Control Avanzadotttt
-
Upload
stevend-meza-rodriguez -
Category
Documents
-
view
233 -
download
0
description
Transcript of Control Avanzadotttt
-
CONTROL AVANZADO
Dise~no y Apliaiones en Tiempo Real
ARTURO ROJAS-MORENO, Ph.D.
Universidad Naional de Ingeniera, Peru
Control
Optimo
Control Adaptivo
Control Preditivo
Control Robusto
Control No Lineal
Programas en MATLAB y C/C++
-
ii
Control Avanzado
Dise~no y Apliaiones en Tiempo Real
Copyright
2001 Arturo Rojas-Moreno. Reservados todos los derehos.
ISBN 9972{9318{0{3
Ni todo el libro ni parte de esta publiaion puede ser reproduida, arhivada,
transmitida o distribuida en forma alguna o mediante algun medio eletronio,
meanio, o de otra ndole, sin que exista previamente y por esrito el permiso de
autorizaion del autor.
-
Dediatoria
A mi Familia
A mi Alma Mater
-
Indie General
Dediatoria iii
Prefaio xi
1 Matematia Asistida on Computadora 1
1.1 Calulo Matriial . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Operaiones y Tipos de Matries . . . . . . . . . . . . 1
1.1.2 Determinantes y Matriz Inversa . . . . . . . . . . . . . 5
1.1.3 Derivadas e Integrales on Matries y Vetores . . . . 14
1.2 Analisis Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1 Independenia, Ortonormalidad y Normas . . . . . . . 15
1.2.2 Rango de una Matriz, Eigenvalores y Eigenvetores . . 18
1.2.3 Diagonalizaion de Matries . . . . . . . . . . . . . . . 19
1.2.4 Formas Cuadratias y Bilineales . . . . . . . . . . . . 20
1.3 La Transformada de Laplae . . . . . . . . . . . . . . . . . . 26
2 Sistemas Disretos 29
2.1 Dise~no de Sistemas de Control Digital . . . . . . . . . . . . . 29
2.2 Conepto de Estado y Variables de Estado . . . . . . . . . . . 31
2.2.1 Linealizaion de Proesos . . . . . . . . . . . . . . . . 31
2.3 Fundamentos de Sistemas Disretos . . . . . . . . . . . . . . . 38
2.3.1 Muestreo y Reonstru
ion . . . . . . . . . . . . . . . 38
2.3.2 La Transformada Z . . . . . . . . . . . . . . . . . . . . 45
2.3.3 La Transformada Z Inversa . . . . . . . . . . . . . . . 49
2.3.4 Funion de Transferenia de Pulso . . . . . . . . . . . 51
2.3.5 El Espaio de Estado Disreto . . . . . . . . . . . . . 53
2.3.6 Controlabilidad y Observabilidad . . . . . . . . . . . . 64
-
vi
INDICE GENERAL
3 Modelado de Proesos 69
3.1 Modelo del Proeso Pendulo Invertido . . . . . . . . . . . . . 69
3.1.1 Modelo del Subsistema Carro-Pendulo . . . . . . . . . 70
3.1.2 Modelo del Subsistema Motor-Polea . . . . . . . . . . 72
3.1.3 Representaion en el Espaio de Estado . . . . . . . . 74
3.1.4 Obtenion del Modelo Lineal . . . . . . . . . . . . . . 75
3.1.5 El Modelo en el Espaio de Estado Disreto . . . . . . 76
3.2 Modelo del Proeso Grua-Puente . . . . . . . . . . . . . . . . 77
3.2.1 Modelo del Subsistema Carro-Varilla . . . . . . . . . . 77
3.2.2 Modelo del Subsistema Motor-Polea . . . . . . . . . . 79
3.2.3 Representaion en el Espaio de Estado . . . . . . . . 79
3.2.4 Obtenion del Modelo Lineal . . . . . . . . . . . . . . 80
3.2.5 El Modelo en el Espaio de Estado Disreto . . . . . . 80
3.2.6 Resumen de Variables y Parametros . . . . . . . . . . 81
3.2.7 Identiaion de la Zona Muerta del Servomotor . . . 81
3.3 Modelo del Servomotor D.C. No Lineal . . . . . . . . . . . . . 84
3.3.1 El Subsistema Meanio . . . . . . . . . . . . . . . . . 84
3.3.2 El Subsistema Eletrio . . . . . . . . . . . . . . . . . 86
3.3.3 Conversion de Energa Eletria en Meania . . . . . 87
3.3.4 Modelo y Compensaion de no Linealidades . . . . . . 89
3.3.5 Linealizaion y Disretizaion del Proeso . . . . . . . 90
3.4 Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . 91
3.5 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . 116
4 Control
Optimo 123
4.1 Introdu
ion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.2 Control
Optimo Cuadratio No Estaionario . . . . . . . . . . 125
4.3 Control
Optimo Cuadratio Estaionario . . . . . . . . . . . . 127
4.4 El Regulador
Optimo Proporional . . . . . . . . . . . . . . . 128
4.5 Sele
ion de las Matries de Ponderaion . . . . . . . . . . . . 130
4.6 Dise~no del Observador
Optimo Cuadratio . . . . . . . . . . . 136
4.7 El Regulador
Optimo Proporional Integral . . . . . . . . . . 139
4.8 Proedimiento de Dise~no e Implementaion . . . . . . . . . . 145
4.9 Control
Optimo Cuadratio del Pendulo Invertido . . . . . . 145
4.9.1 Formulaion del Problema . . . . . . . . . . . . . . . . 145
4.9.2 El Modelo del Proeso a Controlar . . . . . . . . . . . 146
4.9.3 Calulo de la Matriz de Ganania del Controlador . . 147
4.9.4 Calulo la Matriz de Ganania del Observador . . . . 149
-
INDICE GENERAL vii
4.9.5 Simulaion del Sistema de Control
Optimo . . . . . . 150
4.9.6 El Hardware del Sistema de Control . . . . . . . . . . 153
4.9.7 Implementaion del Software de Control . . . . . . . . 160
4.9.8 Resultados Experimentales . . . . . . . . . . . . . . . 177
4.10 Control
Optimo Cuadratio de la Grua-Puente . . . . . . . . 179
4.10.1 Formulaion del Problema . . . . . . . . . . . . . . . . 179
4.10.2 Simulaion del Sistema Controlado . . . . . . . . . . . 180
4.10.3 El Hardware y el Software del Sistema de Control . . 185
4.10.4 Resultados experimentales . . . . . . . . . . . . . . . . 185
4.11 Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . 187
4.12 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . 202
5 Control Adaptivo 205
5.1 Introdu
ion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
5.2 Modelando Proesos No Lineales . . . . . . . . . . . . . . . . 207
5.3 Proedimientos de Estimaion . . . . . . . . . . . . . . . . . . 208
5.3.1 El Metodo de los Mnimos Cuadrados Reursivo . . . 208
5.3.2 Mnimos Cuadrados Reursivo Mejorado . . . . . . . . 211
5.3.3 Estimaion de Estados . . . . . . . . . . . . . . . . . . 219
5.4 La Ley de Control . . . . . . . . . . . . . . . . . . . . . . . . 219
5.5 Proedimiento de Dise~no . . . . . . . . . . . . . . . . . . . . . 221
5.6 Control Adaptivo de un Servomotor No Lineal . . . . . . . . 222
5.6.1 Formulaion del Problema . . . . . . . . . . . . . . . . 222
5.6.2 El Modelo del Proeso . . . . . . . . . . . . . . . . . . 222
5.6.3 Estimaion de Parametros . . . . . . . . . . . . . . . . 223
5.6.4 Estimaion de Estados . . . . . . . . . . . . . . . . . . 224
5.6.5 La Ley de Control . . . . . . . . . . . . . . . . . . . . 224
5.6.6 La Ley de Control Residual . . . . . . . . . . . . . . . 225
5.6.7 Simulaion del Sistema de Control Adaptivo . . . . . . 225
5.6.8 Implementaion del Hardware . . . . . . . . . . . . . . 229
5.6.9 Implementaion del Software de Control . . . . . . . . 235
5.6.10 Resultados Experimentales . . . . . . . . . . . . . . . 252
5.7 Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . 253
5.8 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . 279
6 Control Preditivo 283
6.1 Control Preditivo Basado en Modelos . . . . . . . . . . . . . 283
6.2 Prinipios del Control Preditivo Basado en Modelos . . . . . 284
6.3 El Modelo del Proeso . . . . . . . . . . . . . . . . . . . . . . 287
-
viii
INDICE GENERAL
6.4 El Modelo del Preditor . . . . . . . . . . . . . . . . . . . . . 290
6.4.1 Predi
ion de y(t+ k=t) . . . . . . . . . . . . . . . . . 290
6.4.2 Predi
ion de n(t+ k=t) . . . . . . . . . . . . . . . . . 292
6.5 El Controlador Preditivo . . . . . . . . . . . . . . . . . . . . 296
6.5.1 Objetivo del Controlador . . . . . . . . . . . . . . . . 296
6.5.2 Respuesta Libre y Respuesta Forzada . . . . . . . . . 297
6.5.3 La Ley de Control . . . . . . . . . . . . . . . . . . . . 301
6.6 Proedimiento de Dise~no . . . . . . . . . . . . . . . . . . . . . 303
6.7 Control de Posiion de un Servomotor . . . . . . . . . . . . . 304
6.7.1 Formulaion del Problema . . . . . . . . . . . . . . . . 304
6.7.2 Respuesta Libre del Proeso . . . . . . . . . . . . . . . 305
6.7.3 Respuesta del Proeso al Esalon . . . . . . . . . . . . 306
6.7.4 La Ley de Control . . . . . . . . . . . . . . . . . . . . 306
6.7.5 Simulaion del Sistema de Control Preditivo . . . . . 306
6.7.6 Implementaion del Hardware . . . . . . . . . . . . . . 311
6.7.7 El Software de Control . . . . . . . . . . . . . . . . . . 312
6.7.8 Resultados Experimentales . . . . . . . . . . . . . . . 321
6.8 Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . 324
6.9 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . 342
7 Control Robusto 347
7.1 Estrutura del Control on Modelo Interno . . . . . . . . . . 347
7.2 Formulaion del Problema CMI . . . . . . . . . . . . . . . . . 353
7.2.1 El Modelo del Proeso . . . . . . . . . . . . . . . . . . 353
7.2.2 Desripion de Inertidumbres del Modelo . . . . . . . 353
7.3 Control Robusto para Proesos Estables . . . . . . . . . . . . 356
7.3.1 Rendimiento Nominal . . . . . . . . . . . . . . . . . . 357
7.3.2 El Filtro Disreto CMI . . . . . . . . . . . . . . . . . . 361
7.3.3 Estabilidad Robusta . . . . . . . . . . . . . . . . . . . 362
7.3.4 Rendimiento Robusto . . . . . . . . . . . . . . . . . . 363
7.4 Control Robusto para Proesos Inestables . . . . . . . . . . . 368
7.4.1 Rendimiento Nominal . . . . . . . . . . . . . . . . . . 370
7.4.2 El Filtro Disreto CMI . . . . . . . . . . . . . . . . . . 372
7.4.3 Estabilidad y Rendimiento Robustos . . . . . . . . . . 372
7.5 Proedimiento de Dise~no . . . . . . . . . . . . . . . . . . . . . 373
7.6 Control Robusto de un Servomotor No Lineal . . . . . . . . . 374
7.6.1 Formulaion del Problema . . . . . . . . . . . . . . . . 374
7.6.2 Dise~no del Sistema de Control Robusto . . . . . . . . 374
-
INDICE GENERAL ix
7.6.3 Simulaion del Sistema de Control Robusto . . . . . . 374
7.6.4 Implementaion del Hardware . . . . . . . . . . . . . . 375
7.6.5 Implementaion del Software . . . . . . . . . . . . . . 376
7.6.6 Resultados Experimentales . . . . . . . . . . . . . . . 380
7.7 Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . 380
7.8 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . 399
8 Control No Lineal 405
8.1 Herramientas Matematias . . . . . . . . . . . . . . . . . . . 406
8.1.1 Derivadas y Corhetes de Lie . . . . . . . . . . . . . . 406
8.1.2 Difeomorsmo y Transformaion de Estados . . . . . . 408
8.1.3 Transformaion no Lineal de Estados . . . . . . . . . . 409
8.1.4 El Teorema de Frobenius . . . . . . . . . . . . . . . . 410
8.2 Grado Relativo . . . . . . . . . . . . . . . . . . . . . . . . . . 412
8.3 Forma Normal de Proesos No lineales . . . . . . . . . . . . . 413
8.4 Linealizaion Exata y la Ley de Control . . . . . . . . . . . . 414
8.5 Observadores No Lineales . . . . . . . . . . . . . . . . . . . . 418
8.6 Proedimiento de Dise~no . . . . . . . . . . . . . . . . . . . . . 421
8.7 Control No Lineal de un Servosistema . . . . . . . . . . . . . 422
8.7.1 Formulaion del Problema . . . . . . . . . . . . . . . . 422
8.7.2 Modelo del Proeso . . . . . . . . . . . . . . . . . . . . 422
8.7.3 Determinaion del Grado Relativo . . . . . . . . . . . 424
8.7.4 Comprobar Linealizaion Exata . . . . . . . . . . . . 424
8.7.5 La Forma Normal . . . . . . . . . . . . . . . . . . . . 425
8.7.6 La ley de Control No Lineal . . . . . . . . . . . . . . . 427
8.7.7 Dise~no del Observador No Lineal de Estados . . . . . 430
8.7.8 Simulaion del Sistema de Control No Lineal . . . . . 431
8.7.9 Implementaion del Hardware . . . . . . . . . . . . . . 439
8.7.10 Implementaion del Software . . . . . . . . . . . . . . 440
8.7.11 Resultados Experimentales . . . . . . . . . . . . . . . 444
8.8 Problemas Resueltos . . . . . . . . . . . . . . . . . . . . . . . 445
8.9 Problemas Propuestos . . . . . . . . . . . . . . . . . . . . . . 452
Bibliografa 453
Indie de Materias 456
-
Prefaio
Fundamentos
A nadie esapa el heho de que estamos preseniando un dramatio y per-
manente desarrollo de dispositivos y equipos basados en tenia digital, tales
omo miroontroladores, tarjetas de desarrollo para proesamiento digital
de se~nales, sistemas enapsulados, omputadoras industriales, sistemas de
adquisiion de datos, entre otros. Tales dispositivos y equipos, que ada vez
son mas peque~nos y de menor osto, pero paradojiamente mas potentes,
han provoado que atualmente la gran mayora de los sistemas de ontrol
se dise~nen basados en tenias digitales.
Con respeto a las tenias empleadas en el dise~no de los sistemas de on-
trol, podemos observar en la industria que ada vez son mas las apliaiones
basadas en tenias no tradiionales, las uales denominaremos tenias de
ontrol avanzado. En este ontexto, las tenias de ontrol avanzado que
han logrado mayor aeptaion son las siguientes: ontrol preditivo, ontrol
no lineal, ontrol robusto, ontrol adaptivo, ontrol optimo, entre otras. La
literatura tenia y las publiaiones para ada una de ellas, es de heho
abundante pero lamentablemente esparida, de modo que el tratamiento
aislado de ada tenia puede onsumir gran antidad de tiempo y esfuerzo.
Esta publiaion integra en un solo volumen, los fundamentos y los pro-
edimientos enaminados al dise~no de sistemas de ontrol avanzado y su
orrespondiente implementaion en tiempo real. El material desarrollado
basa sus fundamentos en la representaion de los sistemas de ontrol en el
espaio de estado disreto. Sin embargo, no se deja de menionar y de tratar
el punto de vista tradiional, uando sea neesario.
He sido muy uidadoso en ubrir on amplitud y on la laridad del aso,
empleando muhas vees ejemplos expliativos, aquellos oneptos funda-
mentales requeridos para un mejor entendimiento del material presentado.
Las apliaiones en tiempo real desarrolladas para validar los metodos de
-
xii Prefaio
dise~no presentados en los aptulos del uatro al oho, onstituyeron proye-
tos de investigaion realizados en la Se
ion de Postgrado de la Faultad de
Ingeniera Eletria y Eletronia de la Universidad Naional de Ingeniera
(http://ee.uni.edu.pe), asa de estudios de la ual soy doente.
Herramientas Computaionales
La gran mayora de los ejeriios y problemas formulados en este libro se de-
sarrollan on el auxilio de la omputadora personal. Espeamente, para
el desarrollo de los ejemplos y problemas, y para la simulaion de las aplia-
iones, se emplea el software \MATLAB" (version 4.2) on sus herramientas
\Control Systems", \Signal Proessing" y \SIMULINK". El software para
las apliaiones en tiempo real esta esrito en C/C++ de \Borland", version
4.52. Evidentemente, los programas elaborados tambien pueden ejeutarse
en versiones de software mas atualizadas. Los programas fuente se pueden
desargar de mi pagina web: http:/ee.uni.edu.pe/728681F. Antes de
emplear tales programas, leer el arhivo README.TXT.
Sistema de Unidades y Aentuaion en Programas Fuente
Esta publiaion emplea el Sistema Internaional (SI) de unidades. Para se-
parar la parte entera de la parte deimal de los numeros deimales, seguire-
mos usando el punto (.) en lugar de la oma (,), debido a que los paquetes
de software MATLAB y Borland C/C++ solo permiten emplear el pun-
to (.) para expresar numeros deimales. Como tales paquetes de software
no emplean el aento ortograo, en los listados de los programas fuente
presindiremos de tal aentuaion.
Sobre el Contenido de los Captulos
Captulo 1: Matematia Asistida on Computadora. Desribe
en forma suinta algunos topios de matematias apliadas (basiamente
analisis matriial y vetorial) neesarios para el desarrollo de los aptulos
posteriores. La mayora de los ejemplos se desarrollan on el auxilio del
software MATLAB. De all la razon del nombre del aptulo.
Captulo 2: Sistemas Disretos. Presenta los oneptos fundamen-
tales aera de los sistemas de ontrol realimentados operando en el tiempo
disreto, y la representaion de los mismos en el espaio de estado.
Captulo 3: Modelaion de Proesos. En este aptulo se desarrolla
la modelaion de los tres proesos, uyos sistemas de ontrol avanzado van a
-
xiii
ser implementados en tiempo real. Tales proesos son: el pendulo invertido,
la grua-puente y el servomotor D.C. (\Diret Current") sujeto a argas no
lineales. En su se
ion problemas, el aptulo presenta la modelaion de
diversos proesos tpios.
Captulo 4: Control
Optimo. Desarrolla los fundamentos del ontrol
optimo uadratio disreto y dos apliaiones en tiempo real: ontrol optimo
de posiion del pendulo invertido y ontrol optimo de posiion de la grua-
puente. En su se
ion problemas, el aptulo desarrolla dise~nos de sistemas
de ontrol optimo uadratio para varios proesos tpios.
Captulo 5: Control Adaptivo. Disute brevemente aera de los
prinipales sistemas de ontrol adaptivo, para luego presentar en detalle
el proedimiento de dise~no de un sistema de ontrol adaptivo on autosin-
tonizaion. El proedimiento desarrollado se aplia para implementar en
tiempo real el ontrol adaptivo on autosintonizaion de la posiion de un
servomotor D.C. operando on arga no lineal y variable. En su se
ion
problemas, el aptulo presenta dise~nos de sistemas de ontrol adaptivo on
autosintonizaion para varios proesos tpios.
Captulo 6: Control Preditivo. Presenta los fundamentos del on-
trol preditivo basado en modelos y desarrolla una apliaion en tiempo real:
ontrol preditivo de la posiion de un servomotor D.C. sujeto a argas no
lineales empleando el algoritmo de la matriz dinamia de ontrol. En su
se
ion problemas, el aptulo desarrolla dise~nos de sistemas de ontrol pre-
ditivo para diversos proesos tpios, naturalmente, empleando el algoritmo
de la matriz dinamia de ontrol.
Captulo 7: Control Robusto. Trata los fundamentos del ontrol
robusto basado en la tenia de ontrol on modelo interno. A ontinuaion,
diha tenia se aplia para el ontrol robusto en tiempo real de la posiion de
un servomotor D.C. modelado on inertidumbres. Tambien, en su se
ion
problemas, el aptulo desarrolla dise~nos de sistemas de ontrol robusto para
diversos proesos tpios, empleando el algoritmo de ontrol on modelo
interno.
Captulo 8: Control No Lineal. Desarrolla los fundamentos rela-
ionados on el ontrol no lineal de proesos empleando la tenia deno-
minada linealizaion por realimentaion. Para validar los fundamentos de
diha tenia, se desarrolla el dise~no e implementaion del sistema de on-
trol por linealizaion de la realimentaion de la posiion de un servomotor
D.C. no lineal. En su se
ion problemas, el aptulo desarrolla dise~nos de
sistemas de ontrol no lineal para diversos proesos tpios.
-
xiv Prefaio
Pre-requisitos y Conguraion de Cursos
Por su ontenido y su presentaion, este volumen puede ser usado omo libro-
texto en las espeialidades de Ingeniera Eletria, Eletronia, Meania
y/o Meatronia, para el ditado de un urso semestral, tanto de antegrado
(a llevarse en los ultimos semestres) omo de postgrado. Para un urso
de antegrado se sugiere desarrollar los aptulos 1, 2, 3, 4 y 6, y tratar
suintamente los aptulos 5, 7 y 8. Para un urso de postgrado se sugiere
ubrir los aptulos 3 al 8, quedando los aptulos 1 y 2 omo medio de
onsulta.
Por su arater apliativo, por el tratamiento laro y failmente om-
prensible del material presentado y graias a la gran antidad de ejemplos,
problemas y apliaiones desarrollados, este libro puede ser empleado tam-
bien por la gran audienia de ingenieros y tenios espeializados que ejeren
en la industria y por los investigadores de otras areas (fsios, matematios,
entre otros) que deseen familiarizarse on las tenias digitales para dise~nar
e implementar en tiempo real sistemas de ontrol avanzado.
Agradeimientos
La publiaion de este libro fue naniada en parte por el Instituto General
de Investigaion de la UNI. Mi agradeimiento a su Diretor, Dr. Guillermo
Lira. Mi gratitud espeial a mis alumnos que olaboraron on esta publi-
aion: Leonardo Gushiken (aptulos 3 y 4), Omar Tupayahi (aptulos 3
y 8) y Raul Benitez (aptulos 6 y 7). Luis Leina (alumno de la Universidad
Politenia de Catalu~na) olaboro on el aptulo 5. La revision de todo lo
esrito estuvo a argo de mi alumna Claudia Cordova, mientras que Rommel
Romero (mi futuro alumno) se enargo de todo lo relativo a la impresion del
libro.
Arturo Rojas Moreno, Ph.D.
arojasmviabp.om
arojasuni.edu.pe
http://ee.uni.edu.pe/728681F
-
Captulo 1
Matematia Asistida on
Computadora
Este aptulo es una breve exposiion de los fundamentos matematios relaiona-
dos on el analisis matriial, el analisis vetorial y la transformada de Laplae. El
material sele
ionado esta estrehamente relaionado on el material a desarro-
llarse en los aptulos siguientes. Para mayores detalles del material ubierto se
reomienda onsultar las referenias [18, [19, [20, [21, [22, [14 y el apendie
A de [3. Los alulos, en su gran mayora, se realizan on el auxilio del paquete
MATLAB. Todos los arhivos orrespondientes a los ejeriios desarrolados se
pueden desargar del sitio: http://ee.uni.edu.pe/728681F.
1.1 Calulo Matriial
1.1.1 Operaiones y Tipos de Matries
Nomenlatura
La nomenlatura que se explia a ontinuaion no esta libre de exepiones
a la regla. Tales exepiones seran alaradas onforme aparezan.
Una matriz A de orden (o dimension) n m, la ual sera denotada
siempre on letra mayusula, es un arreglo retangular on sus elementos
a
ij
dispuestos en n las y m olumnas. Es deir:
A = [a
ij
=
2
6
4
a
11
: : : a
1m
.
.
.
.
.
.
a
n1
: : : a
nm
3
7
5
; i = 1; : : : ; n; j = 1; : : : ;m
-
2 Matematia Asistida on Computadora
Los elementos de una matriz pueden ser numeros (reales o omplejos),
funiones, otras matries, et. Cuando n = 1, A se onvierte en un vetor
la. Cuando m = 1, A toma la forma de un vetor olumna. Sin embargo,
los vetores seran denotados en negrita. Por ejemplo, el vetor olumna x(t)
de orden n se representa omo:
x(t) =
2
6
4
x
1
(t)
.
.
.
x
n
(t)
3
7
5
El vetor la orrespondiente es:
x
T
(t) =
x
1
(t) x
n
(t)
; x(t) =
x
1
(t) x
n
(t)
T
donde el superndie T india transpuesta.
El ambio de dominio (o de argumento) de una matriz o vetor debido a
una transformaion solo afeta al dominio. Por ejemplo, las transformadas
de Laplae de A(t), x(t) e Y(t) (subse
ion 1.3) se representan omo A(s),
x(s) e Y(s) respetivamente.
La relaion entre la salida y(:) y la entrada u(:) de un sistema, depen-
diendo del argumento, se designa omo:
y(t) = g(t) u(t); y(s) = G(s)u(s)
y(k) = g(k) u(k); y(z) = G(z)u(z)
donde el asteriso denota la operaion onvoluion, t y k son los tiempos
ontinuo y disreto, s y z son las variables laplaiana y zeta, G(s) y G(z)
son funiones de transferenia y, g(t) y g(k) son las respuestas del sistema a
un impulso unitario. Mas adelante veremos que el asteriso tambien denota
la operaion onjugada en expresiones omplejas.
Estados de equilibrio de matries y vetores variantes on el tiempo
ontinuo t o disreto k se denotan on una barra sobre la letra empleada.
Por ejemplo, los estados de equilibrio de A(k) e Y(k) son
A(k) e
Y(k)
respetivamente. En muy ontados asos, la barra sobre una variable tiene
el signiado de se~nal reonstruida por un dispositivo de retenion.
En el aso de vetores variantes on el tiempo (ontinuo o disreto),
y uando sea neesario, emplearemos variables reduidas (esritas on le-
tra minusula), las uales tambien se denominan variables de desviaion o
perturbaionales. Por ejemplo, la variable reduida de Y(k) es:
y(k) = Y(k)
Y(k)
-
1.1 Calulo Matriial 3
Las formas estimadas de A(:), x(:) e Y(:) (para ualquier argumento) se
representan omo
^
A(:),
^
x(:) e
^
Y(:), respetivamente.
Operaiones on Matries
Una matriz A on todos sus elementos a
ij
iguales a ero se denomina matriz
ero o nula y se denota omo A = 0. Dos matries A = [a
ij
y B = [b
ij
son
iguales si son del mismo orden y ademas [a
ij
= [b
ij
.
La suma de dos matries, denotada omo C = AB, solo es posible si
A y B son del mismo orden:
C = [
ij
= AB = [a
ij
b
ij
La multipliaion de dos matries, denotada omo C = AB, solo es
posible si el numero de olumnas de A es igual al numero de las de B. Si
A es de orden nm y B es de orden m r, entones C debe ser de orden
n r. Los elementos de C se determinan omo sigue:
ij
=
m
X
k=1
a
ik
b
kj
; i = 1; 2; : : : ; n; j = 1; 2; : : : ;m
Por ejemplo:
a
11
a
12
a
13
a
21
a
22
a
23
2
4
b
11
b
21
b
31
3
5
=
11
21
=
a
11
b
11
+ a
12
b
21
+ a
13
b
31
a
21
b
11
+ a
22
b
21
+ a
23
b
31
Si es un esalar, entones A resulta una matriz en donde ada elemento
queda multipliado por . Es deir:
A = [a
ij
= [a
ij
La multipliaion es asoiativa:
ABCD = (AB)(CD) = A(BCD) = (ABC)D
y distributiva:
(A+B)(C +D) = AC +AD +BC +BD
Cuando AB = BA, se die que A y B son matries que onmutan. Sin
embargo, en general, la multipliaion no es onmutativa:
AB 6= BA
-
4 Matematia Asistida on Computadora
Si AB = 0, implia que A = 0 o B = 0, o que A y B sean singulares
(euaion (1.1)). Si AB = AC, no neesariamente implia que B = C.
La matriz transpuesta, denotada omo A
T
, es la matriz A on sus las y
olumnas interambiadas. Por onsiguiente:
(A
T
)
T
= A; (A+B)
T
= A
T
+B
T
; (AB)
T
= B
T
A
T
Un numero omplejo se designa omo s = + j!, donde j =
p
1 es la
unidad de los numeros imaginarios y tanto omo ! son numeros reales.
La operaion onjugada, denotada omo A
, toma la onjugada a todos los
elementos omplejos de A. Para la operaion onjugada se umple:
(A
)
= A; (A+B)
= A
+B
; (AB)
= A
B
La operaion hermitiana, denotada omo A
H
, toma la onjugada y luego
la transpuesta (o toma la transpuesta y luego la onjugada) de la matriz A.
Es deir:
A
H
= (A
)
T
= (A
T
)
Por onsiguiente:
(A
H
)
H
= A; (A+B)
H
= A
H
+B
H
; (AB)
H
= B
H
A
H
Tipos de Matries
Si el orden de una matrizA es nn, entones la matriz se denomina uadrada
de orden n. Esta matriz posee una diagonal prinipal, o simplemente una
diagonal on elementos a
ii
. La traza de una matriz uadrada se dene omo:
traza(A) = a
11
+ + a
nn
Una matriz uadrada se denomina matriz diagonal uando los elementos que
no perteneen a su diagonal son todos eros:
D = [d
ii
=
2
6
6
6
4
d
11
0 0 : : : 0
0 d
22
0 : : : 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 : : : d
nn
3
7
7
7
5
Una matriz uadrada se denomina triangular superior si los elementos debajo
de su diagonal son todos eros. Si los elementos enima de de su diagonal
son todos eros, entones la matriz es triangular inferior.
-
1.1 Calulo Matriial 5
La matriz identidad I, denotada tambien omo I
n
(n es el orden de la
matriz), es una matriz diagonal que solo posee unos. Si A es uadrada,
AI = IA, y en general se umple que:
A es simetria si: A
T
= A
A es antisimetria si: A
T
= A
A es ortogonal si: AA
T
= A
T
A = I
A es periodia si: A
+1
= A; es un entero positivo
A es nilpotente si: A
= 0; es un entero positivo
A es hermitiana si: (A
T
)
= (A
)
T
= A
H
= A
A es antihermitiana si: A
H
= A
A es unitaria si: AA
H
= A
H
A = I
A es normal si: AA
H
= A
H
A
A
1
es inversa de A si: AA
1
= A
1
A = I
A es singular si: det(A) = 0 (1.1)
donde det(A) denota el determinante de A, punto que se trata en la siguiente
subse
ion.
Una matriz uadrada A on elementos omplejos puede ser esrita o-
mo la suma de una matriz hermitiana B =
1
2
(A + A
H
) mas una matriz
antihermitiana C =
1
2
(AA
H
). Es deir:
A = B + C =
1
2
(A+A
H
) +
1
2
(AA
H
)
1.1.2 Determinantes y Matriz Inversa
Determinantes
El determinante de la matriz A = [a
ij
de orden 2 es:
det
a
11
a
12
a
21
a
22
= a
11
a
22
a
12
a
21
(1.2)
Para obtener el determinante de una matriz de orden n > 2 podemos
emplear el metodo de la expansion. Si tomamos omo base la primera la,
el determinante de una matriz A se obtiene de:
det(A) =
n
X
j=1
(1)
1+j
a
1j
det(A
1j
) = (1)
1+1
a
11
det(A
11
)+(1)
1+2
a
12
det(A
12
)+
-
6 Matematia Asistida on Computadora
donde A
1j
, j = 1; : : : ; n es la matriz que resulta luego de eliminar la la 1
y la olumna j de A. Por ejemplo, el determinante de una matriz de orden
n = 3 se alula omo:
det
0
2
4
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
3
5
1
A
= (1)
1+1
a
11
det
a
22
a
23
a
32
a
33
+
(1)
1+2
a
12
det
a
21
a
23
a
31
a
33
+ (1)
1+3
a
13
det
a
21
a
22
a
31
a
32
(1.3)
Con relaion a dos matries uadradas A y B de orden n:
1. Si ada elemento de una la o olumna de A es ero, det(A) = 0.
2. det(A) = det(A
T
).
3. Si multiplia una la o olumna de A, entones el det(A) queda
multipliado por .
4. Si B se obtiene interambiando dos las o olumnas de A, entones
det(B) = det(A).
5. Si dos las o olumnas de A son iguales, entones det(A) = 0.
6. Si sumamos un multiplo de una la o olumna de A a ualquiera de
sus las o olumnas, el valor del det(A) no ambia.
7. det(AB) = det(BA) = det(A)det(B)
8. Si los eigenvalores de A son
1
;
2
; : : : ;
n
, det(A) =
1
2
: : :
n
.
La determinaion de eigenvalores se trata en la subse
ion 1.2.2.
Matriz Inversa
Si A y B son dos matries no singulares; es deir, si det(A) 6= 0 y det(B) 6= 0,
entones:
(AB)
1
= B
1
A
1
; (A
T
)
1
= (A
1
)
T
((A
)
T
)
1
= ((A
1
)
)
T
; det(A
1
) =
1
det(A)
Si A es una matriz no singular de orden 2, vale reordar que:
A =
a b
d
; A
1
=
1
ad b
d b
a
(1.4)
-
1.1 Calulo Matriial 7
Si A es una matriz no singular de orden 3:
A =
2
4
a b
d e f
g h i
3
5
A
1
=
1
det(A)
2
6
6
6
6
6
6
4
det
e f
h i
det
b
h i
det
b
e f
det
d f
g i
det
a
g i
det
a
d f
det
d e
g h
det
a b
g h
det
a b
d e
3
7
7
7
7
7
7
5
det(A) = aei+ gbf + dh ge ahf idb (1.5)
Lema de Inversion de Matries. Si A, B, C y D son matries no
singulares de orden nn, nm, mn y nn respetivamente, entones:
(A+BDC)
1
= A
1
A
1
B(D
1
+ CA
1
B)
1
CA
1
(1.6)
Este lema se demuestra pre-multipliando ada miembro de la euaion (1.6)
por (A+BDC). Luego, efetuar las operaiones matriiales resultantes:
(A+BDC)(A +BDC)
1
= I
(A+BDC)[A
1
A
1
B(D
1
+ CA
1
B)
1
CA
1
=
I+BDCA
1
B(D
1
+CA
1
B)
1
CA
1
BDCA
1
B(D
1
+CA
1
B)
1
CA
1
=
I +BDCA
1
(BDD
1
+BDCA
1
B)(D
1
+ CA
1
B)
1
CA
1
=
I +BDCA
1
BD(D
1
+ CA
1
B)(D
1
+ CA
1
B)
1
CA
1
=
I +BDCA
1
BDCA
1
= I
Valor Absoluto. Si g = g
r
+ jg
i
es un numero o una funion real o
ompleja, su valor absoluto, onoido tambien omo modulo o magnitud y
denotado omo jgj, es un numero real positivo o ero. El angulo de g en rad
se denota omo \g. Si
-
8 Matematia Asistida on Computadora
Si G es una matriz ompleja on elementos g
ij
, entones las operaiones
anteriores se ejeutan elemento por elemento; es deir:
-
1.1 Calulo Matriial 9
Tabla 1.1: Comandos para omputo matriial
Operaion Codigo MATLAB
Suma A+B A + B
Resta AB A - B
Multipliaion AB A*B
Multipliaion A; : omplejo kappa*A
Conjugada A
onj(A)
Transpuesta (A real) A
T
A'
Transpuesta (A ompleja) A
T
onj(A'); A.'
Hermitiana A
H
A'
Potenia A
n
A^n
Determinante det(A) det(A)
Inversa A
1
inv(A)
Division izquierda A*X = B; X = A\B
Division dereha X*A = B; X = B/A
Valor absoluto jAj abs(A)
Angulo \A angle(A)
Parte real
-
10 Matematia Asistida on Computadora
Soluion: Las matries pedidas son:
B =
1
2
(A+A
H
); C =
1
2
(AA
H
)
y se puede omprobar que B = B
H
y C = C
H
. Ver programa ejem1 2.m.
% ejem1_2.m MATRICES HERMITIANAS
lear all
A = [1-j 2-j 3-j
4j -2 3+5j
6-j 7-j 8+3j;
B = (A + A')/2; C = (A - A')/2;
ZB = B - B'; % ZB RESULTA LA MATRIZ CERO
ZC = C + C'; % ZC RESULTA LA MATRIZ CERO
Ejemplo 1.3
Multipliaion on Partiion de Matries.- Dos matries A
nm
y B
mp
(los subndies indian las dimensiones) pueden ser partiionadas omo sigue:
A =
2
6
4
A
n
1
m
1
A
n
1
m
m
.
.
.
.
.
.
A
n
n
m
1
A
n
n
m
m
3
7
5
; B =
2
6
4
B
m
1
p
1
B
m
1
p
p
.
.
.
.
.
.
B
m
m
p
1
B
m
m
p
p
3
7
5
La ondiion neesaria para realizar el produto C
np
= A
nm
B
mp
empleando
partiiones, es que las olumnas de A y las las de B sean partiionadas
en la misma forma. Por tanto, n = n
1
+ + n
n
, m = m
1
+ +m
m
y
p = p
1
+ + p
p
. Determinar si el produto siguiente es valido y si lo es,
obtener C = AB.
AB =
2
4
A
22
A
23
A
21
A
32
A
33
A
31
A
42
A
43
A
41
3
5
2
4
B
22
B
23
B
32
B
33
B
12
B
13
3
5
Soluion: Podemos notar que para A: n = 2+3+4 = 9, m = 2+3+1 = 6,
y para B: m = 2+3+1 = 6 y p = 2+3 = 5. Por onsiguiente, la partiion
es orreta. La multipliaion ahora es direta:
C =
2
4
A
22
B
22
+A
23
B
32
+A
21
B
12
A
22
B
23
+A
23
B
33
+A
21
B
13
A
32
B
22
+A
33
B
32
+A
31
B
12
A
32
B
23
+A
33
B
33
+A
31
B
13
A
42
B
22
+A
43
B
32
+A
41
B
12
A
42
B
23
+A
43
B
33
+A
41
B
13
3
5
En notaion MATLAB, onoiendo las matries partiionadas, el produto
resulta:
-
1.1 Calulo Matriial 11
C = [A22*B22+A23*B32+A21*B12 A22*B23+A23*B33+A21*B13
A32*B22+A33*B32+A31*B12 A32*B23+A33*B33+A31*B13
A42*B22+A43*B32+A41*B12 A42*B23+A43*B33+A41*B13;
Ejemplo 1.4
Matriz Aumentada.- Si los vetores x, y, v y w son de orden n, m, p y
q respetivamente, obtener una euaion que reemplae a las dos euaiones
difereniales siguientes:
dx
dt
= Ax+Bv;
dy
dt
= Cy+Dw
Soluion: Las matries A on C y B on D forman matries aumentadas
omo sigue:
dx
dt
dy
dt
=
A 0
0 C
x
y
+
B 0
0 D
v
w
Ejemplo 1.5
Si los
i
son los eigenvalores de la matrizA de orden n, omprobar numeriamente
que:
det(A) =
1
2
: : :
n
; i = 1; : : : ; n
Soluion: Ver el programa ejem1 5.m.
% ejem1_5.m COMPRUEBA QUE det(A)=L(1)L(2)L(3)L(4)
lear all
A = [1-j 2-j 3-j -3+8j
4j -2 3+5j 4-2j
6-j 7-j 8+3j 3+j
2 -1 j 0;
L = eig(A); % DETERMINA LOS EIGENVALORES DE A
detA = det(A); P = L(1)*L(2)*L(3)*L(4);
% SE DEBE CUMPLIR QUE: P = detA
Ejemplo 1.6
Conoidas las matriesA
nn
, B
nm
, C
mn
yD
mm
on det(A) 6= 0 y det(D) 6= 0,
y deniendo:
E =
A B
0 D
; G =
A 0
C D
; H =
A B
C D
-
12 Matematia Asistida on Computadora
demuestre numeriamente que:
det(E) = det(G) = det(A)det(D)
det(H) = det(A)det(D CA
1
B) = det(D)det(A BD
1
C)
Soluion: El siguiente programa demuestra numeriamente lo pedido.
% ejem1_6.m DETERMINANTE DE MATRICES PARTICIONADAS
lear all
% MATRICES DATOS CON n=2 Y m=3:
A = [-3+j 4-2j
5-8j -7-2j;
B = [ j -1+3j 2-5j
4+7j 6 3+8j;
C = [ 2-j j
1+j -5j
-3-7j 8;
D = [2+j -3-j 4j
1+3j 0 -7j
1+j -9-2j -5;
% CONDICION: det(A) Y det(D) DISTINTOS DE 0
% zeros(m,n) CREA UNA MATRIZ DE CEROS DE ORDEN (m,n)
E = [A B
zeros(3,2) D;
G = [A zeros(2,3)
C D;
M = det(A)*det(D);
% SE DEBE CUMPLIR: det(E) = det(G) = M DISTINTO DE 0
H = [A B
C D;
J = det(A)*det(D-C*inv(A)*B);
K = det(D)*det(A-B*inv(D)*C);
% SE DEBE CUMPLIR: det(H) = det(J) = K
Ejemplo 1.7
Demostrar numeriamente que:
A B
0 D
1
=
A
1
A
1
BD
1
0 D
1
A 0
C D
1
=
A
1
0
D
1
CA
1
D
1
Soluion: Ver el programa ejem1 7.m.
-
1.1 Calulo Matriial 13
% ejem1_7.m INVERSION DE MATRICES PARTICIONADAS
lear all
% MATRICES DATOS CON n=2 Y m=3:
A = [-3+j 4-2j
5-8j -7-2j;
B = [ j -1+3j 2-5j
4+7j 6 3+8j;
C = [ 2-j j
1+j -5j
-3-7j 8;
D = [2+j -3-j 4j
1+3j 0 -7j
1+j -9-2j -5;
% CONDICION: det(A) y det(D) DISTINTOS DE 0
% LA MATRIZ CERO DEBE SER DE ORDEN (m,n)
Z1 = zeros(3,2);
E = [A B
Z1 D;
G = [inv(A) -inv(A)*B*inv(D)
Z1 inv(D);
% LA MATRIZ CERO DEBE SER DE ORDEN (m,n):
Z2 = zeros(2,3);
F = [A Z2
C D;
H = [inv(A) Z2
-inv(D)*C*inv(A) inv(D);
% E*G, G*E, F*H y H*F DEBEN RESULTAR MATRICES IDENTIDAD
Ejemplo 1.8
Demostrar numeriamente que:
A B
C D
1
=
A
1
+A
1
B(D CA
1
B)
1
CA
1
A
1
B(D CA
1
B)
1
(D CA
1
B)
1
(D CA
1
B)
1
A B
C D
1
=
(ABD
1
C)
1
(ABD
1
C)
1
BD
1
D
1
C(ABD
1
C)
1
D
1
C(ABD
1
C)
1
BD
1
+D
1
Soluion: Ver en el siguiente programa la demostraion pedida.
% ejem1_8.m INVERSION DE MATRICES PARTICIONADAS
lear all
% MATRICES DATOS CON n=2 Y m=3:
A = [-3+j 4-2j
-
14 Matematia Asistida on Computadora
5-8j -7-2j;
B = [ j -1+3j 2-5j
4+7j 6 3+8j;
C = [ 2-j j
1+j -5j
-3-7j 8;
D = [2+j -3-j 4j
1+3j 0 -7j
1+j -9-2j -5;
% CONDICION: det(D) Y det(D-C*inv(A)*B) DISTINTOS DE 0
E = [A B;C D;
G11 = inv(A) + inv(A)*B*inv(D-C*inv(A)*B)*C*inv(A);
G12 = -inv(A)*B*inv(D-C*inv(A)*B);
G21 = -inv(D-C*inv(A)*B)*C*inv(A);
G22 = inv(D-C*inv(A)*B);
G = [G11 G12;G21 G22;
% CONDICION: det(D) Y det(A-B*inv(D)*C) DISTINTOS DE 0
H11 = inv(A-B*inv(D)*C);
H12 = -inv(A-B*inv(D)*C)*B*inv(D);
H21 = -inv(D)*C*inv(A-B*inv(D)*C);
H22 = inv(D)*C*inv(A-B*inv(D)*C)*B*inv(D)+inv(D);
H = [H11 H12;H21 H22;
% E*G, E*H, G*E y H*E DEBEN RESULTAR MATRICES IDENTIDAD
1.1.3 Derivadas e Integrales on Matries y Vetores
Derivada e integral de una matriz A(t) = [a
ij
(t) de orden nm:
d
dt
A(t) =
2
6
4
d
dt
a
11
(t)
d
dt
a
1m
(t)
.
.
.
.
.
.
d
dt
a
n1
(t)
d
dt
a
nm
(t)
3
7
5
;
Z
A(t) =
2
6
4
R
a
11
(t)
R
a
1m
(t)
.
.
.
.
.
.
R
a
n1
(t)
R
a
nm
(t)
3
7
5
(1.7)
Derivada e integral de un vetor x(t) = [x
1
: : : x
n
T
:
d
dt
x(t) =
2
6
4
d
dt
x
1
(t)
.
.
.
d
dt
x
n
(t)
3
7
5
;
Z
x(t) =
2
6
4
R
x
1
(t)
.
.
.
R
x
n
(t)
3
7
5
(1.8)
Cuando las matries A y B y el esalar son funiones de t, se umple:
d
dt
[A+B =
d
dt
A+
d
dt
B;
d
dt
[AB =
dA
dt
B +A
dB
dt
d
dt
[Ak =
dA
dt
k +A
dk
dt
;
d
dt
A
1
= A
1
dA
A
1
(1.9)
-
1.2 Analisis Vetorial 15
Derivada parial de una funion esalar J(x) de variable vetorial:
J
x
=
2
6
4
J
x
1
.
.
.
J
x
n
3
7
5
;
2
J
x
2
=
2
6
6
4
2
J
x
2
1
2
J
x
1
x
2
2
J
x
1
x
n
.
.
.
.
.
.
.
.
.
2
J
x
n
x
1
2
J
x
n
x
2
2
J
x
2
n
3
7
7
5
(1.10)
Derivada total de una funion esalar V (x(t)) de variable vetorial:
d
dt
V (x(t)) =
V
x
T
dx
dt
(1.11)
Jaobiano de una funion vetorial f(x) de ordenm on argumento vetorial
de orden n:
f
x
=
2
6
6
6
6
4
f
1
x
1
f
2
x
1
f
m
x
1
f
1
x
2
f
2
x
2
f
m
x
2
.
.
.
.
.
.
.
.
.
f
1
x
n
f
2
x
n
f
m
x
n
3
7
7
7
7
5
(1.12)
Si la matriz uadrada A y los vetores x e y son reales y de orden n se
umple:
x
x
T
Ax = Ax+A
T
x
x
x
T
Ay = Ay;
y
x
T
Ay = A
T
x (1.13)
Si A es una matriz hermitiana de orden n y x e y son vetores omplejos de
orden n, se umple:
x
x
H
Ax = Ax
x
x
H
Ay = Ay;
y
x
H
Ay = A
T
x
(1.14)
1.2 Analisis Vetorial
1.2.1 Independenia, Ortonormalidad y Normas
Independenia de Vetores
Se die que los vetores x
i
, i = 1; : : : ; n son linealmente independientes si:
n
X
i=1
i
x
i
= 0
-
16 Matematia Asistida on Computadora
La euaion anterior implia que las onstantes
i
= 0, i = 1; : : : ; n, o que
det([x
1
: : : x
n
) 6= 0.
Operaion on Vetores Complejos y Reales
Si x e y son vetores omplejos de orden n:
x
H
y = (y
H
x)
= y
T
x
=
n
X
i=1
x
i
y
i
x
H
x =
n
X
i=1
x
i
x
i
=
n
X
i=1
jx
i
j
2
xx
H
=
2
6
4
x
1
x
1
x
1
x
2
: : : x
1
x
n
: : :
.
.
.
.
.
.
x
n
x
1
x
n
x
2
: : : x
n
x
n
3
7
5
(1.15)
Si x e y son vetores reales de orden n:
x
T
y = y
T
x =
n
X
i=1
x
i
y
i
; x
T
x =
n
X
i=1
x
2
i
xx
T
=
2
6
4
x
2
1
x
1
x
2
: : : x
1
x
n
: : :
.
.
.
.
.
.
x
n
x
1
x
n
x
2
: : : x
2
n
3
7
5
(1.16)
Vetores Ortonormales
Los vetores reales x
1
; x
2
; : : : son ortonormales si x
T
i
x
j
= 0 uando i 6= j y
x
T
i
x
j
6= 0 uando i = j.
Normas de Vetores y Matries
Norma de un Vetor
En general, una norma es una medida del tama~no de un vetor o matriz. La
ejeuion de la norma resulta en un esalar positivo. La norma de un vetor
denotada omo k x k posee las propiedades siguientes:
k x k 0 para todo x 6= 0
-
1.2 Analisis Vetorial 17
k x k= 0 si y solo si x = 0
k x k=k kk x k es un esalar
Desigualdad triangular: k x+ y kk x k + k y k
Desigualdad de Shwarz: jx
H
yj k x kk y k
La norma mas empleada es la Eulidiana:
k x k
2
= (x
H
x)
1=2
=
p
jx
1
j
2
+ jx
2
j
2
+ + jx
n
j
2
(1.17)
que es un aso partiular de la siguiente norma:
k x k=
q
(Px)
H
(Px) =
p
x
H
P
H
Px =
q
x
H
Qx) 0; Q = P
H
P = Q
H
Otras normas pueden ser denidas omo:
k x k=
n
X
i=1
jx
i
j; k x k
1
= max
i
jx
i
j; k x k
1
= min
i
jx
i
j
k x k
p
=
n
X
i=1
jx
i
j
p
!
1=p
Norma de una Matriz
La norma de una matriz A de orden n es el menor valor de tal que:
k A k k A k
Tal norma umple las propiedades de la norma de un vetor. En adiion,
tambien umple:
k A k=k A
H
k; k A k=k A
T
k; k Ax kk A kk x k
k A k
2
= max
x
[x
H
A
H
Ax; si x
H
x = 1
jj k A k; si es un eigenvalor de A
Otras normas para una matriz A de orden n son:
k A k=
n
X
i=1
n
X
j=1
ja
ij
j; k A k
F
=
0
n
X
i=1
n
X
j=1
ja
ij
j
2
1
A
1=2
-
18 Matematia Asistida on Computadora
k A k
1
= max
j
m
X
i=1
ja
ij
j
!
; k A k
1
= max
i
0
n
X
j=1
ja
ij
j
1
A
k A k
2
= max
i
q
i
(A
H
A)
1.2.2 Rango de una Matriz, Eigenvalores y Eigenvetores
Rango de una Matriz
Si A es una matriz de orden nm, su rango, denotado omo rango(A), es
igual al numero maximo r de sus vetores olumnas linealmente indepen-
dientes. Si A es una matriz de orden nm y B es de orden m k:
rango(AB) = rango(A
H
) = rango(A
H
A) = rango(AA
H
)
rango(AB) = rango(A
T
) = rango(A
T
A) = rango(AA
T
)
rango(AB) rango(A); rango(AB) rango(B)
rango(AB) = rango(A); si A y B son no singulares
rango(AB) = rango(B); si A y B son no singulares
Si A es una matriz de orden n y det(A) 6= 0, entones:
rango(A) = n
Eigenvalores y Eigenvetores
Un eigenvalor de una matriz de orden n, onoido tambien omo valor pro-
pio, modo, \eigenvalue", valor o raz araterstia, es un esalar que
permite una soluion no trivial de la euaion:
Ax = x x 0 (1.18)
Fatorizando x obtenemos la euaion araterstia de A:
det(I A) (1.19)
Asoiado on ada eigenvalor
i
existe un eigenvetor e
i
de magnitud arbi-
traria que es soluion de Ae
i
= e
i
. Para un eigenvetor normalizado
^
e, su
norma Eulidiana es uno: k
^
e k= 1.
-
1.2 Analisis Vetorial 19
1.2.3 Diagonalizaion de Matries
Matries Similares
Se die que dos matries A y B de orden n son similares si existe una matriz
P no singular tal que P
1
AP = B y B = PAP
1
.
Sea A una matriz de orden n que posee n eigenvalores distintos. Sea
E = [e
1
: : : e
n
una matriz formada on los eigenvetores de A y sea
una matriz diagonal uyos elementos son los eigenvalores de A. Entones se
die que A y son similares porque:
E
1
AE = =
2
6
6
6
4
1
0 : : : 0
0
2
: : : 0
.
.
.
.
.
.
.
.
.
0 0 : : :
n
3
7
7
7
5
; EE
1
= A (1.20)
Forma Canonia de Jordan
Si una matriz A de orden n posee r eigenvetores linealmente independientes,
la forma de Jordan es una matriz J que posee n r unos sobre la diagonal,
on todos los demas elementos iguales a ero. Por ejemplo, si los valores
propios de A de orden n = 5 son
1
;
1
;
1
;
2
;
3
, entones son posibles
varias formas de J (se muestran uatro):
J
1
=
2
6
6
6
6
4
1
1 0 0 0
0
1
1 0 0
0 0
1
0 0
0 0 0
2
0
0 0 0 0
3
3
7
7
7
7
5
J
2
=
2
6
6
6
6
4
1
1 0 0 0
0
1
0 0 0
0 0
1
0 0
0 0 0
2
0
0 0 0 0
3
3
7
7
7
7
5
J
3
=
2
6
6
6
6
4
1
0 0 0 0
0
1
0 0 0
0 0
1
0 0
0 0 0
2
0
0 0 0 0
3
3
7
7
7
7
5
J
4
=
2
6
6
6
6
4
1
0 0 0 0
0
2
0 0 0
0 0
1
1 0
0 0 0
1
1
0 0 0 0
3
3
7
7
7
7
5
Notar que J
1
y J
4
deben poseer tres eigenvetores linealmente independien-
tes, la matriz diagonal J
3
ino y J
2
uatro. Para un problema espeo, la
forma orreta de la matriz J se determina de auerdo a las reglas siguientes:
1. Si una matriz uadrada A de orden k posee k eigenvalores multiples,
y si el rango de [I A es k s, donde 1 s k, entones exis-
-
20 Matematia Asistida on Computadora
ten s eigenvetores linealmente independientes asoiados on . Por
onsiguiente, existen s bloques de Jordan.
2. La suma de los ordenes de los bloques de Jordan derivados on la regla
anterior debe ser igual a la multipliidad k (ver ejemplo 1.14).
1.2.4 Formas Cuadratias y Bilineales
Formas Cuadratias
Una forma uadratia es un polinomio real que ontiene terminos de la forma
a
ij
x
i
x
j
. Si A = [a
ij
= A
H
es una matriz hermitiana de orden n y x es un
vetor omplejo de orden n, entones:
x
H
Ax =
n
X
i=1
n
X
j=1
a
ij
x
i
x
j
; a
ji
= a
ij
Si A = [a
ij
= A
T
es una matriz real y simetria de orden n y x es un vetor
real de orden n:
x
T
Ax =
n
X
i=1
n
X
j=1
a
ij
x
i
x
j
; a
ji
= a
ij
Formas Bilineales
Una forma bilineal es un polinomio real que ontiene terminos de la forma
a
ij
x
i
y
j
. Si A = [a
ij
es una matriz ompleja de orden n, y si los vetores
omplejos x e y son de orden n y m respetivamente, entones:
x
H
Ay =
n
X
i=1
m
X
j=1
a
ij
x
i
y
j
Si A = [a
ij
es real de orden n, y si los vetores reales x e y son de orden n
y m respetivamente, entones:
x
T
Ay =
n
X
i=1
m
X
j=1
a
ij
x
i
y
j
-
1.2 Analisis Vetorial 21
Deniion y Semideniion de Matries
Para una matriz A de orden n, las expresiones A > 0, A 0, A < 0 y
A 0 denotan que A es denida positiva, semidenida positiva, denida
negativa y semidenida negativa respetivamente. Hemos visto que la forma
uadratia x
H
Ax esta asoiada on la matriz hermitiana A, as omo x
T
Ax
lo esta on la matriz real y simetria A.
Una matriz A de orden n es denida positiva si su forma uadratia
asoiada es siempre positiva, exepto uando x = 0. Si todos los eigenvalores
de A son positivos, entones A > 0.
Una matriz A de orden n es semidenida positiva si su forma uadratia
asoiada es mayor o igual a ero uando x 6= 0. Si los eigenvalores de A son
positivos o nulos, entones A 0.
Una matriz A de orden n es denida negativa si su forma uadratia aso-
iada es siempre negativa, exepto uando x = 0. Si todos los eigenvalores
de A son negativos, entones A < 0.
Una matriz A de orden n es semidenida negativa si su forma uadratia
asoiada es menor o igual a ero uando x 6= 0. Si los eigenvalores de A son
negativos o nulos, entones A 0.
Si la matriz A posee eigenvalores positivos y negativos, entones A es
indenida.
La tabla 1.2 muestra los omandos para ejeutar otras operaiones ma-
triiales y vetoriales empleando MATLAB.
Ejemplo 1.9
Resolver el siguiente sistema (mas inognitas que euaiones):
(5 j)x
1
+ (2 + 3j)x
2
+ (3 j)x
3
+ (1 + 4j)x
4
+ (6 + j)x
5
= 2 9j
4jx
1
2x
2
+ (3 + 5j)x
3
7jx
4
+ (8 2j)x
5
= 4 j
(6 j)x
1
+ (7 j)x
2
+ (8 3j)x
3
+ (3 j)x
4
+ (1 + 4j)x
5
= 3 + j
Soluion: Ver el programa ejem1 9.m.
% ejem1_9.m SISTEMA DE ECUACIONES: MAS INCOGNITAS QUE ECUACIONES
lear all
A = [5-j 2+3j 3-j -1+4j -6+j
4j -2 3+5j -7j 8-2j
6-j 7-j 8-3j 3-j 1+4j;
-
22 Matematia Asistida on Computadora
Tabla 1.2: Comandos para omputo matriial y vetorial
Operaion Codigo MATLAB
Produto interno omplejo x
H
y x'*y
Produto interno real x
T
y x'*y
Produto por elemento a
ij
b
ij
A.*B
Division por elemento a
ij
=b
ij
A.\B; A./B
Potenia por elemento (a
ij
)
b
ij
A.^B
Norma matriial k A k
1
= max
j
P
m
i=1
ja
ij
j norm(A,1)
Norma matriial k A k
2
= max
i
p
i
(A
H
A) norm(A,2)
Norma matriial k A k
1
= max
i
P
n
j=1
ja
ij
j norm(A,inf)
Norma matriial k A k
F
=
P
ij
ja
ij
j
2
1=2
norm(A,'fro')
Norma vetorial k x k
p
= (
P
n
i=1
jx
i
j
p
)
1=p
norm(x,p)
Norma vetorial k x k
2
=
p
x
H
x norm(x)
Norma vetorial k x k
1
= max
i
jx
i
j norm(x,inf)
Norma vetorial k x k
1
= min
i
jx
i
j norm(x,-inf)
Rango rank(A)
Eigenvalores
i
eig(A)
Eigenvetores E = [e
1
: : : e
n
[E,D=eig(A)
-
1.2 Analisis Vetorial 23
B = [2-9j;4-j;3+j;
X = A\B; %
% X =
% 3.5719 - 3.4126i --> x1;
% 0 --> x2
% -2.8535 + 1.6221i --> x3
% 0 --> x4
% 0.9991 - 0.4860i --> x5
Ejemplo 1.10
Resolver el siguiente sistema (menos inognitas que euaiones):
(5 j)x
1
+ (2 + 3j)x
2
+ (3 j)x
3
= 2 9j
4jx
1
2x
2
+ (3 + 5j)x
3
= 4 j
(6 j)x
1
+ (7 j)x
2
+ (8 3j)x
3
= 3 + j
(1 + 4j)x
1
+ (6 + j)x
2
+ (3 j)x
3
= 3 + 7j
7jx
1
+ (8 2j)x
2
+ (1 + 4j)x
3
= 9
Soluion: Ver el programa ejem1 10.m.
% ejem1_10.m SISTEMA DE ECUACIONES: MENOS INCOGNITAS QUE ECUACIONES
lear all
A = [5-j 2+3j 3-j
4j -2 3+5j
6-j 7-j 8-3j
-1+4j -6+j 3-j
-7j 8-2j 1+4j;
B = [2-9j;4-j;3+j;-3+7j;-9;
X = A\B;
% X =
% 1.2270 - 2.1969i --> x1
% 0.6871 + 1.2202i --> x2
% -0.9472 + 0.4153i --> x3
Ejemplo 1.11
Comprobar numeriamente que:
x
H
y = (y
H
x)
= y
T
x
Soluion: Ver el programa ejem1 11.m.
-
24 Matematia Asistida on Computadora
% ejem1_11.m CALCULO VECTORIAL
lear all
% VECTORES DATOS
x = [-1+j;3-5j;-5+6j;8-9j;4-2j;-1+j;
y = [-5+j;-3+j;-8+9j;5-6j;2+7j;-3-j;
% COMPROBAR QUE x'*y = onj(y'*x) = onj(y')*onj(x)
p = x'*y; q = onj(y'*x); r = onj(y')*onj(x);
[p q r % p, q y r DEBEN SER IGUALES
Ejemplo 1.12
En el siguiente programa se alulan diferentes normas matriiales y veto-
riales.
% ejem1_12.m NORMAS
lear all
% VECTOR DATO
x = [-1+j;3-5j;-5+6j;8-9j;4-2j;-1+j;
a = norm(x,5); % NORMA p = 5 (a = 12.3798)
b = norm(x,2); % NORMA EUCLIDIANA (b = 16.2481)
= norm(x,inf); % NORMA INFINITO ( = 12.0416)
d = norm(x,-inf); % NORMA -INFINITO (d = 1.4142)
% MATRIZ DATO
A = [1-j 2-j 3-j -4-j
4j -2 3+5j 2-8j
6-j 7-j 8+3j -7+3j
3+5j 2-8j 1-j 2-9j;
e = norm(A); % MAXIMO EIGENVALOR DE A: e = 18.7269
f = norm(A,2); % LO MISMO QUE norm(A): e = f = 18.7269
g = norm(A,1); % max(sum(abs(A)))): g = 29.2046
h = norm(A,inf); % max(sum(abs(A'))): h = 29.3136
k = norm(A,'inf'); % IGUAL QUE norm(A,inf): k = h = 29.3136
m = norm(A,'fro'); % sqrt(sum(diag(A'*A))): m = 23.7276
p = 'fro'; % p DEBE SER 1, 2, inf o 'fro'
n = norm(A,2); % NORMA p: n = 18.7269
Ejemplo 1.13
Sean las matries A
nm
, B
mp
y C
mm
. Demostrar numeriamente las siguien-
tes propiedades del rango: rango(A) min(n;m); rango(A) = rango(A
H
);
rango(AB) min(rango(A); rango(B)); rango(CB) = rango(B).
Soluion: El siguiente programa presenta las demostraiones pedidas.
-
1.2 Analisis Vetorial 25
% ejem1_13.m PROPIEDADES DEL RANGO
lear all
% MATRICES DATO
A = [-1+j 3-5j -5+6j -2+5j
8-9j 4-2j -1+j -4
-2+3j 4-6j -2-5j 7j; % ORDEN (3,4)
B = [1+j -3-5j
8+9j -4+2j
-2+3j -4-6j
-5-6j -2+5j; % ORDEN (4,2)
C = [-1+j -2+j 3-j -5-7j
4-2j -1+j -4 2
4-6j -2-5j 7j -j
7j -1 9j 4j; % ORDEN (4,4)
rA = rank(A); rAH = rank(A'); rB = rank(B);
rAB = rank(A*B); rCB = rank(C*B);
% SE DEBE CUMPLIR: rA MENOR O IGUAL QUE min(3,4);
% rA = rAH
% rAB MENOR O IGUAL QUE min(rA,rB)
% rCB = rB
Ejemplo 1.14
El siguiente programa determina la forma de Jordan para la matriz:
A =
2
6
6
4
0 1 0 3
0 1 1 1
0 0 0 1
0 0 1 2
3
7
7
5
% ejem1_14.m FORMA CANONICA DE JORDAN
lear all
A = [0 1 0 3;0 -1 1 1;0 0 0 1;0 0 -1 -2; % ORDEN 4
[E D = eig(A);
% E = % MATRIZ DE EIGENVECTORES
% 1.0000 -0.7071 0.9045 0.7068
% 0 0.7071 0 -0.7074
% 0 0 0.3015 -0.0002
% 0 0 -0.3015 0.0002
% D = % LOS EIGENVALORES DE A FORMAN LA DIAGONAL DE D
% 0 0 0 0
% 0 -1 0 0
-
26 Matematia Asistida on Computadora
% 0 0 -1 0
% 0 0 0 -1
rank((-1)*eye(4)-A); % RESULTA 2 => 2 BLOQUES DE JORDAN
% ASOCIADOS CON LA RAIZ TRIPLE (-1)
% FORMA DE JORDAN: 0 0 0 0
% 0 -1 1 0
% 0 0 -1 0
% 0 0 0 -1
Ejemplo 1.15
Determinar la deniion de las matries siguientes:
A =
2
4
2 2 2
2 6 0
1 0 2
3
5
; B =
2
4
1 2 1
2 4 2
3 6 0
3
5
Soluion: Ver el programa ejem1 15.m.
% ejem1_15.m DEFINICION DE MATRICES
lear all
A = [2 2 -2;2 6 0;-1 0 2;
EigA = eig(A); % EIGENVALORES DE A: 0.1996, 6.8922, 2.9083
% A > 0 DADO QUE TODOS SUS EIGENVALORES SON POSITIVOS
B = [1 2 1;2 4 2;3 6 0;
EigB = eig(B); % EIGENVALORES DE B: 0, 7.1098, -2.1098
% B ES INDEFINIDA PUES UN EIGENVALOR ES > 0 Y EL OTRO ES < 0
1.3 La Transformada de Laplae
La transformada de Laplae de una funion g(t) se dene omo:
g(s) = L[g(t) =
Z
1
0
g(t)e
st
dt (1.21)
donde s es la variable laplaiana. La transformada de Laplae es util para
modelar sistemas lineales invariantes on el tiempo. Su transformada inversa
se designa omo:
g(t) = L
1
[g(s) (1.22)
Como ejemplo, la transformada de Laplae de la funion g(t) = e
at
, donde
a es real, se determina omo sigue:
L[e
at
=
Z
1
0
e
at
e
st
dt =
"
e
(s+a)t
s+ a
#
1
0
=
1
s+ a
-
1.3 La Transformada de Laplae 27
La tabla 1.3 muestra la transformada de Laplae de algunas funiones. Al-
gunas de sus propiedades se muestran en la tabla 1.4.
Tabla 1.3: Transformadas de Laplae
Desripion g(t) g(s)
Impulso unitario (t) 1
Esalon unitario
1
s
Rampa unitaria t
1
s
2
Rampa de orden n t
n
n!
s
n+1
; n! = n(n 1) : : :
Exponenial e
at
1
s+a
Seno sen!t
!
s
2
+!
2
Coseno os!t
s
s
2
+!
2
Seno amortiguado e
at
sen!t
!
(s+a)
2
+!
2
Coseno amortiguado e
at
os!t
s+a
(s+a)
2
+!
2
Tabla 1.4: Propiedades de la transformada de Laplae
Desripion Propiedad
Derivaion L
h
dg
dt
i
= sg(s) g(0), g(0) = [g(t)
t=0
Derivaion de orden n L
h
d
n
g
dt
n
i
= s
n
g(s) s
n1
g(0) g
n1
(0)
g
n1
(0) =
h
d
n1
dt
n1
g(t)
i
t=0
Integral L
h
R
t
0
g(t)dt
i
=
g(s)
s
Desplazamiento en tiempo L[g(t t
0
)(t t
0
) = e
t
0
s
g(s)
Desplazam. en freuenia L[e
at
g(t) = g(s+ a)
Valor iniial lim
t!0
g(t) = lim
s!1
sg(s)
Valor nal lim
t!1
g(t) = lim
s!0
sg(s)
Ejemplo 1.16
La gura 1.1 muestra un arro de masa m = 1000 kg desplazandose on una
veloidad v graias a la a
ion de la fuerza u produida por su motor. Si se
-
28 Matematia Asistida on Computadora
despreia la ineria de las ruedas y se asume que la fuerza de fri
ion bv es
lo unio que se opone al movimiento, donde b= 50 N-s/m es el oeiente
de fri
ion, entones la dinamia del proeso puede modelarse omo:
m _v(t) + bv(t) = u(t); _v =
dv
dt
Determinar la funion de transferenia del proeso y su respuesta a un es-
alon de 1 m/s, sabiendo que la entrada es u y la salida es v.
ubvfriccion
v velocidad
m
Figura 1.1: Movil en movimiento.
Soluion: La funion de transferenia del proeso se obtiene apliando la
propiedad de derivaion de orden n (tabla 1.4), on todas las ondiiones
iniiales iguales a ero:
msv(s) + bv(s) = u(s);
v(s)
u(s)
=
1
ms+ b
Dado que la entrada es un esalon, u(s) =
1
s
. La salida se determina de:
v(t) = L
1
[v(s) = L
1
1
s(ms+ b)
=
1
b
L
1
"
1
s
1
s+
b
m
#
y empleando la tabla 1.3 obtenemos:
v(t) =
1
b
(1 e
bt=m
)
Ejemplo 1.17
Empleando las propiedades del valor iniial y del valor nal, determinar
tales valores para la veloidad del movil del problema anterior.
Soluion: El valor iniial se determina de: lim
t!0
v(t) = lim
s!1
sv(s) = 0.
El valor nal se obtiene de: lim
t!1
v(t) = lim
s!0
sv(s) =
1
b
.
-
Captulo 2
Sistemas Disretos
En este aptulo se exponen los oneptos de variables de estado, muestreo y
reonstru
ion de se~nales en los proesos a ontrolar. Tambien se trata la dis-
retizaion direta de proesos ontinuos, la transformada Z omo herramienta
de disretizaion, las formas anonias de los proesos en el espaio de es-
tado disreto y los oneptos de ontrolabilidad y observabilidad. El material
expuesto pretende dar una base solida aera de los sistemas de ontrol en el do-
minio disreto. Todos los arhivos orrespondientes a los ejeriios desarrollados
en este aptulo se pueden desargar del sitio: http://ee.uni.edu.pe/728681F.
2.1 Dise~no de Sistemas de Control Digital
La gura 2.1 muestra la estrutura de un sistema de ontrol digital, uyo
objetivo de ontrol es lograr que la se~nal de salida Y del proeso (de arater
ontinuo, omo en la mayora de los asos) siga a la se~nal de referenia r
umpliendo determinadas espeiaiones de dise~no, tales omo: mnimo
tiempo de estabilizaion, mnimo sobreimpulso y/o error en estado esta-
ionario nulo en Y . En otras palabras, el algoritmo de ontrol implementa-
do, en este aso digitalmente, debe ser apaz de rear una se~nal de ontrol
U (la variable manipulada), la ual atuando sobre el proeso a traves de un
atuador, minimie la se~nal de error e. El bloque de ltraje es util para eli-
minar las omponentes ontaminantes de alta freuenia de la se~nal de ruido
de mediion n. El ltro de ruido puede ser analogio o digital y su inlusion
depende de la magnitud del ruido y su relevania dentro del funionamiento
del sistema de ontrol.
-
30 Sistemas Disretos
Muestreadory y
Proceso
ActuadorD/Ay
RetencionDigital
Computadora
MedicionFiltraje
n
Disturbios
er U Y
A/D
Figura 2.1: Estrutura de un sistema de ontrol digital.
En la estrutura de ontrol desrita en el parrafo anterior, el algorit-
mo de ontrol se implementa en un dispositivo digital que puede ser una
omputadora personal, una omputadora de proesos (on apaidad para
manejar varios lazos de ontrol), un miroontrolador o una tarjeta PDS
(Proesamiento Digital de Se~nales). El proesamiento digital del algorit-
mo de ontrol requiere de la presenia de los dispositivos de adquisiion de
datos: muestreadores, onversores de se~nal A/D (analogio a digital) y D/A
(digital a analogio) y retenedores (reonstrutores) de se~nal.
La onguraion mostrada en la gura 2.1 no es unia. Por ejemplo, dado
el aso, la se~nal de referenia y la omparaion de se~nales pueden ser gene-
radas dentro de la omputadora digital. En otros asos, si el atuador y los
dispositivos de mediion son apaes de proesar se~nales digitales, entones
tales dispositivos pueden atuar diretamente sobre el proeso, dando lugar
a nuevas onguraiones. En las apliaiones desritas en este libro, el dispo-
sitivo de proesamiento digital es una omputadora personal, los sensores de
se~nal son deodiadores eletronios de pulsos (\enoders"), mientras que
el atuador es una ombinaion de un servomotor D.C. (de orriente onti-
nua) on un ampliador eletronio PWM (\Pulse Wide Modulation").
El empleo del proesamiento digital permite la realizaion de algoritmos
de ontrol sostiados existentes en la teora de ontrol moderna, pero tam-
bien refuerza la interrogante sobre que algoritmo de ontrol es adeuado para
determinada apliaion. Una respuesta a esta interrogante solo es posible
si se tiene onoimiento suiente del modelo de la dinamia del proeso a
ontrolar y de sus se~nales. Tal onoimiento va a permitir la sele
ion ade-
uada de un algoritmo de ontrol que sea apaz de haer umplir el objetivo
de ontrol on el menor gasto (omputaional, por ejemplo) y on el mayor
rendimiento (satisfa
ion de las espeiaiones de dise~no).
-
2.2 Conepto de Estado y Variables de Estado 31
2.2 Conepto de Estado y Variables de Estado
La dinamia de un proeso multivariable, es deir, un proeso que posee
multiples entradas y multiples salidas, puede ser representada en el espaio
de estado mediante dos onjuntos de euaiones difereniales ordinarias de
primer orden, denominadas las euaiones de estado y de salida, omo sigue:
_
X = f(X;U;v; t)
Y = h(X;U;w; t) (2.1)
donde f y h son funiones vetoriales de variable vetorial de orden n y r
respetivamente, X es el vetor de estado de orden n, U es el vetor de
ontrol de orden m, Y es el vetor de salida de orden r, v es el vetor de
disturbios (de orden n) en los estados, y w es el vetor de disturbios (de
orden r) en las salidas. El tiempo t se inluye omo parte del argumento
para indiar que pueden existir parametros variantes on el tiempo. En este
punto es onveniente denir el onepto de estado:
El vetor de estado X = [X
1
: : : X
n
T
de un proeso (donde el su-
perndie T india transpuesta) es el mnimo onjunto de variables, las va-
riables de estado X
1
: : : X
n
, las uales ontienen informaion suiente
aera de la historia pasada del proeso. Esta informaion permite om-
putar todos los futuros estados del proeso, asumiendo por supuesto, que
todas las futuras entradas U son tambien onoidas, omo del mismo modo
lo son las euaiones dinamias que desriben diho sistema. El numero n
de variables de estado dene el orden o la dimension del sistema.
El espaio de estado es el espaio n-dimensional de todos los estados.
Cuando el sistema es de orden n = 2, el espaio de estado es onoido omo
el plano de fase on oordenadas X
1
y X
2
. Los puntos de equilibrio en el
espaio de estado para el proeso desrito en (2.1) se determinan uando el
estado del proeso no ambia graias a la a
ion de una fuerza de entrada
U. Por tanto, los puntos de equilibrio (
X) se determinan de:
_
X = f(
X;
U) = 0 (2.2)
2.2.1 Linealizaion de Proesos
La representaion linealizada en el espaio de estado de (2.1), sin la presenia
de parametros variantes on el tiempo, es la siguiente:
_
x = Ax+Bu+Ev
-
32 Sistemas Disretos
y = Cx+Du+ Fw (2.3)
donde A es la matriz de estado, B es la matriz de ontrol, E es la matriz
de disturbios en los estados, C es la matriz de salida de los estados, D es
la matriz de salida de las entradas y F es la matriz de disturbios en las
salidas. Las dimensiones de dihas matries son: A
nn
, B
nm
, E
nn
, C
rn
, D
rm
y E
rr
, donde el primer subndie es el numero de las de la matriz y el
segundo, el numero de olumnas. Es importante notar que en (2.3) estamos
empleando las variables residuales (tambien llamadas variables de desviaion
o perturbaionales) siguientes:
x = X
X
u = U
U
Sin la presenia de disturbios (v = w = 0), y para la operaion del
proeso alrededor del estado de equilibrio (
X,
U), las matries A, B, C y D
pueden ser determinadas evaluando las siguientes matries jaobianas:
A =
2
6
4
f
1
X
1
f
1
X
n
.
.
.
.
.
.
.
.
.
f
n
X
1
f
n
X
n
3
7
5
(
X;
U)
B =
2
6
4
f
1
U
1
f
1
U
m
.
.
.
.
.
.
.
.
.
f
n
U
1
f
n
U
m
3
7
5
(
X;
U)
C =
2
6
4
h
1
X
1
h
1
X
n
.
.
.
.
.
.
.
.
.
h
r
X
1
h
r
X
n
3
7
5
(
X;
U)
D =
2
6
4
h
1
U
1
h
1
U
m
.
.
.
.
.
.
.
.
.
h
r
U
1
h
r
U
m
3
7
5
(
X;
U)
(2.4)
La matriz de transferenia para proesos multivariables lineales se de-
termina empleando la euaion matriial siguiente:
Y(s) = [C(sI A)
1
B +DU(s) (2.5)
donde s es la variable laplaiana e I es la matriz identidad. Cuando las
se~nales Y y U son unidimensionales, la euaion anterior se onvierte en la
euaion de transferenia de un proeso univariable. La euaion ara-
terstia del proeso se obtiene de:
det(sI A) = 0 (2.6)
donde det es la operaion determinante. Las raes de (2.6) son tambien
onoidas omo raes araterstias, eigenvalores, valores propios, modos,
-
2.2 Conepto de Estado y Variables de Estado 33
entre otras denominaiones. Los eigenvalores determinan la estabilidad del
proeso alrededor de un punto de equilibrio
X en el espaio de estado omo
sigue:
El proeso desrito por la euaion (2.3) es estable, siempre que todos los
eigenvalores de su euaion araterstia (2.6) posean parte real negativa.
Cuando al menos uno de tales eigenvalores posea parte real positiva o ero,
entones el proeso es inestable.
De auerdo a la euaion (2.2), el proeso desrito por (2.3) on u y v
nulos posee un solo punto de equilibrio: el origen. Empleando este heho,
la estabilidad del proeso desrito en (2.3) tambien puede ser formulada
empleando el onepto de estado, omo sigue:
El proeso desrito por la euaion (2.3) es estable, uando no siendo
forzado (es deir, uando u = v = 0), el estado del proeso tiende a ero
para ualquier estado iniial nito x
0
.
Ejemplo 2.1
La gura 2.2 muestra dos tanques identios oloados en asada. La se
ion
horizontal S=9 m
2
de ada tanque es onstante. El objetivo de ontrol es
estabilizar (ontrolar) la altura H
2
empleando omo fuerza de ontrol el
ujo de alimentaion Q
o
. Determinar el modelo linealizado de este proeso
hidraulio.
Tanque1
Tanque2
H
H
Q
Q
Q
p
1
2
0
0
1
2
p
p
p0
1
2
g
Figura 2.2: Proeso hidraulio.
Soluion: Los ujos de salida Q
1
y Q
2
de los tanques se pueden modelar
-
34 Sistemas Disretos
omo:
Q
1
=
p
P
1
P
0
; Q
2
=
p
P
2
P
0
donde P
1
, P
2
y P
0
son las presiones en el fondo de los tanques y en el exterior
respetivamente, y =0.4 es una onstante que depende de la geometra del
oriio. Si =1.23 kg/m
3
es la densidad del lquido y g=9.81 m/s
2
es la
aeleraion de la gravedad:
P
1
P
0
= gH
1
; P
2
P
0
= gH
2
El ujo aumulado en ada tanque es:
Q
0
Q
1
= S
dH
1
dt
; Q
1
Q
2
= S
dH
2
dt
Resolviendo las euaiones anteriores para las alturas, obtenemos:
_
H
1
=
1
S
Q
0
p
g
S
p
H
1
= f
1
_
H
2
=
p
g
S
[
p
H
1
p
H
2
= f
2
y su orrespondiente euaion de salida:
Y = [0 1
H
1
H
2
Denamos las siguientes variables residuales: h
1
= H
1
H
1
, h
2
= H
2
H
2
,
q
0
= Q
0
Q
0
. Conoiendo
Q
0
= 3 m
3
/s, el estado de equilibrio del proeso
se puede obtener de:
_
H
1
=
1
S
Q
0
p
g
S
p
H
1
= 0
_
H
2
=
p
g
S
[
p
H
1
p
H
2
= 0
lo que resulta en:
H
1
=
H
2
=
Q
2
0
2
g
Apliando el jaobiano, el proeso linealizado resulta:
_
h = Ah+B q
0
; y = h
2
= C h
-
2.2 Conepto de Estado y Variables de Estado 35
donde:
h =
h
1
h
2
; A =
"
f
1
H
1
f
1
H
2
f
2
H
1
f
2
H
2
#
(
H
1
;
H
2
)
=
2
4
p
g
2S
p
H
1
0
p
g
2S
p
H
1
p
g
2S
p
H
2
3
5
B =
"
f
1
Q
0
f
2
Q
0
#
Q
0
=
1
0
; C = [0 1; D = [0
Ejemplo 2.2
El proeso pendulo no lineal mostrado en la gura 2.3 puede rotar libre-
mente alrededor del pivote graias a la a
ion de un torque externo U . En
diha gura B
p
=1.3366 N-m/rad/s es la fri
ion visosa rotaional en el
punto pivote, L
o
=1.6350 m es la longitud de la varilla de peso despreia-
ble, M
o
=0.5 kg es la masa de la esfera y g=9.81 m/s
2
es la aeleraion
de la gravedad. La salida de interes es la posiion angular del pendulo.
Para las situaiones mostradas en las guras 2.3(a) y 2.3(b) determine: las
euaiones no lineales de estado y de salida, los puntos de equilibrio, las
euaiones linealizadas de estado y de salida, las funiones de transferenia,
las euaiones araterstias, y la estabilidad del proeso.
L o
oM
B p oM
B p(a) (b)
L o
UU
Figura 2.3: Pendulo no lineal en posiion de equilibrio estable (gura (a)) y
en posiion de equilibrio inestable (gura (b)).
Soluion: El proeso en estudio es univariable; es deir, una sola entrada U
atuando sobre el proeso, y una sola salida: la posiion angular. Primero
analizaremos la situaion mostrada en la gura 2.3(a). El torque resultante
alrededor del pivote es:
U =M
o
L
2
o
+B
p
_
+M
o
gL
o
sen (2.7)
-
36 Sistemas Disretos
Notar que (2.7) es no lineal debido al sen. Sele
ionando en (2.7) omo
variables de estado X
1
= , X
2
=
_
y omo salida Y = X
1
se obtiene:
_
X
1
= X
2
_
X
2
=
g
L
o
senX
1
B
p
M
o
L
2
o
X
2
+
1
M
o
L
2
o
U
Y = X
1
(2.8)
uya representaion ompata (euaion (2.1) on v = w = 0) resulta:
_
X = f; Y = X
1
= h
donde:
X =
X
1
X
2
; f =
f
1
f
2
=
"
X
2
g
L
o
senX
1
B
p
M
o
L
2
o
x
2
+
1
M
o
L
2
o
U
#
(2.9)
Notar en (2.9) que n = 2, m = 1, r = 1. Empleando (2.2), los estados de
equilibrio se obtienen de:
_
X
1
=
X
2
= 0
_
X
2
=
g
L
o
sen
X
1
B
p
M
o
L
2
o
X
2
+
1
M
o
L
2
o
U = 0
y = X
1
X
1
(2.10)
uya soluion, on
U = 0, es:
X
2
= 0 y
X
1
= 2k; k = 0;1; : : : Por
onsiguiente, los estados de equilibrio son (0[2; 0) para la gura 2.3(a) y
([3; 0) para la gura 2.3(b). Empleando (2.4), la linealizaion de (2.9)
alrededor del estado de equilibrio (
X
1
;
X
2
;
U) = (0; 0; 0) resulta:
_
x = Ax+Bu; y = Cx+Du
donde:
A =
"
f
1
X
1
f
1
X
2
f
2
X
1
f
2
X
2
#
(0;0)
=
"
0 1
g
L
o
B
p
M
o
L
2
o
#
B =
f
1
U
f
2
U
0
=
"
0
1
M
o
L
2
o
#
C =
h
h
X
1
h
X
2
i
(0;0)
=
1 0
D =
h
U
0
= [0 (2.11)
-
2.2 Conepto de Estado y Variables de Estado 37
La funion de transferenia del proeso se puede determinar de:
Y (s)
U(s)
= C(sI A)
1
B
= [1 0
"
s 1
g
L
o
B
p
M
o
L
2
o
+ s
#
1
"
0
1
M
o