REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL DE LA FUERZA ARMADA

(UNEFA)

VARIABLES
DE ESTADO

PROFESOR: BACHILLERES:

Miguel Córdova Luis Manrique ci.26039007

Paonel Martinez ci.20724422

Teoria de Control. ING.ELECTRICA

MAYO,2018

INTRODUCCION
 La ingeniería de control nos permite, representar un sistema físico cualquiera compuesto
por un conjunto de entradas, salidas y variables de estado en un modelo matemático
establecido mediante un sistema de ecuaciones que a su vez se combinan en una
representación matricial, este tipo de representaciones nos permiten trabajar de una forma
más compacta y versátil para moldear y estudiar un tipo específico de sistemas que puede
poseer un numero variante de entradas como de salidas, el espacio de estado se refiere al
espacio de “n” dimensiones donde no está limitada a solo sistemas con componentes
lineales o con condiciones iguales a “cero”, las variables de estado se manejan dentro de
dicho espacio y esas variables de estado: son un subconjunto más pequeño de variables de
un sistema que pueden representar su estado dinámico completo para un determinado
momento.

MARCO TEORICO
 Variables de estado

Las variables de estados conforman un grupo más pequeño de variables en un sistema

dado, que pueden representar un estado dinámico en un momento dado en el tiempo. Este
puede ser representado en forma matricial o ecuación diferencial que define al sistema en
un modelo matemático particular, dicho sistema puede ser también redefinido como una
función de transferencia, de ser así el número mínimo de variables de estado presentes será
igual al orden del denominador de la función de transferencia, se debe tener en cuenta que
al pasar de una espacio de estado a una función de transferencia puede perderse
información interna en dicho proceso, esto implica que si conocemos que el sistema en su
representación de espacio de estado este nos indique que presenta inestabilidad en ciertos
puntos y al pasarlo a una representación de función de transferencia nos indique que este es
totalmente estable por eso se debe tener precaución y tener en cuenta cada aspecto del
sistema para no perderlo, si hablamos del número de variables como se mencionaba con
anterioridad, nos referimos por ejemplo: si tenemos un circuito eléctrico normalmente el
número de variables de estado está asociada directamente al número de elementos
almacenadores de energía.

Sistemas lineales

_. Las variables de estado nos permiten establecer una relación entre un sistema y un
modelo matemático, ahora sabiendo cual es el comportamiento de dicho sistema podemos
establecer un modelo similar a este donde se representan las entradas variables de estados
y salidas como se le ve en la imagen siguiente:

Podemos establecer que dicho proceso será representado de la siguiente manera: la entrada
“Ẋ(t) =A(t)X(t) + B(t)U(t)” y salida “Y(t) =C(t)X(t) + D(t)U(t)”, donde se establece la
relación entre elementos que conforman dicho sistema
 dx (t)
De esta manera sabemos que: Ẋ(t) = , en el plano temporal es “dx” y que también es
dt
igual a “Sx” en el plano frecuencial, ahora la variables de dichas ecuaciones representan lo
siguiente:

-“X” es el vector de estados.

-“Y” es el vector de salida.

-“U” vector de entrada o de control.

-“A” matriz de estado.

-“B” matriz de entrada.

-“C” matriz de salida.

-“D” matriz de transmisión directa, esto por simplicidad, pero puede tomar el valor de cero
si se elige trabajar un sistema ideal sin perturbaciones.

Dónde:

A = [a 11 a 12 a1 n a 21 a 22 a2 n an 1 an 2 ann] (n x n). B =
[b 11 b 12b 1 p b 21b 22 b 2 p bn 1 bn 2bnp ] (n x p).

C =[c 11 c 12 c 1 q c 21 c 22 c 2 q cq 1 cq 2 cqn] (q x n). D =

[d 11 d 12 d 1 p d 21 d 22d 2 p dq 1 dq 2 dqp ] (q x p).

dx (t) dx 1(t) dx 2(t) dx 3 (t) dxn(t )

Ẋ(t) = =[ ] , X(t) = [ X 1 X 2 X 3 Xn]. , U(t) =
dt dt dt dt dt
[U 1 U 2U 3 Un] .
Donde se representa la relación de las variables de estado con una o distintas entradas.

_. Se debe tener en cuenta que todas las variables dependen de “t”, es decir, son variantes
en el tiempo, tanto como para una “t continua, (t Є R)” como para una “t discreta, (t Є Z)”,
esto depende de las consideraciones tomadas hacia la representación del sistema para un
modelo de espacio, para el cual pudiera representarse de la siguiente manera:

TIPO DE SISTEMA: MODELO DE ESPACIO DE ESTADOS:

_. Continuo e invariable en el tiempo. _.Ẋ(t) =AX(t) + BU(t)

Y(t) =CX(t) + DU(t)

_. Continuo y variante en el tiempo _.Ẋ(t) =A(t)X(t) + B(t)U(t)

Y(t) =C(t)X(t) + D(t)U(t)

_. Discreto e invariante en el tiempo. _.Ẋ(k + 1) =AX(k) + BU(k)

Y(k) =CX(k) + DU(k)

_. Discreto y variante en el tiempo. _. Ẋ(k + 1) =A(k)X(k) + B(k)U(t)

Y(k) =C(k)X(t) + D(k)U(t)

_. Transformada de Laplace de continua _. sẊ(s) =AX(s) + BU(s)

he invariante en el tiempo. Y(s) =CX(s) + DU(s)

_. Transformada Z de discreta e invariante _. zẊ(z) =AX(z) + BU(z)

en el tiempo. Y(z) =CX(z) + DU(z)

_. Las matrices son una de las maneras de representar un sistemas en un modelo

matemático, que usamos para este tema sobre variables de estados, dicho esto podemos
aplicar el teorema de valores propios (de la matriz “A”) el cual es una de las características
del campo matricial, que nos permite determinar y estudiar en un sistema sus características
como lo son la estabilidad y su respuesta natural. Ahora cuando nos referimos a la
estabilidad de un modelo ya expresado matemáticamente en cual el tiempo no varía, esta
característica se puede determinar mediante la observación de la función de transferencia
del sistema en forma factorizada la cual tendría una semejanza con el siguiente mostrado a
continuación:
 (s−z 1)( s−z 2)(s−z 3)
G(s) = k x ( )
(s−p 1)( s− p 2)(s− p 3)(s− p 4)

_. Se establece que el denominador de la función de transferencia es igual al polinomio

característico encontrado mediante el determinante de (sI – A), los valores propios, es decir,
las raíces nos proporcionaran los “polos” en la función de transferencia del sistema los
cuales son usados para analizar si el sistema es asintótica, es decir, que se acerca de
continuo a una recta o a otra curva sin llegar a tocarse además de establecer su
comportamiento respecto a un límite. Se debe tener en cuenta que el sistema puede ser
estable en relación a sus entradas y salidas correspondientes y aun así podría ser
internamente inestable, esto sucede cuando existen polos inestables los cuales son
cancelados por los ceros.

Matriz de transición estado:

_. Se define como una matriz que satisface la ecuación de estado lineal homogénea.

dx (t)
= Ax(t).
dt

_. Debemos tener en cuenta que cuando se aplica para una matriz de (n x n) de transición de
estado, esta debe satisfacer la ecuación:

dϕ(t )
= Aϕ(t), a un más si x(0) es el estado inicial en (t=0), entonces ϕ(t) se define
dt
mediante la ecuación matricial:

X(t) = ϕ(t)x(0).

_. La cual es la solución de la ecuación de estado homogénea para (t≥0), otra manera es

aplicar la transformada de Laplace en ambos lados de la ecuación:

sX(s) – x(0) = AX(s)

sX(s) –AX(s) = x(0)

sX(s)[sI – A] = x(0), la matriz identidad por “s” menos la matriz “A”

X(s) = (sI – A)-1x(0), donde se supone la matriz (sI – A) es no singular, ahora aplicando la
transformada inversa en ambos miembros tenemos que:

X(t) = L-1[(sI – A)-1]x(0) , para (t≥ 0 ¿

X(t) = e at x(0), donde este representa la siguiente serie de potencias:

1 2 2 1 3 3
e at = I + At + A t + A t ….
2! 3!

_. Además es fácil demostrar que esta ecuación es la solución de la ecuación de estado

homogénea: si derivamos respecto a “t”:

d eat ( t)
= Ae at .
dt

_. Ahora conociendo la ecuación de estado: Ẋ(t) =AX(t) + BU(t), una vez que las
ecuaciones de un sistema lineal e invariante en el tiempo están expresadas en forma de
ecuación, el siguiente paso involucra por lo general resolver estas ecuaciones, dado el
vector de estado X(t0), el vector de entrada U(t). Para un tiempo (t ≥ t0), dicho esto el
significado de la matriz de transición de estado es que esta representa la respuesta libre del
sistema, esta determina la respuesta que es debida a las condiciones iniciales solamente,
esta depende específicamente de la matriz A, por lo que esta se denomina como la matriz
de transición de estado de A, esta define por completo la transición de estado desde el
tiempo inicial (t=0) a cualquier “t” cuando las entradas sean cero.

Propiedades:

X(0) = I ( matriz identidad)

X-1(t) = X(-t) .

X(t2 –t1)X(t1 – t0) = X(t2 – t0), esta propiedad de la matriz de transición de estado es
importante ya que implica que un proceso de transición de estados se puede dividir en un
numero de transiciones secuenciales.

[X(t)]k = X(kt). Para k = entero positivo.

Ecuación de transición de estado

_. La ecuación de estado lineal invariante en el tiempo se define como:

Ẋ(t) =AX(t) + BU(t).

_. Esta ecuación se puede resolver utilizando ya sea el método de la solución de ecuaciones

diferenciales o el método de la transformada de Laplace, en este caso usamos el método de
la transformada de Laplace y ambos lados de la ecuación y nos queda de la siguiente
manera:

dx (t)
=AX(t) + BU(t)
dt

sX(s) – x(0) = AX(s) + BU(s), donde x(0), denota el vector de estado inicial evaluado en
(t=0).

Al resolver esta ecuación para X(s):

X(s) = (sI – A)-1x(0) + (sI – A)-1[(BU(s))]

Aplicando en ambos lados la transformada inversa de Laplace tenemos que:

X(t) = L-1 [(sI – A)-1]x(0) + L-1 {(sI – A)-1 [BU(s)]}

t
=ϕ(t)x(0) + ∫ ϕ(t−τ )[BU (τ )]dτ , (t≥ 0 ¿
0

_. Dicha ecuación es útil solamente cuando el tiempo inicial se define en (t=0), para el
estudio de sistemas de control en el ámbito de sistemas en tiempo discreto, casi siempre se
desea llegar a una descomposición de un proceso de transición a una secuencia de
transiciones, para de esa forma hacer más flexible la dinámica respecto al tiempo inicial.

_. Una vez que se determina la ecuación de transición de estado, el vector de salida se

puede expresar como una función del estado inicial y del vector de entrada simplemente al
sustituir x(t) de la ecuación anterior en Y(t) =C(t)X(t) + D(t)U(t):
t

Y(t) = Cϕ(t – to)x(to) + + ∫ Cϕ (t−τ)[BU (τ )] dτ + DU(t), (t≥ ¿ ¿.

0

Ejemplo: considere la ecuación de estado siguiente

dx 1(t) dx 2(t)
[ ] = [0 1−2−3 ] x [ x 1(t) x 2(t )] + [0 1] x u(t);
dt dt

_. El problema consiste en determinar la matriz de transición de estado ϕ(t) y el vector de

estado x(t) para (t≥ 0 ¿. En donde la entrada es U(t) para (t≥ 0 ¿. Los coeficientes de las
matrices se identificas como las siguientes:

A= [0 1−2−3 ] , B=[0 1]

Por lo que:

(sI – A) = [s 0 0 s] -[0 1−2−3 ] = [s−1 2 s+3 ]

Aplicando la inversa de Laplace en (sI – A):

1
(sI – A)-1 = x [s+ 31−2 s ]
(s+1)(s +2)

s+ 3 s 3
L-1{ }= L-1{ } +L-1{ }
(s+1)(s +2) (s+1)(s +2) (s+1)(s +2)

s s a b
L-1{ } = aplicando fracciones parciales: = +
(s+1)(s +2) (s+1)(s +2) (s+1) (s+2)

La convertimos en una ecuación lineal: s = a(s + 2) + b(s + 1), le damos los siguientes
valores a “s” para hallar los valores de (a y b), [s = (-2) y s = (-1)]:

Lo cual nos indica que a = -1 y b = 2.

s 1 1
L-1{ } = (-1)L-1{ } + (2)L-1{ } = −e−t + 2e−2 t
(s+1)(s +2) (s+1) (s+2)

3 3 a b
L-1{ } = aplicando fracciones parciales: = +
(s+1)(s +2) (s+1)(s +2) (s+1) (s+2)

La convertimos en una ecuación lineal: 3 = a(s + 2) + b(s + 1), le damos los siguientes
valores a “s” para hallar los valores de (a y b), [s = (-2) y s = (-1)]:

Lo cual nos indica que a = 3 y b = -3.

3 1 1
L-1{ } = (3)L-1{ } + (-3)L-1{ } = 3 e−t - 3e−2 t
(s+1)(s +2) (s+1) (s+2)

Sumamos los resultados:

= −e−t + 2e−2 t +3 e−t - 3e−2 t = 2e−t - e−2 t

De esa manera resolvemos las demás transformadas inversas de Laplace:

1
L-1{ } = e−t - e−2 t
(s+1)(s +2)

−2
L-1{ } = −2 e−t + 2e−2 t
(s+1)(s +2)

s
L-1{ } =−e−t + 2e−2 t
(s+1)(s +2)
_. La matriz de transición de estado A se encuentra tomando la transformada inversa de
1
Laplace de la ecuación: (sI – A)-1 = x [s+ 31−2 s ].
(s+1)(s +2)

Φ(t) = L-1[(sI – A)-1] = [2e−t −e−2 t e−t −e−2 t−2 e−t + 2e−2 t −e−t + 2e−2 t ]
t

_. Ahora sustituimos en ϕ(t)x(0) + ∫ ϕ(t−τ )[BU (τ )]dτ:

0

Quedando:

X(t) = [2e−t −e−2 t e−t −e−2 t−2 e−t + 2e−2 t −e−t + 2e−2 t ] x(0)
t

= ∫ [2e−(t−τ )−e−2 (t −τ) e−(t −τ) −e−2(t− τ)−2 e−(t −τ )+ 2e−2 (t −τ) −e−(t−τ )+ 2 e−2 (t −τ )] x [0 1]dτ
0

Esta es la ecuación de transición de estado para (t≥ 0 ¿.

_. Existe una relación entre las ecuaciones de estado y las ecuaciones de orden superior,
como se pudo constar anteriormente se definieron las ecuaciones de estado y sus soluciones
para sistemas lineales e invariantes en el tiempo, pero se puede plasmar las ecuaciones
directamente del diagrama esquemático del sistema, dicho esto el sistema puede ser
representado en un modelo matemático como lo es una ecuación de orden superior o
función de trasferencia.

Sabemos que las ecuaciones de estado se escriben en forma matricial:

dx (t)
= Ax(t) + Bu(t) .
dt

Dónde:

A= [0 10 … 0 0 0 1 … 0 :::… :0 0 0 … 1−a−a−a−a] (n x n). B =[0 0 :01] (n x 1).

_. Se puede observar que los últimos renglones de A contienen los valores negativos de los
coeficientes de la parte homogénea de la ecuación diferencial de orden ascendente, excepto
para el coeficiente del termino de mayor orden, el cual es la unidad. B es la matriz columna
con el ultimo renglón igual a “1” y el resto de los elementos son ceros.
 dx (t)
_. Estas ecuaciones de estado en la ecuación = Ax(t) + Bu(t), junto con A y B
dt
conforman lo que se conoce como la forma canónica en variables de fase (FCVF), o
también la forma canónica controlable (FCC).

_. La ecuación de salida del sistema se escribe como:

Y(t) = Cx(t) = x1(t), donde C = (1 0 0 … 0).

_. Relación entre las ecuaciones de estado y las funciones de transferencia, se han

presentado los métodos para representar un sistema lineal e invariante en el tiempo
mediante funciones de transferencia y ecuaciones dinámicas, la función de transferencia de
un sistema lineal con una entrada y una salida se define en términos de los coeficientes de
la ecuación diferencial del sistema, de manera similar la matriz de funciones de
transferencia proporciona la relación de un sistema multi-variable que posee “p” entradas y
“q” salidas.

_. Considere que un sistema lineal invariante en el tiempo se describe por ecuaciones

dinámicas:

dx (t)
= Ax(t) + Bu(t)
dt

Y(t) = Cx(t) + Du(t)

Dónde:

X(t) = vector de estado de (n x 1), Y(t) = vector de salida de (p x 1),

U(t) = vector de entrada de (p x 1),

_. A, B, C y D, son coeficientes matriciales de dimensiones apropiadas, tomando la

transformada de Laplace en ambos lados de la ecuación y resolviendo para X(s) se tiene lo
siguiente:

X(s) = (sI – A)-1x(0) +(sI – A)-1[BU(s)]

_. La transformada de Laplace de la ecuación de salida es:

Y(s) = CX(s) + DU(s), al sustituir la ecuación en la anterior en esta tenemos que:

Y(s) = C(sI – A)-1x(0) +C(sI – A)-1[BU(s)] + DU(s)

_. Debido a que la definición de función de transferencia necesita de condiciones iniciales

sean “cero” (x(0) = 0), la ecuación se transforma en:

Y(s) = [C(sI – A)-1B + D]U(s)

Y se define como: G(s)=C(sI – A)-1B + D

_. Ecuación característica:

Esta es de vital importancia ya que para el estudio de sistemas lineales esta puede definir
con relación a la ecuación diferencial, la función de transferencia o las ecuaciones de
estado.

Ecuación característica a partir de la ecuación diferencial:

d n y (t ) d n−1 y (t ) dy (t) d m u (t) d m−1 u (t) du(t )

n
+ a (n-1) n−1
+...+ a 1 + a 0 y(t) + b n m
+ b (n-1) m −1
+…+ b1 +
dt dt dt dt dt dt
b0u(t)

Donde (n¿ m), al definir el operador (s) como:

k dk
S = k , donde (k=1, 2, 3…., n) enteros positivo.
dt

Esta ecuación se describe de la siguiente manera:

(Sn + a(n-1)S(n-1) + …+ a1S + a0)y(t) = (bmSm + b(m-1)S(m-1) + …+ b1S + b0)u(t)

La ecuación del Sistema se define como: Sn + a(n-1)S(n-1) + ... + a1S + a0 = 0, lo cual se obtiene
igualando a “cero” la parte homogénea de la ecuación

_. Ecuación característica a partir de la función de transferencia:

La función de transferencia se puede obtener de la ecuación anterior:

“(Sn + a(n-1)S(n-1) + …+ a1S + a0)y(t) = (bmSm + b(m-1)S(m-1) + …+ b1S + b0)u(t)”

y (s ) b m Sm + b(m−1) S m−1+ …+b 1 S+ b 0

G(s) = =
u (s ) S n+ a(n−1) S n−1 +…+a 1 S +a 0

_. Ecuación característica a partir de las ecuaciones de estado:

Apartir de lo que se conoce como variable de estado podemos partir desde la ecuacion:

G(s) = C(sI – A)-1B + D

adj (sI −A ) ¿
G(s) = C B + D → = C [adj (sI −A)] B+{sI− A ¿ D [sI− A ] , igualando el
[sI− A ]
denominador de la matriz de transferencia G(s) a cero, obtiene la ecuación característica:

[sI – A] = 0

Esta viene siendo una forma alternativa de dicha ecuación, una de las propiedades más
importantes de la ecuación característica es que si los coeficientes de A son reales, los
coeficientes de [sI – A] son también reales.

_. Valores característicos:

En una ecuación característica suele pasar comúnmente que las raíces de dicha ecuación
tengan relación con los valores característicos de la matriz A, existen ciertas propiedades de
dichos valores característicos como los son los siguientes:

_ Sí los coeficientes de A son todos reales, sus valores característicos son, ya sean reales o
pares complejos conjugados.

_ Sí (λ 1, λ 2,…, λ n) son los valores característicos de A , entonces:

n
Tr(A) = ∑ λi , [esto es la traza de A es la suma de todos los valore característicos de A].
i=1

_ Sí λ i , [i = 1, 2, …, n], es un valor característico de A, también es un valor característico

de A.

_ Sí A es no singular, con valores característicos λ i , [i = 1, 2,…, n], entonces:

 1
, [i = 1, 2,…, n], son los valores característicos de A.1
λi

_. Vectores característicos:

Respecto a lo que tiene que ver el tema de control de sistemas en la actualidad los vectores
característicos son de mucha utilidad en el tema, ahora cualquier vector [P i], distinto e cero
que satisfaga la ecuación matricial:

(λ iI – A)Pi = 0 , en donde λ i , [i = 1, 2,…, n], denota el i-ésimo valor característico asociado

a la matriz A, este se conoce como el vector característico de A que tiene relacion con el
valor característico de λ i . si A tiene valores característicos diferentes estos se pueden
resolver directamente de la ecuación.

A = [1−1 0−1] y B = [11], entonces la ecuación característica de A es:

[λI – A] = λ 2 – 1

Los valores característicos son ( λ 1 = 1 y λ 2 = -1):

P1 =[P 11 P 21] ; P2 = [P 12 P22]

Sustituimos ¿1 = 1] en la ecuación (λ iI – A)Pi = 0 y obtenemos:

[−21 0 0][P 11 P21] = [0 0], lo que es igual a:

[-2P12 +P22 = 0]

Ahora como hay valores desconocidos los cuales son dos, esto implica que se pueden
establecer en forma arbitraria valores a esas dos incógnitas:

P1=[10 ] , P2=[12]

_. Controlabilidad de sistemas lineales:

Si nos centramos en los aspectos teórico y práctico respecto a lo que es el control de
sistemas hoy en día la Controlabilidad y la observabilidad son muy importantes a la hora de
realizar estudios sobre un sistema cualquiera sea, circuital, hidráulico o físico, debido a que
estos determinan la solución de problemas de control optimo, lo cual se presta para definir
la línea que separa lo que significa la teoría de control optima de la teoría de control clásica.
Referente a la teoría de control básica esta se basa en estudio s donde se realizan pruebas de
ensayo y error derivadas de esquematizaciones y especificaciones de diseño que el
diseñador desconoce, en cambio en la teórica de control optima se aplican criterios
específicos para determinar desde el comienzo si dicha solución al problema establecido
existe o no para las especificaciones y esquematizaciones del sistema mismo. La
observabilidad se relaciona con la condición de observación o estimación de las variables
de salida las cuales son generalmente medibles.

La condición de Controlabilidad de estados implica que es posible, mediante entradas

admisibles, dirigir los estados desde cualquier valor inicial a cualquier valor final dentro de
un intervalo de tiempo. Un modelo de espacio de estados continuo e invariante en el tiempo
es controlable si y solo si la matriz de controlabilidad de (n x nr) tenga “rango n”:

S = [B AB A2B….A(n - 1)B] , siendo S el “rango n”

Ya que las matrices A y B están involucradas, en algunas ocasiones se dice que el par [A,B]
es controlable, lo que implica que S es de “rango n”, sabiendo que en dicho rango no puede
existir (0), rengo de n [R - {0}].

EJEMPLO:
A = [−21 0−1] , B = [10 ]

S = [A AB] = [1−2 0 0] , det = 0

Lo cual si sacamos la determinante nos damos cuenta que dicho sistema no es controlable
debido a que la matriz es singular.

_. Observabilidad de sistemas lineales:

Este concepto obedece a que si un sistema es observable si cada variable de estado del sistema
afecta alguna de la salida, es importante obtener información sobre las variables de estado de las
mediciones de las salidas y de las entradas, si cualquiera de los estados n o se observar a partir de
las mediciones de las salidas se dice que el sistema no es observable, dicho esto un sistema
lineal e invariante en el tiempo que se describe mediantes ecuaciones dinámicas se dice
que el estado es observable si dada cualquier entrada existe un tiempo finito tal que del
conocimiento la entrada u(t) para un tiempo determinado , las matrices (A, B, C y D), y la
salida Y(t) para un tiempo finito son suficientes para determinar x(t0), si cada estado del
sistema es observable. Ahora el siguiente teorema define dicha condición de observabilidad
la cual depende notoriamente de las matrices del sistema (A y C):

Para el sistema descrito sea observable en necesario y suficiente que la siguiente matriz de
observabilidad de (n x np) tenga un “rango n”:

V=[C CA C A 2 C A n−1 ] , ya plasmada la condición esta también se conoce como que el par
[A,C] es observable en particular si el sistema tiene solo una salida, C es una matriz renglón
de(1xn), V es una matriz cuadrada (nxn), siendo entonces que es observable el sistema
siempre y cuando V sea no singular:

A = [−2 00−1] , B = [31] y C = [10 ]

V = [C CA ] = [10−2 0] , det = 0,

La cual es singular por lo que el par [A,C], es no observable.

_. Ya establecido parte de lo que es el campo de espacio de estados “variables de estados”

la cual compone algunas de los sub-temas mencionados en este trabajo de investigación,
podemos decir que son de mucha utilidad a la hora de elaborar un estudio en un sistema
independientemente de cual sea dicho sistema en consideración a su esquema, estructura o
diseño del mismo, los cuales nos permiten definir características y peculiaridades de lo su
funcionamiento y comportamiento respecto a un factor como lo puede ser el plano temporal
(t) o el frecuencial (s)
 Conclusión

Las variables de estados son un campo muy dinámico en el cual se pueden esquematizar y
definir una cantidad variada de sistemas desde unos físicos hasta eléctricos y llevar los a
una representación matemática ya sea en sistemas matriciales, funciones de transferencia y
ecuaciones diferenciales lo cuales poseen diferentes características respecto a la descripción
de su comportamiento, del cómo nos pueden establecer la observabilidad y controlabilidad
del sistema mismo. Como pueden establecerse criterios de manejo respecto a problemas
que pueden presentarse en el proceso y como saber si tienen solución, sabemos existen
espacios entre la teoría de control optima y la teoría de control clásica una como métodos
establecidos para el manejo de sistemas mientras que la otra los estable a medida que
realiza pruebas en el sistema, todo con la finalidad de identificar un sistema y estudiarlo
para de esa manera mejorarlo y hacer que sea mejor y más eficiente en su desarrollo.
 BIBLIOGRAFIA

https://es.wikipedia.org/wiki/Espacio_de_estados

https://es.scribd.com/document/38865453/Analisis-de-Variables-de-Estado