Sistemas PDF

SECCION 1
ANALISIS DE SEÑALES
Análisis de Señales y Sistemas

Hector Peña M. EIE-UCV
Señales 1
CONTENIDO:
1.-Señales de tiempo continuo
Definición,escalón,rampa,impulso,señales periódicas
2.-Señales de tiempo discreto
Definición,muestreo,escalón,rampa,pulso,señales periódicas de
tiempo discreto,señales digitales
3.-Convolución
Propiedades, Convolución de señales de tiempo continuo y de
tiempo discreto
4.-Series y Transformada de Fourier (tiempo continuo y discreto)
Representación en componentes de frecuencia, forma exponencial
compleja, Espectro de frecuencia, Señales periódicas, Serie
trigonométrica, Fenómeno Gibbs, Teorema de Parseval,
Transformada Inversa
5.-Transformada de Laplace
Propiedades, Inversa, Relación con Fourier
6.- Transformada Z
Señales 2
CAPITULO 1
SEÑALES DE TIEMPO CONTÍNUO
Definición: Una señal se dice de tiempo continuo o

señal análoga cuando la variable tiempo t toma
sus valores del conjunto de números reales
Ejemplos de señales de tiempo continuo

1.1-Función Escalón Unitario:
1 t  0
s (t )  
0 t  0
Señales 3
Gráficamente: S(t)
Aparece claro que para cualquier señal de tiempo

continuo x(t), el producto x(t)s(t) tiene como
resultado x(t) para t  0, y claramente es 0 para
t<0. Se deduce que la señal escalón elimina los
valores de x(t) existentes para t<0.

Señales 4
1.2-Función Rampa Unitaria: t t  0

r (t )  
R(t) 0 t  0
Gráficamente:
1
Si comparamos ambas señales es posible afirmar

que:
t dr (t )
s(t )  no definida para t  0
r (t )   s ( )d dt


Señales 5
1.3-El Impulso Unitario  (t )
También denominado función delta o delta Dirac

 (t )  0 t0


  (  ) d   1 cualquier real   0
Primera condición: Impulso es cero para t diferente

de cero
Segunda condición: área bajo el impulso es unitaria
El impulso no esta definido para t=0. En particular (0) NO
ES INFINITO. El impulso puede ser aproximado por un
pulso como se muestra a continuación
Señales 6 (t)
A
A es un valor
positivo y grande

1 1 t
2A 2A
Además puede comprobarse que:

t
s (t )   ( )d   t  0


Señales 7
Para cualquier número real K, K (t ) es un

impulso de área K . Se define como:
K (t )  0 t  0

 K ( )d ( )  K
-
 real   0
Gráficamente representado como:
K(t)
(K)
t
0
Señales 8
La notación “(K)”, en la figura, se refiere al área del

impulso.
1.4-Señales Periódicas
Sea T un número real positivo fijo. Una señal de
tiempo continuo x(t) se dice periódica de período T si
x(t  T )  x(t ) t,  t  (1.1)
Note que si x(t) es periódica, con período T, entonces
también lo es con periodo qT, con q cualquier entero
positivo.

Señales 9
El período fundamental es el menor valor positivo T
para el cual se cumple la igualdad (1.1). Un ejemplo
de señal periódica es la sinusoide:
x(t )  A cos(t   ),  t  (1.2)
Donde A es la amplitud,  es la frecuencia angular en
radianes por segundo (rad/s) y  es la fase en radianes.
La frecuencia, f, en ciclos por segundo, hertz, Hz,
viene dada como:
 1
f  
2 T
Señales 10
Para comprobar que la sinusoide es periódica, observe

que para cualquier valor de la variable tiempo t, se
verifica que:
  2  
A cos   t       A cos(  t  2   )  A cos(  t   )
     2
luego la sinusoide es periódica con período y que

además este es el período fundamental.
  2 A
  2 

2 2   2
2
t




Señales 11
Si =-/2 entonces :
A cos(t   )  Asent
Una situación importante para análisis de señales es :¿la
suma de dos señales periódicas es una señal periódica ?
Sean x1(t) y x2(t) señales periódicas con periodos
fundamentales T1 y T2 respectivamente. ¿La suma será
periódica?. Es decir existe T tal que
x1 (t  T )  x2 (t  T )  x1 (t )  x2 (t ) t ? (1.3)

Señales 12
La relación (1.3) es satisfecha si y sólo si la razón T1/T2

puede escribirse como la relación q/r de dos enteros q y r.
DEMUESTRE !!!!!. ¿qué sucede si q y r son coprimos?
1.5-Señal desplazada en el tiempo
Si t1 es un número positivo real, la señal x(t-t1) es nada
mas que la señal x1(t) desplazada a la derecha en t1
unidades de tiempo. x(t+t1) es la señal desplazada a la
izquierda.

Señales 13
Suponga x(t)=s(t-t1) con t1=2 seg., entonces obtenemos:

S(t-2)
2 t
S(t+2)
1
-2 t
Señales 14
Se comprueba que:
t s(t-2) valor
0 s(-2) 0
1 s(-1) 0
2 s(0) 1 etc..

Señales 15
Para un impulso K(t) y para cualquier numero fijo, positivo

o negativo, t1, el desplazamiento temporal K(t-t1) del
impulso es igual al impulso de área K localizado en t=t1.
Es decir K (t t )  0 t  t
1 1
t1
K ( t )d  K
t1
1   0
Esta característica permite definir la propiedad de

desplazamiento del impulso unitario:
t1  f(t) continua en t1
 f ( ) (  t1 )d  f (t1 )   0 y real
t1 

Señales 16
1.6-Señales Continuas y Continuas por

trazos
Una señal de tiempo continuo x(t) es continua en un
punto t1 si x ( t1 )  x ( t1 )  x ( t1 )
Donde los números: t1  t1 y t1  t1
son positivos e infinitesimal. Si la señal x(t) es
continua para todo t, se habla de señal continua.
De no verificarse lo anterior se habla de una señal

discontinua.
OBSERVEN QUE SE HABLA DE SEÑAL DE
TIEMPO CONTINUO QUE ADEMAS ES
CONTINUA (como función de t)

Señales 17
Por ejemplo, la señal escalón es una señal de tiempo

continuo, sin embargo no es una señal continua,
porque no esta definida para todo tiempo.
Un ejemplo de señal continua: (pulso triangular)
1
2 2
t  1  t  1
 
-/2 /2
t
0

Señales 18
Una señal continua es continua por trazos si es

continua para todo t con excepción de una
colección finita de puntos ti , i=1,2,3...Un ejemplo
es el tren de pulsos:
••••••
••••••
3 2 1 1 2 3 t
0
Señales 19
1.7-Derivada de una señal de tiempo continuo

Una señal x(t) de tiempo continuo se dice
diferenciable en un punto fijo t1 si se cumple que:
dx(t ) x(t1  h)  x(t1 )
 lim
dt t t1 h  0 h
Es evidente que se hace necesario (aunque no
suficiente en general, que x(t) debe ser continua en
t=t1.
Para una señal continua por trazos se habla de una
derivada generalizada, definida como:

Señales 20
Si x(t) es una señal de tiempo continuo, y además

continua por partes, su derivada generalizada se
expresa como:
dx ( t ) dx ( t )
dt

dt
 
 x ( t 1 )  x ( t 1 )  ( t  t 1 )
G
Observemos que se compone de la derivada

ordinaria (exceptuando t=t1) y de un impulso en
t=t1 con amplitud igual al “salto” de la
discontinuidad.

Señales 21
Veamos unos ejemplos:

1.- Derivada generalizada de un escalón K
ds ( t )
dt

 K s(0 
)  s (0 

)  (t  0 )  K  (t )
G
Si K=1, se hace evidente que la derivada

generalizada de un escalón unitario es un impulso
unitario.
2.- Derivada generalizada de un señal continua por
trazos  2t  1 0  t  1
Considere x(t) definida como:  1 1 t  2

x(t )  
- t  3 2  t  3
 0 todo otro t
Señales 22
El gráfico de la función es entonces:

x(t )
3
2t  1
2
0
1
t 3
t
0
1 2 3 4
Señales 23
La derivada generalizada será:

Para el intervalo (0,1) exceptuando 0 y 1 es
2 s ( t )  s ( t  1) 
0

 s ( t  2 )  s ( t  3) 
Para el intervalo (todo otro tiempo)
0

Señales 24
Entonces la derivada ordinaria es

dx(t )
 2s(t )  s(t  1)  s(t  2)  s(t  3)
dt
En consecuencia la derivada generalizada viene dada
como:
2s (t )  s (t  1)   s (t  2)  s (t  3)   x (0  )  x (0  )  (t )
 
 x (1 )  x (1 )  (t  1)
Que puede simplificarse como:
2s(t)  s(t 1) s(t  2)  s(t 3)  (t)  2 (t 1)

Señales 25
Entonces la derivada generalizada se obtiene

como: 2
(1)
2
3 4
1
t
(2)
1

Señales 26
1.8-Señales definidas por intervalos

Señales de tiempo continuo son generalmente
definidas intervalo por intervalo. Ejemplo:
Sea:  x1 (t ) t1  t  t 2

x (t )   x 2 (t ) t2  t  t2
 x (t ) t  t3
 3
Cualquier función de este tipo puede ser
representada en términos de un escalón s(t) y sus
desplazamientos. Es decir:
x (t )  x1 (t )s (t  t1 )  s (t  t 2 )  
... x2 (t )s (t  t 2 )  s (t  t3 )   x3 (t ) s (t  t3 ) t  t 1 (1.4)
Señales27
Rearreglando se obtiene:
x ( t )  x1 ( t ) s ( t  t1 )  x 2 ( t )  x1 ( t ) s ( t  t 2 ) 
x 3 ( t )  x 2 ( t ) s(t-t 3 ) t  t1 (1.5)
De (1.5) se desprende que x(t) puede expresarse
como:
x(t )  f1 (t ) s (t  t1 )  f 2 (t ) s (t  t 2 )  f 3 (t ) s (t  t3 ) t  t1 (1.6)
Donde:
f1 (t )  x1 (t )
f 2 (t )  x 2 (t )  x1 (t )
f 3 (t )  x3 (t )  x 2 (t )
Señales 28
Por otra parte, suponga ahora que x(t) esta dado en la

forma de (1.6) para algunas funciones f1(t), f2(t),
f3(t). Entonces
 f1 (t ) t1  t  t 2

x (t )   f1 (t )  f 2 (t ) t2  t  t2 (1.7)
 f (t )  f (t )  f (t ) t  t3
 1 2 3
Que también podemos escribir como:
x(t)  f1(t)s(t t1)  s(t t2 ) 

... f1(t)  f2 (t)s(t t2 )  s(t t3)  f1(t)  f2 (t)  f3(t)s(t t3) t  t1

Señales 29
Ejemplo de forma analítica de una señal: Suponga la

señal del ejemplo anterior:
 2t  1 0  t  1
 1 1  t  2

x (t )  
- t  3 2  t  3
 0 todo otro t
Podemos escribir para t1=0, t2=1 ,t3=2 y t4=3
x (t )  ( 2t  1)s (t )  s (t  1)   (1)s (t  1)  s (t  2) 
.....  ( t  3)s (t  2)  s (t  3) 
Y en la forma de la relación (1.6)
x(t )  (2t 1)s(t )  2ts(t 1)  (t  2)s(t  2)  (t  3)s(t  3)

CAPITULO 2
SEÑALES DE TIEMPO DISCRETO

señales30
La variable tiempo t se dice variable de tiempo

discreto, si t toma valores discretos t=tn, para un
rango de valores enteros de n.
Una señal de tiempo discreto es una señal función de

la variable de tiempo discreto tn
En otras palabras, tiene valores, (esta definida), sólo
en los puntos de tiempo discreto t=tn
Denotaremos una señal de tiempo discreto definida
en los puntos t=tn, por x[n], donde n corresponde
con los instantes de tiempo tn.
señales31
Suponga, por ejemplo, que la señal de tiempo

discreto x[n] viene dada como:
n x[n]
0 1
1 2
2 1
3 0
4 -1
Con x[n]=0 para todo otro valor n.

señales32
El gráfico de tal señal será:

3 X[n]
2 
1  
     n
2 1 1 2 3 4 5
6
1 
Señal de tiempo discreto

señales33
2.1 Muestreo (“sampling”).

Una de las formas comunes de obtener una señal de
tiempo discreto es por el “muestreo” de una señal
de tiempo continuo.
Señal continua Señal muestreada
Interruptor cierra brevemente

cada T instantes de tiempo.
Si el tiempo durante el cual el interruptor esta
cerrado, es mucho menor al tiempo T entre los
cuales se cierra, la “salida” del interruptor puede
asimilarse a una señal de tiempo discreto, función
de los puntos discretos t=nT, donde n=-1,-2,0,1,2,
etc.
señales34
La señal discreta resultante se la denomina la

“versión muestreada” y a T se le denomina el
“intervalo de muestreo”. Como el tiempo T entre
instantes de muestreo adjacentes tn=nT y
tn+1=(n+1)T es un valor constante, al proceso lo
denominamos “muestreo uniforme”.
Claramente según nuestra notación
x n   x ( t ) t  nT
 x ( nT )

señales35
 0 .1 t 2
Suponga x (t )  e sen ( t )
con un
3
intervalo de muestreo de 1 segundo. El resultado
será la siguiente señal muestreada:

señales36
El programa en Matlab es el siguiente:

t=0:1:30; tiempo discreto
x=exp(.1*t).*sin((2/3)*t; función
axis([0 30 -1 1]); ejes(xmin xmax ymin ymax)
stem(t,x) graficos muestreados
grid grilla
xlabel(´n´) nombre eje x
ylabel(´x[n]´) nombre eje y

señales37
2.2 Función Escalón y Rampa

Dos ejemplos simples de señales de tiempo discreto
son:
Escalón unitario de tiempo discreto s[n]:
1 n  0,1,...
s[ n ]  
0 n   1,  2,...
Rampa unitaria de tiempo discreto r[n]:

n n  0,1,...
r[ n ]  
0 n   1,  2,...
señales38
Es decir:

señales39
El escalón unitario a tiempo discreto s[n] se puede obtener

muestreando el escalón unitario de tiempo contínuo s(t). Si
la función rampa unitaria r(t)=ts(t) se muestrea, el
resultado es la función rampa de tiempo discreto r[n] dada
como:
r[ n ]  r (t ) t  nT  r ( nT )

señales40
2.3 Pulso Unitario

Primeramente, no existe versión muestreada del
impulso unitario (t) dado que (0) no esta
definido. Existe una señal de tiempo discreto que
es la contraparte de tiempo discreto del impulso
unitario, se la denomina función pulso unitario
[n], que se define como: 1 n  0
 [ n]  
0 n0
Claramente [n] NO es una versión muestreada de
(t). Su gráfico es el siguiente :

Señales 41

Señales 42
2.4 Señales periódicas de tiempo discreto
Una señal de tiempo discreto, x[n], es periódica si

existe un entero positivo r tal que
x[n  r ]  x[n]  entero n
Donde a r se le denomina período. El período

fundamental es el menor valor de r para el cual la
señal se repite.

Señales 43
Ejemplo, examinemos la periodicidad de una

senoidal de tiempo discreto dada como:
x [ n ]  A cos(  n   )
La señal será periódica si:
A cos[  ( n  r )   ]  A cos(  n   )
Como la función coseno se repite cada 2 radianes,
A cos(  n   )  A cos(  n  2 q   )
Para todo entero q. Luego la señal será periódica si y
sólo si existe un entero positivo
 r  2  q
r r tal que
Equivalente a que   2 q
Señales 44
Para dos casos, los gráficos son los siguientes:
(a)  = 0,  = /3 (b)  = 0,  = 1

periódica NO periódica
2 q 6 q Período fundamental es 6
r    6q
 
Señales 45
2.5 Pulso rectangular de tiempo discreto

Sea L un entero positivo impar. La función pulso
rectangular de tiempo discreto pL[n] de largo L se
define como:
1 n  ( L 1) / 2,.. 1,0,1..(L 1) / 2
pL [n]  
0 todo otro valorde n
Cuyo gráfico es:
-(L-1)/2 (L-1)/2

Señales 46
2.6 Señales digitales

Sea a1 , a2 , a3 ,....a N  un conjunto de N números
reales. Una señal digital, x[n], es una señal de tiempo
discreto cuyos valores pertenecen al conjunto finito
. a1 , a2 , a3 ,....aN 
Para cada tn, x(tn) = x[n] = ai para algún i, con 1 i  N.

Entre ellas se destaca la señal binaria , que es una
señal digital con valores 0 o 1. Ejemplos son la
función pulso unitario muestreado y la función pulso
unitario.
Señales 47
2.7 Señales desplazadas en el tiempo

Dada una señal de tiempo discreto x[n], y un entero
positivo q,, la señal de tiempo discreto x[n-q] es el
desplazamiento a derecha en q pasos de x[n].
Correspondientemente, x[n+q] corresponderá con el
desplazamiento a izquierda.
2.8 Señales de tiempo discreto definidas por
intervalos.
 x1[ n ] n1  n  n2
Sea 
x[ n ]   x 2 [ n ] n 2  n  n3
 x [n] n  n3
 3
Señales 48
Donde xi[n], i=1,2,3 son señales de tiempo discreto

y ni, i=1,2,3 son enteros y n1<n2<n3. Con s[n]
igual a la función escalón unitario de tiempo
discreto, x[n] puede ser escrita como:
x [ n ]  x 1 [ n ]( s [ n  n 1 ]  s [ n  n 2 ])..
......  x 2 [ n ]( s [ n  n 2 ]  s [ n  n 3 ])..
.......  x 3[ n ]s[ n  n 3].
Combinando términos:
x [ n ]  x1 [ n ] s [ n  n1 ]  ( x 2 [ n ]  x1 [ n ]) s [ n  n 2 ]..
..........  ( x 3 [ n ]  x 2 [ n ]) s [ n  n 3 ]

CAPITULO 3
CONVOLUCION DE SEÑALES DE
TIEMPO CONTINUO
Y
TIEMPO DISCRETO
Analisis de Señales y Sistemas

Hector Peña M EIE-UCV
Convolución 49
3.1 Convolución de señales de tiempo

continuo
Dada dos señales de tiempo continuo x(t) y
v(t), la convolución de ellas esta definida
como:

x(t ) * v(t )   x( )v(t   )d


Convolución 50
La integral del lado derecho de la ecuación se

denomina integral de convolución.
Si x(t) y v(t) son cero para t<0, entonces
x()=0 para todo <0 y v(t- )=0 para todo
t-  < 0. Para este caso se puede definir la
convolución como:
 0
t t  0
x (t ) * v (t )   x ( )v (t   ) d 
 0 t  0
Donde ambas funciones x(t) y v(t) deben ser

absolutamente integrables

Convolución 51
Para calcular x(t)*v(t) es de ayuda graficar las

funciones del integrando de la integral de
convolución.
Paso 1: Grafíque x() y v(-) como funciones de .
Paso 2: Sea [0,a] el conjunto de todo t tal que
o  t  a
, donde a es un número positivo.Para t igual a un

punto arbitrario en el intervalo, grafíque v(t- ) y
el producto x()v(t- ) como funciones de .
Convolución 52
Observar que:
a) v(t- ) es igual a v(- ) desplazada a derecha en
t unidades de tiempo.
b) el valor de a en el intervalo [0,a] es el mayor
valor de a para el cual el producto x()v(t-) tiene
la misma forma analítica para todos los valores de
t[0,a].
Paso 3: Integre el producto x()v(t- ) como función
de , con límites =0 hasta =t.
Paso 4: Para t igual a un punto arbitrario en el
intervalo [a,b], grafique v(t- ) y el producto
x()v(t- ) como funciones de ....etc.
Convolución 53
Ejemplo 1: Convolución de pulsos

Sean x(t)=s(t)-2s(t-1)
v(t)=s(t)-s(t-1)
Paso 1: grafico de x() y v(- )
X() V(- )
FIGURA 1
1
1 2
 -2 -1 
-1 Analisis de Señales y Sistemas
Convolución 54
Paso 2: el grafo y el producto para t[0,1] V(t- )

X()
1
x
1 2
-2 -1 

x()v(t-)
-1 t-1
t
1
FIGURA 2
=
Observar que entre 0 y 1 la
forma analítica es la misma, -1
luego a=1. 
Analisis de Señales y Sistemas t 1
Convolución 55
Para t[1,2] la forma del producto cambia como se

muestra a seguir: FIGURA 3
x() x()v(t-)
x v(t-) =
1
t
2

0 1 2 0  0 1 
1 2
-1 t-1 t t-1
Paso 3: integrando el producto de la Figura 2 se

obtiene x (t ) * v (t )   1d   t

Convolución 56
Paso 4: t[2,3] el producto x()v(t- ) cambia como:
x() v(t-) x()v(t-)

x =
1
t-1
1 2

0 1 2 0  0 1 
2
-1 t-1 t
FIGURA 4
De las figuras 3 y 4 la forma analítica cambia del
intervalo [1,2] al [2,3]. Valor de b es 2.
Convolución 57
Paso 5: Integrando el producto de la figura 3

obtenemos: 1 t
x (t ) * v (t )   (1) d    (  1) d 
t 1 1
 1  ( t  1)  (  1)( t  1)   2 t  3
Repitiendo el paso 5 para el intervalo t=[2,3]
tenemos, de la figura 4 2
x (t ) * v (t )   (1) d 
t 1
 (  1)[ 2  ( t  1)]  t  3
finalmente para t3, el producto es cero (0) ya que
no existe sobre posición entre x() y v(t-).

Convolución 58
Así, el gráfico de la convolución x(t)*v(t) es el

siguiente:
1
t -2t+3
t
1 2 3
t-3
-1
FIGURA 5
En forma analítica se expresa como:
x ( t ) * v ( t )  t [ s ( t )  s ( t  1 )]....
..  (  2 t  3 )[ s ( t  1 )  s ( t  2 )]..
..  ( t  3 )[ s ( t  2 )  s ( t  3 )]
Convolución 59
Ejemplo 2: Convolución de segmentos

exponenciales:
Sean las señales:
 et 0  t1
 2t e 0  t  4
t
x(t)  e 1  t2 v(t)  
 0 otros t  0 otro t

La señales se grafican en la figura 6

Convolución 60
x(t)
FIGURA 6 v(t)
3
e 2t 3
2 2  t
t e
e
1 1
t
0 1 2 3 4 0 1 2 3 t
a b
x() v(-)
2 3
3 e 2
2 e()  e
1 e  1

0 1 2 3 4 -4 -3 -2 -1 0 
c d
Convolución 61
FIGURA 7
x() v(t-)
e 2 3
x 2
e(t )

e 1

0 1 2 3 4  (t) -4 -3 -2 -1 0 t 1 
c ee
x (  ) v (t   ) t-4
Intervalo [0,1]
= 1 t
2 3 
Convolución 62
x()v(t )  (t  ) FIGURA 8

ee v (t   )
2  ( t  )
3 e e 3
2 2
Intervalo [1,2] e(t )
1
1
-3 -2 -1 0 
1 t 2 3 -4 1
t-4 t
 e 2  1 2  t
Para intervalo [2,4] x (t ) * v (t )    e e
 2 
Para intervalo [4,5] 1 2 2(t 4) t
x(t ) * v(t )  [3e  e ]e
Para intervalo [5,6] 2
x(t)*v(t)  e2 (6 t)et
Convolución 63
3.2 Propiedades de la Convolución

a) ASOCIATIVIDAD:
[ x(t ) * v(t )]* w(t )  x(t ) *[v(t ) * w(t )]
b) CONMUTATIVIDAD:
x (t ) * v (t )  v (t ) * x (t )
Para la definición
 de convolución 
 x (  ) v (t   ) d    v (  ) x (t   ) d 
 
c) DISTRIBUTIVA:
x(t) *[v(t)  w(t)]  x(t) *v(t)  x(t) * w(t)
Convolución 64
d) PROPIEDAD DEL DESPLAZAMIENTO:
Sea x c ( t )  x ( t  c ) y v c ( t )  v ( t  c )
Entonces :
w (t  c )  x c (t ) * v (t )  x (t ) * v c (t )
donde w (t )  x (t ) * v (t )
e) PROPIEDAD

DE LA DERIVADA:
Si x ( t ) de x (t ) existe , entonces :
d 
[ x ( t ) * v ( t )]  x ( t ) * v ( t )
dt
Convolución 65
Si ambas señales tienen primera derivada, entonces:

d2  
2
[ x (t ) * v (t )]  x (t ) * v (t )
dt
f) PROPIEDAD DE INTEGRACION:t
Sea x ( 1) (t )   x (  ) d 

t
Sea v ( 1) (t )   v ( )d 

Entonces:
( 1) ( 1) ( 1)
( x * v) x *v  x *v
Convolución 66
g) CONVOLUCION CON EL IMPULSO

UNITARIO:
Sea (t) el impulso unitario en el origen, entonces:

x(t ) * (t )   (t ) * x(t )    () x(t  )d


 x(t )   ()d

 x(t )

Convolución 67
h)CONVOLUCION CON EL IMPULSO

UNITARIO DESPLAZADO:
Sea
 c (t )   (t  c)
Entonces:
x(t) *c (t)  x(t  c)

Señales 68
3.3 Convolución de señales de tiempo discreto

Dadas dos señales de tiempo discreto x[n] y v[n],
su convolución esta definida

como:
x[ n ] * v[ n ]   x[i ]v[n  i ]
i  
Y se le conoce como la suma de convolución.
Si para enteros negativos las señales de tiempo
discreto son nulas
Entonces: 

0 (a)
n
x[ n ] * v[ n ]   x [ i ]v [ n  i ]

 i  0
Señales 69
Ejemplo: Convolución de pulsos rectangulares

Suponga que x[n] y v[n] son iguales al pulso
rectangular p[n] definido como:
1 0n5
p[ n ]  
0 todo otro n
Figura 9

Señales 70
Visto que ambas señales discretas son nulas para n<0

se precisa de v[-i], que se muestra en la figura 10
Figura 10

Señales 71
Para cualquier valor positivo de n, v[n-i] es igual a

v[-i] desplazada a derecha en n pasos. El gráfico
de v[n-i] como función de i para n 5 se presenta
en la figura 11(b) y x[i] en la figura 11(a). Se
presenta también el producto x[i]v[n-i] en la
figura 11(c). El producto es un pulso rectangular
de amplitud 1 desde i=0 a i=n, luego la suma de
los valores del producto anterior es igual a
(n+1)(1)=n+1. Es decir
x[ n ] * v[ n ]  n  1 para 0  n  5

Señales 72
Figura 11 (a) Figura 11 (b)
n-5 n
n
Figura 11(c)

Señales 73
Para un valor arbitrario de n entre 6 y 11 el calculo

del producto se presenta en la figura 12. En este
caso el producto es un pulso rectangular de
amplitud 1 desde i=n-5 hasta i=5. Luego la suma
de los valores del producto es igual a
[5-(n-5)+1](1)=11-n, luego
x[ n ] * v[ n ]  11  n 6  n  11
Finalmente para n>11 las señales de tiempo discreto
no se sobreponen entonces su producto es 0, luego
x[ n ] * v[ n ]  0 n 11
Señales 74
Figura 12(a) Figura 12(b)
n-5 n
Figura 12 (c )
n-5 5

Señales 75
y la Convolución de ambas señales de tiempo
discreto se muestra en la Figura 13.
Observar que el resultado es un pulso triangular con

una duración igual al doble de la del pulso
rectangular
Señales 76
Ejemplo: Uso de formas analíticas

Suponga que x[n]=ans[n] y que v[n]=bns[n] donde
s[n] es la función escalón unitario de tiempo
discreto y a,b son números reales fijos no nulos.
Entonces para la ecuación (a) (transparencia 68)
insertando x[i]=ais[i] y v[n-i]=bn-is[n-i],
n=0,1,2.. Obtenemos:n
x[ n ] * v[ n ]   a i s[ i ]b n  i s[ n  i ], n  0 ,1, 2 ..
i0
Como s[i]=1 y s[n-i]=1 para todo valor entero de i
de i=0 a i=n.se tiene i
n n
 a 
x[ n ] * v[ n ]   a ib n i  b n    n  0 ,1 , 2 ..
i0 i 0  b 
Señales 77
Si a=b
n i
a
    n 1
i 0  b  y
x[n] * v[n]  b n (n  1)  a n (n  1), n  0,1,2..
Si ab
n 1
 a 
n i 1   
 a   b 
   
i 0  b   a 
1   
 b 
Asi, b n1  a n1

x[n] * v[n] 
ba
Señales 78
Para el caso cuando x[n] y v[n] no son cero para

n<0, lo anterior puede generalizarse. En particular,
suponga que :
x[n]  0, n  N y v[n]  0, n  M
M y N son enteros positivos o negativos. Entonces la
operación de convolución puede escribirse como:
 0 n M  N
nM
x[ n ] * v[ n ]   x [ i ]v [ n  i ]

 i  N n M  N

Señales 79
La operación de convolución puede se evaluada

utilizando de un arreglo que se define de la
siguiente manera:
1a fila los valores x[N], x[N+1], ....
2a fila los valores v[M], v[M+1],....
3a fila el producto del primer elemento de la segunda
fila con los elementos sucesivos de la primera fila.
4a fila el producto del segundo elemento de la
segunda fila con los elementos sucesivos de la
primera fila

Señales 80
Es decir
x[N] x[N+1] x[N+2] x[N+3]
v[M] v[M+1] v[M+2] v[M+3]
x[N]v[M] x[N+1]v[M] x[N+2]v[M] x[N+3]v[M]
x[N]v[M+1] x[N+1]v[M+1] x[N+2]v[M+1]
x[N]v[M+2] x[N+1]v[M+2]
. .
. .
y[M+N] y[M+N+1] y[M+N+2] y[M+N+3]
Donde y[n]=x[n]*v[n]
Señales 81
Ejemplo numérico: Suponga que x[n] y v[n] están

dadas como:
n x[n] n v[n]
< -1 0 < -2 0
-1 1 -2 -1
0 2 -1 5
1 3 0 3
2 4 1 -2
3 5 2 1
Señales 82
Entonces el arreglo será:
1 2 3 4 5
-1 5 3 -2 1
-1 -2 -3 -4 -5
5 10 15 20
3 6 9
-2 -4
1
-1 3 10 15 21
Así: y[-3]=-1; y[-2]=3; y[-1]=10; y[0]=15.
y[n]=0 para n<-3. Analisis de Señales y Sistemas
Señales 83
3.4 Propiedades de la Convolución discreta

a) Asociatividad:
x[n]*(v[n]  w[n])  (x[n]*v[n])  (x[n]* w[n])

b) Conmutatividad:
x[ n] * v[n]  v[ n] * x[ n]
c) Distributividad sobre la suma
x[n]*(v[n]  w[n])  x[n]*v[n]  x[n]* w[n]

Señales 84
e)Propiedad del desplazamiento

Sea x q ] n ]  x[ n  q ] y v q [ n ]  v[ n  q ]
Entonces :
w[ n  q ]  x q [ n ] * v[ n ]  x[ n ] * v q [ n ]
f) Convolución con el pulso unitario
x[n]* [n]=x[n]
Claramente el pulso unitario es el elemento identidad
de la operación convolución.

Señales 85
g) Convolución con el pulso unitario desplazado

x[n]*q[n]=x[n-q]
Es decir, la operación es equivalente al
desplazamiento de x[n] en q pasos.

CAPITULO 4
SERIE Y TRANSFORMADA
DE FOURIER

Hector Peña M. EIE- UCV
Señales 86
En este capítulo trataremos sobre el Espectro de

Frecuencia de una señal de tiempo continuo.
Veremos que el espectro de frecuencia muestra las
componentes sinusoidales que forman una
determinada señal de tiempo continuo. En general,
el espectro de frecuencia es una función compleja
de la variable frecuencia y como tal, se especifica,
comúnmente, en términos de un Espectro de
Amplitud y un Espectro de Fase.

Señales 87
4.1 Representación de Señales en términos de

componentes de frecuencia
Un concepto fundamental en el estudio de señales es
la noción de componentes de frecuencia de una
señal. En general, para una gran clase de señales,
estas componentes se representan por sinusoides.
Ejemplo: Sea la señal de tiempo continuo:
N
x (t )   A k cos(  k t   k )   t 
k 1 (4-1)
N entero positivo, Ak amplitudes,k frecuencias y
k fases de las sinusoides.

Señales 88
Para este caso, las frecuencias “presentes” en la

, 2,... N
señal son las frecuencias 1  de las
sinusoides que componen la señal. Las
componentes de frecuencia de la señal son las
sinusoides
A k cos(  k t   k )
Es preciso observar que las frecuencias 1, 2,.. N;
las amplitudes A1, A2, .. AN ; y las fases 1,2,..N
caracterizan completamente la señal.
Particularmente, las amplitudes especifican la
ponderación relativa de las componentes en la
formación de la señal.

Señales 89
Ejemplo: Considere la señal de tiempo continuo
   t 
x (t )  A1 cos t  A2 cos( 4t  )  A3 cos( 8t  )
3 2
(4-2)
Sus componentes de frecuencia son tres, con
frecuencias 1, 4 y 8 rad/s, amplitudes A1, A2 y A3.
y fases 0,/3 y /2 rad. Pretendemos mostrar que
la “forma” de la señal original depende de las
magnitudes relativas de sus componentes. Matlab
entrega:

Señales 90
t=0:20/400:20;
w1=1;w2=4;w3=8;
A1=input(‘valor de A1 para w1=1: ');
valor de A1 para w1=1:
x=A1*cos(w1*t)+A2*cos(w2*t+pi/3)+A3*cos(w3*t+pi/2);
plot(t,x)
grid
Y los resultados son los siguientes:

Señales 73
. A1=0.5;A2=1;A3=0
Domina la componente de 4rad/s
Domina la componente de 1 rad/s

A1=1;A2=0.5;A3=0
Ambas componentes son de

igual amplitud
A1=1;A2=1;A3=0
Analisis de Señales y Sistemas Figura 4-1

Señales 74
Sugerencia: Simule la función x(t) para :

A1 A2 A3
0.5 1.0 0.5
1.0 0.5 0.5
1.0 1.0 1.0
Es posible obtener un gráfico de las amplitudes Ak de

cada componente como función de la variable
frecuencia k , una variable real. Los gráficos
serán los que se muestran a continuación:

Señales 75
Figura 4-2

Señales 76
El espectro de fases sería como se muestra:
Figura 4-3
Señales 77
4.2 Forma Exponencial Compleja

Generalmente en análisis de señales y sistemas se
considera la forma exponencial compleja para
representar funciones senoidales. Considere la
forma:
j (  k t  k )
Ak e
Según Formula de Euler: e j   cos   jsen 
1
Y las relaciones: cos   ( e j  e  j )
2
1
sen   ( e j  e  j )
2 j
Señales 78
Entonces
j ( k t  k )
Ak e  A k cos(  k t   k )  jA k sen ( k t   k )
Luego
j (  k t  k )
Ak cos(  k t   k )   e A e k 
Donde e  
representa la notación “Parte real
de “. Luego la señal de la ecn (4-1) puede
representarse como:
N
x (t )    e Ak e j ( k t  k )
 
k 1 (4-3)
Señales 79
Al considerar exponenciales complejas con

frecuencias negativas es posible eliminar la
operación de tomar la parte real. Observe que para
un numero complejo s=a+jb,(con complejo
conjugado s*=a-jb), la parte real esta dada como:

s  s
a 
2
luego
j (  k t  k ) Ak j ( k t  k ) Ak  j ( k t  k )

 e Ak e  
2
e 
2
e

Señales 80
En consecuencia (4-3) puede ser escrito como:

N
Ak j ( k t  k ) Ak  j ( k t  k )
x (t )   [ e  e ]
k 1 2 2
Defina
Ak j k
ck  e k=1,2,...,N (4-4)
2
y
A k  j k
ck  e k=1,2,...,N (4-5)
2

Señales 81
Entonces:
N
j k t
N
j (  k ) t
(4-6)
x (t )   c k e   c k e
k 1 k 1
Observe que obtenemos componentes para valores

negativos de la frecuencia. Estas no tienen un
significado físico ya que son el resultado de la
formulación en términos de la exponencial
compleja.
Defina k  k para k=-1,-2,-3,..,-N . Entonces
y con k=-k, N
x ( t )   c k e j t (4-7)
k
k  N
k 0

Señales 82
La expresión (4-7) es la forma exponencial compleja

de la señal x(t).
Para la expresión de x(t) según (4-7) se tiene el
espectro de frecuencias de las amplitudes ck
y el espectro de fases es uno de los ángulosck
como funciones de la frecuencia angular positiva y
negativa.
De la definición de ck y c-k se cumple que: c k  c  k
Implicando que el espectro de amplitud es simétrico
con respecto a =0. Por otra parte c k =- ck
el espectro de fase es una función impar.

Señales 83
Ejemplo: Considere x (t )  cos t  0 .5 cos( 4t   )  cos( 8t   )

3 2
Por las definiciones podemos calcular
c1  0 .5  0 .5  0 c 1  0 .5  0 .5  0
 
0 .5 j 3 0 .5  j 3
c2  e  0 . 25  60 c2  e  0 . 25   60
2 2
1 j 2 1  j 2
c3  e  0 . 5  90 c3  e  0 . 5   90
2 2

Figura 4-4
Señales 84
4.3 Representación en Serie de Fourier de Señales

Periódicas
Sea T un número fijo positivo. Sea x(t) una señal
periódica con periodo fundamental T. Entonces:

jk  0 t
x (t )  c k e  t  (4-8)
k  
Con 0 = 2/T como frecuencia fundamental . Los
coeficientes ck pueden calcularse utilizando de la
expresión: T2
1
ck   x ( t ) e  jk  0 t
dt k  0 ,  1,  2 ,.. (4-9)
T T

2
Señales 85
T /2
Con 1
c0 
T  x ( t ) dt
T / 2
La representación (4-8) se denomina Serie de

Fourier de la señal periódica x(t). Observe que las
frecuencias presentes en x(t) son múltiplos enteros
de la fundamental.
Para que una señal periódica x(t) tenga expansión en
serie de Fourier DEBE SATISFACER LAS
CONDICIONES DE DIRICHLET (se habla de
“funciones suaves” (smooth functions))

Señales 86
Condiciones de Dirichlet:
1.- x(t) es absolutamente integrable sobre cualquier
periodo, esto es
a T
 x ( t ) dt   para cualquier a
a
2.-x(t) tiene sólo un número finito de máximos y
mínimos
3.-x(t) tiene sólo un número finito de
discontinuidades finitas sobre cualquier periodo.

Señales 87
Observen que la serie de Fourier dice que una señal

periódica, como por ejemplo, una forma con
“esquinas”,(pulso rectangular de tiempo continuo),
puede ser representada por una suma de
sinusoidales que son funciones suaves !!!!.
Ejemplo:
Considere el siguiente Tren de pulsos rectangulares.
X(t)
1.0
T
-2.5 -1.5 -0.5 0.5 1.5 2.5

2.0 t
-2.0 Analisis de Señales y Sistemas
Señales 88
Esta señal es periódica con período fundamental

T=2, por lo que la frecuencia fundamental es   2   0
2
Visto que la señal satisface Dirichlet, tiene una
representación en Serie de Fourier.
1 0 .5
1 1 1
c0   1 x ( t ) dt   ( 1 ) dt 
2 2  0 .5
2
1 0 .5
1  jk  t 1
ck   1 x ( t ) e dt  2  e  jk  t dt
2  0 .5

Señales 89
1 jk  t t  0 .5
ck   e t   0 .5
j2k
1  k k 
    jsen  jsen 
j2k  2 2 
1 k
 sen , k   1, 2 , 3
k 2
 0, k   2 ,  4 .......... ....
 k 1
  1 2
 k  (  1 ) , k   1 ,  3 ..

Señales 90
Que puede ser escrita como:
k 1
1 
1 2 jkt
x (t )    ( 1) e ,  t  
2 k   k
k impar
(4-10)
Obtenemos así los siguientes espectros de amplitud y
fase.

Señales 91
.
1/2
1/
1/3
1/5
-5 -3 - 0  3 5
Figura 4-5
-5 -3 -  3 5
Señales 92
4.4 Fenómeno de Gibbs

La representación trigonométrica de la ecuación
(4-10) viene dada como: (demuéstrela)
1 N
2  k 1  / 2 
x N (t )    cos( k  t  [(  1)  1] )
2 k 1 k 2
k impar
Para un valor suficientemente grande de N, xN(t)
debería ser una aproximación muy cercana a x(t).
Buscando esta confirmación se puede graficar
xN(t) para diferentes valores de N. Los gráficos a
seguir muestran el efecto.

Señales 93
Figura 4-6
Señales 94
Figura 4-7
Señales 95
Figura 4-8
Señales 96
Figura 4-9
Señales 97
Para dos valores de N =3 y N=9, se obtiene:
Analisis de Señales y Sistemas Figura 4-10

Señales 98
Sea x(t) una señal periódica arbitraria. Como

consecuencia del Fenómeno de Gibbs, la
representación en serie de Fourier de x(t) no es, en
verdad, igual al verdadero valor de x(t) en
cualquier punto donde x(t) sea discontinua. Si x(t)
es discontinua en t=t1, la representación de Fourier
 
tiene un error de aproximadamente 9% en t 1 y t 1 .
Es entonces posible truncar directamente la serie
exponencial de Fourier y calcular la suma finita
para xN(t). N
x N (t )   c n e jk  0 t
k  N

Señales 99
4.5 Teorema de Parseval

Sea x(t) una señal periódica de período T. La
potencia media de la señal se define como:
T
1 2 2
P   T x ( t ) dt
T 
2
Si x(t) es la tensión a través de un resistor de 1 ohm
la corriente que circula en un resistor de 1 ohm, la
potencia media esta dada por la expresión anterior.
Claramente, al considerar la expansión en serie de
Fourier de x(t), obtenemos de Parseval
 2
que relaciona los coef. Ck
P   ck
k  
con la potencia media de la señal.

Señales 100
4.6 Transformada de Fourier

Vista la potencialidad de representar señales
continuas periódicas en sus componentes de
frecuencia, es natural preguntar si será posible
hacerlo con señales aperiódicas (no periódicas).
La respuesta es afirmativa y el medio es la
Transformada de Fourier.
Para ello consideremos el pulso y el tren de pulsos
que se muestran en la figura 4-11 a seguir.

Señales 101
x(t) Figura 4-11
.
-1.0 -0.5 0.5

0 1.0
xT (t)
-T-0.5 -T+0.5 -0.5 0.5 T-0.5 T+0.5

0 T
-T Analisis de Señales y Sistemas
Señales 102
Observar que el contenido en frecuencia del pulso

rectangular x(t) puede generarse considerando
primeramente la representación en serie de Fourier
de un tren de pulsos en el límite cuando T , es
decir
x(t ) T lim xT (t )
Como xT(t) es una señal periódica con periodo

fundamental T, tiene una serie exponencial de
Fourier

jk 0t
xT (t )  k ,
c e   t  
k  

Señales 103
T
Con 2
1  jk  0 t
ck 
T  x (t )e
T
dt k=0,1,2, ..

2
Deseamos saber que pasa con xT(t) cuando T , es

decir cuando el tren de pulso se convierte en el
pulso rectangular x(t). Para ello calcularemos los
coeficientes ck de la serie de Fourier.
Primeramente para k=0
T
2
1 1
c0   x ( t ) dt 
T T T

2

Señales 104
Para k0 obtenemos:

0 .5
1  jk  0 t
ck  e dt
T  0 .5
2 k0
 sen , k  1,2,...
k0T 2
Es decir:
1 k 0
ck  sen , k  1,2,...
k 2
Señales 105
El espectro de amplitud de xT(t) es un grafico de

ck versus . Con fines explicativos, es conveniente
escalar el espectro de amplitud en T, graficando
T ck versus =k 0 . El resultado para nuestro
ejemplo es el siguiente:

Señales 106

Señales 107
De las figuras anteriores se observa que a medida

que T aumenta, la “densidad” de las componentes
de frecuencia también lo hace, siendo que la
“envolvente” de las componentes se mantiene
constante. Con T  , las componentes escaladas
de frecuencia convergen a una función continua
definida por la función sinc. Esta se define como:
sen 
sinc  

cuyo gráfico es

Señales 108

Señales 109
Los coeficientes ck pueden ser escritos en términos

de funciones sinc de la siguiente forma:
( )[ sinc  ]  sen 
k
y con   0
se obtiene:
2
k 0 k 0 k 0
sen  sinc
2 2 2
Luego: 1 k0 k0 0 k0
ck  sinc  sinc
k 2 2 2 2

Señales 110
2 1 k 0
Pero como 0 
T
, se obtiene ck  sinc
T 2
k  1,2..
Es decir:
k 0
Tc k  sinc k  1,2..
2
Claramente
1
c0  es decir Tc 0  1
T
Luego: Tc0  sinc(0)
Así finalmente
k 0
Tc k  sinc k  0,1,2..
2

Señales 111
A medida que T  la frecuencia discreta k0 se

transforma en una variable continua ., es decir

T lim Tc k  sinc ,    
2
Luego

T lim T ck  sinc ,    
2
Cuya gráfica es la siguiente:

Señales112

Señales 113
Observe que la figura representa el espectro de

amplitud de la función sinc  donde la
2
variable continua  representa el “continuo” de
frecuencias. Observamos también que la mayoría
del contenido espectral del pulso rectangular se
encuentra situado en el primer “lóbulo” entre =0
y =2. La transformada de Fourier, X(), del
pulso rectangular x(t) se define como el límite de
Tck cuando T  luego:

X ( )  sinc ,    
2
Señales 114
Así entonces, el espectro de amplitud del pulso

rectangular es igual a la magnitud X (  ) de la
transformada de Fourier X ( ) .El espectro de
fase se define como la fase X () de X ( ) .
La transformada de Fourier X() del pulso
rectangular x(t) puede ser expresada en términos
de x(t) de la siguiente manera:
Considere la expresión para los coeficientes ck
T
2
1
ck   x ( t ) e  jk  0 t dt
T T

2

Señales 115
Como x(t)=0 para t<-T/2 y t>T/2, lo podemos

expresar como:

1
ck   x ( t ) e  jk  0 t dt
T 
Luego: 
Tc k   x ( t ) e  jk  0 t dt

Por definición de X()

X ( )  T lim  Tc k
y como k  0   a medida que

T  
Obtenemos X ( )   x ( t ) e  j  t dt

Señales 116
Por otra parte las funciones básicas  ( t )  e j  t

forman un conjunto de funciones ortogonales, en
consecuencia existe una inversa dada como

1 j t
x (t )   X ( ) e d
2 
Y que denominamos Transformada Inversa de

Fourier.

Señales 117
4.7 Forma Rectangular y Polar de la T. Fourier

Considere la señal x(t) con TF dada como

X ( )   x ( t ) e  j  t dt

Utilizando de la formula de Euler es posible escribir:
 
X ( )   x ( t ) cos  tdt  j  x ( t ) sen  tdt
 
Tenemos entonces: 
 e ( )   x ( t ) cos  tdt


 m ( )    x ( t ) sen  tdt
 
Señales 118
En consecuencia la forma RECTANGULAR viene

dada como:
X ()  e()  jm()
De igual manera la forma POLAR de la TF viene
dada como:
jX ()
X()  X() e
Donde X ( )   2 e ( )   2 m ( )
1   m ( ) 
 X ( )  tg  
  e ( ) 
Señales 119
4.8 Simetría Par e Impar de señales

Se dice que una señal es PAR si x(t )  x(t )
y una señal es IMPAR si x(t )   x(t )
Para una señal PAR la TF viene dada como:

X (  )  2  x ( t ) cos  tdt
0
Y si la señal es IMPAR la TF viene dada como:


X ( )   j 2  x ( t ) sen  tdt
0

Señales120
4.9 Señales de Banda Limitada (BL)

Se dice que una señal x(t) es de Banda Limitada,BL,
(“bandlimited”) si su TF, X(), es CERO para
todo  > B, donde B es un número positivo
denominado ANCHO DE BANDA (AB)
(“bandwidth” (Bw)) . Si una señal es de BL con
AB = B, la señal NO contiene componentes
espectrales con frecuencia MAYORES a B. Una
señal de BL NO PUEDE SER LIMITADA EN EL
TIEMPO. Una señal es limitada en el tiempo si
existe un numero positivo T tal que x(t) = 0 para
t <-T y t >T. (ver pag 112)
Señales121
Una señal que no es de BL, tiene un AB infinito o un

espectro infinito. Como TODAS las señales
(físicas) son de tiempo limitado, cualquiera de
ellas debe tener un AB infinito. Sin embargo, para
señales “bien comportadas” (Condiciones de
Dirichlet) la transformada de Fourier converge a
CERO a medida que la frecuencia tiende a
infinito, por lo que es usual suponer que para
señales “prácticas”
X ()  0   B
Donde B es un número suficientemente grande.

Señales122
4.10 Propiedades de la TF
1.- LINEALIDAD
Si dos señales x(t) y v(t) tienen TF y TIF entonces
para cualquier escalar real o complejo se cumple
que : ax(t )  bv(t )  aX ( )  bV ( )
Donde el signo implica la existencia de TF
y de la TIF.
PRUEBE ESTA AFIRMACION !!!!!

Señales123
2.- Desplazamiento temporal a Derecha o

Izquierda
Si x(t )  X ( ) entonces para cualquier numero real
positivo o negativo se cumple que:
x ( t  c )  X ( ) e  j  c
3.- Escalamiento temporal

Si x(t )  X ( ) para cualquier numero real positivo
a, se cumple que 1   
x ( at )  X 
a a
Señales124
4.- Inversión de Tiempo

Considere la señal con inversión de tiempo x(-t). Si
x(t )  X ( ) entonces: x (  t )  X (   )
5.- Producto por una potencia de t
Si x(t )  X ( ) para cualquier entero positivo n se
cumple que dn
t n x(t )  ( j ) n n
X ( )
d
6.- Producto por una exponencial compleja
Si x(t )  X ( ) entonces para cualquier numero
real 0
j0t
x(t )e  X (  0 )
Señales125
7.-Diferenciación en el dominio temporal

Si x(t )  X ( ) entonces para cualquier entero
positivo n,
dn n
n
x ( t )  ( j  ) X ( )
dt
8.- Integración en el dominio temporal t
Dada una señal x(t), su integral es la función  x (  )d


entonces t
1
x()d  j X ( )  X (0) ( )
Señales126
Donde a X(0) se le denomina componente continua

Si la señal no tiene componente continua
t
1
  x ( ) d  j X ( )
Es necesario destacar el hecho que en general la
integral de x(t) no tiene TF en el sentido común,
pero tiene la transformada “generalizada”:
1
X ( )   X ( 0 )  ( )
j
Donde  (  ) representa la función impulso en el

dominio de la frecuencia
Señales127
9.- Convolución en el dominio temporal

Dadas dos señales x(t) y v(t) con TF X (  ) y V (  )
La TF de la convolución x ( t ) * v ( t ) viene
dada como el producto X (  )V (  ).
DEMUESTRELO !!!!!
10.- Multiplicación en el dominio temporal
Si x ( t )  X ( ) y v (t )  V ( ) entonces:

1 1
x(t )v(t )  [ X ( ) *V ( )]   X ( )V (   )d
2 2 

Señales128
11.- Teorema de Parseval

Si x ( t )  X ( ) y v (t )  V ( ) entonces
 
1
  x (t ) v (t ) dt  2  X ( )V ( ) d 

Donde X ( ) representa el complejo conjugado.

Si x(t)=v(t), entonces se cumple:
 
2 1 2
  x (t ) dt  2 

X ( ) d 

Señales129
12.- Dualidad
Sea x(t )  X ( ) puede definirse una nueva señal de
tiempo continuo haciendo =t en X ( ) .Esto
entrega una señal de tiempo continuo X(t) . La
propiedad de dualidad establece que la TF de X(t)
viene dada por X ( t )  2  x (   )

Señales 130
4.11 Transformada de Fourier de tiempo discreto

Dada una señal de tiempo discreto x[n] la
Transformada de Fourier de tiempo discreto, TFD,
de x[n] se define como: 
X (  )   x[ n ]e  j n
n  
Donde  es la variable frecuencia y se la utiliza para

diferenciarla de su contraparte de tiempo continuo.
Una condición suficiente para que x[n] tenga una
TFD en un sentido común, es el que sea
absolutamente “sumable”, es decir 
 x[n]  
n  

Señales 131
Si x[n] es una señal discreta de tiempo limitado (es
decir, existe un entero positivo N tal que x[n]=0
para todo n  -N y n  N.), entonces la sumatoria
anterior es finita y tal señal tiene una TFD en el
sentido amplio.
Ejemplo: considere la señal de tiempo discreto x[n]
definida como:
 0 n  0

x[ n ]   a n 0  n  q
 0 n  q

Donde a es una constante real diferente de cero, y q
entero positivo.
Señales 132
La señal es claramente limitada en el tiempo, y por
lo tanto tiene una TFD en el sentido amplio. Así:
q q
X ()   a ne jn   (ae j ) n
n 0 n 0
Esta suma puede escribirse en “forma cerrada”
utilizando: q2
n
q1
r r q 2 1
 r 
n  q1 1 r
Donde q1 y q2 son enteros con q2 > q1, r es un
numero real o complejo. Entonces con q1=0, q2=q
 j
y r  ae
1  ( ae  j ) q 1
X ( ) 
1  ae  j
Señales 133
Para cualquier señal de tiempo discreto x[n], la TFD

X () ,es una función periódica de  ,con periodo
2. Es decir X (  2 )  X () para todo  .
Por otra parte, y dado que X () es generalmente
una función compleja puede ser expresada en
forma rectangular o polar, así
X ()  e()  jm()
Donde 
 e( )   x[ n ] cos n 
n  

 m ( )    x[ n ] sen 
n  
Señales 134
Luego X ()  X () e jX ()
4.12 Simetría par e impar de señales de tiempo

discreto
Una señal de tiempo discreto es una señal par de n, si
x[-n]=x[n] para todo n  1. Al ser función par se
cumple que: 
X ( )  x (0 )   2 x [ n ] cos n
n 1
Si la señal es una función impar:


X ( )  x (0 )   j 2 x [ n ] sen  n
n 1

Señales 135
Ejemplo: TFD de un pulso rectangular

Dado un entero positivo q, sea p[n] la función pulso
rectangular discreto, definido como:
1 n  q,q 1,..,1,0,1,...q
p[n]  
0 todo otro n
Utilizando

 jn
X ( )   x[ n ]e
n  
Se obtiene: P ( ) 
q
 j n
e
n q

Señales 136
Con q1=-q , q2=q y r  e j se obtiene:

e j q  e  j ( q 1)
P ( ) 
1  e  j

Multiplicando numerador y denominador por e j
2
Obtenemos 1
j( q  )
1
 j( q  )
2 2
e e
P()   
j j
2 2
e e
Con Euler podemos rescribirla como:
1
sen [( q  ) ]
P ( )  2
 
sen  
 2 
Señales 137
Obteniendo así la TFD del pulso rectangular x[n].

Puede probarse que a medida que el valor del
entero q crece, el gráfico de P() se asemeja cada
vez mas a la función sinc de la variable , como
se muestra a seguir con q=10.
P()
- 
Señales 138
4.13 Espectro de una Señal de tiempo Discreto

Para una señal de tiempo discreto x[n] que no es
igual a una suma de sinusoides, el espectro de
frecuencias consiste en un continuo de frecuencias
que forman la señal.
Recordar que (Pág. 133), X (   2 )  X ( ) y la
consecuencia importante es que X() esta
completamente determinada al calcularla sobre
cualquier intervalo 2, como 0  2 , -  
Las componentes sinusoidales que componen x[n]
tienen frecuencias positivas en el intervalo 0 a .
Señales 139
Ejemplo: Señal con componentes de baja frecuencia

n
Sea x[n]  (0.5) s[n]. Cuya figura es la siguiente
Su espectro de amplitud y fase son los siguientes:

Señales 140

Señales 141
Observe en la figura que, en el rango de frecuencias

de 0 a , la mayor parte del contenido espectral se
concentra en las cercanías de =0, es decir, la
señal tiene una gran componentes de bajas
frecuencias.
Considere ahora el caso de una señal con
n
componentes de alta frecuencia x[n]  (0.5) s[n]

Señales 142
Al observar la señal vemos que debido a los cambios

de signo las variaciones temporales de esta señal
serán mayores que en el caso anterior, esperamos
en consecuencia una gran cantidad de
componentes de alta frecuencia.
1
Como X (  )  los espectros de amplitud y
1  0.5e  j
frecuencia serán
1
X ( ) 
1 . 25  cos 
 1  0 . 5 sen 
 X (  )   tg
1  0 . 5 cos 
Señales 143
Y su gráfico es:

Señales 144
Observen ahora que en el mismo rango de

frecuencias anteriores, el contenido espectral de la
señal, tanto en amplitud como fase, se concentra
cercano al mayor valor de frecuencia, esto es
 = , mostrando un mayor contenido de altas
frecuencias.
4.14 Transformada Discreta de Fourier (TDF)
Sea x[n] una señal de tiempo discreto con TFD
X(). Como la TFD es una función de la variable
continua , se hace necesario discretizar la
frecuencia (p.ej., para almacenar en memoria ).

Señales 145
Se origina así el concepto de TDF. Entonces, la TDF

con N puntos, Xk de x[n] , donde se ha supuesto
que x[n]=0 para n<0 y para nN , con N entero,
se define como:
N 1
X k   x [ n ] e  j 2  kn / N k  0 ,1, 2 ,.., N  1
n0
Ejemplo: Sea n x[n]

0 1
1 2
2 2
3 1
Señales 146
Para todo otro n , x[n]=0. De la tabla de datos N=4,

así
3
 j  kn / 2
X k   x [ n ]e k  0 ,1 , 2 , 3
n  0
k 3k
 j  j
2 - jk  2
X k  x [ 0 ]  x [1 ] e  x [ 2]e  x [3 ]e
k 3k
 j  j
2 - jk  2
X k  1  2e  2e  e
Es claro que  k
 eX k    k  1  2 cos  2 cos(  k )
2
  3k
 cos
2
Señales 147
 6 k0
Luego para k=0,1,2,3 se obtiene:  1
 k 1
k  
0 k2
  1 k 3
Por otro lado k  3k

k  2sen  2senk  sen
2 2
En consecuencia
 0 k 0
 1 k 1

k  
 0 k  2
 1 k 3

Señales 148
Asi la forma rectangular de de Xk viene dada como

 6 k  0
 1  j k  1

X k   k  j k  
 0 k  2
  1  j k  3
La Inversa de la Transformada Discreta de Fourier,
ITDF, viene dada por
N 1
1 j 2  kn / N
x[ n ]   X ke n  0 ,1 ,.., N  1
N k 0
Sugerencia: utilice los valores de Xk del ejemplo

anterior y recupere x[n].
CAPITULO 5
TRANSFORMADA DE LAPLACE

Señales 149
5.1 Motivación
La TF de una señal presentaba una dificultad
importante que dice relación con la convergencia .
Esta no se satisface en una gran variedad de
señales de interés.
Ejemplo: Determinar la TF de un escalón unitario
Tenemos entonces
  j t 
 j t e 
S ( )   1  e dt   
0   j  0
Señales 150
Se hace evidente que no es posible evaluar la

expresión anterior ya que el límite superior no esta
definido unívocamente: no se verifica la
convergencia de la integral. Veamos que sucede si
incorporamos a la señal escalón un factor de
 t
convergencia del tipo e . Tendremos entonces:
  (  j ) t 
t  jt  e 
S ( )   e e dt   (5.1)
0   (  j )  0
1

  j
Señales 151
Que, con  0 se reduce a 1/j. Sin embargo este

límite no es, matemáticamente, la TF de un
escalón unitario. Esta afirmación se comprueba al
determinar la TIF de 1/j.
 
1 e j t 1 sen  t
f (t )    j  d    d
2  0

 1
 2 t0
 
1 t 0

 2
Que no corresponde a un escalón unitario.

Señales 152
5.2 Transformada de Laplace (TL)(sólo para tiempo

continuo)
En la sección anterior, la integral de la ecuación (5.1)
podrá evaluarse en el límite superior si y sólo si el
límite lim e  (  j ) t existe.
t 
Esto se verifica sólo si >0.

s    j
Si se define
Obtenemos para el resultado de la ecuación (5.1) la
expresión 1
S (s)  (5.2)
s
Señales 153
La ecuación (5.2) representa la TL de un escalón

unitario. Claramente S(s) representa una función
compleja de una variable compleja, es decir,
s   e ( s )  j m ( s )
S ( s )   e ( s )  j m ( s )
Es importante destacar que la función S(s) esta
definida sólo para aquellos números complejos
para los cuales la parte real de s es estrictamente
positiva.El conjunto de todos los números
complejos s    j para los cuales e(s)>0 se
denomina región de convergencia de la TL.
Señales 154
5.3 TL Bilateral y Unilateral


Se define la TLB como
X (s)   x ( t ) e  st dt

que puede verse como una generalización de la TF
de x(t). Para valores de las señales x(t) sólo para
t0 se utiliza la TL unilateral, TLU, definida
como: 
X ( s )   x ( t ) e  st dt
0
La TLU puede aplicarse a señales que no son nulas
para t<0, sin embargo estos valores no tendrán
efecto alguno en la TLU de x(t).

Señales 155
Ejemplo: TL de función exponencial

Sea x(t)  ebt con b un número real arbitrario.La
TL será

 bt  st 1
X (s)   e e dt 
0
sb
 (  j  b ) t
Si y sólo si existe el límite t lim 
e
Es decir si (+b)>0. Así la región de convergencia
será el conjunto de todos los números complejos
tales que e(s)>-b.

Señales 156
5.4 Propiedades de la TL
1.Linealidad
ax(t)+bv(t) a(X(s)+bV(s)
2.- Desplazamiento temporal a derecha
 cs
x (t  c ) s (t  c )  e X (s)
3.-Escalamiento temporal
1 s
x ( at )  X( )
a a
4.- Multiplicación por potencias de t n
n n d
t x(t)  (1) n X (s)
ds
Señales 157
5.-Multiplicación por una exponencial

at
e x (t )  X ( s  a )
6.-Derivada temporal

x(t )  sX ( s)  x(0)
En general:

x( N ) (t )  s N X (s)  s N 1 x(0)  s N 2 x(0)
....sx N 2 (0)  x N 1 (0)

Señales 158
7.-Integración t
1
0 x (  ) d   s X ( s )
8.- Convolución t
x (t ) * v (t )   x ( ) v (t   ) d 
0
9.-Teorema del valor inicial


x( N ) (0) s lim [s N 1 X (s)  s N x(0)  s N 1 x(0)
....sx N 1 (0)]

Señales 159
10.-Teorema del valor final

Si x() existe entonces lim x (t )  lim sX ( s )
t  s 0
5.5 Transformada Inversa de Laplace (TIL)

Puede obtenerse la TIL de una señal X(s) aplicando
la expresión
c  j
1
x (t )   X ( s ) e st ds
2 j c  j

Señales 160
Esta expresión debe evaluarse sobre el camino

s=c+j en el plano complejo, desde c-j hasta
c-j , donde c es cualquier numero real para el
cual el camino (o paso), se encuentra en la región
de convergencia de X(s). Sin duda es una
expresión no fácil de evaluar, en consecuencia se
utilizan de métodos algebraicos para evaluar la
TIL.
5.5.1 TL Racionales
Sea x(t) con TL X(s), con B(s)
X (s) 
A( s )
Señales 161
Donde se definen A(s) y B(s) como polinomios en la

variable compleja s y se expresan como:
m m 1
B (s)  bm s  bm 1 s  ..  b 1 s  b 0
n n 1
A(s)  ans  a n 1 s  ..  a 1 s  a 0
Donde m y n son enteros positivos y los coeficientes

ai, bi son números reales. Si bm0 y an0 el grado
de A(s) es n y el de B(s) es m.Se supone que los
dos polinomios no tiene factores comunes.
La transformada X(s) es una función racional en s
porque es la razón entre dos polinomios en s.

Señales 162
El grado n del polinomio del denominador se conoce

como el orden de la función racional.
Sean p1,p2,..,pn raíces de A(s)=0. Entonces es posible
factorizar A(s) como:
A( s )  a n ( s  p1 )( s  p 2 ).....( s  p n )
Es evidente que si si=pi algún i, entonces A(s)=0 y

por lo tanto las raíces se denominan los ceros del
polinomio A(s). Se puede escribir entonces:
B (s)
X (s) 
a n ( s  p 1 )( s  p 2 ).....( s  p n )
Señales 163
Ahora los valores de si=pi se denominan los polos de

la función racional X(s). En consecuencia los
polos de X(s) son iguales a los ceros de A(s). Se
supondrá que m<n, es decir, X(s) es una función
estrictamente propia en s.
Se observa que X(s) puede escribirse como
c1 c2 cn
X (s)    ... 
s  p1 s  p 2 s  pn
Es decir, aplicamos una expansión en fracciones
parciales .
Caso polos reales diferentes:
c i  s  p i X ( s ) s  p i
Señales 164
Las constantes ci se denominan los residuos y su

calculo es vía el método de residuos.
Caso de polos diferentes y dos o mas polos
complejos
Sea p 1    j  ,   0 el polo complejo y
p1 su complejo conjugado. Ambos polos de X(s).
 
Entonces el residuo correspondiente a 1 ( 1 ) será
p c
el complejo conjugado del residuo
correspondiente a p1 (c1). Luego la expansión en
fracciones parciales de X(s) será:
c1 c 1 cn
X (s)    ... 
s  p1 s  p2 s  pn
Señales 165
Es relativamente simple probar que si X(s) tiene un

par de polos complejos p 1 , 2    j  la señal
x(t) contendrá un termino de la forma:
t
ce cos(  t   c )
Es posible evitar el trabajar con números complejos,
si no se factorizan los términos cuadráticos cuyas
raíces son complejas. Así, sea
b1 s  b0
X (s)  2
s  a1 s  a 0

Señales 166
a 12
Defina   a0  , entonces X(s) puede
4
escribirse de la forma
a1 b1a1
b1 ( s  )  (b0  )
X ( s)  2 2
a1 2
(s  )   2
2
Y la TIL se puede obtener de una tabla de

transformadas.

Señales 167
Caso de Polos repetidos

Sea X(s) estrictamente propia. Sea el polo p1 de X(s)
de multiplicidad r. Los (n-r) polos restantes son
diferentes., entonces la expansión en fracciones
parciales de X(s) viene dada como:
c1 c2
X ( s)   2
 ..
( s  p1 ) ( s  p1 )
cr cr 1 cn
..  r
  .. 
( s  p1 ) ( s  pr 1 ) ( s  pn )

Señales 168
Los residuos cr+1, cr+2,..,cn se calculan siguiendo las

instrucciones del caso polos diferentes.
La constante cr se calcula como: r c   s  p i r
X ( s ) s  p i
Y las constantes c1, c2,...,cr-1 se calculan utilizando

de:
i
1 d 
cr i r
  i (s  pi ) X (s) 
iI  ds


 s  p1

Señales 169
5.5 Ubicación de polos y forma de una Señal

Sea una señal x(t) con TL X(s) estrictamente propia,
entonces los polos de la señal tienen una relación
directa con la forma de la señal x(t).
Caso polos reales diferentes
La señal será de la forma
p1t p2t pnt
x(t )  c1e  c2e  ....  cne
Caso con polos reales repetidos de multiplicidad r

pt pt
x ( t )  c1 e  c 2 te  ...... etc
Señales 170
Caso polos complejos no repetidos

La señal contendrá términos de la forma
x ( t )  ce  t cos(  t   c )
Caso polos complejos repetidos
La señal contendrá términos de la forma:
x (t )  c1et cos(t  c1 )  c2 et t cos(t  c2 )

Es interesante observar que, como s    j 
entonces los polos de la señal X(s) pueden ubicados
en un plano (  , j  ) denominado plano s.
Señales 171
Por ejemplo,
Sea X (s) 
1
s ( s  1)( s  2 )
Como los polos son reales y diferentes, la señal x(t)

será: x ( t )  1  e  t  1 e  2 t
2 2
1 2t t 1 j
x3 (t )  e x2 (t)  e x1 ( t ) 
2
2
x x x 
-2 -1 0
Señales 172
Y para el caso de una señal

1
X (s)  2
s  2  n s   n2
j
 j d
se obtiene x
n


 n

Señales 173
Donde se definen:
 d frecuencia natural amortiguada
 n frecuencia natural no amortiguada
  cos  1  factor de amortiguación
Y en consecuencia la señal puede ser representada
como:
1   t 0
x (t )  e n
cos(  d t  90 )
 d

CAPITULO 6
TRANSFORMADA Z

Señales 174
6.1 Introducción
Para señales de tiempo discreto la contraparte a la
TL es la denominada Transformada Z (TZ). En
otras palabras, la TZ opera sobre una señal de
tiempo discreto x[n] contrastando con la TL que
opera sobre una señal de tiempo continuo.
6.2 Transformada Z de una señal de tiempo
discreto
Dada una señal de tiempo discreto x[n] la TFD
estaba definida como:

 j n
X ( )   x[ n ]e
n  
Señales 175
La TZ de la señal x[n] se genera incorporando el

término p-n a la sumatoria anterior , donde p es un
numero real. Este factor juega el mismo papel que
 t
el termino e adicionado a la TF para generar
la TL. Obtenemos así:
 
n  jn j n
X ()   x[n] p e   x[n]( pe )
n n
La función X() es ahora función de un número
complejo
j
z  pe
Señales 176
Por lo tanto podemos escribir:


n
X (z)   x[ n ] z
n  
(6.1)
La expresión (6.1) se conoce con el nombre de
transformada z bilateral (TZB) de la señal de
tiempo discreto x[n]. La transformada z unilateral
(TZU) viene dada como:

 n (6.2)
X (z)  x[ n ] z 
n0
Observamos que la TZ es una serie de potencia en z-1

cuyos coeficientes son los valores de x[n]

Señales 177
Observe que si x[n]=0, n=-1,-2,.. Las transformadas

z uni y bilateral son iguales, en consecuencia la
transformada unilateral puede aplicarse a señales
x[n] diferentes de cero para n negativo. Sin
embargo cualquier valor de x[n] diferente de cero
para n negativos no podrá ser recuperada de la
transformada unilateral. En estos apuntes
discutiremos sólo la TZU, que denominaremos
TZ.

Señales 178
Dada x[n] con TZ X(z), entonces el conjunto de

todos los números complejos z tales que el lado
derecho de (6.2) converge (i.e. Existe), se
denomina la región de convergencia de la TZ
X(z). La TZ X(z) existe (definida) para cualquier
valor de z que pertenezca a la región de
convergencia.
Ejemplo: TZ de un pulso unitario
Sea
1 n  0
 [n]  
0 n  0

Señales 179
Como [n] es cero para todo n0, la TZ es


n 0
  [n]z
n0
 [ 0 ] z 1
Ejemplo: TZ de un pulso desplazado

Dad un entero positivo q considere el pulso unitario
 [ n  q ] localizado en n=q. La TZ viene dada
como:  n q 1
  [n  q ]z  [ 0 ] z  q
n0 z
Con región de convergencia  z tal que z  0
Señales 180
Ejemplo: TZ del escalón unitario

Considere el escalón unitario de tiempo discreto:
1 n  0,1,2..
s[ n]  
0 n  1,2,..
La TZ S(z) viene dada como:
 
n
S (z)   s[ z ] z   z n
n0 n0
1 2
1 z  z  ......
Que puede ser expresada como una función racional
de z al multiplicar ambos lados por (z-1).
Señales 181
1
Se obtiene: S (z) 
1  z 1
Puede probarse que la región de convergencia
incluye el conjunto de todos los números
complejos z tales que z  1 por cuanto se verifica
que:

 (1 ) z  n   si z  1 .
n0
Ejemplo: TZ de a n s [ n ]
Con a real o complejo conjugado, defina:
x[ n ]  a n s[ n ]
Señales 182
La TZ de x[n] será entonces:


n n 1 2 2
X (z)   a z  1  az  a z  ...
n0
Multiplicando ambos lados por (z-a)
(z  a)X (z)  (z  a  a 2z 1
 a 3 z  2  ..).
 (a  a 2 z 1
 a 3 z  2  ..)  z
z 1
luego X ( z)  
z  a 1  az 1
Con región de convergencia  z tal que z  a
La TZ se representa generalmente como una razón
entre polinomios en z o z-1 Por conveniencia
utilizaremos potencias positivas de z.

Señales 183
6.3 Propiedades de la TZ
1.- Linealidad
La TZ es una operación lineal, es decir si a,b son
escalares reales o complejos ,se cumple que:
ax [ n ]  bv [ n ]  aX ( z )  bV ( z )
2.-Desplazamiento a derecha de x[n]s[n]
s[n] es un escalón. Dado un entero positivo q
considere la señal x[n-q]s[n-q] entonces:
x[n  q]s[n  q]  z  q X ( z )

Señales 184
Ejemplo: TZ de un pulso
Dado un entero positivo q determinar la TZ del pulso
p[n] definido como:
 1 n  0 ,1, 2 ,3,..., ( q  1)
p[ n ]  
0 para todo otro n
Escriba p[n] como p[n]=s[n]-s[n-q]. Como
1
S (z)  1
y por la propiedad de
1 z
desplazamiento la TZ de s[n-q] viene dada como
q z z  q 1
S s[n  q ] ( z )  z 
z 1 z 1
Señales 185
Así, por la propiedad de linealidad, podemos

escribir: z q  1
P (z)  q 1
z ( z  1)
3.- Desplazamiento a derecha de x[n]
Suponga que x[n]  X ( z ) entonces se cumple que
x [ n  1]  z  1 X ( z )  x [  1]
x [ n  2 ]  z  2 X ( z )  x [  2 ]  z 1 x [  1]
.
.
x [ n  q ]  z  q X ( z )  x [  q ]  z 1 x [  q  1] 
..  z  q  1 x [  1 ]
Señales 186
Observe que

X x[n1] ( z)   x[n 1]z n
n 0

 x[1]   x[n 1]z n
n1

1 ( n1)
 x[1]  z  x[n 1]z
n0
1
 z X ( z)  x[1].

Señales 187
4.- Desplazamiento temporal a la izquierda

Contrastando con la TL, la TZ si tiene una propiedad
para el desplazamiento temporal a la izquierda.
(discuta porque la TL no tiene esta propiedad de
desplazamiento a izquierda.) .Dada la señal de
tiempo discreto x[n] y un entero positivo q , el
desplazamiento a la izquierda en un paso q, de
x[n] viene dado como x[n+q]. Suponga que x[n]
tiene TZ X(z), es decir x [ n ]  X ( z ), entonces
x[n  q]  z q X ( z)  x[0]z q  ..  x[q 1]z

Señales 188

Para q=1, tenemos x[ n  1] 

 x[ n  1] z  n
n0
Cambie el índice por r=n-1, entonces

( r 1)
x[n 1]   x[r]z
r 1
 
r r
 z x[r]z  z{ x[r]z  x[0]}
r 1 r 0
 zX ( z)  x[0]

Señales 189
Ejemplo: Desplazamiento a izquierda de la función

escalón unitario.
Considere el desplazamiento a izquierda en un paso
s[n+1], entonces
z2 z
Ss[ n1] ( z)  zS ( z )  s(0) z  z   S s[ n ] ( z )
z 1 z 1
Es decir la TZ de u[n+1] es la misma que la TZ de

u[n], lo que no es sorpresa por cuanto
u[n+1]=u[n] para n=0,1,2,...

Señales 190
5.- Multiplicación por n y n2

d
Si x [ n ]  X ( z ) entonces
2
nx[n]   z X ( z)
dz
2 d 2 d
y n x[n]   z X ( z )  z 2 X ( z ) .
dz dz
Ejemplo: TZ de nans[n]
Sea x[n]=ans[n], con a es un numero real o
z
complejo diferente de cero. Entonces X (z) 
d  az z a
Asi z X ( z)  2
y en consecuencia
dz ( z  a)
n az
na s[ n ]  2
( z  a)
Señales 191
6.-Multiplicación por an (escalamiento de z)

Si x [ n ]  X ( z ) entonces para un numero real
o complejo conjugado a se cumple que
n z
a x[ n ]  X ( )
a
7.- Multiplicación por cosn y senn
Si x [ n ]  X ( z ) entonces para cualquier
numero real positivo 
1
(cos  n ) x [ n ]  [ X ( e j  z )  X ( e  j  z )]
2
j
( sen  n ) x [ n ]  [ X ( e j  z )  X ( e  j  z )]
2
Señales 192
8.- Suma
Sea x[n] una señal de tiempo discreto y
x[n]=0 para n=-1,-2,,... Sea v[n] la suma de
x[n] definida como: n
v[ n ]   x[ i ]
i0
n 1
Observe que v[n]  x[i]  x[n]  v[n  1]  x[n]
 i 0
Luego V ( z )  z  1V ( z )  X ( z )
z
Es decir V (z)  X (z)
z 1
Señales 193
Ejemplo:
TZ de la señal (n+1)s[n] n
Sea x[n]=s[n], entonces: v [ n ]   s[ i ]
i0
Observar que
v [ n ]  s [ 0 ]  2 s [1 ]  3 s [ 2 ]  4 s [ 3 ]  ..
Que corresponde a una rampa de tiempo discreto, es
decir n
v[ n ]   s[i ]  ( n  1) s[ n ]
i0
Entonces
z z z z2
V (z)  X (z)  ( )( )
z 1 z 1 z 1 ( z  1) 2
Señales 194
9.-Convolución
Dadas dos señales de tiempo discreto x[n] y v[n]
Ambas cero para n<0. Recordemos que la
convolución de señales de tiempo discreto estaba
dada como: 
x[ n ] * v[ n ]   x [ i ]v [ n  i ]
i  
Sin embargo como ambas señales son cero para
n<0, podemos escribir

x[ n ] * v[ n ]   x [ i ]v [ n  i ]
i0

Señales 195
Tomando la TZ tenemos:

   n
x[ n ] * v[ n ]     x[ i ]v[ n  i ] z
n0  i0 

  n 
  x[ i ]   v[ n  i ] z 
i0  i0 
Hagamos q=n-i, entonces para n=0, q=-i, luego
   
 q i
x[ n ] * v[ n ]   x[ i ]   v[ q ] z 
i0 qi 
Señales 196
Como v[q]=0 para q<0, podemos escribir

   
 q i
x[ n ] * v[ n ]   x[ i ]   v[ q ] z 
i0  q0 
Es decir
   
i q
x[ n ] * v[ n ]   x[ i ] z   v[ q ] z 
i0  q0 
finalmente
x[ n ] * v[ n ]  X ( z )V ( z )

Señales 197
10.-Teorema del Valor Inicial

Como z  n  0 cuando z   n  1
Entonces x[ n ] z  n  0 cuando z   n  1

Luego z lim  X ( z )  z lim   x [ n ] z n
n0
asi
x [ 0 ]  z lim  X ( z )
x [1]  z lim  { zX ( z )  zx [ 0 ]}


x [ q ]  z lim  { z q X ( z )  z q x [ 0 ]  z q  1 x [1]  ..
...  zx [ q  1]}
Señales 198
11.- Teorema del Valor Final

Sea x[n] una señal de tiempo discreto con TZ X(z) y
suponiendo que x[n] tiene un límite cuando n  
El Teorema del Valor Final se establece como:
n lim  x[ n ]  z lim 1 ( z  1) X ( z )
Si X(z) es racional en z, entonces si la magnitud de

los polos es < 1, el limite existe.

Señales 199
Ejemplo:
3z 2  2 z  4
Sea X (z)  3
z  2 z 2  1 .5 z  0 .5
Como X(z) tiene un polo en z=1, obtenemos:
3z 2  2z  4
( z  1) X ( z )  ( z  1)
( z  1)( z 2  z  0 . 5 )
Cuyos polos son z=0.5j0.5 con magnitud para

ambos de 0.707. Luego x[n] tiene un límite
cuando n   . El limite será entonces
3z 2  2 z  4 5
n lim  x[ n ]  [( z  1) X ( z )] z 1  [ 2
]z 1   10
( z  z  0.5) 0 .5

Señales 200
12.- Transformada Z Inversa Z (TZI)

Si X(z) es la TZ de la señal de tiempo discreto x[n] .
La señal x[n] puede calcularse a partir de X(z)
utilizando de 1 k 1
x[ n ]   X ( z ) z dz
j 2
Integral que debe evaluarse sobre un contorno
circular cerrado en sentido contrareloj en la región
de convergencia de X(z). Si X(z) es una función
racional de z ,entonces se puede expandir X(z) en
serie de potencias de z-1 ,o en fracciones parciales.

Señales 201
12.1 Expansión por División Larga

B( z)
Sea X(z) una función racional en z dada como X ( z ) 
A( z)
Con los polinomios A(z) y B(z) ordenados en
potencias descendentes de z. Para calcular la TZI
x[n], para un rango finito de valores de n, X(z)
puede expandirse en serie de potencia de z-1 ,
dividiendo A(z) por B(z). 2
z 1
Ejemplo: Sea X ( z)  3 entonces
z  2z  4
dividiendo numerador por denominador
obtenemos:

Señales 202
.
2 3 1 2 3 4
( z 1) : ( z  2z  4)  z  0z  3z  4z ....
Entonces
1 3 4
x[ n ]  z  3z  4z ......
Así obtenemos:
X[0]=0, x[1]=1, x[2]=0, x[3]=-3, x[4]=-4,......
Vemos que los valores iniciales x[0],x[1],x[2], etc
de una señal x[n] pueden calcularse vía la división
larga.

Señales 203
12.2 Inversión por expansión en fracciones parciales

Si se desea una expresión analítica para x[n] y válida
para n1,es necesario utilizar de la expansión en
fracciones parciales.
B( z)
Suponga X ( z ) 
A( z)
.Si los grados de A(z) y B(z) son
iguales el método de división larga no puede
utilizarse, sin embargo, si se dividen se obtiene la
expresión X ( z )  x [ 0 ]  R ( z )
A(z)
R(z)
Y a la función racional se le aplica la
A(z)
expansión.

Señales 204
Un método alternativo cuando A(z) y B(z) son de

igual grado es realizar lo siguiente X ( z ) B ( z )

z zA ( z )
claramente la fracción es ahora estrictamente propia

y se le puede aplicar expansión, y al resultado
obtenido multiplicarlo por z.
CASO 1 Polos diferentes
Sean p1, p2, p3, ..pN polos de X(z) diferentes y
distintos de cero., entonces
X (z) c c1 cN
 0   .. 
z z z  p1 z  pN
Señales 205
Con c0 un numero real dado como:

 X (z) 
c0   z   X (0)
 z  z 0
Los otros residuos se calculan como:
 X (z) 
ci  ( z  pi ) i  1, 2 ,.., N
 z  z  p i
Obtenemos finalmente:
c1 z c2 z cN z
X ( z )  c0    .. 
z  p1 z  p2 z  pN

Señales 206
Al tomar la TZI se tiene:

n n n
x[ n ]  c 0 [ n ]  c1 p  c 2 p  ...  c n p
1 2 N
Si los polos de X(z) son reales los términos que
generan la señal x[n] son todos reales, pero si dos
o mas de los polos son complejos conjugados los
términos correspondientes serán complejos y
podrán ser escritos como
n
2 c i  cos(  n   c i )
Donde
  pi magnitud del polo p i
   pi angulo de p i
Señales 207
Ejemplo :
Sea z3 1
X (z) 
z3  z2  z  2
Cuyos polos son: p 1   0 . 5  j 0 . 866

p 2   0 . 5  j 0 . 866
p3  2
Luego X ( z ) c0 c1 c1* c
    3
z z z  0 .5  j 0 .866 z  0 . 5  j 0 .866 z  2
c 0  X ( 0 )   0 .5
Donde c 1 , 2  0 . 429  j 0 . 0825
c 3  0 . 643
Señales 208
y su TIZ será:
 4 0
x[ n ]   0 .5 [ n ]  0 .873 cos  n  10 .89   0 .643 ( 2 ) n
 3 
CASO 2 Polos repetidos
Sean p1, p2, p3,....pN polos de X(z), donde X(z) es una
función racional. Suponga que el polo p1 es
repetido, de multiplicidad r y los otros N-r polos
son diferentes. Entonces
X (z) c c2 cr
 0   ..  r

z z z  p2 ( z  p1 )
c r 1 cN
  .. 
( z  p r 1 ) z  p N
Señales 209
Donde los coeficientes cr+1, cr+2,..,cn se calculan

como si fueran diferentes. Además,
c 0  X (0 )
 r X (z) 
c r  ( z  p1) 
 z z  p1
 d r X (z) 
c r 1   ( z  p1) 
 dz z z  p1
2
1  d r X (z) 
c r  2   2
( z  p1) 
2 I  dz z  z  p1

.
.
i
1  d r X (z) 
c r  i   i
( z  p1) 
i I  dz z  z  p1

Señales 210
Ejemplo:
Sea 6z3  2z2  z
X (z)  3
z  z2  z 1
X (z) 6 z 2  2 z1  1
Entonces  3
z z  z2  z 1
Los polos son p1=p2=1 y p3=-1, N=3, r=2. La

expansión será:
cr-1 cr cN
X (z) c1 c2 c3
  2

z z  1 ( z  1) z 1
Señales 211
Con  X (z) 
c 2   ( z  1) 2   3 .5
 z  z 1
 d X (z) 
c1   ( z  1) 2   5 . 25
 dz z  z 1
 X (z) 
c 3   ( z  1)   0 . 75
 z  z  1
Así:
5 .25 z 3 .5 z 0 .75 z
X (z)   2

z  1 ( z  1) z 1
x[ n ]  5 .25  3 .5 n  0 .75 (  1) n n  0 ,1, 2 ..

Señales 212
13.- Ubicación de polos y forma de señales

Las relaciones entre polos y forma de señales son
análogas a las discutidas en la TL de señales de
tiempo continuo. Así, el comportamiento de una
señal de tiempo discreto a medida que n  
puede ser determinada directamente de los polos de
X(z). En particular, se desprende que x[n] converge
a cero si y sólo si todos los polos de X(z) tiene
magnitudes que son estrictamente menores que
uno, es decir pi  1 i  1, 2 ,3,.., N

CAPÍTULO 7
Representación de Sistemas
En el análisis de sistemas se hace referencia a dos formas de
representación del modelo:
• Representación Externa o Entrada/Salida
• Representación Interna
Formalicemos estas representaciones buscando una forma
operativa para cada una de ellas. Supondremos que los
sistemas estudiados son lineales. Siendo así, definamos
primeramente, que se entiende por LINEAL.

Hector Peña M. EIE - UCV
Sistemas 213
Sea un sistema una máquina  que

transforma entradas u en salidas y.
Asuma que las entradas u pertenecen al conjunto de
entradas admisibles  y las salidas y pertenecen
al conjunto de salidas 
u   y 

Sistemas 214
Sean  y  conjuntos con las operaciones de suma

y multiplicación escalar definidas. Entonces, la
LINEALIDAD de  implica que el mapa
entrada/salida , f ,( o regla que transforma las
entradas en salidas ) es LINEAL. Es decir, con 
el conjunto de entradas admisibles y 
conjunto de salidas y
f:  x y
f es lineal si y sólo si:
f(x1 +x2)=f(x1) + f(x2) ,
escalares Análisis de Señales y Sistemas
Sistemas 215
Ejemplo: Ecuación de la recta

y  mx  c
a,b,c y m constantes no nulas y (a+b) = 1
Claramente y = f (x), luego según definición (lado Izquierdo)
f(a x1) = m(ax1)+c = y1 PARA X=aX1
f(b x2) = m(bx2)+c = y2 PARA X=bX2
f(ax1+bx2) = m(ax1+bx2) + c PARA X=aX +b X 1 2 (1)

Sistemas 216
Por otra parte

y1 = f(x1) e y2= f(x2), entonces
af(x1)+bf(x2) = ay1+by2 = amx1+ac+bmx2+bc
= m(ax1+bx2)+c(a+b) (2)
según la definición, (1) y (2) deben ser iguales
si estamos frente a un mapa lineal. Como no
lo son [c(a+b) = c], y = mx+c es no lineal.
Sistemas 217
Representación Externa: la descripción anterior

es útil pero limitada. Se le denomina
Representación Externa, por cuanto nada se sabe
sobre el mecanismo por el cual  transforma las
entradas en salidas.
La mostraremos como:
f
u  y 
Esta representación da origen a la FUNCION DE
TRANSFERENCIA
Sistemas 218
Representación Interna:
Con la representación anterior NADA se sabe de
COMO la máquina  transforma entradas en salidas. Para
responder esta pregunta, se introduce el concepto de
ESTADO como una entidad matemática que media entre
entradas y salidas. Las entradas actúan sobre el estado, que
por su parte genera las salidas.
Sea  finito dimensional, es decir existe un espacio
vectorial finito dimensional X, de dimensión n tal que el
siguiente diagrama es conmutativo:
Sistemas 219
f
m q
u  y
B nxm n Cqxn
x X
A nxn
Sistemas 220
Donde se supone una transformación lineal

A: X X que permite incorporar las
variaciones de  con el tiempo, y describe las
leyes de movimiento para X en  para entrada
cero.(sólo C.I.)
Entonces A,B y C pueden ser identificadas con
matrices nxn, nxm y qxr respectivamente.
Esta representación da origen al MODELO DE ESTADO

Sistemas 221
Función de Transferencia:
Se obtiene la Función de Transferencia a partir de la
aplicación de la Transformada de Laplace a la
Ecuación Diferencial Lineal Invariante , con
condiciones iniciales nulas, que representa al
sistema.
Ejemplo (pagina 13)
Suponga existencia de roce

Sistemas 222
x
. FK
M F
K
D
Entonces F - FK = Kx
••.. •
FK = Mx + Dx
•• •
finalmente F = Mx+Dx+Kx

Sistemas 223
Para obtener la F. de T. entre la salida x y la entrada

F, se asumen nulas las C.I. obteniendose
x( s) 1

F ( s ) Ms 2  Ds  K
se hace evidente que la información obtenida es en
relación al comportamiento x, como se desplaza la
masa M, a variaciones de la entrada F.

Sistemas 224
En general se define a la Función de Transferencia

como
Cuociente entre la transformada de Laplace de la
salida y la transformada de Laplace de la entrada.
Es necesario destacar que la definición NO dice
la transformada de Laplace del cuociente entre la
salida y la entrada
y la razón de ello se encuentra en el proceso de
convolución.
Sistemas 225
Modelo de Estado:
Una E.D.L.I. de orden n , puede ser
representada por n EDLI de PRIMER ORDEN.
Esta posibilidad genera el denominado Modelo de
Estado.
Suponga la siguiente EDLI de orden 3:
d3y d2y dy
a 3 b 2 c  dy  f (t )
dt dt dt
Sistemas 226
x1  y
Defina: x2 
dy
dt2
d y
x3 
dt 2
entonces se cumple que

x1  x 2

x2  x3

d c b 1
x 3   x1  x 2  x 3  f ( t )
a a a a

Sistemas 227
Lo que podemos escribir como:

   
  0 1 0  0 
x   0 0 1 x  0  f (t )
 d c b 1 
     
 a a a a 
y  1 0 0 x
a la primera relación la denominamos

ECUACION DE ESTADO
Sistemas 228
Y a la segunda
ECUACION DE RESPUESTA
y al conjunto le denominamos:
MODELO DE ESTADO
y que podemos representar en forma compacta
como:

x  Ax  Bu
y  Cx  Du
Sistemas 229
Que puede ser representado como:
u xX y

B C
A

Sistemas 230
Cuando el sistema es no lineal es posible escribir un Modelo

de Estado que se representa a través de la expresión:

x  f ( x, u , t )
y  g ( x, u , t)
donde se considera la posible dependencia del tiempo.

Sin duda que serán necesarias ciertas restricciones que,
aplicadas sobre el no lineal, permitan utilizar de la
herramientas del campo de los lineales.

Sistemas 231
Hemos determinado la representación externa e interna y esta

en orden realizar ciertas preguntas fundamentales:
1.- Dada una representación externa, f, ¿será siempre posible
encontrar una descripción interna cuyo comportamiento
entrada-salida sea representado por f ?
2.- Si la respuesta a 1.-es una afirmación, ¿la representación
es única ?
3.- Si la respuesta, por el contrario, es negativa ¿ En que
sentido no es única?.

Sistemas 232
La respuesta a las preguntas 1 y 2.- es SI, y se le denomina el

problema de la REALIZACION. La construcción de una
descripción interna dada una externa es simple, como
veremos mas adelante, y generalmente existen varias
realizaciones. El problema se genera cuando se impone la
condición de mínima dimensión del espacio estado de la
realización. En este curso se supondrá que para cada mapa
lineal entrada-salida le corresponde una cuádruple única
(A,B,C,D) con dimensión mínima del estado y que es una
realización de f. Se asume en consecuencia, que :
t A ( t  )
con D = 0. f : u(t)  Ce Bu ( ) d 
0
Sistemas 233

CAPITULO 8
DIAGRAMAS DE REPRESENTACION
DE SISTEMAS

Sistemas 234
3.1 Introducción:
Una de las características de los sistemas es que,
generalmente, es posible distinguir partes de las
cuales conocemos o podemos encontrar, sus
funciones de transferencia . Esto permite generar
un diagrama del sistema vía sus representaciones
parciales manteniendo la secuencia de causa-
efecto. Cuando establecemos el diagrama lo que
procuramos es conocer el comportamiento entrada
salida .
Sistemas 235
3.2 Diagramas en Bloque

En la representación de sistemas vía diagramas en bloque, la
función de transferencia se representa por un bloque y las
señales por flechas con sentido .
Ejemplo: Y(s) = G(s) U(s)
U(s) Y(s)
G(s)

Sistemas 236
Ahora, sea Y1(s) = G1(s) U(s) e Y(s)=G2(s)Y1(s),

claramente en términos de diagrama en bloque
U(s) Y1(s) Y(s)

G1(s) G2(s)
U(s) Y(s)
G1(s)G2(s)

Sistemas 237
La aplicación de la expresión básica da origen a la

denominada Algebra de Bloques. Sea el siguiente
diagrama de bloques:
+_
E(s)
G(s) Y(s)
R(s)
+
B(s)
H(s)

Sistemas 238
Del diagrama es posible escribir:

E(s)   R(s)  B(s) (1)
Y ( s )  G( s ) E ( s ) (2)
B(s)  H (s)Y (s) (3)
Reemplazando (1) en (2)
Y ( s )  G ( s )  R ( s )  B ( s )  (4)
y (3) en (4) y multiplicando se obtiene:
Y ( s )   G ( s ) R ( s )  G ( s ) H ( s ) Y ( s ) (5)

Sistemas 239
Factorizando resulta finalmente:

Y (s)  G (s)

R(s) 1  G (s)H (s)
R(s) Y(s)
 G (s)
1  G (s)H (s)

Sistemas 240
Una tabla con una serie de equivalencias que son útiles en la

reducción de los diagramas en bloque se muestra en la
figura que sigue (OGATA,K, “Ingeniería de Control
Moderna”, Prentice Hall, 2a Ed., 1993, pp 52).

Sistemas 241

Sistemas 242
Ejemplo:
Sea la siguiente red:
R2 V2
V1
R1
Ve C L
Determinar un diagrama en bloques con Ve entrada y V2 salida

Sistemas 243
Ve  V1 1t V1  V2
 I1 V1   ( I1  I 2 )dt R2
 I2
R1 C0
dI 2 ( t )
V2  L
dt
Ve I1 I1 +
+ 1 1t
 ()dt
R1 C0
V1 I2
I2 V2
d ()
L
dt

Sistemas 244
Cada una de las relaciones de la red se representa en un

diagrama en bloque y luego se conectan las señales para
obtener el diagrama de la red completa:
I2 V2
Ve + 1
I1 + 1t
+ 1 d()
R1  ()dt
R2 L
C0 dt
V1
I2
(se sugiere que se reduzca el diagrama en bloques vía álgebra

de bloques, para obtener V2(s)/Ve(s) )
Sistemas 245
En el ejemplo anterior no se evidencia lo complicado que

puede tornarse el reducir el diagrama a uno de sólo un
bloque, cuando el sistema representado es de complejidad
creciente. Es necesario disponer de una herramienta para
estos casos a la que se conoce como “Diagrama de Flujo
de Señales” y que es el tema que discutiremos a
continuación.

Sistemas 246
3.3 Diagrama de Flujo de Señal

Las señales, en este método , quedan representadas por
nodos y las funciones de transferencia por ramas
direccionadas.
Se deben considerar las siguientes reglas:
1.- El sentido de la relación causa-efecto se representa por
una flecha dibujada sobre la rama en cuestión.
2.- La señal transferida por la rama es transformada por la
función de transferencia que tal rama representa.

Sistemas 247
3.- El valor de la señal representada por cualquier nodo es

la suma algebraica de todas las señales que llegan a ese
nodo.
4.- El valor de la señal en cualquier nodo es transmitido a
todas las ramas que dejan el nodo.
Para el ejemplo de la red el flujo de señal será:
-1
-1
I1 V1 1/R2 I2
Ve 1/sC Vs
sL
1/R1
-1

Sistemas 248
Para el diagrama de flujo de señal, al igual que para el

diagrama en bloque, existe un álgebra y tabla de
equivalencias, sin embargo, es posible obtener la relación
entrada salida utilizando de la Regla de Mason. Para ello es
necesario realizar ciertas definiciones preliminares:
1.- PASO: Secuencia de ramas con una misma dirección
2.- PASO DIRECTO: Se originan en la entrada y terminan en
la salida sin que se haya repetido ningún nodo en su
recorrido
3.- GANACIA DE PASO: Producto de la transmitancias que
componen el paso.

Sistemas 249
4.- LAZO o PASO DE REALIMENTACION

Es un paso que originandose en un nodo, termina en el
mismo nodo sin que se haya repetido ningún nodo en ese
recorrido.
Con estas definiciones, la Regla de Mason se establece como:
k
 Gk (s)k (s)
G(s) 

donde
k representa los n pasos directos

Sistemas 250
Gk(s) representa la ganancia del k-ésimo paso directo

k(s) representa el determinante asociado al k-ésimo paso
(s) representa el determinante del sistema y se calcula
como:
   
(s)  1   g   h   l  .......etc
i i i
donde gi representa la ganancia del i-ésimo lazo
hi representa el producto de las ganancias de DOS
lazos que no tienen nodos en común

Sistemas 251
li representa el producto de la ganancia de TRES lazos que

no tienen nodos en común. Etc, etc.
Obtenido (s), es posible determinar los k(s) de cada k
paso directo, anulando los términos que pertenezcan al k-
ésimo paso considerado.
Esta última situación es, por demás, la mas conflictiva en
el método, por cuanto el hecho que los nodos son también
comparadores algebraicos, dificulta enormemente decidir
sobre los términos que pertenecen al paso en cuestión.
Disponer del diagrama en bloques es de ayuda en estos
casos .

Sistemas 252
Una de las técnicas que permiten determinar los términos que

deben anularse en (s) es la que se expone, vía ejemplo, a
continuación:

Sistemas 253
Sea el siguiente diagrama de flujo de señal:

a
c Y
U b d
i e p
n
h f
m
Sistemas 254
Pasos directos: 3, luego k=1, 2, 3

G1(s)=a
G2(s)=b*c*d
G3(s)=b*i*e*d
g1=h*f g2=m g3=b*n g4=d*p
h1=b*n*d*p h2=b*n*h*f h3=b*n*m h4=d*p*h*f
h5=d*p*m
l1=b*n*d*p*m l2=b*n*d*p*h*f

Sistemas 255
Luego:
(s)=1-(g1+g2+g3+g4)+(h1+h2+h3+h4+h5)-(l1+l2)
para la determinación de 1, 2 y 3 observe la áreas
coloreadas y compruebe que:
1(s)=1 - g1 - g2 (a, b, d, n ) se anulan en (s) (amarillo)
2(s)=1 - g1 - g2 (b,c,d,a,n,i,e,p) se anulan en (s) (verde)
3(s)=1 - g2 (b,n,c,i,h,f,e,d,p,a) se anulan en (s) (celeste)

Sistemas 256
Tenemos en consecuencia:
G11 (s)  G2 2 (s)  G33 (s)

G(s) 
(s)
observar que de existir condiciones iniciales, Mason debe
aplicarse para la entrada y las condiciones iniciales en
forma separada, como se muestra en el siguiente ejemplo:

Sistemas 257
X2(0)
Sea X1(0)
2 3
2 1/s 1 1/s
u y
-1
entonces: -1
k=1 para la relación u y, x1(0) y , x2(0) y
G1(s)=2/s2 G2(s)=2/s2 G3(s)=3/s
g1=-1/s g2=-1/s, h = 0, para U(s) y x2(s).
g’1=3/s para x1(s)
Sistemas 258
1 1 ( s  2) ' (s 1)
Es decir: (s)  1    y  (s) 
s s s s
y
3 2 2
x1 (0) 2
x 2 (0) 2
U (s)
Y (s)  s '  s  s
 (s) (s) (s)
observar que si U(s)= 0 y x2(s)= 0, se obtiene
3 1/s
x1(s) Y(s)
1
-1

Sistemas 259

G(S)
Capitulo 9
Representación Externa
Función de Transferencia

Sistemas 260
Suponga una función de transferencia genérica dada como:

m1 m2
bm s  bm1 s  bm2 s  .... b1 s  b0
m
G(s)  n1 n 2
mn
an s  an1 s  an2 s  .... a1 s  a0
n
es posible escribir los polinomios en forma factorizada como:

K  ( s  qi )
G (s)  i
 (s  p j )
j
donde qi y/o pj pueden ser reales, nulos o complejos

conjugados
Sistemas 261
Interesa entonces definir ciertos componentes de esta

expresión.
K representa la ganancia de la función de transferencia
s = -qi representa un CERO de la función de transferencia
s = -pj representa un POLO de la función de transferencia.
Cuando qi o pj son reales se les denomina CERO SIMPLE o
POLO SIMPLE respectivamente. Cuando qi o pj son nulos
se les denomina CERO o POLO EN EL ORIGEN
respectivamente. Finalmente, cuando qi o pj son complejos
conjugados se les denomina CEROS CUADRATICOS o
POLOS CUADRATICOS respectivamente.
Sistemas 262
Al DENOMINADOR de una función de transferencia se le

conoce como ECUACIÓN CARACTERISTICA. La razón
se encuentra en que siempre será posible expandir en
fracciones parciales para obtener:
Y ( s) k n
G (s)   j
es decir U ( s) (s  p ) j 1
j
k1 kn
Y ( s)  U ( s)  .....  U ( s)
( s  p1 ) ( s  pn )
Sistemas 263
Aplicando Transformada Inversa, con CI=0, obtenemos,

suponiendo una entrada impulso:
p1t p2t pnt
y(t )  k1e  k2e  .....  kn e
observen que cada polo contribuye con un MODO a la
construcción de y(t). En otras palabras, contribuye a
caracterizar la respuesta dinámica, y de ahí su nombre.
Los ceros intervienen no en la dinámica sino que en la
ponderación de la contribución de cada modo en ella.

Sistemas 264
Por otra parte, el operador de Laplace s = +j, por lo que

cada polo o cero puede ser localizado en un plano ( ,j)
originando una CONFIGURACION POLO-CERO , como se
muestra a continuación: j
polo
cero o
o x x


Sistemas 265
Podemos concluir también, que la configuración polo-cero

denota una cierta dinámica temporal. Todas las raíces que
se sitúan a la izquierda del plano s, responden a una
dinámica representada por una exponencial negativa, y
todas las raíces a la derecha del plano se representan por
una exponencial positiva.
j
x x

x
Sistemas 266


U X X Y
+
B  C
+
A
CAPITULO 10
Representación Interna
Modelo de Estado

Sistemas 267
Como ya vimos el modelo de estado lineal viene dado como:

x  Ax  Bu
y  Cx
con x  n, u  m , y  q
Se definen para el modelo de estado las siguientes matrices:
A : Matriz de Planta, Proceso o del Sistema. Dimensión nxn
B : Matriz de Entradas o de Control. Dimensión nxm
C: Matriz de Salidas o Mediciones. Dimensión qxn

Sistemas 268
Observar que si u = 0, es decir comportamiento entrada cero,

la dinámica viene dada por la solución de la ecuación de
estado, visto que la ecuación de salida es algebraica.
Entonces la estructura característica de la matriz A es de
importancia, es decir, valores propios, vectores propios y
factores de participación.
Como ya se ha estudiado, los valores propios se calculan del
determinante de la matriz :
I  A 0

Sistemas 269
Además, para cada valor propio existe un vector propio

asociado que se calcula de la expresión:
 I  At
i i 0
asumiendo una norma determinada, por ejemplo la
euclideana. El vector ti asociado al valor propio i se
denomina vector propio a DERECHA. Puede calcularse
también el valor propio a IZQUIERDA. Una particular
multiplicación de los vectores a derecha e izquierda , da
origen a los FACTORES DE PARTICIPACION.

Sistemas 270
Suponga el caso de entrada cero, es decir


xAx, x(0) x0
además, suponga A con valores propios reales y diferentes tal
que existe una transformación T , x=Tz que diagonaliza A
entregando:

z  T 1 ATz , z 0  T 1 x0
Defina
  T 1 AT
Sistemas 271

1
Entonces z  z , z T x
0 0
es decir
Z (s)  [sI  ]1 z0
en otras palabras 1 1
X (s)  T[sI  ] T x0
 1 
como  s   0 0
 1 
   0  0 
 1 
 0 0
s   n 
 
podemos escribir
 1 
Sistemas 272 (s   ) 
1
 
 T 1x
. X (s)  T 
   0
 1 
 
 (s  n )
 1  q T 
s    1
Es decir  1
 

X ( s)   p1    pn   *  x
     0
 1  
   T
 s  n  qn 
donde los pi representan el i-ésimo vector propio a DERECHA y qiT

representan el i-ésimo vector propio a IZQUIERDA.

Sistemas 273
Lo que podemos reescribir como:
Tx T
p q
n i i 0 n (q x )p
X (s)    i 0 i

i 1 ( s   i ) i 1 (s   )
i
cuya transformada inversa viene dada como:
n  t n   t 
T
x (t )   (q x ) p e i   (qT x )e i  pi
i 1 i 0 i
i  1 i 0 
Sistemas 274
Donde pi representa la distribución del modo i en el estado x.

Por otra parte qi representa la influencia de x0 ( vector) en
el modo i.
Definamos la MATRIZ DE FACTORES DE
PARTICIPACION ,P, como P P  
ki
donde
P  p q
ki ki ki
Cada columna de P se corresponde con un valor propio y cada
fila de P se corresponde con un componente del vector
estado x. En otras palabras, Pki representa la contribución
del k-ésimo componente del vector x en la construcción
del i-ésimo modo o valor propio.
Sistemas 275
Esta información permite conocer la influencia de

determinada variable de estado en el comportamiento de
determinado modo, es decir , donde “centrar la atención”.
Comúnmente se normaliza la matriz de tal forma que la suma
de los componentes por filas y por columnas sea la unidad,
esto permite visualizar rápidamente las participaciones de
mayor valor.

Sistemas 276
5.1 Obtención del Modelo de Estado.

5.1.1 Ecuación Diferencial Lineal
Cuando se dispone de la EDL de orden n que representa
el modelo del sistema, puede utilizarse el método de
definir las variables de estado como las (n-1) derivadas de
la variable primitiva. Esto da origen a una matriz de planta
como se muestra a seguir:
 0 1 0 
A 0 0 1 
 
 a 1
....  a 
n

Sistemas 277
5.1.2 Método de la Mayor Derivada

Este método corresponde al discutido anteriormente y
dice relación con una función de transferencia que no
contiene ceros finitos.
Ejemplo: Sea la siguiente función de transferencia:
Y (s) 10
G(s)   3 2
U ( s ) s  2s  3s  4

Sistemas 278
Que corresponde al siguiente EDO:    

y  2 y  3 y  4 y  10 u
defina
x y1
claramente

x1  x 2


x y2 x 2  x3
 
x y3
x 3  4 x1  3 x2  2 x3  10u
entonces y 0
0 1 0
B  0
A 0 0 1  
  10 
 4  3  2

Sistemas 279
Que permite construir el siguiente diagrama de flujo de

señales:
1/s x1 y
u 10 x3 1/s x2 1/s 1
-2
-3
-4

Sistemas 280
Observe como se definen los estados en el diagrama, lo que

corresponde con la definición del estado x1..
5.1.3 Método de Programación Directa

Cuando la función de transferencia contiene ceros se utiliza el
método que se describe a continuación:
Suponga la siguiente función de transferencia
m1
Y (s) b s  b s  ...  b
m
G(s)   m m1
n1
0
n>m
U (s) a s  a s  ...  a
n
n
n1 0

Sistemas 281
Factorizando el denominador por an obtenemos:
Y (s) dm s m  dm1s m1  ...  d0

G(s)   n
U (s) s  cn1s n1  ...  c0
donde
a bj
ci  i ; .....d j  i  0,1,2,....., ( n  1).
an an
j  0 ,1 ..... m
multiplicando numerador y denominador por s-nB(s) , con

B(s) una función auxiliar se obtiene:

Sistemas 282
mn mn1 n
Y ( s) (d ms  d m1s  ...  d0 s ) B( s)
. G( s )  
U ( s) 1 n
(1  cn1s  ...  c0 s ) B( s)
Es posible escribir entonces que:

mn mn1 n
Y (s)  dms B(s)  dm1s B(s)  ...  d0s B(s)
1 n
U(s)  B(s)  (cn1s  .... c0s )B(s)
visto el orden del denominador de la función de transferencia

son necesarios n integradores, es decir:

Sistemas 283
1 n
donde B( s )  U ( s )  (c s  ....  c s ) B(s)
n1 0
Podemos establecer el siguiente diagrama de flujo de señales:
U(s) B(s) S-1 S-1 S-1 S-1 Y(s)

1
-cn-1
-c1
-c0

Sistemas 284
Como:
m n mn1 n
Y (s)  d m s B ( s )  d m1s B ( s )  ...  d 0 s B( s)
Entonces dm
dm-1
d1
B(s) S-1 S-1 S-1 S-1 Y(s)
d0
finalmente se obtiene:

Sistemas 285
dm
.
dm-1
U(s) B(s) S-1 S-1 S-1 S-1 Y(s)

1 d0
-cn-1
-c1
-c0

Sistemas 286
Asignando una variable de estado a la salida de cada

integrador, se obtiene:
dm
dm-1
U(s) B(s) xn x3 S-1 x2 x1 Y(s)

S-1 S-1 S-1
1 Xn-1 d0
-cn-1
-c1
-c0
Sistemas 287
Podemos escribir el modelo de estado como:

x 1  x 2

x 2  x 3



x n   c 0 x1  c1x 2
 ...  c n 1
x n
 u (t )
y (t )  d 0
x1  d 2
x 2
 ...  d m
x n

Sistemas 288
Obteniendose :  0 1 0 0 
 0 0 1 0 
A   
 * * * * 
 
 c0  c1 *  cn 
0 
0 
B   
* 
 
1 
C  d 0 d1 * d m 0 * 0

Sistemas 289
Vemos que la matriz de planta es la misma que se obtuvo con

el método de la mayor derivada , sin embargo ahora la
matriz de mediciones corresponde a una combinación de
variables de estado. Cuando las matrices A,B y C tienen la
forma descrita , al modelo se le denomina como uno en
FORMA CANONICA CONTROLABLE (FCC).

Sistemas 290
5.1.4 Método de Programación Iterativa

La función de transferencia general, estrictamente propia, ya
presentada puede expresarse en términos de un producto de
funciones de transferencias parciales, es decir :
Y (s)
G (s)   G ( s ) * G ( s ) * ..... * G n ( s )
U (s) 1 2

Sistemas 291
Expresión que se corresponde con el siguiente diagrama de

flujo de señales:
G1(s) G2(s) ……... Gn(s)

Y(s)
U(s)

Sistemas 292
Las expresiones para las Gi(s), i=1,..,n, pueden ser

representadas por estructuras típicas, como por ejemplo:

1 1

x .s-1 x 
x x x x
q
-p -p
-p
1 s s  q
s  p s  p s  p

Sistemas 293
Estos flujos de señal se interconectan según la desagregación

indicada para dar origen a un flujo de señal completo y
poder así obtener el respectivo modelo de estado,como se
muestra a continuación:
Obtener el modelo de estado para:
s(s  5)
G(s) 
(s  2)(s  3)(s  4)

Sistemas 294
Desagreguemos la función de transferencia en los siguientes

términos:
( s  5) s 1
G(s)   G ( s) * G ( s) * G ( s)1 2 3
( s  2) ( s  3) ( s  4)
tenemos entonces el siguiente flujo de señales:

1
1 S-1
1
S-1 S-1
U(s) Y(s)
5
-2 -3 -4
x3 x2 x1
Sistemas 295
Lo que entrega:
 
x  4 x  x  4 x  3x  3 x  U
1
1
2
1 2 3
 
x  3 x  x  5 x  3x  3x  U
2
2
3
3 2 3

x  2 x  U
3
3
es decir:
 4  3 3  1 
A   0 3 3  B  1  C  1 0 0
   
 0 0  2  1 
Sistemas 296
Observar que en la diagonal principal se encuentran los polos

de la función de transferencia, y la matriz es diagonal
superior. Por una transformación apropiada se puede lograr
una matriz de Jordan y, en consecuencia, estados total o
parcialmente desacoplados.
5.1.5 Método de Programación Paralela
Una alternativa al método anterior es expandir la función
de transferencia en fracciones parciales, es decir:
Y (s)
G (s)   G ( s )  G ( s )  .....  G n ( s )
U (s) 1 2
Sistemas 297
Es decir:
Y ( s )  G ( s ) U ( s )  G ( s ) U ( s ).....  G n ( s ) U ( s )
1 2
Suponemos las mismas estructuras típicas para Gi(s) i=1,..,n

y procedemos a definir una variable de estado a la salida de
cada integrador comenzando, como es habitual, del nodo
mas cercano a la salida .
Ejemplo:
s(s  5)
G(s) 
(s  2)(s  3)(s  4)
Sistemas 298
Obtenemos así:
3 6 2
Y(s)  U(s)  U(s)  U(s)
s 2 s 3 s 4
cada término obedece a la estructura siguiente:
k s-1 Y(s)
U(s)
-p

Sistemas 299
Entonces se obtiene el siguiente diagrama de flujo de señales:

1 -3 s-1
U(s) 
x 1
1
x 1
1 -2
6 s-1 Y(s)

1
x 2 x 2
1 -3
-2 1
s-1

x 3
x 3
-4
Sistemas 300
Entonces:

x 1   2 x  3u (t )1

x 2   3 x  6 u (t )
2

x 3   4 x  2 u (t )
3
y (t )  x 1
 x 2
 x 3
en otras palabras, las matrices A, B y C vienen dadas como:

Sistemas 301
 2 0 0   3
A 0 3 0  B6   
C 1 1 1
 0 0  4
  2
sin embargo, cuando las raíces son de multiplicidad 2 o

mayor es necesario expandir en fracciones parciales el polo
de multiplicidad 2 o mayor, lo que se representará a vía de
ejemplo, como se muestra a seguir:
Suponga en el ejemplo anterior, que el polo -3 es de
multiplicidad 2, entonces se tiene:
Sistemas 302
3 b 2
Y (s)  U (s)  U (s)  U (s) 2
s2 ( s  3) s4
es decir:
3 b b1 2
Y(s)  U(s)  2 U(s)  U(s)  U(s)
s 2 (s 3)2 (s 3) s 4
2
s ( s  5 )( s  3 )  6
con b 2 2
( s  2 )( s  3 ) ( s  4 ) s   3
2
d  s ( s  5 )( s  3 ) 
b 1
  2 s 3
1
ds  ( s  2 )( s  3 ) ( s  4 ) 
Sistemas 303
El respectivo flujo de señales es :

s-1
U(s) 
-3 x 1
-2 x 1
1 1
1 s-1

x 2 s-1 x 2
x x 3 -3
3
-3
6 1
1
1 1
Y(s)

x 4 s-1 1
2 -4 x 4

Sistemas 304
Que entrega el siguiente conjunto de matrices:
2 0 0 0  3
 0 3 1 0   0
A B  
C 1 1 6 1
 0 0 3 0  1 
 0 0 0 4 2 
vemos que A es una forma de Jordan.

Sistemas 305
5.2 Solución de la Ecuación de Estado

5.2.1 Solución de una EDO de primer orden,escalar e
invariante.
Sabemos de cursos básicos que la solución general de :

x  ax  bu
viene dada como: t
x (t )  e at x0   e a ( t  ) bu ( ) d
0

Sistemas 306
Debemos esperar, en consecuencia, cierta similitud en la

expresión para la solución de la ecuación de estado. Es
decir, existirá:
a) Solución entrada cero ( homogénea )
at
xh (t )  e x0
b) Solución estado cero (particular)
t
 a ( t  )
x (t )  e bu ( )d
p
0
Sistemas 307
5.2.2 Solución de la Ecuación de Estado : Serie de Potencia

Propongamos como solución la siguiente serie de
potencia:
2 n
x (t )  a0  a1t  a 2 t  .......  a n t
donde los ai no son escalares.
Derivando esta expresión respecto del tiempo se obtiene:

n 1
x ( t )  a 1  2 a 2 t  ..... na nt

Sistemas 308
La solución entrada cero, implíca resolver para:


x ( t )  Ax ( t ),........ x ( 0 )  x 0
con xn, entonces substituyendo se obtiene:
a1  2 a 2 t  ..... na n t n 1  A(a0  a1t  a2t 2  ....... ant n )
es decir:
a 1  Aa 0
1 1 2
a2  Aa 1  A a0
2 2
1
a3  A 3a0
3*2
.
.
1
an  A na0
n


Sistemas 309
Como con t=0 se obtiene a0=x(0)=x0, puede escribirse la

solución como:
 1 1 
2 2
x (t )   I  A t  A t  ......  A t  x0
n n
 2 nl 
  
el término entre paréntesis corresponde con la expansión en
serie de una exponencial matricial, es decir:
At
x (t )  e x 0   (t ) x 0

Sistemas 310
La solución nos muestra como se realiza la transición de un

estado inicial a uno final, por lo que llamamos a la matriz
exponencial como “Matriz de Transición” y su
determinación será lo que discutiremos a continuación.
En forma similar al caso de primer orden escalar, la solución
completa de la Ecuación de Estado viene dada como:
t
At A ( t  )
x (t )  e x 0   e Bu ( ) d 
0

Sistemas 311
Por otra parte, si se le aplica T de L, a la ecuación de estado

con entrada cero (i.e. sólo con C.I.), se obtiene:
1
X ( s )  sI  A  x 0
en otras palabras,
At 1
e  sI  A 
lo que entrega a lo menos, un medio para evaluar la matriz de
transición.

Sistemas 312
Suponga una ecuación de estado cuya matriz de planta tiene

un conjunto de valores propios reales y diferentes.
Entonces existe una transformación lineal T, que relaciona
los dos conjuntos de estado, es decir :
x(t)=Tz(t)
claramente TT-1=I y se cumple que :

z ( t )  T 1 ATz ( t )  T 1
Bu ( t )
y ( t )  CTz
como los valores propios son reales y diferentes entonces:

Sistemas 313
 
z (t )   z (t )  B u (t )

y (t )  C z (t )
donde   
 1 0 0 0 0   b1 
0 2 0 0 0  b 
    2
  0 0  0 0  B  
    
0 0 0 i 0 
 bi 
 0 0 0 0  n  b 
 n

   

C   c1 c2  ci cn 
 

Sistemas 314
En consecuencia podemos escribir:

t
z 1 ( t )  z 10 e 1
 t
z 2 ( t )  z 20 e 2
.
.
 t
z n (t )  z n 0 e n

Sistemas 315
e  t
1
0 0 0 0 
 
Es decir:  0 et 2
0 0 0 
t
z (t )   0 0  0 0  z0  e z0
 
 0 0 0 et i
0 
 0
 0 0 0 e  t 
n
claramente, como los valores propios son invariantes a las

transformaciones lineales, si estos son reales y diferentes,
disponemos de un medio para evaluar la matriz de
transición. Cuando este no es el caso, es decir la
transformación genera una matriz de Jordan, es común
utilizar de lo que discutiremos a continuación:
Sistemas 316
Teorema de Cayley-Hamilton:
Toda matriz cuadrada satisface su propia ecuación
característica
En otras palabras si:

 I  A  a n  n  a n 1  n 1  ....  a 1   a 0
entonces:
P ( A )  a n A n  a n 1 A n 1  .....  a 1 A  a 0 I

Sistemas 317
Además, suponga que N(A) es un polinomio matricial:
N ( A )  a n A n  a n 1 A n 1  ....  a 1 A  a 0 I
sea P(A) el polinomio característico de A, entonces:
N ( ) R ( )
 Q ( ) 
P ( ) P ( )
multiplicando por P() , obtenemos
N ( )  Q ( ) P ( )  R ( )

Sistemas 318
Como R() es el residuo y evidentemente, de menor grado

que N(), y como P()=0, visto que representa la ecuación
característica de A, obtenemos que:
N ( A )  R ( A)
es decir, todo polinomio matricial puede ser escrito como un
polinomio de a lo mas un grado menor , es decir:
N ( A)  hm A m  hm 1 A m 1  ...  h0 I
con n  m+1.

Sistemas 319
Vea que este es un método adecuado para obtener la inversa

de una matriz, por cuanto si:
P ( A )  A n  a n 1 A n 1  ...  a1 A  a 0 I  0
entonces:
1 1 n a n 1 n 1 a1
A   A  A  ....  A
a0 a0 an
Defina ahora :
At
P(A)  e
Sistemas 320
Es posible escribir un polinomio de a lo mas un grado menor,

es decir:
At 2 n 1
e  h 0 I  h1 A  h 2 A  ...  h n 1 A
en consecuencia y por C-H, se cumple que:
t 2 n 1
e  h 0  h1   h 2   ...  h n 1 

Sistemas 321
En consecuencia, si los valores propios son reales y

diferentes, se dispone de n ecuaciones, para n incógnitas h.
Si los valores son repetidos, entonces se utiliza de la
siguiente regla:
(0) ( j)
dj
P ( i )  P (i ) P (i )  j
P ( )
d
(0) ( j)
dj
R ( i )  R (i ) R (i )  j
R ( )
d
para generar las ecuaciones que nos permitan calcular la
incógnitas hi.
Sistemas 322
Es necesario destacar que las derivadas de la expresión

anterior son con respecto a  y no c/r al tiempo.
Disponemos ya de los medios que nos permiten evaluar la
respuesta de un sistema sea su representación externa o
interna. Ambas representaciones están relacionadas como
es de suponerse. Para ello aplique transformada de Laplace
a la ecuación de estado y aísle el vector de estado
obteniendo
1
X ( s )  sI  A  BU ( s )
Sistemas 323
Sustituya X(s) en la ecuación de salida obteniendo:
1 C * adjsI  A * B
Y (s)  CsI  A BU(s)  U (s)
sI-A
claramente entonces, el determinante de la matriz resolvente
es la ecuación característica, en consecuencia hablar de
polos o valores propios es equivalente..

Sistemas 324
Suponga un modelo de estado con valores propios reales y

diferentes. Es posible, entonces, determinar una matriz de
transformación que entregue una nueva matriz de planta
estrictamente diagonal. Responderemos la pregunta
respecto a como determinar tal matriz. Para ello escriba:
(1 ) (2 ) (i) (n )
T  t t  t t 
donde t(i) representa el i-ésimo vector característico de A,
asociado al i-ésimo valor propio i.

Sistemas 325
Entonces se cumple que :  i I  A * t ( i )  0

supondremos además por conveniencia, que: t ( i )  1
e
esto permite calcular los vectores característicos que originan
una matriz T que diagonaliza la planta.
La importancia de la diagonalización dice relación con el
responder lo siguiente:
1.- ¿De que manera u(t) opera sobre el estado xi ?
2.- ¿De que manera el estado xi puede ser reconstruido a
partir de la medida y(t) ?

Sistemas 326
La primera pregunta dice relación con el concepto de

CONTROLABILIDAD y la segunda con el de
OBSERVABILIDAD .
Suponga que   
 b1 
b 

1  2 
B  T B   . 
  
 b i 
b 
 n 

Sistemas 327
T es latransformación que diagonaliza A . Sea la i-ésima fila

de B cero. Entonces:

z i (t )   i z i (t )  0 u (t )
esta relación pone en evidencia que zi(t) sólo depende de su
valor inicial. Es decir, no hay una entrada u(t) que lleve
zi(t) desde su valor inicial a uno final. Esto es, zi(t) NO ES
CONTROLABLE por u(t).
Por otro lado, supongamos ahora que:

Sistemas 328
     
.
C  c1 c 2 . c i cn
 

Sea la i-ésima columna de C cero. Entonces se cumple que :
  
y(t)  c1 z1  c2 z2  ... 0zi  cn zn
es decir, el estado zi no contribuye a la construcción de y(t).
Se dice entonces que zi(t) NO ES OBSERVABLE por
y(t).
Una forma alternativa para determinar la controlabilidad y/u
observabilidad de los estados es generar las siguientes
matrices:
Sistemas 329
2 n 1
. 
C  B AB A B . A B 
Si el numero de columnas LI de C es n entonces el estado es
completamente controlable.
 C 
 CA 
 
2
O   CA 
 
 . 
 CA n 1 
Si el rango de O es n, el sistema es completamente observable

Sistemas 330
Una alternativa es tomar la transpuesta de O para obtener:

OT  CT  A T C T ( A T ) 2 C T . ( A T ) n 1 C T 
nuevamente la condición de observabilidad completa es n
columnas LI.
Como la condición de controlabilidad completa de estados no
es condición necesaria ni suficiente para controlabilidad de
la salida, se define la matriz:
CY  CB CAB CA2 B . CAn1 B
 
si tiene q columnas LI la salida es completamente controlable.

Sistemas 331

f(aX+bY)  af(X)+bf(Y)
CAPITULO 11
LINEALIZACION: ESTUDIO DE
NOLINEALES A PEQUEÑA
SEÑAL

Sistemas 332
El estudio de nolineales o sistemas nolineales es motivo de

gran actividad. Los fundamentos matemáticos, conocido
como teoría cualitativa de ecuaciones diferenciales, es un
ejemplo.
En general la situación, para este curso, es la de utilizar de los
fundamentos de los lineales y con ellos determinar un
comportamiento aproximado del nolineal, a lo menos en
las cercanías inmediatas de interés.
Un ejemplo apropiado que muestra esta situación es el del
péndulo. La ecuación que rige un péndulo real es :

Sistemas 333
d 2 b d g 
2
  sen   0
dt m dt l
donde:
b coef. de roce
mgsen

00 mg
Sistemas 334
Para simplificar hacemos b = 0 y asumimos que el ángulo 

sufre pequeños cambios y además supondremos que estos
se verifican en la posición de reposo  = 00.
Tenemos entonces: d 2 g
2
   0
dt l
por lo visto en el Cap. 5, escribimos:
x1  

x2  
obteniendo así: 
x1  x2
 g
x2   x1
l de Señales y Sistemas
Análisis
Sistemas 335
Como este modelo corresponde a uno lineal, entonces

determinamos los valores propios obteniendo:
 0 1 g
A g  1, 2   j

 l 0  l
es decir, complejos conjugados son parte real nula (i.e. sin

atenuación), esto corresponde a una oscilación de amplitud
mantenida y frecuencia angular:
g rad/s
 
l

Sistemas 336
Para tener una visión compacta de la posición y velocidad


angular se genera una ecuación para un plano (,)
(denominado PLANO DE FASE), como sigue:
a) divida la 2a ecn. por la 1a : 

g
x
x 1 dx
2 l 2

 
x x2 dx 1
1
b) separe las variables:
g
x 2 dx 2   x 1 dx 1
l
c)integrando se obtiene:
1 2 g 2
x2  x1  constante  E
2 2l
Sistemas 337
La última ecuación corresponde con una elipse, cuyos

semiejes quedan definidos como se muestra en la figura:
x2
t
 2E x1
2l
 E
Análisis de
g Señales y Sistemas
Sistemas 338
La respuesta angular versus tiempo será entonces:
claramente la amplitud de la oscilación, así como su

frecuencia, variará de acuerdo al valor de .
Observemos algunas características de comportamiento de

este sistema: PENDULO

Sistemas 339
Algunas preguntas:
¿Qué sucede cuando  = 00 ? ¿ cuando  = 1800 ? ¿=900?
Y entonces ¿cómo responder estas preguntas? ¿qué
herramientas puedo utilizar para desarrollar un
conocimiento y comprensión de la dinámica de un
sistema?
La respuesta es doble:
Para estudiar los nolineales es necesario estudiar teoría
cualitativa . (postgrado)
Determinar comportamiento aproximado con los lineales. (Sí)
Sistemas 340
Veamos, entonces, como nos ayuda lo estudiado en

matemáticas.
6.1 PUNTOS DE OPERACIÓN
Se habla de punto o condición de operación, valor nominal,

punto de equilibrio, punto Q, flujo de carga, etc. para
referirse a una condición de estado estacionario o reposo.
Es decir, condición en la cual las variaciones son nulas.

Sistemas 341
Para una ecuación diferencial de orden n esto equivale a

anular todas las derivadas de la variable dependiente, por
ejemplo, sea:
  
4 y  2 y  (1  y ) ( y ) 2  y 2  y  0
haciendo las derivadas cero, se obtienen dos soluciones para
la variable :
y0  0 y 0  1
estos son puntos estacionarios o puntos de operación.
Corresponden con los ángulos 0 y 180 del péndulo.
Sistemas 342
Determinar los puntos de operación es de importancia por

cuanto será posible determinar un modelo lineal válido en
las cercanías de ellos. Recuerde la expansión en Serie de
Taylor:
f f
f ( x, y )  f ( x0 , y 0 )  ( x  x0 )  ( y  y0 )  términos de orden sup .
x xy
0 0
y xy
0 0
observen que esto puede reescribirse como:

f f
f ( x , y )  f ( x0 , y 0 )  ( x  x0 )  ( y  y0 )  términos de orden sup .
x xy 0 0
y xy 0 0

Sistemas 343
Defina cada diferencia como un incremento en la variable o

función, es decir:
f f
f ( x, y )  x  y  términos de orden sup .
x xy
0 0
y xy
0 0
claramente las parciales evaluadas en x0,y0 corresponden, en

este caso, a constantes (en el caso general a matrices con
coeficientes constantes), por lo que escribimos:
f ( x , y )  J 1x  J 2 y
Sistemas 344
Gráficamente corresponde a:
f(x,y)
y
y f(x, y)
y0
x
x0 x

Sistemas 345
Como se destaca, la función f(x,y) , no lineal, ha sido

aproximada por una lineal en las cercanías de (x0,y0).
Utilicemos lo visto y aplicando sobre la ecuación del péndulo
d 2 b d g
2
  sen   0
dt m dt l
obtenemos como puntos de operación: sen   0
 = 0, , 2, etc.
Aplicamos ahora la serie de Taylor, sólo en aquellos términos
nolineales: d 2  b d g
2
  cos  0    0
dt m dt l
Sistemas 346
Para  = 0, la EDO lineal viene dada como:

d 2 b d g (1)
2
    0
dt m dt l
Para  =  la EDO lineal viene dada como:
d 2 b d g (2)
2
    0
dt m dt l
supongamos por simpleza, que l =1, b=0, entonces para la
2
Ecn (1) d  
2
 g   0
dt
2
d  
Ecn.(2) 2
 g   0
dt
Sistemas 347

Ahora con x1   y x 2  
obtenemos:  0 1 0 1
A1   A2  
 g 0  g 0 
es decir  ( A1 )   j g  ( A2 )   g
es decir, cada punto de operación tiene un espectro diferente,

uno corresponde con raíces complejas con parte real nula,
y el otro corresponde a raíces reales de signo contrario.

Sistemas 348
Estas diferentes soluciones se presentan generalmente en un

plano de fase, que corresponde al campo de solución de la
ecuación diferencial, tal como se muestra a continuación:

Sistemas 349
En las cercanías de cada punto de operación obtenemos los

siguientes planos de fase:
x2
x2
x1 x1
=0

centro Análisis de Señales y Sistemas silla
Sistemas 350
Vemos que entorno a 00 las soluciones son periódicas en el

sentido reloj. En torno a  las soluciones son separatrices
(de punto silla), que provienen de y se acercan a la
posición de equilibrio vertical para tiempo muy largo y
separan las soluciones periódicas (ida y vuelta) de las
soluciones giratorias sin parar.
Veamos ahora como procederemos. Supondremos que hemos
obtenido un modelo de estado nolineal que denotaremos
como: 
x  f ( x , u )
y  g ( x , u )
Sistemas 351
Primeramente debemos determinar los puntos de operación

(P.O.), es decir:
f (x,u )  0
la solución de estos conjuntos de ecuaciones pueden o no,
depender de la entrada u. Visto que se determinan puntos
de operación, estas entradas deberán encontrarse en estado
estacionario.
En segundo lugar debemos aproximar el modelo no lineal por
uno lineal válido en cada P.O., es decir:

Sistemas 352

 x  J 1 x  J 2  u
y  J 3x  J 4u
donde
 f1 f1   f1  f1 
 x x n   u u n 
J1   1  J2   1 
 f n f n   f n f n 
 x1 x n    u1 u n 
 g 1 g1   g 1 g 1 
 x x n   u u n 
J3   1  J4   1 
 g n g n   g n g n 
 x1  x n    u1 u n 

Sistemas 353
Cada matriz J así calculada se denomina Jacobiana .

En tercer lugar se evalúa cada jacobiana en cada P. O.
obteniendose así, el modelo lineal válido en el respectivo
P.O.
La particular dinámica en torno a cada P.O. se calcula vía los
valores propios de cada matriz de planta obtenida.
Para nuestro péndulo, el modelo de estado nolineal viene
dado como: 
x1  x2
 g b
x2   sen x 1  x2  u
l m
Sistemas 354
Cálculo de los P.O.

x 2  f ( x1 , x 2 )  0
g b
 sen x 1  x 2  u  f ( x1 , x 2 )  0
l m
Para simplificar, se supone u(t)=0, y se obtiene:
x2  0  x1
sen x 1  0  x2
es decir x10 x20
P.O.1 0 0
P.O.2  0
Sistemas 355
Esto equivale en un plano de fase a :

x2
-  x1
Cálculo de Jacobiana
 0 1 
J1   g b
  l cos x10  
m

Sistemas 356
Evaluando en cada P.O. se obtiene:

P.O. 1:
 0 1 
J1   g b
  l  
m
P.O.2:
0 1  0 1 
J1   g b J1   g b
 l    l  m
m

Sistemas 357
Es posible evaluar los valores propios como:

P.O. 1 b 1 b
2
4g
1, 2      
2m 2  m  l reales diferentes
P.O. 2 2
b 1 b 4g
1, 2      
2 2m 2  m  l
 b  4g
    0 complejas conjugadas
 m l
2 2
 b  4g   4 g reales distintas
b
    0 reales iguales    0
 m l  m l

Sistemas 358
Esto se puede graficar en el plano Traza-Determinante

g/l(determinante)
2
 b  4g
   0
m
  l 2
 b  4g
    0
m  l
2
 b  4g
   0
m l
b/m (traza)
0
Sistemas 359

CAPITULO 12
ESTABILIDAD

Sistemas 360
¿PORQUE SUCEDEN ESTOS FENÓMENOS?.

Puente Tacoma (EEUU)
Líneas de transmisión (Inglaterra)

Sistemas 361
En dinámica de sistemas, una de las restricciones deseables y

exigibles es la que dice relación con la Estabilidad.
En general, esta restricción es asociada a obtener un
comportamiento ( i.e. Respuesta) acotado frente a una o
varias entradas acotadas.
MOTIVACION:
Suponga un sistema denominado Péndulo Invertido,

Sistemas 362
Si se asume que el péndulo se encuentra en la vertical (=00),

entonces un pequeño disturbio F producirá la siguiente
respuesta temporal:
 animación

Sistemas 363
El comportamiento obtenido prueba que el péndulo NO se

mantiene en la vertical por acción de un disturbio, es decir,
su repuesta NO es acotada.
Como los sistemas son, en general, nolineales, entonces los

atributos que definen la estabilidad deben necesariamente
referirse a los puntos de operación (fase. ) Con esto
queremos decir que cada punto de operación puede
presentar una particular CONDICION DE
ESTABILIDAD.

Sistemas 364
CONDICIONES DE ESTABILIDAD
La matriz de transición permite representar la trayectoria de

estado desde un tiempo t0 a uno determinado t, según la
relación:
x (t )   (t , t 0 ) x ( 0 )
esta relación indica, además, que la trayectoria generada
dependerá de la estructura del sistema representada por la
matriz de transición y no de la particular entrada que este
tenga.

Sistemas 365
Para establecer claramente las definiciones de las condiciones

de estabilidad, se supondrá que el espacio estado estará
formado por las coordenadas :estado, x(t), su razón de

variación con el tiempo, x ( t ) , y el tiempo, t.


x(t )
X(t)

Sistemas 366
Suponga el sistema no lineal que se muestra:

La ecuación diferencial que lo modela viene dada como:
 
M x D ( x)  K ( x)  0
x
M Para el xcaso conservativo se cumple

D( x ) que D( )= 0. La energía total del


sistema es constante.

K(x) Sea x1= x , x2= x y M=1, entonces

el modelo de estado será:

Sistemas 367
. x1  x 2

x 2   K ( x1 )
Vamos a suponer que K(0)=0 y que K(x1)  0 para x1  0, así
el punto de operación es el origen del plano de fase (x1;x2).
Las trayectorias entorno al origen se obtienen dividiendo las
dos ecuaciones de estado, es decir:

x2 K ( x1 ) dx 2
   
x1 x2 dx 1
supongamos por un momento que K(x)=Kx, es decir, el

resorte es lineal. Entonces se obtiene:
x 2 dx 2  Kx 1 dx 1  0
Sistemas 368
Que al integrar entrega:

x 12 x 22
  c  constante
2 2
que corresponde a la suma de la energía cinética y potencial.
Además, en el plano de fase (x1;x2) corresponden a elipses
y/o círculos centrados en el origen dependiendo del valor
de K. x2
E=c3
x1
E=c2
E=c1
C1 < C2 < C3
Sistemas 369
Ahora bien, ya se discutió que el punto de equilibrio o punto

de operación, es siempre aquel de mínima energía cinética
para el sistema (las derivadas son nulas). Esto es, serían
uno o mas puntos sobre el eje x1 del plano de fase incluido
el origen. Se infiere así que, estudiando el comportamiento
en el plano de fase, puede obtenerse información en
relación a la ganancia, mantención o disipación de energía
en un sistema cuando éste es perturbado. Claramente, si el
sistema es lineal, el comportamiento se centra en torno al
origen (el punto de operación)

Sistemas 370
Incorporando la coordenada de tiempo, nuestro plano de fase

se torna tridimensional
x2 t
<

x1
ENERGIA
Sistemas 371
Logramos con esto visualizar el comportamiento del vector

de estado , por así decirlo, el “tratamiento” que el sistema
realiza con la energía suministrada a medida que el tiempo
transcurre. Esto define lo medular de la estabilidad y
permite definir las Condiciones de Estabilidad (según
LIAPUNOV) como sigue:
ESTADO DE EQUILIBRIO ESTABLE: (ESL)

Un estado de equilibrio es estable en el sentido de Liapunov si
sometido a una perturbación ||xp|| <  con  > ||xe|| , tiene una respuesta
(t;t0) acotada para todo t[t0,t] y menor que .

Sistemas 372
ESTADO DE EQUILIBRIO ASINTOTICAMENTE ESTABLE

(AESL)
Un estado de equilibrio es asintóticamente estable en el sentido Liapunov,
si sometido a una perturbación tal que ||xp||< , con  > ||xe|| , tiene una
respuesta (t0;t) acotada para todo t[t0,t] y que converge al punto de
equlibrio primitivo a medida que transcurre el tiempo.
ESTADO DE EQULIBRIO INESTABLE (I)

Un estado de equilibrio es inestable si sometido a una perturbación
||xp|| ||xe|| , tiene una respuesta (t0;t) que no es acotada cuando
transcurre el tiempo, o bien es acotada tendiendo a otro punto de equilibrio
con ||xe|| > .

Sistemas 373
Observen que hemos enfatizado las condiciones de estabilidad

en torno a un punto de equilibrio (o de operación), puesto
que los sistemas no lineales pueden tener varios puntos de
operación con diversas condiciones de estabilidad. No se
puede hablar, entonces, de las condiciones de estabilidad
del sistema. Para los sistemas lineales, en cambio, la
condición de estabilidad se define como:
ESTABILIDAD DE UN SISTEMA LINEAL:
Un sistema lineal es estable si y sólo si a cada excitación acotada se
obtiene una respuesta acotada.
Como esta definición debe aplicarse a cada par excitación
respuesta, se cambia el punto de vista de variables de
estado por el de función de transferencia.
Sistemas 374 
Lo anterior se resume en la expresión h( ) d  M 

0
donde h() representa la respuesta impulsiva y M es un
número real finito.
DETERMINACION DE LAS CONDICIONES DE

ESTABILIDAD
Deseamos ahora estudiar los métodos que permitan establecer
las condiciones de estabilidad de un punto de operación
(no lineales) o del sistema (lineales).
La restricción es la de NO resolver la matriz de transición o la
función de transferencia.

Sistemas 375
Los métodos pueden dividirse en Analíticos y Gráficos.

Los primeros, utilizando de la representación en variables
de estado o función de transferencia, permiten determinar
las condiciones que debe cumplir el sistema o punto de
operación para un comportamiento AESL, ESL o I. A estas
condiciones se les denominan Condiciones Absolutas de
Estabilidad. Los segundos permiten no sólo determinar las
condiciones si no que además, a que derivan cuando varía
uno o varios parámetros del sistema. Estas son, por lo
tanto, Condiciones Relativas de Estabilidad.
Es decir, los primeros responden CUAL es la condición?, y
los segundos el COMO se llega o CUANTO es posible
variar un parámetro ?.
Sistemas 376
Métodos Analíticos
La discusión se realizará considerando un punto de
equilibrio perturbado representado por la ecuación de
estado: 
x(t)  Ax(t), x(0)  x0

Primer Método de Liapunov
La solución de la ecuación de estado anterior viene
dada como:
x (t )  e x 0 At
Si la matriz A es no diagonal, es posible aplicar una

transformación lineal que la diagonalize o que la
transforme a una Forma Canónica de Jordan.
Sistemas 377
Será posible escribir entonces:

x 1 ( t )  e  t x 10
1
x 2 ( t )  e  t x 20
2


x n (t )  e  t x n 0
n
Claramente, la expresión para cada variable de estado xi(t)

será acotada si los exponentes i son negativos o cero.
Como estos coeficientes corresponden a los valores
propios o característicos se establece el siguiente criterio:

Sistemas 378
C-1 Si TODOS los valores característicos de la matriz de

planta A, tienen parte real negativa, entonces el estado de
equilibro es AESL.
C-2 Si alguno de los valores característicos tienen parte real
nula, y el resto tiene parte real negativa entonces el estado
de equilibrio es ESL.
C-3 Si uno o varios, de los valores característicos tiene parte
real positiva , el estado de equilibrio es I.
SUGERENCIA 1:
Aplique el 1er Método a:   
2
y  0 .5 ( y  1) y  y  0

Sistemas 379
Criterio de Routh-Hurwitz
Como los valores propios, o polos, son la solución de la
ecuación característica:
n 1
sI  A   ( s )  an s  an1 s  ...  a1 s  a0  0
n
aplicaremos los criterios del 1er Método para establecer las

condiciones de estabilidad de un sistema lineal. Para ello
es necesario analizar los coeficientes de la ecuación
característica. Se puede establecer el siguiente Criterio de
Routh-Hurwitz:

Sistemas 380
C1 Si alguno de los coeficientes de la ecuación característica es cero

(0), con excepción del correspondiente al término s0, o tiene diferente
signo a otro coeficiente , entonces se tienen raíces con parte real
positiva y el sistema será inestable.
C2 Si todos los coeficientes de la ecuación característica son positivos

y diferentes de cero, y todos los elementos de la primera columna del
arreglo Routh-Hurwitz (R-H) son positivos, entonces todas las raíces
tendrán parte real negativa y el sistema será AESL.
C3 Si todos los coeficientes de la ecuación característica son positivos

y diferentes de cero y la primera columna del arreglo tiene cambio de
signo, existirán tantas raíces con parte real positiva como cambios de
signo existan en el arreglo.

Sistemas 381
El arreglo R-H se forma de la siguiente manera: utilizando

la definición de la ecuación característica ya presentada,
n
escribimos: S an a n-2 a n-4 … …
s n-1 a n-1 a n-3 a n-5 ……
s n-2 A1 A2 A3 … ..
s n-3 B1 B2 B3 … ..
… ..
s1
0
s
Sistemas 382
Donde:
an1  an2  an  an3 an1  an4  an  an5

A1  A2 
an1 an1
A1  an3  A2  an1 A1  an5  A3  an1
B1  B2 
A1 A1
y así sucesivamente .
Veamos un ejemplo de arreglo Routh-Hurwitz:

Sistemas 383
Sea
5 4 3 2
( s )  0.0005s  0.0145s  0.552s  6.7 s  521.4s  1001
entonces el arreglo es:
S5 0.0005 0.552 521.4

S4 0.0145 6.7 1001
S3 0.317 486.9
Primer cambio
S2 -15.556 1001
Segundo cambio S1 507.3
S0 1001
2 cambios de signo implican 2 raíces con parte real positiva

Sistemas 384
Particularidades en el arreglo:
P1 Un término de la primera columna es cero (0)
P2 Todo un renglón del arreglo tiene elementos
iguales a cero (0).
Para P1:
Reemplazar el elemento cero (0) por un elemento  > 0
muy pequeño, y continuar con el arreglo.
Ejemplo para P1
 (s)  s 4  s3  s 2  s  K

Sistemas 385
El arreglo entrega:
S4 1 1 K
S3
1 1
S2
0 >0 K
S1  K

S0
K
claramente, cuando  0, la 1a columna de la 4a fila es
negativa. Existen en consecuencia, y para K > 0, 2 cambios
de signo, es decir, dos raíces con parte real positiva .
Sistemas 386
Para P2
Esta particularidad indica la presencia de raíces complejas
conjugadas con parte real nula o la existencia de pares de
raíces reales de signo opuesto.
El procedimiento a seguir es el que se presenta en el
siguiente ejemplo:
Sea (s) = s5+2s4+24s3+48s2+25s+50, el arreglo se
presenta a continuación.

Sistemas 387
El arreglo es entonces:
S5 1 24 25
S4 2 48 50
S3 0 0 0
como existe una fila con coeficientes nulos, se forma un

polinomio con los coeficientes de la fila inmediatamente
anterior , denominado Ecuación Auxiliar
P(s) = 2s4+48s2+50
y se deriva esta respecto de s, para obtener:
Sistemas 388
P’(s)=8s3+96s
reemplazando estos coeficientes en la fila con coeficientes
0, se continua con el arreglo hasta completarlo
S5 1 24 25
S4 2 48 50 /:2
S3 8 96 /:8
S2 12 25
S1 9.9
S0 25
como no existen cambios de signo en la primera columna.
ES NECESARIO RESOLVER PARA LAS RAICES DE
LA ECUACION AUXILIAR .
Sistemas 389
Así: 2s4 + 48s2 + 50 = 0

cuya solución es: s1= j1.04
s2 = -j 1.04
s3 = j 4.78
s4 = -j 4.78
visto que existen raíces con partes reales nulas, y en el
arreglo original no existen cambios de signo, el
comportamiento será ESL.

Sistemas 390
Segundo Método de Liapunov (Método Directo)

El método se basa en el concepto que todo sistema tiene un
nivel mínimo de energía en el estado de equilibrio, y que la
condición en el es AESL. Cuando el estado de equilibrio
es perturbado, este acumula, disipa o lo sitúa en otro estado
de equilibrio.
ALGUNAS DEFINICIONES:
Matriz Definida Positiva
1.- M es definida positiva si xT Mx es definida positiva
2.- M es definida positiva si sus autovalores tienen
todos partes reales positivas.

Sistemas 391
Matriz Semidefinida positiva

M es semidefinida positiva o Positiva semidefinida, si uno
o mas de sus autovalores tienen parte real nula y el resto
parte real positiva.
CRITERIO :
1.- Si se puede construir una función definida positiva
V(x,t) de los estados de un sistema y si su derivada

temporal V ( x, t ) es definida negativa, entonces el sistema
es AESL.

Sistemas 392
El criterio es de gran simpleza, no así su aplicación. Sin

embargo, la extensión del criterio a sistemas lineales es de
gran utilidad para la determinación de las condiciones de
estabilidad.
2.- Un estado de equilibrio xe(t) de un sistema lineal, es
AESL si se satisface la relación: (deducción)
ATP+PA = -E
conocida como Ecuación de Liapunov, donde P y E son
matrices reales y definidas positivas y A es la matriz de
planta de la ecuación de estados. La matriz E puede ser
elegida como la matriz identidad y determinar P. Si P
resulta definida positiva, el punto de equilibrio es AESL.
Sistemas 393
Si P es semidefinida positiva, el sistema es estable en el

sentido Liapunov. Si, P es definida o semidefinida
negativa, el sistema es inestable.
Ejemplo: Sea el modelo lineal de estados el siguiente:

x  x  2x
1 1 2

x  x  4x
2 1 2
Se obtiene:   1  2
A
 1  4

Sistemas 394
Sea E la matriz identidad, entonces la solución de la

ecuación de Liapunov entrega:
 0.383  0.116
P 
 0.116 0.183 
cuyos autovalores son 0.4362 y 0.1298, por lo que P es

definida positiva y el sistema es AESL.


Sistemas PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas PDF

Cargado por

Copyright:

Formatos disponibles

SECCION 1

Análisis de Señales y Sistemas

Definición: Una señal se dice de tiempo continuo o

Ejemplos de señales de tiempo continuo

Aparece claro que para cualquier señal de tiempo

Análisis de Señales y Sistemas

1.2-Función Rampa Unitaria: t t  0

Si comparamos ambas señales es posible afirmar

Análisis de Señales y Sistemas

1.3-El Impulso Unitario  (t )

También denominado función delta o delta Dirac

Primera condición: Impulso es cero para t diferente

Además puede comprobarse que:

Análisis de Señales y Sistemas

Para cualquier número real K, K (t ) es un

La notación “(K)”, en la figura, se refiere al área del

Análisis de Señales y Sistemas

Para comprobar que la sinusoide es periódica, observe

Análisis de Señales y Sistemas

Análisis de Señales y Sistemas

La relación (1.3) es satisfecha si y sólo si la razón T1/T2

Análisis de Señales y Sistemas

Suponga x(t)=s(t-t1) con t1=2 seg., entonces obtenemos:

Análisis de Señales y Sistemas

Para un impulso K(t) y para cualquier numero fijo, positivo

Esta característica permite definir la propiedad de

Análisis de Señales y Sistemas

1.6-Señales Continuas y Continuas por

De no verificarse lo anterior se habla de una señal

Análisis de Señales y Sistemas

Por ejemplo, la señal escalón es una señal de tiempo

Análisis de Señales y Sistemas

Una señal continua es continua por trazos si es

1.7-Derivada de una señal de tiempo continuo

Análisis de Señales y Sistemas

Si x(t) es una señal de tiempo continuo, y además

Observemos que se compone de la derivada

Análisis de Señales y Sistemas

Veamos unos ejemplos:

Si K=1, se hace evidente que la derivada

El gráfico de la función es entonces:

La derivada generalizada será:

Para el intervalo (2,3) exceptuando 2 y 3 es

Análisis de Señales y Sistemas

Entonces la derivada ordinaria es

2s(t)  s(t 1) s(t  2)  s(t 3)  (t)  2 (t 1)

Análisis de Señales y Sistemas

Entonces la derivada generalizada se obtiene

Análisis de Señales y Sistemas

1.8-Señales definidas por intervalos

Por otra parte, suponga ahora que x(t) esta dado en la

Que también podemos escribir como:

x(t)  f1(t)s(t t1)  s(t t2 ) 

Análisis de Señales y Sistemas

Ejemplo de forma analítica de una señal: Suponga la

Análisis de Señales y Sistemas

SEÑALES DE TIEMPO DISCRETO

Análisis de Señales y Sistemas

La variable tiempo t se dice variable de tiempo

Una señal de tiempo discreto es una señal función de

Suponga, por ejemplo, que la señal de tiempo

Con x[n]=0 para todo otro valor n.

El gráfico de tal señal será: