Beruflich Dokumente
Kultur Dokumente
dinámicos lineales
Análisis de sistemas
dinámicos lineales
Oscar G. Duarte V.
Profesor asociado del Departamento de
Ingenierı́a Eléctrica y Electrónica
A quienes trabajan por la
democratización del conocimiento
Contenido
Contenido IX
Lista de figuras XV
Prefacio XXIII
2. Preliminares matemáticos 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. Métodos de solución 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. Utilización de la tabla de parejas de transformadas . . . . 32
ix
OSCAR G. DUARTE
x
CONTENIDO
xi
OSCAR G. DUARTE
xii
CONTENIDO
Bibliografı́a 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
Capı́tulo 1
Introducción al modelamiento de
sistemas
1.1.1. Sistemas
No es fácil encontrar una definición exacta de sistema, quizás porque el tér-
mino es utilizado en muy diversos contextos. En un sentido amplio, podemos
entender por sistema aquello que se va a estudiar. Tal definición 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 demás; esto último lo denominamos el Entorno del
Sistema.
Podemos imaginar sistemas de tipos muy diferentes de acuerdo a qué es lo
que se va a estudiar; si se desea conocer cómo se nutre un determinado animal
estariamos definiendo un sistema biológico, mientras que si lo que se quiere es
conocer la variación de la población en una determinada ciudad a través de los
años definiriamos un sistema sociológico. Pueden plantearse también sistemas
abstractos, como por ejemplo el conjunto de los número enteros o las estrategias
de comunicación lingüı́sticas.
El propósito de este curso no es, por supuesto, abordar cualquier tipo de
sistema, sino que se limita al estudio de un tipo especı́fico de sistemas que suelen
denominarse en el contexto de la fı́sica, la matemática y la ingenierı́a Sistemas
1
OSCAR G. DUARTE
Dinámicos Lineales. Para precisar qué tipo de sistemas son éstos requerimos
primero de la presentación de los conceptos deseñales y modelos.
1.1.2. Señales
Las señales son el medio a través del cual el sistema interactúa con su entorno.
En la figura 1.1 se visualiza esta interacción: El sistema, está representado por
un rectángulo, lo que da a entender que tiene sus fronteras definidas en forma
precisa; este sistema recibe del entorno unas señales de entrada, representadas
por flechas, y entrega a su entorno unas señales de salida, también representadas
por flechas.
En las aplicaciones tı́picas de ingenierı́a, las señales de entrada y salida son
variables (fı́sicas o abstractas) que cambı́an en el tiempo, como por ejemplo,
fuerzas, velocidades, temperaturas, etc.
Cuando un sistema recibe una única señal de entrada y produce una única
señal de salida, se dice que es un sistema SISO (del inglés Single Input Single
Output), mientras que si recibe varias entradas y produce varias salidas, se dice
que es un sistema MIMO (del inglés Multiple Input Multiple Output). También
existen las denominaciones MISO para sistemas de varias entradas y una sóla
salida, y SIMO para el caso con una entrada y varias salidas, éste úlimo poco
frecuente.
1.1.3. Modelos
Para entender un sistema debemos hacer una representación abstracta de él;
tal representación es el modelo del sistema. La figura 1.2 visualiza la diferencia
que existe entre sistema y modelo. El sistema existe, y de él hacemos una o
varias abstracciones para poder comprenderlo. Las representaciones abstractas
pueden ser de muchos tipos (ecuaciones, gráficas, etc.) algunos de los cuales son:
2
1.1. CONCEPTOS PRELIMINARES
Modelo1
Modelo3
3
OSCAR G. DUARTE
Modelamiento Identificación
de Sistemas de Sistemas
@
? R@ ?
Modelos Modelos Modelos
de caja de caja de caja
blanca gris negra
4
1.1. CONCEPTOS PRELIMINARES
Modelos
Matemáticos
? ?
No Causales Causales
? ?
Estáticos Dinámicos
? ?
Determi-
Estocásticos
nı́sticos
? ?
Parámetros Parámetros
Distribuidos Concentrados
? ?
No Lineales Lineales
? ?
Variantes Invariantes
en tiempo en tiempo
? ?
Discretos Continuos
5
OSCAR G. DUARTE
f (αx) = αf (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 única entrada y una única salida,
como el de la figura 1.6, tendrá por modelo una ecuación de diferencias finitas
ordinaria de coeficientes constantes:
8
1.2. SISTEMAS FÍSICOS
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
Eléctrico A Eléctrico B Mecánico Mecánico ro- Hidraúlico Térmico
traslacional tacional (Tanques)
Esfuerzo Corriente Tensión Fuerza Torque Caudal Diferencia de
temperatura
E i e f τ q ∆θ
Flujo Tensión Corriente Velocidad Velocidad Nivel de lı́- Flujo de ca-
angular quido lor
F e i v ω h qc
Resistencia Conduc- Resistencia Amortigua- Amortigua- Resistencia Resistencia
tancia miento miento Hidraúlica térmica
viscoso viscoso
10
rotacional
E = RF i = Ge e = Ri f = Bv τ = Bω q = RH h ∆θ = RT qc
Inductancia Capacitan- Inductancia Masa de Momento de Área de tan-
cia inercia inercia que
E = L dF
dt i = C de
dt
di
e = L dt f = M dvdt τ = J dω
dt q = A dh
dt
Capacitan- Inductancia Capacitan- Resorte Resorte tor- Capacitancia
cia R R cia R R sional térmica
1
E = C F dt i= L edt e = C1 idt f =K vdt τ R = ∆θ R =
KT ωdt CT qc dt
11
OSCAR G. DUARTE
figura 1.9 muestra los dos tipos de uniones existentes, sus sı́mbolos y las
relaciones matemáticas 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
Unión 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
Unión 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 Eléctrico
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 asignación 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 unión: 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 unión: 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 unión: e9 = e10 = e11 f9 = f10 + f11
Enlace 12: e1 2 = mde12 /dt
Circuitos eléctricos
1. Crear una unión tipo 0 por cada nodo del circuito.
2. Para cada elemento del circuito crear una unión tipo 1, adicionarle a esa
unión un enlace que represente al elemento y enlazar la unión con las dos
uniones tipo 0 correspondientes a los nodos entre los que está conectado
el elemento.
3. Asignar las direcciones de potencia a los enlaces.
4. Si hay un nodo de referencia, eliminar la unión tipo 0 correspondiente y
los enlaces adyacentes.
5. Simplificar el grafo.
Sistemas traslacionales
1. Crear una unión tipo 1 para cada velocidad diferente (absolutas y relati-
vas).
2. Para cada fenómeno que genere una fuerza, crear una unión tipo 0, adicio-
narle a esa unión un enlace que represente al fenómeno y enlazar la unión
con las dos uniones tipo 1 correspondientes; considerar las inercias.
20
Capı́tulo 2
Preliminares matemáticos
21
OSCAR G. DUARTE
es decir
f (0), f (1), f (2), f (3), · · · , f (n)
Por ejemplo, al establecer f (0) = 1 como condición adicional para la ecuación
(2.2), la única solución válida 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
función f (x) = ax + b no es una función 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 (λ) = λ2 + 3λ + 2
P (λ) = (λ + 2)(λ + 1)
24
2.1. ECUACIONES DIFERENCIALES Y DE DIFERENCIA
25
OSCAR G. DUARTE
yp (t) = β2 t2 + β1 t + β0
˙
Calculamos ÿp (t), ẏp (t) y f(t):
Remplazamos en la E.D.:
yp (t) = t + 1 (2.11)
26
2.2. TRANSFORMADAS DE LAPLACE Y Z
c1 = 4 c2 = −3
f (t) : R → R
F (s) : C → C
27
OSCAR G. DUARTE
L -
f (t) F (s)
−1
L
R→R C→C
Transformada Z
Dada una función 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 región de convergencia para la transformada de
una determinada función. 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
Z→R C→C
L - Z -
f (t) F (s) f (k) F (z)
−1 −1
L Z
R→R C→C Z→R C→C
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 apéndice 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
superı́ndice 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)
Pn−1 n−i
Pn−1 − i=0 z f (i)
− i=0 sn−i−1 f (i) (0+ )
dn F (s) Z {k n f (k)} =
L {tn f (t)} = (−1)n
dsn
d n (n−1) o
−z Z k f (k)
dz
Teorema de valor inicial: Teorema de valor inicial:
Convolución: Convolución:
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 − τ )f2 (τ )dτ 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: Ubicación de los polos en los planos complejos y funciones en el tiempo
33
OSCAR G. DUARTE
×
× ×
× × ×
× ×
×
×
×
×
× × × × ×
×
×
×
Figura 2.4: Funciones discretas según la ubicación de sus polos en el plano s
34
2.2. TRANSFORMADAS DE LAPLACE Y Z
1 1
La expresión s−3 es de la forma s−a , cuya transformada inversa de Laplace es
at
e . Aplicando linealidad tenemos:
1 1
f (t) = L−1 {F (s)} = L−1 4 = 4L−1 = 4e3t
s−3 s−3
(s − σ)2 + ω 2 = s2 − 2σs + σ 2 + ω 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 raı́ces del polinomio del denominador (pi ), y cuántas 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 será n, el grado del polino-
mio D(s)
3. Escribir la fracción 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 −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
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=−2−j3
10
A31 =
s(s − (−2 + j3)) s=−2−j3
10 10
A31 = = = −0.38 − j0.26
(−2 − j3)(−2 − j3 − (−2 − j3)) (−2 − j3)(−j6)
Las fracciones complejas pueden sumarse (nótese que los numeradores y deno-
minadores de una fracción 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.
También pueden combinarse las dos estrategias. Además, puede emplear-
se el hecho según el cual la suma de las fracciones debidas a polos complejos
conjugados serán 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. SOLUCIÓN 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 aplicación del último paso, suele ser conveniente utilizar la expansión
en fracciones parciales.
z
z 2 Y (z) + z 2 − 2z) + 3 [zY (z) + z] + 2Y (z) = 5
z−1
z −z 3 + 6z
Y (z) z 2 + 3z + 2 = 5 − z2 − z =
z−1 z−1
−z 3 + 6z −z 3 + 6z
Y (z) = 2
=
(z − 1)(z + 3z + 2) (z − 1)(z + 1)(z + 2)
40
2.3. SOLUCIÓN 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) z−1 z+1 z+2
5 −5 2
6z 2 z 3z
Y (z) = + +
z−1 z+1 z+2
La transformada inversa Z se puede obtener ahora en forma directa:
5 −5 2
y(k) = Z −1 {Y (z)} = µ(k) + (−1)k + (−2)k
6 2 3
41
OSCAR G. DUARTE
42
Capı́tulo 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 i−1
!
X X
i i−k−1 (k) +
ai s Y (s) − s y (0 ) =
i=0 k=0
m i−1
!
X X
i i−k−1 (k) +
bi s U (s) − s u (0 )
i=0 k=0
n n i−1
!
X X X
i i−k−1 (k) +
ai s Y (s) − s y (0 ) =
i=0 i=0 k=0
m m i−1
!
X X X
i i−k−1 (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 i−1
! m i−1
!
X X X X
i−k−1 (k) + i−k−1 (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 Pi−1
n i−1 i−k−1 (k) + i−k−1 (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 Pi−1 i−k−1 (k) + Pm Pi−1 i−k−1 (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 i−1
X m
X i−1
X
ai z i Y (z) − z i−j y(j) = bi z i U (z) − z i−j u(j)
i=0 j=0 i=0 j=0
!
n
X n
X i−1
X m
X m
X i−1
X
i i−j i i−j (
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 Xi−1 m
X Xi−1
ai z i Y (z) = bi z i U (z) + z i−k y(j) − z i−k 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 Pi−1
n i−1 i−k−1 (k) + i−k−1 (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 Pi−1 P
m
P
i−1 i−k
i−k
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
sólo son válidas si las condiciones iniciales son nulas. En este caso, es posible
representar gráficamente la relación 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 reducción del bloque en cascada resultante (ver figura 3.7(d))
48
3.4. DIAGRAMAS DE FLUJO DE SEÑAL
Suma de señales
X2 (s)
?
±
X1 (s) +- - X1 (s) ± X2 (s)
Conexión en cascada
- F1 (s) - F2 (s) - - F1 (s)F2 (s) -
Conexión Paralelo
- F1 (s)
?+
k- - F1 (s) + F2 (s) -
- F2 (s) 6+
Retroalimentación
-
+ k - G(s) -
∓
6 - G(s) -
1±G(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 SEÑAL
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 Señales
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 SEÑAL
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 número
k
Ejemplo 3.3 Para el sistema de la figura 3.10 la aplicación de la regla de Mason
es como sigue:
Sólo 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 único camino directo sólo subsiste el lazo
L3 . Por lo tanto resulta:
∆1 = 1 − (G6 H3 )
para el discreto, en esta sección se ha hecho una excepción, debido a que el caso discreto es
notablemente más fácil de presentar que el continuo.
55
OSCAR G. DUARTE
−3 −2 −1 1 2 3
56
3.5. RESPUESTA AL IMPULSO
Z −1
Convolución
Una señal 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.
Además, 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 señal puede escribirse como:
57
OSCAR G. DUARTE
δ(k) h(k)
1 1
F (z)
−1 1 2 3 4 5 −1 1 2 3 4 5
δ(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=−∞
59
OSCAR G. DUARTE
x(k)1
=
−3 −2 −1 1 2 3
..
w−1
+
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: Descomposición de una señal discreta
60
3.5. RESPUESTA AL IMPULSO
d∆ (t)
1/∆
δ(t)
61
OSCAR G. DUARTE
f (t)
1/∆
f (t)d∆ (t)
t t
τ τ +∆ τ τ +∆
L {δ(t)} = 1
Respuesta al impulso
Este hecho pone de manifiesto la relación que existe entre la respuesta al im-
pulso y la función de transferencia (ver figura 3.20):La función de transferencia
es la transformada de Laplace de la respuesta al impulso
62
3.5. RESPUESTA AL IMPULSO
L−1
Convolución
La ecuación 3.5 muestra que una señal cualquiera x(t) puede representarse
como la convolución contı́nua entre x(t) y δ(t) identificada con el operador ∗
(se han intercambiado las variables t y τ , lo que no altera el resultado):
Z ∞
x(t) = x(τ )δ(t − τ )dτ = x(t) ∗ δ(t)
−∞
63
OSCAR G. DUARTE
64
Capı́tulo 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) = L−1 {Y (s)} = µ(t) − e−at µ(t) = (1 − e−at )µ(t)
a a a
1
y(t) = (1 − e−at )µ(t) (4.2)
a
La expresión (4.2) muestra que la respuesta del sistema dependerá del valor
de a. Este hecho se constata en la figura 4.1, que muestra las gráficas de y(t)
para distintos valores de a.
Al cambiar el valor de a tambien cambia el valor del único polo de la función
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 qué lugares debe estar ubicado el polo de la función 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)} = µ(k) − (−a)k µ(k) = (1 − (−a)k )µ(k)
1+a 1+a (1 + a)
1
y(k) = (1 − (−a)k )µ(k) (4.4)
(1 + a)
La expresión (4.4) muestra que la respuesta del sistema dependerá del valor de
a. Este hecho se constata en la figura 4.1, que muestra las gráficas de y(k) para
distintos valores de a.
Al cambiar el valor de a tambien cambia el valor de el único polo de la función
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 será 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 qué lugares debe estar ubicado el polo de la función
de transferencia para que el sistema sea, respectivamente, estable o inestable;
también se muestra en la misma figura cuando la respuesta es alternante o no.
Para medir qué tan rápido decae una respuesta natural en los sistemas esta-
bles podemos definir el tiempo de asentamiento o tiempo de estabilización, 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
−a a
−1 0 1
(| − a|)kas ≤ 0.05
70
4.3. SISTEMAS CONTINUOS DE SEGUNDO ORDEN
Im(s)
×
p
jωn 1 − ξ 2
ωn
φ Re(s)
−ξωn
ωn
×
p
−jωn 1 − ξ2
Figura 4.8: Ubicación de los polos de un sistema continuo de segundo orden, con
polos complejos
71
OSCAR G. DUARTE
y(t)
: ξ = 0.1
2 : ξ = 0.5
: ξ = 0.9
1
t
1 2 3 4 5 6 7 8 9
y(t)
: ωn = 1
2 : ωn = 0.5
: ωn = 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
e−ξωn tas = 0.05 tξωn s = − tas ≈ 3/ξωn
ξωn
Debido a que −ξωn es la parte real de los polos de (4.5) , tal como se muestra
en la figura 4.8, la región de tiempo de asentamiento máximo 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
ξ
0
0 0.2 0.4 0.6 0.8 1.0
1 √−ξπ
ymax = 1 − p e 1−ξ2 sin(π + φ)
1 − ξ2
Dado que sin(π + x) = − sin(x), podemos escribir
1 √−ξπ
ymax = 1 + p e 1−ξ2 sin(φ)
1 − ξ2
√−ξπ
ymax = 1 + e 1−ξ2 = 1 + e−π cot φ
El valor final de y(t) es 1, por lo tanto
√−ξπ
sp = e 1−ξ2 100 % = e−π cot φ 100 %
Las figuras 4.15 y 4.16 muestran cómo varı́a el sobrepico máximo en función de
el factor de amortiguamiento ξ y el ángulo φ, respectivamente. Es interesante
observar que el sobrepico depende del ángulo φ que forman los polos con el
semieje real negativo (figura 4.8), lo que nos permite establecer una región de
sobrepico máximo, 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
φ
0
0 18 36 54 72 90
Im(s)
77
OSCAR G. DUARTE
Im(s)
jw∗
φ 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: Ubicación 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
z−1 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 µ(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 + φ) µ(k) (4.8)
donde
√
1 + b2 − 2b cos a 1 b sin a
C= = φ = tan−1
b sin a sin φ 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
−j
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 región de tiempo de asentamiento máximo es la que se muestra
en la figura 4.23.
82
4.5. EFECTO DE LOS CEROS. SISTEMAS DE FASE MÍNIMA
Im(z)
f rec ≤ a
a
Re(z)
a
− √ aξ
b = e−a cot φ = e 1−ξ2 (4.9)
La ecuación 4.9 permite definir, para el caso discreto, curvas análogas a las
que generan la región de sobrepico máximo de los sistemas continuos (figura
4.17). La figura 4.25 muestra las curvas generadas por la ecuación (4.9) para
distintos valores de ξ.
Por su parte, la figura 4.26) muestra la región definida por (4.9) al fijar un
valor de ξ (o de φ), es decir, al establecer un factor de amortiguamiento. Esta
región no es la región de sobrepico máximo, sino la región de amortiguamiento
mı́nimo. El sobrepico máximo es más difı́cil de obtener debido a que el tiempo
es discreto.
83
OSCAR G. DUARTE
Im(z)
: ξ = 0.1
j
: ξ = 0.5
: ξ = 0.9
Re(z)
−1 1
−j
Im(z)
j
Re(z)
−1 1
−j
84
4.5. EFECTO DE LOS CEROS. SISTEMAS DE FASE MÍNIMA
Im(z)
j
Re(z)
−1 1
−j
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 = ω = 1
(s + a)
F (s) = (4.12)
(s + b)(s + c)
86
4.6. POLOS DOMINANTES
: 0.25e−10t
1 1 : 0.5e−t 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 más rápidamente que el aporte de p3,4 , ya que e−10t y e−15t
decaen más rápidamente que e−t .
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 según (4.13) y una respuesta aproximada y aprox (t)
que se obtendrı́a eliminando de y(t) los aportes de los polos p1 y p2 , es decir:
y(t) = 1 − 0.5e−t cos 2t µ(t)
88
Capı́tulo 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)
Además, 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 fracción de polinomios NG /DG y NH /DH
respectivamente, las expresiones (5.1), (5.2), (5.3) y (5.4) se convierten en:
Función 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)
Función 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)
Función 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)
Función 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) . Según (5.11) el error de
estado estacionario será
(s + 4) 1 (0 + 4) 1
eee = lı́m s =0 =0
s→0 (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 . Según (5.11) el error de estado
estacionario será
(s + 4) 1 (s + 4) (0 + 4) 4
eee = lı́m s = lı́m = =
s→0 (s + 3)(s + 5) s s→0 (s + 3)(s + 5) (0 + 3)(0 + 5) 15
1 La determinación de la estabilidad de los sistemas realimentados continuos se estudia en
la sección 5.2
91
OSCAR G. DUARTE
s(s+4) 1
Ejemplo 5.3 Sea FE (s) = (s+3)(s+5) y U (s) = s3 .
Según (5.11) el error de estado
estacionario será
s(s + 4) 1
eee = lı́m s
s→0 (s + 3)(s + 5) s3
(s + 4) 1 (0 + 4) 1 4
eee = lı́m = = =∞
s→0 (s + 3)(s + 5) s (0 + 3)(0 + 5) 0 0
la sección 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 raı́ces αi son todas negativas, los términos −αi serán todos positivos,
y en general el producto (s−α1 )(s−α2 ) · · · (s−αn ) tendrá todos los coeficientes
positivos. De esta forma, los coeficientes de (5.15) serán todos positivos o todos
negativos, dependiendo del signo de A en (5.16). Por esta razón, si p(s) tiene
coeficientes de signos diferentes o cero, necesariamente al menos un término −α i
debe ser negativo, lo que implicarı́a que tendrı́a al menos una raiz positiva (en
el semiplano derecho).
Ahora supóngase que (5.15) tiene dos raı́ces complejas conjugadas:
El producto de los términos que tienen que ver con las raı́ces complejas es:
94
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
sn an an−2 ··· a1
sn−1 an−1 an−3 ··· a0
sn−2
..
.
s1
s0
..
.
si+2 a1 a2 a3 ···
si+1 b1 b2 b3 ···
si c1 c2 c3 ···
..
.
Cada nueva lı́nea se construye con información de las dos lı́neas inmedia-
tamente anteriores.
Para calcular el término j−ésimo de una lı́nea (cj en la figura 5.4) se
efectúa la operación
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 lı́neas
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 lı́neas del arreglo de routh para (5.20)
Los valores de la lı́nea 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 más columnas en las dos primeras
lı́neas, y por lo tanto el resultado será 0.
Para la lı́nea 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 número de raı́ces de (5.15) en el semiplano derecho es igual al número
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 función 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
60−K
s1 6
s0 6+K
Para que todas las raı́ces estén 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 será
estable, y para cualquier valor menor que −2 será inestable. Justo cuando k = −2
el sistema tendrá estabilidad Marginal.
Ejemplo 5.7 Supóngase que existe un sistema dinámico continuo cuya función 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 +6K−4
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 ε 3
3
s1 2− ε
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) = p̂(s)(s + 1)). El arreglo de Routh lo continuamos remplazando la fila de
ceros por los coeficientes de la derivada de p̂(s):
dp̂(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 Supóngase 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 función de transferencia del sistema realimentado es
K(s + 3)
F (s) = (5.22)
s2 + 4s + (3 + K)
Determinación de la estabilidad
Si nos referimos a la ecuación (5.5), encontramos que la condición para los
polos de F (s) será
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
−2
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 Supóngase 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
−1
−2
−3
0 − j3.316
−4 Real axis
−4 −3 −2 −1 0 1 2
closed−loop 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 ecuación (5.28) establece cuál 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 (simétricas respecto al eje horizontal) que nacen en el semiplano izquierdo
y pasan al semiplano derecho. Esto significa que para valores pequeños de K el
sistema realimentado es estable, pero a partir de algún 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 transición 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)
Según la ecuación (5.30) para 0 ≤ K < 60 el sistema retroalimentado es estable,
y para K > 60 es inestable.
Combinando esta información con la que se obtuvo al analizar el root-locus
complementario puede concluirse que el sistema realimentado es estable si y sólo si
K ∈ (−6, 60)
105
OSCAR G. DUARTE
106
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Podemos calcular los ángulos de esas rectas siguiendo la regla R 6 (figura 5.17(d))
i RL RLC
0 θ0 = 2i+1 o
4−1 180 = 60
o 2i
θ0 = 4−1 180o = 0o
2i+1 2i
1 θ1 = 4−1 180 = 180o
o
θ1 = 4−1 180o = 120o
2 θ2 = 2i+1 o
4−1 180 = 300
o 2i
θ2 = 4−1 180o = 240o
Con esta información podriamos trazar parte de las ramas que van o vienen al
infinito (figura 5.17(e)), pero serı́a necesario emplear otras reglas, o programas de
simulación, 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
Márgenes de estabilidad
Las ecuaciones (5.31) y (5.32) establecen dos condiciones que deben cumplir
los puntos jω 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 márgenes de estabilidad consiste en
suponer que k = 1, y explorar qué margen se tiene cuando se cumple una de
esas condiciones:
109
OSCAR G. DUARTE
1
|Kc |
j ω̂
j ω̄ ω
0o
j ω̄ j ω̂
180o
Para el caso en que K > 0, el margen de fase puede leerse en los diagramas
de bode como 180o − φ, donde φ es el ángulo 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 −φ, donde φ es el ángulo a la frecuencia en la que la ganancia
es de 0db.
Ejemplo 5.12 Supóngase 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). Según (5.31) los
puntos en los cuales puede cambiar la estabilidad del sistema realimentado son
aquellos en los que el ángulo de G(jω)H(jω) es 0o o es ±180o.
Al observar la figura 5.19 notamos que el ángulo de G(jω)H(jω) es −180 o
para una frecuencia de 0.528Hz, es decir para ω = 2π0.528 = 3.316rad/s. En esa
frecuencia el valor de la magnitud de G(jω)H(jω) 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
−180o−180
−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.
También debemos buscar los puntos para los cuales el ángulo de G(jω)H(jω)
es 0o . En la figura 5.19 se observa que el diagrama de fase es asintótico a 0 o , es
decir, que para ω = 0 el ángulo de G(jω)H(jω) es 0o . El diagrama de magnitud
de G(jω)H(jω) es asintótico 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 sólo 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 + Ángulos de los vectores que van de ceros a s0
Pn
− Ángulos 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 cuál habrı́a 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 sólo 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 ecuación (5.38) el ángulo 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
−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 Γ que abarca todo el semiplano derecho, y
que no contiene ningún polo de G(s)H(s). La figura 5.26 muestra la trayectoria
de nyquist Γ para el caso general.
Nótese 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
pequeñas semicircunferencias de radio arbitrariamente pequeño ε
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 través de la tra-
117
OSCAR G. DUARTE
∞
r=
Γ
× ∞
r=
× ε
118
5.2. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS CONTINUOS
Plano s Plano GH
Γ
G(s)H(s)
∞
r=
Criterio de Nyquist
Para el sistema continuo realimentado de la figura 5.1, con K = 1 definamos
la función
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
Número de polos
Número de veces Número de polos de
del sistema reali-
que Υ encierra al = − G(s)H(s) en el se- (5.43)
mentado en el semi-
origen miplano derecho
plano derecho
Criterio de Nyquist
El número 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 ecuación
Número de veces
Número de polos
que el diagrama Número 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 número 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, ecuación (5.44), establece que:
Número 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. Además, en el
diagrama de Nyquist se observa que éste se puede amplificar hasta 60 veces sin que
cambie el número 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 tendrá dos polos en el semiplano derecho, es decir, será
inestable.
Evaluamos ahora la estabilidad para valores negativos de K Remitiéndonos nue-
vamente a la figura 5.29, observamos que podemos amplificar 6 veces el diagrama
sin que cambie el número 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 tendrá un polo en el semiplano derecho, es decir, será inestable.
En resumen, el sistema será 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= z−1
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 raı́ces de F (z) estén dentro del cı́rculo
unitario en el plano z son los mismos valores que hacen que todas las raı́ces de F̂ (r)
estén en el semiplano izquierdo del plano r. Estos últimos 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 an−k b bn−1−k c cn−2−k
bk = 0 c = 0 d = 0 ··· (5.55)
an ak k bn−1 bk k cn−2 ck
124
5.3. ESTABILIDAD Y CRITERIOS DE ESTABILIDAD EN SISTEMAS DISCRETOS
p(z) = 1 + 2z + 3z 2 + 4z 3 + 5z 5 (5.56)
Las primeras dos lı́neas del arreglo de Jury para p(z) se muestran en la figura
5.33. Sólo es necesario construir 5 lı́neas, porque n = 4 y 2n − 3 = 5.
La tercera lı́nea 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 lı́neas su muestra en la figura 5.34.La quinta
lı́nea 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 lı́neas
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 lı́neas
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 raı́ces en el interior del cı́rculo unitario del plano z son:
Nótese que este criterio se reduce a unas condiciones muy simples para el
caso de polinomios de segundo orden (n = 2):
Ejemplo 5.17 Supóngase 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 raı́ces en el cı́rculo 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 ω̄ ej ω̂ |Kc |
ω
0o
j ω̂
ej ω̄ e
180o
Figura 5.37: Relación 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
∞
1
133
OSCAR G. DUARTE
×1 ∞
Para que el sistema realimentado sea estable debe tener cero polos por
fuera del cı́rculo 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
−2
−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
Capı́tulo 6
Representación en variables de
estado
6.1. Introducción
En los capı́tulos anteriores se han presentado distintas estrategias para mo-
delar el comportamiento de sistemas dinámicos 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)
.. Dinámico ..
. .
up (t) yq (t)
u1 (k) y1 (k)
u2 (k) Sistema y2 (k)
.. Dinámico ..
. .
up (k) yq (k)
Vale la pena aclarar que si bien las ecuaciones que se emplean son de primer
orden, éstas operan sobre vectores. Refiriéndonos a las figuras 6.1 y 6.2, si se
trata de un sistema continuo serán:
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. INTRODUCCIÓN
sistema, es decir:
u1 y1 x1
u2 y2 x2
u= . y=. x= . (6.3)
.. .. ..
up p×1
yq q×1
xn n×1
139
OSCAR G. DUARTE
Ejemplo 6.1 Uno de los espacios vectoriales más conocidos, y que servirá para
futuros ejemplos en este capı́tulo 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 operación + definida como la suma punto a punto forma un espacio
vectorial.
140
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
Ejemplo 6.4 El conjunto de todas las matrices de tamaño fijo m×n sobre el campo
C con las operaciones usuales entre matrices forma un espacio vectorial.
x = α 1 b1 + α 2 b2 + · · · + α n bn
141
OSCAR G. DUARTE
α = Bβ β = B−1 α (6.9)
Tβ = B−1 Tα B (6.10)
en donde B = [b1 b2 · · · bn ]
142
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
α1 =1
γ1 =1
α2 =3
β2 =2 γ2 =-2
β1 =-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
estándar A serán
α 1
α= 1 =
α2 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
β1 −1 1/2 −1/2 1 −1
β= =B α= =
β2 −1/4 3/4 3 2
γ −1/2 1/2 1 1
γ = 1 = C−1 α = =
γ2 −1/2 −1/2 3 −2
Puede verificarse que las coordenadas en las bases B y C satisfacen las relaciones
(6.8)
β = B−1 Cγ γ = C−1 Bβ
143
OSCAR G. DUARTE
1/2 −1/2 0 1 3 2 2 2
Tβ = =
−1/4 3/4 −1 0 1 2 −2.5 −2
Supóngase ahora el vector x, cuyas coordenadas en la base estándar son α x =
(1, 3) y en la base B son βx = (−1, 2) (ejemplo 6.6). Al efectuar la rotación de 90 o
en sentido horario se obtendrá un vector y cuyas coordenadas en la base estándar
serán αy y en la base B serán βy :
0 1 1 3 2 2 −1 2
αy = = αy = =
−1 0 3 −1 −2.5 −2 2 −1.5
Av = λv (6.11)
(A − λI)v = 0
det(λI − A) = 0 (6.12)
distinguirlos de los valores y vectores propios por izquierda, que deben satisfacer v t A = λvt .
En este texto sólo se consideran los primeros, y por tanto se hace referencia a ellos simplemente
como valores y vectores propios.
144
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
λ1 = 2 λ2 = 3
Av1 = λ1 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 = λ1 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
λ1,2 = 2 ± j
o en general
a a
v1 = v2 =
ja −ja
Λ = M−1 AM (6.13)
146
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
−1 −1 4 1 1 1 2 0 λ 0
Λ = M−1 AM = = = 1
2 1 −2 1 −2 −1 0 3 0 λ2
cuyos valores propios son (Ejemplo 6.9) λ1,2 = 2 ± j con vectores propios v1 , v2 :
1 1
v1 = v2 =
j −j
Λ = M−1 AM
j/2 −j/2 2 1 1 1 2+j 0 λ 0
Λ= = = 1
j/2 j/2 −1 2 j −j 0 2−j 0 λ2
147
OSCAR G. DUARTE
di = n − ρ(λi I − A)
λ1 = λ 2 = λ = 3
d1 = 2 − ρ(3I − A)
3 − 1 −2 2 −2
d1 = 2 − ρ =2−ρ =2−1=1
2 3−5 2 −2
Lo anterior significa que aunque λ tiene multiplicidad 2, sólo 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 dimensión 2 con un sólo
vector, por lo tanto no es posible diagonalizar A
148
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
d1 = n − ρ(λI − A) d1 = 3 − 1 = 2
Lo anterior significa que existen dos vectores propios linealmente independientes
asociados a λ1 = λ2 = 2. Estos dos vectores junto con el vector propio asociado a
λ3 = 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
¿De qué tamaño es cada uno de los bloques de Jordan asociados a cada
valor propio no repetido de la matriz A?
150
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
ν̂r × ×
··· ··· ···
ν̂2 × ··· ×
ν̂1 × ··· × ×
151
OSCAR G. DUARTE
λj 1 0 ··· 0
0
λj 1 ··· 0
.. .. ..
.
Jji = . . ··· 0
..
0 0 0 . 1
0 0 0 · · · λj 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 − λI) = [(3 − λ)(1 − λ) + 1](λ − 2)2 [(1 − λ)2 − 1] = (λ − 2)5 λ = 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 λ1 = 2.
Para ello definimos B = (A − 2I) y calculamos B0 , B1 , B2 , B3 , · · · , sus rangos
y nulidades
B0 = I ρ(A − 2I)0 = 6 ν0 = 6 − 6 = 0
1 −1 1 1 0 0
1 −1 −1 −1 0 0
0 0 0 0 1 1 ρ(A − 2I) = 4
B=
0 0 0 0 −1 −1
ν 1 =6−4=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 ρ(A − 2I)2 = 2
B2 =
0 0 0 0 0
0 ν2 = 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 ρ(A − 2I)3 = 1
B =
0 0 0 0 0 0 ν3 = 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 ÁLGEBRA LINEAL
ν̂3 = ν3 − ν2 = 5−4= 1
ν̂2 = ν2 − ν1 = 4−2= 2
ν̂1 = ν1 − ν0 = 2−0= 2
×
× ×
× ×
153
OSCAR G. DUARTE
154
6.2. ALGUNOS RESULTADOS DE ÁLGEBRA LINEAL
f (σ) = a0 + a1 σ + a2 σ 2 + · · · + an σ 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
σt σ 2 t2 σ 3 tk σ 4 tk
eσt = 1 + + + + +··· (6.18)
1! 2! 3! 4!
σ 2 t2 σ 4 t4 σ 6 t6 σ 8 t8
cos σt = 1 − + − + +··· (6.19)
2! 4! 6! 8!
σt σ 3 t3 σ 5 t5 σ 7 t7
sin σt = − + − +··· (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 calculará asi:
2
1 0 ··· 0 λ1 0 · · · 0 λ1 0 · · · 0
0 1 · · · 2
0 0 λ 2 · · · 0 t2 0 λ 2 · · · 0
t
eAt = . . .
.. + .. .. . . .. + .. .. . . .. + · · ·
.. .. ... 1! . . . . 2! . . . .
0 0 ··· 1 0 0 · · · λn 0 0 · · · λ2n
g1 (t) 0 ··· 0
0 g2 (t) · · · 0
eAt
= . .. .. ..
.. . . .
0 0 · · · gn (t)
λi t λ2i t2 λ3 t 3
gi (t) = (1 + + + i +···)
1! 2! 3!
Cada uno de los términos de la diagonal, gi (t), corresponde a la expansión en
series de Taylor de una exponencial como las de (6.18), por lo tanto e At será:
λt
e 1 0 ··· 0
0 e λ2 t · · · 0
At
e = . . . ..
.. .. .. .
λn 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 calculará 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 términos de la matriz corresponde a la expansión 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 definición 6.1, las variables de estado serán variables que
muestran cómo evoluciona el estado del sistema, es decir, serán variables que
contienen la información necesaria para predecir la evolución del comportamien-
to del sistema en forma única.
También 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 tamaño 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) ω(t)
161
OSCAR G. DUARTE
162
6.3. VARIABLES DE ESTADO
163
OSCAR G. DUARTE
a0 a1 an−1 1
ẋn (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:
ẋ1 (t) 0 1 0 ··· 0 x1 (t) 0
ẋ2 (t) 0
0 1 ··· 0
x2 (t) 0
ẋ3 (t) 0
0 0 ··· 0 x3 (t) 0
.. = .. .. .. .. .. .. + .. u(t)
. .
. . . .
. .
ẋn−1 (t) 0 0 0 ··· 1 xn−1 (t) 0
ẋn (t) − aan0 − aan1 − aan2 · · · − an−1
an xn (t) 1
an
x1 (t)
x2 (t)
x3 (t)
y(t) = 1 0 0 · · · 0 0 + 0 u(t) ..
.
xn−1 (t)
xn (t)
De forma análoga puede obtenerse una representación en variables de estado
de sistemas discreto de una entrada y una salida a partir de su ecuación de
diferencias
Supóngase un sistema dinámico discreto descrito por la ecuación de diferen-
cias
an y(k + n) + an−1 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)
. . .
xn−1 (k) = y(k + n − 2) = xn−2 (k + 1)
xn (k) = y(k + n − 1) = xn−1 (k + 1)
a0 a1 an−1 1
xn (k + 1) = − x1 (k) − x2 (k) − · · · − xn (k) + u(k) (6.35)
an an an an
dx
= ax(t)
dt
cuya solución 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 solución 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 expansión 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). Además,
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 también hemos de-
mostrado que la solución 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 métodos, de los cuales destacamos
los siguientes3 :
166
6.4. SISTEMAS CONTINUOS LIBRES
J = M−1 AM A = MJM−1
L {ẋ} = L {Ax}
167
OSCAR G. DUARTE
168
6.4. SISTEMAS CONTINUOS LIBRES
Λ = M−1 AM
1 1 2 0
M= Λ=
−2 −1 0 3
lo que permite calcular eAt :
169
OSCAR G. DUARTE
Los valores propios de A son λ1,2 = −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
canónica real de Jordan de A.
JR = M−1
R AMR
0 −2 −1 2
MR = JR =
1 0 −2 −1
lo que permite calcular eAt :
170
6.4. SISTEMAS CONTINUOS LIBRES
J = M−1 AM
−2 1 −1 1
M= J=
−1 0 0 −1
de tal manera que se puede calcular eAt :
−t −t
At −1
−1
e − 2te 4te−t
e =L (sI − A) =
−te−t e−t + 2te−t
por lo tanto la solución de la ecuación diferencial será
−t
e − 2te−t 4te−t x10
x(t) = eAt x(0) =
−te−t e−t + 2te−t x20
−t
x1 (t) (e − 2te−t )x10 + 4x20 te−t
x(t) = =
x2 (t) −x10 te−t + (e−t + 2te−t )x20
x (t) (x10 )e−t + (−2x10 + 4x20 )te−t
x(t) = 1 =
x2 (t) (x20 )e−t + (−x10 + 2x20 )te−t
171
OSCAR G. DUARTE
La figura 6.9 muestra las gráficas de x1 (t) vs t, x2 (t) vs t, a partir de las cuales
se ha trazado x1 vs x2 tomando para cada tiempo τ el valor de x1 (τ ) y x2 (τ ) y
trasladándolos al plano de fase. La curva resultante es una trayectoria de la ecuación
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 tı́picos de sistemas lineales es-
tables 4 , mientras que la figura 6.12 muestra los retratos de fase tı́picos de los
sistemas lineales inestables. Debemos resaltar que la forma de estos retratos
depende de cómo son los valores propios de la matriz A.
En general, un sistema lineal como (6.45) tendrá 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 será idéntico. La semejanza a la que nos referimos aqui
consiste en una equivalencia de forma (serán topológicamente equivalentes).
4 el centro se considera como un sistema marginalmente estable
172
6.4. SISTEMAS CONTINUOS LIBRES
x1 (τ ) (τ, x1 (τ ))
x1 (t)
Plano de Fase
x2
x2 (τ ) (x1 (τ ), x2 (τ ))
x2 (t) x1 (τ )x1
x2 (τ ) (τ, x2 (τ ))
τ t
x2
x1
173
OSCAR G. DUARTE
Reales Negativos −1 0
A=
0 −2
Estable
x1 (t) = x10 e−t
x2 (t) = x20 e−2t
Reales Negativos −1 1
A=
Repetidos 0 −1
Estable de
multiplicidad 2
x1 (t) = (x10 + tx20 )e−t
x2 (t) = x20 e−t
Complejos de Parte −1 2
A=
Real Negativa −2 −1
Sifón
x1 (t) = x10 e−2t cos t + x20 e−2t sin t
x2 (t) = −x10 e−2t sin t + x20 e−2t 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 e−t
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. Nótese la
semejanza de forma con los ejemplos tı́picos 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 continuación.
Teorema 6.1 Dada una ecuación de la forma (6.36), el conjunto de todas las
soluciones forma un espacio vectorial Σ 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
Es decir, se encuentra que x1 (t) = −x2 (t) lo que corresponde a otra recta en el
plano de fase. Además, la dinámica del sistema sólo depende de términos e −2t , es
decir, sólo depende del valor propio λ2 al cual está asociado v2 . Al seleccionar como
condición inicial un punto del segundo vector propio, toda la dinámica del sistema
depende exclusivamente del segundo valor propio.
Hay otra forma de comprender estos resultado: Supóngase que en algún instante
(por ejemplo en t = 0) el vector de estado x es un vector propio del primer valor
propio λ1 ; su derivada podrá calcularse como ẋ = Ax, pero como es un vector
propio, entonces ẋ = Ax = λ1 x. En otras palabras, la derivada será un vector con
la misma dirección de x y por lo tanto el sistema evolucionará en esa dirección, que
es justamente la del vector propio.
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 ψ1 (t) y ψ2 (t) son linealmente indepen-
dientes, y por lo tanto sirven como base del espacio de estado Σ. Construimos la
matriz fundamental
−t
e e−2t
Ψ(t) = ψ1 (t) ψ2 (t) = −t
e −e−2t
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 solución 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 solución de (6.48) similar a (6.49).
Evidentemente
Ak+1 = AAk x(0)A0 = x(0) (6.51)
En consecuencia la solución 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 métodos, de los cuales destacamos
los siguientes
Definición: Podemos emplear la definición de Ak directamente:
Ak = AAA · · · A k veces (6.53)
Este método no es práctico, debido a la dificultad de calcular Ak ; sin
embargo, en algunos casos especiales este cálculo es sencillo (matrices dia-
gonales)
Forma canónica de Jordan: Si se ha obtenido la Forma canónica de Jordan
de la matriz A, entonces se tienen dos matrices J y M tales que
J = M−1 AM A = MJM−1
y por lo tanto Ak puede calcularse asi:
Ak = MJk M−1 (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 ecuación (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 allı́ su nombre).
Respuesta de entrada cero: Es la segunda parte de la ecuación (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 allı́ su nombre).
184
6.7. SISTEMAS DISCRETOS EXCITADOS
En este caso especial, la entrada uj (s) sólo 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 análoga al caso continuo, (6.67) muestra que la respuesta y(z)
tiene dos componentes7 :
7 Compárese con las definiciones de la página 46 para sistemas de una entrada y una salida
185
OSCAR G. DUARTE
186
6.8. INTRODUCCIÓN AL CONTROL POR
VARIABLE DE ESTADO
La ecuación (6.63) y (6.69) son análogas; sin embargo, es más fácil 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. INTRODUCCIÓN AL CONTROL POR
VARIABLE DE ESTADO
+ y(z)
r(z)+ + zx(z) x(z) +
B 1/z C
u(z)
+ +
(
ẋ(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
(
ẋ(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
Ā = A + BK y C̄ = C + DK las ecuaciones de estos nuevos sistemas serán
(
ẋ(t) = Āx(t) + Br(t) Ā = A + BK
(6.72)
y(t) = C̄x(t) + Dr(t) C̄ = C + DK
(
x(k + 1) = Āx(k) + Br(k) Ā = A + BK
(6.73)
y(k) = C̄x(k) + Dr(k) C̄ = C + DK
Dado que el comportamiento de los sistemas descritos por (6.72) y (6.73)
dependen de los valores propios de Ā, se desprende que la estrategia de control
189
OSCAR G. DUARTE
1. ¿Pueden asignarse con total libertad los valores propios de Ā?, es decir,
dado un conjunto de valores propios deseados, ¿existirá siempre una matriz
K que permita asignarle a Ā dichos valores propios?
6.8.1. Controlabilidad
La noción de controlabilidad de un sistema está 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.
La definición 6.3 no brinda por sı́ sóla un mecanismo fácil para determinar
si un sistema es controlable o no. No obstante, podemos aplicar un test de
controlabilidad para determinar si un sistema dinámico lineal invariante en el
tiempo es o no controlable.
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. INTRODUCCIÓN AL CONTROL POR
VARIABLE DE ESTADO
1Ω 1Ω
+
1F
v(t) −
1Ω 1Ω
6.8.2. Observabilidad
Al observar la estrategia de control por Realimentación de Variable de Estado
sugerida en la figura 6.16 surge la cuestión de cómo medir las variables de estado
x, ya que es posible que estas no tengan sentido fı́sico, o que no sean medibles.
8 Se supone en esta afirmación que los valores propios deseados complejos aparecen en
parejas conjugadas.
191
OSCAR G. DUARTE
r + u y
Sistema
+
Observador
x̂
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. INTRODUCCIÓN 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, nótese que el equivalente Thévenin 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 ecuación de salida es trivial:
vx (t) = v(t)
V = [0] S = [0]
193
OSCAR G. DUARTE
194
Capı́tulo 7
Para ello, hacemos inicialmente una distinción entre dos tipos de funciones
no lineales:
No linealidades estáticas: Se trata de sistemas no lineales sin memoria, es
decir, aquellos cuyas salidas y(t) sólo dependen de las entradas en ese
mismo instante u(t). La figura 7.1 resume algunas de las no linealidades
estáticas más frecuentes. Algunos de los elementos que se pueden modelar
con este tipo de no linealidades estáticas son:
Válvulas de apertura gradual.
Transformadores y motores en regiones de saturación magnética.
Materiales ferromagnéticos en general.
Huelgos en engranajes.
Cilindros hidraúlicos y neumáticos con cambio de dirección.
Linealizaciones de elementos eléctricos y electrónicos.
195
OSCAR G. DUARTE
Saturaciones Relés
196
7.1. PÉRDIDA DE SUPERPOSICICIÓN Y PROPORCIONALIDAD
Ejemplo 7.1 Consideremos un sistema continuo descrito por la ecuación (7.1) que
no es lineal debido al término x2
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
superposición.
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 escalón y una sinusoide
198
7.2. MÚLTIPLES PUNTOS DE EQUILIBRIO
Ejemplo 7.2 Tomemos como ejemplo un péndulo simple de barra rı́gida como el
de la figura 7.4 cuyas ecuaciones dinámicas son
ẋ1 = x2
(7.2)
ẋ2 = −a sin(x1 ) − bx2
en donde
a = g/l, b = k/m
g es la aceleración de la gravedad.
Para que ẋ1 y ẋ2 sean cero en (7.2) se necesita que x2 = 0 y sin(x1 ) = 0, es
decir que los puntos de equilibrio son:
0 ±π ±2π ±3π
, , , ,···
0 0 0 0
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 Considéremos de nuevo el caso del péndulo 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 ángulo θ es igual a un ángulo θ ± 2nπ):
0 π
xa = xb =
0 0
La figura 7.6 muestra una ampliación 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 sifón de
un sistema lineal, por lo tanto diremos que xa es un punto de equilibrio del tipo
sifón, y por lo tanto estable.
Por otra parte, la figura 7.7 muestra una ampliación 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.
ẋ1 = −x1 + x1 x2
ẋ2 = 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 péndulo simple alrededor de un punto de equilibrio
del tipo sifón
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 péndulo simple alrededor de un punto de equilibrio
del tipo punto de silla
202
7.5. CICLOS LÍMITE
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. Además, se destacan infinitas soluciones periódicas que no
tienen forma de elipse ni están centradas en (0, 0)
ẋ1 = x2
ẋ2 = µ(1 − x21 )x2 − x2 (7.4)
203
OSCAR G. DUARTE
0 .
−1
−2
−3
−4
−3 −2 −1 0 1 2 3
Figura 7.9: Retrato de Fase del Oscilador de Van der Pol con µ = 1
La figura 7.9 muestra el retrato de fase del sistema descrito por (7.4) con µ = 1.
Nótese que todas las trayectorias tienden a formar una órbita cerrada (marcada en
rojo); está órbita corresponde a un ciclo lı́mite 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 dirección (1, 1) y despues de dar una vuelta hacia
la derecha regresa al punto (0, 0) desde la dirección (1, −1); la otra inicia en la
dirección (−1, −1) y despues de dar una vuelta hacia la izquierda regresa al punto
(0, 0) desde la dirección (−1, 1). Estas dos trayectorias son órbitas homoclı́nicas del
sistema.
7.7. Bifurcaciones
Si las ecuaciones de un sistema dinámico dependen de un parámetro, es
lógico pensar que el comportamiento de dicho sistema dependa del valor de ese
parámetro. 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 comparación con las que pueden suceder en sistemas no
lineales. Si al variar un parámetro el comportamiento del sistema cambia es-
tructuralmente (de forma muy notoria), se dice que el parámetro ha tomado un
valor de bifurcación.
205
OSCAR G. DUARTE
ẋ = (α − x2 )x (7.6)
Ejemplo 7.8 Consideremos el sistema discreto de primer orden descrito por la ecua-
ción:
(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 CAÓTICOS
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
Apéndice 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. Diferenciación:
df (t)
L = sF (s) − f (0+ ) (A.4)
dt
n−1
dn f (t) X
L = sn F (s) − sn−i−1 f (i) (0+ ) (A.5)
dtn i=0
df (t)
L = lı́m f (t)e−st − f (0+ )e−s0 + sF (s)
dt t→∞
El valor del lı́mite no está 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
más lentamente que est el valor del lı́mite será 0. Este tipo de funciones son las que
empleamos en Análisis de Sistemas Dinámicos, y en consecuencia podemos escribir
df (t)
L = −f (0+ ) + sF (s)
dt
Esto concluye la demostración de (A.4).
Para demostrar (A.5), hacemos notar que para n = 1 se reduce a (A.4), y por
tanto podemos emplear el método de inducción para la demostración: 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+
" k−1
#
d(k+1) f k
X
k−i−1 (i) + df k
L = s s F (s) − s f (0 ) − k =
dt(k+1) i=0
dt t=0
" k−1
#
d(k+1) f (k+1)
X
(k+1)−i−1 (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
Demostración 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)e−st dt = − [tf (t)]e−st dt
ds 0 0
La integral corresponde a la Transformada de Laplace de tf (t), lo que completa
la demostración de (A.7).
Para demostrar (A.8) resaltamos que cuando n = 1 se convierte en (A.7), y
por tanto podemos emplear el método de inducción. 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)e−st 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 expresión resulta ser igual a (A.8) evaluada en n = k + 1 con lo que se
completa la demostración.
213
OSCAR G. DUARTE
Z ∞
df (t)
lı́m e−st dt = lı́m sF (s) − f (0+ )
s→0 0 dt s→0
A.1.7. Convolución:
Z ∞ Z ∞
L {f1 (t) ∗ f2 (t)} = f2 (τ ) f1 (t − τ )e−st dt dτ
0 0
214
A.2. PROPIEDADES DE LA TRANSFORMADA Z
Además, consideramos de f1 (t) vale cero para valores negativos de t, y por tanto
podemos modificar los lı́mites de la integral, completando asi la demostración
Z ∞ Z ∞
L {f1 (t) ∗ f2 (t)} = f1 (ξ)e−sξ dξ f2 (τ )e−sτ dτ
0 0
L {f (τ )} = e−sT 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:
n−1
X
Z {f (k + n)} = z n F (z) − z n−i 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 (n−1) f (k) (A.20)
dz
Demostración 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 −k−1 f (k)
dz
k=0
Multiplicando por z a cada lado de la ecuación se tiene
∞
dF (z) X
z =− z −k kf (k)
dz
k=0
218
A.2. PROPIEDADES DE LA TRANSFORMADA Z
j
X
zF (z) − zf (0) − F (z) = lı́m [f (k + 1) − f (k)] z −k
j→∞
k=0
j
X
(z − 1)F (z) − zf (0) = lı́m [f (k + 1) − f (k)] z −k
j→∞
k=0
219
OSCAR G. DUARTE
Como f (0) es independiente de j puede salir del lı́mite, con lo que se completa
la demostración
lı́m (z − 1)F (z) − f (0) = −f (0) + lı́m f (j + 1)
z→1 j→∞
A.2.7. Convolución:
Si consideramos sólo funciones f (k) que valgan cero para valores negativos de k
podemos cambiar los lı́mites de la sumatoria, con lo que se completa la demostración
"∞ #" ∞ #
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 {µ(t)} = 0 − ( )= (A.24)
−s s
A.3.2. Exponenciales
Sea f2 (t) = eat µ(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 escalón (A.24)
at 1 1
L e µ(t) = L {µ(t)}s−a = = (A.25)
s s−a s−a
A.3.3. Sinusoides
Seno
Sea f3 (t) = sin (ωt)µ(t). Para obtener la transformada de Laplace de f3 (t)
empleamos la Fórmula de Euler para reescribir la función:
ejωt − e−jωt
f3 (t) = sin (ωt)µ(t) = µ(t)
2j
Al aplicar la transformada de Laplace a cada lado de la igualdad resulta
jωt
e − e−jωt 1 jωt
L {sin (ωt)µ(t)} = L µ(t) = L e µ(t) − L e−jωt µ(t)
2j 2j
Cada una de las dos transformadas de Laplace pueden obtenerse empleando
A.25:
1 1 1
L {sin (ωt)µ(t)} = −
2j s − jω s + jω
Al efectuar la suma se obtiene
1 s + jω − s + jω 1 2jω
L {sin (ωt)µ(t)} = =
2j s2 + ω 2 2j s2 + ω 2
ω
L {sin (ωt)µ(t)} = (A.26)
s2 + ω 2
221
OSCAR G. DUARTE
Coseno
Sea f4 (t) = cos ωt. Para obtener la transformada de Laplace de f4 (t) podria-
mos emplear la fórmula de Euler; sin embargo, optamos por otra posibilidad:
empleamos la propiedad de diferenciciación (A.4) y la aplicamos a la transfor-
mada de sin ωt, (A.26):
1 d
f4 (t) = cos ωt = sin ωt
ω dt
1 d
L {cos (ωt)µ(t)} = L sin (ωt)µ(t)
ω dt
1
L {cos (ωt)µ(t)} = [sL{sin (ωt)µ(t)} − sin ωt|t=0 ]
ω
1 ω
L {cos (ωt)µ(t)} = s 2 − sin ω0
ω s + ω2
s
L {cos (ωt)µ(t)} = (A.27)
s2 + ω 2
222
A.4. PAREJAS DE TRANSFORMADAS Z
223
OSCAR G. DUARTE
1 z
Z {µ(k)} = = (A.38)
1 − z −1 z−1
k
z z/a z
Z a µ(k) = Z {µ(k)}z/a = = = (A.39)
z − 1 z/a z/a − 1 z−a
A.4.3. Sinusoides
Seno
Sea f3 (k) = sin (ak)µ(k). Para obtener la transformada Z de f3 (k) emplea-
mos la Fórmula de Euler para reescribir la función:
1 ja k
Z {sin (ak)µ(k)} = Z (e ) µ(k) − Z (e−ja )k µ(k)
2j
Cada una de las dos transformadas Z pueden obtenerse empleando A.39:
1 z z
Z {sin (ak)µ(a)} = −
2j z − eja z − e−ja
224
A.4. PAREJAS DE TRANSFORMADAS Z
" ja
−e−ja
#
ze 2j
Z {sin (ak)µ(a)} = eja +e−ja
z2 − 2z 2 +1
z sin a
Z {sin (ak)µ(a)} = (A.40)
z2 − 2z cos a + 1
Coseno
1 ja k
Z {cos (ak)µ(k)} = Z (e ) µ(k) + Z (e−ja )k µ(k)
2
Cada una de las dos transformadas Z pueden obtenerse empleando A.39:
1 z z
Z {cos (ak)µ(a)} = +
2 z − eja z − e−ja
" ja
#
+e−ja
z2 − z e 2
Z {cos (ak)µ(a)} = ja −ja
z2 − 2z e +e2 + 1
z 2 − z cos a
Z {cos (ak)µ(a)} = (A.41)
z 2 − 2z cos a + 1
225
OSCAR G. DUARTE
z
sin a zb sin a
Z bk sin (ak)µ(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)µ(k) = = (A.43)
( zb )2 − 2 zb cos a + 1 z 2 − 2b cos a + b2
z
Z {kµ(k)} = (A.44)
(z − 1)2
az
Z {kµ(t)} = (A.45)
(z − a)2
226
A.4. PAREJAS DE TRANSFORMADAS Z
Z {k sin(ak)µ(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)µ(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)µ(k)} = (A.46)
(z 2 − 2z cos a + 1)2
Para obtener la transformada Z de k n sin(ak)µ(k) es necesario aplicar en
forma iterativa la propiedad de multiplicación por el tiempo (A.19).
Coseno
Sea f10 (k) = k sin(ak)µ(k). Para calcular la transformada Z de f10 (k) apli-
camos la propiedad de multiplicación por el tiempo (A.19) a la transformada de
coseno (A.41).
d z 2 − z cos a
Z {k cos(ak)µ(k)} = −z =
dz z 2 − 2z cos a + 1
Z {k cos(ak)µ(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)µ(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)µ(k)} = −z
(z 2 − 2z cos a + 1)2
(z 3 + z) cos a − 2z 2
Z {k cos(ak)µ(k)} = (A.47)
(z 2 − 2z cos a + 1)2
Para obtener la transformada Z de k n cos(ak)µ(k) es necesario aplicar en
forma iterativa la propiedad de multiplicación por el tiempo (A.19).
228
Apéndice B
B.1. Definición
El valor de una función de transferencia F (s), para un s especı́fico, es un
número complejo cuya amplitud es |F (s)| y cuyo ángulo es arg {F (s)}. Los
diagramas de Bode para sistemas continuos muestran cómo varı́a la amplitud y
el ángulo de ese número complejo, cuando s toma todos los posibles valores del
eje imaginario positivo (s = jω; w ∈ (0, ∞)). Especı́ficamente 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. CONSTRUCCIÓN DE LOS DIAGRAMAS DE BODE
π
2
K>0
− π2
π
K<0
−π
π
20db/dc 2
s
1
− π2
π
2
1 1
s
−20db/dc − π2
π
20db/dc 2
s+a
a a>0 a a a 10a
− π2 10
π
2 a
a
a>0 a 10 a 10a
s+a
−20db/dc − π2
π
20db/dc 2 a
s−a
a>0 10 a 10a
−a a
− π2
π
2
−a
a>0 a
s−a a a 10a
−20db/dc − π2 10
231
OSCAR G. DUARTE
π
π
2 ωn
2
ωn 10 ωn 10ωn
s2 +2ξωn s+ωn
2
ωn − π2
ξωn > 0 −π
−40db/dc
π
π
2 2
ωn
s2 +2ξωn s+ωn
2
ωn
ωn ωn 10ωn
− π2 10
ξωn < 0 −π
−40db/dc
40db/dc
π
π
ωn 2
s2 +2ξωn s+ωn
2
2
ωn ωn ωn 10ωn
− π2 10
ξωn > 0 −π
40db/dc
π
π
ωn 2 ωn
ωn 10ωn
s2 +2ξωn s+ωn
2
10
2
ωn
− π2
ξωn < 0 −π
232
B.2. CONSTRUCCIÓN DE LOS DIAGRAMAS DE BODE
10
−10
−20
:ξ = 0.01
:ξ = 0.1
:ξ = 0.3
−30
:ξ = 0.5
:ξ = 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
:ξ = 0.01
:ξ = 0.1
:ξ = 0.3
−150
:ξ = 0.5
:ξ = 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
Apéndice C
Carta de Nichols
G(jω)
F (jω) = (C.2)
1 + G(jω)
Podemos calcular la magnitud y el ángulo de F (jω), a partir de la parte real
y la parte imaginaria de G(jω):
G(jω) = X + jY (C.3)
235
OSCAR G. DUARTE
C.1. M -circunferencias
Al elevar al cuadrado la ecuación (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 ecuación C.9 es una cuadrática, 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 ecuación
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 trigonométrica
tan A − tan B
tan A − B =
1 + tan A tan B
la ecuación (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 ecuación (C.12) corresponde a una cuadrática 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 ecuación
(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(jω)}
2.4
30o
1.8
1.2
60o
−0.6 −90o
−60o
−1.2
−1.8
−30o
−2.4
Re{G(jω)}
−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(jω)|en db
16
2db
12 −2db
3db
8
−3db 5db
4
−5db
−4
−8
−12
−16
30o 60o 90o −90o −60o −30o
−20
0 36 72 108 144 180 216 252 288 324 360
arg{G(jω)}
:|F (jω)|en db :arg{F (jω)}
238
Apéndice D
G.2 Asociativa: ∀ x, y, z ∈ Γ (x ⊕ y) ⊕ z = x ⊕ (y ⊕ z)
G.3 Modulativa: ∃ 0 ∈ Γ | ∀x ∈ Γ x ⊕ 0 = x
G.5 Conmutativa: ∀ x, y ∈ Γ x ⊕ y = y ⊕ x
239
OSCAR G. DUARTE
240
D.1. ESPACIOS VECTORIALES
V.1 Clausurativa: ∀ x, y ∈ Γ x + y ∈ Γ
V.2 Asociativa: ∀ x, y, z ∈ Γ (x + y) + z = x + (y + z)
V.3 Modulativa: ∃ 0 ∈ Γ | ∀x ∈ Γ x + 0 = x
V.5 Conmutativa: ∀ x, y ∈ Γ x + y = y + x
V.6 Clausurativa: ∀ x ∈ Γ, ∀ α ∈ Φ α · x ∈ Γ
V.7 Asociativa: ∀ x ∈ Γ, ∀ α, β ∈ Φ (α ⊗ β) · x = α · (β · x)
Ejemplo D.4 Uno de los espacios vectoriales más conocidos, y que servirá para
futuros ejemplos en este capı́tulo 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 contı́nuas a trozos sobre el campo
C con la operación + definida como la suma punto a punto forma un espacio
vectorial.
241
OSCAR G. DUARTE
Ejemplo D.9 Una lı́nea recta que cruce por el origen es un subsepacio de (R 2 , R),
ya que: i) la suma de dos vectores que estén 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
Definición D.9 Combinación lineal
Sea V : (Γ, F) un espacio vectorial. Sean x1 , x2 , · · · , xn cualesquiera vectores y
α1 , α2 , · · · , αn cualesquiera escalares de F denominados coeficientes. Una combi-
nación lineal de x1 , x2 , · · · , xn es la operación
n
X
α 1 x1 + α 2 x2 + · · · + α n xn = α i xi
i=1
α 1 x1 + α 2 x2 + · · · + α n xn = 0 ⇒ α 1 = α2 = · · · = α n = 0
242
D.1. ESPACIOS VECTORIALES
243
OSCAR G. DUARTE
Teorema D.3 Todo elemento x de un espacio vectorial V tiene unas únicas coor-
denadas en una determinada base B = {b1 , b2 , · · · , bn }
α1 b 1 + α 2 b2 + · · · + α n bn =x
β1 b 1 + β 2 b2 + · · · + β n bn =x
Al restar estas dos expresiones se obtiene
x = α 1 b1 + α 2 b2 + · · · + α n bn
α1 b 1 + α 2 b 2 + · · · + α n b n − x = 0
Esta es una combinación 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 nú-
mero de elementos que coincide con la dimensión del espacio vectorial.
Demostración D.5 Por el teorema D.2 sabemos que pueden existir bases de tama-
ño igual a la dimensión. Según las definiciones D.11 y D.13 no puede haber bases
con un número mayor de elementos, debido a que este conjunto serı́a linealmente
dependiente, por lo tanto sólo es necesario probar que no puede haber bases con un
número de elementos inferior a la dimensión del espacio.
Sea V un espacio vectorial de dimensión 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 dimensión infinita.
Una base de ese espacio es la formada por los polinomios {1, t, t 2 , t3 , · · · }
245
OSCAR G. DUARTE
α = Bβ β = B−1 α (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
estándar A serán
α 1
α= 1 =
α2 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
β1 1/2 −1/2 1 −1
β= = B−1 α = =
β2 −1/4 3/4 3 2
γ1 −1/2 1/2 1 1
γ= = C−1 α = =
γ2 −1/2 −1/2 3 −2
Puede verificarse que las coordenadas en las bases B y C satisfacen las relaciones
(D.5)
β = B−1 Cγ γ = C−1 Bβ
246
D.2. TRANSFORMACIONES LINEALES
α1 =1
γ1 =1
α2 =3
β2 =2 γ2 =-2
β1 =-1
: base : vector
T :V →W y = T (x) x ∈ V y∈W
247
OSCAR G. DUARTE
248
D.2. TRANSFORMACIONES LINEALES
: base : vector
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
dimensión 2 se emplea el término circunferencia unitaria en lugar de bola unitaria
Definición D.21 Ángulo entre vectores
Sea V : (Γ, +, ·, 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 ángulo θ entre
los vectores x1 y x2 mediante cos θ asi:
P (x1 , x2 )
cos θ =
kx1 k kx2 k
Definición 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 más grande que se obtiene al aplicar
la transformación 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 φ, 3 sin φ); su distancia al origen r es tal que r 2 = (2 cos φ + sin φ)2 + (3 sin φ)2 , que puede
escribirse como r 2 = 2 sin 2φ − 3 cos 2φ + 7. Los puntos crı́ticos corresponden a dr 2 /dφ = 0,
es decir a φ = 21 tan−1 (− 23 ); el máximo corresponde a φ = 73.15t exto
254
D.4. SISTEMAS DE ECUACIONES ALGEBRÁICAS
A d
255
OSCAR G. DUARTE
y1 = Ax1 y2 = Ax2
256
D.4. SISTEMAS DE ECUACIONES ALGEBRÁICAS
dim(V) = n dim(W) = m
V W
R(A)
A
ρ(A) = dim(R(A))
y = x 1 a1 + x 2 a2 + · · · + x n an
257
OSCAR G. DUARTE
}
ρ(A) = 1
Figura D.8: Codominio y Rango del Operador Lineal del ejemplo D.27
}
ρ(A) = 1
Figura D.9: Codominio y Rango del Operador Lineal del ejemplo D.27
258
D.4. SISTEMAS DE ECUACIONES ALGEBRÁICAS
dim(V) = n dim(W) = m
V W
N (A) R(A)
A
0
A
ν(A) = dim(N (A)) ρ(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 ecuación (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
caracterı́sticos.
261
OSCAR G. DUARTE
det(λI − A) = 0 (D.24)
Av − λIv = 0 (A − λI)v = 0
De acuerdo con el teorema D.13 esta ecuación tiene solución no trivial (existe un
vector propio v) si y sólo si
det(A − λI) = 0
Como el determinante de una matriz no se afecta al multilpicar ésta por un escalar
no nulo, podemos escribir
det(λI − A) = 0
El teorema D.15 brinda una posibilidad para calcular los valores propios
de A: podemos construir el polinomio caracterı́stico ∆(λ) = det(λI − A) y
encontrar sus raices. Cada raiz de ∆(λ) será 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-
terı́stico, éstos pueden ser reales o complejos, diferentes o repetidos.
λ1 = 2 λ2 = 3
Av1 = λ1 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 λ1 = 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 λ1 = 2 será
1 a
v1 = en general v1 =
−2 −2a
Los vectores propios asociados a λ2 = 3 también deben cumplir (D.23):
Av2 = λ1 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 λ2 = 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 λ2 = 3 será
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 = (λI − A) y hallamos su determinante:
1 0 2 1 (λ − 2) −1
B = (λI − A) = λ − =
0 1 −1 2 1 (λ − 2)
263
OSCAR G. DUARTE
o en general
a a
v1 = v2 =
ja −ja
Ejemplo D.32 Para obtener los vectores propios del ejemplo D.30 construimos
−2 −1 1 1 a
adj(λ1 I − A) = adj(2I − A) = adj = ⇒ v1 =
2 1 −2 −2 −2a
−1 −1 2 1 a
adj(λ2 I − A) = adj(3I − A) = adj = ⇒ v2 =
2 2 −2 −1 −a
264
D.5. VALORES Y VECTORES PROPIOS
Por hipótesis, todos los λi son diferentes y v1 es no nulo (es un vector propio), lo
que significa que α1 = 0. Con esta contradicción se concluye la demostración.
 = M−1 AM
265
OSCAR G. DUARTE
AM = A v1 v2 · · · vn = Av1 Av2 · · · Avn (D.31)
Como Avi = λi vi entonces las ecuaciones (D.30) y (D.31) se reducen a MÂ =
AM o lo que es igual
 = ∆ = M−1 AM
Ejemplo D.33 La transformación lineal representada por la matriz
4 1
A=
−2 1
cuyos valores propios son (Ejemplo D.30) λ1 = 2, λ2 = 3 con vectores propios v1
v2 :
1 1
v1 = v2 =
−2 −1
Tiene una representación en la base {v1 v2 } por la matriz diagonal
−1 −1 4 1 1 1 2 0 λ 0
−1
∆ = M AM = = = 1
2 1 −2 1 −2 1 0 3 0 λ2
Ejemplo D.34 La transformación lineal representada por la matriz
2 1
A=
−1 2
cuyos valores propios son (Ejemplo D.31) λ1,2 = 2 ± j con vectores propios v1 v2 :
1 1
v1 = v2 =
j −j
Tiene una representación en la base {v1 v2 } por la matriz diagonal
∆ = M−1 AM =
j/2 −j/2 2 1 1 1 2+j 0 λ 0
= = 1
j/2 j/2 −1 2 j −j 0 2−j 0 λ2
266
D.5. VALORES Y VECTORES PROPIOS
di = n − ρ(λi I − A) (D.32)
di = ν(λi I − A)
di = n − ρ(λi I − A)
λ1 = λ2 = λ1,2 = 3
d1 = 2 − ρ(3I − A)
267
OSCAR G. DUARTE
3−1 −2 2 −2
d1 = 2 − ρ =2−ρ =2−1=1
2 3−5 2 −2
Lo anterior significa que aunque λ tiene multiplicidad 2, sólo 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 dimensión 2 con un sólo
vector, por lo tanto no es posible diagonalizar A.
d1 = n − ρ(λI − A) d1 = 3 − 1 = 2
Lo anterior significa que existen dos vectores propios linealmente independientes
asociados a λ1 = λ2 = 2. Estos dos vectores junto con el vector propio asociado a
λ3 = 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 − λI)k v =0
(D.33)
(A − λI)k−1 v 6= 0
vk = v
vk−1 = (A − λI)v = (A − λI)vk
vk−2 = (A − λI)2 v = (A − λI)vk−1 (D.34)
.. ..
. .
v1 = (A − λI)k−1 v = (A − λI)v2
269
OSCAR G. DUARTE
..
.
vi
vi−1
..
.
Ni−1 Ni Ni+1
Teorema D.23 Los vectores de una cadena de vectores propios generalizados como
los de la definición D.34 son linealmente independientes.
270
D.5. VALORES Y VECTORES PROPIOS
que tiene un valor propio repetido λ = 3 Para encontrar los espacios nulos N 1 y N2
construimos las matrices B y B2 :
−2 2 0 0
2
B = (A − λI) = B =
−2 2 0 0
v2 = v
v1 = (A − λI)v2
1 −2
v2 = v1 = ∈ N1
0 −2
Teorema D.24 Sea A una transformación lineal n × n con un único valor propio
repetido, λ1 = λ2 = · · · = λn = λ. Sea v un vector propio generalizado de
orden n asociado a λ. 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 λ en
la diagonal, 1 encima de la diagonal, y 0 en cualquier otro lugar. Es decir
λ 1 0 ··· 0
0 λ
1 ··· 0
0 0
λ ··· 0
J = . . .. . . .
.. .. . . ..
0 0 0 ··· 1
0 0 0 ··· λ
−1
= v1 v2 · · · vn A v1 v2 · · · vn (D.35)
271
OSCAR G. DUARTE
B
0
ν1 = dim(N1 ) = 1
B2
} 0
ν2 = dim(N2 ) = 2
Avi+1 = vi + λvi+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 también es igual, empleamos el teorema D.22,
según el cual v1 ∈ N1 , es decir
(A − λI)1 v1 = 0
272
D.5. VALORES Y VECTORES PROPIOS
× ×
··· ···
Nr νr
··· × ··· × ···
N2 ν2
N1 { × ··· × × } ν1
que tiene un valor propio repetido λ = 3 y una cadena de vectores propios genera-
lizados (ejemplo D.37):
−2 1
v1 = v2 =
−2 0
νi = n − ρ(Bi )
273
OSCAR G. DUARTE
ν̂r × ×
··· ··· ···
ν̂2 × ··· ×
ν̂1 × ··· × ×
ν̂r v1 v2
ν̂r−1 Bv1 Bv2
.. .. ..
. . .
ν̂2 Br1 −2 v1 Br2 −2 v2 ··· vq−1
ν̂1 Br1 −1 v1 Br1 −1 v2 ··· Bvq−1 vq
274
D.5. VALORES Y VECTORES PROPIOS
B0 = I ρ(A − 2I)0 = 6 ν0 = 6 − 6 = 0
1 −1 1 1 0 0
1 −1 −1 −1 0 0
0 0 0 0 1 1 ρ(A − 2I) = 4
B1 =
0 0
0 0 −1 −1 ν 1 =6−4=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 ρ(A − 2I)2 = 2
B =
0 0
0 0 0 0 ν2 = 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 ρ(A − 2I)3 = 1
B3 =
0 0
0 0 0 0 ν3 = 6 − 1 = 5
0 0 0 0 −4 4
0 0 0 0 4 −4
Puede comprobarse que ν4 = ν3 = 5 y por tanto no es necesario continuar. Con
la información anterior podemos calcular ν̂i :
ν̂3 = ν3 − ν2 = 5−4= 1
ν̂2 = ν2 − ν1 = 4−2= 2
ν̂1 = ν1 − ν0 = 2−0= 2
Con esta información 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
λj 1 0 ··· 0
0
λj 1 ··· 0
.. .. ..
.
Jji = . . ··· 0 (D.38)
..
0 0 0 . 1
0 0 0 · · · λj h
ij ×hij
M = v11 v12 · · · v1r1 · · · vm1 vm2 · · · vmrm (D.39)
J es conocida como la forma canónica de Jordan de A. La ecuación D.37
muestra que la matriz J es diagonal por bloques, es decir, está formada por
bloques organizados en la diagonal. Por fuera de estos bloques sólo hay ceros
en la matriz. M es la matriz modal, y está formada por los vectores propios
generalizados de A. La matriz modal no es única.
Los bloques Jji que forman J tienen las siguientes propiedades:
Cada valor propio diferente λj tendrá asociados uno o varios bloques Jji .
El número de bloques asociados a λj será igual al número de columnas de
su diagrama de matthew, qj .
Los bloques Jji son cuadrados, y el tamaño del bloque (el número de filas
o de columnas) es igual a la altura de la columna correspondiente en el
diagrama de Matthew, hij .
278
D.6. FORMA CANÓNICA DE JORDAN
Cada bloque Jji tiene en la diagonal al valor propio λj , tiene 1 por encima
de la diagonal, y cero en las restantes casillas.
En el caso sencillo en que ningún valor propio se repita J será una matriz
diagonal que tendrá en la diagonal a los valores propios λ1 , λ2 , · · · , λn .
Ejemplo D.42 Para obtener la forma canónica 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 λ 1 = 2. En
vector propio asociado a λ2 = 0 será:
0
0
0
v=
0
−0.707
0.707
279
OSCAR G. DUARTE
280
D.7. FORMA CANÓNICA REAL DE JORDAN
Otra alternativa
dado un bloque
a + jb 0
Ji =
0 a − jb
existe una matriz N tal que NAN−1 es real, con la forma canónica real de
Jordan:
(1 − j) (1 + j) a b
N= NAN−1 =
(1 + j) (1 − j) −b a
Una interpretación
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
número complejo matricial.
281
OSCAR G. DUARTE
282
D.8. FUNCIONES DE MATRICES CUADRADAS
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 tamaño 5 × 5
λ 1 0 0 0
0 λ 1 0 0
A=
0 0 λ 1 0
0 0 0 λ 1
0 0 0 0 λ
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 están desplazados una
casilla a la derecha.
Los términos de la diagonal son λk . Denotemos por aj un elemento que esté
desplazado j casillas de la diagonal en cualquier fila; a j será
0 si j < k k
aj = k! k−j aj = λk−j
j!(k−j)! λ si j ≥ k j
Este resultado se puede generalizar para una matriz n × n con la forma de los
bloques de Jordan:
λ 1 0 ··· 0
0 λ 1 · · · 0
A = ... ... . . . .. ..
. .
0 0 · · · λ 1
0 0 ··· 0 λ
284
D.8. FUNCIONES DE MATRICES CUADRADAS
k! k! k!
λk 1!(k−1)! λ
k−1
2!(k−2)! λ
k−2
··· (n−1)!(k−n+1)! λ
k−n+1
0 k k! k−1 k! k−n+2
λ 1!(k−1)! λ ··· (n−2)!(k−n+2)! λ
. .. .. ..
Ak = .. (D.44)
.. . . . .
k!
0 0 0 λk 1!(k−1)! λ
k−1
k
0 0 0 0 λ
En caso de que un exponente k − j sea negativo, el término correspondiente en
D.44 será 0
σt σ 2 t2 σ 3 tk σ 4 tk
eσt = 1 + + + + +··· (D.46)
1! 2! 3! 4!
σ 2 t2 σ 4 t4 σ 6 t6 σ 8 t8
cos σt = 1 − + − + +··· (D.47)
2! 4! 6! 8!
σt σ 3 t3 σ 5 t5 σ 7 t7
sin σt = − + − +··· (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 calculará asi:
2
1 0 ··· 0 λ1 0 · · · 0 λ1 0 · · · 0
0 1 · · · 2
0 0 λ 2 · · · 0 t2 0 λ 2 · · · 0
t
eAt = . . .
.. + .. .. . . .. + .. .. . . .. + · · ·
.. .. .. . 1! . . . . 2! . . . .
0 0 ··· 1 0 0 · · · λn 0 0 · · · λ2n
285
OSCAR G. DUARTE
λ1 t λ21 t2
(1 + 1! + 2! +···) 0 ··· 0
λ2 t λ22 t2
At
0 (1 + 1! + 2! + · · · ) · · · 0
e =
.. .. .. ..
. . . .
λ1 t
0 0 · · · (1 + 1! +···)
Cada uno de los términos de la diagonal corresponde a la expansión de en series
de Taylor de una exponencial como las de (D.46), por lo tanto e At será:
λt
e 1 0 ··· 0
0 e λ2 t · · · 0
eAt = .
. . ..
.. .. .. .
0 0 · · · e λn 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 calculará 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 términos de la matriz corresponde a la expansión 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 calculará asi:
2 1
1 0 0 ··· λ 1 0 ··· λ 2! λ 1 ···
· · · t t k 1!
+ 0 λ 1 · · · + 0 λ 2! λ · · · + · · ·
At 0 1 0
e =
.. .. . . .. 1! .. .. . . .. 2! .. .. .. ..
. . . . . . . . . . . .
P∞ k k P∞ k−1 k P ∞ k−2 k
λ t λ t λ t
k=0 k! k=1 k=2 2!(k−2)! ···
P∞ 1!(k−1)!
λ k k
t P ∞ λ k−1
t k
eAt =
0 k=0 k! k=1 1!(k−1)! · · ·
.. .. .. ..
. . . .
286
D.8. FUNCIONES DE MATRICES CUADRADAS
P ∞ P∞ P∞
λk t k t λk−1 tk−1 t2 λk−2 tk−2
k=0 k! 1! k=1 (k−1)! 2! k=2 (k−2)! ···
P∞ λk tk t
P∞ λk−1 tk−1
eAt =
0 k=0 k! 1! k=1 (k−1)! · · ·
.. .. .. ..
. . . .
Efectuando el cambio de variable m = k − j se tiene
P∞ k k
λ t t P∞ λm t m t2 P ∞ λm t m
k=0 k! 1! m=0 m=0 (m)! ···
P∞ λk(m)!
tk
2!
t
P∞ λm 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
Teorema D.26 Sean λ1 , λ2 , · · · , λm , los valores propios de una matriz A con ı́n-
dices n̄1 , n̄2 , · · · , n̄m respectivamente. El polinomio mı́nimo de A es
m
Y
ψ(λ) = (λ − λj )n̄j (D.50)
j=1
Demostración D.26 De acuerdo con el teorema D.25, basta con demostrar que
(D.50) es el polinomio mı́nimo de J, la forma canónica de Jordan de A.
Consideremos primero la matriz Jj con los bloques de Jordan asociados al valor
propio λj :
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 − λj 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 − λj 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 − λj I)hij −1
= . .. .. . . .. ..
.. . . . . .
0 0 0 ··· 0 0
0 0 0 ··· 0 0 hij ×hij
(Jji − λj I)hij = 0
De acuerdo con la definición D.36 n̄j es el tamaño del bloque de Jordan asociado
a λj más grande, es claro que (Jji − λj I)n̄j = 0 para todos los bloques de Jordan
asociados a λj . Como Jj es diagonal por bloques, y sus bloques son Jji se desprende
que (Jj − λj I)n̄j = 0 es decir, que el polinomio mı́nimo de Jj es (λ − λj )n̄j .
Siguiendo un argumento similar, como J es diagonal por bloques, y sus bloques
son Jj , se tiene que el polinomio mı́nimo de J es
m
Y
ψ(λ) = (λ − λj )n̄j
i=j
0 0 0 b 0 0 0 b 0 0 0 b
que están en la forma canónica de Jordan, tienen todas el mismo polinomio carac-
terı́stico ∆(λ) = (λ − a)3 (λ − b). Sin embargo, el polinomio mı́nimo de cada una
de ellas es diferente, debido a que el ı́ndice de a es diferente:
289
OSCAR G. DUARTE
Teorema D.28 Sean λ1 , λ2 , · · · , λm , los valores propios de una matriz A con ı́n-
dices n̄1 , n̄2 , · · · , n̄m respectivamente. Sea ψ el polinomio mı́nimo de A y sean f
y g dos polinomios cualesquiera. En esas condiciones cualquiera de las siguientes
afirmaciones es equivalente
1. f (A) = g(A)
2. Una de dos condiciones se cumple: o bien f = h1 ψ + g ó g = h2 ψ + f para
algunos polinomios h1 , h2 .
3. Los valores de f y de g en el espectro de A son iguales f (l) (λi ) = g (l) (λi )
para l = 0, 1, 2, · · · , n̄i − 1; i = 1, 2, · · · , m.
La definición D.38 brinda una posibilidad para extender a las matrices cua-
dradas una función f (λ) 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 (λ) una función, y sea A una matriz n × n. Para calcular f (A) deben
seguirse los siguientes pasos
290
D.8. FUNCIONES DE MATRICES CUADRADAS
1. El polinomio caracterı́stico de A es
∆λ = (λ − 1)2
2. Definimos el polinomio
g(λ) = α0 + α1 λ
4. obtenemos α0 y α1 :
( (
α0 + α 1 = 1 α0 = −49
⇒
α1 = 50 α1 = 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
λ1 1 0 0
0 λ1 1 0
0 0 λ1 1
0 0 0 λ1
1. El polinomio caracterı́stico es
δ(λ) = (λ − λ1 )4
g(λ) = α0 + α1 (λ − λ1 ) + α2 (λ − λ1 )2 + α3 (λ − λ1 )3
3. Obtenemos 4 ecuaciones
f (λ1 ) = g(λ1 ) = α0
f (1) (λ1 ) = g (1) (λ1 ) = 1!α1
f (2) (λ1 ) = g (2) (λ1 ) = 2!α2
f (3) (λ1 ) = g (3) (λ1 ) = 3!α3
292
D.8. FUNCIONES DE MATRICES CUADRADAS
0 0 1 0 0 0 0 1
f (2) (λ1 )
0 0 0 1
+ f (3)
(λ 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) (λ1 ) f (2) (λ1 ) f (3) (λ1)
f (λ1 ) 1! 2! 3!
f (1) (λ1 ) f (2) (λ1 )
f (A) = 0 f (λ1 )
1! 2!
0 f (1) (λ1 )
0 f (λ1 ) 1!
0 0 0 f (λ1 )
Ejemplo D.54 Calcular f (A) cuando A es una matriz con la forma de los bloques
de Jordan y f (λ) = eλt .
Empleando (D.51) se obtiene directamente eAt
t λt t2 λt
eλt 1! e 2! e ···
λt t λt
eAt
0
= e 1! e · · ·
(D.52)
.. .. .. ..
. . . .
Nótese que las derivadas en (D.51) son respecto a λ. 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 (λ) = (s − λ)−1 .
Empleando (D.51) se obtiene directamente (sI − A)−1 :
1 1 1
(s−λ1 ) (s−λ1 )2 (s−λ1 )3 ···
1 1
0
(s−λ1 ) (s−λ1 )2 · · ·
−1
(sI − A) = 0
0 1
· · ·
(D.53)
(s−λ1 )
.. .. .. ..
. . . .
293
OSCAR G. DUARTE
294
Bibliografı́a
[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] CloseÑ. Frederick. The Control Handbook, chapter Graphical Modeles, pa-
ges 85–98. 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. Introducción a las señales y los sistemas. Mc. Graw
Hill, 2002.
295
OSCAR G. DUARTE
296
Índice analı́tico
297
OSCAR G. DUARTE
298
ÍNDICE ANALÍTICO
299
OSCAR G. DUARTE
300
ÍNDICE ANALÍTICO
301
OSCAR G. DUARTE
302
ÍNDICE ANALÍTICO
303
OSCAR G. DUARTE
304