CINVESTAV-IPN

Unidad Guadalajara

Sistemas Lineales I
Curso impartido por: Dr. Javier Ruiz
jruiz@gdl.cinvestav.mx
Cuatrimestre: Septiembre-Diciembre de 2016

Objetivos generales del curso:

Que el alumno aprenda la descripcin de sistemas dinmicos
lineales en espacio de estado y sepa analizar las caractersticas
bsicas de esta representacin del sistema, como
controlabilidad, observabilidad y estabilidad.
Que el alumno sepa aplicar control por retroalimentacin de
estado y diseo de observadores para sistemas escalares.

Programa del curso

1. Sistemas dinmicos y variables de estado
1.1 Introduccin
1.2 Definiciones bsicas
1.3 Descripcin entrada-salida
1.4 El concepto de estado
2. Descripcin de sistemas lineales en variables de estado
2.1 Representacin de sistemas en variables de estado
2.2 Solucin de la ecuacin de estado
2.3 Representaciones cannicas
2.4 Transformaciones de similitud
2.5 Interpretacin dinmica de polos y ceros

3. Controlabilidad y observabilidad
3.1 Controlabilidad
3.2 Observabilidad
3.3 Principio de dualidad
3.4 Representaciones mnimas
3.5 Transformaciones de similitud a formas cannicas
3.6 Representacin de sistemas no controlables/
no observables
3.7 Pruebas PBH para controlabilidad y observabilidad
4. Conceptos bsicos de estabilidad

5. Retroalimentacin de estado
5.1 Asignacin del polinomio caracterstico del sistema
5.2 Efecto de la retroalimentacin sobre ceros del
sistema, controlabilidad y observabilidad
5.3 Referencia constante en estado permanente
5.4 Rechazo de perturbaciones constantes
6. Observadores de estado
6.1 Diseo del observador
6.2 Esquema observador-controlador

Bibliografa
T. Kailath, Linear Systems, Prentice Hall, 1980.
C.T. Chen, Linear Systems, Theory and Design, Holt,
Rinehart and Winston, 1984.
K. Ogata, Modern Control Engineering, Prentice Hall,
1997.
R.C. Dorf, Sistemas Modernos de Control: Teora y
Prctica, Addison-Wesley, 1989.
G.F. Franklin, J.D. Powell, A. Emami-Naeini, Control de
Sistemas Dinmicos con Retroalimentacin, Addison-Wesley,
1989.
6

 K. Ogata, Solving Control Engineering Problems with

Matlab, Prentice Hall, 1994.

1. Sistemas dinmicos y
variables de estado

1.1 Introduccin
Objetivo: Anlisis y diseo de sistemas de control.
Estudio de sistemas lineales:
Necesidad de controlar un sistema.
Es el tipo ms sencillo de sistemas que podemos encontrar.
Muchos sistemas fsicos pueden considerarse como lineales.
Los conceptos desarrollados se aplican en otras reas.

Sistema fsico

modelo del sistema

Modelo de un sistema:
El modelo matemtico de un sistema dinmico es un conjunto
de ecuaciones que representan las caractersticas dinmicas del
sistema.
Un sistema puede ser representado de varias maneras
diferentes, y por lo tanto puede tener varios modelos
matemticos.
La dinmica de los sistemas se describe generalmente en
trminos de ecuaciones diferenciales, las cuales se obtienen
usando leyes fsicas.
Simplicidad contra exactitud.

10

Control clsico
Ecuacin diferencial lineal
n
d i y (t ) m d i u (t )
ai dt i bi dt i
i 0
i 0
Transformada de Laplace
Funcin de transferencia

11

 Anlisis de respuesta en el tiempo.

Retroalimentacin.
Lugar de las races.
Anlisis de respuesta en la frecuencia: Bode, Nyquist.
Limitaciones de control clsico:
Aplicable solamente a sistemas lineales escalares.
Los sistemas no son ptimos en ningn sentido.
No era posible extender resultados a otro tipo de sistemas.
Existan algunos aspectos que no se entendan muy bien.
12

Control moderno (espacio de estado)

Descripcin ms completa.
Permite estudiar sistemas multivariables.
Extensin a otro tipo de sistemas (sistemas no lineales,
sistemas variantes en el tiempo, etc.).
Resultados sencillos y elegantes.
Algunas reas de Teora de control:
Sistemas lineales, sistemas no lineales, control ptimo, control
robusto, identificacin, control adaptable, control inteligente,
sistemas de eventos discretos, sistemas hbridos, etc.
13

1.2 Definiciones bsicas

Un sistema se entender como una relacin entre entradas y
salidas. Esto puede denotarse matemticamente como
y H [u ]

(1.1)

donde u es la entrada o entradas del sistema, y es la salida o

salidas del sistema, y H determina la relacin entre ellas.
Un sistema es determinista si a cada entrada le corresponde una
y solo una salida, es decir, la relacin (1.1) es una funcin.

14

Estamos interesados en aquellos sistemas en los cuales tanto la

entrada como la salida pueden ser representadas por funciones
de una variable independiente t que ser la variable tiempo.
Entonces, un sistema consta de:
Un conjunto de entradas u cuyos elementos son funciones del
tiempo.
Un conjunto de salidas y cuyos elementos son funciones del
tiempo.
Una funcin H, que define una correspondencia unvoca entre
los elementos del conjunto de entradas u y los elementos del
conjunto de salidas y.
15

Un sistema se dice monovariable o escalar si tiene una sola

entrada y una sola salida. Si el sistema tiene ms de una entrada
o ms de una salida, entonces es un sistema multivariable.
Un sistema se dice causal o no anticipatorio si la salida del
sistema al tiempo t1 no depende del valor de la entrada
aplicada despus del tiempo t1 , es decir, la salida depende
solamente de la entrada aplicada antes y al tiempo t1.
Observe que esta definicin implica que un sistema no causal
es capaz de predecir entradas futuras, lo cual es imposible para
los sistemas fsicos. Por lo tanto, la causalidad es una propiedad
intrnseca de cualquier sistema fsico.

16

Un sistema dinmico es aquel cuya salida presente depende de

entradas pasadas y presentes. Si el valor de la salida al tiempo t1
depende solamente de la entrada aplicada en t1 , el sistema se
conoce entonces como sistema esttico o sistema sin memoria.
Observe que la salida de un sistema esttico permanece
constante si la entrada no cambia, mientras que en un sistema
dinmico la salida cambia con el tiempo, a pesar de que la
entrada no cambie (a menos que se encuentre en un estado o
punto de equilibrio).

17

Un sistema se dice que es invariante en el tiempo, fijo o

estacionario, si sus caractersticas no cambian con el tiempo,
es decir, sus propiedades son invariables con traslaciones en el
tiempo.

18

1.3 Descripcin entrada-salida

Para establecer una relacin entrada-salida de un sistema, se
aplican diferentes tipos de entradas, se miden las salidas, y se
trata de establecer una relacin entre ellas.
Consideramos aqu sistemas causales y dinmicos. Para este
tipo de sistemas, la salida al tiempo t0 depende no solamente
de la entrada aplicada en t0 sino tambin de entradas previas.
Si aplicamos la entrada u[ t0 , ) , es evidente que la salida no
puede determinarse de manera nica, a menos que se conozca
la entrada que se aplic antes de t0 .

19

Por lo tanto, para obtener una relacin entrada-salida que

describa de manera adecuada las propiedades del sistema, es
necesario suponer que la salida al tiempo t0 depende solamente
de la entrada aplicada a partir de t0 , es decir, que el sistema est
en reposo en t0 .
Un sistema se dice relajado al tiempo t0 , inicialmente relajado,
o en reposo, si la salida y[ t0 , ) , depende nica y exclusivamente
de la entrada u[ t0 , ) .

20

Un sistema se dice lineal (desde el punto de vista entradasalida), si cumple con el principio de superposicin, esto es, si
para 2 entradas cualquiera u1 , u2 y 2 nmeros reales 1 , 2 se
cumple que
H (1u1 2u2 ) 1 H (u1 ) 2 H (u2 ).
Si la relacin anterior no se cumple, entonces el sistema se dice
no lineal.

21

Continuando con el proceso de obtener la descripcin entradasalida de un sistema, necesitamos el siguiente concepto:
Funcin impulso unitario o delta de Dirac
Considere la siguiente funcin
1 / , 0 t , 0,
f (t )
0, en cualquier otro punto.

22

Se define la funcin impulso unitario o delta de Dirac como

(t ) lim 0 f (t ).

23

Cualquier funcin continua por pedazos puede ser

aproximada por un serie de pulsos. Es decir, la entrada u(t)
puede ser aproximada por
u (t ) u (ti ) f (t ti ).
i

24

Si el sistema es lineal, entonces

y H (u ) H

u
(
t
)
f
(
t

t
)

H f (t ti ) u (ti ).
i

Cuando 0, tenemos que

y H (t ) u ( )d .

De la ecuacin anterior, si se conoce H (t ) para toda ,

entonces se puede obtener la salida del sistema para cualquier
entrada.
25

La funcin H (t ) es la salida del sistema relajado cuando

se le aplica un impulso unitario al tiempo , por lo tanto se le
conoce como la respuesta al impulso del sistema.
Denotando H (t ) : g (t , ), la salida del sistema es entonces

y (t ) g (t , ) u ( )d .
Si el sistema es causal, g (t , ) 0 para t , es decir
t

y (t ) g (t , ) u ( )d .

26

Considerando que el sistema est relajado en t=0, entonces

t

y (t ) 0 g (t , ) u ( )d .
Si el sistema es invariante en el tiempo, se tiene que
g (t , ) g (t ).
Entonces, bajo las condiciones de linealidad, causalidad,
relajamiento e invariancia en el tiempo, la salida del sistema
est dada por
t
y (t ) 0 g (t ) u ( )d .
(1.2)

27

Utilizando transformada de Laplace, tenemos que

Y ( s ) G ( s )U ( s ),
donde

(1.3)

G ( s ) 0 g (t )e st dt

(1.4)

es conocida como la funcin de transferencia del sistema. Es

decir, la funcin de transferencia del sistema se puede definir
como la transformada de Laplace de la respuesta al impulso
del sistema.

28

1.4 El concepto de estado

El estado de un sistema al tiempo t0 se define como la
(mnima) cantidad de informacin que junto con lau[entrada
t0 , )
nos permite determinar de manera nica el comportamiento del
sistema para t t0 .

29

Algunas caractersticas del concepto de estado:

El concepto de estado se aplica a cualquier sistema dinmico
(no solamente a sistemas lineales).
La eleccin de las variables de estado no es nica.
El estado de un sistema puede o no tener un significado fsico.
El estado de un sistema puede consistir de un conjunto finito
o infinito de nmeros.

30

Sistemas a estudiar en el curso de Sistemas Lineales I:

sistemas dinmicos, lineales, invariantes en el tiempo, y de
dimensin finita (y escalares).

31

2. Descripcin de sistemas
lineales en variables de estado

32

2.1 Representacin de sistemas en

variables de estado
El tipo de sistemas que estudiaremos son aquellos descritos por
las siguientes ecuaciones

x(t ) h( x(t ), u (t ), t )
y (t ) g ( x(t ), u (t ), t )

(2.1)

33

 x1 (t )
x (t )
2

donde x(t )

es el vector de estado, y sus componentes

x (t )
n

son las variables de estado, y (t )

y1 (t )
y (t )
2

y (t )
p

u1 (t )
u (t )
2

y u (t )

es el vector de salidas,

es el vector de entradas.

u (t )
m

34

Usaremos la notacin
{x(t0 ), u[ t0 , ) } {x[ t0 , ) , y[ t0 , ) }
para indicar que el estado inicial x(t0 ) y la entrada u[ t0 , )
producen el estado x(t) y la salida y(t), para t t0 .

35

Un sistema se dice lineal si, dado que

{x(t0 ), u[ t0 , ) } {x[ t0 , ) , y[ t0 , ) }
{~
x (t ), u~ } {~
x
,~
y
}
0

[ t0 , )

[ t0 , )

[ t0 , )

entonces se cumple que

{1 x(t0 ) 2 ~
x (t0 ), 1u[ t0 , ) 2u~[ t0 , ) }
{1 x[ t0 , ) 2 ~
x[ t0 , ) , 1 y[ t0 , ) 2 ~
y[ t0 , ) }
donde 1 y 2 son nmeros reales cualquiera.

36

La respuesta de un sistema lineal puede separarse en 2

partes:
{x(t0 ), u[ t0 , ) }
Respuesta debida a {x(t ),0}
{0, u

[ t0 , )

respuesta debida a

respuesta a entrada cero

}.

respuesta debida a

respuesta a estado cero

37

Si el sistema es lineal, las funciones h y g sern funciones

lineales de x y u, es decir

x(t ) A(t ) x(t ) B (t )u (t )

y (t ) C (t ) x(t ) D (t )u (t )

(2.2)

donde A(t), B(t), C(t) y D(t) son matrices, respectivamente, de

dimensiones n n, n m, p n, y p m.

38

Un sistema se dice invariante en el tiempo si, dado que

{x(t0 ), u[ t0 , ) } {x[ t0 , ) , y[ t0 , ) }
entonces se cumple
{Q x(t0 ), Q u[ t0 , ) } {Q x[ t0 , ) , Q y[ t0 , ) }
donde Q es el operador de retraso, y es un nmero real.

39

Para sistemas invariantes en el tiempo, las matrices A(.), B(.),

C(.) y D(.) no dependen del tiempo.
Por lo tanto, las ecuaciones en espacio de estado que describen
el comportamiento de un sistema lineal e invariante en el tiempo
son las siguientes

x(t ) Ax(t ) Bu (t )
y (t ) Cx (t ) Du (t )

(2.3)

donde A,B,C y D son matrices constantes reales, respectivamente, de dimensiones n n, n m, p n, y p m.

Por simplicidad, a menudo se har referencia en este curso al
sistema descrito por (2.3) como ( A, B, C , D).
40

Se define el orden del sistema como el nmero de variables de

estado, es decir, para la representacin (2.3) el orden del sistema
es igual a n.

41

Esquemticamente, las ecuaciones (2.3) se pueden representar

como se muestra en la siguiente figura.

42

Tomando transformada de Laplace de (2.3) y denotando

x(0) x0 , tenemos
sX ( s ) x0 AX ( s ) BU ( s )
Y ( s ) CX ( s ) DU ( s ).
De lo anterior, entonces
( sI n A) X ( s ) x0 BU ( s ),
y multiplicando por la izquierda por la inversa de ( sI n A),
X ( s ) ( sI n A) 1 x0 ( sI n A) 1 BU ( s ).

43

La salida (vector de salidas) est dada por

Y ( s ) C ( sI n A) 1 x0 C ( sI n A) 1 BU ( s ) DU ( s )
C ( sI n A) 1 x0 [C ( sI n A) 1 B D] U ( s ).
Si x0 0, entonces la salida estar dada por
Y ( s ) [C ( sI n A) 1 B D] U ( s ).

(2.4)

Haciendo una comparacin con la descripcin entrada-salida,

podemos ver que
G ( s ) C ( sI n A) 1 B D
(2.5)
es la funcin de transferencia del sistema.
44

La funcin de transferencia G(s) de un sistema multivariable

(matriz de transferencia) es una matriz cuyos elementos son
funciones racionales y tiene tantas filas como salidas tiene el
sistema y tantas columnas como entradas, es decir, es de
dimensiones p m.

45

Una funcin racional g(s)=b(s)/a(s) se dice propia si

deg a ( s ) deg b( s ), y estrictamente propia si deg a ( s ) deg b( s ).
Una matriz racional G(s) se dice propia (estrictamente propia)
si todos sus elementos son funciones racionales propias
(estrictamente propias).

46

La funcin de transferencia G(s) puede escribirse como

1
G(s)
C [Adj( sI A)]B D.
det( sI A)
Cada elemento de Adj( sI A) es de grado estrictamente
1
menor que el grado de det ( sI A), por lo tanto C ( sI A) B
es una matriz estrictamente propia.
Si D es diferente de cero, entonces
C ( sI A) 1 B D
es una matriz propia (pero no estrictamente propia).

47

Comparaciones entre las descripciones entrada-salida

(descripcin externa) y espacio de estado (descripcin
interna):
La descripcin entrada-salida muestra como estn relacionadas las entradas y salidas del sistema. No es aplicable si el
sistema no est relajado, y no proporciona informacin sobre
el comportamiento interno del sistema.
Para algunos sistemas puede ser muy complicado obtener la
descripcin en espacio de estado. La funcin de transferencia
puede obtenerse por mediciones directas.

48

 Los resultados obtenidos para sistemas multivariables usando

espacio de estado pueden tambin obtenerse usando el enfoque
de funcin de transferencia.
Espacio de estado permite estudiar sistemas no lineales y
sistemas variantes en el tiempo.
Ambas descripciones tienen sus mritos y pueden utilizarse
de manera conjunta.

49

Sistemas discretos
Para este tipo de sistemas, las seales involucradas toman
valores en ciertos instantes de tiempo.
La salida de un sistema lineal discreto, causal, invariante en el
tiempo y relajado, est dada por
y (k )

g (k m)u (m),

m0

k 0,1,2,...

donde g(k-m) es la respuesta del sistema debido a la entrada

1, i m
u (i )
0, i m.

50

La descripcin en variables de estado para sistemas discretos

est dada por
x(k 1) Ax(k ) Bu (k )
y (k ) Cx (k ) Du (k ).

51

2.2 Solucin de la ecuacin de estado

Nos interesa encontrar la solucin x(t ), t 0, de la ecuacin
de estado

(2.6)
x(t ) Ax(t ) Bu (t ).

52

Parte homognea, caso escalar:

x(t ) ax(t ).

(2.7)

Solucin:
1 22
1 k k
x(t ) (1 at a t a t ) x(0) e at x(0).
2 k!

e
at

k 0

(2.8)

1 k k
at
k!

53

Parte homognea, caso matricial:

x(t ) Ax(t ).

(2.9)

Solucin:
1
1
x(t ) ( I At A2t 2 Ak t k ) x(0)
2 k!
e At

donde

x(t ) e At x(0),

(2.10)

1 k k
At
k!

(2.11)

e :
At

k 0

es una matriz de dimensiones n n, que por analoga con el caso

escalar es conocida como matriz exponencial.
54

Propiedades de la matriz exponencial:

d At
i)
e Ae At e At A
dt
ii ) e A( t r ) e At e Ar
iii ) (e At ) 1 e At , e At es no singular
iv ) si AB BA, entonces e ( A B ) t e At e Bt .

55

La matriz exponencial en forma cerrada est dada por

e At L 1{( sI A) 1}.

(2.12)

At
e
:
Mtodos para encontrar la matriz exponencial

1) Por la formula de expansin (2.11).

2) Por la transformada inversa de Laplace (2.12).
3) Por diagonalizacin o reduccin a forma de Jordan de la
matriz A.
4) Por interpolacin de Sylvester.
5) Utilizando programas computacionales (Maple, funcin
exponential (A,t)).
56

Observe que en la matriz exponencial e At aparecen trminos de

t
la forma e , donde es raz de det( sI A).
El polinomio
a ( s ) det( sI A) s n a1s n1 a2 s n2 an

(2.13)

se conoce como polinomio caracterstico del sistema.

Las races del polinomio caracterstico a ( s ) det( sI A),
las cuales corresponden a los valores propios de la matriz A, se
conocen como los modos del sistema.

57

Matriz de transicin de estados

Se puede expresar la solucin de la ecuacin x(t ) Ax(t ) en la

forma
x(t ) (t ) x(0),
(2.14)
donde (t ) es una matriz de dimensiones n n, conocida
como la matriz de transicin de estados del sistema, y es la
solucin nica de

(t ) A (t ),

(0) I .

(2.15)

De lo que se ha visto anteriormente,

(t ) e At L 1{( sI A) 1}.

58

Propiedades de la matriz de transicin de estados:

i ) ( 0) e A ( 0 ) I
ii ) (t ) e At (e At ) 1 [ (t )]1 (t ) 1 (t )
iii ) (t1 t 2 ) e A( t1 t2 ) e At1 e At2 (t1 ) (t 2 ) (t 2 ) (t1 )
iv ) [ (t )]n (nt )
v) (t 2 t1 ) (t1 t0 ) (t 2 t0 ) (t1 t0 ) (t 2 t1 ).

59

Solucin de la ecuacin de estado

x(t ) Ax(t ) Bu (t ).
Usando transformada de Laplace y despejando, tenemos que
X ( s ) ( sI A) 1 x(0) ( sI A) 1 BU ( s ),
1
At
(
sI

A
)

L
{
e
}, entonces
y como

X ( s ) L {e At }x(0) L {e At }BU ( s ).

60

Tomando transformada inversa de Laplace y usando

convolucin, entonces
t

x(t ) e x(0) 0 e A( t ) Bu ( )d
At

(2.16)

mientras que la salida del sistema ser

y (t ) Cx (t ) Du (t ).

(2.17)

61

2.3 Representaciones cannicas

Suponga que se quiere obtener una representacin en espacio de
estado de la ecuacin diferencial
...
..
.
.
..
(2.18)
y a1 y a2 y a3 y b3u b2 u b1 u .

62

Introduciendo una variable auxiliar , esta ecuacin puede

escribirse de manera equivalente como
...
..
.
a1 a2 a3 u
.
..
y b3 b2 b1

(2.19)

63

La ecuacin (2.19) se puede representar esquemticamente

como se muestra en la siguiente figura

Fig. 2.1
64

Moviendo las lneas de derivacin hacia atrs, tenemos el

siguiente esquema

Fig. 2.2
65

Forma cannica controlador:

.
x1c a1 x1c a2 x2 c a3 x3c u
.
x 2 c x1c
.
x 3 c x2 c
y b1 x1c b2 x2 c b3 x3c .

66

En forma matricial

x c Ac xc bc u
y cc xc ,
donde
a1
Ac 1

0
cc b1 b2

a2
0
1

a3
0 ,

1
bc 0

0

b3 .

67

La ecuacin (2.18)
...
..
.
.
..
y a1 y a2 y a3 y b3u b2 u b1 u
tambin puede escribirse en la forma
...
..
.
y a1 y a2 y a3 y m
.
..
m b3u b2 u b1 u .

(2.20)

68

Esquemticamente, la ecuacin (2.20) se representa como

Fig. 2.3

69

Moviendo las lneas de derivacin hacia adelante, tenemos

Fig. 2.4
70

donde

1 b1
2 b2 a1b1
3 b3 a1b2 a2b1 a1 b1 ,
2

o en forma matricial

1 1
2 a1

3 a2

0 0
1 0

a1 1

b1
b.
2
b3

71

Forma cannica de observabilidad:

x ob Aob xob bobu

y cob xob ,
donde

Aob

0
0
a3

1
0
a2

0
1 ,

a1

bob

1 1
2 a1

3 a2

0 0
1 0

a1 1

b1
b
2
b3

cob 1 0 0 .

72

Para obtener otras 2 representaciones

(2.18), en
... de la
.. ecuacin
.
lugar de implementar la ecuacin a1 a2 a3 u
como se hizo anteriormente, se utiliza el siguiente esquema

Fig. 2.5
de lo cual resultan las formas cannicas observador y
controlabilidad, que se muestran a continuacin.
73

Esquema para la forma cannica observador

Fig. 2.6

74

Forma cannica observador

x o Ao xo bou
y co xo ,
donde
a1
Ao a2

a3

1 0
0 1 ,

0 0

b1
bo b2

b3

co 1 0 0 .

75

Esquema para la forma cannica de controlabilidad

Fig. 2.7

76

Forma cannica de controlabilidad

x co Aco xco bcou

y cco xco ,
donde
0 0 a3
Aco 1 0 a2 ,

0 1 a1
cc 1

1
bco 0

0

3 b1 b2

1 a1
b3 0 1

0 0

a2
a1

77

Observe de estas representaciones cannicas, que

T

Ao Ac ,
T

bo cc ,
T

co bc

Aob Aco , b ob cco , cob bco .

78

Parmetros de Markov
Sea
b( s ) b1s n1 b2 s n2 bn
H (s)
n
a( s)
s a1s n1 an
una funcin de transferencia dada, y ( A, b, c) una
representacin en espacio de estado correspondiente, esto es,

b( s )
1
H ( s)
c( sI A) b hi s i h1s 1 h2 s 2
a( s)
i 1

Los coeficientes {hi } en la expresin anterior son conocidos

como los parmetros de Markov del sistema.
79

Dado que
I A A2
( sI A) 2 3
s s
s
1

2
cb
cAb
cA
b
1
c( sI A) b 2 3
s
s
s

entonces tenemos que

hi cAi 1b,
esto es,

i 1,2,

h1 cb
h2 cAb
h3 cA2b

80

Observe que:
Los parmetros de Markov son propios de la funcin de
transferencia, esto es, no dependen de la representacin ( A, b, c)
de H(s).
Los coeficientes i , i 1, , n, que aparecen en las formas
cannicas de observabilidad y controlabilidad corresponden a
los primeros n parmetros de Markov del sistema, esto es,
hi i , i 1, , n.

81

Si hacemos una expansin en fracciones parciales de H(s),

b( s ) n g i
H (s)

a ( s ) i 1 s i
(suponiendo que las races de a(s) son distintas), podemos
obtener una representacin en forma cannica diagonal, como
se muestra esquemticamente en la siguiente figura.

82

Fig. 2.8
83

Forma cannica diagonal:

x d Ad xd bd u
y cd xd ,
donde
Ad diag{1 , 2 , , n },
cd c1 cn ,

b1
bd

bn

y
bi ci g i ,

i 1, , n.

84

2.4 Transformaciones de similitud

Sea

x(t ) Ax(t ) bu (t )
y (t ) cx(t )
una representacin de un sistema en espacio de estado, y hgase
el cambio de variables
x(t ) T x(t )
donde T es una matriz no singular cualquiera.

85

Entonces, otra descripcin en espacio de estado del mismo

sistema est dada por

1
x(t ) T 1 AT
x
(
t
)

T
b u (t ) A x(t ) b u (t )

b
A

y (t ) cT
x(t ) c x(t )
c
lo cual se conoce como una transformacin de similitud.
Entonces, 2 representaciones en espacio de estado ( A, b, c) y
( A, b, c) se dicen similares si existe una matriz no singular T
tal que
A T 1 AT , b T 1b, c cT .
86

Lema 2.1. Los modos de un sistema son invariantes bajo

transformaciones de similitud.

Lema 2.2. La funcin de transferencia de un sistema es

invariante bajo transformaciones de similitud.

87

2.5 Interpretacin dinmica de polos y

ceros
Sea H(s) la funcin de transferencia del sistema

x(t ) Ax(t ) bu (t )
y (t ) cx(t )
esto es,
b( s )
H ( s ) c( sI A) b
.
a( s)
1

88

Un nmero (real o complejo) es un cero de H(s) si H ( ) 0,

y es un polo de H(s) si lim s H ( s ) .
Dos polinomios a(s) y b(s) se dicen coprimos o primos
relativos si no tienen races en comn.
La funcin de transferencia H(s)=b(s)/a(s) se dice irreducible si
a(s) y b(s) son coprimos.
Observe que si H(s) es irreducible, entonces cada raz de b(s) es
un cero de H(s), y cada raz de a(s) es un polo de H(s).

89

Teorema 2.1. Sea

x(t ) Ax(t ) bu (t )
y (t ) cx(t )
una representacin en espacio de estado de un sistema, con
funcin de transferencia H(s)=b(s)/a(s), y donde n deg a ( s ).
t
Si la entrada aplicada al sistema es de la forma u (t ) e ,
donde no es un polo de H(s), entonces la salida del sistema
1
x
(
0
)

A
)
b
debido a esta entrada y a la condicin inicial
t
y
(
t
)

H
(

)
e
, t 0.
est dada por
Corolario 2.1. Si es un cero de H(s), entonces la salida del
t
u
(
t
)

e
sistema y(t) debido a la entrada
y a la condicin
1
t para
0.
x(0) (I A) b
inicial
es cero
90

Teorema 2.2. El nmero es un polo de H(s) si y solo si

existe un estado inicial x(0), tal que la respuesta a entrada-cero
del sistema est dada por
y (t ) re t , t 0,
donde r es una constante diferente de cero.

91

3. Controlabilidad y
observabilidad

92

3.1 Controlabilidad
Sea un sistema (escalar) dado en su representacin en espacio
de estado
x. (t ) Ax(t ) bu (t )
( A, b, c)
y (t ) cx(t ).
Sean x(t0 ) y x(t1 ) puntos cualquiera del espacio de estado.
Se dice que el sistema ( A, b, c) es controlable al tiempo t 0
si existe una entrada u(t) que transfiere x(t0 ) a x(t1 ) al
tiempo t 1.

93

A continuacin se derivarn las condiciones bajo las cuales un

sistema ( A, b, c) es controlable.
La solucin de la ecuacin de estado (con t 0 0) est dada por
t

x(t ) e x(0) 0 e A( t )bu ( )d .

At

Al tiempo t 1
t

x(t1 ) e At1 x(0) 01 e A( t1 )bu ( )d .

94

Usando la frmula de interpolacin de Sylvester para la matriz

exponencial
n 1

e k (t ) Ak
At

k 0

se obtiene
n1

x(t1 ) e x(0) A b
At1

k 0

t1

0 k (t1 )u ( )d .

95

Definiendo
t

wk : 01 k (t1 )u ( )d
tenemos que
n 1

x(t1 ) e x(0) Ak b wk
At1

k 0

La ecuacin anterior puede escribirse como

x(t1 ) e At1 x(0) b

w0
w
Ab An 1b 1 .

w
n 1
96

Para que tenga solucin la ecuacin anterior, es necesario que

x(t1 ) e At1 x(0) Im b

Ab An1b

y como x(t0 ) y x(t1 ) son vectores cualquiera, entonces debe de

cumplirse que las columnas de la matriz

Ab An1b

sean linealmente independientes.

97

La matriz
C b

Ab An1b

se conoce como la matriz de controlabilidad del sistema.

Teorema 3.1. El sistema ( A, b, c) es controlable si y solo si la
n1
matriz de controlabilidad del sistema C b Ab A b
es no singular.

98

Para un sistema de orden 3 en forma cannica controlador,

donde
a1
Ac 1

a2
0
1

a3
0 ,

1
bc 0

0

tenemos que

Cc bc

Ac bc

1 a1

2
Ac bc 0 1
0 0

a1 a2 1 a1

a1 0 1

1 0 0
2

a2
a1

99

En general, para un sistema de orden n en forma cannica

controlador, tenemos que
1
0

Cc

a1
1
0

a2
a1
1

an1
an 2

a1

100

Para un sistema de orden 3 en la forma cannica de

controlabilidad, donde
0 0 a3
Aco 1 0 a2 ,

0 1 a1
tenemos que

1
bco 0

0

1 0 0
Cco 0 1 0 .

0 0 1

En general, para un sistema de orden n en la forma cannica de

controlabilidad
Cco I n .
101

Controlabilidad de sistemas discretos.

Para el sistema discreto
x(k 1) Ax(k ) bu (k )
y (k ) cx(k )
tenemos que
x(1) Ax(0) bu (0)
x(2) Ax(1) bu (1) A2 x(0) Abu (0) bu (1)
x(3) Ax(2) bu (2) A3 x(0) A2bu (0) Abu (1) bu (2)

x(n) An x(0) An1bu (0) bu (n 1)

102

Por lo tanto
x(n) An x(0) b

u (n 1)
u (n 2)
.
Ab An 1b

u (0)

Entonces, se puede transferir el estado de x(0) a x(n) si y solo si

la matriz b

Ab An1b es no singular.

103

El sistema se dice alcanzable si existe una entrada que

transfiere la condicin inicial x(0)=0 a cualquier estado x(n).

El sistema se dice controlable si existe una entrada que

transfiere una condicin inicial x(0) cualquiera al punto cero.

Teorema 3.2. El sistema discreto (A,b,c) es alcanzable si y solo

si la matriz b

Ab An1b es no singular.

104

Observe que:

La no singularidad de la matriz b Ab An1b es

condicin suficiente para alcanzar el origen, pero no es
necesaria.
Alcanzabilidad implica controlabilidad.
Para sistemas continuos, ambos conceptos son equivalentes.

105

3.2 Observabilidad
El sistema ( A, b, c) se dice observable al tiempo t0 , si es
posible determinar el estado x(t0 ) a partir del conocimiento de
la entrada u(t) y de la salida y(t) en un intervalo finito de
tiempo.

106

Las condiciones bajo las cuales el sistema ( A, b, c) es

observable se pueden obtener como se indica a continuacin.
Considerando la salida del sistema y(t) y sus derivadas, tenemos
que
y (t ) cx(t )
.
.
y (t ) c x(t ) cAx(t ) cbu (t )
..
.
.
.
2
y (t ) cA x(t ) cb u (t ) cA x(t ) cAbu (t ) cb u (t )

y ( n 1) (t ) cAn 1 x(t ) cAn 2bu (t ) cbu ( n 2 ) (t ).

107

Lo anterior se puede escribir en forma matricial como

y (t ) c
0

.
cA
cb
y..(t )

y (t ) cA2 x(t ) cAb

n2
y ( n 1) (t ) cAn 1

cA b



Y (t )
O

cb

0

T

u (t )
.

u..(t )
u (t )

u ( n 1) (t )

U (t )

108

En t=0, tenemos
Y (0) TU(0) Ox(0).
Con el conocimiento de Y (0) y U (0), el estado x(0) puede ser
determinado de manera nica si las columnas de la matriz O son
linealmente independientes, esto es, si O es no singular, en cuyo
caso tendremos que
x(0) O1[Y (0) TU(0)].

109

La matriz

c
cA

cAn1

se conoce como la matriz de observabilidad del sistema.

Teorema 3.3. El sistema ( A, b, c) es observable si y solo si la
matriz de observabilidad es no singular.

110

3.3 Principio de dualidad

Sea el sistema

.
x(t ) Ax(t ) bu (t )
y (t ) cx(t )

y su sistema dual, definido como

.
z (t ) AT z (t ) cT v(t )

w(t ) bT z (t ).

111

Entonces:

El sistema 1 es controlable si y solo si 2 es observable.

El sistema 1 es observable si y solo si 2 es controlable.

112

3.4 Representaciones mnimas

La representacin en espacio de estado ( A, b, c) de un sistema
se dice que es una representacin mnima o realizacin
mnima si no existe otra representacin ( A1 , b1 , c1 ) de orden
menor, y tal que
c( sI A) 1 b c1 ( sI A1 ) 1 b1.

113

Lema 3.1. Si una funcin de transferencia

b( s )
b1s n1 bn
H ( s)
n
a ( s ) s a1s n1 an
tiene una representacin de orden n controlable y observable,
entonces todas las representaciones de orden n de H(s) son
tambin controlables y observables.

Lema 3.2. La forma cannica controlador de orden n de

H ( s ) b( s ) / a ( s ), n deg a( s ), es observable si y solo si a(s) y
b(s) son coprimos.

114

De los 2 resultados anteriores, tenemos que:

Teorema 3.4. La funcin de transferencia H(s)=b(s)/a(s) es
irreducible (esto es, a(s) y b(s) son coprimos) si y solo si todas
las representaciones de orden n de H(s), n deg a ( s ), son
controlables y observables.
Teorema 3.5. La representacin ( A, b, c) es mnima si y solo si
los polinomios
a ( s ) : det( sI A) y b( s ) : c Adj( sI A)b
son coprimos.

115

Combinando los 2 teoremas anteriores, tenemos:

Teorema 3.6. La representacin ( A, b, c) es mnima si y solo si
es controlable y observable.

116

3.5 Transformaciones de similitud a

formas cannicas
Lema 3.3. Sea ( A, b, c) una representacin en espacio de
estado dada y ( Ac , bc , cc ) otra representacin en la forma
cannica controlador, ambas con el mismo orden, polinomio
caracterstico y funcin de transferencia.
Entonces, ambas representaciones son similares si y solo si
( A, b, c) es controlable.

117

Lema 3.4. Sea ( A, b, c) una representacin en espacio de

estado dada y ( Ao , bo , co ) otra representacin en la forma
cannica observador, ambas con el mismo orden, polinomio
caracterstico y funcin de transferencia.
Entonces, ambas representaciones son similares si y solo si
( A, b, c) es observable.

118

Lema 3.5. Sean ( A1 , b1 , c1 ) y ( A2 , b2 , c2 ) dos representaciones

en espacio de estado del mismo orden y con la misma funcin
de transferencia. Estas representaciones son similares si
1) det( sI A1 ) det( sI A2 ), y
2) ambas representaciones son controlables o ambas son
observables.
Si ambas son controlables, la transformacin que lleva de una a
otra es
x1 (t ) Tx2 (t ),
T C( A1 , b1 )C1 ( A2 , b2 )
y si ambas son observables
x1 (t ) Tx2 (t ),

T O1 (c1 , A1 )O(c2 , A2 ).
119

3.6 Representacin de sistemas no

controlables/ no observables
Sistemas no controlables
Sea ( A, b, c) un sistema no controlable de orden n, con
rango C( A, b) r n.
Existe una transformacin de similitud T, tal que la
representacin ( A, b, c), con
A T 1 AT , b T 1b, c cT

120

tiene la forma
.

x
c (t )
.
Ac
x nc (t ) 0

y (t ) c c

A12 x c (t ) b c u (t )
Anc x nc (t ) 0

x c (t )

c nc
x nc (t )

donde:
1) El subsistema ( Ac , b c , c c ) de orden r es controlable.
2) La funcin de transferencia del subsistema ( Ac , b c , c c ) es
la misma que la del sistema original, esto es
c( sI A) 1 b c c ( sI Ac ) 1 b c .
121

Como puede verse, existe una clara separacin de las partes

controlable y no controlable del sistema, siendo x c (t ) las
variables de estado controlables, y x nc (t ) las variables no
controlables.

122

Sistemas no observables
Sea ( A, b, c) un sistema no observable de orden n, con
rango O(c, A) q n.
Existe una transformacin de similitud T, tal que la
1
1

(
A
,
b
,
c
),
A

T
AT
,
b

T
b, c cT
representacin
con
tiene la forma
.

x (t )
x
o (t )
o
b
A
0
o u (t )
.
o

x no (t ) A21 Ano x no (t ) b no

y (t ) c o

x o (t )

0
x no (t )

123

donde
1) El subsistema ( Ao , b o , c o ) de orden q es observable.
2) La funcin de transferencia del subsistema ( Ao , b o , c o ) es
la misma que la del sistema original, esto es
c( sI A) 1 b c o ( sI Ao ) 1 b o .

124

Entonces, existe una clara separacin de las partes observable y

no observable del sistema, siendo x o (t ) las variables de estado
observables, y x no (t ) las variables no observables.

125

Descomposicin general (descomposicin de Kalman):

Para cualquier sistema ( A, b, c) existe una transformacin de
similitud T, tal que en la representacin ( A, b, c), los elementos
A T 1 AT , b T 1b, c cT
tienen la forma
Ac , o
A21
A
0
0

c c c ,o

0
Ac ,no
0
0

A13
A23
Anc ,o
A43

0
A24
,
0
Anc ,no

cnc ,o

b c ,o
b c ,no
b
0
0

126

donde
1) El subsistema ( Ac ,o , b c ,o , c c ,o ) es controlable y observable,
1
1
c
(
sI

A
)
b

c
(
sI

A
)
b c ,o .
c
,
o
c
,
o
con

2) El subsistema
Ac ,o

A21

0
Ac ,no

b c ,o
,
, c c ,o

b c ,no

es controlable.

127

3) El subsistema
Ac ,o

0

A13
Anc ,o

b c ,o
,
, c c ,o

c nc ,o

es observable.
4) El subsistema ( Anc ,no , 0, 0) no es controlable ni observable.

128

129

3.7 Pruebas PBH (Popov-Belevitch-Hautus)

para controlabilidad y observabilidad
Teorema 3.7 (Prueba de vectores propios)
1. El par (A,b) es controlable si y solo si no existe un vector
fila q 0 tal que
qA q, y qb 0.
Es decir, el par (A,b) es controlable si y solo si ningn
vector propio izquierdo de A es ortogonal a b.

130

2. El par (c,A) es observable si y solo si no existe un vector

columna p 0 tal que
Ap p, y cp 0.
Es decir, el par (c,A) es observable si y solo si ningn vector
propio derecho de A es ortogonal a c.

131

Teorema 3.8 (Prueba de rango)

1. El par (A,b) es controlable si y solo si
rango sI A b n para toda s.

2. El par (c,A) es observable si y solo si

c
rango
n para toda s.

sI A

132

4. Conceptos bsicos de
estabilidad

133

Un sistema en reposo se dice BIBO (bounded input-bounded

ouput) estable, o externamente estable, si cualquier entrada
acotada
u (t ) M 1 , t0 t ,
produce una salida acotada
y (t ) M 2 , t0 t .

134

Teorema 4.1. El sistema ( A, b, c) es BIBO estable si y solo si

h(t ) dt M

donde h(t) es la respuesta al impulso del sistema.

Teorema 4.2. El sistema ( A, b, c) con funcin de transferencia
H(s) es BIBO estable si y solo si los polos de H(s) tienen parte
real negativa.

135

El sistema ( A, b, c) se dice internamente estable, o

asintticamente estable, si la solucin de

x(t ) Ax(t ), x(0) x0

tiende a cero a medida que t tiende a infinito, para cualquier
condicin inicial x0 .
Teorema 4.3. El sistema ( A, b, c) es internamente estable si y
solo si la parte real de los valores propios de la matriz A es
negativa, esto es,
Re{i ( A)} 0.

136

Si Re{i ( A)} 0 para todos los valores propios de A, entonces

se dice que A es una matriz estable.

Observe que:
Estabilidad interna implica estabilidad externa.
Ambos conceptos son equivalentes si ( A, b, c) es una
representacin mnima de H(s), esto es, si el sistema es
controlable y observable.
Un sistema ( A, b, c) no controlable se dice estabilizable si la
parte no controlable es estable.
137

Otra manera de verificar la estabilidad asinttica de un sistema

es mediante el criterio de Lyapunov.
Considere un sistema dado por

x(t ) f ( x, t )
donde x(t) es el vector de estado del sistema, y sea

(t ; x0 , t0 )
la solucin de la ecuacin anterior, donde x x0 en t t0 .
Para el sistema anterior, al estado xe que satisface
f ( xe , t ) 0, para todo t ,
se le conoce como estado de equilibrio.
138

Sea
|| x xe || k
una regin esfrica de radio k alrededor del punto de equilibrio xe ,
donde || x xe || es la norma Euclideana, definida como
|| x xe || [( x1 x1e ) 2 ( xn xne ) 2 ]1/ 2 .
Sea S ( ) los puntos tales que
|| x0 xe ||
y sea S ( ) los puntos tales que
|| (t ; x0 , t0 ) xe || ,

t t0 .

139

Un estado de equilibrio xe se dice que es estable en el sentido

de Lyapunov si para cualquier S ( ) existe S ( ) tal que las
trayectorias que inicien en S ( ) no se salen de S ( ) a medida
que el tiempo tiende a infinito.
Un estado de equilibrio xe se dice asintticamente estable si es
estable en el sentido de Lyapunov, y si cualquier solucin que
inicie dentro de S ( ) converge a xe a medida que el tiempo
tiende a infinito, sin salirse de S ( ).
Un estado de equilibrio xe se dice inestable si para algn valor
real 0, y cualquier valor 0 arbitrariamente pequeo,
existe un estado x0 en S ( ) tal que la trayectoria iniciando en
este estado sale de S ( ).
140

La matriz simtrica P se dice semidefinida positiva (o definida

T
no negativa) si x Px 0 para todo vector x. Si la igualdad se
cumple solo si x=0, entonces P se dice definida positiva.

Lema 4.1. Todos los valores propios de una matriz simtrica

son reales.

141

Los menores principales de una matriz P son aquellos menores

cuyos elementos diagonales son tambin elementos diagonales
en P.
Los menores principales lderes de P son aquellos que se
obtienen eliminando las ltimas k columnas y las ltimas k filas,
k=n-1, n-2,...,0.

142

Lema 4.2. Las siguientes afirmaciones son equivalentes:

i)

La matriz simtrica P es definida positiva (semidefinida

positiva).

ii) Todos los valores propios de P son positivos (no negativos).

iii) Todos los menores principales lderes de P son positivos (no
negativos).

143

El criterio de Lyapunov puede enunciarse de la siguiente

manera:
Teorema 4.4. La matriz A es estable (o equivalentemente, el
sistema ( A, b, c) es asintticamente estable) si y solo si dada
una matriz simtrica definida positiva Q, existe una (nica)
matriz simtrica definida positiva P tal que
AT P PA Q.

144

5. Retroalimentacin de
estado

145

5.1 Asignacin del polinomio caracterstico

del sistema
Sea el sistema (escalar)

( A, b, c)

.
x(t ) Ax(t ) bu (t )
y (t ) cx(t ).

cuyo polinomio caracterstico es

a ( s ) det( sI A) s n a1s n1 an .

146

Se desea modificar el sistema ( A, b, c) por medio de la

retroalimentacin de estado
u (t ) kx(t ) v(t )
donde k k1 k 2 k n es un vector fila y v(t) es una
nueva entrada, a fin de obtener un sistema en lazo cerrado con
polinomio caracterstico deseado

( s ) s n 1s n1 n .
Esto significa que buscamos reubicar los modos del sistema (y
por consiguiente, los polos del mismo) mediante retroalimentacin de estado.

147

La retroalimentacin de estado se muestra esquemticamente en

la siguiente figura.

148

Aplicando la retroalimentacin de estado u (t ) kx(t ) v(t )

al sistema ( A, b, c) obtenemos el sistema en lazo cerrado
x. (t ) ( A bk ) x(t ) bv(t )
( A bk , b, c)
y (t ) cx(t )
cuyo polinomio caracterstico es
ak ( s ) det( sI A bk ).
Entonces, el problema es averiguar bajo qu condiciones existe
u (t ) kx(t ) v(t ) tal que ( s ) ak ( s ), y cmo calcular el
vector k.

149

Tenemos que

( s ) ak ( s ) det( sI A bk )
det{( sI A)[ I n ( sI A) 1 bk ]}
det( sI A) det[ I n ( sI A) 1 bk ].
Lema 5.1. Sean L y N matrices de dimensiones n m y m n
respectivamente. Entonces se cumple que
det( I n LN ) det( I m NL ).

150

Utilizando el lema anterior en det[ I n ( sI A) 1 bk ], con

L ( sI A) 1 b, N k , y m 1, tenemos que
det[ I n ( sI A) 1 bk ] det[1 k ( sI A) 1 b]
1 k ( sI A) 1 b.

Por lo tanto

( s ) a ( s )[1 k ( sI A) 1 b],
de donde

( s ) a ( s ) a ( s )k ( sI A) 1 b.

151

Como tenemos en la ecuacin anterior polinomios en s, el

vector k puede encontrarse igualando los coeficientes correspondientes de las potencias de s.
Para ello utilizamos la expresin
1
1
( sI A)
[ Is n1 ( A a1 I ) s n2 ( A2 a1 A a2 I ) s n3
a( s)
( An1 a1 An2 an1 I )].

152

Por lo tanto
( s n 1s n1 n ) ( s n a1s n1 an )
k[ Is n1 ( A a1 I ) s n2 ( A2 a1 A a2 I ) s n3 ]b.
Examinando por potencias de s la ecuacin anterior, tenemos
que
1 a1 kb

2 a2 kAb a1kb
3 a3 kA2b a1kAb a2 kb

153

Las relaciones anteriores se pueden escribir en la forma

a k CT
donde

1 2 n
a a1

a2 an

C b

Ab An1b

1
0

a1
1
0

a2
a1
1

an1
an 2

.
a1

1
154

De la ecuacin anterior, puede verse que un polinomio

cualquiera (s ) puede ser asignado mediante retroalimentacin
de estado como polinomio caracterstico del sistema en lazo
cerrado si y solo si la matriz de controlabilidad del sistema es no
singular, es decir, si y solo si el sistema es controlable.
Si el sistema es controlable, el vector de retroalimentacin k que
asigna el polinomio (s ) est dado por
k ( a)T 1C1

(5.1)

la cual se conoce como frmula de Bass-Gura.

155

Observe que para la forma cannica controlador tenemos que

1
0

Cc

a1
1
0

a2
a1
1

an1
an 2

a1

T 1.

Es decir, que para un sistema en forma cannica controlador, el

vector k puede obtenerse como
k a.

156

Alternativamente, el vector de retroalimentacin puede tambin

calcularse mediante la frmula
k 0 0 1 C1 ( A)

(5.2)

conocida como frmula de Ackermann, donde (s ) es el

polinomio caracterstico deseado y 0 0 1 C1 es la
ltima fila de C1.

157

5.2 Efecto de la retroalimentacin sobre ceros

del sistema, controlabilidad y observabilidad
Efecto de la retroalimentacin sobre ceros del sistema
Sea
H ( s)

Y (s)
b( s )
c( sI A) 1 b
U (s)
a( s)

la funcin de transferencia del sistema ( A, b, c).

Suponiendo que a(s) y b(s) son coprimos, los ceros del sistema
son las races de b(s) y los polos del sistema son las races de
a(s).
158

Para la retroalimentacin de estado

u (t ) kx(t ) v(t )
tenemos que (condiciones iniciales iguales a cero)
U ( s ) kX ( s ) V ( s ) k ( sI A) 1 bU ( s ) V ( s )
de donde
U ( s)
1

.
1
V ( s ) 1 k ( sI A) b

159

Entonces, la funcin de transferencia del sistema en lazo

cerrado est dada por
c( sI A bk ) 1 b

Y ( s ) Y ( s ) U ( s ) b( s )
1

V ( s ) U ( s ) V ( s ) a ( s ) 1 k ( sI A) 1 b

b( s )
a( s)
b( s )

a( s) a( s) g ( s) a( s) g ( s)
donde g ( s ) : k Adj( sI A)b.

160

De lo anterior puede verse que:

1. El polinomio caracterstico del sistema en lazo cerrado es
a ( s ) g ( s ) ( s ).
2. Los ceros del sistema no son afectados por
retroalimentacin de estado en el sentido de que no se
(s )
pueden reubicar. Sin embargo, los ceros se pueden
cancelar
si
y b(s) tienen races comunes.

161

Efecto de la retroalimentacin sobre la controlabilidad

Considere que tenemos un sistema controlable, dado en la forma
cannica controlador ( Ac , bc , cc ).
Se puede ver que con la retroalimentacin de estado
u (t ) kx(t ) v(t ),
( Ac bc k , bc , cc )
el sistema retroalimentado
sigue estando en la forma cannica controlador, y por lo
tanto sigue siendo controlable.
Si el sistema no es controlable, el sistema retroalimentado
tampoco es controlable.
Entonces, la retroalimentacin de estado no afecta la
controlabilidad del sistema.

162

Efecto de la retroalimentacin sobre la observabilidad

Para analizar la observabilidad, suponga que el sistema ( A, b, c)
es controlable y observable. Como se vio anteriormente, la
funcin de transferencia del sistema retroalimentado es
b( s )
b( s )
c( sI A bk ) b

.
a( s) g ( s) ( s)
1

Entonces el sistema ( A bk , b, c), el cual sigue siendo controlable, ser observable si y solo si b(s) y (s ) son coprimos, esto
es, si y solo si los modos del sistema en lazo cerrado no
coinciden con los ceros del sistema. Por lo tanto, la observabilidad puede ser afectada por retroalimentacin de estado.

163

5.3 Referencia constante en estado

permanente
Sea ( A, b, c) controlable, y suponga que al tiempo t0 0
se presenta una perturbacin de manera tal que x(0) x0 0, y
que se desea usar la retroalimentacin de estado u (t ) kx(t )
para llevarx0 a cero.
Entonces, si el sistema no es estable, o si se desea por ejemplo
hacer que tenga una dinmica ms rpida (o ms lenta), se debe
calcular el vector k para ubicar los modos del sistema en lazo
cerrado en posiciones adecuadas en la parte izquierda del plano
complejo. La velocidad con que x0 tienda a cero depender de
los modos del sistema en lazo cerrado, es decir, de los valores
propios de la matriz ( A bk ).
164

Suponga que en lugar de llevar el estado del sistema a cero, se

quiere llevar a un estado dado, tal que la salida del sistema
tienda a un valor constante deseado, es decir
y (t ) cx(t ) yd .
A este problema le llamaremos lograr una referencia constante
en estado permanente.
Utilizando la retroalimentacin de estado u (t ) kx(t ) vd ,
tenemos que

x(t ) ( A bk ) xd bvd 0
de donde
xd ( A bk ) 1 bvd .

165

Entonces
yd cxd c( A bk ) 1 bvd .
Sea
H k ( s ) c( sI A bk ) 1 b
la funcin de transferencia del sistema en lazo cerrado.
Entonces tenemos que
de donde

yd H k (0)vd
yd
vd
.
H k (0)

166

Por lo tanto, para una funcin de transferencia en lazo cerrado

H k (s ) dada, existe una entrada vd tal que y (t ) yd si
H k (0) 0, es decir, si H k (s ) no tiene ceros en s=0.
Dado que los ceros de H k (s ) corresponden a los ceros de H(s),
1
entonces existe vd si H (0) cA b 0.
Observe que la velocidad con que la salida tienda al valor
deseado depende de los modos del sistema en lazo cerrado.

167

5.4 Rechazo de perturbaciones constantes

Sea el sistema

x(t ) Ax(t ) bu (t ) w
y (t ) cx(t )
donde w es una perturbacin constante desconocida (vector), y
suponga que se quiere llevar la salida del sistema a cero, an en
presencia de esta perturbacin.

168

Utilizando la retroalimentacin de estado u(t)=-kx(t) se puede

estabilizar el sistema, pero tendremos valores en estado
estacionario para la salida diferentes de cero.
Para rechazar la perturbacin w (es decir, para hacer que la
salida tienda a cero sin importar el valor de w), adems de
retroalimentacin de estado, vamos a utilizar retroalimentacin
dinmica de la salida.
.
Sea q (t ) y (t ), y la entrada u(t) dada por
u (t ) k1 x(t ) k 2 q (t )
es decir, la entrada u(t) es una combinacin de retroalimentacin
de estado con retroalimentacin dinmica de la salida.
169

Entonces, tenemos el sistema aumentado

x. (t ) A bk1 bk 2 x(t ) w
.

.
q(t )
c
0 q (t ) 0
Si k1 y k 2 se asignan de manera tal que el sistema aumentado
anterior sea estable, entonces tendremos que
0 cx() y ()
es decir, la salida del sistema tender a cero sin importar el valor
de la perturbacin w.

170

6. Observadores de estado

171

6.1 Diseo del observador

Si un sistema es controlable, se ha visto que mediante retroalimentacin de estado se puede asignar cualquier polinomio
caracterstico en lazo cerrado.
Suponga sin embargo, que por alguna razn los estados del
sistema no son accesibles, o que no se tienen los elementos para
medirlos. Entonces es necesario estimarlos, y para ello
utilizaremos lo que se conoce como un observador de estado.

172

El problema es entonces el siguiente: cmo determinar los

estados x(t ), t 0, del sistema
.
x(t ) Ax(t ) bu (t ), x(0) x0
y (t ) cx(t )
a partir del conocimiento de la entrada u(t) y de la salida y(t)?
Suponga que dado el sistema ( A, b, c) construimos un modelo
o sistema paralelo
.
x (t ) Ax (t ) bu (t ), x (0) x0
y (t ) c x (t )
cuyos estados si sern accesibles.
173

Como podemos aplicar la entrada u(t) al modelo construido, lo

que necesitamos para conocer x(t ), t 0, es la condicin inicial
x(0). Esta condicin inicial se puede calcular si el sistema es
observable (ver Observabilidad en el Captulo 3).
A este esquema donde la salida del sistema no se utiliza, se le
conoce como observador en lazo abierto.

174

Observador en lazo abierto

175

Incluso no tomando en cuenta que no hay ajuste a las perturbaciones que pudieran surgir durante la operacin del sistema, este
observador en lazo abierto presenta otros problemas como el
siguiente.
Suponga que la condicin inicial x (0) que se utiliza para el
modelo construido tiene un pequeo error, esto es
x (0) x0 ,

|| || || x0 || .

Entonces los estados del modelo no sern x(t) sino un estimado

x (t ) que satisface la ecuacin
.
x (t ) Ax (t ) bu (t ), x (0) x0 x0 .

176

x (t ) x(t ) x (t ) que satisface la

Por lo tanto, existir un error ~
ecuacin
.
~
x (t ) A~
x (t ), ~
x (0) .
Ahora, dependiendo de los valores propios de la matriz A, el
error ~x (t ) puede crecer arbitrariamente a medida que el tiempo t
tiende a infinito (valores propios de A con parte real positiva), o
puede tardar mucho tiempo en desaparecer (valores propios de
A con parte real negativa muy pequea).
Una forma efectiva de compensar el error es usando algn tipo
de retroalimentacin, en este caso retroalimentacin de la seal
de salida y(t), y entonces tendremos un observador en lazo
cerrado.
177

Observador en lazo cerrado

178

La seal de error ser

y (t ) y (t ) cx(t ) c x (t ) c ~
x (t ).
Entonces tenemos que
.
x (t ) Ax (t ) bu (t ) l[ y (t ) y (t )],

x (0) x0

donde x0 es el vector inicial estimado y l es el vector de

x (t ),
retroalimentacin que debe de servir para controlar el error ~
el cual satisface la siguiente ecuacin
.
.
.
~
x (t ) x(t ) x (t )
Ax(t ) bu (t ) [ Ax (t ) bu (t ) lcx(t ) lcx (t )]
~
A~
x (t ) lc ~
x (t ) ( A lc) ~
x (t ),
x (0) x0 x0 .

179

El problema ahora es asignar el vector l de manera tal que el

error ~x (t ) tienda a cero tan rpido como se considere necesario
(debido a esta propiedad, se le conoce como observador
asinttico).
Esto es equivalente a decir que debe existir l tal que los valores
propios de la matriz (A-lc) puedan ser arbitrariamente asignados.
Teorema 6.1. Existe un vector l tal que
det( sI A lc ) ( s ) s n 1s n1 n
donde (s ) es un polinomio cualquiera, si y solo si el sistema es
observable.

180

En tal caso, el vector l estar dado por

l O1 (c, A)(T 1 )T ( a)T
donde O(c, A) es la matriz de observabilidad del sistema,
1 2 n
a a1
1
0

a2 an
a1
1
0

a2
a1
1

an 1
an 2

a1
1

y a( s ) det( sI A) s n a1s n1 an es el polinomio

caracterstico del sistema.
181

Utilizando la formula de Ackermann, el vector l tambin puede

calcularse mediante
0

l ( A) O1 (c, A) .
0
1

182

6.2 Esquema observador-controlador

Nos interesa estudiar el desempeo del sistema ( A, b, c) cuando
es retroalimentado, no con el estado x(t) (que no es accesible),
sino con el estado estimado x (t ) del observador, es decir, la ley
de control es de la forma
u (t ) k x (t ) v(t ).

183

Esquema observador-controlador

184

Las ecuaciones que describen el sistema compuesto son

.
x(t ) Ax(t ) bk x (t ) bv(t ),
x(0) x0
.
x (t ) lcx(t ) ( A lc bk ) x (t ) bv(t ),
x (0) x0

(6.1)

las cuales pueden escribirse en la forma

x. (t )
. A
x (t ) lc

x(t )
bk

A lc bk x (t )

b v(t ).
b

( 6 .2 )

185

Primeramente se obtendr la funcin de transferencia del

sistema compuesto.
Tomando transformada de Laplace de (6.1) y considerando
condiciones iniciales iguales a cero, tenemos
sX ( s ) AX ( s ) bk X ( s ) bV ( s )
s X ( s ) lcX ( s ) ( A lc bk ) X ( s ) bV ( s ).

(6.3)
(6.4)

De (6.4) despejamos X ( s )
X ( s ) ( sI A lc bk ) 1 lcX ( s ) ( sI A lc bk ) 1 bV ( s ).

186

Reemplazando X ( s ) en (6.3)
sX ( s ) AX ( s ) bk[( sI A lc bk ) 1 lcX ( s )
( sI A lc bk ) 1 bV ( s )] bV ( s ).
Reagrupando
[ sI A bk ( sI A lc bk ) 1 lc ] X ( s )
[ I bk ( sI A lc bk ) 1 ]bV ( s )
que puede escribirse como
[ I bk ( sI A lc bk ) 1 ]1{( sI A lc )
[ I bk ( sI A lc bk ) 1 ]lc} X ( s ) bV ( s ).

187

Haciendo uso de la siguiente frmula matricial

I P ( sI Q RP ) 1 R [ I P ( sI Q) 1 R ]1
tenemos que
1
1 1
I bk
(
sI

lc

bk
)

[
I

bk
(
sI

lc
)
] .

sI Q

Entonces
[ I bk ( sI A lc ) 1 ]{( sI A lc )
[ I bk ( sI A lc ) 1 ]1 lc} X ( s ) bV ( s ).

188

De la ecuacin anterior tenemos

[ sI A lc bk lc ] X ( s ) bV ( s ),
de donde

X ( s ) ( sI A bk ) 1 bV ( s ).

Como
Y ( s ) cX ( s ) c( sI A bk ) 1 bV ( s )
entonces la funcin de transferencia del sistema compuesto es
H ( s ) c( sI A bk ) 1 b.

189

Observe entonces que la funcin de transferencia del sistema

compuesto corresponde tambin a la funcin de transferencia
del sistema ( A, b, c) retroalimentado por u(t)=-kx(t)+v(t).
Es decir, que la funcin de transferencia del sistema compuesto
no depende de la dinmica del observador. Este es un resultado
que era de esperarse, debido a que la funcin de transferencia
del sistema se obtiene considerando condiciones iniciales
iguales a cero, y en este caso tenemos un observador perfecto,
es decir, x (t ) x(t ).

190

El problema ahora es determinar si el observador no introduce

modos inestables al sistema (cuando se tienen sistemas
interconectados, puede ocurrir que el sistema compuesto sea
inestable, an cuando los subsistemas sean estables).
De (6.2), se puede ver que los modos del sistema compuesto
corresponden a los valores propios de la matriz
A
lc

bk
.

A lc bk

191

Sea aoc (s ) el polinomio caracterstico de la matriz anterior.

Entonces tenemos que
bk
sI A

ao c ( s ) det

lc
sI

lc

bk

I I
det

0
I

0
sI A lc

lc
sI A bk

I I
0 I

det( sI A lc ) det( sI A bk )
aobs ( s ) acont ( s ).

192

De lo anterior tenemos entonces que el polinomio caracterstico

del sistema compuesto es igual al producto de los polinomios
caractersticos del observador y del sistema retroalimentado. Es
decir, que si aobs ( s ) y acont ( s ) son estables, entonces aoc (s ) es
tambin estable.
Otra consecuencia importante que se deduce de esto es que el
observador y el controlador pueden disearse de manera
independiente, y a esto se le conoce como el principio de
separacin.

193