Benemérita Universidad
Autónoma de Puebla
Facultad de Ciencias de la Electrónica
Materia: Control Moderno
Unidad 1
Integrantes:
• De Jesús Ponce Alan Ernesto 201644581
• Díaz Cisneros Sergio Fabrizzio 201750382
• Gallegos Avendaño David Emmanuel 201655239
• González Gutiérrez Jesús Josué 201654906
• Hernández Arroyo Marco Antonio 201722526
Profesor: Esteban Molina Flores
Unidad 1
Practica 1 “CONTROLABILIDAD y OBSERVABILIDAD de sistemas MIMO”
23 de abril de 2021
Introducción.
A lo largo de nuestra carrera se han visto, y se verán, sistemas a diario tanto electrónicos como
mecánicos, por tanto conocer el cómo analizar dichos sistemas se vuelve de suma importancia,
para dicho análisis estos conceptos que se introducen en esta práctica son unos de los mas
importantes pues nos darán una información valiosa, saber si el sistema es viable para una etapa
de control. Pero, ¿Qué es la controlabilidad y observabilidad?
Teoría.
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.
Por otro lado, se dice que el sistema es completamente observable si el estado x(t0) se determina
a partir de la observación de y(t) durante un intervalo de tiempo finito, 𝑡0 ≥ 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 t0=0
Objetivos.
Realizar la recopilación, revisión y generar una conclusión para cada uno de los ejemplos del 9-5 al
9-16 del libro de texto (Ogata 5ª edición)
Descripción del sistema
En está práctica se verán diferentes ejemplos para calcular matrices de estado importantes a la
hora de querer conocer la controlabilidad y observabilidad de los sistemas.
Descripción de la metología.
Ejemplo 9-5
Obtenga la matriz de transición de estados Φ(𝑡) del sistema siguiente:
𝑥̇ 0 1 𝑥1
[ 1] = [ ][ ]
𝑥̇ 2 −2 −3 𝑥2
Obtenga también la inversa de la matriz de transición de estados, Φ−1 (𝑡)
Para este sistema,
0 1
𝐀 =[ ]
−2 −3
La matriz de transición de estados Φ(𝑡) se obtiene mediante
Φ(𝑡) = 𝑒 𝐴𝑡 = ℒ −1 [s𝐈 − 𝐀)−1 ]
Como
𝑠 0 0 1 𝑠 −1
s𝐈 − 𝐀 = [ ]−[ ]=[ ]
0 𝑠 −2 −3 −2 𝑠 + 3
la inversa de (𝑠𝐈 − 𝐀) se obtiene mediante
𝟏 𝑠+3 1
(𝑠𝐈 − 𝐀)−𝟏 = [ ]
(𝒔 + 𝟏)(𝒔 + 𝟐) −2 𝑠
𝑠+3 1
(𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 2)
=
−2 𝑠
[(𝑠 + 1)(𝑠 + 2) (𝑠 + 1)(𝑠 + 2)]
Por tanto,
Φ(𝑡) = 𝑒 𝐴𝑡 = ℒ −1 [s𝐈 − 𝐀)−1 ]
−𝑡 −2𝑡
= [ 2𝑒 −𝑡 − 𝑒 −2𝑡 𝑒 𝑡 − 𝑒 −2𝑡 ]
−2𝑒 + 2𝑒 −𝑒 −𝑡 + 2𝑒 −2𝑡
Si se tiene en cuenta que Φ−1 (𝑡) = Φ(−𝑡), se obtiene la inversa de la matriz de transición de
estados del modo siguiente:
Φ−1 (𝑡) = 𝑒 −𝐴𝑡 = ℒ −1 [s𝐈 − 𝐀)−1 ]
𝑡 2𝑡
= [ 2𝑒 𝑡 − 𝑒 2𝑡 𝑒 𝑡 − 𝑒 2𝑡 ]
−2𝑒 + 2𝑒 −𝑒 𝑡 + 2𝑒 2𝑡
Conclusión: Aquí se puede notar como conseguir la matriz de transición para un sistema, cosa que
nos ayudará mucho luego, a la hora de querer controlarla.
Ejemplo 9-6. Obtenga la respuesta en el tiempo del sistema siguiente:
𝑥̇ 0 1 𝑥1 0
[ 1] = [ ][ ] + [ ]𝑢
𝑥̇ 2 −2 −3 𝑥2 1
Donde 𝑢(𝑡) es la función escalón unitario que se presenta en 𝑡 = 0, o:
𝑢(𝑡) = 1(𝑡)
Para el sistema:
0 1 0
𝐴=[ ], 𝐵=[ ]
−2 −3 1
La matriz de transición de estados 𝜱(𝑡) = 𝑒 𝐴𝑡 , se obtuvo en el ejemplo 9-5 como:
−𝑡 −2𝑡
𝜱(𝑡) = 𝑒 𝐴𝑡 = [ 2𝑒 −𝑡 − 𝑒 −2𝑡 𝑒 −𝑡 − 𝑒 −2𝑡 ]
−2𝑒 + 2𝑒 −𝑒 −𝑡 + 2𝑒 −2𝑡
La respuesta a la entrada escalón unitario se obtiene entonces como:
𝑡 −(𝑡−𝜏) −2(𝑡−𝜏)
𝑿(𝑡) = 𝑒 𝐴𝑡 𝒙(0) + ∫ [ 2𝑒 −(𝑡−𝜏) − 𝑒 −2(𝑡−𝜏) 𝑒 −(𝑡−𝜏) − 𝑒 −2(𝑡−𝜏) ] [0] [1]𝑑𝜏
0 −2𝑒 + 2𝑒 −𝑒 −(𝑡−𝜏) + 2𝑒 −2(𝑡−𝜏) 1
o bien:
1 1
𝑥 (𝑡) −𝑡 −2𝑡
[ 1 ] = [ 2𝑒 −𝑡 − 𝑒 −2𝑡 𝑒 −𝑡 − 𝑒 −2𝑡 ] [𝑥1 (0)] + [2 − 𝑒 −𝑡 + 2𝑒 −2𝑡 ]
𝑥2 (𝑡) −2𝑒 + 2𝑒 −𝑒 −𝑡 + 2𝑒 −2𝑡 𝑥2 (0) 𝑒 −𝑡 − 𝑒 −2𝑡
Si el estado inicial es cero, o 𝑥(0) = 0, entonces 𝑥(𝑡) se puede simplificar a:
1 1
𝑥1 (𝑡) − 𝑒 −𝑡 + 2𝑒 −2𝑡
[ ] = [2 ]
𝑥2 (𝑡) 𝑒 −𝑡 − 𝑒 −2𝑡
Conclusion: Aquí aprendemos que, aunque existe versiones más complicadas de un sistema y por
tanto su representación de estados, aun así existe formas de resolver la matriz, usando lo que ya
sabemos de las matemáticas, más específicamente las características que tiene el numero e en los
números complejos
Ejemplo 9-7. Considere la matriz A siguiente:
0 1
𝐴=[ ]
0 −2
Calcule 𝑒 𝐴𝑡 mediante los dos métodos analíticos presentados previamente.
Método 1. Los valores propios de A son 0 y −2(𝜆1 = 0, 𝜆2 = −2). La matriz P de transformación
se obtiene como:
1 1
𝑷=[ ]
0 −2
De esta forma, 𝑒 𝐴𝑡 se obtiene del modo siguiente:
1
1 1 𝑒0 1 1 1
(1−𝑒 −2𝑡 )
𝑒 𝐴𝑡
=[ 0 ][ 2
][ 1] = [ ]
2
0 −2 0 𝑒 −2𝑡 0 −2 0 𝑒 −2𝑡
Método 2. Como
𝑠 0 0 1 𝑠 −1
𝑠𝑰 − 𝑨 = [ ]−[ ]=[ ]
0 𝑠 0 −2 0 𝑠+2
Se obtiene:
1 1
𝑠 𝑠(𝑠 + 2)
(𝑠𝑰 − 𝑨)−1 =
1
[0 𝑠+2 ]
Por tanto:
1
1 (1−𝑒−2𝑡 )
𝑒 𝐴𝑡 = ℒ −1 [(𝑠𝑰 − 𝑨)−1 ] = [ 2 ]
0 𝑒 −2𝑡
Conclusión: Ahora vemos dos métodos para calcular la importante matriz e^At que se utiliza en
varios métodos de control
Ejemplo 9-8. Sea la matriz
0 1
𝐴=[ ]
0 −2
Calcule 𝑒 𝐴𝑡 utilizando la fórmula de interpolación de Sylvester, obtenemos
1 𝜆1 𝑒 𝜆1 𝑡
| 1 𝜆2 𝑒 𝜆2 𝑡 | = 0
𝑰 𝑨 𝑒 𝐴𝑡
Al sustituir 𝜆1 por 0 y 𝜆2 por −2 en esta última ecuación, se obtiene:
1 0 1
|1 −2 𝑒 −2𝑡 | = 0
𝑰 𝑨 𝑒 𝐴𝑡
Si se desarrolla el determinante, se deduce:
−2𝑒 𝐴𝑡 + 𝑨 + 2𝑰 − 𝑨𝑒 −2𝑡 = 0
O bien:
1
𝑒 𝐴𝑡 = 2(𝑨+2𝑰−𝑨𝑒 −2𝑡 )
1 0 1 2 0 0 1 −2𝑡
= {[ ]+[ ]−[ ]𝑒 }
2 0 −2 0 2 0 −2
1
1 (1−𝑒 −2𝑡 )
=[ 2 ]
0 𝑒 −2𝑡
Un enfoque alternativo, en primer lugar, se determinan 𝛼0 (𝑡) y 𝛼1 (𝑡) a partir de:
𝛼0 (𝑡) + 𝛼1 (𝑡)𝜆1 = 𝑒 𝜆1 𝑡
𝛼0 (𝑡) + 𝛼1 (𝑡)𝜆2 = 𝑒 𝜆2 𝑡
Como 𝜆1 = 0 y 𝜆2 = −2, las dos últimas ecuaciones se convierten en:
𝛼0 (𝑡) = 1
𝛼0 (𝑡) − 2𝛼1 (𝑡) = 𝑒 −2𝑡
Al resolver para 𝛼0 (𝑡) y 𝛼1 (𝑡) se obtiene:
1
𝛼0 (𝑡) = 1, 𝛼1 (𝑡) = (1 − 𝑒 −2𝑡 )
2
Luego, 𝑒 𝐴𝑡 se puede escribir como:
1
1 1 (1−𝑒 −2𝑡 )
𝑒 𝐴𝑡 = 𝛼0 (𝑡)𝑰 + 𝛼1 (𝑡)𝑨 = 𝑰 + (1 − 𝑒 −2𝑡 )𝑨 = [ 2 ]
2 0 𝑒 −2𝑡
Conclusión: Observamos un último método para calcular la matriz eAt ahora por la fórmula de
interpolación de Sylvester.
Ejemplo 9-9. Los vectores:
1 1 2
𝑥1 = [2], 𝑥2 = [0], 𝑥3 = [2]
3 1 4
Son linealmente independientes ya que:
𝑥1 + 𝑥2 − 𝑥3 = 0
Los vectores:
1 1 2
𝑦1 = [2], 𝑦2 = [0], 𝑦3 = [2]
3 1 2
Son linealmente independientes ya que:
𝑐1 𝑦1 + 𝑐2 𝑦2 + 𝑐3 𝑦3 = 0
Implica que:
𝑐1 + 𝑐2 + 𝑐3 = 0
Observe que si una matriz 𝑛 × 𝑛 es no singular (es decir, tiene un rango 𝑛 o el determinante es
diferente de cero), entonces 𝑛 vectores columna (o fila) son linealmente independientes. Si la matriz
𝑛 × 𝑛 es singular (es decir, tiene un rango menor que 𝑛 o el determinante es cero), entonces 𝑛
vectores columna (o fila) son linealmente dependientes. Para demostrar esto, considere que:
1 1 2
[𝑥1 ⋮ 𝑥2 ⋮ 𝑥3 ] = [2 0 2] = 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟
3 1 4
1 1 2
[𝑦1 ⋮ 𝑦2 ⋮ 𝑦3 ] = [2 0 2] = 𝑛𝑜 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟
3 1 4
Conclusión: Con este ejemplo se nos enseña cómo saber si alguna conjunción de vectores es
independientemente lineal, lo que nos servirá luego para conocer la controlabilidad y
observabilidad de una matriz de estados.
Ejemplo 9-10. Sea el sistema dado por:
𝑥̇ 1 1 𝑥1 1
[ 1] = [ ] [𝑥 ] + [ ] 𝑢
𝑥̇ 2 0 −1 2 0
Como:
[𝑩 ⋮ 𝑨𝑩] = [1 1] = 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟
0 0
el sistema no es de estado completamente controlable.
Ejemplo 9-11. Sea el sistema dado por:
𝑥̇ 1 1 𝑥1 0
[ 1] = [ ] [𝑥 ] + [ ] [𝑢]
𝑥̇ 2 2 −1 2 1
Para ese caso:
[𝑩 ⋮ 𝑨𝑩] = [0 1 ] = 𝑛𝑜 𝑠𝑖𝑛𝑔𝑢𝑙𝑎𝑟
1 −1
Por tanto, el sistema es de estado completamente controlable.
Conclusión: Con estos dos ejemplos se nos da una idea de cómo saber si un sistema es
completamente controlable, son dos ejemplos sencillos, pero concisos a la hora de ver la
controlabilidad
Ejemplo 9-12. Los sistemas siguientes son de estado completamente controlable:
𝑥̇ −1 0 𝑥1 2
[ 1] = [ ][ ] + [ ]𝑢
𝑥̇ 2 0 −2 𝑥2 5
𝑥̇ 1 −1 1 0 𝑥1 0
[𝑥̇ 2 ] = [ 0 −1 0 ] [𝑥2 ] + [4] 𝑢
𝑥̇ 3 0 0 −2 𝑥3 3
𝑥̇ 1 −2 1 0 ⋮ 0 𝑥1 0 1
𝑥̇ 2 0 −2 1 ⋮ 𝑥2 0 0 𝑢
𝑥̇ 3 = 0 0 −2 ⋮ 𝑥3 + 3 0 [𝑢1 ]
⋯ ⋯ ⋯
𝑥̇ 4 ⋯ ⋯ ⋯ 𝑥
⋮ −5 1 [𝑥4 ] [0 0 2
[𝑥̇ 5 ] [ 0 ⋮ 0 −5] 5 2 1]
Los sistemas siguientes no son de estado completamente controlable:
𝑥̇ −1 0 𝑥1 2
[ 1] = [ ][ ] + [ ]𝑢
𝑥̇ 2 0 −2 𝑥2 0
𝑥̇ 1 −1 1 0 𝑥1 4 2 𝑢
1
[𝑥̇ 2 ] = [ 0 −1 0 ] [𝑥2 ] + [0 0] [𝑢 ]
2
𝑥̇ 3 0 0 −2 𝑥3 3 0
𝑥̇ 1 −2 1 0 ⋮ 0 𝑥1 4
𝑥̇ 2 0 −2 1 ⋮ 𝑥2 2
𝑥̇ 3 = 0 0 −2 ⋮ 𝑥3 + 1 𝑢
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 𝑥
𝑥̇ 4 3
⋮ −5 1 [𝑥4 ] [ ]
[𝑥̇ 5 ] [ 0 ⋮ 0 −5 ] 5 0
Aquí observamos distintos ejemplos de sistemas controlables y sistemas no controlables.
Ejemplo 9-13. Sea la función de transferencia siguiente:
𝑋(𝑠) 𝑠 + 2.5
=
𝑈(𝑠) (𝑠 + 2.5)(𝑠 − 1)
Es evidente que no ocurre una cancelación del factor (𝑠 + 2.5) en el numerador y el denominador
de esta función de transferencia. (Por tanto, se 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:
𝑥̇ 0 1 𝑥1 1
[ 1] = [ ] [𝑥 ] + [ ] 𝑢
𝑥̇ 2 2.5 −1.5 1 1
Como:
[𝑩 ⋮ 𝑨𝑩] = [1 1]
1 1
El rango de la matriz [𝑩 ⋮ 𝑨𝑩] es 1. Por tanto, llegamos a la misma conclusión: el sistema no es de
estado completamente controlable.
Conclusión: Observamos que aunque la matriz pueda ser de números complejos es posible saber
si es controlable, por el mismo método de saber el rango de la matriz
Ejemplo 9-14. Sea el sistema descrito por:
𝑥̇ 1 1 𝑥1 0
[ 1] = [ ] [𝑥 ] + [ ] 𝑢
𝑥̇ 2 −2 −1 1 1
𝑥1
𝑦 = [ 1 0] [ 𝑥 ]
2
¿Es este sistema controlable y observable?
Como el rango de la matriz
[𝑩 ⋮ 𝑨𝑩] = [0 1 ]
1 −1
es 2, el sistema es de estado completamente controlable.
Para la controlabilidad de salida, se calcula el rango de la matriz [𝑪𝑩 ⋮ 𝑪𝑨𝑩]. Como:
[𝑪𝑩 ⋮ 𝑪𝑨𝑩] = [0 1]
el rango de la matriz es 1. Por lo tanto, el sistema tiene una salida completamente controlable.
Para verificar la condición de Observabilidad, examine el rango de [𝑪∗ ⋮ 𝑨∗ 𝑪∗ ]. Como:
[𝑪∗ ⋮ 𝑨∗ 𝑪∗ ] = [1 1]
0 1
El rango de [𝑪∗ ⋮ 𝑨∗ 𝑪∗ ] es 2. Por tanto, el sistema es completamente observable.
Conclusión: Ahora que ya sabemos que es la controlabilidad vemos que para saber si podemos
hacer un módulo completo de control de un sistema es necesario también saber un concepto mas,
la observabilidad, 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, entonces para
saber si es completamente observable también debemos calcular rango de la matriz
Ejemplo 9-15. Demuestre que el siguiente sistema no es completamente observable
𝑥̇ = 𝑨𝑥 + 𝑩𝑢
𝑦 = 𝑪𝑥
Donde:
𝑥1 0 1 0 0
𝑥 = [𝑥2 ] , 𝑨=[ 0 0 1 ], 𝑩 = [ 0] , 𝑪 = [4 5 1]
𝑥3 −6 −11 −6 1
Tome en cuenta que para 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:
4 −6 6
[𝑪∗ ⋮ 𝑨∗ 𝑪∗ ⋮ (𝑨∗ )2 𝑪∗ ] = [5 −7 5 ]
1 −1 −1
Considere que:
4 −6 6
|5 −7 5 | = 0
1 −1 −1
Por tanto, el rango de la matriz [𝑪∗ ⋮ 𝑨∗ 𝑪∗ ⋮ (𝑨∗ )2 𝑪∗ ] 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:
𝑋1 (𝑠) 1
=
𝑈(𝑠) (𝑠 + 1)(𝑠 + 2)(𝑠 + 3)
y la función de transferencia entre 𝑌(𝑠) y 𝑋1 (𝑠) es:
𝑌(𝑠)
= (𝑠 + 1)(𝑠 + 4)
𝑋1 (𝑠)
Por tanto, la función de transferencia entre la salida 𝑌(𝑠) y la entrada 𝑈(𝑠) es:
𝑌(𝑠) (𝑠 + 1)(𝑠 + 4)
=
𝑈(𝑠) (𝑠 + 1)(𝑠 + 2)(𝑠 + 3)
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).
Conclusión: Aquí hay un ejemplo de cómo funciona la observabilidad con los números complejos
Ejemplo 9-16. Los sistemas siguientes son completamente observables.
𝑥̇ −1 0 𝑥1 𝑥1
[ 1] = [ ][ ], 𝑦 = [ 1 3] [ 𝑥 ]
𝑥̇ 2 0 −2 𝑥2 2
𝑥̇ 1 2 1 0 𝑥1 𝑦1
𝑥1
3 0 0 𝑥
[𝑥̇ 2 ] = [0 2 1] [𝑥2 ], [𝑦 ] = [ ] [ 2]
2 4 0 0 𝑥
𝑥̇ 3 0 0 2 𝑥3 3
𝑥̇ 1 2 1 0 ⋮ 0 𝑥1 𝑥1
𝑥̇ 2 0 2 1 ⋮ 𝑥2 𝑥2
⋮ 𝑦1 1 1 1 0 0 𝑥3
𝑥̇ 3 = 0 0 2 𝑥3 , [𝑦 ] = [ ]
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 𝑥 2 0 1 1 1 0 𝑥4
𝑥̇ 4 ⋮ −3 0 𝑥4
[𝑥̇ 5 ] [ 0 [ ] [𝑥5 ]
⋮ 0 −3] 5
Los sistemas siguientes no son completamente observables.
𝑥̇ −1 0 𝑥1 𝑥1
[ 1] = [ ][ ], 𝑦 = [ 0 1] [ 𝑥 ]
𝑥̇ 2 0 −2 𝑥2 2
𝑥̇ 1 2 1 0 𝑥1 𝑦1
𝑥1
0 1 3 𝑥
[𝑥̇ 2 ] = [0 2 1] [𝑥2 ], [𝑦 ] = [ ] [ 2]
2 0 2 4 𝑥
𝑥̇ 3 0 0 2 𝑥3 3
𝑥̇ 1 2 1 0 ⋮ 0 𝑥1 𝑥1
𝑥̇ 2 0 2 1 ⋮ 𝑥2 𝑥2
⋮ 𝑦1 1 1 1 0 0 𝑥3
𝑥̇ 3 = 0 0 2 𝑥3 , [𝑦 ] = [ ]
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ 𝑥 2 0 1 1 0 0 𝑥4
𝑥̇ 4 ⋮ −3 1 𝑥4
[𝑥̇ 5 ] [ 0 [ ] [𝑥5 ]
⋮ 0 −3] 5
Conclusión: Tenemos algunos ejemplos de sistemas observables contra sistemas no observables
para darnos un mejor entendimiento del tema
Observaciones. Se puede ver que existe mucha variedad a la hora de trabajar con sistemas, hay
bastantes herramientas matemáticas que nos ayudan a la hora de calcular diferentes matrices
importantes del sistema, podemos decir que este tema es solo el preludio que nos está dando la
información necesaria para poder empezar a controlar el sistema.
Conclusión general.
Como conclusión podemos decir que la controlabilidad juega un papel crucial en muchos
problemas de control, como la estabilización de sistemas inestables, o el control óptimo y que la
controlabilidad y la observabilidad son aspectos duales de un mismo problema. En esta unidad se
abarcó el aprendizaje de los métodos matemáticos necesarios para poder resolver estos sistemas
matriciales, para que así, cuando se nos pida modelar sistemas con su etapa de control más
adelantes, se tenga la idea de cómo resolver los problemas a los que nos podemos enfrentar en las
etapas de control.
Referencias.
Ogata, K. (2010). Ingeniería de Control Moderna (5.a ed.). Pearson.
Troncoso, P. E., Mainz, R.J. (s.f.). Notas y ejemplos sobre Controlabilidad y Observabilidad para
ayudar al seguimiento de las clases. [PDF]. Recuperado el 22 de abril de 2021 de
[Link]
trolabilidad_y_observabilidad.pdf
