Realizaciones Mínimas

Las presentes notas son una referencia escrita del curso
Teoria de Sistemes Lineals que el autor viene impartiendo desde el curso 1994/95 en la Escola T`ecnica Superior
dEnginyers Industrials de Barcelona de la UPC.
A la elaboracion de estas notas han precedido el estudio y
la consulta de diversos textos especializados en el tema. En
la bibliografa que se incluye al final del texto hemos seleccionado los libros que nos han parecido mas significativos. Al lector que desee ampliar conocimientos le recomendamos la consulta de la citada biliografa.
La elaboracion de estas notas se ha beneficiado de las discusiones mantenidas durante los cursos precedentes con los
profesores Josep Ferrer, Dolors Magret y Xavier Puerta, as
como de sus sugerencias y comentarios. A todos ellos y a
Rosa Maria Cuevas, que se ha encargado de la realizacion
en lenguaje TeX de las mismas, les expresso mi mayor
agradecimiento.
ETSEIB, Septiembre de 2000

Ferran Puerta

Indice
1 Sistemas lineales
1
Sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2
Variables de entrada, de salida y de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3
Descripcion matematica interna o por las variables de estado de un sistema . . . . . . . . . 8
4
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5
Resolucion de la ecuacion de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6
Sistemas lineales invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
7
Calculo de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
8
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
9
Matrices resolvente y de transferencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
10 Equivalencia algebraica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
11 Composicion de sistemas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
12 Linealizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2 Controlabilidad y observabilidad
37
1
Controlabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2
Controlabilidad de sistemas lineales invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . 39
3
Sistemas no controlables. Subsistema controlable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4
Subespacio de controlabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5
Observabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6
Sistemas invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7
Ejemplos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8
Sistemas no observables. Subsistema observable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
9
Descomposicion de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3 Estabilidad
63
1
Estabilidad de sistemas autonomos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2
El criterio de Routh-Hurwitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3
El metodo de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4
Funciones de Lyapunov para sistemas lineales invariantes en el tiempo . . . . . . . . . . . 72
5
Estabilidad entradasalida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4 Realizacion de sistemas
79
1
2
3
4
Realizacion de sistemas lineales invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . 79

Realizacion controlable estandar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Realizacion observable estandar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Realizacion minimal. Grado de McMillan de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5 Realimentacion de estado
INDICE
97
1
Realimentacion de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
2
Asignacion de valores propios por realimentacion de estado . . . . . . . . . . . . . . . . . . . . . 98
3
Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
A Norma de matrices
107
B Producto de Kronecker
111
Notaciones
Sea el cuerpo real o complejo.
1. Convendremos en representar los vectores de mediante matrices columna. Esto es, si
, escribiremos
..
2. Si designaremos, si no hay peligro de confusion, con la misma letra

definida por
(producto).
aplicacion lineal
Cuando sea conveniente distinguir, designaremos esta aplicacion lineal por
la
3. Si es una matriz compleja indicaremos por la matriz traspuesta conjugada de .

Por conveniencia de escritura utilizaremos esta misma notacion para designar la matriz
traspuesta de , cuando es real.
4. Si
son vectores de un espacio vectorial, indicamos por
cio vectorial que engendran, esto es, el conjunto de vectores de la forma
donde
son escalares arbitrarios.
5. En consideramos el producto hermtico habitual, esto es, si
Si
el subespa ,

, entonces

6. Si es una funcion derivable, indicamos indistintamente por o por

funcion derivada.
su
7. En las referencias internas de un captulo, e ste se omite. As, si nos referimos, por ejemplo, a la proposicion (3.2) del captulo 4, escribiremos simplemente (3.2) si lo hacemos
desde el propio captulo o (4.3.2) si lo hacemos desde otro captulo.
NOTACIONES
Captulo 1
Sistemas lineales
1 Sistemas
De una forma simple el estudio de los sistemas fsicos reales puede esquematizarse a traves del
proceso descrito en el diagrama adjunto
..............................
... Medidas o
...
... especificaciones
...
....
...
...
...
........... Modelo 3
...........
Modelo 1
Modelo 2
....
...
..
.
.
.
...
.
.
.
...
.
.
...
...
Comprobacion
..
....
...
Representacion matematica
...
....
...
...
Analisis
...
...
...
...
.
.....................................
Simulacion
Sistema fsico real
Si aparecen diversos modelos de un sistema real es porque, efectivamente, un mismo sistema

fsico puede admitir diversas modelizaciones. Por ejemplo:
Si queremos calcular el impulso y el combustible necesarios para poner un satelite en

o rbita podemos identificar (modelizar) el satelite como una partcula (especificada por su
masa, posicion y velocidad).
Una vez esta en o rbita, para estudiar la orientacion de su antena, es necesario modelizar
7
CAPITULO
1. SISTEMAS LINEALES
el satelite como un cuerpo rgido moviendose alrededor de su centro de masas.
Si el satelite es grande y si las maniobras se hacen muy rapidamente quizas se tendra que
modelizar como una estructura flexible y tener en cuenta sus nodos de vibracion elastica.
Por lo tanto, no existe ningun requerimiento de que el modelo se parezca, de algun modo, al
sistema real: lo u nico que se requiere es que, para el problema que se considere, el modelo
permita hacer predicciones u tiles con un coste razonable.
Un modelo de un sistema fsico real sera llamado simplemente un sistema.
2 Variables de entrada, de salida y de estado

Asociado a un sistema existe un conjunto de variables: voltajes electricos, corrientes, fuerzas
mecanicas, desplazamientos, flujos, temperatures,... que, en general, pueden cambiar con el
tiempo. Algunas de estas variables pueden ser modificadas con el fin de producir un determinado efecto sobre otras: las primeras son las variables de entrada o estmulos o excitaciones y
las segundas variables de salida o respuesta. Siempre supondremos que hay un numero finito
de estas variables.
El conjunto de variables de entrada y salida no estan definidos de manera u nica. No obstante,
una vez se han escogido, tenemos una situacion definida, segun la qual el sistema recibe unos
estmulos o entradas y los transforma en unas respuestas o salidas.
y las de salida por
.
Las variables de entrada las notaremos habitualmente por
Las variables de estado son un conjunto de variables que determinan de forma u nica el estado
del sistema, una vez se ha fijado un valor para ellas, en un instante , as como las variables
de entrada
, para
. Supondremos tambien que son un numero finito y las
.
designaremos habitualmente por
3 Descripcio n matematica interna o por las variables de estado de un sistema

3.1 Una forma general (aunque no la mas general) de representar matamaticamente un sistema
es a traves de una ecuacion diferencial y una ecuacion de salida de la forma
donde es la funcion (vectorial) que define el estado del sistema, es la funcion (vectorial) de entrada o de control y es la funcion (vectorial) de salida.
MATEMATICA
3. DESCRIPCION
INTERNA O POR LAS VARIABLES DE ESTADO DE UN SISTEMA
Esta descripcion se llama interna o por las variables de estado, ya que, el conocimiento de la
salida o respuesta del sistema bajo los estmulos de la entrada requiere el conocimiento del
estado del sistema.
Nosotros limitaremos el estudio a sistemas que admiten una descripcion o representacion de la
forma

(EE)

(ES)
donde , , , , son matrices, cuyos elementos son funciones continuas (o continuas a

trozos) en , tales que
para todo
.
..
.
es la funcion (vectorial) de entrada o de control y ,
, son las
variables
deentrada o de control.
..
.
es la funcion (vectorial) que define el estado del sistema y cada una de las ,
,son las variables de estado. Finalmente,
..
.
es la funcion (vectorial) de salida y las ,
, son las variables de salida.
Para cada
..
.
es el correspondiente vector de y analogamente para

, .
La primera ecuacion (EE) se llama ecuacion de estado y es una ecuacion (matricial) diferencial
lineal, y la segunda ecuacion (ES) es una igualdad que da la salida del sistema, a partir del
estado y del control y se llama ecuacio n de salida.
3.2 Los sistemas que admiten una representacion como la que acabamos de describir se denominan sistemas lineales. Si las matrices , y son constantes, el sistema lineal se denomina
invariante en el tiempo.
10
CAPITULO
Frecuentemente utilizaremos la letra para designar un sistema lineal representado por el par
de ecuaciones EE y ES anteriores.
Puesto que las ecuaciones EE y ES quedan caracterizadas por las matrices , y
nos referiremos indistintamente al sistema lineal como representado por las ecuaciones EE y
ES o por la terna .
Observaciones 3.3
1. Hemos supuesto que el intervalo de definicion de las funciones que intervienen en la
representacion matematica del sistema estan definidas en . En la practica puede ocurrir
que solo esten definidas en un intervalo de la forma o . Prolongando por
cero fuera de estos intervalos estamos en la situacion anterior.
Asimismo es posible que en la demostracion de alguna proposicion se exija no solo la
continuidad, sino la diferenciabilidad de las funciones. Esta condicion no aparecera en el
enunciado, pero el lector la debera tener presente en las eventuales aplicaciones.
2. La teora que desarrollaremos en estas notas es asimismo valida si las funciones a las que
nos acabamos de referir tienen valores complejos.
3. En la mayora de los casos practicos es la matriz nula. As, supondremos desde
. Por otro lado, los cambios necesarios cuando
es no nula
ahora que
en el planteamiento y resolucion de las proposiciones que siguen son, en general, obvios.
4 Ejemplos
4.1 Consideremos el sistema mecanico de la figura,
Para pequenas elongaciones, la ley de Newton dice que

Si elegimos:
variables de estado
variables de entrada
11
4. EJEMPLOS
variables de salida
y suponemos
la ecuacion anterior e s equivalente a
Se trata pues de un sistema lineal invariante en el tiempo con
4.2 Consideramos el circuito electrico
El estado del sistema queda determinada, por ejemplo, por la corriente y la tension a traves
del condensador . Hacemos, pues, la siguiente eleccion de variables
variables de estado
variables de entrada
variables de salida
La ecuacion de este circuito es

12
CAPITULO
que, de acuerdo con la eleccion de variables hecha, queda en la forma
Se trata, asimismo, de un sistema lineal invariante en el tiempo con
4.3 Consideramos un satelite de masa en o rbita alrededor de la tierra como muestra la figura
......
......
......
......
......
......
.....
... Satlite
...
...
...
...
...
......
...
......
......
...
......
...
......
...... ....
.....
Tierra
La posicion del satelite esta especificada por las variables , y , y suponemos que la
o rbita puede ser controlada por tres impulsos ortogonales: , , .
Haremos la siguiente seleccion de variables :
variables de estado , ,
variables de entrada , ,
variables de salida ,
, , ,
13
DE LA ECUACION
DE ESTADO
5. RESOLUCION
Entonces el sistema puede ser descrito por
donde
Notese que en este caso la ecuacion (vectorial) es claramente no lineal. Como veremos mas
adelante, este sistema se puede aproximar cerca de la posicion de equilibrio mediante un sistema
lineal, a traves de un proceso general llamado linealizacion.
5 Resolucion de la ecuacio n de estado

Empezamos recordando el siguiente teorema, que garantiza la existencia y unicidad de soluciones de (EE) fijadas unas condiciones iniciales.
Teorema 5.1 Con las notaciones e hipo tesis anteriores, para cualquier
existe una u nica solucion de
definida para todo tal que
(EE)
14
CAPITULO
Fijados , y , denotamos por la u nica solucion a que se refiere el

teorema anterior.
Vamos a determinar esta solucion. Para ello, consideremos la ecuacion homogenea asociada a
la ecuacion anterior (EE),
(EE)
Si denotamos por (resp. ) el conjunto de soluciones (EE), (resp. (EE) ) y es una solucion
particular de (EE), es inmediato comprobar que
As pues, empezamos determinando .
Sea ,
tal que
,
Entonces, notaremos
la u nica solucion de (EE)
la funcion matricial

Proposicion 5.2 Con las notaciones anteriores,

tal que .
Demostracion. En primer lugar vemos que para cualquier
es la u nica solucion de (EE)
es solucion. En efecto,
Por lo tanto,
es solucion. Ademas,

, por definicion. De aqu,
Corolario 5.3 El conjunto de soluciones de (EE) es
La funcion matricial
15
DE LA ECUACION
DE ESTADO
5. RESOLUCION
se llama matriz fundamental o de transici o n de estados de (EE) . Observese que, en efecto, si

es el estado en el instante , es el estado en el instante .
La siguiente proposicion recoge una propiedad fundamental de la matriz de transicion de estados.
Proposicion 5.4 Con las notaciones anteriores
.
es una matriz invertible para todo
Demostracion. Supongamos que existe tal que no es invertible. Esto

equivale a
que
son linealmente dependientes, es decir,

donde
para alg
un . Entonces, definimos
; es solucion de
(EE) tal que y , ya que
son linealmente independientes. Pero la
funcion nula es de y evidentemente, . Por lo tanto, para todo ,
contradiccion.
Corolario 5.5
Otras propiedades de
se recogen en la siguiente proposicion.
Proposicion 5.6 La matriz de transicio n de estados verifica las propiedades siguientes:

(i)
(ii)
(iii)
(iv)
(v)
Demostracion.
(i) Ya visto.
(ii)
es la u nica solucion de (EE) con

. Sea

. Entonces,
es la u
nica solucion de (EE) con
.
Pero tambien lo es, por lo tanto

y siendo arbitrario resulta (ii).
16
CAPITULO
(iii) Inmediata.
(iv) Calculo directo.
(v)
implica
Observacion 5.7 Si
satisface el problema de valor inicial
Entonces
Ejemplo 5.8
. Vamos a determinar
,
,
As, para
Por lo tanto,
la solucion es
17
DE LA ECUACION
DE ESTADO
5. RESOLUCION
Ahora,

As, para
la solucion es
. Por lo tanto,
Ahora vamos a encontrar una solucion particular de . Lo haremos por el metodo de variacion
de las constantes, es decir, buscamos la solucion en la forma
que ha de cumplir
De la anterior proposicion, resulta que
de donde
As pues,

es una solucion particular que se anula en y entonces tenemos la siguiente proposicion.
18
CAPITULO
Proposicion 5.9 La u nica solucion de
tal que
viene dada por
5.10 Entonces, la salida del sistema vendra dada por

6 Sistemas lineales invariantes en el tiempo

6.1 Frecuentemente las matrices , y son funciones constantes, es decir, que no varan
con . Tal como hemos dicho, el sistema lineal se denomina entonces invariante en el tiempo y
vendra representado por
donde ,
(EE)
(ES)
son matrices constantes.
En este caso, la matriz de transicion de estados toma la siguiente forma.

Proposicion 6.2 Si
es constante, la matriz de transici o n de estados de (EE) es
Demostracion. Si
por
es constante, la solucion de
para todo
, de donde resulta la proposicion.
6.3 As pues en este caso, la u nica solucion de (EE) tal que
y (ES) queda

viene dada
que ha de coincidir con
tal que
es

7. CALCULO
DE
7 Calculo de
19

. Para simplificar, denotamos
Vamos a dar tres metodos de calculo de
7.1 A traves de la forma de Jordan de .

Si es la forma reducida de Jordan de , se tiene
Entonces,
Ahora bien, si
diag
, donde son bloques elementales de Jordan correspondientes a los diferentes valores propios de y a las correspondientes caractersticas de Segre,
tenemos que

diag
Es suficiente, pues, considerar el caso de un bloque elemental de Jordan
..
.
..
..
..
..
..
.
..
.
En este caso,
..
.
..
.

..
..
..
..
..
..
..
..
..
.
..
.
Notese que toda matriz real puede considerarse como matriz compleja, lo que permite reducirla
a la forma de Jordan compleja. Naturalmente la matriz del cambio de base es tambien compleja. No obstante, si es real, su matriz exponencial
es asimismo real.
7.2 Utilizando la transformada de Laplace.
Sabemos que
20
CAPITULO
Por lo tanto, teniendo en cuenta que si

que
de donde
y
7.3 Utilizando funciones de matrices.

el polinomio caracterstico de ,
Sea
y
por
, resulta
la funcion real definida
un polinomio tal que
8.1 Sea
(i)
por los tres procedimientos descritos.
(ii)
. Entonces
. Vamos a calcular
para todo , y tales que
8 Ejemplos
21
8. EJEMPLOS
(iii)
Naturalmente, los tres resultados coinciden.

8.2 Por ejemplo la solucion de la ecuacion de estado
con
viene dada por
8.3 Vamos a resolver la ecuacion de estado del ejemplo (4.1). Utilizaremos el primer metodo
para el calculo de
. (recomendamos al lector que compruebe el resultado utilizando los otros
dos).
donde
22
CAPITULO
Suponemos
para todo
Entonces
es decir,
9 Matrices resolvente y de transferencia

Consideremos un sistema lineal invariante en el tiempo representado por

y denotemos por la u nica solucio de (EE), tal que .

, , las correspondientes transformaciones de Laplace.
Sean
(Naturalmente,
..
.
..
.
Entonces, si aplicamos a (EE) y (ES), resulta:
de donde
etc.
para todo que no sea valor propio de . Para estos valores de se tiene pues que

23
9. MATRICES RESOLVENTE Y DE TRANSFERENCIA
Definicion 9.1 Las matrices
se llaman, respectivamente matriz resolvente y matriz de transferencia (no confundir con la

matriz de transferencia de estados ).
Tenemos, pues la relaciones
La primera igualdad puede utilizarse para calcular y la segunda determina la funcion de

salida del sistema, a partir del estado inicial y de la funcion de entrada.
En particular, si

y, si ademas
es decir si las funciones de entrada y salida son escalares,

y, en este caso se dice que es la funcion de transferencia.

Si tenemos en cuenta la expresion de
resulta claro que es una matriz cuyos elementos son fracciones racionales en la variable
, donde cada numerador tiene grado estrictamente inferior a su denominador. Ademas
esta definida por todos los que no son valores propios de .
Ejemplo 9.2 En el ejemplo (4.1) hemos visto que
24
CAPITULO
donde
. Suponemos
anteriormente para obtener :
Si
para todo

de donde

y vamos a aplicar la metodologa descrita
resultado que, naturalmente, coincide con el obtenido en (8.3).
10 Equivalencia algebraica
Consideremos el circuito de la figura adjunta [Ch]
Si tomamos
variables de estado:
variables de entrada:
25
10. EQUIVALENCIA ALGEBRAICA
variables de salida:
su representacion matematica es
Si, con la misma eleccion de las variables de entrada y salida, elegimos como variables de
estado

la representacion matematica del mismo sistema resulta ser
Esta u ltima representacion se deduce de la anterior a partir de las obvias relaciones
que matricialmente adoptan la forma
Si hemos subrayado las palabras mismo sistema es porque an ambos casos se trata del mismo
circuito y las variables de entrada y de salida son las mismasen ambas representaciones. Si, en
el mismo circuito tomasemos por ejemplo como variable de salida , estaramos considerando
un sistema distinto.
Las dos representaciones anteriores anteriores convendremos en decir que son algebraicamente
equivalentes. En general,
26
CAPITULO
Definicion 10.1 Dos sistemas lineales y representados respectivamente por
con las mismas variables de entrada y salida, diremos que son algebraicamente equivalentes si
existe una matrix tal que .
De esta definicion se deduce inmediatamente la siguiente proposicion.
Proposicion 10.2 Con las notaciones anteriores, y son algebraicamente equivalentes si y
solo si existe una matrix tal que

Para sistemas lineales no invariantes en el tiempo la definicion de equivalencia algebraica es la

misma sin mas que substituir por una funcion continua
.
Tal como sugiere el ejemplo anterior, si dos sistemas lineales son algebraicamente equivalentes,
cabe esperar que a igualdad de impulsos de entrada sus respuestas sean las mismas. Como
veremos ello es as si el estado inicial en ambos casos es el vector nulo.
Proposicion 10.3 Dos sistemas lineales algebraicamente equivalentes tienen la misma matriz
de transferencia.
Demostracion. Con las notaciones de la definicion 10.1, designaremos por y las

respectivas matrices de transferencia. Entonces

27
DE SISTEMAS
11. COMPOSICION
11 Composicio n de sistemas
Vamos a encontrar las ecuaciones y la matriz de transferencia de una composicion (finita) de
sistemas. De hecho, solo es necesario hacerlo para las que se pueden considerar composiciones
elementales basicas, ya que, como veremos, cualquier combinacio de sistemas es una combinacion de composiciones elementales.
11.1 Notacion: Si
es un sistema lineal invariante en el tiempo, el diagrama
A
se llama representacion por diagrama de bloques del sistema.
Si suponemos
relacion
(sistema en reposo en el instante inicial), hemos visto que se tiene la

que relaciona las transformaciones de Laplace de las entradas y salidas a traves de la matriz de
transferencia . Esta relacion la indicamos mediante el diagrama entrada / salida
donde se ha suprimido la variable ( ,

).
En los casos que se consideran a continuacion, nos limitamos a representar los sistemas a traves
de su diagrama entrada / salida (lo que presupone estados iniciales nulos).
28
CAPITULO
11.2 Composiciones elementales una prueba

1. Serie
(i) Ecuaciones
El sistema compuesto tiene como variables de estado
. Substituyendo,
Por lo tanto,
es decir, las matrices que definen el sistema compuesto son
(ii) Matriz de transferencia
es decir, la matriz de transferencia del sistema compuesto es
Observese que si y no son funciones escalares, en general,
29
DE SISTEMAS
11. COMPOSICION
En los casos que siguen se mantienen las notaciones. Es decir, , ,

son las matrices que
, y , ,
las que definen el sistema compuesto y analogamente
definen el sistema ,
para las matrices de transferencia.
2. Paralelo
(i)
Variables de estado de la composicion
es decir
(ii)
de donde
30
CAPITULO
3. Realimentacion
(i)
Entonces, con las notaciones anteriores,
es decir
(ii)

de donde
es decir
Naturalmente, si en el nudo
hay , , todo va igual, salvo el signo.
4. Paralelo abierto
31
DE SISTEMAS
11. COMPOSICION
(i) Con las notaciones anteriores es inmediato comprobar que
(ii) Analogamente, teniendo en cuenta que
Ejemplos 11.3
1. Calcular la matriz de transferencia del sistema compuesto
1a reduccion
+
-
donde
32
CAPITULO
2a reduccion
Finalmente,
Por ejemplo, si

,
,
,
, resulta

2. Consideremos el sistema adjunto en el que todas las entradas y salidas se suponen escalares:
+
+
+
+
Entonces,

de donde
Si suponemos que es una perturbacion no deseada y queremos saber su influencia hacemos
con lo que
Esta relacion permite calcular el
. Analogamente, si

33
12. LINEALIZACION
12 Linealizacio n
Consideremos un sistema representado por las ecuaciones
donde y son funciones vectoriales en general no lineales y que suponemos infinitamente

derivables continuas en los correspondientes intervalos de definicion.
Sea una solucion de EE correspondiente a una entrada . Las ecuaciones anteriores nos
dicen que

Si la entrada recibe una perturbacion pequena, por continuidad, la solucion

y la salida se ven ligeramente perturbadas. Designamos , las perturbaciones
respectivas. Es decir, con la entrada (hemos suprimido la barra y la para simplificar la
notacion), el estado es y la salida .
Se tendra, pues

Entonces, desarrollando por Taylor en , tenemos

lo que nos dice que si las perturbaciones , son bastante pequenas, pueden considerarse
aproximadamente como las soluciones de
donde
, ,
... son las correspondientes matrices jacobianas, esto es,
..
.
34
CAPITULO
y analogamente para , , y
..
.
..
.
..
.
se denomina linealizacion del sistema inicial alrededor
Un caso particular importante es cuando

entonces, y satisface la ecuacion
Definicion 12.1 El sistema lineal

de , .
son constantes. Observese que,
se sice que es un estado de equilibrio del sistema, correspondiente a la entrada .

Ejemplos 12.2
1. (Satelite). Como hemos visto en la descripcion matematica para el satelite, e sta es no lineal
(ver (4.3)).
, entonces ,
y son una solucion si
Observemos que si
(el sat
elite gira en o rbita circular de radio y velocidad angular ).
Si el satelite se desva de la o rbita, hemos de hacer actuar los impulsos , y para volverlo
a su o rbita inicial. Esto se hace perturbando , y de su estado inicial .
Sabemos que para pequenas perturbaciones, y satisfacen un sistema lineal. Vamos a
encontrarlo.
Ahora y . Por tanto,
0
0
0
0
0
0
0
0
0
0
1
0
35
12. LINEALIZACION
Observese que las ecuaciones que describen el estado del sistema se descomponen en dos partes
independientes (se dice dos sistemas lineales desacoplados)
2. (Tunel diodo [FH]). Consideremos el circuito
- +
+
Diodo
en el que la caracterstica del diodo viene dada por
36
CAPITULO
(miliamp)
...
...
...

...
...
...
...
...
...
...
......
... ....
caracterstica
diodo
(voltios)
0,15
Variable de estado : tension condensador

Entrada: (tension)
Salida: (tension)
Entonces,
Claramente, es una descripcion no lineal.

Suponemos . Entonces, el sistema anterior tiene una solucion constante:
Si
es tal que
, entonces:
volt
volt
volt (grafico)
volt
es solucion
Si perturbamos ligeramente la entrada a , y tambien se perturban ligeramente:

, . Entonces la linealizacion del sistema anterior alrededor de la solucion anterior es:
Captulo 2
Controlabilidad y observabilidad
1 Controlabilidad
Definicion 1.1 Sea
un sistema lineal representado por
Se dice que
o que el par es controlable en el intervalo ,
, si
para cualquier existe (que, en general, dependera de , , y ) tal

correspondiente a tal que
verifica tambien que
que la solucion de
.
Vamos a ver como este problema de naturaleza trascendente, tiene una traduccion algebraica
simple. La matriz de la siguiente definicion juega un papel esencial
Definicion 1.2 Sea
por
la matriz fundamental de
Entonces definimos
La matriz se llama matriz gramiana de controlabilidad.

Teorema 1.3 Con las notaciones anteriores,
es invertible.
es controlable en si y solo si
Demostracion. Supongamos controlable en . Esto es equivalente a decir que

cualesquiera que sean y , existe tal que
37
38
CAPITULO
2. CONTROLABILIDAD Y OBSERVABILIDAD
Esta igualdad equivale a que
Puesto que es invertible, el primer miembro es un vector arbitrario de , por tanto si
mediante
definimos

. Entonces, el
esta claro que es controlable en si y solo si Im

teorema resulta inmediatamente del lema siguiente.
Lema 1.4 Im
Im .
Demostracion.
a) Sea
Im (para simplificar la notacion escribimos

, . Si definimos
). Se tendra que
entonces,
es decir, Im
b) Sea ahora
Im . Entonces, existe tal que
Como Im
Im .
Nuc
por ser simetrica, para ver que

para todo Nuc . Ahora bien, siendo
resulta que
para todo

hemos de ver que
. Por lo tanto,
Im
como queramos probar.

Del proceso seguido en la demostracion del teorema anterior se deriva el siguiente metodo de
estudio de la controlabilidad.
39
2. CONTROLABILIDAD DE SISTEMAS LINEALES INVARIANTES EN EL TIEMPO
1.5 Algoritmo.
1. Calcular
2. Determinar
3. Calcular rang
Si
no es controlable.
Si
es controlable. Sigue a 4.
4. Obtener
5. Determinar tal que
6. La funcion de control es
Observacion 1.6 Teniendo en cuenta que para todo , el teorema anterior se puede
enunciar en la forma siguiente:
es controlable en si y s
olo si es una matriz simetrica
definida positiva.
Proposicion 1.7 La condicion de controlabilidad es invariante por cambios lineales (constantes) de las variables de estado.
Demostracion. Resulta de comprobar que si es la matriz fundamental de

, y
donde , entonces, es la matriz fundamental de
donde
.
2 Controlabilidad de sistemas lineales invariantes en el tiempo

Supongamos ahora que el sistema lineal es invariante en el tiempo. Entonces, la condicion de
controlabilidad es mas simple. Se formula a partir de la definicion siguiente
Definicion 2.1 Sea
con
matrices constantes. Entonces la matriz
se llama matriz de controlabilidad del sistema o del par
40
CAPITULO
Recordemos que si
es constante, se tiene que
. Por tanto, en este caso,
es controlable en
Teorema 2.2 Con las notaciones e hipo tesis precedentes, el par

si y solo si rang (maximo).
La demostracion de este teorema resultara de los lemas siguientes.
. Entonces
Lema 2.3 Sea
Nuc
Nuc
Im
Im
Demostracion. Como que y son simetricas, se tiene
Nuc
Im
Por tanto, es suficiente probar que Nuc

a) Sea Nuc . Entonces,
de donde resulta que
Im
Nuc .
Nuc
para todo
Derivando sucesivamente, obtenemos
, resulta
y haciendo
para todo entero
Es decir
Nuc
Nuc
Im
Im
As pues, Nuc
Im
Nuc
Por tanto,
Nuc .
41
b) Nuc implica
que es equivalente,
),
para
Teniendo en cuenta que
es decir,
o, lo
resulta
Por tanto,
Lema 2.4 Im
Im .
Teniendo en cuenta que Nuc

), resulta que
Nuc .
Demostracion.

Im
Nuc
Im
Nuc
Nuc
Im
Nuc
implica
Entonces, Im Im .
Demostracion del Teorema. Resulta inmediatamente de los lemas anteriores:
Im
Im
Im
Observacion 2.5
es independiente del intervalo . As, si un
(i) Notese que la condicion rang
sistema lineal invariante en el tiempo es controlable en un intervalo, lo es en todos. Se dice que
el sistema es completamente controlable. Naturalmente, la correspondiente funcion de control
sigue dependiendo de y (ademas de , ).
es controlable, lo es asimismo
(ii) La condicion de controlabilidad es generica, esto es si
todo par que resulte de perturbar ligeramente las matrices y .
2.6 El algoritmo para estudiar la controlabilidad para sistemas invariantes en el tiempo es pues
)
el siguiente (hemos supuesto y escribimos
1. Calcular
2. Calcular rang
42
CAPITULO
Si
no es controlable.
Si
es controlable. Sigue a 3.
3. Obtener
4. Determinar tal que

5. Determinar
6. La funcion de control es
Observacion 2.7 Hemos visto que la condicion de controlabilidad es invariante por cambios
lineales de las variables de estado. En el caso que el sistema sea invariante en el tiempo, la
comprobacion es inmediata. En efecto, si con invertible, sabemos que

y
. Por tanto,
que tiene el mismo rang que , ya que es invertible.

Ejemplos 2.8
(i) [SB] Consideremos el modelo de un sistema fsico descrito en la figura adjunta
... ...
.. ..
... ...
.. ..
... ...
.. ..
...
...
...
...
Bajo hipotesis convenientes, las ecuaciones de continuidad para cada deposito conducen
son las a reas de la superficie de lquidos, las alturas de
al siguiente sistema en el que
lquido,
y , constantes
43
Supongamos que (por ejemplo) se verifican las relaciones siguientes
y escribimos
Entonces el sistema anterior queda en la forma
donde , , son constantes
La matriz de controlabilidad es
..
.
..
.
..
.
..
.
..
.
..
.
Vamos a considerar 3 casos:

(a)
(b)
(c)
(a)
(b)
(c)
..
.
..
.
tiene rang 3: el sistema es controlable.
tiene rang 2: el sistema no es controlable.
tiene rang 3: el sistema es controlable.
44
CAPITULO
Es decir, en el primer y tercer caso, fijadas unas alturas iniciales, un tiempo y unas
alturas finales, es posible graduar los caudales , , de forma que, efectivamente,
transcurrido el tiempo , las alturas finales sean las fijadas (Notese que las funciones
pueden tomar valores negativos!.)
(ii) Con las notaciones de (1.4.3) vamos a estudiar la controlabilidad del satelite. Puesto que
utilizamos las ecuaciones linealizadas, es claro que el estudio sera valido solamente para
estados convenientemente proximos al de equilibrio.
Supongamos para simplificar notacion que
Observemos que
es controlable.
Entonces, teniendo en cuenta la naturaleza desacoplada de las ecuaciones, es suficiente

estudiar la controlabilidad del par
..
.
..
.
..
.
..
.
..
.
..
..
.
.
..
..
.
..
.
..
.
..
.
que tiene rang 4. As pues, el sistema es controlable.

Supongamos ahora que el cohete se avera y queremos ver si podemos controlar el
, con lo que la matriz de controlabisatelite con el impulsor . Es decir, hacemos
lidad es
45
3. SISTEMAS NO CONTROLABLES. SUBSISTEMA CONTROLABLE
. As pues la trayectoria no se puede controlar con solamente.
que tiene rango
Por el contrario, si
se tiene que
que tiene rango y por tanto se tiene controlabilidad en este caso.

Insistimos en la naturaleza local del estudio efectuado.
3 Sistemas no controlables. Subsistema controlable

Sea
un sistema lineal invariante en el tiempo representado por
y supongamos que su matriz de controlabilidad tiene rang . Entonces sabemos que

contiene un subsistema controlable. De forma mas
no es controlable. Vamos a ver que
precisa tenemos el siguiente resultado.
Teorema 3.1 Con las notaciones anteriores supongamos que la matriz de controlabilidad
de
tiene rang
. Entonces existe una matriz invertible tal que

con
Ademas
(i) El par
es controlable
(ii) Las matrices de transferencia de
coinciden.
Demostracion. Sea la aplicacion lineal asociada naturalmente a (ver

notaciones),
una base de Im y

una base de
obtenida por ampliacion de la anterior. Sea la matriz de esta base en la base ordinaria. Si
46
CAPITULO
son las aplicaciones lineales asociadas

las matrices de ,
y
tomando en la
de forma natural a , , y , sean , ,

. Puesto que , , son las matrices respectivas de
base
ordinarias, sabemos que

Vemos que Im es invariante por
, sera
..
.
..
.
con
Por tanto,
, de donde
en las bases
Im
. Si
y aplicando Cayley-Hamilton resulta que Im .

Asimismo, las columnas de son las componentes de las columnas de (que lo son de ) en
la base . De aqu resulta que , y tienen la forma indicada del teorema.
Entonces
(i) Si es la matriz de controlabilidad del par
y la matriz de controlabilidad de
se tendra que
es
Nuevamente por Cayley-Hamilton, rang rang rang

(la segunda igualdad, por la independencia de la controlabilidad respecto de los cambios lineales de variables de estado: ver 2.7).
(ii) Finalmente, si es la matriz de transferencia de
transferencia de tenemos,
y es la matriz de
47
4. SUBESPACIO DE CONTROLABILIDAD
Definicion 3.2 El sistema lineal representado por
donde
..
.
controlable de
son las primeras componentes de
..
.
, se llama subsistema
.
son las componentes del vector en la base
Recuerdese que
4 Subespacio de controlabilidad
Mantenemos las notaciones y hipotesis del apartado anterior.
es precisamente el
Segun hemos visto, el espacio de estados del subsistema controlable de
subespacio vectorial de , Im . En efecto, son las componentes del vector en

. Por tanto, teniendo en cuenta que Im
,
la base
son las
de los vectores de Im .
componentes en la base
Entonces, si , son dos vectores arbitrarios de Im y escribimos ,

, como que
on de
es controlable, existe tal que la soluci
tal que
..
.
verifica
..
.
Definimos
..
.
..
.
y tendremos
48
CAPITULO
(i) es solucion de
(ii)
ya que
Hemos probado pues el siguiente resultado

. Entonces para
Proposicion 4.1 Sea la matriz de controlabilidad de
cualquier y Im , existe un control tal que la soluci o n de la ecuacion
anterior que verifica , tambien verifica .
Esto justifica la
se llama subespacio de controlabilidad de
Definicion 4.2 El subespacio vectorial Im

, o de
.
Naturalmente, el sistema es controlable si y solo si Im
5 Observabilidad
5.1 Para introducir la idea de sistema observable consideramos el ejemplo siguiente:
Un horno electrico como el de la figura adjunta [BC]
La temperatura interior se controla variando la potencia termica aportada a traves de las

paredes del horno, mediante el uso de una resistencia electrica.
Sea la capacidad calorfica de las paredes del horno y la de su carga interior; y
las a reas de la superficie interior y exterior de las paredes del horno, y , los coeficientes
respectivos de transferencia termica de las superficies citadas.
49
5. OBSERVABILIDAD
Supongamos para cualquier instante , una distribucion uniforme de temperaturas, y que la velocidad de perdida de calor o potencia termica disipada es proporcional al a rea y a la diferencia
de temperaturas entre la pared correspondiente y su entorno.
Las ecuaciones diferenciales que verifican las temperaturas del exterior, de las paredes
y del interior son las siguientes,
Si tomamos como variables de estado las diferencias de temperatura

, las ecuaciones anteriores se escriben de la forma
,
, donde
Tomamos como funcion de salida , diferencia de temperaturas entre las paredes del
horno y el exterior. Entonces, la ecuacion (ES) es

es decir,
,
.
Esta claro que puede existir una dificultad o imposibilidad de medir directamente la temperatura
interior . Pues bien, el sistema es observable en si la temperatura interior es, en
el instante , determinable a partir de y , es decir, a partir del conocimiento de las
funciones de control o entrada y de salida durante el intervalo .
Despues de esta introduccion damos de forma precisa la definicion
Definicion 5.2 Sigui
un sistema lineal representado por
Diremos que es observable en si cualquier que sea el estado inicial , queda

determinado de forma u nica por el conocimiento de y para todo .
Como veremos, esta propiedad es invariante por cambios lineales de las variables de estado.
Vamos a obtener una caracterizacion de esta condicion a partir de las matrices y .
, se tiene que
Sabemos que, si es la matriz fundamental de

50
CAPITULO
Por tanto,
Entonces
es observable en si
. Es decir, si definimos una aplicacion lineal
para todo implica
por

tenemos el siguiente resultado.
Proposicion 5.3 Con las notaciones anteriores, es observable en si y solo si Nuc

.

para todo )
(Nuc
Observaciones 5.4
(i) Notese que el hecho que

sea observable no depende de . Es decir, si
es observable, el estado inicial queda determinado aplicando una entrada cualquiera
durante el intervalo y calculando la salida a lo largo de este mismo intervalo.
(ii) De la definicion de observabilidad no resultaba aparente que esta condicion solo depende
de las matrices , . La proposicion anterior pone de manifiesto que ello es as, de
ah que en lo sucesivo y de forma analoga a la controlabilidad diremos indistintamente
que es observable, o que lo es el par .

Si hacemos un cambio lineal de variables de estado definido por G , se transforma en y en . Entonces, la proposicion anterior nos da inmediatamente la
Proposicion 5.5 La condicion de observabilidad es invariante por cambios lineales (constantes)
de las variables de estado.
5.6 Como veremos a continuacion esta condicion de observabilidad es equivalente a la con
el sistema lineal
trolabilidad de un sistema lineal asociado a . En efecto, denotamos por
representado por

51
5. OBSERVABILIDAD
El sistema
se llama dual de .
Sea la aplicacion de en definida por
Lema 5.7 Nuc
Im
(ortogonal de Im ).
Demostracion. Si Im y Nuc ,
por tanto, Nuc

Entonces,
Im
para todo . Eligiendo
tendremos
Se verifica que
Segun hemos visto al estudiar la controlabilidad,

aplicacion lineal

Im .
( es la matriz fundamental de
para todo
para todo
la matriz fundamental de
Demostracion.
es decir, Nuc . Esto prueba la inclusion contraria.

Lema 5.8 Sea
de donde

tal que
. Sea ahora
es controlable en si la imagen de la
es (lema 1.4). Pero

, por tanto esta aplicaci
on coincide con la aplicacion
introducida en la seccion 1. Entonces tenemos las siguientes equivalencias
observable en
Nuc
Im
Hemos demostrado pues, el siguiente teorema
controlable en
52
CAPITULO
Teorema 5.9
es observable en
si y solo si
5.10 La matriz
es controlable en .
es la matriz gramiana de controlabilidad de

. Esta matriz se llama matriz gramiana de
observabilidad de y la notamos como . Es decir,
Corolario 5.11
es observable en si y solo si es invertible.
6 Sistemas invariantes en el tiempo

Sea
un sistema lineal invariante en el tiempo representado por
El sistema dual
viene representado por
y su matriz de controlabilidad es por tanto
..
.
Hemos visto que es observable en si y solo si

introducir la siguiente
Definicion 6.1 La matriz
..
.

es controlable en . Ello sugiere
53
7. EJEMPLOS.
se denomina matriz de observabilidad de
o del par
Puesto que el rango de una matriz coincide con el de su transpuesta, de 5.9 se deduce el siguiente
resultado
Teorema 6.2
es observable en
si y solo si rang
es invariante en el tiempo y es observable en

Observacion 6.3 Analogamente a (2.5), si
es completamente observable.
lo es en cualquier intervalo. Se dice entonces que
6.4 Notese que, en este caso, si
Para el calculo de podemos tomar cualquier . Por ejemplo
resulta
de donde (suponiendo
observable)
Entonces, de
!.
Observese que, en este caso, si es invertible para un
tambien lo es para todo
6.5 Analogamente a (2.7) se tiene que si y son, respectivamente, las matrices de observay
, donde
y
, entonces rang rang .
bilidad de
7 Ejemplos.
7.1 Volvamos al ejemplo del horno y supongamos que las constantes son tales que
Entonces, siendo
resulta que la matriz de observabilidad es
54
CAPITULO
que tiene rang . As pues, el sistema es observable. El estado inicial resulta de la formula
anterior:
donde
7.2 Consideremos el siguiente circuito [Ch]:
De
resulta
es decir,
55
7. EJEMPLOS.
tiene rang y no es observable. En efecto,
(hemos hecho
La salida depende de , por tanto el estado inicial no es observable.

7.3 En la linealizacion del ejemplo del satelite, hemos visto que (suponiendo
donde
Supongamos que y se pueden medir. Entonces podemos considerar como salida

. Por tanto
o sea
56
CAPITULO
que tiene rang y por tanto el sistema es completamente observable.

Supongamos que solamente es medible. En este caso
con rang
y no es observable con esta salida.

Si, por el contrario, es medible,
que tiene rang y por tanto con esta salida el sistema es observable. Esto significa que si
medimos a lo largo de un intervalo , podemos conocer el estado del sistema, en el
instante , es decir, , , y . (Siempre naturalmente que las variaciones de , ,
y sean pequenas, u nica situacion en la cual la linealizacion es valida.)
8 Sistemas no observables. Subsistema observable

De forma analoga al caso de un sistema no controlable, si la matriz de observabilidad de un
sistema lineal invariante en el tiempo representado por
tiene rang
y se tiene el siguiente resultado, que podemos considerar dual de (3.1)
57
8. SISTEMAS NO OBSERVABLES. SUBSISTEMA OBSERVABLE
Teorema 8.1 Si rang
existe
tal que
con
Ademas,
(i) El par
es completamente observable.
(ii) Las matrices de transferencia de
Demostracion. Si
y Nuc
..
.
con
coinciden.
Nuc
sea

es base de .
. De aqu resulta facilmente que es
-invariante (Cayley-Hamilton), por tanto si es la matriz de la base

base de y
Notese que si y solo si
tal que
para
en la base ordinaria se tendra que
ya que
(i) Si es la matriz de observabilidad de
se tiene que
..
.
58
CAPITULO
Entonces,
aplicando nuevamente
Cayley-Hamilton y la igualdad rang
rang resulta
que
tiene rango .
..
.
(ii) Si es la matriz de transferencia de

, tendremos que
y la matriz de transferencia de
8.2 Con las notaciones anteriores (y de forma analoga a 4) notemos que si

(
no depende de . Estas variables no son observables pero son completamente observables.
El sistema lineal definido por las ecuaciones anteriores se denomina subsistema observable del
inicial.
9 Descomposicio n de Kalman
9.1 Consideremos el sistema lineal invariante en el tiempo
representado por
59
DE KALMAN
9. DESCOMPOSICION
y recordemos que
..
.
son, respectivamente, las matrices de controlabilidad y observabilidad de

Im , Nuc y definimos ,
, ,
de forma que:
. Denotamos
Entonces, si tomamos como base de una reunio de bases de cada subespacio ,

,
y es la matriz de esta base en la ordinaria, sabemos que las matrices , y se transforman
en

,
Entonces, teniendo en cuenta que los subespacios
la matriz de
tendra la forma:
la de
(Notese Im
verificandose que:
son -invariantes,
60
(i)
CAPITULO
es observable.
es controlable.
(iv)
(iii)
(ii)
es controlable, observable y tiene la misma matriz de transferencia que
es completamente incontrolable.
(No se puede alcanzar ninguno de sus estados no nulos).

,
Definicion 9.2 La descomposicion anterior de las matrices
posicion de Kalman de .
Ejemplo 9.3
se denomina descom-
,y
61
DE KALMAN
9. DESCOMPOSICION
(i)
controlable y observable.
(ii)
(iii)
(iv)
controlable no observable.
observable no controlable.
completamente incontrolable.
62
CAPITULO
Captulo 3
Estabilidad
En el estudio de la estabilidad de sistemas distinguiremos dos casos. En el primero se trata de
estudiar la evolucion del estado del sistema en un entorno de uno de sus puntos de equilibrio
en ausencia de impulsos externos o entradas, esto es, , y en el segundo, la evolucion de
la salida en presencia de excitaciones externas, es decir cuando . Nos referiremos a los
sistemas con entrada nula como sistemas aut o nomos.
1 Estabilidad de sistemas aut o nomos

Diversas posibilidades surgen al analizar el comportamiento del estado de un sistema cuando se
aleja de un punto de equilibrio. Nosotros nos limitaremos a considerar tres posibilidades. Puesto
que no supone ninguna complicacion anadida, daremos las definiciones para una representacion
matematica de la ecuacion de estado del sistema de la forma
En ausencia de impulsos externos, es decir si

esto es
para todo , sea
un punto de equilibrio,
para todo
Definicion 1.1
1. Se dice que es estable en si para todo
(convenientemente
tal que si
entonces
para todo
pequeno), existe
( es la u nica solucion de
tal que
).
2. Se dice que es asintoticamente estable si es estable y existe

, entonces .
3. Si no es estable se dice que es inestable.

La figura adjunta ilustra las definiciones anteriores
63
tal que si
64
CAPITULO
3. ESTABILIDAD
inestable
estable
a.e.
A partir de ahora consideraremos sistemas autonomos lineales, esto es, representados por
Observemos que para tales sistemas los puntos de equilibrio en son aquellos para los
cuales
para todo
Evidentemente, es siempre un punto de equilibrio, y si es invertible, sera el u nico
punto de equilibrio en un entorno de .
La siguiente proposicion caracteriza los puntos estables y asintoticamente estables.
Proposicion 1.2 Sea la matriz de transici o n de estados de (1) y un punto de equilibrio en . Entonces,
(i) es estable si y solo si existe , que en general dependera de , tal que

para todo
(ii) es asintoticamente estable si verifica la acotacion anterior y ademas

y que
Demostracion.
(i) Sabemos que
para todo

Entonces, si se verifica (2)

. Por tanto,
65
1. ESTABILIDAD DE SISTEMAS AUT ONOMOS
de donde resulta facilmente que es estable.

Para el recproco, supongamos que es estable y que no se verifica (2). Esto equivale
a que existe, al menos, un elemento de la matriz que es una funcion no acotada.
Sea este elemento. Entonces si tomamos tal que tenga todos las
componentes nulas excepto la -esima, que vale , resulta que la -esima componente
de
es una funci
on no acotada y por tanto no puede
ser estable, en contra de la hipotesis.
(ii) Ejercicio para el lector.
De la proposicion anterior resulta inmediatamente el siguiente resultado
Corolario 1.3 Con las notaciones anteriores
(i) es estable si y solo si existe
tal que para todo
para todo
(ii) es asintoticamente estable si se cumple (i) y adema s

,
.
para todo
Observacion 1.4 Notese que las condiciones de estabilidad y estabilidad asintotica de un sistema lineal solo dependen de y por tanto, son independientes de .
Supongamos ahora que
tiene que
es una matriz constante (
). Segun sabemos, en este caso se
Con las notaciones de (1.7.1), si es la forma reducida de Jordan de y escribimos

,
resulta que es suficiente estudiar el comportamiento, cuando
y cuando
, de los
bloques
..
.
donde
es un vector propio (real o complejo) de . Si
, sabemos que
Notese que el caracter de acotado cuando o el lmite cuando

del bloque anterior,
depende solo de la parte real de ,
y del tamano del bloque si
, pero no de .
Resulta entonces inmediata la siguiente proposicion.
66
CAPITULO
3. ESTABILIDAD
Proposicion 1.5 Sea un punto de equilibrio en de

(i) es estable si y solo si para todo valor propio
de
es
(ii) es asintoticamente estable si y so lo si para todo valor propio
y si
de , es
depende de los
Puesto que la estabilidad de los puntos de equilibrio de la ecuacion
valores propios de , diremos en lo sucesivo que es estable (resp. asint o ticamente estable)
si los valors propios de verifican la condicion (1) (resp. la condicion (2)).
2 El criterio de Routh-Hurwitz
Para aplicar los criterios de estabilidad que se han dado en el apartado anterior es necesario
conocer la situacion en el plano complejo de la parte real de las races de un polinomio. En esta
seccion vamos a dar un criterio para determinar si dicha parte real esta en el semiplano
de . Es facil obtener condiciones necesarias. En efecto, sea

un polinomio con coeficientes reales y sean
, las races complejas (no reales).

Entonces

las races reales y
de donde se deduce que si
todos los coeficientes de son positivos.

Se dice que el polinomio (1) es un polinomio de Hurwitz si todas sus races tienen la parte real
negativa ( ).
Acabamos de ver que una condicion necesaria para que un polinomio sea Hurwitz es que todos
sus coeficientes sean positivos ( ).
Esta condicion no es suficiente. Por ejemplo, , tienen sus coeficientes
positivos y no es Hurwitz (compruebelo en lector).
El criterio que enunciaremos a continuacion establece condiciones necesarias y suficientes para
que un polinomio sea Hurwitz. Para su enunciado debemos fijar las siguientes notaciones:
67
2. EL CRITERIO DE ROUTH-HURWITZ
Si
en el que los elementos , ,

ores, a traves de
consideramos el siguiente diagrama:
se obtienen a partir de las dos filas respectivamente anteri-
con el convenio de anadir ceros a cada fila para hacer posible el calculo, y donde el numero de
filas es igual a . Dicho diagrama se denomina diagrama de Routh del polinomio . Por
ejemplo, si

se obtiene:
68
CAPITULO
3. ESTABILIDAD
Teorema 2.1 (Routh)1 El numero de races de

numero de cambios de signo de la primera columna
que tienen parte real

es igual al
de su diagrama de Routh.
Corolario 2.2 Un polinomio es Hurwitz si y s o lo si los elementos de la primera

columna de su diagrama de Routh son todos positivos ( ).
As, el polinomio del ejemplo anterior tiene dos races cuya parte real es positiva y, por tanto,
no es estable.
Observacion 2.3 Todos los elementos de una fila pueden multiplicarse por una constante positiva, sin que ello afecte al resultado del test. Este hecho permite simplificar a menudo la
obtencion del diagrama de Routh.
Por ejemplo, si

obtenemos
Por tanto,
(multiplicando por 5)
(multiplicando por 21)
es un polinomio estable.
Otro criterio de estabilidad debido a Hurwitz, se obtiene a partir del calculo de los menores
principales de la siguiente matriz asociada al polinomio

1
Una demostracion puede hallarse en [G] o [Ch].
69
2. EL CRITERIO DE ROUTH-HURWITZ
En esta matriz las dos primeras filas son, respectivamente, la segunda y la primera fila del
diagrama de Routh y el resto de filas se obtienen a partir de las dos primeras por traslacion a
la derecha y anadiendo ceros a la izquierda tal como se muestra en la descripcion anterior de
matriz. La matriz es y cada fila se completa, si es necesario, con ceros a la derecha.
Denotamos por el -esimo menor principal de , esto es
Se tiene entonces el siguiente resultado
Proposicion 2.4 (Hurwitz) Con las notaciones anteriores, el polinomio

solo si para
Si lo aplicamos a los ejemplos anteriores tendremos
es Hurwitz si y
70
CAPITULO
3. ESTABILIDAD
1.
2.
no es estable.
Por tanto
. Por tanto
es estable.
Observacion 2.5 Existen otros criterios (Lienard-Chipart, Agastre,...) as como refinamientos

de los anteriores en el caso en que aparezcan ceros. El lector interesado puede consultar [FH],
[S] as como la bibliografa all recomendada.
3 El metodo de Lyapunov
Para el estudio de la estabilidad de sistemas autonomos que hemos desarrollado anteriormente,
se requera el conocimiento de la solucion de la correspondiente ecuacion diferencial. El metodo
que expondremos a continuacion, debido a Lyapunov (1892), no precisa de este requisito.
Consideremos el sistema autonomo representado por la ecuacion diferencial
y supongamos que es un punto de equilibrio. Sea un abierto de tal que

Definicion 3.1 Una funcion
se dice de Lyapunov si
(i) es continua en y tiene derivadas parciales continuas.

(ii)
para todo
71
3. EL METODO
DE LYAPUNOV
(iii) Para cualquier soluci o n de (4) contenida en , es una funcio n no creciente

(monotona decreciente).
Teorema 3.2
(i) Supongamos que existe una funci o n de Lyapunov en la region
Entonces es un punto de equilibrio estable.

(ii) Si se cumple (i) y es tal que es estrictamente decreciente, salvo si
entonces la estabilidad es asint o tica.
Demostracion. (i) Sea
el cual existe ya que es continua y

as
es compacto. Adem
algun tal que
. Consideremos ahora el conjunto
es un abierto ya que es continua y
que
Entonces, si

para
por definicion de . Por tanto, existe
tal
, y es la u nica solucion de (4) tal que
vamos a ver que
para todo , con lo cual habremos probado (i). En efecto, supongamos

on,
por el contrario que existe tal que
. Por continuidad de la soluci
existira tal que

. Entonces,
y
para todo ,
por definicion de , pero teniendo en cuenta que
se tiene, por un lado que
es una funcion de Lyapunov resulta que

ya que , lo cual es
contradictorio.
(ii) Con las notaciones anteriores, hay que probar que
, donde

. As, .
. Denotaremos la u nica solucion de (4) tal que
Supongamos que no se cumple lo anterior. Puesto que es compacto, existe una sucesion
con
tal que con .
Puesto que es continua,
. Asimismo y puesto que decrece
estrictamente a lo largo de los trayectorias, se tendra que

. Por analogo motivo, si
,
. Por tanto

As pues, existe
que
tal que
lo que es contradictorio.
para todo

y si es tal que
, se tendra
72
CAPITULO
3. ESTABILIDAD
4 Funciones de Lyapunov para sistemas lineales invariantes

en el tiempo
Consideremos el sistema lineal autonomo definido por
Entonces para cada matriz simetrica definida positiva definimos la siguiente funcion

y supongamos que el punto de equilibrio es el origen (si

, entonces se define
on de en que verifica
). es una aplicaci
(i) es continua en con derivadas parciales continuas.
(ii) tiene un u nico mnimo absoluto en (definicion de ).
(iii) Si es una solucion de (5)
donde
La matriz es simetrica y si es definida positiva sera estrictamente decreciente, por lo

que sera un punto de equilibrio asintoticamente estable.
Esta discusion conduce a considerar la llamada ecuacio n de Lyapunov:
en la que los datos son

siguiente
y y la incognita . Del razonamiento anterior concluimos la
Proposicion 4.1 Si para una matriz simetrica definida positiva, la ecuaci o n de Lyapunov (6)
tiene solucion, el punto de equilibrio de (5) es asint o ticamente estable.
El recproco tambien es cierto. De forma mas general, se tiene el siguiente resultado
Proposicion 4.2 Supongamos que
es una matriz asint o ticamente estable (a.e.). Entonces
es la u nica solucion de la ecuacion de Lyapunov
73
4. FUNCIONES DE LYAPUNOV PARA SISTEMAS LINEALES INVARIANTES EN EL TIEMPO
Demostracion. En primer lugar observamos que la integral anterior es convergente gracias a

que es a.e. En efecto, si es la forma de Jordan de , sabemos que existe invertible tal que
. Entonces
y
y el calculo de la integral anterior

donde es un polinomio y
se reduce a integrar terminos de la forma
(n
otese que al sumar dos valors propios con parte entera negativa tenemos un complejo
igualmente con parte entera negativa), y es sabido que tales integrales son convergentes.
Entonces,
y por tanto es solucion.

Para demostrar que es u nica, consideremos la aplicacion

es lineal y puesto que para cualquier , existe tal que

, resulta que es
exhaustiva. Pero siendo iguales las dimensiones de los espacios vectoriales de salida y de
llegada (son el mismo!) sabemos que es inyectiva y por tanto biyectiva.
Observacion 4.3 La biyectividad de la apliacion
que puede probarse de la forma siguiente.
es un conocido resultado de a lgebra lineal

De forma mas general, y sin que se complique la demostracion, definamos

mediante

donde
Lema 4.4 Si
son matrices dadas de . Se verifica entonces el siguiente lema.

,
son los valores propios de
, respectivamente, se tiene que
son los valores propios de .
Demostracion. Sean tales que

,
(recordamos que representamos
por matrices columna y que y

tienen los mismos valores propios).
los vectores de o
Entonces
es decir, es un valor propio de .

Sea ahora un valor propio de . Hemos de ver que es de la forma
valors propios de y respectivamente. Por definicion, existe

tal que
donde
son
74
CAPITULO
3. ESTABILIDAD
o bien

Ahora bien, tal como se demuestra en el lema siguiente

comun. Esto es, existe tal que
tienen un valor propio
de donde
lo que nos dice que

probado.
es un valor propio de
Lema 4.5 Si , son matrices tales que

valor propio comu n.
Demostracion. Si
Si ,
. Si
. Puesto que
con
el lema esta
tienen al menos un
con lo que
y en general (induccion) , para todo entero

.
Esto nos dice que si , anula todos los vectores de la cadena de Jordan que finaliza
en el vector propio . Puesto que , debe existir algun vector propio de , de una base
de Jordan de respecto de tal que , con lo que el lema queda probado.
, y es a.e., es inyectiva. En efecto, los
Como aplicacion del lema 4.4 veamos que si
valores propios de son de la forma con y valores propios de (y de que son los
. Esto nos dice que no es valor propio de
y
mismos). Pero
por tanto que es inyectiva y por analogo razonamiento al utilizado en la proposicion anterior,
es biyectiva.
La proposicion siguiente es una consecuencia de las proposiciones 4.1 y 4.2. Incluiremos una
demostracion autonoma que no utiliza el teorema 3.2.
75
5. ESTABILIDAD ENTRADASALIDA
Proposicion 4.6 Todos los valores propios de tienen la parte real negativa o equivalente son asint o ticamente estables si y so lo si para
mente, los puntos de equilibrio de
cualquier matriz simetrica definida positiva, la ecuaci o n
tiene una solucion simetrica definida positiva.
Demostracion. Si es a.e. ya hemos visto que la ecuacion de Lyapunov tiene solucion u nica
para toda . Solo falta ver que si , es asimismo . Pero esto es inmediato a partir
de la definicion de por

Recprocamente, si
es una soluci
on de (7) con
, tal que
. Entonces
, sea
Pero,
por hipotesis. Por tanto,
con lo que
es a.e.
Observacion 4.7 Los resultados de esta seccion siguen siendo validos si todas las matrices son
complejas, con la u nica precaucion de substituir simetrica por hermtica y tener en cuenta que si
los valores propios de (conjugada y traspuesta) son los complejos conjugados
se cumple que
.
de los de . Observese que en todo caso si
5 Estabilidad entradasalida
Hasta ahora hemos estudiado la estabilidad de un sistema en lo que afecta a la evolucion del
estado del sistema en un entorno conveniente de los puntos de equilibrio. Tiene asimismo interes
estudiar un tipo de estabilidad que considera la evolucion de la salida en funcion de la evolucion
de la entrada y que de forma precisa recogemos en la siguiente definicion. Nos limitaremos a
considerar sistemas lineales.
Definicion 5.1 Un sistema lineal se dice estable entradasalida si para condiciones iniciales
nulas una entrada acotada implica una salida acotada. M a s precisamente, sabemos que la
salida de un sistema lineal representado por
76
CAPITULO
3. ESTABILIDAD
viene dada, si
por
Entonces se dice que el sistema es estable entradasalida si, siempre que existe
, existe asimismo tal que

, para todo
, para todo
tal que
.
Observacion 5.2 Nosotros hemos traducido estabilidad entradasalida la definicion que en

ingles aparece como inputoutput stability o boundedinput, boundedoutput stabilityo
mas brevemente BIBO stability. Puesto que, a nuestro conocimiento, el lector que desee ampliar conocimientos debera acudir mayoritariamente a textos escritos en ingles, para facilitar su
lectura sobre el tema de la estabilidad, nosotros nos referiremos en lo que sigue a estabilidad
entradasalida como estabilidad BIBO.
Proposicion 5.3 Con las notaciones anteriores designemos por
del integrando

Entonces es BIBO estable si y so lo si existe
para todo
y para todo
tal que
(solo si) Supongamos que existen ,
para todo
. Entonces
y tales que para todo
Sea la entrada definida por

Demostracion. (si) Supongamos que

si
si
la matriz
77
5. ESTABILIDAD ENTRADASALIDA
Entonces
esto es, una entrada acotada produce una salida no acotada.

Para sistemas invariantes en el tiempo y al igual que suceda en el estudio de la estabilidad de
los puntos de equilibrio, la BIBO estabilidad puede determinarse directamente a partir de la
matriz .
En efecto, si el sistema es invariante en el tiempo,

y la condicion de la proposicion anterior equivale a que
o, lo que es lo mismo,
para todo
, es decir
Observese ahora lo siguiente,

(i)
es el elemento
donde
de la matriz
es un polinomio en
que sera por tanto de la forma
son valores propios (complejos) de .
(ii) La transformada de Laplace de

forma
donde es constante y
es
(iii) La transformada de Laplace de
sera por tanto una suma de terminos de la
es un valor propio de .
y coincide con la matriz .
Entonces si el sistema es BIBO estable, puesto que

donde
si
78
CAPITULO
3. ESTABILIDAD
resulta que los polos de estan en el semiplano .

tendr
a la forma descrita en (i) con
Recprocamente, si se cumple esta condicion,
y por tanto se tendr

a la acotacion (*) anterior.
Hemos demostrado pues el siguiente resultado.
Proposicion 5.4 Una condicion necesaria y suficiente para que un sistema lineal invariante en
el tiempo sea BIBO estable es que cada elemento
de su matriz de transferencia sea finito
para (o equivalentemente que sus polos esten en ).
Observacion 5.5 Si todos los valores propios de
(ceros de
) est
an en

, el sistema es BIBO estable, pero puede ocurrir que se cumpla la condici
on de la
proposicion aunque tenga algun valor propio en . En efecto, los elementos de
son funciones racionales y es posible que alg
un cero del denominador (valor
propio de ) se cancele con el numerador, por ejemplo si
no es un polo de
Es decir,
Corolario 5.6 Si el sistema (lineal invariante en el tiempo) es asint o ticamente estable, tambien
sera BIBO estable.
Captulo 4
Realizacion de sistemas
1 Realizacio n de sistemas lineales invariantes en el tiempo
Sea un sistema lineal invariante en el tiempo representado por
donde, como es habitual , ,

Si suponemos , hemos visto que

donde y son las transformadas de Laplace de y , respectivamente.

La matriz
es la llamada matriz de transferencia (ver (1.9.1)). Es una matriz racional propia, lo que significa que sus elementos son fracciones racionales
tales que grado
grado
Esto equivale a decir que

, o brevemente, .
El problema que planteamos es el recproco del proceso anterior. Esto es:
Definicion 1.1 Sea una matriz racional propia de tipo , esto es
tal que 1 .
on
, ,
Llamaremos realizacion de a toda terna
tal que
es el conjunto de fracciones racionales en la variable
79
80
DE SISTEMAS
CAPITULO
4. REALIZACION
Notese que si
es una realizaci
on de , toda terna correspondiente a un sistema
por cambios lineales de las variables de estado,
lineal que se obtenga a partir de

es asimismo una realizacion de .
Notese asimismo que el numero de variables de entrada y salida de cualquier realizacion es
y , respectivamente, pero que el numero de variables de estado de una realizacion no queda
determinado a traves de la definicion. Tendra sentido que nos planteemos como determinar
una realizacion con el mnimo numero de dichas variables. Volveremos sobre este tema mas
adelante.
2 Realizacio n controlable esta ndar

Sea una matriz racional propia de tipo y
el
mnimo comun multiplo de los denominadores de los elementos de . Entonces se tendra la
igualdad,
donde
. Por ejemplo, si
Proposicion 2.1 Con las notaciones anteriores, sea
81
CONTROLABLE ESTANDAR
2. REALIZACION
..
.
Entonces
es una realizaci o
n de . Ademas esta realizacio n es controlable y se
denomina, realizacion controlable estandar.
Demostracion. Hemos de probar en primer lugarque
, donde
Sea
..
.
y escribamos
con
Entonces
, esto es
..
.
..
.
..
.
..
.
de donde resulta
con lo que, aplicando las igualdades anteriores
As,
82
DE SISTEMAS
CAPITULO
4. REALIZACION
Por tanto,
..
.
como queramos probar.

Para ver que es controlable, es suficiente observar que
cualesquiera que sean los elementos denotados por .
Ejemplo 2.2 Sea
Por tanto
tiene rango
Entonces
es la realizacion controlable estandar de . Compruebe el lector como ejercicio que
y que
es controlable.
83
OBSERVABLE ESTANDAR
3. REALIZACION
3 Realizacio n observable esta ndar

Mantenemos las notaciones del apartado anterior. En este caso, si es una matriz racional
propia de tipo , efectuamos un desarrollo en serie formal en potencias de :
donde
. Ilustremoslo con un ejemplo. Si
Recordemos que
denominadores de .
con lo que
Proposicion 3.1 Sea
es el mnimo comun multiplo de los
..
.
84
DE SISTEMAS
CAPITULO
4. REALIZACION
Entonces
es una realizaci o
n de . Ademas esta realizacio n es observable y se
denomina realizacion observable estandar.
Demostracion. Como en el caso anterior hemos de comprobar la igualdad
El desarrollo en serie formal de
con lo que
teniendo en cuenta las definiciones de ,
para
obtenemos
As pues, si designamos
da
Las primeros terminos coinciden con los de . Veamos que tambien coinciden los restantes.
Ello resultara de la igualdad

que demostramos a continuacion.

Notese que si en la matriz es , la igualdad anterior es el teorema de Cayley-Hamilton.
En general se razona as. Por definicion de producto de Kronecker de matrices (ver apendice B)
se tiene
Entonces
(Cayley-Hamilton) ya que el polinomio caracterstico de

es y
85
OBSERVABLE ESTANDAR
3. REALIZACION
(se ha utilizado la proposicion B.2), con lo que se ha probado la igualdad en cuestion.

Entonces

Por otro lado,
y teniendo en cuenta la definicion de , en el producto del segundo miembro deberan ser

nulos los coeficientes de
para
Coeficiente de
Coeficiente de
Es decir,
Entonces, puesto que

para
que
para todo entero
de las igualdades anteriores se obtiene
con lo que
y queda probado que es realizacion.

La demostracion de que es observable es analoga a la de la realizacion controlable estandar y la
dejamos para el lector.
Ejemplo 3.2 Obtener la realizacion observable estandar del ejemplo 2.2:
As pues
con lo que
86
DE SISTEMAS
CAPITULO
4. REALIZACION
Compruebe el lector como ejercicio que
y que es observable.
4 Realizacio n minimal. Grado de McMillan de

Las proposiciones anteriores demuestran que cualquier matriz racional propia admite una realizacion (de hecho, mas de una). Observese que el numero de variables de estado es distinto (
y ) por lo que tiene sentido la siguiente definicion.
Definicion 4.1 Un entero positivo se denomina grado de McMillan de si
numero de variables de estado de cualquier realizaci o n de .
Vamos a continuacion a describir un metodo de obtencion de
encontrar explcitamente una realizacion minimal.
es el menor
que consistira precisamente en

es el desarrollo en serie formal de potencias de (ver
Si
realizacion observable estandar) escribimos
..
.
Como veremos el grado de McMillan de es el rango de .

Se tiene el lema siguiente
una realizacio
Lema 4.2 Sea
n cualquiera de con variables de estado, es
decir . Entonces
rang
Demostracion. El desarrollo en serie formal de potencias de de
visto
con lo que, de la igualdad
es como se ha
MINIMAL. GRADO DE MCMILLAN DE

4. REALIZACION
87
resultan las igualdades
Entonces, de la igualdad
..
.
resulta que
rang
rang
..
.
min
rang
rang
..
.
Es suficiente pues probar que existe una realizacion de que tiene precisamente rang
variables de estado.
la realizaci
on observable estandar. Entonces,
Sea
..
..
.
y sea
rang
88
DE SISTEMAS
CAPITULO
4. REALIZACION
Por ser la realizacion observable estandar, sabemos que

de donde resulta
con lo que
rang
rang
Asimismo y puesto que
se tendra
rang
y, reiterando el razonamiento, obtenemos
donde
rang
. As pues
rang
rang
..
.
rang

rang
Entonces, el subsistema controlable de

ser
a una realizacion de (recuerdese que
tiene la misma matriz de transferencia) con variables de estado y por tanto sera minimal. En
resumen,
Proposicion 4.3 Sea
la realizacio
el sub n observable estandar de y
. Entonces
es una realizaci o
sistema controlable de
n minimal de y si
se tiene que el grado de McMillan de es rang .
es controlable y observable. A continObservacion 4.4 La realizacion minimal
uacion veremos que estas dos condiciones caracterizan las realizaciones minimales por lo que
otra forma de obtener una realizacion minimal es calcular el subsistema observable de la realizacion controlable estandar.

4. REALIZACION
89
Ejemplo 4.5 Determinar una realizacion minimal de
Con las notaciones anteriores:
La realizacion observable estandar es
que tiene rango 2. Por lo tanto, no es controlable. Para determinar el (de hecho un) subsistema
controlable tomamos
Entonces,
90
DE SISTEMAS
CAPITULO
4. REALIZACION
de donde resulta que
es una realizacion minimal de .

Proposicion 4.6 Una realizacio n
es observable.
lable y
de es minimal si y so lo si
es contro-
Demostracion. (si) Sean y las matrices de controlabilidad y observabilidad de

y
, respectivamente y sea
una realizaci
on de con
,
,
. Como que
se tienen las igualdades

Entonces
..
.
..
.
y tienen rang . Por lo tanto tiene rang :

y Nuc
sera rang
ya que Im
, por tanto
. Ahora bien, de
resulta que
rang
. Puesto que
As pues con lo que

es minimal.
no es controlable, sabemos que existe un subsistema controlable con la
(solo si) Si
misma matriz de transferencia, de donde resulta que
no es minimal. El razonamiento
no es observable.
es analogo si

4. REALIZACION
91
De la demostracion de existencia de realizacion minimal se deduce que e sta no es u nica (ver

tambien observacion 4.4).
No obstante, existe una relacion entre todas las realizaciones minimales que las caracteriza:
todas son algebraicamente equivalentes, tal como se demuestra en la siguiente proposicion
son
Proposicion 4.7 Sea una matriz racional propia. Entonces
y
realizaciones minimales de si y s o lo si son algebraicamente equivalentes, esto es si existe
una matriz invertible tal que
son algebraicamente
Demostracion. Ya hemos visto en (1.10.3),que si
y
equivalentes tienen la misma matriz de transferencia. Por tanto si una es minimal tambien lo
sera la otra.
Recprocamente, supongamos que ambas son minimales. Entonces, puesto que ambas ternas
son realizaciones de se tienen las igualdades

y puesto que ambas son minimales los tamanos de y y por tanto de y , y de y ,

son iguales, respectivamente. As pues si, como antes, denotamos , , , las respectivas
matrices de controlabilidad y observabilidad, se tendran las igualdades

Asimismo, por ser ambas controlables y observables (proposicion 4.6)
, , y tienen rango maximo. Entonces
(i)
implica
de donde
y de aqu
(ii) Analogamente, . Pero,

Por tanto
, de donde
92
DE SISTEMAS
CAPITULO
4. REALIZACION
(iii) Finalmente, de
obtenemos
de donde
esto es
lo que completa la demostracion.

Acabamos con un metodo de obtencion de realizacion minimal en un caso particular.
Proposicion 4.8 Sean los denominadores de y supongamos que s o lo tienen races
simples
. Definimos
y sea
rang
rang . Si y son matrices de tipo y

rang
y
..
.
..
.
..
donde precisamente
en fracciones simples,
resulta
Demostracion. Descomponiendo cada elemento de
, respectivamente, tales que
entonces, una realizacio n minimal de es

4. REALIZACION
con lo que
93
Esto es
Entonces,
diag
..
.
Por tanto, es realizacion.

Para probar que es minimal, demostraremos que es controlable y observable. Por definicion, se
tiene la igualdad
Hay que probar que esta matriz tiene rango maximo. Lo haremos por induccion sobre . Para
es evidente. As pues supongamos que la matriz del segundo miembro tiene rango
(
) y el numero de
maximo para . Puesto que el numero de filas es
columnas es ,
basta probar
que las filas son linealmente independientes.
Designemos
..
.
donde
son las filas de y sean
escalares tales que
94
DE SISTEMAS
CAPITULO
4. REALIZACION
Esto equivale a que
Multiplicamos la primera igualdad por y le restamos la segunda, por y le restamos la

tercera, por y le restamos la u ltima. Se tendran las igualdades siguientes
Por hipotesis de induccion los coeficientes de
ser nulos y siendo si

, resulta que debe ser
deben
Entonces

lo que implica
, con lo que la matriz de controlabilidad tiene rango
maximo. La observabilidad se prueba de forma totalmente analoga.

Ejemplo 4.9 Determinar una realizacion minimal de
Puesto que
podemos aplicar la proposici
on 4.8. Con las notaciones
de esta proposicion se tiene

4. REALIZACION
tomamos
con lo que
95
es una realizacion minimal de .

Otra realizacion minimal puede obtenerse a partir, por ejemplo, de la realizacion observable
estandar. Compruebe el lector que e sta e s
Notese que en este caso, esta realizacion es minimal ya que tiene el mismo numero de variables
de estado que l anterior (que es minimal).
Entonces la proposicion 4.7 nos dice que estas dos realizaciones son algebraicamente equivalentes. Vamos a determinar la matriz invertible de cambio de variables de estado cuando

. deber
a ser tal que
Si escribimos
, las dos u ltimas igualdades nos dan
96
DE SISTEMAS
CAPITULO
4. REALIZACION
de donde...
propios (de hecho la inversa). En
En este caso, es ma
s rapido
obtener comobase de vectores
efecto, puesto que
es diagonal,
tendra
y como valores propios con
vectores propios respectivos
Entonces
Puesto que
vamente, se satisface la u ltima igualdad:
obtenemos
Comprobemos que, efecti-
Captulo 5
Realimentacion de estado
1 Realimentacio n de estado
1.1 Sea el sistema lineal invariante en el tiempo representado por
Si substituimos la entrada por
donde se dice que ha efectuado una realimentacion de estado (la nueva entrada
es la anterior mas un multiplo del estado: ).
El nuevo sistema, que denotamos , vendra representado por
y de acuerdo con la anterior definicion, diremos que se ha obtenido a partir de a traves de una
realimentacion de estado definida por .
Proposicion 1.2 Con las notaciones anteriores, es controlable si y s o lo si lo es.
La proposicion resulta inmediatamente del siguiente resultado
Lema 1.3 Im
Im
Demostracion. Induccion sobre .

Para es evidente.
97
para todo
98
DE ESTADO
CAPITULO
5. REALIMENTACION
Supongamos la igualdad cierta para ,
Im
y veamos que tambien lo es para
Im
Im
Im

Im
(hipotesis de induccion) Im
Analogamente se tiene
Im
(hipotesis de induccion)
Entonces, puesto que para todo
Im
Im
Im
resulta que
Im
Im
Para probar la igualdad contraria es suficiente observar que, para todo
2 Asignacion de valores propios por realimentaci o n de estado

Una de las aplicaciones mas interesantes de la realimentacion de estado es que permite estabilizar un sistema controlable, como se deduce del siguiente teorema, para cuyo enunciado
introducimos la siguiente definicion. Un conjunto de complejos
(no necesariamente distintos) se dice que es cerrado por conjugaci o n si
, esto es, si
para cada se cumple asimismo que .
Para la demostracion del teorema precisamos de la siguiente proposicion.
99
DE VALORES PROPIOS POR REALIMENTACION

DE ESTADO
2. ASIGNACION
Proposicion 2.1 Sea

un par controlable, donde es una matriz columna (
una matriz invertible tal que
..
.
El par
se denomina forma can o
.
nica de controlabilidad de
Demostracion. Sea la u ltima fila de la inversa de la matriz de controlabilidad
son linealmente independientes.
Veamos que
Si

Existe
).
multiplicando por la derecha por resulta

y por definicion de ,
luego debe ser .

Reiterando el razonamiento obtenemos que el resto de coeficientes
nulos.
Pues bien, la matriz
deben ser todos
..
.

verifica las condiciones de la proposicion. En efecto, si escribimos

columna -esima) se tendra
..
.

100
DE ESTADO
CAPITULO
5. REALIMENTACION
es decir
con lo que
..
.
..
.
..
.
como se quera demostrar.

Teorema 2.2 Si
es controlable y es un conjunto cerrado por conjugaci o
n arbitrario,
existe tal que
tiene como conjunto de sus valores propios.
Nota. En el enunciado de este teorema al igual que suceda en el estudio de la estabilidad,
es un valor propio de si con , .
Demostracion. Dividimos la demostracion en dos partes. En la primera se prueba el teorema
para y en la segunda para entero arbitrario ( ) por reduccion al caso anterior.
Caso . Esto es
. Tal como hemos probado en 2.1 existe una matriz
invertible tal que
..
.
101

DE ESTADO
2. ASIGNACION
Entonces se trata de determinar

propios. Puesto que
tal que
tenga
por valores
resulta que el polinomio caracterstico de esta matriz es
el cual debe ser igual a
la matriz
tiene los mismos valores propios que
probado si .
Caso . Precisamos del siguiente resultado.
Lema 2.3 Si
que
. Entonces la igualdad
permite determinar los valores de

Sea
. Puesto que
, con lo que el teorema queda
es controlable y es una columna no nula cualquiera de

es controlable.
, existe tal
Veamos como a partir de este lema se prueba que el teorema es cierto para .
En efecto, si
es controlable, aplicando el lema anterior existe tal que
es controlable, donde es una columna no nula de . Entonces, puesto que estamos ahora en el
caso anterior ( ), existe tal que es el conjunto de valores propios de .
,
Si es una matriz tal que
, primera columna de
(por
ejemplo, si
ya que
La realimentacion de estado
del teorema es pues

).
102
DE ESTADO
CAPITULO
5. REALIMENTACION
Demostracion (del lema). Dividiremos la demostracion en varios pasos

(i) Designemos
las columnas de y sea
una reordenacion por columnas de la matriz de controlabilidad de

.
Puesto que tiene rango maximo , podemos elegir columnas linealmente independientes.
Reordenando, si es preciso, las columnas de , las columnas linealmente independientes (l.i.)
se eligen as: Sea
tal que
son l.i., y
son l.d.
tal que
tal que
son l.i., y
son l.d.
son l.i.
Notese que si se han reordenado las columnas de , hay que reordenar de forma evidente las
componentes de la entrada a fin de que no se altere.

, que es una matriz invertible
(ii) Sea
y si ,
,
es la matriz definida as,

..
.
..
.
..
.
..
.
..
.
..
.
..
.
esto es, tiene filas y columnas y todas las columnas son nulas excepto las
que tienen en las filas
y el resto ceros.
103

DE ESTADO
2. ASIGNACION
(iii) Entonces
verifican las condiciones del lema, es decir que
y
es controlable. Para probarlo conviene hacer algunas observaciones previas.
,
(iv) Por definicion de y se tienen, si
Analogamente,
si
etc...
(v) Asimismo, por definicion de se tiene que
es una combinacion lineal de

es una combinacion lineal de

...

y por tanto si , es una combinacion lineal de
Probaremos que es controlable, demostrando la igualdad
, para todo ,
. (recordemos que [...] significa subespacio engendrado).
Utilizaremos induccion sobre .

Para
es evidente. Supongamos la igualdad anterior cierta para un
donde es una combinacion lineal de

Distinguiremos dos casos:
a)
. Entonces
lo sera de
b)
y
Entonces
sera una combinacion lineal de
(v),
. (iv)
. En este caso
lo sera de
sera una combinacion lineal de
. (iv)
En ambos casos se tiene que la igualdad en cuestion se cumple para

queda probado que
rang
lo que finaliza la demostracion de la proposicion.
Haciendo
104
DE ESTADO
CAPITULO
5. REALIMENTACION
3 Ejemplos
3.1 Sea
Para determinar la realimentacion procedemos como en 2.1 para

Determinaci
on de la matriz
de controlabilidad:
tiene rango y por tanto el par
es controlable.
Determinacion de la forma canonica de controlabilidad:
ha de ser tal que
tenga por valores propios. Esto es
De esta igualdad resulta
Entonces
es tal que
tiene por conjunto de valores propios.
105
3. EJEMPLOS
3.2
Escribamos la matriz de controlabilidad de
en la forma
rang
y por tanto
es controlable.
Podemos tomar
y vamos a determinar tal que
Con las notaciones de 2.1 para , tendremos
sea controlable.
Determinacion de
esto es
tal que
tenga por conjunto de valores propios:
y procediendo como en el ejemplo anterior
106
Denotemos
DE ESTADO
CAPITULO
5. REALIMENTACION
. Entonces
y (compruebelo el lector) que
es la realimentacion que hace que
, con lo que
tenga valores propios , y .
Apendice A
Norma de matrices
Sea una matriz compleja (en particular real) . Esto es
asimismo por , como ya se ha indicado, la aplicacion definida por
y designemos
(producto). Recuerdese que hemos convenido en representar los vectores de
por matrices columna y que consideramos en el producto hermtico habitual.

Entonces al definir una norma de caben dos posibilidades: considerar como matriz o como
endomorfismo. El contexto dejara claro si se trata de uno u otro caso.
Definicion A.1 Si
, definimos
Que, efectivamente, la definicion anterior es una norma lo prueba el siguiente resultado, cuya
demostracion elemental, dejamos para el lector.
Proposicion A.2 La aplicacion

(i)
(ii)
(iv)
(v)
implica
(iii)
Consideremos ahora
verifica las siguientes propiedades
.
.
como aplicacion lineal.

107
108
APENDICE
A. NORMA DE MATRICES
Definicion A.3 Si
definimos
(Notese que es continua, que
es compacto, y que la aplicaci

on
es continua, con lo que efectivamente existe el maximo anterior).
Analogamente a
se tiene
Proposicion A.4 La aplicacion

(i)
(ii)
verifica las propiedades siguientes
implica
.
(iii)
(iv)
(v)
.
.
Demostracion. (i), (ii) y (iii) son evidentes. (iv) resulta inmediatamente de la desigualdad

. Finalmente (v) resulta de la proposicion siguiente, ya que
Proposicion A.5 Con las notaciones anteriores,

(i)
(ii)
para todo .
para todo implica
Demostracion.
(i) (i) Si
es evidente. Supongamos
(ii) Sea
Por tanto,
Entonces
Entonces
109
Veamos, por u ltimo que
Proposicion A.6 Si
son equivalentes. De forma precisa:
se verifican las desigualdades siguientes
donde
son escalares positivos.
Demostracion. Sea
. Entonces
de donde, por A.5(ii),
, con lo que la segunda desigualdad queda probada.

,
Para demostrar la primera es suficiente observar que para todo
Nota A.7 Existen otras definiciones posibles para la norma de . Por ejemplo
(i)
(ii)
por
.
Asimismo en la definicion A.3 puede substituirse la condicion
Se puede probar que todas son normas equivalentes en el sentido que precisa la proposicion
A.6.
110
APENDICE
A. NORMA DE MATRICES
Apendice B
Producto de Kronecker
Definicion B.1 Sean y
y la matriz definida por
Se denomina producto de Kronecker de
..
.
Por ejemplo,
Proposicion B.2 El producto de Kronecker de matrices verifica, entre otras las siguientes
propiedades
(i)
(ii)
.
111
112
(iii)
APENDICE
B. PRODUCTO DE KRONECKER
donde
Demostracion. (i) y (ii) son evidentes. En cuanto a (iii) es suficiente observar que el elemento
de viene dado por
que no es mas que el elemento
de
La siguiente propiedad permite reescribir ecuaciones lineales matriciales en la forma habitual

de los sistemas de ecuaciones lineales. En efecto, el lector puede comprobar que la ecuacion
, donde es y es , es equivalente a la ecuacion
donde
Bibliografa
[BC] S. Barnett, R.G. Camaron, Introduction to Mathematical Control Theory, Oxford UP,
1985.
[CD] Frank M. Callier, Charles A. Desoer, Linear System Theory, Springer Verlar, 1991.
[Ch] Chi-Tsong Chen, Linear System Theory and Design, Holt Reinhart and Winston, 1970.
[FH] Thomas E. Fortman, Konrad L. Hitz, An Introduction to Linear Control System, Marcel
Decker, 1977.
[G]
F.R. Gantmacher, The Theory of Matrices, vol. II, Chelsea, 1959.
[S]
Philip E. Sarachik, Principles of Linear Systems, Cambridge UP, 1997.
[SB] Ferenc Szidarovszky, A. Terry Bahill, Linear System Theory, CRC Press, 1997.
[W]
W. Murray Wonham, Linear Multivariable Control. A Geometric Approach, Springer

Verlag, 1984.
113

Realizaciones Mínimas

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Realizaciones Mínimas

Transféré par

Droits d'auteur :

Formats disponibles

Las presentes notas son una referencia escrita del curso

ETSEIB, Septiembre de 2000

Realizacion de sistemas lineales invariantes en el tiempo . . . . . . . . . . . . . . . . . . . . . . . . 79

2. Si designaremos, si no hay peligro de confusion, con la misma letra

3. Si es una matriz compleja indicaremos por la matriz traspuesta conjugada de .

6. Si es una funcion derivable, indicamos indistintamente por o por

Si aparecen diversos modelos de un sistema real es porque, efectivamente, un mismo sistema

Si queremos calcular el impulso y el combustible necesarios para poner un satelite en

el satelite como un cuerpo rgido moviendose alrededor de su centro de masas.

2 Variables de entrada, de salida y de estado

3 Descripcio n matematica interna o por las variables de estado de un sistema

donde , , , , son matrices, cuyos elementos son funciones continuas (o continuas a

es la funcion (vectorial) de entrada o de control y ,

,son las variables de estado. Finalmente,

es la funcion (vectorial) de salida y las ,

, son las variables de salida.

es el correspondiente vector de y analogamente para

Para pequenas elongaciones, la ley de Newton dice que

la ecuacion anterior e s equivalente a

Se trata pues de un sistema lineal invariante en el tiempo con

4.2 Consideramos el circuito electrico

La ecuacion de este circuito es

que, de acuerdo con la eleccion de variables hecha, queda en la forma

Se trata, asimismo, de un sistema lineal invariante en el tiempo con

Entonces el sistema puede ser descrito por

5 Resolucion de la ecuacio n de estado

definida para todo tal que

Fijados , y , denotamos por la u nica solucion a que se refiere el

As pues, empezamos determinando .

la u nica solucion de (EE)

Proposicion 5.2 Con las notaciones anteriores,

Demostracion. En primer lugar vemos que para cualquier

es la u nica solucion de (EE)

, por definicion. De aqu,

Corolario 5.3 El conjunto de soluciones de (EE) es

se llama matriz fundamental o de transici o n de estados de (EE) . Observese que, en efecto, si

es una matriz invertible para todo

Demostracion. Supongamos que existe tal que no es invertible. Esto

se recogen en la siguiente proposicion.

Proposicion 5.6 La matriz de transicio n de estados verifica las propiedades siguientes:

es la u nica solucion de (EE) con

y siendo arbitrario resulta (ii).

satisface el problema de valor inicial

De la anterior proposicion, resulta que

es una solucion particular que se anula en y entonces tenemos la siguiente proposicion.

Proposicion 5.9 La u nica solucion de

viene dada por

5.10 Entonces, la salida del sistema vendra dada por

6 Sistemas lineales invariantes en el tiempo

son matrices constantes.

En este caso, la matriz de transicion de estados toma la siguiente forma.

es constante, la matriz de transici o n de estados de (EE) es

, de donde resulta la proposicion.

6.3 As pues en este caso, la u nica solucion de (EE) tal que

que ha de coincidir con

Vamos a dar tres metodos de calculo de

7.1 A traves de la forma de Jordan de .

Por lo tanto, teniendo en cuenta que si

7.3 Utilizando funciones de matrices.

la funcion real definida

un polinomio tal que

por los tres procedimientos descritos.

para todo , y tales que