4.

Descripción en variables de
estado de sistemas lineales
4.1 Representación de sistemas en
variables de estado
El tipo
p de sistemas qque estudiaremos son aquellos
q descritos
por las siguientes ecuaciones
•
⎫⎪
x(t ) = h( x(t ),
) u (t ),
) t)
⎬ (4.1)
y (t ) = g ( x(t ), u (t ), t ) ⎪⎭

1
 ⎡ x1 (t ) ⎤
⎢ x (t )⎥
donde x(t ) = ⎢ 2 ⎥ es el vector de estado, y sus componentes
⎢ ⎥
⎢ x (t ) ⎥
⎣ n ⎦
⎡ y1 (t ) ⎤
⎢ y (t ) ⎥
son las variables de estado, y (t ) = ⎢ ⎥ es el vector de salidas,
2

⎢ ⎥
⎢ y (t )⎥
⎣ p ⎦
⎡u1 (t ) ⎤
⎢u (t ) ⎥
y u (t ) = ⎢ 2 ⎥ es el vector de entradas.
⎢ ⎥
⎢ ⎥
⎣ m ⎦
u (t )

2
U
Usaremos lla notación
t ió
{x(t0 ), u[ t0 ,∞ ) } → {x[ t0 ,∞ ) , y[ t0 ,∞ ) }
para indicar que el estado inicial x(t0 ) y la entrada u[ t0 ,∞ )
producen el estado x(t) y la salida y(t), para t ≥ t0 .

3
Un sistema se dice lineal si, dado que
{x(t0 ), u[ t0 ,∞ ) } → {x[ t0 ,∞ ) , y[ t0 ,∞ ) }
{~ ) u~ } → {~
x (t ),
0 [ t 0 ,∞ ) x ,~y
[ t 0 ,∞ ) }
[ t 0 ,∞ )

entonces se cumple
p qque
{α1 x(t0 ) + α 2 ~
x (t0 ), α1u[ t0 ,∞ ) + α 2u~[ t0 ,∞ ) }
→ {α1 x[ t0 ,∞ ) + α 2 ~
x[ t0 ,∞ ) , α1 y[ t0 ,∞ ) + α 2 ~
y[ t0 ,∞ ) }
donde α1 y α 2 son números reales cualquiera.

4
L respuesta
La t de
d un sistema
it lineal
li l puede
d separarse en 2 partes:
t
Respuesta debida a {x(t0 ), u[ t0 ,∞ ) } =
respuesta debida a {x(t0 ),0} + respuesta debida a {0, u[ t0 ,∞ ) }.

respuesta a entrada cero respuesta a estado cero

5
Si el sistema es lineal,
lineal las funciones h y g serán funciones
lineales de x y u, es decir
•
⎫⎪
x(t ) = A(t ) x(t ) + B (t )u (t )
⎬ (4.2)

y (t ) = C (t ) x(t ) + D (t )u (t ) ⎪⎭

donde A(t), B(t), C(t) y D(t) son matrices, respectivamente, de

dimensiones nxn, nxm, pxn, y pxm.

6
U sistema
Un it se dice
di invariante
i i t en ell tiempo
ti si,
i dado
d d que
{x(t0 ), u[ t0 ,∞ ) } → {x[ t0 ,∞ ) , y[ t0 ,∞ ) }
entonces se cumple
) Qα u[ t0 ,∞ ) } → {Qα x[ t0 ,∞ ) , Qα y[ t0 ,∞ ) }
{Qα x(t0 ),
donde Qα es el operador de retraso, y α es un número real.

7
Para sistemas invariantes en el tiempo, las matrices A(.), B(.),
C(.) y D(.) no dependen del tiempo.
Por lo tanto,
tanto las ecuaciones en espacio de estado que describen
el comportamiento de un sistema lineal e invariante en el
tiempo
p son las siguientes
g
•
⎫⎪
x(t ) = Ax(t ) + Bu (t )
⎬ (4.3)

y (t ) = Cx
C (t ) + Du
D (t ) ⎪⎭
donde A,B,C y D son matrices constantes reales,
respectivamente, de dimensiones nxn, nxm, pxn, y pxm.
Se define el orden del sistema como el número de variables de
estado, es decir, para la representación (2.3) el orden del
sistema es igual a n.

8
Tomando transformada de Laplace
p de ((4.3)) y denotando
x(0) = x0 , tenemos
sX ( s ) − x0 = AX ( s ) + BU ( s )
Y ( s ) = CX ( s ) + DU ( s ).

De lo anterior, tenemos que

( sI n − A) X ( s ) = x0 + BU ( s ),
multiplicando por la izquierda por la inversa de ( sI n − A),
X ( s ) = ( sI n − A) −1 x0 + ( sI n − A) −1 BU ( s )).
La salida (vector de salidas) está dada por
Y ( s ) = C ( sI n − A) −1 x0 + C ( sI n − A) −1 BU ( s ) + DU ( s )
= C ( sI n − A) −1 x0 + [C ( sI n − A) −1 B + D] U ( s ).
9
Si x0 = 0, entonces la salida estará dada por
Y ( s ) = [C ( sI n − A) −1 B + D] U ( s ). (4.4)
Haciendo una comparación con la descripción entrada-salida,
podemos ver que
G ( s ) = C ( sI n − A) −1 B + D (4.5)
es la función de transferencia del sistema.
La función de transferencia G(s) de un sistema multivariable
(matriz de transferencia) es una matriz cuyos elementos son
funciones racionales y tiene tantas filas como salidas tiene el
sistema y tantas columnas como entradas, es decir, es de
dimensiones pxm.

10
Una función racional g(s)=bb(s)/a(s) se dice propia si
deg a ( s ) ≥ deg b( s ), y estrictamente propia si deg a ( s ) > deg b( s ).

Una matriz racional G(s) se dice propia (estrictamente propia)

si todos sus elementos son funciones racionales propias
(estrictamente propias).

11
La función de transferencia G(s) puede escribirse como
1
G( s) = C [Adj( sI − A)]B + D.
det( sI − A)

Cada elemento de Adj( sI − A) es de grado estrictamente

menor que el grado de det ( sI − A), por lo tanto C ( sI − A) −1 B
es una matriz estrictamente propia.
Si D es diferente de cero, entonces
C ( sI − A) −1 B + D
es una matriz propia (pero no estrictamente propia).

12
Comparaciones entre las descripciones entrada
entrada-salida
salida
(descripción externa) y espacio de estado (descripción
interna):
)
• La descripción entrada-salida muestra como están
relacionadas las entradas y salidas del sistema. No es aplicable
si el sistema no está relajado, y no proporciona información
sobre el comportamiento interno del sistema.
• Para algunos sistemas puede ser muy complicado obtener la
descripción
p en espacio
p de estado. La función de transferencia
puede obtenerse por mediciones directas.

13
• Los resultados obtenidos para sistemas multivariables usando
espacio de estado pueden también obtenerse usando el enfoque
de función de transferencia.
• Espacio de estado permite estudiar sistemas no lineales y
sistemas variantes en el tiempo.
p
• Ambas descripciones tienen sus méritos y pueden utilizarse
de manera conjunta.

14
Sistemas discretos
Para este tipo de sistemas, las señales involucradas toman
valores
l en ciertos
i t instantes
i t t de d tiempo.
ti
La salida de un sistema lineal discreto, causal, invariante en el
tiempo
i y relajado,
l j d estáá dada
d d por
k
y (k ) = ∑ g (k − m)u (m),) k = 0,1,2,...
m =0

donde g(k-m)
(k ) es la resp
respuesta
esta del sistema debido a la entrada
⎧1, i = m
u (i ) = ⎨
⎩0, i ≠ m.

15
La descripción
L d i ió en variables
i bl ded estado
t d para sistemas
it discretos
di t
está dada por

x(k + 1) = Ax(k ) + Bu (k )
y (k ) = Cx (k ) + Du (k ).

16
 Algoritmo Leverrier

• Un método adecuado para obtener la inversa de la matriz

de transición de estado,
estado sobre todo para ordenes superiores
es el algoritmo de Leverrier.

17
4.2 Solución de la ecuación de estado

Nos interesa encontrar la solución x(t ), t ≥ 0, de la ecuación

de estado •
x(t ) = Ax(t ) + Bu (t ). (4.6)
•
homogénea caso escalar: x(t ) = ax(t ).
Parte homogénea, ) (4.7)
Solución:
1 2 2 1 k k
x(t ) = (1 + at + a t + + at + ) x(0) = e at x(0). (4.8)
2 k!
∞ 1 k k
e =∑
at at
k =0 k!
18
 •
Parte homogénea, caso matricial: x(t ) = Ax(t ).
) (4 9)
(4.9)
Solución:
1 2 2 1 k k
x(t ) = ( I + At + A t + + At + ) x(0)
2 k!
e At

⇒ x((tt ) = e At x(0),
) (4 10)
(4.10)
donde ∞ 1 k k
e := ∑ A t
At

k =0 k! (4.11)
es una matriz de dimensiones nxn, que por analogía con el
caso escalar es conocida como matriz exponencial.

19
Propiedades de la matriz exponencial:

d At
i) e = Ae At = e At A
dt
ii ) e A( t +r ) = e At e Ar
iii ) (e At ) −1 = e − At , ⇒ e At es no singular
iv) si AB = BA, entonces e ( A+ B ) t = e At e Bt .

20
Matriz exponencial en forma “cerrada”
cerrada
−1
e At = L {( sI − A) −1}. (4.12)

Métodos para encontrar la matriz exponencial e At :

1) Por la fórmula de expansión (4.11).
2) Por la transformada inversa de Laplace (4.12).
3)) Por diagonalización
g o reducción a forma de Jordan de la
matriz A.
4) Por interpolación de Sylvester.
5) Por programas computacionales (Maple, función
“exponential
exponential (A,t)
(A t)”, Matlab función “expm”)
expm ).
21
Observe que en la matriz exponencial e At aparecen términos de
λt
la forma e , donde λ es raíz de det( sI − A).
li i
El polinomio
a ( s ) = det( sI − A) = s n + a1s n−1 + a2 s n−2 + + an (4.13)
se conoce como polinomio característico del sistema.
Las raíces del polinomio característico a ( s ) = det( sI − A),
)
las cuales corresponden a los valores propios de la matriz A, se
conocen como los modos del sistema.

22
M t i de
Matriz d transición
t i ió de
d estados
t d
•
Podemos escribir la solución de la ecuación x(t ) = Ax(t ) en la
forma
x(t ) = Φ (t ) x(0), (4.14)
donde Φ (t ) es una matriz de dimensiones nxn, conocida como
la matriz de transición de estados del sistema, y es la solución
única de
•
Φ (t ) = AΦ (t ), Φ ( 0) = I . (4.15)

De lo que hemos visto anteriormente,

−1
Φ (t ) = e At
A
=L {( sI − A) −1}.

23
P i d d de
Propiedades d la
l matriz
t i de
d transición
t i ió de
d estados:
t d
i ) Φ (0) = e A( 0 ) = I
ii ) Φ (t ) = e At = (e − At ) −1 = [Φ (−t )]−1 ⇒ Φ (t ) −1 = Φ (−t )
iii ) Φ (t1 + t 2 ) = e A( t1 +t2 ) = e At1 e At2 = Φ (t1 )Φ (t 2 ) = Φ (t 2 )Φ (t1 )
iv) [Φ (t )]n = Φ (nt )
v) Φ (t 2 − t1 )Φ (t1 − t0 ) = Φ (t 2 − t0 ) = Φ (t1 − t0 )Φ (t 2 − t1 ).
)

24
 •
Solución de la ecuación de estado x(t ) = Ax(t ) + Bu (t ) :
Usando transformada de Laplace y despejando, tenemos que
X ( s ) = ( sI − A) −1 x(0) + ( sI − A) −1 BU ( s ),
y como ( sI − A) −1 = L {e At }, entonces

X ( s ) = L {e At }x(0) + L {e At }BU ( s ).
Tomando
T d transformada
f d inversa
i de
d Laplace
L l y usando
d
convolución, entonces
x(t ) = e x(0) + ∫0 e A( t −τ ) Bu (τ )dτ
At t
(4.16)
mientras q
que la salida del sistema será
y (t ) = Cx(t ) + Du (t ). (4.17)

25
4 3 Realizaciones
4.3 R li i canónicas
ó i

Problema: obtener una representación en espacio de estado de

la ecuación diferencial
... .. . . ..
y + a1 y + a2 y + a3 y = b3u + b2 u + b1 u . (4.18)

Introduciendo una variable auxiliar ξ , esta ecuación puede

escribirse de manera equivalente como
... .. . ⎫
ξ + a1 ξ + a2 ξ + a3ξ = u ⎪
. .. ⎬ (4 19)
(4.19)
y = b3ξ + b2 ξ + b1 ξ ⎪⎭

26
Esquemáticamente, la ecuación (4.19)
Esquemáticamente (4 19) se puede representar
como

Fig. 4.1

27
Moviendo las líneas de derivación hacia atrás, tenemos el
siguiente esquema

Fig. 4.2

28
Forma canónica controlador:
•
x11cc = −a1 x1c − a2 x2 c − a3 x3c + u
•
x 2 c = x1c
•
x 3 c = x2 c
y = b1 x1c + b2 x2 c + b3 x3c .

29
En forma matricial
•
x c = Ac xc + bc u
y = cc xc ,
donde

⎡− a1 − a2 − a3 ⎤ ⎡1 ⎤
Ac = ⎢ 1 0 0 ⎥, bc = ⎢0⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ 0 1 0 ⎥⎦ ⎣⎢0⎥⎦

cc = [b1 b2 b3 ].

30
L ecuación
La ió (4.18)
(4 18)
... .. . . ..
y + a1 y + a2 y + a3 y = b3u + b2 u + b1 u .
también puede escribirse como
... .. . ⎫
y + a1 y + a2 y + a3 y = m ⎪
. .. ⎬ (4.20)
m = b3u + b2 u + b1 u . ⎪⎭

31
Esquemáticamente, la ecuación (4.18) se representa como

Fig. 4.3

32
Moviendo las líneas de derivación hacia adelante,
adelante tenemos

Fig. 4.4

33
donde
β1 = b1
β 2 = b2 − a1b1
β 3 = b3 − a1b2 − a2b1 + a12b1 ,

o en forma matricial
−1
⎡ β1 ⎤ ⎡ 1 0 0⎤ ⎡ b1 ⎤
⎢ β ⎥ = ⎢ a 1 0⎥ ⎢b ⎥.
⎢ 2⎥ ⎢ 1 ⎥ ⎢ 2⎥
⎣⎢ β 3 ⎥⎦ ⎢⎣a2 a1 1⎦⎥ ⎢⎣b3 ⎥⎦

34
Forma canónica de observabilidad:
•
x ob = Aob xob + bobu
y = cob xob ,
donde
−1
⎡ 0 1 0 ⎤ ⎡ β1 ⎤ ⎡ 1 0 0⎤ ⎡ b1 ⎤
Aob = ⎢ 0 0 1 ⎥, bob = ⎢ β 2 ⎥ = ⎢ a1 1 0⎥ ⎢b2 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢− a3 − a2 − a1 ⎥⎦ ⎣⎢ β 3 ⎥⎦ ⎣⎢a2 a1 1⎥⎦ ⎢⎣b3 ⎥⎦

cob = [1 0 0].

35
Para obtener otras 2 representaciones
p ... de la
.. ecuación
. ((4.7),
) en
lugar de implementar la ecuación ξ + a1 ξ + a2 ξ + a3ξ = u
como se hizo anteriormente, se utiliza el siguiente esquema

Fig. 4.5

de lo cual resultan las formas canónicas observador y

controlabilidad, que se muestran a continuación.
36
Esquema
q para
p la forma canónica observador

Fi 44.6
Fig. 6

37
F
Forma canónica
ó i observador
b d
•
x o = Ao xo + bou
y = co xo ,
donde
⎡ − a1 1 0⎤ ⎡ b1 ⎤
Ao = ⎢− a2 0 1⎥, bo = ⎢b2 ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ − a3 0 0⎥⎦ ⎢⎣b3 ⎥⎦

co = [1 0 0].

38
Esquema para la forma canónica de controlabilidad

Fig. 4.7

39
Forma canónica de controlabilidad
•
x co = Aco xco + bcou
y = cco xco ,
donde

⎡0 0 − a3 ⎤ ⎡1 ⎤
Aco = ⎢1 0 − a2 ⎥, bco = ⎢0⎥
⎢ ⎥ ⎢ ⎥
⎢⎣0 1 − a1 ⎥⎦ ⎣⎢0⎥⎦
−1
⎡1 a1 a2 ⎤
cc = [β1 β2 β 3 ] = [b1 b2 b3 ] ⎢0 1 a1 ⎥ .
⎢ ⎥
⎣⎢0 0 1 ⎥⎦

40
Observe de estas representaciones canónicas,
canónicas que

Ao = Ac , bo = cc , co = bc
T T T

Aob = Aco , bob = cco , cob = bco .

T T T

41
Parámetros de Markov
Sea
b( s ) b1s n−1 + b2 s n−2 + + bn
H (s) = = n
a(s) s + a1s n−1 + + an
una función de transferencia dada, y (A,b,c) una
representación en espacio de estado correspondiente, esto es,
∞
b((ss )
H (s) = = c( sI − A) b = ∑ hi s −i = h1s −1 + h2 s −2 +
−1

a( s) i =1

Los coeficientes {hi } son conocidos como los parámetros de

Markov del sistema.

42
Dado que
−1 I A A2
( sI − A) = + 2 + 3 +
s s s
2
−1 cb cAb cA b
c( sI − A) b = + 2 + 3 +
s s s
entonces tenemos que
hi = cAi −1b, i = 1,2,…
esto es,,
h1 = cb
h2 = cAb
h3 = cA2b

43
Observe que:
• Los parámetros de Markov son propios de la función de
t
transferencia,
f i esto
t es, no dependen
d d ded la
l representación
t ió (A,b,c)
(A b )
de H(s).
• Los coeficientes
fi i β i , i = 1,…, n, que aparecen en las
l formas
f
canónicas de observabilidad y controlabilidad corresponden a
los primeros n parámetros de Markov del sistema,
sistema esto es,
es
hi = β i , i = 1,…, n.

44
Si hhacemos una expansión
ió en fracciones
f i parciales
i l ded
b( s ) n g i
H (s) = =∑
a ( s ) i =1 s − λi

(suponiendo que las raíces de a(s) son distintas)

distintas), podemos
obtener una representación en forma canónica diagonal, como
q
se muestra esquemáticamente en la siguiente
g figura.
g

45
Fig. 2.8

46
Forma canónica diagonal:
•
x d = Ad xd + bd u
y = cd xd ,
donde
⎡ b1 ⎤
Ad = diag{λ1 , λ2 ,…, λn }, bd = ⎢ ⎥
⎢ ⎥
⎢⎣bn ⎥⎦
cd = [c1 cn ],
y
bi ci = g i , i = 1,…, n.

47
4.4 Transformaciones de similitud

Sea
•
x(t ) = Ax
A (t ) + bu
b (t )
y (t ) = cx(t )

una representación de un sistema en espacio de estado, y hágase

el cambio de variables
x(t ) = T x(t )
donde T es una matriz no singular cualquiera.
cualquiera

48
Entonces, otra descripción en espacio de estado del mismo
sistema está dada por
•
x(t ) = T −1 AT x(t ) + T −1b u (t ) = A x(t ) + b u (t )
A b
y (t ) = cT x(t ) = c x(t )
c
lo cual se conoce como una transformación de similitud.
Entonces, 2 representaciones en espacio de estado
Entonces
( A, b, c) y ( A, b, c) se dicen similares si existe una matriz
no singular
g T tal qque
A = T −1 AT , b = T −1b, c = cT .

49
 1 Los modos de un sistema son invariantes bajo
Lema 44.1.
transformaciones de similitud.

Lema 4.2. La función de transferencia de un sistema es

i
invariante
i bajo
b j transformaciones
f i de
d similitud.
i ili d

50
44.55 Interpretación
I t t ió didinámica
á i ded polos
l y
ceros

Sea H(s)
( ) la función de transferencia del sistema
•
x(t ) = Ax(t ) + bu (t )
y (t ) = cx(t )
esto es,
−1 b( s )
H ( s ) = c( sI − A) b = .
a( s)

51
Un número λ (real o complejo) es un cero de H(s) si H (λ ) = 0,
y es un polo de H(s) si lim s→λ H ( s ) → ∞.
Dos polinomios a(s) y b(s) se dicen coprimos o primos
relativos si no tienen raíces en común.
La función de transferencia H(s)=b(s)/a(s) se dice irreducible
si a(s) y b(s) son coprimos.
Observe que sii H(s)
Ob H( ) es irreducible,
i d ibl entonces cada d raíz
í de
d b(s)
b( )
es un cero de H(s), y cada raíz de a(s) es un polo de H(s).

52
Teorema 4.1. Sea
•
x(t ) = Ax(t ) + bu (t )
y (t ) = cx(t )
una representación
p en espacio
p de estado de un sistema, con
función de transferencia H(s)=b(s)/a(s), y donde n = deg a ( s ).
Si la entrada aplicada al sistema es de la forma u (t ) = e λt ,
d d λ no es un polo
donde l de
d H(s),
H( ) entonces la l salida
lid del
d l sistema
i
debido a esta entrada y a la condición inicial x(0) = (λI − A) b
−1

está dada por y (t ) = H (λ )e λt , t ≥ 0.

Corolario 4.1. Si λ es un cero de H(s), entonces la salida del
sistema y(t) debido a la entrada u (t ) = e λt y a la condición
inicial x(0) = (λI − A) −1 b es cero para t ≥ 0.

53
Teorema 4.2. El número λ es un polo de H(s) si y sólo si
existe un estado inicial x(0), tal que la respuesta a entrada-cero
del sistema está dada por
y (t ) = re λt , t ≥ 0,
donde r es una constante diferente de cero.

54