Documente Academic
Documente Profesional
Documente Cultură
dinamicos lineales
Analisis de sistemas
dinamicos lineales
Oscar G. Duarte V.
Profesor asociado del Departamento de
Ingeniera Electrica y Electronica
A quienes trabajan por la
democratizacion del conocimiento
Contenido
Contenido IX
Lista de figuras XV
Prefacio XXIII
2. Preliminares matematicos 21
2.1. Ecuaciones diferenciales y de diferencia . . . . . . . . . . . . . . . 21
2.1.1. Ecuaciones diferenciales . . . . . . . . . . . . . . . . . . . 21
2.1.2. Ecuaciones de diferencias finitas . . . . . . . . . . . . . . 22
2.1.3. Ecuaciones diferenciales y de diferencias lineales . . . . . 23
2.1.4. Metodos de solucion de E.D. lineales . . . . . . . . . . . . 24
2.2. Transformadas de Laplace y Z . . . . . . . . . . . . . . . . . . . 27
2.2.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.2. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.3. Parejas de transformadas . . . . . . . . . . . . . . . . . . 31
2.2.4. Utilizacion de la tabla de parejas de transformadas . . . . 32
ix
OSCAR G. DUARTE
x
CONTENIDO
xi
OSCAR G. DUARTE
xii
CONTENIDO
Bibliografa 295
xiii
OSCAR G. DUARTE
xiv
Lista de figuras
xv
OSCAR G. DUARTE
xvi
LISTA DE FIGURAS
xvii
OSCAR G. DUARTE
xviii
LISTA DE FIGURAS
xix
OSCAR G. DUARTE
xx
Lista de tablas
xxi
OSCAR G. DUARTE
xxii
Prefacio
xxiii
OSCAR G. DUARTE
Oscar G. Duarte
xxiv
Captulo 1
Introduccion al modelamiento de
sistemas
1.1.1. Sistemas
No es facil encontrar una definicion exacta de sistema, quizas porque el ter-
mino es utilizado en muy diversos contextos. En un sentido amplio, podemos
entender por sistema aquello que se va a estudiar. Tal definicion es extrema-
damente vaga pero pone de manifiesto la necesidad de delimitar el objeto de
estudio, de imponerle unas fronteras precisas. Dividimos el universo en dos par-
tes: El sistema y todo lo demas; esto ultimo lo denominamos el Entorno del
Sistema.
Podemos imaginar sistemas de tipos muy diferentes de acuerdo a que es lo
que se va a estudiar; si se desea conocer como se nutre un determinado animal
estariamos definiendo un sistema biologico, mientras que si lo que se quiere es
conocer la variacion de la poblacion en una determinada ciudad a traves de los
anos definiriamos un sistema sociologico. Pueden plantearse tambien sistemas
abstractos, como por ejemplo el conjunto de los numero enteros o las estrategias
de comunicacion lingusticas.
El proposito de este curso no es, por supuesto, abordar cualquier tipo de
sistema, sino que se limita al estudio de un tipo especfico de sistemas que suelen
denominarse en el contexto de la fsica, la matematica y la ingeniera Sistemas
1
OSCAR G. DUARTE
Dinamicos Lineales. Para precisar que tipo de sistemas son estos requerimos
primero de la presentacion de los conceptos desenales y modelos.
1.1.2. Senales
Las senales son el medio a traves del cual el sistema interactua con su entorno.
En la figura 1.1 se visualiza esta interaccion: El sistema, esta representado por
un rectangulo, lo que da a entender que tiene sus fronteras definidas en forma
precisa; este sistema recibe del entorno unas senales de entrada, representadas
por flechas, y entrega a su entorno unas senales de salida, tambien representadas
por flechas.
En las aplicaciones tpicas de ingeniera, las senales de entrada y salida son
variables (fsicas o abstractas) que camban en el tiempo, como por ejemplo,
fuerzas, velocidades, temperaturas, etc.
Cuando un sistema recibe una unica senal de entrada y produce una unica
senal de salida, se dice que es un sistema SISO (del ingles Single Input Single
Output), mientras que si recibe varias entradas y produce varias salidas, se dice
que es un sistema MIMO (del ingles Multiple Input Multiple Output). Tambien
existen las denominaciones MISO para sistemas de varias entradas y una sola
salida, y SIMO para el caso con una entrada y varias salidas, este ulimo poco
frecuente.
1.1.3. Modelos
Para entender un sistema debemos hacer una representacion abstracta de el;
tal representacion es el modelo del sistema. La figura 1.2 visualiza la diferencia
que existe entre sistema y modelo. El sistema existe, y de el hacemos una o
varias abstracciones para poder comprenderlo. Las representaciones abstractas
pueden ser de muchos tipos (ecuaciones, graficas, etc.) algunos de los cuales son:
2
1.1. CONCEPTOS PRELIMINARES
Modelo1
Modelo3
3
OSCAR G. DUARTE
Modelamiento Identificacion
de Sistemas de Sistemas
@
? R@ ?
Modelos Modelos Modelos
de caja de caja de caja
blanca gris negra
4
1.1. CONCEPTOS PRELIMINARES
Modelos
Matematicos
? ?
No Causales Causales
? ?
Estaticos Dinamicos
? ?
Determi-
Estocasticos
nsticos
? ?
Parametros Parametros
Distribuidos Concentrados
? ?
No Lineales Lineales
? ?
Variantes Invariantes
en tiempo en tiempo
? ?
Discretos Continuos
5
OSCAR G. DUARTE
f (x) = f (x)
6
1.1. CONCEPTOS PRELIMINARES
7
OSCAR G. DUARTE
dn y dy
an + + a1 + a0 y(t) =
dtn dt
dm u du
bm m
+ + b1 + b0 u(t) n m (1.1)
dt dt
Por su parte, un sistema discreto de una unica entrada y una unica salida,
como el de la figura 1.6, tendra por modelo una ecuacion de diferencias finitas
ordinaria de coeficientes constantes:
8
1.2. SISTEMAS FISICOS
x1 (k + 1) a11 a12 a13 x1 (k)
x2 (k + 1) = a21 a22 a23 x2 (k) (1.4)
x3 (k + 1) a31 a32 a33 x3 (k)
9
OSCAR G. DUARTE
Electrico A Electrico B Mecanico Mecanico ro- Hidraulico Termico
traslacional tacional (Tanques)
Esfuerzo Corriente Tension Fuerza Torque Caudal Diferencia de
temperatura
E i e f q
Flujo Tension Corriente Velocidad Velocidad Nivel de l- Flujo de ca-
angular quido lor
F e i v h qc
Resistencia Conduc- Resistencia Amortigua- Amortigua- Resistencia Resistencia
tancia miento miento Hidraulica termica
viscoso viscoso
10
rotacional
E = RF i = Ge e = Ri f = Bv = B q = RH h = RT qc
Inductancia Capacitan- Inductancia Masa de Momento de Area de tan-
cia inercia inercia que
E = L dF
dt i = C de
dt
di
e = L dt f = M dvdt = J d
dt q = A dh
dt
Capacitan- Inductancia Capacitan- Resorte Resorte tor- Capacitancia
cia R R cia R R sional termica
1
E = C F dt i= L edt e = C1 idt f =K vdt R = R =
KT dt CT qc dt
11
OSCAR G. DUARTE
figura 1.9 muestra los dos tipos de uniones existentes, sus smbolos y las
relaciones matematicas que los rigen.
12
1.3. GRAFOS DE ENLACES DE POTENCIA
BOND GRAPHS
Elemento e e = Rf
R
R f e
f= R
R
e=C f dt
Elemento e
C 1 de
C f f= C dt
e = I df
dt
Elemento e
I
I f 1
R
f= I edt
Fuente de e
Se e = Se
Esfuerzo f
Fuente de Sf e f = Sf
Flujo f
e1 e2 e1 = ke2
Transformador TF : k
f1 f2 f2
f1 = k
e1 e2 e1 = kf2
Rotador GY : k
f1 f2 e2
f1 = k
13
OSCAR G. DUARTE
e2 f2
Union e1 e3 e1 = e 2 = e 3 = e 4
0
Tipo 0 f1 f3
f1 = f 2 + f 3 + f 4
f4 e4
e2 f2
Union e1 e3 e1 = e 2 + e 3 + e 4
1
Tipo 1 f1 f3
f1 = f 2 = f 3 = f 4
f4 e4
14
1.3. GRAFOS DE ENLACES DE POTENCIA
BOND GRAPHS
+
v(t)
Dominio Rotacional
Re L
k J D/2
Rb
+
us
Dominio Traslacional
Ce
Dominio Electrico
mg
15
OSCAR G. DUARTE
I :L I:J
e2 f2 e6 f6
S..e e1 e3 GY
.. e5 e7
us 1 1 TF : D
2
f1 f3 k f5 f7
f4 e4 f8 e8
f9 e9
R : Re R : Rb
f10
C : Cel e10 0
f11 e11
e13
Se : mg 1
f13
f12 e12
I:m
16
1.3. GRAFOS DE ENLACES DE POTENCIA
BOND GRAPHS
1.3.2. Causalidad
En las figuras 1.7 y 1.8 se observa que las relaciones entre esfuerzo y flujo
pueden escribirse de dos formas diferentes para algunos de los elementos:
17
OSCAR G. DUARTE
Ejemplo 1.2 Retomando el ejemplo 1.1, cuyo grafo de enlaces de potencia se mues-
tra en la figura 1.12, el procedimiento de asignacion de causalidades permite obtener
el grafo causal de la figura 1.14
Ejemplo 1.3 Las ecuaciones del grafo causal de la figura 1.14 (Ejemplos 1.1 y 1.2)
se obtienen asi:
Enlace 1: e1 = us
Enlace 2: e2 = Ldf2 /dt
Enlace 4: f4 = e4 /Re
Primera union: f1 = f2 = f3 = f4 e1 = e 2 + e 3 + e 4
1
Rotador: e3 = Kf5 f3 = K e5
18
1.3. GRAFOS DE ENLACES DE POTENCIA
BOND GRAPHS
I :L I :J
e2 f2 e6 f6
S..e e1 e3 GY
.. e5 e7
us 1 1 TF : D
2
f1 f3 k f5 f7
f4 e4 f8 e8
f9 e9
R : Re R : Rb
f10
C : Cel e10 0
f11 e11
e13
Se : mg 1
f13
f12 e12
I:m
19
OSCAR G. DUARTE
Segunda union: f5 = f6 = f7 = f8 e5 = e 6 + e 7 + e 8
Transformador: e7 = D
2 e9
2
f7 = D f9
Enlace 10: f10 = Cel de10 /dt
Tercera union: e9 = e10 = e11 f9 = f10 + f11
Enlace 12: e1 2 = mde12 /dt
Circuitos electricos
1. Crear una union tipo 0 por cada nodo del circuito.
2. Para cada elemento del circuito crear una union tipo 1, adicionarle a esa
union un enlace que represente al elemento y enlazar la union con las dos
uniones tipo 0 correspondientes a los nodos entre los que esta conectado
el elemento.
3. Asignar las direcciones de potencia a los enlaces.
4. Si hay un nodo de referencia, eliminar la union tipo 0 correspondiente y
los enlaces adyacentes.
5. Simplificar el grafo.
Sistemas traslacionales
1. Crear una union tipo 1 para cada velocidad diferente (absolutas y relati-
vas).
2. Para cada fenomeno que genere una fuerza, crear una union tipo 0, adicio-
narle a esa union un enlace que represente al fenomeno y enlazar la union
con las dos uniones tipo 1 correspondientes; considerar las inercias.
20
Captulo 2
Preliminares matematicos
21
OSCAR G. DUARTE
es decir
f (0), f (1), f (2), f (3), , f (n)
Por ejemplo, al establecer f (0) = 1 como condicion adicional para la ecuacion
(2.2), la unica solucion valida es f1 (k) = 2k
1 En general el problema surge al considerar que un mismo sistema puede describirse por
22
2.1. ECUACIONES DIFERENCIALES Y DE DIFERENCIA
Las derivadas, las integrales y las diferencias finitas son operaciones lineales. La
funcion f (x) = ax + b no es una funcion lineal, a menos que b sea cero 2 .
E.D. lineales
Las ecuaciones diferenciales lineales son de la forma
dy n dy
an (t) n
+ + a1 (t) + a0 (t)y(t) =
dt dt
dum du
bm (t) m + + b1 (t) + b0 (t)u(t) (2.3)
dt dt
2 Efectivamente, f (x + x ) = m(x + x ) + b es diferente de f (x ) + f (x ) = (mx + b) +
1 2 1 2 1 1 1
(mx2 + b)
23
OSCAR G. DUARTE
dy n dy dum du
an n
+ + a 1 + a 0 y(t) = b m m
+ + b1 + b0 u(t) (2.5)
dt dt dt dt
P () = 2 + 3 + 2
P () = ( + 2)( + 1)
24
2.1. ECUACIONES DIFERENCIALES Y DE DIFERENCIA
25
OSCAR G. DUARTE
yp (t) = 2 t2 + 1 t + 0
Calculamos yp (t), yp (t) y f(t):
yp (t) = 22 t + 1
yp (t) = 22
f(t) = 2t + 5
Remplazamos en la E.D.:
22 + 3(22 t + 1 ) + 2(2 t2 + 1 t + 0 ) = 2t + 5
22 t2 + (62 + 21 )t + (22 + 31 + 20 ) = 2t + 5
yp (t) = t + 1 (2.11)
26
2.2. TRANSFORMADAS DE LAPLACE Y Z
y(0) = c1 e0 + c2 e0 + 0 + 1 = c1 + c2 + 1 = 2
c1 = 4 c2 = 3
f (t) : R R
F (s) : C C
27
OSCAR G. DUARTE
L -
f (t) F (s)
1
L
RR CC
Transformada Z
Dada una funcion f (t) de los enteros en los reales,
f (k) : Z R
F (s) : C C
de la variable compleja s,lo que establece una region de convergencia para la transformada de
una determinada funcion. Este hecho es irrelevante para nuestras aplicaciones de soluciones
de E.D. lineales.
4 De forma semejante al caso de la transformada de Laplace, la sumatoria que define la
28
2.2. TRANSFORMADAS DE LAPLACE Y Z
Z -
f (k) F (z)
1
Z
ZR CC
L - Z -
f (t) F (s) f (k) F (z)
1 1
L Z
RR CC ZR CC
2.2.2. Propiedades
Las transformadas de Laplace y Z satisfacen ciertas propiedades que son
muy similares para una y otra transformada; algunas de estas transformadas se
listan en la tabla 2.4, y sus demostraciones se presentan en el apendice A. De
estas propiedades destacamos los siguientes hechos:
29
OSCAR G. DUARTE
L {f1 (t) + f2 (t)} = F1 (s) + F2 (s) Z {f1 (k) + f2 (k)} = F1 (z) + F2 (z)
5 El (i) di f
superndice indica la derivada de orden i: f (i) = dti
30
2.2. TRANSFORMADAS DE LAPLACE Y Z
n n o
L d dtfn(t) = sn F (s) Z {f (k + n)} = z n F (z)
Pn1 ni
Pn1 i=0 z f (i)
i=0 sni1 f (i) (0+ )
dn F (s) Z {k n f (k)} =
L {tn f (t)} = (1)n
dsn
d n (n1) o
z Z k f (k)
dz
Teorema de valor inicial: Teorema de valor inicial:
Convolucion: Convolucion:
L {f1 (t) f2 (t)} = F1 (s)F2 (s) Z {f1 (k) f2 (k)} = F1 (z)F2 (z)
Z
X
f1 (t) f2 (t) = f1 (t )f2 ( )d f1 (k) f2 (k) = f1 (k)f2 (h k)
0
k=0
1. En cada uno de los casos de las tablas 2.5 y 2.6, las transformadas (de
31
OSCAR G. DUARTE
32
2.2. TRANSFORMADAS DE LAPLACE Y Z
Tabla 2.7: Ubicacion de los polos en los planos complejos y funciones en el tiempo
33
OSCAR G. DUARTE
Figura 2.4: Funciones discretas segun la ubicacion de sus polos en el plano s
34
2.2. TRANSFORMADAS DE LAPLACE Y Z
1 1
La expresion s3 es de la forma sa , cuya transformada inversa de Laplace es
at
e . Aplicando linealidad tenemos:
1 1
f (t) = L1 {F (s)} = L1 4 = 4L1 = 4e3t
s3 s3
(s )2 + 2 = s2 2s + 2 + 2
s+2 s+2
F (s) = = 2
s2 + s + 1 s + 21 + 3
4
1 3 3
s+ 2 + 2 s + 21 2
F (s) = = + 3
1 2 2 2
s+ 2 + 43 s + 21 + ( 23 )2 s + 21 + ( 23 )2
35
OSCAR G. DUARTE
Ejemplo 2.5
2s2 + s + 2 3
F (s) = = 2s 1 +
s+1 s+1
2. Identificar las races del polinomio del denominador (pi ), y cuantas veces
se repite cada una de ellas (ri , o multiplicidad de la raiz).
N (s) N (s)
F (s) = =
D(s) (s p1 )r1 (s p2 )r2 (s pk )rk
Evidentemente la suma de las multiplicidades sera n, el grado del polino-
mio D(s)
3. Escribir la fraccion como suma de de fracciones parciales:
N (s) A11 A1r1 A21 Akrk
F (s) = = + + + ++
D(s) (s p1 ) (s p1 )r1 (s p2 ) (s pk )rk
36
2.2. TRANSFORMADAS DE LAPLACE Y Z
Ejemplo 2.6
3s + 1 A11 A21
F (s) = = +
(s + 2)(s + 4) s+2 s+4
3s + 1 3s + 1 7
A11 = (s + 2) = =
(s + 2)(s + 4) s=2 (s + 4) s=2 2
3s + 1 3s + 1 13
A21 = (s + 4) = =
(s + 2)(s + 4) s=4
(s + 2) s=4
2
3s + 1 7/2 13/2
F (s) = = +
(s + 2)(s + 4) s+2 s+4
Ejemplo 2.7
1 d0 3 4s2 1
A13 = (s + 2) = 4s2 1s=2 = 15
(0)! ds0 (s + 2)3 s=2
1 d1 4s2 1
A12 = (s + 2)3 = 8s|s=2 = 8(2) = 16
(1)! ds1 (s + 2)3 s=2
1 d2 2
3 4s 1
1
A11 = (s + 2) = 8|s=2 = 4
(2)! ds2 (s + 2)3 s=2 2
4s2 1 4 16 16
F (s) = 3
= + 2
+
(s + 2) (s + 2) (s + 2) (s + 2)3
37
OSCAR G. DUARTE
Ejemplo 2.8
10 10 10
A11 = (s) 2 = 2
=
s(s + 4s + 13) s=0
(s + 4s + 13) s=0
13
10
A21 = (s (2 + j3)) 2
s(s + 14s + 13) s=2+j3
10
A21 =
s(s (2 j3)) s=2+j3
10 10
A21 = = = 0.38 + j0.26
(2 + j3)(2 + j3 (2 j3)) (2 + j3)(j6)
10
A31 = (s (2 j3)) 2
s(s + 14s + 13) s=2j3
10
A31 =
s(s (2 + j3)) s=2j3
10 10
A31 = = = 0.38 j0.26
(2 j3)(2 j3 (2 j3)) (2 j3)(j6)
Las fracciones complejas pueden sumarse (notese que los numeradores y deno-
minadores de una fraccion son los conjugados de la otra):
Otra estrategia
Existe otra posibilidad para obtener los coeficientes Aij . Consiste en efectuar
la suma de las fracciones parciales e igualar coeficientes.
Tambien pueden combinarse las dos estrategias. Ademas, puede emplear-
se el hecho segun el cual la suma de las fracciones debidas a polos complejos
conjugados seran de la forma
As + B
s2 + Cs + D
Ejemplo 2.9
3s + 1 A11 A21
F (s) = = +
(s + 2)(s + 4) s+2 s+4
38
2.3. SOLUCION DE E.D. LINEALES MEDIANTE
TRANSFORMADAS
10 10/13 10 40
13 s 13
F (s) = = +
s(s2 + 4s + 13) s s2 + 4s + 13
10 10/13 0.77s + 3.08
F (s) = = 2
s(s2 + 4s + 13) s s + 4s + 13
39
OSCAR G. DUARTE
Para la aplicacion del ultimo paso, suele ser conveniente utilizar la expansion
en fracciones parciales.
z
z 2 Y (z) + z 2 2z) + 3 [zY (z) + z] + 2Y (z) = 5
z1
z z 3 + 6z
Y (z) z 2 + 3z + 2 = 5 z2 z =
z1 z1
z 3 + 6z z 3 + 6z
Y (z) = 2
=
(z 1)(z + 3z + 2) (z 1)(z + 1)(z + 2)
40
2.3. SOLUCION DE E.D. LINEALES MEDIANTE
TRANSFORMADAS
z 2 + 6 5
A21 = =
(z 1)(z + 2) z=1
2
z 2 + 6 2
A31 = =
(z 1)(z + 1) z=2 3
Por lo tanto
5 5 2
Y (z) z 2 + 6
= = 6 + 2 + 3
z (z 1)(z + 1)(z + 2) z1 z+1 z+2
5 5 2
6z 2 z 3z
Y (z) = + +
z1 z+1 z+2
La transformada inversa Z se puede obtener ahora en forma directa:
5 5 2
y(k) = Z 1 {Y (z)} = (k) + (1)k + (2)k
6 2 3
41
OSCAR G. DUARTE
42
Captulo 3
dn y dy dm u du
an n
+ + a1 + a0 y(t) = bm m + + b1 + b0 u(t) (3.1)
dt dt dt dt
43
OSCAR G. DUARTE
o en forma resumida:
n
X m
X
ai y (i) (t) = bi u(i) (t)
i=0 i=0
n
X n o Xm n o
ai L y (i) (t) = bi L u(i) (t)
i=0 i=0
n i1
!
X X
i ik1 (k) +
ai s Y (s) s y (0 ) =
i=0 k=0
m i1
!
X X
i ik1 (k) +
bi s U (s) s u (0 )
i=0 k=0
n n i1
!
X X X
i ik1 (k) +
ai s Y (s) s y (0 ) =
i=0 i=0 k=0
m m i1
!
X X X
i ik1 (k) +
bi s U (s) s u (0 )
i=0 i=0 k=0
n
X m
X
ai si Y (s) = bi si U (s)+
i=0 i=0
n i1
! m i1
!
X X X X
ik1 (k) + ik1 (k) +
s y (0 ) s u (0 )
i=0 k=0 i=0 k=0
Pm i
i=0 bi s U (s)
Y (s) = P n i
+
i=0 ai s
P P Pm Pi1
n i1 ik1 (k) + ik1 (k) +
i=0 k=0 s y (0 ) i=0 k=0 s u (0 )
Pn i
Pn i
i=0 ai s i=0 ai s
o de otra forma:
44
3.1. RESPUESTAS DE ESTADO CERO Y DE ENTRADA CERO
Pm
i=0 bi si
Y (s) = Pn i
U (s)+
i=0 ai s
Pn Pi1 ik1 (k) + Pm Pi1 ik1 (k) +
i=0 k=0 s y (0 ) i=0 k=0 s u (0 )
Pn i
(3.2)
i=0 ai s
45
OSCAR G. DUARTE
n
X m
X
ai Z {y(k + i)} = bi Z {u(k + i)}
i=0 i=0
n
X i1
X m
X i1
X
ai z i Y (z) z ij y(j) = bi z i U (z) z ij u(j)
i=0 j=0 i=0 j=0
!
n
X n
X i1
X m
X m
X i1
X
i ij i ij (
ai z Y (z) z y(j) = bi z U (z) z u j)
i=0 i=0 j=0 i=0 i=0 k=0
n
X m
X n
X Xi1 m
X Xi1
ai z i Y (z) = bi z i U (z) + z ik y(j) z ik u(j)
i=0 i=0 i=0 j=0 i=0 j=0
Pm i
i=0 bi z U (z)
Y (z) = P n i
+
i=0 ai z
P P Pm Pi1
n i1 ik1 (k) + ik1 (k) +
i=0 k=0 s y (0 ) i=0 k=0 s u (0 )
Pn i
Pn i
i=0 ai z i=0 ai z
o de otra forma:
Pm
i=0 bi z i
Y (z) = Pn i
U (s)+
i=0 ai z
Pn Pi1 P
m
P
i1 ik
ik
i=0 j=0 j y(j) i=0 j=0 z u(j)
Pn i
(3.4)
a
i=0 i z
46
3.2. FUNCIONES DE TRANSFERENCIA
Las expresiones
solo son validas si las condiciones iniciales son nulas. En este caso, es posible
representar graficamente la relacion entrada-salida del sistema mediante dos
tipos de diagramas:
-
F (s) -(z)
F
U (s) s sY (s) U (z) s sY (z)
47
OSCAR G. DUARTE
Efectuamos una reduccion del bloque en cascada resultante (ver figura 3.7(d))
48
3.4. DIAGRAMAS DE FLUJO DE SENAL
Suma de senales
X2 (s)
?
X1 (s) +- - X1 (s) X2 (s)
Conexion en cascada
- F1 (s) - F2 (s) - - F1 (s)F2 (s) -
Conexion Paralelo
- F1 (s)
?+
k- - F1 (s) + F2 (s) -
- F2 (s) 6+
Retroalimentacion
-
+ k - G(s) -
6 - G(s) -
1G(s)H(s)
H(s)
Traslado del sumador
X1 (s) - F1 (s) -
X1 (s) F1 (s)
F2 (s)
+? +?
X2 (s) - F2 (s) -
+ k Y-
(s) X2 (s) -
+ k - F2 (s) Y (s)
-
- F2 (s) Y2 -
(s) - F2 (s) Y2 -
(s)
F1 (s)
49
OSCAR G. DUARTE
b2
b1 + +
+ + +
1/s
1/s
a1
a0
Ganancia de lazo cerrado Producto de las ganancias de las ramas que for-
man un lazo.
Camino directo Las figuras 3.9(b) y 3.9(c) muestran los caminos directos. 3.2
50
3.4. DIAGRAMAS DE FLUJO DE SENAL
b2 b2
sb1
+ +
sb1
+
+ + + ++ + +
1/s 1/s 1/s 1/s
a1 a1
a0 a0
b2 b2
sb1 + sb1 +
+ +
+ 1 + + 1 +
1/s
s+a1 s(s+a1 )
a0 a0
b2 b2
sb1 + +
+
+ + 1 + + 1 +
sb1 + 1
s(s+a1 ) s(s+a1 )
a0 a0
b2 s(s + a1 ) b2 s(s + a1 )
+ +
+ + 1 + + 1
sb1 + 1 sb1 + 1
s(s+a1 ) s(s+a1 )
a0 a0
1 1
b2 s(s + a1 ) + sb1 + 1 s(s+a1 )+a0 (b2 s(s + a1 ) + sb1 + 1)
s(s+a1 )+a0
51
OSCAR G. DUARTE
Nodos y Ramas
F (s) Y (s) = F (s)X(s)
X(s)
Y (s)
Suma de Senales
X3 (s) F3 (s)
F2 (s)
X2 (s) Y (s) Y (s) = F1 (s)X1 (s)+
F2 (s)X2 (s) F3 (s)X3 (s)
X1 (s) F1 (s)
Lazo cerrado Las figuras 3.9(d) a 3.9(f) muestran los lazos del ejemplo.
Lazos adyacentes Los lazos mostrados en las figuras 3.9(e) y 3.9(f) son adya-
centes.
Lazos no adyacentes Los lazos mostrados en las figuras 3.9(d) y 3.9(e) son no
adyacentes.
52
3.4. DIAGRAMAS DE FLUJO DE SENAL
G11 (s)
G9 (s) G8 (s)
G10 (s) G7 (s)
G12 (s)
G13 (s)
(a) Ejemplo
53
OSCAR G. DUARTE
H1 (s) H2 (s)
H3 (s)
= 1
- (Suma de ganancias de lazos cerrados)
+ (Suma de ganancias de lazos no adyacentes tomados de a 2)
- (Suma de ganancias de lazos no adyacentes tomados de a 3)
+ (Suma de ganancias de lazos no adyacentes tomados de a 4)
k : para el diagrama eliminando los lazos que tocan el camino numero
k
Ejemplo 3.3 Para el sistema de la figura 3.10 la aplicacion de la regla de Mason
es como sigue:
Solo existe un camino directo (p = 1), cuya ganancia es:
T1 = G 1 G 2 G 3 G 4 G 5
L1 L2 =G2 H1 G4 H2
L1 L3 =G2 H1 G6 H3
L2 L3 =G4 H2 G6 H3
54
3.5. RESPUESTA AL IMPULSO
L 1 L 2 L 3 = G 2 H1 G 4 H2 G 6 H3
Al eliminar los lazos que tocan el unico camino directo solo subsiste el lazo
L3 . Por lo tanto resulta:
1 = 1 (G6 H3 )
para el discreto, en esta seccion se ha hecho una excepcion, debido a que el caso discreto es
notablemente mas facil de presentar que el continuo.
55
OSCAR G. DUARTE
3 2 1 1 2 3
56
3.5. RESPUESTA AL IMPULSO
Z 1
Convolucion
Una senal discreta cualquiera x(k) es un conjunto de valores en el tiempo,
que puede representarse como la suma de infinitos impulsos individuales yi , tal
como se muestra en la figura 3.15.
Ademas, cada uno de los pulsos individuales wi puede representarse como
un impulso aplicado en el instante de tiempo i, cuya amplitud es justamente
x(i) Dicho de otra forma, cualquier senal puede escribirse como:
57
OSCAR G. DUARTE
(k) h(k)
1 1
F (z)
1 1 2 3 4 5 1 1 2 3 4 5
(k 1) h(k 1)
1 1
F (z)
1 1 2 3 4 5 1 1 2 3 4 5
58
3.5. RESPUESTA AL IMPULSO
X
y(k) = x(i)h(k i) = x(k) h(k)
i=
(t) = lm d (t)
0
59
OSCAR G. DUARTE
x(k)1
=
3 2 1 1 2 3
..
w1
+
1
3 2 1 1 2 3
+
w0
1
3 2 1 1 2 3
+
w1
1
3 2 1 1 2 3
+.
.
Figura 3.15: Descomposicion de una senal discreta
60
3.5. RESPUESTA AL IMPULSO
d (t)
1/
(t)
61
OSCAR G. DUARTE
f (t)
1/
f (t)d (t)
t t
+ +
L {(t)} = 1
Respuesta al impulso
Este hecho pone de manifiesto la relacion que existe entre la respuesta al im-
pulso y la funcion de transferencia (ver figura 3.20):La funcion de transferencia
es la transformada de Laplace de la respuesta al impulso
62
3.5. RESPUESTA AL IMPULSO
L1
Convolucion
La ecuacion 3.5 muestra que una senal cualquiera x(t) puede representarse
como la convolucion contnua entre x(t) y (t) identificada con el operador
(se han intercambiado las variables t y , lo que no altera el resultado):
Z
x(t) = x( )(t )d = x(t) (t)
63
OSCAR G. DUARTE
64
Captulo 4
65
OSCAR G. DUARTE
y(t) y(t)
2 a=2 2 a=3
1 1
1 2 3 4
t 1 2 3 4
t
y(t) y(t)
2 a = 1 2 a=1
1 1
1 2 3 4
t 1 2 3 4
t
1 1 1/a 1/a
Y (s) = F (s)U (s) = = +
(s + a) s s s+a
1 1 1
y(t) = L1 {Y (s)} = (t) eat (t) = (1 eat )(t)
a a a
1
y(t) = (1 eat )(t) (4.2)
a
La expresion (4.2) muestra que la respuesta del sistema dependera del valor
de a. Este hecho se constata en la figura 4.1, que muestra las graficas de y(t)
para distintos valores de a.
Al cambiar el valor de a tambien cambia el valor del unico polo de la funcion
de transferencia (4.1), que es a. Para cualquier valor real positivo de a el polo
es un real negativo a, y viceversa. Cuando el polo es positivo, la respuesta
del sistema tiende a infinito, y se dice que el sistema es inestable. La figura 4.2
muestra cuales son las regiones de estabilidad e inestabilidad con referencia a la
recta real, es decir, en que lugares debe estar ubicado el polo de la funcion de
transferencia para que el sistema sea, respectivamente, estable o inestable.
66
4.1. SISTEMAS CONTINUOS DE PRIMER ORDEN
y(t)
y=t
1/a
67 %
1/a t
67
OSCAR G. DUARTE
tas 3/a
a 0
1 z z/(1 + a) z/(1 + a)
Y (z) = F (z)U (z) = =
(z + a) (z 1) (z 1) z+a
1 1 1
y(k) = Z 1 {Y (z)} = (k) (a)k (k) = (1 (a)k )(k)
1+a 1+a (1 + a)
1
y(k) = (1 (a)k )(k) (4.4)
(1 + a)
La expresion (4.4) muestra que la respuesta del sistema dependera del valor de
a. Este hecho se constata en la figura 4.1, que muestra las graficas de y(k) para
distintos valores de a.
Al cambiar el valor de a tambien cambia el valor de el unico polo de la funcion
de transferencia (4.3), que es a. Para cualquier valor real positivo de a el polo
es un real negativo a, y viceversa. Cuando el polo es negativo, la respuesta del
sistema es de signo alternante (P.ej. (1/2)k = 0, 1/2, 1/4, 1/8, ); por el
contrario, si el polo es positivo la respuesta siempre sera del mismo signo.
Por otra parte, si el valor absoluto de a es mayor que 1, el valor absoluto
de la respuesta tiende a infinito, y se dice que el sistema es inestable. La figura
4.6 muestra cuales son las regiones de estabilidad e inestabilidad con referencia
a la recta real, es decir, en que lugares debe estar ubicado el polo de la funcion
de transferencia para que el sistema sea, respectivamente, estable o inestable;
tambien se muestra en la misma figura cuando la respuesta es alternante o no.
Para medir que tan rapido decae una respuesta natural en los sistemas esta-
bles podemos definir el tiempo de asentamiento o tiempo de estabilizacion, como
el tiempo a partir del cual la respuesta natural (su valor absoluto) no supera
68
4.2. SISTEMAS DISCRETOS DE PRIMER ORDEN
y(k) y(k)
2 2
a = 0.5 a = 1.5
1 1
1 2 3 4
k 1
2 3 4
k
1 1
2 2
y(k) y(k)
2 2
a = 1.5
1 1
a = 0.5
1 2 3 4
k 1 2 3 4
k
1 1
2 2
1 0 1
Alternante No Alternante
69
OSCAR G. DUARTE
kas 3/ ln |a|
a a
1 0 1
(| a|)kas 0.05
70
4.3. SISTEMAS CONTINUOS DE SEGUNDO ORDEN
Im(s)
p
jn 1 2
n
Re(s)
n
n
p
jn 1 2
Figura 4.8: Ubicacion de los polos de un sistema continuo de segundo orden, con
polos complejos
71
OSCAR G. DUARTE
y(t)
: = 0.1
2 : = 0.5
: = 0.9
1
t
1 2 3 4 5 6 7 8 9
y(t)
: n = 1
2 : n = 0.5
: n = 2
1
t
1 2 3 4 5 6 7 8 9
y(t)
ymax
yf inal
tc t
72
4.3. SISTEMAS CONTINUOS DE SEGUNDO ORDEN
Im(s)
Estabilidad Inestabilidad
Re(s)
deben ubicarse los polos para que el sistema sea estable, resulta ser el semiplano
izquierdo. Esto se muestra en la figura 4.12
ln 0.05
en tas = 0.05 tn s = tas 3/n
n
Debido a que n es la parte real de los polos de (4.5) , tal como se muestra
en la figura 4.8, la region de tiempo de asentamiento maximo es la que se muestra
en la figura 4.13
73
OSCAR G. DUARTE
Im(s)
3 3
tas a tas > a
Re(s)
a
Im(s)
w > w
jw
w w
Re(s)
jw
w>w
74
4.3. SISTEMAS CONTINUOS DE SEGUNDO ORDEN
75
OSCAR G. DUARTE
sp( %)
100
80
60
40
20
0
0 0.2 0.4 0.6 0.8 1.0
1
ymax = 1 p e 12 sin( + )
1 2
Dado que sin( + x) = sin(x), podemos escribir
1
ymax = 1 + p e 12 sin()
1 2
ymax = 1 + e 12 = 1 + e cot
El valor final de y(t) es 1, por lo tanto
sp = e 12 100 % = e cot 100 %
Las figuras 4.15 y 4.16 muestran como vara el sobrepico maximo en funcion de
el factor de amortiguamiento y el angulo , respectivamente. Es interesante
observar que el sobrepico depende del angulo que forman los polos con el
semieje real negativo (figura 4.8), lo que nos permite establecer una region de
sobrepico maximo, tal como la que se muestra en la figura 4.17
76
4.3. SISTEMAS CONTINUOS DE SEGUNDO ORDEN
sp( %)
100
80
60
40
20
0
0 18 36 54 72 90
Im(s)
77
OSCAR G. DUARTE
Im(s)
jw
Re(s)
a
jw
el sistema es estable
78
4.4. SISTEMAS DISCRETOS DE SEGUNDO ORDEN
Im(z)
jb sin a
b
a Re(z)
a b cos a
b
b sin a
Figura 4.19: Ubicacion de los polos de un sistema discreto de segundo orden, con
polos complejos
Y (z) A Bz + C
= + 2
z z 1 z 2bz cos a + b2
sumando e igualando coeficientes se obtiene
A=1 B = 1 C = 1 + 2b cos a
z z 2 + (1 2bz cos a)
Y (z) = 2
z1 z 2bz cos a + b2
z z 2 bz cos a z(1 2z cos a)
Y (z) = 2 2
2
z 1 z 2bz cos a + b z 2bz cos a + b2
(1 b cos a) k
y(k) = Z 1 {Y (z)} = 1 bk cos ak b sin ak (k)
b sin a
Finalmente, las dos sinusoidales se pueden agrupar en una sola, para obtener:
y(k) = Z 1 {Y (z)} = 1 Cbk sin (ak + ) (k) (4.8)
donde
1 + b2 2b cos a 1 b sin a
C= = = tan1
b sin a sin 1 b cos a
79
OSCAR G. DUARTE
y(k)
k
1 2 3 4 5 6 7 8 9
80
4.4. SISTEMAS DISCRETOS DE SEGUNDO ORDEN
y(k)
10
k
1 2 3 4 5 6 7 8 9
5
10
Im(z)
j
Inestabilidad
Estabilidad
Re(z)
1 1
81
OSCAR G. DUARTE
Im(z)
1
jb
jb
1
caso del sistema discreto de segundo orden, este tiempo kas satisface:
3
bkas 0.05 ln bkas ln 0.05 kas ln b ln 0.05 kas
ln b
Debido a que b es la magnitud de los polos de (4.7) , tal como se muestra en
la figura 4.19, la region de tiempo de asentamiento maximo es la que se muestra
en la figura 4.23.
82
4.5. EFECTO DE LOS CEROS. SISTEMAS DE FASE MINIMA
Im(z)
f rec a
a
Re(z)
a
a
b = ea cot = e 12 (4.9)
La ecuacion 4.9 permite definir, para el caso discreto, curvas analogas a las
que generan la region de sobrepico maximo de los sistemas continuos (figura
4.17). La figura 4.25 muestra las curvas generadas por la ecuacion (4.9) para
distintos valores de .
Por su parte, la figura 4.26) muestra la region definida por (4.9) al fijar un
valor de (o de ), es decir, al establecer un factor de amortiguamiento. Esta
region no es la region de sobrepico maximo, sino la region de amortiguamiento
mnimo. El sobrepico maximo es mas difcil de obtener debido a que el tiempo
es discreto.
83
OSCAR G. DUARTE
Im(z)
: = 0.1
j
: = 0.5
: = 0.9
Re(z)
1 1
Im(z)
j
Re(z)
1 1
84
4.5. EFECTO DE LOS CEROS. SISTEMAS DE FASE MINIMA
Im(z)
j
Re(z)
1 1
85
OSCAR G. DUARTE
y(t)
: a == 0.5
:a=1
: a = 1
1
t
1 2 3 4
Figura 4.28: Respuesta al paso de un sistema continuo de segundo orden, con cero
real b = = 1
(s + a)
F (s) = (4.12)
(s + b)(s + c)
86
4.6. POLOS DOMINANTES
: 0.25e10t
1 1 : 0.5et cos 2t
t t
1 2 3 4 1 2 3 4
y(t) : y(t)
1 : yaprox (t)
1 2 3 4
87
OSCAR G. DUARTE
debido a los polos p3,4 = 1 j2. Lo anterior se debe a que los aportes de p1 y
p2 decaen mucho mas rapidamente que el aporte de p3,4 , ya que e10t y e15t
decaen mas rapidamente que et .
Se dice entonces que los polos p3,4 dominan el comportamiento del sistema,
o simplemente que son los polos dominantes. La figura 4.29(c) compara la res-
puesta exacta y(t) calculada segun (4.13) y una respuesta aproximada y aprox (t)
que se obtendra eliminando de y(t) los aportes de los polos p1 y p2 , es decir:
y(t) = 1 0.5et cos 2t (t)
88
Captulo 5
Y (s) KG(s)
F (s) = = (5.1)
U (s) 1 + KG(s)H(s)
y en el discreto:
Y (z) KG(z)
F (z) = = (5.2)
U (z) 1 + KG(z)H(z)
89
OSCAR G. DUARTE
E(s) 1
FE (s) = = (5.3)
U (s) 1 + KG(s)H(s)
y en el discreto:
E(z) 1
FE (z) = = (5.4)
U (z) 1 + KG(z)H(z)
Ademas, a los productos G(s)H(s) y G(z)H(z) se les denomina ganancia de
lazo abierto.
Si escribimos G y H como dos fraccion de polinomios NG /DG y NH /DH
respectivamente, las expresiones (5.1), (5.2), (5.3) y (5.4) se convierten en:
Funcion de transferencia del sistema realimentado, caso continuo:
NG (s)
Y (s) KD G (s) KNG (s)DH (s)
F (s) = = NG (s) NH (s)
=
U (s) 1 + K DG (s) DH (s) D G (s)D H (s) + KNG (s)NH (s)
(5.5)
Funcion de transferencia del sistema realimentado, caso discreto:
NG (z)
Y (z) KD G (z) KNG (z)DH (z)
F (z) = = N (z) N (z)
=
U (z) G H
1 + K DG (z) DH (z) DG (z)DH (z) + KNG (z)NH (z)
(5.6)
Funcion de transferencia del error, caso continuo:
E(s) 1 DG (s)DH (s)
FE (s) = = N (s) N (s)
=
U (s) G H
1 + K DG (s) DH (s) DG (s)DH (s) + KNG (s)NH (s)
(5.7)
Funcion de transferencia del error, caso discreto:
E(z) 1 DG (z)DH (z)
FE (z) = = NG (z) NH (z)
=
U (z) 1 + K DG (z) DH (z) D G (z)D H (z) + KNG (z)NH (z)
(5.8)
90
5.1. TIPO DE SISTEMA Y ERROR DE
ESTADO ESTACIONARIO
(s+4)
Ejemplo 5.1 Sea FE (s) = (s+3)(s+5) y U (s) = (s21+4) . Segun (5.11) el error de
estado estacionario sera
(s + 4) 1 (0 + 4) 1
eee = lm s =0 =0
s0 (s + 3)(s + 5) (s2 + 4) (0 + 3)(0 + 5) (02 + 4)
(s+4)
Ejemplo 5.2 Sea FE (s) = (s+3)(s+5) y U (s) = 1s . Segun (5.11) el error de estado
estacionario sera
(s + 4) 1 (s + 4) (0 + 4) 4
eee = lm s = lm = =
s0 (s + 3)(s + 5) s s0 (s + 3)(s + 5) (0 + 3)(0 + 5) 15
1 La determinacion de la estabilidad de los sistemas realimentados continuos se estudia en
la seccion 5.2
91
OSCAR G. DUARTE
s(s+4) 1
Ejemplo 5.3 Sea FE (s) = (s+3)(s+5) y U (s) = s3 .
Segun (5.11) el error de estado
estacionario sera
s(s + 4) 1
eee = lm s
s0 (s + 3)(s + 5) s3
(s + 4) 1 (0 + 4) 1 4
eee = lm = = =
s0 (s + 3)(s + 5) s (0 + 3)(0 + 5) 0 0
la seccion 5.3
92
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
o lo que es igual,
sistemas lineales todas ellas son equivalentes y podemos adoptar indistintamente cualquiera
de ellas.
93
OSCAR G. DUARTE
Si las races i son todas negativas, los terminos i seran todos positivos,
y en general el producto (s1 )(s2 ) (sn ) tendra todos los coeficientes
positivos. De esta forma, los coeficientes de (5.15) seran todos positivos o todos
negativos, dependiendo del signo de A en (5.16). Por esta razon, si p(s) tiene
coeficientes de signos diferentes o cero, necesariamente al menos un termino i
debe ser negativo, lo que implicara que tendra al menos una raiz positiva (en
el semiplano derecho).
Ahora supongase que (5.15) tiene dos races complejas conjugadas:
El producto de los terminos que tienen que ver con las races complejas es:
94
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
sn an an2 a1
sn1 an1 an3 a0
sn2
..
.
s1
s0
..
.
si+2 a1 a2 a3
si+1 b1 b2 b3
si c1 c2 c3
..
.
Cada nueva lnea se construye con informacion de las dos lneas inmedia-
tamente anteriores.
Para calcular el termino jesimo de una lnea (cj en la figura 5.4) se
efectua la operacion
a1 aj+1
b1 bj+1
cj = (5.19)
b1
95
OSCAR G. DUARTE
s5 1 3 16
s4 1 9 10
s3 c1 c2 c3
s2 d1 d2 d3
s1 e1 e2 e3
s0 f1 f2 f3
Figura 5.5: Arreglo de Routh del ejemplo 5.4. Primeras dos lneas
s5 1 3 16
s4 1 9 10
s3 6 6
s2 10 10
s1 12
s0 10
La figura 5.5 muestra las dos primeras lneas del arreglo de routh para (5.20)
Los valores de la lnea correspondiente a s3 se calculan asi:
1 3 1 16
1 9 1 10
c1 = = 6 c2 = =6
1 1
No es necesario calcular c3 , porque ya no hay mas columnas en las dos primeras
lneas, y por lo tanto el resultado sera 0.
Para la lnea correspondiente a s2 se tiene:
1 9 1 10
6 6 6 0
d1 = = 10 d2 = = 10
6 6
96
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
s2 1 K +2
s1 3
s0 K +2
Criterio de Routh-Hurwitz
El criterio de Routh-Hurtwiz puede expresarse asi:
Criterio de Routh-Hurwitz
El numero de races de (5.15) en el semiplano derecho es igual al numero
de cambios de signo que se suceden en la primera columna del arreglo
de Routh de dicho polinomio.
1 1
G(s) = H(s) =
s+2 s+1
La funcion de transferencia del sistema realimentado es
KG(s) K(s + 1)
F (s) = = 2
1 + KG(s)H(s) s + 3s + (K + 2)
97
OSCAR G. DUARTE
s3 1 11
s2 6 6+K
60K
s1 6
s0 6+K
Para que todas las races esten en el semiplano izquierdo, y por lo tanto el
sistema sea estable, se necesita que todos los signos de la primera columna sean
iguales, y por lo tanto:
K+2>0 K > 2
Podemos concluir que para cualquier valor de k superior a 2 el sistema sera
estable, y para cualquier valor menor que 2 sera inestable. Justo cuando k = 2
el sistema tendra estabilidad Marginal.
Ejemplo 5.7 Supongase que existe un sistema dinamico continuo cuya funcion de
transferencia tiene el siguiente denominador
98
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
s3 1 K +2
s2 3K 4
3K 2 +6K4
s1 3K
s0 4
s4 1 2 3
s3 1 2
s2 0 3
s1
s0
Figura 5.10: Arreglo de Routh con cero en la primera columna. Arreglo incompleto
p(s) = s4 + s3 + 2s2 + 2s + 3
99
OSCAR G. DUARTE
s4 1 2 3
s3 1 2
s2 3
3
s1 2
s0 3
s4 1 2 3
s3 1 2
s2 0+ 3
s1
s0 3
Figura 5.12: Arreglo de Routh con cero en la primera columna. Arreglo completo
Este polinomio resulta ser un divisor exacto de p(s) (puede comprobarse que
p(s) = p(s)(s + 1)). El arreglo de Routh lo continuamos remplazando la fila de
ceros por los coeficientes de la derivada de p(s):
dp(s)
= 4s3 + 10s
ds
s5 1 5 4
s4 1 5 4
s3 0 0
s2
s1
s0
100
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
s5 1 5 4
s4 1 5 4
s3 4 10
s2 2.5 4
s1 3.6
s0 4
Ejemplo 5.8 Supongase que en el sistema de la figura 5.1 los bloques G(s) y H(s)
son:
1 1
G(s) = H(s) =
(s + 1) (s + 3)
De tal manera que la funcion de transferencia del sistema realimentado es
K(s + 3)
F (s) = (5.22)
s2 + 4s + (3 + K)
Determinacion de la estabilidad
Si nos referimos a la ecuacion (5.5), encontramos que la condicion para los
polos de F (s) sera
NG (s)NH (s) 1 1
= G(s)H(s) = (5.24)
DG (s)DH (s) K K
101
OSCAR G. DUARTE
K p1 p2
8 5 1
3 4 0
0 3 1
0.75 2.5 1.5
1 2 2
2 2 + j 2 j
5 2 + 2j 2 2j
Im(s)
1
Re(s)
5 4 3 2 1 1 2 3 4
1
Figura 5.15: Root-ocus (en rojo) y root-locus complementario (en azul) del ejemplo
5.8
102
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
1 1
K= = 1 = 3
|G(s0 )H(s0 )| (0+1)(0+3)
Ejemplo 5.10 Supongase que en la figura 5.1 los valores de G(s) y H(s) son
1 1
G(s) = H(s) = (5.26)
(s + 1)(s + 2) (s + 3)
103
OSCAR G. DUARTE
0 + j3.316
3
0 + j0
0
3
0 j3.316
4 Real axis
4 3 2 1 0 1 2
closedloop poles loci
root locus
open loop
asymptotic
open
asymptoticpoles
loopdirections
poles
directions
root locus complementario
104
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
1 1 1
|G(s)H(s)| = = = (5.27)
|K| |(0 + j0 + 1)(0 + j0 + 2)(0 + j0 + 3)| 6
|K| = 6 (5.28)
La ecuacion (5.28) establece cual es el valor absoluto de K que hace que la
rama del root-locus complementario pase del semiplano derecho al izquierdo. Como
sabemos que se trata de valores negativos de K podemos establecer que para K <
6 el sistema realimentado es inestable, mientras que para 6 < K 0 es estable.
Si observamos ahora el diagrama de root-locus (en rojo) observamos que existen
dos ramas (simetricas respecto al eje horizontal) que nacen en el semiplano izquierdo
y pasan al semiplano derecho. Esto significa que para valores pequenos de K el
sistema realimentado es estable, pero a partir de algun valor positivo de K se torna
en inestable.
Las dos ramas cruzan el eje imaginario simultaneamente, asi que para determinar
el momento en el que sucede la transicion basta con estudiar una de ellas. Tomemos
por ejemplo la rama superior, que cruza el eje imaginario en 0 + j3.316. El valor de
K en el que esto sucede puede determinarse empleando 5.25:
1 1 1
= = (5.29)
|K| |(0 + j3.316 + 1)(0 + j3.316 + 2)(0 + j3.316 + 3)| 60
|K| = 60 (5.30)
Segun la ecuacion (5.30) para 0 K < 60 el sistema retroalimentado es estable,
y para K > 60 es inestable.
Combinando esta informacion con la que se obtuvo al analizar el root-locus
complementario puede concluirse que el sistema realimentado es estable si y solo si
K (6, 60)
105
OSCAR G. DUARTE
106
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Podemos calcular los angulos de esas rectas siguiendo la regla R 6 (figura 5.17(d))
i RL RLC
0 0 = 2i+1 o
41 180 = 60
o 2i
0 = 41 180o = 0o
2i+1 2i
1 1 = 41 180 = 180o
o
1 = 41 180o = 120o
2 2 = 2i+1 o
41 180 = 300
o 2i
2 = 41 180o = 240o
Con esta informacion podriamos trazar parte de las ramas que van o vienen al
infinito (figura 5.17(e)), pero sera necesario emplear otras reglas, o programas de
simulacion, para obtener los diagramas completos (figura 5.17(f))
107
OSCAR G. DUARTE
Im(s) Im(s)
Re(s)
Re(s)
(a) Primer paso (b) Segundo paso
Im(s) Im(s)
Re(s)
Re(s)
(c) Tercer paso (d) Cuarto paso
Im(s) Im(s)
Re(s)
Re(s)
(e) Quinto paso (f) Sexto paso
Figura 5.17: Root-locus (en rojo) y root-locus complementario (en azul) del ejemplo
5.11
108
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Margenes de estabilidad
Las ecuaciones (5.31) y (5.32) establecen dos condiciones que deben cumplir
los puntos j del plano complejo para formar parte del root-locus o del root-
locus complementario; una de las condiciones hace referencia a la gananacia de
G(s)H(s) y la otra a su fase. La idea de los margenes de estabilidad consiste en
suponer que k = 1, y explorar que margen se tiene cuando se cumple una de
esas condiciones:
109
OSCAR G. DUARTE
1
|Kc |
j
j
0o
j j
180o
Para el caso en que K > 0, el margen de fase puede leerse en los diagramas
de bode como 180o , donde es el angulo a la frecuencia en la que la
ganancia es de 0db.
Para el caso en que K < 0, el margen de fase puede leerse en los diagramas
de bode como , donde es el angulo a la frecuencia en la que la ganancia
es de 0db.
Ejemplo 5.12 Supongase que en el sistema de la figura 5.1 los bloque G(s) y H(s)
son:
1 1
G(s) = H(s) = (5.33)
(s + 1)(s + 2) (s + 3)
La figura 5.19 muestra los Diagramas de Bode de G(s)H(s). Segun (5.31) los
puntos en los cuales puede cambiar la estabilidad del sistema realimentado son
aquellos en los que el angulo de G(j)H(j) es 0o o es 180o.
Al observar la figura 5.19 notamos que el angulo de G(j)H(j) es 180 o
para una frecuencia de 0.528Hz, es decir para = 20.528 = 3.316rad/s. En esa
frecuencia el valor de la magnitud de G(j)H(j) es de 35.56db, lo que significa
que la magnitud de K, en decibeles, para la cual una rama del root-locus atraviesa
el eje imaginario es tal que |K|1en db = 35.56, lo que equivale a:
110
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Magnitude
db
10
15.56db
35.56db 30
70
110
150
190
Hz
.
230
3 2 1 0 1 2 3
10 10 10 10 10 10 10
0.528Hz
Phase
degrees
20
20
60
100
140
180o180
220
260 .
Hz
300
3 2 1 0 1 2 3
10 10 10 10 10 10 10
111
OSCAR G. DUARTE
como K > 0 (hemos encontrado una rama del root locus) entonces K = 60.
Tambien debemos buscar los puntos para los cuales el angulo de G(j)H(j)
es 0o . En la figura 5.19 se observa que el diagrama de fase es asintotico a 0 o , es
decir, que para = 0 el angulo de G(j)H(j) es 0o . El diagrama de magnitud
de G(j)H(j) es asintotico a 15.56db, lo que significa que la magnitud de K,
en decibeles, para la cual una rama del Root-Locus complementario atraviesa el eje
imaginario es tal que |K|1en db = 15.56, lo que equivale a:
1 |K|en db |K|en db 15.56
= 10 20 |K| = 10 20 |K| = 10 20 =6
|K|
como K < 0 (hemos encontrado una rama del root locus complementario) entonces
K = 6.
Hemos encontrado los valores de K para los cuales un polo cruza el eje ima-
ginario, y han resultado ser 6 y 60. Esto significa que al variar K desde
hasta , la estabilidad del sistema realimentado solo puede cambiar en 6 y 60.
En consecuencia, podemos definir tres intervalos para K en los cuales la estabilidad
es constante; para conocer la estabilidad de cada intervalo basta con determinar la
de uno de sus puntos:
K (, 6): Seleccionamos K = 10 de tal manera que el denominador
de (5.21) se convierte en
s3 + 6s2 + 11s 4
112
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
c1
(s0
c1 )
p1
s0
c1
s0
p3
p2
c2
(s c1 )(s c2 ) (s cm )
F (s) = A (5.35)
(s p1 )(s p2 ) (s pn )
113
OSCAR G. DUARTE
Plano s Plano F
2 2
s0 F (s) F (s0 )
1
1
2 1 1 2 2 1 1 2
1 1
2 2
Pm
arg F (s0 ) = arg A + Angulos de los vectores que van de ceros a s0
Pn
Angulos de los vectores que van de polos a s0
(5.38)
siendo arg A = 0o si A > 0 o arg A = 180o si A < 0
F (s) = s + 1 (5.39)
114
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Plano s Plano F
2 2
1 1
F (s)
2 1 1
2 2 1 1 2
1
1
2 2
Figura 5.22: Plano s y Plano F en una trayectoria cerrada que no encierra el cero
Las figuras 5.24 y 5.25 muestran cual habra sido el resultado si F (s) tuviera
un polo en s = 1 en lugar de un cero, es decir si F (s) = 1/(s + 1). En el plano
F aparecen trayectorias cerradas que solo encierran al origen si la trayectoria
del plano s encierra al polo. Sin embargo, debe resaltarse que el sentido de la
trayectoria que encierra al origen es antihorario, lo que se explica observando
que en la ecuacion (5.38) el angulo de los vectores que van de polos a s 0 tiene
signo negativo.
115
OSCAR G. DUARTE
Plano s Plano F
2 2
1 1
F (s)
2 1
1 2 2 1 1
2
1 1
2 2
Figura 5.23: Plano s y Plano F en una trayectoria cerrada que encierra el cero
Plano s Plano F
2 2
1 1
F (s)
2 1 1
2 2 1
1 2
1
2 2
Figura 5.24: Plano s y Plano F en una trayectoria cerrada que no encierra el polo
116
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Plano s Plano F
2 1
1
F (s)
2
1 1 2 1 1
1
2 1
Figura 5.25: Plano s y Plano F en una trayectoria cerrada que encierra el polo
Trayectoria de Nyquist
La trayectoria de Nyquist para un sistema continuo realimentado como el
de la figura 5.1 es una curva cerrada que abarca todo el semiplano derecho, y
que no contiene ningun polo de G(s)H(s). La figura 5.26 muestra la trayectoria
de nyquist para el caso general.
Notese que la trayectoria de Nyquist recorre todo el eje emaginario y regresa
por una semicircunferencia de radio , abarcando todo el semiplano derecho.
Para el caso especial en que G(s)H(s) tiene polos en el eje imaginario es ne-
cesario modificar la trayectoria, tal como se muestra en la figura 5.26, mediante
pequenas semicircunferencias de radio arbitrariamente pequeno
Diagrama de Nyquist
Para un sistema continuo como el de la figura 5.1, el diagrama de Nyquist
es la trayectoria orientada que resulta de calcular G(s)H(s) a traves de la tra-
117
OSCAR G. DUARTE
r=
r=
118
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Plano s Plano GH
G(s)H(s)
r=
Criterio de Nyquist
Para el sistema continuo realimentado de la figura 5.1, con K = 1 definamos
la funcion
NG (s) NH (s)
R(s) = 1 + G(s)H(s) = 1 + =
DG (s) DH (s)
DG (s)DH (s) + NG (s)NH (s)
(5.41)
DG (s)DH (s)
Los polos de R(s) son los mismos polos de G(s)H(s), como se puede
verificar en (5.41)
Los ceros de R(s) son los mismos polos del sistema realimentado (con
K = 1) como puede verse al comparar (5.41) con (5.5)
119
OSCAR G. DUARTE
Numero de polos
Numero de veces Numero de polos de
del sistema reali-
que encierra al = G(s)H(s) en el se- (5.43)
mentado en el semi-
origen miplano derecho
plano derecho
Criterio de Nyquist
El numero de polos en el semiplano derecho que tiene un sistema continuo
realimentado como el de la figura 5.1 , con K = 1 puede determinarse a
partir de la ecuacion
Numero de veces
Numero de polos
que el diagrama Numero de polos de
del sistema reali-
de Nyquist de = G(s)H(s) en el se- (5.44)
mentado en el semi-
G(s)H(s) encierra miplano derecho
plano derecho
al punto (1, 0)
Para que el sistema realimentado sea estable debe tener cero polos en el
semiplano derecho.
120
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Nyquist plot
Im(h(2i*pi*f))
0.15
0.132 0.093
0.11
0.059
0.190
0.07
0.024
0.03
1000
0.01 1 1
60 6
0.05
0.229 0.034
0.09
0.151 0.068
Re(h(2i*pi*f))
0.103
0.13
0.05 0.01 0.03 0.07 0.11 0.15 0.19
En esa figura se han destacado los puntos en los que el Diagrama de Nyquist
cruza el eje real (1/60 y 1/6). El numero de polos que G(s)H(s) tiene en el
semiplano derecho es cero, de acuerdo con (5.45). De esta forma, el criterio de
Nyquist, ecuacion (5.44), establece que:
Numero de polos del
sistema realimenta-
0= 0 (5.46)
do en el semiplano
derecho
y por lo tanto el sistema realimentado es estable para K = 1. Ademas, en el
diagrama de Nyquist se observa que este se puede amplificar hasta 60 veces sin que
cambie el numero de veces que encierra al punto (1, 0), lo que significa que para
0 < k < 60 el sistema sigue siendo estable. Si se amplifica por un valor superior
a 60 el punto (1, 0) resulta encerrado dos veces por el diagrama, y por lo tanto
el sistema realimentado tendra dos polos en el semiplano derecho, es decir, sera
inestable.
Evaluamos ahora la estabilidad para valores negativos de K Remitiendonos nue-
vamente a la figura 5.29, observamos que podemos amplificar 6 veces el diagrama
sin que cambie el numero de veces que encierra al punto (1, 0), lo que significa que
para 6 > K > 0 el sistema sigue siendo estable. Si se amplifica por un valor mayor
a 6 el punto (1, 0) resulta encerrado una vez por el diagrama, y por lo tanto el sis-
tema realimentado tendra un polo en el semiplano derecho, es decir, sera inestable.
En resumen, el sistema sera estable para K (6, 60).
121
OSCAR G. DUARTE
122
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
z r
1 + j0 indefinido
0.707 + j0.707 0 j2.4142
0 + j1 0 j1
0.707 + j0.707 0 j0.4142
1 + j0 0 + j0
0.707 j0.707 0 + j0.4142
0 j1 0 + j1
0.707 j0.707 0 + j2.4142
Plano z Plano r
2 z+1 2
r= z1
1 1
2 1 1 2 2 1 1 2
1 1
2 2
123
OSCAR G. DUARTE
r2 (2.21 + K) (0.21 + K)
r1 (1.58 2K)
r0 (0.21 + K)
Los valores de K que hacen que todas las races de F (z) esten dentro del crculo
unitario en el plano z son los mismos valores que hacen que todas las races de F (r)
esten en el semiplano izquierdo del plano r. Estos ultimos pueden determinarse por
medio del criterio de Routh Hurwitz. El arreglo correspondiente se muestra en la
figura 5.31 de donde se deduce que las condiciones para que el sistema del ejemplo
sea estable son:
O lo que es equivalente:
0.21 < K < 0.79 (5.53)
a ank b bn1k c cn2k
bk = 0 c = 0 d = 0 (5.55)
an ak k bn1 bk k cn2 ck
124
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
Fila z0 z1 z2 z nk z n2 z n1 zn
1 a0 a1 a2 ank an2 an1 an
2 an an1 an2 ak a2 a1 a0
3 b0 b1 b2 bnk bn2 bn1
4 bn1 bn2 bn3 bk1 b1 b0
5 c0 c1 c2 cnk cn2
6 cn2 cn3 cn4 ck2 c0
.. .. .. ..
. . . .
2n 5 p0 p1 p2 p3
2n 4 p3 p2 p1 p0
2n 3 q0 q1 q2
p(z) = 1 + 2z + 3z 2 + 4z 3 + 5z 5 (5.56)
Las primeras dos lneas del arreglo de Jury para p(z) se muestran en la figura
5.33. Solo es necesario construir 5 lneas, porque n = 4 y 2n 3 = 5.
La tercera lnea se construye asi:
1 5 1 4
b0 =
= 24 b1 =
= 18
5 1 5 2
1 3 1 2
b2 = = 12 b3 = = 6
5 3 5 4
El arreglo con las cuatro primeras lneas su muestra en la figura 5.34.La quinta
lnea se construye asi:
24 6 24 12
c0 = = 504 c 1 = 6 18 = 360
6 24
24 18
c2 = = 180
6 12
Criterio de Jury
El Criterio de Jury puede expresarse asi:
125
OSCAR G. DUARTE
Fila z0 z1 z2 z3 z4
1 1 2 3 4 5
2 5 4 3 2 1
3 b0 b1 b2 b3
4 b3 b2 b1 b0
5 c0 c1 c2
Figura 5.33: Arreglo de Jury del ejemplo 5.15. Primeras dos lneas
Fila z0 z1 z2 z3 z4
1 1 2 3 4 5
2 5 4 3 2 1
3 24 18 12 6
4 6 12 18 24
5 c0 c1 c2
Figura 5.34: Arreglo de Jury del ejemplo 5.15. Primeras cuatro lneas
Fila z0 z1 z2 z3 z4
1 1 2 3 4 5
2 5 4 3 2 1
3 24 18 12 6
4 6 12 18 24
5 504 360 180
126
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
Criterio de Jury
Las condiciones necesarias y suficientes para que p(z) en (5.54) tenga
todas sus races en el interior del crculo unitario del plano z son:
Notese que este criterio se reduce a unas condiciones muy simples para el
caso de polinomios de segundo orden (n = 2):
Ejemplo 5.17 Supongase ahora un sistema como el del ejemplo 5.14, es decir un
sistema realimentado como el de la figura 5.2 con
1 1
G(z) = H(z) = (5.60)
z + 0.3 z + 0.7
127
OSCAR G. DUARTE
Para que el denominador de F (z) tenga todas sus races en el crculo unitario,
y por tanto el sistema realimentado sea estable, se deben satisfacer (5.57); como
el denominador es de segundo orden, estas condiciones se convierten en las que
muestra (5.58), es decir:
Ejemplo 5.18 Tomemos el mismo sistema analizado en los ejemplos 5.14 y 5.17.
Se trata de un sistema realimentado como el de la figura 5.2 con
1 1
G(z) = H(z) = (5.65)
z + 0.3 z + 0.7
128
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
129
OSCAR G. DUARTE
Im(z)
1.5
1.0
0.5
1.5 1.0 0.5 0.5 1.0
Re(z)
1.5
0.5
1.0
1.5
Figura 5.36: root-locus (en rojo) y root-locus complementario (en azul) para el
ejemplo 5.18
130
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
1
ej ej |Kc |
0o
j
ej e
180o
Figura 5.37: Relacion entre el root-locus y los diagramas de Bode para el caso
discreto
131
OSCAR G. DUARTE
Magnitude
db
17
13.555db 13
5
2.04db
1
3
Hz
6.89db 7 .
3 2 1 0
10 10 10 10
0.3338Hz
Phase
degrees
0
40
80
120
160
180o
200
240
280
320 Hz
360 .
3 2 1 0
10 10 10 10
132
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
133
OSCAR G. DUARTE
Para que el sistema realimentado sea estable debe tener cero polos por
fuera del crculo unitario.
Ejemplo 5.20 Retomemos el mismo sistema analizado en los ejemplos 5.14, 5.17,
5.18 y 5.19. Se trata de un sistema realimentado como el de la figura 5.2 con
1 1
G(z) = H(z) = (5.76)
z + 0.3 z + 0.7
134
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
135
OSCAR G. DUARTE
Nyquist plot
Im(h(exp(2i*pi*f*dt)))
4
0.451 0.466
3
0.479
2
0.4
1
0.135
0 0.5
1 1 1
1
0.79 2.21 0.21
0.388
0.488
0.425
0.476
3
0.447 0.463 Re(h(exp(
2i*pi*f*dt)))
4
2 1 0 1 2 3 4 5
136
Captulo 6
Representacion en variables de
estado
6.1. Introduccion
En los captulos anteriores se han presentado distintas estrategias para mo-
delar el comportamiento de sistemas dinamicos continuos y discretos, entre ellas:
Funciones de transferencia
Respuestas al impulso
Diagramas de bloque
137
OSCAR G. DUARTE
u1 (t) y1 (t)
u2 (t) Sistema y2 (t)
.. Dinamico ..
. .
up (t) yq (t)
u1 (k) y1 (k)
u2 (k) Sistema y2 (k)
.. Dinamico ..
. .
up (k) yq (k)
Vale la pena aclarar que si bien las ecuaciones que se emplean son de primer
orden, estas operan sobre vectores. Refiriendonos a las figuras 6.1 y 6.2, si se
trata de un sistema continuo seran:
En las ecuaciones (6.1) y (6.2) u es un vector que contiene cada una de las
p entradas al sistema, y es un vector que contiene cada una de las q salidas del
sistema, x es un vector que contiene cada una de las n variables de estado del
138
6.1. INTRODUCCION
sistema, es decir:
u1 y1 x1
u2 y2 x2
u= . y=. x= . (6.3)
.. .. ..
up p1
yq q1
xn n1
139
OSCAR G. DUARTE
Ejemplo 6.1 Uno de los espacios vectoriales mas conocidos, y que servira para
futuros ejemplos en este captulo es el formado por R 2 sobre el campo R con las
operaciones usuales. En general, Cn sobre el campo C con las operaciones usuales
forma un espacio vectorial.
Ejemplo 6.2 El conjunto de todos los polinomios sobre el campo R con las opera-
ciones usuales entre polinomios forma un espacio vectorial.
Ejemplo 6.3 El conjunto de todas las funciones continuas a trozos sobre el campo
C con la operacion + definida como la suma punto a punto forma un espacio
vectorial.
140
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
Ejemplo 6.4 El conjunto de todas las matrices de tamano fijo mn sobre el campo
C con las operaciones usuales entre matrices forma un espacio vectorial.
x = 1 b1 + 2 b2 + + n bn
141
OSCAR G. DUARTE
A = B = A1 B = B1 A (6.8)
= B = B1 (6.9)
T = B1 T B (6.10)
en donde B = [b1 b2 bn ]
142
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
1 =1
1 =1
2 =3
2 =2 2 =-2
1 =-1
: base : vector x
Ejemplo 6.6 En R2 puede definirse una base con cualquier pareja de vectores no
paralelos. Definamos por ejemplo A = {(1, 0), (0, 1)}, B = {(3, 1), (2, 2)} y C =
{(1, 1)(1, 1)} (vectores rojos en la figura 6.3).
Consideremos ahora el vector x en la figura 6.3. Sus coordenadas en la base
estandar A seran
1
= 1 =
2 3
Para obtener las coordenadas de x en las bases B y C construimos las matrices
B y C y empleamos (6.9)
3 2 1 1
B= C=
1 2 1 1
1 1 1/2 1/2 1 1
= =B = =
2 1/4 3/4 3 2
1/2 1/2 1 1
= 1 = C1 = =
2 1/2 1/2 3 2
Puede verificarse que las coordenadas en las bases B y C satisfacen las relaciones
(6.8)
= B1 C = C1 B
143
OSCAR G. DUARTE
1/2 1/2 0 1 3 2 2 2
T = =
1/4 3/4 1 0 1 2 2.5 2
Supongase ahora el vector x, cuyas coordenadas en la base estandar son x =
(1, 3) y en la base B son x = (1, 2) (ejemplo 6.6). Al efectuar la rotacion de 90 o
en sentido horario se obtendra un vector y cuyas coordenadas en la base estandar
seran y y en la base B seran y :
0 1 1 3 2 2 1 2
y = = y = =
1 0 3 1 2.5 2 2 1.5
Av = v (6.11)
(A I)v = 0
det(I A) = 0 (6.12)
distinguirlos de los valores y vectores propios por izquierda, que deben satisfacer v t A = vt .
En este texto solo se consideran los primeros, y por tanto se hace referencia a ellos simplemente
como valores y vectores propios.
144
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
1 = 2 2 = 3
Av1 = 1 v1
4 1 v11 v 4v11 + v21 2v11
= 2 11 =
2 1 v21 v21 2v11 + v21 2v21
Se crea entonces un sistema de ecuaciones con infinitas soluciones:
4v11 + v21 = 2v11
2v11 + v21 = 2v21
Av2 = 1 v2
4 1 v12 v12 4v12 + v22 3v12
=3 =
2 1 v22 v22 2v12 + v22 3v22
Se crea entonces un segundo sistema de ecuaciones con infinitas soluciones:
4v12 + v22 = 3v12
2v12 + v22 = 3v22
145
OSCAR G. DUARTE
1,2 = 2 j
o en general
a a
v1 = v2 =
ja ja
= M1 AM (6.13)
146
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
1 1 4 1 1 1 2 0 0
= M1 AM = = = 1
2 1 2 1 2 1 0 3 0 2
cuyos valores propios son (Ejemplo 6.9) 1,2 = 2 j con vectores propios v1 , v2 :
1 1
v1 = v2 =
j j
= M1 AM
j/2 j/2 2 1 1 1 2+j 0 0
= = = 1
j/2 j/2 1 2 j j 0 2j 0 2
147
OSCAR G. DUARTE
di = n (i I A)
1 = 2 = = 3
d1 = 2 (3I A)
3 1 2 2 2
d1 = 2 =2 =21=1
2 35 2 2
Lo anterior significa que aunque tiene multiplicidad 2, solo es posible encontrar
un vector linealmente independiente. Este se obtiene empleando (6.11), y resulta
ser
1 a
v1 = en general v1 =
1 a
No es posible construir una base para el espacio de dimension 2 con un solo
vector, por lo tanto no es posible diagonalizar A
148
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
Construimos (I A):
( 3) 0 1
I A = 1 ( 2) 1
1 0 ( 3)
() = ( 3)2 ( 2) ( 2) = 3 82 + 20 16
d1 = n (I A) d1 = 3 1 = 2
Lo anterior significa que existen dos vectores propios linealmente independientes
asociados a 1 = 2 = 2. Estos dos vectores junto con el vector propio asociado a
3 = 4 pueden formar una base y por tanto es posible diagonalizar A. Para obtener
los tres vectores propios empleamos (6.11):
3 0 1 a a 3 0 1 d d
1 2 1 b = 2 b 1 2 1 e = 4 e
1 0 3 c c 1 0 3 f f
Que se convierten en
a=c d = e = f
Podemos construir dos vectores linealmente independientes v 1 , v2 que satisfacen
a = c y un tercero v3 que satisface d = e = f , por ejemplo
1 1 1
v1 = 0 v2 = 1 v3 = 1
1 1 1
149
OSCAR G. DUARTE
1. Se define la matriz B = A I.
150
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
r
2
1
4. Se calcula i = i i1 , para i = 1, 2, , r.
151
OSCAR G. DUARTE
j 1 0 0
0
j 1 0
.. .. ..
.
Jji = . . 0
..
0 0 0 . 1
0 0 0 j h
ij hij
2
Ejemplo 6.14 Sea A la matriz
3 1 1 1 0 0
1 1
1 1 0 0
0 0 2 0 1 1
A=
0 0
0 2 1 1
0 0 0 0 1 1
0 0 0 0 1 1
Para calcular los valores propios de A hacemos
det (A I) = [(3 )(1 ) + 1]( 2)2 [(1 )2 1] = ( 2)5 = 0
Es decir, A tiene un valor propio 2 de multiplicidad 5 y un valor propio 0 de
multiplicidad 1. Nos proponemos encontrar el diagrama de Matthew de los vectores
propios asociados a 1 = 2.
Para ello definimos B = (A 2I) y calculamos B0 , B1 , B2 , B3 , , sus rangos
y nulidades
B0 = I (A 2I)0 = 6 0 = 6 6 = 0
1 1 1 1 0 0
1 1 1 1 0 0
0 0 0 0 1 1 (A 2I) = 4
B=
0 0 0 0 1 1
1 =64=2
0 0 0 0 1 1
0 0 0 0 1 1
0 0 2 2 0 0
0 0 2 2 0 0
0 0 0 0 0 0 (A 2I)2 = 2
B2 =
0 0 0 0 0
0 2 = 6 2 = 4
0 0 0 0 2 2
0 0 0 0 2 2
0 0 0 0 0 0
0 0 0 0 0 0
3
0 0 0 0 0 0 (A 2I)3 = 1
B =
0 0 0 0 0 0 3 = 6 1 = 5
0 0 0 0 4 4
0 0 0 0 4 4
2 adaptado de [5, pp.: 43]
152
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
3 = 3 2 = 54= 1
2 = 2 1 = 42= 2
1 = 1 0 = 20= 2
153
OSCAR G. DUARTE
Ak = MJk M1 (6.15)
k
Como J es un a matriz diagonal por bloques, el calculo de J puede efectuarse
como sigue:
k
J1 0 0 J1 0 0
0 J2 0 0 Jk2 0
k
J= . .. . . .. J = . .. . . ..
.. . . . .
. . . .
0 0 Jn 0 0 Jkn
154
6.2. ALGUNOS RESULTADOS DE ALGEBRA LINEAL
f () = a0 + a1 + a2 2 + + an n
f (A) = a0 I + a1 A + a2 A2 + + an An
Ejemplo 6.17 Calcular Ak cuando A es una matriz con la forma de los bloques
reales de Jordan para el caso en que los valores propios son imaginarios puros
0 b
A=
b 0
155
OSCAR G. DUARTE
t 2 t2 3 tk 4 tk
et = 1 + + + + + (6.18)
1! 2! 3! 4!
2 t2 4 t4 6 t6 8 t8
cos t = 1 + + + (6.19)
2! 4! 6! 8!
t 3 t3 5 t5 7 t7
sin t = + + (6.20)
1! 3! 5! 7!
Ejemplo 6.18 Sea A una matriz diagonal como la del ejemplo 6.16. Para calcular
eAt podemos emplear (6.18)
At A2 t2 A3 t k A4 t k
eAt = I + + + + +
1! 2! 3! 4!
que de acuerdo con
los resultados del ejemplo 6.16 se calculara asi:
2
1 0 0 1 0 0 1 0 0
0 1 2
0 0 2 0 t2 0 2 0
t
eAt = . . .
.. + .. .. . . .. + .. .. . . .. +
.. .. ... 1! . . . . 2! . . . .
0 0 1 0 0 n 0 0 2n
g1 (t) 0 0
0 g2 (t) 0
eAt
= . .. .. ..
.. . . .
0 0 gn (t)
i t 2i t2 3 t 3
gi (t) = (1 + + + i +)
1! 2! 3!
Cada uno de los terminos de la diagonal, gi (t), corresponde a la expansion en
series de Taylor de una exponencial como las de (6.18), por lo tanto e At sera:
t
e 1 0 0
0 e 2 t 0
At
e = . . . ..
.. .. .. .
n t
0 0 e
Ejemplo 6.19 Sea A una matriz con la forma de los bloques reales de Jordan para
el caso en que los valores propios son imaginarios puros, como la del ejemplo 6.17.
Para calcular eAt podemos emplear (6.18)
At A2 t2 A3 t k A4 t k
eAt = I + + + + +
1! 2! 3! 4!
156
6.3. VARIABLES DE ESTADO
que de acuerdo con los resultados del ejemplo 6.17 se calculara asi:
4 4
At 1 0 t 0 b t2 b2 0 t3 0 b3 t b 0
e = + + + + +
0 1 1! b 0 2! 0 b2 3! b3 0 4! 0 b4
" 2 2 4 4
#
t 3 b3 t 5 b5
At (1 t 2!b + t 2!b + ) ( tb
1! 3! + 5! + )
e = t 3 b3 t 5 b5 2 2 4 4
( tb
1! + 3! 5! + ) (1 t 2!b + t 2!b + )
Cada uno de los terminos de la matriz corresponde a la expansion de Taylor de una
sinusoide como las de (6.19) y (6.20), por lo tanto e At puede calcularse como
At cos(bt) sin(bt)
e =
sin(bt) cos(bt)
Ejemplo 6.20 Sea A una matriz con la forma de los bloques reales de Jordan
a b
A=
b a
De tal manera que eAt = eBt eCt . Empleando los resultados de los ejemplos 6.18 y
6.19 se tiene que
at
Bt e 0 Ct cos(bt) sin(bt)
e = e =
0 eat sin(bt) cos(bt)
y por lo tanto
at at
e 0 cos(bt) sin(bt) e cos(bt) eat sin(bt)
eAt = =
0 eat sin(bt) cos(bt) eat sin(bt) eat cos(bt)
157
OSCAR G. DUARTE
+
u(s) + sx(s) x(s) + y(s)
B 1/s C
+
(
x(k + 1) = Ax(k) + Bu(k)
(6.22)
y(k) = Cx(k) + Du(k)
158
6.3. VARIABLES DE ESTADO
+
u(z) + zx(z) x(z) + y(z)
B 1/z C
+
De acuerdo con la definicion 6.1, las variables de estado seran variables que
muestran como evoluciona el estado del sistema, es decir, seran variables que
contienen la informacion necesaria para predecir la evolucion del comportamien-
to del sistema en forma unica.
Tambien suelen definirse las variables de estado como cualquier conjunto
de variables que describa el comportamiento del sistema, siempre y cuando ese
conjunto sea del menor tamano posible.
159
OSCAR G. DUARTE
R L
+ vR (t) +
+ iL (t)
v(t)
C vC (t)
160
6.3. VARIABLES DE ESTADO
Rf Lf
J, B
+
vs (t)
if (t) (t)
161
OSCAR G. DUARTE
162
6.3. VARIABLES DE ESTADO
163
OSCAR G. DUARTE
a0 a1 an1 1
xn (t) = x1 (t) x2 (t) xn (t) + u(t) (6.32)
an an an an
Las ecuaciones (6.31) y (6.32) se escriben en forma matricial asi:
x1 (t) 0 1 0 0 x1 (t) 0
x2 (t) 0
0 1 0
x2 (t) 0
x3 (t) 0
0 0 0 x3 (t) 0
.. = .. .. .. .. .. .. + .. u(t)
. .
. . . .
. .
xn1 (t) 0 0 0 1 xn1 (t) 0
xn (t) aan0 aan1 aan2 an1
an xn (t) 1
an
x1 (t)
x2 (t)
x3 (t)
y(t) = 1 0 0 0 0 + 0 u(t) ..
.
xn1 (t)
xn (t)
De forma analoga puede obtenerse una representacion en variables de estado
de sistemas discreto de una entrada y una salida a partir de su ecuacion de
diferencias
Supongase un sistema dinamico discreto descrito por la ecuacion de diferen-
cias
an y(k + n) + an1 y(k + n 1) + + a1 y(k + 1) + a0 y(k) = u(k) (6.33)
164
6.4. SISTEMAS CONTINUOS LIBRES
x1 (k) = y(k)
x2 (k) = y(k + 1) = x1 (k + 1)
x3 (k) = y(k + 2) = x2 (k + 1)
.. .. .. (6.34)
. . .
xn1 (k) = y(k + n 2) = xn2 (k + 1)
xn (k) = y(k + n 1) = xn1 (k + 1)
a0 a1 an1 1
xn (k + 1) = x1 (k) x2 (k) xn (k) + u(k) (6.35)
an an an an
x2 (k + 1)
0 0 1 0
x2 (k)
0
x3 (k + 1)
0 0 0 0
x3 (k)
0
.. = .. .. .. .. ..
+ u(k)
.. ..
.
. . . . .
. .
xn1 (k + 1) 0 0 0 1 xn1 (k) 0
xn (k + 1) aan0 aan1 aan2 an1
an xn (k) 1
an
x1 (k)
x2 (k)
x3 (k)
y(k) = 1 0 0 0 0 + 0 u(k) ..
.
xn1 (k)
xn (k)
dx
= ax(t)
dt
cuya solucion es
x(t) = eat x(0) (6.37)
165
OSCAR G. DUARTE
debido a que
d eat
= aeat ea0 x(0) = x(0) (6.38)
dt
Resulta entonces natural preguntarse si al reemplazar el escalar a por la
matriz A, y la variable x por el vector de variables x se mantienen las relaciones
(6.38) y asi encontrar una solucion de (6.36) similar a (6.37).
Es posible demostrar que
d eAt
= AeAt eA0 x(0) = x(0) (6.39)
dt
Para ello, empleamos la expansion en series de Taylor (6.18)
At A2 t2 A3 t 3 A4 t 4
eAt = I + + + + +
1! 2! 3! 4!
de donde se observa que eA0 = I, y por lo tanto x(0)eA0 = x(0). Ademas,
podemos calcular la derivada de eAt :
d eAt d At A2 t2 A3 t 3 A4 t 4
= I+ + + + +
dt dt 1! 2! 3! 4!
d eAt A2 t A3 t 2 A4 t 3 A5 t 4
=0+A+ + + + +
dt 1! 2! 3! 4!
d eAt At A2 t2 A3 t 3 A4 t 4
=A I+ + + + +
dt 1! 2! 3! 4!
d eAt
= AeAt
dt
De esta forma hemos demostrado (6.39), y por lo tanto tambien hemos de-
mostrado que la solucion de (6.36) es
En (6.40) x(0) es el vector que contiene las condiciones iniciales de x(t). Por
otra parte, es posible calcular eAt por diversos metodos, de los cuales destacamos
los siguientes3 :
166
6.4. SISTEMAS CONTINUOS LIBRES
J = M1 AM A = MJM1
L {x} = L {Ax}
167
OSCAR G. DUARTE
168
6.4. SISTEMAS CONTINUOS LIBRES
= M1 AM
1 1 2 0
M= =
2 1 0 3
lo que permite calcular eAt :
eAt = Met M1
2t
At 1 1 e 0 1 1 (e2t + 2e3t ) (e2t + e3t )
e = 3t =
2 1 0 e 2 1 (2e2t 2e3t ) (2e2t e3t )
Tambien podemos obtener este resultado mediante la Transformada de Laplace:
s 4 1 1 (s 1) 1
sI A = (sI A)1 = 2
2 s1 s 5s + 6 2 (s 4)
" #
s1 1 1 2 1 1
+ +
(sI A)1 = (s2)(s3)
2
(s2)(s3)
s4 = (s2) (s3) (s2) (s3)
2 2 2 1
(s2)(s3) (s2)(s3) (s2) + (s3) (s2) + (s3)
At 1
1
(e2t + 2e3t ) (e2t + e3t )
e =L (sI A) =
(2e2t 2e3t ) (2e2t e3t )
por lo tanto la solucion de la ecuacion diferencial sera
At (e2t + 2e3t ) (e2t + e3t ) x10
x(t) = e x(0) =
(2e2t 2e3t ) (2e2t e3t ) x20
x1 (t) (e2t + 2e3t )x10 + (e2t + e3t )x20
x(t) = =
x2 (t) (2e2t 2e3t )x10 + (2e2t e3t )x20
2t
x1 (t) e (x10 x20 ) + e3t (2x10 + x20 )
x(t) = = 2t
x2 (t) e (2x10 + 2x20 ) + e3t (2x10 x20 )
169
OSCAR G. DUARTE
Los valores propios de A son 1,2 = 1 j2, y dos vectores propios asociados
son
j2 j2
v1 = v2 =
1 1
Debido a que los valores propios son complejos, es conveniente encontrar la forma
canonica real de Jordan de A.
JR = M1
R AMR
0 2 1 2
MR = JR =
1 0 2 1
lo que permite calcular eAt :
eAt = MR eJR t M1
R
170
6.4. SISTEMAS CONTINUOS LIBRES
J = M1 AM
2 1 1 1
M= J=
1 0 0 1
de tal manera que se puede calcular eAt :
eAt = MeJt M1
t t
At 1
1
e 2te 4tet
e =L (sI A) =
tet et + 2tet
por lo tanto la solucion de la ecuacion diferencial sera
t
e 2tet 4tet x10
x(t) = eAt x(0) =
tet et + 2tet x20
t
x1 (t) (e 2tet )x10 + 4x20 tet
x(t) = =
x2 (t) x10 tet + (et + 2tet )x20
x (t) (x10 )et + (2x10 + 4x20 )tet
x(t) = 1 =
x2 (t) (x20 )et + (x10 + 2x20 )tet
171
OSCAR G. DUARTE
La figura 6.9 muestra las graficas de x1 (t) vs t, x2 (t) vs t, a partir de las cuales
se ha trazado x1 vs x2 tomando para cada tiempo el valor de x1 ( ) y x2 ( ) y
trasladandolos al plano de fase. La curva resultante es una trayectoria de la ecuacion
diferencial.La flecha roja indica el sentido en el que se recorre la trayectoria cuando
el tiempo avanza.
Se ha repetido el procedimiento para varios juegos de condiciones iniciales, con
el fin de obtener el retrato de fase que se muestra en la figura 6.10. Las condiciones
iniciales seleccionadas han sido:
0 0 2 2
xa (0) = xb (0) = xc (0) = xd (0) =
2 2 1.5 1.5
La figura 6.11 muestra los retratos de fase tpicos de sistemas lineales es-
tables 4 , mientras que la figura 6.12 muestra los retratos de fase tpicos de los
sistemas lineales inestables. Debemos resaltar que la forma de estos retratos
depende de como son los valores propios de la matriz A.
En general, un sistema lineal como (6.45) tendra un retrato de fase semejante
a alguno de los que se muestran en las figuras6.11 y 6.12. No obstante, el retrato
de fase no necesariamente sera identico. La semejanza a la que nos referimos aqui
consiste en una equivalencia de forma (seran topologicamente equivalentes).
4 el centro se considera como un sistema marginalmente estable
172
6.4. SISTEMAS CONTINUOS LIBRES
x1 ( ) (, x1 ( ))
x1 (t)
Plano de Fase
x2
x2 ( ) (x1 ( ), x2 ( ))
x2 (t) x1 ( )x1
x2 ( ) (, x2 ( ))
x2
x1
173
OSCAR G. DUARTE
Reales Negativos 1 0
A=
0 2
Estable
x1 (t) = x10 et
x2 (t) = x20 e2t
Reales Negativos 1 1
A=
Repetidos 0 1
Estable de
multiplicidad 2
x1 (t) = (x10 + tx20 )et
x2 (t) = x20 et
Complejos de Parte 1 2
A=
Real Negativa 2 1
Sifon
x1 (t) = x10 e2t cos t + x20 e2t sin t
x2 (t) = x10 e2t sin t + x20 e2t cos t
0 1
Imaginarios puros A=
1 0
Centro
x1 (t) = x10 cos t + x20 sin t
x2 (t) = x10 sin t + x20 cos t
174
6.4. SISTEMAS CONTINUOS LIBRES
Reales Positivos 1 0
A=
0 2
Inestable
x1 (t) = x10 et
x2 (t) = x20 e2t
Reales Positivos 1 1
A=
Repetidos 0 1
Inestable de
multiplicidad 2
x1 (t) = (x10 + tx20 )et
x2 (t) = x20 et
Complejos de Parte 1 2
A=
Real Positiva 2 1
Fuente
x1 (t) = x10 e2t cos t + x20 e2t sin t
x2 (t) = x10 e2t sin t + x20 e2t cos t
Reales de Signo 1 0
A=
Diferente 0 1
Punto de Silla
x1 (t) = x10 et
x2 (t) = x20 et
175
OSCAR G. DUARTE
Ejemplo 6.29 La figura 6.13 muestra los retratos de fase de varios ejemplos. En
cada caso se ha anotado la matriz A y su formacanonica de Jordan J. Notese la
semejanza de forma con los ejemplos tpicos de las figuras 6.11 y 6.12.
En las figuras 6.11 y 6.12 se observa que el origen del plano de fase juega
un papel importante, atrayendo o repeliendo todas las trayectorias (o siendo el
centro de ellas en el caso especial en el que los valores propios son imaginarios
puros).
El origen del plano de fase es el punto de equilibrio de (6.45), que definimos
a continuacion.
Teorema 6.1 Dada una ecuacion de la forma (6.36), el conjunto de todas las
soluciones forma un espacio vectorial sobre el campo C con las operaciones
usuales.
176
6.4. SISTEMAS CONTINUOS LIBRES
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 . 0 .
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
-1.0 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1.0 -1.0 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1.0
0 1 1 0 0 1 1 0
A= J= A= J=
2 3 0 2 2 3 0 2
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 . 0 .
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
-1.0 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1.0 -1.0 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1.0
0 1 0.5 0.87 0 1 0.5 0.87
A= J= A= J=
1 1 0.87 0.5 1 1 0.87 0.5
1.0 1.0
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 . 0 .
-0.2 -0.2
-0.4 -0.4
-0.6 -0.6
-0.8 -0.8
-1.0 -1.0
-1.0 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1.0 -1.0 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1.0
0 1 j 0 0 1 1 0
A= J= A= J=
1 0 0 j 2 1 0 2
177
OSCAR G. DUARTE
178
6.4. SISTEMAS CONTINUOS LIBRES
179
OSCAR G. DUARTE
1.0
0.8
0.6
0.4
0.2
.
0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1.0
Las dos soluciones que se han obtenido 1 (t) y 2 (t) son linealmente indepen-
dientes, y por lo tanto sirven como base del espacio de estado . Construimos la
matriz fundamental
t
e e2t
(t) = 1 (t) 2 (t) = t
e e2t
Lo que se ha hecho es equivalente a efectuar un cambio de base en el plano
de fase, tomando como nueva base la formada por los vectores propios. El nuevo
retrato de fase se muestra en la figura 6.15
180
6.5. SISTEMAS DISCRETOS LIBRES
1.0
0.8
0.6
0.4
0.2
.
0
0.2
0.4
0.6
0.8
1.0
1.0 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1.0
x(k + 1) = ax(k)
cuya solucion es
x(k) = x(0)ak (6.49)
181
OSCAR G. DUARTE
debido a que
ak+1 = aak x(0)a0 = x(0) (6.50)
Al igual que en el caso continuo, nos preguntamos si al reemplazar el escalar
a por lamatriz A, y la variable x por el vector de variables x se mantienen las
relaciones (6.50) y asi encontrar una solucion de (6.48) similar a (6.49).
Evidentemente
Ak+1 = AAk x(0)A0 = x(0) (6.51)
En consecuencia la solucion de (6.48) es
x(k) = Ak x(0) (6.52)
En (6.52) x(0) es el vector que contiene las condiciones iniciales de x(k). Por
otra parte, es posible calcular Ak por diversos metodos, de los cuales destacamos
los siguientes
Definicion: Podemos emplear la definicion de Ak directamente:
Ak = AAA A k veces (6.53)
Este metodo no es practico, debido a la dificultad de calcular Ak ; sin
embargo, en algunos casos especiales este calculo es sencillo (matrices dia-
gonales)
Forma canonica de Jordan: Si se ha obtenido la Forma canonica de Jordan
de la matriz A, entonces se tienen dos matrices J y M tales que
J = M1 AM A = MJM1
y por lo tanto Ak puede calcularse asi:
Ak = MJk M1 (6.54)
182
6.6. SISTEMAS CONTINUOS EXCITADOS
183
OSCAR G. DUARTE
y(s) = C(sI A)1 x(0) + C(sI A)1 B + D u(s) (6.61)
| {z } | {z }
Rta de entrada cero Rta de estado cero
En (6.61) se observa que la respuesta y(s) tiene dos componentes6 :
Respuesta de estado cero: Es la primera parte de la ecuacion (6.61). De-
pende de las entradas u(s) y no de las condiciones iniciales; de hecho, es
la respuesta que tiene el sistema si las condiciones iniciales son cero, es
decir, si su estado inicial es cero (de all su nombre).
Respuesta de entrada cero: Es la segunda parte de la ecuacion (6.61). De-
pende de las condiciones iniciales y no de las entradas u(s); de hecho, es la
respuesta que tiene el sistema si las entradas son cero (de all su nombre).
184
6.7. SISTEMAS DISCRETOS EXCITADOS
En este caso especial, la entrada uj (s) solo afecta la salida yj (s). Se dice entonces
que el sistema es desacoplado.
y(z) = Cz(zI A)1 x(0) + C(zI A)1 B + D u(z) (6.67)
| {z } | {z }
Rta de entrada cero Rta de estado cero
De forma analoga al caso continuo, (6.67) muestra que la respuesta y(z)
tiene dos componentes7 :
7 Comparese con las definiciones de la pagina 46 para sistemas de una entrada y una salida
185
OSCAR G. DUARTE
186
6.8. INTRODUCCION AL CONTROL POR
VARIABLE DE ESTADO
La ecuacion (6.63) y (6.69) son analogas; sin embargo, es mas facil de analizar
(6.69). Para ello, vamos a expandir la sumatoria:
187
OSCAR G. DUARTE
r + u y
Sistema
+
x
+ y(s)
r(s)+ + sx(s) x(s) +
B 1/s C
u(s)
+ +
188
6.8. INTRODUCCION AL CONTROL POR
VARIABLE DE ESTADO
+ y(z)
r(z)+ + zx(z) x(z) +
B 1/z C
u(z)
+ +
(
x(t) = Ax(t) + B[r(t) + Kx(t)]
y(t) = Cx(t) + D[r(t) + Kx(t)]
(
x(k + 1) = Ax(k) + B[r(k) + Kx(k)]
y(k) = Cx(k) + D[r(k) + Kx(k)]
que pueden reescribirse como
(
x(t) = [A + BK]x(t) + Br(t)
y(t) = [C + DK]x(t) + Dr(t)
(
x(k + 1) = [A + BK]x(k) + Br(k)
y(k) = [C + DK]x(k) + Dr(k)
Se obtienen entonces unos nuevos sistemas para los que las entradas son r,
las salidas son u y las variables de estado son x (ver figura 6.16). Si definimos
A = A + BK y C = C + DK las ecuaciones de estos nuevos sistemas seran
(
x(t) = Ax(t) + Br(t) A = A + BK
(6.72)
y(t) = Cx(t) + Dr(t) C = C + DK
(
x(k + 1) = Ax(k) + Br(k) A = A + BK
(6.73)
y(k) = Cx(k) + Dr(k) C = C + DK
Dado que el comportamiento de los sistemas descritos por (6.72) y (6.73)
dependen de los valores propios de A, se desprende que la estrategia de control
189
OSCAR G. DUARTE
1. Pueden asignarse con total libertad los valores propios de A?, es decir,
dado un conjunto de valores propios deseados, existira siempre una matriz
K que permita asignarle a A dichos valores propios?
6.8.1. Controlabilidad
La nocion de controlabilidad de un sistema esta asociada con la posibilidad
de hacer que sus variables de estado tomen cualquier valor deseado, no importa
cuales sean las condiciones iniciales, en un tiempo finito.
Test de controlabilidad
Para determinar si un sistema como (6.21) o como (6.22) es o no controlable,
con A una matriz n n y B una matriz n p, se construye la matriz de
190
6.8. INTRODUCCION AL CONTROL POR
VARIABLE DE ESTADO
1 1
+
1F
v(t)
1 1
6.8.2. Observabilidad
Al observar la estrategia de control por Realimentacion de Variable de Estado
sugerida en la figura 6.16 surge la cuestion de como medir las variables de estado
x, ya que es posible que estas no tengan sentido fsico, o que no sean medibles.
8 Se supone en esta afirmacion que los valores propios deseados complejos aparecen en
parejas conjugadas.
191
OSCAR G. DUARTE
r + u y
Sistema
+
Observador
x
K
Test de observabilidad
Para determinar si un sistema como (6.21) o como (6.22) es o no observable,
con A una matriz n n y C una matriz q n, se construye la matriz de
192
6.8. INTRODUCCION AL CONTROL POR
VARIABLE DE ESTADO
Ejemplo 6.33 Tomemos nuevamente el circuito de la figura 6.19. Para escribir las
ecuaciones que rigen el sistema, notese que el equivalente Thevenin del circuito visto
por el condensador es una resitencia de valor R, de tal manera que:
d vC
vC = RiC = RC
dt
d 1
vC (t) = vC (t)
dt RC
La ecuacion de salida es trivial:
vx (t) = v(t)
V = [0] S = [0]
193
OSCAR G. DUARTE
194
Captulo 7
Para ello, hacemos inicialmente una distincion entre dos tipos de funciones
no lineales:
No linealidades estaticas: Se trata de sistemas no lineales sin memoria, es
decir, aquellos cuyas salidas y(t) solo dependen de las entradas en ese
mismo instante u(t). La figura 7.1 resume algunas de las no linealidades
estaticas mas frecuentes. Algunos de los elementos que se pueden modelar
con este tipo de no linealidades estaticas son:
Valvulas de apertura gradual.
Transformadores y motores en regiones de saturacion magnetica.
Materiales ferromagneticos en general.
Huelgos en engranajes.
Cilindros hidraulicos y neumaticos con cambio de direccion.
Linealizaciones de elementos electricos y electronicos.
195
OSCAR G. DUARTE
Saturaciones Reles
196
7.1. PERDIDA DE SUPERPOSICICION Y PROPORCIONALIDAD
Ejemplo 7.1 Consideremos un sistema continuo descrito por la ecuacion (7.1) que
no es lineal debido al termino x2
x + x2 = u(t) (7.1)
La figura 7.3 muestra y3 (t), y4 (t), y3 (t) + y4 (t) y y5 (t). Se destaca como la
suma y3 (t) + y4 (t) es diferente de la salida que se obtiene cuando la entrada es
u3 (t) + u4 (t), con lo que se demuestra que el sistema no tiene la propiedad de
superposicion.
197
OSCAR G. DUARTE
3.0
2.5
y2 (t)
2.0
1.5
y1 (t)
1.0
0.5
0.0
0 1 2 3 4 5 6 7 8 9 10
4
y3 (t) + y4 (t)
2 y3 (t) y5 (t)
0
y4 (t)
1
0 1 2 3 4 5 6 7 8 9 10
Figura 7.3: Sistema No Lineal con una entrada escalon y una sinusoide
198
7.2. MULTIPLES PUNTOS DE EQUILIBRIO
Ejemplo 7.2 Tomemos como ejemplo un pendulo simple de barra rgida como el
de la figura 7.4 cuyas ecuaciones dinamicas son
x1 = x2
(7.2)
x2 = a sin(x1 ) bx2
en donde
a = g/l, b = k/m
g es la aceleracion de la gravedad.
199
OSCAR G. DUARTE
l
x1
2.0
1.6
1.2
0.8
0.4
.
0.4
0.8
1.2
1.6
2.0
1 1 3 5 7 9 11
200
7.3. ESTABILIDAD LOCAL
Ejemplo 7.3 Consideremos de nuevo el caso del pendulo simple descrito por (7.2)
y cuyo retrato de fase se muestra en la figura 7.5. Para conocer el comportamiento
del sistema en todos los puntos de equilibrio basta con analizarlo en dos de ellos
(un angulo es igual a un angulo 2n):
0
xa = xb =
0 0
La figura 7.6 muestra una ampliacion del retrato de fase de la figura 7.5 cerca
al punto de equilibrio xa . El retrato de fase resultante es similar al de un sifon de
un sistema lineal, por lo tanto diremos que xa es un punto de equilibrio del tipo
sifon, y por lo tanto estable.
Por otra parte, la figura 7.7 muestra una ampliacion del retrato de fase de la
figura 7.5 cerca al punto de equilibrio xb . El retrato de fase resultante es similar al
de un punto de silla de un sistema lineal, por lo tanto diremos que x b es un punto
de equilibrio del tipo punto de silla, es decir, es inestable.
x1 = x1 + x1 x2
x2 = x 2 x 1 x2 (7.3)
201
OSCAR G. DUARTE
0.7
0.5
0.3
0.1
0.1
0.3
0.5
0.7
4.8 5.2 5.6 6.0 6.4 6.8 7.2 7.6 8.0
Figura 7.6: Retrato de Fase del pendulo simple alrededor de un punto de equilibrio
del tipo sifon
0.7
0.5
0.3
0.1
.
0.1
0.3
0.5
0.7
2.1 2.5 2.9 3.3 3.7 4.1 4.5
Figura 7.7: Retrato de Fase del pendulo simple alrededor de un punto de equilibrio
del tipo punto de silla
202
7.5. CICLOS LIMITE
0 .
1
1 0 1 2 3 4 5
miembros de una especie con los de la otra, que se supone que es proporcional al
producto x1 x2 .
La figura 7.8 muestra el retrato de fase del sistema descrito por (7.3). Se nota
un punto de equilibrio en (1, 1) que es un centro, y otro punto de equilibrio en (0, 0)
que es un punto de silla. Ademas, se destacan infinitas soluciones periodicas que no
tienen forma de elipse ni estan centradas en (0, 0)
x1 = x2
x2 = (1 x21 )x2 x2 (7.4)
203
OSCAR G. DUARTE
0 .
4
3 2 1 0 1 2 3
Figura 7.9: Retrato de Fase del Oscilador de Van der Pol con = 1
La figura 7.9 muestra el retrato de fase del sistema descrito por (7.4) con = 1.
Notese que todas las trayectorias tienden a formar una orbita cerrada (marcada en
rojo); esta orbita corresponde a un ciclo lmite del sistema.
204
7.7. BIFURCACIONES
2.0
1.6
1.2
0.8
0.4
0 .
0.4
0.8
1.2
1.6
2.0
2.0 1.6 1.2 0.8 0.4 0 0.4 0.8 1.2 1.6 2.0
La figura 7.10 muestra el retrato de fase del sistema descrito por (7.5) con
k = 0 (sin amortiguamiento). El sistema tiene tres puntos de equilibrio: en (1, 0)
y en (1, 0) hay unos puntos de equilbrio del tipo centro; en (0, 0) hay un punto
de equilibrio del tipo punto de silla. En este punto hay dos trayectorias especiales
(en rojo): una de ellas inicia en la direccion (1, 1) y despues de dar una vuelta hacia
la derecha regresa al punto (0, 0) desde la direccion (1, 1); la otra inicia en la
direccion (1, 1) y despues de dar una vuelta hacia la izquierda regresa al punto
(0, 0) desde la direccion (1, 1). Estas dos trayectorias son orbitas homoclnicas del
sistema.
7.7. Bifurcaciones
Si las ecuaciones de un sistema dinamico dependen de un parametro, es
logico pensar que el comportamiento de dicho sistema dependa del valor de ese
parametro. Esto es cierto tanto para sistemas lineales como no lineales.
Sin embargo, las variaciones de comportamiento que puede tener un sistema
lineal son menores en comparacion con las que pueden suceder en sistemas no
lineales. Si al variar un parametro el comportamiento del sistema cambia es-
tructuralmente (de forma muy notoria), se dice que el parametro ha tomado un
valor de bifurcacion.
205
OSCAR G. DUARTE
x = ( x2 )x (7.6)
Ejemplo 7.8 Consideremos el sistema discreto de primer orden descrito por la ecua-
cion:
(2 x)/4 x [0, 18/41)
10x 4 x [18/41, 1/2)
x(k + 1) = f (x(k)) f (x) = (7.7)
10x 5 x [1/2, 23/41)
(3 x)/4 x [23/41, 1]
206
7.8. COMPORTAMIENTOS CAOTICOS
1.00
0.75
0.50
0.25
0
0 0.25 0.50 0.75 1.00
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 10 20 30 40 50
207
OSCAR G. DUARTE
208
Apendice A
Demostraciones de las
Transformadas de Laplace y Z
Sean f (t), f1 (t), f2 (t) tres funciones cuyas Transformadas de Laplace son,
respectivamente F (s), F1 (s), F2 (s), y a un escalar (real o complejo). Se cumplen
las siguientes propiedades:
A.1.1. Linealidad:
209
OSCAR G. DUARTE
A.1.2. Diferenciacion:
df (t)
L = sF (s) f (0+ ) (A.4)
dt
n1
dn f (t) X
L = sn F (s) sni1 f (i) (0+ ) (A.5)
dtn i=0
df (t)
L = lm f (t)est f (0+ )es0 + sF (s)
dt t
El valor del lmite no esta determinado, hasta tanto no se conozca f (t). Sin em-
bargo, para todas aquellas funciones que decrezcan, sean constantes, o que crezcan
210
A.1. PROPIEDADES DE LA TRANSFORMADA
DE LAPLACE
mas lentamente que est el valor del lmite sera 0. Este tipo de funciones son las que
empleamos en Analisis de Sistemas Dinamicos, y en consecuencia podemos escribir
df (t)
L = f (0+ ) + sF (s)
dt
Esto concluye la demostracion de (A.4).
Para demostrar (A.5), hacemos notar que para n = 1 se reduce a (A.4), y por
tanto podemos emplear el metodo de induccion para la demostracion: Calculemos
(k+1)
la transformada de ddt(k+1)f empleando (A.4):
(k+1) k k
d f d df df df k
L =L = sL k
dt(k+1) d dtk dtk dt t=0+
" k1
#
d(k+1) f k
X
ki1 (i) + df k
L = s s F (s) s f (0 ) k =
dt(k+1) i=0
dt t=0
" k1
#
d(k+1) f (k+1)
X
(k+1)i1 (i)
L = s F (s) s f (0 ) f (k) (0)
+
dt(k+1) i=0
211
OSCAR G. DUARTE
dF (s)
L {tf (t)} = (A.7)
ds
dn F (s)
L {tn f (t)} = (1)n (A.8)
dsn
Demostracion A.4 Para demostrar (A.7) calculamos la derivada de F (s) respecto
as Z
dF (s) d st
= e f (t)dt
ds ds 0
La derivada se hace respecto a s y la integral respecto a t, por lo tanto la
derivada puede incorporarse dentro de la integral
Z
dF (s) d st
= e f (t) dt
ds 0 ds
Como la derivada es respecto a s, t y f (t) son constantes:
Z Z
dF (s)
= tf (t)est dt = [tf (t)]est dt
ds 0 0
La integral corresponde a la Transformada de Laplace de tf (t), lo que completa
la demostracion de (A.7).
Para demostrar (A.8) resaltamos que cuando n = 1 se convierte en (A.7), y
por tanto podemos emplear el metodo de induccion. Al evaluar (A.8) en n = k se
obtiene
dk F (s)
L tk f (t) = (1)k
dsk
La derivada k + 1 de F (s) respecto a s es
d(k+1) F (s) d dk f
=
ds(k+1) ds dsk
d(k+1) F (s) d 1 k
= L t f (t)
ds(k+1) ds (1)k
Z
d(k+1) F (s) 1 d
st k
= e t f (t) dt
ds(k+1) (1)k ds 0
Como la integral es respecto a t y la derivada respecto a s se tiene
Z
d(k+1) F (s) 1 d st k
= e t f (t) dt
ds(k+1) (1)k 0 ds
Z
d(k+1) F (s) 1 k d st
= k
t f (t) e dt
ds(k+1) (1) 0 ds
212
A.1. PROPIEDADES DE LA TRANSFORMADA
DE LAPLACE
Z
d(k+1) F (s) 1
= t(k+1) f (t)est dt
ds(k+1) (1)(k+1) 0
d(k+1) F (s) n
(k+1)
o
= L t f (t)
ds(k+1)
Esta expresion resulta ser igual a (A.8) evaluada en n = k + 1 con lo que se
completa la demostracion.
213
OSCAR G. DUARTE
Z
df (t)
lm est dt = lm sF (s) f (0+ )
s0 0 dt s0
lm f (t) = lm sF (s)
t s0
A.1.7. Convolucion:
Z Z
L {f1 (t) f2 (t)} = f2 ( ) f1 (t )est dt d
0 0
214
A.2. PROPIEDADES DE LA TRANSFORMADA Z
Ademas, consideramos de f1 (t) vale cero para valores negativos de t, y por tanto
podemos modificar los lmites de la integral, completando asi la demostracion
Z Z
L {f1 (t) f2 (t)} = f1 ()es d f2 ( )es d
0 0
L {f ( )} = esT F (s)
Sean f (k), f1 (k), f2 (k) tres funciones cuyas Transformadas Z son, respec-
tivamente F (z), F1 (z), F2 (z) y a un escalar (real o complejo). Se cumplen las
siguientes propiedades:
215
OSCAR G. DUARTE
A.2.1. Linealidad:
n1
X
Z {f (k + n)} = z n F (z) z ni f (i) (A.17)
i=0
216
A.2. PROPIEDADES DE LA TRANSFORMADA Z
217
OSCAR G. DUARTE
d
Z {kf (k)} = z {F (z)} (A.19)
dz
d n o
Z {k n f (k)} = z Z k (n1) f (k) (A.20)
dz
Demostracion A.12 Para demostrar (A.19) calculamos la derivada de F (z) res-
pecto a z ( )
dF (z) d X k
= z f (k)
dz dz
k=0
dF (z) X
= (k)z k1 f (k)
dz
k=0
Multiplicando por z a cada lado de la ecuacion se tiene
dF (z) X
z = z k kf (k)
dz
k=0
218
A.2. PROPIEDADES DE LA TRANSFORMADA Z
lm F (z) = f (0)
z
j
X
zF (z) zf (0) F (z) = lm [f (k + 1) f (k)] z k
j
k=0
j
X
(z 1)F (z) zf (0) = lm [f (k + 1) f (k)] z k
j
k=0
219
OSCAR G. DUARTE
Como f (0) es independiente de j puede salir del lmite, con lo que se completa
la demostracion
lm (z 1)F (z) f (0) = f (0) + lm f (j + 1)
z1 j
A.2.7. Convolucion:
Si consideramos solo funciones f (k) que valgan cero para valores negativos de k
podemos cambiar los lmites de la sumatoria, con lo que se completa la demostracion
" #" #
X X
k r
Z {f1 (k) f2 (k)} = f1 (k)z f2 (r)z
k=0 r=0
220
A.3. PAREJAS DE TRANSFORMADAS DE LAPLACE
1 1
L {(t)} = 0 ( )= (A.24)
s s
A.3.2. Exponenciales
Sea f2 (t) = eat (t). Para obtener la transformada de Laplace de f2 (t) apli-
camos la propiedad de desplazamiento en la frecuencia (A.6) a la transformada
del escalon (A.24)
at 1 1
L e (t) = L {(t)}sa = = (A.25)
s sa sa
A.3.3. Sinusoides
Seno
Sea f3 (t) = sin (t)(t). Para obtener la transformada de Laplace de f3 (t)
empleamos la Formula de Euler para reescribir la funcion:
ejt ejt
f3 (t) = sin (t)(t) = (t)
2j
Al aplicar la transformada de Laplace a cada lado de la igualdad resulta
jt
e ejt 1 jt
L {sin (t)(t)} = L (t) = L e (t) L ejt (t)
2j 2j
Cada una de las dos transformadas de Laplace pueden obtenerse empleando
A.25:
1 1 1
L {sin (t)(t)} =
2j s j s + j
Al efectuar la suma se obtiene
1 s + j s + j 1 2j
L {sin (t)(t)} = =
2j s2 + 2 2j s2 + 2
L {sin (t)(t)} = (A.26)
s2 + 2
221
OSCAR G. DUARTE
Coseno
Sea f4 (t) = cos t. Para obtener la transformada de Laplace de f4 (t) podria-
mos emplear la formula de Euler; sin embargo, optamos por otra posibilidad:
empleamos la propiedad de diferenciciacion (A.4) y la aplicamos a la transfor-
mada de sin t, (A.26):
1 d
f4 (t) = cos t = sin t
dt
1 d
L {cos (t)(t)} = L sin (t)(t)
dt
1
L {cos (t)(t)} = [sL{sin (t)(t)} sin t|t=0 ]
1
L {cos (t)(t)} = s 2 sin 0
s + 2
s
L {cos (t)(t)} = (A.27)
s2 + 2
222
A.4. PAREJAS DE TRANSFORMADAS Z
223
OSCAR G. DUARTE
1 z
Z {(k)} = = (A.38)
1 z 1 z1
k
z z/a z
Z a (k) = Z {(k)}z/a = = = (A.39)
z 1 z/a z/a 1 za
A.4.3. Sinusoides
Seno
Sea f3 (k) = sin (ak)(k). Para obtener la transformada Z de f3 (k) emplea-
mos la Formula de Euler para reescribir la funcion:
1 ja k
Z {sin (ak)(k)} = Z (e ) (k) Z (eja )k (k)
2j
Cada una de las dos transformadas Z pueden obtenerse empleando A.39:
1 z z
Z {sin (ak)(a)} =
2j z eja z eja
224
A.4. PAREJAS DE TRANSFORMADAS Z
" ja
eja
#
ze 2j
Z {sin (ak)(a)} = eja +eja
z2 2z 2 +1
z sin a
Z {sin (ak)(a)} = (A.40)
z2 2z cos a + 1
Coseno
1 ja k
Z {cos (ak)(k)} = Z (e ) (k) + Z (eja )k (k)
2
Cada una de las dos transformadas Z pueden obtenerse empleando A.39:
1 z z
Z {cos (ak)(a)} = +
2 z eja z eja
" ja
#
+eja
z2 z e 2
Z {cos (ak)(a)} = ja ja
z2 2z e +e2 + 1
z 2 z cos a
Z {cos (ak)(a)} = (A.41)
z 2 2z cos a + 1
225
OSCAR G. DUARTE
z
sin a zb sin a
Z bk sin (ak)(k) = b
= 2 (A.42)
( zb )2 2 zb cos a + 1 z 2b cos a + b2
z 2
k
b zb cos a z 2 zb cos a
Z b cos (ak)(k) = = (A.43)
( zb )2 2 zb cos a + 1 z 2 2b cos a + b2
z
Z {k(k)} = (A.44)
(z 1)2
az
Z {k(t)} = (A.45)
(z a)2
226
A.4. PAREJAS DE TRANSFORMADAS Z
Z {k sin(ak)(k)} =
(z 2 2z cos a + 1) sin a z sin a(2z 2 cos a)
z
(z 2 2z cos a + 1)2
Z {k sin(ak)(k)} =
z 2 sin a 2z cos a sin a + sin a 2z 2 sin a + 2z sin a cos a
z
(z 2 2z cos a + 1)2
z 3 sin a + z sin a
Z {k sin(ak)(k)} = (A.46)
(z 2 2z cos a + 1)2
Para obtener la transformada Z de k n sin(ak)(k) es necesario aplicar en
forma iterativa la propiedad de multiplicacion por el tiempo (A.19).
Coseno
Sea f10 (k) = k sin(ak)(k). Para calcular la transformada Z de f10 (k) apli-
camos la propiedad de multiplicacion por el tiempo (A.19) a la transformada de
coseno (A.41).
d z 2 z cos a
Z {k cos(ak)(k)} = z =
dz z 2 2z cos a + 1
Z {k cos(ak)(k)} =
(z 2 2z cos a + 1)(2z cos)a (z 2 z cos a)(2z 2 cos a)
z
(z 2 2z cos a + 1)2
Z {k cos(ak)(k)} =
3
2z z 2 cos a 4z 2 cos a + 2z cos2 a + 2z cos a
2z 3 + 2z 2 cos a + 2z 2 cos a 2z cos2 a
z
(z 2 2z cos a + 1)2
227
OSCAR G. DUARTE
(z 2 1) cos a + 2z
Z {k cos(ak)(k)} = z
(z 2 2z cos a + 1)2
(z 3 + z) cos a 2z 2
Z {k cos(ak)(k)} = (A.47)
(z 2 2z cos a + 1)2
Para obtener la transformada Z de k n cos(ak)(k) es necesario aplicar en
forma iterativa la propiedad de multiplicacion por el tiempo (A.19).
228
Apendice B
B.1. Definicion
El valor de una funcion de transferencia F (s), para un s especfico, es un
numero complejo cuya amplitud es |F (s)| y cuyo angulo es arg {F (s)}. Los
diagramas de Bode para sistemas continuos muestran como vara la amplitud y
el angulo de ese numero complejo, cuando s toma todos los posibles valores del
eje imaginario positivo (s = j; w (0, )). Especficamente se definen los
siguientes diagramas:
Diagrama de magnitud:
Diagrama de fase:
229
OSCAR G. DUARTE
(s + 10)
F (s) =
(s + 1)(s + 100)
Cada una de las funciones FA (s), FB (s), FC (s) y FD (s) son de la forma que se
muestra en las figuras B.1 y B.2. Pueden trazarse los diagramas de bode aproximados
de estas funciones, y luego sumarlos punto a punto para obtener los diagramas de
F (s)
230
B.2. CONSTRUCCION DE LOS DIAGRAMAS DE BODE
2
K>0
2
K<0
20db/dc 2
s
1
2
2
1 1
s
20db/dc 2
20db/dc 2
s+a
a a>0 a a a 10a
2 10
2 a
a
a>0 a 10 a 10a
s+a
20db/dc 2
20db/dc 2 a
sa
a>0 10 a 10a
a a
2
2
a
a>0 a
sa a a 10a
20db/dc 2 10
231
OSCAR G. DUARTE
2 n
2
n 10 n 10n
s2 +2n s+n
2
n 2
n > 0
40db/dc
2 2
n
s2 +2n s+n
2
n
n n 10n
2 10
n < 0
40db/dc
40db/dc
n 2
s2 +2n s+n
2
2
n n n 10n
2 10
n > 0
40db/dc
n 2 n
n 10n
s2 +2n s+n
2
10
2
n
2
n < 0
232
B.2. CONSTRUCCION DE LOS DIAGRAMAS DE BODE
10
10
20
: = 0.01
: = 0.1
: = 0.3
30
: = 0.5
: = 1.0 w/wn
40
1 0 1
10 10 10
0.01 0.5
0.1 1.0
0.3
233
OSCAR G. DUARTE
30
60
90
120
: = 0.01
: = 0.1
: = 0.3
150
: = 0.5
: = 1.0 w/wn
180
1 0 1
10 10 10
0.01 0.5
0.1 1.0
0.3
Figura B.4: Diagrama de Bode de fase para un sistema continuo de segundo orden
con distintos factores de amortiguamiento
234
Apendice C
Carta de Nichols
G(j)
F (j) = (C.2)
1 + G(j)
Podemos calcular la magnitud y el angulo de F (j), a partir de la parte real
y la parte imaginaria de G(j):
G(j) = X + jY (C.3)
235
OSCAR G. DUARTE
C.1. M -circunferencias
Al elevar al cuadrado la ecuacion (C.5) se tiene
X2 + Y 2 X2 + Y 2
M2 = = (C.8)
(1 + X)2 + Y 2 1 + 2X + X 2 + Y 2
M 2 + 2XM 2 + X 2 M 2 + Y 2 M 2 = X 2 + Y 2
X 2 (1 M 2 ) 2M 2 X M 2 + (1 M 2 )Y 2 = 0
2M 2 M2
X2 + 2
X+ +Y2 =0 (C.9)
(M 1) (M 2 1)
La ecuacion C.9 es una cuadratica, y para analizarla completamos el cua-
drado en X:
2M 2 M4 M4 M2
X2 + X + + Y 2
= =
(M 2 1) (M 2 1)2 (M 2 1)2 (M 2 1)
M 4 M 2 (M 2 1)
(C.10)
(M 2 1)2
2 2
M2 M2 M
X+ +Y2 = = (C.11)
(M 2 1) (M 2 1)2 (M 2 1)
La ecuacion
2
(C.11) corresponde a la de una circunferencia con centro en
(MM2 1) , 0 y radio (MM
2 1) . Estas circunferencias se conocen como las M-
circunferencias.
C.2. N -circunferencias
Empleando (C.6) y la identidad trigonometrica
tan A tan B
tan A B =
1 + tan A tan B
la ecuacion (C.7) se convierte en
236
C.3. CARTA DE NICHOLS
Y Y
X 1+X
N= Y Y
1+ X 1+X
Y
X2 + X + Y 2 =0 (C.12)
N
La ecuacion (C.12) corresponde a una cuadratica y para analizarla comple-
tamos los cuadrados en X y en Y
2 2
1 Y 1 1 1 N2 + 1
X2 + X + +Y2 + = + = (C.13)
4 N 2N 4 2N 4N 2
2 2
1 1 N2 + 1
X+ + Y = (C.14)
2 2N 4N 2
La ecuacion
(C.14) corresponde a la de una circunferencia con centro en
1
21 , 2N 1
y radio 2N N 2 + 1. Estas circunferencias se conocen como las N-
circunferencias.
237
OSCAR G. DUARTE
3.0
Im{G(j)}
2.4
30o
1.8
1.2
60o
0.6 90o
60o
1.2
1.8
30o
2.4
Re{G(j)}
3.0
4.80 3.84 2.88 1.92 0.96 0.00 0.96 1.92 2.88 3.84 4.80
20
|G(j)|en db
16
2db
12 2db
3db
8
3db 5db
4
5db
12
16
30o 60o 90o 90o 60o 30o
20
0 36 72 108 144 180 216 252 288 324 360
arg{G(j)}
:|F (j)|en db :arg{F (j)}
238
Apendice D
G.2 Asociativa: x, y, z (x y) z = x (y z)
G.3 Modulativa: 0 | x x 0 = x
G.5 Conmutativa: x, y x y = y x
239
OSCAR G. DUARTE
240
D.1. ESPACIOS VECTORIALES
V.1 Clausurativa: x, y x + y
V.2 Asociativa: x, y, z (x + y) + z = x + (y + z)
V.3 Modulativa: 0 | x x + 0 = x
V.5 Conmutativa: x, y x + y = y + x
V.6 Clausurativa: x , x
V.7 Asociativa: x , , ( ) x = ( x)
Ejemplo D.4 Uno de los espacios vectoriales mas conocidos, y que servira para
futuros ejemplos en este captulo es el formado por R 2 sobre el campo R con las
operaciones usuales. En general, Cn sobre el campo C con las operaciones usuales
forma un espacio vectorial.
Ejemplo D.5 El conjunto de todos los polinomios sobre el campo R con las ope-
raciones usuales entre polinomios forma un espacio vectorial.
Ejemplo D.6 El conjunto de todas las funciones contnuas a trozos sobre el campo
C con la operacion + definida como la suma punto a punto forma un espacio
vectorial.
241
OSCAR G. DUARTE
Ejemplo D.9 Una lnea recta que cruce por el origen es un subsepacio de (R 2 , R),
ya que: i) la suma de dos vectores que esten sobre una misma recta da otro vector
sobre esa recta y ii) el producto por escalar de un vector da otro vector sobre la
misma recta.
D.1.3. Bases
Definicion D.9 Combinacion lineal
Sea V : (, F) un espacio vectorial. Sean x1 , x2 , , xn cualesquiera vectores y
1 , 2 , , n cualesquiera escalares de F denominados coeficientes. Una combi-
nacion lineal de x1 , x2 , , xn es la operacion
n
X
1 x1 + 2 x2 + + n xn = i xi
i=1
1 x1 + 2 x2 + + n xn = 0 1 = 2 = = n = 0
242
D.1. ESPACIOS VECTORIALES
243
OSCAR G. DUARTE
Teorema D.3 Todo elemento x de un espacio vectorial V tiene unas unicas coor-
denadas en una determinada base B = {b1 , b2 , , bn }
1 b 1 + 2 b2 + + n bn =x
1 b 1 + 2 b2 + + n bn =x
Al restar estas dos expresiones se obtiene
x = 1 b1 + 2 b2 + + n bn
1 b 1 + 2 b 2 + + n b n x = 0
Esta es una combinacion lineal nula con coeficientes no nulos (al menos el coeficiente
de x es 1) y por tanto el conjunto {b1 , b2 , , bn , x} es linealmente dependiente.
Teorema D.5 Todas las bases de un mismo espacio vectorial tienen el mismo nu-
mero de elementos que coincide con la dimension del espacio vectorial.
Demostracion D.5 Por el teorema D.2 sabemos que pueden existir bases de tama-
no igual a la dimension. Segun las definiciones D.11 y D.13 no puede haber bases
con un numero mayor de elementos, debido a que este conjunto sera linealmente
dependiente, por lo tanto solo es necesario probar que no puede haber bases con un
numero de elementos inferior a la dimension del espacio.
Sea V un espacio vectorial de dimension n. Supongamos dos bases B y A:
B = {b1 , b2 , , bn } A = {a1 , a2 , , ar }
244
D.1. ESPACIOS VECTORIALES
Ejemplo D.12 El conjunto formado por los polinomios {1, t, t 2 , t3 } forma una base
del espacio vectorial de los polinomios de orden 3.
Ejemplo D.13 El espacio vectorial de todos los polinomios tiene dimension infinita.
Una base de ese espacio es la formada por los polinomios {1, t, t 2 , t3 , }
245
OSCAR G. DUARTE
= B = B1 (D.6)
Ejemplo D.14 En R2 puede definirse una base con cualquier pareja de vectores
no paralelos. Definamos por ejemplo A = {(1, 0), (0, 1)}, B = {(3, 1), (2, 2)} y
C = {(1, 1)(1, 1)} (vectores rojos en la figura D.1).
Consideremos ahora el vector x en la figura D.1. Sus coordenadas en la base
estandar A seran
1
= 1 =
2 3
Para obtener las coordenadas de x en las bases B y C construimos las matrices
B y C y empleamos (D.6)
3 2 1 1
B= C=
1 2 1 1
1 1/2 1/2 1 1
= = B1 = =
2 1/4 3/4 3 2
1 1/2 1/2 1 1
= = C1 = =
2 1/2 1/2 3 2
Puede verificarse que las coordenadas en las bases B y C satisfacen las relaciones
(D.5)
= B1 C = C1 B
246
D.2. TRANSFORMACIONES LINEALES
1 =1
1 =1
2 =3
2 =2 2 =-2
1 =-1
: base : vector
T :V W y = T (x) x V yW
247
OSCAR G. DUARTE
248
D.2. TRANSFORMACIONES LINEALES
: base : vector
T = C1 BT B1 C
249
OSCAR G. DUARTE
250
D.3. NORMAS DE VECTORES Y MATRICES
251
OSCAR G. DUARTE
k k1 k k2 k k
Ejemplo D.23 La figura D.3 muestra las bolas unitarias para tres funciones de
distancia diferentes, originadas las siguientes normas kxk 1 , kxk2 y kxk definidas
en el Ejemplo D.22, para el espacio vectorial R2 . Como se trata de un espacio de
dimension 2 se emplea el termino circunferencia unitaria en lugar de bola unitaria
Definicion D.21 Angulo entre vectores
Sea V : (, +, , F) un espacio vectorial sobre F, sea P (x1 , x2 ) un producto interno
definido en ese espacio, y k k la norma inducida por P . Se define el angulo entre
los vectores x1 y x2 mediante cos asi:
P (x1 , x2 )
cos =
kx1 k kx2 k
Definicion D.22 Vectores ortogonales
Un conjunto de vectores x1 , x2 , , xk es ortogonal si
(
= 0 si i 6= j
P (xi , xj )
6= 0 si i = j
252
D.3. NORMAS DE VECTORES Y MATRICES
x1
y1 =
kx1 k
x2 P (x2 , y1 )y1
y2 =
kx2 P (x2 , y1 )y1 k
x3 P (x3 , y1 )y1 P (x3 , y2 )y2
y3 =
kx3 P (x3 , y1 )y1 P (x3 , y2 )y2 k
....
..
P
xk j=1 k 1P (xk , yj )yj
yk = P
kxk j=1 k 1P (xk , yj )yj k
Es decir, la norma de una matriz es la norma mas grande que se obtiene al aplicar
la transformacion lineal sobre los elementos de la bola unitaria.
Ejemplo D.24 Sea A la matriz
2 1
A=
0 3
253
OSCAR G. DUARTE
sin , 3 sin ); su distancia al origen r es tal que r 2 = (2 cos + sin )2 + (3 sin )2 , que puede
escribirse como r 2 = 2 sin 2 3 cos 2 + 7. Los puntos crticos corresponden a dr 2 /d = 0,
es decir a = 21 tan1 ( 23 ); el maximo corresponde a = 73.15t exto
254
D.4. SISTEMAS DE ECUACIONES ALGEBRAICAS
A d
255
OSCAR G. DUARTE
y1 = Ax1 y2 = Ax2
256
D.4. SISTEMAS DE ECUACIONES ALGEBRAICAS
dim(V) = n dim(W) = m
V W
R(A)
A
(A) = dim(R(A))
y = x 1 a1 + x 2 a2 + + x n an
257
OSCAR G. DUARTE
}
(A) = 1
Figura D.8: Codominio y Rango del Operador Lineal del ejemplo D.27
}
(A) = 1
Figura D.9: Codominio y Rango del Operador Lineal del ejemplo D.27
258
D.4. SISTEMAS DE ECUACIONES ALGEBRAICAS
dim(V) = n dim(W) = m
V W
N (A) R(A)
A
0
A
(A) = dim(N (A)) (A) = dim(R(A))
259
OSCAR G. DUARTE
a3 = a 1 + a 2 a4 = 2a1 a5 = a 1 a 2 (D.17)
x 1 a1 + x 2 a2 + x 3 a3 + x 4 a4 + x 5 a5 = 0
0 1 1 0 1 0
x1 2 + x2 1 + x3 3 + x4 4 + x5 1 = 0 (D.18)
1 0 1 2 1 0
Empleando (D.17) la ecuacion (D.18) se convierte en
0 1 0
(x1 + x3 + 2x4 + x5 ) 2 + (x2 + x3 x5 ) 1 = 0 (D.19)
1 0 0
260
D.5. VALORES Y VECTORES PROPIOS
caractersticos.
261
OSCAR G. DUARTE
det(I A) = 0 (D.24)
Av Iv = 0 (A I)v = 0
De acuerdo con el teorema D.13 esta ecuacion tiene solucion no trivial (existe un
vector propio v) si y solo si
det(A I) = 0
Como el determinante de una matriz no se afecta al multilpicar esta por un escalar
no nulo, podemos escribir
det(I A) = 0
El teorema D.15 brinda una posibilidad para calcular los valores propios
de A: podemos construir el polinomio caracterstico () = det(I A) y
encontrar sus raices. Cada raiz de () sera un valor propio de A. Los vectores
propios pueden obtenerse directamente de (D.23).
Debido a que los valores propios resultan ser las raices del polinomio carac-
terstico, estos pueden ser reales o complejos, diferentes o repetidos.
1 = 2 2 = 3
Av1 = 1 v1
262
D.5. VALORES Y VECTORES PROPIOS
4 1 v11 v 4v11 + v21 2v11
= 2 11 =
2 1 v21 v21 2v11 + v21 2v21
Se crea entonces un sistema de ecuaciones con infinitas soluciones:
4v11 + v21 = 2v11
2v11 + v21 = 2v21
Para obtener un vector propio asociado a 1 = 2 podemos escoger arbitrariamente
un valor para v11 o para v21 . Por ejemplo, si escogemos v11 = 1 obtenemos v21 =
2. En consecuencia, un vector propio asociado a 1 = 2 sera
1 a
v1 = en general v1 =
2 2a
Los vectores propios asociados a 2 = 3 tambien deben cumplir (D.23):
Av2 = 1 v2
4 1 v12 v 4v12 + v22 3v12
= 3 12 =
2 1 v22 v22 2v12 + v22 3v22
Se crea entonces un segundo sistema de ecuaciones con infinitas soluciones:
4v12 + v22 = 3v12
2v12 + v22 = 3v22
Para obtener un vector propio asociado a 2 = 3 podemos escoger arbitrariamente
un valor para v12 o para v22 . Por ejemplo, si escogemos v12 = 1 obtenemos v22 =
1. En consecuencia, un vector propio asociado a 2 = 3 sera
1 a
v2 = en general v2 =
1 a
Ejemplo D.31 Obtener los valores y vectores propios de la matriz
2 1
A=
1 2
Construimos la matriz B = (I A) y hallamos su determinante:
1 0 2 1 ( 2) 1
B = (I A) = =
0 1 1 2 1 ( 2)
() = det(B) = ( 2)2 + 1 = 2 4 + 5
Los valores propios de A seran las raices de ()
1,2 = 2 j
Al aplicar (D.23) para 1 y 2 se obtienen dos sistemas de ecuaciones con infinitas
soluciones
2v11 + v21 = (2 + j)v11 2v12 + v22 = (2 j)v12
v11 + 2v21 = (2 + j)v21 v12 + 2v22 = (2 j)v22
263
OSCAR G. DUARTE
o en general
a a
v1 = v2 =
ja ja
(i I A)adj(i I A) = 0 (D.27)
Ejemplo D.32 Para obtener los vectores propios del ejemplo D.30 construimos
2 1 1 1 a
adj(1 I A) = adj(2I A) = adj = v1 =
2 1 2 2 2a
1 1 2 1 a
adj(2 I A) = adj(3I A) = adj = v2 =
2 2 2 1 a
264
D.5. VALORES Y VECTORES PROPIOS
1 (1 2 )(1 3 ) (1 r )v1 = 0
Por hipotesis, todos los i son diferentes y v1 es no nulo (es un vector propio), lo
que significa que 1 = 0. Con esta contradiccion se concluye la demostracion.
A = M1 AM
265
OSCAR G. DUARTE
AM = A v1 v2 vn = Av1 Av2 Avn (D.31)
Como Avi = i vi entonces las ecuaciones (D.30) y (D.31) se reducen a MA =
AM o lo que es igual
A = = M1 AM
Ejemplo D.33 La transformacion lineal representada por la matriz
4 1
A=
2 1
cuyos valores propios son (Ejemplo D.30) 1 = 2, 2 = 3 con vectores propios v1
v2 :
1 1
v1 = v2 =
2 1
Tiene una representacion en la base {v1 v2 } por la matriz diagonal
1 1 4 1 1 1 2 0 0
1
= M AM = = = 1
2 1 2 1 2 1 0 3 0 2
Ejemplo D.34 La transformacion lineal representada por la matriz
2 1
A=
1 2
cuyos valores propios son (Ejemplo D.31) 1,2 = 2 j con vectores propios v1 v2 :
1 1
v1 = v2 =
j j
Tiene una representacion en la base {v1 v2 } por la matriz diagonal
= M1 AM =
j/2 j/2 2 1 1 1 2+j 0 0
= = 1
j/2 j/2 1 2 j j 0 2j 0 2
266
D.5. VALORES Y VECTORES PROPIOS
di = n (i I A) (D.32)
Avi = i v (i I A)vi = 0
di = (i I A)
di = n (i I A)
1 = 2 = 1,2 = 3
d1 = 2 (3I A)
267
OSCAR G. DUARTE
31 2 2 2
d1 = 2 =2 =21=1
2 35 2 2
Lo anterior significa que aunque tiene multiplicidad 2, solo es posible encontrar
un vector linealmente independiente. Este se obtiene empleando (D.23), y resulta
ser
1 a
v1 = en general v1 =
1 a
No es posible construir una base para el espacio de dimension 2 con un solo
vector, por lo tanto no es posible diagonalizar A.
() = ( 3)2 ( 2) ( 2) = 3 82 + 20 16
d1 = n (I A) d1 = 3 1 = 2
Lo anterior significa que existen dos vectores propios linealmente independientes
asociados a 1 = 2 = 2. Estos dos vectores junto con el vector propio asociado a
3 = 4 pueden formar una base y por tanto es posible diagonalizar A. Para obtener
los tres vectores propios empleamos (D.23):
3 0 1 a a 3 0 1 d d
1 2 1 b = 2 b 1 2 1 e = 2 e
1 0 3 c c 1 0 3 f f
268
D.5. VALORES Y VECTORES PROPIOS
Que se convierten en
a=c d = e = f
Podemos construir dos vectores linealmente independientes v 1 , v2 que satisfacen
a = c y un tercero v3 que satisface d = e = f , por ejemplo
1 1 1
v1 = 0 v2 = 1 v3 = 1
1 1 1
(A I)k v =0
(D.33)
(A I)k1 v 6= 0
vk = v
vk1 = (A I)v = (A I)vk
vk2 = (A I)2 v = (A I)vk1 (D.34)
.. ..
. .
v1 = (A I)k1 v = (A I)v2
269
OSCAR G. DUARTE
..
.
vi
vi1
..
.
Ni1 Ni Ni+1
Teorema D.23 Los vectores de una cadena de vectores propios generalizados como
los de la definicion D.34 son linealmente independientes.
270
D.5. VALORES Y VECTORES PROPIOS
que tiene un valor propio repetido = 3 Para encontrar los espacios nulos N 1 y N2
construimos las matrices B y B2 :
2 2 0 0
2
B = (A I) = B =
2 2 0 0
v2 = v
v1 = (A I)v2
1 2
v2 = v1 = N1
0 2
Teorema D.24 Sea A una transformacion lineal n n con un unico valor propio
repetido, 1 = 2 = = n = . Sea v un vector propio generalizado de
orden n asociado a . En esas condiciones, se cumple que J = M 1 AM en donde
M es la matriz modal formada por los vectores de la cadena de vectores propios
generalizados creada por v y J es una matriz n n casi-diagonal que tiene a en
la diagonal, 1 encima de la diagonal, y 0 en cualquier otro lugar. Es decir
1 0 0
0
1 0
0 0
0
J = . . .. . . .
.. .. . . ..
0 0 0 1
0 0 0
1
= v1 v2 vn A v1 v2 vn (D.35)
271
OSCAR G. DUARTE
B
0
1 = dim(N1 ) = 1
B2
} 0
2 = dim(N2 ) = 2
Avi+1 = vi + vi+1 i = 1, 2, , n 1
lo que significa que las columnas 2, 3, , n de MJ son iguales a las de AM. Para
demostrar que la primera columna tambien es igual, empleamos el teorema D.22,
segun el cual v1 N1 , es decir
(A I)1 v1 = 0
272
D.5. VALORES Y VECTORES PROPIOS
Nr r
N2 2
N1 { } 1
que tiene un valor propio repetido = 3 y una cadena de vectores propios genera-
lizados (ejemplo D.37):
2 1
v1 = v2 =
2 0
El resultado de calcular M1 AM es
1
2 1 1 2 2 1 3 1
M1 AM = =
2 0 2 5 2 0 0 3
i = n (Bi )
273
OSCAR G. DUARTE
r
2
1
r v1 v2
r1 Bv1 Bv2
.. .. ..
. . .
2 Br1 2 v1 Br2 2 v2 vq1
1 Br1 1 v1 Br1 1 v2 Bvq1 vq
274
D.5. VALORES Y VECTORES PROPIOS
B0 = I (A 2I)0 = 6 0 = 6 6 = 0
1 1 1 1 0 0
1 1 1 1 0 0
0 0 0 0 1 1 (A 2I) = 4
B1 =
0 0
0 0 1 1 1 =64=2
0 0 0 0 1 1
0 0 0 0 1 1
0 0 2 2 0 0
0 0 2 2 0 0
2
0 0 0 0 0 0 (A 2I)2 = 2
B =
0 0
0 0 0 0 2 = 6 2 = 4
0 0 0 0 2 2
0 0 0 0 2 2
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0 (A 2I)3 = 1
B3 =
0 0
0 0 0 0 3 = 6 1 = 5
0 0 0 0 4 4
0 0 0 0 4 4
Puede comprobarse que 4 = 3 = 5 y por tanto no es necesario continuar. Con
la informacion anterior podemos calcular i :
3 = 3 2 = 54= 1
2 = 2 1 = 42= 2
1 = 1 0 = 20= 2
Con esta informacion podemos construir el diagrama de Matthew
3 adaptado de [5, pp.: 43]
275
OSCAR G. DUARTE
v1
Bv1 v2
B2 v 1 Bv2
1. c = 1.
Ejemplo D.41 Para obtener los vectores v1 y v2 del ejemplo D.40 identificamos
q = 2, h1 = 3, h2 = 2, y empleamos el algoritmo siguiendo los siguientes pasos
276
D.5. VALORES Y VECTORES PROPIOS
277
OSCAR G. DUARTE
J11 0 0
0
J12 0
.. .. .. ..
.
. . . 0
0
0 J1q1
J= ..
(D.37)
.
Jm1 0 0
0 Jm2 0
.. .. .. ..
0 . . . .
0 0 Jmqm
j 1 0 0
0
j 1 0
.. .. ..
.
Jji = . . 0 (D.38)
..
0 0 0 . 1
0 0 0 j h
ij hij
M = v11 v12 v1r1 vm1 vm2 vmrm (D.39)
J es conocida como la forma canonica de Jordan de A. La ecuacion D.37
muestra que la matriz J es diagonal por bloques, es decir, esta formada por
bloques organizados en la diagonal. Por fuera de estos bloques solo hay ceros
en la matriz. M es la matriz modal, y esta formada por los vectores propios
generalizados de A. La matriz modal no es unica.
Los bloques Jji que forman J tienen las siguientes propiedades:
Cada valor propio diferente j tendra asociados uno o varios bloques Jji .
El numero de bloques asociados a j sera igual al numero de columnas de
su diagrama de matthew, qj .
Los bloques Jji son cuadrados, y el tamano del bloque (el numero de filas
o de columnas) es igual a la altura de la columna correspondiente en el
diagrama de Matthew, hij .
278
D.6. FORMA CANONICA DE JORDAN
Cada bloque Jji tiene en la diagonal al valor propio j , tiene 1 por encima
de la diagonal, y cero en las restantes casillas.
En el caso sencillo en que ningun valor propio se repita J sera una matriz
diagonal que tendra en la diagonal a los valores propios 1 , 2 , , n .
Ejemplo D.42 Para obtener la forma canonica de Jordan de la matriz A del ejem-
plo D.40, se necesita construir la matriz modal M con todos los vectores propios
generalizados. En el ejemplo D.41 se calcularon los vectores asociados a 1 = 2. En
vector propio asociado a 2 = 0 sera:
0
0
0
v=
0
0.707
0.707
279
OSCAR G. DUARTE
280
D.7. FORMA CANONICA REAL DE JORDAN
Otra alternativa
dado un bloque
a + jb 0
Ji =
0 a jb
existe una matriz N tal que NAN1 es real, con la forma canonica real de
Jordan:
(1 j) (1 + j) a b
N= NAN1 =
(1 + j) (1 j) b a
Una interpretacion
Un bloque real de jordan Jr asociado a un valor propio a + jb puede reescri-
birse de la siguente forma:
a b a 0 0 b
Ji = = + = aI + bL
b a 0 a b 0
En donde pI es la matriz identidad, y L es una matriz que cumple un papel
similar a j = (1), ya que
0 1
J= J2 = I
1 0
De esta manera, un bloque de real de Jordan puede interpretarse como un
numero complejo matricial.
281
OSCAR G. DUARTE
282
D.8. FUNCIONES DE MATRICES CUADRADAS
Ak = MJk M1 (D.42)
k
Como J es una matriz diagonal por bloques, el calculo de J puede efectuarse
como sigue:
k
J1 0 0 J1 0 0
0 J2 0 0 Jk2 0
Jk = .
J= . . . . .. . . .
.. .. . . .. .. . . ..
0 0 Jn 0 0 Jkn
Empleando la definicion (D.41), un polinomio generico
f () = a0 + a1 + a2 2 + + an n
puede calcularse en A como
f (A) = a0 I + a1 A + a2 A2 + + an An
o en funcion de las matrices M y J:
f (A) = a0 MM1 + a1 MJM1 + a2 MJ2 M1 + + an MJn M
f (A) = Mf (J)M1 (D.43)
Ejemplo D.44 Calcular Ak cuando A es una matriz diagonal:
k
1 0 0 1 0 0
0 2 0 0 k2 0
Ak = .
A= . .. . . .. .. . . ..
.. . . . .. . . .
0 0 n 0 0 kn
Ejemplo D.45 Calcular Ak cuando A es una matriz con la forma de los bloques
reales de Jordan para el caso en que los valores propios son imaginarios puros
0 b
A=
b 0
calculamos los primeros terminos A1 , A2 , A3 , A4 , A5 y A6 :
2
1 0 b 2 b 0 3 0 b3
A = A = A = 3
b 0 0 b2 b 0
4
4 b 0 5 0 b5 6 b6 0
A = A = A =
0 b4 b5 0 0 b6
Observando la secuencia se puede inferir que
" #
k
(1) 2 bk 0
k si k es par
0 (1) 2 bk
Ak = " #
k1
2 bk
0 (1)
(1) k+1 si k es impar
2 bk 0
283
OSCAR G. DUARTE
Ejemplo D.46 Calcular Ak cuando A es una matriz con la forma de los bloques
de Jordan; para ilustrar este caso supongamos una matriz de tamano 5 5
1 0 0 0
0 1 0 0
A=
0 0 1 0
0 0 0 1
0 0 0 0
Puede verse que Ak es una matriz triangular superior, en la que los elementos
de la fila i son los mismos elementos de la fila i + 1 pero estan desplazados una
casilla a la derecha.
Los terminos de la diagonal son k . Denotemos por aj un elemento que este
desplazado j casillas de la diagonal en cualquier fila; a j sera
0 si j < k k
aj = k! kj aj = kj
j!(kj)! si j k j
Este resultado se puede generalizar para una matriz n n con la forma de los
bloques de Jordan:
1 0 0
0 1 0
A = ... ... . . . .. ..
. .
0 0 1
0 0 0
284
D.8. FUNCIONES DE MATRICES CUADRADAS
k! k! k!
k 1!(k1)!
k1
2!(k2)!
k2
(n1)!(kn+1)!
kn+1
0 k k! k1 k! kn+2
1!(k1)! (n2)!(kn+2)!
. .. .. ..
Ak = .. (D.44)
.. . . . .
k!
0 0 0 k 1!(k1)!
k1
k
0 0 0 0
En caso de que un exponente k j sea negativo, el termino correspondiente en
D.44 sera 0
t 2 t2 3 tk 4 tk
et = 1 + + + + + (D.46)
1! 2! 3! 4!
2 t2 4 t4 6 t6 8 t8
cos t = 1 + + + (D.47)
2! 4! 6! 8!
t 3 t3 5 t5 7 t7
sin t = + + (D.48)
1! 3! 5! 7!
Ejemplo D.47 Sea A una matriz diagonal como la del ejemplo D.44. Para calcular
eAt podemos emplear (D.46)
At A2 t2 A3 t k A4 t k
eAt = I + + + + +
1! 2! 3! 4!
que de acuerdo con
los resultados del ejemplo D.44 se calculara asi:
2
1 0 0 1 0 0 1 0 0
0 1 2
0 0 2 0 t2 0 2 0
t
eAt = . . .
.. + .. .. . . .. + .. .. . . .. +
.. .. .. . 1! . . . . 2! . . . .
0 0 1 0 0 n 0 0 2n
285
OSCAR G. DUARTE
1 t 21 t2
(1 + 1! + 2! +) 0 0
2 t 22 t2
At
0 (1 + 1! + 2! + ) 0
e =
.. .. .. ..
. . . .
1 t
0 0 (1 + 1! +)
Cada uno de los terminos de la diagonal corresponde a la expansion de en series
de Taylor de una exponencial como las de (D.46), por lo tanto e At sera:
t
e 1 0 0
0 e 2 t 0
eAt = .
. . ..
.. .. .. .
0 0 e n t
Ejemplo D.48 Sea A una matriz con la forma de los bloques reales de Jordan para
el caso en que los valores propios son imaginarios puros, como la del ejemplo D.45.
Para calcular eAt podemos emplear (D.46)
At A2 t2 A3 t k A4 t k
eAt = I + + + + +
1! 2! 3! 4!
que de acuerdo con los resultados del ejemplo D.45 se calculara asi:
2 2 3 4 4
At 1 0 t 0 b t b 0 t 0 b3 t b 0
e = + + + + +
0 1 1! b 0 2! 0 b2 3! b3 0 4! 0 b4
" 2 2 4 4 3 3 5 5
#
At (1 t 2!b + t 2!b + ) ( tb
1! t 3!b + t 5!b + )
e = t 3 b3 t 5 b5 2 2 4 4
( tb
1! + 3! 5! + ) (1 t 2!b + t 2!b + )
Cada uno de los terminos de la matriz corresponde a la expansion de Taylor de una
sinusoide como las de (D.47) y (D.48), por lo tanto eAt puede calcularse como
cos(bt) sin(bt)
eAt =
sin(bt) cos(bt)
Ejemplo D.49 Sea A una matriz con la forma de los bloques de jordan como la
del ejemplo D.46. Para calcular eAt podemos emplear (D.46)
At A2 t2 A3 t k A4 t k
eAt = I + + + + +
1! 2! 3! 4!
que de acuerdo con los resultados del ejemplo D.46 se calculara asi:
2 1
1 0 0 1 0 2! 1
t t k 1!
+ 0 1 + 0 2! +
At 0 1 0
e =
.. .. . . .. 1! .. .. . . .. 2! .. .. .. ..
. . . . . . . . . . . .
P k k P k1 k P k2 k
t t t
k=0 k! k=1 k=2 2!(k2)!
P 1!(k1)!
k k
t P k1
t k
eAt =
0 k=0 k! k=1 1!(k1)!
.. .. .. ..
. . . .
286
D.8. FUNCIONES DE MATRICES CUADRADAS
P P P
k t k t k1 tk1 t2 k2 tk2
k=0 k! 1! k=1 (k1)! 2! k=2 (k2)!
P k tk t
P k1 tk1
eAt =
0 k=0 k! 1! k=1 (k1)!
.. .. .. ..
. . . .
Efectuando el cambio de variable m = k j se tiene
P k k
t t P m t m t2 P m t m
k=0 k! 1! m=0 m=0 (m)!
P k(m)!
tk
2!
t
P m tm
eAt =
0 k=0 k! 1! m=0 (m)!
.. .. .. ..
. . . .
Ejemplo D.50 Sea A una matriz con la forma de los bloques reales de Jordan
a b
A=
b a
De tal manera que eAt = eBt eCt . Empleando los resultados de los ejemplos D.47 y
D.48 se tiene que
at
e 0 cos(bt) sin(bt)
eBt = e Ct
=
0 eat sin(bt) cos(bt)
y por lo tanto
at at
At e 0 cos(bt) sin(bt) e cos(bt) eat sin(bt)
e = =
0 eat sin(bt) cos(bt) eat sin(bt) eat cos(bt)
287
OSCAR G. DUARTE
m
Y
() = ( j )nj (D.50)
j=1
Demostracion D.26 De acuerdo con el teorema D.25, basta con demostrar que
(D.50) es el polinomio mnimo de J, la forma canonica de Jordan de A.
Consideremos primero la matriz Jj con los bloques de Jordan asociados al valor
propio j :
Jj1 0 0
0 Jj2 0
Jj = . . . ..
.. .. .. .
0 0 Jjqj
0 0 1 0 0
0
0 0 0 0
0 0 0 0 0
2
(Jji j I) = . .. .. . . .. ..
.. . . . . .
0 0 0 0 0
0 0 0 0 0 hij hij
288
D.8. FUNCIONES DE MATRICES CUADRADAS
0 0 0 1 0
0
0 0 0 1
0 0 0 0 0
(Jji j I)hij 2
= . .. .. . . .. ..
.. . . . . .
0 0 0 0 0
0 0 0 0 0 hij hij
0 0 0 0 1
0
0 0 0 0
0 0 0 0 0
(Jji j I)hij 1
= . .. .. . . .. ..
.. . . . . .
0 0 0 0 0
0 0 0 0 0 hij hij
(Jji j I)hij = 0
0 0 0 b 0 0 0 b 0 0 0 b
que estan en la forma canonica de Jordan, tienen todas el mismo polinomio carac-
terstico () = ( a)3 ( b). Sin embargo, el polinomio mnimo de cada una
de ellas es diferente, debido a que el ndice de a es diferente:
para A1 es 1 () = ( a)( b)
para A2 es 2 () = ( a)2 ( b)
para A3 es 3 () = ( a)3 ( b)
289
OSCAR G. DUARTE
La definicion D.38 brinda una posibilidad para extender a las matrices cua-
dradas una funcion f () definida para escalares. Es decir, permite calcular f (A)
buscando un polinomio adecuado g y calculando g(A). El procedimiento com-
pleto puede resumirse asi:
Sea f () una funcion, y sea A una matriz n n. Para calcular f (A) deben
seguirse los siguientes pasos
290
D.8. FUNCIONES DE MATRICES CUADRADAS
g() = 0 + 1 + 2 2 + + n1 n1
1. El polinomio caracterstico de A es
= ( 1)2
2. Definimos el polinomio
g() = 0 + 1
4. obtenemos 0 y 1 :
( (
0 + 1 = 1 0 = 49
1 = 50 1 = 50
291
OSCAR G. DUARTE
Ejemplo D.53 Calcular f (A) cuando A es una matriz con la forma de los bloques
de Jordan. Para ilustrar suponemos una matriz de orden 4 4
1 1 0 0
0 1 1 0
0 0 1 1
0 0 0 1
1. El polinomio caracterstico es
() = ( 1 )4
g() = 0 + 1 ( 1 ) + 2 ( 1 )2 + 3 ( 1 )3
3. Obtenemos 4 ecuaciones
f (1 ) = g(1 ) = 0
f (1) (1 ) = g (1) (1 ) = 1!1
f (2) (1 ) = g (2) (1 ) = 2!2
f (3) (1 ) = g (3) (1 ) = 3!3
292
D.8. FUNCIONES DE MATRICES CUADRADAS
0 0 1 0 0 0 0 1
f (2) (1 )
0 0 0 1
+ f (3)
( 1 ) 0
0 0 0
2! 0 0 0 0 3! 0 0 0 0
0 0 0 0 0 0 0 0
f (1) (1 ) f (2) (1 ) f (3) (1)
f (1 ) 1! 2! 3!
f (1) (1 ) f (2) (1 )
f (A) = 0 f (1 )
1! 2!
0 f (1) (1 )
0 f (1 ) 1!
0 0 0 f (1 )
Ejemplo D.54 Calcular f (A) cuando A es una matriz con la forma de los bloques
de Jordan y f () = et .
Empleando (D.51) se obtiene directamente eAt
t t t2 t
et 1! e 2! e
t t t
eAt
0
= e 1! e
(D.52)
.. .. .. ..
. . . .
Notese que las derivadas en (D.51) son respecto a . Vale la pena comparar los
resultados (D.49) y (D.52)
Ejemplo D.55 Calcular f (A) cuando A es una matriz con la forma de los bloques
de Jordan y f () = (s )1 .
Empleando (D.51) se obtiene directamente (sI A)1 :
1 1 1
(s1 ) (s1 )2 (s1 )3
1 1
0
(s1 ) (s1 )2
1
(sI A) = 0
0 1
(D.53)
(s1 )
.. .. .. ..
. . . .
293
OSCAR G. DUARTE
294
Bibliografa
[4] Thomas J. Cavicchi. Digital Signal Processing. John Wiley and Sons, 2000.
[5] Chi-Tsong Chen. Linear System Theory and Design. Oxford Press.
[6] Chi-Tsong Chen. Analog and Digital Control System Design. Saunders
College Pubkishing, 1993.
[9] CloseN. Frederick. The Control Handbook, chapter Graphical Modeles, pa-
ges 8598. CRC Press and IEEE Press, 1996.
[11] G.H. Hostetter, C.J. Savant, y R.T. Stefani. Sistemas de Control. Intera-
mericana, 1987.
[14] William S. Levine. The Control Handbook. CRC Press and IEEE Press,
1996.
[15] Douglas K. Lindner. Introduccion a las senales y los sistemas. Mc. Graw
Hill, 2002.
295
OSCAR G. DUARTE
296
Indice analtico
297
OSCAR G. DUARTE
298
INDICE ANALITICO
299
OSCAR G. DUARTE
300
INDICE ANALITICO
301
OSCAR G. DUARTE
302
INDICE ANALITICO
303
OSCAR G. DUARTE
304