Función de Transferencia a Espacio de Estados

Byron Hernández & Germán Holguín

Maestría en Ingeniería Mecánica
Grupo de Investigación de Gestión de Sistemas
Universidad Técnológica de Pereira

1. Simulación de sistemas Lineales

En este apartado se estudian los sistemas lineales, algunas herramientas de cálculo
para el análisis de su comportamiento y posteriormente se introduce la aplicación de la
herramientas de programación para el análisis y simulación de los sistemas.

1.1. Conceptos Previos

A continuación se describen de forma breve los conceptos fundamentales necesarios para
este apartado de simulación de sistemas lineales.

1.1.1. Sistema

Un sistema es una combinación de componentes que actúan juntos y cumplen algún

objetivo determinado, se puede describir su comportamiento mediante la medida de
una variable y(t) que proporciona información de su estado.
El comportamiento de un sistema puede ser afectado por una variable u(t), que modifica
su estado en un tiempo dado. La Figura 1 muestra una representación esquemática de
un sistema donde la señal u(t) es una entrada y la señal y(t) es una salida.

Entrada Salida
Sistema
u(t) y(t)

Figura 1: Representación de un sistema como un bloque

Cuando existe una relación entre la entrada u(t) y la salida y(t) que se puede modelar
matemáticamente sin incertidumbre teórica, se dice que el sistema es determinístico.

1
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Si un sistema está sometido a una función de entrada u(t) y la salida y(t) cambia
en consecuencia a u(t), entonces este es un sistema dinámico causal. El modelo
matemático de los sistemas dinámicos, contrario a los modelos de sistemas estáticos y
cinemáticos que son relaciones matemáticas directas, no son expresiones que asignan de
forma explícita alguna correspondencia entre y(t) y u(t), en su lugar, se debe describir
en términos del cambio que experimenta el sistema, y por tanto, se debe hacer uso del
cálculo diferencial.
En este apartado estamos interesados en los sistemas dinámicos determinísticos cuya
ecuación diferencial es lineal, los se denominan sistemas lineales

1.1.2. Sistemas lineales

La linealidad es un conjunto de características y condiciones que se pueden resumir como

la pertenencia a un espacio lineal. Un Espacio lineal es un conjunto L de elementos
(variables, vectores, funciones) que representan alguna propiedad real o abstracta, y
que junto con dos operaciones (suma y multiplicación por un escalar) cumplen que: Si
x & y pertenecen al espacio L y a, b ∈ R entonces ax + by también perteneces al espacio
L. la expresión ax + by se le denomina combinación lineal los elementos x & y
Los sistemas lineales son aquellos cuyo modelo matemático se puede representar como
una combinación lineal de las variables que lo describen. Tenga en cuenta que la derivada
es una operación lineal.
Matemáticamente la derivada o diferenciación es la relación entre el cambio de la va-
riable independiente y el cambio de la variable dependiente.
∆y y(t + ∆t) − y(t) dy
→ lı́m = (1)
∆t ∆t→0 ∆t dt

la relación entre la entrada y la salida de un sistema dinámico es diferencial, así entonces,

los sistemas lineales se pueden representar mediante una ecuación diferencial que tiene
la siguiente forma general:
dn y dn−1 y dy
a0 (t) + a 1 (t) + · · · + a n−1 (t) + an (t)y(t) = g(t) (2)
dtn dtn−1 dt

La variable y(t) y el cambio descrito por sus derivadas definen el comportamiento del
sistema, la función g(t) esta asociada normalmente con la o las variables de entrada
u(t) que condicionan el comportamiento del sistema.
La expresión ai (t) i = 1, 2, · · · , n son propiedades intrínsecas del sistema, estas pro-
piedades pueden variar tal y como se indica, pero si ai (t) = ai constantes para i =
1, 2, · · · , n entonces el sistema es invariante con el tiempo.
De esta forma, un sistema determinístico, dinámico, lineal e invariante con el tiempo se
representa como una ecuación diferencial de coeficientes constantes:
dn y dn−1 y dy
a0 n
+ a 1 n−1
+ · · · + an−1 + an y(t) = g(t) (3)
dt dt dt

Pagina 2 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Naturalmente, la forma de conocer el comportamiento del sistema es resolviendo la

ecuación diferencial, bien sea de forma analítica o haciendo uso de herramientas de
cálculo computarizado, métodos numéricos, lenguajes de programación y herramientas
de simulación disponibles. Es importante tener en cuenta que este comportamiento
depende tanto de las condiciones iniciales como de la naturaleza de la entrada u(t),
visto desde otro punto de vista, el estado actual de estos sistemas depende de los
estados anteriores y de la entrada.

1.1.3. Representación de sistemas

Una de las formas mas comunes de representar sistemas es mediante su función de

transferencia, la cual se obtiene a partir de la transformada de Laplace.
Considere la función g(t) en la ecuación (3), la cual en su forma más general es una
ecuación diferencial de coeficientes constantes de la entrada al sistema u(t), así:

dn−1 u dn−2 u du
g(t) = b1 n−1
+ b 2 n−2
+ · · · + bn−1 + bn u(t)
dt dt dt
Nótese que g(t) es al menos un orden menor que la ecuación diferencial (3), esto se
cumple para la mayoría de sistemas reales, y corresponde a los casos de estudio en este
documento.
Aplicando la transformada de Laplace en (3),dividiendo entre a0 y reemplazando g(t)
se obtiene:

(sn + a1 sn−1 + · · · + an−1 s + an )Y (s) = (b1 sn−1 + b2 sn−2 + · · · + bn−1 s + bn )U (s)

De donde la función de transferencia es la relación de la salida con respecto a la

entrada y es una función en el dominio complejo de la frecuencia s:

Y (s) b1 sn−1 + b2 sn−2 + · · · + bn−1 s + bn

H(s) = = (4)
U (s) sn + a1 sn−1 + · · · + an−1 s + an

Otra forma de representar un sistema, es mediante los modelos de espacio de estados.

La idea general es transformar una ecuación diferencial de orden n, en un sistema de n
ecuaciones diferenciales.
Una elección adecuada de variables de la forma:

x1 =y
x2 = ẋ1
.. .. ..
. . .

Pagina 3 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

donde χ̇ es la notación punto que denota la derivada de una variable χ con respecto al
tiempo, permite llegar a un sistema de ecuaciones:

ẋ = Ax + Bu (5)
y = Cx (6)
 ⊺
donde x = x1 x2 · · · xn , A es una matriz de n × n, B es un vector de n × 1, Y C
es un vector de 1 × n. La ecuación (5) se denomina ecuación de estados y la ecuación (6)
es la ecuación de salida.
Dependiendo de la elección de variables, se pueden obtener diferentes representaciones
equivalentes, entre ellas las formas canónicas.
Forma canónica controlable
 
  −a1 −a2 · · · −an−1 −an    
ẋ1 x1 1
 ẋ2  
 1 0 ··· 0 0   x2  0
   0
 ..  =  1 ··· 0 0   ..  +  ..  u
   
 .   .. .. .. .. ..   .   . 
 . . . . . 
ẋn xn 0
0 0 ··· 1 0

 
y = b1 b2 b3 · · · bn x

Forma canónica observable

 
  −a1 1 0 ··· 0    
ẋ1  −a2 x1 b1
 ẋ2   0 1 ··· 0
  x 2   b2 
   .. .... . .
 ..  =  .   ..  +  ..  u
   
. . .
.   .   . 
−an−1 0 0 ··· 1
ẋn xn bn
−an 0 0 ··· 0

 
y = 1 0 0 ··· 0 x

1.1.4. Ejemplos de sistema lineal

Un ejemplo de sistema lineal son los circuitos eléctricos con elementos pasivos RLC

Circuito LC

El sistema eléctrico LC que se muestra en la Figura 2 tiene L = 100mH y C = 100mF ,

por lo que su modelo se puede representar mediante la ecuación diferencial:

d2 q 1
0.1 2 + q(t) = E(t)
dt 0.1

Pagina 4 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

E(t) C

Figura 2: Circuito eléctrico LC

Si la entrada es u = E(t) y la salida es y = VC (t), entonces:

ÿ + 100y = 100u −→ s2 Y (s) + 100Y (s) = 100U (s)

y la función de transferencia es:

100
H(s) =
s2 + 100

Si se elige x1 = y y ẋ1 = x2 entonces ẋ2 = −100x1 + 100u, dejando un modelo de

espacio de estados así:
      
ẋ1 0 1 x1 0
= + u
ẋ2 −100 0 x2 100
 
  x1
y= 1 0
x2

Que corresponde a la forma canónica observable.

Otros ejemplos interesantes son los sistemas mecánicos masa-resorte-amortiguador o
rotacionales pendulares.

Péndulo simple

En la figura 3 se puede observar la representación de un péndulo simple, despreciando

rozamiento el modelo del péndulo es:

J θ̈ = −mgL sin θ + T (7)

siendo L la longitud del péndulo y J el momento de inercia

Pagina 5 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Figura 3: Péndulo simple

Para valores de θ pequeños el modelo del sistema se puede aproximar así:

1
mL2 θ̈ = −mgLθ + T
3

Para el cual se obtiene la siguiente función de transferencia:

3
mL2
H(s) =
s2 + 3g
L

Si se elige x1 = θ y ẋ1 = x2 entonces ẋ2 = − 3g

L 1
3
x + mL 2 u, dejando un modelo de espacio

de estados así:
      
ẋ1 0 1 x1 0
= + 3 u
ẋ2 − 3g
L
0 x2 mL2

 
  x1
y= 1 0
x2

Que corresponde a la forma canónica observable.

1.2. Métodos de Simulación Computarizada

El uso de computadoras requiere de un procedimiento de discretización de los sistemas,
esto es, convertir la representación del sistema a un dominio de valores finitos en un
intervalo de tiempo dado, de forma tal que puedan ser ejecutados por un computador
en pasos de tiempo discretos. Sea ∆t = h el intervalo de tiempo entre dos valores
consecutivos, y sea y(t) = y(kh) tal que t = kh, así y(t + ∆h) = y((k + 1)h).
Lo anterior permite adoptar la notación en diferencias:

Pagina 6 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Notación Significado
y[k] y(kh)
y[k+1] y(kh+h)
y[k-1] y(kh-h)

Cuadro 1: Notación de direfencias t = kh → y(t) = y(kh).

1.2.1. Métodos de Euler

Este método hace uso de la definición de derivada en la ecuación (1). Usando la notación
en diferencias, se plantea una aproximación para la derivada con base en las diferencias
hacia atrás. 
dy  y[k] − y[k − 1]
≈
dt kh
 h

Considérese un caso general en el cual: ẏ = f (t, y, · · · )

Así se obtiene la recursión encontrada en la literarura como ‘Backward Euler’ :

y[k] = y[k − 1] + hf (k, y[k], · · · ) (8)

Nótese que el término hf (k, y[k], · · · ) es función de y[k], más adelante se dan algunas
consideraciones prácticas para la implementación del método.
De igual forma, se puede plantear la siguiente aproximación alternativa para la derivada
con base en las diferencias hacia adelante.

dy  y[k + 1] − y[k]
≈
dt kh
 h

y para: ẏ = f (t, y, · · · )
Se obtiene la recursión encontrada en la literarura como ‘Forward Euler’ :

y[k + 1] = y[k] + hf (k, y[k], · · · ) (9)

1.2.2. Método del trapecio o Tustin

En términos simples este método consiste en promediar los resultados de los método
de Euler, la hipótesis es que el promedio entre una aproximación de la derivada usando
puntos adelante y otra usando puntos atrás, genera una mejor aproximación al valor
actual de la variable derivada.
El método de diferencias hacia atrás es:
y[k] − y[k − 1] y[k + 1] − y[k]
d[k] = → d[k + 1] =
h h

Pagina 7 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Haciendo k ← k + 1 en la ecuación (8).

y[k + 1] = y[k] + hf (k + 1, y[k + 1], · · · )

Promedinado:
h h
y[k + 1] = y[k] + f (k, y[k], · · · ) + f (k + 1, y[k + 1], · · · ) (10)
2 2

Nótese que el último término es función de y[k + 1], más adelante se dan algunas
consideraciones prácticas para la implementación del método.

1.2.3. Métodos de Runge-Kutta

Los métodos de Runke-Kutta hacen referencia a un conjunto de técnicas que generalizan

los métodos de Euler a mejores aproximaciones de orden superior, en general:

y[k + 1] = y[k] + h(w1 k1 + w2 k2 + · · · + wm km ) (11)

Donde wi son pesos de ponderación para los ki , que corresponden a evaluar la función
f (ti , y, · · · ) = ki en diferentes puntos kh ≤ ti ≤ kh+h. Las ki se definen recursivamente.
El método de Runge-Kutta de orden 1 es el mismo método de Euler usando diferencias
hacia adelante, con k1 = f (k, y[k], · · · ) y w1 = 1.
Un método de Runge-Kutta de orden 2 con
1 h
w1 = w2 = −→ y[k + 1] = y[k] + (k1 + k2 )
2 2
donde k1 = f (kh, y[k], · · · ) y k2 = f (kh + h, y[k] + hk1 , · · · ) corresponde al método de
Tustin.
Un método particularmente interesante es el método de Runge-Kutta de orden 4 que
viene como sigue [4]:

k1 = f (kh, y[k], · · · ) (12)

h h
k2 = f (kh + , y[k] + k1 , · · · ) (13)
2 2
h h
k3 = f (kh + , y[k] + k2 , · · · ) (14)
2 2
k4 = f (kh + h, y[k] + hk3 , · · · ) (15)
h
y[k + 1] = y[k] + (k1 + 2k2 + 2k3 + k4 ) (16)
6

Pagina 8 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

1.3. Antecedente: Simulación en Octave/Matlab

En Octave/Matlab, se pueden crear sistemas lineales haciendo uso de las funciones tf
y ss.
A la función tf(num, den) se deben especificar los vectores num = [0, b1 , · · · , bn ] y
den = [1, a1 , · · · , an ], como se muestra a contunuación.

>> sistema1 = tf([0, 0, 1],[1, 2, 1])

sistema1 =

1
-------------
s^2 + 2 s + 1

Continuous-time transfer function.

A la función ss(A,B,C,D) se deben especificar las matrices correspondientes al modelo

de espacio de estados como en (5) y (6), o un sistema en representación de función de
transferencia:

Pagina 9 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

>> sistema2 = ss([1, -2; -4, 3], [0; 2], [1, 0], 0)
sistema2 =

A =
x1 x2
x1 1 -2
x2 -4 3

B =
u1
x1 0
x2 2

C =
x1 x2
y1 1 0

D =
u1
y1 0

Continuous-time state-space model.

>> sistema3 = ss(sistema1)

sistema3 =

A =
x1 x2
x1 -2 -1
x2 1 0

B =
u1
x1 1
x2 0

C =
x1 x2
y1 0 1

D =
u1
y1 0

Continuous-time state-space model.

Pagina 10 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Del mismo modo se puede transformar un modelo en espacio de estados a función de

transferencia:
>> sistema4 = tf(sistema2)

sistema4 =

-4
-------------
s^2 - 4 s - 5

Continuous-time transfer function.

1.3.1. Simulación de la respuesta ante una entrada estándar

En análisis de los sistemas lineales se puede llevar a cabo evaluando su respuesta ante
una entrada estándar, estas entradas estándar son la entrada escalón, la entrada impuso
y la entrada rampa
Respuesta a una entrada tipo impulso
>> impulse(sistema1)

1
Figura 4: Respuesta al impulso del sistema H(s) =
s2 + 2s + 1

Pagina 11 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Respuesta a una entrada tipo escalón

>> step(sistema1)

1
Figura 5: Respuesta al escalón del sistema H(s) =
s2 + 2s + 1

1.3.2. Simulación de la respuesta ante entradas arbitrarias

En otros casos específicos puede ser necesario evaluar el comportamiento del sistema
cuando es sometido a otros tipos de entrada, la función lsim() permite realizar simu-
lación de un sistema especificando la entrada y las condiciones iniciales.
[y,tOut,x] = lsim(sys,u,t,x0,method)

Respuesta a una entrada tipo rampa

En este caso es necesario generar la entrada tipo rampa (u) y un vector de tiempo (t)
para especificar la simulación del sistema:

>> t = 0:0.1:10
>> u = 0:0.01:1
>> lsim(sistema1, u, t)

Pagina 12 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Linear Simulation Results

1

0.9

0.8

0.7

0.6
Amplitude
0.5

0.4

0.3

0.2

0.1

0
0 1 2 3 4 5 6 7 8 9 10
Time (seconds)

1
Figura 6: Respuesta del sistema H(s) = a una entrada tipo rampa.
s2 + 2s + 1

Respuesta a una entrada tipo sinusoidal

En este caso es necesario generar la entrada tipo sinusoidal (u) y un vector de tiempo (t)
para especificar la simulación del sistema:
>> t = 0:0.1:10
>> u = sin(t)
>> lsim(sistema1, u, t)

Linear Simulation Results

1

0.8

0.6

0.4

0.2
Amplitude

-0.2

-0.4

-0.6

-0.8

-1
0 1 2 3 4 5 6 7 8 9 10
Time (seconds)

1
Figura 7: Respuesta del sistema H(s) = a una entrada tipo sinusoidal.
s2 + 2s + 1

Pagina 13 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

1.3.3. Simulación usando bloques de Simulink

Finalmente, Simulink es una herramienta exclusiva de Matlab que permite la simulación

de sistemas dinámicos complejos usando esquemas de integración por bloques.
La figura 8 muestra la implementación típica de un modelo de espacio de estados. En
este caso se hace uso del un sistema ya definido.

>> A = sistema3.a
>> B = sistema3.b
>> C = sistema3.c

Figura 8: Diagrama de bloques para un modelo de espacio de estados

La respuesta a una entrada tipo escalón se muestra en la figura 9.

Figura 9: Respuesta al escalón de un sistema en simulink.

MATLAB ejecuta métodos de Runge-Kutta de orden 2, 3, 4 y 5, también tiene imple-

mentados otros métodos como el retenedor de orden cero (zoh), retenedor de orden 1
(foh), (tustin, un RK2), entre otros [3]. Los métodos odexx hacen referencia a una
modificación al los métodos de Runge-Kutta para encontrar el mejor h en cada paso.
ode45 es una combinación de RK2 y RK3 [1] mientras ode23 usa un par (4,5) [2].

Pagina 14 de 15
Sistemas de Medición, MIM Byron Hernández, Germán Holguín, UTP.

Referencias
[1] Przemyslaw Bogacki and Lawrence F Shampine, A 3 (2) pair of runge-kutta formulas, Applied
Mathematics Letters 2 (1989), no. 4, 321–325.
[2] John R Dormand and Peter J Prince, A family of embedded runge-kutta formulae, Journal of
computational and applied mathematics 6 (1980), no. 1, 19–26.
[3] Lawrence F Shampine and Mark W Reichelt, The matlab ode suite, SIAM journal on scientific
computing 18 (1997), no. 1, 1–22.
[4] Dennis G Zill, Michael R Cullen, Ana Elizabeth García Hernández, and Ernesto Filio López,
Ecuaciones diferenciales con problemas de valores en la frontera, Thomson, 2002.

Pagina 15 de 15