Análisis de Sistemas Lineales

Segundo Exámen Parcial

Nicolás Villegas E.
Estudiante de Ingenierı́a de Control

15.21)
a) Para el desarrollo de este problema buscaremos expresar el problema de forma matricial como:
      
y0 C D u0
 y1   CA   CB D   u1 
 y2   CA2 
      
 CAB CB D   u2 
 =  x0 +   
 ..   ..   .. .. ..   .. 
 .   .   . . .  . 
yN −1 CAN −1 CAN −2 B ··· ··· CB D uN −1

El cual será expresado de forma simplificada como y = Ox0 + T u. Debido a que x0 = 0 y uj = 0 para
j ≥ 50, se reescribirá el problema de la siguiente manera:
 
  u1
y = T 1 T2
u2

con T1 , T2 ∈ R100×50 , u1 , u2 ∈ R50 , u2 = 0. En este sentido, se cumple y = T1 u1 . Teniendo las

matrices A, B, C y D del modelo lineal discreto es posible calcular la matriz T1 , a partir de la cual
se calcula su descomposición en valores singulares T1 = U ΣV T . Es conocido que el vector v1 ∈ R50 es
aquel vector en la entrada que maximiza la magnitud del vector de salida y, justamente por un factor
T
igual a σ1 . Por lo tanto, se conforma el vector u = v1T 0T . Dicha secuencia de entradas, con su


correspondiente salida puede observarse en la figura 1. El valor obtenido es kyk2 = 18.50212 .

Se logra percibir el sentido fı́sico que tiene esta secuencia de entradas, pues consiste en oscilaciones con
una amplitud aproximadamente constante y dadas a la frecuencia natural de oscilación del sistema,
de esta forma se logra entrar en resonancia y maximiza su efecto.
b) De forma similar a la anterior, se tiene la ecuación
 
u0
y(100) = CA100 x0 + CA99 B D  ... 
 
··· CAB CB


u100

Como x0 = 0, puede escribirse la anterior ecuación de la forma y(100) = Hu. Se calcula la descom-
posición en valores singulares de la matriz H y se selecciona u = [v1T 0T ]T . En consecuencia, se obtiene
que el valor máximo para |y(100)| es igual a 0.2277. El resultado de la simulación se puede observar
en la figura 2.
En contraste con el primer caso, se percibe que las oscilaciones igualmente están a la frecuencia de
resonancia del sistema, pero esta vez la amplitud de las mismas tienen su pico máximo en la última
muestra. Esto tiene sentido, pues permite hacer perdurar la mayor amplitud posible durante los 50
segundos posteriores a la última entrada, maximizando ası́ a |y(100)|.

1
 Secuencia de u que maximiza y Ty
0.4

0.2

Amplitud 0

-0.2

-0.4
0 10 20 30 40 50 60 70 80 90 100
Número de muestra
Salida de máxima norma
5
Amplitud

-5
0 10 20 30 40 50 60 70 80 90 100
Número de muestra

Figure 1: Secuencia de entrada que maximiza y T y

Secuencia de u que maximiza |y(100)|

0.5
Amplitud

-0.5
0 10 20 30 40 50 60 70 80 90 100
Número de muestra
Salida de máxima norma
5
Amplitud

-5
0 10 20 30 40 50 60 70 80 90 100
Número de muestra

Figure 2: Secuencia de entrada que maximiza |y(100)|.

2
15.36)
a) Para evaluar qué tan grande puede ser σ1 , es preciso encontrar una cota superior para la norma de
la matriz C (esto es, porque por definición kCk = σmax (C)). Veamos:
 
  xa
kCk = max kCxk = max A B = max kAxa + Bxb k
kxk=1 kxk=1 xb kxk=1

Por desigualdad triangular, desigualdad de Cauchy-Schwartz y las propiedades de la norma matricial,

y podemos desarrollar la anterior expresión de la siguiente forma:

kCk ≤ max kAkkxa k + kBkkxb k = max 7kxa k + 2kxb k

kxk=1 kxk=1
√
 
T 7 p
= max x ≤ kxk 72 + 22 = 53 = σ1max ≈ 7.280
kxk=1 2

b) De la anterior expresión, si tomamos xb = 0 y xa = a1 (el vector singular más grande asociado a

A), tendremos:

7kxa k + 2 · 0
kCk ≤ max p = 7 = σ1min
x6=0 kxa k2 + 0

c) Con el mismo razonamiento anterior, tomaremos xa = 0 y xb = b3 (el vector singular más pequeño
asociado a B). De esta forma:

7 · 0 + 2kxb k
kCk ≤ max p = 2 = σ6max
x6=0 0 + kxb k2

 
d) Dado que no hay garantı́as de que la matriz C = A B sea invertible, se concluye que σ6min = 0.

3
16.11)
a) Dado el sistema lineal autónomo ẋ = Ax, hacemos uso de la transformada de Laplace para encontrar
una solución explı́cita de la ecuación diferencial matricial.

ẋ = Ax
L {ẋ} = L {Ax}
sX(s) − x(0) = AX(s)
(sI − A)X(s) = x(0)
X(s) = (sI − A)−1 x(0)
x(t) = L−1 (sI − A)−1 x(0)


x(t) = etA x(0)

En donde la matriz etA es conocida como la matriz de transición de estado por un tiempo t; es decir,
nos proporciona información acerca del estado de un sistema lineal autónomo después de t unidades
de tiempo de operación.
Ahora, en el caso en cuestión, debemos encontrar el estado inicial x(0) unitario, el cual maximice la
magnitud del estado x(3). Para lo anterior, se realiza una descomposición en valores singulares de la
matriz de transición de estado, es decir,

etA = U ΣV T

en donde Σ = diag(σ1 , σ2 , ..., σr ) es una matriz con los valores singulares de etA , U es una matriz
ortonormal que contiene los vectores singulares asociados a la salida, y V es una matriz que contiene los
valores singulares asociados a la entrada. Podemos inferir entonces que, para el sistema x(3) = e3A x(0),
la dirección de máxima amplificación es aquella que es colineal con v1 , el primer vector singular asociado
a la entrada. Debido a la restricción kx(0)k = 1, tomamos x(0) = v1 , y por medio de la matriz de
transición de estado calculamos la salida correspondiente:
 
−5.9376
−3.8989
3t
 
x(3)max = e v1 =  −0.9316

−4.1107
−0.4247
kx(3)max k = 8.2706

b) Partiendo de un razonamiento similar al anterior, seleccionamos x(0) = v5 , el cual corresponde a

la dirección de entrada con la amplificación más pequeña posible. Se obtiene:
 
0.0213
 0.0256 
x(3)min = e3A v5 = 
 
−0.1411

−0.0231
0.0003
kx(3)min k = 0.1468

4
16.23) Para encontrar el vector que no pertenece al conjunto de datos, se optó por detectar anomalı́as
en la tendencia de los datos. Para
esto, se evaluaron las direcciones y magnitudes de los ejes del
elipsoide E = v | v T XX T v = 1 ∈ R6 . Este análisis se realizó a partir de la descomposición en
valores singulares de las matrices Xi , las cuales son la matriz X con la i-ésima columna removida; es
decir,  
Xi = x1 x2 ... xi−1 xi+1 ... xn
Por lo tanto, para cada matriz se calculó Xi = Ui Σi ViT , y se analizaron σmax , σmin ∈ diag(Σi ), los
cuales indican la magnitud del eje mayor del elipsoide (1/σmin ) y la magnitud del eje menor del mismo
(1/σmax ). Se encontró que al remover el vector número 147, es decir, al tomar X147 , el eje mayor del
elipsoide pasó de medir 0.1380 a medir 28.995. Esto significa que el vector número 147 del conjunto de
datos apunta en una dirección anómala con respecto al resto del conjunto de datos, lo cual crea una
deformación en el elipsoide mencionado anteriormente.

18.1)
i) La condición de que ”el sistema sea controlable” implica que pueda alcanzarse cualquier estado
xp ∈ R20 a partir de la manipulación de las entradas del sistema; en otras palabras, que el conjunto
de alcanzabilidad sea igual a R20 . Para esto, es preciso evaluar para cada posición del actuador si la
matriz de controlabilidad
C = B AB ... A19 B
 

tenga rango completo. Iterando sobre los diez posibles lugares para posicionar el actuador, se encuen-
tra que el sistema es completamente controlable únicamente para las posiciones 1, 2, 4, 5, 8, y 10.

ii) Para evaluar este problema, se discretizó el sistema y se asumió que la entrada es constante a
tramos. Se asumirá que el sistema tiene una condición inicial x(0) = 0.
Se conoce que para un estado xdes deseado, la secuencia de control uln que minimiza la energı́a gastada
para la transición de estado está dada por

uln = CtT (Ct CtT )−1 xdes

Por lo tanto, para minimizar la cantidad de energı́a requerida, se debe buscar que la matriz CtT (Ct CtT )−1
tenga la norma más pequeña posible. Iterando sobre las posibilidades de ubicación en los actuadores,
se realizó una descomposición en valores singulares de la matriz CtT (Ct CtT )−1 , y se evaluó σ1 para
cada caso, y se encontró que el actuador número 9 genera el valor de σ1 más pequeño; por lo tanto, se
concluye que la posición 9 es el mejor lugar para el posicionamiento del actuador.