Solucion - Tarea 2

El sistema numero 1 tiene el siguiente modelo matriz A en espacio de estados:
X 1 2 X 1 X 22
A1=
(
−a−6 X 1 X 2 1−3 X 12−6 X 22 )
El sistema numero 2 tiene el siguiente modelo matriz A:
A2= 3 4
b1 ( )
El sistema numero 3 tiene el siguiente modelo completo en espacio de estados:
( ẊẊ )=(−ab −11 )( XX )+( 01) u

1
2
1
y= (1 0 ) X
(X ) 1
Donde ‘a’ representa el ultimo digito de la cedula del estudiante, y ‘b’ el penúltimo digito.
a=8
b=2
Para estos modelos, cada estudiante debe determinar los siguientes puntos:
 PUNTO 1: Definir y colocar las ecuaciones canónicas de los siguientes conceptos:
linealización aplicando la matriz jacobiana, eigenvalores, eigenvectores, controlabilidad
y observabilidad.
linealización aplicando la matriz jacobiana: el reemplazar un sistema no lineal por su

aproximación lineal se denomina linealizacion. Entonces cabe denotar que la matriz
jacobiana es una matriz formada por las derivadas parciales de primer orden de una
función donde una de las aplicaciones más presindibles de esta matriz es la posibilidad
de aproximar linealmente a la función en un punto. En este contexto se puede
manifestar que el jacobiano representa la derivada de una función multivariable.
Se manifiestan las siguientes ecuaciones canónicas:
D1 f 1 (a) D2 f 1 (a) ⋯ Dn f 1 (a)
(
Jf ( a )= D1 f 2 (a) D2 f 2 (a)
⋮ ⋮
D1 f m (a) D2 f m (a)
… Dn f 2 (a)
⋱ ⋮
… D n f m (a)
)
Que como se observa no es más que:
∇ t f 1 (a)
( )
t
t
Jf ( a )= ∇ f 2(a)
⋮
∇ f m ( a)
eigenvalores: El termino eigen proviene del alemán y significa “propio”, de hecho, los
eigenvalores también reciben el nombre de valores propios o valores característicos, de
una transformación lineal o de una matriz, este mismo esta denotado por el símbolo (λ).
El valor propio de un vector propio es el factor escalar por el que ha sido multiplicado,
este concepto es muy empleado en diferentes áreas de las matemáticas aplicadas y de
ingeniería.
Av1 =λ v 1
Av1 −λ v 1=0
λ es un valor propio si,
det ( A−λl )=0
det ( λl− A )=0
eigenvectores: El termino eigen proviene del alemán y significa “propio”, los

eigenvectores reciben el nombre de vectores propios o vectores característicos, de una
transformación lineal o de una matriz. Los vectores propios, de un operador lineal, son
los vectores no nulos que, cuando son transformados por el operador, dan lugar a un
múltiplo escalar de sí mismos, con lo que no cambian su dirección.
Se plantea un eigenvector de la siguiente forma (en el caso de una matriz de 2x2),
donde los valores a encontrar son los valores a y b.
Se manifiesta la siguiente ecuación canónica:
v1 = a
()
b
controlabilidad: esencialmente se dice que un sistema es completamente controlable si

existe una señal u ( t ) que logra transferir los estados iniciales del sistema x 0=x ( t 0 ) a
cualquier otro denominado estado x tf =x ( t f )en un tiempo finito T =t f −t 0 .
Controlabilidad completa del estado para sistemas en tiempo continuo.
ẋ =Ax +Bu
Controlabilidad de la salida de sistemas de tiempo continuo.
ẋ =Ax +Bu
y=Cx + Du
observabilidad: A su vez un sistema es completamente observarle si en ausencia de
dicha excitación es posible hallar el valor de sus estados iniciales x 0=x ( t 0 )
a partir de la observación de la salida y ( t ) durante un lapso prolongado y finito de
tiempo t f −t 0 >0.
Consideremos el sistema sin excitación descrito de la siguiente manera.
ẋ =Ax
y=Cx
 PUNTO 2: Aplicar linealización al sistema A1 a través de la matriz Jacobiana.
X 1 2 X 1 X 22
A1=
(
−8−6 X 1 X 2 1−3 X 12−6 X 22 )
df ¿
dx ( ¿ )
= =( )
 PUNTO 3: Aplicar eigenvalores y eigenvectores del sistema A2.
A2= 3 4
21 ( )
- Primero se hallan los valores propios de la matriz
det ( A 2−λl ) =0
Remplazamos los valores pertinentes en la ecuación

det 3 4 − λ 1 0
(( ) ( ))
2 1 0 1
det (32 41)−( 0λ 0λ )

det 3−λ 4
(21−λ )
Se encuentra el determinante de la matriz mediante la siguiente formula:
det a b =ad−bc
( )
cd
det 3−λ 4 =( 3− λ ) (1−λ ) −( 4)(2)

(21−λ )
det 3−λ 4 =( 3− λ ) (1−λ ) −8
(21−λ )
Aplicamos propiedad distributiva
( a−b ) ( c−d )=ac−ad−bc−bd
det 3−λ 4 =3−3 λ−λ + λ2−8
(21−λ )
Agrupación de términos:
det 3−λ 4 =3−8−3 λ−λ+ λ2

(21−λ )
det 3−λ 4 =λ2 −4 λ−5
(21−λ )
Para una ecuación de segundo grado de la forma ax 2 +bx +c=0 ,Los valores propios se
encuentran utilizando la formula general:
λ 2−4 λ−5=0 a=1 ,b=−4 , c=−5
−b ± √ b 2−4 ac
λ 1,2=
2a
Remplazando los valores en la ecuación obtenemos:
−(−4)± √ (−4)2−4(1)(−5)
λ 1,2=
2(1)
4 ± √16 +20
λ 1,2=
2
4 ± √ 36
λ 1,2=
2
4+ √36 4− √36
λ 1= λ2 =
2 2
4+6 10 4−6 −2
λ 1= = λ2= =
2 2 2 2
Entonces tenemos que los valores propios son los siguientes:
λ 1=5 λ2=−1
- segundo se hallan los vectores propios de la matriz

para encontrar los vectores propios n , resolveremos ( A−λl ) n=0 para cada valor propio
λ.
Donde x es el vector propio asociado con el valor propio λ
los vectores propios de λ=5
( A2 −λl )
Remplazamos los valores pertinentes en la ecuacion
1 0
( A2 −λl )= 3 4 −5 0 1
( ) ( )
21
3 4 5 0
( )( )
( A2 −λl )= 2 1 − 0 5
( A2 −λl )= 3−5 4
( 21−5 )
( A2 −λl )= −2 4
(2−4)
4 x = 0 , reducir la matriz
2−4 ) ( y ) ( 0 )
(−2
Para resolver
Reducimos la matriz a la forma escalonada
−2 4 R1
( )
2−4 R2
Cancelamos el primer coeficiente en la fila R2 realizando R2  R2 +1∗R 1
(−20 04 )
Reducimos la matriz a la forma escalonada reducida por renglones
R1
(−20 04 ) R 2
1
Multiplicamos la fila de la matriz por la constante R1− ∗R1
2
(1−2
00 )
El sistema asociado con el valor propio λ=5
(x)
( A2 −λl ) y
x 0
(1−2
00 ) ( y )=( )
0
esto se reduce a la siguiente ecuación

x−2 y=0
despejamos x
x=2 y
sustituimos en ( xy )
n= 2 y y ≠ 0
( )
y
Sea y=1
n= 2( 1)
( )
1
n= 2 ()
1
los vectores propios de λ=−1
( A2 −λl )
Remplazamos los valores pertinentes en la ecuacion
1 0
( A2 −λl )= 3 4 −(−1) 0 1
( ) ( )
21
3 4 −1 0
( )(
( A2 −λl )= 2 1 − 0 −1 )
( A2 −λl )= 3+1 4( 21+1)
( A2 −λl )= 4 4 ( 2 2)
Para resolver ( 42 42) ( xy)=( 00) , reducir lamatriz
Reducimos la matriz a la forma escalonada
R1
( 42 42) R 2
1
Cancelamos el primer coeficiente en la fila R2 realizando R2  R2− ∗R1
2
( 40 40)
Reducimos la matriz a la forma escalonada reducida por renglones
4 4 R1
( )
0 0 R2
1
Multiplicamos la fila de la matriz por la constante R1 ∗R1
4
(0110 )
El sistema asociado con el valor propio λ=−1
(x)
( A2 −λl ) y
( A 2−(−1)l ) y (x )
( x)
( A2 +l ) y
(0110 )( xy )=(00 )
esto se reduce a la siguiente ecuación
x + y=0
despejamos x
x=− y
sustituimos en ( xy )
n= (−yy) y ≠ 0
Sea y=1
n= −(1)
( )
1
n=( −1)
1
Entonces tenemos que los vectores propios son los siguientes:

2 , −1
( )( )
1 1
 PUNTO 4: Aplicar controlabilidad y observabilidad del sistema número 3.

Ẋ1 = 2 1 X1 + 0 u
( )(
Ẋ 2 −8 −1 X 2 1 )( ) ( )
y= (1 0 ) X 1
( )
X2
Controlabilidad
ẋ =Ax +Bu y=Cx
A=(−82 −11 )
B=( 0 )
1
2 1 0
AB=(
−8 −1) ( 1)
AB= ( 00 −11 )
MC=[ B AB ]
MC= [ 01 −11 ]
r ( MC )=2
De acuerdo a esto, el rango de la matriz de controlabilidad es igual al número de
variables de estado, por lo tanto, el sistema es controlable
observabilidad
A= 2 1
(
−8 −1 )
C=( 1 0 )
(−82 −11 )
C A=( 1 0 )
2 1
C A=(
0 0)
MO=[ CAC ]
1 0
MO=[
2 1]
r ( MO)=2
De acuerdo a esto, el rango de la matriz de observabilidad es igual al número de
variables de estado, por lo tanto, el sistema es observable.
Bibliografia:
Mateo Caldas Calle. (). Valores Propios y Vectores Propios (Eigenvalores y
Eigenvectores)
Recuperado de: https://www.monografias.com/trabajos99/valores-propios-y-vectores-
propios-eigenvalores-y-eigenvectores/valores-propios-y-vectores-propios-eigenvalores-y-
eigenvectores.shtml#valorespra
Luis Alberto Palacios. (2018). Eigenvalores y Eigenvectores
Recuperado de: https://medium.com/datos-y-ciencia/eigenvalues-y-eigenvectors-
948d3fca6f7e
Jose Marıa Rico Martınez.(). Algebra Lineal XXVIII: Eigenvalores y Eigenvectores.
Recuperado de: http://www.dicis.ugto.mx/profesores/chema/documentos/Algebra
%20Lineal/algebra_lineal_28.pdf
Bruno De la Garza. (2013). Eigenvalores .Recuperado de:
https://es.slideshare.net/brunodelagarza/eigenvalores
Omar Arguello. (2013). Eigen valores y Eigen vectores. Recuperado de:
https://es.slideshare.net/omararguello73/eigen-values-eigenvectors
Carlita Vaca. (2012). Calculo de-los-valores-y-vectores-propios-.Recuperado de
https://es.slideshare.net/algebra_lineal/calculo-delosvaloresyvectorespropios
0401553060.(2010). Valores y vectores propios. Recuperado de
https://es.slideshare.net/0401553060/valores-y-vectores-propios
algebra. (2010). Valores y vectores propios teoria. Recuperado de

https://es.slideshare.net/algebralineal/valores-y-vectores-propios-teoria
https://es.slideshare.net/lisbettdaniela/matriz-jacobiana-72441190
http://bionanouni.wdfiles.com/local--files/teaching-mt227-horario/Clase03-01.pdf
https://www.slideshare.net/lisbettdaniela/matriz-jacobiana-72441190
https://rodas5.us.es/file/7cd952d6-f051-495f-67b5-
b50b4254bf76/2/tema6_ims_scorm.zip/page_04.htm
https://es.symbolab.com/solver/matrix-eigenvectors-calculator/eigenvectors%20%5Cbegin
%7Bpmatrix%7D6%26-1%5C%5C2%263%5Cend%7Bpmatrix%7D?or=ex
https://www.youtube.com/watch?v=fmCEwY-DPfo
https://web.microsoftstream.com/video/09ad045d-a6a0-4e40-bbd3-385a39ab478c
https://controlautomaticoeducacion.com/sistemas-dinamicos-lineales/controlabilidad-y-
observabilidad/

Solucion - Tarea 2

Cargado por

Copyright:

Formatos disponibles

Solucion - Tarea 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Solucion - Tarea 2

Cargado por

Copyright:

Formatos disponibles

El sistema numero 1 tiene el siguiente modelo matriz A en espacio de estados:

( ẊẊ )=(−ab −11 )( XX )+( 01) u

linealización aplicando la matriz jacobiana: el reemplazar un sistema no lineal por su

D1 f 1 (a) D2 f 1 (a) ⋯ Dn f 1 (a)

eigenvectores: El termino eigen proviene del alemán y significa “propio”, los

controlabilidad: esencialmente se dice que un sistema es completamente controlable si

 PUNTO 3: Aplicar eigenvalores y eigenvectores del sistema A2.

Remplazamos los valores pertinentes en la ecuación

det (32 41)−( 0λ 0λ )

det 3−λ 4 =( 3− λ ) (1−λ ) −( 4)(2)

det 3−λ 4 =3−8−3 λ−λ+ λ2

λ 2−4 λ−5=0 a=1 ,b=−4 , c=−5

Remplazando los valores en la ecuación obtenemos:

Entonces tenemos que los valores propios son los siguientes:

- segundo se hallan los vectores propios de la matriz

Cancelamos el primer coeficiente en la fila R2 realizando R2  R2 +1∗R 1

El sistema asociado con el valor propio λ=5

esto se reduce a la siguiente ecuación

los vectores propios de λ=−1

Entonces tenemos que los vectores propios son los siguientes:

 PUNTO 4: Aplicar controlabilidad y observabilidad del sistema número 3.

algebra. (2010). Valores y vectores propios teoria. Recuperado de

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.