
0.0000 . R.: Dado que rango{H(0)} = 5, H(0) = H(0)T
0.0217
0.1097 0.7272 0.1991 1.2574
0.3485 2.9909 0.8223 5.2178
0.0853
1.5899 0.9647 0.3648 1.1514 8.5365

0.0000
0.0002 0.5397 0.0001 0.0000
0.0323 0.1351 0.0164

0.1451
0.0041
0.1951
0.0054
0.0443 0.1859 0.0212
121
Apuntes: 543 760
0.1275
0.0656
0.2780
0.3684
0.0599
0.1683
T -1
T
(H(0)H(0) ) , con lo que resulta ser, = 0.0000
0.0014
0.0129
0.0374
0.0000
0.0001
0.0002
0.0755 0.5907
0.1215
0.0034
0.0523 0.0030
0.1294
0.0002
0.0044
0.0463
0.4055 0.0060
0.0081 0.0009
0.0383 0.0018
0.9017
0.2079 0.1459 0.0443
0.4042
0.1359
0.1376
0.0089
0.0000
0.0000
0.0000
0.0000 . De este resultado se
0.0017 0.0013
0.0099
0.0000
0.0451 0.0230
0.1873 0.0005
0.1277 0.0359 0.1163

0.9516
0.0000
0.0268
0.0000
0.0000
0.0001
0.0000
0.0001
0.0000
0.0002
0.0001
0.0001
0.0000
genera un vector con las sumas de cada columna de el que resulta ser [0.77 0.15 0.73 0.40 0.95 0.85 0.00 0.01 0.18 0.94
0.03 0.00 0.00], de donde se puede ver que las entradas 1, 3, 5, 6, y 10 tiene asociados los mayores coeficientes y por tanto
deberan ser consideradas las entradas del sistema. Con estas nuevas entradas se confecciona una nueva matriz con la que
se determinan los pares de variables definitivos para utilizar controladores monovariables.
D . Sensibilidad y el AGR.
El cambio de parmetros en H(s) es esperable puesto que sta corresponde a un aproximacin de la M.
de T. real del sistema. Su relacin con el AGR est dada por el siguiente teorema.
Teorema: Considerar una matriz H(0) de pp con su inversa H-1(0) y su matriz (H). Los cambios
relativos entre hij(0), h ji (0) , y jj(H) estn dados por,

d ij ( H )
dhij (0)
= (1 ij ( H))
,
hij (0)
ij (H )
y
d ij ( H) ij ( H ) 1 dh ji (0)
=
.
ij ( H )
ij ( H) h ji (0)
El teorema anterior indica que si una matriz tiene grandes valores de , entonces, pequeos cambios de
sus elementos se reflejarn notoriamente en su AGR.
1 1.05
Ejemplo 6.4. Un sistema tiene una matriz dada por H(0) =
. Determine su AGR y qu sucede con ste al
0.95 1
400 420
400 399
aumentar h21(0) de 0.95 a 1.00. R.: H-1(0) =
, por lo que (H) =
. El cambio de parmetro
380 400
399 400
1 1.05
20 21
se puede considerar en H1(0) =
que tiene un (H1) =
. Es decir, pequeos errores en H(0) inducen a

1 1
21 20
grandes errores en (H) debido a la elevada magnitud de (H).
122
Apuntes: 543 760
E . Seleccin de pares de variables utilizando el AGR.

Esta interpretacin asume que se desea utilizar controladores monovariables y por tanto se requiere
encontrar pares de variables. Se asume que H(s) tiene por arreglo de ganancias relativas a (H),
entonces,
(i) Si (H) es diagonal, entonces no hay interaccin (o el sistema es triangular).
(ii) Si todos los elementos de (H) son positivos, se selecciona el par ms dominante.
(iii) Si algn valor de (H) es negativo significa que hay problemas de estabilidad al pasar de L.A. a
L.C. y viceversa para ese lazo. Se recomienda controladores cruzados.
(iv) Valores de los elementos de (H) fuera del rango [0 1] evidencian un sistema altamente sensible
a cambios de parmetros.
(v) Si el signo de los elementos del AGR cambia desde s = 0 a s = , entonces hay un cero en el
S.P.D. en H(s) o en algn subsistema de H(s).
(vi) Cuando hay entradas extras y la suma de los elementos en una columna del AGR es pequea,
entonces se puede eliminar esa entrada. Cuando hay salidas extras y la suma de los elementos en
una fila del AGR es pequea, entonces se puede dejar esa salida sin control.
(vii) Evitar en plantas estables parear entradas y salidas que corresponden a elementos negativos de su
AGR.
(viii) Preferir parear entradas y salidas de manera que el AGR sea cercano a la matriz identidad a la
frecuencia de corte.
6.3 Valores Singulares.

Otra alternativa de anlisis es la utilizacin de los valores singulares. stos tambin permiten
discriminar los pares de variables a utilizar y tambin permiten cuantificar el grado de acoplamiento y
por consiguiente establecer el potencial desempeo de controladores monovariables.
A . Valores Singulares de la M. de T.
Para la introduccin de los valores singulares se define primero matriz unitaria.
H
Def.: La matriz U(s) es unitaria si U(s) U(s) = U(s)U(s) = I.
El superndice H (Hermitian) es para denotar su conjugada y transpuesta. Toda matriz arbitraria H(s) de
dimensin qp se puede escribir como H(s) = U(s) (s)V(s)H, donde las matrices U(s) de dimensin
qq y V(s) de dimensin pp son unitarias. La matriz (s) de dimensin qp esta dada por,
1 ( s ) 0 L 0
0
0 L 0
,
( s ) =
M O M
M
0 L 0
0
donde 1(s) es una matriz diagonal de dimensin kk con k = min{p, q} y est compuesta por los
valores singulares de H(s). Es decir, 1(s) = {1(s), 2(s),..., k(s)} tal que 1(s) 2(s) k(s)
0. Los valores singulares se calculan como la raz cuadrada positiva de los k mayores valores propios
de la matriz H(s)H(s)H o H(s)HH(s); es decir,
l ( s ) = l (H( s )H( s ) H ) = l ( H( s ) H H( s )) .
123
Apuntes: 543 760
El mayor valor singular 1(s) se representa por (s ) y el menor valor singular k(s) se representa por
( s ) . Si se asume que U(s) = [u1(s) u2(s) uk(s) uq(s)], los vectores ul(s) se conocen como
vectores singulares de salida o izquierdos y resultan ser los vectores propios unitarios de la matriz
H(s) H(s)H. Si se asume que V(s) = [v1(s) v2(s) vk(s) vp(s)], los vectores vl(s) se conocen como
vectores singulares de entrada o derechos y resultan ser los vectores propios unitarios de la matriz
H(s)H H(s).
0.778 0.3889
. Determine su representacin UV y
1
1
grafique las salidas para todas las combinaciones unitarias posibles en la entrada. R.: Los valores singulares de H(0) son 1
0.276 0.961
0.809 0.588
= 1.453 y 2 = 0.803. Las matrices son U =
y V = 0.588 0.809 . Por lo que H(0) =
0
.
961
0
.
276
0 0.809 0.588
0.778 0.3889
0.276 0.961 1.453
=
= U VH. El vector unitario u = [u1 u2]T
1
1
0.803 0.588 0.809
0.961 0.276 0
posible es aquel que cumple con u12 + u22 = 1. Una representacin grfica est dada en la Fig. 6.5. Ntese que para la
entrada ua = [-0.809 -0.588]T = v1 se obtiene la mayor salida ya = [-0.401 -1.397]T = u11. Esta combinacin entrada/salida
corresponde al mayor valor singular 1 = 1.453. Por otro lado, para la entrada ub = [0.588 -0.809]T = v2 se obtiene la menor
salida yb = [0.772 -0.222]T = u22. Esta combinacin entrada/salida corresponde al menor valor singular 2 = 0.803.
B . Propiedades de los Valores Singulares.

(i) Si 1(s) 2(s) r(s) r+1(s) = = k(s) = 0, entonces, rango{H(s)} = r.
(ii) H(s) vl(s) = ul(s)l(s), para l = 1, ..., r.
(iii) Si rango{H(s)} = r entonces, H(s) = U(s) (s) V(s)H = Ur(s) r(s) Vr(s)H
r
= l ( s )u l ( s ) v l ( s ) H , donde Ur(s) = [u1(s) u2(s) ur(s)], Vr(s) = [v1(s) v2(s) vr(s)] y r(s) =
l =1
diag{1(s), ..., r(s)}.

1
v l ( s )u l ( s) H .
l =1 l ( s )
(v) Si H(s) tiene dimensin qp y tiene rango rango{H(s)} = r min{p, q} entonces, la pseudoinversa de H(s) es H (s) = Vr(s) r-1(s) Ur(s)H.
Otras propiedades de los valores singulares extremos si consideramos la matriz E y F con valores
singulares (E) y (F), respectivamente, son:
r
(iv) Si H(s) es de rr e invertible, entonces, H-1(s) = V(s) -1(s) U(s)H =
u2
ua
y2
ub
yb
-1
ya
-1
u1
-1
(a)
y1
-1
(b)
Fig. 6.5 Descomposicin UV del Ejemplo 6.5; a) entradas, b) salidas.

124
Apuntes: 543 760
(vi) Si E-1 existe entonces, ( E) =
1
1
y ( E) =
.
1
( E )
( E 1 )
(vii) ( E) | i ( E) | ( E) .
(viii)
(ix)
(x)
(xi)
( E H ) = ( E) y ( ET ) = ( E) .
( EF) ( E)( F) .
(EF) ( E)(F) .
max{0, i(E) - ( F) } i(E + F) i(E) + ( F) .
C . Pares de entrada/salida y grado de interaccin.

Para tener una forma sistemtica de obtener los pares de variables, se extiende la definicin de la M. de
T. a la siguiente forma,
H(s) =
( s )u ( s ) v ( s )
l
l =1
( s)W ( s) ,
l
l =1
en donde las matrices Wl se denominan matrices de rotacin, y quedan definidas por Wl(s) =
ul(s)vl(s)H.
0.778 0.3889
. Determine su representacin en matrices
1
1
0
0.276 0.961 1.453
de rotacin. R.: Se encontr que H(0) = U V =
0
0
.
961
0
.
276
0
.
803
0
.
223
0
.
162
T
T
W1 = u1v1 = [-0.276 -0.961]T[-0.809 -0.588] =
y W2 = u2v2 =
0
.
778
0
.
565
0.809 0.588
0.588 0.809 . Por lo que
[0.961 -0.276]T[0.588 -0.809] =
0.565 0.778
0.223 0.162
0.565 0.778
0.162 0.223 . As, H(0) = 1W1 + 2W2 = 1.453 0.778 0.565 + 0.803 0.162 0.223 .
Ntese que en un sistema desacoplado, las matrices de rotacin tienen todos sus elementos iguales a
cero, excepto uno que es igual a 1.
0 5
. Determine su representacin en matrices de rotacin.
2 0
0 1
0 0
R.: Se encuentra que H(0) = 5
+ 2 1 0 . H(0) indica que el pareamiento ideal est dado por y2 u1 y y1 u2,
0
0
notndose que en W1 el elemento mayor es w12 y que en W2 el elemento mayor es w21.
De estos ejemplos se puede concluir que: (a) el mximo elemento de la matriz Wl define un par de
entrada/salida. Es decir, si el maxij{wij}l = (wm)l entonces el par a considerar es la salida ym y la entrada
u. Este proceso se repite para las l matrices de rotacin, (b) aquellas entradas y/o salidas que no se
presenten del anlisis anterior deben eliminarse, y (c) una medida de la interaccin deber considerar la
diferencia entre las matrices rotacionales y las matrices rotacionales ideales.
Para cuantificar el grado de interaccin se define un espacio con matrices posiblemente complejas de
dimensin qp como elementos. El espacio considera un producto punto <X, Y> y una norma ||X|| a
definir,
125
Apuntes: 543 760

p
< X , Y > = xij y ij*
|| X || = < X , X > .
j =1 i =1
Sea un espacio de matrices rotacionales desacopladas identificadas por Dm . Ntese que hay l matrices
rotacionales desacopladas y cada una tiene el elemento dm = 1 y cero para los restantes. Cada matriz
~
rotacional Wl se puede escribir como la suma de dos matrices ortogonales; por lo tanto, Wl = Wl + Wl
(desacoplada y acoplada). La proyeccin de Wl en el espacio no-acoplado es,
Wl = D m < Wl , D m
0
M
>= 0
0
M
0
L 0
O M
L 0
L 0 ( wm ) l
L 0
N M
L 0
0 L 0
M N M
0 L 0
0 L 0 .
0 L 0
M O M
0 L 0
As, una medida del ngulo entre la matriz rotacional Wl y su proyeccin ortogonal (matriz rotacional
desacoplada) est dada por,
cos(l ) =
|| Wl ||
,
|| Wl ||
dado que ||Wl|| = 1, entonces, cos(l) = || Wl || = ( wm ) l ( wm )*l . Ntese que un desacoplo total implica
(wm)l = 1; por lo tanto cos(l) = 1 y l = 0. Por otro lado, mximo acoplo implica (wm)l = 0; por lo
tanto cos(l) = 0 y l = 90. Una medida de la interaccin o acoplamiento total est dado por,
r
cos() =
2
l
cos 2 ( l )
l =1
r
.
2
l
l =1
Como recomendaciones generales se indica que: (a) si l 15 la interaccin es moderada y se puede

utilizar controladores monovariables, (b) si l > 15 se recomienda utilizar desacopladores.
0.778 0.3889
. Determine los pares de variables y el
1
1
0.223 0.162
0.565 0.778
grado de acoplamiento. R.: Se encontr que H(0) = 1W1 + 2W2 = 1.453
+ 0.803 0.162 0.223 . Por
0
.
778
0
.
565
lo tanto, (w21)1 = 0.778 lo que implica que el primer par es y2 con u1. Similarmente, (w12)2 = -0.778 lo que implica que el
segundo par es y1 con u2. As, cos(1) = 0.778 y cos(2) = 0.778 por lo que 1 = 38.945 y 2 = 38.945. Finalmente, =
38.945. Estos resultados aconsejan la utilizacin de desacopladores.
D . Valores Singulares en funcin de la frecuencia.

La definicin de valores singulares es tambin vlida para funciones dependientes de la frecuencia.
Este es el caso de H(s) con s = j. Dado que los resultados son nmeros complejos, stos son mejores
visualizados en diagramas de frecuencia. Todas las conclusiones y observaciones derivadas para = 0
126
Apuntes: 543 760
son extrapolables a cualesquier frecuencia. Ntese que en el caso de valores singulares en funcin de la
frecuencia, stos tambin se conocen como ganancias principales.
Ejemplo 6.9. En el caso del paciente con suministro de drogas se encontr una M. de T. dada por
3 2 s
6 s
3
6
e
s +1 e
s + 1 3s + 1
3s + 1
G (s) =
dado que se presume la utilizacin
, de la cual slo interesa estudiar G ( s ) =
12
5
5 2 s
12 e s
e
s + 1
s + 1 5s + 1
5s + 1
de un ecualizador de retardos y un Predicotr Smith. Estudiar de la M. de T. resultante los valores singulares y su grado de
acoplamiento. R.: La M. de T. se puede escribir como G(j ) = 1(j )W1(j ) + 2(j)W2(j ). Afortunadamente, en
sistemas cuadrados de dimensin 2 se tiene que los valores singulares estn dados por
1 () = b() + b 2 ( ) 4c() 2 y 2 ( ) = b( ) b 2 ( ) 4c( ) 2 , donde b( ) = tr{G(j )HG(j )} y c( )
H
= det{G(j ) G(j )}. Con estos resultados se encuentran los diagramas ilustrados en la Fig. 6.6. El grado de acoplamiento
es mayor a 15 lo que justifica la utilizacin de desacopladores.
6.4 Diseo de Desacopladores.

En el captulo anterior se revisaron los desacopladores basados en realimentacin de estados. Una
alternativa ms simple es la estructura ilustrada en la Fig. 6.7 en donde G(s) se asume cuadrada de p p.
En este caso la M. de T. resultante est dada por H(s) = G(s)D(s) la cual se desea tenga forma diagonal.
A . Diseo directo.
H(s) podra tener los elementos diagonales de la matriz G(s); es decir, H(s) = diag{g11(s), g22(s), ...,
gpp(s)}. Por lo tanto, el desacoplador debiera tener la forma D(s) = G-1(s)H(s), para lo cual se necesita
que exista G-1(s). Esta condicin tiene variados inconvenientes tericos y prcticos, entre stos,
(i) Si el menor valor singular (o propio) es muy pequeo la obtencin de G-1(s) es deficiente.
(ii) Si en G-1(s) hay retardos entonces G-1(s) sera predictiva.
(iii) Si G(s) es no propia entonces G-1(s) tendr componentes con ms ceros que polos.
(iv) Si G(s) tiene ceros no mnimos de fase entonces G-1(s) requiere ser inestable.
Sin embargo, cuando se desea slo desacoplo en S.S. entonces D(s) es una matriz de coeficientes D y
est dada por D = G-1(0). Esta alternativa es ms factible por cuanto G(0), que corresponde a las
ganancias dc de la planta, es de fcil obtencin.
100
45
1()
10
30
1() = 2() = ()
1
15
2()
0.1
0.0001
0.001
(a)
0.01
0.1
0
0.0001
0.001
0.01
0.1
(b)
Fig. 6.6 Grfica de los valores singulares y grado de acoplamiento del Caso Paciente como indicado en el Ejemplo 6.9;
a) valores singulares, b) grado de acoplamiento.
127
Apuntes: 543 760
En otros casos se puede desear obtener un desacoplo para una o un rango de frecuencias. Esto puede
estar respaldado por restricciones transientes. El rango de frecuencias factible de considerar puede ser
obtenido a partir del grado de desacoplo utilizando los valores singulares. La tcnica de desacoplo para
un rango de frecuencias se analiza a continuacin.
B . Diseo mediante pseudo-diagonalizacin.

Se desea encontrar una matriz K de coeficientes reales tal que H(s) = G(s)K sea lo ms diagonal
posible para una frecuencia dada 0. Si la matriz GT(j0) = [g1(j0) g2(j0) gp(j0)] y K = [k1 k2
kp] donde gi(j0) y ki son vectores columna, entonces, cada elemento hij(j0) de H(j0) puede ser
escrito como hij(j0) = giT(j0)kj. Para asegurar que la matriz resultante es diagonal se pueden definir p
ndices,
p
| h
ij
Ij =
( j0 ) |2
i =1
i j
| h jj ( j0 ) |2
j = 1,... p.
Si los p ndices anteriores se minimizan entonces se asegura que los numeradores son mnimos y por
consiguiente se minimizan los elementos que estn fuera de la diagonal principal. De la minimizacin
del ndice anterior se obtiene kj que es la columna j-sima de K.
Para solucionar este problema, el ndice se escribe como,
p
| g
Ij =
T
i
( j0 )k j |
i =1
i j
| g Tj ( j0 )k j |2
T
j
g *i ( j0 )g Ti ( j0 )k j
i =1
i j
k Tj g *j ( j0 )g Tj ( j0 )k j
p
.
T
k Tj g *i ( j0 )g Ti ( j0 ) k j k Tj g i ( j0 )g *i ( j0 ) k j
ii =1j
ii =1j
=
=
T
*
T
T
T
*
k j {g j ( j0 )g j ( j0 )}k j
k j {g j ( j0 )g j ( j0 )}k j
p
Los elementos
g ( j )g
i
*T
i
( j0 ) y g j ( j0 )g *j ( j0 ) son matrices que se denominan GYj(0) y
i =1
i j
GXj(0), respectivamente. Por lo tanto, los ndices quedan como,
k Tj G Yj (0 )k j
Ij = T
.
k j G Xj (0 )k j
Dado que GYj(0) = GHYj(0) y GXj(0) = GHXj(0), los ndices se pueden escribir como,
Ij =
k Tj Y j ( 0 )k j
,
k Tj X j ( 0 )k j
uex
D(s)
y
G(s)
Fig. 6.7 Desacoplador en sistemas MIMO.

128
Apuntes: 543 760
donde Yj(0) = e{GYj(0)} y Xj(0) = e{GXj(0)}. Un mnimo de los ndices se encuentra al tomar
el diferencial quedando,
I j T
k j X j ( 0 )k j + 2 I j X j ( 0 )k j = 2Y j (0 )k j ,
k j
por lo que tomando I j k j = 0 se obtiene la ecuacin,
I j X j ( 0 )k j = Y j ( 0 )k j .
Es decir, los kj que satisfacen la ecuacin anterior minimizan los ndices Ij. La ecuacin anterior
corresponde al problema de los valores y vectores propios generalizados, donde Ij corresponde al valor
propio y kj al vector propio.
Ejemplo 6.10. En el caso del paciente con suministro de drogas se encontr un alto grado de acoplamiento por lo que se
pide disear un desacoplador. R.: La Fig. 6.3 y la Fig. 6.6 sugieren una frecuencia 0 = 10-3. As, la primera ecuacin (j = 1)
35.871 17.56
143.483 55.836
resulta ser, I 1
k 1 =
k 1 , los valores que satisfacen la ecuacin anterior son I1 =
17
.
56
8
.
718
55.836 22.936
928.286 con k1 = [0.442 0.897]T, e I1 = 0.043 con k1 = [0.37 -0.929]T. Como se busca el menor ndice, se retiene k1 = [0.37 0.929]T. Similarmente, para (j = 2) se obtiene k2 = [-0.442 -0.897]T. Con estos resultados se forma la nueva M. de T. del
sistema como G(s)K con K = [k1 k2] cuyos elementos del AGR y grado de acoplamiento resultante se muestra en la Fig.
6.8. Claramente el sistema est desacoplado para 0 = 10-3 y los elementos de del AGR indican que en el caso de
utilizar controladores monovariables deberan implementarse los pares u1 con y1 y u2 con y2.
El problema se puede generalizar si se desea obtener una pseudo-diagonalizacin vlida para varias
frecuencias 0, 1,..., N en cuyo caso se redefinen los ndices como,
N
k =0
i =1
i j
k | hij ( jk ) |2
Ij =
| h jj ( jk ) |
j = 1,... p.
k =0
donde {0, 1, 2,..., N} es un conjunto de coeficientes de peso que permitiran ponderar una o
algunas frecuencias por sobre otras. Al igual que el caso anterior, los ndices se pueden escribir como,
45
1.5
1() = 2() = ()
11
1.0
30
0.5
15
12
0
0.0001
0.001
(a)
0.01
0.1
0
0.0001
0.001
0.01
0.1
(b)
Fig. 6.8 Grfica de los elementos del AGR y grado de acoplamiento del Caso Paciente con desacoplador como indicado en
el Ejemplo 6.10; a) elementos del AGR, b) grado de acoplamiento.
129
Apuntes: 543 760
*T
k k g i ( jk )g i ( jk ) k j
k =0 ii =1j
,
Ij =
N
T
k Tj k g j ( jk )g *j ( jk ) k j
k =0
T
j
donde los elementos
k g i ( jk )g *i ( jk ) y
k =0
k =0
i =1
i j
j = 1,... p,
( jk )g *j ( jk ) son matrices que se
denominan G Yj y G Xj, respectivamente. Por simetra, la solucin al problema de los valores propios
generalizados,
I j X j k j = Yj k j ,
donde Y j = e{ G Yj} y X j = e{ G Xj}, entrega los valores numricos de los vectores kj (j = 1,..., p).
C . Pseudo-diagonalizacin generalizada.
En muchos casos, la matriz K obtenida mediante el mtodo anterior no entrega resultados
satisfactorios. Es decir, la grfica de los ndices Ij() en funcin de la frecuencia no es menor que
valores pre-determinados.
Una alternativa de mejorar tales ndices es encontrar una matriz K(s) cuyos coeficientes dependen de s
tal que H(s) = G(s)K(s) sea lo ms diagonal posible. Para cuantificar el resultado se pueden evaluar los
ndices Ij(),
p
| h ( j) |
ij
I j ( ) =
i =1
i j
| h jj ( j) |2
j = 1,... p,
que deben estar por debajo de valores esperados, por lo menos para el ancho de banda requerido. Para
encontrar K(s), sta se asume de la forma K(s) = [k1(s) k2(s) kp(s)] en que cada kj(s) es una columna
de la forma kj(s) = k0j + k1js + + kjjsj, por lo que cada kij es una columna de coeficientes constantes
a encontrar. Si se utiliza el ndice anterior para ser minimizado, entonces,
N
k =1
i =1
i j
k | hij ( jk ) |2
Ij =
k =1
i =1
i j
k | gTi ( jk )k j ( jk ) |2
=
| h jj ( jk ) |
k =1
j = 1,... p.
| g ( jk )k j ( jk ) |
T
j
k =1
Si se define el vector fila iT(jk) = [giT(jk) jkgiT(jk) (jk)jgiT(jk)] y el vector columna j = [k0jT
k1jT kjjT]T, entonces los ndices pueden escribirse como,
N
k =1
i =1
i j
k | Ti ( jk ) j |2
Ij =
k | Tj ( jk ) j |2
j = 1,... p.
k =1
Por simetra, la solucin al problema de los valores propios generalizados,

130
Apuntes: 543 760
I j X gj j = Ygj j ,
N
p
T
N
*T
donde Ygj = e k i ( jk ) i ( jk ) y X gj = e k j ( jk ) *j ( jk ) , entrega los
k =0
k =0 ii =1j
valores numricos de los vectores j (j = 1,..., p).

El procedimiento de diseo es,
(i) Graficar los ndices Ij en funcin de la frecuencia . Si hay suficiente dominio diagonal no es
necesario el desacoplo pseudo-diagonal, caso contrario, continuar.
(ii) Definir las frecuencias a las cuales se desea desacoplo. Normalmente se comienza con el ancho
de banda.
(iii) Obtener K slo compuesta de coeficientes numricos. Graficar nuevamente los ndices Ij en
funcin de la frecuencia . Si el desacoplo es suficiente se termina el proceso, caso contrario
continuar.
(iv) Para cada j = 1,..., p: obtener kj(s) para j = 1, evaluar Ij en funcin de la frecuencia , si el
desacoplo es insuficiente, aumentar j sucesivamente hasta lograrlo.
(v) Si no se obtiene el desacoplo esperado para elevados valores de j (> 2) se puede aumentar el
nmero de frecuencias a considerar con valores de ponderacin {1, 2,..., N} tentativos y
volver a (iii).
En el caso de que la matriz K(s) resultante contenga vectores con elementos funcin de s (lo que
sucede cuando se recurre a j 0), entonces dicha columna se deber dividir por un polinomio de orden
igual o superior a j para que sea realizable. En forma general se puede multiplicar K(s) por una matriz
diagonal cuyos vectores j consideran denominadores del tipo polinomial de orden a lo menos j. Para
seleccionar estos polinomios se recurre a consideraciones de control, puesto que el sistema ya es
desacoplado y por tanto se pueden tratar los lazos como lazos monofsicos.

A . Nivel Bsico
1.-
Determine el AGR y valores singulares de las matrices,
a)
2 0
A=
0 4
d)
10 2 30
A = 40 5 60
70 8 90
2.-
Para los sistemas dados por,
a)
b)
2 1
A=
1 4
e)
1
s +1
H( s) =
0
2 0
10 5
1 2
A=
, B=
, C=
0 4
50 2
3 4
Determine,
c)
1
s 1
f)
b)
1 2 3
A = 4 5 6
7 8 9
1
5
s +1
H( s) =
1
0
s 1
1
10
5s + 1
s +1
H( s) =
2
3
0.1s + 1 5s + 1
131
Apuntes: 543 760
i).ii).iii).iv).v).vi).vii).-
Dibuje el Bode de los elementos de la matriz AGR obtenida de la M. de T..

Dibuje el Bode de los valores singulares de la M. de T..
Determine la descomposicin UV de la M. de T..
Repita el Ejemplo 6.5. Incluya un tercer eje correspondiente a la frecuencia.
Grafique el grado de acoplamiento de los sistemas en funcin de la frecuencia.
Obtenga un desacoplador para frecuencia cero.
Obtenga un desacoplador mediante pseudo-diagonalizacin. Determine la frecuencia de diseo
mediante inspeccin de la grafica del grado de acoplamiento del sistemas resultante en funcin de
la frecuencia.
viii).- Bosqueje un diagrama en bloques del sistema resultante incluyendo el desacoplador.
3.- Para los sistemas dados por,
1
0.2
10
2
0
10
5
1
2
3
5s + 1
s + 1 0.5s + 1
T
a)
A=
,
B
=
,
C
=
b)
H
(
s
)
=
50 2
4 5 6
2
1
0 4
3
0.1s + 1 5s + 1 0.3s + 1
c)
s 2 + 2s + 1
H( s ) =
2
s+8
2s + 3
s +s+4
6
s+3
2
s+5
s + 10
s
s+4
2
d)
s 2 + 2s + 1
2
H( s) =
s+8
s e s
s + 4
2s + 3 3s
e
s +s+4
6 4s
e
s+3
s+5
2
s + 10
2
Determine,
i).- Determine el AGR para frecuencia cero.
ii).- Utilizando los resultados anteriores descarte la entrada o salida extra.
iii).- Indique la representacin resultante.
iv).- Grafique el Bode de los elementos del AGR del sistema resultante.
v).- Dibuje el Bode de los valores singulares de la M. de T. del sistema resultante.
vi).- Determine la descomposicin UV de la M. de T. del sistema resultante.
vii).- Repita el Ejemplo 6.5 para el sistema resultante. Incluya un tercer eje.
viii).- Grafique el grado de acoplamiento en funcin de la frecuencia para el sistema resultante.
ix).- Obtenga un desacoplador para frecuencia cero para el sistema resultante.
x).- Obtenga un desacoplador mediante pseudo-diagonalizacin para el sistema resultante. Determine
la frecuencia de diseo mediante inspeccin de la grafica del grado de acoplamiento del sistemas
resultante en funcin de la frecuencia.
xi).- Bosqueje un diagrama en bloques del sistema resultante incluyendo el desacoplador.
B . Nivel Intermedio
1.2.3.4.5.6.7.-
Demuestre que los elementos de una fila del AGR de un sistema TITO suman 1.
Cmo se evidencia un sistema desacoplado en su AGR y en sus matrices de rotacin ?.
Indique dos ventajas y dos desventajas del uso del AGR.
Indique dos ventajas y dos desventajas del uso de los valores singulares.
Cmo se evidencia una matriz cuadrada no invertible en sus valores singulares ?.
Indique una ventaja del mtodo de los valores singulares por sobre el mtodo del AGR.
Indique una ventaja del mtodo del AGR por sobre el mtodo de los valores singulares.
132
Apuntes: 543 760
8.-
9.10.11.12.13.14.15.16.-
0
b
Utilizando el concepto del AGR determine la inversa de la matriz A = 0
0
0
0
0
0 c 0 0 .
0 0 0 d
0 0 e 0
Demuestre que el AGR de la M. de T. G(s) y el AGR de la M. de T. kG(s) son idnticos.
Dibuje el Bode de los elementos de la matriz AGR de los sistemas mostrados en la Fig. 6.9.
Dibuje el Bode de los valores singulares de la M. de T. de los sistemas mostrados en la Fig. 6.9.
Determine la descomposicin UV de la M. de T. de los sistemas mostrados en la Fig. 6.9.
Repita el Ejemplo 6.5 para los sistemas mostrados en la Fig. 6.9. Incluya un tercer eje
correspondiente a la frecuencia.
Grafique el grado de acoplamiento de los sistemas mostrados en la Fig. 6.9 en funcin de la
frecuencia.
Obtenga un desacoplador para frecuencia cero para los sistemas mostrados en la Fig. 6.9.
Grafique el grado de acoplamiento de los sistemas mostrados en la Fig. 6.9 incluyendo el
desacoplador diseado para frecuencia cero en funcin de la frecuencia.
Obtenga un desacoplador mediante pseudo-diagonalizacin para los sistemas mostrados en la
Fig. 6.9. Determine la frecuencia de diseo mediante inspeccin de la grafica del grado de
acoplamiento del sistemas resultante en funcin de la frecuencia.
o, o,
Jo, to
+ va1 ia1
a)
a 0 0
0 0 0
m1, 1,
Jm1, tm1
n:1
1/k1
+ va2 ia2
m2, 2,
Jm2, tm2
1/k2
n:1
PCC
ioabc
voabc
iiabc
isabc
b)
Ri
Li
vsabc
Ro
Lo
mabc
idc
vdc
Rdc
fuente
Cdc
compensador
carga
Fig. 6.9 Sistemas para ejercitar; a) molino con doble accionamiento, b) compensador de reactivos.
Apuntes: 543 760
133
17.- Asuma que los sistemas mostrados en la Fig. 6.9 estn desacoplados gracias al uso del
desacoplador para frecuencia cero. Incluya ahora controladores tipo I monovariables. Ajuste la
ganancia de los controladores de manera que el ancho de banda resultante sea la mitad del ancho
de banda proporcionado por el grado de acoplamiento del sistema.
C . Nivel Avanzado
1.-
2.3.4.5.-
Demuestre que permutaciones en las filas y/o columnas de la matriz H(s) resulta en las mismas
permutaciones en la matriz (H). Es decir, (P1HP2) = P1(H)P2, donde P1 y P2 son matrices de
permutacin.
Demuestre que la matriz (H) es invariante ante escalamientos de la entrada y/o salida. Es decir,
(D1HD2) = (H), donde D1 y D2 son matrices diagonales.
Demuestre que (H) siempre tiene al menos un valor propio y un valor singular igual a 1.
1
1
Demuestre que si E-1 existe entonces, ( E) =
y ( E) =
.
1
( E )
( E 1 )
Demuestre que max{0, i(E) - (F) } i(E + F) i(E) + (F) .
134
Apuntes: 543 760
Controladores en el Plano de la Frecuencia.

La utilizacin de respuestas en frecuencia permiten diseos simples en sistemas SISO.
Una de las herramientas disponibles es el Teorema de Nyquist. En este captulo se
revisa una extensin de dicho teorema a sistemas MIMO. Anlogamente, ayuda a
determinar la ganancia k de un controlador descentralizado tal que se asegura la
estabilidad en L.C.. Para tales efectos, se utiliza los valores singulares y se introduce el
concepto de norma, tanto de vectores como de matrices.
7.1 Introduccin.
En aquellos casos donde no es posible utilizar controladores monovariables, puede utilizarse un
controlador que puede ser considerado una M. de T.. La pregunta ms bsica a responder es respecto de
la estabilidad del sistema resultante. Afortunadamente, el Teorema de Nyquist extendido al caso
MIMO permite abordarla. La utilizacin intensiva de los valores singulares y normas requieren primero
de la revisin de las tcnicas de diseo de controladores SISO en el plano de la frecuencia.
7.2 Caso SISO.

Un enfoque diferente al diseo de controladores se logra al utilizar el diagrama mostrado en la Fig. 7.1.
En este caso se asumen dos seales indeseadas que son una perturbacin d(s) y el ruido de medicin
m(s), que se caracterizan por presencias a bajas y altas frecuencias, respectivamente. El diagrama de la
Fig. 7.1 muestra que,
y(s) = d(s) + g(s)c(s)[v(s)yd(s) - m(s) - y(s)],
por lo tanto,
y ( s) =
g ( s )c ( s )
1
g ( s )c ( s )
v ( s ) yd ( s ) +
d ( s)
m( s ) .
1 + g ( s ) c( s )
1 + g ( s )c ( s )
1 + g ( s ) c( s )
(7.1)
Al evaluar la sensibilidad S(s) de la F. de T. y(s)/yd(s) respecto de variaciones en g(s) se obtiene,

S ( s) =
1
,
1 + g ( s ) c( s )
d(s)
yd(s)
u(s)
v(s)
c(s)
g(s)
m(s)
Fig. 7.1 Sistema realimentado SISO generalizado.
y(s)
135
Apuntes: 543 760
que corresponde al inverso de la razn de retorno F(s) = 1 + g(s)c(s) = S(s)-1. Adems, se definen la
sensibilidad complementaria T(s) como T(s) = S(s)g(s)c(s) y gc(s) = T(s)v(s). Ntese que T(s) se define
como tal puesto que as se cumple que T(s) + S(s) = 1. Utilizando las definiciones anteriores, (7.1) se
puede escribir como,
y(s) = T(s)v(s)yd(s) + S(s)d(s) - T(s)m(s).
A.
Requerimientos en cuanto a las seales externas.
De la ecuacin anterior es fcil concluir que dado que la perturbacin d(s) tiene valores relevantes a
bajas frecuencias, entonces, S(s) debiera ser cercana a cero a bajas frecuencias. Por otro lado, dado que
el ruido m(s) tiene valores relevantes a altas frecuencias, entonces, T(s) debiera ser cercana a cero a
altas frecuencias.
Ejemplo 7.1. Si se tiene una perturbacin descrita por d(t) = Asin(t) + Bu(t), determine la forma que debe de tener S(s)
para que la salida en lazo cerrado no contenga oscilaciones con amplitudes mayores a A/10. R.: Para eliminar el efecto
estacionario del escaln de entrada, S(s) debe ser 0 para frecuencia cero. Por otro lado, para atenuar la oscilacin que se
presenta a la frecuencia , se puede imponer que S(s) debe ser menor a 1/10 para frecuencias menores a . Para
frecuencias altas se desear que S(s) tienda a 1 para eliminar los posibles ruidos. En particular, podra requerirse que para
frecuencias mayores a , S(s) tienda a 1. La Fig. 7.2 muestra la forma que debe de tener S(s) en funcin de la frecuencia .
A partir de estos resultados y considerando que S-1(s) = 1 + g(s)c(s), se puede concluir que g(s)c(s) para 0, que |1
+ g(j)c(j )| 10 para y que |g(j )c(j )| 0 para . Finalmente, dado que g(s) es conocido, entonces se
puede derivar el perfil para c(s).
B.
Requerimientos en cuanto a las seales de control.
En este caso es conveniente obtener la expresin de la variable manipulada. Esta es,

u(s) = c(s)[v(s)yd(s) - m(s) - d(s) - g(s)u(s)],
,
{1 + c(s)g(s)}u(s) = c(s)[v(s)yd(s) - m(s) - d(s)].
Si se define la razn de retorno de entrada como Fi(s) = 1 + c(s)g(s), la expresin anterior se puede
escribir como,
u(s) = Fi-1(s)c(s)[v(s)yd(s) - m(s) - d(s)].
Ntese que S(s) = F-1(s) se denomina sensibilidad de salida, T(s) se denomina sensibilidad
complementaria de salida y por tanto Fi-1(s) se denomina sensibilidad de entrada. Reconociendo que
en sistemas SISO ambas sensibilidades son idnticas.
S(j)
T(j)
Fig. 7.2 Respuesta en frecuencia de S(s) y T(s) para el Ejemplo 7.1.

136
Apuntes: 543 760
La energa asociada a la seal de control es,
u 2 (t )dt =
1
1 1
| Fi ( j)c( j){v( j) y d ( j) m( j) d ( j)} |2 d ,
| u ( j) |2 d =
0
0
2
2
de donde claramente se aprecia que esta cantidad es mnima si Fi-1(j)c(j) es mnima. Es decir la
cantidad,
c( s )
,
1 + c( s ) g ( s )
debe ser pequea, como g(s) es fija slo queda tener c(s) pequea. Es decir, T(s) debe ser pequea, lo
que se contrapone con la atenuacin de perturbaciones, donde se requiere S(s) muy pequeo (c(s) muy
grande).
C.
Requerimientos en cuanto a robustez.
Los modelos normalmente no incluyen la totalidad de los fenmenos fsicos. Esto porque normalmente
los modelos son una versin simplificada de la realidad y los costos y complejidad de un anlisis ms
completo no justifica los resultados. Es por esto que se considera una incertidumbre al modelo como
ilustrado en la Fig. 7.3. stas pueden ser: (i) aditiva: g(s) = go(s) + la(s); (ii) multiplicativa en la entrada:
g(s) = go(s)[1 + li(s)]; y (iii) multiplicativa en la salida: g(s) = [1 + lo(s)]go(s); en donde, go(s) es el
modelo nominal en un conjunto g de plantas posibles y la(s), li(s) y lo(s) son las variaciones conocidas
de go(s).
g(s)
la(s)
go(s)
c(s)
(a)
g(s)
lo(s)
go(s)
c(s)
(b)
g(s)
li(s)
c(s)
go(s)
(c)
Fig. 7.3 Diagramas de incertidumbre SISO; a) Aditiva. b) Multiplicativa en la salida. c) Multiplicativa en la entrada.
137
Apuntes: 543 760
En este captulo se tratar en detalle slo las incertidumbres multiplicativas en la salida. Se asume que
la variacin lo(s) cumple con
| lo(j) | l(j),
donde l(j) es un nmero real no negativo, y que la variacin lo(j) puede tener cualesquier fase entre
0 y 360. El siguiente teorema relaciona la incertidumbre con las expresiones de sensibilidad.
Teorema: Asumir que el sistema en L.C. es estable con go(s) y que la incertidumbre es tal que todas
las plantas resultantes g(s) tienen el mismo nmero de polos en el S.P.D., entonces el
sistema posee estabilidad robusta con respecto a g(s) si y slo si,
| To ( j) | <
1
,
l ( j)
donde To(j) es la sensibilidad complementaria considerando a go(j).

La F. de T. entre y e yd esta dada por,
y( s)
[1 + l o ( s )]g o ( s )c( s )
=
v( s) ,
y d ( s ) 1 + [1 + l o ( s )]g o ( s )c( s )
por lo que la F. de T. en L.D. es [1 + lo(s)]go(s)c(s). La Fig. 7.4 muestra que el locus de [1 +
lo(j)]go(j)c(j) para una frecuencia dada es un circulo de radio |go(j)c(j)|l(j) centrado en
go(j)c(j). La Fig. 7.4 tambin muestra que la F. de T. en L.D. [1 + lo(s)]go(s)c(s) no encierra el (-1,
0) si y slo si, |go(j)c(j)|l(j) < |1 + go(j)c(j)| para todo , o bien
| g o ( j)c( j) |
1
= | To ( j) | <
,
| 1 + g o ( j)c( j) |
l ( j)
Considerando que se desea tener |To(j)| 1, mientras ms pequea sea l(j), ms fcil es lograr este
objetivo. Por el contrario, si l(j) es mayor que 1 para algunas frecuencias, entonces, se tendr para
esas frecuencias que |To(j)| < 1. Es decir, la incertidumbre del modelo debe ser minimizada, en
particular en el ancho de banda deseado.
Ejemplo 7.2. La dinmica de un actuador es modelada nominalmente por una ganancia k; sin embargo, sta corresponde a
k
la de un sistema de segundo orden de la forma
. Calcular l(j) y un ancho de banda posible. R.: Si
( s / o ) 2 + 2( s / o ) + 1
-1
1+go(j)c(j)
go(j)c(j)
|go(j)c(j)|l(j)
j
Fig. 7.4 Estabilidad robusta en sistemas SISO.
138
Apuntes: 543 760
el modelo de la planta es p(s), entonces, [1 + lo(s)]kp(s) =
( s / o ) 2 2 ( s / o )
( s / o ) 2 + 2 ( s / o ) + 1
y por tanto, | lo(j ) | =
k
2
( s / o ) + 2( s / o ) + 1
( / o ) 4 + 4 2 ( / o ) 2
[1 ( / o ) 2 ]2 + 4 2 ( / o ) 2
p(s), por lo que lo(s) =
. La funcin | lo(j ) | es igual a 1 cuando
se cumple que ( / o ) 4 = [1 ( / o ) 2 ]2 o cuando = o / 2 (lo que es independiente de ). Por otro lado, para <
o / 2 se cumple que | lo(j ) | < 1 y para > o / 2 se cumple que | lo(j ) | > 1. Si se permite un mximo valor de
l(j ) = 1 entonces el B.W. sera de B.W. = o / 2 .
7.3 Mtodos de Diseo en Sistemas SISO.

Hay dos alternativas de diseo para los controladores c(s) en sistemas SISO.
A.
Mtodo 1.
En este caso se asumen conocidas la sensibilidad de salida S(s) y la sensibilidad complementaria T(s) y
se determina el controlador de la expresin S(s) = 1/[1 + go(s)c(s)], por lo que se obtiene,
c( s ) = g o1
1 S ( s)
.
S ( s)
Los problemas que se pueden tener son: (i) la estabilidad no est asegurada, habra que chequearla en
forma paralela, (ii) se debe invertir go(s) lo que puede ser irrealizable si hay retardos, (iii) complicado
si hay polos y/o ceros en el S.P.D..
B.
Mtodo 2.
Dadas las condiciones lmites para la sensibilidad de salida S(s) se pueden asumir rangos para go(s)c(s)
del tipo: (i) |go(j)c(j)| > 1 para frecuencias inferiores a y (ii) |go(j)c(j)| < < 1 para frecuencias
mayores a . Finalmente, se estudia la estabilidad resultante utilizando Nyquist y la F. de T. en L.D.
g(s)c(s).
C.
Limitaciones al diseo.
El mtodo anterior implica una ganancia muy elevada a bajas frecuencias y una muy pequea a altas
frecuencias. Esto implica que en la frecuencia de cruce de ganancia se tendr una elevada pendiente de
cada de la ganancia. Esto puede implicar que la fase sea superior a 180 y por tanto el diseo sera
inestable de acuerdo a Nyquist.
En general, se tiene que,
()
d
{log{| g o ( j )c( j |}} ,
2 d
=
donde = log{/}, por lo que por cada 20 dB/dec de cada se tienen -/2 de fase. Por lo tanto, para
asegurar estabilidad, deberan tenerse a lo ms lo que implica una cada de a lo ms 40 dB/dec. En
general si las frecuencias y no estn muy cercanas, siempre se puede contornear el Bode de
go(j)c(j) de manera de obtener a lo ms 40 dB/dec.
Ejemplo 7.3. Se desea una ganancia para go(j)c(j ) mayor a 33 para 1 y menor a 1/33 para 10. Verifique la
139
Apuntes: 543 760
factibilidad. R.: Se requiere una cada de 60 dB/dec lo que implica una fase promedio en esa dcada de 270. Esto
implica un sistema inestable en L.C.. Estos resultados no son definitivos, dado que estn basados en una aproximacin, sin
embargo, dan una clara estimacin de la complejidad de la solucin (de existir). Para obtener resultados precisos, se deber
estudiar cada caso en profundidad.
Adems de la condicin de pendiente, hay otros factores que aceleran la cada de sta. Entre estos estn
los: (i) retardos, (ii) polos inestables, y (iii) ceros de fase no mnima.
7.4 Caso MIMO.

En el caso de sistemas MIMO la representacin de los ruidos y perturbaciones queda dada por vectores
como ilustrado en la Fig. 7.5. El efecto de estas cantidades en la variable controlada se cuantifica por
medio del uso de normas de vectores y matrices como se ver a continuacin. Esta herramienta permite
adems disear sistemticamente el controlador que en este caso corresponde a la matriz C(s).
Ahora se revisa la operatoria relacionada con normas, la cual en general puede ser aplicada a vectores,
matrices, seales y sistemas. En estos apuntes se revisan las normas de vectores y matrices.
A.
Normas de Vectores.
Def: La norma del vector e de dimensin n es un nmero real, denotado por || e || y conocido por
norma vectorial, que satisface las siguientes propiedades:

(i) no-negativa:
|| e || 0
(ii) positiva:
|| e || = 0 e = 0
(iii) homognea:
|| e || = || || e || para todo escalar complejo
(iv) desigualdad triangular: || e1 + e2 || || e1 || + || e2 ||
en forma ms precisa, e es un elemento en un espacio vectorial V que opera sobre el campo de
nmeros complejos, y las propiedades anteriores deben satisfacerse e, e1, e2 V y .
En particular, se consideran las normas p, que estn definidas por,
n
|| e || p =
| e
|p .
i =1
Las normas p que se utilizan con mayor frecuencia son la norma-1, norma-2 y norma-, que de
acuerdo a la definicin anterior quedan dadas por,
d(s)
yd(s)
u(s)
V(s)
C(s)
G(s)
m(s)
Fig. 7.5 Sistema realimentado MIMO generalizado.
y(s)
140
Apuntes: 543 760
|| e ||1 = | ei |
(norma suma),
|| e ||2 =
| e
|2
(norma Euclideana), y
|| e || = || e ||max = max{| ei |}
i
B.
(norma infinito).
Normas de Matrices.
Def: La norma de la matriz E de dimensin qp es un nmero real, denotado por || E || y conocido por
norma matricial, que satisface las propiedades anteriores y adems cumple con:
(v) multiplicativa:
|| A B || || A |||| B ||
En el caso de una norma que no satisface la propiedad anterior, entonces la norma se conoce
como norma matricial generalizada.
Las normas-p de vectores se pueden extrapolar a matrices dando como resultado,
|| E ||1 =|| E ||sum = | ei , j |
(norma suma),
i, j
|| E ||2 =|| E ||F =
| e
i, j
|2 = tr{E H E}
(norma Frobenius o Euclideana),
i, j
|| E || =|| E ||max = max{| ei , j |}

i, j
(norma mximo elemento o infinito).
Ntese que esta ltima norma (la norma mximo elemento) no es una norma matricial dado que no
cumple con la condicin (v) de la definicin anterior.
Adicionalmente se pueden definir normas matriciales inducidas al considerar que un vector puede ser
el resultado del producto de una matriz por un vector; es decir, y = Ex. Se define la norma inducida p
de E denotada por || E ||ip como,
|| E ||ip = max
x 0
|| Ex || p
|| x || p
donde || x ||p denota la norma vectorial p. Se puede observar que esta definicin busca la direccin x tal
que la razn || y ||p / || x ||p es maximizada. As, la norma inducida da una medida de la amplificacin
mxima posible de obtener de la matriz E. Similarmente, se pueden definir la normas inducidas 1, 2 e
como,
|| E ||i1 = max | ei , j |
j
i
|| E ||i 2 = ( E) = {E H E}
(mximo suma de columna),

(norma valor singular o espectral),
141
Apuntes: 543 760
|| E ||i = max | ei , j |
i
j
(mximo suma de fila).
Ntese que ( E) corresponde al mximo valor singular de E y por tanto es (E) = max{ i (E H E)} .
i
Por otro lado, se tiene que el radio espectral de E es (E) = max{| i (E) |} que corresponde al mximo
i
valor propio de E. Por lo tanto, || E ||i 2 = ( E) = {E H E} . Debe observarse que (E) no es una norma
por cuanto no satisface las propiedades 2 y 4. Sin embargo, el siguiente teorema le asocia una
importante propiedad.
Teorema: Para cualesquier norma matricial (en particular las inducidas), se cumple que,
(E) ||E||,
Dado que i es un valor propio de E, se cumple que ivi = Evi, donde vi es el vector propio de E
correspondiente a i, entonces,
ivi = Evi,
||ivi|| = ||Evi||,
|i|||vi|| = ||Evi|| ||E||||vi||,
|i| ||E||,
por lo que en particular, para el mayor valor propio que es el radio espectral se cumple que (E) ||E||.
El resultado ms importante que se obtiene al utilizar el concepto de norma es la ganancia del sistema
mutivariable. Para esto se asume que el sistema est definido por y(s) = G(s) u(s), por lo que la
ganancia desde el punto de vista de norma Euclideana se puede considerar como ||y(s)||2/||u(s)||2 =
||G(s) u(s)||2/||u(s)||2. As, el mximo valor est dado por,
|| G ( s )u( s ) ||2
,
|| u( s ) ||2
max
u 0
y el menor valor por,
|| G ( s )u( s ) ||2
.
|| u( s ) ||2
min
u 0
De la descomposicin en valores singulares de G(s) se encuentra que la mxima ganancia se obtiene

para u(s) = v1(s) que es 1(s) (el mayor valor singular de G(s)) y que la menor ganancia se obtiene para
u(s) = vk(s), con k = min{p, q} que es k(s) (el menor valor singular de G(s)). Por lo tanto,
|| G ( s )u( s ) ||2 || G ( s ) v1 ( s ) ||2

=|| G ( s ) v1 ( s ) ||2 = 1 ( s ) = ( s ) ,
=
||
u
(
s
)
||
||
v
(
s
)
||
1
2
max
u 0
y,
142
Apuntes: 543 760
|| G ( s )u( s ) ||2 || G ( s ) v k ( s ) ||2

=|| G ( s ) v k ( s ) ||2 = k ( s ) = (s).
=
|| v k ( s ) ||2
|| u( s ) ||2
min
u 0
Finalmente, la ganancia de un sistema (para una entrada arbitraria u(s)) est limitada por,
(s)
|| G( s )u( s ) ||2
( s ) ,
|| u( s ) ||2
o equivalentemente en el plano de la frecuencia,

(j)
|| G( j)u( j) ||2
( j) .
|| u( j) ||2
De esta expresin se puede visualizar que para limitar el efecto de u(j) sobre la salida y(j) se puede
restringir el valor del mximo y mnimo valor singular de la M. de T. G(j) que relaciona u(j) e
y(j).
C.
Valores Singulares en el Diseo de Sistemas MIMO.
En atencin a la Fig. 7.5 se tiene que,
y(s) = d(s) + G(s)C(s)[V(s)yd(s) - m(s) - y(s)],

por lo que para sistemas de igual nmero de salidas y entradas se tiene que,
y(s) = T(s)V(s)yd(s) + S(s)d(s) - T(s)m(s).

donde por analoga se tienen la sensibilidad de salida como S(s) = (I + G(s)C(s))-1 y la sensibilidad
complementaria de salida como T(s) = S(s)G(s)C(s) de manera que T(s) + S(s) = I.
Claramente, el aporte de la perturbacin y ruido son S(s)d(s) y T(s)m(s), respectivamente. Por lo tanto,
para acotar su efecto se puede pensar en acotar sus valores singulares. stos se conocern de aqu en
adelante como (S) y (S) para el menor y mayor valor singular de la sensibilidad S, respectivamente.
Similarmente, (T) y ( T) para el menor y mayor valor singular de la sensibilidad complementaria T,
respectivamente. Ntese que no se hace diferencia entre valores y ganancias principales.
Se puede observar de las ecuaciones anteriores que si se mantiene (S) y ( T) pequeos, entonces el
efecto amplificador ser atenuado. Lamentablemente, mantener simultneamente ambos valores
pequeos para una misma frecuencia no es posible. Esto se aprecia del teorema siguiente.
Teorema: Dados los valores singulares extremos de la sensibilidad S(s): (S) y (S) y de la
sensibilidad complementaria T(s): (T) y ( T) , entonces siempre se cumple que,

| 1 - (S) | ( T ) 1 + (S) ,
y,
| 1 - ( T ) | (S) 1 + ( T ) .
Dado que es la norma espectral, entonces satisface la desigualdad triangular. Por lo tanto,
|| Tx ||
|| (I S)x ||
|| x Sx ||
|| x || + || Sx ||
( T) = max
= max
= max
max
= 1 + (S) ,
x 0
x 0
x 0
x 0
|| x ||
|| x ||
|| x ||
|| x ||
por lo tanto,
143
Apuntes: 543 760
( T ) 1 + (S) .
Por otro lado,
|| Tx ||
|| (I S)x ||
|| x Sx ||
| || x || || Sx || |
( T) = max
= max
= max
max
= | 1 - (S) |,
x 0
x
0
x
0
x
0
|| x ||
|| x ||
|| x ||
|| x ||
por lo tanto,
( T) | 1 - (S) |,
lo que demuestra que | 1 - (S) | ( T) 1 + (S) . La otra igualdad es similarmente demostrada.
El teorema anterior muestra que si se disea (S) 0, entonces ( T) 1. Lo que confirma la
contraposicin si se considera que tambin es deseable ( T) 0. Por consiguiente, se deber
considerar un compromiso entre los valores singulares considerando que los ruidos son de alta
frecuencia y las perturbaciones son de baja frecuencia. As, atendiendo a la Fig. 7.6 se puede concluir
que si se asegura que ( T) es menor que un valor dado para altas frecuencias, entonces se asegura que
la norma Euclideana del vector ruido m(s) es atenuado a un valor dado. Por otro lado, si se asegura que
(S) es menor que un valor dado para bajas frecuencias, entonces se asegura que la norma Euclideana
del vector perturbacin d(s) es atenuada a un valor dado.
Adicionalmente, se puede analizar el caso del efecto de la referencia en la salida. Como es obvio, se
desea que sta afecte directamente a la salida. La ganancia est dada por T(s)v(s), si consideramos a
v(s) = 1, entonces, ser requisito que ( T) 1 y (T) 1 para las frecuencias de inters. No habr
conflicto con las condiciones anteriores, en tanto el rango de frecuencias sea desde 0 a algn valor
dado.
Finalmente, si se desea mantener el esfuerzo de control mnimo, entonces se debe minimizar u(s). La
cual est dada por,
u(s) = Fi-1(s)C(s)[V(s)yd(s) - m(s) - d(s)],

en donde Fi-1(s) = (I + C(s)G(s))-1 es la sensibilidad de entrada. Claramente, si se desea mantener
mnima la energa asociada a la entrada, se deber mantener acotado el mximo valor singular de la
combinacin Fi-1(s)C(s); es decir, (Fi1C) debe ser mnimo. Dado que (Fi1C) ( Fi1 ) (C)
= (C) / ( Fi ) , entonces se debe tener que ( Fi ) >> (C) . Por otro lado, ( Fi ) = (I + CG)
( I + CG ) 1 + (CG ) 1 + (C) (G) ; es decir, ( Fi ) 1 + (C) (G) . Considerando que se
desea ( Fi ) >> (C) , entonces deber cumplirse que (C) << 1 + (C) (G) , lo que implica que,
(T)
(T)
(S )
(S)
0
Fig. 7.6 Respuesta en frecuencia de los valores singulares de S(s) y T(s).

144
Apuntes: 543 760
1
+ (G ) >> 1 .
( C)
Esto es posible slo si (G) >> 1 si (C) << 1. Por lo tanto, en aquellas frecuencias en que (G)
no es mayor que 1, se deber imponer que (C) << 1.
Ejemplo 7.4. Realizar un anlisis de los valores singulares de las sensibilidades para el caso del compensador serie 3- de
0.595 0.878
potencia reactiva. Para esto asuma el desacoplador K =
lo que permite utilizar un controlador
0.803 0.479
0
200 / s
desacoplado dado por C(s) =
. R.: En este caso la M. de T. en L.D. est dada por G(s)KC(s), donde G(s)
200 / s
0
= C(sI A)-1B con A, B y C de acuerdo al Ejemplo 1.5 y considerando como salidas a la corriente de red en cuadratura y
la corriente de carga 1 directa. La Fig. 7.7 muestra los valores mximos y mnimos de los valores singulares de S(s) y T(s)
sin y con controlador. Claramente, el controlador permite obtener estructuras como las recomendadas.
D.
Relacin entre los Valores Singulares en L.A. y L.C. en Sistemas MIMO.
En sistemas SISO es fcil interpretar los requerimientos en trminos de la respuesta en frecuencia de

g(s)c(s) y a partir de stos estimar la respuesta que debiera tener c(s). En sistemas MIMO esto no es
directo y por tanto se analiza separadamente. Los requerimientos anteriores son:
(i) Sensibilidad: mantener (S) = (( I + GC) 1 ) pequeo.
(ii)
Ruido: mantener ( T) = ( I (I + GC) 1 ) pequeo. Esto se contrapone con (a).
(iii) Seguimiento de la referencia: mantener (T)
= (I (I + GC) 1 ) 1 y ( T) =
( I (I + GC) 1 ) 1 pequeo. Esto se contrapone con (b) pero no con (a).

(iv) Energa de control: mantener (C) pequeo. Podra contraponerse con (a) y (b).
Para encontrar las relaciones se utilizarn los lemas siguientes.
Lema 7.1:
max{0, ( E) - 1} ( E + I) ( E) + 1.
Por la propiedad de desigualdad triangular es directo probar el lado derecho del lema. Para probar el
1.5
1.5
(S)
(S)
1.0
1.0
(S)
(S)
0.5
(T)
0.5
(T)
(T)
0
101
102
a)
(T)
0
103
104
101
102
103
104
b)
Fig. 7.7 Respuesta en frecuencia de los valores singulares de S(s) y T(s) del ejemplo del compensador como indicado en el
Ejemplo 7.4; a) sin controlador, b) con controlador.
145
Apuntes: 543 760
lado izquierdo se considera que E = I + E I, por lo que ( E) (I + E) + 1 ( E) - 1 (I + E) .

Dado que (I + E) 0, entonces, (E + I) max{0, ( E) - 1}.
max{0, (E) - 1} (E + I) (E) + 1.
Lema 7.2:
Se probar el lado derecho del lema.
|| (E + I )x ||
|| Ex + x ||
|| Ex ||
(E + I) = min
= min
min
+ 1 = (E) + 1,
x 0
x 0
x 0
|| x ||
|| x ||
|| x ||
por lo tanto, (E + I) (E) + 1. Por otro lado,
|| (E + I )x ||
|| Ex + x ||
|| Ex x ||
|| Ex ||
(E + I) = min
= min
min
= min
1 = (E) - 1,
x 0
x 0
x 0
x 0
|| x ||
|| x ||
|| x ||
|| x ||
por lo tanto, (E + I) (E) - 1, pero dado que (E + I) 0, entonces (E + I) max{0, (E) - 1}.
Sensibilidad:
(S) = (( I + GC) 1 ) =
1
( I + GC)
Lema 6.2, si ( GC )>1
( GC )>>1
1
1
.
(GC) 1
(GC)
Es decir, para mantener la sensibilidad en un mnimo, se debe hacer (GC) grande. Esto se puede
lograr ciertamente a bajas frecuencias como ilustrado en la Fig. 7.8.
Ruido:
( T) = ( I (I + GC) 1 ) = (( I + (GC) 1 ) 1 ) =
1
1
(GC)
1
( I + (GC) 1 )
(GC)
1 1 (GC)
=
( GC )<<1
Lema 6.2, si (( GC ) 1 )>1
1
=
((GC) 1 ) 1
(GC) .
Es decir, para mantener el ruido limitado, se debe tener (GC) pequeo. Esto se puede lograr a altas
frecuencias (donde aparece el ruido) como ilustrado en la Fig. 7.8.
Lq
L
(GC)
|det{GC}|
(GC)
Fig. 7.8 Respuesta en frecuencia esperada de los valores singulares de G(s)C(s).

146
Apuntes: 543 760
Seguimiento de la referencia:
Para esto se requiere que T(s) = I (I + GC)-1 I o que (I + GC)-1 0. Un alternativa ms relajada
sera considerar que (( I + GC) 1 ) << 1 que (I + GC) >> 1 lo que finalmente por Lema 7.2 se
reduce a imponer (GC) >> 1 . Esto se logra a bajas frecuencias como ilustrado en la Fig. 7.8.
Resumiendo las condiciones anteriores se tiene que cumplir: (1) (GC) grande, (2) (GC) pequeo,
(3) (GC) >> 1, y (4) (C) << 1. Las condiciones (1) y (3) son idnticas y se debieran respetar para
bajas frecuencias. La condicin (2) se contrapone con (1) y (3) y por tanto se puede cumplir para altas
frecuencias, donde el ruido est presente. Estas condiciones de diseo son similares a las deducidas
para sistemas SISO y por tanto se proceder a cumplir (1) y (3) para frecuencias desde 0 a y la
condicin (2) para frecuencias a partir de .
Ejemplo 7.5. Realizar un anlisis de valores singulares en L.A. y L.C. para el caso del compensador serie 3- de potencia
0
0.595 0.878
200 / s
reactiva. Para esto asuma el desacoplador K =
y el controlador C(s) =
. R.: En este
200 / s
0.803 0.479
0
caso la M. de T. en L.D. est dada por G(s)KC(s), donde G(s) = C(sI A)-1B. El mayor valor singular de S y el inverso del
menor valor singular de GKC estn ilustrados en la Fig. 7.9(a). Es claro que a bajas frecuencias son iguales y de valor
reducido lo que asegura mnima sensibilidad. El mayor valor singular de T y el mayor valor singular de GKC estn
ilustrados en la Fig. 7.9(b). Es claro que a altas frecuencias son iguales y de valor reducido lo que asegura mxima
atenuacin del ruido. La Fig. 7.9(a) tambin muestra que el menor valor singular del GKC es >>> 1 lo que asegura buen
seguimiento de la referencia.
E.
Limitaciones al Diseo.
La Fig. 7.8 resume las caractersticas deseadas para los valores singulares. Se sabe que L (GC)
q
|i(GC)| para frecuencias , como |det{GC}| =
| (GC) | , entonces Lq |det{GC}| para

i
i =1
. Similarmente, |i(GC)| (C) para , por lo que q |det{GC}| para . Es

decir, la grfica tipo Bode de |det{GC}| pasara de Lq a q desde a , consecuentemente, la fase
1.5
1.5
(S)
(GKC)
1 / (GKC)
1.0
1.0
(T)
0.5
0.5
101
102
a)
0
103
104
101
102
103
104
b)
Fig. 7.9 Respuesta en frecuencia de los valores singulares en L.A. y L.C. del ejemplo del compensador como indicado en el
Ejemplo 7.5; a) sensibilidad y referencia, b) ruido.
147
Apuntes: 543 760
en este tramo de frecuencia es de arg{det{GC}}
log{Lq / q }
log{L / }
= q
. Tambin
2 log{ / }
2 log{ / }
se tiene que arg{det{GC}} =
arg{ i (GC)} , por lo que
i=1
arg{ (GC)}
i
i=1
log{L / }
q
.
2 log{ / }
La estabilidad es determinada por el nmero de encierros realizados por los i al punto (-1, j0). En
efecto, si GC es estable, entonces no deben haber encierros. La condicin ms favorable para los aporte
de fase de cada valor propio es cuando todos aportan igual cantidad; por lo tanto se tiene un aporte de
log{L / }
fase de cada uno de ellos dado por arg{ i (GC)}
, cuya condicin lmite para
2 log{ / }
asegurar la estabilidad es un aporte de -. Por lo tanto, -
20
log{L / }
log{ / }
log{L / }
; es decir, 40 dB
2 log{ / }
dB es la condicin lmite para relacionar los parmetros L, , y .
7.5 Criterio de Nyquist Generalizado.

Para una mejor comprensin se revisa primero el Criterio de Nyquist para sistemas SISO. En este caso
la F. de T. es un escalar racional que depende de s.
A.
Criterio de Nyquist en Sistemas SISO.
Para el sistema SISO ilustrado en la Fig. 7.10(a) se tiene una F. de T. en L.C. dada por la expresin:
k g ( s )c ( s )
h(s) =
, de donde se puede ver que los ceros de 1 + kg(s)c(s) = 1 + kl(s) son los polos de
1 + k g ( s )c ( s )
h(s), y que los polos de 1 + kl(s) son tambin los polos de l(s). Por lo tanto, si se desea tener un
sistema estable, la funcin 1 + kl(s) no deber contener ceros en el S.P.D. Por otro lado, el criterio de
Nyquist indica que si el contorno encierra p polos y z ceros de la funcin 1 + kl(s), entonces el
contorno transformado 1 + kl(s) encierra N = z - p veces al origen. Por lo tanto, si se desea tener un
sistema estable, se debe tener que z = 0 y por tanto el contorno transformado deber encerrar el origen
N = - p veces. As se puede establecer el Teorema de Nyquist como:
Teorema: Si el contorno encierra p polos de la funcin l(s), entonces el sistema en L.C. es estable
yd(s)
u(s)
kc(s)
g(s)
y(s)
G(s)
y(s)
(a)
yd(s)
u(s)
kC(s)
+
-
(b)
Fig. 7.10 Estabilidad en SISO; a) diagrama SISO, b) diagrama MIMO.
148
Apuntes: 543 760
si el contorno transformado l(s) encierra N = - p veces al punto (-1/k, 0).

Una de las ventajas de este teorema es que permite deducir la estabilidad para valores arbitrarios de la
ganancia k, al dibujar un nico contorno transformado.
B.
Criterio de Nyquist en Sistemas MIMO.
A partir del diagrama de la Fig. 7.10(b) se tiene que la M. de T. en L.C. est dada por la expresin:
k Adj{I + k L( s )}G ( s )C( s )
H(s) = k[I + k G(s)C(s)]-1G(s)C(s) =
de donde se puede ver que los ceros
det{I + k L( s )}
de det{I + k L(s)} son los polos de H(s), y demostrar que los polos de det{I + k L(s)} son tambin
los polos de L(s). Por lo tanto, si se desea tener un sistema estable, la funcin det{I + k L(s)} no
deber contener ceros en el S.P.D. Por otro lado, el criterio de Nyquist indica que si el contorno
encierra p polos y z ceros de la funcin det{I + k L(s)}, entonces el contorno transformado det{I +
k L(s)} encierra N = z - p veces al origen. Por lo tanto, si se desea tener un sistema estable, se debe
tener que z = 0 y por tanto el contorno transformado deber encerrar el origen N = - p veces.
El contorno deber dibujarse para cada valor de k, lo que es una desventaja respecto del caso SISO en
donde se dibuja para k = 1 y se deducen los valores de k que hacen el sistema estable. Sin embargo,
dado que si i es un valor propio de L(s), entonces ki es un valor propio de kL(s), y 1 + ki es un valor
propio de I + kL(s), as, se puede escribir que det{I + k L(s)} = (1 + k i ) . Por lo tanto, se puede
i
obtener la estabilidad contando los encierros realizados por las grficas de 1 + ki del origen, o
equivalentemente contando los encierros realizados por las grficas de i del punto (-1/k, 0). Estas
grficas se conocen como el lugar caracterstico de la matriz L(s). As se puede establecer el Teorema
de Nyquist Generalizado como:
Teorema: Si el contorno encierra p polos (en el sentido Smith-McMillan) de la matriz en L.D. L(s),
entonces el sistema en L.C. es estable si el lugar caracterstico de L(s) encierra N = - p

veces al punto (-1/k, 0).
Anlogamente al caso SISO, una de las ventajas de este teorema es que permite deducir la estabilidad
para valores arbitrarios de la ganancia k, al dibujar un nico lugar caracterstico. Similarmente, permite
analizar sistemas con retardos sin necesidad de utilizar aproximaciones.
Ejemplo 7.6. Para el diagrama de la Fig. 7.10(b) se tiene que la matriz en L.D. G(s)C(s) =
s
s 1
1
. Determine los valores de k que hacen el esquema en L.C. estable. R.: En este caso L(s) =
1.25( s + 1)( s + 2) 0.5 s 2

G(s)C(s), por lo que los valores propios 1(s) y 2(s) de L(s) estn dados por det{I L(s)} = 0. La solucin simblica de
esta ecuacin arroja el polinomio (s4 + 6s3 + 13s2 + 12s + 4)2 +(-1.6s3 - 2.4s2 + 4s + 4.8) +(0.64s2 - 1.6s + 1.28) = 0, cuyas
soluciones son 1(s) y 2(s) y estn graficadas para s = j segn el contorno de Nyquist en la Fig. 7.11(a). Dado que L(s) no
tiene polos inestables, entonces la regin posible para 1/k es ]-, -0.8[, ]0.35, [. Lo que es equivalente a tener k en los
rangos: 0 < k < 1/0.8 = 1.25, 1/0.35 = 2.86 < k < 0. Es decir, k ]-2.86, 1.25[.
A partir del teorema anterior se obtiene otro que relaciona el radio espectral de la matriz L(s)
denotado por (L(j)) con la estabilidad en L.C.
149
Apuntes: 543 760
Teorema: El sistema con una M. de T. estable en L.D. dada por L(s) determina un sistema estable en
L.C. si (L(j)) < 1, .

Este teorema es del tipo p ((L(j)) < 1) q (estable en L.C.) o del tipo q/ (inestable en L.C.) p/
((L(j)) > 1 por lo menos para alguna frecuencia). Dado que el sistema es inestable en lazo cerrado,
entonces el contorno transformado det{I + L(s)} encierra el origen, dado que det{I} = 1, entonces
existir un (0, 1] y una frecuencia c tal que det{I + L(jc)} = 0. Como, det{I + L(jc)} =
i (I + L( jc )) , donde i{I + L(jc)} es el i-simo valor propio de la matriz dada por I + L(jc),
i
entonces,
(I + L( j ))
i
(1 + (L( j ))) = 0, por lo que para algn i se cumple que 1 +
i{L(jc) = 0. Es decir, para algn i se tiene que i{L(jc) = -1/. Como (0, 1], finalmente se
puede escribir que |i{L(jc)| 1. Es decir hay un valor propio mayor que uno, por lo que el radio
espectral de L(j) es mayor que 1 por lo menos para la frecuencia c.
Existe una alternativa para deducir la estabilidad de sistemas MIMO en base al lugar caracterstico de
L(s). Esta consiste en obtener una grfica aproximada de los valores propios, que se conoce como el
Arreglo de Nyquist.
Ejemplo 7.7. En el caso del compensador serie 3- de potencia reactiva se asumi un desacoplador K =
0
0.595 0.878
25 / s
y el controlador C(s) =
. Esta estructura asegura que los ndices de sensibilidad se
0
.
803
0
.
479
0
25
/ s
0
k / s
cumplen satisfactoriamente. Si el controlador se generaliza al caso C(s) =
, determinar los valores de k tal que
0 k / s
aseguran un sistema estable. R.: En este caso la M. de T. en L.D. est dada por L(s) = G(s)KC(s), donde G(s) = C(sI A)1
B, por lo que los valores propios 1(s) y 2(s) de L(s) estn dados por det{I L(s)} = 0. Para evitar problemas numricos
0
k /( s + )
y de grfico se utiliza el controlador C(s) =

, con 0, de esta manera L(s) no tiene polos en el
0
k /( s + )
origen y se busca la regin no encerrada por el lugar caracterstico. Finalmente, el lugar caracterstico es numricamente
encontrado y graficado para s = j segn el contorno de Nyquist en la Fig. 7.11(b). As, la regin posible para 1/k es]-,
0[. Lo que es equivalente a tener k en el rango k > 0. La Fig. 7.12 y Fig. 7.13 ilustran la operacin dinmica del
compensador utilizando el desacoplador y compensador (con k = 400) en L.C. Las salidas son escogidas como la corriente
de red en cuadratura y la corriente de la carga 1 directa. Hasta t = 0.02 las referencias son tales que el compensador no
jv
jv
2(j)
0.5
5105
1(j)
0.0
-0.8
2(j)
0
0.0
0.35
1(j)
-5105
-0.5
0.5
0.0
a)
1106
0.5
b)
Fig. 7.11 Lugar caracterstico de la matriz L(s) del; a) Ejemplo 7.6 y, b) caso del compensador, Ejemplo 7.7.
150
Apuntes: 543 760
provee tensin, en t = 0.02 se lleva la referencia de corriente de red en cuadratura a 0, Fig. 7.13(b), mientras se mantiene la
referencia de corriente de carga 1 directa, Fig. 7.13(d).
C.
Arreglo de Nyquist.
Este arreglo es una aplicacin directa del teorema de Gershgorin que se indica a continuacin.
Teorema: Sea L una matriz de nmero complejos de dimensin qq, entonces los valores propios de
L estn en la unin de q crculos con centro en lii y radio,

q
| l
ij
|,
i = 1,..., q.
j =1
j i
Los valores propios estn tambin en la unin de los crculos con centro en lii y radio
q
| l
ji
|,
i = 1,..., q.
j =1
j i
El arreglo de Nyquist de L(s) es un arreglo de grficos donde el grfico i, j es el Nyquist de la F. de T.

lij(j). Adems, para cada Nyquist de la F. de T. lii(j) se superpone en cada punto un crculo de radio
300
200
200
0
100
0
200
0
0.01
0.02
0.03
0.04
0.05
100
0.01
a)
0.02
0.03
0.04
0.05
0.03
0.04
0.05
b)
150
100
100
50
50
0
-50
50
-100
100
150
0.01
0.02
0.03
c)
0.04
0.05
150
0.01
0.02
d)
Fig. 7.12 Simulacin del Ejemplo 7.7. La tensin compensadora aparece en t = 0.02 s; a) tensin de red ejes abc,
b) tensin de red ejes dq0, c) tensin compensadora ejes abc, d) tensin compensadora ejes dq0.
151
Apuntes: 543 760

q
| l
ij
( j) |
j =1
j i
| l
ji
( j) | . Las bandas obtenidas de esta forma se conocen como Bandas de
j =1
j i
Gershgorin.
s
s 1
1
se muestra en
1.25( s + 1)( s + 2) 0.5 s 2

la Fig. 7.14. Las lneas continuas muestran los Nyquist de l11(s), l12(s), l21(s), y l22(s); el radio de los
0 .5
crculos sobre l11(j) est dado para cada valor de por
y el radio de los
1.25( j + 1)( j + 2)
El Arreglo de Nyquist para el Ejemplo 7.6 donde L(s) =
j
. La unin de todos los
1.25( j + 1)( j + 2)
crculos genera las bandas de Gershgorin las cuales al ser superpuestas generan una regin que contiene
a los valores propios de L(j). Por lo tanto, si las bandas no encierran ni contienen al punto (-1, 0),
entonces se puede decir que el sistema en L.C. cuya M. de T. est dada por L(s) es estable. En general,
se puede establecer que: (i) si L(s) es estable entonces una condicin suficiente para que el sistema en
L.C. sea estable es que las bandas de Gershgorin en el Arreglo de Nyquist no encierren el punto (-1, 0);
(ii) si L(s) tiene p polos inestables, las bandas de Gershgorin en el Arreglo de Nyquist deben rodear en
-p veces al punto (-1, 0); (iii) si alguna banda de Gershgorin en el Arreglo de Nyquist pasa por sobre
el punto (-1, 0) entonces nada se puede decir respecto de la estabilidad en L.C. Ntese que el arreglo de
Nyquist es tambin vlido para sistemas con retardo.
Por otro lado, las bandas de Gershgorin en el Arreglo de Nyquist tambin permiten obtener un rango de
crculos sobre l22(j) est dado para cada valor de por
200
200
100
100
0
0
100
200
0.01
0.02
0.03
0.04
0.05
100
0.01
a)
0.02
0.03
0.04
0.05
0.03
0.04
0.05
b)
150
100
100
50
0
50
0
50
100
50
0.01
0.02
0.03
c)
0.04
0.05
100
0.01
0.02
d)
Fig. 7.13 Simulacin del Ejemplo 7.7 (continuacin). La tensin compensadora aparece en t = 0.02 s; a) corriente de red
ejes abc, b) corriente de red ejes dq0, c) corriente de carga 1 en ejes abc, d) corriente de carga 1 en ejes dq0.
152
Apuntes: 543 760
valores para k en un esquema como el ilustrado en Fig. 7.10(b) de manera que el sistema resultante sea
estable. Para esto deber determinarse los rangos de -1/k tal que estos rangos son rodeados por las
bandas de Gershgorin un nmero -p de veces con p el nmero de polos inestables de L(s).
Ntese que mientras ms angostas sean las bandas de Gershgorin, entonces ms desacoplado es el
sistema.
Los casos revisados consideran un controlador del tipo k C(s) en donde el escalar k se obtiene de
acuerdo al criterio de Nyquist para obtener un sistema estable. Un ltimo caso a revisar es el que
considera un controlador del tipo K C(s) en donde la matriz de ganancias K es del tipo K = diag{k1,
k2,..., kq}. En este caso la M. de T. en L.D. es L(s) = G(s)C(s)K y la problemtica es encontrar los
valores de k1, k2,..., kq que garantizan la estabilidad del sistema en L.C., para tales efectos se tiene el
teorema siguiente.
Teorema: Sea L una matriz cuadrada, K = diag{k1, k2,..., kq} y que se cumple,
lij ( s ) +
1
>
ki
| l
ij ( s ) |
j =1
j i
para cada valor de i y para todo s en el contorno de Nyquist; donde la i-sima banda de
Gershgorin de L(s) encierra el punto (-1/ki, 0) una cantidad -pi de veces, entonces el
sistema en L.C. es estable si y slo si
q
pi
= p ,
i =1
jv
jv
0.5
0.5
0.0
-0.5
l11(j)
0.5
-0.5
|l21(j)|
0.0
0.0
0.5
l12(j)
0.5
0.0
0.5
jv
0.5
0.5
0.0
-0.5
l21(j)
0.5
-0.5
0.0
0.5
0.0
l22(j)
0.5
|l12(j)|
0.0
Fig. 7.14 Arreglo de Nyquist para la matriz L(s) del Ejemplo 7.6.
0.5
153
Apuntes: 543 760
donde p es el nmero de polos inestables de L(s).

El teorema anterior se puede escribir tambin cambiando la condicin de las ganancias por,
lij ( s ) +
1
>
ki
| l
ji ( s ) |
j =1
j i
la cual corresponde a tener dominio por columnas.
0.3698 0.4428
Ejemplo 7.8. En el caso del paciente se determin que el desacoplador dado por K =
ayuda al
0.9291 0.8966
control monovariable. Utilice estos resultados para proponer controladores monovariables basados slo en integradores. R.:
0
k / s
La matriz K se niega para tener ganancias dc positivas. El controlador propuesto es C(s) =
que resulta en un
0 k / s
lugar caracterstico como el ilustrado en la Fig. 7.15(a) y (b), por lo que la mxima ganancia k es 1/650 = 1.5410-3. Por
otro lado, si se ecualizan los retardos y se considera un Predictor Smith, entonces, para efectos de estabilidad slo interesa
3
6
s + 1 3s + 1
analizar la M. de T. dada por G ( s ) =
. Para esta M. de T., la matriz desacopladora (similar a la anterior) es
12
5
s + 1 5s + 1
12
2 .10
2000
12
1 .10
0
-650
12
1 .10
2000
12
2 .10
3000
2500
2000
1500
1000
500
500
2000
1500
a)
1000
500
500
500
500
b)
12
2 .10
2000
12
1 .10
12
1 .10
2000
12
2 .10
3000
2500
2000
1500
c)
1000
500
500
2000
1500
1000
d)
Fig. 7.15 Lugar caracterstico de la matriz L(s) del Ejemplo 7.8; a) sistema con desacoplador y controlador,
b) zoom de a), c) sistema con ecualizador, desacoplador y controlador; d) zoom de c).
154
Apuntes: 543 760
0.3703 0.4424
K=
, la cual se niega para tener ganancias dc positivas. El controlador resulta en un lugar
0.9289 0.8968
caracterstico como el ilustrado en la Fig. 7.15(c) y (d), por lo que la mxima ganancia k es infinito. La Fig. 7.16 muestra el
arreglo de Nyquist para este caso con k = 610-3. Se puede apreciar que una de las bandas encierra el -1 y podra
interpretarse como un sistema inestable; sin embargo, debe considerarse que las bandas dan una regin posible en donde
estaran los valores propios. En este caso, los valores propios son siempre estables k positivo. Finalmente, la Fig. 7.17
muestra la simulacin de este caso considerando un Predictor Smith y para k = 610-3 y para k = 6010-3. En ambos casos se
tiene un sistema estable como confirmado por el lugar caracterstico.
D.
Robustez en Sistemas MIMO.
Al igual que el caso SISO, los modelos normalmente no incluyen la totalidad de los fenmenos
involucrados en la realidad fsica, por lo que se considera una incertidumbre al modelo. sta puede ser
(Fig. 7.18): (i) aditiva: G(s) = Go(s) + La(s); (ii) multiplicativa en la entrada: G(s) = Go(s)[I + Li(s)]; y
(iii) multiplicativa en la salida: G(s) = [I + Lo(s)]Go(s); en donde, Go(s) es el modelo nominal en un
conjunto G de plantas posibles y La(s), Li(s) y Lo(s) son las variaciones conocidas de Go(s).
En cada caso, la magnitud de la perturbacin L se puede medir en trminos de (L ) como,
(L ) l ()
donde l () es un nmero real no negativo que cumple,

l () = max{(L)} .
G G
El lmite l () puede ser interpretado como un peso escalar sobre una perturbacin normalizada (s) tal
que,
2
Fig. 7.16 Arreglo de Nyquist para la matriz L(s) del Ejemplo 7.8 con ecualizador.
155
Apuntes: 543 760
L(s) = l ( s ) ( s ) ,
( ( j)) 1
Para efectos de lograr un anlisis generalizado se considera que los diagramas mostrados en la Fig. 7.18
pueden ser considerados como diagramas M- como se muestra en Fig. 7.19, donde por definicin se
tiene que ( ( j)) 1 . Si el sistema original Go(s) es estable, entonces M(s) lo es, por lo que la
perturbacin (s) podra desestabilizar el sistema. El siguiente teorema establece las condiciones sobre
M(s) de manera que esto no ocurra.
Teorema: Asumir que M(s) es estable y que la perturbacin (s) es tal que el sistema perturbado en
L.C. es estable si y slo si el contorno transformado de det{I - M} no encierra el origen.
Entonces, el sistema en L.C. mostrado en la Fig. 7.19 es estable para todas las
perturbaciones (s) (que cumplen con ( ( j)) 1 ) si y slo si una de las siguientes
condiciones equivalentes se cumple,
det{I M ( j)( j)} 0
, ( ( j)) 1 .
(M ( j) ( j)) < 1
, ( ( j)) 1 .
( M ( j)) < 1 ,
con
||M|| < 1.
150
4
32
140
CO
130
MAP
120
110
10
20
30
40
50
60
50
60
a)
150
4
32
140
CO
130
MAP
120
110
10
20
30
40
b)
Fig. 7.17 Simulacin del Ejemplo 7.8 considerando un Predictor Smith; a) k = 610-3, b) k = 6010-3.
156
Apuntes: 543 760
Este teorema es del tipo p (el contorno transformado de det{I - M

} no encierra el origen) q
(det{I M(j)
(j)} 0, , ( ( j)) 1 ). Lo que tambin se puede escribir como p/ (el
contorno transformado de det{I - M
} si encierra el origen) q/ (det{I M(j)(j)} = 0, para
algn ' y para alguna '(j') que cumpla con ( ' ( j' )) 1 ).
Si el det{I - M
} encierra el origen, entonces siempre existe un [0, 1] y una frecuencia +
asociada con una perturbacin +(j+) que cumple con ( + ( j+ )) 1 tal que det{I
M(j+)+(j+)} = det{I M(j+)
+(j+)} = 0. Dado que ( + ( j+ )) = ( + ( j+ )) 1 se ve
que ' = + y que '(j') =
+(j+). Las otras igualdades se prueban anlogamente.
Ahora se derivarn las condiciones para la estabilidad robusta ante condiciones de incertidumbre
multiplicativa a la entrada y salida.
G(s)
La(s)
Go(s)
C(s)
(a)
G(s)
Lo(s)
Go(s)
C(s)
(b)
G(s)
Li(s)
C(s)
Go(s)
(c)
Fig. 7.18 Diagramas de incertidumbre MIMO; a) aditiva, b) multiplicativa en la salida, c) multiplicativa en la entrada.
(s)
M(s)
Fig. 7.19 Diagrama de incertidumbre general en MIMO.
157
Apuntes: 543 760
Incertidumbre multiplicativa en la salida. En este caso la relacin est dada por G(s) = [1 +
Lo(s)]Go(s). En donde se define Lo(s) = l o ( s ) ( s ) tal que ( ( s )) 1 , por lo que se obtiene para la
matriz M(s) la expresin M(s) = -Go(s)C(s)[I + Go(s)C(s)]-1 l o (s ) = -[I + Go(s)C(s)]-1Go(s)C(s) l o (s ) =

-To(s) l o (s ) . Lo anterior se puede verificar de acuerdo al diagrama mostrado en la Fig. 7.20.
Considerando la tercera igualdad del teorema anterior se puede concluir que el sistema ser estable para
todas las perturbaciones Lo(s) que cumplen ( ( s )) 1 , o equivalentemente, (L o ( s )) l o si y slo si,
( To l o ) = ( To )lo < 1,
en tanto se cumpla que ||To lo || < 1. Esta expresin es anloga al caso SISO. Dado que el seguimiento
a bajas frecuencias requiere que se disee To I, o equivalentemente que ( To ) 1, se deber tener l o
< 1 para asegurar la estabilidad del sistema. Por otro lado, para atenuar el ruido se disea ( To ) << 1,
para frecuencias > , en cuyo caso ( To ) (G o C) por lo que se deber mantener la relacin,
(G o C) <
1
,
lo
> ,
para asegurar la estabilidad del sistema.

Incertidumbre multiplicativa en la entrada. En este caso la relacin est dada por G(s) = Go(s)[1 +
Li(s)]. En donde se define Li(s) = l i ( s ) ( s ) tal que ( ( s )) 1 , por lo que se obtiene para la matriz
M(s) la expresin M(s) = -[I + C(s)Go(s)]-1C(s)Go(s) l i (s ) = -C(s)Go(s)[I + C(s)Go(s)]-1 l i (s ) = -Ti(s)
l i (s ) , donde Ti(s) se conoce como la sensibilidad complementaria de entrada. Lo anterior se puede

verificar como en el caso previo. Considerando la tercera igualdad del teorema anterior se puede
concluir que el sistema ser estable para todas las perturbaciones Li(s) que cumplen ( ( s )) 1 , o
equivalentemente, (L i ( s )) l i si y slo si,
( Ti l i ) = ( Ti )l i < 1,
en tanto se cumpla que ||Ti lo || < 1. Afortunadamente, Ti = Go-1ToGo por lo que de la expresin
anterior se tiene que,
1
( Ti ) = (Go ToG o ) (Go ) ( To ) (G o ) = ( To ) (G o ) ,

donde (G o ) = (G o ) / (G o ) y corresponde al nmero de condicin de Go (Ntese que (G o )
para Go no invertible). Por lo tanto, se puede escribir en forma muy conservativa que,
M(s)
l o (s )
C(s)
Go(s)
(s)
+
Fig. 7.20 Diagrama M- extendido para la incertidumbre multiplicativa en la salida.

158
Apuntes: 543 760
( To )li <
1
,
(G o )
para asegurar la estabilidad. Sin embargo, la expresin anterior es muy rigurosa y se puede obtener una
mejor aproximacin al considerar que,
( Ti ) = (( I + CG o ) 1 CG o ) (CG o )
lo cual ocurre para CGo muy pequeo, que es el caso en altas frecuencias. Por lo que la condicin del
teorema anterior se reduce a,
(CGo ) <
1
,
li
para asegurar la estabilidad del sistema.

A.
Nivel Bsico
1.-
Para un sistema SISO con g(s) = kp/s se desea disear el controlador c(s) tal que la funcin de
sensibilidad complementaria T(s) asegure que ruidos m(s) a frecuencias superiores a 100 Hz sean
atenuados en un factor de 100 y que perturbaciones d(s) a frecuencias inferiores a 0.1 Hz sean
atenuadas en un factor de 20. Si T(s) tiene la forma T(s) = kT/(Ts + 1), encontrar los parmetros
kT y tal que se logran las condiciones de diseo. Encuentre los valores de la ganancia de la
planta kp tal que la salida y(t) es estable respecto de la referencia yd(t).
Determine y dibuje a escala la regin en donde se ubican los valores propios de la matriz
1
1
1
A = 2 5 + 5 j
0 de acuerdo al Teorema de Gershgorin. Determine matemticamente los
1
5 5 j
3
2.-
3.4.a)
c)
valores y compare con las regiones anteriores.

Una M. de T. de un sistema MIMO en lazo directo G(s) posee un lugar caracterstico como se
muestra en la Fig. 7.21. Si se utiliza un controlador de la forma kI, se pide encontrar el rango de
la ganancia k tal que el sistema en L. C. con realimentacin negativa sea estable.
Para los siguientes sistemas,
1
2 0
1 0
1 0
s +1
A=
, B=
, C=
b) G ( s ) =
1
0 4
0 2
0 4
0
s 1
1
s +1
G (s) =
0.2
0.1
4
s + 2
d)
2 0
10 5
1 2
A=
, B=
, C=
0 4
50 2
3 4
159
Apuntes: 543 760
1
1 2 s
10
10 s
e
e
5s + 1
s +1
5s + 1
s +1
e)
G (s) =
f) G ( s ) =
2 2 s
2
3
3 e s
e
5s + 1
0.1s + 1 5s + 1
0.1s + 1
Si se considera al controlador C(s) = I, determine,

i).- La matriz de sensibilidad S(s) y sensibilidad complementaria T(s).
ii).- Dibuje en funcin de la frecuencia el mayor valor singular de S(s) y de T(s).
iii).- Dibuje en funcin de la frecuencia el menor valor singular de S(s) y de T(s).
iv).- Dibuje en funcin de la frecuencia el |det{GC}|.
v).- Dibuje el lugar caracterstico de L(s) y concluya el rango de k estable si C(s) = kI .
vi).- Dibuje el Arreglo de Nyquist de L(s) y concluya el rango de k estable si C(s) = kI .
5.- Repita 4, pero ahora considere de ser posible la insercin de un desacoplador esttico,
calculado para frecuencia cero.
6.- Repita 5, pero ahora considere la insercin de un controlador C(s) = k/sI.
B.
Nivel Intermedio
1.i).ii).iii).iv).v).vi).2.-
Para los sistemas mostrados en la Fig. 7.22 se pide,

La matriz de sensibilidad S(s) y sensibilidad complementaria T(s).
Dibuje en funcin de la frecuencia el mayor valor singular de S(s) y de T(s).
Dibuje en funcin de la frecuencia el menor valor singular de S(s) y de T(s).
Dibuje en funcin de la frecuencia el |det{GC}|.
Dibuje el lugar caracterstico de L(s) y concluya el rango de k estable si C(s) = kI .
Dibuje el Arreglo de Nyquist de L(s) y concluya el rango de k estable si C(s) = kI .
Repita 1, pero ahora considere de ser posible la insercin de un desacoplador esttico,
calculado para frecuencia cero.
Repita 2, pero ahora considere la insercin de un controlador C(s) = k/sI.
La dinmica de una planta es modelada nominalmente por una F. de T. go(s); sin embargo, stas
normalmente contienen un retardo tr que no es considerado en el anlisis. Calcular l(j) a partir
3.4.-
0.60
6
5
0.45
4
3
0.30
2
0.15
1
0
0
1
-0.15
2
3
-0.30
4
-0.45
5
-0.60
1.0
0.8
0.6
0.4
0.2
a)
Fig. 7.21 Lugar caracterstico de; a) G ( s ) =
0.2
b)
s
s 1
s 1 6
1
1
, b) G ( s ) =
.
2
1.25( s 1)( s 2) 6 s 0.5
1.25( s + 1) 6 s 1
160
Apuntes: 543 760
de la mejor forma de representar esta condicin y los requisitos para asegurar la estabilidad del
sistema en L.C. aun cuando no se considere el retardo. Asuma si es necesario un controlador c(s).
C.
Nivel Avanzado
1.2.-
Demostrar que los polos de det{I + kL(s)} son tambin los polos de L(s).
Caracterice un sistema desacoplado en su Arreglo de Nyquist y su lugar caracterstico.
3.-
Demuestre que la norma || e || p =
| e
| p es || e || = || e ||max = max{| ei |} si p .
i
i =1
4.-
Deduzca las condiciones para la estabilidad robusta ante condiciones de incertidumbre aditiva.
o, o,
Jo, to
+ va1 ia1
a)
m1, 1,
Jm1, tm1
n:1
1/k1
+ va2 ia2
m2, 2,
Jm2, tm2
1/k2
n:1
PCC
ioabc
voabc
iiabc
isabc
b)
Ri
Li
vsabc
Ro
Lo
mabc
idc
vdc
Rdc
fuente
Cdc
compensador
carga
Fig. 7.22 Sistemas para ejercitar; a) molino con doble accionamiento, b) compensador de reactivos.
Apuntes: 543 760
161
Bibliografa.
-
R. Dorf, Modern Control Systems, Addison-Wesley Publishing Comp. 1995, 7th edition.
K. Furuta, A. Sano, and D. Atherton, State Variable Methods in Automatic ..., Wiley 1988.
T. Glad and L. Ljung, Control Theory, Multivariable and Nonlinear Me..., Taylor&Francis. 2000.
T. Kailath, Linear Systems, Prentice Hall 1980.
E. Kreyszig, Advanced Engineering Mathematics, John Wiley & Sons 1993, 7th edition.
B. Kuo, Sistemas de Control Automtico, Prentice-Hall 1996, 7ma edicin.
J. Maciejowsky, Multivariable Feedback Design, Addison-Wesley Publishing Comp. 1990.
M. Morari and E. Zafiriou, Robust Process Control, Prentice-Hall International, Inc. 1989.
K. Ogata, Ingeniera de Control Moderna, Prentice-Hall 2003, 4ta edicin.
W. Rugh, Linear System Theory, Prentice-Hall. 1996, 2nd edition.
S. Skogestad and I. Postlethwaite, Multivaraible feedback control, Wiley 1996.
162
Apuntes: 543 760
ndice Alfabtico.
A
frecuencia de cruce de ganancia .................................. 138
arreglo
de Bristol .................................................................115
de ganancias relativas ..................................... 115, 117
de Nyquist ...............................................................150
autovalores ....................................................................26
autovector ......................................................................26
Bandas de Gershgorin ..................................................151

bloques de Jordan ..........................................................31
linealizacin ..................................................................... 8
lugar caracterstico ....................................................... 148
ceros de transmisin ................................................ 70, 80

compensacin de perturbaciones .................................108
controlabilidad
en realizaciones ................................................... 58, 59
en sistemas continuos ................................................52
en sistemas discretos .................................................56
en sistemas muestreados ...........................................62
controlable integral ......................................................119
controlador
basado en un observador .........................................107
de estados ..................................................................79
de estados con integradores.......................................88
de estados de orden reducido ....................................87
de estados MIMO......................................................84
de estados SISO ........................................................81
matrices
de rotacin .............................................................. 124
elementales derechas................................................. 72
elementales izquierdas .............................................. 72
equivalentes .............................................................. 72
matriz
de controlabilidad ..................................................... 28
de observabilidad ...................................................... 29
de transferencia ......................................................... 19
de transformacin ....................................................... 5
de transicin de estados ...................................... 37, 41
definida positiva ........................................................ 46
denominador ............................................................. 75
elemental ................................................................... 72
estrictamente propia ................................................. 70
no singular ................................................................ 71
numerador ................................................................. 75
polinomial ................................................................. 71
propia........................................................................ 70
racional ..................................................................... 71
unimodular ................................................................ 71
modos
de oscilacin en sistemas continuos .......................... 39
de oscilacin en sistemas discretos ........................... 42
no controlable ..................................................... 54, 58
no observables .................................................... 48, 52
D
desacoplador de estados .................................................92
desacopladores .............................................................126
divisores determinentales ...............................................72
E
ecuaciones dinmicas ......................................................2
ejemplo
accionamiento con dos motores ...................... 8, 68, 94
accionamiento con eje flexible ...... 1, 55, 68, 83, 91, 99
compensador serie de reactivos......... 13, 144, 146, 149
drogas a paciente ....................... 24, 118, 126, 128, 153
reactor exotrmico .......................................... 9, 49, 55
error de estimacin ........................................................96
estabilizable integral ....................................................118
estable entrada/salida .....................................................63
estable internamente ......................................................63
F
factores invariantes ........................................................72
Forma Cannica
Controlable................................................................28
de Jordan ...................................................................31
Diagonal .............................................................. 30, 59
Observable ................................................................29
forma Smith ...................................................................72
forma Smith-McMillan ..................................................71
ganancias principales ................................................... 126

grado Smith-McMillan .................................................. 74
I
incertidumbre ....................................................... 136, 154
N
normas
matricial .................................................................. 140
matriciales inducidas............................................... 140
vectorial .................................................................. 139
nmero de condicin ................................................... 157
Nyquist Generalizado .................................................. 147
O
observabilidad
en realizaciones ......................................................... 58
en sistemas continuos................................................ 44
en sistemas discretos ................................................. 49
en sistemas muestreados ........................................... 62
observador
de estados MIMO.................................................... 102
163
Apuntes: 543 760
de estados SISO ........................................................96

MIMO en L.C de orden completo ...........................102
MIMO en L.C de orden reducido............................104
SISO en L.A. .............................................................96
SISO en L.C de orden completo ...............................97
SISO en L.C de orden reducido ................................99
P
polinomio
de ceros .....................................................................74
de polos .....................................................................74
mnico ......................................................................72
polos de H(s) .................................................................70
pseudo-diagonalizacin ...............................................127
pseudo-diagonalizacin generalizada ..........................129
pseudo-inversa ..................................................... 120, 123
puntos de operacin.........................................................5
R
radio espectral ..............................................................141
rango normal ..................................................................71
razn de retorno ...........................................................135
realizacin mnima.........................................................67
respuesta a c.i. cero .......................................................36
respuesta a c.i. cero en sistemas continuos ....................42
respuesta a c.i. cero en sistemas discretos......................43
respuesta a entrada cero ...............................................36
respuesta a entrada cero en sistemas contiuos ...............36
respuesta a entrada cero en sistemas discretos ...............40
retardo
en sistemas MIMO ....................................................21
mltiples....................................................................23
nico ................................................................... 21, 25
robustez MIMO ...........................................................154
robustez SISO ..............................................................136
S
sensibilidad
complementaria ....................................................... 135
complementaria de entrada ..................................... 157
complementaria de salida ................................ 135, 142
de entrada ........................................................ 135, 143
de salida .......................................................... 135, 142
sistema
desacoplado............................................................... 92
TITO ....................................................................... 115
sistemas continuos ......................................................... 19
sistemas discretos .................................................... 16, 21
sistemas elctricos trifsicos .......................................... 12
sistemas hbridos................................................ 16, 17, 25
T
tests de controlabilidad ............................................ 54, 57
tests de observabilidad ............................................. 46, 51
V
valores
caractersticos ........................................................... 26
propios ...................................................................... 26
singulares ................................................................ 122
variables de estado .......................................................... 3
vector
caracterstico ............................................................ 26
de entradas .................................................................. 3
de estados.................................................................... 3
de salidas ..................................................................... 3
propio........................................................................ 26
vectores singulares
de entrada ................................................................ 123
de salida .................................................................. 123

Lecture Notes Multivariable Control Theory and Excercices

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Lecture Notes Multivariable Control Theory and Excercices

Încărcat de

Drepturi de autor:

Formate disponibile

Universidad de Concepcin

AuuKo + Aum - KoAmm - KoAmuKo

Prof. Jos R. Espinoza C.

Apuntes: 543 760

REPRESENTACIN EN ESPACIO DE ESTADOS. .................................................................................. 36

REPRESENTACIN EN MATRICES DE TRANSFERENCIA. ................................................................... 67

CONTROLADORES Y OBSERVADORES DE ESTADOS. ........................................................................ 79

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

4.5 Controlador de Estados con Integradores. ............................................................................ 88

CONTROL PTIMO. ....................................................................................................................... 114

CONTROL MONOVARIABLE DE SISTEMAS MIMO. ........................................................................ 115

CONTROLADORES EN EL PLANO DE LA FRECUENCIA. ................................................................... 134

BIBLIOGRAFA ........................................................................................................................................ 161

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

Dr. Jos R. Espinoza C.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

: matriz de parmetros de dimensin n n.

: matriz conjugada transpuesta de H(s) de un sistema tiempo continuo. H(s)H = (H(s)*)T.

: vector de n variables de estados, x = [x1 x2 xn]T

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

: vector de n variables de estados, x = [ x1 x2 xn ]T (estimacin de x).

: k-sima variable de estado.

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

: elemento ij de la matriz H(s).

: rango de la matriz P(s).

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

1.1 Representacin de Sistemas Tiempo Continuo.

Se considera que la velocidad de la carga l es la variable de inters. Aplicando la T.L. a las

Apuntes: 543 760

Similarmente, la F. de T. entre la posicin l(t) y va(t) es,

Modelo en Ecuaciones Dinmicas.

Apuntes: 543 760

Expresin general para las Ecuaciones Dinmicas.

Las ecuaciones dinmicas tienen la forma general,

Apuntes: 543 760

Diferencias entre Modelo Entrada/Salida y Ecuaciones Dinmicas.

Apuntes: 543 760

ecuaciones dinmicas, en general, requeriran en estos casos de aproximaciones.

uo, xo, po, e yo, que satisfacen:

multiplicando la primera ecuacin - por la izquierda - por T, se obtiene finalmente,

Normalmente se acostumbra a definir nuevas matrices de parmetros. Es decir, AT = TAT-1, BT = TB,

Determine la transformacin T necesaria. R.: La transformacin T queda definida como, T = 0 0 1 0 0 lo que

resultara en un nuevo vector de variables de estado z(t) de la forma,

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760

Mnimo Nmero de Variables de Estado

Apuntes: 543 760

x&3 (t ) = kx1 (t ) kx2 (t )

Apuntes: 543 760

Linealizacin de Ecuaciones Dinmicas No-Lineales.

Las ecuaciones dinmicas de un sistema no-lineal tienen la forma general,

x&n (t ) f n (x(t ), u(t ), p(t ))

y1 (t ) h1 (x(t ), u(t ), p(t ))

Copyright por Prof. Jos R. Espinoza C.

Apuntes: 543 760