Apuntes Sistemas Lineales Dinámicos

Universidad de Concepción
Facultad de Ingeniería
Depto. de Ingeniería Eléctrica
Apuntes
Sistemas Lineales Dinámicos - 543 214
h2
Fe
V, P
h1
Fs1
ω
Fs2
4ta edición
© Prof. José R. Espinoza C. – Daniel G. Sbárbaro H.
Marzo 2004
Apuntes: 543 214 ii
Tabla de contenidos
PRÓLOGO ................................................................................................................................................. IV
NOMENCLATURA ....................................................................................................................................... V
ABREVIACIONES ..................................................................................................................................... VIII
1 INTRODUCCIÓN ..................................................................................................................................1
1.1 Proceso y Sistema ...................................................................................................................1
1.2 Modelo ....................................................................................................................................3
1.3 Clasificación de Sistemas y Modelos ......................................................................................5
1.4 Alcances del Curso 543 214....................................................................................................9
2 MODELACIÓN DE SISTEMAS.............................................................................................................10
2.1 Principios Básicos.................................................................................................................10
2.2 Modelo y Simulación de Sistemas en Ingeniería...................................................................13
2.3 Analogías de Sistemas...........................................................................................................27
2.4 Transformaciones de Similitud en Ecuaciones de Estado ....................................................28
2.5 Linealización .........................................................................................................................29
3 SEÑALES EN SISTEMAS ....................................................................................................................34

3.1 Introducción ..........................................................................................................................34
3.2 Señales de Prueba .................................................................................................................36
3.3 Transformaciones sobre Señales ..........................................................................................39
3.4 Señales de Prueba Discretas.................................................................................................46
3.5 Convolución continua y discreta...........................................................................................49
4 TRANSFORMACIONES.......................................................................................................................52
4.1 Introducción ..........................................................................................................................52
4.2 Transformada de Laplace .....................................................................................................53
4.3 Transformada de Fourier......................................................................................................59
4.4 Transformada de Fourier de Frecuencia Discreta...............................................................64
4.5 Transformada Z ....................................................................................................................67
4.6 Transformada de Fourier de Tiempo Discreto .....................................................................71
4.7 Transformada de Fourier Discreta.......................................................................................73
5 CARACTERIZACIÓN MATEMÁTICA ...................................................................................................77

5.1 Introducción ..........................................................................................................................77
5.2 Solución de Ecuaciones Diferenciales ..................................................................................78
5.3 Solución de Ecuaciones de Diferencias ................................................................................82
5.4 Solución de Ecuaciones de Estados ......................................................................................85
5.5 Solución de Ecuaciones de Diferencias de Estado ...............................................................90
6 FUNCIONES DE TRANSFERENCIA ......................................................................................................93

6.1 Introducción ..........................................................................................................................93
6.2 En el Plano Continuo ............................................................................................................93
6.3 En el Plano Discreto .............................................................................................................96
6.4 Modelo en Espacio de Estados a partir de una F. de T........................................................99
Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Apuntes: 543 214 iii
6.5 Sistemas de Primer y Segundo Orden.................................................................................106

6.6 Sistemas Equivalentes Discretos - Continuos .....................................................................108
7 ANÁLISIS EN FRECUENCIA .............................................................................................................112

7.1 Introducción ........................................................................................................................112
7.2 Diagrama de Bode ..............................................................................................................113
7.3 Diagrama de Bode Asintótico .............................................................................................118
7.4 Sistemas con Retardo ..........................................................................................................120
7.5 Sistemas de Fase No-Mínima..............................................................................................121
7.6 Diagrama de Bode de Sistemas Tiempo Discreto...............................................................122
8 ESTABILIDAD DE SISTEMAS LINEALES ...........................................................................................125

8.1 Introducción ........................................................................................................................125
8.2 Estabilidad de Sistemas Continuos en Ecuaciones de Estado ............................................125
8.3 Estabilidad Entrada-Salida en Sistemas Tiempo Continuo ................................................126
8.4 Estabilidad de Sistemas Discretos en Ecuaciones de Estado .............................................133
8.5 Estabilidad Entrada-Salida en Sistemas Tiempo Discreto .................................................134
BIBLIOGRAFÍA .........................................................................................................................................137
ÍNDICE ALFABÉTICO................................................................................................................................138

Apuntes: 543 214 iv
Prólogo.
El curso "Sistemas Lineales Dinámicos" es obligatorio para alumnos de pre-grado de las carreras de
Ingeniería Civil Eléctrica y Electrónica de la Universidad de Concepción. Este ramo es la base para el
análisis desde una perspectiva matemática de los sistemas encontrados en las variadas disciplinas de la
ingeniería; en particular, en la Ingeniería Eléctrica y Electrónica. Específicamente, en este curso se
entregan herramientas para la modelación, análisis y simulación de sistemas lineales continuos y
discretos tipo SISO y MIMO.
Los tópicos revisados en esta asignatura permiten analizar sistemas que se caracterizan por tener
estructuras lineales, que normalmente corresponden a una simplificación de la realidad física. Se asume
que se conoce o se puede derivar el modelo de éstos en forma fenomenológica y/o empíricamente. En
particular, en este curso se abordan temas como la modelación, transformaciones, discretización,
función de transferencia, Diagrama de Bode y estabilidad.
El lector debe tener dominio de los temas entregados en los cursos de Mecánica y Ecuaciones
Diferenciales para avanzar fluidamente en los tópicos de este texto. Además, un holgado manejo de
programas de simulación es definitivamente necesario para seguir los ejemplos del texto. Se
recomienda, MatLabTM y/o MathCad TM.
El documento fue digitado enteramente en Word for Windows de MicroSoftTM y los ejemplos y
ejercicios fueron desarrollados en MatLabTM y/o MathCad TM. Se desea agradecer sinceramente a los
alumnos que cursaron la asignatura en años anteriores por su comprensión y cooperación en corregir
las versiones preliminares de estos apuntes.
En honor a la gratuidad y fácil acceso a este material, esperamos recibir correcciones, comentarios, y -
lo más importante - ejemplos de sistemas físicos abordables por los temas aquí expuestos. Los aportes
se pueden enviar a cualesquiera de las direcciones indicadas más abajo.
Dr. José R. Espinoza C. Dr. Daniel G. Sbárbaro H.

Depto. de Ingeniería Eléctrica, of. 220 Depto. de Ingeniería Eléctrica, of. 240
Facultad de Ingeniería Facultad de Ingeniería
Universidad de Concepción Universidad de Concepción
Casilla 160-C, Correo 3 Casilla 160-C, Correo 3
Concepción, CHILE Concepción, CHILE
Tel: +56 41 203512 Tel: +56 41 204981
Fax: +56 41 246999 Fax: +56 41 246999
e-mail: jespinoz@die.udec.cl e-mail: dsbarbar@die.udec.cl
web: http://www.die.udec.cl/~jespinoz/ web: http://www.die.udec.cl/~dsbarbar/

Apuntes: 543 214 v
Nomenclatura
Matrices
A : matriz de parámetros de dimensión n·n.
B : matriz de parámetros de dimensión n·p.
C : matriz de parámetros de dimensión q·n.
D : matriz de parámetros de dimensión q·p.
E : matriz de parámetros de dimensión n·m.
F : matriz de parámetros de dimensión q·m.
T : matriz de transformación de dimensión de n·n.
AT : matriz de parámetros transformada mediante T de dimensión n·n. AT = TAT-1
BT : matriz de parámetros transformada mediante T de dimensión n·p. BT = TB
CT : matriz de parámetros transformada mediante T de dimensión q·n. CT = CT-1
DT : matriz de parámetros transformada mediante T de dimensión q·p. DT = D
ET : matriz de parámetros transformada mediante T de dimensión n·m. ET = TE
FT : matriz de parámetros transformada mediante T de dimensión q·m. FT = F
Tabc-αβ0 : matriz de transformación de ejes abc a αβ0, dimensión 3·3.
Tαβ0-abc : matriz de transformación de ejes αβ0 a abc, dimensión 3·3.
Tαβ0-dq0 : matriz de transformación de ejes αβ0 a dq0, dimensión 3·3.
Tdq0-αβ0 : matriz de transformación de ejes dq0 a αβ0, dimensión 3·3.
Tabc-dq0 : matriz de transformación de ejes abc a dq0, dimensión 3·3.
Tdq0-abc : matriz de transformación de ejes dq0 a abc, dimensión 3·3.
H(s) : matriz de transferencia. H(s) = C(sI - A)-1B + D.
Hˆ ( s) : matriz de transferencia inversa. Hˆ ( s ) = H-1(s).
H(s)H : matriz conjugada transpuesta de H(s). H(s)H = (H(s)*)T.
C : matriz de controlabilidad.
O : matriz de observabilidad.
L(s) : matriz de transferencia en L.D.
Φ(t) : matriz de transición.
Adj{P} : matriz adjunta de la matriz P.
diag{x1,…} : matriz diagonal compuesta por los valores x1, x2, ….
ℜe{X} : matriz parte real de la matriz X.
ℑm{X} : matriz parte imaginaria de la matriz X.
Vectores
x : vector de n variables de estados, x = [x1 x2 ··· xn]T
u : vector de p variables de entrada, u = [u1 u2 ··· up]T
y : vector de q variables de salida, y = [y1 y2 ··· yq]T
p : vector de m perturbaciones, p = [p1 p2 ··· pm]T
x̂ : vector de n variables de estados, x̂ = [ x̂1 x̂2 ··· x̂n ]T (estimación de x).
ŷ : vector de q variables de estados, ŷ = [ ŷ1 ŷ2 ··· ŷq ]T (estimación de y).
~
x : vector de n variables de estados, ~x = [~ x1 ~
x2 ··· ~xn ]T (error de estimación de ~
x = x - x̂ ).
xabc abc a b c T
: vector de tres variables de estados, x = [x x x ] (ejes estacionarios abc).
xαβ0 : vector de tres variables de estados, xαβ0 = [xα xβ x0]T (ejes estacionarios αβ0).
xdq0 : vector de tres variables de estados, xdq0 = [xd xq x0]T (ejes rotatorios dq0).

Apuntes: 543 214 vi
x0 : condición inicial del vector de estados, x0 = [x10 x20 ··· xn0]T

xo : vector de estados en el punto de operación, xo = [x1o x2o ··· xno]T
uo : vector de entradas en el punto de operación, uo = [u1o u2o ··· upo]T
yo : vector de salidas en el punto de operación, yo = [y1o y2o ··· yqo]T
yd : vector deseado (referencia) de q variables de salida, yd = [y1d y2d ··· yqd]T
po : vector de perturbaciones en el punto de operación, po = [p1o p2o ··· pqo]T
∆x : variación del vector de estados x en torno a xo, ∆x = [∆x1 ∆x2 ··· ∆xn]T
∆u : variación del vector de entradas u en torno a uo, ∆u = [∆u1 ∆u2 ··· ∆up]T
∆y : variación del vector de salidas y en torno a yo, ∆y = [∆y1 ∆y2 ··· ∆yq]T
∆p : variación del vector de perturbaciones p en torno a po, ∆p = [∆p1 ∆p2 ··· ∆pm]T
x(s) : Laplace de x, x(s) = [x1(s) x2(s) ··· xn(s)]T
u(s) : Laplace de u, u(s) = [u1(s) u2(s) ··· up(s)]T
y(s) : Laplace de y, y(s) = [y1(s) y2(s) ··· yp(s)]T
p(s) : Laplace de p, p(s) = [p1(s) p2(s) ··· pm(s)]T
vk : k-ésimo vector propio de A.
wk : k-ésimo vector propio de AT.
vk* : conjugado del k-ésimo vector propio de A.
xec : vector de estados para entrada cero.
xci : vector de estados para c.i. nulas.
yec : vector de salidas para entrada cero.
yci : vector de salidas para c.i. nulas.
ck : k-ésima fila de la matriz C.
bk : k-ésima columna de la matriz B.
∇V(x) : gradiente de la función V(x). ∇V(x) = ∂V(x)/∂x.
Escalares
xk : k-ésima variable de estado.
dxk/dt = x k : derivada de la k-ésima variable de estado.
ak : k-ésimo coeficiente del polinomio característico de A.
λk : k-ésimo valor propio de A.
λk* : conjugado del k-ésimo valor propio de A.
λij : ganancia relativa entre la entrada i-ésima y la salida j-ésima.
l ( s) : función de transferencia en L.D.
dij : elemento ij de la matriz D.
hij(s) : elemento ij de la matriz H(s).
hˆij ( s ) : elemento ij de la matriz Hˆ ( s ) = H-1(s).
rango{P(s)} : rango de la matriz P(s).
det{P(s)} : determinante de la matriz P(s).
arg{x} : ángulo del número complejo x.
tr{P(s)} : traza de la matriz P(s).
maxij{wij}l : máximo elemento de la matriz Wl.
max{} : máximo valor.
min{} : mínimo valor.
log{} : logaritmo en base 10.
u(t) : entrada escalón.
|| e || : norma del elemento e.
σl(A) : l-ésimo valor singular de A.

Apuntes: 543 214 vii
σ (A) : máximo valor singular de A.

σ (A) : mínimo valor singular de A.
ρ(A) : radio espectral de A.
γ(A) : número de condición de A.
V(x) : función de Lyapunov.
Ω : vecindad en el espacio de estados de x.
G : conjunto invariante.
R : conjunto invariante subconjunto de G.
ess : vector de error en estado estacionario.
δ : banda de asentamiento.
ts : tiempo de asentamiento.
V : valor medio (RMS) de la señal continua (alterna) v(t).
f(t) : función en el tiempo continuo.
f(k) : función en el tiempo discreto (también escrita f(kT), con T el tiempo de muestreo).
f(s) : función en el plano de Laplace.
f(ω) : función en frecuencia continua de tiempo continuo.
f(Ω) : función en frecuencia continua de tiempo discreta.
f(n) : función en frecuencia discreta de tiempo continuo.
f(m) : función en frecuencia discreta de tiempo discreta.

Apuntes: 543 214 viii
Abreviaciones.
Mayúsculas
L.A. : lazo abierto.
L.C. : lazo cerrado.
L.D. : lazo directo.
L.I.T. : lineal invariante en el tiempo.
S.P.I. : semi-plano izquierdo.
S.P.D. : semi-plano derecho.
F. de T. : función de transferencia.
F.D. : función descriptora.
M. de T. : matriz de transferencia.
B.W. : ancho de banda.
E.S. : entrada/salida.
S.S. : estado estacionario.
SISO : sistema de una entrada y una salida (single input single output).
MIMO : sistema de varias entradas y varias salidas (multiple inputs multiple outputs).
L.G.R. : lugar geométrico de las raíces.
P.I.D. : controlador proporcional integral derivativo.
S.P. : sobrepaso.
M.G. : margen de ganancia.
M.F. : margen de fase.
FCD : forma canónica diagonal.
FCC : forma canónica controlable.
FCO : forma canónica observable.
FCJ : forma canónica de Jordan.
T.L. : Transformada de Laplace.
T.F. : Transformada de Fourier.
T.F.F.D. : Transformada de Fourier de Frecuencia Discreta.
T.Z. : Transformada Z.
T.F.T.D. : Transformada de Fourier de Tiempo Discreta.
T.F.D. : Transformada de Fourier Discreta.
D. de B. : Diagrama de Bode
Minúsculas
c.i. : condiciones iniciales.
l.i. : linealmente independiente.
l.d. : linealmente dependiente.
c.c. : corriente continua (en inglés es d.c.).
c.a. : corriente alterna (en inglés es a.c.).
a.c.a. : abscisa de convergencia absoluta.

Apuntes: 543 214 1
1 Introducción
En este capítulo se introduce formalmente los conceptos de proceso, sistema y

modelo, como también la relación entre ellos. Especial importancia se da a la
identificación de las cantidades asociadas a un sistema y a la clasificación de
éstas en variables de estado, entradas, salidas, perturbaciones y parámetros.
Además, se proponen varias clasificaciones de sistemas de acuerdo a sus
principales características. Los tópicos son ilustrados con ejemplos extraídos de
las variadas disciplinas de la ingeniería.
1.1 Proceso y Sistema
Def.: Por proceso se entenderá una realidad física cualquiera que conlleva, en algún intervalo de
tiempo, un cambio de estado que exhiben sus componentes esenciales.
El análisis de procesos tiene por finalidad conocer el comportamiento que exhibe un cierto aspecto
asociado a un proceso. Este aspecto y el estudio a realizar quedan determinados por los objetivos de
análisis que se hayan establecidos.
Def.: Un sistema es una abstracción de un realidad física de acuerdo a los objetivos de estudio
planteados.
De este modo, a un mismo proceso pueden asociarse variados sistemas. La asociación depende de
cuáles sean los objetivos de análisis considerados.
Ejemplo 1.1. Considere el sistema de generación hidroeléctrico que se muestra en la Fig. 1.1. Los posibles objetivos de
estudio asociado a este proceso podrían ser:
– Pérdidas de fluido en las cañerías.
– Rendimiento del generador.
– Aumento de la temperatura del agua.
– Generación de tensión constante.
– ... ♣
Es así entonces, que cada objetivo hará necesario extraer un aspecto restringido de la realidad concreta,
tendiente a simplificar el proceso de análisis a realizar.
A. Cantidades en sistemas
Los sistemas se caracterizan de acuerdo a cómo están constituidos y como interactúan con el medio,
para ello se define los siguientes conceptos:

Apuntes: 543 214 2
Def.: Las variables de entrada son aquellas mediante las cuales se actúa desde el exterior sobre el
proceso, y a total voluntad, con lo cual se determina sus principales características de
comportamiento.
Def.: Las variables de salida constituyen el medio que permite efectuar el análisis del proceso,
mediante la evaluación directa de los objetivos de estudio.
Def.: Las perturbaciones son variables que también actúan desde el exterior, pero que no son
manejables a voluntad, y cuyo efecto sobre el proceso siempre es conocido. Introducen una
componente de incertidumbre en el estudio.
Def.: Las variables de estado son aquellas variables que definen totalmente la condición del sistema,
desde el punto de vista de los objetivos de estudio, en cuanto a la información contenida en él y a
su evolución frente a una acción del medio.
Def.: Los parámetros son cantidades que fijan ciertas características del proceso, estableciendo un
marco al cual estará condicionado su comportamiento; se consideran fijos cuando el resto está
sujeto a variaciones.
Ejemplo 1.2. Considere el sistema de generación hidroeléctrico de la Fig. 1.1. Para este caso se pueden identificar las
siguientes cantidades:
– u : Porcentaje de apertura de la válvula de escape.
– Fe : Flujo de alimentación del estanque.
– Fs1 : Flujo de vaciado no alterable.
– Fs2 : Flujo de vaciado manipulable.
– h1 : Altura de la columna de agua del estanque.
– V : Voltaje en los terminales del generador.
– ω : Velocidad de giro del generador.
h2
θsol
Fe
V, P V2
Vout θ2
h1 V1 θ1
Fs1
ω
θcel
u Vc
Fs2
Fig. 1.1 Sistema de generación hidroeléctrica. Fig. 1.2 Sistema de generación solar.

Apuntes: 543 214 3
– P : Potencia consumida por la red.

– h2 : Altura del canal de alimentación.
– ... ♣
Ejemplo 1.3. Considere el sistema de posicionamiento de un generador solar presentado en la Fig. 1.2.
Los objetivos de estudio que se pueden plantear son:
– Vout v/s ángulo del sol.
– Regulación de tensión.
– Generación de tensión máxima.
– Generación de tensión constante.
– ...
Además, podemos identificar las siguientes cantidades:
– θ1 : Ángulo del sensor 1.
– θ2 : Ángulo del sensor 2.
– θsol : Ángulo del sol.
– θcel : Ángulo de la celda mayor.
– V1 : Voltaje del sensor 1.
– V2 : Voltaje del sensor 2.
– Vout : Voltaje de celda mayor.
– Vc : Voltaje de alimentación del motor posicionador.
– ... ♣
1.2 Modelo
Un modelo es una representación de un sistema. Cabe destacar que para efectuar un análisis de un
proceso es necesario conocerlo. En general, se desea llegar a conocer factores (internos y externos) que
condicionan el comportamiento del mismo, tales como interrelaciones entre variables, el efecto de las
perturbaciones, rangos de estabilidad, el efecto de la variación de parámetros, etc. El mayor
conocimiento del proceso se obtiene mediante la experimentación, la cual generalmente no se puede
desarrollar con profundidad en plantas industriales, debido a esta situación se debe recurrir a medios
alternativos tales como la simulación de los experimentos en modelos del proceso completo o en
modelos parciales de los fenómenos de interés.
Dentro de los factores que normalmente limitan la experimentación en plantas industriales se pueden
citar los siguientes:
Factibilidad tecnológica, que dice relación con los medios disponibles para realizar los experimentos:
instrumentación, posibilidad de acceso a todos los puntos de variables que requiera medir, precisión
exigida, etc.
Costos asociados a la experimentación tanto en recursos humanos, uso de equipos, materiales,
Modelo 1
Objetivo 1 Sistema 1 Modelo 2
Modelo 3
Objetivo 2 Sistema 2
Proceso
:
:
Objetivo n Sistema n
Fig. 1.3 Relación entre proceso-objetivo-sistema-modelo.

Apuntes: 543 214 4
alteraciones del proceso o su operación, tiempo de experimentación, etc.

Tiempo de experimentación que permite obtener información útil a los propósitos del estudio en
particular, adecuado para detectar variaciones en el medio.
Características de los medios y herramientas existentes para la experimentación.
La importancia de los modelos reside, principalmente, en que proporcionan un medio más simple para
conocer el comportamiento del proceso. Es decir, son sustituto del proceso para el análisis, en relación
tanto a los efectos que el medio ejerza sobre él, como también de aquellos derivados de las
modificaciones de sus características internas. En otras palabras, el modelo es una herramienta usada
para el análisis de procesos, a través del análisis de sistema. En la Fig. 1.3 se presenta la relación entre
proceso y modelos.
Dependiendo de la naturaleza de los modelos se pueden clasificar en:
Conceptuales describe al sistema en forma global, permiten la transferencia de ideas o conceptos en

forma clara y precisa, generalmente los modelos conceptuales toman la forma de diagramas.
Matemáticos los cuales a su vez se podrían clasificar en: Analíticos los cuales representan un conjunto
de ecuaciones asociadas a la descripción de un sistema, y Numéricos que representan un conjunto de
algoritmos que no tiene necesariamente un equivalente analítico.
Lingüísticos que son un conjunto de reglas que describen a un sistema.
Ejemplo 1.4. En la Fig. 1.4 se muestra un sistema compuesto por una fuente, un interruptor y una lámpara conformando un
circuito eléctrico Fig. 1.4(a). Luego se muestra el modelo conceptual Fig. 1.4(b), el modelo matemático Fig. 1.4(c), y el
modelo lingüístico Fig. 1.4(d) asociado a este sistema. ♣
Existen consideraciones generales en la práctica que deben tenerse en cuenta al modelar un sistema:
Complejidad versus representabilidad. La complejidad del modelo muchas veces está asociada a los
objetivos de estudio, y conlleva al uso de herramientas sofisticadas de análisis. Es por eso, que es
siempre deseable tener modelos lo más simple posible, pero que representen el fenómeno que se quiere
estudiar. Lamentablemente, muchos fenómenos que se presentan en los procesos industriales son
complejos, y así será necesario tener un modelo que sea un balance entre complejidad y
representabilidad.
Simplificaciones. Para reducir la complejidad de los modelos se puede recurrir a simplificaciones tales
como:
Sw 21
interruptor +
Fuente
220 V v Lámpara
alterna
i -
a) circuito eléctrico b) modelo conceptual
Sw = 1 => v = Ri Si S w está en 1 entonces la lámpara se enciende

Sw = 2 => i = 0 Si S w está en 2 entonces la lámpara se apaga
c) modelo matemático d) modelo lingüístico

Fig. 1.4 Circuito eléctrico y diferentes modelos asociados.

Apuntes: 543 214 5
• Reducción de orden: en este caso se eliminan algunos parámetros o ecuaciones que tienen poca
influencia en la variable que se esta modelando.
• Concentración de parámetros: en sistemas con parámetros distribuidos se puede resumir
(concentrar) los efectos en tan solo un punto.
• Linealización: se considera el sistema operando en un rango pequeño de variaciones, donde una
aproximación en serie de primer orden da una muy buena aproximación. Cabe destacar que esta
simplificación da origen a este curso.
Rango de validez El rango de validez determina la zona donde el modelo es válido; es decir, donde
concuerda con el comportamiento del proceso. Dentro de los factores que podemos citar y que afectan
el rango de validez están las suposiciones simplificatorias.
Ejemplo 1.5. En la Fig. 1.5 se muestra el diagrama de bloques asociado al sistema de generación hidroeléctrica del
Ejemplo 1.2. En este caso no se conoce cómo está relacionada la salida y entrada de cada bloque. Se espera que las leyes
físicas nos permitan obtener tales expresiones. Esta alternativa es conocida como modelación fenomenológica. Por último,
se puede utilizar la experimentación para obtener el modelo de aquellos sistemas en donde no es posible escribir ecuaciones
físicas, metodología conocida como modelación empírica. Este es el caso de la presión arterial y/o el ritmo cardiaco del
cuerpo humano en función de variables de entrada como puede ser la aplicación de algún medicamento. ♣
1.3 Clasificación de Sistemas y Modelos

Los sistemas así como los modelos se pueden clasificar de acuerdo a las características de los
elementos que los componen.
A . Lineal y no-lineal
Los sistemas y modelos lineales cumplen con el principio de superposición y homogeneidad. Es decir,
si y1(t) e y2(t) son las respuestas del sistema H a las entradas u1(t) y u2(t), respectivamente; entonces, el
sistema será lineal si y sólo si se cumplen las siguientes igualdades:
H (u1 (t ) + u2 (t )) = y1 (t ) + y2 (t ) y H (αu1 (t )) = αy1 (t ) ,
donde, y1(t) = H(u1(t)), y2(t) = H(u2(t)) y α es un número real. Estas representaciones pueden tomar la
forma de expresiones algebraicas, ecuaciones de diferencias, ecuaciones diferenciales ordinarias o
ecuaciones diferenciales parciales.
Ejemplo 1.6. Considere el circuito eléctrico de la Fig. 1.6(a), el modelo obtenido considerando las cantidades R y L
constantes (parámetros) es,
d d
e = Ri + ( Li ) = Ri + L i ,
dt dt
el cual corresponde a un modelo lineal; sin embargo, si se desea incluir el efecto de la corriente sobre la inductancia L =
L(i), el modelo obtenido es,
d di dL
e = Ri + ( Li ) = Ri + L + i,
dt dt dt
resultando un modelo no-lineal. Este es el caso de inductores que operan con corrientes muy elevadas y que no han sido
diseñados para operar a tales niveles de corriente, fenómeno conocido como saturación. ♣

Apuntes: 543 214 6
B . Continuos y discretos
Hay procesos cuyas variables son discretas por naturaleza como por ejemplo la producción de una
fábrica de zapatos, la cual produce un número discreto de zapatos al mes, a diferencia por ejemplo de
una planta papelera donde la producción de papel de diario es una variable continua. Por otro lado, hay
que distinguir sistemas temporales discretos y continuos. En un sistema de evolución continua las
variables de interés asumen algún valor en cada instante, mientras que en sistemas discretos los valores
de las variables, cambian tan sólo en ciertos instantes.
Ejemplo 1.7. Para un depósito P(0) se tiene que al cabo de un mes la cantidad es P(T) = (1 + I)P(0), donde I es el interés
mensual y T es un mes. Así, la cantidad de dinero al cabo de un mes arbitrario kT denotada por P(kT + T) esta dada por P(kT
+ T) = (1 + I)P(kT) o equivalentemente,
P(kT + T) - (1 + I)P(kT) = 0.
Esta expresión corresponde al modelo del proceso y es claramente discreto, pues sólo hay valores para los instantes kT, que
en este caso corresponden a meses. Se sabe que la solución de esta ecuación es P(kT) = (1 + I)kP(0). En este curso se
revisarán técnicas matemáticas para resolver ecuaciones como las anteriores. ♣
Ejemplo 1.8. Hay un par inicial (macho y hembra) de conejos. Suponer que los conejos nunca mueren y que cada hembra
gesta una pareja cada mes a partir del segundo mes de nacida. ¿ Cuántos pares de conejos hay en un mes arbitrario k ?. R.:
Al escribir la cantidad para los meses iniciales se puede determinar que si y(kT), con T = 1 mes, es la cantidad de pares de
conejos está dada por, y(kT) = y(kT-T) + y(kT-2T) o equivalentemente,
y(kT + 2T) - y(kT+T) - y(kT) = 0,
con y(0) = y(T) = 1.La expresión analítica para y(kT) se determinará con las herramientas estudiadas en este curso. ♣
Las ecuaciones discretas no son dominio exclusivo de los sistemas financieros o de población. Por el
contrario, cualesquier realidad física “abordada” mediante un sistema digital queda mejor representada
por ecuaciones discretas; en particular y en ingeniería, los sistemas eléctricos y electrónicos que son
operados mediante computadoras (microprocesadores en general).
h2 Fe
P
canal
u h1 Fs1 ω V
estanque generador
Fig. 1.5 Modelo de la mini-central de la Fig. 1.1.
L
+ R L + +
R
e(t) e(t) vc(t)
- C
- i(t) - i(t)
a) circuito RL b) circuito RLC

Fig. 1.6 Clasificación de modelos; a) lineales y no-lineales, b) dinámicos y estáticos.

Apuntes: 543 214 7
C . Estáticos y Dinámicos
Esta clasificación es consecuencia de los objetivos de análisis que se hayan planteado. Así por ejemplo,
si el objetivo de análisis es conocer los valores que toman las diferentes variables de un proceso en
condiciones de operación prefijadas, el modelo deberá ser estático, por cuanto no interesa el
comportamiento temporal de las variables. Sin embargo, si el objetivo de análisis es conocer lo que
sucede a las variables del proceso luego de provocarse un cambio en las condiciones de operación, se
deberá considerar un modelo dinámico.
Un proceso esta normalmente en evolución, por lo tanto, no puede hablarse de un proceso estático, pero
sí puede decirse respecto de su modelo. El análisis mediante modelos estáticos es realmente útil en la
práctica, puesto que resulta conveniente para simplificar el proceso de análisis y el empleo de técnicas
de solución de modelos.
Los modelos estáticos generalmente se representan mediante ecuaciones algebraicas lineales y/o no
lineales, y en derivadas parciales (respecto a la ubicación espacial). Por otro lado, los modelos
dinámicos son representados matemáticamente mediante ecuaciones diferenciales ordinarias (respecto
del tiempo) o parciales (respecto del tiempo y ubicación espacial).
Ejemplo 1.9. En la Fig. 1.6(b) se muestra un circuito eléctrico RLC. El modelo dinámico de este circuito esta dado por:
di dvc vc
e=L + vc i=C + ,
dt dt R
y el modelo estático asociado será tan sólo
vc
e = vc i= .
R
Es posible notar que la diferencia entre el modelo dinámico y el estático es que en este último no se consideran variaciones
en las variables. Nótese que se obtiene haciendo las derivadas nulas o bien abriendo los capacitores y cortocircuitando los
inductores del circuito. ♣
y(k)
15
10
k
0 2 4 6 8 10 12 14 16 18 20
a)
ymed1(k)
15
10
k
0 2 4 6 8 10 12 14 16 18 20
b)
Fig. 1.7 Promediador; a) señal de entrada, b) salida del promediador causal.

Apuntes: 543 214 8
D . Causales y no-causales
Un sistema causal es aquel cuya salida es una consecuencia del valor actual y pasado de la señal de
entrada. Por otro lado, sistemas no causales generalmente surgen de algoritmos matemáticos y son
representaciones abstractas, el ejemplo más simple es el filtro promediador.
Ejemplo 1.10. Considere el conjunto de puntos que se muestran en la Fig. 1.7(a). Si se quisiera promediar dos datos
adyacentes se tendría las siguientes opciones:
y (k ) + y (k − 1)
ymed 1 (k ) = ,
2
y (k ) + y (k + 1)
ymed 2 (k ) = .
2
La primera representa un sistema causal, Fig. 1.7(b), en cambio, el segundo filtro es no causal puesto que la señal de salida
depende de los valores futuros de la señal de entrada. ♣
E . Tiempo invariantes y variantes

Todo proceso real, con mayor o menor rapidez, sufre modificaciones en sus características, en
particular en sus parámetros. Sin embargo, si estos cambios son suficientemente lentos respecto a las
características que se desea estudiar mediante el análisis, los parámetros pueden ser considerados
constantes con el fin de obtener un modelo de este proceso. Estos modelos, cuyos parámetros no son
dependientes del tiempo son llamados invariantes en el tiempo. Si por el contrario, el modelo
desarrollado considera en forma explícita la dependencia temporal de los parámetros, se les llama
variantes en el tiempo.
Ejemplo 1.11. En un estudio del movimiento de un cuerpo sometido a una fuerza, la masa de éste puede ser considerada
un parámetro. Si el cuerpo es, por ejemplo, el trasbordador espacial, Fig. 1.8(a), su masa estará variando constantemente a
causa del combustible consumido; por este hecho, es un sistema cuyo modelo deberá considerar la variación de la masa en
forma explícita en función del tiempo. ♣
F . Parámetros concentrados y distribuidos

Un modelo de parámetros concentrados considera que las propiedades en un proceso asumen valores,
Vapor Vapor
Líquido Líquido
T1 T2
Vapor Vapor
z
∆z
a) transbordador espacial b) intercambiador de calor

Fig. 1.8 Clasificación de modelos; a) tiempo variante e invariante, b) parámetros concentrados y distribuidos.

Apuntes: 543 214 9
independiente de su ubicación espacial, ya sea porque se considera homogénea o porque se define una
característica representativa de ella. Por el contrario, un modelo distribuido pone en evidencia explícita
la dependencia espacial de estas propiedades. Los primeros se rigen, ya sea por ecuaciones algebraicas
o diferenciales ordinarias; los segundos por ecuaciones diferenciales parciales.
La solución de modelos de parámetros concentrados son bastante más simples que aquellas usadas en
la solución de modelos de parámetros distribuidos. En algunos casos, la solución de éstos se logra
luego de resolver un conjunto de aproximaciones a modelos concentrados.
Ejemplo 1.12. Considere un intercambiador de calor como se muestra en la Fig. 1.8(b). En este caso la ecuación que
describe el comportamiento del sistema en función de la longitud del intercambiador esta dado por la siguiente ecuación
parcial
∂T ∂T
ρc p A + ρc p vA = πDU (Tst − T ) ,
∂t ∂z
donde v es la velocidad media del fluido, U es el coeficiente de transferencia entre el vapor y el líquido en el tubo, Tst es la
temperatura del vapor saturado, D diámetro interno del intercambiador, A es el área transversal del intercambiador, cp calor
específico del líquido y ρ su densidad. En el caso de parámetros concentrados está descrita por la siguiente ecuación
diferencial:
dT2
ρc p A = πDU (Tst − T1 ) − c p vA(T2 − T1 ) ,
dt
donde se considera que la temperatura de salida T2 es la misma temperatura dentro del reactor. ♣
1.4 Alcances del Curso 543 214

En este curso se estudiarán en profundidad sistemas lineales del tipo continuo y discreto. Será de
especial importancia la modelación de éstos mediante el análisis fenomenológico, para lo cual se
revisarán las leyes físicas básicas de la ingeniería. Los sistemas mecánicos, hidráulicos,
electromecánicos y térmicos serán revisados acuciosamente. La modelación de sistemas eléctricos se
asume conocida.
Las señales serán analizadas formalmente en este curso para dar paso al estudio de las transformaciones
de éstas, comenzando por la Transformada de Laplace para señales continuas. Las señales discretas
serán analizadas como el resultado de una transformación de señales continuas. Para el estudio de éstas
se utilizará la Transformada Z. La Transformada de Fourier de señales continuas y discretas será
introducida sobre la base de la necesidad de un operador de uso fácil para señales periódicas.
Los modelos de sistemas estarán basados en ecuaciones diferenciales de orden n o en n ecuaciones de
estado. Se revisarán distintos métodos de solución de estas ecuaciones con el ánimo de introducir
algunos conceptos nuevos como lo es la Matriz de Transición de sistemas y sus propiedades. Los
resultados anteriores darán paso al concepto de Función de Transferencia - uno de los más importantes
en sistemas – y con ello el concepto de polos y ceros, para finalmente presentar una alternativa de
representación gráfica de la Función de Transferencia conocido como Diagrama de Bode.
Finalmente, se revisarán los conceptos de estabilidad de acuerdo al tipo de representación del sistema.
Con esto nace el concepto de estabilidad de entrada/salida – relacionado con los polos del sistema – y
el de estabilidad interna – relacionado con los valores propios de la representación en variables de
estado.

Apuntes: 543 214 10
2 Modelación de Sistemas
Este capítulo presenta las pautas básicas para la modelación de sistemas

dinámicos como los encontrados en las diferentes disciplinas de la ingeniería.
Éstos están basados en balances de energía y el principio de mínima acción. Las
materias se complementan con variados ejemplos de modelación de sistemas
mecánicos, electromecánicos, eléctricos, hidráulicos y térmicos. No se revisan los
principios eléctricos por considerarse conocidos.
2.1 Principios Básicos

La experimentación es la herramienta principal para obtener modelos de procesos, pero este
conocimiento obtenido de los fenómenos que rigen el comportamiento de muchos procesos ha sido
formalizado mediante expresiones matemáticas. Las expresiones matemáticas obtenidas pueden ser
usadas, a su vez, para el propósito de modelación. Es así como se distinguen los modelos
fenomenológicos y los empíricos.
Modelos fenomenológicos, se obtienen mediante la aplicación de leyes que rigen los fenómenos de
interés en el proceso. Es decir, se aplica la experiencia acumulada respecto a determinado fenómeno,
traducida a leyes que sintetizan un comportamiento en particular.
Modelos empíricos, son los que se determinan de la observación directa de los resultados de excitar un
proceso con entradas conocidas, y posterior correlación de la información obtenida. En estos casos se
hace total abstracción de los patrones de comportamiento internos al proceso. La metodología usada
para obtener modelos empíricos se le denomina identificación de sistemas.
El uso de la modelación fenomenológica requiere del conocimiento de los fenómenos que ocurren en el
proceso, y de las leyes que rigen su comportamiento. Es por ello que un modelo de este tipo,
desarrollado para un proceso en particular, puede ser representativo de otro proceso equivalente, luego
de un ajuste apropiado de sus parámetros.
Dado que esta modelación puede realizarse conociendo la naturaleza de los fenómenos, es posible
desarrollar modelos en ausencia del proceso. La obtención de modelos fenomenológicos se basa
principalmente, en la aplicación de las leyes de conservación (balance) y del principio de mínima
acción.
A. Ecuaciones de balance
En procesos industriales, los balances de materia y energía son de particular interés. La forma general
que tienen los balances de una propiedad P(t) en el sistema en un intervalo de tiempo es:
⎡cantidad de P ⎤ ⎡ cantidad de P ⎤
[ acumulación de P ] = ⎡flujo de P ⎤ − ⎡flujo de P ⎤ + ⎣ generada ⎦ − ⎢⎣ consumida ⎥⎦ .
⎢ ⎥
período de tiempo ⎢⎣ que entra ⎥⎦ ⎢⎣ que sale ⎥⎦ período de tiempo período de tiempo
Haciendo el período de tiempo muy pequeño, ∆t → 0, bajo los supuestos de continuidad de las

Apuntes: 543 214 11
funciones involucradas se obtiene:

dP(t )
= Fe (t ) − Fs (t ) + C g (t ) − Cc (t ) .
dt
Existen dos maneras de aplicar las ecuaciones de balance con el fin de determinar la estructura del
modelo:
Balance macroscópico. El proceso en cuestión se caracteriza por propiedades globales que no

representan variaciones espaciales. Así Fe(t), Fs(t), Cg(t) y Cc(t) son sólo función del tiempo y la
ecuación anterior es sólo una ecuación diferencial ordinaria de primer orden. El modelo obtenido
corresponde a un sistema de parámetros concentrados.
Balance microscópico. En este caso el balance descrito por la ecuación anterior se realiza en un
elemento de volumen dV, resultando la dependencia espacial de F y C. Estos balances dan lugar a un
conjunto de ecuaciones diferenciales parciales tanto con dependencia espacial como temporal. Tales
modelos corresponden a un sistema con parámetros distribuidos.
B. Principio de Mínima Acción

Según este principio, que nació con la mecánica clásica, todo proceso esta caracterizado por una
función de energía L{x(t)} cuya evolución entre dos instantes de tiempo t1 y t2 es tal que su integral,
t2
J = ∫ L{x(t )}dt .
t1
tiende el valor mínimo posible. El vector x(t) representa el vector de estado del sistema. La función L
en sistemas mecánicos se le llama Lagrangiano, el cual corresponde a la diferencia entre la energía
cinética y potencial. La condición necesaria de mínimo para la función J es,
d ⎛ ∂L ⎞ ∂L
⎜ ⎟− = Qi i = 1,..., n .
dt ⎝ ∂xi ⎠ ∂xi
donde los Qi representan las señales externas (fuerzas o torques) asociadas a la variable de estado xi.
C. Ecuación Diferencial y Ecuaciones de Estado

La ecuación diferencial corresponde a la representación de un sistema a través de una sola ecuación
diferencial de orden n, sobre una variable de estado.
dny d n −1 y ' dy
m
' d u d m −1u du
an' n
+ a '
n −1 n −1
+ " + a1 + a0 y = bm m
+ b '
m −1 m −1
+ " + b1' + b0' u ,
dt dt dt dt dt dt
donde y es la variable de estado. Es normal considerar que se divide por an' , lo que resulta en,
dny d n −1 y dy d mu d m −1u du
n
+ an −1 n −1
+ " + a1 + a0 y = bm m
+ bm −1 m −1
+ " + b1 + b0 u ,
dt dt dt dt dt dt
n
d i y m d iu
o en forma resumida como ∑a
i =0
i = ∑ bi
dt i i =0 dt i
, donde an = 1.
Ejemplo 2.1. Escriba una ecuación diferencial que describa el circuito de la Fig. 2.1. R.: En este caso se tiene que

Apuntes: 543 214 12
di (t ) dv (t ) dv (t ) d 2 vc (t )
e(t ) = Ri (t ) + L + vc (t ) y además que i (t ) = C c . Por lo tanto, e(t ) = RC c + LC + vc (t ) , lo que se
dt dt dt dt 2
d 2 vc (t ) R dvc (t ) 1 1
puede escribir ordenadamente como, + + vc (t ) = e(t ) . ♣
dt 2 L dt LC LC
En el caso de las ecuaciones de estado, el sistema se representa por un conjunto de n ecuaciones

diferenciales de primer orden. Para ilustrar el concepto de estado de un sistema consideremos el
circuito mostrado en la Fig. 2.1, definiendo las siguientes variables,
- variables de estado: x1(t) = vc(t), x2(t) = i(t),
- entrada: u(t) = e(t),
- salida: y(t) = i(t),
el modelo se puede escribir como,
⎡ x1 (t ) ⎤ ⎡ 0 1/ C ⎤ ⎡ x1 (t ) ⎤ ⎡ 0 ⎤ ⎡ x (t ) ⎤
⎢ x (t ) ⎥ = ⎢ −1/ L − R / L ⎥ ⎢ x (t ) ⎥ + ⎢1/ L ⎥ u (t ), y (t ) = [0 1] ⎢ 1 ⎥ .
⎣ 2 ⎦ ⎣ ⎦⎣ 2 ⎦ ⎣ ⎦ ⎣ x2 (t ) ⎦
De esta forma se puede ver que cualquier variable de salida que se quiera definir estará determinada por
estas variables de estado. El número de variables de estado es el orden del sistema y con el número de
acumuladores de energía que son linealmente independientes. En forma general la ecuación de estado
de un sistema está representada por,
x = f (x, u, p), y = h(x, u, p) ,
o en sus componentes,
⎡ x1 ⎤ ⎡ f1 (x, u, p) ⎤ ⎡ y1 ⎤ ⎡ h1 (x, u, p) ⎤
⎢ # ⎥=⎢ ⎥, ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ # ⎥ ⎢ # ⎥=⎢ # ⎥.
⎢⎣ xn ⎥⎦ ⎢⎣ f n (x, u, p) ⎥⎦ ⎢ yq ⎥ ⎢ hq (x, u, p) ⎥
⎣ ⎦ ⎣ ⎦
en donde, x = [x1 ... xn]T es el vector de variables de estado, u = [u1 ... up]T es el vector de entradas, y =
[y1 ... yq]T es el vector de salidas, p = [p1 ... pm]T es el vector de perturbaciones. La segunda ecuación
siempre representa las mediciones que podemos realizar, ya sea ficticias o reales. En el caso lineal se
puede escribir,
x = Ax + Bu + Ep, y = Cx + Du + Fp,
donde A, B, C, D, E, y F son matrices de parámetros con dimensiones apropiadas. Si hay n variables
de estados, entonces siempre se cumple que las dimensiones de cada componente son; x: n, u: p, p: m,
y: q, A: n·n, B: n·p, C: q·n, D: q·p, E: n·m, y F: q·m, respectivamente. Una representación en diagrama
de bloques se muestra en la Fig. 2.2.
R L
+
e
- vc + C
-
i
Fig. 2.1 Circuito serie RLC.

Apuntes: 543 214 13
2.2 Modelo y Simulación de Sistemas en Ingeniería

La simulación dice relación con la solución de las ecuaciones del modelo, esta puede ser llevada a cabo
mediante programas computacionales hechos a la medida usando algún lenguaje ad-hoc, o bien usando
ambientes de simulación específicos como MatLabTM, PSpiceTM, MathCadTM, por tan solo nombrar
algunos.
A . Sistemas Mecánicos
Los sistemas mecánicos en general están constituidos por los siguientes elementos básicos que
interactúan a través de fuerzas y desplazamientos (en movimientos lineales), y torques y
desplazamientos angulares (en movimientos rotacionales).
Resortes. Los resortes son elementos mecánicos los cuales están constituidos por algún elemento
elástico. La relación entre la fuerza aplicada a este elemento y el desplazamiento resultante, se conoce
como Ley de Hooke, la expresión más simple corresponde a una relación lineal,
F = kx,
donde, F es la fuerza aplicada al resorte, x el desplazamiento producido por la fuerza y k una constante
de proporcionalidad. Expresiones más complejas, tales como F = k1x + k2x3, generalmente son
necesarias si se consideran desplazamientos grandes. Este fenómeno también ocurre si una barra se
tuerce, en este caso se habla de resorte torsional, y el torque (en vez de fuerza) es,
T = k(θ1 − θ2),
donde, T es el torque aplicado, θ1 y θ2 son los ángulos de los extremos de la barra y k es una constante
de proporcionalidad.
Amortiguadores. Los amortiguadores son los elementos que disipan energía en los sistemas
mecánicos. En este caso existe una relación entre la fuerza aplicada y la velocidad que adquiere el
punto donde se aplica la fuerza. Para velocidades pequeñas la siguiente relación describe con cierta
precisión este tipo de sistemas:
E F
u x x y
B + ∫ C +
Fig. 2.2 Diagrama en bloques de las ecuaciones lineales dinámicas generalizadas.

Apuntes: 543 214 14
dx
F =d = dx ,
dt
donde, d es el coeficiente de disipación. Un modelo para un rango de velocidades mayor es dado por
F = d | x | x .
Estos elementos en conjunto con la ley de la conservación de la cantidad de movimiento permiten
modelar una gran variedad de sistemas mecánicos. Esta ley plantea que la variación de cantidad de
movimiento es igual a la suma de todas las fuerzas que actúan sobre el sistema, es decir,
dP(t )
= ∑ Fi (t ) ,
dt i
donde P(t) representa un vector de cantidad de movimiento (en general se considera en las tres
dimensiones) y Fi(t) son las fuerzas actuando sobre el sistema. Esta ecuación para el caso rotacional se
puede expresar como:
dM (t )
= ∑ Τi (t ) ,
dt i
donde las componentes del vector M(t) representan los momentos angulares asociados a los tres
posibles ejes de rotación, y Ti es un vector representando los torques que estarían actuando sobre el
sistema.
Ejemplo 2.2. En la Fig. 2.3 se muestra un sistema resorte–masa–disipador. Este sistema consta de una masa m, sujeta a un
punto de apoyo superior a través de un resorte de coeficiente de elasticidad k y a un apoyo inferior a través de un disipador
de constante de disipación d. Existe además una fuerza F(t) aplicada a la masa. Se define una coordenada x a través de la
cual se desplaza la masa, así la distancia entre el punto de apoyo y la masa queda representada por x(t). La distancia l0
corresponde a la distancia entre el techo y el centro de m con el resorte en reposo. El modelado de este sistema se realiza
haciendo la aceleración del cuerpo en el eje x por su masa igual a la suma de las fuerzas que convergen en éste. Así
d2x dx
tenemos, m 2 = mg + F (t ) − k ( x − l0 ) − d , donde mg es la fuerza de gravedad ejercida sobre el cuerpo, k(x - l0) es la
dt dt
dx
fuerza ejercida por el resorte y d es la fuerza ejercida por el disipador. Así la ecuación diferencial que rige el
dt
comportamiento dinámico del sistema es, x + (d / m) x + (k / m) x = mg + F (t ) + (k / m)l0 , y haciendo, x1(t) = x(t), x2(t) =
⎡ 0 1 ⎤ ⎡ 0 ⎤
dx(t)/dt, u(t) = F(t), se tiene la representación en variables de estado con las matrices A = ⎢ ⎥ , b=⎢ ⎥, y
⎣k / m −d / m ⎦ ⎣1/ m ⎦
⎡ 0 ⎤
γ=⎢ ⎥ , donde γ corresponde a un vector constante de manera que x = Ax + bu + γ. En la Fig. 2.3 se muestran los
⎣ 0
kl / m + g ⎦
resultados obtenidos al simular el sistema, donde en la línea de segmento fino podemos ver la fuerza aplicada, en la línea de
k F(t) 2
x(t)
x(t)
F
1
m
dx/dt
0
d
1
0 1 2 3 4 5 6 7 8 9 10
Fig. 2.3 Sistema mecánico: masa-resorte-amortiguador.

Apuntes: 543 214 15
segmento grueso podemos ver la velocidad y en la línea continua la posición de la masa. ♣
Ejemplo 2.3. El siguiente ejemplo consiste en modelar el sistema de amortiguación activa de un automóvil, el modelo
mecánico de este sistema se muestra en la Fig. 2.4. Este modelo consiste en una masa M correspondiente a la masa del
automóvil y una masa m correspondiente a la masa del sistema de amortiguación. Entre estas dos masas se encuentra un
resorte con un coeficiente de elasticidad k1 y un amortiguador con una constante de disipación d. Luego entre el sistema de
amortiguación y el suelo existe un resorte de coeficiente de elasticidad k2 que representa el efecto producido por los
neumáticos. Además, existe una variable de entrada u que corresponde a la fuerza ejercida entre ambas masas por el sistema
de suspensión activa. Se define una coordenada vertical x, representando las distancias x1(t) y x2(t) entre el suelo y la masa
M y m, respectivamente. Las distancias l1 y l2 corresponden a las distancias entre ambas masas y entre la masa m y el suelo,
respectivamente, con los resortes en reposo. Existe además una perturbación denominada yr(t) que corresponde al relieve
por el cual la rueda va avanzando. La modelación de este sistema se hace planteando las ecuaciones de movimiento de cada
masa con respecto a su posición correspondiente. Así, se tiene para M que Mx1 = −k1 ( x1 − x2 − l1 ) − d ( x1 − x2 ) − Mg + u ,
donde k1(x1 - x2 - l1) es la fuerza ejercida por el resorte que se encuentra entre ambas masas, d(x1 - x2) es la fuerza ejercida
por el disipador M y u es la fuerza ejercida sobre ambas masas. Similarmente, para m se tiene,
mx2 = k1 ( x1 − x2 − l1 ) + d ( x1 − x2 ) − mg − k2 ( x2 − l2 − yr ) − u , donde k1(x1 - x2 - l1) es la fuerza ejercida por el resorte entre
ambas masas - nótese el cambio de signo - , d(x1 - x2) es la fuerza ejercida por el disipador sobre m y k2(x2 - l2 - yr) es la
fuerza ejercida por el resorte que se encuentra entre el suelo y la masa m. Considerando ξ1 = x1, ξ2 = x2, ξ3 = dx1/dt y ξ4 =
dx2/dt, se tiene la representación en variables de estado dada por las matrices,
⎡ 0 0 1 0 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 0 0 1 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
A=⎢ ⎥, b = ⎢ ⎥, e=⎢ ⎥ y γ=⎢ ⎥ , donde e es un
⎢ − k1 / M k1 / M −d / M d / M ⎥ ⎢ 1/ M ⎥ ⎢ 0 ⎥ ⎢ k1l1 / M − g ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ k1 / m −(k1 + k2 ) / m d / m − d / m ⎥⎦ ⎢⎣ −1/ m ⎥⎦ ⎢⎣ k2 / m ⎥⎦ ⎢⎣ k1l1 / m + k2 l2 / m − g ⎥⎦
vector asociado a la perturbación yr y γ es un vector de constantes de manera que x = Ax + bu + ep + γ. ♣
Ejemplo 2.4. En este caso se modela un tren de una locomotora y dos carros, su modelo mecánico es el mostrado en la Fig.
2.5. Este modelo consta en tres masas que representan a la locomotora M y dos carros del tren de masa m; además, existe
entre cada uno de estos carros un sistema resorte-disipador de constante k y d respectivamente, y existe una fuerza F(t) que
representa el empuje desarrollado por la locomotora. Se define una coordenada x horizontal a partir de una posición fija y
x1(t)
M
d u k1
x2(t)
m
k2
yr(t)
Fig. 2.4 Sistema mecánico: suspensión activa.
x1
x2
x3
k k
F(t)
m m M
M
d d
Fig. 2.5 Sistema mecánico: tren con una locomotora y dos carros.

Apuntes: 543 214 16
tres variables x1(t), x2(t) y x3(t) que representan las posiciones de cada una de las masas en el sistema de coordenadas
definido. La distancia l0 es la distancia entre dos carros consecutivos con los resortes en reposo. La modelación de este
sistema se realiza planteando la ecuación de movimiento para cada una de los carros. Para la locomotora se tiene
Mx1 = F (t ) − k ( x1 − x2 − l0 ) − d ( x1 − x2 ) , para el 1er carro, mx2 = k ( x1 − x2 − l0 ) − k ( x2 − x3 − l0 ) + d ( x1 − x2 ) − d ( x2 − x3 ) y
para el último, mx3 = k ( x2 − x3 − l0 ) + d ( x2 − x3 ) . Considerando ξ1 = x1, ξ2 = x2, ξ3 = x3, ξ4 = dx1/dt, ξ5 = dx2/dt, ξ6 = dx3/dt y
u = F(t), se tiene la representación en variables de estado dada por las matrices,
⎡ 0 0 0 1 0 0 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 0 0 0 1 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 0 0 0 0 0 1 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
A=⎢ ⎥, b=⎢ ⎥ y γ=⎢ ⎥ , donde γ es un vector de
⎢ −k / M k/M 0 −d / M d /M 1 ⎥ ⎢1/ M ⎥ ⎢ kl0 / M ⎥
⎢ k /m −2k / m k/m d / m −2d / m d / m ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ 0 k /m −k / m 0 d /m −d / m ⎥⎦ ⎢⎣ 0 ⎥⎦ ⎢⎣ −kl0 / M ⎥⎦
constantes. ♣
Ejemplo 2.5. Este ejemplo es el péndulo simple, consistente en una masa M colgada al extremo de una barra rígida de
largo l0 sin peso, el coeficiente de roce angular es d, y existe además un torque T aplicado a la masa, Fig. 2.6. La
modelación de este sistema se realiza haciendo que la sumatoria de torques sea igual a la inercia rotacional por la
aceleración angular. Así, ml02
θ = −l0 mg sin(θ) − dl02 θ + T , donde, ml02 es la inercia rotacional del péndulo, l0mgsin(θ) es el
torque producido por la gravedad sobre la masa, dl 2 θ es el torque producido por el roce y T es el torque aplicado.
0
⎡ x ⎤ ⎡ x2 ⎤
Considerando, x1 = θ y x2 = dθ/dt, u = T se obtiene, ⎢ 1 ⎥ = ⎢ 2 ⎥
. Es posible notar que, debido
⎣ x2 ⎦ ⎣ −dx2 / m − g sin( x1 ) / l0 + u /(ml0 ) ⎦
al término trigonométrico, el sistema modelado es no-lineal y no puede descomponerse en forma matricial sino que debe ser
expresado en una función. Es posible utilizar en este ejemplo el principio de mínima acción, según el cual podemos plantear
1
{ 2 2 1
}
la función de energía cinética, K = m ⎡⎣l0 θ cos(θ) ⎤⎦ + ⎡⎣l0 θ sin(θ) ⎤⎦ = ml02 θ 2 , y la función de energía potencial como, P
2 2
1 22
= mgl0(1-cos(θ))+Po. El Lagrangiano es entonces, L = ml0 θ − mgl0 (1 − cos(θ)) − P0 . El principio de mínima acción en
2
d ⎛ ∂L ⎞ ∂L d ⎛ ∂ ⎧1 2 2 ⎫⎞ ∂ ⎧1 2 2 ⎫
este caso queda como, ⎜ ⎟− = Q , por lo tanto, ⎜ ⎨ ml0 θ + mgl0 cos(θ) ⎬ ⎟ - ⎨ ml0 θ + mgl0 cos(θ) ⎬ =
dt ⎝ ∂θ ⎠ ∂θ dt ⎝ ∂θ ⎩ 2 ⎭ ⎠ ∂θ ⎩ 2 ⎭
2 2 2
T − dl θ . Lo que queda como, ml θ + mgl sin(θ) = T − dl θ , expresión que coincide con la obtenida anteriormente. Este
0 0 0 0
ejemplo parece no apropiado de ser atacado con el Lagrangiano; sin embargo, el péndulo invertido de la Fig. 2.7 sí lo
amerita. ♣
Ejemplo 2.6. Este ejemplo consiste en modelar un péndulo invertido montado sobre un carro, Fig. 2.7(a). En este caso se
Fy y2
m
m
Fx x2
θ
mg
lo x
θ lo Fy
F(t) M
M y1 Fx
F
T(t) Mg
M x1
a) b)
Fig. 2.6 Péndulo simple. Fig. 2.7 Péndulo invertido; a) bosquejo, b) diagrama de cuerpo libre.

Apuntes: 543 214 17
denomina m a la masa del péndulo y M a la masa del carro, al igual que el caso anterior la longitud de la barra es l0. Existe
una fuerza F que empuja horizontalmente al carro. Se plantea la sumatoria de fuerzas y de torques en el carro y el péndulo
denominando Fx y Fy a las fuerzas que interactúan entre ambos como se muestra en la Fig. 2.7(b), así planteamos las
ecuaciones de fuerzas en el carro en las coordenadas locales x1, y1 obteniendo, Mx1 = Fx + F , 0 = Fy − Mg . Ahora
planteamos las ecuaciones de fuerzas en el péndulo en las coordenadas locales x2, y2 obteniendo, mx2 = − Fx ,
my2 = − Fy − mg y la ecuación de torque considerando la coordenada θ como 0 = −l0 Fx cos(θ) + l0 Fy sin(θ) . La sumatoria de
torques se considera cero ya que la barra no tiene masa (I = 0). Despejando las fuerzas Fx y Fy de las ecuaciones de
movimiento del péndulo y reemplazando en las del carro se tiene, Mx1 + mx2 = F , l0 mx2 cos(θ) − l0 (my2 + mg ) sin(θ) = 0 .
Por geometría podemos obtener la expresión de los desplazamientos del segundo eje de coordenadas como,
x2 = x1 + l0 sin(θ) , y2 = l0 cos(θ) , de donde, x1 + l0 sin(θ)
x2 = θ − l0 sin(θ)θ 2 ,
y2 = −l0 cos(θ)θ 2 − l0 sin(θ)
θ , reemplazando
en las ecuaciones obtenidas se tiene, Mx + m(
x + l cos(θ)θ − l sin(θ)θ ) = F , l m(
2
x + l cos(θ)θ − l sin(θ)θ 2 ) cos(θ) +

1 1 0 0 0 1 0 0
l0 m(l0 cos(θ)θ 2 + l0 sin(θ)

θ) sin(θ) - l0mgsin(θ) = 0. Haciendo x1 = x y desarrollando las expresiones se tiene finalmente que,
x + ml cos(θ)
( M + m) 0 θ − ml sin(θ)θ 2 = F , ml cos(θ)
0 x + ml 2
0 θ − mgl sin(θ) = 0 .
0 0
Podemos abordar este problema utilizando el principio de mínima acción, calculando la función de energía del sistema que
1 1
{ } { }
es, L = Mx 2 + m ⎡ x + l0 θ cos(θ) + l0 θ sin(θ) ⎤ − mgl0 cos(θ) − P0 . Siendo el primer término la energía cinética
2 2
2 2 ⎢
⎣ ⎦⎥
asociada al carro, el segundo término corresponde a la energía cinética asociada a la masa del péndulo tanto en su
movimiento lineal como rotacional y el tercer término corresponde a la energía potencial de la masa del péndulo, entonces
d ⎛ ∂L ⎞ ∂L d
se tiene para x, ⎜ ⎟− =F, [ Mx + m( x + l0 θ cos(θ))] − 0 = F , ( M + m) x + ml0
θ cos(θ) − ml0 θ 2 sin(θ) = F y para θ,
dt ⎝ ∂x ⎠ ∂x dt
d ⎛ ∂L ⎞ ∂L d
⎜ ⎟− =0, [ml0 cos(θ) x + ml02 θ ] − [−ml0 sin(θ)θ x + mgl0 sin(θ)] = 0 , x − ml0 sin(θ) xθ + ml02
ml0 cos(θ) θ-
dt ⎝ ∂θ ⎠ ∂θ dt
ml sin(θ)θ x − mgl sin(θ) = 0 , ml cos(θ)
0 0 0x + ml 2 θ − mgl sin(θ) = 0 . Las ecuaciones resultantes son idénticas a las obtenidas
0 0
con el método de sumatorias de fuerzas. En la figura 2.8 se muestran los resultados de la simulación del péndulo invertido.
Aquí se puede apreciar la evolución de la posición del carro y el ángulo del péndulo normalizado a 360°. ♣
Ejemplo 2.7. Este ejemplo consiste en un carro de masa M que posee cero fricción con la superficie, adosado a éste se
encuentra una barra rígida con una masa m concentrada en su punto medio ubicado a una distancia lo del extremo sujeto al
carro, Fig. 2.9. Esta barra puede rotar en torno al extremo sujeto al carro teniendo también una fricción cero. La coordenada
de desplazamiento del carro es llamada x y el ángulo de giro de la barra es llamado θ. Existe además una fuerza F(t) que
1
impulsa el carro en la dirección de x y un torque T(t) que impulsa a la barra. El Lagrangiano es, L = Mx 2 +
2
1 ⎡ 1
{ } { }
m x + l0 θ cos(θ) + l0 θ sin(θ) ⎤ + Iθ 2 - mgl0 (1 − cos(θ)) − P0 . Siendo el primer término la energía cinética asociada
2 2
2 ⎢⎣ ⎥⎦ 2
al carro, el segundo término corresponde a la energía cinética asociada al desplazamiento lineal de la barra, el tercer término
corresponde a la energía cinética asociada al desplazamiento rotacional de la barra y el cuarto término corresponde a la
θ [grados/360]
0.5
x [m]
0
0.5
0 1 2 3 4 5 6 7 8 9 10
Fig. 2.8 Péndulo invertido, simulación con c.i. no nulas y sin fuerza externa.

Apuntes: 543 214 18
d ⎛ ∂L ⎞ ∂L
energía potencial de la barra; entonces, tenemos para la coordenada x se tiene que, ⎜ ⎟− =F,
dt ⎝ ∂x ⎠ ∂x
d d ⎛ ∂L ⎞ ∂L
[ Mx + m( x + l0 θ cos(θ))] − 0 = F , ( M + m) x + ml0
θ cos(θ) − ml0 θ 2 sin(θ) = F y para θ se tiene que, ⎜ ⎟− =0,
dt dt ⎝ ∂θ ⎠ ∂θ
d
[ml0 cos(θ) x + ml02 θ + I θ ] - [−ml0 sin(θ)θ x − mgl0 sin(θ)] = T , ml0 cos(θ) x − ml0 sin(θ) xθ + ml02
θ + I
θ - ml0 sin(θ)θ x +
dt
mgl0 sin(θ) = T , ml0 cos(θ) x + ( I + ml02 )
θ + mgl0 sin(θ) = T .
Es posible notar que las ecuaciones resultantes son similares a las obtenidas en el caso anterior. Sin embargo ahora existe
un término proveniente de la masa de la barra que en el caso anterior era despreciada. ♣
Ejemplo 2.8. Este ejemplo corresponde a un modelo de un satélite, el cual gira a una distancia r y es afectado por una
fuerza tangencial Fθ(t) y una fuerza radial Fr(t). La modelación de este sistema se realiza aplicando el principio de mínima
1
acción planteando el siguiente Lagrangiano, L = m ⎡⎣ r 2 θ 2 + r 2 ⎤⎦ , que corresponde a la energía cinética asociada al satélite.
2
d ⎛ ∂L ⎞ ∂L d
A lo largo de la coordenada θ tenemos, ⎜ ⎟− = Fθ r , (mr 2 θ ) − 0 = Fθ r - m2rrθ + mr 2
θ − 0 = Fθ r ,.y para la
dt ⎝ ∂θ ⎠ ∂θ dt
d ⎛ ∂L ⎞ ∂L km d km km
coordenada r se tiene que, ⎜ ⎟− = Fr − 2 , ( mr ) − mr θ 2 = Fr − 2 , mr − mr θ 2 = Fr − 2 . Considerando x1 =
dt ⎝ ∂r ⎠ ∂r r dt r r
r, x2 = dr/dt, x3 = θ, x4 = dθ/dt, u1 = Fr(t) y u2 = Fθ(t), se tiene la representación en variables de estado dada por,
⎡ x1 ⎤ ⎡ x3 ⎤
⎢ x ⎥ ⎢ x4 ⎥
⎢ 2⎥ = ⎢ ⎥ , es posible apreciar que las ecuaciones de x3 y x4 son no lineales. ♣
⎢ x3 ⎥ ⎢ x1 x42 − k / x12 + u1 / m ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ x4 ⎥⎦ ⎢⎣ −2 x3 x4 / x1 + u2 / mx1 ⎥⎦
B . Sistemas Eléctricos
Los sistemas eléctricos a considerar en este curso están constituidos por los siguientes elementos
básicos.
Condensadores. Un condensador es un elemento almacenador de energía en forma de carga eléctrica,

la expresión que rige su comportamiento es,
dvC
iC = C ,
dt
F(t) M
lo
x m Fθ(t) θ
r
θ
T(t)
Fr(t)
Fig. 2.9 Carro con péndulo. Fig. 2.10 Satélite en órbita.

Apuntes: 543 214 19
donde, iC es la corriente que circula a través del condensador y vC es el voltaje aplicado a sus
terminales.
Inductores. Los inductores también son elementos de almacenamiento de energía pero esta vez en
forma de flujos magnéticos, la expresión que rige su comportamiento es,
diL
vL = L ,
dt
donde, vL es el voltaje aplicado en los terminales del inductor e iL es la corriente que circula por éste.
Resistencias. Estos elementos son disipadores de energía, en donde la corriente circulante a través de
ellos es proporcional al voltaje aplicado a sus terminales.
vR = RiR ,
donde, vR es el voltaje aplicado en los terminales del resistor e iR es la corriente que circula por éste.
Utilizando estos tres elementos, además de las fuentes de voltaje y corriente controladas o no
controladas, y en conjunto con las Leyes de Kirchoff de voltaje y de corriente (conservación de
energía), es posible modelar la totalidad de los sistemas eléctricos.
Ejemplo 2.9. Este es un ejemplo eléctrico que corresponde a un circuito RLC alimentado por una fuente de voltaje. A
partir de la Fig. 2.11 es posible apreciar que la fuente de tensión e(t) alimenta a una inductancia L , resistencia R, y un
capacitor C, todos en serie. Para modelar este circuito es conveniente definir la dinámica de las variables corriente i(t) en el
di dv
inductor y voltaje v(t) en el capacitor utilizando las leyes de Kirchoff. Así tenemos, e = Ri + L + v , i = C , utilizando
dt dt
di 1 dq dq d 2q 1
la última expresión, e = Ri + L + ∫ id τ , dado que i = , queda, e = R + L 2 + q , nótese la similitud de esta
dt C dt dt dt C
expresión con el modelo encontrado del sistema ilustrado en la Fig. 2.3, en particular si se considera C =1/k, L = m y R = d.
Este modelo se puede expresar en ecuaciones de estado considerando, q = x1, i = x2 y e = u quedando,
⎡ 0 1 ⎤ ⎡ 0 ⎤
A=⎢
−1/ − / ⎥ y b = ⎢1/ L ⎥ que es lineal.. ♣
⎣ LC R L ⎦ ⎣ ⎦
Ejemplo 2.10. El circuito considerado en este ejemplo es un poco más complejo que el anterior e incluye fuentes de
tensión y de corriente controladas, Fig. 2.12. El modelamiento se hace en forma idéntica al anterior, tenemos para la malla
di dv
de entrada, e = Ra ia + La a + ea , luego para el primer nodo de la malla de salida, ie = Cm m + it , para la malla central de
dt dt
-
C v(t)
+
Ra La vm Lt vl
L
it
+ + ie Cl il
R e
-
ea Cm
- Rl
i(t) + ia
e(t)
-
Fig. 2.11 Circuito RLC serie. Fig. 2.12 Circuito con fuentes independientes.

Apuntes: 543 214 20
dit 1 dv
salida vm = Lt + vl y para el segundo nodo de la salida it = vl + Cl l + il . Considerando ea = kmvm, ie = kmia y
dt Rl dt
dvm km 1 dvl 1 1 1 dit 1 1
ordenando las ecuaciones nos queda, = ia − it , = it − il − vl , = vm − vl ,
dt Cm Cm dt Cl Cl Rl Cl dt Lt Lt
dia 1 k 1
= e − m vm − Ra ia . Denominamos x1 = vm, x2 = vl, x3 = it, x4 = ia, u = va, p = il, obteniendo en forma inmediata la
dt La La La
⎡ 0 0 −1/ Cm k m / Cm ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 −1/ Rl Cl 1/ Cl 0 ⎥ ⎥ ⎢ 0 ⎥ ⎥ ⎢ −1/ C ⎥
representación en ecuaciones de estado, A = ⎢ , b=⎢ ,y e=⎢ l⎥
. Nótese
⎢ 1/ Lt −1/ Lt 0 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ − km / La 0 0 − Ra / La ⎥⎦ ⎢⎣1/ La ⎥⎦ ⎣ 0 ⎦
que la corriente il es una perturbación en el sistema. ♣
Ejemplo 2.11. Modelar el circuito de la Fig. 2.13(a). R.: La entrada toma valores 1 ó 0 y los circuitos resultantes están en
la Fig. 2.13(b) y (c). En este caso conviene escribir las ecuaciones para ambos casos y luego reducirlas a sólo un set. Así,
di dv
para Sw = 1 se tiene que para la malla de entrada, edc + eac = Ri ii + Li i + vi , nodo de entrada, ii = Ci i + io , malla de
dt dt
di dv v
salida, vi = Lo o + vo , y nodo de salida io = Co o + o . Por otro lado, para Sw = 0 se tiene que para la malla de entrada,
dt dt Ro
dii dv di dv v
edc + eac = Ri ii + Li + vi , nodo de entrada, ii = Ci i , malla de salida, 0 = Lo o + vo , y nodo de salida io = Co o + o .
dt dt dt dt Ro
dii dv di
Por lo que ambos set de ecuaciones se pueden reunir en edc + eac = Ri ii + Li
+ vi , ii = Ci i + S wio , S w vi = Lo o + vo , y
dt dt dt
⎡ x1 ⎤
⎢ x ⎥
dv v
io = Co o + o . Considerando x1 = ii, x2 = vi, x3 = io, x4 = vo, u = Sw, p = eac, + edc, se tiene, x = ⎢ 2 ⎥ =
dt Ro ⎢ x3 ⎥
⎢ ⎥
⎣⎢ x4 ⎦⎥
Ri Li vi Sw Lo vo
io
edc +
-
Ci D Co Ro
+
eac - ii
a)
Ri Li vi Lo vo Ri Li vi Lo vo
io io
edc + edc +
- -
Ci Co Ro Ci Co Ro
+ +
eac eac
- ii - ii
b) c)
Fig. 2.13 Circuito no-lineal dc/dc reducidor; a) circuito, b) equivalente, Sw = 1 (ON), c) equivalente, Sw = 0 (OFF).

Apuntes: 543 214 21
⎡ − Ri x1 / Li − x2 / Li + p / Li ⎤ ⎡ − Ri x1 / Li − x2 / Li ⎤ ⎡ 0 ⎤ ⎡1/ Li ⎤
⎢ x1 / Ci − x3u / Ci ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥ = ⎢ x1 / Ci ⎥ + ⎢ − x3 / Ci ⎥ u + ⎢ 0 ⎥ p . El modelo resultante es no lineal debido a la
⎢ x2 u / Lo − x4 / Lo ⎥ ⎢ − x4 / Lo ⎥ ⎢ x2 / Lo ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣ x3 / Co − x4 / Ro Co ⎦ ⎣⎢ x3 / Co − x4 / Ro Co ⎦⎥ ⎣ 0 ⎦ ⎣ 0 ⎦
multiplicación de variables de estado con la entrada. ♣
C . Sistemas Electromecánicos
Los sistemas electromecánicos permiten transformar la energía eléctrica en energía mecánica y vice
versa, el elemento típico es la maquina eléctrica.
Ejemplo 2.12. Este es un ejemplo electromecánico correspondiente a un motor de corriente continua conectado a una
carga a través de un eje rígido como se muestra en la Fig. 2.14. El campo de la máquina es alimentado con una tensión
constante. Para plantear el modelo en su parte eléctrica y debido a que la tensión del campo es constante, la dinámica de la
di
corriente de armadura es, va = L a + Ria + ea , donde va es el voltaje aplicado a la armadura, ia es la corriente de armadura y
dt
ea es el voltaje inducido en la máquina debido a la velocidad del rotor. Por otro lado, las ecuaciones mecánicas del sistema
d 2θ dθ
son, J l 2 = te − d − tl , donde θ es el ángulo de desplazamiento del eje, te es el torque eléctrico producido por la
dt dt
corriente de armadura y tl es el torque producido por la carga. Ahora para poder terminar el modelo es necesario encontrar
relaciones entre las variables eléctricas y mecánicas. Estas relaciones son ea = kmω y te = kmia; reemplazandolas en el modelo
di dω
y considerando ω = dθ/dt se tiene, L a = va − Ria − km ω , J l = km ia − d ω − tl , denominamos x1 = ia, x2 = ω, u = va, p = tl
dt dt
⎡ − R / L −km / L ⎤ ⎡1/ L ⎤ ⎡ 0 ⎤
y la representación en variables de estado queda, A = ⎢ ⎥ , b=⎢ ⎥ y e=⎢ ⎥ que es lineal. ♣
⎣ km / J l −d / J l ⎦ ⎣ 0 ⎦ ⎣ −1/ J l ⎦
Ejemplo 2.13. En este ejemplo se considera el mismo sistema del ejemplo anterior pero considerando un eje elástico Fig.
2.15. La ecuación eléctrica del motor es de igual forma pero esta vez la velocidad es la del eje del motor ωm.
di d ωm
va = L a + Ria + km ωm . Ahora debemos agregar la ecuación dinámica del motor, J m = km ia − tt , donde tt es el torque
dt dt
producido por el eje elástico sobre el eje del motor y que es reflejado también sobre el eje de la carga. Escribimos la
d ωl
ecuación dinámica de la carga pero esta vez referida a la velocidad de la carga ωl, J l = tt − dl ωl − tl . Luego agregamos
dt
1 dtt
la ecuación dinámica del torque tt, = ωm − ωl . Considerando x1 = ωm, x2 = ωl, x3 = tt, x4 = ia, u = va, p = tl, se tiene,
k dt
⎡ 0 0 −1/ J m km / J m ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 −dl / J l 1/ J l 0 ⎥ ⎥ ⎢ 0 ⎥ ⎥ ⎢ −1/ J ⎥
A=⎢ , b=⎢ , y e=⎢ l⎥
. El modelo obtenido es lineal y de cuarto orden a
⎢ k −k 0 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ − km / L 0 0 − R / L ⎥⎦ ⎢⎣1/ L ⎥⎦ ⎢⎣ 0 ⎥⎦
+ va - - vf + + va - - vf +
ω, tl, Jl ωl, θl
ia if ia if Jl, tl
d dl
1/ k
ω, te ωm, θm
carga Jm, te
máquina cc máquina cc carga
Fig. 2.14 Accionamiento en c.c. Fig. 2.15 Accionamiento en c.c. con eje flexible.

Apuntes: 543 214 22
diferencia del anterior que solamente era de segundo orden. ♣
Ejemplo 2.14. El siguiente ejemplo es un sistema de levitación magnética compuesto por un electro-imán al cual se le
puede imponer una corriente deseada y el campo magnético producido permite sostener una bola de acero de masa m, Fig.
di
2.16. El modelado de este sistema se realiza planteando primero las ecuaciones eléctricas del electro-imán e = L + Ri ,
dt
d2y
donde e es le tensión aplicada e i es la corriente circulante. La ecuación mecánica por su parte es, m 2 = mg − Fm , donde
dt
Fm es la fuerza magnética producida pro el electroimán. Ahora es necesario relacionar las ecuaciones anteriores haciendo Fm
= ki2/y, reemplazando en las ecuaciones anteriores y definiendo x1 = i, x2 = y, x3 = dy/dt y u = e se tiene la representación en
⎡ x1 ⎤ ⎡ − Rx1 / L + u / L ⎤ ⎡ − Rx1 / L ⎤ ⎡1/ L ⎤
⎢ ⎥ ⎢
variables de estado, x = ⎢ x2 ⎥ = ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
x3 ⎥ = ⎢ x3 ⎥ + ⎢ 0 ⎥ u . El modelo resultante es no lineal debido a
⎢⎣ x3 ⎥⎦ ⎢⎣ g − kx1 / mx2 ⎥⎦
2
⎢⎣ g − kx1 / mx2 ⎥⎦
2
⎢⎣ 0 ⎥⎦
la presencia de términos cuadráticos. Nótese que el modelo anterior puede ser escrito en forma generaliza como x = f(x) +
g(x)u. ♣
D . Sistemas Hidráulicos
En esta sección se consideran sistemas de fluidos incomprensibles, es decir cuya densidad no varía con
la presión, y conducidos en sistemas cerrados, tales como cañerías. Aplicando ley de conservación de
energía a un sistema que está en régimen permanente; es decir, no hay variación temporal del volumen
acumulado en la cañería, y que representa un flujo único, como se muestra en la Fig. 2.17, se tiene que,
q1 = q2. Es decir, el flujo volumétrico en m3/s que entra es igual al que sale, o bien, A1v1 = A2v2, donde
A1 y A2 son las secciones de las cañerías y v1 y v2 las velocidades. El balance de energía a su vez es:
p1 v12 p v2
z1 + + = z2 + 2 + 2 + β ,
γ 2g γ 2g
donde el primer término representa la energía potencial, el segundo la energía necesaria para ingresar el
fluido al sistema, y la última es la energía cinética correspondiente. La constante β representa las
pérdidas debido al roce y γ es el peso específico del fluido. Cuando existe una restricción en el sistema
que lleva el fluido se produce una redistribución de la energía a medida que el fluido se acerca a las
restricciones, consideremos el sistema descrito en la Fig. 2.17, de la relación anterior con z1 = z2 se
2 A22 g
obtiene que la velocidad de salida es v2 = ∆p , usando esta expresión y la relación dada
A1 − A2 γ
2 2
por el balance de materia A1v1 = A2v2 se tiene que el flujo que pasa por la restricción es
R L + v1 A1
e(t)
i(t) - A2
y(t)
v2
m
Fig. 2.16 Levitador magnético. Fig. 2.17 Propiedades hidráulicas en una tubería.

Apuntes: 543 214 23
2 g ∆p
q = A22 ∆p = k v ,
A − A22
1
2
γ ρ
donde, kv es en m2, ρ en kg/m3; es decir, el flujo a través de la restricción es proporcional a la raíz
cuadrada de la diferencia de presión, y la constante de proporcionalidad depende de la relación de
áreas. Se desprende que el fluido se acelera al pasar por la restricción y debido a que el balance de
energía se debe cumplir, es necesario que la presión en la sección menor disminuya.
Ejemplo 2.15. En este ejemplo se modela el estanque cuadrado de la Fig. 2.18, cuyo lado mide l y la altura del líquido se
denota por h. Este estanque es alimentado por un flujo de entrada fe y en su parte inferior existe un flujo de salida fs
dependiente de la hidrostática. Para modelar este sistema se plantea inicialmente la función que describe al área, en este
caso es, A(y) = A = l2. Luego calculamos el volumen integrando la función anterior con respecto a la altura,
h
dV (h) = A(h)dh , por lo que V (h) = ∫ A( y )dy = l 2 h . Ahora aplicamos la ley de conservación de materia que nos dice,
0
dV (h) dV (h) dh
= = f e − f s . Considerando el flujo de salida dependiente de la presión hidrostática se tiene que
dt dh dt
∆p ρgh dh dh f e kv
f s = kv = kv = kv gh , por lo que l 2 = f e − kv gh . Finalmente, la expresión es, = − gh . Como es
ρ ρ dt dt l 2 l 2
posible apreciar, el modelo resultante es no-lineal ya que tiene a la variable h en forma racional. ♣
Ejemplo 2.16. Este ejemplo plantea un estanque en las mismas condiciones que el anterior pero cuya forma es cóncava
Fig. 2.19. El área en función de la altura es, A(x) = π(1+k(x-H/2)2)2. Por lo tanto, dV(h)/dh = A(h) = π(1+k(h-H/2)2)2.
dV (h) dV (h) dh dh
Aplicando la ley de conservación de materia se tiene, = = π(1 + k (h − H / 2) 2 ) 2 = f e − kv gh . Así se
dt dh dt dt
dh f e − kv gh
tiene, = . La ecuación dinámica es de tipo no lineal. ♣
dt π(1 + k (h − H / 2) 2 ) 2
Ejemplo 2.17. En este ejemplo se plantea modelar un estanque triangular como el mostrado en la Fig. 2.20. Este estanque
recibe un flujo fm con una cierta concentración cm de alguna componente y por otro lado es alimentado con un flujo fa puro.
1 h3
En este caso el área corresponde a la función A(y) =(y/a)2. El volumen queda V (h) = . Se plantea primero la ecuación
3 a2
x
y y
fe fe fa
fm, cm
h h
h
l y = 2ax
CT
y = 1 + k(x - H/2)2
l fs CT
: sensor de
fs x concentración x
y fs, cs
Fig. 2.18 Estanque de área constante. Fig. 2.19 Estanque de área variable. Fig. 2.20 Estanque diluidor.

Apuntes: 543 214 24
dV (h) dV (h) dh dh f m + f a − kv gh
de balance de materia para todo el fluido quedando, = = f m + f a − f s , por lo que, = .
dt dh dt dt h2 / a 2
Por otro lado, se hace un balance de materia para el componente que se diluye en el estanque, este queda dado por
d [V (h)cs ] dV (h) dc dV (h) dh dc
= cs + V (h) s = cs + V (h) s = f m cm + f a 0 − f s cs , lo que se reduce a, ( f m + f a − kv gh )cs +
dt dt dt dh dt dt
3
1 h dcs dc f c −f c −f c
= f m cm − kv ghcs o bien, s = m m 3 m s 2 a s . Considerando x1 = h, x2 = cs, u = fa, p1 = fm y p2 = cm se tiene,
3 a 2 dt dt h /(3a )
⎡ x ⎤ ⎡ a 2 ( p + u − kv gx1 ) / x12 ⎤
x = ⎢ 1 ⎥ = ⎢ 2 1 3⎥
. Nótese que para este caso la mejor forma de representarlo en forma generalizada
⎣ x2 ⎦ ⎣3a ( p1 p2 − ( p1 + u ) x2 ) / x1 ⎦
es x = f(x, u, p). En la Fig. 2.21 se muestran los resultados de la simulación de este sistema. ♣
E . Sistemas Térmicos
En los sistemas térmicos la energía es transferida y guardada en forma de calor. La mayoría de los
procesos térmicos muestran efectos que pueden ser descritos sólo por sistemas de parámetros
distribuidos, por esta razón solo unos pocos sistemas térmicos industriales han sido modelados
dinámicamente hasta ahora, entre los cuales figuran los intercambiadores de calor y hornos continuos.
La principal dificultad en la modelación de este tipo de sistemas en contraste al caso eléctrico radica en
que el flujo de calor no necesariamente sigue un camino específico.
Se distinguen traspasos o flujos de calor por conducción, por conducción a través de una película entre
materiales diferentes, por radiación y por convección. Mientras los tres primeros se efectúan entre
flujo de agua [lt/s] vs tiempo [hrs]
3
0
0 5 10 15 20
altura [m] vs tiempo [hrs]

8
2
0 5 10 15 20
concentración de salida [pmil] vs tiempo [hrs]

20
15
10
5
0 5 10 15 20
Fig. 2.21 Simulación del estanque diluidor.

Apuntes: 543 214 25
objetos de diferente temperatura, la convección esta relacionada al transporte de masa.
Conducción de calor. La relación básica para el flujo de calor a través de un material homogéneo entre
dos secciones transversales paralelas es la Ley de Fourier, Fig. 2.22,
T1 − T2
q = KA ,
d
donde, q es el flujo de calor, A el área de sección transversal, T1, T2 temperaturas, d longitud y K es la
conductividad térmica.
El flujo de calor a través de una película delgada es un caso especial de conducción. Se supone que
existe entre materiales de diferentes fases como, por ejemplo, un sólido a una temperatura y un líquido
o gas bien mezclado a otra temperatura. La ecuación empleada para describir este fenómeno se conoce
como Ley de Enfriamiento de Newton,
q = hA(T1 − T2 ) ,
donde h es el coeficiente peculiar o de traspaso de calor.
Radiación de calor. Para altas temperaturas existe una gran transferencia de calor debido a radiación,
esto se explica por la relación de Boltzmann:
q = AεσT 4 ,
es decir, un objeto produce un flujo de calor debido a la radiación electromagnética, que es
proporcional a su superficie de emisividad ε y a su temperatura elevada a la cuarta. La constante σ, es
la constante de Stefan-Boltzmann. Para un radiador negro, la emisividad (ε = 1). Generalmente, la
emisividad depende de la frecuencia de radiación.
Para deducir un modelo de traspaso de calor entre dos objetos hay que considerar más detalles físicos.
Si una energía de radiación E incide sobre (o ilumina) una sección transversal A con emisividad ε2, una
parte ε2E se absorbe y otra parte (1 - ε2)E es reflejada independiente de la temperatura de A. Si todas las
emisiones, absorciones y reflexiones son evaluadas en la superficie de los dos objetos el flujo de calor
puede ser descrito como:
q = 4.96 Aε(T14 − T24 ) .
El coeficiente de emisividad ε depende de ε1 y ε2 y de la configuración geométrica de los cuerpos.
Convección. El flujo de calor debido al flujo de masa es:
a) C = mcp b)
A h2
C
T1 C qh2
Ti T2
T1 K T2
T1 T1 Tm To
qh1
h1
d d d/2
Fig. 2.22 Conducción de calor. Fig. 2.23 Modelo de muralla simplificado; a) S.S., b) parámetros concentrados.

Apuntes: 543 214 26
q = cTW ,
donde W es el flujo másico, c es el calor específico, y T es la temperatura.
Existen tablas con valores de K, h, ε y c para materiales y situaciones diversas.
La Transferencia de calor a través de una muralla. La expresión dada por q = KA(T1 − T ) / d es una
aproximación que es válida tan sólo bajo supuestos. Si ambas caras de la muralla se extienden a infinito
el flujo de calor es unidimensional. Adicionalmente, si el material es homogéneo, el gradiente de
temperatura a través de la muralla es constante en condiciones de S.S. como se muestra en la Fig. 2.23.
Consideremos que esta muralla esta rodeada de algún fluido y que su temperatura interior se puede
considerar concentrada en un punto y denotada por Tm. Al estar la muralla en contacto con fluidos, se
forma un pequeño gradiente de temperatura entre el fluido y la muralla, que se puede representar como
una capa, llamada capa límite. Las temperaturas T1 y T2 son las temperaturas en la vecindad de la
muralla, Ti y To y son las temperaturas fuera de las capas límites como se ilustra en la Fig. 2.23. Toda
capa límite posee un coeficiente de transferencia de calor h. El flujo de calor que entra por la muralla
esta dado por:
2kA
qh1 = hi A(Ti − T1 ) = (T1 − Tm ) ,
d
de esta ecuación se puede despejar T1 en función de las otras temperaturas como,
2kTm + dh1Ti
T1 = ,
2k + dh1
de forma similar se puede encontrar una relación entre T2, Tm y To. El balance de energía al interior de
la muralla es:
d (CTm ) dT dT
= C m = c p m m = qh1 − qh 2 ,
dt dt dt
reemplazando los valores de T1 y T2 se obtiene
dTm 2kh1 A 2kh2 A
C = (Ti − Tm ) − (Tm − To ) ,
dt 2k + dh1 2k + dh2
2kh1 A
Notar que el término a1 = representa la conductancia que existe entre los puntos donde se
2k + dh1
tiene Ti y Tm. Este a su vez se puede escribir como la suma de las resistencias térmicas de la capa límite
1 2k + dh1 1 d
más la resistencia asociada a la conducción en la muralla, R1 = = = + .
a1 2kh1 A h1 A 2kA
2kh2 A 1
Similarmente se puede obtener a2 = = . Por lo que,
2k + dh2 R2
dTm 1 1
C = (Ti − Tm ) − (Tm − To ) .
dt R1 R2
En muchos casos se puede considerar que la masa de la muralla es muy pequeña y por lo tanto la
dT
dinámica se puede despreciar, de esta forma qh1 − qh 2 = c p m m se simplifica en qh1 = qh 2 con la cual
dt

Apuntes: 543 214 27
a1Ti + a2To
se puede obtener la expresión de Tm siguiente Tm = , además de la expresión para
a1 + a2
a1a2
qh1 = qh 2 = (Ti − To ) .
a1 + a2
Ejemplo 2.18. Considere el caso de una habitación como ilustrada en la Fig. 2.24. Suponga que el flujo de calor es del
dT 1
exterior al interior, es decir, To > Tm > Ti. Aplicando la ley de conservación de energía se tiene, C1 i = (Tm − Ti ) y
dt R1
dTm 1 1
C2 = (To − Tm ) − (Tm − Ti ) . ♣
dt R2 R1
2.3 Analogías de Sistemas

Los modelos análogos son de naturaleza tal que, respecto del proceso, es gobernado por leyes de
equivalencias, de modo que es posible observar comportamientos también equivalentes por medio de
valores que toman algunas de sus variables. Como ejemplo se tienen tres elementos físicos como se
esquematiza en Fig. 2.25.
Allí se observa una red con flujo q, entre dos puntos con diferencia de presión ∆p; un elemento de
circuito eléctrico, por la cual circula una corriente i, entre dos puntos con una diferencia de tensión ∆v;
y una pared por la cual se transfiere un flujo de calor q, debido a una diferencia de temperatura ∆T. En
estos casos, los comportamientos son equivalentes entre sus variables. La Tabla. 2.1 resume estas
equivalencias:
Tabla. 2.1 Fenómenos equivalentes.

Analogía Esfuerzo Flujo Inductor Capacitor Resistencia
Eléctrica Voltaje Corriente Inductor Capacitor Resistencia
Trasnacional Fuerza Velocidad Cuerpo Resorte Fricción
Rotacional Vel. Angular Torque Eje elástico Inercia Fricción
Hidráulico Presión Flujo líquido Tubo Estanque Orificio
Térmico Temperatura Flujo calor - Masa Res. térmica
Ejemplo 2.19. Estudiar la equivalencia entre el circuito eléctrico del Ejemplo 2.10 ilustrado en la Fig. 2.26 y el motor de
c.c. con eje flexible del Ejemplo 2.13 ilustrado en la Fig. 2.26. R.: En el Ejemplo 2.10 se encontró que el modelo del
C2 P1 T1
v1
C1 Ti Tm To
q q
R1 R2
v2
i T2
P2
Fig. 2.24 Modelo de una habitación simplificado. Fig. 2.25 Fenómenos equivalentes.

Apuntes: 543 214 28
⎡ 0 0 −1/ Cm km / Cm ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 −1/ Rl Cl 1/ Cl 0 ⎥ ⎥ ⎢ 0 ⎥ ⎥ ⎢ −1/ C ⎥
circuito está dado por A = ⎢ , b=⎢ ,y e=⎢ l⎥
, donde, x1 = vm, x2 = vl, x3
⎢ 1/ Lt −1/ Lt 0 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢ − km / La 0 0 − Ra / La ⎦⎥ ⎣⎢1/ La ⎦⎥ ⎣ 0 ⎦
= it, x4 = ia, u = va, p = il; por otro lado, en el Ejemplo 2.13 se encontró que el modelo del motor está dado por
⎡ 0 0 −1/ J m km / J m ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 −dl / J l 1/ J l 0 ⎥ ⎥ ⎢ 0 ⎥ ⎥ ⎢ −1/ J ⎥
A=⎢ , b=⎢ ,y e=⎢ l⎥
, donde, x1 = ωm, x2 = ωl, x3 = tt, x4 = ia, u = va, y p =
⎢ k −k 0 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢ − km / L 0 0 − R / L ⎦⎥ ⎣⎢1/ L ⎦⎥ ⎣⎢ 0 ⎦⎥
tl. De la definición de las variables de estado se comprueba la equivalencia entre voltajes y velocidades angulares, corrientes
y torques; por otro lado, la equivalencia entre parámetros es capacitor e inercia, resistencia y fricción, e inductancia y eje
elástico. ♣
2.4 Transformaciones de Similitud en Ecuaciones de Estado

Las transformaciones de similitud representan un cambio de coordenadas de las variables de estado, y
están expresadas por una matriz invertible de manera que z = Tx, donde x es el vector de estados
original y z es el nuevo vector de estados, por lo tanto, x = T-1z y por ende dx/dt = T-1dz/dt con lo que
la representación original x = Ax + Bu + Ep, y = Cx + Du + Fp, queda,
T-1 z = AT-1z + Bu + Ep, y = CT-1z + Du + Fp,
multiplicando la primera ecuación - por la izquierda - por T, se obtiene finalmente,
z = TAT-1z + TBu + TEp, y = CT-1z + Du + Fp,
Normalmente se acostumbra definir nuevas matrices de parámetros. Es decir, AT = TAT-1, BT = TB,
CT = CT-1, DT = D, ET = TE, FT = F. Por lo que la representación alternativa quedaría,
z = ATz + BTu + ETp, y = CTz + DTu + FTp,
Es importante destacar que los vectores de entrada u, perturbaciones p y la salida y no son alterados,
tan sólo las matrices de parámetros y las variables de estado originales han sido modificadas. Un caso
particular interesante y útil es la transformación de similitud que trasforma la matriz A en una matriz
diagonal Λ = diag{λ1, λ2,… , λn}, así debemos encontrar T tal que, TAT-1 = Λ o bien AT-1 = T-1Λ. Sea,
T-1 = [v1, v2,… , vn], por lo tanto, A[v1, v2,… , vn] = [v1, v2,… , vn]diag{λ1, λ2,… , λn}, lo que resulta
en [Av1, Av2,… , Avn] = [λ1v1, λ2v2,… , λnvn], por lo tanto, los vi que componen T-1 son los que
cumplen con,
Avi = λivi, i = 1, 2,…, n
-1
es decir, las columnas de T son los vectores propios de A.
⎡ 0 0 −1/ J m km / J m ⎤ ⎡ 0 ⎤
⎢ 0 −dl / J l 1/ J l 0 ⎥ ⎥ ⎢ 0 ⎥
Ejemplo 2.20. El sistema de la Fig. 2.15 tiene el modelo dado por, A = ⎢ , b=⎢ ⎥,
⎢ k −k 0 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥
−
⎣⎢ mk / L 0 0 − R / L ⎦⎥ ⎣⎢1/ L ⎦⎥

Apuntes: 543 214 29
⎡ 0 ⎤
⎢ −1/ J ⎥
y e=⎢ l⎥
, considerando x1 = ωm, x2 = ωl, x3 = tt, x4 = ia, u = va, p = tl. Si ahora por el contrario se necesitan las variables
⎢ 0 ⎥
⎢ ⎥
⎣⎢ 0 ⎦⎥
⎡0 1 0 0⎤
⎢1 −1 0 0 ⎥⎥
de estado dadas por z1 = ωl, z2 = ωm - ωl, z3 = tt, z4 = ia. entonces, la matriz T queda dada por, T = ⎢ y por lo
⎢0 0 1 0⎥
⎢ ⎥
⎣⎢ 0 0 0 1 ⎦⎥
⎡ −dl / J l 0 1/ J m 0 ⎤ ⎡ 0 ⎤
⎢ d /J −1/ J m − 1/ J l
0 ⎥
km / J m ⎥ ⎢ 0 ⎥
tanto las matrices de la nueva representación son, A T = ⎢ l l , bT = ⎢ ⎥, y
⎢ 0 k 0 0 ⎥ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥
⎢⎣ − km / L −km / L 0 − R / L ⎥⎦ ⎢⎣1/ L ⎥⎦
⎡ −1/ J l ⎤
⎢ 1/ J ⎥
eT = ⎢ l ⎥
.♣
⎢ 0 ⎥
⎢ ⎥
⎢⎣ 0 ⎥⎦
2.5 Linealización
Como se mencionó en el capítulo anterior la linealización es una técnica para simplificar un modelo y
tiene por objetivo en particular la obtención de un modelo lineal. La ventaja de los modelos lineales
reside en la abundante cantidad de herramientas para el análisis de ellos y la posibilidad de obtener una
solución en forma analítica de su comportamiento.
Analicemos el caso de un sistema monovariable descrito por la siguiente ecuación diferencial ordinaria
de primer orden,
dx
x = = f ( x) ,
dt
+ va - - vf +
ωl, θl
ia if Jl, Tl
dl
1/ k
ωm, θm
Jm, Te
máquina cc carga
a)
Ra La vm Lt vl
it
+ + ie Cl il
va ea Cm
- - Rl
ia
b)
Fig. 2.26 Modelos equivalentes; a) accionamiento c.c. con eje flexible, b) circuito eléctrico.

Apuntes: 543 214 30
y consideremos un punto cualquiera xo en la trayectoria de x. Así desarrollando en serie de Taylor la

parte derecha de la ecuación se obtiene:
1 1 df ( x) 1 d 2 f ( x)
f ( x) = f ( x) x = x + ( x − xo ) + 2
( x − xo ) 2 +" ,
0! o
1! dx x = xo 2! dx x = x
o
considerando tan sólo el término de primer orden, tenemos,

1 1 df ( x) df ( x)
x = f ( x) = f ( x) x = x + ( x − xo ) = f ( xo ) + ( x − xo ) ,
0! o
1! dx x = xo dx x = xo
Si se define la variable desviación ∆x = x - xo como la diferencia entre la variable x y el punto donde se

hizo la linealización xo. En particular, si se supone que el punto de linealización corresponde a un punto
de equilibrio del sistema, es decir
dx
x x = = f ( x) x = f ( xo ) = 0 ,
o
dt xo
o
entonces, al derivar la expresión ∆x = x - xo se tiene,

∆x = x − xo
= x
df ( x)
= f ( xo ) + ( x − xo ) ,
dx x = xo
df ( x)
= ∆x
dx x = xo
el cual corresponde a un modelo lineal en ∆x.º

En general, si consideramos un sistema no-lineal MIMO como,
x = f (x, u, p), y = h(x, u, p) ,
o en sus componentes,
⎡ x1 ⎤ ⎡ f1 (x, u, p) ⎤ ⎡ y1 ⎤ ⎡ h1 (x, u, p) ⎤
⎢ # ⎥=⎢ ⎥, ⎢ ⎥ ⎢ ⎥
⎢ ⎥ ⎢ # ⎥ ⎢ # ⎥=⎢ # ⎥,
⎢⎣ xn ⎥⎦ ⎢⎣ f n (x, u, p)⎥⎦ ⎢ yq ⎥ ⎢hq (x, u, p)⎥
⎣ ⎦ ⎣ ⎦
una representación lineal en torno a un punto de operación dado por uo, xo, po, yo es,
∆x = A∆x + B∆u + E∆p, ∆y = C∆x + D∆u + F∆p ,
∂f (x, u, p) ∂f (x, u, p) ∂f (x, u, p) ∂h(x, u, p)
donde, A= , B= , C= x = xo , D= ,
∂x x = xo
u =u o ∂u x = xo
u =u o ∂x u =u
∂u x = xo
u =u o
o
p =p o p =p o p = po p =p o
∂f (x, u, p) ∂h(x, u, p)
E= , F= ; y ∆x, ∆u, ∆p, y ∆y, son variaciones de x, u, p e y,
∂p x = xo
u =u
∂p x = xo
u =u
o o
p =p o p =po
respectivamente, en torno al punto de operación dado por uo, xo, po, yo. Nótese que en el caso no-lineal
uo, xo, y po satisfacen,

Apuntes: 543 214 31
0 = f(xo, uo, po).

En general, al tener un valor para las entradas uo y po, se encuentran los valores de xo que satisfacen la
expresión anterior, los valores de yo se determinan de,
yo = h(xo, uo, po).
⎡ x ⎤
Ejemplo 2.21. Considere el estanque piramidal invertido de la Fig. 2.20, cuyo modelo dinámico esta dado por, x = ⎢ 1 ⎥ =
⎣ x2 ⎦
⎡ a 2 ( p1 + u − kv gx1 ) / x12 ⎤ ⎡ f1 (x, u, p) ⎤
⎢ 2 3⎥
= ⎢ ⎥ , donde x1 es la altura de la columna de agua en el estanque h, x2 es la
⎣3a ( p1 p2 − ( p1 + u ) x2 ) / x1 ⎦ ⎣ f 2 (x, u, p) ⎦
concentración de producto cs, u es el flujo de entrada del líquido sin producto fa, p1 es el flujo de entrada de líquido con
producto fm y p2 es la concentración del producto en este último cm. Este modelo es claramente no lineal, para linealizarlo
encontramos sus derivadas con respecto a las variables de estado, entrada y perturbaciones para obtener el modelo,
⎡ ∆x1 ⎤ ⎡ ∂f1 / ∂x1 ∂f1 / ∂x2 ⎤ ⎡ ∆x1 ⎤ ⎡ ∂f1 / ∂u ⎤ ⎡ ∂f / ∂p1 ∂f1 / ∂p2 ⎤ ⎡ ∆p1 ⎤
⎢ ∆x ⎥ = ⎢ ∂f / ∂x ∂f 2 / ∂x2 ⎥⎦ u ⎢ ∆x ⎥ + ⎢ ∂f / ∂u ⎥ ∆u + ⎢ 1
∂f 2 / ∂p2 ⎥⎦ u ⎢ ∆p ⎥ ,
⎣ 2⎦ ⎣ 2 1 o , p o , xo
⎣ 2⎦ ⎣ 2 ⎦ u o , p o , xo ⎣∂f 2 / ∂p1 o , p o , xo
⎣ 2⎦
cuyo resultado es,
flujo de agua [lt/s] vs tiempo [hrs]

3
0
0 5 10 15 20
altura [m] vs tiempo [hrs]

10
h o2
h o3
0
0 5 10 15 20
conc. de salida [pmil] vs tiempo [hrs]

20 ⋅
cso3 1000
⋅
10
cso2 1000
0
0 5 10 15 20
Fig. 2.27 Simulación del sistema original (línea continua) y del sistema linealizado (línea segmentada).

Apuntes: 543 214 32
⎡ ∂f1 ∂f1 ⎤ ⎡ a 2 gk 2a 2 ( p1o + uo − kv gx1o ) ⎤ ⎡ a 2 gkv ⎤

⎢ ∂x ⎢− 2 v − 0 ⎥ ⎢− 2 0 ⎥
∂x2 ⎥ ⎢ 2 x1o gx1o x13o ⎥ ⎢ 2 x1o gx1o ⎥,
A=⎢ 1 ⎥ =⎢ ⎥=⎢
⎢ ∂f 2 ∂f 2 ⎥
⎢ 9a 2 ( p1o p2 o − ( p1o + uo ) x2 o ) 3a ( p1o + uo ) ⎥ ⎢
2
3a 2 ( p1o + uo ) ⎥⎥
⎢ ⎥ − − 0 −
⎣ ∂x1 ∂x2 ⎦ u
o , p o , xo ⎣⎢ x14o x13o ⎦⎥ ⎣⎢ x13o ⎦⎥
⎡ ∂f1 ⎤ ⎡ a2 ⎤ ⎡ ∂f1 ∂f1 ⎤ ⎡ a2 ⎤

⎢ ⎥ ⎢ ∂p ⎢ 0 ⎥
⎢ ∂u ⎥ 2
x1o ⎥ ∂p2 ⎥ x12o
b=⎢ ⎥ =⎢ , E = ⎢ 1 ⎥ =⎢ 2 ⎥.
⎢ ∂f 2 ⎥ ⎢ 3a 2 x ⎥ ⎢ ∂f 2 ∂f 2 ⎥ ⎢ 3a ( p − x ) 3a 2 p1o ⎥
⎢− 3 2 o ⎥ ⎢ ⎥ ⎢ 2o 2o
⎥
⎣⎢ ∂u ⎦⎥ u o , p o , xo ⎣⎢ x1o ⎦⎥ ⎣ ∂p1 ∂p2 ⎦ u ⎣⎢ x13o x13o ⎦⎥
o , p o , xo
Nótese que el modelo resultante, ∆x = A∆x + b∆u + E∆p , tiene matrices A, b y E dependientes del punto de operación.
Resultados de la simulación del sistema mostrado en la Fig. 2.20 se muestran en el Fig. 2.27. La linealización corresponde a
una entrada uo = 1 lt/s. Claramente, el sistema lineal indica otro punto de operación y otra dinámica al alterar la entrada del
sistema. Esto era esperable dado que la linealización es un método aproximado, que es más exacto en la medida que se está
cerca del punto de operación. ♣
Ejemplo 2.22. Modelar, linealizar y simular el circuito elevador ilustrado en la Fig. 2.28(a). R.: El circuito de la Fig.
di dv v di
2.28(b) muestra que para Sw = 1, e = L y 0=C + y el de la Fig. 2.28(c) muestra que para Sw = 0, e = L + v y
dt dt R dt
L diente de sierra d)
+ + 1
d(t)
R
e(t) Sw(t) v(t)
- i(t) - C
a)
0
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
e)
L S w (t)
+ + on off
R
e(t) Sw(t) v(t) 1
- - C
i(t) b)
0
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
40
L f)
+ + 30
R 10·i(t)
e(t) Sw(t) v(t) 20
- - C 10
i(t) c) v(t)
0
0 0.01 0 .0 2 0.03 0 .0 4 0.05 0 .0 6 0.07 0 .0 8 0 .0 9 0.1
20
g)
v(t) real
15
prom edio
10
linealizado
5
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
4
i(t) real h)
3
2 prom edio
1
linealizado
0
1
0 0 .0 1 0 .0 2 0 .0 3 0.04 0 .0 5 0 .0 6 0 .0 7 0 .0 8 0.09 0.1
Fig. 2.28 Convertidor dc/dc elevador; a) circuito, b) equivalente para Sw = 1, c) equivalente para Sw = 0, d) generación de
Sw, e) señal Sw, f) simulación modelo real (con switch), g) comparación de voltajes, h) comparación de corrientes.

Apuntes: 543 214 33
dv v di dv v
i=C + . Lo que se puede escribir como, e = L + v(1 − S w ) y i (1 − S w ) = C + . La razón entre el tiempo
dt R dt dt R
encendido y el tiempo de encendido más apagado es d(t), en la práctica, para la operación del circuito se compara una señal
continua d(t) con una diente de sierra, Fig. 2.28(d), y de la comparación resulta Sw(t) de encendido-apagado del switch como
ilustrado en la Fig. 2.28(e). La simulación para R = 12 Ω, C = 200 µF, y L = 5 mH se encuentra en la Fig. 2.28(f), donde e(t)
⎡ x2 x1 ⎤
⎡ x1 ⎤ ⎢ C (1 − u ) − RC ⎥
aumenta de 6 a 7 V en t = 70 ms. Asumiendo x1 = v y x2 = i, entonces el modelo queda, x = ⎢ ⎥ = ⎢ ⎥ =
⎣ x2 ⎦ ⎢ − x1 (1 − u ) + p ⎥
⎢⎣ L L ⎥⎦
⎡ f1 (x, u, p) ⎤
⎢ f (x, u, p) ⎥ , donde x1 es el voltaje v, x2 es la corriente i, u es la señal de conmutación Sw, y p es la tensión de entrada e.
⎣ 2 ⎦
Este modelo es claramente no lineal y la entrada es una señal no continua por lo que se opta por un modelo promedio. Este
se obtiene al reemplazar la señal Sw(t) por d(t), lo que se justifica en la medida que la triangular tiene una alta frecuencia.
di dv v
Así, el modelo resultante es e = L + v(1 − d ) y i (1 − d ) = C + , cuya simulación está en la Fig. 2.28(g) y (h). Al
dt dt R
linealizarlo se encuentra que,
⎡ 1 1 − do ⎤ ⎡ −io ⎤
⎢ − RC ⎥ ⎢C ⎥ ⎡0⎤
⎥ , b = ⎢ ⎥ , e = ⎢1⎥ .
C
A=⎢
⎢− 1 − do ⎢ ⎥
0 ⎥⎥ ⎢ vo ⎥
⎣L⎦
⎣⎢ L ⎦ ⎣⎢ L ⎦⎥
Nótese que el modelo resultante, ∆x = A∆x + b∆u + e∆p , tiene matrices A y b dependientes del punto de operación. Los
vo
cuales están dados por eo = vo (1 − d o ) e io (1 − d o ) = , por lo que dados eo y do (entradas) se puede encontrar vo e io.
R
Resultados de la simulación se encuentran también en la Fig. 2.28(g) y (h). Nótese que la linealización entrega resultados
equivocados tanto dinámica como estáticamente; sin embargo, ante cambios de la perturbación (señal e), es exacta, lo que se
debe al efecto lineal que tiene la perturbación sobre el sistema real. ♣

Apuntes: 543 214 34
3 Señales en Sistemas
Las variables en sistemas son señales que evolucionan de acuerdo a las de

entrada. Para caracterizar los sistemas se introducen señales estándar que son
revisadas en este capítulo. Se destaca las señales escalón, rampa y sinusoidal.
Se introduce la señal delta tanto continua como discreta como una necesidad
matemática para el análisis de sistemas. Adicionalmente, se revisan las
transformaciones más recurridas en el análisis de señales como son la de Laplace
y se introduce la Z para sistemas discretos.
3.1 Introducción
En esta parte se introduce el concepto de señal y se presentan las características y propiedades básicas
de éstas.
A . Conceptos
Entre los conceptos más importantes está el de señal y el de soporte de ésta.
Def.: Señal es una función matemáticamente definida que representa la evolución de una magnitud de
un proceso, Fig. 3.1, Fig. 3.2.
Def.: El soporte de una señal corresponde al rango de la variable independiente en el cual la señal no
es idénticamente nula. D es el soporte de f(t) si:
⎧= 0 t ∉ D
f (t ) ⎨ .
⎩≠ 0 t ∈ D
Def.: Una señal se dice con soporte positivo si no es equivalentemente nula para todo valor real
positivo de la variable independiente.
Def.: Una señal se dice con soporte negativo si no es equivalentemente nula para todo valor real
Modelo 1 altura
Objetivo 1 Sistema 1 Modelo 2 Magnitudes voltaje
Modelo 3 flujo
Objetivo 2 Sistema 2
Proceso
:
:
Objetivo n Sistema n
Fig. 3.1 Asociación de magnitudes a un sistema.

Apuntes: 543 214 35
negativo de la variable independiente.
Def.: Una señal se dice con soporte compacto si no es equivalentemente nula en un rango
determinado de valores de la variable independiente.
Ejemplo 3.1. En la Fig. 3.3 se muestran las señales definidas por,

⎧ A sin(2πft − π) t ≥ 0 ⎧2 t ∈ [2,3]
f1 (t ) = ⎨ , f 2 (t ) = ⎨ ,
⎩ 0 t<0 ⎩0 otro valor
donde puede verse que la primera tiene soporte positivo mientras que la segunda tiene soporte compacto. ♣
B . Propiedades
Simetría. (Señales pares e impares, Fig. 3.4) .
La señal xp(t) es par si xp(t) = xp(-t) (simetría c/r eje y).
La señal xi(t) es impar si xi(t) = -xi(-t) (antisimetría c/r eje y).
T T 0 T
En señales pares se cumple que: ∫−T
x p (t ) = 2 ∫ x p (t ) ,
0 ∫−T
x p (t ) = ∫ x p (t ) .
0
T 0 T
En señales impares se cumple que: ∫−T
xi (t ) = 0 , ∫−T
xi (t ) = − ∫ xi (t ) .
0
Pro.: Toda señal x(t) puede ser descompuesta en una señal par xp(t) y una impar xi(t), tal que x(t) = xp(t)
+ xi(t), donde,
x(t ) + x(−t ) x(t ) − x(−t )
x p (t ) = y xi (t ) = .
2 2
altura voltaje corriente

2 2 4
1 1 2
0 t 0 t 0 t
0 5 0 5 0 5
Fig. 3.2 Evolución de magnitudes en el tiempo.
f1 f2
2
2
0
t t
2 0
0 5 0 5
Fig. 3.3 Soporte en señales.

Apuntes: 543 214 36
Periodicidad. xT(t) es periódica si xT(t) = xT(t + kT), k ∈ Ζ de período T, o bien, xT(t) ∈ [a, b] ≡ xT(t) ∈
[a + kT, b + kT].
b
Ortogonalidad. Dos señales x1(t) y x2(t) son ortogonales en [a, b] si ∫
a
x1 (t ) x2 (t )dt = 0 ó
< x1 (t ), x2 (t ) > = 0 ó || x1 (t ) || || x2 (t ) || cos(α) = 0 .
C . Índices de Señales
Son valores numéricos que tratan de describir una característica de la señal. Entre los más utilizados
están:
1 b
b − a ∫a
Esperanza Media: f avg = f (t )dt Momento estadístico (1er)
Varianza Momento estadístico (2do) Energía
1 b 2
b − a ∫a
Potencia Entropía RMS: f rms = f (t )dt
3.2 Señales de Prueba

Las señales de prueba se utilizan para caracterizar un sistema como se muestra en la Fig. 3.5. La señal
se aplica a la entrada de los sistemas para estudiar la respuesta en el plano del tiempo como en el de la
frecuencia. A continuación se introducirán las señales más utilizadas en las distintas disciplinas de la
ingeniería.
A . Impulso
El impulso δ(t) es una función continua “inventada” para apoyar el análisis de sistemas lineales. Hay
tres formas de definirla. Estas son,
Def.: Es una función de valor no nulo en t = 0 y de área unitaria; matemáticamente,

δ(t ) = 0 t ≠ 0
∞ .
∫−∞
δ(t )dt = 1
Def.: Es una función definida en función de la función auxiliar δT(t) - ver Fig. 3.6(b) - como,
f1 f2
4 10
2 0
t t
0 10
2 0 2 2 0 2
Fig. 3.4 Señales par x2 e impar x3.

Apuntes: 543 214 37
δ(t ) = lim δT (t ) .
T →0
Def.: Es una función definida en función de sus valores instantáneos como,

⎧0 t ≠ 0
δ(t ) = ⎨ .
⎩∞ t = 0
∞ ∞ ∞
Notar que, ∫ −∞
δ(t ) f (t )dt = ∫ δ(0) f (0)dt = f (0) ∫ δ(0)dt = f (0) .
−∞ −∞
B . Escalón
El escalón u(t) es una función continua cuya definición se ajusta a la percepción intuitiva de ésta. Hay
también tres formas de definirla; éstas son,
t
Def.: Mediante una integral, u (t ) = ∫
−∞
δ ( τ) d τ .
Def.: A través del límite de la función auxiliar uT(t) como u (t ) = lim uT (t ) , Fig. 3.7(b).
T →0
⎧0 t < 0
Def.: Definición por partes como u (t ) = ⎨ , Fig. 3.7(a).
⎩1 t ≥ 0
C . Rampa
y δ(t)
fe
t
0
2 0 2
h a)
δT(t)
l
1/T 2
l fs x t
0
2 0 T 2
b)
Fig. 3.5 Caracterización de un sistema mediante el uso de Fig. 3.6 Impulso continuo; a) función impulso, b) función
señales de prueba. auxiliar δT(t).

Apuntes: 543 214 38
La rampa r(t) es una función continua que se obtiene integrando el escalón. Sin embargo, otras
definiciones también son válidas. Estas son,
t
Def.: Mediante una integral, r (t ) = ∫−∞
u (τ)d τ .
⎧0 t < 0
Def.: Definición por partes, r (t ) = ⎨ , Fig. 3.7(c).
⎩t t ≥ 0
Def.: Definición alternativa, r (t ) = tu (t ) .
d r (t ) d u (t ) t t
Notar que, = u (t ) , = δ(t ) , r (t ) = ∫ u (τ)d τ , y que u (t ) = ∫ δ(τ)d τ .
dt dt −∞ −∞
D . Exponencial
La función exponencial se expresa como, f (t ) = e( − a + jb )t , con j2 = -1.
Dependiendo del valor que posea el parámetro b es posible tener,
Con b = 0 exponencial real, f (t ) = e− at ,Fig. 3.8.

• a > 0 exponencial decreciente.
• a < 0 exponencial creciente.
Con b ≠ 0 exponencial compleja, f (t ) = e( − a + jb )t = e− at e jbt = e − at (cos bt + j sin bt ) , Fig. 3.9, donde el

módulo es e-at y la fase es bt.
E . Sinusoidal
La función sinusoidal se expresa como, f (t ) = A sin(ωt + φ) = A sin(2πft + φ) , y es mostrada en la Fig.
3.10, donde, A: amplitud, ω: frecuencia angular con ω = 2πf = 2π/T, φ: fase.
F . Señales en sistemas
En esta sección se analiza la respuesta que presenta un sistema ante una entrada de prueba. En un
primer caso analizamos el sistema mecánico lineal de la Fig. 2.3 (masa-resorte-amortiguador), al cual
se le aplica en forma consecutiva aproximaciones de la función impulso. Estas aproximaciones son un
pulso cuya duración disminuye mientras su amplitud aumenta manteniendo siempre el área unitaria.
u(t) uT(t) r(t)
2
1 1 1
1
1/T
t t t
0 0 0
2 0 2 2 0T 2 2 0 2
a) b) c)
Fig. 3.7 Señales de prueba; a) escalón, b) función auxiliar, c) rampa.

Apuntes: 543 214 39
Los resultados son mostrados en la Fig. 3.11, donde se aprecia que la respuesta dada por el sistema
converge a una oscilación de segundo orden.
Ahora se aplica una entrada que es una función sinusoidal de amplitud constante pero frecuencia
variable. En la Fig. 3.12 puede verse que la respuesta del sistema es también una sinusoidal de igual
frecuencia a la de entrada pero su amplitud depende de la frecuencia de entrada como se puede apreciar
en la Fig. 3.12(b).
Finalmente se analiza el estanque cóncavo no lineal de la Fig. 2.19. A este sistema se le aplica una
función de prueba sinusoidal de dos frecuencias distintas, y es posible apreciar que la respuesta del
sistema ya no es una sinusoidal como se muestra en la Fig. 3.13, esto implica que en la salida existen
frecuencias que no están en la entrada.
Además es posible apreciar que al aplicar la misma función de entrada pero en dos puntos de operación
distintos la respuesta del sistema es diferente, lo que no ocurre en sistemas lineales.
3.3 Transformaciones sobre Señales

Las transformaciones se aplican sobre una o más señales para dar origen a otra señal. Entre las más
conocidas están la normalización, discretización y convolución. Las transformaciones se dividen en
simples como las aplicadas sobre una señal y las complejas como las aplicadas sobre dos señales.
A . Transformaciones Simples
6 6
4 4
2 2
0 t 0 t
2 0 2 2 0 2
a) b)
Fig. 3.8 Exponencial real, b = 0; a) decreciente (a > 0), b) creciente (a < 0).
ℑ ℑ ℑ ℑ
5 5
0 0 0 0
ℜ ℜ 5 ℜ 5 ℜ
1 0 1 1 0 1 5 0 5 5 0 5
a) b) c) d)
Fig. 3.9 Exponencial compleja,; a) a = 0, b > 0), b) a = 0, b < 0; c) a < 0, b > 0), b) a < 0, b < 0.
2
t
2
0 0.5 1 1.5 2
Fig. 3.10 Sinusoidal, A = 1.5, T = 0.5, φ = 90°.

Apuntes: 543 214 40
Una función cualquiera puede ser modificada utilizando, f (t ) → g (t ) = αf (at + b) + β , con α, β, a, y b

como parámetros de la transformación.
Transformaciones sobre la variable dependiente, Fig. 3.14. Corresponden a a = 1, b = 0, por lo
Posición y fuerza normalizada

4
t
0
0 5 10 15 20 25 30 35 40
Fig. 3.11 Respuesta aproximada a impulso del sistema (masa-resorte-amortiguador) de la Fig. 2.3.

4
t
2
0 5 10 15 20 25 30 35 40

4
t
2
0 5 10 15 20 25 30 35 40
Fig. 3.12 Respuesta a entrada sinusoidal del sistema masa-resorte-amortiguador (Fig. 2.3) para varias frecuencias.
flujo de ent. lt/s - altura m

20
15
10
t
0
0 2 4 6 8 10 12 16 18 20 22 24
flujo de ent. lt/s - altura m

25
20
15
10
5
t
0 2 4 6 8 10 12 14 16 18 20 22 24
Fig. 3.13 Respuesta a entrada sinusoidal del sistema no-lineal (estanque, Fig. 2.19) para dos puntos de operación.

Apuntes: 543 214 41
tanto,
f (t ) → g (t ) = αf (t ) + β
|α| > 1: Amplificación.
|α| < 1: Atenuación.
α = 0 : Anulación.
α < 0 : Inversión, reflexión c/r eje g(t) = β.
β > 0 : Corrimiento hacia arriba.
β < 0 : Corrimiento hacia abajo.
Ejemplo 3.2. Normalización. Sea f0 el mínimo de f(t) y f1 el máximo de f(t), entonces, la señal g(t) = αf(t) + β es
1 − f0
normalizada si α = ,β = quedando sus valores en el rango 0-1. Lo anterior es debido a que,
f1 − f 0 f1 − f 0 ,
f (t ) ∈ [ f 0 , f1 ]
f (t ) − f 0 ∈ [0, f1 − f 0 ]
f (t ) − f 0
∈ [0,1]
f1 − f 0
f (t ) − f 0 1 − f0
= f (t ) +
f1 − f 0 f1 − f 0 f1 − f 0
Lo anterior demuestra que la señal resultante es normalizada, pues su rango queda entre 0 y 1, Fig. 3.15. ♣
Transformaciones sobre la variable independiente, Fig. 3.16. Corresponden a α = 1, β = 0, por lo

tanto,
f (t ) → g (t ) = f (at + b)
|a| < 1: Dilatación.
|a| > 1: Compresión.
a<0: Reflexión c/r eje t = b.
b>0: Desplazamiento a la izquierda (derecha) con a > (<) 0.
f(t) g(t), α = 1, β = 2 g(t), α = 1, β = -2 g(t), α = 2, β = 0 g(t), α = 0.5, β = 0
5 5 5 5 5
0 0 0 0 0
t t t t t
0 5 0 5 0 5 0 5 0 5
Fig. 3.14 Transformaciones sobre la variable dependiente.
f(t) g(t), α = 0.33, β = 0.33
2 2
0 0
t t
2 2
0 5 0 5
Fig. 3.15 Transformaciones sobre la variable dependiente: Normalización.

Apuntes: 543 214 42
b < 0 : Desplazamiento a la derecha (izquierda) con a > (<) 0.
Ejemplo 3.3. Retardo. En este ejemplo se muestra el efecto de retardo que se produce en una correa transportadora, donde
el flujo de entrada requiere un cierto tiempo tr para llegar a la salida, como se muestra en la Fig. 3.17.
g (t ) = f (t − tr )
Este tiempo es posible calcularlo a partir del largo de la correa transportadora d y de la velocidad que esta posee v como tr =
d/v. Así la función de salida corresponde a una transformación sobre la variable independiente tiempo. ♣
Ejemplo 3.4. Desplazamiento. Una rampa desplazada queda como se muestra en la Fig. 3.18. La rampa es,
⎧0 t < 0
f (t ) = r (t ) = ⎨ ,
⎩t t ≥ 0
por lo que la rampa desplazada en 2 unidades de tiempo es,
⎧ 0 t−2< 0 ⎧ 0 t<2
g (t ) = f (t − 2) = r (t − 2) = ⎨ =⎨ ,
⎩t − 2 t − 2 ≥ 0 ⎩t − 2 t ≥ 2
en este caso se tiene, b = -2 (desplazamiento hacia la derecha). ♣
Ejemplo 3.5. Descomposición. Una señal puede ser escrita como combinación lineal de señales de prueba. En este caso se
analiza la función ilustrada en la Fig. 3.19. En este caso, f (t ) = −u (t ) + 2u (t − 1) + u (t − 2) − 3u (t − 4) , en donde la función
original es compuesta por la suma de cuatro funciones escalón convenientemente amplificadas y desplazadas. ♣
Ejemplo 3.6. Una señal diente de sierra se puede descomponer como una suma de rampas como la ilustrada en la Fig.
3.20. La expresión general utilizando la expresión de cada diente es,
f (t ) = 2r (t ) − 2r (t − 1) − 2u (t − 1) + 2r (t − 1) − 2r (t − 2) − 2u (t − 2) + " +
,
2r (t − k ) − 2r (t − k − 1) − 2u (t − k − 1) + "
esta señal, al igual que el caso anterior esta compuesta por una sumatoria de rampas y escalones que generan cada una de los
f(t) g(t), a = 1, b = 1 g(t), a = 1, b = -1 g(t), a = 2, b = 0 g(t), a = 0.5, b = 0
5 5 5 5 5
0 0 0 0 0
t t t t t
0 5 0 5 0 5 0 5 0 5
Fig. 3.16 Transformaciones sobre la variable independiente.
f(t) g(t) = f(t - 2)

fe’
2 2
tr
m fe ’ fe
v 0 0
d fe 2 t
2 t
0 5 0 5
a) b)
Fig. 3.17 Ejemplo de retardo. Fig. 3.18 Ejemplo de desplazamiento.

Apuntes: 543 214 43
∞
dientes de la señal diente de sierra. Una expresión general es, f (t ) = 2∑ r (t − i ) − r (t − i − 1) − u (t − i − 1) . La expresión
i =0
anterior es una representación alternativa a la serie de Fourier de la señal periódica. ♣
B . Transformaciones Complejas
Convolución (Integral de Convolución)
Def.: Se llama convolución de f(t) con g(t) y se denota por f(t)*g(t) a la integral,
∞
f (t ) * g (t ) = ∫ f (t − τ) g (τ)d τ = h(t ) .
−∞
Nótese que esta transformación utiliza dos señales para dar origen a otra señal.
Si g(t) tiene soporte positivo, entonces,

∞ 0 ∞ ∞
f (t ) * g (t ) = ∫ f (t − τ) g (τ)d τ = ∫ f (t − τ) g (τ)d τ + ∫ f (t − τ) g (τ)d τ = ∫ f (t − τ) g (τ)d τ .
−∞ −∞ 0 0
Si f(t) tiene soporte positivo, entonces,

∞ t ∞
f (t ) * g (t ) = ∫ f (t − τ) g (τ)d τ = ∫ f (t − τ) g (τ)d τ + ∫ f (t − τ) g (τ)d τ .
−∞ −∞ t
∞ −∞
considerando que si t - τ = x, entonces -dτ = dx y como τ t , entonces x 0 , por lo tanto,
t −∞ t 0
f (t ) * g (t ) = ∫ f (t − τ) g (τ)d τ − ∫ f ( x) g (t − x)dx = ∫ f (t − τ) g (τ)d τ + ∫ f ( x) g (t − x)dx .
−∞ 0 −∞ −∞
Si f(t) y g(t) tienen soporte positivo, entonces,

f(t) f1(t) f2(t) f3(t) f4(t)
2
5
2 0
0
0 2
0
0
t 2 t t t 4 t
0 5 0 5 0 5 0 5 0 5
a) b) c) d) e)
Fig. 3.19 Descomposición de señales; a) función compuesta, b)-c)-d)-e) señales básicas.
f(t) f1(t) f2(t) f3(t)
2 2 2 2
0 0 0 0
t t t t
0 5 0 5 0 5 0 5
a) b) c) d)
Fig. 3.20 Descomposición de señales; a) tren de rampas compuesta, b)-c)-d) rampas individuales.

Apuntes: 543 214 44
t 0 t t
f (t ) * g (t ) = ∫ f (t − τ) g (τ)d τ = ∫ f (t − τ) g (τ)d τ + ∫ f (t − τ) g (τ)d τ = ∫ f (t − τ) g (τ)d τ .
−∞ −∞ 0 0
Importancia de la convolución
Si se aplica fe(t) = δ(t) al sistema de la Fig. 3.21; entonces, la salida del sistema es una función que
llamaremos hest(t). Se encuentra que la salida h(t) para una entrada arbitraria fe(t) cumple con h(t) =
fe(t)*hest(t). La demostración de esta importante propuesta se realizará más adelante.
Propiedades de la convolución
Conmutatividad,
f (t ) * g (t ) = g (t ) * f (t ) .
Para demostrar la propiedad anterior se utiliza la definición de convolución,
∞
f (t ) * g (t ) = ∫ f (t − τ) g (τ)d τ .
−∞
∞ −∞
considerando que si t - τ = x, entonces -dτ = dx y como τ −∞ , entonces x ∞ , por lo tanto,
−∞ ∞ ∞
f (t ) * g (t ) = − ∫ f ( x) g (t − x)dx = ∫ f (τ) g (t − τ)dx = ∫ g (t − τ) f (τ)dx = g (t ) * f (t ) .
∞ −∞ −∞
Distributividad con respecto a la suma,

f (t ) *[ g (t ) + h(t )] = f (t )* g (t ) + f (t ) * h(t ) .
Asociatividad,
f (t ) *[ g (t ) * h(t )] = [ f (t ) * g (t )]* h(t ) .
Convolución con un Impulso,
f (t ) * δ(t − t0 ) = f (t − t0 ) .
∞ ∞ ∞
f (t ) * δ(t − t0 ) = ∫ f (t − τ)δ(τ − t0 )d τ = ∫ f (t − t0 )δ(0)d τ = f (t − t0 ) ∫ δ(0)d τ = f (t − t0 ) .
−∞ −∞ −∞
y
fe
fe(t) h(t)
2 h 2
l
0 0
t t
0 5 0 5
l fs x
Fig. 3.21 Sistema con entrada impulso. Importancia de la convolución.

Apuntes: 543 214 45
Convolución con un Escalón,

t
f (t ) * u (t ) = ∫ f (τ)d τ .
−∞
Ejemplo 3.7. Convolución de dos señales continuas como las ilustradas en la Fig. 3.22. ♣
Discretización
El proceso de convertir una señal continua en una discreta se conoce como muestreo; es decir, consiste
en obtener muestras, un número finito de ellas (o por lo menos numerable), de una función continua.
Es corriente que las muestras sean tomadas a distancias o intervalos regulares de tiempo.
Muestreador. Se considera un switch que se mantiene cerrado Tc unidades de tiempo de un total de T,

como se muestra en la Fig. 3.25.
Muestreador ideal. En este caso el tiempo de cerrado del muestreador se hace tender a cero. Así, la
f(τ) g(τ)
1 1
t t
0 0
2 0 2 4 2 0 2 4
f(-τ), g(τ) f(-τ)g(τ)
1 1
f(t)*g(t)
t t 1
0 0
2 0 2 4 2 0 2 4
f(1-τ), g(τ) f(1-τ)g(τ)
t
0
1 1 2 0 2 4
t t
0 0
2 0 2 4 2 0 2 4
f(2-τ), g(τ) f(2-τ)g(τ)
1 1
t t
0 0
2 0 2 4 2 0 2 4
Fig. 3.22 Convolución de señales continuas.

Apuntes: 543 214 46
definición es Si (t ) = lim ST (t ) en la práctica Tc <<< T, y se muestra en la Fig. 3.26.

Tc →0
⎧1 kT = 0
Representación del muestreador ideal. Para esto se introduce la señal δ(kT ) = ⎨ , donde T es
⎩0 kT ≠ 0
la distancia entre valores y k entero, entonces la señal Si(t) ≡ Si(kT) se puede definir como
∞
Si (kT ) = ∑ δ(kT − iT ) , por lo tanto, la representación de la salida del muestreador ideal queda como,
i =0
∞
y (kT ) = ∑ y (iT )δ(kT − iT ) .
i =0
Muestreador con retención. Debido a razones tanto de orden práctico como teórico, se prefiere emplear
muestreo de área. En el muestreo de área las muestras no son iguales a la amplitud sino a un área, en el
caso más simple y más común, esa área corresponde a la multiplicación del intervalo de muestreo T por
la amplitud. La utilización del muestreador con retención se ilustra en la Fig. 3.27.
Representación muestreador con retención . La salida del muestreador con retención ideal es
∞
y (t ) = ∑ u(iT )δ
i =−∞
T (t − iT )T . Nótese que de la Fig. 3.27 se puede observar que, u (t ) = lim y (t ) , por lo
T →0
∞ ∞
tanto, u (t ) = lim ∑ u (iT )δT (t − iT )T = ∫ u (τ)δ(t − τ)d τ = u (t ) * δ(t ) , como ya se conocía.
T →0 −∞
i =−∞
3.4 Señales de Prueba Discretas

La señal δ(kT) introducida para representar al muestreador ideal corresponde a una señal discreta
conocida como impulso discreto. Similarmente, se introducen a continuación otras señales que son la
base de generación de señales discretas.
δ(kT) u(kT) r(kT)

2 2
1
1 1
0 kT 0 kT 0 kT
2 0 2 2 0 2 2 0 2
Fig. 3.23 Señales de prueba discretas.
δ(kT-T) u(kT-T) r(kT+T)

2 2
1
1 1
0 kT 0 kT 0 kT
2 0 2 2 0 2 2 0 2
Fig. 3.24 Señales derivadas de las señales discretas.

Apuntes: 543 214 47
A . Impulso Discreto
Def.: El impulso discreto se define como,

⎧1 kT = 0
δ(kT ) = ⎨ ,
⎩0 kT ≠ 0
y es mostrado en la Fig. 3.23.
B . Escalón Discreto
⎧1 kT ≥ 0
El escalón discreto es el muestreo del escalón continuo, por lo tanto, u (kT ) = ⎨ , y es
⎩0 kT < 0
mostrado en la Fig. 3.23.
C . Rampa Discreta
⎧kT kT ≥ 0
La rampa discreta es el muestreo de la rampa discreta, por lo tanto, r (kT ) = ⎨ , y es
⎩0 kT < 0
mostrada en la Fig. 3.23.
Entre algunas de las propiedades de las señales discretas, Fig. 3.24, podemos contar,
u(t) y(t) u(t) y(kt) u(t) y(kt) y(t)

ST Si retentor
Si
u(t) u(t) u(t)

2 2 2
0 0 0
0 2 t 0 2 t 0 2 t
ST(t) Si(t) y(kT)

1 2 2
0 0 0
0 2 t 0 2 t 0 2 t
y(t) y(kT) y(t)

2 2 2
0 0 0
0 2 t 0 2 t 0 2 t
Fig. 3.25 Muestreador. Fig. 3.26 Muestreador ideal. Fig. 3.27 Muestreador con retención.

Apuntes: 543 214 48
δ(kT ) = u (kT ) − u (kT − T ) u (kT ) = r (kT + T ) − r (kT )

k k
.
u (kT ) = ∑ δ(kT − iT ) r (kT ) = ∑ u (kT − iT − T )
i =0 i =0
D . Exponencial Discreta
La exponencial discreta se define como, f (kT ) = Ce( − a + jb ) kT , esta exponencial puede ser real como se
muestra en la Fig. 3.28, o compleja como se muestra en la Fig. 3.29. También puede ser una
combinación de componentes reales e imaginarias como se muestra en la Fig. 3.29.
E . Sinusoidal Discreta
La sinusoidal discreta, Fig. 3.30, se expresa como, f (kT ) = A sin(ωkT + φ) = A sin(2πfkT + φ) . La señal
N
es periódica si para algún k* y N enteros se cumple, 2πfk *T = 2πN → k * = , donde N es el
fT
menor entero positivo y k* es el período discreto.
Ejemplo 3.8. Aplicar una señal discreta a un sistema continuo. R.: Una señal discreta no puede aplicarse directamente a un
sistema continuo, en cambio, si se puede si se utiliza a la vez un retentor como el ilustrado en la Fig. 3.27. Este es el caso
6 6
4 4
2 2
0 kT 0 kT
2 0 2 2 0 2
a) b)
Fig. 3.28 Exponencial real, b = 0; a) decreciente (a > 0), b) creciente (a < 0).
ℑ ℑ ℑ 5 ℑ 5
0 0 0 0
ℜ ℜ 5
ℜ 5
ℜ
1 0 1 1 0 1 5 0 5 5 0 5
a) b) c) d)
Fig. 3.29 Exponencial compleja; a) a = 0, b > 0), b) a = 0, b < 0, c) a < 0, b > 0), d) a < 0, b < 0.
δ(t) h(t)
2
S.L.D.
δT(t) hT(t)
0 S.L.D.
x(t) y(t) = ?
2
kT S.L.D.
0 0.5 1 1.5 2
Fig. 3.30 Sinusoidal discreta. Fig. 3.31 Integral y suma de convolución.

Apuntes: 543 214 49
del motor c.c. como ilustrado en la Fig. 3.32 al cual se le aplica la entrada rampa generada por un muestreador con
retención. Esta entrada es la que se puede esperar de un sistema digital como por ejemplo un PC o un microcontrolador, en
donde la salida se actualiza a intervalos regulares quedando la tarea de generar una señal continua a un retentor. ♣
3.5 Convolución continua y discreta

Si la entrada es δ(t) en un sistema continuo entonces sea h(t) la salida, si en cambio, la entrada es δT(t),
entonces sea hT(t) la salida, como se muestra en la Fig. 3.31. La interrogante es ¿ cuál es la salida para
una entrada arbitraria x(t) ?. Dado que,
∞ ∞
x(t ) = x(t ) ∗ δ(t ) = ∫ x(τ)δ(t − τ)d τ = lim ∑ x(iT )δT (t − iT )T
−∞ T →0
i =−∞ ,
= lim {" + x(−T )δT (t + T )T + x(0)δT (t )T + x(T )δT (t − T )T + "}
T →0
por lo tanto, la salida es,

y (t ) = lim {" + x(−T )hT (t + T )T + x(0)hT (t )T + x(T )hT (t − T )T + "}
T →0
∞ ∞ .
= lim ∑ x(iT )hT (t − iT )T = ∫ x(τ)h(t − τ)d τ = x(t ) ∗ h(t ) = h(t ) ∗ x(t )
T →0 −∞
i =−∞
Esta última expresión es la convolución continua o integral de convolución. Similarmente en el caso

discreto se tiene que una señal discreta puede ser escrita como,
∞
x(kT ) = ∑ x(iT )δ(kT − iT )
i =0 ,
" + x(−T )δ(kT + T ) + x(0)δ(kT ) + x(T )δ( kT − T ) + "
si la respuesta de un sistema discreto a entrada impulso δ(kT) es h(kT), entonces, al someter a este
sistema a la entrada arbitraria x(kT) tiene por salida a,
u(kt) va(t) ω(t)

+ va - - vf + a) retentor motor c.c.
ωl, θl c)
ia if Jl, Tl
dl
1/ k 4
d) u(kT)
ωm, θm
2
Jm, Te
máquina cc carga
0
0 1 2 3 4 5 6 7 8 9 10
b) e)
4 ω(t) 4
ω(t)
va(t) va(t)
2 2
p(t) p(t)
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Fig. 3.32 señales discretas en sistemas continuos; a) motor c.c., b) entrada rampa continua, c) diagrama, d) entrada rampa
discreta, e) entrada rampa desde un muestreador con retención.

Apuntes: 543 214 50
y (kT ) = " + x(−T )h(kT + T ) + x(0)h(kT ) + x(T )h(kT − T ) + "

∞
.
= ∑ x(iT )h(kT − iT )
i =0
A . Convolución Discreta (Suma de Convolución)

Por dualidad con el comportamiento de un sistema continuo, se define la convolución discreta como,
Def.: Se llama convolución discreta de f(kT) con g(kT) y se denota por f(kT)*g(kT) a la sumatoria,
∞
f (kT ) ∗ g (kT ) = ∑ f (kT − iT ) g (iT ) .
i =−∞
Por lo tanto, la salida de un sistema discreto a una entrada arbitraria x(kT) puede ser expresada como,
f(iT) g(iT)
1 1
kT kT
0 0
2 0 2 4 2 0 2 4
f(-iT), g(iT) f(-iT)g(iT)
1 1
f(kT)*g(kT)
10
kT kT
0 0
2 0 2 4 2 0 2 4
5 4
f(4t-iT), g(iT) f(4t-iT)g(iT)
kT
0
1 1 2 0 2 4
kT kT
0 0
2 0 2 4 2 0 2 4
f(8T-iT), g(iT) f(8T-iT)g(iT)
1 1
kT kT
0 0
2 0 2 4 2 0 2 4
Fig. 3.33 Convolución de señales discretas.

Apuntes: 543 214 51
∞ ∞
y (kT ) = ∑ x(iT )h(kT − iT ) = ∑ h(kT − iT ) x(iT ) = h(kT ) ∗ x(kT ) .
i =0 i =0
donde h(kT) es la respuesta a impulso del sistema discreto.
Ejemplo 3.9. Ejemplo de la convolución de las señales mostradas en la Fig. 3.33, las cuales corresponden a la
discretización de las señales utilizadas en el ejemplo anterior. El proceso de convolución gráfica puede verse en la Fig.
3.33. ♣
B . Convolución Cíclica
La convolución lineal de dos señales periódicas generalmente diverge. Por lo tanto, es necesario definir
una nueva forma de convolución para tales señales.
Def.: Se llama convolución cíclica de f(kT) con g(kT) y se denota por f(kT)*c g(kT) a la sumatoria,
Q −1
f (kT ) ∗c g (kT ) = ∑ f (kT − iT ) g (iT ) ,
i =0
donde se ha empleado el símbolo *c para especificar claramente que esta convolución es cíclica,
en contraposición a la convolución lineal revisada anteriormente. El parámetro Q es el largo de
las secuencias, que generalmente son iguales.
Nótese que la fórmula es directamente aplicable a señales periódicas si sólo se considera un período. La
secuencia resultante también es periódica.
Ejemplo 3.10. Ejemplo de la convolución de las señales mostradas en la Fig. 3.34. Nótese que la señal resultante es una
sinusoidal (casi). Esto se debe a que en este caso la convolución opera como un filtro pasa bajos, donde la señal filtrada es la
escalonada. ♣
f(kT) g(kT) f(kT)*cg(kT)

1 5
0.5
0 0
0
kT kT kT
0.5 5
0 2 4 6 8 0 2 4 6 8 0 2 4 6 8
Fig. 3.34 Convolución cíclica de señales discretas periódicas.

Apuntes: 543 214 52
4 Transformaciones
La solución de problemas en ingeniería pasa ineludiblemente por el uso de

transformaciones. Por ejemplo, la Transformada de Laplace es utilizada para
resolver ecuaciones diferenciales ordinarias. En este capítulo se revisan las
propiedades de la Transformada de Laplace y se introduce la Transformada Z,
sus propiedades y aplicabilidad al tratamiento de sistemas que operan con
señales discretas. Finalmente, se introduce la Transformada de Fourier para
señales continuas y discretas, como también transformadas apropiadas para
señales periódicas continuas y periódicas discretas.
4.1 Introducción
La forma natural de solucionar los problemas en un dominio (por ejemplo, el tiempo) es permanecer en
ese domino y utilizar alguna técnica particular, Fig. 4.1. Sin embargo, los siguientes ejemplos ilustran
que el uso de transformaciones ha sido ampliamente utilizado en problemas de la ingeniería, Fig. 4.2.
Ejemplo 4.1. Considerar que se desea obtener la respuesta en el tiempo ante una entrada escalón del sistema descrito por,
y (t ) + 2ζωn y (t ) + ω2n y (t ) = k ω2n u (t ) , donde la entrada u es un escalón; es decir, u(t) = u(t). Utilizando la Transformada de

k ω2n
Laplace, se tiene, s 2 y ( s) + 2ζωn sy ( s) + ω2n y ( s) = k ω2n / s . Despejando la salida, y ( s ) = , y utilizando
s ( s 2 y + 2ζωn sy + ωn2 y )
la transformada de Laplace inversa se logra la respuesta en el tiempo requerida, que está dada por la expresión,
⎧⎪ 1 ⎫⎪
y (t ) = k ⎨1 − e −ζωn t sin(ωn 1 − ζ 2 t + cos −1 ζ ) ⎬ , para 0 < ζ < 1. Evidentemente, la Transformada de Laplace es una
⎩⎪ 1 − ζ2 ⎭⎪
transformación muy utilizada en S.L.D. dada la simplicidad en su aplicación. ♣
Ejemplo 4.2. Invertir la matriz A utilizando una transformación de similitud. Sea D una matriz diagonal tal que, T-1AT =
D, para lo cual T-1 debe estar compuesta por los vectores propios de A, lo que resulta en una matriz D compuesta por los
valores propios de A; es decir, D = diag{λ1, λ1,… , λn}. Dado que D-1 = diag{1/λ1, 1/λ1,… , 1/λn}, entonces la inversa de D,
(T-1AT)-1 = D-1, T-1A-1T = D-1, A-1 = T D-1T-1. No es evidente en este ejemplo que encontrar D y T sea más fácil que utilizar
un método directo de inversión de A. ♣
transformación
directa
problema problema problema
Técnica
Técnica
técnica
difícil
fácil
transformación
inversa
solución solución solución
Dominio Dominio Dominio de la

original original transformación
Fig. 4.1 Solución tradicional de un problema. Fig. 4.2 Transformaciones en la solución de problemas.

Apuntes: 543 214 53
En general, el uso de transformaciones se puede deber a:
• Transformar el problema original en uno más fácil de solucionar. Este es el caso de la

Transformada de Laplace aplicado a la solución de ecuaciones diferenciales. Se verá más
adelante que su campo de aplicaciones no está limitado a ecuaciones diferenciales. Por ejemplo,
se utiliza también en la solución y análisis de ecuaciones de estado.
• Obtener información adicional que es difícil (o imposible) de obtener en el dominio original. Por
ejemplo, el uso de la Transformada de Laplace permite predecir la salida en S.S. de un sistema a
una entrada sinusoidal de frecuencia ω, amplitud A, y fase φ. Dada su característica lineal
también permite obtener la salida para una combinación lineal de sinusoidales, lo que
corresponde a una señal periódica.
A continuación se revisará la Transformada de Laplace para luego dar paso a la Transformada Z, que
aparece como alternativa dual de análisis para sistemas discretos.
4.2 Transformada de Laplace

Se utiliza en sistemas continuos. Su aplicación va desde la solución de ecuaciones diferenciales a su
utilización en nuevas formas de análisis de S.L.D.. En particular, en la propuesta del concepto de
Función de Transferencia.
A. Conceptos
∞
Convergencia de integrales. La integral ∫−∞
f (τ)d τ se dice que converge en forma simple si se tiene
∞ ∞
que ∫−∞
f (t )dt ≤ M < ∞ y se dice que converge en forma absoluta si ∫−∞
f (t ) dt ≤ M < ∞ . Nótese que
si una integral converge en forma absoluta, entonces converge en forma simple.
Ejemplo 4.3. Encuentre la convergencia de las siguientes funciones f(t) = sin(ωt) y g(t) = eatu(t). R.: Para el primer caso se
∞ ∞
tiene que ∫−∞
sin(ωt )dt ≤ M < ∞ por lo que hay convergencia simple; sin embargo, ∫ −∞
sin(ωt ) dt → ∞ , por lo que no hay
∞
⎧−1/ a a < 0
1 at
{
1 at
}
∞
convergencia absoluta. Por otro lado, ∫0
e at dt =
a
e
0
=
a
e
t →∞
−1 = ⎨
⎩ ∞ a≥0
por lo que hay convergencia simple
y absoluta si a < 0. ♣
Estas definiciones nos permiten introducir la Transformada de Laplace.
Def.: Se define la Transformada de Laplace (T.L.) Unilateral de una función f(t), como:
∞
L{f (t )} = f ( s) = ∫0 f (t )e− st dt ,
en donde, f (t ) ∈ \, t ∈ \, s = σ + jω∈ ^ .
∞
Notar que L{f(t)} = f(s) es una función de la variable s. L{f (t )} = f ( s ) = ∫ f (t )e − st dt =
0

Apuntes: 543 214 54
∞ ∞
∫ 0
f (t )e − ( σ+ jω) t dt = ∫ 0
f (t )e −σt e − jωt dt , la cual converge sólo para algunos valores de σ.
Def.: Se define la abscisa de convergencia absoluta (a.c.a.) de la T.L. de una función f(t), al valor σc
tal que L{f(t)} converge ∀σ > σc .
Ejemplo 4.4. Determine la T.L. y la abscisa de convergencia de las siguientes funciones, (a) f(t) = u(t), f ( s ) = L{f (t )} =
∞
∞ ∞ ∞ 1 1 1 1 1
∫0
f (t )e − st dt = ∫ u (t )e − st dt =
0 ∫
0
e − st dt = − e − st
s 0
=
s
(1 − e − s∞ ) = (1 − e − ( σ+ jω) ∞ ) = (1 − e −σ∞ e − jω∞ ) = ∀ σ > 0. Por lo
s s s
∞
∞ ∞ ∞ 1 −( s + a )t
tanto, σc = 0. (b) f(t) = e-atu(t), f (s) = ∫
0
f (t )e − st dt = ∫ e − at u (t )e− st dt
0
= ∫ 0
e − ( s + a )t dt = −
s+a
e
0
=
1 1 1 1
= (1 − e− ( s + a ) ∞ ) = (1 − e − ( σ+ a + jω) ∞ ) = (1 − e − ( σ+ a ) ∞ e− jω∞ ) = ∀ σ + a > 0. Por lo tanto, σc = -a. (c) f(t) =
s+a s+a s+a s+a
∞ 1 ∞ − st 1 ∞ 1 1 − sTa
1/Ta(u(t) - u(t-Ta)), f ( s ) = ∫ 1/ Ta (u (t ) − u (t − Ta ))e − st dt = ∫ e dt − ∫ e − st dt = (1 − e − s∞ ) − (e − e − s∞ ) =
0 Ta 0 Ta a
T sTa sTa
1 − e − sTa ⎧1 − e− sTa ⎫
∀ σ. Por lo tanto, σc = -∞. (d) f(t) = δ(t) = lim {1/ Ta (u (t ) − u (t − Ta ))} ; por lo tanto, f(s) = lim ⎨ ⎬ = 1 y σc
Ta → 0 Ta → 0
sTa ⎩ sTa ⎭
= -∞. ♣
Lem: La a.c.a. de toda función acotada y con soporte compacto es σc = -∞.
Consecuentemente, se define la T.L. Unilateral Inversa como,
Def.: Se define la T.L. Unilateral Inversa de una función f(s), como:

1 c1 + j∞
f (t ) = L-1{f ( s )} = ∫ f ( s )ets ds .
2πj c1 − j ∞
en donde, c1 > σc.
No es práctica la utilización de la definición de la T.L. Inversa y se recurre a simplificar (normalmente

utilizando fracciones parciales) la expresión de f(s) para luego reconocer funciones típicas.
Def.: Se define la T.L. Bilateral de una función f(t), como:

∞
L2{f (t )} = f 2 ( s ) = ∫−∞ f (t )e − st dt ,
en donde, f (t ) ∈ \, t ∈ \, s = σ + jω∈ ^ .
∞ 0 ∞
Ejemplo 4.5. Determine la T.L. Bilateral de (a) f(t) = e-|t|, f 2 ( s ) = ∫−∞
e −|t | e − st dt = ∫ −∞
et e − st dt + ∫ e− t e − st dt =
0

Apuntes: 543 214 55
∞ ∞
1 − (1− s )t 1 − (1+ s )t 1
{e−(1−σ− jω)∞ − 1}
∞ ∞ ∞ ∞
∫0
e − t e st dt + ∫ e − t e − st dt
0
= ∫ 0
e − (1− s )t dt + ∫ e − (1+ s )t dt
0
= −
1− s
e
0
+−
1+ s
e
0
= −
1− s
-
1 1 1 1+ s +1− s 2
−
1+ s
{e − (1+σ+ jω) ∞ − 1} = +
1− s 1+ s
∀1-σ>0∧1+σ>0=
(1 + s )(1 − s )
∀ 1 > σ ∧ σ > -1 =
1 − s2
∀ σ < 1 ∧ σ > -1.
∞ Ta
Ta 1 − st 1 1
∫ (u (t + Ta ) − u (t − Ta ))e dt = ∫−Ta e dt = − s e = − e − sTa + e sTa =
− st − st
(b) f(t) = u(t+Ta) - u(t-Ta), f 2 ( s ) =
−∞ −Ta s s
− sTa
e sTa
−e
, ∀ σ, pues la función es acotada y de soporte compacto. ♣
s
B. Propiedades
Linealidad. Sean f1(t) con T.L. f1(s), f2(t) con T.L. f2(s), α1 y α2 constantes reales, entonces la T.L. de
α1f1(t) + α2f2(t) es α1f1(s) + α2f2(s). Dem.:
∞
L{α1 f1 (t ) + α 2 f 2 (t )} = ∫0 [α1 f1 (t ) + α 2 f 2 (t )]e − st dt
∞ ∞
= α1 ∫ f1 (t )e − st dt + α 2 ∫ f 2 (t )e− st dt .
0 0
= α1 f1 ( s ) + α 2 f 2 ( s )
En el caso general, dadas fi(t) con T.L. dadas por fi(s) y coeficientes αi reales, entonces la T.L. de
∑ αi fi (t ) es ∑ αi fi (s) .
i i
Escalamiento en el tiempo. Sea f(t) con T.L. f(s) y a una constante real, entonces la T.L. de f(at) es
f(s/a)/a. Dem.:
∞ ∞ ∞
L{f (at )} = ∫0 f (at )e− st dt si τ = at , d τ = adt , t 0 → τ 0 a>0
∞ 1 ∞
= ∫ f (τ)e − sτ / a d τ / a = ∫ f ( τ) e − ( s / a ) τ d τ .
0 a 0
1
= f ( s / a)
a
Desplazamiento en el tiempo. Sea f(t) (soporte positivo) con T.L. f(s) y a una constante real, entonces
la T.L. de f(t - a) es e-asf(s). Dem.:
∞ ∞ ∞
L{f (t − a)} = ∫0 f (t − a )e− st dt si τ = t − a, d τ = dt , t 0 → τ − a a>0
∞ ∞ ∞
= ∫ f (τ)e − s ( τ+ a ) d τ = ∫ f (τ)e − sτ e− sa d τ = e − sa ∫ f (τ)e − sτ d τ .
−a 0 0
= e − sa f ( s )
Desplazamiento en la frecuencia. Sea f(t) con T.L. f(s) y a una constante real, entonces la T.L. de
e-atf(t) es f(s + a). Dem.:
∞
L{e− at f (t )} = ∫0 e− at f (t )e− st dt
∞
= ∫ f (t )e − t ( s + a ) dt .
0
= f ( s + a)

Apuntes: 543 214 56
Derivación. Sea f(t) con T.L. f(s), entonces la T.L. de f (t ) es sf(s) - f(t)|t=0. Dem.:
∞ da db
L ( f (t )) = ∫0 f (t )e− st dt dado que ∫ b dt dt = ab − ∫ a dt dt
∞
1 1 ∞ df (t ) − st da 1
s ∫0 dt
= − f (t ) e − st + e dt con = e − st , b = f (t ), a = − e − st .
s 0 dt s
1 1
= f (t ) + L ( f (t ))
s t =0 s
Por lo tanto, L ( f (t )) = sL ( f (t )) − f (t ) t =0 = sf ( s ) − f (t ) t =0 . En general la T.L. de la derivada n-ésima

es L ( f ( n ) (t )) = s n f ( s ) − s n −1 f (t ) t =0 − s n − 2 f (t ) − " − f ( n −1) (t ) .
t =0 t =0
t
Integración. Sea f(t) con T.L. f(s), entonces la T.L. de ∫0
f (τ)d τ es f(s)/s. Dem.:
∞ da db
L { f (t )} = ∫0 f (t )e− st dt dado que ∫ b dt dt = ab − ∫ a dt dt
{∫ }
t
t ∞ ∞ t da
= ∫ f (τ)d τ e − st +∫ f (τ)d τ se − st dt con = f (t ), b = e − st , a = ∫ f (τ)d τ .
0 0 0 0 dt 0
{∫ f (τ)d τ} e dt = sL {∫ f (τ)d τ}
= s∫
∞
0
t
0
− st
0
t
Por lo tanto, L {∫ f (τ)d τ} = L { f (t )} / s = f ( s ) / s . En general, la T.L. de la n-ésima integral de f(t) está

t
dada por L {∫ " ∫ f (τ)d τ " d τ } = f ( s ) / s .

tn t1
n
0 0 1 n
Teorema del Valor Inicial. Sea f(t) con T.L. f(s), entonces f (t ) t =0 = lim f (t ) = lim sf ( s ) . Dem.:
t →0 s →∞
{ }
∞
se sabe que L f (t ) = ∫ f (t )e − st dt = sf ( s ) − f (t ) t =0 ,
0
por lo tanto lim

s →∞ {∫ 0
∞
}
f (t )e − st dt = lim( sf ( s ) − f (t ) t =0 )
s →∞
0 = lim sf ( s ) − f (t ) t =0 .
s →∞
o bien f (t ) t =0 = lim sf ( s)
s →∞
Teorema del Valor Final. Sea f(t) con T.L. f(s), entonces f (t ) t =∞ = lim f (t ) = lim sf ( s ) . Dem.:
t →∞ s →0
L { f (t )} = ∫0 f (t )e− st dt = sf ( s) − f (t ) t =0 ,
∞
se sabe que
por lo tanto lim

s →0 {∫ 0
∞
}
f (t )e − st dt = lim( sf ( s ) − f (t ) t =0 )
s →0
.
∞
∫ f (t )dt = lim sf ( s ) − f (t ) t =0
0 s →0

Apuntes: 543 214 57
f (t ) t =∞ − f (t ) t =0 = lim sf ( s ) − f (t ) t =0
s →0
.
f (t ) t =∞ = lim sf ( s )
s →0
∞
Señales Periódicas. Sea f0(t) con T.L. f0(s) y la señal periódica f (t ) = ∑ f 0 (t − iT ) , entonces la T.L.
i =0
1
de f(t) es f 0 ( s ) . Dem.:
1 − e − sT
⎧∞ ⎫ ∞ ∞ ∞ ∞
L { f (t )} = L ⎨∑ f 0 (t − iT ) ⎬ = ∫0 ∑ f 0 (t − iT )e dt = ∑ ∫0 f 0 (t − iT )e− st dt
− st
⎩ i =0 ⎭ i =0 i =0
.
∞ ∞
1
= ∑ f 0 ( s )e = f 0 ( s ) ∑ e = f 0 ( s )
− isT − isT
i =0 i =0 1 − e − sT
Convolución. Sea f(t) con T.L. f(s) y g(t) con T.L. g(s), entonces f(t)*g(t) = f(s)g(s). Dem.:
L−1 { f ( s) g ( s)} =
1 c + j∞
∫
2πj c − j∞
f ( s ) g ( s )e st ds = {
1 c + j∞ ∞
2πj ∫c − j∞ ∫0 }
f (τ)e − sτ d τ g ( s )e st ds
.
∞ 1 c + j∞ ∞
=∫
0 2 πj ∫c − j ∞
g ( s )e − s ( t −τ )
ds f (τ)d τ = ∫ g (t − τ) f (τ)d τ = g (t ) * f (t )
0
Convolución Compleja (Modulación). Sea f(t) con T.L. f(s) y g(t) con T.L. g(s), entonces f(t)g(t) =
1 c + j∞
2πj ∫c − j∞
f(s)*g(s) = f ( s − ω) g (ω)d ω . Dem.:
∞ ∞ 1 c + j∞
L { f (t ) g (t )} = ∫0 f (t ) g (t )e − st dt = ∫0 f (t )
2πj ∫c − j∞
g (ω)eωt d ωe− st dt
1 c + j∞ ∞
=
2πj ∫c − j ∞ ∫0
f (t )e − ( s −ω)t dtg (ω)d ω .
1 c + j∞
2πj ∫c − j∞
= f ( s − ω) g (ω)d ω = f ( s ) * g ( s )
Ejemplo 4.6. Para el sistema ilustrado en la Fig. 4.3 se tiene que y(s) = h(s)x(s). Si h(t) = e-atu(t), determine la salida y(t)
para la entrada x(t) = ku(t). R.: y(t) = L-1(h(s)x(s)), dado que h(s) = L(h(t)) = L(e-atu(t)) = 1/(s+a) y x(s) = L(x(t)) = L(ku(t)) =
⎧ 1 k⎫ -1 ⎧ k ⎡ 1 1 ⎤⎫ k -1 ⎧ 1 1 ⎫ k k
k/s, entonces, y(t) = L-1 ⎨ ⎬ =L ⎨ ⎢ − ⎥ ⎬ = L ⎨ −
-at -at
⎬ = [ u(t) - e u(t)] = [1 - e ]u(t). ♣
⎩s + a s ⎭ ⎩ a ⎣ s s + a ⎦⎭ a ⎩s s + a⎭ a a
Ejemplo 4.7. Para el sistema ilustrado en la Fig. 4.4 determine la expresión que relaciona la salida h(s) con la entrada
hd(s). R.: En este caso h(s) = fe(s)/s, h(s) = (e(s)kds + e(s)/(Ts))/s, h(s) = e(s)(kds + 1/(Ts))/s, h(s) = (hd(s) - h(s))(kds +
1⎧ 1⎫ ⎧ 1⎧ 1 ⎫⎫ 1⎧ 1⎫
1/(Ts))/s, por lo tanto, h( s ) = {hd ( s ) − h( s )} ⎨kd s + ⎬ , o bien h( s ) ⎨1 + ⎨k d s + ⎬⎬ = hd ( s ) ⎨k d s + ⎬ , lo que puede
s⎩ Ts ⎭ ⎩ s⎩ Ts ⎭⎭ s⎩ Ts ⎭
1⎧ 1⎫
⎨kd s + ⎬
h( s ) s⎩ Ts ⎭ s 2 kd T + 1
ser reducido a = = 2 .♣
hd ( s ) 1⎧ 1 ⎫ s T (1 + kd ) + 1
1 + ⎨kd s + ⎬
s⎩ Ts ⎭

Apuntes: 543 214 58
Ejemplo 4.8. Para el sistema ilustrado en la Fig. 4.5(a) determine la expresión que relaciona la salida h(s) con las entradas
1 ⎧ ⎧ 1 ⎫ ⎫
{ f e ( s) − f s ( s)} , h(s) = ⎪⎨v( s) ⎨kc + ⎬ e(s) − f s ( s) ⎬⎪ , h(s) =
1
hd(s) y fs(s). R.: En este caso h( s ) =
As As ⎩⎪ ⎩ Ti s ⎭ ⎭⎪
1 ⎧⎪ ⎧ 1 ⎫ ⎫⎪ ⎡ 1 ⎧ 1 ⎫⎤ 1 ⎧ 1 ⎫ 1
⎨v( s ) ⎨kc + ⎬ (hd ( s ) − h( s )) − f s ( s ) ⎬ , h( s ) ⎢1 + v ( s ) ⎨ kc + ⎬⎥ = v( s ) ⎨kc + ⎬ hd ( s ) − f s ( s) , h(s) =
As ⎩⎪ ⎩ Ti s ⎭ ⎭⎪ ⎣⎢ As ⎩ Ti ⎭⎦
s ⎥ As ⎩ Ti ⎭
s As
1 ⎧ 1 ⎫ 1
v ( s ) ⎨ kc + ⎬ −
As ⎩ Ti s ⎭ As 1
hd ( s ) + f s ( s ) . Si el controlador se caracteriza por, c( s ) = kc + , la planta por,
1 ⎧ 1 ⎫ 1 ⎧ 1 ⎫ Ti s
1+ v ( s ) ⎨ kc + ⎬ 1 + v ( s ) ⎨ c
k + ⎬
As ⎩ Ti s ⎭ As ⎩ Ti s ⎭
1 g ( s )v ( s )c ( s ) − g (s)
g (s) = , entonces la relación se reduce a, h( s ) = hd ( s ) + f s ( s ) . Finalmente, si
As 1 + g ( s )v ( s )c ( s ) 1 + g ( s ) v ( s )c ( s )
g ( s )v ( s )c ( s ) − g ( s)
h1 ( s ) = y h2 ( s ) = , se tiene que h( s ) = h1 ( s )hd ( s ) + h2 ( s ) f s ( s ) , lo que se representa en la
1 + g ( s )v ( s )c ( s ) 1 + g ( s )v ( s )c ( s )
Fig. 4.5(b). Nótese que si deseáramos que h(s) respondiera fielmente a la nueva entrada hd(s) y no a la perturbación fs(s),
entonces h1(s) → 1 y h2(s) → 0. Para esto debiéramos escoger apropiadamente c(s) y podríamos denominar a hd(s) nuestra
referencia de proceso; es decir, el valor deseado para h(s). ♣
Ejemplo 4.9. Para el sistema ilustrado en la Fig. 4.6(a) determine la respuesta a impulso aproximada y exacta utilizando la
T.L. Normalice el sistema en torno a un punto de operación nominal. R.: El modelo promedio para el circuito elevador es
di dv v d ∆i d ∆v ∆v
e = L + v(1 − d ) , i (1 − d ) = C + , linealizado es ∆e = L + ∆v − (v∆d + d ∆v) , ∆i − (i∆d + d ∆i ) = C + . Al
dt dt R dt dt R
definir las variables normalizadas como ∆en = ∆e/eo, ∆dn = ∆d/do, ∆vn = ∆v/vo, e ∆in = ∆i/io, el modelo normalizado
d ∆vn 1 1 −d o d ∆in R R R
resultante es =− ∆vn + ∆in + ∆d n , = − (1 − d o ) 2 ∆vn + (1 − d o )d o ∆d n + (1 − d o ) 2 ∆en . Los
dt RC RC RC (1 − d o ) dt L L L
impulsos aproximados por δT se muestran en la Fig. 4.6(b) y la respuesta a esas entradas en la Fig. 4.6(c). Para obtener la
respuesta exacta se aplica la T.L. al modelo anterior para obtener ∆vn en función de ∆dn para ∆en = 0. Derivando la primera
d
kd
dt
hd e fe h
x(s) y(s) + + ∫
h(s) - 11
T s
Fig. 4.3 Diagrama en bloques simple. Fig. 4.4 Diagrama en bloques realimentado.
Controlador
fs fs
kc
hd e u fe - h
11 h2(s)
+ + v(s) + As
- 11 -
Válvula Estánque
hd h
Ti s
h1(s) +
a) b)
Fig. 4.5 Diagrama en bloques realimentado; a) sistema, b) equivalente.

Apuntes: 543 214 59
d 2 ∆vn 1 d ∆vn 1 d ∆in −do d ∆d n

ecuación se tiene, =− + + , reemplazando la segunda ecuación en este resultado
dt 2 RC dt RC dt RC (1 − d o ) dt
d 2 ∆vn 1 d ∆vn 1 ⎧ R R R ⎫ −do d ∆d n
se tiene, =− + ⎨− (1 − d o ) ∆vn + (1 − d o )d o ∆d n + (1 − d o ) ∆en ⎬ +
2 2
, ordenando se
⎭ RC (1 − d o ) dt
2
dt RC dt RC ⎩ L L L
d 2 ∆vn 1 d ∆vn 1 −do d ∆d n 1 1
llega a + + (1 − d o ) 2 ∆vn = + (1 − d o )d o ∆d n + (1 − d o ) 2 ∆en . Tomando T.L. y ∆en
dt 2
RC dt LC RC (1 − d o ) dt LC LC
⎧ 1 1 ⎫ ⎧ −d o 1 ⎫ 1
= 0 se obtiene, ⎨ s 2 + s + (1 − d o ) 2 ⎬ ∆vn = ⎨ s+ (1 − d o )d o ⎬ ∆d n . Definiendo, ωn = (1 − d o ) ,
⎩ RC LC ⎭ ⎩ RC (1 − d o ) LC ⎭ LC
LC d
ξ= , y k p = o , y considerando que si ∆dn es un impulso entonces su T.L. es 1, la expresión anterior se
2 RC (1 − d o ) 1 − do
−2ξωn s + ω2n
simplifica a, ∆vn ( s) = ∆hn ( s) = k p . Finalmente, la T.L. inversa de la expresión anterior resulta ser,
s 2 + 2ξωn s + ω2n
⎪⎧
ωn ⎡ 2ξ 1 − ξ 2 ⎤ ⎪⎫
∆hn (t ) = k p e −ξωn t 1 + 8ξ 2 sin ⎨ωn 1 − ξ 2 t − tan −1 ⎢ ⎥ ⎬ , ilustrada en la Fig. 4.6(d) . Una vez conocida la
⎢⎣ 1 + 2ξ ⎥⎦ ⎪⎭
2
1 − ξ2 ⎪⎩
respuesta a impulso se puede obtener la respuesta a entrada escalón u(t) como su integral, así, considerando c.i. nulas se
1 ⎧⎪ ⎡ 1 − ξ 2 ⎤ ⎫⎪
tiene que la respuesta a escalón es ∆yesc(t) = 1 − k p e −ξωn t 1 + 8ξ 2 sin ⎨ωn 1 − ξ 2 t + tan −1 ⎢ ⎥ ⎬ . Para una
1 − ξ2 ⎪⎩ ⎢⎣ 3ξ ⎥⎦ ⎭⎪
entrada entonces dada por ∆un(t) = u(t) – 2u(t - 0.015) + u(t - 0.030) la salida es ∆yn(t) = ∆yesc(t) - 2∆yesc(t - 0.015) + ∆yesc(t
- 0.030) como ilustrado en la Fig. 4.6(e). ♣
4.3 Transformada de Fourier
A . Conceptos
Se define para señales continuas no-periódicas y tiene una relación directa con la T.L. de señales. La
importancia y/o campo de aplicaciones se aclarará más adelante.
a) b)
200 0
L T = 0.00 05
+ +
R
e(t) Sw(t) v(t)
C T = 0.00 5
- i(t) a) - T = 0.0 10
0 0.005 0.01 0 0 .015 0.020 0 .025 0.030
c) d)
200
T = 0.00 5 200
T = 0.0 10 200
200
T = 0.0005
0 0.005 0.01 0 0 .015 0.020 0 .025 0.030 0 0.005 0.01 0 0 .015 0.020 0 .025 0.030
2
2
e) f)
1 ∆ vn
0
0 0
∆dn ∆ vn
1
∆dn
2 2
0 0 .0 1 0 .0 2 0 .0 3 0 .0 4 0 .0 5 0 .0 6 0 0 .0 1 0 .0 2 0 .0 3 0 .0 4 0 .0 5 0 .0 6 0 .0 7 0 .0 8
Fig. 4.6 Respuestas dinámicas; a) circuito, b) impulso aproximado, c) respuestas aproximadas a impulso, d) respuesta
exacta a impulso, e) respuesta exacta a entrada arbitraria, f) respuesta exacta a entrada periódica.

Apuntes: 543 214 60
Def.: Se define la Transformada de Fourier (T.F.) de una función f(t), como:

∞
F {f (t )} = f (ω) = ∫−∞ f (t )e− jωt dt ,
en donde, f (t ) ∈ \, t ∈ \, jω∈ ^ .
Nótese que:
• F{f(t)} = f(ω) puede ser calculada como L2{f(t)}|s = jω = f2(s)|s = jω.

• F{f(t)} = f(ω) existirá si σ = 0 pertenece a la banda de convergencia de f2(s). Es decir si σc < 0.
• Si f(t) tiene soporte positivo entonces σc < 0.
• e±jωt = cos(ωt) ± jsin(ωt).
• cos(ωt) = (ejωt + e-jωt)/2.
• sin(ωt) = (ejωt - e-jωt)/(2j).
2 2
Ejemplo 4.10. Determinar y graficar la T.F. de: (a) f(t) = e-|t|, como f 2 ( s ) = , entonces, F {f (t )} = f(ω) =
1 − s2 1 − s2 s = jω
− sTa
2 e −e sTa
= . La gráfica se muestra en la Fig. 4.7(a). (b) f(t) = u(t+Ta) - u(t-Ta), como f 2 ( s ) = , entonces, f(ω) =
1 + ω2 s
j ωTa − j ωTa
e −e 2sin(ωTa ) ∞
jω
=
ω
. La gráfica se muestra en la Fig. 4.7(c), (c) f(t) = δ(t - a), f(ω) = ∫−∞
δ(t − a )e − jωt dt =
1.5 3
0 0
1 2
1 2
2
f(ω) = 2/(1+ω )
a)
0.5 f(t) = e-|t| 1
0 0
5 0 5 4 2 0 2 4
3 8
0 0 2π
2 6
2
f(t) = 2/(1+t 2) b) 4
1
f(ω) = 2πe-|ω|
2
0 0
4 2 0 2 4 5 0 5
1.5 6
0 0
f(t) = u(t+Ta) f(ω) = 2sin(ωTa)/ω
1 – u(t-Ta) 4
c)
0.5 2
0 0
5 0 T 5 5 0 1/T 5
Fig. 4.7 Señales y sus T.F..

Apuntes: 543 214 61
∞ ∞
∫−∞
δ(0)e − jωa dt = e − jωa ∫ δ(0)dt = e − jωa . En particular, para a = 0, se tiene que f(t) = δ(t), f(ω) = 1. ♣
−∞
Similarmente a la T.L., se cuenta con la T.F. inversa dada por,
Def.: Se define la T.F. Inversa de una función f(ω), como:

1 ∞ 1 ∞
∫ ∫
j ωt
f (t ) = F -1{f (ω)} = F { f (t )}e d ω = f (ω)e jωt d ω ,
2π −∞ 2π −∞
en donde, f (t ) ∈ \, t ∈ \, jω∈ ^ .
1 ∞
2π ∫−∞
Ejemplo 4.11. Determine la función f(t) si su T.F. es f(ω) = δ(ω - ωo). R.: f(t) = f (ω)e jωt d ω =
1 ∞ 1 ∞ e jωo t ∞ e jωo t
∫
2π −∞
δ(ω − ωo )e jωt d ω = ∫
2π −∞
δ(0)e jωo t d ω =
2π ∫−∞
δ(0)d ω =
2π
. Nótese que si ωo = 0; entonces la T.F. de f(t) =
1
es δ(ω). ♣
2π
Ejemplo 4.12. Determine la T.F. de f(t) = cos(ωot). R.: Como f(t) = cos(ωot) = (ejωot + e-jωot)/2, y utilizando el resultado
anterior se tiene que f(ω) = πδ(ω - ωo) + πδ(ω + ωo), Fig. 4.8(b). ♣
∞
Ejemplo 4.13. Determine la T.F. de f(t) = ∑ δ(t − lT ) . R.: Como la señal es periódica, se puede escribir como f(t) =
l =−∞
0
∞
1 1 ∞
⎧1 ∞
⎫
∑ ∫ ∑ ∑e
T0
cn e jnω0 t , donde ω0 = 2π/T0 y cn = δ(t )e − jnω0 t dt = 1/T0; por lo tanto, f(t) = e jnω0t y f(ω) = F⎨ jnω0 t
⎬ =
0
n =−∞ T0 T0 n =−∞ ⎩ T0 n =−∞ ⎭
∞ ∞ ∞
1 1
T0
∑ F {e }
n =−∞
jnω0 t
=
T0
∑ 2πδ(ω − nω )
n =−∞
0 = ω0 ∑ δ(ω − nω ) , Fig. 4.9(b). ♣
n =−∞
0
B . Propiedades
Simetría de la T.F.. Sea f(t) con T.F. f(ω), si g(t) = f(ω)|ω = t, entonces, g(ω) = 2πf(t)|t = -ω, Fig. 4.7(a) y (b).
Dem.:
∞ ∞ 1 ∞
g (ω) = ∫ g (t )e − jωt dt = ∫
2π ∫−∞
f (ω) |ω=t e − jωt dt = 2π f (t )e − jωt dt
−∞ −∞
.
1 ∞
= 2π ∫ f (Ω)e j ( −ω) Ω d Ω = 2π f (t ) t =−ω
2π −∞
Convolución. Sea f(t) con T.F. f(ω) y g(t) con T.F. g(ω), entonces, f(t)*g(t) = f(ω)g(ω). Dem.:
1 ∞ 1 ∞ ∞
∫ ∫ ∫
jωt
F -1{f (ω) g (ω)} = f ( ω) g ( ω) e d ω = f (τ)e − jωτ d τg (ω)e jωt d ω
2π −∞ 2π −∞ −∞
.
∞ 1 ∞ ∞
=∫
−∞ 2π ∫−∞
g (ω)e j ω( t −τ )
d ω f (τ)d τ = ∫ g (t − τ) f (τ)d τ = g (t ) * f (t )
−∞

Apuntes: 543 214 62
Producto. Sea f(t) con T.F. f(ω) y g(t) con T.F. g(ω), entonces, f(t)g(t) = f(ω)*g(ω)/(2π). Dem.:
∞ ∞ 1 ∞
F { f (t ) g (t )} = ∫−∞ f (t ) g (t )e− jωt dt = ∫−∞ f (t ) ∫ g (ψ )e jψt d ψe− jωt dt
2π −∞
.
1 ∞ ∞ 1 ∞ 1
2π ∫−∞ ∫−∞ 2π ∫−∞
− j ( ω−ψ ) t
= f (t )e dtg (ψ )d ψ = f (ω − ψ ) g ( ψ ) d ψ = f (ω) * g (ω)
2π
Modulación AM (caso especial del producto, Fig. 4.8). Sea f(t) con T.F. f(ω), entonces, la T.F. de
f(t)cos(ωot) es, 1/2f(ω - ωo) + 1/2f(ω + ωo). Dem.:
1 1
F { f (t ) cos(ωot )} = F { f (t )} *F {cos(ωot )} = f (ω) *{πδ(ω − ωo ) + πδ(ω + ωo )}
2π 2π
.
1
= { f (ω − ωo ) + f (ω + ωo )}
2
Muestreo con Impulsos (caso especial del producto, Fig. 4.9). Sea f(t) con T.F. f(ω), entonces, la T.F.
∞
1 ∞
de f (t ) ∑ δ(t − lT0 ) es ∑ f (ω − nω0 ) . Dem.:
l =−∞ T0 n =−∞
⎧ ∞
⎫ 1 ⎧ ∞ ⎫
F ⎨ f (t ) ∑ δ(t − kT0 ) ⎬ = f (ω) *F ⎨ ∑ δ(t − lT0 ) ⎬
⎩ k =−∞ ⎭ 2π ⎩l =−∞ ⎭
∞ ∞
.
1 1
= f (ω) * ω0 ∑ δ(ω − nω0 ) = ∑ f (ω − nω0 )
2π n =−∞ T0 n =−∞
1.5 3
1 2
f(ω) = 2/(1+ω2)
a)
0.5 f(t) = e-|t| 1
0 0
5 0 5 π 0 π
cos(ω0t )
1 π {δ(ω − ω0 ) + δ(ω + ω0 )}
0 b)
-1
0
5 0 T0 5 π 0 π 2π
e−|t| cos(ω0t )
1 1
{ f (ω − ω0 ) + f (ω + ω0 )}
2
1
0 c)
-1
0
5 0 T0 5 π 0 π ω0 = 2π/T0
Fig. 4.8 Modulación AM; a) señal y su T.F., b) coseno y su T.F., c) señal resultante y su T.F..

Apuntes: 543 214 63
∞
Teorema de la Potencia. Sea f(t) con T.F. f(ω) y g(t) con T.F. g(ω), entonces ∫
−∞
f (t ) g * (t )dt =
1 ∞
2π ∫−∞
f (ω) g * (ω)d ω . Dem.:
*
∞ ∞ ⎧1 ∞ ⎫ ∞ 1 ∞
∫ f (t ) g (t )dt = ∫ f (t ) ⎨ ∫ g (ω)e jωt d ω⎬ dt = ∫ f (t ) ∫ g (ω)* e− jωt d ωdt
*
−∞ −∞
⎩ 2π −∞ ⎭ −∞ 2π −∞ .
1 ∞ 1 ∞
2π ∫−∞ 2π ∫−∞
= g (ω) f (ω)d ω =
*
f (ω) g (ω) d ω
*
Teorema de la Energía (Teorema de Rayleigh y caso especial del Teorema de Potencia). Sea f(t) con
∞ 1 ∞
T.F. f(ω), entonces ∫ | f (t ) |2 dt = ∫ | f (ω) |2 d ω . Dem.:
−∞ 2π −∞
Dado que | f ( x) |2 = f ( x) f ( x)* se demuestra con el teorema anterior.
2 2
Ejemplo 4.14. Dado que f(t) = e-|t|, tiene una T.F. dada por f(ω) = , entonces, la función g(t) = tiene una T.F.
1+ ω2 1+ t2
dada por g(ω) = 2πe-|-ω| = 2πe-|ω|. Las gráficas se muestran en la Fig. 4.7(a) y (b). ♣
1.5 3
1 2
f(ω) = 2/(1+ω2)
a)
0.5 f(t) = e-|t| 1
0 0
5 0 5 π 0 π
1.5
∞
ω0 ∑ δ(ω − nω0 )
n=−∞
1 2π
∞
∑ δ(t − lT0 )
l =−∞
b)
0.5
0 0
5 0 T0 5 π 0 π 2π
1.5
∞
∑
n =−∞
f (ω − nω0 ) /T0
1 2
∞
e-|t| ∑ δ(t − lT0 ) c)
l =−∞
0.5
0 0
5 0 5 π 0 π ω0 = 2π/T0
Fig. 4.9 Muestreo por impulsos, T0 = 1; a) señal y su T.F., b) tren de impulsos y su T.F., c) señal resultante y su T.F..

Apuntes: 543 214 64
4.4 Transformada de Fourier de Frecuencia Discreta

∞ ∞
La señal f(t) tiene por T.F. f(ω) si la integral ∫
−∞
f (t )e − jωt dt converge. Dado que ∫
−∞
f (t )e − jωt dt ≤
∞ ∞
∫−∞
f (t )e − jωt dt ≤ ∫−∞
f (t ) dt , entonces una condición suficiente para que la T.F. exista es que f(t) sea
integrable en forma absoluta. Esto no sucede con la mayoría de las señales periódicas. Para estas
señales se tiene la Transformada de Fourier de Frecuencia Discreta (T.F.F.D.).
Def.: Se define la Transformada de Fourier de Frecuencia Discreta (T.F.F.D.) de una señal f(t) con
periodo T0 = 2π/ω0, como:
ω0 2 π / ω0 1 T0
f ( n) = ∫
2π 0
f (t )e − jnω0t dt =
T0 ∫
0
f (t )e − jnω0t dt ,
en donde, f (t ) ∈ \, t ∈ \, jnω0 ∈ ^ .
Nótese que la definición anterior corresponde al muestreo de la T.F. de un período de la señal f(t)
dividida por T0. es decir,
1 T0 1 1 T0
f ( n) =
T0 ∫
0
f (t )e − jnω0t dt =
T0
f (ω) ω= nω =
0
T0 ∫0
f (t )e− jωt dt
ω= nω0
,
por lo tanto, si se dispone de la T.F. de un periodo de la señal f(t), entonces, la T.F.F.D. es inmediata,
por cuanto se requiere sólo de un reemplazo. También se tiene la existencia de la Transformada de
1.5 6
0
f(t)
1 4
a) f(ω)
0.5 2
f(n)
0 0
10 5 0 T0 10 5 2π/Τ0 5
3 6
0 0
f(t)
2 4
b) f(ω)
1 2
f(n)
0 0
10 5 0 T0 10 5 2π/Τ0 5
3 6
0 0
2 f(t) 4
f(ω)
c)
1 2
f(n)
0 0
10 5 0 T0 10 5 2π/Τ0 5
Fig. 4.10 Señales y sus T.F.F.D..

Apuntes: 543 214 65
Fourier de Frecuencia Discreta Inversa.
Def.: Se define la T.F.F.D. Inversa de una señal f(t) con periodo T0 = 2π/ω0, como:
∞
f (t ) = ∑ f (n)e jnω0t ,
−∞
en donde, f (t ) ∈ \, t ∈ \, jnω0 ∈ ^ .
El parecido de la expresión anterior con la serie de Fourier de un señal periódica no es coincidencia. Es

∞
más, una señal periódica puede ser escrita como, f (t ) = ∑ c(n)e jnω0t , donde c(n) son los Coeficientes
−∞
2 2 T0 T0
T0 ∫0 T0 ∫0
de Fourier dados por c(n) = [an - jbn]/2, con an = f (t ) cos( nω0 t ) dt y bn = f (t ) sin(nω0t )dt .
Por lo tanto, se espera que f(n) corresponda a los Coeficientes de Fourier de la señal f(t).
∞
Ejemplo 4.15. Dada la señal de pulsos periódica f(t) = ∑
l =−∞
f 0 (t − lT0 ) con f0(t) = u(t+Ta) – u(t-Ta) se determina la T.F.F.D.
2sin(ωTa )
de f(t) como el muestreo de la T.F. de la señal f0(t). Como f0(ω) = , entonces, la T.F.F.D. de f(t) es f(n) = f0(ω)|ω =
ω
1 2sin(nω0Ta ) 1 2sin(2πnTa / T0 )
nω0/T0 = = . La gráfica se muestra en la Fig. 4.10(a). ♣
T0 nω0 T0 2πn / T0
∞
Ejemplo 4.16. Dada la señal de dientes de sierra periódica f(t) = ∑
l =−∞
f 0 (t − lT0 ) con f0(t) = (t+Ta)u(t+Ta) – 2tu(t) + (t-
2(1 − cos(ωTa ))
Ta)u(t-Ta) se determina la T.F.F.D. de f(t) como el muestreo de la T.F. de la señal f0(t). Como f0(ω) = ,
ω2
1 2(1 − cos(nω0Ta )) 1 2(1 − cos(2πnTa / T0 ))
entonces, la T.F.F.D. de f(t) es f(n) = f0(ω)|ω = nω0/T0 = = . La gráfica se
T0 (nω0 ) 2
T0 (2πn / T0 ) 2
5 2
f(n)
1.5
f(t)
0 a) 1
5 0
5 0 5 8 6 4 2 0 n=2 4 6 8
3 4 ⎧ T⎫
4 2f(n) 3 cos ⎨2π ⎬
π ⎩ T0 ⎭
f(t)
0 b)
2
5 0
0 2 4 6 0 2 4 6 8 10 12 14 16
Fig. 4.11 Señales periódicas conocidas y sus T.F.F.D..

Apuntes: 543 214 66
muestra en la Fig. 4.10(b) y (c) para dos valores de T0. ♣
∞
Ejemplo 4.17. Dada la señal periódica f(t) = ∑
l =−∞
f 0 (t − lT0 ) donde f0(t) = 3sin(2πt/T0)-0.5sin(3·2πt/T0)-sin(5·2πt/T0) que
contiene una fundamental, una tercera y una quinta componente. Se obtiene su T.F.F.D. numéricamente y se muestra en la
Fig. 4.11(a). Se puede apreciar que f(n) con n = 1 es 1.5 que corresponde a la mitad del valor de amplitud del primer
armónico de f(t). Similarmente, f(n) con n = 5 es 0.5 que corresponde a la mitad del valor de amplitud del quinto armónico
de f(t). Esto corrobora la relación entre f(n) y los coeficientes de Fourier de la señal f(t). ♣
Ejemplo 4.18. Dada la señal periódica f(t) como mostrada en la Fig. 4.11(b). Al obtener su T.F.F.D. numéricamente y
graficarla amplificada por un factor de dos y sólo para valores positivos de n, Fig. 4.11(b), se encuentra que 2f(n) con n = 1
4 ⎧ T⎫
es 3 cos ⎨2π ⎬ que corresponde al valor de amplitud del primer armónico de f(t). ♣
π ⎩ T0 ⎭
Ejemplo 4.19. Para el sistema ilustrado en la Fig. 4.12(a) determine los primeros cuatro coeficientes de la serie de Fourier
de la respuesta a la entrada periódica ∆un(t) = ∆dn(t) = u(t) – 2u(t - 0.015) + u(t - 0.030) con periodo To = 0.045. R.: La T.L.
de un periodo de la entrada es ∆un ( s) = (1 − 2e −0.015 s + e −0.030 s ) / s , la T.L. de la respuesta a impulso es
∆hn ( s ) = k p (−2ξωn s + ω2n ) /( s 2 + 2ξωn s + ω2n ) , por lo que la T.L. de un periodo de la salida normalizada es
∆yn ( s) = (1 − 2e−0.015 s + e−0.030 s ) / s · k p (−2ξωn s + ω2n ) /( s 2 + 2ξωn s + ωn2 ) . Por lo tanto, la T.F. de un periodo de la señal de
salida es ∆yn (ω) = (1 − 2e −0.015 jω + e −0.030 jω ) /( jω) · k p (−2ξωn jω + ωn2 ) /(−ω2 + 2ξωn jω + ωn2 ) , Fig. 4.12(b) y (c). La T.F.F.D.
para la señal de salida periódica se encuentra reemplazando ω en ∆yn(ω)por 2nπFo, (con To = 1/ Fo) y dividiéndola por To,
así, ∆yn (n) = 1/ To (1 − 2e −0.015 j 2 nπFo + e −0.030 j 2 nπFo ) /( j 2nπFo ) · k p (−2ξωn j 2nπFo + ωn2 ) /(−(2nπFo ) 2 + 2ξωn j 2nπFo + ωn2 ) . La
gráfica para varios valores de n y ω se muestran en la Fig. 4.12(b) para la magnitud y Fig. 4.12(c) para la fase. Finalmente,
a)
L
+ +
R
e(t) Sw(t) v(t)
- C
- i(t) a)
0.03 300
b) arg{∆yn(ω)} c)
0.02 |∆yn(ω)|
0
To|∆yn(n)|
0.01
arg{∆yn(n)}
0 300
1000 500 0 500 1000 1000 500 0 500 1000
2
d)
∆vn
0
∆vn
∆dn
2
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08
Fig. 4.12 Coeficientes de Fourier; a) circuito, b) módulo de la T.F. y T.F.F.D., c) fase de la T.F. y T.F.F.D., d) entrada,
respuesta aproximada y exacta.

Apuntes: 543 214 67
los coeficientes serán la evaluación de ∆yn(n) con n = 1, 2, 4, y 5. Por lo tanto, una aproximación a la señal periódica de
salida considerando los primeros cuatro armónicos es ∆yn(t) = 2|∆yn(1)|cos(2πFot + arg{∆yn(1)}) + 2|∆yn(2)|cos(2·2πFot +
arg{∆yn(2)}) + 2|∆yn(3)|cos(3·2πFot + arg{∆yn(3)}) + 2|∆yn(4)|cos(4·2πFot + arg{∆yn(4)}). La gráfica de la entrada periódica
y las salidas exacta y aproximada se muestran en la Fig. 4.12(d). ♣
4.5 Transformada Z
La Transformada Z se introduce como el dual de la Transformada de Laplace. Es decir, como

alternativa de análisis para sistemas que trabajan con señales discretas.
A . Conceptos
∞
1
La serie dada por ∑r
k =0
k
= 1+ r + r2 +" + rn +" =
1− r
, con r ∈ ^ converge si |r| < 1. Por otro lado, se
2
⎧∞ ⎫
tiene que ⎨∑ r k ⎬ = (1 + r + r 2 + ")(1 + r + r 2 + ") = 1 + r + r 2 + " + r + r 2 + r 3 + " + r 3 + r 4 + r 5 + " =
⎩ k =0 ⎭
∞ 2
⎡ 1 ⎤ 1
1 + 2r + 3r + 4r + 5r + " = ∑ (k + 1)r = ⎢
2 3 4
⎥ = . k
k =0 ⎣1 − r ⎦ (1 − r ) 2
Estas definiciones son preliminares para la introducción de la Transformada Z.
Def.: Se define la Transformada Z (T.Z.) de una secuencia de valores f(kT), donde, k = 0, 1, … y T es

el período de muestreo como,
∞
Z{f (kT )} = f ( z ) = ∑ f (kT ) z − k ,
k =0
en donde, f (kT ) ∈ \, k ∈ ` 0 , z = u + jv ∈ ^ .
Notar que f ( z ) = f (0) + f (T ) z −1 + f (2T ) z −2 + " , por lo que su convergencia dependerá de z. Esto es
equivalente a la convergencia en la T.L. de señales continuas f(t), donde sólo para algunos valores de s
la T.L. f(s) converge. En particular, se encontró en el plano s que las regiones de convergencia eran
paralelas al eje imaginario. Si el límite inferior se considera -∝, entonces se dice T.Z. Bilateral.
Ejemplo 4.20. Para la señal discreta f(kT) = e-kTu(kT) determine su T.Z.. R.: En este caso, Z{f (kT )} = f(z). =
∞ ∞ ∞ ∞
1
∑ f (kT ) z
k =0
−k
= ∑e
k =0
− kT
u (kT ) z − k =
k =0 k =0
∑e − kT
1 − e
z −k =
−T −1
z
∑ (e −T
z −1 ) k =
, que converge si |e-Tz-1| < 1, que es equivalente
a |e-T| < | z|. Notar que la región donde f(z) converge es el complemento de un círculo de radio |e-T|. ♣
∞ ∞
Ejemplo 4.21. Calcule la T.Z. de, (a) f(kT) = δ(kT), f(z) = ∑ f (kT ) z
k =0
−k
= ∑ δ(kT ) z
k =0
−k
= δ(0) + δ(T ) z −1 + " = 1, (b) f(kT)
∞ ∞ ∞ ∞
1 z
= u(kT), f(z) = ∑ u (kT ) z
k =0
−k
= ∑z
k =0
−k
=
1 − z −1
=
z −1
. (c) f(kT) = r(kT), f(z) = ∑ kT u (kT ) z
k =0
−k
= ∑ kTz
k =0
−k
=

Apuntes: 543 214 68
∞
1
Tz −1 + 2Tz −2 + 3Tz −3 +" = T ( z −1 + 2 z −2 + 3z −3 +") = Tz −1 (1 + 2 z −1 + 3 z −2 +") = Tz −1 ∑ (k + 1) z − k = Tz −1 .
k =0 (1 − z −1 ) 2
∞ ∞
⎧e j ωkT
−e − j ωkT
⎫ −k 1 ⎧ ∞ jωkT − k ∞ − jωkT − k ⎫
(d) f(kT) = sin(ωkT), f(z) = ∑ sin(ωkT ) z −k
= ∑ ⎨
k =0 ⎩ 2j
⎬z = ⎨∑ e z − ∑ e
2 j ⎩ k =0
z ⎬
⎭
=
k =0 ⎭ k =0
1 ⎧ 1 1 ⎫ z −1 sin(ωT )
⎨ − ⎬ = .♣
2 j ⎩1 − e jωT z −1 1 − e − jωT z −1 ⎭ 1 − 2 z −1 cos(ωT ) + z −2
Al igual que los casos anteriores, para obtener la T.Z. Inversa se puede utilizar la siguiente definición,
Def.: Se define la T.Z. Inversa de una función f(z) como:

1
f (kT ) = Z -1{f ( z )} =
2πj ∫
v Γ
f ( z ) z k −1dz ,
donde, T es el período de muestreo y f (kT ) ∈ \, k ∈ ` 0 , z = u + jv ∈ ^ y Γ es un contorno

cerrado donde f(z) converge.
Al igual que en la T.L. no es práctico la utilización de la definición de la T.L. Inversa y se recurre a

simplificar (normalmente utilizando fracciones parciales) la expresión de f(z) para luego reconocer
funciones típicas.
(1 − e −T ) z −1
Ejemplo 4.22. Calcule la T.Z. Inversa de f(z) = . R.: La expresión para f(z) se puede escribir como
(1 − z −1 )(1 − e −T z −1 )
1 1
f(z) = - , por lo que reconociendo términos se puede encontrar que f(kT) = u(kT)- e-kTu(kT). ♣
1− z −1
1 − e −T z −1
B. Propiedades
Linealidad. Sean f1(kT) con T.Z. f1(z), f2(kT) con T.Z. f2(z), α1 y α2 constantes reales, entonces la T.Z.
de α1f1(kT) + α2f2(kT) es α1f1(z) + α2f2(z). Dem.:
∞
Z{α1 f1 (kT ) + α 2 f 2 (kT )} = ∑ ( α1 f1 (kT ) + α 2 f 2 (kT ) ) z − k
k =0
∞ ∞
= α1 ∑ f1 (kT ) z − k + α 2 ∑ f 2 (kT ) z − k .
k =0 k =0
= α1 f1 ( z ) + α 2 f 2 ( z )
En el caso general, dadas fi(kT) con T.Z. dadas por fi(z) y coeficientes αi reales, entonces la T.Z. de
∑ αi fi (kT ) es ∑ αi fi ( z ) .
i i
Escalamiento en el tiempo. Sea f(kT) con T.Z. f(z) y a una constante real, entonces la T.Z. de f(akT) es
z1/af(z). Dem.:

Apuntes: 543 214 69
∞
Z{f (akT )} = ∑ f (akT ) z − k
∞ ∞
si n = ak , k 0 → n 0 a>0
k =0
∞ ∞
= ∑ f (nT ) z − n / a = ∑ f (nT )( z1/ a ) − n .
n=0 n =0
= f ( z1/ a )
Desplazamiento en el tiempo. Sea f(kT) con T.Z. f(z) y a una constante real positiva, entonces la T.Z.
⎧ 1
⎫ ⎧ a −1
⎫
de f(kT - aT) es z − a ⎨ f ( z ) + ∑ f (nT ) z − n ⎬ y la de f(kT + aT) es z a ⎨ f ( z ) − ∑ f (nT ) z − n ⎬ . Dem.:
⎩ n =− a ⎭ ⎩ n=0 ⎭
∞
Z{f (kT − aT )} = ∑ f (kT − aT ) z − k
∞ ∞
si n = k − a, k 0 → n − a a>0
k =0
∞ ∞ −1 −1
= ∑
n =− a
f (nT ) z − ( n + a ) = ∑
n =− a
f (nT ) z − n z − a − ∑
n =− a
f (nT ) z − n z − a + ∑
n =− a
f (nT ) z − n z − a
⎧ ∞
⎫ ⎧
−1
⎫ −1
= z − a ⎨∑ f (nT ) z − n + ∑ f (nT ) z − n ⎬ = z − a ⎨ f ( z ) + ∑ f (nT ) z − n ⎬
⎩ n=0 n =− a ⎭ ⎩ n =− a ⎭
∞
.
Z{f (kT + aT )} = ∑ f (kT + aT ) z −k ∞ ∞
si n = k + a, k 0 → n a a>0
k =0
∞ ∞ a −1 a −1
= ∑ f (nT ) z − ( n − a ) = ∑ f (nT ) z − n z a + ∑ f (nT ) z − n z a − ∑ f (nT ) z − n z a
n=a n=a n=0 n=0
⎧ ∞
⎫ ⎧ a −1
⎫ a −1
= z a ⎨∑ f (nT ) z − n − ∑ f (nT ) z − n ⎬ = z a ⎨ f ( z ) − ∑ f (nT ) z − n ⎬
⎩ n=0 n =0 ⎭ ⎩ n =0 ⎭
Desplazamiento en la frecuencia. Sea f(kT) con T.Z. f(z) y a una constante real, entonces la T.Z. de
akf(kT) es f(a-1z). Dem.:
∞ ∞
Z{a f (kT )} = ∑ a f (kT ) z = ∑ f (kT )(a −1 z ) − k = f (a −1 z ) .
k k −k
k =0 k =0
Diferencia. Sea f(kT) con T.Z. f(z), entonces la T.Z. de f(kT) - f(kT-T) es (1 - z-1)f(z). Dem.:
Z{f (kT ) − f (kT − T )} = f ( z ) − z −1 f ( z ) = (1 − z −1 ) f ( z ) .
k
1
Sumatoria. Sea f(kT) con T.Z. f(z), entonces la T.Z. de ∑ f (iT ) es 1 − z
i =0
−1
f ( z ) . Dem.:
⎧ k
⎫ ∞ k
Z ⎨∑ f (iT ) ⎬= ∑∑ f (iT )z − k = f (0) + { f (0) + f (T )} z −1 + { f (0) + f (T ) + f (2T )} z −2 + "
⎩ i =0 ⎭ k =0 i =0
= { f (0) + f (T ) z −1 + f (2T ) z −2 + "} + { f (0) z −1 + f (T ) z −2 + "} + { f (0) z −2 + "} + "

= { f (0) + f (T ) z −1 + f (2T ) z −2 + "} + z −1 { f (0) + f (T ) z −1 + "} + z −2 { f (0) + "} + " .
∞ ∞ ∞
= ∑ f (kT ) z − k + z −1 ∑ f (kT ) z − k + z −2 ∑ f (kT ) z − k + "
k =0 k =0 k =0
⎧ ⎫ 1 ∞
= f ( z ) + z −1 f ( z ) + z −2 f ( z ) + " = ⎨∑ z − k ⎬ f ( z ) = f ( z)
⎩ k =0 ⎭ 1 − z −1

Apuntes: 543 214 70
Teorema del Valor Inicial. Sea f(kT) con T.Z. f(z), entonces f (kT ) k =0 = lim f (kT ) = lim f ( z ) . Dem.:
k →0 z →∞
∞
se sabe Z { f (kT )} = f ( z ) = ∑ f (kT ) z − k = f (0) + f (T ) z −1 + f (2T ) z −2 + "
k =0
por lo tanto lim f ( z ) = lim { f (0) + f (T ) z −1 + f (2T ) z −2 + "}

z →∞ z →∞ ,
lim f ( z ) = f (0) + lim { f (T ) z + f (2T ) z + "}
−1 −2
z →∞ z →∞
lim f ( z ) = f (0)
z →∞
Teorema del Valor Final. Sea f(kT) con T.Z. f(z), entonces f (kT ) k →∞ = lim f (kT ) = lim(1 − z −1 ) f ( z ) .
k →∞ z →1
Dem.:
∞
se sabe Z { f (kT )} = f ( z ) = ∑ f (kT ) z − k = f (0) + f (T ) z −1 + f (2T ) z −2 + "
k =0
∞
y que Z { f (kT − T )} = z −1 f ( z ) = ∑ f (kT − T ) z − k = f (−T ) + f (0) z −1 + f (T ) z −2 + " ,
k =0
por lo tanto f ( z ) − z f ( z ) = ( f (0) + f (T ) z −1 + f (2T ) z −2 + ") − ( f (0) z −1 + f (T ) z −2 + ")

−1
lim(1 − z −1 ) f ( z ) = lim f (kT )

z →1 k →∞
∞
Señales Periódicas. Sea f0(kT) con T.Z. f0(z) y la señal periódica f (kT ) = ∑ f 0 (kT − ipT ) , entonces la
i =0
1
T.Z. de f(kT) es x0 ( z ) . Dem.:
1− z− p
⎧ ∞
⎫ ∞
⎧ ∞
⎫ ∞ ∞
Z { f (kT )} = Z ⎨∑ f 0 (kT − ipT ) ⎬ = ∑ ⎨∑ f 0 (kT − ipT ) ⎬ z − k = ∑∑ x0 (kT − ipT )z − k
⎩ i =0 ⎭ k =0 ⎩ i =0 ⎭ i =0 k =0
.
∞ ∞
1
= ∑ z − iP f 0 ( z ) = f 0 ( z )∑ z − iP = f0 ( z)
i =0 i =0 1 − e− p
Convolución. Sea f(kT) con T.Z. f(z) y g(kT) con T.Z. g(z), entonces f(kT)*g(kT) tiene una T.Z. dada
por f(z)g(z). Dem.:
∞
Z { f (kT ) * g (kT )} = ∑ { f (kT ) * g (kT )} z − k
i =0
∞
⎧∞ ⎫
= ∑ ⎨∑ f (iT ) g (kT − iT ) ⎬ z − k
∞ ∞
si n = k − i, k 0 → n −i
k =0 ⎩ i =0 ⎭ .
∞ ∞
⎧ ∞
⎫⎧ ∞
⎫
= ∑ ∑ f (iT ) g (nT )z − ( n +i ) = ⎨∑ f (iT ) z − i ⎬ ⎨∑ g (nT ) z − n ⎬
n =− i i = 0 ⎩ i =0 ⎭ ⎩ n=0 ⎭
= f ( z) g ( z)
Convolución de Línea. Sea f(kT) con T.Z. f(z) y g(kT) con T.Z. g(z), entonces f(kT)g(kT) tiene una
1
T.Z. dada por
2πj ∫
v Γ
f ( z / v)v −1 g (v)dv . Dem.:

Apuntes: 543 214 71
∞ ∞
⎧ 1 ⎫
Z { f (kT ) g (kT )} = ∑ f (kT ) g (kT ) z − k = ∑ f (kT ) ⎨ ∫
v g (v)v k −1dv ⎬ z − k
k =0 k =0 ⎩ 2πj Γ ⎭
1 ∞
1 ⎧∞ −1 − k ⎫ −1
= ∫
v ∑
2πj k =0
Γ
f ( kT ) z − k k −1
v g ( v ) dv = ∫
v ⎨∑ f (kT )(v z ) ⎬ v g (v)dv .
2πj ⎩ k =0
Γ
⎭
1
=
2πj ∫
v Γ
f ( z / v)v −1 g (v)dv
Ejemplo 4.23. El caso del depósito inicial está dado por la ecuación P(kT + T) - (1 + I)P(kT) = 0. Si el depósito inicial es
P(0) = P0 encuentre la ecuación para determinar la cantidad resultante al mes kT arbitrario. R.: Al tomar la T.Z. a la
z
ecuación queda z{P(z) - P(0)} - (1 + I)P(z) = 0, por lo que P(z) = P0 , tomando la T.Z. inversa se obtiene la
z − (1 + I )
cantidad al mes kT como P(kT) = (1 + I)kP0u(kT), correspondiente a la clásica ecuación financiera para un depósito inicial a
un interés fijo. ♣
Ejemplo 4.24. Estudiar el caso del depósito inicial P0 más un aporte mensual fijo P1 a partir del 2do mes. R.: Este caso está
dado por la ecuación P(kT + T) = (1 + I)P(kT) + (1 + I)u(kT), donde u(kT) = P1u(kT – T). Al tomar la T.Z. se obtiene z{P(z)
z
- P(0)} = (1 + I)P(z) + (1 + I)P1Z{u(kT – T)}, o bien, zP(z) - zP0 = (1 + I)P(z) + (1 + I)P1z-1 , por lo que P(z) =
z −1
z 1+ I 1 z 1+ I ⎧ 1 1 ⎫
P0 + P1 , utilizando fracciones parciales se llega a P(z) = P0 + P1 ⎨ − ⎬,
z − (1 + I ) z − (1 + I ) z − 1 z − (1 + I ) I ⎩ z − (1 + I ) z − 1⎭
z 1 + I ⎧ −1 z z ⎫
lo que se puede escribir como P(z) = P0 + P1 ⎨ z − z −1 ⎬ , reconociendo los escalones
z − (1 + I ) I ⎩ z − (1 + I ) z − 1⎭
retardados en una unidad de tiempo discreto se puede tomar la T.Z. inversa y por lo tanto la cantidad al mes kT quedad dada
1+ I
por P(kT) = P0 (1 + I ) k u (kT ) + P1{(1 + I ) k −1 − 1}u (kT − T ) . ♣
I
4.6 Transformada de Fourier de Tiempo Discreto

Sea f(t) una señal continua y sea g(t) la función f(t) muestreada con impulsos a intervalos regulares
distanciados en T. Así, la función muestreada es g(t) = f (t ) {" + δ(t + T ) + δ(t ) + δ(t − T ) + "} =
{" + f (t )δ(t + T ) + f (t )δ(t ) + f (t )δ(t − T ) + "} = {" + f (−T )δ(t + T ) + f (0)δ(t ) + f (T )δ(t − T ) + "} ,
∞
⎧ ∞ ⎫
g (t ) = ∑
k =−∞
f (kT )δ(t − kT ) . Al tomar la T.F. de g(t) se obtiene, g(Ω) = F ⎨ ∑ f (kT )δ(t − kT ) ⎬ =
⎩ k =−∞ ⎭
∞ ∞
∑
k =−∞
f (kT )F {δ(t − kT )} = ∑
k =−∞
f (kT )e − jΩkT . Nótese que la expresión anterior sólo depende de la señal
f(t) muestreada a intervalos regulares, que corresponde a la señal discreta f(kT). Es decir, la operación
anterior es una operación aplicada a una señal discreta. La operación anterior se conoce como la
Transformada de Fourier de Tiempo Discreto, pues es una operación que se aplica sobre una señal
discreta, pero resulta en una función continua que depende de Ω. Se utiliza la variable Ω para denotar
la frecuencia, y no ω, para resaltar que se trata de aplicar la operación sobre una señal discreta.

Apuntes: 543 214 72
Def.: Se define la Transformada de Fourier de Tiempo Discreto (T.F.T.D.) de una señal f(kT),
como:
∞
f (Ω) = ∑
k =−∞
f (kT )e− jΩkT ,
en donde, f (kT ) ∈ \, t ∈ \, jΩkT ∈ ^ .
∞
Nótese que la T.Z. de la señal f(kT) es f ( z ) = ∑ f (kT ) z − k . Es más, si la señal tiene soporte positivo,
k =0
∞
entonces, f ( z ) = ∑
k =−∞
f (kT ) z − k , por lo que la T.F.T.D. de una señal discreta se puede obtener
− j ΩT
reemplazando z por e en su T.Z. Similarmente, se puede definir la T.F.T.D. Inversa como,
Def.: Se define la T.F.T.D. Inversa de una señal f(Ω), como:

T
f (kT ) = ∫ f (Ω)e jΩkT d Ω ,
0
en donde, f (kT ) ∈ \, t ∈ \, jΩkT ∈ ^ .
∞
Ejemplo 4.25. Calcule la T.F.T.D. de f(kT) = u(kT+Ta) - u(kT-Ta). R.: La T.Z. de f(kT) es f(z) = ∑ u (kT + T ) z
k =−∞
a
−k
-
1.5 6
0 0 2π/T
f(kT)
1 4
f(Ω)
a)
f(t)
0.5 2
f(ω)
0 0
5 0 5 10 0 10
1.5 3
0 0 2π/T
1 2
f(t) f(Ω)
b)
0.5 1
f(kT)
f(ω)
0 0
5 0 5 10 0 10
1.5 3
0 0 2π/T
1 2
f(Ω)
f(t) c)
0.5 f(kT) 1
f(ω)
0 0
5 0 5 10 0 10
Fig. 4.13 Señales discretas y sus T.F.T.D. (las señales en verde son las equivalentes continuas).

Apuntes: 543 214 73
∞ ∞ ∞
z Ta / T − z −Ta / T
∑ u (kT − Ta ) z − k =
k =−∞
∑ u (kT + TTa / T ) z − k -
k =−∞
∑ u (kT − TTa / T ) z − k =
k =−∞ 1 − z −1
. Por lo que, reemplazando z por
(e − jΩT )Ta / T − (e − jΩT ) −Ta / T e − jΩTa − e jΩTa

e − jΩT se obtiene f(Ω) = = . La Fig. 4.13(a) muestra la gráfica de f(t) que muestreada
1 − ( e − j ΩT ) − 1 1 − e jΩT
resulta en f(kT), también se muestra f(ω) que es el módulo de la T.F. de la señal continua f(kT) y el módulo de f(Ω) que es la
T.F.T.D. de f(kT). Se puede ver que f(Ω) es periódica de periodo 2π/T y que se asemeja a f(ω) para bajas frecuencias. ♣
∞ 0 ∞
Ejemplo 4.26. Calcule la T.F.T.D. de f(kT) = e-|kT|. R.: La T.Z. de f(kT) es f(z) = ∑
k =−∞
e −|kT | z − k = ∑
k =−∞
e −|kT | z − k + ∑e
k =0
−| kT | − k
z
∞ ∞ ∞ ∞ ∞
0
1 1
-1 =
n =∞
∑e −| − nT | n
z
k =0
+ ∑e − kT
n=0
z − k -1 =
k =0
∑e − nT
zn +
n=0
∑e − kT
k =0
z −k - 1 = ∑ (e 1
−T
−
z)n +
e −T
z
∑ (e
+
1 −
−T
e
z −1 ) − k - 1 =
−T −1
z
-
1 1 1 1
1. Por lo que, reemplazando z por e − jΩT se obtiene f(Ω) = + -1= + - 1.
1 − e − T e − j ΩT 1 − e −T e jΩT 1 − e − (1+ jΩ )T 1 − e − (1− jΩ )T
La Fig. 4.13(b) muestra la gráfica de f(t) que muestreada resulta en f(kT), también se muestra f(ω) que es el módulo de la
T.F. de la señal continua f(kT) y el módulo de f(Ω) que es la T.F.T.D. de f(kT). Se puede ver que f(Ω) es periódica de
periodo 2π/T y que se asemeja a f(ω) para bajas frecuencias. La Fig. 4.13(c) muestra idénticos resultados pero con un T
igual al doble del anterior. Claramente, f(Ω) es periódica de periodo 2π/T y que se asemeja a f(ω) para bajas frecuencias,
pero ahora para un rango menor de frecuencias. Esto es esperable, puesto que mientras menor sea T la señal se asemeja aún
más a la señal continua y por lo tanto f(Ω) y f(ω) debieran tender a ser idénticas. ♣
4.7 Transformada de Fourier Discreta

Similarmente al caso continuo, en el caso de tener señales discretas y periódicas la operatoria asociada
a la T.F.T.D. puede no converger. Por esta razón, se define una Transformada de Fourier Discreta para
señales periódicas de manera de mantener las propiedades asociadas al espectro en frecuencia
obtenidas con las transformaciones anteriores.
Def.: Se define la Transformada de Fourier Discreta (T.F.D.) de una señal f(kT) con periodo T0 =
2π/Ω0, como:
T0 / T −1 N −1
1 1
f ( m) =
T0 / T
∑k =0
f (kT )e − jmΩ0 kT =
N
∑ f (kT )e
k =0
− jmk 2 π / N
,
en donde, f (kT ) ∈ \, N = T0 / T = 2π /(Ω 0T ) ∈ `, jmk 2π / N ∈ ^.
Nótese que la definición anterior corresponde al muestreo de la T.F.T.D. de un período de la señal f(kT)
dividida por N; es decir,
N −1 N −1
1 1 1
f(m) =
N
∑ f (kT )e
k =0
− jmk 2 π / N
=
N
f (Ω) Ω= mΩ =
0
N
∑ f (kT )e
k =0
− j ΩkT
,
Ω= mΩ0
por lo tanto, si se dispone de la T.F.T.D. de un periodo de la señal f(kT), entonces, la T.F.D. es

inmediata. Similarmente, se define la Transformada de Fourier Discreta Inversa.
Def.: Se define la Transformada de Fourier Discreta Inversa de una señal f(m), como:

Apuntes: 543 214 74
T0 / T −1 N −1
f (kT ) = ∑
m=0
f (m)e jmΩ0 kT = ∑ f (m)e jmk 2 π / N ,
m=0
en donde, f (kT ) ∈ \, N = T0 / T = 2π /(Ω 0T ) ∈ `, jmk 2π / N ∈ ^ .
∞
Ejemplo 4.27. Calcule la T.F.D. de la señal periódica f(kT) = ∑
l =−∞
f 0 (kT − lT0 ) con f0(kT) = u(kT+Ta) - u(kT-Ta). R.: Con N
e − jΩTa − e jΩTa e − jm 2 π / T0Ta − e jm 2 π / T0Ta

= T0/T, la T.F.T.D. de f0(kT) es f0(Ω) = , por lo que la T.F.D. de f(kT) es N·f(m) = =
1 − e jΩT 1 − e jm 2 π / T0T
e − jm 2 π / T0Ta − e jm 2 π / T0Ta
. La Fig. 4.14(a) muestra la gráfica de f(kT), Tf0(Ω) que es T veces el módulo de la T.F.T.D. de f0(kT) y
1 − e jm 2 π / N
T0f(m) que es T0 veces el módulo de la T.F.D. de f(kT). Se puede ver que T0f(m) es un muestreo perfecto de Tf0(Ω). ♣
∞
Ejemplo 4.28. Calcule la T.F.D. de la señal periódica f(kT) = ∑
l =−∞
f 0 (kT − lT0 ) con f0(kT) = (kT+Ta)u(kT+Ta) – 2kTu(kT) +
(kT-Ta)u(kT-Ta). R.: La T.F.T.D. de f0(kT) que es f0(Ω) (amplificada por T) y la T.F.D. de f(kT) que es f(m) (amplificada por
T0) se muestran en la Fig. 4.14(b) para T0 = 4, también se muestran para T0 = 6 en la Fig. 4.14(c). Como es de esperarse, a
medida que T0 aumenta, el muestreo en frecuencia es más continuo y por lo tanto T0f(m) se asemeja mejor a Tf0(Ω). ♣
∞
Ejemplo 4.29. Dada la señal periódica, Fig. 4.15(a), f(kT) = ∑
l =−∞
f 0 (kT − lT0 ) donde f0(kT) = 3sin(2πkT/T0)-
0.5sin(3·2πkT/T0)-sin(5·2πkT/T0) que contiene una fundamental, una tercera y una quinta componente, calcule su T.F.D.. Se
1.5 6
0 T0 0 2π/T0 2π/T
f(kT)
1 4
a) Tf0(Ω)
0.5 2
T0f(m)
0 0
5 0 5 10 0 10
3 6
0 T0 = 4 2π/T0 2π/T
f(kT)
2 4
b) Tf0(Ω)
1 2
T0f(m)
0 0
10 5 0 5 10 10 0 10
3 6
0 T0 = 6 0 2π/T0 2π/T
f(kT)
2 4
c)
1 2 Tf0(Ω)
T0f(m)
0 0
10 5 0 5 10 10 0 10
Fig. 4.14 Señales discretas y sus T.F.D. (las señales en verde son las T.F.T.D. de un periodo de la señal).

Apuntes: 543 214 75
obtiene su T.F.D. numéricamente y se muestra en la Fig. 4.15(a). Se puede apreciar que f(m) con m = 1 es 1.5 que
corresponde a la mitad del valor de amplitud del primer armónico de f(kT). Similarmente, f(m) con m = 5 es 0.5 que
corresponde a la mitad del valor de amplitud del quinto armónico de f(kT). Esto corrobora la relación entre f(m) y los
coeficientes de Fourier de la señal f(kT). ♣
Ejemplo 4.30. Dada la señal periódica f(kT) como mostrada en la Fig. 4.15(b). Al obtener su T.F.D. numéricamente y
graficarla amplificada por un factor de dos y sólo para valores positivos de m, Fig. 4.15(b), se encuentra que 2f(m) con m =
4 ⎧ T⎫
1 es 3 cos ⎨2π ⎬ que corresponde al valor de amplitud del primer armónico de f(kT). Nótese que esta señal tiene
π ⎩ T0 ⎭
armónicos 5, 7, 11, 13,…., usted encontrará más adelante que esta forma de onda es característica en sistemas eléctricos
trifásicos de rectificación. ♣
5 2
0 0
f(kT)
f(m)
0 a) 1
5 0
4 2 0 2 4 8 6 4 2 0 2 4 6 8
5
4 ⎧ T⎫
4 2f(m) 3 cos ⎨2π ⎬
π ⎩ T0 ⎭
f(kT)
0 b)
2
5 0
0 2 4 6 0 2 4 6 8 10 12 14 16
Fig. 4.15 Señales discretas y sus T.F.D..

2
a) b)
∆vn
L
+ +
R 0
e(t) Sw(t) v(t) ∆dn
- i(t) - C
a)
2
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08
2 2
∆vn(t) c) ∆vn(t) d)
0 0
∆vn(t), T.F.D.
∆vn(kT) ∆vn(t), T.F.
2 2
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08
1.5 300
e) f)
arg{∆vn(n)}
150
1 2|∆vn(n)|
2|∆vn(m)| 0
0.5
150 arg{∆vn(m)}
0 300
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Fig. 4.16 Muestreo de sistemas continuos y los Coeficientes de Fourier; a) circuito, b) entrada y salida periódica en
S.S., c) muestreo de la salida, d) salida exacta, aproximada por la T.F.F.D. y por la T.F.D., e) módulo de la T.F.F.D.
y de T.F.D., e) fase de la T.F.F.D. y de T.F.D..

Apuntes: 543 214 76
Ejemplo 4.31. Determine los coeficientes de Fourier de la señal de salida del circuito elevador de la Fig. 4.16(a) que se
obtiene de muestrearla a una taza T. R.: La señal de salida continua y la resultante de muestrearla 10 veces por periodo se
muestra en la Fig. 4.16(c). Al tomar la T.F.D. se obtienen la magnitud y fase de los coeficientes de Fourier ilustrados en la
Fig. 4.16(e) y (f), respectivamente. También se muestra los coeficientes obtenidos mediante la aplicación de la T.F.F.D. a la
salida continua. La Fig. 4.16(e) indica que los resultados de la T.F.D. son “apropiados” hasta una frecuencia normalizada
igual a la mitad de la taza de muestreo. Esto se justifica en la periodicidad de la T.F.D. Los resultados arrojados por la
T.F.F.D. y la T.F.D. no son idénticos por cuanto las señales reconstituidas por los primeros cuatro armónicos y utilizando
ambos métodos no son iguales como ilustrado en la Fig. 4.16(d). Es natural pensar que esta discrepancia disminuye a
medida que la taza de muestreo aumenta. ♣

Apuntes: 543 214 77
5 Caracterización Matemática
Muchos sistemas dinámicos pueden ser entendidos y analizados intuitivamente y

sin tener que recurrir a las matemáticas y sin el desarrollo de una teoría general
de dinámicas. Incluso, en distintas situaciones de nuestra vida cotidiana tratamos
sin mayores problemas con muchas dinámicas simples. Sin embargo, para
enfrentar eficientemente situaciones más complejas, es necesario proceder
sistemáticamente. Es en este punto donde las matemáticas pueden ayudarnos a
economizar lenguaje y proveernos de un marco conceptual.
5.1 Introducción
El uso de ecuaciones diferenciales o de diferencias para representar comportamientos dinámicos
corresponde, respectivamente, cuando el comportamiento es visto bajo un dominio de tiempo continuo
o tiempo discreto. Tiempo continuo corresponde a nuestra concepción natural del tiempo, es decir,
como una variable continua en el dominio de los números reales. Un valor arbitrario de este tiempo
continuo usualmente se denota por la letra t. Comportamientos dinámicos vistos bajo el dominio del
tiempo continuo normalmente se describen mediante ecuaciones diferenciales, las cuales relacionan las
derivadas de una variable dinámica con su valor actual. Este es el caso del circuito eléctrico de la Fig.
5.1, cuya ecuación diferencial que lo representa es,
di (t )
e(t ) = Ri (t ) + L + vc (t )
dt
Def.: Una ecuación diferencial es cualquier igualdad algebraica o trascendental que involucra
diferenciales o derivadas .
Def.: Una ecuación diferencial ordinaria es una igualdad que involucra una o más variables
dependientes, una variable independiente y una o más derivadas de la(s) variable(s)
dependiente(s) con respecto a la variable independiente .
Def.: Una ecuación diferencial parcial es una igualdad que involucra una o más variables
dependientes y dos o más variables independientes, junto con las derivadas parciales de la(s)
variable(s) con respecto a las variables independientes.
Este último es el caso de la ecuación que representa la difusión de calor en una barra como función del
tiempo y la posición, esto es,
∂T ( x, t ) ∂T ( x, t )
=k .
∂x ∂t

Apuntes: 543 214 78
Tiempo discreto consiste en una secuencia ordenada de puntos, es decir, en vez de hablar de un
intervalo continuo de tiempo, se habla de una secuencia de instantes de tiempo. En términos de
aplicación, es conveniente introducir este concepto de tiempo cuando los eventos y sus consecuencias
ocurren o son contabilizados sólo en períodos de tiempo discreto. Por ejemplo, en un modelo
económico en el cual se considera un interés mensual, nos interesa evaluar nuestro modelo en meses y
no considerar una evolución continua del tiempo. A menudo, los instantes de tiempo discreto son
representados por un índice el cual comienza en un punto de referencia conveniente. Luego, el tiempo
discreto corresponde a los enteros 0, 1, 2, ... y un instante de tiempo arbitrario se denota por la letra k.
Comportamientos dinámicos vistos en el tiempo discreto, normalmente se describen por ecuaciones de
diferencias, las cuales relacionan el valor de una variable en un instante de tiempo con los valores en
instantes de tiempo adyacentes. Este es el caso de la ecuación que describe la cantidad de dinero, p, que
se tiene en un banco al cabo de k meses a un interés mensual I, esta es,
p(kT + T) = (1 + I)p(kT) ó p(kT + T) - (1 + I)p(kT) = 0,
donde T es el intervalo considerado; en general, es el muestreo de la ecuación de diferencias.
Def.: Una ecuación de diferencias es cualquier igualdad algebraica o trascendental que involucra más
de un valor de las variables dependientes correspondientes, por lo menos, a más de un valor de
las variables independientes. Las variables dependientes no involucran diferenciales ni derivadas.
Def.: Una ecuación variable/invariable en el tiempo es aquella en la cual uno o más términos/ninguno
dependen explícitamente de la variable independiente tiempo.
Def.: Una ecuación lineal es aquella que consiste en una suma de términos lineales (aquellos de primer
grado en la(s) variable(s) dependiente(s) y en sus derivadas). Todas las demás son ecuaciones no
lineales.
Ejemplo 5.1. Clasificar las siguientes ecuaciones,

dh
A − k h = f e : ecuación diferencial, ordinaria, invariante, no-lineal.
dt
∂T ( x, t ) ∂T ( x, t )
=k : ecuación diferencial, parcial, invariante, lineal.
∂x ∂t
p(kT + T ) = (1 + I ) p (kT ) : ecuación de diferencias, invariante, lineal. ♣
5.2 Solución de Ecuaciones Diferenciales

A continuación se muestran las formas clásicas de resolución de ecuaciones y se introducen los
+ R L +
e(t) vc(t) C
- i(t) -
Fig. 5.1 Circuito RLC serie.

Apuntes: 543 214 79
conceptos de respuesta estacionaria y transitoria.
A. Representación generalizada
La forma generalizada de una ecuación diferencial ordinaria lineal es,
n
+ an −1 n −1
+ " + a1 + a0 y = bm m
+ bm −1 m −1
+ " + b1 + b0 u ,
dt dt dt dt dt dt
d i y m d iun
o en su forma resumida como
i =0
= ∑ bi∑ ai
dt i i =0 dt i
. La solución de esta ecuación nos proporciona
información acerca del comportamiento dinámico y estático de la variable y para la entrada u. En

particular información de la rapidez, valores en S.S., estabilidad, etc.
B. Condiciones
Para que exista solución y ésta sea única debe cumplirse que:
• El intervalo de solución es 0 < t < ∞.

• Se supone que u(t) y sus derivadas en el intervalo de solución son conocidas.
• Se deben conocer las c.i. y(0), dy/dt(0),…, y(n-1)(0),
C. Respuesta homogénea y forzada

Respuesta homogénea. La respuesta homogénea del sistema es cuando la entrada se hace
idénticamente nula. La ecuación a resolver es,
dny d n −1 y dy
n
+ an −1 n −1
+ " + a1 + a0 y = 0 ,
dt dt dt
n
⎧ ⎡ i i −1
⎤⎫ −1
utilizando la T.L. se tiene que ∑ ⎨
i =0 ⎩
ai ⎢
⎣
s y ( s ) − ∑
k =0
s i −1− k y ( k ) (0+ ) ⎥ ⎬ = 0 (con,
⎦⎭
∑ = 0 ), lo que resulta en,
k =0
n i −1
∑∑ a s i
i −1− k
y ( k ) (0+ )
y ( s) = i =0 k =0
n
,
∑a s
i =0
i
i
Respuesta forzada. La respuesta forzada del sistema es cuando las c.i. de y(t) son nulas. La ecuación a
resolver es,
n
+ an −1 n −1
+ " + a1 + a0 y = bm m
+ bm −1 m −1
+ " + b1 + b0 u ,
dt dt dt dt dt dt
n m
⎧ ⎡ i i −1
⎤⎫ −1
utilizando la T.L. se tiene que ∑
i =0
ai s i
y ( s ) = ∑ ⎨ i⎢
b
i =0 ⎩ ⎣
s u ( s ) − ∑
k =0
s i −1− k u ( k ) (0+ ) ⎥ ⎬ (con,
⎦⎭
∑ = 0 ), lo que
k =0
resulta en,

Apuntes: 543 214 80
m m i −1
∑b s i
i
∑∑ b s i
i −1− k
u ( k ) (0+ )
y ( s) = i =0
n
u ( s) − i =0 k =0
n
.
∑a s
i =0
i
i
∑a s
i =0
i
i
Luego, la respuesta total del sistema es la suma de la respuesta homogénea con la respuesta forzada.
Aplicando la T.L. inversa, la respuesta total en el dominio de tiempo continuo queda de la siguiente
manera,
⎧ m m i −1
+ ⎫ ⎧ n i −1 i −1− k ( k ) + ⎫
⎪ ∑
−1 ⎪ i = 0
bi s i
∑∑ bi s i −1− k ( k )
u (0 ) ⎪⎪ ⎪ ∑∑ ai s
−1 ⎪ i = 0 k = 0
y (0 ) ⎪
⎪
y (t ) = L ⎨ n u ( s) − i =0 k =0
n ⎬+L ⎨ n ⎬.
⎪ ∑ ai s i ∑ ai s i ⎪ ⎪ ∑ ai s i ⎪
⎪⎩ i =0 i =0 ⎪
⎭ ⎪
⎩ i =0 ⎪⎭
Def.: Se define el polinomio característico de una ecuación diferencial ordinaria lineal como:
n
∑a s
i =0
i
i
= s n + an −1s n −1 + " + a1s + a0 .
Nótese que el polinomio característico es denominador común en todas las expresiones de la respuesta
total de una ecuación diferencial ordinaria lineal.
Ejemplo 5.2. Para el sistema dado por, dy / dt + a0 y = b0 u , con y(0) = y0 y con u(t) = u(t) determine la expresión para la
respuesta en el tiempo. R.: Al tomar la T.L. se tiene que,
b0
sy ( s ) − y (0) + a0 y ( s ) = b0 u ( s ) sy ( s ) − y0 + a0 y ( s ) = ,
s
por lo que la salida en el plano s es,
b0 y b0 ⎧ 1 1 ⎫ y0
y ( s) = + 0 y ( s) = ⎨ − ⎬+ ,
( s + a0 ) s s + a0 a0 ⎩ s s + a0 ⎭ s + a0
por lo que la salida en el plano del tiempo es,

b0 −1 ⎧ 1 1 ⎫ − 1 ⎧ y0 ⎫
y (t ) = L ⎨ − ⎬+L ⎨ ⎬
a0 ⎩ s s + a0 ⎭ ⎩ s + a0 ⎭
b0
y (t ) = (u (t ) − e − a0t u (t )) + y0 e − a0t u (t ) .
a0
⎧b ⎫
y (t ) = ⎨ 0 (1 − e − a0t ) + y0 e − a0t ⎬ u (t )
⎩ 0
a ⎭
En este caso el polinomio característico es s + a0, que es de orden 1 y cuya única raíz es -a0, la cual corresponde al
argumento de la exponencial que es parte de la respuesta forzada y homogénea. Nótese que si la raíz es negativa; es decir, a0
es positivo, entonces la respuesta converge. Las formas de onda se encuentran en la Fig. 5.2, en donde a0 = R/L y b0 = 1/L,
⎧1 ⎫
por lo que i (t ) = ⎨ (1 − e − ( R / L )t ) + i0 e − ( R / L )t ⎬ u (t ) . En este caso, como a0 = R/L es siempre positivo, la respuesta siempre
⎩ R ⎭
converge. ♣

Apuntes: 543 214 81
D. Respuesta estacionaria y transitoria

Al igual que la respuesta homogénea y forzada, se puede definir la respuesta estacionaria y transiente,
resultando la respuesta total como la suma de ellas.
Def.: Respuesta estacionaria es la parte de la respuesta total que no se aproxima a cero cuando el
tiempo tiende a infinito. Se abrevia yss.
Def.: Respuesta transitoria es la parte de la respuesta total que se aproxima a cero cuando el tiempo
tiende a infinito.
Ejemplo 5.3. Para el sistema dado por, dy / dt + a0 y = b0 u , con y(0) = y0 y con u(t) = u(t) se encontró que la respuesta es
⎧b ⎫ ⎧1 ⎫
y (t ) = ⎨ 0 (1 − e − a0t ) + y0 e − a0t ⎬ u (t ) , o equivalentemente i (t ) = ⎨ (1 − e − ( R / L )t ) + i0 e − ( R / L )t ⎬ u (t ) , determine la parte
⎩ a0 ⎭ ⎩R ⎭
1
estacionaria y la transiente. R.: En este caso la parte de la respuesta que no se hace cero es iss (t ) = u (t ) y la que se hace
R
⎧ 1 ⎫
cero es i (t ) − iss (t ) = ⎨− e − ( R / L )t + i0 e − ( R / L )t ⎬ u (t ) . Nótese que la respuesta estacionaria puede obtenerse haciendo la
⎩ R ⎭
derivada igual a cero o equivalentemente, cortocircuitando el inductor, esto por cuanto las entradas son continuas. ♣
Ejemplo 5.4. Para el sistema dado por, dy / dt + a0 y = b0 u , con y(0) = y0 y con u(t) = Asin(ω0t) determine la expresión para
la respuesta en el tiempo, su parte transiente y estacionaria. R.: Al tomar la T.L. se tiene que,
ω0
sy ( s ) − y (0) + a0 y ( s ) = b0 u ( s ) o bien sy ( s ) − y0 + a0 y ( s ) = A ,
s 2 + ω02
por lo que la salida en el plano s es,
1 ω0 y Aω0 ⎧ 1 s−a ⎫ y
y ( s) = A + 0 o bien y ( s) = ⎨ − 2 02 ⎬ + 0 ,
s + a0 s 2 + ω02 s + a0 ω + a02
2
0 ⎩ s + a0 s + ω0 ⎭ s + a0
por lo que la salida en el plano del tiempo es,
Aω0 ⎧ − a0t a0 ⎫
y (t ) = ⎨e + sin(ω0 t ) − cos(ω0 t ) + y0 e− a0 t ⎬ u (t ) ,
ω02 + a02 ⎩ ω0 ⎭
5 i(t)
+ R L
e(t) if(t)
ih(t)
- i(t) 0
0
1 0 1 2 3 4 5 6
a) b)
Fig. 5.2 Circuito RL serie; a) circuito, b) formas de onda de corriente.

Apuntes: 543 214 82
⎡ Aω ⎧⎪ ⎫⎫ ⎤
ω02 + a02 ⎪⎧ ⎛ω ⎞ ⎪⎪
y (t ) = ⎢ 2 0 2 ⎨ e − a0 t
+ sin ⎨ω0 t − tan −1 ⎜ 0 ⎟ ⎬⎬ + y0 e ⎥ u (t ) .
− a0 t
⎢ ω + a0 ⎪⎩ ω ⎩⎪ ⎝ a0 ⎠ ⎭⎪⎪⎭ ⎥
⎣ 0 0
⎦
Aω0 − a0t A ⎧⎪ ⎛ω ⎞ ⎫⎪
En este caso la parte transiente es e + y0 e− a0t y la parte estacionaria es sin ⎨ω0 t − tan −1 ⎜ 0 ⎟⎬ .
ω + a02
2
0 ω0 + a0
2 2
⎩⎪ ⎝ a0 ⎠ ⎭⎪
Contradictoriamente con la idea intuitiva de respuesta estacionaria (constante), en este caso está variando en el tiempo. ♣
dh f m + f a − kv gh dcs f c −f c −f c
Ejemplo 5.5. El estanque de la Fig. 2.20 tiene por modelo a = 2 2
y = m m 3 m s 2 a s . Al
dt h /a dt h /(3a )
linealizar el modelo en torno al punto de operación ho, cso, fao, fmo, cmo, que están relacionados por, f mo + f ao − kv gho = 0 y
d ∆h ⎪⎧ − kv g 2( f mo + f ao − kv gho ) ⎪⎫ 1 1
por f mo cmo − f mo cso − f ao cso = 0 , se obtiene, =⎨ − 3 2 ⎬ ∆h + 2 2 ∆f a + 2 2 ∆f m y
dt 2
⎩⎪ 2 gho ho / a
2
ho / a ⎪⎭ ho / a ho / a
d ∆cs −3ho2 ( f mo cmo − f mo cso − f ao cso ) −( f + f ) −c c +c −f
= ∆h + 3mo 2 ao ∆cs + 3 so 2 ∆f a + 3mo so ∆f m + 3 mo 2 ∆cm , el que se reduce
dt ho6 /(3a 2 ) ho /(3a ) ho /(3a ) ho /(3a 2 ) ho /(3a )
d ∆h − a 2 kv g a2 a2 d ∆cs −( f mo + f ao ) −c c +c −f
a, = ∆ h + ∆f + ∆f m y = 3 ∆cs + 3 so 2 ∆f a + 3mo so ∆f m + 3 mo 2 ∆cm , y se
ho2 ho2 ho /(3a 2 ) ho /(3a 2 )
a
dt 2 gho ho2 dt ho /(3a ) ho /(3a )
d ∆h d ∆ cs
puede simplificar a = a11∆h + b1∆f a + e11∆f m y = a22 ∆cs + b2 ∆f a + e21∆f m + e22 ∆cm . Considerando que fa, fm y cm
dt dt
b1 e11 b2 e21 e22
son entradas, la T.L. indica que, ∆h = ∆f a + ∆f m y ∆cs = ∆f a + ∆f m + ∆cm . Por lo
( s − a11 ) ( s − a11 ) ( s − a22 ) ( s − a22 ) ( s − a22 )
b1
tanto, para una entrada escalón en ∆fa la altura variará de acuerdo a ∆h(t ) = (1 − e a11t )u (t ) y la concentración de acuerdo
− a11
b2
a ∆cs (t ) = (1 − e a22t )u (t ) . Nótese que estas cantidades son variaciones y que la total es la suma con el valor en el punto
− a22
b1
de operación; por ejemplo la altura total es, h(t ) = ho + (1 − e a11t )u (t ) . ♣
−a11
5.3 Solución de Ecuaciones de Diferencias

Similarmente al caso continuo, a continuación se muestra la forma clásica de resolución de ecuaciones
de diferencias basada en la T.Z..
La forma generalizada de una ecuación de diferencias lineal es,
y (kT + nT ) + an −1 y (kT + nT − T ) + " + a1 y (kT + T ) + a0 y (kT ) =
,
bmu (kT + mT ) + bm −1u (kT + mT − T ) + " + b1u (kT + T ) + b0u (kT )
n m
o en su forma resumida como ∑ ai y(kT + iT ) = ∑ biu(kT + iT ) . Al igual que en el caso continuo, la
i =0 i =0
solución de esta ecuación nos proporciona información acerca del comportamiento dinámico y estático
de la variable y para la entrada u. En particular información de la rapidez, valores en S.S., estabilidad,
etc.
Apuntes: 543 214 83
B. Condiciones
Para que exista solución y ésta sea única debe cumplirse que:
• El intervalo de solución es 0 < k < ∞.

• Se supone que u(kT) es una secuencia conocida.
• Se deben conocer las c.i. y(0), y(T), y(2T),…, y(nT-T),
C. Respuesta homogénea y forzada

Respuesta homogénea. La respuesta homogénea del sistema es cuando la entrada se hace
idénticamente nula. La ecuación a resolver es,
y (kT + nT ) + an −1 y (kT + nT − T ) + " + a1 y (kT + T ) + a0 y (kT ) = 0 ,
n
⎧ ⎡ i i −1
⎤⎫ −1
utilizando la T.Z. se tiene que ∑ ⎨ i⎢
i =0 ⎩
a
⎣
z y ( z ) − ∑
k =0
z i − k y (kT ) ⎥ ⎬ = 0 (con,
⎦⎭
∑ = 0 ), lo que resulta en,
k =0
n i −1
∑∑ a z i
i −k
y (kT )
y( z) = i =0 k =0
n
.
∑a zi =0
i
i
Respuesta forzada. La respuesta forzada del sistema es cuando las c.i. de y(kT) son nulas. La ecuación
a resolver es,
y (kT + nT ) + an −1 y (kT + nT − T ) + " + a1 y (kT + T ) + a0 y (kT ) =
,
bmu (kT + mT ) + bm −1u (kT + mT − T ) + " + b1u (kT + T ) + b0u (kT )
n m
⎧ ⎡ i i −1
⎤⎫ −1
utilizando la T.Z. se tiene que ∑
i =0
ai z i
y ( z ) = ∑ ⎨ i⎢
b
i =0 ⎩ ⎣
z u ( z ) − ∑
k =0
s i − k u (kT ) ⎥ ⎬ (con,
⎦⎭
∑ = 0 ), lo que resulta
k =0
en,
m m i −1
∑ bi z i ∑∑ b s i
i −k
u (kT )
y ( s) = i =0
n
u( z) − i =0 k =0
n
.
∑a z
i =0
i
i
∑a z
i =0
i
i
Luego, la respuesta total del sistema es la suma de la respuesta homogénea con la respuesta forzada.
Aplicando la T.Z. inversa, la respuesta total en el dominio de tiempo discreto queda de la siguiente
manera,
⎧ m m i −1
⎫ ⎧ n i −1 i − k ⎫
⎪⎪ ∑ i ∑∑ ⎪⎪ ∑∑ ai z y (kT ) ⎪⎪
i−k
b z i
bi s u ( kT ) ⎪⎪
y (kT ) = Z −1 ⎨ i =n0 u ( z ) − i =0 k =0 n −1
⎬+Z ⎨
i =0 k =0
n ⎬.
⎪ ∑ ai z i
∑ ai z i ⎪ ⎪ ∑ ai z i ⎪
⎩⎪ i =0 i =0 ⎭⎪ ⎩⎪ i =0 ⎭⎪
Def.: Se define el polinomio característico de una ecuación de diferencias como:

Apuntes: 543 214 84
∑a z
i =0
i
i
= z n + an −1 z n −1 + " + a1 z + a0 .
Nótese que el polinomio característico es denominador común en todas las expresiones de la respuesta
total de una ecuación de diferencias lineal.
Ejemplo 5.6. Para el sistema dado por, y (kT + T ) + a0 y (kT ) = b0 u (kT ) , con y(0) = y0 y con u(kT) = u(kT) determine la
expresión para la respuesta en tiempo discreto. R.: Al tomar la T.Z. se tiene que,
z
zy ( z ) − zy (0) + a0 y ( z ) = b0 u ( z ) zy ( z ) − zy (0) + a0 y ( z ) = b0 ,
z −1
por lo que la salida en el plano z es,
b0 z z b0 ⎧ z z ⎫ z
y( z) = + y (0) y( z) = ⎨ − ⎬+ y (0) ,
z + a0 z − 1 z + a0 1 + a0 ⎩ z − 1 z + a0 ⎭ z + a0
por lo que la salida en el plano del tiempo discreto es,

b0 ⎧ z z ⎫ −1 ⎧ z ⎫
y (kT ) = Z −1 ⎨ − ⎬+Z ⎨ y0 ⎬
1 + a0 ⎩ z − 1 z + a0 ⎭ ⎩ z + a0 ⎭
b
y (kT ) = 0 (u (kT ) − (− a0 ) k u (kT )) + y0 (− a0 ) k u (kT ) .
1 + a0
⎧ b ⎫
y (kT ) = ⎨ 0 (1 − (− a0 ) k u (kT )) + y0 (− a0 ) k ⎬ u (kT )
⎩1 + a0 ⎭
En este caso el polinomio característico es z + a0, que es de orden 1 y cuya única raíz es -a0, la cual corresponde al
argumento de la potencia que es parte de la respuesta forzada y homogénea. Nótese que si el módulo de la raíz es menor que
uno; es decir, |-a0| = |a0| < 1, entonces la respuesta converge. Es importante destacar que si se cumple que − a0 = e − a0T y b0
b0 b
= (1 + a0 ) = (1 − e − a0T ) 0 , entonces la respuesta discreta y(kT) es igual a la respuesta continua y(t) del ejemplo anterior
a0 a0
muestreada a intervalos regulares T. Dado que − a0 = e − ( R / L )T , para que |a0| < 1, debe cumplirse que T > 0, con lo que la
respuesta siempre converge. Las formas de onda se encuentran en la Fig. 5.3. ♣
D. Respuesta estacionaria y transitoria

Al igual que el caso continuo se tiene en cada respuesta una parte estacionaria y una transiente,
resultando la respuesta total la suma de ellas.
5 i(kT)
if(kT)
ih(kT) 0
0
1 0 1 2 3 4 5 6
Fig. 5.3 Respuesta discreta.

Apuntes: 543 214 85
Def.: Respuesta estacionaria es la parte de la respuesta total que no se aproxima a cero cuando el
tiempo tiende a infinito. Se abrevia yss.
Def.: Respuesta transitoria es la parte de la respuesta total que se aproxima a cero cuando el tiempo
tiende a infinito.
Ejemplo 5.7. Para el sistema dado por, y (kT + T ) + a0 y (kT ) = b0 u (kT ) , con y(0) = y0 y con u(kT) = u(kT) se encontró que
⎧ b ⎫
la respuesta es y (kT ) = ⎨ 0 (1 − (− a0 ) k u (kT )) + y0 (− a0 ) k ⎬ u (kT ) , determine la parte estacionaria y la transiente. R.: En
⎩1 + a0 ⎭
b
este caso la parte de la respuesta que no se hace cero es yss (kT ) = 0 u (kT ) y la que se hace cero es
1 + a0
⎧ b ⎫
y (kT ) − yss (kT ) = ⎨− 0 (− a0 ) k + y0 (− a0 ) k ⎬ u (kT ) . Nótese que la respuesta estacionaria puede obtenerse haciendo
⎩ 1 + a0 ⎭
y(kT + T) = y(kT), lo que es válido para entrada escalón. ♣
Ejemplo 5.8. Para el problema de la población de conejos se encuentra que la ecuación que rige el crecimiento está dada
por, y(kT + 2T) – y(kT + T) – y(kT) = u(kT), con y(0) = 1, y(T) = 1 y con u(kT) = 0 determine la expresión para la respuesta
en tiempo discreto. R.: Al tomar la T.Z. se tiene que,
z2{y(z) - z-1y(T) - z-2y(0)} - z{y(z) - z-1y(0)} – y(z) = 0 {z2y(z) - z1 – 1} – {y(z) – 1} – y(z) = 0,
por lo que la salida en el plano z es,
⎧ ⎫
⎪ ⎪
z2 ⎪1 + 5 z 1− 5 z ⎪
y( z) = = y( z) = ⎨ − ⎬,
z − z −1
2
⎪ 2 5 z − ⎪⎧1 + 5 ⎪⎫ 2 5 z − ⎪⎧1 − 5 ⎪⎫ ⎪
⎪ ⎨ ⎬ ⎨ ⎬⎪
⎩ ⎪⎩ 2 ⎭⎪ ⎩⎪ 2 ⎭⎪ ⎭
por lo que la salida en el plano del tiempo discreto es,
⎧⎪1 + 5 ⎪⎧1 + 5 ⎪⎫k 1 − 5 ⎧⎪1 − 5 ⎪⎫k ⎪⎫ ⎧⎧1 + 5 ⎪⎫k +1 ⎪⎧1 − 5 ⎪⎫k +1 ⎪⎫
1 ⎪⎪
y (kT ) = ⎨ ⎨ ⎬ − ⎨ ⎬ ⎬ u (kT ) = ⎨⎨ ⎬ −⎨ ⎬ ⎬ u (kT ) .
⎪⎩ 2 5 ⎩⎪ 2 ⎭⎪ 2 5 ⎪⎩ 2 ⎭⎪ ⎪
⎭
5 ⎪⎩⎪ 2 ⎭⎪
⎩ ⎩⎪ 2 ⎭⎪ ⎪⎭
No es evidente que al evaluar la expresión resulte en números enteros; sin embargo y por ejemplo, y(15) = 987. Por otro
1+ 5 1− 5
lado, el polinomio característico es z2 – z -1, que es de orden 2 y con raíces en >1y < 1. Por lo que la
2 2
solución diverge a medida que k aumenta (razonable si se piensa que la población de conejos aumenta indefinidamente. Se
1+ 5
destaca que y(kT+T)/y(kT) → a medida que k → ∝. ♣
2
5.4 Solución de Ecuaciones de Estados

Este caso es interesante puesto que la tendencia es obtener modelos de sistemas físicos en variables de
estados. Se utilizan métodos en el plano del tiempo t y complejo s.

Apuntes: 543 214 86
El circuito de la Fig. 5.1 tiene asociado una ecuación diferencial dada por,
di (t )
e(t ) = Ri (t ) + L + vc (t ) ,
dt
si se define, x1 = vc, x2 = i, y la salida y = i, entonces el modelo en variables de estado es,
⎡ x1 (t ) ⎤ ⎡ 0 1/ C ⎤ ⎡ x1 (t ) ⎤ ⎡ 0 ⎤ ⎡ x (t ) ⎤
⎢ x (t ) ⎥ = ⎢ −1/ L − R / L ⎥ ⎢ x (t ) ⎥ + ⎢1/ L ⎥ u (t ), y (t ) = [0 1] ⎢ 1 ⎥ .
⎣ 2 ⎦ ⎣ ⎦⎣ 2 ⎦ ⎣ ⎦ ⎣ x2 (t ) ⎦
En forma general, la ecuación de estado de un sistema lineal se puede escribir como (sin considerar las
perturbaciones p),
x = Ax + Bu, y = Cx + Du,
y solucionarla significa encontrar x(t) y por lo tanto y(t).
B. Condiciones
A diferencia de la solución de ecuaciones diferenciales donde es necesario conocer las c.i. y(0),
dy/dt(0),…, y(n-1)(0), en esta representación se necesita conocer como c.i. al vector x(0).
C. Solución homogénea y solución forzada de las ecuaciones de estado

Solución homogénea. Una de las características de los sistemas lineales es que se pueden obtener
soluciones analíticas de las ecuaciones que describen su comportamiento. Para obtener la respuesta
homogénea se hace u(t) = 0. Así el sistema a solucionar es,
x = Ax, y = Cx,
Se deriva la ecuación x = dx/dt = Ax sucesivamente, por lo que se puede escribir,
x = Ax
x = Ax = AAx = A 2 x
,
#
x (k ) = A k x
de donde se puede observar que x(k)(0) = Akx(0) = Akx0. Como Ak existe para todo k finito, x(t) se
puede expresar utilizando Taylor como,
1 1
x(t ) = x(0) + x (t ) t =0 t +
x(t ) t =0 t 2 + " + x( k ) (t ) t k + "

2! k! t =0
1 1
= x0 + Ax 0t + A 2 x 0t 2 + " + A k x 0t k + " ,
2! k!
⎛ 1 1 ⎞
= ⎜ I + At + A 2t 2 + " + A k t k + " ⎟ x 0
⎝ 2! k! ⎠
el término en paréntesis siempre converge y por su similitud con la serie de Taylor de una exponencial
se denota como eAt, es más, se le conoce como matriz de transición de estados.
Def.: La matriz de transición de estados Φ(t) se define por,

Apuntes: 543 214 87
∞
1 22 1
Φ(t ) = e At = I + At + A t + " = ∑ Akt k .
2! k =0 k !
Si bien la expresión como serie infinita para la matriz de transición es generalizada, su utilización se da
sólo por algoritmos numéricos. No es el caso cuando la matriz A es diagonal; es decir, A = diag{λ1,
λ2,…, λn}, pues en este caso,
⎡λ1 0
k
" 0⎤ ⎡λ1k 0 " 0⎤
⎢ ⎢ ⎥
∞
1 k k ∞
1 ⎢ 0 λ2 " 0 ⎥⎥ k ∞ 1 ⎢ 0 λ k2 " 0⎥ k
Φ(t ) = ∑ A t = ∑ t =∑ t ,
k =0 k ! k =0 k ! ⎢ # # % #⎥ ⎢
k =0 k ! # # % # ⎥
⎢ ⎥ ⎢ ⎥
⎣0 0 " λn ⎦ ⎣⎢ 0 0 " λ kn ⎥⎦
⎡∞ 1 k k ⎤
⎢ ∑ k ! λ1 t 0 " ⎥ 0
⎢ k =0 ⎥ ⎡eλ1t 0 " ⎤
0
⎢ ∞
1 k k ⎥ ⎢ ⎥
=⎢
0 ∑
k =0 k !
λ 2t " 0 ⎥=⎢ 0 e λ 2t " 0
⎥.
⎢ ⎥ ⎢ # # % ⎥
#
⎢ # # % # ⎥ ⎢ ⎥
⎢ ⎥ 0 0 " eλ nt ⎦
∞
1 k k⎥ ⎣
⎢ 0 0 " ∑ λ nt
⎢⎣ k =0 k ! ⎥⎦
Algunas propiedades de Φ(t) = eAt son,

e A0 = I
e A ( t1 +t2 ) = e At1 e At2
( e At ) −1 = e − At
e A t = ( e At ) T .
T
Ae At = e At A
d At
e = Ae At
dt
Finalmente, la respuesta homogénea es,
x(t ) = Φ(t )x 0 = e At x 0 , y (t ) = CΦ(t )x0 = Ce At x 0 .
Una forma alternativa de obtener la respuesta homogénea es aplicando la T.L. a dx/dt = Ax, lo que
resulta en,
sx( s ) − x(0) = Ax( s )
( sI − A ) x ( s ) = x 0 ,
−1
x ( s ) = ( sI − A ) x 0
por lo tanto,
x(t ) = L−1{( sI − A) −1}x 0 .

Apuntes: 543 214 88
Al comparar este resultado con el obtenido mediante series de Taylor se puede concluir que,
Φ(t ) = e At = L−1{( sI − A) −1} o Φ( s ) = ( sI − A) −1 .
Contrariamente a la serie infinita, este último resultado es de gran utilidad para el cálculo manual de
Φ(t). La respuesta homogénea es,
y (t ) = Cx(t ) = Ce At x0 = CΦ(t )x0 = CL−1{( sI − A) −1}x 0 .
⎡0 1⎤ ⎡0⎤
Ejemplo 5.9. Dado el sistema descrito por x = Ax + Bu , y = Cx + Du , donde A = ⎢ ⎥ , B = ⎢ ⎥ , C = [1 0] y
⎣ − 2 − 3⎦ ⎣ 1⎦
⎡s −1 ⎤
D = [0] . Determine Φ(t) y x(t) con u(t) = 0, x0 = [1 1]T. R.: En este caso: sI − A = ⎢ ⎥ , por lo que, Φ( s ) = ( sI − A)
−1
⎣2 s + 3⎦
1 ⎡ s + 3 1⎤ ⎡ 2 e − t − e −2 t e − t − e −2 t ⎤
= ⎢ ⎥ , finalmente, Φ (t ) = L−1
{Φ ( s )} = ⎢ −t −2t ⎥ . La respuesta homogénea es
s 2 + 3s + 2 ⎣ − 2 s ⎦ ⎣ − 2e + 2 e − e − t + 2e − 2 t ⎦
⎡ 2 e − t − e −2 t + e − t − e −2 t ⎤
x(t ) = Φ(t )x0 = ⎢ −t − 2t −t −2t ⎥
. La Fig. 5.4 muestra gráficamente cómo evoluciona el vector x(t) a partir de
⎣ − 2 e + 2e − e + 2 e ⎦
su condición inicial x0. Nótese que la representación es en un plano dado que hay dos variables de estado; es decir, n = 2. ♣
Solución forzada. Para obtener la respuesta forzada se consideran las c.i. nulas, es decir, x(0) = 0. Así,
el sistema a solucionar es,
x = Ax + Bu, y = Cx + Du,
aplicando la T.L a ambos miembros se tiene,
sx( s ) = Ax ( s ) + Bu( s ), y ( s ) = Cx( s ) + Du( s ) , ( sI − A )x( s ) = Bu( s ), y ( s ) = Cx( s ) + Du( s )
multiplicando la primera ecuación anterior por la izquierda por el factor (sI - A)-1 se obtiene,
x( s ) = ( sI − A) −1 Bu( s) = Φ( s)Bu( s ) ,
por lo que los estados x(t) para c.i. nulas son,
t t
x(t ) = ∫ e A (t −τ ) Bu(τ)d τ = ∫ Φ(t − τ)Bu(τ)d τ .
0 0
Por otro lado, la salida queda como,
x2(t)
x(0) = x0
1.0
0
x(t)
-1.0
1 0 x1(t)
Fig. 5.4 Representación gráfica de la respuesta homogénea.

Apuntes: 543 214 89
y ( s ) = C( sI − A) −1 Bu( s ) + Du( s ) .
por lo que la respuesta en el tiempo es,
t
y (t ) = ∫ Ce A ( t − τ ) Bu( τ)dτ + Du(t ) .
0
Dado que el sistema es lineal, la respuesta total de estos sistemas puede ser escrita como la suma de la
respuesta homogénea y la forzada. Así los estados x(t) estarían dados por,
t
x(t ) = Φ(t )x 0 + ∫ Φ(t − τ)Bu(τ)d τ ó x( s ) = Φ( s )x 0 + Φ( s)Bu( s ) ,
0
y la salida por,
t
y (t ) = CΦ(t )x 0 + ∫ CΦ(t − τ)Bu(τ)d τ + Du(t ) ,
0
o bien
y ( s ) = CΦ( s )x0 + CΦ( s )Bu( s ) + Du( s ) .
⎡0 1⎤ ⎡0⎤
Ejemplo 5.10. Dado el sistema descrito por x = Ax + Bu , y = Cx + Du , donde A = ⎢
− 2 − 3⎥ , B = ⎢1⎥ , C = [1 0] y
⎣ ⎦ ⎣ ⎦
D = [0] . Determine x(t) con u(t) = u(t), x0 = [0 0]T. R.: En este caso se encontró que Φ(t ) =
⎡ 2 e − t − e −2 t e − t − e −2 t ⎤ t t
=⎢ −t −2t ⎥, por lo que x(t) = e At x 0 + ∫ e A (t −τ ) Bu(τ)d τ = ∫ Φ(t − τ)Bu(τ)d τ =
⎣ − 2e + 2 e − e − t + 2e − 2 t ⎦ 0 0
⎡ 2e − (t −τ ) − e −2(t −τ ) e − (t −τ ) − e −2( t −τ ) ⎤ ⎡0 ⎤ ⎡ e − (t −τ ) − e −2(t −τ ) ⎤ ⎡ 0.5 − e − t + 0.5e−2t ⎤

∫0 ⎢⎣−2e−(t −τ) + 2e−2(t −τ)
t
∫0 ⎢⎣−e−(t −τ) + 2e−2(t −τ) ⎥⎦
t
⎥ ⎢ ⎥ u ( τ) d τ = u ( τ ) d τ = ⎢ ⎥.♣
−e − (t −τ ) + 2e−2( t −τ ) ⎦ ⎣1 ⎦ −t
⎣ e − 2e
−2 t
⎦
d ∆h − a 2 kv g a2 a2
Ejemplo 5.11. El estanque de la Fig. 2.20 tiene por modelo linealizado a, = ∆ h + ∆f + ∆f m y
ho2 ho2
a
dt 2 gho ho2
d ∆cs −( f mo + f ao ) −c c +c −f
= 3 2
∆cs + 3 so 2 ∆f a + 3mo so2
∆f m + 3 mo 2 ∆cm , donde el punto de operación está dado por las
dt ho /(3a ) ho /(3a ) ho /(3a ) ho /(3a )
ecuaciones, f mo + f ao − kv gho = 0 y f mo cmo − f mo cso − f ao cso = 0 , definiendo, ∆x1 = ∆h, ∆x2 = ∆cs, ∆u = ∆fa, ∆p1 = ∆fm y
⎡ a 2 gkv ⎤
⎢ − 2
0 ⎥
∆p2 = ∆cm, el modelo en variables de estado queda descrito por A = ⎢⎢
2 x1o gx1o ⎥ = ⎡ a11 0 ⎤ ,
⎢ ⎥
⎢ 3a 2 ( p1o + uo ) ⎥⎥ ⎣ 0 a22 ⎦
0 −
⎢⎣ x13o ⎥⎦
⎡ a2 ⎤ ⎡ a2 ⎤
⎢ 2 ⎥ ⎢ 2
0 ⎥
b=⎢
x1o ⎥ = ⎡ 1⎤ , E = ⎢
b x1o ⎥ = ⎡ e11 0 ⎤ . Determine ∆x(t) con ∆u(t) = u(t), ∆x = [0 0]T. R.: En
⎢
⎢ 3a x ⎥ ⎣b2 ⎦
2 ⎥ ⎢ 3a ( p − x ) 3a p ⎥ ⎢⎣ e21 e22 ⎥⎦
2 2 0
⎢− 3 2 o ⎥ ⎢ 2o 2o 1o
⎥
⎢⎣ x1o ⎥⎦ ⎢⎣ x13o x13o ⎥⎦

Apuntes: 543 214 90
⎡ e a11t 0 ⎤ t
⎥ , por lo que ∆x(t) = e ∆x 0 + ∫0 e
A ( t −τ )
este caso la matriz de transición es simplemente Φ(t ) = ⎢ At
b ∆ u ( τ) d τ =
⎣ 0
a22 t
e ⎦
⎡ −b1 ⎤
⎢ a (1 − e )u (t ) ⎥
a11t
⎡e a11 (t −τ ) 0 ⎤ ⎡ b1 ⎤ t ⎡ e 11 b1 ⎤
a ( t −τ )
⎥ ⎢ ⎥ u (τ)d τ = ∫0 ⎢ a22 (t −τ ) ⎥ d τ = ⎢⎢ ⎥.♣

t
∫ ∫0 ⎢⎣ 0
t 11
Φ(t − τ)b∆u (τ)d τ =
0 e a22 (t −τ) ⎦ ⎣b2 ⎦ ⎣ e b2⎦
−b ⎥
⎢
2
(1 − e )u (t ) ⎥
a22 t
⎣ a22 ⎦
5.5 Solución de Ecuaciones de Diferencias de Estado

En esta sección, el concepto de dinámicas discretas representadas por ecuaciones de diferencias se
combina con el álgebra lineal para estudiar a los sistemas dinámicos en el espacio de estados discretos.
Este enfoque se basa en el concepto de sistemas de ecuaciones de primer orden.
En forma similar al caso continuo, se define la representación en ecuaciones de diferencias para el
espacio de estados de un sistema SISO lineal e invariante en el tiempo como (sin considerar las
posibles perturbaciones p(kT)),
x(kT + T)= Ax(kT) + Bu(kT), y(kT) = Cx(kT) + Du(kT),
donde x(kT) de orden n es el vector de estados, ya que es una descripción completa del sistema al
instante de tiempo kT. El vector u(kT) es la entrada del sistema e y(kT) es la salida, la cual puede ser un
estado del sistema o bien una combinación lineal de estos y puede estar forzada o no por la entrada
u(kT).
B. Condiciones
A diferencia de la solución de ecuaciones de diferencia, en esta representación se necesita conocer
como condición inicial al vector x(0) = x0.
C. Solución homogénea y solución forzada

Solución homogénea. La entrada es nula y en el espacio de estados discretos, la representación para
los sistemas no forzados es la siguiente,
x(kT + T)= Ax(kT), y(kT) = Cx(kT),
este tipo de sistemas pueden ser resueltos en forma recursiva una vez que el vector de c.i. es
especificado. Mediante sustituciones repetidas, se obtiene,
x(T ) = Ax(0) = Ax0
x(2T ) = Ax(T ) = AAx 0 = A 2 x 0
.
#
x(kT ) = A k x 0
Por analogía al caso continuo se introduce la matriz de transición de estados discreta.
Def.: La matriz de transición de estados discreta Φ(kT) se define por,

Apuntes: 543 214 91
Φ(kT ) = A k .
Finalmente, la respuesta homogénea es,

x(kT ) = Φ(kT )x0 = A k x0 , y (kT ) = CΦ(kT )x0 = CA k x0 .
Una forma alternativa de obtener la respuesta homogénea es aplicando la T.Z. a x(kT + T) = Ax(kT), lo
que resulta en,
zx( z ) − zx(0) = Ax( z )
( zI − A ) x ( z ) = zx 0 ,
−1
x ( z ) = ( zI − A ) z x 0
por lo tanto,
x(kT ) = Z −1{( zI − A) −1 z}x 0 .
Al comparar este resultado con el obtenido anteriormente se puede concluir que,
Φ(kT ) = A k = Z −1{( zI − A) −1 z} ó Φ( z ) = ( zI − A) −1 z .
Así, la respuesta homogénea es,
y (kT ) = Cx(kT ) = CA k x 0 = CΦ(kT )x 0 = CZ −1{( zI − A) −1 z}x 0 .
Solución forzada. Para obtener la respuesta forzada se consideran las c.i. nulas, es decir, x(0) = 0. Así,
el sistema a solucionar es,
x(kT + T)= Ax(kT) + Bu(kT), y(kT) = Cx(kT) + Du(kT),
aplicando la T.Z a ambos miembros se tiene,
zx( z ) = Ax( z ) + Bu( z ), y ( z ) = Cx( z ) + Du( z ) , ( zI − A)x( z ) = Bu( z ), y ( z ) = Cx( z ) + Du( z )
multiplicando la primera ecuación anterior por la izquierda por el factor (zI - A)-1 se obtiene,
x( z ) = ( zI − A) −1 Bu( z ) = z −1Φ( z )Bu( z ) ,
por lo que los estados x(kT) para c.i. nulas son,
k −1
x(kT ) = ∑ Φ(kT − T − iT )Bu(iT ) .
i =0
Por otro lado, la salida queda como,

y ( z ) = C( zI − A ) −1 Bu( z ) + Du( z ) ,
k −1
y (kT ) = ∑ Φ(kT − T − iT )Bu(iT ) + Du(kT ) .
i =0
Dado que el sistema es lineal, la respuesta total de estos sistemas puede ser escrita como la suma de la
respuesta homogénea y la forzada. Así los estados x(kT) estarían dados por,

Apuntes: 543 214 92
k −1
x(kT ) = Φ(kT )x0 + ∑ Φ(kT − T − iT )Bu(iT ) o x( z ) = Φ( z )x 0 + z −1Φ( z )Bu( z ) ,
i =0
y la salida por,
k −1
y (kT ) = CΦ(kT )x0 + ∑ CΦ(kT − T − iT )Bu(iT ) + Du(kT ) ,
i =0
o bien,
y ( z ) = CΦ( z )x0 + Cz −1Φ( z )Bu( z ) + Du( z ) .
Ejemplo 5.12. Dado el circuito de la Fig. 5.1 con R = 3, L = 1.5 y C = 0.005 se encuentra que el modelo continuo de
⎡ x (t ) ⎤ ⎡ 0 1/ C ⎤ ⎡ x1 (t ) ⎤ ⎡ 0 ⎤ ⎡ 0 20 ⎤ ⎡ x1 (t ) ⎤ ⎡ 0 ⎤
segundo orden está dado por ⎢ 1 ⎥ = ⎢ ⎥ ⎢ ⎥ +⎢ ⎥ u (t ) = ⎢ ⎥⎢ ⎥+⎢ ⎥ u (t ) . La
⎣ x2 (t ) ⎦ ⎣ −1/ L − R / L ⎦ ⎣ x2 (t ) ⎦ ⎣1/ L ⎦ ⎣ −0.667 −2 ⎦ ⎣ x2 (t ) ⎦ ⎣ 0.667 ⎦
simulación de este caso para entrada escalón se ilustran en la Fig. 5.5 Al considerar ahora el sistema discreto también de
⎡ x (kT + T ) ⎤ ⎡ 0.867 2.464 ⎤ ⎡ x1 (kT ) ⎤ ⎡ 0.133⎤
segundo orden dado por ⎢ 1 ⎥=⎢ ⎥⎢ ⎥+⎢ ⎥ u (kT ) y simularlo para entrada escalón se
⎣ x2 (kT + T ) ⎦ ⎣ −0.082 0.621⎦ ⎣ x2 (kT ) ⎦ ⎣0.082 ⎦
encuentran los resultados ilustrados en la Fig. 5.5. Es claro que el sistema discreto corresponde al caso continuo muestreado.
Más adelante se mostrará una forma sistemática para encontrar el modelo discreto equivalente de un modelo continuo. ♣
1.5
x1(t)
1
0.5
x2(t)
0
0.5
0 1 2 3 4 5 6
2
1.5
x1(kT)
1
0.5
x2(kT)
0
0.5
0 1 2 3 4 5 6
Fig. 5.5 Respuesta continua y discreta del circuito RLC ante entrada escalón y c.i. x0 = [2 0]T.

Apuntes: 543 214 93
6 Funciones de Transferencia
Una alternativa de caracterizar a los sistemas lineales es a través de su respuesta

a impulso. En este capítulo se introduce el concepto de Función de Transferencia.
Esta alternativa aporta con nuevas opciones de caracterización, incluyendo
estudios de estabilidad y de comportamiento estacionario y transiente. El
concepto es extendido a sistemas discretos, sistemas con retardo y sistemas tipo
MIMO.
6.1 Introducción
La idea es caracterizar un sistema. Hasta ahora se tiene la respuesta a impulso como característica de un
sistema lineal. En un sistema continuo se tiene que,
∞
y (t ) = h(t ) * u (t ) = ∫ h(t − τ)u (τ)d τ ,
−∞
y en un sistema discreto,
∞
y (kT ) = h(kT ) * u (kT ) = ∑ h(kT − iT )u(iT ) ,
i =−∞
donde h(t) y h(kT) son las respuestas a impulso de un sistema continuo y uno discreto, respectivamente.
El tener las expresiones explícitas o gráficas de estas funciones no son de gran ayuda. Sin embargo, se
encuentra que un análisis de éstas en el plano de la frecuencia aporta información de gran ayuda.
6.2 En el Plano Continuo

Si se tiene una ecuación diferencial que relaciona la entrada u(t) con la salida y(t), entonces:
⎧ m m i −1
+ ⎫ ⎧ n i −1 i −1− k ( k ) + ⎫
⎪ ∑
−1 ⎪ i = 0
bi s i
∑∑ bi s i −1− k ( k )
u (0 ) ⎪⎪ ⎪ ∑∑ ai s
−1 ⎪ i = 0 k = 0
y (0 ) ⎪
⎪
y (t ) = L ⎨ n u ( s) − i =0 k =0
n ⎬+L ⎨ n ⎬,
⎪ ∑ ai s i ∑ ai s i ⎪ ⎪ ∑ ai s i ⎪
⎩⎪ i =0 i =0 ⎭⎪ ⎩⎪ i =0 ⎭⎪
que se puede escribir en el plano s como,
m m i −1 n i −1
∑ bi si ∑∑ bi si−1−k u ( k ) (0+ ) ∑∑ a s i
i −1− k
y ( k ) (0+ )
y ( s) = i =0
n
u ( s) − i =0 k =0
n
+ i =0 k =0
n
,
∑a s
i =0
i
i
∑a s
i =0
i
i
∑a s
i =0
i
i
o bien abreviadamente,
m
∑b s i
i
y ( s) = i =0
n
u ( s ) + T.C.I. ,
∑a si =0
i
i

Apuntes: 543 214 94
donde T.C.I. son los términos debidos a las c.i. tanto en la entrada como de la salida.
Def.: Se define la Función de Transferencia (F. de T.) h(s) como el factor en la ecuación de y(s) que
multiplica la entrada u(s), considerando c.i. nulas. Por lo tanto,
m
∑b s i
i
bm s m + bm −1s m −1 + " + b1s + b0
h( s ) = i =0
= n .
n
s + an −1s n −1 + " + a1s + a0
∑a s
i =0
i
i
Si las c.i. son nulas, se tiene que y(s) = h(s)u(s). Considerando que,
m
n( s ) ∏ (s + z ) i
h( s ) = = i =1
,
d ( s) n
∏ (s + p )
i =1
i
se definen los conceptos de polos y ceros de una F. de T..
Def.: Los polos de h(s) son las raíces del denominador d(s).
Def.: Los ceros de h(s) son las raíces del numerador n(s).
Si h(s) no tiene polos ni ceros con partes reales positivas, el sistema es de fase mínima.
Un valor importante que también caracteriza una F. de T. es el valor en S.S. que se logra para una
entrada escalón. Este valor se define a continuación.
Def.: El valor de la respuesta en S.S. para entrada escalón de un sistema se conoce como ganancia dc.
En un sistema continuo se determina como,
lim y (t ) = lim sy ( s ) = lim sh( s )u ( s ) = lim sh( s )1/ s = lim h( s ) = h(0) .
t →∞ s →0 s →0 s →0 s →0
Ejemplo 6.1. Estudiar las F. de T. para los siguientes sistemas. (a) dy/dt + a0y = b0u se tiene que la F. de T. es
b
h( s ) = 0 . Por lo tanto, ceros: no tiene; polo: -a0. La respuesta a entrada escalón converge si a0 es positivo. El sistema es
s + a0
de fase mínima. La ganancia dc es b0/a0. (b) d2y/dt2 + 3dy/dt + 2y = du/dt - u. La función de transferencia es
s −1 s −1
h( s ) = 2 = . Por lo tanto, cero: 1; polos: -1 y -2. La respuesta a entrada escalón converge. El sistema
s + 3s + 2 ( s + 1)( s + 2)
es de fase no mínima. La ganancia dc es -1/2. (c) d2y/dt2 +2dy/dt + 2y = du/dt + 2u. La función de transferencia es
s+2 s+2
h( s ) = 2 = . Por lo tanto, cero: -2; polos: -1 + j y -1 - j. La respuesta a entrada escalón
s + 2 s + 2 ( s + 1 + j )( s + 1 − j )

Apuntes: 543 214 95
converge. La ganancia dc es 1. El sistema es de fase mínima. Los polos y ceros se pueden representar en un plano complejo
como ilustrado en la Fig. 6.1. ♣
Si ahora consideramos al representación de un sistema en sus variables de estado, pero con una entrada
y una salida, se tiene,
x (t)= Ax(t) + bu(t), y(t) = cx(t) + du(t),
al tomar la T.L. se obtiene,
sx(s) – x0 = Ax(s) + bu(s), y(s) = cx(s) + du(s),
lo que resulta en
(sI – A)x(s) = x0 + bu(s), y(s) = cx(s) + du(s),
x(s) = (sI – A)-1(x0 + bu(s)), y(s) = cx(s) + du(s),
y(s) = c(sI – A)-1(x0 + bu(s)) + du(s),

al considerar las c.i. nulas se tiene finalmente que,
Adj( sI − A)
y(s) = c(sI – A)-1bu(s) + du(s) = c bu(s) + du(s),
det{sI − A}
por lo que la F. de T. en función de la representación en variables de estado es igual a,
Adj( sI − A)
h(s) = c(sI – A)-1b + d = c b + d,
det{sI − A}
Nótese que en este caso la ganancia dc puede calcularse como h(0) = c(– A)-1b + d.
⎡ −3 4 ⎤ ⎡1 ⎤
Ejemplo 6.2. Para el sistema dado por: A = ⎢ ⎥ , b = ⎢ ⎥ , c = [1 -1], d = 0 determine la F. de T.. R.: En este caso se
⎣ 1 −3⎦ ⎣0⎦
−1
⎡ s + 3 −4 ⎤ 1 ⎡s + 3 4 ⎤ 1 ⎡s + 3 4 ⎤
tiene que (sI - A)-1 = = = =
⎢ −1 s + 3⎥
⎣ ⎦ ( s + 3)( s + 3) − 4 ⎢⎣ 1 s + 3⎥⎦ s 2 + 6s + 5 ⎣⎢ 1 s + 3⎦⎥
1 ⎡s + 3 4 ⎤ s+2
⎢ , por lo que h(s) = c(sI – A)-1b + d = .♣
( s + 5)( s + 1) ⎣ 1 s + 3⎥⎦ ( s + 5)( s + 1)
Ejemplo 6.3. Para el sistema mostrado en la Fig. 6.2(a), obtenga sus F. de T.. R.: El modelo está dado por las ecuaciones
j j j x
0 x 0 x x o 0 o
-a0 -2 -1
-j -j -j x
a) 2 0 2 b) 2 0 2 c) 2 0 2
Fig. 6.1 Polos y ceros de F. de T. continuas; a) sistema de 1er orden, b) y c) sistemas de segundo orden.

Apuntes: 543 214 96
dia dω
L = va − Ria − km ω y J l = km ia − d ω − tl . Tomando T.L se obtiene sLia = va – Ria - kmω y sJlω = kmia – dω - tl. Al
dt dt
v − km ω
despejar ia de la 1era ecuación se obtiene ia = a , reemplazando el resultado en la 2da se obtiene,
Ls + R
R
s+
va − km ω km 1 −1 L
sJ l ω = km − d ω − tl , o bien, ω( s ) = va ( s ) + tl ( s ) . Si por
Ls + R Jl L 2 ⎡ R d ⎤ km2 + dR Jl 2 ⎡ R d ⎤ k 2 + dR
s +⎢ + ⎥s+ s +⎢ + ⎥s+ m
⎣ L Jl ⎦ Jl L ⎣ L Jl ⎦ Jl L
km ia + tl
el contrario, la salida es la corriente ia, entonces, se puede despejar ω de la 2da ecuación, lo que resulta en ω = ,
Jl s + d
k m ia − tl
reemplazando este resultado en la 1era ecuación es, va = sLia + Ria + km , lo que al ser ordenado resulta en,
Jl s + d
d
s+
1 Jl k 1
ia ( s ) = va ( s ) + m tl ( s ) . En resumen se pueden distinguir cuatro F. de
L ⎡R d ⎤ k + dR
2
Jl L 2 ⎡ R d ⎤ k 2 + dR
s2 + ⎢ + ⎥ s + m s +⎢ + ⎥s+ m
T.s, de acuerdo a ω(s) = hωva(s)va(s) + hωtl(s)tl(s), ia(s) = hiava(s)va(s) + hiatl(s)tl(s). Así el cero asociado a hωtl(s) está dado por
–R/L = -24 y el asociado hiava(s) está dado por –d/J = -0.593. Los polos son únicos y están dados por las raíces de
⎡R d ⎤ k 2 + dR
s2 + ⎢ + ⎥ s + m , que resultan ser -3.151 y -21.442, Fig. 6.2(b). Las ganancias dc resultan ser hωva(s) = 1.316,
⎣ L Jl ⎦ Jl L
hωtl(s) = -2.632, hiava(s) = 0.175, hiatl(s) = 1.316. Estos valores quedan evidenciados en las respuestas mostradas en la Fig.
6.2(c) para va(t) = 3u(t - 1). ♣
6.3 En el Plano Discreto

Si se tiene una ecuación de diferencias que relaciona la entrada u(kT) con la salida y(kT), entonces:
+ va - - vf + a) -21.442
j hωtl(s)
ω, tl, Jl
ia if
d 0 ox x
-j -24 -3.151
ω, te
carga
máquina cc
b) 20 0 2
5
4
ω
3
2
ia
1 tl
c)
0
0 1 2 3 4 5 6 7 8 9 10
Fig. 6.2 F. de T. de la máquina c.c.; a) esquema, b) polos y ceros de hωtl(s), c) respuesta dinámica.

Apuntes: 543 214 97
⎧ m m i −1
⎫ ⎧ n i −1 i − k ⎫
⎪⎪ ∑ i ∑∑ ⎪⎪ ∑∑ ai z y (kT ) ⎪⎪
i −k
b z i
bi s u ( kT ) ⎪⎪
y (kT ) = Z −1 ⎨ i =n0 u ( z ) − i =0 k =0 n −1
⎬+Z ⎨
i =0 k =0
n ⎬
⎪ ∑ ai z i ∑ ai z i ⎪ ⎪ ∑ ai z i ⎪
⎪⎩ i =0 i =0 ⎪
⎭ ⎪
⎩ i =0 ⎪⎭
que se puede escribir en el plano z como,
m m i −1 n i −1
∑ bi z i ∑∑ bi si −k u (kT ) ∑∑ a z i
i−k
y (kT )
y( z) = i =0
n
u( z) − i =0 k =0
n
+ i =0 k =0
n
∑ ai z
i =0
i
∑ ai z
i =0
i
∑a zi =0
i
i
o bien abreviadamente,
m
∑b z i
i
y( z) = i =0
n
u ( z ) + T.C.I.
∑a z
i =0
i
i
donde T.C.I. son los términos debidos a las c.i. tanto en la entrada como de la salida.
Def.: Se define la Función de Transferencia (F. de T.) h(z) como el factor en la ecuación de y(z) que
multiplica la entrada u(z), considerando c.i. nulas. Por lo tanto,
m
∑b z i
i
bm z m + bm −1 z m −1 + " + b1 z + b0
h( z ) = i =0
= .
n
z n + an −1 z n −1 + " + a1 z + a0
∑a z
i =0
i
i
Si las c.i. son nulas, se tiene que y(z) = h(z)u(z). Considerando que,
m
n( z ) ∏ (z + z ) i
h( z ) = = i =1
,
d ( z) n
∏ (z + p )
i =1
i
se definen los conceptos de polos y ceros de una F. de T..
Def.: Los polos de h(z) son las raíces del denominador d(z).
Def.: Los ceros de h(z) son las raíces del numerador n(z).
Si h(z) no tiene polos ni ceros cuyo módulo sea mayor que uno, el sistema es de fase mínima.
Al igual que en sistemas continuos, un valor importante que también caracteriza una F. de T. es el valor
en S.S. que se logra para una entrada escalón. Este valor se define a continuación.

Apuntes: 543 214 98
Def.: El valor de la respuesta en S.S. para entrada escalón de un sistema discreto se conoce como
ganancia dc. En un sistema discreto se determina como,
z −1 z −1 z −1 z
lim y (kT ) = lim y ( z ) = lim h( z )u ( z ) = lim h( z ) = lim h( z ) = h(1) .
k →∞ z →1 z z →1 z z →1 z z − 1 z →1
Ejemplo 6.4. Estudiar las F. de T. para los siguientes sistemas. (a) y(kT+T) + a0y(kT) = b0u(kT) se tiene que la F. de T. es
b
h( z ) = 0 . Por lo tanto, ceros: no tiene; polo: -a0. La respuesta a entrada escalón converge si |a0| es menor que uno. El
z + a0
sistema es de fase mínima si |a0| es menor que uno La ganancia dc es b0/(1+a0). (b) y(kT+2T) + 1.1y(kT+T) + 0.3y(kT) =
z 2 + 0.2 z z ( z + 0.2) z ( z + 0.2)
u(kT+2T) + 0.2u(kT). La función de transferencia es h( z ) = 2 = 2 = . Por lo tanto,
z + 1.1z + 0.3 z + 1.1z + 0.3 ( z + 0.5)( z + 0.6)
cero: -0.2; polos: -0.5 y -0.6. La respuesta a entrada escalón converge. El sistema es de fase no mínima. La ganancia dc es
1.2/(1.5·1.6) = 0.5. Similarmente al caso continuo, los polos y ceros se pueden representar en un plano complejo como
ilustrado en la Fig. 6.3. ♣
Si ahora consideramos al representación de un sistema en sus variables de estado, pero con una entrada
y una salida, se tiene,
x(kT+T)= Ax(kT) + bu(kT), y(kT) = cx(kT) + du(kT),
al tomar la T.Z. se obtiene,
zx(z) - zx0 = Ax(z) + bu(z), y(z) = cx(z) + du(z),
lo que resulta en,
(zI – A)x(z) = zx0 + bu(z), y(z) = cx(z) + du(z),
x(z) = (zI – A)-1(zx0 + bu(z)), y(z) = cx(z) + du(z),
y(z) = c(zI – A)-1(zx0 + bu(z)) + du(z),

al considerar las c.i. nulas se tiene finalmente que,
Adj( zI − A)
y(z) = c(zI – A)-1bu(z) + du(z) = c bu(z) + du(z),
det{zI − A}
por lo que la F.de T. en función de la representación en variables de estado es igual a,
j j
0 x 0 xx oo
-a0 0
-j -j -0.6
-0.5 -0.2
a) 2 0 2 b) 2 0 2
Fig. 6.3 Polos y ceros de F. de T. discretas; a) sistema de 1er orden, b) sistemas de segundo orden.

Apuntes: 543 214 99
Adj( zI − A)
h(z) = c(zI – A)-1b + d = c b + d,
det{zI − A}
Nótese que en este caso la ganancia dc puede calcularse como h(1) = c(I– A)-1b + d.
6.4 Modelo en Espacio de Estados a partir de una F. de T.

Si se tiene una representación de un sistema en su F. de T. se plantea el problema de cómo llegar a una
representación de ecuaciones en el espacio de estados.
A . Caso continuo
Sea una F. de T. h(s), considerando m = n, la cual representa a un sistema lineal dado.
y ( s ) bn s n + bn −1s n −1 + " + b1s + b0
h( s ) = = .
u ( s ) s n + an −1s n −1 + " + a1s + a0
Se define arbitrariamente, la variable intermedia x1(s) tal que,
x1 ( s ) 1
= n n −1
.
u ( s ) s + an −1s + " + a1s + a0
Tomando la T.L. inversa, queda lo siguiente,
x1( n ) + an −1 x1( n −1) + " + a1 x1(1) + a0 x1 = u ,
definiendo nuevas variables como,
x1 , " , xn = x1( n −1) .
x2 = x1 , x3 =
por lo que se puede escribir,
x1 = x2 , x2 = x3 , " , xn = − a0 x1 − a1 x2 − " − an −1 xn + u ,
por otro lado,
y(s)
= bn s n + bn −1s n −1 + " + b1s + b0 ,
x1 ( s )
por lo que,
y = bn x1( n ) + bn −1 x1( n −1) + " + b1 x1 + b0 x1
= bn (−a0 x1 − a1 x2 − " − an −1 xn + u ) + bn −1 xn + " + b1 x2 + b0 x1 ,
= (b0 − bn a0 ) x1 + (b1 − bn a1 ) x2 + " + (bn −1 − bn an −1 ) xn + bnu
de esta forma el sistema representado por una F. de T. se puede escribir como,
⎡ x1 ⎤ ⎡ 0 1 0 " 0 ⎤ ⎡ x1 ⎤ ⎡0 ⎤
⎢ x ⎥ ⎢ 0 0 1 " 0 ⎥⎥ ⎢⎢ x2 ⎥⎥ ⎢0 ⎥
⎢ 2 ⎥ ⎢ ⎢ ⎥
⎢ # ⎥=⎢ # # # % # ⎥ ⎢ # ⎥ + ⎢# ⎥ u ,
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ xn −1 ⎥ ⎢ 0 0 0 " 1 ⎥ ⎢ xn −1 ⎥ ⎢0 ⎥
⎢⎣ xn ⎥⎦ ⎢⎣ − a0 − a1 − a2 " − an −1 ⎥⎦ ⎢⎣ xn ⎥⎦ ⎢⎣1 ⎥⎦

Apuntes: 543 214 100
y = [b0 − a0bn b1 − a1bn " bn − 2 − an − 2bn bn −1 − an −1bn ][ x1 x2 " xn −1 xn ]T + bnu ,

de donde se puede obtener por inspección la matriz A, el vector b, c, y el escalar d de la representación
del tipo h(s) = c(sI – A)-1b + d. En la Fig. 6.4 se muestra un diagrama en bloques para esta
representación. Nótese que h(s) es un escalar, por lo que se puede escribir que,
h(s) = h(s)T = {c(sI – A)-1b + d}T,
por lo que,
h(s) = {c(sI – A)-1b}T + {d}T,
h(s) = bT(sI – A)-TcT + d,
h(s) = bT({sI}T – AT)-1cT + d,
h(s) = bT(sI – AT)-1cT + d,

por lo que otra representación para el sistema descrito por h(s) en variables de estado es,
⎡ γ 1 ⎤ ⎡ 0 " 0 0 −a0 ⎤ ⎡ γ1 ⎤ ⎡ b0 − a0bn ⎤
⎢ γ ⎥ ⎢ 1 " 0 0 −a1 ⎥⎥ ⎢⎢ γ 2 ⎥⎥ ⎢⎢ b1 − a1bn ⎥⎥
⎢ 2 ⎥ ⎢
⎢ # ⎥=⎢ # % # # # ⎥⎢ # ⎥+⎢ # ⎥u
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ .
⎢ γ n −1 ⎥ ⎢ 0 " 1 0 −an − 2 ⎥ ⎢ γ n −1 ⎥ ⎢bn − 2 − an − 2bn ⎥
⎢⎣ γ n ⎥⎦ ⎢⎣ 0 " 0 1 − an −1 ⎥⎦ ⎢⎣ γ n ⎥⎦ ⎢⎣ bn −1 − an −1bn ⎥⎦
y = [0 0 " 0 1][ γ1 γ 2 " γ n −1 γ n ]T + bn u
También puede considerarse el caso de utilizar fracciones parciales. Sea h(s) con polos simples reales,
y con m < n, entonces,
y ( s ) n( s ) bn s n + bn −1s n −1 + " + b1s + b0 bn s n + bn −1s n −1 + " + b1s + b0 n
ki
h( s ) = = = n n −1
u ( s ) d ( s ) s + an −1s + " + a1s + a0
=
( s + p1 )( s + p2 )" ( s + pn )
= ∑
i =1 s + pi
,
∑ y
bn bn-1-an-1bn b1-a1bn b0-a0bn
xn xn xn −1 xn −1 x2 x2 x1 x1

u ∑ ∫ ∫ ∫ ∫
-an-1
-an-2
-a1
-a0
Fig. 6.4 Diagrama de una representación en variables de estado continuo.

Apuntes: 543 214 101
n( s )
donde ki = lim( s + pi ) , en este caso la representación en variables de estado es,
s → pi d (s)
⎡ σ 1 ⎤ ⎡ − p1 0 " 0 ⎤ ⎡ σ1 ⎤ ⎡ k1 ⎤
⎢ σ ⎥ ⎢ 0 − p2 " 0 ⎥⎥ ⎢⎢ σ 2 ⎥⎥ ⎢⎢ k2 ⎥⎥
⎢ 2⎥ = ⎢ + u
⎢# ⎥ ⎢ # # % # ⎥⎢ # ⎥ ⎢ # ⎥ .
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢⎣ σ n ⎥⎦ ⎢⎣ 0 0 " − pn ⎥⎦ ⎢⎣ σ n ⎥⎦ ⎢⎣ kn ⎥⎦
y = [1 1 " 1][σ1 σ 2 " σn ]T + bn u
En el caso de raíces repetidas se procede como sigue. Sea p1 una raíz repetida q veces, entonces,
y ( s ) n( s ) bn s n + bn −1s n −1 + " + b1s + b0 bn s n + bn −1s n −1 + " + b1s + b0
h( s ) = = = =
u ( s ) d ( s ) s n + an −1s n −1 + " + a1s + a0 ( s + p1 ) p ( s + p2 )" ( s + pn − q +1 )
,
n−q
c cq −1 cq ki
= 1 +" +
s + p1 ( s + p1 ) q −1
+
( s + p1 ) q
+ ∑
i =1 s + pi +1
1 d ( q −l ) ⎧ n( s ) ⎫ n( s )
donde cl = lim ( q −l ) ⎨( s + p1 ) q ⎬ , para l = 1, …, q - 1, cq = slim ( s + p1 ) q , y
(q − l )! s →− p1 ds
⎩ d ( s) ⎭ →− p1 d ( s)
n( s )
ki −1 = lim ( s + pi ) , para i = 2, …, n - q - 1. En este caso la representación en variables de estado
s →− pi d (s)
queda como sigue,
⎡ ε1 ⎤ ⎡ − p1 0 " 0 0 0 " 0 ⎤ ⎡ ε1 ⎤ ⎡1 ⎤
⎢ ε ⎥ ⎢ 1 − p1 " 0 0 0 " 0 ⎥⎥ ⎢⎢ ε 2 ⎥⎥ ⎢0 ⎥
⎢ 2 ⎥ ⎢ ⎢ ⎥
⎢ # ⎥ ⎢ # # % # # # % # ⎥ ⎢ # ⎥ ⎢# ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ε q −1 ⎥ = ⎢ 0 0 " − p1 0 0 " 0 ⎥ ⎢ ε q −1 ⎥ ⎢0 ⎥
+ u
⎢ ε q ⎥ ⎢ 0 0 " 1 − p1 0 " 0 ⎥ ⎢ ε q ⎥ ⎢0 ⎥ ,
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ ε q +1 ⎥ ⎢ 0 0 " 0 0 − p2 " 0 ⎥ ⎢ ε q +1 ⎥ ⎢1 ⎥
⎢ # ⎥ ⎢ # # % # # # % # ⎥ ⎢ # ⎥ ⎢# ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎣⎢ ε n ⎦⎥ ⎣⎢ 0 0 " 0 0 0 " − pn − q +1 ⎦⎥ ⎣⎢ ε n ⎦⎥ ⎣⎢1 ⎦⎥
y = [c1 c2 " cq −1 cq k1 " kn − q ][ε1 ε 2 " ε q −1 ε q ε q +1 " ε n ]T
s + b0
Ejemplo 6.5. Disponer en ecuaciones de estado al sistema dado por h( s ) = . R.: En este caso se tiene que
( s + a ) 2 ( s + b)
c1 c2 k1 1 ⎧
d (2 −1) s + b0 ⎫ d ⎧ s + b0 ⎫
h( s ) = + + , por lo tanto, c1 = lim (2 −1) ⎨( s + a )
2
⎬ = slim ⎨ ⎬ =
( s + a ) ( s + a ) ( s + b)
2
(2 − 1)! s →− a ds ⎩ ( s + a ) ( s + b) ⎭
2 →− a ds
⎩ s+b ⎭
( s + b) − ( s + b0 ) b − b0 s + b0 s + b0 b0 − a s + b0
lim = , c2 = lim ( s + a ) 2 = lim = y k1 = lim ( s + b) =
s →− a ( s + b) 2
(b − a) 2 s →− a ( s + a ) ( s + b)
2 s →− a s+b b−a s →− b ( s + a ) 2 ( s + b)
⎡ x1 ⎤ ⎡ −a 0 0 ⎤ ⎡ x1 ⎤ ⎡1 ⎤ ⎡ x1 ⎤
s + b0 b0 − b ⎢ x ⎥ = ⎢ 1 −a 0 ⎥ ⎢ x ⎥ + ⎢0 ⎥ u,
lim = . Por lo tanto, la representación es, ⎢ 2⎥ ⎢ ⎥⎢ 2⎥ ⎢ ⎥ y = [c1 c2 k1 ] ⎢⎢ x2 ⎥⎥ . ♣
s →− b ( s + a ) 2 ( a − b) 2
⎢⎣ x3 ⎥⎦ ⎢⎣ 0 0 −b ⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣1 ⎥⎦ ⎢⎣ x3 ⎥⎦

Apuntes: 543 214 102
Ejemplo 6.6. Para el sistema mostrado en la Fig. 6.2(a), obtenga dos representaciones en variables de estado. R.: El
di dω
modelo está dado por las ecuaciones L a = va − Ria − km ω y J l = km ia − d ω − tl . Definiendo a x1 = ia y x2 = ω, el
dt dt
⎡ x ⎤ ⎡ − R / L −km / L ⎤ ⎡ x1 ⎤ ⎡1/ L ⎤ ⎡ 0 ⎤ ⎡x ⎤
modelo natural en variables de estado es, ⎢ 1 ⎥ = ⎢ ⎥ ⎢ ⎥ +⎢ ⎥ va + ⎢ ⎥ tl , ω = [ 0 1] ⎢ 1 ⎥ . Sin
⎣ x2 ⎦ ⎣ km / J l − d / J l ⎦ ⎣ x2 ⎦ ⎣ 0 ⎦ ⎣ −1/ J l ⎦ ⎣ x2 ⎦
embargo, al considerar la velocidad como salida, se encontró en el Ejemplo 6.3 la relación en el plano s
R
s+
km 1 −1 L
ω( s ) = va ( s ) + tl ( s ) , por lo que otra representación en variables
Jl L 2 ⎡ R d ⎤ km2 + dR Jl 2 ⎡ R d ⎤ km2 + dR
s +⎢ + ⎥s+ s +⎢ + ⎥s+
⎡ km2 + dR ⎤ ⎡ −R ⎤
⎢ 0 − ⎥ ⎡k ⎤ ⎢J L⎥
⎡ ζ 1 ⎤ ⎢ J l L ⎥ ⎡ ζ1 ⎤ ⎢ m ⎥ ζ
de estado es, ⎢ ⎥ = ⎢ ⎥ + J L v + ⎢ l ⎥ tl , ω = [ 0 1] ⎡⎢ 1 ⎤⎥ . Nótese que en esta nueva representación
⎢ ⎥ ⎢ ⎥ ⎢ −1 ⎥
⎣ ζ 2 ⎦ ⎢1 − ⎡ R + d ⎤ ⎥ ⎣ ζ 2 ⎦ ⎢ 0 ⎥ ⎣ζ 2 ⎦
l a
⎢ ⎥ ⎣ ⎦ ⎢ ⎥
⎢⎣ ⎣ L J l ⎦ ⎥⎦ ⎣ Jl ⎦
ζ1 no corresponde a ia; es más, no hay significado físico para esta variable. ♣
Una vez que se tiene una representación del tipo x = Ax + Bu + Ep, y = Cx + Du + Fp, se pueden
encontrar infinitas representaciones en variables de estado. Para esto basta definir una transformación
de similitud. Las transformaciones de similitud representan un cambio de coordenadas de las variables
de estado, y están expresadas por una matriz invertible de manera que z = Tx, donde x es el vector de
estados original y z es el nuevo vector de estados, por lo tanto, x = T-1z y por ende dx/dt = T-1dz/dt con
lo que la representación original queda,
T-1 z = AT-1z + Bu + Ep, y = CT-1z + Du + Fp,
z = TAT-1z + TBu + TEp, y = CT-1z + Du + Fp,
z = ATz + BTu + ETp, y = CTz + DTu + FTp,
En este caso la F. de T. (sin considerar la perturbación) es,
H T ( s ) = C T ( sI − A T ) −1 B T + D T
= CT −1 ( sI − TAT −1 ) −1 TB + D
= CT −1 ( T( sI − A )T −1 ) −1 TB + D
,
= CT −1T( sI − A ) −1 T −1TB + D
= C( sI − A ) −1 B + D
= H( s )
lo que ratifica que la definición de las variables de estado no altera la F. de T., por cuanto esta es una
característica entrada/salida del sistema.

Apuntes: 543 214 103
B . Caso discreto
De igual manera que para el caso tiempo continuo, consideremos una F. de T., la cual representa a un
sistema lineal discreto y nos interesaría obtener su representación en el espacio de estados. Sea h(z) con
m = n, la cual representa a un sistema lineal dado, entonces,
y ( z ) bn z n + bn −1 z n −1 + " + b1s + b0
h( z ) = = .
u ( z ) z n + an −1 z n −1 + " + a1 z + a0
Se define arbitrariamente, la variable intermedia x1(z) tal que,
x1 ( z ) 1
= n n −1
.
u ( z ) z + an −1 z + " + a1 z + a0
Tomando la T.Z. inversa, queda lo siguiente,
x1 (kT + nT ) + an −1 x1 (kT + nT − T ) + " + a1 x1 (kT + T ) + a0 x1 (kT ) = u (kT ) ,
definiendo nuevas variables como,
x2 (kT ) = x1 (kT + T ), x3 (kT ) = x1 (kT + 2T ), " , xn (kT ) = x1 (kT + nT − T ) .
por lo que se puede escribir,
x1 (kT + T ) = x2 (kT ), x2 (kT + T ) = x3 (kT ), " , xn −1 (kT + T ) = xn (kT )
,
xn (kT + T ) = −a0 x1 (kT ) − a1 x2 (kT ) − " − an −1 xn ( kT ) + u (kT )
por otro lado,
y( z)
= bn z n + bn −1 z n −1 + " + b1 z + b0 ,
x1 ( z )
por lo que,
y (kT ) = bn x1 (kT + nT ) + bn −1 x1 (kT + nT − T ) + " + b1 x1 (kT + T ) + b0 x1 (kT )
= bn (−a0 x1 (kT ) − a1 x2 (kT ) − " − an −1 xn (kT ) + u (kT )) + bn −1 xn (kT ) + " + b1 x2 (kT ) + b0 x1 (kT ) ,
= (b0 − bn a0 ) x1 (kT ) + (b1 − bn a1 ) x2 (kT ) + " + (bn −1 − bn an −1 ) xn (kT ) + bnu (kT )
de esta forma el sistema representado por una F. de T. se puede escribir como,
⎡ x1 (kT + T ) ⎤ ⎡ 0 1 0 " 0 ⎤ ⎡ x1 (kT ) ⎤ ⎡ 0 ⎤
⎢ x (kT + T ) ⎥ ⎢ 0 0 1 " 0 ⎥⎥ ⎢⎢ x2 (kT ) ⎥⎥ ⎢ 0 ⎥
⎢ 2 ⎥ ⎢ ⎢ ⎥
⎢ # ⎥=⎢ # # # % # ⎥⎢ # ⎥ + ⎢ # ⎥ u (kT ) ,
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎢ xn −1 (kT + T ) ⎥ ⎢ 0 0 0 " 1 ⎥ ⎢ xn −1 (kT ) ⎥ ⎢ 0 ⎥
⎢⎣ xn (kT + T ) ⎥⎦ ⎢⎣ − a0 −a1 − a2 " −an −1 ⎥⎦ ⎢⎣ xn (kT ) ⎥⎦ ⎢⎣1 ⎥⎦
⎡ x1 (kT ) ⎤
⎢ x (kT ) ⎥
⎢ 2 ⎥
y (kT ) = [b0 − a0bn b1 − a1bn " bn − 2 − an − 2bn bn −1 − an −1bn ] ⎢ # ⎥ + bnu (kT ) ,
⎢ ⎥
⎢ xn −1 (kT ) ⎥
⎢⎣ xn (kT ) ⎥⎦

Apuntes: 543 214 104
de donde se puede obtener por inspección la matriz A, el vector b, c, y el escalar d de la representación

del tipo h(z) = c(zI – A)-1b + d. En la Fig. 6.5 se muestra un diagrama en bloques para esta
representación. Nótese que h(z) es un escalar, por lo que se puede escribir que,
h(z) = h(z)T = {c(zI – A)-1b + d}T,
por lo que (siguiendo el desarrollo para sistemas continuos),
h(z) = bT(zI – AT)-1cT + d,
por lo que otra representación para el sistema descrito por h(z) en variables de estado es,
⎡ γ1 (kT + T ) ⎤ ⎡ 0 " 0 0 − a0 ⎤ ⎡ γ1 (kT ) ⎤ ⎡ b0 − a0bn ⎤
⎢ γ (kT + T ) ⎥ ⎢ 1 " 0 0 − a1 ⎥⎥ ⎢⎢ γ 2 (kT ) ⎥⎥ ⎢⎢ b1 − a1bn ⎥⎥
⎢ 2 ⎥ ⎢
⎢ # ⎥=⎢ # % # # # ⎥⎢ # ⎥+⎢ # ⎥ u (kT )
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥ .
⎢ γ n −1 (kT + T ) ⎥ ⎢ 0 " 1 0 − an − 2 ⎥ ⎢ γ n −1 (kT ) ⎥ ⎢bn − 2 − an − 2bn ⎥
⎢⎣ γ n (kT + T ) ⎥⎦ ⎢⎣ 0 " 0 1 − an −1 ⎥⎦ ⎢⎣ γ n (kT ) ⎥⎦ ⎢⎣ bn −1 − an −1bn ⎦⎥
y (kT ) = [0 0 " 0 1][ γ1 (kT ) γ 2 (kT ) " γ n −1 (kT ) γ n (kT )]T + bnu (kT )
También puede considerarse el caso de utilizar fracciones parciales. Sea h(z) con polos simples reales,
y con m < n, entonces,
y ( z ) n( z ) bn z n + bn −1 z n −1 + " + b1 z + b0 bn z n + bn −1 z n −1 + " + b1 z + b0 n
ki
h( z ) = = = n n −1
u ( z ) d ( z ) z + an −1 z + " + a1 z + a0
=
( z + p1 )( z + p2 )" ( z + pn )
= ∑
i =1 z + pi
,
n( z )
donde ki = lim( z + pi ) , en este caso la representación en variables de estado es,
z → pi d ( z)
⎡ σ1 (kT + T ) ⎤ ⎡ − p1 0 " 0 ⎤ ⎡ σ1 (kT ) ⎤ ⎡ k1 ⎤

⎢ σ (kT + T ) ⎥ ⎢ 0 − p2 " 0 ⎥⎥ ⎢⎢ σ2 (kT ) ⎥⎥ ⎢⎢ k2 ⎥⎥
⎢ 2 ⎥=⎢ + u (kT ) ,
⎢ # ⎥ ⎢ # # % # ⎥⎢ # ⎥ ⎢ # ⎥
⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥
⎣ σn (kT + T ) ⎦ ⎣ 0 0 " − pn ⎦ ⎣ σn (kT ) ⎦ ⎣ kn ⎦
∑ y(kT)
bn bn-1-an-1bn b1-a1bn b0-a0bn

xn (kT + T ) x2 (kT + T )
xn −1 (kT ) x1 (kT )
u(kT) ∑ z −1 z −1 z −1 z −1
-an-1 xn −1 x2 (kT ) x1 (kT + T )
-an-2
-a1
-a0
Fig. 6.5 Diagrama de una representación en variables de estado discreto.

Apuntes: 543 214 105
y (kT ) = [1 1 " 1][σ1 (kT ) σ 2 (kT ) " σ n (kT )]T + bn u (kT ) .

Similarmente al caso continuo, se pueden obtener las expresiones generalizadas para el caso de tener
raíces iguales.
2z − 6
Ejemplo 6.7. Disponer en ecuaciones de estado al sistema dado por h( z ) = . R.: En este caso se tiene que
4z3 − z
⎡ x1 (kT + T ) ⎤ ⎡0 0 0 ⎤ ⎡ x1 (kT ) ⎤ ⎡ −1.5⎤
0.5 z − 1.5
h( z ) = 3 , por lo que por inspección se puede escribir que ⎢ x2 (kT + T ) ⎥ = ⎢1 0 0.25⎥⎥ ⎢⎢ x2 (kT ) ⎥⎥ + ⎢⎢ 0.5 ⎥⎥ u (kT ) ,
⎢ ⎥ ⎢
z − 0.25 z
⎢⎣ x3 (kT + T ) ⎥⎦ ⎢⎣0 1 0 ⎥⎦ ⎢⎣ x3 (kT ) ⎥⎦ ⎢⎣ 0 ⎥⎦
⎡ x1 (kT ) ⎤
0.5 z − 1.5 0.5 z − 1.5
y (kT ) = [0 0 1] ⎢⎢ x2 (kT ) ⎥⎥ . Por otro lado, utilizando fracciones parciales se tiene que h(z) = 3 = =
z − 0.25 z z ( z 2 − 0.25)
⎢⎣ x3 (kT ) ⎥⎦
0.5 z − 1.5 −6 2.5 3.5
= + + ; por lo tanto, otra representación en variables de estado está dada por,
z ( z + 0.5)( z − 0.5) z z + 0.5 z − 0.5
⎡ σ1 (kT + T ) ⎤ ⎡ 0 0 0 ⎤ ⎡ σ1 (kT ) ⎤ ⎡ −6 ⎤ ⎡ σ1 (kT ) ⎤
⎢ σ (kT + T ) ⎥ = ⎢ 0 −0.5 0 ⎥ ⎢ σ (kT ) ⎥ + ⎢ 2.5⎥ u (kT ) , y (kT ) = [1 1 1] ⎢ σ (kT ) ⎥ . Nótese que los valores propios son 0,
⎢ 2 ⎥ ⎢ ⎥⎢ 2 ⎥ ⎢ ⎥ ⎢ 2 ⎥
⎢⎣ σ3 (kT + T ) ⎥⎦ ⎢⎣ 0 0 0.5⎥⎦ ⎢⎣ σ3 (kT ) ⎥⎦ ⎢⎣ 3.5⎥⎦ ⎢⎣ σ3 (kT ) ⎥⎦
-0.5 y 0.5. ♣
Ejemplo 6.8. Para el problema de la población de conejos se encuentra que la ecuación que rige el crecimiento está dada
por, y(kT + 2T) – y(kT + T) – y(kT) = u(kT), con y(0) = 1, y(T) = 1 y con u(kT) = 0 determine una representación en variables
de estado. R.: Al considerar x1(kT) = y(kT) y x2(kT) = y(kT+T) se puede determinar que x1(kT+T) = y(kT+T) = x2(kT) y
x2(kT+T) = y(kT+T+T) = y(kT+2T). A partir del modelo se obtiene que, x2(kT+T) = u(kT) + y(kT) + y(kT+T) = u(kT) + x1(kT)
⎡ x (kT + T ) ⎤ ⎡0 1⎤ ⎡ x1 (kT ) ⎤ ⎡ 0 ⎤
+ x2(kT). Por lo que una representación en variables de estado es, ⎢ 1 ⎥=⎢ ⎥⎢ ⎥ + ⎢ ⎥ u (kT ) ,
⎣ x2 (kT + T ) ⎦ ⎣1 1⎦ ⎣ x2 (kT ) ⎦ ⎣1 ⎦
⎡ x (kT ) ⎤
y (kT ) = [1 0] ⎢ 1 ⎥.♣
⎣ x2 (kT ) ⎦
Al igual que en el caso continuo, una vez que se tiene una representación del tipo x(kT + T) = Ax(kT) +
Bu(kT) + Ep(kT), y(kT) = Cx(kT) + Du(kT) + Fp(kT), se pueden encontrar infinitas representaciones en
variables de estado. Para esto basta definir una transformación de similitud de manera que z(kT) =
Tx(kT), donde x(kT) es el vector de estados original y z(kT) es el nuevo vector de estados, por lo tanto,
x(kT) = T-1z(kT) y por ende x(kT + T) = T-1z(kT + T) con lo que la representación original queda,
T-1z(kT + T) = AT-1z(kT) + Bu(kT) + Ep(kT), y(kT) = CT-1z(kT) + Du(kT) + Fp(kT),
z(kT + T) = TAT-1z(kT) + TBu(kT) + TEp(kT), y(kT) = CT-1z(kT) + Du(kT) + Fp(kT),
z(kT + T) = AT z(kT) + BTu(kT) + ETp(kT), y(kT) = CTz(kT) + DTu(kT) + FTp(kT),
Similarmente al caso continuo, se puede demostrar que esta nueva representación y la original tienen la
misma F. de T.

Apuntes: 543 214 106
6.5 Sistemas de Primer y Segundo Orden

La mayoría de los sistemas tienen comportamientos que pueden ser asociados a sistemas de primer y/o
segundo orden, con o sin retardo. Por lo tanto, es importante conocer en detalle las características
estáticas y dinámicas de éstos sistemas.
A . Primer orden.
Un sistema de primer orden se puede modelar con la siguiente ecuación diferencial,
y (t ) + a0 y (t ) = b0u (t ) , con y(0) = 0,
de la cual se obtiene la F. de T.,
b0 1
h( s ) = =k , con k = b0/a0 y τ = 1/a0.
s + a0 τs + 1
Nótese que k corresponde a la ganancia dc del sistema y τ es la constante de tiempo. Además, el
sistema no tiene ceros y tiene un polo en s = -a0 = -1/τ.
Respuesta a entrada escalón. La respuesta del sistema de primer orden a entrada escalón (Fig. 6.6) es,
y (t ) = k (1 − e − t / τ )u (t ) .
Evaluando la respuesta del sistema en el tiempo t = τ , se tiene que y(τ) = k(1 - e-1) = 0.632k; es decir, la
respuesta alcanza el 63.2 % de su valor final. Evaluando la respuesta del sistema en el S.S., se tiene que
y(∞) = k(1 - e-∞) = k, que concuerda con la ganancia dc del sistema, pues h(0) = k = y(∞).
B . Primer orden con retardo

Un sistema de primer orden con retado se puede modelar con la siguiente ecuación diferencial
y (t ) + a0 y (t ) = b0u (t − td ) , con y(0) = 0,
b0 − td s 1 − td s
h( s ) = e =k e , con k = b0/a0 y τ = 1/a0.
s + a0 τs + 1
Nótese que k corresponde a la ganancia dc del sistema y τ es la constante de tiempo. Además, el
sistema tiene un cero en ∞ y un polo en s = -a0 = -1/τ.
k
4
a)
k(1 - e -1)
2
b)
0
0 τ 1 td + τ 3 4 5 6
Fig. 6.6 Respuesta a entrada escalón de un sistema de primer orden; a) sin retardo, b) con retardo.

Apuntes: 543 214 107
Respuesta a entrada escalón. La respuesta del sistema de primer orden con retardo a entrada escalón
(Fig. 6.6) es,
y (t ) = k (1 − e − (t −td ) / τ )u (t − td ) ,
Evaluando la respuesta del sistema en el tiempo t = td + τ , se tiene que y(td + τ) = k(1 - e-1) = 0.632k; es
decir, la respuesta alcanza el 63.2 % de su valor final. Evaluando la respuesta del sistema en S.S., se
tiene que y(∞) = k(1 - e-∞) = k, que concuerda con la ganancia dc del sistema, pues h(0) = k = y(∞).
C . Segundo orden
Un sistema de segundo orden se puede modelar con la siguiente ecuación diferencial,
y (t ) + 2ξωn y (t ) + ωn2 y (t ) = k ωn2u (t ) ,

ω2n
h( s ) = k 2 .
s + 2ξωn s + ω2n
Nótese que k corresponde a la ganancia dc, ξ es el factor de amortiguamiento y ωn corresponde a la
frecuencia natural de oscilación. El sistema no tiene ceros y tiene dos polos que están dados por -ξωn ±
ωn ξ 2 − 1 . Es evidente que dependiendo del valor de los parámetros se pueden dar varias
combinaciones posibles para los polos del sistema.
Caso 1, ξ > 1, polos negativos y distintos. En este caso se tiene que,

c1 + c2 − c1e s1t − c2 e s2t
s1 = −ξωn + ωn ξ 2 − 1 , s2 = −ξωn − ωn ξ2 − 1 , y (t ) = k .
c1
Caso 2, ξ = 1, polos negativos e iguales. En este caso se tiene que,
c1 − c1e s1t + c2te s2t
s1 = −ξωn , s2 = −ξωn , y (t ) = k .
c1
Caso 3, 0 < ξ < 1, polos negativos complejos. En este caso se tiene que,
s1 = −ξωn + jωn 1 − ξ 2 , s2 = −ξωn − jωn 1 − ξ 2 ,
⎪⎧ e −ξωnt ⎡ ⎛ 1 − ξ2 ⎞ ⎤ ⎪⎫
y (t ) = k ⎨1 − sin ⎢ ωn 1 − ξ2 t + tan −1 ⎜ ⎟⎥ ⎬ .
1 − ξ2 ⎢⎣ ⎜ ξ ⎟⎥ ⎪
⎩⎪ ⎝ ⎠⎦ ⎭
Caso 4, ξ = 0, polos imaginarios. En este caso se tiene que,
s1 = jωn , s2 = − jωn , y (t ) = k[1 − cos(ωn t )] .
Los diferentes casos se muestran en la Fig. 6.7, además de las correspondientes respuestas a entrada
escalón.

Apuntes: 543 214 108
6.6 Sistemas Equivalentes Discretos - Continuos

Un desafío interesante es encontrar ecuaciones de diferencias cuyas respuestas a una entrada dada sea
el muestreo de la respuesta de un sistema de ecuaciones diferenciales dado.
A . Ecuación diferencial - Ecuación de diferencias

Se sabe que para el sistema,
y (t ) + ay (t ) = bu (t ) ,
que tiene un polo en –a y que la respuesta a entrada escalón es,
y (t ) = k (1 − e − t / τ )u (t ) .
Por otro lado, se sabe que la respuesta a entrada escalón del sistema discreto,
y (kT + T ) + ay (kT ) = bu (kT ) ,
que tiene un polo en –a, está dada por,
b
y (kT ) = (1 − (−a) k )u (kT ) ,
1+ a
que corresponde al muestreo de la respuesta anterior y(t) en intervalos regulares T, si se cumple que,
a)
1 0<ξ<1 x ξ=0
x
ξ=1
0 x x x
ξ>1
x
1 x
2 1 0 1
b)
2.0
ξ=0
1.5
0<ξ<1
1.0
ξ=1
0.5 ξ>1
0
0 1 2 3 4 5 6
Fig. 6.7 Ubicación de los polos y respuesta a escalón de un sistema de segundo orden en función de ξ; a) ubicación
de polos, b) respuesta a entrada escalón.

Apuntes: 543 214 109
b
− a = e − aT , b = (1 − e − aT ) ,
a
lo que da cuenta de una relación entre los polos y la ganancia dc de los sistemas continuos y discreto.
En general se tiene que,
i) Si el sistema continuo tiene un polo ubicado en sp, debe haber un polo equivalente en el plano z
dado por z p = e p .
s T
ii) Si el sistema continuo tiene un cero ubicado en sz, debe haber un cero equivalente en el plano z
dado por z z = e szT .
h ( s ) |s = 0
iii) Se debe cumplir la condición de ganancia dc h(s)|s = 0 = h(z)|z = 1, o bien, =1.
h( z ) |z =1
y (t ) + 2ξωn y (t ) + ωn2 y (t ) = k ωn2 u (t ) el cual tiene por F. de T. a
Ejemplo 6.9. Sea un sistema de segundo orden dado por
ω2n
h( s ) = k , determine un sistema discreto equivalente. R.: En este caso los polos son s1 = −ξωn + ωn ξ2 − 1
s 2 + 2ξωn s + ωn2
ξ2 −1)T
y s2 = −ξωn − ωn ξ2 − 1 , por lo que el sistema discreto equivalente debe tener polos en z1 = e( −ξωn +ωn y
2 1
z2 = e( −ξωn −ωn ξ −1)T
. Así una F. de T. discreta candidata en el plano discreto es h(z) = k0 =
( z − z1 )( z − z2 )
1 1
k0 . Por otro lado, h(s)|s = 0 = k = h(z)|z = 1 = k0 ,
( −ξωn +ωn ξ2 −1)T ( −ξωn +ωn ξ2 −1)T ( −ξωn +ωn ξ2 −1)T ξ2 −1)T
(z − e )( z − e ) (1 − e )(1 − e( −ξωn +ωn )
ξ2 −1)T ξ2 −1)T
( −ξωn +ωn ξ2 −1)T ( −ξωn +ωn ξ2 −1)T (1 − e( −ξωn +ωn )(1 − e( −ξωn +ωn )
por lo que k0 = k (1 − e )(1 − e ) . Finalmente, h(z) = k .♣
( −ξωn +ωn ξ2 −1)T ( −ξωn +ωn ξ2 −1)T
(z − e )( z − e )
B . Espacio de estados continuos - Espacio de estados discretos

Sea el sistema continuo dado por,
x (t)= Ax(t) + bu(t), y(t) = cx(t) + du(t),
que tiene por estados a,
t
x(t ) = Φ(t )x 0 + ∫ Φ(t − τ)Bu(τ)d τ ,
0
si la c.i. es arbitraria en t = t0, entonces,

t
x(t ) = Φ(t − t0 )x(t0 ) + ∫ Φ(t − τ)Bu(τ)d τ ,
t0
si el instante t0 es kT y el instante t es kT + T, entonces,

kT +T
x(kT + T ) = Φ(kT + T − kT )x(kT ) + ∫ Φ(kT + T − τ)Bu(τ)d τ ,
kT
si la entrada se mantiene constante en el intervalo de integración, entonces,
x(kT + T ) = Φ(T )x(kT ) + {∫kT

kT +T
Φ(kT + T − τ)Bd τ u(kT ) , }
kT +T
sea kT + T - τ = T - σ entonces dτ = dσ, τ kT → σ 0 , por lo que,
T

Apuntes: 543 214 110
x(kT + T ) = Φ(T )x(kT ) + {∫ Φ(T − σ)Bd σ} u(kT ) ,

T
o equivalentemente,
x(kT + T ) = e AT x(kT ) + {∫ e T
0
A (T −σ )
}
Bd σ u(kT ) .
Luego, para el sistema discreto descrito por las ecuaciones de estado,

x(kT + T)= Ax(kT) + bu(kT),
se encuentra por inspección que las matrices A y b, pueden ser definidas por,
A = e AT , b = {∫ eT
0
A (T −σ )
}
Bd σ .
Con esto se logra un sistema discreto equivalente al sistema continuo. Se debe tener presente que esta
equivalencia es exacta en la medida que u(t) sea constante entre intervalos de muestreo. Esto es válido
para toda señal compuesta por escalones que pueden cambiar de amplitud en los instantes de muestreo.
y (t ) + 2ξωn y (t ) + ω2n y (t ) = k ω2n u (t ) el cual tiene por

Ejemplo 6.10. Sea un sistema de segundo orden dado por
⎡ x ⎤ ⎡ 0 1 ⎤ ⎡ x1 ⎤ ⎡ 0 ⎤
representación en variables de estado a ⎢ 1 ⎥ = ⎢ 2 ⎥ ⎢ ⎥ + ⎢ ω2 ⎥ u , determine un sistema discreto equivalente. R.:

⎣ 2⎦ ⎣ n
x −ω − 2ξω n ⎦ ⎣ x2 ⎦ ⎣ n⎦
En este caso se obtiene la matriz de transición evaluada en t = T = 0.25, con ξ = 0.274, ωn = 3.651, lo que resulta en
⎡ 0.668 0.171⎤ −1 λ1t λ2t
A = e AT = Φ(T ) = ⎢
−2.275 0.327 ⎥ . Nótese que la matriz de transición se calcula como Φ(t ) = T diag{e , e }T ,
⎣ ⎦
donde T-1 está compuesta por los vectores propios generados por los valores propios λ1 y λ2. Por otro lado,
{ T
} ⎡0.332 ⎤
b = ∫ e A (T −σ ) bd σ = ⎢
0 ⎥ , donde A y b corresponden a los parámetros del modelo discreto x(kT + T) = Ax(kT) +
⎣ 2.275⎦
bu(kT), equivalente al continuo. La Fig. 6.8 muestra la simulación del sistema continuo y discreto. Nótese que la F. de T. de
0.331936 z + 0.279732985005
este sistema discreto considerando c = [1 0] está dada por h(z) = c(zI – A)-1b = 2 que tiene
z − 0.994681z + 0.606529985005
un cero que no está en la F. de T. del ejemplo anterior. ♣
3
a)
2
u(kT)
1
u(t)
0
0 1 2 3 4 5 6 7 8
3
b)
2
y(kT)
1
y(t)
0
0 1 2 3 4 5 6 7 8
Fig. 6.8 Respuesta de un sistema de segundo orden continuo y discreto ante entrada de escalones; a) entradas, b) salidas.

Apuntes: 543 214 111
Ejemplo 6.11. Discretizar el sistema mostrado en la Fig. 6.9(a) de manera que sea fiel representación del caso continuo
⎡ x ⎤ ⎡ − R / L −km / L ⎤ ⎡ x1 ⎤ ⎡1/ L ⎤ ⎡ 0 ⎤
ante entradas escalón. R.: El modelo con x1 = ia y x2 = ω es ⎢ 1 ⎥ = ⎢ ⎥ ⎢ ⎥ +⎢ ⎥ va + ⎢ ⎥ tl ,
⎣ x2 ⎦ ⎣ km / J l − d / J l ⎦ ⎣ x2 ⎦ ⎣ 0 ⎦ ⎣ −1/ J l ⎦
⎡x ⎤
ω = [ 0 1] ⎢ 1 ⎥ . En este caso se tienen la entrada va y la perturbación tl, por lo tanto se calculan los vectores b como
⎣ x2 ⎦
b= {∫ e
0
T
A (T −σ )
} y por simetría se calcula e como e = {∫ e
bd σ
0
T
A (T −σ )
}
ed σ , puesto que tl es una entrada también. Las
⎡ −0.058 −0.295⎤ ⎡ 0.574 ⎤ ⎡ 0.615 ⎤

matrices resultantes son para t = T = 0.25, A = ⎢ ⎥ , b=⎢ ⎥ , y e=⎢ ⎥ , donde A, b, y e
⎣ 0.109 0.518 ⎦ ⎣ 0.615⎦ ⎣ −1.413⎦
corresponden a los parámetros del modelo discreto x(kT + T) = Ax(kT) + bva(kT) + btl(kT), equivalente al continuo. La Fig.
6.9 muestra la simulación del sistema continuo y discreto. Nótese la equivalencia perfecta. ♣
+ va - - vf + a)
ω, tl, Jl
ia if
d
ω, te
carga
máquina cc
5
c)
4
ω(t)
3 ω(kT)
2
ia(t) ia(kT)
1
0
0 2 4 6 8 10
5
c)
4 va(t) va(kT)
3
1
tl(t) tl(kT)
0
0 2 4 6 8 10
Fig. 6.9 Discretización del modelo de la máquina c.c.; a) esquema, b) salidas continuas y discretas, c) entradas continuas
y discretas.

Apuntes: 543 214 112
7 Análisis en Frecuencia
Una ventaja del enfoque de la respuesta en frecuencia es su aplicabilidad

experimental, puesto que las pruebas en frecuencia son, en general, sencillas y
pueden ser muy precisas con el uso de generadores de señales sinusoidales y un
equipo de medición. Como resultado, se puede obtener la F. de T. y/o M. de T. de
sistemas en forma experimental independiente de la complejidad del sistema.
Además, este enfoque suele ser una poderosa herramienta en la etapa de diseño
de sistemas.
7.1 Introducción
Hasta ahora todo el análisis se ha referido a S.L.I. en que la entrada no es una señal periódica. Ahora
quedan interrogantes tales como, ¿ qué señal aparece en la salida si se utiliza una entrada sinusoidal ?.
Por ejemplo, en el caso de tener un sistema con una F.de T. dada por h(s) = 1/(s + a), para una entrada
sinusoidal u(t) = Asin(ωt) se tiene que la salida es,
ω 1
y ( s) = L (u (t ))h( s) = A ,
s +ω s+a
2
2

⎧ ω 1 ⎫ −1 ⎧ ω 1 ω s−a ⎫
y (t ) = L−1 ⎨ A 2 ⎬ = L ⎨A 2 −A 2 ⎬
⎩ s +ω s+a⎭ ⎩ a +ω s+a a + ω s + ω2 ⎭
2 2 2 2
ω ω ⎧ a ⎫
=A 2 e − at − A 2 2 ⎨
cos(ωt ) − sin(ωt ) ⎬ .
a +ω 2
a +ω ⎩ ω ⎭
ω 1 ⎧ ω⎫
=A 2 e − at + A sin ⎨ωt − tan −1 ⎬
a +
ω
2
⎩
a 2 + ω2 a⎭
transiente

estacionaria
Se aprecia que la parte estacionaria de la salida es también una señal sinusoidal, pero de amplitud y
fase modificadas de acuerdo a la F. de T. del S.L.I.. Es decir, bastaría conocer la F. de T. del sistema
para predecir correctamente la amplitud y fase de la salida. Por otro lado, es sabido que una señal
periódica arbitraria puede ser descompuesta en una sumatoria de señales sinusoidales; por lo tanto, la
salida de un S.L.I. a estas entradas será la sumatoria de la respuesta a cada sinusoidal, lo que puede ser
abordado con el análisis en frecuencia.
La salida del sistema mostrado en la Fig. 7.1 se puede escribir como,
∞
y (t ) = h(t ) * u (t ) = ∫ h(τ)u (t − τ)d τ ,
−∞
u(t) y(t)
h(t)
Fig. 7.1 Sistema S.L.I..

Apuntes: 543 214 113
donde h(t) es la respuesta impulso del S.L.I.. Considerando la entrada como u(t) = ejωt, que corresponde
a la base de generación de señales periódicas, en particular sinusoidales, se tiene que,
∞ ∞ ∞
y (t ) = ∫ h(τ)e jω( t −τ ) d τ = ∫ h(τ)e jωt e− jωτ d τ = e jωt ∫ h(τ)e− jωτ d τ ,
−∞ −∞ −∞
donde el término integral corresponde a la T.F. de la respuesta a impulso del sistema; es decir,
∞
h(ω) = ∫ h(τ)e − jωτ d τ ,
−∞
luego, la señal de salida queda como,

y (t ) = h(ω)e jωt ,
donde se ve claramente que la señal periódica de entrada, ejωt, se ve reflejada en la salida como una
señal de igual frecuencia a la señal de entrada, pero atenuada /amplificada y adelantada/retrasada en el
factor h(ω). Nótese que h(ω) es una propiedad del sistema y es un número complejo, el cual se puede
representar en un plano complejo o en módulo y ángulo. Recordar que para obtener la T.F. de una señal
se puede reemplazar s por jω en su T.L. bilateral.
Ejemplo 7.1. Para las siguientes F. de T. determinar el módulo y la fase en función de la frecuencia de su T.F.. (a) h(s) =
1
1/(s + a), en este caso h(ω) = 1/(jω + a), por lo que h(ω) = y arg(h(ω)) = -tan-1{ω/a}. (b) h(s) = 1/s, en este caso
ω + a2
2
h(ω) = 1/(jω), por lo que |h(ω)| = 1/ω y arg(h(ω)) = -90°. La Fig. 7.2 muestra la respuesta en S.S. para dos entradas a un
sistema integrador. Claramente, la salida está siempre retrasada 90° y la amplitud es menor a altas frecuencias. ♣
7.2 Diagrama de Bode

El Diagrama de Bode es la gráfica de la T.F. de un sistema como se aprecia de la definición siguiente.
Def.: El Diagrama de Bode (D. de B.) es el gráfico del módulo, en dB, y la fase, en grados, de una F.
de T. con s = jω en función de la frecuencia en base logarítmica.
u(t)
0
y(t)
2
0 2 4 6 8 10
2
u(t)
0
y(t)
2
0 2 4 6 8 10
Fig. 7.2 Respuesta de un sistema integrador para dos entradas de igual amplitud.

Apuntes: 543 214 114
Una ventaja de utilizar el D. de B. en el análisis de sistemas lineales, es que la multiplicación entre F.

de T. se transforma en adición de magnitudes y fases, de los Bode respectivos. Esto debido a que se
consideran dBs.
Ejemplo 7.2. Dibujar el D. de B. para la F. de T. (a) h(s) = 1/s, en este caso h(ω) = 1/(jω), por lo que |h(ω)| = 1/ω y
arg(h(ω)) = -90°. Así el módulo del D. de B. está determinado por 20log{|h(ω)|} = 20log{1/ω} = -20log{ω}, (b) h(s) = 1/(s
1
+ a), en este caso h(ω) = 1/(jω + a), por lo que h(ω) = y arg(h(ω)) = -tan-1{ω/a}. Así el módulo del D. de B. está
ω + a2
2
⎧⎪ 1 ⎫⎪
determinado por 20log{|h(ω)|} = 20log ⎨ ⎬ = -20log{ ω + a } = -10log{ ω + a }. Ambos se grafican en la Fig.
2 2 2 2
⎩⎪ ω + a ⎭⎪
2 2
7.3. ♣
Nótese que el eje de la frecuencia está dividido en décadas y se puede apreciar que el sistema dado por
h(s) = 1/s (Fig. 7.3) tiene una magnitud tal que cae 20 dB por cada década.
A . Sistemas de Primer Orden

En el caso de tener un sistema con una F.de T. dada por h(s) = 1/(s + a), para una entrada sinusoidal
u(t) = Asin(ωt) se encontró que la salida es,
ω 1 ⎧ ω⎫
y (t ) = A 2 e − at + A sin ⎨ωt − tan −1 ⎬ .
a +
ω
2
⎩
a 2 + ω2 a⎭

transiente

estacionaria
Analizando el módulo y la fase de la respuesta estacionaria del sistema se tiene que,
i) si la señal de entrada es de baja frecuencia, ω << a, la salida se atenúa en -20log{a}dB y se

retrasa en 0°,
ii) si la señal de entrada es de alta frecuencia, ω >> a, la salida se atenúa en -20log{ω}dB y se
40 0
30
20 60
Magnitud
90
Fase
a) 0
120
150
20
180
40 210
0.01 0.1 1 10 100 0.01 0.1 1 10 100
0 120
90
60
30
Magnitud
Fase
b) 20 0
30
60
90
40 3 120 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
Fig. 7.3 D. de B. de; a) 1/s, b) 1/(s + a) con a = 10..

Apuntes: 543 214 115
retrasa en 90°,
iii) si la señal de entrada es de frecuencia ω = a, la salida se atenúa en 20log{1/(a√2)}dB que es igual
a -20log{a} - 10log{2} dB = -20log{a} – 3.01 dB y se retrasa en 45°.
El análisis anterior también puede derivarse del D. de B. del sistema, que se encuentra en la Fig. 7.3,
para a = 10 (nótese que a es el polo del sistema). Es decir, teniendo el D. de B. de un sistema se puede
predecir la atenuación/amplificación y/o el retraso/adelanto que se producirá a la salida de un S.L.I.
para una entrada sinusoidal en S.S.. Asimismo, dado que una señal periódica es la suma de un conjunto
de sinusoidales, con la ayuda del D. de B. se podrá predecir la salida para señales periódicas generales.
Nótese también que el sistema tiene una magnitud que cae 20 dB por década a partir de frecuencias
superiores a a, lo que es idéntico al caso de la F. de T. dada por h(s) = 1/s. Esto se fundamenta en que
la F. de T. dada por h(s) = 1/(s + a) tiene una T.F. dada por h(ω) = 1/(jω + a), por lo que para valores
muy grandes de ω, el número complejo jω + a tiende a jω por lo que h(ω) tiende más bien a 1/jω, que
corresponde a la T.F. de la F. de T. dada por h(s) = 1/s.
1 1
Ejemplo 7.3. Dibujar el D. de B. para la F. de T. h(s) = , en este caso h(ω) = , por lo que |h(ω)| =
s(s + a) jω( jω + a)
1
h(ω) = y arg(h(ω)) = -90° - tan-1{ω/a}. Así el módulo del D. de B. está dado por 20log{|h(ω)|} =
ω ω +a2 2
⎪⎧ 1 ⎪⎫
⎬ = -20log{ω} - 10log (ω + a ) . El(la) módulo(fase) del D. de B. resultante es sin duda la suma de
2 2
20log ⎨
⎩⎪ ω ω + a ⎭⎪
2 2
los(las) módulos(fases) ilustrados en la Fig. 7.3. ♣
El ejemplo anterior deja en evidencia que el D. de B de una F. de T. puede dibujarse por parte. Es decir,
para cada polo y luego para cada cero, el D. de B. resultante es simplemente la suma de cada uno de
ellos.
B . Sistemas de Segundo Orden

El desafío es dibujar el D. de B. de un sistema de segundo orden, cuyo polinomio característico no
puede reducirse al producto de dos raíces reales. En este caso la F. de T. a considerar es,
ω2n
h( s ) = k .
s 2 + 2ξωn s + ωn2
Si ξ >1, el factor cuadrático se puede expresar como el producto de dos factores de primer orden con
polos reales y se utilizan las reglas de construcción anteriores. Si este parámetro toma valores 0 < ξ < 1,
el factor cuadrático no se puede reducir y se procede como explicado a continuación. Al dividir la
expresión por ω2n , se obtiene,
1
h( s ) = k .
( s / ωn ) + 2ξ( s / ωn ) + 1
2
Por lo que su T. de F. es,

1 1
h(ω) = k =k .
( jω / ωn ) + 2ξ( jω / ωn ) + 1
2
1 − (ω / ωn ) + j 2ξ(ω / ωn )
2

Apuntes: 543 214 116
El módulo del D. de B. resulta ser,

1
h(ω) = k ,
(1 − (ω / ωn ) 2 ) 2 + 4ξ 2 (ω / ωn ) 2
y la fase del D. de B. es,
⎧ 2ξ(ω / ωn ) ⎫
arg{h(ω)} = − tan −1 ⎨ 2⎬
.
⎩1 − (ω / ωn ) ⎭
El D. de B. para varias combinaciones de parámetros se muestran en la Fig. 7.4, todos los cuales tienen
una ganancia fija para bajas frecuencias y caen en 40 dB por década para altas frecuencias, siendo esta
frecuencia umbral a en el sistema de primer orden (su polo) y ωn en el sistema de segundo orden (su
frecuencia natural de oscilación).
Ejemplo 7.4. Para el sistema mostrado en la Fig. 7.5(a), obtenga el D. de B. de sus F. de T.. R.: El modelo indica que la
ξ = 0.2, 0.5, 1.5 ξ = 0.2, 0.5, 1.5

20 0
30
60
0
Magnitud
90
Fase
120
20
150
180
40 210
0.1 1 10 0.1 1 10
k = 0.1, 0.2, 1.0 k = 0.1, 0.2, 1.0

20 0
30
60
0
Magnitud
90
Fase
120
20
150
180
40 210
0.1 1 10 0.1 1 10
ωn = 0.4, 1.0, 2.0 ωn = 0.4, 1.0, 2.0
20 0
30
60
0
Magnitud
90
Fase
120
20
150
180
40 210
0.1 1 10 0.1 1 10
Fig. 7.4 D. de B. de un sistema de segundo orden estándar.

Apuntes: 543 214 117
R
s+
k 1 −1 L
relación para la velocidad es, ω( s ) = m va ( s ) + tl ( s ) y para la
Jl L ⎡R d ⎤ km2 + dR Jl 2 ⎡ R d ⎤ k 2 + dR
s +⎢ + ⎥s+
2
s +⎢ + ⎥s+ m
d
s+
1 Jl k 1
corriente es, ia ( s ) = va ( s ) + m tl ( s ) .
L ⎡R d ⎤ k + dR
2
Jl L 2 ⎡ R d ⎤ k 2 + dR
s2 + ⎢ + ⎥ s + m s +⎢ + ⎥s+ m
En resumen, se pueden distinguir cuatro F. de T.s, de acuerdo a ω(s) = hωva(s)va(s) + hωtl(s)tl(s), ia(s) = hiava(s)va(s) +
hiatl(s)tl(s). Así el cero asociado a hωtl(s) está dado por –R/L = -24 y el asociado hiava(s) está dado por –d/J = -0.593. Los
⎡R d ⎤ k 2 + dR
polos son únicos y están dados por las raíces de s 2 + ⎢ + ⎥ s + m , que resultan ser -3.151 y -21.442.
⎣ L Jl ⎦ Jl L
a)
+ va - - vf +
ω, tl, Jl
ia if
d
ω, te
carga
máquina cc
20 90
0
0
90
Magnitud
Fase
b) 20
180
40
270
60 3 360 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
20 90
0
0
90
Magnitud
Fase
c) 20
180
40
270
60 3 360 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
20 90
0
0
90
Magnitud
Fase
d) 20
180
40
270
60 3 360 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
Fig. 7.5 D. de B. de las F. de T. de la máquina c.c.; a) esquema, b) hωva(s), hiatl(s), c) hωtl(s), d) hiava(s).

Apuntes: 543 214 118
El D. de B., Fig. 7.5, de hωva(s) indica que frecuencias existentes en va mayores a 10 rad/s no tienen mayor efecto en ω, el D.
de B. de hωtl(s) indica un comportamiento de primer orden y el D. de B. de hiava(s) indica una resonancia en 10 rad/s. ♣
En los D. de B. anteriores es posible apreciar que los comportamientos asintóticos son fáciles de
distinguir. Por ejemplo, sistemas de primer orden caen en 20 dB y los de segundo en 40 dB, después de
la frecuencia característica de éstos. Este comportamiento asintótico se puede generalizar como
descrito a continuación, lo que permite construir un D. de B. aproximado en forma rápida, que es
conocido como el D. de B. Asintótico.
7.3 Diagrama de Bode Asintótico

En general una década antes y una después de la frecuencia del polo se pueden utilizar los valores
asintóticos. A continuación, se enuncian las reglas para la construcción del D. de B. asintótico para
sistemas mínimos de fase. Para la introducción de reglas de construcción se definen los sistemas tipo N.
Def.: Se definen los sistemas Tipo N como aquellos que tienen un polo de orden N en el origen y
sistemas de Tipo -N a aquellos que tienen un cero de orden N en el origen.
A. Parte inicial del D. de B.

1
Sistema Tipo 0. Por ejemplo, h( s ) = ,
s+a
- el módulo es 20log{h(0)} dB que es una recta horizontal,
- la fase es 0° que es una recta horizontal.
1
Sistema Tipo N. Por ejemplo, h( s) = ,
sN
- el módulo es -20N dB/dec que es una recta con pendiente negativa,
- la fase es -90°N que es una recta horizontal.
Sistema Tipo -N. Por ejemplo, h( s ) = s N ,

- el módulo es 20N dB/dec que es una recta con pendiente positiva,
- la fase es 90°N que es una recta horizontal.
B. Modificación en polos y ceros a medida que ω aumenta

1
Un polo de orden r. Por ejemplo, h( s) = ,
( s + a)2
- el módulo baja en 20r dB/dec a partir de ω = a,
- la fase baja en 90°r a partir de ω = a.
Un cero de orden r. Por ejemplo, h( s) = ( s + a)3 ,

- el módulo sube en 20r dB/dec a partir de ω = a,
- la fase sube en 90°r a partir de ω = a.

Apuntes: 543 214 119
C. Polos y ceros complejos

1
Un polo complejo. Por ejemplo, h( s ) = ,
( s / ωn ) + 2ξ( s / ωn ) + 12
- el módulo baja en 40 dB/dec a partir de ω = ωn,

- la fase baja en 180° a partir de ω = ωn.
Un cero complejo. Por ejemplo, h( s) = ( s / ωn ) 2 + 2ξ( s / ωn ) + 1 ,

- el módulo sube en 40 dB/dec a partir de ω = ωn,
- la fase sube en 180° a partir de ω = ωn.
D. Corrección a la magnitud
El D. de B. asintótico hasta aquí descrito resulta en rectas bien definidas. Sin embargo, se sabe que las
curvas son suaves. Una forma de corregirlo es mejorando la aproximación en las frecuencias de los
polos y/o ceros . En efecto, si hay un polo(cero) de orden r en una frecuencia ωp, en esta frecuencia se
agregan -3r(3r) dB a la curva de magnitud.
1
Ejemplo 7.5. Dibujar el D. de B. de (a) h(s) = , parte inicial, sistema tipo 0, 20log{h(0)} = -20 dB, fase 0°;
s + 10
s +1 ω2n
modificación, polo en ω = 10 de orden 1, cae con 20 dB/dec., fase cae a -90°; (b) h(s) = k , con k =
s + 10 s + 2ξωn s + ω2n
2
10, ωn = 1000, y ξ = 0.2. Dado que el polinomio cuadrático tiene 0 < ξ < 1 tiene raíces complejas. Parte inicial, sistema tipo
0, 20log{h(0)} = 0 db, fase 0°; cero en ω = 1 de orden 1, magnitud sube con 20 dB/dec., fase sube 90°, polo en ω = 10 de
orden 1, magnitud cae con 20 dB/dec., fase cae 90°, polo imaginario en ω = 1000 de orden 1, magnitud cae con 40 dB/dec.,
fase cae 180°. La Fig. 7.6 muestra el D. de B. asintótico y el exacto. (c) h(s) = 1/(s - 10), este es un caso de fase no mínima y
por lo tanto no se pueden aplicar las reglas para un D. de B. asintótico. ♣
Ejemplo 7.6. Para el motor c.c. Fig. 7.5(a), dibujar el D. de B. asintótico de sus F. de T.. R.: Los D. de B. son dibujados
d
s+
1 Jl
computacionalmente. Para facilitar el dibujo se toma una F. de T. como hi ava ( s ) = y se escribe
L 2 ⎡R d ⎤ km2 + dR
s +⎢ + ⎥s+
⎣ L Jl ⎦ Jl L
s + z1
como hi ava ( s ) = k , luego se dibuja el D. de B. asintótico de cada componente de hiava(s). El resultado se
( s + p1 )( s + p2 )
40 120
80
40
20
0
Magnitud
Fase
40
80
0
120
160
20 200
3 4 3 4
0.1 1 10 100 1 .10 1 .10 0.1 1 10 100 1 .10 1 .10
s +1 ω2n
Fig. 7.6 D. de B. asintótico y exacto de k , con k = 10, ωn = 1000, y ξ = 0.2.
s + 10 s 2 + 2ξωn s + ω2n

Apuntes: 543 214 120
muestra en Fig. 7.7. ♣
7.4 Sistemas con Retardo

El retardo tiene el comportamiento equivalente a un sistema de fase no-mínima, aportando un retraso
excesivo a altas frecuencias. La T.L. de un retardo td es,
e − td s ,
por lo que la T.F. es,
e− td jω = e− jωtd = cos(ωtd ) − j sin(ωtd ) .
Por lo tanto, el módulo es unitario y la fase,
⎧ sin(ωtd ) ⎫
arg{cos(ωtd ) − j sin(ωtd )} = tan −1 ⎨− ⎬ = −ωtd .
⎩ cos(ωtd ) ⎭
Por consiguiente, el retardo en un sistema sólo altera la característica de fase de su D. de B..
20 90
0
0
90
Magnitud
Fase
a) 20
180
40
270
60 3 360 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
20 90
0
0
90
Magnitud
Fase
b) 20
180
40
270
60 3 360 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
20 90
0
0
90
Magnitud
Fase
c) 20
180
40
270
60 3 360 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
Fig. 7.7 D. de B. exactos y asintóticos de las F. de T. de la máquina c.c.; a) hωva(s), hiatl(s), b) hωtl(s), c) hiava(s).

Apuntes: 543 214 121
1
Ejemplo 7.7. Dibujar el D. de B. de h(s) = e − td s , para varios valores de td. En este caso el módulo se puede obtener
s + 10
como; parte inicial, sistema tipo 0, 20log{h(0)} = -20 dB, fase 0°; modificación, polo en ω = 10 de orden 1, cae con 20
dB/dec., la fase cae a -90°; modificación por retardo, la fase cae en ωtd. La Fig. 7.8 muestra el D. de B. exacto para varios
retardos. Consecuentemente, sólo la fase es afectada. ♣
7.5 Sistemas de Fase No-Mínima

Los sistemas de fase no mínima son los que tienen ceros y/o polos en el S.P.D.. Para estos casos el D.
de B. también representa una alternativa de análisis en el dominio de la frecuencia. Lamentablemente,
se encuentra que distintos sistemas tienen igual módulo en el D. de B. y por lo tanto esta información
es insuficiente para su análisis y por lo tanto debe utilizarse la información contenida en la fase.
La evaluación de la fase de sistemas de fase no-mínima por medio de softwares tradicionales debe
realizarse cuidadosamente, puesto que pueden utilizar funciones trigonométricas con argumentos
principales, lo que puede incurrir en errores. Por ejemplo, la evaluación de la fase de 1 - j y de -1 + j es
-1 -1
tan {-1/1} y tan {1/-1}, respectivamente, y resuelta ser en ambos casos -45° si se utiliza la función
td = 0.0, 0.007, 0.015

20 30
0
0 30
Magnitu
60
Fase
20
90
d
120
40
150
60 180
0.1 1 10 100 0.1 1 10 100
1
Fig. 7.8 D. de B. exacto de e − td s , para varios valores de td.
s + 10
0 0
45
20
Magnitud
Fase
a) 90
40
135
60 3 180 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
0 0
45
20
Magnitud
Fase
b) 90
40
135
60 3 180 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
Fig. 7.9 D. de B. de sistemas no-mínimos de fase; a) 1/(s + 10), b) 1/(s - 10).

Apuntes: 543 214 122
-1
tan {} sólo con argumento principal. Sin embargo, -1 + j se encuentra en el segundo cuadrante y por
lo tanto su fase es -225° ó 135°, según la convención de medición de ángulos, pero no es -45° (en este
curso se prefiere 135°). En general, se miden en sentido antihorario(horario) los ángulos en el
primer(tercer) y segundo(cuarto) cuadrante.
1 1
Ejemplo 7.8. Dibujar el D. de B. de h1(s) = y de h2(s) = . R.: Al tomar s = jω, se encuentra que h1(ω) =
s + 10 s − 10
1 1 1 1
y h2(ω) = . Por lo tanto, los módulos son |h1(ω)| = y |h2(ω)| = , los que son iguales.
jω + 10 jω − 10 ω + 10
2 2
ω + 102
2
Sin embargo, al tomar la fase de cada uno se tiene que arg{h1(ω)} = 0 – tan-1(ω/10) = tan-1(ω/10) y arg{h2(ω)} = 0 –
tan-1(-ω/10) = -tan-1(-ω/10), las que son distintas. En particular, como jω - 10 está en el segundo cuadrante, el ángulo está
entre 90° (para ω→ ∞) y 180° (para ω→ 0), por lo que el ángulo de 1/( jω - 10) estará entre -90° (para ω→ ∞) y -180° (para
ω→ 0), lo que queda representado por arg{h2(ω)} = -180° + tan-1(ω/10). Los resultados se encuentran en la Fig. 7.9. ♣
7.6 Diagrama de Bode de Sistemas Tiempo Discreto

Hasta ahora el análisis en frecuencia ha sido orientado a sistemas tiempo continuo. Ahora se revisará el
caso de sistemas tiempo discreto, Fig. 7.10. La salida de estos sistemas puede expresarse como la
convolución entre la entrada y la respuesta impulso de éste. Así, para una entrada arbitraria se tiene
que,
∞
y (kT ) = h(kT ) * u (kT ) = ∑ h(iT )u(kT − iT ) ,
i =−∞
donde h(kT) es la respuesta impulso del S.L.I. tiempo discreto. Considerando la entrada como u(kT) =
e jΩkT , que corresponde a la base de generación de señales periódicas, en particular sinusoidales, se
tiene,
∞ ∞ ∞
y (kT ) = ∑ h(iT )e jΩ( kT −iT ) =
i =−∞
∑ h(iT )e jΩkT e− jΩiT = e jΩkT
i =−∞
∑ h(iT )e
i =−∞
− jΩiT
,
donde el término sumatoria corresponde a la T.F.T.D. de la respuesta a impulso del sistema; es decir,
∞
h (Ω) = ∑ h(iT )e
i =−∞
− jΩiT
,
luego, la señal de salida queda como,

y (kT ) = h(Ω)e jΩkT ,
donde se ve claramente que la señal periódica de entrada, e jΩkT , se ve reflejada en la salida como una
señal de igual frecuencia a la señal de entrada, pero atenuada /amplificada y adelantada/retrasada en el
factor h(Ω). Nótese que h(Ω) es una propiedad del sistema y es un número complejo, el cual se puede
representar en un plano complejo o en módulo y ángulo. Recordar que para obtener la T.F.T.D. de una
u(kT) y(kT)
h(kT)
Fig. 7.10 Sistema S.L.I. tiempo discreto.

Apuntes: 543 214 123
señal discreta se puede reemplazar z por e jΩT en su T. Z. Es importante notar que la función e jΩT es
periódica de periodo 2π/T. Esta característica se debiera observar en el D. de B. de estos sistemas.
El D. de B. de sistemas tiempo discreto es también el gráfico del módulo, en dB, y la fase, en grados,
de una F. de T. con z = e jΩT en función de la frecuencia en base logarítmica. Sin embargo, como se
ilustrará con un ejemplo, los D. de B. de sistemas discretos quedan mejor graficados al utilizar una
escala de frecuencia lineal. Notar que el D. de B. depende de Ω y de T, que es el período de muestreo,
el cual se considera constante durante el análisis.
b0
Ejemplo 7.9. Dibujar el D. de B. de h(z) = , para varios valores de T. En este caso, la T.F.T.D. queda como h(Ω) =
z + a0
b0 b0
j ΩT
, por lo que al considerar la identidad de Euler se tiene que, h(Ω) = . Así, el módulo es,
e + a0 cos(ΩT ) + j sin(ΩT ) + a0
b0 b0 ⎧ sin(ΩT ) ⎫
|h(Ω)| = =, y la fase es arg{h(Ω)} = − tan −1 ⎨ ⎬ . La
(cos(ΩT ) + a0 ) + (sin(ΩT )) 2
1 + 2a0 cos(ΩT ) + a0
2 2
⎩ cos(ΩT ) + a0 ⎭
Fig. 7.11 muestra la gráfica para varios valores de T; donde por conveniencia se ha definido a0 = -e-10T y b0 = 0.1(1 - e-10T).
Es importante destacar que el uso de escalas lineales es más ilustrativo en estos casos; por ejemplo, la periodicidad del D. de
0 0
30
Magnitud
Fase
a) 20
60
40 90
0.1 1 10 100 0.1 1 10 100
0 0
30
Magnitud
Fase
b) 20
60
40 90
0.1 1 10 100 0.1 1 10 100
0.12 0
0.09
30
Magnitud
Fase
c) 0.06
2π/T 4π/T
60
0.03
0 90
0 20 40 60 80 0 20 40 60 80
b0
Fig. 7.11 D. de B. de h(z) = , a0 = -e-10T y b0 = 0.1(1 - e-10T); a) T = 0.02, b) T = 0.2, c) T = 0.2, escalas lineales.
z + a0

Apuntes: 543 214 124
B. es más evidente, Fig. 7.11(c). ♣
Ejemplo 7.10. Dibujar el D. de B. del equivalente discreto del motor c.c. ilustrado en la Fig. 7.5(a). R.: El modelo
⎡ x ⎤ ⎡ − R / L −km / L ⎤ ⎡ x1 ⎤ ⎡1/ L ⎤ ⎡ 0 ⎤ ⎡x ⎤
continuo con x1 = ia y x2 = ω es ⎢ 1 ⎥ = ⎢ ⎥ ⎢ ⎥ +⎢ ⎥ va + ⎢ ⎥ tl , ω = [ 0 1] ⎢ 1 ⎥ y el discreto para t =
⎣ x2 ⎦ ⎣ km / J l − d / J l ⎦ ⎣ x2 ⎦ ⎣ 0 ⎦ ⎣ −1/ J l ⎦ ⎣ x2 ⎦
⎡ −0.058 −0.295⎤ ⎡ 0.574 ⎤ ⎡ 0.615 ⎤
T = 0.25, está dado por A = ⎢ ⎥ , b = ⎢ 0.615⎥ , y e = ⎢ −1.413⎥ , lo que resulta en el modelo
⎣ 0.109 0.518 ⎦ ⎣ ⎦ ⎣ ⎦
⎡ia (kT + T ) ⎤ ⎡ −0.058 −0.295⎤ ⎡ia (kT ) ⎤ ⎡ 0.574⎤ ⎡ 0.615 ⎤
⎢ ω(kT + T ) ⎥ = ⎢ 0.109 0.518 ⎥ ⎢ ω(kT ) ⎥ + ⎢ 0.615⎥ va (kT ) + ⎢ −1.413⎥ tl (kT ) por lo que ω(z) = hωva(z)va(z) + hωtl(z)tl(z),
⎣ ⎦ ⎣ ⎦⎣ ⎦ ⎣ ⎦ ⎣ ⎦
ia(z) = hiava(z)va(z) + hiatl(z)tl(z). El D. de B. de hωtl(z) ilustrado en la Fig. 7.12, para dos frecuencias de muestreo, indica que
su validez es a lo más la mitad de frecuencia de muestreo (π/T). ♣
20 20
0 0
Magnitud
Magnitud
a) 20 20
40 40
60 3 60 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
20 20
0 0
Magnitud
Magnitud
b) 20 20
40 40
60 3 60 3
0.1 1 10 100 1 .10 0.1 1 10 100 1 .10
Fig. 7.12 D. de B. de las F. de T. continuas (líneas rojas) y discretas (líneas azules) de la máquina c.c.; a) hωtl(z) y hiava(z) con
T = 0.25, b) hωtl(z) y hiava(z) con T = 0.025.

Apuntes: 543 214 125
8 Estabilidad de Sistemas Lineales
El análisis de sistemas normalmente pasa por el estudio de su estabilidad. En

particular cuando el hombre lo interviene, debe como mínimo asegurar que será
posteriormente estable. Este capítulo introduce los conceptos de estabilidad
entrada-salida e interna, muestra además, su extensión a sistemas continuos y
discretos que pueden estar representados por su F. de T. y/o sus ecuaciones de
estado. Más aún, se muestran metodologías matemáticas para determinar la
estabilidad de estos sistemas. Se encuentra que en S.L.I. descritos por sus
ecuaciones de estado, la estabilidad depende exclusivamente de la matriz A; en
particular, de los valores propios de ésta.
8.1 Introducción
El concepto de estabilidad dice relación con las características de los sistemas de mantener en el tiempo
sus variables de salida y/o estado acotadas en el tiempo, ante cambios acotados en las c.i. y/o entradas.
Existen varias formas de definir la estabilidad en sistemas, las cuales describiremos a continuación.
8.2 Estabilidad de Sistemas Continuos en Ecuaciones de Estado

Consideremos el modelo de un sistema no-lineal autónomo, es decir la función f no depende
explícitamente del tiempo,
x (t ) = f (x(t )) ,
definimos en el Capítulo 2 el punto de equilibrio xo del sistema anterior como aquel que satisface la
siguiente condición,
0 = f ( xo ) .
Def.: El punto de equilibrio xo es estable si para toda c.i. finita, ||x0|| < M, se cumple que:
x(t ) − xo < δ .
Def.: El punto de equilibrio xo es asintóticamente estable si para toda c.i. finita, ||x0|| < M, se cumple
que:
lim x(t ) − xo → 0 .
t →∞
Si el sistema tiene entradas u(t),

x (t ) = f (x(t ), u(t )) , con x(0) = x0,

Apuntes: 543 214 126
Se define el punto de equilibrio del sistema en función de un valor constante de estas variables de
entrada u(t) = uo, es decir,
0 = f ( xo , u o ) ,
esta función representa la características estática del sistema. En el caso lineal continuo,
x (t ) = Ax(t ) + Bu(t ) , con x(0) = x0,
los puntos de equilibrios para una entrada constante u(t) = uo están dados por
0 = Axo + Buo ,
y si la entrada es nula (uo = 0), el punto de equilibrio es xo = 0 y es único mientras A sea invertible. En
este sentido, cuando se habla de estabilidad del sistema lineal se refiere a la estabilidad del punto de
equilibrio del sistema, y esta característica depende de la matriz A. En efecto, la evolución del sistema
para una entrada constante esta dada por:
x (t ) = Ax(t ) + Buo , con x(0) = x0,
y para considerar tan sólo la evolución en torno al punto de equilibrio xo, se puede restar a ambos lados
de la ecuación anterior la cantidad Axo + Buo, puesto que es cero. De esta forma la ecuación queda
dx(t ) d (x(t ) − xo )
x (t ) = = = Ax(t ) + Buo − ( Axo + Buo ) , con x(0) - xo = x0 - xo,
dt dt
por lo tanto,
d (x(t ) − xo )
= A(x(t ) − Axo ) , con x(0) - xo = x0 - xo,
dt
y definiendo el error x (t ) = x(t ) − xo , la ecuación anteriormente se puede escribir como,
x (t ) = Ax (t ) , con x (0) = x0 - xo,

de la cual podemos ver claramente que la estabilidad para cualquier punto de equilibrio depende de la
matriz A. En este sentido, si los valores propios de la matriz A tienen parte real negativa. Es decir, que
los valores propios se encuentren en el S.P.I. del plano complejo, el sistema será asintóticamente
estable. En cambio si alguno de sus valores propios tiene parte real igual a cero el sistema será tan sólo
estable. Esta estabilidad también se conoce como estabilidad interna.
8.3 Estabilidad Entrada-Salida en Sistemas Tiempo Continuo

Sea la siguiente definición,
Def.: Un S.L.I. es estable en el sentido entrada-salida si toda entrada acotada produce una salida
acotada.
También se dice que el sistema es BIBO estable (Bounded Input Bounded Output). En términos de la
F. de T. esto significa que si,
∞
y (t ) = ∫ u (t − τ)h(τ)dt ,
−∞
y considerando,

Apuntes: 543 214 127
| u (t − τ) |< U < ∞ ,
entonces,
∞
| y (t ) |< U ∫ | h(τ) | d τ ,
−∞
luego, para que el sistema sea BIBO estable, se debe cumplir,

∞
∫−∞
| h ( τ) | d τ < M < ∞ ,
donde h(t) es la respuesta del sistema para entrada impulso. Es decir, la integral del valor absoluto de la
respuesta a impulso debe converger.
A. Relación entre los polos de un sistema y su estabilidad

Para entender la relación que existe entre los polos de un sistema y su estabilidad, consideremos un
sistema SISO en el espacio de estados. Esto es
x (t ) = Ax(t ) + bu (t ) , y (t ) = cx(t ) + du (t ) ,
considerando la respuesta impulso; es decir y(t) = h(t) cuando u(t) = δ(t) con c.i. nulas,
t
x(t ) = ∫ e A (t −τ )bδ(τ)d τ = e At b , h(t ) = ce At b + d δ(t ) .
0
Por lo tanto, para que la integral del valor absoluto de la respuesta a impulso converga, el factor ceAtb
debe converger. Si A es diagonal, es decir,
⎡ λ1 0 " 0⎤
⎢0 λ " 0 ⎥⎥
A=⎢ 2
,
⎢# # % #⎥
⎢ ⎥
⎢⎣ 0 0 " λ n ⎥⎦
se cumple que los elementos de la diagonal (los autovalores) corresponden a los valores propios del
sistema puesto que también son las raíces del polinomio det{λI - A} = 0. Para este sistema, la matriz de
transición eAt tiene la forma
⎡eλ1t 0 " 0 ⎤
⎢ ⎥
0 e λ 2t " 0 ⎥
e At = ⎢ ,
⎢ # # % # ⎥
⎢ ⎥
⎣⎢ 0 0 " eλnt ⎦⎥
de lo anterior se puede ver que para garantizar la estabilidad de entrada/salida (BIBO) del sistema, es
suficiente que los valores propios cumplan con,
ℜ {λ i } < 0 , ∀i = 1, 2,…, n,
es decir, que el sistema sea internamente estable. Así se garantiza que eAt converge. Sin embargo, sólo
es necesario que la expresión ceAtb converga y no toda la expresión eAt. Para determinar las
implicancias de esto se toma la T.L. a ceAtb que resulta en,
L{ce At b} = c( sI − A)−1 b = n( s) / d ( s) ,

Apuntes: 543 214 128
se observa que las raíces de d(s) - que son también los polos del sistema - deben estar en el S.P.I.. O
bien, los polos del sistema, los λl que quedan en la expresión ceAtb y que son un subconjunto de los, λi,
i = 1,… , n, deben cumplir con,
ℜ {λ l } < 0 , ∀l = 1, 2,…, k, con k ≤ n.
Para determinar la estabilidad entonces, se debe inspeccionar la ubicación de los polos de c(sI - A)-1b.
En particular, su ubicación en el plano complejo. Afortunadamente, si los polos están dados por las
raíces del polinomio d ( s ) = s n + a n −1 s n −1 + " + a1 s + a0 , existe un método que permite determinar la
ubicación de éstas mediante la inspección de los coeficientes a0, a1,… , an.
Ejemplo 8.1. Estudiar la estabilidad térmica de una habitación como ilustrada en la Fig. 8.1. R.: Al asumir que el flujo de
dT 1
calor es del exterior al interior, es decir, To > Tm > Ti se obtuvo que, C1 i = (Tm − Ti ) y
dt R1
dTm 1 1
C2 = (To − Tm ) − (Tm − Ti ) . Definiendo, x1 = Ti, x2 = Tm, p = To (nótese que no hay entradas manipulables y sólo la
dt R2 R1
⎡ 1 1 ⎤
⎢− C R C1 R1⎥ ⎡ 0 ⎤
perturbación es entrada) el sistema queda definido por A = ⎢ 1 1 ⎥ , e = ⎢ 1 ⎥ . La estabilidad interna
⎢ 1 1 1 ⎥ ⎢ ⎥
⎢CR − − ⎥ ⎢ C2 R2 ⎦⎥
⎣
⎣ 2 1 C2 R2 C2 R1 ⎦
queda dada por la ubicación de los valores propios de la matriz A. Al evaluar simbólicamente el escalar det{λI - A}, se
⎧ R C + R1 C1 + R2 C1 ⎫ R1 + 2 R2
obtiene, λ 2 + ⎨ 2 2 ⎬λ + 2 . Si bien no es evidente dónde están ubicados los valores propios de este
⎩ R1 R2 C1C2 ⎭ R1 R2 C1C2
ejemplo, el criterio de estabilidad a revisar a continuación indicará que siempre están en el S.P.I. Una alternativa de estudiar
la estabilidad entrada/salida es observando la F. de T. considerando a la temperatura de la habitación como salida y a la
temperatura ambiente como entrada, en este caso c = (1 0) y por lo tanto hTiTo(s) = c(sI – A)-1e =
1 1
, cuyos polos son también los valores propios del sistema y por lo tanto
R1 R2 C1C2 2 ⎧ R2 C2 + R1 C1 + R2 C1 ⎫ R1 + 2 R2
s +⎨ ⎬s + 2
⎩ R1 R2 C1C2 ⎭ R1 R2 C1C2
el sistema es siempre estable. Nótese que el hecho de tener valores propios estables (estabilidad interna) asegura la
estabilidad entrada/salida. ♣
Ejemplo 8.2. En el estanque de la Fig. 8.2 se definen las variables de estado ∆x1 = ∆h, ∆x2 = ∆cs, ∆u = ∆fa, ∆p1 = ∆fm y ∆p2
y
fa
fm, cm
h
C2 y = 2ax
CT
C1 Ti Tm To
R1 R2 CT
: sensor de
concentración x
fs, cs
Fig. 8.1 Modelo de una habitación simplificado. Fig. 8.2 Estanque diluidor.

Apuntes: 543 214 129
⎡ a 2 gkv ⎤ ⎡ a2 ⎤
⎢− 2 0 ⎥ ⎢ 2 ⎥
2 x1o gx1o ⎥ , b = ⎢ x1o ⎥ ,
= ∆cm, por lo que el modelo linealizado queda descrito por A = ⎢⎢
⎢ 3a 2 ( p1o + uo ) ⎥⎥ ⎢ 3a 2 x ⎥
0 − ⎢− 3 2o ⎥
⎢⎣ 3
x1o ⎥
⎦ ⎢⎣ x1o ⎥⎦
⎡ a2 ⎤
⎢ 2
0 ⎥
x
E=⎢ 2 ⎥ , donde el punto de operación está dado por las ecuaciones, f + f − k gh = 0 y
1o
⎢ 3a ( p − x ) 3a 2 p ⎥ mo ao v o
⎢ 2o 2o 1o
⎥
⎢⎣ x13o x13o ⎥⎦
f mo cmo − f mo cso − f ao cso = 0 . Analice la estabilidad. R.: En este caso los valores propios están dados simplemente por
a 2 gkv 3a 2 ( p1o + uo )
− y por − que son siempre negativos lo que asegura la estabilidad interna y entrada/salida. Por
2 x12o gx1o x13o
a2 1 a 2 gkv
otro lado, la F. de T. considerando a la altura como salida es cuyo único polo es − . Nótese
x12o a 2 gkv 2 x12o gx1o
s+
2 x12o gx1o
que en este caso los polos son un sub-conjunto de los valores propios del sistema. Esto además indica un comportamiento
dinámico de sistema de primer orden entre la altura y el flujo de entrada. ♣
B. Criterio de estabilidad de Routh-Hurwitz

El criterio de estabilidad de Routh-Hurwitz es un método para determinar cuándo un sistema es estable
o no, basándose en los coeficientes del polinomio característico del sistema. Este método es
particularmente útil en sistemas de orden superior debido a que no es necesario factorizar el
denominador de la F. de T.. Sea d ( s ) = s n + a n −1 s n −1 + " + a1 s + a0 , la interrogante es ¿ puede
determinarse si habrá una raíz en el S.P.D. si sólo se observan los coeficientes a n −1 , " , a1 , a 0 ?.
Inspección Inicial. Sea el caso de d(s),

( s + p1 )( s + p2 )( s + p3 ) = s 3 + ( p1 + p2 + p3 ) s 2 + ( p1 p2 + p1 p3 + p2 p3 ) s + p1 p2 p3 ,
de donde se puede observar que el caso general es,
d(s) = sn + (suma de todos los polos) sn−1
+ (suma de los productos de a dos) sn−2
+ (suma de los productos de a tres) sn−3
+···+
+ (producto de todos los polos).
Por lo que an-1 = suma de todos los polos, an-2 = suma de los productos de a dos, ..., a0 = producto de
todos los polos. Por otro lado, se sabe que si p1 ∧ p2 ∧ · · · ∧ pn, son estables, entonces, p1 ∧ p2 ∧ · · · ∧
pn > 0 lo que implica que todos los coeficientes de d(s); es decir, a n −1 , " , a1 , a 0 son positivos y
distintos de cero. Es decir,
si p1 ∧ p2 ∧ · · · ∧ pn > 0 ⇒ si an-1 ∧ an-2 ∧ · · · ∧ a0 > 0 : caso estable.

si an-1 ∨ an-2 ∨ · · · ∨ a0 ≤ 0 ⇒ p1 ∨ p2 ∨ · · · ∨ pn ≤ 0 : caso inestable.

Apuntes: 543 214 130
Ejemplo 8.3. Analizar la estabilidad del polinomio característico (a) s 2 − 3s + 1 y (b) s 3 + 0.5s 2 + 3.5s + 4 . R.: El caso (a)
tiene a lo menos una raíz positiva: inestable, el caso (b) puede o no puede ser estable. ♣
Ejemplo 8.4. Analizar la estabilidad de levitador magnético ilustrado en la Fig. 8.3. R.: Definiendo x1 = i, x2 = y, x3 = dy/dt
⎡ x1 ⎤ ⎡ − Rx1 / L + u / L ⎤ ⎡ − Rx1 / L ⎤ ⎡1/ L ⎤
⎢ ⎥
y u = e el modelo en variables de estado es x = ⎢ x2 ⎥ = ⎢ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
x3 ⎥ = ⎢ x3 ⎥ + ⎢ 0 ⎥ u , el punto de
⎢⎣ x3 ⎥⎦ ⎢⎣ g − kx12 / mx2 ⎥⎦ ⎢⎣ g − kx12 / mx2 ⎥⎦ ⎢⎣ 0 ⎥⎦
operación está dado por x1o = uo/R., x3o = 0, y gmx2o = k x12o y el modelo linealizado queda dado por
⎡ R ⎤
⎢ − 0 0⎥
⎢ L ⎥ ⎡1/ L ⎤
A= ⎢ 0 0 1 , b = ⎢⎢ 0 ⎥⎥ . El escalar det{λI - A} se obtiene en forma simbólica y resulta ser
⎥
⎢ ⎥
⎢ − R g R mg
2 2
⎥ ⎢⎣ 0 ⎥⎦
⎢ u 2
0 ⎥
⎣ o uo k ⎦
2 2
R R mg R 3 mg 2
λ3 + λ 2 − 2 λ− 2 . Desafortunadamente hay dos coeficientes negativos - para cualesquier condición de
L uo k uo L k
operación - lo que indica la presencia de al menos una raíz en el SPD y por lo tanto el sistema es inherentemente inestable.
Esto justifica que el objeto se aleje ante cualesquier variación de la tensión de entrada. Esta estabilidad interna inestable
sugiere la necesidad de un sistema externo que manipule la tensión de entrada e para conseguir que el objeto, Fig. 8.3, quede
siempre a la misma distancia. ♣
El criterio de Routh Hurwitz es necesario y suficiente para el análisis de estabilidad. A partir del
polinomio característico d ( s ) = s n + a n −1 s n −1 + " + a1 s + a0 se genera:
sn δ 01 = 1 δ 02 = a n −2 δ 03 = a n − 4 "
n −1
s δ11 = a n −1 δ12 = a n −3 δ13 = a n −5 "
s n − 2 δ 21 δ 22 δ 23 "
n −3
s δ 31 δ 32 δ 33 "
# # # # #
s 1
δ n −1,1 0 0 "
s0 δ n1
δ i −1,1δ i − 2, j +1 − δ i − 2,1δ i −1, j +1
en donde, δ ij = ; i = 2, ..., n ; j = 1, 2, ... . El criterio establece que el número
δ i −1,1
R L +
e(t)
i(t) -
y(t)
Fig. 8.3 Levitador magnético.

Apuntes: 543 214 131
de raíces de d(s) con parte real positiva es igual al número de cambios de signo en la primera columna
del arreglo (columna pivote). El análisis se complica cuando hay ceros en la columna pivote.
Caso Nº1: No hay ceros en la columna pivote.

s 2 1 a0
1 1 a0 a1 > 0
i) d ( s ) = s 2 + a1 s + a0 , s 1 a1 0 , b1 = − = a0 ⇒ .
0 a1 a1 0 a0 > 0
s b1 0
Estos resultados confirman la estabilidad interna del sistémica térmico revisado en el Ejemplo 8.1.
s3 1 a1 1
2
b1 = − (a 0 − a 2 a1 ) a2 > 0
s a 2 a0 a2
ii) d ( s) = s + a2 s + a1s + a0 , 1
3 2
, ⇒ a 2 a1 > a0 .
s b1 0 1
c1 = − (a 0 ⋅ 0 − b1 a 0 ) = a 0 a0 > 0
s 0 c1 0 b1
Caso Nº2: Ceros en la columna pivote con elementos distinto de cero en la fila en donde está el
cero.
Se hace igual a ε y luego se lleva al límite. Por ejemplo, d ( s ) = s 5 + 2 s 4 + 2 s 3 + 4 s 2 + 11s + 10
s5 1 2 11
s4 2 4 10
s3 ε 6 0
s 2 c1 10 0
s 1 d1 0 0
s 0 10 0 0
4ε − 12 12
c1 = =−
ε ε
, dos cambios de signo ⇒ inestable ⇒ dos raíces inestables.
6c1 − 10ε
d1 = →6
c1
Caso Nº3: Ceros en la columna pivote con elementos iguales a cero en la fila en donde está el
cero.
Este caso ocurre cuando hay simetrías en torno al origen: (s + σ)(s − σ) ó (s + jω)(s − jω) se puede
utilizar un polinomio auxiliar. Por ejemplo, d ( s ) = s 3 + 2 s 2 + 4 s + k
s3 1 4
s2 2 k
s 1 8−2k 0
s0 k 0
es estable si 0 < k < 8 ⇒ kc = 8.
Nota: Este método complementa la Regla Nº 10 (encuentra kc). Si k = 8 la fila en s1 se hace cero. Por lo
tanto, el polinomio auxiliar es generado con la fila de s2 que es 2s 2 + ks 0 = 2s 2 + 8 = 2( s 2 + 4) , por lo
que,
Apuntes: 543 214 132
d ( s ) : 2( s 2 + 4 ) = s 3 + 2 s 2 + 4 s + 8 : 2( s 2 + 4 ) = s / 2 + 1
- s3 + 4s
2s 2
+8 ,
- 2s 2
+8
0
por lo que d ( s ) = 2( s 2 + 4)( s / 2 + 1) = ( s 2 + 4)( s + 2) ⇒ marginalmente estable.
Caso Nº4: Raíces repetidas en el eje imaginario.

En este caso aparecen varias filas idénticas a cero. Por ejemplo,
d ( s ) = ( s + 1)( s + j )( s − j )( s + j )( s − j ) = s 5 + s 4 + 2 s 3 + 2 s 2 + s + 1
s5 1 2 1
s4 1 2 1
s3 ε ε 0 ← fila de ceros
,
s2 1 1
s1 ε 0 ← fila de ceros
s0 1
podría pensarse que es estable si ε > 0, pero
s4: s4 + 2s2 + 1 = (s2 + 1)2

s2 : s2 + 1
múltiple raíces ⇒ inestable.
Ejemplo 8.5. Analizar la estabilidad del sistema compuesto por la suspensión del automóvil, Fig. 8.4. R.: En este caso el
modelo en variables de estado para ξ1 = x1, ξ2 = x2, ξ3 = dx1/dt y ξ4 = dx2/dt, está dado por x = Ax + bu + ep + γ donde las
⎡ 0 0 1 0 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢ 0 0 0 1 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥ ⎢ 0 ⎥
matrices son, A = ⎢ ⎥, b = ⎢ ⎥, e=⎢ ⎥ y γ=⎢ ⎥,
⎢ − k1 / M k1 / M −d / M d / M ⎥ ⎢ 1/ M ⎥ ⎢ 0 ⎥ ⎢ k1l1 / M − g ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ k1 / m −(k1 + k2 ) / m d / m −d / m ⎥⎦ ⎣⎢ −1/ m ⎦⎥ ⎢⎣ k2 / m ⎥⎦ ⎢⎣ k1l1 / m + k2 l2 / m − g ⎥⎦
donde e es un vector asociado a la perturbación yr y γ es un vector de constantes. El escalar det{λI - A} se obtiene en forma
x1(t)
M
d u k1
x2(t)
m
k2
yr(t)
Fig. 8.4 Sistema mecánico: suspensión activa.

Apuntes: 543 214 133
M + m 3 k2 M + k1m + k1 M 2 dk2 kk
simbólica y resulta ser λ 4 + d λ + λ + λ + 1 2 . Afortunadamente, es posible obtener la
Mm Mm Mm Mm
k 2 M + k1m + k1 M k1k2
s4 1
Mm Mm
M + m dk
s3 d 2
0
Mm Mm
2 mk1 (m + 2M ) + M 2 (k1 + k2 ) k1k2
matriz auxiliar también en forma simbólica y resulta ser, s 0 . En
Mm Mm
k22 Md
s1 0 0
m mk1 (m + 2M ) + M 2 (k1 + k2 )
k1k2
s0 0 0
Mm
este caso es claro que la columna pivote no tiene cambios de signo en tanto las constantes sean todas positivas, lo cual es el
caso del sistema de suspensión del automóvil. Por lo tanto, la estabilidad interna está asegurada y por lo tanto la estabilidad
entrada/salida, cualesquiera sea la cantidad considerada como salida, también está asegurada. ♣
8.4 Estabilidad de Sistemas Discretos en Ecuaciones de Estado

Al igual que en el caso continuo, consideremos el modelo de un sistema no-lineal autónomo, es decir la
función f no depende explícitamente del tiempo,
x(kT + T ) = f (x(kT )) ,
definimos en el Capítulo 2 el punto de equilibrio xo del sistema anterior como aquel que satisface la
siguiente condición,
xo = f ( xo ) ,
Def.: El punto de equilibrio xo es estable si para toda c.i. finita, ||x0|| < M, se cumple que:
x(kT ) − xo < δ .
Def.: El punto de equilibrio xo es asintóticamente estable si para toda c.i. finita, ||x0|| < M, se cumple
que:
lim x(kT ) − xo → 0 .
kT →∞
Si el sistema tiene entradas u(kT),

x(kT + T ) = f (x(kT ), u(kT )) , con x(0) = x0,
se define el punto de equilibrio del sistema en función de un valor constante de estas variables de
entrada u(kT) = uo, es decir,
xo = f ( xo , u o ) ,
esta función representa la característica estática del sistema. En el caso lineal discreto,

Apuntes: 543 214 134
x(kT + T ) = Ax(kT ) + Bu(kT ) , con x(0) = x0,

los puntos de equilibrios para una entrada constante u(kT) = uo están dados por
xo = Axo + Buo ,
y si la entrada es nula (uo = 0), el punto de equilibrio es xo = 0 y es único mientras (I – A) sea
invertible. En este sentido, cuando se habla de estabilidad del sistema lineal se refiere a la estabilidad
del punto de equilibrio del sistema, y esta característica depende de la matriz A. En efecto, la evolución
del sistema para una entrada constante esta dada por:
x(kT + T ) = Ax(kT ) + Buo , con x(0) = x0,
y para considerar tan sólo la evolución en torno al punto de equilibrio xo, se puede restar a ambos lados
de la ecuación anterior la cantidad xo = Axo + Buo. De esta forma la ecuación queda
x(kT + T ) − xo = Ax(kT ) + Buo − ( Axo + Buo ) , con x(0) - xo = x0 - xo,
por lo tanto,
x(kT + T ) − xo = A(x(kT ) − xo ) , con x(0) - xo = x0 - xo,
y definiendo el error x (kT ) = x(kT ) − xo , la ecuación anterior se puede escribir como,
x (kT + T ) = Ax (kT ) , con x (0) = x0 - xo,
de la cual podemos ver claramente que la estabilidad para cualquier punto de equilibrio depende de la
matriz A. En este sentido, si los valores propios de la matriz A están en el círculo unitario, el sistema
será asintóticamente estable. En cambio si alguno de sus valores propios está en el círculo, el sistema
será tan sólo estable.
8.5 Estabilidad Entrada-Salida en Sistemas Tiempo Discreto

Al igual que en sistemas tiempo continuo, el concepto de estabilidad BIBO se aplica a los sistemas
tiempo discreto. En términos de la F. de T: esto significa que si,
∞
y (kT ) = ∑ u (kT − iT )h(iT ) ,
i =−∞
y considerando,
| u (kT − iT ) |< U < ∞ ,
entonces,
∞
| y (kT ) |< U ∑ | h(iT ) | ,
i =−∞
luego, para que el sistema sea BIBO estable, se debe cumplir,

∞
∑ | h(iT ) | < M < ∞ ,

i =−∞
donde h(iT) es la respuesta del sistema para entrada impulso. Es decir, la sumatoria del valor absoluto
de la respuesta a impulso debe converger.

Apuntes: 543 214 135
A. Relación entre los polos de un sistema y su estabilidad

Para entender la relación que existe entre los polos de un sistema y su estabilidad, consideremos un
sistema SISO en el espacio de estados discreto. Esto es
x(kT `+T ) = Ax(kT ) + bu (kT ) , y (kT ) = cx(kT ) + du (kT ) ,
considerando la respuesta impulso; es decir y(kT) = h(kT) cuando u(kT) = δ(kT) con c.i. nulas,
k −1
x(kT ) = ∑ A k −1− j bδ( jT ) = A k −1b , h(kT ) = cA k −1b + d δ(kT ) .
j =0
Por lo tanto, para que la sumatoria del valor absoluto de la respuesta a impulso converga, el factor dado
por cAk-1b debe converger. Si A es diagonal, es decir,
⎡ λ1 0 " 0⎤
⎢0 λ " 0 ⎥⎥
A=⎢ 2
,
⎢# # % # ⎥
⎢ ⎥
⎢⎣ 0 0 " λ n ⎥⎦
se cumple que los elementos de la diagonal (los autovalores) corresponden a los valores propios del
sistema puesto que también son las raíces del polinomio det{λI - A} = 0. Para este sistema, la matriz de
transición Ak tiene la forma,
⎡λ1k 0 " 0 ⎤
⎢ ⎥
0 λ2 k
" 0 ⎥
A =⎢
k
,
⎢ # # % # ⎥
⎢ ⎥
⎢⎣ 0 0 " λ n k ⎥⎦
de lo anterior se puede ver que para garantizar la estabilidad de entrada/salida (BIBO) del sistema, es
suficiente que los valores propios cumplan con,
| λ i |< 1 , ∀i = 1, 2,…, n,
es decir, que el sistema sea internamente estable. Sin embargo, sólo es necesario que cAk-1b converga y
no toda la expresión Ak-1. Para determinar las implicancias de esto se toma la T.Z. a cAk-1b que resulta
ser,
Z{cA k −1b} = c( zI − A) −1 b = n( z ) / d ( z ) ,
lo que indica que las raíces de d(z) - que son también los polos del sistema - deben estar en el círculo
unitario. O bien, los polos del sistema, los λl que quedan en la expresión cAk-1b y que son un
subconjunto de los, λi, i = 1,… , n, deben cumplir con,
| λ l |< 1 , ∀l = 1, 2,…, k, con k ≤ n.
Para determinar la estabilidad entonces, se debe inspeccionar la ubicación de los polos de c(zI - A)-1b.
En particular, su ubicación en el plano complejo. Afortunadamente, hay un método equivalente al de
Ruth-Hurwitz que permite determinar la ubicación de éstas mediante la inspección de los coeficientes
a0, a1,… , an.

Apuntes: 543 214 136
B. Criterio de estabilidad de Routh-Hurwitz

Sea el polinomio característico d ( z ) = z n + an −1 z n −1 + " + a1 z + a0 mediante el cambio de variable z =
1+ r
, se puede aplicar el criterio de Routh-Hurwitz visto para sistemas tiempo continuo a los sistemas
1− r
discretos. En efecto, con este cambio de variable, lo que se logra es mapear la región de convergencia
del plano z (círculo unitario) al plano r (S.P.I.). Así se busca que los polos en r estén en el S.P.I. para
asegurar la estabilidad. Nótese que se utiliza r y no s, Fig. 8.5, pues no es un mapeo punto a puno y
sólo de regiones.
Ejemplo 8.6. Para el siguiente polinomio característico z3 + 5.94z2 + 7.2z – 0.368, realizar el cambio de variable que
corresponda y aplicar el criterio de Routh-Hurwitz y comentar acerca de la ubicación de la raíces. R.: Aplicando el cambio
1+ r
de variable z = el polinomio mapeado al plano r queda de la forma 3.128r3 – 11.74r2 + 2.344r + 14.27. Dado que un
1− r
coeficiente es negativo, existe una o más raíces imaginarias que se encuentran en el S.P.D. del plano complejo r. Esto indica
que en el plano z, existe una raíz del polinomio característico que se encuentra fuera del círculo unitario y por lo tanto el
sistema discreto es inestable. ♣
plano r plano z
jω jv
σ u
1+ r
Fig. 8.5 Mapeo del plano z y r, mediante z = .
1− r

Apuntes: 543 214 137
Bibliografía
- W. L. Luyben, “Process modeling, simulation and control for chem...”, McGraw Hill, 1983.*
- G. Stephanopoulos, “Chemical process control”, Prentice-Hall, 1984.
- R. Dorf, “Modern Control Systems”, Addison-Wesley Publishing Comp. 1995, 7th edition.*
- K. Furuta, A. Sano, and D. Atherton, “State Variable Methods in Automatic ...”, Wiley 1988.
- T. Kailath, “Linear Systems”, Prentice Hall 1980.*
- E. Kreyszig, “Advanced Engineering Mathematics”, John Wiley & Sons 1993, 7th edition.
- B. Kuo, “Sistemas de Control Automático”, Prentice-Hall 1996, 7ma edición.*
- J. Maciejowsky, “Multivariable Feedback Design”, Addison-Wesley Publishing Comp. 1990.
- K. Ogata, “Ingeniería de Control Moderna”, Prentice-Hall 1993, 2da edición.*
- W. Rugh, “Linear System Theory”, Prentice-Hall. 1996, 2nd edition.*
- J. Proakis y D. Manolakis, “Tratamiento digital de señales”, Prentice-Hall 2000, 3era edición.

Apuntes: 543 214 138
Índice Alfabético
máquina cc ...........................................................21
A
motor cc .............................................116, 119, 124
análisis de sistemas motor cc/eje flexible..... 21, 27, 28, 48, 95, 102, 111
de primer orden.......................................................106 financiero ..............................................................6, 71
de primer orden con retardo ....................................106 hidráulico
de segundo orden ....................................................107 estanque cóncavo ...........................................23, 39
estanque piramidal .....................23, 31, 82, 89, 128
C estanque rectangular.............................................23
Coeficientes de Fourier..................................................65 mecánico
convolución continua.....................................................43 carro-péndulo invertido........................................16
convolución discreta ......................................................49 grúa ......................................................................17
convolución discreta cíclica.....................................50, 51 locomotora ...........................................................15
masa-resorte-amortiguador ..................................14
D péndulo.................................................................16
Diagrama de Bode satélite ..................................................................18
asintótico.................................................................118 suspensión activa..........................................15, 132
de sistemas con retardo ...................................120, 121 población.......................................................6, 85, 105
de sistemas de 1er orden ..........................................114 térmico
de sistemas de 2do orden..........................................115 habitación.....................................................27, 128
de sistemas tiempo discreto ....................................122 intercambiador de calor..........................................9
definición ................................................................113 estabilidad................................................................3, 125
de entrada-salida en sistemas continuos..................126
E de entrada-salida en sistemas discretos ...................134
ecuación de diferencias..................................................78 en ecuaciones de estado continuas ..........................125
polinomio característico............................................83 en ecuaciones de estado discretas ...........................133
respuesta estacionaria................................................85 polos y estabilidad en sistemas continuos...............127
respuesta forzada.......................................................83 polos y estabilidad en sistemas discretos ................135
respuesta homogénea ................................................83 Routh-Hurwitz en sistemas continuos.....................129
respuesta transitoria ..................................................85 Routh-Hurwitz en sistemas discretos......................136
ecuación diferencial .................................................11, 77 F
ordinaria....................................................................77
parcial .......................................................................77 función de transferencia continua
polinomio característico............................................80 a ecuaciones de estado ..............................................99
respuesta estacionaria................................................81 ceros..........................................................................94
respuesta forzada.......................................................79 definición ............................................................94, 95
respuesta homogénea ................................................79 fracciones parciales.................................................100
respuesta transitoria ..................................................81 ganancia dc .........................................................94, 95
ecuación lineal/no-lineal................................................78 polos..........................................................................94
ecuación variable/invariable ..........................................78 sistema de fase mínima .............................................94
ecuaciones de estados continuas ....................................12 función de transferencia discreta
respuesta forzada.......................................................88 a ecuaciones de estado ............................................103
respuesta homogénea ................................................86 ceros..........................................................................97
ecuaciones de estados continuas ....................................86 definición ............................................................97, 98
ecuaciones de estados de diferencias .............................90 fracciones parciales.................................................104
respuesta forzada.......................................................91 ganancia dc .........................................................98, 99
respuesta homogénea ................................................90 polos..........................................................................97
ejemplo sistema de fase mínima .............................................97
eléctrico L
circuito RL .............................................................5
circuito RLC...............................................7, 11, 19 Ley de Enfriamiento de Newton....................................25
elevador dc/dc ....................................32, 58, 66, 76 Ley de Fourier ...............................................................25
equivalente motor cc/eje flexible .........................19 Ley de Hooke ................................................................13
generación hidroeléctrica ...............................1, 2, 5 Leyes de Kirchoff ..........................................................19
generación solar .....................................................3 linealización...................................................................29
reducidor dc/dc.....................................................20
M
electromecánico
levitador magnético......................................22, 130 matriz

Apuntes: 543 214 139
de transición de estados continua .............................86 ecuación diferencial a discreta ...........................108

de transición de estados discreta ..............................90 ecuaciones de estado diferenciales a discretas ...109
modelo modelo ........................................................................3
empírico ....................................................................10 tipo
fenomenológico ........................................................10 eléctricos ..............................................................18
muestreador ...................................................................45 electromecánicos..................................................21
con retención.............................................................46 hidráulicos............................................................22
ideal...........................................................................45 mecánicos.............................................................13
térmicos................................................................24
P
Tipo N .....................................................................118
proceso.............................................................................1
T
S
transformaciones
señal complejas
definición ..................................................................34 convolución........................................43, 49, 50, 51
descomposición.........................................................42 discretización .......................................................45
índices .......................................................................36 simples ......................................................................39
ortogonalidad ............................................................36 normalización.......................................................41
periodicidad ..............................................................36 retardo ..................................................................42
simetría .....................................................................35 transformaciones de similitud........................................28
soporte.......................................................................34 Transformada de Fourier ...............................................59
soporte compacto ......................................................35 definición ..................................................................60
soporte negativo........................................................34 inversa.......................................................................61
soporte positivo.........................................................34 Transformada de Fourier de Frecuencia Discreta ..........64
señal de prueba continua definición ..................................................................64
escalón ......................................................................37 inversa.......................................................................65
exponencial ...............................................................38 Transformada de Fourier de Tiempo Discreto...............71
impulso .....................................................................36 definición ..................................................................72
rampa ........................................................................37 inversa.......................................................................72
sinusoidal ..................................................................38 Transformada de Fourier Discreta .................................73
señal de prueba discreta definición ..................................................................73
escalón ......................................................................47 inversa.......................................................................73
exponencial ...............................................................48 Transformada de Laplace ..............................................53
impulso .....................................................................47 definición ..................................................................53
rampa ........................................................................47 inversa.......................................................................54
sinusoidal ..................................................................48 propiedades ...............................................................55
sistema Transformada Z .............................................................67
cantidades....................................................................1 definición ..................................................................67
clasificación ................................................................5 inversa.......................................................................68
causal......................................................................8 propiedades ...............................................................68
concentrado ............................................................8
continuo..................................................................6 V
dinámico.................................................................7 variables
discreto...................................................................6 entrada.........................................................................2
distribuido ..............................................................8 estado ..........................................................................2
estático ...................................................................7 parámetros...................................................................2
invariante................................................................8 perturbaciones.............................................................2
lineal.......................................................................5 salida...........................................................................2
no-causal ................................................................8 vector
no-lineal .................................................................5 de entradas ................................................................12
varainte...................................................................8 de salidas...................................................................12
definición ....................................................................1
equivalentes ............................................................108

Apuntes Sistemas Lineales Dinámicos

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apuntes Sistemas Lineales Dinámicos

Uploaded by

Copyright:

Available Formats

Universidad de Concepción

© Prof. José R. Espinoza C. – Daniel G. Sbárbaro H.

ABREVIACIONES ..................................................................................................................................... VIII

3 SEÑALES EN SISTEMAS ....................................................................................................................34

5 CARACTERIZACIÓN MATEMÁTICA ...................................................................................................77

6 FUNCIONES DE TRANSFERENCIA ......................................................................................................93

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

6.5 Sistemas de Primer y Segundo Orden.................................................................................106

7 ANÁLISIS EN FRECUENCIA .............................................................................................................112

8 ESTABILIDAD DE SISTEMAS LINEALES ...........................................................................................125

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Dr. José R. Espinoza C. Dr. Daniel G. Sbárbaro H.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

x0 : condición inicial del vector de estados, x0 = [x10 x20 ··· xn0]T

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

σ (A) : máximo valor singular de A.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

En este capítulo se introduce formalmente los conceptos de proceso, sistema y

1.1 Proceso y Sistema

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

– P : Potencia consumida por la red.

Fig. 1.3 Relación entre proceso-objetivo-sistema-modelo.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

alteraciones del proceso o su operación, tiempo de experimentación, etc.

Conceptuales describe al sistema en forma global, permiten la transferencia de ideas o conceptos en

a) circuito eléctrico b) modelo conceptual

Sw = 1 => v = Ri Si S w está en 1 entonces la lámpara se enciende

c) modelo matemático d) modelo lingüístico

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

1.3 Clasificación de Sistemas y Modelos

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Fig. 1.5 Modelo de la mini-central de la Fig. 1.1.

a) circuito RL b) circuito RLC

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

E . Tiempo invariantes y variantes

F . Parámetros concentrados y distribuidos

a) transbordador espacial b) intercambiador de calor

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

1.4 Alcances del Curso 543 214

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Este capítulo presenta las pautas básicas para la modelación de sistemas

2.1 Principios Básicos

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

funciones involucradas se obtiene:

Balance macroscópico. El proceso en cuestión se caracteriza por propiedades globales que no

B. Principio de Mínima Acción

C. Ecuación Diferencial y Ecuaciones de Estado

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

En el caso de las ecuaciones de estado, el sistema se representa por un conjunto de n ecuaciones

Fig. 2.1 Circuito serie RLC.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

2.2 Modelo y Simulación de Sistemas en Ingeniería

Fig. 2.2 Diagrama en bloques de las ecuaciones lineales dinámicas generalizadas.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Fig. 2.3 Sistema mecánico: masa-resorte-amortiguador.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

segmento grueso podemos ver la velocidad y en la línea continua la posición de la masa. ♣

Fig. 2.4 Sistema mecánico: suspensión activa.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

Copyright © por Prof. José R. Espinoza C. - Prof. Daniel G. Sbárbaro H.

l0 m(l0 cos(θ)θ 2 + l0 sin(θ)