Las funciones de transferencia tienen su origen dentro de los espacios vectoriales,

y tiene su uso dentro de los espacios vectoriales dentro de su uso algebraico.

Son lineales invariantes en el tiempo (LTI) y siempre que no haya alguna

condición, es un sistema de lazo abierto; y si no hay regulación no es un sistema
abierto.

ESTABILIDAD DENTRO DEL SISTEMA

Todo sistema se realiza por medio de un sistema a lazo abierto, que en el cual
contiene margen de fase y margen de ganancia.
También se compone de un lugar geométrico, un control de un sistema PID y su
ecuación característica. La función serial dentro del programa se caracteriza por
medio de una función de transferencia, un diagrama de bode y una solución de
ecuaciones matriciales, además de la obtención de ecuaciones diferenciales.

MATRICES (ÁLGEBRA LINEAL)

Una matriz es un conjunto de valores ordenados de elementos, que en el cual es
un arreglo de números reales o complejos de la forma:

El orden de una matriz está dado por el número de filas y columnas de una matriz.
Cuando m=n A es una matriz cuadrada. Cuando m es diferente de n, A es una
matriz rectangular, y si m=1, es un vector fila mientras que si n=1, es un vector
columna.
Las matrices A y B son iguales y únicamente si Ajk = Bjk para todo valor de “j” y
“k”.

SUMA Y RESTA MATRICIAL

Una suma es asociativa, y también es conmutativa. Es asociativa cuando se
relaciona con respecto a la agrupación sin importar el resultado.
MULTIPLICACIÓN POR UNA ESCALAR

Sea A una matriz y A se expresa que:

MULTIPLICACIÓN POR MATRICES

Producto Punto – Punto

La multiplicación sólo está definida para matrices cuyo número de columnas A es

igual al número de filas B.
Para los demás casos no está definida:
A X B es asociativa si A*B*C*D = (AB)*C*D = (A*BC)*D
A X B no es conmutativa si

DETERMINANTE DE UNA MATRIZ

Sea la expresión de Laplace para el determinante se expresa bajo la siguiente
expresión:
𝑛

det(𝐴) = ∑ 𝑎𝑗𝑘 𝐶𝑗𝑘

𝑘=1
Ejemplo. Se considera la siguiente matriz. Calcule su determinante.

1 2 3
𝐴 = [0 2 4]
0 0 6

2 4 0 4 0 2
det(𝐴) = 1 [ ] − 2[ ] + 3[ ]
0 6 0 6 0 0.
= (1)[(2)(6) − (0)(4)] − (2)[(0)(6) − (0)(4)] + 3[(0)(0) − (0)(2)]
= (1)[12] − (2)[0] + 3[0]
= 12

∴ ∆𝐴 = 12

MENOR
El menor de un elemento Ajk es el determinante de orden n – 1 (para una matriz
de orden n). Obteniendo de revocar los elementos de la fila o columna que
contiene el elemento Ajk, simbolizándose como mjk.

COFACTOR
El cofactor de denota como Cjk y se define como
𝐶𝑗𝑘 = (−1)𝑗+𝑘 𝑀𝑗𝑘

Algunas propiedades de los determinantes hacen como una especie de

intercambio el cual, el intercambio de 2 filas resulta en la multiplicación del valor
del determinante por (-1).
Sumar un múltiplo de una fila a otra no ocasiona cambios al valor del
determinante. Multiplicar una fila por una escalar alfa, ocasiona que el valor del
determinante sea igual a .
Estas propiedades son idénticas para las columnas y el determinante de la
transpuesta de A es igual al determinante de A. Además la det (A) será igual a
cero si alguna de las filas contiene únicamente ceros, y también si existen uno o
más pares proporcionales o idénticas de las columnas.
VALORES Y VECTORES PROPIOS

Sea A una matriz cuadrada, y un número real, se dice que es un valor propio
de A si existe un vector X diferente de vector cero, tal que
𝐴𝑥 = 𝜆𝑥
Es decir un vector que al transformarlo mediante la multiplicación por A, el vector
resultante mantiene su dirección, aunque posiblemente sólo su longitud o sentido
se modifique. Dicho vector se determina usando un vector propio asociado al valor
propio .

CALCULO DE VECTORES Y VALORES PROPIOS

Desarrollando la expresión AX = X se puede obtener la ecuación:

|𝐴𝑥 − 𝜆𝑥| = 0
|(𝐴𝑥 − 𝜆𝑥)| = 0

Ésta expresión es similar a la forma general de un sistema de ecuaciones

homogéneas el cual tiene soluciones trivial, pero que para el cero de soluciones
múltiples su determinante es igual a cero. De ésta manera se tiene que:
|(𝐴 − 𝜆𝐼)| = 0
A ésta ecuación se le conoce como sistema de ecuaciones, por lo tanto todo valor
propio debe ser raíz del polinomio o ecuación característica asociado a la matriz
A. Y el vector propio asociado al valor propio debe ser solución al sistema
homogéneo.

DIAGONALIZACIÓN DE UNA MATRIZ

Una matriz cuadrada A se dice que su matriz diagonalizable, existe una matriz P
n*n invertible que emplee con la relación
𝑃−1 𝐴𝑃 = 𝐷
Donde D es una matriz diagonal. Adicionalmente cuando dos matrices cuadradas
A y B verifican la relación anterior para cierta matriz cuadrada P, se dice que A y
D son semejantes. Es posible diagonalizar una matriz A de tamaño n*n mediante
el cálculo de los n – vectores propios lineales independientes asociados a los
valores propios reales ya que basta con utilizar dichos vectores como columnas de
matriz P.
CONDICIÓN PARA LA DIAGONALIZACIÓN
Las reglas básicas para determinar la diagonalización de una matriz se basan bajo
las siguientes reglas:
1.- Si tiene todos sus propios valores reales y desiguales, por lo tanto la matriz es
diagonal.
2.- Si tiene todos sus propios valores reales y para cada valor propio su
multiplicidad o dimensión geométrica, entonces la matriz es diagonalizable.
Para cada valor le corresponde un vector propio. Un resultado soportable es que
toda matriz resulta ser diagonalizable por lo que es igual a su transpuesta.

RANGO DE UNA MATRIZ

Dada una matriz A se denomina rango de A al número de filas no nulas de forma
normal por filas. En otras palabras el rango de A es igual al número de filas
(vectores) al rango de A es igual al número multiple.

CÁLCULO POR MÉTODO DE GAUSS

Consiste en hacer nulas el mismo número de líneas posibles y el rango de filas no
nulas. Se puede descartar una línea si:
- Todos sus coeficientes sean cero.
- Hay dos líneas iguales.
- Una línea es proporcional a otra.
- Una línea es combinación lineal de otras.

CÁLCULO POR MEDIO DE DETERMINANTE

1.- Se comienza por identificar o descartar líneas que cumplen con algunas de las
siguientes condiciones:
- Todos los coeficientes son ceros.
- Hay dos líneas iguales.
- Una línea es proporcional a otra.
- Una línea es condicional y lineal de otra.
2.- Con los elementos restantes, se forman arreglos verticales (submatrices)
cuadrados de dimensión n donde n = 1,2,3,……,n
Según lo apunta el arreglo original y su arreglo.
Considere una matriz de 3*3 en el cual no se descartan líneas, se podían formar
arreglos de 1*1, 2*2 y 3*3.
3.- Se evalúan para las distintas matices de las determinantes, si existe un valor
diferente de cero, se concluye que el rango de la matriz es igual a la dimensión de
la submatriz evaluada.
Ejemplo Matriz 3*3

Submatriz (1X1) Submatriz (2X2) Submatriz (3X3) Rango

∆A = 0 ∆A = 0 ∆A = 0 0
∆A ≠ 0 ∆A = 0 ∆A = 0 1
∆A ≠ 0 ∆A ≠ 0 ∆A = 0 2
∆A ≠ 0 ∆A = 0 ∆A ≠ 0 2
∆A ≠ 0 ∆A ≠ 0 ∆A ≠ 0 3

Si no se puede obtener una submatriz con que se pueda evaluar es porque no

tiene una determinante igual a cero.

Derivada de una matriz

Si A es una matriz cuyas elementos son diferenciables en un intervalo común
entonces se define A´
Como la matriz cuyos elementos son las derivadas de los elementos de A, es
decir:

Integral de una matriz

Si A es una matriz cuyos elementos son funciones en un intervalo que tiene A,
entonces la integral de A es una matriz cuyo todo elemento de su valor son las
integrales de los elementos de A.

EXPONENCIAL DE UNA MATRIZ

En analogía con el desarrollo de potencias, de ℯ 𝑥 para X perteneciente a los

reales, se define la exponencial de una matriz cuadrada A como la serie matricial
dada por:
𝐴2 𝐴3 𝐴𝑛
ℯ𝐴 = 𝐼 + 𝐴 + + + ⋯+
2! 3! 𝑛!
En el caso de que la matriz A tenga alguna potencia nula, que en el cual (A^k = 0)
es decir que A sea una matriz impotente de valor k, las potencias siguientes de A
serán cero y por lo tanto la serie anterior se vuelve una serie infinita.

𝐴
𝐴2 𝐴3 𝐴𝑘 𝐴𝑘+1 𝐴𝑛
ℯ =𝐼+𝐴+ + + ⋯+ + + ⋯+
2! 3! 𝑘! (𝑘 + 1)! 𝑛!

Para el caso de matrices no impotentes es necesario desarrollar completamente la

serie.

1 0 0 1 1 1 0 1 0 1 1 0 1
ℯ𝐶 = [ ]+[ ]+ ∗[ ]+ [ ]+⋯+ [ ]
0 1 1 0 2! 0 1 3! 1 0 2𝑘! 1 0

1 1 1 1
1+ + ⋯+ +⋯ 1 + + ⋯+ +⋯
𝐶 2! (2𝑘)! 3! (2𝑘 + 1)!
ℯ =
1 1 1 1
1 + + ⋯+ +⋯ 1 + + ⋯+ +⋯
[ 3! (2𝑘 + 1)! 2! (2𝑘)! ]

1 1
cosh(1) senh(1) 1 𝑒 + 𝑒−
ℯ𝐶 = [ ]= [ 𝑒 𝑒]
senh(1) cosh(1) 2 1 1
𝑒− 𝑒+
𝑒 𝑒
ESPACIOS DE ESTADOS: TIPOS DE ANÁLISIS DE VARIABLES

Todo espacio de estados se basa en las siguientes expresiones:

Ecuación de estado:
̇ = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡)
𝑥(𝑡)
Ecuación de salida:
𝑦(𝑡) = 𝐶𝑥(𝑡) + 𝐷𝑢(𝑡)

Continúo en el tiempo
El espacio de estados es el espacio vectorial lineal, compuesto de todos los
espacios internos lineales.
El estado de un sistema dinámico es el compuesto más pequeño mínimo de
variables (variables de estado) de modo que el conocimiento de éstos variables en
t=to de modo que el punto con el conocimiento de entrada se determina por
completo el complemento del sistema, para cualquier tiempo t >= to.

Representación en espacio de estados.

Se debe observar que las variables de edo. No necesitan ser continuas medibles y
observables físicamente. Sin embargo en la práctica es conveniente elegir
cantidades que se midan con facilidad para las variables de estado. El estado
matricial, de un sistema es representación mediante una ecuación de estado.
Mientras que la salida del sistema está definida en términos de la combinación del
estado de control y la entrada actual mediante la n de salida. Donde y(t) representa
la salida del sistema, x(t) el estado del sistema y u(t) la entrada del sistema, x´(t)
denota el estado futuro del sistema dependiente del estado actual y la entrada del
sistema.
Para la obtención del modelo de estado se comienza de definir mediante 3 vectores:
- Variables de entrada
- Variables de salida
- Variables de estado
Variables de entrada
Se definen y se organizan en forma de un vector. Para un sistema SISO sólo contará
con la única parte del vector de entrada, y para MIMO se obtienen múltiples valores
de entrada.
Variables de salida
Deben ser independientes entre sí y únicamente dependientes en forma de mal
combinación lineal del vector de entrada y el vector de estado.
Variables de estado
Representa valores internos del sistema que pueden cambiar con el tiempo, y para
el caso de los sistemas invariantes el tiempo, el modelo de estado queda definido
como:
̇ = 𝐴(𝑡)𝑥(𝑡) + 𝐵(𝑡)𝑈(𝑡)
𝑥(𝑡)
𝑦(𝑡) = 𝐶(𝑡)𝑥(𝑡) + 𝐷(𝑡)𝑈(𝑡)

Los coeficientes dependen del tiempo y son variantes del mismo.

El modelo de estado de un sistema no es una representación única y por lo tanto
hay un número infinito de formas de representar éstas ecuaciones para medir la
manipulación de las matrices A, B, C y D.
Algunos ejemplos son:
- Forma canónica controlable.
- Forma canónica observable.
- Forma canónica diagonable
- Forma canónica de Jordan.
Aunque estas diferentes técnicas para su representación es posible obtener una
partir de otra mediante transformaciones lineales.
̇ = 𝐴𝑥(𝑡) + 𝐵𝑈(𝑡)
𝑥(𝑡)
𝑦(𝑡) = 𝐶𝑥(𝑡) + 𝐷𝑈(𝑡)
Condiciones para un modelo de estado
- En la ecuación de estado sólo está relacionadas las variables de estado, las
primeras derivadas y las entradas.
- En la ecuación de salida sólo esta relacionadas las variables de estado, las
entradas y las salidas.
- Las variables de estado no puede haber discontinuidad aunque la entrada si
la tenga.
- Se admiten las discontinuidades en la entrada (entrada – escalón) por lo que
las entradas no pueden ser seleccionadas como variables de estado del
sistema.

Selección de variables de estado

Existen 4 métodos para la asignación de variables de estado:
- Variables físicas
- Variables como salida de integradores del sistema
- Variables de estado de fase
- Variables de estado de Jordan

Variables físicas
- Su aplicación como técnica es escoger los elementos que circulen energía.
- Su característica es que tiene sentido físico y son medibles.
Variables como salida de integrador
- Su aplicación como técnica es elegir variables que representan las
condiciones iniciales de las ecuaciones diferenciales que representan al
sistema.
- Su característica es que pueden tener sentido físico y pueden ser medibles.
Variables de estado de fase
- Su aplicación como técnica es cuando se seleccionan como variables de
estado de salida y su n+1 primeras derivadas.
- Su característica es que no tiene sentido físico y no son medibles.
Variables de estado de Jordan
- Su aplicación como técnica es que su descomposición de la ecuación del
sistema por medio de frecuencias.
- Su característica es que no tienen sentido físico y tampoco son medibles.
VARIABLES FÍSICAS COMO VARIABLES DE ESTADO

Se abarcan diferentes clases de magnitudes que en los cuales son los siguientes:
Sistema eléctrico
- Voltaje del Capacitor
- Corriente del Inductor
Sistema mecánico
- Posición (Energía Potencial)
- Velocidad (Energía Cinética)
Sistema térmico
- Temperatura
- Energía térmica
Ejemplo. Determine el modelo de estado del siguiente circuito por medio de las
variables físicas:

𝑢 = 𝑉𝐶 + 𝑉𝐿
𝒙 𝟏 = 𝑽𝑪
𝒙𝟐 = 𝒊𝑳
𝑖 𝑇 = 𝑖𝑅1 + 𝑖𝐶 = 𝑖𝑅2 + 𝑖𝐿
𝑢 = 𝑥1 + 𝑉𝐿

𝑢 = 𝑥1 + 𝑉𝐿
𝑑𝑥2
= 𝑥1 + 𝐿
𝑑𝑡
= 𝑥1 + 𝐿𝑥2̇
𝟏 𝟏
∴ 𝒙𝟐̇ = − 𝒙𝟏 + 𝑼
𝑳𝟏 𝑳𝟏

𝑑𝑉𝑐 𝑑𝑥1
𝑖𝑅1 + 𝑖𝐶 = 𝑖𝑅2 + 𝑖𝐿 → 𝑖𝐶 = 𝐶 → 𝑉𝐶 = 𝑥1 → ∴ 𝑖𝐶 = 𝐶 = 𝐶1 𝑥̇ 1
𝑑𝑡 𝑑𝑡
𝑑𝑖𝐿 𝑑𝑥2 𝑥1 𝐿
𝑉𝐿 = 𝐿 =𝐿 = 𝐿𝑥̇ 2 → 𝑖𝑅1 + 𝐶1 𝑥̇ 1 = 𝑖𝑅2 + 𝑥2 → + 𝐶1 𝑥̇ 1 = 𝑥 ̇ + 𝑥2
𝑑𝑡 𝑑𝑡 𝑅1 𝑅2 2
1 1 𝑥1 𝐿 1
𝑐𝑜𝑚𝑜 𝑥2̇ = − 𝑥1 + 𝑈 → ∴ + 𝐶𝑥1̇ = [− 𝑥1 + 𝑢] + 𝑥2
𝐿1 𝐿1 𝑅1 𝑅2 𝐿
𝑥1 𝑥1 𝐿 1 1 𝐿
+ 𝐶𝑥1̇ = − + 𝑈 + 𝑥2 → 𝐶𝑥1̇ = (− − ) 𝑥1 + 𝑈 + 𝑥2
𝑅1 𝑅2 𝑅2 𝑅1 𝑅2 𝑅2
 𝑅1 + 𝑅2 𝐿 𝟏 𝑹𝟏 + 𝑹𝟐 𝑳
𝐶𝑥1̇ = [− ( )] 𝑥1 + 𝑈 + 𝑥2 → ∴ 𝒙𝟏̇ = ( ) [[− ( )] 𝒙𝟏 + 𝑼 + 𝒙𝟐 ]
𝑅1 ∗ 𝑅2 𝑅2 𝑪 𝑹𝟏 ∗ 𝑹𝟐 𝑹𝟐

Tomando en cuenta la salida del sistema:

𝑦 = 𝑉𝐶 = 𝑥1

El modelado del sistema es:

𝑅1 + 𝑅2 1 1
−( ) 𝑥
𝑥̇ 𝐶𝑅1 𝑅2 𝐶 1 𝐶𝑅2
[ 1] = [𝑥 ] + 𝑈
𝑥2̇ 1 2 1
[ − 0] [ 𝐿 ]
𝐿
𝑥1
𝑦 = [−1 0] [𝑥 ]
2
VARIABLES DE ESTADO COMO SALIDA DE INTEGRADORES DEL SISTEMA

Se comienza por expresar las ecuaciones diferenciales como integradores

sucesivas y se eligen como variables de estado la salida de cada una de los
integradores. Al ser la salida de un integrador la variable no presenta
discontinuidades en sus valores.
Para el caso monovariable a partir de la representación del sistema:
[𝐷𝑛 + 𝑎𝑛−1 𝐷 𝑛−1 + ⋯ + 𝑎1 𝐷 + 𝑎0 ] 𝑦(𝑡) = [𝑏𝑛 𝐷𝑛 + ⋯ + 𝑏1 𝐷 + 𝑏0 ] 𝑢(𝑡)
Ordenando factorizando D de la derivada se obtiene:

𝐷 ∗ [[𝐷𝑛−1 + 𝑎𝑛−1 𝐷𝑛−2 + ⋯ + 𝑎1 ] 𝑦(𝑡) = [𝑏𝑛 𝐷𝑛−1 + ⋯ + 𝑏1 ] 𝑢(𝑡)]

Se separan los términos y se asignan las variables de estado obteniendo:

𝑦 = [𝐷𝑛 + 𝑎𝑛−1 𝐷𝑛−1 + ⋯ + 𝑎1 𝐷 + 𝑎1 ]
Una vez asignado la variable de estado se repite el proceso:
[𝐷𝑛−1 + 𝑎𝑛−1 𝐷𝑛−2 + ⋯ + 𝑎2 𝐷] 𝑦(𝑡) − [𝑏𝑛 𝐷𝑛−1 + ⋯ + 𝐷𝑏2 + 𝑏0 ] 𝑢(𝑡)
= 𝑥1 − 𝑎1 𝑦(𝑡) + 𝑏1 𝑢(𝑡)
𝑥2 = (𝐷𝑛−2 + 𝑎𝑛−1 𝐷𝑛−3 + ⋯ + 𝑎2 )
Procediendo de manera similar se obtienen ecuaciones que obedecen a la siguiente
expresión genérica:
𝑥𝑖̇ = 𝑥𝑖−1 + 𝑏𝑖−1 𝑢(𝑡) − 𝑎𝑖−1 𝑦(𝑡)
Hasta obtener las ecuaciones diferenciales se obtienen:
𝑥𝑛̇ = 𝑥𝑛−1 + 𝑏𝑛−1 𝑢(𝑡) − 𝑎𝑛−1 𝑦(𝑡)
𝒙𝒏 = 𝒚(𝒕) − 𝒃𝒏 𝒖(𝒕)

La última ecuación es la ecuación de salida del sistema.

Ejemplo: Determine el modelo de estado de la siguiente función de transferencia
mediante las variables de salida de integradores.
𝑌(𝑠) 𝑘(𝑠 + 𝑐)
𝐺(𝑠) = =
𝑈(𝑠) (𝑠 + 𝑎)(𝑠 + 𝑏)
(𝑠 + 𝑎)(𝑠 + 𝑏) = 𝑠 2 + (𝑎 + 𝑏)𝑠 + 𝑎𝑏
(𝑠 2 + (𝑎 + 𝑏)𝑠 + 𝑎𝑏) 𝑌(𝑠) = [𝑘(𝑠 + 𝑐)] 𝑈(𝑠)
ℒ −1 {(𝑠 2 𝑌(𝑠) + (𝑎 + 𝑏)𝑠 𝑌(𝑠) + 𝑎𝑏 𝑌(𝑠)) = [𝑘𝐷 + 𝑘𝑐] 𝑈(𝑠)}
(𝐷2 𝑦(𝑡) + (𝑎 + 𝑏) 𝐷𝑦(𝑡) + 𝑎𝑏 𝑦(𝑡)) = 𝑘𝐷 𝑢(𝑡) + 𝑘𝑐 𝑢(𝑡)
𝐷2 𝑦(𝑡) + (𝑎 + 𝑏) 𝐷𝑦(𝑡) + 𝑘𝐷 𝑢(𝑡) = 𝑘𝑐 𝑢(𝑡) − 𝑎𝑏 𝑦(𝑡)
𝐷[𝐷𝑦(𝑡) + (𝑎 + 𝑏) 𝑦(𝑡) + 𝑘 𝑢(𝑡)] = 𝑘𝑐 𝑢(𝑡) − 𝑎𝑏 𝑦(𝑡)
𝑥1 = 𝐷𝑦(𝑡) + (𝑎 + 𝑏) 𝑦(𝑡) + 𝑘 𝑢(𝑡)
𝒙𝟏̇ = 𝒌𝒄 𝒖(𝒕) − 𝒂𝒃 𝒚(𝒕)
𝐷𝑦(𝑡) + (𝑎 + 𝑏) 𝑦(𝑡) + 𝑘 𝑢(𝑡) = 𝑘𝑐 𝑢(𝑡) − 𝑎𝑏 𝑦(𝑡)
𝐷𝑦(𝑡) = −(𝑎 + 𝑏) 𝑦(𝑡) − 𝑘 𝑢(𝑡) + 𝑘𝑐 𝑢(𝑡) − 𝑎𝑏 𝑦(𝑡)
𝐷[𝑦(𝑡)] = −[(𝑎 + 𝑏) + 𝑎𝑏] 𝑦(𝑡) + [𝑘𝑐 − 𝑘] 𝑢(𝑡)
𝑥2 = 𝑦(𝑡)
𝒙𝟐̇ = [𝒌𝒄 − 𝒌] 𝒖(𝒕) − [(𝒂 + 𝒃) + 𝒂𝒃] 𝒚(𝒕)
𝒚(𝒕) = 𝒙𝟐
𝑥1 = 𝑥2̇ (𝑡) + (𝑎 + 𝑏) 𝑥2 (𝑡) + 𝑘 𝑢(𝑡)
𝑥1 − (𝑎 + 𝑏) 𝑥2 (𝑡) − 𝑘 𝑢(𝑡) = 𝑥2̇ (𝑡)
𝒙𝟏̇ = 𝒌𝒄 𝒖(𝒕) − 𝒂𝒃 𝒙𝟐
𝑥2̇ = [𝑘𝑐 − 𝑘] 𝑢(𝑡) − [(𝑎 + 𝑏) + 𝑎𝑏] 𝑥2
𝒙𝟐̇ = 𝒙𝟏 − (𝒂 + 𝒃) 𝒙𝟐 (𝒕) − 𝒌 𝒖(𝒕)
𝒚(𝒕) = 𝒙𝟐
El modelado del sistema es:
𝑥1̇ (𝑡) 0 −𝑎𝑏 𝑥 (𝑡) 𝑘𝑐
[ ̇ ]=[ ] [ 1 ] + [ ] 𝑢(𝑡)
𝑥2 (𝑡) 1 −(𝑎 + 𝑏) 𝑥2 (𝑡) −𝑘
𝑥1
𝑦(𝑡) = [0 1] [𝑥 ]
2
VARIABLES DE ESTADO DE FASE
Para funciones de transferencia sin errores se toman en cuenta lo siguiente:
- Se toma como variable de estado la salida y para n – 1 primeras derivadas.

Para tomar en cuenta las funciones de transferencia donde se involucren dentro de

los ceros en la función de transferencia, funciones de n grado, se toma en cuenta la
formula siguiente para su resolución:
𝑦(𝑠) 𝑣(𝑠) 𝑣(𝑠) 𝑦(𝑠)
∗ = ∗
𝑢(𝑠) 𝑣(𝑠) 𝑢(𝑠) 𝑣(𝑠)

Ejemplo. Determine el modelado de estado mediante las variables de fase de la

siguiente función de transferencia.
𝑌(𝑠) 𝑠 2 + 2𝑠 + 3
𝐺(𝑠) = =
𝑈(𝑠) 𝑠 3 + 3𝑠 2 + 3𝑠 + 1
𝑌(𝑠) 𝑠 2 + 2𝑠 + 3 𝑉(𝑠) 1
𝐺(𝑠) = = 3 → =
𝑈(𝑠) 𝑠 + 3𝑠 2 + 3𝑠 + 1 𝑈(𝑠) 𝑠 3 + 3𝑠 2 + 3𝑠 + 1
𝑉(𝑠)[𝑠 3 + 3𝑠 2 + 3𝑠 + 1] = 𝑈(𝑠)
ℒ −1 {𝑠 3 𝑉(𝑠) + 3𝑠 2 𝑉(𝑠) + 3𝑠𝑉(𝑠) + 𝑉(𝑠) = 𝑈(𝑠)}
𝐷3 𝑣(𝑡) + 3𝐷2 𝑣(𝑡) + 3𝐷𝑣(𝑡) + 𝑣(𝑡) = 𝑢(𝑡)
̇ = 𝑥2 (𝑡)
̇ = 𝑣(𝑡)
𝑥1 (𝑡) = 𝑣(𝑡) → 𝑥1 (𝑡)
̇ → 𝑥2 (𝑡)
𝑥2 (𝑡) = 𝑣(𝑡) ̇ = 𝑣(𝑡)
̈ = 𝑥3 (𝑡)

̇ = −𝑥1 (𝑡) − 3𝑥2 (𝑡) − 3𝑥3 (𝑡) + 𝑢(𝑡)

̈ → 𝑥3 (𝑡)
𝑥3 (𝑡) = 𝑣(𝑡)

𝑥1̇ 0 1 0 𝑥1 0
𝑥 ̇
[ 2] = [ 0 0 𝑥
1 ] [ 2 ] + [0] 𝑢(𝑡)
𝑥3̇ −1 −3 −3 𝑥3 1
𝑌(𝑠)
= 𝑠 2 + 2𝑠 + 3
𝑉(𝑠)
ℒ −1 {𝑠 2 𝑉(𝑠) + 2𝑠𝑉(𝑠) + 3𝑉(𝑠) = 𝑌(𝑠)}
𝐷2 𝑣(𝑡) + 2𝐷𝑣(𝑡) + 3𝑣(𝑡) = 𝑦(𝑡)
 𝑦(𝑡) = 𝐷2 𝑣(𝑡) + 2𝐷𝑣(𝑡) + 3𝑣(𝑡)

Como
𝑥1 (𝑡) = 𝑣(𝑡)
̇
𝑥2 (𝑡) = 𝑣(𝑡)
̈
𝑥3 (𝑡) = 𝑣(𝑡)
∴ 𝑦(𝑡) = 3𝑥1 (𝑡) + 2𝑥2 (𝑡) + 𝑥3 (𝑡)
El modelo de estado es:

𝑥1̇ 0 1 0 𝑥1 0
𝑥 ̇
[ 2] = [ 0 0 𝑥
1 ] [ 2 ] + [0] 𝑢(𝑡)
𝑥3̇ −1 −3 −3 𝑥3 1
𝑥1
𝑥
𝑦(𝑡) = [3 2 1] [ 2 ]
𝑥3
VARIABLE DE JORDAN
Considerando un sistema dado por la ecuación:

𝑦 (𝑛) + 𝑎1 𝑦 (𝑛−1) + ⋯ + 𝑎𝑛−1 𝑦̇ = 𝑏0 𝑢(𝑛) + 𝑏1 𝑢(𝑛−1) + ⋯ + 𝑏𝑛−1 𝑢̇

Donde U es la señal de entrada y Y(s) es la señal de salida. A partir de esta ecuación
se puede obtener la forma de transferencia. Ésta representaría es la base para
analizar la representación de estado en forma canónica, observable y diagonal.
𝑌(𝑠) 𝑏0 + 𝑏1 𝑠 𝑛−1 + 𝑏2 𝑠 𝑛−2 + ⋯ + 𝑏𝑛−1 𝑠
=
𝑈(𝑠) 𝑠 𝑛 + 𝑎1 𝑠 𝑛−1 + ⋯ + 𝑎𝑛−1 𝑠 + 𝑎𝑛

Forma canónica controlable.

La forma canónica controlable se describe de la siguiente forma:
𝑥1̇ 1 0 0 0
𝑥2̇ 0 1 0 0]
[ ]=[
𝑥3̇ 0 0 1 0
𝑥𝑛̇ 0 0 0 1
𝑦 = [𝑏𝑛 − 𝑎𝑛 𝑏0 𝑏𝑛−1 − 𝑎𝑛−1 𝑏0 … 𝑏1 − 𝑎𝑛 𝑏0 ]

A continuación se muestra de forma canónica observable dentro de un sistema:

𝑥1̇ 1 0 0 𝑥1 1
𝑥2̇ 0 0 1 𝑥
0 ] [ 2 ] + [1] 𝑢
[ ]=[ 0 𝑥3
𝑥3̇ 0 0 1 1
𝑥𝑛̇ −𝑎𝑛 −𝑎𝑛−1 −𝑎𝑛−3 −𝑎1 𝑥𝑛 1
𝑦 = [𝐶1 𝐶2 𝐶3 𝐶𝑛 ]
Forma canónica Diagonal

Ésta representación corresponde al caso en el que el polinomio del denominador de

función de transferencia contiene polos simples.
𝐶1 𝐶2 𝐶𝑛
𝑏0 + + +⋯+
𝑠 + 𝑃1 𝑠 + 𝑃2 𝑠 + 𝑃𝑛

𝑥1̇ −𝑝1 0 0 0 𝑥1 1
𝑥̇ 0 −𝑝2 0 0 𝑥2
[ 2] = [ ] [ 𝑥 ] + [1] 𝑢
𝑥3̇ 0 0 −𝑝3 0 3 1
𝑥𝑛̇ 0 0 0 −𝑝4 𝑥 𝑛 1
𝑥1
𝑥2
𝑦 = [𝐶1 𝐶2 𝐶3 𝐶𝑛 ] [ 𝑥 ]
3
𝑥𝑛
Forma canónica de Jordan

En el caso de que el polinomio del denominador de función de transferencia

contiene raíces múltiples la forma canónica diagonal se modifica a la forma canónica
de Jordan. Entonces preparado el caso para el siguiente sistema:

Realizando la siguiente forma mediante fracciones parciales se obtiene:

Ejemplo: Determinar el modelado del sistema mediante el método de Jordan para

la siguiente función de transferencia.