UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA

UNIDAD DE POSTGRADO

CURSO : SISTEMAS LINEALES Y NO LINEASLES

TEMA: CONTROLABILIDAD Y OBSERVABILIDAD DE SISTEMAS LINEALES EN

TIEMPO CONTINÚO

DOCENTE: M.Sc. Ing. Elias Josué Alba Mejía

1.1 SOLUCIÓN DE LA ECUACIÓN DE ESTADO INVARIANTE CON EL
TIEMPO
En esta sección se obtendrá la solución general de la ecuación de estado lineal
e invariante en el tiempo. Primero se considera el caso homogéneo y luego el no
homogéneo.

Solución de las ecuaciones de estado para el caso homogéneo

Antes de resolver las ecuaciones diferenciales matriciales, se repasa la solución
de la ecuación diferencial escalar

EJEMPLO 1.5
𝑥𝑥̇ = 𝑎𝑎𝑎𝑎 16
La solución de esta ecuación tiene la forma
𝑥𝑥 (𝑡𝑡) = 𝑏𝑏0 + 𝑏𝑏1 𝑡𝑡 + 𝑏𝑏2 𝑡𝑡 2 + ⋯ + 𝑏𝑏𝑘𝑘 𝑡𝑡 𝑘𝑘 + ⋯ 17
Sustituyendo esta solución
𝑏𝑏1 + 2𝑏𝑏2 𝑡𝑡 + 3𝑏𝑏3 𝑡𝑡 2 + ⋯ + 𝑘𝑘𝑏𝑏𝑘𝑘 𝑡𝑡 𝑘𝑘−1 + ⋯ = 𝑎𝑎(𝑏𝑏0 + 𝑏𝑏1 𝑡𝑡 + 𝑏𝑏2 𝑡𝑡 2 + ⋯ + 𝑏𝑏𝑘𝑘 𝑡𝑡 𝑘𝑘 + ⋯ )
Igualando coeficientes de potencias iguales
 𝑏𝑏1 = 𝑎𝑎𝑏𝑏0
1 1
𝑏𝑏2 = 𝑎𝑎𝑏𝑏1 = 𝑎𝑎2 𝑏𝑏0
2 2
1 1
𝑏𝑏3 = 𝑎𝑎𝑏𝑏2 = 𝑎𝑎3 𝑏𝑏0
3 3×2
⋮
1 𝑘𝑘
𝑏𝑏3 == 𝑎𝑎 𝑏𝑏0
𝑘𝑘!
𝑥𝑥 (0) = 𝑏𝑏0
1 2 2 1 𝑘𝑘 𝑘𝑘
𝑥𝑥(𝑡𝑡) = �𝑎𝑎 + 𝑎𝑎𝑎𝑎 + 𝑎𝑎 𝑡𝑡 + ⋯ + 𝑎𝑎 𝑡𝑡 + ⋯ � 𝑥𝑥(0)
2! 𝑘𝑘!
1 2 2 1 𝑘𝑘 𝑘𝑘
𝑎𝑎 + 𝑎𝑎𝑎𝑎 + 𝑎𝑎 𝑡𝑡 + ⋯ + 𝑎𝑎 𝑡𝑡 + ⋯ = 𝑒𝑒 𝑎𝑎𝑎𝑎
2! 𝑘𝑘!
𝑥𝑥(𝑡𝑡) = 𝑒𝑒 𝑎𝑎𝑎𝑎 𝑥𝑥(0) 18
A continuación, se resuelve la ecuación diferencial matricial
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 19
Donde
𝑥𝑥 = 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛
𝐴𝐴 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑐𝑐𝑐𝑐𝑐𝑐𝑠𝑠𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑 𝑛𝑛 × 𝑛𝑛
Por analogía con el caso escalar, se supone que la solución está en la forma de
una serie de potencias vectorial en 𝑡𝑡,
1 2 2 1 𝑘𝑘 𝑘𝑘
𝑥𝑥(𝑡𝑡) = �𝐼𝐼 + 𝐴𝐴𝐴𝐴 + 𝐴𝐴 𝑡𝑡 + ⋯ + 𝐴𝐴 𝑡𝑡 + ⋯ � 𝑥𝑥(0)
2! 𝑘𝑘!
1 2 2 1 𝑘𝑘 𝑘𝑘
𝐼𝐼 + 𝐴𝐴𝐴𝐴 + 𝐴𝐴 𝑡𝑡 + ⋯ + 𝐴𝐴 𝑡𝑡 + ⋯ = 𝑒𝑒 𝐴𝐴𝐴𝐴
2! 𝑘𝑘!
𝑥𝑥(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑥𝑥(0), 𝑥𝑥(0) = 𝑏𝑏0
Matriz exponencial
Se puede demostrar que la matriz exponencial de una matriz A de 𝑛𝑛 × 𝑛𝑛
∞
𝐴𝐴𝑘𝑘 𝑡𝑡 𝑘𝑘 20
𝑒𝑒 𝐴𝐴𝐴𝐴 =�
𝑘𝑘!
𝑘𝑘=0

Converge absolutamente para todo 𝑡𝑡 finito

𝑑𝑑 𝐴𝐴𝐴𝐴
𝑒𝑒 = 𝑒𝑒 𝐴𝐴𝑡𝑡 𝐴𝐴
𝑑𝑑𝑑𝑑
𝑒𝑒 𝐴𝐴(𝑡𝑡+𝑠𝑠 ) = 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑒𝑒 𝐴𝐴𝐴𝐴
𝑒𝑒 𝐴𝐴𝐴𝐴 𝑒𝑒 −𝐴𝐴𝐴𝐴 = 𝑒𝑒 −𝐴𝐴𝐴𝐴 𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝐼𝐼, 𝑠𝑠𝑠𝑠 𝑠𝑠 = −𝑡𝑡

Por tanto, la inversa de 𝑒𝑒 𝐴𝐴𝐴𝐴 es 𝑒𝑒 −𝐴𝐴𝐴𝐴 . Como la inversa de 𝑒𝑒 𝐴𝐴𝐴𝐴 siempre existe, 𝑒𝑒 𝐴𝐴𝐴𝐴
es no singular. Es muy importante recordar que
𝑒𝑒 (𝐴𝐴+𝐵𝐵)𝑡𝑡 = 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑒𝑒 𝐵𝐵𝐵𝐵 , 𝑠𝑠𝑠𝑠 𝐴𝐴𝐴𝐴 = 𝐵𝐵𝐵𝐵
𝑒𝑒 (𝐴𝐴+𝐵𝐵)𝑡𝑡 ≠ 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑒𝑒 𝐵𝐵𝑡𝑡 , 𝑠𝑠𝑠𝑠 𝐴𝐴𝐴𝐴 ≠ 𝐵𝐵𝐵𝐵
Método de la transformada de Laplace para la solución de las ecuaciones
de estado en el caso homogéneo
Considerando el caso escalar
𝑥𝑥̇ = 𝑎𝑎𝑎𝑎
Tomando transformadas de Laplace
𝑠𝑠𝑠𝑠(𝑠𝑠) − 𝑥𝑥 (0) = 𝑎𝑎𝑎𝑎 (𝑠𝑠)
𝑥𝑥 (0)
𝑋𝑋(𝑠𝑠) = = (𝑠𝑠 − 𝑎𝑎)−1 𝑥𝑥 (0)
𝑠𝑠 − 𝑎𝑎
𝑥𝑥(𝑡𝑡) = 𝑒𝑒 𝑎𝑎𝑎𝑎 𝑥𝑥(0) 21
El método anterior se extiende a la ecuación de estado homogénea
𝑥𝑥̇ (𝑡𝑡) = 𝐴𝐴𝐴𝐴 (𝑡𝑡)
∞
𝐴𝐴𝐴𝐴
𝐴𝐴𝑘𝑘 𝑡𝑡 𝑘𝑘
𝑒𝑒 =�
𝑘𝑘!
𝑘𝑘=0

𝑋𝑋(𝑠𝑠) = (𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 𝑥𝑥(0)

𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑥𝑥(𝑡𝑡) 22
Matriz de transición de estados
Se puede escribir la solución de la ecuación de estado homogénea 𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 como:
𝑥𝑥 (𝑡𝑡) = ∅(𝑡𝑡)𝑥𝑥(0)
Donde ∅(𝑡𝑡) es una matriz de 𝑛𝑛 × 𝑛𝑛 y la única solución de
∅̇ = 𝐴𝐴∅(𝑡𝑡), ∅(0) = 𝐼𝐼
𝑥𝑥 (0) = ∅(0)𝑥𝑥 (0) = 𝑥𝑥(0)
𝑥𝑥̇ (𝑡𝑡) = ∅̇𝑥𝑥(0) = 𝐴𝐴∅(𝑡𝑡)𝑥𝑥(0) = 𝐴𝐴𝐴𝐴(𝑡𝑡)
∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 = ℒ −1 [(𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 ]
∅−1 (𝑡𝑡) = 𝑒𝑒 −𝐴𝐴𝐴𝐴 = ∅(−𝑡𝑡)

Si los valores propios𝜆𝜆1 , 𝜆𝜆2 , ⋯ , 𝜆𝜆𝑛𝑛 de la matriz A son distintos, entonces ∅(𝑡𝑡)
contendrá las 𝑛𝑛 exponenciales
𝑒𝑒 𝜆𝜆 1 , 𝑒𝑒 𝜆𝜆 2 , … , 𝑒𝑒 𝜆𝜆 𝑛𝑛
En particular, si la matriz A es diagonal, entonces
𝑒𝑒 𝜆𝜆 1 0 23
𝜆𝜆 2
∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 = � 𝑒𝑒 �
⋱
0 𝑒𝑒 𝜆𝜆 𝑛𝑛
Si hay una multiplicidad en los valores característicos, por ejemplo, si los valores
característicos de A son
𝜆𝜆1 , 𝜆𝜆1 , 𝜆𝜆1 , 𝜆𝜆4 , 𝜆𝜆5 , ⋯ , 𝜆𝜆𝑛𝑛
Entonces ∅(𝑡𝑡) contendrá, además de las exponenciales 𝑒𝑒 𝜆𝜆 1 𝑡𝑡 , 𝑒𝑒 𝜆𝜆 4 𝑡𝑡 , 𝑒𝑒 𝜆𝜆 5 𝑡𝑡 , … , 𝑒𝑒 𝜆𝜆 𝑛𝑛 𝑡𝑡 ,
términos como 𝑡𝑡𝑒𝑒 𝜆𝜆 1 y 𝑡𝑡 2 𝑒𝑒 𝜆𝜆 1 𝑡𝑡.
Propiedades de la matriz de transición de estados
A continuación, se resumen las propiedades importantes de la matriz de
transición de estados ∅(𝑡𝑡). Para el sistema lineal e invariante con el tiempo
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴
Para lo cual
∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴
Se tienen las propiedades siguientes:
1. ∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴0 = 𝐼𝐼
2. ∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 = (𝑒𝑒 𝐴𝐴𝐴𝐴 )−1 = [∅(−𝑡𝑡)]−1 𝑜𝑜 ∅−𝑡𝑡 (𝑡𝑡) = ∅(−𝑡𝑡)
3. ∅(𝑡𝑡1 + 𝑡𝑡2 ) = 𝑒𝑒 𝐴𝐴(𝑡𝑡1 +𝑡𝑡2 ) = 𝑒𝑒 𝐴𝐴𝑡𝑡1 𝑒𝑒 𝐴𝐴𝑡𝑡2 = ∅(𝑡𝑡1 )∅(𝑡𝑡2 ) = ∅(𝑡𝑡2 )∅(𝑡𝑡1 )
4. [∅(𝑡𝑡)]𝑛𝑛 = ∅(𝑛𝑛𝑛𝑛)
5. ∅(𝑡𝑡2 − 𝑡𝑡1 ). ∅(𝑡𝑡1 − 𝑡𝑡0 ) = ∅(𝑡𝑡2 − 𝑡𝑡0 ) = ∅(𝑡𝑡1 − 𝑡𝑡0 )∅(𝑡𝑡2 − 𝑡𝑡1 )
EJEMPLO 1.6
Obtenga la matriz de transición de estados ∅(𝑡𝑡) del sistema siguiente
0 1
𝑥𝑥̇ = � � 𝑥𝑥
−2 −3
Obtenga también la inversa de la matriz de transición de estados, ∅−1 (𝑡𝑡).
Solución
∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 = ℒ −1 [(𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 ]
𝑠𝑠 0 0 1 𝑠𝑠 −1
𝑠𝑠𝑠𝑠 − 𝐴𝐴 = � �−� �=� �
0 𝑠𝑠 −2 −3 2 𝑠𝑠 + 3
𝑠𝑠 + 3 1
⎡ ⎤
1 𝑠𝑠 + 3 1 (𝑠𝑠 + 1)(𝑠𝑠 + 2) (𝑠𝑠 + 1)(𝑠𝑠 + 2)
(𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 = � �=⎢ ⎥
(𝑠𝑠 + 1)(𝑠𝑠 + 2) −2 𝑠𝑠 ⎢ −2 𝑠𝑠 ⎥
⎣(𝑠𝑠 + 1)(𝑠𝑠 + 2) (𝑠𝑠 + 1)(𝑠𝑠 + 2)⎦
𝑠𝑠 + 3 1
⎡ ⎤
⎛
−1 ⎢(𝑠𝑠 + 1)(𝑠𝑠 + 2) (𝑠𝑠 + 1)(𝑠𝑠 + 2)⎥⎞
∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 =ℒ ⎜ ⎟
⎢ −2 𝑠𝑠 ⎥
(𝑠𝑠 + 1)(𝑠𝑠 + 2) (𝑠𝑠 + 1)(𝑠𝑠 + 2)⎦
⎝⎣ ⎠

−𝑡𝑡 −2𝑡𝑡
∅(𝑡𝑡) = � 2𝑒𝑒 − 𝑒𝑒 𝑒𝑒 −𝑡𝑡 − 𝑒𝑒 −2𝑡𝑡 �
−2𝑒𝑒 −𝑡𝑡 + 2𝑒𝑒 −2𝑡𝑡 −𝑒𝑒 −𝑡𝑡 + 2𝑒𝑒 −2𝑡𝑡
Solución de ecuaciones de estado para el caso no homogéneo
Se comenzará considerando el caso escalar
𝑥𝑥̇ = 𝑎𝑎𝑎𝑎 + 𝑏𝑏𝑏𝑏 24
𝑥𝑥̇ − 𝑎𝑎𝑎𝑎 = 𝑏𝑏𝑏𝑏
Multiplicando por 𝑒𝑒 −𝑎𝑎𝑎𝑎

−𝑎𝑎𝑎𝑎 [
𝑑𝑑 −𝑎𝑎𝑎𝑎
𝑒𝑒 𝑥𝑥̇ − 𝑎𝑎𝑎𝑎] = [𝑒𝑒 𝑥𝑥(𝑡𝑡)] = 𝑒𝑒 −𝑎𝑎𝑎𝑎 𝑏𝑏𝑏𝑏(𝑡𝑡)
𝑑𝑑𝑑𝑑
𝑡𝑡
𝑎𝑎𝑎𝑎 𝑎𝑎𝑎𝑎 −𝑎𝑎𝑎𝑎
25
𝑥𝑥(𝑡𝑡) = 𝑒𝑒 𝑥𝑥(0) + 𝑒𝑒 � 𝑒𝑒 𝑏𝑏𝑏𝑏(𝜏𝜏)𝑑𝑑𝑑𝑑
0

El primer término del segundo miembro es la respuesta a las condiciones

iniciales y el segundo término es la respuesta a la entrada 𝑢𝑢(𝑡𝑡).
Ahora se considera la ecuación de estado no homogénea descrita mediante
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵
Donde
𝑥𝑥 =vector de dimensión 𝑛𝑛
𝑢𝑢 =vector de dimensión 𝑟𝑟
𝐴𝐴 =matriz de coeficientes constantes de 𝑛𝑛 × 𝑛𝑛
𝐵𝐵 =matriz de coeficientes constantes de 𝑛𝑛 × 𝑟𝑟
𝑥𝑥̇ (𝑡𝑡) − 𝐴𝐴𝐴𝐴(𝑡𝑡) = 𝐵𝐵𝐵𝐵(𝑡𝑡)
Multiplicando por 𝑒𝑒 −𝐴𝐴𝐴𝐴
𝑑𝑑 −𝐴𝐴𝐴𝐴
𝑒𝑒 −𝐴𝐴𝐴𝐴 [𝑥𝑥̇ (𝑡𝑡) − 𝐴𝐴𝐴𝐴 (𝑡𝑡)] = [𝑒𝑒 𝑥𝑥(𝑡𝑡)] = 𝑒𝑒 −𝐴𝐴𝐴𝐴 𝐵𝐵𝐵𝐵(𝑡𝑡)
𝑑𝑑𝑑𝑑
𝑡𝑡
26
𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑥𝑥 (0) + � 𝑒𝑒 𝐴𝐴(𝑡𝑡−𝜏𝜏) 𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑
0

La ecuación también se escribe como

𝑡𝑡
27
𝑥𝑥 (𝑡𝑡) = ∅(𝑡𝑡)𝑥𝑥(0) + � ∅(𝑡𝑡 − 𝜏𝜏)𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑
0
Método de la transformada de Laplace para la solución de ecuaciones de
estado del caso no homogéneo
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵
También puede obtenerse mediante el método de la transformada de Laplace
𝑠𝑠𝑠𝑠(𝑠𝑠) − 𝑥𝑥 (0) = 𝐴𝐴𝐴𝐴(𝑠𝑠) + 𝐵𝐵𝐵𝐵(𝑠𝑠)
(𝑠𝑠𝑠𝑠 − 𝐴𝐴)𝑋𝑋(𝑠𝑠) = 𝑥𝑥 (0) + 𝐵𝐵𝐵𝐵(𝑠𝑠)
𝑋𝑋(𝑠𝑠) = (𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 𝑥𝑥(0) + (𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 𝐵𝐵𝐵𝐵(𝑠𝑠)
𝑋𝑋(𝑠𝑠) = ℒ[𝑒𝑒 𝐴𝐴𝐴𝐴 ]𝑥𝑥 (0) + ℒ [𝑒𝑒 𝐴𝐴𝐴𝐴 ]𝐵𝐵𝐵𝐵(𝑠𝑠)
𝑡𝑡
29
𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 𝑥𝑥 (0) + � 𝑒𝑒 𝐴𝐴(𝑡𝑡−𝜏𝜏) 𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑
0

Solución en términos de 𝒙𝒙(𝒕𝒕𝟎𝟎 )

Hasta aquí se ha supuesto que el tiempo inicial es cero. Sin embargo, si el tiempo
inicial esta dado mediante 𝑡𝑡0 , en lugar de 0, la solución debe modificarse a
𝑡𝑡
𝐴𝐴(𝑡𝑡−𝑡𝑡 0 ) 𝐴𝐴(𝑡𝑡−𝜏𝜏)
30
𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝑥𝑥 (𝑡𝑡0 ) + � 𝑒𝑒 𝐵𝐵𝐵𝐵 (𝜏𝜏)𝑑𝑑𝑑𝑑
𝑡𝑡 0
EJEMPLO 1.7
Obtenga la respuesta en el tiempo del sistema siguiente
0 1 0
𝑥𝑥̇ = � � 𝑥𝑥 + � � 𝑢𝑢
−2 −3 1
Donde u(t) es la función escalón unitario que se presenta en t=0, o u(t)=1(t)
Para este sistema
0 1 0
𝐴𝐴 = � �, 𝐵𝐵 = � �
−2 −3 1
−𝑡𝑡 −2𝑡𝑡
∅(𝑡𝑡) = 𝑒𝑒 𝐴𝐴𝐴𝐴 = ℒ −1 [(𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 ] = � 2𝑒𝑒 −𝑡𝑡 − 𝑒𝑒 −2𝑡𝑡 𝑒𝑒 −𝑡𝑡 − 𝑒𝑒 −2𝑡𝑡 �
−2𝑒𝑒 + 2𝑒𝑒 −𝑒𝑒 −𝑡𝑡 + 2𝑒𝑒 −2𝑡𝑡
𝑡𝑡
𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝑥𝑥 (0) + � 𝑒𝑒 𝐴𝐴(𝑡𝑡−𝜏𝜏) 𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑
𝐴𝐴𝐴𝐴
0
−(𝑡𝑡−𝜏𝜏 ) −2(𝑡𝑡−𝜏𝜏 )
∅(𝑡𝑡 − 𝜏𝜏) = 𝑒𝑒 𝐴𝐴(𝑡𝑡−𝜏𝜏 )
=� 2𝑒𝑒 − 𝑒𝑒 𝑒𝑒 −(𝑡𝑡−𝜏𝜏 ) − 𝑒𝑒 −2(𝑡𝑡−𝜏𝜏 ) �
−2𝑒𝑒 −(𝑡𝑡−𝜏𝜏 ) + 2𝑒𝑒 −2(𝑡𝑡−𝜏𝜏 ) −𝑒𝑒 −(𝑡𝑡−𝜏𝜏 ) + 2𝑒𝑒 −2(𝑡𝑡−𝜏𝜏 )
𝑡𝑡
−(𝑡𝑡−𝜏𝜏 ) −2(𝑡𝑡−𝜏𝜏 )
𝑥𝑥(𝑡𝑡) = 𝑒𝑒 𝑥𝑥(0) + � � 2𝑒𝑒 −(𝑡𝑡−𝜏𝜏 ) − 𝑒𝑒 −2(𝑡𝑡−𝜏𝜏 )
𝐴𝐴𝐴𝐴 𝑒𝑒 −(𝑡𝑡−𝜏𝜏 ) − 𝑒𝑒 −2(𝑡𝑡−𝜏𝜏 ) � �0� [1]𝑑𝑑𝑑𝑑
0 −2𝑒𝑒 + 2𝑒𝑒 −𝑒𝑒 −(𝑡𝑡−𝜏𝜏 ) + 2𝑒𝑒 −2(𝑡𝑡−𝜏𝜏 ) 1
1 1
𝑥𝑥1 (𝑡𝑡) 2𝑒𝑒 −𝑡𝑡
− 𝑒𝑒 −2𝑡𝑡
𝑒𝑒 −𝑡𝑡 − 𝑒𝑒 −2𝑡𝑡 � �𝑥𝑥1 (0)� + � − 𝑒𝑒 −𝑡𝑡 + 𝑒𝑒 −2𝑡𝑡 �
� �=� 2 2
𝑥𝑥2 (𝑡𝑡) −2𝑒𝑒 −𝑡𝑡 + 2𝑒𝑒 −2𝑡𝑡 −𝑒𝑒 −𝑡𝑡 + 2𝑒𝑒 −2𝑡𝑡 𝑥𝑥2 (0)
𝑒𝑒 − 𝑒𝑒 −2𝑡𝑡
−𝑡𝑡

1 1 −2𝑡𝑡
𝑥𝑥1 (𝑡𝑡) − 𝑒𝑒 −𝑡𝑡
+ 𝑒𝑒 �
� � = �2 2
𝑥𝑥2 (𝑡𝑡)
𝑒𝑒 −𝑡𝑡 − 𝑒𝑒 −2𝑡𝑡
1.1 RESULTADOS ÚTILES EN EL ANÁLISIS MATRICIAL
Teorema de Cayley-Hamilton
Considérese una matriz A de 𝑛𝑛 × 𝑛𝑛 y su ecuación característica:
|𝜆𝜆𝜆𝜆 − 𝐴𝐴| = 𝜆𝜆𝑛𝑛 + 𝑎𝑎1 𝜆𝜆𝑛𝑛−1 + ⋯ + 𝑎𝑎𝑛𝑛 −1 𝜆𝜆 + 𝑎𝑎𝑛𝑛 = 0 31
El teorema de Cayley-Hamilton expresa que la matriz A satisface su propia
ecuación característica
𝐴𝐴𝑛𝑛 + 𝑎𝑎1 𝐴𝐴𝑛𝑛−1 + ⋯ + 𝑎𝑎𝑛𝑛 −1 𝐴𝐴 + 𝑎𝑎𝑛𝑛 𝐼𝐼 = 0 32

Polinomio mínimo
El teorema de Cayley-Hamilton asegura que toda matriz A de 𝑛𝑛 × 𝑛𝑛 satisface su
propia ecuación característica. Sin embargo, la ecuación característica no
necesariamente es la ecuación escalar de grado mínimo que A satisface. El
polinomio de grado mínimo que tiene a A como raíz se denomina polinomio
mínimo. Es decir, el polinomio mínimo de la matriz A de 𝑛𝑛 × 𝑛𝑛 se define como el
polinomio 𝜑𝜑(𝜆𝜆) de grado mínimo.
𝜑𝜑(𝜆𝜆) = 𝜆𝜆𝑚𝑚 + 𝑎𝑎1 𝜆𝜆𝑚𝑚−1 + ⋯ + 𝑎𝑎𝑚𝑚 −1 𝜆𝜆 + 𝑎𝑎𝑚𝑚 , 𝑚𝑚 ≤ 𝑛𝑛 33
Tal que 𝜑𝜑(𝐴𝐴) = 0
𝜑𝜑(𝐴𝐴) = 𝐴𝐴𝑚𝑚 + 𝑎𝑎1 𝐴𝐴𝑚𝑚−1 + ⋯ + 𝑎𝑎𝑚𝑚 −1 𝐴𝐴 + 𝑎𝑎𝑚𝑚 𝐼𝐼 = 0 34
Matriz exponencial 𝒆𝒆𝑨𝑨𝑨𝑨
Existen varios métodos para la determinación de 𝑒𝑒 𝐴𝐴𝐴𝐴
Calculo de 𝒆𝒆𝑨𝑨𝑨𝑨: método 1
Si la matriz A se transforma en diagonal, entonces 𝑒𝑒 𝐴𝐴𝐴𝐴 se obtiene mediante
𝑒𝑒 𝜆𝜆 1 𝑡𝑡 0 35
𝐴𝐴𝐴𝐴 𝐷𝐷𝐷𝐷 −1
𝑒𝑒 = 𝑃𝑃𝑒𝑒 𝑃𝑃 = 𝑃𝑃 � 𝑒𝑒 𝜆𝜆 2 𝑡𝑡 � 𝑃𝑃−1
⋱
0 𝑒𝑒 𝜆𝜆 𝑛𝑛 𝑡𝑡
Donde P es la matriz de diagonalización para A. si la matriz A se transforma en
una forma canónica de Jordan, entonces 𝑒𝑒 𝐴𝐴𝐴𝐴 se obtiene mediante
𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝑆𝑆𝑒𝑒 𝐽𝐽𝐽𝐽 𝑆𝑆 −1 36
EJEMPLO 1.8
Como ejemplo considérese la siguiente matriz A:
0 1 0
𝐴𝐴 = � 0 0 1�
−3 −3 3
La ecuación característica es
|𝜆𝜆𝜆𝜆 − 𝐴𝐴| = 𝜆𝜆3 − 3𝜆𝜆2 + 3𝜆𝜆 − 1 = (𝜆𝜆 − 1)3 = 0
Por lo tanto la matriz A tiene un valor propio múltiple de orden 3 en 𝜆𝜆 = 1 . se
puede demostrar que la matriz A tiene un vector propio múltiple de orden 3. La
matriz de transformación que convertirá la matriz A a su forma canónica de
Jordan viene dada por
1 0 0
𝑆𝑆 = �1 1 0�
1 2 1
1 0 0
−1
𝑆𝑆 = �−1 1 0�
1 2 1
1 0 0 0 1 0 1 0 0 1 1 0
−1
𝑆𝑆 𝐴𝐴𝐴𝐴 = �−1 1 0� � 0 0 1� �−1 1 0� = �0 1 1� = 𝐽𝐽
1 2 1 −3 −3 3 1 2 1 0 0 1
Si se tiene en cuenta que

𝑡𝑡 𝑡𝑡
1 2 𝑡𝑡
𝑒𝑒 𝑡𝑡𝑒𝑒 𝑡𝑡 𝑒𝑒
𝑒𝑒 𝐽𝐽𝐽𝐽 = � 2 �
0 𝑒𝑒 𝑡𝑡 𝑡𝑡𝑒𝑒 𝑡𝑡

0 0 𝑒𝑒 𝑡𝑡
Se encuentra que

𝑡𝑡
1 2 𝑡𝑡
𝑡𝑡
1 0 0 𝑒𝑒 𝑡𝑡𝑒𝑒 𝑡𝑡 𝑒𝑒 1 0 0
𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝑆𝑆𝑒𝑒 𝐽𝐽𝐽𝐽 𝑆𝑆 −1 = �1 1 0� � 2 � �−1 1 0�
𝑡𝑡 𝑡𝑡
1 2 1 0 𝑒𝑒 𝑡𝑡𝑒𝑒
𝑡𝑡 1 2 1
0 0 𝑒𝑒
𝑡𝑡 𝑡𝑡
1 2 𝑡𝑡 𝑡𝑡 2 𝑡𝑡
1 2 𝑡𝑡
⎡𝑒𝑒 − 𝑡𝑡𝑒𝑒 + 𝑡𝑡 𝑒𝑒 𝑡𝑡𝑒𝑒 − 𝑡𝑡 𝑒𝑒 𝑡𝑡 𝑒𝑒 ⎤
⎢ 2 2 ⎥
1 1
𝑒𝑒 𝐴𝐴𝐴𝐴 = ⎢ 𝑡𝑡 2 𝑒𝑒 𝑡𝑡 𝑒𝑒 𝑡𝑡 − 𝑡𝑡𝑒𝑒 𝑡𝑡 − 𝑡𝑡 2 𝑒𝑒 𝑡𝑡 𝑡𝑡𝑒𝑒 𝑡𝑡 + 𝑡𝑡 2 𝑒𝑒 𝑡𝑡 ⎥
⎢ 2 2 ⎥
⎢ 𝑡𝑡
1 2 𝑡𝑡 𝑡𝑡 2 𝑡𝑡 𝑡𝑡 𝑡𝑡
1 2 𝑡𝑡 ⎥
⎣ 𝑡𝑡𝑒𝑒 + 2 𝑡𝑡 𝑒𝑒 −3𝑡𝑡𝑒𝑒 − 𝑡𝑡 𝑒𝑒 𝑒𝑒 + 2𝑡𝑡𝑒𝑒 + 𝑡𝑡 𝑒𝑒 ⎦
2
Cálculo de 𝒆𝒆𝑨𝑨𝑨𝑨: método 2
El segundo método para calcular 𝑒𝑒 𝐴𝐴𝐴𝐴 utiliza el método de la transformada de
Laplace y se obtiene del siguiente modo:
𝑒𝑒 𝐴𝐴𝐴𝐴 = ℒ −1 [(𝑠𝑠𝑠𝑠 − 𝐴𝐴)−1 ] 37
EJEMPLO 1.9
Considere la matriz A siguiente
0 1
𝐴𝐴 = � �
0 −2
Calcule 𝑒𝑒 𝐴𝐴𝐴𝐴 mediante los dos métodos analíticos presentados previamente.
Método 1. Los valores propios de A son 𝜆𝜆1 = 0, 𝜆𝜆2 = −2 . la matriz P es
1
1 1 1
1 1 2 �
𝑃𝑃 = � �=� �, 𝑃𝑃 −1 =�
𝜆𝜆1 𝜆𝜆2 0 −2 1
0 −
2
𝜆𝜆 1 𝑡𝑡
𝑒𝑒 𝐷𝐷𝐷𝐷 = �𝑒𝑒 0 � = �1 0
−2𝑡𝑡 �
0 𝜆𝜆 2 𝑡𝑡
𝑒𝑒 0 𝑒𝑒
1
1 1
𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝑃𝑃𝑒𝑒 𝐷𝐷𝐷𝐷 𝑃𝑃−1 =�
1 1 1
��
0 2 1 (1 − 𝑒𝑒 −2𝑡𝑡 )�
−2𝑡𝑡 � � 1
�=� 2
0 −2 0 𝑒𝑒
0 − 0 𝑒𝑒 −2𝑡𝑡
2
Método 2
𝑠𝑠 0 0 1 𝑠𝑠 −1
𝑠𝑠𝑠𝑠 − 𝐴𝐴 = � �−� �=� �
0 𝑠𝑠 0 −2 0 𝑠𝑠 + 2
1 1
⎡ ⎤
−1 ⎢ 𝑠𝑠 𝑠𝑠(𝑠𝑠 + 2)⎥
(𝑠𝑠𝑠𝑠 − 𝐴𝐴) =
⎢ 1 ⎥
⎣0 𝑠𝑠 + 2 ⎦
1
𝑒𝑒 𝐴𝐴𝐴𝐴 −1 [
= ℒ (𝑠𝑠𝑠𝑠 − 𝐴𝐴) −1 ]
=� 1 (1 − 𝑒𝑒 −2𝑡𝑡 )�
2
0 𝑒𝑒 −2𝑡𝑡
Calculo de 𝒆𝒆𝑨𝑨𝑨𝑨: método 3 Interpolación de Sylvester
Caso 1: el polinomio mínimo de A solo contiene raíces distintas. Se supondrá
que el grado del polinomio mínimo de A es m.
Utilizando la fórmula de interpolación de Sylvester, se demuestra que 𝑒𝑒 𝐴𝐴𝐴𝐴 se
obtiene resolviendo la ecuación determinante siguiente:
1 𝜆𝜆1 𝜆𝜆21 ⋯ 𝜆𝜆𝑚𝑚−1
1 𝑒𝑒 𝜆𝜆 1 𝑡𝑡 38
�1 𝜆𝜆2 𝜆𝜆22 ⋯ 𝜆𝜆𝑚𝑚
2
−1
𝑒𝑒 𝜆𝜆 2 𝑡𝑡 �
⋮ ⋮ ⋮ ⋮ =0
�⋮ 𝜆𝜆 𝑚𝑚 𝑡𝑡 �
1 𝜆𝜆𝑚𝑚 𝜆𝜆2𝑚𝑚 𝑚𝑚−1
⋯ 𝜆𝜆𝑚𝑚 𝑒𝑒
1 𝐴𝐴 𝐴𝐴2 ⋯ 𝐴𝐴𝑚𝑚−1 𝑒𝑒 𝐴𝐴𝐴𝐴
Obsérvese que al despejar 𝑒𝑒 𝐴𝐴𝐴𝐴 es lo mismo que escribir
𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝛼𝛼0 (𝑡𝑡)𝐼𝐼 + 𝛼𝛼1 (𝑡𝑡)𝐴𝐴 + 𝛼𝛼2 (𝑡𝑡)𝐴𝐴2 + ⋯ + 𝛼𝛼𝑚𝑚−1 (𝑡𝑡)𝐴𝐴𝑚𝑚−1 39
Y determinar 𝛼𝛼𝑘𝑘 (𝑡𝑡) (𝑘𝑘 = 0, 1, 2, … , 𝑚𝑚 − 1) resolviendo el siguiente conjunto de m
ecuaciones para 𝛼𝛼𝑘𝑘 (𝑡𝑡):
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆1 + 𝛼𝛼2 (𝑡𝑡)𝜆𝜆21 + ⋯ + 𝛼𝛼𝑚𝑚−1 (𝑡𝑡)𝜆𝜆𝑚𝑚
1
−1
= 𝑒𝑒 𝜆𝜆 1 𝑡𝑡 40
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆2 + 𝛼𝛼2 (𝑡𝑡)𝜆𝜆22 + ⋯ + 𝛼𝛼𝑚𝑚−1 (𝑡𝑡)𝜆𝜆𝑚𝑚
2
−1
= 𝑒𝑒 𝜆𝜆 2 𝑡𝑡
⋮
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆𝑚𝑚 + 𝛼𝛼2 (𝑡𝑡)𝜆𝜆2𝑚𝑚 + ⋯ + 𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝜆𝜆𝑚𝑚−1
𝑚𝑚 = 𝑒𝑒 𝜆𝜆 𝑚𝑚 𝑡𝑡
Si A es una matriz de 𝑛𝑛 × 𝑛𝑛 y tiene valores propios distintos, el número de las
𝛼𝛼𝑘𝑘 (𝑡𝑡) que hay que determinar es 𝑚𝑚 = 𝑛𝑛.
Sin embargo, si A contiene valores propios múltiples, pero su polinomio mínimo
solo tiene raíces múltiples, el numero m de las 𝛼𝛼𝑘𝑘 (𝑡𝑡) a determinar es menor que
n.
Caso 2: el polinomio mínimo de A solo contiene raíces múltiples. Como ejemplo,
considérese el caso en el que el polinomio de A contiene tres raíces iguales (𝜆𝜆1 =
𝜆𝜆2 = 𝜆𝜆3 ) y el resto distintas (𝜆𝜆4 , 𝜆𝜆5 , … 𝜆𝜆𝑚𝑚 ). Aplicando la fórmula de interpolación
de Sylvester, se demuestra que 𝑒𝑒 𝐴𝐴𝐴𝐴 se obtiene a partir de la ecuación
determinante siguiente:
(𝑚𝑚 − 1)(𝑚𝑚 − 2) 𝑚𝑚 −3 𝑡𝑡 2 𝜆𝜆 𝑡𝑡 41
0 0 1 3𝜆𝜆1 ⋯ 𝜆𝜆1 𝑒𝑒 1
� 2 2 �
2 𝑚𝑚−2 𝜆𝜆 𝑡𝑡
0 1 2𝜆𝜆1 3𝜆𝜆1 ⋯ (𝑚𝑚 − 1)𝜆𝜆1 𝑡𝑡𝑡𝑡 1

𝜆𝜆21 𝜆𝜆31 ⋯ 𝜆𝜆𝑚𝑚 −1

𝑒𝑒 𝜆𝜆 1 𝑡𝑡
�1 𝜆𝜆1 2 3
1
𝑚𝑚−1 𝜆𝜆 𝑡𝑡
�=0
1 𝜆𝜆4 𝜆𝜆4 𝜆𝜆4 ⋯ 𝜆𝜆4 𝑒𝑒 4

⋮ ⋮ ⋮ ⋮ ⋯ ⋮ ⋮
�1 𝜆𝜆 �
𝑚𝑚 𝜆𝜆2𝑚𝑚 𝜆𝜆3𝑚𝑚 ⋯ 𝜆𝜆𝑚𝑚 𝑚𝑚
−1
𝑒𝑒 𝜆𝜆 𝑚𝑚 𝑡𝑡
𝐼𝐼 𝐴𝐴 𝐴𝐴2 𝐴𝐴3 ⋯ 𝐴𝐴𝑚𝑚−1 𝑒𝑒 𝐴𝐴𝐴𝐴
Obsérvese que al despejar 𝑒𝑒 𝐴𝐴𝐴𝐴 es lo mismo que escribir
𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝛼𝛼0 (𝑡𝑡)𝐼𝐼 + 𝛼𝛼1 (𝑡𝑡)𝐴𝐴 + 𝛼𝛼2 (𝑡𝑡)𝐴𝐴2 + ⋯ + 𝛼𝛼𝑚𝑚−1 (𝑡𝑡)𝐴𝐴𝑚𝑚−1 42
y determinar 𝛼𝛼𝑘𝑘 (𝑡𝑡) (𝑘𝑘 = 0, 1, 2, … , 𝑚𝑚 − 1) resolviendo el siguiente conjunto de m
ecuaciones para 𝛼𝛼𝑘𝑘 (𝑡𝑡):
(𝑚𝑚 − 1)(𝑚𝑚 − 2) 𝑚𝑚−3
𝑡𝑡 2 𝜆𝜆 𝑡𝑡 43
𝛼𝛼2 (𝑡𝑡) + 3𝛼𝛼3 (𝑡𝑡)𝜆𝜆1 + ⋯ + 𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝜆𝜆1 = 𝑒𝑒 1
2 2
𝛼𝛼1 (𝑡𝑡) + 2𝛼𝛼2 (𝑡𝑡)𝜆𝜆1 + 3𝛼𝛼3 (𝑡𝑡)𝜆𝜆21 + ⋯ + (𝑚𝑚 − 1)𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝜆𝜆𝑚𝑚−2
2 = 𝑡𝑡𝑡𝑡 𝜆𝜆 1 𝑡𝑡
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆1 + 𝛼𝛼2 (𝑡𝑡)𝜆𝜆21 + ⋯ + 𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝜆𝜆𝑚𝑚−1
1 = 𝑒𝑒 𝜆𝜆 1 𝑡𝑡
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆4 + 𝛼𝛼2 (𝑡𝑡)𝜆𝜆24 + ⋯ + 𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝜆𝜆𝑚𝑚−1
4 = 𝑒𝑒 𝜆𝜆 4 𝑡𝑡
⋮
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆𝑚𝑚 + 𝛼𝛼2 (𝑡𝑡)𝜆𝜆2𝑚𝑚 + ⋯ + 𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝜆𝜆𝑚𝑚−1
𝑚𝑚 = 𝑒𝑒 𝜆𝜆 𝑚𝑚 𝑡𝑡
Es evidente la extensión a otros casos en los que, por ejemplo, hay dos o más
conjuntos de raíces múltiples. Obsérvese que, si no se encuentra el polinomio
mínimo de A, puede sustituirse el polinomio característico por el polinomio
mínimo.
EJEMPLO 1.10
Para la matriz A; calcule 𝑒𝑒 𝐴𝐴𝐴𝐴 utilizando la fórmula de Interpolación de Sylvester
0 1
𝐴𝐴 = � �
0 −2
Solución
Calculo de la ecuación característica
𝜆𝜆 0 0 1 𝜆𝜆 −1
𝜆𝜆𝜆𝜆 − 𝐴𝐴 = � �−� �=� �
0 𝜆𝜆 0 −2 0 𝜆𝜆 + 2
|𝜆𝜆𝜆𝜆 − 𝐴𝐴| = �𝜆𝜆 −1
� = 𝜆𝜆 (𝜆𝜆 + 2) = 0, 𝜆𝜆 = 0, −2, (𝜆𝜆1 = 0, 𝜆𝜆2 = −2)
0 𝜆𝜆 + 2
Por la fórmula de interpolación de Sylvester
1 𝜆𝜆1 𝑒𝑒 𝜆𝜆 1 𝑡𝑡 1 0 1
�1 𝜆𝜆 2 𝑡𝑡 � = �1 −2𝑡𝑡 � =0
𝜆𝜆2 𝑒𝑒 −2 𝑒𝑒
𝐴𝐴𝐴𝐴
𝐼𝐼 𝐴𝐴 𝑒𝑒 𝐴𝐴𝐴𝐴 𝐼𝐼 𝐴𝐴 𝑒𝑒
Desarrollando el determinante
−2𝑒𝑒 𝐴𝐴𝐴𝐴 + 𝐴𝐴 + 2𝐼𝐼 − 𝐴𝐴𝑒𝑒 −2𝑡𝑡 = 0
1
𝑒𝑒 𝐴𝐴𝐴𝐴 = (𝐴𝐴 + 2𝐼𝐼 − 𝐴𝐴𝑒𝑒 −2𝑡𝑡 )
2
1 0 1
𝑒𝑒 𝐴𝐴𝐴𝐴
= ��
1
�+�
2 0
�−�
0 1
� 𝑒𝑒 −2𝑡𝑡 � = 𝑒𝑒 𝐴𝐴𝐴𝐴 = �1 (1 − 𝑒𝑒 −2𝑡𝑡 )�
2 0 −2 0 2 0 −2 2
0 𝑒𝑒 −2𝑡𝑡
Un enfoque alternativo es usar la ecuación 11.48. En primer lugar se determinan
𝛼𝛼0 (𝑡𝑡) y 𝛼𝛼1 (𝑡𝑡) a partir de
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆1 = 𝑒𝑒 𝜆𝜆 1 𝑡𝑡
𝛼𝛼0 (𝑡𝑡) + 𝛼𝛼1 (𝑡𝑡)𝜆𝜆2 = 𝑒𝑒 𝜆𝜆 2 𝑡𝑡
𝛼𝛼0 (𝑡𝑡) = 1
𝛼𝛼0 (𝑡𝑡) − 2𝛼𝛼1 (𝑡𝑡) = 𝑒𝑒 −2𝑡𝑡
𝛼𝛼0 (𝑡𝑡) = 1
1
𝛼𝛼1 (𝑡𝑡) = (1 − 𝑒𝑒 −2𝑡𝑡 )
2
1
𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝛼𝛼0 (𝑡𝑡)𝐼𝐼 + 𝛼𝛼1 (𝑡𝑡)𝐴𝐴 = 𝐼𝐼 + (1 − 𝑒𝑒 −2𝑡𝑡 )𝐴𝐴
2
1 −2𝑡𝑡
𝐴𝐴𝐴𝐴
𝑒𝑒 = � 2 1 (1 − 𝑒𝑒 )�
0 𝑒𝑒 −2𝑡𝑡
EJEMPLO 1.11
Utilizando la fórmula de interpolación de Sylvester, calcule 𝑒𝑒 𝐴𝐴𝐴𝐴 , donde
2 1 4
𝐴𝐴 = �0 2 0�
0 3 1

Solución
Hallando las raíces características
|𝜆𝜆𝐼𝐼 − 𝐴𝐴| = 0
𝜆𝜆 0 0 2 1 4 𝜆𝜆 − 2 −1 −4
𝜆𝜆𝜆𝜆 − 𝐴𝐴 = �0 𝜆𝜆 0� − �0 2 0� = � 0 𝜆𝜆 − 2 0 �
0 0 𝜆𝜆 0 3 1 0 −3 𝜆𝜆 − 1
El polinomio característico (polinomio mínimo) es
𝜆𝜆 − 2 −1 −4
𝜙𝜙(𝜆𝜆) = � 0 𝜆𝜆 − 2 0 � = (𝜆𝜆 − 2)(𝜆𝜆 − 2)(𝜆𝜆 − 1) = 0
0 −3 𝜆𝜆 − 1
𝜆𝜆 = 2, 2, 1 (𝜆𝜆1 = 2, 𝜆𝜆2 = 2, 𝜆𝜆3 = 1)
Como se presenta raíces múltiples hay que aplicar el segundo caso de la fórmula
de interpolación de Sylvester. Despejando del polinomio de interpolación de
Sylvester
 𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝛼𝛼0 (𝑡𝑡)𝐼𝐼 + 𝛼𝛼1 (𝑡𝑡)𝐴𝐴 + 𝛼𝛼2 (𝑡𝑡)𝐴𝐴2 + ⋯ + 𝛼𝛼𝑚𝑚 −1 (𝑡𝑡)𝐴𝐴𝑚𝑚−1
Para este caso 𝑚𝑚 = 3, 𝑒𝑒 𝐴𝐴𝐴𝐴 = 𝛼𝛼0 𝐼𝐼 + 𝛼𝛼1 𝐴𝐴 + 𝛼𝛼2 𝐴𝐴2
De la fórmula de interpolación
𝛼𝛼1 + 4𝛼𝛼2 = 𝑡𝑡𝑒𝑒 𝑡𝑡
𝛼𝛼0 + 2𝛼𝛼1 + 4𝛼𝛼2 = 𝑒𝑒 2𝑡𝑡
𝛼𝛼0 + 𝛼𝛼1 + 𝛼𝛼2 = 𝑒𝑒 𝑡𝑡
Resolviendo el sistema
𝛼𝛼0 = 4𝑒𝑒 𝑡𝑡 − 3𝑒𝑒 2𝑡𝑡 + 2𝑡𝑡𝑒𝑒 𝑡𝑡
𝛼𝛼1 = −4𝑒𝑒 𝑡𝑡 + 4𝑒𝑒 2𝑡𝑡 − 3𝑡𝑡𝑒𝑒 𝑡𝑡
𝛼𝛼2 = 𝑒𝑒 𝑡𝑡 − 𝑒𝑒 2𝑡𝑡 + 𝑡𝑡𝑒𝑒 𝑡𝑡
Reemplazando
𝑒𝑒 𝐴𝐴𝐴𝐴 = (4𝑒𝑒 𝑡𝑡 − 3𝑒𝑒 2𝑡𝑡 + 2𝑡𝑡𝑒𝑒 𝑡𝑡 )𝐼𝐼 + (−4𝑒𝑒 𝑡𝑡 + 4𝑒𝑒 2𝑡𝑡 − 3𝑡𝑡𝑒𝑒 𝑡𝑡 )𝐴𝐴 + (𝛼𝛼2 = 𝑒𝑒 𝑡𝑡 − 𝑒𝑒 2𝑡𝑡 + 𝑡𝑡𝑒𝑒 𝑡𝑡 )𝐴𝐴2
𝑒𝑒 2𝑡𝑡 12𝑒𝑒 𝑡𝑡 − 12𝑒𝑒 2𝑡𝑡 + 13𝑡𝑡𝑒𝑒 𝑡𝑡 −4𝑒𝑒 𝑡𝑡 + 4𝑒𝑒 2𝑡𝑡
𝑒𝑒 𝐴𝐴𝐴𝐴 =� 0 𝑒𝑒 2𝑡𝑡 0 �
0 −3𝑒𝑒 𝑡𝑡 + 3𝑒𝑒 2𝑡𝑡 𝑒𝑒 𝑡𝑡
1.1 CONTROLABILIDAD
Se dice que un sistema es controlable en el tiempo 𝑡𝑡0 si se puede transferir desde
cualquier estado inicial 𝑥𝑥(𝑡𝑡0 ) a cualquier otro estado, mediante un vector de
control sin restricciones, en un intervalo de tiempo finito.
Sea el sistema en tiempo continuo
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵
donde:
𝑥𝑥 = 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑑𝑑𝑑𝑑 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 (𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛)
𝑢𝑢 = 𝑠𝑠𝑠𝑠ñ𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 (𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒)
𝐴𝐴 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑛𝑛 × 𝑛𝑛
𝐵𝐵 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑟𝑟𝑟𝑟𝑟𝑟 𝑑𝑑𝑒𝑒 𝑛𝑛 × 1

Se dice que este sistema descrito es de estado controlable en 𝑡𝑡 = 𝑡𝑡0 , si es

posible construir una señal de control sin restricciones que transfiera un estado
inicial a cualquier estado final en un intervalo de tiempo finito 𝑡𝑡0 ≤ 𝑡𝑡 ≤ 𝑡𝑡1 . Si todos
los estados son controlables, se dice que el sistema es de estado completamente
controlable.
La solución de este sistema es
𝑡𝑡
𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝑥𝑥 (0) + � 𝑒𝑒 𝐴𝐴(𝑡𝑡−𝜏𝜏) 𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑
𝐴𝐴𝐴𝐴
0
Aplicando la definición de controlabilidad completa del estado recién establecida,
se tiene que
𝑡𝑡 1
𝑥𝑥 (𝑡𝑡1 ) = 0 = 𝑒𝑒 𝐴𝐴𝑡𝑡 1 𝑥𝑥(0) + � 𝑒𝑒 𝐴𝐴(𝑡𝑡 1 −𝜏𝜏) 𝐵𝐵𝐵𝐵 (𝜏𝜏)𝑑𝑑𝑑𝑑
0
𝑡𝑡 1
𝑥𝑥 (0) = − � 𝑒𝑒 −𝐴𝐴𝐴𝐴 𝐵𝐵𝐵𝐵 (𝜏𝜏)𝑑𝑑𝑑𝑑
0
𝑛𝑛 −1

𝑒𝑒 −𝐴𝐴𝐴𝐴 = � 𝛼𝛼𝑘𝑘 (𝜏𝜏)𝐴𝐴𝑘𝑘

𝑘𝑘=0

Sustituyendo se obtiene
𝑛𝑛−1 𝑡𝑡 1
𝑥𝑥 (0) = − � 𝐴𝐴𝑘𝑘 𝐵𝐵 � 𝛼𝛼𝑘𝑘 (𝜏𝜏)𝑢𝑢(𝜏𝜏)𝑑𝑑𝑑𝑑
𝑘𝑘=0 0

Si se define
𝑡𝑡 1
� 𝛼𝛼𝑘𝑘 (𝜏𝜏)𝑢𝑢(𝜏𝜏)𝑑𝑑𝑑𝑑 = 𝛽𝛽𝑘𝑘
0
𝑛𝑛−1

𝑥𝑥 (0) = − � 𝐴𝐴𝑘𝑘 𝐵𝐵𝛽𝛽𝑘𝑘

𝑘𝑘=0
 𝛽𝛽0
𝛽𝛽1
= −[𝐵𝐵 𝐴𝐴𝐴𝐴 ⋯ 𝐴𝐴𝑛𝑛−1 𝐵𝐵] � ⋮ �
𝛽𝛽𝑛𝑛 −1

Si el sistema es de estado completamente controlable, entonces, dado cualquier

estado inicial 𝑥𝑥(0), la ecuación 11.55 debe satisfacerse. Esto requiere que el
rango de la matriz 𝑛𝑛 × 𝑛𝑛 de orden n
[𝐵𝐵 𝐴𝐴𝐴𝐴 ⋯ 𝐴𝐴𝑛𝑛−1 𝐵𝐵]

De este análisis, se puede concluir la condición para controlabilidad completa del

estado de la forma siguiente. El sistema obtenido mediante la ecuación 11.51 es
de estado completamente controlable si y solo si los vectores 𝐵𝐵, 𝐴𝐴𝐴𝐴, … , 𝐴𝐴𝑛𝑛−1 𝐵𝐵
son linealmente independientes o la matriz 𝑛𝑛 × 𝑛𝑛, [𝐵𝐵 𝐴𝐴𝐴𝐴 ⋯ 𝐴𝐴𝑛𝑛−1 𝐵𝐵] es de
rango 𝑛𝑛.
El resultado obtenido se extiende al caso en el que el vector de control 𝑢𝑢 es de
dimensión 𝑟𝑟. Si el sistema se describe por
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵
donde 𝑢𝑢 es de dimensión 𝑟𝑟, se demuestra que la condición para controlabilidad
completa del estado es que la matriz 𝑛𝑛 × 𝑛𝑛𝑛𝑛
[𝐵𝐵 𝐴𝐴𝐵𝐵 ⋯ 𝐴𝐴𝑛𝑛−1 𝐵𝐵]
sea de rango 𝑛𝑛, o que tenga 𝑛𝑛 vectores columna linealmente independiente. La
matriz Mc
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴𝐴𝐴 ⋯ 𝐴𝐴𝑛𝑛−1 𝐵𝐵] 44
se conoce como matriz de controlabilidad.
EJEMPLO 1.12
Sea el sistema dado por
1 1 1
𝑥𝑥̇ = � � 𝑥𝑥 + � � 𝑢𝑢
0 −1 0
1 1
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴𝐴𝐴] = � �
0 0
La matriz Mc es singular, por lo tanto el sistema no es de estado completamente
controlable.

EJEMPLO 1.13
Sea el sistema dado por
1 1 0
𝑥𝑥̇ = � � 𝑥𝑥 + � � 𝑢𝑢
2 −1 1
0 1
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴𝐴𝐴] = � �
1 −1
La matriz Mc es no singular, por lo tanto el sistema es de estado completamente
controlable.
EJEMPLO 1.14
Los sistemas siguientes son de estado completamente controlable
−1 0 2
𝑥𝑥̇ = � � 𝑥𝑥 + � � 𝑢𝑢
0 −2 5
2 −2
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴. 𝐵𝐵] = � � , 𝑛𝑛𝑛𝑛 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐, det(𝑀𝑀𝑀𝑀 ) = −10
5 −10
−1 1 0 0
𝑥𝑥̇ = � 0 −1 0 � 𝑥𝑥 + �4� 𝑢𝑢
0 0 −2 3
0 4 −8
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴. 𝐵𝐵 𝐴𝐴2 . 𝐵𝐵] = �4 −4 4 � , 𝑛𝑛𝑛𝑛 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑏𝑏𝑙𝑙𝑙𝑙
3 −6 12
0 4 −8
det(𝑀𝑀𝑀𝑀 ) = �4 −4 4 � = −48, 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑎𝑎𝑏𝑏𝑏𝑏𝑏𝑏
3 −6 12
Condición para controlabilidad completa del estado en el plano s
La condición para controlabilidad completa del estado se puede plantear en
términos de funciones de transferencia o matrices de transferencia. Se puede
demostrar que una condición necesaria y suficiente para controlabilidad
completa del estado es que no ocurra una cancelación en la función de
transferencia o en la matriz de transferencia. Si ocurre una cancelación, el
sistema no puede controlarse en la dirección del modo cancelado.
EJEMPLO 1.15
Sea la función de transferencia siguiente
𝑋𝑋(𝑠𝑠) 𝑠𝑠 + 2.5
=
𝑈𝑈(𝑠𝑠) (𝑠𝑠 + 2.5)(𝑠𝑠 − 1)
Es evidente que ocurre una cancelación del factor 𝑠𝑠 + 2.5 en el numerador y el
denominador de esta función de transferencia. (Por lo tanto pierde un grado de
libertad.) Debido a esta cancelación, este sistema no es de estado
completamente controlable.
La misma condición se obtiene si se escribe esta función de transferencia en la
forma de una ecuación de estado. Una representación en el espacio de estados
es
0 1 1
𝑥𝑥̇ = � � 𝑥𝑥 + � � 𝑢𝑢
2.5 −1.5 1
1 1
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴. 𝐵𝐵] = � �
1 1
El rango de la matriz Mc es 1. Por lo tanto, llegamos a la misma conclusión: el
sistema no es de estado completamente controlable.
1.1 OBSERVABILIDAD
Se dice que un sistema es observable en el tiempo 𝑡𝑡0 si con el sistema en el
estado 𝑥𝑥(𝑡𝑡0 ), es posible determinar este a partir de la observación de la salida
𝑦𝑦(𝑡𝑡) durante un intervalo de tiempo finito.
Sea el sistema no forzado descrito mediante las ecuaciones siguientes:
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴, 𝑦𝑦 = 𝐶𝐶𝐶𝐶
donde
𝑥𝑥 = 𝑣𝑣𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑑𝑑𝑑𝑑 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 (𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑛𝑛)
𝑦𝑦 = 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑑𝑑𝑑𝑑 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 (𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑚𝑚
𝐴𝐴 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑛𝑛 × 𝑛𝑛
𝐶𝐶 = 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑚𝑚 × 𝑛𝑛
El concepto de observabilidad es muy importante porque, en la práctica, la
dificultad que se encuentra con el control mediante realimentación del estado es
que algunas de las variables de estado no son accesibles para una medición
directa, por lo que se hace necesario estimar las variables de estado no medibles
para construir las señales de control. Al analizar las condiciones de
observabilidad, se considera el sistema sin excitación.
La razón de esto es la siguiente. Si el sistema se describe mediante
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴 + 𝐵𝐵𝐵𝐵, 𝑦𝑦 = 𝐶𝐶𝐶𝐶 + 𝐷𝐷𝐷𝐷
𝑡𝑡
𝐴𝐴𝐴𝐴 𝐴𝐴(𝑡𝑡−𝜏𝜏 )
50
𝑥𝑥 (𝑡𝑡) = 𝑒𝑒 𝑥𝑥 (0) + � 𝑒𝑒 𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑
0

𝑡𝑡
𝐴𝐴𝐴𝐴 𝐴𝐴(𝑡𝑡−𝜏𝜏 )
51
𝑦𝑦(𝑡𝑡) = 𝐶𝐶𝐶𝐶 𝑥𝑥 (0) + 𝐶𝐶 � 𝑒𝑒 𝐵𝐵𝐵𝐵(𝜏𝜏)𝑑𝑑𝑑𝑑 + 𝐷𝐷𝐷𝐷
0

Como las matrices 𝐴𝐴, 𝐵𝐵, 𝐶𝐶 𝑦𝑦 𝐷𝐷 se conocen al igual que 𝑢𝑢(𝑡𝑡), los dos últimos
términos del segundo miembro de esta última ecuación son cantidades
conocidas. Por lo tanto, se puede restar del valor observado 𝑦𝑦(𝑡𝑡).
Observabilidad completa en tiempo continuo
Sea el sistema descrito mediante las ecuaciones
𝑥𝑥̇ = 𝐴𝐴𝐴𝐴, 𝑦𝑦 = 𝐶𝐶𝐶𝐶 52
El vector de salida es
𝑦𝑦(𝑡𝑡) = 𝐶𝐶𝑒𝑒 𝐴𝐴𝐴𝐴 𝑥𝑥(0) 53

Refiriéndose a las ecuaciones 11.48 y 11.50 se tiene que

𝑛𝑛 −1 54
𝐴𝐴𝐴𝐴 𝑘𝑘
𝑒𝑒 = � 𝛼𝛼𝑘𝑘 (𝑡𝑡)𝐴𝐴
𝑘𝑘=0

𝑛𝑛−1 55
𝑦𝑦(𝑡𝑡) = � 𝛼𝛼𝑘𝑘 (𝑡𝑡)𝐶𝐶𝐴𝐴𝑘𝑘 𝑥𝑥(0)
𝑘𝑘=0

𝑦𝑦(𝑡𝑡) = 𝛼𝛼0 (𝑡𝑡)𝐶𝐶𝐶𝐶 (0) + 𝛼𝛼1 (𝑡𝑡)𝐶𝐶𝐶𝐶𝐶𝐶(0) + ⋯ + 𝛼𝛼𝑛𝑛 −1 (𝑡𝑡)𝐶𝐶𝐴𝐴𝑛𝑛−1 𝑥𝑥(0) 56

Así, si el sistema es completamente observable, dada la salida 𝑦𝑦(𝑡𝑡) durante un

intervalo de tiempo 0 ≤ 𝑡𝑡 ≤ 𝑡𝑡1 , entonces 𝑥𝑥(0) se determina de la ecuación 11.65.
Se demuestra que esto requiere que el rango de la matriz 𝑀𝑀𝑀𝑀 de controlabilidad
de 𝑛𝑛𝑛𝑛 × 𝑛𝑛 sea n o tiene 𝑛𝑛 vectores columna linealmente independientes
𝐶𝐶 57
𝑀𝑀𝑀𝑀 = � 𝐶𝐶𝐶𝐶 �
⋮
𝐶𝐶𝐴𝐴𝑛𝑛−1
EJEMPLO 1.16
Sea el sistema descrito por
1 1 0
𝑥𝑥̇ = � � 𝑥𝑥 + � � 𝑢𝑢, 𝑦𝑦 = [1 0]𝑥𝑥
−2 −1 1
¿es el sistema controlable y observable?
Solución
Para la controlabilidad de estado
1 1 0 1
𝐴𝐴𝐴𝐴 = � �� � = � �
−2 −1 1 −1
0 1
𝑀𝑀𝑀𝑀 = [𝐵𝐵 𝐴𝐴𝐴𝐴] = � �
1 −1
Mc es de rango 2, entonces el sistema es de estado completamente controlable
Para la controlabilidad de salida
𝑀𝑀𝑀𝑀 = [𝐶𝐶𝐶𝐶 𝐶𝐶𝐶𝐶𝐶𝐶 ]
0
𝐶𝐶𝐶𝐶 = [1 0] � � = 0
1
1 1 0 0
𝐶𝐶𝐶𝐶𝐶𝐶 = [1 0] � � � � = [1 1] � � = 1
−2 −1 1 1
𝑀𝑀𝑀𝑀 = [0 1]
Como el rango es 1, por lo tanto tiene una salida completamente controlable.
Para la condición de observabilidad
𝐶𝐶
𝑀𝑀𝑀𝑀 = � �
𝐶𝐶𝐶𝐶
1 1 [1 0]
𝐶𝐶𝐶𝐶 = [1 0] � � = [1 1], 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑀𝑀𝑀𝑀 = � �
−2 −1 [1 1]
El rango de Mo es 2, por lo tanto, el sistema es completamente observable.
EJEMPLO 1
Supongamos que un sistema lineal de una sola entrada y una
sola salida (SISO) viene dado por la función de tranferencia:

Escribamos dicho sistema en su forma canónica controlable.

>>num=[0 -6 -30 144]
>>den=[1 14 56 160]
>>[A, B, C, D]=tf2ss(num,de n)
MATLAB puede calcular la forma canónica observable con la
instrucción ¨companion¨.
>>[a,b,c,d]=canon(A,B,C,D,´companion´)
EJERCICIOS:

Exprese cada sistema en las diferentes formas: canónica

controlable, canónica observable y canónica diagonal.
Sistemas de control en el espacio de estados
 Un sistema moderno complejo posee muchas entradas y muchas salidas que se relacionan entresí de una forma
complicada. Para analizar un sistema de este tipo, es esencial reducir la complejidad de las expresiones matemáticas,
además de recurrir a computadoras que realicen una gran parte de los tediosos cálculos que son necesarios. El
enfoque en el espacio de estados para el análisis de sistemas es el más conveniente desde este punto de vista.

 Mientras la teoría de control convencional se basa en la relación entrada-salida, o función de transferencia, la teoría
de control moderna se basa en la descripción de las ecuaciones de un sistema en términos de n ecuaciones
diferenciales de primer orden, que se combinan en una ecuación diferencial vectorial de primer orden.

 El uso de la notación matricial simplifica enormemente la representación matemática de los sistemas de ecuaciones.
El incremento en el número de variables de estado, de entradas o de salidas no aumenta la complejidad de las
ecuaciones.

 De hecho, el análisis de sistemas complicados con múltiples entradas y salidas se realiza mediante procedimientos
sólo ligeramente más complicados que los requeridos para el análisis de sistemas de ecuaciones diferenciales
escalares de primer orden.
 Representaciones en el espacio de estados de sistemas
definidos por su función de transferencia

Existen muchas técnicas para obtener representaciones en el espacio de estados de sistemas

definidos por su función de transferencia. En el Capítulo 2 presentamos algunos métodos. Esta
sección aborda las representaciones en el espacio de estados en la forma canónica controlable,
observable, diagonal o de Jordan. (Los métodos para obtener representaciones en el espacio de
estados de funciones de transferencia se analizan en los Problemas A-9-1 a A-9-4.)
Representación en el espacio de estados en formas canónicas. Considérese un
sistema definido mediante:
A continuación se presentan las representaciones en el espacio de estados del sistema definido
mediante las Ecuaciones (9-1) o (9-2), en su forma canónica controlable, en su forma canónica
observable y en su forma canónica diagonal (o de Jordan).
Forma canónica controlable. La siguiente representación en el espacio de estados se
denomina forma canónica controlable:
La forma canónica controlable es importante cuando se analiza el método de asignación de
polos para el diseño de sistemas de control.
Forma canónica observable. La siguiente representación en el espacio de estados se
denomina forma canónica observable
Obsérvese que la matriz de estado de nxn de la ecuación de estado obtenida mediante la
Ecuación (9-5) es la transpuesta de la ecuación de estado definida por la Ecuación (9-3).
Forma canónica diagonal. Considérese el sistema representado por la función de
transferencia definida mediante la Ecuación (9-2). Se considera el caso en el que el
polinomio del denominador sólo contiene raíces distintas. En este caso, la Ecuación (9-2) se
puede escribir como:
La forma canónica diagonal de la representación en el espacio de estados de este
sistema viene dada por:
Forma canónica de Jordan. A continuación se considera el caso en el que el polinomio del
denominador de la Ecuación (9-2) contiene raíces múltiples. En este caso la forma canónica
diagonal anterior debe modificarse a la forma canónica de Jordan. Suponga, por ejemplo,
que todos los pi, excepto los tres primeros, son diferentes entre sí, o sea, p1 = p2 = p3. En este
caso, la forma factorizada de Y(s)/U(s) se hace.

El desarrollo en fracciones simples de esta última ecuación se convierte en:

Una representación en el espacio de estados de este sistema en su forma
canónica de Jordan se obtiene mediante:
Ejemplo

1. Considere el sistema definido por:

Obtenga las representaciones en el espacio de estados en la forma canónica

controlable, en la forma canónica observable y en la forma canónica diagonal.
Forma canónica observable:

Forma canónica diagonal:

Valores propios de una matriz A de nxn. Los valores propios de una matriz A de
nxn son las raíces de la ecuación característica

Los valores propios también se denominan raíces características. Por ejemplo,

considérese la matriz
A siguiente:

La ecuación característica es:

Los valores propios de A son las raíces de la ecuación característica, -1, -2 y -3.

Diagonalización de una matriz de nxn. Obsérvese que, si una matriz A de

nxn con valores propios distintos, está dada por:

La transformación x = Pz, donde

Transformará 𝑷𝑷−𝟏𝟏 AP en la matriz diagonal o

Si la matriz A definida mediante la Ecuación (9-12) contiene valores propios

múltiples, la diagonalización es imposible. Por ejemplo, si la matriz A de 3X3,
donde

tiene los valores propios 1, j1, j3 la transformación x=Sz, donde

producirá

que está en la forma canónica de Jordan.

Ejemplo
2. Considere la siguiente representación en el espacio de estados de un sistema.
 Por tanto, los tres valores propios son distintos. Si se define un nuevo conjunto de variables
de estado z1, z2 y z3 mediante la transformación:

o bien
x = Pz (9-17)
donde
Entonces, sustituyendo la Ecuación (9-17) en la Ecuación (9-15), se obtiene
Al simplificar se deduce:

La Ecuación (9-20) es también una ecuación de estado que describe el mismo

sistema definido mediante la Ecuación (9-13).
La ecuación de salida, Ecuación (9-16), se modifica a.

Y = CPz
Observe que la matriz de transformación P, definida mediante la Ecuación (9-18), modifica la
matriz de coeficientes de z en la matriz diagonal. Como se aprecia claramente en la Ecuación
(9-20), las tres ecuaciones de estado escalares no están acopladas. Observe también que los
elementos de la diagonal principal de la matriz 𝑃𝑃−1 AP en la Ecuación (9-19) son idénticos a
los tres valores propios de A. Es muy importante señalar que los valores propios de A son
idénticos a los de 𝑃𝑃−1 AP. A continuación se demuestra esto para un caso general.

Invariancia de los valores propios. Para comprobar la invariancia de los valores propios
bajo una transformación lineal, se debe demostrar que los polinomios característicos

Como el determinante de un producto es el producto de los determinantes, se obtiene

No unicidad de un conjunto de variables de estado. Se ha planteado que
un conjunto de variables de estado no es único para un sistema específico.
Supóngase que x1, x2, ..., xn
forman un conjunto de variables de estado. Se puede tomar como otro conjunto
de variables de estado cualquier conjunto de funciones.
 Siempre y cuando, a cada conjunto de valores x1, x2, ..., xn, le corresponda un conjunto
único de valores x1, x2, ..., xn, y viceversa. Por tanto, si x es un vector de estado entonces,
xˆ, donde
xˆ = Px
es también un vector de estado, siempre y cuando la matriz P sea no singular. Los diferentes
vectores de estado aportan la misma información acerca del comportamiento del sistema.
Solución de la ecuación de estado invariante con el tiempo

En esta sección se obtendrá la solución general de la ecuación de estado lineal e

invariante en el tiempo. Primero se considera el caso homogéneo y luego el no
homogéneo.
Solución de las ecuaciones de estado para el caso homogéneo. Antes de
resolver las ecuaciones diferenciales matriciales, se repasa la solución de la ecuación
diferencial escalar.
Si la solución supuesta se quiere que sea la solución verdadera, la Ecuación (9-27) debe ser
válida para cualquier t. Por tanto, igualando los coeficientes de las potencias iguales de t, se
obtiene.
Por analogía con el caso escalar, se supone que la solución está en la forma de una
serie de potencias vectorial en t, o

Al sustituir esta solución supuesta en la Ecuación (9-28), se obtiene

Si la solución supuesta se quiere que sea la solución verdadera, la Ecuación

(9-30) debe ser válida para todo t. Por tanto, igualando los coeficientes de las
potencias iguales de t en ambos miembros de la Ecuación (9-30), se obtiene
 Matriz de transición de estados. Se puede escribir la solución de la ecuación de
estado homogénea

Por tanto, se confirma que la Ecuación (9-38) es la solución de la Ecuación (9-37).

A partir de las Ecuaciones (9-31), (9-35) y (9-38), se obtiene
Por tanto, se confirma que la Ecuación (9-38) es la solución de la Ecuación
(9-37). A partir de las Ecuaciones (9-31), (9-35) y (9-38), se obtiene
Ejemplo
Controlabilidad
Controlabilidad y observabilidad. Se dice que un sistema es controlable en el tiempo t0 si se puede
transferir desde cualquier estado inicial x(t0) a cualquier otro estado, mediante un vector de control sin
restricciones, en un intervalo de tiempo finito.

Se dice que un sistema es observable en el tiempo t0 si, con el sistema en el estado x(t0), es posible determinar
este estado a partir de la observación de la salida durante un intervalo de tiempo finito.

Kalman introdujo los conceptos de controlabilidad y observabilidad, que juegan un papel importante en el
diseño de los sistemas de control en el espacio de estados. De hecho, las condiciones de controlabilidad y
observabilidad determinan la existencia de una solución completa para un problema de diseño de un sistema de
control.
La solución a este problema puede no existir si el sistema considerado no es controlable.
Aunque la mayor parte de los sistemas físicos son controlables y observables, los modelos
matemáticos correspondientes tal vez no posean la propiedad de controlabilidad y
observabilidad. En este caso, es necesario conocer las condiciones en las cuales un sistema
es controlable y observable. Esta sección aborda la controlabilidad y la siguiente analiza la
observabilidad.
Controlabilidad completa del estado de sistemas en tiempo continuo. Sea el sistema en tiempo
continuo

donde x = vector de estados (vector de dimensión n)

U = señal de control (escalar)
A = matriz de nxn
B = matriz de nx1
Se dice que el sistema descrito mediante la Ecuación (9-51) es de estado controlable en t = t0, si es posible
construir una señal de control sin restricciones que transfiera un estado inicial a cualquier estado final en un
intervalo de tiempo finito t0mtmt1. Si todos los estados son controlables, se dice que el sistema es de estado
completamente controlable.

Ahora se obtendrá la condición para controlabilidad completa del estado. Sin pérdida de generalidad, se supone
que el estado final es el origen en el espacio de estados y que el tiempo inicial es cero, o t0 = 0.

La solución de la Ecuación (9-51) es

Aplicando la definición de controlabilidad completa del estado recién establecida, se tiene que
Si el sistema es de estado completamente controlable, entonces, dado cualquier estado inicial x(0), la Ecuación (9-
55) debe satisfacerse. Esto requiere que el rango de la matriz nano
 Si el sistema es de estado completamente controlable, entonces, dado cualquier estado inicial x(0), la
Ecuación (9-55) debe satisfacerse. Esto requiere que el rango de la matriz nxn

sea n.
De este análisis, se puede concluir la condición para controlabilidad completa del estado de la forma
siguiente. El sistema obtenido mediante la Ecuación (9-51) es de estado completamente controlable si y
sólo si los vectores son linealmente independientes, o la matriz nxn

es de rango n.
El resultado recién obtenido se extiende al caso en el que el vector de control u es de dimensión r.
Si el sistema se describe por

donde u es un vector de dimensión r, se demuestra que la condición para controlabilidad completa del
estado es que la matriz nxnr

sea de un rango n, o que contenga n vectores columna linealmente independientes. La matriz

se conoce comúnmente como matriz de controlabilidad.

Ejemplo
Controlabilidad de la salida. En el diseño práctico de un sistema de control, se puede necesitar
controlar la salida en lugar del estado del sistema. Una controlabilidad completa del estado no es
condición necesaria ni suficiente para controlar la salida del sistema.
Por esta razón, es conveniente definir de forma independiente la controlabilidad completa de la
salida.
 Sea el sistema descrito mediante

donde x = vector de estado (vector de dimensión n)

u = vector de control (vector de dimensión r)
y = vector de salida (vector de dimensión n)
A = matriz nxn
B = matriz nxr
C= matriz mxn
D = matriz mxr
Se dice que el sistema descrito mediante las Ecuaciones (9-61) y (9-62) es de salida
completamente controlable si es posible construir un vector de control sin restricciones
u(t) que transfiera cualquier salida inicial y(t0) a cualquier salida final y(ti) en un
intervalo de tiempo finito t0≤t ≤t1.
Es posible demostrar que la condición para controlabilidad completa de la salida es la
siguiente.
El sistema descrito mediante las Ecuaciones (9-61) y (9-62) es de salida completamente
controlable si y sólo si la matriz m x(n +1)r.

es de rango m. (Para una demostración, véase el Problema A-9-16.) Obsérvese que la presencia
del término Du en la Ecuación (9-62) siempre ayuda a establecer la controlabilidad de la salida.
Sistema no controlable. Un sistema no controlable tiene un sub sistema que está desconectado
físicamente de la entrada.
Estabilizabilidad. Para un sistema parcialmente controlable, si los modos no
controlables son estables y los modos inestables son controlables, el sistema se dice
entonces que es estabilizable. Por ejemplo, el sistema definido por.

no es controlable. El modo inestable que corresponde al valor propio 1 es controlable. Este

sistema se puede estabilizar mediante una realimentación adecuada. Así que este sistema es
estabilizable.
Observabilidad
En esta sección analizaremos la observabilidad de los sistemas lineales. Sea el sistema no forzado
descrito mediante las ecuaciones siguientes:

donde x = vector de estado (vector de dimensión n)

y = vector de salida (vector de dimensión m)
A = matriz nxn
C = matriz mxn
Se dice que el sistema es completamente observable si el estado x(t 0) se determina a partir de la
observación de y(t) durante un intervalo de tiempo finito, t 0≤t ≤t1. Por tanto, el sistema es completamente
observable si todas las transiciones del estado afectan eventualmente a todos los elementos del vector de
salida. El concepto de observabilidad es útil al resolver el problema de reconstruir variables de estado no
medibles a partir de variables que sí lo son en el tiempo mínimo posible. En esta sección, se tratan sólo
sistemas lineales e invariantes en el tiempo. Por tanto, sin pérdida de generalidad, se supone que to = 0.
El concepto de observabilidad es muy importante porque, en la práctica,
la dificultad que se encuentra con el control mediante realimentación del
estado es que algunas de las variables de estado no son accesibles para
una medición directa, por lo que se hace necesario estimar las variables de
estado no medibles para construir las señales de control. En la Sección
10-5 se demostrará que tales estimaciones de las variables de estado son
posibles si y sólo si el sistema es completamente observable.
Al analizar las condiciones de observabilidad, se considera el sistema sin
excitación como el que se obtiene mediante las Ecuaciones (9-63) y (9-64).
La razón de esto es la siguiente. Si el sistema se describe mediante.
Como las matrices A, B, C y D se conocen al igual que u(t), los dos últimos términos del
segundo miembro de esta última ecuación son cantidades conocidas. Por tanto, se pueden restar
del valor observado de y(t). Así, a fin de investigar una condición necesaria y suficiente para
observabilidad completa, basta con considerar el sistema descrito mediante las Ecuaciones (9-
63) y (9-64).
 Observabilidad completa de sistemas en tiempo continuo. ea el sistema descrito
 mediante las Ecuaciones (9-63) y (9-64). El vector de salida y(t) es

Refiriéndose a la Ecuación (9-48) o (9-50), se tiene

Donde n es el grado del polinomio característico. [Obsérvese que las Ecuaciones (9-48) y (9-50)
con m sustituido por n se pueden obtener a partir del polinomio característico.]
Por tanto, se obtiene
Así, si el sistema es completamente observable, dada la salida y(t) durante un
intervalo de tiempo 0 ≪t ≪t1, x(0) se determina únicamente a partir de la Ecuación
(9-65). Se demuestra que esto requiere que el rango de la matriz nmxn

sea n. (Véase el Problema A-9-19 para la obtención de esta condición.) A partir de

este análisis, se puede expresar la condición para observabilidad completa del
modo siguiente. El sistema descrito por las Ecuaciones (9-63) y (9-64) es
completamente observable si y sólo si la matriz nxnm

es de rango n, o tiene n vectores columna linealmente independientes. Esta matriz

se denomina matriz de observabilidad.
EJEMPLO
Sea el sistema descrito por

¿Es este sistema controlable y observable?

Como el rango de la matriz

es 2, el sistema es de estado completamente controlable.

Para la controlabilidad de salida, se calcula el rango de la matriz . Como
Condiciones para observabilidad completa en el plano s. Las
condiciones para observabilidad completa también se pueden expresar en
términos de funciones de transferencia o matrices de transferencia. La
condición necesaria y suficiente para observabilidad completa es
que no ocurra una cancelación en la función de transferencia o en la matriz de
transferencia. Si ocurre una cancelación, el modo cancelado no se puede
observar en la salida.
EJEMPLO
Demuestre que el siguiente sistema no es completamente observable.

donde

Tome en cuenta que la función de control u no afecta a la observabilidad

completa del sistema.
Para examinar la observabilidad completa, simplemente se hace u= 0. Para este
sistema, se tiene que
 Considere que

Por tanto, el rango de la matriz es menor que 3. Así, el

sistema no es completamente observable.
De hecho, en la función de transferencia del sistema ocurre una cancelación.
La función de transferencia entre X1(s) y U(s) es

y la función de transferencia entre Y(s) y X1(s) es

Por tanto, la función de transferencia entre la salida Y(s) y la entrada U(s) es

Es evidente que los dos factores (s+1) se cancelan uno al otro. Esto significa que
no hay condiciones iniciales x(0) diferentes de cero que no se determinen a partir
de la medición de y(t).
EJEMPLO
Los sistemas siguientes son completamente observables.
Obtenga la del sistema siguiente:

donde u(t) es la entrada escalón unitario que ocurre en t=0, o

u(t)=1(t)
Solución. Para este sistema
Como

se tiene que

Como x(0) = 0, si se tiene en cuenta la Ecuación (9-96), se deduce que

 Como x(0) = 0, si se tiene en cuenta la Ecuación (9-96), se deduce que

Por tanto, la salida y(t) se obtiene mediante

El teorema de Cayley-Hamilton expresa que toda matriz A de nxn satisface su propia
ecuación característica. Sin embargo, la ecuación característica no es necesariamente la
ecuación escalar de grado mínimo que satisface A. El polinomio de grado mínimo que tiene A
como raíz se denomina polinomio mínimo. Es decir, el polinomio mínimo de una matriz A de
nxn se define como el polinomio , de grado mínimo.

El polinomio mínimo juega un papel importante en el cálculo de polinomios de una matriz

nxn.
Suponga que , polinomio en , es el máximo común divisor de todos los elementos de
Demuestre que, si se selecciona 1 como el coeficiente del término de de
mayor grado en , el polinomio mínimo se obtiene mediante.
EJEMPLO.
Si una matriz A de nxn tiene n valores propios distintos, el polinomio mínimo de A es idéntico
al polinomio característico. También, si los valores propios múltiples de A se enlazan en una
cadena de Jordan, el polinomio mínimo y el polinomio característico son idénticos. Sin
embargo, si los valores propios múltiples de A no se enlazan en una cadena de Jordan, el
polinomio mínimo es de un grado menor que el polinomio característico.
Usando como ejemplos las siguientes matrices A y B, verifique los enunciados anteriores con
respecto al polinomio mínimo cuando hay valores propios múltiples.
Solución. Primero considere la matriz A. El polinomio característico está dado por

De esta manera, los valores propios de A son 2, 2 y 1. Se puede demostrar que la

forma canónica de Jordan de A es

y que los valores propios múltiples están enlazados en la cadena de Jordan tal
como se observa. Para determinar el polinomio mínimo, primero se obtiene
Esto se logra mediante
Un cálculo simple demuestra que
pero

Por tanto, se ha demostrado que el polinomio mínimo y el polinomio

característico de esta matriz
A son iguales. A continuación, se considera la matriz B. El polinomio
característico está dado por
Un cálculo simple revela que la matriz B tiene tres vectores propios y la forma canónica
deJordan de B se obtiene mediante

Por tanto, los valores propios múltiples no están enlazados. Para obtener el polinomio
mínimo, primero se calcula
Como comprobación, se calcula ∅(B):

Para la matriz B dada, el polinomio mínimo es un grado menor que el polinomio

característico. Como se observa aquí, si no están enlazados los valores propios
múltiples de una matriz nxn en una cadena de Jordan, el polinomio mínimo es de un
grado menor que el polinomio característico.
GRACIAS