Académique Documents
Professionnel Documents
Culture Documents
1.1
Introduccin
30
1.2
Bandas de Gershgorin
q ii ( s) q ij ( s)
i 1, , m
(1.1)
j 1
j i
qii ( s) q ji ( s)
i 1,, m
(1.2)
j 1
j i
Si denominamos ri s a:
m
ri ( s) qij ( s)
j 1
j i
ri ( s) q ji ( s)
i 1,, m
j 1
j i
(1.3)
31
se encuentra en el
compleja
de dimensiones m x m. Los autovalores de Z estn dentro de los m crculos, cada
uno con centro en zii y radio:
m
z
j 1
j i
ij
i 1,, m
(1.4)
32
z
j 1
j i
ji
i 1,, m
(1.5)
g
j1
j i
ij ( j )
ji
( j )
(1.6)
j1
j i
33
(1.41)
1.4.1
34
(1.42)
1 ;
0
lm
(1.43)
1 0 ;
lm
(1.44)
donde
1 diag 1 , 2 ,, k ;
k mn l , m
(1.45)
1 2 k
(1.46)
Los vectores columna de V, simbolizados por vi, son llamados vectores singulares
derechos o de entrada y los vectores columna de U, simbolizados por ui, son
llamados vectores singulares izquierdos o de salida.
Definimos u u1 , v v1 , u u k y v vk .
35
nmero real, es tambin una DVS de A. Sin embargo, los valores singulares, i,
son nicos.
Consideremos las siguientes relaciones, para deducir como calcular los valores
singulares y las matrices unitarias
AA UV UV
UV V
U UU
(1.47)
AA U U
(1.48)
A A UV
UV V
U UV VV
(1.49)
A AV V
(1.50)
i A i A A i AA
(1.51)
36
b tr A A aij
c det A A
(1.52)
i, j
1 2 b ,
1 2 c
(1.53)
b b 2 4c
A
;
2
b b 2 4c
A
2
(1.54)
37
Por
ejemplo,
para
1 2
A
3 4
tenemos
b aij
1 4 9 16 30 ,
1.4.2
(1.55)
esta es la DVS de A-1 pero con el orden de los valores singulares invertido. Sea
j = m i + 1. Entonces de la ecuacin (1.55) se tiene que
i A1 1 j A,
ui A1 v j A,
vi A1 u j A
(1.56)
y en particular
A1 1 A
(1.57)
A i A A
(1.58)
A A
A A
(1.59)
Hay un lmite superior para el valor singular mximo del producto de dos
matrices:
38
AB A B
(1.60)
A B AB
A B AB
(1.61)
A B AB
(1.62)
A B
B
(1.63)
(1.64)
0
mx A, B
B
(1.65)
i A B i A B i A B
(1.66)
1.4.5
A B A B A B
(1.67)
A B A B A B
(1.68)
39
A UV i u i vi
(1.69)
i 1
A1 A A1 A 1u1v1
(1.70)
entonces
1 A1 2 A
(1.71)
1.5
Condition Number
1 A A
k A A
(1.72)
40
A A A1
(1.73)
AB A B
1.6
(1.74)
G j d
d
G j
41
d12 d 22
(1.75)
y12 y 22
(1.76)
G j d
d
y12 y 22
d12 d 22
(1.77)
d
salidas. En este caso, d 1 , la ganancia es en general diferente para los cinco
d 2
siguientes vectores entrada:
1
0
0.707
0.707
0.6
d 01 , d 02 , d 03
, d 04
, d 05
0
1
0.707
0.707
0.8
42
= 1 pero diferentes
3 2
(1.78)
3
2
3.54
0.707
0.2
las
normas
de
estos
cinco
vectores
salida,
iguales
las
correspondientes
ganancias, son
y01 5.83 ,
y02 4.47 ,
y03 7.3 ,
y04 1,
y1 0.28
43
mx
d 0
Gd
d
mx Gd G
d 1
(1.79)
mientras que la ganancia mnima es 0.272, que es igual al valor singular mnimo
de G,
mn
d 0
Gd
d
mn Gd G
d 1
(1.80)
valores
singulares mximo y mnimo respectivamente.
44
0 100
G
0 0
la cual tiene ambos autovalores i iguales a cero. Sin embargo, sera obviamente
equivocado concluir a partir de los autovalores que la ganancia del sistema es
cero. Por ejemplo, con un vector de entrada d 0 1 obtenemos un vector de
salida d 100 0 .
y
d
I ti
ti
por lo tanto i mide la ganancia en la direccin de ti. Esto puede ser til para el
anlisis de estabilidad pero no para analizar el comportamiento del sistema.
45
G UV
(1.81)
donde:
es matriz de dimensiones l x m con k mn l , m valores singulares no
negativos, i, ordenados de manera descendente en la diagonal principal; los otros
elementos son cero. Los valores singulares son las races cuadradas positivas de
los autovalores de G G .
U es una matriz unitaria de dimensiones l x l de vectores de salida singulares, ui.
V es una matriz unitaria de dimensiones m x m de vectores de entrada singulares,
vi.
Podemos ilustrar esto con la DVS de una matriz real de 2 x 2, la cual siempre
puede ser escrita de la forma
(1.82)
46
ui
ui1 ui 2 uil
2
ui ui 1,
ui u j 0,
i j
(1.83)
(1.84)
Gvi i ui
(1.85)
i G Gvi
Gvi
vi
(1.86)
2.-
3.-
47
G 1 G mx
d 0
Gd
d
Gv1
v1
(1.87)
G k G mn
d 0
Gd
d
Gvk
vk
(1.88)
Gd
d
(1.89)
Definimos u u1 , v v1 , u u k y v vk . Luego
Gv u ,
Gv u
(1.90)
48
3 2
0 0.794 0.608
0.872 0.490 7.343
G1
0.490 0.872 0
0.272 0.608 0.794
Dado que en la planta G1 ambas entradas afectan ambas salidas, se dice que el
sistema es interactivo. Adicionalmente, el sistema es mal condicionado, es decir,
algunas combinaciones de las entradas tienen un efecto fuerte en las salidas,
mientras que otras combinaciones tienen un efecto dbil en las salidas. Esto se
puede cuantificar mediante el condition number, que para el sistema considerado
es 7.343 0.272 27 .
49
1 87.8 86.4
75s 1 108.2 109.6
(1.91)
G0
87.8 86.4
G
108.2 109.6
en
realidad
slo u poco mayor que 1. Podemos observar esto en la DVS de G.
A partir del primer vector singular de entrada, v 0.707 0.708 , se puede ver
50
entrada en una cantidad similar. Por el otro lado, a partir del segundo vector
singular de entrada, v 0.708 0.707 , se puede ver que si aumentamos
51
para la magnitud. En la Figura 1.6 se muestran los trazos tpicos de los valores
singulares del proceso de destilacin considerado en el ejemplo anterior.
Q s Qs Qs Q s
(1.92)
Si adems
Qs W s s W 1 s
(1.93)
W s W 1 s
(1.94)
52
i s i s ,
i 1,2,, m
(1.95)
Qs W s s W 1 s
por la propiedad de la matriz normal reemplazamos segn la ecuacin (1.94)
Qs W s s W s
m
Qs i s wi s wi s
i 1
i s i s exp j i s ,
i , i 0
yi s wi s exp j i s
Entonces
m
Qs i s yi s wi s
i 1
Qs Y s diag i s W s
donde
Y s W s diag exp j i s
53
Por tanto
Y s Y H s I
Por lo tanto Qs Y s diag i s W s es una descomposicin en valores
singulares de Qs . Pero los valores singulares de Qs son nicos, entonces
diag i s s
es decir,
i s i s
Este resultado es importante para el diseo de sistemas de control, porque el
diseador puede conseguir visualizar ms fcilmente las ganancias principales de
cualquier diseo propuesto. Una conclusin que se puede sacar de este teorema es
que si uno quiere conseguir unas particulares ganancias principales, una manera de
hacerlo es disear el controlador C para la planta G tal que la razn de retorno GC
sea normal y tenga unas particulares ganancias caractersticas.
Otra razn para desear que la razn de retorno sea normal es que la sensibilidad de
los autovalores de una matriz a las perturbaciones de sus elementos se minimiza si
la matriz es normal[3]. Sabiendo que el modelo que se tiene de la planta es
probablemente impreciso, se espera que el uso de un controlador que produzca
una razn de retorno normal, tambin reduzca la posibilidad de que el sistema a
54
lazo cerrado sea inestable cuando el compensador se use con la planta real, ya
que la
estabilidad est determinada por los lugares caractersticos.
Aun cuando la razn de retorno no es exactamente normal, las ganancias
caractersticas son aproximadamente iguales a las ganancias principales siempre y
cuando las autovectores estn cerca de ser ortogonales. Cuando este no es el caso,
se dice que la razn de retorno es oblicua.
La siguiente medida de la oblicuidad de una matriz cuadrada G ha sido propuesta
por Hung y MacFarlane (1982). Primero se obtiene una descomposicin de G,
llamada descomposicin Schur.
G S D T S
donde D es diagonal, T es triangular y S es unitaria. Entonces una medida
adecuada de la oblicuidad es
ms G
donde
T
G
(1.96)
2
ij
(1.97)
i, j
(1.98)
55
i2 1
i 1
i2
i2
i 1
2
i
(1.99)
i ,
i 1,2,, m
(1.100)
lo que quiere decir que el valor de cada ganancia caracterstica se encuentra entre
la ganancia principal ms pequea y la ms grande. (Este resultando se obtiene
igualando d a un autovector en la ecuacin (1.89)).
control de la planta.