You are on page 1of 25

Sistemas Dinmicos

Ivan Ladino
Notas de clase
Sistemas Lineales

I - 2017
Solucin General para Sistemas en Tiempo Continuo
Un sistema dinmico S es representado por la ecuacin diferencial:

x (t) = Ax (t) + B (t)uu (t) (1)

con x (t) el vector de estado, A (t) la matriz del sistema, B (t) la


matriz de distribucin de entradas y, U (t) el vector de entrada.

Proposicn
Dado un sistema S gobernado por la ecuacin diferencial (1), con
condicin inicial x ( ), entonces su solucin corresponde a:
! t
x (t) = (t, )xx ( ) + B (l)uu (l)dl
(t, l)B (2)

Demostracin.
Se deja como ejercicio.
2/25
Ejemplos
Ejemplo
Consideremos el sistema de primer orden gobernado por:
x(t)
= rx(t) + u(t) con r >0

Le matriz de transicin para este sistema es:


(t) = e rt

por consiguiente la solucin homognea corresponde a:


x(t) = e rt x(0)

x(t) decae exponencialmente hacia cero. Por (2) y considerando que


u(t) es el escaln unitario, la respuesta a estado cero es:
! t "t
e r (tl) " 1# $
"
x(t) = e r (tl) dl = " = 1 e rt
0 r " r
0

3/25
Ecuaciones estticas embebidas

En algunos casos al formular la ecuacin en diferencias o diferencial


de un sistema no se llega a la forma estndar, por tanto es muy
conveniente realizar la conversin a la estndar. Tal vez la forma
mas probable de ecuacin no estndar corresponde a:

E x (k + 1) = Ax (k) + B x (k) (3)

donde A y E son matrices n n y B es una matriz n m; en general


estas matrices puede ser funcin del tiempo discreto k. En primera
instancia consideremos el caso en que E es no singular, entonces
basta con calcular su inversa y obtener:

x (k + 1) = E 1Ax (k) + E 1B u (k)

Si E es singular, entonces (3) es una embebimiento de una ecuacin


esttica en una dinmica. La transformacin del embebimiento en
una ecuacin dinmica se ilustra en el ejemplo siguiente.
4/25
Ecuaciones estticas embebidas
Ejemplo
Sea un sistema gobernado por las ecuaciones:
x1 (k + 1) + x2 (k + 1) = x1 (k) + 2x2 (k) + u(k)
0 = 2x1 (k) + x2 (k) + u(k)

llevando a la forma matricial (3) obtenemos:


% &% & % &% & % &
1 1 x1 (k + 1) 1 2 x1 (k) 1
= + u(k)
0 0 x2 (k + 1) 2 1 x2 (k) 1

Al sumar las dos ecuaciones (las dos filas) se obtiene la expresin:


x1 (k + 1) + x2 (k + 1) = 3 (x1 (k) + x2 (k)) + 2u(k)

realizando las sustitucin z(k + 1) = x1 (k) + x2 (k), se llega a que:


z(k + 1) = 3z(k) + 2u(k)
x1 (k) = z(k) u(k) x2 (k) = 2z(k) + u(k)
5/25
Sistemas Lineales de Coeficientes Constantes

Los sistemas que nos competen en esta seccin se modelan matem-


ticamente a partir de las expresiones:

x (k + 1) = Ax (k) + B u (k)
x (t) = Ax (t) + B u(t)

las cuales son expresiones matriciales, por lo tanto se puede emplear


la teora de matrices con los beneficios que ello acarrea.

6/25
Secuencias Geomtricas y Exponenciales

En los sistemas discretos el componente fundamental de las ce-


locas corresponde a un retardo de una unidad de tiempo discre-
to. Supongamos que se le aplica una entrada u(k) a un retarda-
dor(delay), entonces la salida corresponde a x(k + 1) = u(k). Aho-
ra, si se aplica u(k) = ak para k = 0, 1, , entonces la salida ser
k
x(k) = ak1 = ak para k = 1, 2, (i.e. la salida es un mltiplo de
la entrada).

7/25
Ejemplos

Ejemplo
Sea un sistema S cuya ecuacin en diferencias corresponde a:
x(k + 1) = ax(k) + bu(k)

con g (k) = bu(k) tiene la siguiente representacin en celocas:

'
g (k) x(k + 1)

a Z 1

x(k)

Su solucin homognea es x(k) = ak x(0).


8/25
Ejemplo

Ejemplo (continaucin)
La secuencia ak pasa de la salida del delay al multiplicador por a
y luego vuelve a pasar por el delay, obtenindose una seal con la
misma forma con la misma amplitud pero un instante de tiempo des-
pus.
Ahora apliquemos una entrada tambin con forma geomtrica u(k) =
k ; en este caso, aplicando recursin y la solucin de la serie geom-
trica se obtiene:
( ) ( )
b k b
x(k) = x(0) a + k
a a

Lo que corresponde a una superposicin de la entrada y la respuesta


homognea. En el caso continuo el proceso es anlogo (nota: hacerlo
como ejercicio).

9/25
Eigenvectors de un Sistema

A partir del anlisis con base en los eigenvectors se encontrar que


cada eigenvector determinar un subsistema de primer orden del sis-
tema general. Consideremos el sistema homogneo:

x (k + 1) = Ax (k) (4)

supongamos que el vector e i es un eigenvector de A con su corres-


pondiente eigenvalue i , es decir:

Ae i = i e i

ahora supongamos que el vector de estado inicial x 0 = ee i entonces:

Ae i = i e i = i x (0)
x (1) = Ax (0) = A

es facil ver que:


x (k) = ki x (0) = ki ee i

10/25
Eigenvectors de un Sistema
De la ltima expresin tenemos que para entradas que son un mlti-
plo de un eigenvector e i , la salida asociada estar dada por x (k) =
zi (k)ee i . en consecuencia:

zi (k + 1)ee i = x (k + 1) = Ax (k) = i zi (k)ee i


zi (k + 1) = i zi (k)

Teorema
Si el vector de estado inicial x 0 de un sistema lineal homogneo
es un mltiplo de un eigenvector e i del sistema, entonces el vector
de estado seguir siendo un mltiplo del eigenvector par todos los
siguientes instantes de tiempo. Si el coeficiente zi (k) determina el
mltiplo de e i en el instante k entonces este coeficiente satisface la
ecuacin de primer orden:

zi (k + 1) = i zi (k) (5)

11/25
Ejemplos

Ejemplo
Consideremos el sistema de primer orden con ecuacin en diferencias:

2y (k + 2) = 3y (k + 1) y (k)

en variables de estado, con x1 (k) = y (k) y x2 (k) = y (k+1) tenemos:


% & % &% &
x1 (k + 1) 0 1 x1 (k)
=
x2 (k + 1) 12 32 x2 (k)

Un eigenvector y un eigenvalue para este sistema son:


% &
1 1
i = y ei = 1
2 2

12/25
Diagonalizacin de un Sistema
Sea el sistema S de orden n, homogneo y en tiempo discreto:
x (k + 1) = Ax
Ax(k)

Supongamos que la matriz A es no singular, es decir todas sus colum-


nas son linealmente independientes, por tanto tiene n eigenvectors
linealmente independientes, asociados a n eigenvalues (distintos o no
distintos).
Se mostrara que a partir de los n eigenvectors se puede construir un
sistema equivalente a S, compuesto de n sistemas de primer orden.

Como el sistema es de orden n, esta representado por un conjunto de


n variables de estado linealmente independientes. Entonces el vec-
tor de estado es una funcin en un espacio Rn (el espacio de estados).

Un espacio Rn puede tener muchas bases, entre ellas las que son
ortonormales, y las que son linealmente independientes no necesaria-
mente ortogonales dos a dos.
13/25
Diagonalizacin de un Sistema

Al ser los n eigenvectors de un sistema S de orden n linealmente


independientes, se constituyen en un base del espacio de estados de
n dimensiones. Por lo anterior, se puede representar al vector de
estado x (k) en trminos de esta base como la combinacin lineal
dada por:
x (k) = z1 (k)ee 1 + z2 (k)ee 2 + + zn (k)ee n (6)
= [ee 1 , e 2 , , e n ] [z1 (k), z2 (k), , zn (k)k]T (7)
* +, -* +, -
M z (k)

con zi (k) escalares y e i vectores columna, con i = 1, 2, , n. Como


Ae i = i e i y Ax
Ax(k) = x (k + 1), entonces al multiplicar a (6) por A
se obtiene:
x (k + 1) = Ax
Ax(k)
= 1 z1 (k)ee 1 + 2 z2 (k)ee 2 + + n zn (k)ee n

14/25
Diagonalizacin de un Sistema

Adems, de (5) tenemos que zi (k + 1) = i zi (k), por consiguiente:

x (k + 1) = z1 (k + 1)ee 1 + z2 (k + 1)ee 2 + , +zn (k + 1)ee n (8)

Por la expresin (5), los coeficientes de la expresin (8) satisfacen:



z1 (k + 1) 1 0 0 z1 (k)
z2 (k + 2) 0 2 0 z2 (k)

.. = .. .. . . .. .. (9)
. . . . . .
zn (k + n) 0 0 n zn (k)
que en forma compacta se puede escribir como:
z (k + 1) = z
z(k) (10)
Ya que cada eigenvector es linealmente independiente de los otros,
entonces los coeficientes zi (k) evolucionan independientemente, en
consecuencia se puede representar al sistema como una composicin
de n sistemas separados de primer orden.
15/25
Cambio de Variable

Definicin (Matriz Modal)


Para un Sistema S con matriz del sistema A , a la matriz M n n
cuyas columnas son los n eigenvectors se le denomina Matriz Modal
Modal.

Con base en la matriz modal M , (como se vio en la expresin (7)),


a (6) se le puede reescribir como el cambio de variable:
x (k) = Mz
Mz(k) (11)
sustituyendo a la expresion (11) en (4) obtenemos:
Mz(k + 1) = AMz
Mz AMz(k)
z (k + 1) = M 1AMz
AMz(k) (12)
comparando a las ecuaciones (10) con (12) se llega a:
= M 1AM (13)
As, la matriz M representa un cambio de base hacia unas nuevas
coordenadas, en donde la matriz A es representada por .
16/25
Matriz A k
En general calcular la matriz A k es un proceso iterativo y costoso
computacionalmente, sin embargo al emplear la matriz el proceso
se reduce ostensiblemente. De (13) al despejar a A se obtiene:

A = MM 1 (14)

que consiste en una representacin basada en los eigenvectors y los


eigenvalues. El clculo de A 2 nos lleva:

A 2 = (MM MM 1 ) = M 2M 1
MM 1 )(MM

siguiendo el proceso inductivo, se llega a:

A k = M k M 1 (15)

la matriz es diagonal por lo cual k tambin es diagonal, ello se


traduce en una reduccin muy grande del costo computacional en el
clculo de A k .
17/25
Matriz A k
Expandiendo la matriz A k obtenemos:
k
1 0 0 0
0 k 0 0
2
k
A k = [ee 1 , , e n ] 0 0 3 0 [ee 1 , , e n ]1
.. .. ..
. . .
0 0 0 kn

Desde la ptica de los sistemas dinmicos, la expresin (19) se puede


interpretar como un proceso de transformacin de A a una forma
diagonal , luego se resuelve el sistema y, por ltimo devolverse por
medio de la transformacin inversa.
El proceso para sistemas homogeneos de tiempo continuo es igual al
de los de tiempo discreto. La representacin corresponde a:
x (t) = Ax
Ax(t) (16)
con A una matriz n n con n eigenvectors linealmente independien-
tes.
18/25
Sistemas de Tiempo Continuo

Dada la matriz modal M el cambio de variable esta dado por:


x (t) = Mz
Mz(t) (17)
el vector de estado es una combinacin lineal de los eigenvectors.
Reemplazando a (17) en (16) y despejando a z 1 (t) obtenemos el
sistema:
z (t) = M 1AMz
AMz(t) = zz(t) (18)
con mas detalle tenemos:
0 0

z1 (t) 1 z1 (t)
z2 (t) 0 2 0 z2 (t)
= ..
... ..
. .
zn (t) 0 0 n zn (t)
cada coeficiente zi (t) satisfacen una ecuacin de primer orden, por
lo tanto el sistema es separable en n sistemas de primer orden.

19/25
Matriz e A t

Al igual que en el caso discreto, el clculo de la matriz e A t se facilita


bastante cuando se diagonaliza la matriz del sistema. Ahora bien, la
expansin en series de potencia de e A t corresponde a:

A2t 2 Ak T k
eAt = I + A t + + + +
2! k!
ya se ha visto que A k = M k M 1 , en consecuencia:

M 2M 1 t 2 M k M 1 t k
eAt = I + M M 1 t + + + +
2! k!
= M e t M 1 (19)

el clculo de la matriz e A t se ha reducido al clculo de la matriz e t ,


pero es una matriz diagonal, entonces e t tambin es diagonal.

20/25
Matriz e A t
Expandiendo a (19) se tiene:
t
e 1 0 0
0 e 2 t 0
1
e A t = [ee 1 , e 2 , , e n ] . .. .. [ee 1 , e 2 , , e n ]
.. . .
0 0 e n t

Ejemplo
sea el sistema dado por la ecuacin diferencial:
% &
2 1
x (t) = x (t)
2 3
los dos eigenvalues son 1 = 1 y 2 = 4, la correspondiente matriz
modal y su inversa son:
% & % &
1 1 1 1 2 1
M= , y M =
1 2 3 1 1

21/25
Ejemplos

Ejemplo (Continuacin)
De la expresin (17) tenemos% que x (t)
& = Mz
Mz(t)
% por& lo tanto:
z1 (t) 1 2 1
z (t) = M 1x (t) = = 3 x (t)
z2 (t) 1 1
La derivada de esta ltima%expresin
& corresponde
% & % a: &
z1 (t) 1 0 z1 (t)
z (t) = z (t) = =
z2 (t) 0 4 z2 (t)
Finalmente, la matriz de transicin de estado del sistema original se
obtiene como: % &% t &% &
1 1 e 0 2/3 1/3
eAt =
1 2 0 e 4t 1/3 1/3
Por lo cul, la respuesta del sistema es:
x (t) = e A t x (0)

22/25
Ejercicios

Ejercicio
Dado el sistema
x (k + 1) = Ax
Ax(k)
Para alguna constante y algn vector x (0) consideremos la solucin
de la forma: x (k) = k x (0). Sustituyendo esta forma de solucin en
la ecaucin del sistema, encontrar las condiciones que deben satisfa-
cer y x (0).
Es claro que si x (0) = 0 la solucin del sistema es x (k) = 0. Con-
sideremos ahora que x (0) = 0, en este caso debe ser distinta de
cero tambin.
Reemplazando a x (k) = k x (0) con = 0 y x (0) = 0 tenemos:

k+1x (0) = A k x (0)

en consecuencia xx (0) = Ax
Ax(0); es decir que x (0) es un vector
propio con valor propio .
23/25
Ejercicios

Ejercicio
Sea la ecuacin en diferencias:

y (k + n) + an1 y (k + n 1) + + a0 y (k) = 0

esta ecuacin tiene la ecaucin caracterstica:

n + an1 n1 + + a0 = 0

si i es una raz de esta ecuacin entonces y (k) = ki es una solucin


de la ecuacin en diferencias.

Escribir la ecuacin en forma vectorial, mostrar que el polinomio ca-


racterstico de la matriz del sistema es idntico a la ecuacin caracte-
rtica dada antes y, encontrar para i el correspondiente eigenvector
que tambin sea equivalente a la anterior solucin

24/25
Ejercicios

Ejercicio (continuacin)
En variables de estado tenemos:

x1 (k + 1) 0 1 0 0 x1 (k)
x2 (k + 1) ..
.

x2 (k)
0 0 1 0

.. . ..
.
= .. ...
.

xn1 (k + 1) 0 0 0 1

xn1 (k)
xn (k + 1) a0 a1 a2 an1 xn (k)
* +, -
A

El polinomio caracterstico se obtiene del determinante de A II .


Observacin
Resuelto en clase

25/25

You might also like