Una representación matemática en el dominio temporal de un sistema dinámico que utiliza un vector finito de variables de estado x(t) y ecuaciones diferenciales (continuas) o en diferencias (discretas) de primer orden ẋ = Ax + Bu, y = Cx + Du (o sus generalizaciones no lineales), relacionando la evolución del estado interno con entradas y salidas para análisis, simulación y diseño de control.

Principio

Especificar un vector de estado de dimensión mínima y las matrices (A,B,C,D) proporciona una descripción lineal completa en el tiempo de la dinámica LTI de dimensión finita observable en las salidas y controlable por las entradas; el mismo marco se generaliza a sistemas no lineales o variantes en el tiempo sustituyendo matrices por mapeos dependientes del estado.

Demostración

Escenario ilustrativo → Un ingeniero de control modela la dinámica de un motor de corriente continua con estados [velocidad del rotor; corriente de armadura] (situación). Escribe las ecuaciones de estado linealizadas alrededor del punto de operación, obtiene las matrices A y B (reconocimiento), diseña un controlador por realimentación de estado para colocar los polos de lazo cerrado y cumplir requisitos de tiempo de establecimiento (acción), y simula respuestas temporales que muestran que el motor alcanza la velocidad objetivo en el tiempo previsto (consecuencia).

Aplicación incorrecta

Suponer que las variables de estado y las matrices del sistema son únicas sin especificar la base de estado o la transformación de coordenadas: dos modelos en espacio de estados equivalentes ligados por una transformación de semejanza representan el mismo comportamiento entrada‑salida pero tienen diferentes entradas A,B,C,D. El error semántico es confundir valores paramétricos con observables físicos en lugar de centrarse en invariantes (función de transferencia, autovalores).

Consecuencia

Los modelos en espacio de estados permiten simulación temporal, diseño de observadores y controladores, análisis MIMO y pruebas rigurosas de estabilidad; una identificación incorrecta de estados, linealizar inapropiadamente o usar aproximaciones de orden bajo sin validación puede producir controladores que fallen en la práctica o predicciones transitorias erróneas.

Inversión

Para sistemas intrínsecamente de dimensión infinita (parámetros distribuidos) o cuando solo se necesita respuesta en frecuencia estacionaria, el espacio de estados requiere aproximación (reducción de modelo, discretización espacial) o es innecesario; para comportamientos fuertemente no lineales la forma lineal debe reemplazarse por un modelo no lineal en espacio de estados u otros métodos adecuados.

Límite

Claramente dentro: una planta mecánica o eléctrica de orden finito donde las variables de estado (posiciones, corrientes) son identificables y una aproximación lineal es válida. Caso límite: sistema ligeramente variante en el tiempo o débilmente no lineal donde la linealización da orientaciones útiles pero exige validación. Claramente fuera: descripción exacta de un campo electromagnético en espacio continuo (una EDP de dimensión infinita) sin reducción.

Tensión semántica

Orden del modelo e interpretabilidad ↔ Factibilidad computacional: modelos de orden superior capturan más física y mejoran la fidelidad pero aumentan la complejidad de diseño y el coste computacional; se debe equilibrar la minimalidad con la adecuación para control o simulación.

Síntesis

El modelado en espacio de estados unifica la representación dinámica para simulación y control al exponer los estados internos que gobiernan la respuesta transitoria; es una herramienta potente para el diseño, pero requiere decisiones explícitas sobre la definición de estados, la validez de la linealización y el orden del modelo que determinan si las predicciones se transfieren al sistema real.