Teora Moderna de Control Lineal

Indice general
1. Sistemas lineales determinsticos multivariables, invariantes, continuos 1
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Descripcion de estado de sistemas diferenciales lineales y no lineales . . . 1
1.1.2. Linealizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3. Transformacion de estado . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Solucion de la ecuacion diferencial de estado de sistemas lineales . . . . . . . . . 4
1.2.1. Matrices de transicion y respuesta impulso . . . . . . . . . . . . . . . . . 4
1.2.2. Matriz de transicion de un sistema invariante en el tiempo. . . . . . . . . 5
1.2.3. Diagonalizacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1. Estabilidad de sistemas lineales variantes en el tiempo . . . . . . . . . . . 9
1.3.2. Estabilidad de sistemas lineales invariantes en el tiempo . . . . . . . . . . 9
1.4. Analisis con transformada de sistemas invariantes en el tiempo . . . . . . . . . . 10
1.4.1. Solucion de la ecuacion diferencial de estado usando transformada de Laplace 10
1.5. Respuesta en frecuencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6. Ceros del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7. Interconexion de sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.8. Controlabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9. Reconstructibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3
Captulo 1
Sistemas lineales determinsticos
multivariables, invariantes,
continuos
1.1. Introduccion
El punto de partida es la descripcion en el espacio de estado de los sistemas lineales. Luego
veremos la solucion de ecuaciones diferenciales de estado lineal, la estabilidad y analisis de
transformacion de sistemas lineales.
1.1.1. Descripcion de estado de sistemas diferenciales lineales y no
lineales
Muchos sistemas se pueden describir por un conjunto de ecuaciones diferenciales simultaneas
de la forma:
x(t) = f[x(t), u(t), t] (1.1)
donde:
x(t) vector columna n dimensional variando en el tiempo denominado estado del
sistema.
u(t) vector columna k dimensional variando en el tiempo, denominado variable de
entrada o de control.
f funcion real y vector valuada
La ecuacion (1.1) se denomina ecuacion diferencial de estado.
Consideremos y(t) una variable real, l-dimensional del sistema, que se puede observar o a
traves de ella el sistema inuye en su medio ambiente. Se le denomina variable de salida del
sistema. Se puede expresar como:
y(t) = g[x(t), u(t), t] (1.2)
1
ELO-378 Teora Moderna de Control Lineal
Esta ecuacion la denominaremos ecuacion de salida del sistema. Las ecuaciones (1.1) y (1.2)
son las ecuaciones del sistema. Si g contiene u explcitamente, se dice que el sistema tiene una
conexion directa.
Cuando f y g son funciones lineales, hablamos de un sistema diferencial lineal y su ecuacion
diferencial de estado tiene la forma:
x(t) = A(t) x(t) +B(t) u(t) (1.3)
donde A(t) y B(t) son matrices variantes en el tiempo de dimensiones apropiadas. La di-
mensi on n de x es la dimension del sistema.
La ecuacion de salida de este sistema tiene la forma:
y(t) = C(t) x(t) +D(t) u(t) (1.4)
Si las matrices A, B, C y D son constantes, el sistema es invariante en el tiempo.
1.1.2. Linealizacion
Si u
0
(t) es una entrada dada a un sistema descrito por la ecuacion diferencial de estado (1.1),
y x
0
(t) es una solucion conocida de (1.1), podemos encontrar soluciones para peque nas desvia-
ciones en el estado inicial y en la entrada, desde una ecuacion diferencial de estado lineal.
Supongamos que x
0
(t) satisface:
x(t) = f[x
0
(t), u
0
(t), t] t
0
t t
1
(1.5)
donde:
x
0
: es una trayectoria nominal
u
0
: es una entrada nominal
Podemos suponer que el sistema esta operando cercano a condiciones nominales, esto signica
que u y x se desvan levemente de x
0
y u
0
. Por lo tanto, podemos escribir:
u(t) = u
0
(t) + u(t) t
0
t t
1
(1.6)
x(t
0
) = x
0
(t
0
) + x(t
0
)
donde u(t) y x(t) son perturbaciones peque nas.
De la misma manera podemos decir que:
x(t) = x
0
(t) + x(t) t
0
t t
1
(1.7)
Sustituyendo x y u en la ecuacion diferencial de estado (1.1) y realizando una expansion en
serie de Taylor , se tiene que:
x
0
(t) +

x(t) = f[x
0
(t), u
0
(t), t] +J
x
[x
0
(t), u
0
(t), t] x(t)
+J
u
[x
0
(t), u
0
(t), t] u(t) +h(t) t
0
t t
1
(1.8)
2
ELO-378 Teora Moderna de Control Lineal
J
x
y J
u
son las matrices Jacobianas de f con respecto a x y u. Donde el elemento (i, j) de
la matriz J
x
es:
(J
x
)
i,j
=
f
i

j
X
i
(1.9)
donde f
i
es el i-esimo componente de f y
j
el j-esimo componente de x. J
u
se dene de la
misma forma.
El termino h(t) es una expresion despreciable con respecto a x y u. Despreciando h, vemos
que x y u satisfacen aproximadamente la ecuacion lineal:

x(t) = A(t) x(t) +B(t) u(t) t

0
t t
1
(1.10)
donde:
A(t) = J
x
[x
0
(t), u
0
(t), t]
B(t) = J
u
[x
0
(t), u
0
(t), t]
La ecuacion (1.10) se denomina ecuacion diferencial de estado linealizada. La condicion inicial
es x(t
0
).
La linealizacion es una practica muy com un en la solucion de problemas de control. Es
conveniente linealizar la ecuacion diferencial del sistema antes de arreglarlas en la forma de
ecuaciones diferenciales de estado. Esto lleva a la misma solucion.
1.1.3. Transformacion de estado
Algunas veces es util emplear una representacion transformada del estado. Veremos trans-
formaciones de estado lineal para sistema diferenciales lineales invariantes en el tiempo. Consi-
deremos el sistema lineal invariante en el tiempo:
x(t) = Ax(t) +Bu(t)
y(t) = C x(t) (1.11)
Denamos la variable de estado transformada por:
x

(t) = T x(t) (1.12)

donde T es una matriz de transformacion no singular constante.
Sustituyendo:
x(t) = T
1
x

(t) (1.13)
en (1.11) resulta:
T
1
x

(t) = A T
1
x

(t) +B u(t) (1.14)

y(t) = C T
1
x

(t)
3
ELO-378 Teora Moderna de Control Lineal
o
x

(t) = T A T
1
x

(t) +T B u(t) (1.15)

y(t) = C T
1
x

(t)
Es claro que la representacion transformada es completamente equivalente al sistema original,
ya que podemos reconstruir el comportamiento del sistema en terminos del estado original por
la relacion (1.13).
1.2. Solucion de la ecuacion diferencial de estado de siste-
mas lineales
1.2.1. Matrices de transicion y respuesta impulso
Veremos la solucion de la ecuacion diferencial de estado lineal:
x(t) = A(t) x(t) +B(t) u(t) (1.16)
La solucion se obtiene mediante los siguientes teoremas:
Teorema 1.1. Considerar la ecuacion homogenea
x(t) = A(t) x(t) (1.17)
Entonces si A(t) es continua para todo t, (1.17) siempre tiene una solucion que puede ser
expresada como:
x(t) = (t, t
0
) x(t
0
) t (1.18)
La matriz de transicion (t, t
0
) es la solucion de la ecuacion diferencial matricial:
d
dt
(t, t
0
) = A(t) (t, t
0
) t (1.19)
(t
0
, t
0
) = I
donde I es la matriz unidad.
Para sistemas variando en el tiempo, la matriz de transicion es difcil de obtener en terminos
de funciones estandar, de modo que hay que recurrir a tecnicas de integracion numerica.
Teorema 1.2. La matriz de transicion (t, t
0
) de un sistema diferencial tiene las siguientes
propiedades:
a.) (t
2
, t
1
) (t
1
, t
0
) = (t
2
, t
0
) t
0
, t
1
, t
2
(1.20)
b.) (t, t
0
) es no singular t, t
0
(1.21)
c.)
1
(t, t
0
) = (t
0
, t) t, t
0
(1.22)
d.)
d
dt

T
(t
2
, t
1
) (t
1
, t
0
) = (t
2
, t
0
) t, t
0
(1.23)
4
ELO-378 Teora Moderna de Control Lineal
donde el supra-ndice T denota el transpuesto.
Una vez encontrada la matriz de transicion es facil obtener las soluciones a la ecuacion
diferencial de estado lineal (1.16).
Teorema 1.3. Considerar la ecuacion diferencial de estado lineal:
x(t) = A(t) x(t) +B(t) u(t) (1.24)
Entonces, si A(t) es continua y B(t) y u(t) son continuas por parte para todo t, la solucion
de la ecuacion es:
x(t) = (t, t
0
) x(t
0
) +

t
t
0
(t, ) B() u() d t (1.25)
Consideremos un sistema con la ecuacion (1.24) y la ecuacion de salida:
y(t) = C(t) x(t) (1.26)
usando la solucion (1.25) tenemos que:
y(t) = C(t) (t, t
0
) x(t
0
) +C(t)

t
t
0
(t, ) B() u() d (1.27)
Si el sistema esta inicialmente en el estado cero, x(t
0
) = 0, la respuesta de la variable de
salida es:
y(t) =

t
t
0
K(t, ) u() d t t
0
(1.28)
donde
K(t, ) = C(t) (t, ) B() t t
0
(1.29)
La matriz K(t, ) se denomina matriz respuesta impulso del sistema. El elemento (i, j) de
esta matriz es la respuesta en el instante t del componente i de la variable de salida a un
impulso aplicado a la componente j de la entrada en el instante > t
0
mientras todos los otros
componentes de la entrada son cero y el estado inicial es cero.
1.2.2. Matriz de transicion de un sistema invariante en el tiempo.
Consideremos el siguiente teorema:
Teorema 1.4. El sistema invariante en el tiempo:
x(t) = Ax(t) (1.30)
tiene la matriz de transicion:
(t, t
0
) = e
A(tt
0
)
(1.31)
donde la matriz exponencial de una matriz cuadrada M esta denida como:
e
M
= I +M +
1
2!
M
2
+
1
3!
M
3
+. . . (1.32)
Esta serie converge para todo M.
5
ELO-378 Teora Moderna de Control Lineal
Notas
1. Para dimensiones peque nas de la matriz A, la matriz de transicion se puede escribir explci-
tamente en terminos de funciones estandar.
2. Para dimensiones grandes de la matriz A, la ecuacion (1.32) es muy util para calcular la
matriz de transicion por un computador digital.
3. Para no tener dicultades numericas, (t t
0
) no se debe escoger demasiado grande.
Usando los resultados de los teoremas 1.3 y 1.4, en sistemas invariantes en el tiempo tenemos
que:
x(t) = Ax(t) +Bu(t) (1.33)
x(t) = e
A(tt
0
)
x(t
0
) +

t
t
0
e
A(t)
Bu() d (1.34)
y(t) = C x(t) (1.35)
y la matriz respuesta a impulso queda:
K(t ) = C e
A (t)
B t (1.36)
1.2.3. Diagonalizacion
Una forma explcita de la matriz de transicion de un sistema invariante en el tiempo se puede
obtener por diagonalizacion de la matriz A.
Teorema 1.5. Supongamos que la matriz nxn contante A tiene n valores caractersticos distintos

1
,
2
, . . . ,
n
, con sus correspondientes vectores caractersticos e
1
, e
2
, . . . , e
n
.
Se denen las matrices:
T = (e
1
, e
2
, . . . , e
n
) (1.37)
= diag(
1
,
2
, . . . ,
n
)
Entonces T es una matriz no singular y A puede ser representada como:
A = T T
1
(1.38)
Se dice que T diagonaliza A.
Teorema 1.6. Consideremos que la matriz A satisface las suposiciones del teorema 1.5, enton-
ces:
a.) e
At
= T e
t
T
1
(1.39)
b.) e
t
= diag(e

1
t
, e

2
t
, . . . , e

n
t
) (1.40)
Este resultado simplica el calculo de e
At
una vez que A es diagonalizada.
6
ELO-378 Teora Moderna de Control Lineal
Teorema 1.7. Consideremos el sistema invariante en el tiempo
x(t) = Ax(t) (1.41)
donde A satisface las suposiciones del teorema 1.5. Escribiendo la matriz T
1
de la forma:
T
1
=

f
1
f
2
.
.
.
f
n

(1.42)
donde f
1
, f
2
, . . . , f
n
son vectores las. Entonces la solucion de (1.41) se puede escribir como:
x(t) =
n

i=1
e

i
t
e
i
f
i
x(0) (1.43)
Es facilmente demostrable expandiendo x(t) = T e
t
T
1
x(0) en terminos de e
i
, f
i
y e

i
t
con i = 1, 2, . . . , n.
Escribiendo (1.43) en la forma:
x(t) =
n

i=1
u
i
e

1
t
e
i
(1.44)
donde las u
i
son los escalares f
i
x(0), i = 1, 2, . . . , n.
Se muestra claramente que la respuesta del sistema (1.41) es una composicion de movimientos
a lo largo de los vectores caractersticos de la matriz A. Se le denomina a cada movimiento un
modo del sistema. Un modo particular se puede excitar escogiendo el estado inicial para tener
una componente a lo largo del correspondiente vector caracterstico.
Es claro que los valores caractersticos
i
, i = 1, 2, . . . , n determinan el comportamiento
dinamico del sistema. Estos n umeros se pueden considerar como los polos del sistema.
1.3. Estabilidad
Consideremos una ecuacion diferencial de estado general:
x(t) = f[x(t), u(t), t] (1.45)
Una propiedad importante del sistema es saber si las soluciones de la ecuacion diferencial de
estado tienden o no a crecer indenidamente cuando t .
Supongamos un sistema sin entrada u o donde u es una funcion ja en el tiempo. Tenemos
entonces que:
x(t) = f[x(t), t] (1.46)
La solucion nominal x
0
(t) satisface la ecuacion (1.46):
x
0
(t) = f[x
0
(t), t] (1.47)
Un caso especial ocurre cuando x
0
(t) es un vector x
e
constante, en este caso, decimos que
x
e
es un estado de equilibrio del sistema.
7
ELO-378 Teora Moderna de Control Lineal
Denicion 1.1. Consideremos la ecuacion diferencial de estado:
x(t) = f[x(t), t] (1.48)
Con la solucion nominal x
0
(t). Entonces la solucion nominal es estable en el sentido Lya-
punov si para cualquier t
0
y cualquier > 0 existe un (, t
0
) > 0 tal que:
x(t
0
) x
0
(t
0
) implique x(t) x
0
(t) t t
0
Donde x es la norma del vector x. Se puede usar la norma Euclidiana:
x =

i=1

2
i
(1.49)
donde
i
i = 1, 2, . . . , n son los componentes de x.
Esta denicion es una forma debil de estabilidad.
Denicion 1.2. La solucion nominal x
0
(t) de la ecuacion diferencial de estado:
x(t) = f[x(t), t] (1.50)
es asintoticamente estable si:
1. Es estable en el sentido de Lyapunov
2. t
0
existe un p(t
0
) > 0 tal que:
x(t
0
) x
0
(t
0
) implique x(t) x
0
(t) 0 cuando t
No siempre da informacion para desviaciones iniciales grandes con respecto a la solucion
nominal.
Denicion 1.3. La solucion nominal x
0
(t) de la ecuacion diferencial de estado:
x(t) = f[x(t), t] (1.51)
es asintoticamente estable en grande si:
1. Es estable en el sentido de Lyapunov
2. Para cualquier x(t
0
) y cualquier t
0
x(t) x
0
(t) 0 cuando t
8
ELO-378 Teora Moderna de Control Lineal
1.3.1. Estabilidad de sistemas lineales variantes en el tiempo
En los casos lineales la situacion es mas simple y se puede hablar de estabilidad del sistema
en vez de la solucion.
Consideremos x
0
(t) una situacion nominal del sistema diferencial lineal:
x(t) = A(t) x(t) (1.52)
y x(t) cualquier otra solucion. Ya que x
0
(t) y x(t) son soluciones de la ecuacion diferencial
lineal, entonces [x(t) x
0
(t)] tambien es una solucion, es decir:
d
dt
[x(t) x
0
(t)] = A(t)[x(t) x
0
(t)] (1.53)
Para estudiar la estabilidad de la solucion nominal x
0
(t), podemos estudiar la estabilidad
de la solucion con x(t) 0. Si la solucion cero es estable en cualquier sentido, cualquier otra
solucion sera estable en ese sentido, es decir:
x(t) 0
x(t) x
0
(t) 0 = x
0
(t) 0
Denicion 1.4. El sistema diferencial lineal
x(t) = A(t) x(t) (1.54)
es estable en un cierto sentido, si la solucion cero x
0
(t) 0 es estable en ese sentido.
Se entiende que todas las soluciones nominales de un sistema diferencial lineal tiene las
mismas propiedades de estabilidad.
Teorema 1.8. El sistema diferencial lineal
x(t) = A(t) x(t) (1.55)
es asintoticamente estable si y solo si es asintoticamente estable en grande.
Este teorema resulta del factor que las soluciones de sistemas lineales pueden ser escaladas
sin afectar su comportamiento.
1.3.2. Estabilidad de sistemas lineales invariantes en el tiempo
Consideremos el sistema
x(t) = Ax(t) (1.56)
donde Aes una matriz constante nxn. Si Atiene n valores caractersticos distintos
1
,
2
, . . . ,
n
y los correspondientes vectores caractersticos e
1
, e
2
, . . . , e
n
, la respuesta del sistema a cualquier
estado inicial es:
x(t) =
n

i=1
u
i
e

i
t
e
i
(1.57)
donde los escalares u
i
dependen del estado inicial x(0).
Se ve que la estabilidad del sistema depende de los valores caractersticos de
i
.
9
ELO-378 Teora Moderna de Control Lineal
Teorema 1.9. El sistema lineal invariante en el tiempo
x(t) = Ax(t) (1.58)
es estable en el sentido de Lyapunov si y solo si:
1. Todos los
i
de A tienen parte real no positiva y
2. Para cualquier valor caracterstico sobre el eje imaginario con multiplicidad m corresponde
exactamente n vectores caractersticos de la matriz A.
Teorema 1.10. El sistema lineal invariante en el tiempo
x(t) = Ax(t) (1.59)
es asintoticamente estable si y solo si todos los valores caractersticos de A tienen partes
reales estrictamente negativas.
Teorema 1.11. El sistema lineal invariante en el tiempo (LIT)
x(t) = Ax(t) (1.60)
es exponencialmente estable si y solo si es asintoticamente estable.
Ya que la matriz A realmente determina si un sistema LIT es asintoticamente estable, se
puede generar la siguiente denicion:
Denicion 1.5. La matriz A es asintoticamente estable si todos sus valores caractersticos
tienen partes reales estrictamente negativas.
1.4. Analisis con transformada de sistemas invariantes en
el tiempo
1.4.1. Solucion de la ecuacion diferencial de estado usando transfor-
mada de Laplace
Se dene la transformada de Laplace de un vector variando en el tiempo como:
Z(s) = [z(t)] =

0
e
st
z(t)dt (1.61)
donde s es una variable compleja.
Vemos que la de un vector variando en el tiempo es simplemente un vector cuyos compo-
nentes son las transformadas de Laplace de los componentes de z(t).
Consideremos primero la ecuacion diferencial de estado homogenea:
x(t) = Ax(t) (1.62)
donde A es una matriz constante. La transformada de Laplace da:
s X(s) X(0) = AX(s) (1.63)
10
ELO-378 Teora Moderna de Control Lineal
Todas la reglas para casos escalares sirven en el caso vectorial. La solucion es:
X(s) = (s I A)
1
X(0) (1.64)
Esto es equivalente a la expresion en el dominio del tiempo:
x(t) = e
At
x(0) (1.65)
Esto lleva al siguiente teorema:
Teorema 1.12. Tomando A como una matriz constante de nxn. Entonces:
(s I A)
1
= [e
At
] o (1.66)
e
At
=
1
[(s I A)
1
]
La funcion matriz (s I A)
1
se denomina resolucion de A.
Teorema 1.13. Consideremos A una matriz constante de nxn con el polinomio caracterstico:
det(s I A) = s
n

n1
s
n1
+. . . +
1
s
1
+
0
(1.67)
Entonces la resolucion de A se puede escribir como:
(s I A)
1
=
1
det(s I A)

n

i=1
s
i1
R
i
(1.68)
donde las matrices R
i
esta dadas por:
R
i
=
n

j=i

i
A
ji
, i = 1, 2, . . . , n (1.69)
con
n
= 1. Los coecientes
i
y las matrices R
i
, i = 1, 2, . . . , n se pueden obtener a traves
del siguiente algoritmo.
Colocar:

0
= 1, R
n
= I (1.70)
Luego

nk
=
1
k
t
r
(AR
nk+1
) (1.71)
R
nk
=
nk
I +AR
nk+1
para k = 1, 2, . . . , n (1.72)
Para
k = n tenemos que R
0
= 0 (1.73)
donde:
t
r
(M) =
n

i=1
M
ii
(1.74)
11
ELO-378 Teora Moderna de Control Lineal
Si M es una matriz nxn con elementos diagonales M
i,i
, i = 1, 2, . . . , n R
0
= 0 se puede
usar para un chequeo numerico.
Consideremos ahora la ecuacion no-homogenea:
x = Ax(t) +Bu(t) (1.75)
donde A y B son constantes. La transformada de Laplace da:
s X(s) X(0) = AX(s) +BU(s) (1.76)
luego
X(s) = (s I A)
1
X(0) + (s I A)
1
BU(s) (1.77)
La ecuacion de salida del sistema esta dada por:
y(t) = C x(t) (1.78)
donde C es constante. Aplicando Laplace y reemplazando (1.77) resulta:
Y (s) = C X(s) = C (s I A)
1
X(0) +C (s I A)
1
BU(s) (1.79)
que es equivalente a la transformada de Laplace de la expresion en el tiempo, con t
0
= 0:
y(t) = C e
At
x(0) +C

t
0
e
A(t)
Bu()d (1.80)
Cuando x(0) = 0 tenemos que:
Y (s) = H(s) U(s) (1.81)
donde:
H(s) = C (s I A)
1
B (1.82)
La matriz H(s) se denomina matriz de transferencia del sistema.
Del teorema 1.12 tenemos que la matriz de transferencia H(s) es la transformada de Laplace
de la funcion matricial H(t) = C e
At
B con t 0 (ec. (1.36). De (1.81) tenemos que H(t) es la
matriz respuesta impulso del sistema.
Las races del denominador com un de H(s) son los polos de la matriz de transferencia. Si
no hay cancelaciones, estos polos son los polos del sistema, es decir, los valores caractersticos
de A.
1.5. Respuesta en frecuencia
Veamos la respuesta en frecuencia de sistemas lineales invariantes en el tiempo, a entradas
de la forma:
u(t) = u
m
e
jt
t 0 (1.83)
donde u
m
es un vector constante.
12
ELO-378 Teora Moderna de Control Lineal
La solucion de la ecuacion diferencial e estado:
x(t) = Ax(t) +Bu(t) (1.84)
se obtiene en terminos de las soluciones particular y homogenea.
Si consideramos la solucion particular de la forma:
x
p
(t) = x
m
e
jt
(1.85)
donde x
m
es un vector constante. Encontramos que la solucion particular es:
x
p
(t) = (j I A)
1
Bu
m
e
jt
t 0 (1.86)
La solucion homogenea se puede escribir como:
x
h
(t) = e
At
a (1.87)
donde a es un vector constante arbitrario. Luego tenemos que la solucion general no-homogenea
es:
x(t) = e
At
a + (j I A)
1
Bu
m
e
jt
t 0 (1.88)
El vector a se puede determinar con las condiciones iniciales.
Si el sistema es asintoticamente estable, entonces la respuesta en estado estacionario de la
salida:
y(t) = C x(t) (1.89)
es:
y(t) = C (j I A)
1
Bu
m
e
jt
(1.90)
= H(j) u
m
e
jt
donde H(j) es la matriz respuesta en frecuencia del sistema.
1.6. Ceros del sistema
Teorema 1.14. Considerar el sistema:
x = Ax(t) +Bu(t)
y(t) = C x(t)
donde x tiene dimension n y la entrada u y la salida y tienen dimension m. La matriz de
transferencia del sistema es H(s) = C(sI A)
1
B.
Entonces:
det[H(s)] =
(s)
(s)
13
ELO-378 Teora Moderna de Control Lineal
donde
(s) = det[s I A]
y (s) es un polinomio en s de grado n m o menos.
Denicion 1.6. Los ceros de (s) son los ceros del sistema y (s) es el polinomio caracterstico
del sistema.
1.7. Interconexi on de sistemas lineales
Dos de los tipos de interconexion de sistemas mas usados son la conexion serie o cascada y
la realimentada.
Figura 1.1: Conexion serie.
Figura 1.2: Conexion realimentada.
Para la conexion serie de la Fig. 1.1 los sistemas individuales se describen por las ecuaciones
diferenciales de estado y salida:
x
1
(t) = A
1
(t) x
1
(t) +B
1
(t) u
1
(t)
y
1
(t) = C
1
(t) x
1
(t) +D
1
(t) u
1
(t)

sistema 1 (1.91)
x
2
(t) = A
2
(t) x
2
(t) +B
2
(t) u
2
(t)
y
2
(t) = C
2
(t) x
2
(t) +D
2
(t) u
2
(t)

sistema 2
Deniendo el estado aumentado:
x(t) =

x
1
(t)
x
2
(t)

(1.92)
14
ELO-378 Teora Moderna de Control Lineal
El sistema interconectado se describe por:
x(t) =

A
1
(t) 0
B
2
(t) C
1
(t) A
2
(t)

x(t) +

B
1
(t)
B
2
(t) D
1
(t)

u(t) (1.93)
considerando que u
2
(t) = y
1
(t).
La ecuacion de salida del sistema resulta:
y
2
(t) = [D
2
(t) C
1
(t) C
2
(t)] x(t) +D
2
(t) D
1
(t) u
1
(t) (1.94)
En el caso de los sistemas invariantes en el tiempo, se puede describir la interconexion
en terminos de las matrices de transferencia. Supongamos que las matrices de transferencia
individuales de los sistemas son:
Y
1
(s) = H
1
(s) U
1
(s) (1.95)
Y
2
(s) = H
2
(s) U
2
(s) (1.96)
Sabemos que
U
2
(s) = Y
1
(s) (1.97)
Luego
Y
2
(s) = H
2
(s) H
1
(s) U
1
(s) (1.98)
resulta que la matriz de transferencia del sistema es: H
2
(s) H
1
(s).
Generalmente no se pueden intercambiar.
En la conexion realimentada se consideran las siguientes ecuaciones diferenciales de estado
y salida:
x
1
(t) = A
1
(t) x
1
(t) +B
1
(t) u
1
(t)
y
1
(t) = C
1
(t) x
1
(t)

sistema 1 (1.99)
x
2
(t) = A
2
(t) x
2
(t) +B
2
(t) u
2
(t)
y
2
(t) = C
2
(t) x
2
(t) +D
2
(t) u
2
(t)

sistema 2
Usando el vector aumentado tenemos que:
x(t) =

A
1
(t) B
1
(t) D
2
(t) C
1
(t) B
1
(t) C
2
(t)
B
2
(t) C
1
(t) A
2
(t)

x(t) +

B
1
(t)
0

r(t) (1.100)
donde se ha usado la relacion u
2
(t) = y
1
(t) y u
1
(t) = r(t) y
2
(t).
La salida del sistema resulta:
y
1
(t) = [c
1
(t) 0] x(t) (1.101)
Para el caso invariante en el tiempo, tenemos en terminos de matrices de transferencia:
Y
1
(s) = H
1
(s) U
1
(s)
Y
2
(s) = H
2
(s) U
2
(s)
U
1
(s) = R(s) Y
2
(s)
U
2
(s) = Y
1
(s)
15
ELO-378 Teora Moderna de Control Lineal
Luego:
Y
1
(s) = H
1
(s)[R(s) H
2
(s)Y
1
(s)] (1.102)
Despejando:
Y
1
(s) = [I +H
1
(s)H
2
(s)]
1
H
1
(s)R(s) (1.103)
Denicion 1.7. Consideremos la conexion realimentada de la Fig. 1.2 y que los sistemas 1 y 2
invariantes en el tiempo con matrices de transferencia H
1
(s) y H
2
(s) respectivamente. Entonces
la funcion matriz:
J(s) = I +H
1
(s)H
2
(s) (1.104)
se denomina matriz de diferencia de retorno y la funcion matriz:
L(s) = H
1
(s)H
2
(s) (1.105)
Se denomina matriz ganancia de lazo.
El termino diferencia de retorno resulta del siguiente analisis:
Supongamos la conexion realimentada con r(t) 0 y cortada en y
1
(t):
Figura 1.3: Conexion realimentada.
16
ELO-378 Teora Moderna de Control Lineal
esto da:
Y
1
(s) = H
1
(s) H
2
(s) U
2
(s) (1.106)
La diferencia entre Y
1
(s) y U
2
(s) es:
U
2
(s) Y
1
(s) = [I H
1
(s)H
2
(s)] U
2
(s) (1.107)
= J
2
(s) U
2
(s)
Es importante conocer la estabilidad del sistemas interconectados. Para las conexiones an-
teriores existen los siguientes resultados:
Teorema 1.15. Considere la conexion serie de la Fig. 1.1, donde los sistemas 1 y 2 son sistemas
invariantes en el tiempo con los polinomios caractersticos
1
y
2
, respectivamente. Entonces
la interconexion tiene el polinomio caracterstico
1
(s)
2
(s). Por lo tanto , el sistema in-
terconectado es asintoticamente estable si y solo si ambos sistemas 1 y 2 son asintoticamente
estables.
Teorema 1.16. Considere la conexion realimentada de la Fig. 1.2 donde los sistemas 1 y 2
son lineales invariantes en el tiempo con matrices de transferencia H
1
(s) y H
2
(s) y polinomios
caractersticos
1
(s) y
2
(s) respectivamente y el sistema 1 no tiene conexion directa. Entonces
el polinomio caracterstico del sistema interconectado es:

1
(s)
2
(s) det[I +H
1
(s)H
2
(s)] (1.108)
Por lo tanto, el sistema interconectado es estable si y solo si el polinomio (1.108) tiene ceros
con parte real estrictamente negativa solamente.
1.8. Controlabilidad
Para la solucion de problemas de control, es importante saber si un sistema tiene la propiedad
de poder ser llevado desde alg un estado a otro estado dado. Esto nos lleva al concepto de
controlabilidad.
Denicion 1.8. El sistema lineal:
x = A(t) x(t) +B(t) u(t) (1.109)
se dice que es completamente controlable si el estado del sistema puede ser transferido desde
el estado cero para alg un tiempo inicial t
0
a alg un estado terminal x(t
1
) = x
1
en un tiempo
nito (t
1
t
0
).
Considerando esta denicion se obtiene:
Teorema 1.17. El sistema lineal:
x = A(t) x(t) +B(t) u(t) (1.110)
es completamente controlable si y solo si puede ser transferido desde cualquier estado inicial
x
0
para alg un tiempo inicial t
0
a alg un estado terminal x(t
1
) = x
1
en un tiempo nito (t
1
t
0
).
17
ELO-378 Teora Moderna de Control Lineal
La controlabilidad de un sistema LIT queda descrita en el siguiente teorema:
Teorema 1.18. El sistema LIT n dimensional:
x = Ax(t) +Bu(t) (1.111)
es completamente controlable si y solo si el vector columna de la matriz de controlabilidad:
P = (B, AB, A
2
B, . . . , A
n1
B) (1.112)
cubre el espacio n dimensional.
Esto quiere decir, que el rango de la matriz P debe ser n para todos los valores de los
parametros.
La controlabilidad de un sistema LVT se describe en el siguiente teorema:
Teorema 1.19. El sistema LVT n dimensional:
x = A(t) x(t) +B(t) u(t) (1.113)
dene la funcion matricial simetrica no negativa denida:
W(t
0
, t) =

t
t
0
(t, ) B() B
T
()
T
(t, )d (1.114)
donde (t, t
0
) es la matriz transicion del sistema.
Entonces el sistema es completamente controlable si y solo si existe para todo t
0
a t
1
con
t
0
< t
1
< tal que W(t
0
, t
1
) es no singular.
1.9. Reconstructibilidad
Es importante saber si el sistema tiene la propiedad de poder determinar el comportamiento
de su estado desde el comportamiento de la salida. Esto lleva al concepto de reconstructibilidad.
Denicion 1.9. Tomemos y(t, t
0
, x
0
, u) como la respuesta de la variable de salida y(t) del
sistema LVT
x = A(t) x(t) +B(t) u(t) (1.115)
y(t) = C(t)x(t)
al estado inicial x(t
0
) = x
0
. Entonces el sistema se denomina completamente reconstruible
(CR) si para todo t
1
existe un t
0
con < t
0
< t
1
tal que:
y(t; t
0
, x
0
, u) = y(t; t
0
, x

0
, u) t
0
t t
1
(1.116)
para todo u(t), t
0
t t
1
, implique x
0
= x

0
.
La reconstructibilidad de un sistema se puede determinar considerando un caso simple como
dice el siguiente teorema:
18
ELO-378 Teora Moderna de Control Lineal
Teorema 1.20. El sistema LVT:
x = A(t) x(t) +B(t) u(t) (1.117)
y(t) = C(t)x(t)
es completamente reconstruible si y solo si para todo t
1
existe un t
0
con < t
0
< t
1
tal
que:
y(t
1
; t
0
, x
0
, 0) = 0 t
0
t t
1
(1.118)
implique que x
0
= 0
La reconstructibilidad de un sistema LIT queda descrita en el siguiente teorema:
Teorema 1.21. El sistema LIT n dimensional:
x = Ax(t) +Bu(t) (1.119)
y(t) = C(t)x(t)
es completamente reconstruible si y solo si los vectores las de la matriz de reconstructibilidad
Q =

C
C A
C A
2
.
.
.
C A
n1

(1.120)
cubren o barren el espacio n dimensional.
Esto quiere decir, que el rango de la matriz Q debe ser n para todos los valores de los
parametros.
La reconstructibilidad de un sistema LVT de describe en el teorema:
Teorema 1.22. El sistema LVT n dimensional:
x = A(t) x(t) +B(t) u(t) (1.121)
y(t) = C(t)x(t)
dene la funcion matricial no negativa denida:
M(t, t
1
) =

t
1
t

T
(, t) C
T
() C() (, t)d (1.122)
donde (t, t
0
) es la matriz de transicion del sistema.
Entonces el sistema es CR si y solo si para todo t
1
existe un t
0
con < t
0
< t
1
tal que
M(t
0
, t) es no singular.
19